Capitolul 3 LEGI DE REPARTIIE n acest capitol ne vom ocupa de principalele legi de repartiie ce intervin n aplicaii concrete sau n abordarea

diverselor aspecte teoretice sau specifice din teoria probabilitilor i statistica matematic. Vom aborda mai nti repartiiile de tip discret, apoi cele caracterizate de o densitate de repartiie. 3.1. Repartiii de tip discret Cea mai simpl repartiie discret este repartiia variabilei aleatoare X cu masa concentrat ntr-un punct aR.
a X: , P(X=a) = 1, P(Xa) = 0 1

Se obine imediat c M(X) = a, D2(X) = 0, (t) = eita

0, x a Fa ( x ) = 1, x > a

Urmeaz de aici c orice repartiie discret admite pentru funcia de repartiie reprezentarea:
aj X: , j J ; F(x) = pjFaj(x) ; pj = P(X=aj); jJ, J cel mult numrabil. P(X = aj) jJ

Un caz aparte l constituie repartiia uniform discret:

aj X: 1 n

1 ,1 j n ; P(X = aj) = , 1 j n ; n

M(x) =

1 n 1 n 2 1 n 2 j a ; D (x) = a ( a )2 ; n j= 1 n j=1 j n j=1 j 1 n itaj e ; n j =1

(t) = M(eitx) = F(x) =

1 n Faj(x) n j=1 Dac presupunem c a1<a2<<an, atunci, evident,

0 1 n ... F(X) = k n ... 1

, x a1 ,a1 < x a2 ,ak < x ak + 1 , x > an

Repartiia binomial

Spunem c variabila aleatoare X este repartizat binomial de parametri p i n (0<p<1) k nk , 0 k n, q = 1 p . Vom scrie: dac P(X = k) = C k np q
0 X: 0 0 n Cn p q 1 1 n-1 C1 np q ... k k n-k Ck np q ... n n n 0 Cn p q

k nk sunt termenii dezvoltrii Denumirea vine de la faptul c P(X = k) = C k np q binomului

k nk (p + q) n = C k ,q=1-p np q k=0 n

Funcia de repartiie
0 q n ... F(X) = j k k n k C n p q k=0 ... 1 Momentele obinuite
k nk MS(X) = k s C k np q k=0 n

,x 0 ,0 < x 1 , j < x j+1 ,x > n

Momentele centrate
k nk s(x) = [k M(x)]s C k np q k=0 n

nainte de a meniona cum se calculeaz efectiv momentele, vom da funcia caracteristic:

k nk it k n k x(t) = M(e itx ) = e itk C k = Ck = (pe it + q) n np q n (pe ) q k=0 k=0 n n

Calculul momentelor:
k nk M(X) = kC k np q k=0 n

k nk Considerm egalitatea (p + q) n = C k ca o funcie de p. np q k=0

Derivm, nmulim cu p ambii membri, apoi inem seama de faptul c p + q = 1 i obinem:

k-1 n k k nk n(p + q) n-1 = kC k q ; np(p + q) n-1 = kC k np np q k =0 k =0 n n

k nk = np. Deci, M(X) = kC k np q k=0

Repetm raionamentul, lund derivata a doua i nmulind cu p2:

k2 nk n(n 1)(p + q) n 2 = k(k 1)C k q ; np k=2 n

k nk k nk k nk n(n 1)p 2 = k(k 1)C k = k 2Ck kC k np q np q np q k =0 k =0 k =0

Deci,
k nk M2(x) = k 2 C k = n 2 p 2 np 2 + np = npq + n 2 p 2 np q k=0 n

Pentru calculul momentului M3(X):

k-3 n k n(n 1)(n 2)(p + q) n 3 = k(k - 1)(k - 2)C k q np k =0 n

k nk n(n 1)(n 2)p 3 = k(k - 1)(k - 2)C k = np q k=0 k nk k nk k nk = k 3C k 3 k 2 C k + 2 kC k np q np q np q k=0 k=0 k =0 n n n

Urmeaz c: M3(X) = n(n -1)(n - 2)p 3 + 3M2(x) - 2M(x) = n 3 p 3 + 3n 2 p 2q + npq(1- 2p) n mod analog, se obine: M4(X) = n 4 p 4 + 6n 3 p 3q + n 2 p 2 (7 -18p + 11p 2 ) + np(1- 7p + 12p 2 - 6p 3 ) La aceleai rezultate se poate ajunge pornind de la funcia caracteristic (t) = (peit + q)n,

pe baza relaiei:
Mr(X) =

(r) (0)
ir

, r = 1,2,
n

Pentru calculul momentelor obinuite, se mai poate folosi i faptul c X = Xj ,

j= 1

Xj fiind variabile aleatoare independente identic repartizate

1 0 Xj = , 1 j n p q

Atunci, M(X) = M(Xj) = np

j =1

n 2 n n 2 2 = M X j + 2 X j Xk = M(X 2j ) + 2 M(X j )M(Xk) = np + 2C 2 M 2 (X) = M Xj np = j< k j< k j=1 j=1 j=1 = np + n(n 1)p 2 = n 2 p 2 + npq

Analog se calculeaz celelalte momente, de ordin mai mare dect doi, dificultatea
n n constnd n a exprima doar puterile Xj , Xj etc. j=1 j=1 Pentru obinerea momentelor centrate folosim relaia:
3
4

r (X) = (-1) j C rj Mr j(X)M j (X)

j=0

i astfel obinem: 1(x) = 0; 2(x) = npq; 3(x) = npq (q-p); 4(x) = 3n2p2q2 + npq (1-6pq) n general, 2r(x) = a0nr + a1nr-1 + + ar-1n, 2r+1(x) = b0nr + b1nr-1 + + br-1n. Putem acum exprima coeficienii de asimetrie i exces.
Asimetria: 1 =

3( x ) npq( q p) 1 2 p = = . ( npq)3/ 2 ( npq)1/ 2 23/ 2 ( x )

Dac n , atunci repartiia binomial tinde ctre una simetric: 10.

4( x ) 3n 2 p 2 q 2 + npq(1 6 pq ) 1 6 pq Excesul: 2 = 2 3= 3= 2 2 2 n p q npq 2 ( x )

k nk Am vzut c P(X=k) = C k , k = 0,1,2,,n. Atunci, valoarea cea mai probabil np q este dat de:

P(X = k-1) P(X = k) P(X = k+1) Din dubla inegalitate

k-1 n k +1 k nk +1 k +1 n k-1 C k-1 q Ck Ck q n p np q n p

se obine: np - q k np + p n general, np + p nu este ntreg i atunci nici np - q nu este ntreg, caz n care o unic valoare are cea mai mare probabilitate. n cazul excepional cnd np + p este ntreg, rezult c i np - q este ntreg, i atunci avem dou valori ce corespund probabilitilor maxime: P(X = np - q) = P(X = np + p)
Repartiia Poisson

Spunem c variabila aleatoare X urmeaz o repartiie Poisson de parametru , > 0, k , k = 0,1,2,. dac P(X = k) = e - k! Vom scrie k k X: - k = 0,1,2,... e , k!

Este vorba de un sistem complet de probabiliti, ntruct Funcia de repartiie este:

P( X = k ) = e
k=0 k=0

k
k!

=1 .

, x0 0 e - , 0 < x 1 ... F(x) = k - j e j ! , k < x k + 1 j=0 ...

Funcia caracteristic este:

(t) = M(e itx ) = e itx e -

k =0

k
k!

= e -

( e it ) k k! k =0

(t) = e (e
Momentele obinuite:

it

-1)

M(x) = ke -
k=0

k
k!

= e -
k=1

k 1
( k 1)!

M2(X) = k 2 e -
k=0 -

k
k!

= e - k
k=1

k 1
( k 1)!

= e - ( k 1 + 1)
k=1

k 1
( k 1)!

k 2 k 1 = e + = 2 + k=2 ( k 2)! k=1 ( k 1)!

Analog,

M3(X) = 3 + 32 + M4(X) = 4 + 63 + 72 +

La aceleai rezultate se ajunge cu ajutorul funciei caracteristice Mr(X) = Momentele centrate: 1(x) = 0; 2(x) = ; 3(x) = ; 4(x) = 32+

( r ) (0)
ir

Coeficienii de asimetrie i exces:

1 = 2 =

3 ( x ) 1 = 3/ 2 = 1/ 2 3/ 2 2 ( x ) 4 ( x ) 3 2 + 1 = 3= 3 2 2 2 ( x )

Repartiia Poisson intervine n aplicaii n studiul evenimentelor rare, drept urmare mai este cunoscut sub numele de legea evenimentelor rare. Aa, de exemplu, dac se alege un interval de timp unitate (de lungime convenabil), atunci numrul de apeluri la o central telefonic, numrul de autovehicule ce trec printr-o intersecie n intervalul de timp considerat, urmeaz o lege de repartiie Poisson.

Repartiia binomial cu exponent negativ

Se consider un eveniment A care are probabilitatea p de a se realiza i probabilitatea q = 1 - p de a se realiza A . Efectum k probe, pn cnd evenimentul A se realizeaz de m ori; k m. Dac notm cu Pm(k) probabilitatea corespunztoare, atunci: m km P(X1 = k) = Pm(k) = C m-1 k-1 p q Am obinut astfel repartiia:
k X1: m-1 m k m C k-1 p q , k = m, m + 1, ...

S artm c

k=m

P( X
k=m

= k ) = 1 . ntr-adevr,

k=m

P(X1 = k) =

m-1 k-1

p q

km

=p

k=m

C q

m-1 k-1

km

=p

l=m

l m m C m-1 = 1, m+l-1q = p (1 q)

cu k - m = l.

 1 q ntruct Pm(k) este termenul general al dezvoltrii binomului p (1- q) = p p cu exponent negativ, se justific numele de repartiie binomial cu exponent negativ. Aplicaiile repartiiei binomiale cu exponent negativ se ntlnesc n modelarea fenomenelor de contagiune i teoria estimaiei. S studiem pentru nceput cazul cnd m = 1. Atunci, P( X 1 = k ) = pq 1, k = 1,2,3... . Rezult, acum, imediat: p 1 M(X1) = kpq k 1 = 2 = p (1 q) k =1
m -m

M2(X1) = k 2 pq k 1
k =1

qk =
k=0 k =1

1 ; 1 q
k 1

kq k 1 =
k =1

p ; (1 q) 2
2

k(k - 1)q
k=2

k2

2 (1 q) 3

k(k - 1)q
k =1

2q ; p3

k
k =1

q k 1 kq k 1 =
k =1

2q p3

p k 2 q k 1 = De aici, urmeaz c:
M2(X1) = 2q 1 + ; p2 p

2pq k 1 3 + p k q p k =1

D 2 (X1) = M2(X1) M 2 (X1) =

2q 1 1 2q + p 1 q + (p + q) 1 q + = = = 2 p2 p p2 p2 p2 p

Momentele, ns, le putem calcula mai uor de la funcia generatoare a momentelor factoriale pt p p k k-1 (t) = t pq = pt (qt) k 1 = = + (1- qt) 1 1 qt q q k =1 k =1 Atunci: 1 d ( t ) M (1) ( X 1) = = 1 t = dt p
d 2 ( t ) M ( 2) ( X 1) = dt 2 d 3 ( t ) M ( 3) ( X 1) = dt 3 ... M ( r ) ( X 1) = ... De aici urmeaz: d r ( t ) dt r
t =1

2!q p2

t =1

3! q 2 = 3 p r ! q r 1 pr

t =1

M1(X1) = M (1) (X1) =

1 ; p 1 2q ; + p p2 1 6q 6q + + p p2 p3

M2(X1) = M (1) (X1) + M (2) (X1) =

M (3) (X1) = M (1) (X1) + 3M (2) (X1) + M (3) (X1) = ...

nainte de a trece la cazul m oarecare, s determinm funcia caracteristic a variabilei X1 n cazul m=1.

X ( t ) = e itk pq k 1 = pe it ( qe it )
1

k 1

k =1

k =1

pe it 1 qe it

S presupunem acum c am efectuat X1 probe pn ce s-a realizat o dat evenimentul A, apoi X2 probe pn s-a realizat o dat A .a.m.d., Xm probe pn s-a realizat o dat evenimentul A. Aadar, dac notm cu X numrul de probe pn s-a realizat de m ori evenimentul A, atunci X = Xj , X1,X2,,Xm independente. Atunci,
j=1 m

pe it m 1 d X ( t ) M ( X ) = = . X ( t ) = Xj ( t ) = ; it = 0 t i dt p 1 qe j =1 Analog, mq m 2mq 1 d 2 X ( t ) 1 2 M 2( X ) = 2 m m D (X) = = + + ( 1 ) ; 2 2 2 t =0 i dt p p p p2

m

Prin calcule directe, se determin coeficienii de asimetrie i exces:

1 =

2 p 1+ q 1/ 2 = ( mq) ( mq)1/ 2

p 2 6p + 6 2 = mq
Repartiia geometric:
k X: k-1 ; k = 1,2,3... pq

este caz particular al repartiiei binomiale cu exponent negativ, pentru m=1, pe care am studiat-o n amnunt.

Repartiia hipergeometric este dat de variabila X care reprezint numrul de bile albe existente printre cele n bile extrase fr revenire, dintr-o urn cu A bile albe i B bile negre.

nk Ck ACB Atunci, dup cum tim, Pn(k) = . ntruct 0 k A, 0 n-k B, rezult Cn A+B

max (0, B - n) k min (A, n)

i, deci,

k k nk X: C A C B max (0, B n) k min (A, n) ; Cn A+B Dac facem k = 0, atunci B(B 1)...(B n + 1) Pn(0) = (A + B)(A + B 1)...(A + B n + 1) Cu aceast relaie, probabilitatea Pn(k) se poate pune sub forma:
Pn(k) = n(n 1)...(n k + 1) A(A 1)...(A k + 1) Pn(0) k! (B - n + 1)(B n + 2)...(B n + k)

Pentru calculul momentelor, procedm n modul urmtor: dintr-o urn care conine A bile albe i B bile negre (A+B=N) efectum n extrageri succesive, fr a pune napoi bila extras. Vom avea astfel succesiunea de variabile aleatoare dependente X1,X2,,Xn, fiecare avnd repartiia: 1 0 Xi: , pi + qi = 1 pi qi Deci avem de calculat primele momente ale variabilei X = X1 + X2 ++Xn. Atunci M(X) = M(Xi) = nP(Xi = 1) . Cum P(Xi = 1) =
i =1
n

A(N 1)! A = = p , deci M(X) = np, N! N

M2(X) = M(X 2 ) = M(X 2 i ) + 2 M(XiXj) = np + n(n 1)M(XiXj) .

i =1 i< j

Avem de considerat situaiile:

(Xi = 1, Xj = 1), (Xi = 1, Xj = 0), (Xi = 0, Xj = 1), (Xi = 0, Xj = 0) Atunci produsul P(Xi=1,Xj=1). XiXj ia valoarea diferit de zero (valoarea 1) cu probabilitatea
A(A -1)(N 2)! A(A -1) p(Np 1) . = = N! N(N -1) N 1

ns P(Xi = 1, Xj = 1) =

Deci, M2(X) = np + n(n 1)

(Np 1)p 1 = [(Np 1)pn 2 + Npqn] , cu q = 1 - p. N 1 N 1

De aici, urmeaz c D 2 (X) =

Nn npq . N 1

Observaie. Dispersia corespunztoare la n probe n repartiia hipergeometric difer de Nn < 1. Dac N = n, D2(X)=0, adic dispare factorul dispersia binomial prin factorul N 1 aleator. n plus, Nn lim D 2 (X) = lim npq = npq , N N N 1 care este dispersia unei variabile Bernoulli.

Repartiia multinomial (variabil aleatoare vectorial de tip discret).

Am vzut c dac avem o urn cu bile de s culori care conine a1 bile de culoarea 1, a2 bile de culoarea 2, , as bile de culoarea s, atunci probabilitatea de a obine n n extracii succesive, cu revenire, 1 bile de culoarea 1,2 bile de culoarea 2,,s bile de culoarea s este:
Pn( 1, 2,..., s ) = n! s p 1 p 2 ... p s , 1 ! 2 !...s ! 1 2

1 + 2 + + s = n

Dar, probabilitile p1,p2,,ps 0, p1 + p2 ++ ps = 1. Atunci, variabila multinomial de studiat este variabila X = Xk , unde X1,X2,,Xn sunt
k =1 n

variabile aleatoare independente, avnd repartiiile:

e1 e2 ... es X: , 1kn p1 p2 ... ps

e1 = (1,0,0,0) e2 = (0,1,0,,0) es = (0,0,0,,1)

(1 , 2 ,..., s ) X : ; 0 i n; Pn(1 , 2 ,..., s )

i =1

= n

S artm c este vorba de un sistem complet de probabiliti:

( 1 , 2 ,..., s ) 1 + 2 + ...+ s = n

P ( , ,..., ) =
n

( 1 , 2 ,..., s ) 1 + 2 + ...+ s = n

n! s p 1 p 2 ... ps = ( p1 + p2 +...+ ps ) n = 1 1 ! 2 !... s ! 1 2

Pentru calculul momentelor s determinm mai nti funcia caracteristic a vectorului Xk:

 Xk ( t1, t 2,..., ts ) = p1e it + p2e it +...+ pse it

1 2

Cum X = Xk ,
k =1

s X ( t1, t 2,..., ts ) = n ( t1, t 2,..., ts ) = X k ( t1, t 2,..., ts ) = pje itj Xk j =1 k =1 k =1

n

La aceleai rezultate putem ajunge i prin calcul direct:

X ( t1, t 2,..., ts ) =
= =

1 , 2 ,..., s 0 1 + 2 + ...+ s = n

( t11 + t 2 2 + ...+ t s s ) i

Pn(1 , 2 ,..., s ) =

1 + 2 + ...+ s = n

1 , 2 ,...,

s 0

n! 1 2 s ( t11 + t 2 2 + ...+ t s s ) i p1 p 2 ... p s e = 1 ! 2 !... s ! n! ( p1e it1 ) 1 ( p 2e it 2 ) 2 ...( pse it s ) s = ( p1 e it1 + p 2 e it2 +...+ p s e it s ) n 1 ! 2 !... s !
n

1 + 2 + ...+ s = n

1 , 2 ,...,

s 0

s Deci, X ( t1, t 2,..., ts ) = pjei tj . De aici urmeaz: j =1

M (j ) =

1 ( t1, t 2,..., ts ) tj i

t1 = t2 = ...= t s = 0

n it = npj = pj( p1e it1 +...+ pse its ) n 1 ie j t1 = t2 =...= ts = 0 i

it1 it s n 2 = [n( n 1) p 2 e j ( p1e +...+ pse ) 2 it j

M ( 2 j )=

1 2 ( t1, t 2,..., ts ) i2 t 2 j

t1 = t 2 = ...= t s = 0 it

2 2 + npj( p1e it1 +...+ pse its ) n 1 e j ]t1 = t2 = ...= ts = 0 = n( n 1) p 2 j + npj = n p j + npj (1 p j )

D 2 (j ) = npj(1 pj ), 1 j s
M (jk ) = 1 2 ( t1,..., ts ) i2 tjtk = n( n 1) pjpk ( p1e it1 +...+ pse its ) n 2 e j e itk
t1 = t 2 = ...= t s = 0 t1 = t 2 = ...= t s = 0 it

= n(n -1)pjpk, j, k = 1,2,...,s; j k

) 3.2. Repartiii care admit densitate de repartiie. Repartiia normal N(m,

Prin definiie, spunem c variabila aleatoare X urmeaz o lege normal de parametri m i i vom nota X N(m;), dac densitatea ei de repartiie este:

f X ( x; m, ) =

, x ( , ), m ( , ), ( 0, ) fiind parametrii repartiiei. 2 Dac m=0, =1, spunem c variabila este normat sau standard i scriem Y e
2 2

( x m )2

N(0;1). Se verific imediat c fX(x;m,) este o densitate de repartiie. ntr-adevr, fX(x;m,) 0, x (-,) i

( x m )2 2 2

dx =

1 2

y2 2

dy = 1 , cu y =

xm

.
xm

Funcia de repartiie FX ( x ) = cu z =

1 2
1 2
x

( y m )2 2 2

dy =

1 2

x m / e 2 dz = O , z

ym

/ (x) = , unde am pus O

z2 2

dz , funcia lui Laplace, care este tabelat.

x z2 2

~ / (x) = n multe situaii gsim tabelat funcia O

1 2

e
0

dz , x>0.

Atunci, pe baza relaiei

~ / (x) = O 1 2

y2 2

dy =

1 2

y2 2

dy +

1 2

e
0

y2 2

1 dy = + 2

1 2

e
0

y2 2

dy

De aici, rezult:

1 ~ / (x) , x > 0 2 + O 1 / O( x ) = ,x = 0 2 ~ 1 O / (x) , x < 0 2 Dac se consider funcia densitate de repartiie fX(x;m,), obinem imediat c ea este 1 . simetric fa de dreapta x = m, c x = m este punct de maxim i f max = f ( m) = 2 Din
f f
' (x)

= =

xm

2
e
( x m)2 2
2

( x m)2 2 2

; 1 e
( x m )2 2
2

'' (x)

3 2

( x m) 2

3 2

( x m )2 2 2

( x m) 2 1 2

rezult c x = m sunt puncte de inflexiune pentru fX(x;m,).

Pentru determinarea momentelor obinuite de ordin k, vom stabili momentele de ordin k ale variabilei X N(0;1). Atunci:
1 2

Mk ( X ) =
1 2

x2 2

dx = 2 2

x
0

0
x2 2s 2

, k = 2s + 1 e dx , k = 2s

2 s +1

x2 2

dx = 0 , deoarece funcia integrant este impar.

2 2 =
s

x e
0

x2 2s 2

2s dx = 2

1 2

e y dy =

2s

1 2s 1 1 s + = s s =... = 2 2 2

x2 2 1 3 3 1 1 ( 2 s )! s s s s 2 1 2 3 3 1 ... = ( )( )... = (cu y = ) s !2 s 2 2 2 2 2 2 , k = 2s + 1 0 Deci, Mk ( X ) = ( 2s )! , k = 2s s!2 s

Momentele centrate de ordin k ale variabilei Y N(m,) se pot calcula acum imediat: k (Y ) = Mk[Y M (Y )] = Mk (Y m) = Mk (X ) = k Mk ( X ) Ym = X Y m = X , k = 2s + 1 , k = 2s

0 s ( )! 2 Deci, k (Y ) = 2s s !2 s

Pentru k = 1, obinem 1(Y) = M(Y-m) = M(Y) - m = 0. Deci, M(Y) = m. 2! 2 Pentru k = 2, obinem 2 (Y ) = = 2 = D 2 (Y ) , adic parametrii legii normale N(m,) 1! 2 au urmtoarea interpretare probabilistic: m = M(Y), 2 = D2(Y) (Y N(m,)) Asimetria i excesul n cazul unei legi normale N(m,) au valorile:
A=

4 3 4! 3= 0 2 3= 3/ 2 = 0; E = 2 ( 2 ) 2!2 2 4
4

Acesta este motivul pentru care n statistica descriptiv se consider c dac asimetria i excesul unei repartiii sunt zero, se poate considera c este vorba de o lege de repartiie normal. Evident, faptul c asimetria i excesul sunt egale cu zero constituie o condiie necesar dar nu i suficient de normalitate a unei repartiii.

Funcia caracteristic. Vom stabili mai nti funcia caracteristic a variabilei aleatoare X N(0,1). Aplicnd definiia, obinem: x2 x2 k k t e 1 1 itx itx k X (t ) = M (e ) = x e 2 dx e e 2 dx = 2 k=0 k ! 2

Seria de sub integral fiind absolut i uniform convergent, se pot permuta operatorii

k=0

i obinem:
t2 x2 t2 2 t 2 s ( 1) s ( 2 s )! 1 s k 2 =e 2 x e dx = s = ( 1) ( s )! s ! s ! 2 2 2 s= 0 s= 0
s

X (t ) =

t kik k =0 k !

De aici obinem funcia caracteristic a variabilei aleatoare YN(m,), innd cont de faptul c Y = m + X. Deci, Y ( t ) = M ( e itY ) = M [e it ( m+X ) ] = M (e itm+ itX ) ) = e itm M (e itX ) = e itm X (t ) Deci Y ( t ) = e pentru k = 1,
itm t 2 2 2

. De aici rezult, aplicnd relaia M k (Y ) =

( k ) ( 0)
ik

( t ) = ( im t )e M(Y) = m
' Y 2 '' Y 2 itm t 2 2 2

itm

t 2 2 2

pentru k = 2,

( t ) = e + ( im t )e i 2 2 + i 2 m 2 M 2(Y ) = = 2 + m2 , 2
2

itm

t 2 2 2

ceea ce obinusem pe cale direct. S remarcm faptul c se poate calcula funcia caracteristic pe baza unui calcul formal, care este de fapt justificat, dup cum urmeaz: dac XN(0,1), atunci:

X (t ) = M (e ) =
itX

1 2

itx

x2 2

dx = e

t2 2

1 2

1 ( x it )2 2

dx

Integrala funciei e de-a lungul axei OX este egal cu integrala funciei e pe o dreapt paralel cu axa OX: z = x + iy, unde y = -t (constant), dz = dx. ntr-adevr, conform teoremei lui Cauchy aplicat la integrala funciei e conturului C de mai jos: y -A A x
z2 2

1 ( x it )2 2

z2 2

, derivabil n tot planul, de-a lungul

este nul i la limit, cnd A . n cele ce urmeaz vom folosi aceast modalitate de calcul fr a mai face justificarea menionat mai sus. Deci, X ( t ) = e
t2 2

i mai departe, pentru YN(m,),

Y (t ) = e

itm

t 2 2 2

3.3. Repartiia uniform pe un interval [a,b].

Definiie. Spunem c variabila aleatoare X are o repartiie uniform pe intervalul [a,b] dac densitatea de repartiie are expresia: 1 , x [a , b] fX ( x ) = b a , x [a , b] 0

De aici urmeaz c funcia de repartiie are expresia: ,x a 0 x x a F ( x ) = f ( u) du = ,a < x b b a ,x > b 1 Funcia caracteristic:

( t ) = M ( e itX ) =
a

e itx e itb e ita dx = b a it ( b a )

Momentele obinuite:
b k + 1 a k +1 1 k Mk ( X ) = x dx = ba ( k + 1)( b a ) a
b

Pentru k = 1, obinem M ( X ) =

a+b b 2 + ab + a 2 ; , iar pentru k = 2, M 2( X ) = 3 2

D 2 ( X ) = M 2( X ) M 2 ( X ) =

b 2 + ab + a 2 ( a + b) 2 ( b a ) 2 . = 3 4 12

Asimetria: Excesul:

1 = 0. 2 = -1,2.

Dac a = 0, b = 1, avem o repartiie uniform pe intervalul [0,1]. Repartiia uniform intervine n aplicaii ale metodei Monte-Carlo.
Repartiia Pareto: Spunem c variabila aleatoare X are o repartiie Pareto de parametru , dac densitatea de repartiie este:

 1 ( 1)x 0 f ( x, ) = x 0

, x ( x 0 , ) , > 1 , n rest , x0 > 0

Se constat imediat c f(x,) este o densitate de repartiie, ntruct f(x,) 0 oricare ar fi x R i

f ( x, ) dx = 1.

0 1 Funcia de repartiie este: F ( x , ) = f ( u, ) du = x 0 1 x

, x x0 , x > x0

Valoarea medie:

M ( X ) = ( 1) x 0
x0

x 1 dx =( 1) x 0 x +1 dx x x0

Integrala respectiv este convergent dac > 2. Deci, pentru > 2 exist M(X) i are valoarea M ( X ) = Pentru > 3 exist i M2(X) i are valoarea

1 x . 2 0 1 2 x . 3 0

M 2 ( X ) = ( 1) x 0
x0

x2 1 x + 2 dx . dx =( 1) x 0 x x0
2

M2 ( X ) =

2 ( 1) x 0 1 2 ( 1) 2 2 Deci, D ( X ) = M 2 ( X ) M ( X ) = x x = 3 0 ( 2) 2 0 ( 3)( 2) 2 2

n general, dac > k+1, exist Mk(X) i

M k ( X ) = ( 1) x 0
x0

xk ( 1) k dx = x . k +1 0 x

3.4. Repartiia Gama de parametri a,b > 0

Definiie. Spunem c variabila aleatoare X are o repartiie Gama de parametri a,b, dac densitatea ei de repartiie are expresia:
x 1 a x a 1e b f ( x ) = b ( a ) 0

, x>0 , x 0,

a,b > 0. Se constat imediat c f este o densitate de repartiie, ntruct f(x)0, xR i

f ( x ) dx =

x 1 a 1 b x e dx = 1 ba (a) 0

,x 0 0 1 x y Funcia de repartiie: F ( x ) = y a 1e b dy , x > 0 a b (a ) 0

Funcia caracteristic:

X ( t ) = M ( e itX ) =

x 1 1 ba itx a 1 b e x e dx = b a ( a ) b a ( a ) (1 ibt ) a 0

y
0

a 1

e y dy =

1 (1 ibt ) a

Deci, X(t) = (1 - ibt)-a . Momentele obinuite:

Mk ( X ) =
x b k (a + k ) ba+k 1 a + k 1 y a + k 1 b y e dy x e dx = = = (a ) b a (a ) b a ( a ) 0 0

= b k ( a + k 1)( a + k 2)...( a + 1)a

Momentele centrate:

k ( X ) = ( 1) j Ckj M k j ( X ) M j ( X )
j =0

M1(X) = ab M2(X) = b2 a(a+1) M3(X) = b3a(a+1)(a+2); M4(X) = b4a(a+1)(a+2)(a+3) 2(X) = ab2; 3(X) = M3(X) - 3M2(X)M(X) + 2M3(X) = 2ab3; 4(X)= M4(X) - 4M3(X)M(X) + 6M2(X)M2(X) - 3M4(X) = 3b4a(a+2). De aici rezult: Coeficientul de asimetrie 1 = Coeficientul de exces 2 = 6 . a
2 a

Pentru a = 1 se obine repartiia exponenial de parametru b:

1 x b f(x) = b e 0 0 , x > 0 ; F(x) = x b 1 e ,x 0 ,x 0 ,x > 0

; b>0

(x) = (1 - ibt)-1

M1(X) = b; 1(X) = 0; 1 = 2

M2(X) = 2b2; M3(X) = 6b3; M4(X) = 24b4; 2(X) = b2; 2 = 6 3(X) = 2b3; 4(X) = 9b4;

obinute prin particularizare, din valorile corespunztoare ale repartiiei Gama. Repartiia
2 (n)

(hi ptrat)cu n grade de libertate

2 (n)

Definiie. Variabila aleatoare X are o lege de repartiie

(hi ptrat)cu n grade de libertate

i parametru > 0 dac densitatea ei de repartiie are expresia:

0 x2 n 1 2 1 x 2 e 2 f (x) = n n 2 2 n 2

,x 0 ,x > 0

n , b = 22, se obine 2 tocmai repartiia (2n ) . Drept urmare, vom considera rezultatele obinute pentru valorile
Se constat imediat c, dac n repartiia Gama punem a =

particulare menionate.
0 1 F( x ) = n n 2 2 n 2 ,x 0
x y n 1 2 2 2

dy , x > 0

Datorit multiplelor aplicaii ale repartiiei gsesc tabelate pentru = 1.

2 (n)

, valorile funciei de repartiie se

( t ) = (1 2i 2 t ) n / 2 ;
n n n n M k ( X ) = 2 k 2k + k 1 + k 2 ... + 1 2 2 2 2
M1(X) = 2n; M2(X) = n(n+2)4; 1(X) = 0; 2(X) = 2n4; M3(X) = n(n+2)(n+4)6; M4(X) = n(n+2)(n+4)(n+6)8 3(X) = 23n6; 4(X) = 12n(n+4)8;

1 =

2 2 n

; 2 =

12 . n
2 (n)

Rezultatul care urmeaz stabilete legtura ntre repartiia normal i repartiia rezultat de o importan deosebit n aplicaii.

Teorem. Dac X1,X2,,Xn sunt variabile aleatoare independente, identic repartizate, avnd

repartiia N(0,), atunci Y = X 2 j are o repartiie

j= 1

2 (n)

cu parametrul .

Demonstraie: S determinm mai nti densitatea de repartiie a variabilei X 2 j:

0 ,x 0 FX 2 ( x ) = P( X 2 ; < x) = j j P x X x x < < > ( ) , 0 j ,x 0 0 FX 2 ( x ) = j F ( x ) FX j ( x ) , x > 0 Xj Rezult c:

0 x2 x2 2 2 1 1 1 f X2 (x) = 1 2 2 j + e e x x 2 2 2 2 ,x 0 0 x2 1 2 1 x 2 e 2 , x > 0 f X2 (x) = 1 j 1 2 2 2

,x 0 ,x > 0 ;

2 Aceasta este tocmai densitatea de repartiie a unei variabile (n) cu un grad de

libertate. Urmeaz c:

X ( t ) = (1 2i 2 t )
2 j

1 2 n 2

Y (t ) =

j =1

X2 j

(t ) =
j =1

( t ) = (1 2i t )
2 X2 j

Cum Y ( t ) = (1 2i 2 t )

n 2

2 este funcia caracteristic a unei variabile (n) (cu n grade de

libertate i parametru ) rezult c densitatea de repartiie a variabilei Y este:

0 x n 1 2 1 2 2 x e f Y (x) = n n 2 2 n 2
n

,x 0 ,x > 0

2 deci, Y = X 2 j este o variabil X (n) cu parametru .

j =1

Dac X1,X2,,Xn sunt variabile aleatoare independente identic repartizate N(0, ) vom determina densitile de repartiie ale variabilelor:

Y1 =

1 n 2 X ; n j =1 j

Y2 =

X 2j ; Y3 =
j=1

1 n 2 X . n j=1 j

0 1 n ,x 0 FY1 ( x ) = P(Y 1 < x ) = P X 2 j < x = FY ( nx ) , x > 0 n j =1

Rezult acum:

,x 0 0 ; f Y1 ( x ) = nfY ( nx ) , x > 0

0 n nx n 2 1 2 2 2 f Y1 ( x ) = n n x e 2 n n 2 2

,x 0 ,x > 0

FY2 ( x ) = P(Y 2 < x ) = P

X
j =1

2 j

0 ,x 0 < x = FY ( x 2 ) , x > 0

0 x2 2 2 n 1 x e 2 f Y2 ( x ) = n n 2 2 n 2

,x 0 ,x >0

1 n 2 0 ,x 0 FY3 ( x ) = P(Y 3 < x ) = P n X j < x = FY ( nx 2 ) , x > 0 j =1

0 n nx 2 2n 2 n 1 2 f Y3 ( x ) = n x e 2 n n 2 2 3.5. Repartiia Student

,x 0 ,x >0

Spunem c variabila aleatoare X are o repartiie Student cu n grade de libertate, dac densitatea de repartiie are expresia:
n + 1 n +1 2 2 2 x f (x) = , x ( , ) 1 + n n n 2

S artm c f este o densitate de repartiie: pentru f(x) 0, x (-,)

n + 1 n + 1 n +1 2 2 2 2 x dx = 2 1 + n n n n n 2 2

x2 1+ n

n +1 2

dx =

n + 1 1 2 2 n2 = n 2 n 2

1 2

(1 + y )

n +1 2

n + 1 n + 1 1 n 2 1 n 2 2 2 dy = , = =1 n 2 2 1 n + 1 2 2 2

n + 1 n +1 2 x y2 2 Funcia de repartiie F ( x ) = dy este tabelat, dat fiind utilizarea 1 + n n n 2 ei n construirea intervalelor de ncredere i verificarea ipotezelor statistice. S determinm momentele de diferite ordine; ntruct funcia densitate de repartiie este par, media variabilei Student este nul i drept urmare momentele obinuite coincid cu cele centrate:

n + 1 n +1 2 2 r +1 x2 2 1+ 2 r +1 ( X ) = dx = 0 x n n n 2 (funcia de integrat este impar cu limitele de integrare simetrice).

n + 1 2 2r ( X ) = n n 2
n +1 2

x x 2 r 1 + n
2

n + 1 2 2 dx = n n 2

x2 2r x 1 + n

n +1 2

dx

x2 Cu substituia = y se obine n

n + 1 r 2 n 2 2r ( X ) = n n 2

1 r 2

(1 + y )

n +1 2

n + 1 r n 2 n dy = 2 n 2
1 2

1 2

(1 + y )

n +1 2

dy =

1 n n + 1 n + 1 n r n r r + r 2 2 1 n 2 2 = r + , r = 2 2 n + 1 n n 2 2 2

n n n n n Cum = 1 2 ... r r ; 2 2 2 2 2
se obine, n final:

r +

1 = r 2

1 r 2

3 1 1 ... , 2 2 2

 2r ( X ) =
i expresia are loc numai dac r <

n r 1 3...( 2r 1) ( n 2)( n 4)...( n 2r )

n . De aici rezult, prin particularizarea lui r: 2

2 ( X ) =

n n2 3n 2 4 ( X ) = ( n 2 )( n 4)

15n 3 6 ( X ) = ( n 2 )( n 4 )( n 6) ...

1 = 0 (repartiie simetric)
3n 2 6 ( n 2)( n 4) 3= 2 = 2 n4 n 2 ( n 2)

Rezultatul care urmeaz stabilete legtura ntre repartiia normal, repartiia repartiia Student.

2 (n)

Teorem. Fie variabilele aleatoare independente XN(0,) i X1,X2,,XnN(0,). Atunci, X variabila aleatoare T = are o repartiie Student cu n grade de libertate. 1 n 2 X n j =1 j Demonstraie. Dac notm cu Y =

1 n 2 X X j , atunci T = i densitatea de repartiie a n j =1 Y

1 e
x2 2
2

vectorului aleator (X,Y) este f ( x, y ) =

2n 2 n 2 2
n
n

n 2

n 1

ny 2 2 2

Urmeaz c:
FT ( t ) = P(T < t ) =
n 2 n +1

x {( x , y ): < t , y > 0} y yt x2 2
2

f ( x, y )dx dy =

1 2
n 2

2n 2 n 2 2
n

x {( x , y ): < t , y > 0} y

x2 2 2

n 1

ny 2 2 2

dx dy =

2n 2 2
n 2

2
n 2

e n
0

n 1

ny 2 2 2

dx dy

f T (t ) =

2n 2 2
n 2

n +1

n 2

y e

y2 2 2

(t 2 +n)

dy

Dac efectum schimbarea de variabil y =

2 z
2

1 2 1 2

, obinem:

(t + n)
n 2 n 2

f T (t) =

n +1 n ( t 2 + n) 2 2

n 1 2

e z dz =

n + 1 n 2

n 2

n +1 2

(1 +

+1 t 2 n2 ) n

n + 1 +1 2 t 2 n2 (1 + ) , care este tocmai densitatea de repartiie a unei variabile Deci, f T ( t ) = n n n 2 Student cu n grade de libertate. 3.6. Repartiia Snedecor i repartiia Fischer Spunem c o variabil aleatoare are repartiie Snedecor dac densitatea sa de repartiie are expresia , x0 0 1 + n2 n n1 + n2 n1 n1 n21 2 1 1 n 2 f (x) = x 2 1 + x , x>0 ; n 2 n2 n1 n 2 2 2 n1 i n2 sunt numere naturale date, numite grade de libertate.
Constatm c f(x) 0, xR. S verificm c ntr-adevr, n1 + n 2 n1 2 2 n1 n2 n1 n 2 2 2 n1 = n2
n1 2

f ( x ) dx = 1 .

n1 1 2

n1 1 + x n2

n1 + n2 2

dx =

n1 + n 2 n1 1 n1 + n2 n1 1 2 n2 2 n2 2 2 + 1 y y dy = ( ) n1 n1 n 2 0 n1 2 2
n1 2

n1 + n 2 2 n1 n 2 n1 n 2 , = 1 = n 2 n1 n1 n 2 2 2 2 2 n1 n2 x = y, x = y ). (am fcut schimbarea de variabil n2 n1

n1 2

Momentele obinuite:
n1 2

n1 Mr ( X ) = n2

n1 + n 2 2 n1 n 2 2 2

n1 + r 1 2

n1 1 + x n2

n 1 + n2 2

n1 n 2 r + r 2 2 n2 dx = n1 n1 n 2 2 2
r

Momentul de ordinul r exist numai dac r <

n2 . Cum 2

n1 n1 n1 n1 n1 r + = + r 1 + r 2 ... 2 2 2 2 2 n2 n2 n2 n2 n2 = 1 2 ... r r 2 2 2 2 2 se obine n final se obine: n2 , n2 2 n2 2 n1 + 2 , M 2( X ) = n1 ( n 2 2 )( n 2 4 ) ( n1 + 2 )( n1 + 4 ) n2 3 , M 3( X ) = 2 n1 ( n 2 2 )( n 2 4 )( n 2 6) M 1( X ) = n2 n1( n1 + 2)...( n1 + 2r 2) . Prin particularizarea lui r, Mr ( X ) = n1 ( n2 2)( n2 4)...( n2 2r )
r

S stabilim o legtur ntre repartiia

Teorem. Fie
2 ( n1 )

2 (n)

i repartiia Snedecor.
2 (n)

2 ( n2 )

dou variabile aleatoare independente repartizate

cu n1,

respectiv n2 grade de libertate. Atunci, variabila

Fn1 ,n2 =

(2n ) / n1
1

(2n ) / n2
1

n2 (2n1 ) n1 (2n1 )

are o repartiie Snedecor cu n1, respectiv n2 grade de libertate.

Demonstraie. Notm X =

(2n )
1

n1

, Y=

(2n

n2

. Atunci

Fn1 ,n2 =

X , X,Y fiind variabile Y

independente.

FFn1 ,n2 ( z ) = P( Fn1 ,n2 < z ) = P(

n1 2

X < z) = Y

x {( x , y ): < t , y > 0} y

f ( x, y )dx dy =
n2 2

x {( x , y ): < t , y > 0} y yz

n1
n1 2 n1

n 2 1 2
n1 n2

n1x n1 1 2 2 2

n2
n2 2 n2

n 2 2 2
nx n y

n2 y n2 1 2 2 2

dx dy =

n1 n2 1 2 1 2 1 2 n1 2 n 2 2 2 2 = n1 + n2 x e y 2 e 2 dx dy n n 0 2 2 n1 + n2 1 2 2 2

f Fn1 ,n2 ( z ) = 2

n1 n 2
n1 + n2 2

n1 2

n2 2

n2

n1 + n2

n n 1 2 2 2

y( yz )
0

n1 1 2

n1 yz 2 2

n2 y n2 1 2 2 2

dy =

n1

n1 2 n 2 2 = n1 + n2 n n 2 2 n1 + n2 1 2 2 2

y
0

n1 + n2 1 y 2 2 ( n1z + n2 ) 2

dy

Dac facem schimbarea de variabil

n1 n2 n1 1 n1 + n2

y 2 2
1

( n1z + n2) = t; y =

2 2 t , atunci, n1z + n2
2 2 dt n1z + n 2

n1 2 n 2 2 z 2 2 2 n1 + n2 2 f Fn1 , n2 ( z ) = n1 + n2 t n1 + n2 1 n n 1 2 + n n 0 2 2 1 2 ( n1 z + n 2 ) 2 2 2

n1 + n2 1 2

e t

Deci,
n1 2 n 2 2 z 2 2 2 n1 + n2 n + n2 1 f Fn1 ,n2 ( z ) = n1 + n2 = n1 + n2 2 n n n n + 1 2 2 2 1 2 ( n1 z + n 2 ) 2 2 2 n1 2 n1 + n2 n +n 1 2 2 2 n21 1 n1 2 , z>0 , z 1 + z = n2 n1 n2 2 2
n1 n1 n2 n1 1 n1 + n2 1

care este tocmai densitatea de repartiie a unei variabile Snedecor cu n1 ,n2 grade de libertate, respectiv. S punem n eviden o alt repartiie care deriv din repartiia Snedecor i care are o importan n verificarea ipotezelor statistice.

Fie X o variabil aleatoare repartizat Snedecor cu grade de libertate n1 ,n2 respectiv. 1 Atunci, variabila Z = ln X are densitatea de repartiie: 2
n1 2

n1 h( z ) = 2 n2

n + n2 n +n 1 1 2 2 n1z n1 2 z 2 e 1 + e n2 n1 n2 2 2

ntr-adevr,
1 H Z ( z ) = P( Z < z ) = P( ln X < z ) = P( X < e 2z ) = FX ( e 2z ) 2 n1 + n 2 n +n n1 1 2 2 n 1 1 n 2 2 2e n1z 1 + e 2z h( z ) = f X ( e 2z )2e 2z = n2 n2 n1 n 2 2 2

Repartiia dat de aceast densitate de probabilitate este cunoscut sub numele de repartiia Z a lui R.A.Fischer. Repartiia Beta Prin definiie, spunem c variabila aleatoare X are o repartiie Beta de parametri a i b dac densitatea ei de repartiie are expresia:

1 x a 1 (1 x ) b1 f ( x; a, b) = ( a, b) 0

, x ( 0,1) , x ( 0,1)

, a,b > 0.

Se verific imediat c f(x;a,b) 0 i c

f ( x; a, b) dx = 1 ,

ntruct

x
0

a 1

(1 x ) b1 dx = (a, b) .

0 ,x 0 x 1 Funcia de repartiie: F ( x ) = y a 1 (1 y ) b 1 dy ,0 < x 1 ( a , b ) 0 , x >1 1 Momentele obinuite:

(r + a, b) a ( a + 1)...( a + r 1) 1 Mr ( X ) = x r + a 1 (1 x ) b 1 dx = = (a, b) 0 (a, b) ( a + b)( a + b + 1)...( a + b + r 1)
1

Particulariznd valorile lui r, obinem:

M 1( X ) = a( a + 1)( a + 2) a ( a + 1) a ; ; M 3( X ) = ; M 2( X ) = ( a + b)( a + b + 1)( a + b + 2) ( a + b)( a + b + 1) a+b ab a( a + 1)( a + 2)( a + 3) ;...; 1 ( X ) = 0; 2 (X) = ;... M 4( X ) = 2 ( a + b)( a + b + 1)( a + b + 2)( a + b + 3) ( a + b) ( a + b + 1)

Repartiia Beta se utilizeaz n aplicaii din teoria deciziei, analiza de drum critic cu durate aleatoare etc. n aplicaii privind analiza drumului critic apar variabile aleatoare de forma: Y = (b - A) X + A (B > A), unde X este o variabil aleatoare B(a,b). S punem n eviden densitatea de repartiie a variabilei Y:

x A Y A x A x A FY ( x ) = P(Y < x ) = P < = P X < = FX B A B A B A B A

x A f Y (x) = f X B A
b 1 1 x A a 1 x A 1 1 , x ( A, B) 1 = B( a , b) B A B A B A B A , x ( A, B) 0

sau

1 ( x A) a 1 ( B x ) b 1 f Y ( x ) = B( a, b)( B A) a + b 1 0

, x ( A, B ) , x ( A, B )

Calculul momentelor (ndeosebi media i dispersia) nu este o problem complicat nici n acest caz, rmnnd ca exerciiu pe care-l propunem. 3.7. Repartiia Weibull Spunem c variabila aleatoare X are o repartiie Weibull de parametri a,b,c dac densitatea de repartiie are expresia
x b a x b a 1 c e f ( x; a, b, c ) = c c 0
a

, x ( b, ) , x ( b, )

Sub aceast form, ne aflm n cazul triparametric, care constituie varianta complet. Dac b = 0, obinem modelul biparametric, cnd:

adx a 1 e dx f ( x; a , c ) = 0

,x >0 ,x 0

Dac b = 0, c = 1, atunci obinem modelul

ax a 1 e x f ( x, a ) = 0

,x >0 ,x 0

care conine drept caz particular modelul exponenial, cnd a = 1. n cazul biparametric, obinem:
2 1 2 1 2 2 M ( X ) = c ( + 1 ; D (X) = c + 1 + 1 a a a

Repartiia Weibull intervine n studiul fiabilitii elementelor. 3.8. Repartiia normal n-dimensional
Definiie. Vectorul aleator (X1,X2,,Xn) urmeaz o lege normal n-dimensional dac densitatea de repartiie a acestui vector are expresia
f ( x1, x 2,..., xn ) = ke
a ij x i x j
i , j =1 n

= ke X ' AX ,

unde

i , j =1

ij

x i x j 0 este o form ptratic pozitiv definit, iar k este o constant pozitiv pe

care o determinm astfel nct:

(1) f ( x1, x 2,..., xn ) 0 ( 2) k ... e X ' AX dx1... dxn = 1

Rn

Fie transformarea ortogonal X = HY care reduce forma ptratic pozitiv definit XAX la o sum de ptrate: X ' AX = ( HY )' AHY = Y ' H ' AHY = i y i2 ,
i =1 n

unde i sunt valorile proprii ale matricei A : | A - E | = 0 . ntruct XAX este pozitiv definit, rezult c i, i=1,2,,n sunt reale i pozitive. Pe de alt parte, transformarea liniar X = HY fiind ortogonal, determinantul funcional are valoarea 1 i, prin urmare, are loc egalitatea:
k ... e X ' AX dx1... dxn =k ... e
Rn Rn

i y i2
i =1

dy1... dyn =k e i y i dy i = 1
2

i =1

Dar
y y e i i dy i = 2 e i i dy i = 2 ( i )
2 2

1 2

z 2

1 2

e z dz =

1 2

n 1 2

1 2

1 1 , cu i y i2 = z , y i = ( i ) 2 z 2 i

Atunci,

k=

e
i =1

= dy i

( ... )
1 2

i y i2

n 2

. ns | A - E | = 0 (-1)nn ++|A| = 0 i,

| A| ( 1) n | A| =| A| , de unde urmeaz: f ( x1 , x 2 ,..., x n ) = n e X ' AX . deci, 12 ... n = n ( 1) 2

Pentru a pstra analogia cu densitatea de repartiie a unei legi normale N(m,), vom considera densitatea de repartiie a vectorului aleator (X1,X2,,Xn)

f ( x1 , x 2 ,..., x n ) =

| A|

(2 )

n 2

1 ( X ' m') A( X m) 2

m1 a11 a21 m 2 cu forma ptratic (X-m)A(X-m) pozitiv definit i m = , A = ... ... an1 mn

a12 ... a1n a22 ... a2n . ... . . . a2n ... ann

Funcia caracteristic i momentele unei legi normale n-dimensionale: din definiie, rezult c (t1,t2,,tn) = M(eitX), t= (t1,t2,,tn). Deci,

(t) =

| A| (2 )
n 2

... e
Rn

1 it ' X X ' AX 2

dx1... dxn

S aplicm din nou transformarea ortogonal X = HY; atunci, tX = (Hu)HY = uHHY = uH-1HY = uY , determinantul funcional este 1, iar XAX = YHAHY =

y
i =1 i

2 i

. Deci,

 (t) =

| A| (2 )
n 2

... e
R
n

1 iu'Y Y ' H 1 AH 2

dy1... dyn =
u2 j 2 j

| A| (2 )
n 2

... e
R
n

u j y j 2 j y 2j
j =1 j =1

dy1... dyn =

| A| (2 )
n 2

e
j =1

1 iu j y j j y 2 j 2

dyj =
z2 j 2

| A| (2 )
n 2

e
j =1

iu j 2 1 j y j j 2
j

dyj =

| A| (2 )
n 2

n u2 1 j 2 j =1 j

j =1

dzj =

| A| (2 )
n 2

(2 ) e 12 ... n

n 2

n u2 1 j 2 j =1 j

Prin urmare, ( t ) = e

2 1 n uj 2 j =1 j

, u fiind funcie de t.

Transformarea X = HY ne-a condus la

1 0 0 2 B = H ' AH = ... ... 0 0 0 ... 0 . ... ... ... n ...

y
j =1 j

2 j

= YHAHY = YBY, unde

1 1 n n u2 0 j = u' B 1u , ntruct B 1 = Cum j u 2 j = uBu, rezult c j =1 i =1 ji ... 0 Din relaiile t = Hu; B = HAH se obine: u = H-1t; t = uH = uH-1; u = tH; B-1 = (HAH)-1 = H-1A-1H i, deci,

0 1 ... 0 . 2 ... ... ... 1 0 ... n 0 ...

i =1

u2 j
j

= t ' HH 1 A 1 HH 1t = t ' A 1t . Deci, ( t ) = e

1 t ' A1t 2

, unde A-1 este matricea de

covarian a repartiiei. S obinem acum funcia caracteristic a unei repartiii normale n-dimensionale cu vectorul valoare medie M(X) = m 0. Dac X are o repartiie normal n-dimensional cu m0, atunci variabila aleatoare vectorial Y = X - m are densitatea de repartiie f (X) = | A| ( 2 )
n 2

1 X ' AX 2

pentru care funcia caracteristic este ( t ) = e

1 t ' A1t 2

; atunci,
1 t ' A 1t 2

X ( t ) = M ( e itX ) = M ( e it '( m+ Y ) ) = M ( e it ' m e it 'Y ) = e it ' m e

X ( t ) = e it ' m e

i, deci,

1 t ' A 1t 2

Calculul momentelor: am vzut c n cazul m = 0, funcia caracteristic este

(t ) = e

1 t ' A 1t 2

=e

1 2

1 a jk t j t k

j =1 k =1

-1 1 unde a jk sunt elementele matricei A . Din expresia funciei caracteristice se obine:

1 a jk1t j tk n 1 ( t1,..., tn ) 2 j =1 k =1 1 M( X j ) = a jk t k = 0 = ie t =0 k =1 tj i t =0
n n

1 1 1 a jk1t j tk n t t a n 1 2 ( t1,..., tn ) 2 j =1 k =1 2 j =1 k =1 jk j k 2 1 1 1 = a 1 M( X j Xk ) = 2 a jk t j a jk t k + a jk e = ie jk k =1 j =1 i tj tk t = 0 t =0
n n n n

n cazul n care m0, funcia caracteristic are expresia:

(t ) = e
De aici urmeaz:

1 it ' m t ' A1t 2

=e

t jmj

j =1

1 2

1 a jk t j t k

j =1 k =1

n 1 1 M( X j ) = = mj + i a jk t j ( t ) = mj; 1 j n i tj t = 0 j =1 t =0 n n 1 2 1 1 1 1 = mjmk + a M( X j Xk ) = 2 = m j + i a jk t j mk + i a jk t k ( t ) + a jk ( t ) jk ; j =1 k =1 i tj tk t = 0 t =0 1 j, k n;...

Rezult, deci, c

M ( Xj mj ) = 0, 1 j n;
1 M [( Xj mj ) 2 ] = M ( X 2 ) m2 j = a jj ; j 1 M [( Xj mj )( Xk mk )] = M ( XjXk ) mjmk = a jk ;

... ceea ce dovedete c A-1 este matricea de corelaie a repartiiei considerate. n cazul n care n = 2, dac notm M(X1) =m1, M(X2) = m2,

2 M (( X 1 m1)2 ) = 1 ; M (( X 2 m2 )2 ) = 2 M (( X 1 m1)( X 2 m2 )) = 1 2 2;

i atunci
12 A = 1 2
1

1 2 22
2 2

2 2 2 2 2 2 det A1 = 1 2 2 1 2 = (1 ) 1

deci,

det A =

1 2 (1 ) 1
2

2 2

1 2 (1 2 ) 1 A= (1 2 )1 2

2 (1 )1 2
1 (1 2 )
2 2

m1 Urmeaz c densitatea de repartiie a vectorului aleator (X1,X2), m = i A-1 determinat m2 mai sus, este:

f ( x1 , x 2 ) =

1 2 1 2

( x1 m1 ) 2 2 ( x1 m1 )( x 2 m2 ) ( x 2 m2 ) 2 1 exp + 2 2 1 2 22 1 2 2(1 ) 1

Se pot pune n eviden densitile de repartiie condiionate:

f ( x1 / x 2 ) =
2 1 1 exp x 2 m2 ) ( 2 2 x1 m1 + 2 2 21 (1 ) 2 1 1

M ( X 1 / X 2 = x 2 ) = m1 +

1 ( x m2 ) 2 2

2 D 2 ( X1 / X 2 = x2 ) = 1 (1 2 )
2 2 1 exp x m x m + ( ) 21 2 1 1 2 2 1 2 2 (1 ) 1 2

f ( x 2 / x1 ) =

1 2 2

M ( X 2 / X1 = x1 ) = m2 +

2 ( x m1 ) 1 1

2 D 2 ( X 2 / X1 = x1 ) = 2 2 (1 )