Upload
stoica-emanuel
View
689
Download
0
Embed Size (px)
Citation preview
Teoria probabilităților
Teoria probabilităților reprezintă studiul matematic al probabilităților, cu alte cuvinte, al
fenomenelor caracterizate de incertitudine și de întâmplare.
1. Scurt istoric
Începuturile teoriei probabilităților sunt legate de numele matematicienilor Blaise Pascal și
Pierre Fermat în secolul al XVII-lea, ajungând la probleme legate de probabilitate datorită
jocurilor de noroc. Dezvoltarea teoriei probabilităților și cercetarea unor probleme nelegate
de jocurile de noroc sunt legate de matematicienii: Abraham Moivre, Pierre Simone de
Laplace, Carl Friedrich Gauss, Simon-Denis Poisson, Pafnuti Lvovici Cebî ș ev , Andrei
Andreevici Markov în secolul XIX, iar în secolul al XX-lea Andrei Nikolaevici Kolmogorov și al lui Alexandr Iakovlevici Hincin.
Probabilitatea evenimentelor aleatoare
Clasificarea evenimentelor:
a) sigur - evenimentul apariției una din fețele 1,2,3,4,5,6 la un zar;
b) imposibil- evenimentul apariției feței 7 la un zar;
c) aleator - evenimentul apariției feței 3 la un zar.
Frecvența unui eveniment
= , unde m reprezintă numărul de apariții E în cazul a n încercări
Probabilitatea unor evenimente aleatoare
În cazul unui număr n suficient de mare de experimente în care evenimentul E apare de m ori,
frecvența relativă m/n poate fi socotită ca valoarea probabilităților. Această valoare se
numește probabilitatea (statistică a) evenimentului E și se notează P(E); .
3
Evenimente incompatibile, contrare
Evenimente incompatibile - evenimentele nu se produc simultan.
Evenimente contrare - producerea unuia înseamnă nerealizarea celorlalte.
Regula de adunare și cea de înmulțire
Regula de adunare
Probabilitatea reuniunii unui număr de evenimente incompatibile este egală cu suma
probabilităților acestor evenimente:
P(E E E E ... EK)=P(E1)+P(E2)+P(E3)+ P(E4)+...+P(EK).
Regula de înmulțire pentru evenimente independente: P(E F)=P(E) P(F)
pentru evenimente condiționate: P(E F)=P(F) P(E/F)
Câmp de evenimente. Câmp Borel de evenimente
1. Mulțimea S e un element a lui B.
2. Dacă două mulțimi E1 și E2 sunt elemente ale lui B atunci E E2, E E2 sunt elemente ale lui B.
3. Dacă mulțimile E1, E2, ..., En, ... sunt elemente ale lui B, atunci E E ...E ... și E E ...E
sunt de asemenea elemente ale lui B.
Câmp de evenimente - condițiile 1 și 2
Câmp Borel de evenimente - condițiile 1, 2, 3.
Sistemul de axiome Kolmogorov
Axioma 1. Fiecărui eveniment aleator E din câmpul de evenimente îi este atașat un număr
real nenegativ P(E) numit probabilitatea lui E. Axioma 2. Probabilitatea evenimentului sigur
S P(S)=1.
Axioma 3. Dacă evenimentele E1, En sunt incompatibile două câte două, atunci P(E E ...
En)=P(E1)+P(E2)+...+P(En)
Axioma de adunare extinsă. Dacă apariția unui eveniment E echivalentă cu apariția unui
oarecare eveniment E1,..., En, ... incompatibile două câte două, atunci P(E)=P(E1)+P(E2)+...
+P(En)+...
2. VARIABILE ALEATOARE
4
2.1 Definitia variabilei aleatoare
Majoritatea experimentelor de interes practic au ca rezultate valori numerice. Aceasta inseamna ca
rezultatul unei probe al unui experiment, poate fi caracterizat de un numar sau de un cuplu de numere.
Se poate, astfel considera ca fiecarei probe al unui experiment i se poate asocia un numar sau de un
cuplu de numere. Se poate atunci introduce notiunea de variabila aleatoare (intamplatoare) ca o
functie reala definita pe multimea evenimentelor elementare asociate experimentului considerat.
Cuvantul aleator, subliniaza faptul ca se lucreaza cu elemente generate de fenomene intamplatoare,
care nu sunt guvernate de legi strict deterministe. Elementul dificil in analiza acestor fenomene consta
in faptul ca desi acestea au o anumita regularitate, este imposibil de precizat cu certitudine rezultatul
unei probe intamplatoare.
Fie multimea evenimentelor elementare asociata unui anumit experiment, rezultatele posibile
fiind notate cu . Este posibil ca acesta sa nu fie un rezultat numeric in sine, dar i se poate atribui o
anumita valoare numerica. De exemplu, la distribuirea unor carti de joc, se poate atribui o anumita
valoare numerica fiecarei carti samd.
DEFINITIE Orice functie f definita pe si care ia valori in multimea numerelor reale R, se numeste
variabila aleatoare.
Prin urmare, fiecarui rezultat , , ii corespunde numarul real , .
OBSERVATIE Numarul rezultatelor , , distincte este mai mic cel mult egal cu n.
EXEMPLU Se considera experimentul aruncarii unui zar. Fie , , evenimentele care constau
in aparitia fetei cu un numar i de puncte. Se poate defini o variabila aleatoare, ca fiind data de
.
Se considera acum ca variabila aleatoare f inregistreaza s valori distincte , in
conditiile in care sunt inregistrate n evenimente elementare , . Fie ,
evenimentele elementare pentru care , . Notand , atunci:
.
EXEMPLU Se considera o variabila aleatoare g, data de recolta de grau pe un hectar. In aceasta situatie
variabila aleatoare poate avea orice valoare dintr-un interval si prin urmare apare urmatoarea
clasificare, generata de natura valorilor inregistrate.
5
DEFINITIE O variabila aleatoare se numeste discreta (discontinua) daca poate lua numai valori
izolate. Numarul valorilor posibile ale unei variabile aleatoare discrete poate fi finit sau infinit.
O variabila aleatoare se numeste continua daca poate lua valori care umplu un interval finit sau
infinit. Evident, numarul valorilor posibile ale unei variabile aleatoare continue este intotdeauna
infinit.
2.2 Repartitia unei variabilei aleatoare discrete
Pentru a defini o variabila aleatoare discreta este suficient sa se enumere toate valorile posibile pe
care aceasta le poate lua. Insa, pentru a o cunoaste complet trebuie enumerate si probabilitatile
corespunzatoare fiecarei valori inregistrate.
Se numeste repartitie a unei variabile aleatoare discrete enumerarea valorilor posibile ale variabilei
aleatoare si a probabilitatilor corespunzatoare acestora. De obicei repartitia unei variabile aleatoare
discrete se scrie sub forma unui tablou in care prima linie contine toate valorile posibile, iar a doua
linie, probabilitatile corespunzatoare :
, sau , .
Tinand seama ca intr-un experiment variabila aleatoare ia una si numai una din valorile sale
posibile, rezulta ca evenimentele care constau in aceea ca variabila ia valorile sau ,…, sau
formeaza - dupa cum se stie – un sistem complet de evenimente. Prin urmare, suma probabilitatilor
acestor evenimente este egala cu unitatea :
.
2.3 Operatii cu variabile aleatoare discrete
DEFINITIE Puterea de ordinul k a variabilei aleatoare f este variabila aleatoare cu repartitia :
.
DEFINITIE Daca este un numar real, produsul dintre si este variabila aleatoare , cu
repartitia :
6
.
Fie si doua variabile aleatoare, avand respectiv repartitiile:
si .
Se considera evenimentul care consta in aceea ca ia valoarea , si ia valoarea ,
. Acest eveniment notat si care este intersectia evenimentelor si
, constand in aceea ca ia valoarea , respectiv ia valoarea , are o probabilitate bine
determinata:
.
Cum evenimentele , , , in numar de , formeaza un sistem
complet de evenimente, atunci :
.
DEFINITIE Variabila aleatoare are repartitia:
, , .
DEFINITIE Variabila aleatoare are repartitia:
, , .
Exista vreo legatura intre probabilitatile si ? Raspunsul la aceasta
intrebare este afirmativ, insa legatura dintre aceste probabilitati nu este intotdeauna simpla. Un caz in
care aceasta legatura este foarte simpla este acela in care si sunt independente.
7
DEFINITIE Variabilele si se numesc independente probabilistic daca pentru orice si , ,
, evenimentele si sunt independente. Prin urmare:
,
adica
.
In mod analog se pot defini sumele si produsele a mai mult de doua variabile aleatoare, ca si
notiunea de independenta a unui numar oarecare de variabile aleatoare.
2.4 Momentele unei variabile aleatoare discrete
Se considera doua variabile aleatoare si si se presupune ca poate lua valorile , iar
poate lua valorile . Pentru fiecare pereche , fie probabilitatea ca sa ia
valoarea si sa ia valoarea , adica:
, , .
DEFINITIE Probabilitatile , , constituie repartitia comuna a variabilelor aleatoare
, .
DEFINITIE Variabilele aleatoare si sunt independente, daca pentru orice , si orice ,
are loc:
.
Se considera acum mai mult de doua variabile aleatoare. Fie , variabile aleatoare, unde
variabila aleatoare ia valorile , .
DEFINITIE Probabilitatile :
constituie repartitia comuna a variabilelor aleatoare .
8
DEFINITIE Variabilele aleatoare sunt independente, daca pentru orice , :
.
DEFINITIE Variabilele aleatoare 1 sunt independente, daca orice numar finit de
variabile aleatoare din acest sir sunt independente.
Introducem acum o caracteristica numerica foarte importanta, asociata unei variabile aleatoare.
DEFINITIE Numarul
se numeste valoarea medie a variabilei aleatoare .
EXEMPLU In experimentul cu zarul :
.
DEFINITIE Fie un numar intreg, . Numarul
se numeste moment de ordinul al variabilei aleatoare .
OBSERVATIE Momentul de ordinul este valoarea medie.
DEFINITIE Numarul
se numeste dispersia variabilei aleatoare .
1 Vom nota un sir si sub forma
9
Cu ajutorul acestor notiuni introduse, se pot demonstra o serie de proprietati.
PROPRIETATEA 1 Fie o variabila aleatoare si un numar intreg, . Atunci
Demonstratie. Fie variabila aleatoare cu repartitia
.
Atunci variabila aleatoare va avea evident repartitia :
;
cu alte cuvinte, valorile si au aceeasi probabilitate ,
si deci
( )
Din proprietatea anterioara se deduce imediat:
PROPRIETATEA 2 Fie o variabila aleatoare care poate lua o singura valoare cu probabilitatea
(adica ). Atunci:
.
PROPRIETATEA 3 Fie o variabila aleatoare si un numar real. Atunci:
.
Demonstratie. Fie variabila aleatoare cu valorile , avand probabilitatile si fie
. Aceasta noua variabila aleatoare ia valorile cu aceleasi probabilitati si
deci:
10
( )
PROPRIETATEA 4 Fie variabile aleatoare . Atunci valoarea medie a sumei acestor
variabile aleatoare este egala cu suma valorilor medii, adica:
.
Demonstratie. Fie mai intai numai doua variabile aleatoare si . Se presupune ca variabila aleatoare
ia valorile cu probabilitatile , iar variabila aleatoare ia valorile cu
probabilitatile . De asemenea fie :
, , .
Fie ; aceasta noua variabila aleatoare ia valoarea cu probabilitatea , ,
. Prin urmare :
.
Suma , este suma probabilitatilor tuturor evenimentelor de forma , unde
indicele este acelasi pentru toti termenii sumei, iar indicele variaza de la un termen la altul,
parcurgand toate valorile de la la . Deoarece evenimentele pentru indici diferiti sunt
incompatibile doua cate doua, suma este probabilitatea producerii unui eveniment oarecare din
cele evenimente , . Dar, a spune ca s-a produs un eveniment oarecare din
evenimentele , , este echivalent cu a spune ca s-a produs evenimentul .
Intr-adevar, daca s-a produs unul din evenimentele , , este evident ca s-a
produs si evenimentul ; reciproc, daca s-a produs evenimentul , atunci intrucat
variabila aleatoare ia neaparat una din valorile sale posibile , trebuie sa se produca si un
eveniment oarecare din evenimentele , . Asadar, fiind probabilitatea
11
producerii unui eveniment oarecare din evenimentele , , este egala cu
probabilitatea evenimentului , adica
, .
In mod analog se deduce:
, .
Tinand seama de aceste expresii in relatia , se obtine :
.
Pentru mai mult de doua variabile aleatoare, se procedeaza prin inductie. Fie
si se presupune teorema adevarata pentru . Atunci :
.
Aplicand proprietatea pentru doua variabile aleatoare, se obtine :
. ( )
PROPRIETATEA 5 Dispersia unei variabile aleatoare este data de relatia :
.
Demonstratie.
,
12
daca se tine seama de proprietatea precedenta. Mai departe, aplicand de doua ori proprietatea 1., se
obtine :
.
PROPRIETATEA 6 Fie si doua variabile aleatoare independente. Atunci valoarea medie a
produsului acestor variabile aleatoare este egala cu produsul valorilor medii, adica :
.
Demonstratie. Se presupune ca variabila aleatoare ia valorile cu probabilitatile
, iar variabila aleatoare ia valorile cu probabilitatile . De asemenea :
, ,
si cum f si g sunt variabile independente:
, , .
Fie ; aceasta noua variabila aleatoare ia valoarea cu probabilitatea , ,
. Prin urmare:
.
PROPRIETATEA 7 Fie variabile aleatoare independente doua cate cate doua. Atunci
dispersia sumei acestor variabile aleatoare este egala cu suma dispersiilor, adica:
.
Demonstratie. Din proprietatea 6 se deduce
13
.
Daca se tine seama de faptul ca variabilele aleatoare sunt independente, atunci din
proprietatea 6 rezulta ca cele doua sume duble de mai sus se reduc si deci :
.
PROPRIETATEA 8 (Inegalitatea lui Cebisev) Fie o variabila aleatoare si un numar pozitiv
oarecare. Atunci
,
sau
Demonstratie. Fie o variabila aleatoare care ia valorile cu probabilitatile .
Dispersia variabilei aleatoare este :
.
Fie este un numar oarecare; daca din suma de mai sus se elimina toti termenii pentru care
si raman numai termenii pentru care , suma poate numai sa se
micsoreze, adica
.
Aceasta suma se va micsora si mai mult daca in fiecare termen al ei vom inlocui factorul
prin valoarea inferioara :
14
.
Suma din partea dreapta reprezinta suma probabilitatilor tuturor acelor valori ale variabilei
aleatoare care se abat de la valoarea medie de o parte si de alta cu mai mult de ; conform
proprietatii de aditivitate a doua evenimente incompatibile, aceasta este probabilitatea ca variabila
aleatoare sa ia una din aceste valori. Cu alte cuvinte, aceasta suma este . Adica :
,
ceea ce permite aprecierea probabilitatii abaterilor mai mari decat un numar dat dinainte, cu
conditia numai sa fie cunoscuta dispersia .
Cu ajutorul proprietatilor 7 si 8 se poate demonstra urmatorul rezultat foarte important, cunoscut
sub numele de legea numerelor mari.
PROPRIETATEA 9 Fie un sir de variabile aleatoare independente care au aceeasi
repartitie si deci, aceeasi valoare medie si aceeasi dispersie . Atunci, pentru orice si
arbitrari, , , exista un numar natural astfel incat indata ce , are loc :
.
Demonstratie. Din proprietatile 1 si 4, se deduce:
si deci, aplicand proprietatea 8, se obtine:
.
Dar:
15
,
de unde rezulta:
.
Fiind dati , , se poate determina un numar natural , care depinde de si , astfel
incat indata ce , sa rezulte :
;2
Prin urmare :
.
Cu alte cuvinte, proprietatea 9 arata ca daca variabilele aleatoare sunt
independente si daca au aceeasi medie si aceeasi dispersie , atunci pentru un suficient de
mare, expresia va diferi oricat de putin de cu o probabilitate oricat de apropiata de .
Studiul independentei a doua variabile aleatoare se poate realiza si prin intermediul coeficientului
de corelatie.
DEFINITIE Se numeste corelatie a doua variabile aleatoare, media produsului abaterilor acestora:
.
PROPRIETATE .
2 Drept putem lua primul numar natural pentru care .
16
Demonstratie
DEFINITIE Se numeste coeficient de corelatie:
.
TEOREMA Corelatia a doua variabile aleatoare independente este nula.
Demonstratie Daca variabilele X, Y sunt independente, atunci si , respectiv sunt
independente.
PROPRIETATI
1) ;
2) daca si numai daca intre variabilele X si Y exista o relatie de legatura liniara.
Demonstratie 1) Fie , . , . Calculand media
variabilei aleatoare U, se obtine :
.
Calculand discriminantul si impunand conditia ca acesta sa fie pozitiv, rezulta proprietatea data.
2) Fie , , .
2.5 Repartitii discrete clasice
Repartitia binomiala
17
.
Parametrii acesteia sunt : , .
Repartitia Poisson
.
Parametrii acesteia sunt : , .
Repartitia Poisson poate fi scrisa si in forma:
, .
Distributia hipergeometrica
.
Parametrii acesteia sunt : , ,
Revenind la calculul parametrilor repartitiilor, se obtine :
Repartitia binomiala
.
Fie binomul :
.
Derivand dupa x, rezulta:
.
Inmultind cu x, rezulta:
18
Pentru .
Daca derivam inca o data dupa x, rezulta:
si inmultind cu x .
Pentru , de unde rezulta ca:
.
Repartitia Poisson
Considerand dezvoltarea in serie Taylor a functiei in jurul originii rezulta:
,
.
Atunci
, adica .
Pentru determinarea dispersiei este necesar sa se calculeze:
.
Prin urmare, repartitia Poisson are .
Repartitia hipergeometrica
19
.
.
.
, unde , .
20
BIBLIOGRAFIE
1. Ciuci G. - Elemente de teoria probabilităţilor şi statistică matematică, Editura Didactică şi
Pedagogică, Bucureşti, 1963
2. Ciucu, G.,Craiu, V.- Introducere în teoria probabilităţilor şi statistică matematică, Editura
Didactică şi Pedagogică, Bucureşti, 1971
3. Ciucu, G., Craiu, V., Săcuiu, I.- Probleme de teoria probabilităţilor, Editura Tehnică, 1974
4. Ciucu, G., Craiu, V., Săcuiu, I.- Probleme de statistică matematică, Editura Tehnică, 1974
5. Ciucu, G., Craiu, V., Ştefănescu, A.- Statistică matematică şi cercetări operaţionale,
Editura Didactică şi Pedagogică, Bucureşti, 1974
6. Ciucu, G., Tudor, C. - Probabilităţi şi procese stochastice, vol. I, Editura Academiei
R.S.R., Bucureşti, 1978
7. Craiu, V. - Verificarea ipotezelor statistice, Editura Didactică şi Pedagogică, Bucureşti,
1972
8. Cuculescu, I. - Curs de calculul probabilităţilor, Topografia Universităţii, Bucureşti, 1976
9. Feller, W. - An introduction to probability theory and its applications, vol. I (1957), vol. II
(1966), John Wiley
10. Gnedenko, B. V. - The Theory of probability, Mir Publishees Moscow, 1969
11. Guiaşu, S., Theodorescu, R.- Matematica şi informaţia, Editura Didactică şi Pedagogică,
Bucureşti, 1965
12. Iaglom, A. M., Iaglom, I. M. - Probabilitate şi informaţie, Editura Didactică şi
Pedagogică, Bucureşti, 1963
13. Iosifescu, M., Mihoc Gh., Theodorescu, R. - Teoria probabilităţilor şi statistică
matematică, Editura Tehnică, Bucureşti, 1966
14. Iosifescu, M. - Lanţuri Markov finite şi aplicaţii, Editura Tehnică, Bucureşti, 1977
15. Iosifescu, M., Tăutu, P. - Stochastic processe and applications in biology and medicine,
Bucureşti, Berlin, Editura Academiei & Springer, 1973
21
16. Kendall, M. G., Stuart, A. - The advanced theory of Statistics, vol. I, II, Charles Griffin &
Company Limited, London, 1961
17. Kai Lai Chung - Elementary Probability Theory with Stochastic Processes, Springer –
Verlag, New York – Heidelberg – Berlin, 1974
18. Kalbleisch, J. G. - Probability and Statistical Inference, I, II, Springer – Verlag, New
York, Heidelberg, Berlin, 1979
19. Mc Phersson, G. - Statistics in Scientific Investigation (Its Basis, Application and
Interpretation), Springer – Verlag, 1990
20. Mihoc, Gh., Ciucu, G., Craiu, V. - Teoria probabilităţilor şi Statistică matematică,
Editura Didactică şi Pedagogică, Bucureşti, 1970
21. Neveu, I. - Cours de Probabilités, Ecole Polytechnique, Paris, 1970
22. Onicescu, O. - Probabilităţi şi procese aleatoare, Editura Ştiinţifică şi
Enciclopedică, Bucureşti, 1977
23. Onicescu, O., Mihoc, Gh., Ionescu Tulcea, C. - Calculul probabilităţilor şi aplicaţii,
Editura Academiei R.P.R., Bucureşti, 1956
24. Reischer, C., Sâmboan, G., Theodorescu, R. - Teoria probabilităţilor, Editura Didactică şi
Pedagogică, Bucureşti, 1967
25. Renyi, A. - Calcul de probabilités, Dunod, Paris, 1966
26. Schimetterer, L. - Einfuhrung in die matematische Statistik, Springer Verlag, Wien, New
York, 1966
27. Trandafir, R. - Introducere în teoria probabilităţilor, Editura Albatros, Bucureşti, 1979
28. Uilks, S. - Matematicescaia Statistica, Izdatelstvo “Nauka”, Moscova, 1967
29. Venzel, H. - Theorie de probabilités, Editura de Moscou, 1973
30. Ya-lun Chou - Statistical Analysis for Business and Economics, Elsevier, New York,
Amsterdam, London, 1989
22