Documente Academic
Documente Profesional
Documente Cultură
Teoria Probabilit A Tilor Si Statistic A Matematic A: B Arb Acioru Iuliana Carmen
Teoria Probabilit A Tilor Si Statistic A Matematic A: B Arb Acioru Iuliana Carmen
Teoria Probabilit A Tilor Si Statistic A Matematic A: B Arb Acioru Iuliana Carmen
matematica¼
B¼
arb¼
acioru Iuliana Carmen
CURSUL 4
Cursul 4
2
Cuprins
Index 13
3
Cursul 4
4
Capitolul 1
Introducere în teoria
probabilit¼
aţilor
5
Cursul 4
unde m = M (X):
Avem deci:
iar dac¼
a înlocuim m = M (X) obţinem relaţia:
6
Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a
1.1.1 Propriet¼
aţile dispersiei
Propoziţia 1.1.3 Dispersia unei constante a este egal¼a cu 0:
D2 (a) = 0 (1.5)
D2 (a) = M (a M (a))2
D2 (a X) = a2 D2 (X) (1.6)
D2 (X + Y ) = D2 (X) + D2 (Y ) (1.7)
7
Cursul 4
D2 (X + Y ) = M ((X + Y )2 ) [M (X + Y )]2
Dac¼
a desfacem parantezele şi folosim propoziţiile 1.3.1 şi 1.3.2 din cursul 3 avem:
Corolarul 1.1.7 Dispersia sumei dintre o constant¼a şi o variabil¼a aleatoare este
egal¼a cu dispersia variabilei aleatoare:
D2 (a + X) = D2 (X) (1.8)
8
Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a
Demonstraţie: Am v¼ azut c¼
a o variabil¼
a aleatoare discret¼a X(n;p) urmeaz¼
ao
lege de repartiţie binomial¼
a dac¼
a are forma (vezi cursul 3):
!
0 1 :::k::: n
B (n; p) :
q n p q n 1 :::{kn pk q n k ::: pn
M (B (n; p)) = n p
dar
n
X
M ((B (n; p))2 ) = k 2 {kn pk q n k
k=1
Deducem:
n
X
npx(px + q)n 1
= k{kn pk xk 1 n k
q ;
k=1
de unde, prin derivarea ambilor membrii şi luând apoi x = 1, obţinem:
n
X
k 2 {kn pk q n k
= np + n(n 1)p2 ;
k=0
prin urmare,
M ((B (n; p))2 ) = np + n(n 1)p2
şi deci:
D2 (B (n; p)) = np + n(n 1)p2 n2 p2 = n p q:
Observaţia 1.1.9 Demonstraţia acestei teoreme se mai poate face plecând şi de
la observaţia 1.1.2 şi demonstraţia teoremei 1.3.4 din cursul 3. Acolo am v¼azut
c¼a putem scrie c¼a B (n; p) = X1 + X2 + ::: + Xn ; unde X1 reprezint¼a num¼arul
de apariţii al evenimentului A în primul experiment, X2 reprezint¼a num¼arul
de apariţii al evenimentului A în cel de-al doilea experiment,..., Xn reprezint¼a
num¼arul de apariţii al evenimentului A în experimentul n. X1 ; X2 ; :::; Xn sunt
9
Cursul 4
Deci dac¼
a o vom nota cu ; abaterea medie p¼
atratic¼
a a unei variabile aleatoare
X va … egal¼
a cu: p
= D2 (X) (1.10)
Conform corolarului (1.1.6) abaterea medie p¼ atratic¼
a a unei sume de variabile
aleatoare independente este egal¼a cu r¼
ad¼
acina p¼atrat¼
a din suma p¼ atratelor abaterilor
medii p¼
atratice ale variabilelor aleatoare:
p
(X1 + X2 + ::: + Xn ) = D2 (X1 + X2 + ::: + Xn )
p
= D2 (X1 ) + D2 (X2 ) + ::: + D2 (Xn )
p
= 2 (X ) + 2 (X ) + ::: + 2 (X )
1 2 n
10
Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a
11
Cursul 4
2. Momente centrate.
k = M Xk (1.16)
Observ¼
am c¼
a:
1 = M (X) (1.17)
2
2 = M X (1.18)
D2 (X) = 2
2
4 (1.19)
Pentru k = 1; 2 avem:
1 = M [X M (X)] = 0 (1.20)
2 2
2 = M (X M (X)) = D (X): (1.21)
Dac¼
a distribuţia variabilei aleatoare este simetric¼
a avem
2k+1 = 0; 8k:
12
Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a
Exemplul 1.4.3 S¼a se calculeze momentele iniţiale şi centrate de ordinul 3 ale
variabilei aleatoare discrete X cu legea de probabilitate:
!
0 1 2 3
X: (1.25)
1=8 3=8 3=8 1=8
Soluţie:
1 3 3 1 3
M (X) = 0 + 1 + 2 + 3 = :
8 8 8 8 2
1 3 3 1 27
3 = M X3 = 03 + 13 + 23 + 33 = :
8 8 8 8 4
3
27 3 27
3 = M X3 [M (X)]3 = = :
4 2 8
13
Index
Abaterea
medie patratica, 10
Dispersia
unei variabile aleatoare
continue, 6
Momente
ale unei variabile aleatoare, 12
centrate de ordinul k, 12
initiale de ordinul k, 12
14