Sunteți pe pagina 1din 29

Capitolul 4 Variabile aleatoare i funcii de repartiie

4.1 Variabile aleatoare Variabila aleatoare este una din noiunile fundamentale ale teoriei

probabilitilor i a statisticii matematice. In urma unui proces tehnologic de prelucrare se constat c dei condiiile de uzinare sunt identice ntre reperele prelucrate la anumite perioade de timp exist diferene n cea ce privete dimensiunile prescrise. De asemeni n cadrul unei cercetri experimentale se constat c ntre valorile numerice msurate exist diferene chiar dac condiiile de desfurare a experimentului rmn neschimbate. Dac ne referim la o singur msurtoare, variabila aleatoare este acea mrime care n cadrul unui experiment poate lua o valoare necunoscut aprioric. Pentru un ir de msurtori, variabila aleatoare este o noiune care-l caracterizeaz din dou puncte de vedere: - caracterizare din punct de vedere cantitativ - variabila aleatoare ne d informaii privind valoarea numeric a mrimii msurate - caracterizare din punt de vedere calitativ - variabila aleatoare ne d informaii privind frecvena de apariie a unei valori numerice ntr-un ir. Dac valorile numerice ale unui ir de date aparin mulimii numerelor ntregi sau raionale atunci se definete o variabil aleatoare discret. In cazul apartenenei valorilor la mulimea numerelor reale se definete o variabila aleatoare continu. Primul caz se ntlnete n cazul numrului de piese defecte extras dintr-un lot de

70

Capitolul 4

fabricaie care aparine totdeauna mulimii numerelor ntregi. Al doilea caz n cercetarea experimental la msurarea forei de achiere sau a momentului cnd valorile obinute aparin mulimii numerelor reale O variabil aleatoare se noteaz cu litere mari A,B,X, cu litere mici notndu-se valorile posibile: x1,x2,x3,...,xn. 4.1.1 Variabile aleatoare discrete Considerm un experiment n urma cruia pentru variabila X rezult valorile x1, x2,...xn. Probabilitatea ca o valoare oarecare i s aib valoarea xi este P(X=xi)=pi. Pentru toate valorile msurate se poate construi un tablou de forma:

x1 , x 2 , ... x n X : p , p , ... p sau X 2 n 1

xi : p ,1 i n i

(4.1)

care poart denumirea de tabloul repartiiei. In prima linie sunt trecute toate valorile posibile ale caracteristicii i n a doua sunt trecute toate probabilitile de apariie. Aplicaia 4.1 Se arunc un zar de 100 de ori obinndu-se pentru cifra 1 10 apariii, pentru cifra 2 18 apariii pentru cifra 3 20 apariii pentru cifra 4 12 apariii pentru cifra 5 25 de apariii pentru cifra 6 15 apariii. Probabilitatea apariiei cifrelor 1,2,...,6 este:

10 18 20 = 0 ,10 P( 2 ) = = 0.18 P( 3 ) = = 0 ,20 100 100 100 12 25 15 P( 4 ) = = 0 ,12P( 5 ) = = 0 ,25P( 6 ) = = 0 ,15 100 100 100 P( 1 ) =
Tabloul repartiiei este: 2 3 4 5 6 1 X : 0 ,10 0 ,18 0 ,20 0 ,12 0 ,25 0 ,15

(4.2)

(4.3)

Aplicaia 4.2 Considerm un lot de 100 buci pentru care coeficientul de rebut este 5% Se efectueaz o singur extragere. S se construiasc variabila aleatoare a numrului de piese defecte. Deoarece coeficientul de rebut este 5% numrul pieselor defecte este de 5. Efectund o singur extragere se poate ca s nu fie extras nici o pies defect i-n acest caz numrul pieselor defecte este zero, sau o pies defect. Notnd cu p probabilitatea de-a extrage o pies defect i cu q probabilitatea de a extrage o pies bun, valorile probabilitilor sunt: p=0,05; q=0,95.. In consecin valorile probabilitii de-a extrage 0 piese defecte i a probabilitii de-a extrage o pies defect sunt:

Variabile aleatoare i funcii de repartiie

71

P(X=0)=q=0,95; P(X=1)=p=0,05. Variabila aleatoare este: 1 0 X : 0 ,95 0 ,05


(4.4)

Aplicaia 4.3 Pentru un lot de 200 de buci cu un coeficient de rebut de 2% s se construiasc variabila aleatoare a numrului de piese defecte. Din lot pot fi extrase 0,1,2,3 maxim 4 piese defecte. Fie A0 evenimentul extragerii unei piese bune. A1 evenimentul extragerii unei piese defecte; A2 evenimentul extrageri a dou piese defecte,..., A4 evenimentul extragerii a 4 piese defecte. Calculul acestor probabiliti ne conduce la valorile:
196 4 = 0 ,98 P( X = 1 ) = P( A1 ) = = 2 10 2 200 200 4 3 = 3,016 10 4 P( X = 2 ) = P( A1 I A2 ) = P( A1 ) P( A2 / A1 ) = 200 199 4 3 2 P( X = 3 ) = P( A1 I A2I A3 ) = P( A1 ) P( A2 / A1 ) P( A3 / A1 I A2 ) = = 3,046 10 6 200 199 198 P( X = 4 ) = P( A1 I A2I A3I A4 ) = P( A1 ) P( A2 / A1 ) P( A3 / A1 I A2 ) P( A4 / A1 I A2I A3 ) = 4 3 2 1 = 1,546 10 8 200 199 198 197 P( X = 0 ) = P( A0 ) =

(4.5)

Tabloul repartiiei are forma: 1 2 3 4 0 X : 0 ,98 2 4 6 8 3 , 046 1 , 546 3 , 015 10 10 10 10 2


(4.6)

Legtura care exist ntre variabila aleatoare i probabilitatea de apariie a acesteia poart denumire de lege de repartiie. Legea de repartiie se poate reprezenta grafic sub forma diagramei cu bare (Fig.4.1), histograme, poligonul repartiiei (Fig.4.2) In cazul n care se poate determina o expresie analitic care s stabileasc o
0.3 0.25 probabilitate 0.2 0.15 0.1 0.05 0 1 2 3 4 5 6 variabila probabilitate 0.3 0.25 0.2 0.15 0.1 0.05 0 0 2 4 variabila 6 8

Fig.4.1 Reprezentarea legii de repartiie

Fig.4.2 Reprezentarea legii de repartiie

72

Capitolul 4

(diagrama cu bare)

(poligonul frecvenelor)

legtur ntre variabila aleatoare i probabilitate, aceasta poart denumirea de funcie de probabilitate: Expresia ei analitic este: P( X = xi ) = P( xi ) = pi
(4.7)

Deoarece orice experiment poate avea un singur rezultat totalitatea valorilor distincte i posibile formeaz un sistem complet de evenimente incompatibile. Pentru mulimea ale crei perechi ordonate definesc repartiia se poate scrie:
i =1

pi = 1

(4.8)

In multe aplicaii ne intereseaz probabilitatea evenimentului X<xi. Si-n acest caz se poate construi un tablou al repartiiei care are forma:
... x1 , x 2, xn X : p , p + p , ... p + p + ...+ p 1 1 2 2 n 1
(4.9)

Reprezentarea grafic a acestui tablou al repartiie are forma din (Fig. 4.34.4). Dac este posibil determinarea unei expresii analitice care s stabileasc o legtur ntre valorile aleatoare i probabilitile respective aceast funcie va purta numele de funcie de repartiie: Expresia ei este:

F ( x k ) = P( X x k )
de repartiie va fi :

(4.10)

Cunoscnd funcia de probabilitate a unei variabile aleatoare discrete funcia

F ( x k ) = P( X x k ) = P( X = x i ) = P( x k ) = p k
i =1 i =1 i =1
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2 3 4 5 6 variabila 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 variabila 4

(4.11)

probabilitate

probabilitate

Fig.4.3 Reprezentarea legii de repartiie prin histogram

Fig.4.4 Graficul funciei de repartiie la o variabil aleatoare

Variabile aleatoare i funcii de repartiie

73

Obs. Intre notiunea de probabilitate si notiunea de frecventa pentru variabile aleataore discrete poate fi pus semnul de egalitate, cea ce face ca teoria probabilitatilor sa poata fi aplicata in statistica. 4.1.2 Variabile aleatoare continue In cazul variabilelor aleatoare continue, construirea unui tablou al repartiiei nu este realizabil deoarece exist o infinitate de valori posibile. In aceste cazuri pentru a putea analiza irurile de valori se utilizeaz funcia de repartiie. Construcia ei implic determinarea probabilitii evenimentului X<x. Expresia ei va fi definit de integrala:
F ( x ) = P( X < x ) = f ( x )dx = F' ( x )dx
x x

(4.12)

unde f(x) reprezint densitatea de probabilitate, care poate fi definit ca prim derivat (dac exist) a funciei de repartiie F(x) adic:
f ( x ) = lim
f(x)

F ( x + x ) F ( x ) = F' ( x ) x x 0
f(x)

(4.13)

f(x)dx

Fig. 4.5 Graficul densitii de probabilitate

Fig.4.6 Reprezentarea elementului de probabilitate.

Reprezentarea grafic a funciei densitate de probabilitate este prezentat n figura 4.5. Ne putem imagina c aceasta s-ar putea obine dintr-o histogram la care numrul de dreptunghiuri ar tinde spre infinit i grosimea spre zero. Mrimea f(x)dx se numete element de probabilitate i reprezint probabilitatea ca valoarea variabilei aleatoare s se gseasc n intervalul ds. Aceast probabilitate este egal cu aria dreptunghiului elementar cu baza egal cu ds. Dac ds tinde spre zero, aria dreptunghiului tinde spre zero, cea ce ne duce la concluzia c probabilitatea obinerii unei valori x este egal cu zero, deci ar fi un eveniment imposibil. Deoarece o astfel de concluzie este paradoxal trebuie evideniat definiia probabilitii care ne conduce la o interpretare care evideneaz faptul c frecvena unui astfel de eveniment este zero i nu faptul c un astfel de

74

Capitolul 4

eveniment nu poate avea loc. Spre deosebire de cazul variabilelor aleatoare discrete la care funcia densitii de probabilitate are semnificaia unei probabiliti la variabilele aleatoare continue acest fapt nu este valabil i-n consecin semnul folosit la variabile aleatoare discrete este nlocuit prin <. Expresia P(X<x) se citete probabilitatea ca X s fie cel mult egal cu x. Geometric, funcia de repartiie pentru
F(x)

variabile aleatoare continue este reprezentat de aria haurat cuprins ntre curba densitii de probabilitate i axa absciselor, iar aria total este egal cu unitatea. Deci graficul oricrei funcii la care aria mrginit de aceasta i axa absciselor este egal cu unitatea poate fi curba densitii de probabilitate. Obinut prin integrare graficul funciei de repartiie este prezentat n figura 4.7, i are urmtoarele proprieti: - asimptot dreapta F(x)=0; - asimptot dreapta F(x)=1;
frecventa 25 20 15 10 5 0

1 0.8 0.6 0.4 0.2 00 -2 0 2 4 0.28 0.12 0.5 0.88 0.7

6 x

Fig.4.7 Graficul funciei de repartiie pentru o variabila aleatoare continua

- funcie strict cresctoare; pentru x1<x2

F(x1)<F(x2),
Construcia funciei densitii de probabilitate experimentare se face cu ajutorul histogramei (Fig.4.8), trasnd prin punctele determinate de maximul fiecrui subinterval i mijlocul acestuia o curb.

Fig.4.8 Construcia graficului densitii de probabilitate experimentale

4.2 Apartenena unei variabile aleatoare la un interval dat Se consider o variabil aleatoare la care i s-a determinat funcia densitii de probabilitate respectiv funcia de repartiie. Considernd un interval [ab], ne intereseaz s determinm care este probabilitatea ca o valoare x s aparin acestui interval, respectiv P(aXb). Se face convenia ca intervalul s fie nchis la unul din capete i deschis la cellalt. Pentru a exprima probabilitatea apartenenei la un interval vom considera urmtoarele evenimente:

Variabile aleatoare i funcii de repartiie

75

- A - evenimentul X<b; - B - evenimentul X<a; - C - evenimentul aXb. Evenimentele B i C sunt incompatibile i ntre cele trei evenimente exist relaiile: A=B U C innd cont de proprietile operaiilor cu evenimente:
P( A ) = P( BU C ) = P( B ) + P( C )
a b x f(x) P(aX<b)

(4.14)

sau de unde

Fig.4.9 Interpretarea geometrica a aparteneei variabilei aleatoare la un interval (4.15) (4.16)

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

P( a X b ) = P( x < b ) P( X < a )
P( a X < b ) = F ( b ) F ( a )

Pe baza definiiei funciei de repartiie


(4.17)

sau

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


a

(4.18)

In concluzie probabilitatea ca o variabil s aparin intervalului [a,b] este egal cu aria trapezului curbiliniu mrginit de axa x curba densitii de probabilitate f(x) i dreptele x=a i x=b. 4.4 Funcii de repartiie Studiind diverse fenomene, se constat c dei acestea aparin unor tiine diferite repartiia n frecvena a acestora este asemntoare respectiv c histogramele au aceeai form. Spre exemplu 90% din fenomenele fizice se supun legii normale de repartiie (legea Gauss-Laplace). Un studiu mai amnunit a pus n evident proprietile acestora i gradul lor de aplicare. Unele dintre legile de repartiie au devenit clasice avnd un grad ridicat de utilizare. Dintre acestea se pot meniona repartiia binomial, repartiia hipergeometric, repartiia Poisson, repartiia normal , repartiia 2, repartiia Student, repartiia Fischer O clasificare a acestora poate fi fcut funcie de tipul variabilei aleatoare utilizat i anume n repartiii discrete pentru VAD i repartiii continue pentru VAC.

76

Capitolul 4

4.4.1 Repartiii discrete Repartiia binomial Aceast repartiie corespunde urmtorului tip de experiment: Fie A un eveniment care se produce cu probabilitatea p. Evenimentul contrar este A care se produce cu probabilitatea q. Cele dou formeaz un sistem de evenimente, producerea unuia excluznd producerea celuilalt. Se repet experimentul de n ori. In cele n ocazii evenimentul A s-ar putea s nu se produc nici o dat, s-ar putea s se produc o dat, s-ar putea produce de n ori. Ne intereseaz s determinm de fiecare dat probabilitatea de realizare a evenimentului A. In acest caz am putea scrie un tablou de repartiie de urmtoarea form:
0 X : p 0 1 p1 ... n ... p n
(4.33)

unde n prima linie sunt trecute numrul de realizri ale evenimentului A i-n linia a doua sunt trecute probabilitile de realizare. Pentru a determina relaia cu ajutorul creia vom determina aceste probabiliti plecm de la observaia c acest tip de experiment corespunde controlului de fabricaie a unui lot la care se fac n extrageri punnd de fiecare dat piesa extras la loc. Lotul trebuie verificat dac are un coeficient de rebut p. Fie A evenimentul se extrage o pies i aceasta pies este defect. Probabilitatea unui astfel de eveniment este egal cu coeficientul de rebut. Evenimentul contrar l reprezint cazul n care piesa extras este bun, probabilitatea unui astfel de eveniment fiind q. Prin punerea la loc a piesei dup constatarea calitii acesteia nu se modific coeficientul de rebut i nici probabilitatea extragerii unei piese defecte n cazul repetrii experimentului. Lum n considerare urmtoarele cazuri: Cazul 1 - se extrage o singur pies. Pot avea loc urmtoarele evenimente: - piesa extras este bun; probabilitatea acestui eveniment: P(A)=q; - piesa extras este defect; probabilitatea unui astfel de eveniment este: P(A)=q; Tabloul repartiiei numrului de piese defecte este:

0 q
avea loc urmtoarele evenimente: -

1 p

(4.34)

Cazul 2 - se extrag consecutiv dou piese punnd de fiecare data piesa la loc. Pot ambele piese sunt bune - probabilitatea acestui eveniment este: P(A)P(A)=q2 ;

Variabile aleatoare i funcii de repartiie


-

77

o pies bun i una defect - probabilitatea acestui eveniment este P(A)P(A)+P(A)P(A)=qp+pq=2qp; ambele piese sunt defecte; probabilitatea acestui eveniment este: P(A)P(A)=p2.
1 0 2 q 2qp 2 p2

Tabloul repartiiei numrului de piese defecte este:


(4.35)

Termenii liniei a doua aparin unei dezvoltri binomiale la puterea a doua. Continund pentru n=3,4,... se observ c linia a doua a tabloului poate fi completat cu termenii binomului lui Newton de unde i denumirea repartiiei. Pentru cazul general n=k tabloul repartiiei este:
1 2 ... k 0 q k C 1 q k 1 p C 2 q k 2 p 2 ... p k k k
(4.36)

Pentru n=n tabloul repartiiei este:


0 1 2 ... k ... n 0 n n k k n 2 2 n 1 1 0 q n p0 p C2 p ... C k p ... C n C1 nq p nq nq nq Cn
(4.37)

Funcia de probabilitate a repartiiei binomiale este dat de expresia:


k nk P( X = k ) = P( k ) = C k np q
0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 k 5 0.05283 0.00647 0.00056 0 0.27249 P(k) p=4% n=20 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 4 6 8 k 10 p=6% p=8% P(k) p=4% p=10% n=20

(4.38)

Fig. 4.10 Funcia de probabilitate a repartiiei binomiale cu p=4% i n=20

Fig.4.11 Diagrama poligonal a funciei de probabilitate cu repartiie binomial cu n=20; p=4%-10%

Funcia de probabilitatea se poate reprezenta prin diagrama cu bare (Fig.4.10) sau prin diagrama poligonal, (Fig.4.11). Funcia de repartiie a repartiiei binomiale este dat de expresia:
x p x qn x P( x k ) = F ( k ) = P( x ) = C n x =0 x =0 k k

(4.39)

Formulele pentru principalele valori tipice ale variabilelor aleatoare sunt, (Fig.4.1):

78

Capitolul 4

Tab. 4.1 Indicatorii teoretici ai unei variabile aleatoare cu repartiie binomial

Media Mod Dispersia Abaterea standard Momente

M[X], , X Mo D[X], 2, S2

M [X ] = xi p i = k p k q n k
n n i =1 k =0

( np q ) < M o < ( np + p )
D[ X ] = np( 1 p ) = npq

, s
m k , Mk

= npq
m1 = M [ X ] = np M 2 = D[ X ] = npq M 3 = npq( q p )M 4 = npq( 1 6 pq + 3npq )

Asimetria

1=

q p npq

Excesul Aplicatia 4.4

2=

1 6 pq npq

Dintr-un lot avnd coeficientul de rebut p=10% se extrag consecutiv punnd de fiecare dat piesa extras la loc 4 uniti. 1. S se construiasc variabila aleatoare a numrului de piese defecte; 2. S se stabileasc decizia de acceptare/respingere a lotului: Variabila aleatoare a numrului de piese defecte se construiete utiliznd (4.37, 4.38).
0 p 0

1 p1

2 p2

3 p3

4 p4

n care:
0 0,10 0,9 4 = 0,6561 = 65,61% p0 = C 4 2 0,12 0,9 2 = 0,0486 = 4,86% p2 = C4 4 0,14 0,9 0 = 0,0001 = 0,0001% p4 = C4 1 0,110,9 3 = 0,2916 = 29,16% p1 = C 4 3 0,13 0,91 = 0,0036 = 0,36%% p3 = C 4

rezultnd: 1 2 3 4 0 65,61 29,16 4,86 0,36 0,01 Variabila aleatoare a cel mult k piese defecte se construiete utiliznd, (4.39):

Variabile aleatoare i funcii de repartiie

79

1 2 3 4 0 65,61 94,77 99,63 99,99 100,00


Decizia de acceptare: lotul este acceptat dac-n 4 verificri consecutive se gsete cel mult o pies defect. Repartiia hipergeometric. Modelul matematic al acestei repartiii este similar celui binomial, diferena constnd n faptul c elementul extras pentru control nu se mai ntoarce n lot, i-n consecin la fiecare nou extragere se modific condiiile i deci i probabilitatea de extragere a unei piese defecte. Din acest motiv extragerea se mai numete fr ntoarcere. Se consider un lot la care trebuie verificat coeficientul de rebut p. Cunoscnd mrimea lotului n se pot determina numrul de piese defecte a respectiv numrul de piese bune b.

a = n p b = n( 1 p )

(4.40)

Se efectueaz m extrageri consecutiv fr a pune piesa extras la loc; n cele m extrageri consecutive pot s rezulte 0 piese defecte, 1 pies defect,...., sau m piese defecte. In consecin putem construi un tablou de repartiie n care pe prima linie s trecem numrul pieselor defecte i-n linia a dou probabilitatea fiecruia de-a fi extras.
0 X : p 0 1 p1 n ... p n ...
mk Ck a Cb

(4.41)

Aceast probabilitate care determin funcia de probabilitate are expresia:

P( X = k ) = P( k ) =
Funcia de repartiie este:
P( X k ) = F ( k ) =

Cm n

(4.42)

k mk Ck a b m C n k =0

(4.43)

Principalii indicatori ai variabilei aleatoare cu repartiie hipergeometric sunt prezentai n (Tab. 4.2):
Tab.4.2 Indicatorii teoretici ai variabilei aleatoare cu repartiie binomial.

Media

M[X], , X

M [X ] = x i p i = mp
n i =1

80

Capitolul 4

Mod

Mo

pnm qn + m 1 pnm + pn + m + 1 <Mo< n+2 n+2 Daca n >> m pm q < M 0 < pm + q

D[X ] = mpq
Dispersia D[X], 2, S2

Daca

n >> m

nm n 1 m D[X ] = mpq 1 n

Dac n este foarte mare, repartiia hipergeometric se apropie de repartiia binomial cu coeficientul de rebut p obinut din relaia 4.43. Aplicatia 4.5 Dintr-un lot de 100 de buci avnd coeficientul de rebut p=8% se extrag consecutiv fr a pune piesa extras la loc 3 uniti.

1. S se construiasc variabila aleatoare a numrului de piese defecte; 2. S se stabileasc decizia de acceptare/respingere a lotului:
Numrul pieselor defecte/bune, (4.40):

a = 100 0,08 = 8
4.42).
0 p 0
1

b = 100(1 0,08) = 92

Variabila aleatoare a numrului de piese defecte se construiete utiliznd (4.41,


3 p3

p1

p2

n care:
p0 =
3 C80 * C92 = 0,7767 = 77,67% 3 C100 1 C82 * C92 = 0,0159 = 1,59% p2 = 3 C100 1 2 * C92 C8 = 0,2070 = 20,70% 3 C100 0 C83 * C92 = 0,0004 = 0,04%% p3 = 3 C100

p1 =

rezultnd:

1 2 3 0 77,67 20,70 1,59 0,04


Variabila aleatoare a cel mult k piese defecte se construiete utiliznd, (4.43):

1 2 3 0 77,67 98,37 99,96 100,00 Decizia de acceptare: Deoarece probabilitatea de-a accepta/respinge lotul nu este

Variabile aleatoare i funcii de repartiie

81

cuprins ntre 95% (riscul furnizorului), i 90% (riscul beneficiarului), este necesar recalcularea parametrilor pentru alte mrimi ale eantionului (m=4, 5,uniti). Repartiia Poisson Este repartiia evenimentelor rare. Aceast repartiie se aplic n cazul avariilor la maini sau a accidentelor. Dac se noteaz cu densitatea de apariie a unui eveniment n unitatea de timp, atunci =t reprezint media apariiilor n intervalul t. Posibilitatea apariiei de k ori a evenimentului n acelai interval este:
(4.44) e k! k! In figurile 4.12-4.13 sunt prezentate diagrama cu bare i diagramele poligonale ale

P( X = k ) = P( k ) =

(t )k

e t =

funciei de probabilitate Poisson pentru diferite valori ale parametrului .


0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 k 6 7 0.00015 0.0758 0.012630.001 0.000013 0.3032 P(k) 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 5 10 15 k 20 u=2 u=5 P(k) u=0,5 u=1

Fig. 4.12 Funcia de probabilitate a repartiiei binomiale cu .=0,5

Fig.4.13 Diagrama poligonal a funciei de probabilitate cu repartiie Poisson

Funcia de repartiie are expresia:

P( X k ) = e

k
k!

k =0

(4.45)

Repartiia Poisson se aplic n cazul repartiiei binomiale dac coeficientul de rebut este foarte mic p<0,1 i mrimea lotului mare np>5. Relaia care se aplic este:

P( X = k ) = P( k ) =

( np )k np e k

(4.46)

Principalii indicatori ai repartiiei Poisson sunt prezentai n tabelul 4.3


Tab.4.3 Indicatorii teoretici ai variabilei aleatoare cu repartiie Poisson.

Media Mod

M[X], , X Mo

M [X ] = xi p i = e
n i =1

k 1
k 1

k =0

1< Mo < )

82

Capitolul 4

Dispersia Abaterea standard

D[X], 2, S2

D[ X ] =

, s
mk , Mk

=
2 2 3 m1 = m 2 = + m 3 = + 3 +

Momente

M 2 = M 3 = M 4 = + 3

Asimetria

1=

Excesul

2=

Aplicatia 4.6 4.4.2 Repartiii continue Repartiia uniform Este repartiia la care toate valorile variabilei aleatoare au aceeai probabilitate. Expresia densitii de probabilitate este:

1 x (a ,b ) f ( x ) = b a 0 x (a ,b )
Funcia de repartiie are expresia:
0 , x a F ( x ) = x a ,a < x < b 1, x b

(4.47)

(4.48)

Diagramele densitii i funciei de repartiie sunt prezentate n figurile 4.144.15. Indicatorii teoretici sunt prezentai n tabelul 4.4
f(x) F(x) 2 1.5 1/(b-a) 1 0.5 x a b 0 a b x

Fig. 4.14 Densitatea de probabilitate a

Fig.4.15 Funcia de repartiie a repartiie

Variabile aleatoare i funcii de repartiie

83

repartiiei uniforme

uniforme

Tab.4.4 Indicatorii teoretici ai variabilei aleatoare cu repartiie uniform

Media

M[X], , X

M [X ] =

xdx b + a = 2 aba

Dispersia

D[X], 2, S2

2= D[x] = m 2 m1

(a b )2
12

Momente

mk

m1 = M [x ] m2 =
b 2 dx

x b a a

Repartiia exponenial Repartiia exponenial are densitatea de repartiie:

f ( x ) = e x ; > 0 ,0 x
Funcia de repartiie are expresia:
1 ex , x > 0 F( x ) = 0 , x < 0

(4.49)

(4.50)

Indicatorii teoretici sunt prezentai n tabelul 4.5.


Tab.4.5 Indicatorii teoretici ai variabilei aleatoare cu repartiie exponenial
0

Media

M[X], , X

M [X ] = e x dx =
2= D[x ] = m 2 m1

Dispersia

D[X], 2, S2 mk

Momente

m1 = M [x ] =
0

m 2 = x 2 e x dx =

Diagramele densitii i funciei de repartiie sunt prezentate n figurile 4.16. 4.17.

84

Capitolul 4

f(x)

F(x)

2 1.5 1

0,368 l

0,632 l 0.5 x 1/ l 0 1/ l x

Fig. 4.16 Densitatea de probabilitate a repartiiei exponeniale

Fig.4.17 Funcia de repartiie a repartiie exponeniale

Repartiia normal Este cea mai important lege de repartiie fiind cunoscut sub denumirea de legea Gauss-Laplace. Repartiia Gauss a fost prima repartiie studiat, fiind caracterizat de parametrii i 2. Notarea ei se face prin N(,). Densitatea de probabilitate are expresia:
( x ) 1 f(x)= e 2 2 (4.51) 2 Notat simbolic prin N(, 2), graficul repartiiei are form de clopot cu
2

urmtoarele proprieti: - admite un maxim unic pentru x=; - are o simetrie n raport cu dreapta x=; - i modific convexitatea n punctele - i + - modificarea parametrului translateaz curba de-a lungul axei x, (Fig.4.19) - modificarea parametrului modific ascuirea curbei, (Fig.4.18) Funcia de repartiie normal este dat de expresia:
x (x ) 1 F ( x ) = P( X < x ) = e 2 2 dx 2
2

(4.52)

= 0,5 =1 =2

f(x)

f(x)

Variabile aleatoare i funcii de repartiie

85

Fig. 4.18 Curbele densitii de probabilitate cu aceeai medie i dispersii diferite

Fig. 4.19 Curbele densitii de probabilitate cu aceeai dispersie i medii diferite


f(x)

Valoarea funciei de repartiie este reprezentat n figura 4.20 prin aria haurat. Indicatorii teoretici au relaiile din tabelul 4.6. Asimetria i aplatizarea pentru repartiia Gauss sunt egale cu zero. Cunoscnd parametrii , 2, pe baza relaiei 4.52 se poate determina analitic valoarea probabilitii P(X<a).

F(x)

F(x) 1,0

0,5

Calculul nu este prea simplu i-n practic s-a recurs la tabele. Deoarece pentru fiecare , , ar trebui s existe un tabel,
2

0,0 x

Laplace a cutat o metod care s permit un calcul mai simplu i rapid a acestei

Fig. 4.20 Funcia de repartiie Gauss

probabiliti. Repartiia gsit de el i poart numele. Repartiia Laplace, notat prin N(0, 1) se obine din repartiia Gauss cu ajutorul schimbrii de variabil:
Tab. 4.6 Indicatorii teoretici ai variabilei cu repartiie Gauss

Media

M[X], , X

M [ X ] = xf ( x )dx

Dispersia Momente

D[X], 2, S2 Mk

de ordin impar M 2k +1 = 0 de ordin par M 2 k = ( 2k + 1 ) M 2 k + 1

M 2 = D[x ]M 4 = 3 D[x ]M 6 = 15 D[x ]


0 0

Asimetria Excesul

1 2 z= x

(4.53)

Prin folosirea acestei transformri repartiia poart denumirea de repartiie normal. Densitatea de probabilitate este:

86

Capitolul 4

f(z)=

1 z2 e 2 2

(4.54)

Funcia de repartiie Laplace are expresia:


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

(4.55)

Valorile funciilor densitate de probabilitate i ale funciei de repartiie sunt date tabelar: Regula celor 3 Considernd o variabila aleatoare X cu repartiie normal N(,2 ) Ne punem problema determinrii probabilitii pentru care abaterea unei valori oarecare fa de medie s fie mai mic dect x0, adic x-<x0.
P( x x 0 ) = P( x 0 x + x 0 ) = P( 3 z 3 ) = F ( 3 ) F ( 3 ) = 2 F ( 3 ) 1 = 99 ,74% Probabilitatea evenimentului contrar este 0,26% deci o probabilitate foarte
(4.56)

mic. Conform principiului certitudinii practice acest eveniment poate fi considerat imposibil. Repartiia 2. Considerm o variabil aleatoare X x1, x2,...,xn cu valorile normal repartizate, N(0, 1). Suma ptratelor variabilelor aleatoare zi constituie o nou variabil aleatoare notat cu 2. Matematic suma
i

f(x)

aceasta msurtorilor
2

reprezint pn 4.57 la
3 99,74% x

erorilor
i

2 2 i = zi = i= 0

( xi ) i= 0

valoarea I. Densitatea de probabilitate a repartiiei 2 pentru =n-1 grade de libertate este:


Fig.4.21 Probabilitatea ca o valoare x sa fie cuprinsa in intervalul 3
x 1 ( 1 ) pentru x 0 x e 2 2 f ( x ) = 2 2 ( ) 2 0 x0

(4.58)

Variabile aleatoare i funcii de repartiie

87

In variabila aleatoare 1 independente avnd p1

2 p2

p1, p2, pn-1 sunt n probabilitile ... p n posibilitatea s ia orice valoare cuprins
...

ntre 0 i 1. Probabilitatea pn va lua o valoare care nsumat cu celelalte probabiliti va da valoarea unu. In acest caz aceast probabilitate nu mai este independent ci depinde de celelalte valori. In consecin numrul valorilor independente pentru un ir de numere este n-1 i este egal cu numrul gradelor de libertate. Valorile calculate ale funciei de repartiie se gsesc tabelate. Repartiia Student. Considerm calculeaz cu relaia:
ti = zi

dou variabile una cu repartiie normal N(0, 1) i una cu

repartiie 2, avnd grade de libertate. Acestea pot forma o nou variabil care se

(4.59)

i care matematic reprezint raportul dintre eroarea msurtorii i i suma erorilor msurtorilor. Densitatea de probabilitate a repartiiei Student este:

+ 1 +1 2 2 1 2 1+ t f (t )= 2 Valorile calculate ale funciei de repartiie se gsesc tabelate.

(4.60)

Repartiia Fischer Considerm dou variabile aleatoare X1 i X2 independente , cu repartiie 2 avnd respectiv 1 i 2 grade de libertate. Acestea pot forma o nou variabil care se calculeaz cu relaia:

x1 i 2 = Fi 2 xi 1
probabilitate a repartiiei Fischer este:

(4.61)

i care matematic reprezint raportul dintre erorile msurtorilor i. Densitatea de



(4.62)

2 Indicatorii teoretici au expresiile:

1 1 2 1* 2 * ( 1 + 2 ) f(F )= * 2 2 1 ( 1+ 2 )
2 2

88

Capitolul 4

Media

M[X], , X

M [F ] = 2 1 1
D[F ] = 2 2 2( 1 + 2 + 2 )
2 1( 1 2 ) ( 2 4 )

Dispersia

D[X], 2, S2

Valorile calculate ale funciei de repartiie se gsesc tabelate. 4.5 Utilizarea tabelelor la calculul parametrilor functiiilor de repartitie continue Pentru calcularea parametrilor sunt definite urmatoarele notiuni, (Fig. 4.224.23): 1- nivel de semnificatie; interval de semnificatie; risc; interval de incredere. Riscul poate fi unilateral (dreapta sau stinga) si-n acest caz a = respectiv

a - b
(- a ) U (b )

b= -. In cazul unui risc bilateral simetric cele doua limite se noteaza cu a = /2


respectiv b= -/2. Parametrii functiilor de repartitie calculati pe baza formulelor 4.54, 4.58, 4.60, 4.62 pot fi determinati utilizind tabele prezentat in Anexa 1.-4. Se intilnesc doua situatii: 1. se da probabilitatea, notata 1- determinindu-se parametrul statistic caracteristic fiecarei functii de repartitie: z pentru repartitia normala; t pentru repartitia Student;

2 pentru repartitia 2;
F1;2; pentru repartitia Fischer. probabilitatea.

2. se da valoarea parametrului statistic carcteristic functiei de repartitie si se cere

Variabile aleatoare i funcii de repartiie

89

Risc Unilateral 1- Nivel de semnificatie

Risc Bilateral 1- Nivel de semnificatie

Risc

/2 Risc
Interval de semnificatie

/2 Risc

Interval de semnificatie

1-/2

/2

Fig.4.22 Legatura intre intervalul de Fig.4.23 Legatura intre intervalul de semnificatie si probabilitate pentru un risc semnificatie si probabilitate pentru un risc unilateral bilateral

Pentru o functie de repartitie oarecare legatura dintre intervalul de semnificatie si nivelul de semnificatie, (Fig.4,22-4.23) este data de relatia:

P ( < ) = 1
pentru risc unilateral, sau de relatia:

(4.63)

P (
pentru risc bilateral. Aplicatia 4.6

< < ) = 1
2

(4.64)

Pentru repartitia normala cu un risc unilateral dreapta se da valoarea lui z=1,58. Se cere sa se determine riscul. Din tabelul repartitiei normale, (Anexa 1), Fig.4.24: Nivelul de semnificatie este 1-= 0,9429 = 94,29% Riscul = 0,0571 = 5,71%

90

Capitolul 4

1- =94,29% =5,71% P(z< z )=1- 0,02 0,03 0,04 0,05 0,06 0,07 P(z> z )= 0,08 0,09

z =1,58 Z 0,0 0,1 . 1,5 0,00 0,01

0,9429

Fig.4.24 Determinarea riscului pentru un interval se semnificatie dat-repartitia normala

Aplicatia 4.7 Pentru repartitia normala cu un risc unilateral dreapta se da valoarea nivelului de semnificatie 1-=95%. Se cere determinarea limitei z. Din tabelul repartitiei normale, (Anexa 1), Fig.4.25, valorile cele mai apropiate de nivelul de semnificatie sunt prezentate in tabelul de mai jos si carora le corespund: 1-=0,9495=94,95%. 1-=0,9505=95,05%. z=1,64 z=1,65 Deoarece 95% se afla in mijlocul intervalului [0,9495 0,9505} rezulta ca valoarea limitei z=1,645.
1- =95% =5% P(z< z )=1- 0,02 0,03 0,04 0,05 0,06 0,07 P(z> z )= 0,08 0,09

z=1,645 Z 0,0 0,1 . 1,6 0,00 0,01

0,9495 0,9505

Variabile aleatoare i funcii de repartiie

91

Fig.4.24 Determinarea intervalului de semnifictie pentru un risc unilateral dreapta dat-

repartitia normala Aplicatia 4.8 Pentru repartitia normala cu un risc bilateral simetric de 5%, se cere determinarea intervalului de semnificatie
1- =95% /2=2,5% P(-z /2z< z /2)=1- P(-z /2>z) U P(z< z /2)= 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

-z/2 =-1,965 Z 0,0 0,1 . 1,9

z /2=1,965 0,00 0,01

0,9744 0,9756

Fig.4.26 Determinarea intervalului de semnificatie pentru un risc bilateral simetricrepartitia normala

Riscul bilateral se imparte simetric. Din tabelul repartitiei normale, (Anexa 1), Fig.4.26, nivelul de semnificatie pentru care trebuie determinata limita din dreapta z/2 este 1-=95%+2,5%=97,5%. Valorile cele mai apropiate de nivelul de semnificatie sunt prezentate in tabelul de mai jos si carora le corespund: 1-=0,9744=97,44%. 1-=0,9756=97,56%. z=1,96 z=1,97 Deoarece 97,5% se afla in mijlocul intervalului [0,9744 0,9756] rezulta ca valoarea limitei z/2=1,965. Functia de repartitie normala este simetrica cea ce conduce la determinarea limtei din stinga -z/2= -1,965. Aplicatia 4.9 Pentru repartitia 2 cu un risc unilateral dreapta se da valoarea lui 2 =13,362, si numarul gradelor de libertate =8. Se cere determinarea riscului. Din tabelul repartitiei 2, (Anexa 2), Fig.4.27, riscul este = 0,10 = 10%.

92

Capitolul 4

1- =90% =10% P( 2 < 2)=1-


0,95 0,90.0,20 0,10

2=13,36 1 2 . 8
0,995 0,990 0,975

P( 2 > 2)=
0,05 0,025

13,362

Fig.4.27 Determinarea riscului pentru un interval se semnificatie dat-repartitia

Aplicatia 4.10 Pentru repartitia 2 cu un risc unilateral dreapta, se da valoarea nivelului de semnificatie 1-=95% si numarul gradelor de libertate =10. Se cere determinarea limitei 2 Riscul este =5%. Din tabelul repartitiei 2, (Anexa 2), Fig.4.28, valoarea limitei 2 este 2 =18,307.
1- =95% =5% P( 2 < 2)=1-
0,95 0,90.0,20 0,10

2=18,30 1 2 . 10
0,995 0,990 0,975

P( 2 > 2)=
0,05 0,025

18,307

Fig.4.28 Determinarea limitei intervalului de semnifictie pentru un nivel de semnificatie 2 unilateral dat reprtitia

Aplicatia 4.11 Pentru repartitia 2 cu un risc bilateral simetric de 5%, se cere determinarea

Variabile aleatoare i funcii de repartiie

93

intervalului de semnificatie pentru =15 grade de libertate.


1- =95% /2=2,5% /2=2,5% P( 21- /2< 2< 2/2)=1- P( 21- /2> 2 ) U P( 2 < 2 /2)=
0,90.0,20 0,10 0,05 0,025

1- /2

=6,262
0,995 0,990

=27,488
0,975 0,95

1 2 . 15

6,262

27,488

Riscul bilateral se imparte simetric. Din tabelul repartitiei 2, (Anexa 2), Fig.4.28, pentru riscul, =2,5%=0,025, limita din dreapta 2 este 2 = 27,488. Pentru partea stinga aria totala este 99,75% = 0,9975. Valoarea limitei din stinga este 21-/2=6,262. Aplicatia 4.12 Pentru repartitia Student cu un risc unilateral dreapta se da valoarea lui t=1,812, si

Fig.4.29 Determinarea intervalului de semnificatie pentru un risc bilateral simetric2 repartitia

=10 grade de libertate. Se cere sa se determine riscul.


Din tabelul repartitiei Student, (Anexa 3), Fig.4.30, pentru =10 grade de libertate riscul este = 0,05 = 5%. Tabelul se citeste de jos in sus

94

Capitolul 4

P(t> t )= 1 2 10 1000 8
0,25 0,10

P(t< t )=1-

1,812

0,05

0,025 0,01

0,005 0,001 0,0005

0,0001

Nivel de semnificatie pentru testul unilateral

1- =95% =5% z =1,812


Fig.4.30 Determinarea riscului pentru un interval se semnificatie dat-repartitia Student

Aplicatia 4.13 Pentru repartitia Student cu un risc unilateral dreapta de =10% si =15 grade de libertate, se cere determinarea limitei t. Din tabelul repartitiei Student, (Anexa 3), Fig.4.31, valoarea determinata este t=1,341. Tabelul se citeste de jos in sus.

Variabile aleatoare i funcii de repartiie

95

P(t> t )= 1 2 15 1000 8
0,25

P(t< t )=1-

1,341

0,10

0,05

0,025 0,01

0,005 0,001 0,0005

0,0001

Nivel de semnificatie pentru testul unilateral 1- =90% =10%

z =1,812
Fig.4.31 Determinarea limitei intervalului de semnifictie pentru un risc unilateral dreapta dat-repartitia Student

Aplicatia 4.14 Pentru repartitia Student cu un risc bilateral simetric de 5% si =20 grade de libertate, se cere determinarea limitelor intervalului de semnificatie.
1- =95% /2=2,5% -t/2 =-1,965 t/2=1,965

P(-t /2<t<t /2)=1- P(-t /2<t) U P(t > t /2) =

Nivel de semnificatie pentru testul bilateral 1 2 . 20 0,50 0,25 0,10 0,05 0,02 0,01 0,002 0,001 0,001

1,725

96

Capitolul 4

Fig.4.32 Determinarea limitelor intervalului de semnificatie pentru un risc bilateral simetric-repartitia Student

Riscul bilateral se imparte simetric. Din tabelul repartitiei Student, (Anexa 3), Fig.4.32, limita din dreapta este t/2=1,725 Functia de repartitie Student este simetrica cea ce conduce la determinarea limtei din stinga -t/2= -1,725. Aplicatia 4.15 Pentru repartitia Fischer cu un risc unilateral dreapta =10% si numarul gradelor de libertate 1=10, respectiv 2=15, se cere determinarea limitei intervalului de semnifictie F1, 2, Riscul este =10%. Din tabelul repartitiei Fischer, (Anexa 4), Fig.4.33, valoarea limitei F1, 2, este F1, 2, = 2,24.
1- =90% =10% P(F< F 1, 2, )=1-
7 8 9 10 15 20 30 50

F 1, 2, = 2,24 1 \ 2 1 2 . 10
1 2 3 4 5 6

P(F> F 1, 2, )=
100 200 500

2,24

Fig.4.33 Determinarea limitei intervalului de semnificatie pentru un nivel de semnificatie unilateral dat repartitia Fischer

Aplicatia 4.16 Pentru repartitia Fischer cu un risc bilateral simetric de 20%, se cere determinarea limitelor intervalului de semnificatie pentru 1=15 grade de libertate, respectiv 2=20

Variabile aleatoare i funcii de repartiie

97

1- =80% =10% =10% P(F 1, 2,1- /2 <F< F 1, 2, /2)=1- P(F 1, 2,1- /2 >F) U P(F<F 1, 2, /2 )=
15 20 30 50 100 200 500

F 1, 2,1-/2 = 0,54 1 \ 2 1 15 20
1 2 3 4 5 6

F 1, 2,/2 = 2,24
7 8 9 10

1,92 1,84

Fig.4.34 Determinarea limitelor intervalului de semnificatie pentru un risc bilateral simetric- repartitia Fischer

Riscul bilateral se imparte simetric. Din tabelul repartitiei Fischer, (Anexa 4), Fig.4.34, pentru riscul, =10%=0,10, si 1=15 grade de libertate, respectiv 2=20 grade de libertate, limita din dreapta F1,
2, /2

este F1,

2, /2

= 1,92. Limita din stinga se

calculeaza utilizind aceasi anexa pe baza relatiei F1, 2, 1-/2 = 1/ F2, 1, /2. Valoarea obtinute este F1, 2, 1-/2 =1/ 1,84= 0,54.

S-ar putea să vă placă și