Documente Academic
Documente Profesional
Documente Cultură
CURS 3
distribuție binomială.
Funcția de distribuție cumulativă (frecvențele relative cumulate) are expresia:
x
n!
F ( x;n,p ) = P ( X x ) = p x (1 − p )
n− x
(2.22)
x = 0 x! (n − x )!
1
Teoria probabilităților și statistică matematică/ Statistică economică
M X = m = n p (2.23)
D X = 2 = n p ( 1 − p ) (2.24)
APLICAȚIE. Într-o turnătoriei, din cercetări anterioare s-a stabilit că probabilitatea statistică (obținută în urma unei
cercetări experimentale) ca o șarjă să fie necorespunzătoare este egală cu 0,2 (2 șarje din 10, 3 din 15, 4 din 20, ...,
20 din 100 etc.). De acum încolo stabilitatea procesului tehnologic de elaborare a șarjelor se bazează pe acest
rezultat experimental. Într-un schimb se elaborează 10 șarje, să se stabilească care este numărul șarjelor
necorespunzătoare care să indice faptul că a intervenit o schimbare în procesul de elaborare al acestora.
Rezolvare
Existând numai două rezultate posibile de tip produs conform sau produs neconform (rebut), rezultatul
procesului tehnologic ”ascultă” de distribuția teoretică binomială.
Într-un schimb, în turnătorie sunt elaborate 10 șarje. Ne interesează calculul probabilităților (pe baza funcției de
probabilitate) ca din 10 șarje, 0 șarje să fie necorespunzătoare, 1 șarjă să fie necorespunzătoare, 3 șarje să fie
necorespunzătoare, ..., 10 șarje să fie necorespunzătoare. Pe baza acestor probabilități putem calcula
probabilitățile cumulative (pe baza funcției de distribuție cumulativă), adică care este probabilitatea ca cel mult 0
șarje să fie necorespunzătoare, probabilitatea ca cel mult 1 șarjă să fie necorespunzătoare, probabilitatea ca cel
mult 2 șarje să fie necorespunzătoare, probabilitatea ca cel mult 3 șarje să fie necorespunzătoare, ...,
probabilitatea ca cel mult 10 șarje să fie necorespunzătoare.
Metoda 1 de rezolvare
Pentru calculul probabilităților din col.2 se aplică formula (2.21) în care x ia succesiv valorile 0; 1; 2; 3; … 10; n = 10;
p = 0,2
10!
p ( x = 0 ) = C10 0,2 (1 − 0,2)
10 − 0 10 − 0
= 0,2 (1 − 0) = 0,1073741824
0 0 0
ex:
0! ( 10 − 0 )!
10!
p ( x = 1 ) = C10 0,2 (1 − 0,2)
10 − 1 10 − 1
= 0,2 (1 − 0,2) = 0,268435456
1 1 1
1! ( 10 − 1 )!
10!
p ( x = 2 ) = C10 0,2 (1 − 0,2)
10 − 2 10 − 2
= 0,2 (1 − 0,2) = 0,301989888
2 2 2
2! ( 10 − 2 )!
2
Teoria probabilităților și statistică matematică/ Statistică economică
p ( x 2 ) = p ( 0 ) + p (1 ) + p ( 2 ) = 0,6777995264
Metoda 2 de rezolvare
Introducerea datelor:
Celula A2: numărul total de experimente independente (numărul de șarje pe schimb)
Celula B2: probabilitatea de succes
Celulele C2÷C12: numărul de succese din experimente (numărul posibil de șarje
necorespunzătoare pe schimb)
Celula D2: scriem formula =BINOM.DIST(C2;$A$2;$B$2;FALSE); $A$2 și $B$2 înseamnă că
celulele A2 și B2 sunt blocate la indexare când se copiază formula în celulele D3÷D12
Celula E2: scriem formula =BINOM.DIST(C2;$A$2;$B$2; TRUE) și copiem formula în celulele
E3÷E12
Celula F2: scriem formula =A2*B2 care calculează media cu relația (2.23)
Celula G2: scriem formula =A2*B2*(1-B2) care calculează dispersia cu relația (2.24)
Interpretarea rezultatelor:
Probabilitatea ca numărul șarjelor necorespunzătoare să fie mai mic sau cel mult egal cu 4 este egală cu 0,967
(celula E6):
P ( X 4 ) = 0,967
3
Teoria probabilităților și statistică matematică/ Statistică economică
iar probabilitatea ca numărul șarjelor necorespunzătoare să fie mai mare decât 4 este:
Concluzii: 1) De câte ori sunt produse cel mult patru șarje necorespunzătoare înseamnă că procesul de
elaborare a șarjelor este conform;
2) Dacă numărul șarjelor necorespunzătoare este mai mare decât 4 înseamnă că a intervenit o
schimbare în procesul de elaborare a șarjelor care trebuie să fie investigată.
4
Teoria probabilităților și statistică matematică/ Statistică economică
x e−
f(x; ) = , (2.26)
x!
unde: x = 0, 1, 2, …; λ este numărul mediu al evenimentelor dintr-un interval specificat (λ este
parametrul distribuției); e = 2,7182818... este numărul lui Euler (este constanta distribuției).
Funcția de distribuție cumulativă (frecvențele relative cumulate) este:
x x
x e−
F ( x; ) = P ( X x ) = f ( x, ) = . (2.27)
x =0 x =0 x!
M X = m = , (2.28)
D X = 2 = . (2.29)
5
Teoria probabilităților și statistică matematică/ Statistică economică
Rezolvare
Datele cercetării experimentale privind ruperea firului în cazul unui ring al unei mașini de filat cu 400 de fuse în
timpul unui schimb de 8 ore sunt date în tabelul următor:
Nr. ruperi Nr. fuselor la care firul s-a rupt Numărul de ruperi
de x ori (frecvența absolută)
xi ni xi*ni
0 53 0
1 110 110
2 107 214
3 72 216
4 37 148
5 16 80
6 4 24
7 0 0
8 1 8
Total 400 800
Pe baza datelor experimentale rezultă că numărul mediu al ruperilor/fus este:
800
= = 2,0
400
Pentru a compara distribuția empirică obținută în urma experimentului cu o distribuție teoretică Poisson, vom
compara frecvențele relative cumulate ale distribuției empirice cu valorile funcției de distribuție cumulativă.
au fost constatate 1 rupere în 110 de cazuri dintr-un total de 400 de cazuri: f(1)=110/400=0,2750;
au fost constatate 2 ruperi în 107 de cazuri dintr-un total de 400 de cazuri: f(2)=110/400=0,2675;
...
au fost constate cel mult 0 ruperi în 53 de cazuri dintr-un total de 400 de cazuri: fc(0)=f(0)=0,1325
au fost constate cel mult 1 rupere în 163 de cazuri dintr-un total de 400 de cazuri: fc(1)=f(0)+f(1)=0,4075
au fost constate cel mult 2 ruperi în 270 de cazuri dintr-un total de 400 de cazuri: fc(1)=f(0)+f(1)+f(2)=0,675
...
6
Teoria probabilităților și statistică matematică/ Statistică economică
În fișierul CURS 3.xlsx, sheet-ul POISSON este prezentat calculul frecvențelor relative și acelor cumulate:
Celula E3: scriem formula =B3/$B$12; $B$12 înseamnă că celula B12 este blocată la
indexare (când se copiază formula în celulele E4÷E11)
Celula E12: scriem formula =SUM(E3:E11) (suma trebuie să fie 1, adică evenimentul
sigur)
Celula F3: scriem formula =E3 (fc(0)=f(0))
Celula F4: scriem formula =F3+E4 care se copiază în celulele F5÷F11
fc(1)=f(0)+f(1)=fc(0)+f(1)
fc(2)=f(0)+f(1)+f(1)=fc(1)+f(2)
etc.
În Excel pentru calculul distribuției teoretice Poisson se folosește funcția
POISSON.DIST(x,media,val_logica)
Sintaxa funcției POISSON.DIST are următoarele argumente de intrare:
x Obligatoriu. Este numărul de evenimente
media Obligatoriu. Este valoarea numerică așteptată (media)
val_logica Obligatoriu. Dacă val_logică este TRUE, funcția POISSON.DIST calculează
valorile funcției de distribuție (cumulativă); în cazul FALSE,
POISSON.DIST calculează valorile funcției de probabilitate
Celula G3: scriem formula =POISSON.DIST($A3;$D$3;TRUE); $A$3 și $D$3 înseamnă că
celulele A3 și D3 sunt blocate la indexare (când se copiază formula în celulele
G4÷G11)
Celula H3: scriem formula =ABS(F3-G3) și copiem în celulele H4÷H11 (funcția ABS
calculează valoarea absolută (modulul))
Comparând cele două șiruri de valori ale funcției de distribuție empirică (coloana 6) și cea teoretică (coloana 7), se
vede că valorile corespunzătoare unui x dat sunt foarte apropiate între ele (diferențele absolute din coloana 8 sunt
foarte mici), deci numărul de ruperi ale firului pentru cele 400 fuse se distribuie după legea Poisson.
7
Teoria probabilităților și statistică matematică/ Statistică economică
Se poate demonstra că dacă numărul sosirilor poate fi descris de o distribuție Poisson, atunci
intervalul dintre sosiri urmează o distribuție exponențială.
Funcția densitate de probabilitate este dată de relația:
f ( x; ) = e−x , (2.30)
unde: x ≥ 0; λ este inversul timpului mediu dintre sosiri (λ este parametrul distribuției);
e = 2,7182818 este numărul lui Euler.
Funcția de distribuție cumulativă este:
F ( x; ) = P ( X x ) = 1 − e−x , (2.31)
Rezultă că P ( X x ) = e .
−x
M X = m = −1 , (2.32)
D X = 2 = −2 . (2.33)
−
( x −m)2
1
f ( x;m, ) = e 22 . (2.34)
2
8
Teoria probabilităților și statistică matematică/ Statistică economică
F(x ) 0 , (2.36)
F ( x1 ) F ( x 2 ) , x1 x2 , (2.37)
F ( − ) = P ( X − ) = 0 , (2.38)
F ( + ) = P ( X + ) = 1 . (2.39)
Mo X = Me X = MX = m . (2.40)
9
Teoria probabilităților și statistică matematică/ Statistică economică
P ( a X b ) = P ( X b ) − P ( X a) (2.41)
10
Teoria probabilităților și statistică matematică/ Statistică economică
Rezolvare:
Trebuie calculată probabilitatea ca diametrul pieselor fabricate să fie cuprinse între 39,9mm și 40,1mm, știind că
acesta are o distribuție normală cu media 40,02mm și abaterea standard 0,05mm.
Probabilitatea de rebut P ( X 39,9 X 40,1 ) este egală cu probabilitatea ca diametrul pieselor să fie mai mic
decât 39,9mm, respectiv mai mare decât 40,1mm.
unde 1 reprezintă probabilitatea evenimentului sigur (probabilitatea evenimentului ca piesele să fie prelucrate pe
MU din experiment: piese conforme și piese neconforme (rebuturi)).
Metoda 1
În fișierul CURS 3.xlsx, sheet-ul NORMALA, este prezentat calculul probabilității de rebut:
11
Teoria probabilităților și statistică matematică/ Statistică economică
Fig.9
În Anexa 1 sunt date tabelar valorile funcției distribuției normale standard Z, adică
probabilitățile P ( 0 Z z ) .
12
Teoria probabilităților și statistică matematică/ Statistică economică
▪ De exemplu, probabilitatea ca valoarea lui Z să fie cuprinsă între 0 și z = 1,25 se citește din
tabelul 5 din celula de pe linia 1.20 și coloana 0.05, adică:
13
Teoria probabilităților și statistică matematică/ Statistică economică
=NORM.S.INV(0,3685+0,5)
rezultă 1,119328
De exemplu, probabilitatea ca valoarea variabilei Z să fie cuprinsă între –1,25 și 0 este egală cu
probabilitatea ca valoarea variabilei Z să fie cuprinsă între 0 și 1,25, adică
P ( −1,25 Z 0 ) = P ( 0 Z 1,25 ) = 0,3944 .
Deoarece P ( −z Z 0 ) = − ( −z ) și P ( 0 Z z ) = ( z ) rezultă că − ( −z ) = ( z ) .
De asemenea:
F ( z ) = P ( Z z ) = 0,5 + P ( 0 Z z ) (2.45)
F ( −z ) = P ( Z −z ) = 0,5 − P ( 0 Z z ) (2.46)
x − m x − m x − m
F(x ) = P(X x ) = P Z = 0,5 + P 0 Z = 0,5 + (2.47)
Probabilitatea ca valoarea unei variabile probabiliste X să fie cuprinsă în intervalul [a, b]
utilizând distribuția Z este:
b −m a−m
P ( a X b ) =P ( X b ) − P ( X a) = P Z − P Z =
b −m a − m
= 0,5 + P 0 Z − 0,5 + P 0 Z =
(2.48)
b −m a −m
= P 0 Z − P 0 Z =
b −m a−m
= −
+0 ,1
APLICAȚIE. Revenim la problema anterioară: o mașină-unealtă produce o piesă circulară cu diametrul = 40 −0 ,1 . În
urma cercetării s-a stabilit că diametrul pieselor are o repartiție normală cu media egală cu 40,02mm și abaterea
medie pătratică 0,05mm. Care este probabilitatea de rebut la mașina-unealtă respectivă?
14
Teoria probabilităților și statistică matematică/ Statistică economică
P ( 39,90 X 40,10 ) =P ( X 40,10 ) − P ( X 39,90 ) = P Z
40,10 − 40,02 39,90 − 40,02 =
− P Z
0,05 0,05
40,10 − 40,02 − 39,90 − 40,02 = 1,6 − −2,4 = 1,6 + 2,4 = 0,4452 + 0,4918 = 0,9370
= ( ) ( ) ( ) ( )
0,05 0,05
Valorile (1,6 ) și ( 2,4 ) din Anexa 1.
Rezultă atunci că probabilitatea de rebut este 1 – 0,9370 = 0,063. Metoda se aplică atunci când nu avem acces la
un program de calcul.
0 = (2.49)
n
Dacă media de selecție x se distribuie normal cu media m și abaterea standard , mărimea:
n
x −m x −m
z= = (2.50)
0
n
se distribuie normal cu media 0 și dispersia 2 egală cu 1.
Acest lucru este valabil în cazul când dispersia colectivității generale 2 este cunoscută. Sunt
însă numeroase cazurile când dispersia colectivității generale 2 nu este cunoscută. Atunci în
locul dispersiei 2 se utilizează estimația s2 :
( x − x ) + ( x2 − x ) + ... + ( xn − x )
2 2 2
s 2
= 1 (2.51)
n−1
determinată pe baza observațiilor.
Prin această înlocuire mărimea z din (2.50) devine:
x −m
t= (2.52)
s
n
15
Teoria probabilităților și statistică matematică/ Statistică economică
Această mărime nu se mai distribuie după legea normală, ci are o distribuție numită distribuția
”Student” sau distribuția t.
Se scrie mărimea t sub forma:
x −m x −m z
t= = = . (2.53)
s s s
n n
Se poate demonstra că funcția densitate de probabilitate a variabilei t are expresia:
f +1
f +1
2 − 2
2 1+ t
f ( t;f ) = , (2.54)
f f
f
2
Fig.11
La distribuția t s-a ajuns înlocuind pe prin s. Cum însă estimația s tinde către atunci când
numărul gradelor de libertate tinde către + , rezultă că și distribuția t tinde către distribuția
standard atunci când f → .
16
Teoria probabilităților și statistică matematică/ Statistică economică
f +1
f +1
2 − 2
tP
F ( t;f ) = P ( t tP ) = 2 1+ t
dt . (2.55)
f f
0 f
2
În matematică, funcția gamma, reprezentată prin litera grecească , este o funcție care
extinde noțiunea de factorial de la numerele întregi la numerele reale și complexe.
Dacă n este un număr întreg pozitiv, atunci (n ) = (n − 1 )! , ceea ce arată legătura funcției
gamma cu factorialul numerelor întregi pozitive. Funcția gamma generalizează funcția factorial
la valori neîntregi și complexe ale lui n.
Ca urmare a simetriei distribuției t, quantilul tP, adică valoarea lui t corespunzătoare valorii P a
funcției de distribuție F(t), este egală cu quantilul t1-P (valoarea lui t corespunzătoare valorii
F ( t;f ) = 1 − P ), adică:
tP = −t1−P (2.56)
BIBLIOGRAFIE
17
Teoria probabilităților și statistică matematică/ Statistică economică
ANEXA 1
18