CATEGORII DOCUMENTE |
Astronomie | Biofizica | Biologie | Botanica | Carti | Chimie | Copii |
Educatie civica | Fabule ghicitori | Fizica | Gramatica | Joc | Literatura romana | Logica |
Matematica | Poezii | Psihologie psihiatrie | Sociologie |
Variabile aleatoare
Pana acum, in studiul campului de evenimente atasat unui experiment, ne-am ocupat in special, de aparitia sau neaparitia evenimentelor, asadar de latura calitativa a experimentului.
Pentru studiul matematic al fenomenelor aleatoare, este necesar ca descrierea acestora sa aiba expresii cantitative, care sa poata fi tratate din punct de vedere matematic. Aceasta expresie cantitativa a fenomenului aleator este data de variabila aleatoare.
Definitia 3.1. Fie campul de probabilitate . Numim variabla aleatoare de tip discret o aplicatie , care satisface urmatoarele conditii:
Observatia 3.2 Daca avem ca , atunci conditia (ii) este automat indeplinita.
Observatia 3.3 Se poate arata ca:
este variabila aleatoare de tip discret si poarta numele de indicatoarea evenimentului A.
Observatia 3.4 Daca o variabila aleatoare de tip discret ia un numar finit de valori, vom spune ca este o variabila aleatoare simpla.
Definitia 3.5. Numim distributia sau repartitia variabilei aleatoare X de tip discret, tabloul
unde xiR, , sunt valori pe care le ia vriabila aleatoare X, iar pi este probabilitatea cu care variabila aleatoare X ia valoarea xi, adica pentru fiecare .
Observatia 3.6 Deoarece evenimentele , , formeaza un sistem complet de evenimente, avem ca .
Observatia 3.7 In teoria probabilitatilor si in aplicatiile acesteia, se intalnesc clase de variabile aleatoare de tip discret. Forma cea mai generala a unei variabile aleatoare apartinand unei clase se numeste lege de probabilitate de tip discret.
Definitia 3.8 Spunem ca variabila aleatoare X de tip discret urmeaza legea binomiala, daca are distributia
, unde , iar .
Observatia 3.9 Probabilitatile , ce intervin in distributia lui X, sunt cele de la schema lui Berboulli cu bila intoarsa (binomiala).
Definitia 3.10. Spunem ca variabila alatoare X de tip discret urmeaza legea hipergeometrica, daca are distributia
, unde , iar .
Observatia 3.11. Probabilitatile , din distributia lui X, sunt cele de la schema lui Bernoulli cu bila neintoarsa.
Observatia 3.12 Daca se noteaza si , iar , atunci , adica se obtine distributia binomiala.
Definitia 3.13. Spunem ca variabila aleatoare X de tip discret urmeaza legea lui Poisson, daca are distributia
, unde iar
Teorema 3.14.(Poisson). Daca variabila aleatoare X urmeaza legea binomiala, adica are distributia
, unde ,
si daca , astfel incat , atunci pentru urmeaza legea lui Poisson, adica
Demonstratie.
Scriem succesiv, avand in veder ca si , urmatoarele relatii
.
Daca retinem extremitatile acestui sir de egalitati, se obtine afirmatia din teorema.
Observatia 3.15 Deoarece , rezulta ca pentru n mare, probabilitatea pn este mica. Prin urmare, probabilitatea de aparitie a evenimentului, caruia i se ataseaza, fiind mica, legea lui Poisson se mai numeste si legea evenimentelor rare.
Defintia 3.16 Spunem ca variabla aleatoare X de tip discret urmeaza legea lui Pascal, daca are distributia
cu
iar si q=1- p.
Observatia 3.17 Probabilitatile din distributia lui X sunt cele de la schema lui Pascal.
Observatia 3.18. In cazul particular n = 1, vom spune ca variabila aleatoare X urmeaza legea geometrica.
Definitia 3.19 Fie campul de probabilitate . Spunem ca este vector aleator bidimansional de tip discret, daca aplicatia R2, satisface conditiile
(i) are o multime cel mult numarabila de valori,
(ii) pentru orice R2, avem ca
Definitia 3.20 Numim distributia sau repartitia vectorului aleator de tip discret, tabloul bidimensional
unde sunt valorile pe care le ia vectorul aleator , iar pij sunt probabilitatile cu care sunt luate aceste valori, adica putem scrie .
Definitia 3.21 Spunem ca variabilele aleatoare X si Y care au respectiv distributiile
si
sunt independente, daca pentru orice adica
Definitia 3.22 Fie variabilele aleatoare X si Y care au respectiv distributiile
si
atunci variabilele aleatoare suma, X+Y, produs XY, si respectiv cat, (daca ), vor avea distributiile
,
unde
Observatia 3.23. Daca variabilele aleatoare X si Y sunt independente, atunci pentru orice .
Observatia 3.24. Urmatoarele relatii au loc
respectiv
Exemplul 3.25 Doua masini produc piese de acelasi tip, iar probabilitatea ca o piesa produsa de fiecare din cele doua masini sa fie defecta este , iar probabilitatea ca sa nu fie defecta este . Daca prima masina a produs m piese, iar a doua masina a produs n piese, fie X numarul pieselor defecte produse de prima masina si respectiv Y numarul pieselor defecte produse de a doua masina. Variabilele aleatoare X si Y sunt independente si urmeaza fiecare legea binomiala, respectiv cu distributiile
Numarul total al pieselor defecte produse de cele doua masini va fi dat prin variabila aleatoare suma, X+Y, care are distributia
Avand in vedere ca variabilele aleatoare X si Y sunt independente, probabilitatile din distributia variabilei aleatoare X+Y se calculeaza dupa cum urmeaza
Se stie ca prin urmare pentru fiecare S-a obtinut astfel ca numarul pieselor defecte produse de cele doua masini impreuna este o variabila aleatoare ce urmeaza tot legea binomiala.
Definitia 3.26 Fie campul de probabilitate Numim variabila aleatoare, aplicatia R, daca satisface conditia ca pentru orice R avem
Definitia 3.27. Fie campul de probabilitate Spunem ca este vector aleator bidimensional, daca este o aplicatie R2, care satisface conditia ca orice R2 sa avem
Observatia 3.28 Daca X si Y sunt variabile aleatoare, atunci si sunt variabile aleatoare.
Definitia 3.29. Numim functie de repartitie atasata variabilei aleatoare X, functia
definita prin pentru orice
Observatia 3.30. Daca variabila aleatoare X este de tp discret, deci are distributia atunci functia de repartitie este data prin formula
Aici notatia prescurtata a sumei indica faptul ca pentru un dat, se aduna toate probabilitatile ce corespund valorilor lui X, care verifica conditia
Proprietatea 3.31 Fie X o variabila aleatoare si F functia de repartitie corespunzatoare, atunci urmatoarele afirmatii sunt adevarate:
(1) pentru orice , avem ca
(2) pentru orice a, bR, a<b, avem ca
(3) pentru orice
(functia F este descrescatoare),
(4)
(5) pentru orice , avem ca
(functia F este continua la stanga).
Demonstratie. (1) Deoarece valorile functiei de repartitie sunt niste probabilitati, avem aceasta afirmatie, deci
(2) Se scrie succesiv
Deoarece avem in continuare ca
Pentru a doua relatie se are in vedre ca
deci
In mod analog, se arata si celelalte doua relatii de la acest punct.
(3) Folosind prima formula de la punctul precedent, avem relatiile
de unde
(4) Formal avem ca respectiv
(5) Un ratioanament analog cu cel de la punctul precedent ne conduce la faptul ca functia F este continua la stanga.
Observatia 3.32 Functia de repartitie F a unei variabile aleatoare X de tip discret, care are distributia este, conform Observatiei 3.30., o functie in scara, avand punctele puncte de discontinuitate, iar marimile salturilor in aceste puncte de discontinuitate sunt respectiv probabilitatile
Exemplul 3.33 Variabila aleatoare X cu distributia urmatoare are functia de repartitie
care are graficul in fig. 3.1.
Definitia 3.34. Numim functie de repartitie atasata vectorului aleator bidimensional functia
0 1 2 3 x
fig.3.1.
Observatia 3.35 Proprietatile de la functia de repartitie pentru o variabila aleatoare le regasim si la functia de repartitie a unui vector aleator bidimansional, anume
(1) pentru orice R2, avem ca
(2) pentru orice a < b, avem ca
(3) functia este nedescrescatoare in raport cu fiecare argumant,
(4)
(5) functia este continua la stanga in raport cu fiecare argumant.
Observatia 3.36. Daca vactorul aleator bidimensional are functia de repartitie F, iar variabilele aleatoare componente X si Y au respectiv functiile de repartitie si , atunci avem ca
Definitia 3.37. Fie variabila aleatoare X avand functia de repartitie F. Vom spune ca X este variabila aleatoare de tip continuu, daca functia de repartitie F se poate reprezenta sub forma
functia numindu-se densitate de probabilitate a variabilei aleatoare X.
Propozitia 3.38 Fie variabila aleatoare X de tip continuu, avand functia de repartitie F si densitatea de probabilitate , atunci sunt adevarate urmatoarele afirmatii:
(1) pentru orice avem ca
(2)
(3) pentru a < b, avem ca
(4)
Cele patru proprietati rezulta imediat din Propozitia 3.31.
Observatia 3.39. Daca variabila aleatoare X este de tip continuu, atunci pentru orice . Prin urmare, in acest caz avem ca
Observatia 3.40. Daca variabila aleatoare X de tip continuu are functia de repartitie F si densitatea de probabilitate, atunci se poate scrie succesiv
Asadar, cand este mic, avem ca
Definitia 3.41 Fie vectorul aleator avand functia de repartitie F. Spunem ca U este vector aleator de tip continuu, daca functia de repartitie F se poate reprezenta sub forma
functia numindu-se densitate
de probabilitate a vectorului
Observatia 3.42. Daca vectorul aleator este de tip continuu, avand functia de repartitie F si densitatea de probabilitate, iar variabilele aleatoare componente X si Y au respectiv densitatile de probabiliate si , atunci
(1) pentru orice avem ca
(2)
(3) pentru orice avem
(4)
(5) si
Observatia 3.43 Ca si la variabilele aleatoare de tip discret si la cele de tip continuu exista clase de variabile aleatoare. Forma cea mai generala a densitatii de probabilitate a unei variabile aleatoare din clasa respectiva, ne da o lege de probabilitate de tip continuu.
Definitia 3.44. spunem ca variabila aleatoare X urmeaza legea uniforma pe intervalul [a,b], daca are densitatea de probabilitate
Observatia 3.45. Functia de repartitie pentru variabila aleatoare X, ce urmeaza legea uniforma pe intervalul [a,b] este
Definitia 3.46 Spunem ca vectorul aleator urmeaza legea uniforma pe domeniul daca are densitatea de probabilitate
Observatia 3.47. Daca atunci
De asemena, in acest caz, folosind Observatia 3.42, punctul (5), avem ca
adica variabila aleatoare X urmeaza legea uniforma pe intervalul . In mod anolog, se arata ca variabila aleatoare Y urmeaza legea uniforma pe intervalul
Definitia 3.48. Spunem ca variabila aleatoare X urmeaza legea normala (legea lui Gauss) de parametrii si notam aceasta prin daca are densitatea de probabilitate
Observatia 3.49 Reprezentarea grafica a densitatii de probabilitate , este data in fig. 3.2. Curba ce reprezinta graficul lui poarta denumirea de curba lui Gauss si care modeleaza foarte multe din fenomenele aleatoare.
fig.3.2.
Observatia 3.50. Daca variabila aleatoare X urmeaza legea normala atunci functia de repartitie F este data prin
si are graficul dat in fig.3.3.
fig.3.3.
Observatia 3.51 Daca variabila aleatoare X urmeaza legea normala atunci spunem ca urmeaza legea normala redusa.
Observatia 3.52 Pentru calculul valorilor functiei de repartitie se foloseste formula unde functia se numeste functia lui Laplace si este definita prin
Intr-adevar, daca se face schimbarea de variabila se poate scrie succesiv
Observatia 3.53. Functia lui Laplace este tabelata in Anexa I, pentru argumente pozitive. Daca x < 0, atunci
Definitia 3.54. Spunem ca variabila aleatoare X urmeaza legea exponentiala de parametru daca are densitatea de probabilitate
Definitia 3.55. Variabila aleatoare X urmeaza legea gamma, daca are densitatea de probabilitate
cu parametrii a, b >0, iar este functia lui Euler de speta a doua, adica
Observatia 3.56. In cazul particular se obtine legea exponentiala.
Definitia 3.57. Variabila aleatoare X urmeaza legea (hi - patrat), daca are densitataea de probabilitate
unde parametrul iar , si poarta numele de numarul gradelor de libertate.
Observatia 3.58. Legea denumita si legea Herbert - Pearson, este un caz particular al legii gamma, anume, pentru si
Definitia 3.59. Variabila aleatoare X urmeaza legea Student (Gosset) cu n grade de libertate, daca are densitatea de probabilitate
Observatia 3.60. In cazul particular se obtine legea lui Cauchy, care are densitatea de probabilitate
Definitia 3.61. Variabila aleatoare X urmeaza legea beta, daca are densitatea de probabilitate
cu parametrii unde este functia lui Euler de speta intai, adica
Definitia 3.62. Spunem ca variabilele aleatoare X si Y sunt independente, daca
unde functia F este functia de repartitie a vectorului aleator, iar si respectiv sunt functile de repartitie ale variabileleo aleatoare componente X si Y.
Observatia 3.63 Definitia 3.62. pentru cazul discret este echivalenta cu Definitia 3.21.
Proprietatea 3.64 Fie variabilele aleatoare X si Y de tip continuu, atunci X si Y sunt independente daca si numai daca are loc
unde este densitatea de probabilitate a vectorului aleator , iar si sunt respectiv densitatile de probabilitate ale variabilelor aleatoare X si Y.
Demonstratie. Daca variabilele aleatoare X si Y sunt independente, conform Definitiei 3.62., avem ca Daca derivam aceasta relatie in raport cu x si respectiv y, rezulta ca
deci
Afirmatia inversa rezulta din scrierea succesiva
deci
Propozitia 3.65. Daca vectorul aleator are densitatea de probabilitate , atunci densitatea de probabilitate a variabilei aleatoare este data prin
Demonstratie. Scriem functia de repartitie a variabilei aleatoare Z, anume
Domeniul de integrare pe care se ia inegral dubla este cel hasurat in fig.3.5.
fig.3.5.
Astfel avem care prin derivare conduce la
Prin urmare avem ca
Observatia 3.66. Daca variabilele aleatoare X si Y sunt independentes, atunci prin urmare
Observatia 3.67. Analog se arata ca daca si iar este densitatea de probabilitate a vectorului aleator , atunci
respectiv
Proprietatea 3.68 Fie variabila aleatoare X cu densitatea de probabilitate si functia strict monotona, atunci variabila aleatoare are densitatea de probabilitate data prin
Demonstratie. Daca functia g este strict crescatoare, avem ca
adica Prin derivare rezulta
Deoarece functia este crescatoare, avem deci
Analog se procedeaza si cand functia este strict descrescatoare.
Aplicatia 3.69 Daca avem ca este stict monotona si are inversa De asemenea, avem ca Folosind formula de la proprietatea precedenta se obtine ca
Politica de confidentialitate | Termeni si conditii de utilizare |
Vizualizari: 1937
Importanta:
Termeni si conditii de utilizare | Contact
© SCRIGROUP 2024 . All rights reserved