Variabile aleatoare

Capitolul 2

Variabile aleatoare

1.

Variabile aleatoare discrete

1.1

Definitia variabilei aleatoare

Pentru a studia variabilele aleatoare, este necesar sa fie cunoscute

probabilitatile asociate unei multimi de evenimente, altfel spus este
necesar ca aceasta multime de evenimente sa apartina unui camp de
evenimente F asociat unei experiment dat (adica spatiului fundamental
). O variabila aleatoare (v.a.) este definita ca o aplicatie X pe a carei
valoarea X() depinde de rezultatul "" al experientei. Variabilele
aleatoare pe care le-am studiat in acest curs iau valori pe domeniul R.
Ajungem astfel la urmatoarea definitie a variabilei aleatoare.
Definitie: o variabila aleatoare reala pe spatiul de probabilitate
(, F, P), este o aplicatie X definita pe , cu valori in R, X: R
astfel incat, pentru toate valorile xR avem:
{ / X() x } F.

(2.1)

Evenimentul { / X() x}va fi notat simplu {X x}.

Exemplu
In experienta jocului cu doua zaruri, suma, produsul, diferenta punctelor
de pe cele doua zaruri definesc tot atatea variabile aleatoare:
X() = x + y, Y() = xy, Z() = x y
unde = (x, y) {1,...,6}2 .

51

Variabile aleatoare

1.2

Variabile aleatoare discrete

Anumite variabile aleatoare nu poseda decat un numar finit de

valori posibile, ca de exemplu, numarul de realizari sau frecventa unui
eveniment in cursul a "n" experimente. Altele poseda o infinitate
numarabila de valori posibile, ca de exemplu, numarul de evenimente al
unui flux poissonian ce se desfasoara in cursul unui interval de timp dat.
O a treia categorie de variabile aleatoare poseda o infinitate
nenumarabila de valori posibile, ca de exemplu, timpul de functionare
fara defect al unui dispozitiv, erorile de masurare, etc. Variabilele
aleatoare de primele doua tipuri sunt, din mai multe motive, apreciate ca
fiind mai simple ca variabilele din al treilea tip. Tocmai de aceea este
rational sa le izolam intr-o clasa speciala.
Definitie: se numeste variabila aleatoare discreta o variabila
aleatoare avand o multime finita sau numarabila de valori posibile.
Ansamblul de valori ale unei variabile aleatoare discrete este notat E si
se numeste ansamblu fundamental.
1.3

Distributia variabilei aleatoare discrete

Distributia unei variabile aleatoare discrete este determinata de

probabilitatile tuturor valorilor sale posibile. Intr-adevar, adoptand
valorile sale posibile in calitate de evenimente elementare, obtinem o
multime finita sau numarabila de evenimente elementare. Probabilitatile
acestor evenimente elementare determina in intregime distributia
variabilelor aleatoare discrete.
Fie un spatiu de probabilitate (, F, P) si o variabila aleatoare
discreta X: E R. Pentru orice xE definim evenimentul
{ / X() = x}, notat simplu {X = x}, si desemnam prin p X (x)
probabilitatea sa: p X (x) = P(X = x).
Definitie: familia de numere ( p X (x), xE ), astfel incat
p X (x) = P(X = x), este numita distributia variabilei aleatoare X sau
legea de repartitie a variabilei aleatoare X.
Suma tuturor acestor probabilitati este egala cu 1:

xE p X ( x ) 1 ,

(2.2)
deoarece evenimentele familiei (X = x), xE sunt incompatibile doua
cate doua si formeaza un grup complet de evenimente (variabila
52

Variabile aleatoare

aleatoare X ia, ca urmare a realizarii unui experiment, una si numai una

din valorile xE).
Distributia unei variabile aleatoare se poate reprezenta sub forma
de tablou:

X:
pX ( )x

unde xE

Definitie: Functia Fx , definita pe R cu valori in [0,1], data prin

formula:
FX ( x )

p X ( y)

{ yE; y x}

(2.3)

este numita functie de repartitie a variabilei aleatoare discrete X.

Fx (x) este o functie crescatoare si constanta pe intervale.
Definitie: Consideram doua variabile aleatoare discrete X 1 si
X 2 definite pe acelasi spatiu de probabilitate cu ansamblurile
fundamentale E 1 respectiv E 2 . Variabilele aleatoare discrete X 1 si
X 2 sunt independente daca , pentru orice ( x 1 , x 2 ) E 1 E 2 , avem:
P ( X1 x 1 , X 2 x 2 ) P ( X1 x 1 ) P ( X 2 x 2 ) .

(2.4)

Exemplu
1)
Distributia numarului X de realizari a unui eveniment in cursul a
"n" experimente este determinata prin formula: P(X = m) = Pmn ,
(m = 0,1,,n), unde probabilitatile Pmn sunt calculate dupa formulele
de la schema binomiala.
In cazul considerat, avem pentru variabila aleatoare discreta X
ansamblul de valori E, si distributia de valori p x (x) = P(X = m) dupa
cum urmeaza:
E = {x 1 , x 2 ,..., x m ,..., x n 1} = {0, 1, 2,,m,,n};
53

Variabile aleatoare

{p x1 , p x2 ,.. , p xm ,. ., p xn1 } = {

P0 n , P1n ,, Pmn ,, Pnn }.

Dupa cum stim, probabilitatile distributiei binomiale sunt:

m n m
P(X = m) = C m
, (m = 0, 1,.,n).
n p q
2)
Distributia Poisson (distributia numarului X de evenimente ale
unui flux poissonian ce se deruleaza in cursul unui interval de timp dat)
este definita prin formula urmatoare:

P(X m)

3)

m
e ,
m!

(m = 0, 1, 2,.).

In cazul jocului cu doua zaruri distributia variabilei aleatoare

X() = X[( 1 , 2 )] = 1 + 2

este data de tabloul urmator:

x 2 3 4 5 6 7 8 9 10 12
p(x)1/362 3/643 5/6 3 5/643 /623 1/6
X
Se poate observa ca:

xE p X ( x ) 1 .
1.4

Operatii cu variabile aleatoare discrete

Consideram doua variabile aleatoare discrete X 1 si X 2 definite

pe acelasi spatiu de probabilitate cu ansamblurile fundamentale E 1
{x i }iI , respectiv E 2 {y j } jJ , avand tablourile:

54

Variabile aleatoare

xi
:X
pi iI

yj
;

:Y
qj

jJ

si fie kR o constanta. Se pot defini urmatoarele operatii cu v.a. discrete:

1)

xi k
Xk:
pi Ii

Xk: ikx
p
i iI

x i yi
X :Y
p ij Ii

Jj

p ij P(X x i , Y y j ) i I; j J

unde

p ij

i , jI,J

1 p ij 1
iI jJ

xi y j

X :Y
p ij
iI, Jj

2)

p ij

i , jI,J

p ij P( X x i , Y y j ) i I; j J ,

unde

1 p ij 1
iI jJ

55

Variabile aleatoare

1
1
: xi i0x iI
X
pi iI

r xir
X : ;
p

3)

i Ii

xi
Xy
: j
Y
p ij
iI, Jj

4)

unde

p ij

i , jI,J

p ij P( X x i , Y y j ) i I; j J ,

y j 0, j J ,

1 p ij 1
iI jJ

1.5

Legi de repartitie discrete uzuale

1.5.1 Legea lui Dirac

O variabila aleatoare X urmeaza legea lui Dirac daca ansamblul

sau fundamental se reduce la o singura valoare de probabilitate nenula,
astfel incat E = {a} cu aR. Aceasta lege este notata ( x a ) unde:

56

Variabile aleatoare

,1 dac x a
( x a )
0, dac x a .

(2.5)

1.5.2 Legea lui Bernoulli

O variabila aleatoare urmeaza legea lui Bernoulli de parametru p
(0<p<1), si se noteaza: X = B(p), daca nu ia decat valorile 0 si 1 cu
P(X = 1) = p si P(X = 0) = 1 - p. Evenimentul {X = 1}este numit
"succes" si {X = 0}este numit "esec".
1.5.3 Legea binomiala
O variabila aleatoare, ce exprima numarul de evenimente succes
intr-o serie finita de experiente Bernoulli este numita binomiala.
Numarul de evenimente succes intr-o serie de "n" experiente Bernoulli
poate fi egal cu: 0, 1,..,n.
Spunem ca o variabila aleatoare Y urmeaza o lege binomiala de
parametri (n, p) N * [0, 1] si o notam:Y = b(n, p), daca legea sa este
data prin:
p( k ) P( Y k ) C kn p k (1 p) n k

pentru k = 0, 1, ..,n.

57

(2.6)

Variabile aleatoare

1
F.d.r.
binomial
Funcia
de repartiie

0.8
0.6
0.4

Legea de repartiie

0.2

0 1 2 3 4 5 6 7 8 9 10

Fig.2.1 Legea de repartitie si functia de repartitie (f.d.r)

pentru b(10; 0,2).
Daca Y = b(n, p) atunci legea poate fi reprezentata prin suma a
"n" variabile aleatoare Bernoulli independente de parametru "p":
Y = X1 + X2 +..+ Xn ,
unde X i = B(p) (atunci cand n = 1, se regaseste legea Bernoulli).
1.5.4 Legea hipergeometrica
Intr-o multime de "n" elemente dintre care n 1 sunt rosii si
n 2 = n - n 1 sunt negre, se aleg "r" elemente la intamplare. Notam cu
p(k) probabilitatea ca exact "k" elemente astfel gasite sa fie rosii
(k = 0,1,., n 1 r). Legea hipergeometrica este definita prin relatia:
p(k )

C kn1 C rn2k
C rn

unde k = 0, 1, n1 r.

58

(2.7)

Variabile aleatoare

F(k)
1.0
0.8
0.6
0.4
0.2
0

10

15 k

Fig.2.2 F.d.r. pentru legea hipergeometrica

(n = 30, n1 = 20, r = 15).
Evident elementele rosii pot fi alese in C kn1 moduri diferite si
cele negre in C rn2k moduri diferite. In consecinta, numarul de alegeri
favorabile pentru elementele rosii si negre este C kn1C rn2k . Numarul
posibil de extrageri este C rn . In consecinta, legea hipergeometrica este
definita prin formula (2.7).

2.

Variabile aleatoare continue

2.1

Densitatea de probabilitate
a unei variabile aleatoare

Definitie: Fie X o variabila aleatoare reala definita pe un spatiu

de probabilitate (, F, P). Numim lege de repartitie a variabilei aleatoare
X, si o notam Px , imaginea lui P prin X. Pentru orice interval B din R
avem:
PX (B) P( X 1 ( B)) P( X B)

(2.8)

Definitie: Fie X o variabila aleatoare reala definita pe un spatiu

de probabilitate (, F, P). Densitatea de probabilitate a variabilei scalare
X este o functie f x :RR egala cu limita raportului dintre
59

Variabile aleatoare

probabilitatea de apartenenta a valorii variabilei la un interval infinit mic

(x, x + x) si lungimea acestui interval x, cand acest interval tinde spre
punctul "x":
P( x X x x )
f ( x ) lim
.
(2.9)
x o
x
Curba reprezentand densitatea de probabilitate este numita de
obicei curba de distributie. In figura (2.3) s-a reprezentat forma generala
a unei curbe de distributie.
y
y = f(x)

Fig.2.3 Functia densitate de probabilitate

Definitie: Spunem ca o variabila aleatoare reala X este absolut
continua daca exista functia f x :RR astfel incat legea sa de repartitie
sa fie data prin formula:
PX ( X B) f X ( x )dx
(2.10)
B
pentru orice interval B din R.
Studiem in continuare principalele proprietati ale densitatii de
probabilitate.
Proprietati
1) Rezulta direct din definitie ca densitatea de probabilitate nu
poate fi negativa.
f x (x) 0 pentru orice xR.

2) Deoarece inegalitatea - <X< + este un eveniment sigur,

obtinem din (2.10) formula:

f X ( x )dx

60

1.

(2.11)

Variabile aleatoare

Astfel, densitatea de probabilitate nu este negativa si integrala

sa pe tot spatiul de valori al variabilei aleatoare este egala cu 1.
Toate functiile care poseda aceste doua proprietati pot servi ca
densitate de probabilitate unei variabile aleatoare.
Observatie: f x nu este o probabilitate, aceasta poate lua valori
superioare lui 1.
Probabilitatea de apartenenta a unei variabile aleatoare X la un
domeniu A este egala cu integrala densitatii de probabilitate a acestei
variabile aleatoare pe domeniul A.
Pentru o variabila aleatoare X, formula (2.10) poate defini
probabilitatea de apartenenta a acesteia la intervalul A = (, ):

P( X ) f X ( x )dx.

(2.12)

2.2

Legi de repartitie continue

Distributia uniforma

Distributia unei variabile aleatoare a carei densitate de

probabilitate este constanta pe un interval (a, b) si este egala cu 0 in afara
acestui interval se numeste distributie uniforma.
1
dac x (a, b)
b a
f (x)
.
(2.13)

0
dac x (a, b)
Distributia uniforma este caracteristica oscilatiilor armonice cu
amplitudine si faza aleatorii. In acest caz faza este deseori o variabila
aleatoare uniforma distribuita in limitele perioadei de oscilatie.
Distributia uniforma este caracteristica erorilor de masurare
grosiere. Daca masurarea unei anumite marimi este efectuata cu precizia
diviziunilor intregi ale scarii, fara ca sa poata fi vizualizate portiuni de
diviziuni, atunci eroarea de masura poate lua orice valoare nedepasind in
valoare absoluta jumatatea diviziunii de scara. In plus, se poate afirma ca
atunci cand numarul acestor masuratori creste, valorile erorii cuprinse in
limitele intervalului (minus jumatate de diviziune, plus jumatate de
diviziune) se obtin cu frecventa egala. Tocmai de aceea, eroarea
61

Variabile aleatoare

masurarilor grosiere reprezinta o variabila aleatoare uniform distribuita

in limitele intervalului (-/2, +/2), unde reprezinta valoarea unei
diviziuni de pe scara.
Distributia lui Gauss
Distributia Gauss este definita prin densitatea de probabilitate:
f (x)

1
2

( x ) 2
2 2

, (, )RR

(2.14)

Aceasta distributie, care este foarte des utilizata, va fi studiata in

paragraful urmator.
Distributia gamma
Distributia gamma () este definita prin densitatea de
probabilitate:
f (x)

k
x 1e kx 1( x ),
()

0; k 0

(2.15)

unde 1(x) este functia unitate a lui Heaviside, este functia gamma,
definita prin formula:
( z )

t z 1

dt ,

z0

(2.16)

Un caz particular al distributiei gama pentru = 0 este

distributia exponentiala:
f ( x ) ke kx 1( x )

(2.17)

Distributia exponentiala este larg utilizata in teoria fiabilitatii

dispozitivelor tehnice.
Un alt caz particular al distributiei (), in care "" este numar
natural, este denumita distributia lui Erlang.
Un alt caz particular al distributiei () pentru = (n/2) - 1,
k = 1/2, unde "n" este un numar intreg pozitiv, este distributia care se
intalneste frecvent in problemele de statistica.
62

Variabile aleatoare

Distributia beta
Distributia beta () este definita prin densitatea de probabilitate:
f (x)

2.3

( p q ) p 1
x
(1 x ) q 11( x ),
( p ) (q )

p, q 0.

(2.18)

Functia de repartitie

Definitie: functia Fx :R R
definita ca probabilitatea
inegalitatii X < x, si considerata ca o functie de parametru "x" se
numeste functie de repartitie a unei variabile aleatoare X:
FX(x) = P (X < x) = PX((, x]) .

(2.19)

Functia de repartitie a unei variabile aleatoare continua, discreta

sau continua discreta poate fi exprimata cu ajutorul densitatii de
probabilitate. Pentru aceasta este suficient sa calculam probabilitatea
inegalitatii X<x in formula (2.19) cu ajutorul formulei (2.9):
FX ( x ) P( X x )

f (u )du .

(2.20)

Derivand formula (2.20) in raport cu x, obtinem - tinand cont de

faptul ca derivata unei integrale, definita in raport cu limita sa
superioara, este egala cu valoarea functiei de integrat corespunzand
acestei limite relatia:
(x) .
f (x) F
X

(2.21)

Astfel, densitatea de probabilitate a unei variabile aleatoare este

derivata functiei de repartitie.
Exemplu
Legea uniforma pe intervalul [0,1] este descrisa in figura (2.4 a).
Densitatea acestei legi este f x (x) = 1[0,1] (x). Cu ajutorul relatiei (2.20),
functia de repartitie Fx se scrie:

63

Variabile aleatoare

0 dac x (,0)

FX (x) x dac 0 x 1 .
1 dac x (1, )

Fx (x) este descrisa in figura (2.4 b).

Fig.2.4 Legea uniforma, densitatea de probabilitate (a)

si functia de repartitie (b).
Functia de repartitie a unei variabile aleatoare X este
caracterizata de un ansamblu de proprietati.
Proprietati
1) Rezulta din formula (2.20) ca functia de repartitie este o
functie nedescrescatoare pe x.
2) Rezulta din formula (2.20) si din proprietatea (2.10) a
densitatii de probabilitate ca:
FX () lim FX ( x ) 0
x

FX () lim FX ( x ) 1 ;
x

(2.22)

3) Rezulta din formula (2.20) ca functia de repartitie este

continua la stanga:
FX(x) = FX(x 0);
64

(2.23)

Variabile aleatoare

4)
Functia de repartitie a unei variabile aleatoare discrete
este crescatoare in salturi care se produc in punctele x1 ,., x N cu
marimile respectiv p1 ,..., p N . Aceasta este constanta in interiorul
oricarui interval ce nu contine nici una din valorile x1 ,..., x N , rezultand
ca probabilitatea evenimentului X < x nu este modificata cand "x"
variaza in acest interval. Astfel functia de repartitie a unei variabile
aleatoare discrete este reprezentata printr-o curba in trepte (fig. 2.5).
y
1

pN
pN-1
y = F(x)
p4
p3
p2
p1

x1 x2 x3 x4

xN-1 xN

Fig.2.5 Functia de repartitie a unei variabile aleatoare discrete.

5) Rezulta din proprietatile unei integrale a carei limita
superioara este variabila, ca functia de repartitie a unei variabile
aleatoare continue este continua si derivabila pe toata axa numerica
(fig. 2.6). Totusi derivata sa poate fi o functie discontinua.
y
1
y = F(x)

x
65

Variabile aleatoare

Fig.2.6 Functia de repartitie a unei variabile aleatoare continue.

Cu ajutorul functiei de repartitie a unei variabile aleatoare putem
calcula probabilitatea de apartenenta a acestei variabile la orice interval
semi- inchis [, ).
Deoarece evenimentele X < si X < sunt incompatibile si
reuniunea lor este evenimentul X < , putem scrie:
P(X < ) = P (X < ) + P( X < ),
de unde rezulta conform formulei (2.20),
P( X < ) = FX() FX().

(2.24)

Astfel, probabilitatea de apartenenta a unei variabile aleatoare

la un interval dat este egala cu descresterea functiei sale de repartitie pe
acest interval.
Inlocuind in formula (2.24) = + , >0, si facand "" sa tinda
la 0, obtinem:
P(X = ) = F( + 0) F().

(2.25)

Astfel, probabilitatea ca o variabila aleatoare sa ia o anumita

valoare este egala cu saltul functiei de repartitie in punctul
corespunzator acestei valori.
Exemplu
1)
Gasiti legea de repartitie f T ( t ) a duratei T de functionare fara
defectare a unui sistem, de la inceperea exploatarii sale, daca intensitatea
de defectare "" este constanta.
Functia de repartitie a acestei variabile aleatoare, altfel spus
probabilitatea ca variabila aleatoare T sa fie inferioara lui "t" este: FT
(t) = P(T < t). Aceasta expresie reprezinta probabilitatea ca sistemul se
va defecta inaintea momentului "t".
Probabilitatea de functionare fara defectiune a sistemului pana la
momentul "t", altfel spus P(T > t), reprezinta functia de fiabilitate a
sistemului p(t). In prezenta unei intensitati de defectare constanta
= constant, functia de fiabilitate este p(t) = e t . Avem in consecinta:
FT(t) = P (T < t) = 1 P (T t) = 1 p(t) = (1 et) 1(t) ,
66

Variabile aleatoare

Cand t < 0 aceasta probabilitate este egala cu 0, caci un sistem in

stare de functionare nu poate fi in pana inainte de punerea in functiune.
In consecinta, cand t < 0 avem FT (t) = 0.
Derivand formula obtinuta, gasim densitatea de probabilitate a
timpului T de functionare fara defectiune:
fT(t) = et1(t).
Astfel, durata de functionare fara defectiune a sistemului (pana
la momentul primei pene), daca intensitatea de defectare "" este
constanta, urmeaza o distributie exponentiala caracterizata de un
parametru k = .
2)
Gasiti legea de distributie a intervalului de timp T ce separa doua
evenimente succesive ale unui flux de evenimente poisonnian de
intensitate constanta "".
In acest caz numarul mediu de evenimente ce se desfasoara in
cursul unui interval de timp de durata "t" este egal cu: = t. Functia de
repartitie a intervalului T separand doua evenimente succesive de flux
este evident probabilitatea ca in cursul unui interval de timp de durata "t"
va avea loc cel putin un eveniment:
F(t) = P(T < t).
Probabilitatea evenimentului contrar, altfel spus probabilitatea ca
in cursul intervalului de timp de durata "t" nici un eveniment nu va avea
loc, este calculata plecand de la formula distributiei Poisson pentru
valorile = t, m = 0:
t

p0 = e .
In consecinta avem expresia:
F(t) = 1 p0 = 1 et.
Se observa ca am obtinut aceeasi formula ca in exemplul
precedent pentru functia de repartitie a timpului de functionare fara
defectiune al sistemului. Astfel, intervalul de timp care separa doua
evenimente succesive intr-un flux poissonian de intensitate constanta
este o variabila aleatoare a carei distributie este exponentiala.
3)
Un sistem este in exploatare pe durata de timp t 0 . Daca acesta se
defecteaza in cursul acestui interval, atunci acesta este reparat si utilizat
67

Variabile aleatoare

pana la momentul t 0 . Gasiti legea de repartitie a duratei S de

functionare a sistemului dupa prima reparatie.
Este evident ca variabila aleatoare S este legata de durata T de
functionare a sistemului pana la prima avarie, prin relatiile:
S = 0 daca T t0,

S = t0 T daca T < t0.

Cum S 0, atunci daca s 0 functia sa de repartitie G S (s) este

egala cu 0. Cand s > 0, ea se exprima cu ajutorul functiei de repartitie F a
timpului T de functionare fara defectiune al sistemului prin formula:
GS(s) = P (S < s) = P (t0 T < s) = P (T > t0 s) =
= 1 P (T < t0 s) = 1 F(t0 s).

(I)

Inlocuind aici expresia F(t) calculata in exemplul 1, obtinem:

G(s) = e

(t0s)

daca 0 < s < t0.

(II)

Cand s > t 0 avem relatia G(s) = 1 (fiind dat ca S < t 0 ).

to

Rezulta din relatia (II) ca G (+0) = e . Astfel functia G(s)

prezinta o discontinuitate corespunzatoare unui salt, de la valoarea 0 la
valoarea e t 0 , in punctul s = 0. In toate celelalte puncte ale axei
numerice ea este continua.
Pentru toate valorile s(0, t 0 ) ea admite o derivata e ( t o s) si
pentru toate valorile s < 0 si s > t 0 derivata sa este egala cu 0. In
consecinta, S este o variabila aleatoare continua discreta avand o singura
valoare discreta. Densitatea sa de probabilitate este definita prin formula:

e (t 0 s) e t 0 (s) , s [0, t 0 ]
gS (s) G S (s)
, s [0, t 0 ]

0
4)
Valoarea curenta a semnalului de intrare al unui element neliniar
este o variabila aleatoare continua cu functia de repartitie F. Valoarea
curenta a semnalului de iesire a acestui element este legata de valoarea
semnalului de intrare X, la acelasi moment, prin relatia:
68

Variabile aleatoare

X , x [ a , a ]

Y a , x (a , )
a , x (,a)

(un element astfel caracterizat este numit limitator). Gasiti legea de

distributie a semnalului de iesire.
Este clar ca functia de repartitie G(y) a variabilei aleatoare Y este
egala cu 0 pentru orice y (-a) (inegalitatea Y < y, cand y (-a) este
imposibila) si este egala cu 1 pentru orice y > a (evenimentul Y < y cand
y > a este un eveniment sigur).
Cand |y| < a evenimentul Y < y coincide cu evenimentul X < y.
Avem, in consecinta, relatia G(y) = F(y) cand |y| < a. Este evident ca
daca F(-a) > 0, F(a) < 1, atunci functia de repartitie G(y) prezinta o
discontinuitate cu un salt F(-a) pentru y = (-a) si o discontinuitate cu un
salt (1 - F(a)) pentru y = a. Pentru toate celelalte valori "y" functia G(y)
este continua si derivabila.
In consecinta, in acest caz, Y este o variabila aleatoare continua
discreta avand doua valori exceptionale "-a" si "a". Densitatea sa de
probabilitate este definita prin formula:
g(y) = f(y) + F(a) (y+a) + [1 F(a)] (ya)

daca

|y| a,

unde f(x) este densitatea de probabilitate a variabilei aleatoare X. In

afara intervalului (-a, a) avem relatia g(y) = 0.
2.4

Functii de repartitie pentru legi continue uzuale

2.4.1. Legea uniforma

O variabila X care urmeaza o lege uniforma U[a, b] pe intervalul

[a, b] R are o densitate de probabilitate f(x):

69

Variabile aleatoare

1
b a
f (x)

dac x (a, b)
.

dac x (a, b)
F.d.r. F(x)

1
Densitate f(x)

1/(b-a)

Fig.2.7 Legea uniforma pe intervalul [a, b].

Functia sa de repartitie F este (fig. 2.7):

0 dac x a
xa
F(x)
dac x (a, b) .
b a dac x b
1

(2.26)

2.4.2. Legea normala

a) Legea normala centrata redusa (Laplace)
Se spune ca o variabila aleatoare Z urmeaza o lege normala
centrata redusa N(0,1), daca densitatea sa de probabilitate este data,
pentru orice zR, de relatia (fig.2.8):
1

f (z)

70

z2
e 2

(2.27)

Variabile aleatoare

Functia sa de repartitie este data de relatia:

1

F( z )

u2

z
e 2

du .

(2.28)

1.0

F.d.r. F(z)

0.8
0.6
0.4

Densitate f(z)

0.2

-4 -3 -2 -1

1 2 3

Fig.2.8 Densitatea si functia de repartitie a unei v.a. ce urmeaza

legea normala centrata redusa.
Stim ca F()

1
2

u2

e 2

du 1 si ca f(z) = f(z) pentru

orice z R, de unde obtinem rezultatul:

F(0)

u2

0
e 2

du

1.
2

(I)

Se poate exprima functia de repartitie (2.28) astfel:

F( z )

1
2

u2

z
e 2

du

1
2

Utilizand functia Laplace: (z)

u2

0
e 2

1
2

rezulta relatia (2.29), ilustrata in fig. 2.9b:

71

du

u2
z 2
e
0

1
2

du

u2
z 2
e
0

du .

si expresia (I),

Variabile aleatoare

F(z) F(0) ( z)

1
(z ) .
2

(2.29)

f(z)

f(z
)
F(0)=1/2

F(z)

(z)

Fig.2.9 Ilustrarea relatiei 2.28 (a), si a relatiei 2.29 (b).

Astfel, se pot calcula functiile F(z), f(z) pentru legea normala,
utilizand valorile deja cunoscute ale functiei Laplace si ale derivatelor
sale (Anexe, tabel1).
b) Legea normala generala(Gauss)
Fie Z = N(0,1) si (, )RR . Se defineste variabila aleatoare
X = Z + . Atunci:
x
X x

P Z

FX ( x ) P( X x ) P

1
2

u2
2

du .

(2.30)

Densitatea de probabilitate a variabilei X, care este cunoscuta sub

numele de clopotul lui Gauss, este prezentata in figura (2.10).

72

Variabile aleatoare

f(x)
0.4/

f(x)

= 0.5
=1
=2

0.2/

Fig.2.10 Legea lui Gauss (a), pentru diferite valori

ale parametrului ""(b).
2.4.3 Legea exponentiala
Variabila aleatoare X urmeaza o lege exponentiala E() de
parametru R daca densitatea sa f este definita astfel:
f ( x ) e x ,

R,

0x

(2.31)

Functia de repartitie este:

1 e x si x (0, )
.
F(x)
0 si x 0

(2.32)

Densitatea si functia de repartitie a unei variabile aleatoare ce

urmeaza legea E() sunt prezentate in figura (2.11).
F(x)

f(x)

1.0
0.63

0.268
1/

x
73

1/

Variabile aleatoare

a
b
Fig.2.11 Densitatea (a) si functia de repartitie (b) a unei v.a.
ce urmeaza legea E().
2.4.4 Legea
Variabila aleatoare X urmeaza legea () de parametru N ,
daca densitatea sa este data prin:

f (x) 2 / 2 ( / 2)

( 2 1) 2
x e

x0

(2.33)

x0

Figura (2.12) prezinta densitatea de probabilitate si functia de repartitie a

legii .
1.0
0.8

F.d.r. F(x)

0.6
0.4

Densitate f(x)

0.2
0

10

Fig.2.12 Densitatea si functia de repartitie a unei v.a.

ce urmeaza legea .
2.4.5 Legea lognormala
Variabila aleatoare X urmeaza legea lognormala LN(, ) de
parametri (, )R R , daca X = eY si Y urmeaza legea normala
74

Variabile aleatoare

N(, 2). Densitatea sa de probabilitate este prezentata in fig.2.13 si este

definita prin:
f (x)

1
x 2

(ln x )2
2 2

(2.34)

1( x ),

unde 1( x ) este functia unitate a lui Heaviside egala cu 1 cand x > 0 si

egala cu 0 cand x = 0. Variabila aleatoare corespunzand acestei distributii
este nenegativa.
1.0
0.8

F.d.r. F(x)

0.6
0.4

Densit f(x)

0.2
0

10

Fig.2.13 Densitatea si functia de repartitie a unei v.a.

ce urmeaza legea LN(1, 1/2).
2.4.6 Legea Weibull
Variabila aleatoare X urmeaza legea lui Weibull W(, ) de
parametri (, ) R * R * , daca densitatea sa este data de:
x

f ( x )

1( x )

Functia sa de repartitie ilustrata in fig. 2.14, este:

75

(2.35)

Variabile aleatoare

F(x) 1 e

si x [0, )

(2.36)

si x (,0)

Notam ca aceasta lege prezinta un foarte mare interes in

domeniul fiabilitatii, deoarece prin varierea parametrului se obtin,
diverse intensitati de defectare care pot modela realitatea experimentala
(fig.2.15).
f(x)

1.0
0.8

F.d.r F(x)

W(1/2,1)

0.6
0.4

Densit
f(x)
W(1,1)

0.2

W(1,1/2)

10 xx

Fig.2.14 Densitatea si f.d.r

.
pentru o v.a. ce urmeaza
legea W(1/5, 3).
2.5

Fig.2.15 Functia densitate pentru

diverse intensitati de
defectare in cazul legii
W(, ).

Variabila aleatoare vectoriala

Definitie: daca X k , k = 1,,d sunt variabile aleatoare atunci

X = ( X1 ,, X d ) R d este o variabila aleatoare vectoriala sau vector
aleator.

76

Variabile aleatoare

Legea de probabilitate a variabilei aleatoare vectoriale X, notata

Px , este definita:
PX(B) = P(X-1(B)) = P({ / X() B}),
(2.37)
d
pentru orice B i 1 (, x i ) R d .

Definitie: daca exista o functie f definita pe R d , astfel incat

pentru orice eveniment B din R d vom avea:
PX ( B) ...B f ( x 1 ,......, x d )dx 1 .....dx d ,

(2.38)
atunci aceasta este denumita densitate de probabilitate a variabilei
aleatoare vectoriale X.
Definitie: functia de repartitie a variabilei aleatoare vectoriale X
notata F, este definita astfel:
F( x 1 ,.....x d ) P(X1 x 1 ,....., X d x d ) ,
pentru orice x = ( x 1 ,, x d ) R d .

(2.39)

Functia de repartitie a unei variabile aleatoare vectoriale are o

serie de proprietati.
Proprietati
1
1) F( x 1 ,, x d ) este crescatoare pentru fiecare din
argumentele sale;
2)
F( x 1 ,, x d ) este continua la dreapta pentru fiecare din
argumentele sale;
2 3)
F( x 1 ,, x d ) 0 atunci cand min 1 jd x j si
3
F( x 1 ,, x d ) atunci cand max1 jd x j ;
4 4)
Daca a i b i pentru i = 1,,d si daca:
a i bi F( x 1 ,......, x d ) F( x 1 ,..., x i 1 , b i , x i 1 ..., x d ) F( x 1 ,..., x i 1 , a i , x i 1 ..., x d )

atunci,

a1b1 a 2b 2 ..... a d bd F( x 1 ,......, x d ) 0 .

Orice functie care verifica proprietatile 1, 2, 3 si 4 de mai sus,

este numita functie de repartitie n-dimensionala.
Propozitie
Densitatea "f" si functia de repartitie F ale unei
variabile aleatoare vectoriale, sunt legate prin relatiile urmatoare:
F( x 1 ,....., x d )

x1

xd

.... f ( x1 ,...., x d )dx1 ....dx d ,

77

(2.40)

Variabile aleatoare

dF
( x 1 ,....., x d ) f ( x 1 ,....., x d ) ,
x 1 ....x d

si

(2.41)
in orice punct de continuitate ( x 1 ,, x d ) al lui f.
Functiile de repartitie Fi pentru i = 1,,d, definite prin:
Fi(x) = F(+,.,+, x, +,.,+),

(2.42)

unde "x" este argumentul de ordin "i" al lui F, sunt numite functii de
repartitie marginale. In final, acestea sunt respectiv functiile de repartitie
ale variabilelor aleatoare X i .

Teste pentru verificarea cunostintelor

Testul 1
Analistul responsabil de gestiunea stocurilor intr-un magazin de piese auto a
stabilit ca variabila aleatoare X Cererea zilnica de filtru de ulei HW3C admite
distributia urmatoare:
xi

pi

0,10

0,20

2
0,10

0,02

0,30

0,03

0,25

Evaluati probabilitatea ca cererea sa fie :

i) cel putin 1 filtru si mai putin 3;
ii) mai mult de 2 filtre si cel mult 5;
iii) cel putin 4 filtre dar nu mai mult de 6;
iv) mai mult de 4 filtre;
v) mai mult de 1 filtru;
vi) 2 filtre sau mai putin .
i)
Evenimentul Cererea este de cel putin 1 filtru si
mai putin de 3se scrie:
___ X < ___ .
P(___ X < ___) = P(X=

) + P(X =

78

Variabile aleatoare

ii) Evenimentul Cererea este mai mult de 2 filtre si cel mult 5 se scrie:
___< X ___.
P(___< X

___) =

iii)
Evenimentul Cererea este de cel putin 4 filtre dar
nu mai mult de 6 se scrie:___________.
P(

)=

iv)
scrie: _________ .
P(

Evenimentul Cererea este mai mult de 4 filtre se

v)
scrie: _________ .

Evenimentul Cererea este mai mult de 1 filtru se

)=

P(

)=

vi)
Evenimentul Cererea este de 2 filtre sau mai putin
se scrie: ________ .
P(

)=

Testul 2
O intreprindere realizeaza o statistica despre numarul de accidente de
munca. Informatia de mai jos despre numarul de accidente pe zi pentru o
perioada de 250 de zile a fost pusa la dispozitia uzinei de catre comitetul
de securitate. Fie X variabila aleatoare Numarul de accidente intr-o zi.
Numarul de accidente
intr-o zi

Numarul de
zile

0
1
2
3
4

34
68
66
45
24
79

Variabile aleatoare

5
6

9
4

a) Descrieti legea de repartitie (functia densitate de probabilitate) a lui X:

xi

f(xi)
b) Descrieti functiei de repartitie a lui X:
_________
_________
_________
_________
_________
_________
_________
_________

F(x) =

daca x < 0
daca 0 x < 1
daca _______
daca _______
daca _______
daca _______
daca _______
daca _______

c) Trasati graficul functiei F

d) Verificati daca inaltimea saltului functiei F pentru fiecare valoare x i

corespunde functiei densitate in acel punct f(x i ).
xi

2
80

Variabile aleatoare

inaltimea saltului
f(xi)

0.136

e) Care este probabilitatea de a observa mai putin de trei accidente intr-o

zi?
f) Responsabilul comitetului de securitate precizeaza ca sunt 95% sanse
pentru a se produce mai mult de trei accidente pe zi?
Aceasta afirmatie vi se pare rezonabila?
g) Care sunt sansele dintr-o 100 pentru a observa mai mult de 4 accidente
intr-o zi?
Testul 3
Legea de repartitie a vectorului de variabile aleatoare discrete X si Y este
prezentata in tabloul urmator:
Y
X

Y1=1

Y2=2

Y3=3

X1=0
X2=1

0,07
0,03

0,20
0,30

0,33
0,07

f(xi)

f(yi)

a) Determinati legea marginala a lui X, Y completand tabloul de mai

sus.
b) Fie T=X+Y. Care sunt valorile posibile pentru T?
Care este legea de repartitie pentru T?
Testul 4
Legile marginale a doua variabile aleatoare discrete sunt:
xi
0

f(xi)
0,60
81

Variabile aleatoare

0,40
0,40 = M(X)
0,25 = D(X)

yj
1
2
3

f(yj)
0,50
0,30
0,20
1,70 = M(Y)
0,61 = D(Y)

1. Determinati legea de repartitie a vectorului X si Y presupunand ca

variabilele aleatoare X si Y sunt independente.
X\Y
x1 = 0
x2 = 1

y1 = 1

y2 = 1

y3 = 1

2. Determinati legea de probabilitate a variabilei aleatoare

W = XY.
(xi,yj)
(0,1)
(1,1)

we
0

xi yj

f(xi,yj)

f(we)

82