Documente Academic
Documente Profesional
Documente Cultură
Din analiza realizata pe exemplul de mai sus extragem urmatoarea schema de contructie a
multimii evenimentelor asociata unei experiente aleatoare:
Consideram o experienta aleatoare in care multimea rezultatelor posibile ( a probelor)
este = { 1 ,..., n }. Evenimentele elementare vor fi {1 },..., { n } .
Un eveniment oarecare A va fi o submultime a lui :
A { i1 ,..., ik }
Aceasta inseamna ca evenimentul A este realizat in probele { i1 },..., { ik }
; in restul
probelor, A nu este realizat.
In concluzie, multimea evenimentelor asociate experientei aleatoare este multimea
() a partilor lui .
In acelasi cadru intuitiv, sa introducem operatiile cu evenimente.
Fie A, B doua evenimente asociate unei experiente aleatoare.Atunci definim:
- reuniunea AB : evenimentul ce consta in realizarea a cel putin unuia din
evenimentele A si B.
Evenimentul AB se mai citeste A sau B.
- intersectia AB : evenimentul ce consta in realizarea atat a lui A cat si a lui B.
Evenimentul AB se mai citeste A si B
-diferenta A- B: evenimentul ce consta in realizarea lui A si nerealizarea lui B.
- evenimentul opus (contrar) A : evenimentul ce se realizeaza atunci cand A nu se
realizeaza.
Evenimentele A si B se numesc incompatibile daca realizarea lor simultana este
imposibila: AB=
Definitiile operatiilor cu evenimente (prezentate mai sus) au fost formulate in cadrul
tratarii intuitive a probabilitatilor.
Vom enunta un al doilea principiu de identificare:
Operatiile cu evenimente sunt identificate cu operatiile cu multimi.
Prin cele doua principii de identificare, se trece la modelul ansamblist al teoriei
probabilitatilor, in care:
- un eveniment este identificat cu multimea probelor in care el se
realizeaza
- operatiile cu evenimente sunt operatii cu multimi.
Vom defini acum notiunea de probabilitate clasica (in cadrul tratarii intuitive), data de
Laplace.
Consideram o experienta aleatoare in care evenimentele elementare sunt egal posibile (au
aceeasi sansa de realizare).
Definitie. Probabilitatea unui eveniment este raportul dintre numarul cazurilor
favorabile si numarul cazurilor posibile.
k
n
unde:
k= numarul cazurilor favorabile
n= numarul cazurilor posibile
Observatie: Aruncarea cu zarul este o experienta aleatoare in care rezultatele sunt
egal posibile.
.
B. TRATAREA AXIOMATICA
1. Camp de probabilitate
In sectiunea precedenta atat evenimentul cat si probabilitatea au fost definite intr-un
cadru intuitiv, legat de o experienta aleatoare.
Evenimentele au fost identificate cu multimi, iar probabilitatea a fost definita ca raportul
dintre numarul cazurilor favorabile si numarul cazurilor posibile.
Acesta a fost punctul de plecare in tratarea axiomatica a probabilitatilor.
Tratarea axiomatica a probabilitatilor are mai multe motivatii.
Prima motivatie este de ordin metodologic si tine de organizarea stiintelor in teorii
deductive. O teorie deductiva porneste de la niste axiome (stabilite pe baza cunostintelor
capatate prin experienta) ; din axiome sunt demonstrate teoremele ( propozitiile care sunt
adevarate in teoria respectiva). Tratarea stiintelor ca teorii deductive permite folosirea
metodelor matematice in dezvoltarea teoriei.
O alta motivatie tine de generalitatea tipului de tratare. Tratarea clasica a probabilitatilor
nu cuprinde cazul in care multimea rezultatelor unei experiente este infinita (de ex. ,
atunci cand multimea rezultatelor este un interval real).
Def. Fie , K () . K se numeste corp de multimi daca:
A K A K
A, B K A B K
Consecinta: Fie K un corp de multimi. Atunci
A, B K A B, A B K .
Def. Camp de evenimente: o pereche (, K), cu K corp de multimi.
Interpretare:
=multimea rezultatelor unei experiente aleatoare,
K= multimea evenimentelor asociate unei experiente aleatoare
Observatie. In cazul experientelor cu un numar finit de rezultate multimea evenimentelor
era chiar multimea partilor () , fiind multimea probelor. Daca multimea
rezultatelor experientei este infinita atunci constructia multimii evenimentelor este mai
complicata si nu se mai obtine () , ci numai o parte a sa (un corp de multimi).
Def. P ( A | B )
b) Ai
i 1
oarecare. Atunci P( B) P( Ai ) P( B | Ai ) .
i 1
2.Variabile aleatoare
Fie (, K, P) un camp de probabilitate. Se numeste variabila aleatoare o functie
X : R cu proprietatea { | X ( ) a} K , a R
Conventii de scriere: { X a} { | X ( ) a}
{a X b} { | a X ( ) b}
{ X a} { | X ( ) a}
X ( ) =valoare a v.a. X
X=v.a. discreta daca multimea valorilor sale este cel mult numarabila (finita sau
numarabila)
X=v.a. continua daca multimea valorilor sale este un interval sau o reuniune finita de
intervale
Fie X o v.a. discreta cu valorile x1 ,..., x n . Tabloul sau de repartitie (pe scurt, repartitia sa)
este:
x ... x n
cu P ( X xi ) pi , i=1,,n
X: 1
p1 ... p n
Proprietati:
1) pi 0, i 1,..., n
n
2) p i 1
i 1
X+Y:
...
ij
...
nm
11
... y m
... q m
x1 y1 ... xi y j ... xn y m
XY:
...
...
11
ij
nm
X k : 1
p
...
p
n
1
V.a. discrete X si Y sunt independente daca
P ( X xi , Y y j ) P ( X xi ) P (Y y j ), i 1,..., n, j 1,..., m
Observatie :X, Y=independente ij pi q j , i. j
x ... x n
este discreta atunci functia sa de repartitie este:
Observatie.Daca X: 1
p1 ... p n
0, x x1
p , x x x
2
1 1
p1 p 2 , x 2 x x3
F ( x)
...
p1 ... p n 1 , x n 1 x x n
p1 ... p n 1, x x n
Densitatea de repartitie: v.a. X admite densitatea de repartitie f : R R daca
x
F ( x)
f (t )dt, x R
Proprietati:
f ( x)dx 1
M (X )
xdF ( x)
n
x ... x n
este o v.a. discreta, atunci M ( X ) p i xi .
Daca X: 1
i 1
p1 ... p n
xf ( x)dx
Proprietati
1) M (aX b) aM ( X ) b
2) M (a) a, a R
3) M (aX bY ) aM ( X ) bM (Y )
4)X, Y=independente M ( XY ) M ( X ) M (Y )
Dispersia (varianta) = reprezinta gradul de imprastiere a valorilor lui X in raport cu
valoarea medie
Var ( X ) M [( X M ( X )) 2 ]
Se poate deduce usor:
Var ( X ) M ( X 2 ) ( M ( X )) 2 =forma scurta
Observatie:
n
x ... x n
, Var ( X ) pi ( xi M ( X )) 2
daca X: 1
i 1
p1 ... p n
f ( x)[x M ( X )] dx
2
Proprietati
1) Var(c) 0 pentru c R
2) Var (aX ) a 2Var ( X )
3) Var (aX b) a 2Var ( X )
4)Daca X, Y sunt independente, atunci Var(aX bY ) aVar( X ) bVar(Y )
Vectori aleatori
Notiunea de vector aleator este legata de experiente aleatoare mai complexe in care exista
mai multi parametri aleatori. Fiecare dintre acesti parametri este o variabila aleatoare.
Un vector aleator n-dimensional este de forma ( X 1 ,..., X n ) , (fiecare X i este o variabila
aleatoare)
Se considera vectorul bidimensional (X, Y)
functia de repartitie: F ( x, y) P( X x, Y y) pentru x, y R
f (u, v)dudv
Covarianta:
Cov( X , Y ) M [( X M ( X ))(Y M (Y ))]
Cov( X , Y ) M ( XY ) M ( X ) M (Y ) =forma scurta
n
x ... x n
y ... y m
, Y: 1
, ij P ( X xi , Y y j ), i 1,..., n, j 1,..., m
X: 1
p1 ... p n
q1 ... q m
Daca exista o densitate f(x,y) a vectorului aleator (X,Y), atunci
Cov( X , Y )
Coeficientul de corelatie: ( X , Y )
Cov( X , Y )
Var( X ) Var(Y )