2 Variabile aleatoare

În practic¼a, variabilele aleatoare apar ca funcţii ce depind de rezultatul efectu¼ arii unui anumit experiment. Spre
exemplu, la aruncarea a dou¼ a zaruri, suma numerelor obţinute este o variabil¼
a aleatoare. În general, în experimente
în care num¼ ar¼am (maşini a‡ate pe şosea, arunc¼ ari ale unui zar pân¼a la obţinerea unui şase, piese defecte, etc)
variabilele aleatore obţinute sunt variabile aleatore discrete, iar în experimentele în care m¼ asur¼am (voltajul elec-
tric, cantitatea de ap¼a de ploaie, duritatea unui anumit material, etc), variabilele aleatoare obţinute sunt variabile
aleatoare continue.
De…niţia matematic¼ a precis¼
a este urm¼atoarea.

De…niţia 2.1 (Variabil¼ a aleatoare) O variabil¼a aleatoare real¼a pe spaţiul de probabilitate ( ; F; P ) este o funcţie
X : ! R m¼asurabil¼a în raport cu -algebrele corespunz¼atoare (F pe , respectiv -algebra Borelian¼a B pe R),
adic¼a cu proprietatea c¼a
X 1 (B) = f! 2 : X (!) 2 Bg 2 F
pentru orice mulţime Borelian¼a B 2 B.

Pentru a calcula diverse caracteristice numerice asociate variabilei aleatoare X, introducem funcţia de dis-
tribuţie corespunz¼
atoare, dup¼
a cum urmeaz¼ a.

De…niţia 2.2 (Funcţia de distribuţie) Funcţia de distribuţie a unei variabile aleatoare este funcţia F = FX :
R ! R de…nit¼a prin
F (x) = P (X x) ; x 2 R: (9)

Observaţia 2.3 Folosind funcţia de distribuţie a variabilei aleatoare X putem spre exemplu determina probabili-
tatea ca variabila X s¼a ia valori într-un anumit interval (a; b]:

P (X 2 (a; b]) = P (a < X b) = F (b) F (a) : (10)

Aceast¼a egalitate are loc deoarece evenimentele fX ag şi fa < X bg sunt disjuncte, şi veri…c¼a fX ag [
fa < X bg = fX bg, şi deci din De…niţia 1.6 a probabilit¼aţii obţinem

F (b) = P (X b)
= P (X a) + P (a < X b)
= F (a) + P (a < X b) ;

de unde prin sc¼aderea lui F (a) se obţine relaţia (10).

Are loc urm¼

atoarea.

Propoziţia 2.4 (De caracterizare a funcţiei de distribuţie) Funcţia de distribuţie F : R ! R a unei vari-
abile aleatoare are urm¼atoarele propriet¼aţi.

1. Este nedescresc¼atoare, adic¼a F (x) F (y) oricare ar … x; y 2 R cu x < y.

2. limx! 1 F (x) = 0 şi limx!1 F (x) = 1.
3. Este continu¼a la dreapta în orice punct, adic¼a limx&x0 F (x) = F (x0 ).
4. Are limit¼a la stânga în orice punct, şi are loc F (x0 ) := limx%x0 F (x) = P (X < x0 ).
5. P (X = x0 ) = F (x0 ) F (x0 ) :

Reciproc, se poate ar¼ata c¼a dac¼a o funcţie F : R ! R veri…c¼a propriet¼aţile 1) - 3) de mai sus, atunci exist¼a o
variabil¼a aleatoare (pe un anumit spaţiu de probabilitate) având F ca funcţie de distribuţie.

Demonstraţie. Implicaţia direct¼a - exerciţiu.

Pentru a demonstra implicaţia reciproc¼a, consider¼
am spre exemplu spaţiul de probabilitate ( ; F; P ) cu =
(0; 1), F = B\ (0; 1) -algebra mulţimilor Boreliene pe (0; 1), P = - m¼ asura Lebesgue, şi ar¼at¼
am c¼a variabila
aleatoare X : ! R de…nit¼ a de

X (!) = sup fy 2 R : F (y) < !g ; !2 ;

7
are propriet¼
aţile cerute. Pentru aceasta, ar¼
at¼
am mai întâi c¼
a are loc egalitatea

f! 2 : X (!) xg = f! 2 :! F (x)g : (11)

Dac¼a ! F (x), din de…niţia variabilei aleatoare X (şi faptul c¼

a F este nedescresc¼atoare), rezult¼
a c¼
a X (!) x.
Pentru a demonstra incluziunea contrar¼ a, dac¼
a ! > F (x), folosind continuitatea la dreapta a lui F rezult¼
a c¼
a exist¼
a
" > 0 astfel încât ! > F (x + "), şi folosind din nou de…niţia variabilei aleatoare X obţinem X (!) x + " > x,
ceea ce demonstreaz¼a incluziunea contrar¼ a.
Folosind egalitatea (11), obţinem

P (f! 2 : X (!) xg) = P (f! 2 :! F (x)g) = P ((0; F (x)]) = ((0; F (x)]) = F (x) ;

deoarece P = este m¼
asura Lebesgue pe intervalul (0; 1), relaţie ce arat¼
a c¼
a F este funcţia de distribuţie a variabilei
aleatoare X.

2.1 Variabile aleatoare discrete

De…niţia 2.5 O variabil¼a aleatoare X : a dac¼a ea poate lua numai un num¼ar cel mult
! R se numeşte discret¼
num¼arabil de valori.

Dac¼a x1 ; x2 ; x3 ; : : : sunt valorile posibile (distincte) ale lui X şi p1 = P (X = x1 ), p2 = P (X = x2 ) ; p3 =

P (X = x3 ) ; : : : sunt probabilit¼ aţile cu care variabila aleatoare X ia aceste valori, reprezent¼
am variabila aleatoare
discret¼
a X sub forma
x1 x2 x3 : : :
X= : (12)
p 1 p2 p 3 : : :

Observaţia 2.6 Dac¼a X este o variabil¼a aleatoare discret¼a ce ia valorile x1 ; x2 ; x3 ; : : : cu probabilit¼aţile p1 ; p2 ; p3 ; : : :,

atunci au loc urm¼atoarele.

1. Dac¼a I este un interval ce nu conţine nici una din valorile posibile ale variabilei aleatoare discrete X, atunci

P (X 2 I) = 0: (13)

2. Probabilitatea ca variabila aleatoare X s¼a ia valori într-un interval I = (a; b] este dat¼a de
X
P (a < X b) = pi ; (14)
a<xi b

adic¼a este egal¼a cu suma probabilit¼aţilor pi corespunz¼atoare valorilor posibile xi pentru care a < xi b.
3. Suma tuturor probabilit¼aţilor pi corespunz¼atoare valorilor xi este egal¼a cu 1, adic¼a
X
pi = 1: (15)
i

Motivul este urm¼atorul:

X X
pi = P (X = xi ) = P (X 2 fx1 ; x2 ; x3 ; : : :g) = P ( ) = 1:
i 1 i 1

Dac¼ a X este o variabil¼

a aleatoare discret¼
a, vom spune c¼ a funcţia de distribuţie corespunz¼
atoare este o funcţie
de distribuţie discret¼
a (sau c¼
a X are o distribuţie discret¼
a).

De…niţia 2.7 (Funcţie de densitate de probabilitate) Pentru o variabil¼a aleatoare discret¼a X ce ia valorile
x1 ; x2 ; x3 ; : : : cu probabilit¼aţile p1 ; p2 ; p3 ; : : : ; de…nim funcţia de probabilitate f = fX a variabilei aleatoare X
prin
pi ; dac¼a x = xi (i = 1; 2; 3; : : :)
f (x) = :
0; în rest

8
Figure 1: Gra…cul funcţiei de probabilitate f (x) şi a funcţiei de distribuţie F (x) a variabilei aleatoare X reprezen-
tând rezultatul arunc¼
arii unui zar.

Cunoscând funcţia de probabilitate a unei variabile aleatoare (sau valorile posibile şi probabilit¼
aţile respective),
putem determina funcţia de distribuţie corespunz¼
atoare astfel:
X X
F (x) = f (xi ) = pi : (16)
xi x xi x

Gra…cul unei distribuţii discrete este o funcţie în scar¼

a, cu salturi egale cu pi în punctele xi (i = 1; 2; 3; : : :), ca
în urm¼atoarele dou¼
a exemple.
Exemplul 2.8 S¼a consider¼am variabila aleatoare X reprezentând rezultatul arunc¼arii unui zar. Atunci X are ca
valori posibile 1; 2; : : : ; 6 cu probabilit¼aţi 1=6 …ecare, şi deci X este o variabil¼a aleatoare discret¼a
1 2 3 4 5 6
X= 1 1 1 1 1 1 :
6 6 6 6 6 6

Funcţia de probabilitate corespunz¼atoare este

1
f (x) = 6; dac¼a x 2 f1; 2; : : : ; 6g
;
0; în rest
iar funcţia de distribuţie corespunz¼atoare este
8
>
> 0; dac¼a x<1
>
> 1
>
>
> 6; dac¼a 1 x<2
>
< 26 ; dac¼a 2 x<3
3
F (x) =
> 6; dac¼a 3 x<4 :
>
> 4
> 65 ;
>
dac¼a 4 x<5
>
>
> 6;
:
dac¼a 5 x<6
1; dac¼a 6 x
De observat leg¼atura între gra…cele funcţiei de probabilitate f (x) şi a funcţiei de distribuţie F (x) din Figura 1.
Exemplul 2.9 S¼a consider¼am variabila aleatoare X reprezentând num¼arul de feţe stem¼a obţinute la aruncarea a 3
monede.
În acest caz variabila aleatoare X ia valorile 0; 1; 2; 3 cu probabilit¼aţile 18 ; 38 ; 38 ; 18 , deci putem reprezenta variabila
aleatoare sub forma
0 1 2 3
X= 1 3 3 1 :
8 8 8 8
Gra…cul funcţiei de probabilitate f (x) şi a funcţiei de distribuţie F (x) este indicat în Figura 2.

9
Figure 2: Gra…cul funcţiei de probabilitate f (x) şi a funcţiei de distribuţie F (x) a variabilei aleatoare X reprezen-
tând num¼ arul de steme obţinute la aruncarea a dou¼ a monede.

Exemplul 2.10 (Problema aştept¼ arii - spaţiu num¼ arabil de evenimente ) Se arunc¼a în mod repetat o mo-
ned¼a şi se consider¼a variabila aleatoare X reprezentând num¼arul de încerc¼ari efectuate pân¼a la prima apariţie a
stemei.
În acest caz variabila aleatoare X poate lua valorile 1; 2; 3; : : : (un num¼ar in…nit, num¼arabil, de valori posibile),
cu probabilit¼aţile P (X = 1) = P (S) = 21 , P (X = 2) = P (BS) = 12 12 = 14 , P (X = 3) = P (BBS) = 12 12 12 = 18 ,
şamd. Avem deci
1 2 3 :::
X= 1 1 1 :
2 4 8 :::
De observat c¼a relaţia (15) este veri…cat¼a în acest caz: folosind formula seriei progresiei geometrice, obţinem:
X X 1 1 1 1 1 1
pi = = + + + ::: = = 1:
2 i 2 4 8 2 1 12
i 1 i 1

2.2 Variabile aleatoare continue

Variabilele aleatoare continue apar în practic¼ a atunci când într-un anumit experiment m¼ asur¼am o anumit¼ a cantitate,
spre exemplu lungimea unui şurub, voltajul într-un circuit electric, timpul dintre dou¼ a ateriz¼
ari, etc.
Reamintim c¼ a în general funcţia de distribuţie a unei variabile aleatoare este o funcţie continu¼ a la dreapta în
orice punct. Dac¼ a variabila aleatoare X este o variabil¼ a aleatoare discret¼
a, ce ia valorile distincte x1 ; x2 ; x3 ; : : :
cu probabilit¼aţile p1 ; p2 ; p3 ; : : :, atunci funcţia de distribuţie FX (x) = P (X x) corespunz¼ atoare este o funcţie
în scar¼
a, ce are salturi egale cu pi în punctele de discontinuitate xi , i = 1; 2; 3; : : :. Prin contrast cu variabilele
aleatoare discrete, de…nim variabilele aleatoare continue, dup¼ a cum urmeaz¼ a.
De…niţia 2.11 (Variabil¼ a aleatoare continu¼ a şi absolut continu¼ a) Spunem c¼a variabila aleatoare X este o
variabil¼ a aleatoare continu¼ a dac¼a funcţia de distribuţie corespunz¼atoare F : R ! R este o funcţie continu¼a pe
R.
Dac¼a în plus funcţia de distribuţie este absolut continu¼a în raport cu m¼asura Lebesgue pe R, adic¼a dac¼a exist¼a
o funcţie f : R ! [0; 1) integrabil¼a pe R astfel încât
Z x
F (x) = f (u) du; x 2 R, (17)
1

spunem c¼a X este o variabil¼

a aleatoare absolut continu¼
a.
Observaţia 2.12 Variabilele aleatoare continue ce apar în practic¼a sunt în general şi absolut continue. Din acest
motiv, în continuare ne vom referi la variabile aleatoare continue înţelegând prin aceasta c¼a ele sunt şi absolut
continue.

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

P (X = x) = 0 (18)

oricare ar … x 2 R.
Motivul este urm¼atorul: din continuitatea m¼asurii de probabilitate avem

P (X = x) = lim P (a < X b)
a%x
b&x
= lim P (X b) P (X a)
a%x
b&x
= lim F (b) F (a)
a%x
b&x
Z b
= lim f (u) du
a%x a
b&x
Z x
= f (u) du
x
= 0:

Din relaţia (18) rezult¼a c¼a spre deosebire de cazul variabilelor aleatoare discrete, în cazul unei variabile aleatoare
X continue urm¼atoarele probabilit¼aţi sunt egale
Z b
P (a < X < b) = P (a X < b) = P (a X b) = P (a < X b) = F (b) F (a) = f (u) du; (19)
a
Rb
toate …ind egale cu a f (u) du (aria de sub gra…cul funcţiei de densitate f (x) între a şi b).
Mai general, pentru orice interval I R avem
Z
P (X 2 I) = f (u) du: (20)
I

Observaţia 2.14 (Leg¼ atura între funcţia de densitate şi cea de distribuţie) Dac¼a X este o variabil¼a aleatoare
continu¼a având densitatea f; atunci relaţia (17) permite calculul funcţiei de distribuţie:
Z x
F (x) = f (u) du; x 2 R:
1

Reciproc, dac¼a funcţia de densitate f este o funcţie continu¼a (eventual cu excepţia unui num¼ar …nit de puncte),
din relaţia (17) rezult¼a c¼a funcţia de distribuţie a unei variabile aleatoare continue este o funcţie continu¼a, şi mai
mult, c¼a este o funcţie derivabil¼ a (eventual cu excepţia punctelor de discontinuitate ale funcţiei de densitate f (x)).
Derivând relaţia (17) în raport cu x obţinem
F 0 (x) = f (x) (21)
pentru orice x 2 R pentru care funcţia f (x) este continu¼a. Aceast¼a relaţie ne permite s¼a determin¼am funcţia de
densitate f (x) atunci când cunoaştem funcţia de distribuţie F (x).

Observaţia 2.15 Dac¼a X este o variabil¼a aleatoare continu¼a având funcţia de densitate f (x), atunci au loc ur-
m¼atoarele.

1. Dac¼a I este un interval de numere reale, atunci

Z
P (X 2 I) = f (u) du: (22)
I

2. Probabilitatea ca variabila aleatoare X s¼a ia valori într-un interval I = (a; b] este dat¼a de
Z b
P (a < X b) = F (b) F (a) = f (u) du; (23)
a

adic¼a este egal¼a cu aria de sub gra…cul densit¼aţii f (x) între a şi b (vezi Figura 3).

11
 Figure 3: Probabilitatea P (a < X b) este egal¼
a cu aria de sub gra…cul densit¼
aţii f (x) între a şi b.

3. Integrala densit¼aţii f (x) este egal¼a cu 1, adic¼a

Z 1
f (u) du = 1: (24)
1

Motivul este urm¼atorul: Z 1

f (u) du = P ( 1 < X < 1) = P ( ) = 1:
1

Exemplul 2.16 S¼a consider¼am variabila aleatoare continu¼a X având funcţia de densitate dat¼a de f (x) = 0:75 1 x2
pentru x 2 [ 1; 1] şi 0 în rest. S¼a se determine funcţia de distribuţie a variabilei aleatoare X şi s¼a se calculeze
1 1 1
probabilit¼aţile P 2 X 2 şi P 4 X 2 . Care este valoarea lui x pentru care P (X x) = 0:5?
Folosind relaţia (17) distingem urm¼atoarele cazuri.
i) Dac¼a x 1, atunci Z Z x x
F (x) = f (u) du = 0du = 0
1 1

ii) Dac¼a 1<x 1; atunci

Z x Z x x
u3
F (x) = f (u) du = 0:75 1 u2 du = 0:75 u = 0:5 + 0:75x 0:25x3
1 1 3 1

iii) Dac¼a x > 1 atunci

Z x Z 1
F (x) = f (u) du = 0:75 1 u2 du = 1:
1 1

Am obţinut deci 8
< 0; x 1
F (x) = 0:5 + 0:75x 0:25x3 ; 1<x 1 :
:
1; x>1
Pentru a calcula probabilit¼aţile cerute, folosim relaţia (53):
Z 1 Z 1
1 1 2 2
P X = f (u) du = 0:75 1 u2 du = 0:6875
2 2 1
2
1
2

Alternativ, putem folosi relaţia (23), adic¼a

1 1 1 1 0:75 0:25 0:75 0:25

P X =F F = 0:5 + 0:5 + = 0:6875;
2 2 2 2 2 8 2 8
1 1 1 1
deoarece pentru o variabil¼a aleatoare continu¼a avem P 2 <X 2 =P 2 X 2 conform relaţiei (19).
În mod similar, avem
Z 2 Z 1 1
1 u3 81
P X 2 = f (u) du = 0:75 1 u2 du = 0:75 u = 0:3164
4 1
4
1
4
3 1 256
4

12
sau alternativ
1 1 0:75 0:25 81
P X 2 = F (2) F =1 0:5 + = 0:3164:
4 4 4 64 256
Pentru a determina valoarea lui x pentru care are loc egalitatea P (X x) = 0:5, s¼a observ¼am c¼a deoarece
3
P (X x) = F (x), relaţia dat¼a se mai poate scrie sub forma
p F (x) = 0:5.
p Obţinem deci 0:5 + 0:75x 0:25x = 0:5,
2
sau echivalent x x 3 = 0, cu soluţiile x1 = 0, x2 = 3 şi x3 = 3. Cum numai soluţia x = 0 convine (de
ce?), avem x = 0.

Exerciţii

Exerciţiul 2.1 Desenaţi gra…cul funcţiei de probabilitate

x2
f (x) = 14 ; x 2 f1; 2; 3g
0; în rest

şi a funcţiei de distribuţie corespunz¼atoare.

Exerciţiul 2.2 Consider¼am funcţia de probabilitate f (x) = kCx3 pentru x 2 f0; 1; 2; 3g şi 0 în rest. S¼a se determine
valoarea constantei k, şi s¼a se reprezinte gra…c funcţia f şi funcţia de distribuţie F corespunz¼atoare.

Exerciţiul 2.3 S¼a se reprezinte gra…c funcţiile f şi F în cazul f (0) = f (3) = 61 , f (1) = f (2) = 13 . Poate funcţia
f avea alte valori nenule?

Exerciţiul 2.4 Fie X variabila aleatoare reprezentând num¼arul de ani înainte ca o anumit¼a pies¼a s¼a se defecteze.
Presupunem c¼a X are funcţia de probabilitate f (x) = kx3 pentru x 2 f0; 1; 2; 3; 4g şi 0 în rest. S¼a se reprezinte
gra…c funcţia f şi funcţia de distribuţie F corespunz¼atoare.
k
Exerciţiul 2.5 Dac¼a variabila aleatoare X are funcţia de probabilitate f (x) = x! pentru x 2 N şi 0 în rest, s¼a se
determine valoarea constantei k şi probabilitatea P (X 3).

Exerciţiul 2.6 S¼a se reprezinte gra…c funcţia de densitate f (x) = 41 pentru x 2 (2; 6) şi 0 în rest, precum şi funcţia
de densitate F corespunz¼atoare. S¼a se determine probabilit¼aţile P (X 4) şi P (X 3).

Exerciţiul 2.7 În exerciţiul anterior, s¼a se determine valoarea lui c astfel încât:

a) P (X c) = 90%
1
b) P (X c) = 2

c) P (X c) = 5%

Exerciţiul 2.8 Funcţia de distribuţie F a unei variabile aleatoare X este dat¼a de F (x) = 0 dac¼a x < 0 şi F (x) =
1 e 0:1x dac¼a x 0. S¼a se reprezinte gra…c F şi funcţia de densitate f . S¼a se determine valoarea lui c astfel încât
P (X c) = 95%.

Exerciţiul 2.9 Fie X grosimea (în milimetri) a unei garnituri produse de o anumit¼a maşin¼a. Presupunem c¼a
variabila aleatoare X are funcţia de densitate f (x) = kx dac¼a 0:9 < x < 1 şi 0 în rest. S¼a se determine k. Care
este probabilitatea ca o garnitur¼a produs¼a va avea o grosime între 0:95 şi 1:05 mm?

Exerciţiul 2.10 Dou¼a şuruburi sunt alese la întâmplare f¼ar¼a înlocuire dintr-o cutie ce conţine 7 şuruburi cu …let pe
dreapta şi 3 şuruburi cu …let pe stânga. Fie X variabila aleatoare reprezentând num¼arul de şuruburi extrase având
…letul pe partea stâng¼a. S¼a se determine P (X = 0), P (X = 1), P (X = 2), P (1 < X < 2) şi P (0:5 < X < 5).

Exerciţiul 2.11 S¼a se determine probabilitatea ca nici unul din cele trei becuri ale unui semafor s¼a nu trebuiasc¼a
schimbat în primele h1500 ore de funcţionare
i dac¼a durata de viaţ¼a X a unui bec este o variabil¼a aleatoare având
2
densitatea f (x) = 6 0:25 (X 1:5) pentru 1 x 2 şi 0 în rest, unde x este m¼asurat în multiplii de 1000 ore.

Exerciţiul 2.12 Dac¼a diametrul X al unei bare este o variabil¼a aleatoare având densitatea f (x) = k pentru
1119:9 x 120:1 şi 0 în rest, aproximativ câte bare vor … defecte într-un lot de 500 bare, dac¼a o bar¼a este
considerat¼a defect¼a când diametrul ei este mai mic decât 119:91 sau mai mare decât 120:09?

13
 0:2x
Exerciţiul 2.13 Dac¼a durata de viaţ¼a a unui rulment este o variabil¼a aleatoare cu densitatea f (x) = ke
pentru 0 x 10 şi 0 în rest, care este valoarea lui k? Care este probabilitatea P (X 5)?

Exerciţiul 2.14 S¼a se determine funcţia de probabilitate a variabilei aleatoare X reprezentând num¼arul de arunc¼ari
ale unui zar pân¼a la apariţia feţei 6. S¼a se veri…ce c¼a are loc relaţia (52).

Exerciţiul 2.15 Presupunem c¼a anumite şuruburi au o lungime L = 400+X mm, unde X este o variabil¼a aleatoare
având densitatea f (x) = 43 1 x2 pentru 1 x 1 şi 0 în rest. S¼a se determine valoarea lui c astfel încât cu
probabilitate de 95% un şurub va avea o lungime cuprins¼a între 400 c şi 400 + c.

Exerciţiul 2.16 Presupunem c¼a într-un proces automatizat de umplere a conservelor cu ulei, conţinutul unei con-
serve (în litri) este Y = 100 + X, unde X este o variabil¼a aleatoare având densitatea f (x) = 1 jxj pentru jxj 1 şi
0 pentru jxj > 1. S¼a se reprezinte gra…c f şi funcţia de distribuţie F corespunz¼atoare. Într-un lot de 1000 conserve,
aproximativ câte conserve vor conţine 100 de litri de ulei sau mai mult? Care este probabilitatea ca o conserv¼a s¼a
conţin¼a mai puţin de 99.5 litri ulei? Dar mai puţin de 99 litri ulei?

Exerciţiul 2.17 Fie funcţia de densitate f dat¼a de f (x) = kx2 dac¼a 0 x 2 şi 0 în rest. S¼a se determine
valoarea constantei k. S¼a se determine constantele c1 şi c2 astfel încât P (X c1 ) = 0:1 şi P (X c2 ) = 0:9.

Exerciţiul 2.18 Fie X raportul vanz¼arilor la pro…t pentru o anumit¼a …rm¼a. Presupunem c¼a X are funcţia de
distribuţie F dat¼a de 8
< 0; x<2
F (x) = x2 4
; 2 x<3 :
: 5
1; x 3
S¼a se determine şi s¼a se reprezinte gra…c funcţia de densitate f corespunz¼atoare. Care este probabilitatea ca X
s¼a …e cuprins între 2:5 (40% pro…t) şi 5 (20% pro…t)?

Exerciţiul 2.19 Fie X o variabil¼a aleatoare ce poate lua orice valoare real¼a. Care sunt complementarele eveni-
mentelor fX bg, fX < bg, fX ag, fX > ag, fa X bg, fa < X bg?

Exerciţiul 2.20 Ar¼ataţi c¼a dac¼a a < b atunci P (X a) P (X b).

2.3 Caracteristici numerice ale variabilelor aleatoare: media şi dispersia

Media unei variabile aleatoare X, notat¼ a M (X), (X), X , , sau E (X), caracterizeaz¼ a tendinţa central¼
a a val-
orilor acesteia, iar dispersia variabilei aleatoare X, notat¼ a 2 (X), 2X , 2 sau D2 (X), caracterizeaz¼a împr¼aştierea
valorilor lui X.
Media M (X) a variabilei aleatoare X se de…neşte prin
P
M (X) = R 1i xi f (xi ) dac¼
a X este o v.a. discret¼
a
; (25)
1
xf (x) dx dac¼
a X este o v.a. continu¼a
2
iar dispersia (X) a variabilei aleatoare X se de…neşte prin
( P
2
(x ) f (xi ) dac¼
a X este o v.a. discret¼
a
2
(X) = R 1i i 2 ; (26)
1
(x ) f (x) dx dac¼ a X este o v.a. continu¼a

unde prin f am notat funcţia de probabilitate a lui X în cazul în care X este o variabil¼ a aleatoare discret¼ a, respectiv
funcţia de densitate a lui X în cazul în care X este o variabil¼ a aleatoare continu¼ a.
Abaterea
p p¼
atratic¼a medie (X) a variabilei aleatoare X se de…neşte ca …ind radicalul dispersiei, adic¼ a
(X) = 2 (X).

Media M (X) a unei variabile aleatoare X se mai numeşte valoarea aşteptat¼ a / aşteptarea lui X, deoarece ea
este egal¼a cu valoarea medie a lui X atunci când se efectueaz¼ a multe încerc¼ ari.
Cantit¼aţi precum M (X) (media) sau 2 (X) (dispersia) care indic¼ a anumite propriet¼ aţi ale distribuţiei în cauz¼
a
se numesc parametrii ai distribuţiei. Media şi dispersia sunt cei mai importanţi parametrii ai unei distribuţii.
Observ¼ am c¼ a în general (cu excepţia cazului unei variabile aleatoare discrete având o singur¼ a valoare posibil¼ a),
avem 2 (X) > 0. În continuare vom presupune c¼ a M (X) şi 2 (X) exist¼a (şi sunt …nite), ca în majoritatea cazurilor
ce apar în probleme practice.

14
 Figure 4: Gra…cul funcţiilor de densitate şi de distribuţie în cazul distribuţiei uniforme pe intervalul (a; b).

Exemplul 2.17 Fie X variabila aleatoare reprezentând num¼arul de feţe stem¼a obţinut la aruncarea unei monede.
În acest caz variabila aleatoare X este dat¼a de
0 1
X= 1 1 ;
2 2

şi deci obţinem media

1 1 1
M (X) = 0 +1 =
2 2 2
şi dispersia
2 2
2 1 1 1 1 1
= 0 + 1 = :
2 2 2 2 4

a pe intervalul (a; b)) Distribuţia având funcţia de densitate

Exemplul 2.18 (Distribuţia uniform¼
1
f (x) = b a; x 2 (a; b)
0 în rest

se numeşte distribuţie uniform¼ a pe intervalul (a; b).

Media şi dispersia sunt date în acest caz de
Z 1 Z b b
x x2 b2 a2 a+b
M (X) = xf (x) dx = dx = = = ;
1 a b a 2 (b a) a 2 (b a) 2

respectiv
Z 1 2 Z b 2 3 b 2
2 a+b a+b 1 1 a+b (b a)
(X) = x f (x) dx = x dx = x = :
1 x a 2 b a 3 (b a) 2 12
a

Figura 4 indic¼a gra…cele funcţiei de densitate f şi a funcţiei de distribuţie F corespunz¼atoare distribuţiei uniforme
pe intervalul (a; b).

Dac¼a o distribuţie este simetric¼

a (adic¼
a gra…cul funcţiei de probabilitate/densitate f este simetruic faţ¼
a de o
dreapt¼
a x = c), atunci putem calcula media a distribuţiei folosind urm¼ atoarea.

Teorema 2.19 Dac¼a funcţia f (de probabilitate sau de densitate) a unei distribuţii este simetric¼a faţ¼a de dreapta
x = c, atunci media distribuţiei este M (X) = c.

Demonstraţie. În cazul unei distribuţii continue având densitatea f , conform de…niţiei mediei avem:
Z 1 Z c Z 1
M (X) = xf (x) dx = xf (x) dx + xf (x) dx:
1 1 c

15
 Folosind substituţia x = c u în prima integral¼ a, respectiv substituţia x = c + u în a doua integral¼
a, şi faptul
c¼
a funcţia f este simetric¼
a faţ¼
a de dreapta x = c (adic¼ a f (c u) = f (c + u)), obţinem:
Z 1 Z 1
M (X) = (c u) f (c u) du + (c + u) f (c + u) du
Z0 1 0

= (c u + c + u) f (c + u) du
0
Z 1
= 2c f (c + u) du
Z0 1
= 2c f (x) dx
c
= c;
R1 Rc R1
deoarece 1 f = 1 şi deci 1 f = c f = 12 (funcţia f …ind simetric¼ a faţ¼
a de x = c).
Demonstraţia este similar¼
a în cazul unei distribuţii discrete.

2.4 Transformarea mediei şi dispersiei

În practic¼ a, deseori cunoaştem media M (X) şi dispersia 2 (X) a variabilei aleatoare X, şi dorim s¼
a calcul¼
am media
şi dispersia unei variabile aleatoare Y = aX + b, unde a; b 2 R sunt constante. R¼ aspunsul este dat de urm¼ atoarea.

Teorema 2.20 (Transformarea mediei şi dispersiei) Dac¼a o variabil¼a aleatoare X are medie M (X) = şi
dispersie 2 (X) = 2 , atunci media şi dispersia variabilei aleatoare

Y = aX + b (a > 0, b 2 R)

sunt date de
2
M (Y ) = a + b şi (Y ) = a2 2
: (27)
În particular, variabila aleatoare standardizat¼
a Z corespunz¼atoare lui X, dat¼a de
X
Z= (28)

2
are medie M (Z) = 0 şi dispersie (Z) = 1.

Demonstraţie. Vom da demonstraţia numai în cazul unei variabile aleatoare X continue.

S¼
a ar¼
at¼
am mai întâi c¼
a dac¼a densitatea variabilei aleatoare X este f , atunci densitatea variabilei aleatoare Y
este fY = af + b.
Reamintim c¼a densitatea f a variabilei aleatoare X a fost de…nit¼ a ca funcţia cu proprietatea c¼
a
Z x
F (x) = f (u) du;
1

sau echivalent Z x
P (X x) = f (u) du:
1

Pentru a determina densitatea fY a variabilei aleatoare Y , încerc¼ am s¼

a scriem probabilitatea P (Y x) ca o
integral¼
a de la 1 la x (densitatea fY este atunci funcţia care apare sub integral¼ a).
Folosind faptul c¼
a a > 0 şi faptul c¼
a f este densitatea variabilei aleatoare X, avem:
Z x b
x b a
P (Y x) = P (aX + b x) = P X = f (u) du:
a 1

v b
Folosind substituţia u = a , obţinem:
Z x
v b 1
P (Y x) = f dv;
1 a a

16
şi deci funcţia de densitate a variabilei aleatoare Y este
1 v b
fY (v) = f :
a a
Putem deci calcula media variabilei aleatoare Y conform de…niţiei
Z 1 Z 1
1 x b
M (Y ) = xfY (x) dx = x f dx:
1 1 a a
x b
Folosind substituţia y = a (sau echivalent x = ay + b), obţinem
Z 1
1
M (Y ) = (ay + b) f (y) ady
1 a
Z 1
= (ay + b) f (y) dy
1
Z 1 Z 1
= a yf (y) dy + b f (y) dy
1 1
= a + b;
R1
conform de…niţiei medie a lui X şi deoarece 1 f = 1 (funcţia f …ind o funcţie de densitate).
În mod similar putem calcula dispersia variabilei aleatoare Y
Z 1
2 2
(Y ) = (x Y ) fY (x) dx
1
Z 1
2 1 x b
= (x a b) f dx
1 a a
Z 1
2 1
= (ay + b a b) f (y) adx
1 a
Z 1
2
= a2 (x ) f (y) dx
1
= a2 2
;

conform de…niţiei dispersie 2 (X) = 2 a lui X.

Pentru a demonstra ultima parte a demonstraţiei, considerând a = 1 şi b = în demonstraţia anterioar¼
a,
obţinem c¼ a Z = 1X
a variabila aleatoare standardizat¼ =X are medie

1
M (Z) = =0

şi dispersie
2
2 1 2
(Z) = = 1;

încheiând demonstraţia.

2.5 Medie şi momente

Media (sau aşteptarea) a unei variabile aleatoare X reprezint¼ a valoarea medie aşteptat¼
a a lui X, şi se mai noteaz¼a
M (X) sau E (X). Mai general, dac¼ a g : R ! R este o funcţie continu¼ a, atunci g (X) este de asemenea o variabil¼ a
aleatoare. Media (sau aşteptarea) M (g (X)) reprezint¼ a valoarea medie aşteptat¼a a variabilei g (X) şi se de…neşte
în mod similar formulei (25) prin
P
M (g (X)) = R 1i g (xi ) f (xi ) dac¼
a X este o v.a. discret¼
a
; (29)
1
g (x) f (x) dx dac¼
a X este o v.a. continu¼
a

unde f reprezint¼
a funcţia de probabilitate a lui X (în cazul unei variabile X discrete) sau funcţia de densitate a lui
X (în cazul unei variabile aleatoare X continue).

17
 În cazul particular al alegerii funcţiei g (x) = xk se obţine momentul de ordin k al variabilei aleatoare X
X Z 1
k k
M X = xi f (xi ) sau xk f (x) dx; (30)
i 1

k
iar în cazul alegerii funcţiei g (x) = (x ) se obţine momentul centrat de ordin k al variabilei aleatoare X
X Z 1
k k k
M (X ) = (xi ) f (xi ) sau (x ) f (x) dx: (31)
i 1

Observ¼
am c¼
a momentul de ordin 1 (k = 1 în formula (30)) coincide cu media a variabilei aleatoare X
= M (X) ;
2
şi c¼
a momentul centrat de ordin 2 (k = 2 în formula (31)) coincide cu dispersia a variabilei aleatoare X
2 2
= M (X ) .

Exerciţii
S¼a se determine media şi dispersia variabilei aleatoare X în urm¼
atoarele cazuri (f reprezint¼
a funcţia de proba-
bilitate sau de densitate a variabilei aleatoare X).
Exerciţiul 2.21 f (x) = kCx3 , x 2 f0; 1; 2; 3g şi 0 în rest.
Exerciţiul 2.22 X reprezint¼a rezultatul arunc¼arii unui zar.
Exerciţiul 2.23 f (x) = 2x pentru 0 x 1 şi 0 în rest.
x
Exerciţiul 2.24 f (x) = e pentru x > 0 şi 0 în rest.
Exerciţiul 2.25 Y = 4X 2, unde X este variabila aleatoare din anterior.
Exerciţiul 2.26 X este variabila aleatoare uniform¼a pe [0; 10].
Exerciţiul 2.27 Dac¼a diametrul X (în centimetri) al unor şuruburi are densitatea f (x) = k (x 0:9) (1:1 x)
pentru 0:9 < x < 1:1 şi 0 în rest, s¼a se determine k; şi 2 . S¼a se reprezinte gra…c densitatea f .
Exerciţiul 2.28 Dac¼a în exerciţiul anterior un şurub este considerat defect atunci când diametrul s¼au difer¼a cu
mai mult de 0:06 cm faţ¼a de 1 cm, care este probabilitatea ca un şurub s¼a …e defect?
Exerciţiul 2.29 În exerciţiul anterior, care este valoarea maxim¼a posibil¼a a deviaţiei faţ¼a de 1 cm pentru care
probabilitatea ca un şurub s¼a …e defect este de 10%?
Exerciţiul 2.30 Care este valoarea aşteptat¼a a sumei la aruncarea de 20 de ori a unui zar? Comparaţi valoarea
obţinut¼a cu valoarea experimental¼a (efectuaţi experimentul de un num¼ar de ori şi înregistraţi valorile obţinute).
Exerciţiul 2.31 O staţie de benzin¼a este alimentat¼a în …ecare Sâmb¼at¼a. Presupunem c¼a volumul X de benzin¼a
vândut¼a (în zeci de mii de litri) este o variabil¼a aleatoare având densitatea f (x) = 6x (1 x) pentru 0 x 1 şi
0 în rest. S¼a se determine media, dispersia şi variabila aleatoare standardizat¼a corespunz¼atoare lui X.
Exerciţiul 2.32 Ce capacitate trebuie s¼a aib¼a rezervorul din problema anterioar¼a, dac¼a probabilitatea ca rezervorul
s¼a …e golit într-o anumit¼a s¼apt¼amân¼a este de 5%?
Exerciţiul 2.33 Dac¼a durata de viaţ¼a a unor cauciucuri (în mii de kilometri) are densitatea f (x) = e x pentru
x > 0 şi 0 în rest, ce kilometraj sunteţi aşteptat s¼a obţineţi cu acest tip de cauciucuri? Pentru = 0:05, determinaţi
probabilitatea ca un cauciuc va avea o durat¼a de viaţ¼a mai de cel puţin 30000 km.
Exerciţiul 2.34 La aruncarea unui zar, o persoan¼a câştig¼a atâţia lei câţi indic¼a zarul. Cât ar trebui s¼a pl¼ateasc¼a
persoana pentru un joc, pentru ca jocul s¼a …e cinstit (echitabil)?
Exerciţiul 2.35 Care este valoarea aşteptat¼a a pro…tului zilnic al unui magazin care vinde X curcani pe zi cu
probabilit¼aţile f (5) = 0:1, f (6) = 0:3, f (7) = 0:4 şi f (8) = 0:2, dac¼a pro…tul pentru un curcan vândut este de 35
lei?

18