Repartiția Normală

- Este o repartiție continuă (caracterizează variabile

continue);
- Este distribuția fundamentală în statistică;
- Este adecvată pentru a modela numeroase
fenomene din natură;
- Stă la baza inferenței statistice.
- Funcţia de densitate de repartiţie:
1  1 x−  
2

f ( x) =  exp  −   
 2  2   
 
 Repartiția Normală
• Densitatea de probabilitate este continuă, are formă
de clopot și tinde asimptotic spre 0 pentru x → 
• Localizarea şi forma repartiţiei depind de  şi .
 Repartiția Normală
• Media  determină localizarea repartiţiei;
• Deviația standard  determină forma curbei.
– Cu cât  este mai mic, cu atât repartiția este mai
concentrată (clopotul este mai ascuțit)
• În Excel sunt definite funcţiile:
– normpdf ce returnează valoriile funcţiei densitate de
probabilitate cu sintaxa: y = norm.dist( x, mean,
standard_dev, cumulative )unde mean este valoarea
mediei, iar standard_dev este deviaţia standard;
implicit miu este 0, iar sigma 1;
Repartiția Normală
Localizarea şi forma repartiţiei depind de parametrii  şi 
1

0.9

0.8

0.7 µ=2
 = 
0.6
f(x)

0.5 µ=0
=
0.4
 = −
0.3
=
0.2

0.1

0
-8 -6 -4 -2 0 2 4 6
x
Repartiția Normală
• Caracteristicile curbei repartiției normale
– are formă de clopot cu convexitatea orientată în
sus
– graficul funcției admite un singur maxim 𝜇
– este o curbă unimodală
– este simetrică față de medie
– prezintă două puncte de inflexiune
– nu intersectează abscisa
 Repartiția Normală

Pentru orice distribuţie normală, proporţia de

observaţii ce aparţin unui interval centrat în 
este aceeaşi :
•68.26% din valorile lui x  [ - ;  + ];
•95.44% din valorile lui x  [ - 2;  + 2];
•99.73% din valorile lui x  [ - 3;  + 3].

− +
− − cca 68%
+ +
cca 95%
cca 99.7%
Repartiția Normală
Repartiția Normală

• Repartiția normală reprezintă un model matematic

bun pentru un număr mare de variabile (naturale
sau generate de om), la care parametri 𝜇 și 𝜎 pot
avea o infinitate de valori posibile ceea ce conduce
la imposibilitatea determinării tabelare a ariei.
• Metoda care permite un calcul mai simplu constă
în schimbarea de variabilă, dintr-o variabilă
aleatoare normală într-o variabilă aleatoare
standard.
 Repartiția Normală

(x −  )
z=


Distribuția Normala Distribuția Normala Normată

Scorul z stabilește numărul de deviații standard prin

care scorul original se plasează față de medie.
Repartiția Normală
Exemplu

• Rezistenta mecanică a unui aliaj de aluminiu are o

distribuție normală cu media  = 10 GPa și o
abatere standard  = 1.4 GPa.
– Care este probabilitatea ca o piesă din acest aliaj
să aibă o rezistență mai mare de 12 GPa?

(x −  ) 12 − 10
P( X  1.4 ) = P(  )
 1 .4
Exemplu
Exemplu
Exemplu
12 − 10
P( z  )  P( z  1.428 )
1 .4
= 1 − 0.9234 = 0.0766 = 7.66%
Exemplu
• Se presupune că înălțimea unei adult de gen
feminin din România are o distribuție normală, cu
media de 162.2 cm și deviația standard de 6.8 cm.

• Care este probabilitatea ca o femeie selectată

aleatoriu, este mai înaltă de 170.5 cm.
 Exemplu
(x −  ) 170.5 − 
P( X  170.5 ) = P(  )
 
170.5 − 162.2
P( z  )  P( z  1.22 )
6 .8

P( z  1.22 ) = 1 − 0.8888 = 0.1112

Exemplu
• Care este probabilitatea ca persoana selectată
aleatoriu, să aibă între 158 și 162 cm.

150 − 162.2 160 − 162.2

P( 150  X  160 ) = P( X  )
6 .8 6.8
P( −1.7941  z  −0.3235 )
 Exemplu

P( −1.7941  z  −0.3235 ) = 0.3745 − 0.0367 = 0.3378 = 33.78%

Exemplu
• În Matlab 𝑝 = 𝑛𝑜𝑟𝑚𝑠𝑝𝑒𝑐( 𝑎 𝑏 , 𝜇, 𝜎)
Repartiția T
 Repartiția T
Populaţia distribuită normal, dacă se extrag eşantioane şi se
calculează media acestora, variabila t calculată cu relaţia:
x−
t=
S/ n
• Distribuţia t
o este simetrică;
o aria totală de sub curbă este 1;
o are media 0 şi o varianţă mai mare decât 1;
o Varianţa distribuţiei creşte pe măsură ce n, volumul
eşantionului scade;
o Distribuţia admite ca parametru numărul gradelor de
libertate,  = n – 1.
Repartiția T
Repartiția T

=2  = 30
Repartiția T
Distribuția T se utilizează în următoarele condiții:
• dacă nu se cunoaște deviația standard ;
• abaterea standard a eșantionului, S, este utilizată
pentru estimarea lui ;
• volumul eșantionului este mic, n < 30;
• populația este distribuită aproximativ normal.
În Excel sunt definite funcțiile:
– x=tdist.2t(x,df) - returnează valorile funcției
densitate de probabilitate;
 Exemplu
• Un producător farmaceutic susține că un anumit
medicament are o perioadă de valabilitate de 300 de
zile. Un angajat de la serviciul pentru protecția
consumatorului selectează aleatoriu 15 bucăți din
acel tip de medicament pentru a le testa. Produsele
testate au în medie 290 de zile și o deviație standard
de 50 de zile.
– În cazul în care afirmația producătorului este
adevărată, care este probabilitatea ca 15 produse
selectate aleatoriu să aibă o durată medie de cel
mult 290 de zile?
 Exemplu

x = media esantionului = 290 zile

 = media populatiei = 300 zile
S = deviatia s tan dard a esantionului = 50
(x −  ) 290 − 300
P( X  290 ) = P(  )
S n 50 15
P(t  −0.7746 )  P( t  0.7746 ) = 0.2257 = 22.57%
P( t  0.7746 ) = 1 − t dist.2t( 0.7746,14 )
Repartiția Exponențială

• Se poate utiliza la modelarea intervalului de timp

până la producerea unui anumit eveniment (sau
pentru modelarea timpului dintre două evenimente
independente).
• Ex: timpul de bună funcționare a unui aparat, timpul
dintre apelurile telefonice, timpul până la căderea
unei piese etc.
• Funcţia densitate de probabilitate cu parametrul 
f ( x,  ) =  e
este: − x
; x  0;   0
 = 1/ 
 Repartiția Exponențială
• Distribuţia se utilizează la reprezentarea intervalelor de
timp între evenimente,  este numărul de evenimente
produs în unitatea de timp, adică frecvnţa acestora.
Exemplu
• Pentru un dispozitiv medical timpul de bună
funcționare este de 17520 de ore.
– Care este probabilitatea ca dispozitivul să se
defecteze mai repede de un an.
17520 ore
T= = 2ani
365 zile
1
 = = 0.5
2
P ( X  1) = 1 − e −  x = 1 − e −0.5 = 0.3935 = 39.35%
 Exemplu

• O masă radioactivă emite particule conform unui proces

de tip Poisson la o rată medie de 15 particule pe minut.
La un moment dat, un cronometru este pornit.
– Care este probabilitatea de a se scurge mai mult de
5 secunde înaintea următoarei emisii?
– Care este media timpului de aşteptare până când
următoarea particulă este emisă?
 Exemplu

• Vom măsura timpul în secunde (T = timpul [s] care s-a

scurs înainte ca următoarea particulă să fie emisă).
• Rata emisiilor este 0.25/s astfel parametrul ratei este
λ = 0.25.
• Probabilitatea ca mai mult de 5 secunde se vor scurge
înaintea unei noi emisii este egală cu:
P (T  5) = 1 − P (T  5) = 1 − (1 − e −0.25(5) ) = e −1.25 = 0.2865

• Media timpului de aşteptare este:

1
= = 4[s]
0.25
Exemplu
• Se presupune că durata unei convorbiri telefonice în
minute este o variabilă aleatoare exponențială X cu
parametrul λ=1/10.
• Care este probabilitatea, că trebuie să aștepți până
la finalizarea convorbirii
– Mai puțin de 5 minute
– Mai mult de 10 minute
P ( X  x ) = 1 − e − x
P ( X  5) = 1 − e − 5 / 10 = 1 − e − 0.5 = 1 − 0.6066 = 0.3934
P ( X  10) = e −10 / 10 = 1 − e −1 = 0.3678
 Repartiția Gamma
• Funcţia densitate de probabilitate a repartiţiei gamma
are expresia:  e −  x (  x)t −1
f ( x,  ,t ) = ; x0
• ( t )
• unde t este parametru de formă, iar  este parametru
de localizare.


• Funcţia gamma este definită de: ( t ) =  e− x y t −1dy

0
• relaţie care în cazul valorilor întregi ale parametrului t
devine: ( t ) = ( t − 1 )!
Repartiția Gamma
• În Excel sunt definite funcţiile:
– GAMMA.DIST ce returnează valoriile funcţiei de
repartitie:
• GAMMA.DIST( x, alpha, beta, cumulative )unde alpha
este parametrul distributiei, iar beta este parametrul
de formă;
 Repartiția Gamma
• Funcţia de repartiţie a acestei distribuţii are expresia
 0 x0
 x
F( x,  ,t ) =  1

t −1 − y
 ( t ) y e dy x0
 0