Documente Academic
Documente Profesional
Documente Cultură
PROBABILITĂŢILOR
1.1. PROBABILITATE
5
Flux staţionar – fluxul la care probabilitatea apariţiei unui număr
oarecare de evenimente într-un interval de timp t depinde de lungimea
intervalului şi nu de poziţia acestuia pe axa timpului.
Flux fără postacţiune – fluxul la care, pentru toate intervalele de timp
neintersectabile între ele, numărul evenimentelor ce se produc în unul din
acestea nu depinde de numărul evenimentelor ce se produc în celelalte
intervale.
Flux ordinar – fluxul la care probabilitatea de a se produce două sau
mai multe evenimente, într-un interval de timp elementar ∆t, este neglijabilă în
raport cu probabilitatea corespunzătoare producerii unui singur eveniment.
Flux simplu (flux staţionar Poisson) – fluxul care simultan este
staţionar, fără postacţiune şi ordinar.
Flux cu postacţiune limitată – fluxul la care intervalele de timp dintre
evenimentele succesive sunt variabile aleatorii independente.
F x( ) f x( )
0 x 0 x
7
Caracterizarea variabilelor aleatoare discrete se face pe baza tabloului
(1.27):
x , x 2 ,..., x n
X : 1
p( x1 ) , p( x 2 ) ,..., p( x n )
(1.27)
unde:
x i − reprezintă valorile variabilei aleatoare;
p( x i ) −reprezintă probabilitatea de realizare a acestor valori,
P( X = x i ) = p i .
f x( ) F x( )
0 x1 x2 x3 x4 x 0 x1 x2 x3 x4 x
Fig. 1.2. Densitate de distribuţie, Fig.1.3. Funcţie de repartiţie,
variabilă aleatoare discretă variabilă aleatoare discretă.
8
Pentru variabile aleatoare discrete:
n
M(x) = ∑ x i p( x i ) = m (1.33)
i =1
Valoarea medie pentru o variabilă aleatoare continuă se poate
interpreta ca şi centru de greutate.
Valoarea medie pentru o variabilă aleatoare discretă, deoarece
∑ ip =1 , se poate interpreta ca şi centrul de greutate al maselor (p i )
concentrate în punctele de abscisă ( x i ) .
Momentul de ordin k:
+
∞
k
M k ( x) = ∫x f ( x ) dx
−∞
(1.34)
n
M k ( x ) = ∑x ik p( x i )
i =1
(1.35)
pentru:
k=-1 obţinem media armonică;
k=0 obţinem media geometrică;
k=1 obţinem media aritmetică (valoarea medie).
9
Dispersia permite caracterizarea gradului de împrăştiere a valorilor
variabilei aleatoare în jurul valorii medii care, dimensional, reprezintă pătratul
variabilei în cauză.
Abaterea medie pătratică (deviaţia standard):
σ= D( x ) (1.41)
Această mărime permite caracterizarea mult mai intuitivă a
împrăştierii variabilelor aleatoare faţă de valoarea medie.
Moda este definită ca fiind acea valoare a variabilei aleatoare pentru
care densitatea de repartiţie f(x) prezintă un maxim. Există situaţii în care f(x)
are mai multe maxime, deci mai multe mode.
Coeficientul de variaţie, este raportul între abaterea medie pătratică şi
valoarea medie a variabilei aleatoare:
η = σ/ m (1.42)
Mediană, este numărul notat cu M e , definit prin relaţia:
1
P(X ≥ M e ) ≥ ≤ P(X ≤ M e ) (1.43)
2
sau
1 1
F( M e )≤ şi F( M e + 0) ≥
2 2
(1.44)
Din definiţia medianei rezultă că aceasta este una din valorile x ale
variabilei aleatoare X pentru care
x +
∞
1
∫ dF ( x ) = ∫ dF ( x ) =
2
(1.45)
−∞ x
Cuantilă, valorile x i , i∈(1,n-1) ale variabilei aleatoare X pentru care:
x1 x2 +∞
1
∫ dF ( x ) = ∫ dF ( x) = ... = ∫ dF ( x ) =
n
(1.46)
−∞ x1 xn −1
se numesc cuantile .
10
Dacă se ţine seama de faptul că evenimentele care intervin sunt
independente, rezultă că probabilitatea ca din cele n probe, evenimentul A să
apară de k ori este
P(X=k)= C kn p k q n −k (1.47)
Distribuţia variabilei aleatoare este:
0 1 2 .... n
X: n 1 n −1 2 2 n − 2 (1.48)
q Cn pq Cn p q ... p n
Funcţia de repartiţie este:
x
F(x)= ∑Ckn p k q n −k ; k=0,1,2,...,n (1.49)
k =0
1
1 − p 2
M(x) = np ; D(x) = npq ;
η=
np
şi
1
M(x) = λ ; D(x) = λ ; η = 1/ 2
λ
Distribuţia Poisson joacă un rol deosebit în studiile de fiabilitate, ea
descriind legea de apariţie a defectelor aleatoare într-un sistem complex.
Repartiţia Poisson poate fi definită şi ca un proces continuu în timp, formă des
întâlnită în aplicaţii. În acest caz parametrul λ se înlocuieşte cu λt.
11
Fie p probabilitatea de apariţie a evenimentului A la fiecare încercare.
Probabilitatea ca din n încercări să apară evenimentul A o singură dată este
dată de expresia:
P(n,p)= pq n −1
(1.52)
unde n=1,2,...,.. ; 0 < p ≤ 1
Funcţia de repartiţie este:
n
F(x)= ∑pq k −1 (1.53)
k =0
F x( ) f x( )
1
1
b - a
a b x a b x
Fig.1.2. Reprezentarea grafică F(x) şi f(x) pentru repartiţia uniformă
σ 2π −∞
M ( x ) = m; D ( x ) = δ2
13
f x( ) F x( )
1
σ 2 π
1
0 , 5
3σ 2σ σ x = σm 2σ 3σ x m x
6 8 , 2 6 %
9 5 , 4 5 %
9 9 , 7 3 %
Curba f(x) are forma unui clopot simetric faţă de x = m şi are două
puncte de inflexiune la x = m ± σ. Funcţia prezintă o singură modă la x = m,
f ( m ) =1 / σ 2 π , care este şi mediana curbei.
Din graficul funcţiei f(x) se observă că între punctele x = m ± 3σ se
află 99,73% din suprafaţa curbei iar restul de 0,27% se află în intervalele (-∞,
x-3σ) şi (x+3σ , ∞). Această lege de repartiţie este frecvent utilizată în teoria
erorilor.
14
f x( ) F x( )
λ 1
x x
Fig.1.4. Reprezentarea grafică f(x) şi F(x) pentru repartiţia exponenţială
− 2/λ 2 12
D(x) = λ Γ (1 + ) − Γ (1 + )
α α
15
∞
unde Γ(z)= ∫t z −1e −t dt .
0
Repartiţia Weibull este utilizată frecvent în studiul fiabilităţii datorită
faptului că rata defecţiunilor poate fi modelată în diverse forme (în funcţie de
valorile lui α).
f x( ) λ( t )
α > 2
α = 1
α < 1
x t
Fig.1.5. Reprezentarea lui f(x) Fig.1.6. Reprezentarea lui λ(t) în
pentru α≤1 şi α>1 funcţie de diverse valori ale lui α
16
f x( ) λ( t )
α < 0
α = 0
α > 0
x t
Fig.1.7. Reprezentarea lui f(x) şi λ(t) pentru repartiţia Gamma
1.4.6. Repartiţia χ2
(hi-pătrat)
17
f x( )
n = 1
n > 1
x
Fig.1.8. Reprezentarea lui f(x) pentru repartiţia hi-pătrat
1.5. EXEMPLE
Exemplul 1.
Exemplul 3.
18
Într-un depozit sunt 4 aparate fabricate de X şi 6 aparate fabricate de
Y, ambalate în cutii identice şi nemarcate. Se cere să se determine
probabilităţile ca să extragem în ordine un aparat fabricat de X, un aparat
fabricat de Y şi iar un aparat fabricat de Y.
Se consideră evenimentele:
A1 - ca la prima extragere să obţinem un aparat fabricat de X;
A 2 - ca la a doua extragere să obţinem un aparat fabricat de Y;
A 3 - ca la a treia extragere să obţinem un aparat fabricat de Y;
Trebuie să calculăm evenimentul A1 ∩ A 2 ∩ A 3 .
Avem:
4 6 5
P( A1 ) = ; P( A 2 / A1 ) = ; P( A 3 / A1 ∩ A 2 ) =
10 9 8
Rezultă:
4 6 5 1
P( A1 ∩ A 2 ∩ A 3 ) = ⋅ ⋅ =
10 9 8 6
Exemplul 4.
19
Exemplul 5.
20