Laborator 2-3

 
k
Repartit, ia Binomială de parametri n s, i p: , k = 0, 1, . . . , n
Cnk pk q n−k
Se introduc ca date de intrare parametrii n s, i p

n = 10;p = 1/2;

Pentru n s, i p specificat, i se calculează probabilităt, ile corespunzătoare valorilor

de la 0 la n, iar apoi funct, ia de repartit, ie în aceleas, i valori.

comb = a r r a y f u n ( @nchoosek , n∗ o n e s ( 1 , n + 1 ) , 0 : n ) ;
prob = comb . ∗ ( p . ^ ( 0 : n ) ) . ∗ ( 1 - p ) . ^ f l i p ( 0 : n ) ;
f r e p = cumsum ( prob ) ;

Se reprezintă grafic probabilităt, ile s, i funct, ia de repartit, ie

s u b p l o t ( 2 , 1 , 1 ) ; p l o t ( 0 : n , prob ) ; t i t l e ( ’ P r o b a b i l i t a t i ’ ) ;
s u b p l o t ( 2 , 1 , 2 ) ; p l o t ( 0 : n , f r e p ) ; t i t l e ( ’ F u n c t i a de . . .
repartitie ’)

0.3

0.2

0.1

0
0 1 2 3 4 5 6 7 8 9 10

0.5

0
0 1 2 3 4 5 6 7 8 9 10

1
Putem calcula probabilitatea P (a ≤ x ≤ b) adunând probabilităt, ile valorilor
din interval sau folosind funct, ia de repartit, ie:

a = 2;b = 5;
sum ( prob ( a + 1 : b + 1 ) )

ans = 0 . 6 1 2 3

f r e p (b + 1) - f r e p ( a )

ans = 0 . 6 1 2 3
 
n
Repartit, ia Poisson de parametru λ: λn −λ , n∈N
n! e

Se introduc ca date de intrare parametrul λ s, i numărul maxim n până la care

se calculează valorile repartit, iei

lambda = 4 ; n = 1 0 ;

Pentru λ specificat se calculează probabilităt, ile corespunzătoare valorilor de la

0 la n, iar apoi funct, ia de repartit, ie în aceleas, i valori.

prob = exp ( - lambda ) ∗ lambda . ^ [ 0 : n ] . / f a c t o r i a l ( [ 0 : n ] ) ;

f r e p = cumsum ( prob ) ;

Se reprezintă grafic probabilităt, ile s, i funct, ia de repartit, ie

s u b p l o t ( 2 , 1 , 1 ) ; p l o t ( 0 : n , prob ) ; t i t l e ( ’ P r o b a b i l i t a t i ’ ) ;
s u b p l o t ( 2 , 1 , 2 ) ; p l o t ( 0 : n , f r e p ) ; t i t l e ( ’ F u n c t i a de . . .
repartitie ’)

2
 0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10

0.5

0
0 1 2 3 4 5 6 7 8 9 10

Jocul "Cap sau pajură":

Se simulează un număr de n aruncări ale unei monede generând numere
aleatoare în intervalul [0, 1] s, i testând cum sunt fat, ă de 0.5. Rezultatul este o
secvent, ă de caractere de lungime n, caracterul ’c’ corespunzând la cap iar ’p’
la pajură.

n = 2 0 ; x = rand ( 1 , n ) ;
moneda ( x < 0 . 5 ) = ’ c ’ ; moneda ( x > = 0 . 5 ) = ’ p ’ ;
moneda

moneda = ’ pppppcppppccpcpccpcc ’

Pariurile lui de Mere

Se init, ializează numărul de jocuri n:

n = 1000;

În primul pariul al lui de Mere, un joc constă din aruncarea unui zar de 4 ori,
iar jocul este câs, tigat dacă se obt, ine cel put, in un 6.

3
 • Se simulează n jocuri într-o matrice cu 4 linii s, i n coloane având valori
întregi de la 1 la 6.

• Se numără cât, i de 6 sunt pe fiecare coloană, iar apoi se numără coloanele

care au cel put, in un 6.

• Numărul jocurilor câs, tigătoare se raportează la numărul total de jocuri

sum ( sum ( c e i l ( rand ( 4 , n ) ∗ 6 ) = = 6 ) > 0 ) /n

ans = 0 . 5 5 6 0

Frecvent, a obt, inută anterior poate fi comparată cu probabilitatea teoretică de a

4
câs, tiga un joc, care este 1 − 56 :

demere1 = 1 - ( 5 / 6 ) ^ 4

demere1 = 0 . 5 1 7 7

În mod asemănător se simulează s, i al doilea pariul al lui de Mere, unde un joc

constă din aruncarea a două zaruri de 24 ori, iar jocul este câs, tigat dacă se
obt, ine cel put, in o pereche (6,6).

sum ( sum ( sum ( c e i l ( rand ( 2 , 2 4 , n ) ∗ 6 ) = = 6 ) = = 2 ) > 0 ) /n

ans = 0 . 4 9 1 0

35 24
Probabilitatea teoretică este 1 − :


36

demere2 = 1 - ( 3 5 / 3 6 ) ^ 24

demere2 = 0 . 4 9 1 4

(x−µ)2
Repartit, ia Normală de parametri µ s, i σ: f (x) = √1 e− 2σ 2
σ 2π

Se introduc ca date de intrare parametrii µ s, i σ

m= 0 ; s = 1 ;

Se generează o diviziune a intervalului [µ − 4σ, µ + 4σ] cu pasul h

4
 h = 0.01;
x =m- 4∗ s : h :m+ 4∗ s ;

Se calculează valorile densităt, ii pe această diviziune:

f = 1 / ( s ∗ s q r t ( 2 ∗ p i ) ) ∗ exp ( - ( x -m) . ^ 2 / ( 2 ∗ s ^ 2 ) ) ;

Rx
Funct, ia de repartit, ie F (x) = −∞ f (t)dt este egală cu aria de sub graficul
densităt, ii pe intervalui (−∞, x) s, i se aproximează cu suma ariilor
dreptunghiurilor având ca laturi pasul diviziunii s, i valorile densităt, ii în
punctele diviziunii din acest interval

F = cumsum ( f ∗h ) ;

Se reprezintă grafic probabilităt, ile s, i funct, ia de repartit, ie

subplot (2 ,1 ,1) ; plot (x , f ) ; t i t l e ( ’ Densitate ’ ) ;

s u b p l o t ( 2 , 1 , 2 ) ; p l o t ( x , F) ; t i t l e ( ’ F u n c t i a de r e p a r t i t i e ’ )

Densitate
0.4

0.3

0.2

0.1

0
-4 -3 -2 -1 0 1 2 3 4

0.5

0
-4 -3 -2 -1 0 1 2 3 4

5
Aproximăm cu ajutorul funct, iei de repartit, ie probabilitatea P (a < X < b)

a =m- 2∗ s ; b =m+ 2∗ s ;
i 1 = f l o o r ( ( a - x ( 1 ) ) /h ) ; i 2 = f l o o r ( ( b - x ( 1 ) ) /h ) ;
P = F( i 2 ) - F( i 1 )

P = 0.9545

Determinăm cuantila corespunzătoare unei probabilităt, ii p:

p = 0.975;
i = sum (F < = p ) ;
c = x( i )

c = 1.9500

x2
Repartit, ia Maxwell: f (x) = xe− 2

Considerăm experienţa tragerii la o ţintă circulară, ale cărei rezultate sunt

puncte de coordonatep(x, y), fiecare dintre coordonate fiind repartizată N (0, 1).
Atunci distanţa r = x2 + y 2 de la punctul (x, y) până la origine este
repartizată Maxwell.

nr _ a r u n c a r i = i n p u t ( ’ Numar a r u n c a r i : ’ )
dens = z e r o s ( 1 , 6 0 ) ;
f o r i = 1 : nr _ a r u n c a r i
x = randn ; y = randn ;
d = s q r t ( x ^ 2 + y ^ 2) ;
for j = 1:60
i f (d < = j ∗0.05)
dens ( j ) = dens ( j ) + 1 ;
break ;
end
end
end
s u b p l o t ( 2 , 1 , 1 ) , p l o t ( dens / nr _ a r u n c a r i , ’ c ’ ) , . . .
t i t l e ( ’ r e p a r t i t i e reala ’ )
r = 0 . 0 : 0 . 0 5 : 3 . 0 ; subplot (2 ,1 ,2)
dens = r . ∗ exp ( ( - 1 / 2 ) ∗ r . ^ 2 ) ;
p l o t ( dens , ’ b ’ ) , t i t l e ( ’ r e p a r t i t i e t e o r e t i c a ’ )

6
Exerciţii
1. O monedă ideală este aruncată de 100 de ori, iar X este variabila aleatoare
ce reprezintă numărul de apariţii ale stemei.
(a) Care este probabilitatea de a obţine exact 52 de steme?
(b) Să se calculeze P(45 ≤ X ≤ 55). Comparaţi cu aproximarea cu o
variabilă normală.
2. Presupunem că înălţimea unei persoane este o v.a. X repartizată nor-
mal. Media de înălţime a jucătorilor unei echipe de baschet masculin este
195cm, cu deviaţia standard 5cm. Înălţimea uşii de la vestiarul echipei
este de 2 metri.
(a) Determinaţi procentul dintre jucătorii echipei care sunt prea înalţi
pentru a trece de această uşă fără să se aplece.
(b) Să se determine probabilitatea ca înălţimile jucătorilor să fie între
190 cm şi 210 cm.
3. S-a înregistrat zilnic timpul dintre două sosiri ale tramvaiului într-o anu-
mită staţie şi s-a găsit că în medie aceasta este de 20 minute. Se ştie că
aceste timp este distribuit exponenţial. Dacă o persoană a ajuns în staţie
exact când tramvaiul pleca, aflaţi care sunt şansele ca ea să aştepte cel
puţin 15 minute până vine următorul tramvai.
4. Să presupunem că X este o v.a. continuă ce reprezintă înălţimea (în cm)
bărbaţilor dintr-o ţară. Se ştie că P(X ≤ 170) = 0.1. Ştiind că X este
normal distribuită, cu media m = 175, să se determine dispersia lui X.
5. Într-un magazin intră în medie 20 clienţi pe oră. Presupunem că numărul
clienţilor pe oră este o v.a. repartizată Poisson.
(a) Să se determine care este probabilitatea ca într-o anumită oră să intre
în magazin cel puţin 15 clienţi.
(b) Care este probabilitatea ca, într-o anumită zi de lucru (de 10 ore) în
magazin să intre cel puţin 200 de clienţi? Comparaţi cu aproximarea
cu o variabilă normală.
6. (a) Simulaţi în Matlab o variabilă aleatoare discretă ce poate lua doar
două valori: X = 1 cu P(X = 1) = p şi X = −1 cu P(X = −1) =
1 − p, p ∈ (0, 1).
(b) Considerăm următorul joc: se aruncă o monedă de N ori şi dacă apare
stema câştigăm 1 RON, iar dacă apare banul pierdem 1 RON. Să se
scrie v.a. care reprezintă câştigul S(n) cumulat la fiecare aruncare.
De asemenea să se contabilizeze de câte ori s-a întors balanţa la 0.
7. Distanţa X la care sunt aruncate mingile de către o maşină automată
de servit mingi de tenis este o variabilă aleatoare cu repartiţie normală.
Media distanţei este necunoscută, dar deviaţia standard este 1.2 m.

7
 (a) Ştiind că P(X ≤ 20) = 0.95, să se găsească distanţa medie.
(b) Să presupunem că E(X) = 18. Calculaţi P(X ≥ 18).
X − 18
(c) Stabiliţi repartiţia variabilei aleatoare Z = şi calculaţi
1.2
P(Z 2 ≤ 20).
8. Considerăm variabilele aleatoare X ∈ N (2, 5) şi Y ∈ N (3, 4). Calculaţi
P(X + Y < 4).
9. Se dă variabila aleatoare X ∈ χ2 (50). Calculaţi P(X > 75). Determinaţi
valoarea c ∈ R astfel încât P(X ≥ c) = 0.9.
10. Presupunem că X1 , X2 , X3 sunt variabile aleatoare independente repar-
tizate normal standard. Calculaţi probabilitatea P(X12 + X22 + X32 > 5).

11. Fie Z o variabilă aleatoare normală standard. Găsiţi valorile lui a pentru
care se realizează următoarele identităţi:
(a) P(0 < Z < a) = 0.4616; (c) P(−0.5 < Z < a) = 0.3814;

(b) P(Z > a) = 0.1894; (d) P(Z < a) = 0.5,;

12. Înălţimea femeilor dintr-o anumită regiune este o variabilă aleatoare nor-
mală, de medie 163.6 cm şi deviaţie standard 5.2 cm.
(a) Determinaţi probabilitatea ca o femeie aleasă la întâmplare dn acea
regiune să fie mai înaltă de 170cm.
(b) Înălţimea Mariei este 172cm. Ce procent dintre femeile regiuniii sunt
mai scunde decât Maria?