CAPITOLUL 8

VARIABILE ALEATOARE
n activitatea economic se ntlnesc multe mrimi
numerice care variaz ntmpltor (aleator).
EXEMPLE:
1) Numrul 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 numrul total de calculatoare din magazin. Aici,
mulimea valorilor posibile este {0,1,2,..., n} .
2) Timpul necesar servirii unui automobilist la o staie de
benzin este o variabil aleatoare care poate lua o valoare dintr-un
interval dat (a,b). Aici, mulimea valorilor posibile este (a,b).
DEFINIIE: Se numete o variabil aleatoare, o mrime
care n urma unei experiene poate lua o valoare dintr-o mulime
bine definit numit mulimea valorilor posibile.
OBSERVAIE: Nu se cunoate dinainte ce valoare ia
variabila aleatoare; aceast valoare va fi cunoscut numai dup
efectuarea experimentului.
DEFINIIE: Dac mulimea valorilor posibile este
discret, atunci variabila aleatoare se numete discret, iar dac
mulimea valorilor posibile este continu (un interval finit sau
infinit din R ), variabila aleatoare se numete continu.
OBSERVAIE: Vom nota variabilele aleatoare cu litere
mari de la sfritul alfabetului, X, Y, Z, etc., iar valorile pe care le
pot lua variabilele aleatoare cu litere mici, x, y, z, etc.
8.1. Variabile aleatoare discrete
Pentru a defini o variabil aleatoare discret, trebuie s
enumerm toate valorile posibile ale variabilei aleatoare precum i
probabilitile corespunztoare.

EXEMPLU: n cazul aruncrii

aleatoare astfel:
1 2 3 4
X :1 1 1 1

6 6 6 6

unui zar, definim variabila

5
1
6

6
1

DEFINIIE: Se numete repartiie a unei variabile

aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum i a probabilitilor corespunztoare.
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 corespunztoare,
unde f(xi) este funcia de probabilitate. Atunci putem scrie:
x
X : 1
f ( x1 )

x2

f ( x2 )

xn

f ( x n )

DEFINIIE: Mulimea perechilor ordonate ( xi , f ( xi )) se

numete repartiia variabilei aleatoare discrete X.
Din exemplele prezentate rezult c funcia de probabilitate
trebuie s ndeplineasc urmtoarele dou condiii:
1)

f ( xi ) 0 , i = 1,..., n ;

2)

f ( x ) = 1 , deoarece

i =1

de evenimente, adic:

E i = ( X = xi ) este un sistem complet

= , Ei E j = , i j , i, j = 1,..., n .

i =1

EXEMPLE:
1.

Repartiia binomial (Bernoulli):

x

, x = 0,1,..., n .
X :
x x n x
f
(
x
)
=
C
p
q
n

f ( x ) = Cnx p x q n x arat probabilitatea ca din n extrageri, x s

fie bile albe. Artm n continuare c f(x) este o funcie de
probabilitate.
1) Evident, f ( x ) 0 ;

2)

f ( x) = C
x =0

x =0

x
n

p x q n x = ( p + q) n = 1 (binomul lui Newton) .

2. Repartiia 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
x1

deci P( x ) = p q x 1 .
x

, x = 1,2,3,..., n , unde p > 0 , q > 0 i p + q = 1 .

X :
x1
f ( x) = p q

Evident:
1) f ( x ) 0 ;

p
1
= = 1 , deoarece seria q x 1
1 q p
x =1
x =1
x =1
este seria geometric de raie 0 < q < 1 , convergent, cu suma
1 .
1 q

2)

pq

x 1

= p q x 1 = p

8.1.1.
Operaii cu variabile aleatoare discrete; variabile
aleatoare independente
x
Fie X : 1
p
1

pi = f ( x i ) 0 ;

n
i =1

pi = 1 ;

xi
pi

xn
y
; Y : 1
q
pn
1

qj = f (yj ) 0 ;

m
j =1

yj
qj

ym
.
qm

q j = 1.

Evenimentul care const n faptul c :

X ia valoarea xi l notm ( X = xi ), i=1, , n ,
P( X = xi )=pi ;

 Y ia valoarea

l notm ( Y = y j ), j=1, , m,

yj

P( Y = y j )=qj .
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 .

DEFINIIE: 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 .
OPERAII:
x + yj
1) X + Y : i
, unde pij = pi q j , i=1, , n; j=1, , m .
p
ij

x y
2) X Y : i j , i=1, , n; j=1, , m , unde, dac X i Y sunt
p
ij
independente, pij = pi q j .
a xi
3) a X =
, i=1, , n .
pi
xk
4) X k : 1
p
1

xik
pi

x nk
.
p n

EXEMPLU: Fie variabilele aleatoare discrete X i Y cu

repartiiile:
1
2
1 1
0
X :

i Y :
0,3 0,5 0,2
0,5 0,5

1
0
2
1
3
1

X + Y :
0,3 0,5 0,3 0,5 0,5 0,5 0,5 0,5 0,2 0,5 0,2 0,5
0
1
2
3
1
.
X + Y :
0,15 0,25 0,25 0,25 0,10
0
1
1
2 2
0
X Y :

0,15 0,15 0,25 0,25 0,1 0,1
1
2
2 1 0
X Y :
.
0,1 0,25 0,3 0,25 0,1

3
6
0
.
3 X :
0
,
3
0
,
5
0
,
2

1
8
0
.
X 3 :
0,3 0,5 0,2

Reprezentarea grafic a funciilor de probabilitate:

0
1
2

EXEMPLU: X :
, pi = f ( xi ) .
f (0) = 0,3 f (1) = 0,5 f (2) = 0,2

Atunci graficul funciei de probabilitate a variabilei

aleatoare X definit anterior este:

0,5 0,3 0,2 0

8.2. Variabile aleatoare continue

x
Fie variabila aleatoare X :
, unde x [a, b] , iar f (x )
f ( x)
este probabilitatea de apariie a lui x.

DEFINIIE: Funcia f (x ) se numete densitatea de

probabilitate a variabilei aleatoare X.
Proprietile densitii de probabilitate:
f ( x) 0 ;

1)

2)

f ( x )dx = 1 .
a

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

2)

f ( x )dx = c dx = c x |ba = c (b a ) = 1
a

c=

1 .
ba

Deci: X :
1 , x [a, b] este o variabil aleatoare
f ( x) =
ba

numit variabil aleatoare continu uniform pe intervalul [a , b] .

II. S se determine constanta k, astfel nct funcia

f : [0, ) R , f ( x ) = k e x , s fie densitate de probabilitate a
unei variabile aleatoare X.
1)
f ( x ) 0 , oricare ar fi x 0 , deci k 0 , f fiind o funcie
exponenial
2)

a 1 x
f ( x )dx = k e x dx = k (1) = k = 1 , unde ( a ) = 0 x e dx
0

este integrala a lui Euler.

Deci X :
, x 0 este o variabil aleatoare pe
x
f (x) = e
intervalul [0, ) .

Reprezentarea grafic a densitii de probabilitate:

Pentru funcia de la exemplul I, reprezentarea grafic este:
funcia este continu pe [a , b]
1
ba

A =1

Pentru funcia de la exemplul II, reprezentarea grafic este:

1 -

A =1

ntr-adevr, derivata funciei f este

f ' ( x ) = e x < 0 ,

oricare ar fi x > 0 ; i lim f ( x ) = 0 ; f (0) = 1 .

x

f'
f

0
- 1

- - - - -

- - - -

- - - 0

i deci graficul densitii de probabilitate f (x ) este cel de mai sus.

Funcia de repartiie a unei variabile aleatoare:

Prezentarea unei variabile aleatoare prin funcia de
probabilitate f ( xi ) sau prin densitatea de probabilitate prezint
aspecte diferite. Considerm evenimentul ( X < x ) , x R .
DEFINIIE: Se numete funcie de repartiie a variabilei
aleatoare X, funcia F : R R dat de F ( x ) = P( X < x ) .
OBSERVAIE: Variabila aleatoare X este discret
(continu), dup cum funcia de repartiie F (x ) este o funcie
discret (continu).
Calculul funciei de repartiie:
1) Fie variabila aleatoare discret :
x

x
X : 1
p1

xi
pi

xi +1
pi +1

xn
pn

pi =

f ( xi )

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

xi < x

Reprezentarea grafic este urmtoarea:

1p1 +...+pn1-

p1 + p2 p1 0

(
(

(
(

x1

x2

x3 .. x n 1

xn

0
1
2
EXEMPLU: X :
0,3 0,5 0,2

F (x )
10,3+0,5-

(
(

0,3 -(

x
0

2) Fie variabila aleatoare continu:

x ,
X :
x [a, b] .
f ( x)
F (x )
f (x )

)
a

(
b

Putem lrgi domeniul de definiie al funciei f deoarece F

se consider pe R .
x

F ( x) =

f (t )dt

. Reprezentarea grafic a funciei de

repartiie continu F (x ) are urmtoarea form:

F (x )
1-

EXEMPLU: X :
, x 0.
x
f ( x) = e
x

F ( x) =

f (t )dt = et dt = et |0x = e x + 1 = 1 e x ;

F ' ( x ) = e x > 0 ; F ' ' ( x ) = e x < 0 .

Prin urmare, graficul funciei F este:

0
F (0) = 0 ; lim F ( x ) = 1 .
x

Proprieti ale funciei de repartiie:

P1. 0 F ( x ) 1 , oricare ar fi x R .
Demonstraie: F ( x ) = P( x < 1) , i deci fiind o probabilitate, rezult
proprietatea P1.
P2. F (x ) este nedescresctoare, adic, oricare ar fi x1 x 2 , rezult
c F ( x1 ) F ( x 2 ) .
Demonstraie: ( X < x1 ) = ( X < x1 ) ( x1 X < x 2 ) .
P ( X < x ) = P ( X < x1 ) + P ( x1 X < x 2 ) .
1 4 2 4 32
1 4 2 43
1 4 4 2 4 43
F ( x2 )

F ( x1 )

F ( x ) = 0, x a
P3. Dac x [a, b] , atunci
F ( x ) = 1, x > b
Consecine: lim F ( x ) = 0 , lim F ( x ) = 1 .
x