Facultatea de Finante, Asigurari,

Banci si Burse de Valori

Inginerie Financiar a
Profesor Virgil Damian
http://virgildamian.com
Concepte fundamentale ale Teoriei Probabilit atilor
n Inginerie Financiar a
1 M asuri si spatii cu m asur a
Teoria m asurii este un instrument principal f ar a de care, n momentul de
fat a, nu se pot face studii aprofundate de Teoria Probabilit atilor si Statistic a
matematic a. Prezentul material si propune s a arate, pe scurt, cum obiectele
Teoriei m asurii permit s a se dea o baz a matematic a riguroas a Teoriei Prob-
abilit atilor.
n cele ce urmeaz a, pentru o multime , vom nota cu T () mul timea sa
de par ti.
Def. 1.1 Se nume ste corp borelian (oalgebr a, ocorp, clan, trib) pe o
mul time amorfa o familie T T (), cu proprieta tile:
1. ? T;
2. \ T =={ T;
3.
1
. ....
a
. ... T ==
1
_
a=1

a
T.
1
Consecinte ale denitiei
1. Dac a
1
. ....
a
. ... T atunci
1

a=1

a
= {
1
_
a=1

a
T;
2. T ( = {?);
3. Dac a . 1 T atunci 1 = {1 T.
Exemple
1. T () este un corp borelian pe ;
2. ?. este un corp borelian pe ;
3. n cazul = R, e /
act.
= (. /) : / R. Vom nota cu E(/)
intersectia tuturor corpurilor boreliene pe , care contin /. Atunci:
(a) Orice [c. /) = (. /) (. c) E(/), pentru / _ +,
(. +) = R E(/);
(b) [c. /] =
1

a=1
[c. / +
a
), pentru
a
| 0 din [c. /) E(/), pentru
c _ ;
(c) (c. /) = (. /) (. c] E(/).
Not am prin E = E(R) = E
R
corpul borelian al multimii numerelor reale,
R, adic a cel mai mic (n sensul incluziunii) corp borelian ce contine toate
multimile de forma
o =(c. /) : c < /. c. / R .
Se poate ar ata c a putem nlocui multimea o de mai sus cu oricare din multim-
ile:
(. /) : / R .
(c. +) : c R .
(c. /] : c. / R .
2
Def. 1.2 Se nume ste spatiu m asurabil un cuplu (. T) n care este o
mul time amorfa, iar T un corp borelian pe .
Def. 1.3 Se nume ste aplicatie m asurabil a de la un spa tiu masurabil (. T)
la un spa tiu masurabil (1. /) o func tie , : 1, astfel nct
\ / ==,
1
() T.
Remarca 1.4 Pentru orice corp borelian T pe , avem?. T T ().
Def. 1.5 Daca (. T) este un spa tiu masurabil, se va numi m asur a (pozi-
tiv a) pe T, orice aplica tie
j : T R
+
.
cu proprieta tile
1. j[?] = 0 si
2. pentru orice sir de mul timi masurabile (
a
)
a2N
, disjuncte doua cte
doua (i.e.,
i

)
= ?, daca i ,= ,), are loc egalitatea
j
_
_
a2N

a
_
=

a2N
j[
a
] .
Masura (pozitiva) j se va numi nit a daca j[] ,= +.
Vom spune c a o proprietate este adev arat a aproape peste tot (not. a.p.t.)
dac a ea este adev arat a n afara unei multimi neglijabile (adic a multime de
m asur a nul a
1
). Vom spune, de asemenea c a proprietatea este adev arat a
pentru aproape to ti ..
Def. 1.6 Tripletul (. T. j) se nume ste spatiu cu m asur a.
Def. 1.7 Fie (. T. j) un spa tiu cu masura si T. O aplic tie

: 0. 1 .
denita astfel

(.) =
_
0.
1.
daca . ,
daca .
.
se nume ste functia indicator a mul timii .
1
O multime A T se spune c a este de masura nula dac a (A) = 0.
3
Fie j o m asur a pozitiv a pe spatiul cu m asur a (. T. j) Pentru orice apli-
catie , : (. T) (R. E
R
), Tm asurabil a, se deneste un num ar real
_
, (r) dj(r), sau, pe scurt,
_
,dj, caracterizat de propriet atile:
1.
_
(c, (r) + ,q (r)) dj(r) = c
_
, (r) dj(r) + ,
_
q (r) dj(r), pen-
tru orice c. , _ 0;
2.
_

(r) dj(r) = j(), extins a prin liniaritate, la

_
_
a

i=1
c
i

i
(r)
_
dj(r) =
a

i=1
c
i
j(
i
) .
pentru : N si c
i
R, \i = 1. :;
3. Fiind dat sirul de functii (,
a
)
a2N
, cu proprietatea c a ,
a
_ ,
a+1
, atunci
_
_
lim
a!1
,
a
(r)
_
dj(r) = lim
a!1
_
,
a
(r) dj(r).
Fie , : (. T) (R. E
R
), Tm asurabil a. Fie un sir de functii el-
ementare
2
(,
a
)
a2N
, astfel nct 0 _ ,
a
,. Se deneste, n acest caz,
integrala Lebesgue
3
a lui , n raport cu masura j prin
_
,dj = lim
a!1
_
,
a
dj.
Aplicatia m asurabil a , : (. T) (R. E
R
) se spune c a este integrabila
Lebesgue n raport cu masura j (sau jintegrabila) dac a
_
[,[ dj < .
2
Se spune c a o functie ' : (; T) (R; E
R
) este func tie elementara dac a ' admite
reprezentarea
' =
n

i=1
a
i

Ai
;
pentru a
i
R si A
i
T, i = 1; n.
3
Henri Lon Lebesgue (1875-1941), matematician francez cunoscut, n special, pentru
teoria integr arii. Lucrarea n care a fundamentat integrala ce-i poart a numele a fost
prezentat a la Universitatea din Nancy (1902) si intitulat a Intgrale, longueur, arie.
4
Dac a T, atunci se deneste
_

,dj =
_

,dj.
atunci cnd

, este jintegrabil a. Dac a se doreste s a se specice variabila

de integrare, respectiv, multimea , se mai foloseste notatia
_
, (r) dj(r) .
respectiv,
_

,dj.
M asura Lebesgue pe axa real a se noteaz a cu ` si este denit a, n mod
natural, astfel:
`([c. /]) = / c.
Theorem 1.8 (Leg atura ntre integrala Lebesgue si integrala Riemann)
Fie , : [c. /] R o aplica tie boreliana si marginita. Daca , este integrabila
Riemann, atunci , este `integrabila si
b
_
o
, (r) dr =
_
[o,b]
, (r) d`(r) .
n particular, daca , : R R
+
este boreliana si Riemann integrabila pe
orice interval compact
4
, atunci , este `integrabila daca si numai daca ,
este Riemann integrabila. n aceasta situa tie
1
_
1
, (r) dr =
_
R
, (r) d`(r) .
4
nchis si m arginit
5
2 Generalit ati asupra probabilit atilor
n anul 1933, A.N. Kolmogorov
5
a axiomatizat Calculul Probabilit atilor, pos-
tulnd c a modelarea matematic a a unui experiment aleator se face printr-un
spatiu cu m asura, n care m asura spatiului total este 1. Un asfel de spatiu
cu m asur a se numeste cmp de probabilitate. n continuare, este prezentat a
riguros aceast a structur a.
2.1 Denitia probabilit atii
Fie (. T) un spatiu m asurabil.
Def. 2.1 Se nume ste probabilitate pe spa tiul masurabil (. T) o func tie
P : T [0. 1] .
cu proprieta tile:
1. Daca
a
T, pentru : = 1. 2. ... si
a

n
= ?
6
, pentru : ,= :,
atunci
P
_
1
_
a=1

a
_
=
1

a=1
P[
a
] ;
2. P() = 1.
Consecinte ale denitiei
1. Dac a 1, . 1 T atunci P[ 1] = P[] P[1];
2. Dac a : N si
a
T, astfel nct
a

a+1
atunci P
_
1
_
a=1

a
_
=
lim
a!1
P[
a
]
7
;
5
Andrei Nikolaevici Kolmogorov (1903-1987), matematician rus, cu contributii foarte
importante n Teoria Probabilit atilor. n 1931 devine profesor la Universitatea de Stat
din Moscova, iar n 1935 este numit primul director al departamentului de probabilit ati la
aceeasi universitate.
6
n acest caz, se spune c a evenimentele A si B sunt incompatibile.
7
Limita exist a, deoarece sirul (P(A
n
))
n2N
, ind monoton si m arginit, este convergent
(criteriul Weierstra).
6
3. Dac a : N si
a
T,
a

a+1
==P
_
1

a=1

a
_
= lim
a!1
P[
a
];
4. Probabilitatea multimii vide este nul a, P[?] = 0;
5. Dac a (
a
)
a2N
T, atunci P
_
1
_
a=1

a
_
_
1

a=1
P[
a
].
Theorem 2.2 Aplic tia P, denita anterior, este o masura pe spa tiul (. T).
n aceste condi tii, (. T. P) este un spa tiu masurabil.
Un triplet (. T. P) n care (. T) este un spatiu m asurabil,
iar P o probabilitate pe (. T) se va numi cmp de probabi-
litate. Elementele lui T se numesc evenimente. ? se numeste
eveniment imposibil, iar eveniment sigur.
Def. 2.3 Fie 1 o mul time numarabila
8
. Fie (. T. P) un cmp de probabili-
tate si (T
i
)
i21
o familie de corpuri boreliene cu T
i
T. Corpurile boreliene
(T
i
)
i21
se numesc independente daca, oricare ar familia (
i
)
i21
n care

i
T
i
, pentru orice i 1 si i 1 :
i
,= este nita, avem
P
_

i21

a
_
=

i21
P[
i
] .
De fapt, n intersectia

i21

i
conteaz a numai acei
i
,= , ca si n

i21
P[
i
],
deci n relatie apar, de fapt, o intersec tie nita si un produs nit.
8
O multime echipotent a cu multimea numerelor naturale se numeste mul time numara-
bila.
7
2.2 Variabile aleatoare
O notiune foarte important a care apare n studiul experimentelor aleatoare
este cea de variabila aleatoare. Aceasta este o m arime ce ia diferite valori, n
functie de rezultatele unui experiment aleator. De exemplu, dac a o moned a
este aruncat a de : ori si se noteaz a prin i
a
num arul de aparitii ale pajurei,
atunci i
a
si
in
a
sunt variabile aleatoare (prima este frecventa absolut a iar a
doua este frecventa relativ a a pajurei n : arunc ari cu moneda). Despre i
a
putem spune c a poate lua oricare dintre valorile :, : 1, : 1, ..., 2, 1, 0,
cu probabilit atile
_
:
:
__
1
2
_
a
,
_
:
: 1
__
1
2
_
a
,
_
:
: 2
__
1
2
_
a
, ...,
_
:
2
__
1
2
_
a
,
_
:
1
__
1
2
_
a
,
_
:
0
__
1
2
_
a
,
respectiv. Prin
_
:
/
_
am notat combinari de : luate cte /.
O observatie simpl a este c a pentru : sucient de mare,
in
a
ia valori din
ce n ce mai apropiate de
1
2
(dac a moneda este corect a). Jacques Bernoulli
9
a demonstrat c a
_
in
a
_
a2N
tinde (ntr-un anumit sens) la
1
2
, cnd : tinde la
innit. Acest rezultat este un caz foarte particular al legii numerelor mari,
teorem a cu important a deosebit a n Teoria Probabilit atilor.
2.2.1 Denitia variabilei aleatoare
Fie (. T. P) un cmp de probabilitate.
Def. 2.4 Se nume ste variabil a aleatoare (real a) o aplica tie Tmasurabila
A : (. T. P) (R. E
R
. `), astfel ca A () sa e nita.
O formulare echivalent a a conditiei
A () - ,i:it c
9
Jacques Bernoulli (1654-1705), cunoscut si ca Jakob sau Iacob Bernoulli, matemati-
cian si zician elvetian. A contribuit semnicativ la dezvoltarea Teoriei Probabilit atilor
(printre altele, a formulat legea numerelor mari ). n 1687 devine profesor la Universitatea
din Basel, unde, mpreun a cu fratele s au, Jahann Bernoulli, dezvolt a si aplic a calculul in-
nitesimal al lui Gottfried Leibniz. A introdus notiunea de functie (1694) si fundamenteaz a
teoria ecuatiilor diferentiale.
8
este: Fie i 1. .... : si c
i
R,
i
T. Atunci A () este nita daca si
numai daca se poate reprezenta sub forma
A =
a

i=1
c
i

i
.
Mai simplu, numim variabil a aleatoare (real a) pe spa tiul de probabilitate
(. T. P) o func tie A : (. T) (R. E
R
), cu proprietatea ca
A
1
() = . : A (.) T.
pentru orice mul time boreliana E
R
.
Remarca 2.5 Daca A : (. T) R este Tmasurabila, atunci exista un
sir (A
a
)
a2N
de variabile aleatoare elementare, a sa nct 0 _ A
a
, sirul este
monoton crescator si
lim
a!1
A
a
(.) = A (.) , pentru orice . .
Variabila aleatoare A : R se numeste:
1. discreta, dac a multimea valorilor variabilei aleatoare (adic a, A ()) este
nit a sau num arabil a;
2. continua, dac a multimea valorilor variabilei aleatoare este un interval
sau o reuniune nit a de intervale din R.
Reparti tia unei variabile aleatoare discrete A se reprezint a sub forma unei
matrice, avnd dou a linii: prima linie contine valorile pe care ia variabila
aleatoare, iar a doua linie contine probabilit atile ca variabila aleatoare s a ia
aceste valori:
A ~
_
r
I
j
I
_
I21
. j
I
= P[A = r
I
] .

I21
j
I
= 1.
unde 1 este o multime nit a sau num arabil a.
Def. 2.6 Se nume ste functia de repartitie a variabilei aleatoare A aplica tia
1
A
: R [0. 1] .
1
A
(r) = P[A < r] = P[. [ A (.) < r] .
9
Prop. 2.7 Daca 1
A
: R [0. 1] este func tia de reparti tie a unei variabile
aleatoare A : R, atunci
1. lim
a!1
1
A
(r) = 0 si lim
a!1
1
A
(r) = 1;
2. 1
A
este nedescresatoare, adica
\r
1
. r
2
R. r
1
< r
2
==1
A
(r
1
) _ 1
A
(r
2
) ;
3. 1
A
este continua la stnga, adica
\r R ==1
A
(r 0) ==1
A
(r) .
Prop. 2.8 Daca func tia 1 : R R satisface condi tiile din propozi tia
precedenta, atunci exista un cmp de probabilitate (. T. P) si o variabila
aleatoare A : R a carei func tie de reparti tie este 1.
Def. 2.9 Fie A : R o variabila aleatoare continua si J = A ().
Daca func tia de reparti tie 1
A
a variabilei aleatoare A este derivabila, cu
derivata continua pe J, atunci func tia
,
A
(r) =
_
1
0
(r) .
0.
daca r J
daca r , J
se nume ste densitatea de repartitie a variabilei aleatoare A.
Densitatea de repartitie ,
A
: R R a unei variabile aleatoare continue
A veric a propriet atile:
1. , (r) _ 0, \r R;
2.
1
_
1
, (r) dr = 1.
Prop. 2.10 Daca func tia , : R R satisface proprieta tile (1) si (2)
de mai sus, atunci exista un cmp de probabilitate (. T. P) si o variabila
aleatoare A : R a carei densitate de probabilitate este ,.
10
Observatii
Fie A : R o variabil a aleatoare continu a, avnd densitatea de
repartitie , si functia de repartitie 1.
1. Deoarece 1 este o primitiv a pe R a functiei ,, rezult a
1 (r) =
a
_
1
, (n) dn, \r R sau,
n cuvinte, functia de distributie 1 d a aria de sub gracul functiei , (a
densit atii unei variabile aleatoare A).
2. Din denitia functiei de repartitie, rezult a urm atoarele egalit ati:
(a)
P[A < c] = P[A (. c)]
= P[A _ c] = P[A (. c]]
= 1
A
(c) =
c
_
1
, (r) dr;
(b)
P[A ,] = P[A (,. +)]
= P[A _ ,] = P[A [,. +)]
= 1 1
A
(,) = 1
c
_
1
, (r) dr;
(c)
P[c _ A < ,] = P[c < A < ,]
= P[c _ A _ ,] = P[c < A _ ,]
= 1
A
(,) 1
A
(c) =
o
_
c
, (r) dr.
11
Un caz particular: Distributia normal a standard
Fie A o variabil a aleatoare.
Def. 2.11 Se spune ca A este distribuita normal standard daca
PA
1
=
0,1
`.
unde ` este masura Lebesgue pe axa reala si

0,1
(r) =
1
_
2:
c

x
2
2
.
O variabil a distribuit a normal standard se noteaz a
A ~ A (0. 1) .
Functia de distributie a lui A (0. 1) se noteaz a, de obicei, prin `:
` (r) = P[A _ r] = A (0. 1) ((. r]) =
1
_
2:
a
_
1
c

u
2
2
dn.
Nu exist a o metod a analitic a de a calcula `, dar exist a tabele de valori
pentru aceast a functie.
Datorit a propriet atii de simetrie a densit atii
0,1
, este usor de v azut c a
` (r) = 1 ` (r) ==` (0) = .5
si de aici,
` (r) = .5 +
1
_
2:
a
_
0
c

u
2
2
dn
si aceast a integral a poate aproximat a cu formula lui Simpson, de exemplu.
2.2.2 Independent a
Def. 2.12 Fie (. T. P) un spa tiu de probabilitate xat. Doua variabile
aleatoare A. 1 : R se numesc independente daca
P[A . 1 1] = P[A ] P[1 1] .
oricare ar mul timile boreliene . 1 E
R
si dependente n caz contrar.
12
Alegnd = (. c) si 1 = (. /) n denitia anterioar a, obtinem
P(A < c. 1 < /) = P(A < c) P(1 < /) . c. / R.
Se poate ar ata si reciproc c a daca aceasta rela tie are loc, atunci variabilele
aleatoare A si 1 sunt independente.
Reamnitim c a functia de distributie (repartitie) a variabilei aleatoare vec-
toriale (A. 1 ) se deneste prin
1
A,Y
: R R R. 1
A,Y
(c. /) = P(A < c. 1 < /) .
Rezult a, asadar,
Prop. 2.13 Variabilele aleatoare A si 1 sunt independente daca si numai
daca
1
A,Y
(c. /) = 1
A
(c) 1
Y
(/) . \c. / R.
unde 1
A
, 1
Y
sunt func tiile de distribu tie ale variabilelor aleatoare A si 1 .
Are loc urm atoarea
Prop. 2.14 Daca ,
A,Y
, ,
A
, ,
Y
sunt densita tile variabilelor (A. 1 ), A si
respectiv 1 , atunci variabilele aleatoare A si 1 sunt independente daca si
numai daca are loc
,
A,Y
(c. /) = ,
A
(c) ,
Y
(/) . \c. / R.
n acest context, cap at a sens notiunea de corela tie.
Def. 2.15 Se nume ste covarianta variabilelor aleatoare A si 1 numarul real
notat COV[A. 1 ] si denit astfel
COV[A. 1 ] = E[(A E[A]) (1 E[1 ])] = E[A1 ] E[A] E[1 ] .
n acest sens, variabilele aleatoare se numesc necorelate daca
COV[A. 1 ] = 0.
13
Observatie important a: Dac a A si 1 sunt variabile aleatoare indepen-
dente, atunci sunt necorelate. Reciproca nu este ntotdeauna adev arat a.
Exemplu Se consider a un activ primar nepurt ator de dividende (en.
common stock) al c arui pret la momentul actual este $28, iar peste trei luni
el poate deveni $32 sau $26. n acest sens, se consider a c a probabilitatea
subiectiv a (en. actual probability, real-world probability, statistical probabil-
ity), individual a (a investitorului), de crestere a pretului actiunii repective
este (de exemplu) egal a cu 0.2, iar de sc adere a sa este de 0.8. Pentru de-
scrierea modelului matematic se consider a spatiul de probabilitate Laplace
10
:
= .
1
. .
2
. T = T () . P : T [0. 1] . P[.
1
] = 0.2 = 1 P[.
2
] .
La scadenta 1, 1 R
+
, valoarea actiunii este modelat a de variabila aleatoare
o
T
: (. T. P) R
+
. o
T
(.) =
_
o
&
= 32.
o
o
= 26.
dac a . = .
1
dac a . = .
2
.
2.2.3 Caracteristici numerice ale variabilelor aleatoare
Def. 2.16 Fie (. T. P) un cmp de probabilitate.
1. Daca A este o variabila aleatoare integrabila,atunci
_
A (.) dP(.)
(sau, mai simplu,
_
AdP)
11
se noteaza cu E[A]
12
si se nume ste valoare
medie (sau sperant a matematic a) a lui A;
10
Pierre-Simon, Marchiz de Laplace (1749-1827), matematician, astronom si zician
francez. A fost conte al Primului Imperiu Francez (1806) si marchiz din 1817, dupa restau-
ratia Bourbonilor. n 1812 prezint a o analiz a riguroas a din punct de vedere matematic a
ideii potrivit c areia probablitatea este raportul dintre num arul evenimentelor favorabile si
al celor posibile. Tot el a introdus si notiunea de corela tie.
11
Aceast a integral a trebuie nteleas a n sens larg, adic a ea este o sum a n cazul unei
variabile aleatoare discrete si o integral a clasic a n situatia variabilelor aleatoare de tip
(absolut) continuu.
12
Se mai noteaz a, uneori, prin E
P
[X] pentru a sublinia faptul c a integrala se realizeaz a
sub m asura de probabilitate P. Cu alte cuvinte, media unei variabile aleatoare depinde,
intrinsec, de probabilitatea sub care se evaluaez a.
14
2. Daca A este o variabila aleatoare pe el si daca
_
A
2
(.) dP(.) <
13
atunci E[A] are sens. Notam, n acest caz,
VAR[A]
act.
= E
_
(A E[A])
2

.
VAR[A] se nume ste dispersia (sau varianta) variabile aleatoare A.
n functie de natura variabilelor aleatoare (discrete sau continue) se dis-
ting formule analitice de calcul pentru caracteristicile numerice ale acestora.
Astfel, daca o variabil a aleatoare A este:
discreta, adic a
A ~
_
r
I
j
I
_
I21
.
unde 1 este o multime num arabil a, atunci media sa se calculeaz a
E[A] =

I21
r
I
j
I
;
continua, adic a
A ~
_
r
,
A
(r)
_
.
unde ,
A
(r) este densitatea de repartitie a variabilei A, atunci media
sa se calculeaz a
E[A] =
1
_
1
r,
A
(r) dr.
2.2.4 Propriet ati ale mediei & variantei
Dac a A. 1 : (. T. P) (R. E
R
. `) sunt dou a variabile aleatoare (discrete
sau continue) si c. , R oarecare, atunci au loc propriet atile:
1. E[c] = c;
2. E[cA] = cE[A];
13
X, se spune n acest caz, c a este de patrat integrabila
15
3. E[cA + ,1 ] = cE[A] + ,E[1 ];
4. dac a A si 1 sunt independente, atunci E[A 1 ] = E[A] E[1 ].
Dac a A. 1 : (. T. P) (R. E
R
. `) sunt dou a variabile aleatoare (dis-
crete sau continue) si c R oarecare, atunci au loc propriet atile:
1. VAR[A] _ 0;
2. VAR[A] = E[A
2
] (E[A])
2
;
3. VAR[c] = 0;
4. VAR[cA] = c
2
VAR[A];
5. dac a A si 1 sunt independente, atunci
VAR[A + 1 ] = VAR[A] + VAR[1 ] .
n caz contrar,
VAR[A + 1 ] = VAR[A] + VAR[1 ] + 2 COV[A. 1 ] .
Conform propriet atii 2 a variantei, n denitia (2.16), situatia (2) avem
VAR[A] = E[A
2
] (E[A])
2
. De mentionat c a VAR[A] = 0 este echivalent
cu A este egal a a.p.t. cu o constant a. n plus, dac a c este o constant a,
avem
E
_
(A c)
2

= E
_
A
2

2cE[A] + c
2
= (c E[A])
2
+ VAR[A]
expresie care-si atinge minimul pentru c = E[A] (si numai pentru acest c).
Def. 2.17 Se nume ste abatere medie p atratic a (abatere standard) a vari-
abilei aleatoare A numarul (daca exista)
o (A)
act.
= o
A
=
_
VAR[A].
Def. 2.18 Se nume ste coecient de corelatie al variabilelor aleatoare A si
1 numarul real, n modul subunitar,
j (A. 1 ) =
COV[A. 1 ]
_
VAR[A]
_
VAR[1 ]
.
O proprietate uzual a n aplicatii este aceea c a dac a [j (A. 1 )[ = 1, atunci
ntre A si 1 exist a o relatie de dependent a liniara.
16
2.2.5 Momente de ordin superior ale variabilelor aleatoare
Presupunem c a
_
A
v
(.) dP(.) < + pentru : N.
Def. 2.19 Se nume ste moment initial de ordin : al variabilei aleatoare A
numarul real
:
v
[A]
act.
= E[A
v
] .
n functie de natura variabilei aleatoare A (discret a sau continu a), se dis-
ting urm atoarele formul de calcul pentru momentele initiale ale unei variabile
aleatoare. Astfel, dac a o variabil a aleatoare A este:
discreta, atunci
:
v
[A] =

i21
r
v
I
j
I
.
unde 1 este o multime cel mult num arabil a;
continua, atunci
:
v
[A] =
1
_
1
r
v
,
A
(r) dr.
unde ,
A
(r) reprezint a densitatea de repartitie a variabilei aleatoare A.
Def. 2.20 Se nume ste moment centrat de ordin : al variabilei aleatoare A
numarul real
j
v
[A]
act.
= E[(A E[A])
v
] .
n functie de natura variabilei aleatoare A (discret a sau continu a), se dist-
ing urm atoarele formul de calcul pentru momentele centrate ale unei variabile
aleatoare. Astfel, dac a o variabil a aleatoare A este:
discreta, atunci
j
v
[A] =

i21
(r
I
E[A])
v
j
I
.
unde 1 este o multime cel mult num arabil a;
17
continua, atunci
j
v
[A] =
1
_
1
(r E[A])
v
,
A
(r) dr.
unde ,
A
(r) reprezint a densitatea de repartitie a variabilei aleatoare A.
Dou a concepte cap at a, astfel, o important a deosebit a n studiile empirice
corespunz atoare:
Def. 2.21 Se nume ste coecient de asimetrie al variabilei aleatoare A numarul
real
[A]
act.
=
j
3
[A]
j
3
2
[A]
.
Def. 2.22 Se nume ste coecient de exces al variabilei aleatoare A numarul
real
1 [A]
act.
=
j
4
[A]
j
2
2
[A]
3.
2.2.6 Cuantilele unei variabile aleatoare
Fie A : (. T. P) (R. E
R
. `) o variabil a aleatoare, 1
A
functia sa de
repartitie si N, _ 2.
Def. 2.23 Se numesc cuantile ale variabilei aleatoare A numerele nite
(c
i
(A))
1iq1
pentru care
1
A
(c
i
(A)) _
i

si 1
A
(c
i
(A) + 0) _
i

, pentru 1 _ i _ 1.
Evident, dac a 1
A
este o functie continu a si strict cresc atoare, atunci
cuantilele se pot determina n mod unic, ca solutii ale ecuatiilor
1
A
(c
i
(A)) =
i

, pentru 1 _ i _ 1.
Particulariznd, se poate obtine, pentru = 2 mediana
14
, pentru = 4
cvartilele, pentru = 10 decilele si pentru = 100 centilele.
14
Mediana variabilei aleatoare X este num arul nit , ce ndeplineste conditiile F
X
() _
1
2
si F
X
( + 0) _
1
2
. Dac a F
X
este o functie continu a, atunci mediana se determin a n
mod unic rezolvnd ecuatia F
X
() =
1
2
.
18
Def. 2.24 Fiind data func tia de reparti tie 1
A
, cu densitatea de reparti tie
,
A
, se nume ste mod (punct modal) orice punct de maxim local al func tiei
,
A
.
2.2.7 Media conditionat a
Conceptul de valoare medie conditionat a este, n cadrul acestui curs, folosit
pentru studiul martingalelor. n ceea ce priveste aplicatia acestui concept
n Ingineria Financiar a, el reprezint a instrumentul indispensabil n evaluarea
activelor nanciare.
Def. 2.25 Fie A : (. T. P) (R. E
R
. `) o variabila aleatoare de medie
nita (resp. nenegativa) si e / un corp borelian inclus n T. Atunci denim
valoarea medie conditionat a a lui A n raport cu / si o notam E[A [ /]
ca ind unica variabila aleatoare E[A [ /] () : (. T. P) (R. E
R
. `), cu
urmatoarele doua proprieta ti
1. E[A [ /] este / masurabila si integrabila;
2. Pentru orice /,
_

E[A [ /] (.) dP(.) =

_

A (.) dP(.) .
Prop. 2.26 Media condi tionata comporta urmatoarele proprieta ti:
1. E[A [ /] = E[A], dac a / = ?. ;
2. E[A [ /] = A, dac a A este /m asurabil a. n particular,
E[c [ /] = c. \c R;
3. Dac a A. 1 sunt variabile aleatoare de medie nit a, atunci
15
E[cA + ,1 [ /] = cE[A [ /] + ,E[1 [ /] , \c. , R;
4. Dac a A _ 1 , atunci 1 [A [ /] _ 1 [1 [ /] .
16
n particular,
[E[A [ /][ _ E[[A[ [ /] ;
15
Proprietatea de liniaritate
16
Proprietatea de monotonie
19
5. Dac a 1 este /m asurabil a si m arginit a atunci
E[A 1 [ /] = 1 E[A [ /] ;
6. Dac a /
1
/
2
/ atunci
E[E[A [ /
1
] [ /
2
] = E[E[A [ /
2
] [ /
1
] = E[A [ /
1
] ;
7. Dac a A este independent a de corpul borelian /, atunci
E[A [ /] = E[A] ;
8. (Inegalitatea Jensen condi tionata) Dac a A este integrabil a si functia
, : R R este convex a si ,(A) este integrabil a atunci
,(1 [E [ /]) _ E[,(A) [ /] .
n particular, lund ,(r) = [r[
j
, 1 _ j < , obtinem inegalitatea
[E[A [ /][
j
_ E[[A[
j
[ /] .
$$
20