Teoria probabilita¼ţilor şi statistica¼

matematica¼
B¼
arb¼
acioru Iuliana Carmen
Seminarul 5
Seminarul 5

2
Cuprins

1 Variabile aleatoare continue 5

1.1 Densitate de probabilitate (de repartiţie). Funcţia de repartiţie . . 5
1.2 Valoare medie, dispersie, momente ale unei variabile aleatoare . . . 10

Index 15

3
Seminarul 5

4
Capitolul 1

Variabile aleatoare continue

1.1 Densitate de probabilitate (de repartiţie). Funcţia

de repartiţie
Pentru ca fX (x) s¼
a …e o densitate de repartiţie trebuie ca:
a) fX (x) s¼a …e continu¼
a pe porţiuni;
Z
+1

b) fX (x)dx = 1;
1
c) fX (x) 0; 8x 2 R:
Numim funcţie de repartiţie a variabilei aleatoare X, funcţia FX (x) de…nit¼
a
prin:
Zx
FX (x) = P (X x) = fX (t)dt ,8x 2 R
1

Ea are urm¼atoarele propriet¼

aţi:
FX (x) este continu¼
a pe R;
Valorile lui FX (x) sunt cuprinse în itervalul [0; 1] şi

lim FX (x) = 0
x! 1
lim FX (x) = 1
x!+1

FX (x) este o funcţie cresc¼

atoare:

8 (t1 ; t2 ) 2 R2 ; cu t1 < t2 ; P (t1 X t2 ) = FX (t2 ) FX (t1 ):

5
 Seminarul 5

De remarcat de asemenea c¼
a:

P (t1 X t2 ) = P (t1 X < t2 ) = P (t1 < X t2 ) = P (t1 < X < t2 ) (1.1)

întrucât
P (X = x) = 0; 8x (1.2)

Exerciţiul 1.1.1 Fie X o variabil¼a aleatoare continu¼a cu densitatea:

(
ax(x 2) dac¼a 0 x 2
fX (x) =
0 în rest

Determinaţi constanta real¼a a astfel încât fX (x) s¼a …e o densitate de repartiţie.

Soluţie: În cazul nostru: a) fX (x) este continu¼

a pe porţiuni;
Z
+1 Z0 Z2 Z+1 Z2 Z2
b) fX (x)dx = fX (x)dx+ fX (x)dx+ fX (x)dx = fX (x)dx = ax(x
1 1 0
| {z } |2 {z } 0 0
0 0
2)dx = 34 a:
4 3
Punem condiţia 38a= 1 deci a = 4:
< 3x
(x 2) dac¼
a0 x 2
Obţinem: fX (x) = 4
: 0 în rest
3x
c) - Dac¼a 0 x 2; fX (x) = (x 2) 0;
4
- Dac¼a x 2 ( 1; 2) [ (2; +1) , fX (x) = 0 0:

Exerciţiul 1.1.2 Fie X o variabil¼a aleatoare continu¼a cu densitatea de repartiţie:

(
3
32 x(4 x) dac¼a 0 x 4
fX (x) =
0 în rest

Determinaţi funcţia de repartiţie FX (x) a variabilei aleatoare X.

Soluţie: Dac¼
ax 0; FX (x) = 0;
Zx Zx x
3 3 t2 t3
Dac¼
a x 2 [0; 4] ; FX (x) = fX (t)dt = t(4 t) dt = 4 =
32 32 2 3 0
1 0
3 x3 1 2
2x2 = x (x 6) :
32 3 32

6
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

Dac¼a x 4; FX (x) = 1:
Prin urmare: 8
>
> 0 dac¼
ax 0
<
1 2
FX (x) = x (x 6) dac¼
a x 2 [0; 4]
>
> 32
:
1 dac¼
ax 4

Exerciţiul 1.1.3 Fie X o variabil¼a aleatoare continu¼a cu densitatea de repartiţie:

(
ax(4 x) dac¼a 0 x
fX (x) =
0 în rest

unde este un parametru pozitiv, …xat.

1. Determinaţi constanta real¼a a în funcţie de .
2. Determinaţi funcţia de repartiţie FX (x) a variabilei aleatoare X.

Z
+1

Soluţie: 1. Punem condiţia fX (x)dx = 1:

1
Z
+1 Z
4t2 t3 t3
fX (x)dx = ax(4 x)dx = a =a 2t2
2 3 0 3 0
1 0
1 2
= a ( 6) :
3
1 2
Punem condiţia: a ( 6) = 1:
3
3
Rezult¼aa= 2 :
( 6)
Avem deci: 8
< 3x(4 x)
dac¼
a0 x
2
fX (x) = ( 6)
:
0 în rest
2. Dac¼
ax 0; FX (x) = 0;
Zx Zx
3t(4 t)
Dac¼
a x 2 [0; ] ; FX (x) = fX (t)dt = 2 dt =
( 6)
1 0
Zx x
3 3 t3 3 x3
2 t(4 t)dt = 2 2t2 = 2 2x2 =
( 6) ( 6) 3 0 ( 6) 3
0

7
 Seminarul 5

x2 (x 6)
2
( 6)
Dac¼ ax ; FX (x) = 1:Prin urmare:
8
>
< 02
> dac¼
ax 0
x (x 6)
FX (x) = 2 dac¼
a x 2 [0; ]
>
>
( 6)
: 1 dac¼
ax

Exerciţiul 1.1.4 Fie X o variabil¼a aleatoare continu¼a cu densitatea de repartiţie:

8
>
>
< 1 + x dac¼a 1 x 0
fX (x) = 1 x dac¼a 0 x 1
>
>
: 0 în rest
1. Determinaţi funcţia de repartiţie FX (x) a variabilei aleatoare X.
1 1 1 1 1
2. Determinaţi probabilit¼aţile: P X ;P X< ;P X ;
2 2 3 7 2
1 1 1 1
P X ;P X< ;P X> ;P X= ; P (X = 0) :
2 2 2 2
Soluţie: 1. Dac¼
ax 1; FX (x) = 0;
Zx Zx x
t2 x2
Dac¼
a x 2 [ 1; 0] ; FX (x) = fX (t)dt = (1 + t) dt = t+ = x+ +
2 1 2
1 1
1 1
1 = (x + 1)2 :
2 2
Zx Z0 Zx
Dac¼
a x 2 [0; 1] ; FX (x) = fX (t)dt = (1 + t) dt + (1 t) dt =
1 1 0
0 x
t2 t2 1 x (2 x) x2 + 2x + 1
t+ + t = + =
2 1 2 0 2 2 2
Dac¼a x 1; FX (x) = 1:
Prin urmare:
8
>
> 0 dac¼
ax 0
>
>
>
> 1
< (x + 1)2 dac¼
a x 2 [ 1; 0]
FX (x) = 2 2
>
> x + 2x + 1
>
> dac¼
a x 2 [0; 1]
>
> 2
: 1 dac¼
ax 1

8
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

1 1 1 1 x2 + 2x + 1
2. P X = FX ( ) FX ( )=
2 2 2 2 2 1
x= 2
1 2 1
1 +2 +1 1 2 1
(x + 1)2 = 2 2 1
2 +1 = :
2 1
x= 2 2 2 4
1 1 1 1 x2 + 2x + 1 1
P X< = FX ( ) FX ( )= (x + 1)2
3 7 7 3 2 1
x= 7 2 1
x= 3
1 2
7 + 2 71 + 1 1 1 2 181
= 3 +1 = :
2 2 441
1 1 1 1 2 1
P X = FX ( ) = (x + 1)2 = 1
2 +1 = :
2 2 2 x=
1 2 8
2
1 2
1 1 2 + 2 12 + 1 7
P X = FX ( ) = = :
2 2 2 8
1 1 1
P X< =P X = :
2 2 8
1 1 1 1 7
P X> =1 P X =1 P X< =1 = :
2 2 2 8 8
1 1 1 1 1
P X= =P X< + P X< = FX ( + ) FX (
2 2 !0 2 !0 2 2
x2 + 2x + 1 1
)= (x + 1)2 =
2 1
x= + 2 1
x= 2
2
1 2 1 1 2 1 2
2 + +2 2 + +1 2 +2 2 +1 1 1
= =2 +
2 2 2 2
1 1 2
+ = =0
2 2
P (X = 0) = P (X < 0 + ) !0 P (X < 0 ) !0 = FX (0 + ) FX (0 )=
x2 + 2x + 1 1
(x + 1)2 =
2 x=0+ 2 x=0
(0 + )2 + 2 (0 + ) + 1 (0 )2 + 2 (0 )+1
= = 2 = 0:
2 2
Exerciţiul 1.1.5 Fie X o variabil¼a aleatoare continu¼a cu densitatea de repartiţie:
(
axk 1 dac¼a 0 x k
fX (x) = ; unde k 1:
0 în rest

1. Determinaţi constanta a.
2. Determinaţi funcţia de repartiţie FX (x) a variabilei aleatoare X:

9
 Seminarul 5

Z
+1

Soluţie: 1. Punem condiţia fX (x)dx = 1:

1
Z
+1 Zk
xk kk
fX (x)dx = axk 1 dx =a =a
k 0 k
1 0
Z
+1
kk k
fX (x)dx = 1 () a = 1, de unde: a = = k1 k: Avem deci:
k kk
1

( 8
< x k 1
k1 k xk 1 dac¼
a0 x k dac¼
a0 x k
fX (x) = = k ;
0 în rest : 0 în rest

unde k 1:
2. Dac¼
a x 0; FX (x) = 0;
Zx Zx k 1 Zx
t 1
Dac¼
a x 2 [0; k] ; FX (x) = fX (t)dt = dt = (t)k 1
dt =
k kk 1
1 0 0
x
1 tk xk x k
k 1
= k
= :
k k 0 k k
Dac¼a x k; FX (x) = 1:
Prin urmare: 8
>
> 0 dac¼
ax 0
<
x k
FX (x) = dac¼
a x 2 [0; k]
>
> k
:
1 dac¼
ax k

1.2 Valoare medie, dispersie, momente ale unei variabile

aleatoare
Pentru o variabil¼
a continu¼
a cu densitatea f (x), M (X) este valoarea:
Z
M (X) = x f (x) dx
R
R
dac¼
a integrala R xf (x)dx este convergent¼ a.
Propriet¼
aţile valorii medii sunt acelea ale integralelor. Dac¼
a a este o constant¼
a:

10
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

M (a) = a
M (aX) = aM (X)
M (X + a) = M (X) + a

O proprietate important¼ a este aditivitatea: valoarea medie a unei sume de

variabile aleatoare este egal¼
a cu suma valorilor lor medii:

M (X1 + X2 ) = M (X1 ) + M (X2 )

X şi Y sunt independente ) M (X Y ) = M (X)M (Y )

Reciproca este fals¼a: din

M (X Y ) = M (X) M (Y )

nu rezult¼a,în general c¼a X şi Y sunt independente.

Se numeşte dispersie a lui X, notat¼ a cu D2 (X) sau 2; cantitatea de…nit¼
a
de:

2
R
= M (X m)2 = R (x m)2 dx

unde m = M (X):
se numeşte abaterea medie p¼ atratic¼a a lui X.
Propriet¼ aţile dispersiei
D2 (X) este valoarea minimal¼
a a lui M (X m)2 deoarece avem:

M (X m)2 = D2 (X) + [M (X) a]2 Formula lui König-Huyghens

Se deduce de aici relaţia uzual¼

a:

D2 (X) = M (X 2 ) [M (X)]2

Prin urmare:

D2 (X a) = D2 (X)
D2 (aX) = a2 D2 (X)
D2 (X) = 0 , X = a

11
 Seminarul 5

Leg¼
atura dintre dispersie şi abaterea medie p¼
atratic¼
a este stabilit¼
a de inegalitatea
lui Bienaymé-Cebîşev:
1
P (jX M (X)j > k ) k2

Dispersia unei sume de variabile aleatoare

D2 (X + Y ) = M (X + Y )2 [M (X) + M (Y )]2 (1.3)

2 2
= D (X) + D (Y ) + 2 [M (XY ) M (X)M (Y )] (1.4)

Vom numi covarianţa dintre X şi Y m¼

arimea:

cov(X; Y ) = M (XY ) M (X)M (Y ) = M [(X M (X)) (Y M (Y ))]

de unde:

D2 (X + Y ) = D2 (X) + D2 (Y ) + 2cov(X; Y )

În particular:

a X şi Y sunt independente ) D2 (X + Y ) = D2 (X) + D2 (Y )

Dac¼

Reciproca este fals¼

a în general.
Alte momente
De…nim, dac¼a exist¼a, momentul centrat de ordinul k :

k = M (X m)k

Este evident c¼ a 1 = 0: Dispersia este deci momentul centrat de ordinul doi

asura dispersiei lui X în jurul lui m, 2 = D2 (X):
al distribuţiei şi este m¼

Dac¼
a distribuţia variabilei aleatoare este simetric¼
a avem

2k+1 = 0; 8k:

Momentele de ordinul trei 3 şi de ordinul patru 4 sunt utilizate pentru a

caracteriza forma distribuţiei.
Vom aminti şi urm¼ atoarele dou¼
a valori tipice ale unei variabile aleatoare X,
dac¼
a exist¼a, cunoscute sub numele de asimetrie şi coe…cient de aplatizare
(kurtosis):
1 = p33 = 3
3 2 = 4
4
2

12
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

De remarcat c¼
a 2 este totdeauna superior lui 1 deoarece inegalitatea clasic¼
a
1=4 1=2 2
între momentele de ordin p atrage dup¼
a sine ( 4 ) > ( 2 ) ) 4 > ( 2 ) :

Mai mult, întotdeauna avem 2 1 + ( 1 )2 :

Fie X o variabil¼
a aleatoare cu funcţia de repartiţie F (x). Se numeşte median¼
a
a lui X şi o vom nota cu M e(X) un num¼ ar cu proprietatea:

1
P (X M e(X)) P (X M e(X))
2
sau sub forma:
1 1
F (M e(X)) şi F (M e(X) + 0)
2 2

Se numesc cuantile (în num¼ ar de trei) ale lui X (sau ale repartiţiei lui X)
numerele Q1 (X); Q2 (X) şi Q3 (X) cu propriet¼
aţile:
( ( (
1 1 3
F (Q1 (X)) 4 F (Q2 (X)) 2 F (Q3 (X)) 4
1
; 1
; 3
F (Q1 (X) + 0) 4 F (Q2 (X) + 0) 2 F (Q3 (X) + 0) 4

S¼
a remarc¼
am c¼
a
Q2 (X) = M e(X):
Se numeşte mod¼ a a lui X şi se noteaz¼
a cu M o(X) abscisa punctului de maxim
al lui f (x).
Dac¼ a f (x) are un singur maxim atunci se spune c¼ a X este unimodal¼ a iar dac¼
a
f (x) are mai multe maxime atunci se spune c¼ a X este plurimodal¼ a.
Dac¼ a densitatea de repartiţie este:

x2
1
f (x) = p e 2 ;x 2 R
2

atunci f (x) are un singur maxim în x = 0 şi deci M o(X) = 0:

Între valoarea medie M (X), mediana M e(X) şi moda M o(X) are loc relaţia
lui Pearson:
M o = M + 3(M e M )
sau
M o + 2M = 3M e

13
 Seminarul 5

Exerciţiul 1.2.1 Fie X o variabil¼a aleatoare continu¼a cu densitatea de repartiţie:

8
>
>
< 1 + x dac¼a 1 x 0
fX (x) = 1 x dac¼a 0 x 1
>
>
: 0 în rest
1. Determinaţi media, mediana şi moda variabilei aleatoare X.
2. Determinaţi dispersia şi abaterea medie p¼atratic¼a a variabilei aleatoare X.

Soluţie: 1. Media lui X este:

Z
+1 Z1 Z0 Z1
R
M (X) = R x f (x) dx = x f (x) dx = x 0dx + x (1 + x) dx + x
1 1 1 0
Z
+1 0 1
x2 x3 x2 x3
(1 x) dx + x 0dx = + + = 0:
2 3 1 2 3 0
1
Mediana: Am v¼ azut c¼
a dac¼
a X este o variabil¼
a aleatoare continu¼a cu funcţia de
repartiţie F (x), mediana lui X; notat¼
a M e(X); este un num¼ ar cu proprietatea:sau:
1 1
F (M e(X)) şi F (M e(X) + 0)
2 2
1 1
FX (M e(X)) 2 şi FX (M e(X) + 0) () M e(X) = x cu x ce satisface
2
1
FX (x) = : Dar conform exerciţiului 4:
2
8
>
> 0 dac¼
ax 0
>
>
>
> 1 2
< (x + 1) dac¼
a x 2 [ 1; 0]
FX (x) = 2 2
>
> x + 2x + 1
>
> dac¼
a x 2 [0; 1]
>
> 2
: 1 dac¼
ax 1
=) x = 0 = M e(X):
Mediana o mai 8
putem calcula şi ca solutie a sistemului de inecuaţii:
>
> 0 dac¼
a M e(X) 0
>
>
>
> 1 2
< (M e(X) + 1) dac¼
a M e(X) 2 [ 1; 0]
FX (M e(X)) = 2 2
1
>
> M e(X) + 2M e(X) + 1 2
>
> dac¼
a M e(X) 2 [0; 1]
>
> 2
: 1 dac¼
a M e(X) 1

14
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a
8
> 1
>
> 0 2 dac¼
a M e(X) 0
>
> 1
>
< (M e(X) + 1)2 12 dac¼
a M e(X) 2 [ 1; 0]
() 2 2
>
> M e(X) + 2M e(X) + 1 1
>
> 2 dac¼
a M e(X) 2 [0; 1]
>
> 2
: 1 1 imposibil dac¼
a M e(X) 1
( 2
2
(M e(X) + 1) 1 dac¼
a M e(X) 2 [ 1; 0]
()
M e(X)2 + 2M e(X) + 1 1 dac¼ a M e(X) 2 [0; 1]
(
2
(M e(X) + 1) 1 dac¼
a M e(X) 2 [ 1; 0]
() 2
M e(X) + 2M e(X) 0 dac¼ a M e(X) 2 [0; 1]
(
(M e(X) + 1)2 1 dac¼
a M e(X) 2 [ 1; 0]
() 2
M e(X) + 2M e(X) 0 dac¼ a M e(X) 2 [0; 1]
(
M e(X) 2 [ 2; 0] dac¼
a M e(X) 2 [ 1; 0]
() =) M e(X) = 0
M e(X) 2 ( 1; 0] [ [2; 1) dac¼ a M e(X) 2 [0; 1]
Moda: Am v¼ azut c¼
a dac¼
a X este o variabil¼a aleatoare continu¼
a, moda lui X,
notat¼
a cu M o(X) este abscisa punctului de maxim al lui f (x).
Deci M o(X) este acel num¼ ar pentru care:
0 00
fX (M o(X)) = 0 şi fX (M o(X)) < 0 (1.5)
8
>
>
< 1 dac¼
a 1 x 0
Dar 0 (x)
fX = :
1 dac¼ a0 x 1
>
>
: 0 în rest
Densitatea este maxim¼a, adic¼
a 1, atunci când x = 0. Deci M o(X) = 0:
Z
+1
2
2. Dispersia: D2 (X) = M (X 2 ) [M (X)] = x2 f (x) dx 0 (vezi punctul
1
Z0 Z1 0
x3 x4
1). Deci D2 (X) = x2 (1 + x) dx + x2 (1 x) dx = + +
3 4 1
1 0
1
x3 x4 1
= :
3 4 0 6 r
p 1
Abaterea medie p¼
atratic¼
a: = D2 (X) = :
6

15
Index

Abaterea medie, 10
medie patraticã, 11 Variabilã
Asimetrie, 12 plurimodala, 13
unimodala, 13
Coe…cient
de aplatizare, 12
Covarianta, 12
Cuantile, 13

Densitate
de repartitie, 5
Dispersia
unei sume de variabile aleatoare, 12
unei variabile aleatoare
continue, 11

Functie
de repartitie, 5

Kurtosis, 12

Media
unei variabile aleatoare
continue, 10
Medianã, 13
Modã, 13, 15
Momente, 10
centrate de ordinul k, 12

Relatia
lui Pearson, 13

Valoare

16