Capi t ol ul 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
Capitolul 4 70
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: x
1
,x
2
,x
3
,...,x
n
.

4.1.1 Variabile aleatoare discrete
Considerm un experiment n urma cruia pentru variabila X rezult valorile
x
1
, x
2
,...x
n
. Probabilitatea ca o valoare oarecare i s aib valoarea x
i
este
P(X=x
i
)=p
i
. Pentru toate valorile msurate se poate construi un tablou de forma:
n i 1 ,
p
x
: X sau
p ... , p , p
x
...
x
,
x
: X
i
i
n 2 1
n , 2 1

(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:
15 , 0
100
15
) 6 ( P 25 , 0
100
25
) 5 ( P 12 , 0
100
12
) 4 ( P
20 , 0
100
20
) 3 ( P 18 . 0
100
18
) 2 ( P 10 , 0
100
10
) 1 ( P
= = = = = =
= = = = = =

(4.2)
Tabloul repartiiei este:

15 , 0 25 , 0 12 , 0 20 , 0 18 , 0 10 , 0
6 5 4 3 2 1
: X
(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:

05 , 0 95 , 0
1 0
: X
(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 A
0
evenimentul extragerii unei piese bune. A
1
evenimentul extragerii unei
piese defecte; A
2
evenimentul extrageri a dou piese defecte,..., A
4
evenimentul
extragerii a 4 piese defecte. Calculul acestor probabiliti ne conduce la valorile:
10
546 , 1
197
1
198
2
199
3
200
4
)
A A A
/
A
( P )
A A
/
A
( P )
A
/
A
( P )
A
( P )
A A A A
( P ) 4 X ( P
10
046 , 3
198
2
199
3
200
4
)
A A
/
A
( P )
A
/
A
( P )
A
( P )
A A A
( P ) 3 X ( P
10
016 , 3
199
3
200
4
)
A
/
A
( P )
A
( P )
A A
( P ) 2 X ( P
10
2
200
4
)
A
( P ) 1 X ( P 98 , 0
200
196
)
A
( P ) 0 X ( P
8
3 2 1 4 2 1 3 1 2 1 4 3 2 1
6
2 1 3 1 2 1 3 2 1
4
1 2 1 2 1
2
1 0

=
= = = =
= = = = =
= = = = =
= = = = = = = =
I I I I I I
I I I
I

(4.5)
Tabloul repartiiei are forma:

10
546 , 1
10
046 , 3
10 015 , 3 10 2
98 , 0
4 3 2 1 0
: X
8 6 4 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
0.05
0.1
0.15
0.2
0.25
0.3
1 2 3 4 5 6
variabila
p
r
o
b
a
b
i
l
i
t
a
t
e

0
0.05
0.1
0.15
0.2
0.25
0.3
0 2 4 6 8
variabila
p
r
o
b
a
b
i
l
i
t
a
t
e

Fig.4.1 Reprezentarea legii de repartiie Fig.4.2 Reprezentarea legii de repartiie
Capitolul 4 72
(diagrama cu bare) (poligonul frecvenelor)
legtur ntre variabila aleatoare i probabilitate, aceasta poart denumirea de
funcie de probabilitate: Expresia ei analitic este:
p )
x
( P )
x
X ( P
i
i i
= = = (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:
1 p
n
1 i
i
=
=

(4.8)
In multe aplicaii ne intereseaz probabilitatea evenimentului X<x
i
. Si-n acest
caz se poate construi un tablou al repartiiei care are forma:

+ + + + p ... p p ... , p p , p
x
...
x
,
x
: X
2 1
n
1
2 1
n , 2 1
(4.9)
Reprezentarea grafic a acestui tablou al repartiie are forma din (Fig. 4.3-
4.4).
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:
)
x
X ( P )
x
( F
k k
= (4.10)
Cunoscnd funcia de probabilitate a unei variabile aleatoare discrete funcia
de repartiie va fi :
= = = = =
= = =
k
1 i
k
1 i
k
1 i
k
k i k k
p )
x
( P )
x
X ( P )
x
X ( P )
x
( F
(4.11)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 2 3 4 5 6
variabila
p
r
o
b
a
b
i
l
i
t
a
t
e

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 2 4 6
variabila
p
r
o
b
a
b
i
l
i
t
a
t
e

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:

= = < =

x x
dx ) x ( ' F dx ) x ( f ) x X ( P ) x ( F
(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:
) x ( ' F
x
) x ( F ) x x ( F
lim
) x ( f
0 x
=
+
=

(4.13)
x
f(x)

f(x)dx
x
f(x)

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
Capitolul 4 74
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
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;
- funcie strict cresctoare; pentru x
1
<x
2

F(x
1
)<F(x
2
),
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.

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:
0
0.12
0.28
0.5
0.7
0.88
1
0
0.2
0.4
0.6
0.8
1
-2 0 2 4 6
x
F(x)

Fig.4.7 Graficul funciei de
repartiie pentru o variabila
aleatoare continua
0
5
10
15
20
25
X
f
r
e
c
v
e
n
t
a

Fig.4.8 Construcia graficului densitii
de probabilitate experimentale
Variabile aleatoare i funcii de repartiie 75
- A - evenimentul X<b;
- B - evenimentul X<a;
- C - evenimentul aXb.
Evenimentele B i C sunt incompa-
tibile i ntre cele trei evenimente exist
relaiile: A=B U C
innd cont de proprietile operaiilor cu
evenimente:
sau
) b X a ( P ) a X ( P ) b X ( P < + < = < (4.15)
de unde
) a X ( P ) b x ( P ) b X a ( P < < = (4.16)
Pe baza definiiei funciei de repartiie
) a ( F ) b ( F ) b X a ( P = < (4.17)
sau

=

= <

a b
a
b
dx ) x ( f dx ) x ( f dx ) x ( f ) b X a ( P
(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.
a b x
f(x)
P(aX<b)

Fig.4.9 Interpretarea geometrica a
aparteneei variabilei aleatoare la un
interval
U ) C ( P ) B ( P ) C B ( P ) A ( P + = = (4.14)
Capitolul 4 76

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:

p ... p p
n ... 1 0
: X
n 1 0
(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:

p q
1 0

(4.34)
Cazul 2 - se extrag consecutiv dou piese punnd de fiecare data piesa la loc. Pot
avea loc urmtoarele evenimente:
- ambele piese sunt bune - probabilitatea acestui eveniment este: P(A)P(A)=q
2
;
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)=p
2
.

Tabloul repartiiei numrului de piese defecte este:

p qp 2 q
2 1 0
2 2
(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:

p ... p q
C
p q
C
q
k ... 2 1 0
k 2 2 k
2
k
1 k
1
k
k
(4.36)
Pentru n=n tabloul repartiiei este:

p q
C
... p q
C
... p q
C
p q
C
p q
C
n ... k ... 2 1 0
n 0
n
n
k k n
k
n
2 2 n
2
n
1 1 n
1
n
0 n
0
n
(4.37)
Funcia de probabilitate a repartiiei binomiale este dat de expresia:
q p
C
) k ( P ) k X ( P
k n k
k
n

= = =
(4.38)
0.27249
0.05283
0.00647 0.00056 0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0 1 2 3 4 5
p=4%
n=20
P(k)
k

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0 2 4 6 8 10
p=4%
p=6%
p=8%
p=10%
n=20
k
P(k)

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:
= = =
= =

k
0 x
k
0 x
x n x
x
n
q p
C
) x ( P ) k ( F ) k x ( P (4.39)
Formulele pentru principalele valori tipice ale variabilelor aleatoare sunt,
(Fig.4.1):
Capitolul 4 78
Tab. 4.1 Indicatorii teoretici ai unei variabile aleatoare cu repartiie binomial
Media M[X], , X
[ ] = =
= =

n
1 i
n
0 k
k n k
i
i
q p k p
x
X M
Mod M
o

) p np (
M
) q np (
o
+ < <
Dispersia D[X],
2
, S
2

[ ] npq ) p 1 ( np X D = =
Abaterea standard , s npq =
Momente m
k
, M
k

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

Asimetria
1

npq
p q
1

=
Excesul
2

npq
pq 6 1
2

=
Aplicatia 4.4
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).

4 3 2 1 0
4 3 2 1 0
p p p p p

n care:
% 0001 , 0 0001 , 0 9 , 0 1 , 0
%% 36 , 0 0036 , 0 9 , 0 1 , 0 % 86 , 4 0486 , 0 9 , 0 1 , 0
% 16 , 29 2916 , 0 9 , 0 1 , 0 % 61 , 65 6561 , 0 9 , 0 1 , 0
0 4 4
4 4
1 3 3
4 3
2 2 2
4 2
3 1 1
4 1
4 0 0
4 0
= = =
= = = = = =
= = = = = =
C p
C p C p
C p C p

rezultnd:

01 , 0 36 , 0 86 , 4 16 , 29 61 , 65
4 3 2 1 0

Variabila aleatoare a cel mult k piese defecte se construiete utiliznd, (4.39):
Variabile aleatoare i funcii de repartiie 79

00 , 100 99 , 99 63 , 99 7 7 , 94 61 , 65
4 3 2 1 0

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.
) p 1 ( n b p n a = = (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.

p ... p p
n ... 1 0
: X
n 1 0
(4.41)
Aceast probabilitate care determin funcia de probabilitate are expresia:
C
C C
) k ( P ) k X ( P
m
n
k m
b
k
a

= = = (4.42)
Funcia de repartiie este:
= =
=

k
0 k
k m
b
k
a
m
n
C
C
1
) k ( F ) k X ( P
(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
[ ] = =
=
n
1 i
i
i
mp p
x
X M
Capitolul 4 80
Mod M
o

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

Dispersia D[X],
2
, S
2

[ ]
[ ]

= >>

=
n
m
1 mpq X D m n Daca
1 n
m n
mpq X D

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):
92 ) 08 , 0 1 ( 100 8 08 , 0 100 = = = = b a
Variabila aleatoare a numrului de piese defecte se construiete utiliznd (4.41,
4.42).

3 2 1 0
3 2 1 0
p p p p

n care:
%% 04 , 0 0004 , 0
*
% 59 , 1 0159 , 0
*
% 70 , 20 2070 , 0
*
% 67 , 77 7767 , 0
*
3
100
0
92
3
8
3
3
100
1
92
2
8
2
3
100
2
92
1
8
1
3
100
3
92
0
8
0
= = = = = =
= = = = = =
C
C C
p
C
C C
p
C
C C
p
C
C C
p

rezultnd:

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

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

00 , 100 96 , 99 37 , 98 67 , 77
3 2 1 0

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:
( )
e
! k
e
! k
t
) k ( P ) k X ( P
k
t
k



= = = = (4.44)
In figurile 4.12-4.13 sunt prezentate diagrama cu bare i diagramele poligonale ale
funciei de probabilitate Poisson pentru diferite valori ale parametrului .
0.3032
0.0758
0.01263
0.001 0.000013
0.00015
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0 1 2 3 4 5 6 7
P(k)
k

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0 5 10 15 20
u=0,5
u=2
u=5
u=1
k
P(k)

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:
=
=

k
0 k
k
! k
e
) k X ( P

(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:
e
k
) np (
) k ( P ) k X ( P
np
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

M[X], , X
[ ] =

= =
=

n
1 i 0 k
1 k
i
i
1 k
e
p
x
X M

Mod M
o

)
M
1
o
< <
Capitolul 4 82
Dispersia D[X],
2
, S
2

[ ] = X D
Abaterea standard
, s
=

Momente

m
k
, M
k



2
4 3 2
3 2
3
2
2 1
3
M M M
3
m m m
+ = = =
+ + = + = =


Asimetria

1
1
=

Excesul

1
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:
( )
( )

=
b , a x 0
b , a x
a b
1
) x ( f
(4.47)
Funcia de repartiie are expresia:

< <

=
b x , 1
b x a , a x
a x , 0
) x ( F
(4.48)
Diagramele densitii i funciei de repartiie sunt prezentate n figurile 4.14-
4.15. Indicatorii teoretici sunt prezentai n tabelul 4.4
a
1
/
(
b
-
a
)
x
f(x)
b

0
0.5
1
1.5
2
a
x
F(x)
b

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
[ ]

+
=

=
b
a
2
a b
a b
xdx
X M

Dispersia

D[X],
2
, S
2

[ ]
( )
12
b a
m m
x D
2
2
1 2

= =

Momente

m
k

[ ]

=
=
b
a
2
2
1
a b
dx
x
m
x M
m

Repartiia exponenial
Repartiia exponenial are densitatea de repartiie:
> =

x 0 , 0 ;
e
) x ( f
x



(4.49)
Funcia de repartiie are expresia:

<
>
=

0 x , 0
0 x ,
e
1
) x ( F
x
(4.50)
Indicatorii teoretici sunt prezentai n tabelul 4.5.
Tab.4.5 Indicatorii teoretici ai variabilei aleatoare cu repartiie exponenial

Media

M[X], , X
[ ]

= =

0
x
1
dx
e
X M

Dispersia

D[X],
2
, S
2
[ ]

2
m m
x D
2
1
2
= =

Momente

m
k
[ ]

= =
= =

0
2
x 2
2
1
2
dx
e x m
1
x M
m

Diagramele densitii i funciei de repartiie sunt prezentate n figurile 4.16.
4.17.
Capitolul 4 84
x
f(x)
0
,
3
6
8

l
1/ l

0
0.5
1
1.5
2
x
F(x)
1/ l
0,632 l

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:
e
2
1
) x ( f 2
2
2
) x (

=
(4.51)
Notat simbolic prin N(,
2)
, graficul repartiiei are form de clopot cu
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:
( )
dx
2
1
) x X ( P ) x ( F
x
2
x
e
2
2

= < =

(4.52)
x
f(x)

= 0,5
=1
=2

x
f(x)

2
3

1

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
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).
Calculul nu este prea simplu i-n practic
s-a recurs la tabele. Deoarece pentru
fiecare ,
2
, ar trebui s existe un tabel,
Laplace a cutat o metod care s permit
un calcul mai simplu i rapid a acestei
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
[ ]

=


dx ) x ( xf X M

Dispersia

D[X],
2
, S
2




Momente


M
k

[ ] [ ] [ ] x D 15
M
x D 3
M
x D
M
M
) 1 k 2 (
M
par ordin de
0
M
impar ordin de
2
6 4 2
1 k 2 k 2
1 k 2
= = =
+ =
=
+
+

Asimetria
1

0
Excesul
2

0

=
x
z
(4.53)
Prin folosirea acestei transformri repartiia poart denumirea de repartiie
normal. Densitatea de probabilitate este:
f(x)
F(x)
1,0
0,5
0,0
x
x

F(x)

Fig. 4.20 Funcia de repartiie Gauss
Capitolul 4 86
e
2
1
) z ( f
2
z
2

(4.54)
Funcia de repartiie Laplace are expresia:

= =


x x
2
z
dx
e
2
1
dx ) x ( f ) x ( F
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 x
0
, adic x-<x
0
.
% 74 , 99 1 ) 3 ( F 2 ) 3 ( F ) 3 ( F
) 3 z 3 ( P )
x
x
x
( P )
x
x ( P
0 0 0
= =
= = + =
(4.56)
Probabilitatea evenimentului contrar este 0,26% deci o probabilitate foarte
mic. Conform principiului certitudinii practice acest eveniment poate fi considerat
imposibil.
Repartiia
2
.
Considerm o variabil aleatoare X
x
1
, x
2
,...,x
n
cu valorile normal repartizate,
N(0, 1). Suma ptratelor variabilelor
aleatoare z
i
constituie o nou variabil
aleatoare notat cu
2
.
Matematic aceasta reprezint
suma erorilor msurtorilor pn la
valoarea I.
Densitatea de probabilitate a repartiiei
2
pentru =n-1 grade de libertate
este:

=

0 x 0
0 x pentru
e x
)
2
(
2
1
) x ( f
2
x
) 1
2
(
2

(4.58)
i i
i
i
i
i
i
z
x 2
2
0
2
0

= =

= =
( )
4.57
Fig.4.21 Probabilitatea ca o valoare x sa
fie cuprinsa in intervalul 3
x
f(x)

3
99,74%
Variabile aleatoare i funcii de repartiie 87
In variabila aleatoare probabilitile p
1
, p
2
, p
n-1
sunt
independente avnd posibilitatea s ia orice valoare cuprins
ntre 0 i 1. Probabilitatea p
n
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 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
calculeaz cu relaia:

2
i
i
z
t
=
(4.59)
i care matematic reprezint raportul dintre eroarea msurtorii i i suma erorilor
msurtorilor. Densitatea de probabilitate a repartiiei Student este:

+
=
+

t
1
2
2
1
1
) t ( f
2
2
1
(4.60)
Valorile calculate ale funciei de repartiie se gsesc tabelate.
Repartiia Fischer
Considerm dou variabile aleatoare X
1
i X
2
independente , cu repartiie
2

avnd respectiv
1
i
2
grade de libertate. Acestea pot forma o nou variabil care
se calculeaz cu relaia:

1
2
2
i
1
i
i
x
x
F
=
(4.61)
i care matematic reprezint raportul dintre erorile msurtorilor i. Densitatea de
probabilitate a repartiiei Fischer este:
( )
2
) (
1
*
2
*
2
*
) F ( f
2
1
2
2
1
2
2 1
1
2 1

=
(4.62)
Indicatorii teoretici au expresiile:

p ... p p
n ... 2 1
n 2 1
Capitolul 4 88

Media

M[X], , X [ ]
1
F M
1
2

Dispersia

D[X],
2
, S
2

[ ]
) 4 ( ) 2 (
) 2 ( 2
F D
2 1
2
1
2
2
2
1

+ +
=

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. 4.22-
4.23):
1- nivel de semnificatie;

a
-
b
interval de semnificatie;
risc;
(-
a
) U (
b
) interval de incredere.
Riscul poate fi unilateral (dreapta sau stinga) si-n acest caz
a
=

respectiv

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
;
- F
1;2;
pentru repartitia Fischer.
2. se da valoarea parametrului statistic carcteristic functiei de repartitie si se cere
probabilitatea.
Variabile aleatoare i funcii de repartiie 89

Risc
1-
Nivel de semnificatie
/2
Risc
/2
Risc

/2

1-/2
Risc Unilateral Risc Bilateral
Interval de
semnificatie
1-
Nivel de semnificatie
Interval de semnificatie
Fig.4.22 Legatura intre intervalul de
semnificatie si probabilitate pentru un risc
unilateral
Fig.4.23 Legatura intre intervalul de
semnificatie si probabilitate pentru un risc
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:


= < 1 ) ( P
(4.63)
pentru risc unilateral, sau de relatia:

= < <

1 ) (
2
2
1
P
(4.64)
pentru risc bilateral.
Aplicatia 4.6
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%

Capitolul 4 90
=5,71%
1-=94,29%
z

=1,58
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0
0,1
.
1,5 0,9429
P(z< z

)=1- P(z> z

)=

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.
=5%
1-=95%
z

=1,645
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0
0,1
.
1,6 0,9495 0,9505
P(z< z

)=1- P(z> z

)=

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
/2=2,5%
1-=95%
z
/2
=1,965
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0
0,1
.
1,9 0,9744 0,9756
-z
/2
=-1,965
P(-z
/2
z< z
/2
)=1-
P(-z
/2
>z) U
P(z< z
/2
)=

Fig.4.26 Determinarea intervalului de semnificatie pentru un risc bilateral simetric-
repartitia 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%.

Capitolul 4 92
=10%

2
=13,36
0,995 0,990 0,975 0,95 0,90.0,20 0,10 0,05 0,025
1
2
.
8 13,362
1-=90%
P(
2
<

2
)=1- P(
2
>

2
)=

Fig.4.27 Determinarea riscului pentru un interval se semnificatie dat-repartitia
2


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.
=5%

2
=18,30
0,995 0,990 0,975 0,95 0,90.0,20 0,10 0,05 0,025
1
2
.
10 18,307
P(
2
<

2
)=1-
1-=95%
P(
2
>

2
)=

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


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.
/2=2,5%

2
=27,488
0,995 0,990 0,975 0,95 0,90.0,20 0,10 0,05 0,025
1
2
.
15 6,262 27,488
P(
2
1-/2
<
2
<
2
/2
)=1-
1-=95%
/2=2,5%

2
1-/2
=6,262
P(
2
1-/2
>
2
) U
P(
2
<
2
/2
)=

Fig.4.29 Determinarea intervalului de semnificatie pentru un risc bilateral simetric-
repartitia
2

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
2
1-/2
=6,262.

Aplicatia 4.12
Pentru repartitia Student cu un risc unilateral dreapta se da valoarea lui t

=1,812, si
=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
Capitolul 4 94
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,0001
1
2

10 1,812

1000
8
P(t< t

)=1-
=5%
1-=95%
z

=1,812
Nivel de semnificatie pentru testul unilateral
P(t> t

)=

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
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,0001
1
2

15 1,341

1000
8
P(t< t

)=1-
=10%
1-=90%
z

=1,812
Nivel de semnificatie pentru testul unilateral
P(t> t

)=

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.
/2=2,5%
1-=95%
t
/2
=1,965
0,50 0,25 0,10 0,05 0,02 0,01 0,002 0,001 0,001
1
2
.
20 1,725
-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

Capitolul 4 96
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 F
1, 2,

Riscul este =10%. Din tabelul repartitiei Fischer, (Anexa 4), Fig.4.33, valoarea
limitei F
1, 2,
este F
1, 2,
= 2,24.
=10%
F
1,2,
= 2,24

1
\
2
1 2 3 4 5 6 7 8 9 10 15 20 30 50 100 200 500
1
2
.
10 2,24
P(F< F
1,2,
)=1-
1-=90%
P(F> F
1,2,
)=

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
=10%
F
1,2,/2
= 2,24

1
\
2
1 2 3 4 5 6 7 8 9 10 15 20 30 50 100 200 500
1

15 1,92

20 1,84

P(F
1,2,1-/2
<F< F
1,2,/2
)=1-
1-=80%
P(F
1,2,1-/2
>F) U
P(F<F
1,2,/2
)=
=10%
F
1,2,1-/2
= 0,54

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 F
1, 2, /2
este F
1, 2, /2
= 1,92. Limita din stinga se
calculeaza utilizind aceasi anexa pe baza relatiei F
1, 2, 1-/2
= 1/ F
2, 1, /2.
Valoarea
obtinute este F
1, 2, 1-/2
=1/ 1,84= 0,54.