Professional Documents
Culture Documents
Convergenţa variabilelor aleatoare Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Repartiţii continue
Definiţie
Definiţie
Metode numerice şi statistică Spunem că variabila aleatoare discretă X are o repartiţie uniformă dacă
Spunem că variabila aleatoare discretă X are o repartiţie binomială cu
parametrii n ∈ N şi p ∈ (0, 1) dacă ia valorile 0, 1, 2, . . . , n cu probabilităţile
distribuţia ei este
Curs 10
⎛ x1 xn ⎞ P (X = k) = Cnk pk q n−k , ∀k = 0, 1, 2, . . . , n,
X∶ , unde pk = , ∀k = 1, 2, . . . , n.
x2 ... 1
⎝ p1 pn ⎠
unde q = 1 − p.
p2 ... n
lect. Ciprian Deliu
B cdeliu@tuiasi.ro
m moodle.deliu.ro Teoremă Teoremă
Media şi dispersia unei variabile aleatoare discrete repartizate uniform Media şi dispersia unei variabile aleatoare discrete repartizate binomial sunt:
Universitatea Tehnică ”Gh. Asachi” Iaşi sunt:
Facultatea de Hidrotehnică, Geodezie şi Ingineria Mediului E(X) = np, V ar(X) = npq.
1 n
E(X) = ∑ xi Dacă A este un eveniment legat de o experienţă iar proabilitatea ca A să se
2019 n i=1
realizeze când efectuăm o singură dată experienţa este P (A) = p, atunci
2
1 n 2 1 n
= ∑x − ( ∑ xi )
variabila aleatoare care are ca valori numărul realizărilor lui A când efectuăm de
V ar(X)
n i=1 i n2 i=1 n ori experienţa are o repartiţie binomială cu parametrii n şi p.
Metode numerice şi statistică - Curs 10 1/15 Metode numerice şi statistică - Curs 10 2/15 Metode numerice şi statistică - Curs 10 3/15
Repartiţii clasice Repartiţii discrete Repartiţii clasice Repartiţii discrete Repartiţii clasice Repartiţii discrete
Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Repartiţii continue
putem aproxima repartiţia binomială cu parametrii n şi p prin repartiţia Poisson punctele x = m − σ şi x = m + σ
de parametru λ = np. Din acest motiv repartiţia Poisson se mai numeşte legea Media şi dispersia unei variabile aleatoare uniforme sunt sunt puncte de inflexiune.
evenimentelor rare. a+b
Exemple de variabile aleatoare care au repartiţii de tip Poisson: numărul erorilor E(X) = Pentru m = 0 şi σ = 1 se obţine repartiţia normală standard N (0, 1) având
2
(a − b)2
de pe o pagină (sau grup de pagini) dintr-o carte, numărul persoanelor dintr-o densitatea de repartiţie
comunitate care au peste 80 ani, numărul defectelor apărute la un dispozitiv V ar(X) = . f (x) = √ e− 2 .
1 x2
complex ı̂ntr-un interval de timp, numărul clienţilor unui magazin pe parcursul 12
unei zile, etc. 2π
Metode numerice şi statistică - Curs 10 4/15 Metode numerice şi statistică - Curs 10 5/15 Metode numerice şi statistică - Curs 10 6/15
Repartiţii clasice Repartiţii discrete Repartiţii clasice Repartiţii discrete Repartiţii clasice Repartiţii discrete
Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Repartiţii continue
⎧
Spunem că variabila aleatoare X are o repartiţie χ2 cu n grade de libertate
⎪ x≤0
Spunem că variabila aleatoare X are o repartiţie Gamma de
parametru a > 0 dacă densitatea ei de repartiţie este ⎪
⎪0, dacă densitatea ei de repartiţie este
F (x) = ⎨ 1
⎪ a a−1 −λt
x > 0. ⎧
x
⎪
⎪ ∫ λ t e dt, ⎪
⎪ x>0
n −1 − 1 x
⎧
⎪ ⎩ Γ(a) 0 ⎪ n n x2 e 2 ,
1
⎪
λa xa−1 e−λx
, x>0 f (x) = ⎨ 2 2 Γ( 2 )
⎪
f (x) = ⎨ Γ(a) ⎪
⎪0,
⎩ x ≤ 0.
⎪
⎪ x ≤ 0.
⎩0, Media şi dispersia sunt
Graficele densităţilor unor v. a. repartizate χ2 pentru diverse grade de libertate:
E(X) = , V ar(X) = 2 .
a a
∞
unde λ > 0, a > 0, iar Γ(a) = ∫0 xa−1 e−x dx. λ λ repartiţia χ2 este un caz particular
al repartiţiei Gamma pentru λ = 12
Γ(a) se numeşte integrala Gamma a lui Euler şi are Pentru a = 1 se obţine repartiţia exponenţială. şi a = n , n ∈ N;
Pentru a = 2, 3, . . . repartiţia Gamma corespunzătoare se
2
proprietăţile: media şi dispersia sunt
Γ(a) este convergentă pentru a > 0 şi divergentă pentru a ≤ 0; numeşte repartiţie Erlang. E(X) = n, V ar(X) = 2n;
Γ(a + 1) = aΓ(a); Dacă variabila aleatoare X este repartizată normal de
√ parametri m şi σ, atunci variabila aleatoare Y = 2σ1 2 (X − m)2
Γ(1) = 1 şi Γ ( 21 ) = π;
are multe aplicaţii ı̂n statistica
Repartiţii clasice Repartiţii discrete Repartiţii clasice Legea numerelor mari Repartiţii clasice Legea numerelor mari
Convergenţa variabilelor aleatoare Repartiţii continue Convergenţa variabilelor aleatoare Teorema limită centrală Convergenţa variabilelor aleatoare Teorema limită centrală
nπΓ ( n2 ) n
lim P (∣Xn − X∣ > ε) = 0.
n→∞ repartiţie, pentru care există E(Xn ) şi V ar(Xn ) ≠ 0, ∀n ∈ N.
Notăm cu
Yn − E(Yn )
Media şi dispersia unei variabile aleatoare repartizate Student sunt
1 n
E(X) = 0, V ar(X) =
n Teoremă
Yn = ∑ Xk , Zn = √
n−2 V ar(Yn )
.
Fie un şir de variabile aleatoare (Xn )n∈N independente şi identic repartizate cu n k=1
Pentru n → ∞ densitatea repartiţiei Student converge către densitatea
repartiţiei normale standard. E(Xn ) = m şi V ar(Xn ) = σ 2 , ∀n ∈ N. şi cu (Gn )n∈N şirul funcţiilor de repartiţie ale variabilelor aleatoare
Zn . În aceste condiţii şirul (Zn ) converge ı̂n repartiţie la o
Atunci variabila aleatoare Yn = ∑ Xk converge ı̂n probabilitate la m.
1 n
Definiţie
n k=1 variabilă aleatoare cu distribuţia N (0, 1), adică
Spunem că variabila aleatoare X are o repartiţie Fisher-Snedecor cu
parametrii n1 , n2 ∈ N dacă densitatea ei de repartiţie este
lim Gn (x) = √ ∫ e− 2 dt.
1 x t2
Legea numerelor mari este cunoscută şi sub denumirea de regularitate
⎧
⎪
n +n n +n
− 12 2 statistică. Termenul de regularitate statistică se motivează ı̂n felul următor: 2π −∞
⎪ Γ( 1 2 2 )
n1 n→∞
⎪( n1 ) −1
(1 + x>0
n1
2 n1
f (x) = ⎨ n2 Γ( 21 )Γ( 22 )
n n x 2 x) , dacă avem o caracteristică X şi se fac n determinări independente
⎪
n2
⎪
⎪0, x ≤ 0.
⎩
x1 , x2 , . . . , xn , apoi m determinări independente y1 , y2 , . . . , ym ale acesteia,
atunci pentru n, m mari avem n1 ∑n k=1 xk ≃ m ∑k=1 yk .
1 m
Metode numerice şi statistică - Curs 10 13/15 Metode numerice şi statistică - Curs 10 14/15 Metode numerice şi statistică - Curs 10 15/15