Documente Academic
Documente Profesional
Documente Cultură
Variabile aleatoare
n practic
a, variabilele aleatoare apar ca functii ce depind de rezultatul efectu
arii unui anumite experiment. Spre
exemplu, la aruncarea a dou
a zaruri, suma numerelor obtinute este o variabil
a aleatoare. n general, n experimente
n care num
ar
am (masini aflate pe sosea, arunc
ari ale unui zar pn
a la obtinerea unui sase, piese defecte, etc)
variabilele aleatore obtinute sunt variabile aleatore discrete, iar n experimentele n care m
asur
am (voltajul electric, cantitatea de ap
a de ploaie, duritatea unui anumit material, etc), variabilele aleatoare obtinute sunt variabile
aleatoare continue.
Definitia matematic
a precis
a este urm
atoarea.
Definitia 2.1 (Variabil
a aleatoare) O variabila aleatoare reala pe spatiul de probabilitate ( F ) este o functie
: R masurabila n raport cu -algebrele corespunzatoare (F pe , respectiv -algebra Boreliana B pe R),
adica cu proprietatea ca
1 () = { : () } F
pentru orice multime Boreliana B.
Pentru a calcula diverse caracteristice numerice asociate variabilei aleatoare , introducem functia de distributie corespunz
atoare, dup
a cum urmeaz
a.
Definitia 2.2 (Functia de distributie) Functia de distributie a unei variabile aleatoare este functia = :
R R definita prin
() = ( )
R
(8)
Observatia 2.3 Folosind functia de distributie a variabilei aleatoare putem spre exemplu determina probabilitatea ca variabila sa ia valori ntr-un anumit interval ( ]:
( ) = () ()
(9)
are propriet
atile cerute. Pentru aceasta se demonstreaz
a mai nti c
a
{ : () } = { : ()}
de unde rezult
a imediat (deoarece = este m
asura Lebesgue pe intervalul (0 1))
({ : () }) = ({ : ()}) = ((0 ()]) = ((0 ()]) = ()
ceea ce arat
a c
a este functia de distributie a variabilei aleatoare .
2.1
1 2 3
=
(10)
1 2 3
Observatia 2.6 Daca este o variabila aleatoare discreta ce ia valorile 1 2 3 cu probabilitatile 1 2 3 ,
atunci au loc urmatoarele.
1. Daca este un interval ce nu contine nici una din valorile posibile ale variabilei aleatoare discrete , atunci
( ) = 0
2. Probabilitatea ca variabila aleatoare sa ia valori ntr-un interval = ( ] este data de
X
( ) =
(11)
(12)
adica este egala cu suma probabilitatilor corespunzatoare valorilor posibile pentru care .
3. Suma tuturor probabilitatilor corespunzatoare valorilor este egala cu 1, adica
X
= 1
(13)
X
1
( = ) = ( {1 2 3 }) = () = 1
Dac
a este o variabil
a aleatoare discret
a, vom spune c
a functia de distributie corespunz
atoare este o functie
de distributie discret
a (sau c
a are o distributie discret
a).
Definitia 2.7 (Functie de densitate de probabilitate) Pentru o variabila aleatoare discreta ce ia valorile
1 2 3 cu probabilitatile 1 2 3 definim func
tia de probabilitate = prin
daca = ( = 1 2 3 )
() =
0
n rest
Cunoscnd functia de probabilitate a unei variabile aleatoare (sau valorile posibile si probabilit
atile respective),
putem determina functia de distributie corespunz
atoare astfel:
X
X
() =
( ) =
(14)
f (x)
1
6
1 2 3 4 5 6
F (x)
1
1
6
1 2 3 4 5 6
Figure 1: Graficul functiei de probabilitate () si a functiei de distributie () a variabilei aleatoare reprezentnd rezultatul arunc
arii unui zar.
Exemplul 2.8 Sa consideram variabila aleatoare reprezentnd rezultatul aruncarii unui zar. Atunci are ca
valori posibile 1 2 6 cu probabilitati 16 fiecare, si deci este o variabila aleatoare discreta
1 2 3 4 5 6
=
1
1
1
1
1
1
6
daca {1 2 6}
n rest
26
3
() =
6
6
1
daca
daca
daca
daca
daca
daca
daca
1
12
23
34
45
56
6
De observat legatura ntre graficele functiei de probabilitate () si a functiei de distributie () din Figura 7.
Exemplul 2.9 Sa consideram variabila aleatoare reprezentnd numarul de fete stema obtinute la aruncarea a 3
monede.
n acest caz variabila aleatoare ia valorile 0 1 2 3 cu probabilitatile 18 38 38 18 , deci putem reprezenta variabila
aleatoare sub forma
0 1 2 3
=
1
3
3
1
8
1 2 3
=
1
1
1
2
4
8
9
f (x)
3
8
1
8
0 1 2 3
F (x)
1
8
1 2 3
Figure 2: Graficul functiei de probabilitate () si a functiei de distributie () a variabilei aleatoare reprezentnd num
arul de steme obtinute la aruncarea a dou
a monede.
De observat ca relatia (50) este verificata n acest caz: folosind formula seriei progresiei geometrice, obtinem:
X
1
2.2
X 1
1 1 1
1 1
= + + + =
2
2 4 8
21
1
1
2
= 1
10
(16)
=
=
lim ( )
%
&
lim ( ) ( )
%
&
lim () ()
%
&
lim
%
&
Z
()
()
= 0
Din relatia (16) rezulta ca spre deosebire de cazul variabilelor aleatoare discrete, n cazul unei variabile aleatoare
continue urmatoarele probabilitati sunt egale
( ) = ( ) = ( ) = ( ) = () () =
R
toate fiind egale cu () (aria de sub graficul functiei de densitate () ntre si ).
Mai general, pentru orice interval R avem
Z
( ) = ()
()
(17)
(18)
Reciproc, daca functia de densitate este o functie continua (eventual cu exceptia unui numar finit de puncte),
din relatia (15) rezulta ca functia de distributie a unei variabile aleatoare continue este o functie continu
a, si mai
mult, ca este o functie derivabil
a (eventual cu exceptia punctelor de discontinuitate ale functiei de densitate ()).
Derivnd relatia (15) n raport cu obtinem
0 () = ()
(19)
pentru orice R pentru care functia () este continua. Aceasta relatie ne permite sa determinam functia de
densitate () atunci cnd cunoastem functia de distributie ().
Observatia 2.15 Daca este o variabila aleatoare continua avnd functia de densitate (), atunci au loc urmatoarele.
1. Daca este un interval de numere reale, atunci
( ) =
()
(20)
()
adica este egala cu aria de sub graficul densitatii () ntre si (vezi Figura 13).
11
(21)
() = 1
(22)
() = ( ) = () = 1
Exemplul 2.16 Sa consideram variabila aleatoare continua avnd functia de densitate data de () = 075 1 2
pentru [1 1] si 0 n rest. Sa se
determine functia de distributie a variabilei aleatoare si sa se calculeze
probabilitatile 12 12 si 14 2 . Care este valoarea lui pentru care ( ) = 05?
Folosind relatia (15) distingem urmatoarele cazuri.
i) Daca 1, atunci
Z
Z
() =
() =
075 1 2 = 075
Z
() =
0 = 0
3
= 05 + 075 0253
3 1
075 1 2 = 1
0
05 + 075 0253
() =
1
1 1
1
Z 1
Z 12
2
1
1
() = 075
1 2 = 06875
=
2
2
12
12
1
1
1
1
075 025
075 025
=
= 05 +
05
+
= 06875
2
2
2
2
2
8
2
8
Z 2
1
Z 1
3
81
1
() = 075
1 2 = 075
2 =
1 = 256 03164
1
1
4
3
4
4
4
12
sau alternativ
1
1
075 025
81
2 = (2)
= 1 05 +
=
03164
4
4
4
64
256
Pentru a determina valoarea lui pentru care are loc egalitatea ( ) = 05, sa observam ca deoarece
3
( ) = (),
() = 05.
Obtinem deci 05 + 075 025 = 05,
2 relatia data se mai poate scrie sub forma
sau echivalent 3 = 0, cu solutiile 1 = 0, 2 = 3 si 3 = 3. Cum numai solutia = 0 convine (de
ce?), avem = 0.
Exercitii
Exercitiul 2.1 Desenati graficul functiei de probabilitate
2
{1 2 3}
14
() =
0
n rest
si a functiei de distributie corespunzatoare.
Exercitiul 2.2 Consideram functia de probabilitate () = 3 pentru {0 1 2 3} si 0 n rest. Sa se determine
valoarea constantei , si sa se reprezinte grafic functia si functia de distributie corespunzatoare.
Exercitiul 2.3 Sa se reprezinte grafic functiile si n cazul (0) = (3) = 16 , (1) = (2) = 13 . Poate functia
avea alte valori nenule?
Exercitiul 2.4 Fie variabila aleatoare reprezentnd numarul de ani nainte ca o anumita piesa sa se defecteze.
Presupunem ca are functia de probabilitate () = 3 pentru {0 1 2 3 4} si 0 n rest. Sa se reprezinte
grafic functia si functia de distributie corespunzatoare.
Exercitiul 2.5 Daca variabila aleatoare are functia de probabilitate () =
determine valoarea constantei si probabilitatea ( 3).
pentru N si 0 n rest, sa se
Exercitiul 2.6 Sa se reprezinte grafic functia de densitate () = 14 pentru (2 6) si 0 n rest, precum si functia
de densitate corespunzatoare. Sa se determine probabilitatile ( 4) si ( 3).
Exercitiul 2.7 n exercitiul anterior, sa se determine valoarea lui astfel nct:
a) ( ) = 90%
b) ( ) =
1
2
c) ( ) = 5%
Exercitiul 2.8 Functia de distributie a unei variabile aleatoare este data de () = 0 daca 0 si () =
1 01 daca 0. Sa se reprezinte grafic si functia de densitate . Sa se determine valoarea lui astfel nct
( ) = 95%.
Exercitiul 2.9 Fie grosimea (n milimetri) a unei garnituri produse de o anumita masina. Presupunem ca
variabila aleatoare are functia de densitate () = daca 09 1 si 0 n rest. Sa se determine . Care
este probabilitatea ca o garnitura produsa va avea o grosime ntre 095 si 105 mm?
Exercitiul 2.10 Doua suruburi sunt alese la ntmplare fara nlocuire dintr-o cutie ce contine 7 suruburi cu filet pe
dreapta si 3 suruburi cu filet pe stnga. Fie variabila aleatoare reprezentnd numarul de suruburi extrase avnd
filetul pe partea stnga. Sa se determine ( = 0), ( = 1), ( = 2), (1 2) si (05 5).
Exercitiul 2.11 Sa se determine probabilitatea ca nici unul din cele trei becuri ale unui semafor sa nu trebuiasca
schimbat n primele h1500 ore de functiionare daca durata de viata a unui bec este o variabila aleatoare avnd
2
densitatea () = 6 025 ( 15) pentru 1 2 si 0 n rest, unde este masurat n multiplii de 1000 ore.
Exercitiul 2.12 Daca diametrul al unei bare este o variabila aleatoare avnd densitatea () = pentru
11199 1201 si 0 n rest, aproximativ cte bare vor fi defecte ntr-un lot de 500 bare, daca o bara este
considerata defecta cnd diametrul ei este mai mic dect 11991 sau mai mare dect 12009?
13
Exercitiul 2.13 Daca durata de viata a unui rulment este o variabila aleatoare cu densitatea () = 02
pentru 0 10 si 0 n rest, care este valoarea lui ? Care este probabilitatea ( 5)?
Exercitiul 2.14 Sa se determine functia de probabilitate a variabilei aleatoare reprezentnd numarul de aruncari
ale unui zar pna la aparitia fetei 6. Sa se verifice ca are loc relatia (50).
Exercitiul 2.15 Presupunem
suruburi au o lungime = 400+ mm, unde este o variabila aleatoare
ca anumite
2
0
2 4
() =
2
3
5
1
3
Sa se determine si sa se reprezinte grafic functia de densitate corespunzatoare. Care este probabilitatea ca
sa fie cuprins ntre 25 (40% profit) si 5 (20% profit)?
Exercitiul 2.19 Fie o variabila aleatoare ce poate lua orice valoare reala. Care sunt complementarele evenimentelor { }, { }, { }, { }, { }, { }?
Exercitiul 2.20 Aratati ca daca atunci ( ) ( ).
2.3
(23)
()
dac
a
este
o
v.a.
continu
a
() =
2
( ) () dac
a este o v.a. continu
a
(24)
unde prin am notat functia de probabilitate a lui n cazul n care este o variabil
a aleatoare discret
a, respectiv
functia de densitate a lui n cazul n care este o variabil
a aleatoare continu
a.
Abaterea
p
atratic
a medie () a variabilei aleatoare se defineste ca fiind radicalul dispersiei, adic
a
p
() = 2 ().
Media () a unei variabile aleatoare se mai numeste valoarea asteptat
a / asteptarea lui , deoarece ea
este egal
a cu valoarea medie a lui atunci cnd se efectueaz
a multe ncerc
ari.
Cantit
ati precum () (media) sau 2 () (dispersia) care indic
a anumite propriet
ati ale distributiei n cauz
a
se numesc parametrii ai distributiei. Media si dispersia sunt cei mai importanti parametrii ai unei distributii.
Observ
am c
a n general (cu exceptia cazului unei variabile aleatoare discrete avnd o singur
a valoare posibil
a),
avem 2 () 0. n continuare vom presupune c
a () si 2 () exist
a (si sunt finite), ca n majoritatea cazurilor
ce apar n probleme practice.
14
f (x)
1
ba
F (x)
0 1
=
1
1
2
1
1
1
+1 =
2
2
2
2
1
1
1
1
1
0
+ 1
=
2
2
2
2
4
() =
respectiv
2 2
2
+
=
=
=
2 ( ) 2 ( )
2
2
2
3
Z
1
( )2
() =
2 () =
=
3 ( )
2
12
Figura 4 indica graficele functiei de densitate si a functiei de distributie corespunzatoare distributiei uniforme
pe intervalul ( ).
Dac
a o distributie este simetric
a (adic
a graficul functiei de probabilitate/densitate este simetruic fata de o
dreapt
a = ), atunci putem calcula media a distributiei folosind urm
atoarea.
Teorema 2.19 Daca functia (de probabilitate sau de densitate) a unei distributii este simetrica fata de dreapta
= , atunci media distributiei este () = .
Demonstratie. n cazul unei distributii continue avnd densitatea , conform definitiei mediei avem:
Z
Z
Z
() =
() =
() +
()
15
=
R
R
R
deoarece = 1 si deci = = 12 (functia fiind simetric
a fata de = ).
Demonstratia este similar
a n cazul unei distributii discrete.
2.4
n practic
a, deseori cunoastem media () si dispersia 2 () a variabilei aleatoare , si dorim s
a calcul
am media
si dispersia unei variabile aleatoare = + , unde R sunt constante. R
aspunsul este dat de urm
atoarea.
Teorema 2.20 (Transformarea mediei si dispersiei) Daca o variabila aleatoare are medie () = si
dispersie 2 () = 2 , atunci media si dispersia variabilei aleatoare
= +
( 0, R)
sunt date de
( ) = +
2 ( ) = 2 2
si
(25)
(26)
sau echivalent
( ) =
()
()
=
obtinem:
( ) =
16
Z
Z
1
() =
( ) =
Folosind substitutia =
Z
( + ) ()
=
Z
Z
=
() +
()
= +
R
conform definitiei medie a lui si deoarece = 1 (functia fiind o functie de densitate).
n mod similar putem calcula dispersia variabilei aleatoare
Z
2
( )2 ()
( ) =
2 1
=
( )
Z
1
( + )2 ()
=
Z
2
2
( ) ()
=
= 2 2
1
obtinem c
a variabila aleatoare standardizat
a = = are medie
() =
si dispersie
2 () =
=0
2
1
2 = 1
ncheind demonstratia.
2.5
Medie si momente
(27)
()
()
dac
a
este
o
v.a.
continu
a
unde reprezint
a functia de probabilitate a lui (n cazul unei variabile discrete) sau functia de densitate a lui
(n cazul unei variabile aleatoare continue).
17
iar n cazul alegerii functiei () = ( ) se obtine momentul centrat de ordin al variabilei aleatoare
Z
( ) =
( ) ( )
sau
( ) ()
(29)
Observ
am c
a momentul de ordin 1 ( = 1 n formula (28)) coincide cu media a variabilei aleatoare
= ()
si c
a momentul centrat de ordin 2 ( = 2 n formula (29)) coincide cu dispersia 2 a variabilei aleatoare
2 = ( )2 .
Exercitii
S
a se determine media si dispersia variabilei aleatoare n urm
atoarele cazuri ( reprezint
a functia de probabilitate sau de densitate a variabilei aleatoare ).
Exercitiul 2.21 () = 3 , {0 1 2 3} si 0 n rest.
Exercitiul 2.22 reprezinta rezultatul aruncarii unui zar.
Exercitiul 2.23 () = 2 pentru 0 1 si 0 n rest.
Exercitiul 2.24 () = pentru 0 si 0 n rest.
Exercitiul 2.25 = 4 2, unde este variabila aleatoare din anterior.
Exercitiul 2.26 este variabila aleatoare uniforma pe [0 10].
Exercitiul 2.27 Daca diametrul (n centimetri) al unor suruburi are densitatea () = ( 09) (11 )
pentru 09 11 si 0 n rest, sa se determine si 2 . Sa se reprezinte grafic densitatea .
Exercitiul 2.28 Daca n exercitiul anterior un surub este considerat defect atunci cnd diametrul sau difera cu
mai mult de 006 cm fata de 1 cm, care este probabilitatea ca un surub sa fie defect?
Exercitiul 2.29 n exercitiul anterior, care este valoarea maxima posibila a deviatiei fata de 1 cm pentru care
probabilitatea ca un surub sa fie defect este de 10%?
Exercitiul 2.30 Care este valoarea asteptata a sumei la aruncarea de 20 de ori a unui zar? Comparati valoarea
obtinuta cu valoarea experimentala (efectuati experimentul de un numar de ori si nregistrati valorile obtinute).
Exercitiul 2.31 O statie de benzina este alimentata n fiecare Smbata. Presupunem ca volumul de benzina
vnduta (n zeci de mii de litri) este o variabila aleatoare avnd densitatea () = 6 (1 ) pentru 0 1 si
0 n rest. Sa se determine media, dispersia si variabila aleatoare standardizata corespunzatoare lui .
Exercitiul 2.32 Ce capacitate trebuie sa aiba rezervorul din problema anterioara, daca probabilitatea ca rezervorul
sa fie golit ntr-o anumita saptamna este de 5%?
Exercitiul 2.33 Daca durata de viata a unor cauciucuri (n mii de kilometri) are densitatea () = pentru
0 si 0 n rest, ce kilometraj sunteti asteptat sa obtineti cu acest tip de cauciucuri? Pentru = 005, determinati
probabilitatea ca un cauciuc va avea o durata de viata mai de cel putin 30000 km.
Exercitiul 2.34 La aruncarea unui zar, o persoana cstiga attia lei cti indica zarul. Ct ar trebui sa plateasca
persoana pentru un joc, pentru ca jocul sa fie cinstit (echitabil)?
Exercitiul 2.35 Care este valoarea asteptata a profitului zilnic al unui magazin care vinde curcani pe zi cu
probabilitatile (5) = 01, (6) = 03, (7) = 04 si (8) = 02, daca profitul pentru un curcan vndut este de 35
lei?
18