Sunteți pe pagina 1din 46

Referat

Variabile aleatoare uniforme.Variabile aleatoare geometrice


Capitolul 1. Variabile aleatoare.......................................................................................27
1.1. Variabile aleatoare discrete..........................................................................27
1.2. Vector aleator bidimensional......................................................................32
1.3. Caracteristici numerice asociate variabilelor aleatoare.......................36
1.4. Funcia caracteristic. Funcia generatoare de momente...................51
1.5. Probleme rezolvate.........................................................................................53
1.6. Probleme propuse............................................................................................66
Capitolul 2. Legi clasice de probabilitate (repartiii) ale variabilelor
aleatoare discrete..................................................................................................................69
2.1. Legea discret uniform................................................................................69
2.2. Legea binomial. Legea Bernoulli............................................................71
2.3. Legea binomial cu exponent negativ. Legea geometric..................79
2.4. Legea hipergeometric..................................................................................83
2.5. Legea Poisson (legea evenimentelor rare)..............................................86

Capitolul 2
Variabile aleatoare
Variabila aleatoare este una din noiunile fundamentale ale teoriei
probabilitilor i a statisticii matematice. n cadrul unei cercetri experimentale
se constat c ntre valorile numerice msurate exist diferene chiar dac rmn
neschimbate condiiile de desfurare ale experimentului.
Dac ne referim la o singur msurtoare, variabila aleatoare este acea
mrime care n cadrul unui experiment poate lua o valoare necunoscut aprioric.
Pentru un ir de msurtori, variabila aleatoare este o noiune care-l
caracterizeaz din dou puncte de vedere:
- caracterizare din punct de vedere cantitativ variabila ne d informaii
privind valoarea numeric a mrimii msurate;
- caracterizare din punct de vedere calitativ variabila aleatoare ne d
informaii privind frecvena de apariie a unei valori numerice ntr-un ir.
Dac valorile numerice ale unui ir de date aparin mulimii numerelor
ntregi sau raionale atunci se definete o variabil aleatoare discret, iar n cazul
aparteneei valorilor la mulimea numerelor reale se definete o variabil
aleatoare continu.

2.1. Variabile aleatoare discrete


n ciuda faptului c dup repetarea unui experiment de un numr mare
de ori intervine o anumit regularitate n privina apariiei unor rezultate ale
acestuia, nu se poate preciza niciodat cu certitudine care anume dintre rezultate
va apare ntr-o anumit prob. Din acest motiv cuvntul sau conceptul aleator
trebuie neles sau gndit n sensul c avem de-a face cu experimente sau
fenomene care sunt guvernate de legi statistice (atunci cnd exist un anumit
grad de incertitudine privind apariia unui rezultat sau reapariia lui) i nu de legi
deterministe (cnd tim cu certitudine ce rezultat va apare sau nu). Pentru ca
astfel de experimente sau fenomene s fie cunoscute i prin urmare studiate, sunt
importante i necesare dou lucruri i anume:
1. rezultatele posibile ale experimentului, care pot constitui o mulime
finit, infinit sau numrabil sau infinit i nenumrabil;
2. legea statistic sau probabilitile cu care este posibil apariia
rezultatelor experimentului considerat.

n linii mari i ntr-un neles mai larg, o mrime care ia valori la


ntmplare sau aleatoriu dintr-o mulime oarecare posibil se numete variabil
aleatoare (sau ntmpltoare). Se poate da i o definiie riguroas.

Definiia 2.1.1. Fie cmpul de probabilitate {, K, P}. Numim variabil


aleatoare de tip discret o aplicaie X : R care verific condiiile:
i) are o mulime cel mult numrabil de valori;

x R

ii)

(X x) K

Observaia 2.1.2.
1) Dac K = P() atunci ii) este automat ndeplinit;
2) O variabil aleatoare de tip discret este deci o funcie univoc de
forma
X : {x1, x2, xn, } R;
3) Se obinuiete ca valorile variabilei s se noteze n ordine

cresctoare adic

x x x ... x ....
1

, xi R, i = 1, 2,

4) Evenimentele Ai = X-1(xi) = { / X() = xi } K, oricare ar fi i


= 1, 2, 3, ,
X-1 : {x1, x2, xn, } K este inversa funciei X.
Definiia 2.1.3. Numim distribuia sau repartiia variabilei aleatoare X de tip
x
discret, tabloul de forma X :

unde xi,

i I, sunt valorile posibile ale

i iI

variabilei aleatoare X iar pi este probabilitatea cu care variabila considerat X


iI
ia valoarea xi , adic pi = P(X = xi ),
mulimea I putnd fi finit sau cel mult
numrabil.
Observaia 2.1.4.
1) Evenimentele (X = xi ), i I formeaz un sistem complet de evenimente
i pi 1.
iI

2) Variabila aleatoare pentru care mulimea valorilor este un interval


finit sau infinit pe axa numerelor reale este variabil aleatoare continu.
3) Forma cea mai general a unei variabile aleatoare aparinnd unei
clase de variabile aleatoare de tip discret se numete lege de probabilitate
discret.
Definiia 2.1.5. Spunem c variabilele aleatoare X i Y care au respectiv
yj
x
distribuiile

i Y

i i I

qj

sunt independente dac

j J

(i, j)

IxJ.

P(X = xi , Y = yj) = P(X = xi ) P(Y = yj),


Definiia 2.1.6. Fie variabilele aleatoare X, Y care au respectiv distribuiile
atunci variabila aleatoare sum X+Y, produs
X

(dac

yj

0, j

XY

i ct

J)
IxJ.

xi y j X Y

(i,j)

pij

vor avea distribuiile

(i, j) IxJ

respectiv

X Y

y
i

p
ij

,
(i, j) IxJ

xi
y

= P(X pij

unde pij

(i, j) IxJ

Definiia 2.1.7. Se numete


a)
produs al variabilei aleatoare X prin constanta real a, variabila
ax i
aleatoare notat prin
aX :
p
i

b)

iI

sum a variabilei aleatoare X cu constanta real a, variabila


aleatoare notat prin

a xi

aX:

p
i

c)

i I

putere a variabilei aleatoare


X de exponent k, k Z , variabila
k
aleatoare X k :
p

k
cu condiia ca operaiile x ,

xi

i I

, s aib

i iI

sens.
Observaia 2.1.8. Au loc relaiile

pij

ip

pi , i I

ij

jJ

q j , j J.

iI

Dac variabilele X,Y sunt independente atunci pij

piqj , (i, j)

Definiia 2.1.9. Fie { , K, P} un cmp de probabilitate, iar X : R o variabil


aleatoare. Numim funcie de repartiie ataat variabilei aleatoare X funcia F :
R [0, 1], definit prin F(x) = P X x , x R, adic
F(x)=

pi , x R .
xi x

Dac nu exist pericol de confuzie, funcia de repartiie a variabilei


aleatoare X se noteaz prin F.
Propoziia 2.1.10. (proprieti ale funciei de repartiie)
1. a, b R, a b avem
P(a

b)

F(b)

PX

F(a)

P(a
P(a
P(a

X
X
X

b)
b)
b)

F(b)
F(b)
F(b)

F(a)
F(a)
F(a)

P(X

b)

PX

PX

Demonstraie
Avem succesiv
P(a X b) P(X b, X a) P (X b) (X a)
P(X
b) P(X a) F (b) P X b F (a) P X

dac s-a inut seama de relaia (X a) (X b) i s-a folosit probabilitatea diferenei.

P(a X b) P (a X b) ( X a) P(a X b) P(X a)


F (b) P X b F (a) P X a P( X a) F (b) P X b F (a) dac s-a folosit relaia
demonstrat anterior.

2. F este nedescresctoare pe R,
adic x1 , x2 R,
x1 x2F (x1 ) F(x2 )
Demonstraie
0 P(x X x2 ) F(x2 ) F(x1 ) F(x1 ) F(x2 )
1

3. lim F(x) 0,lim F(x) 1


x

Demonstraie
lim F(x) lim P(X x) P( ) 0
x

lim F(x) lim P(X x) P(E) 1

4. x R, F(x a) F(x) (F este continu la stnga n fiecare punct


x R)

2.2. Vector aleator bidimensional


Definiia 2.2.1. Fie cmpul de probabilitate {, K, P}. Spunem c U=(X,Y) este
vector aleator bidimensional de tip discret dac aplicaia U : R 2 verific
condiiile:
i) are o mulime cel mult numrabil de valori;
2
ii) (x, y) R , (X x, Y y) K .
Definiia 2.2.2. Numim distribuia sau repartiia vectorului aleator (X,Y) de tip
discret tabloul:
Y

y1yj

x1

p11p1j

pi1pij

..
.
.

xi

32

unde ( xi , y j ) sunt valorile


pe care le ia vectorul aleator
(X,Y),
iar
pij

P(X

xi ,Y

y j ).

Evident

pij = 1.
i, j

I J

Definiia 2.2.3. Numim funcie de repartiie ataat vectorului aleator


bidimensional funcia F: R 2 0,1 , definit prin:
F(x,y) = P(X x, Y y), (x, y) R 2 .
Propoziia 2.2.4.(proprietile funciei de repartiie a unui vector aleator
bidimensional de tip discret)
1. dac a<b i c<d, atunci
P(a X b,c Y d ) F(b, d) F(a,c) .
2. F(x,y) este nedescresctoare n raport cu fiecare argument.
3. lim F(x, y)
lim F(x, y) lim F(x, y) 0; lim F(x, y) 1.
x

4. F(x,y) este continu la stnga n raport cu fiecare argument.


Observaia 2.2.5. Dac (X,Y) are funcia de repartiie F, iar variabilele X i Y
au funciile de repartiie FX i respectiv FY , atunci:
FX (x)

lim F(x, y) i FY (y)

lim F(x, y) .

Definiia 2.2.7. Fie variabila aleatoare X avnd funcia de repartiie F , vom


spune c X este variabil aleatoare de tip continuu dac funcia de repartiie se
poate reprezenta sub forma:
x

F(x) =(t)dt,
x R.
Funcia : R R se numete densitate de probabilitate a variabilei
aleatoare X.
Propoziia 2.2.8. Au loc afirmaiile:
1) x R, (x) 0 .
2) F'(x) = (x) a.p.t. pe R.
b

3) P(a X<b) =
4)

(x)dx

(x)dx .

1.

Observaia 2.2.9.
1. Pentru o variabil de tip continuu P(X=a)= 0, deci P(a
b

P(a<X<b) = P(a X

b) = P(a<X<b) =

(x)dx .

X<b) =

2. (x) F '(x) lim


x 0

cnd x este mic avem P(x X

F(x x) F (x) lim


x
x 0
x
x)
(x) x .

P(x X x x)
x

, deci

Definiia 2.2.10. Fie vectorul aleator (X,Y) avnd funcia de repartiie F, spunem
c (X,Y) este un vector aleator de tip continuu, dac funcia de repartiie
F se poate pune sub forma:
x y

(x, y) R 2 , iar funcia : R 2


F(x,y) =(s, t) ds dt,
numete densitate de probabilitate a vectorului aleator (X,Y).
Observaia 2.2.11. Dac
X

R se

este densitate de probabilitate pentru (X,Y), iar

densiti de probabilitate pentru X, respectiv Y au loc:


1) (x, y) 0 , (x, y) R 2 .
2)

F(x, y)

(x, y) a.p.t. pe R 2 .

xy

3) P((X,Y) D)(x, y) dx dy,


4)

(x, y)
R2

D R.

dx dy 1.

(x)

x R ; Y ( y)(x, y)dx, y R .
5) X
(x, y)dy,
Definiia 2.2.12. Spunem c variabilele aleatoare de tip 2continuu X i Y sunt
independente dac F(x,y) = F (x) F
(y) , (x, y) R .
X

2.3. Caracteristici numerice asociate variabilelor aleatoare


Fie , K, P un cmp de probabilitate i X : R o variabil aleatoare. n afara
informaiilor furnizate de funcia de repartiie F(x) sau chiar de repartiia
probabilist (discret pi sau continu (x) ale unei variabile
aleatoare X, de un real folos teoretic i practic sunt i informaiile pe care le
conin anumite caracteristici numerice (valoarea medie, dispersia, abaterea medie
ptratic sau diverse alte momente) ale lui X despre aceast variabil aleatoare.
Valoarea medie (sperana matematic)
Definiia 2.3.1. Fie {, K, P} un cmp borelian de probabilitate i variabila
x
aleatoare X : R cu distribuia

caracteristica numeric E(X )

iI

i I . Se numete valoare medie,

xi pi .

Observaia 2.3.2.
1) Dac I este finit, valoarea medie exist.
2) Dac I este infinit numrabil, E(X) exist cnd seria care o
definete este absolut convergent.

Definiia 2.3.3. Fie{, K, P} un cmp borelian de probabilitate i variabila


x
aleatoare X : R de tip continuu
, x R . Se numete valoarea
X
(x)
medie a variabilei X, caracteristica numeric
E(X )x (x)dx . Valoarea
medie exist atunci cnd integrala improprie care o definete este convergent.
Propoziia 2.3.4.(proprietile valorii medii) Au loc afirmaiile :
1) E(a X b) a E(X) b, a,b R
2) E(X + Y) = E(X) + E(Y)
3) X,Y independente E(X Y) = E(X) E(Y)
Demonstraie

p
i i I

a) Fie variabilele aleatoare de tip discret X, Y avnd repartiiile


y
,Y

qj

j
j J

1. Avem

E(aX b)(axi

b) pi

axi pi

iI

b are repartiia aX b

X+Y

are

pi
2. Variabila

aE(X ) b

iI

ax

dac variabila aX

bpi

iI

iI

p i 1.
iI

repartiia

X Yi

ij

pij P(X xi ,Y y j )
Rezult
E(X Y )(xi

xp

yi ) pij
i I

j J

i I

,
(i, j ) I J

y p

ij

j J

iI

ij

j J

xi piy j q j E(X ) E(Y )


iI

j J

dac s-au folosit relaiile

pij

q j i

iI

3. Variabila

pp

ij i

jJ

XY are repartiia XY

x y
i j
qj
p
i

independente.
Avem E(XY)xi y j pi q j
iI j J

iI

dac X i
(i, j ) I J

pi

y j q j E(X )E(Y )
jJ

b) Presupunem ca X i Y sunt variabile aleatoare de tip continuu.


1. Dac notm prin Y = aX + b, a 0, atunci se obine c
x b
)
X(
a
, pentru orice x R.
Y (x)
a

Avem: E(aX b) E(Y )

x Y (x)dx

1 x ( x b )dx de unde prin


Y
a
a

Y sunt

schimbarea de variabil u = (x b)/a, dx = adu, obinem


E(aX b)

(au b)

(u)du a u

(u)du b

(u)du aE ( X ) b

2. Dac notm
prin Z = X
+ Y, variabila care are densitatea de
probabilitate Z , iar densitatea de probabilitate a vectorului (X, Y) o notm prin ,
atunci:

E( X

Y)

E(Z )

(x)dx

x(

(u, x

u)du)dx

Schimbm ordinea de integrare, apoi schimbarea de variabil


x u = t, dx = dt, i obinem
E(X

Y)

( x (u, x

t( (u, t)du)dt u( (u,t)dt)du t

u)dx)du

( (t

u) (u,t)dt)du

(t)dt u Z (u)du E(Y ) E(X )

3. Dac notm prin V =X Y, care are densitatea de probabilitate V , iar


densitatea de probabilitate a vectorului (X, Y) o notam prin , atunci
E( XY ) E(V )x V (x)dx x(

Schimbm ordinea de
integrare, apoi
x / u = t, dx = udt, i obinem:
E( XY )(

tu

(u)

x dx
) )dx
u u

facem schimbarea de variabil

x (u, x )dx)du ( tu (u, t)dt)du

(t)dtdu u

(u,

(u)du t Y (t)dt E( X )E(Y )

Dispersia
Definiia 2.3.5. Fie {, K, P} un cmp borelian de probabilitate i variabila
aleatoare X : R. Se numete dispersia (variana) variabilei aleatoare X,
caracteristica numeric Var(X ) E X E(X ) 2 iar
(X ) Var(X ) se
numete abatere medie ptratic.
Var(X )xi

n mod explicit, dispersia are expresia


I N , dac X este o variabil aleatoare discret sau
Var(X )x M (X ) 2 (x)dx , dac

X este

E(X ) 2 pi ,

iI

o variabil aleatoare

continu.
Dispersia este un indicator numeric al gradului de mprtiere (sau de
dispersare) a valorilor unei variabile aleatoare n jurul valorii medii a acesteia.
Propoziia 2.3.6.(proprietile dispersiei)
a) Var(X ) E(X 2 ) E(X ) 2
b) Var(aX b) a2Var(X ), a, b R
c) X,Y independente Var(X Y ) Var(X ) Var(Y )

Demonstraie
Var(X ) E X
E(X ) 2
E X 2 2E(X )X
E(X ) 2
a)
E(X 2 ) 2E(X )E(X ) E(X ) 2 E(X 2 ) E(X ) 2 dac s-a
fcut un calcul formal.
b) Folosind proprietile valorii medii i definiia dispersiei avem:
Var(aX b) E (aX b aE(X ) b)2 E a2 X E(X ) 2 a2 E X E(X ) 2
a2Var(X )
c) Dac X, Y sunt independente avem E(XY)
Var(X Y ) E X
Y E( X Y ) 2 E X
E X E( X ) 2 Y E(Y ) 2

E(X )E(Y ) . Calculm


Y E(Y ) 2

E(X )

2 X E(X ) Y E(Y )

E X E( X ) 2 E Y E(Y ) 2 2E X E(X ) E Y E(Y ) Var(X ) Var(Y )


dac s-a inut seama c E X

E(X )

Propoziia 2.3.7.(Inegalitatea lui Cebev) Dac variabila aleatoare X are


valoare medie i dispersie
atunci0
are loc
inegalitatea
Var(X ) sau inegalitatea echivalent
P( X E(X ) ) 1
cu aceasta
2

P( X E(X )

Var(X ) .
2

Demonstraie
Presupunem c X este o variabil aleatoare de tip continuu, avnd
densitatea de probabilitate (x) . Atunci
Var(X )

(x E(X ))2

(x)dx (x E(X ))2 p(x)dx


D

unde D x /
Deci, avem

x E(X ) , avem c (x E(X))2

x E(X ) , deoarece

(x E(X ))2 (x)dx

(x)dx

Am obinut c Var(X )

P( X

P( X

E(X )
E(X )

) , rezult
Var(X )

P(

X E(X )

Folosind probabilitatea evenimentului contrar se obine i cealalt form a


inegalitii: P( X

E(X )

) 1 P( X

E(X )

) 1

Var(X )
2

Momente
Definiia 2.3.10. Fie {, K, P} un cmp borelian de probabilitate i variabila
aleatoare X : R. Se numete moment iniial (obinuit)
de ordin k al
k
variabilei aleatoare X, caracteristica numeric mk E(X )
m1 E(X ) iar

Observaia 2.3.11. a) Pentru k=1 avem


Var(X ) m m2
2

pentru k=2,

b) Dac X este variabil de tip discret avnd repartiia

X:

pi 1 atunci mkxik pi
i I

i I

iI

c) Dac X este variabil de tip continuu

X:

(x )

mk

atunci

x R

(x)dx

Definiia 2.3.12. Se numete moment centrat de ordin k al variabilei aleatoare


X, caracteristica numeric k E X E(X ) k , adic
k

, X discret

xi E(X ) pi
k

i I

xi E(X ) k (x)dx

, X continu

Observaia 2.3.13. Pentru k=1 avem


Teorema 2.3.14.

ntre momentele
k

0 , iar pentru k=2,

centrate i

Var(X )

momentele iniiale exist

urmtoarea relaie: k( 1)i Cki mk i m1i .


Demonstraie
Avem
k

E X E(X ) k
k

E ( 1)i Cki X k i m1i


i 0

i0

EX

m1

E Cki X k i ( m1 )i
i 0

i 0

i 0

( 1)i Cki E(X k i )m1i( 1)i Cki mk i m1i

Observaia 2.3.15. n statistica matematic se utilizeaz de regul primele patru


momente centrate: 1 , 2 , 3 , 4 .

Definiia 2.3.16. Se numete momentul iniial de ordinul (r,s) al vectorului


aleator (X,Y) caracteristica numeric mrs E(X rY s ) , adic
xir y sj pij

, (X ,Y ) discret

iI j J

xr y s (x, y)dxdy

rs

, (X,Y) continuu

Definiia 2.3.17. Se numete moment centrat de ordin (r,s) al vectorului aleator


(X,Y), caracteristica numeric
E (X E(X ))r (Y E(Y )s , adic
rs
E(X ) r y j

xi
rs

iI j J

(X ) y E(Y )

x E
R

E(Y ) s pij
s

, (X ,Y ) discret

(x, y)dxdy

, (X,Y) continuu

Observaia 2.3.18.

m0 1 E(Y ),
E(X ),
Corelaie sau covarian
1o

20

Var(X ),

02

Var(Y )

Definiia 2.3.19. Se numete corelaia sau covariana variabilelor aleatoare X i


Y, caracteristica numeric
C(X ,Y ) E X E(X ) Y E(Y ) adic C(X, Y)
11

Observaia 2.3.20.
1) C(X ,Y ) E(XY ) E(X )E(Y ), C(X, Y) m11 m10 m01
Dac X, Y independente
C(X, Y) 0 , dar nu i reciproc.
C(X , X ) Var(X )
m

i 1

m n
X ,b Y

j 1

j j

aib jC X i ,Yj

, oricare ar fi variabilele

i 1 j 1

aleatoare Xi i Yj i oricare ar fi constantele reale ai i bj, 1 i m ,1 j n C(X ,Y


) C(Y , X ) , oricare ar fi X i Y.
Definiia 2.3.21. Se numete coeficient de corelaie relativ la variabilele
aleatoare X i Y caracteristica numeric
C ( X ,Y )
r(X, Y)=
Var ( X ) Var (Y )

Observaia 2.3.22.
1) X, Y independente r(X, Y) 0 reciproc nu este adevrat;
2) Spunem c X,Y sunt necorelate dac r(X,Y) =0
Proprieti:
a) r(X, Y) 1
b) r( X ,Y ) 1 Y a X b, a 0
c)
r(X ,Y ) 1 Y aX b,a 0
Observaia 2.3.23. n practic se mai spune c:

3)

1) X i Y sunt pozitiv perfect corelate dac r(X ,Y ) 1;


2) X i Y sunt negativ perfect corelate dac r(X ,Y ) 1;
X i Y sunt puternic pozitiv (sau negativ) corelate dac

0,75 r(X ,Y ) 1 (sau 1 r( X ,Y ) 0,75 );


4) X i Y sunt slab pozitiv (sau negativ) corelate dac 0 r(X ,Y ) 0,25
(sau 0,25 r(X ,Y ) 0 );
Observaia 2.3.25. Coeficientul de corelaie r(X ,Y ) reprezint prima msur a
corelaiei sau gradului de dependen n sens clasic. Introdus de ctre
statisticianul englez K. Pearson n anul 1901 ca rod al colaborrii acestuia cu
antropologul englez F. Galton (care a avut prima idee de msurare a corelaiei
sub denumirea de variaie legat), aceast msur a gradului de dependen a
fost criticat nc de la apariiei ei pentru diverse motive, printre care i aceea
c:
1) este dependent de valorile vectorului aleator (X ,Y ) i ca urmare nu
este aplicabil pentru cazul variabilelor aleatoare necantitative;
2) nu este precis n cazul independenei i al necorelrii deoarece
dac r(X ,Y ) 0 nu exist un rspuns categoric (n sensul
independenei sau necorelrii);
3) nu poate fi extins la mai mult de dou variabile aleatoare sau chiar
la doi sau mai muli vectori aleatori, fapte cerute de practic.
Dac la prima obiecie a dat chiar K. Pearson un rspuns, pentru
celelalte dou obiecii nu s-au dat rspunsuri clare dect dup apariia n 1948
a teoriei matematice a informaiei, rezultate remarcabile n acest sens obinnd
coala romneasc de matematic sub conducerea lui Silviu Guiau introducnd
msurile entropice ale dependenei dintre variabile aleatoare i vectori aleatori
(n anii 1974-1978) cu o larg aplicabilitate teoretic i practic.
n ciuda tuturor criticilor ce i s-au adus, coeficientul de corelaie clasic
(sau coeficientul Galton-Pearson) este cel mai frecvent utilizat n practic i,
pentru c este cel mai simplu n utilizare.

Definiia 2.3.26. Fiind dat vectorul aleator Z X1, X 2 ,..., X n Z : E Rn , se numete


valoare medie a acestuia i se noteaz cu E(Z) , dac exist, vectorul ndimensional ale crui componente sunt valorile medii ale componentelor lui Z
adic:
E(Z) E(X1 , X 2 ,..., X n ) E(X 1 ), E(X 2 ),..., E(X n ) .
Se numete matrice de covarian (sau de corelaie) a vectorului Z i se
noteaz prin C(Z) , dac exist, matricea C(Z) c i
,Y
1,n C X
ij

i, j 1,n

j 1,n

Observaia 2.3.27.
a) Pentru cazul unui vector aleator bidimensional, a nu se face confuzie
ntre media produsului componentelor X i Y, care este E(XY) i
media vectorului (X ,Y ) care este E(X ,Y ) .
b) Uneori matricea de corelaie C(Z) se mai noteaz i cu (Z ) .
c) Desfurat matricea de covarian C(Z) are forma:

Var(X
C(Z)

C(X 2 , X1 )
...

,
C(X X
1

Var(X 2 )

,
) ... C(X X

... C(X 2 , X n )

...

...

...

C(X n , X 2 ) ... Var(X n )


i ca urmare a proprietilor corelaiei,
constatm c matricea C(Z) este
simetric.
d) Pornind de la definiia coeficientului de corelaie i de la matricea
de corelaie, dac toate componentele lui Z sunt neconstante, atunci
putem introduce matricea coeficienilor de corelaie R(Z ) a crei
C(X n , X1 )

form dezvoltat este:

1
R(Z )

r(X 2 , X1 )
...
r(X n , X1)

,
r(X X
1

)
2

...
r(X n , X 2 )

,
... r(X X
1

)
n

... r(X 2 , X n )
...
...

...
1

Ambele forme ale matricei de corelaie a vectorului aleatoriu Z


reprezint de fapt tabele ale msurrii gradului de dependen dintre
componentele lui Z, considerate dou cte dou.
Alte caracteristici numerice
Definiia 2.3.29. Se numete mediana unei variabile aleatoare X, caracteristica
numeric Me care verific relaia:

P(X M e ) P(X M e ) 2
Observaia 2.3.30. 1. Dac F este funcia de repartiie i este continu atunci
Me se determin din ecuaia F(Me)

2
2. Dac Me

(a,b]atunci se ia Me

a b
2

Definiia 2.3.31. Se numete valoare modal sau modul a variabilei aleatoare X


orice punct de maxim local al distribuiei lui X (n cazul discret) respectiv al
densitii de probabilitate (n cazul continuu).
Observaia 2.3.32. Dac exist un singur punct de maxim local spunem c
legea lui X este unimodal altfel o numim plurimodal.
Definiia 2.3.33. Se numete asimetria (coeficientul lui Fischer) variabilei
3
aleatoare X caracteristica numeric definit prin s
.
3

Definiia 2.3.34. Se numete exces al variabilei aleatoare X, caracteristica


4
numeric definit prin e
3.
4

Observaia 2.3.35.
1) Dac e<0 atunci graficul distribuiei are un aspect turtit i legea se
numete platicurtic.
2) Dac e>0 atunci graficul distribuiei are un aspect ascuit i legea
va fi numit leptocurtic.
3) Dac e = 0 atunci repartiiile sunt mezocurtice.
Definiia 2.3.36. Dac X este o variabil aleatoare cu funcia de repartiie F(x) ,
se numesc cuartile (n numr de trei) ale lui X (sau ale repartiiei lui X)
numerele q1 , q2 i q3 cu proprietile:
1
F (q )
F (q 2 ) 1
1
4
2
1
1
F (q 0)
F (q 0)
1
2
4
2
Observm c q2 Me .

F (q )

3
3

F (q 0)
3

3
4

2.4. Funcia caracteristic. Funcia generatoare de momente


Definiia 2.4.1. Fie cmpul de probabilitate , K, P i variabilele aleatoare X i Y
definite pe cu valori reale. Se numete variabil aleatoare complex Z X iY , i2
1, iar valoarea medie a acesteia notat cu E(Z) este dat de relaia E(Z ) E(X ) i
E(Y ) dac mediile E(X ) i E(Y ) exist.
Observaia 2.4.2.
eitX costX isin tX ,

eitX

Dac X este
t R definete

o variabil
aleatoare expresia
de asemenea o variabil aleatoare i

cos2 tX sin 2 tX 1

Definiia 2.4.3. Fie X o variabil aleatoare real. Se numete funcia


caracteristic a lui X o funcie X : R C dat de relaia
explicit poate fi scris sub forma
pk eitxk
, este de tip discret
X

(t)

k K
itx
e

(x)dx

(t) (t) E(eitX ) , care

, este de tip continuu

Propoziia 2.4.4. Funcia caracteristic are urmtoarele proprieti:


1) (0) 1 i
(t)
1, t R
2) Dac Xj, j 1,m sunt variabile aleatoare independente n totalitate
cu funciile caracteristice X j (t) j (t), j
1,m , atunci funcia caracteristic
a variabilei aleatoare sum X X1 X 2 ... X m este
m

(t)

(t) 2 (t) ...

(t)j (t)
j1

3) Dac Y aX b , a i b R, atunci Y (t) X (at)eitb


4) Dac X admite momente iniiale de orice ordine atunci funcia
caracteristic admite derivate de orice ordin i are loc relaia
1 (r ) (0)
m (X ) E(X r )
ir X
r
Demonstraie

1) (0)
itx

pk e

(t)

E(1) 1 i

k K

k K

eitx (x)dx

(t)

eitx

1 dac X este de tip discret i

k
k K

eitx (x)dx(x)dx 1 dac X este de tip continuu.

2) Avnd n vedere proprietile valorii medii, putem scrie c


m

(t)E(e

itX

itX

) E(e

itX

itX

... e

itX

)E(e

)j (t)

j1

j1

3) Tot ca urmare a proprietilor mediei avem:


itY
itaX
eitb ) eitb aX (t) eitb X (at)
Y (t) E(e ) E(e
(r )
4) Observm c
(t) E(X r eitxir )
X
(r )
(0) ir E(X r ) i r mr (X ) .q.e.d
X

i r E(X r eitX ) i

rezult

Observaia 2.4.5. Folosirea relaiei de la punctul 4) este recomandabil doar


atunci cnd calcularea momentelor este mai comod prin aceast relaie dect
pornind direct de la definiia acestora.
1) G(0) 1
2) Dac Xj, 1 j m , sunt independente n totalitate i au funciile
generatoare Gj (t) , j 1,m , atunci funcia generatoare a variabilei aleatoare
X

X1

X 2 ...

X m este
m

GX (t)

Gj (t)
j1

3)

Dac Y aX b , a i b R, atunci GY (t)


GX (at) etb
4)
Dac X admite momente iniiale de orice ordin, atunci funcia
generatoare admite derivate de orice ordin n punctul zero i
GX(r ) (0) E(X r ) mr (X ) , r 1, 2, ...

2.5. Probleme rezolvate


Aplicaia 2.5.2. Fie X i Y dou variabile aleatoare discrete ale cror repartiii
probabiliste comun (pij ) i marginale (pi) i (qj) sunt date n tabelul urmtor :
pi
X\Y
-1
0
1
-1
1/8
1/12
1/6
3/8
1
1/24
1/4
1/3
5/8
qj
1/6
1/3
1/2
1

a) S se scrie variabilele aleatoare X i Y.


b) S se precizeze dac X i Y sunt independente.
2 2
c) S se scrie variabilele X + Y , X Y, X , Y , Y/X .
Rezolvare
a)Din tabelul de repartiie de mai sus deducem c
1
1
1
0
1
X :
Y:
i
.
3/8
1/ 3 1/ 2
5/8
1/ 6
b)Dac X i Y ar fi independente atunci
p11 P(X 1,Y 1) p1q1 P(X 1)P(Y 1) ,
ceea ce nu are loc ntruct 1 3 1 .
8 8 6
c)Deoarece
1
1
1
1,
1
1
p
,p
,p
,p
p
,p
,
12
24 22 4 23 3
11 8
12
13 6
21
obinem
2
1
0
1
2
X Y:
,
1/ 6 1/ 24 1/ 4 1/ 3
1/ 8 1/12
1
0
1
X Y:
,
1/12 1/ 4
1/ 6 1/ 24
1/ 8 1/ 3
1
0
1
X :
.
Y 1/ 24 1/ 6 1/12 1/ 4
1/ 8 1/ 3
2
2
Repartiiile lui X i Y rezult imediat din cele ale lui X i Y:
1
0
1
X 2:
, Y 2:
.
1

1/ 3
2/3
Aplicaia 2.5.3. Fie variabila aleatoare discret

X:

a) S se determine p.
b) S se calculeze funcia de repartiie a lui X.
c) S se calculeze probabilitile:
P(X 1), P(X 3), P(X 4), P(1,5 X 3,2), P(X
P(3,1 X X 2,8), P(1,5 X 3 2 X 4).

3
2

3
p2
2,1),

Rezolvare
2

a) Trebuie s avem p + p + p + p + p = 1 i p 0.
2
Rezult 3p + 2p = 1 i p 0, adic p = 1/3.
b) Cum F(x) = P(X x) rezult c F(x) = 0 dac x 1,
F(x) = p = 1/3 dac x (1,2] ,
2
F(x) = P(X=1) + P(X=2) = p + p = 4/9 dac x (2,3],

F(x) = P(X=1) + P(X=2) + P(X=3) = p + p + p = 7/9 dac x (3,4], F(x) =


2
2
P(X=1) + P(X=2) + P(X=3) + P(X=4) = p + p + p + p = 8/9
dac x
(4,5] i F(x) = 1 dac x > 5 .
Deci :
0,
x 1;

F (x)

1 , 1 x 2;
3
4 , 2 x 3;
9
7
9 , 3 x 4;
8
9 , 4 x 5;

1,
x 5.
c) Avem
P(X<1) = P() = 0, P(X<3)=P(X=1)+P(X=2)=4/9,
P(X>4)=P(X=5)=1/9, P(1,5<X<3,2)=P(X=2)+P(X=3)=4/9,
P(X2,1)=P(X=3)+P(X=4)+P(X=5)=5/9,
P(3,1 X , X 2,8)
P(X 3,1)
2 p2
2
P(3,1 X X 2,8)
p 2 p2
P(X 2,8)
P(X 2,8)
5
P(1,5<X3/2<X<4)=P(X=2 sau X=3 / X=3) = P(X=3/X=3) =1.
Aplicaia 2.5.4. Determinai constanta a R pentru ca funcia f dat mai jos s fie
densitate de repartiie i apoi s se determine funcia de repartiie
corespunztoare. S se calculeze mediana, cuantilele i valoarea modal a
variabilei aleatoare X avnd densitatea de probabilitate (x):
2x,
x [0,1/ 2]
2x , x (1/ 2,2]
3
0,
altfel.

(x) a

Rezolvare
1/ 2

Avem(x)dx 1 , de unde
x

2 1/ 2
0

ax

x2 2
1/ 2

x 0

F(x)(t)dt 1

x ,
x
4 2t
1/ 2
3
1,

2
1/ 2

2x
dx 1 sau
3

. Rezult a = 4/3 i deci

3 0,
x

xdx

x [0,1/ 2]
dt,

x (1/ 2,2]

x 2

0,

x 0

x [0,1/ 2]

x ,
4x x 2 1
3
1,

x (1/ 2,2]

x 2

ntruct F este continu vom avea F(x) = F(x+0) , x , deci


1 i F (M
1
F (Me (X ))
, adic F (Me (X ))
e (X ))
2
2

1
2

. Aceasta se

4x x2 1
realizeaz pentru
3
Aadar M (X ) 2
e

1
, de unde x 2
2
3
2

3
(1/ 2,2] .
2

c . Se observ c F(1/2)=1/4 deci c


2

1c
23

3 , de unde c 2
3 .
rezult din F(x)=3/4, adic 4x x 1
3
3
4
2
Deoarece este cresctoare pe [0,1/2] i descresctoare pe (1/2,2],
x=1/2 este punct de maxim (singurul), prin urmare Mo (X ) 1 .
2
Aplicaia 2.5.11. Fie (X,Y) un vector aleator discret a crui repartiie
probabilist este dat n tabelul de mai jos. S se calculeze coeficientul de
corelaie r(X,Y) i s se scrie ecuaiile dreptelor de regresie.
pi
X\Y
-1
0
1
2
-1
1/10
1/5
1/10
0
2/5
0
1/20
0
1/10
1/20
1/5
1
1/10
1/10
1/20
3/20
2/5
qj
1/4
3/10
1/4
1/5
1
Rezolvare
Pe baza formulelor corespunztoare, deducem imediat:
2 0 1 1 2 0 , E(Y ) 1 1 0
3 1 12 1
E(X ) 1
4
5
5
5
10
4
5
2 02
1
E(X 2 ) ( 1)2
12 2 4 ,
5 5
5
5
2
2
2
2
1
E(Y ) ( 1)
0 3 1 1 22 1 13 ,
4
10
Var(X ) E(X 2 ) E(X )2

4
5
4,
5
13
4 57
10 25 50
( 1) 0 1 ( 1) 1

10

Var(Y ) E(Y 2 ) E(Y )2


E(XY) ( 1) ( 1)
000

01

02

10
20
cov(X ,Y ) E(XY ) E(X )E(Y )

1 ( 1)

2,
5

10

( 1) 2 0 0 ( 1) 1
10
20
1
1
1
3
1
10
11
12
10
10
20
20 4

1,
4
cov(X
,Y
)
0,25
.
r(X ,Y )
Var(X )Var(Y )
2
57
5
50
Ecuaiile dreptelor de regresie sunt :
y 2
y 2
x 0
5
5
0,25
,
0,25 x 0
4
57
57
4
5
50
50
5

Capitolul 3
Legi clasice de probabilitate (repartiii) ale
variabilelor aleatoare discrete
Introducere
Vom prezenta n acest capitol principalele legi de probabilitate ale
variabilelor aleatoare discrete, i anume: legea discret uniform, legea
binomial i cazul su particular legea Bernoulli, legea binomial cu exponent
negativ i cazul particular legea geometric, legea hipergeometric i legea
Poisson (legea evenimentelor rare).

3.1. Legea discret uniform


Definiia 3.1.1. Variabila aleatoare discret X urmeaz legea discret uniform
dac are tabloul repartiiei
x1
X:p
1

x2 ... xn
p ...p
2

1
,

n.

unde pk n , k 1, 2,...n,

(3.1.1)

Vom mai spune c variabila aleatoare X dat de formula (3.1.1) are o repartiie
discret uniform.
Din tabloul repartiiei variabilei aleatoare X se observ c
n

k1

k1

1
1.
n

Teorema 3.1.2. Dac variabila aleatoare X are repartiie discret uniform cu


tabloul repartiiei (3.1.1), atunci valoarea medie i dispersia sa sunt
E(X )

1 x n,
k

Var(X )

n
k1

k1

Demonstraie
Din formulele de calcul ale mediei i dispersiei obinem

k1

(3.1.2)

E(X )xk pkxk


k1

k1

1 xk ,
n

k1

X ) E(X 2 ) [E(X )]2xk2 pk


k1

Var(

xk

k1

k k

k1
2

2
x p

k1

xk .

k1

k1

q.e.d.
Observaia 3.1.3. Deoarece Var(X )

0 , din relaia a doua (3.1.2) avem

n xk2
k1

xk ,

k1

relaie util n diverse aplicaii practice, i care rezult direct i din inegalitatea
lui Cauchy-Buniakovski-Schwarz.
Propoziia 3.1.4. Dac variabila aleatoare discret X are repartiie uniform cu
tabloul repartiiei (3.1.1), atunci funcia sa caracteristic este
n

1 eitx ,

(t)

t R.

(3.1.3)

n
k1

Demonstraie
Conform formulei de calcul pentru funcia caracteristic, avem
n

(t)pk eitxk

itx

e k,

t R.q.e.d.

k1

k1

Propoziia 3.1.5. Dac variabila aleatoare discret X are repartiie uniform i


ia valorile xk k, k 1, 2,...,n, adic are tabloul repartiiei
1
X:

atunci

2
1

n
1,
n

n2 1
,
12

n 1 , Var(X )
12
sin nt i( n 1)t
2 e 2
nsin t
2

E(X )
(t)

, t R, t 2k , k Z; (t) 1, t 2k , k Z.

Demonstraie
Din formulele (3.1.2), pentru xk

k, k

E(X )

1, 2,...,n, obinem

1 xk

1k

n 1

k1

k1

1n

Var(X )

k1

1x n

,
1kn

k1

n k1
2
n 1
.
12

k1

1 n2 (n 1)2
n2
4

1 n(n 1)(2n 1)
n
6

Din formula (3.1.3), obinem pentru funcia caracteristic

(t)

it

2sin

it

k1

2sin 2

itk

int

1 e

1 e

it

2i sin

cos

1 cosnt isin nt
1 cost isin t

n
t 2i sin nt cos nt
2

it

it

e
n

(n 1)t
cos

nsin

isin

sin

cos

(n 1)t
2

n
t

nt

cos

i sin

i(n 1)t

nsin t

isin

2
n
sin t

eit sin nt
2
t

sin

nt

, t R,

t 2k , k Z,

22
(t) 1, t 2k , k Z.
q.e.d.

3.2. Legea binomial. Legea Bernoulli


Definiia 3.2.1. Variabila aleatoare discret X urmeaz legea binomial
( X are o repartiie binomial) cu parametrii n i p ( n N,
0 p 1) dac ia
valorile 0,1,2,...,n cu probabilitile

P(X k) Cnk pk qn k ,

k 0,1, 2,...,n,

(3.2.1)

unde q 1 p.
Tabloul repartiiei variabilei aleatoare X este
0

X:

0 0

Cp

2
n1

q Cn pq

n
n

Se observ c Cnk pk qn k

...

2 2

n2

Cn p q

Cnk pn k qk

k 0

n
n

... Cn p q
( p q)n

1.

k 0

Teorema 3.2.4. Dac variabila


aleatoare X are repartiie
parametrii n i p, atunci valoarea medie i dispersia sa sunt
E(X ) np,

binomial cu

Var(X ) npq.

(3.2.2)

Demonstraie
Valoare medie a variabilei aleatoare X este
n

E(X )

0 Cn p q

n1

1 Cn pq

n2

2 Cn p q

kCnk pk qn k .

n Cn p q

k 0

Pentru a calcula suma de mai sus vom considera polinomul


P(x)

( px q)n

Cn0 pn xn Cn1 pn 1qxn 1

Cnk

nk

q x

nk

Cn pk qn k xk . k 0 k0

Cnn 1 pqn 1 x

Cnn qn

Derivnd polinomul de mai sus obinem


P'(x)

np( px q)n 1

nCn0 pn xn 1 (n 1)Cn1 pn 1qxn 2


(3.2.3)

Cnn 1 pqn 1 0 Cnn qnkCnk pk qn k xk 1.


k 0
n

Lund x 1 n relaia (3.2.3), obinem

kCnk pk qn k

np( p q)n 1 , de unde

k 0

rezult c E(X ) np.


Pentru a calcula dispersia lui X vom folosi formula
Var(X ) E(X 2 ) [E(X )]2 .
n

k k nk

Media variabilei X este E(X )k Cn p q .


k 0

nmulim relaia (3.2.3) cu x i obinem


xP'(x) npx( px q)n 1 nCn0 pn xn (n 1)Cn1 pn 1qxn 1Cnn 1 pqn 1 x
n

Cnn

q kCn p qn k xk .
k 0

Dac derivm relaia de mai sus deducem c


n

P'(x) xP''(x) np( px q)

n1

n(n 1) p x( px q)

n2

k Cnk pk qn k xk 1.
k 0

Lund x 1n relaia de mai sus deducem c E(X 2 )


Obinem astfel dispersia lui X
Var(X )

np n(n 1) p2

n2 p2

np n(n 1) p2 .

np np2

npq.

q.e.d.
Propoziia 3.2.5. Dac este modulul (valoarea cea mai probabil) a unei
variabile aleatoare X cu repartiie binomial cu parametrii n i p, atunci
np q
unde q

1 p.

np

p,

Demonstraie
Dac este modulul variabilei X atunci
P(X1) P(X ),

P(X1) P(X ).

Inegalitile de mai sus ne conduc la sistemul


1

1C

p
p

1
1

q
q

Cn

p q

Cn

p
np p

n1

np q,

de unde rezult concluzia propoziiei.

q.e.d.

Propoziia 3.2.6. Dac variabila aleatoare X are repartiie binomial cu


parametrii n i p, atunci funcia sa caracteristic este
(t) ( peit

q)n , t R.

(3.2.4)

Demonstraie
Conform formulei pentru funcia caracteristic avem
n

(t)

Cnk

p q

nk

itk

e Cn ( peit )k qn k ( peit q)n , t R. k 0 k 0

q.e.d.
Teorema 3.2.7. Dac variabilele independente X i Y au repartiii binomiale cu
parametrii n i p, respectiv m i p, atunci variabila X+Y are repartiie binomial
cu parametrii m+n i p.
Demonstraie
Deoarece X ia valorile 0,1, ,n, iar Y ia valorile 0,1, ,m, rezult c variabila X+Y
va lua valorile 0,1, ,n m. Variabila X+Y are valoarea k
( k 0,1, ,n m ) dac (X=0 i Y=k) sau (X=1 i Y=k-1) sau ... sau (X=k i
Y=0). Atunci vom obine

P(X

Y k)

P {X j, Y k

j} P(X j, Y k j)

j0

j 0

P(X j)P(Y k j)Cnj p j qn j Cmk j pk j qm k j


j0

j 0
k

pk qm n k Cnj Cmk j Cmk n pk qm n k . j 0


Am folosit mai sus faptul c evenimentele X i Y sunt independente, i de
k

Cn j Cm k

asemenea am utilizat formula

Cmk n , care poate fi dedus egalnd

j0

x)n (1 x)m i (1 x)n m .

coeficientul lui x din dezvoltrile (1


Deci am obinut
P(X

k)

Cmk n pk qm n k ,

0,1, , n m,

adic variabila X+Y are o repartiie binomial cu parametrii m+n i p.


Concluzia teoremei mai poate fi obinut folosind proprietatea de la funcii
caracteristice care spune c funcia caracteristic a sumei a dou variabile
aleatoare independente cu funciile caracteristice 1 (t) i 2 (t), t R , are forma
(t) 1 (t) 2 (t), t R. Astfel folosind relaia (3.2.4) deducem c funcia caracteristic
a variabilei X+Y este
(t)

peit

q n peit

qm

peit

q mn ,

R.

Din expresia de mai sus a funciei c tragem concluzia c variabila aleatoare X+Y
are repartiie binomial cu parametrii m+n i p. q.e.d.
Teorema 3.2.8. (Bernoulli) Un eveniment are probabilitatea de realizare p
atunci cnd facem o singur dat experiena de care este legat. Dac n este
numrul de realizri ale evenimentului cnd repetm experiena de n ori,atunci
lim P

n
n

0,

(3.2.5)

oricare ar fi

0.

Demonstraie
Variabila aleatoare n care are ca valori numrul de realizri ale evenimentului
din problem are repartiie binomial cu parametrii n i p. Conform Teoremei

3.2.2 avem E(

) np i Var(

) npq.Variabila aleatoare

va avea atunci

valoarea medie, dispersia i abaterea medie ptratic


1
np
n
m E

E(

n
1
Var

p,

n
pq

Var(

pq
,

n2
n
n
Vom folosi acum Inegalitatea lui Cebev pentru variabila n i a . n
Obinem
n
P

pq

n2

Deoarece lim pq 0, din inegalitatea de mai sus rezult inegalitatea (3.2.5).


nn 2

q.e.d.
Observaia 3.2.9. O mbuntire a inegalitii (3.2.5) este dat de teorema lui
Borel, care spune c n condiiile Teoremei 3.2.8 are loc relaia
P

p 1.

n
Aplicaia 3.2.10. n cadrul unei
experiene evenimentele independente
d
A1 , A2 , An au probabilitile e realizare P(Ak ) pk ,
k 1, 2, , n. S se
calculeze valoarea medie i dispersia numrului de evenimente care se
realizeaz atunci cnd experiena are loc.
Rezolvare
S notm cu X variabila aleatoare care are ca valori numrul de
evenimente care se realizeaz n cadrul experienei. Valorile variabilei X sunt
0,1,2, ,n. Probabilitatea ca X s ia valoarea k ( k
0,1,2, ,n) este, conform
schemei lui Poisson (schema binomial generalizat) coeficientul lui xk din
polinomul
Q(x) ( p1 x q1 )( p2 x q2 ) ( pn x qn ),
unde qi

1 pi , i

(3.2.6)

1, 2, , n. Dac scriem desfurat pe Q(x) sub forma

xn ,

a x a x2a

Q(x) a
0

(3.2.7)

atunci tabloul repartiiei variabilei X este


0

1 2
a a a

X: a
0

n
.

Suma tuturor elementelor de pe linia a doua a tabloului de mai sus este 1. ntradevr
a0 a1

an

Q(1) ( p1 q1 )( p2 q2 ) ( pn qn ) 1.
n

Valoarea medie a variabilei X este E(X )

kak . Ideea de demonstraie a


k 0

teoremei este asemntoare cu cea a Teoremei 3.2.4. Vom deriva polinomul Q,


scris sub cele dou forme de mai sus (3.2.6) i (3.2.7). Derivnd relaia (3.2.7)
obinem
Q'(x) a 2a
1

x2 na

x 3a
2

xn 1 ,

(3.2.8)

de unde rezult
n

Q'(1) a1 2a2 3a3nan

kak

M (X ).

k1

Pe de alt parte parte, derivnd relaia (3.2.6) obinem


Q'(x) p1

( pk x qk ) p2

k1

( pk x qk )pn

( pk x qk ),

k 2

(3.2.9)

k n

iar pentru x 1 deducem Q'(1) p1

p2pn . Rezult c
n

E(X )pk .

(3.2.10)

k1
n

Pentru a calcula dispersia, vom calcula mai nti E(X )k ak . nmulim


k 0

relaia (3.2.8) cu x i obinem


x2 3a

xQ'(x) a x 2a
1

x3
3

xn .

na
n

Derivnd egalitatea de mai sus rezult


Q'(x) xQ''(x) a 22 a x 32 a x2n2 a
1

xn 1.

n
n

Pentru x 1deducem din relaia de mai sus Q'(1) Q''(1)k ak . Deci


k1
n

E(X ) Q'(1) Q''(1)pk

Q''(1).

(3.2.11)

k1

Derivm acum relaia (3.2.9) pentru a determina Q''(x) ; obinem


Q''(x) p1 p2

( p j x q j ) p3
j 1,2

pn p1

( p j x q j )pn

j 1,3

( p j x q j ) p2

j 1,n

( p j x q j )pn 1

j 1,n

(pjx qj)

(pjx qj).

j 2,n

j 1,n 1

Pentru x 1 obinem din relaia de mai sus


Q''(1) p1

pk

p2

k1

pkpn

k 2

[E(X ) p
n

pk

k n

] E(X )( p p p
1

p1[E(X ) p1 ] p2 [E(X ) p2 ]
) ( p2

p2

p2 )
n

[E(X )]2pk2 .
k1

Din relaia (3.2.11) i din relaia de mai sus deducem c


n

E(X )pk [E(X )]2pk2 .


k1

(3.2.12)

k1

Folosind acum relaiile (3.2.10) i (3.2.12) rezult c dispersia lui X este


n

Var(X ) E(X ) [E(X )]

pk [E(X )] pk
k1

[E(X )]2
k1

k1

k1

pkpk2pk (1 pk )pk qk .
k1

k1

O alt metod mai simpl pentru calculul mediei i dispersiei variabilei X este
urmtoarea: s notm cu X k variabila aleatoare care are ca valori pe 1 dac Ak se

realizeaz, i pe 0 dac Ak nu se realizeaz, pentru k 1,2, ,n. Tablourile de

repartiie pentru variabilele

sunt
0

Xk:

, k 1, 2, , n.

q
k

Atunci numrul evenimentelor care se realizeaz este X X1 X n , deci


media sa va fi
n

E(X )E(X k )pk .


k1

k1

Deoarece variabilele aleatoare X k , k 1, 2, , n sunt independente, atunci


dispersia varaibilei X va fi
n

2
k

Var(X )Var(X k )E(X ) [E(X k )] ( pk pk )pk qk .


k1

k1

k1

k1

q.e.d.
Pentru n 1, legea binomial este cunoscut i sub numele de legea
Bernoulli cu parametrul p. Variabila aleatoare X care urmeaz legea Bernoulli cu
parametrul p admite doar dou valori posibile 0 i 1 cu probabilitile de
realizare q=1-p i p, avnd tabloul repartiiei
X:

1
,

q 1 p.

Valoarea medie i dispersia variabilei X sunt E(X ) p i Var(X ) pq.


O variabil aleatoare cu repartiie binomial cu parametrii n i p dat de
Definiia 3.2.1 este suma a n variabile aleatoare independente cu repartiii
Bernoulli cu acelai parametru p.

3.3. Legea binomial cu exponent negativ. Legea geometric


Definiia 3.3.1. Variabila aleatoare X urmeaz legea binomial cu exponent
negativ (X are repartiie binomial cu exponent negativ) cu parametrii m i p
(m N*,
0 p 1) dac ia valorile m,m 1,m 2, cu probabilitile
P(X k) Ckm 11 pm qk

, k m,

(3.3.1)

unde q=1-p.
Tabloul repartiiei variabilei aleatoare X este
m

X:

m 1

m1

C
m1

p q

m1

m 2
m

m1

Cm p q Cm 1 p

Teorema 3.3.3. Dac variabila aleatoare X are repartiie binomial cu exponent


negativ cu parametrii m i p, atunci valoarea medie i dispersia sa sunt
E(X )

m , Var(X )
p

mq .
p2

(3.3.2)

Demonstraie
Valoarea medie a variabilei aleatoare X este
E(X )
m

mCmm 11 pm q0 (m 1)Cmm 1 pm q (m 2)Cmm 11 pm q2

kCkm 11 pm qk
. km

Pentru a calcula suma seriei de mai sus, pornim de la dezvoltarea n serie


de puteri a funciei (1 x) m , i anume
(1 x) m 1
Pentru m

mx
1!

m(m 1) x2,
2!

x ( 1,1).

N * seria binomial de mai sus se scrie sub forma

(1 x) m Cm0

Cm1 x Cm2

2 k m km
,
1 x Ck 1 x

x ( 1,1)

k m

sau
(1 x) m Cmm 11 Cmm 1 x Cmm 11 x2Ckm 11 xk m ,

x ( 1,1).

(3.3.3)

k m

Folosind seria de mai sus (cu x=q), observm c suma tuturor probabilitilor
de pe linia a doua a tabloului repartiiei variabilei X este 1. ntr-adevr

C m 1 pm qk mpm
k1

C m 1qk

k1

pm (1 q) m

1.

p
p
k m
k m
Numele repartiiei binomiale cu exponent negativ provine din observaia c
termenii P(X k) Ckm 11 pm qk m , k m sunt termenii generali ai dezvoltrii
1
p

p
Relaia (3.3.3) se scrie echivalent astfel
m

x
m 1 k
m Ck 1 x
(1 x)
k m

(3.3.4)

Derivnd relaia (3.3.4) obinem


m1

mx
m 1 k1
,
m 1 kCk 1 x
(1 x)
k m

(3.3.5)

x ( 1,1).

Pentru x=q din relaia (3.3.5) deducem

mqm 1
p

m1

kC

m1
k1

k1

(3.3.6)

k m

Atunci valoarea medie a variabilei X este, folosind relaia (3.3.6)


E(X )kCk 1
k m

m1

p q

k m

m1

kC

m1
k1

k m

k1

m1

mqm 1
p

m1

m
p

Pentru a calcula dispersia variabilei X, vom calcula mai nti E(X 2 ), i


anume

k 2Ckm 11 pm qk

E(X )

pm q1 m

k m

k 2Ckm 11qk 1.
k m

nmulim relaia (3.3.5) cu x i obinem


mx
(1 x)

kCkm11 xk ,

m1

x ( 1,1).

k m

Prin derivarea relaiei de mai sus rezult


xm 1m(m x)
(1 x)

m 2

m1
k1

k1

, x ( 1,1).

k m

Pentru x=q din relaia obinut deducem


2

m1
k1

qm 1m(m q)

k1

k m

m 2

Rezult atunci c E(X 2 ) este


E(X 2 ) p

1m

qm 1m(m q)

m(m q) ,

pm 2

p2

iar dispersia varaibilei aleatoare X este


Var(X ) E(X

) [E(X )]

m2 mq

m2
p

mq
.
p2

q.e.d.
Propoziia 3.3.4. Dac variabila aleatoare X are repartiie binomial cu
exponent negativ cu parametrii n i p, atunci funcia sa caracteristic este
(t)

pe

it

m
it

, t R.

1 qe
Demonstraie
Conform formulei pentru funcia caracteristic avem

(3.3.7)

(t)Ckm 11 pm qk meitk

pmeitm Ckm 11 (qeit )k

k m
m itm

pe

k m

pe

it m

, t R,
it
1 qe
(3.3.3), care este adevrat i pentru numere complexe
q.e.d.

conform relaiei
x C, | x | 1.

(1 qe )

it

Pentru m 1 legea binomial cu exponent negativ cu parametrul p se mai


numete legea geometric cu parametrul p. Tabloul repartiiei unei variabile
aleatoare X cu repartiie geometric cu parametrul p este urmtorul
1

X:

p q

p q

p q

unde q=1-p. Conform relaiilor (3.3.2) i (3.3.7) media, dispersia i funcia


caracteristic ale lui X sunt
1 , Var(X )

E(X )

q , (t)
p2

peit , t R.
1 qeit

3.4. Legea hipergeometric


Definiia 3.4.1. Variabila aleatoare X urmeaz legea hipergeometric (X are
repartiie hipergeometric) cu parametrii a, b i n ( a,b, n N * , n a b ) dac
poate lua orice valoare ntreag ntre max(0,n b) i min(n,a) i
P(X

Cak Cb n k

k)

Can b

[max(0, n

b),min(n, a)].

(3.4.1)

Pentru calculul mediei i dispersiei variabilei aleatoare X cu repartiie


hipergeometric vom presupune fr a restrnge generalitatea problemei c
n b i n a,
deci max(0,n b) 0
i min(n,a) n. Atunci tabloul repartiiei
variabilei X este

0
X : Ca0Cbn
n

Ca 1 Cb n 1

Ca 2 Cb n 2

C
ab

C
ab

n
CanCb0 .
n

C
ab

ab

Se observ c suma probabilitilor de pe linia a doua a tabloului de mai sus este


1. ntr-adevr avem
n

nk

Cak Cbn k

ab

k 0

Ca Cb

Can b 1.

abk 0

ab

Teorema 3.4.3. Dac variabila aleatoare X are repartiie hipergeometric cu


parametrii a, b i n, cu n b i
n a, atunci valoarea medie i
dispersia sa
sunt
E(X ) ap ,
a

unde p

,q 1 p

a b

a b n ,
a b 1

Var(X ) npq

b .
a b

(3.4.2)

Demonstraie
Valoarea medie a variabilei aleatoare X este

CkCnk

E(X )k

a b

Cak 11Cbn k

an

Can b1 1

ap.

a b
Pentru calculul dispersiei, vom calcula mai nti media variabilei X 2 ; avem
ab

k 0

E(X )k

CkCnk

a b

k 0

a(a 1)
n

ab

ab k1

a2

ab

k 2 nk

k 2

an .
a b
Deci dispersia lui X este

ab

CkCnk

k(k
k1

E(X )

1)

a b

ab

k 0

a(a 1) C n 2
Can b a b 2

CkCnk
a

an
a b

ab

an(a 1)(n 1)
(a b)(a b 1)

Var(X ) E(X

) [E(X )]

abn(a b n)

npq

(a b) (a b 1)

an(a 1)(n 1)
(a b)(a b 1)
a b n .

a2 n2
(a b)2

an
a b

a b 1

Folosind modelul urnei din Teoriei 3.4.2, valoarea medie a variabilei X din
problem se poate calcula i n felul urmtor. Considerm o urn cu a bile albe i
b bile negre din care se extrag una cte una n bile (fr ntoarcerea bilei n urn)
i considerm variabilele aleatoare X k , pentru k 1,2, ,n, unde variabila
X k ( k 1,2, ,n ) are ca valori numrul de bile albe obinute la extragerea k (1 dac
obinem bil alb i 0 dac obinem bil neagr). Pentru X1 , avem
a

P(X1 1)

, P(X1

0)

a b
Deci tabloul repartiiei variabilei X1 este X

a b
1

b . Pentru variabila
ab

a b
X 2 obinem (n urn au rmas a+b-1 bile)

P(X 2 1) P(X 2 1/ X1 1)P(X1 1) P(X 2 1/ X1 0)P(X1 0)


a 1
a
a
b
a(a b 1)
a ,
a b 1 a b
a b 1 a b
a b 1)(a b) a b
P(X 2 0) P(X 2 0 / X1 1)P(X1 1) P(X 2 0 / X1 0)P(X1 0)
b
a
b 1
b
b(a b 1)
b .
a b 1a b

a b 1a b

Deci tabloul repartiiei variabilei X 2 este X

(a b)(a b 1)

a b

a b

. Pentru variabila
a b

X 3 avem (n urn au rmas a+b-2 bile)


P(X 3 1) P(X 3 1/ X 2 1)P(X 2 1) P(X 3 1/ X 2 0)P(X 2 0) [P((X 3 1/ X 2 1)
/ X1 1)P(X1 1) P((X 3 1/ X 2 1) / X1
0)P(X1 0)]P(X 2 1) [P((X 3 1/ X 2 0) / X1 1)P(X1 1) P((X 3 1/ X 2
0) / X1 0)P(X1 0)]P(X 2 0)

a 2

a 1

a b 2a b
a
b

ba

a 1

a b 2a b a b
a b 2a b
2
b
(a 2)a 2(a 1)ab ab2

a b 2
a b a b
a(a b)(a b 2)
(a b 2)(a b)2

(a b 2)(a b)2
a .
a b

Asemntor se arat c P(X

b
( 1 P(X 3 1)). Deci tabloul
a b
0

0)
1
a

repartiiei variabilei X 3 este X 3 :

a b

a b

Se arat n acelai mod c toate variabilele X k , k 1, 2, , n au acelai tablou


1
0
de repartiie X k :
a
b ,
k 1, 2, , n, (dei ele
sunt variabile
dependente).

a b

a b
n

Cu ajutorul variabilelor X k , k 1, 2, , n, variabila X se scrie

XX k ,
k1

deci media variabilei X este


n

E(X )E(X k )

na

a b

a b

k1

k1

np.

Pentru dispersie nu mai putem scrie c

Var(X ) este egal cu

Var(X k ) ,
k1

deoarece variabilele X k , k 1, 2, , n nu sunt independente.

q.e.d.

3.5. Legea Poisson (legea evenimentelor rare)


Definiia 3.5.1. Variabila aleatoare X urmeaz legea Poisson (X are repartiie
Poisson) cu parametrul ( 0) dac poate lua orice valoare ntreag pozitiv i
k

P(X k)

e ,

k!

k 0,1,2,

(3.5.1)

Tabloul repartiiei variabilei X este


0

X:

1
e

0!

1!

k
k
e

2!

k!

Pentru a verifica c suma probabilitilor de pe linia a doua a tabloului de mai


sus este 1, vom folosi dezvoltarea n serie de puteri a funciei f (x) ex ,
i anume
ex

x2

xk

1!

2!

k!

Folosind relaia (3.5.2) pentru x

x R.

, avem
k

P(X k) e
k 0

e e 1.

(3.5.2)

Teorema 3.5.2. Dac variabila aleatoare X are repartiie Poisson cu parametrul


, atunci valoarea medie i dispersia sa sunt
E(X )

, Var(X )

(3.5.3)

Demonstraie
Valoarea medie a variabilei X este
k
E(X )k

k1

ee

k 0

k!

k1

e e.

(k 1)!

Pentru dispersie, calculm mai nti media variabilei X 2 . Obinem


k

E(X 2 )k 2

k!

k 0

e(k 2 k)

k!

k1

ek
k1

k!

k(k 1)
k 2

k 2

E(X )

k 2

(k 2)! E(X )

e e2.

Atunci dispersia lui X este


Var(X )

E(X 2 ) [E(X )]2

.q.e.d.

k!

Propoziia 3.5.3. Dac variabila aleatoare X are repartiie Poisson cu


parametrul , atunci funcia sa caracteristic este

(t) e (eit 1) ,

t R.

(3.5.4)

Demonstraie
Folosind formula de calcul de la funcia caracteristic, avem
k

(t)

k!

k 0

e eitk

k 0

k!

(e

eitke

it

k!

k 0

e e eit

e (eit

t R.

1) ,

q.e.d.
i X 2 au repartiii
Teorema 3.5.4. Variabilele aleatoare independente X1
Poisson cu parametrii 1 i respectiv 2 . Atunci variabila aleatoare X1 X 2 are
repartiie Poisson cu parametrul 1 2 .
Demonstraie
Variabila aleatoare X1 X 2 are ca valori pe 0,1,2, Fie
Atunci avem
P(X1

X2

k) P
j 0

(X1 j, X 2

k j)

P(X1

k 0 ntreg.

j, X 2 k j)

j0
k

P(X1 j)P(X 2 k j)

j 0

j 0

(
1

j!

k j
2

(k j)!

e(1
2

k!

) k
C

k j

1 2

j 0

()

.
2
k!
X1 X 2 are repartiie Poisson cu
Deducem astfel c variabila aleatoare
parametrul 1
2 . Folosind funciile caracteristice ale variabilelor X1 , X 2 ,
exprimate
cu
ajutorul
formulei
(3.5.4),
i
anume
(e
(e
1)
,
deducem
c
funcia
caracteristic
a
1)
(t)e
(t)e
, t R ,
2
1

it

it

variabilei X1 X 2 este
(t)(t)
1

(t)e 1

(eit

1)

(eit

1)

1 2

)(eit

1)

t R.

Din expresia de mai sus a funciei caracteristice rezult c variabila X1 X 2 are


repartiie Poisson cu parametrul 1 2 .
q.e.d.
Legtura dintre repartiia binomial i repartiia Poisson este dat de
urmtoarea teorem.

Teorema 3.5.5. Fie k N fixat, iar pentru n k considerm variabilele X

care au repartiii binomiale cu parametrii n i pn , astfel nct toate s aib


aceeai valoare medie . Atunci are loc relaia
lim P(X n

k)

e .

(3.5.5)

k!

Rezolvare
Deoarece variabilele X n , n k au aceeai valoare medie
, deducem
conform primei relaii din
(3.5.3) c valoarea medie a acestor variabile este
E(X n ) npn
. Deci pn / n. Atunci obinem

lim P(X n
n

k) lim Cn

k nk

pn qn

n(n 1) (n k 1)

lim

k!

n(n 1) (n k 1)
nk
k! n
adic relaia (3.5.5).
lim

nk

lim 1
n

k!

n
e

nk

q.e.d.

Observaia 3.5.6. Relaia (3.5.5) ne arat c dac pn este suficient de mic i n


suficient de mare, atunci putem aproxima repartiia binomial cu
parametrii n i pn , prin repartiia Poisson de parametru np n . Din acest
motiv repartiia Poisson se mai numete legea evenimentelor rare. Dac n
30 i np 5 atunci repartiia Poisson cu parametrul np este o bun
aproximare a repartiiei binomiale cu parametrii n i p.

Bibliografie

1. Brbosu D., Zelina I., Calculul probabilitilor, Editura CUB PRESS


22, Baia Mare, 1998
2. Beganu G. (coordonator), Teoria probabilitilor i statistic
matematic, Culegere de probleme, Editura Meteor Press, Bucureti
2004
3. Blaga P., Calculul probabilitilor i statistic matematic. Curs i
culegere de probleme, Universitatea Babe-Bolyai Cluj Napoca,
1994
4. Blaga P., Statistic matematic. Ediia a II-a, Universitatea BabeBolyai, Cluj-Napoca, 2001
5. Breaz N., Modele de regresie bazate pe funcii spline, Presa
Universitar Clujean, 2007
6. Breaz N., Jaradat M., Statistic descriptiv, teorie i aplicaii, Ed.
Risoprint, Cluj-Napoca, 2009
7. Cbulea L., Aproximare n probabiliti i statistic, Editura Aeternitas,
Alba Iulia, 2003
8. Cbulea L., Aldea M., Elemente de teoria probabilitilor i statistic
matematic, Editura Didactica, Alba Iulia, 2004
9. Ciucu G., Elemente de teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1963
10. Ciucu G., Craiu V., Introducere n teoria probabilitilor i statistic
matematic, Editura Didactic i Pedagogic, Bucureti, 1971
11. Ciucu G., Craiu V., Inferena statistic, Editura Didactic i
Pedagogic, Bucureti, 1974
12. Ciucu G., Craiu V., Scuiu I., Culegere de probleme de teoria
probabilitilor, Editura Tehnic, 1967
13. Ciucu G., Smboan G., Teoria probabilitilor i statistic matematic,
Editura Tehnic, Bucureti, 1962
14. Cojocaru N., Clocotici V., Dobra D., Metode statistice aplicate n
industria textil, Editura Tehnic, Bucureti, 1986
15. Florea I., Econometrie, Editura Universitii din Oradea, 2003
16. Florea I., Parpucea I., Buiga A., Statistic descriptiv, teorie si
aplicaii, Editura Continental, Alba Iulia, 1998
17. Florea I., Parpucea I., Buiga A., Lazr D., Statistic inferenial, Presa
Universitar Clujean, 2000
18. Hoel P.G., Introduction to Mathematical Statistics, John Wiley, New
York,1971
19. Lehman E.L., Testing Statistical Hypotheses, Second edition, Springer,
New York-Berlin, 1997
295

20. Luca-Tudorache R., Probleme de teoria probabilitilor, Editura


Tehnopress, Iai, 2006.
21. Luca-Tudorache R., Probleme de analiz matematic. Calcul integral,
Casa de Editur Venus, Iai, 2007
22. Mihoc Gh., Micu N., Teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1980
23. Mihoc I., Ftu C.I., Calculul probabilitilor i statistic matematic,
Casa de editur-Transilvania Press, Cluj Napoca 2003
24. Moon T.K., Stirling W.C., Mathematical Methods and Algorithms for
Signal Processing, Prentice Hall, 2000
25. Nicolescu L. J., Stoka M.I., Matematic pentru ingineri, vol. II, Editura
Tehnic, Bucureti, 1971
26. Pitea A., Postolache M., Basic Concepts of Probability and Statistics,
Editura Fair Partners, 2007
27. Reischer C., Smboan A., Culegere de probleme de teoria
probabilitilor i statistic matematic, Editura Didactic i
Pedagogic, Bucureti, 1972
28. Reischer C., Smboan G., Teodorescu T., Teoria probabilitilor,
Editura Didactic i Pedagogic, Bucureti, 1967
29. Saporta G., Probabilits, analyse des donnes et statistique, Editions
Technip, Paris, 1990
30. Stapleton J.H., Linear Statistical Models, John Wiley & Sons, New
York-Chichester-Brisbane, 1995
31. Stark H., Woods J.W., Probability, Random Processes and Estimation
Theory for Engineers, Prentice Hall, 1986
32. abac I. Gh. et all., Matematici speciale, vol. II, Editura Didactic i
Pedagogic, Bucureti, 1983
33. abac I. Gh., Matematici speciale, vol. II, Editura Didactic i
Pedagogic, Bucureti, 1965
34. Trandafir R., Introducere n teoria probabilitilor, Editura Albatros,
1979
35. Trmbia R., Metode statistice, Presa Universitar Clujean,
Universitatea Babe-Bolyai, Cluj-Napoca, 2000
36. Zbganu Gh., Teoria msurii i a probabilitilor, Editura Universitii,
Bucureti, 1998
37. Zbganu Gh., Metode matematice n teoria riscului i actuariat, Editura
Universitii, Bucureti, 2004

296