Sunteți pe pagina 1din 23

1

III. Repartiii clasice


Repartiia binomial. Fie X o variabil aleatoare discret. Spunem c X urmeaz o
repartiie binomial de parametri n i p dac tabelul de repartiie al lui X este de
forma
0 1 2
0 1 2 ...
:
...
n
n
X
p p p p
| |
|
\ .
unde ( )
k k n k
k n
p P X k C p q

= = = , 0, k n = , 1 q p = ,
(0, 1) pe i ne. Scriem: ( , ) X B n p . Se demonstreaz c media, variana i moda
unei astfel de repartiii sunt:
( ) M X np =
2
( ) D X npq =
( 1) 1 ( ) ( 1)
o
n p M X n p + s s + .
Exemplu. Din datele statistice ale unei agenii de turism se tie c probabilitatea ca un
client ce se adreseaz ageniei s cumpere un anumit pachet de servicii este egal cu
0, 85. Care este numrul cel mai probabil de clieni care ncheie un contract de acest tip
din 1000 de clieni ai ageniei?
Soluie. Notm cu X variabila aleatoare care indic numrul de clieni care ncheie un
contract turistic de acest tip, din cei 1000. Valorile posibile ale lui X sunt numerele
naturale de la 0 la 1000. Evenimentul aleator " X k = " se citete " k clieni (din cei
1000) ncheie contractul respectiv". Deoarece 0, 85 p = nu depinde de client (este
constant), suntem n cazul schemei binomiale. Deci
1000
1000
( ) (0, 85) (0,15)
k k k
k
p P X k C

= = = , 0, 1000 k = . Prin urmare tabelul de repartiie
2
al lui X este de forma :
k
k
X
p
| |
|
\ .
, unde 0, 1000 k = i
k
p se calculeaz cu formula
anterioar. Deci ( 1000; 0, 85) X B n p = = i prin urmare numrul cel mai probabil de
clieni care ncheie contract de acel tip este moda (modul) lui X . Obinem:
(1000 1) (0, 85) 1 ( ) (1000 1) (0, 85)
o
M X + s s + ,
adic 849, 85 ( ) 850, 85
o
M X s s . Cum moda este printre valorile lui X , ea trebuie s
fie numr natural, deci ( ) 850
o
M X = .
Exemplu. ntr-un transport de fructe sunt 10.000 de lzi. Din datele statistice ale
companiei se cunoate c probabilitatea ca fructele s se strice ntr-o lad este egal cu
0, 00065. Aflai:
a) numrul mediu de lzi cu fructe stricate ntr-un astfel de transport.
b) numrul cel mai probabil de lzi cu fructe stricate.
Soluie.
a) Raionamentul este identic cu cel din problema anterioar - deci TEM (dar trebuie
justificarea!!). Variabila aleatoare X care indic numrul de lzi cu fructe stricate
urmeaz tot o repartiie binomial de parametri 10000 n = i 0, 00065 p = . Numrul
mediu de lzi cu fructe stricate este media lui X , deci ( ) 6, 50 M X np = = .
b) Numrul cel mai probabil de lzi cu fructe stricate este moda lui X . Deci avem:
(10000 1) 0, 00065 1 ( ) (10000 1) 0, 00065
o
M X + s s + , 5, 50065 ( ) 6, 50065
o
M X s s .
Prin urmare n acest caz ( ) 6
o
M X = (moda este o valoare a lui X , deci trebuie s fie
numr natural).
3
Repartiia hipergeometric. Fie X o variabil aleatoare discret. Spunem c X
urmeaz o repartiie hipergeometric de parametri N , m i n (numere naturale fixate)
dac tabelul de repartiie al lui X este de forma
0 1 2
0 1 2 ... ...
:
... ...
k n
k n
X
p p p p p
| |
|
\ .
unde ( )
k n k
m N m
k n
N
C C
p P X k
C

= = = , 0, k n = , iar relaiile dintre k , N , m i n sunt la fel


ca n schema bilei nerevenite (astfel nct s aib sens experiena respectiv i
combinrile din formul). Se demonstreaz c media ( ) M X np = i dispersia este
2
( )
1
N n
D X npq
N

, unde
m
p
N
= i 1 q p = . Scriem ( , , ) X Hiperg N m n . Se poate
arta c, n anumite condiii, diferena dintre "fr revenire" i "cu revenire" este
neglijabil, adic c repartiia hipergeometric se poate aproxima cu repartiia
binomial. Aceasta se poate face dac N i m sunt mari fa de n iar
m
p
N
= nu este
apropiat de 0 i nici de 1. n astfel de situaii probabilitile
k
p le putem calcula cu
formula de la repartiia binomial, lund n acea formul
m
p
N
= i acelai n .
Exemplu. Se aleg la ntmplare 10 produse dintr-un stoc de 200 n care se tie c sunt
13% produse care nu se ncadreaz n limitele de funcionare. Se cere:
a) Legea de repartiie a v.a. care indic numrul de produse necorespunztoare din cele
10 extrase (fr revenire).
b) Valoarea medie i dispersia acestei variabile aleatoare.
Soluie.
4
Probabilitatea ( )
k
p P X k = = , adic probabilitatea ca din 10 produse extrase k s fie
necorespunztoare, se calculeaz cu schema bilei nerevenite. Deci
10
26 174
10
200
k k
k
C C
p
C

= ,
unde 0, 10 k = . Prin urmare (200, 26, 10) X Hiperg . Atunci
26
( ) 10 1, 30
200
M X np = = = i
2
26 174 200 10
( ) 10 1, 08
1 200 200 200 1
N n
D X npq
N

= = ~

.
Observaie. Exist i alte repartiii discrete importante. Facultativ, putei consulta
bibliografia de la sfritul acestui capitol.
n continuare vom prezenta cteva repartiii clasice continue. Reamintim (vezi
capitolul anterior) c o variabil aleatoare continu X este descris prin dou funcii
importante, funcia densitate de repartiie a lui X i funcia de repartiie a lui X .
Repartiia normal (Gauss - Laplace). Spunem c o variabil aleatoare continu X
urmeaz o repartiie normal dac densitatea de repartiie a lui X este de forma
2
2
( )
2
1
( )
2
x m
f x e

= , pentru orice x numr real. Scriem ( , ) X N m iar numerele


reale me i 0 > se numesc parametrii repartiiei normale. Dac 0 m = i 1 = ,
spunem c X urmeaz o repartiie normal standard, i scriem (0, 1) X N . n
figura care urmeaz avei cteva exemple de grafice ale unor astfel de densiti de
repartiie, pentru diverse valori ale parametrilor m i . (Nu trebuie memorat pentru
examen aceast figur. Restul figurilor de mai jos se memoreaz !!).
5
Curbele din figur au ecuaia
2
2
( )
2
1
( )
2
x m
y f x e

= = pentru diferite valori ale lui m


(notat cu n figur) i . Curba roie are ecuaia
2
/ 2
1
2
x
y e


= i reprezint
graficul repartiiei normale standard (se mai cheam i clopotul lui Gauss). Pentru orice
curb "normal", axa Ox este asimptot orizontal spre i, dreapta paralel cu Oy ,
de ecuaie x m = , este ax de simetrie. Punctele de inflexiune sunt x m = i aria
zonei mrginite de axa Ox i de curba normal este egal cu 1, vezi figura urmtoare:
6
Se demonstreaz (vezi capitolul precedent pentru notaii) c pentru orice repartiie
normal ( ) ( ) ( )
e o
M X M X M X m = = = i c abaterea standard ( ) D X = . De
asemenea, coeficientul de asimetrie este zero iar coeficientul de boltire este egal cu 3,
pentru orice curb normal.
Foarte important este repartiia normal standard. Funcia de repartiie a unei variabile
aleatoare repartizat normal standard o vom nota cu ( ) x u i se numete funcia lui
Laplace. Valorile acestei funcii sunt tabelate i se gsesc n orice carte i n orice soft
utilitar de statistic. Intuitiv, dac x este un numr real fixat pe axa Ox , ( ) x u
reprezint aria zonei "de la pn la x " delimitate de clopotul lui Gauss i de axa
Ox .
7
n unele cri (sau soft-uri utilitare), funcia lui Laplace este definit ca reprezentnd
aria zonei "de la zero la x ". O vom nota cu ( ) x + . Atenie, aceasta nu mai este funcia
de repartiie a variabilei aleatoare (0, 1) X N !! Recapitulnd cele spuse anterior, i
folosind figura de mai sus ca suport intuitiv, avem:
2
/ 2
1
( ) ( )
2
x
y
x P X x e dy

u = < = =
}
aria zonei "de la la x "
2
/ 2
0
1
( ) (0 )
2
x
y
x P X x e dy


+ = < < = =
}
aria zonei "de la 0 la x "
( ) ( ) 0, 5 x x u = + + .
Pentru a vedea, ntr-o surs bibliografic sau ntr-un program utilitar, care din cele dou
funcii este folosit, putem folosi observaia c (0) 0, 5 u = dar (0) 0 + = .
Tabelele funciei Laplace sunt construite n general pentru 0 x > . Se poate uor vedea
c are loc relaia ( ) ( ) 1 x x u + u = , pentru orice x numr real. De aici rezult c
( ) 1 ( ) x x u = u , relaie pe care putem s o folosim pentru cazul n care argumentul
este negativ. Vezi figura:
8
n cazul n care o variabil aleatoare urmeaz o repartiie normal oarecare (adic
( , ) X N m ) putem standardiza aceast repartiie. Se poate demonstra propoziia:
"dac ( , ) X N m atunci variabila aleatoare
X m
Y

= urmeaz o repartiie normal


standard, adic (0, 1) Y N ."
Problem. Fie ( , ) X N m o variabil aleatoare continu repartizat normal cu
parametrii me i 0 > cunoscui. Aflai probabilitatea ca valorile lui X s fie n
intervalul ( , ) a b , unde a i b sunt numere reale date i a b < .
Soluie.
( ) ( ) ( )
a m X m b m
P a X b P a m X b m P


< < = < < = < < . tim c variabila
aleatoare
X m
Y

= urmeaz o repartiie normal standard, deci putem continua:


( ) ( ) ( ) ( )
a m b m b m a m
P a X b P Y


< < = < < = u u = tabel.
"= tabel" nseamn c mai departe putem folosi un tabel cu valorile funciei Laplace.
9
Problem. Fie ( , ) X N m o variabil aleatoare continu repartizat normal cu
parametrii me i 0 > cunoscui. Care este probabilitatea ca valorile lui X s se
abat de la valoarea sa medie cu nu mai mult de un 0 > dat ?
Soluie.
Reformulnd, trebuie s aflm probabilitatea ca valorile lui X s fie n intervalul
[ ( ) , ( ) ] M X M X + . Deoarece funcia de repartiie a unei variabile aleatoare
repartizat normal este continu, probabilitile de forma ( ) P X = sunt nule, deci
ntrebarea se rescrie " ( ( ) ( ) ) ? P M X X M X < < + = ".
tim c ( ) M X m = , deci ntrebarea se mai rescrie i sub forma (des ntlnit n
practic): " ( ) ? P X m < = ". Avem:
( ) ( ) ( ) ( )
X m
P X m P m X m P X m P




< = < < + = < < = < <
( ) ( ) 2 ( ) 1


= u u = u =tabel. Am folosit faptul c (0, 1)
X m
N

i c
( ) 1 ( )


u = u .
10
Observaie. Aa arat un tabel cu valorile funciei Laplace pentru distribuia (sau
repartiia) normal standard:
Se observ c (0) 0, 500 u = deci este vorba de funcia Laplace notat i n acest curs cu
u. i figura ne arat acelai lucru. De exemplu, (0.52) 0, 6985 u = . Am descompus pe
z : 0, 5 0, 02 z = + i am mers la intersecia dintre linia lui 0,5 i coloana lui 0,02. Un
calculator online putei gsi de exemplu gratuit la adresa
11
http://stattrek.com/online-calculator/normal.aspx . Acolo introducei n csua lui z pe
0.52 (cu punct n loc de virgul) i obinei 0, 69847 0, 6985 ~ . Acest calculator online
este pentru funcia Laplace notat cu u la noi n curs.
Problem. Se cunoate c profitul anual al unei firme este o variabil aleatoare X
repartizat normal de parametri 20.000 m = u.m. i 2500 = u.m. Se cere:
a) Care este probabilitatea ca profitul anual s depeasc 25.000 u.m. ?
b) Care este probabilitatea ca profitul anual s fie cuprins ntre 19.500 u.m. i 20.500
u.m. ?
Soluie.
a) ( 25.000) 1 ( 25.000) 1 ( 25.000) P X P X P X > = s = <
20.000 25.000 20.000
1 ( ) 1 (2) 1 0, 97725 0, 02
2500 2500
X
P

= < = u = ~ .
b)
19500 20000 20000 20500 20000
(19500 20500) ( )
2500 2500 2500
X
P X P

< < = < <
( 0, 2 0, 2) 2 (0, 2) 1 2 0, 57926 1 0,16 P Y = < < = u = ~ .
Problem. Durata de funcionare a unui produs este o variabil aleatoare repartizat
normal de parametri 120 m = de zile i 10 = zile. Se cere:
a) Presupunnd c 97% din produse au o durat de funcionare mai mare dect t , care
este valoarea lui t ?
b) Procentul de produse a cror durat de funcionare este de peste 140 de zile.
Soluie.
12
a) ntrebarea se poate scrie: ( ) 0, 97 P X t > = , ? t = . De unde deducem c
( ) 0, 03 P X t < = . Standardizm i obinem c
120 120
( ) 0, 03
10 10
X t
P

< = . De unde
rezult c
120
( ) 0, 03
10
t
u = . Din tabelele funciei Laplace gsim c ( 1, 88) 0, 03 u = .
(Introducei n csua "cumulative probability" pe 0.03 la adresa de mai sus).
Deducem c
120
1, 88
10
t
= , de unde 10 1, 88 120 120 18, 8 101, 2 t = + = = zile.
b) Procedm analog,
120 140 120 120
( 140) ( ) 1 ( 2)
10 10 10
X X
P X P P

> = > = <
1 (2) 1 0, 98 0, 02 2% = u ~ = = .
Urmtoarele repartiii (distribuii) clasice continue se vor utiliza n urmtoarele
capitole. Nu dm expresia (foarte complicat) a densitilor lor de repartiie dar ne
ocupm de cuantilele (vezi capitolul precedent) acestor repartiii. Facultativ, cei care
doresc, pot consulta bibliografia de la sfritul acestui capitol. Notm cu X o variabil
aleatoare care urmeaz una din aceste repartiii.
Repartiia Student (repartiia t sau t-distribution). Graficul acestei legi de repartiie
este simetric fa de axa Oy i axa Ox este asimptot orizontal. O cuantil a
repartiiei Student se noteaz cu ( ) t r

. r reprezint numrul de grade de libertate i


este un numr natural iar se cheam ordinul cuantilei i este un numr raional din
intervalul (0, 1) . Cuantila ( ) t r

este un numr real de pe axa Ox , unic definit prin


relaia ( ( )) P X t r

> = =aria zonei "de la ( ) t r

la +". Prin urmare,


( ( )) 1 P X t r

< = = aria zonei "de la la ( ) t r

". Vezi figura urmtoare care


13
conine graficul acestei densiti de repartiie i o parte dintr-un tabel cu cuantilele
acestei repartiii.
De exemplu, cuantila cu 4 grade de libertate i de ordinul 0,025 este egal cu 2,776.
Vezi n tabel intersecia dintre linia 4 r = i coloana
0.025
( ) t r . Aria zonei de la stnga
cuantilei este egal cu 0,975 i aria zonei de la dreapta cuantilei este egal cu 0,025.
(Aria ntregii zone delimitate de grafic i de axa Ox este egal cu 1, ca la orice lege de
repartiie). Vezi i figura de mai jos.
14
La adresa http://stattrek.com/online-calculator/t-distribution.aspx gsii un calculator
online de cuantile Student. Pentru exemplul de mai sus, introducei la "degrees of
freedom" 4 i la "cumulative probability" 0.975 (cu punct n loc de virgul). Apoi click
pe "Calculate" i obinei 2.776 t = . Atenie, la "cumulative probability" trebuie
introdus aria zonei de la stnga cuantilei, adic 1 ordinul cuantilei !!
Repartiia Helmert-Pearson (chi-square sau hi-ptrat sau
2
-distribution).
Cuantilele acestei repartiii se noteaz cu
2
( ) r

. Notaiile i r au aceeai
semnificaie ca mai sus. Sunt adevrate i relaiile
2
( ( )) P X r

> = =aria zonei de la


dreapta cuantilei i
2
( ( )) 1 P X r

< = =aria zonei de la stnga cuantilei. Mai jos


avei schia graficului densitii de repartiie de tip hi-ptrat i o parte dintr-un tabel de
cuantile.
15
De exemplu, cuantila cu 8 r = grade de libertate i de ordinul 0, 05 = este un numr
real de pe axa Ox ,
2
0.05
(8) 15, 51 = . (Axa Ox este asimptot la grafic, numai spre +).
Aria zonei "de la 15,51 spre +" este egal cu 0,05 iar aria zonei "de la 0 pn la
15,51" este egal cu 0,950. Putei folosi i calculatorul online de la adresa
http://stattrek.com/online-calculator/chi-square.aspx . Introducei la "degrees of
freedom" 8 i la "cumulative probability" pe 0.950 (adic 1 ordinul cuantilei !!). Click
"Calculate" i gsii "15.5".
16
Repartiia Fisher-Snedecor (sau f-distribution, repartiia f). Aceast densitate de
repartiie depinde de dou grade de libertate, m i n . Cuantilele acestei repartiii se
noteaz cu ( , ) F m n

. Avem ( ( , )) P X F m n

> = =aria zonei "de la cuantila ( , ) F m n

la +" i ( ( , )) 1 P X F m n

< = = aria zonei de la 0 la cuantil. Mai jos avei un


grafic al densitii de repartiie Fisher pentru 5 m = i 2 n = .
De exemplu, pentru calculul cuantilei Fisher de ordinul 0,025 cu 28 m = i 33 n = grade
de libertate, putem folosi calculatorul online de la adresa
http://stattrek.com/online-calculator/f-distribution.aspx . Introducei la "degrees of
freedom" pe rnd, prima dat pe 28 (la
1
, notat cu m n curs) i apoi pe 33 (la
2
,
notat la noi cu n ). Atenie, nu putem comuta pe m cu n !! Apoi, la "cumulative
probability" introducei 1 ordinul cuantilei, adic pe 0.975. Click "Calculate" i
obinei "2.04". Aria de la 0 pn la 2,04 este egal cu 0,975 iar aria de la 2,04 la +
17
este egal cu 0,025. Sau, cuantila
0,975
(28, 33) 0.478 F = . Aria de la stnga ei este egal
cu 0,025 i aria de la dreapta ei (spre +) este egal cu 0,975. Calculatorul online v d
(cu rotunjire) 0,48. Vezi poza de mai jos:
Observaie. Dac o variabil aleatoare are ca densitate de repartiie una din densitile
de repartiie de tipul celor de mai sus, scriem respectiv ( ) X t r ( X urmeaz o
repartiie Student cu r grade de libertate), sau
2
( ) X r ( X urmeaz o repartiie hi-
ptrat cu r grade de libertate), sau ( , ) X F m n ( X urmeaz o distribuie Fisher cu m
i n grade de libertate).
Pentru toate aceste repartiii, la Examen vei primi cuantilele respective sau valorile
funciei Laplace.
n ncheiere prezentm trei rezultate importante foarte des utilizate n practic,
cu exemple.
18
Inegalitatea lui Cebev. Fie X o variabil aleatoare oarecare (discret sau continu)
avnd dispersia (finit)
2
( ) D X i media ( ) M X . Atunci, pentru orice numr real 0 >
are loc inegalitatea:
2
2
( )
( ( ) ) 1
D X
P X M X

< > .
Inegalitatea ne furnizeaz n practic o margine inferioar a probabilitii ca valorile
variabilei aleatoare X s se abat de la valoarea medie a lui X cu cel mult un dat.
Exemplu. Fie X o variabil aleatoare avnd ( ) 1 M X = i
2
( ) 0, 04 D X = . Evaluai
probabilitatea ca valorile lui X s fie n intervalul (0, 75; 1, 25) .
Soluie.
(0, 75 1, 25) (0, 75 1 1 1, 25 1) ( 0, 25 1 0, 25) P X P X P X < < = < < = < <
2
0, 04
( 1 0, 25) 1
0, 25
P X = < > . De unde rezult c (0, 75 1, 25) 0, 36 P X < < > . Deci
probabilitatea cerut este de cel puin 0,36. Sau, echivalent, cel puin 36% din valorile
lui X sunt n intervalul (0, 75; 1, 25) .
Legea numerelor mari. Vom prezenta o variant simplificat a legii numerelor mari i
anume teorema lui Bernoulli. Cei care doresc s nvee mai mult dect se cere la
examen pot consulta bibliografia de la sfritul acestui capitol. Fie ( ) E o experien
aleatoare, A un eveniment aleator asociat acestei experiene, cu probabilitatea de
realizare ( ) p P A = , cunoscut. Notm cu X variabila aleatoare care reprezint numrul
de apariii ale evenimentului A n n repetri identice ale experienei ( ) E ( n probe
independente). Variabila aleatoare
X
n
reprezint frecvena relativ de realizare a
19
evenimentului A n cele n probe independente. Teorema ne spune c irul frecvenelor
relative tinde "n probabilitate" ctre constanta p , adic are loc egalitatea
lim ( ) 1
n
X
P p
n

+
< = , pentru orice numr 0 > .
Aceast teorem justific matematic folosirea frecvenei relative de realizare a unui
eveniment aleator A n cazul n care nu putem determina exact ( ) p P A = . n astfel de
situaii, se alege
X
p
n
~ .
Exemplu. O firm productoare ncheie un contract pentru livrarea a 30.000 de produse
unui beneficiar. Un produs este acceptat de beneficiar numai dac valoarea
caracteristicii produsului se ncadreaz n intervalul (9, 8; 10, 2) . Se tie c variabila
aleatoare X care reprezint valoarea caracteristicii respective a produselor urmeaz o
repartiie normal, (10; 0,15) X N . n aceste condiii, s se determine numrul de
produse care ar trebui fabricate pentru onorarea contractului.
Soluie.
Putem reformula problema astfel. Din producia firmei se alege la ntmplare un produs.
Notm cu A evenimentul aleator "produsul ales este corespunztor". Atunci
( ) (9, 8 10, 2) P A p P X = = < < . Pe de alt parte, dac repetm de n ori aceast
experien (adic se fabric n produse), i dintre acestea 30.000 sunt corespunztoare,
atunci frecvena de realizare a evenimentului A este egal cu
30.000
n
. Pe baza legii
numerelor mari, putem face aproximaia
30.000
p
n
~ . De unde rezult
30.000
n
p
~ . Deci
trebuie gsit p . Avem:
9, 8 10 10 10, 2 10
(9, 8 10, 2) ( )
0,15 0,15 0,15
X
p P X P

= < < = < <
20
20 20
( ) ( ) 2 (1, 3333) 1
15 15

= u u ~ u . De la adresa dat mai sus, gsim


(1, 3333) 0, 90878 u = . Deci 0, 81756 p = . De unde 36695 n ~ produse.
Teorema DeMoivre - Laplace. Teorema aceasta ne spune (n esen) c, dac X este o
variabil aleatoare care urmeaz o repartiie binomial, adic ( , ) X B n p , atunci,
pentru valori mari ale lui n , variabila aleatoare
X np
Z
npq

= urmeaz aproximativ o
repartiie normal standard, adic (0, 1) Z N . Pentru enunul general, vezi bibliografia
de la sfritul acestui capitol, facultativ. ( 1 q p = ).
Exemplu. Probabilitatea apariiei ntr-o prob a evenimentului A este egal cu
0, 005 p = . S se estimeze probabilitatea ca, n 10.000 de probe independente, abaterea
n modul a frecvenei relative de realizare a lui A fa de p s fie sub o miime.
Folosii:
a) Inegalitatea lui Cebev
b) Teorema DeMoivre-Laplace.
Soluie.
a) Fie X variabila aleatoare care indic numrul de apariii ale evenimentului A n
10.000 de probe independente. Deoarece ( ) p P A = este aceeai n fiecare prob suntem
n cazul schemei binomiale. Deci ( ) P X k = , adic probabilitatea ca A s se realizeze
de k ori n 10.000 de probe este
10000
10000
( ) (0, 005) (0, 995)
k k k
P X k C

= = , unde
0, 10.000 k = . Deci ( 10.000; 0, 005) X B n p = = . Prin urmare ( ) 50 M X np = = i
21
2
( ) 49, 75 D X npq = = . Ni se cere s evalum ( 0, 001)
X
P p
n
< . Deoarece
1 1
( ) ( )
X
M M X np p
n n n
= = = i
2 2
2 2
1 1
( ) ( ) 0, 0000004975
X pq
D D X npq
n n n n
= = = = , putem aplica inegalitatea lui
Cebev:
2
0, 0000004975
( 0, 001) 1 0, 5025
0, 001
X
P p
n
< > = . Deci probabilitatea cerut este de cel
puin 0,5025.
b) ( 0, 001) ( 0, 001 0, 001)
X X np
P p P
n n

< = < <


( 0, 001 0, 001 ) 2 (0, 001 ) 1 2 (1, 41776) 1
n X np n n
P
pq pq pq npq

= < < ~ u = u
0, 84 = .
Funcia generatoare de momente. Se utilizeaz pentru calculul momentelor iniiale
(necentrate) ale unei variabilea aleatoare X . Prin definiie, funcia aceasta este
( ) ( )
tX
g t M e = , pentru orice t aparinnd unui interval care-l conine pe zero. Din
definiie se deduce formula de calcul practic. Dac X este o variabil aleatoare
discret, cu tabelul de repartiie
1 2
1 2
...
:
...
n
n
x x x
X
p p p
| |
|
\ .
, atunci ( )
i
tx
i
i
g t e p =

. Dac X
este o variabil aleatoare continu avnd densitatea de repartiie ( ) f x atunci
( ) ( )
tx
g t e f x dx
+

=
}
, pentru orice t aparinnd unui interval care-l conine pe zero. n
22
ambele situaii, momentul iniial de ordinul r al lui X este egal cu derivata de ordinul
r a funciei g n punctul zero, adic
( )
( ) (0)
r
r
M X g = , pentru orice r e .
Exemplu. Se d variabila aleatoare discret
1 0 1
:
1 1 1
6 2 3
X
| |
|
|
|
\ .
. Se cere:
a) Funcia generatoare de momente ( ) g t
b) Valoarea medie i momentul iniial de ordinul doi, utiliznd ( ) g t
c) Dispersia lui X , utiliznd punctul b).
Soluie.
a)
0
1 1 1 1
( )
6 2 3 6 2 3
t t
t t
e e
g t e e e

= + + = + + , t e.
b)
(1)
1
0
1 1 1
( ) ( ) (0) ( )
6 3 6 3 6
t t
t
e e
M X M X g

=
= = = + = + = .
2
0
1 1 1
( ) ( )
6 3 6 3 2
t t
t
e e
M X

=
= + = + = .
c)
2
2 2
2
1 1 17
( ) ( ) ( ( ))
2 6 36
D X M X M X
| |
= = =
|
\ .
.
23
Bibliografie (la acest capitol)
1. Laura Simon, Scott Roths, STAT 414 - 415, Lecture Notes, Dept. of Statistics,
PennState University
2. C. Chilrescu, N. Surulescu, et al., Bazele Statisticii, Ed. Universitii de Vest, 2002
3. http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=166&idb=11
(curs online Academia de Studii Economice, Bucureti)
4. http://www.math.uah.edu/stat (Virtual Laboratories)
5. http://stattrek.com/online-calculator/normal.aspx (calculator online - funcia Laplace
i cuantile repartiii)