Documente Academic
Documente Profesional
Documente Cultură
7 Caractnumva PDF
7 Caractnumva PDF
Daniel N.Pop
ULBs
Noiembrie 2015
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 1 / 51
Conţinut
2 Funcţia caracteristică
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 2 / 51
Caracteristici numerice ale VA
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
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
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
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
M ( X |A ) = ∑ xi P ( X = xi | A )
i ∈I
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
M (Y ) = aM (X ) + b,
M (Y 2 ) = M (aX + b )2 = a2 M (X ) + 2abM (X ) + b 2 ,
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 13 / 51
Dispersie III
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 14 / 51
Caracteristici numerice ale VA continue I
dispersia
Z ∞ Z ∞
D 2 (X ) = σ 2 = (x − m)2 dF (x ) = (x − m)2 f (x )dx
−∞ −∞
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
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 17 / 51
Densitatea de probabilitate a sumei II
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 18 / 51
Densitatea de probabilitate a sumei III
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
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 22 / 51
Densitatea de probabilitate a produsului III
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
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 26 / 51
Proprietăţi ale valorii medii III
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 27 / 51
Inegalitatea lui Cebı̂şev I
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
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 .
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
M ( X1 X2 ) − M ( X1 ) M ( X2 )
ρ ( X1 , X2 ) = p .
D 2 ( X1 ) D 2 ( X2 )
Într-adevăr
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
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 )) ,
X1 − M ( X1 ) X2 − M ( X2 )
X1′ = ; X2′ = ,
D ( X1 ) D ( X2 )
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
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 36 / 51
Mod, asimetrie, exces, mediană, cuantile I
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
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
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
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
|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
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 .
Daniel N.Pop (ULBs) Caracteristici numerice ale variabilelor aleatoare Noiembrie 2015 50 / 51
Dezvoltarea funcţiei caracteristice ı̂n serie de puteri V
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