1

MA Variabile aleatoare discrete

VARIABILE ALEATOARE

Definiţie. Fie E este un spaţiu de selecţie. O variabilă aleatoare este o funcţie

X : E  IR , Xe  este un număr real, pentru orice eveniment elementar e  E .
Dacă mulţimea valorilor funcţiei X este finită sau numărabilă:
XE   x 1 , x 2 ,..., x n ...  IR , cu x 1  x 2  ...  x n  ...
atunci X s.n. variabilă aleatoare discretă, iar dacă mulţimea valorilor funcţiei X este un interval sau o reuniune de
intervale, atunci X s.n. variabilă aleatoare continuă.

Variabile aleatoare discrete

Pentru cunoaşterea unei variabile aleatoare trebuie să cunoaştem valorile pe care le poate lua şi probabilitatea cu
care este luată fiecare valoare.
   
Dacă X E   x 1 , x 2 ,..., x n ... , pentru fiecare x j  IR notăm p j  P A j  P X  x j . Atunci v.a. X se
poate defini cu ajutorul tabelului
x x2 ... x n ... 
X :  1  , cu p j  0,1 , p 1 (1)
... p n ... 
j
 p1 p2 j 1

x ... x n  n
x2
sau X :  1  , pj 1
 p1 p 2 ... p n  j1
unde x 1 , x 2 ,..., x n sunt valorile pe care le poate lua X, iar p j  P X  x j  este probabilitatea cu care X ia
valoarea x j . Tabloul (1) defineşte distribuţia sau repartiţia v.a. X.
a
Caz particular. Pentru n  1 v.a. X :   ia o singură valoare. În acest caz notăm X  a .
1
Funcţia de repartiţie a unei variabile aleatoare
 
Definiţie. Funcţia F : IR  0,1 , Fx   Pe  E, X e   x  se numeşte funcţie de repartiţie a variabilei
aleatoare X.
Proprietăţi.
1. lim Fx   1 , lim Fx   0
x  x 
2. F e crescătoare
3. Pe  E, a  X e   b   Fb   Fa 
4. Dacă X este v.a. discretă, atunci Fx    p j
x j x
Funcţia de repartiţie a unei variabile aleatoare discrete
0 , x  x1
p , x1  x  x 2
 1
p1  p 2 , x2  x  x3
Fx   
p 1  p 2  p 3 , x3  x  x4
.....

1 , x  xn

Operaţii cu variabile aleatoare discrete

 2
MA Variabile aleatoare discrete
 x1 x 2 ... x n   y y 2 ... y m 
Fie v.a. X, Y : E  IR , X :   , Y :  1  . Se definesc operaţiile
 p1 p 2 ... p n   q 1 q 2 ... q m 
- Adunarea X  Y : E  IR , X  Y e   X e   Ye  ,  e  E
 x 1  y1 x 1  y 2 ... x i  y j ... x n  y m 
X  Y :  

 p 11 p 12 ... p ij ... p n m 

unde p ij  P Xe   x i si Ye   y j . 
- Înmulţirea unei v.a. cu un număr real
 x x 2 ... x n 
  X : E  IR ,   X e     Xe  ,  e  E ,   X :  1 
 p1 p2 ... p n 
- Produsul a două variabile aleatoare
X  Y : E  IR , X  Y e   Xe   Ye  , e  E ,
 x 1  y1 x 1  y 2 ... x i  y j ... x n  y m 
X  Y :  
 p11 p12 ... p ij ... p n m 
Definiţie. Dacă evenimentele X e   x i şi Ye   y j sunt independente pentru  i  1, n ,  j  1, m , spunem
că variabilele aleatoare X şi Y sunt independente. În acest caz
p ij  p i q j ,  i  1, n ,  j  1, m
- Ridicarea la putere a unei v.a.
xr x r2 ... x rn 
X r : E  IR , X r e   Xe  ,  e  E , X r :  1  , r2
r

 p1 p2 ... p n 
- Inversa unei v.a.
 1 1 1 
1 1 1 1  ... 
: E  IR , e   , e  E , : x x2 xn  , dacă x j  0 ,
X X Xe  X  1 
 p1 p2 ... p n 

Caracteristici ale variabilelor aleatoare discrete (Momente)

I Media
n
a) M X   x p j j  x 1 p1  x 2 p 2  ...  x n p n , dacă X ia un număr finit de valori
j1

b) M X   x p j j , dacă X ia un şir de valori şi seria e convergentă.
j1
Proprietăţi.
1. Dacă X  a este o v.a. constantă, atunci M X   a .
2. M aX  b   a M X   b ,  a , b  IR ,  X v.a.
3. M aX  bY   a M X   bM Y  ,  a , b  IR ,  X,Y v.a.
4. M X  Y   M X   M Y  dacă X şi Y sunt v.a. independente.
5. M X   x 1 , x n  dacă X ia un număr finit de valori.
II Momentul de ordin k mărimea
 
M k X   M X k , k  1
Observaţie. Pentru k  1 se obţine media lui X.
IV. Dispersia lui X este
 3
MA Variabile aleatoare discrete
 
D X   M X 2  M 2 X 
Dispersia măsoară gradul de împrăştiere al valorilor lui X în jurul mediei.
V. Abaterea medie pătratică a lui X
 X   D X 
VI. Covarianţa sau corelaţia v.a. X şi Y
cov X, Y   M X  M X   Y  M Y 
VII. Coeficientul de corelaţie dintre v.a. X şi Y
cov X, Y 
 X, Y  
D X   D Y 
VIII. Variabilele aleatoare X şi Y se numesc necorelate dacă cov X, Y   0 .
Proprietăţi. Pentru orice X,Y v.a,  a , b  IR
1. D X   M X    M X 
2 2

n m
2. cov X, Y   M X  Y   M X   M Y  , unde M X  Y    x y p i j ij
i 1 j1

3. Dacă X şi Y sunt v.a. independente atunci cov X, Y   0 ,  X, Y   0


4.  X, Y    1,1 
5.  X, Y   1 dacă şi numai dacă Y   X   ,   0
 X, Y   1 dacă şi numai dacă Y   X   ,   0
6. Dacă X  a este o v.a. constantă, atunci D X   0
7. D aX   a 2 D X 
8. D X  a   D X 
9. D X  Y   D X   D Y   2 cov X, Y 
10. dacă X şi Y sunt v.a. independente atunci
D aX  bY   a 2 D X   b 2 D Y 
Media şi dispersia pentru v.a. discrete cunoscute
a) Repartiţia hipergeometrică Considerăm o mulțime de n piese, din care a piese defecte. Se aleg la
întâmplare m piese, m  n . V.a. X ia ca valori numărul de piese defecte extrase (cu schema bilei
neîntoarse).
 k 
 C k C mk 
X :  a n a  , k  0, m
 Cm 
 n 
am n  m amn  a 
M X   , D X   
n n 1 n2
Mathcad Excel
C Ck mk HYPGEOMDIST(k,a,m,n)
PX  k  = a
m
n a

C n

C aj C mb  j phypergeom(k,a,n-
Fk   PX  k   
k
a,m)
j 0 C mn
F 1 P  qhypergeom(P,a, b, n)
 4
MA Variabile aleatoare discrete
b) Repartiţia binomială Bin, p 
Se consideră un eveniment A cu PA   p . Se fac n probe. Variabila aleatoare ia ca valori numărul de realizări
C kn p k 1  p 
n k
ale evenimentului A. Probabilitatea ca A să se realizeze de k ori în cele n probe este ,
k  0, n (vezi schema binomială).
 k 
Bi n, p   X :  k k n k  , k  0, n
 Cn p q 
M X   n p , q  1  p , D X   n pq
Mathcad Excel
PX  k   C p q k
n
k n k
dbinom(k, n, p) BINOMDIST(k,n,p,FALSE)

Fk   PX  k    C nj p j q n  j
k
pbinom(k, n, p) BINOMDIST(k,n,p,TRUE)
j 0

F 1 P  qbinom(P, n, p) BINOM.INV(n,p,P)

0.5

dbinom( x10 0.9)

 10 5 0 5 10
 0.5

1

x
c) Repartiţia Poisson sau legea evenimentelor rare Po  
Dacă în repartiţia binomială considerăm că n  şi lim np   ,   IR  obţinem
n 
 np
  
1
p  0 , lim C p q  lim 1  p   lim 1  p  p   e  , lim C1n pq n 1  lim np1  p 
n n 1
0
n
0 n
  e  ,
n  n  n    n  n 

etc. Atunci
 0 1 k ... ... 
Po    X :   k 
e 
e e  ... ... 
 k! 
M X   D X   
De fapt repartiția Poisson se referă la un eveniment cu probabilitate foarte mică, deci care se produce foarte rar într-
un interval de timp. Parametrul  are semnificația de număr mediu de apariții ale evenimentului în respectivul
interval de timp, iar 1 /  este intervalul de timp scurs între două repetări ale evenimentului.

Mathcad Excel

e k
PX  k   dpois(k, λ) POISSON(k,λ,FALSE)
k!
Fk   PX  k  ppois(k, λ) POISSON(k,λ,TRUE)

F 1 P  qpois(P, λ)
 5
MA Variabile aleatoare discrete

0.5

dpois ( x1.5)
 10 5 0 5 10
 0.5

1

x
d) Repartiţia geometrică. Considerăm un eveniment A cu PA   p . Probabilitatea ca la repetarea cu numărul
k+1 a experienţei să se producă prima dată evenimentul A este PX  k   p  q , q  1  p (vezi schema lui
k 1

Pascal).
Variabila aleatoare X care ia ca valori numărul de repetări ale experienţei până se produce evenimentul A este
1 2 3 ... k ...
X :  
 p pq pq
2
... pq k 1
...
Mathcad Excel
PX  k   pq k 1
NEGBINOMDIST(k-1,1,p)

Fk   PX  k  pgeom(k-1, p)

k  1  F 1 P  qgeom(P, p)

0.5

dgeom( x0.2)
 10 5 0 5 10
 0.5

1
1 q
M X   , D X   2 x
p p

Observație. Repartiția hipergeometrică se folosește în controlul calității produselor, iar repartiția binomială și
repartiția Poisson se folosesc în teoria fiabilității.