4

Distributii continue clasice

Prezent
am n continuare cteva distributii continue de probabilitate clasice.

4.1

Distributia uniform
a

Variabila aleatoare uniform

a continu
a este varianta continu
a a variabilei aleatoare uniforme discrete (atunci cnd
num
arul al cazurilor posibile tinde la infinit). Spre exemplu, variabila aleatoare uniform
a discret
a cu parametrul
poate fi gandit
a ca rezultatul jocului la o rulet
a avnd sloturi (mp
artind discul ruletei n p
arti egale), iar
variabila aleatoare continu
a pe [0 2] poate fi gandit
a ca rezultatului jocului la o rulet
a avnd o infinitate de sloturi
(mp
artind discul unei rulete de raz
a 1 ntr-o infinitate de sloturi, reprezentate de unghiul [0 2] corespunz
ator).
Definitia formal
a este urm
atoarea.
Definitia 4.1 Spunem ca este o variabila aleatoare uniforma continua pe intervalul [ ] (notam ([ ]))
daca are functia de distributie data de
1
[ ]

() =

(36)
0
n rest
Observatia 4.2 Functia definita de relatia anterioara este ntr-adevar o functie de densitate deoarece este nenegativa ( () 0 oricare ar fi R) si are integrala egala cu 1:

Z
Z

=
() =
= = 1.

Media variabilei aleatoare uniforme pe [ ] este

() =

() =

iar dispersia este dat

a de

1
2
2
2
+

=
=

2 ( ) 2 ( ) 2 ( )
2

h
i
2 () = ( ())2
2
Z
+
1
=

3
+
1

3 ( )
2

3
1
1
+
+
=

3 ( )
2
3 ( )
2
2

( )

12

Functia generatoare de moment a variabilei aleatoare uniforme este

Z
Z


1

1
() =

=
=
() =
=

( )

oricare ar fi R {0}, si

4.2

(0) = 0 = 0 = (1) = 1

Distributia exponential
a

Definitia 4.3 Spunem ca variabila aleatoare are o distributie exponentiala cu parametrul 0 (notam
()) daca are densitatea data de

0
() =

(37)
0
n rest
26

Observatia 4.4 Functia data de relatia anterioara este ntr-adevar o densitate deoarece este ne-negativa ( ()
0 oricare ar fi R) si are integrala egala cu 1:
Z
Z

() =
= 0 = 0 = 1

Media variabilei aleatoare exponentiale este dat

a de
Z
()
() =

=

Z0

0

=
0
Z

= 0
0
Z

=
0

=
0
0

iar dispersia este dat

a de
h
i
2 () = ( ())2
2
Z

1
=

2
Z
0
1
=

Z
1
1

=

0
0
0
Z
1
1

+2

0
0
Z
2
2
1

=
2 2 0

= 2

0
1
2
= 2+ 2

1
=

Functia generatoare de moment a variabilei aleatoare exponentiale () este

Z
Z
Z


()

()
() =
() =

=
=
=
=

0
0

(38)

oricare ar fi (pentru se observ

a c
a integrala este divergent
a, si deci functia generatoare de moment nu
este definit
a).
27

Observatia 4.5 Folosind faptul ca functia generatoare de moment a variabilei aleatoare exponentiale este () =

pentru , se poate calcula usor media si dispersia variabilei astfel.

0
0
1

= ( )1
= ( )2
= ()2 =
() = ()

=0
=0
=0
De asemenea, se poate calcula momentul de ordin doi al variabilei aleatoare

00
0
2
00

1
2
3

= ( )
= ( )
= 2 ( )
= ()

=0

=0

=0

=0

= 2 ()

de unde se obtine dispersia variabilei aleatoare :

2
2
2 () = 2 ( ()) = 2

2
1
1
= 2

regasind astfel formulele anterior demonstrate.

Interpretarea parametrului al distributiei exponentiale este urm

atoarea.
n multe din problemele practice suntem interesati de timpul scurs pn
a la apritia unui eveniment, spre exemplu:
- timpul pn
a la sosirea primului autobuz n statie;
- timpul pn
a la primul cutremur;
- timpul pn
a la sosirea primului apel telefonic ntr-o central
a;
- timpul pn
a la sosirea primului client ntr-un anumit magazin.
n toate aceste probleme putem presupune c
a timpul scurs pn
a la aparitia evenimentului dorit este o variabil
a
aleatoare cu proprietatea c
a probabilitatea ca s
a ia valori ntr-un anumit interval este proportional
a cu lungimea
acestui interval, adic
a
( + | ) = + ()
(39)
unde 0 este o constant
a de proportionalitate iar () este o functie ce tinde la zero mai repede dect ,
adic
a
()
lim
= 0
(40)
0
Are loc urm
atoarea.
Propozitia 4.6 Daca este o variabila aleatoare cu valori positive ce verifica relatia (39) pentru orice 0,
atunci are o distributie exponentiala cu parametru .
Demonstratie. S
a not
am cu () = ( ) functia de distributie a lui si cu () = 1 () = ( )
probabilitatea ca s
a ia o valoare mai mare dect .
Probabilitatea conditionat
a din membrul drept al relatiei (39) se mai poate scrie echivalent sub forma
( + | ) =
=
=
=
=
=

( + )
( )
( + )
( )
( + ) ( )
( )
( + ) ()
()
(1 ( + )) (1 ())
()
( + ) ()

()

mp
artind relatia (39) cu obtinem deci

()
( + ) () 1
=+

()

28

Cum membrul drept al acestei egalit

ati are limita atunci cnd tinde la zero (deoarece lim0 ()
= 0),
rezult
a c
a si membrul stng al acestei relatii are limit
a atunci cnd 0, adic
a functia este derivabil
a n
punctul , si avem
0 ()

=
0
()
Integrnd aceast
a egalitate n raport cu pe intervalul [0 ], obtinem
Z
Z 0
()

0 ()
0
oricare ar fi 0, sau echivalent

ln () ln (0) =

Cum (0) = ( 0) = 1, avem ln (0) = 0, si din relatia anterioar

a obtinem
() =
Cum = 1 , am obtinut deci
() =

1
0

0.
0
0

(pentru 0, avem () = ( ) = 0).

Derivnd aceast
a relatie n raport cu obtinem c
a densitatea variabilei aleatoare este dat
a de

0
() =

0
n rest
si deci conform definitiei variabila aleatoare are o distributie exponential
a cu parametru .
Se poate demonstra urm
atoarea:
Propozitia 4.7 Daca 1 () sunt variabile aleatoare exponentiale cu parametru independente,
atunci variabila aleatoare

1
= 1 + +
(41)

are o distributie gamma cu parametrii si

1
.

Demonstratie. Folosind formula (38) si faptul c

a 1 sunt variabile aleatoare independente, putem determina functia generatoare de moment a variabilei aleatoare astfel

() =

= (1 ++ )

= 1

= 1

1
=
1

= (1 )

unde = si = 1 . Functia generatoare de moment a variabilei aleatoare coincide deci cu functia generatoare

de moment (1 ) a distributiei ( ) (pentru = si = 1 ), si deci 1

29

4.3

Distributia normal
a

Variabila aleatoare normal

a are un rol fundamental n teoria probabilit
atilor si statistica matematic
a, datorit
a Teoremei limit
a central
a, care afirm
a c
a suma unor variabile aleatoare independente si identic distribuite corespunz
ator
normate converge n distributie c
atre distributia normal
a. Mai precis, dac
a 1 2 este un sir de variabile
aleatoare independente identic distribuite (abreviat i.i.d.), cu medie = (1 ) si dispersie 2 = 2 (1 ), atunci
1 + +

N (0 1)

n distributie, adic
a

Z
1 + +
1
2

Importanta acestei teoreme este dat

a de faptul c
a oricare ar fi distributia variabilelor 1 2 independente, suma = 1 + + corespunz
ator normat
a (adic
a sc
aznd din media ( ) = si mp
artind

rezultatul la radicalul dispersie 2 ( ) = 2 , astfel nct variabila aleatoare rezultat

a =
are
medie
0 si

dispersie 1) tinde c
atre o anumit
a distributie - distributia normal
a standard.
2
Defini
t2ia
4.8 Spunem ca variabila aleatoare are o distributie normala cu parametrii si (notam
N ) daca are densitatea
()2
1
22
R
() =
2 2

tie normal
a standard ( N (0 1)).
n cazul = 0 si 2 = 1 spunem ca are o distribu

Figure 5: Graficul densit

atii normale pentru cteva valori ale mediei si dispersiei 2 .
Observatia 4.9 Functia din definitia anterioara este ntr-adevar o densitate deoarece este ne-negativa ( () 0
oricare ar fi R) si are integrala egala cu 1. Pentru a arata aceasta, sa observam ca este suficient sa consideram
cazul = 0 si 2 = 1, deoarece folosind substitutia =
avem
Z
Z
Z
2
2
1
1
1 ()
() =
2
22 =
2
2

si deci este suficient sa aratam ca ultima integrala este egala cu 1.

2
Sa mai obsevam ca datorita paritatii functiei 2 avem
Z
Z
2
2
2
1

2 =
2
2
2 0

30

Observam n continuare ca:

2

2
2

12

12

12
Z Z
2 +2
2

2
0
0
Folosind substitutia = , si schimbnd ordinea de integrare, obtinem echivalent:
12
Z Z
Z
2 +2 2
2
2
2

2 =
2
2 0
2
0
0
! !12
Z Z

1+2 )2
(
2
2
=

2
0
0
! !12
Z Z

(1+2 )2
2

2
=

2
0
0
= ! !12
Z

(1+2 )2
2
1

2
=

1 + 2
2
0
=0
12
Z
2
1
=

1 + 2
2
0
2
= 12
= ( arctan |=0 )
2
2
= (arctan arctan 0)12
2
2 12
=
2 2
= 1
=

ncheind astfel demonstratia.

Media si dispersia variabilei aleatoare normale N 2 sunt

2 () = 2

() =
si

2
adic
a chiar parametrii distributiei normale N .

i faptul ca
Observatia 4.10 Pentru a demonstra aceste relatii, se foloseste substitutia =
s

2
Functia generatoare de moment a variabilei aleatoare normale N este
() = +

2 2
2

Pentru a ar
ata aceasta, folosind din nou substitutia =
obtinem:

() =
Z
()2
1

22
=
2 2

Z
2
1
=
(+) 2
2
Z
2
2 2
1 ()
2

2
=
2

Z
()2
2 2
1
2
= 2
2

= +

2 2
2

31

= 1.

(42)

ultima egalitate rezultnd din faptul c

a integrala este egal
a cu 1 (este integrala densit
atii variabilei N (0 1)).
n practic
a este deseori util s
a transform
am o variabil
a aleatoare normal
a N 2 ntr-o variabil
a aleatoare
normal
a standard N (0 1). Aceast
a transformare este dat
a de urm
atoarea.

Propozitia 4.11 Daca N 2 este o variabila aleatoare normala cu medie si dispersie 2 , atunci
=

N (0 1)

este o variabila normala standard.

Demonstratie. S
a determin
am mai nti leg
atura ntre functiile de distributie ale variabilelor aleatoare si :

= ( + ) = ( + ) .
() = ( ) =

Derivnd aceast
a egalitate n raport cu , obtinem relatia de leg
atur
a ntre densit
atile variabilelor aleatoare
si :

() =
() =
( + ) = ( + )

()2
1
Cum 2 avem () = 2
22 , si deci obtinem
2
(+)2
1
1
2
() =
22
= 2
2
2
2

si deci conform definitiei rezult

a c
a N (0 1) este o variabil
a aleatoare normal
a standard.
Propozitia anterioar
a este util
a n practic
a, deoarece ea arat
a c
a n principiu putem reduce studiul unei variabile
aleatoare la cazul cnd aceasta este o variabil
a aleatoare normal
a standard.
Rezultatul urm
ator arat
a c
a suma unor variabile aleatoare normale independente este o variabil
a aleatoare
normal
a.

Propozi
tia 4.12 Dac
a 1 N 1 21 si 2 N 2 22 sunt variabile aleatoare independente, atunci 1 +2

N 1 + 2 21 + 22 .

Demonstratie. Notnd cu = 1 + 2 si folosind independenta variabilelor aleatoare 1 si 2 si formula (42)

putem determina functia generatoare de moment a variabilei aleatoare astfel:

() =

= (1 +2 )

= 1 2

= 1 2
= 1 () 2 ()
= 1 +

2
1
2

2 +

2
2
2

(
)
= (1 +2 )+ 2

Comparnd cu formula (42) rezult

a c
a N 1 + 2 21 + 22 , ncheind demonstratia.
O observatie util
a referitoare la distributii simetrice este dat
a de urm
atoarea.
2
2
1 +2

Observatia 4.13 Daca densitatea a unei variabile aleatoare este simetrica fata de 0, atunci functia de distributie verifica
() = 1 ()
R
(43)
Motivul este urmatorul:
() = ( ) =

() =

() = ( ) = 1 ( ) = ()
32

Figure 6: Graficul unei densit

ati simetrice fata de 0 verific
a () = 1 ().
2

n particular, deoarece densitatea () = 12 2 a variabilei normale standard N (0 1) este simetric

a
fata de 0, rezult
a c
a dac
a valorile functiei de distributie () sunt cunoscute pentru valori positive , atunci si
valorile () pentru valori negative sunt cunoscute
(sunt
determinate de relatia (43)).
Referitor la variabila aleatoare normal
a N 2 se poate usor ar
ata c
a probabilitatea (| | )
2
.
Alegnd

=
1
2
sau
3
rezult
a c
a 6827% din valorile unei
depinde numai de si este independent
a
de

s
i

variabile avelatoare normale N 2 se afl

a la o distanta mai mic
a dect fata de , c
a 9545% din valori
sunt la disanta mai mic
a dect 2 fata de , respectiv c
a 9973% din valori sunt la o distanta mai mic
a dect 3
fata de .
Alte dou
a valori utile sunt urm
atoarele: 95% din valori sunt la distanta mai mic
a dect 196 fata de , iar 99%
din valori sunt la distanta mai mic
a dect 258 fata de .

4.4

Distributia 2

O variabil
a aleatoare are o distributie 2 (hi p
atrat) cu grade de libertate dac
a se poate scrie ca o sum
a
= 12 + + 2
unde 1 N (0 1) sunt variabile aleatoare normale standard independente.
Importanta acestei distributii rezult
a c
a astfel de sume de variabile aleatoare apar des n statistic
a, n special n
estimarea dispersiei si n testarea ipotezelor statistice.

Figure 7: Functia de densitate 2 () pentru cteva valori ale num

arului de grade de libertate .
atoarea.
O definitie echivalent
a a distributiei 2 este urm
Definitia 4.14 Spunem ca o variabila aleatoare are o distributie 2 cu N grade de libertate (si notam
2 ()) daca are densitatea

2 1 2 0
() =
0
0
R 1
1
( = 2 iar () = 0 , Re 0, este functia Gamma).
2 ( 2 )
33

Pentru a ar
ata c
a cele dou
a defini
tii anterioare coincid, putem calcula functia generatoare de moment. n ambele

cazuri se obtine () = (1 2) 2 pentru 12 , si deci cele dou

a definitii coincid.
Media si dispersia variabilei aleatoare 2 () sunt date de
() =

2 () = 2

si

iar functia generatoare de moment este

() = (1 2) 2

(44)

Se poate demonstra urm

atoarea:
Propozitia 4.15 Daca 1 2 (1 ) si 2 2 (2 ) sunt variabile aleatoare independente, atunci 1 + 2
2 (1 + 2 ).
a 1 si 2 sunt variabile aleatoare independente si
Demonstratie. Notnd cu = 1 + 2 , si folosind faptul c
formula (44) putem determina functia generatoare de moment a variabilei aleatoare astfel:
() = 1 () 2 () = (1 2)

1
2

(1 2)

2
2

= (1 2)

1 +2
2

si comparnd cu (44) rezult

a c
a 2 (1 + 2 ), ncheind demonstratia.

4.5

Distributia T/Student

O variabil
a aleatoare are o distributie T (sau distributie Student) cu grade de libertate dac
a poate fi scris
a sub
forma

=q

unde N (0 1) este o variabil

a normal
a standard iar 2 () este o variabil
a aleatoare 2 cu grade de
libertate independent
a de .

Figure 8: Functia de densitate () pentru cteva valori ale gradelor de libertate .

O definitie echivalent
a a distributiei este urm
atoarea.
Definitia 4.16 Spunem ca variabila aleatoare are o distributie cu grade de libertate (notam ())
daca are densitatea

+1

2
2

1
+
0

() =
0
0
( =

1
(
2 2)

iar ( ) =

()()
(+) ,

0, este functia Beta).

34

Media si dispersia variabilei aleatoare () sunt

() = 0 ( 1)

2 () =

si

35

( 2)
2