Caracteristici numerice ale variabilelor aleatoare

Daniel N.Pop

ULBs

Noiembrie 2015

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 1 / 51
Conţinut

1 Caracteristici numerice ale VA

Caracteristici numerice ale VA discrete
Valoare medie
Momente
Caracteristici numerice ale VA continue
Suma şi produsul
Proprietăţi ale valorii medii
Inegalitatea lui Cebı̂şev
Corelaţie
Mod, asimetrie, exces, mediană, cuantile

2 Funcţia caracteristică

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 2 / 51
Caracteristici numerice ale VA

Variabilele aleatoare sunt complet caracterizate prin funcţiile lor de

repartiţie.
Cu toate acestea de multe ori este necesară o prezentare mai sumară
a variabilelor aleatoare sau nu avem suficientă informaţie pentru o
caracterizare completă a lor.
În astfel de situaţii, un rol deosebit ı̂l au caracteristicile numerice
asociate unor variabile aleatoare.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 3 / 51
Valoare medie I

Definiţie 1
Fie X o variabilă aleatoare discretă care ia valorile xn (n ∈ N ) cu
probabilităţile pn = P (X = xn ). Dacă seria ∑n∞=1 pn xn este absolut
convergentă, atunci expresia
∞
M (X ) = ∑ pn xn
n =1

se numeşte valoare medie sau speranţă matematică a variabilei

aleatoare X .
Proprietăţi.
1 Fie X şi Y două variabile aleatoare discrete. Dacă există M (X ) şi
M (Y ), atunci există şi M (X + Y ) şi M (X + Y ) = M (X ) + M (Y ).

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 4 / 51
Valoare medie II
2 Fie X o variabilă aleatoare şi c o constantă. Dacă există M (X ),
atunci există şi M (cX ) şi M (cX ) = cM (X ).
3 (Generalizare) Dacă Xi , i = 1, n sunt variabile aleatoare,
ci ∈ R, i = 1, n şi există M (Xi ), i = 1, n, atunci există
M (∑ni=1 ci Xi ) şi
n n
M ( ∑ ci Xi ) = ∑ ci M (Xi ), (1)
i =1 i =1

adică M este un operator liniar.

4 Dacă X şi Y sunt două variabile aleatoare discrete independente şi
există M (X ) şi M (Y ), atunci există şi M (XY ) şi are loc
M (XY ) = M (X )M (Y ).
5 (Inegalitatea lui Schwarz) Dacă X şi Y sunt variabile aleatoare
2 2
p M (X ) şi M (Y ), atunci
discrete şi există
|M (XY )| ≤ M (X 2 )M (Y 2 ).

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 5 / 51
Proprietăţile valorii medii I

Demonstraţie.
1 Fie {An }n∈N şi {Bn }n∈N sisteme complete de evenimente. Fie
xn = X (e ), e ∈ An , ym = Y (e ), n, m ∈ R. Notăm
Cmn = {X (e ) = xn } ∩ {Y (e ) = ym }. Deducem că {Cmn } este
S
sistem complet de evenimente şi An = m∈N Cmn şi
S
Bm = n∈N Cmn . De aici
∞
∑ P (Cmn ) = P (Bm )
n =1
∞
∑ P (Cmn ) = P (An ).
m =1

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 6 / 51
Proprietăţile valorii medii II

Aşadar
∞ ∞
M (X + Y ) = ∑ ∑ (xn + ym )P (Cmn ) =
n =1 m =1
∞ ∞ ∞ ∞
= ∑ ∑ xn P (Cmn ) + ∑ ∑ ym P (Cmn ) =
n =1 m =1 n =1 m =1
! !
∞ ∞ ∞ ∞
= ∑ xn ∑ P (Cmn ) + ∑ ym ∑ P (Cmn ) =
n =1 m =1 m =1 n =1
∞ ∞
= ∑ xn P ( A n ) + ∑ ym P ( B m ) =
n =1 m =1
∞ ∞
= ∑ xn P ( X = xn ) + ∑ ym P ( Y = ym ) .
n =1 m =1

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 7 / 51
Proprietăţile valorii medii III

Deoarece M (X ) şi M (Y ) există, seriile din membrul drept al ultimei

egalităţi sunt convergente şi deci M (X + Y ) există. Ţinând cont că
∑n∞=1 xn P (X = xn ) = M (X ) şi ∑m ∞
= 1 ym P ( Y = ym ) = M ( Y ) ,
concluzia rezultă imediat.
2 Este imediată.
3 Generalizarea se obţine din proprietăţile 1 şi 2 prin inducţie.
4 Temă.
5 Fie variabila aleatoare ρα = (X − αY )2 ;
M (ρα ) = M (X 2 ) − 2αM (XY ) + α2 M (Y 2 ) ≥ 0 şi cum discriminantul
acestui trinom este negativ, rezultă concluzia.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 8 / 51
Proprietăţile valorii medii IV

Definiţie 2
Fie variabila aleatoare X cu distribuţia X : (pxii ) şi A un eveniment astfel
i ∈I
ı̂ncât P (A) 6= 0. Dacă seria

∑ xi P ( X = xi | A )
i ∈I

este absolut convergentă, atunci

M ( X |A ) = ∑ xi P ( X = xi | A )
i ∈I

se numeşte valoare medie condiţionată a variabilei X de evenimentul A.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 9 / 51
Momente I

Definiţie 3
Fie X o variabilă aleatoare şi r un număr natural. Dacă există M (X r ),
atunci această valoare medie se numeşte momentul de ordin r al
variabilei aleatoare X şi se notează
∞
Mr ( X ) = M ( X r ) = ∑ xnr pn .
n =1

Evident M1 (X ) = M (X ).

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 10 / 51
Momente II

Definiţie 4
Valoarea medie a variabilei aleatoare |X |r , M (|X |r ) se numeşte moment
absolut de ordin r al variabilei aleatoare X . Se notează cu Mr (|X |) şi
∞
Mr (|X |) = M (|X |r ) = ∑ | xn | r pn .
n =1

Definiţie 5
Momentul de ordinul r al variabilei aleatoare X − M (X ) (numită abatere)
se numeşte moment centrat de ordinul r al variabilei aleatoare X şi se
notează cu mr (X ). Avem

mr (X ) = Mr (X − M (X )) = M ((X − M (X ))r ) .

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 11 / 51
Dispersie I

Definiţie 6
Momentul centrat de ordinul doi al variabilei aleatoare X se numeşte
dispersia variabilei aleatoare X şi se notează
h i
2
D 2 (X ) = σ2 = m2 (X ) = M (X − M (X )) .
p
Numărul D (X ) = σ = m2 (X ) se numeşte abaterea medie pătratică a
variabilei aleatoare X .
Proprietăţi.
2
1. Are loc egalitatea D 2 (X ) = M (X 2 ) − [M (X )] .
Demonstraţie.
h i h i
D 2 (X ) = M (X − M (X ))2 = M X 2 − 2M (X ) · X + (M (X ))2 =
M (X 2 ) − 2M (X )M (X ) + (M (X ))2 = M (X 2 ) + (M (X ))2 .
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 12 / 51
Dispersie II

2. Dacă a, b ∈ R şi Y = aX + b, atunci D 2 (Y ) = a2 D 2 (X ) şi

D ( Y ) = |a |D ( X ) .
Demonstraţie.

M (Y ) = aM (X ) + b,
 
M (Y 2 ) = M (aX + b )2 = a2 M (X ) + 2abM (X ) + b 2 ,

din care utilizând proprietatea anterioară se obţine

h i
D 2 (Y ) = a2 M (X 2 ) − (M (X ))2 = a2 D 2 (X ).

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 13 / 51
Dispersie III

3. Dacă ai ∈ R, i = 1, n sunt constante, iar Xi sunt variabile aleatoare

două câte două independente, atunci
!
n n
D2 ∑ ai Xi = ∑ ai2D 2 (Xi ).
i =1 i =1

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 14 / 51
Caracteristici numerice ale VA continue I

Fie (E , K, P ) un câmp borelian de probabilitate şi X o variabilă

aleatoare continuă a cărei funcţie de repartiţie este F şi a cărei
densitate de probabilitate este f .
Expresia Z ∞ Z ∞
M (X ) = xdF (x ) = xf (x )dx
−∞ −∞
(dacă integralele improprii există) se numeşte valoarea medie a
variabilei aleatoare X .
Variabila aleatoare Z = X − M (X ) se numeşte abaterea variabilei
aleatoare X .
Dacă r ∈ N, expresia
Z ∞ Z ∞
Mr ( X ) = M ( X r ) = x r dF (x ) = x r f (x )dx
−∞ −∞

se numeşte momentul de ordin r al variabilei aleatoare X.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 15 / 51
Caracteristici numerice ale VA continue II
Momentul absolut de ordin r al variabilei aleatoare X se defineşte
prin
Z ∞ Z ∞
r r
Mr (|X |) = M (|X | ) = |x | dF (x ) = |x |r f (x )dx.
−∞ −∞

Fie m = M (X ). Analog cu cazul discret se definesc:

momentul centrat de ordin r
Z ∞ Z ∞
mr ( X ) = (x − m)r dF (x ) = (x − m)r f (x )dx;
−∞ −∞

dispersia
Z ∞ Z ∞
D 2 (X ) = σ 2 = (x − m)2 dF (x ) = (x − m)2 f (x )dx
−∞ −∞

valoarea medie condiţionată, etc.

Proprietăţile valorii medii şi ale dispersiei rămân valabile şi pentru
variabile aleatoare continue.
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 16 / 51
Densitatea de probabilitate a sumei I

Teoremă 7
Fie vectorul aleator de tip continuu X (X1 , X2 ) şi f densitatea sa de
probabilitate.Atunci variabila aleatoare Z = X1 + X2 are densitatea de
probabilitate fZ : R → R +
Z
fZ ( z ) = f (u; z − u )du.
R

Demonstraţie. Fie F funcţia de repartiţie a vectorului aleator X şi FZ

funcţie de repartiţie a lui Z .
Z Z
FZ ( z ) = P ( Z < z ) = P ( X + Y < z ) = f ( t1 , t2 ) d t1 d t2 ,
D

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 17 / 51
Densitatea de probabilitate a sumei II

unde D = {(t1 , t2 ) : t1 + t2 < z } (vezi figura 20). Vom presupune că

z > 0. (Pentru z ≤ 0 se procedează analog). Vom face schimbarea de
variabilă u = t1 , v = t1 + t2 , deci t2 = v − u. Jacobianul transformării
 
 ∂t1 ∂t1   
D ( t1 , t2 )  
 ∂u ∂v   1 0 
=  ∂t  = = 1.
D (u, v )  2 ∂t2   −1 1 
 
∂u ∂u
Noul domeniu este d = {(u, v ) : v < z } (figura 20). Se obţine
Z Z Z Z
FZ ( z ) = f ( t1 , t2 ) d t1 d t2 = f (u, v − u )d ud v
D d
 
Zz Z∞ Zz ZM
= f (u, v − u )d ud v = lim  f (u, v − u )d u  d v .
M →∞
−∞ −∞ −M −M

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 18 / 51
Densitatea de probabilitate a sumei III

Derivăm ı̂n raport cu z

 
Zz ZM
d d
FZ (z ) = lim  f (u, v − u )d u  d v
dz M →∞ dz
−M −M
ZM Z
= lim f (u, v − u )d ud v = f (u, z − u )d u.
M →∞
−M R

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 19 / 51
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 20 / 51
Densitatea de probabilitate a produsului I

Teoremă 8
Fie vectorul aleator de tip continuu X (X1 , X2 ) şi f densitatea sa de
probabilitate.Atunci variabila aleatoare Z = X1 X2 are densitatea de
probabilitate fZ : R → R +
Z
fZ ( z ) = |u |−1 f (u; zu −1 )du.
R

Demonstraţie.
Z Z
FZ (z ) = P (Z < z ) = P (XY < z ) = f ( t1 , t2 ) d t1 d t2 ,
D

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 21 / 51
Densitatea de probabilitate a produsului II

unde D = {(t1 , t2 ) : t1 t2 < z }. Presupunem z > 0 (z ≤ 0 analog).

   z
Z Z Z0 Z∞ Z∞ Zt1
  
FZ ( z ) = f ( t1 , t2 ) d t1 d t2 =  f ( t1 , t2 ) d t2  d t1 +  f ( t1 , t
D −∞ z 0 −∞
t1
    z  
Z0 ZM ZM Zt1
     
= lim   f ( t1 , t2 ) d t2  d t1 +  f ( t1 , t2 ) d t2  d t1 
M →∞
−M z 0 −M
t1

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 22 / 51
Densitatea de probabilitate a produsului III

Derivăm ı̂n raport cu z:

    z 
Z0 ZM ZM Zt1
d  d   d  
FZ (z ) = lim   f ( t1 , t2 ) d t2  d t1 +  f ( t1 , t2 ) d t2 
dz M →∞ dz z dz
−M t1
0 −M
 
Z0 ZM
= lim  −t1−1f (t1 , zt1−1 )d t1 + t1−1 f (t1 , zt1−1 )d t1 
M →∞
−M 0
Z0 Z∞ Z
−1 −1 −1 −1 1
=− u f (u, zu )d u + u f (u, zu )d u = f (u, zu −1
|u |
−∞ 0 R

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 23 / 51
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 24 / 51
Proprietăţi ale valorii medii I
1 M (aX + b ) = aM (X ) + b
2 M (X + Y ) = M (X ) + M (Y )
3 X , Y independente =⇒ M (XY ) = M (X )M (Y ).
Demonstraţie.
1 Z = aX + b, a > 0

x −b x −b
Fz (z ) = P (aX + b < z ) = P (X < a ) = FX a =⇒


fZ (x ) = a1 f x −a b .
Z Z  
x x −b
M (aX + b ) = xfZ (x )d x = f dx
R R a a
x −b
Facem schimbarea de variabilă t = a
Z Z Z
M (aX + b ) = (at + b )f (t )d t = a tf (t )d t + b f (t )d t
R R R
= aM (X ) + b.
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 25 / 51
Proprietăţi ale valorii medii II

2 Fie f densitatea vectorului (X , Y ) şi Z = X + Y .

Z Z Z 
M (X + Y ) = zfX +Y (z )d z = z f (u, z − u )d u d z
R R R
Z Z
= zf (u, z − u )d ud z
R2

Facem schimbarea de variabilă u := u, v := z − u; jacobianul

D (z,u )
transformării este D (v ,u )
= 1 şi
Z Z
M (X + Y ) = (u + v )f (u, v )d ud v =
R2
Z Z  Z Z 
= u f (u, v )d v d u + v f (u, v )d u d v
R R R R
Z Z
= uf1 (u )d u + vf2 (v )d v = M (X ) + M (Y )
R R

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 26 / 51
Proprietăţi ale valorii medii III

3 Ţinând cont că X şi Y sunt independente

Z Z Z z  
1
M (XY ) = zfXY (z )d z = z f1 ( u ) f2 du dz
R R R u u
z
Vom face schimbarea de variabilă u := u, u := v ; jacobianul este
D (z,u )
D (v ,u )
= u, deci
Z Z
1
M (X , Y ) = uvf1 (u )f2 (v ) |u |d ud v =
R2 |u |
Z  Z 
= uf1 (u )d u vf2 (v )d v = M (X )M (Y ).
R R

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 27 / 51
Inegalitatea lui Cebı̂şev I

Pentru a evita ı̂n continuare demonstrarea separată a unor proprietăţi

şi pentru cazul continuu şi pentru cel discret vom folosi ı̂n interiorul
integralelor notaţia dF (x ).
Rb
Dacă X este de tip discret integrala a g (x )dF (x ) se transformă ı̂n
∑ k ∈ I g ( xk ) pk
Rb
dacă X este de tip continuu ı̂n a g (x )f (x )dx.

Teoremă 9 (Inegalitatea lui Cebı̂şev)

Fie X o variabilă aleatoare pentru care există M (X ) şi D 2 (X ). Are loc
inegalitatea
D 2 (X )
P (|X − M (X )| < ε) ≥ 1 − . (2)
ε2
Demonstraţie. Fie F funcţia de repartiţie a lui X .

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 28 / 51
Inegalitatea lui Cebı̂şev II

Z
P (|X − M (X )| ≥ ε) = dF (x ) ≤
|x −M (X )|≥ ε
Z
1
≤ (x − M (X ))2 dF (x ),
ε2 |x −M (X )|≥ ε

|X −M (X )|
deoarece |X − M (X )| ≥ ε implică ε ≥ 1. Pe de altă parte
Z Z
(x − M (X ))2 dF (x ) ≤ (x − M (X ))2 dF (x ) = D 2 (X );
|x −M (X )|≥ ε R

prin urmare
D 2 (X )
P (|X − M (X )| ≥ ε) ≤ , (3)
ε2
de unde trecând la evenimentul contrar lui |X − M (X )| ≥ ε se obţine
inegalitatea dorită.
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 29 / 51
Inegalitatea lui Cebı̂şev III

Observaţie 10
Dacă ı̂n (3) se ia ε = λD (X ), se obţine următoarea formă echivalentă

1
P (|X − M (X )| < λD (X )) ≥ 1 − . (4)
λ2
Caz particular: regula celor 3σ. Pornind de la (4) şi luând λ = 3 obţinem,
notând m = M (X ), σ = D (X )

1 8
P (m − 3σ ≤ X ≤ m + 3σ) ≥ 1 − = ≈ 0.88,
9 9
numită regula celor 3 σ. Interpretarea ei este următoarea: pentru o
variabilă aleatoare X ı̂n peste 88% din cazuri valorile nu se abat de la
medie cu mai mult de trei abateri medii pătratice.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 30 / 51
Corelaţie I

Fie (E , K, P ) un câmp (borelian) de probabilitate şi X1 şi X2 două

variabile aleatoare definite pe acest câmp.
Definiţie 11
Se numeşte corelaţie sau covarianţă a variabilelor aleatoare X1 şi X2
valoarea
cov (X1 , X2 ) = M [(X1 − m1 ) (X2 − m2 )] (5)
unde m1 = M (X1 ) şi m2 = M (X2 ).

Din definiţie rezultă imediat că

cov (αX1 , βX2 ) = αβcov (X1 , X2 )

şi
cov (X1 , X2 ) = cov (X2 , X1 ).

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 31 / 51
Corelaţie II

Definiţie 12
Raportul
cov (X1 , X2 )
ρ ( X1 , X2 ) = p (6)
D 2 ( X1 ) D 2 ( X2 )
se numeşte coeficient de corelaţie al variabilelor aleatoare X1 şi X2 .

Evident ρ(X1 , X2 ) = ρ(X2 , X1 ).

Dacă variabilele aleatoare sunt discrete şi pij = P (X1 = xi , X2 = yj ),
i , j ∈ N, atunci din (5) şi (6) avem

∑i ∑j (xi − m1 )(yj − m2 )pij

ρ ( X1 , X2 ) = p .
D 2 ( X1 ) D 2 ( X2 )

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 32 / 51
Corelaţie III
Dacă variabilele aleatoare sunt continue şi vectorul aleator (X1 , X2 ) are
densitate de probabilitate f (x, y ),
Z Z
1
ρ ( X1 , X2 ) = p (x − m1 )(y − m2 )f (x, y )dxdy .
D 2 ( X1 ) D 2 ( X2 ) R R

Coeficientul de corelaţie definit de (6) se poate scrie şi sub forma

M ( X1 X2 ) − M ( X1 ) M ( X2 )
ρ ( X1 , X2 ) = p .
D 2 ( X1 ) D 2 ( X2 )

Într-adevăr

cov (X1 , X2 ) = M [(X1 − m1 ) (X2 − m2 )] =

= M (X1 X2 − m1 X2 − m2 X1 + m1 m2 ) =
= M ( X1 X2 ) − M ( X1 ) M ( X2 ) .

Proprietăţi.
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 33 / 51
Corelaţie IV
1 Dacă X1 şi X2 sunt independente, atunci ρ(X1 , X2 ) = 0. Reciproca
este falsă, căci ρ(X1 , X2 ) = 0 nu implică faptul că X1 şi X2 sunt
independente, aşa cum rezultă din contraexemplul de mai jos.
   
−1 0 1 0 1
Contraexemplu. Fie X : ,Y : .
1/2 1/4 1/2 1/2 1/2
Avem

Y \X -1 0 1 qj
 
0 0 1/2 0 1/2 0 −1 1
şi XY :
1 1/4 0 1/4 1/2 1/4 1/2 1/4
pi 1/4 1/2 1/4 1

Se constată că M (X ) = 0, M (Y ) = 1/2, M (X , Y ) = 0, cov (X , Y ) = 0,

dar X şi Y nu sunt independente. Două variabile aleatoare X1 şi X2 ,
pentru care ρ(X1 , X2 ) = 0 se numesc necorelate.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 34 / 51
Corelaţie V
2. Oricare ar fi X1 şi X2 astfel ı̂ncât există M (X1 ) şi M (X2 ) avem
ρ2 (X1 , X2 ) ≤ 1. Egalitatea are loc dacă şi numai dacă ı̂ntre X1 şi X2
există o dependenţă liniară, adică ρ(X1 , X2 ) = ±1 dacă şi numai dacă
X2 = aX1 + b. Vom avea ρ(X1 , X2 ) = 1 pentru a > 0 şi
ρ(X1 , X2 ) = −1 pentru a < 0.
Demonstraţie. Din inegalitatea lui Schwarz obţinem
 1/2
|M [(X1 − M (X1 ))(X2 − M (X2 ))] | ≤ M 2 (X1 − M (X1 ))M 2 (X2 − M (X2 )) ,

de unde rezultă imediat inegalitatea. Pentru cazul de egalitate se

procedează după cum urmează. Dacă notăm

X1 − M ( X1 ) X2 − M ( X2 )
X1′ = ; X2′ = ,
D ( X1 ) D ( X2 )

obţinem M2 (X1′ ) = M2 (X2′ ) şi M (X1′ X2′ ) = ρ(X1 X2 ) = ±1.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 35 / 51
Corelaţie VI
Rezultă atunci că


M (X1′ ± X2′ )2 = M2 (X1′ ) + M2 (X2′ ) ± 2M (X1′ X2′ ) =
= 2(1 ± M (X1′ X2′ ))



şi deci fie M (X1′ + X2′ )2 = 0, fie M (X1′ − X2′ )2 = 0, adică
X1′ ± X2′ = 0 aproape sigur. Spunem că proprietatea P are loc aproape
sigur dacă P (¬P ) = 0. Cu alte cuvinte, avem
(X2 − M (X2 ))
X1 = M ( X1 ) − p ,
D 2 ( X1 ) D 2 ( X2 )
ceea ce arată că ı̂ntre X1 şi X2 există o relaţie liniară de forma
X1 = aX2 + b cu a 6= 0. În plus, dacă D 2 (X1 ) 6= 0, atunci din definiţia
coeficientului de corelaţie rezultă că

ρ(X1 , X1 ) = 1; ρ(X1 , −X1 ) = −1.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 36 / 51
Mod, asimetrie, exces, mediană, cuantile I

Fie X o variabilă aleatoare a cărei funcţie de repartiţie este F şi a

cărei densitate de probabilitate este f .
Abscisa punctului de maxim al funcţiei f se numeşte mod (sau modă
sau modul) şi se notează cu Mo.
Dacă densitatea de probabilitate f are mai multe puncte de maxim,
atunci variabila aleatoare X se numeşte plurimodală. Pentru
repartiţiile simetrice unimodale M (X ) = Mo.
Dacă există momentul de ordinul 3 al lui X , raportul

m3 (X )
As =
σ3
se numeşte asimetrie. Asimetria are acelaşi semn cu m3 şi este
pozitivă dacă Mo < m şi negativă dacă Mo < m.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 37 / 51
Mod, asimetrie, exces, mediană, cuantile II
Dacă există momentul de ordinul 4 al lui X , expresia

m4 (X )
E = −3
σ4
se numeşte exces.
Numărul Me pentru care
1
P (X ≥ Me ) ≥ ≤ P (X ≤ Me )
2
sau
1 1
F (Me ) ≤ ∧ F (Me + 0) ≥
2 2
se numeşte mediană.
O proprietate importantă a medianei, utilă ı̂n aplicaţii, este
următoarea: suma abaterilor ı̂n raport cu un punct de abscisă λ este
minimă dacă λ = Me.
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 38 / 51
Mod, asimetrie, exces, mediană, cuantile III

Observaţie 13
1 Din definiţia medianei rezultă că Me este una din valorile x ale
variabilei aleatoare X pentru care
Z x Z ∞
1
dF (t ) = dF (t ) = .
−∞ x 2

În cazul când X este continuă mediana este unic determinată de

egalitatea Z x Z ∞
1
f (t )dt = f (t )dt = .
−∞ x 2
2 Din punct de vedere geometric mediana este abscisa punctului prin
care trece paralela la axa Oy , care ı̂mparte ı̂n două părţi egale aria
limitată de curba de ecuaţie y = f (x ) şi de axa Ox.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 39 / 51
Mod, asimetrie, exces, mediană, cuantile IV

Din consideraţiile făcute mai sus deducem că mediana ne poate da, ı̂n
unele situaţii, informaţii mai bune decât valoarea medie.
Este firesc să extindem noţiunea de mediană pentru a obţine ı̂n locul
valorii 12 o valoare de forma n1 , pentru n > 2. Astfel valorile xi
(i = 1, n − 1) pentru care
Z x1 Z x2 Z ∞
1
dF (t ) = dF (t ) = . . . = dF (t ) =
−∞ x1 xn −1 n

se numesc cuantile. Astfel dacă n = 4, se obţin cuartile, dacă

n = 10, decile, iar dacă n = 100, procentile. Avem trei cuartile:
cuartila mică sau inferioară, notată cu Q1 , mediana şi cuartila mare
sau superioară, notată cu Q3 .

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 40 / 51
Mod, asimetrie, exces, mediană, cuantile V

Observaţie 14
Dacă X este o variabilă aleatoare având funcţia de repartiţie F şi
α ∈ (0, 1), valoarea xα pentru care F (xα ) = α se numeşte cuantilă de
ordin α a lui X .

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 41 / 51
Funcţia caracteristică

Definiţie 15
Fie X o variabilă aleatoare definită pe câmpul (E , K, P ). Aplicaţia
gX : R −→ C, gX (t ) = M (e itX ) se numeşte funcţia caracteristică a
variabilei aleatoare X .
Dacă nu există pericol de confuzie indicele X se omite.
Observaţie 16
1 Dacă X este o variabilă aleatoare discretă cu distribuţia X : (pxkk ) ,
i ∈I
atunci g (t ) = ∑k ∈I e itxk pk .
2 Dacă X este de Rtip continuu şi admite densitatea de probabilitate f ,
atunci gX (t ) = R e itx f (x )dx.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 42 / 51
Funcţia caracteristică - proprietăţi I

Teoremă 17
Dacă X este o variabilă aleatoare pe (E , K, P ) şi g : R −→ C este funcţia
sa caracteristică, atunci au loc relaţiile:
1 g (0) = 1;
2 ∀t ∈ R |g (t )| ≤ 1;
3 dacă X admite moment absolut de ordinul n, Mn (|X |), atunci
g (k ) (0) = i k Mk (X ), k = 1, n;
4 dacă Y = aX + b cu a, b ∈ R, atunci gY (t ) = e itb gX (at ), t ∈ R;
5 dacă X şi Y sunt independente, gX +Y = gX · gY ;
n
6 dacă Z = ∑ Xk şi Xk , k = 1, n sunt variabile aleatoare
k =1
n
independente, atunci gZ = ∏ gXk .
k =1

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 43 / 51
Funcţia caracteristică - proprietăţi II
Demonstraţie.
1 g (0) = M (e itX )|t =0 = M (e 0 ) = 1.
R  R   R
2 |g (t )| =  R e itx dF (x ) ≤ R e itx  dF (x ) = R dF (x ) = 1.
| {z }
=1
3 Vom arăta că dacă există Mn (|X |), atunci există
R toate momentele
obişnuite Mk , k ≤ n. Deoarece Mn (|X |) = R |x |n dF (x ). Atunci,
pentru orice k ≤ n avem
Z Z Z
|x |k dF (x ) = |x |k dF (x ) + |x |k dF (x ) ≤
R |x |≤1 |x |>1
Z Z
≤ |x |k dF (x ) + |x |n dF (x ) ≤
|x |≤1 |x |>1
Z Z
≤ dF (x ) + |x |n dF (x ) ≤
|x |≤1 |x |>1
Z Z
≤ dF (x ) + |x |n dF (x ) = 1 + Mn (|X |) .
R R
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 44 / 51
Funcţia caracteristică - proprietăţi III
Dar
Z  Z
 k

|Mk (X )| =  x dF (x ) ≤ |x |k dF (x ) ≤ 1 + Mn (|X |) ,
R R

deci Mk (X ) există. În plus

Z Z
itx (k ) k
g (t ) = e dF (x ) =⇒ g (t ) = i x k e itx dF (x ). (7)
R R

Relaţia este corectă, căci avem

Z  Z
 
 x k e itx dF (x ) ≤ |x |k dF (x )
 R  R

şi integrala din membrul drept al lui (7) există. Luăm ı̂n (7) t = 0 şi
obţinem Z
g ( k ) ( 0) = i k x k dF (x ) = i k Mk (X ).
R
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 45 / 51
Funcţia caracteristică - proprietăţi IV

 

4 gY (t ) = M e it (aX +b) = M e itaX e itb = e itb gX (at ).
5 Dacă X şi Y sunt independente, atunci şi e itX şi e itY sunt
independente şi M (e itX e itY ) = M (e itX )M (e itY ), adică
gX +Y (t ) = gX (t )gY (t ).
6 Prin inducţie.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 46 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri I

Teoremă 18
∗
Fie g funcţia caracteristică a lui X . Dacă pentru orice n ∈ N există
Mn+1 (|X |)
momentul absolut Mn (|X |) şi şirul Mn (|X |) este mărginit, atunci g
n ≥1
se poate dezvolta ı̂n serie de puteri şi are loc relaţia
∞
(it )k
g (t ) = ∑ k!
Mk ( X ) .
k =0

Demonstraţie. Formula lui MacLaurin pentru u (x ) = e itx ne dă

itx (itx )2 (itx )n−1

e itx = 1 + + +···+ + (Rn u )(x )
1! 2! ( n − 1) !
unde
u n (θx ) (itx )n i θx
(Rn u )(x ) = = e , θ ∈ [0, 1].
n! n!
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 47 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri II
Dar
!
Z Z n −1
itx (itx )k
g (t ) =
R
e dF (x ) =
R
∑ k! + (Rn u )(x ) dF (x ) =
k =0
n −1 Z Z
(it )k
∑ x k dF (x ) + (Rn u )(x )dF (x ) =
k =0 k! R R
n −1 Z
(it )k
∑ k! M (X k ) + R
(Rn u )(x )dF (x ).
k =0

Vom arăta că ultima integrală tinde la 0.

Z    
  (it )n  Z n itθx n Z
  x e dF (x ) ≤ t
 
 (Rn u )(x )dF (x ) = 
  n!   R |x |n dF (x ) =
 R  n! R
tn
= Mn (|X |) .
n!
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 48 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri III

|t |n
Fie şirul xn = n! Mn (|X |). Avem

xn + 1 Mn+1 (|X |) 1
lim = |t | lim · = 0,
n → ∞ xn n→∞ Mn (|X |) n+1

deci limn→∞ xn = 0 (criteriul raportului), de unde rezultă că

Z 
 
lim  (Rn u )(x )dF (x ) = 0

n→∞ R

şi trecând la limită când n → ∞ se obţine

∞
(it )k
g (t ) = ∑ Mk ( X ) .
k =0 k!

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 49 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri IV

Observaţie 19
Din teorema de mai sus se deduce că dacă variabilele aleatoare X şi Y
admit momente de orice ordin şi au loc relaţiile
M (X k ) = M (Y k ), ∀k ∈ N, atunci gX = gY .

Am văzut că, pornind de la funcţia de repartiţie a unei variabile aleatoare,

se poate construi funcţia sa caracteristică. Teorema care urmează ne
permite să obţinem funcţia de repartiţie cu ajutorul funcţiei caracteristice.
O enunţăm fără demonstraţie.

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 50 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri V

Teoremă 20 (de inversiune a lui Paul Lévy)

Fie X o variabilă aleatoare pe câmpul (E , K, P ) şi F şi g funcţia sa de
repartiţie şi respectiv funcţia sa caracteristică. Atunci pentru orice
x1 , x2 ∈ R, x1 < x2 puncte de continuitate ale lui F are loc

e −itx1 − e −itx2
Z
1
F ( x2 ) − F ( x1 ) = g (t )dt.
2π R it

Observaţie 21
Dacă X este continuă şi f este densitatea sa de probabilitate, atunci
Z
1
f (x ) = e −itx g (t )dt (formula lui Fourier)
2π R

Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 51 / 51