Sunteți pe pagina 1din 17

CAPITOLUL 9

CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE

9.1. Media; definiţ ie, proprietăţi

Fie

(, K, P) .

X

variabil ă

aleatoare

pe

câmpul

Atunci

)

(

M

X

DEFINIŢ IE

:

Fie

valoarea

medie

=

n

i = 1

x f

i

(

x

i

) .

DEFINITIE

:

Fie

X :

p

i

variabilei

X :

f

x

(

x

=

x

i

f

(

x

i

)

,

aleatoare

)

,

unde

valoarea

medie

a

variabilei

aleatoare

de

probabilitate

unde

i = 1,Κ , n .

discrete

X

este

x [a, b].

continue

Atunci

X

este

 

b

M ( X )

=

x

f (x)dx .

 

a

 

OBSERVAŢIE

:

Pentru

n ,

trebuie

ca seria

i =1

x f

i

(

x

i

)

s ă fie convergent ă . Pentru a sau b tinzând c ătre − ∞ sau

+ ∞ , trebuie ca integrala improprie s ă fie convergentă .

1 )

2)

P1.

X :

X :

EXEMPLE:

1

0,2

f

(

x

2

0,5

x

) =

e

3

0,3

x

,

, M(X) = 1 0,2 + 20,5 + 30,3 = 2,1 .

x 0 ,

M ( X )

=

0

xe

x

dx

= Γ

(2)

=

1

Propriet ăţ i ale mediei:

Fie

X :

f

x

(

i

x

i

)

, i = 1,Κ , n . Dac ă λ

x

i

λ M(X ) µ .

µ , atunci :

.

Demonstraţ ie:

(

M X

)

=

n

i = 1

x f

i

(

x

i

)

Adunând aceste rela ţii pentru valorile indicelui i = 1,Κ , n , ob ţ inem:

λ

f

(

x

i

)

x

i

f

(

x

i

)

µ

f

(

n

x

λ M(X) µ , deoarece

i = 1

i

)λ

f

(

x

i

)

n

=

1

i

f

=

1 .

(

x

i

)

(

M X

)

µ

n

=

1

i

f

(

x

P2.

Demonstraţ ie:

M (k) = k , adic ă media unei constante este o constant ă .

X :

k

1

, M (k) = k 1 = k .

i

) ,deci

P3. Media unei constante înmul ţit ă cu o variabilă aleatoare este egal ă cu constanta înmul ţ it ă cu media variabilei aleatoare. Adic ă: M (a X ) = a M ( X ) .

Κ

Κ

Κ a

Κ p

x

1

p

1

Demonstraţ ie: Fie

X :

Atunci

M a X

(

)

a

=

X :

a

x

1

a

p

1

x

p

+Κ +

1

1

x

n

=

a x

n

p

n

n

x

n

p

n

.

n

,

i = 1

p

i

=

1 ,

a

(

x

1

p

1

+Κ +

x

n

(

M X

) =

n

i

x

i = 1

p

n

)

=

a M X

(

)

.

p

i

.

P4. Dacă X ş i Y sunt dou ă variabile aleatoare, atunci :

M(X +Y ) = M(X ) + M(Y ).

Demonstraţ ie:

Fie

X :

x

p

i

i

,

n

i

1

=

m

p

i

y

q

x

+

=

1

ş i

fie

Y :

j

j

,

y

i

j

j

= 1

q

j

=

1 . Atunci

n

m

X

+

Y :

p

i

n

q

m

j

M X

(

n

+

)

Y

=

m

=

1

i =

j

1

=

(

x

i

+

i

p

i

=

1

j

1

y

j

q

j

+

y

j

)

=

M

p

i

(

X

q

j

=

x

i

i

11

j

==

)

+

M

(

Y

)

i = 1,Κ ,n ,

j = 1,Κ ,m,

.

, i = 1,Κ ,n ,

p

i

q

j

n

m

+

y

j

i

1

=

j

1

=

(

M X

) =

M

(

Y

) =

n

x

i

i

m

=

1

j

y

j

= 1

p

i

q

j

,

,

j = 1,Κ ,m .

p

i

q

j

n

=

x

i

i

1

=

p

i

m

q

j

j

1

=

+

P5. Dacă X ş i Y sunt independente, atunci: M(X Y) = M(X) M(Y).

Demonstraţ ie:

X

Y :

x

p

i

i

M

(

X

Y

)

=

n

m

i =

1

j

=

1

x y

i

j

p q

i

j

y

q

=

n

j

, i = 1,Κ ,n ,

j

i

x p

i

=

1

i

m

=

1

j

y q

j

j

j = 1,Κ ,m .

=

M

(

X

)

M

(

Y

)

9.2. Dispersia; defini ţie, proprietăţi

Fie

X :

2

0,1

0,4

1

1

0,4

2

0,1

,

M ( X ) = 0 .

Observă m

c ă

valorile lui X nu difer ă mult de medie.

Fie

Y :

000

1

0,1

5

0,4

5

0,4

1 000

0,1

valorile lui Y diferă mult de medie.

Împr ăş tierea

valorilor

lui

Y

împr ăş tierea valorilor lui X.

, M (Y ) = 0 . Observă m c ă

este

mai

mare

decât

Fie

X :

x 1 ş i fie M(X) media sa. Construim

x

2

x

n

p

1

p

2

Κ

p

n

Κ

variabila aleatoare ξ = X M ( X ) , numit ă abaterea variabilei aleatoare X de la media sa. Fie m=M(X).

ξ :

x

1

p

1

m

x

2

p

2

m

Κ

Κ

x

n

p

n

m

OBSERVAŢIE: M(ξ) = M[X m] = M(X) M(m) = M(x) m= 0.

Deci nu putem utiliza media variabilei aleatoare abatere pentru a determina împr ăştierea fa ţă de media sa. Din acest motiv, ca o mă sur ă a împr ăştierii valorilor unei variabile aleatoare X faţă de media sa, vom lua dispersia, notată cu D(X), unde:

. Dispersia este media pătratului variabilei

aleatoare de abatere ξ .

D X

(

)

=σ

2

2

= M ξ

(

)

2

ξ

:

(

x

1

p

m

1

)

2

(

x

2

p

m

2

)

2

Κ

Κ

(

x

n

m

p

n

)

2

.

2

ξ

=

[

X M

(

X

)]

2

= X

2

2

M

(

X

)

X + M

2

(

X

)

Atunci dispersia va fi :

D X

(

)=

2

M ξ

(

)=

M X

(

2

)2

D X

(

M X M X

)

(

(

)+

M

2

M

2

(

Rezult ă astfel c ă

)

(

= M X

2

)

)= M X

(

X

X

)

.

(

2

.

)

M

2

(

)

X

.

1 )

D

X :

( X

)

EXEMPLE :

1

= M ( X

0,3

0

0,4

2

)

1

0,3

M

2

,

(

M(X) = 0;

X

)

=

0,6

.

X

2

2)

Y :

D ( Y

)

1 000

0,3

= M

(

Y

0

0,4

2

)

1 000

(

0,3

2

M

, M(Y)=0;

Y

Y

)

=

600000

2

.

3)

X

D

X

2

(

:

X

:

)

f

(

(

x

) =

x

x

) =

(

2

f

x

= M

e

X

2

,

,

x 0 ,

M

(

X

)

x 0 ,

2

(

X

)

(

M X

)

=

2

1

=

=

e

x

x

)

M

Propriet ăţ i ale dispersiei:

:

1

0,6

0

0,4

0

0,4

:

6

1 0

0,6

,

(

M X

2 )

=

, M

(

Y

2 )

0,6

=

600000

=

0

1

.

0

xe

x

dx

= Γ

(2)

2

x e

x

dx

= Γ

(3)

=

=

2!

1

=

2

P1. Dispersia unei constante este egală cu zero. Adic ă D(a) = 0 , unde a este o constantă .

Demonstraţ ie:

(

D a

)

= M

(

2

a

)

M

2

(

a

)

2

= a

2

a

=

0

.

P2. Dispersia unei constante înmul ţit ă cu o variabilă aleatoare este egal ă cu produsul dintre pătratul constantei ş i dispersia variabilei

aleatoare. Adică :

D

(

a X

)

2

= a

D

(

X

)

Demonstraţ ie:

(

D a

X

) =

(

M a

2

X

2

)

M

2

(

a

X

) =

2

a M

(

X

2

)

a

P3.

2

M

2

(

X

)

2

= a

[

M

(

X

2

)

M

2

(

X

)]

2

= a

D

(

X

)

.

Dac ă X ş i Y sunt independente, atunci D(X +Y) = D(X)+D(Y)

Demonstraţ ie:

=

+ M

M ( X

Y

(

2

2

+ 2

)

XY

+

(

M

2

(

) =

) +

)

D

X

+

Y

Y

X

) [

M ( X

)

2

M

(

X

2

M

M ( Y

X

)]

2

+

=

Y

M

2

[(

M ( Y

)

)

M ( X

(

]

Y

2

)

2

M

) + 2

= D

2

(

X

+

Y

) =

) +

M ( X ) M ( Y

(

X

)

+ D ( Y

)

.

Consecinţ a 1:

D

r

i =

1

X

i

=

r

=

1

i

D

(

X

i

) , unde variabilele

sunt independente, i = 1,Κ , r . Consecinţ a 2: D(a + X ) = D( X ) . Consecinţ a 3: Dacă Y = a X + b , atunci

(

D Y

)

2

= a

D

(

X

X

)

.

i

Consecinţ a 4: Dacă Z = X Y , atunci D(Z) = D(X) + D(Y).

deci

Într-adevă r,

D Z

(

)

(

= D X

)

putem

]

scrie

Z = X Y = X + (Y )

1)

2

D Y

(

ş i

+ D

[( 1)

Y

(

= D X

)

+ −

(

)

ş i deci D(Z) = D(X) + D(Y).

TEOREM Ă:

Fie

X

1

, X

2

,

Κ

, X

n

variabile

aleatoare

cu

n

 

i

X

1

n

 

aceea ş i

medie

ş i

dispersie.

Fie

Y

=

i = 1

=

X

i

,

 

n

n

i = 1

 

n

aritmetică a veriabilelor

X i . Atunci

(

D Y

) =

1

n

i

D

(

X

i = 1

)

.

Demonstraţ ie:

(

D Y

) =

D

1

n

i

X

=

1

n

i

D X

=

1

n

i = 1

2

n

n

i

= 1

(

)

n

media

D X

(

i

)

.

9.3. Abaterea medie p ătratic ă

DEFINIŢ IE: Se numeş te abatere medie pă tratic ă a unei variabile aleatoare X, ră d ă cina pătrat ă din dispersia variabilei aleatoare.

Abaterea medie pă tratic ă , σ = propriet ăţ i corespunză toare dispersiei.

D ( X ) , are în principiu D( X ) , are în principiu

9.4.

Momentele unei variabile aleatoare X

Momentele unei variabile aleatoare sunt valori tipice ale variabilei. Exist ă două tipuri de momente: momente iniţ iale şi momente centrate.

DEFINIŢ IE:

Momentul

ini ţial

de

ordinul

variabile aleatoare X este media variabilei aleatoare

X

k

m

k

= M

(

X

k

) , k = 1,2,Κ

.

k

al

unei

m

1

= M

Cazuri particulare:

(

X

)

,

m

2

= M

(

X

2

)

, deci

D(X ) = m

2

m

2

1

.

DEFINIŢ IE:

Momentul centrat de ordinul k al unei

variabile aleatoare X este media variabilei aleatoare [(

X M

(

X

))

k

] .

µ

k

= M

[(

X M

(

X

))

k

]

,

k = 1,2,Κ

µ

1

Cazuri particulare:

[

= M X M X

[

(

)]

=

0

,

µ

2

= X M X

(

2

)]

(

=D X

)

.

În cazul unei variabile aleatoare discrete, fie

X :

x

1

p

1

Κ

Κ

x

n

p

n

atunci

k

X :

k

x

1

p

1

Prin urmare

m

k

Κ

Κ

=

k

x

n

p

n

M X

(

k

ş

)

i

=

(

n

i = 1

X

k

x p

i

i

m

)

ş

i

k

:

(

x

1

p

µ

k

=

M

[(

m

1

X

)

k

Κ

Κ

k

) ]

m

=

(

x

n

n

i = 1

(

x

i

m

p

n

)

k

)

m

k

p

i

k = 1,2,Κ ,n .

,

.

,

În

x

(

m

X :

f

vor fi

x

k

)

=

,

cazul

unei

variabile

b

a

x [a,b],

f

(

x

) =

x

k

f (x)dx ş i µ

k

=

0,

f

b

a

x

(

(x

x

),

aleatoare

(

x

−∞

a , b

,

[

a

]

)

(

b

,

continue,

)

fie

, momentele

m)

k f (x)dx , k = 1,2,Κ , n .

Fie F(X) funcţ ia de reparti ţie. Atunci

m

k

=

−∞

k

x dF(x)

ş i

µ

k

=

−∞

k

(x m) dF(x)

.

Relaţ ia dintre momentele iniţ iale şi cele centrate:

µ

k

=

Dar

M X

[

M

(

X

M X

(

k

)]

k

j

) =

=

m

M X

[

]

m

k

=

M

k

k

( 1)

k

j

C m X

k

j

j

0

=

k

j

. Deci avem:

µ

k

=

j

k = 0

(

j

1)

j

=

k

( 1)

j

0

=

j

C m M X

k

j

j

(

C

j

k

j

m m

k

j

.

k

j

)

OBSERVAŢIE : Pentru k=2 , obţ inem :

µ

2

=

2

j = 0

Dar

Atunci

m

0

C m m

j

k

2

j

j

(

= M X

0

)

µ

2

= m

2

=

0

C m

2

2

(1)

+

= M

m

2

1

=

0

1

C m m

2

1

1

+

C m m

2

0

2

2

ş i m

1

= m

2

1

= m .

m

2

1

= D

(

.

X

)

.

9.5. Funcţ ia generatoare de momente a unei variabile aleatoare

Func ţia generatoare de momente a unei variabile aleatoare se introduce pentru simplificarea calculului momentelor.

DEFINIŢ IE: Se numeş te funcţ ie generatoare de momente

, unde

a unei variabile aleatoare X, valoarea medie a variabilei

e

tX

t R .

de

g

( )

t

Not ă m func ţia generatoare de momente cu g : R R , dat ă

= M

(

e

tX

)

.

deci

Fie

e

tX

=

X

e

:

tx

1

p

1

x

p

1

1

e

tx

2

p

2

x

p

2

2

Κ

Κ

momente este

( )

g t

=

(

M e

tX

)

Κ

Κ

=

x

p

e

n

n

e

tx

n

p

n

n

tx

i

i =

1

,

p

i

o variabilă aleatoare discret ă ,

iar

.

funcţ ia

generatoare

de

deci

este

Fie

X

:

f

x

(

x

)

,

x [a, b], o variabil ă aleatoare continuă ,

e tX

g(t)

=

=

e tx

f (x)

, x [a, b] , iar funcţ ia generatoare de momente

tX

)

=

b

a

tx

e f (x)dx.

M(e

Propriet ăţ i ale funcţiei generatoare de momente:

P1.

g(0) = 1

Demonstraţ ie:

g

(0)

=

M

(

e

t

0

)

=

M

(1)

=

1

P2. Dac ă

funcţ iile generatoare de momente

generatoare

X

1

, X

2

,

Κ

, X

n sunt variabile aleatoare independente cu

Κ

a variabilei aleatoare

, atunci funcţ ia

g

1

( ),

t

g

( )

t

2

( ),

t

g

2

( )

t

,

g

n

( )

t

2

de

momente

 

+Κ + X

n

, este

( )

g t

=

g

1

X = X

1

+ X

⋅Κ ⋅

g

n

( )