Documente Academic
Documente Profesional
Documente Cultură
27 aprilie 2018
Definiţia 1.
În teoria probabilităţilor prin experienţă se ı̂nţelege un act care, ı̂n
condiţii date, poate fi repetat nelimitat.
Definiţia 2.
Se numeşte probă orice realizare a unui experiment.
Definiţia 3.
Acele experimente care ı̂n condiţii date au un singur rezultat se
numesc deterministe, iar cele care ı̂n condiţii date pot avea mai
multe rezultate se numesc experienţe aleatoare.
Definiţia 4.
O experienţă aleatoare are o mulţime de cazuri sau de rezultate
posibile. Mulţimea rezultatelor posibile ale unei experienţe se
numeşte spaţiu de selecţie sau univers şi se va nota cu Ω.
Definiţia 5.
Un spaţiu de selecţie se numeşte:
finit, dacă este o mulţime finită;
discret, dacă este o mulţime cel mult numărabilă, adică ori este
finită, ori este numărabilă;
continuu, dacă este o mulţime ce conţine un interval de numere
reale.
Definiţia 8.
Un eveniment se numeşte sigur dacă el se produce cu certitudine ı̂n
orice probă a experimentului.
Definiţia 9.
Un eveniment se numeşte imposibil dacă el nu se poate realiza ı̂n
nici o efectuare a experimentului.
Definiţia 10.
Un eveniment se numeşte ı̂ntâmplător sau aleator dacă el poate să
se producă sau să nu se producă ı̂n rezultatul efectuării
experimentului considerat.
Exemplu.
Să se determine mulţimea rezultatelor posibile ı̂n cazul aruncării
a trei monede. Să se determine cazurile favorabile evenimentului
A = {apare de două ori stema}.
S SSS
r
S ```` B SSB
S r
H H
r `
S SBS
HB `
r `` B SBB
r (( S BSS
S ````
@ ( (
rH
@B B BSB
H r `
HB ` S BBS
``
B BBB
Definiţie.
Contrariul unui eveniment A asociat unei experienţe este un
eveniment B asociat aceleaşi experienţe care are proprietatea că, la
orice repetare a experienţei aleatoare, dacă se realizează A atunci
nu se realizează B şi dacă nu se realizează A atunci se realizează
B.
Dacă B este contrariul lui A, atunci A este contrariul lui B.
Definiţii.
Contrariul Evenimentele A şi B sunt compatibile dacă se pot
realiza simultan ı̂n cazul efectuării experienţei aleatoare.
Definiţii.
Evenimentele A şi B se numesc independente dacă realizarea
unuia nu influenţează asupra realizării celuilalt.
Definiţie.
Vom spune că evenimentul A implică evenimentul B (sau
evenimentul B este implicat de evenimentul A) dacă odată cu
realizarea evenimentului A se realizează şi evenimentul B.
Notăm A ⊂ B.
Definiţie.
Două evenimente A şi B asociate aceluiaşi experiment se numesc
echivalente, dacă realizarea lui A implică realizarea lui B şi
realizarea lui B implică realizarea lui A.
Se notează A = B sau A ⇔ B.
Definiţie.
Se numeşte sumă (sau reuniune) a două evenimente A şi B,
evenimentul C care se realizează dacă cel puţin unul din
evenimentele A sau B se realizează şi se notează cu C = A ∪ B.
Definiţie.
Se numeşte produsul a două evenimente A şi B asociate unui
experiment, evenimentul D care se realizează dacă evenimentele A
şi B se realizează simultan şi se notează cu D = A ∩ B.
Definiţie.
Se numeşte diferenţă a evenimentelor A şi B asociate unui
experiment, evenimentul E care constă ı̂n realizarea lui A şi
nerealizarea lui B, şi se notează cu A \ B.
Teoremă.
1. A ∪ B = B ∪ A, (A ∪ B) ∪ C = A ∪ (B ∪ C),
A ∪ A = A, A ∪ Φ = A, A ∪ Ω = Ω.
2. A ∩ B = B ∩ A, (A ∩ B) ∩ C = A ∩ (B ∩ C),
A ∩ A = A, A ∩ Φ = Φ, A ∪ Ω = A.
3. A ∩ A = Φ, A ∪ A = Ω, Ω = Φ, Φ = Ω, A = A,
A ∪ B = A ∩ B, A ∩ B = A ∪ B,
4. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C),
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
card (A)
P (A) =
card (Ω)
sau
Definiţie.
Fie dată o experienţă aleatoare cu o mulţime numărabilă de
rezultate posibile Ω = (ω1 , ω2 , . . .). Vom spune că pe Ω este
definită o probabilitate, dacă fiecărui eveniment elementar ω ∈ Ω i
se pune ı̂n corespondenţă un număr P (ω) cu proprietăţile:
1) P
X (ω) ≥ 0;
2) P (ω) = 1.
ω∈Ω
Definiţie.
Vom numi probabilitate a evenimentului A numărul
X
P (A) = P (ω).
ω∈A
P (A ∪ B) = P (A) + P (B).
Definiţie.
Vom numi variabilă aleatoare X o funcţie măsurabilă X = X(ω),
care aplică spaţiul de evenimente Ω ı̂n mulţimea numerelor reale R,
X : Ω → R.
Cu alte cuvinte, o variabilă a cărei valoare este un număr
determinat de evenimentul rezultat ı̂n urma unei experienţe este
numită variabilă aleatoare.
Variabilele aleatoare sunt de două tipuri: discrete şi continue.
Definiţie.
Fie X o variabilă aleatoare şi x un număr real. Funcţia F definită
astfel: F (x) este probabilitatea ca X să ia valori mai mici sau
egale cu x, adică
F (x) = P (X ≤ x), x ∈ R
Definiţie.
O variabilă aleatoare X : Ω → R se numeşte discretă dacă ea
poate lua numai un număr cel mult numărabil de valori.
Deci
0 1 2 ... x ... n
X n 1 n−1 2 2 n−2 x x n−x .
q Cn pq Cn p q . . . Cn p q . . . pn
Distribuţia Poisson
Distribuţia Poisson este definită de următoarea lege:
0 1 2 ... n ...
X −λ λ −λ λ2 −λ λn −λ .
e e e ... e ...
1! 2! n!
Distribuţia Poisson este un caz limită al distribuţiei Bernoulli:
λk −λ
lim Cnk pk q n−k = e .
n→∞ k!
conf. univ., dr., Natalia Gaşiţoi Bazele statisticii
Distribuţia Poisson
λ
Dacă p = şi n → ∞, atunci p este foarte mic. Distribuţia
n
Poisson se mai numeşte legea evenimentelor rare şi este folosită la
controlul statistic al produselor industriale atunci când
probabilitatea obţinerii unei piese defecte este foarte mică.
X = x0 ∈ [x, x + dx)
dP = ϕ(x) dx,
ϕ(x) = ke−λx , x ≥ 0
Exemplu.
Variabila aleatoare X se supune legii de distribuţie
0, dacă x < 0,
ϕ(x) = a sin x, dacă 0 < x < π,
0, dacă x > π.
Definiţia
Valoarea medie a variabilei aleatoare continue X este dată de
integrala definită a produsului dintre variabila reală x şi densitatea
de probabilitate ϕ(x), integrala fiind luată ı̂ntre limitele de variaţie
a variabilei reale Z b
M (X) = xϕ(x) dx.
a
este
Z +∞ Z +∞
1 1 1 2x
M () = x· dx = dx =
−∞ π 1 + x2 2π −∞ 1 + x2
b
1
ln(1 + x2 ) = 0.
= lim
2π a→−∞,b→+∞ a
Avem
P (X < x) = F (x), P (X > x) = 1 − F (x).
Şi atunci relaţia
P (X < M e) = P (X > M e)
ia forma
1
F (x) = 1 − F (x) ⇒ 2F (x) = 1 ⇒ F (x) = .
2
Soluţia ultimei ecuaţii este mediana
conf. univ., dr., Natalia Gaşiţoi M e.
Bazele statisticii
Modul
Definiţia
Se numeşte modul variabilei aleatoare X valoarea ei cea mai
probabilă (valoarea dominantă), adică acea valoare M o a
argumentului x pentru care funcţia de probabilitate sau funcţia
densitate de probabilitate, după cum variabila X este discretă,
respectiv continuă, are valoarea maximă.
Modul M o(X) se mai notează cu X. b
np − q ≤ M o ≤ np + p.
Definiţia
Se numesc quantile de ordinul n ale variabilei aleatoare X,
rădăcinile reale ale ecuaţiilor
i
F (x) = , i = 1, 2, . . . , n − 1,
n
n fiind un număr natural dat, iar F (x) funcţia de repartiţie
corespunzătoare.
Definiţia
Vom numi medie de ordinul r a variabilei aleatoare X expresia
v
u n
uX
r
µr = t xri · f (xi ), pentru variabila discretă;
i=1
şi s
Z b
r
µr = xr ϕ(x) dx, pentru variabila continuă.
a
Definiţia
Vom numi dispersie a variabilei aleatoare X mărimea
sau D(X).
Definiţia
Mărimea p
σX = D(X)
se numeşte abatere medie pătratică a variabilei aleatoare X sau
abatere standard.
Definiţia
Vom spune că o variabilă aleatoare continuă X are distribuţie
normală, dacă densitatea de probabilitate a ei este dată de o
funcţie de forma
1 1 x−m 2
ϕ(x) = √ · e− 2 ( σ ) , x ∈ R.
σ 2π
Pentru a evidenţia faptul că distribuţia este normală şi că ı̂n
afară de argumentul x depinde şi de doi parametri m şi σ vom
nota densitatea de probabilitate cu n(x; m, σ),
1 1 x−m 2
n(x; m, σ) = √ · e− 2 ( σ ) , x ∈ R.
σ 2π
0.8
0.6
0.4
0.2
−3 −2 −1 0 1 2 3
0.8
0.6
0.4
0.2
−3 −2 −1 0 1 2 3
Definiţia
Vom numi funcţia integrală a lui Laplace, funcţia
Z z
1 1 2
Φ(z) = √ e− 2 y dy, z ∈ R.
2π −∞
Observăm că
Φ(−z) = 1 − Φ(z).
Valorile funcţiei lui Laplace sunt date ı̂n tabele. Menţionăm doar
câteva,
1
Φ(−∞) = 0, Φ(0) = , Φ(+∞) = 1.
2
Cu ajutorul funcţiei lui Laplace Φ(z), funcţia de repartiţie normată
N (z; 0, 1) se exprimă astfel:
Z z
1 1 2
N (z; 0, 1) = √ e− 2 y dy = Φ(z).
2π −∞
Funcţia de repartiţie a distribuţiei normale este
x−m
N (x; m, σ) = Φ .
σ
În acest caz, cele două probabilităţi se pot exprima prin intermediul
funcţiei lui Laplace, ı̂n felul următor
x−m
P (X < x) = Φ .
σ
Aşa cum
avem
β−m α−m
P (α < X < β) = Φ −Φ .
σ σ
5 − 30
P (X < 5) = Φ = Φ(−2.5) = 1 − Φ(2.5) = 0.00621.
10
30 − 30 15 − 30
P (15 < X < 30) = Φ −Φ =
10 10
= Φ(0) − Φ(−1.5) = 0.43319.
conf. univ., dr., Natalia Gaşiţoi Bazele statisticii