Documente Academic
Documente Profesional
Documente Cultură
P : K → [ 0, 1 ] este o probabilitate:
(i) P(E) = 1;
(ii) pentru orice şir de mulţimi (An )n ∈ K, cu An ∩ Am = ∅,
pentru orice n 6= m avem
!
[ X
P An = P(An ).
n∈N n∈N
Definiţia 1.1
O funcţie
X :E →R
se numeşte variabilă aleatoare dacă
{X ≤ x} = {e ∈ E | X (e) ≤ x} ∈ K, ∀x ∈ R. (1.1)
{X < x} ∈ K, {X > x} ∈ K, {X ≥ x} ∈ K
Definiţia 1.2
Variabilele aleatoare X şi Y se numesc variabile aleatoare
independente, dacă pentru orice D1 , D2 mulţimi reale deschise
are loc:
P {X −1 (D1 )} ∩ {Y −1 (D2 )} = P{X −1 (D1 )} · P{Y −1 (D2 )}.
X −1 (D1 ) = {e ∈ E | X (e) ∈ D1 }
Y −1 (D2 ) = {e ∈ E | Y (e) ∈ D2 }
Funcţie de repartiţie
Definiţia 1.3
Fie X o v. a. Se numeşte funcţie de repartiţie a lui X funcţia
reală
F : R → [ 0, 1 ],
pentru orice x ∈ R.
3. lim F (x) = 0;
x→−∞
( lim F (x) = lim P{X ≤ x} = P(∅) = 0.)
x→−∞ x→−∞
4. lim F (x) = 1.
x→+∞
( lim F (x) = lim P{X ≤ x} = P(E) = 1.)
x→+∞ x→+∞
3. lim F (x) = 0;
x→−∞
( lim F (x) = lim P{X ≤ x} = P(∅) = 0.)
x→−∞ x→−∞
4. lim F (x) = 1.
x→+∞
( lim F (x) = lim P{X ≤ x} = P(E) = 1.)
x→+∞ x→+∞
3. lim F (x) = 0;
x→−∞
( lim F (x) = lim P{X ≤ x} = P(∅) = 0.)
x→−∞ x→−∞
4. lim F (x) = 1.
x→+∞
( lim F (x) = lim P{X ≤ x} = P(E) = 1.)
x→+∞ x→+∞
3. lim F (x) = 0;
x→−∞
( lim F (x) = lim P{X ≤ x} = P(∅) = 0.)
x→−∞ x→−∞
4. lim F (x) = 1.
x→+∞
( lim F (x) = lim P{X ≤ x} = P(E) = 1.)
x→+∞ x→+∞
3. lim F (x) = 0;
x→−∞
( lim F (x) = lim P{X ≤ x} = P(∅) = 0.)
x→−∞ x→−∞
4. lim F (x) = 1.
x→+∞
( lim F (x) = lim P{X ≤ x} = P(E) = 1.)
x→+∞ x→+∞
Operaţii cu v.a.
1
X + λ, λX , |X |, X r , r ∈ N, .
X
Dacă X şi Y sunt variabile aleatoare, atunci
X
X + Y , X − Y , XY , , max(X , Y ), min(X , Y )
Y
sunt de asemenea variabile aleatoare.
Operaţii cu v.a.
1
X + λ, λX , |X |, X r , r ∈ N, .
X
Dacă X şi Y sunt variabile aleatoare, atunci
X
X + Y , X − Y , XY , , max(X , Y ), min(X , Y )
Y
sunt de asemenea variabile aleatoare.
Exemplul 1.1
0 pentru x ≤ 0
2
Fie X o v.a., F (x) = x
pentru 0 < x < 1
2
1 pentru x ≥ 1.
1
Să se calculeze P{X ≤ } şi P{X 2 ≥ 1}.
2
1 1 1
P X ≤ = F( ) = ,
2 2 2 82
P X ≥ 1 = 1 − P X < 1 = 1 − P {−1 < X < 1}
1 1
= 1 − F (1 − 0) + F (−1) = 1 − + 0 = .
2 2
Exemplul 1.1
0 pentru x ≤ 0
2
Fie X o v.a., F (x) = x
pentru 0 < x < 1
2
1 pentru x ≥ 1.
1
Să se calculeze P{X ≤ } şi P{X 2 ≥ 1}.
2
1 1 1
P X ≤ = F( ) = ,
2 2 2 82
P X ≥ 1 = 1 − P X < 1 = 1 − P {−1 < X < 1}
1 1
= 1 − F (1 − 0) + F (−1) = 1 − + 0 = .
2 2
Densitate de probabilitate
Definiţia 2.1
Spunem că variabila aleatoare X este de tip continuu dacă
• funcţia de repartiţie F : R → [ 0, 1 ] este continuă
• există o funcţie f : R → R cu o mulţime cel mult numărabilă
de puncte de discontinuitate de prima speţă astfel ı̂ncât
Z x
F (x) = f (t)dt (2.1)
−∞
pentru orice x ∈ R.
Funcţia f se numeşte densitatea de probabilitate a v. a. X .
Proprietăţi:
• f (x) ≥ 0, ∀ x ∈ R. (2.3)
(f = F 0 şi F este crescătoare)
Z +∞
• f (x)dx = 1. (2.4)
−∞
R +∞ Ra
( −∞ f (x)dx = lim f (x)dx = lim F (a) = 1.)
a→+∞ −∞ a→+∞
Geometric: (2.4) ⇔ aria subgraficului funcţiei densitate de
probabilitate este unitară.
Variabile aleatoare continue 1
Variabile aleatoare ı̂ntr-un câmp infinit de probabilitate
Variabile aleatoare continue; densitate de probabilitate
Funcţii de variabile aleatoare
Caracteristici numerice ale v. a. continue
Inegalitatea lui Cebâşev
Proprietăţi:
• f (x) ≥ 0, ∀ x ∈ R. (2.3)
(f = F 0 şi F este crescătoare)
Z +∞
• f (x)dx = 1. (2.4)
−∞
R +∞ Ra
( −∞ f (x)dx = lim f (x)dx = lim F (a) = 1.)
a→+∞ −∞ a→+∞
Geometric: (2.4) ⇔ aria subgraficului funcţiei densitate de
probabilitate este unitară.
Variabile aleatoare continue 1
Variabile aleatoare ı̂ntr-un câmp infinit de probabilitate
Variabile aleatoare continue; densitate de probabilitate
Funcţii de variabile aleatoare
Caracteristici numerice ale v. a. continue
Inegalitatea lui Cebâşev
Proprietăţi:
• f (x) ≥ 0, ∀ x ∈ R. (2.3)
(f = F 0 şi F este crescătoare)
Z +∞
• f (x)dx = 1. (2.4)
−∞
R +∞ Ra
( −∞ f (x)dx = lim f (x)dx = lim F (a) = 1.)
a→+∞ −∞ a→+∞
Geometric: (2.4) ⇔ aria subgraficului funcţiei densitate de
probabilitate este unitară.
Variabile aleatoare continue 1
Variabile aleatoare ı̂ntr-un câmp infinit de probabilitate
Variabile aleatoare continue; densitate de probabilitate
Funcţii de variabile aleatoare
Caracteristici numerice ale v. a. continue
Inegalitatea lui Cebâşev
Repartiţia exponenţială
Important Condiţiile esenţiale ce trebuie verificate ca o funcţie
să fie densitate de probabilitate sunt (2.3) şi (2.4).
Exemplul 2.1
a · e−λx , dacă x ≥ 0
f (x) =
0, dacă x < 0
a = λ;
0, dacă x < 0
F (x) = −λx
1−e , dacă x ≥ 0.
Repartiţia uniformă
Exemplul 2.2
0, dacă x < a
x −a
F (x) = , dacă x ∈ [ a, b ]
b−a
1, dacă x > b.
Teorema 3.1
Fie h : R → R este o funcţie monotonă, derivabilă cu h0 (x) 6= 0,
pentru orice x ∈ R. Fie x = h−1 (y ) unica soluţie a ecuaţiei
h(x) = y. Atunci densitatea de probabilitate a variabilei
aleatoare Y = h(X ) este:
−1
−1 0
fY (y ) = fX (h (y)) h (y ) .
Exemplul 3.1
Fie X variabila aleatoare distribuită uniform pe intervalul [ 0, 1 ]. Care
este densitatea de probabilitate a variabilei Y = 3X ?
1, dacă x ∈ [ 0, 1 ]
fX (x) =
0, ı̂n caz contrar.
Y = h(X ) = 3X , unde h(x) = 3x, h0 (x) = 3 > 0.
n xo x
FY (x) = P {Y ≤ x} = P {3X ≤ x} = P X ≤ = FX .
3 3
Prin derivare ı̂n raport cu x
x 0 x 1
fY (x) = FY0 (x) = FX = fX ( ) · .
3 3 3
Deci v.a. Y este distribuită uniform pe intervalul [ 0, 3 ].
Variabile aleatoare continue 1
Variabile aleatoare ı̂ntr-un câmp infinit de probabilitate
Variabile aleatoare continue; densitate de probabilitate
Funcţii de variabile aleatoare
Caracteristici numerice ale v. a. continue
Inegalitatea lui Cebâşev
Momente de ordin r
Au loc
Cov [X , Y ] = M[X · Y ] − mX · mY ; (4.11)
D 2 [X + Y ] = D 2 [X ] + D 2 [Y ] + 2Cov [X , Y ]. (4.12)
Funcţia caracteristică
Funcţia caracteristică a v. a. continue X este ϕ : R → C
definită prin:
Z +∞
jtX
ϕ(t) = M[e ] = ejtx · f (x) dx, j 2 = −1. (4.14)
−∞
ϕX +Y = ϕX · ϕY . (4.17)
Teorema 5.1
Dacă variabila aleatoare X este de tip continuu cu media m şi
dispersia σ 2 , atunci pentru orice ε > 0 are loc
σ2
P{|X − m| < ε} ≥ 1 − (5.1)
ε2
Inegalitatea (5.1) este echivalentă cu inegalitatea:
σ2
P{|X − m| ≥ ε} < . (5.2)
ε2
Exemplul 5.1
Timpul mediu de răspuns al unui calculator este de 15 secunde pentru
o anumită operaţie, cu abaterea medie pătratică de 3 secunde.
Estimaţi probabilitatea ca timpul de răspuns să se abată cu mai puţin
de 5 secunde faţă de medie.
9
P({|X − 15| < 5}) ≥ 1 − = 0, 64.
25