Probabilitati si statistica in inginerie
-
Upload
george-chirica -
Category
Documents
-
view
108 -
download
5
description
Transcript of Probabilitati si statistica in inginerie
Probabilitati si Statistica in Inginerie
Variabile aleatoare
Variabile aleatoare
Capitolul 2
Variabile aleatoare
1. Variabile aleatoare discrete
1.1 Definitia variabilei aleatoare
Pentru a studia variabilele aleatoare, este necesar sa fie cunoscute probabilitatile asociate unei multimi de evenimente, altfel spus este necesar ca aceasta multime de evenimente sa apartina unui camp de evenimente F asociat unei experiment dat (adica spatiului fundamental ). O variabila aleatoare (v.a.) este definita ca o aplicatie X pe a carei valoarea X() depinde de rezultatul "" al experientei. Variabilele aleatoare pe care le-am studiat in acest curs iau valori pe domeniul R. Ajungem astfel la urmatoarea definitie a variabilei aleatoare.
Definitie: o variabila aleatoare reala pe spatiul de probabilitate (, F, P), este o aplicatie X definita pe , cu valori in R, X: R astfel incat, pentru toate valorile x(R avem:
{((( / X(() ( x } ( F. (2.1)
Evenimentul {(( / X()x}va fi notat simplu {Xx}.
Exemplu
In experienta jocului cu doua zaruri, suma, produsul, diferenta punctelor de pe cele doua zaruri definesc tot atatea variabile aleatoare:
X() = x + y, Y() = xy, Z() = x y
unde = (x, y)(.
1.2 Variabile aleatoare discrete
Anumite variabile aleatoare nu poseda decat un numar finit de valori posibile, ca de exemplu, numarul de realizari sau frecventa unui eveniment in cursul a "n" experimente. Altele poseda o infinitate numarabila de valori posibile, ca de exemplu, numarul de evenimente al unui flux poissonian ce se desfasoara in cursul unui interval de timp dat. O a treia categorie de variabile aleatoare poseda o infinitate nenumarabila de valori posibile, ca de exemplu, timpul de functionare fara defect al unui dispozitiv, erorile de masurare, etc. Variabilele aleatoare de primele doua tipuri sunt, din mai multe motive, apreciate ca fiind mai simple ca variabilele din al treilea tip. Tocmai de aceea este rational sa le izolam intr-o clasa speciala.
Definitie: se numeste variabila aleatoare discreta o variabila aleatoare avand o multime finita sau numarabila de valori posibile. Ansamblul de valori ale unei variabile aleatoare discrete este notat E si se numeste ansamblu fundamental.
1.3 Distributia variabilei aleatoare discrete
Distributia unei variabile aleatoare discrete este determinata de probabilitatile tuturor valorilor sale posibile. Intr-adevar, adoptand valorile sale posibile in calitate de evenimente elementare, obtinem o multime finita sau numarabila de evenimente elementare. Probabilitatile acestor evenimente elementare determina in intregime distributia variabilelor aleatoare discrete.
Fie un spatiu de probabilitate (, F, P) si o variabila aleatoare discreta X: E ( R. Pentru orice x(E definim evenimentul { / X() = x}, notat simplu {X = x}, si desemnam prin (x) probabilitatea sa: (x) = P(X = x).
Definitie: familia de numere ((x), x(E ), astfel incat (x) = P(X = x), este numita distributia variabilei aleatoare X sau legea de repartitie a variabilei aleatoare X.
Suma tuturor acestor probabilitati este egala cu 1:
, (2.2)
deoarece evenimentele familiei (X = x), x(E sunt incompatibile doua cate doua si formeaza un grup complet de evenimente (variabila aleatoare X ia, ca urmare a realizarii unui experiment, una si numai una din valorile x(E).
Distributia unei variabile aleatoare se poate reprezenta sub forma de tablou:
unde x(E
Definitie: Functia , definita pe R cu valori in [0,1], data prin formula:
, (2.3)
este numita functie de repartitie a variabilei aleatoare discrete X.
(x) este o functie crescatoare si constanta pe intervale.
Definitie: Consideram doua variabile aleatoare discrete si definite pe acelasi spatiu de probabilitate cu ansamblurile fundamentale respectiv . Variabilele aleatoare discrete si sunt independente daca , pentru orice (,)((, avem:
. (2.4)
Exemplu
1)Distributia numarului X de realizari a unui eveniment in cursul a "n" experimente este determinata prin formula: P(X = m) =, (m = 0,1,,n), unde probabilitatile sunt calculate dupa formulele de la schema binomiala.
In cazul considerat, avem pentru variabila aleatoare discreta X ansamblul de valori E, si distributia de valori (x) = P(X = m) dupa cum urmeaza:
E = = {0, 1, 2,,m,,n};
= {,,,,,}.
Dupa cum stim, probabilitatile distributiei binomiale sunt:
P(X = m) = , (m = 0, 1,.,n).2) Distributia Poisson (distributia numarului X de evenimente ale unui flux poissonian ce se deruleaza in cursul unui interval de timp dat) este definita prin formula urmatoare:
, (m = 0, 1, 2,.).
3) In cazul jocului cu doua zaruri distributia variabilei aleatoare
X() = X[(,)] =+
este data de tabloul urmator:
Se poate observa ca:
.
1.4Operatii cu variabile aleatoare discrete
Consideram doua variabile aleatoare discrete si definite pe acelasi spatiu de probabilitate cu ansamblurile fundamentale
EMBED Equation.3 , respectiv
EMBED Equation.3 , avand tablourile:
;
si fie k(R o constanta. Se pot defini urmatoarele operatii cu v.a. discrete:
1) ; ;
unde
;
2)
unde ,;
3) ; ;
4)
unde , , .
1.5Legi de repartitie discrete uzuale
1.5.1 Legea lui Dirac
O variabila aleatoare X urmeaza legea lui Dirac daca ansamblul sau fundamental se reduce la o singura valoare de probabilitate nenula, astfel incat E = {a} cu a(R. Aceasta lege este notata unde:
. (2.5)
1.5.2 Legea lui Bernoulli
O variabila aleatoare urmeaza legea lui Bernoulli de parametru p (0 t0 ( s) =
= 1 ( P (T < t0 ( s) = 1 ( F(t0 ( s). (I)
Inlocuind aici expresia F(t) calculata in exemplul 1, obtinem:
G(s) = e(((t0(s) daca 0 < s < t0. (II)
Cand s > avem relatia G(s) = 1 (fiind dat ca S < ).
Rezulta din relatia (II) ca G (+0) = e((to. Astfel functia G(s) prezinta o discontinuitate corespunzatoare unui salt, de la valoarea 0 la valoarea , in punctul s = 0. In toate celelalte puncte ale axei numerice ea este continua.
Pentru toate valorile s((0, ) ea admite o derivata si pentru toate valorile s < 0 si s > derivata sa este egala cu 0. In consecinta, S este o variabila aleatoare continua discreta avand o singura valoare discreta. Densitatea sa de probabilitate este definita prin formula:
4)Valoarea curenta a semnalului de intrare al unui element neliniar este o variabila aleatoare continua cu functia de repartitie F. Valoarea curenta a semnalului de iesire a acestui element este legata de valoarea semnalului de intrare X, la acelasi moment, prin relatia:
(un element astfel caracterizat este numit limitator). Gasiti legea de distributie a semnalului de iesire.
Este clar ca functia de repartitie G(y) a variabilei aleatoare Y este egala cu 0 pentru orice y(-a) (inegalitatea Y < y, cand y(-a) este imposibila) si este egala cu 1 pentru orice y > a (evenimentul Y < y cand y > a este un eveniment sigur).
Cand |y| < a evenimentul Y < y coincide cu evenimentul X < y. Avem, in consecinta, relatia G(y) = F(y) cand |y| < a. Este evident ca daca F(-a) > 0, F(a) < 1, atunci functia de repartitie G(y) prezinta o discontinuitate cu un salt F(-a) pentru y = (-a) si o discontinuitate cu un salt (1 - F(a)) pentru y = a. Pentru toate celelalte valori "y" functia G(y) este continua si derivabila.
In consecinta, in acest caz, Y este o variabila aleatoare continua discreta avand doua valori exceptionale "-a" si "a". Densitatea sa de probabilitate este definita prin formula:
g(y) = f(y) + F((a)( (y+a) + [1 ( F(a)] ( (y(a)daca|y| ( a,
unde f(x) este densitatea de probabilitate a variabilei aleatoare X. In afara intervalului (-a, a) avem relatia g(y) = 0.
2.4 Functii de repartitie pentru legi continue uzuale
2.4.1. Legea uniforma
O variabila X care urmeaza o lege uniforma U[a, b] pe intervalul [a, b] ( R are o densitate de probabilitate f(x):
.
Fig.2.7 Legea uniforma pe intervalul [a, b].
Functia sa de repartitie F este (fig. 2.7):
. (2.26)
2.4.2. Legea normalaa) Legea normala centrata redusa (Laplace)
Se spune ca o variabila aleatoare Z urmeaza o lege normala centrata redusa N(0,1), daca densitatea sa de probabilitate este data, pentru orice z(R, de relatia (fig.2.8):
(2.27)
Functia sa de repartitie este data de relatia:
. (2.28)
Fig.2.8 Densitatea si functia de repartitie a unei v.a. ce urmeazalegea normala centrata redusa.
Stim ca si ca f((z) = f(z) pentru orice z( R, de unde obtinem rezultatul:
. (I)
Se poate exprima functia de repartitie (2.28) astfel:
.
Utilizand functia Laplace: si expresia (I), rezulta relatia (2.29), ilustrata in fig. 2.9b:
. (2.29)
a b
Fig.2.9 Ilustrarea relatiei 2.28 (a), si a relatiei 2.29 (b).
Astfel, se pot calcula functiile F(z), f(z) pentru legea normala, utilizand valorile deja cunoscute ale functiei Laplace si ale derivatelor sale (Anexe, tabel1).
b) Legea normala generala(Gauss)
Fie Z = N(0,1) si (, )(R(R(. Se defineste variabila aleatoare X = Z + . Atunci:
. (2.30)
Densitatea de probabilitate a variabilei X, care este cunoscuta sub numele de clopotul lui Gauss, este prezentata in figura (2.10).
a b
Fig.2.10 Legea lui Gauss (a), pentru diferite valori
ale parametrului ""(b).
2.4.3 Legea exponentiala
Variabila aleatoare X urmeaza o lege exponentiala E() de parametru (R( daca densitatea sa f este definita astfel:
. (2.31)
Functia de repartitie este:
. (2.32)
Densitatea si functia de repartitie a unei variabile aleatoare ce urmeaza legea E() sunt prezentate in figura (2.11).
a b
Fig.2.11 Densitatea (a) si functia de repartitie (b) a unei v.a.
ce urmeaza legea E().
2.4.4 Legea
Variabila aleatoare X urmeaza legea () de parametru (N(, daca densitatea sa este data prin:
. (2.33)
Figura (2.12) prezinta densitatea de probabilitate si functia de repartitie a legii .
Fig.2.12 Densitatea si functia de repartitie a unei v.a.
ce urmeaza legea .
2.4.5 Legea lognormala
Variabila aleatoare X urmeaza legea lognormala LN(, ) de parametri (, )(R((R(, daca X = eY si Y urmeaza legea normala N((, (2). Densitatea sa de probabilitate este prezentata in fig.2.13 si este definita prin:
(2.34)
unde este functia unitate a lui Heaviside egala cu 1 cand x > 0 si egala cu 0 cand x = 0. Variabila aleatoare corespunzand acestei distributii este nenegativa.
Fig.2.13 Densitatea si functia de repartitie a unei v.a.
ce urmeaza legea LN(1, 1/2).
2.4.6 Legea Weibull
Variabila aleatoare X urmeaza legea lui Weibull W(, ) de parametri (, )(, daca densitatea sa este data de:
(2.35)
Functia sa de repartitie ilustrata in fig. 2.14, este:
. (2.36)
Notam ca aceasta lege prezinta un foarte mare interes in domeniul fiabilitatii, deoarece prin varierea parametrului se obtin, diverse intensitati de defectare care pot modela realitatea experimentala (fig.2.15).
Fig.2.14 Densitatea si f.d.r
. pentru o v.a. ce urmeaza legea W(1/5, 3).
Fig.2.15 Functia densitate pentru
diverse intensitati de
defectare in cazul legii
W((, ().
2.5 Variabila aleatoare vectoriala
Definitie: daca , k = 1,,d sunt variabile aleatoare atunci X = (,,)( este o variabila aleatoare vectoriala sau vector aleator.
Legea de probabilitate a variabilei aleatoare vectoriale X, notata , este definita:
PX(B) = P(X-1(B)) = P({( / X(() ( B}), (2.37)
pentru orice .
Definitie: daca exista o functie f definita pe , astfel incat pentru orice eveniment B din vom avea:
(2.38)
atunci aceasta este denumita densitate de probabilitate a variabilei aleatoare vectoriale X.
Definitie: functia de repartitie a variabilei aleatoare vectoriale X notata F, este definita astfel:
, (2.39)
pentru orice x = (,,)(.
Functia de repartitie a unei variabile aleatoare vectoriale are o serie de proprietati.
Proprietati
1)F(,,) este crescatoare pentru fiecare din argumentele sale;
2)F(,,) este continua la dreapta pentru fiecare din argumentele sale;
3)F(,,)0 atunci cand
EMBED Equation.3 si
F(,,) atunci cand
EMBED Equation.3 ;
4)Daca
EMBED Equation.3
EMBED Equation.3 pentru i = 1,,d si daca:
atunci, .
Orice functie care verifica proprietatile 1, 2, 3 si 4 de mai sus, este numita functie de repartitie n-dimensionala.
Propozitie Densitatea "f" si functia de repartitie F ale unei variabile aleatoare vectoriale, sunt legate prin relatiile urmatoare:
(2.40)
si , (2.41)
in orice punct de continuitate (,,) al lui f.
Functiile de repartitie pentru i = 1,,d, definite prin:
Fi(x) = F(+(,.,+(, x, +(,.,+(), (2.42)
unde "x" este argumentul de ordin "i" al lui F, sunt numite functii de repartitie marginale. In final, acestea sunt respectiv functiile de repartitie ale variabilelor aleatoare .
Teste pentru verificarea cunostintelor
Testul 1
Analistul responsabil de gestiunea stocurilor intr-un magazin de piese auto a stabilit ca variabila aleatoare X Cererea zilnica de filtru de ulei HW3C admite distributia urmatoare:
xi 0 1 2 3 4 5 6
pi 0,10 0,20 0,10 0,02 0,30 0,03 0,25
Evaluati probabilitatea ca cererea sa fie :
i) cel putin 1 filtru si mai putin 3;
ii) mai mult de 2 filtre si cel mult 5;
iii) cel putin 4 filtre dar nu mai mult de 6;
iv) mai mult de 4 filtre;
v) mai mult de 1 filtru;
vi) 2 filtre sau mai putin .
i) Evenimentul Cererea este de cel putin 1 filtru si mai putin de 3se scrie: ___X < ___ .
P(___X < ___) = P(X= ) + P(X = )
ii) Evenimentul Cererea este mai mult de 2 filtre si cel mult 5 se scrie: ___< X ___.
P(___< X ___) =
iii) Evenimentul Cererea este de cel putin 4 filtre dar nu mai mult de 6 se scrie:___________.
P(
) =
iv) Evenimentul Cererea este mai mult de 4 filtre se scrie: _________ .
P(
) =
v) Evenimentul Cererea este mai mult de 1 filtru se scrie: _________ .
P(
) =
vi) Evenimentul Cererea este de 2 filtre sau mai putin se scrie: ________ .
P(
) =
Testul 2
O intreprindere realizeaza o statistica despre numarul de accidente de munca. Informatia de mai jos despre numarul de accidente pe zi pentru o perioada de 250 de zile a fost pusa la dispozitia uzinei de catre comitetul de securitate. Fie X variabila aleatoare Numarul de accidente intr-o zi.
Numarul de accidente Numarul de
intr-o zi zile
0 34
1 68
2 66
3 45
4 24
5 9
6 4
a) Descrieti legea de repartitie (functia densitate de probabilitate) a lui X:
xi 0 1 2 3 4 5 6
f(xi)
b) Descrieti functiei de repartitie a lui X:
_________ daca x < 0
_________ daca 0x < 1
_________ daca _______
_________ daca _______
F(x) =
_________ daca _______
_________ daca _______
_________ daca _______
_________ daca _______
c) Trasati graficul functiei F
d) Verificati daca inaltimea saltului functiei F pentru fiecare valoare xi corespunde functiei densitate in acel punct f(x).
xi0 1 2 3 4 5 6
inaltimea saltului0.136
f(xi)
e) Care este probabilitatea de a observa mai putin de trei accidente intr-o zi?
f) Responsabilul comitetului de securitate precizeaza ca sunt 95% sanse pentru a se produce mai mult de trei accidente pe zi?
Aceasta afirmatie vi se pare rezonabila?
g) Care sunt sansele dintr-o 100 pentru a observa mai mult de 4 accidente intr-o zi?
Testul 3
Legea de repartitie a vectorului de variabile aleatoare discrete X si Y este prezentata in tabloul urmator:
a) Determinati legea marginala a lui X, Y completand tabloul de mai sus.
b) Fie T=X+Y. Care sunt valorile posibile pentru T?
Care este legea de repartitie pentru T?
Testul 4
Legile marginale a doua variabile aleatoare discrete sunt:
xi f(xi)
0 0,60
1 0,40
0,40 = M(X)
0,25 = D(X)
yj f(yj)
1 0,50
2 0,30
3 0,20
1,70 = M(Y)
0,61 = D(Y)
1. Determinati legea de repartitie a vectorului X si Y presupunand ca variabilele aleatoare X si Y sunt independente.
X\Y y1 = 1 y2 = 1 y3 = 1
x1 = 0
x2 = 1
2. Determinati legea de probabilitate a variabilei aleatoare W = XY.
(xi,yj) xi yj f(xi,yj)
(0,1)
(1,1)
we f(we)
0
EMBED Word.Picture.8
Y
X
Y1=1 Y2=2 Y3=3
f(xi)
f(yi)
X1=0
X2=1
0,07 0,20 0,33
0,03 0,30 0,07
518079
_1074159163.unknown
_1074159427.unknown
_1084608198.doc
1
0.8
0.6
0.4
0.2
0 1 2 3 4 5 6 7 8 9 10 x
Legea de repartiie
F.d.r. binomial
Funcia de repartiie
_1002543622.doc
0 1 2 3 4 5 6 7 8 9 10 10
1
0.8
0.6
0.4
0.2
Densit binomiqle
F.d.r. binomiqle
_1085324174.unknown
_1085325276.unknown
_1085326367.unknown
_1085326401.unknown
_1085328656.unknown
_1085326519.unknown
_1085326388.unknown
_1085325333.unknown
_1085326354.unknown
_1085325317.unknown
_1085325222.unknown
_1085325243.unknown
_1085324184.unknown
_1085323978.unknown
_1085324096.unknown
_1085324106.unknown
_1085324050.unknown
_1085323843.unknown
_1085323911.unknown
_1084627842.doc
Densitate f(z)
F.d.r. F(z)
-4 -3 -2 -1 0 1 2 3 4 z
1.0
0.8
0.6
0.4
0.2
_1084629356.unknown
_1084629924.doc
W(1,1/2)
W(1/2,1)
W(1,1)
x
f(x)
_1085323832.unknown
_1084629567.doc
0 2 4 6 8 10 x
1.0
0.8
0.6
0.4
0.2
Densit f(x)
F.d.r F(x)
_1084628259.doc
f(x)
0.4/(
0.2/(
0 ( x
0 ( x
f(x)
( = 0.5
( = 1
( = 2
_1084629027.unknown
_1084611669.unknown
_1084625256.unknown
_1084609335.unknown
_1074159746.unknown
_1074159837.unknown
_1074159874.unknown
_1074159887.unknown
_1074159894.unknown
_1074417913.unknown
_1074418697.unknown
_1074159890.unknown
_1074159882.unknown
_1074159849.unknown
_1074159865.unknown
_1074159846.unknown
_1074159764.unknown
_1074159787.unknown
_1074159790.unknown
_1074159771.unknown
_1074159753.unknown
_1074159761.unknown
_1074159749.unknown
_1074159509.unknown
_1074159663.unknown
_1074159728.unknown
_1074159739.unknown
_1074159721.unknown
_1074159527.unknown
_1074159530.unknown
_1074159516.unknown
_1074159479.unknown
_1074159490.unknown
_1074159504.unknown
_1074159484.unknown
_1074159463.unknown
_1074159473.unknown
_1074159431.unknown
_1074159261.unknown
_1074159335.unknown
_1074159361.unknown
_1074159409.unknown
_1074159416.unknown
_1074159370.unknown
_1074159353.unknown
_1074159356.unknown
_1074159346.unknown
_1074159349.unknown
_1074159280.unknown
_1074159301.unknown
_1074159332.unknown
_1074159323.unknown
_1074159287.unknown
_1074159275.unknown
_1074159212.unknown
_1074159220.unknown
_1074159224.unknown
_1074159217.unknown
_1074159173.unknown
_1074159208.unknown
_1074159169.unknown
_1030444959.unknown
_1031741186.unknown
_1032082452.unknown
_1032087905.unknown
_1069830746.unknown
_1074159147.unknown
_1074159159.unknown
_1074159134.unknown
_1070426872.doc
a
b
x
1/(b-a)
1
Densitate f(x)
F.d.r. F(x)
_1032088603.unknown
_1032088682.unknown
_1069830743.unknown
_1032088677.unknown
_1032088598.unknown
_1032085113.unknown
_1032085501.doc
0
x1
x2
x3
x4
xN-1
xN
x
1
y
p1
p2
p3
p4
pN-1
pN
y = F(x)
_1032087761.unknown
_1032085402.unknown
_1032084983.unknown
_1032085064.doc
x
y
y = f(x)
0
_1032084495.unknown
_1032084805.unknown
_1031748361.unknown
_1032072384.unknown
_1032074967.unknown
_1032075145.unknown
_1032075286.unknown
_1032075345.unknown
_1032074979.unknown
_1032074919.unknown
_1032074945.unknown
_1032072388.unknown
_1032074883.unknown
_1032068513.doc
0 2 4 6 8 10 x
1.0
0.8
0.6
0.4
0.2
Densitate f(x)
F.d.r. F(x)
_1032069573.unknown
_1031748424.unknown
_1031742356.unknown
_1031742404.unknown
_1031746675.unknown
_1031742401.unknown
_1031741196.unknown
_1031742351.unknown
_1031741191.unknown
_1030881644.unknown
_1031565222.unknown
_1031568389.unknown
_1031740262.unknown
_1031568161.unknown
_1030882436.unknown
_1030883694.unknown
_1030882420.unknown
_1030446799.unknown
_1030879615.unknown
_1030879633.unknown
_1030881576.unknown
_1030879628.unknown
_1030879609.unknown
_1030446750.unknown
_1030446783.unknown
_1030445577.unknown
_1030445578.unknown
_1030445026.unknown
_1012340459.unknown
_1012340694.unknown
_1012341323.unknown
_1012342175.unknown
_1012563801.unknown
_1012589418.unknown
_1012590067.unknown
_1012563809.unknown
_1012342282.unknown
_1012563781.unknown
_1012342189.unknown
_1012341739.unknown
_1012341758.unknown
_1012341757.unknown
_1012341720.unknown
_1012341228.unknown
_1012341308.unknown
_1012341182.unknown
_1012340492.unknown
_1012340581.unknown
_1012340595.unknown
_1012340518.unknown
_1012340469.unknown
_1012340366.unknown
_1012340401.unknown
_1012340428.unknown
_1012340442.unknown
_1012340391.unknown
_1002956121.unknown
_1012340221.unknown
_1012340338.unknown
_1009728634.unknown
_1009730477.unknown
_1002956248.unknown
_1002553100.doc
y = F(x)
x
0
1
y
_1002891775.doc
f(x)
0.268(
1/(
F(x)
0.63
1/(
x
1.0
x
_1002955462.unknown
_1002554057.doc
f(z)
f(z)
0 z z 0 z z
F(z)
F(0)=1/2
((z)
_1002562151.doc
0 2 4 6 8 10 x
1.0
0.8
0.6
0.4
0.2
Densit f(x)
F.d.r. F(x)
_1002550767.doc
0 5 10 15 k
F(k)
1.0
0.8
0.6
0.4
0.2
_1002552223.doc
x
f
F
x
0
0
1
1
1
1
_965558689.unknown