Algebr As I Elemente de Statistic A Matematic A Curs 8: Adela Sasu, PH.D
Algebr As I Elemente de Statistic A Matematic A Curs 8: Adela Sasu, PH.D
Algebr As I Elemente de Statistic A Matematic A Curs 8: Adela Sasu, PH.D
Curs 8
asasu@unitbv.ro Curs 8 1 / 14
Repartiţii unidimensionale discrete
k
X k
λ −λ
e
k! k∈N
P∞ λk −λ P∞ λk
Evident k=0 k! e = e −λ k=0 k! = e −λ e λ = 1
it −1)
Funcţia caracteristică: ϕ(t) = e λ(e
Demonstraţie:
P∞ itk λk e −λ
P∞ (e it λ)k it λ
ϕ(t) = M(e itX ) = k=0 e k! = e −λ k=0 k! = e −λ e e =⇒
asasu@unitbv.ro Curs 8 2 / 14
Repartiţii unidimensionale discrete
it −1)
=⇒ ϕ(t) = e λ(e
Media: M(X ) = λ
M(X ) = 1i ϕ0 (0)
it −1)
ϕ0 (t) = e λ(e λe it i =⇒ ϕ0 (0) = λi =⇒ M(X ) = λ
Dispersia: D 2 (X ) = λ
1 00
M(X 2 ) = i2
ϕ (0)
it −1) it −1)
ϕ00 (t) = λi[e λ(e λe it ie it + e λ(e e it i] =⇒ ϕ00 (0) = λi(λi + i) =
i 2 (λ2 + λ) =⇒ M(X 2 ) = λ2 + λ =⇒ D 2 (X ) = λ2 + λ − λ2 =⇒
D 2 (X ) = λ
q √
Abaterea pătratică medie: σ(X ) = D 2 (X ) = λ
asasu@unitbv.ro Curs 8 3 / 14
Repartiţii unidimensionale discrete
Repartiţia hipergeometrică
Definiţie
O variabilă aleatoare X are o repartiţie hipergeometrică de parametrii n, a,
N dacă
k
, a ∈ N∗ , n ∈ N∗ , max(0, a + n − N) ≤ k ≤ min(n, a)
X k n−k
Ca CN−a
CNn k=0,n
n∈N∗
Avem:
n−k
Pn Cak CN−a Pn
= 1 k n−k 1 n
k=0 CNn CNn k=0 Ca CN−a = CNn CN =1
asasu@unitbv.ro Curs 8 4 / 14
Repartiţii unidimensionale discrete
n
X
Am folosit identitatea: Cak Cbn−k = Ca+b
n
obţinută din
k=0
(1 + x)a (1 + x)b = (1 + x)a+b
an
Media: M(X ) =
N
C k C n−k
Demonstraţie: M(X ) = nk=0 k a C N−a
P 1 Pn k n−k
n = CNn k=0 kCa CN−a
N
a k−1
Folosim formula: Cak = Ca−1
k
n
1 X a k−1 n−k 1 n−1 1 n−1 an
M(X ) = n k Ca−1 CN−a = n aCN−1 = N n−1
aCN−1 = =⇒
CN k CN n CN−1
N
k=1
an
M(X ) =
N
asasu@unitbv.ro Curs 8 5 / 14
Repartiţii unidimensionale discrete
an (N − n)(N − a)
Dispersia: D 2 (X ) =
N N(N − 1)
Demonstraţie: D (X ) = M(X 2 ) − (M(X ))2
2
n n−k n
2
X
2
Cak CN−a 1 X 2 k n−k
M(X ) = k = n k Ca CN−a =
CNn CN
k=0 k=0
n
1 X n−k
= n [k(k + 1) + k]Cak CN−a =
CN
k=0
n n
" #
1 X n−k
X
n−k
= n k(k − 1)Cak CN−a + kCak CN−a =
CN
k=1 k=0
asasu@unitbv.ro Curs 8 6 / 14
Repartiţii unidimensionale discrete
n n
" #
1 X
k−2 n−k
X
k−1 n−k a(a − 1) n−2
= n a(a − 1) Ca−2 CN−a + a Ca−1 CN−a = CN−2 +
CN CNn
k=2 k=1
an (N − n)(N − a)
=⇒ D 2 (X ) =
N N(N − 1)
s
an (N − n)(N − a)
q
Abaterea pătratică medie: σ(X ) = D 2 (X ) =
N N(N − 1)
asasu@unitbv.ro Curs 8 7 / 14
Repartiţii unidimensionale discrete
k
X 1
n k=1,n
Pn1 1
Avem = n=1
k=1
n n
n+1
Media: M(X ) =
2
Pn 1 1 Pn 1 n(n + 1) n+1
Demonstraţie: M(X ) = k=1 k = k=1 k = =
n n n 2 2
asasu@unitbv.ro Curs 8 8 / 14
Repartiţii unidimensionale discrete
n2 − 1
Dispersia: D 2 (X ) =
12
Demonstraţie:
asasu@unitbv.ro Curs 8 9 / 14
Repartiţii unidimensionale discrete
X 1 1
P 5 − <
10 6 100
unde X reprezintă numărul de apariţii ale feţei 5 ı̂n 105 aruncări de zar.
D 2 (X )
P(|X − M(X )| < ε) ≥ 1 −
ε2
1
X ∈ Bi (n, p) unde n = 105 , p = (probabilitatea de apariţie a feţei 5)
6
asasu@unitbv.ro Curs 8 10 / 14
Repartiţii unidimensionale discrete
105
M(X ) = np =
6
5 · 105
D 2 (X ) = npq =
36
105
X 1 1 5
3 3
105 − 6 < 100 | · 10 =⇒ X − 6 < 10 =⇒ ε = 10
asasu@unitbv.ro Curs 8 11 / 14
Repartiţii unidimensionale discrete
n
X (ln θ)n
k
n! θ>1,n∈N∗
Rezolvare:
(ln θ)n (ln θ)n
= 1 ⇐⇒ ke ln θ = 1 ⇐⇒
P P
n∈N∗ k = 1 ⇐⇒ k n∈N∗
n! n!
1
kθ = 1 ⇐⇒ k =
θ
asasu@unitbv.ro Curs 8 12 / 14
Repartiţii unidimensionale discrete
=⇒ M(X ) = ln θ
D 2 (X ) = M(X 2 ) − (M(X ))2
" #
1 X (ln θ)n X (ln θ)n
= n(n − 1) + n
θ ∗
n! ∗
n!
n∈N n∈N
asasu@unitbv.ro Curs 8 13 / 14
Repartiţii unidimensionale discrete
∞
" #
1 X (ln θ)n−2 X (ln θ)n−1
= (ln θ)2 + ln θ =
θ (n − 2)! ∗
(n − 1)!
n=2 n∈N
1
(ln θ)2 θ + ln θ · θ = ln2 θ + ln θ
=
θ
=⇒ D 2 (X ) = ln2 θ + ln θ − ln2 θ =⇒ D 2 (X ) = ln θ
asasu@unitbv.ro Curs 8 14 / 14