Variabile aleatoare şi funcţii de repartiţie

b) Apartenenţa variabilei aleatoare la un interval dat

În anumite cazuri este necesar să se cunoască probabilitatea ca variabila
aleatoare să aparţină intervalului cuprins între limitele a şi b.
Pentru a exprima această probabilitate, utilizând şi interpretarea geometrică
redată de Fig 4.7. se poate scrie relaţii:
P( x  b)  P( X  a)  P(a  X  b)
de unde
P(a  X  b)  P( X  b)  P( X  a)
Conform (4.5.)
P(a  X  b)  F (b)  F (a) (4.6)
sau:
b a b
P(a  X  b)   f ( x)dx   f ( x)dx   f ( x)dx (4.7)
  a
Deci conform relaţiei (4.6) şi Fig. 4.6, probabilitatea ca o variabilă aleatoare să
aparţină intervalului (a, b) egală cu creşterea funcţiei de repartiţie în acest interval sau
cu integrala densităţii de repartiţie în intervalul respectiv (a, b), a cărei valoare este dată
de aria trapezului curbiliniu mărginit de axa x , curba densităţii f (x) şi dreptele x  a
şi x  b (Fig.4.7).

f(x) b

 f ( x)dx
a

x
a b

Fig. 4.7 Interpretarea geometrică a probabilităţii apartenenţei la un interval.

4.4. VALORI TIPICE ŞI MOMENTE ALE VARIABILELOR

ALEATOARE

4.4.1. VALORILE TIPICE ALE VARIABILELOR ALEATOARE

Valorile tipice sunt: valori tipice de localizare şi valori tipice de variaţie.

Valorile tipice sunt mărimi teoretice definite de expresii similare indicatorilor
statistici.
Spre deosebire de valorile indicatorilor statistici, care se bazează pe un număr
limitat, inferior volumului populaţiei din care s-au extras, valorile tipice sunt
determinate de toate valorile variabilei aleatoare, cunoscute. Din acest motiv se mai
numesc şi valori „adevărate”.
4.4.1.1 Valori tipice de locarizare
a) Valoare medie. Denumită şi speranţa matematică, valoarea matematică,
media teoretică sau simplu medie. Pentru variabila aleatoare discretă,
x 
X :  i , i  1,2,..., n,
 pi 

75
CALITATEA PRODUSELOR ŞI FIABILITATEA

valoarea medie, este definită de relaţia:

x p  x2 p 2  ...xn p n n
M[X ]  1 1   xi p i (4.8)
p1  p 2  ...  p n i 1

Pentru variabila continuă speranţa matematică este definită de expresia:

 
M[X ]   xdF ( x) 

 xf ( x)dx

(4.9)

unde f(x) reprezintă densitatea de probabilitate a variabilei X. În general se foloseşte

pentru media teoretică notaţia M [X ]   sau E[X ] , (Matematical Expectation).
b) Mediana M e - este valoarea tipică, în raport cu care, variabila aleatoare X
are aceeaşi probabilitate de a fi inferioară sau superioară, adică
Me
P( X  M e )  P( X  M e ) sau 

f ( x) dx  0,5 (4.10)
Din punct de vedere geometric, mediana este abscisa punctului prin care trece
pararela la axa Oy , care împarte în două părţi egale aria limitată de curba f (x) şi axa
absciselor (Fig.4.8).
c) Cuantile. Pe baza aceloraşi consideraţii făcute la mediană, se pot defini n  1 ,
valori ale variabilei aleatoare x1 la x n1 , denumite cuantile sau fractile pentru care:
x1 x2 x3 1 

f ( x)dx   f ( x)dx   f ( x)dx  ...  
x1 x2 xn 1 n
 f ( x)dx 
(4.11)
Dacă n  4 , valorile x1  Q1; x2  Q2 ; x3  Q3 se numesc cuartile. Se observă că
Q2  M e . Pentru n  10 , cele 9 valori x1 (i  1, 2...9) se numesc decile. Dacă n  100 ,
valorile respective se numesc procentile. În unele cazuri se poate utiliza noţiunea de
„cuantila ordin  ” Q x (Fig.4.9), care reprezintă cuantila superioară, xn1  Q fie cea
inferioară n1  Q1 , definită respectiv de expresiile:
- cuantila superioară: P( X  Q )  
- cuantila inferioară: P( X  Q1 )  1  

f(x) f
1-α
M

α α

Q1-α Qα
M0 Me x

Fig. 4.8 Poziţia indicatorilor: Fig.4.9 Poziţia cuantilei de ordin  .

medie, mediana şi mod.

d) Mod M 0 - este valoarea tipică, cea mai probabilă (valoarea dominantă) a unei
variabile aleatoare. În cazul variabilelor continue moda corespunde valorii pentru care
densitatea de probabilitate are un maxim (Fig.4.8).

76
 Variabile aleatoare şi funcţii de repartiţie

4.4.1.2 Valori tipice de variaţie

Dispersia şi abaterea medie pătratică (abaterea standard) au urmatoarele
expresii:
a) Dispersia teoretică notată cu D[X] sau cu V[X] (Variance), este definită de
relaţiile:
- pentru variabile discrete:
n
D[ X ]   2  M [( X   ) 2 ]   ( xi   ) 2 pi (4.12)
i 1
- pentru variabila continuă:

D[ x]   2   ( x   ) 2 f ( x)dx (4.13)

sau:

2  x f ( x)dx   2
2
(4.14)

b) Abaterea medie patratică (abatere standard). Prin definiţie abaterea
medie patratică este dată de expresia generală:
  D[X ] (4.15)
Pentru variabila aleatoare discretă, relaţia (4.15) devine:
n n
  ( xi   ) 2 p i 
i 1
x
i 1
i
2
pi   2 (4.16)

iar pentru variabila aleatoare continuă:

 
  ( x   ) f ( x)dx  x f ( x)dx   2
2 2
(4.17)
 

4.4.2. MOMENTE

Momentele sunt relaţii generale cu ajutorul cărora se pot calcula şi valorile tipice
prezentate anterior.
Momentele pot fi: momente iniţiale (absolute) şi momente centrate.
4.4.2.1 Momentul iniţial de ordin k , (k  1)
Pentru variabila aleatoare discretă, momentul iniţial (absolut) de ordin
k , k  N * , este:
n
 k'  M [ X k ]   xik pi (4.18)
i 1

iar pentru o variabilă continuă acelaşi moment iniţial de ordin k are forma:

k  
'
x k f ( x)dx (4.19)


Stabilirea expresiei momentului iniţial de ordin k , al variabilei cu o limită

inferioară  , specificată este prezentată în Anexa 4.1.
4.4.2.2 Momentul centrat de ordin k , (k  1)
Pentru o variabilă discretă, momentul centrat de ordin k în raport cu media
teoretică este:
n
 k  M [( X  M [ X ] ) k ]   ( xi   ) k pi (4.20)
i 1

77
CALITATEA PRODUSELOR ŞI FIABILITATEA

iar pentru o variabilă continuă, momentul centrat de ordin k este:


 k  M [( X  M [ x] ) k   ( x   ) k f ( x)dx (4.21)

Valorile tipice se pot calcula şi cu ajutorul momentelor.
Astfel, media teoretică este definită şi de momentul iniţial de ordinul 1 (k=1):

M [ x]     x  f ( x)dx  
'
1 (4.22)

De asemenea, momentul centrat de ordinul 2, reprezintă dispersia teoretică:
 
 2   ( x   ) 2 f ( x)dx   2  x
2
f ( x)dx   2   2'  ( 1' ) 2 (4.23)
 

4.4.3. COEFICIENTUL DE VARIAŢIE TEORETIC

D[ X ] 
CV   (4.24)
M[X ] 
sau în funcţie de momente:
2 2'
CV   1 (4.25)
 1'2
Curbele teoretice de repartiţie ale diferitelor variabile aleatoare pot fi comparate
şi cu ajutorul valorilor teoretice ale coeficienţilor de asimetrie şi de exces, cu relaţiile:
3
1  (4.26)
3

 2  44  3 (4.27)

O variabilă aleatoare este „specificată” când i se cunosc valorile tipice şi
„complet specificată” când se cunoaşte şi funcţia de repartiţie.

4.5. INEGALITATEA BIENAYMÉ-CEBÂŞEV

Repartiţia unei variabile aleatoare este „complet specificată” dacă se cunosc

valorile tuturor parametrilor sau se cunosc toate momentele. În cazul în care repartiţia
nu este cunoscută, dar se cunosc valorile tipice, media şi dispersia, se poate stabili
probabilitatea abaterii variabilei aleatoare faţă de medie cu ajutorul inegalităţii Cebâşev.
 xi 
Fie o variabilă aleatoare discretă cu repartiţia X :  , i  1,2...n şi valorile
 pi 
tipice:
n
M [ X ]   xi pi  
1
n
D[ X ]   2   ( xi   ) 2 pi
1

Notăm abaterile ( x j   )   j în ordinea crescătoare:

12   22   32  ...   2j  ...   n2
Intercalăm între valorile  j şi  j 1 valoarea  2 astfel:

78
 Variabile aleatoare şi funcţii de repartiţie

12   22  ...   2j   2  . 2j 1 ...   n2

Dispersia considerând probabilităţile corespunzătoare p j va fi:
 2  12 p1   22 p2  ...   2j p j  ...   n2 pn 
 [12 p1   22 p2  ... 2j p j ]  [ 2j 1 p j 1   2j  2 p j  2  ...   n2 pn ].
Se fac următoarele aproximări:
-se neglijează prima paranteză mare (toti termenii  2j   2 ), iar în paranteza a
doua toate valorile  2j   2 ;
-se egalează cu  şi prin această dublă micşorare a termenului doi expresia
2

devine:
 2   2 ( p j 1  p j 2  ..  pn )
de unde:
2
p j 1  p j  2  ..  pn 
2
sau
2
 pj  2
Dar p j 
reprezintă probabilitatea P x     şi deci: 

P x      2
2
Deoarece:
 
P x      P x       1
rezulta importanta inegalitate Bienaymé-Cebâşev:

P x     1  2
2
(4.28)
sau dacă   k , atunci capătă forma:

P x    k  1  2
k
1
 (4.29)
Câmpul de variatie al variabilei aleatoare poate fi exprimat cu un multiplu k al
abaterii medii pătratice  .
Valorile expresiei (1  k 2 ) . Tabelul4.1
k 1,2 1,5 1,8 2,0 2,3 2,5 2,8 3,0 3,3 3,5
2
1-k 0,3055 0,5556 0,6914 0,7500 0,8109 0,8400 0,8724 0,8889 0,9082 0,9184

În tabelul 4.1 se prezintă valorile termenului 1  k 2 al inegalităţii (4.25) funcţie

de parametrul k . Pentru k=4,5:
P X    4,5 )  0,95
Se poate astfel calcula probabilitatea abaterii unei valori faţă de media teoretică,
inferioara produsului k , fără a se cunoaşte repartiţia.
Cu această inegalitate intervalul de variaţie  k poate fi corelat cu toleranţele
tehnologice prezentând un interes deosebit în procesele de fabricaţie unde legea de
repartiţie a valorilor caracteristicii prelucrate este necunoscută.

79