Documente Academic
Documente Profesional
Documente Cultură
Variabile Aleatoare
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, în experimente
în 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 în experimentele în 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 în 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 dis-
tribuţie corespunzătoare, după cum urmează.
Definiţia 2.2 (Funcţia de distribuţie) Funcţia de distribuţie a unei variabile aleatoare este funcţia = :
R → R definită prin
() = ( ≤ ) ∈ R (9)
Observaţia 2.3 Folosind funcţia de distribuţie a variabilei aleatoare putem spre exemplu determina probabili-
tatea ca variabila să ia valori într-un anumit interval ( ]:
Această egalitate are loc deoarece evenimentele { ≤ } şi { ≤ } sunt disjuncte, şi verifică { ≤ } ∪
{ ≤ } = { ≤ }, şi deci din Definiţia 1.6 a probabilităţii obţinem
() = ( ≤ )
= ( ≤ ) + ( ≤ )
= () + ( ≤ )
Propoziţia 2.4 (De caracterizare a funcţiei de distribuţie) Funcţia de distribuţie : R → R a unei vari-
abile aleatoare are următoarele proprietăţi.
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.
7
are proprietăţile cerute. Pentru aceasta, arătăm mai întâi că are loc egalitatea
Dacă ≤ (), din definiţia variabilei aleatoare (şi faptul că este nedescrescătoare), rezultă că () ≤ .
Pentru a demonstra incluziunea contrară, dacă (), folosind continuitatea la dreapta a lui rezultă că există
0 astfel încât ( + ), şi folosind din nou definiţia variabilei aleatoare obţinem () ≥ + ,
ceea ce demonstrează incluziunea contrară.
Folosind egalitatea (11), obţinem
({ ∈ Ω : () ≤ }) = ({ ∈ Ω : ≤ ()}) = ((0 ()]) = ((0 ()]) = ()
deoarece = este măsura Lebesgue pe intervalul (0 1), relaţie ce arată că este funcţia de distribuţie a variabilei
aleatoare .
1. Dacă este un interval ce nu conţine nici una din valorile posibile ale variabilei aleatoare discrete , atunci
( ∈ ) = 0 (13)
2. Probabilitatea ca variabila aleatoare să ia valori într-un interval = ( ] este dată de
X
( ≤ ) = (14)
≤
adică este egală cu suma probabilităţilor corespunzătoare valorilor posibile pentru care ≤ .
3. Suma tuturor probabilităţilor corespunzătoare valorilor este egală cu 1, adică
X
= 1 (15)
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 în rest
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 reprezen-
tând rezultatul aruncării unui zar.
Cunoscând funcţia de probabilitate a unei variabile aleatoare (sau valorile posibile şi probabilităţile respective),
putem determina funcţia de distribuţie corespunzătoare astfel:
X X
() = ( ) = (16)
≤ ≤
Graficul unei distribuţii discrete este o funcţie în scară, cu salturi egale cu în punctele ( = 1 2 3 ), ca
în următoarele două exemple.
Exemplul 2.8 Să considerăm variabila aleatoare reprezentând rezultatul aruncării unui zar. Atunci are ca
valori posibile 1 2 6 cu probabilităţi 16 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
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 reprezen-
tând numărul de steme obţinute la aruncarea a două monede.
Exemplul 2.10 (Problema aşteptării - spaţiu numărabil de evenimente ) Se aruncă în mod repetat o mo-
nedă şi se consideră variabila aleatoare reprezentând numărul de încercări efectuate până la prima apariţie a
stemei.
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 (15) este verificată în acest caz: folosind formula seriei progresiei geometrice, obţinem:
X X 1 1 1 1 1 1
= = + + + = = 1
2 2 4 8 2 1 − 12
≥1 ≥1
10
Observaţia 2.13 Spre deosebire de variabilele aleatoare discrete, în cazul variabilelor aleatoare continue avem
( = ) = 0 (18)
oricare ar fi ∈ R.
Motivul este următorul: din continuitatea măsurii de probabilitate avem
( = ) = lim ( ≤ )
%
&
= lim ( ≤ ) − ( ≤ )
%
&
= lim () − ()
%
&
Z
= lim ()
%
&
Z
= ()
= 0
Din relaţia (18) rezultă că spre deosebire de cazul variabilelor aleatoare discrete, în cazul unei variabile aleatoare
continue următoarele probabilităţi sunt egale
Z
( ) = ( ≤ ) = ( ≤ ≤ ) = ( ≤ ) = () − () = () (19)
R
toate fiind egale cu () (aria de sub graficul funcţiei de densitate () între şi ).
Mai general, pentru orice interval ⊂ R avem
Z
( ∈ ) = () (20)
Observaţia 2.14 (Legătura între funcţia de densitate şi cea de distribuţie) Dacă este o variabilă aleatoare
continuă având densitatea atunci relaţia (17) 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 (17) 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 (17) în raport cu obţinem
0 () = () (21)
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 ur-
mătoarele.
2. Probabilitatea ca variabila aleatoare să ia valori într-un interval = ( ] este dată de
Z
( ≤ ) = () − () = () (23)
adică este egală cu aria de sub graficul densităţii () între şi (vezi Figura 3).
11
Figure 3: Probabilitatea ( ≤ ) este egală cu aria de sub graficul densităţii () între şi .
Am obţinut deci ⎧
⎨ 0 ≤1
() = 05 + 075 − 0253 −1 ≤ 1
⎩
1 1
Pentru a calcula probabilităţile cerute, folosim relaţia (53):
µ ¶ Z 1 Z 12
1 1 2
− ≤ ≤ = () = 075 1 − 2 = 06875
2 2 − 12 − 12
12
sau alternativ
µ ¶ µ ¶ µ ¶
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, să observăm că deoarece
3
( ≤ ) = (),
¡ 2 relaţia
¢ dată se mai poate scrie sub forma √ Obţinem deci 05 + 075 − 025 = 05,
√ () = 05.
sau echivalent − 3 = 0, cu soluţiile 1 = 0, 2 = − 3 şi 3 = 3. Cum numai soluţia = 0 convine (de
ce?), avem = 0.
Exerciţii
Exerciţiul 2.2 Considerăm funcţia de probabilitate () = 3 pentru ∈ {0 1 2 3} şi 0 în 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 în cazul (0) = (3) = 16 , (1) = (2) = 13 . Poate funcţia
avea alte valori nenule?
Exerciţiul 2.4 Fie variabila aleatoare reprezentând numărul de ani înainte ca o anumită piesă să se defecteze.
Presupunem că are funcţia de probabilitate () = 3 pentru ∈ {0 1 2 3 4} şi 0 în 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 în 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 în 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 încât:
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 − −01 dacă ≥ 0. Să se reprezinte grafic şi funcţia de densitate . Să se determine valoarea lui astfel încât
( ≤ ) = 95%.
Exerciţiul 2.9 Fie grosimea (în milimetri) a unei garnituri produse de o anumită maşină. Presupunem că
variabila aleatoare are funcţia de densitate () = dacă 09 1 şi 0 în rest. Să se determine . Care
este probabilitatea ca o garnitură produsă va avea o grosime între 095 şi 105 mm?
Exerciţiul 2.10 Două şuruburi sunt alese la întâmplare fără înlocuire 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 (05 5).
Exerciţiul 2.11 Să se determine probabilitatea ca nici unul din cele trei becuri ale unui semafor să nu trebuiască
schimbat în primele h1500 ore de funcţionare
i dacă durata de viaţă a unui bec este o variabilă aleatoare având
2
densitatea () = 6 025 − ( − 15) pentru 1 ≤ ≤ 2 şi 0 în rest, unde este măsurat în multiplii de 1000 ore.
Exerciţiul 2.12 Dacă diametrul al unei bare este o variabilă aleatoare având densitatea () = pentru
11199 ≤ ≤ 1201 şi 0 în rest, aproximativ câte bare vor fi defecte într-un lot de 500 bare, dacă o bară este
considerată defectă când diametrul ei este mai mic decât 11991 sau mai mare decât 12009?
13
Exerciţiul 2.13 Dacă durata de viaţă a unui rulment este o variabilă aleatoare cu densitatea () = −02
pentru 0 ≤ ≤ 10 şi 0 în 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 (52).
Exerciţiul 2.16 Presupunem că într-un proces automatizat de umplere a conservelor cu ulei, conţinutul unei con-
serve (în 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 în rest. Să se determine
valoarea constantei . Să se determine constantele 1 şi 2 astfel încât ( ≤ 1 ) = 01 şi ( ≤ 2 ) = 09.
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 între 25 (40% profit) şi 5 (20% profit)?
Exerciţiul 2.19 Fie o variabilă aleatoare ce poate lua orice valoare reală. Care sunt complementarele eveni-
mentelor { ≤ }, { }, { ≥ }, { }, { ≤ ≤ }, { ≤ }?
unde prin am notat funcţia de probabilitate a lui în cazul în care este o variabilă aleatoare discretă, respectiv
funcţia de densitate a lui în cazul în 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 încercări.
Cantităţi precum () (media) sau 2 () (dispersia) care indică anumite proprietăţi ale distribuţiei în cauză
se numesc parametrii ai distribuţiei. Media şi dispersia sunt cei mai importanţi parametrii ai unei distribuţii.
Observăm că în 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 în majoritatea cazurilor
ce apar în probleme practice.
14
f (x) F (x)
1
1
b−a
a b a b
Figure 4: Graficul funcţiilor de densitate şi de distribuţie în 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
Exemplul 2.18 (Distribuţia uniformă pe intervalul ( )) Distribuţia având funcţia de densitate
½ 1
() = − ∈ ( )
0 în rest
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 = − în prima integrală, respectiv substituţia = + în 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 în cazul unei distribuţii discrete.
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 (27)
În particular, variabila aleatoare standardizată corespunzătoare lui , dată de
−
= (28)
are medie () = 0 şi dispersie 2 () = 1.
sau echivalent 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 ∞
1
= ( + − − )2 ()
−∞
Z ∞
2 2
= ( − ) ()
−∞
= 2 2
unde reprezintă funcţia de probabilitate a lui (în cazul unei variabile discrete) sau funcţia de densitate a lui
(în cazul unei variabile aleatoare continue).
17
În cazul particular al alegerii funcţiei () = se obţine momentul de ordin al variabilei aleatoare
Z ∞
¡ ¢ X
= ( ) sau () (30)
−∞
iar în cazul alegerii funcţiei () = ( − ) se obţine momentul centrat de ordin al variabilei aleatoare
³ ´ X Z ∞
( − ) = ( − ) ( ) sau ( − ) () (31)
−∞
Observăm că momentul de ordin 1 ( = 1 în formula (30)) coincide cu media a variabilei aleatoare
= ()
şi că momentul centrat de ordin 2 ( = 2 în formula (31)) coincide cu dispersia 2 a variabilei aleatoare
³ ´
2 = ( − )2 .
Exerciţii
Să se determine media şi dispersia variabilei aleatoare în următoarele cazuri ( reprezintă funcţia de proba-
bilitate sau de densitate a variabilei aleatoare ).
Exerciţiul 2.21 () = 3 , ∈ {0 1 2 3} şi 0 în rest.
Exerciţiul 2.22 reprezintă rezultatul aruncării unui zar.
Exerciţiul 2.23 () = 2 pentru 0 ≤ ≤ 1 şi 0 în rest.
Exerciţiul 2.24 () = − pentru 0 şi 0 în 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 (în centimetri) al unor şuruburi are densitatea () = ( − 09) (11 − )
pentru 09 11 şi 0 în rest, să se determine şi 2 . Să se reprezinte grafic densitatea .
Exerciţiul 2.28 Dacă în exerciţiul anterior un şurub este considerat defect atunci când diametrul său diferă cu
mai mult de 006 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 înregistraţi valorile obţinute).
Exerciţiul 2.31 O staţie de benzină este alimentată în fiecare Sâmbătă. Presupunem că volumul de benzină
vândută (în zeci de mii de litri) este o variabilă aleatoare având densitatea () = 6 (1 − ) pentru 0 ≤ ≤ 1 şi
0 în 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 într-o anumită săptămână este de 5%?
Exerciţiul 2.33 Dacă durata de viaţă a unor cauciucuri (în mii de kilometri) are densitatea () = − pentru
0 şi 0 în rest, ce kilometraj sunteţi aşteptat să obţineţi cu acest tip de cauciucuri? Pentru = 005, 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) = 01, (6) = 03, (7) = 04 şi (8) = 02, dacă profitul pentru un curcan vândut este de 35
lei?
18