Anexa B

NOŢIUNI DE TEORIA PROBABILITĂŢILOR

B1. Câmp de evenimente
Legile care stau la baza ştiinţelor naturii dar şi a ştiinţelor economice şi
sociale se formulează în urma unui şir de observaţii şi experienţe efectuate asupra
unui sistem, cu structură şi în condiţii bine determinate, care prezintă interes. Expe-
rienţele se efectuează în prezenţa unor factori întâmplători inevitabili şi rezultatele
care se obţin nu sunt unic determinate, datorită întâmplării, motiv pentru care se
numesc experienţe întâmplătoare sau aleatoare.
Fenomenele în care intervine întâmplarea se numesc fenomene aleatoare şi
studiul lor constituie obiectul teoriei probabilităţilor.
Rezultatul unei experienţe aleatoare se numeşte probă sau caz posibil al
experienţei. După efectuarea experienţei, avem informaţii despre situaţia sistemului
în studiu. O situaţie despre care putem spune că s-a produs sau nu după efectuarea
experienţei se numeşte eveniment. Evenimentul realizat de o singură probă se iden-
tifică cu acesta şi se numeşte eveniment elementar, iar evenimentul realizat de un
număr finit sau infinit de probe se numeşte eveniment compus (complex).
Un eveniment este legat de un complex de condiţii, care trebuie precizat
de fiecare dată. În contextul de condiţii se definesc:
– eveniment sigur (cert) E: realizat cu certitudine în toate probele.
– eveniment imposibil nu se realizează în nici o probă.
– eveniment aleator A: se poate realiza sau nu în urma unei probe.
– eveniment contrar AC: se realizează dacă nu s-a realizat A.
– eveniment B implicat de A: se realizează de fiecare dată când se realizează A.
– evenimente A, B compatibile: au probe comune (se realizează simultan).
– evenimente A, B incompatibile: nu au probe comune (realizarea lor
simultan este imposibilă).
– evenimente A şi B dependente: realizarea unuia depinde de realizarea
celuilalt.
– evenimente A şi B independente: realizarea unuia nu depinde de realizarea
celuilalt.
Evenimentele compuse se obţin în urma unor operaţii cu evenimente elementare.
– evenimentul sumă S = A sau B: se realizează când se realizează cel puţin
unul din cele două evenimente.
– evenimentul produs P = A şi B: se realizează dacă se realizează cele două
evenimente simultan.

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)

O experienţă poate avea şi un număr de cazuri posibile infinit numărabile

(numărabile) sau continuu. Cazurile numărabile se notează:
(B1.3)
Notăm cu mulţimea finită sau numărabilă de indici şi notaţiile (B 1.1) şi (B1.3) se
scriu în comun:
(B1.4)
Operaţiile cu evenimente se generalizează şi se notează:
– reuniunea evenimentelor:

(B1.5)

598
 – intersecţia evenimentelor:

(B1.6)

– evenimente compatibile două câte două:

(B1.7)

– evenimente incompatibile două câte două:

(B1.8)

O experienţă tipic aleatoare este aruncarea zarului şi poate fi considerată ca

prototip pentru ilustrarea şi precizarea noţiunilor prezentate mai înainte.
Astfel, aruncarea zarului, cu structură şi în condiţii date, reprezintă experienţa
cu un număr de cazuri posibile finit; în urma unei probe apare o faţă a zarului cu un
număr de puncte.
În acest caz, (B1.1) devine:
(B1.9)
Un eveniment elementar, realizat la o singură probă, ar fi de exemplu apariţia feţei
cu două puncte, iar un eveniment compus ar fi apariţia unui număr impar de puncte
şi se realizează dacă se obţine una din probele 1, 3, 5. În cazul din urmă există trei
probe care realizează şi determină evenimentul. Corespondenţa (B 1.2) se concreti-
zează astfel:

Mulţimea evenimentelor unei experienţe, conţinând evenimentele sigur şi

imposibil, constituie un colectiv sau ansamblu statistic care, dacă în urma unei probe
se realizează cel puţin un eveniment al experienţei, se numeşte ansamblul statistic
complet sau câmp de evenimente. Ca urmare, câmpul de evenimente satisface
condiţia:
(B1.10)

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. Câmp de probabilitate

B2.1. Definiţia statistică a probabilităţii
Considerând câmpul de evenimente (B1.4), în urma unei probe, adică într-o
experienţă simplă, se realizează unul din evenimentele câmpului.
De interes fundamental este experienţa complexă care constă în repetarea de
(număr natural) ori a experienţei simple, cu acelaşi sistem sau cu sisteme
identice cu structură şi în condiţii date. Dacă un eveniment de interes se reali-
zează de (număr natural) ori, în cursul experienţei complexe, acest număr se
numeşte frecvenţa absolută de realizare a evenimentului şi satisface relaţiile:

(B2.1)

Numerele corespunzătoare evenimentelor constituie o statistică

pentru fenomenul în studiu; sau înseamnă că în probe, eveni-
mentul nu s-a realizat niciodată respectiv s-a realizat de fiecare dată.
În teoria probabilităţilor un rol important îl au frecvenţele relative care se
definesc şi satisfac relaţiile:
(B2.2)

Pentru un fenomen, se pot obţine mai multe statistici: şi

frecvenţele relative satisfac aceleaşi relaţii (B 2.2). Experimental se
constată: dacă numerele sunt suficient de mari, frecvenţele relative
ale evenimentului au valori foarte apropiate şi afirmaţia repre-
zintă stabilitatea frecvenţelor relative:

(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).

B2.2. Definiţia clasică a probabilităţii

În cazul unor experienţe aleatoare, nu mai este necesară stabilitatea frecven-
ţelor. De exemplu, dacă un zar este perfect cubic şi omogen, nu există motive ca în
urma unui mare număr de aruncări să apară preponderent o faţă cu un anumit
număr. Ca urmare, admitem apriori că frecvenţa oricărei feţe
În general, din motive de simetrie, experienţa are un număr de cazuri posi-
bile şi evenimentul este realizat de probe, numite cazuri favorabile. În

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)

şi satisface condiţiile (B2.5). Referindu-ne la aruncarea zarului, într-o singură expe-

rienţă, şi evenimentul de apariţie a unei feţe cu număr par are
cazuri favorabile (2,4,6). Ca urmare, probabilitatea evenimentului:

Problema fundamentală, privind studiul fenomenelor aleatoare, este deter-

minarea probabilităţilor şirului Problema se rezolvă teoretic sau pe
baza consideraţiilor de simetrie, iar în cazul în care nu există o teorie se apelează la
experienţă şi, dacă se constată stabilitatea frecvenţelor evenimentului de interes,
probabilităţile se egalează cu frecvenţele relative, cu toate că în realitate,
frecvenţele relative sunt doar apropiate de probabilităţi.

B2.3. Unele proprietăţi ale probabilităţii

Definiţiile (B2.4) şi (B2.6) justifică proprietăţile probabilităţii dintre care
prezentăm pe cele care ne interesează.

(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)

În general, dacă evenimentele sunt incompatibile două câte două şi au

probabilităţile (numărul de evenimente nu epuizează câmpul de
evenimente ale experienţei), probabilitatea realizării oricăruia dintre ele este egală
cu suma probabilităţilor:

(B2.10)

Pentru câmpul de evenimente este satisfăcută condiţia de normare:

(B2.11)

 Înmulţirea probabilităţilor. Fie două evenimente independente şi

ale câmpului de evenimente, cu frecvenţele relative respectiv Din
probe, de ori se realizează evenimentul şi, dacă realizarea lui nu
depinde de realizarea simultană cu el a lui acesta din urmă se realizează
simultan cu primul de ori. Frecvenţa relativă de realizare
simultană a evenimentelor şi are expresia:

(B2.12)

Ţinând seama de (B2.4), probabilitatea realizării evenimentelor şi indepen-

dente şi simultane, se exprimă:

(B2.13)

În general, dacă evenimentele sunt independente şi simultane, având

probabilităţile probabilitatea evenimentului, care constă în realizarea
simultană a tuturor evenimentelor, se exprimă ca produs al probabilităţilor:

(B2.14)

Totalitatea evenimentelor , împreună cu probabilităţile lor

constituie câmpul de probabilitate, finit sau numărabil, în funcţie de natura câmpu-
lui de evenimente al experienţei.

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),

probabilitatea valorii care reprezintă evenimentul se defineşte:

(B3.1)

Spectrul variabilei aleatoare împreună cu probabilităţile valorilor

constituie distribuţia sau repartiţia, pe scurt partiţia, variabilei aleatoare. Conve-
nim să reprezentăm simbolic distribuţia variabilei aleatoare cu spectrul discret
finit sau numărabil, printr-un tablou de forma:

respectiv (numere naturale) (B3.2)

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)

 Produsul dintre constanta şi variabila este variabila aleatoare

care ia valoarea când şi are distribuţia:

(B3.4)

604
  Suma dintre variabilele şi este variabila aleatoare care ia va-
loarea când şi şi are distribuţia:

(B3.5)

 Produsul dintre variabilele şi este variabila aleatoare care ia va-

loarea când şi şi are distribuţia:

(B3.6)

În cazul distribuţiilor (B3.5-6), este probabilitatea evenimentului

(B3.7)

Probabilitatea evenimentului oricare ar fi evenimentul

se calculează în virtutea proprietăţii de adunare a probabilităţilor:

(B3.8)
În mod similar se calculează:
(B3.9)

Dacă variabilele şi sunt independente, rezultă:

(B3.10)

B4. Valori medii

Media statistică a variabilei aleatoare are importanţă fundamentală în studiul
fenomenelor statistice şi se calculează cunoscând distribuţia acesteia.
Considerăm, la început, variabila aleatoare cu spectrul discret finit de
valori, pe care le grupăm într-o ordine arbitrară.

astfel încât:

605
 Se defineşte media aritmetică ponderată a valorilor variabilei

unde este frecvenţa relativă a valorii Ţinând seama de (B2.4), se defi-

neşte media statistică a variabilei

(B4.1)

care este perfect determinată de distribuţia ei statistică.

Pentru variabila aleatoare cu spectrul discret numărabil, media statistică se
exprimă:

(B4.2)

cu condiţia ca seria să fie absolut convergentă.

În general, pentru variabila cu spectrul discret, avem:

(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)

Ca urmare, variabila aleatoare cu distribuţia:

are media:
(B4.5)

În general, pentru funcţii care diferă de polinoame de gradul întâi:

(B4.6)

606
  Media sumei este egală cu suma mediilor. Variabila are distribuţia
şi media se calculează:

(B4.7)

unde am ţinut seama de (B3.8–9).

 Media produsului a două variabile aleatoare independente este egală cu
produsul mediilor. Variabila are distribuţia (B3.6) şi media se calculează:

(B4.8)

unde am ţinut seama de (B3.10).

Proprietăţile mediei, prezentate pentru una şi două variabile, se extind pentru
mai multe variabile şi pentru funcţii de acestea.
Convenim, în continuare, ca bara de deasupra variabilelor aleatoare să repre-
zinte operaţia de mediere şi proprietăţile mediei, care nu trebuie să mai fie scrise
explicit.

B5. Abaterea variabilei aleatoare.

Dispersia, fluctuaţia şi parametrul de corelaţie
În afară de media statistică a unei variabile aleatoare, de mare importanţă este
o măsură a gradului de împrăştiere a valorilor spectrului acesteia faţă de medie,
dată de un indicator numeric. Acest indicator numeric se alege având în vedere
câteva noţiuni.
 Abaterea de la medie este o variabilă aleatoare care se defineşte:
(B5.1)
Media statistică este o constantă şi, ţinând seama de proprietăţile mediei, rezultă:
(B5.2)
Cu alte cuvinte, media abaterii de la medie este nulă şi nu poate fi aleasă ca indica-
tor numeric al împrăştierii faţă de medie.
 Dispersia variabilei aleatoare:

(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)

se exprimă în unităţile variabilei respectiv în procente şi reprezintă, în modul cel

mai avantajos, indicatorul numeric menţionat. Se observă că:

(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)

şi se observă că dacă variabilele aleatoare şi sunt

statistic independente.
Un sistem constituit din subsisteme identice, care se manifestă statistic

independente, are o proprietate determinată de variabila aleatoare aditivă:

şi sunt variabile aleatoare independente. Pentru aceasta se demon-

strează că Astfel:

608
 independente şi
Ca urmare:

de unde:

(B5.12)

şi dacă este un număr foarte mare:

(B5.13)

B6. Variabila aleatoare cu spectrul continuu

De mare interes este variabila aleatoare cu spectru continuu sau

În cazul acestei variabile nu prezintă interes probabilitatea ca variabila să ia o

valoare determinată, deoarece frecvenţa relativă a evenimentului deşi
evenimentul nu este imposibil. În schimb are sens probabilitatea continuă ca varia-
bila aleatoare să ia valori într-un interval oricât de mic.
Considerăm variabila aleatoare şi valorile ei reprezintă puncte pe
semiaxa pozitivă. Probabilitatea continuă se defineşte tot experimental şi pentru
aceasta fie finit şi oricât de mare, numărul valorilor variabilei aleatoare, care
sunt incompatibile. Împărţim semiaxa în intervale de lungime oricât de mică şi
numărul de valori se distribuie astfel: valori valori
şi în general etc. Deoarece frecvenţele

relative coincid practic cu probabilităţile valorilor variabilei:

Se construieşte histograma variabilei aleatoare reprezentată în figura B6.1a,

astfel încât ariile figurilor plane, dintre care câteva au fost haşurate, să fie egale
respectiv cu şi suma lor să fie egală cu unitatea (condiţia
de normare). Histograma determină probabilităţile ca variabila să ia valori în

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)

se numeşte probabilitatea continuă ca variabila aleatoare să ia valori în interva-

lul cuprins între şi şi este determinată de funcţia numită densitate
de probabilitate sau funcţie de distribuţie a variabilei aleatoare Deoarece valo-
rile variabilei sunt distribuite continuu pe axă, probabilitatea oricărei valori din
intervalul este aceeaşi şi, în virtutea proprietăţii de adunare a probabilităţilor
evenimentelor incompatibile, probabilitatea este proporţională cu şi
arată că nu trebuie pusă problema determinării probabilităţii
unei valori exacte.

a) b)
Figura B6.1.

Proprietatea de adunare a probabilităţilor permite calculul probabilităţii ca

variabila să ia oricare valoare din intervalul finit

(B6.3)

şi condiţia de normare se scrie sub forma:

(B6.4)

Din punct de vedere geometric, probabilitatea are semnificaţie de arie

a figurii plane haşurate în figura B 6.1b, iar condiţia de normare arată că aria figurii
plane de sub curbă este egală cu unitatea.

610
 Distribuţia variabilei aleatoare cu spectrul continuu, se reprezintă prin tabloul:

(B6.5)

cu satisfacerea condiţiei (B6.4) şi, cu ajutorul ei, se calculează:

– media statistică a variabilei şi a funcţiei

(B6.6)

respectiv

(B6.7)

– fluctuaţia absolută şi relativă:

(B6.8)

respectiv

(B6.9)

iar integralele se calculează dacă se cunoaşte funcţia de distribuţie

În cazul experienţelor complexe, câmpului de evenimente i se asociază un set
de variabile aleatoare cu spectrul continuu şi rezultatele precedente se generalizează.
 Set de două variabile aleatoare. Considerăm experienţa de tragere la o
ţintă plană şi lovirea
unui punct al
acesteia, determinat de
coordonatele
faţă de un sistem
cartezian plan de
referinţă, i se asociază
două variabile
aleatoare care coincid
cu coordonatele Figura B6.2.
menţionate: şi În figura B6.2 se prezintă un panou ale cărui
puncte constituie un câmp continuu de evenimente aleatoare. Şi în acest caz, are
sens problema determinării probabilităţii ca să fie lovită aria elementară
Dacă şi sunt numerele de puncte de pe panou respectiv de pe
aria atunci frecvenţa relativă a evenimentului ca simultan să ia valori în

611
şi să ia valori în coincide cu probabilitatea evenimentului care este
proporţională cu aria

(B6.10)

determinată de funcţia de distribuţie şi satisface condiţia de normare:

(B6.11)

Pentru setul de variabile prezintă interes distribuţiile:

şi (B6.12)

Similar cu relaţiile (B3.8-9), în virtutea proprietăţii de adunare a probabilită-

ţilor, se stabilesc relaţii pentru:
– probabilitatea ca să ia valori în şi să ia oricare valoare din
domeniul său de definiţie:

(B6.13)

– probabilitatea ca să ia valori în şi să ia oricare valoare din

domeniul său de definiţie:

(B6.14)

Dacă variabilele şi sunt independente, în virtutea proprietăţii de înmulţire

a probabilităţilor, se obţine:

(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)

– parametrul de corelaţie pentru funcţiile şi

(B6.21)

Dacă:
(B6.22)

funcţiile şi sunt statistic independente.

 Set de trei variabile aleatoare. De data aceasta putem avea în vedere, de
exemplu, experienţa de tragere la o ţintă cu volumul reprezentată în figura B6.3
şi lovirea unui punct
din interior este un
eveniment aleator
complex căruia i se
asociază un set de trei
variabile aleatoare cu
spectrul continuu,
coordonatele punctului
P,
Figura B6.3.

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)

Probabilitatea este determinată de funcţia de distribuţie a setului de variabile

şi satisface condiţia de normare:

(B6.24)

Probabilitatea fiecărui eveniment elementar şi funcţia de distribuţie corespun-

zătoare se calculează ca în cazul setului de două variabile (vezi (B6.13–14)):

(B6.25)

(B6.26)

(B6.27)

În cazul evenimentelor aleatoare independente (variabilele indepen-

dente) avem:

(B6.28)
Cunoscând distribuţia:

(B6.29)

se calculează:
– media statistică:

(B6.30)

– fluctuaţia:

614
 (B6.31)

– parametrul de corelaţie:

(B6.32)

 Set de 2n variabile aleatoare se asociază, în cazul general, unui eveniment

compus. Pentru simplificare, notăm variabilele:

(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)

Evenimentul aleator se reprezintă printr-un punct, în sistemul de referinţă

cartezian 2n-dimensional, de coordonate iar câmpul de evenimente se
reprezintă prin puncte situate în domeniul
Considerăm elementul de volum:

(B6.35)

şi volumul domeniului, notat tot cu se calculează:

(B6.36)

Pentru domeniul cuprins între hipersuprafeţele corespunzătoare valorilor

parametrului şi reprezentat în figura B6.5, volumul se exprimă:

615
 (B6.37)

Frecvenţa evenimentului ca variabilele aleatoare să ia valori simultan res-

pectiv în intervalele se identifică cu probabilitatea

Figura B6.5.
care este proporţională cu elementul de volum

  (B6.38)

Probabilitatea este determinată de funcţia de distribuţie a setului de

variabile şi satisface condiţia de normare:

(B6.39)
Cunoscând distribuţia:

(B6.40)

ca în cazurile particulare precedente, se calculează:

– media statistică:

(B6.41)

– fluctuaţia:

(B6.42)

– parametrul de corelaţie:

616
 (B6.43)

B7. Tipuri de distribuţii statistice

Analiza statistică a fenomenelor macroscopice, de natură diferită, a pus în
evidenţă tipuri de scheme probabilistice şi distribuţiile statistice corespunzătoare,
care reprezintă legile fenomenelor. Pentru înţelegerea teoriei cinetico-moleculare,
prezentăm câteva distribuţii statistice de interes.
 Distribuţia binomială. Considerăm experienţa care poate avea ca rezultat
unul din evenimentele din şirul (B1.1). Alegem evenimentul care se reali-
zează cu probabilitatea şi grupăm celelalte evenimente în evenimentul compus
contrar lui cu probabilitatea Am redus experienţa simplă cu m
cazuri posibile la o experienţă cu două cazuri posibile, cum ar fi aruncarea
monedei, pe care ne propunem s-o examinăm.
Notăm cu 1 şi 2 evenimentele independente care constau în apariţia unei feţe
vizibile (în sus) respectiv a celeilalte feţe şi cu respectiv probabilităţile lor:

Formularea statistică a problemei necesită realizarea unui câmp de eveni-

mente: se aruncă aceeaşi monedă de ori, în condiţii identice (colectiv de
tip temporar), sau echivalent, se aruncă un set de monede identice (colectiv
de tip spaţial) urmărind acelaşi eveniment, de exemplu 1, determinând
probabilităţile şi
O experienţă complexă poate fi aruncarea unui set de N monede identice,
care are cazuri posibile. Câmpul de evenimente se realizează
repetând experienţa, în condiţii identice, de ori obţinând tot atâtea configuraţii
reprezentate în figura B7.1.

Figura B7.1.

Notăm cu şi variabilele aleatoare asociate evenimentelor 1 respectiv 2. De n

ori se realizează evenimentul 1 şi de ori se realizează evenimentul 2 în fiecare
configuraţie:
Interesează evenimentul care constă în realizarea simultană de n ori a eveni-
mentului 1 şi de ori a evenimentului 2, în cazul aruncării a N monezi. Probabili-

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)

Notăm cu numărul de configuraţii distincte şi, în virtutea proprietăţii de

adunare a probabilităţilor evenimentelor incompatibile, probabilitatea evenimetului
menţionat mai înainte se exprimă:
(B7.2)
Deoarece este vorba de o singură variabilă aleatoare şi se poate scrie:

(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:

de unde rezultă că se calculează ca fiind combinaţii de obiecte luate câte n:

(B7.4)

iar (B7.3) devine:

(B7.5)

şi exprimă probabilitatea distribuţiei binomiale.

Polinomul:

(B7.6)

se numeşte funcţie generatoare a probabilităţii şi permite să se pună în

evidenţă, prin calcule simple, unele proprietăţi ale acesteia.
Astfel, derivatele de ordinul întâi şi doi ale polinomului, în raport cu
parametrul t, au expresiile:

618
 (B7.7)

(B7.8)

Pentru şi ţinând seama că (B7.6–8) duc la:

(B7.9)

(B7.10)

(B7.11)

care exprimă respectiv condiţia de normare pentru şi mediile statistice ale

variabilelor aleatore n şi Din (B7.11), rezultă:

şi fluctuaţia se exprimă:

(B7.12)

Pentru numere mari se poate considera că este o funcţie continuă

(netedă) de variabila n şi dependenţa de această variabilă este dată, în principal, de
funcţia De exemplu, în cazul experienţei de aruncare a monedei,
şi (B7.5) devine:

(B7.13)

Funcţia are unele proprietăţi care se verifică imediat:

(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:

de unde, notând cu valoarea variabilei pentru care îşi atinge valoarea

maximă, rezultă:

(B7.17)

În particular, pentru (B7.13), se obţine:

(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)

reprezentând distribuţia Poisson, cu parametrul În acest caz, parametrii (B7.10),

(B7.12) şi (B7.17), trec respectiv în:

(B7.20)

 Distribuţia normală (Gauss) se obţine de asemenea din distribuţia bino-

mială, în condiţii care urmează să fie precizate.
Graficul funcţiei prezentat în figura B7.2, arată că pentru mare,
aceasta este continuă şi are valori semnificative pentru valori ale variabilei din
vecinătatea mediei Ca urmare, deoarece este valabilă dezvoltarea
în serie Taylor:

şi ţinând seama de:

(condiţie necesară de maxim)

rezultă:

Neglijând termenii dezvoltării, cu la puteri superioare, se obţine:

(B7.21)

Factorul se determină din condiţia de normare:

(B7.22)

621
unde: şi am ţinut seama de (A 8.17). Introducând (B7.22) în

(B7.21) se stabileşte relaţia:

(B7.23)

reprezentând funcţia de distribuţie normală (Gauss) pentru variabila n.

În general, se spune că variabila aleatoare cu spectrul continuu urmează
legea normală de distribuţie (Gauss) cu parametrii şi dacă probabilitatea:
(B7.24)
este determinată de funcţia de distribuţie:

(B7.25)

O serie de proprietăţi importante ale funcţiei şi semnificaţia parametrilor

şi se determină dacă ţinem seama de unele rezultate din A 8.
– Funcţia este simetrică faţă de dreapta

(B7.26)

– Condiţia de normare este satisfăcută:

(B7.27)

unde am făcut schimbarea de variabilă: şi am ţinut seama de (A8.16).

– Media statistică a variabilei

(B7.28)

unde am ţinut seama de (A8.16) şi (A8.20).

– Fluctuaţia absolută:

622
 (B7.29)

unde am ţinut seama de (A8.12) pentru şi Se observă că parametrii

şi au semnificaţie de medie statistică respectiv abatere pătratică medie

– Funcţia îşi atinge maximul la şi are două puncte de

inflexiune:
(B7.30)

(B7.31)

În punctul de maxim, funcţia are valoarea:

(B7.32)

– Reprezentarea grafică a funcţiei se prezintă în figura B7.3 şi se

observă că, independent de valorile parametrilor şi curba are forma
clopotului lui Gauss. Parametrii şi determină poziţia axei de simetrie
(fig. B7.3a) respectiv gradul de turtire a curbei (fig. B7.3b); lărgimea curbei este
dată de

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)

reprezentând, geometric, aria suprafeţei haşurate din figura B 7.4.

 Distribuţia polinomială se referă la experienţa cu m cazuri posibile, de la
care am pornit.
Notăm cu probabilităţile evenimentelor independente într-o
singură experienţă. Interesează probabilitatea ca, repetând de ori experienţa, să
se realizeze de ori evenimentul şi de ori evenimentul şi de ori
evenimentul

(B7.36)

numită probabilitatea distribuţiei polinomiale:

624
 (B7.37)

Mărimea:

(B7.38)

se calculează cu formula permutărilor cu repetiţie şi determină, în principal,

dependenţa funcţiei de variabilele respective. În particular, dacă

rezultă:

(B7.39)

625