Documente Academic
Documente Profesional
Documente Cultură
() = 0 · (1 − ) + 1 · =
şi
2 () = (0 − )2 · (1 − ) + (1 − )2 · = (1 − )
şi
µ
X ¶2
2 +1 1
() = − ·
=1
2
Ã
!
1 X X( + 1)2
2
= − ( + 1) +
=1 =1
4
à !
2
1 ( + 1) (2 + 1) ( + 1) ( + 1)
= − ( + 1) +
6 2 4
( + 1) (2 + 1) ( + 1)2 ( + 1)2
= − +
6 2 4
2 − 1
=
12
• în jocurile de noroc (numărul de apariţii a stemei la aruncarea unui ban, număr de apariţii a unei anumite
feţe la aruncarea unui zar, etc)
• în controlul calităţii produselor (numărul de piese defecte dintr-un lot, etc)
19
• în sondajele de opinie (numărul de persoane care preferă un anumit candidat, numărul de persoane asupra
cărora un anumit medicament a avut efectul dorit, etc)
În toate aceste situaţii suntem interesaţi de numărul total de apariţii a unui anumit eveniment în încercări
independente, în fiecare din acestea probabilitatea de apariţie a evenimentului fiind () = . Dacă într-o
anumită încercare evenimentul nu apare, atunci înseamnă că a apărut evenimentul contrar lui (adică ), cu
not
probabilitate ( ) = 1 − = .
Evenimentul se numeşte succes (chiar dacă aceasta înseamnă spre exemplu că o piesă aleasă dintr-un lot are
defecţiuni, că un anumit autobuz a întârziat, etc), iar evenimentul contrar se numeşte insucces.
Distribuţia binomială sau variabila aleatoare binomială cu parametrii şi este
Este uşor de observat că valorile posibile ale lui sunt 0 1 (de ce?), şi deci variabila aleatoare binomială
cu parametrii şi este de forma µ ¶
0 1 2
=
0 1 2
Pentru a determina probabilităţile () = = ( = ), să observăm că = înseamnă că evenimentul
a apărut de ori şi evenimentul a apărut de − ori în cele încercări.
Cum cele încercări sunt independente, putem calcula probabilitatea de apariţie de ori a evenimentului
urmată de apariţia de − ori a evenimentului astfel:
Aceasta este însă numai una din posibilele moduri de apariţie ori a evenimentui şi de − ori a evenimentului
. Cum numărul total de aranjări distincte a de şi − de este conform Propoziţiei ?? (cu = 2, 1 =
şi 2 = − ) egal cu
!
=
! ( − )!
obţinem că probabilitatea ( = ) de apariţie de ori a evenimentului în încercări este
Exemplul 3.1 Să se determine probabilitatea obţinerii a cel puţin doi de şase la aruncarea de patru ori a unui zar.
Să notăm cu evenimentul constând în apariţia lui şase la aruncarea zarului (evenimentul “succes”). Numărul
de succese la aruncarea de patru ori a zarului este o variabilă aleatoare binomială cu parametrii = 4 (numărul de
încercări) şi probabilitatea succesului = () = 16 .
Probabilitatea cerută este deci
20
Propoziţia 3.2 Media şi dispersia variabilei aleatoare binomiale cu parametrii şi sunt
Pentru a determina dispersia variabilei aleatoare se procedează în mod similar (se derivează încă o dată
formula (32) în raport cu şi se înmulţeşte cu ).
Se poate arăta că distribuţia Possion se obţine ca limită a distribuţiei binomiale cu parametrii şi , atunci
când → ∞ şi → 0 astfel încât → (spre exemplu considerând = constant).
0 2 3
= 0 · − + 1 · − + 2 · − + 3 · − +
0! 1! 2! 3!
1 1 1
= − + − + − 2 + − 3 + +
µ 1! 2! 3! ¶
− 1 1 2 1 3
= 1 + + + +
1! 2! 3!
−
¡
¢
=
=
21
Exemplul 3.4 Dacă probabilitatea producerii unui şurub defect este = 001, care este probabilitatea ca un lot de
100 şuruburi să conţină mai mult de două şuruburi defecte?
Considerând găsirea unui şurub defect în lot ca fiind un succes, probabilitatea cerută este dată de distribuţia
binomială cu parametrii = 100 şi = 001
( 2) = 1 − ( ≤ 2)
= 1 − ( = 0) − ( = 1) − ( = 2)
0
= 1 − 100 099100 − 100
1
001 · 09999 − 100
2
0012 · 09998
≈ 00794
Cum valoarea lui = 001 este mică, putem aproxima variabila aleatoare prin variabila aleatoare Poisson cu
parametrul = = 100 · 001 = 1. Obţinem astfel următoarea aproximare a probabilităţii cerute:
10 11 12
() ≈ 1 − −1 − −1 − −1
0! 1! 2!
5
= 1−
2
≈ 00803
Observăm că rezultatul obţinut prin aproximarea variabilei aleatoare binomiale prin variabilă aleatoare Poisson
este foarte bun (valoarea exactă a probabilităţii este 00794, iar valoarea aproximativă este 00803).
Exemplul 3.5 În medie, într-o anumită parcare intră 2 maşini pe minut. Care este probabilitatea ca într-un minut
4 sau mai multe maşini să intre în parcare?
Să considerăm variabila aleatoare reprezentând numărul de maşini care intră în lot într-un minut. Pentru a
înţelege că are aproximativ o distribuţie Poisson, considerăm minutul împărţit în subintervale de timp (spre
exemplu secunde, = 60) şi fie probabilitatea ca o maşină să intre în parcare într-un astfel de subinterval de timp
(presupunem că această probabilitate este aceeaşi pentru fiecare subinterval, şi că sosirile în subintervale diferite
sunt independente unel de altele).
Variabila aleatoare (numărul de maşini ce intră într-un minut în parcare) este deci o variabilă aleatoare
binomială cu parametrii şi , şi cum este mare şi este mic, putem arpoxima variabila aleatoare binomială
printr-o variabilă aleatoare Poisson cu medie = = 2.
Putem deci aproxima probabilitatea cerută astfel
( ≥ 4) = 1 − ( 4)
= 1 − ( = 0) − ( = 1) − ( = 2) − ( = 3)
20 21 22 23
≈ 1 − −2 − −2 − −2 − −2
0! 1! 2! 3!
19
= 1− 2
3
≈ 0143
19
Probabilitatea cerută este aproximativ 1 − 32 ≈ 0143.
Spre exemplu, numărul de aruncări ale monedei (un experiment Bernoulli cu parametrul = 12 ) până la prima
apariţie a stemei este o variabilă aleatoare geometrică cu parametrul = 12 . Similar, numărul de aruncări ale zarului
până la prima apariţie a feţei 6 este o variabilă aleatoare geometrică cu parametrul = 16 .
Explicit, o variabilă aleatoare cu parametrul ∈ (0 1) este de forma
µ ¶
1 2 3 4
=
1 2 3 4
22
−1
unde = (1 − ) , = 1 2
Media şi dispersia variabilei aleatoare geometrice cu parametrul sunt date de
1
() =
respectiv
1−
2 () =
2
Se poate demonstra următoarea.
Propoziţia 3.6 (Lipsa de memorie a variabilei aleatoare geometrice) Dacă este o variabilă aleatoare
geometrică, atunci
( = + | ) = ( = ) ≥ 1 (33)
Reciproc, o variabila aleatoare discretă ce ia valori 1 2 şi verifică proprietatea anterioară este o variabilă
aleatoare geometrică.
Demonstraţie. Conform definiţiei probabilităţii condiţionate, avem
( = + )
( = + | ) =
( )
( = + )
=
1 − ( ≤ )
(1 − )+−1
= P
1 − =1 ( = )
(1 − )+−1
= P −1
1 − =1 (1 − )
(1 − )+−1
=
1 − 1−(1−)
1−(1−)
+−1
(1 − )
=
(1 − )
−1
= (1 − )
= ( = )
Reciproc, considerând = 1 în relaţia (33), avem
( = + 1| 1) = ( = )
sau echivalent (folosind definiţia probabilităţii condiţionate)
( = + 1) = ( 1) ( = )
oricare ar fi = 1 2
Notând cu = ( = 1) ∈ (0 1), inductiv după = 1 2 se poate demonstra că ( = ) = (1 − )−1 ,
= 1 2 şi deci este o variabilă aleatoare geometrică cu parametrul .
O generalizare a variabilei aleatoare geometrice este variabila binomială negativă cu parametrii ∈ N∗ şi
∈ (0 1), ce reprezintă numărul de încercări efectuate într-un şir de experimente Bernoulli cu parametrul până
la obţinerea a ≥ 1 succcese. Numele de “negativă” provine din faptul că dacă la variabila aleatoare binomială
numărul de încercări era fixat şi numărul de succese era aleator, la variabila aleatoare binomială negativă,
numărul de succese este fixat şi numărul de încercări este aleator. Variabila aleatoare binomială negativă este
deci într-un anumit sens “opusa”/“negativa” variabilei aleatoare binomiale.
O variabila aleatoare binomială negativă cu parametrii ∈ N∗ şi ∈ (0 1) este de forma
µ ¶
+ 1 + 2 + 3
=
+1 +2 +3
−1
unde = −1 (1 − )− , = + 1
23
Observaţia 3.7 Dacă este o variabilă aleatoare binomială negativă cu parametrii ∈ N∗ şi ∈ (0 1), şi notând
cu 1 numărul de încercări efectuate până la apriţia primului succes, cu 2 numărul de încercări suplimentare
până la apariţia celui de-al doilea succes, şamd, este uşor de observat că are loc egalitatea
= 1 + +
Se poate demonstra că media şi dispersia variabilei aleatoare negative sunt date de
() =
şi
(1 − )
2 () =
2
Exerciţiul 3.1 Să se demonstreze formulele anterioare:
a) Direct
b) Folosind observaţia anterioară.
Dacă extragerile se fac fără înlocuire, atunci probabilitatea extragerii unui obiect defect nu mai este aceeaşi în
cele extrageri, şi deci în acest caz numărul de obiecte defecte extrase nu mai este o variabilă aleatoare binomială.
Pentru a determina funcţia de probabilitate în acest caz, procedăm astfel. Probabilitatea ( = ) este prob-
abilitatea extragerii a piese defecte (din cele ) şi a − piese ne-defecte (din cele − ). În acest caz spaţiul
de probabilitate are un număr finit de cazuri egal probabile, şi deci avem
24
Dacă extragerea se face fără înlocuire, atunci are o distribuţie cu parametrii = 10, = 3 şi = 2.
Funcţia de probabilitate este în acest caz
( 2−
3 7
2 ∈ {0 1 2}
() = 10
0 în rest
Observaţia 3.10 Se poate arăta că dacă şi − au valori mari comparativ cu , atunci la extragerea fără
înlocuire se obţine aproximativ aceleaşi probabilităţi ca la extragerea cu înlocuire, şi deci distribuţia hipergeometrică
poate fi aproximată prin distribuţia binomială (cu parametrii şi = ).
În cazul particular al unei populaţii infinite ( ≈ ∞) putem folosi distribuţia binomială, indiferent dacă ex-
tragerea se face cu sau fără înlocuire.
Exerciţii
Exerciţiul 3.2 Se aruncă simultan cinci monede. Să se determine funcţia de probabilitate a variabilei aleatoare
reprezentâând numărul de steme obţinute. Să se determine probabilitatea obţinerii nici unei steme, a cel puţin
unei steme, a nu mai mult de 4 steme.
Exerciţiul 3.3 Dacă probabilitatea de a nimeri o ţintă este de 25% şi se trag simultan 4 focuri, care este probabil-
itatea ca ţinta să fie nimerită cel puţin o dată?
Exerciţiul 3.4 În exerciţiul anterior, dacă probabilitatea de a nimeri ţinta este de 5% şi se trag simultan 20 de
focuri, probabilitatea de nimeri ţinta cel puţin o dată va creşte sau va scade? Ghiciţi, apoi calculaţi.
Exerciţiul 3.5 Presupunem că 4% din barele produse de o anumită maşină au defecte de fabricaţie, independent
unele de altele. Dacă o cutie conţine 100 de bare produse de această maşină, care este aproximarea Poisson a
probabilităţii ca o cutie să conţină = 0 1 5 bare cu defecte de fabricaţie?
Exerciţiul 3.6 Un experiment a arătat că numărul de particole alfa emise pe secundă într-un proces radioactiv
este o variabilă aleatoare având o distribuţie Poisson. Dacă are medie 05, care este probabilitatea de a observa
două sau mai multe particole alfa într-o secundă?
Exerciţiul 3.7 Fie = 2% probabilitatea ca un anumit tip de bec să se defecteze într-o perioadă de testare de 24
ore. Să se determine probabilitatea ca o firmă luminoasă conţinând 15 astfel de becuri să funcţioneze 24 de ore fără
defecţiuni.
Exerciţiul 3.8 Ghiciţi cu cât va fi mai mică probabilitatea din exerciţiul anterior dacă firma luminoasă ar conţine
100 de becuri în loc de 15 becuri. Calculaţi probabilitatea în acest caz.
Exerciţiul 3.9 Dacă un ghişeu poate servi cel mult 4 clienţi pe minut, şi dacă numărul mediu de clienţi este de
120 clienţi pe oră, care este probabilitatea ca într-un minut clienţii să trebuiască să aştepte la coadă?
Indicaţie: se va folosi aproximarea Poisson.
Exerciţiul 3.10 Să presupunem că în producerea unor rezistenţe de 60 Ω (omi), piesele fără defecte sunt cele care
au între 58 şi 62 omi, şi probabilitatea unei rezistenţe de a fi defecte este 01%. Rezistenţele se vând în loturi de
200 de bucăţi, cu garanţia că nici una din rezistenţe nu este defectă. Care este probabilitatea de a găsi un lot care
nu respectă această garanţie?
Indicaţie: se va folosi aproximarea Poisson.
Exerciţiul 3.11 O cutie conţine 20 de siguranţe, din care 5 sunt defecte. Să se determine probabilitatea ca alegând
la întâmplare 3 siguranţe fără înlocuire, dintre acestea să fie defecte.
Exerciţiul 3.12 Să presupunem că un test de percepţie extrasenzorială constă în numirea corectă (în orice ordine)
a trei cărţi extrase dintr-un pachet de 13 cărţi de joc. Să se determine probabilitatea ca o persoană, numai ghicind
la întâmplare să numească corect: (a) 0 cărţi, (b) 1 carte, (c) 2 cărţi, (d) 3 cărţi.
Exerciţiul 3.13 Un distribuitor vinde gume elastice în pachete de 100 de bucăţi şi garantează că cel mult 10%
din acestea au defecte. Un client inspectează fiecare pachet alegând la întamplare 10 gume elastice din pachet fără
înlocuire. Dacă el determină că nici una din cele 10 gume extrase nu are defecte, el acceptă pachetul, iar în caz
contrar îl refuză. Să se determine probabilitatea ca procedând astfel, clientul respinge un pachet ce conţine 10 gume
elastice cu defecte (şi deci pachetul respectă condiţiile de garanţie).
Exerciţiul 3.14 Dacă reprezintă numărul de maşini ce trec printr-un anumit loc între ora 2300 şi ora 2400 , şi
dacă are o distribuţie Poisson cu medie 5, care este probabilitatea de a observa mai puţin de 5 maşini într-un
minut?
25