Documente Academic
Documente Profesional
Documente Cultură
Probabilitati PDF
Probabilitati PDF
Probabilitate
Operaii cu evenimente
Definitia 10. Fiind date dou evenimente A i B, numim reuniunea lor i o notm cu A B,
evenimentul a crui producere const din producerea a cel puin unuia din cele dou evenimente
sau A sau B.
Definitia 11. Intersecia evenimentelor A i B, notat cu A B, const din producerea
simultan a evenimentelor A, B.
Una din noiunile fundamentale ale teoriei probabilitilor este aceea de variabil aleatoare.
Evenimentele unui cmp de probabilitate nu sunt, principial, mrimi n nelesul atribuit acestora n tiinele
naturale sau tehnic; ele se descriu ns cu ajutorul unor mrimi avnd valori reale i care, n general, sunt
rezultatul unor msurtori. Principalul merit al actualei sistematizri a calcului probabilitilor const n
definirea variabilelor aleatoare, deci a mrimilor pe care ni le prezint experimentul direct, sau teoriile
destinate s-l interpreteze.
Dac nelegem prin variabil aleatoare o funcie real definit pe mulimea evenimentelor elementare
asociate experimentului considerat vom putea ilustra prin exemple tipice pentru teoria probabilitilor
cum se trece de la un eveniment la o variabil aleatoare i anume:
O variabil aleatoare discret pentru care I este finit se numete variabil aleatoare simpl.
Schematic variabila aleatoare se noteaz prin
x
: i , pi = 1 . (1.)
pi iI iI
Tabloul (3.1) se numete distribuia sau repartiia variabilei aleatoare .
Numrul produselor defecte dintr-un lot examinat, numrul de defeciuni care apar ntr-o
anumit perioad de funcionare a unui dispozitiv, indicatorul unui eveniment A sunt
variabile aleatoare discrete.
Faptul c p
iI
i = 1 ne sugereaz ideea c aceast sum se repartizeaz ntr-un anumit mod ntre
aceste valori xi , deci din punct de vedere probabilistic o variabil aleatoare este complet determinat
dac se d o astfel de repartiie. Vom stabili o astfel de lege de repartiie.
Una din formele cele mai simple n care putem reprezenta o astfel de lege este forma
schematic (3.1) sau sub forma unui tabel.
xi x1 x2 K xi K xn
pi p1 p2 K pi K pn
p
i =1 j =1
ij = 1.
Dac variabila aleatoare admite invers, atunci definim ctul = 1 i are tabloul de
distribuie
x1 xi xn
L L
: y1 yj ym .
p11 L pij L pnm
O constant a poate fi interpretat ca o variabil aleatoare definit pe orice mulime de
a
evenimente elementare, iar tabloul ei de distribuie interpretat ca variabil aleatoare va fi a : deci
1
vom putea face totdeauna operaii cu variabile aleatoare i constante.
M ( ) = xi pi (4)
iI
se numete valoare medie a variabilei aleatoare discrete .
Dac este o variabil aleatoare simpl care ia valorile x1 ,..., xn cu probabilitile p1 ,..., pn ,
atunci valoarea medie va fi
n
M ( ) = xi pi . (5)
i =1
Vom da n continuare cteva proprieti ale valorilor medii.
(P1). Dac i sunt dou variabile aleatoare discrete definite i dac M ( ) i M () exist,
atunci exist valoarea medie M ( + ) i
M ( + ) = M ( ) + M () . (6)
aleatoare i se noteaz
( )= x
r ( ) = M
r
k
k
r
pk . (13)
Definiie 22. Fie o variabil aleatoare discret . Momentul de ordinul r al variabilei aleatoare
abatere a lui se numete moment centrat de ordinul r a lui i se noteaz
r ( ) = r ( M ( )) .
Momentul centrat de ordinul doi a variabilei aleatoare discrete se numete dispersie sau
variant i se noteaz prin D 2 ( ) sau 2 , deci
D 2 ( ) = 2 = 2 ( ) .
Numrul D( ) = = 2 ( ) se numete abatere medie ptratic a lui .
Vom da n continuare cteva proprieti ale dispersiei i ale abaterii medii ptratice.
(P1). Are loc egalitatea
( )
D 2 ( ) = M 2 [M ( )] .
2
(P2). Dac i sunt dou variabile aleatoare, atunci , + , , cu 0 , sup(, ) i
inf (, ) sunt de asemenea variabile aleatoare.
Definiie 24. Vom spune c variabilele aleatoare 1 ,..., n sunt independente dac pentru toate
sistemele reale x1 ,..., xn avem
P (1 < x1 ,..., n < xn ) = P (1 < x1 ) ... P ( n < xn ) .
Funcie de repartiie
Definiie 25. Se numete funcie de repartiie a variabilei aleatoare , funcia
F ( x ) = P({ () < x}) (14)
definit pentru orice x .
Din aceast definiie rezult c orice variabil aleatoare poate fi dat prin intermediul funciei
sale de repartiie.
Dac este o variabil aleatoare discret cu pn = P ( = xn ) , n I , atunci din (14) rezult
F (x ) = p n (15)
xn < x
i se numete funcie de repartiie de tip discret. Rezult c n acest caz F este o funcie n scar, adic
ia valori constante pe intervalele determinate de punctele xi ( i I ).
4. lim F ( x ) = 1 .
n+
Definiie 26. Fie o variabil aleatoare a crei funcie de repartiie este F . Dac exist o funcie
real f definit i integrabil pe R aa nct
x
F (x ) = f (u )du , (16.)
atunci F se numete funcie de repartiie absolut continu, iar se numete variabil aleatoare
absolut continu. Funcia f se numete densitate de probabilitate (repartiie), iar expresia f ( x )dx se
numete lege de probabilitate elementar.
P ( M e ) P ( M e )
1
(21)
2
sau
F (M e ) i F (M e + 0 ) .
1 1
(22)
2 2
Inegalitatea lui Markov. Fie o variabil aleatoare pozitiv a crei valoare medie este finit. Pentru
orice > 1 avem
P ( M ( )) .
1
(23)
Definiie 32. Moda, Mo , a unei variabile aleatoare este valoarea variabilei aleatoare cea mai
probabil.