CAPITOLUL 10 REPARTIII CLASICE 10.1.

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

I. f (x ) este o funcie de probabilitate, deoarece: 1) f ( x ) 0 , evident deoarece Cnx > 0 , p 0 , q 0 . 2)

n x =0

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

Deci g(t) = M (etX ) =

g ' ( t ) = npe t ( pe t + q )
2 2t

x=0 n 1

etxCnx p x qnx =

n x=0

Cnx ( pet ) x qnx = ( pet + q)n .

;
= np .
t

m1 = g ' (0) = np( p + q )

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

Deci: M ( X ) = np i D( X ) = m2 m12 = n 2 p 2 + npq 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

f (x) am folosit egalitatea

x=0

C C
x=0 x a

nx N a

n = CN pe

care o vom demonstra n continuare. (1 + y ) a (1 + y ) b = (1 + y ) a + b 0 1 n n a (1 + y ) a = Ca 1 + C a y + ... + C a 1 y n 1 + C a y n + ... + C a y a

0 1 n n b (1 + y ) b = Cb 1 + Cb y + ... + Cb 1 y n 1 + Cb y n + ... + Cb y b 0 1 n 1 n a +b (1 + y ) a +b = Ca +b 1 + Ca +b y + ... + Ca +b y n 1 + Ca +b y n + ... + Ca +b y a +b

Coeficientul lui y n din membrul stng al ultimei relaii este :

0 n 1 n 1 n n 0 n y n [Ca Cb + Ca Cb 1 + ... + Ca 1Cb + Ca Cb ] = Cax Cb x .

x =0

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

a aCn1 ( N 1)!n! ( N n)! n a M ( X ) = N 1 = a = a = n = np , p = . n N (n 1)!( N n)! N! CN 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

a N a . = N N N n . Obinem astfel D( X ) = npq N 1 a =p N q = 1 p = 1

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.

Repartiii continue Repartiia continu uniform

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

b3 a 3 a 2 + ab + b 2 = a 3(b a ) 3 2 2 2 a + ab+ b a + 2ab+ b2 D( X ) = M( X 2 ) M 2 ( X ) = = 3 4 4a 2 + 4ab + 4b 2 3a 2 6ab 3b 2 ( a b) 2 . = = 12 12 M ( X 2 ) = x 2 f ( x) =

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 .

I. f (x ) este o funcie de probabilitate deoarece: 1) f ( x ) 0 evident. 2)

f ( x )dx =
0 0

e x dx = e x |0 = 0 + 1 = 1

II. Media i dispersia:

1 1 e x |0 = . n rezolvarea integralei am folosit metoda integrrii prin pri, unde u( x ) = x , du = dx , v( x ) = e x , dv = e x dx 2 M ( X 2 ) = x2 exdx = x2ex |0 +2 xex = 0 + x ex = 0 0 0 2 1 2 = = 2. Integrala a fost calculat tot prin metoda integrrii prin pri, unde u( x ) = x 2 , du = 2 xdx , v( x ) = e x , dv = e x dx . 2 1 1 D( X ) = M ( X 2 ) M 2 ( X ) = 2 2 = 2 . 1 ( X ) = D( X ) = . Putem calcula media i dispersia i astfel:
M ( X ) = xf ( x )dx = x e x dx = xe x |0 + e x dx = 0 0

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,

deoarece se tie c integrala Euler-Poisson

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

Ultima integral este integrala Euler-Poisson. Ea este egal 2 i se calculeaz astfel:

e
z2 2

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

normale normate n ( y ; 0 ,1 ) este cY (t ) = e

1 t2 2

(4) (5)

Fie variabila aleatoare X=Y+. Atunci cX (t) = eitcY ( t) Demonstraie:

c X = M (e itX ) = M [eit ( Y + ) ] = M [e it Y eit ] = e it M [e i ( t )Y ] = e it cY (t ) .

Fie variabila aleatoare normal n( x; m, ) = 1 e 2 2 1 x m
2

x m = y x = y + m X = Y + m, unde Y = N ( y;0,1) . Aa cum am vzut, pentru variabila aleatoare

Facem substituia

normal normat, funcia caracteristic este cY ( t ) = e Deci conform (5) avem:

1 2t 2

1 t2 2

c X ( t ) = cY + m (t ) = e imt cY ( t ) = e imt e 2 . n concluzie, funcia caracteristic a variabilei normale n( x; m, ) este c X (t ) = e

1 imt 2t 2 2

(6)

Calculul mediei: M ( X ) = m1 c ' ( 0) m1 = i

c' X (t ) = (im 2 t )e Deci M ( X ) = m .
1 itm 2t 2 2

c' X ( 0) = ime 0 = im m1 = m .

Calculul dispersiei: D ( X ) = M ( X 2 ) M 2 ( X ) = m2 m12 c ' ' ( 0) m2 = 2 i

c' ' (t ) = 2 e
m2 =
1 itm 2t 2 2

+ (im 2 t ) 2 e

1 itm 2t 2 2

c' ' (0) = 2 e 0 + (im )e 0 = 2 m 2

c ' ' (0) 2 m 2 2 = = 2 + m 2 (ntruct, evident, i = 1 ) i2 i2 Deci D ( X ) = 2 + m 2 m 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

variabilei aleatoare normale.

Notm: N ( x; m, ) = n (t ; m, )dt funcia de repartiie a

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

xm = y x m = y dx = dy i ntruct > 0 , limitele de integrare se pstreaz. Obinem:

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 =

1 1 1 a xae b dx = a+1 0 ba+1 x e b dx = (a +1)b (a + 1)

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

etx f (x; a, b)dx = etx

0

1 xa e b dx, a > 1 b > 0 a+1 (a + 1)b

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 y(1bt) a = 0 e y dy = (1bt)a+1 0 (a +1)

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 iniiale: Calculm momentele iniiale din relaia g ( r ) (t ) |t =0 = mr , r = 1,2,....

g' (t) = (a + 1)(1 bt)(a+2) (b) = b(a + 1)(1 bt)(a+2) m1 = g' (0) = b(a + 1) g ' ' (t ) = b 2 ( a + 1)(a + 2)(1 bt ) ( a +3) m2 = g ' ' (0) = b 2 ( a + 1)( a + 2) . g(r) (t) = br (a +1)(a + 2) (a + r)(1 bt)(a+r+1) mr = g(r) (0) = = b r ( a + 1)( a + 2) ( a + r ) Deci M ( X ) = m1 = b(a + 1) i D( X ) = m2 m12 = b2 (a + 1)(a + 2) b2 (a + 1)2 = b2 (a + 1)

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

OBSERVAIE: Pentru k = 2 obinem:

0 1 2 2 = C2jmjm2j =C2m0m2 C2m1m`1 +C2 m2m0 = m2 m`2 = D(X) , 1 j=0 2

unde :

m0 = M ( X 0 ) = M (1) = 1 i m1 = M ( X 1 ) = M ( X ) = m . Pentru k = 1 obinem: 1 = M ( X m ) = M ( X ) M ( m ) = m m = 0

n cazul repartiiei , vom obine: 1 = 0 ; 2 = D ( X ) = b 2 ( a + 1) ;

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

= b3 (a +1)[(a2 +5a + 6 3a2 9a 6 + 2a2 + 4a + 2] = b3(a +1)2 3 = 2b3(a +1)

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) :

P1. ( a, b) = (b, a ) Demonstraie: facem substituia 1 x = y x = 1 y dx = dy .

(a, b) = xa1(1 x)b1 dx = (1 y)a1 yb1dy = yb1(1 y)a1 dy = (b, a)

0 1 0

P2. (a, b) = P3. (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

P4. ( a, b) = ( a ) (b) , unde ( a ) = x a 1e x dx 0 ( a + b)

II. Calculul momentelor pentru calculul mediei i dispersiei:

mr = xr f (x;a, b)dx = xr 1 1 1 a+r1 b1 xa1 (1 x)b1 dx = 0 x (1 x) dx = 0 0 (a,b) (a,b) ( a + r , b ) ( a + r ) (b ) ( a + b) ( a + r ) ( a + b) = = = ( a + r + b) ( a ) ( b) ( a + r + b) ( a ) ( a , b)
1 1

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

2 se poate obine din

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

Se poate arta c variabila aleatoare t este dat de raportul

t= z k , unde z este variabila aleatoare n( x;0,1) , iar variabila V

aleatoare V este un

2 cu k grade de libertate, independent de z.

k

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