1.

1 Variabile aleatoare si repartitii

Variabila aleatoare este o notiune fundamentala a teoriei probabilitatilor.
Notiunea de variabila aleatoare a aparut datorita faptului ca, pentru o serie de experimente,
oricate precautii s-ar lua pentru controla diferiti factori, rezultatele vor prezenta intotdeauna un
anumit grad de variabilitate.
Def: Variabila aleatoare este acea marime care poate capata, in urma unui experiment, o
valoare oarecare necunoscuta anterior. Variabila aleatoare este o notiune cu doua aspecte:
- unul referitor la o anumita caract exprimata cantitativ si calitativ
- al doilea referitor la posibilitatea de realizare exprimata prin probabiliate

Variabilele aleatoare pot fi:
- discrete care iau val izolate (ex.: nr studentilor restantieri dintr-o grupa)
- continue care iau orice valoare dintr-un interval finit sau infinit(ex. durata de viata a unui
produs)

Def:Enumerarea tuturor valorilor posibile ale unei variabile aleatoare si ale probabilitatilor
corespondente se numeste repartitie.
































1.2 Variabile aleatoare discrete si continue

Variabile aleatoare discrete:
Se considera o variabila aleatoare X.
In urma unor experiente variabila X capata valorile x1, x2, x3,,xn, cu probabilitatea aparitiei
fiecarei valori:


Numarul valorilor posibile ale unei variabile aleatoare discrete poate fi finit sau infinit.

Repartitia variabilei aleatoare discrete se poate prezenta sub forma unui tablou, numit tabloul
repartitiei:



Sau sub forma:





unde in prima linie sunt trecute valorile posibile ale caracteristicii iar in linia a doua probabilitatile
corespunzatoare.Indicand exact probabilitatea fiecarui eveniment xi s-a stabilit legea de repartitie a
variabilei aleatoare. Legea de repartitie se poate reprezenta sub forma unei relatii analitice care
stabileste corespondenta dintre valorile aleatoare xi si probabilitatile respective.
Expresia:


se numeste functie de probabilitate si satisface urmatoarea inegalitate:

Variabile aleatoare continue:
Deoarece numarul de evenimente in cazul variabilei aleatoare continue este infinit, repartitia
nu poate fi reprezentata intr-un tabel ca la variabila aleatoare discreta.Astfel, in loc sa se utilizeze
probabilitatea evenimentului X=x se foloseste probabilitatea evenimentului X<x care se numeste
functie de repartitie.
Pentru v.a. continua functia de repartitie este definita de integrala:



unde f(x) reprezinta densitatea de repartitie a probabilitatii sau densitatea de probabilitate.
Marimea f(x)dx se numeste element de probabilitate si reprezinta probabilitatea ca v.a. sa se
gaseasca in intervalul elementar dx, fiind egala d.p.d.v. geometric cu aria dreptunghiului elementar
cu baza dx.




( ) ( ) ( )
p
x
p
x
p
x
n
n
X P X P X P = = = = = = ;...; , ,
2
2
1
1
( )
p p p
x
x x x x
n
i
n i
X P | ... | | ||
| ... | | ||
2 1
2 1
=
n i X sau X
p
x
p p p
x x x
i
i
n
n
s s
|
|
.
|

\
|
|
|
.
|

\
|
1 , : ,
...
...
:
2 1
2 1
( ) ( )
p
x x
i
i i
P X P = = =
( ) 1 0 s s
Xi
P
( ) ( )
} }

= = < =
x x
dx x F dx x f x X P x F ) ( ' ) (


1.3 Valori tipice ale v.a si repartitiei

V.a poate fi definita cu ajutorul unor valori tipice numite indicatori. Aceste valori se refera la doua
aspecte: tendinta de localizare si tendinta de variatie.
Cele mai importante valori tipice de localizare sunt:
- valoarea medie cel mai reprezentativ indicator teoretic al variabilei aleatoare, numita si
speranta matematica sau media teoretica. Fiind data o v.a discreta de forma

valoarea medie se obtine cu relatia:



- mediana este valoarea tipica in raport cu care variabila aleatoare are aceeasi probabilitate
de a fi inferioara sau seprioara.
- modul este valoarea tipica cu cea mai mare probabilitate a unei v.a pentru v.a discrete
- cuantile pe baza acelorasi consideratii facute la mediana, se pot defini anumite valori ale
variabilei aleatoare xi (i=1,2n-1) denumite cuantile sau fractile, pentru care:




Cele mai importante valori tipice de variatie sunt:
- tendinta de variatie poate fi caracterizata cu ajutorul dispersiei si abaterii standard
- Moment initial de ordin k - pentru variabila aleatoare discreta momentul initial de ordin k
este:



- Momentul centrat de ordin k - pentru o v.a. discreta momentul centrat de ordin k in raport
cu media teoretica este:




- Dispersia - dispersia teoretica este egala cu momentul centrat de ordin 2:
Pentru v.a. discreta:


Pentru v.a. continua:



- Abaterea standard - prin definitie abaterea standard este data de expresia generala:


Pentru v.a. discreta relatia devine:



n i
p
x
X
i
i
,..., 2 , 1 , : =
|
|
.
|

\
|

=
=
+ + +
+ + +
=
n
i
i i
n
n n
p x
p p p
p x p x p x
x M
1 2 1
2 2 1 1
...
...
] [
} } } }

= = = = =

1
1
3
2
2
1
1
) ( ... ) ( ) ( ) (
x
x
x
x
x
x
n
dx x f dx x f dx x f dx x f
n

=
= =
n
i
i
k
i
k
k
p x X M
1
] [ '

=
= =
n
i
i
k
i
k
k
p x X M X M
1
) ( ] ]) [ [(

=
= = =
n
i
i i
p x X M X D
1
2 2 2
) ( ] ) [( ] [ o
}

= = dx x f x X D ) ( ) ( ] [
2 2
o
] [X D = o

= =
= =
n
i
i i
n
i
i i
p x p x
1
2 2
1
2
) ( o
Pentru v.a. continua relatia devine:




- Coeficientul de variatie - in cazul unei v.a. X este dat conform definitiei de:














































} }

= =
2 2 2
) ( ) ( ) ( o dx x f x dx x f x

o
= =
] [
] [
X M
X D
CV
1.4 Repartitia binomiala si hipergeometrica

I.Repartitia binomiala- se obtine cand experimentarile au urmatorul model probabilistic:
1.Fiecare incercare sa aiba numai doua rezultate posibile care sa formeze un sistem complet de
evenimente incompatibile
Ex:

2.Probabilitatea de aparitie a unui eveniment, de exemplu A sa fie constanta la fiecare incercare
(egala cu p). In consecinta probabilitatea evenimentului contrar va fi q=1-p
Daca se repeta experimentul de n ori numarul de aparitii a evenimentului A este o variabila aleatoare
discreta avand valorile posibile 0, 1, 2,,n.

Experiment:
Se considera un lot de piese avand un procent p de defecte. Efectuand extrageri repetate, iar
piesele extrase fiind introduse din nou in lot, spre a nu modifica compozitia, se obtine o repartitie
binomiala a numarului de piese defecte.
Presupunem ca s-au efectuat in acest mod extrageri de doua ori: notam evenimentul ca piesa
sa fie buna cu A iar ca piesa sa fie defecta cu . Se pot considera urmatoarele:
- Probabilitatea aparitiei evenimentului A de doua ori este:

- Probabilitatea aparitiei o singura data va fi:


- Probabilitatea neaparitiei evenimentului A in cele doua extrageri:



Deci probabilitatea ca din doua extrageri sa se extraga 0, 1, sau 2 piese bune este:



Generalizand pentru n extrageri, putem considera ca s-a produs de k ori evenimentul A si de
n-k ori evenimentul .
Probabilitatea de a se produce evenimentul A de k ori in ordine si apoi evenimentul de n-k
ori este:




In cele n extrageri nu ne intereseaza ordinea de aparitie a evenimentului A si in acest caz
trebuie considerate toate combinatiile posibile. Numarul posibil de combinatii este
Rezulta ca probabilitatea ca in n extrageri sa se produca evenimentul A de k ori este:



II.Repartitia hipergeometrica modelul probabilistic este similar celui binomial cu diferenta
ca elementul extras nu mai revine si astfel la fiecare extragere se modifica compozitia lotului.

Experiment:
Se considera n piese din care a sunt bune si b=n-a sunt defecte. Probabilitatea ca efectand m
extrageri succesive fara intoarcere sa se scoata x piese bune si in consecinta un numar m-x sa
A si A
2
) ( ) ( ) ( p A P A P A A P = =
pq A P A P A P A P A A A A P 2 ) ( ) ( ) ( ) ( )] ( ) [( = + =
2
) ( ) ( ) ( q A P A P A A P = =
2 2 2
p P(2) 2pq; P(1) ; q p) (1 P(0) = = = =
ori k n de ori n de
q p A A A A A A A P
k n k

=

) ... ... (
k
n
C
k n k k
n
k n k k
n
p) (1 p C q p C k) P(n;

= =
m
b a
m
n
C C
+
=
fie defecte se obtine considerand ca numarul total al cazurilor posibile este dat de
combinarile a n piese luate cate m:

Iar numarul cazurilor favorabile extragerii de piese bune si piese defecte este dat respectiv
de:


Functia de probabilitate are expresia:



Daca n este foarte mare, repartitia hipergeometrica se apropie de repartitia binomiala cu
parametrii







































x m
b
x
a
C si C

m
n
x m
b
x
a
n m
C
C C
x p

= ) (
,
n
a
n
b
q
n
a
p = = = 1 ;
1.5 Repartitia Poisson
Repartitia Poisson este repartitia evenimentelor rare. Multe evenimente, cum ar fi
producerea unor avarii au repartitii Poisson.
Pentru a intelege aceasta repartitie vom nota cu densitatea de aparitie a unui eveniment in
unitatea de timp; in acest caz =t reprezinta media aparitiilor in intervalul t. Probabilitatea
aparitiei de k ori a evenimentului respectiv in acelasi interval de timp este:



Functia de probabilitate are expresia:



Observatii:
legea poisson este o lege limita a repartitiei binomiale
aceasta particularitate poate fi folosita in aplicatiile practice atunci cand un eveniment cu
repartitie binomiala are o probabilitate foarte mica
in acest caz se poate utiliza relatia:



unde np reprezinta media teoretica a repartitiei binomiale






























t
k
e
k
t
k X P

= =
!
) (
) (

= = e
k
k X P
k
!
) (
np
k
e
k
np
k n P

~
) (
) , (
1.6 Repartitia uniforma si exponentiala

Repartitia uniforma: Fie v.a X apartinand intervalului (a,b) cu proprietatea ca toate valorile
sunt echiprobabile. In acest caz densitatea de probabilitate este :




iar functia de repartitie are expresia:







Indicatorii teoretici ai v.a cu repartitie uniforma au urmatoarele formule:

media:


dispersia:


Repartitia exponentiala. Fie v.a continua x care are o repartitie exponentiala negativa.
Densitatea sa de probabilitate este caracterizata de urm formula:


iar functia sa de repartitie are formula:























) , ( , 0
) , ( ,
1
) (
b a x pentru
b a x pentru
a b x f
e
e
=

>
< <

s
=
b x pentru
b x a pentru
a b
a x
a x pentru
x F
, 1
,
, 0
) (
12
) (
] [
2
b a
x D

=
}
+
=

=
b
a
a b
a b
xdx
x M
2
] [
s s > =

x e x f
x
0 , 0 ; ) (

<
>
=

0 , 0
0 , 1
) (
x pentru
x pentru e
x F
x
1.7 Repartitia normala Gauss

Repartitia normala este una dintre cele mai importante legi de repartitie si este
cunoscuta sub denumirea de legea lui Gauss sau legea Gauss-Laplace.
Legea Gauss este caracterizata de parametrii si
2
. Densitatea de probabilitate are
expresia:
.


Graficul densitatii de probabilitate are forma de clopot si prezinta urmatoarele particularitati:
Admite un maxim pentru x= si scade necontenit la dreapta si la stanga (df(x)/dx=0 pentru
x=; f()=1/2)
Are o simetrie in raport cu dreapta x=.
Are forma de clopot (clopotul de Gauss) cu convexitatea in sus.

In punctele - si + curba isi modifica convexitatea. Curba densitatii de probabilitate este
cu atat mai ascutita cu cat este mai mic. Modificarea parametrului transleaza curba de-a
lungul axei Ox fata sa-i modifce forma.
Cateva exemple de repartitie normala Gauss:












-8 -6 -4 -2 0 2 4 6 8
0
0.2
0.4
0.6
0.8
-8 -6 -4 -2 0 2 4 6 8
0
0.2
0.4
0.6
0.8
2
2
2
) (
2
1
) (
o

t o

=
x
e x f
1.8 Repartitia normala Gauss-Laplace


Repartitia normala redusa: functiile densitatii de probabilitate si de repartitie se pot centra
intr-o schimbare de variabila:

Cu aceasta transformare repartitia se numeste repartitie normala normata sau repartitie
Laplace. Densitate de probabilitate normala normata este:



Functia de repartitie Laplace are expresia:



Functia de reparitie F(z) fiind simetrica in raport cu originea se poate scrie:



Integrala:



poarta denumirea de functia integrala Laplace si geometric reprezinta aria dublu hasurata
din graficul densitatii de probabilitate:

Obs:
Functia integrala Laplace fiind simetrica in raport cu originea rezulta:

In consecinta este suficient sa se cunoasca numai valorile functiei (z) pentru z>0

Regula celor 3
Se considera v.a. X cu repartitia normala N(,). Se pune problema determinarii probabilitatii
ca abaterea variabilei x fata de media teoretica sa fie mai mica decat o anumita valoare x0,
adica |x-|<x0. Aceasta relatie conduce la dubla inegalitate -x0<x<+x0 si notand x1= -x0
si x2= +x0 se poate scrie:





o

=
x
z
2
2
2
1
) (
z
e z f

=
t
} }

= =
z z z
dz e dz z f z F
2
2
2
1
) ( ) (
t
} } }

u + = + = =
z z
z dz z f dz z f dz z f z F
0
0
) (
2
1
) ( ) ( ) ( ) (
} }

= = u
z z z
dz e dz z f z
0 0
2
2
2
1
) ( ) (
t
) ( ) ( z z u = u
) ( ) ( ) (
1 2 0
z F z F x x P = <
1 2
0 0 0
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|
o o o
x
F
x
F
x
F
Considerand x0=3, P(|x-|<3)=2F(3)-1=20,9987-1=0,9974. In consecinta probabilitatea ca
v.a. X sa fie cuprinsa in intervalul (-3,+) este de 99,74%. Probabilitatea evenimentului
contrar (adica probabilitatea ca v.a. sa capete valori in afara intervalului 3) este foarte
mica (0,26%). Conform principiului certitudinii practice acest eveniment poate fi considerat
imposibil.