Documente Academic
Documente Profesional
Documente Cultură
Variabile aleatoare
Variabila aleatoare este una din notiunile fundamentale ale teoriei probabilitatilor si a statis-
ticii matematice. In cadrul unei cercetari experimentale se constata ca ntre valorile numerice
masurate exista diferente chiar daca raman neschimbate conditiile de desfasurare ale experimen-
tului. Daca ne referim la o singura masuratoare, variabila aleatoare este acea marime care n
cadrul unui experiment poate lua o valoare necunoscuta aprioric. Pentru un sir de masuratori,
variabila aleatoare este o notiune care-l caracterizeaza din doua puncte de vedere:
O variabila aleatoare ce poate lua valori ntr-o multime finita sau numarabila (adica o multime
cel mult numarabila) se numeste variabia aleatoare discreta. O variabila aleatoare ce poate lua
orice valoare dintr-un interval real, marginit sau nu, se numeste variabila aleatoare continua.
Pe scurt, vom scrie v.a. discreta sau v.a. continua. Variabilele aleatoare vor fi notate cu litere
mari latine, eventual indiciate jos: X, Y , Z, . . . sau X1 , X2 , . . ., Xn .
In cazul variabilelor aleatoare, discrete sau continue, nu sunt neaparat interesante si utile
valorile pe care acestea le pot lua, cat mai ales probabilitatile cu care ele iau aceste valori.
1
1 Variabile aleatoare discrete
Daca consideram un experiment aleator n cadrul caruia urmarim o caracteristica X care poate
avea exact n realizari distincte, cuantificate numeric n numerele reale x1 , x2 , . . ., xn , atunci
X poate fi considerata ca o v.a. discreta care ia aceste valori xi , i = 1, n, cu probabilitatile
pi , i = 1, n. Evenimentul Ei = (X = xi ) se citeste evenimentul ca X sa ia valorea xi . Mai
precis, pi = P (X = xi ), i = 1, n, unde Ei = (X = xi ), i = 1, n, sunt evenimentele elementare
Sn
ale experimentului, care formeaza o partitie a evenimentului sigur . Adica = Ei si
i=1
Ei , i = 1, n, sunt incompatibile sau mutual exclusive (producerea unuia exclude producerea
celorlalte). Prin urmare
p 1 + p2 + + pn = 1 .
Tabloul (matricea cu doua linii si n coloane) care nregistreaza pe prima linie valorile variabilei
X si pe a doua linie probabilitatile asociate va fi notat, de asemenea, cu X:
X n
x1 x2 xn
(1.1) X= , pi = 1
p1 p2 pn
i=1
Pentru o variabila aleatoare discreta cu o multime numarabila de valori (xi )iI vom nota:
X
xi
(1.2) X= , pi = 1 .
pi
iI
Riguros matematic, o variabila aleatoare discreta asociata unui experiment aleator ce are eveni-
mentul sigur si familia evenimentelor care se pot produce n acest experiment este corpul sau
campul (eventual borelian) de evenimente K, se defineste astfel:
Definitia 1.1. Fie (, K, P ) un camp de probabilitate asociat unui experiment aleator.
O variabila aleatoare discreta X asociata acestui experiment este o functie X : 7 R, care ia
valorile xi R, i I, cu I multime cel mult numarabila, astfel ncat
(X = xi ) = { |X() = xi } K, oricare ar fi i I.
2
Exemplul 1. Se poate verifica imediat ca funtia p : R 7 R definita prin
1
10
(5 x) daca x {1, 2, 3, 4}
p(x) =
0 n rest
Exemplul 2. Fie X variabila aleatoare care indica numarul de case (sau apartamente) aflate
n proprietatea locuitorilor din Romania, avand distributia de probabilitate (limitandune la
sase case):
0 1 2 3 4 5 6
X=
0, 06 0, 6 0, 3 0, 02 0, 01 0, 00999 0, 00001
Sa se calculeze probabilitatea ca un locuitor selectat la ntamplare sa aiba cel mult doua case.
Dar sa aiba cel putin patru case?
Rezolvare:
Evenimentele ale caror probabilitati se cer sunt: (X 2) = (X = 0) (X = 1) (X = 2) si
(X 4) = (X = 4) (X = 5) (X = 6). Prin urmare P (X 2) = P (X = 0) + P (X =
1) + P (X = 2) = 0, 06 + 0, 6 + 0, 3 = 0, 906 si P (X 4) = P (X = 4) + P (X = 5) + P (X =
6) = 0, 01 + 0, 00999 + 0, 00001 = 0, 02.
3
x1 x2 xn P
Daca X = , atunci este clar ca FX (x) = pi sau
p1 p2 pn i|xi x
0 daca x < x1
p1 daca x1 x < x2
x2 x < x3
p1 + p2 daca
..
.
FX (x) =
p1 + p2 + + pk daca xk x < xk+1
..
.
p1 + p2 + + pn1 daca xn1 x < xn
1 daca x xn
Graficul functiei de repartitie FX arata ca este o functie n scara, crescatoare, care pleaca de la
valoarea 0 si ajunge pana la 1, fiind continua doar la dreapta n punctele xi , i = 1, n.
Functia de repartitie asociata v.a. X se noteaza mai simplu F , atunci cand nu exista pericol
de confuzie. Functia de repartitie F are o importanta deosebita mai ales pentru v.a. continue,
iar proprietatile ei vor fi prezentate n sectiunea urmatoare.
Daca consideram functia : R 7 R, (x) = x2 , atunci v.a. (X) = X 2ia valorile {0, 1, 9, 25}.
Intrucat P (X 2 = y) = P (X 1 (yj )) = P (X = y) (X = y) , rezulta ca distributia
de probabilitate a v.a. X 2 este:
0 1 3 5
X= 1 1 1 1
12 2 6 4
4
Fie X, Y doua v.a. discrete care au multimile de valori D1 = {x1 , . . . , xm }, respectiv D2 =
{y1 , . . . , yn }. Daca h : D1 D2 7 R este o functie, atunci Z = h(X, Y ) este o v.a. discreta
ce ia valorile zij = h(xi , yj ), i = 1, m, j = 1, n. Mai mult, P (Z = zij ) = P ((X, Y ) h1 zij ),
pentru orice i = 1, m, j = 1, n, unde h1 zij = {(x, y) D1 D2 |h(x, y) = zij }.
Exemplul 4. Un dealer auto vinde 0, 1 sau 2 automobile vinerea si 0 sau 1 automobile sambata.
Notam cu X, respectiv Y variabilele aleatoare
discrete cedau numarul
de automobile
vandute
0 1 2 0 1
vinerea, respectiv sambata. Daca X = si X = , atunci prob-
0, 2 0, 5 0, 3 0, 5 0, 5
abilitatea ca n cele doua zile dealerul sa vanda 2 masini este P (X + Y = 2) = P (X = 1, Y =
1) + P (X = 2, Y = 0) = P (X = 1) P (Y = 1) + P (X = 2) P (Y = 0), daca v.a. X, Y sunt
independente. In caz contrar, vom folosi tabloul vectorului aleator (X, Y ) din subsectiunea 1.3.
Prin medie (sau valoare medie sau speranta matematica) a v.a. X ntelegem numarul real, notat
cu M (X) sau m,
n
X
(1.5) M (X) = xi p i
i=1
Pentru o v.a. discreta X care ia o multime numarabila de valori xi , i I, prin medie ntelegem
xi pi , daca aceasta serie este absolut convergenta. Daca I = N , atunci media
P
suma seriei
iI
v.a. este:
X
(1.6) M (X) = xi p i .
i=1
P
Daca seria xi pi nu este absolut convergenta, atunci v.a. X nu are valoare medie.
iI
5
k
Exemplul 5. Fie variabila aleatoare X = a , k 1, unde a R este dat astfel ca
k2
a
k ka2 este divergenta, deoarece are aceeasi
P P
k2
= 1. Atunci X nu are medie pentru ca seria
k=1 k=1
1
P
natura ca si seria armonica k
.
k=1
n
Prin urmare, media v.a. X 2 este M (X 2 ) = x2i pi . Pentru orice k 1, media v.a. X k este
P
i=1
n
X
(1.8) M (X k ) = xki pi
i=1
si media ei M (X) este egala chiar cu a. Acesta v.a. se numeste v.a. constanta si se noteaza cu
a.
6
si avand media M (X) = m. Evident (X m)2 este o v.a. discreta definita de functia h(x, y) =
(x y)2 , adica (X m)2 = h(X, m) si ia valorile (xi m)2 cu probabilitatile pi , i = 1, n.
Abaterea standard (X) reprezinta marimea deviatiei dintre valoarea observata a variabilei
aleatoare X si valoarea sperata (media). Evident ca o v.a. constanta X = a are dispersia si
abaterea standard egale cu zero, 2 (X) = 0.
Media si dispersia (sau abaterea standard) ofera informatii esentiale si sumarizate relativ la
distributia de probabilitate a unei variabile aleatoare discrete (si continue) X.
7
Inainte de a prezenta proprietatile de baza ale mediei si dispersiei unei v.a. discrete, vom
prezenta o relatie ntre aceste doua caracteristici numerice, relatie a carei demonstratie (pentru
cazul v.a. discrete) o lasam ca exercitiu. Relatia ramane valabila si pentru v.a. continue!
Toate aceste proprietati raman valabile si pentru variabile aleatoare continue si vom reveni
asupra lor n sectiunile urmatoare.
Probabil cel mai simplu tip de variabila aleatoare discreta, variabila aleatoare Bernoulli mode-
leaza efectuarea unui experiment n care poate apare unul din doua rezultate posibile, numite
succes, respectiv insucces. Spre exemplu, aruncarea unei monede poate fi modelata printr-o
variabila aleatoare Bernoulli (convenim spre exemplu ca obtinerea stemei este succes).
Atribuind succesului valoarea 1 (cu probabilitatea p (0, 1)) si insuccesului valoarea 0 (cu
probabilitate q = 1 p), reprezentam variabila aleatoare Bernoulli cu parametrul p (probabili-
tatea obtinerii succesului) sub forma
0 1
X= .
1p p
M (f ) = 0 (1 p) + 1 p = p,
si
D(f ) = (0 p)2 (1 p) + (1 p)2 p = p(1 p).
8
2.2 Distributia uniforma
si
n 2
X n+1 1
D(f ) = i =
i=1
2 n
n n n
!
1 X
2
X X (n + 1)2
= i i(n + 1) + =
n i=1 i=1 i=1
4
(n + 1)2
1 n(n + 1)(2n + 1) n(n + 1)
= (n + 1) +n =
n 6 2 4
n2 1
= .
12
Acest tip de distributie (variabila aleatoare) apare atunci cand numaram succesele obtinute n
repetarea de un anumit numar de ori a unui experiment, spre exemplu: t
n jocurile de noroc (numarul de aparitii a stemei la aruncarea unui ban, numar de aparitii
a unei anumite fete la aruncarea unui zar, etc);
In toate aceste situatii suntem interesati de numarul total de aparitii a unui anumit eveniment
A n n ncercari independente, n fiecare din acestea probabilitatea de aparitie a evenimentului
A fiind p(A) = p. Daca ntr-o anumita ncercare evenimentul A nu apare, atunci nseamna ca
a aparut evenimentul contrar lui A (adica A), cu probabilitate p(A) = 1 p := q.
9
Evenimentul A se numeste succes (chiar daca aceasta nseamna spre exemplu ca o piesa aleasa
dintr-un lot are defectiuni, ca un anumit autobuz a ntarziat, etc), iar evenimentul contrar A
se numeste insucces.
Este usor de observat ca valorile posibile ale lui X sunt 0, 1, .., n, si deci variabila aleatoare
binomiala cu parametrii n si p este de forma
0 1 2 ... n
X= .
p0 p1 p2 ... pn
Cum cele n ncercari sunt independente, putem calcula probabilitatea de aparitie de k ori a
evenimentului A urmata de aparitia de n k ori a evenimentului A astfel:
Aceasta este nsa numai una din posibilele moduri de aparitie k ori a evenimentui A si de n k
ori a evenimentului A. Cum numarul total de arancari distincte a k de A si n k de A este
egal cu
n!
= Cnk ,
k!(n k)!
obtinem ca probabilitatea p(X = k) de aparitie de k ori a evenimentului A n n ncercari este
p(X = k) = Cnk pk q nk .
10
2 2 3 4
1 5 1 5 1
= C42 3
+ C4 4
+ C4 =
6 6 6 6 6
171
= 0.132.
1296
Propozitia 2.1. Media si dispersia variabilei aleatoare binomiale cu parametrii n si p sunt
Pentru a determina dispersia variabilei aleatoare X se procedeaza n mod similar (se deriveaza
nca o data formula (2.1) n raport cu b si se nmulteste cu b).
Distributia Poisson cu parametrul > 0 este distributia variabilei aleatoare discrete X avand
functia de probabilitate
0 1 2 ... n ...
X= 0 1 2 n .
e 0! e 1! e 2! ... e n! ...
11
Propozitia 2.2. Media si dispersia distributiei Poisson cu parametrul > 0 sunt
M (X) = si D(X) = .
x x2 x3
ex = 1 + + + + ..., x R.
1! 2! 3!
Din relatia de mai sus si definitia mediei obtinem
0 1 2 3
M (x) = 0 e + 1 e + 2 e + 3 e + ....
0! 1! 2! 3!
1 2 3
= e 1+ + + + ... = e e = .
1! 2! 3!
In mod similar se poate obtine formula pentru dispersie.
Exercitiul 2. Daca probabilitatea producerii unui surub defect este p = 0.01, care este proba-
bilitatea ca un lot de 100 suruburi sa contina mai mult de doua suruburi defecte?
Considerand gasirea unui surub defect n lot ca fiind un succes, probabilitatea ceruta este data
de distributia binomiala X cu parametrii n = 100 si p = 0.01.
10 11 12
p(X > 2) 1 e1 e1 e1
0! 1! 2!
5
=1
2e
0.0803.
Observam ca rezultatul obtinut prin aproximarea variabilei aleatoare binomiale prin variabila
aleatoare Poisson este foarte bun (valoarea exacta a probabilitatii este 0.0794, iar valoarea aprox-
imativa este 0.0803).
12
Exercitiul 3. In medie, ntr-o anumit a parcare intra 2 masini pe minut. Care este probabili-
tatea ca ntr-un minut 4 sau mai multe masini sa intre n parcare?
Sa consideram X variabila aleatoare reprezentand numarul de masini care intra n lot ntr-
un minut. Pentru a ntelege ca X are aproximativ o distributie Poisson, consideram minutul
mpartit n n subintervale de timp (spre exemplu secunde, n = 60) si fie p probabilitatea ca
o masina sa intre n parcare ntr-un astfel de subinterval de timp (presupunem ca aceasta
probabilitate este aceeasi pentru fiecare subinterval, si ca sosirile n subintervale diferite sunt
independente unel de altele).
Variabila aleatoare X (numarul de masini ce intra ntr-un minut n parcare) este deci o vari-
abila aleatoare binomiala cu parametrii n si p, si cum n este mare si p este mic, putem arpoxima
variabila aleatoare binomiala X printr-o variabila aleatoare Poisson cu medie = np = 2.
Spre exemplu, numarul de aruncari ale monedei (un experiment Bernoulli cu parametrul p = 12 )
pana la prima aparitie a stemei este o variabila aleatoare geometrica cu parametrul p = 12 .
Similar, numarul de aruncari ale zarului pana la prima aparitie a fetei 6 este o variabila aleatoare
geometrica cu parametrul p = 61 .
13
unde pi = p(1 p)i1 , i = 1, 2, ...
(1 p)n+k1 p
=
1 ni=1 (1 p)i1 p
P
(1 p)n+k1 p
= n
1 p 1(1p)
1(1p)
(1 p)n+k1 p
=
(1 p)n
= (1 p)k1 p
= p(X = k).
Reciproc, considerand n = 1 in relatia (2.2), avem
Notand cu p = p(X = 1) (0, 1), prin inductie dupa k = 1, 2, ... se poate demonstra ca
p(X = k) = (1 p)k1 p, k N si deci este o variabila aleatoare geometrica cu parametrul p.
14
O generalizare a variabilei aleatoare geometrice este variabila binomiala negativa cu parametrii
k N si p (0, 1), ce reprezinta numarul de ncercari efectuate ntr-un sir de experimente
Bernoulli cu parametrul p pana la obtinerea a k 1 succcese. Numele de negativa provine
din faptul ca daca la variabila aleatoare binomiala numarul de ncercari n era fixat si numarul
k de succese era aleator, la variabila aleatoare binomiala negativa, numarul de succese k este
fixat si numarul de ncercari n este aleator. Variabila aleatoare binomiala negativa este deci
ntr-un anumit sens opusa/negativa variabilei aleatoare binomiale.
X = X1 + X2 + ... + Xk ,
Sa consideram problema extragerii repetate dintr-o cutie ce contine N obiecte, din care M sunt
defecte.
Daca extragerile se fac cu nlocuire (obiectul extras este pus napoi n cutie nainte de ex-
tragerea urmatoare), atunci numarul de obiecte defecte extrase n n extrageri este o variabila
aleatoare binomiala cu parametrii n si p = M N
(probabilitatea extragerii unui obiect defect), si
deci n acest caz functia de probabilitate este
!
0 1 ... k ... n
X= n n1 k nk n .
Cn0 1 M Cn1 M 1 M ... Cnk M 1 M ... Cnn M
N N N N N N
15
Daca extragerile se fac fara nlocuire, atunci probabilitatea extragerii unui obiect defect nu
mai este aceeasi n cele n extrageri, si deci n acest caz numarul de obiecte defecte extrase nu
mai este o variabila aleatoare binomiala.
Daca extragerea se face fara nlocuire, atunci X are o distributie cu parametrii N = 10, M = 3
si n = 2. Functia de probabilitate este n acest caz
!
0 1 2
X= C30 C72 C31 C71 C32 C70 .
2
C10 2
C10 2
C10
16
2.7 Exercitii propuse spre rezolvare
Exercitiul 5. Daca probabilitatea de a nimeri o tinta este de 25% si se trag simultan 4 focuri,
care este probabilitatea ca tinta sa fie nimerita cel putin o data?
17