Sunteți pe pagina 1din 10

CAPITOLUL 8 VARIABILE ALEATOARE n activitatea economic! se ntlnesc multe m!rimi numerice care variaz! ntmpl!tor (aleator).

EXEMPLE: ") Num!rul calculatoarelor vndute la un magazin ntr-o zi este o variabil! aleatoare care poate lua una din valorile 0, 1, 2, , n , unde n este num!rul total de calculatoare din magazin. Aici, mul#imea valorilor posibile este {0,",2,..., n} . 2) Timpul necesar servirii unui automobilist la o sta#ie de benzin! este o variabil! aleatoare care poate lua o valoare dintr-un interval dat (a,b). Aici, mul#imea valorilor posibile este (a,b). DEFINI$IE: Se nume%te o variabil! aleatoare, o m!rime care n urma unei experien#e poate lua o valoare dintr-o mul#ime bine definit! numit! mul#imea valorilor posibile. OBSERVA$IE: Nu se cunoa%te dinainte ce valoare ia variabila aleatoare; aceast! valoare va fi cunoscut! numai dup! efectuarea experimentului. DEFINI$IE: Dac! mul"imea valorilor posibile este discret!, atunci variabila aleatoare se nume%te discret!, iar dac! mul"imea valorilor posibile este continu! (un interval finit sau infinit din R ), variabila aleatoare se nume%te continu!. OBSERVA$IE: Vom nota variabilele aleatoare cu litere mari de la sfr%itul alfabetului, X, Y, Z, etc., iar valorile pe care le pot lua variabilele aleatoare cu litere mici, x, y, z, etc. 8.#. Variabile aleatoare discrete Pentru a defini o variabil! aleatoare discret!, trebuie s! enumer!m toate valorile posibile ale variabilei aleatoare precum %i probabilit!#ile corespunz!toare.

EXEMPLU: n cazul arunc!rii aleatoare astfel: " 2 3 4 X: " " " " 6 6 6 6

unui zar, definim variabila


5 " 6 6 " 6

DEFINI$IE: Se nume%te reparti"ie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale variabilei aleatoare precum %i a probabilit!#ilor corespunz!toare. n general, fie variabila aleatoare X %i xi , (i=1, 2, , n ) valorile ei posibile. Fie Ei evenimentul ca variabila aleatoare X=xi , i=1, 2, , n %i fie P(Ei)=P(X=xi)=f(xi)=pi , probabilitatea corespunz!toare, unde f(xi) este func#ia de probabilitate. Atunci putem scrie:
X: x" f ( x" ) x2 f ( x2 ) xn f ( xn )

DEFINI$IE: Mul#imea perechilor ordonate ( xi , f ( xi )) se nume%te reparti"ia variabilei aleatoare discrete X. Din exemplele prezentate rezult! c! func#ia de probabilitate trebuie s! ndeplineasc! urm!toarele dou! condi#ii: ") 2)
f ( xi ) 0 , i = ",..., n ;
n i ="

f ( xi ) = " , deoarece E i = ( X = xi ) este un sistem complet

de evenimente, adic!: EXEMPLE: #.

E
i ="

= , Ei E j = , i j , i, j = ",..., n .

Reparti"ia binomial! (Bernoulli):


X: x , x = 0,",..., n . f ( x ) = C nx p x q n x

f ( x ) = Cnx p x q n x arat! probabilitatea ca din n extrageri, x s! fie bile albe. Ar!t!m n continuare c! f(x) este o func#ie de probabilitate. ") Evident, f ( x ) 0 ;

2)

n x =0

f ( x) =

n x =0

Cnx p x q n x = ( p + q) n = " (binomul lui Newton) .

2. Reparti"ia geometric! (Pascal): Fie X evenimentul ca extragerea bilei albe s! se realizeze prima dat! la extragerea de ordinul x: X = ( A A A) , 1 4 44 2 4 4 43
x"

deci P( x ) = p q x " .
X: x , x = ",2,3,..., n , unde p > 0 , q > 0 %i p + q = " . f ( x) = p q x"

Evident: ") f ( x ) 0 ; 2)
p " = = " , deoarece seria q x " " q p x =" x =" x =" este seria geometric! de ra#ie 0 < q < " , convergent!, cu suma " . " q

p q x " = p

q x " = p

8.#.#. Opera"ii cu variabile aleatoare discrete; variabile aleatoare independente Fie X :


pi = f ( x i ) 0 ;
x" p"
n i ="

xi pi

y xn ;Y: " q" pn


m j ="

yj qj
q j = ".

ym . qm

pi = " ;

qj = f (yj ) 0 ;

Evenimentul care const! n faptul c! : X ia valoarea xi l not!m ( X = xi ), i=1, , n , P( X = xi )=pi ;

Y ia valoarea P( Y = y j )=qj .

yj

l not!m ( Y = y j ), j=1, , m,

Evenimentul care const! n faptul c! X = xi %i Y = y j este ( X = xi ) (Y = y j ) , i=1, , n; j=1, , m .


P[(X = xi );(Y = y j )] = P[(X = xi ) (Y = y j )] are o probabilitate

bine determinat!, notat! pij . DEFINI$IE: Variabilele aleatoare X %i Y se numesc independente dac! evenimentele ( X = xi ) %i ( Y = y j ), i=1, , n; j=1, , m sunt independente. n acest caz: P[( X = xi ); (Y = y j )] = P[( X = xi ) (Y = y j )] = pij = pi q j . OPERA$II: ") X + Y :
xi + y j pij

, unde pij = pi q j , i=1, , n; j=1, , m .

2) X Y :

xi y j , i=1, , n; j=1, , m , unde, dac! X %i Y sunt pij

independente, pij = pi q j . 3) a X =
a xi , i=1, , n . pi xik pi
k xn . pn

4) X k :

x"k p"

EXEMPLU: Fie variabilele aleatoare discrete X %i Y cu reparti#iile: " " 0 " 2 %i Y : X: 0,3 0,5 0,2 0,5 0,5

X +Y :

" " 0 2 " 3 0,3 0,5 0,3 0,5 0,5 0,5 0,5 0,5 0,2 0,5 0,2 0,5

X +Y :

0 " 2 3 " . 0,"5 0,25 0,25 0,25 0,"0

X Y :

0 0 " " 2 2 0,"5 0,"5 0,25 0,25 0," 0," 2 " 0 " 2 . 0," 0,25 0,3 0,25 0,"

X Y :

3 X :

0 3 6 . 0,3 0,5 0,2 0 " 8 . 0,3 0,5 0,2

X3 :

Reprezentarea grafic! a func"iilor de probabilitate:


0 " 2 , pi = f ( xi ) . f (0) = 0,3 f (") = 0,5 f (2) = 0,2

EXEMPLU: X :

Atunci graficul func#iei de probabilitate a variabilei aleatoare X definit anterior este:

0,5 0,3 0,2 0

"

8.2. Variabile aleatoare continue


x , unde x [a, b] , iar f ( x ) f ( x) este probabilitatea de apari#ie a lui x.

Fie variabila aleatoare X :

DEFINI$IE: Func#ia f ( x ) se nume%te densitatea de probabilitate a variabilei aleatoare X. Propriet!"ile densit!"ii de probabilitate: ") 2)
f ( x) 0 ;
b

f ( x )dx = " .

EXEMPLE: I. S! se determine constanta c, astfel nct func#ia f : [a, b] R , f ( x ) = c , s! fie densitate de probabilitate a unei variabile aleatoare X. ") f ( x ) 0 , oricare ar fi x [a, b] , deci c 0 ; 2)
b b

f ( x )dx = c dx = c x |b a = c (b a ) = "
a a

c=

" . ba

" , x [a, b] este o variabil! aleatoare ba numit! variabil! aleatoare continu! uniform! pe intervalul [a , b] .

Deci: X :

f ( x) =

II. S! se determine constanta k, astfel nct func#ia f : [0, ) R , f ( x ) = k e x , s! fie densitate de probabilitate a unei variabile aleatoare X. ") f ( x ) 0 , oricare ar fi x 0 , deci k 0 , f fiind o func#ie exponen#ial! 2)

f ( x )dx = k e x dx = k (") = k = " , unde ( a ) =


0

x a "e x dx

este integrala a lui Euler.

x , x 0 este o variabil! aleatoare pe f (x) = ex intervalul [0, ) .

Deci X :

Reprezentarea grafic! a densit!"ii de probabilitate: Pentru func#ia de la exemplul I, reprezentarea grafic! este: func#ia este continu! pe [a , b]
" ba

A ="

Pentru func#ia de la exemplul II, reprezentarea grafic! este:

" -

A ="

ntr-adev!r, derivata func#iei f este oricare ar fi x > 0 ; %i lim f ( x ) = 0 ; f (0) = " .


x

f ' ( x ) = e x < 0 ,

f' f

0 - 1

- - - - - - - - - - 0

%i deci graficul densit!#ii de probabilitate f ( x ) este cel de mai sus.

Func"ia de reparti"ie a unei variabile aleatoare: Prezentarea unei variabile aleatoare prin func#ia de probabilitate f ( xi ) sau prin densitatea de probabilitate prezint! aspecte diferite. Consider!m evenimentul ( X < x ) , x R . DEFINI$IE: Se nume%te func"ie de reparti"ie a variabilei aleatoare X, func#ia F : R R dat! de F ( x ) = P( X < x ) . OBSERVA$IE: Variabila aleatoare X este discret! (continu!), dup! cum func#ia de reparti#ie F ( x ) este o func#ie discret! (continu!). Calculul func"iei de reparti"ie: #) Fie variabila aleatoare discret! : x

X:

x" p"

xi pi

xi +" pi +"
pi =

xn pn
f ( xi )

F ( x ) = P( X < x ) =
xi < x

xi < x

Reprezentarea grafic! este urm!toarea:

"p ... +p "+ n "-

( (

p" + p2 p" 0

( (

x"

x2

x3 .. x n "

xn

EXEMPLU: X :

0 " 2 0,3 0,5 0,2

F ( x) "0,3+0,5-

( (

0,3 -(

x
0 " 2

2) Fie variabila aleatoare continu!: x , x [ a , b] . X: f ( x)


F ( x) f ( x)

) a

( b

Putem l!rgi domeniul de defini#ie al func#iei f deoarece F se consider! pe R .


x

F ( x) =

f (t )dt . Reprezentarea grafic! a func#iei de

reparti#ie continu! F ( x ) are urm!toarea form!: F ( x) "-

EXEMPLU: X :
x x

x , x 0. f ( x) = e x

F ( x) =

x f (t )dt = et dt = et |0 = e x + " = " e x ;


0

F ' ( x ) = e x > 0 ; F ' ' ( x ) = e x < 0 . Prin urmare, graficul func#iei F este:

"

0
F (0) = 0 ; lim F ( x ) = " .
x

Propriet!"i ale func"iei de reparti"ie: P#. 0 F ( x ) " , oricare ar fi x R . Demonstra"ie: F ( x ) = P( x < ") , %i deci fiind o probabilitate, rezult! proprietatea P#. P2. F ( x ) este nedescresc!toare, adic!, oricare ar fi x" x 2 , rezult! c! F ( x" ) F ( x 2 ) . Demonstra"ie: ( X < x" ) = ( X < x" ) ( x" X < x 2 ) . P ( X < x 2 ) = P ( X < x" ) + P ( x" X < x 2 ) . 1 4 2 43 1 4 2 43 1 4 4 2 4 43
F ( x2 ) F ( x" ) 0

F ( x ) = 0, x a F ( x ) = ", x > b Consecin"e: lim F ( x ) = 0 , lim F ( x ) = " .

P3. Dac! x [a, b] , atunci


x