Documente Academic
Documente Profesional
Documente Cultură
x1 x 2 ... x n
1
, unde p k = , k = 1, 2, ...n , n * .
X :
n
p1 p 2 ... p n
(3.1.1)
1
= 1.
k =1 n
pk =
k =1
1 n
1 n
1 n
M ( X ) = x k , D 2 ( X ) = x k2 2 x k .
n k =1
n k =1
n k =1
(3.1.2)
k =1
k =1
M ( X ) = xk pk = xk
1 1 n
= xk ,
n n k =1
D ( X ) = M ( X ) [ M ( X )] = x p k x k p k
k =1
k =1
= x k2
k =1
2
k
1 n
1
1 n
1 n
x k = x k2 2 x k .
n k =1
n
n k =1
n k =1
q.e.d.
Observaia 3.1.3. Deoarece D 2 ( X ) 0 , din relaia a doua (3.1.2) avem
2
n x xk ,
k =1
k =1
n
2
k
relaie util n diverse aplicaii practice, i care rezult direct i din inegalitatea
lui Cauchy-Buniakovski-Schwarz.
Propoziia 3.1.4. Dac variabila aleatoare discret X are distribuie uniform
cu tabloul de distribuie (3.1.1), atunci funcia sa caracteristic este
c(t ) =
1 n itxk
e , t R.
n k =1
(3.1.3)
c(t ) = p k e
k =1
itxk
1 n itxk
= e , t R.
n k =1
q.e.d.
Propoziia 3.1.5. Dac variabila aleatoare discret X are distribuie uniform
i ia valorile xk = k , k = 1, 2, ..., n , adic are tabloul de distribuie
1 2 n
X : 1 1
1 ,
n
n n
atunci
n +1
n2 1
,
, D2 (X ) =
12
12
nt
sin
i ( n +1) t
2
c(t ) =
e 2 , t R, t 2k , k Z ; c(t ) = 1, t = 2k , k Z .
t
n sin
2
M (X ) =
1 n
1 n
n +1
x
=
k=
,
k
n k =1
n k =1
2
D2 (X ) =
1 n 2 1 n
1 n 2 1 n
x
x
k
k n2
k n 2
k
n k =1
n k =1
k =1
k =1
1 n(n + 1)(2n + 1) 1 n 2 (n + 1) 2 n 2 1
.
=
2
=
n
6
4
12
n
Din formula (3.1.3), obinem pentru funcia caracteristic
c(t ) =
nt
nt
nt
nt
nt
nt
sin cos + i sin
2i sin cos
it
e
2
2
2
2
2
2 =e
=
t
t
t
t
t
t
n
n
2 sin 2 2i sin cos
sin cos + i sin
2
2
2
2
2
2
nt
nt
sin
e it sin
i ( n +1) t
(
1
)
n
t
n
t
(
1
)
2 e 2 , t R, t 2k , k Z ,
2 cos
=
+ i sin
=
t
t
2
2
n sin
n sin
2
2
c(t ) = 1, t = 2k , k Z .
it
2 sin 2
q.e.d.
P ( X = k ) = C nk p k q nk , k = 0,1, 2,..., n,
(3.2.1)
unde q = 1 p .
Tabloul de distribuie pentru variabila aleatoare X este
1
2
...
n
0
.
X : 0 0 n 1 n 1 2 2 n 2
n n 0
... C n p q
C n p q C n pq C n p q
Se observ c
k =0
k =0
Cnk p k q nk = Cnk p nk q k =( p + q) n = 1.
(3.2.2)
M ( X ) = 0 C n0 p 0 q n + 1 C n1 pq n1 + 2 C n2 p 2 q n2 + + n C nn p n q 0 = kC nk p k q nk .
k =0
k =0
k =0
= C nk p n k q k x n k = C nk p k q n k x k .
Derivnd polinomul de mai sus obinem
+ C nn1 pq n1 + 0 C nn q n = kC nk p k q nk x k 1 .
k =0
kC
k =0
k
n
p k q nk = np ( p + q ) n1 , de unde
rezult c M ( X ) = np .
Pentru a calcula dispersia lui X vom folosi formula
D 2 ( X ) = M ( X 2 ) [ M ( X )]2 .
n
+ 0 C nn q n = kC nk p k q nk x k .
k =0
unde q = 1 p.
Demonstraie. Dac este modulul variabilei X atunci
5
P( X = 1) P( X = ), P( X = + 1) P( X = ).
p
q
n + 1
p q
+ 1 n
np + p
np q,
q.e.d.
(3.2.4)
k =0
k =0
c(t ) = C nk p k q n k e itk = C nk ( pe it ) k q n k = ( pe it + q ) n , t R.
q.e.d.
Teorema 3.2.7. Dac variabilele independente X i Y au distribuii binomiale cu
parametrii n i p, respectiv m i p, atunci variabila X+Y are distribuie
binomial cu parametrii m+n i p.
Demonstraie. Deoarece X ia valorile 0,1,, n, iar Y ia valorile 0,1,, m,
rezult c variabila X+Y va lua valorile 0,1,, n + m. Variabila X+Y are valoarea
k ( k {0,1,, n + m}) dac (X=0 i Y=k) sau (X=1 i Y=k-1) sau ... sau (X=k i
Y=0). Atunci vom obine
k
k
P( X + Y = k ) = P { X = j , Y = k j} = P( X = j , Y = k j )
j =0
j =0
k
= P( X = j ) P(Y = k j ) = C nj p j q n j C mk j p k j q mk + j
j =0
j =0
= p k q m+ n k C nj C mk j = C mk + n p k q m+ n k .
j =0
C
j =0
j
n
P( X + Y = k ) = C mk + n p k q m+ nk , k = 0,1,, n + m,
c(t ) = pe it + q
) ( pe
n
it
+q
) = ( pe
m
it
+q
m+ n
, t R.
Din expresia de mai sus a funciei c tragem concluzia c variabila aleatoare X+Y
are distribuie binomial cu parametrii m+n i p.
q.e.d.
Teorema 3.2.8. (Bernoulli) Un eveniment are probabilitatea de realizare p
atunci cnd facem o singur dat experiena de care este legat. Dac n este
numrul de realizri ale evenimentului cnd repetm experiena de n ori,atunci
lim P n p = 0,
n
n
(3.2.5)
oricare ar fi > 0.
Demonstraie. Variabila aleatoare n care are ca valori numrul de realizri ale
evenimentului din problem are distribuie binomial cu parametrii n i p.
Conform Teoremei 3.2.2 avem M ( n ) = np i D 2 ( n ) = npq . Variabila aleatoare
n
n
pq
1
D 2 n = 2 D 2 ( n ) =
, =
n
n n
pq
.
n
7
n
n
i a = .
2
pq
P n p 2 = 2 .
n
n
Deoarece lim
n
pq
= 0 , din inegalitatea de mai sus rezult inegalitatea (3.2.5).
n 2
q.e.d.
Observaia 3.2.9. O mbuntire a inegalitii (3.2.5) este dat de teorema lui
Borel, care spune c n condiiile Teoremei 3.2.8 are loc relaia
P n p = 1.
n
(3.2.6)
(3.2.7)
0 1 2 n
X :
.
a0 a1 a 2 a n
Suma tuturor elementelor de pe linia a doua a tabloului de mai sus este 1. ntradevr
8
a0 + a1 + + a n = Q(1) = ( p1 + q1 )( p 2 + q 2 ) ( p n + q n ) = 1.
n
(3.2.8)
de unde rezult
n
k 2
(3.2.9)
k n
M ( X ) = pk .
(3.2.10)
k =1
Pentru x = 1 deducem din relaia de mai sus Q' (1) + Q' ' (1) = k 2 a k . Deci
k =1
(3.2.11)
k =1
Q' ' ( x) = p1 p 2 ( p j x + q j ) + p3 ( p j x + q j ) + + p n ( p j x + q j )
j 1, 3
j 1, n
j 1, 2
+ + p n p1 ( p j x + q j ) + p 2 ( p j x + q j ) + + p n1 ( p j x + q j ).
j 2,n
j 1, n 1
j 1,n
k 2
k n
+ + p n [ M ( X ) p n ] = M ( X )( p1 + p 2 + + p n ) ( p12 + p 22 + + p n2 )
n
= [ M ( X )]2 p k2 .
k =1
k =1
k =1
M ( X 2 ) = p k + [ M ( X )]2 p k2 .
(3.2.12)
k =1
k =1
k =1
k =1
k =1
= p k p k2 = p k (1 p k ) = p k q k .
O alt metod mai simpl pentru calculul mediei i dispersiei variabilei X este
urmtoarea: s notm cu X k variabila aleatoare care are ca valori pe 1 dac Ak se
realizeaz, i pe 0 dac Ak nu se realizeaz, pentru k = 1, 2,, n. Tablourile de
distribuie pentru variabilele X k sunt
1 0
, k = 1, 2,, n.
X k :
pk qk
Atunci numrul evenimentelor care se realizeaz este X = X 1 + + X n , deci
media sa va fi
10
k =1
k =1
M ( X ) = M ( X k ) = pk .
D (X ) = D (X k
2
k =1
) = {M ( X
n
k =1
2
k
) [M ( X k
)] } = ( p
n
k =1
p ) = pk qk .
2
k
k =1
q.e.d.
Pentru n = 1, legea binomial este cunoscut i sub numele de legea
Bernoulli cu parametrul p. Variabila aleatoare X care urmeaz legea Bernoulli
cu parametrul p admite doar dou valori posibile 0 i 1 cu probabilitile de
realizare q=1-p i p, avnd tabloul de distribuie
0
X :
q
1
, q = 1 p.
p
(3.3.1)
unde q=1-p.
Tabloul de distribuie pentru variabila aleatoare X este
X : m1 m 0
C m1 p q
m +1
m+2
m 1
m
m 1
m +1
p q C
p q
singur dat experiena este p, atunci numrul X de efecturi ale experienei este
variabil aleatoare care are distribuie binomial cu exponent negativ cu
parametrii m i p. ntr-adevr, evenimentul { X = k} se scrie ca intersecia a dou
evenimente: n primele k-1 efecturi ale experienei evenimentul A se produce
de m-1 ori i n a k-a efectuare a experienei se produce A. Probabilitatea
primului din aceste dou evenimente este C km11 p m1q k m , conform schemei lui
Bernoulli, iar probabilitatea celui de-al doilea este p. Deci
P( X = k ) = pC km=11 p m1q k m = C km11 p m q k m , k = m, m + 1,
m
,
p
D2 (X ) =
mq
.
p2
(3.3.2)
= kC km11 p m q k m .
k =m
m(m + 1) 2
m
x +,
x+
2!
1!
x (1,1).
=C
0
m 1
+C x+C
1
m
2
m +1
x + = C kk1m x k m ,
2
x (1,1)
k =m
sau
x (1,1).
(3.3.3)
k =m
Folosind seria de mai sus (cu x=q), observm c suma tuturor probabilitilor
de pe linia a doua a tabloului distribuiei variabilei X este 1. ntr-adevr
12
k =m
m 1
k 1
p q
k m
=p
k =m
m 1
k 1
k m
= p (1 q )
m
1 q
=
p p
= 1.
1 q
.
p p
Relaia (3.3.3) se scrie echivalent astfel
xm
=
C km11 x k
m
(1 x)
k =m
(3.3.4)
mx m1
=
kC km11 x k 1 ,
m +1
(1 x)
k =m
x (1,1).
(3.3.5)
mq m1
=
kC km11q k 1 .
m +1
p
k =m
(3.3.6)
M ( X ) = kC
k =m
m 1
k 1
p q
k m
=p q
m
m +1
kC
k =m
m 1
k 1
k 1
=p q
m
m +1
mq m1 m
= .
p
p m+1
k =m
k =m
mx m
=
kC km11 x k ,
m +1
(1 x)
k =m
x (1,1).
x m1m(m + x) 2 m1 k 1
= k C k 1 x ,
(1 x) m+ 2
k =m
x (1,1).
k 2Ckm11q k 1 =
k =m
q m1m(m + q )
.
p m+ 2
1 m
q m1m(m + q ) m(m + q )
,
=
p m+ 2
p2
m 2 + mq m 2 mq
2 = 2.
p2
p
p
q.e.d.
Propoziia 3.3.4. Dac variabila aleatoare X are distribuie binomial cu
exponent negativ cu parametrii n i p, atunci funcia sa caracteristic este
pe it
c(t ) =
it
1 qe
, t R.
(3.3.7)
k =m
pe it
, t R,
= p m e itm (1 qe it ) m =
it
1 qe
conform relaiei (3.3.3), care este adevrat i pentru numere complexe
x C , | x |< 1.
q.e.d.
1
X : m 0
p q
p q
p q
q
pe it
1
, D 2 ( X ) = 2 , c(t ) =
, t R.
p
p
1 qe it
C ak Cbn k
, k [max(0, n b), min(n, a )].
C an+b
(3.4.1)
0
0 n
X : C a Cb
Cn
a +b
1
1
a
n 1
b
2
a
CC
C an+b
C C .
2
n2
b
C C
C an+b
n 0
a b
n
a +b
n
C a +b
k =0 C a +b
n
C
k =0
k
a
Cbn k =
1
C an+b = 1.
n
C a +b
Exemplul 3.4.2. Dac dintr-o urn care conine a bile albe i b bile negre se
extrag n bile una cte una, fr ntoarcerea bilei extrase n urn (sau se extrag n
bile simultan), iar X este numrul de bile albe extrase, atunci X are distribuie
hipergeometric cu parametrii a, b i n, conform schemei hipergeometrice
(schema bilei nentoarse).
15
unde p =
D 2 ( X ) = npq
a+bn
,
a + b 1
(3.4.2)
a
b
, q = 1 p =
.
a+b
a+b
C
k =1
k 1
a 1
Cbnk =
a
an
= ap .
C an+b11 =
n
a+b
C a +b
Pentru calculul dispersiei, vom calcula mai nti media variabilei X 2 ; avem
n
M (X 2) = k 2
k =0
n
n
C ak Cbn k
C ak Cbn k
C ak Cbn k
)
1
(
k
k
k
+
=
C an+b
C an+b
C an+b
k =0
k =1
an(a 1)(n 1)
an
a (a 1) n 2
a (a 1) n k 2 n k
C a +b 2 +
C a 2 Cb + M ( X ) =
=
n
n
a + b (a + b)(a + b 1)
C a +b
C a +b k = 2
an
.
a+b
(a + b)(a + b 1) a + b (a + b) 2
abn(a + b n)
a+bn
=
= npq
.
2
a + b 1
(a + b) (a + b 1)
D 2 ( X ) = M ( X 2 ) [ M ( X )]2 =
a
,
a+b
P ( X 1 = 0) =
b
.
a+b
16
X1 : a
b .
a+b a+b
a
a (a + b 1)
a 1
a
a
b
,
=
=
+
a + b 1 a + b a + b 1 a + b (a + b 1)(a + b) ) a + b
P( X 2 = 0) = P( X 2 = 0 / X 1 = 1) P( X 1 = 1) + P( X 2 = 0 / X 1 = 0) P( X 1 = 0)
b
b(a + b 1)
b
b 1
a
b
.
=
=
a + b 1 a + b a + b 1 a + b (a + b)(a + b 1) a + b
X2 : a
b .
a+b a+b
+
=
a+b2 a+ba+b
(a + b 2)(a + b) 2
a (a + b)(a + b 2)
a
=
=
.
2
a+b
(a + b 2)(a + b)
Asemntor se arat c
17
P( X 3 = 0) =
b
(= 1 P( X 3 = 1)).
a+b
X3 : a
b .
a+b a+b
Xk : a
b ,
a+b a+b
k = 1, 2,, n ,
a
na
=
= np .
a+b
k =1 a + b
M (X ) = M (X k ) =
k =1
D
k =1
(X k ) ,
q.e.d.
k
k!
e , k = 0,1, 2,
(3.5.1)
X : 0
e
0!
1
1!
2!
k!
(3.5.2)
k =0
k =0
k!
P ( X = k ) = e
= e e = 1.
D2 (X ) = .
(3.5.3)
k =0
k!
M (X ) = k
e = e
k =1
k 1
(k 1)!
= e e = .
k =0
k!
M (X 2) = k 2
+ M ( X ) = 2 e
k =2
k =1
k!
e = ( k 2 k )
k 2
(k 2)!
k =1
k!
e + k
k =2
k!
e = k (k 1)
+ M ( X ) = 2 e e + = 2 + .
19
c(t ) = e ( e
it
1)
, t R.
(3.5.4)
c(t ) =
k =0
k!
e e
itk
=e
k! e
itk
k =0
it
it
(e it ) k
=e
= e e e = e ( e 1) , t R.
k!
k =0
q.e.d.
Teorema 3.5.4. Variabilele aleatoare independente X 1 i X 2 au distribuii
Poisson cu parametrii 1 i respectiv 2 . Atunci variabila aleatoare X 1 + X 2
are distribuie Poisson cu parametrul 1 + 2 .
Demonstraie. Variabila aleatoare X 1 + X 2 are ca valori pe 0,1, 2, Fie
k 0 ntreg. Atunci avem
P ( X 1 + X 2 = k ) = P j =0 ( X 1 = j , X 2 = k j ) = P ( X 1 = j , X 2 = k j )
k
= P( X 1 = j ) P( X 2 = k j ) =
j =0
j =0
j
1
j!
e 1
j =0
k j
2
(k j )!
e 2 =
e ( 1 +2 )
k!
C
j =0
j
k
1j k2 j
(1 + 2 ) ( 1 +2 )
.
e
k!
k
c(t ) = c1 (t )c2 (t ) = e 1 ( e
it
1)
e 2 ( e
it
1)
= e ( 1 +2 )( e
it
1)
it
1)
, t R , deducem
, t R.
Teorema 3.5.5. Fie k N fixat, iar pentru n > k considerm variabilele X n care
au distribuii binomiale cu parametrii n i p n , astfel nct toate s aib aceeai
valoare medie . Atunci are loc relaia
lim P( X n = k ) =
n
k
k!
e .
(3.5.5)
n(n 1) (n k + 1)
n
k!
n
n(n 1) (n k + 1)
= lim
lim1
k
n
k! n
n
n
nk
k
k!
1
n
nk
e ,
q.e.d.
k =0
k!
m3 = M ( X 3 ) = k 3
e .
21
m3 = k (k 1)(k 2)
k =2
= 3 e
k!
+ 32 e
k =2
k =1
k!
e + 3 k (k 1)
(k 3)!
k =3
k 3
k 2
(k 2)!
k =1
k!
e + k
+ e
k =1
k 1
(k 1)!
= 3 e e
+ 3 e e + e e = + 3 + .
3
3 = M ( X ) 3 = M ( X 3 3X 2 + 32 X 3 ) = M ( X 3 ) 3M ( X 2 )
+ 32 M ( X ) 3 = m3 3m2 + 32 m1 3 = 3 + 32 + 3 (2 + )
+ 33 3 = .
k =0
k!
m4 = M ( X 4 ) = k 4
e .
k =3
k!
m4 = k (k 1)(k 2)(k 3)
k =1
k!
+ 7 k (k 1)
+ 7 2 e
k =1
k!
e + k
k 2
k = 2 ( k 2)!
+ e
k =2
k!
e + 6 k (k 1)(k 2)
k 4
e = 4 e
k 1
k =1 ( k 1)!
k =4
(k 4)!
+ 63 e
k =3
k 3
(k 3)!
= 4 e e + 63 e e + 72 e e
+ e e = 4 + 63 + 72 + .
Apoi momentul centrat de ordinul al patrulea este
4 = M ( X ) 4 = M ( X 4 4X 3 + 62 X 2 43 X + 4 ) = M ( X 4 )
4M ( X 3 ) + 62 M ( X 2 ) 43 M ( X ) + 4 = m4 4m3 + 62 m2 43 m1 + 4
= 4 + 63 + 72 + 4 (3 + 32 + ) + 62 (2 + ) 44 + 4 = 32 + .
22
Capitolul 4
Legi clasice de probabilitate (distribuii sau
repartiii) ale variabilelor aleatoare continue
Introducere
Vom prezenta n acest capitol principalele legi de probabilitate ale
variabilelor aleatoare continue, i anume: legea continu uniform (rectangular),
legea normal (Gauss-Laplace), legea log-normal, legea gamma, legea beta,
legea 2 (Helmert-Pearson), legea Student (t) i cazul su particular legea
Cauchy, legea Snedecor i legea Fisher, legea Weibull i cazul su particular
legea exponenial.
, x 2 , + 2 ,
f ( x) =
0, x , + , .
2
2
(4.1.1)
f ( x) dx =
dx =
= 1.
23
x , ,
0,
2
F ( x) = x + , x , + ,
2
2
2
x + , .
1,
2
(4.1.2)
Figura 4.1.1
Figura 4.1.2
D2 (X ) =
2
12
(4.1.3)
M ( X ) = xf ( x) dx =
dx =
1 2
x
2
= ,
D ( X ) = ( x ) f ( x) dx =
2
1
dx =
(x )
( x )3
3
2
2
12
q.e.d.
Propoziia 4.1.3. Funcia caracteristic a unei variabile aleatoare X cu
distribuie uniform cu parametrii i este
24
i it
it +
2
2
, t R* ,
e
e
c(t ) = t
t = 0.
1,
(4.1.4)
c(t ) = e itx f ( x) dx =
e itx dx =
1 itx
e
it
it +
i it 2
e 2 ,
e
iar c(0) = f ( x) dx = 1.
q.e.d.
m2 = x 2 f ( x) dx =
x 2 dx =
1 3
x
3
3
1
3
2
1 2
2
3
3 +
= 2 +
.
=
4
12
3
m3 = x f ( x) dx =
3
1 4
x
dx =
x
4
3
1
=
+
4
2
1
2
3
3
3
=
+
=
+
(
4
)
,
4
4
3 = ( x ) f ( x) dx =
1
(x )
dx =
(x )4
4
= 0.
25
f1 ( x) dx = 1 i
f 2 ( x) dx = 1. Deducem din
1
aceste relaii c parametrii variabilei X sunt 1 = 1 i 1 = , iar parametrii
2
variabilei Y sunt 2 = 2 i 2 = 1. Atunci densitile de probabilitate vor avea
forma
1, x [0,1],
f1 ( x ) =
0, x [0,1],
1
,
f 2 ( x) = 2
0,
x [0,2],
x [0,2].
f ( x) = f1 ( x y ) f 2 ( y ) dy .
f ( x) = f1 ( x y ) f 2 ( y ) dy =
x
1
dy = .
2
2
x 1
1
1
dy = .
x 1 2
2
f1 ( x y ) f 2 ( y ) dy =
x 1
1
3 x
.
dy =
x 1 2
2
f1 ( x y ) f 2 ( y ) dy =
26
x / 2,
1 / 2,
f ( x) =
(3 x) / 2 ,
0,
1
f ( x; m, ) =
e
2
( xm )2
, x R.
2 2
(4.2.1)
xm
= y . Rezult c
2
dx = 2 dy . Dac x atunci y , iar dac x atunci y .
Obinem astfel
n integrala de mai sus facem schimbarea de variabil
f ( x) dx =
e y dy =
2
e y dy = 1.
2
e y dy = / 2 .
2
27
Figura 4.2.1
Pentru m = 0 i = 1 funcia f dat de relaia (4.2.1) devine
x2
1 2
f ( x; 0,1) =
e ,
2
x R.
(4.2.2)
1
+ ( x) ,
2
(4.2.3)
1 x t 2 / 2
e dt . Funcia de mai sus se numete funcia
2 0
integral a lui Laplace, pentru valorile creia sunt ntocmite tabele.
Dac variabila aleatoare X urmeaz legea normal cu parametrii m i
1
, atunci variabila aleatoare Y = ( X m) urmeaz legea normal cu parametrii
unde ( x) =
(4.2.4)
28
f1 ( x) = F1' ( x) = f (m + x; m, ) =
1 x2 / 2
= f ( x; 0,1), x R .
e
2
(4.2.5)
(4.2.6)
(4.2.7)
1
M ( X ) = xf ( x; m, ) dx =
( xm )2
xe
2 2
dx .
xm
= y , de unde
M (X ) =
+
m
2
1
2
ey
/2
(y + m)e y / 2 dy =
2
ye y
/2
dy
dy = m f ( y; 0,1) dy = m .
1
D ( X ) = ( x m) f ( x; m, ) dx =
2
2
( x m) e
2
( xm )2
2 2
dx .
1
2
D2 (X ) =
2
2
2
+
2
/2
2
2
2 y 2 e y / 2 dy =
2
y ye y
ey
y 2e y
/2
dy
) dy = 2 y(e ) dy = 2 ye
2
/2
y2 / 2
'
y2 / 2
dy = 2 .
imt
2t 2
, t R.
(4.2.8)
1
c(t ) = e f ( x) dx =
2
1
=
2
itx
1
=
e
2
e e
itx
x 2 2 x ( m + 2it ) + ( m + 2it ) 2 + m 2
m 2 + 4i 2t 2 + 2 mit 2 m 2
2 2
2 2
c(t ) =
imt
2t 2
2
1
dx =
2
x 2 2 mx + m 2 2 2itx
2 2
dx
2 2
dx
[ x ( m + 2it )]2
( x m )2
( m + 2it ) 2
2 2
dx , t R .
x (m + 2 it )
= u , obinem
2
e
u 2
du = e
imt
2t 2
2
, t R.
q.e.d.
Propoziia 4.2.4. Dac variabila aleatoare X are distribuie normal cu
parametrii m i , iar a, b, k R, k > 0 , atunci
bm
am
a) P(a < X < b) =
(4.2.9)
;
b) P(| X m |< k ) = 2 (k ) .
(4.2.10)
30
2
2
bm
am
=
.
b) Conform relaiei (4.2.9) obinem
P(| X m |< k ) = P(m k < X < m + k ) = (k ) (k ) = 2 (k ) ,
q.e.d.
(4.2.11)
2 p 1 = 0, 2 p = (2 p 1)!! 2 p , p N * ,
(4.2.12)
unde (2 p 1)!!= 1 3 5 (2 p 1) .
Demonstraie. Momentul centrat de ordinul k este
1
k = ( x m) f ( x) dx =
2
k
( x m) e
k
( xm )2
2 2
dx .
(4.2.13)
Obinem astfel
0 = f ( x) dx = 1, 1 = ( x m) f ( x) dx = 0, 2 = D 2 ( X ) = 2 .
31
k =
=
( 2 ) k
y e
( 2 ) k k 1 y 2
y e
2
= (k 1)
y2
( 2 ) k
dy =
2
+ (k 1)
( 2 ) 2 ( 2 ) k 2
( ) dy
y k 1 e y
( 2 ) k
2
'
y k 2 e y dy
2
y k 2 e y dy = (k 1) 2 k 2 .
2
1 x2 / 2
e
, x R.
2
1
=
2
1
f ( x y ) g ( y ) dy =
2
x
y
2
1
=
e 2(
2 2
x2
4
y x / 2= z
dy
( x y )2
2
x2
1 4
e
2
y2
2
z2
1
dy =
2
dz =
1
2
x2
y 2 xy +
dy
x2
4
x2
2 )2
, x R.
32
1
=
2
1
f ( x + y ) g ( y ) dy =
2
x
y +
2
1
=
e 2(
2 2
x2
4
y + x / 2= z
dy
( x+ y )2
2
x2
1 4
e
2
y2
2
z2
1
dy =
2
dz =
1
2
x2
y 2 + xy +
dy
x2
4
x2
2 )2
, x R.
im1t
12t 2
2
, c2 (t ) = e
im2t
22t 2
2
, t R.
i ( m1 + m2 ) t
2
2
1 + 2
)t
, t R.
2
2
1 + 2
)t
, t R.
q.e.d.
este
X np
1
lim P a < n
< b = P ( a < X < b) =
n
npq
2
e
a
x2 / 2
dx .
(4.2.14)
Teorema 4.2.9 ne spune c pentru valori mari ale lui n putem folosi tabelele
legii normale pentru studiul variabilelor aleatoare distribuite binomial. Pentru
n 30 , exist urmtoarea regul practic care ne permite s aproximm
distribuia binomial prin cea normal:
- Dac min (np, nq ) 10, atunci aproximarea este foarte bun.
- Dac min (np, nq ) (5,10), atunci aproximarea este acceptabil, dac nu
este nevoie de mare precizie.
- Dac min (np, nq ) 5, atunci nu se folosete aceast aproximare.
Teorema lui Moivre-Laplace este un caz particular al aa numitei Teorema
limit central, care spune c funcia de repartiie a unei sume de variabile
aleatoare independente tinde n condiii destul de generale ctre funcia de
repartiie normal. De fapt, prin Teorema limit central se nelege un grup de
teoreme care trateaz problema repartiiei limit a sumelor de variabile aleatoare
(nu ntotdeauna independente). Rezultatul cel mai general n cazul variabilelor
aleatoare independente este teorema lui Lindeberg-Fellar. n aplicaii este foarte
util un caz particular al acestei teoreme, prezentat mai jos.
Teorema 4.2.10. (Liapunov) Fie variabilele aleatoare independente
X n , n 1 cu mediile i dispersiile mn = M ( X n ) , n2 = D 2 ( X n ) , n 1, care au
momente centrate absolute de ordinul al treilea n3 = M (| X n mn |3 ) , n 1.
34
( n)
= 0 , unde (n) = 12 + 22 + + n2 i
n ( n )
Dac lim
1 n
( X k mk ) .
(n) k =1
P 2 <
< 2 P(2 < Y < 2) = (2) (2) = 2 (2) 0,95.
8
Aplicaia 4.2.12. De cte ori trebuie s aruncm un zar corect astfel nct
probabilitatea ca abaterea frecvenei relative a feei 1 de la numrul p=1/6 s
fie cuprins ntre -0,03 i 0,03, este 0,95.
Rezolvare. Dac n n aruncri faa 1 apare de n ori, vom determina pe n astfel
nct s aib loc relaia
(4.2.15)
35
np 0,03 n
= 0,95 , q = 1 p = 5 .
P n
<
npq
6
pq
(4.2.16)
0,03 n
,
pq
pq
5
0,18 n 1
0,18 n
= +
= 0,975.
F
5 2
5
=
0,005
3,99 4,002
= (1,6) (2,4) = (1,6) + (2,4) 0,937 .
0,005
Rezult atunci c probabilitatea ca piesa s fie defect este 1-0,937=0,063.
Aplicaia 4.2.14. O main produce o pies circular. Cnd maina este bine
reglat, diametrul d al pieselor are distribuie normal cu media 10 cm i
abaterea medie ptratic 0,08 cm. Se iau la ntmplare 4 piese fabricate de
main i se constat c media aritmetic a diametrelor acestor piese este 10,14
cm. Se poate afirma c maina s-a dereglat ?
Rezolvare. Fie d1 , d 2 , d 3 , d 4 diametrele celor 4 piese alese la ntmplare.
Acestea sunt 4 variabile aleatoare indepedente distribuite normal cu media 10 cm
36
4 i =1
d + d2 + d3 + d4 1 4 2
D 2 (d ) = D 2 1
= D (d i ) = 0,0016, (d ) = 0,04.
4
16 i =1
de unde rezult c P(9,88 < d < 10,12) 0,997 . Din aceast ultim relaie
deducem c d ia valori n afara intervalului (9,88; 10,12) cu o probabilitate mai
mic de 0,003. Deci este aproape sigur c maina s-a defectat.
2
e 2 , x > 0,
f ( x; m, ) = x 2
0,
x 0.
(4.3.1)
1
f ( x) dx =
2
1
e
x
ln x m
(ln x m ) 2
2
dx
=t
1
2
t2
2
dt = 1.
37
1
0 t e
1
F ( x) = f (t ) dt =
2
ln x m
= F
; 0,1,
ln t m
(ln t m ) 2
2
=u
dt
1
2
ln x m
u2
2
du
unde F(x;0,1) este funcia de repartiie normal standard. Deducem din ultima
ln X m
relaie c pentru valorile pozitive ale lui X, variabila Y =
urmeaz legea
normal standard.
mk +
2k 2
, k N *.
2,
(4.3.2)
mk = x f ( x) dx =
k
1
=
2
1
=
2
1
=
2
e e
ky
( y m)
x 2
2 2
(ln x m ) 2
ln x = y
dx =
2 2
x e
1
dy =
2
y 2 2 my + m 2 2 2 yk
2 2
dy
y 2 2 y ( m + 2 k ) + ( m + 2 k ) 2 ( m + 2 k ) 2 + m 2
2 2
dy
[ y ( m + 2 k )]2 4 k 2 2 m 2 k
2
1
dy =
e
2
4 k 2 + 2 mk 2
2 2
[ y ( m + 2 k )]2
2 2
dy.
Notm ( y m 2 k ) /( 2 ) = u i obinem
1
mk =
e
2
2 k 2 + 2 mk
2
u 2
2 du = e
mk +
2k 2
2
q.e.d.
Din relaia (4.3.2) deducem c media i dispersia variabilei X cu distribuie
log-normal cu parametrii m i sunt
M ( X ) = m1 = e
m+
2
2
D 2 ( X ) = m2 m12 = e 2 m+ (e 1) .
2
(4.3.3)
38
x p 1e x
,
f ( x ) = ( p )
0,
x > 0,
(4.4.1)
x 0,
f ( x) dx =
1 p 1 x
x e dx = 1.
( p ) 0
(4.4.2)
mk = x k f ( x) dx =
1 k + p 1 x
( k + p )
x
e dx =
( p ) 0
( p )
39
(k + p 1)(k + p 1)
(k + p 1) ( p + 1) p( p )
==
( p )
( p )
= (k + p 1)(k + p 2) ( p + 1) p.
=
q.e.d.
D 2 ( X ) = m2 m12 = p.
(4.4.3)
p x p 1e x
,
f ( x) = ( p )
0,
x > 0,
(4.4.4)
x 0,
p ( p + 1) ( p + k 1)
, k N *,
(4.4.5)
D 2 ( X ) = m2 m12 =
(4.4.6)
it
c(t ) = 1 , t R .
(4.4.7)
c ( k ) (0) k mk i k k (it ) k
mk .
t =
t =
c(t ) =
k!
k =0
k = 0 k!
k = 0 k!
Folosind formula (4.4.5) pentru momentele iniiale ale variabilei X, obinem
pentru funcia caracteristic formula
(it ) k
(it ) k p ( p + 1) ( p + k 1)
mk =
k
k = 0 k!
k = 0 k!
c(t ) =
=
k =0
p ( p + 1) ( p + k 1) it it
= 1 , t R.
k!
k
q.e.d.
Din relaia (4.4.7) pentru = 1, deducem c funcia caracteristic a unei
variabile X cu distribuie gamma cu parametrul p este
c(t ) = (1 it ) , t R .
p
(4.4.8)
(
p
)
f ( x) = g ( x) =
0,
x 0.
Dac x 0 atunci
0
h( x) = f ( x y ) g ( y ) dy + f ( x y ) g ( y ) dy = 0,
(n prima integral g(y)=0, iar n a doua integral f(x-y)=0).
41
h( x) = f ( x y ) g ( y ) dy =
1
1
( x y ) p 1 e x + y
y q 1e y dy
( p )
( q )
x
ex
( x y ) p 1 y q 1 dy.
=
0
( p ) ( q )
Pentru calculul ultimei integrale de mai sus facem schimbarea de variabil y=tx,
deci dy=xdt; pentru y 0 rezult t 0, iar pentru y x rezult
t 1. Obinem astfel
h( x ) =
x
=e x
1
e x x p + q 1 1 q 1
ex
p 1
q 1
=
x (1 x) p 1 dt
(
)
(
)
x
tx
tx
x
dt
0
0
( p ) ( q )
( p ) ( q )
p + q 1
B ( q, p )
e x x p + q 1
=
.
( p ) ( q ) ( p + q )
( p+q)
, t R.
Deducem din relaia obinut c X+Y are distribuie gamma cu parametrul p+q.
q.e.d.
Propoziia 4.4.8. Dac variabila aleatoare X urmeaz legea normal cu
1
parametrii m i , atunci variabila aleatoare Y =
( X m) 2 are o
2 2
distribuie gamma cu parametrul 1/2.
Demonstraie. S notm cu G(x) funcia de repartiie a variabilei Y. Deoarece
Y 0 , atunci pentru x 0 rezult c F ( x) = P(Y < x) = 0 . Pentru x > 0 avem
42
( X m) 2
X m
G ( x) = P(Y < x) = P
< x = P x <
< x
2
2
m + 2x m
m 2x m
= 2 ( 2 x ) =
2x
e t
/2
dt.
ex =
x 1 / 2 e x ,
g ( x) = (1 / 2)
x 0,
0,
q.e.d.
3 = ( x p) 3 f ( x) dx = x 3 f ( x) dx 3 p x 2 f ( x) dx + 3 p 2 xf ( x) dx
p
f ( x) dx = m3 3 pm2 + 3 p m1 p3 = p ( p + 1)( p + 2) 3 p 2 ( p + 1)
2
+ 3 p 3 p 3 = 2 p,
iar momentul centrat de ordinul al patrulea este
4 = ( x p) 4 f ( x) dx = x 4 f ( x) dx 4 p x 3 f ( x) dx + 6 p 2 x 2 f ( x) dx
4 p 3 xf ( x) dx + p 4 f ( x) dx = m4 4 pm3 + 6 p 2 m2 4 p 3 m1 + p 4
= p ( p + 1)( p + 2)( p + 3) 4 p 2 ( p + 1)( p + 2) + 6 p 3 ( p + 1) 4 p 4 + p 4 = 3 p 2 + 6 p.
43
B
p
q
(
,
)
f ( x) =
0,
x (0,1),
(4.5.1)
x (0,1),
f ( x) dx =
1
1
x p 1 (1 x) q 1 dx = 1.
B ( p, q ) 0
j)
B ( p, q ) =
l)
B ( p,1 p ) = ( p )(1 p ) =
sin( p )
, p (0,1).
p ( p + 1)( p + k 1)
, k N *.
( p + q )( p + q + 1) ( p + q + k 1)
(4.5.2)
B ( p, q )
B ( p, q )
(k + p 1) ( p + 1) p B( p, q )
k + p 1 B(k + p 1, q )
==
=
( p + q + k 1) ( p + q ) B( p, q )
B ( p, q )
p + q + k 1
p ( p + 1) ( p + k 1)
,
=
( p + q )( p + q + 1) ( p + q + k 1)
mk = x k f ( x) dx =
q.e.d.
p
,
p+q
D 2 ( X ) = m2 m12 =
pq
.
( p + q ) ( p + q + 1)
2
(4.5.3)
45
n
x
1
1
2
2
x e ,
n
2 n
f ( x ) = 2
2
0,
x > 0,
(4.6.1)
x 0.
n
x
1
2
2
x e dx = 1.
n 0
2
2
Pentru verificarea relaiei de mai sus , facem n integrala dat schimbarea de
variabil x/2=y, de unde rezult dx=2dy; dac x 0 atunci y 0 , iar dac
x atunci y . Obinem astfel
f ( x) dx =
f ( x) dx =
n
2
(2 y )
n 0
n
1
2
e y 2 dy =
n
2
y 2 e y dy
n 0
2 2
2 2
2
2
1
n
= 1.
=
n 2
2
n Figura 4.6.1 sunt reprezentate grafic funciile f pentru diverse valori ale
parametrului n.
Figura 4.6.1
46
(4.6.2)
n
2
2
mk = x k f ( x) dx =
n
2
x2
+ k 1
x
2
dx.
f ( x) dx , obinem
n
mk =
1
n
2
(2 y )
n
+ k 1
2
2 dy =
22
n
2
+k
y2
+ k 1
e y dy
2
2
2
2
n
2 k + k
= 2 k n n + 1 n + k 1 = n(n + 2) (n + 2k 2).
2
=
22 2
n
2
q.e.d.
M ( X ) = m1 = n,
D 2 ( X ) = m2 m12 = 2n.
(4.6.3)
1 2
1
2
2
x e
, x > 0,
n n
f ( x) = ( 2 )
2
0,
x 0.
(4.6.4)
47
(4.6.5)
(4.6.6)
n
2
c(t ) = (1 2it ) , t R .
2
(4.6.7)
(it ) k
(it ) k
nn n
mk =
c(t ) =
(2 2 ) k + 1 + k 1
22 2
k = 0 k!
k = 0 k!
nn n
+ 1 + k 1
n
2
2 k 22
= (1 2it ) 2 , t R.
= (2it )
k!
k =0
q.e.d.
Din relaia (4.6.7) pentru = 1, deducem c funcia caracteristic a unei
variabile X cu distribuie 2 cu n grade de libertate este
c(t ) = (1 2it ) 2 , t R .
(4.6.8)
X n n
2n
tinde pentru
48
0,
m
x
1
1
2
2
, x > 0,
x
e
m
2 m
f ( x ) = 2
2
0,
x 0,
x > 0,
x 0.
h( x) = f ( x y ) g ( y ) dy.
h( x ) =
m
2
m
2
2
e
=
2
m+ n
2
x
2
( x y)
m
2 2
m
1
2
x y
2
1
n
2
2
n
2
n
y
1
2
2
dy
( x y ) 2 y 2 dy.
49
h( x ) =
2
m+ n
2
=
2
m+ n
2
x
2
m n
2 2
x
2
m n
2 2
1
x
= m+ n
m+n
2
2
( x tx)
m
1
2
m+ n
1 1
2
0
(1 t )
m+ n
x
1
2
2
e ,
(tx)
m
n
1
1
2
2
n
1
2
x dt
m+ n
e 2x 2
m n
dt = m+ n
B ,
m n 2 2
2 2
2 2
x > 0.
c1 (t ) = (1 2it ) 2 ,
m
n
2
c2 (t ) = (1 2it ) , t R .
m+ n
2
, t R.
2 2
x
2
1 + ,
f ( x) =
n
n
n
2
x R.
(4.7.1)
50
n +1
n +1
n +1
n +1
2
2 2
x
2
2 x2 2
1 +
1 +
dx.
dx =
f ( x) dx =
n
n
n 0
n
n
n
2
2
n
dy. Intervalul [0, ) se transform n intervalul [0, ) i
2 y
astfel obinem
n +1
n +1
1 / 2
2 y
2 1 n
B ,
dy =
n 1
f ( x) dx =
+
n
2 2
n 0
(1 + y ) 2 2
2
2
n +1 1 n
2 2 2
= 1.
=
n +1
n
2
2
n k (2k 1)!!
, 2 k < n, k N * .
(n 2)(n 4) (n 2k )
(4.7.2)
51
n +1
n +1
2 2
x
2
(4.7.3)
m2 k +1 =
x 2 k +1 1 +
dx = 0,
n
n
n
2
deoarece funcia f este impar (integrala de mai sus este convergent). Dac
2k +1 n integrala din (4.7.3) este divergent, deci X nu are momente iniiale de
ordinul 2k + 1.
Pentru momentul de ordin par m2k , cu 2k < n avem
m2 k
n +1
n +1
2
2 2
2 x 2 k 1 + x
dx.
=
n
n 0
n
2
(4.7.4)
f ( x) dx = 1. Notm
n
dy. Intervalul [0, ) se transform n
2 y
n +1
n +1
1
n
2
2 k2
k
2
2
m2 k =
(
ny
)
(
1
y
)
dy
y
(
1
y
)
dy
+
+
=
0
n
n 0
2 y
n
2
2
n +1
n k
1 n
1
k + + k
2 k + 2 1
y
(1 + y ) 2 2 dy.
=
0
n
2
52
1 n
n +1
n +1
n k
n k
k + k
2 2
2
2 B k + 1 , n k =
m2 k =
n
2 2
n +1
n
2
2
2
1 n
1
1 n
k + k
k k k
k
k
n
2 2
2
2 2
= n
=
n n
n
1 1
2 2
2
1
3
3 n
k k k k
k
n
2
2
2 2
=
=
n n
n
1 2 2
2 2
2
1
3 1 1 n
k k k
k
n
n k (2k 1)!!
2
2 2 2 2
=
.
=
n 1 n 2 n k n k (n 2)(n 4) (n 2k )
2
2
2 2
Dac 2k n integrala din relaia (4.7.4) este divergent, deci variabila X nu are
momente iniiale de ordinul 2k.
q.e.d.
Din relaiile (4.7.2) deducem c dac n>1 atunci media variabilei X este
n
M(X)=0, iar dac n>2 atunci dispersia variabilei X este D 2 ( X ) =
.
n2
Legturile dintre distribuia Student i distribuia normal sunt prezentate n
urmtoarele dou teoreme.
Teorema 4.7.3. Dac f n este densitatea de probabilitate a unei distribuii
Student cu n grade de libertate atunci
lim f n ( x) = f ( x; 0,1), x R,
n
53
X= n
X n+1
X 12 + X n2
1
,
(1 + x 2 )
x R.
n1 + n2
n1
n 2 2 n1 1 n
x 2 1 + 1
1
n
f ( x) = n2
n1 n2
2
2 2
0,
n1 + n2
2
x > 0,
(4.8.1)
x 0.
n
f ( x) dx = 1
n2
n1
2
n + n2
1
n
2 21 1 n1
x 1 +
n1 n2 0
n2
2 2
n1 + n2
2
dx.
54
n
f ( x) dx = 1
n2
n1
2
n + n2
n1
1
1
n +n
n2 y 2
1 2 n2
2
2
(
)
y
dy
+
1
n1
n1 n2 0 n1
2 2
n + n2
1
n
n +n
1 2
2 21 1
2
y
y
dy =
=
+
(
1
)
n1 n2 0
2 2
n + n2
1
2 B n1 , n2 = 1.
n1 n2 2 2
2 2
, 2k < n2 , k N * .
n1k (n2 2)(n2 4) (n2 2k )
(4.8.2)
mk = x k f ( x) dx =
n1
n2
n1
2
n + n2
1
n1
2 x k + 2 1 1 + n1
n
n n
2
1 2
2 2
n1 + n2
2
dx.
n1
2
f ( x) dx = 1. Notm n1 x / n2 = y
n + n2
n
1
k + 1 1
n1 + n2
2 n2 y 2 (1 + y ) 2 n2 dy
n1
n n 0 n
1 2 1
2 2
55
n
= 2
n1
n
= 2
n1
n
= 2
n1
n
= 2
n1
n
= 2
n1
n + n2
1
n1
n1 + n2
2 y k + 2 1 (1 + y ) 2 dy
n n 0
1 2
2 2
n + n2
1
2 B k + n1 , n2 k
2 2
n1 n2
2
2
n n
n + n2
1
k + 1 2 k
2 2
2
n
n
n
n
+
2
1
1 2
2
2 2
n
n
n
k + 1 1 1 + k 1 2 k
2
=
2
2
n
n n
1 2 1 2 1
2
2 2
n
n
n n n
k + 1 1 k + 1 2 1 1 2 k
2
2
2 2 2
n
n
n
n n
1 2 1 2 2 2 k 2 k
2
2
2
2 2
n n1 (n1 + 2) (n1 + 2k 2)
= 2
.
n1 (n2 2)(n2 4) (n2 2k )
q.e.d.
Din relaia (4.8.3) deducem c pentru n2 > 2 media variabilei X este
n2
, iar pentru n2 > 4 dispersia variabilei X este
M (X ) =
n2 2
2n22 (n1 + n2 2)
D (X ) =
.
n1 (n2 4)(n2 2) 2
2
56
X 12 + + X n21
n2
X= 2
n1 X n1 +1 + + X n21 + n2
n1
2
n + n2
n +n
1
1 2
n
2 e n1x 1 + 1 e 2 x 2 ,
n
n n
2
1 2
2 2
x R.
(4.8.3)
1
G ( x) = P(Y < x) = P ln X < x = P(ln X < 2 x)
2
2x
2x
= P( X < e ) = F (e ), x R.
Deci densitatea de probabilitate a variabilei Y este
g ( x) = G ' ( x) = 2e 2 x F ' (e 2 x ) = 2e 2 x f (e 2 x )
n
= 2e n1x 1
n2
n1
2
n + n2
n +n
1
1 2
2 1 + n1 e 2 x 2 , x R.
n n n2
1 2
2
2
q.e.d.
57
0,
x 0.
(4.9.1)
f ( x) dx = x 1e x dx =1.
0
f ( x) dx =
ey
y dy = e y dy = 1.
0
1
+ 1 ,
D2 (X ) =
2 1
+ 1 + 1.
(4.9.2)
M ( X ) = x e x dx =
0
ey
1
1
y dy
1
y e y dy = + 1.
58
M ( X ) = x
2
+1 x
dx =
+1
2
dy = + 1.
2 1
+ 1 + 1 .
q.e.d.
Pentru = 1 legea (distribuia) Weibull se mai numete legea exponenial
(distribuia exponenial) de parametru . Deci densitatea de probabilitate a
unei variabile aleatoare X cu distribuie exponenial cu parametrul este
e x ,
f ( x) =
0,
x > 0,
x 0.
(2) =
D2 (X ) =
[(3) 2 (2)] =
it
c(t ) = 1 , t R .
(4.9.3)
59
( )
I1
Pentru I1 obinem
I1 = e x cos(tx) dx =
0
e x sin(tx) dx =
I2
1
(
e ) cos(tx) dx = e
x '
cos(tx)
1 t
(e ) sin(tx) dx = + (e
x '
1 t 2 x
sin(tx)
+ t2
2
. Pentru
t
. Obinem astfel pentru c(t)
+ t2
2
it
expresia c(t ) = 1 , t R.
q.e.d.
1e 1x , x > 0,
f1 ( x ) =
x 0,
0,
2 e 2 x , x > 0,
f 2 ( x) =
x 0.
0,
f ( x) = f1 ( x y ) f 2 ( y ) dy = 1e 1 ( x y ) 2 e 2 y dy
= 12 e x e ( ) y dy = 1 2 e x e ( ) y
0
1 2
x
x
0
12 x x
(e e ).
1 2
2
60
12
e 2 x e 1x ,
f ( x) = 1 2
0,
x > 0,
x 0.
f ( x) = e ( x y ) e y dy = 2 e x dy = 2 xe x .
Deci densitatea de probabilitate a variabilei X 1 + X 2 este
2 xe x ,
f ( x) =
0,
x > 0,
x 0.
h( x) = 2 ( x y )e ( x y ) e y dy = 3 e x ( x y ) dy =
x 2 e x .
Deci
3 2 x
x e , x > 0,
h( x ) = 2
0,
x 0.
n
x n1e x ,
k ( x) = (n 1)!
0,
x > 0,
x 0.
61
Bibliografie
1. G. Ciucu, Elemente de teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1963.
2. G. Ciucu, G. Smboan, Teoria probabilitilor i statistic matematic,
Editura Tehnic, Bucureti, 1962.
3. N. Cojocaru, V. Clocotici, D. Dobra, Metode statistice aplicate n
industria textil, Editura Tehnic, Bucureti, 1986.
4. Gh. Mihoc, N. Micu, Teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1980.
5. C. Reischer, A. Smboan, Culegere de probleme de teoria probabilitilor
i statistic matematic, Editura Didactic i Pedagogic, Bucureti,
1972.
6. R. Luca-Tudorache, Probleme de analiz matematic. Calcul integral,
Casa de Editur Venus, Iai, 2007.
62