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: 2010
Importanta:
Termeni si conditii de utilizare | Contact
© SCRIGROUP 2025 . All rights reserved