Sunteți pe pagina 1din 23

Variabile aleatoare i legi

de probabilitate
Definitii
Variabile aleatoare discrete
Variabile aleatoare continue
Exemple de variabile aleatoare

Variabile aleatoare
In teoria probabilitatilor se consider un experiment aleator cruia i se
asociaz mulimea evenimentelor elementare E = {e1, e2, ..., en}
Daca realizarea fiecrui experiment aleator poate fi caracterizat numeric,
valorile diferite ale acestor numere constituie o variabila aleatoare. n teoria
probabilitii o variabil aleatoare, de regul notat cu X, este definit ca o
funcie care asociaz fiecrui eveniment elementar e e E un numr real, X(e):
X: E R
n cursul desfurrii experimentului nu se poate ti ce valoare va lua
variabila aleatoare la un moment dat, dar se cunoate mulimea
valorilor pe care le poate lua.
O variabil aleatoare se caracterizeaz, pe lng valorile pe care le poate
lua, prin probabilitile cu care poate lua aceste valori.
Tipuri de variabile aleatoare
O variabil aleatoare care ia un numr finit sau numrabil de
valori este numit variabil aleatoare discret. Exemple de
variabile aleatoare discrete sunt:
numrul de piese defecte ntr-o arj,
numrul de ncercri reuite la un test de rezisten al unui
material,
numrul de molecule de monomer adiionate ntr-o polimerizare.
Dac variabila aleatoare poate lua orice valoare numeric ntr-un
interval
I e R, cu o probabilitate definit, atunci acea variabil este de
tip continuu. Exemplu de astfel de variabile:
duratele de staionare ntr-un reactor cu agitare,
dimensiunile particulelor ntr-o populaie de cristale,
masele molare ale unui polimer

Legea de probabilitate a unei
variabile aleatoare discrete
Legea de probabilitate, numit i repartiie de
probabilitate, pentru o variabil aleatoare discret
este definit prin specificare a tuturor valorilor
posibile ale variabilelor aleatoare i a probabilitilor
corespunztoare.


|
|
.
|

\
|
n 2 1
n 2 1
p p p
x x x
: X

cu respectarea condiiei :
1 p
n
1 i
i
=

=
Funcia de repartiie
Funcia de repartiie a variabilei aleatoare discrete X definit pe E este
o funcie
F: R [0, 1]
care, pentru orice x e R asociaz valoarea F(x) = P(X <= x)
1
p
1

p
1
+ p
2

p
1
+ p
2
+ p
3

x
1
x
2
x
3
x
n
x
F
pentru care F(x
1
) = P(X s x
1
) = p
1
F(x
2
) = P(X s x
2
) = P(X = x
1
sau
X=x
2
) = p
1
+p
2
F(x
3
) = P(X s x
3
) = P(X = x
1
sau X
= x
2
sau X=x
3
) = p
1
+ p
2
+p
3
Variabile aleatoare
continue
n descrierea variabilei aleatoare continue se discut despre
corespondena dintre intervalele dreptei reale i probabilitile
corespunztoare acestor intervale I P(xe I), unde X este variabila
aleatoare. Valorile unei astfel de variabile aleatoare nu mai pot fi scrise
ntr-un ir, iar, dup cum se va arta n continuare,
P(X = x) = 0 pentru x e R
Daca ne raportam la statistica descriptiva, in investigarea unui caracter
continuu datele sunt grupate pe clase sau intervale i evenimente de
tipul (X=x
k
) trebuie nlocuite cu evenimente de tipul ( a<X<b), unde a i b
sunt numere reale oarecare
Legi de repartitie pentru
variabile continue
Densitate de probabilitate
O funcie f definit pe R, continu pe R sau pe un interval nchis din R, n
afara cruia este nul, se numete densitate de probabilitate dac:
a) f(x) > 0 pentru x e R
b)
( )
}


= 1 dx x f
O variabil aleatoare X este numit continu dac exist o funcie de densitate f pentru
care functia de repartitie F se poate defini pentru orice x real prin relatia:
( ) ( )
x
F x f t dt

=
}
Calculul probabilitatilor
( ) ( ) ( ) ( ) ( )
( )
b a b
a
P a X b F b F a f t dt f t dt f t dt

< s = = =
} } }
}

=
< =
a
dx x f a F
a X P a F
) ( ) (
) ( ) (
a b x
P(x <a)
P(a < x < b)
f(x)
( ) ( )
}

= s
a
dx x f a X P
( ) ( )
b
P X b f x dx

s =
}
( ) ( )
}
= s <
b
a
dx x f b X a P
( ) ( ) 0 b X P b X a P lim
b a
= = = s <

( ) ( ) ( ) ( ) P a X b P a X b P a X b P a X b s s = < s = s < = < <


Pentru orice numr real b, P(X = b) = 0.
Astfel, pentru o variabila aleatoare continua probabilitatea ca
aceasta sa ia o valoare anume este nula.
( ) 0 =
}
b
b
dx x f
Ca o consecina a cestei definiii este valabila egalitatea:
Calculul probabilitatii ca variabila aleatoare continua sa ia exact
valoarea b presupune ca a tinde catre b:
Media variabilei aleatoare
|
|
.
|

\
|
n
n
p p p
x x x
X

2 1
2 1
:
1
1
=

=
n
i
i
p
( )

=
=
n
i
i i
p x X E
1
se numete valoarea medie variabilei aleatoare X
n cazul n care variabila aleatoare X poate lua valori ntr-o mulime infinita
numrabil de valori x1, x2, x3, ... crora le corespund probabilitile p1, p2, p3,
... atunci numrul
( )

=
=
1 i
i i
p x X E
Este media variabilei X daca seria este absolut convergent
Dac X este o variabil aleatoare continu cu densitatea de
probabilitate f, atunci numrul
( )
}


= dx x f x X E ) (
se numete media variabilei aleatoare X, dac integrala este convergent
Dispersia
Dispersia unei variabile aleatoare X este definit ca media variabilei
i se noteaz cu D(X).
( ) | |
2
X E X
( ) ( ) | | ( ) ( ) ( ) ( ) | | ( ) ( ) | | ( ) | |
2 2
2
2
2
2
2 2 X E X E X E X E X E X E X E X E X E X D + = + = =
( ) ( ) ( ) | |
2
2
X E X E X D =
( )

=
=
n
i
i i
p X E x X D
1
2
)) ( (
Pt o variabila discreta
( ) ( )
}


= dx x f X E x X D
2
)) ( (
Pentru o variabila continua
( ) ( ) X D X = o
Abatere medie patratica
Sau:
Cteva proprieti ale
mediei i dispersiei
n studiul variabilelor aleatoare i n aplicaiile acestora n analiza
datelor experimentale este necesar cunoaterea unor proprieti
importante ale mediei i dispersiei variabilelor aleatoare. Enunm,
fr a le demonstra, c-teva proprieti ale mediei i dispersiei.
Dac X este o variabil aleatoare i a o constant real atunci:
E(aX) = aE(X)
E(a)=a
E(X + a) = E(X) + a
D(a)=0
D(X + a) = D(X)
D(aX) = a
2
D(X)




( )
( ) 1
( ) ( ) 0
X E X
E E X E X

| |
= =
|
\ .
2
( ) 1
( )
X E X
D D X

| |
=
|
\ .
Momente
Se numete moment de ordinul k al variabilei aleatoare X:
k k
i i
i
M x p =

( )
k k
M x f x dx
+

=
}
pentru variabile aleatoare discrete
pentru variabile aleatoare continue
Momentele pot caracteriza repartiia unei anumite variabile aleatoare, dar pentru o
caracterizare care sa se apropie de realitate este necesar un numr mare de
momente (pentru o identificare totala ar fi necesare un numr infinit de momente).
Tehnica nlocuirii repartiiei prin momentele sale este utilizata in rezolvarea
problemelor de inginerie in care apar variabile aleatore sau se efectueaz bilanuri
de populatei (in ingineria polimerilor, cristalizare). Rapoarte de momente succesive
sunt utilizate in aceste domenii pentru a caracteriza dimensiuni medii ale cristalelor
sau ale polimerului.
Se observa ca momentul de ordin 1 este chiar media E(X)
Momentele centrate sunt momente ale unei variabile aleatore
definita ca diferena intre variabila aleatoare X si media
acesteia. Deoarece media unei variabile aleatoare este o
constanta, si X-E(X) este o variabila aleatoare cu aceeai
densitate de probabilitate ca si a variabilei X.
Momentul centrat de ordin 2 este chiar dispersia.
2
( ) ( ( )) D X x E X dx
+

=
}
Variabile aleatoare discrete
finite-variabila binomiala
Aceast variabil aleatoare poate modela procese stohastice pentru care rezultatul
unui experiment are doar dou valori posibile: succes sau eec. De exemplu la
verificarea unor standarde de calitate pentru un produs, acesta fiind respectat sau
nu.
n modelul variabilei binomiale se consider c testul se aplic unui numr n de
probe (n fiind finit i cunoscut), probele fiind identice.
Se noteaz cu p probabilitatea unui succes i q = 1 p probabilitatea unui
insucces.
Rezultatul fiecrei testri este independent de rezultatul testrilor anterioare.
Probabilitatea evenimentului ca din n probe k probe s aib ca rezultat un succes
este:
( )
k n k k
n
q p C k X P

= =
Variabila aleatoare binomial se noteaz B(n,p), iar n i p se numesc parametrii
repartiiei binomiale.
Variabila aleatoare
infinit- Poisson
Dac in repartiia binomial B(n,p) in care repartiia definit cu relaia,
unde q=1-p
k n k
q p
k n k
n
k X P



= =
)! ( !
!
) (
Binomul lui Newton
se consider probabilitatea p ca lund valori tot mai mici iar numrul n ia
valori foarte mari atunci se poate nota parametrul =np iar probabilitatea
P(X=k) tinde ctre :
!
) P(
k
e

=

Aceast repartiie limit se numeste repartiia Poisson. Media si dispersia unei
variabile aleatoare repartizat Poisson au valoarea .
este singurul parametru al repartiiei si se poate spune ca probabilitatea pentru o
anumita valoare depinde numai de .
Multe situaii practice pot fi modelate cu
repartitia Poisson:
producerea unor accidente cnd
probabilitatea ca ele s se petreac este mica
dar numrul situaiilor in care se pot produce
este mare.
modelarea fenomene controlate de nucleatie
ntmplatoare cum sunt de exemplu
cristalizarea polimerilor sau transformarile
polimorfe n faze solide
procese de policondensare
Variabile aleatoare continuue
Variabila Normala
Variabila _
2
(Hi patrat)
Variabila T (Student)
Variabila F (Fisher)
Variabila Weibul, etc
Repartiia normal este cea mai larg utilizat n analiza datelor
pentru c:
multe variabile aleatoare care apar n cadrul experimentelor au
repartiie normal
multe repartiii complexe pot fi aproximate cu o repartiie
normal (exemplu n acest sens este distribuia binomial)
anumite variabile aleatorii utilizate n verificarea ipotezelor
statistice au repartiie normal

Ipoteza de repartiie normal este de multe ori adaptat fr discriminare pentru
orice rezultate ale unor msurtori experimentale pentru c n acest caz exist deja
proceduri statistice de analiz bine formulate. n realitate, nu toate rezultatele unor
msurtori experimentale afectate de erori aleatoare au o distribuie normal.
Legea de probabilitate a
variabilei normale
O variabil aleatoare continu X este repartizat normal cu parametrii i
o i se noteaz N(,o) dac are ca densitate de probabilitate funcia
( )
( )
2
2
2
x
e
2
1
x f
o

o t
=
cu x e R.
( )
( )
1
2
1 2
2
2
=

=
} }


dx e dx x f
x
o

o t
Media si dispersia
( )
( )
2
2
2
( ) *
2
x
x
E x x f x dx e dx


o
} }

= = =
o t
( ) ( ) ( )
( )
2
2
x
2 2
dx e
2
1
x dx x f x ) x ( D
2
2
o =
t o
= =
} }


o


x
f(x)
N(,o
1
2
)
N(,o
2
2
)
2 2
2 1
>
Repartitia normala este simetrica fata de
medie.
Media este si mod si mediana