Variabile aleatoare

1 Introducere
In practică ne interesează probabilitatea de realizare a unor evenimente legate de
o anumită experienţă aleatoare. De obicei, aceste evenimente se referă la anumite
mărimi legate de experienţa respectivă, mărimi care iau valori ı̂n funcţie de rezultatul
experienţei. De exemplu, o astfel de mărime poate fi numărul de puncte X care apar
la o aruncare a zarului.
Să considerăm şi experienţa următoare: Se aruncă o monedă până la apariţia ste-
mei şi fie Y numărul de aruncări efectuate. Atunci Y poate lua orice valoare ı̂ntreagă
pozitivă. Aceste exemple sugerează introducerea noţiunii de variabilă aleatoare.
Fie (Ω, K, P ) un câmp de probabilitate. Aplicaţia X : Ω → R se numeşte
variabilă aleatoare dacă pentru orice x ∈ R, are loc:

{ω ∈ Ω | X(ω) < x} ∈ K.

O variabilă aleatoare cu o mulţime cel mult numărabilă de valori se numeşte variabilă

discretă. Spunem că variabila aleatoare este simplă dacă ia un număr finit de
valori. O variabilă aleatoare pentru care mulţimea valorilor posibile este un interval
se numeşte continuă.
Vom folosi notaţii de tipul:
(X < x) = {ω ∈ Ω | X(ω) < x}; (X ≤ x) = {ω ∈ Ω | X(ω) ≤ x};
(a ≤ X ≤ b) = {ω ∈ Ω | a ≤ X(ω) ≤ b}.

Propoziţia 1 Dacă X este o variabilă aleatoare atunci evenimentele:

(X ≥ x), (X ≤ x), (X < x), (a ≤ X ≤ b), (a ≤ X < b), (a < X ≤ b),
(a < X < b) ∈ K.

2 Operaţii cu variabile aleatoare

Propoziţia 2 Daca X este variabilă aleatoare, iar a este un număr real atunci:
1
X + a, aX, |X|, X 2 şi (X 6= 0) sunt variabile aleatoare.
X
Propoziţia 3 Daca X şi Y sunt variabile aleatoare atunci:
X
X + Y , X − Y , XY şi (Y 6= 0) sunt variabile aleatoare.
Y
Fie (Ω, K, P ) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare
discretă cu valorile xi , i ∈ I (I o mulţime cel mult numărabilă). Notăm cu

Ai = {ω ∈ Ω | X(ω) = xi } = (X = xi )

1
şi pi = P (Ai ). Şirul de perechi (xi , pi )i∈I se numeşte repartiţia variabilei aleatoare
X. Ã ! Ã !
x1 x2 . . . xi . . . xi
Vom nota X sau X . Să observăm că Ai este
p1 p2 . . . pi . . . pi
i∈I X
un sistem complet de evenimente, prin urmare pi ≥ 0, ∀i ∈ I şi pi = 1.
i∈I
In cazul discret, operaţiile cu variabile aleatoare pot fi explicitate. Fie (Ω, K, P )
un câmp de probabilitate,
à ! a ∈ R şi X, YÃ: Ω → ! K două variabile aleatoare discrete
xi yi
cu repartiţiile X , respectiv Y . Atunci:
pi qi
i∈I i∈I
1
(i) Variabilele aleatoare discrete X + a, aX, |X|, X n şi vor avea repartiţiile:
à ! à ! à ! Xà !  
n
1
xi + a axi |xi | xi 1
X+a , aX , |X| , Xn ,  xi  .
pi pi pi pi X p
i∈I i∈I i∈I i∈I i
i∈I
X
(ii) Variabilele aleatoare discrete X + Y , XY , vor
avea repartiţiile:
Y 
à ! à ! xi 
xi + y j xi y j X
yj 
X +Y , XY , ,
pij pij Y
p
i∈I,j∈J i∈I,j∈J ij
i∈I,j∈J
unde pij = P (X = xi , Y = yj ). Dacă variabilele X şi Y sunt independente atunci
pij = P (X = xi , Y = yj ) = pi · qj .

2.1 Funcţia de repartiţie a unei variabile aleatoare

Fie (Ω, K, P ) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare. Se
numeşte funcţie de repartiţie a variabilei X o funcţie F : R → R definită prin

F (x) = P (X < x) = P ({ω ∈ Ω | X(ω) < x}).

Următoarele teoreme furnizează proprietăţi ale funcţiei de repartiţie.

Propoziţia 4 Fie F funcţia de repartiţie a unei variabile aleatoare X. atunci:

(i) F este nedescrescătoare pe R (x1 < x2 ⇒ F (x1 ) ≤ F (x2 )).
(ii) F este continuă la stânga1 ı̂n orice punct x ∈ R
(iii) lim F (x) = 0, lim F (x) = 1.
x→−∞ x→∞

1
Funcţia F este continuă la stânga ı̂n x dacă limita la stânga ı̂n x a lui F este F (x). Continu-
itatea la dreapta se defineşte corespunzător. Vom nota prin F (x − 0) şi F (x + 0) limita la stânga,
respectiv la dreapta ı̂n x.

2
 (iv) 0 ≤ F (x) ≤ 1, ∀x ∈ R.
(v) F (x + 0) = F (x) + P (X = x), ∀x ∈ R.

Propoziţia 5 Fie X o variabilă aleatoare având funcţia de repartiţie F şi 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).

Dacă F este continuă, toate probabilităţile devin egale cu F (b) − F (a).

Exemplu. Funcţia de repartiţie a unei variabile aleatoare discrete cu repartiţia
à !
x1 x2 . . . xn
p1 p2 . . . pn

este o funcţie etajată, complet determinată de probabilităţile (pi )i∈I . Mai precis,
∀x ∈ R 

 0, x ≤ x1





 p1 , x1 < x ≤ x2


 p1 + p2 , x2 < x ≤ x3
F (x) =

 ...





 p1 + p2 + · · · + pn−1 , xn−1 < x ≤ xn


 1, x > xn

Pentru variabilele continue, legea de probabilitate (corespondenţa dintre valorile

posibile ale variabilei aleatoare şi probabilităţile corespunzătoare) este exprimată
prin densitatea de repartiţie (sau densitatea de probabilitate).
Variabila aleatoare X are o densitate de repartiţie dacă există o aplicaţie
f : R → [0, ∞), integrabilă pe R astfel ı̂ncât
Z x
F (x) = f (t)dt
−∞

unde F este funcţia de repartiţie a variabilei aleatoare X.

3
 Rezultă că o aplicaţie f : R → R este densitatea de repartiţie a unei variabile
X dacă
1) f (x) ≥ 0, ∀x ∈ R,
R∞
2) f integrabilă pe R şi −∞
f (x)dx = 1.
Folosind proprietăţile funcţiei de repartiţie, se poate demonstra următorul rezul-
tat:

Propoziţia 6 Fie X o variabilă aleatoare

Z b cu densitatea de repartiţie f şi a, b ∈ R,
cu a < b. Atunci P (a ≤ X ≤ b) = f (x)dx.
a

Dacă funcţia de repartiţie F este derivabilă pe R atunci variabila aleatoare X

admite ca densitate de repartiţie funcţia f cu F 0 = f (F este o primitivă a lui f ).
Dacă variabila aleatoare X ia valori numai ı̂n intervalul (a, b) atunci f se anulează
ı̂n afara acestui interval.

2.2 Caracteristici numerice ale variabilelor aleatoare

În practică se folosesc indicatori, caracteristici numerice ale variabilelor aleatoare
care conduc la o imagine a modului de repartizare a valorilor sale.
Fie (Ω, K, P ) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare. Se
numeşte media variabilei aleatoare X, numărul notat M (X) definit de
à !
X xi
M (X) = xi pi dacă X este variabilă aleatoare discretă cu repartiţia
i∈I pi
i∈I

Z ∞
M (X) = xf (x)dx dacă X este variabilă aleatoare continuă având densitatea
−∞
de repartiţie f .

Media este un indicator al tendinţei centrale de grupare. Pentru o variabilă

aleatoare simplă media există totdeauna. Pentru o variabilă aleatoare discretă,
X
media există dacă seria xi pi este absolut convergentă, condiţie necesară pentru
i∈I
ca valoarea medie să nu depindă de ordinea de sumare. Pentru o variabilă aleatoare
continuă, integrala trebuie să fie convergentă.

4
 Fie X, Y două variabile aleatoare.
1. Dacă X, Y şi X ± Y au medie atunci M (X ± Y ) = M (X) ± M (Y ).
2. Dacă X, Y şi XY au medie şi X, Y sunt variabile aleatoare independente
atunci M (XY ) = M (X)M (Y ).
3. Dacă a ∈ R, M (a) = a.
4. Dacă a ∈ R, M (aX) = aM (X) şi M (a + X) = a + M (X).
5. Media variabilei X − M (X) (numită abatere de la medie) este zero.
O caracteristică mai generală decât media este momentul iniţial de ordin k:

Mk (X) = M (X k ).
X
Dacă X este o variabilă discretă atunci Mk (X) = xki pi . Dacă X este o variabilă
Z ∞ i∈I
k
continuă atunci Mk (X) = x f (x)dx. Să observăm că M (X) = M1 (X).
−∞

O caracteristică ce măsoară ı̂mprăştierea valorilor lui X faţă de medie este dis-

persia lui X, notată prin D2 (X).

D2 (X) = M2 (X − m) = M [(X − m)2 ], unde m = M (X).

X
Dacă X este o variabilă discretă atunci: D2 (X) = (xi − m)2 pi .
Z ∞
i∈I
2
Dacă X este o variabilă continuă atunci: D (X) = (x − m)2 f (x)dx.
−∞
Se pot demonstra următoarele proprietăţi ale dispersiei:
1. D2 (X) ≥ 0 pentru orice variabilă aleatoare X.
2. D2 (a) = 0, ∀a ∈ R
3. D2 (aX) = a2 D2 (X), ∀a ∈ R.
4. D2 (X) = M2 (X) − (M (X))2 .
5. Dacă X şi Y sunt variabile aleatoare independente atunci

D2 (X ± Y ) = D2 (X) + D2 (Y ).

O caracteristică mai generală decât dispersia este momentul centrat de ordin k:

µk (X) = Mk (X − m) = M ((X − m)k ),

unde m = M (X).

5
 Exerciţii.
1. Fie variabilele aleatoare independente X şi Y :
à ! à !
1 2 4 1 4 6
X şi Y .
0, 2 0, 3 0, 5 0, 6 0, 2 0, 2

Să se afle: a) Repartiţiile variabilelor X + Y , XY , X 3 . b) Media şi dispersia

variabilelor X şi 2X + 3Y . c) Funcţia de repartiţie a variabilei X.
em Rezolvare. a)
à !
2 3 5 6 7 8 10
X +Y .
0, 12 0, 18 0, 34 0, 06 0, 04 0, 16 0, 1
à !
1 2 4 6 8 12 16 24
XY .
0, 12 0, 18 0, 34 0, 04 0, 06 0, 06 0, 1 0, 1
à !
1 8 64
X3 .
0, 2 0, 3 0, 5
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,
D2 (X) = 9, 4 − (2, 8)2 = 1, 56. Analog, M (Y ) = 2, 6.
Apoi M (2X + 3Y ) = 2M (X) + 3M (Y ) şi D2 (2X + 3Y ) = 4D2 (X) + 9D2 (Y ).
c) 

 0 x≤1


 0, 2 1<x≤2
F (x) =

 0, 5 2<x≤4



1 x > 4.
2
2. Fie X o variablă aleatoare cu densitatea de repartiţie
(
cx(1 − x), daca 0 ≤ x ≤ 1
f (x) =
0, altfel

a) Să se afle c.
b) Să se determine funcţia de repartiţie F a lui X.
c) Care este probabilitatea ca X < 1/4?
d) Aflaţi media şi dispersia lui X.

6
 Rezolvare. a) Din proprietăţile densităţii de repartiţie, rezultă că c ≥ 0 (deoarece
pentru x ∈ [0, 1], x(1 − x) ≥ 0). Din
Z ∞ Z 1
cx(1 − x)dx = c x(1 − x)dx = 1
−∞ 0

obţinem c = 6.
Rx
b) F (x) = −∞ f (t)dt. Pentru x ≤ 0, F (x) = 0. Dacă 0 < x ≤ 1 atunci
Z x Z 0 Z x Z x
F (x) = f (t)dt = f (t)dt + f (t)dt = 0 + c t(1 − t)dt = 3x2 − 2x3 .
−∞ −∞ 0 0

Dacă x > 1 atunci F (x) = 1. In concluzie,



 0
 x≥0
F (x) = 2 3
3x − 2x , 0 < x ≤ 1 .


 1, x>1

c) P (X < 1/4) = F (1/4) = 3(1/4)2 − 2(1/4)3 .

d) Z Z
∞ 1
M (X) = xf (x)dx = 6x2 (1 − x)dx = 1/2.
−∞ 0
Z ∞ Z 1
M (X 2 ) = f (x)dx = 6x3 (1 − x)dx = 3/10.
−∞ 0
2
Rezultă D (X) = 3/10 − 1/4 = 1/20. 2