Documente Academic
Documente Profesional
Documente Cultură
Probabilităţi şi
distribuţii teoretice
4
5
Variabila aleatoare
6
Distribuţia unei variabile aleatoare
7
Variabila aleatoare discretă
X: ( xi , pi ) cu i =1,...,m
unde
pi= P( Ei )=P( X = xi ) =f ( xi )
Ei este evenimentul ca v.a. X = xi , i=1, … ,m
8
Variabila aleatoare discretă
Exemplu
X: Numărul de capete obţinut la aruncarea unei monede
de 4 ori
Valorile posibile ale variabilei X: {0, 1, 2, 3, 4}
Nr. total de evenimente posibile: 24 = 16
Distribuţia v.a. X
xi P( X = xi ) f ( xi )
0 1/16 0,0625
1 4/16 0,25
2 6/16 0,375
3 4/16 0,25
4 1/16 0,0625
Total 1,00 1,00
9
Distribuția unei variabile aleatoare
discretă
Funcţia de probabilitate
f(x) - funcţia de probabilitate (funcţia masă de
probabilitate)
Funcţia de probabilitate trebuie să îndeplinească
următoarele două condiţii:
f (x) 0
m
f (x i ) 1
i 1
Funcţia de repartiţie
F(x) - funcţia de repartiţie
Pentru o v.a. discretă X : F(x) = P(X<x) = f (x i )
i; x i x
10
Variabila aleatoare continuă
11
Distribuția unei variabile aleatoare
continuă
f (x) 0 x [a , b ]
b
f ( x )dx 1
a
Funcţia de repartiţie
F(x) - funcţia de repartiţie
x
12
F(x) = P(X<x) =
f (t )dt
Caracteristicile numerice ale unei v.a.
14
Distribuţia normală
15
Distribuţia normală
σ 2π x R , e = 2,71828, π = 3,14159
16
Distribuţia normală
17
Distribuţia normală
18
Distribuţia normală
19
Distribuţia normală
Proprietăţile legii normale:
Probabilitatea este egală cu 0,68 pentru intervalul media
minus o abatere standard (μ-σ) şi media plus o abatere
standard (μ+σ).
20
Regula Chebyshev şi Regula empirică
21
Distribuţia normală standard
23
Pe un alt site, Timpul de descărcare a unui fişier video (secunde)
este normal distribuit cu media egală cu μ = 4 secunde şi
abaterea standard egală cu σ = 1 secundă.
24
Standardizarea valorilor unei variabile normale X
25
Distribuţia normală standard
z2
1
f(z) e 2 zR
2π
z t2
1
F(z)
2π
e 2 dt
26
Distribuţia normală standard
Deci ( z ) P (0 Z z )
Exemplul 1
Φ(1,96) = P(0<Z<1,96) = 0,4750
29
Distribuţia normală standard
F ( z ) P( Z z ) 0 ,5 ( z )
unde 0,5 este jumătate din aria de sub curbă.
30
Distribuţia normală standard
Exemplul 2
(1,96)
31
Distribuţia normală standard
F (a ) 0,5 (a )
F ( a ) 0,5 ( a ) 0,5 (a )
32
Distribuţia normală standard
Exemplul 3
P(-1,26 < Z < 1,26) = 2 (1,26) = 0,7924
33
Distribuţia normală standard
Exemplul 4
34
Distribuţia normală standard
Exemplul 5
P(Z > -2,13) = 1 - P(Z<-2,13) = 1 – F(-2,13) = 1 – [0,5 - (2,13)] =
= 0,5 + (2,13) = 0,5 + 0,4834 = 0,9834
35
Distribuţia normală standard
8 10 12 10
P(8 < X < 12) = P ( Z ) P (1 Z 1) 2 (1)
2 2
2 0,341 0,682
36
Folosirea scorurilor Z pentru
compararea distribuţiilor
• Exemplul 6
• Pentru admiterea la colegiu se pot susţine două teste: SAT şi ACT.
• Un elev a obţinut scorul 650 pentru testul SAT care are 500 şi
• Cum putem compara cele două scoruri pentru a spune care este
relativ mai mare?
Exemplu: Compararea notelor la teste care
folosesc scale diferite
Comparăm scorurile z:
ACT: 30 21
z 1.91
4.7
39
Caracteristicile numerice ale repartiţiei χ2
Media v.a. X
M(X)= ν σ 2
unde
ν – numărul gradelor de libertate (nr. variabilelor aleatoare
la pătrat însumate)
σ – abaterea standard a variabilelor aleatoare normale
standard (σ = 1)
Varianţa v.a. X
V(X)=2 ν σ 4
Exemplu
Pentru o variabilă X ~ χ2(4) , se poate determina constanta
a, astfel încât P (X > a) = 0,05. Din tabela Hi-pătrat se
citeşte valoarea a = 9,48.
40
41
Distribuţia t (Student)
42
Caracteristicile numerice ale
repartiţiei Student
Media v.a. t
M(t)=0
Varianţa v.a. t
V(t)= v/(v-2) unde ν – numărul gradelor de libertate
Exemplu
Pentru o variabilă aleatoare care urmează o lege de
repartiţie Student cu ν = 25 grade de libertate (X ~ t (25)),
se cere să se determine valoarea a, astfel încât: P(X > a)
= 0,05.
Din tabela Student, pentru o probabilitate de 0,05 şi 25
grade de libertate se citeşte valoarea a = 1,708.
Deci, P(X > 1,708) = 0,05.
43
44
Distribuţia Fisher
Notăm: F ~ F ( 1 , 2 )
45
Caracteristicile numerice ale repartiţiei
Fisher – Snedecor
Media v.a. F
2
M (X ) , 2 2
2 2
Varianţa v.a. F
2 22 ( 1 2 2)
V (X ) , 2 4
1 ( 2 2) ( 2 4)
2
Exemplu
Pentru o variabilă X ~ F(5, 3), se poate determina
constanta a, astfel încât P (X > a) = 0,01. Din tabela
Fisher se citeşte valoarea a = 28,23.
46
47
48
Anexa 1 – Evenimente aleatoare
Numărul total de evenimente posibile ale unei experienţe
este egal cu nk , unde:
n – numărul de evenimente posibile ale unei experienţe
k – numărul de probe ale unei experienţe
Exemple de evenimente aleatoare:
49
Anexa 2 – Experiențe independente
50
Anexa 3 - Exemple de variabile
aleatoare
Valorile posibile
Mulţimea evenimentelor
Experienţa Variabila (X) ale variabilei X
posibile
(xi)
51