Sunteți pe pagina 1din 4

2.

INTRODUCERE IN TEORIA PROBABILITATILOR


2.1. Experiment aleator, evenimente Definitie : Un experiment aleator este un experiment cu mai multe rezultate posibile. Definitie : Rezultatele unui experiment aleator se numesc evenimente. Exemplu : aruncarea unui zar Este un experiment cu 6 evenimente posibile. Multimea evenimentelor posibile = [ E1 , , E 6 ] Multimea evenimentelor se poate largi adaugand: - evenimentul sigur (orice fata) - evenimentul imposibil (fata 7) - evenimente compuse (fata para) Rezultatul unui experiment aleator nu este cunoscut dinainte ; realizarea unui anumit eveniment este caracterizata de o probabilitate. 2.2. Probabilitatea unui eveniment E i Definitia 1 (clasica, de cum cateva secole) : p( E i ) =
Nf Np

unde N f este numarul de cazuri

favorabile evenimentului si N p numarul de cazuri posibile.


a Definitia 2 (Von Mises, inceput de sec XX): p( E i ) = lim unde n a este numarul de n n

aparitii ale evenimentului si

n este numarul total de exeperimente.

Definitia 3 (Kolmogoroff, 1933) : Axiomele probabilitatilor a) p 0 probabilitatea este un nr nenegativ b) p ( S ) =1 probabilitatea evenimentului sigur este 1 c) p( E1 + E 2 ) = p( E1 ) + p( E 2 ) probabilitatea a doua evenimenete mutual exclusive, E1 si E 2 , este egala cu suma probabilitatilor evenimentelor. 2.3. Variabila aleatore

Variabila aleatoare este o notiune folosita pentru a descrie evenimentele rezultate in urma unui experiment aleator. Definitie: Variabila aleatoare (v.a.) este o functie care asociaza fiecarui eveniment o valoare numerica.

Notam cu X v.a.

X : R
Exemplu: Zarul

( X asociaza fiecarui eveniment o valoare numerica)

X : = [ E1 , , E 6 ] [1,2,3,4,5,6]

Observatie: a) Oricarei submultimi a multimii valorilor lui X ii corespunde un eveniment b) 1,2,3,4,5,6 se numesc realizari particulare a le v.a. X . 2.4. Probabilitatile unei v.a. Notam probabilitatea ca un eveniment E i sa se realizeze cu:
p ( Ei ) = p ( X = xi ) = p ( xi ) = p i

Exemplu: Zarul : multimea valorilor lui X este discreta Temperatura ia valori intr-un interval. Definitia 1 (tipul v.a.) : V.a. discreta ia valori intr-o multime discreta V.a. continua ia valori intr-un interval V.a. mixta

Definitie: Functia de repartitie a unei v.a. (sau distributia v.a.)


F ( x ) = p{ X x}

Definitie: Densitatea de probabilitate a v.a. (derivata functiei de repartitie


f ( x) = dF dx

Exemplu: Zarul: Functia de repartitie este o functie in scara scara Densitatea de probabilitate este o serie de functii Dyrac Densitate de probabilitate gaussiana (sau normala): f ( x ) = media v.a., iar 2 este varianta v.a. ( se numeste dispersie).
x ( x )
2

/ 2 2

unde este

Alte modele de distributii continue:

1 / a Densitatea de probabilitate uniforma: f ( x ) = 0


Densitatea de probabilitate exponentiala:

x [ 0 a] in _ rest
x0 in _ rest

e x f ( x) = 0

Definitia 2 (tipul v.a.) : O v.a. este discreta daca are o functie de repartitie in scara; o v.a. este continua daca are o functie de repartitie continua. 2.5. Probabilitati conditionate Exemplu: La aruncarea cu zarul, probabilitatea de a avea un 2 cand stim ca fata aparuta este para. Definitie: Probabilitatea unui eveniment E i , conditionat de un alt eveniment , M , este probabilitatea de a se realiza E i cand M este deja realizat

p( Ei / M ) =
sa se realizeze.

p( Ei , M ) p( M )

unde p ( Ei , M ) este probabilitatea ca atat E i cat si M

Observatie: E i si M pot fi evenimente ale aceluiasi experiment (aceeasi v.a.) sau pot fi evenimente a doua experimente diferite (2 v.a.).

p ( xi / x j ) = p( xi / y j ) =

p ( xi / x j ) p ( xi / y j ) p( y j ) p( x j )

(aceeasi v.a.)

Teorema lui Bayes: p ( xi / y j ) =

p ( y j / xi ) p ( xi ) p( y j )

Teorema probabilitatii totale :


p ( xi ) = p( xi / y1 ) p ( y1 ) + p( xi / y 2 ) p ( y 2 ) + + p ( xi / y N ) p ( y N )

Unde y1 , y 2 , , y N constituie o partitie a multimii valorilor v.a. Y . Observatii:

a) Functia de repartitie si densitatea de probabilitate se definesc si pentru v.a. conditionate


F ( x M ) = p{X x M }

f (x M ) =

dF ( x M ) dx

b) Functia de repartitie si densitatea de probabilitate se definesc si pentru 2 sau mai multe v.a.
F ( x, y ) = p{ X x, Y y}

f ( x, y ) =

dF ( x, y ) dxdy

2.6. Notiunea de independenta statistica Definitie: Doua evenimente, E i si E j , sunt independente daca
p( Ei , E j ) = p( E i ) p( E j )

Definitie: Doua v.a., X si Y , sunt independente daca oricare dintre realizarile lor particulare sunt independente.
p ( xi , y j ) = p ( xi ) p ( y j ) unde x i este o realizare particulara a lui X si
y j este o realizare particulara a lui

Y.

2.7. Semnalele numerice ca siruri de v.a. Cum se ajunge la un semnal numeric? Prin esantionarea si cuantizarea semnalului continuu. Un semnal numeric poate fi modelat ca un sir de v.a.: , X k 1 , X k , X k +1 , , unde k este indice de timp. Toate v.a. iau valori in aceeasi multime si, daca semnalul este stationar, au acelasi set de probabilitati.

S-ar putea să vă placă și