Documente Academic
Documente Profesional
Documente Cultură
VARIABILE ALEATOARE
1. Ce este o variabil aleatoare ?
Am vzut c punctele mulimii rezultatelor posibile la efectuarea unei
experiene, , sunt elemente concrete cum ar fi punctele aprute pe faa
unui zar, moleculele dintr-un container sau oamenii dintr-o populaie. Aceste
elemente pot avea diverse caliti care se pot msura. De exemplu o
molecul are mas i vitez din care se poate calcula energia cinetic. Pentru
oameni se pot considera anumite caracteristici fiziologice ca vrsta,
nlimea sau greutatea, sau alte date numerice ca IQ, numrul de frai sau
venitul anual i altele.
Exemplul 1. Fie o mulime uman format din n indivizi
= {1 , 2 ,... n } .
(1.1)
Dac suntem interesai de vrsta lor, atunci fie X ( ) vrsta lui ,
adic fiecrui individ i se asociaz un numr X ( ) exprimat n uniti
de timp, cum ar fi anii, sau parcurgnd mulimea numerelor reale pozitive
R . Astfel aplicaia
X ( )
unde i
sunt dou numere. Se vede c aceasta este tot o funcie de .
Dac este un cap de familie i N( ) este numrul de membrii ai familiei
lui, atunci funcia
V ( )
(1.3)
N ( )
este venitul pe familie.
X ( ) 20}
10 X 20} .
1
m( ) v 2 ( ) .
2
(1.4)
1 2 3 4 5 6
1 1 1 1 1 1
6 6 6 6 6 6
Se observ c suma probabilitilor celor ase evenimente este egal cu 1.
Exemplul 4. La aruncarea unui zar, o persoan nu primete nici un punct
dac apar feele 1 sau 2, primete 1 punct dac apare una din feele 3 sau 4, 2
puncte dac apare faa 5 i 3 puncte dac apare faa 6. Primul eveniment are
probabilitatea 2/6 = 1/3, al doilea tot 2/6 = 1/3, iar ultimele dou evenimente
au fiecare probabilitatea 1/6.
0 1 2 3
1 1 1 1
3 3 6 6
distribuie
1 2 .. k ..
X:
1 1 . . 1 . . .
2 k
2 2 2
1.1.
{ X ( )} {x , x
,...xn ,...}
(1.5)
irul valorilor lui X poate fi finit sau nu. Faptul c (1.5) reprezint mulimea
valorilor lui X conduce la exprimarea
{X xi} Ai
i
i
unde am notat evenimentul c X ia valoarea xi cu Ai , i putnd lua un numr
finit sau infinit de valori din N. Valorile lui X fiind distincte, se observ c
mulimile Ai , i I N , formeaz un sistem complet de evenimente (Def.6.1,
Cap. III), adic evenimentele Ai K, i I N verific condiiile:
Ai A j , i j I
P( A) P( A ) 1
i
iI
iI
xi pi ,0 i I
X : , i I, P 1
pi iI i
(1.8)
X = a cu tabelul de distribuie X : .
1
Sistemul de numere reale pi, i I cu proprietile
pi 0, i I
P 1
iI
Definiia 1.2. Fie X i Y dou v.a. discrete definite prin X() = xi pentru
Ai , i I N i Y() = y j pentru Bj , j J N, unde Ai i
Bj sunt dou sisteme complete de evenimente. Se spune c v.a. X i Y sunt
independente dac sistemele complete corespunztoare sunt independente,
adic
P(Ai Bj) = P(Ai)P(Bj), i I, j J
Folosind notaia (1.7), relaia de mai nainte devine
P ( X xi , Y y j ) P ( X xi ) P (Y y j )
(1.9)
Definiia dat independenei a dou v.a. discrete se poate, atunci, extinde
conform formulei de nmulire (4.1) din Cap.III.
Definiia 1.3. Variabilele aleatoare X 1 , X 2 ,... X n cu valori numrabile se
spune c sunt independente dac i numai dac, pentru orice numere reale
x1 , x2 ,... xn , avem
P ( X 1 x1 , X 2 x2 ,... X n xn ) P ( X 1 x1 ) P ( X 2 x2 ) ...P ( X n xn )
X 1 x1 )
P ( X 3 x3 X 1 x1 , X 2 x2 )...
P ( X n xn X 1 x1 , X 2 x2 ,... X n1 xn1 )
(1.11)
Primul termen al formulei exprim probabilitatea comun a v.a.
X 1 , X 2 ,... X n i este obinut din formula (4.2) Cap. III ca produs de
probabiliti condiionate.
Exemplul 6. Se consider experiena din Exemplul 3 Cap.III &3 n care
se folosete o moned asimetric. tiind c banul a aprut de trei ori, s se
gseasc probabilitatea ca stema s apar n una din urmtoarele dou
aruncri.
Aceast probabilitate este
P ( X 5 X 4)
P (4 X 5)
P ( X 4)
P ( X k ) pq k 1 , k=1,2,...
P ( X 4) pq k 1
k 4
pq 3
q3 ,
1 q
iar
P( 4 X 5) pq 3 pq 4 .
1
, (X 0) sunt, de asemenea, variabile aleatoare.
X
iI
iI
N max{n
S 365} .
X : k k nk ,
Cn p q p, q 0, p q 1
(1.14)
Probabilitile din tabel fiind termeni ai binomului (p +
n
q) , rezult c sunt ndeplinite condiiile (1.8), adic
b k (n,p) 0 , k=0,1,...n
k 0
b k (n,p) = (p + q)n = 1
, i 1,...n .
iar
P( S n k ) 1
Bi(n,
1
).
2
k 0
deoarece
C
k 0
k
n
2 n . Rezult c
Sn
k
C k C nk k 0,1,...a
a nN a , a n N
CN
(1.15)
(1.16)
pq
k 1
k 1
1
1.
1 q
(1.17)
k
X:
(1.18)
, k = 0, 1, 2, , > 0
e
k!
k
)
e
e e 1
=
pk
k 0
k 0
k!
p= pn
n
k
b k (n) = C n ( ) k 1 n-k
(1.19)
n cele ce urmeaz vom calcula pentru fiecare k limita
irului (1.19) pentru n tinznd la infinit. Astfel, pentru k=0
obinem
n
lim b0 (n)
n
lim 1 e
n
n
(1.20)
Raportul a doi termeni consecutivi devine
1
bk 1 ( n)
nk
nk
1
=
bk ( n)
k 1 n
n
k 1 n
n
relaie care la limit conduce la rezultatul
10
bk 1 ( n)
=
n bk ( n)
k 1
Acesta se poate exprima sub forma
lim
b1 ( n)
1
lim
n
............
lim b0 (n) e p1 ( )
n
lim 2
b2 (n) b1(n)
e
2
1
2
n
p 2 ( )
..........................................................................
lim
n
lim
k
bk (n) bk1(n) p ( )
e
k
1
.
.
k
n
k
...........................................................................
.............
Am demonstrat, aadar, teorema lui Poisson n forma ei
cea mai simpl, i anume:
bk (n, ) p k ( )
n
n
lim
(1.21)
Acest rezultat rmne valabil i n cazul general n care
este limita unui ir n . Atunci n loc de pn / n vom avea
pn n / n sau npn n i
11
c 1
0,363
37
36
1
1
37
1
C37
37
37
36
1
37
2
C37
37
35
37 1
c
36 2
.....................................................
Dac aproximm 37/36 cu 1 i pe e 1 cu 0,368, atunci
primele trei probabiliti ale repartiiei binomiale de mai sus
vor corespunde probabilitilor
e 1 , e 1 ,
1 1
e ...............
2
k
N
1
1
N k
X
, dac
Y
XY=
v.a.
Se observ acum c rezultatele Prop. 1.2 i 1.3, privind operaiile cu v.a.
discrete, sunt cazuri particulare ale Prop. 1.7.
Noiunea de independen introdus pentru variabilele aleatoare discrete
se extinde pentru cazul general de variabile aleatoare, dac mulimile
S1 ,...S n . sunt convenabil alese, adic sunt boreliene. Atunci independena
variabilelor aleatoare X 1 , X 2 ,... X n are loc dac i numai dac este
adevrat relaia (1.11).
3. Funcia de repartiie
15
16
X:
x1 x2 . . xn
p1 p2 . . pn
0,
p1 ,
x x1
x1 x x2
p1 p2 , x2 x x3
F(x)
k 1
pi ,
i 1
xk 1 x xk
..................................
x xn
1,
(3.9)
Valorile funciei de repartiie a v.a. discrete X se vor obine n urmtorul
mod:
- Dac x x1, atunci
F(x) = P(X < x) = P(X < x x1) = 0.
- Dac x1 < x < x2, avem
P(X < x)= P(X < x1) (x1 < X < x2) =
=P(X x1) + P(x1 < X < x2) = P(X = x1) = p1.
- Dac x1 < x x3, atunci
P(X < x)=P(x x1) (x1 < X < x2) (x2 < X < x3) = P(X x1) +
+ P(x1 < X x2 ) + P(x2 < X < x3) = P(X = x1) + P(X = x2) = p1 + p2,
i, n general, dac xk-1 < x < xk , atunci
17
P(X < x)= P(X x1) (x1 < X x2) (xk-1 < X < xk) =
k 1
pi
i 1
pi
i 1
= 1.
Forma (3.9) a funciei de repartiie este dat n cazul unei v.a., discrete
cu un numr finit de valori. Dac X ia o mulime numrabil infinit de
valori, deci are tabelul de distribuie
x1 x2 ... xn ...
; n N,
X :
p1 p2 ... pn ...
cu pn 0 i
pn
nN
F(x) =
pn
(3.10)
xn x
X:
1 2 3 4
x 1
0,
0,2, 1 x 2
F(x) = 0,3, 2 x 3
0,6, 3 x 4
1,
x4
Pentru a calcula probabilitile cerute , aplicm relaiile (3.6), respectiv
(3.4), i obinem
P ( 2 X 4) =F(4)-F(2)+P(X=4)=0,6-0,2+0,4=0,8
P(2<X<4)=F(4)-F(2)-P(X=2)=0,6-0,2-0,1=0,3
P(1<X<4X>2)=
P ( X 2)
1 P ( X 2)
1 F ( 2) P ( X 2)
1 0,2 0,1
7
18
f (u )
du
(3.11)
atunci X se numete variabil aleatoare continu, iar f(x) se numete
densitate de probabilitate sau densitate de repartiie a v.a. X.
Din relaia (3.11) rezult c f(x) este densitate de probabilitate dac i
numai dac verific condiiile
f(x) 0,
f ( x)
dx
= 1
(3.12)
Consecine. 1. Folosind cunotinele din analiza matematic se deduce
din formula (3.11) c, dac f este continu, atunci ea este derivata lui F:
f(x) = F(x)
(3.13)
i cum
lim F ( x x) F ( x ) = lim P( x X x x ) ,
F (x) = x
0
x 0
x
x
aceast relaie va conduce la
P(x X < x + x) = f(x) x + 0(x)
ceea ce va nsemna c probabilitatea ca v.a. X s ia valori
ntr-un interval de lungime infinitesimal
x este
proporional cu f(x) i cu x, 0(x) reprezintnd o cantitate
care mprit la x tinde la 0 atunci cnd x 0.
2. n cazul v.a. continue, funcia de repartiie este o funcie continu,
deci probabilitatea (3.7) ca v.a. s ia o anumit valoare este 0, limitele
laterale ale lui F n orice punct fiind egale.
3. Rezult din consecina 2 c relaiile (3.3) - (3.6) vor avea n membrul
doi F(b) F(a).
4. Dac aceleai relaii (3.3)-(3.6) se exprim cu ajutorul densitii de
repartiie, atunci avem
b
f ( x ) dx
(3.14)
5. Mai general dect relaia (2.13), dac A este o reuniune de intervale
nu neaprat disjuncte i care pot fi chiar infinite, atunci avem
19
P ( X A)
f ( x)dx
A
(3.15)
n cele ce urmeaz vom defini o mrime foarte utilizat n statistica
matematic.
Definiia 3.3. Fie X o v.a. i fie 0,1 . Numrul Q() care
satisface, pentru orice > 0, inegalitie
P ( X Q( ) ) , P( X Q( ) ) 1
Q ( ) f ( x) dx = 1 -
Se vede c pentru = 1/2 mediana me verific ecuaiile
me
f ( x ) dx =
f ( x)
dx =
1
2
20
0,
x
,
2
1
F(x) = ,
2
x
4,
1,
x0
0 x 1
0 x2
2 x4
x4
1
2,
x
f(x) = ,
4
0,
1 x 2
2 x4
`n rest
3
1
1
=
.
4
2
4
xi pi ,0 i I
X : , i I, P 1
pi iI i
f (x) =
1
, x a, b
ba
0
`n rest
(4.1)
xa
0
xa
1,
F(x) =
a xb
xb
F(x) = f (u ) du +
xa
f (u ) du = a
du =
ba
ba
F(x) = f (u ) du +
f (u ) du = b
du =1
ba
Exemplul 1. Se nvrtete un ac pe un cadran circular.
Cnd se oprete, el se situeaz la un unghi i este normal
s considerm c este distribuit uniform pe 0,360 0 . Atunci, pentru
1 2 , avem
P(1 2 )
f (u ) du +
360dx
2 1
360
1
f(x) =
e 2
2
, x R; m R; > 0
(4.2)
Se demonstreaz c funcia (4.2) satisface condiiile
(3.12). Prima condiie (f (x) 0) este ndeplinit, iar pentru a
doua se face schimbarea de variabil
t=
xm
1
2
(4.3)
i se obine
f ( x ) dx
t2
2
dt =
1
2
=1
f (x) =
1
e 2 , xR
2
(4.4)
1
2
(4.5)
23
t2
2
dt, z R.
f ( x)dx ( z ) ( z ) 2( z ) 1
(4.6)
- f(x) admite derivate de orice ordin i orice derivat
este egal cu produsul dintre f i un polinom numit polinom
Hermit;
- existena tuturor derivatelor face ca f(x) s se
reprezinte grafic ca o curb neted. Mai mult dect att,
funcia descrete rapid la 0 atunci cnd x tinde la . Din
cauza formei obinute curba se numete clopotul lui Gauss;
- v.a. normal cu densitatea (4.4) admite o funcie
generatoare de momente, care, aa cum se va arta n alt
capitol, rareori exist dac f este nlocuit cu o densitate
arbitrar. De aici rezult c v.a. normal admite momente
de orice ordin.
Legtura dintre repartiia normal N(m, ) i funcia
Laplace este dat de urmtoarele rezultate:
Propoziia 4.1. Funcia de repartiie a v.a. X N(m, ),
F(x) = (
xm
),
xR
(4.7)
(4.8)
(4.9)
24
(-z) = =
1
2
1
2
u2
2
u2
2
1
2
du =
1
2
du -
u2
2
u2
2
du =
du = 1 -(z)
P(a X < b) =
(4.10)
am
( z )
t 2
dt , z 0
(4.11)
Cu aceast definiie formulele (4.6) - (4.9) devin,
respectiv :
z
f ( x ) 2 ( z )
F(x) =
F(x) =
1
(x) ;
2
1
xm
(
);
2
( z ) ( z ) .
x<0
f este o densitate de
F(x) = 1 - e-x,
x 0
(4.13)
din care se vede c, pentru x fixat, aceast probabilitate
descrete cnd crete, ceea ce nseamn c timpul de
ateptare este mai scurt dac este mai mare. Astfel, pe o
osea aglomerat va fi mare.
Ne propunem s determinm urmtoarea probabilitate
P(T s t T s )
P (T s t ) e ( s t )
P (T s )
e s
e t P (T t )
(4.14)
pq
k n 1
k 1
q n , n=0,1,
26
f (x) =
1 p1 x
x , e , x 0, p 0
( p )
0
,x 0
(4.15)
se spune c are repartiia gamma de parametru p. Vom nota
acest lucru prin X (p).
V.a. X are repartiia beta de parametrii p i q i scriem X
(p,q), dac densitatea ei de probabilitate este
1 r11
x , (1 x) 2 1 , x 0, 1
f (x) = ( 1 , 2 )
0
`nrest
, 1 , 2 0
(4.16)
27
f (x) =
(4.17)
n
1
2
x , e 2a , x 0
n
2 n
2 a (n / 2)
0
, x 0, n N , a 0
1
2
2
(1 x / n) 2 , x R, n N
f (x) =
n
n
( )
2
(4.18)
se numete v.a. repartizat Student cu n grade de libertate.
Se demonstreaz c (4.18) este o densitate de
probabilitate cu ajutorul substituiei x2 / n = y
4.6. Repartiia Behrens -Fisher -Snedecor
V.a. X care are densitatea de probabilitate
n1 n2
)
n1 n21 n21 1
n1 n1 2n2
2
( ) x
(1
x)
f (x) =
,x>0
n1
n2
n
n
2
2
( ) ( )
2
2
(
(4.19)
se numete v.a. repartizat Behrens -Fisher -Snedecor cu
(n1, n2) grade de libertate (n1, n2 N).
Cu schimbarea de variabil
xn1 / n2 = y
se gsete c (4.19) este o densitate de probabilitate.
28
4. F(+, +) = 1.
5. probabilitatea ca v.a. (X, Y) s se gseasc n
ptratul [a, b) [c, d) este:
P(a X < b, c Y < d) = F(b, d) - F(a, d) F(b,c) + F(a, c)
29
pij 0, i I , j J
p 1
ij
(5.3)
iI jJ
pij
jJ
(5.4)
xi
X : , i I .
pi*
n mod asemntor
(X = xi, Y = yj) =
p *j = P(Y = yj) = P i
I
pij
iI
(5.5)
va fi probabilitatea marginal a variabilei aleatoare Y.
n mod evident au loc relaiile
pi* 0, i I
p* j 0, j J
p 1
i*
iI
p* j 1
jJ
30
P (X = xi Y = yi) =
iI
iI
pij
p* j
1
p* j
pij = 1.
iI
0,1
0,1
0,2
0,3
0,2
0,1
/Y
1
a) S se determine repartiiile marginale ale v.a. X i Y;
b) S se verifice dac X i Y sunt independente;
c) S se gseasc repartiia v.a. XY = 2.
Rezolvare. a) Conform relaiilor (5.4) i (5.5) avem:
P(X = -1) = 0,1 + 0,1 + 0,2 = 0,4
P(X = 1) = 0,3 + 0,2 + 0,1 = 0,6
P(Y = 1) = 0,1 + 0,3 = 0,4
P(Y = 2) = 0,1 + 0,2 = 0,3
P(Y = 3) = 0,2 + 0,1 = 0,3
b) Se verific relaia (5.6) lund de exemplu i = 1, j = 2. Atunci
p12 = 0,1 p1* p*2 = 0,4 0,3,
prin urmare X i Y sunt v.a. dependente.
c) Din (5.7) avem
P(X = -1Y = 2) = 0,1/0,3 = 1/3
P(X = 1Y = 2) = 0,2/0,3 = 2/3
31
Deci XY = 2 :
5.2. Variabile
continue
aleatoare
bidimensionale
F(x, y)
f (u , v ) dudv ,
(x, y) R2
(5.9)
n acest caz, funcia f(x,y) se numete densitatea de
probabilitate
a
v.a.
bidimensionale (X, Y).
La fel ca n cazul unidimensional, se deduce din (5.9) c
funcia f(x,y) va satisface condiiile:
f ( x, y ) 0, ( x, y ) R 2
(5.10)
pentru a fi densitate de probabilitate.
Tot din relaia (5.9) se gsete c
f ( x, y ) dxdy 1
f(x,y) =
2 F ( x, y )
xy
(5.11)
Propoziia 5.4. Funcia F( x, +) este funcia de
repartiie a v.a. X.
Dem. Avem
F(x, +) = P(X < x, Y < ) = P(X < x) .
Defniia 5.3. Funcia de repartiie F( x, +) se numete
funcia de repartiie marginal a v.a. X i se noteaz F1(x). n
mod asemntor, funcia F(+,y) va fi funcia de repartiie
marginal a v.a. Y i se va nota cu F2(y).
32
f (u , v )dv du
Corespunztor
acestor
repartiii,
densitile
de
probabilitate ale v.a. X i Y se vor numi densiti marginale
i vor fi :
f1(x) = F1(x) =
(5.13)
f (u , v )dv
f2(y) = F2(y) =
f (u , y )dv
P(Y y, x X x x
P( x X x x)
F ( x x, y ) F ( x, y )
=
F ( x x,) F ( x,)
i atunci
F(yx) = lim
x
F ( x x, y ) F ( x, y )
=
F ( x x,) F ( x,)
F ( x x, y ) F ( x, y ) / x
F ( x x,) F ( x,) / x
Fx ( x, y )
.
F1( x)
Pentru
determinarea
densitii
de
probabilitate
condiionat se va deriva n raport cu y funcia de repartiie
exprimat mai nainte i vom obine c
1
f ( x, y )
Fxy ( x, y )
f(yx) = Fy(yx) =
,
F1( x)
f1 ( x )
relaie n care am inut seama de formula (5.11). Permutnd
literele x i y se gsete a doua relaie din (5.16).
Exemplu. V.a. bidimensional (X, Y) care are densitatea de
probabilitate
=
f(x, y) = 1/ [21 2
1 2
]exp
2(1 2 )
( x m1 ) 2
( x m1 )( y m2 ) ( y m2 ) 2
, (x, y) R2
2
2
1 2
1
2
(5.7.)
se spune c are repartiie normal bidimensional, unde
parametrii au valorile: m1 , m2 R , 1, 2 > 0, iar < 1.
1) S se arate c
f(x, y) este o densitate de
probabilitate.
2) S se determine densitile marginale ale v.a. X i Y.
Rezolvare. 1) Se vede c f(x, y) 0, (x, y) R2, i apoi
se face schimbarea de variabile
x m1 y m2
2
2
(
1
) u
2
1
y m2 2 v
2
1 2 pentru a
avnd determinantul funcional J = 2 12
calcula
R 2 f ( x, y ) dx dy = R 2 f (u, v) J du dv =
34
1 u
e
v 2
du dv =
=1
u
e
).
2) Densitatea marginal a v.a. Y este
f2(y) =
f (u , y )
du =
( y m2 ) 2
= exp
2 22 12
2
u m1
y m2
2
2
1
exp 2(1 2 )
1 2
du
2
2
2(1 2 ) t
i se obine
f2(y) =
1
2 2
( x m1 ) 2
2 12
dt =
1
2 2
( y m2 ) 2
2 22
1
1 2
( x m1 ) 2
2 12
X m
1
g(z) = f (( )(z)) =
e 2
2
care este densitatea de probabilitate a unei v.a. N(0, 1).
-1
<Y<
) = G(
)-
1
2 x
(g
) + g(-
)) =
2
2
e 2 =
2 x 2
2
2
x 2 e 2
2
36
2
1
f(x) = g(x )= / 2
( x 2 ) / 21 e 2 =
2 ( / 2)
2
/2
1
x / 21e x / 2
( / 2)
i
unde J este jacobianul transformrii T-1, J = det
y
j
n.
Propoziia 6.6. Dac X i Y sunt v.a. independente,
avnd
repartiiile
2
X N(0, ) i Y n (), atunci v.a.
T=X/
Y
n
(6.3)
este repartizat Student cu n grade de libertate.
Dem. Densitatea de probabilitate a vectorului aleator (X,
Y) este, din condiiile enunate, produsul densitilor
corespunztoare acestor repartiii :
37
y
n
x
1
1
1
2
y 2 e 2 ,
f(x, y) =
e 2
( n / 2)
2
x R, y > 0
y
, t R
n
t x/
u y / n, u 0
J = D(t , u ) 2nu2
se obine, nlocuind n formula (6.2), c densitatea de
probabilitate a vectorului aleator (T, U) este
n
n2
g(t, u) =
n 1
2
u e
u21
2 2
(t 2 n)
n1( n / 2)
g1(t) = g (t , u )du
0
n 1
2
n 1
1
2
2 2
2
t n
n
2
(n / 2)
1
2
n 1
2
n 1
2
u2
2 2
e v g (t , u )du =
n 1
2
n1
(t n)
2
t2
1
n
n 1
2
n 1
n 1
2
n ( n / 2)
n 1
2
gz(z) =
f ( z y, y )
dy =
f ( x, z z )
dx
(6.4)
38
z x y
T:
uy
x z u
:
uy
cu
D ( x, y )
= 1.
D( z, u )
J=
gz(z) =
f1 ( z y ) f 2 ( y )
dy =
f 1 ( x ) f 2 ( z x ) dx
gz(z) =
f(
z
1
, y)
y
y
dy =
f ( x,
z
1
)
x
x
dx
(6.5)
jacobianul transformrii va fi J =
1
u
0
z xy
. Atunci
uy
z
2
u =
1
formula (6.2) c
g(z, u) = f(
1
z
, u) u .
u
39
z
u,
y u
x
iar
1
. Rezult din
u
gz(z) =
f1 (
z
1
) f 2 ( y )
y
y
dy =
f 1 ( x ) f 2 (
z
1
)
x
x
dx
X
,
Y
gz(z) =
dy
f ( zy , y ) y
(6.6)
x
gz(z) =
f 1 ( zy ) f 2 ( y ) y
dy
X / n1 n2 X
Y / n2
n1Y
v.a.
(6.7)
1
n1
2
2 ( n1 / 2) x
n1
n1
1
2
1
2
n1 n2
2
n1 n2
x
2 2
n2
2
2 ( n2 / 2)
n1
( n1 / 2) ( n2 / 2)
x2 y
Se efectueaz substituia
n2 x
u
n y, u0
v n2 y, v 0
n1
cu jacobianul
40
n2
n2
1
2
x y
22
n2
1
2
y
2 2
; x, y > 0
J=
D ( x , y ) n2
v
D (u , v)
n1
(n1 / n2 ) u
n1 n2
2
n1 n2
n1
n n
1 1 2
2
2
(n1 / 2)(n2 / 2)
n2
2 2 n1
n
(1 1 u ) v
n2
; x, y > 0
f1(u) = f (u , v )dv n
0
2
g(y) =
( n1 / 2)( n2 / 2)
n1
n2
n2
2
n2
1
2
n
1 y 1
n
2
n1 n2
2
<X<
) = F(
1
y
f (
adic
41
) + f (-
),
) - F (-
g(y) =
1
2
n 1
y n1
2
y 2 (1 ) 2
(1 / 2) ( n / 2)
n
Aplicaii
1. La o agenie de nchiriere de maini a fost nregistrat numrul de autoturisme cerut zilnic pe o perioad de 50 zile, obinndu-se valorile:
Cererea
zilnic
numrul
zile
de 3
12
14
10
X:
x2 x x 1 .
4 8
3. Se d funcia
42
k,
f(x) =
x 3, k R
81
2 , x 3
8x
a) X :
k k 0,1,. n
k k n k
C p q p, q 0, pq 1
n
k k N
b) X :
.
e 0
k!
6. Fie X o v.a. binominal. Dac se noteaz
Pk = P(X = k) = Cnk pkqn-k, k =
0, n
, p, q 0, p + q = 1
X
.
Y
k
, x, y R, k R.
(1 x )(1 y 2 )
2
44
f(x, y) =
1
x p1 ( y x) q1 e y , 0 x y
( p )(q )
0, `nrest
45
de