Professional Documents
Culture Documents
LEKSIONI 7. Dt 06.01.2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht.
LEKSIONI 8. Dt 13.01. 2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht.
LEKSIONI 9. Dt 20.01 2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht
Madhësitë numerike që na interesojnë gjatë një prove rasti nuk janë përherë diskrete.
P.sh. koha e funksionimit të një pjese në një makineri mund të marrë çdo vlerë reale në një
interval. Është shembulli i një eksperimenti, i një prove të rastit në të cilën rezultatet e
mundshme janë një sasi e pafundme e panumërueshme. Në këtë rast duhet të studiojmë një
ndryshore rasti bashkësia e vlerave të të cilës është një interval i vazhdueshëm, nuk është
diskrete. Shembuj të tillë mund të jepen shumë (detyrë shtëpie).
Në këtë kre do të studiohen ndryshoret e rastit që marrin vlera në një interval real të
vazhdueshëm. Për t’i dalluar nga ndryshoret e shqyrtuara në kreun e dytë, ndryshoret e rastit
diskrete, këto do t’i quajmë ndryshore rasti të vazhdueshme. Vërejmë megjithatë se termi “i
vazhdueshëm” këtu nuk përdoret në kuptimin e vazhdueshmërisë në analizën matematike.
Le të jetë një provë rasti (Kujtojmë nga kapitulli 1 se Ω mund të jetë e pafundme por e
panumërueshme).
Përkufizim 1
Çdo funksion X : → I , ku I është të paktën një interval në R quhet ndryshore rasti e
vazhdueshme. Shënohet X n.r.v. dhe vlerat e saj me x
1
Shënim:
• Një ndryshore e rastit reale është një ndryshore rasti që merr vlera në një interval të
drejtëzës reale.
• Në qoftë se I është një interval në R, atëhere shënimi {XI} tregon ngjarjen se X i merr
vlerat në I.
• Po qe se I = (a, b), atëhere do të shënojmë {X(a, b)} = {a<X<b} dhe {X(-, a)} = {X<a}
• Gjetja e probabiliteteve në rastin që po shqyrtojmë, pra të ndryshoreve të rastit të
vazhdueshme bëhet duke futur kuptimin e densitetit të shpërndarjes; ky nocion
përgjithëson kuptimin përkatës për ndryshoret e rastit diskrete të shqyrtuara në kreun e dytë.
Përkufizim 3. Themi se ndryshorja e rastit reale X ka densitet f(.) po qe se ekziston një densitet
probabilitetesh f(.) në R i tillë që për çdo interval real I të kemi:
𝑃(𝑋 ∈ 𝐼) = ∫𝐼 𝑓(𝑥)dx.
Shpesh herë do të themi se n.r. ka densitet p, me vlera p(x). Veç kësaj, për n.r. me densitet do
të përdorim shpesh edhe termin “n.r. e vazhdueshme” për ta dalluar nga n.r. diskrete për të cilat
nuk ekziston një densitet në kuptimin e mësipërm.
Thuhet shpesh herë se “ndryshorja e rastit X ka shpërndarje p(.)” në vend të “ndryshorja e rastit
X ka densitet p(.)”.
2
Shënim (Përkufizimi 3):
• Po qe se I = (a, b), atëhere do të shënojmë {X(a, b)} = {a<X<b} dhe
Shembull 3.1 Gjeni për ç’vlerë të konstantes k, funksioni i mëposhtëm është një densitet
probabilitetesh:
−x
p( x) = ke , xR.
3
(ky densitet quhet densitet eksponencial i dyanshëm (ose bilaterial)).
Shihet lehtë se funksioni p i plotëson kërkesat a) dhe b): ai është i përcaktuar kudo në R, është
jo negative dhe i integrueshëm.
ke
−x
1= p ( x ) dx = dx
− −
0 + 0
ke ke ke ke
−x −x −x
1= dx + dx = x
dx + dx
− 0 − 0
ose
+ +
ke
−x −x
1= 2 ke dx = 2 dx = 2k * ( −e − x )
0 = 2k
0 0
1
Pra, k = .
2
• Ndërkaq, pohimi që vijon, tregon ndryshimin që ekziston midis një n.r. diskrete dhe një n.r.
të vazhdueshme.
Teoremë 1. Po qe se X është një ndryshore rasti me densitet p atëherë për çdo real a kemi
P(X=a)=0.
Vërtetim
Mjafton që në përkufizim të merret I = (a, a).
a
P( X = a) = P( X {a}) = p( x)dx = 0
a
Për një ndryshore rasti me densitet, probabiliteti që ajo të marrë një vlerë të dhënë është zero.
Themi se ndryshorja e rastit është e vazhdueshme.
Shëmim
• Kjo i dallon esencialisht këto ndryshore nga ndryshoret e rastit diskrete për të cilat
përkundrazi probabiliteti që të marrin vlerat e mundshme nuk është zero.
• Për një ndryshore të vazhdueshme probabiliteti që ajo të marrë një vlerë nuk jep asnjë
informacion sepse ky probabilitet në çdo rast është zero.
• Nga pohimi nxirret lehtë se për një ndryshore të vazhdueshme janë të vërteta barazimet:
4
P(a < X < b) = P(a X < b) = P(a < X b) = P(a X b).
• Vërejmë edhe njëherë se densiteti p(x) nuk është probabilitet dhe se ai mund të marrë
vlera më të mëdha se 1.
• Nga ana tjetër, funksioni p(x) është njëlloj “mase” probabiliteti në kuptimin që vijon. Po
qe se dx është pozitiv dhe i vogël, atëherë:
x +dx
P(x X x + dx) = p(t )dt
x
p(x)dx.
Me fjalë të tjera, analogu i densitetit diskret të probabiliteteve është madhësia p(x)dx, e cila
shumë herë quhet edhe shpërndarje e n.r. X.
Edhe njëherë p(x) nuk është probabiliteti që ndryshorja X të marrë vlerën x, në dallim
nga ndryshoret e rastit diskrete.
Shembull 3.2 Ndryshorja e rastit X ka densitet f(x) = 3x2/16, për −2 < x < 2, dhe 0, ndryshe.
Kemi,
2 +
P( X 1) = p( x)dx = p( x)dx +
1 1
p( x)dx =
2
2 + 3 2
3x 2 x 7
=
1
16
dx + 0dx = 16
2 1
=
16
Në figurën që vijon Fig. 3.1 është treguar densiteti dhe probabiliteti i kërkuar me sipërfaqen e
ngjyrosur.
Fig 3.1
Shembull 3.3 Në vijim të shembullit 3.1, të gjendet P(0 < X < 1).
Kemi
5
1 − e−1
1
1 −x 1
1
P(0 X 1) = e dx = (−e− x ) = = 0, 316 . Y=(1/2)exp(-x), y=(1/2)exp(x)
0
2 2 0 2
1
për x a, b
p(x)= b − a (1)
0 për x e tjerë
b
1 1
b − adx = b − a * x | = 1
b
c) a
a
λe − λx për x 0
p(x) = (2)
0 për x 0
6
e
− x
c) dx = −e− x |0 = 1
0
Kjo shpërndarje ndeshet gjatë studimit të kohës së punës pa defekt të një pajisjeje kur defekti
që ndodh është i rastit. Një shembull i tillë është difekti që pëson një pjesë elektronike po qe se
tensioni vjen shumë i lartë. Edhe koha e zbërthimit të një atomi radioaktiv ka shpërndarje
eksponenciale. Kjo shpërndarje është e ndryshme nga zero për vlerat pozitive të argumentit.
Është shpërndarja e një ndryshoreje positive. D.sh. Gjeni shëmbuj n.r.v. X me shpërndarje
eksponenciale me parametër lamda
Në qoftë se m është një numër real dhe është një numër real rigorozisht pozitiv, atëherë
densiteti i përcaktuar në R me barazimin
1 (x - m)2
p(x) = exp(− ) , xR (4)
σ 2π 2σ 2
quhet densitet normal me parametra m dhe 2 dhe shënohet N(m, 2).Shënohet XN(m;
2).
• Grafiku
Grafiku i densitetit normal N(m; 2) ka pamjen e një “këmbane” simetrike. Në figurë është
treguar grafiku i densitetit normal N(m; 2) (fig 3.2) dhe i densitetit normal N(0; 1) (fig 3.3)
7
Fig 3.2 Densiteti normal N(m; 2)
0.20
0.18
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
-4 -2 0 2 4
8
Fig. 3.6 X~N(-2,0.2),
Detyrë. Ndryshorja e rastit X ka shpërndarje normale N(3; 9). Shkruani funksionin që shërben
si densitet i probabiliteteve. Ndërtoni grafikun e kësaj shperndarjeje.
Për të treguar shpërndarjen e një n.r. përdoret edhe nje kuptim tjetër, ai i funksionit të
shpërndarjes. Ky nocion është i rëndësishëm sepse ai futet njëlloj për të dy llojet e ndryshoreve
të rastit, si për ato diskrete ashtu edhe për ato të vazhdueshme.
Përkufizim 3. Funksion shpërndarjeje i n.r. X quhet funksioni FX: R→[0, 1], i përcaktuar me
barazimin:
Në vend të FX shpesh herë shënohet shkurt F, kur nënkuptohet ndryshorja e rastit për të cilin
ai gjendet.
9
Vetitë e funksionit të shpërndarjes (shiko fig), për të gjitha ndryshoret e rastit, rrjedhin
menjëherë nga përkufizimi i tij:
a) për çdo a, bR, P(a X b) = FX(b) - FX(a).
b) 0 F(x) 1 për çdo xR.
c) F është një funksion monoton jozvogëlues.
Vërtetë,
= F(b) − F(a).
d) Kur ndryshorja është e vazhdueshme me densitet,(kjo veti nuk është e vërtetë në rastin e
n.r.d. X) atëhere
F(b) − F(a) = P(a < X ≤ b) = P(a < X < b) = P(a ≤X <b) = P(a ≤ X ≤ b).
lim F ( x) = 1, lim F ( x) = 0.
x →+ x →−
e) Në qoftë se njihet funksioni i shpërndarjes F(x) i n.r. X, atëherë mund të gjejmë densitetin
p(x) të n.r. X në pikat ku ky është i vazhdueshëm sepse në këto pika kemi:
F’(x) = p(x).
0 xa
x
f) Për X [a, b] atëhere F ( x) = p (t )dt a x b
a
1 xb
10
Shembull 3.4. N.r. X ka funksion shpërndarjeje
1
1 − x 0,
F( x ) = 1 + x (*)
0 ndryshe.
f(x) = F’(x) = 0.
1 − x
xe 2 x 0,
f(x) = 4
0
ndryshe.
0 x t
1 −2
=
−
0dt +
0
4
te dt
zgjidhet me pjesë
11
x t 1 x
1 − 1 − t 1 −t
F ( x) = td (−e 2 ) = t (−e 2 )0x − (− ) e 2 dt
0
2 2 2 0
1 −1 x −
t
1 −1 x 1
− x
F ( x) = (− xe 2 + 0) − e 2 |0x = xe 2 + 1 − e 2
2 2
x
− x
F(x) = 1 − e 2 (1 + ).
2
Pra, përfundimisht:
−
x
x
1 − e 2 (1 + ) x 0,
F(x) = 2
0 x 0.
Një kontroll i thjeshtë mund të bëhet duke derivuar shprehjen e gjetur për të parë në se ajo jep
densitetin p(x).
2 / 5 0 x 1
p ( x) = 2 x / 5 1 x 2
0
ndryshe
b) Duhet bërë kujdes sepse densiteti është përcaktuar në mënyra të ndryshme në dy intervalet
ku ai është i ndryshëm nga zero.
• për x<0, F(x) = 0; po ashtu për x>2, F(x) = 1. Vetitë e funksionit të shpërndarjes
• Për 0<x<1, kemi:
x
2 2x
F ( x) = P( X x) = 5dt =
0
5
• Për 1<x<2, (kujdes) kemi:
1 x
2 2t 2 x2 − 1 x2 + 1
F ( x) = P( X x) = dt +
0
5 1
5
dt = +
5 5
=
5
Përfundimisht,
12
0 për x 0
2 x / 5 për 0 x 1
F ( x) = 2
( x + 1) / 5 për 1 x 2
1 për x 2
P(0,5 < X < 1,5) = F(1,5) − F(0,5) = [(1,5)2 + 1]/5 –[ 2(0,5)]/5 = 0,85
1.5 1 1.5
2 2x
Ose P(0.5 X 1.5) = p( x)dx = dx + = ..... = 0.85
0.5 0.5
5 1
5
Gjetja e probabiliteteve që lidhen me shpërndarjen normale N(0,1) nuk mund të bëhet drejt
përdrejti duke integruar densitetin, sepse densiteti normal nuk ka primitivë dhe rrjedhimisht
përdorimi i formulës
b x2
1 −
F(b) - F(a) = e 2 dx
a 2π
për të gjetur probabilitetin P(a < X < b) kur XN(0,1), nuk është i mundur. Për këtë qëllim
përdoren formula të përafërta.
• Për përdorimin e densitetit normal janë ndërtuar tabela, që japin vlerën e funksionit:
z x2
1 −
F(z) =
− 2π
e 2
dx , për çdo zR (5)
z x2
1 −
ose të funksionit: (z) = e 2
dx për çdo z0. (6)
0 2π
13
1
• Njohja e njërit lejon gjetjen e tjetrit sepse mund të tregohet lehtë se F(z) = +(z)
2
dhe veç kësaj funksioni nën shenjën e integralit është çift.
𝑧 0 𝑧 𝑧
1 𝑥2 1 𝑥2 1 𝑥2 1 𝑥2
𝐹(𝑧) = ∫ 𝑒 − 2 dx= ∫ 𝑒 − 2 dx+ ∫ 𝑒 − 2 dx=1/2+ ∫ 𝑒 − 2 dx
−∞ √2π −∞ √2π 0 √2π 0 √2π
1
F(z) = +(z)
2
14
Tabelat janë ndërtuar për të dhënë vlera të F(x), për x>0 me hap 0.01 (x=0 :0.01 :3.09)
X~N(0,1) dhe kushti në tabelë {X<x}
15
P(-1<Z<1)=F(1.00)-F(-1.00)=F(1)-(1-F(1))=2*F(1)-1=2*0.8413-1=0.68
Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 68 nga 100 numrat do të
bënin pjesë në intervakin (-1,1)
P(-2<Z<2)=F(2.00)-F(-2.00)=F(2)-(1-F(2))=2*F(2)-1=2*0.9772-1=0.95
Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 95 nga 100 numrat do të
bënin pjesë në intervakin (-2,2)
P(-3<Z<3)=F(3.00)-F(-3.00)=F(3)-(1-F(3))=2*F(3)-1=2*0.97987-1=0.97
Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 97 nga 100 numrat do të
bënin pjesë në intervakin (-3,3)
Fig 1.
16
Për rastet e tjerë, me veprime të thjeshta tregohet lehtë se kur X ka shpërndarje normale N(m,
2), atëherë
a−m
P ( X a) = F ( ).
Me fjalë të tjera, mund të gjejmë probabilitetet e vlerave të ndryshme të një ndryshoreje rasti
X me shpërndarje normale çfardo nëpërmjet tabelave të vlerave të n.r. së normuar N(0,1).
Shembull 3.4
Ndryshorja e rastit X ka shpërndarje normale N(3; 9).
Si përcaktohen vlerat e funksionit p(x)?
Të ndërtohet grafiku i funksionit p që shërben si densitet i probabiliteteve. Cilat janë kushtet
që duhet të plotësoj ky funksion për të qenë një densitet i probabilitesh për n.r.X.
Nëse do të gjeneronim 100 vlera të rastit sa do të jenë përafërsisht min, max , moda, mesatarja
aritmetike, dispersioni, sh.m.k, amplituda
17
= 𝐹(0.66) − 𝐹(−0.33)
= 𝐹(0.66) − [1 − 𝐹(0.33)]=0.7453-1+0.6293=1.37-1=0.37
Shkojmë tek tabela te rreshti 0.6 dhe tek shtylla 0.06 (0.66=0.6+0.06) dhe në kryqëzimin e
rreshtit me shtyllën gjejmë F(0.66)=0.7454
Shkojmë tek tabela te rreshti 0.3 dhe tek shtylla 0.03 (0.33=0.3+0.03) dhe në kryqëzimin e
rreshtit me shtyllën gjejmë F(0.33)=0.6293
X−3 0−3
Për rastin tjetër kemi: P(X 0) = P( )
3 3
18
a. Shkruani densitetin e n.r. X, Grafikun, dy vetitë që duhet të plotësojnë këta numra.
b. Gjeni funksionin e shpërndarjes.F(x) grafiku
Funksioni është pjesë pjesë konstant dhe ka këputje në pikat 0, 1 dhe 2 (ushtrim: vizatoni
grafikun!). Nga ana tjetër ai është i vazhdueshëm nga e majta.
Teoremë 2
Le të jetë X një ndryshore rasti me vlera në intervalin U të R me densitet p(.); le të jetë f(·) një
funksion bijektiv i U në VR i tillë që f-1 të jetë i derivueshëm; atëherë Y=f(X) ka densitet q(.)
të barabartë me:
p(f −1 (y))(f −1 )' (y) për y V
q(y) =
0 për y V
1. Y = eX është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim një drejtëz
parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)
2. Vlerat e funksionit I shënojmë y = e x x = ln( y) , y>0 (1)
19
dx 1 1
3. | |= = sepse y>0 (2)
dy | y | y
4. Zbatoj formulen te teorema 2.
p(f −1 (y))(f −1 )' (y) për y V
q(y) = (3)
0 për y V
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e Y:
1
p(ln y ) për y>0
q( y ) = y
0 për y 0
(x − m )2
1 −
2
p(x;m,σ ) = e 2 2 . për x në R (*)
2
2. y = e x x = ln( y) (1)
dx 1 1
3. | |= = sepse y>0 (2)
dy | y | y
p(f −1 (y))(f −1 )' (y) për y V
4. q(y) = (3)
0 për y V
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e n.r.Y:
1
p(ln y ) për y>0
q( y ) = y më pas te barazimi (*) zëvendësojmë x me ln(y)
0 për y 0
(lny − m)2
1 −
q(y) = e 2σ 2 , për y 0 dhe q(y)=0 për y e tjerë.
σy 2π
Densiteti q i sapogjetur quhet densitet lognormal, ndërsa për n.r. me këtë densitet thuhet se ka
shpërndarje lognormale.
20
Shembull 3.10
1. Y = aX+b është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim një
drejtëz parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)
y −b
2. y = ax + b x = , per a 0 (1)
a
dx 1
3. | |= a0 (2)
dy | a |
p(f −1 (y))(f −1 )' (y) për y V
4. q(y) = (3)
0 për y V
1 y−b
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e Y : q(y)= p( ).
a a
b) Në qoftë se n.r. X ka densitet normal N(0, 1) dhe Y= X+m, 0, atëherë shihet lehtë duke
zbatuar formulën e gjetur se n.r. Y ka densitet normal N(m, 2).
21
b. Nëse ju kërkohet të gjeneroni numra të rastit Y~ N(m,σ2)
Fillimisht gjeneroj numra të rastit nga X~N(0,1) më pas këto numra i shumëzoj me σ dhe i
shtoj m
c) Ndryshorja e rastit X ka shpërndarje të njëtrajtshme në (0, 1), XU(0,1). Për a < b, le të jetë
Y = (b − a)X + a. Gjeni densitetin e Y.
1 1
q( y ) = *1 = , për y midis a dhe b.
b−a b−a
y−a
(më pas te barazimi (*) zëvendësojmë x me )
b−a
Gjeneroj numra të rastit nga X~U(0,1) më pas këto numra i shumëzoj me (b-a) dhe i shtoj
a.
22
Shënim 1
Në këtë rast është e qartë se f(x) = x2 dhe f nuk është bijektiv në R (sih fig).
(zgjidhni dy mosbarazimet brenda kllapës, X2<b dhe X2>a, I zgjidhni si barazime dhe ndërtoni
tabelën e shenjave për të gjetur zgjidhje e dy mosbarazimeve )
23
b − a
P(a Y b) = P(( a X b ) + P(− b X − a )) = p(x)dx + p(x)dx
a − b
b
P(a Y b) = p(x) + p( − x) dx , zv y=x2dhe x>0
a
b b
1
a a
q ( y )dy = p( y ) + p(− y )
2 y
dy .
1
q(y) = [p( y ) + p(− y )] për y0 dhe
2 y
Në rastin e veçantë,
1 − 12 x2
kur X ka shpërndarje normale N(0, 1), atëherë p( x) = e , xR (*)
2
Kërkohet shpërndarja e Y=X2 (funksioni nuk është bijektiv në R. Që do të thotë nuk mund të
përdor Teoremën 2 por formulën (1)
1
q(𝑦) = 2 [𝑝(√𝑦) + 𝑝(−√𝑦)] (1)
√𝑦
Nëse te barazimi (*) zëvendësojmë x me +√𝑦) dhe −√𝑦) atëherë barazimi (1) shkruhet si më
poshtë.
y y
1 1 − 1 −
q(y) = [ e 2 + e 2 ] për y 0 dhe q(y)=0 për y e tjerë.
2 y 2π 2π
Me fjalë të tjera:
y
1 −
q(y) = e 2 , për y 0 dhe q(y)=0 për y e tjerë.
2π y
Teorema 2 tregon një mënyrë të përgjithshme se si mund të gjendet densiteti i një funksioni
të një ndryshoreje rasti.
24
Një mënyrë tjetër (e njëvlerëshme megjithatë!) është ajo që përdor funksionin e
shpërndarjes së ndryshores së rastit. Shpesh herë është më komode të përdoret kjo metodë
e dytë se sa ajo që propozon Teorema 2. Mbasi gjendet funksioni i shpërndarjes, ky derivohet
dhe gjendet densiteti. Etapat që ndjek kjo metodë janë si vijon.
2. Gjendet funksioni i shpërndarjes FY (y) = P(Y < y) = P(f(X) < y). Shprehet probabiliteti
i fundit me anë të ndryshores së rastit X.
3. Nga P(f(X) < y) fitohet një shprehje e formës P(X < . . .) ose P(X>…). Ana e djathtë e
shprehjes është një funksion i y.
Shënim 2
Edhe këtu problemi zgjidhet po qe se f është bijektiv (p.sh. monoton rigoroz rritës, monoton
rigoroz zbritës kudo në bashkësinë e vlerave ku densiteti p(x) është pozitiv).
Problemi zgjidhet edhe kur f nuk është bijektiv në bashkësinë e vlerave ku p(x)>0, por me
kusht që kjo e fundit të ndahet (të copëtohet) në intervale ku f është monoton rigoroz (rritës ose
zbritës). Veprimet duhen kryer me kujdes. Shih shembullin që vijon 3.14.
Shembull 3.12 Ndryshorja e rastit X ka shpërndarje të njëtrajtshme në (0, 1), XU(0,1). Për a
< b, le të jetë Y = (b − a)X + a. Gjeni densitetin e Y.
Me qenë se X merr vlera midis 0 dhe 1, atëhere (b − a)X + a merr vlera midis a dhe b. Për
a < y < b,
FY ( y ) = P(Y y ) = P((b − a) X + a y ) =
y−a y−a y−a
= P( X ) = FX ( )=
b−a b−a b−a
25
Duke derivuar gjendet densiteti i Y:
1
q( y ) = , për a<y<b
b−a
FY ( y ) = P(Y y ) = P(cX + d y ) =
y−d y−d
= P( X ) = FX ( )
c c
1 y−d
q( y ) = p( )
c c
FY ( y ) = P(Y y ) = P(cX + d y ) =
y−d y−d y−d
= P( X ) = 1 − P( X ) = 1 − FX ( )
c c c
1 y−d
q( y ) = − p( )
c c
1 y−d
q( y ) = p( )
c c
Shembull 3.14 Të gjendet densiteti i n.r. Y = X2, në qoftë se n.r. X ka densitet p(x) të përcaktuar
kudo në R. Këtë shembull e kemi parë më parë shembullin 3.11, të zgjidhur nëpërmjet
densiteteve. Këtu do përdoret funksioni i shpërndarjes.
Si shihet funksioni f(x) = x2 me anë të cilit fitohet ndryshorja Y, nuk është bijektiv: ai është
zbritës në (- , 0) dhe rritës në (0,+). Kjo duhet mbajtur parasysh gjatë veprimeve për të
gjetur funksionin e shpërndarjes.
Y ka funksion shpërndarjeje:
26
0 y0
P(Y y ) = P( X 2 y ) = =
P(− y X y ) y0
0 y0
=
FX ( y ) − FX (− y ) y0
d d 1
q(y) = P(Y y) = [FX ( y ) − FX (− y )] = [p X ( y ) + p X (− y )].
dy dy 2 y
Nocionet e pritjes matematike dhe të dispersionit përcaktohen edhe për ndryshoret e rastit reale
me densitet. Këta numra kanë të njejtët kuptime intuitive dhe po aq rëndësi për studimin e
sjelljes së ndryshores së rastit.
Formulat për llogaritjen e tyre për ndryshoret me densitet janë të ngjashme me rastin diskret:
shumat zëvendësohen me integrale.
27
+∞ 1
𝐸(𝑋) = ∫0 𝑥𝜆𝑒 −λx dx = 𝜆.
Zgjidhet me pjesë
1 1
E ( X ) = xd (−e − x
) = − xe − x
| + e− x dx = 0 − e− x |0 = , 0
0
0
0
Teoremë 4
Po qe se ndryshorja e rastit X ka densitet p(.) dhe po qe se f është një funksion i R në R i
tillë që f(.)p(.) është absolutisht i integrueshëm në R, atëherë kemi:
+
E(f(X)) = f(x)p(x)dx
−
.
Shembull 3.20 Një sferë e ka rrezen R ndryshore rasti me shpërndarje të njëtrajtshme në (0,
2), R~U(0,2). Gjeni pritjen matematike dhe mënjanimin mesatar katror të sipërfaqes së sferës.
0
2 3 0 9
2
1 x5 2
256 2
Njëlloj, E ( S ) = E (16 R ) = 16 E ( R ) = 16 x dx = 8 2 =
.
2 2 4 2 4 2 4
(2)
0
2 5 0 25
28
Vërtetim:
a) Këtë veti do ta vërtetojmë më vonë, në pjesën e dytë të tekstit..
1 x
b) Pohimi është i qartë po qe se a=0. Për a 0 ndryshorja aX ka densitet p( ) dhe
a a
rrjedhimisht kemi:
+
1 x
E(aX) = x p( )dx
−
a a
+
= ayp(y)dy
−
= aE(X) .
c) Nga përkufizimi, pohimi është i qartë po qe se X0. Pjesa tjetër rrjedh njëlloj si në rastin
diskret nga vetia e linearitetit të pritjes matematike.
1
Le të jetë X një n.r pozitive. Atëherë për çdo a0 ka vend mosbarazimi: P(X a) E(X) .
a
Përkufizim 5 .Po qe se X është një ndryshore rasti e tillë që X2 ka pritje matematike, atëherë
dispersion i X quhet madhësia:
D(X) = E(X−E(X))2.
Madhësia:
(X) = D(X) ,
Për dispersionin përdoret edhe termi variancë dhe në këtë rast shënohet Var(X) ose V(X)
X-E(X) tregon shmangiet e X nga pritja e vet matematike, ndërsa (X) është norma katrore e
kësaj shmangieje. (X) është aq më i madh sa më e madhe të jetë shpërhapja e vlerave të X
rrotull pritjes së vet matematike. Kjo veti ndjehet më shumë në pohimin që vijon.
29
Teoremë 7 (Mosbarazimi i Bienemé Çebishovit)
Në qoftë se ndryshorja e rastit X është e tillë që X2 ka pritje matematike, atëherë për çdo
a0, është i vërtetë mosbarazimi:
D(X)
P( X − E(X) a) .
a2
Shihet se sa më i vogël të jetë dispersioni, aq më i vogël është edhe probabiliteti për të patur
një shmangie të madhe nga pritja matematike. Ky mosbarazim mund të shkruhet ndryshe për
b rigorozisht pozitive:
1
P X − E ( X ) b (X) 1- .
b2
1
Kjo do të thotë se me probabilitet më të madh se 1− ndryshorja e rastit X ndodhet në
b2
intervalin [E(X) - b(X), E(X) + b(X)].
Po qe se b=10, atëherë shanset që X të jetë në intervalin me qendër E(X) dhe gjatësi 10 janë
të paktën 99%.
Ky mosbarazim jep intervale me gjatësi më të madhe nga ata që shihen realisht. Do të shohim
më tej se si mund të bëhen vlerësime më të sakta.
Pohimi që vijon është i dobishëm gjatë llogaritjeve. Ai tregon disa nga vetitë e dispersionit; ato
janë të njeta me rastin e ndryshores diskrete.
Teoremë 8
Në qoftë se ndryshorja e rastit X është e tillë që X2 ka pritje matematike, atëherë
a) X ka pritje matematike;
D(X)=E(X2)−(E(Y))2
Vërtetimi për pikën b) bëhet si në rastin diskret. Pohimi i pikës a) është lënë si ushtrim për
lexuesin. (shiko ckemi thenë te n.r.diskrete)
30
a 2 + ab + b2 (a + b)2 4(a 2 + ab + b2 ) − 3(a + b)2 a 2 − 2ab + b2 (b − a)2
D(X) = E(X2 ) − (E(X))2 = − = = = .
3 4 12 12 12
+∞ 2
𝐸(𝑋 2 ) = ∫0 𝑥 2 λe−λx dx = dy herë më pjesë
λ2
1 2
E ( X ) = x d ( −e
− x 2 − x − x
2 2
) = −x e | +2 xe dx = 0 + E( X )
0
0
0
1 2 2
E( X ) = dhe E ( X 2 ) = E( X ) =
2
dhe rrjedhimisht, D( X ) = E ( X ) − E ( X )
2 2
1
𝐷(𝑋) = .
𝜆2
Gjeni D(1-4X).
+
k x −3 1
1= 1
x 4
dx = k (
−3 1
) =k
3
D(1-4X) = 16D(X).
+ + +
3 3 1
E( X 2 ) =
1
x2 4
x
dx =
1
x 2
dx = 3 − = 3
x 1
Rrjedhimisht
2
3 3
D( X ) = E ( X 2 ) − ( E ( X )) 2 = 3 − =
2 2
Përfundimisht : D(1-4X)=D(1)+(-4)2D(X)=0+16*(3/2)=24
31