Variabile aleatoare

Majoritatea experimentelor de interes practic au ca rezultate valori

numerice. Aceasta înseamnă că rezultatul unei probe al unui experiment, poate fi
caracterizat de un număr sau de un cuplu de numere. Se poate, astfel considera că
fiecărei probe al unui experiment i se poate asocia un număr sau de un cuplu de
numere.
În viața de toate zilele întâlnim la tot pasul mărimi care iau valori ce se
schimbă sub influența unor factori întâmplători. Așa sunt, de exemplu, numărul de
zile dintr-un an în care cade ploaie într-o anumită regiune, numărul băieților din
100 de nou născuți, numărul de puncte care apar la aruncarea unui zar, numărul de
bile albe care apar în n extrageri dintr-o urnă care conține bile de diferite culori
printre care și bile albe etc. Ne interesează dintre aceste mărimi numai acelea care
iau un număr finit de valori. Fiecare dintre mărimile de mai sus poate lua diferite
valori în diverse efectuări ale experienței, chiar dacă toate condițiile rămân
aceleași la fiecare efectuare a experienței.
Modificarea valorilor are la bază factorii întâmplători. De aceea vom numi
aceste mărimi variabile aleatoare (întâmplătoare).
Se poate atunci introduce noțiunea de variabilă aleatoare (întâmplătoare)
ca o funcție reală definită pe mulțimea evenimentelor elementare asociate
experimentului considerat.
Cuvântul aleator, subliniază faptul că se lucrează cu elemente generate de
fenomene întâmplătoare, care nu sunt guvernate de legi strict deterministe.
Elementul dificil în analiza acestor fenomene constă în faptul că deși
acestea au o anumită regularitate, este imposibil de precizat cu certitudine
rezultatul unei probe întâmplătoare.
Pentru cunoașterea unei variabile aleatoare trebuie să știm în primul rând
valorile pe care le poate lua. Dar cunoașterea acestor valori este departe de a fi
1
suficientă. După cum am văzut, fiecare valoare este luată sub influența unor factori
întâmplători. Deci, unele valori pot apărea mult mai des decât celelalte. Variabila
aleatoare va fi mult mai bine precizată daca vom cunoaște și probabilitatea cu care
este luată fiecare valoare.
Variabila aleatoare este una din noţiunile fundamentale ale teoriei
probabilităţilor şi a statisticii matematice. În urma unui proces tehnologic de
prelucrare se constată că deşi condiţiile de uzinare sunt identice între reperele
prelucrate la anumite perioade de timp există diferenţe în cea ce priveşte
dimensiunile prescrise. De asemenea în cadrul unei cercetări experimentale se
constată că între valorile numerice măsurate există diferenţe chiar dacă condiţiile
de desfăşurare a experimentului rămân neschimbate.
Dacă ne referim la o singură măsurătoare, variabila aleatoare este acea
mărime care în cadrul unui experiment poate lua o valoare necunoscută aprioric.
Pentru un şir de măsurători, variabila aleatoare este o noţiune care-l caracterizează
din două puncte de vedere:
 caracterizare din punct de vedere cantitativ - variabila aleatoare ne dă
informaţii privind valoarea numerică a mărimii măsurate
 caracterizare din punct de vedere calitativ - variabila aleatoare ne dă
informaţii privind frecvenţa de apariţie a unei valori numerice într-un şir.
Dacă valorile numerice ale unui şir de date aparţin mulţimii numerelor
întregi sau raţionale atunci se defineşte o variabilă aleatoare discretă. În cazul
apartenenţei valorilor la mulţimea numerelor reale se defineşte o variabila
aleatoare continuă. Primul caz se întâlneşte în cazul numărului de piese defecte
extras dintr-un lot de fabricaţie care aparţine totdeauna mulţimii numerelor întregi.
Al doilea caz în cercetarea experimentala la măsurarea forţei de aşchiere sau
a momentului când valorile obţinute aparţin mulţimii numerelor reale
O variabilă aleatoare se notează cu litere mari A, B, X, cu litere mici
notându-se valorile posibile: x1, x2, x3, ..., x.
O variabilă aleatoare X o vom nota schematic
 x x2 xn 
X : 1 
 p1 p2 pn 

În primul rând al tabelului am trecut valorile posibile ale variabilei și sub

fiecare valoare, probabilitatea cu care X ia aceasta valoare. Aceasta se numește
distribuție sau repartiție a variabilei X.
De cele mai multe ori în calcul este suficient să cunoaștem valorile care le ia
variabila aleatoare și probabilitățile respective.
Dar, în general, cunoașterea acestor date nu este suficientă pentru
determinarea completă a variabilei aleatoare. Să arătăm acest lucru într-un
exemplu.
Consideram un joc cu zaruri. Se acordă celui care aruncă zarul:
 1 punct daca apare una din fețe 1 sau 2;
 2 puncte daca apare una din fețe 3 sau 4;
 3 puncte daca apare una din fețe 5 sau 6;
Obținem o variabilă aleatoare Y cu distribuția:
1 2 3
Y : 1 1

1 ,
 
3 3 3

În acest exemplu, variabilele X si Y nu sunt egale, dar au aceeași distribuție.

Într-adevăr, X poate să ia valoarea 3 în timp ce ia valoarea 1, dacă a ieșit fața 6.
Mai mult, atunci când una din cele două variabile ia valoarea 2, cealaltă nu poate
lua aceeași valoare.
Se știe că aruncarea zarului este o experiență care dă naștere la un tip de
probabilitate. Am notat mulțimea evenimentelor elementare prin E ={1, 2, 3, 4, 5,
6}. Se vede că variabila X este o funcție definită pe E, care ia urmatoarele valori:
X({1}) =1; X({2})=1; X({3})=2;
X({4})=2; X({5})=3; X({6})=3
La fel:
Y({1}) = Y({6}) = 1;
Y({2}) = Y({5}) = 2;
Y({3}) = Y({4}) = 3.
 În general, la orice variabilă aleatoare ne interesează probabilitatea ca ea să
ia o anumită valoare. Dar pentru a putea vorbi de probabilitate, trebuie să avem în
vedere un câmp de probabilități. Vom spune deci că o variabilă aleatoare este o
funcție definită pe mulțimea evenimentelor elementare ale unui câmp de
probabilitate. Egalitatea de forma x  xi este un eveniment. În exemplul de mai
sus, egalitatea X=1 este echivalentă cu evenimentul {1, 2}. Într-adevăr această
egalitate se realizează, dacă și numai dacă se realizează acest eveniment, cu alte
cuvinte jucătorul respectiv capătă un punct dacă și numai dacă obține una din fețele

1 sau 2. Deoarece egalitățile x  x1 , x  x2 , …. x  xn sunt incompatibile două

câte două dar una din ele se realizează neaparat, avem;
P  x  x1   P  x  x2   ...  P  x  xn   1 ,

p1  p2  ...  pn  1
Variabilele aleatoare se clasifică după mulțimea pe care sunt definite.
Astfel, se deosebesc variabile aleatoare de tip discret și de tip continuu.
Variabilele aleatoare discrete sunt definite pe o mulțime cel mult
numărabilă de evenimente. Numărul valorilor posibile ale unei variabile aleatoare
discrete poate fi finit sau infinit.
Variabila aleatoare continuă este definită pe o mulțime continuă.
Variabilă aleatoare continuă poate lua orice valoare între două numere. Numărul
valorilor posibile ale unei variabile aleatoare continuă este infinit.
Simularea unei variabile aleatoare este utilizată atât în statistică (procedee
de eşantionare), cât şi în modelarea stochastică. Această simulare se poate realiza
cu ajutorul unor obiecte (zar, ruletă), sau algoritmizarea generării unor valori
numerice pe calculator.
Calculatoarele din ce în ce mai performante au determinat, în principal,
orientarea spre cea de a doua metodă.
În ceea ce priveşte clasificarea, există generatoare de variabile aleatoare
uniform repartizate şi neuniform repartizate, ultimele construindu-se, în general,
pe baza celor din prima categorie.
 Caracteristici numerice ale variabilelor discrete
O variabila aleatoare poate fi caracterizată prin funcția sa de repartiție. În
multe situații aceasta din urmă nu este cunoscută și se pune problema introducerii
unor alți parametri (caracteristici numerice) care să permită caracterizarea
variabilei aleatoare respective.
Printre aceste caracteristici numerice, un rol important îl ocupă valoarea
medie (sau speranța matematică), dispersia (sau varianța), momentele inițiale și
momentele centrate de diferite ordine.
Definițiile următoare au fost date pentru cazul în care variabila X are o
infinitate numărabilă de valori, de aceea pentru existența valorilor caracteristice de
mai jos vom presupune că seriilor corespunzătoare sunt convergente. În cazul în
care o serie este divergentă vom spune că variabila X nu posedă respectiva
caracteristică numerică.
Variabile aleatoare discrete uniform repartizate
1
̅̅̅̅̅
Fie X o variabilă aleatoare discretă P(X=i) = , i = 1, 𝑛. Simularea acestei
𝑛

variabile aleatoare utilizează o funcţie g: Ik →I, unde I este mulţimea numerelor

întregi reprezentate în calculator. Pornind de la valorile iniţiale x1, x2, ..., xn şi
folosind relaţia de recurenţă xn = g (xn-k, …, xn-1), n>k, se generează o secvenţă
de numere. Şirul (xn) este periodic, deoarece I este finită. Acest generator este
suficient de bun dacă perioada lui este mare în raport cu numărul de valori
generate şi valorile generate nu sunt secvenţial corelate, adică secvenţe de p valori
succesiv generate ocupă spaţiul de dimensiune p. Aceste două condiţii pot fi
îndeplinite printr-o alegere adecvată a funcţiei g.
Metodele congruenţiale sunt cele mai utilizate. Ele se bazează pe o relaţie de
recurenţă de forma xn = f(xn-k, …, xn-1)mod m unde f:Ik→I.
Este comod să alegem funcţia liniară f(xn-k, …, xn-1)= a1, xn-1+…+ ak xn-k+ c,
a1,… ak, c fiind valori întregi.
 Metoda generează valori cuprinse între 0 şi m-1, motiv pentru care m se
alege cât mai mare. Pentru k=0, avem generatori de ordinul întâi. În acest caz,
a=16807, c=0, m=231-1 sau a=24298, c=99991, m=199017 sunt câteva seturi de
valori adecvate.
Variabile aleatoare continue
Presupunem că selectăm o piesă dintr-o producţie zilnică şi măsurăm o
dimensiune a acesteia. În practică, măsurătorile pot avea mici variaţii datorită
multor cauze, cum ar fi vibraţiile, fluctuaţiile de temperatură, diferenţele de
operare, uzuri şi modificări ale materiei prime. Într-un experiment de acest fel,
măsurătorile sunt reprezentate în mod natural de o variabilă aleatoare X şi este
rezonabil să modelăm domeniul valorilor posibile a lui X cu un interval de numere
reale.
O variabilă aleatoare continuă este o variabilă aleatoare care are domeniul
valorilor posibile un interval finit sau infinit de numere reale. Modelul permite
orice precizie la măsurarea lungimilor. Deoarece numărul valorilor posibile ale
variabilei aleatoare X este infinit, nenumărabil, X are o distribuţie diferită, distinctă
faţă de variabilele aleatoare discrete studiate în capitolul precedent. Dar, ca şi în
cazul discret, multe sisteme fizice pot fi modelate de aceleaşi variabile aleatoare
continue.
Simularea unei variabile aleatoare continue uniforme pe [0,1] se realizează
prin generarea de valori întregi uniform repartizate pe mulţimea {0, 1, ..., m-1} şi
prin împărţirea lor prin m-1. Pentru o variabilă aleatoare uniform repartizată pe
(0,1) se generează valori din mulţimea {1, ..., m-1}, care se împart la m. O
variabilă aleatoare X, uniform repartizată pe (a,b) se generează cu ajutorul unei
variabile aleatoare Y, uniform repartizată pe (0,1) după care se efectuează
schimbarea de variabilă X = (b - a)Y+ a. În cele ce urmează, ne vom referi la
metoda inversării funcţiei de repartiţie.
Fie X o variabilă aleatoare având drept funcţie de repartiţie:
F: R →[0,1], atunci inversa ei se defineşte ca F1(y) = {x ∈ R│F(x) ≥ u}, (∀ u ∈
[0,1], rezultând astfel o posibilitate de algoritmizare în vederea simulării
variabilei. Pentru diverse repartiţii concrete, se obţin diverşi algoritmi.
Presupunem că selectăm o piesă dintr-o producţie zilnică şi măsurăm o
dimensiune a acesteia. În practică, măsurătorile pot avea mici variaţii datorită
multor cauze, cum ar fi vibraţiile, fluctuaţiile de temperatură, diferenţele de
operare, uzuri şi modificări ale materiei prime. Într-un experiment de acest fel,
măsurătorile sunt reprezentate în mod natural de o variabilă aleatoare X şi este
rezonabil să modelăm domeniul valorilor posibile a lui X cu un interval de numere
reale. O variabilă aleatoare continuă este o variabilă aleatoare care are domeniul
valorilor posibile un interval finit sau infinit de numere reale. Modelul permite
orice precizie la măsurarea lungimilor. Deoarece numărul valorilor posibile ale
variabilei aleatoare X este infinit, nenumărabil, X are o distribuţie diferită, distinctă
faţă de variabilele aleatoare discrete studiate în capitolul precedent. Dar, ca şi în
cazul discret, multe sisteme fizice pot fi modelate de aceleaşi variabile aleatoare
continue.

Tabelul de distribuţie (repartiţia) unei variabile aleatoare discrete

Dacă x1, x2, ..., xn sunt valorile reale ale variabilei X şi se cunosc
probabilităţile fiecărei valori pi = P (X=xi), i = ̅̅̅̅̅
1, 𝑛, atunci repartiţia variabilei
aleatoare X este mulţimea perechilor ordonate {(xi, pi) i = ̅̅̅̅̅
1, 𝑛}.
Repartiţia se poate reprezenta şi sub forma unui tabel de distribuţie, astfel:
𝑥1 𝑥2 … 𝑥𝑛
X : (𝑝 𝑝 … 𝑝 )
1 2 𝑛

Media variabilei aleatoare X este numărul M(X) = 𝑥1 𝑝1 + 𝑥2 𝑝2 + … + 𝑥𝑛 𝑝𝑛

Modulul variabilei X este valoarea care corespunde celei mai mari probabilităţi.
Dispersia variabilei X este numărul 𝐷2 (X) = M [(X – m)2], m = M(X).
Amplitudinea variabilei X este diferenţa dintre cea mai mare şi cea mai mică
valoare a variabilei X.
 Operații cu variabile aleatoare

Produsul și suma dintre o constantă și o variabilă aleatoare

Dacă X este o variabilă aleatoare și a o constantă , aX este o variabilă care
ia valoarea axi , atunci când X ia valoarea xi, iar a+X este o variabilă care ia
valoare a+xi, când X ia valoarea xi. Dacă X are distribuția
x x2 xn 
X : 1 ,
 p1 p2 pn 

atunci:
 ax ax2 axn 
aX :  1 ,
 p1 p2 pn 

 a  x1 a  x2 a  xn 
a  X : .
 p1 p2 pn 

Adunarea variabilelor aleatoare

Fiind date două variabile aleatoare X si Y , vom numi suma lor Z = X+Y,
care ia valoarea xi+yi, dacă X ia valoarea xi și Y ia valoarea yi.
Dacă X și Y au respectiv distribuțiile:
x x2 xm   y y2 yn 
X :  1  , Y :  1 ,
 p1 p2 ... pm   q1 q2 qn 

X+Y are distribuția

x  y x2  y2 xm  yn 
X Y : 1 1 
 q11 q12 qmn 

unde pij (i=1,2,...m; j=1,2,...,n) este probabilitatea realizării simultane a egalităților

X=xi și Y=yi.
Fiind date mai multe variabile aleatoare X, Y.., V suma lor se definește
asemănător: X+Y+...+V este variabila care ia valoarea xi+yi+...+vk, dacă X,Y,...,V
iau respectiv xi,yi,...vk.
De exemplu, fiind date 3 variabile aleatoare.
x x2 xm  y y2 yn   z1 z2 zs 
X :  1  , Y :  1  , Z :  ,
 p1 p2 ... pm   q1 q2 qn   r1 r2 ... rs 
putem scrie
 x  y1  z1 x2  y 2  z 2 xm  y n  z s 
X  Y  Z :  1 
 q111 q112 ... qmns 
Când scriem tabloul de distribuție al unei variabile aleatoare e bine să avem în
vedere ca valorile din primul rând să fie diferite de câte două.

Produsul variabilelor aleatoare

Fiind date două variabile aleatoare X și Y , vom numi produsul variabilei
XY, care ia valoarea xiyi, atunci când X ia valoarea xi și Y ia valoarea yi.
Dacă X și Y au distribuțiile:
x x2 xm  y y2 yn 
X :  1  , Y :  1 ,
 p1 p2 ... pm   q1 q2 qn 

XY are distribuția
x y x2 y2 xm yn 
XY :  1 1 ,
 p11 p22 pmn 

unde pij este probabilitatea realizării simultane a egalităților X  xi , Y  y j

Fiind date mai multe variabile aleatoare X,Y, .., V , vom numi produsul lor
variabilă XY...V, care ia valoarea xiyi...vk.
De exemplu, fiind date 3 variabile aleatoare
x x2 xm  y y2 yn   z1 z2 zs 
X :  1  , Y :  1  , Z :  .
 p1 p2 ... pm   q1 q2 qn   r1 r2 ... rs 

Atunci scriem:
x y z x2 y 2 z 2 xm y n z s 
XYZ :  1 1 1 ,
 p111 p112 ... pmns 

unde pijk este probabilitatea realizării simultane a relațiilor X=xi, Y=yj, Z=zk.
Ridicarea la putere a unei variabile aleatoare
Fiind data o variabilă aleatoare X, vom numi puterea r a variabilei aleatoare
X variabila Xr care ia valoarea xir, dacă X ia valoarea xi.
Dacă distribuția lui X este
 x x2 xn 
X : 1 ,
 p1 p2 pn 

Distribuția variabilei Xr este

 x x2 xn 
X: 1 ,
 p1 p2 pn 

Alte operații cu variabila aleatoare

1
Fiind dată o variabilă aleatoare X vom numi inversa ei variabila , care ia
X
1
valoarea , când X ia valoarea xi . Acesta este un caz particular al puterii unei
xi
variabile aleatoare, cazul r =-1.
Fiind date două variabile aleatoare X și Y , astfel ca Y să nu ia valori egale
X xi
cu zero, vom numi raportul lor variabila , care ia valoarea , dacă X ia valoarea
Y yi
xi și Y ia valoarea yi.

Variabile aleatoare independente

Am văzut că de câte ori avem de efectuat o operație cu două variabile
aleatoare X și Y, ne interesează probabilitatea realizării sistematice a egalităților de
forma X=xi și Y=yi. Am notat această probabilitate cu pij. Dacă evenimentele
(X=xi) și (Y=yi) sunt identice pentru toate valorile indicilor i si j, vom spune că
variabilele în acest caz se pot scrie:
pij=P(X=xi ,Y=yi)=P((X=xi )  (Y=yi))=P(X=xi) P(Y=yi).
Daca P(X=xi) = pi si P(Y=yi)=qj, avem pij=pi∙ qj

Valori medii

Definitie. Fiind dată o variabilă aleatoare

x x2 xn 
X : 1 ,
 p1 p2 pn 

vom numi valoare medie a acestei variabile numărul

 n
M  x   p1 x1  p2 x2  ...  pn xn   pi xi
i 1

Exemplu
Dacă luăm ca variabilă X numărul de puncte ieșite la aruncarea zarului,
distribuția variabilei X este:
1 2 3 4 5 6
X 1 1 1 1 1

1,
 
6 6 6 6 6 6

Valoarea medie a acestei variabile este

1 1 1 1 1 1 7
M  x   1  2   3   4   5   6  
6 6 6 6 6 6 2

Să scoatem în evidență câteva proprietăți ale valorii medii:

1. Valoarea medie a unei constante este egală cu constanta

Distribuția unei variabile aleatoare care ia o singură valoare este de forma
a
 
1  și deci valoarea sa medie va fi egală cu a  1 = a.

2. Dacă X este o variabilă aleatoare și a o constantă, atunci sunt adevărate

relațiile:
M(a+X) = a+M(X),
M(aX) = aM(X)
Într-adevăr , fie
x x2 xn 
X : 1 ,
 p1 p2 pn 

distribuția variabilei X.
Distribuția variabilei a+X este
 a  x1 a  x2 a  xn 
A X : ,
 p1 p2 pn 

Valoarea medie
 a  x1  p1   a  x2  p2  ...   a  xn  pn 
 a  p1  p2  ...  pn    p1 x1  p2 x2  ...  pn xn  .

Distribuția variabilei aX este

 ax ax2 axn 
X : 1 ;
 p1 p2 pn 

iar media
p1  ax1   p2  ax2   ...  pn  axn  
 a  p1 x1  p2 x2  ...  pn xn   aM  x  .

3. Valoarea medie a unei variabile aleatoare

x x2 xn 
X : 1 ,
 p1 p2 pn 

este cuprinsă între cea mai mică și cea mai mare din valorile posibile variabile.
Într-adevăr, fie a cea mai mică dintre valorile x1 x2 , ..., xn , A, cea mai mare
dintre aceste valori. În relatia: M(X)=p1 x1+ p2 x2+…+ pnxn membrul drept se
micșorează dacă înlocuim toate valorile xi, (i= 1,2,..,n) cu a:
M(X)>p1a + p2 a+…+ pna= (p1+ p2+…+ pn)a=a
Dacă înlocuim toate valorile xi (i=1,2,…,n) cu A membrul drept se mărește
M(X)<p1A + p2 A+…+ pnA= (p1+ p2+…+ pn)A=A. Deci a<M(X)<A.
4. Valoarea medie a unei sume finite de variabile aleatoare este egală cu suma
valorilor medii ale variabilelor aleatoare respective.
Fie
x x2 xm   y y2 yn 
X :  1  , Y :  1 ,
 p1 p2 ... pm   q1 q2 qn 

suma variabilelor aleatoare. Ne propunem să calculăm valoarea medie a variabilei

X+Y;
x  y x2  y2 xm  yn 
X Y : 1 1 
 p11 p12 pmn 

Conform definiției valorii medii putem scrie:

X+Y= p11 (x1+y1) + p12 x1+y2)+…+ (x1+y2)+…+p1n(x1+yn)+p21(x2+y1) + p22 (x2+y2)
+ … + p2n(x2+yn) + .... + y1(p11+p21+…+pm1) + y2(p12+p22+…+pm2) + … +
+yn(p1n+p2n+…+pmn).
Să scriem această relație mai restrâns
n
X Y  x p
i 1
i i1  pi 2  ...  pin  

  y j  p j1  p j 2  ...  p jn 
m

j 1

Reamintim că prin pkl am notat probabilitatea evenimentului (X=xi) și

(Y=yj). Evenimentele (Y=y1), (Y=y2),…, (Y=yn) sunt incompatibile două câte două
și Y  y1   Y  y2   ...  Y  yn   E, unde E este evenimentul sigur. Deci

 X  xi    X  xi   E   X  xi  
 Y  y1   Y  y2   ...  Y  yn   ,

 X  xi    X  xi   Y  y1    X  xi   Y  y2  

...   X  xi   Y  yn  ,

pi  P  X  xi   P  X  xi   Y  y1   
 P  X  xi   Y  y2   ...  P  X  xi   Y  yn  ,

sau pi= pi1+pi2+…+pin. Raționând la fel se poate arata că pj=pj1+pj2+…+pjm.

n m
Putem deci scrie M  X  Y    xi pi   y j p j  M  X   M Y  .
i 1 j 1

Valoarea medie a unei sume de două variabile aleatoare este egală cu media
valorilor medii a celor două variabile.
Proprietatea este adevarată pentru suma unui număr finit oarecare de
variabile aleatoare.
Demonstrația acestei afirmații se face prin recurență.
Pentru aceasta este suficient să observăm că putem scrie:
X+Y+Z=(X+Y)+Z.
Din această relație rezultă proprietatea pentru trei variabile aleatoare.
M(X+Y+Z) = M(X+Y)+ M(Z)= M(X)+M(Y)+M(Z)
În general dacă știm că
M(X1+X2+…+Xn) = M(X1)+M(X2)+…+M(Xn),
Din relația
X1+X2+…+Xn+Xn+1=(X1+X2+…+Xn)+ Xn+1
M(X1+X2+…+Xn+Xn+1 )=M=(X1+X2+…+Xn)+M(Xn+1 ) =
M(X1)+M(X2)+…+M(Xn)+ M(Xn+1 ).

5. Valoarea medie a unui produs finit de variabile aleatoare

Fiind date două variabile aleatoare
x x2 xm  y y2 yn 
X :  1  , Y :  1 
 p1 p2 ... pm   q1 q2 qn 

valoarea medie a variabilei

x y x2 y2 xm yn 
XY :  1 1 ,
 p11 p12 pmn 

este

M  XY   p11 x1 y1  p12 x1 y2  ...  p1n x1 yn  p21 x2 y1 

 p22 x2 y2  ...  p2 n x2 yn  ...  pm1 xm y1  pm2 xm y2  ... pmn xm yn .
În cazul general, această expresie nu se poate simplifica. Dacă însă
variabilele aleatoare X și Y sunt independente, se produc simplificări însemnate.
Știm că în acest caz putem scrie pij= pi gj
M  XY   p1 g1 x1 y1  p1 g 2 x1 y2  ...  p1 g n x1 yn  p2 g1 x2 y1 
 p2 g 2 x2 y2  ...  p2 g n x2 yn  ...  pm g n xm y1  pm g 2 xm y2  ... 
 pm g n xm yn .
Dând factor p1x1 în prima linie, p2x2 în a doua, ..., pmxm în a m-a rezultă
M(XY)= p1x1(g1y1+ g2 y2+...+ gnyn)+ p2x2(g1y1+ g2 y2+...+ gnyn)+...+ pmxm(g1y1+ g2
y2+...+ gnyn)
M(XY)= (g1y1+ g2 y2+...+ gnyn) (p1x1+ p2x2+...+ pmxm)
M(XY)= M(X) M(Y)
Valoarea medie a unui produs de două variabile aleatoare independente este
egală cu produsul valorilor medii ale variabilelor considerate.
Dacă se face observația XYZ=(XY)Z, rezultă, pe baza unui raționament
asemănător cu cel din cazul sus menționat, că valoarea medie a unui număr finit
oarecare de variabile aleatoare independente în totalitatea lor este egală cu produsul
valorilor medii ale variabilelor considerate.

Alte valori tipice ale variabilei aleatoare

Momente
Fiind dată o variabilă aleatoare X, vom numi momentul de ordinul k al
acestei variabile valoarea medie a variabilei Xk. Vom scrie Mk(X)= M(Xk).
Dacă X are distribuția
x x2 xn 
X : 1 ,
 p1 p2 pn 

atunci Mk(X)= p1 xk1+ p2 xk2+…+ pnxkn.

O variabilă aleatoare care ia numai valori pozitive are momentul de orice
ordin. Fiind date o variabilă aleatoare X și o constantă  , vom numi abatere de la
constanta  a variabilei X, variabila X-. Momentul de ordinul k raportat la
constanta  al variabilei X , se definește ca valoare medie a variabilei (X-)k.
Pentru .=0, obținem momentul inițial de ordin k, sau, scurt, momentul de ordinul
k al variabilei X pe care l-am definit la începutul acestui paragraf. Pentru
.=M(X)=m, obținem momentul centrat de ordin k al variabilei X. Variabila X-
M(X) se numește abaterea de la medie a variabilei X, sau, scurt abaterea variabilei
X. Valoarea medie a abaterii oricărei variabile aleatoare este nulă. Într-adevăr
M(X- M(X))=M(X)-M(X)=0
De multe ori, la o variabilă aleatoare ne interesează cât de mult se abat
valorile variabilei de la valoarea medie.Trebuie să stabilim un indicator numeric al
imprăștierii valorilor variabilei aleatoare în jurul valorilor medii. Valoarea medie a
abaterii de la medie nu poate caracteriza această împrăștiere, deoarece este nulă
pentru orice variabilă aleatoare. Abaterile diferitelor valori, având semne diferite,
se compensează reciproc. Este foarte important să caracterizăm împrăștierea
variabilei X, prin valoarea medie a abaterii absolute | X-M(X)| pe care o vom numi
abatere medie.
Dacă X are distribuția
 x x2 xn 
X : 1 ,
 p1 p2 pn 

atunci distribuția abaterii absolute este

 x1  m x2  m xn  m 
 ,
 p1 p2 pn 

unde m=M(X) , iar abaterea medie este p1|x1-m| + p2|x2-m| +...+ pn |xn-m|.
Se observă că semnul expresiilor xi-m nu influențează valoarea abaterii
medii. Putem lua ca indicator al împrăștierii variabilei X și M[(X-m)2] sau M[(X-
m)4] etc. Folosirea abaterii medii este foarte incomodă în calcul.
Foarte comodă este în schimb folosirea expresiei M[(X-m)2]
Dispersia
Vom numi dispersie a unei variabile aleatoare X momentul centrat de
ordinul al doilea al acestei variabile.Vom scrie 2=D2(X)= M[(X-m)2] unde
m=M(X). Dacă X are distribuția
x x2 xn 
X : 1 ,
 p1 p2 pn 

atunci
D2(X) = p1(x1 - m)2 + p2(x2 - m)2 +...+ pn (xn - m)2 = p1(x21 - 2 x1m + m2) + p2(x22 -
- 2 x2m + m2) +...+pn (x2n - 2 xnm + m2) = p1x21 + p2x22 +...+ pnx2n + 2 m( p1x1+
+p2x2 +...+ pnxn) + m2 (p1+ p2+...+ pn) = M(X2) – [M(X)]2.

Să scoatem în evidență câteva proprietăți mai însemnate ale dispersiei:

a) Dispersia unei constante este nulă D2(a) = 0. Este adevarată și reciproca
acestei afirmații.
b) Două variabile aleatoare care diferă printr-o constantă au dispersii egale.
Să considerăm variabila
x x2 xn 
X : 1 ,
 p1 p2 pn 

și Y=X+a care are distribuția:

  a  x1 a  x2 a  xn 
Y : 
 p1 p2 pn 

știm că
m’=M(Y)=M(X) +a=m+a.
D2(Y)= p1(x1+a-m’)2 + p2(x2+a-m’)2 +...+pn (xn+a-m’)2=p1(x1+a-m-a)2 + p2(x2+a-
-m-a)2 +...+pn (xn+a-m-a)2= p1(x1-m)2 + p2(x2-m)2 +...+ pn (xn-m)2 =D2(X)
c) Dispersia produsului dintre o constantă și o variabilă aleatoare este egală cu
produsul dintre pătratul constantei și dispersia variabilei D2(aX)=a2 D2(X).
d) Una din cele mai importante proprietăți ale dispersiei este urmatoarea: dispersia
unei sume finite de variabile aleatoare independente este egală cu suma
dispersiilor variabilelor adunate, D2(X1+X2+…+Xn)= D2(X1)+ D2(X2)+...+
+D2(Xn). De obicei, gradul de împrăștiere al unei variabile aleatoare X se
exprimă nu prin dispersie, ci prin abaterea medie pătratica D(X) dată de
relația =D2(X)  D 2 ( X )  M(X 2 )-[M(X)]2 .
Aceasta are avantajul că se exprimă prin aceleași unități de măsură ca și
valorile variabilei X. Proprietățile mai importante ale abaterii medii pătratice sunt:
D(a)=0, dacă a este o constantă
D(X+a)=D(X);
D(aX)=aD(X).
Aceste proprietăți le are și trebuie să le aibă orice mărime menită să măsoare
gradul de împrăștiere. În plus, abaterea medie pătratică are proprietatea că dacă
1=D2(X1), 2=D2(X2) ; ... ; n=D2(Xn)
unde X1, X2 ,…,Xn, sunt variabile aleatoare independente, atunci
1  D2  X1  X 2  ...  X n   12   22  ...   n2 .
 Bibliografie:

Acad. Gh. Mihoc, Conf. Dr. N. Micu - Teoria probabilităților și statistică

matematică
Gh. Mihoc, M. Craiu - Inferență statistică pentru variabile dependente
Beganu G., - Teoria probabilităţilor şi statistică matematică, Culegere de probleme
Căbulea L., Aldea M., - Elemente de teoria probabilităţilor şi statistică matematică
Ciucu G., - Elemente de teoria probabilităţilor şi statistică matematică
Ciucu G., Craiu V., - Introducere în teoria probabilităţilor şi statistică matematică