3

REPARTIŢII STATISTICE
Repartiţia este o distribuţie a valorilor densităţii de probabilitate a unei serii. Pot fi
repartiţii discrete şi repartiţii continue.

3.1 Repartiţii discrete

1. Repartiţia binomială (Bernoulli)

Apare când nu se modificată compoziţia grupului (urna are bile cu revenire). Se
întâneste la controlul tehnic când eşantionul de piese controlate la o operaţie este
readus în lot pentru prelucrarea la operaţia următoare (fig.3.1) [1]. Astfel:
- sunt posibile doar două evenimente A şi A (produse defecte/ produse bune);
- cu probabilităţile p  A = p şi p  A = q =1-p; (p apare din controlul seriei zero);
- x - număr de defecte ce apar odată; n – eşantionul;
- P – probabilitatea de a apărea x defecte; P x   C n p x q n  x
x

Fig 3.1 Repartiţia Bernoulli

Statistica este:
2. Repartiţia hipergeometrică
Apare când elementul extras nu mai revine în lot (se modifică compoziţia grupului).
Se întâlneşte la controlul tehnic când eşantionul se distruge prin control, de exemplu
la controlul organoleptic [1].
- fie o populaţie N din care k sunt piese bune şi l (l = N – k) sunt defecte;
- se efectuează n extrageri;
- probabilitatea de a extrage x piese bune este:

Statistica este:

3. Repartiţia Poisson
Repartiţia apare când probabilitatea de apariţie a unui eveniment este mică.
Evenimentele sunt rare (defectarea unei maşini, sosirea oamenilor în staţia de
tramvai). Fie :
-  - rata medie de apariţie a evenimentului (sosiri, defectări);
- P - probabilitatea apariţiei de x ori a unui eveniment; P este limita repartiţiei
binomiale când una din probabilităţi (p sau q) devine infinit de mică iar np =
constant (fig. 3.2).

Fig. 3.2 Repartiţia Poisson

- Dacă n  p    const

sau

3.2 Repartiţii continue

1. Repartiţia exponentială (fig.3.3) f  x   e  x

Fig. 3.3 Repartiţia exponenţială

2.Repartiţia hiperexponenţială (fig. 3.4)

Fig. 3.4 Repartiţie hiperexponenţială

 x  2
1 
3. Repartiţia normală f  x  e 2 2

 2
Proprietăţi:
- media, mediana şi modulul coincid;
 - curba este asimptotică;
- pe un interval + / – 3 sigma este 99,98 % din populatie.
Aria A =  f  x dx este frecvenţa relativă de apariţie a rezultatelor, adică
probabilitatea ca rezultatul măsurării să fie cuprins între x1 şi x2 (fig.3.5).

Fig. 3.5 Repartiţia normală (Gauss)

Z2
X 1  X 2  X 3  ...  X n nm 1
x

lim P (
 n
 n)   e dz
 2
d

Membrul drept este funcţia de repartiţie a distribuţiei normale unde Z este

variabila normalizată:
xx
Z 

( x x )2
1 
f ( x)  e 2 2

 2

4. Repartiţia hi – pătrat
Se consideră „n” variabile independente  z1 .... z n  , fiecare cu o repartitie normală,
suma pătratelor variabilelor z i constituie o variabilă aleatoare hi-pătrat (  2 ) (fig.
3.6).
2   z 2i
  x
1  1  
f  x  x x   e 2 pentru x  0
2 / 2 / 2
 Fig. 3.6 Repartiţia hi-pătrat

5.Repartiţia Student
Fie două variabile: una cu repartiţie normală z şi alta cu repartiţie hi-pătrat (  2 ) şi
cu  grade de libertate. Ele definesc o variabilă t cu densitatea f  t  (fig. 3.7).

Fig. 3.7 Repartiţia Student Fig. 3.8 Repartiţia Fisher

6. Repartiţia Fisher
 Fie două variabile 1 2 cu repartiţia  2 şi 1 2 grade de libertate. Ele
1 / 1
definesc o altă variabilă F F  cu densitatea de repartiţie f  F  (fig. 3.8).
2 /  2

7. Gama generalizat .
Prin generalizare s-a definit un model “gama generalizat” de unde prin
particularizare se pot obţine diferite repartiţii cvasiexponenţiale (Fig. 3.9.) [2].

GAMA HI PĂTRAT

=1
TEOREMA
k-1 LIMITĂ
K=1 =1 K=1 00

GAMA PUTERE
EXPONENŢIAL
GENERALIZAT

TEOREMA
=1 k-1 K=1 =2 LIMITĂ

=2
WEIBULL RAYLEIGH

Fig. 3.9 Funcţia gama generalizat

Experienţa a arătat că repartiţiile particulare modelează, cu precădere, căderea

anumitor tipuri de componente. De exemplu, repartiţia exponenţială modelează, suficient
de exact, căderea componentelor sistemelor de acţionare hidraulică; reparaţia Rayleigh
modelează fenomenele de uzură a sculelor (tarozi, freze etc.); repartiţia gama modelează
timpul de recalibrare a unui instrument de măsură după un număr de folosiri succesive,
repartiţia Weibull modelează căderile rulmenţilor, releelor, tuburilor electronice,
coroziunea, oboseala; repartiţia putere modelează cu precădere durabilitatea
componentelor electronice, rezistenţele electrice ale circuitelor.
Alte repartiţii continue. Funcţii matematice bine studiate sunt (fig. 3.10):
a) funcţia liniară x  a  b t
b) funcţia parabolică x  a  b t  c t 2
c) funcţia polinomială x  a  t  c t 2  ... n t n
d) funcţia exponenţială x  a  b t
a
e) funcţia logistică x 
1  b  ec t
 x x

t t
Fig.a Fig.b

x x

t t
Fig.c Fig.d

x x
a

a
2
ln b
e
t t
Fig.e Fig.f

x x

t t
Fig.g Fig.h
x x

t t
Fig.i Fig.j

x x

t t
Fig.k Fig.l

Fig. 3.10 Funcţii matematice

f) funcţia logaritmică x  a  t b sau x  a  b ln t

funcţia eologică x  a  e  c  t  b 
2

1
g) funcţia hiperbolică x  a  b/ t sau x  a  b t
 a
funcţia Johnson x  k  b t
ht
funcţia Tornquist x 
at
kt
h) funcţia de saturaţie x 
ta
Alte funcţii ce ajustează suficient de corect fenomenele industriale (tehnice şi
economice) sunt:
i) funcţia Gompertz x  k  a  e  t
j) funcţia dublu logaritmică log yi = log a + b. log xi + log  i
k) funcţia de acceleraţie x  Ct m
l) funcţia putere x  tn

Bibliografie

1. V. Panaite, Control statistic şi fiabilitate, Editura Didactică şi Pedagogică,

Bucureşti, 1982.
2. V. Vodă, Controlul durabilităţii produselor industriale, Editura Tehnică, Bucureşti,
1981.