Documente Academic
Documente Profesional
Documente Cultură
Seminar 10
Mai 2017
ii
”Ştiinţa se clădeşte cu fapte, aşa cum o casă se construieşte cu pietre.
Dar o colecţie de fapte nu e ştiinţă, la fel cum un morman de pietre
nu e o casă.”
Henri Poincaré
1
Notiuni teoretice:
∫︀∞
∙ densitatea de repartitie satisface proprietatile definitorii 𝑓 (𝑥)𝑑𝑥 = 1 si
−∞
𝑓 (𝑥) ≥ 0
Functia de repartitie definita ca 𝐹 (𝑥) := 𝑃 (𝑋 < 𝑥) are urmatoarele propri-
etati:
2
atunci spunem ca 𝑋 are distributia uniform continua si scriem 𝑋 ∼ 𝑈 (𝑎, 𝑏).
∙ daca 𝑋 are densitatea de repartitie:
1 (𝑥−𝑚)2
𝑓 (𝑥) = √ 𝑒− 2𝜎 2
2𝜋𝜎 2
atunci spunem ca 𝑋 are distributia normala si scriem 𝑋 ∼ 𝑁 (𝑚, 𝜎 2 ).
∙ pentru o astfel de variabila avem 𝑀 (𝑋) = 𝑚 si 𝐷2 (𝑋) = 𝜎 2 .
O variabila cu distributia normala standard 𝑍 este o variabila normal dis-
tribuita corespunzatoare valorilor 𝑚 = 0 si 𝜎 = 1, 𝑍 ∼ 𝑁 (0, 1).
∙ functia ei de repartitie este:
∫︁ 𝑥
1 𝑡2
Φ(𝑥) = √ 𝑒− 2 𝑑𝑡
2𝜋 −∞
si are valorile intr-un tabel al scorurilor 𝑧.
Argumentul de standardizare
∙ pentru o variabila 𝑋 ∼ 𝑁 (𝑚, 𝜎 2 ) au loc relatiile:
(︂ )︂ (︂ )︂ (︂ )︂
𝑥1 − 𝑚 𝑥2 − 𝑚 𝑥2 − 𝑚 𝑥1 − 𝑚
𝑃 (𝑥1 ≤ 𝑋 ≤ 𝑥2 ) = 𝑃 ≤𝑍≤ =Φ −Φ
𝜎 𝜎 𝜎 𝜎
𝑋 −𝑚
unde 𝑍 := este o variabila aleatoare cu distributia normala standard
(︂𝜎 )︂ (︂ )︂
𝑥2 − 𝑚 𝑥1 − 𝑚
iar valorile Φ ,Φ se citesc din tabelul scorurilor 𝑧.
𝜎 𝜎
3
Vectori aleatori
∙ pentru a modela matematic unele experimente este nevoie de mai mult
decat o variabila aleatoare, vom prezenta mai jos situatia in care avem nevoie
de doua variabile, despre care spunem ca formeaza un vector aleator (𝑋, 𝑌 )
∙ functia de probabilitate a unui vector aleator (𝑋, 𝑌 ) este o functie 𝑓𝑋,𝑌 (𝑥, 𝑦)
cu proprietatea:
∫︁ 𝑥 ∫︁ 𝑦
𝐹𝑋,𝑌 (𝑥, 𝑦) = 𝑓𝑋,𝑌 (𝑢, 𝑣)𝑑𝑢𝑑𝑣
−∞ −∞
si:
𝑃 (𝑎 ≤ 𝑋 ≤ 𝑏, 𝑐 ≤ 𝑌 ≤ 𝑑) = 𝐹𝑋.𝑌 (𝑏, 𝑑) − 𝐹𝑋.𝑌 (𝑏, 𝑐) − 𝐹𝑋.𝑌 (𝑎, 𝑑) + 𝐹𝑋.𝑌 (𝑎, 𝑐)
∫︁ 𝑏 ∫︁ 𝑑
= 𝑓𝑋,𝑌 (𝑥, 𝑦)𝑑𝑦𝑑𝑥
𝑎 𝑐
4
Probleme rezolvate
∫︁∞ ∫︁1
1 𝑥
𝑓 (𝑥) 𝑑𝑥 = 𝑑𝑥 = |1−1 = 1.
2 2
−∞ −1
deoarece
∫︁𝑥
𝑥 ≤ −1 ⇒ 𝐹 (𝑥) = 0𝑑𝑡 = 0,
−∞
∫︁−1 ∫︁𝑥
1 𝑥 1 𝑥+1
𝑥 ∈ [−1, 1] ⇒ 𝐹 (𝑥) = 0𝑑𝑡 + 𝑑𝑡 = + = ,
2 2 2 2
−∞ −1
⎧ ⎧
𝑥 ∈ 0, 1𝑒
(︀ ]︀
⎪
⎪
⎪ 0, ln 𝑥 ≤ −1 ⎪
⎪
⎪ 0,
⎨ ⎨
1+ln 𝑥 1+ln 𝑥
, 𝑥 ∈ 1𝑒 , 𝑒 .
(︀ ]︀
𝐺 (𝑥) = 2 , −1 < ln 𝑥 ≤ 1 = 2
⎪
⎪ ⎪
⎪
𝑥 ∈ (𝑒, ∞)
⎪
⎩ 1, ⎪
1 < ln 𝑥 ⎩ 1,
5
Densitatea de repartiţie corespunzătoare este
⎧
⎨ 0, ı̂n rest
𝑔 (𝑥) = 𝐺′ (𝑥) = .
⎩ 1 , 𝑥 ∈ (︀ 1 , 𝑒)︀
2𝑥 𝑒
iar dispersia
𝜋
+∞
∫︁ ∫︁2
2 2
𝐷2 (𝑋) = [𝑥 − 𝑀 (𝑋)] 𝑓 (𝑥) 𝑑𝑥 = (𝑥 − 0) 𝑓 (𝑥) 𝑑𝑥 =
−∞ −𝜋
2
𝜋 𝜋
2
∫︁ ∫︁2
1 2 interval 1
= 𝑥
⏟ cos = 2·
⏞ 𝑥𝑑𝑥 simetric 𝑥2 cos 𝑥𝑑𝑥,
2 2
−𝜋 f. pară 0
2
6
de unde rezultă
𝜋2
𝐷2 (𝑋) = − 2.
4
b) Funcţia de repartiţie este ı̂n general
∫︁𝑥
𝐹 (𝑥) = 𝑓 (𝑡) 𝑑𝑡.
−∞
∫︁𝑥
𝜋
Atunci pentru 𝑥 ≤ − avem 𝐹 (𝑥) = 0𝑑𝑡 = 0.
2
(︁ 𝜋 𝜋 )︁ −∞
Pentru 𝑥 ∈ − , rezultă
2 2
𝜋
∫︁𝑥 ∫︁− 2 ∫︁𝑥
1 1 1
𝐹 (𝑥) = 𝑓 (𝑡) 𝑑𝑡 = 0𝑑𝑡 + cos 𝑡𝑑𝑡 = + sin 𝑥.
2 2 2
−∞ −∞ −𝜋
2
𝜋
Pentru 𝑥 ≥ avem
2
𝜋 𝜋
∫︁𝑥 ∫︁− 2 ∫︁2 ∫︁𝑥
1
𝐹 (𝑥) = 𝑓 (𝑡) 𝑑𝑡 = 0𝑑𝑡 + cos 𝑡𝑑𝑡 + 0𝑑𝑡 = 1.
2
−∞ −∞ −𝜋
2
𝜋
2
7
Solutie: Inainte de toate trebuie sa recunoastem ca este vorba de un exper-
iment binomial. Sunt 𝑛 = 320 de repetari ale aceluiasi experiment: un pasager
cu o rezervare facuta incearca sa se imbarce in avion. Numim ”success” situa-
tia in care un pasager care are o rezervare nu reuseste sa se imbarcheze pentru
zborul sau. Probabilitatea unui succes este 𝑝 = 0.10
Notam asadar cu 𝑋 variabila aleatoare care numara pasagerii cu rezervare
care nu reusesc sa se imbarcheze in avion. 𝑋 este o variabila aleatoare cu
distributie binomiala 𝑋 ∼ 𝐵𝑖(320, 0.10) si va trebui sa calculam 𝑃 (𝑋 ≤ 19) si
𝑃 (25 ≤ 𝑋 ≤ 45).
∙ aproximam 𝑋 printr-o variabila aleatoare normal distribuita:
𝑌 ∼ 𝑁 (𝑛𝑝, 𝑛𝑝(1 − 𝑝)) = 𝑁 (32, 28.8)
∙ folosim corectiile de continuitate:
(︂ )︂
1 1
𝑃 (𝑘1 ≤ 𝑋 ≤ 𝑘2 ) ≈ 𝑃 𝑘1 − < 𝑌 < 𝑘2 +
2 2
si: (︂ )︂
1
𝑃 (𝑋 ≤ 𝑘) ≈ 𝑃 𝑌 <𝑘+
2
Deci: (︂ )︂
1 1
𝑃 (25 ≤ 𝑋 ≤ 45) ≈ 𝑃 25 − < 𝑌 < 45 +
2 2
si: (︂ )︂
1
𝑃 (𝑋 ≤ 19) ≈ 𝑃 𝑌 < 19 +
2
∙ avem nevoie si de o reducere a lui 𝑌 la o variabila aleatoare cu distributia
𝑌 −𝑚
standard normala prin tranformarea = 𝑍. Au loc relatiile :
𝜎
(︂ )︂ (︂ )︂ (︂ )︂
𝑥1 − 𝑚 𝑥2 − 𝑚 𝑥2 − 𝑚 𝑥1 − 𝑚
𝑃 (𝑥1 ≤ 𝑋 ≤ 𝑥2 ) = 𝑃 ≤𝑍≤ =Φ −Φ
𝜎 𝜎 𝜎 𝜎
pentru 𝑍 ∼ 𝑁 (0, 1).
(︂ )︂
24.5 − 32 45.5 − 32
𝑃 (24.5 < 𝑌 < 45.5) = 𝑃 ≤𝑍≤ = Φ (2.51) − Φ (−1.39)
5.36 5.36
= 0.9940 − 0.0823 = 0.92 = 92%
si:
(︂ )︂ (︂ )︂
1 19.5 − 32
𝑃 𝑌 < 19 + =𝑃 𝑍≤ = Φ (−2.33) = 0.0102 = 1%
2 5.36
∙ mai sus am citit scorurile 𝑧 din tablelul scorurilor z.
8
Solutie: Notam cu 𝑋 variabila aleatoare continua care masoara timpul la
care soseste femeia (fara vreo aluzie cromozomiala ) si cu 𝑌 variabila aleatoare
care masoara timpul la care soseste barbatul. Fiecare poate ajunge la restaurant
in orice moment de timp intre ora 21 si 24 cu aceeasi probabilitate, deci 𝑋 si 𝑌 au
distributia uniform continua. Mai mult, cele doua variabile sunt independente
si putem sa consideram ca ambele iau valori in intervalul [0, 3] unde 0 inseamna
ora 21 si 3 inseamna ora 24.
Avem asadar un vector aleator (𝑋, 𝑌 ) care modeleaza matematic problema
si masoara timpii la care sosesc cei doi.
Notam cu 𝐴 evenimentul: cei doi se intalnesc in restaurant. Probabilitatea
lui 𝐴 se calculeaza conform formulei:
∫︁ ∫︁
𝑃 (𝐴) = 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥𝑑𝑦
𝐴
∆1 ∪ 𝐴 ∪ ∆2 = [0, 3] × [0, 3]
9
Prin urmare:
∫︁ ∫︁ ∫︁ ∫︁ ∫︁ ∫︁ ∫︁ ∫︁
1 1 1 1
𝑑𝑥𝑑𝑦 = 𝑑𝑥𝑑𝑦 + 𝑑𝑥𝑑𝑦 + 𝑑𝑥𝑑𝑦
9 9 9 9
[0,3]×[0,3] Δ1 𝐴 Δ2
Aplicam teorema lui Fubini si scriem cele doua triunghiuri ca domenii simple
in raport cu axa 𝑂𝑌 :
11
∫︁ 3 ∫︁ 3 ∫︁ ∫︁ 3 ∫︁ ∫︁ ∫︁ 3 ∫︁ 𝑥−1
1 4 1 1 1
𝑑𝑥𝑑𝑦 = 𝑑𝑦𝑑𝑥 + 𝑑𝑥𝑑𝑦 + 𝑑𝑦𝑑𝑥
0 0 9 0 𝑥+ 41 9 9 1 0 9
𝐴
∫︁ ∫︁
121 1 4
1= + 𝑑𝑥𝑑𝑦 +
288 9 18
𝐴
∫︁ ∫︁
1
=⇒ 𝑃 (𝐴) = 𝑑𝑥𝑑𝑦 = 0.35 = 35%
9
𝐴
10
Probleme propuse
11
Problema 7. Un club de fotbal asigura transportul cu autobuzul al fanilor
sai. Un autobuz soseste intr-o anumita statie la fiecare 15 minute intre ora
4 si 12 p.m. in ziua meciului. Fanii sosesc in statie in momente de timp
aleatoare. Timpul petrecut de catre un fan in asteptarea autobuzului este o vari-
abila aleatoare uniform distribuita cu valori de la 0 la 15 minute. Care este
timpul mediu de asteptare ? Care este probabilitatea ca un fan sa astepte mai
mult de 12 minute ? Care este probabilitatea ca un fan sa fie nevoit sa astepte
intre 5 si 10 minute ?
12