Observatie Evident, afirmatiile teoremei, prin comutativitate, ramén valabile sin cazul in care: °®) <| 19 o(f) 12 Definitie Fiind dati 0 variabili aleatoare f, se numeste coeficient de asimetrie a repartitiei lui f: Mf) n= ot) Definitie Fiind data o variabilé aleatoare f, se numeste coeficient de aplatizare a repartitiei lui f: Mf no O ~ of (£) Teorema Fiind data o variabilé aleatoare f si o constanté ceR, au loc urmatoarele afirmatii: D weN=lel ys 2 nlerH=n (0; 3) nich); 4) n(ct+=n(f). Demonstratie. Exercitiu! Observatie Considerand o variabila aleatoare simpla: fe(h Me PL Pr Ps = Pa rezulta:Daca evenimentele Aj={f=x;}, i=1,n sunt egal probabile, avem: ! de unde: n valorile abaterii lui f, rezulta: Su'<0, Dacd I={i=in |u;<0}, Js j=1n|u>0} avem: Yui+Yus<0 sau: Yui <>(-u). Tinand seama de faptul ci |ujl=u; si lujl=u; putem deci serie: Yu] < Du. Prin urmare, in cazul in care yy(f)<0 rezulti ci suma fl a cuburilor abaterilor pozitive fata de medie ale variabilei aleatoare este mai mici decat suma cuburilor abaterilor absolute negative fata de medie. Acest lucru n u inseamna altceva decat faptul ca distributia lui f are abateri mai mari la stanga mediei x decat la dreapta acesteia. Prin urmare, valorile variabilei vor fi mai apropiate fata de medie la dreapta acesteia decat cele de la stanga ei. Daca ¥,(f)>0, rationamentul este analog, concluzia fiind ca valorile variabilei vor fi mai apropiate 52fati de medie la stinga decat cele de la dreapta. Densitatea de repartitie (in cazul variabilelor continue) este de forma celor din figurile 5 si 6. y n>0 Fig.6 Analog, ¥(f) reprezinté tendinta de “nivelare” a graficului i de repartitie si anume cu cat y3(f) este mai mic cu atat graficul este mai apropiat de axa Ox. Definitie Fie f,g variabile aleatoare in raport cu acelasi camp K. Valoarea medie a produsului abaterilor lor se noteazi Cy=Cov(f,g)=M(uv) si se numeste corelatia (sau covarianja) variabilelor f si g. Teorema Fie f,g variabile aleatoare in raport cu acelasi camp K. Atunci: 53Demonstratie. Avem C;=M(uv)=M((f-M()(g-M(g)))=M(fe-fM(2)- M(f)g+M(f)M(g))=M(fg)-M(f)M(g)-M()M(g)+M(M(g)= — M(fg)- M(f)M(g).# Observatie Din definifie, rezult& ci Cig=Cye. De asemenea, Cx=M(f°)-M(f)= Di). Corolar Fie f,g variabile aleatoare in raport cu acelasi camp K. Atunci: D(f+g)=D(f)+D(g)+2Cip Demonstratie. Exercitiu! # Corolar Fie f),...fy variabile aleatoare in raport cu acelasi camp K gi 0b,...,0m€ R. Atunci: D(oufy+..+ cif, )= NODE) +2 a,04,C,, ijet / Demonstratie. Exercitiu! Teorema Fie f o variabilé aleatoare in raport cu un camp K si ceR. Atunci: CuO Demonstratie. Exercifiu! # Teorema Fie fy,.fais-08m Variabile aleatoare in raport cu acelasi cimp K $i Otj..0,0g Bj, Bm€R. Notand f= si g=¥B,g, avem: a Demonstratie. Exercifiu! Definitie Fie f,g variabile aleatoare in raport cu acelasi camp K. Daca Cj=0 vom spune ca f si g sunt variabile necorelate in caz contrar numindu-se variabile corelate. 54Teorema Fie f.g variabile aleatoare in raport cu acelasi camp K. Daca f si g sunt independente atunci ele sunt necorelate. Demonstratie. Daca f si g sunt independente, atunci, din teorema, rezulta ci M(fg)=M(f)M(g) de unde Cy.=0. ¢ Corolar Fie fj,...f) variabile aleatoare independente in raport cu acelasi camp K. Atunci: D(f,+..#f,)=ED(f) Demonstratie. Exercitiu! # Definitie Fie f,g variabile aleatoare in raport cu acelasi camp K. Numim coeficientul de corelatie al variabilelor f $i g numarul: ac Pe oifo(e) daca 6(f),6(g)40. Teorema Coeficientul de corelatie are urmatoarele proprietiti: } pye FU 2) Pia=Pes 3) Paree| “ Py, dact ory > 0; Pj, daci ay <0 4) Pree {-1,1 }=5a,b,ce R astfel incat af+bgte: 5) Daca 3a,b,ce R astfel incat a,b#0 si aftbg+ pre {-1,1}. oe ae x, (3) . Demonstratie. Fie f si g cu distributiile e( ) sige 4 | si rar i Jiptoam ry=P(f=x,,g=y,) Visl,....n Vj=l,....m. SA considerim de asemenea u=f- M(f) si v=g-M(g) abaterile celor doua variabile aleatoare. 1) Fie ae R. Avem M((au+v))20 Voe R. Avem deci: M(oru+2auv+v?)20=>0°M(u’)+20M(uv)+M(v)20 Vae R. Discriminantul ecuatiei atasate trebuind sa fie mai mic sau egal cu 0 implic’ A=M(uv)’-M(w’)M(v*)s0=>C,,-6(f)°o(g)’S0 sau altfel: 55< (ata) I de unde pig [-1,1]. Ce Cos 2) py, =——#& = O(f)o(g) o(g)o(f) ic 3) Patepamss= crs. = ) Paarap.aes3 (af +B)a(ye +5) M((af +B)(yg +))—M(af +B)M(yg +8) _ ola o(yg) M (aayig + of + Bye +B3)—(M (out )+M(B))(M(ye)+M(8))_ loo ore) M (orf) +M (ct) + M (Bye) +™M(B3)- (aM (t)+B)(YM(z)+8)_ lorfot ore) (oe/M( fg) + M(f) + ByM(g) +B3—ceyM(F) Mg) —o5M(F) -ByM( 2) —B5_ |enforfyorg) cxyM (fz) — cry (f)M(g) _oey(M(f)-M(f)M(z)) _ oi loot org) loort org) ~ |o| Pa P,, daca ay > 0; —P;, dacd ay <0 Miuv) 4) Dack pys{-Il}oA=0 deci o=—Jioay dack M@w’?)#0. Cum u pentru a, astfel aflat, avem M((ou+tv))=0>0u+v=0 adici a(f-M(f)+g-M(g)=0->cf+e-[aM(f}+M(g)|=0. Notand aa b=1, c=[OM()+M(g)] rezult afirmatia, Daca M(u”)=0 aa atunci u=0 deci fM(f)=0, iar afirmatia rezulté pentru a=1, b=0, c= M@). 5) Daci JabceR astfel incat ab¥0 si aftbgtc=0 atunci: bate be © vem M(p=-2 Mog) iar D(N)=| ( y Dig> a a a a fe- 56ott)=2 ol). Dar eae ane 1 2 b - Mig)-2 mie? Me Smee” M(y'+ ©M(g)=-D(g) de 20 a a a b —_D(g) unde pjy=——* + oleae) Observatie Din teorema reiese faptul ci marimea coeficientului de corelatie indica natura relatiei liniare dintre cele doua variabile aleatoare. Astfel Pig=1 implic& existenta unei relatii liniare directe: f=o.g+B sau g=af+B cu 0>0, iar pj=-1 implicd existenfa unci relatii liniare inverse: feag+B sau g=af+B cu a<0. Daci py=0 atunci C= deci variabilele sunt necorelate. Cum variabilele independente sunt necorelate, rezulta c&, in acest caz (Py=0) se poate pune problema analizei (prin alte mijloace) a posibilei independente a celor doud variabile. Considerand un vector aleator V=(fj,....f,) se defineste matricea de covarianta (sau matricea de ml a acestuia: Z=(M((,-MG)E,-ME)))=(Ces)) Deoarece C,,=C,, Vii=ln, iar C, opt) Visl,n rezulti c& matricea E este simetrica si are forma detaliata: DE) Cy, Cry Cin Di) Cry, ii, Ci, oo» DE) Daca determinantul det 40 se spune ci repartitia vectorului aleator V este nedegenerata. Analog, matricea de corelatie a lui V se defineste prin: Coy, s7LPs Pr, I Par, Pre om I obfinuta din matricea de covariant prin impartirea fiecdrei linii i la dispersia D(f). Definitie Fie o variabila aleatoare f si F functia sa de repartitie. Numim functie caracteristicd a variabilei aleatoare f aplicatia: @RC, gW= | cos vx FCO) +i f sin vx dEOO) Observatie Daca f este continua si admite densitatea de repartitie p atunci: (= | cos tx plx) dx +i f sin tx p(x) dx y, Daca f este variabild aleatoare discreta cu distributia ( ) Py ier avem: (=> pe =)'p, costv, +i p, sinty, Dac f este variabild aleatoare simpli cu distributia (") Paha a avem: Sp, costv, +i} p, sin ty, a a Teorema Fie o variabila aleatoare f ce admite momentele M,(f), k=1.....n. Atunci functia caracteristica @ a lui f este derivabila de ordinul n si are loc relatia: 0 Mo=" = ) Demonstratie. Avem 9(t)=> pe" 9 (D=Dpive™ 2g" W= 58Spivie™ de unde, prin inductie, rezulta:g(}= Epi'vie™. ca) Avem deci (0) Eni v" de unde =Epw vt =M,(f).@ Observatie Cu ajutorul functiei caracteristice, avem: M(f)=M (f)= oO) i iar D(Q=M(P)-MO=MaH-M\= ~ -(20) -oF-9' O ultima problema care va fi tratata in acest paragraf este urmatoarea: Atunci cand se efectueaza un experiment E de un numar n de ori si se obtine ca el se realizeaza de n, ori, frecventa de aparitie a acestuia este f=. n Pe de alta parte, probabilitatea de aparitie a lui E este p. Se pune problema dacd atunci cind “n” creste, frecventa tinde catre probabilitate. Raspunsul este afirmativ si dat de urmatoarea: Teorema (Legea numerelor mari a lui Bernoulli) Fie 0 experien{a si un eveniment E cu probabilitatea p. Daca realizim experienta de n ori, iar evvenimentul E are loc de n; ori atunci Ve>0: (| a -ofee)21- 2 n 4ne? Demonstratie. Exercifiu! a. Determinarea indicatorilor statistici fundamentali in functie de valori interpolate Este cunoscut faptul ci una din metodele de prognoza a datelor este cea a interpolarii. Ne punem problema calcularii indicatorilor statistici fundamentali: media si dispersia in functie de datele existente la un moment dat, in situatia in care acestea se “imbogiitesc” cu o noua valoare obfinuta prin interpolare. Vom considera doua serii de date, prima echidistanta cu o aloare h>0. 59Fie deci, doua gsiruri de valori T=(to,t),...ti1) si X=(X0,X1,.. X,1) unde t,=t+kh, k=0,n—1, h>0. Considerand momentul de “timp” t,=t+nh, valoarea interpolata prin polinomul Lagrange este: wl at ra TIa, -t) [] (+ nh-t- jh) h''T](n-j) at bo at BO ri Fi fla,-0) |) ffarin-r—jn) i i ia Bi fl@-p Te-d — gE en e! (n-i) nt ny Cp @-pr at zap Avem acum mediile: Sx, * MX== n dx, Ux +x, Vt VNC x, ° M(x)=5 a oS _ n+l n+l n+l Sf1+cp™c, ]x, iso. unde X*=(X9,X...5Xn)- n4l Obtinem deci: 60