Documente Academic
Documente Profesional
Documente Cultură
n
i
i
p
1
1
.
O variabil aleatoare X, este o opiune a priori, fiind posibil a nregistra una
din valorile x i , i=
n , 1
. Aceasta nu trebuie confundat cu o valoare particular x i , care
constituie rezultatul observat n urma efecturii experienei, prin urmare este o noiune a
posteriori.
3
Legea Bernoulli
Aceast lege corespunde experienelor aleatoare cu dou rezultate posibile.
Definiia 1. O variabil urmeaz legea lui Bernoulli dac admite doar dou
valori posibile 0 i 1 cu probabilitile de realizare q respectiv p. O asemenea variabil se
noteaz Z(p) i se mai numete variabil Bernoulli.
Deoarece p + q = 1, cunoaterea parametrului p este suficient pentru a
caracteriza o astfel de variabil.
Simbolizm aceast variabil astfel:
Z(p) :
,
_
p q
1 0
.
E(Z) = 0 * q + 1 * p = p
V(Z) = E(Z
2
) [E (Z)]
2
= p - p
2
= p*q
ntr-o experien cu dou rezultate posibile, cum ar fi: calitate sau
noncalitate, apare sau nu apare, adevrat sau fals, evenimentului convenabil i se asociaz
1 cu o probabilitate p corespunznd anselor apriori de realizare a acestuia. O astfel de
experien se numete experien Bernoulli.
Legea binomial
Definiia 2. O variabil aleatoare binomial este suma a n variabile
aleatoare de tip Bernoulli independente de acelai parametru p.
O variabil care urmeaz o astfel de lege de parametri n i p se noteaz cu:
) ( ... ) ( ) ( ) , ( ) , (
2 1
p Z p Z p Z p n Bin p n X
n
+ + +
unde Z i (p), i=
n , 1
este o variabil Bernoulli. Ansamblul de valori posibile a unei
variabile binomiale este constituit din numerele ntregi de la 0 la n.
Identificnd termen cu termen, putem scrie
n
q X p ) 0 Pr(
0
1
1
) 1 Pr(
n
pq X p
k n k k
n k
q p C k X p
) Pr(
4
unde
)! ( !
!
k n k
n
C
k
n
e
k
k X
k
!
) Pr(
unde este un parametru pozitiv.
Dac X urmeaz legea lui Poisson, atunci scriem:
,
_
,...., 1 , 0
!
: ) (
k
k
e
k
k
X
unde suma probabilitilor este 1 deoarece se cunoate relaia:
0
!
k
k
e
k
2 2
)] ( [ ) ( ) ( X E X E X V
) ( ) ( X V X E
5
Ca urmare, o variabil Poisson, depinde de un singur parametru , care
este n acelai timp medie i varian.
Legea geometric
Definiia 4. O variabil X urmeaz legea geometric de probabilitate, dac
admite ca valori posibile numere ntregi strict pozitive, iar probabilitile asociate se
calculeaz astfel:
1
) Pr(
k
pq k X
Scriem aceasta astfel:
,
_
,..., 2 , 1
1
: ) (
k
k
pq
k
p X
unde p i q sunt valori cuprinse ntre 0 i 1, legate prin relaia
1 +q p
.
Suma probabilitilor este 1, deoarece:
0 1
1
1
1
1
t
t
k
k
p
p q p pq
p
X E
X
1
) 0 ( ) (
'
2
' ' 2
1
) 0 ( ) (
p
q
X E
X
+
2
2 2
)] ( [ ) ( ) (
p
q
X E X E X V
Deci, pentru caracterizarea unei variabile geometrice este necesar a cunoate
una dintre cele dou valori, p sau q. Semnificaia unei variabile geometrice rezult din
urmtorul raionament: ntr-un ir de experiene Bernoulli, de acelai parametru p,
considerm apariia unui caz favorabil; numrul de experiene necesare pentru a aprea
un nou caz este o variabil aleatoare geometric.
Legea hipergeometric
O populaie statistic de volum N, se mparte n dou subpopulaii, de
volume
1
N respectiv
2
N . Din populaia iniial se fac n extrageri, fr repunere.
Numrul k de uniti, din cele n extrase, care aparin primei subpopulaii este o variabil
aleatoare hipergeometric.
Definiia 5. O variabil X urmeaz legea hipergeometric de probabilitate,
dac admite ca valori posibile numere k ntregi, iar probabilitile se calculeaz astfel:
6
n
N
k n
N
k
N
C
C C
k X
2 1
) Pr(
cu condiia ). , ( ) , 0 (
1 2
N n Min k N n Max
Notm o asemenea variabil cu
) , , ( p n N H
, unde N N p /
1
(proporia
primei subpopulaii n raport cu ntreaga populaie), iar simbolic apare astfel:
,
_
,..., 2 , 1 , 0
2 1
: ) , , (
k
n
N
k n
N
k
N
C
C C
k
p n N H
; ) ( np X E
1
) (
N
n N
npq X V
Conform legilor binomial i hipergeometric, numrul mediu de uniti
statistice, posednd un anume caracter dat, este acelai pentru extrageri cu repunere i
extrageri fr repunere. n schimb variana celor dou legi difer prin raportul
1
N
n N
,
care este subunitar, numit coeficient de exhaustivitate i se leag de natura extragerilor.
Legea discret uniform
Definiia 6. O variabil X urmeaz legea discret uniform, dac cele n
valori posibile sunt echiprobabile i uniform repartizate pe intervalul [0,1].
Simbolizm o asemenea variabil, n felul urmtor:
,
_
n n n n n
n
n
n
k
n n
X
1
...
1
...
1 1 1
1
... ...
2 1
0
:
n
n
X E
2
1
) (
2
1
2
12
) 1 )( 1 (
) (
1
) (
n
n n
Y V
n
X V
+
II Variabile aleatoare continue
Modelarea comportamentului probabilistic, ntr-un cadru discret, se
dovedete insuficient pentru ntreaga gam a fenomenelor aleatoare. Este cazul a
7
numeroase probleme practice, a cror studiere impune considerarea unor mrimi
aleatoare ale cror valori pot acoperi mulimi continue de numere reale.
n cazul unei variabile aleatoare continue, mulimea valorilor posibile este
infinit numrabil, iar probabilitatea ataat unei valori oarecare este totdeauna nul.
Mulimea de definiie a unei variabile aleatoare continue este fix axa real ntreag, fie
submulimi de forma
) , ( x
sau
[ ). , y x
O variabil aleatoare continu se poate defini, fie prin funcia de repartiie,
fie prin densitatea de probabilitate, ambele putnd fi considerate funcii de variabile
aleatoare reale.
Funcia de repartiie
Definiia 1. Notm cu X o variabil aleatoare continu. Pentru fiecare
numr real x, notm
) (x F
probabilitatea cu care X ia valori mai mici dect x, adic:
) Pr( ) ( x X x F <
Funcia F astfel definit se numete funcia de repartiie a variabilei
aleatoare X.
Cele mai importante proprieti ale acestei funcii sunt:
a)
1 ) ( 0 x F
, pentru orice x .
b) F(x) este o funcie nedescresctoare.
c)
0 ) ( lim
x F
x
i
1 ) ( lim
x F
x
d) F(x) este o funcie continu.
Densitatea de probabilitate
Definiia 2. Se numete densitate medie de probabilitate a variabilei X pe
intervalul
[ ) b a,
, raportul dintre probabilitatea ataat acestui interval i lungimea sa:
( )
a b
a F b F
a b
b X a
b a
<
) ( ) ( ) Pr(
,
n cazul intervalului de forma
[ ) dx x x + ,
avem:
( )
dx
x F dx x F
dx
dx x X x
dx x x
) ( ) ( ) Pr(
,
+
+ <
+
Se definete astfel o funcie densitatea de probabilitate a lui X prin
egalitatea:
8
) (
) (
lim
) ( ) (
lim ) (
'
0 0
x F
dx
x dF
dx
x F dx x F
x f
dx dx
+
cu excepia (eventual) unui numr de puncte n care f nu este derivabil.
Definiia 3. O funcie numeric f(x), poate fi considerat ca densitate de
probabilitate pentru o variabil aleatoare continu X, dac ndeplinete urmtoarele
condiii:
ia valoarea zero pentru punctele care nu se afl n domeniul de definiie a
variabilei X;
ia valori nenegative pe intervalul de definiie a variabilei X;
verific egalitatea:
+
. 1 ) ( dx x f
Legea exponenial
Aceast lege de probabilitate este urmat n special de acele fenomene care
se deruleaz n timp. Acest lucru presupune o divizare a perioadei de timp n subintervale
suficient de mici, astfel nct s existe cel mult o realizare a fenomenului ntr-un astfel de
subinterval.
Definiia 1. O variabil aleatoare continu X, urmeaz o lege de
probabilitate exponenial, dac funcia sa de repartiie are urmtoarea form:
'
<
0 0
0 1
) (
x
x e
x F
x
unde
'
<
0 0
0
) (
x
x e
x f
x
/ 1 ) ( X E
,
2 2
/ 2 ) ( X E
i
1 ) ( X V
.
Legea normal redus (standard)
Aceast lege de probabilitate se mai numete i legea Laplace-Gauss, dup
numele celor doi care au descoperit-o.
9
Definiia 2. O variabil aleatoare continu urmeaz o lege normal redus
dac funcia sa de repartiie este de urmtoarea form:
x
t
dt e x x F
2 /
2
) 2 / 1 ( ) ( ) (
unde t este variabila de integrare, iar x marginea superioar a integralei, putnd lua
orice valoare real. innd cont de regulile de derivare aplicate funciei
) (x F
, rezult
densitatea de probabilitate:
2 /
2
) 2 / 1 ( ) (
x
e x f
Densitatea de probabilitate
) (x f
este o funcie simetric n raport cu axa
ordonatelor, admind un maxim n 0 x i dou puncte de inflexiune pentru . 1 t x
funcia de repartiie, este ntotdeauna cresctoare, admind un punct de inflexiune pentru
0 x i un centru de simetrie de coordonate (0,1/2).
, 0 ) ( x E . 1 ) ( ) (
2
X V X E
Notm
) 1 , 0 ( N X
o variabil X normal redus.
Legea normal
Definiia 3. Dac X este o variabil aleatoare normal redus,
) 1 , 0 ( N X
, atunci variabila aleatoare
, + X Y
unde
este pozitiv;
valoarea medie
+ + ) ( ) ( ) ( X E X E Y E
variana
. ) ( ) ( ) (
2 2
+ X V X V Y V
Din relaia
+ X Y
rezult:
) 1 , 0 ( N
Y
X
'
<
,
_
0 0
0
2
1
) (
2
2
) (ln
2
1
Z
Z e
z
z h
z
2 / 2 /
2 2
) ( ) ( ) (
+ +
e e e e E e e E Z E
X X
) 1 ( )] ( [ ) ( ) (
2 2 2 2
2 2 2 2 2 2
+
e e e e e e Z E Z E Z V
2
0
e M
.
e M
e
Legea
2
n
i
i
U n
1
2 2
) (
se numete variabil hi-ptrat cu n grade de libertate.
O variabil
2
, fiind o sum de ptrate, poate lua numai valori pozitive.
Pentru cazul particular cnd:
,
2
2
,
_
i
i
X
U
n i , 1
iar
) , ( N X
i
i sunt independente, variabila
n
i
i
U n
1
2 2
) (
urmeaz legea de probabilitate hi-ptrat.
11
Numrul n de grade de libertate reprezint, n principiu, numrul de
variabile care constituie suma, deoarece fiecare
2
i
U este independent de celelalte. n
cazul variabilei
,
_
n
i
i
X X
1
2
n
i
i
X n X
1
, aceasta va urma aceeai lege de probabilitate
dar cu n-1 grade de libertate. Pierderea unui grad de libertate se explic prin faptul, c n
acest caz, fiind dat o valoare pentru X , sunt suficiente cunoaterea a n-1 variabile
pentru determinarea celeilalte rmase. De aceea, vom nota numrul gradelor de libertate
cu
i
2
p
i p se poate gsi
2
p
.
De exemplu, pentru
=10,3.
Legea de probabilitate Student
Definiia 6. O variabil Student, notat cu t, este raportul dintre o variabil
U normal centrat i rdcina ptrat a unei variabile
) (
2
mprit prin numrul
gradelor de libertate. Cu alte cuvinte
/ ) (
2
U
t
este o variabil Student (variabil t).
Pentru o variabil Y, care urmeaz legea Student cu
grade de libertate,
folosind tabelul din anexa 3 se poate gsi t astfel nct:
p t Y > ) Pr(
pentru o probabilitate p dat. Cum intervalul
[ ] t t + ,
este centrat pe origine p este
repartizat n mod egal.
Legea de probabilitate Fisher-Sndcor
12
Definiia 7. O variabil Fisher-Sndcor, notat cu F, este raportul dintre
dou variabile ) (
1
2
i ) (
2
2
ponderate respectiv prin numrul de grade de libertate
1
i
2
, de urmtoarea form:
) (
) ( ) (
:
) (
) , (
2
2
1
2
1
2
2
2
2
1
1
2
2 1
F
Fie
i
X
, i=
n , 1
i j
Y
, j=
m , 1
dou mulimi de variabile aleatoare de
varian
2
X
(pentru orice i=
n , 1
), respectiv
2
Y
( pentru orice j = m . 1 ).
Dac lum:
n
i
i
n X X
1
/
n
i
i
X
n
X X
S
1
2
2
1
) (
m
j
j
m Y Y
1
/
m
j
j
Y
m
Y Y
S
1
2
2
1
) (
atunci n virtutea celor artate n cazul legii Student, avem:
). 1 , 1 (
1
) 1 (
:
1
) 1 (
:
2 2
2
2
2
2
m n F
m
m
n
n S S
Y
Y
X
X
n cazul particular
2
X
=
2
Y
, avem:
Tabelul repartiiei teoretice, din anexa 4, pentru o variabil F Fisher-
Sndcor, cu
1
i
2
grade de libertate, ne permite s gsim acea valoare
1
F , astfel
nct:
p F F
p
> ) ) , ( Pr(
2 1
unde p poate fie gal cu 0,05 sau 0,01.
13