CAPITOLUL 10

REPARTI!II CLASICE
10.1. Reparti!ii discrete
10.1.1. Reparti!ia binomial"
DEFINI!IE: Variabila aleatoare X are o reparti!ie
binomial" de parametrii n "i p dac# func$ia sa de probabilitate este
dat# de probabilitatea ) (x p
n
din schema urnei lui Bernoulli, adic#
x n x x
n
q p C x f

= ) ( , } , , 0 { n x , ) % , 0 ( p , % = + q p . Deci :

x n x x
n
q p C
x
X :
I. ) (x f este o func$ie de probabilitate, deoarece:
%) 0 ) ( x f , evident deoarece 0 >
x
n
C , 0 p , 0 q .
2)
% % ) ( ) (
0 0
= = + = =
= =
n n
n
x
n
x
x n x x
n
q p q p C x f
.
II. Pentru calculul mediei #i dispersiei vom folosi func$ia
generatoare de momente.
) ( ) (
tX
e M t g = ;
n x
x f
e
e
tx
tX
, , % , 0 ,
) (
: =

.
Deci
= =

+ = = = =
n
x
n
x
n t x n x t x
n
x n x x
n
tx tX
q pe q pe C q p C e e M t g
0 0
) ( ) ( ) ( ) (
.
%
) ( ) ( '

+ =
n t t
q pe npe t g ;
np q p np g m
n
= + = =
%
%
) ( ) 0 ( ' .
% 2 2 2
) ( ) ( ) % ( ) ( ' '

+ + + =
n t t n t t
q pe npe q pe e p n n t g ;
= + = + + + = =

np np p n q p np q p p n n g m
n n 2 2 2 % 2 2
2
) ( ) ( ) % ( ) 0 ( ' '
npq p n p np p n + = + =
2 2 2 2
) % (
Deci: np X M = ) ( "i npq p n npq p n m m X D = + = =
2 2 2 2 2
% 2
) ( .
Func!ia caracteristic":
n
n
x
it x n x it x
n
x n x x
n
n
x
itx itX
q e p q e p C q p C e e M t c ) ( ) ( ) ( ) (
0 0
+ = = = =

=

=
Evident, np c X M m = = = ) 0 ( ' ) (
%
.
Analog se calculeaz#
npq p m c
i
m + = =
2 2
2 2
) 0 ( ' '
%
. Prin urmare,
npq m m X D = =
2
% 2
) ( .
10.1.2. Reparti!ia hipergeometric"
DEFINI!IE: Variabila aleatoare X are reparti!ie
hipergeometric" dac# func$ia sa de probabilitate este dat# de
probabilitatea ) ( X P
n
din schema urnei cu bil# nerevenit# (Aceast#
schem# presupunea c# dintr-o urn# cu N bile, din care a erau albe "i
b erau negre, se extrag n bile.
n
P este probabilitatea ca din cele n
bile extrase x s# fie albe.). Deci
n
N
x n
a N
x
a
C
C C
x f

= ) (
, } , , 0 { n x .

n
N
x n
a N
x
a
C
C C
x
X :
I. ) (x f este o func$ie de probabilitate, deoarece:
%) 0 ) ( x f , evident deoarece toate combin#rile sunt mai mari ca
zero.
2)
%
%
) (
0 0 0

=

= =

= = =
n
x
x n
a N
x
a n
N
n
x
n
x
n
N
x n
a N
x
a
C C
C C
C C
x f
.
Pentru a calcula suma

=
n
x
x f
0
) (
am folosit egalitatea

=
n
x
n
N
x n
a N
x
a
C C C
0
pe
care o vom demonstra n continuare.
b a b a
y y y
+
+ = + + ) % ( ) % ( ) % (
a a
a
n n
a
n n
a a a
a
y C y C y C y C C y + + + + + + = +

... ... % ) % (
% % % 0
b b
b
n n
b
n n
b b b
b
y C y C y C y C C y + + + + + + = +

... ... % ) % (
% % % 0
b a b a
b a
n n
b a
n n
b a b a b a
b a
y C y C y C y C C y
+ +
+ +

+ + +
+
+ + + + + + = + ... ... % ) % (
% % % 0
Coeficientul lui
n
y din membrul stng al ultimei rela$ii este :

=

= + + + +
n
x
x n
b
x
a b
n
a b
n
a
n
b a
n
b a
n
C C C C C C C C C C y
0
0 % % % % 0
] ... [
.
Deci
n
N
n
x
x n
a N
x
a
n
b a
n
x
x n
b
x
a
C C C C C C = =

=

+
=

0 0
.
II. Media #i dispersia:

=
n
x
n
N
x n
a N
x
a
C
C C
x X M
0
) (
%
%
)! ( )! % (
)! % (
)! ( )! % (
)! % (
)! ( !
!

=
x
a
x
a
aC
x a x
a
a
x a x x
a a
x
x a x
a
x xC
%
%
%
%
%
% 0

= = =

n
N
n
x
x n
a N
x
a
n
x
x n
a N
x
a
n
x
x n
a N
x
a
aC C C a C xC C C
np
N
a
n
N
n
a
N n N n
n N n N
a
C
aC
X M
n
N
n
N
= = =


= =

! )! ( )! % (
)! ( ! )! % (
) (
%
%
,
N
a
p=
.
Pentru a calcula dispersia, vom calcula momentul de ordinul doi.
x n
a N
x
a
n
x
n
x
n
N
x n
a N
x
a n
N
n
x
x n
a N
x
a n
N
C C x
C
C C x x
C
C C x
C
X M

= =

+ = =
0 0 0
2 2
%
) % (
% %
) (
, unde
x x x x + = ) % (
2
.
= = =

=
=

=
n
x
n
x
n
x
x
a
n
x
x
a
C a a
x a x
a
a a
x a x
a
x x C x x
2 2 2
2
2
0
) % (
)! ( )! 2 (
)! 2 (
) % (
)! ( !
!
) % ( ) % (
= +

= +

) (
) % (
) (
) % (
) (
2
2
0
2
2
2
X M C
C
a a
X M C C
C
a a
X M
n
N n
N
n
x
x n
a N
x
a n
N
= +

= +


=
N
n
a
N N
n n
a a
N
a
n
n N n N
N n N n a a
) % (
) % (
) % (
)! ( )! 2 ( !
)! 2 ( )! ( ! ) % (
%
%
%
) % )( % (

+
=

=
N
N n a an
N
na
N
n a
N
na
.
=

+
= =
2
2 2
2 2
%
) ( ) ( ) (
N
a n
N
N n a an
N
na
X M X M X D
) % ( %
2

+ +
=

+
=
N N
na nN N nN aN anN
N
na
N
na
N
N n a an
N
na
% ) % (
) )( (

=
N
n N
N
a N
N
n
a
N N
n N a N
N
a
n
.
Dar
N
a N
N
a
p q p
N
a
= = = = % %
.
Ob$inem astfel
%
) (

=
N
n N
npq X D
.
OBSERVA!IE: Pentru N suficient de mare n raport cu n
putem face aproximarea
N
n
N
n N
N
n N
=

%
%
. Atunci

N
n
npq X D % ) (
.
Deci dispersia variabilei aleatoare hipergeometrice difer# de
dispersia variabilei aleatoare binomiale cu un factor subunitar ce
tinde c#tre % cnd N .
10.1.3. Reparti!ia uniform" discret"
DEFINI!IE: O variabil# aleatoare X are o reparti!ie
uniform" discret# dac# func$ia sa de probabilitate este de forma
n
x f
%
) ( =
.

n n n n
n x
X
% % % %
2 %
:


I. ) (x f este o func$ie de probabilitate, deoarece:
%) 0 ) ( x f , evident
2)

=
= =
n
x
n
n x f
%
%
%
) (
II. Media #i dispersia
2
%
2
) % ( % % %
) (
% %
+
=
+
= = =

= =
n n n
n
x
n n
x X M
n
x
n
x
6
) % 2 )( % (
6
) % 2 )( % ( % % %
) (
%
2
%
2 2
+ +
=
+ +
= = =

= =
n n n n n
n
x
n n
x X M
n
x
n
x
=
+ +
=
+

+ +
= =
%2
) 3 3 2 4 )( % (
4
) % (
6
) % 2 )( % (
) ( ) ( ) (
2
2 2
n n n n n n
X M X M X D
%2
%
%2
) % )( % (
2

=
+
=
n n n
10.1.4. Reparti!ia Poisson
DEFINI!IE: O variabil# aleatoare X are reparti!ie Poisson
dac# func$ia sa de probabilitate este de forma
!
) (
x
e x f
x

=
,
N x , 0 > .

!
:
x
e
x
X
x

I. ) (x f este o func$ie de probabilitate deoarece:

%)
0
!

x
e
x

evident.
2)
%
! !
0 0
= = =

e e
x
e
x
e
x
x
x
x
, unde

=0
!
x
x
x

este dezvoltarea
lui

e n serie McLaurin.
II. Media #i dispersia le putem determina prin calcul direct:

=

=

=

= =
0
%
0
)! % ( !
) (
x
x
x
x
x
e
x
xe X M

=

= +

= + = =
2 0 0
2 2
) (
)! 2 (
) (
!
) % (
!
) (
x
x
x x
x x
X M
x
e X M
x
e x x
x
e x X M

+ = + = +

2 2
2
2
2
) ( ) (
)! 2 (
X M e e X M
x
e
x
x
.
= + = =
2 2 2 2
) ( ) ( ) ( X M X M X D .
Func!ia caracteristic" a variabilei aleatoare Poisson:
it
e
x
x it
x
itx
e e
x
e
e x f e t c

=
=

= =



0 0
!
) (
) ( ) (
. Prin urmare
) % (
) (
it
e
e t c

=

.
0 ) % % ( ) % (
) 0 ( ' ) ( ' e i e c e i e t c
it e
it
= =





= = = =
0
%
%
) 0 ( '
%
) ( e i
i
c
i
m X M
it e it e
e i e e i e t c
it it
+ =
2 ) % ( 2 ) % (
) ( ) ( ' '

) ( ) 0 ( ' '
2 2 0 2 2 ) % % ( 0 2 2 ) % % (


+ = + =

i e i e e i e c
+ = =
2
2 2
) 0 ( ' '
%
c
i
m
.
Prin urmare:
2 2 2
% 2
) ( + = = m m X D .
10.2. Reparti!ii continue
10.2.1. Reparti!ia continu" uniform"
DEFINI!IE: O variabil# aleatoare X , continu#, are
reparti!ie uniform" dac# func$ia sa de probabilitate este de forma
a b
x f

=
%
) (
, ) , ( b a x .
I. ) (x f este o func$ie de probabilitate deoarece:
%) 0 ) ( x f evident, deoarece a b > .
2)
=

=
b
a
b
a
b
a
a b
a b
dx
a b
dx
a b
dx x f %
% %
) (
II. Media #i dispersia:
2 ) ( 2
|
2
% %
) ( ) (
2 2 2
b a
a b
a b x
a b
xdx
a b
dx x xf X M
b
a
b
a
b
a
+
=

= =

3 ) ( 3
) ( ) (
2 2 3 3
2 2
b ab a
a b
a b
x f x X M
b
a
+ +
=

= =

=
+ +

+ +
= =
4
2
3
) ( ) ( ) (
2 2 2 2
2 2
b ab a b ab a
X M X M X D
%2
) (
%2
3 6 3 4 4 4
2 2 2 2 2
b a b ab a b ab a
=
+ +
=
.
10.2.2. Reparti!ia exponen!ial" negativ"
DEFINI!IE: O variabil# aleatoare X are o reparti!ie
exponen!ial" negativ" de parametru dac# func$ia sa de
probabilitate este de forma
x
e x f

=

) ( , 0 x , 0 > .
I. ) (x f este o func$ie de probabilitate deoarece:
%) 0 ) ( x f evident.
2) % % 0 | ) (
0
0 0
= + = = =

x x
e dx e dx x f

II. Media #i dispersia:

= + = = =

dx e xe dx e x dx x xf X M
x x x
0
0
0 0
| ) ( ) (

%
|
%
0
=
x
e
.
n rezolvarea integralei am folosit metoda integr#rii prin p#r$i, unde
x x u = ) ( , dx du = ,
x
e x v

=

) ( , dx e dv
x
=

= + = + = =

0 0
0
2
0
2 2
2
0 2 | ) (
x x x x
e x xe e x dx e x X M

2
2 % 2

= =
.
Integrala a fost calculat# tot prin metoda integr#rii prin p#r$i, unde
2
) ( x x u = , xdx du 2 = ,
x
e x v

=

) ( , dx e dv
x
=

.
2 2 2
2 2
% % 2
) ( ) ( ) (

= = = X M X M X D
.

%
) ( ) ( = = X D X
.
Putem calcula media "i dispersia "i astfel:

= =
0 0
) ( ) ( dx e x dx x xf X M
x

F#cnd schimbarea de variabil#

dy dx
y
x y x

%
= = =
"i
observnd c# limitele de integrare se p#streaz#, ob$inem:

%
) 2 (
% % %
) (
0 0
= = = =

dy ye dy e
y
X M
y y
La fel,
= = = =

0
2
2
0
2
0
2 2
%
) ( ) ( dy e
y
dx e x dx x f x X M
y x



2 2
0
2
2
2
) 3 (
% %

= = =

dy e y
y
.
Prin urmare,
2 2 2
2 2
% % 2
) ( ) ( ) (

= = = X M X M X D
.
Reparti$ia exponen$ial# are proprietatea

%
) ( = =
X
X M
.
Reparti$iile exponen$ial# "i Poisson sunt utilizate n
modelarea "i rezlovarea problemelor legate de firele de a"teptare
care apar n activitatea economic#.
10.2.3. Reparti!ia normal"
DEFINI!IE: O variabil# aleatoare X are o reparti!ie
normal" dac# func$ia sa de probabilitate este de forma
2
2
%
2
%
) (

=


m x
e x f
, unde R m , 0 > (%)
Pentru a pune n eviden$# parametrii m "i , densitatea de
probabilitate se mai noteaz# ) , ; ( m x n , R x , 0 > .
I. ) (x f este func$ie de probabilitate, deoarece:
%) 0 ) , ; ( m x n , evident, din defini$ie.
2) % ) , ; ( =

dx m x n sau
%
2
%
2
2
%
=

dx e
m x

.
Not#m
y
m x
=

,
dy dx dy dx = =

%
.
%
2
2
2
%
2
%
2
%
2 2
2
2
%
2
%
2
%
= = = =

dy e dy e dx e
y y
m x
,
deoarece se "tie c# integrala Euler-Poisson 2
2
2
%
=

dy e
y
.
Graficul func!iei de probabilitate depinde de parametrii m
"i , forma curbei r#mnnd (structural) aceea"i, "i anume forma
cunoscut# sub numele de clopotul lui Gauss.
EXEMPLU: ) , 0 ; ( x n
-
2
%
4 , 0 =
-% 0 %
%) Fa$# de parametrul m , curbele ) , , ( m x n reprezint# de fapt
transla$ii de-a lungul axei ox, men$inndu-"i forma "i m#rimea.
| |

2
3
= m
0 = m
2
3
= m
2) Fa$# de parametrul , curbele sunt mai ascu$ite sau mai plate,
astfel nct aria cuprins# ntre graficul curbei "i axa ox s# fie egal#
cu % (unitatea de suprafa$#). Aici
3 2 %
< < .

%

2
3
= m
OBSERVA!IE: Curba se apropie repede de axa ox . n
raport cu o abatere 3 < m x , diferen$a fa$# de ox este de ordinul
a 0,003 unit#$i. Astfel, reparti$ia normal# poate fi considerat#
definit# ntr-un interval nchis "i finit.
Pentru determinarea mediei "i dispersiei vom utiliza func!ia
caracteristic" a variabilei aleatoare normale.

= = dx m x n e e M t c
itx itX
) , ; ( ) ( ) ( (2)
Calcul#m pentru nceput func$ia caracteristic# a variabilei
aleatoare normale normate:
2
2
%
2
%
) % , 0 ; (
y
e y n

=

(3)

2
2
%
2
% :
y
e
y
Y

2
2
%
2
% :
y
ity
itY
e
e
e

.
= = = =

dy e dy e e dy y n e t c
ity y
y
ity ity
) 2 (
2
%
2
2
2
2
%
2
%
) % , 0 ; ( ) (

= = =



+

+ +
dy e dy e
t i it y t i t i ity y
2 2 2 2 2 2 2 2
2
%
) (
2
%
2
%
) 2 (
2
%
2
%
2
%

= = = = dz e
e
dy e
e
dy e e
z
t
it y
t
t it y
2
2
%
) (
2
%
2
%
2
%
) (
2
%
2
2
2
2
2 2
2 2 2
%

2
2
2
%
2
%
2
2
t
t
e
e

= =

, unde am folosit substitu$ia dz dy z it y = = .

Observ#m, de asemenea, c# utiliznd aceast# substitu$ie limitele de
integrare nu se schimb#.
Ultima integral# este integrala Euler-Poisson. Ea este egal#
cu 2 "i se calculeaz# astfel:

2 2
2
2 2
0
2
%
0 0
2 2
2 2
= = = =

dt e t
t
dt
e dz e dz e
t it
z z
.
n calculul de mai sus am folosit substitu$ia :
z
dt
dz dt zdz t z = = =
2
2
%
;
t
dt
dz t z t
z
2
2
2
2
= = =
.
Prin urmare, func$ia caracteristic# a variabilei aleatoare
normale normate ) % , 0 ; ( y n este
2
2
%
) (
t
Y
e t c

= (4)
Fie variabila aleatoare + = Y X . Atunci ) ( ) ( t c e t c
Y
t i
X
=

(5)
Demonstra!ie:
= = = =
+
] [ ] [ ) (
) ( it Y it Y it itX
X
e e M e M e M c ) ( ] [
) (
t c e e M e
Y
it Y t i it
= .
Fie variabila aleatoare normal#
2
2
%
2
%
) , ; (

m x
e m x n
.
Facem substitu$ia
m Y X m y x y
m x
+ = + = =

, unde
) % , 0 ; ( y N Y = . A"a cum am v#zut, pentru variabila aleatoare
normal# normat#, func$ia caracteristic# este
2
2
%
) (
t
Y
e t c

= .
Deci conform (5) avem:
= =
+
) ( ) ( t c t c
m Y X
2 2
2
%
) (
t
imt
Y
imt
e e t c e

= .
n concluzie, func$ia caracteristic# a variabilei normale
) , ; ( m x n este
2 2
2
%
) (
t imt
X
e t c

= (6)
Calculul mediei:
%
) ( m X M =
i
c
m
) 0 ( '
%
=
2 2
2
%
2
) ( ) ( '
t itm
X
e t im t c

= im ime c
X
= =
0
) 0 ( ' m m =
%
.
Deci m X M = ) ( .
Calculul dispersiei:
2
% 2
2 2
) ( ) ( ) ( m m X M X M X D = =
2 2
) 0 ( ' '
i
c
m =
2 2 2 2
2
%
2 2
2
%
2
) ( ) ( ' '
t itm t itm
e t im e t c



+ =
2 2 0 0 2
) ( ) 0 ( ' ' m e im e c = + =
2 2
2
2 2
2 2
) 0 ( ' '
m
i
m
i
c
m + =

= =

(ntruct, evident, %
2
= i )
Deci
2 2 2 2
) ( = + = m m X D .
OBSERVA!IE: Parametrii m "i ai reparti$iei normale
reprezint# media "i respectiv abaterea medie p#tratic#.
Func"ia de reparti"ie ; func"ia integral# a lui Laplace:
Fie variabila aleatoare normal# de parametrii m "i :
0 ,
) , ; (
: >

m x n
x
X
, R m , unde, a"a cum "tim,
2
2
%
2
%
) , ; (

m x
e m x n
. Func$ia de reparti$ie este :
dt e dt m t n x X P x F
m t
x x
2
2
%
2
%
) , ; ( ) ( ) (

= = < =

(7)
Not#m:

=
x
dt m t n m x N ) , ; ( ) , ; ( func$ia de reparti$ie a
variabilei aleatoare normale.
Fie X o variabil# aleatoare normal# cu densitatea de
probabilitate ) , ; ( m x n "i func$ia de reparti$ie ) , ; ( m x N . Dac#
facem schimbarea de variabil#

m X
Z

=
, "tim c# Z este o
variabil# aleatoare normal# normat# cu media 0 = m "i dispersia
% = . Deci Z are densitatea de probabilitate ) % , 0 ; (z n "i func$ia de
reparti$ie ) % , 0 ; (z N .
dt e m x N x X P x F
m t
x
2
2
%
2
%
) , ; ( ) ( ) (

= = < =

(8)
Pentru calculul integralei (8) facem substitu$ia:
dy dt y
m t
= =

.Dac# x t = , atunci

m x
y

=
, iar pentru t
tinznd c#tre "i y tinde c#tre . Astfel, vom ob$ine:

= = =

% , 0 ; ) % , 0 ; (
2
%
) (
2
2
%

m x
N y N dy e x F
y y
.
Prin urmare, putem scrie:
) % , 0 ; ( ) , ; ( ) ( z N m x N x X P = = < , unde

m x
z

=
.
Reprezentarea grafic# a func$iei de reparti$ie normal#
normat# de forma

=
z y
dy e z N
2
2
%
2
%
) % , 0 ; (

, unde

m x
z

=
este:
) % , 0 ; (z N
%

2
%
OBSERVA!IE: Curba ) % , 0 ; (z N este simetric# fa$# de punctul

2
%
, 0
. Dac# facem o transla$ie de axe:
2
%
) % , 0 ; ( ) ( = z N z
(transla$ie datorat# lui Laplace), ob$inem:
) (z

2
%
z

2
%

OBSERVA!IE: ) (z este o func$ie simetric# fa$# de

origine, "i deci func$ia este o func$ie impar# . Prin urmare este
suficient s# cunoa"tem ) (z pentru 0 > z .
) % , 0 ; (z n
=
z
dt t n z
0
) % , 0 ; ( ) (
z
n toate c#r$ile "i manualele de teoria probabilit#$ilor "i
statistic# matematic#, func$ia ) (z este tabelat#.
Prin urmare, avem:
) (
2
%
) % , 0 ; ( z z N + =
este func$ia de
reparti$ie a variabilei aleatoare normal# normat# "i

+ =

m x
m x N
2
%
) , ; (
este func$ia de reparti$ie a variabilei
aleatoare normal# nenormat# (de parametrii m "i ).
Calculul momentelor centrate :
Momentele centrate ale variabilei aleatoare normale sunt
des utilizate, n special n statistica matematic#. Astfel, momentul
centrat de ordinul r :
dx e m x dx m x n m x
m x
r r
r
2
2
%
2
%
) ( ) , ; ( ) (

= =



Am v#zut c#:
% % ) , ; ( ) (
0
0
0
= = =

dx m x n m x .
= =

dx e x dx e m x
m x m x
2 2
2
%
2
%
%
2
%
2
%
) (

0 0
2
%
%
2
%
2
= =

dx e m
m x
Not#m :
dy dx y m x y
m x
= = =

"i ntruct
0 > , limitele de integrare se p#streaz#. Ob$inem:
+

= = =

|
2 2 2
%
2 2
2
2
%
2
%
2
%
y
r
r
y
r
r
m x
r r
r
e y dy e y dy e y

= +

dy e y r
y
r
r 2
2
%
2
) % (
2

2
2
2
%
2 2 2
) % (
2
%
) % (
2

r r
y
r r
r dy e y r

n rezolvarea acestei integrale am aplicat metoda integr#rii
prin p#r$i, unde
%
=
r
y f
2
) % ( '

=
r
y r f ,
2 2
2
%
2
%
'
y y
e g ye g

= = .
Deci:

2 2
2
) % 2 ( = =
0 ) % 3 (
%
2
3
= =

4
2
2
4
3 % ) % 4 ( = =
0
5
=
.
0
% 2
=
+ q

q
q
q
2
2
) % 2 ( 3 % =
10.2.4. Reparti!ia Gamma
DEFINI!IE: O variabil# aleatoare X are reparti!ie Gamma
dac# func$ia sa de reparti$ie este de forma:

>
+ =

+
0 , 0
0 ,
) % (
%
) , ; (
%
x
x e x
b a b a x f
b
x
a
a
, unde

= +
0
) % ( dx e x a
x a
"i % > a , 0 > b .
I. ) (x f este func$ie de probabilitate, deoarece:
%) 0 ) , ; ( b a x f , evident
2)
=
+
=
+
=

+

dx e x
b a
dx e x
b a
dx b a x f
b
x
a
a
b
x
a
a
0 0
% %
%
) % (
%
) % (
%
) , ; (
Not#m
dy b dx y b x y
b
x
= = =
%
) % (
) % (
) % (
% %
) % (
%
0 0
%
=
+
+
=
+
=
+
=

+
a
a
dy e y
a
dy b e y b
b a
y a y a a
a
Amintim cteva proprieta$i ale integralei :
P1. ) % ( ) % ( ) ( = a a a
P2. )! % ( ) ( = n n
P3.
=

2
%
Demonstra$iile acestor propriet#$i se g#sesc n cursurile de
analiz# matematic#.
Func"ia generatoare de momente pentru variabila aleatoare
Gamma:
0 % ,
) % (
%
) , ; ( ) ( ) (
0
%
0
> >
+
= = =

+

b a dx e x
b a
e dx b a x f e e M t g
b
x
a
a
tx tx tX
Facem substitu$ia :
dy b dx y b x
b
x
y = = =
.
Avem:
=
+
=
+
=


+
dy e y e
a
dy b y b
b a
e t g
y a bty a a
a
bty
0 0
%
) % (
%
) % (
%
) (
%
0
%
%
% %
0
) % (
) % (
%
%
%
) % (
%
) % (
%
) % (
%
+

+ +

=
+
=
a
a
bt
y
a a
a bt y
bt
dy y e
bt
a
bt
dy y e
a
,
deoarece
%
%
%
) % (
%
0
%
%
%

+
=

+
dy y e
bt
a
a
bt
y
a
, fiind densitatea de
probabilitate a reparti$iei .
Prin urmare, putem scrie c# func$ia generatoare de
momente pentru este
) % (
) % ( ) (
+
=
a
bt t g .
Momentele ini!iale:
Calcul#m momentele ini$iale din rela$ia ,.... 2 , % , | ) (
0
) (
= =
=
r m t g
r t
r
) % ( ) 0 ( ' ) % )( % ( ) ( ) % )( % ( ) ( '
%
) 2 ( ) 2 (
+ = = + = + =
+ +
a b g m bt a b b bt a t g
a a
) 2 )( % ( ) 0 ( ' ' ) % )( 2 )( % ( ) ( ' '
2
2
) 3 ( 2
+ + = = + + =
+
a a b g m bt a a b t g
a
.
= = + + + =
+ +
) 0 ( ) % )( ( ) 2 )( % ( ) (
) ( ) % ( ) ( r
r
r a r r
g m bt r a a a b t g
) ( ) 2 )( % ( r a a a b
r
+ + + =
Deci ) % ( ) (
%
+ = = a b m X M "i
) % ( ) % ( ) 2 )( % ( ) (
2 2 2 2 2
% 2
+ = + + + = = a b a b a a b m m X D
Momentele centrate:
=

= = =

=

k
j
j k j j
k
j k k
k
X m C M m X M X M X M
0
) % ( ] [ )] ( [

=
k
j
j k j j
k
j
X M m C
0
) ( ) % (
Deci :

=
k
j
j k
j j
k
j
k
m m C
0
) % (
.
OBSERVA!IE:
Pentru 2 = k ob$inem:
) (
2
% ` 2 0
2 2
2 % `
% %
2 2
0 0
2
2
0
2 2 2
X D m m m m C m m C m m C m m C
j
j
j j
= = + = =

, unde :
% ) % ( ) (
0
0
= = = M X M m "i m X M X M m = = = ) ( ) (
%
%
.
Pentru % = k ob$inem:
0 ) ( ) ( ) (
%
= = = = m m m M X M m X M
n cazul reparti$iei , vom ob$ine:
0
%
= ;
) % ( ) (
2
2
+ = = a b X D ;
= + = =

=
0
3
%
2
2 3
3
0
3 3 3
3 3 ) % ( m m m m m m m m m C
j
j
j j j

) 3 )( 2 )( % (
3
+ + + = a a a b = + + + + + + +
3 3 2 2 2
) % ( ) % ( ) % ( 3 ) 2 )( % ( ) % ( 3 a b a b a b a a b a b
= + + + + + + + + = ] ) % ( ) % ( 3 ) 2 )( % ( 3 ) 3 )( 2 )[( % (
2 2 3
a a a a a a a b
= + + + + + + = ] 2 4 2 6 9 3 6 5 )[( % (
2 2 2 3
a a a a a a a b ) % ( 2 2 ) % (
3
3
3
+ = + a b a b
) 3 )( % ( 3
4
4
+ + = a a b .
10.2.5. Reparti!ia Beta
DEFINI!IE: O variabil# aleatoare X are reparti!ie Beta
dac# densitatea sa de probabilitate este de forma:

=

) , % ( ) 0 , ( , 0
] % , 0 [ , ) % (
) , (
%
) , ; (
% %
x
x x x
b a b a x f
b a

, unde 0 > a , 0 > b "i

dx x x b a
b a
=
%
0
% %
) % ( ) , (
I. ) (x f este func$ie de probabilitate, deoarece:
%) 0 ) , ; ( b a x f , evident oricare ar fi ] , [ b a x
2)
% ) , (
) , (
%
) % (
) , (
%
) , ; (
%
0
% %
%
0
= = =

b a
b a
dx x x
b a
dx b a x f
b a

Reamintim cteva propriet#$i ale integralei ) , ( b a :
P1. ) , ( ) , ( a b b a =
Demonstra!ie: facem substitu$ia dy dx y x y x = = = % % .

= = = =

%
0
% %
0
%
% %
%
0
% %
) , ( ) % ( ) % ( ) % ( ) , ( a b dy y y dy y y dx x x b a
a b b a b a

P2.
) % , % (
%
%
) , (
+

= b a
b a
a
b a
P3.
) % , % (
2
%
%
%
) , (
+

= b a
b a
b
b a
a
b a
P4.
) (
) ( ) (
) , (
b a
b a
b a
+

=
, unde

=
0
%
) ( dx e x a
x a
II. Calculul momentelor pentru calculul mediei #i dispersiei:
= = = =

+
%
0
% %
%
0
% %
%
0
) % (
) , (
%
) % (
) , (
%
) , ; ( dx x x
b a
dx x x
b a
x dx b a x f x m
b r a b a r r
r

) ( ) (
) ( ) (
) ( ) (
) (
) (
) ( ) (
) , (
) , (
a b r a
b a r a
b a
b a
b r a
b r a
b a
b r a
+ +
+ +
=

+

+ +
+
=
+
=

Dar = + + = + = + ) % ( ) % ( ) ( ) ( ) % ( r a r a r a a a a
) ( ) 2 )( % ( ) 2 ( ) 2 )( % ( a a r a r a r a r a r a + + = = + + + =
+ + + + = + + + + = + + = + + ) 2 )( % ( ) % ( ) % ( ) ( ) ( r b a r b a r b a r b a r b a b r a
) ( ) ( ) 2 )( % ( ) 2 ( b a b a r b a r b a r b a + + + + + + = = + +
Deci
) % ( ) % )( (
) % ( ) % (
) ( ) ( ) ( ) 2 )( % (
) ( ) ( ) 2 )( % (
+ + + + +
+ +
=
+ + + + + +
+ + +
=
r b a b a b a
r a a a
a b a b a r b a r b a
b a a a r a r a
m
r

Prin urmare,
) (
%
X M
b a
a
m =
+
=
,
) (
) % )( (
) % (
2
2
X M
b a b a
a a
m =
+ + +
+
=
Deci dispersia este :
=
+ + +
+ + + +
=
+

+ + +
+
= =
) % ( ) (
) % ( ) )( (
) ( ) % )( (
) % (
) (
2
2 2
2
2
2
% 2
b a b a
b a a a a b a
b a
a
b a b a
a a
m m X D
) % ( ) ( ) % ( ) (
2 2
2 2 3 2 2 3
+ + +
=
+ + +
+ + +
=
b a b a
ab
b a b a
a b a a ab b a a a
.
10.2.6. Reparti!ia
2

DEFINI!IE: O variabil# aleatoare X are reparti!ie

2
dac#
func$ia sa de reparti$ie este de forma:

>

\
|
=

0 , 0
0 ,
2
2
%
) ; (
2
%
2
2
x
x e x
k
k x f
x k
k
, unde
*
N k reprezint#
num#rul gradelor de libertate.
Mai jos prezent#m graficele func$iei ) ; ( k x f pentru
%5 , 6 , 4 , 2 = k .
k=2
k=4
0,2-
0,%5- k=6
0,%- k=%5
0,05-
| | | | |
0 5 %0 %5 20 25
Se vede c# graficele sunt asimetrice, dar, pentru valori mari
ale gradelor de libertate ) 30 ( > k , graficul reparti$iei
2
se apropie
de graficul reparti$iei normale.
OBSERVA!IE:
2
se poate ob$ine din pentru
%
2
=
k
a
"i 2 = b .
Func$ia generatoare de momente a variabilei aleatoare
este de forma
) % (
%
) % (
) % (
%
) (
+
+
=

=
a
a
bt
bt
t g
"i ,.... 2 , % , ) 0 (
) (
= = r m g
r
r
.
Prin urmare, pentru
%
2
=
k
a
"i 2 = b , vom ob$ine func$ia
generatoare de momente a variabilei
2
de forma:
2
) 2 % ( ) (
k
t t g

= .
k m g t k t
k
t g
k k
= = = =

%
%
2
%
2
) 0 ( ' ) 2 % ( ) 2 ( ) 2 % (
2
) ( '
+ =

+
=
%
2
%
2
) 2 % )( 2 ( ) 2 ( ) 2 % (
2
2
) ( ' '
k k
t k k t
k
k t g
) 2 ( ) 0 ( ' '
2
+ = = k k m g
k k k k m m D 2 2 ) (
2 2 2
% 2
2
= + = =
10.2.7. Reparti!ia Student
DEFINI!IE: O variabil# aleatoare X are reparti!ie Student
dac# func$ia sa de reparti$ie este de forma:

=
+

t
k
t
k
k
k
k t f
k
, %
2
2
%
) , (
2
%
2

Se poate ar#ta c# variabila aleatoare t este dat# de raportul

V
k z
t =
, unde z este variabila aleatoare ) % , 0 ; (x n , iar variabila
aleatoare V este un
2
cu k grade de libertate, independent# de z.
Se arat# c# ) % , 0 ; ( ) , ( lim t n k t f
k
=

, deci t este aproximat#
suficient de bine de ) % , 0 ; (x n pentru 30 > k .
0 ) ( = t M , iar
2
) (

=
k
k
t D
.
) % , 0 ; (x n
t
x