Documente Academic
Documente Profesional
Documente Cultură
§ Notare:
NF (max 100 p) = 0,6 NLf (max 60p) + 0,4 NL
(max 40p)
§ Conditie de trecere:
§ NLf ³ 5(min 30p) si NL ³ 5(min 20p);
Bibliografie
n Douglas C. Montgomery, George C. Runger, Applied Statistics
and Probability for Engineers, Wiley, 2011.
D.4. Fie A si B doua evenimente care apartin aceluiasi sistem; evenimentul care consta în
aparitia simultana a ambelor evenimente se numeste intersectia evenimentelor si se noteaza
AÇB (A si B).
D.5. Se numeste câmp de evenimente o multime Ŧ pentru care:
- evenimentul sigur E apartine lui Ŧ;
- pentru orice eveniment A Î Ŧ, contrarul sau Ā Î Ŧ;
- daca A si B sunt doua evenimente din Ŧ, atunci si reuniunea lor AÈB este un eveniment
din Ŧ;
- daca multimea Ŧ contine o infinitate de evenimente - fie Ai Î Ŧ - atunci reuniunea unei
infinitati numarabile de evenimente, ÈAi, apartine multimii Ŧ.
Concluzie: câmpul de evenimente poate fi finit sau infinit dupa cum Ŧ contine un numar
finit sau infinit de evenimente distincte.
Proprietati:
t evenimentul imposibil Φ Î Ŧ;
t intersectia AÇB a doua evenimente oarecare din Ŧ apartine - de asemenea - câmpului de
evenimente Ŧ. 11
Elemente de teoria probabilitatilor
Probabilitate
D.6. Se numeste probabilitate pe câmpul de evenimente Ŧ o functie P(A), pozitiva,
definita pentru orice eveniment A Î Ŧ pentru care:
- P(E) = 1, unde E este evenimentul sigur;
- P(AÈB) = P(A) + P(B), daca A Î Ŧ, B Î Ŧ si AÇB = Φ;
- daca Ŧ este un câmp infinit de evenimente atunci
¥ ¥
P(! Ai ) = å P( Ai ), cu Ai Î F si Ai Ç A j = F pentru i ¹ j
i =1 i =1
Proprietati:
t P(Φ) = 0
t P(Ā) = 1 - P(A), pentru A Î Ŧ
t 0 £ P(A) £ 1, pentru A Î Ŧ
t Daca A Ì B, cu A Î Ŧ, B Î Ŧ, atunci P(A) £ P(B)
t Daca AÇB ¹ Φ, cu A Î Ŧ, B Î Ŧ, atunci P(AÈB) = P(A) + P(B) - P(AÇB)
t Daca A1, A2, ..., An - evenimente din Ŧ - sunt incompatibile doua câte doua, atunci
P(A1ÈA2È...ÈAn) = P(A1) + P(A2) + ... + P(An)
12
Elemente de teoria probabilitatilor
13
Elemente de teoria probabilitatilor
Probabilitati conditionate; evenimente independente; sistem complet de evenimente
D.8. Probabilitatea conditionata a evenimentului B în raport cu A - notata PA(B) - este data
de egalitatea P( A Ç B)
PA ( B) = in ipoteza P( A) ¹ 0
P( A)
D.9. Doua evenimente A si B ale unui câmp Ŧ sunt independente daca are loc egalitatea
P(AÇB) = P(A)×P(B) → definitia poate fi extinsa la n evenimente independente din Ŧ.
D.10. Daca {A1,A2,...,An} este o multime de evenimente ale unui câmp Ŧ, atunci S =
{A1,A2,...,An} se spune ca este un sistem complet de evenimente daca evenimentele
A1,A2,...,An sunt doua câte doua incompatibile, iar reuniunea lor este evenimentul sigur,
adica: Ai Ç Aj = Φ, pentru i ¹ j si A1 È A2 È ...È An = E.
Fie X un eveniment oarecare din Ŧ si S = {A1,A2,...,An} un sistem complet de evenimente
din Ŧ. Se poate scrie: P(X)=P(A1)·PA1(X)+P(A2)·PA2(X)+…+P(An)·PAn(X)
P( Ak ) × PAk ( X ) P( Ak ) × PAk ( X ) egalitate care se numeste
iar daca P(X) ¹ 0 → PX ( Ak ) = = n formula lui Bayes pentru
P( X )
å P( Ai ) × PA ( X ) probabilitati conditionate.
i =1
i
14
Elemente de teoria probabilitatilor
II. Probabilitati pe câmpuri infinite
Variabila aleatorie
Fie Ŧ un camp de evenimente unidimensional, finit sau infinit, pe care este data o lege de
probabilitate (se poate calcula probabilitatea oricarui eveniment din Ŧ ).Ŧ este un camp
probabilizat.
Consideram cazul particular in care multimea evenimentelor elementare – notata E -
apartine axei reale.
D.11. Se numeste variabila aleatorie o functie reala ξ = f(M), definita pe multimea E a
evenimentelor elementare, cu proprietatea ca, oricare ar fi numarul real a, multimea
punctelor M Î E pentru care f(M) ≤ a este un eveniment din Ŧ.
Vom nota cu P(a < ξ < b) probabilitatea ca un punct ξ luat la intamplare sa apartina
intervalului (a, b); analog, prin P(ξ ≤ a) intelegem probabilitatea ca punctul ξ luat la
intamplare sa apartina intervalului (-∞, a] etc.
15
Elemente de teoria probabilitatilor
D.13. Fie F(x) functia de repartitie a unei variabile aleatorii ξ. Daca exista o functie pozitiva
ρ(x), integrabila pe intervalul (-∞, +∞), cu proprietatea ca pentru orice x Î Â este
verificata egalitatea: x
F ( x) =
ò
-¥
r( x)dx
F ' ( x) = r( x) ;
ò
-¥
r( x)dx = 1; P(a £ x £ b) =
ò
a
r( x)dx
D.14. Se numeste valoare medie a functiei φ(x) – unde φ(x) este continua pentru orice x Î Â
- in raport cu repartitia F(x), integrala:
+¥
j=
ò
-¥
j( x) dF ( x)
Important: Daca repartitia variabilei ξ este continua, atunci dF(x) = ρ(x)·dx si valoarea
medie a functiei φ(x) poate fi exprimata printr-o integrala Riemann:
+¥
j=
ò
-¥
j( x) × r( x)dx
v Analog se definesc:
§ momentul de ordinul k al variabilei aleatorii ξ:
+¥
M [x k ] =
ò
-¥
x k r( x)dx
18
Elemente de teoria probabilitatilor
ò
!k
M [x ] = ( x - x ) k r( x)dx
-¥
+¥
ò
unde:
x = M 1 [ x] = M [ x] = xr( x)dx
-¥
NOTA: Momentul centrat de ordinul 2 se numeste dispersie – notata D(ξ) – sau abatere
medie patratica – notata σ2.
19
Repartitii utilizate in prelucrarea
datelor experimentale
D.15. O variabila aleatorie ξ care ia o infinitate de valori se spune ca este supusa unei legi
normale (gaussiene) de probabilitate, daca densitatea de repartitie a variabilei ξ este:
( x -m) 2
1 - 2
r( x) = e 2 s
s 2p
21
Repartitii utilizate in prelucrarea
datelor experimentale
D.16. O variabila aleatorie ξ care ia o infinitate de valori se spune ca este supusa unei legi
de repartitie Student (repartitie t), daca densitatea de repartitie a variabilei ξ este
n +1 n +1
1 G( 2
) x2 -
r n ( x) = n
(1 + ) 2
np G( 2 ) n
unde ¥
G (a ) =
ò
0
x a -1e - x dx