2 Variabile aleatoare

In practic a, variabilele aleatoare apar ca functii ce depind de rezultatul efectuarii unui anumit experiment. Spre
exemplu, la aruncarea a doua zaruri, suma numerelor obtinute este o variabila aleatoare. In general, n experimente
n care num aram (masini aflate pe sosea, aruncari ale unui zar p
ana la obtinerea unui sase, piese defecte, etc)
variabilele aleatore obtinute sunt variabile aleatore discrete, iar n experimentele n care masuram (voltajul elec-
tric, cantitatea de apa de ploaie, duritatea unui anumit material, etc), variabilele aleatoare obtinute sunt variabile
aleatoare continue.
Definitia matematica precisa este urmatoarea.

Definitia 2.1 (Variabil a aleatoare) O variabil a aleatoare real

a pe spatiul de probabilitate ( F ) este o functie
: R m asurabil
a n raport cu -algebrele corespunzatoare (F pe , respectiv -algebra Borelian a B pe R),
adic
a cu proprietatea c
a
1 () = { : () } F
pentru orice multime Borelian
a B.

Pentru a calcula diverse caracteristice numerice asociate variabilei aleatoare , introducem functia de distributie
corespunz
atoare, dupa cum urmeaza.

Definitia 2.2 (Functia de distributie) Functia de distributie a unei variabile aleatoare este functia = :
R R definita prin
() = ( ) R (8)

Observatia 2.3 Folosind functia de distributie a variabilei aleatoare putem spre exemplu determina probabili-
tatea ca variabila s
a ia valori ntr-un anumit interval ( ]:

( ( ]) = ( ) = () () (9)

Aceast
a egalitate are loc deoarece evenimentele { } si { } sunt disjuncte, si verific
a { }
{ } = { }, si deci din Definitia 1.6 a probabilit
atii obtinem

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

de unde prin sc
aderea lui () se obtine relatia (9).

Are loc urm

atoarea.

Propozitia 2.4 (De caracterizare a functiei de distributie) Functia de distributie : R R a unei vari-
abile aleatoare are urm
atoarele propriet
ati.

1. Este nedescresc
atoare, adic
a () () oricare ar fi R cu .
2. lim () = 0 si lim () = 1.
3. Este continu
a la dreapta n orice punct, adic
a lim&0 () = (0 ).
4. Dac
a (0 ) = lim%0 (), atunci (0 ) = ( 0 ).
5. ( = 0 ) = (0 ) (0 )

Reciproc, se poate arata c

a dac
a o functie : R R verifica proprietatile 1) - 3) de mai sus, atunci exist
ao
variabil
a aleatoare (pe un anumit spatiu de probabilitate) av
and ca functie de distributie.

Demonstratie. Implicatia directa - exercitiu.

Pentru ultima parte, se demonstreaza se considera spre exemplu spatiul de probabilitate ( F ) cu = (0 1),
F = B (0 1) -algebra multimilor Boreliene pe (0 1) si = - masura Lebesgue, si se arata ca variabila aleatoare
: R dat a de
() = sup { R : () }

7
are propriet
atile cerute. Pentru aceasta se demonstreaza mai ntai ca

{ : () } = { : ()}

de unde rezult
a imediat (deoarece = este masura Lebesgue pe intervalul (0 1))

({ : () }) = ({ : ()}) = ((0 ()]) = ((0 ()]) = ()

ceea ce arat
a c
a este functia de distributie a variabilei aleatoare .

2.1 Variabile aleatoare discrete

a aleatoare : R se numeste discret
Definitia 2.5 O variabil a dac
a ea poate lua numai un num
ar cel mult
numarabil de valori.

Daca 1 2 3 sunt valorile posibile (distincte) ale lui si 1 = ( = 1 ), 2 = ( = 2 ) 3 =

( = 3 ) sunt probabilitatile cu care variabila aleatoare ia aceste valori, reprezentam variabila aleatoare
discret
a sub forma
1 2 3
= (10)
1 2 3

Observatia 2.6 Dac a este o variabil a ce ia valorile 1 2 3 cu probabilit

a aleatoare discret atile 1 2 3 ,
atunci au loc urm
atoarele.

1. Dac
a este un interval ce nu contine nici una din valorile posibile ale variabilei aleatoare discrete , atunci

( ) = 0 (11)

2. Probabilitatea ca variabila aleatoare s

a ia valori ntr-un interval = ( ] este dat
a de
X
( ) = (12)

adic
a este egal
a cu suma probabilit
atilor corespunz
atoare valorilor posibile pentru care .
3. Suma tuturor probabilit
atilor corespunz
atoare valorilor este egal
a cu 1, adic
a
X
= 1 (13)

Motivul este urm

atorul:
X X
= ( = ) = ( {1 2 3 }) = () = 1
1 1

Dac a este o variabila aleatoare discreta, vom spune ca functia de distributie corespunzatoare este o functie
de distributie discret
a (sau ca are o distributie discreta).

Definitia 2.7 (Functie de densitate de probabilitate) Pentru o variabil a aleatoare discret

a ce ia valorile
atile 1 2 3 definim functia de probabilitate = a variabilei aleatoare
1 2 3 cu probabilit
prin
dac
a = ( = 1 2 3 )
() =
0 n rest

Cunoscand functia de probabilitate a unei variabile aleatoare (sau valorile posibile si probabilitatile respective),
putem determina functia de distributie corespunzatoare astfel:
X X
() = ( ) = (14)

Graficul unei distributii discrete este o functie n scara, cu salturi egale cu n punctele ( = 1 2 3 ), ca
n urmatoarele doua exemple.

8
 f (x)
1
6

1 2 3 4 5 6

F (x)
1
1
6

1 2 3 4 5 6

Figure 1: Graficul functiei de probabilitate () si a functiei de distributie () a variabilei aleatoare

reprezent
and rezultatul aruncarii unui zar.

Exemplul 2.8 S a consider am variabila aleatoare reprezent and rezultatul aruncarii unui zar. Atunci are ca
valori posibile 1 2 6 cu probabilit
ati 16 fiecare, si deci este o variabil
a aleatoare discret
a

1 2 3 4 5 6
= 1 1 1 1 1 1
6 6 6 6 6 6

Functia de probabilitate corespunz

atoare este
1
() = 6 daca {1 2 6}

0 n rest

iar functia de distributie corespunz

atoare este


0 dac
a 1

1

6 dac
a 12


26 dac
a 23
3
() =
6 dac
a 34

4

6 dac
a 45

5
dac
a 56

6
1 dac
a 6

De observat leg
atura ntre graficele functiei de probabilitate () si a functiei de distributie () din Figura 1.

Exemplul 2.9 S a consideram variabila aleatoare reprezent and num arul de fete stem a obtinute la aruncarea a 3
monede.
atile 18 38 38 18 , deci putem reprezenta variabila
In acest caz variabila aleatoare ia valorile 0 1 2 3 cu probabilit
aleatoare sub forma
0 1 2 3
= 1 3 3 1
8 8 8 8

Graficul functiei de probabilitate () si a functiei de distributie () este indicat n Figura 2.

Exemplul 2.10 (Problema astept arii - spatiu numarabil de evenimente ) Se arunc a n mod repetat o mo-
ned
a si se consider
a variabila aleatoare reprezentand num
arul de ncerc
ari efectuate p
ana la prima aparitie a
stemei.

9
 f (x)
3
8
1
8

0 1 2 3

F (x)
1

1
8

1 2 3

Figure 2: Graficul functiei de probabilitate () si a functiei de distributie () a variabilei aleatoare

reprezent
and numarul de steme obtinute la aruncarea a doua monede.

In acest caz variabila aleatoare poate lua valorile 1 2 3 (un num
ar infinit, num
arabil, de valori posibile),
atile ( = 1) = () = 12 , ( = 2) = () = 12 12 = 14 , ( = 3) = () = 12 12 12 = 18 ,
cu probabilit
samd. Avem deci
1 2 3
= 1 1 1
2 4 8
De observat c
a relatia (13) este verificat
a n acest caz: folosind formula seriei progresiei geometrice, obtinem:
X X 1 1 1 1 1 1
=
= + + + = 1 = 1
2 2 4 8 21 2
1 1

2.2 Variabile aleatoare continue

Variabilele aleatoare continue apar n practica atunci cand ntr-un anumit experiment masuram o anumita cantitate,
spre exemplu lungimea unui surub, voltajul ntr-un circuit electric, timpul dintre doua aterizari, etc.
Reamintim ca n general functia de distributie a unei variabile aleatoare este o functie continua la stanga n
orice punct. Daca variabila aleatoare este o variabila aleatoare discreta, ce ia valorile distincte 1 2 3
cu probabilitatile 1 2 3 , atunci functia de distributie () = ( ) corespunzatoare este o functie
n scar
a, ce are salturi egale cu n punctele de discontinuitate , = 1 2 3 . Prin contrast cu variabilele
aleatoare discrete, definim variabilele aleatoare continue, dupa cum urmeaza.

Definitia 2.11 (Variabil a aleatoare continu a si absolut continu a) Spunem ca variabila aleatoare este o
variabil a aleatoare continu a dac a functia de distributie corespunzatoare : R R este o functie continu
a pe
R.
Dac a n plus functia de distributie este absolut continu a n raport cu m
asura Lebesgue pe R, adica daca exist
a
o functie : R [0 ) integrabil a pe R astfel nc
at
Z
() = () R, (15)

a este o variabil
spunem c a aleatoare absolut continu
a.

Observatia 2.12 Variabilele aleatoare continue ce apar n practic

a sunt n general si absolut continue. Din acest
motiv, n continuare ne vom referi la variabile aleatoare continue nteleg
and prin aceasta c a ele sunt si absolut
continue.

10
Observatia 2.13 Spre deosebire de variabilele aleatoare discrete, n cazul variabilelor aleatoare continue avem

( = ) = 0 (16)

oricare ar fi R.
Motivul este urmatorul: din continuitatea m
asurii de probabilitate avem

( = ) = lim ( )
%
&
= lim ( ) ( )
%
&
= lim () ()
%
&
Z
= lim ()
%
&
Z
= ()

= 0

Din relatia (16) rezult

a c
a spre deosebire de cazul variabilelor aleatoare discrete, n cazul unei variabile aleatoare
continue urm atoarele probabilit
ati sunt egale
Z
( ) = ( ) = ( ) = ( ) = () () = () (17)

R
toate fiind egale cu () (aria de sub graficul functiei de densitate () ntre si ).
Mai general, pentru orice interval R avem
Z
( ) = () (18)

Observatia 2.14 (Leg atura ntre functia de densitate si cea de distributie) Dac a este o variabil
a aleatoare
continu
a av
and densitatea atunci relatia (15) permite calculul functiei de distributie:
Z
() = () R

Reciproc, dac a functia de densitate este o functie continu a (eventual cu exceptia unui num ar finit de puncte),
din relatia (15) rezult
a ca functia de distributie a unei variabile aleatoare continue este o functie continu a, si mai
a este o functie derivabil
mult, c a (eventual cu exceptia punctelor de discontinuitate ale functiei de densitate ()).
Derivand relatia (15) n raport cu obtinem
0 () = () (19)
pentru orice R pentru care functia () este continu a. Aceasta relatie ne permite s
a determin
am functia de
densitate () atunci c
and cunoastem functia de distributie ().

Observatia 2.15 Dac

a este o variabil
a aleatoare continu
a av
and functia de densitate (), atunci au loc
urm
atoarele.

1. Dac
a este un interval de numere reale, atunci
Z
( ) = () (20)

2. Probabilitatea ca variabila aleatoare s

a ia valori ntr-un interval = ( ] este dat
a de
Z
( ) = () () = () (21)

adic
a este egal
a cu aria de sub graficul densit
atii () ntre si (vezi Figura 3).

11
 Figure 3: Probabilitatea ( ) este egala cu aria de sub graficul densitatii () ntre si .

3. Integrala densit
atii () este egal
a cu 1, adic
a
Z
() = 1 (22)

Motivul este urm

atorul: Z
() = ( ) = () = 1


Exemplul 2.16 S a consider am variabila aleatoare continua avand functia de densitate data de () = 075 1 2
pentru [1 1] si 0 n rest. S
a se
determine functia de distributie a variabilei aleatoare si s
a se calculeze
atile 12 12 si 14 2 . Care este valoarea lui pentru care ( ) = 05?
probabilit
Folosind relatia (15) distingem urm atoarele cazuri.
i) Dac a 1, atunci Z Z

() = () = 0 = 0

ii) Dac
a 1 1 atunci
Z Z
3
() = () = 075 1 2 = 075 = 05 + 075 0253
1 3 1

iii) Dac
a 1 atunci
Z Z 1
() = () = 075 1 2 = 1
1

Am obtinut deci
0 1
() = 05 + 075 0253 1 1

1 1
Pentru a calcula probabilit
atile cerute, folosim relatia (51):
Z 1 Z 12
1 1 2
= () = 075 1 2 = 06875
2 2 12 12

Alternativ, putem folosi relatia (21), adica

1 1 1 1 075 025 075 025
= = 05 + 05 + = 06875
2 2 2 2 2 8 2 8

deoarece pentru o variabil
a aleatoare continu a avem 12 12 = 12 12 conform relatiei (17).

In mod similar, avem
Z 2 Z 1 1
1 3 81
2 = () = 075 1 2 = 075 1 = 256 03164
4 1
4
1
4
3
4

12
sau alternativ

1 1 075 025 81
2 = (2) = 1 05 + = 03164
4 4 4 64 256
Pentru a determina valoarea lui pentru care are loc egalitatea ( ) = 05, s a observam ca deoarece
3
( ) = (),
2 relat

ia dat
a se mai poate scrie sub forma
() = 05.
Obt
inem deci 05 + 075 025 = 05,
sau echivalent 3 = 0, cu solutiile 1 = 0, 2 = 3 si 3 = 3. Cum numai solutia = 0 convine (de
ce?), avem = 0.

Exercitii

Exercitiul 2.1 Desenati graficul functiei de probabilitate

2
() = 14 {1 2 3}
0 n rest

si a functiei de distributie corespunz

atoare.

Exercitiul 2.2 Consider am functia de probabilitate () = 3 pentru {0 1 2 3} si 0 n rest. S

a se determine
valoarea constantei , si s
a se reprezinte grafic functia si functia de distributie corespunz atoare.

Exercitiul 2.3 S a se reprezinte grafic functiile si n cazul (0) = (3) = 16 , (1) = (2) = 13 . Poate functia
avea alte valori nenule?

Exercitiul 2.4 Fie variabila aleatoare reprezent and num arul de ani nainte ca o anumit
a pies
a s
a se defecteze.
Presupunem c a are functia de probabilitate () = 3 pentru {0 1 2 3 4} si 0 n rest. S
a se reprezinte
grafic functia si functia de distributie corespunz
atoare.

Exercitiul 2.5 Daca variabila aleatoare are functia de probabilitate () = ! pentru N si 0 n rest, s
a se
determine valoarea constantei si probabilitatea ( 3).

Exercitiul 2.6 Sa se reprezinte grafic functia de densitate () = 14 pentru (2 6) si 0 n rest, precum si functia
de densitate corespunz atoare. S
a se determine probabilit atile ( 4) si ( 3).

Exercitiul 2.7
In exercitiul anterior, s
a se determine valoarea lui astfel nc
at:

a) ( ) = 90%
1
b) ( ) = 2

c) ( ) = 5%

Exercitiul 2.8 Functia de distributie a unei variabile aleatoare este data de () = 0 dac
a 0 si () =
1 01 dac
a 0. S a se reprezinte grafic si functia de densitate . S
a se determine valoarea lui astfel
nc
at ( ) = 95%.

Exercitiul 2.9 Fie grosimea (n milimetri) a unei garnituri produse de o anumit a masin
a. Presupunem ca
variabila aleatoare are functia de densitate () = daca 09 1 si 0 n rest. S
a se determine . Care
este probabilitatea ca o garnitur
a produs
a va avea o grosime ntre 095 si 105 mm?

Exercitiul 2.10 Dou a suruburi sunt alese la nt

amplare f
ar
a nlocuire dintr-o cutie ce contine 7 suruburi cu filet pe
dreapta si 3 suruburi cu filet pe stanga. Fie variabila aleatoare reprezent and num arul de suruburi extrase av and
filetul pe partea st
anga. S a se determine ( = 0), ( = 1), ( = 2), (1 2) si (05 5).

Exercitiul 2.11 S a se determine probabilitatea ca nici unul din cele trei becuri ale unui semafor s a nu trebuiasca
schimbat n primele h1500 ore de functiionare dac
a durata de viat
a a unui bec este o variabil a aleatoare av and
densitatea () = 6 025 ( 15)2 pentru 1 2 si 0 n rest, unde este m asurat n multiplii de 1000 ore.

Exercitiul 2.12 Dac a diametrul al unei bare este o variabil a aleatoare av and densitatea () = pentru
11199 1201 si 0 n rest, aproximativ c
ate bare vor fi defecte ntr-un lot de 500 bare, dac
a o bar
a este
considerat
a defect
a c
and diametrul ei este mai mic dec
at 11991 sau mai mare dec at 12009?

13
Exercitiul 2.13 Dac a durata de viat a a unui rulment este o variabila aleatoare cu densitatea () = 02
pentru 0 10 si 0 n rest, care este valoarea lui ? Care este probabilitatea ( 5)?

Exercitiul 2.14 Sa se determine functia de probabilitate a variabilei aleatoare reprezent

and num
arul de arunc
ari
ale unui zar p
an
a la aparitia fetei 6. S
a se verifice c
a are loc relatia (50).

Exercitiul 2.15 Presupunem ca anumite

suruburi au o lungime = 400+ mm, unde este o variabil a aleatoare
and densitatea () = 34 1 2 pentru 1 1 si 0 n rest. S
av a se determine valoarea lui astfel nc
at cu
probabilitate de 95% un surub va avea o lungime cuprins a ntre 400 si 400 + .

Exercitiul 2.16 Presupunem c a ntr-un proces automatizat de umplere a conservelor cu ulei, continutul unei con-
serve (n litri) este = 100 + , unde este o variabil a aleatoare avand densitatea () = 1 || pentru || 1 si
0 pentru || 1. S atoare.
a se reprezinte grafic si functia de distributie corespunz Intr-un lot de 1000 conserve,
aproximativ c ate conserve vor contine 100 de litri de ulei sau mai mult? Care este probabilitatea ca o conserv a sa
contin
a mai putin de 99.5 litri ulei? Dar mai putin de 99 litri ulei?

a de () = 2 dac
Exercitiul 2.17 Fie functia de densitate dat a 0 2 si 0 n rest. Sa se determine
valoarea constantei . S
a se determine constantele 1 si 2 astfel nc
at ( 1 ) = 01 si ( 2 ) = 09.

Exercitiul 2.18 Fie raportul vanz

arilor la profit pentru o anumit
a firm
a. Presupunem c
a are functia de
distributie dat
a de
0 2
() = 2 4
2 3
5
1 3
S
a se determine si sa se reprezinte grafic functia de densitate corespunz
atoare. Care este probabilitatea ca
s
a fie cuprins ntre 25 (40% profit) si 5 (20% profit)?

Exercitiul 2.19 Fie o variabil

a aleatoare ce poate lua orice valoare real
a. Care sunt complementarele eveni-
mentelor { }, { }, { }, { }, { }, { }?

Exercitiul 2.20 Ar
atati c a atunci ( ) ( ).
a dac

2.3 Caracteristici numerice ale variabilelor aleatoare: media si dispersia

Media unei variabile aleatoare , notata (), (), , , sau (), caracterizeaza tendinta centrala a val-
orilor acesteia, iar dispersia variabilei aleatoare , notata 2 (), 2 , 2 sau 2 (), caracterizeaza mprastierea
valorilor lui .
Media () a variabilei aleatoare se defineste prin
P
() = R ( ) daca este o v.a. discreta
(23)

() daca este o v.a. continua

iar dispersia 2 () a variabilei aleatoare se defineste prin

( P
( )2 ( ) daca este o v.a. discreta
2
() = R 2 (24)

( ) () daca este o v.a. continua

unde prin am notat functia de probabilitate a lui n cazul n care este o variabila aleatoare discreta, respectiv
functia de densitate a lui n cazul n care este o variabila aleatoare continua.
Abaterea
p p
atratic a medie () a variabilei aleatoare se defineste ca fiind radicalul dispersiei, adica
() = 2 ().
Media () a unei variabile aleatoare se mai numeste valoarea asteptat a / asteptarea lui , deoarece ea
este egala cu valoarea medie a lui atunci c and se efectueaza multe ncercari.
Cantitati precum () (media) sau 2 () (dispersia) care indica anumite proprietati ale distributiei n cauza
se numesc parametrii ai distributiei. Media si dispersia sunt cei mai importanti parametrii ai unei distributii.
Observ am c a n general (cu exceptia cazului unei variabile aleatoare discrete av
and o singura valoare posibila),
avem 2 () 0. In continuare vom presupune ca () si 2 () exista (si sunt finite), ca n majoritatea cazurilor
ce apar n probleme practice.

14
 f (x) F (x)
1
1
ba

a b a b

Figure 4: Graficul functiilor de densitate si de distributie n cazul distributiei uniforme pe intervalul ( ).

Exemplul 2.17 Fie variabila aleatoare reprezentand numarul de fete stem

a obtinut la aruncarea unei monede.

In acest caz variabila aleatoare este dat

a de

0 1
= 1 1
2 2

si deci obtinem media

1 1 1
() = 0 +1 =
2 2 2
si dispersia
2 2
1 1 1 1 1
2 = 0 + 1 =
2 2 2 2 4

a pe intervalul ( )) Distributia av
Exemplul 2.18 (Distributia uniform and functia de densitate
1
() = ( )
0 n rest

se numeste distributie uniform a pe intervalul ( ).

Media si dispersia sunt date n acest caz de
Z Z

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

respectiv
Z 2 Z 2 3

+ + 1 1 + ( )2
2 () = () = = =
2 3 ( ) 2 12

Figura 4 indica graficele functiei de densitate si a functiei de distributie corespunz

atoare distributiei uniforme
pe intervalul ( ).

Daca o distributie este simetrica (adica graficul functiei de probabilitate/densitate este simetruic fata de o
dreapt
a = ), atunci putem calcula media a distributiei folosind urmatoarea.

Teorema 2.19 Dac a functia (de probabilitate sau de densitate) a unei distributii este simetric
a fat
a de dreapta
= , atunci media distributiei este () = .

Demonstratie. In cazul unei distributii continue av

and densitatea , conform definitiei mediei avem:
Z Z Z
() = () = () + ()

15
 Folosind substitutia = n prima integrala, respectiv substitutia = + n a doua integrala, si faptul
ca functia este simetrica fata de dreapta = (adica ( ) = ( + )), obtinem:
Z Z
() = ( ) ( ) + ( + ) ( + )
Z0 0

= ( + + ) ( + )
0
Z
= 2 ( + )
Z0
= 2 ()

=
R R R
deoarece = 1 si deci = = 12 (functia fiind simetrica fata de = ).
Demonstratia este similara n cazul unei distributii discrete.

2.4 Transformarea mediei si dispersiei

In practic a, deseori cunoastem media () si dispersia 2 () a variabilei aleatoare , si dorim sa calculam media
si dispersia unei variabile aleatoare = + , unde R sunt constante. Raspunsul este dat de urmatoarea.

Teorema 2.20 (Transformarea mediei si dispersiei) Dac a o variabil

a aleatoare are medie () = si
dispersie 2 () = 2 , atunci media si dispersia variabilei aleatoare

= + ( 0, R)

sunt date de
( ) = + si 2 ( ) = 2 2 (25)

In particular, variabila aleatoare standardizat
a corespunz
atoare lui , dat
a de

= (26)

are medie () = 0 si dispersie 2 () = 1.

Demonstratie. Vom da demonstratia numai n cazul unei variabile aleatoare discrete.

S
a ar
at
am mai ntai ca daca densitatea variabilei aleatoare este , atunci densitatea variabilei aleatoare
este = + .
Reamintim ca densitatea a variabilei aleatoare a fost definita ca functia cu proprietatea ca
Z
() = ()

sau echivalent Z
( ) = ()

Pentru a determina densitatea a variabilei aleatoare , ncercam sa scriem probabilitatea ( ) ca o

integral
a de la la (densitatea este atunci functia care apare sub integrala).
Folosind faptul ca 0 si faptul ca este densitatea variabilei aleatoare , avem:
Z

( ) = ( + ) = = ()

Folosind substitutia = , obtinem:
Z
1
( ) =

16
si deci functia de densitate a variabilei aleatoare este

1
() =

Putem deci calcula media variabilei aleatoare conform definitiei
Z Z
1
( ) = () =


Folosind substitutia = (sau echivalent = + ), obtinem
Z
1
( ) = ( + ) ()

Z
= ( + ) ()

Z Z
= () + ()

= +
R
conform definitiei medie a lui si deoarece = 1 (functia fiind o functie de densitate).
In mod similar putem calcula dispersia variabilei aleatoare
Z
2
( ) = ( )2 ()

Z
2 1
= ( )

Z
2 1
= ( + ) ()

Z
= 2 ( )2 ()

= 2 2

conform definitiei dispersie 2 () = 2 a lui .

Pentru a demonstra ultima parte a demonstratiei, consider and = 1 si = n demonstratia anterioara,
a variabila aleatoare standardizata = 1 =
obtinem c are medie
1
() = =0

si dispersie
2
1
2 () = 2 = 1

nchei
and demonstratia.

2.5 Medie si momente

Media (sau asteptarea) a unei variabile aleatoare reprezinta valoarea medie asteptata a lui , si se mai noteaza
() sau (). Mai general, daca : R R este o functie continua, atunci () este de asemenea o variabila
aleatoare. Media (sau asteptarea) ( ()) reprezinta valoarea medie asteptata a variabilei () si se defineste
n mod similar formulei (23) prin
P
( ()) = R ( ) ( ) daca este o v.a. discreta
(27)

() () daca este o v.a. continua

unde reprezinta functia de probabilitate a lui (n cazul unei variabile discrete) sau functia de densitate a lui
(n cazul unei variabile aleatoare continue).

17
 In cazul particular al alegerii functiei () = se obtine momentul de ordin al variabilei aleatoare
Z
X
= ( ) sau () (28)

iar n cazul alegerii functiei () = ( ) se obtine momentul centrat de ordin al variabilei aleatoare
X Z

( ) = ( ) ( ) sau ( ) () (29)

Observ
am ca momentul de ordin 1 ( = 1 n formula (28)) coincide cu media a variabilei aleatoare
= ()
a momentul centrat de ordin 2 ( = 2 n formula (29)) coincide cu dispersia 2 a variabilei aleatoare
si c

2 = ( )2 .

Exercitii
Sa se determine media si dispersia variabilei aleatoare n urmatoarele cazuri ( reprezinta functia de proba-
bilitate sau de densitate a variabilei aleatoare ).
Exercitiul 2.21 () = 3 , {0 1 2 3} si 0 n rest.
Exercitiul 2.22 reprezint
a rezultatul arunc
arii unui zar.
Exercitiul 2.23 () = 2 pentru 0 1 si 0 n rest.
Exercitiul 2.24 () = pentru 0 si 0 n rest.
Exercitiul 2.25 = 4 2, unde este variabila aleatoare din anterior.
Exercitiul 2.26 este variabila aleatoare uniform
a pe [0 10].
Exercitiul 2.27 Dac a diametrul (n centimetri) al unor suruburi are densitatea () = ( 09) (11 )
a se determine si 2 . S
pentru 09 11 si 0 n rest, s a se reprezinte grafic densitatea .
Exercitiul 2.28 Daca n exercitiul anterior un surub este considerat defect atunci c
and diametrul s
au difer
a cu
mai mult de 006 cm fat
a de 1 cm, care este probabilitatea ca un surub sa fie defect?
Exercitiul 2.29 In exercitiul anterior, care este valoarea maxim
a posibil
a a deviatiei fat
a de 1 cm pentru care
probabilitatea ca un surub sa fie defect este de 10%?
Exercitiul 2.30 Care este valoarea asteptat a a sumei la aruncarea de 20 de ori a unui zar? Comparati valoarea
obtinut
a cu valoarea experimental
a (efectuati experimentul de un numar de ori si nregistrati valorile obtinute).
Exercitiul 2.31 O statie de benzin a este alimentata n fiecare S
ambat
a. Presupunem c a volumul de benzin a
v
andut a (n zeci de mii de litri) este o variabil
a aleatoare av and densitatea () = 6 (1 ) pentru 0 1 si
0 n rest. Sa se determine media, dispersia si variabila aleatoare standardizat a corespunzatoare lui .
Exercitiul 2.32 Ce capacitate trebuie sa aib
a rezervorul din problema anterioar
a, dac
a probabilitatea ca rezervorul
s
a fie golit ntr-o anumit
a s
apt
am
an
a este de 5%?
Exercitiul 2.33 Dac a a unor cauciucuri (n mii de kilometri) are densitatea () = pentru
a durata de viat
0 si 0 n rest, ce kilometraj sunteti asteptat s
a obtineti cu acest tip de cauciucuri? Pentru = 005, determinati
probabilitatea ca un cauciuc va avea o durat a de viat
a mai de cel putin 30000 km.
Exercitiul 2.34 La aruncarea unui zar, o persoan a c
astig
a at
atia lei c
ati indic
a zarul. C
at ar trebui s
a pl
ateasc
a
persoana pentru un joc, pentru ca jocul s
a fie cinstit (echitabil)?
Exercitiul 2.35 Care este valoarea asteptat a a profitului zilnic al unui magazin care vinde curcani pe zi cu
probabilit
atile (5) = 01, (6) = 03, (7) = 04 si (8) = 02, dac
a profitul pentru un curcan v
andut este de 35
lei?

18