Documente Academic
Documente Profesional
Documente Cultură
Variabile aleatoare
3.1 Introducere
Prin definiţie, o variabilă aleatoare este o funcţie care asociază fiecărui element ωi ∈ Ω
un număr real. Vom nota variabilele aleatoare cu litere greceşti: ξ, η, ζ, . . . Putem, deci,
scrie că:
ξ : Ω → R. (3.1)
Exemple.
9
10 CAPITOLUL 3. VARIABILE ALEATOARE
mai sus pot fi deduse pornind de la expresia unei singure funcţii, numită funcţie de
repartiţie a variabilei aleatoare.
∆
Fξ (x) = P (ξ ≤ x) (3.3)
1. Fξ (−∞) = P (ξ ≤ −∞) = 0.
2. Fξ (∞) = P (ξ ≤ ∞) = 1.
Această relaţie nu este decât relaţia finală din demonstraţia proprietăţii 3 pusă sub
o altă formă. O menţionăm, ı̂nsă, separat, pentru că este relaţia care justifică cele
afirmate mai sus, cum că funcţia de repartiţie oferă suficientă informaţie pentru a
calcula P (ξ ∈ A), ∀A ∈ I. Este evident că pentru orice interval sau reuniune de
intervale poate fi scrisă o relaţie de genul celei de mai sus, care face apel numai la
valorile funcţiei de repartiţie ı̂n capetele intervalului(elor) respectiv(e).
Fξ(x)
1 [
5/6 [ )
4/6 [ )
3/6 [ )
2/6 [ )
1/6 [ ) x
)
1 2 3 4 5 6
În calculul de mai sus am ţinut cont de proprietatea 4 a funcţiei de repartiţie. Se poate,
deci, scrie:
wξ (x)∆x ≈ P (x < ξ ≤ x + ∆x), (3.6)
&
∆x&
wξ(x)
w (x)∆x≈P(x<ξ≤x+∆x)
ξ
x x+∆ x
Figura 3.2: Probabilitatea este dată de aria de sub graficul densităţii de probabilitate.
Demonstraţie. Se ţine cont de faptul că Fξ este primitiva lui wξ , şi că Fξ (−∞) = 0.
1
Pentru justificarea acestei afirmaţii, să ne imaginăm un zar cu N = 20 feţe simetrice (făcând abstracţie
de faptul că o astfel de figură geometrică nu există ı̂n realitate). În acest caz, probabilitatea de apariţie
1
a fiecărei feţe este 20 . Pe măsură ce N creşte, scade probabilitatea fiecărei feţe. La limită, când N → ∞,
1
zarul se transformă ı̂ntr-o sferă, faţa devine punct, iar probabilitatea fiecărei feţe este ∞ , adică 0.
14 CAPITOLUL 3. VARIABILE ALEATOARE
R∞
3. Condiţia de normare: wξ (x)dx = 1.
−∞
wξ(x)
1/6δ(x−1) 1/6δ(x−6)
1 2 3 4 5 6
unui impuls Dirac de arie A ı̂ntr-un punct x0 al unei funcţii densitate de probabilitate
wξ semnifică faptul că variabila aleatoare respectivă are probabilitate nenulă să ia exact
valoarea x0 , probabilitate care este egală cu aria impulsului respectiv3 : P (ξ = x0 ) = A.
Exemplu. Să considerăm o variabilă aleatoare ξ oarecare, şi să considerăm evenimentul
A = {a < ξ ≤ b}, cu a < b oarecare. Să calculăm ı̂ntr-o primă instanţă funcţia de
repartiţie condiţionată Fξ|A (x). Avem, conform (3.7):
P (ξ ≤ x) ∩ (a < ξ ≤ b) P (ξ ≤ x) ∩ (a < ξ ≤ b)
Fξ|{a<ξ≤b} (x) = = . (3.9)
P (a < ξ ≤ b) Fξ (b) − Fξ (a)
Fξ|{a<ξ≤b} (x) = 0.
P (a < ξ ≤ b)
Fξ|{a<ξ≤b} (x) = = 1.
Fξ (b) − Fξ (a)
Fξ|{a<ξ≤b}(x)
1 wξ|{a<ξ≤b}(x)
F (x) wξ(x)
ξ
x x
a b a b
În figura 3.4 sunt ilustrate funcţia de repartiţie şi densitatea de probabilitate condiţionate
pentru o formă arbitrară a lui Fξ (x).
Să observăm din exemplul prezentat că atât funcţia de repartiţie condiţionată cât
şi densitatea de probabilitate condiţionată respectă toate proprietăţile unei funcţii de
repartiţie (descrise ı̂n paragraful 3.3) respectiv ale unei densităţi de probabilitate (para-
graful 3.4). Această observaţie poate fi demonstrată pentru cazul general, pornind de la
definiţiile (3.7) şi (3.8).
3.6 Momente
Fie variabila aleatoare ξ având distribuţia wξ 4 . Se defineşte momentul necentrat de ordin
(k)
k al variabilei aleatoare ξ şi se notează cu mξ sau cu ξ k valoarea integralei:
Z∞
(k) not
mξ = ξk = xk wξ (x)dx k = 1, 2, . . . . (3.11)
−∞
Facem precizarea că pentru anumite variabile aleatoare, ı̂ncepând cu un anumit ordin
k, momentele de ordin mai mare decât k pot fi infinite5 .
3
Aceasta justifică definiţia variabilelor aleatoare discrete de la pagina 12: dacă funcţia de repartiţie e
ı̂n trepte, atunci densitatea de probabilitate e o succesiune de impulsuri Dirac, deci este posibil numai
un număr finit sau numărabil de valori pentru variabilele aleatoare respective.
4
În restul lucrării, vom folosi termenul “distribuţie” pentru a desemna o densitate de probabilitate.
5
De exemplu, pentru variabila aleatoare cu distribuţia.
1
x2 dacă x ≥ 1
wξ (x) =
0 ı̂n rest
Considerăm utilă ı̂n acest punct o discuţie referitoare la formulele de definiţie a mediei şi mediei
pătratice de mai sus. În general, există o accepţiune foarte clară asupra noţiunii de medie a unei variabile
aleatoare, ca fiind media aritmetică a unui număr (de preferinţă cât mai mare) de realizări particulare
ale variabilei aleatoare respective. După cum vom arăta ı̂n exemplul următor, această accepţiune nu
contravine ı̂n nici un fel formulei (3.12). Revenind la experimentul 2 descris ı̂n paragraful 3.1 să pre-
supunem că dorim să estimăm valoarea mediei a rezistenţei electrice a rezistoarelor din cutia respectivă.
În acest sens, măsurăm toate valorile rezistenţelor, şi calculăm valoarea medie aritmetică a acestora Rmed .
Să presupunem că, dispunând de un ohmmetru nu foarte precis, nu reţinem decât valoarea ı̂ntreagă a
rezistenţelor (deşi, teoretic, valoarea respectivă este de natură continuă). Să presupunem că măsurăm
următoarele valori pentru ı̂ntreg setul de N = 1825 rezistoare:
25Ω
X
Rmed ≈ Ri P (Ri ). (3.15)
Ri =19Ω
Considerând valoarea rezistenţei continuă (cum, de fapt, şi este) şi nu discretă (cum am fost forţaţi să
o considerăm din lipsă de mijloace materiale suficient de sensibile), variabila discretă Ri se transformă
P R
ı̂n R, continuă, apoi suma Ri devine o integrală , iar probabilităţile P (Ri ) se ı̂nlocuiesc cu w(R)dR.
R
Putem, deci, scrie pe (3.15) ca: Z
Rmed ≈ Rw(R)dR. (3.16)
R
18 CAPITOLUL 3. VARIABILE ALEATOARE
Relaţia (3.16) arată faptul că media aritmetică a unui număr de realizări particulare nu este altceva decât
un estimat al valorii medii (3.12), pe care-l facem ı̂n absenţa cunoştinţelor despre mărimile statistice
(densitate de probabilitate, etc.) ale variabilei aleatoare respective!
wξ(x) wξ(x)
σ1
1/(b−a)
σ2>σ1
x x
a b m
(a) (b)
wξ(x)
x
σ
(c)
Figura 3.5: Tipuri de distribuţii ale variabilelor aleatoare: (a) uniformă, (b) normală,
(c) Rayleigh.
Graficul densităţii de probabilitate uniforme este prezentat ı̂n figura 3.5.(a). Forma
distribuţiei indică faptul că o variabilă aleatoare uniformă poate lua cu aceeaşi probabili-
tate orice valoare ı̂n intervalul [a, b], dar nu poate lua nici o valoare ı̂n exteriorul acestuia.
Prin calcul direct, se arată că media şi dispersia distribuţiei uniforme sunt: ξ = a+b
2
şi
b−a
σξ = 2√3 .
Distribuţia uniformă modelează destule fenomene reale de interes (cum ar fi, spre
exemplu, eroarea obţinută la cuantizarea uniformă cu un număr suficient de mare de
nivele).
20 CAPITOLUL 3. VARIABILE ALEATOARE