CAPITOLUL 1.

ELEMENTE DE TEORIA PROBABILITĂŢILOR 39

1.8 Variabile aleatoare continue

Definiţia 1.8.1 Numim variabilă aleatoare continuă pe spaţiul de probabilitate (Ω, F, P ) o variabilă aleatoare X :
Ω → R pentru care funcţia de distribuţie corespunzătoare FX : R → [0, 1], FX (a) = P (X < a) este o funcţie
continuă.

Exemplul 1.8.2 Timpul de oprire al unui tren în staţie, temperatura într-o anumită zi, etc. sunt variabile aleatoare
continue.
µ ¶
x1 x2 . . .
Observaţia 1.8.3 Am văzut că funcţia de distribuţie a unei variabile aleatoare discrete X =
p1 p2 . . .
este discontinuă în punctele xi (are un salt egal cu pi în aceste puncte), şi deci o variabilă aleatoare discretă nu
este o variabilă aleatoare continuă.

Observaţia 1.8.4 Cerinţa ca funcţia de distribuţie FX să fie o funcţie continuă este echivalentă cu P (X = a) = 0
pentru orice a ∈ R.
Într-adevăr, dacă FX este o funcţie continuă, atunci avem

P (X = a) = P (X ≤ a) − P (X < a)
= lim P (X < a) − P (X < a)
α&a
= lim FX (α) − FX (a)
α&a
= FX (a) − FX (a)
= 0,

deoarece F este continuă în punctul a.

Reciproc, dacă P (X = a) = 0, din demonstraţia de mai sus rezultă că limα&a FX (α) = FX (a) şi deci funcţia
de distribuţie FX este continuă în punctul a.

Observaţia 1.8.5 Faptul că pentru o variabilă aleatoare continuă avem P (X = a) = 0 oricare ar fi a ∈ R nu
înseamnă că X nu poate lua valoarea a (cum este cazul variabilelor aleatoare discrete). Dacă X nu ar putea lua
valoarea a (oricare ar fi a ∈ R), ar însemna că X nu ar putea lua nici o valoare reală!

Definiţia 1.8.6 Numim densitate de probabilitate a unei variabile aleatoare continue X o funcţie f = fX : R →
[0, +∞) integrabilă cu proprietatea că Z
P (X ∈ B) = f (x) dx,
B
pentru orice mulţime boreliană B ∈ B.

Observaţia 1.8.7 Pentru B = (−∞, +∞) ∈ B, obţinem

Z +∞
P (X ∈ (−∞, +∞)) = f (x) dx,
−∞

adică Z +∞
f (x) dx = 1.
−∞

Reciproc, se poate arăta că dacă f : R → [0, +∞) este o funcţie integrabilă ce verifică această relaţie, atunci
există o variabilă aleatoare continuă având funcţia f ca densitate de probabilitate.

Observaţia 1.8.8 Am văzut că pentru o variabilă aleatoare continuă avem P (X = a) = 0, şi deci

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

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 40

Alegând B = (a, b) ∈ B în definiţia anterioară, rezultă că toate aceste valori egale sunt date de:
⎫
P (a ≤ X ≤ b) ⎪ ⎪
⎬ Z b
P (a < X ≤ b)
= f (x) dx,
P (a ≤ X < b) ⎪ ⎪ a
⎭
P (a < X < b)

pentru orice a, b ∈ R cu a < b.

Observaţia 1.8.9 Pentru B = (−∞, a) ∈ B în definiţia anterioară avem

Z a
F (a) = P (X < a) = P (X ∈ (−∞, a)) = f (x) dx,
−∞

şi deci funcţia de distribuţie F este egală cu aria de sub graficul funcţiei f (adică a densităţii variabilei aleatoare
X).

Are loc următoarea:

Propoziţia 1.8.10 Dacă variabila aleatoare X are o densitate de probabilitate fX continuă, atunci ea este egală
cu derivata funcţiei de distribuţie FX a lui X:
0
FX (a) = f (a) , a ∈ R.

Demonstraţie. Pentru a ∈ R fixat, avem

ÃZ Z !
a+∆a a
F (a + ∆a) − F (a) 1
= f (x) dx − f (x) dx
∆a ∆a −∞ −∞
Z a+∆a
1
= f (x) dx
∆a a
1
= f (a∗ ) ∆a
∆a
= f (a∗ ) ,

conform teoremei de medie, unde a∗ este un punct intermediar între a şi a + ∆a.
Trecând la limită cu ∆a → 0, obţinem

F (a + ∆a) − F (a)
F 0 (a) = lim
∆a→0 ∆a
= lim f (a∗ )
∆a→0
= f (a) ,

deoarece f este continuă în punctul a (şi deci a∗ → a).

Observaţia 1.8.11 Valoarea f (a) a densităţii unei variabile aleatoare X în punctul a nu este probabilitatea ca X
să ia valoarea a (am văzut că pentru o variabilă aleatoare continuă avem P (X = a) = 0, oricare ar fi a ∈ R).
Interpretarea ce se poate da este următoarea
³ Z a+ 2ε
ε ε´
P a− <X <a+ = f (x) dx ≈ f (a) · ε,
2 2 a− 2ε

şi deci probabilitatea ca X să ia valori conţinute într-un interval de lungime ε > 0 mică ce conţine pe a este
aproximativ f (a)·ε, adică este proporţională cu f (a) (f (a) arată cât este de probabil ca X să ia o valoare apropiată
de a, în sensul de mai sus).

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 41

1.8.1 Caracteristici ale variabilelor aleatoare continue

Pentru o variabilă aleatoare X având densitatea f , definim:

• Media / valoarea aşteptată a variabilei aleatoare X prin

Z +∞
M (X) = xf (x) dx,
−∞

dacă această integrală există şi este finită.

• Dispersia / abaterea pătratică a variabilei aleatoare X prin
³ ´ Z +∞
2
2 2
σ (X) = D (X) = M (X − M (X)) = (x − M (X))2 f (x) dx,
−∞

dacă integralele respective există şi sunt finite.

Mai general, dacă g : R → R este o funcţie măsurabilă, definim
Z +∞
M (g (X)) = g (x) f (x) dx.
−∞

În particular, pentru g (x) = xr , respectiv pentru g (x) = (x − M (X))r , obţinem

• Momentul de ordin r al variabilei aleatoare X:
Z +∞
r
Mr (X) = M (X ) = xr f (x) dx
−∞

• Momentul centrat de ordin r al variabilei aleatoare X:

Z +∞
r r
μr (X) = M ((X − M (X)) ) = (x − M (X)) f (x) dx.
−∞

1.8.2 Variabile aleatoare continue clasice

Variabila aleatoare uniformă
Numim variabilă aleatoare uniform distribuită pe intervalul [a, b] o variabilă aleatoare având densitatea
½ 1
f (x) = b−a , a ≤ x ≤ b
0, în rest

Observaţia 1.8.12 Să observăm că funcţia f (x) este într-adevăr o densitate de probabilitate, doarece este inte-
grabilă, ne-negativă (f (x) ≥ 0, oricare ar fi x ∈ R) şi avem
Z Z ¯b
+∞ b
1 x ¯¯ b a
f (x) dx = dx = = − = 1.
−∞ a b−a b − a ¯a b − a b − a

Densitatea f (x) determină în mod unic funcţia de distribuţie corespunzătoare F (x):

⎧
⎨ 0, x≤a
x−a
F (x) = , a<x≤b
⎩ b−a
1, b<x

Pentru o variabilă aleatoare uniformă pe intervalul [a, b], avem

Z a Z 0
P (X ≤ a) = f (x) dx = 0dx = 0,
−∞ −∞

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 42

şi Z Z
+∞ +∞
P (X ≥ a) = f (x) dx = 0dx = 0,
b b
iar pentru a ≤ α < β ≤ b avem
Z β Z β
1 β−α
P (α ≤ X ≤ β) = f (x) dx = dx = ,
α α b−a b−a
ceea ce arată că X ia valori (numai) în intervalul [a, b], probabilitatea ca X să ia valori într-un subinterval al lui
[a, b] fiind proporţională cu lungimea acestui subinterval.
Media şi dispersia unei variabile aleatoare uniforme pe intervalul [a, b] sunt
Z +∞ Z b µ 2 ¶
1 1 b a2 a+b
M (X) = xf (x) dx = x· dx = − = ,
−∞ a b − a b − a 2 2 2
respectiv
³ ´ Z µ ¶2
2 2
b
a+b 1 (b − a)2
σ (X) = M (X − M (X)) = x− · dx = .
a 2 b−a 12

Observaţia 1.8.13 Se poate arăta că dacă X este o variabilă aleatoare uniformă pe intervalul [a, b], atunci Y =
c1 X + c2 este o variabilă aleatoare uniformă pe intervalul [ac1 + c2 , bc1 + c2 ].
1
În particular, dacă X este o variabilă aleatoare uniformă pe intervalul [a, b], atunci Y = b−a (X − a) este o
variabilă aleatoare uniformă pe intervalul [0, 1].

Variabila aleatoare normală

Definiţia 1.8.14 Numim variabilă aleatoare normală cu parametrii μ şi σ 2 (σ > 0) o variabilă aleatoare X având
densitatea
1 (x−μ)2
f (x) = √ e− 2σ2 ,
2πσ
¡ 2
¢
şi notăm X ∈ N μ, σ .

Observaţia 1.8.15 Funcţia f este într-adevăr oR densitatea de probabilitate, deoarece este integrabilă, ne-negativă
+∞
(f (x) ≥ 0 pentru orice x ∈ R) şi verifică relaţia −∞ f (x) dx = 1 (a se vedea Exerciţiul 1).

Graficul funcţiei f (x) are forma de clopot, având un maxim pentru x = μ şi puncte de inflexiune pentru
x = μ ± σ, graficul fiind simetric faţă de dreapta x = μ.
Media şi dispersia unei variabile aleatoare normale cu parametrii μ şi σ 2 sunt:
R +∞
— media: M (X) = −∞ xf (x) dx = μ
³ ´ R
+∞
— dispersia: σ 2 (X) = M (X − M (X))2 = −∞ (x − μ)2 f (x) dx = σ 2 ,
¡ ¢
şi deci media şi dispersia sunt chiar parametrii μ şi σ 2 ai variabilei aleatoare normale X ∈ N μ, σ2 .
Are loc următoarea:
¡ ¢
Propoziţia 1.8.16
¡ Dacă X¢ ∈ N μ, σ2 este o variabilă aleatoare normală cu parametrii μ şi σ 2 , atunci Y =
αX + β ∈ N αμ + β, α2 σ 2 .
¡ ¢
În particular, dacă X ∈ N μ, σ2 , atunci Y = X−μ σ ∈ N (0, 1) este o variabilă aleatoare cu medie 0 şi dispersie
1 (numită variabilă aleatoare normală standard).

Demonstraţie. Să calculăm funcţia de distribuţie FY a variabilei aleatoare Y :

FY (a) = P (Y < a) = P (αX + β < a)

µ ¶
a−β
= P X<
α
µ ¶
a−β
= FX ,
α

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 43

adică funcţia de distribuţie a variabilei aleatoare X calculată în punctul a−β α (am folosit aici faptul că α > 0).
Derivând în raport cu a, şi folosind faptul că derivata funcţiei de distribuţie este densitatea de probabilitate
(adică FY0 = fY şi FX0
= fX ), obţinem:
µ µ ¶¶0 µ ¶
a−β 1 0 a−β
fY (a) = FY0 (a) = FX = FX
α α α
µ ¶
1 a−β
= fX
α α
2
1 1 −
( a−β
α
−μ)

= ·√ e 2σ 2
α 2πσ
2
1 − (a−(αμ+β))
= √ e 2(ασ)2 ,
2π (ασ)
adică Y ∈ N (αμ + β, ασ).

Observaţia 1.8.17 Pentru o variabilă aleatoare normală standard X ∈ N (0, 1), valorile funcţiei de distribuţie
Z a
1 x2 not
FX (a) = P (X < a) = √ e− 2 dx = Φ (a) ,
−∞ 2π
se găsesc tabelate sau pot fi calculate folosind diverse programe / aplicaţii pe calculator (câteva valori ale funcţiei
Φ se găsesc în anexa
¡ de
¢ la sfârşit).
Dacă Y ∈ N μ, σ 2 , din propoziţia anterioară rezultă că
µ ¶ µ ¶
Y =σX+μ a−μ a−μ
FY (a) = P (Y < a) = P X< =Φ ,
σ σ
şi deci aceste valori se pot calcula folosind funcţia Φ definită anterior.

1.8.3 Exerciţii
1. Să se demonstreze că are loc egalitatea Z +∞ √
2
e−x dx = π
−∞
R +∞ x2
Indicatie: se notează cu I = 0
e−
dx şi se calculează
2

Z +∞ Z +∞ Z +∞ Z +∞
2 2 2
−y 2
I2 = e−x dx e−y dy = e−x dxdy
0 0 0 0
√
folosind coordonate polare. Se obţine I 2 = π4 , deci I = 2π de unde rezultă valoarea integralei cerute (deoarece
2 √
e−x este o funcţie pară, integrala cerută este egală cu 2I = π).
¡ ¢
2. Să se demonstreze că dacă X ∈ N μ, σ2 este o variabilă aleatoare normală cu parametrii μ şi σ 2 atunci
media şi dispersia sunt Z +∞
1 (x−μ)2
M (X) = x√ e− 2σ2 dx = μ,
−∞ 2πσ
respectiv
³ ´ Z +∞ 1 (x−μ)2
2 2
σ 2 (X) = M (X − μ) = (x − μ) √ e− 2σ2 dx = σ 2 .
−∞ 2πσ
Indicaţie: se integrează prin parţi şi se foloseşte faptul că integrala densităţii normale este egală cu 1, adică
R +∞ 1 − (x−μ)2
−∞
√
2πσ
e 2σ2 dx = 1.

3. O variabilă aleatoare are densitatea

½ ¡ ¢
c 4x − x2 , 0<x<2
f (x) =
0, în rest

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 44

(a) Să se determine valoarea constantei c

(b) Să se determine probabilitatea P (X > 1)
(c) Care este intervalul valorilor posibile ale lui X?

4. Numărul de ore de funcţionare al unei componente electronice este o variabilă aleatoare cu densitatea
½ x
ce 100 , x≥0
f (x) =
0, în rest

(a) Să se determine valoarea constantei c

(b) Care este probabilitatea ca piesa să funcţioneze între 50 şi 100 de ore?
(c) Care este probabilitatea ca piesa să funcţioneze mai puţin de 100 de ore?

5. Durata de viaţă (în ore) a unei componente electronice este o variabilă aleatoare cu densitatea
½
0, x ≤ 100
f (x) = c
x2 , x > 100

(a) Să se determine valoarea constantei c

(b) Care este probabilitatea ca din 5 astfel de piese, exact 2 să trebuiască a fi înlocuite în primele 5 ore de
funcţionare? (presupunem că piesele se defectează independent unele de altele)

6. Dacă X este o variabilă aleatoare uniformă pe intervalul (0, 10), să se calculeze următoarele probabilităţi:

(a) P (X < 3)
(b) P (X > 6)
(c) P (3 < X < 8)

7. Autobuzele sosesc în staţie începând cu ora 7 la intervale de 15 minute. Un călător soseşte în staţie la o oră
ce este uniform distribuită între ora 7 : 00 şi ora 7 : 30. Să se determine:

(a) Probabilitatea de a aştepta cel puţin 5 minute sosirea primului autobuz

(b) Probabilitatea de a aştepta cel puţin 10 minute sosirea primului autobuz.

8. Timpul necesar completării unui formular de către un angajat este de o variabilă aleatoare X uniform dis-
tribuită între 1.5 şi 2.2 minute.

(a) Care este probabilitatea ca angajatul să completeze formularul în mai puţin de 2 minute?
(b) Să se determine funcţia de distribuţie corespunzătoare FX şi să se reprezinte grafic.

9. Timpul necesar asamblării unui produs are o densitate

½
0.1, 30 ≤ x ≤ 40
f (x) =
0, în rest

(a) Să se determine proporţia pieselor ce necesită cel puţin 35 minute pentru asamblare
(b) Ce durată de timp de asamblare este depăşită pentru 90% din piese?

10. Dacă X este o variabilă aleatoare normală N (3, 9) cu medie μ = 3 şi dispersie σ 2 = 9, să se determine
următoarele probabilităţi:

(a) P (2 < X < 5)

(b) P (X > 0)
(c) P (|X − 3| > 6)

Observaţie: pentru calculul acestor probabilităţi este nevoie de un tabel de valori a funcţiei de distribuţie
normală, sau a unui computer.

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

CAPITOLUL 1. ELEMENTE DE TEORIA PROBABILITĂŢILOR 45

¡ ¢
11. Notele obţinute în urma unei examinări se consideră a avea o distribuţie normală N μ, σ 2 . Există regula
de a da evaluări prin litere, A, B, C, D şi F după următoarea: A dacă nota este mai mare decât μ + σ, B
dacă nota este în intervalul (μ, μ + σ), C dacă nota este în intervalul (μ − σ, μ), D dacă nota este în intervalul
(μ − 2σ, μ − σ), respectiv F dacă nota este mai mică decât μ − 2σ.
Să se determine procentele de note A, B, C, D şi F acordate conform acestei reguli.
Observaţie: pentru acest calcul este nevoie de un tabel de valori a funcţiei de distribuţie normală, sau a unui
computer. Răspuns: A → 15.87%, B → 34.13%, C → 34.13%, D → 13.59%, respectiv F → 2.28%.
12. Se aruncă o monedă de n = 40 de ori, şi se notează cu X numărul de feţe stemă obţinute.

(a) Să se determine probabilitatea P (X = 20)

(b) Să se aproximeze această probabilitate folosind aproximaţia prin variabilă aleatoare normală.
1
13. Presupunem că durata unei convorbiri telefonice este o variabilă aleatoare exponenţială cu parametrul λ = 10 .
Dacă o persoană soseşte la o cabină telefonică exact când o altă persoană a început convorbirea, să se determine
următoarele probabilităţi:

(a) P (X > 10)

(b) P (10 < X < 20)
1
(c) Să se determine t astfel încât P (X > t) = 2

Răspuns: a) 0.368 b) 0.233 c) t = 10 ln 2 ≈ 0.693

Mihai N. Pascu — Notiţe curs Probabilităţi şi Statistică

 Standard Normal Distribution Table

0 z

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .2611 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
3.1 .4990 .4991 .4991 .4991 .4992 .4992 .4992 .4992 .4993 .4993
3.2 .4993 .4993 .4994 .4994 .4994 .4994 .4994 .4995 .4995 .4995
3.3 .4995 .4995 .4995 .4996 .4996 .4996 .4996 .4996 .4996 .4997
3.4 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4998
3.5 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998