2 Variabile aleatoare

În practică, variabilele aleatoare apar ca funcţii ce depind de rezultatul efectuării unui anumit experiment. Spre
exemplu, la aruncarea a două zaruri, suma numerelor obţinute este o variabilă aleatoare. În general, ı̂n experimente
ı̂n care numărăm (maşini aflate pe şosea, aruncări ale unui zar până la obţinerea unui şase, piese defecte, etc)
variabilele aleatore obţinute sunt variabile aleatore discrete, iar ı̂n experimentele ı̂n care măsurăm (voltajul elec-
tric, cantitatea de apă de ploaie, duritatea unui anumit material, etc), variabilele aleatoare obţinute sunt variabile
aleatoare continue.
Definiţia matematică precisă este următoarea.

Definiţia 2.1 (Variabilă aleatoare) O variabilă aleatoare reală pe spaţiul de probabilitate (Ω F  ) este o funcţie
 : Ω → R măsurabilă ı̂n raport cu -algebrele corespunzătoare (F pe Ω, respectiv -algebra Boreliană B pe R),
adică cu proprietatea că
 −1 () = { ∈ Ω :  () ∈ } ∈ F
pentru orice mulţime Boreliană  ∈ B.

Pentru a calcula diverse caracteristice numerice asociate variabilei aleatoare , introducem funcţia de distribuţie
corespunzătoare, după cum urmează.

Definiţia 2.2 (Funcţia de distribuţie) Funcţia de distribuţie a unei variabile aleatoare este funcţia  =  :
R → R definită prin
 () =  ( ≤ )   ∈ R (8)

Observaţia 2.3 Folosind funcţia de distribuţie a variabilei aleatoare  putem spre exemplu determina probabili-
tatea ca variabila  să ia valori ı̂ntr-un anumit interval ( ]:

 ( ∈ ( ]) =  (   ≤ ) =  () −  ()  (9)

Această egalitate are loc deoarece evenimentele { ≤ } şi {   ≤ } sunt disjuncte, şi verifică { ≤ } ∪
{   ≤ } = { ≤ }, şi deci din Definiţia 1.6 a probabilităţii obţinem

 () =  ( ≤ )
=  ( ≤ ) +  (   ≤ )
=  () +  (   ≤ ) 

de unde prin scăderea lui  () se obţine relaţia (9).

Are loc următoarea.

Propoziţia 2.4 (De caracterizare a funcţiei de distribuţie) Funcţia de distribuţie  : R → R a unei vari-
abile aleatoare are următoarele proprietăţi.

1. Este nedescrescătoare, adică  () ≤  () oricare ar fi   ∈ R cu   .

2. lim→−∞  () = 0 şi lim→∞  () = 1.
3. Este continuă la dreapta ı̂n orice punct, adică lim&0  () =  (0 ).
4. Dacă  (0 −) = lim%0  (), atunci  (0 −) =  (  0 ).
5.  ( = 0 ) =  (0 ) −  (0 −) 

Reciproc, se poate arăta că dacă o funcţie  : R → R verifică proprietăţile 1) - 3) de mai sus, atunci există o
variabilă aleatoare (pe un anumit spaţiu de probabilitate) având  ca funcţie de distribuţie.

Demonstraţie. Implicaţia directă - exerciţiu.

Pentru ultima parte, se demonstrează se consideră spre exemplu spaţiul de probabilitate (Ω F  ) cu Ω = (0 1),
F = B∩ (0 1) -algebra mulţimilor Boreliene pe (0 1) şi  =  - măsura Lebesgue, şi se arată că variabila aleatoare
 : Ω → R dată de
 () = sup { ∈ R :  ()  }   ∈ Ω

7
are proprietăţile cerute. Pentru aceasta se demonstrează mai ı̂ntâi că

{ ∈ Ω :  () ≤ } = { ∈ Ω :  ≤  ()} 

de unde rezultă imediat (deoarece  =  este măsura Lebesgue pe intervalul (0 1))

 ({ ∈ Ω :  () ≤ }) =  ({ ∈ Ω :  ≤  ()}) =  ((0  ()]) =  ((0  ()]) =  () 

ceea ce arată că  este funcţia de distribuţie a variabilei aleatoare .

2.1 Variabile aleatoare discrete

Definiţia 2.5 O variabilă aleatoare  : Ω → R se numeşte discretă dacă ea poate lua numai un număr cel mult
numărabil de valori.

Dacă 1  2  3     sunt valorile posibile (distincte) ale lui  şi 1 =  ( = 1 ), 2 =  ( = 2 )  3 =

 ( = 3 )     sunt probabilităţile cu care variabila aleatoare  ia aceste valori, reprezentăm variabila aleatoare
discretă  sub forma µ ¶
1 2 3   
=  (10)
1 2 3   

Observaţia 2.6 Dacă  este o variabilă aleatoare discretă ce ia valorile 1  2  3     cu probabilităţile 1  2  3    ,

atunci au loc următoarele.

1. Dacă  este un interval ce nu conţine nici una din valorile posibile ale variabilei aleatoare discrete , atunci

 ( ∈ ) = 0 (11)

2. Probabilitatea ca variabila aleatoare  să ia valori ı̂ntr-un interval  = ( ] este dată de
X
 (   ≤ ) =   (12)
 ≤

adică este egală cu suma probabilităţilor  corespunzătoare valorilor posibile  pentru care    ≤ .
3. Suma tuturor probabilităţilor  corespunzătoare valorilor  este egală cu 1, adică
X
 = 1 (13)


Motivul este următorul:

X X
 =  ( =  ) =  ( ∈ {1  2  3    }) =  (Ω) = 1
≥1 ≥1

Dacă  este o variabilă aleatoare discretă, vom spune că funcţia de distribuţie corespunzătoare este o funcţie
de distribuţie discretă (sau că  are o distribuţie discretă).

Definiţia 2.7 (Funcţie de densitate de probabilitate) Pentru o variabilă aleatoare discretă  ce ia valorile
1  2  3     cu probabilităţile 1  2  3      definim funcţia de probabilitate  =  a variabilei aleatoare 
prin ½
  dacă  =  ( = 1 2 3   )
 () = 
0 ı̂n rest

Cunoscând funcţia de probabilitate a unei variabile aleatoare (sau valorile posibile şi probabilităţile respective),
putem determina funcţia de distribuţie corespunzătoare astfel:
X X
 () =  ( ) =   (14)
 ≤  ≤

Graficul unei distribuţii discrete este o funcţie ı̂n scară, cu salturi egale cu  ı̂n punctele  ( = 1 2 3   ), ca
ı̂n următoarele două 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 funcţiei de probabilitate  () şi a funcţiei de distribuţie  () a variabilei aleatoare 
reprezentând rezultatul aruncării unui zar.

Exemplul 2.8 Să considerăm variabila aleatoare  reprezentând rezultatul aruncării unui zar. Atunci  are ca
valori posibile 1 2     6 cu probabilităţi 16 fiecare, şi deci  este o variabilă aleatoare discretă
µ ¶
1 2 3 4 5 6
= 1 1 1 1 1 1 
6 6 6 6 6 6

Funcţia de probabilitate corespunzătoare este

½ 1
 () = 6 dacă  ∈ {1 2     6}

0 ı̂n rest

iar funcţia de distribuţie corespunzătoare este

⎧
⎪
⎪ 0 dacă 1
⎪
⎪ 1
⎪
⎪ 6 dacă 1≤2
⎪
⎪
⎨ 26  dacă 2≤3
3
 () =
⎪ 6 dacă 3≤4 
⎪
⎪ 4
⎪
⎪ 6 dacă 4≤5
⎪
⎪ 5
 dacă 5≤6
⎪
⎩ 6
1 dacă 6≤

De observat legătura ı̂ntre graficele funcţiei de probabilitate  () şi a funcţiei de distribuţie  () din Figura 1.

Exemplul 2.9 Să considerăm variabila aleatoare  reprezentând numărul de feţe stemă obţinute la aruncarea a 3
monede.
În acest caz variabila aleatoare  ia valorile 0 1 2 3 cu probabilităţile 18  38  38  18 , deci putem reprezenta variabila
aleatoare sub forma µ ¶
0 1 2 3
= 1 3 3 1 
8 8 8 8

Graficul funcţiei de probabilitate  () şi a funcţiei de distribuţie  () este indicat ı̂n Figura 2.

Exemplul 2.10 (Problema aşteptării - spaţiu numărabil de evenimente ) Se aruncă ı̂n mod repetat o mo-
nedă şi se consideră variabila aleatoare  reprezentând numărul de ı̂ncercări efectuate până la prima apariţie a
stemei.

9
 f (x)
3
8
1
8

0 1 2 3

F (x)
1

1
8

1 2 3

Figure 2: Graficul funcţiei de probabilitate  () şi a funcţiei de distribuţie  () a variabilei aleatoare 
reprezentând numărul de steme obţinute la aruncarea a două monede.

În acest caz variabila aleatoare  poate lua valorile 1 2 3    (un număr infinit, numărabil, de valori posibile),
cu probabilităţile  ( = 1) =  () = 12 ,  ( = 2) =  () = 12 · 12 = 14 ,  ( = 3) =  () = 12 · 12 · 12 = 18 ,
şamd. Avem deci µ ¶
1 2 3 
= 1 1 1 
2 4 8 
De observat că relaţia (13) este verificată ı̂n acest caz: folosind formula seriei progresiei geometrice, obţinem:
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 ı̂n practică atunci când ı̂ntr-un anumit experiment măsurăm o anumită cantitate,
spre exemplu lungimea unui şurub, voltajul ı̂ntr-un circuit electric, timpul dintre două aterizări, etc.
Reamintim că ı̂n general funcţia de distribuţie a unei variabile aleatoare este o funcţie continuă la stânga ı̂n
orice punct. Dacă variabila aleatoare  este o variabilă aleatoare discretă, ce ia valorile distincte 1  2  3    
cu probabilităţile 1  2  3    , atunci funcţia de distribuţie  () =  ( ≤ ) corespunzătoare este o funcţie
ı̂n scară, ce are salturi egale cu  ı̂n punctele de discontinuitate  ,  = 1 2 3   . Prin contrast cu variabilele
aleatoare discrete, definim variabilele aleatoare continue, după cum urmează.

Definiţia 2.11 (Variabilă aleatoare continuă şi absolut continuă) Spunem că variabila aleatoare  este o
variabilă aleatoare continuă dacă funcţia de distribuţie corespunzătoare  : R → R este o funcţie continuă pe
R.
Dacă ı̂n plus funcţia de distribuţie este absolut continuă ı̂n raport cu măsura Lebesgue pe R, adică dacă există
o funcţie  : R → [0 ∞) integrabilă pe R astfel ı̂ncât
Z 
 () =  ()   ∈ R, (15)
−∞

spunem că  este o variabilă aleatoare absolut continuă.

Observaţia 2.12 Variabilele aleatoare continue ce apar ı̂n practică sunt ı̂n general şi absolut continue. Din acest
motiv, ı̂n continuare ne vom referi la variabile aleatoare continue ı̂nţelegând prin aceasta că ele sunt şi absolut
continue.

10
Observaţia 2.13 Spre deosebire de variabilele aleatoare discrete, ı̂n cazul variabilelor aleatoare continue avem

 ( = ) = 0 (16)

oricare ar fi  ∈ R.
Motivul este următorul: din continuitatea măsurii de probabilitate avem

 ( = ) = lim  (   ≤ )
%
&
= lim  ( ≤ ) −  ( ≤ )
%
&
= lim  () −  ()
%
&
Z 
= lim  () 
% 
&
Z 
=  () 

= 0

Din relaţia (16) rezultă că spre deosebire de cazul variabilelor aleatoare discrete, ı̂n cazul unei variabile aleatoare
 continue următoarele probabilităţi sunt egale
Z 
 (    ) =  ( ≤   ) =  ( ≤  ≤ ) =  (   ≤ ) =  () −  () =  ()  (17)

R
toate fiind egale cu   ()  (aria de sub graficul funcţiei de densitate  () ı̂ntre  şi ).
Mai general, pentru orice interval  ⊂ R avem
Z
 ( ∈ ) =  ()  (18)


Observaţia 2.14 (Legătura ı̂ntre funcţia de densitate şi cea de distribuţie) Dacă  este o variabilă aleatoare
continuă având densitatea  atunci relaţia (15) permite calculul funcţiei de distribuţie:
Z 
 () =  ()   ∈ R
−∞

Reciproc, dacă funcţia de densitate  este o funcţie continuă (eventual cu excepţia unui număr finit de puncte),
din relaţia (15) rezultă că funcţia de distribuţie a unei variabile aleatoare continue este o funcţie continuă, şi mai
mult, că este o funcţie derivabilă (eventual cu excepţia punctelor de discontinuitate ale funcţiei de densitate  ()).
Derivând relaţia (15) ı̂n raport cu  obţinem
 0 () =  () (19)
pentru orice  ∈ R pentru care funcţia  () este continuă. Această relaţie ne permite să determinăm funcţia de
densitate  () atunci când cunoaştem funcţia de distribuţie  ().

Observaţia 2.15 Dacă  este o variabilă aleatoare continuă având funcţia de densitate  (), atunci au loc
următoarele.

1. Dacă  este un interval de numere reale, atunci

Z
 ( ∈ ) =  ()  (20)


2. Probabilitatea ca variabila aleatoare  să ia valori ı̂ntr-un interval  = ( ] este dată de
Z 
 (   ≤ ) =  () −  () =  ()  (21)


adică este egală cu aria de sub graficul densităţii  () ı̂ntre  şi  (vezi Figura 3).

11
 Figure 3: Probabilitatea  (   ≤ ) este egală cu aria de sub graficul densităţii  () ı̂ntre  şi .

3. Integrala densităţii  () este egală cu 1, adică

Z ∞
 ()  = 1 (22)
−∞

Motivul este următorul: Z ∞

 ()  =  (−∞    ∞) =  (Ω) = 1
−∞
¡ ¢
Exemplul 2.16 Să considerăm variabila aleatoare continuă  având funcţia de densitate dată de  () = 075 1 − 2
pentru  ∈ [−1 ¡1] şi 0 ı̂n rest.¢ Să se
¡ determine¢ funcţia de distribuţie a variabilei aleatoare  şi să se calculeze
probabilităţile  − 12 ≤  ≤ 12 şi  14 ≤  ≤ 2 . Care este valoarea lui  pentru care  ( ≤ ) = 05?
Folosind relaţia (15) distingem următoarele cazuri.
i) Dacă  ≤ −1, atunci Z Z
 
 () =  ()  = 0 = 0
−∞ −∞

ii) Dacă −1   ≤ 1 atunci

Z  Z µ ¶¯
 ¡ ¢ 3 ¯¯
 () =  ()  = 075 1 − 2  = 075 − = 05 + 075 − 0253
−∞ −1 3 ¯−1

iii) Dacă   1 atunci

Z  Z 1 ¡ ¢
 () =  ()  = 075 1 − 2  = 1
−∞ −1

Am obţinut deci ⎧
⎨ 0 ≤1
 () = 05 + 075 − 0253  −1   ≤ 1 
⎩
1 1
Pentru a calcula probabilităţile cerute, folosim relaţia (51):
µ ¶ Z 1 Z 12
1 1 2
 − ≤ ≤ =  ()  = 075 1 − 2  = 06875
2 2 − 12 − 12

Alternativ, putem folosi relaţia (21), adică

µ ¶ µ ¶ µ ¶ µ ¶ µ ¶
1 1 1 1 075 025 075 025
 − ≤ ≤ = − − = 05 + − − 05 − + = 06875
2 2 2 2 2 8 2 8
¡ ¢ ¡ ¢
deoarece pentru o variabilă aleatoare continuă avem  − 12   ≤ 12 =  − 12 ≤  ≤ 12 conform relaţiei (17).
În mod similar, avem
µ ¶ Z 2 Z 1 µ ¶¯1
1 3 ¯¯ 81
 ≤ ≤2 =  ()  = 075 1 − 2  = 075  − ¯ 1 = 256 ≈ 03164
4 1
4
1
4
3
4

12
sau alternativ
µ ¶ µ ¶ µ ¶
1 1 075 025 81
 ≤  ≤ 2 =  (2) −  = 1 − 05 + − = ≈ 03164
4 4 4 64 256
Pentru a determina valoarea lui  pentru care are loc egalitatea  ( ≤ ) = 05, să observăm că deoarece
3
 ( ≤ ) =  (),
¡ 2 relaţia
¢ dată se mai poate scrie sub forma
√  () = 05.
√ Obţinem deci 05 + 075 − 025 = 05,
sau echivalent   − 3 = 0, cu soluţiile 1 = 0, 2 = − 3 şi 3 = 3. Cum numai soluţia  = 0 convine (de
ce?), avem  = 0.

Exerciţii

Exerciţiul 2.1 Desenaţi graficul funcţiei de probabilitate

½ 2
 () = 14   ∈ {1 2 3}
0 ı̂n rest

şi a funcţiei de distribuţie corespunzătoare.

Exerciţiul 2.2 Considerăm funcţia de probabilitate  () = 3 pentru  ∈ {0 1 2 3} şi 0 ı̂n rest. Să se determine
valoarea constantei , şi să se reprezinte grafic funcţia  şi funcţia de distribuţie  corespunzătoare.

Exerciţiul 2.3 Să se reprezinte grafic funcţiile  şi  ı̂n cazul  (0) =  (3) = 16 ,  (1) =  (2) = 13 . Poate funcţia
 avea alte valori nenule?

Exerciţiul 2.4 Fie  variabila aleatoare reprezentând numărul de ani ı̂nainte ca o anumită piesă să se defecteze.
Presupunem că  are funcţia de probabilitate  () = 3 pentru  ∈ {0 1 2 3 4} şi 0 ı̂n rest. Să se reprezinte
grafic funcţia  şi funcţia de distribuţie  corespunzătoare.

Exerciţiul 2.5 Dacă variabila aleatoare  are funcţia de probabilitate  () = ! pentru  ∈ N şi 0 ı̂n rest, să se
determine valoarea constantei  şi probabilitatea  ( ≥ 3).

Exerciţiul 2.6 Să se reprezinte grafic funcţia de densitate  () = 14 pentru  ∈ (2 6) şi 0 ı̂n rest, precum şi funcţia
de densitate  corespunzătoare. Să se determine probabilităţile  ( ≥ 4) şi  ( ≤ 3).

Exerciţiul 2.7 În exerciţiul anterior, să se determine valoarea lui  astfel ı̂ncât:

a)  ( ≤ ) = 90%
1
b)  ( ≥ ) = 2

c)  ( ≤ ) = 5%

Exerciţiul 2.8 Funcţia de distribuţie  a unei variabile aleatoare  este dată de  () = 0 dacă   0 şi  () =
1 − −01 dacă  ≥ 0. Să se reprezinte grafic  şi funcţia de densitate  . Să se determine valoarea lui  astfel
ı̂ncât  ( ≤ ) = 95%.

Exerciţiul 2.9 Fie  grosimea (ı̂n milimetri) a unei garnituri produse de o anumită maşină. Presupunem că
variabila aleatoare  are funcţia de densitate  () =  dacă 09    1 şi 0 ı̂n rest. Să se determine . Care
este probabilitatea ca o garnitură produsă va avea o grosime ı̂ntre 095 şi 105 mm?

Exerciţiul 2.10 Două şuruburi sunt alese la ı̂ntâmplare fără ı̂nlocuire dintr-o cutie ce conţine 7 şuruburi cu filet pe
dreapta şi 3 şuruburi cu filet pe stânga. Fie  variabila aleatoare reprezentând numărul de şuruburi extrase având
filetul pe partea stângă. Să se determine  ( = 0),  ( = 1),  ( = 2),  (1    2) şi  (05    5).

Exerciţiul 2.11 Să se determine probabilitatea ca nici unul din cele trei becuri ale unui semafor să nu trebuiască
schimbat ı̂n primele h1500 ore de funcţionare
i dacă durata de viaţă  a unui bec este o variabilă aleatoare având
2
densitatea  () = 6 025 − ( − 15) pentru 1 ≤  ≤ 2 şi 0 ı̂n rest, unde  este măsurat ı̂n multiplii de 1000 ore.

Exerciţiul 2.12 Dacă diametrul  al unei bare este o variabilă aleatoare având densitatea  () =  pentru
11199 ≤  ≤ 1201 şi 0 ı̂n rest, aproximativ câte bare vor fi defecte ı̂ntr-un lot de 500 bare, dacă o bară este
considerată defectă când diametrul ei este mai mic decât 11991 sau mai mare decât 12009?

13
Exerciţiul 2.13 Dacă durata de viaţă a unui rulment este o variabilă aleatoare cu densitatea  () = −02
pentru 0 ≤  ≤ 10 şi 0 ı̂n rest, care este valoarea lui ? Care este probabilitatea  ( ≥ 5)?

Exerciţiul 2.14 Să se determine funcţia de probabilitate a variabilei aleatoare  reprezentând numărul de aruncări
ale unui zar până la apariţia feţei 6. Să se verifice că are loc relaţia (50).

Exerciţiul 2.15 Presupunem ¡ că anumite

¢ şuruburi au o lungime  = 400+ mm, unde  este o variabilă aleatoare
având densitatea  () = 34 1 − 2 pentru −1 ≤  ≤ 1 şi 0 ı̂n rest. Să se determine valoarea lui  astfel ı̂ncât cu
probabilitate de 95% un şurub va avea o lungime cuprinsă ı̂ntre 400 −  şi 400 + .

Exerciţiul 2.16 Presupunem că ı̂ntr-un proces automatizat de umplere a conservelor cu ulei, conţinutul unei con-
serve (ı̂n litri) este  = 100 + , unde  este o variabilă aleatoare având densitatea  () = 1 − || pentru || ≤ 1 şi
0 pentru ||  1. Să se reprezinte grafic  şi funcţia de distribuţie  corespunzătoare. Într-un lot de 1000 conserve,
aproximativ câte conserve vor conţine 100 de litri de ulei sau mai mult? Care este probabilitatea ca o conservă să
conţină mai puţin de 99.5 litri ulei? Dar mai puţin de 99 litri ulei?

Exerciţiul 2.17 Fie funcţia de densitate  dată de  () = 2 dacă 0 ≤  ≤ 2 şi 0 ı̂n rest. Să se determine
valoarea constantei . Să se determine constantele 1 şi 2 astfel ı̂ncât  ( ≤ 1 ) = 01 şi  ( ≤ 2 ) = 09.

Exerciţiul 2.18 Fie  raportul vanzărilor la profit pentru o anumită firmă. Presupunem că  are funcţia de
distribuţie  dată de ⎧
⎨ 0 2
 () = 2 −4
 2 ≤3 
⎩ 5
1 ≥3
Să se determine şi să se reprezinte grafic funcţia de densitate  corespunzătoare. Care este probabilitatea ca 
să fie cuprins ı̂ntre 25 (40% profit) şi 5 (20% profit)?

Exerciţiul 2.19 Fie  o variabilă aleatoare ce poate lua orice valoare reală. Care sunt complementarele eveni-
mentelor { ≤ }, {  }, { ≥ }, {  }, { ≤  ≤ }, {   ≤ }?

Exerciţiul 2.20 Arătaţi că dacă    atunci  ( ≤ ) ≤  ( ≤ ).

2.3 Caracteristici numerice ale variabilelor aleatoare: media şi dispersia

Media unei variabile aleatoare , notată  (),  (),  , , sau  (), caracterizează tendinţa centrală a val-
orilor acesteia, iar dispersia variabilei aleatoare , notată  2 (),  2 ,  2 sau 2 (), caracterizează ı̂mprăştierea
valorilor lui .
Media  () a variabilei aleatoare  se defineşte prin
½ P
 () = R ∞   ( ) dacă  este o v.a. discretă
 (23)
−∞
 ()  dacă  este o v.a. continuă

iar dispersia  2 () a variabilei aleatoare  se defineşte prin

( P
( − )2  ( ) dacă  este o v.a. discretă
2
 () = R ∞  2  (24)
−∞
( − )  ()  dacă  este o v.a. continuă

unde prin  am notat funcţia de probabilitate a lui  ı̂n cazul ı̂n care  este o variabilă aleatoare discretă, respectiv
funcţia de densitate a lui  ı̂n cazul ı̂n care  este o variabilă aleatoare continuă.
Abaterea
p pătratică medie  () a variabilei aleatoare  se defineşte ca fiind radicalul dispersiei, adică
 () = 2 ().
Media  () a unei variabile aleatoare  se mai numeşte valoarea aşteptată / aşteptarea lui , deoarece ea
este egală cu valoarea medie a lui  atunci când se efectuează multe ı̂ncercări.
Cantităţi precum  () (media) sau  2 () (dispersia) care indică anumite proprietăţi ale distribuţiei ı̂n cauză
se numesc parametrii ai distribuţiei. Media şi dispersia sunt cei mai importanţi parametrii ai unei distribuţii.
Observăm că ı̂n general (cu excepţia cazului unei variabile aleatoare discrete având o singură valoare posibilă),
avem  2 ()  0. În continuare vom presupune că  () şi  2 () există (şi sunt finite), ca ı̂n majoritatea cazurilor
ce apar ı̂n probleme practice.

14
 f (x) F (x)
1
1
b−a

a b a b

Figure 4: Graficul funcţiilor de densitate şi de distribuţie ı̂n cazul distribuţiei uniforme pe intervalul ( ).

Exemplul 2.17 Fie  variabila aleatoare reprezentând numărul de feţe stemă obţinut la aruncarea unei monede.
În acest caz variabila aleatoare  este dată de
µ ¶
0 1
= 1 1 
2 2

şi deci obţinem media

1 1 1
 () = 0 · +1· =
2 2 2
şi dispersia
µ ¶2 µ ¶2
1 1 1 1 1
2 = 0− · + 1− · = 
2 2 2 2 4

Exemplul 2.18 (Distribuţia uniformă pe intervalul ( )) Distribuţia având funcţia de densitate
½ 1
 () = −   ∈ ( )
0 ı̂n rest

se numeşte distribuţie uniformă pe intervalul ( ).

Media şi dispersia sunt date ı̂n acest caz de
Z Z ¯
∞ 
 2 ¯¯ 2 − 2 +
 () =  ()  =  = = = 
−∞  − 2 ( − ) ¯ 2 ( − ) 2

respectiv
Zµ ¶2 Z µ ¶2 µ ¶3 ¯¯
∞
 +   +  1 1  +  ¯ ( − )2
 2 () = −  ()  = −  = − ¯ = 
−∞   2 − 3 ( − ) 2 ¯ 12


Figura 4 indică graficele funcţiei de densitate  şi a funcţiei de distribuţie  corespunzătoare distribuţiei uniforme
pe intervalul ( ).

Dacă o distribuţie este simetrică (adică graficul funcţiei de probabilitate/densitate  este simetruic faţă de o
dreaptă  = ), atunci putem calcula media  a distribuţiei folosind următoarea.

Teorema 2.19 Dacă funcţia  (de probabilitate sau de densitate) a unei distribuţii este simetrică faţă de dreapta
 = , atunci media distribuţiei este  () = .

Demonstraţie. În cazul unei distribuţii continue având densitatea  , conform definiţiei mediei avem:
Z ∞ Z  Z ∞
 () =  ()  =  ()  +  () 
−∞ −∞ 

15
 Folosind substituţia  =  −  ı̂n prima integrală, respectiv substituţia  =  +  ı̂n a doua integrală, şi faptul
că funcţia  este simetrică faţă de dreapta  =  (adică  ( − ) =  ( + )), obţinem:
Z ∞ Z ∞
 () = ( − )  ( − )  + ( + )  ( + ) 
Z0 ∞ 0

= ( −  +  + )  ( + ) 
0
Z ∞
= 2  ( + ) 
Z0 ∞
= 2  () 

= 
R∞ R R∞
deoarece −∞  = 1 şi deci −∞  =   = 12 (funcţia  fiind simetrică faţă de  = ).
Demonstraţia este similară ı̂n cazul unei distribuţii discrete.

2.4 Transformarea mediei şi dispersiei

În practică, deseori cunoaştem media  () şi dispersia  2 () a variabilei aleatoare , şi dorim să calculăm media
şi dispersia unei variabile aleatoare  =  + , unde   ∈ R sunt constante. Răspunsul este dat de următoarea.

Teorema 2.20 (Transformarea mediei şi dispersiei) Dacă o variabilă aleatoare  are medie  () =  şi
dispersie  2 () =  2 , atunci media şi dispersia variabilei aleatoare

 =  +  (  0,  ∈ R)

sunt date de
 ( ) =  +  şi  2 ( ) = 2  2  (25)
În particular, variabila aleatoare standardizată  corespunzătoare lui , dată de
 −
= (26)

are medie  () = 0 şi dispersie 2 () = 1.

Demonstraţie. Vom da demonstraţia numai ı̂n cazul unei variabile aleatoare  discrete.
Să arătăm mai ı̂ntâi că dacă densitatea variabilei aleatoare  este  , atunci densitatea variabilei aleatoare 
este  =  + .
Reamintim că densitatea  a variabilei aleatoare  a fost definită ca funcţia cu proprietatea că
Z 
 () =  () 
−∞

sau echivalent Z 
 ( ≤ ) =  () 
−∞

Pentru a determina densitatea  a variabilei aleatoare  , ı̂ncercăm să scriem probabilitatea  ( ≤ ) ca o

integrală de la −∞ la  (densitatea  este atunci funcţia care apare sub integrală).
Folosind faptul că   0 şi faptul că  este densitatea variabilei aleatoare , avem:
µ ¶ Z −
− 
 ( ≤ ) =  ( +  ≤ ) =  ≤ =  () 
 −∞

−
Folosind substituţia  =  , obţinem:
Z  µ ¶
− 1
 ( ≤ ) =  
−∞  

16
şi deci funcţia de densitate a variabilei aleatoare  este
µ ¶
1 −
 () =  
 
Putem deci calcula media variabilei aleatoare  conform definiţiei
Z ∞ Z ∞ µ ¶
1 −
 ( ) =  ()  =   
−∞ −∞  
−
Folosind substituţia  =  (sau echivalent  =  + ), obţinem
Z ∞
1
 ( ) = ( + )  () 
−∞ 
Z ∞
= ( + )  () 
−∞
Z ∞ Z ∞
=   ()  +   () 
−∞ −∞
=  + 
R∞
conform definiţiei medie  a lui  şi deoarece −∞  = 1 (funcţia  fiind o funcţie de densitate).
În mod similar putem calcula dispersia variabilei aleatoare 
Z ∞
2
 ( ) = ( −  )2  () 
−∞
Z ∞ µ ¶
2 1 −
= ( −  − )  
−∞  
Z ∞
2 1
= ( +  −  − )  () 
−∞ 
Z ∞
= 2 ( − )2  () 
−∞
= 2  2 

conform definiţiei dispersie  2 () = 2 a lui .

Pentru a demonstra ultima parte a demonstraţiei, considerând  = 1 şi  = −  ı̂n demonstraţia anterioară,
obţinem că variabila aleatoare standardizată  = 1  −  = −
 are medie
1 
 () = − =0
 
şi dispersie
µ ¶2
1
 2 () =  2 = 1

ı̂ncheiând demonstraţia.

2.5 Medie şi momente

Media (sau aşteptarea)  a unei variabile aleatoare  reprezintă valoarea medie aşteptată a lui , şi se mai notează
 () sau  (). Mai general, dacă  : R → R este o funcţie continuă, atunci  () este de asemenea o variabilă
aleatoare. Media (sau aşteptarea)  ( ()) reprezintă valoarea medie aşteptată a variabilei  () şi se defineşte
ı̂n mod similar formulei (23) prin
½ P
 ( ()) = R ∞  ( )  ( ) dacă  este o v.a. discretă
 (27)
−∞
 ()  ()  dacă  este o v.a. continuă

unde  reprezintă funcţia de probabilitate a lui  (ı̂n cazul unei variabile  discrete) sau funcţia de densitate a lui
 (ı̂n cazul unei variabile aleatoare  continue).

17
 În cazul particular al alegerii funcţiei  () =  se obţine momentul de ordin  al variabilei aleatoare 
Z ∞
¡ ¢ X 
  =   ( ) sau   ()  (28)
 −∞

iar ı̂n cazul alegerii funcţiei  () = ( − ) se obţine momentul centrat de ordin  al variabilei aleatoare 
³ ´ X Z ∞
  
 ( − ) = ( − )  ( ) sau ( − )  ()  (29)
 −∞

Observăm că momentul de ordin 1 ( = 1 ı̂n formula (28)) coincide cu media  a variabilei aleatoare 
 =  () 
şi că momentul centrat de ordin 2 ( = 2 ı̂n formula (29)) coincide cu dispersia 2 a variabilei aleatoare 
³ ´
2 =  ( − )2 .

Exerciţii
Să se determine media şi dispersia variabilei aleatoare  ı̂n următoarele cazuri ( reprezintă funcţia de proba-
bilitate sau de densitate a variabilei aleatoare ).
Exerciţiul 2.21  () = 3 ,  ∈ {0 1 2 3} şi 0 ı̂n rest.
Exerciţiul 2.22  reprezintă rezultatul aruncării unui zar.
Exerciţiul 2.23  () = 2 pentru 0 ≤  ≤ 1 şi 0 ı̂n rest.
Exerciţiul 2.24  () = − pentru   0 şi 0 ı̂n rest.
Exerciţiul 2.25  = 4 − 2, unde  este variabila aleatoare din anterior.
Exerciţiul 2.26  este variabila aleatoare uniformă pe [0 10].
Exerciţiul 2.27 Dacă diametrul  (ı̂n centimetri) al unor şuruburi are densitatea  () =  ( − 09) (11 − )
pentru 09    11 şi 0 ı̂n rest, să se determine   şi  2 . Să se reprezinte grafic densitatea  .
Exerciţiul 2.28 Dacă ı̂n exerciţiul anterior un şurub este considerat defect atunci când diametrul său diferă cu
mai mult de 006 cm faţă de 1 cm, care este probabilitatea ca un şurub să fie defect?
Exerciţiul 2.29 În exerciţiul anterior, care este valoarea maximă posibilă a deviaţiei faţă de 1 cm pentru care
probabilitatea ca un şurub să fie defect este de 10%?
Exerciţiul 2.30 Care este valoarea aşteptată a sumei la aruncarea de 20 de ori a unui zar? Comparaţi valoarea
obţinută cu valoarea experimentală (efectuaţi experimentul de un număr de ori şi ı̂nregistraţi valorile obţinute).
Exerciţiul 2.31 O staţie de benzină este alimentată ı̂n fiecare Sâmbătă. Presupunem că volumul  de benzină
vândută (ı̂n zeci de mii de litri) este o variabilă aleatoare având densitatea  () = 6 (1 − ) pentru 0 ≤  ≤ 1 şi
0 ı̂n rest. Să se determine media, dispersia şi variabila aleatoare standardizată corespunzătoare lui .
Exerciţiul 2.32 Ce capacitate trebuie să aibă rezervorul din problema anterioară, dacă probabilitatea ca rezervorul
să fie golit ı̂ntr-o anumită săptămână este de 5%?
Exerciţiul 2.33 Dacă durata de viaţă a unor cauciucuri (ı̂n mii de kilometri) are densitatea  () = − pentru
  0 şi 0 ı̂n rest, ce kilometraj sunteţi aşteptat să obţineţi cu acest tip de cauciucuri? Pentru  = 005, determinaţi
probabilitatea ca un cauciuc va avea o durată de viaţă mai de cel puţin 30000 km.
Exerciţiul 2.34 La aruncarea unui zar, o persoană câştigă atâţia lei câţi indică zarul. Cât ar trebui să plătească
persoana pentru un joc, pentru ca jocul să fie cinstit (echitabil)?
Exerciţiul 2.35 Care este valoarea aşteptată a profitului zilnic al unui magazin care vinde  curcani pe zi cu
probabilităţile  (5) = 01,  (6) = 03,  (7) = 04 şi  (8) = 02, dacă profitul pentru un curcan vândut este de 35
lei?

18