Documente Academic
Documente Profesional
Documente Cultură
597
– evenimentul diferenţă D = A – B: se realizează când se realizează A şi nu
se realizează B.
Considerăm un sistem cu structură şi complexul de condiţii date, asupra
căruia se efectuează o experienţă. La început, presupunem că experienţa are un
număr finit de cazuri posibile, pentru care adoptăm notaţia:
(B1.1)
şi, în urma unei probe, se realizează unul din aceste evenimente.
Unei experienţe îi corespunde mulţimea probelor sale, iar un eveniment se
realizează printr-o submulţime a acestor probe. Ca urmare, se poate realiza o cores-
pondenţă între evenimente şi mulţimi, iar noţiunile şi operaţiile cu evenimente se
identifică cu cele din teoria mulţimilor.
Astfel, menţinând aceleaşi notaţii pentru evenimente şi mulţimi, se adoptă
corespondenţa:
(B1.2)
(B1.5)
598
– intersecţia evenimentelor:
(B1.6)
(B1.7)
(B1.8)
599
Câmpul de evenimente se poate constitui în două moduri echivalente:
– câmp de evenimente de tip temporal: se constituie repetând succesiv
experienţa cu acelaşi sistem, cu structură şi în condiţii date, urmărind realizarea unui
eveniment.
– câmp de evenimente de tip spaţial: se constituie efectuând o singură dată
experienţa cu un număr mare de sisteme identice în aceleaşi condiţii, urmărind
realizarea aceluiaşi eveniment. În acest caz din urmă, ansamblul statistic se
identifică cu colectivul de sisteme identice (copii ale unui sistem).
Pe câmpul de evenimente se defineşte noţiunea de probabilitate ca element
de bază în teoria probabilităţilor care este o ştiinţă axiomatică.
În continuare, prezentăm câteva din noţiunile acestei teorii, care sunt de
interes pentru metoda statistică de studiu.
(B2.1)
(B2.3)
600
Cu alte cuvinte, se confirmă afirmaţia: repetând experienţa de un număr sufi-
cient de mare de ori, valoarea frecvenţei relative a evenimentului oscilează în
jurul numărului complet determinat de natura sistemului în condiţii date,
numit probabilitatea de realizare a evenimentului Ca urmare, trecând statistic
la limită, numerele:
(B2.4)
care depind de natura sistemului în condiţii date, reprezintă probabilităţile de reali-
zare a evenimentelor şi, ţinând seama de (B2.4), trebuie să satisfacă condiţiile:
(B2.5)
Prima condiţie arată că probabilităţile sunt pozitiv definite şi subunitare, iar a doua
condiţie, numită condiţia de normare a probabilităţilor, impune convergenţa seriei,
în cazul câmpului de probe numărabile.
Observăm că, modul statistic de definiţie a probabilităţii (B 2.4) sugerează
calea de urmat pentru determinarea acesteia: teoretic sau experimental. Teoretic
vorbind, consecinţă a convergenţei seriei (B2.5) este faptul că numerele
trebuie să tindă convenabil către zero pentru valori Ca urmare, numai
pentru un număr finit de evenimente ale şirului (B 1.4) se obţin frecvenţe
Acest fapt stabileşte că nu toate probabilităţile pot fi determinate
experimental deoarece numărul oricât de mare, trebuie să fie finit. Pentru valori
ale indicelui de la un prag înainte, probabilităţile au valori sub pragul de
semnificaţie. Aşadar, şirul complet al probabilităţilor nu poate fi
determinat decât teoretic, aşa cum se întâmplă, de exemplu, în mecanica cuantică.
Deoarece câmpul de evenimente se referă la un fenomen care are
loc într-un sistem cu structură şi în condiţii date, probabilităţile lor
reprezintă o lege statistică (probabilistică) obiectivă a fenomenului, care nu
depinde de faptul că se efectuează sau nu experienţa de punere în evidenţă a
acestuia. Rezultatele experienţei confirmă existenţa legii statistice şi permit, în
cazurile posibile, calculul probabilităţilor cu valori peste pragul de semnificaţie
(valorile semnificative).
601
consecinţă, se adoptă definiţia clasică a probabilităţii: raportul dintre numărul
cazurilor favorabile evenimentului şi numărul cazurilor posibile ale experienţei se
numeşte probabilitatea evenimentului
(B2.6)
(B2.7)
(B2.8)
Primele trei proprietăţi sunt consecinţe directe ale definiţiei probabilităţii. Ultimele
două proprietăţi, de adunare a probabilităţilor evenimentelor incompatibile şi
respectiv de înmulţire a probabilităţilor evenimentelor independente, care prezintă
interes în teoria cinetico-moleculară, se justifică uşor.
Adunarea probabilităţilor. Fie două evenimente incompatibile:
ale câmpului de evenimente. Oricare din cele două evenimente se realizează în
602
probe şi frecvenţa relativă a evenimentului sau se defineşte:
Potrivit definiţiei (B2.4), avem:
(B2.9)
(B2.10)
(B2.11)
(B2.12)
(B2.13)
(B2.14)
603
B3. Variabilă aleatoare cu spectrul discret
O variabilă care, pentru fiecare probă a unei experienţe, ia valoarea
realizând o corespondenţă între câmpul de evenimente şi mulţimea nume-
relor reale, se numeşte variabilă aleatoare. Precizăm că nu-i obligatoriu ca valorile
să fie diferite şi, în particular, dacă sunt toate egale, variabila aleatoare se reduce
la o constantă. În funcţie de proprietăţile evenimentelor, valorile variabilei alea-
toare pot fi incompatibile (compatibile) sau independente (dependente) constituind
spectrul discret de valori, finit sau numărabil; variabila aleatoare cu spectrul
continuu va fi definită ulterior.
Determinarea variabilei aleatoare necesită cunoaşterea spectrului de valori şi
a probabilităţilor acestora.
Notăm cu frecvenţa relativă a valorii şi ţinând seama de (B2.4),
(B3.1)
cu condiţia ca elemetele din linia a doua a tabloului să fie pozitive şi suma lor să fie
egală cu unitatea:
Având în vedere corespondenţa câmp de evenimente variabilă aleatoare, se
definesc operaţii cu variabile aleatoare, dintre care vom prezenta pe cele de interes.
Suma dintre constanta (mulţimea numerelor reale) şi variabila
este variabila aleatoare care ia valoarea când şi are distribuţia:
(B3.3)
(B3.4)
604
Suma dintre variabilele şi este variabila aleatoare care ia va-
loarea când şi şi are distribuţia:
(B3.5)
(B3.6)
(B3.7)
(B3.8)
În mod similar se calculează:
(B3.9)
astfel încât:
605
Se defineşte media aritmetică ponderată a valorilor variabilei
(B4.1)
(B4.2)
(B4.3)
Media statistică are o serie de proprietăţi care decurg din proprietăţile distri-
buţiei variabilei aleatore.
Media constantei este egală cu constanta. Constanta are distribuţia:
şi media se calculează:
(B4.4)
are media:
(B4.5)
(B4.6)
606
Media sumei este egală cu suma mediilor. Variabila are distribuţia
şi media se calculează:
(B4.7)
(B4.8)
(B5.3)
reprezintă media pătratului abaterii de la medie şi poate fi aleasă ca indicator
numeric al împrăştierii faţă de medie.
607
Fluctuaţia (abaterea pătratică medie) absolută şi relativă:
(B5.4)
respectiv
(B5.5)
(B5.6)
şi
pentru (B5.7)
Parametrul de corelaţie se defineşte pentru variabilele aleatoare şi
ca măsură a gradului de corelaţie a acestora. Astfel, considerăm variabila aleatoare:
(B5.8)
şi media ei se exprimă:
(B5.9)
Se defineşte parametrul de corelaţie absolut şi relativ:
(B5.10)
respectiv
(B5.11)
strează că Astfel:
608
independente şi
Ca urmare:
de unde:
(B5.12)
(B5.13)
609
intervalele de lungime şi acestea sunt cu atât mai precise cu cât este mai mic.
La limită, când linia frântă care mărgineşte histograma tinde la o curbă
continuă, reprezentată în figura B6.1b, determinată analitic de funcţia:
(B6.1)
Mărimea:
(B6.2)
a) b)
Figura B6.1.
(B6.3)
(B6.4)
610
Distribuţia variabilei aleatoare cu spectrul continuu, se reprezintă prin tabloul:
(B6.5)
(B6.6)
respectiv
(B6.7)
(B6.8)
respectiv
(B6.9)
611
şi să ia valori în coincide cu probabilitatea evenimentului care este
proporţională cu aria
(B6.10)
(B6.11)
şi (B6.12)
(B6.13)
(B6.14)
(B6.15)
Relaţiile (B6.13-14) permit calculul funcţiei de distribuţie pentru o singură
variabilă cunoscând funcţia de distribuţie pentru două variabile, iar relaţia (B 6.15)
permite calculul funcţiei de distribuţie a două variabile cunoscând funcţia de distri-
buţie pentru fiecare din acestea.
Cu ajutorul relaţiilor (B6.12-15) se arată că proprietăţile mediei (B 4.7-8)
rămân valabile şi în cazul variabilelor aleatoare cu spectrul continuu:
612
(B6.16)
(B6.17)
Cunoscând distribuţia:
(B6.18)
se calculează:
– media statistică a funcţiei
(B6.19)
– fluctuaţia:
(B6.20)
(B6.21)
Dacă:
(B6.22)
613
Interesează probabilitatea ca variabilele aleatoare să ia simultan valori res-
pectiv în inter-
valele adică în elementul de volum Intervine şi în acest
caz experienţa
şi considerăm câmpul de evenimente constituit
din puncte (evenimente) dintre care se găsesc în
Frecvenţa relativă a evenimentului coincide practic cu probabilitatea care, la rândul
ei, este proporţională cu elementul de volum:
(B6.23)
(B6.24)
(B6.25)
(B6.26)
(B6.27)
(B6.28)
Cunoscând distribuţia:
(B6.29)
se calculează:
– media statistică:
(B6.30)
– fluctuaţia:
614
(B6.31)
– parametrul de corelaţie:
(B6.32)
(B6.33)
În figura B6.4 se
prezintă domeniul
din spaţiul 2n-
dimensional, mărginit
de hipersuprafaţa
închisă a familiei de
hipersuprafeţe Figura B6.4.
determinată de parametrul C:
(B6.34)
(B6.35)
(B6.36)
615
(B6.37)
Figura B6.5.
care este proporţională cu elementul de volum
(B6.38)
(B6.39)
Cunoscând distribuţia:
(B6.40)
(B6.41)
– fluctuaţia:
(B6.42)
– parametrul de corelaţie:
616
(B6.43)
Figura B7.1.
617
tatea acestui eveniment se calculează astfel: mai întâi se calculează probabilitatea
realizării fiecărei configuraţii. În virtutea proprietăţii de înmulţire a probabilităţilor
evenimentelor independente, avem:
(B7.1)
(B7.3)
Configuraţiile nu sunt distincte deoarece permutând între ele locurile monezilor
cu faţa 1 vizibilă respectiv cu faţa 2 vizibilă, nu se schimbă nimic. Configuraţia
se schimbă numai schimbând locurile 1 cu 2. Ca urmare, permutând într-o confi-
guraţie N monede pe N locuri se obţin configuraţii nedistincte. Pe de altă parte,
considerând configuraţii distincte, permutând n monede cu faţa 1 vizibilă pe
n locuri se obţin configuraţii nedistincte şi permutând, în continuare,
monede cu faţa 2 vizibilă pe locuri se obţin configuraţii nedistincte
şi astfel:
(B7.4)
(B7.5)
(B7.6)
618
(B7.7)
(B7.8)
(B7.9)
(B7.10)
(B7.11)
şi fluctuaţia se exprimă:
(B7.12)
(B7.13)
(B7.14)
(B7.15)
(B7.16)
619
Funcţia are valoare maximă şi condiţia necesară de maxim, ţinând
seama de formula lui Stirling (A8.5), duce la:
(B7.17)
(B7.18)
Figura B7.2.
Reprezentând grafic funcţia (B7.13) pentru în figura B7.2, se obţine o
imagine a formei func-
ţiei care sugerează că aceasta scade puternic de o parte şi de alta a maximului
care se obţine pentru
Distribuţia Poisson se obţine, ca un caz particular, din distribuţia binomi-
ală, dacă şi
Astfel avem:
620
şi notând cu relaţia (B7.5) devine:
(B7.19)
(B7.20)
rezultă:
(B7.21)
(B7.22)
621
unde: şi am ţinut seama de (A 8.17). Introducând (B7.22) în
(B7.23)
(B7.25)
(B7.26)
(B7.27)
(B7.28)
622
(B7.29)
(B7.31)
(B7.32)
a) b)
Figura B7.3.
– Probabilitatea ca variabila să ia valori în intervalul finit: se
calculează ţinând seama de definiţia funcţiei integrale Laplace (A 8.21):
623
(B7.33)
În particular:
(B7.34)
Figura B7.4.
unde am ţinut seama de (A8.23). Dacă rezultă:
(B7.35)
(B7.36)
624
(B7.37)
Mărimea:
(B7.38)
rezultă:
(B7.39)
625