Documente Academic
Documente Profesional
Documente Cultură
Leahu,
I. Lisnic, A. Moloniuc
Teoria Probabilitilor si a
Informaiei n Sistemul de
programe Mathematica
(Teorie, indicatii metodice si probleme propuse)
Chisinau
2015
1. ntroducere
1.1. Obiectul de studiu al Teoriei Probabilitatiilor
Apariia Teoriei Probabilitilor ca ramur a Matematicii dateaz din
sec. XVII i este legat de numele marilor matematicieni Blaise Pascal
(1623-1662), Pierre Fermat (1601-1665), Christian Huygens (1629-1695)
i Jacob Bernoulli (1654-1705), plecnd de la rezolvarea unor probleme
legate de jocurile de noroc. Necesitatea de a largi aria de aplicabilitate a
acestei teorii a condus la varianta ei moderna i anume, Teoria axiomatic
a Probabilitilor, propusa in anul 1933 de catre matematicianul rus
Andrei Nikolaevici Kolmogorov (1903-1987).
Daca e s ne referim la obiectul ei de studiu, putem spune ca Teoria
Probabilitilor studiaz modele matematice ale fenomenelor
(experimentelor)
aleatoare (nmpltoare, stochastice sau
indeterministe, cum li se mai spune). Aici se impun unele lmuriri
suplimentare.
Mulimea de fenomene care se ntlnesc n lumea nconjurtoare se
mparte n dou clase: fenomene deterministe si fenomene indeterministe
sau, cu alte cuvinte, fenomene aleatoare.
Spunem, astfel, ca fenomenul este determinist daca observatorul
poate anticipa cu certitudine evoluia acestuia. n calitate de exemplu
putem lua fenomenul atraciei universale. Observaiile fcute asupra
acestui fenomen i-au permis marelui matematician si fizician englez Isaac
Newton (1642-1727) s descopere Legea Atraciei Universale:
F=k
m1m2
1.2.1. Generaliti
a) nceputul lucrului. n calculator este instalat corect sistemul
Mathematica
Varianta 1. Poziia iniial: masa de lucru pe care este instalat
pictograma Mathematica-5. Facem dublu clic pe pictograma
Mathematica. Se lanseaz sistemul Matematica i apare fereastra
Untitled 1 i o palet cu simboluri. Se poate de scris ce trebuie n aceast
fereastr. Astfel se va ncepe un document. Dac paleta nu apare, atunci
ea poate fi instalat tastnd: File, Paletes, 4.Basicinput.
Varianta 2. Poziia iniial: masa de lucru pe care nu este instalat
pictograma Mathematica. Pentru a apela sistemul Mathematica tastm:
Start, Programs, Mathematica 5. Apare fereastra Untitled 1 i se poate de
nceput lucrul cu acest sistem.
b)Tipul documentelor. Documentele n sistemul Mathematica sunt de
tipul notebook. Ele conin, n caz general, texte cu comentarii i celule
care conin formule matematice i rezultatele rezolvrilor problemelor n
diferite forme, inclusiv tabele, matrice i grafice. Denumirile funciilor se
aseamn cu cele obinuite i se ncep cu liter majuscul: Sinx,
Saveeqn,x,...
c) Rezolvarea unei probleme. Pentru a rezolva o problem trebuie
de scris instruciunea respectiv i de tastat Shift+Enter (sau Enter de
lng cifre, din partea dreapt). Se afieaz
Innr.d.r :=instruciunea
Outnr.d.r=rezultatul.
n paranteze ptrate se conine numrul de rnd al problemei care s-a
rezolvat n documentul curent. Dac instruciunea n-a fost scris corect,
atunci se afieaz indicaii n privina greelii i coninutul instruciunii.
d) Finisarea lucrului. Dac dup lucrul cu documentul dat pentru
prima dat vrem s-l pstrm, atumci tastm : File, Save As (scriem
numele dorit al documentului), Save. Astfel noul document se va salva n
sistemul Mathematica. Dac se lucreaz cu un fiier vechi, atunci
salvarea redaciei noi a lui se efectueaz prin tastrile : File, Save.
Documentul poate fi salvat i pe un careva disc n mod obinuit.
e) Utilizarea parantezelor. Parantezele rotunde ( i ) se folosesc
pentru a grupa expresii; parantezele ptrate i se folosesc pentru
.
Exemplul 1. Se d o expresie aritmetic :
3 5 ( 25 4) 52
.
(1)
45 36
Se cere :a) s se determine valoarea exact a acestei expresii ; b) s se
determine o careva valoare aproximativ a expresiei date ; c) s se
determine o valoare aproximativ care conine 10 cifre semnificative.
Rezolvare. a) Pentru a obine valoarea exact a expresiei (1)
procedm astfel. Scriem aceast expresie cu ajutorul paletei n forma
(2.1) sau n forma
3 5 (25 4) 52
i tastm Shift+Enter (sau Enter
45 36
3 5 (25 4) 52
,10 i tastm Shift+Enter. Se afieaz
45 36
35 (25 4) 52
In4 :=
45 36
Out4=86.35802469.
Exemplul 2. S se determine primul numr prim.
Rezolvare. Scriem: Prime1 i tastm Shift+Enter. Se afieaz
In4 :=Prime1
Out5=2.
Exemplul 3. S se extrag rdcina ptrat din primul numr prim
(adic din doi): a) s se afieze rezultatul cu 20 cifre semnificative; b) s
se afieze o valoare aproximativ arbitrar.
Rezolvare. a) Scriem N [ 2 ,20] i tastm Shift+Enter. Se afieaz
In6 := N [ 2 ,20]
Out6 =1,4142135623730950488.
b) Scriem 2 //N i tastm Shift+Enter. Se afieaz :
In7 := 2 //N
Out7 =1,41421.
Exemplul 4. Se d expresia 5950 . Se cere : a) s se calculeze valoarea
exact a acestei expresii ; b) s se determine o valoare aproximativ cu 20
cifre semnificative ; c) s se determine o valoare aproximativ arbitrar.
Rezolvare. a) Scriem 59100 i tastm Shift+Enter. Se afieaz:
In8 := 5950
Out8 =348819360947527950510172346588429748447853806213639
14440454139574943350485761787882807001.
b) Scriem N5950,20 i tastm Shift+Enter. Se afieaz:
In9 := N5950,20
Out9 = 3.4881936091088.
c) Scriem 5950//N i tastm Shift+Enter. Se afieaz:
In10 := 5950//N
Out10 = 3.488191088.
c) Scriem N
Observm c am primit rezultate diferite, dar care difer foarte puin unul
de altul.
1.2.4. Exerciii din algebra liniar
Matricele pot fi notate cu A, B, M, a, b, m, i ele nu trebuie notate
cu C, D. O matrice se introduce n form de list, elementele creia sunt
liste care conin elementele liniilor matricei date. De exemplu matricea
a11
a12
a 22
a 32
a13
a 23 se introduce in document
a 33
a11
a 21
a
31
a12
a 22
a 32
a13
a 23 .
a 33
2
1
1
4
4
2 , B 2
5
1
1
5
6
3
2
7
8
1
6
5
1 ,
1
15
9
6
3
3
12
6 .
3
32
15
31
2
8
12
3 .
7
1
9
1
27
8
27
2
9
11
27
7
27
.
3
1
6) Pentru
a
determina
transpusa
matricei
A
TranspozeA//MatrixForm, tastm Shift+Enter i se afieaz
In8 :=TranspozeA//MatrixForm
Out8=MatrixForm=
1
2
4
5
1
2
scriem
1 .
1
10
15
6
5
6
6 .
2
3
3
3
5
3
In10:=M:={{-1,3,-1},{-3,5,-1},{-3,3,1}}.
Deci matricea M s-a introdus n document.
1) Pentru a determina valorile proprii scriem EigenvaluesM i tastm
Shift+Enter. Se afieaz
In10:=EigenvaluesM
Out10={2,2,1}.
2) Pentru a obine vectorii proprii scriem EigenvectorsM i tastm
Shift+Enter. Se afieaz
In11:=EigenvectorsM
Out11={{-1,0,3},{1,1,0},{1,1,1}}.
3) Pentru a determina i valorile proprii i vectorii proprii scriem
EigensystemM i tastm Shift+Enter. Se afieaz
In12:=EigensystemM
Out11={{2,2,1},{-1,0,3},{1,1,0},{1,1,1}}.
Exemplul 3. S se rezolve sistemul de ecuaii liniare
y1 y 2 y 3 y 4 7,
y y y y 1,
1
2
3
4
1,
y1 y 2
y 3 y 4 2.
2 x1 3x 2 x3 8,
5 x1 2 x 2 2 x 3 6,
x 4 x 3 x 9.
2
3
1
Rezolvare. Scriem
Solve{2x1+3x2x3==8,
5x12x2+2x3==6,
x1+4x23x3==9},{x1,x2,x3} i tastm Shift+Enter. Se afieaz
In[13]:=Solve{2x1+3x2x3==8,5x12x2+2x3==6,x1+4x23x3==9},
{x1,x2,x3}
Out[13]={{x12,x21,x31}}.
S-a obinut soluia x1=2, x2=1,x3=1.
1.2.5. Calcul diferenial si calcul integral
al funciilor reale de o variabil real
n sistemul Mathematica funciile se noteaz asemntor cu notaiile
obinuite, prima liter fiind majuscul. Argumentele funciilor sunt
delimitate cu paranteze ptratice i . Exemple:
Sinx este notaia expresiei sinx; Cosx cosx; Tanx tgx;
ArcSinx arcsinx; Logx lnx; Logb,x logbx; Expx ex;
Sqrtx rdcina ptrat din x;
a) Calculul limitelor. Printre funciile care pot fi aplicate la
rezolvarea exerciiilor din acest punct sunt urmtoarele.
Limitf,xa - calculeaz limita funciei f(x) n punctul a;
Limitf,xInfinity - calculeaz limita funciei f(x) cnd x tinde la
infinit;
Limitf,xa,Directiona - calculeaz limita la dreapta a funciei
f(x) n punctul a;
Limitf,xa,Direction+a - calculeaz limita la stnga a funciei f(x)
n punctul a;
...
Exemplul 1. S se calculeze limitele: a) lim
x 0
x 2 2x 1
lim
x 2 x 2 3 x 2
1
.
x 1 0 1 31 /( x 1)
lim
( 2 x 1) /( x 1)
cos 2 x e 3 x
;
ln(1 4 x )
1
;
x 1 0 1 31 /( x 1)
c) lim
b)
d)
Cos[2 * x ] E 3* x
,x0] i tastm
Log[1 4 * x ]
Shift+Enter. Se afieaz
Cos[ 2 * x ] E 3*x
,x>0]
Log[1 4 * x]
In[1]:=Limit[
Out[1]=
3
.
4
x2 2 * x 1
b) Scriem Limit[
2
2* x 3* x 2
tastm Shift+Enter. Se afieaz
x2 2 * x 1
2* x 3* x 2
In[2]:=Limit[
Out[2]=
( 2* x 1) /( x 1)
,xInfinity]
( 2* x 1) /( x 1)
,xInfinity]
1
.
4
1
,x1,Direction1]
1 31 /( x 1)
Shift+Enter. Se afieaz
1
In[3]:=Limit[
,x1,Direction1]
1 31 /( x 1)
Out[3]=0.
1
d) Scriem
Limit[
,x1,Direction+1]
1 31 /( x 1)
Shift+Enter. Se afieaz
1
In[4]:=Limit[
,x+1,Direction+1]
1 31 /( x 1)
Out[4]=1.
c) Scriem
Limit[
tastm
tastm
In[7]:=D[ArcTan[Log[x]]+Log[ArcTan[x]],x]
1
1
Out[7]=
.
2
(1 x ) ArcTan [ x] x(1 Log[ x] 2 )
n aceast expresie Log[ x ] 2 nseamn Log 2 x .
b) Scriem D[ArcTan[Log[x]]+Log[ArcTan[x]],x,2] i tastm
Shift+Enter. Se afieaz
In[8]:=D[ArcTan[Log[x]]+Log[ArcTan[x]],x,2]
1
2x
Out[8]=
(1 x 2 ) 2 ArcTan [ x] 2 (1 x 2 ) 2 ArcTan [ x]
2 Log [ x]
1
2
.
2
2 2
x (1 Log[ x] )
x (1 Log[ x] 2 )
c) Scriem Dt[ArcTan[Log[x]]+Log[ArcTan[x]]] i tastm Shift+Enter. Se
afieaz
In[9]:=Dt[ArcTan[Log[x]]+Log[ArcTan[x]]]
Dt[ x ]
Dt[ x]
Out[9]=
.
2
(1 x ) ArcTan [ x] x(1 Log[ x] 2 )
n expresia precedent Dtx nseamn dx.
d) Calculul integralelor. Pot fi aplicate funciile ce urmeaz.
Integratef,x calculeaz primitiva (integrala nedefinit) a finciei
f(x) ;
Integratef,{x,a,b} calculeaz integrala definit a finciei f(x) pe
intervalul [a,b], a b;
Integratef,{x,a,Infinity} - calculeaz integrala definit a finciei f(x) pe
intervalul [a,);
NIntegratef,{x,a,b} - calculeaz numeric integrala definit a finciei
f(x) pe intervalul [a,b];
1
x6 1 x2
, x i tastm Shift+Enter.
Se afieaz
In[10]:=Integrate
,x
x6 1 x2
1 x 2 (3 4 x 2 6 x 4 )
.
15 x 5
x 5 4x 4 5x 3 x 2 2x 2
b) Scriem Integrate
,x
x3 1
Shift+Enter. Se afieaz
Out[10]=
In[11]:=Integrate
Out[11]=
5x 4x 2
tastm
x 5 4x 4 5x 3 x 2 2x 2
,x
x3 1
1 2x
x3
5
3
2
ArcTan
3Log [1 x] Log [1 x x ]
3
2
3
3
.
Exemplul 5. S se calculeze valoarea exact a integralei definite
1
0
1 x 2 dx .
Out[12]=
.
4
Exemplul 6. S se calculeze o valoare aproximativ a integralei
definite
1 x 3 dx
tastm
x2
e1 / x 2
a)
;
b)
dx
ln
dx .
1
0 1 x4
3
x2
Rezolvare. a) Scriem Integrate
, { x,0, Infinity}] i tastm
1 x4
Shift+Enter. Se afieaz
x2
In[14]:=Integrate
, { x,0, Infinity}]
1 x4
Out[14]=
b) Scriem
2 2
ln[
e1 / x 2
]dx i tastm Shift+Enter. Se afieaz
3
1
3
1
Log [ ( 2 e1 / x )]dx .
3
Aceasta nseamn c integrala dat n-a fost calculat.
Out15=
2. Calculul probabilitilor
2.1. Observatii privind calculul probabilitilor i defini ia
axiomatic a probabilitii. Dac rezolvarea unei probleme de calcul al
probabilitii se reduce la aplicaia unei formule de calcul, atunci rmne
s introducem n aceast formul datele numerice ale problemei i
parametrii necesari. Astfel se obine o expresie numeric a crei valoare
numeric trebuie calculat. Din cele expuse anterior rezult c Sistemul
de programe Mathematica permite: calculul valorii exacte, calculul unei
Rspuns la p. a) ni-l da
Definiia 1. Vom numi spatiu de evenimente elementare orice multime
nevid , elementele careia corespund rezultatelor posibile ntr-un
experiment aleator E. Elementele din se numesc evenimente
elementare.
Dm cteva exemple de spatii de evenimente elementare.
1. Considerm, n calitate de experiment aleator E, aruncarea unei
monede o singura dat.Atunci spatiul corespunzator de evenimente
elementare ={S, B}={0, 1}={1, 2}, unde prin S, 0 sau 1 am notat
evenimentul elementar ce const n apariia Stemei, iar prin B, 1 sau 2
am notat aparitia Banului.
2. Considerm aruncarea unei monede de dou ori succesiv. Atunci
={SS,SB,BS, BB}={1, 2, 3, 4 }, pastrand acela tip de notare.
3. Experimentului aleator E , ce const n aruncarea unui zar o singura
data, i corespunde spatiul de evenimente elementare ={1, 2,...,6}={1,
2,..., 6 }, unde i sau i reprezinta numarul de puncte aprute, i= 1,
2,...,6.
4. Iar acum considerm, n calitate de experiment aleator E, aruncarea
unei monede pna la aparitia Stemei. Atunci ={S,BS, BBS,...}={1, 2,
3,..., n , }, unde n , de exemplu, corespunde rezultatului posibil
(elementar) ce semnific faptul c experimentul s-a terminat la aruncarea
numrul n cu aparitia Stemei precedat de aparitia Banului de n-1 ori.
5. Considerm experimentul aleator ce const in masurarea staturii
unui student luat la ntmplare de la Universitatea Tehnic din Moldova.
Notm prin nltimea acestuia. Atunci ={ : >0}.
Observaie. Vom spune c exemplele de tipul 1-5 se refer la cazul
discret deoarece spaiul de evenimente elementare corespunztor
reprezinta o multime finita (vezi exemplele 1-3) sau o multime infinita,
cel mult, numrabil (n exemplul 4), iar exemplele de tipul 5 se refer
la cazul continuu deoarece spaiul de evenimente elementare
corespunztor reprezinta o multime infinit nenumrabil.
Rspunsul la p. b) l aflm din
Definiia 2. Fie un spaiu de evenimente elementare, atunci vom
numi eveniment aleator orice element A din familia F ={A: A este submulime a lui } ce verific urmtoarele 2 axiome:
10. Daca A este eveniment aleator, adica A este element a lui F atunci
si complementara acestuia, ={ din : nu apartine lui A} este
eveniment aleator;
20. Daca A1 ,A2, , An,... sunt evenimente aleatoare, atunci si reuniunea
(suma) acestor submulimi este eveniment aleator.
Familia F sau perechea ( , F ) se mai numete cmp de evenimente
aleatoare.
Observaie. Dac este o multime de tip discret, atunci axiomele
10- 20 ale cmpului de evenimente aleatoare se verifica automat, cu alte
cuvinte , n acest caz, din oficiu, orice submultime A din spaiul de
evenimente elementare este eveniment aleator. Dac evenimentul
elementar din aparine si evenimentului A, atunci spunem ca
favorizeaz evenimentul A.
Mai mult, deoarece evenimentele aleatoare reprezint submul imi ale
lui rezulta ca asupra lor pot fi aplicate toate opera iile asupra
multimilor. Astfel reuniunea a doua evenimente aleatoare se numeste
sum, intersectia lor se numeste produs iar complementara ={ din
: nu apartine lui A} a unui eveniment aleator A se numete
eveniment non-A sau negarea evenimen-tului A. Evenimentul se
numeste eveniment sigur, iar evenimentul ce corespunde multimii vide
se numete eveniment imposibil.Dac produsul (intersecia) a doua
evenimente A i B este un eveniment imposibil, atunci se spune c
evenimentele A i B sunt incompatibile (disjuncte). Daca evenimentul A
se contine (ca mulime) n B, atunci spunem ca evenimentul A implica
evenimentul B. Daca, concomitent cu aceasta, are loc si rela ia inversa,
atunci A=B i spunem ca evenimentele A i B sunt echivalente.
Evident, operatiile asupra evenimentelor aleatoare posed acelea i
proprietti ca i operiile asupra mulimilor. In particular, sunt valabile
Formulele de dualitate ale lui de Morgan:
1) Complementara sumei a doua evenimente A si B coincide cu
produsul complementarelor acestor evenimente;
2) Complementara produsului a doua evenimente A si B coincide
cu suma complementarelor acestor evenimente.
Putem, nsfrit, rspunde la p. c) prin
P( A
1 i j k n
P(A
1i< j n
A j )+
A j Ak ) ... ( 1) n 1 P (
(2)
n
i 1
Ai )
card A
,
card
(3)
n!
( m! )((n m)!)
(4)
avem:
In2:=N
60!
100!
/
Out2]=0.00133219
Am obinut rezultatul P(B)=0,00133219
Probabilitate discret
Aria de aplicabilitate a probabilitatii clasice este, cum o arata si
urmatoarele exemple, limitata.
Exemplul 1. Considerm aruncarea o singura data a unui zar, a crui
centru de greutate este deplasat astfel incat probabilitatile apari iei fe elor
1,2,3,4,5,6 se raporteaza ca 1:2:3:4:5:6. Sa se afle probabilitatea apariiei
unui par de puncte.
Din acest exemplu se vede ca formula probabilitii clasice este
inaplicabil deoarece rezultatele posibile nu sunt echiprobabile, chiar
daca multime lor (spatiul de evenimente elementare) este finita.
Un alt motiv pentru care formula probabilitii clasice poate fi
imposibil de aplicat este faptul ca multimea de rezultate posibile in
experiment este infinita, fie si numerabil (cazul discret).
Exemplul 2. Considerm experimentul aleatoriu ce consta in
aruncarea unei monede perfecte pana la inregistrarea prima data a
Stemei. Ne intereseaza, de exemplu, probabilitatea ca experimentul se
va termina in urma a cel mult zece aruncari. Exemplul 4 din p.2.1. arata
ca acestui experiment ii corespunde un spatiu de evenimente elementare
infinita, numarabila ca multime, ceea ce face imposibila aplicatia
formulei probabilitatii clasice.
In scopul posibilitatii abordarii cazurilor mentionate in exemplele 12, se foloseste notiunea de probabilitae discreta sau de camp de
probabilitate discreta.
Definiia probabilitii discrete. Vom spune ca avem de a face cu o
probabilitate discreta P dac
axiome:
i,j=1,2,...,n.
Definiia 4. Vom spune ca evenimentele aleatoare A1 , A2 ,..., An , legate
de acelai cmp de probabilitate (, F, P), sunt independente (in
totalitate) daca
P(Ai1 Ai 2 ... Ai k ) = P(Ai1 )P(Ai 2 )...P(Ai k )
pentru orice set de indici diferii {i1, i2 ,...,ik} din multimea de indici
{1,2,...,n}, k=2,3,...,n.
Observatia 1. Din definitiile respective, deducem ca, independenta
(in totalitate) atrage dupa sine si independenta a doua cate doua
evenimente. Afirmatia inversa, insa, nu are loc. Drept exemplu putem
lua experimentul aleator ce consta in aruncarea unui tetraedru perfect,
cu cele 4 fete vopsite astfel: fata 1 vopsita in albastru, fata 2-in galben,
fata 3-in rosu si fata 4-in albastru, galben si rosu. Se verifica cu usurinta
ca evenimentele A={va apare culoarea albastra}, G={va apare culoarea
galbena}, R={va apare culoarea rosie} sunt independente 2 cate 2, dar nu
si in totalitate.
Observaia 2. n cazul cnd evenimentele aleatoare A1, A2, ..., An sunt
independente, atunci formula nmulirii probabilitilor are forma
P ( A1 A2 ... An ) = P ( A1 ) P ( A2 ) P ( A3 )...P ( An ) .
(8)
Propoziie (Formula lui Poisson). Daca evenimentele Ak , sunt
independente (in totalitate) si probabilitatile P(Ak)= pk , k=1,2,,n sunt
cunoscute, atunci probabilitatea
P{se va produce cel puin unul din evenimentele Ak , k=1,2,,n}=
=1-[(1- P(A1))(1- P(A2))... (1-P(An)]=1-[( 1- p1 )(1-p2) (1-pn)].
Exemplul 3. Un aparat const din trei elemente care n timpul
funcionrii lui se pot deteriora independent unul de altul. Notm prin Ai
= elementul i se va deteriora, i = 1, 2, 3. S se calculeze probabilitatea
evenimentului A = se va deteriora un singur element, B = se va
Out4=0.690304
Obinem P ( A) =0,690304.
n cazul cnd produsul calculat anterior conine un numr mare de
factori, atunci scrierea lui necesit timp relativ ndelungat. Dac factorii
pot fi scrii n form de o funcie de un parametru i, atunci poate fi
utilizat funcia Productf,i,imin,imax. Cum n acest exemplu avem
4
93 i
P ( A)
,
i 0 100 i
putem proceda dup cum urmeaz.
93 i
, {i,0,4} ]
In5:=Product[
100 i
824941
Out5=
1195040
Am obinut valoarea exact a probabilitii evenimentului A. Ne vom
convinge c o valoare aproximativ a expresiei obinute coincide cu cea
obinut n Out4.
In6:=N[%]
Out6=0.690304.
2.4. Formula probabilitii totale. Formula lui Bayes.
Teorem. Dac A i H1, H2, ..., Hn,... sunt evenimente aleatoare legate de
acelai cmp de probabilitate (,F, P) i satisfac condiiile :
a) evenimentul A implica producerea a cel putin unuia din
evenimentele H1, H2, ..., Hn,... ;
b) evenimentele H1, H2, ..., Hn,... sunt incompatibile dou cte dou;
c) P(Hi.)>0
atunci au loc formula probabilitii totale
P(A) = P(H 1 )P(A | H 1 ) + ... + P(H n )P(A | H n )...
(9)
i formula lui Bayes
P(H j )P(A | H j )
P(H j | A) =
.
(10)
P(H 1 )P(A | H 1 ) + ... + P(H n )P(A | H n ) ...
Exemplul 5. La un depozit sunt 1000 de piese de acelai tip (identice),
fabricate de uzinele nr.1, nr.2 i nr.3, n proporie de 5:3:2. Se tie c ni
din piesele fabricate de uzina i sunt cu defecte: n1 = 4, n2 = 5, n3 = 6.
P( H 1 ) P( A | H 1 )
P( H 1 ) P( A | H 1 ) P( H 2 ) P( A | H 2 ) P( H 3 ) P( A | H 3 )
.
0.5 * 0.04
In8:=N[
Pn(k) = C nk [ M /( M N )] k [1 M /( M N )] n k , k = 0, 1,..., n.
Observam ca aceasta coincide cu distributia Binomial (11). Dealtfel,
schema bilei ntoarse nseamn c bilele se extrag din urnn una cte una
i fiecare bil extras, este, dup observarea culorii ei, ntoars din nou n
urn.
Exemplul 6. Considerm aruncarea unei monede perfecte de 100 de
ori. S se calculeze, cu aproximaie, probabilitatea ca Stema va apare
exact de 47 ori.
Rezolvare. Fie evenimentul A = va apare Stema. Avem: p = P(A)
= 1/2 i q = 1p = 1/2. Conform formulei Binomiale (11), pentru n = 100,
k = 47, p =1/2 i q = 1/2, avem ca
47
P100 (47) C100
(1 2) 47 (1 2)100 47 .
Calculul acestei valori prin metode obinuite este posibil, dar prezint
dificulti. Apelnd la Sistemul Mathematica avem :
In9:=
100!
(0.5) 47 (0.5) 53
( 47! ) * (53! )
Out9=0.0665905
Aa dar, P100(47)=0,0665905.
2.7. Schema (repartiia) multinomial (polinomial) (sau schema
bilei ntoarse n cazul bilelor de mai multe culori). Fie c n rezultatul
fiecrui din n experimentele independente E1, E2,..., En pot s se
realizeze evenimentele aleatoare A1, A2, ..., Ar, care formeaz un sistem
complet de evenimente, i.e., acestea sunt incompatibile doua cte doua i
suma (reuniunea) lor coincide cu evenimentul sigur. Notm: pi = P(Ai), i
= 1, 2, ..., r. Evident, p1 + p2 + ... + pr = 1. Atunci are loc urmtoarea
Teorem (Repartiia Multinomial). Probabilitatea Pn(k1,k2,...,kr) ca, n
urma a n experimente independente, evenimentele A i se vor realiza de k i
ori fiecare, unde i = 1, 2, ..., r, n = k 1 + k2 + ... + kr, poate fi calculat
conform formulei
n!
k
k
k
p1 1 p 2 2 ... p r r .
Pn(k1,k2,...,kr) =
(12)
k1 !k 2 !... k r !
Observaie. Formula (12) definete, asa numita Distribuie
Multinomial, distribuie care coincide, evident, n cazul r=2, cu
Distribuia Binomial definit de formula (11).
Exemplul 7. Presupunem c ntr-o urn avem urmtoarea componen
de bile de trei culori: 5 bile albe, 7 bile negre i 8 bile albastre. Se extrag
6!
* (1 / 4)1 * (7 / 20) 2 * ( 2 / 5) 2
(1!) * ( 2!) * (3! )
Out10=
147
1250
147
.
1250
Dac vrem s obinem o valoare aproximativ sau o valoarea dat
exprimat prin fracii zecimale, atunci
In11:=N%
Out11=0.1176
Am obinut valoarea P6(1,2,3) = 0,1176.
2.8. Schema Poisson. Funcia generatoare de probabiliti. Fie c
n fiecare din experimentele independente E1, E2,..., En evenimentul A
se poate ,produce, respectiv, cu probabilitile p1, p2, ..., pn. Atunci are loc
urmtoarea
Teorem (Schema Poisson). Probabilitatea Pn(k) ca, n urma a n
experiene independente descrise mai sus, evenimentul A s se va
produce de k ori, k = 1, 2, ..., n, coincide cu coeficientul lui x k din
expresia
n(x)=
(q
i 1
pi x) ,
(13)
Pn (m1 , m2 ) =
m m
Cn 1 Cn 2
1
m
n
(15)
P7 ( 2,5)
2
5
C 20
C 80
7
C100
20!
80!
100!
*
) /(
)]
( 2! ) * (18! ) (5! ) * (75! )
(7! ) * (93! )
Out13=0.28534
Am obinut rezultatul P7 ( 2,5) =0,28534.
m m
m
Cn 1 Cn 2 ...Cn r ,
1
2
r
Pn (m1 , m2 ,..., mr ) =
m
Cn
(16)
aceasta probabilitate fiind nula daca exista cel putin o valoare i pentru
care mi>ni, i=1,,7.
Exemplul 10. ntr-un depozit sunt 200 de piese de acelai tip, din care
100 sunt de calitatea nti, 66 de calitatea a doua i 34 de calitatea a treia.
Se iau la ntmplare fr ntoarcere 30 piese. Care este probabilitatea ca
printre ele 17 s fie de calitatea nti, 9 de calitatea a doua i 4 de calitatea
a treia?
Rezolvare. Aplicm formula (8.1.16) cu n = 200, m = 30, n1 = 100, n2
= 66, n3 = 34, m1 = 17, m2 = 9, m3 = 4. Conform Schemei bilei nentoarse
n caz general, avem c probabilitatea n cauz,
P30 ( 17,9,4 ) =
17
9
4
C100
C66
C34
30
C200
100!
66!
34!
200!
*
*
) /(
)]
(17! )(83! ) (9! )(57! ) ( 4! )(30! )
(30! )(170! )
Out14=0.0278641
Am obinut P30 (17,9,4) =0,0278641.
2.11. Schema (repartiia) geometric. Considerm experimentul
aleator, ce const in repetarea unei probe Bernoulli, cu probabilitatea
succesului p in fiecare proba, pna la prima inregistrare a succesului.
Atunci are loc urmtoarea
Teorem. n schema descris mai sus, probabilitatea P(k)=
P{succesul se va realiza prima dat n proba cu numrul de ordine k }
se calculeaz conform formulei
P(k) = pqk1, k=1,2,...
(17)
iar probabilitatea P(k)=P{ pna la producerea prima dat a succesului vor fi inregistrate exact k insuccese} se calculeaz conform
formulei
P(k) = pqk, k=0,1,2,...
(17')
unde q = 1p.
Observaie. Distribuia definit de formula (17) se numete geometrica,
trunchiat n zero, iar cea definit de formula (17') se numete, pur i
simplu, geometric.
Exemplul 11. 1) S se calculeze probabilitatea apariiei feei 4, pentru
prima dat, la aruncarea a zecea a unui zar perfect. 2) Care este
probabilitatea evenimentului aleator B = la aruncarea unui zar
perfect, faa 3 nu va aprea mai devreme de primele 10 aruncri?
Rezolvare. 1) Cum p = 1/6 i q = 11/6 = 5/6, din formula (8.1.17)
obinem P(10) = pq9 = (1/6)(5/6)9.
In15:=N(1/6)*(5/6)^9
Out15=0.0323011
Am obinut P(10) = 0,0323011
(18)
2
npq ,
1
2
2npq
Pn (k) = C nk p k q n k
tinde la
a k a
e , adic pentru n suficient de
k!
mare
Pn ( k )
a k a
e ,
k!
(19)
lund a = np.
Observaie. Se recomand ca aceast formula s fie aplicat atunci, cnd
npq 9, iar n celelelte cazuri formula (18). Probabilitile din partea
dreapta a formulei (19) definesc, aa numita, distribuie Poisson.
O valoare aproximativ a probabilitii Pn(k1 ,k2) ca n urma a n
experimente independente numrul total de realizri ale evenimentului
aleator A va fi cuprins ntre k1 i k2 poate fi calculat, aplicnd
Teorema Limit Central (forma Moivre-Laplace). Daca n tinde la
k np
k1 np ,
+, atunci Pn(k1 ,k2) tinde la 2
npq
npq
k1 np ,
Pn (k1 , k2 ) 2
(20)
npq
npq
2 -
Formula (20) rezult di teorema integral Moivre-Laplace.
Avnd la dispoziie Sistemul Mathematica, in multe cazuri putem
aplica formula exacta de calcul, dar si formulele (18) (21). Prin urmare,
putem cerceta i compara erorile care se obin la aplicarea lor.
Exemplul 12. Presupunem ca probabilitatea c o pies, fabricat de o
uzin, va avea defecte este egal cu p = 0,01. 1) S se calculeze
probabilitatea c din 10000 de piese luate la ntmplare 90 vor fi cu
defect, folosind: a) distribuia Binomial (11); b) formula local MoivreLaplace (18); c) formula Poisson (19). 2) Care este probabilitatea ca
numrul de piese cu defect s fie cuprins ntre 95 i 105?
Rezolvare. 1) a) Valoarea exact a probabilitii cutate este dat de
formula Binomial:
In19:=N[=
10000!
(0.01) 90 (0.99) 1000090 ]
(90! )(10000 90)!
Out19=0.0250257
Am obinut rezultatul
P10000 (90)
0,0250257.
1
2 10000 0.01 0.99
1
2
90 100000.01
100000.010.99
Exp[
2 * * 10000 * 0.01 * 0.99
90 10000 * 0.01
^ 2 / 2]]
Out20=0.0241965
Am obinut rezultatul
P10000 (90)
0.0241965
Out21=0.0250389
Am obinut rezultatul
P10000 (90)
0.0250389.
1
2
10000*0.01*0.99
e t
/2
dt .
95 10000*0.1
10000*0.01*0.99
In22:=NIntegrate
Exp[ t 2 / 2] ,{t,
95 10000 * 0.01
}]
Out22=0.384697
Am obinut rezultatul
0,384697.
10) m=8, n=14 , r=6; 11) m=4, n=12 , r=4; 12) m=5, n=11 , r=3;
13) m=6, n=10 , r=6; 14) m=7, n=14 , r=4; 15) m=8, n=13 , r=3;
16) m=4, n=12 , r=5; 17) m=5, n=11 , r=4; 18) m=6, n=10 , r=3;
19) m=7, n=14 , r=5; 20) m=8, n=13 , r=6; 21) m=4, n=11 , r=3;
22) m=5, n=10 , r=5; 23) m=6, n=14 , r=6; 24) m=7, n=13 , r=4;
25) m=8, n=12 , r=5; 26) m=4, n=10 , r=6; 27) m=5, n=11 , r=4;
28) m=6, n=12 , r=3; 29) m=7, n=13 , r=6; 30) m=8, n=14 , r=4.
2. ntr-un lot care conine n piese de acelai tip sunt 8 piese cu careva
defect. Se extrag fr revenire 6 piese. Dac toate piesele extrase sunt
calitative, atunci lotul este acceptat, iar n caz contrar este refuzat. S se
calculeze probabilitatea evenimentului A = lotul va fi acceptat.
Parametrul n este egal cu 100 plus numrul variantei.
3. Un aparat const din trei elemente care n timpul funcionrii lui pot
s se deterioreze independent unul de altul. Notm: Ai = elementul i se
va deteriora, i = 1, 2, 3. Se cunosc probabilitile acestor evenimente: p1
= P(A1), p2 = P(A2), p3 = P(A3), valorile crora sunt date pe variante dup
enunul exerciiului. S se calculeze probabilitile evenimentelor: A =
nu se va deteriora nici un element, B = se va deteriora un singur
element, C = se vor deteriora exact dou elemente, D = se vor
deteriora toate elementele, E = primul element nu se va deteriora.
1) p1=0,9, p2=0,8, p3=0,7;
2) p1=0,7, p2=0,8, p3=0,7;
3) p1=0,6, p2=0,8, p3=0,7;
4) p1=0,5, p2=0,8, p3=0,7;
5) p1=0,4, p2=0,8, p3=0,7;
6) p1=0,9, p2=0,8, p3=0,6;
7) p1=0,7, p2=0,8, p3=0,6;
8) p1=0,5, p2=0,8, p3=0,6;
9) p1=0,4, p2=0,8, p3=0,6;
10) p1=0,4, p2=0,6, p3=0,5;
11) p1=0,7, p2=0,6, p3=0,5; 12) p1=0,8, p2=0,6, p3=0,5;
13) p1=0,9, p2=0,6, p3=0,5; 14) p1=0,5, p2=0,8, p3=0,4;
15) p1=0,6, p2=0,8, p3=0,4; 16) p1=0,7, p2=0,8, p3=0,4;
17) p1=0,9, p2=0,8, p3=0,4; 18) p1=0,4, p2=0,8, p3=0,5;
19) p1=0,6, p2=0,7, p3=0,5; 20) p1=0,8, p2=0,7, p3=0,5;
21) p1=0,7, p2=0,8, p3=0,9; 22) p1=0,7, p2=0,8, p3=0,3;
23) p1=0,7, p2=0,8, p3=0,6; 24) p1=0,7, p2=0,6, p3=0,5;
3. Variabile aleatoare
3.1. Introducere
In acest capitol se conine o expunere succint a rezultatelor din Teoria
probabilitilor ce se refer la variabile aleatoare, exemple de probleme
rezolvate la aceast tem, dar si o list de probleme propuse spre
rezolvare.
Vizavi de Sistemul Mathematica, vom aplica, n afar de funciile
definite anterior, i funciile Condition (notat i cu /;), Clear.
F[x_]:=0/;x<0;F[x_]:=1/;x0; nseamn c funciei F(x) i se atrubuie
valoarea 0 cu condiia c x<0 i valoarea 1 cu condiia c x0;
Clear[F,f,m,] nseamn c funciile sau parametrii F, f, m,... se
elibereaz (se cur) de valorile atribuite lor anterior.
In Sistemul Mathematica sunt ncorporate pachete de programe
specializate n rezolvarea problemelor din diferite domenii ale
Matematicii.
n
acest
Capitol
se
va
folosi
pachetul
Statistics`NormalDistribution`. Cnd lucrm cu un document n
Sistemul Mathematica, acest pachet poate fi instalat cu ajutorul
instruciunii
<<Statistics`NormalDistribution`.
Dac se dorete trasarea graficului funciei f(x) definite pe
segmentul [a,b] prin intermediul unei linii de grosime standard, atunci se
poate folosi funcia
Plot[f,{x,a,b}]
Atunci, cnd se dorete trasarea graficului funciei f(x) definite pe
segmentul [a,b] prin intermediul unei linii de o anumit grosime, se poate
folosi funcia
F ( x)
0,
x 0,
x 0.
-1
Out[2]=Graphics
3) Aplicm formula a) din Propoziie.
In[3]:=N[F[1]F[0]]
Out[3]=0.86465
Am obinut P(0<1)=0,86465.
4) Pentru calculul probabiliti folosim formula b) din Propoziie.
In[4]:=N[1F[2]]
Out[4]=0.0183156
Am obinut P(2) = 0,0183156.
Rezolvarea problemei s-a terminat, dar , deoarece la rezolvarea problemei urmtoare se va folosi, din nou, notaia F(x), curim coninutul
ei, ce corespunde problemei rezolvate mai sus, apelnd la operatorul
Clear.
In[5]:=Clear[F].
x1 x2 ... xn ...
,
p1 p2 ... pn ...
unde pi = P( = xi) , i pi =1.
(3)
Urmtoarea afirmaie arat c, n caz discret, f.r. i repartiia v.a.
sunt dou forme echivalente de modelare matematica (probabilist)
a ei.
Propoziie. F.r. i repartiia unei v.a. de tip discret sunt legate ntre
ele conform urmatoarelor formule:
a) F ( x ) x x p j ;
(4)
j
Mo[ ] x j0 , unde
p j0 max{p j}
1 jn
(7)
D j 1 ( x j m ) 2 p j .
n
(10)
In caz general,
D = M2- (M)2
(11)
Raiunea ntroducerii noiunii de dispersie rezid n faptul ca aceasta
caracterizeaz gradul de dispersare (mprtiere) a valorilor posibile ale
unei v. a. n raport cu valoarea ei medie..
Definiia 2. Se numete abatere medie ptratic sau abatere standart a
unei v.a. rdcina ptrat din dispersia ei. Abaterea medie ptratic a
variabilei aleatoare se noteaz cu [] sau . Din definiie rezult c
[ ] D .
(12)
Observatie. In aplicatii, pentru a caracteriza gradul de imprastiere a
valorilor v.a. cercetate in raport cu valoarea ei medie, este mai usor sa
operam cu abaterea medie ptratic, deoarece aceasta se exprima in
aceleasi unitati de masura ca si v.a. si valoarea ei medie.
Propozitia 2 (Proprietatile dispersiei). Dispersia poseda urmatoarele
proprietati:
1. Daca dispersia v.a. exista, , atunci Di D=daca si numai
daca v.a. ia valoarea M cu probabilitatea 1;
2. Daca exista dispersia
v.a. atunci exista si dispersia v.a.
2
absi D(ab a D pentru orice numere reale a si b
3. Daca exista dispersiile v.a. atunci exista si dispersia v.a.
si D( MM 2M(MM
4. Daca exist dispersiile v.a. i aceste v.a. sunt independente
in sensul ca P(a,=b), pentru orice a si b din multimile de
valori posibile ale v.a. respective, atunci exista si dispersia v.a.
si D(D D
Definitie. Se numeste covarian a v.a. numarul
cov(M(MM
Observatie.Proprietatile 3 si 4 ale dispersiei arata ca
cov(atunci cand v.a. sunt independente.
3) Momente iniiale.
s [ ] j 1 x sj p j , s = 1, 2,...
n
(14)
n
j 1
( x j m ) s p j
, s = 1, 2,...
(16)
Au loc egalitile 1[] = 0, 2[] = D.
Relaiile duntre momentele centrate i cele iniiale sunt:
1) 2 = 2 12;
2) 3 = 3 312 + 213;
3) 4 = 4 431 + 6212 314.
6) Asimetria.
Definiie. Se numete asimetrie (coeficient de asimetrie) al v.a. numrul
notat cu Sk i dat de egalitatea
3
3
(17)
4
3.
4
(18)
S k [ ]
5) Excesul.
Definiie. Se numete exces al v.a. numrul notat cu sau Ex[] i
definit prin egalitatea
Ex[ ]
0
Out[7]= 0.3
2
0 .4
5
0 .1
0.2
F ( x) 0,7, 2 x 5,
0,8, 5 x 7,
1, x 7.
10
Out[9]=Graphics
5) Folosim formula a) din Propozitie, vezi punctul 3.2.3 al acestui
capitol:
In[10]:=P(3<8)=F[8]F[3]
Out[10]=0.3
Rezolvarea exerciiului s-a terminat. Cum funcia de repartiie F(x) din
acest exerciiu nu se folosete n exerciiile ce urmeaz, dar notaia se
folosete, trebuie s scoatem definiia ei din Sistem. Matricea p mai
rmne n Sistem deoarece ea se va folosi la rezolvarea exerciiului
urmtor.
In[10]:=Clear[F].
Exerciiul 3. Fiind dat aceeasi v.a. cu repartiia (19), s se
calculeze: 1) valoarea medie; 2) dispersia; 3) abaterea medie ptratic;
4) momentele iniiale de ordine pn la 4 inclusiv; 5) momemtele centrate
de ordine pn la 4 inclusiv; 6) asimetria; 7) excesul.
Rezolvare. 1) Calculm valoarea medie cu ajutorul formulei (6).
In[12]:= D
p[[1, j ]] p[[2, j ]]
j 1
In[11]:=
Out[11]=2.7
Am obinut m=2,7. Aici p[i,j] este notaia elementului pij al matricei p.
2) Determinm dispersia conform formulei (12).
j 1
Out[12]=6.61
Am obinut D=6,61.
(( p[[1, j ]] m )^ 2) p[[2, j ]]
Out[14]=2.7
Out[15]=13.9
Out[16]=84.3
Out[17]=549.1
Am obinut 1=2,7; 2=13,9; 3=84,3; 4=549,1.
5) Calculm momentele centrate conform formulelor (16).
In[18]:= 1 j 1 (( p[[1, j ]] m )^1) p[[2, j ]]
4
Out[18]=1.110221016
Se tie c 1 = 0. Aici am obinut un numr foarte aproape, dar totui
diferit de zero. Aceasta se ntmpl uneori cnd se opereaz cu numere
aproximative. Dup rotundire se obine aceeai valoare 0.
2
In[19]:=
Out[19]=6.61
In[20]:=
Out[20]=11.076
j 1
j 1
(( p[[1, j ]] m )^ 2) p[[2, j ]]
(( p[[1, j ]] m )^3) p[[2, j ]]
(( p[[1, j ]] m )^ 4) p[[2, j ]]
j 1
In[21]:=
Out[21]=87.2137
Am obinut 1=0; 2=6,61; 3=11;076, 4=87,2137.
6) Calculm asimetria conform formulei (17).
In[22]:=Sk[]= 3/ 3
Out[22]=0.65175
7) Calculm excesul conform formulei (18).
In[22]:=Ex[]= 4/ 4 3
Out[22]=1.0039
Rezolvarea exerciiulei s-a terminat. Eliberm parametrii de valorile
atribuite n acest exerciiu.
In[23]:=Clear[p,m,D, , 1, 2, 4, 1, 2, 3, 4,Sk[],Ex[]].
:
(20)
p0 p1 p2 ... pk ...
Definiie.Se numete funcie generatoare a v.a. (20) funcia (z) definit
prin egalitatea
( z )
k 0
pk z k
,
(21)
unde z este un parametru, care ia valori din intervalul (0;1].
n cazul cnd v.a. ia valori dintr-o mulime finit de valori, atunci n
expresia (21) coeficienii pk, ncepnd cu un anume indice, sunt egali cu
zero. Se demonstreaz c
1[] = M = (1).
(22)
2[] = (1) + (1).
(23)
3[] = (1) + 3(1) + (1).
(24)
2
D = (1) + (1) [(1)] .
(25)
3.4.2. Repartiiile uniform, Bernoulli i binomial.
Definiie. Vom spune c v.a. este repartizat uniform (de tip discret)
dac valorile posibile ale ei sunt 0, 1, 2, ..., n, iar probabilitile acestor
valori sunt date de formula:
p k P ( k ) 1 /( n 1), , k 0,1,2,..., n. ,
(26).
Mai exista si varianta de repartitie uniforma trunchiata in zer, adica
valorile posibile ale v.a. sunt 1,2,,n, iar
p k P( k ) 1 / n, k 0,1,2,..., n. ,
(26).
Observaie. Repartiia uniform data de formulele (26) sau (26 )
modeleaz din punct de vedere matematic alegerea la int mplare a unui
element dintr-o multime de elemente numerotate 0,1,2,,n sau 1,2,,n,
respectiv.
Definiie. Vom spune c v.a. este repartizat binomial cu parametri n
i p dac valorile posibile ale ei sunt 0, 1, 2, ..., n, iar probabilitile
acestor valori sunt date de formula:
pk P ( k ) Cnk p k q n k ,0 p 1, k 0,1,2,..., n. ,
(26).
In particular, atunci cnd n=1, repartiia Binomial se numete repartiie
Bernoulli.
O repartiie binomial de parametri n i p se noteaz cu Bi(n, p). Din
definiie rezult c o v.a. repartizata binomial sau Bernoulli pot fi date,
respectiv, sub forma:
0
1
...
k
...
n
: 0 0 n 0
1 1 n 1
k
k nk
n n 0 , (27)
Cn p q
... Cn p q
... Cn p q
Cn p q
1 p
(28)
Observaie. Repartiia binomial modeleaz, din punct de vedere
matematic, numrul total de succese n n probe Bernoulli cu una si
aceeasi probabilitate p a succesului n fiecare prob.
Folosind funcia generatoare se deduc urmtoarele formule:
M = 1[] = np,
(29)
D = npq,
(30)
[]
npq
(31)
k
k
1000 k
P(250 350)= k 250 C1000 (0,3) (0,7)
350
k
))!
k
250
In[24]:=N[
Out[24]=0.999509
Am obinut P(250350)=0,999509.
3.4.3. Repartiia Poisson
0
0
a
:
e a
0!
1
a1 a
e
1!
...
k
a k a
...
e
k!
...
...
(33)
ori
p k P ( k )
C ak C bn k
C an b
, k = 0, 1, 2, , mina,n.
(40)
Se demonstreaz c
M[] = na/(a+b).
(41)
Repartiia hipergeometric apare, de exemplu, n experimentul care
const n extragerea fr intoarcere a bilelor dintr-o urn care conine bile
de dou culori.
f ( x )dx
concluzie, P ( a b) a f ( x) dx .
Densitatea de repartiie este o form alternativa a legii de repartiie a
unei variabile aleatoare continue, echivalenta f.r., in sensul ca daca
cunoastem una din aceste forme putem restabili cealalata forma. Prima
form a acestei legi este funcia de repartiie. Asadar, v.a.c. este
determinat dac este dat f.r. sau densitatea de repartiie ale ei.
Graficul d.r. a unei v.a.c. se numete curb sau linia ei de repartiie .
D. r. a v.a.c. are proprietile mentionate in urmatoarea
Propozitie. Dac f(x) este d.r. a v.a.c. , atunci:
.
(47)
1) f(x) 0, xR;
2) f ( x ) dx 1 ;
(48)
3) F ( x)
f (t ) dt .
(49)
3.5.5. Caracteristici numerice ale v.a.c.
Definitie. Vom numi valoare a v.a.c. cu d.r. f(x) numrul M[] (care
se noteaz i cu m ) definit prin egalitatea
M
cu conditia ca integrala
xf ( x ) dx ,
(50)
xm
f ( x ) dx 1 2
.
(52)
Ecuaia (52), n raport cu variabila xm, poate fi aplicat la determinarea
medianei.
( x m ) 2 f ( x )dx
x s f ( x ) dx , s = 1, 2,...
(53)
(54)
(55)
( x m ) s f ( x ) dx
, s = 1, 2,...
(56)
Remarc. Proprietile dispersiei v.a.c sunt aceleasi ca si in cazul v.a.
de tip discret. Relaiile dintre momentele iniiale i cele centrate pentri
v.a.de tip discret sunt la fel ca i n cazul v.a. de tip discret.
Fie o v.a., care poate lua numai valori nenegative, dar cu valoare
medie nenula. Se numete coeficient de variaie a acestei variabile
aleatoare numrul v definit prin egalitatea
v = /m.
(57)
Se numete coeficient de asimetrie (sau asimetrie) a variabilei
aleatoare mrimea, notat cu Sk, definit prin egalitatea
Sk[] = 3/3.
(58)
Se numete exces al variabilei aleatoare mrimea, notat cu sau Ex,
definit prin egalitatea
Ex[] = 4/43.
(59)
3.5.6. Exemple
Exemplul 7. Variabila aleatoare este definit prin d.r.
( x 2) / 18, x [ 2;8],
f ( x)
0, x [ 2;8]
10
Out[31] Graphics
2) Calculm probabilitatea cerut conform formulei (47).
In[32]:=NIntegrate[f[x],{x,5,8}]
Out[32]=0.75
3) Determinm f.r. Cum toate valorile posibile ale v.a.c. aparin
segmentului [2,8], rezult c F(x)=0, x<2, i F(x)=1, x>8. Determinm
aceast funcie pe segmentului [2,x] folosind formula (8.2.47).
xt 2
dt
In[33]:=F1[x]= 2
18
1 x x2
Out[33]=
9 9 36
Deci funcia de repartiie este
0, x 0,
1 x x 2
F ( x)
, 2 x 8,
9 9 36
1, x 8.
0.8
0.6
0.4
0.2
Out[35]=Graphics
4) Calculm valoarea medie folosind formula (50). Avem
In[36]:=m=NIntegrate[x*f[x],{x,2,8}]
Out[36]=6.
Am obinut m=6.
5) Calculm dispersia conform formulei (53).
8
2
In[37]:=N[ 2 ( x m ) f ( x)dx ]
Out[37]=2.
6) Calculm abaterea medie ptratic conform formulei (54).
In[38]:= = 2
Out[38]=1.41421
7) Momentul iniial 1 coincide cu sperana matematic i deci 1[] =
m = 6. Gsim celelalte momente iniiale conform formulei (55).
2
In[39]:=N[ 2 x f ( x ) dx ]
Out[39]=38
8
3
In[40]:=N[ 2 x f ( x ) dx ]
Out[40]=250.4
8
4
In[41]:=N[ 2 x f ( x ) dx ]
Out[41]=1699.2
Am obinut 1=6, 2=38, 3=250,4, 4=1699,2.
6) Momentul centrat de ordinul 1 este egal cu zero pentru orice v.a.:
1 = 0. Momentul centrat de ordinul doi coincide cu dispersia i deci 2 =
D = 2. Calculm momentele 3 i 4 folosind formulele (55).
8
3
In[42]:= 3=N[ 2 ( x m ) f ( x)dx ]
Out[42]=1.6
8
4
In[43]:= 4=N[ 2 ( x m ) f ( x) dx ]
Out[43]=9.6
Am obinut 1 = 0, 2 = 2, 3 = 1,6, 4 = 9,6.
9) Calculm coeficientul de asimetrie conform formulei (58):
In[44]:=Sk[]= 3/( )3
Out[44]=0.565685
10) Folosim formula de calcul al excesului (59).
In[45]:=Ex[]= 4/( )43
Out[45]=0.6
11)Calculm coeficientul de variaie conform formulei (57).
In[46]:=v= /m
Out[46]=0.235702
Rezolvarea exerciiului s-a terminat. Scoatem valorile parametrilor din
acest exerciiu.
In[47} :=Clear[f,F,m, , 1, 2, 3, 4,Sk[],Ex[],v].
(60)
n calitate de exemplu de variabil aleatoare cu repartiia uniform
poate servi durata ateptrii autobusului care vine la staie peste fiecare 5
minute, n cazul cnd pasagerul vine la staie ntr-un moment aleator de
timp (independent de orarul circulaiei autobusului).
Folosind formula (49), determinm funcia de repartiie F(x).
0, x a,
F ( x ) ( x a ) /(b a ),
1, x b.
a x b,
(61)
(1 / 5) dx
Out[48[=2/5
Am obinut P(A)=2/5.
3.6.2. Repartiia exponenial. Vom spune c o v.a.c. are repartiie
exponenial de parametru , >0, dac densitatea ei de repartiie are
forma
e x ,
f ( x)
0,
x 0,
x 0.
(62)
F ( x)
0,
x 0;
x 0,
(63)
Folosind f.r., obinem probabilitatea ca o v.a. cu repartiie exponenial
s ia valori din intervalul inchis [a; b], 0 a b coincide cu:
P(a b) = ea eb.
Au loc egalitile:
M[] = 1/. D[] = 1/2; [] = 1/.
(64)
Un exemplu de v.a. care are repartiie exponenial de parametru
este durata vietii unui calculator. Funcia
R ( x) 1 F ( x) e x , x 0.
(65)
se numete funcie de fiabilitate a aparatului i valoarea ei n punctul x
reprezint probabilitatea ca aparatul s funcioneze fr refuz x uniti de
timp. Or, funcia de fiabilitate este, prin definitie, functia
R ( x) 1 F ( x ) , x 0.
Aceasta repartitie poseda o propretate remarcabila redata in
urmatoarea
1 e h , h 0,
0, h 0.
P(<t+h/t)= F ( x)
f ( x)
0,
x 0.
F ( x)
x 0.
0,
f ( x)
1
2
( xm)2
2 2
(66)
2
Exemple de v.a.c. de repartiie normal sunt: cantitatea anual de
precipitaii atmosferice dintr-o anumita regiune, eroarea care se obine la
msurarea unei mrimi cu un aparat cu gradaii, nlimea unui brbat luat
la intamplare.
Linia repartiiei normale poart denumirea de linia lui Causs.
Propozitie. F.r. a v.a normal repartizate cu parametrii m i
coincide cu
xm
F ( x )
(67)
,
unde (x) este funcia Laplace care se definete prin egalitatea
x
1
( x)
e t 2 dt ,
(68)
2
si reprezinta f.r. a unei v.a. repartizata normal standard cu parametrii
0,1.
Cu alte cuvinte (x), fiind f.r. a unei v.a. normal standard repartizate cu
parametrii 0 si 1, au loc egalitile:
m m , D 2 , ,
(69)
m
m
P( )
(70)
.
2
f ( x)
1
100 2
( x 400 ) 2
2 (100 ) 2
.
Folosim formula (8.2.46).
2
2
1
e ( x 400 ) /( 2*100 ) dx ]
In[50]:=N[ 500
100 2
Out[50]=0.158655
Am obinut P(A)=0,158655.
Sistemul Mathematica contine un pachet de programe dedicat
repartiiei normale. Acest pachet poate fi nstalat cu agutorul funciei
<<Statistics`NormalDistribution`. Dm un exemplu de utilizare a
acestui pachet.
Exemplul 11. Fie o v.a.c. cu repartiie normal de parametri m=3 i
=2. Se cere: 1) s se instaleze pachetul de programe
Statistics`NormalDistribution` ; 2) s se defineasc (introduc) v.a.c.
dat ; 3) s determine d.r. ; 4) s se construiasc linia de repartiie ; 5) s
se determine f.r.; 6) s se construiasc graficul f.r.; 7) s se construiasc,
pe acelai desen, graficele d.r. i a f.r.; 8) s se construiasc pe acelai
desen graficele d.r. a f.r. astfel, ca grosimea graficului densitii de
repartiie s fie egal cu 0,5 din grosimea standard, iar grosimea
graficului funciei de repartiie s fie egal cu 0,9 din grosimea standard.
Rezolvare. 1) Ne aflm (lucrm cu un document) n Sistemul
Mathematica. Instalm pachetul cerut de programe.
In k :Statistics`NormalDistribution`
In k 1 :rn NormalDistribution 3, 2
Out k 1 NormalDistribution 3, 2
Out k 2
3 x 2
0.15
0.1
0.05
-10
-5
Out k 3 Graphics
10
15
1
3 x
1 Erf
2
2 2
0.8
0.6
0.4
0.2
Out k 5 Graphics
drn, frn , x, 0, 6
0.8
0.6
0.4
0.2
Out k 6 Graphics
drn, frn , x, 0, 6 ,
0.8
0.6
0.4
0.2
Out k 7 Graphics
x a 1e x b
, a 0, b 0, x 0,
f ( x) b a (a)
0, x 0,
(71)
t a 1 e t dt
.
Au loc egalitile M ba , D = b2a, [ ] b a .
3.6.5. Repartiia chi-ptrat (2). Se spune c variabila aleatoare
continu are repartiie chi-ptrat (2) de parametri r i dac ea are
densitatea de repartiie
0
x r 21e x ( 2 2 )
, 0, r N ,
f ( x) 2 r 2 r r 2
0,
x 0.
x 0,
(72)
Repartiia chi-ptrat este un caz particular al repartiiei gamma:
funcia (72) se obine din (71) pentru a = r/2 i b = 22. Folosind
rezultatele punctului precedent, deducem c pentru o variabil aleatoare
cu repartiia hi-ptrat (71) avem:
M = r2, D = 2r4, [] = 2r .
Se demonstreaz c dac 1, 2, ..., r sunt variabile aleatoare cu
repartiia normal de parametri m = 0 i = 1, atunci variabila aleatoare
12 22 ... 2r
are repartiie chi-ptrat de parametri = 1 i r.
x
: 1
p1
x2
p2
x3
p3
x4
p4
( x 1) 2 , x [1,3],
0, x [1,3];
2( x 1) 9 , x [1,4],
0, x [1,4];
1) f ( x)
f ( x)
2)
( x 1) 2 , x [1,3],
0, x [1,3];
2) f ( x)
2 x 2, x [1,2],
0, x [1,2];
4) f ( x)
1) f ( x)
3) f ( x)
2( x 1) 9 , x [1,4],
0, x [1,4];
( x 1) 8 , x [1,5],
0, x [1,5];
2( x 1) 25 , x [1,6],
0, x [1,6];
5) f ( x)
6)
( x 1) 18 , x [1,7],
2( x 1) 49 , x [1,8],
7) f ( x)
0, x [1,7];
0, x [1,8];
f ( x)
2( x 2), x [ 2,3],
( x 2) 2 , x [2,4],
9) f ( x)
10)
0, x [ 2,3];
0, x [2,4];
8) f ( x)
2( x 2) 9 , x [ 2,5],
0, x [2,5];
f ( x)
( x 2) 8 , x [ 2,6],
0, x [2,6];
11) f ( x )
2( x 2) 25 , x [2,7],
0, x [2,7];
( x 2) 18 , x [2,8],
13) f ( x)
0, x [2,8];
2( x 2) 49 , x [2,9],
f ( x)
0, x [2,9];
12) f ( x)
14)
( x 3) 2 , x [3,5],
2 x 6, x [3,4],
16) f ( x)
17)
0, x [3,4];
0, x [3,5];
15) f ( x)
2( x 3) 9 , x [3,6],
( x 3) 8 , x [3,7],
18) f ( x)
19)
0, x [3,6];
0, x [3,7];
f ( x)
2( x 3) 25 , x [3,8],
( x 3) 18 , x [3,9],
20) f ( x )
0, x [3,8];
0, x [3,9];
f ( x)
(2 x) 2 , x [0,2],
( 4 x) 8 , x [0,4],
22) f ( x)
0, x [0,2];
0, x [0,4];
(6 x) 18 , x [0,6],
23) f ( x)
24)
0, x [0,6];
(8 x) 32, x [0,8] ,
f ( x)
0, x [0,8];
(10 x) 50 , x [0,10],
25) f ( x)
26)
0, x [0,10];
21) f ( x)
unde
D {( x, y ) : 0 x , 0 y } .
x y
In k1 1 : F x_, y_ : 1 3 3
3 x y;
In[k1+1]:=F[x_,y_]:=13x3y+3x+y;
Observaie. n cele trei linii imediat precedente este scris acelai text
n trei moduri diferite. n prima din aceste linii a fost introdus
instruciunea respectiv din Mathematica n Word aplicnd algoritmul :
Edit, PasteSpecial, Picture(EnhancedMetafile), OK ; n a doua
algoritmul : Edit, PasteSpecial, Picture, OK. n linia a treia acelai text
este scris n Word. Care mod de scriere este mai potrivit ?...
2) Construim graficul funciei F(x,y) cu ajutorul funciei Plot3D care
construiete graficul funciei de dou variabile.
In k1 2 : Plot3D F x, y , x, 0, 4 , y, 0, 5
1
0.75
0.5
0.25
0
0
5
4
3
2
Out k1 2
SurfaceGraphics
In k1 3 :N F 1 2, 1 3 F 0, 1 3 F 1 2, 0 F 0, 0
Out k1 3 0.129601
i 1
j 1
pij 1 .
(8)
xi
xm
y1
p11
p21
pi1
pm1
y2
p12
p22
pi2
pm2
yj
p1j
p2j
pij
pmj
yn
p1n
p2n
pin
pmn
(9)
Avnd matricea de repartiie (9), se poate calcula funcia de repartiie a
sistemului (, ) conform formulei
F(x, y) =
ij
xi x y j y
(10)
px
n
j 1
pij , i = 1, 2,, m,
(11)
1
:
p
x1
x2
p x2
...
...
xm
p xm
(12)
y1
y2
... y n
p
y
py
...
unde
py j
m
i 1
py
n
(13)
pij , j = 1, 2,, n
(14)
(15)
i 1
j 1
xik y sj pij , k, s = 0, 1, 2,
(17)
M = xi p x , M = y j p y j .
i
(19)
(20)
i 1
j 1
( xi m ) k ( y j m ) s pij , k, s = 0, 1, 2 , (21)
D = (xi m )2 p x , D = (y j m )2 p y j . (23)
i
i 1
j 1
( xi m )( y j m ) pij .
(25)
Cov(, )
(27)
C C
se numete matrice a covarianelor.
Definiie. Se numete coeficient de corelaie a unui sistem de variabile
aleatoare (, ) mrimea, notat cu r (sau k) i definit prin egalitatea
C
r
.
(28)
Matricea
r r
K
(29)
r r
se numete matrice a corelaiilor.
10
a
0
0
15
0,10
0,2
0,05
20
0
0,10
0,15
25
0
0,05
0,20
(30)
Se cere : 1) s se defineasc (introduc) n Sistemul Mathematica
sistemul de v.a. dat; 2) s se determine constanta a; 3) s se introduc n
Sistemul Mathematica sistemul de v.a. dat cu precizarea valorii
parametrului a; 4) s se calculeze valorile medii m i m; 5) s se
calculeze dispersiile D i D; 6) s se calculeze abaterile medii ptratice
i ; 7) s se calculeze covariaia C; 8) s se calculeze coeficientul
de corelaie r; 9) s se scrie matricea covariaiilor; 10) s se scrie
matricea corelaiilor.
In k2 1 :
p
20
0
0.1`
0.15`
25
0
0.05`
0.2`
(31)
Am obinut matricea p. Trebuie s avem n vedere care elemente din
aceast matrice sunt valorile posibile ale variabilelor aleatoare i care
sunt probabiliti.
2) Determinm constanta a din condiia (8).
In k2 3 : Solve
p i, j
1, a
i2 j2
Out k2 3
a 0.15
Am obinut a = 0,15.
3) Scriem matricea (31) cu valoarea determinat a parametrului a i
notm matricea obinut cu p.
In k2 4 :
p
15
0.1
0.2
0.05
20
0
0.1
0.15
25
0
0.05
0.2
(32)
Am obinut matricea p.
4) Calculm valorile medii m i m conform formulelor (18).
4
In k2 6 : m
i, 1
i, j
i, j
j2
i2
Out k2 6 10.75
In k2 7 : m
1, j
i2
j2
Out k2 7 18.
In k2 8 : D
i, 1
m 2
i, j
i, j
j2
i2
Out k2 8 15.6875
5
In k2 9 : D
1, j
m 2
i2
j2
Out k2 9 26.
Out k2 10 3.96074
In k2 11 :
Out k2 11 5.09902
i, 1
m p
1, j
m p
i, j
i2 j2
Out k2 12 15.25
In k2 13 : r
Out k2 13 0.755103
MatrixForm
MatrixForm
In k4 1 : x 5, 10, 15
Out k4 1 5, 10, 15
In k4 2 : y 10, 15, 20, 25
Out k4 2 10, 15, 29, 25
In k4 4 : MatrixForm pxy
0.15 0.1 0
0
Out k4 4 0
0.2 0.1 0.05
0
0.05 0.15 0.2
MatrixForm
10
15
0.35 0.4
MatrixForm
15
20
25
0.35 0.25 0.25
= P( = xi = yj),
din egalitatea precedent obinem:
px
yj
yj
p ij
pyj
, i = 1, 2,, m; j = 1, 2,, n.
(33)
y1
xi :
py x
1 i
y2
...
p y 2 xi
...
yn
p yn
xi
, i = 1, 2,, m,
(35)
unde
pyj
xi
p ij
p xi
, i = 1, 2,, m; j = 1, 2,, n.
(36)
M [ xi ]
m
i 1
n
j 1
xi p x
yj
y j py j
xi
, j = 1, 2,, n;
, i = 1, 2,, m.
(37)
(38)
In k3 1 : 10 Table
i, 2
4 p
i2
i, 2
, i, 2, 4
Out k3 1 1., 0, 0
4, j
5 p
j2
4, j
, j, 2, 5
4 p
i2
i, 1
4 p
i2
i, j
i, j
, j, 2, 5
5 p
j2
1, j
5 p
j2
i, j
i, j
, i, 2, 4
In k3 7 : y, m
MatrixForm
Out k3 7
In k3 8 : x, m
MatrixForm
5
10
15
Out k3 8
12. 17.8571 21.875
In k3 9 :
ListPlot
12
14
16
18
Out k3 9 Graphics
20
22
24
In k3 10 : ListPlot
10
Out k3 10 Graphics
12
14
2F
.
x y
(39)
2)
f ( x, y)dxdy= 1.
(40)
f ( x, y ) dx dy
(42)
F ( x )
F ( y )
dx
dx
f ( x, y ) dy ,
f ( x, y ) dy
(43)
f ( x, y ) dy ,
f ( y)
f ( x, y ) dx
(45)
M = x f (x) dx , M = y f (y) dy .
(46)
M =
xf ( x, y)dxdy M =
,
yf ( x, y)dxdy .
(47)
x k y s f ( x, y ) dx dy
( x m ) k ( y m ) s f ( x, y ) dx dy
(48)
,
(49)
D = (x m )2 f(x, y) dx dy ,
D = (y m )2 f(x, y) dx dy ,
C
( x m )( y m ) f ( x, y ) dx dy .
(50)
(51)
(52)
(54)
(55)
f ( x, y )
, f ( y x) =
f ( x, y ) dx
f ( x, y )
f ( x, y ) dy
(56)
M [ x ] =
x f ( x y ) dx
y f ( y x ) dy
(57)
In k5 1 : Solve
Out k5 1
Am obinut a =
(, ) este
a Exp 4 x2 2 x y 5 y2 x y 1, a
19
19
. Deci densitatea d.r. in ansamblu a sistemului
19 4 x 2 2 xy 5 y 2
, (x,y)R2.
e
f ( x, y )
(58)
In k5 2 : f x_, y_
Out k5 2
19
19
2
2
4 x 2 x y 5 y
4x2 2 x y 5 y2
In k5 3 : Plot3D f, x, 1, 2 , y, 1, 2
Out k5 3 SurfaceGraphics
0.3
2
0.2
0.1
0
-1
0
1
2
-1
Out k5 3 SurfaceGraphics
In k5 4 : Plot3D f, x, 1, 2 , y, 1, 2 ,
PlotRange 0, 1.5
1.5
1
0.5
1
0
-1
0
2 -1
Out k5 4 SurfaceGraphics
f x, y x y
Out k5 5 0.213882
Out k5 6
19x2
5
In k5 7 : f y_
Out k5 7
19 y2
4
f x, y y
19
5
f x, y x
19
In k5 8 : ff f x f y
Out k5 8
19
19x2 19 y2
5
4
C ; 5) coeficientul de corelaie
r ; 6) matricea
In k6 1 : m
Out k6 1 0
In k6 2 : m
x f x x
y f y y
Out k6 2 0
x m 2 f x x
Out k6 3
Out k6 4
2
19
y m 2 f y y
In k6 5 :
5
38
Out k6 5
In k6 6 :
2
19
Out k6 6
Out k6 7
x m y m f x, y x y
Out k6 8
5
38
1
38
D C
C D
MatrixForm
1
38
2
19
In k6 10 : K
Out k6 10
MatrixForm
In k7 1 : f x y
Out k7 1
f x, y
f y
y2
4x2 2x y
4
e 4x
2 xy y
/ 4
Out k7 2
f x, y
f x
x2 2 x y 5 y2
5
In k7 3 : M y_
y
Out k7 3
4
x Exp 4 x2 2 x y
y2
x
4
In k7 4 : M x_
x Exp x2 5 2 x y 5 y2 y
Out k7 4 x
-1
-0.5
0.5
-0.1
-0.2
Out k7 5 Graphics
In k7 6 : Plot M x , x, 1, 1
1
0.5
-1
-0.5
0.5
-0.5
-1
Out k7 6 Graphics
Clear[a,f[x,y],f[x],f[y],m,m,D,D, , ,C,r,Cov[,],K,f[x|
y], f[y|x],M[y],M[x]].
4.4. Teorema Limit Central i Legea Numerelor Mari pentru
2 -
Consecina 1. n condiiile TLC pentru v.a.i.i.r., atunci cnd n este
suficient de mare are loc aproximarea urmtoare:
x na
).
P(1 + 2++ n <a ) (
n
Consecina 2 (LNM pentru v.a.i.i.r.). n condiiile TLC pentru v.a.i.i.r.,
atunci cnd n are loc convergena urmtoare
P((1 + 2++ n)/n - a <) 1
pentru orice >0, orict de mic ar fi acesta.
Consecina 3. n condiiile TLC pentru v.a.i.i.r., atunci cnd n este
suficient de mare, are loc aproximarea urmtoare:
)1 .
P((1 + 2++ n)/n - a <) 2(
n
pentru orice >0, orict de mic ar fi acesta.
Consecina 4. (LNM n forma Bernoulli, sec. XVII). Fie un
experiment aleator E, iar A un eveniment aleator pentru care p=P(A)>.,
F ( x, y )
i un domeniu
D1 {( x, y ) : 0 x 1 n / 5; 0 y 1 n / 6} ,
1) x1=20, x2=25, x3=30, y1=5, y2=10, y3=15, y4=20, p11=a, p12=0,06, p13=0,
p14=0, p21=0,04, p22=0,2, p23=0,3, p24=0,05, p31=0, p32=0, p33=0,15,
p34=0,1 ;
2) x1=20, x2=25, x3=30, y1=10, y2=15, y3=20, y4=25, p11=a, p12=0,16, p13=0,
p14=0, p21=0,08, p22=0,15, p23=0,2, p24=0,1, p31=0, p32=0, p33=0,1,
p34=0,15 ;
3) x1=15, x2=20, x3=25, y1=5, y2=10, y3=20, y4=25, p11=a, p12=0,08, p13=0,
p14=0, p21=0,1, p22=0,15, p23=0,1, p24=0,06, p31=0, p32=0, p33=0,16,
p34=0,15 ;
4) x1=20, x2=25, x3=30, y1=15, y2=20, y3=25, y4=30, p11=a, p12=0,0,06,
p13=0, p14=0, p21=0,08, p22=0,16, p23=0,15, p24=0,08, p31=0, p32=0,
p33=0,12, p34=0,2 ;
5) x1=15, x2=20, x3=25, y1=10, y2=15, y3=20, y4=25, p11=a, p12=0, p13=0,
p14=0, p21=0,08, p22=0,2, p23=0,16, p24=0, p31=0, p32=0,06, p33=0,1,
p34=0,1 ;
6) x1=10, x2=15, x3=20, y1=5, y2=10, y3=15, y4=20, p11=a, p12=0,08, p13=0,
p14=0, p21=0,16, p22=0,15, p23=0,25, p24=0,06, p31=0, p32=0, p33=0,08,
p34=0,2 ;
7) x1=5, x2=10, x3=15, y1=10, y2=15, y3=20, y4=25, p11=a, p12=0,15, p13=0,
p14=0, p21=0,09, p22=0,1, p23=0,08, p24=0,11, p31=0, p32=0, p33=0,12,
p34=0,15 ;
8) x1=25, x2=30, x3=35, y1=5, y2=10, y3=15, y4=20, p11=a, p12=0,06, p13=0,
p14=0, p21=0,1, p22=0,2, p23=0,08, p24=0,1, p31=0, p32=0, p33=0,15,
p34=0,16 ;
9) x1=25, x2=30, x3=35, y1=15, y2=20, y3=25, y4=30, p11=a, p12=0,08, p13=0,
p14=0, p21=0,06, p22=0,15, p23=0,15, p24=0,04, p31=0, p32=0, p33=0,14,
p34=0,16 ;
10) x1=10, x2=15, x3=20, y1=10, y2=15, y3=20, y4=25, p11=a, p12=0,05,
p13=0, p14=0, p21=0,06, p22=0,15, p23=0,15, p24=0,04 p31=0, p32=0, p33=0,14,
p34=0,16.
n variantele 10+i se adun 2 la toate valorile posibile ale lui i ale lui
din variante i.
3. Fiind dat sistemul de v.a. (,) din exerciiul 8.3.2., se cere :
1) sa se afle repartiiile marginale ale lui i ; 2) s se determine dac
sunt sau nu independente v.a. i .
6) f ( x, y ) a e 3 x
7) f ( x, y ) a e x
8) f ( x, y ) a e 3 x
9) f ( x, y ) a e x
2 xy 4 y 2
2 xy 2 y 2
4) f ( x, y ) a e 3 x
5) f ( x, y ) a e x
2 xy 5 y
2
10) f ( x, y ) a e 3 x
2
, (x,y)R2 ;
, (x,y)R2 ;
2 xy 5 y 2
4 xy 5 y 2
, (x,y)R2 ;
, (x,y)R2 ;
6 xy 4 y 2
2 xy 6 y
11) f ( x, y ) a e x
, (x,y)R2 ;
4 xy 4 y 2
2
, (x,y)R2 ;
, (x,y)R2 ;
, (x,y)R2 ;
4 xy 5 y 2
4 xy 6 y 2
, (x,y)R2 ;
, (x,y)R2 ;
6 xy 5 y 2
, (x,y)R2 ;
13) f ( x, y ) a e 2 x
2 xy 3 y
, (x,y)R2 ;
14) f ( x, y ) a e 4 x
2 xy y 2
12) f ( x, y ) a e 3 x
, (x,y)R2 ;
15) f ( x, y ) a e 2 x
2 xy 2 y 2
, (x,y)R2 ;
16) f ( x, y ) a e 4 x
2 xy 2 y 2
, (x,y)R2 ;
17) f ( x, y ) a e 2 x
4 xy 3 y 2
, (x,y)R2 ;
18) f ( x, y ) a e 4 x
4 xy 2 y
, (x,y)R2 ;
19) f ( x, y ) a e 2 x
4 xy 4 y 2
, (x,y)R2 ;
20) f ( x, y ) a e 4 x
2 xy 3 y 2
, (x,y)R2 ;
21) f ( x, y ) a e 2 x
4 xy 5 y
, (x,y)R2 ;
22) f ( x, y ) a e 4 x
4 xy 3 y 2
, (x,y)R2 ;
23) f ( x, y ) a e 2 x
6 xy 5 y
, (x,y)R2 ;
6 xy 3 y 2
24) f ( x, y ) a e 4 x
25) f ( x, y ) a e 2 x
, (x,y)R2 ;
2 xy y 2
, (x,y)R2 ;
26) f ( x, y ) a e 4 x
2 xy 4 y
27) f ( x, y ) a e 3 x
2 xy y 2
, (x,y)R2 ;
28) f ( x, y ) a e 4 x
29) f ( x, y ) a e 3 x
4 xy 4 y 2
2 xy 2 y
, (x,y)R2.
, (x,y)R2 ;
, (x,y)R2 ;
30) f ( x, y ) a e 4 x 6 xy 4 y , (x,y)R2.
6. Fiind dat sistemul de v.a. (, ) definit n exerciiul 8.3.5 prin d.r. in
ansamblu f(x,y), s se determine : 1) valorile medii m i m ; 2)
dispersiile D i D ; 3) abaterile medii ptratice i ;4) covariana
S B
E:
0.50.5
S B
,E :
0.90.1
I ( A1 )
p1
I :
I ( A2 ) ...
p2
...
I ( An )
, pi>0 , i=1,,n ,
pn
p
i 1
1.
(1)
H ( p1 , p2 ,..., pn ) pi log 2 pi ,
i 1
i=1,,n ,
p
i 1
1;
H(E) =H(E1,E2)=
(1 / 4) log
i 1
(1 / 4) 2bit = H(E1)+
H(E2).
va ploua.
L ni p( xi ) .
i 1
ni
1.
i 1
BIBLIOGRAFIE
1. Potaru A., Leahu A. Probabilitate, Procese aleatoare i aplicaii,