Documente Academic
Documente Profesional
Documente Cultură
7
2. La aruncarea unui zar, evenimentul care consta in
aparitia oricarei fete de la 1 la 6 constituie evenimentul
sigur.
3. Aparitia unui numar de 7 puncte la o proba a aruncarii
unui zar este un eveniment imposibil.
4. Extragerea unei bile negre dintr-o urna care contine
numai bile albe, este un eveniment imposibil.
5. Aparitia fetei 1 la aruncarea unui zar este un eveniment
intamplator.
Evenimentele intamplatoare se supun unor legitati, numite
legitati statistice. In acest sens, nu se poate prevedea daca intr-
o singura aruncare a unui zar se obtine fata 1; daca insa se
efectueaza un numar suficient de mare de aruncari se poate
prevedea cu suficienta precizie numarul de aparitii ale acestei
fete.
Evenimentele intamplatoare pot fi compatibile si
incompatibile.
Doua evenimente se numesc incompatibile, daca realizarea
unuia exclude realizarea celuilalt.
EXEMPLE
1. Evenimentele: aparitia fetei 1 la aruncarea unui zar si
respectiv aparitia fetei 2 la aruncarea unui zar, sunt
incompatibile.
2. Evenimentele: aparitia fetei 1 la aruncarea unui zar si
respectiv aparitia unei fete cu un numar impar de puncte
la aruncarea unui zar, sunt compatibile
Evenimentele pot fi dependente sau independente.
Doua evenimente se numesc independente daca realizarea
unuia nu influenteaza probabilitatea realizarii celuilalt si
dependente in caz contrar.
EXEMPLE
1. Evenimentele: aparitia fetei 1 la aruncarea unui zar si
respectiv aparitia fetei 2 la o alta aruncare a zarului,
sunt independente.
8
2. Evenimentele: obtinerea unui numar de 7 puncte la
aruncarea a doua zaruri si aparitia fetei 2 pe unul dintre
doua zaruri, stiind ca acestea au suma punctelor de pe
fetele de deasupra 7, sunt dependente.
A B
OBSERVATII a) Implicatia evenimentelor este echivalenta cu
incluziunea multimilor. (vezi fig. nr. 1)
B
A
Fig. nr. 1
b) Orice eveniment aleator,
precum si evenimentul
imposibil, implica evenimentul
sigur:
Fig. nr. 2
A , .
DEFINITIE Se spune ca un eveniment este contrar
A evenimentului
A, daca realizarea sa consta in nerealizarea lui A.A Notatia
folosita este A .
10
Fig. nr. 4
c) Oricare ar fi evenimentul A , au loc relatiile :
A A A,
B
A A ,
A ,
.
DEFINITIEIntersectia (sau produsul) evenimentelor A si B
este evenimentul P care consta in realizarea simultana a
evenimentelor A si B .
Notatia este :
P A B .
OBSERVATIE Geometric, A B este reprezentat prin regiunea
comuna celor doua cercuri prezentate in fig. nr. 3.
Prin introducerea notiunii reuniune si intersectie, unele
notiuni din teoria probabilitatilor pot fi formulate in mod mai
precis. Astfel, pentru evenimentele opuse se pot formula in
acest moment urmatoarele DEFINITII:
I) evenimentele A si A se numesc opuse daca au loc
relatiile:
A A E si A A
A B .
In caz contrar ( A B ), evenimentele se numesc
compatibile.
A B A B ,
A B A B .
11
Aceste doua relatii reprezinta, in teoria multimilor, relatiile lui
De Morgan. Interpretarea va fi in limbajul evenimentelor. Se
considera mai intai prima relatie. A B este prin definitie
evenimentul a carui realizare inseamna realizarea a cel putin
unuia din evenimentele A sau B . Contrarul sau, A B va fi
evenimentul a carui realizare presupune nerealizarea atat a
evenimentului A , cat si a evenimentului B . Dar nerealizarea
evenimentului A inseamna realizarea evenimentului A si
invers, nerealizarea evenimentului B inseamna realizarea
evenimentului B . Deci, daca A B se realizeaza, atunci se
realizeaza si evenimentul A si evenimentul B , adica
evenimentul A B . Se ajunge la concluzia ca realizarea
evenimentului A B implica realizarea evenimentului A B ,
ceea ce se scrie :
A B A B 1 .
Invers, daca se realizeaza A B adica se realizeaza A si
B , atunci nu se realizeaza nici unul din evenimentele A , B ,
deci nu se realizeaza evenimentul A B . Dar nerealizarea lui
A B inseamna realizarea lui A B .
Rezulta ca realizarea evenimentului A B implica
realizarea evenimentului A B , adica :
A B A B . 2
Din relatiile 1 si 2 rezulta:
A B A B .
A B A B ,
si rezulta ca:
A B A B .
A B,
BA,
A B B ,
A B A.
sunt echivalente.
Se va arata ca daca una din cele patru relatii este
adevarata, atunci si celelalte trei sunt adevarate.
Fie A B este adevarata. Aceasta inseamna ca daca A
se realizeaza, atunci se realizeaza si B .
Relatia B A arata ca daca nu s-a realizat B , atunci nu
s-a realizat nici A , ceea ce este adevarat; daca nu ar fi asa, ar
fi contrazisa relatia A B .
Pentru a arata ca A B B (daca A B ), este suficient
sa se arate ca A B B 3 , deoarece relatia B A B
este evidenta, ea insemnand ca daca se realizeaza B , atunci
se realizeaza unul din evenimentele A , B .
Pentru a demonstra relatia 3 trebuie aratat ca de cate ori
se realizeaza A B , se realizeaza si B .
13
Daca A B s-a realizat, atunci sau s-a realizat B (si
relatia este demonstrata) sau s-a realizat A si atunci, conform
ipotezei A B , s-a realizat si B .
Pentru a arata ca A B A (in aceeasi ipoteza A B ), se
observa ca daca se realizeaza A , atunci conform ipotezei se
realizeaza si B , deci se realizeaza A B . Se poate scrie
A A B .
Relatia A B A este evidenta, ea insemnand ca daca se
realizeaza A si B , atunci se realizeaza A (relatia
A B A este adevarata fara ipoteza A B ). Deci
A B A.
Prin rationamente asemanatoare, se arata ca daca se va lua
ca ipoteza alta din cele patru relatii din enunt, atunci prima
relatie va rezulta drept o concluzie.
3. Relatiile :
A B ,
A B ,
B A,
sunt echivalente.
Se presupune ca A B , adica evenimentele A si B
sunt incompatibile. Aceasta inseamna ca daca A se
realizeaza, atunci B nu se realizeaza, deci se realizeaza B ,
adica A B .
Invers, daca A B , atunci daca A se realizeaza, se
realizeaza in mod sigur si B , deci B nu se realizeaza.
Aceasta insemna ca evenimentele A si B sunt incompatibile,
adica A B .
Rezulta ca primele doua relatii din enunt sunt echivalente.
Evidenta primei si a celei de-a treia relatii rezulta acum din
simetria relatiei A B .
14
Camp de evenimente. Axiomele lui
Kolmogorov
20
0 ,02 .
1000
15
Se va cauta a se lamuri, pe plan teoretic, ce se intelege prin
probabilitatea unui eveniment intr-o operatie de masa data,
retinand in acest scop ca unitatile elementare rezultate dintr-un
proces de masa - unitati ale colectivitatii constituite - isi
contopesc caracteristicile lor particulare intr-o caracteristica a
intregului ansamblu, intr-o legitate generala care caracterizeaza
nu un element anumit al colectivitatii studiate, ci un element
oarecare al acesteia, legitate care se va denumi legitate
statistica.
Daca intr-o operatie de masa care are loc in conditii identice,
un eveniment A se produce in medie de m ori, adica la m
din n unitati elementare ale colectivitatii studiate,
probabilitatea evenimentului A este
m
P A 1 .
n
0 P A 1 . 2
Cu cat P A este mai apropiat de 1 , cu atat evenimentul
A are loc mai des. Daca P A 0 , evenimentul sau nu are loc
16
niciodata, sau are loc foarte rar, asa ca practic il consideram
imposibil. Daca P A 1 , evenimentul are loc totdeauna, deci
este un eveniment sigur.
Din definitia clasica a probabilitatii 1 , rezulta urmatoarele:
PROPRIETATI
1. Probabilitatea evenimentului sigur este 1 , intrucat in acest
caz m n ;
2. Probabilitatea evenimentului imposibil este 0 , intrucat in
acest caz m 0 ;
3. Probabilitatea unui eveniment intamplator este cuprinsa intre
0 si 1 , intrucat in acest caz 0 m 1 .
evenimente.
Adaugand la aceasta evenimentul sigur, care consta in
faptul ca la o aruncare cu zarul va aparea in mod sigur una din
18
cele sase fete, precum si evenimentul imposibil, constand din
faptul imposibil ca la aruncarea cu zarul sa nu iasa nici una din
fete, se obtin in total 64 evenimente, care formeaza campul de
evenimente generat de experienta aruncarii unui zar.
Evenimentele 1 , 2 ,..., 6 rezultate direct din experienta,
vor fi numite evenimente elementare.
Prin urmare, sunt:
1 2 1,2 .
In mod analog, realizarea simultana a evenimentelor 1,2 ,3
si 1,3 este evenimentul 1,3 . Se spune ca evenimentul
1,3 este intersectia (produsul) evenimentelor 1,2 ,3 si
1,3 , adica :
1,2 ,3 1,3 1,3 .
Daca evenimentele intersectate se exclud reciproc, se
obtine evenimentul imposibil, notat cu . De exemplu :
1,2 5 ,6 .
19
Din cele aratate pana acum rezulta ca orice eveniment al
campului care nu este elementar, sau evenimentul nul, este o
reuniune de evenimente elementare.
In particular, reuniunea (adunarea) tuturor evenimentelor
elementare conduce la evenimentul sigur, care va fi notat cu
.
Se considera evenimentul 1 . Evenimentul 2 ,3,4 ,5 ,6 se
bucura de proprietatile:
1 2,3,4 ,5 ,6 ;
1 2,3,4 ,5 ,6 .
Evenimentul 1 este complementul evenimentului
2 ,3,4 ,5 ,6 .
In general, un camp de evenimente este caracterizat prin
urmatoarele proprietati : daca notam cu Ak , 1 k h ,
h h
evenimente ale campului, Ak , Ak sunt de
k 1 k 1
m
0 1.
n
20
AXIOMA 3. Probabilitatea evenimentului sigur este egala cu 1 .
P A1 A2 ... An P A1 P A2 ...P An
Demonstratia este imediata, prin inductie matematica dupa
n N (numarul de evenimente considerat), folosind regula de
adunare a probabilitatii evenimentelor incompatibile data de cea
de a treia axioma, si anume : P A B
P A P A , unde
A B .
21
REMARCA Pentru demonstratie se puteau considera
urmatoarele ipoteze : evenimentul A1 se poate realiza in m1
cazuri, evenimentul A2 se poate realiza in m2 cazuri,…,
evenimentul An se poate realiza in mn cazuri, iar
evenimentul sigur se poate realiza in s cazuri.
m1 m m
Atunci : P A1 , P A2 2 , …, P An n .
s s s
m1 m2 ... mn
P A1 A2 ... An s
si
P A1 A2 ... An P A1 P A2 ...P An .
1.4.2 PROBABILITATEA EVENIMENTELOR CONTRARE
A A E si A A .
nm
, P A
m m
P A 1 .
n n n
22
Efectuand suma probabilitatilor acestor evenimente, se
obtine:
P A P A 1 .
A1 A2 ... As E ,
Ai A j , i , j 1,2 ,..., s
cu probabilitatea:
P A1 A2 ... As P E
sau
P A1 P A2 ... P As 1 ,
23
influentata de faptul ca celelalte evenimente s-au produs sau
nu.
EXEMPLE a) Daca dintr-un lot continand atat piese standard cat
si piese rebut se extrage cate o piesa care revine la lot dupa
fiecare extractie, evenimentele care constau in extragerea unei
piese standard la fiecare extractie sunt independente.
b) Daca se arunca o moneda de doua ori, probabilitatea
aparitiei stemei (evenimentul A ) in a doua aruncare nu
depinde de faptul ca in prima aruncare s-a produs sau nu
aparitia valorii (evenimentul B ).
m1
P A1 A2 . 1
n
m1 m2
P A1 . 2
n
m1
PA1 A2 . 3
m1 m2
m1 m2 m1 m
P A1 PA1 A2 1,
n m1 m2 n
adica rezultatul de la 1 .
Deci,
P A1 A2 P A1 PA1 A2 , 4
relatie care constituie regula de inmultire a probabilitatilor a
doua evenimente dependente.
Din 4 se obtine :
P A1 A2
PA1 A2 . 5
P A1
P A1 A2
PA2 A1 . 6
P A2
36
PA1 A2 .
39
37 36
P A1 A2 P A1 PA1 A2 0 ,85 .
40 39
6
P A .
10
P A1 A2 P A1 P A2 .
P A1 A2 P A1 P A2
PA1 A2 P A2 ,
P A1 P A1
P A1 A2 P A1 P A2
PA2 A1 P A1 .
P A2 P A2
Egalitatile
28
PA1 A2 P A2 si PA2 A1 P A1
arata ca a conditiona pe A2 de A1 si pe A1 de A2 nu
influenteaza probabilitatile P A1 si P A2 . Evenimentele A
si B sunt independente.
In acest caz, formula 7 devine
A1 A2 A1 A2 A1 A2 A1 A2 .
P A1 A2 P A1 A2 P A1 A2 P A1 A2 . 1
Se vor calcula probabilitatile evenimentelor A1 si A2 :
P A1 P A1 A2 P A1 A2 , 2
P A2 P A1 A2 P A1 A2 . 3
Insumand ultimele doua relatii si tinand seama de 1 , se
obtine:
P A1 P A2 P A1 A2 P A1 A2
P A1 A2 P A1 A2
de unde rezulta :
P A1 A2 P A1 P A2 P A1 A2 . 4
Pentru trei evenimente A1 , A2 si A3 aceasta relatie
devine :
P A1 A2 A3 P A1 P A2 P A3 P A1 A2
30
P A1 A3 P A2 A3 P A1 A2 A3 . 5
In general, pentru s evenimente are loc :
s s s 1
s
P Ak P Ak P Ak Ah ... 1 P Ak 6
k 1 k 1 k ,h k 1
k h
P A1 A2 A3 P A1 P A2 P A3 P A1 A2
P A1 A3 P A2 A3 P A1 A2 A3
P A1 P A2 P A3 P A1 P A2 P A1 P A3
P A2 P A3 P A1 P A2 P A3
0 ,90 0 ,94 0 ,86 0 ,90 0 ,94 0 ,90 0 ,86
0 ,94 0 ,86 0 ,90 0 ,94 0 ,86 0 ,99916 .
X A1 X A2 X ... As X .
31
Deoarece evenimentele A1 X , A2 X ,..., As X
sunt incompatibile doua cate doua, rezulta :
P X P A1 X P A2 X ... P As X
sau
X A1 X A2 X ... As X .
P X P A1 X P A2 X ... P As X .
32
P A1 X P A1 PA1 X , P A2 X P A2 PA2 X ,…
…, P As X P As PAs X .
Prin urmare,
25 35 40
P A1 , P A2 , P A3 ,
100 100 100
2 3 1
PA1 X , PA2 X , PA3 X .
100 100 100
Deci,
P A1 , P A2 , P A3 , …
PA1 X PA2 X PA3 X ,…
PX A1 , PX A2 ,..., PX As .
X Ai , i fixat,
P X Ai P X PX Ai P Ai PAi X .
34
P Ai PAi X
PX Ai .
P X
P Ai PAi X
PX Ai ,
P A1 PA1 X P A2 PA2 X ... P As PAs X
P Ai PAi X
PX Ai
P A1 PA1 X P A2 PA2 X ... P As PAs X
25 2
100 100 0 ,256 .
25 2 35 3 40 1
100 100 100 100 100 100
35
- evenimentul X , cumpararea unei marfi de calitatea a
doua.
Evenimentul X are loc in una din urmatoarele situatii :
A1 X ; A2 X ; As X .
Prin urmare se poate scrie :
X A1 X A2 X As X .
A1 A2 , A1 A3 , A2 A3 ,
A1 A2 A3 E
P A3 PA3 X
PX A3 .
P A1 PA1 X P A2 PA2 X P A3 PA3 X
1 5 1 6 3
P Ai , i 1,2 ,3 , PA1 X , PA2 X ,
3 10 2 10 5
8 4
PA3 X ,
10 5
1 4
8
PX A3 3 5 0 ,421
1 1 1 3 1 4 19
3 2 3 5 3 5
36
1.4.8 SCHEME DE PROBABILITATE
p k q n k .
Pn k C nk p k q nk .
37
Deoarece acest termen este unul din termenii dezvoltarii
binomului p q n , aceasta schema se mai numeste si schema
binomiala.
n!
pn 1 , , k p11 p2 2 pk k ,
1 ! 2 ! k !
unde p1 pk 1 si 1 k n .
Deoarece pn 1 , , k reprezinta unul din termenii
dezvoltarii unui polinom la puterea n , aceasta schema se mai
numeste si schema polinomiala.
38
fiecare grupa de b bile negre ( C b ) si se obtin C a C b . Deci
probabilitatea cautata este:
C a C b
n a b .
C anb
P Ai pi ; P Ai qi 1 pi , i 1,2 ,..., n .
p1 x q1 p2 x q2 ... pn x qn ,
atunci probabilitatea evenimentului A este coeficientul lui x k .
Ai Ai ,
iI iI
rezulta:
iI
iI
iI iI
P Ai 1 P Ai 1 P Ai P Ai n 1
40
EXEMPLU Intr-o grupa de studenti, 75% cunosc limba
franceza, 90% cunosc limba engleza si 82% cunosc limba
germana. Care este probabilitatea ca un student ales la
intamplare sa cunoasca toate limbile ?
Considerand A1 , A2 , A3 evenimentele ca un student sa
cunoasca libile franceza, engleza si respectiv germana atunci
evenimentul cerut ca un student ales la intamplare sa cunoasca
toate limbile este A1 A2 A3 . Atunci:
P A1 A2 A3 P A1 P A2 P A3 3 1
adica:
P A1 A2 A3 0 ,47
CAPITOLUL 2
VARIABILE ALEATOARE
x x2 ... xn x
f : 1 , sau f : i , 1 i n .
p1 p2 ... pn pi
p1 p2 ... pn 1 .
43
2.3 Operatii cu variabile aleatoare discrete
DEFINITIE Puterea de ordinul k a variabilei aleatoare f este
variabila aleatoare f k cu repartitia :
xk x k2 ... x kn
f : 1
k .
p1 p2 ... pn
ax ax 2 ... ax n
af : 1 .
p1 p2 ... pn
x x2 ... xn y y2 ... y m
f : 1 si g : 1 .
p1 p2 ... pn q1 q2 ... q m
P f xi , g y j pij .
Cum evenimentele f xi , g y j , 1 i n , 1 j m , in
numar de nm , formeaza un sistem complet de evenimente,
atunci :
44
n m
pij 1 .
i 1 j 1
xi y j
pij , 1 i n ,
1 j m.
xi y j
pij , 1 i n ,
1 j m.
P f xi , g y j P f xi P g y j ,
adica
pij pi q j .
p jk p f x j , g y k , 1 j s , 1 k t .
p f x j , g y k p f x j p g y k .
DEFINITIE Probabilitatile :
p j1 j2 ... jn p f 1 x j1 ,1 , f 2 x j2 ,2 ,..., f n x jn ,n
constituie repartitia comuna a variabilelor aleatoare f 1 ,..., f n .
p f 1 x j1 ,1 , f 2 x j2 ,2 ,..., f n x jn ,n
p f 1
x j1 ,1 p f 2 x j2 ,2 ... p f n x jn ,n .
46
DEFINITIE Variabilele aleatoare f 1 , f 2 ,..., f n ,... 1 sunt
independente, daca orice numar finit de variabile aleatoare din
acest sir sunt independente.
Introducem acum o caracteristica numerica foarte
importanta, asociata unei variabile aleatoare.
DEFINITIE Numarul
s
M f x k pk
k 1
1 1 1 1 1 1 1
M f 1 2 3 4 5 6 3 .
6 6 6 6 6 6 2
DEFINITIE Numarul
s
D 2 f M 2 f M f x k M f pk
2
k 1
Mr f M f r
Demonstratie. Fie variabila aleatoare f cu repartitia
x xs
f : 1 .
p1 ps
xr x sr
h : 1 ;
p1 ps
r
cu alte cuvinte, valorile x j si x j au aceeasi probabilitate p j ,
1 j s si deci
s
M h x rj p j M r f . ( )
j 1
M r f ar .
M r af a r M r f .
48
Demonstratie. Fie variabila aleatoare f cu valorile x1 ,..., x s ,
avand probabilitatile p1 ,..., p s si fie h af . Aceasta noua
variabila aleatoare ia valorile ax1 ,..., ax s cu aceleasi
probabilitati p1 ,..., p s si deci:
s s
M h a r x rj p j a r x rj p j a r M r f . ( )
j 1 j 1
M f 1 ... f n M f 1 ... M f n .
p jk p f x j , g y k , 1 j s , 1 k t .
M h x j y k p jk x j p jk y k p jk .
s t s t t s
j 1k 1 j 1 k 1 k 1 j 1
1
t
Suma p jk , este suma probabilitatilor tuturor
k 1
evenimentelor de forma f x j , g y k , unde indicele j este
acelasi pentru toti termenii sumei, iar indicele k variaza de la
49
un termen la altul, parcurgand toate valorile de la 1 la t .
Deoarece evenimentele g y k pentru indici k diferiti sunt
t
incompatibile doua cate doua, suma p jk este probabilitatea
k 1
producerii unui eveniment oarecare din cele t evenimente
f x j , g yk , 1 k t . Dar, a spune ca s-a produs un
eveniment oarecare din evenimentele f x j , g y k , 1 k t
, este echivalent cu a spune ca s-a produs evenimentul f x j
. Intr-adevar, daca s-a produs unul din evenimentele
f x j , g yk , 1 k t , este evident ca s-a produs si
evenimentul f x j ; reciproc, daca s-a produs evenimentul
f x , atunci intrucat variabila aleatoare
j
g ia neaparat una
din valorile sale posibile y1 ,..., y t , trebuie sa se produca si un
eveniment oarecare din evenimentele f x j , g y k , 1 k t
t
. Asadar, p jk fiind probabilitatea producerii unui eveniment
k 1
oarecare din evenimentele f
x j , g y k , 1 k t , este
egala cu probabilitatea evenimentului f x j , adica
t
p jk p j , 1 j s .
k 1
50
Pentru mai mult de doua variabile aleatoare, se procedeaza
prin inductie. Fie
h f 1 ... f n
D2 f M 2 f M f .
2
Demonstratie. D 2 f M 2 f M f M f M f 2
M f 2M f f M f M f
2 2
M 2 M f f M M f
2 2
,
daca se tine seama de proprietatea precedenta. Mai departe,
aplicand de doua ori proprietatea 1., se obtine :
D 2 f M f 2 2 M f M f M f M 2 f M f .
2 2
51
Demonstratie. Se presupune ca variabila aleatoare f ia
valorile x1 ,..., x s cu probabilitatile p1 ,..., p s , iar variabila
aleatoare g ia valorile y1 ,..., y t cu probabilitatile q1 ,..., qt .
De asemenea :
p jk p f x j , g y k , 1 j s , 1 k t
s t s t
M h x j y k p jk x j y k p j qk
j 1k 1 j 1k 1
s t
x j p j y k qk M f M g .
j 1 k 1
D 2 f 1 ... f n D 2 f 1 ... D 2 f n .
n
2
M f 1 ... f n M f 1 ... M f n
n
2
M f j2 f j f k M f j M f j M f k
n n
2
j1 jj,kk1 j 1 j ,k 1
j k
j 1
M f j2 M f j f k M f j M f j M f k
n n
j ,k 1
n
j 1
2
n
j ,k 1
.
j k j k
52
Daca se tine seama de faptul ca variabilele aleatoare
f 1 ,..., f n sunt independente, atunci din proprietatea 6 rezulta
ca cele doua sume duble de mai sus se reduc si deci :
D 2 f 1 ... f n
j 1
M f j M f j
n
2 2
j 1
2
M 2 f j M f j D 2 f j .
n n
j 1
D2 f
p f M f ,
2
sau
D2 f
p f M f 1
2
Demonstratie. Fie f o variabila aleatoare care ia valorile
x1 ,..., x s cu probabilitatile p1 ,..., p s . Dispersia variabilei
aleatoare f este :
s
D 2 f x 1 M f pi .
2
i 1
D2 f x 1 M f pi .
2
xi M f
53
Aceasta suma se va micsora si mai mult daca in fiecare
termen al ei vom inlocui factorul x i M f 2 prin valoarea
inferioara 2 :
D2 f 2 pi .
xi M f
D2 f
p f M f ,
2
ceea ce permite aprecierea probabilitatii abaterilor mai mari
decat un numar dat dinainte, cu conditia numai sa fie
cunoscuta dispersia D 2 f .
1 n
p f j m .
n j 1
54
Demonstratie. Din proprietatile 1 si 4, se deduce:
1 n 1 n
M f j M f j m m
1 n
n j 1 n j 1 n j 1
1 n
D 2 f j
1 n n j 1 .
p f j m
n j 1 2
Dar:
2 1 1 n 2 1 n 2 2 n 2
f j 2 D f j 2 2
n
D ,
n j 1 n j 1 n j 1 n n
de unde rezulta:
1 n 2
p f j m 2 .
n j 1 n
2
;2
2n
Prin urmare :
2
2
Drept n0 , putem lua primul numar natural n pentru care n
2
.
55
1 n
p f j m .
n j 1
Cu alte cuvinte, proprietatea 9 arata ca daca variabilele
aleatoare f 1 , f 2 ,..., f n ,... sunt independente si daca au
aceeasi medie m si aceeasi dispersie 2 , atunci pentru un n
1 n
suficient de mare, expresia f j va diferi oricat de putin de
n j 1
m cu o probabilitate oricat de apropiata de 1 .
Studiul independentei a doua variabile aleatoare se poate
realiza si prin intermediul coeficientului de corelatie.
cov X ,Y M X M X Y M Y .
PROPRIETATE cov X ,Y M XY M X M Y .
Demonstratie M X M X Y M Y
M XY XM Y YM X M X M Y
M XY M XM Y M YM X M M X M Y
M XY M X M Y
cov X ,Y
X ,Y .
D X D Y
56
Demonstratie Daca variabilele X, Y sunt independente, atunci si
X M X , respectiv Y M Y sunt independente.
PROPRIETATI
1) X ,Y 1 ;
2) X ,Y 1 daca si numai daca intre variabilele X si Y
exista o relatie de legatura liniara.
2
X m1 Y m2
Demonstratie 1) Fie U t , tR .
1 2
M U 0 , t R . Calculand media variabilei aleatoare
U, se obtine :
M U M t 2
X m1
2
X m1 Y m2 Y m2
2
2
2t
1 2
2
1 2
t2
1 2
M X m1
2
2t 1 2
M X m1 Y m2
2
1
2
M Y m2 .
2
Calculand discriminantul si impunand conditia ca acesta sa
fie pozitiv, rezulta proprietatea data.
2) Fie Y aX b , a, b R , a 0 .
cov X , aX b aD 2 X
aD 2 X 1, dac [ a 0
X ,Y
a D2 X
1, dac [ a 0
57
0 1 k n
B n, k : 0 n .
Cn q C n1 q n1 C nk q nk C nn p
n
Repartitia Poisson
0 1 2 k
P n, k :
2
k .
e e e e
2! k!
P n, k
np k e np , np .
k!
Distributia hipergeometrica
0 1 k
0 n
H n, k : C a C b C a1C bn1 C ak C bnk
.
Cn
a b C an b C an b
Repartitia binomiala
n
M B n, k k C nk p k q nk .
k 0
Fie binomul :
58
q x n C n0 q n C n1 q n1 x C n2 q n2 x 2 ... C nk q nk x k ... C nn x n
1 .
Derivand dupa x, rezulta:
n q x n1 1 C n1 q n1 2 xC n2 q n 2 ... kx k 1C nk q nk ... nx n1C nn
.
Inmultind cu x, rezulta:
nx q x n1 1 C n1 q n1 x 2C n2 q n 2 x 2 ... kC nk q nk x k ... nC nn x n
2
n
k C nk q nk p k np p q n1 np
Pentru x p k
0
.
1
M B n ,k
Daca derivam inca o data 2 dupa x, rezulta:
1 2 C n1 q n1 2 2 xC n2 q n2 ... k 2 x k 1C nk q nk ... n 2 x n1C nn
n q x n1 x n 1 q x n 2
si inmultind cu x
n
k 2 C nk p k q nk
k 0
nx q x n1 x n 1 q x n 2 .
n
Pentru x p k 2 C nk p k q nk np1 n 1p
k 0 np p 1
n p np 1 p
2 2
, de unde rezulta ca:
q
D 2 x n 2 p 2 np 1 p n 2 p 2 npq .
Repartitia Poisson
Considerand dezvoltarea in serie Taylor a functiei f e in jurul
originii rezulta:
2 n
!
f f 0 f /
0 f //
0 ... f n 0 ...
1! 2! n!
k
e ,
k 0 k !
f 0 1 .
n
59
Atunci
k k k
M P n, k k e k e k 1! e
k 0 k! k 1 k! k 1
k 1
e
k 1 k 1!
k
e e e , adica M P n , k .
k 0 k !
Pentru determinarea dispersiei este necesar sa se calculeze:
M P 2 n, k k 2
k
k!
e k 2
k
k!
e
k 0 k 1
k
k k 1! e
k 1
k 1 k
e k k 1! e k 1 k!
k 1 k 0
k k
e k
k 0 k! k!
0
k
e e
M P 2 n , k 2 D 2 P n, k 2 2 .
Prin urmare, repartitia Poisson are M P n, k D 2 P n, k .
Repartitia hipergeometrica
n C ak C bnk 1 n
M H n, k k k C ak C bnk
k 0 C an b C an b k 0
1 n
k C ak C bnk
C an b k 1
60
1 n a! a n
k k ! a k ! C bnk k C ak11C bnk
C an b k 1 C an b k 1 k 1 t
n1
C at 1C b n1 t
a
n
C a b t 0
C anb11
a n! a b n !
a b 1 !
an
.
a b ! n 1 ! a b n ! ab
M H 2 n, k n
k 2
C ak C bnk
C an b
1 n a!
k 2 k ! a k ! C bnk
C an b k 1
k 0
n n 1
C at 1C b n1 t t 1
a a
k C ak11C bnk
C an b k 1 k 1t C an b t 0
a n1 t n1 t n1t C t C n1 t
C a1C b a1 b .
C an b t 0 t 0
n1 n1
t C at 1C b n1 t t C at 1C b n1 t
t 0 t 1
n1 a 1 ! n1
t t! a 1 t ! C b n1 t a 1 C at 12 C b n1 t
t 1 s
t 1 t 1
n 2
a 1 C as2 C b n2 s a 1C anb2 2
s 0
M H 2 n, k a
C an b
C n1
a b1 a 1C anb22
an! a b n ! a b 1 !
a b ! n 1 ! a b n !
an! a b n ! a 1 a b 2 ! an a a 1 n n 1
a b ! a b n! n 2 ! a b a b a b 1
61
an a a 1 n 1 n a2 n2
D 2 H n, k
a b a b a b 1 a b 2
abn a b n
.
a b 2 a b 1
ab a b n
D H n, k npq a b n ,
2 unde
a b a b 12
a b1
a b
p , q .
ab ab
DEFINITIE Raportul
X
A3
1
2
3
M X M X 3
2 X
62
daca exista, se numeste asimetrie a repartitiei lui X , sau a lui
X.
DEFINITIE Expresia
E
1
4
4
M X M X 3 42 3
2
daca exista se numeste exces.
OBSERVATIE Marimile sau indicatorii numerici definiti mai sus
sunt utili in general in statistica pentru a studia diferite repartitii.
0 1 2 3
EXEMPLU Fie X : . Atunci, conform
0 ,2 0 ,3 0 ,4 0 ,1
definitiei :
0, dac [ x 0
0 ,2 , dac [ 0 x 1
F x 0 ,2 0 ,3, dac [ 1 x 2 .
0 ,2 0 ,3 0 ,4 , dac [ 2 x 3
0 ,2 0 ,3 0 ,4 0 ,1 1, dac [ x 3
63
Expresia p x F x 0 F x 0 se numeste salt al functiei
F x in punctul x si se poate observa ca:
0 , ]n punctele de discontinuitate
px .
0 , ]n punctele de continuitate
1) P x1 X x 2 F x 2 F x1
2) P x1 X x 2 F x 2 F x1 P X x
3) P x1 X x 2 F x 2 F x1 P X x 2 P X x1
4) P x1 X x 2 F x 2 F x1 P X x 2 .
Demonstratie. Fie A X x1 , B X x 2 ,
C X x1 si D X x 2 . A B , A C B ,
A B D . Ca urmare a proprietatilor probabilitatii , se poate
scrie ca:
1) P B A P B P A F x 2 F x1 ,
2)
P B A C P B P A P C F x 2 F x1 P X x1 ,
3) P B D A C P B P A P C P D
F x 2 F x1 P X x 1 P X x 2 ,
64
0 P x 1 X x 2 F x 2 F x1 , x1 x 2 , adica
F x 1 F x 2 , x1 x 2 .
G X 0 1 , G X/ 0 M X , G X// 0 M X 2 ,…
OBSERVATIE Utilizarea functiei generatoare de momente este
recomandata atunci cand se pot calcula mai repede momentele
decat pe cale directa.
k
EXEMPLU Fie X k k nk , k 0,n , p 0, q0,
Cn p q
p q 1.
e C n p q pe q
n
Atunci G X t kt k k nk t n
. t 0
k 0
G X 0 p q 1 . G X/ t n pe t q
n
n1
pe t G X/ 0 np .
65
2.9 Functia caracteristica
t M e itX e itxk pk
k
PROPOZITIA 1 0 1 , t 1 , tR.
Demonstratie.
Y t M e itY M e itaX itb M e itaX e itb e itb X at .
66
PROPOZITIA Daca X si Y sunt variabile aleatoare
4
independente, atunci X Y t X t Y t .
Demonstratie
X Y t M e it X Y e k j
it xk y j
kj
q j X t Y t .
itx k ity j
e pk e
k j
i 0 .
r
r t i r x kr e itxk pk M r X M X r X
r
EXEMPLUL 1
t M e itX e itxk pk e itk C nk pk q nk
k k
pe it
q .
n
Monte Cristo
Marseille-France
67
68