UNIVERSITATEA HYPERION

Facultatea de Matematica Informatica

Specializarea Informatica
LEGI DE PROBABILITATE
Coordonator:
Profesor Student:
Neculai Chifan Paun Ion-Cristian
Bucuresti
2011
Cuprins
Cuprins.................................................................................................................................2
LEGI DE PROBABILITATE..............................................................................................3
I. Variabile aleatoare discrete..............................................................................................3
Legea Bernoulli................................................................................................................4
Legea binomial...............................................................................................................4
Legea Poisson..................................................................................................................5
Legea geometric.............................................................................................................6
Legea hipergeometric.....................................................................................................6
Legea discret uniform...................................................................................................7
II Variabile aleatoare continue.............................................................................................7
Funcia de repartiie.........................................................................................................8
Densitatea de probabilitate...............................................................................................8
Legea exponenial..........................................................................................................9
Legea normal redus (standard).....................................................................................9
Legea normal................................................................................................................10
Legea log-normal.........................................................................................................11
Legea .............................................................................................................................11
Legea de probabilitate Student.......................................................................................12
Legea de probabilitate Fisher-Sndcor.........................................................................12
2
LEGI DE PROBABILITATE
I. Variabile aleatoare discrete
Fie [I, (I),Pr] un cmp de probabilitate, unde

I={x
1
, x
2
,, x i ,,x n }
este mulimea rezultatelor posibile (finit sau infinit numrabil), desemnnd n acest caz
numere i p i probabilitatea fiecrui eveniment elementar { x i }.
Definiia 1. Numim variabil aleatoare, o aplicaie f care asociaz fiecrui
element al spaiului de selecie (eveniment elementar), un numr x i .
Definiia 2. Legea de probabilitate a variabilei discrete X este mulimea
(finit sau infinit numrabil) de cupluri (x i , p i ), unde x i
I desemnnd un rezultat
posibil iar p i probabilitatea evenimentului elementar asociat acestui rezultat.
Dndu-se valorile numerice posibile x
i
a variabilei aleatoare X , n vederea
caracterizrii acesteia este suficient s cunoatem cuplurile (x
i
, p
i
), i=
n , 1
. O variabil
aleatoare se noteaz simbolic:
x
1
x i x n
X:
p
1
p i p n
cu p i =P(X= x i ) i

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

este numrul de combinri de n elemente luate cte k, adic

numrul de posibiliti de a alege k elemente dintr-un total de n.
Sperana matematic i variana unei astfel de variabile se calculeaz astfel:
np Z Z E X E
n
+ + ) ... ( ) (
1
npq Z V Z V Z Z V Z V
n n
+ + + + ) ( ... ) ( ) ... ( ) (
1 1
deoarece variabilele Z i sunt independente.
ntr-o experien Bernoulli, variabila Z(p) semnific ansele de apariie a
cazului favorabil. ntr-un ir de experiene Bernoulli, repetate n aceleai condiii, suma
celor n variabile este o variabil binomial de parametri n i p. Numrul de piese de
calitate obinute ca urmare a n alegeri aleatoare cu repunere, dintr-un lot de N piese n
care p% sunt de calitate, este o variabil Bin(n,p).
Legea Poisson
Aceast lege de probabilitate, numit i legea de repartiie a evenimentelor
rare, este frecvent ntlnit n studiul fenomenelor din: biologie, tehnic, telecomunicaii
etc. Pentru caracterizarea unei variabile, care urmeaz o asemenea lege, este necesar un
singur parametru.
Definiia 3. O variabil X urmeaz legea lui Poisson, dac admite ca valori
posibile numere ntregi pozitive, iar probabilitile asociate se calculeaz conform
relaiei:

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

este un parametru real i pozitiv.

Densitatea de probabilitate a unei variabile ce urmeaz o lege exponenial,
se obine prin derivarea funciei de repartiie i are forma:

'

<

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 un numr real strict

pozitiv iar

un numr real oarecare, se numete variabil normal.

Vom nota cu
) , ( N Y
faptul c variabila Y urmeaz o lege normal.
Din definiia de mai sus rezult:
domeniul de definiie pentru o variabil normal este mulimea numerelor reale,
deoarece

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

ceea ce constituie standardizarea variabilei Y.

10
Legea log-normal
Definiia 4. Fie o variabil normal
) , ( N Y
, atunci o variabil log-
normal se definete ca o variabil aleatoare de forma:
.
Y
e Z
Cu alte cuvinte, spunem c Z este o variabil log-normal dac logaritm
natural (ln) din aceasta devine o variabil normal.
Urmtoarea teorem ne precizeaz domeniul de definiie a unei astfel de
variabile, ct i expresia densitii de probabilitate a acesteia.
Teorem: O variabil log-normal Z admite ca valori posibile mulimea
numerelor reale poztive, iar densitatea de probabilitate are urmtoarea expresie:

'

<

,
_

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

Definiia 5. Fiind dat un ir n

U
de variabile aleatoare centrate i
independente, variabila

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

cnd este ndeplinit condiia

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

, pentru c este posibil s difere de numrul n care apare n definiia variabilei.

Tabelul din anexa 2 ne permite s calculm probabilitile de forma:
p
p
> ) ) ( Pr(
2 2

cnd se cunosc

i
2
p

. Folosind acelai tabel, cunoscndu-se

i p se poate gsi
2
p

.
De exemplu, pentru

=21 i p= 0,975 rezult

2
975 , 0

=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