Curs 3

Variabile aleatoare
Care este probabilitatea de realizare a unor evenimente legate
de o anumita experient a aleatoare?
De obicei, aceste evenimente se refera la anumite marimi
legate de experient a respectiva, marimi care iau valori n funct ie
de rezultatul experient ei. De exemplu, o astfel de marime
poate numarul de puncte X care apar la o aruncare a zaru-
lui.
Sa consideram si experient a urmatoare: Se arunca o moneda
pana la aparit ia stemei si e Y numarul de aruncari efectuate.
Atunci Y poate lua orice valoare ntreaga pozitiva. Aceste
exemple sugereaza introducerea not iunii de variabila aleatoare.
1
Fie (, K, P) un camp de probabilitate. Aplicat ia X : R
se numeste variabila aleatoare daca pentru orice x R, are
loc:
{ | X() < x} K.
O variabila aleatoare cu o mult ime cel mult numarabila de
valori se numeste variabila discreta. Spunem ca variabila aleatoare
este simpla daca ia un numar nit de valori.
O variabila aleatoare pentru care mult imea valorilor posibile
este un interval se numeste continua.
2
Notat ii:
(X < x) = { | X() < x}; (X x) = { | X() x};
(a X b) = { | a X() b}.
Daca X este o variabila aleatoare atunci evenimentele:
(X x), (X x), (X < x), (a X b), (a X < b),
(a < X b), (a < X < b) K.
3
Operat ii cu variabile aleatoare
Daca X este variabila aleatoare, iar a este un numar real
atunci:
X +a, aX, |X|, X
2
si
1
X
(X = 0) sunt variabile aleatoare.
Daca X si Y sunt variabile aleatoare atunci:
X +Y , X Y , XY si
X
Y
(Y = 0) sunt variabile aleatoare.
4
Fie (, K, P) un camp de probabilitate si X : R o variabila
aleatoare discreta cu valorile x
i
, i I (I o mult ime cel mult
numarabila). Notam cu
A
i
= { | X() = x
i
} = (X = x
i
)
si p
i
= P(A
i
). Sirul de perechi (x
i
, p
i
)
iI
se numeste repartit ia
variabilei aleatoare X.
Vom nota X
_
x
1
x
2
. . . x
i
. . .
p
1
p
2
. . . p
i
. . .
_
sau X
_
x
i
p
i
_
iI
.
Sa observam ca A
i
este un sistem complet de evenimente, prin
urmare p
i
0, i I si

iI
p
i
= 1.
5
Operat ii cu variabile aleatoare. Cazul discret
Fie (, K, P) un camp de probabilitate, a R si X, Y :
K doua variabile aleatoare discrete cu repartit iile X
_
x
i
p
i
_
iI
,
respectiv Y
_
y
i
q
i
_
iI
. Atunci:
Variabilele aleatoare discrete X + a, aX, |X|, X
n
si
1
X
vor
avea repartit iile:
X+a
_
x
i
+a
p
i
_
iI
, aX
_
ax
i
p
i
_
iI
, |X|
_
|x
i
|
p
i
_
iI
, X
n
_
x
n
i
p
i
_
iI
,
1
X
_
_
_
1
x
i
p
i
_
_
_
iI
.
6
(ii) Variabilele aleatoare discrete X + Y , XY ,
X
Y
vor avea
repartit iile:
X +Y
_
x
i
+y
j
p
ij
_
iI,jJ
, XY
_
x
i
y
j
p
ij
_
iI,jJ
,
X
Y
_
_
_
x
i
y
j
p
ij
_
_
_
iI,jJ
,
unde p
ij
= P(X = x
i
, Y = y
j
).
Daca variabilele X si Y sunt independente atunci
p
ij
= P(X = x
i
, Y = y
j
) = p
i
q
j
Funct ia de repartit ie a unei variabile aleatoare
Fie (, K, P) un camp de probabilitate si X : R o variabila
aleatoare. Se numeste funct ie de repartit ie a variabilei X o
funct ie F : R R denita prin
F(x) = P(X < x) = P({ | X() < x})
Proprietat i
(i) F este nedescrescatoare pe R (x
1
< x
2
F(x
1
) F(x
2
)).
(ii) F este continua la stanga n orice punct x R
(iii) lim
x
F(x) = 0, lim
x
F(x) = 1.
(iv) 0 F(x) 1, x R.
(v) F(x +0) = F(x) +P(X = x), x R.
7
Fie X o variabila aleatoare avand funct ia de repartit ie F si
a, b R, a < b. Atunci au loc:
(i) P(a X < b) = F(b) F(a).
(ii) P(a < X < b) = F(b) F(a) P(X = a) = F(b) F(a+0).
(iii) P(a < X b) = F(b) F(a) P(X = a) + P(X = b) =
F(b +0) F(a +0).
(iv) P(a X b) = F(b)F(a)+P(X = b) = F(b+0)F(a).
Daca F este continua, toate probabilitat ile devin egale cu
F(b) F(a).
8
Exemplu. Funct ia de repartit ie a unei variabile aleatoare dis-
crete cu repartit ia
_
x
1
x
2
. . . x
n
p
1
p
2
. . . p
n
_
este o funct ie etajata, complet determinata de probabilitat ile
(p
i
)
iI
. Mai precis, x R
F(x) =
_

_
0, x x
1
p
1
, x
1
< x x
2
p
1
+p
2
, x
2
< x x
3
. . .
p
1
+p
2
+ +p
n1
, x
n1
< x x
n
1, x > x
n
9
Pentru variabilele continue, legea de probabilitate (corespondent a dintre
valorile posibile ale variabilei aleatoare si probabilitat ile corespunzatoare)
este exprimata prin densitatea de repartit ie (sau densitatea de probabili-
tate).
Variabila aleatoare X are o densitate de repartit ie daca
exista o aplicat ie f : R [0, ), integrabila pe R astfel ncat
F(x) =
_
x

f(t)dt
unde F este funct ia de repartit ie a variabilei aleatoare X.
O aplicat ie f : R R este densitatea de repartit ie a unei
variabile X daca
1) f(x) 0, x R,
2) f integrabila pe R si
_

f(x)dx = 1.
10
Folosind proprietat ile funct iei de repartit ie, se poate demonstra
urmatorul rezultat:
Fie X o variabila aleatoare cu densitatea de repartit ie f si
a, b R, cu a < b. Atunci
P(a X b) =
_
b
a
f(x)dx
Daca funct ia de repartit ie F este derivabila pe R atunci vari-
abila aleatoare X admite ca densitate de repartit ie funct ia f
cu F

= f (F este o primitiva a lui f). Daca variabila aleatoare

X ia valori numai n intervalul (a, b) atunci f se anuleaza n
afara acestui interval.
11
Caracteristici numerice ale variabilelor aleatoare

In practica se folosesc indicatori, caracteristici numerice ale variabilelor

aleatoare care conduc la o imagine a modului de repartizare a valorilor
sale.
Fie (, K, P) un camp de probabilitate si X : R o variabila aleatoare.
Se numeste media variabilei aleatoare X, numarul notat M(X)
denit de
M(X) =

iI
x
i
p
i
daca X v. a. discreta cu repartit ia
_
x
i
p
i
_
iI
M(X) =
_

xf(x)dx daca X v. a. continua avand densitatea

de repartit ie f.
12
Media este un indicator al tendint ei centrale de grupare. Pentru o variabila
aleatoare simpla media exista totdeauna. Pentru o variabila aleatoare dis-
creta, media exista daca seria

iI
x
i
p
i
este absolut convergenta, condit ie
necesara pentru ca valoarea medie sa nu depinda de ordinea de sumare.
Pentru o variabila aleatoare continua, integrala trebuie sa e convergenta.
Proprietat i Fie X, Y doua variabile aleatoare.
1. Daca X, Y si X Y au medie atunci
M(X Y ) = M(X) M(Y )
2. Daca X, Y si XY au medie si X, Y sunt variabile aleatoare
independente atunci M(XY ) = M(X)M(Y ).
3. Daca a R, M(a) = a.
4. Daca a R, M(aX) = aM(X) si M(a +X) = a +M(X).
5. Variabila XM(X) (numita abatere de la medie) are media
zero.
13
O caracteristica mai generala decat media este momentul
init ial de ordin k:
M
k
(X) = M(X
k
)
Daca X este o variabila discreta atunci M
k
(X) =

iI
x
k
i
p
i
.
Daca X este o variabila continua atunci M
k
(X) =
_

x
k
f(x)dx.
Sa observam ca M(X) = M
1
(X).
14
O caracteristica ce masoara mprastierea valorilor lui X fat a
de medie este dispersia lui X, notata prin D
2
(X).
D
2
(X) = M
2
(X m) = M[(X m)
2
], m = M(X)
Daca X este o variabila discreta atunci:
D
2
(X) =

iI
(x
i
m)
2
p
i
Daca X este o variabila continua atunci:
D
2
(X) =
_

(x m)
2
f(x)dx
15
Proprietat i ale dispersiei
1. D
2
(X) 0 pentru orice variabila aleatoare X.
2. D
2
(a) = 0, a R
3. D
2
(aX) = a
2
D
2
(X), a R.
4. D
2
(X) = M
2
(X) (M(X))
2
.
5. Daca X si Y sunt variabile aleatoare independente atunci
D
2
(X Y ) = D
2
(X) +D
2
(Y )
O caracteristica mai generala decat dispersia este momentul
centrat de ordin k:

k
(X) = M
k
(X m) = M((X m)
k
)
unde m = M(X).
16
Exemple. 1. Fie variabilele aleatoare independente X si Y :
X
_
1 2 4
0, 2 0, 3 0, 5
_
si Y
_
1 4 6
0, 6 0, 2 0, 2
_
.
Sa se ae: a) Repartit iile variabilelor X+Y , XY , X
3
. b) Media
si dispersia variabilelor X si 2X +3Y . c) Funct ia de repartit ie
a variabilei X.
Rezolvare.
a) X +Y
_
2 3 5 6 7 8 10
0, 12 0, 18 0, 34 0, 06 0, 04 0, 16 0, 1
_
.
XY
_
1 2 4 6 8 12 16 24
0, 12 0, 18 0, 34 0, 04 0, 06 0, 06 0, 1 0, 1
_
.
X
3
_
1 8 64
0, 2 0, 3 0, 5
_
.
17
b) M(X) = 1 0, 2 +2 0, 3 +4 0, 5 = 2, 8.
M(X
2
) = 1 0, 2 +4 0, 3 +16 0, 5 = 9, 4,
D
2
(X) = 9, 4 (2, 8)
2
= 1, 56. Analog, M(Y ) = 2, 6.
Apoi M(2X + 3Y ) = 2M(X) + 3M(Y ) si D
2
(2X + 3Y ) =
4D
2
(X) +9D
2
(Y ).
c)
F(x) =
_

_
0 x 1
0, 2 1 < x 2
0, 5 2 < x 4
1 x > 4.
2