Documente Academic
Documente Profesional
Documente Cultură
Repartitii Clasice
Repartitii Clasice
Repartiii discrete
10.1.1. Repartiia binomial DEFINIIE: Variabila aleatoare X are o repartiie binomial de parametrii n i p dac funcia sa de probabilitate este dat de probabilitatea pn (x ) din schema urnei lui Bernoulli, adic
f ( x ) = Cnx p x q n x , x {0, , n} , p (0,1) , p + q = 1 . Deci :
x X : x x n x C p q n
f ( x) =
n x =0
Cnx p x q n x = ( p + q) n = 1n = 1 .
II. Pentru calculul mediei i dispersiei vom folosi funcia generatoare de momente.
e tx . g (t ) = M ( e tX ) ; e tX : f ( x ) , x = 0,1, , n
g ' ( t ) = npe t ( pe t + q )
2 2t
x=0 n 1
etxCnx p x qnx =
n x=0
;
= np .
t
n 1
g ' ' (t ) = n ( n 1) p e ( pe + q ) n 2 + npe t ( pe t + q ) n 1 ; m2 = g' ' (0) = n(n 1) p2 ( p + q)n2 + np( p + q)n1 = n2 p2 np2 + np =
= n 2 p 2 + np(1 p ) = n 2 p 2 + npq
Funcia caracteristic:
c(t ) = M (eitX ) = eitxCnx p x qnx = Cnx ( p eit ) x qnx = ( p eit + q)n
x =0 x=0 n n
Evident, m1 = M ( X ) = c ' ( 0) = np . 1 Analog se calculeaz m2 = 2 c' ' (0) = m2 p 2 + npq . Prin urmare, i D( X ) = m2 m12 = npq. 10.1.2. Repartiia hipergeometric
DEFINIIE: Variabila aleatoare X are repartiie hipergeometric dac funcia sa de probabilitate este dat de probabilitatea Pn ( X ) din schema urnei cu bil nerevenit (Aceast schem presupunea c dintr-o urn cu N bile, din care a erau albe i b erau negre, se extrag n bile. Pn este probabilitatea ca din cele n
x nx bile extrase x s fie albe.). Deci f ( x ) = C a CnN a , x {0, , n} . CN x C xC n x X : a N a Cn N
I. f (x ) este o funcie de probabilitate, deoarece: 1) f (x) 0 , evident deoarece toate combinrile sunt mai mari ca zero. x n x n n n n 2) f ( x ) = Ca CnN a = 1n Cax C N xa =1 . CN C N x =0 x =0 x =0 Pentru a calcula suma
C C
x=0 x a
nx N a
n = CN pe
Deci
C C
x =0 x a
n x b
=C
n a +b
C C
x =0 x a
nx N a
=C .
n N
II. Media i dispersia: n C xC nx M ( X ) = x a nN a CN x =0 (a 1)! a! a(a 1)! 1 xCax = x =x =a = aCax1 ( x 1)!(a x)! x! (a x)! x( x 1)!(a x)!
n n n n Cax C Nxa = xCaxC Nxa = a Cax11C Nxa = aC N11 x =0 x =1 x =1 n n n
Pentru a calcula dispersia, vom calcula momentul de ordinul doi. 1 n 1 n 1 n n n n M( X 2 ) = n x2CaxCNx = n x( x 1)CaxCNx + n xCaxCNx , unde a a a CN x=0 CN x=0 CN x=0 x 2 = x ( x 1) + x . n n n n a! (a 2)! x2 x(x 1)Cax = x(x 1) = a(a 1) = a(a 1) Ca2 x!(a x)! (x 2)!(a x)! x=0 x=2 x=2 x=2
M(X 2 ) = a(a 1) n x2 nx a(a 1) n2 Ca2 CN a + M ( X ) = CN 2 + M ( X ) = n n CN x=0 CN a ( a 1)n! ( N n )! ( N 2)! a n( n 1) n = + n = a ( a 1) +a = N ! ( n 2)! ( N n )! N N ( N 1) N na ( a 1)( n 1) na an a n + N . = +1 = N N 1 N N 1
D( X ) = M ( X 2 ) M 2 ( X ) =
na an a n + N n 2 a 2 2 = N N 1 N 2 na an a n + N na na anN aN nN + N nN + na = = N N 1 N N N ( N 1) a ( N a )( N n ) n N a N n . =n =a N N ( N 1) N N N 1
Dar
OBSERVAIE: Pentru N suficient de mare n raport cu n N n N n n putem face aproximarea Atunci = 1 . N 1 N N n . D( X ) npq1 N Deci dispersia variabilei aleatoare hipergeometrice difer de dispersia variabilei aleatoare binomiale cu un factor subunitar ce tinde ctre 1 cnd N . 10.1.3. Repartiia uniform discret DEFINIIE: O variabil uniform discret dac funcia sa 1 f ( x) = . n 1 2 X :1 1 n n aleatoare X are o repartiie de probabilitate este de forma
x 1 n
n 1 n
I. f (x ) este o funcie de probabilitate, deoarece: 1) f (x) 0 , evident n 2) f ( x ) = n 1 = 1 n x =1 II. Media i dispersia n 1 1 n 1 n( n + 1) n + 1 M (X ) = x = x = = n n x =1 n 2 2 x =1 n n 1 1 1 n(n + 1)(2n + 1) (n + 1)(2n + 1) M ( X 2 ) = x2 = x2 = = n n x=1 n 6 6 x=1 2 (n +1)(2n +1) (n +1) (n +1)(4n + 2 3n 3) = = D( X) = M( X 2 ) M2 ( X) = 6 4 12
( n + 1)( n 1) n 2 1 = 12 12
10.1.4. Repartiia Poisson DEFINIIE: O variabil aleatoare X are repartiie Poisson x dac funcia sa de probabilitate este de forma f (x) = e , x! x N , > 0. x X : x e x! I. f ( x ) este o funcie de probabilitate deoarece: x 1) e 0 evident. x! x x x 2) e = e = e e = 1 , unde este dezvoltarea x! x =0 x =0 x! x =0 x! lui e n serie McLaurin. II. Media i dispersia le putem determina prin calcul direct: x x 1 = e =. M (X ) = xe x! x =0 x = 0 ( x 1)! x x x M(X 2 ) = x2e = x(x 1) e + M(X) = e + M(X) = x! x=0 x! x=0 x=2 (x 2)! x 2 = 2 e + M ( X ) =2 e e + M ( X ) = 2 + . x = 2 ( x 2 )! D( X ) = M ( X 2 ) M 2 ( X ) = 2 + 2 = . Funcia caracteristic a variabilei aleatoare Poisson: it ( eit ) x (1 eit ) . = e ee . Prin urmare c(t ) = e c(t) = eitx f ( x) = e x! x=0 x=0
c' ( t ) = e (1e ) i eit c' (0) = e (11) i e0 1 1 M ( X ) = m1 = c' (0) = i e 0 = i i
it
c ' ' ( t ) = e (1e ) ( i e it ) 2 + e (1e ) i 2 e it c' ' (0) = e (11) 2 i 2 e 0 + e (11) 2 i 2 e 0 = i 2 ( 2 + ) 1 m2 = 2 c' ' (0) = 2 + . i Prin urmare: D( X ) = m2 m12 = 2 + 2 .
it it
10.2. 10.2.1.
DEFINIIE: O variabil aleatoare X , continu, are repartiie uniform dac funcia sa de probabilitate este de forma 1 , x ( a , b) . f ( x) = ba I. f (x ) este o funcie de probabilitate deoarece: 1) f ( x ) 0 evident, deoarece b > a . b b 1 1 b ba 2) =1 f ( x )dx = dx = dx = a a ba a a b ba II. Media i dispersia:
M ( X ) = xf ( x )dx =
a b b
1 b 1 x 2 b b2 a 2 a + b xdx = |a = = 2(b a) 2 b a a ba 2
10.2.2. Repartiia exponenial negativ DEFINIIE: O variabil aleatoare X are o repartiie exponenial negativ de parametru dac funcia sa de probabilitate este de forma f (x) = ex , x 0 , > 0 .
f ( x )dx =
0 0
e x dx = e x |0 = 0 + 1 = 1
Fcnd schimbarea de variabil x = y x = y dx = 1 dy i observnd c limitele de integrare se pstreaz, obinem: y 1 1 1 1 M (X ) = e y dy = ye y dy = ( 2) = 0 0 2 y La fel, M ( X 2 ) = x 2 f ( x )dx = x 2 e x dx = 2 e y 1 dy = 0 0 0 1 2 y 1 2 . = 2 y e dy = 2 (3) = 2 0 Prin urmare, D ( X ) = M ( X 2 ) M 2 ( X ) = 22 12 = 12 .
M ( X ) = xf ( x )dx = x e x dx
0 0
Repartiia exponenial are proprietatea M(X) =X = 1 . Repartiiile exponenial i Poisson sunt utilizate n modelarea i rezlovarea problemelor legate de firele de ateptare care apar n activitatea economic. 10.2.3. Repartiia normal DEFINIIE: O variabil aleatoare X are o repartiie normal dac funcia sa de probabilitate este de forma
1 f ( x) = e 2 , unde m R , > 0 (1) 2 Pentru a pune n eviden parametrii m i , densitatea de probabilitate se mai noteaz n( x; m, ) , x R , > 0 . I. f (x ) este funcie de probabilitate, deoarece: 1) n( x; m, ) 0 , evident, din definiie. 1 x m
2
2)
n ( x; m, )dx = 1 sau
Notm
1 xm = y , dx = dy dx = dy . e
1 x m 2
2
1 e 2 2
1 x m
dx = 1 .
dx =
1 y2 2
dy =
1 y2 2
dy =
2 2
= 1,
1 y2 2
dy = 2 .
Graficul funciei de probabilitate depinde de parametrii m i , forma curbei rmnnd (structural) aceeai, i anume forma cunoscut sub numele de clopotul lui Gauss. EXEMPLU: n( x;0, ) - 0,4 =
1 2
-1
1) Fa de parametrul m , curbele n( x, m, ) reprezint de fapt translaii de-a lungul axei ox, meninndu-i forma i mrimea.
|
3 m = 2
|
m=0 m = 3
2
2) Fa de parametrul , curbele sunt mai ascuite sau mai plate, astfel nct aria cuprins ntre graficul curbei i axa ox s fie egal cu 1 (unitatea de suprafa). Aici 1 < 2 < 3 .
1
2
m =
3 2
OBSERVAIE: Curba se apropie repede de axa ox . n raport cu o abatere x m < 3 , diferena fa de ox este de ordinul a 0,003 uniti. Astfel, repartiia normal poate fi considerat definit ntr-un interval nchis i finit. Pentru determinarea mediei i dispersiei vom utiliza funcia caracteristic a variabilei aleatoare normale. Calculm pentru nceput funcia caracteristic a variabilei 1 y2 (3) aleatoare normale normate: n( y;0,1) = 1 e 2 2
c (t ) = M ( e itX ) = e itx n ( x; m, )dx
(2)
y 1 Y : 1 2 y 2 e itY e 2
c(t) = eityn( y;0,1)dy =
e ity 1 : 1 2 y2 . e 2
1 2
eitye
y2 2
dy =
1 2 e
1 ( y 2 2ity) 2
dy =
1 = 2
1 = 2 = e
1 t2 2
1 1 ( y 2 2 ity +i 2t 2 ) + i 2t 2 2 2
1 dy = 2
1 1 ( y it ) 2 + i 2t 2 2 2
dy =
z2 2
1 1 ( y it )2 t 2 2 2
dy =
1 t2 2
1 ( y it )2 2
dy =
1 t2 2
e dz =
t2 2 = e 2 , unde am folosit substituia y it = z dy = dz. 2 Observm, de asemenea, c utiliznd aceast substituie limitele de integrare nu se schimb. 1
cu
dt = 2 t 2 e t dt = 2 . 0 0 0 2t n calculul de mai sus am folosit substituia : 1 2 dt z2 dt . z = t zdz = dt dz = ; = t z = 2t dz = 2 z 2 2t Prin urmare, funcia caracteristic a variabilei aleatoare
dz = 2 e
z2 2
dz = 2 e it
1 t2 2
(4) (5)
Facem substituia
1 t2 2
(6)
c' X ( 0) = ime 0 = im m1 = m .
+ (im 2 t ) 2 e
1 itm 2t 2 2
OBSERVAIE: Parametrii m i ai repartiiei normale reprezint media i respectiv abaterea medie ptratic. Funcia de repartiie ; funcia integral a lui Laplace: Fie variabila aleatoare normal de parametrii m i : x , m R , unde, aa cum tim, X : n ( x; m, ) , > 0
1 n ( x; m , ) = e 2 2 x
1 x m
Funcia
x
de
repartiie
1 t m
2
este (7)
1 F ( x ) = P ( X < x ) = n (t ; m, )dt = e 2 2 x
dt
Fie X o variabil aleatoare normal cu densitatea de probabilitate n( x; m, ) i funcia de repartiie N ( x; m, ) . Dac facem schimbarea de variabil Z = X m , tim c Z este o variabil aleatoare normal normat cu media m = 0 i dispersia = 1 . Deci Z are densitatea de probabilitate n (z;0,1) i funcia de repartiie N ( z;0,1) .
1 (8) F ( x ) = P ( X < x ) = N ( x; m, ) = e 2 dt 2 Pentru calculul integralei (8) facem substituia: tm xm , iar pentru t = y dt = dy .Dac t = x , atunci y = tinznd ctre i y tinde ctre . Astfel, vom obine: 1 y2 y 1 xm ;0,1 . F ( x) = e 2 dy = N ( y;0,1) = N 2 Prin urmare, putem scrie: xm . P( X < x ) = N ( x; m, ) = N ( z;0,1) , unde z = Reprezentarea grafic a funciei de repartiie normal 1 y2 z normat de forma N ( z;0,1) = 1 e 2 dy , unde z = x m este: 2 x 1 t m
2
N ( z;0,1)
1
1 2
OBSERVAIE: Curba N(z;0,1) este simetric fa de punctul 1 1 . Dac facem o translaie de axe: ( z ) = N ( z;0,1) 0, 2 2 (translaie datorat lui Laplace), obinem:
(z )
1 2
z
12
OBSERVAIE: (z ) este o funcie simetric fa de origine, i deci funcia este o funcie impar . Prin urmare este suficient s cunoatem (z ) pentru z > 0 .
n (z;0,1)
( z ) = n(t;0,1)dt
0
n toate crile i manualele de teoria probabilitilor i statistic matematic, funcia (z ) este tabelat. Prin urmare, avem: N ( z;0,1) = 1 + ( z ) este funcia de 2 repartiie a variabilei aleatoare normal normat i 1 x m este funcia de repartiie a variabilei N ( x; m, ) = + 2 aleatoare normal nenormat (de parametrii m i ).
Calculul momentelor centrate : Momentele centrate ale variabilei aleatoare normale sunt des utilizate, n special n statistica matematic. Astfel, momentul centrat de ordinul r :
1 r = ( x m ) n( x; m, )dx = ( x m ) e 2 2 r r
1 x m
dx
Am vzut c:
0 = ( x m ) 0 n( x; m, )dx = 1 0 = 1 .
1 2 1 = (x m) e 2
1 m e 2 2
1 xm
1 2 dx = x e 2
1 xm
dx
1 x m
dx = 0 1 = 0
Notm :
1 2 r = y e 2
r r
r r 1 y r r 1 y 2 y e 2 dy = y e | + 2 2 1 1 r y y r2 r2 1 2 r2 2 + (r 1) y e 2 dy = (r 1) y 2 e 2 dyr = (r 1)r2 2 dy =
2 2 2 2
1 xm
n rezolvarea acestei integrale am aplicat metoda integrrii prin pri, unde f = y r 1 f ' = (r 1) y r2 , g ' = ye Deci:
1 y2 2
g = e
1 y2 2
2 = 2 (2 1) = 2 3 = 2 (3 1) 1 = 0
4 = 2 (4 1) 2 = 1 3 4 5 = 0 . 2 q+1 = 0 2 q = 1 3 ( 2q 1) 2 q
10.2.4. Repartiia Gamma DEFINIIE: O variabil aleatoare X are repartiie Gamma dac funcia sa de repartiie este de forma: x 1 x a e b , x > 0 , unde (a + 1) = x a e x dx f ( x; a, b) = ( a + 1)b a +1 0 0, x 0 i a > 1 , b > 0 . I. f (x ) este funcie de probabilitate, deoarece: 1) f ( x; a, b) 0 , evident 2)
f (x; a, b)dx =
Notm x = y x = b y dx = b dy b 1 (a + 1) 1 1 a a y a y = 0 ba+1 b y e b dy = (a + 1) 0 y e dy = (a + 1) = 1 (a + 1) Amintim cteva proprietai ale integralei : P1. (a ) = (a 1)(a 1) P2. (n ) = (n 1)! P3. 1 = 2 Demonstraiile acestor proprieti se gsesc n cursurile de analiz matematic. Funcia generatoare de momente pentru variabila aleatoare Gamma:
g(t) = M(etX ) =
0
Facem substituia : y = x x = b y dx = b dy . b
Avem:
g (t ) = e bty
0 1 1 bty a y b a y a b dy = a +1 0 e y e dy = (a + 1) (a + 1)b
1 1 (a +1) 1 bt
a+1
y 1 1bt a
y dy =
1 , (1 bt)a+1
deoarece
1 ( a + 1) 1 bt probabilitate a repartiiei . Prin urmare, putem scrie c funcia generatoare de momente pentru este g ( t ) = (1 bt ) ( a +1) .
0
1
a +1
y 1 1bt
y a dy =1 , fiind densitatea de
Momentele centrate:
k k = M [ X M ( X )]k = M [ X m]k = M ( 1) j Ckj m j X k j = j =0
= ( 1) j C kj m j M ( X k j )
j =0
Deci : k = ( 1) j C kj m j mk j .
j =0
unde :
3 = ( 1) j C3j m j m3 j = m3 3m m2 + 3m 2 m1 m 3m0 =
j =0
= b (a + 1)(a + 2)(a + 3) 3b(a +1)b2 (a +1)(a +2) +3b2 (a +1)2 b(a +1) b3(a +1)3 = = b 3 ( a + 1)[( a + 2)( a + 3) 3( a + 1)( a + 2) + 3( a + 1) 2 ( a + 1) 2 ] =
3
4 = 3b 4 ( a + 1)( a + 3) .
10.2.5. Repartiia Beta DEFINIIE: O variabil aleatoare X are repartiie Beta dac densitatea sa de probabilitate este de forma: 1 xa1 (1 x)b1 , x [0,1] , unde a > 0 , b >0 i f ( x; a, b) = (a, b) 0 , x (,0) (1, )
(a, b) = x a1 (1 x)b1dx
0
I. f (x ) este funcie de probabilitate, deoarece: 1) f ( x; a , b) 0 , evident oricare ar fi x [a, b] 1 1 1 2) f ( x; a, b)dx = 1 x a 1 (1 x ) b1 dx = ( a , b) = 1 0 ( a , b) 0 ( a , b) Reamintim cteva proprieti ale integralei ( a, b) :
a 1 ( a 1, b 1) a + b 1 a 1 b 1 ( a 1, b 1) a + b 1 a + b 2
Dar ( a + 1) = a ( a ) ( a + r ) = ( a + r 1) ( a + r 1) = = (a + r 1)(a + r 2)(a + r 2) = = (a + r 1)(a + r 2) a(a ) (a + r + b) = (a + b + r) = (a + b + r 1)(a +b + r 1) = (a + b + r 1)(a + b + r 2) (a + b + r 2) = = (a + b + r 1)(a + b + r 2) (a + b)(a + b) Deci (a +r 1)(a +r 2) a(a)(a +b) a(a +1) (a +r 1) = mr = (a +b+r 1)(a +b+r 2) (a +b)(a +b)(a) (a +b)(a +b+1) (a +b+r 1)
a a ( a + 1) = M ( X ) , m2 = = M (X 2) a+b ( a + b)( a + b + 1) Deci dispersia este : (a + b)(a2 + a) a2 (a + b +1) a(a +1) a2 2 = D( X ) = m2 m1 = = (a + b)(a + b +1) (a + b)2 (a + b)2 (a + b +1)
Prin urmare, m1 =
a 3 + a 2 + a 2 b + ab a 3 a 2 b a 2 ab . = 2 2 ( a + b) ( a + b + 1) ( a + b) ( a + b + 1)
10.2.6. Repartiia 2 DEFINIIE: O variabil aleatoare X are repartiie 2 dac funcia sa de repartiie este de forma: k x 1 1 x2 e 2 , x > 0 k k , unde k N * reprezint f ( x; k ) = 2 2 2 0 , x 0 numrul gradelor de libertate. Mai jos prezentm graficele funciei k = 2,4,6,15 . k=2 k=4 0,20,150,10,050 | 5 | 10 | 15 | 20 | 25 k=6 k=15
f ( x; k )
pentru
Se vede c graficele sunt asimetrice, dar, pentru valori mari ale gradelor de libertate ( k > 30) , graficul repartiiei de graficul repartiiei normale. OBSERVAIE: i b = 2 .
2 se apropie
k 1 2
pentru a =
Funcia generatoare de momente a variabilei aleatoare 1 (r) este de forma g(t) = = (1 bt)(a+1) i g (0) = mr , r = 1,2,.... . a+1 (1 bt) Prin urmare, pentru a = k 1 i b = 2 , vom obine funcia 2 generatoare de
k 2
momente
variabilei
de
forma:
g (t ) = (1 2t ) .
1 1 k g ' (t ) = (1 2t ) 2 ( 2) = k (1 2t ) 2 g ' (0) = m1 = k 2 k k 1 1 k +2 g ' ' (t ) = k (1 2t ) 2 ( 2) = k ( k + 2)(1 2t ) 2 2 g ' ' ( 0) = m 2 = k ( k + 2 ) k k
D ( 2 ) = m2 m12 = k 2 + 2k k 2 = 2k
10.2.7. Repartiia Student DEFINIIE: O variabil aleatoare X are repartiie Student dac funcia sa de repartiie este de forma:
k + 1 k +1 2 t2 2 1 + f (t , k ) = , t k k k 2
aleatoare V este un
Se arat c lim f (t , k ) = n(t;0,1) , deci t este aproximat suficient de bine de n(x;0,1) pentru k > 30 .
M (t ) = 0 , iar D(t ) =
k . k 2
n (x;0,1)
t