Documente Academic
Documente Profesional
Documente Cultură
Ias, i – 2020
Cuprins
1 Spaţii de probabilitate . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Evenimente şi operaţii cu evenimente . . . . . . . . . . . . . . . 1
1.2 Spaţiu finit de probabilitate . . . . . . . . . . . . . . . . . . . . . 5
1.3 Spaţii de probabilitate . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Probabilităţi condiţionate . . . . . . . . . . . . . . . . . . . . . . 25
1.5 Evenimente independente . . . . . . . . . . . . . . . . . . . . . . 27
1.6 Formule probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.1 Probabilitatea unei reuniuni de evenimente . . . . . . . . 30
1.6.2 Regula de înmulţire a probabilităţilor . . . . . . . . . . . 33
1.6.3 Formula probabilităţii totale . . . . . . . . . . . . . . . . . 34
1.6.4 Formula lui Bayes . . . . . . . . . . . . . . . . . . . . . . 35
1.7 Metode de numărare . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.7.1 Principiul multiplicării . . . . . . . . . . . . . . . . . . . . 35
1.7.2 Permutări. Aranjamente. Combinări . . . . . . . . . . . . 37
1.8 Probabilităţii geometrice . . . . . . . . . . . . . . . . . . . . . . . 46
1.9 Scheme clasice de probabilitate . . . . . . . . . . . . . . . . . . . 46
1.9.1 Schema lui Poisson . . . . . . . . . . . . . . . . . . . . . . 46
1.9.2 Schema binomială . . . . . . . . . . . . . . . . . . . . . . 48
1.9.3 Schema multinomială . . . . . . . . . . . . . . . . . . . . 48
1.9.4 Schema hipergeometrică . . . . . . . . . . . . . . . . . . . 49
1.10 Exerciţii rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
Capitolul 1
Spat, ii de probabilitate
Definit, ia 1.1 Vom nota cu Ω mult, imea tuturor rezultatelor posibile în cadrul
unei experient, ei E. Un element generic al lui Ω se va nota cu ω; astfel, {ω} reprezintă
un eveniment elementar asociat experient, ei E .
Un eveniment va fi o colect, ie de elemente din Ω, prin urmare, un eveniment este
1
2 1. Spaţii de probabilitate
Exemplul 1.2 Fie E experient, a aruncării simultane a două zaruri. Probele ex-
perient, ei sunt perechile
(1, 1) , . . . , (1, 6) ,
(2, 1) , . . . , (2, 6) ,
..
.
(6, 1) , . . . , (6, 6) .
Proba (i, j) reprezintă aparit, ia fet, ei cu numărul i de puncte de la primul zar s, i
a fet, ei cu numărul j de puncte de la al doilea zar. Numărul tuturor probelor (al
cazurilor posibile) este de 6 · 6 = 36.
Fie A evenimentul ca suma numărului de puncte de pe cele două fet, e să fie
5. Atunci, A se realizează prin probele (1, 4), (2, 3), (3, 2), (4, 1). Acesta este un
eveniment compus.
Fie B evenimentul ca suma numărului de puncte de pe cele două fet, e să fie
13. Acesta este un eveniment imposibil.
Fie C evenimentul care constă în aparit, ia probei (6, 6). Acesta este un eveni-
ment elementar.
Fie D evenimentul care constă în aparit, ia unei perechi (i, j), cu i, j = 1, 6.
Acesta este un eveniment sigur.
Evenimentul complementar C̄ este evenimentul ce constă în aparit, ia pere-
chilor (i, j), cu i, j = 1, 6 s, i i + j < 12.
Două evenimente A, B se numesc egale sau echivalente (s, i vom nota A =
B) dacă ele se realizează prin aceleas, i probe.
Spunem că evenimentul A implică evenimentul B (s, i vom nota A ⊂ B)
dacă realizarea evenimentului A implică realizarea evenimentului B. Deci
1 def
Mult, imea părt, ilor P (Ω) este dată de P (Ω) == {A : A ⊆ Ω} .
1.1. Evenimente şi operaţii cu evenimente 3
def
A \ B == A ∩ B̄.
A ∪ A = A, A ∪ ∅ = A, A ∪ Ā = Ω, A ∪ Ω = Ω, Ω ∪ ∅ = Ω,
A ∩ A = A, A ∩ ∅ = ∅, A ∩ Ā = ∅, A ∩ Ω = A, Ω ∩ ∅ = ∅.
A ∩ B ⊂ A, A ∩ B ⊂ B,
A ⊂ A ∪ B, B ⊂ A ∪ B.
5. Pentru orice A, B, C ∈ F,
A ∪ B = B ∪ A, A ∪ (B ∪ C) = (A ∪ B) ∪ C,
A ∩ B = B ∩ A, A ∩ (B ∩ C) = (A ∩ B) ∩ C.
4 1. Spaţii de probabilitate
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) , A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) .
(1.1) A ∪ B = Ā ∩ B̄ s, i A ∩ B = Ā ∪ B̄.
Ā ∩ B̄ ∩ C̄;
A ∪ B ∪ C = Ā ∩ B̄ ∩ C̄.
Definit, ia 1.6 Spunem că perechea (Ω, F) este un spat, iu finit de evenimente (sau
câmp finit de evenimente) dacă F este o familie nevidă de părt, i ale lui Ω, i.e. F ⊆
P (Ω), s, i sunt satisfăcute condit, iile:
(i) Ω ∈ F,
Elemente lui F se numesc evenimente aleatoare sau evenimente (deci F este mult, i-
mea tuturor evenimentelor asociate experient, ei aleatoare).
Remarca 1.7 În multe situat, ii (probleme elementare etc.) vom lua drept mult, i-
mea F a evenimentelor chiar mult, imea P (Ω) a tuturor părt, ilor lui Ω.
Evident, dacă F = P (Ω), atunci (Ω, F) devine un spat, iu finit de eveni-
mente.
6 1. Spaţii de probabilitate
Remarca 1.8 Având în vedere definit, ia precedentă, deducem că mult, imea eve-
nimentelor F este închisă la operat, ii de reuniune, intersect, ie, complementari-
tate s, i diferent, ă, adică A∪B, A∩B, Ā, A\B ∈ F, pentru orice A, B ∈ F. Acest
lucru este normal, având în vederă că noi vom lucra cu evenimente (adică ele-
mente din F) s, i vom dori ca operând cu aceste evenimente să rămânem în
continuare în mult, imea de evenimente F.
∅,
{ωi } , 1≤i≤n: în număr de Cn1 ,
{ωi , ωj } , 1≤i<j≤n: în număr de Cn2 ,
{ωi , ωj , ωk } , 1≤i<j<k≤n: în număr de Cn3 ,
..
.
{ω1 , ω2 , . . . , ωn } = Ω : în număr de Cnn .
Deci numărul total de submult, imi ce se pot forma cu maxim n elemente este
n
dat de4 1 + Cn1 + . . . + Cnn = (1 + 1) = 2n .
Definit, ia 1.11 Fie Ai ∈ F, pentru i = 1, r . Spunem că (Ai )i=1,r este un sistem
4 Pentru o demonstrat, ie a acestei identităt, i, folosind analiza combinatorie, vezi Exercit, iul 1.10.10.
1.2. Spaţiu finit de probabilitate 7
(i) Ai 6= ∅, i = 1, r ,
(ii) Ai ∩ Aj = ∅, i, j = 1, r , i 6= j,
[r
(iii) Ai = Ω.
i=1
Exemplul 1.12 (i) Dacă A ∈ F, atunci A, Ā este o descompunere a lui Ω în
două evenimente disjuncte.
(ii) Dacă A, B ∈ F astfel încât A ∩ B = ∅, atunci A, B, A ∪ B este o descom-
punere a lui Ω în trei evenimente disjuncte.
(iii) Dacă Ω = {1, 2, 3} , atunci următoarele mult, imi reprezintă posibile des-
compuneri ale lui Ω :
n o n o n o n o
{1} , {2} , {3} , {1, 2} , {3} , {1, 3} , {2} , {2, 3} , {1} .
pentru i = 1, n.
(i) 0 ≤ P (A) ≤ 1,
Remarca 1.15 Evident, proprietăt, ile de mai sus nu sunt independente ci unele
dintre ele se pot obt, ine din celelalte: de exemplu, (iv) este o consecint, ă7 a lui
(iii) iar (v) este o consecint, ă directă a lui (ii) s, i (iii).
Remarca 1.16 Din definit, ia spat, iului finit de probabilitate observăm că nu tre-
buie să avem neapărat ca orice eveniment elementar să fie din F, adică nu
trebuie să avem neapărat că {ω} ∈ F, pentru orice ω ∈ Ω.
De exemplu, să presupunem că într-o urnă avem trei bile: una albă s, i două
negre identice. Se extrage o bilă din urnă s, i ne interesează culoarea ei. Deci
Ω = {A1, N 1, N 2} iar mult, imea tuturor evenimentelor asociate experient, ei este
dată de F = {∅, Ω, {A1} , {N 1, N 2}} P(Ω).
Evident, (Ω, F) este un spat, iu finit de evenimente dar evenimentele ele-
mentare {N 1} , {N 2} ∈/ F.
Atunci, (Ω, P (Ω) , P) este un spat, iu finit de probabilitate s, i este numit spat, iu de
probabilitate Laplace (sau câmp de probabilitate Laplace).
Not, iunea de probabilitate se poate introduce s, i pe cale axiomatică.
(ii) P (Ω) = 1,
Remarca 1.19 Din definit, ia anterioară se vede că, de fapt, aplicat, ia P ia valori
în [0, 1] .
Să discutăm acum proprietăt, ile probabilităt, ii unor evenimente în termeni
de aruncare a unei monede.
Exemplul 1.21 Vom lua drept spat, iul Ω mult, imea tuturor perechilor ordonate
(i, j) cu i, j = 1, 6, adică
Ω = (i, j) : i, j = 1, 6 .
Având în vedere că sunt s, ase posibilităt, i de alegere a lui i s, i fiecărei alegeri a lui
i îi corespund s, ase alegeri pentru j, deducem că sunt 36 de posibile rezultate
(despre care vom presupune că sunt echiprobabile, deci P ({(i, j)}) = 1/36,
pentru i, j = 1, 6).
Care este probabilitatea să se obt, ină suma s, apte la aruncarea celor două
zaruri? sau suma unsprezece?
Primul eveniment, notat cu A, este mult, imea
A = {(1, 6) , (2, 5) , (3, 4) , (4, 3) , (5, 2) , (6, 1)}
iar al doilea este B = {(5, 6) , (6, 5)}. Deci P (A) este probabilitatea reuniu-
nii celor s, ase evenimente elementare posibile care compun A adică este suma
P ((1, 6)) + P ((2, 5)) + . . . = 6 · 1/36 = 1/6.
De asemenea, P (B) = 1/36 + 1/36 = 1/18.
Evident, probabilitatea obt, inerii aunei duble de unu sau de s, ase este P (C) =
P ({(1, 1)} ∪ {(6, 6)}) = 1/18 iar P C̄ = 1 − 1/18 = 17/18.
Definit, ia 1.22 Fie Ω o mult, ime nevidă. Familia nevidă F ⊆ P (Ω) , de părt, i ale lui
Ω, se numes, te algebră peste Ω dacă:
(i) Ω ∈ F,
Remarca 1.23 Fie F să fie o algebră peste Ω. Din definit, ia anterioară se obt, ine,
folosind s, i legile lui De Morgan,
(iv) ∅ ∈ F,
(v) dacă A, B ∈ F, atunci A ∩ B ∈ F,
(vi) dacă A, B ∈ F, atunci A \ B ∈ F.
Într-adevăr, ∅ = Ω̄ ∈ F.
Deoarece Ā, B̄ ∈ F, avem s, i A ∩ B = Ā ∪ B̄ ∈ F.
Ultima proprietate se obt, ine doarece A \ B = A ∩ B̄ ∈ F.
Remarca 1.24 Evident, proprietăt, ile (iii) s, i (v) sunt adevărate s, i pentru un
număr finit de evenimente din F, i.e.
0
[n
(iii) dacă Ai ∈ F, i = 1, n, atunci Ai ∈ F,
i=1
0
\n
(v) dacă Ai ∈ F, i = 1, n, atunci Ai ∈ F,
i=1
Remarca 1.25 Putem spune că o algebră peste Ω este o familie nevidă de părt, i
ale lui Ω închisă la reuniuni finite, la intersect, ii finite s, i la trecerea la comple-
mentară.
Definit, ia 1.26 Fie Ω o mult, ime nevidă. Spunem că F ⊆ P (Ω) este o σ−algebră
peste Ω dacă este o algebră peste Ω s, i dacă are loc
00
[∞
(iii) dacă Ai ∈ F, i ∈ N∗ , atunci Ai ∈ F.
i=1
12 1. Spaţii de probabilitate
Exemplul 1.27 Fie Ω o mult, ime nevidă. Atunci, F = {∅, Ω} este cea mai
„săracă” σ−algebră peste Ω (este cea mai mică σ−algebră peste Ω) iar F =
P (Ω) este cea mai „bogată” σ−algebră peste Ω (este cea mai mare σ−algebră
peste Ω).
0
Remarca 1.28 Dacă F ⊆ P (Ω) este o σ−algebră, atunci proprietatea (v) este
adevărată s, i pentru un număr infinit dar numărabil de evenimente, i.e.
00
\∞
(v) dacă Ai ∈ F, i ∈ N∗ , atunci Ai ∈ F,
i=1
Remarca 1.29 Se poate arăta că dacă F1 , F2 ⊆ P (Ω) sunt două σ−algebre,
atunci:
• intersect, ia F1 ∩ F2 este tot o σ−algebră;
• reuniunea F1 ∪ F2 nu este, în mod necesar, o σ−algebră; cea mai mică
σ−algebră le cont, ine pe ambele va fi σ−algebra generată de F1 ∪ F2 (vezi
Definit, ia 1.45), notată cu σ (F1 ∪ F2 ) sau cu F1 ∨ F2 .
Mai mult, se poate arăta că intersect, ia unui număr numărabil de σ−algebre
este tot o σ−algebră.
Acum putem defini probabilitatea ca fiind o funct, ie definită pe σ−algebra
F cu valori în R ce satisfac anumite proprietăt, i (ca s, i în cazul spat, iului finit de
probabilitate).
(iii) P (Ω) = 1.
P : F → [0, 1] ,
adică
(iv) 0 ≤ P (A) ≤ 1, oricare ar fi A ∈ F.
Definit, ia 1.33 Dacă F este o σ−algebră peste Ω, atunci perechea (Ω, F) se numes, te
spat, iu măsurabil.
P : F → R.
Remarca 1.35 Din definit, ia spat, iului finit de probabilitate observăm că nu tre-
buie să avem, în mod necesar, ca orice eveniment elementar să fie din F, adică
nu trebuie să avem, în mod necesar, că {ω} ∈ F, pentru orice ω ∈ Ω.
deci obt, inem s, i formula de calcul a probabilităt, ii unei intersect, ii de două evenimente:
−P (A ∩ B) − P (A ∩ C) − P (B ∩ C)
+P (A ∩ B ∩ C) , oricare ar fi A, B, C ∈ F
−P (A ∪ B) − P (A ∪ C) − P (B ∪ C)
+P (A ∪ B ∪ C) , oricare ar fi A, B, C ∈ F.
Atunci, (Bi )i=1,n sunt evenimente disjuncte două câte două astfel încât Bi ⊆ Ai
Sn Sn
iar i=1 Ai = i=1 Bi .
Folosind (ix) obt, inem
[n [n Xn Xn
P Ai = P Bi = P (Bi ) ≤ P (Ai ) .
i=1 i=1 i=1 i=1
s, i
\ Xn
00 k+1
X
(xii) P Ai = (−1) P (Ai1 ∪ . . . ∪ Aik )
1≤i≤n k=1 1≤i1 <...<ik ≤n
X X
= |Ai1 | − |Ai1 ∩ Ai2 |
(1.3) 1≤i1 ≤n 1≤i1 <i2 ≤n
X
+ |Ai1 ∩ Ai2 ∩ Ai3 |
1≤i1 <i2 <i3 ≤n
n−1
− . . . + (−1) |A1 ∩ A2 ∩ . . . ∩ An |,
X X
= |Ai1 | − |Ai1 ∪ Ai2 |
1≤i1 ≤n 1≤i1 <i2 ≤n
X
+ |Ai1 ∪ Ai2 ∪ Ai3 |
1≤i1 <i2 <i3 ≤n
n−1
− . . . + (−1) |A1 ∪ A2 ∪ . . . ∪ An |.
Propozit, ia 1.40 Fie (An )n∈N∗ un s, ir de evenimente din F. Atunci, are loc propri-
etatea de continuitate (secvent, ială) a măsurii P în raport cu s, iruri monotone
de evenimente, i.e.
(xiii) Dacă An % A, atunci P (An ) % P (A) , pentru n → ∞.
(xiv) Dacă An & A, atunci P (An ) & P (A) , pentru n → ∞.
(xv) Dacă An & ∅, atunci P (An ) & 0, pentru n → ∞.
(xvi) Dacă An % Ω, atunci P (An ) % 1, pentru n → ∞.
Demonstrat, ie. (xiii) Fie An % A, pentru n → ∞. Să definim
B1 = A1 , Bn = An \ An−1 , pentru orice n ≥ 2.
Atunci, (Bi )i=1,n sunt evenimente disjuncte două câte două iar
[n [n [ [
Bi = Ai = An s, i Bi = Ai = A.
i=1 i=1 i≥1 i≥1
= limn→∞ P (An )
iar s, irul (P (An ))n este s, ir crescător.
(xiv) Dacă An & A, atunci Ān % Ā, deci P Ān % P Ā sau, echivalent,
P (An ) & P (A) , pentru n → ∞.
Remarca 1.41 Dacă P este o probabilitate doar finit aditivă (vezi (ii) din Defi-
nit, ia 1.30), atunci oricare dintre afirmat, iile (xiii), (xiv), (xv) sau (xvi) asigură9
faptul că P devine o probabilitate (deci numărabil aditivă).
Prin urmare, pentru o măsură de probabilitate finit aditivă proprietatea de
numărabilă aditivitate este echivalentă cu oricare dintre afirmat, iile (xiii), (xiv),
(xv) sau (xvi).
Într-adevăr, (ii) din Definit, ia 1.30 implică afirmat, ia (xiii) , conform de-
monstrat, iei precedente.
9 Vezi s, i demonstrat, ia din [14, T55, Capitolul I].
18 1. Spaţii de probabilitate
Propozit, ia 1.42 Fie (An )n∈N∗ un s, ir de evenimente din F. Atunci, are loc propri-
etatea de numărabilă subaditivitate (vezi (x) de la pagina 14):
[∞ X∞
(xvii) P Ai ≤ P (Ai ) .
i=1 i=1
s, i respectiv că
Propozit, ia 1.44 Fie (An )n∈N∗ un s, ir de evenimente din F. Atunci, au loc inegalită-
t, ile:
(xviii) P lim inf An ≤ lim inf P (An ) ≤ lim sup P (An ) ≤ P lim sup An .
n→∞ n→∞ n→∞ n→∞
10 Spunem că un s, ir este nedescrescător dacă este crescător dar nu neapărat strict crescător.
11 Spunem că un s, ir este necrescător dacă este descrescător dar nu neapărat strict descrescător.
20 1. Spaţii de probabilitate
În particular, se obt, ine generalizarea Propozit, ia 1.40, mai precis, dacă s, irul de eveni-
mente (An )n∈N∗ converge la A, pentru n → R, atunci se obt, ine proprietatea de
continuitate (secvent, ială) a măsurii P în raport cu un s, ir de evenimente, i.e.
Deci
\ \
P (lim inf n→∞ An ) = limn→∞ P Am = lim inf n→∞ P Am
m≥n m≥n
[
≤ lim inf n→∞ P (An ) ≤ lim supn→∞ P (An ) ≤ lim supn→∞ P Am
m≥n
[
= limn→∞ P Am = P (lim supn→∞ An ) .
m≥n
Definit, ia 1.45 Fie C ⊆ P (Ω) o colect, ie de mult, imi din Ω. Vom nota σ−algebra
generată de C cu σ (C) s, i este, prin definit, ie, de cea mai mică σ−algebră care cont, ine
pe C.
Deci σ (C) este definită de:
(a) σ (C) este σ−algebră;
(b) C ⊆ σ (C);
(c) σ (C) este cea mai mică σ−algebră care cont, ine pe C, i.e. dacă C ⊆ D, iar D
este o altă σ−algebră, atunci σ (C) ⊆ D.
1.3. Spaţii de probabilitate 21
Remarca 1.46 Vom spune că C este constituie un sistem de generatori pentru
σ (C) sau că C generează σ (C) .
σ (C) = {Ω, ∅} ,
Definit, ia 1.50 Notat, ia B (R) desemnează σ−algebra Borel s, i este dată de σ−alge-
bra generată de clasa de submult, imi deschise ale spat, iului topologic R.
Remarca 1.51 Se poate arăta că B (R) poate fi generată de orice fel de intervale,
adică, de exemplu,
Remarca 1.52 Se poate arăta (există exemple în acest sens) că nu orice submul-
t, ime din R este obligatoriu din B (R) .
22 1. Spaţii de probabilitate
Exercit, iul 1.53 (a) Să se arate că pentru orice a < b au loc, pentru → 0+ ,
(b) Să se determine limita următoarelor s, iruri de evenimente din spat, iul măsurabil
(R, B (R)), definite pentru orice n ∈ N∗ :
Fn1 = a − n1 , a , Fn2 = a − n1 , a .
En1 = a, n , En2 = − n, b ,
Propozit, ia 1.54 (Lema lui Borel Cantelli) Fie (Ω, F, P) un spat, iu de probabilitate
s, i (An )n∈N∗ un s, ir de evenimente din F. Atunci,
X∞
(i) dacă P (An ) < ∞, atunci P lim supn→∞ An = 0;
n=1
(ii) dacă (An )n∈N∗ sunt evenimente independente în ansamblu12 (vezi Definit, ia
X∞
1.71) s, i P (An ) = ∞, atunci P lim supn→∞ An = 1.
n=1
Prin urmare (ii) reprezintă, în condit, ii suplimentare, reciproca part, ială a afir-
mat, iei (i) sau (i0 ).
Remarca 1.56 Afirmat, ia (i) spune, vezi definit, ia (1.4), că dacă probabilitatea
X∞
evenimentelor (An )n∈N∗ tinde la 0 iar seria P (An ) este convergentă,
n=1
atunci probabilitatea P ({An se realizează „infinit de des”}) trebuie să fie nulă,
adică trebuie ca evenimentele (An )n∈N∗ să înceteze să apară, P−a.s..
12 Concluzia punctului (ii) are loc s, i dacă evenimentele (An )n∈N∗ sunt independente două câte
două; pentru demonstrat, ie vezi, de exemplu, [14, P6, Capitolul III].
1.3. Spaţii de probabilitate 23
P∞ P∞
deoarece m=n P (Am ) este restul seriei convergente n=1 P (An ).
dar s, i
X∞
P (An ) = ∞ dacă s, i numai dacă P lim supn→∞ An = 1.
n=1
P∞
Deoarece (1.5) este echivalentă
cu faptul că n=1 P (An ) = ∞ dacă s, i numai
dacă P lim supn→∞ An > 0, deducem că
P lim supn→∞ An > 0 dacă s, i numai dacă P lim supn→∞ An = 1,
deci P lim supn→∞ An ori este 0 ori este 1.
Prin urmare,
Remarca 1.59 Condit, ia de independent, ă este esent, ială pentru a obt, ine recipro-
ca afirmat, iei (i).
Un contraexemplu este următorul: să considerăm măsura Lebesgue λ s, i
def
spat, iul de probabilitate (Ω, F, P) == ([0, 1] , B ([0, 1]) , λ).
13 Conform lemei lui Borel Cantelli, concluzia are loc s, i dacă evenimentele (An )n∈N∗ sunt inde-
pendente două câte două.
1.4. Probabilităţi condiţionate 25
Fie
1
An = 0, , n ∈ N∗ ,
n
T
deci limn→∞ An = lim supn→∞ An = n≥1 An = ∅.
Astfel, am obt, inut că P lim supn→∞ An = P (∅) = 0 < 1 s, i, cu toate aces-
X∞ X∞ 1
tea, P (An ) = = ∞.
n=1 n=1 n
q q/n P (A ∩ B)
Similar, P (A|B) = = = (probabilitatea evenimentului ca
p p/n P (B)
nou născutul să fie băiat, condit, ionat de faptul că acesta are sub trei kilograme).
Aceste considerat, ii sugerează următoarea definit, ie a probabilităt, ii condit, io-
nate.
P (A ∩ B)
(1.6) P (B|A) = .
P (A)
Remarca 1.63 Fie A ∈ F un eveniment arbitrar fixat astfel încât P (A) > 0;
atunci P (B|A) este o notat, ie pentru PA (B) unde PA este funct, ia
def P (A ∩ B)
PA : F → [0, 1] , definită de PA (B) == , B ∈ F.
P (A)
Se poate arăta că această nouă funct, ie este o măsură de probabilitate iar triple-
tul (Ω, F, PA ) este, de asemenea, un spat, iu de probabilitate.
def
De asemenea, dacă se notează FA == {B ∈ F : B ⊆ A} , atunci tripletul
(A, FA , PA ) este s, i el spat, iu de probabilitate numit spat, iul de probabilita-
te indus pe A de spat, iul (Ω, F, P) . Dacă E este experient, e aleatoare ce este
modelată de spat, iul de probabilitate (Ω, F, P) , atunci (A, FA , PA ) modelează
experient, a aleatoare EA dată de: EA se produce dacă E se produce s, i rezultatul
implică aparit, ia lui A.
Prin urmare, dacă s, tim că evenimentul A s-a produs, atunci pentru calcu-
lul probabilităt, ii condit, ionate putem folosi spat, iul Laplace luând drept spat, iu
de bază mult, imea A (adică putem considera că mult, imea evenimentelor ele-
mentare s-a mics, orat la A).
Remarca 1.66 Obt, inem imediat s, i formule de calcul a probabilităt, ii unei inter-
sect, ii de evenimente:
P (A ∩ B) = P (A|B) · P (B) ,
P (A ∩ B ∩ C) = P (A|B ∩ C) · P (B ∩ C)
= P (A|B ∩ C) · P (B|C) · P (C) ,
P (A ∩ B ∩ C ∩ D) = P (A|B ∩ C ∩ D) · P (B ∩ C ∩ D)
= P (A|B ∩ C ∩ D) · P (B|C ∩ D) · P (C|D) · P (D) ,
P (A ∩ B) = P (A) · P (B) .
Propozit, ia 1.69 Evenimentele A s, i B sunt independente dacă s, i numai dacă are loc
oricare dintre următoarele relat, ii
Caracterizările de mai sus au loc în condit, iile suplimentare P (A) > 0, P (B) > 0,
P (A) < 1 s, i respectiv P (B) < 1.
Definit, ia 1.71 Spunem că evenimentele din familia (Ai )i=1,n sunt independente
(în ansamblu14 ) dacă probabilitatea intersect, iei a oricâte evenimente din familia dată
este egală cu produsul probabilităt, ilor evenimentelor intersectate, i.e. are loc
\r Yr
P Aik = P (Aik ) , oricare ar fi 1 ≤ i1 < i2 < . . . < ir ≤ n.
k=1 k=1
Definit, ia 1.72 Spunem că evenimentele din familia (Ai )i=1,n sunt independente
două câte două dacă probabilitatea intersect, iei a oricare două evenimente din familia
dată este egală cu produsul probabilităt, ilor evenimentelor intersectate, i.e. are loc
Exemplul 1.75 Pe de altă parte, există exemple în care se vede că relat, ia
Exemplul 1.80 Presupunem că avem două cutii cu bile ros, ii s, i albe. Prima
cutie cont, ine o bilă ros, ie s, i trei albe iar a doua cutie cont, ine două bile ros, ii s, i
trei bile albe. Extragem câte o bilă din fiecare cutie. Care este probabilitatea ca
să extragem două bile ros, ii?
Numărul total de posibile perechi este de 4·5 = 20 (unei bile din prima cutie
îi corespund cinci bile din a doua cutie pentru a face o pereche). Sunt două
posibilităt, i de a extrage două bile ros, ii: bila ros, ie din prima cutie (eveniment
notat cu A) cuplată pe rând cu cele două bile ros, ii ale cutiei a doua (eveniment
notat cu B). Deci probabilitatea de a extrage două bile ros, ii este de P (A ∩ B) =
2/20.
Pe de altă parte, probabilitatea extragerii unei bile ros, ii din prima cutie este
1/4 iar probabilitatea extragerii unei bile ros, ii din a doua cutie este 2/5, deci
are loc
P (A ∩ B) = 1/4 · 2/5 = P (A) · P (B) .
Similar se poate afla probabilitatea extragerii a două bile albe care este de
3/4 · 3/5, s, i deci probabilitatea de a extrage o bilă ros, ie s, i una albă este comple-
mentara evenimentelor de mai sus, deci are probabilitatea 1 − (2/20 + 9/20) =
9/20.
P (A ∪ B) = P (A) + P (B) .
Pentru a demonstra formula (1.7) în cazul unui spat, iu finit de probabilitate să
considerăm o experient, ă E cu n cazuri posibile s, i A, B evenimente legate de
această experient, ă. Presupunem că m este numărul de cazuri favorabile reali-
zării lui A s, i s este numărul de cazuri favorabile realizării lui B. Presupunem
că din cele m cazuri, t sunt favorabile realizării lui A ∩ B. Atunci, numărul
de cazuri favorabile realizării lui A ∪ B este m + s − t. Deci P (A) = m/n,
P (B) = s/n s, i
P (A) = P (A \ B) + P (A ∩ B) ,
P (B) = P (B \ A) + P (A ∩ B) ,
P (A ∪ B) = P (A \ B) + P (B \ A) + P (A ∩ B) ,
deoarece (A \ B) ∩ (A ∩ B) = ∅ s, i (B \ A) ∩ (A ∩ B) = ∅.
Astfel, obt, inem
P (A) + P (B) − P (A ∩ B) = P (A \ B) + P (B \ A) + P (A ∩ B)
= P (A ∪ B) .
adică
[ X X
P Ai = P (Ai1 ) − P (Ai1 ∩ Ai2 )
1≤i≤n 1≤i1 ≤n 1≤i1 <i2 ≤n
X
(1.9) + P (Ai1 ∩ Ai2 ∩ Ai3 )
1≤i1 <i2 <i3 ≤n
n−1
− . . . + (−1) P (A1 ∩ A2 ∩ . . . ∩ An ) .
Exercit, iul 1.82 Să se arate că, în cazul în care evenimentele (Ai )i=1,n sunt indepen-
dente în ansamblu, identitatea (1.9) devine
[ Y
P Ai = 1 − (1 − P (Ai )) .
1≤i≤n 1≤i≤n
deci
1
P A ∩ B̄ ∪ B ∩ Ā = .
2
Folosind formula (1.10) s, i independent, a, deducem
1
P (A) + P (B) − 2P (A) P (B) =
2
sau echivalent
(2P (A) − 1) (2P (B) − 1) = 0.
P (A ∩ B)
P (B|A) = ,
P (A)
P (A ∩ B) = P (B|A) P (A) ,
(1.11)
P (A ∩ B) = P (A|B) P (B) .
X = X ∩ Ω = X ∩ (A1 ∪ . . . ∪ An ) = (X ∩ A1 ) ∪ (X ∩ A2 ) ∪ . . . ∪ (X ∩ An ) .
(1.15) P (X) = P (X ∩ A1 ) + P (X ∩ A2 ) + . . . + P (X ∩ An ) ,
1.6.4 Formula lui Bayes (se aplică atunci când X s-a realizat)
Folosind relat, ia (1.6) se obt, ine formula lui Bayes
P (B) · P (A|B)
P (B|A) =
P (A)
care ne dă posibilitatea să calculăm probabilitatea condit, ionată P (B|A) dacă se
cunoas, te probabilitatea condit, ionată P (A|B) .
În general, fie (Ai )i=1,n un sistem complet de evenimente s, i X un eveni-
ment oarecare. Presupunem că X s-a realizat.
Atunci, are loc formula lui Bayes:
P (Ai ) P (X|Ai )
(1.16) P (Ai |X) = Pn , i = 1, n.
j=1 P (Aj ) P (X|Aj )
s, i deci
P (Ai ) P (X|Ai )
P (Ai |X) = .
P (X)
Apoi folosim (1.14).
m1 · m2 · . . . · mn moduri16
(1.17) mn moduri.
Exemplul 1.85 Numărul situat, iilor posibile care pot apărea dacă aruncăm două
zaruri este 6 · 6 = 62 = 36.
Să furnizăm s, i modelul matematic al experient, ei aleatoare propuse, altfel
spus să determinăm spat, iul de probabilitate (Ω, F, P).
Mult, imea Ω a evenimentelor elementare (sau mult, imea rezultatelor posi-
bile) se poate scrie sub forma
iar |Ω| = 62 , care este numărul tuturor posibilelor funct, ii între două mult, imi
de cardinal finit (vezi Remarca 1.101).
Exemplul 1.86 Numărul situat, iilor posibile care pot apărea dacă aruncăm trei
monede este 2 · 2 · 2 = 23 = 8.
16 Acest principiu se poate exprima s, i astfel: dacă avem n elemente ai , i = 1, n, iar dacă ele-
mentele pot fi alese în respectiv m1 , m2 , . . . , mn moduri, atunci numărul n−uplurilor ordonate
(a1 , a2 , . . . , an ) este m1 · m2 · . . . · mn .
1.7. Metode de numărare 37
Ω = {(F M 1, F M 2, F M 3) : F M 1, F M 2, F M 3 ∈ {C, P }}
Exemplul 1.87 Numărul de coduri de trei cifre care se pot forma cu cifrele 0,
1,. . . ,9 este 103 .
Într-adevăr,
n · (n − 1) · . . . · 1 = n!
def n!
(1.18) Akn == .
(n − k)!
n!
Evident, aranjarea a n elemente luate câte n reprezintă Ann = 0! = n!, adică
exact numărul de permutări.
Exemplul 1.88 Dacă avem la dispozit, ie pânză de steag de cinci culori diferi-
5!
te, putem face un steag tricolor (contează ordinea culorilor) în A35 = 2! = 60
moduri.
Exemplul 1.89 Câte parole cu câte cinci litere se pot forma, dacă literele nu se
pot repeta? Dar dacă se pot repeta? (considerăm că sunt 26 de litere)
Dacă nu se pot repeta, atunci avem A526 moduri (sau de submult, imi ordo-
nate). Dacă se pot repeta, atunci avem 265 moduri, datorită principiului mul-
tiplicării, deoarece fiecare pozit, ie poate sa fie ocupată de oricare dintre cele 26
de litere, independent de celelalte.
1.7. Metode de numărare 39
n · (n − 1) · . . . · (n − (k − 1)) n!
= .
k! k! · (n − k)!
def n!
(1.19) Cnk == .
k! · (n − k)!
Remarca 1.90 Termenul Cnk este numit coeficent binomial deoarece este cel
care apare în binomul lui Newton
n
Xn
(x + y) = Cnk xk y n−k .
k=0
Exemplul 1.91 Pentru un joc avem cinci fete s, i trei băiet, i care trebuie să formeze
o echipă de câte patru persoane. În câte moduri se poate forma echipa?
O grupă de patru persoane se poate forma, dacă avem în vedere structura
echipei, în C54 · C30 + C53 · C31 + C52 · C32 + C51 · C33 = 70 moduri.
Pe de altă parte, sunt C84 echipe posibile (deoarece nu contează nici ordinea
nici dacă sunt băiet, i sau fete).
40 1. Spaţii de probabilitate
Exemplul 1.92 În câte moduri 10 student, i pot ocupa 10 bănci? Dar 12 bănci?
Evident, 10 student, i pot ocupa 10 bănci în A10
10 = 10! moduri.
10
În cazul a 12 bănci avem: 10 bănci pot fi alese în C12 moduri, iar pentru
10 bănci fixate avem 10! moduri de a se as, eza student, ii. Conform principiului
10
multiplicării vom obt, ine C12 · 10! = A10
12 moduri.
Putem generaliza formularea problemei de mai sus considerând următoa-
rea situat, ie: avem o mult, ime cu n elemente s, i dorim să P
obt, inem r grupe (ne-
r
ordonate) de câte ki elemente fiecare, cu i = 1, r , unde i=1 ki = n. Atunci,
numărul total de grupe posibile este dat, conform principiului multiplicării, de
k2 k3 kr
Cnk1 · Cn−k 1
· Cn−k1 −k2
· . . . · Cn−k 1 −...−kr−1
n! (n − k1 )! (n − k1 − . . . − kr−1 )!
= · · ... ·
k1 ! · (n − k1 )! k2 ! · (n − k1 − k2 )! kr ! · (n − k1 − . . . − kr )!
n!
= .
k1 ! · k2 ! · k3 ! · . . . · kr !
S-a obt, inut o combinarePar celor n elemente luate în r grupe de câte ki elemen-
te fiecare, i = 1, r , cu i=1 ki = n, iar numărul tuturor combinărilor posibile
este notat s, i dat de
def n!
(1.20) Cnk1 ,k2 ,...,kr ==
k1 ! · k2 ! · . . . · kr !
(vezi s, i Sect, iunea 3.4.1, formula (3.67)).
17 Vezi s, i formula (1.25).
1.7. Metode de numărare 41
Remarca 1.94 Termenul Cnk1 ,k2 ,...,kr este numit coeficent multinomial deoarece
este cel care apare în dezvoltarea multinomială
n
Xn
(1.21) (x1 + x2 + . . . + xr ) = k1 =0,...,kr =0 Cnk1 ,k2 ,...,kr xk11 xk22 . . . xkr r .
k1 +...+kr =n
Exemplul 1.95 O sect, ie de polit, ie are angajat, i 10 polit, is, ti. S, tim că 5 polit, is, ti
trebuie să fie pe teren, 2 polit, is, ti lucrează la birou iar 3 polit, is, ti sunt pentru
situat, ii de urgent, ă.
Atunci, sunt posibile
5 10! 5,2,3
C10 · C52 · C33 = = C10
5!2!3!
moduri în care se pot diviza în cele 3 grupe cei 10 polit, is, ti.
Exemplul 1.96 Se aruncă un zar de 14 ori. Să se arate că probabilitatea ca fat, a
1 să apară de 3 ori, fat, a 2 să apară o dată, fat, a 3 să apară de 4 ori, fat, a 4 să apară
C 3,1,4,2,3,1
de 2 ori, fat, a 5 să apară de 3 ori s, i fat, a 6 să apară o singură dată este 14 14 .
6
Într-adevăr, numărul cazurilor tuturor posibile de 14−upluri este de 614 .
Pe de altă parte, numărul tuturor cazurilor favorabile aparit, iei evenimentului
avut în vedere este
3 1 4 14! 3,1,4,2,3,1
C14 · C11 · C10 · C62 · C43 · C11 = = C14 .
3!1!4!2!3!1!
P1E1P2P3E2R1, P1E1P3P2E2R1,
P2E1P1P3E2R1, P2E1P3P1E2R1,
P3E1P1P2E2R1, P3E1P2P1E2R1.
Prin urmare, pentru a evita duplicatele, trebuie să împărt, im la numărul tuturor
6!
variantelor care se repetă, deci avem 3!·2!·1! variante posibile de rearanjare.
Remarca 1.98 Ne putem imagina s, i problema obt, inerii de submult, imi neor-
donate de k elemente dar care se pot repeta, formată din n elemente. Se poate
arăta că numărul tuturor combinărilor posibile de n elemente luate în grupe de
câte k care se pot s, i repeta este dat18 de Cn+k−1
k
.
Astfel, să presupunem că avem o mult, ime cu n elemente; vom lua, fără
a restrânge generalitatea, mult, imea {1, 2, . . . , n} . Dorim să numărăm, în con-
dit, iile în care nu contează ordinea, toate k−uplurile posibile ce se pot forma
din n elemente. Astfel, ne interesează k−uplurile (c1 , c2 , . . . , ck ) , unde ci ∈
{1, 2, . . . , n} , cu i = 1, k . Deoarece nu contează ordinea în cadrul uplului, vom
lua, fără a restrânge generalitatea, componentele c1 , c2 , . . . , ck în ordine crescă-
toare.
Dacă repetit, ia nu este permisă, atunci trebuie să impunem restrict, iile
As, a cum am văzut deja, când s-a obt, inut (1.19), numărul tuturor k−uplurilor
posibile (c1 , c2 , . . . , ck ) ce se pot forma din n elemente astfel încât să nu conteze
ordinea s, i repetit, ia să nu fie permisă este Cnk .
Dacă repetit, ia este permisă, atunci trebuie să impunem restrict, iile
1 ≤ c1 ≤ c2 ≤ . . . ≤ ck ≤ n.
deoarece c1 ≥ 1 iar ck ≤ n.
Astfel, ne interesează să numărăm toate k−uplurile (d1 , d2 , . . . , dk ) ce se pot
forma din (n + k − 1) elemente astfel încât să nu conteze ordinea s, i repetit, ia să
nu fie permisă. Conform cazului precedent se obt, ine că numărul posibil al
k
unor asemenea k−upluri este Cn+k−1 .
Prin urmare, folosind (1.17), (1.18), (1.19) s, i Remarca 1.98, se obt, ine urmă-
toarea sinteză legată de numărul total de k−upluri ce se pot forma din n ele-
mente (vezi [53, Table 1.1, page 4]):
PP
Tipul de
PP
PP
Contează ordinea Nu contează ordinea
Modul PPuplu
PP
de formare PP P
Repetit, ia este permisă nk k
Cn+k−1
Exercit, iul 1.100 Să se arate că numărul tuturor rădăcinilor numere întregi s, i nene-
gative ale ecuat, iei
x1 + x2 + . . . + xk = n
n
este Cn+k−1 .
Remarca 1.101 Dacă D, C sunt două mult, imi cu un număr finit de elemente
card (D) = |D| = n iar card (C) = |C| = m, atunci numărul tuturor funct, iilor
f : D → C este
|D|
mn = |C| .
Într-adevăr, fiecărui element al mult, imii D i se poate asocia oricare din cele
m valori, deci, folosind principiul multiplicării, numărul tuturor n−uplurilor
· . . . · m} = mn .
| · m {z
ordonate (a1 , a2 , . . . , an ) posibile este m
de n-ori
Evident, dacă |D| = n > m = |C| , atunci nu există nici o funct, ie injectivă
între D s, i C. Dacă n ≤ m, numărul tuturor funct, iilor injective f : D → C este
|D|
Anm = A|C| .
m!
m · (m − 1) · . . . · (m − (n − 1)) = = Anm .
(m − n)!
Într-adevăr, să numărăm, mai întâi, funct, iile care nu sunt surjective; în acest
sens, să notăm cu Ak numărul de funct, ii f : D → C care nu iau valoarea
k = 1, m (adică f (x) 6= k, pentru orice x ∈ {1, . . . , n}). Astfel, numărul tuturor
funct, iilor care nu sunt surjective este dat de |A1 ∪ A2 ∪ . . . ∪ Am |. Conform
formulei (1.3), avem
[ Xm X
`+1
Ak = (−1) |Ai1 ∩ . . . ∩ Ai` |.
1≤k≤m `=1 1≤i1 <...<i` ≤m
Pe de altă parte, dacă f ∈ Ai1 ∩. . .∩Ai` , atunci f nu poate lua ` din cele m valori
din C, deci sunt doar (m − `) variante posibile de valori; adică ne interesează
numărul de funt, ii posibile f : D → C ` , unde |D| = n iar C ` = m − `. Deci
n
|Ai1 ∩ . . . ∩ Ai` | = (m − `) .
`
P
În plus, observăm că suma 1≤i1 <...<i` ≤m are Cm termeni, deci
[ Xm X
`+1 n
Ak = (−1) (m − `)
1≤k≤m `=1 1≤i1 <...<i` ≤m
Xm `+1 ` n
= (−1) Cm (m − `) .
`=1
46 1. Spaţii de probabilitate
Având în vedere că numărul tuturor funct, iilor este mn , deducem că numărul
tuturor funct, iilor surjective este
Xm `+1 n
Xm ` ` n
mn − (−1) `
Cm (m − `) = mn + (−1) Cm (m − `)
`=1 `=1
Xm ` ` n
= (−1) Cm (m − `) .
`=0
Prin urmare, în cazul particular al funct, iilor bijective, numărul tuturor funct, ii-
lor este obt, inut luând n = m.
Prin urmare, am obt, inut s, i am demonstrat, folosind astfel analiza combina-
torie, următoarea identitate:
Xn i n
n! = (−1) Cni (n − i) .
i=0
Toate cele 6 evenimente sunt incompatibile între ele, iar fiecare dintre ele este
intersect, ia a patru evenimente independente. Prin urmare, probabilitatea eveni-
mentului precedent este
p1 p2 q3 q4 + p1 q2 p3 q4 + p1 q2 q3 p4 + q1 p2 p3 q4 + q1 p2 q3 p4 + q1 q2 p3 p4
Remarca 1.103 Se vede din demonstrat, ie că rezultatul obt, inut nu simplifică
calculul efectiv al probabilităt, ii cerute. Este doar o formulare condensată a me-
todei de calcul.
O variantă concretă s, i des întâlnită a schemei Poisson este următoarea: se
dau n urne U1 , ..., Un care cont, in bile albe s, i negre în proport, ii cunoscute (adică
se cunosc probabilităt, ile pi de extragere a unei bile albe din urna Ui , cu i =
1, n). Fie E experient, a extragerii a câtei unei bile din fiecare urnă Ui , i = 1, n.
Dacă X reprezintă evenimentul extragerii a k bile albe (s, i deci a n − k bile
negre), când din fiecare urnă se extrage câte o bilă, atunci P (X) este ak , unde
ak este coeficientul lui xk din polinomul
Remarca 1.104 Uneori se poate considera că cele n evenimente Ai coincid între
ele, Ai = A, i = 1, n. Evenimentul X constă atunci în faptul că evenimentul A
se realizează de k ori s, i de (n − k) ori nu se realizează, atunci când se efectuează
experient, a E ce constă în cele n experient, e Ei . În acest caz particular se obt, ine
schema binomială.
Demonstrat, ie. Se observă că suntem într-un caz particular al schemei lui Poi-
sson în care pentru i = 1, n, Ei = E, Ai = A, deci pi = p, qi = 1 − p iar
n
Q (x) = (px + q) . Prin urmare, probabilitatea cerută este coeficientul lui xk ,
k k n−k
adică Cn p q .
Exercit, iul 1.106 Dintr-o urnă cu 14 de bile, dintre care 8 albe s, i 6 negre, se extrag cu
revenire 3 bile. Care este probabilitatea ca cele 3 bile extrase să fie 2 albe s, i una neagră?
(suntem în cazul n = 3, k = 2, p = 8/14 = 4/7, q = 3/7)
Pr
trebuie ca i=1 pi = 1). Se repetă experient, a de n ori în aceleas, i condit, ii. Fie
X evenimentul care constă în realizarea fiecărui eveniment Ai de ki ori, unde
ki = 0, n, i = 1, r astfel încât k1 + . . . + kr = n.
Utilizând argumente de numărare folosite s, i în cazul schemei binomiale
precum s, i deducerea definit, iei termenului multinomial Cnk1 ,k2 ,...,kr dat de (1.20)
deducem următorul rezultat19 .
unde ki = 0, n, i = 1, r cu k1 + . . . + kr = n.
O variantă concretă a schemei multinomiale este următoarea: se dă o urnă
U care cont, ine bile de r culori iar probabilitatea de extragere a unei bile de
culoare ci este pi , cu i = 1, r . Fie E experient, a extragerii unei bile din urnă,
urmând ca bila să fie pusă înapoi. Se efectuează E de n ori. Atunci, X este
evenimentul care constă în aparit, ia de ki ori a bilei de culoare ci , unde i = 1, r
iar k1 + . . . + kr = n.
Exemplul 1.108 Se aruncă un zar de 14 ori. Care este probabilitatea de a obt, ine
de 3 ori fat, a 1, o dată fat, a 2, de 4 ori fat, a 3, de 2 ori fat, a 4, de 3 ori fat, a 5 s, i o
singură dată fat, a 6?
Avem
3 1 1 1 4 1 2 1 3 1 1
3,1,4,2,3,1 1 14! 1
P (X) = C14 = .
6 6 6 6 6 6 3!1!4!2!3!1! 614
Caα · Cbβ
P (X) = α+β
, unde α + β = n, a + b = m.
Ca+b
Demonstrat, ie. Să presupunem că se extrag n bile deodată. Numărul cazurilor
n
posibile este Ca+b . Pe de altă parte, α bile albe se pot extrage în Caα iar β bile
negre se pot extrage în Cbβ , deci, conform principiului multiplicării, α bile albe
s, i β bile negre se pot extrage în Caα · Cbβ moduri (fiecare grupă de α bile albe se
poate grupa cu fiecare grupă de β bile negre). Apoi folosim definit, ia clasică a
probabilităt, ii.
Cazul în care bilele se extrag una câte una se rezolvă similar: în această
situat, ie, numărul cazurilor posibile este Ana+b = n!Ca+b
n
iar cel al cazurilor fa-
α β
vorabile este n! · Ca · Cb .
Exemplul 1.110 La o extragere, din 400 de bilete, 4 sunt câs, tigătoare. O per-
soană cumpără 10 bilete. Care este probabilitatea ca să nu aibă nici un bilet
câs, tigător?
Avem a = 4, b = 396, α = 0, β = 10, n = 10. Deci probabilitatea să obt, inem
C 0 · C 10
k = 0 bilete câs, tigătoare este 4 10 396 = 0.903.
C400
Exemplul 1.112 O urnă cont, ine 8 bile albe, 9 bile negre s, i 10 bile ros, ii. Se extrag
3 bile. Care este probabilitatea ca bilele extrase să fie de culori diferite?
1.10. Exerciţii rezolvate 51
Dorim ca grupul celor trei bile să arate astfel: una albă, una neagră s, i una
C 1 · C91 · C10
1
ros, ie. Deci probabilitatea evenimentului cerut este 8 3 = 0.246.
C27
Rezolvare:
Cele 10 cărt, i pot fi aranjate în A10
10 = 10! moduri posibile. Cazul favorabil
este orice aranjare în care pe primul loc se află numărul 1 iar apoi celelalte 9
numere (indiferent de ordine). Deci numărul cazurilor favorabile este 9!, deci
9! 1
probabilitatea ca prima carte să fie 1 este = .
10! 10
Putem formaliza s, i scrie s, i sub forma: mult, imea Ω a tuturor evenimentelor
elementare poate fi văzută ca fiind o mult, ime de n−upluri de tipul
Ω= CJP i ∈ {1, 2, . . . , 10} ,
(CJP 1, CJP 2, . . . , CJP 10) :
CJP i 6= CJP j, i, j = 1, 10, cu i 6= j
A99 1
iar card (A) = A99 = 9!. Deci P (A) = = .
A10
10 10
52 1. Spaţii de probabilitate
Putem face s, i direct: să observăm că pe primul loc poate fi oricare din cele 10
cărt, i, deci avem zece cazuri posibile. Dintre acestea unul singur este favorabil
(aparit, ia cărt, ii 1). Deci probabilitatea este 1/10.
A88 1
iar card (B) = A88 = 8!. Deci P (B) = 10 = .
A10 90
Putem face s, i direct: să observăm că pe primele două pozit, ii poate fi orice
pereche ordonată de numere, deci numărul cazurilor posibile este de A210 =
10!
8! = 90. Dintre acestea unul singur este favorabil (aparit, ia cărt, ilor 1 s, i 2). Deci
probabilitatea este 1/90.
1.10.2 Un număr de telefon este compus din s, ase cifre. Care este probabili-
tatea ca toate cifrele să fie diferite una de alta? (toate cifrele pot avea una dintre
valorile 0, 1, . . . , 9).
Rezolvare:
Formalizăm, văzând mult, imea Ω a tuturor evenimentelor elementare ca
pe o mult, ime de 6−upluri:
Ω = (T P 1, T P 2, . . . , T P 6) : T P i ∈ {0, 1, . . . , 9} , i = 1, 6
iar numărul tuturor cazurilor posibile (toate numerele de telefon din s, ase cifre,
nu neapărat diferite) este card (Ω) = 10 · 10 · . . . · 10 = 106 (deoarece prima
pozit, ie a 6−uplului are 10 variante posibile, a doua pozit, ie are tot 10 variante
posibile etc.).
Eveniment avut în vedere este
A = (T P 1, T P 2, . . . , T P 6) ∈ Ω : T P i 6= T P j, i, j = 1, 6, cu i 6= j
Rezolvare:
Formalizăm, văzând mult, imea Ω a tuturor evenimentelor elementare ca
pe o mult, ime de 4−upluri:
Ω = (BP 1, BP 2, BP 3, BP 4) : BP i ∈ {0, 1, . . . , 9} , i = 1, 4
iar numărul tuturor cazurilor posibile este card (Ω) = 10 · 10 · 10 · 10 = 104 =
10000 (deoarece prima pozit, ie a 4−uplului are 10 variante posibile, a doua
pozit, ie are tot 10 variante posibile etc.).
Eveniment avut în vedere este
A = (BP 1, BP 2, BP 3, BP 4) ∈ Ω : BP i 6= 8, i = 1, 4
iar card (A) = 9 · 9 · 9 · 9 = 94 (deoarece prima pozit, ie a 4−uplului are 9 variante
posibile, a doua pozit, ie are 9 variante posibile etc.).
94 4
Deci probabilitatea cerută este P (A) = = (0.9) = 0.6561.
104
1.10.4 Care este probabilitatea ca într-un grup de n persoane să existe cel put, in
2 care să-s, i aniverseze ziua de nas, tere în aceeas, i zi a anului? (se presupune că
anul are 365 de zile)
Rezolvare:
Evident, dacă n > 365, atunci probabilitatea cerută este 1. Să presupunem
că n ≤ 365. Este mai us, or de calculat probabilitatea evenimentului contrar,
notat Ā, adică evenimentul ca fiecare din cele n persoane îs, i aniverseze ziua de
nas, tere într-o zi diferită de ziua celorlalte (n − 1) persoane.
Mult, imea evenimentelor elementare (sau mult, imea rezultatelor posibile) se
poate scrie sub forma
Ω = (ZN P 1, ZN P 2, . . . , ZN P n) : ZN P i ∈ {1, 2, . . . , 365} , i = 1, n
iar card (Ω) = 365n (se poate aplica principiul multiplicării) care reprezintă
numărul cazurilor posibile.
Evenimentul contrar este dat de
Ā = (ZN P 1, ZN P 2, . . . , ZN P n) ∈ Ω : ZN P i 6= ZN P j, i, j = 1, n,
cu i 6= j
54 1. Spaţii de probabilitate
iar card Ā = 365 · 364 · . . . · (365 − n + 1) = An365 (deoarece prima pozit, ie
a n−uplului are 365 de variante posibile, a doua pozit, ie are 364 de variante
posibile etc.).
An
Deci probabilitatea cerută este P (A) = 1 − P Ā = 1 − 365n .
365
Să observăm că putem scrie Ω s, i cu ajutorul funct, iilor:
Ω = f : {ZN P 1, ZN P 2, . . . , ZN P n} → {1, 2, . . . , 365} : f este funct, ie
iar card (Ω) = 365n (care este numărul tuturor posibilelor funct, ii între două
mult, imi de cardinal finit).
Scrisă în acest fel, evenimentul Ā este, de fapt,
Ā = f : {ZN P 1, ZN P 2, . . . , ZN P n} → {1, 2, . . . , 365} : f este
funct, ie injectivă
iar card Ā = An365 (care este numărul tuturor posibilelor funct, ii injective între
două mult, imi de cardinal finit).
An
Deci probabilitatea evenimentului cerut este P (A) = 1 − P Ā = 1 − 365n .
365
În final ment, ionăm că dacă, de exemplu, n = 23, atunci se obt, ine
343 · 345 · . . . · 364 · 365
P (A) = 1 − = 0.5072
36523
316 · 317 · . . . · 364 · 365
iar dacă n = 50, atunci se obt, ine P (A) = 1 − = 0.9703.
36550
1.10.5 Un lift urcă cu k persoane într-o clădire cu n etaje. Care este probabili-
tatea ca la fiecare etaj să coboare cel mult o persoană?
Rezolvare:
Dacă n < k, atunci probabilitatea cerută este 0. Să considerăm deci cazul
n ≥ k.
La fiecare etaj cele k persoane pot coborî din lift în nk moduri.
Pe de altă parte, daca la fiecare etaj coboara cel mult o persoana, atunci cele
k persoane pot coborî, maxim una pe etaj, în Akn moduri. Deci probabilitatea
Ak
cerută este kn .
n
1.10. Exerciţii rezolvate 55
A710
În cazul particular n = 10 s, i k = 7 obt, inem probabilitatea = 0.060.
107
Evident, putem formaliza, similar cu problema precedentă,
Ω = f : {P P 1, P P 2, . . . , P P k} → {E1, E2, . . . , En} : f este funct, ie
Rezolvare:
Cele n numere se pot scrie în n! moduri.
Într-adevăr, formalizăm, văzând mult, imea Ω a tuturor evenimentelor ele-
mentare ca pe o mult, ime de n−upluri:
Ω= (N P 1, N P 2, . . . , N P n) : N P i ∈ {1, 2, . . . , n} , N P i 6= N P j,
i, j = 1, n, cu i 6= j
iar numărul tuturor cazurilor posibile este card (Ω) = n·(n − 1)·. . .·1 = Ann = n!
(deoarece prima pozit, ie a n−uplului are n variante posibile, a doua pozit, ie are
(n − 1) variante posibile etc.).
Evenimentul avut în vedere cont, ine n−upluri în care apare, pe de o parte,
(1, 2) în (n − 1) variante posibile s, i, pe de altă parte, celelalte (n − 2) numere în
(n − 2) pozit, ii posibile, deci în An−2
n−2 = (n − 2)! variante posibile. Prin urmare,
(n − 1) · An−2
n−2 1
card (A) = (n − 1) · An−2n−2 , deci P (A) = = .
Ann n
1.10.7 Într-o cameră întunecoasă sunt cinci perechi de pantofi de aceeas, i mă-
rime. Alegem la întâmplare cinci pantofi. Care este probabilitatea ca printre
pantofii ales, i să fie cel put, in o pereche?
56 1. Spaţii de probabilitate
Rezolvare:
5
Avem C10 cazuri posibile de a alege cinci pantofi. Evenimentul contrar, de
a nu fi nici măcar o pereche, are două cazuri favorabile (cinci pantofi stângi sau
2
cinci pantofi drept, i). Deci probabilitatea cerută este 1 − 5 .
C10
1.10.8 Într-o cameră întunecoasă sunt cinci perechi de pantofi de mărimi di-
ferite. Alegem la întâmplare cinci pantofi. Care este probabilitatea ca printre
pantofii ales, i să fie cel put, in o pereche de aceeas, i mărime?
Rezolvare:
Vom studia probabilitatea evenimentului contrar, de a nu fi nici măcar o
5
pereche de aceeas, i mărime. Sunt C10 cazuri posibile. Să presupunem că avem
(D1, D2, D3, D4, D5) s, i (S1, S2, S3, S4, S5) s, i să numărăm cazurile favorabile.
Avem un număr de C55 variante de tipul (D1, D2, D3, D4, D5), apoi C54
variante21 de tipul (D1, D2, D3, D4, S5), apoi C53 variante de tipul (D1, D2,
D3, S4, S5), apoi C52 variante de tipul (D1, D2, S3, S4, S5), apoi C51 variante
de tipul (D1, S2, S3, S4, S5) s, i C50 variante de tipul (S1, S2, S3, S4, S5). Deci
5
numărul cazurilor favorabile este C55 + C54 + C53 + C52 + C51 + C50 = (1 + 1) .
5
2
Prin urmare, probabilitatea cerută este 1 − 5 .
C10
1.10.9 Într-un tramvai cu trei vagoane urcă nouă pasageri. Care este probabil-
itatea ca în primul vagon să urce trei persoane, în al doilea două persoane s, i în
ultimul celelalte patru persoane? Dar ca într-un vagon să urce trei persoane, în
alt vagon două persoane s, i în alt vagon patru persoane?
Care este probabilitatea ca în primul vagon să urce trei persoane? Dar ca
în primul vagon să urce trei persoane, în al doilea trei persoane s, i în ultimul
celelalte trei persoane? Dar ca în fiecare vagon să urce trei persoane?
Rezolvare:
Sunt nouă pasageri iar fiecare poate alege oricare din cele trei vagoane, deci
sunt 39 cazuri posibile (fiecare persoană din cele 9 are câte 3 variante posibile).
Trei persoane pot urca în primul vagon în C93 moduri. Apoi, din cele s, ase
persoane care au rămas, două persoane pot urca în al doilea vagon în C62 mo-
duri; deci cele patru persoane rămase pot urca în al treilea vagon în C44 moduri.
21 Variantele sunt (D1, D2, D3, D4, S5), (D1, D2, D3, D5, S4), (D1, D2, D4, D5, S3),
(D1, D3, D4, D5, S2), (D2, D3, D4, D5, S1).
1.10. Exerciţii rezolvate 57
9!
C93 · C62 · C44 = = C93,2,4 ,
3!2!4!
C93,2,4
deci prima probabilitate cerută este .
39
În ceea ce prives, te al doilea eveniment, diferent, a fat, ă de cazul precedent
este că nu se s, tie vagonul exact al fiecărui grup în parte. Avem, prin urmare,
următoarele 3! posibile structuri în cele trei vagoane:
3! · C93,3,3
Probabilitatea celui de-al cincilea eveniment este .
39
1.10.10 Să se determine, în două moduri, numărul tuturor grupelor (de orice
mărime) care se pot forma cu maxim n persoane? Să se deducă apoi identi-
tatea22
1 + Cn1 + . . . + Cnn = 2n .
Rezolvare:
22 Pentru alte exemple de identităt, i demostrate folosind analiza combinatorie vezi https://www.
math.uaic.ro/∼maticiuc/didactic/Applications_of_Probability_Theory.pdf, Section I.5 s, i I.6.
58 1. Spaţii de probabilitate
(P P i poate să facă parte dintr-un grup sau nu, deci sunt două variante posibile
pentru fiecare P P i).
Astfel, numărul tuturor cazurilor posibile este card (Ω) = 2 · 2 · . . . · 2 = 2n .
Pe de altă parte, as, a cum am văzut în Exemplul 1.9, toate submult, imile care
se pot forma cu cele n persoane (considerăm s, i mult, imea vidă) s, i este dată de
1 + Cn1 + . . . + Cnn .
Identificând, obt, inem, folosind astfel analiza combinatorie, următoarea i-
dentitate 1 + Cn1 + . . . + Cnn = 2n .
1.10.12 Într-un lot de 100 de piese 5 sunt defecte. Se aleg la întâmplare 5 piese
din acest lot. Care este probabilitatea ca printre piesele alese cel put, in una să
fie defectă?
Rezolvare:
Să observăm că un sistem complet de evenimente este format de sistemul
de evenimente (Xk )k=0,5 , unde Xk este dat de notat, ia standard
Deci
X0 = {nici o piesă nu este defectă},
Rezolvare:
Avem că evenimentul contrar, toate cele 5 mere sunt bune, are probabili-
C5 C5
tatea 590 . Probabilitatea cerută este 1 − 590 .
C100 C100
1.10.14 Dacă se aruncă de patru ori un zar23 , care este probabilitatea să apară
cel put, in o dată fat, a s, ase?
Dacă se aruncă două zaruri de 24 de ori, care este probabilitatea să apară cel
put, in o dată fat, a s, ase pe ambele zaruri (i.e. cel put, in o dată dubla (6, 6))?
Dar să apară cel put, in o dată o fat, ă s, ase (pe cel put, in unul dintre zaruri)?
23 Vezi s, i rezolvarea Exercit, iului 1.10.48.
60 1. Spaţii de probabilitate
Rezolvare:
Dacă se aruncă de patru ori un zar, atunci numărul rezultatelor posibile
este de 64 . Evenimentul să apară, la patru aruncări, măcar o dată fat, a s, ase este
complementar evenimentului de a nu apărea niciodată fat, a s, ase (apar doar
fet, ele cu 1, 2, 3, 4 sau 5 puncte). Deci numărul rezultatelor posibile să apară
una din cele cinci fet, e, la patru aruncări, este de 54 . Prin urmare, probabilitatea
54
ca la patru aruncări să nu apară niciodată fat, a s, ase este 4 , iar probabilitatea
6
54
să apară măcar o dată fat, a s, ase este atunci 1 − 4 .
6
Dacă se aruncă două zaruri, atunci numărul rezultatelor posibile este 36,
deci dacă se aruncă de 24 de ori, atunci numărul rezultatelor posibile este 3624
(adică 24−upluri în care fiecare pozit, ie este o pereche de fet, e de două zaruri,
deci fiecare pozit, ie are 36 variante posibile).
La o aruncare, numărul posibil de perechi diferite de dubla (6, 6) este 35 s, i
deci, dacă se aruncă de 24 de ori, atunci numărul rezultatelor posibile în care
nu apare niciodată dubla (6, 6) este 3524 (fiecare pozit, ie a 24−uplului are 35
variante posibile). Probabilitatea ca să nu apară, la 24 de aruncări, niciodată
3524
dubla (6, 6) este deci de 24 .
36
Prin urmare, probabilitatea ca să apară, la 24 de aruncări, cel put, in o dată
3524
dubla (6, 6) este de 1 − 24 ' 0.4914.
36
două fet, e s, ase este 26 (sunt 25 variante fără nici o fat, ă cu s, ase puncte s, i 1 vari-
ante cu două fet, e de s, ase puncte). Dacă se aruncă de 24 de ori, atunci numărul
rezultatelor posibile în care apare o singură dată fat, a s, ase este dat de rat, iona-
mentul următor: o pozit, ie a 24−uplului (oricare din cele 24 de pozit, ii) care are
o singură fat, ă cu s, ase puncte are 10 variante posibile; apoi celelalte 23 de pozit, ii
nu mai au voie să cont, ină o singură fat, ă cu s, ase puncte, deci sunt 2623 variante
posibile. Prin urmare, probabilitatea ca să apară, la 24 de aruncări, o singură
23
1 10 · 26
dată fat, a s, ase este C24 .
3624
Să ment, ionam că probabilitatea se poate calcula folosind s, i schema binomi-
10 1 26 23
1
ală; astfel, probabilitatea cerută este C24 36 36 .
1.10.15 Să definim A ca fiind evenimentul în care fat, a s, ase apare cel put, in o
dată la aruncarea unui zar de 4 ori s, i B ca fiind evenimentul în care fat, a s, ase
apare de cel put, in două ori la aruncarea a două zaruri de 24 de ori (pe perechi
diferite de zaruri, adică excludem aparit, ia dublei (6, 6)). Care dintre cele două
evenimente este mai probabil?
Rezolvare:
54 2624 1 10 · 26
23
Se arată că P Ā = 4 s, i că P B̄ = 24 + C24 24
s, i se compară cele
6 36 36
două valori.
1.10.16 La un joc participă doi jucători. Partida este câs, tigată de jucătorul care
câs, tigă trei jocuri. Dacă jocul este fort, at să se întrerupă la scorul de 2 − 1, atunci
cum trebuie împărt, ită miza?
Rezolvare:
Mai întâi trebuie stabilit criteriul de împărt, ire a mizei. Astfel, se poate pro-
pune ca fiecare jucător să ia o parte din miză proport, ională cu probabilitatea
pe care o are de a câs, tiga jocul, dacă acesta ar continua. Să calculăm aceste
probabilităt, i.
Este evident că dacă se continuă jocul, atunci în maxim două jocuri se poate
stabili câs, tigătorul. Să notăm cu A jucătorul care a câs, tigat două partide s, i
cu B pe cel care a câs, tigat o partidă. Atunci, după cele două jocuri avem pa-
tru posibilităt, i: (A, A) , (A, B) , (B, A) , (B, B) (prima pozit, ie înseamnă cine a
câs, tigat primul joc iar a doua cine a câs, tigat al doilea joc). Deci s, ansele de câs, tig
ale jucătorului A sunt de 3/4, iar ale lui B sunt de 1/4 (iar aceasta este regula
după care trebuie împărt, ită miza).
62 1. Spaţii de probabilitate
1.10.17 O urnă cont, ine patru bile albe, dintre care două numerotate cu 1 s, i
două numerotate cu 2, s, i cinci bile negre, dintre care trei numerotate cu 1 s, i
două numerotate cu 2. Se extrage o bilă din urnă. Care este probabilitatea ca
bila extrasă să aibă numărul 1, condit, ionată de faptul că bila extrasă este albă?
Rezolvare:
Să notăm evenimentele A = {bila extrasă este albă} , B = {bila extrasă are
numărul 1}. Atunci, P (A) = 4/9, P (B) = 5/9 iar P (A ∩ B) = 2/9. Conform
definit, iei (1.6) a probabilităt, ii condit, ionate, probabilitatea cerută este P (B|A) =
P (A ∩ B) 2/9 2
= = .
P (A) 4/9 4
2
Pe de altă parte, se poate vedea s, i direct că P (B|A) = (sunt 4 cazuri
4
posibile, în care bila este albă, s, i 2 cazuri favorabile).
1.10.18 O urnă cont, ine trei bile albe s, i patru bile negre. Se extrag simultan (i.e.
succesiv s, i fără revenirea în urnă a bilei extrase) două bile din urnă. Care este
probabilitatea ca a doua bilă extrasă să fie albă, în ipoteza că prima este albă?
Rezolvare:
Să folosim notat, ia standard
adică să notăm cu Ai evenimentul obt, inerii unei bile albe la extragerea i = 1, 2.
Atunci, P (A1 ) = 3/7 iar P (A1 ∩ A2 ) = 6/42, deoarece numărul cazurilor
posibile este A27 = 42 iar cel al cazurilor favorabile este A23 = 6. Conform
P (A1 ∩ A2 )
definit, iei (1.6) probabilitatea cerută este dată de P (A2 |A1 ) = =
P (A1 )
1/7 1
= .
3/7 3
Pe de altă parte, se poate vedea s, i direct (în acest caz este util s, i reprezenta-
rea celor două extrageri sub forma unei structuri de tip arbore) că P (A2 |A1 ) =
2/6 deoarece sunt 6 cazuri posibile (după ce s-a extras prima bilă s, i este albă în
urnă au rămas două bile albe s, i patru bile negre) s, i 2 cazuri favorabile.
1.10.19 O urnă cont, ine 16 bile numerotate de la 1 la 16. Primele trei bile sunt
albe, următoarele zece sunt negre iar ultimele trei sunt ros, ii. Se extrage o bilă
1.10. Exerciţii rezolvate 63
din această urnă. Să notăm evenimentele A = {bila extrasă este neagră}, B =
{bila extrasă are numărul mai mic sau egal decât 9}. Să se calculeze P (A) ,
P (B) , P (A|B) s, i P (B|A) .
Aceleas, i cerint, e în cazul în care eliminăm ultima bilă ros, ie.
Rezolvare:
Avem P (A) = 10/16, P (B) = 9/16, P Ā = 6/16, P B̄ = 7/16. Avem
s, i P (A ∩ B) = 6/16, deci P (B|A) = 6/10. De asemenea, putem determina s, i
direct P (B|A) = 6/10 iar P B|Ā = 3/6. Pe de altă parte, P (A|B) = 6/9 iar
P A|B̄ = 4/7. Deci observăm că fiecare din evenimentele A sau B îs, i schimbă
probabilitatea în funct, ie de realizarea sau nu a celuilalt. Deci aceste două sunt
dependente unul de celălalt.
Rezolvare:
Avem P (A) = 3/6, P (B) = 4/6 s, i P (A ∩ B) = 2/6. Deci este verificată
relat, ia P (A ∩ B) = 3/6 · 4/6 = P (A) · P (B) , ceea ce înseamnă că cele două
evenimente sunt independente.
1.10.21 Doi arcas, i trag asupra unei t, inte. Primul nimeres, te această t, intă cu
probabilitatea de 7/9 iar al doilea cu probabilitatea 9/11. Care este probabili-
tatea ca t, inta să fie atinsă cel put, in o dată?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 2, dată de (1.23), adică să notăm
cu Ai evenimentul nimeririi t, intei la de către arcas, ul i = 1, 2.
Să observăm că aceste evenimente sunt independente dar nu sunt s, i dis-
juncte (sunt compatibile).
Trebuie determinat P (A1 ∪ A2 ) . Folosind (1.7) obt, inem
1.10.22 Trei arcas, i trag asupra unei t, inte. Primul nimeres, te această t, intă cu
probabilitatea de 2/3, al doilea cu probabilitatea 3/4 iar al treilea cu probabil-
itatea 4/5. Care este probabilitatea24 ca t, inta să fie atinsă de trei ori? Dar pro-
babilitatea ca t, inta să fie atinsă de două ori? Care este probabilitatea ca t, inta să
fie atinsă cel put, in o dată?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 3, dată de (1.23), adică să notăm
cu Ai evenimentul nimeririi t, intei la de către arcas, ul i = 1, 3.
Avem P (A1 ) = 2/3, P (A2 ) = 3/4, P (A3 ) = 4/5.
Prima probabilitate cerută este P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) =
2/5 (deoarece evenimentele sunt independente).
A doua probabilitate cerută este a evenimentului A1 ∩ A2 ∩ Ā3 sau A1 ∩ Ā2 ∩
A3 sau Ā1 ∩ A2 ∩ A3 . Cele trei mult, imi de intersect, ie sunt evenimente disjuncte
iar evenimentele A1 , A2 , A3 sunt independente, prin urmare, obt, inem
P A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A2 ∩ A3
= P A1 ∩ A2 ∩ Ā3 + P A1 ∩ Ā2 ∩ A3 + P Ā1 ∩ A2 ∩ A3
= P (A1 )·P (A2 )·P Ā3 + P (A1 )·P Ā2 ·P (A3 ) + P Ā1 ·P (A2 )·P (A3 )
2 3 1 2 1 4 1 3 4 13
= · · + · · + · · = .
3 4 5 3 4 5 3 4 5 30
Pentru a treia probabilitate cerută este mai us, or să calculăm probabilitatea
evenimentului contrar lui A1 ∪ A2 ∪ A3 , care este Ā1 ∩ Ā2 ∩ Ā3 . Deci, eveni-
mentele indicate fiind independente, obt, inem
1 1 1 1
P Ā1 ∩ Ā2 ∩ Ā3 = P Ā1 · P Ā2 · P Ā3 = · · = .
3 4 5 60
Deci probabilitatea evenimentului cerut este
1
P (A1 ∪ A2 ∪ A3 ) = 1 − P A1 ∪ A2 ∪ A3 = 1 − P Ā1 ∩ Ā2 ∩ Ā3 = 1 − .
60
Rezolvare:
Să definim X ca fiind evenimentul care
Sn constă în realizarea a cel put, in unui
eveniment Ai , i = 1, n. Atunci25 , X = i=1 Ai iar acum folosim formula (1.9):
[ X X
P Ai = P (Ai ) − P (Ai ∩ Aj )
1≤i≤n 1≤i≤n 1≤i<j≤n
X n−1
+ P (Ai ∩ Aj ∩ Ak ) − . . . + (−1) P (A1 ∩ . . . ∩ An ) .
1≤i<j<k≤n
1.10.24 Într-o urnă sunt 5 bile albe s, i 5 bile negre. Se scot trei bile (fără revenirea
lor în urnă). Care este probabilitatea26 obt, inerii a trei bile albe? Dar proba-
bilitatea obt, inerii a două bile albe s, i a uneia negre? Care este probabilitatea
obt, inerii a cel put, in două bile albe? Dar a cel put, in unei bile albe?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 3, dată de (1.23), adică să notăm
cu Ai evenimentul ca bila să fie albă la extragerea i = 1, 3.
Avem imediat că P (A1 ) = 5/10, P (A2 |A1 ) = 4/9, P (A3 |A1 ∩ A2 ) = 3/8 (în
acest caz este util s, i reprezentarea celor trei extrageri sub forma unei structuri
de tip arbore).
Acum, folosind regula (1.13) de înmult, ire a probabilităt, ilor obt, inem
5 4 3 1
P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) = · · = .
10 9 8 12
A doua probabilitate cerută este a evenimentului A1 ∩ A2 ∩ Ā3 sau A1 ∩ Ā2 ∩ A3
sau Ā1 ∩ A2 ∩ A3 . Cele trei mult, imi de intersect, ie sunt evenimente disjuncte,
prin urmare obt, inem
P A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A2 ∩ A3
= P A1 ∩ A2 ∩ Ā3 + P A1 ∩ Ā2 ∩ A3 + P Ā1 ∩ A2 ∩ A3
= P (A1 )·P (A2 |A1 )·P Ā3 |A1 ∩ A2 + P (A1 )·P Ā2 |A1 ·P A3 |A1 ∩ Ā2
+P Ā1 · P A2 |Ā1 · P A3 |Ā1 ∩ A2
5 4 5 5 5 4 5 5 4 5 5 5 5
= · · + · · + · · = + + = .
10 9 8 10 9 8 10 9 8 36 36 36 12
25 Vezi s, i rezolvarea Exercit, iului 1.10.43.
26 Probabilitatea se poate calcula folosind s, i schema hipergeometrică.
66 1. Spaţii de probabilitate
Într-adevăr, de exemplu, P Ā3 |A1 ∩ A2 = 5/8 este probabilitatea să extragi o
bilă neagră în ipoteza că evenimentul A1 ∩ A2 este
realizat, adică urna cont, ine
3 bile albe s, i 5 bile negre. Apoi P A3 |A1 ∩ Ā2 = 4/8 este probabilitatea să
extragi o bilă albă în ipoteza că evenimentul A1 ∩ Ā2 este realizat, adică urna
cont, ine 4 bile albe s, i 4 bile negre.
A treia probabilitate cerută este a evenimentului
A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A2 ∩ A3 ∪ (A1 ∩ A2 ∩ A3 ) .
Evenimentul obt, inerii a cel put, in unei bile albe este atunci
A1 ∩ Ā2 ∩ Ā3 ∪ Ā1 ∩ A2 ∩ Ā3 ∪ Ā1 ∩ Ā2 ∩ A3
∪ A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A2 ∩ A3 ∪ (A1 ∩ A2 ∩ A3 ) ,
iar probabilitatea lui este suma probabilităt, ilor fiecărui termen al reuniunii.
Este mai us, or obt, inerea evenimentului contrar evenimentului
patru: nu se
obt, ine nici o bilă albă. Acesta este deci Ā1 ∩ Ā2 ∩ Ā3 iar apoi se va calcula
P Ā1 ∩ Ā2 ∩ Ā3 .
1.10.25 Motoarele unui avion au probabilitatea 1 − p, unde p ∈ (0, 1), de a se
defecta (independent unul de altul). Pentru ca avionul să termine cursa trebuie
să funct, ioneze cel put, in jumătate dintre motoarele lui.
(a) Dacă avionul are 3 motoare, care este probabilitatea avionul să termine
cursa?
(b) Dacă avionul are 5 motoare, care este probabilitatea avionul să termine
cursa?
(c) Pentru ce valori ale lui p un avion cu 5 motoare are mai multe s, anse să
funct, ioneze decât un avion cu 3 motoare?
1.10.26 Într-un lot de 48 de piese 3 sunt defecte iar în alt lot de 50 de piese 3
sunt defecte. Din fiecare lot se iau câte 3 piese. Care este probabilitatea ca, din
primul lot, primele două piese să fie bune s, i a treia să fie defectă iar, din al
doilea lot, toate trei să fie bune?
1.10. Exerciţii rezolvate 67
Rezolvare:
Să notăm evenimentele:
A = {din primul lot primele două piese luate sunt bune iar a treia este
defectă},
B = {din al doilea lot toate cele 3 piese luate sunt bune},
Ai = {piesa i din primul lot este bună}, i = 1, 3,
Bj = {piesa j din al doilea lot este bună}, j = 1, 3.
Rezolvare:
Să notăm evenimentele
Este mai dificil de spus imediat cine este P (X) . Dar, conform enunt, ului, avem
3 4
că P (X|A1 ) = , P (X|A2 ) = . Folosind formula probabilităt, ii totale (1.14)
7 9
obt, inem s, i probabilitatea cerută:
1 3 1 4 55
P (X) = P (A1 ) · P (X|A1 ) + P (A2 ) · P (X|A2 ) = · + · = .
2 7 2 9 126
1.10.28 Într-un depozit se aduc piese de la trei ateliere. Primul are două mas, ini
care fabrică aceste piese s, i care dau 3% rebut. Al doilea are două mas, ini, care
dau 2% rebut. Al treilea are trei mas, ini, care dau 3% rebut. Care este probabili-
tatea ca o piesă luată din depozit, la întâmplare, să fie defectă? (fiecare mas, ină
produce acelas, i număr de piese în unitatea de timp)
Rezolvare:
Să notăm:
2 2 3
P (A1 ) = , P (A2 ) = , P (A3 ) = .
7 7 7
Pe de altă parte,
3 2 3
P (X|A1 ) = , P (X|A2 ) = , P (X|A3 ) = .
100 100 100
Deci, folosind formula probabilităt, ii totale (1.14), obt, inem s, i probabilitatea ce-
rută:
1.10.29 O urnă cont, ine trei bile albe s, i patru bile negre iar altă urnă cont, ine
patru bile albe s, i cinci bile negre. Se extrage o bilă la întâmplare din una din
1.10. Exerciţii rezolvate 69
cele două urne. Dacă bila extrasă este albă, care este probabilitatea ca ea să
provină din prima urnă?
Rezolvare:
Se cere P (A1 |X) (vezi notat, iile Exercit, iului 1.10.27). Avem că P (A1 ) =
P (A2 ) = 1/2. Folosind formula (1.16) a lui Bayes obt, inem:
P (A1 ) P (X|A1 )
P (A1 |X) =
P (A1 ) P (X|A1 ) + P (A2 ) P (X|A2 )
1/2 · 3/7 27
= = .
1/2 · 3/7 + 1/2 · 4/9 55
1.10.30 Un student are trei conturi de e-mail. Cele mai multe dintre mesaje
(mai precis 70%) ajung în primul cont. Alte 20% ajung în contul al doilea iar
10% ajung în cel de-al treilea cont. Dintre mesaje doar 1% sunt de tip spam în
primul cont, iar pentru celelalte conturi ratele sunt de 2% s, i respectiv 5%. Care
este probabilitatea ca un mesaj primit de acel student să fie de tip spam?
Care este probabilitatea ca un mesaj care s-a dovedit a fi un spam să provină
de la al treilea cont?
Rezolvare:
Se foloses, te formula (1.16) a lui Bayes.
1.10.32 Într-un depozit se aduc piese de la trei ateliere. Primul are două mas, ini
care fabrică aceste piese s, i care dau 3% rebut. Al doilea are două mas, ini, care
dau 2% rebut. Al treilea are trei mas, ini, care dau 3% rebut. Din depozit a
fost luată o piesă, la întâmplare, care s-a dovedit a fi defectă. Care este pro-
babilitatea ca piesa luată din depozit să provină de la al doilea atelier? Dar
probabilitatea ca piesa luată din depozit să provină de la al treilea atelier?
Rezolvare:
70 1. Spaţii de probabilitate
Se cer P (A2 |X) s, i P (A3 |X) (vezi notat, iile Exercit, iului 1.10.28). Folosind
formula (1.16) a lui Bayes obt, inem:
P (A2 ) P (X|A2 )
P (A2 |X) =
P (A1 ) P (X|A1 ) + P (A2 ) P (X|A2 ) + P (A3 ) P (X|A3 )
2/7 · 2/100 4
= =
2/7 · 3/100 + 2/7 · 2/100 + 3/7 · 3/100 19
s, i
P (A3 ) P (X|A3 )
P (A3 |X) =
P (A1 ) P (X|A1 ) + P (A2 ) P (X|A2 ) + P (A3 ) P (X|A3 )
3/7 · 3/100 9
= = .
2/7 · 3/100 + 2/7 · 2/100 + 3/7 · 3/100 19
1.10.33 Patru urne au următoarele distribut, ii: prima urnă cont, ine 7 bile albe s, i
2 bile negre, a doua urnă cont, ine 8 bile albe s, i 4 bile negre, a treia cont, ine 10 bile
albe s, i 12 bile negre iar a patra urnă cont, ine 8 bile albe s, i 12 bile negre. Se ex-
trage o bilă la întâmplare din una din cele patru urne. Care este probabilitatea
de a extrage o bilă albă?
Dacă bila extrasă este albă, care este probabilitatea ca ea să provină din cea
de a treia urnă?
Rezolvare:
Să notăm evenimentele X = {bila aleasă este albă}, Ai = {urna aleasă este
i}, i = 1, 4. Evenimentele (Ai )i=1,4 formează un sistem complet de evenimente.
Avem că P (Ai ) = 1/4, i = 1, 4 iar P (X|A1 ) = 7/9, P (X|A2 ) = 8/12,
P (X|A3 ) = 10/22, P (X|A3 ) = 8/20.
Mai întâi se cere P (X) . Folosind formula probabilităt, ii totale (1.14) obt, inem
Apoi se cere P (A3 |X) . Folosind formula (1.16) a lui Bayes obt, inem:
P (A3 ) P (X|A3 )
P (A3 |X) =
P (A1 ) P (X|A1 ) + . . . + P (A4 ) P (X|A4 )
1.10. Exerciţii rezolvate 71
Rezolvare:
Folosim notat, iile B = {persoana este bolnavă}, T + = {testul este pozitiv}.
Se va determina P (B|T +) folosind formula (1.16) a lui Bayes.
Rezolvare:
Se foloses, te formula (1.16) a lui Bayes.
Rezolvare:
Se pot folosi notat, iile A = {noul asigurat este predispus la accidente} s, i
B = {noul asigurat are accidente în primul an}.
1.10.37 Două urne cont, in bile albe s, i negre cu compozit, iile (n, m) s, i respectiv
(r, s) .
(a) Dacă se extrage o bilă la întâmplare din una din urne, care este probabili-
tatea ca bila aleasă să fie albă?
(b) Se extrage o bilă la întâmplare din prima urnă s, i apoi se pune în a doua
urnă. Care este probabilitatea ca o bilă aleasă din urna a doua să fie albă?
Rezolvare:
Se foloses, te formula probabilităt, ii totale (1.14).
1.10.38 Un examen oral la disciplina P&S constă în răspusul corect la un bilet
de examinare ales la întâmplare din 25 de bilete. Dintre acestea doar 15 cont, in
subiecte învăt, ate de studentul L.. Care este probabilitatea ca L. să promoveze
examenul dacă este primul care alege biletul? Dar dacă este al doilea? Dar dacă
este al treilea student care alege un bilet?
1.10.39 Avem trei loturi de câte 100 de piese. În primul lot trei piese sunt de-
fecte, în al doilea lot patru piese sunt defecte, iar în al treilea lot cinci piese sunt
defecte. Din fiecare lot se ia câte o piesă. Care este probabilitatea obt, inerii a
două piese bune s, i a uneia defecte?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 3, dată de (1.23), adică să notăm
cu Ai evenimentul extragerii unei piese bune din lotul Li , i = 1, 3.
Acestea sunt evenimente independente. Probabilitatea pi = P (Ai ), deci
p1 = 97/100, p2 = 96/100, p3 = 95/100 s, i respectiv q1 = 1 − p1 = 3/100,
q2 = 4/100, q3 = 5/100. Atunci, conform schemei lui Poisson, probabilitatea
ca două din cele trei piese să fie bune (i.e. k = 2 piese bune s, i (3 − 2) piese
defecte) este coeficientul corespunzător lui x2 din polinomul
Q (x) = (p1 x + q1 ) (p2 x + q2 ) (p3 x + q3 )
= p1 p2 p3 x3 + (p1 p2 q3 + p1 p3 q2 + p2 p3 q1 ) x2
+ (p1 q2 q3 + p2 q1 q3 + p3 q1 q2 ) x + q1 q2 q3 ,
adică probabilitatea cerută este p1 p2 q3 + p1 p3 q2 + p2 p3 q1 .
1.10. Exerciţii rezolvate 73
1.10.40 Fie trei urne cu următoarele proport, ii de bile albe s, i negre. Urna U1 :
trei albe s, i patru negre, urna U2 : patru albe s, i cinci negre iar urna U3 : cinci
albe s, i s, ase negre. Dacă din fiecare urnă se extrage câte o bilă atunci care este
probabilitatea ca bilele extrase să fie albe? Care este probabilitatea ca una să fie
albă s, i două negre? Dar probabilitatea ca cele trei bile extrase să fie negre?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 3, dată de (1.23), adică să notăm
cu Ai evenimentul extragerii unei bile albe din urna Ui , i = 1, 3.
Acestea sunt evenimente independente. Probabilitatea pi = P (Ai ), deci
p1 = 3/7, p2 = 4/9, p3 = 5/11 s, i respectiv q1 = 1 − p1 = 4/7, q2 = 5/9,
q3 = 6/11.
Atunci, probabilitatea ca cele trei bile extrase să fie albe (i.e. k = 3 bile
albe s, i (3 − 3) bile negre) este coeficientul corespunzător lui x3 din polinomul
Q (x) = (p1 x + q1 ) (p2 x + q2 ) (p3 x + q3 ), adică probabilitatea cerută este p1 p2 p3 .
De asemenea, probabilitatea ca să extragem k = 1 bile albe s, i (3 − 1) bile
negre este coeficientul corespunzător lui x1 din polinomul Q (x), adică proba-
bilitatea cerută este p1 q2 q3 + p2 q1 q3 + p3 q1 q2 .
Probabilitatea ca să extragem k = 0 bile albe s, i (3 − 0) bile negre este coe-
ficientul corespunzător lui x0 din polinomul Q (x), adică probabilitatea cerută
este q1 q2 q3 .
1.10.41 Patru arcas, i trag asupra unei t, inte. Primul atinge t, inta cu probabili-
tatea 2/3, al doilea cu probabilitatea 3/4, al treilea cu probabilitatea 4/5 iar al
patrulea cu probabilitatea 5/6. Care este probabilitatea ca t, inta să fie atinsă de
3 ori?
Care este probabilitatea ca t, inta să fie atinsă de cel put, in 2 ori? Dar proba-
bilitatea ca t, inta să fie atinsă de cel mult 2 ori?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 4, dată de (1.23), adică să notăm
cu Ai evenimentul atingerii t, intei de către arcas, ul i = 1, 4.
Acestea sunt evenimente independente. Probabilitatea pi = P (Ai ), deci
p1 = 2/3, p2 = 3/4, p3 = 4/5, p4 = 5/6 s, i respectiv q1 = 1 − p1 = 1/3, q2 = 1/4,
q3 = 1/5, q4 = 1/6.
Să folosim s, i notat, ia standard Xk , unde k = 0, 4, dată de (1.22), adică să
notăm cu Xk evenimentul ca t, inta să fie atinsă de k ori, unde k = 0, 4.
74 1. Spaţii de probabilitate
Deci
1 1 1 1 1
· · · =
P (X0 ) = q1 q2 q3 q4 = .
3 4 5 6 360
Putem calcula probabilitatea P (X1 ) folosind s, i scrierea lui X1
X1 = A1 ∩ Ā2 ∩ Ā3 ∩ Ā4 ∪ Ā1 ∩ A2 ∩ Ā3 ∩ Ā4
∪ Ā1 ∩ Ā2 ∩ A3 ∩ Ā4 ∪ Ā1 ∩ Ā2 ∩ Ā3 ∩ A4 .
P (X1 ) = p1 q2 q3 q4 + p2 q1 q3 q4 + p3 q1 q2 q4 + p4 q1 q2 q3
2 1 1 1 3 1 1 1 4 1 1 1 5 1 1 1 7
= · · · + · · · + · · · + · · · = .
3 4 5 6 4 3 5 6 5 3 4 6 6 3 4 5 180
Putem calcula probabilitatea P (X2 ) folosind s, i scrierea lui X2
X2 = A1 ∩ A2 ∩ Ā3 ∩ Ā4 ∪ A1 ∩ Ā2 ∩ A3 ∩ Ā4
∪ Ā1 ∩ A2 ∩ A3 ∩ Ā4 ∪ A1 ∩ Ā2 ∩ Ā3 ∩ A4
∪ Ā1 ∩ A2 ∩ Ā3 ∩ A4 ∪ Ā1 ∩ Ā2 ∩ A3 ∩ A4 .
P (X2 ) = p1 p2 q3 q4 + p1 p3 q2 q4 + p2 p3 q1 q4 + p1 p4 q2 q3
1.10. Exerciţii rezolvate 75
+ p2 p4 q1 q3 + p3 p4 q1 q2
2 3 1 1 2 4 1 1 3 4 1 1
= · · · + · · · + · · ·
3 4 5 6 3 5 4 6 4 5 3 6
2 5 1 1 3 5 1 1 4 5 1 1 71
+ · · · + · · · + · · · = .
3 6 4 5 4 6 3 5 5 6 3 4 360
Putem calcula probabilitatea P (X3 ) folosind s, i scrierea
X3 = A1 ∩ A2 ∩ A3 ∩ Ā4 ∪ A1 ∩ A2 ∩ Ā3 ∩ A4
∪ A1 ∩ Ā2 ∩ A3 ∩ A4 ∪ Ā1 ∩ A2 ∩ A3 ∩ A4 .
P (X3 ) = p1 p2 p3 q4 + p1 p2 p4 q3 + p1 p3 p4 q2 + p2 p3 p4 q1
2 3 4 1 2 3 5 1 2 4 5 1 3 4 5 1 77
= · · · + · · · + · · · + · · · = .
3 4 5 6 3 4 6 5 3 5 6 4 4 5 6 3 180
Apoi X4 = A1 ∩ A2 ∩ A3 ∩ A4 . Folosind schema lui Poisson (în cazul k =
4), probabilitatea P (X4 ) este coeficientul corespunzător lui x4 din polinomul
Q (x). Deci
2 3 4 5 2
P (X4 ) = p1 p2 p3 p4 = · · · = .
3 4 5 6 6
Să definim Y ca fiind evenimentul ca t, inta să fie atinsă de cel put, in 2 ori.
Atunci, Y = X2 ∪ X3 ∪ X4 iar (Xi )i=0,4 sunt evenimente disjuncte, deci P (Y ) =
P (X2 ∪ X3 ∪ X4 ) = P (X2 ) + P (X3 ) + P (X4 ), s, i se vor folosi rezultatele prece-
dente.
Să definim Z ca fiind evenimentul ca t, inta să fie atinsă de cel mult 2 ori.
Atunci, Z = X0 ∪ X1 ∪ X2 , deci P (Z) = P (X0 ∪ X1 ∪ X2 ) = P (X0 ) + P (X1 ) +
P (X2 ), s,i se vor folosi rezultatele precedente (sau Z̄ = X3 ∪ X4 iar P (Z) =
1 − P Z̄ = 1 − P (X3 ) − P (X4 )).
Să observăm în final că evenimentele (Xi )i=0,4 formează un sistem complet,
S5
deci i=0 Xi = Ω (cu valorile obt, inute mai sus se poate face proba că, într-
P5
adevăr, i=0 P (Xi ) = 1).
1.10.42 Trei arcas, i trag asupra unei t, inte. Probabilitatea să atingă t, inta este
pentru fiecare arcas, în parte p1 , p2 s, i respectiv p3 . După trageri s-a constatat
76 1. Spaţii de probabilitate
că t, inta a fost atinsă o singură dată. Care este probabilitatea ca t, inta să fi fost
atinsă de primul arcas, ?
Rezolvare:
Fie Ai evenimentul nimeririi t, intei de către arcas, ul i, cu i = 1, 3 s, i B eveni-
mentul că un singur arcas, nimeres, te t, inta.
P (A1 ∩ B)
Se cere P (A1 |B) care este dată de formula P (A1 |B) = .
P (B)
Mai întâi observăm că are loc A1 ∩ B = A1 ∩ Ā2 ∩ Ā3 , deci, evenimentele
fiind independente,
P (A1 ∩ B) = P A1 ∩ Ā2 ∩ Ā3 = P (A1 ) P Ā2 P Ā3 = p1 q2 q3 ,
unde q2 = 1 − p2 , q3 = 1 − p3 .
Pe de altă parte, P (B) se obt, ine din schema lui Poisson s, i este egală cu
coeficientul lui x1 din polinomul
Q (x) = (p1 x + q1 ) (p2 x + q2 ) (p3 x + q3 )
= p1 p2 p3 x3 + (p1 p2 q3 + p1 p3 q2 + p2 p3 q1 ) x2
+ (p1 q2 q3 + p2 q1 q3 + p3 q1 q2 ) x + q1 q2 q3 .
p1 q2 q3
Deci probabilitatea cerută este P (A1 |B) = .
p1 q2 q3 + p2 q1 q3 + p3 q1 q2
Similar se pot determina probabilităt, ile P (A2 |B) s, i P (A3 |B) .
Să ment, ionăm că putem utiliza s, i formula lui Bayes:
P (A1 ) P (B|A1 )
P (A1 |B) = ,
P (A1 ) P (B|A1 ) + P (A2 ) P (B|A2 ) + P (A3 ) P (B|A3 )
unde
P (B|A1 ) = P Ā2 ∩ Ā3 = P Ā2 · P Ā3 = q2 q3 ,
P (B|A2 ) = P Ā1 ∩ Ā3 = P Ā1 · P Ā3 = q1 q3 ,
P (B|A3 ) = P Ā1 ∩ Ā2 = P Ā1 · P Ā2 = q1 q2 .
1.10.43 Într-o t, intă trag simultan n arcas, i, în condit, ii identice, fiecare având
probabilitatea pi , i = 1, n, de a nimeri t, inta. Care este probabilitatea ca t, inta să
fie atinsă (de cel put, in un arcas, )?
1.10. Exerciţii rezolvate 77
Care este probabilitatea ca t, inta să fie atinsă de cel put, in 3 ori? Dar proba-
bilitatea ca t, inta să fie atinsă de cel mult 3 ori?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, n, dată de (1.23), adică să notăm
cu Ai evenimentul atingerii t, intei de către arcas, ul i = 1, n.
Acestea sunt evenimente independente (dar sunt s, i compatibile) cu proba-
bilităt, ile P (Ai ) = pi .
Să folosim s, i notat, ia standard Xk , unde k = 0, n, dată de (1.22), adică să
notăm cu Xk este evenimentul ca t, inta să fie atinsă de k ori, unde k = 0, n.
Acestea sunt evenimente incompatibile.
Fie X evenimentul ca t, inta să fie atinsă cel put, in o dată. Atunci, evident,
evenimentul X̄ ca t, inta să nu fie atinsă deloc se poate scrie în două moduri:
X = X̄0 = X1 ∪ X2 ∪ . . . ∪ Xn sau
unde qi = 1 − pi .
78 1. Spaţii de probabilitate
Fie Y evenimentul ca t, inta să fie atinsă cel put, in de trei ori. Atunci,
[n
Y = X3 ∪ X4 ∪ . . . ∪ Xn = Xj .
j=3
Fie Z evenimentul ca t, inta să fie atinsă cel mult de trei ori. Atunci,
Z = X0 ∪ X1 ∪ X2 ∪ X3 .
Obt, inem
[n Xn
P (Y ) = P Xj = P (Xj )
j=3 j=3
X3
P (Z) = P (X0 ∪ X1 ∪ X2 ∪ X3 ) = P (Xj ) .
j=0
Probabilitatea P (Xk ), k = 0, n, se obt, ine din schema lui Poisson s, i este egală
cu coeficientul lui xk din polinomul
Yn
Q (x) = (pi x + qi ) .
i=1
Deci X
P (Xk ) = pi1 pi2 . . . pik qik+1 qik+2 . . . qin .
1.10.44 Doi arcas, i trag asupra unei t, inte. Probabilitatea fiecăruia de a nimeri
t, inta este de 1/3. Care este probabilitatea ca t, inta să fie atinsă cel put, in o dată?
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, 2, dată de (1.23), adică să notăm
cu Ai evenimentul atingerii t, intei de către arcas, ul i = 1, 2.
Acestea sunt evenimente independente. Probabilitatea de aparit, ie a succe-
sului este p = P (Ai ) = 1/3 s, i respectiv q = 2/3.
Să folosim s, i notat, ia standard Xk , unde k = 0, 2, dată de (1.22), adică să
notăm cu Xk evenimentul ca t, inta să fie atinsă de k ori, unde k = 0, 2.
1.10. Exerciţii rezolvate 79
X0 = Ā1 ∩ Ā2 ,
X1 = A1 ∩ Ā2 ∪ Ā1 ∩ A2 ,
X2 = A1 ∩ A2 ,
adică X = A1 ∩ Ā2 ∪ Ā1 ∩ A2 ∪ (A1 ∩ A2 ) sau, echivalent, X̄ = Ā1 ∩
Ā2 . Folosind prima formulă probabilistă dar s, i independent, a evenimentelor
(Ai )i=1,2 obt, inem
P (X) = P A1 ∩ Ā2 ∪ Ā1 ∩ A2 ∪ (A1 ∩ A2 )
= P A1 ∩ Ā2 + P Ā1 ∩ A2 + P (A1 ∩ A2 )
= P (A1 ) · P Ā2 + P Ā1 · P (A2 ) + P (A1 ) · P (A2 )
= p · q + q · p + p2 = p2 + 2pq
sau, echivalent,
deoarece X reprezintă evenimentul ca succesul să apară cel put, in o dată din
două încercări.
1.10.45 Dintr-un lot de 1000 piese, alegem la întâmplare 100 de piese (punând
de fiecare dată piesa înapoi). S, tiind că 2% dintre piese sunt defecte, care este
probabilitatea ca printre piesele alese cel put, in 3 să fie defecte?
Rezolvare:
Evenimentul A constă în alegerea unei piese defecte iar p = P (A) = 0.02.
Avem 3 ≤ k ≤ 20 s, i n = 100. Atunci, probabilitatea evenimentului cerut este,
conform schemei binomiale,
X20 k 100−k
k
P (X) = C100 (0.02) (0.98) .
k=3
80 1. Spaţii de probabilitate
Rezolvare:
Să definim A ca fiind evenimentul aparit, iei sumei 7 la aruncarea unei pe-
rechi de zaruri. Probabilitatea p = P (A) = 6/36 (sunt 36 de perechi posibile
s, i 6 perechi sunt favorabile). Avem k = 3 s, i n = 8. Atunci, conform schemei
3 5
3 1 5
binomiale, P (X) = C8 .
6 6
1.10.47 O urnă cont, ine 10 bile albe s, i 4 bile negre. Din această urnă se fac
extrageri cu revenire.
(a) Să se determine probabilitatea ca primele k bile extrase să fie toate albe;
(b) Să se determine probabilitatea ca în primele k bile extrase să fie o singură
bilă albă;
(c) Se fac extrageri repetate până când apare prima bilă albă. Sa se calculeze
probabilitatea evenimentului de a se face k extrageri până când apare prima
bilă albă;
(d) Se fac extrageri repetate până când apar primele două bile albe. Sa se cal-
culeze probabilitatea evenimentului de a se face k extrageri până când apar
primele două bile albe;
(e) Se fac extrageri repetate până când apar primele trei bile albe. Sa se cal-
culeze probabilitatea evenimentului de a se face k extrageri până când apar
primele trei bile albe.
Rezolvare:
1.10. Exerciţii rezolvate 81
1.10.48 Dacă se aruncă de patru ori un zar27 , care este probabilitatea să apară
cel put, in o dată fat, a unu?
Dacă se aruncă două zaruri de 24 de ori, care este probabilitatea să apară cel
put, in o dată fat, a unu pe ambele zaruri (i.e. cel put, in o dată dubla (1, 1))?
Dar cel put, in de două ori fat, a unu pe ambele zaruri (i.e. cel put, in de două ori
dubla (1, 1))?
Dar cel put, in de două ori fat, a unu (pe cel put, in unul din cele două zaruri) (i.e.
cel put, in o dată fat, a unu pe cel put, in două perechi de zaruri)?
Dar cel put, in de două ori fat, a unu (pe unul singur din cele două zaruri) (i.e. o
singură fat, ă unu pe cel put, in două perechi de zaruri)?
Rezolvare:
În primul caz, fie A evenimentul de a apărea fat, a unu. Atunci, Ā este eveni-
mentul de a nu apărea fat, a unu (deci Ā este evenimentul de a apărea doar
27 Vezi s, i rezolvarea Exercit, iului 1.10.14.
82 1. Spaţii de probabilitate
celalte fet, e), iar P Ā = 5/6. Repetăm experient, a de n = 4 ori s, i să definim X
ca fiind evenimentul ca Ā să apară de k = 4 ori. Conform schemei binomiale,
4 0 4
5 1 5
P (X) = C44 = .
6 6 6
4
5
Deci probabilitatea să apară măcar o dată fat, a unu este 1 − ' 0.5178.
6
În al patrulea caz, fie D evenimentul de a apărea fat, a unu, pe cel put, in unul
11
dintre cele două zaruri. Avem P (D) = . Repetăm experient, a de n = 24 ori s, i
36
1.10. Exerciţii rezolvate 83
Rezolvare:
Să folosim s, i notat, ia standard Xk , unde k = 0, 10, dată de (1.22), adică să
notăm cu Xk este evenimentul ca t, inta să fie atinsă de k ori, unde k = 0, 10.
Acestea sunt evenimente incompatibile.
k k 10−k
Atunci, P (Xk ) = C10 (0.8) (0.2) .
Primul eveniment cerut este X5 iar
5 5 5 10! 5 5
P (X5 ) = C10 (0.8) (0.2) = (0.8) (0.2) = 0.026.
5! · 5!
Al doilea eveniment este X = X0 ∪ X1 ∪ X2 ∪ X3 iar
X3 k 10−k
k
P (X) = P (X0 ) + P (X1 ) + P (X2 ) + P (X3 ) = C10 (0.8) (0.2) .
k=0
1.10.50 Într-o urnă sunt 2n bile, dintre care n bile albe s, i n bile negre. Se extrag
n bile deodată. Care este probabilitatea extragerii a k bile albe?
Să se deducă apoi identitatea28
2 2 2 2 2
Cn0 + Cn1 + Cn2 + . . . + Cnn−1 + (Cnn ) = C2n
n
.
Rezolvare:
Să folosim s, i notat, ia standard Xk , unde k = 0, n, dată de (1.22), adică să
notăm cu Xk este evenimentul ca să fie extrase k bile albe s, i (n − k) bile negre.
Atunci, conform schemei hipergeometrice,
2
Cnk · Cnn−k Cnk
P (Xk ) = n = n .
C2n C2n
identităt, ile31 :
Cn(k−m)∨0 · Cm
k−(k−m)∨0
+ Cn(k−m)∨0+1 · Cm
k−(k−m)∨0−1
+ ...
(1.25)
+Cnk∧n · Cm
k−k∧n k
= Cn+m
s, i
2 2 2 2
Cn0 + Cn1 + Cn2 + . . . + (Cnn ) = C2n
n
.
Rezolvare:
Fie numărul natural r astfel încât
0 ≤ r ≤ k, 0≤k−r ≤k s, i
0 ≤ r ≤ n, 0 ≤ k − r ≤ m.
k
=1
r=0∨(k−m) Cn+m
31 Să observăm că identitatea cerută se poate obt, ine s, i direct din identificarea coeficient, ilor lui xk
din identitatea (a + b)n (a + b)m = (a + b)n+m .
De asemenea, să precizăm că identitatea se poate demostra folosind s, i analiza combinatorie (vezi
tipul de abordare din cadrul Exemplului 1.91).
32 Să observăm că identitatea cerută se poate obt, ine s, i direct din identificarea coeficient, ilor lui xk
din identitatea (a + b)n (a + b)m = (a + b)n+m .
86 1. Spaţii de probabilitate
sau, echivalent33 ,
0∨(k−m) k−0∨(k−m) 0∨(k−m)+1 k−0∨(k−m)−1
Cn · Cm + Cn · Cm + ...
(1.26)
+Cnk∧n · Cm
k−k∧n k
= Cn+m .
Xk∧n k−r
Cnr · Cm
k
=1
r=k−(k∧m) Cn+m
sau, echivalent,
Cnk−(k∧m) · Cm
k∧m
+ Cnk−(k∧m)+1 · Cm
(k∧m)−1
+ . . . + Cnk∧n · Cm
k−k∧n k
= Cn+m .
Cn0 · Cm
k
+ Cn1 · Cm
k−1
+ . . . + Cnk · Cm
0 k
= Cn+m ,
Cn0 · Cm
k
+ Cn1 · Cm
k−1
+ . . . + Cnn · Cm
k−n k
= Cn+m ,
Cnk−m · Cm
m
+ Cnk−m+1 · Cm
m−1
+ . . . + Cnk · Cm
0 k
= Cn+m ,
Cnk−m · Cm
m
+ Cnk−m+1 · Cm
m−1
+ Cnk−m+2 · Cm
m−2
+ . . . + Cnn · Cm
k−n k
= Cn+m .
33 În ceea ce prives, te restrict, iile asupra coeficient, ilor, să reamintim convent, ia:
Cba = 0 ori de câte ori a < 0 sau a > b.
Cu această convent, ie formula (1.26) se poate scrie sub forma mai simplă
Xn+m
r k−r k
Cn · Cm = Cn+m .
r=0
1.10. Exerciţii rezolvate 87
1.10.52 Într-un set de 100 de bilete există 3 bilete câs, tigătoare. Un jucător cum-
pără 40 de bilete. Care este probabilitatea ca să cumpere un bilet câs, tigător?
Dar probabilitatea ca el să cumpere cel put, in un un bilet câs, tigător?
Rezolvare:
Vezi notat, ia standard (1.22): fie Xr evenimentul de a extrage r bilete câs, ti-
gătoare s, i a (40 − r) bilete necâs, tigătoare, r = 40 − (40 ∧ 96) , 40 ∧ 3 = 0, 3.
Probabilitatea de a avea 1 bilet câs, tigător este, conform schemei hipergeo-
C 1 · C 39
metrice, P (X1 ) = 3 40 97 .
C100
Evenimentul de a extrage cel put, in 1 un bilet câs, tigător este X1 ∪ X2 ∪ X3 ,
iar probabilitatea este dată de
Să observăm că evenimentele (Xr )r=0,3 formează un sistem complet de eveni-
mente. Prin urmare,
[ X
3 3
1 = P (Ω) = P Xr = P (Xr ) .
r=0 r=0
40−r
C3r · C97
Dar P (Xr ) = 40 . Prin urmare, obt, inem următoarea identitate34 :
C100
40−r
X3 C3r · C97
40 =1
r=0 C100
40−1 40−2 40−3
⇔ C30 · C97
40
+ C31 · C97 + C32 · C97 + C33 · C97 40
= C100 ,
Rezolvare:
Se foloses, te schema hipergeometrică.
1.10.54 Într-un set de 12 bilete există 8 bilete câs, tigătoare. Un jucător cumpără
5 bilete. Să se deducă identitatea (1.25).
Rezolvare:
Vezi notat, ia standard (1.22): fie Xr evenimentul de a extrage r bilete câs, ti-
gătoare s, i a (5 − r) bilete necâs, tigătoare, cu r = 5 − (5 ∧ 4) , 5 ∧ 8 = 1, 5.
Să observăm că evenimentele (Xr )r=1,5 formează un sistem complet de
evenimente. Prin urmare,
[ X
5 5
1 = P (Ω) = P Xr = P (Xr ) .
r=1 r=1
C8r · C45−r
Dar P (Xr ) = 5 . Astfel, vom obt, ine identitatea
C12
X5 C8r · C45−r
5 =1
r=1 C12
sau, echivalent,
C81 · C44 + C82 · C43 + C83 · C42 + C84 · C41 + C85 · C40 = C12
5
,
1.10.55 Dintr-un lot de 1000 piese, alegem la întâmplare 100 de piese. S, tiind că
2% dintre piese sunt defecte, care este probabilitatea ca printre piesele alese cel
put, in 3 să fie defecte?
Rezolvare:
Conform enunt, ului, cele 100 de piese sunt luate simultan (adică succesiv,
fără revenire), deci trebuie folosită schema hipergeometrică.
P tipj inkjet?
de
k−j
Să se deducă, în cadrul problemei date, valoarea sumei de tipul
C
j n mC .
Rezolvare:
Se foloses, te schema hipergeometrică.
1.10.57 Într-un set de 52 de bile, 4 sunt albe. Bilele se împart în patru grupe
egale, de câte 13 bile. Care este probabilitatea ca fiecare grupă să cont, ină o bilă
albă?
Rezolvare:
Probabilitatea ca prima grupă să cont, ină o bilă albă este, conform schemei
C 1 · C 12
hipergeometrice, P (A1 ) = 4 13 48 .
C52
Să observăm că cele patru evenimente A1 , A2 , A3 s, i A4 nu sunt indepen-
dente (notat, iile sunt cele standard).
După formarea primei grupe au rămas 39 de bile dintre care 3 albe. În
această condit, ie, probabilitatea ca a doua grupă să cont, ină o bilă albă este
C 1 · C 12
P (A2 |A1 ) = 3 13 36 .
C39
După formarea celei de doua grupe au rămas 26 de bile dintre care 2 albe.
În aceste condit, ii, probabilitatea ca a treia grupă să cont, ină o bilă albă35 este
C 1 · C 12
P (A3 |A1 ∩ A2 ) = 2 13 24 .
C26
Probabilitatea cerută este atunci
1.10.58 Într-un lot de 100 de piese 8 sunt defecte iar în alt lot de 120 de piese
9 sunt defecte. Din unul din aceste loturi, luat la întâmplare, se iau 10 piese.
Care este probabilitatea ca între piesele alese să fie 8 bune?
35 Să observăm că, în condit, iile problemei, probabilitatea ca a patra grupă formată să cont, ină o
C 1 · C 12
bilă albă este P (A4 |A1 ∩ A2 ∩ A3 ) = 1 13 12 = 1.
C13
90 1. Spaţii de probabilitate
Rezolvare:
Să notăm evenimentele A = {piesele sunt luate din primul lot} s, i B = {din
piesele luate, 8 sunt bune}.
Atunci, conform formulei probabilităt, ii totale (1.14), avem că
P (B) = P (A) · P (B|A) + P Ā · P B|Ā ,
deoarece A, Ā formează un sistem complet de evenimente.
Conform schemei hipergeometrice avem
8
C92 C82 C 8 C92
P (B|A) = 10 s, i P B|Ā = 111
10 .
C100 C120
Deci
8
1 C92 C82 8
1 C111 C92
P (B) = 10 + 10 .
2 C100 2 C120
1.10.59 Jucătorul A are a lei iar jucătorul B are b lei. Jocul constă într-o serie
de partide în care cel care câs, tigă dă un leu partenerului. Jocul continuă până
când unul dintre jucători pierde tot, i banii. Presupunem că s, ansele de câs, tig la
fiecare partidă sunt egale pentru jucători. Care este probabilitatea ca A să ia
tot, i banii lui B?
Rezolvare:
Fie C evenimentul că jucătorul A, care are n lei, câs, tigă jocul iar C1 eveni-
mentul că jucătorul A, care are n lei, câs, tigă primul joc. Să notăm cu pn proba-
bilitatea ca jucătorul A, care are n lei, să câs, tige jocul. Atunci, conform formulei
probabilităt, ii totale (1.14), avem că
pn = P (C) = P (C1 ) · P (C|C1 ) + P C̄1 · P C|C̄1 ,
deoarece C1 , C̄1 formează un sistem complet de evenimente.
Evident, P (C1 ) = P C̄1 = 1/2. Pe de altă parte, conform definit, iei prece-
dente, P (C|C1 ) = pn+1 iar P C|C̄1 = pn−1 . Deci
1 1
pn = pn−1 + pn+1 ,
2 2
unde p0 = 0 iar pa+b = 1.
1.10. Exerciţii rezolvate 91
i
Se obt, ine pi = i+1 pi+1 , pentru i = 1, a + b − 1.
a+b−1 a+b−1
Deci, pe de o parte, pa+b−1 = a+b pa+b = a+b iar, pe de altă parte,
pa+b−1 = (a + b − 1) p1 .
1
Avem p1 = a+b s, i apoi pi = ip1 , i = 1, a + b.
a
Deci probabilitatea ca jucătorul A să câs, tige jocul este pa = a+b .
Rezolvare:
Să observăm că pentru a constata că o cutie goală aceasta trebuie deschisă
de (n + 1) ori. Dacă în acest moment cealaltă cutie mai are k bet, e, atunci aceasta
a fost deschisă de (n − k) ori. Deci cutiile au fost deschise de (2n − k + 1) ori.
Problema poate fi enunt, ată s, i în modul următor: o urnă cont, ine o bilă albă
s, i una neagră. Se extrage din urnă o bilă punându-se bila înapoi s, i se repetă
experient, a până când o bilă (nu contează care dintre ele) apare de (n + 1) ori.
Care este probabilitatea ca în acel moment cealaltă bilă să fi ies, it de (n − k) ori?
Să definim evenimentele:
1 1
= P (A) + P (B) = P (A) .
2 2
Pe de altă parte, probabilitatea P (A) se poate calcula folosind schema binomi-
ală: avem o experient, ă care se efectuează de (2n − k) ori s, i se cere probabili-
tatea aparit, iei bilei albe de n ori (s, i a (n − k) bile negre). Deci
n n−k
n 1 1 1
P (A) = C2n−k pn q n−k = n
C2n−k n
= C2n−k 2n−k
2 2 2
1
n
s, i atunci P (A ∩ C) ∪ B ∩ C̄ = C2n−k 22n−k
.
Să notăm acum cu Ak evenimentul din enunt, : Ak = {când se constată că
una dintre cutii este goală, cealaltă cont, ine k bet, e}. Evident, (Ak )k=0,n consti-
tuie un sistem complet de evenimente, deci
[ n Xn
1 = P (Ω) = P Ak = P (Ak )
k=0 k=0
Xn
n 1
⇔ C2n−k =1
k=0 22n−k
n 1 n 1 n 1 1
⇔ C2n + C2n−1 + C2n−2 + . . . + Cnn n = 1
22n 22n−1 22n−2 2
n n
⇔ C2n + 2C2n−1 + 22 C2n−2
n
+ . . . + 2n−1 Cn+1
n
+ 2n Cnn = 22n .
Rezolvare:
Să folosim notat, ia standard Ai , unde i = 1, n, dată de (1.23), adică să notăm
cu Ai evenimentul obt, inerii unei concordant, e la extragerea i = 1, n.
Prin urmare (vezi s, i rezolvarea Exercit, iului 1.10.43), evenimentul obt, inerii
[n
a cel put, in unei concordant, e este dat de Ai .
i=1
[n
Deci ne interesează calculul probabilităt, ii P Ai .
i=1
Sunt n! moduri posibile de a ies, i cele n bile. Dacă fixăm pozit, ia i, atunci
celelalte (n − 1) pozit, ii se pot aranja în (n − 1)! moduri, adică există (n − 1)!
1.10. Exerciţii rezolvate 93
(n − 1)! 1
de cazuri favorabile. Deci P (Ai ) = = . Se poate rat, iona s, i direct:
n! n
la extragerea i pe pozit, ia i poate apărea oricare din cele n bile, iar numărul
1
cazurilor favorabile este unul singur, prin urmare P (Ai ) = .
n
Dacă fixăm doi indici i, j = 1, n astfel încât i < j, atunci celelalte (n − 2)
pozit, ii se pot aranja în (n − 2)! moduri, adică există (n − 2)! de cazuri favora-
(n − 2)! 1
bile. Deci P (Ai ∩ Aj ) = = . Se poate rat, iona s, i direct: la ex-
n! n (n − 1)
tragerile i s, i j, perechea ordonată (i, j) poate apărea în A2n moduri, iar numărul
1
cazurilor favorabile este unul singur, prin urmare P (Ai ∩ Aj ) = 2 .
An
Putem extinde s, i obt, inem, pentru orice 1 ≤ i1 < i2 < . . . < ik ≤ n,
(n − k)! 1
P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ) = = k.
n! An
Deoarece
(n − 1)!
P (Ai ) = , i = 1, n,
n!
sunt în număr de Cn1 ,
(n − 2)!
P (Ai ∩ Aj ) = , i, j = 1, n, astfel încât i < j,
n!
sunt în număr de Cn2 ,
(n − 3)!
P (Ai ∩ Aj ∩ Ak ) = , i, j, k = 1, n, astfel încât i < j < k,
n!
sunt în număr de Cn3 s, .a.m.d..
Prin urmare, probabilitatea de a obt, ine cel put, in o concordant, ă este dată de:
[ (n − 1)! (n − 2)! (n − 3)!
P Ai = Cn1 · − Cn2 · + Cn3 · − ...
i n! n! n!
94 1. Spaţii de probabilitate
n−1 0!
+ (−1) Cnn ·
n!
1 1 n−1 1
=1− + − . . . + (−1) .
2! 3! n!
Evident, probabilitatea de a nu avea nici o concordant, ă este dată de:
[ [ 1 1 1 n 1
P Ai = 1 − P Ai = − + − . . . + (−1) .
i i 2! 3! 4! n!
Folosim dezvoltarea în serie de puteri a funct, iei exponent, iale s, i obt, inem, în
particular,
n
1 1 1 (−1)
e−1 = 1 − + − + . . . + + ... .
1! 2! 3! n!
Deci [
limn→∞ P Ai = e−1 ,
i=1,n
adică probabilitatea ca să nu se obt, ină nici măcar o concordant, ă este, la limită,
e−1 .
1.10.62 Un grup compus din n perechi (sot, s, i sot, ie) dansează. Se formează
perechi. Care este probabilitatea ca, după formarea perechilor, nici un bărbat
să nu danseze cu sot, ia lui? Să se determine limita acestei probabilităt, i când n
tinde la infinit.
Rezolvare:
Problema este o reformulare a problemei concordant, elor. Se va nota cu Ai
evenimentul ca bărbatul cu număruli să danseze cu sot, ia sa. Probabilitatea
[n
de a obt, ine cel put, in o pereche este P Ai . Apoi trebuie să determinăm
\ i=1
P Āi .
i
Rezolvare:
Problema comportă mai multe rezolvări, în funct, ie de modul în care înt, ele-
gem alegerea „la întâmplare” a coardei.
(a) Coarda dusă aleator în cerc este complet determinată, de exemplu, de ur-
mătorii doi parametri: distant, a de la centrul cercului la coardă, notată d, s, i
1.10. Exerciţii rezolvate 95
P (|P Q| ≥ l) = P (d ≤ R/2) .
(b) Coarda dusă aleator în cerc este complet determinată, de exemplu, de ur-
mătorii doi parametri: unghiul făcut de raza OQ cu un diametru fixat, unghi
notat α, s, i unghiul OQP
\, notat β. În acest caz domeniul parametrilor este
(c) Să considerăm mijlocul M al coardei dusă aleator în cerc. Observăm din de-
sen că, dacă |P Q| ≥ l atunci punctul M apart, ine interiorului cercului înscris în
96 1. Spaţii de probabilitate
Rezolvare:
Problema comportă mai multe rezolvări.
Să considerăm notat, iile Exercit, iului 1.10.63, cazurile (a) s, i respectiv (b) .
(a) Domeniul parametrilor este
D : d ∈ [0, R), α ∈ [0, 2π).
√
Din calcule obt, inem |P Q| = 2 R2 − d2 s, i deci
√
P (|P Q| ≤ R) = P d ≥ R 3/2 .
Domeniul situat, iilor favorabile este atunci
√
D0 : d ∈ [R 3/2, R], α ∈ [0, 2π).
Probabilitatea geometrică cerută este
√
√
Aria (D0 ) 2πR 1 − 3/2
P (|P Q| ≤ R) = = = 1 − 3/2 = 0.134.
Aria (D) 2πR
(b) Domeniul parametrilor este
D : α ∈ [0, 2π), β ∈ [0, π/2).
Din calcule obt, inem |P Q| = 2R cos β s, i deci
P (|P Q| ≤ R) = P (cos β ≤ 1/2) = P (β ≥ π/3) .
Domeniul situat, iilor favorabile este atunci D0 : α ∈ [0, 2π) s, i β ∈ [π/3, π/2].
Probabilitatea geometrică cerută este
Aria (D0 ) 2π · (π/2 − π/3) 1
P (|P Q| ≤ R) = = = = 0.333.
Aria (D) 2π · π/2 3
1.10. Exerciţii rezolvate 97
Rezolvare:
Dacă x, y notează timpul când semnalul ajunge la aparat, atunci domeniul
parametrilor, în funct, ie de situat, iile posibile este D : x, y ∈ [0, T ].
Domeniul situat, iilor favorabile blocării este atunci D0 : |x − y| < a ceea ce
este echivalent cu −a ≤ x − y ≤ a.
Obt, inem
Aria (D0 )
P (|x − y| < a) = .
Aria (D)
Domeniul este acelas, i cu cel obt, inut în Exercit, iul 1.10.67. Deci
2
T 2 − (T − a) a 2
P (|x − y| < a) = = 1 − 1 − .
T2 T
Rezolvare:
Dacă T ≤ 1/4, atunci, evident, probabilitatea cerută este 1.
Dacă T > 1/4, atunci, reluând tipul de rat, ionament din problema prece-
dentă, probabilitatea cerută este
2
T 2 − (T − 1/4) 1 2
= 1 − 1 − .
T2 4T
Rezolvare:
100 1. Spaţii de probabilitate
Rezolvare:
Se notează cu A, B capetele acului dat s, i cu M mijlocul lui. Se notează cu α
unghiul făcut de AB cu dreptele paralele s, i cu d distant, a cea mai scurtă de la
M la o dreaptă din fascicul. Pozit, ia acului este atunci unic determinată de d s, i
α. Atunci, domeniul parametrilor este
D : α ∈ [0, π] , d ∈ [0, a] .
Obt, inem Z π π
Aria (D0 ) = ` sin αdα = −` cos α = 2`,
0 0
2`
deci probabilitatea este .
aπ
Având în vedere rezultatul obt, inut mai sus, se pot obt, ine, prin experimen-
tări, valori aproximative ale numărului π. Astfel, să luăm ` = a/2. Dacă se
1.10. Exerciţii rezolvate 101
aruncă acul de n ori s, i de k ori are loc intersect, ia, atunci se obt, ine că frecvent, a
relativă (vezi pagina 496) a evenimentului de avea loc intersect, ia este k/n.
Dar, conform limitei (5.16), probabilitatea teoretică este aproximată de a-
2` 1 k
ceastă frecvent, ă relativă, deci = ' .
aπ π n
n
Astfel, obt, inem că π ' .
k
1.10.72 Pe segmentul OA de lungime ` situat pe axa Ox se alege la întâmplare
un punct B. Să se determine probabilitatea ca cel mai mic dintre segmentele
OB s, i OA să aibă o lungime mai mare ca `/3.
Rezolvare:
Se va obt, ine probabilitatea 1/3.
1.10.73 Pe segmentul AB de lungime ` se aleg la întâmplare două puncte C s, i
D. Să se determine probabilitatea ca C să fie situat mai aproape de D decât de
A. Pozit, iile punctelor C s, i D sunt egal posibile.
Rezolvare:
Se va obt, ine probabilitatea 3/4.
1.10.74 Se aleg la întâmplare două numere pozitive x s, i y mai mici sau egale
cu 2. Să se determine probabilitatea ca produsul lor să nu depăs, ească 1, iar y/x
să nu depăs, ească pe 2.
Rezolvare:
Se va obt, ine probabilitatea (1 + 3 ln 2) /8.
1.10.75 Într-un cerc de rază R se marchează la întâmplare un punct M . Să se
determine probabilitatea ca punctul să se găsească:
(a) în interiorul unui pătrat înscris în cerc;
(b) în interiorul unui triunghi echilateral înscris în cerc. Pozit, iile punctului M
sunt egal posibile.
Rezolvare:
√
Se va obt, ine probabilitatea 2/π s, i respectiv 3 3/(4π).
Capitolul 2
Definit, ia 2.2 De fapt, spunem36 că X : (Ω, F) → (R, B (R)) este o v.a. dacă este o
funct, ie măsurabilă între cele două spat, ii măsurabile, i.e.
103
104 2. Variabile aleatoare discrete
Mult, imea X (Ω) ⊆ R este mult, imea valorilor v.a. Vom clasifica38 o v.a. X
astfel:
• X este o v.a. de tip discret dacă mult, imea X (Ω) este finită, sau infinită
dar numărabilă39 .
• X este o v.a. de tip continuu dacă mult, imea X (Ω) este un interval (posi-
bil nemărginit) sau o reuniune de intervale din R (un interval poate fi
nemărginit).
Exemple de v.a. discrete: v.a. care are drept valori numărul de puncte
apărute pe o fat, ă a zarului, la aruncarea unui zar; v.a. care are drept valori
numărul de apeluri zilnice primite de un Serviciu Client, i al unei firme; v.a. care
are drept valori numărul de cutremure apărute într-o anumită zonă seismică.
37 Preimaginea (sau imaginea inversă a) unei mult, imi A ⊂ V printr-o funct, ie f : U → V este
dată de def
f −1 (A) == {x ∈ U : f (x) ∈ A} .
Preimaginea unei mult, imi printr-o funct, ie există chiar dacă funct, ia nu admite inversă în sensul
uzual.
38 Pentru o clasificare exhaustivă vezi Remarca 3.10.
39 Spunem că o mult, ime este numărabilă dacă are cardinalul mai mic sau egal cu ℵ0 . Prin urmare,
o v.a. X spunem că este discretă dacă are card (X (Ω)) finit sau dacă are card (X (Ω)) = ℵ0 .
Se poate arăta (vezi, de exemplu, [23, Proposition 1.10]) că
card (N) = card (N∗ ) = card (Z) = card (Q) = ℵ0 .
2.1. Variabile aleatoare. Generalităţi 105
Exemple de v.a. de tip continuu: v.a. ale cărei valori reprezintă timpul de
funct, ionare a unui aparat, până la prima defectare; v.a. ale cărei valori repre-
zintă durata de viat, ă a unui organism; v.a. ale cărei valori reprezintă mărimile
erorilor comise la efectuarea măsurătorilor.
În fiecare din aceste exemple, unui fenomen supus aleatorului, i se asociază
un număr real, deci se stabiles, te o corespondent, ă între spat, iul Ω convenabil
ales s, i R. În practică este deseori dificil să găsim valorile acestor corespondent, e,
dar este posibil să apreciem cât de des sunt luate aceste valori.
PX : B (R) → [0, 1] ,
definită prin
def
(2.2) PX (B) == P (X ∈ B) = P ({ω ∈ Ω : X (ω) ∈ B}) , B ∈ B (R) ,
Remarca 2.7 Se poate demonstra că dacă PX este legea unei v.a. X, atunci PX :
(R, B (R)) → R este o probabilitate, deci tripletul (R, B (R) , PX ) devine un
spat, iu de probabilitate.
Având în vedere că B (R) poate fi generată de intervale de tipul (−∞, x],
adică B (R) = σ ({(−∞, x]: x ∈ R}) , a cunoas, te legea unei v.a. este echivalent
cu a cunoas, te PX (−∞, x] . Astfel, obt, inem următoarea not, iune.
FX : R → [0, 1] ,
106 2. Variabile aleatoare discrete
definită prin
def
(2.3) FX (x) == P (X ≤ x) , x ∈ R,
Remarca 2.10 Prin urmare, determinarea funct, iei de repartit, ie FX , asociată v.a.
X, calculată în punctul x ∈ R, înseamnă determinarea probabilităt, ii evenimen-
tului ca v.a. X să ia valori mai mici decât x.
Remarca 2.11 Teoria probabilităt, ilor se ocupă cu studiul legilor v.a. sau, echi-
valent, al funct, iilor de repartit, ie, s, i al proprietăt, ilor acestora. Tocmai această
concentrare asupra studiului repartit, iilor este ceea ce distinge Teoria probabili-
tăt, ilor de Teoria măsurii.
Propozit, ia 2.12 Au loc următoarele proprietăt, i caracteristice ale funct, iei de re-
partit, ie:
(iii) Au loc41 s, i
unde
def def
FX (−∞) == limx→−∞ FX (x) , FX (∞) == limx→∞ FX (x) .
Remarca 2.13 O funct, ie oarecare F : R → [0, 1] care satisface cele trei proprie-
tăt, i din Propozit, ia 2.12 de mai sus se numes, te funct, ie de repartit, ie (sau funct, ie
de distribut, ie sau funct, ie de distribut, ie cumulativă).
{X ≤ xn } & {X ≤ x} .
{X ≤ xn } & ∅.
Remarca 2.14 Se poate demonstra (vezi Propozit, ia 3.80) că dacă o funct, ie reală
F : R → [0, 1] este funct, ie de repartit, ie, atunci există un spat, iu de probabilitate
(Ω, F, P) s, i există o v.a. X definită pe acesta astfel încât F să fie funct, ia de
repartit, ie asociată lui X, i.e. F = FX .
108 2. Variabile aleatoare discrete
Propozit, ia 2.16 Au loc următoarele proprietăt, i suplimentare ale funct, iei de re-
partit, ie:
(iv) Funct, ia FX admite o mult, ime cel mult numărabilă de puncte de discontinuitate
(care sunt doar de specia întâi).
(v) Funct, ia FX admite limită la stânga în orice punct x ∈ R, i.e.
def
există FX (x − 0) == limy→x FX (y) .
y<x
P (X < a) = FX (a − 0) ,
P (X > a) = 1 − FX (a) ,
P (X ≥ a) = 1 − FX (a − 0) .
42 Vezi s, i [32, Theorem 7.1] s, i [32, Theorem 7.2].
2.1. Variabile aleatoare. Generalităţi 109
(2.5) P (X = a) = FX (a) − FX (a − 0) .
Prin urmare,
Evident, formulele precedente se pot scrie utilizând legea v.a. PX a unei v.a. X;
astfel, obt, inem legătura dintre legea PX s, i funct, ia de repartit, ie, valabilă pentru
orice −∞ ≤ a < b ≤ ∞ :
(2.8) PX (a, b] = FX (b) − FX (a) .
(ix) Prin urmare, dacă F este continuă, atunci, pentru orice −∞ ≤ a < b ≤ ∞,
(x) Dacă X, Y sunt două v.a. astfel încât X (ω) ≤ Y (ω), pentru orice43 ω ∈ Ω,
atunci FX (x) ≥ FY (x), pentru orice x ∈ R.
43 De fapt, este suficient să considerăm două v.a. X, Y astfel încât X ≤ Y , P−a.s. (vezi Nota 8 s, i
Nota 45). Concluzia se ment, ine: FX (x) ≥ FY (x), pentru orice x ∈ R.
110 2. Variabile aleatoare discrete
Demonstrat, ie. (iv) Având în vedere că funct, ia FX este nedescrescătoare, obt, i-
nem că mult, imea punctelor de discontinuitate este cel mult numărabilă (pentru
demonstrat, ie vezi, de exemplu, [23, Lemma 1.12]).
În particular, obt, inem s, i faptul că orice funct, ie de repartit, ie este funct, ie mă-
surabilă.
(v) Fie s, irul (xn )n∈N∗ astfel încât xn % x, pentru n → ∞. Atunci, pentru orice
n, avem {X ≤ xn } ⊆ {X ≤ xn+1 } iar
[
∗
{X ≤ xn } = {X < x} ,
n∈N
{X ≤ a} ∪ {X > a} = Ω, {X < a} ∪ {X ≥ a} = Ω.
Definit, ia 2.17 Spunem că v.a. X, Y : Ω → R sunt identic distribuite sau identic
repartizate sau egale în lege44 , notat
d lege
X=Y sau X === Y,
44 Pentru o caracterizare a egalităt, ii în distribut, ie a două v.a. vezi Propozit, ia 5.26.
2.1. Variabile aleatoare. Generalităţi 111
FX = FY , pe R,
Remarca 2.18 Evident, în cazul a două v.a. discrete, cele două v.a. sunt identic
distribuite dacă au acelas, i tablou de repartit, ie.
d d
X +Z = Y +Z 6
=⇒ X=Y
Definit, ia 2.20 Spunem că v.a. X, Y sunt egale aproape sigur în raport cu mă-
sura de probabilitate P s, i scriem
a.s.
X == Y sau X = Y, P − a.s.,
Lema 2.21 Fie două v.a. X, Y : Ω → R. Dacă X, Y sunt egale P−a.s., atunci cele
două v.a. sunt identic distribuite, i.e.
a.s. d
X == Y ⇒ X=Y
sau
X = Y, P − a.s. ⇒ FX = FY , pe R.
Remarca 2.22 Evident, reciproca nu este adevărată: putem să avem două v.a.
diferite P−a.s. (pot fi diferite chiar în orice ω ∈ Ω) dar care să fie identic dis-
tribuite.
De fapt, este posibil ca cele două v.a. nici macar să nu fie definite pe acelas, i
spat, iu de probabilitate dar, totus, i, v.a. sa fie egale în lege.
{X ∈ B} = {X ∈ B, Y = X} ∪ {X ∈ B, Y 6= X}
= {Y ∈ B} ∪ {X ∈ B, Y 6= X} ⊆ {Y ∈ B} ∪ {X 6= Y }
s, i, similar,
{Y ∈ B} ⊆ {X ∈ B} ∪ {X 6= Y } ,
deci
{X ∈ B} ⊆ {Y ∈ B} ∪ A ⊆ {X ∈ B} ∪ A.
Astfel, obt, inem
P (X ∈ B) ≤ P (Y ∈ B) + P (A) ≤ P (X ∈ B) + P (A) ,
Aceasta este cea mai mică σ−algebră în raport cu care X este funct, ie măsurabilă.
2.1. Variabile aleatoare. Generalităţi 113
Remarca 2.24 Se poate arăta că σ−algebra generată de v.a. X este dată de
σ (X) = σ X −1 ((−∞, x]) : x ∈ R .
pentru orice a1 , a2 , . . . , an ∈ R.
114 2. Variabile aleatoare discrete
Definit, ia 2.30 Spunem (Xi )i∈I este o familie independentă în ansamblu de v.a.
dacă orice subfamilie finită este independentă (în sensul Definit, iei 2.26).
(prin convent, ie, am scris valorile x1 , x2 , . . . , xn ale v.a. în ordine strict crescă-
toare).
Pe scurt, putem scrie că o v.a. discretă X, cu un numar finit de valori, este
descrisă complet prin cunoas, terea familiei finite de valori
not
(pi )i=1,n == (P (X = xi ))i=1,n .
Putem scrie s, i sub forma: o v.a. discretă X, cu un numar finit de valori, este
descrisă complet prin cunoas, terea funct, iei pX : R → [0, 1] ,
def
(2.11) pX (xi ) == P (X = xi ) , i = 1, n,
adică măsurabilă.
Exemplul 2.32 Dacă luăm F P (Ω) , afirmat, ia precedentă nu mai este ade-
vărată.
Într-adevăr, fie spat, iul finit de probabilitate (Ω, F, P) cu Ω = {1, 2, 3} s, i F =
{∅, Ω, {1, 2} , {3}} . Atunci, funct, ia identitate X : Ω → R, dată de X (1) = 1,
X (2) = 2, X (3) = 3, nu este măsurabilă, deoarece, de exemplu, {1} nu este
eveniment, mai precis X −1 ({1}) = {1} ∈ / F.
De fapt, funct, ia de repartit, ie, dată de Definit, ia 2.8, asociată oricărei v.a. dis-
crete, cu un număr finit de valori, este o funct, ia în scară (adică e constantă pe
port, iuni s, i nedescrescătoare). Deci
X
FX (x) = P (X ≤ x) = xi ∈X(Ω) P (X = xi ) , pentru orice x ∈ R.
xi ≤x
FX (x) = P (X ≤ x) = P (X ≤ x1 ) = P (X = x1 ) = p1 .
FX (x) = P (X ≤ x) = P (X ≤ x2 )
116 2. Variabile aleatoare discrete
= P (X ∈ {x1 , x2 })
= P (X = x1 ) + P (X = x2 )
= p1 + p2 .
Prin urmare,
Remarca 2.34 De asemenea, deducem că X este v.a. discretă dacă s, i numai
dacă funct, ia de repartit, ie FX asociată v.a. este constantă pe port, iuni.
δx (A) == 1A (x) ,
def
pentru A ∈ B (R) ,
2.2. Variabile aleatoare discrete cu un număr finit de valori 117
1, x ∈ A,
unde 1A este funct, ia indicatoare a mult, imii A, i.e. 1A (x) =
def
=
0, x∈
/ A.
s, i astfel Z x
H (x) = δ0 dt = δ0 (−∞, x] .
−∞
Deci, dacă X este o v.a. discretă astfel încât X (Ω) = {xi }i∈I , atunci funct, ia de
repartit, ie este dată de
def
X
FX (x) = pi · H (x − xi ) , unde pi == P (X = xi ) ,
i∈I
prin urmare
X
FX (x) = pi · δ0 (−∞, x − xi ]
i∈I
X
= pi · δxi (−∞, x]
i∈I
46 Dat un spat, iu măsurabil (Ω, F) oarecare s, i o măsură µ (nu neapărat de probabilitate) pe acest
spat, iu, spunem că A ∈ F este atom pentru µ dacă
µ (A) > 0
s, i dacă, pentru orice B ⊂ A, cu B ∈ F, are loc
µ (B) < µ (A) ⇒ µ (B) = 0.
118 2. Variabile aleatoare discrete
X Z
= pi δxi (dt)
i∈I (−∞,x]
Z X
= pi δxi (dt).
(−∞,x] i∈I
sau, echivalent,
X
(2.15) fX (t) = P (X = xi ) · δxi ({t}) , pentru orice t ∈ R,
i∈I
adică
În acest caz
pi , x = xi ,
PX ({x}) =
0, în rest,
Pe de altă parte,
PX ({xi }) = P (X ∈ {xi }) = P (X = xi ) ,
deci
P (X = xi ) = pi , pentru i ∈ I, s, i
P (X = x) = 0, pentru orice x ∈
/ {xi }i∈I
s, i astfel
X
(2.18) PX (B) = P (X = xi ) · δxi (B) , unde B ∈ B (R) .
i∈I
P (X = x0 ) = 1 s, i P (X = x) = 0, pentru x 6= x0 ,
adică
X = x0 , P − a.s..
Evident, are loc s, i reciproca: dacă X este o v.a. constantă aproape sigur, i.e.
X = x0 , P−a.s., atunci legea ei este dată de PX = δx0 .
Remarca 2.37 Prin urmare, dacă X este o v.a. de tip discret (cu un număr
finit sau infinit de valori) definită pe spat, iul de probabilitate (Ω, F, P) , atunci
putem scrie v.a. X sub forma
xi 1Ai = xi 1{X=xi } ,
X X
(2.19) X=
i∈I i∈I
unde I este o mult, ime cel mult numărabilă, X (Ω) = {xi }i∈I iar
def
Ai == X −1 ({xi }) = {X = xi } = {ω : X(ω) = xi }, i ∈ I.
Evident, evenimentele (Ai )i=1,n reprezinta un sistem complet de evenimente.
Deci, dată o v.a. cu un număr cel mult numărabil de valori, putem să-i
atas, ăm un sistem complet de evenimente (Ai )i∈I , de exemplu, Ai = {X = xi },
pentru i ∈ I.
Are loc s, i reciproca: dat un sistem complet de evenimente (Ai )i∈I se poate
defini o v.a. X care are tabloul de repartit, ie (2.10), alegând pi = P(Ai ) =
P (X = xi ), pentru i ∈ I.
Exemplul 2.38 Să considerăm experient, a care constă în aruncarea unui zar. Fie
X v.a. ale cărei valori reprezintă numărul de puncte apărute la aruncarea unui
zar. Să se scrie tabloul de repartit, ie s, i funct, ia de repartit, ie.
Mult, imea evenimentelor este {1, 2, 3, 4, 5, 6} s, i ea coincide cu Ω, adică
Ω = {ω = i : i ∈ {1, 2, . . . , 6}} .
Atunci, X : Ω → R este dată de
1 2 3 4 5 6
X: .
1/6 1/6 1/6 1/6 1/6 1/6
0, x < 1,
1/6, 1 ≤ x < 2,
2 ≤ x < 3,
2/6,
Funct, ia de repartit, ie este F (x) = ..
.
5/6, 5 ≤ x < 6,
6 ≤ x.
1,
2.2. Variabile aleatoare discrete cu un număr finit de valori 121
pij = P (X = xi , X = xj ) = P ({X = xi } ∩ {X = xj }) = 0,
iar pentru i = j,
{X = xi } = {X = xi } ∩ ({Y = y1 } ∪ {Y = y2 } ∪ · · · ∪ {Y = yn })
= ({X = xi } ∩ {Y = y1 }) ∪ ({X = xi } ∩ {Y = y2 })
∪ . . . ∪ ({X = xi } ∩ {Y = yn }) ,
iar pi = P (X = xi ), deci
[ n Xn Xn
pi = P (X = xi , Y = yj ) = P (X = xi , Y = yj ) = pij .
j=1 j=1 j=1
2.2. Variabile aleatoare discrete cu un număr finit de valori 123
def
Xm
(2.20) E (X) == x1 p1 + x2 p2 + . . . + xm pm = xi pi .
i=1
Remarca 2.42 Media unei v.a. X mai este numită s, i valoarea medie sau valoa-
rea as, teptată sau sperant, a.
Remarca 2.43 Denumirea de medie este justificată dacă t, inem seama de sensul
ei practic. Să presupunem că am repetat de N ori o experient, ă s, i am obt, inut
valorile xi , cu i = 1, N (valorile xi se pot repeta sau nu). Să definim v.a.
x1 x2 . . . xN
X: .
1/N 1/N . . . 1/N
(v) Dacă
există E (X) ⇒ există s, i E (X 1A ) ,
pentru orice eveniment A ∈ F.
(vi) Dacă X, Y sunt două v.a. astfel încât X admite medie, atunci
(vii) Dacă X, Y sunt două v.a. astfel încât X admite medie, atunci, folosind definit, ia
generală (3.12) a mediei, exprimată cu ajutorul integralei Lebesgue, sau chiar
formula (3.13), obt, inem (vezi Definit, ia 2.17) că54
d
X=Y ⇒ există s, i E (Y ) iar E (X) = E (Y ) .
51 În cazul a două v.a. cu un număr finit de valori această condit, ie este satisfăcută. În cazul a două
v.a. oarecare (nu neapărat cu un număr finit de valori) trebuie impusă condit, ia ca cele două v.a.
să admită medie finită (vezi Definit, ia 2.123 s, i Definit, ia 3.29).
52 Dacă folosim definit, ia generală (3.12) a mediei s, i proprietăt, ile integralei Lebesgue, obt, inem
Z Z
E (1A ) = 1A (ω) P (dω) = P (dω) = P (A) pentru orice A ∈ F.
Ω A
53 Reamintim că există E (X) < ∞ dacă s, i numai dacă există E (|X|) < ∞ (vezi Nota 49).
54 Prin urmare, mediile a două v.a. pot fi egale fără ca v.a. să fie egale aproape sigur; este suficient
ca v.a. să fie egale în lege (vezi s, i Lema 2.21), adică să urmeze aceeas, i distribut, ie (deci v.a. pot fi
diferite, eventual, în orice punct ω, vezi s, i Remarca 2.22).
126 2. Variabile aleatoare discrete
X ≥ 0, P − a.s. ⇒ E (X) ≥ 0
E X 2 = 0 ⇔ X = 0,
P − a.s.
(x) Dacă X este o v.a. care admite medie (vezi s, i Nota 53), atunci ea este finită
P−a.s., adică
(2.24) E (X) < ∞ ⇒ |X| < ∞, P − a.s..
(xii) Dacă X, Y sunt două v.a. care admit medie astfel încât
E (X 1A ) = E (Y 1A ) , pentru orice eveniment A ∈ F,
atunci56 X = Y, P−a.s..
55 Spunem că un număr este nenegativ dacă este pozitiv dar nu neapărat strict pozitiv.
56 Dacă folosim definit, ia generală (3.12) a mediei, exprimată cu ajutorul integralei Lebesgue,
obt, inem că Z Z Z
E (X 1A ) = X (ω) 1A (ω) P (dω) = X (ω) P (dω) = X dP.
Ω A A
Prin urmare, (ix) afirmă că dacă E (X 1A ) = E (Y 1A ) , adică
Z Z
X dP = Y dP, pentru orice eveniment A ∈ F,
A A
atunci X = Y, P−a.s..
Acest rezultat are loc s, i pentru integrala Lebesgue în raport cu o masură oarecare (pentru
demonstrat, ie vezi [23, Lemma 5.11]).
2.2. Variabile aleatoare discrete cu un număr finit de valori 127
(xiii) Dacă X, Y sunt două v.a. care admit medie astfel încât
atunci X ≤ Y, P−a.s..
(xiv) Dacă două v.a. sunt independente care admit medie, atunci57 media produsului
este produsul mediilor, i.e.
Propozit, ia 2.47 (vezi [15, Problemele 14,15, Capitolul III]) (a) Dacă X, Y sunt
v.a. discrete, cu |X (Ω)| s, i |Y (Ω)| finite, s, i dacă
Propozit, ia 2.48 (vezi [24, Proposition 7.14]) Dacă X, Y : Ω → R sunt două v.a.,
atunci
X, Y independente ⇔ g (X) , h (Y ) independente,
pentru orice g, h : R → R.
57 Pentru demonstrat, ie vezi, de exemplu, [14, T22, Capitolul III] sau [34, Theorem 5.4].
128 2. Variabile aleatoare discrete
a1 +a2
Având în vedere că avem X ∈ [a1 , a2 ] dacă s, i numai dacă X − 2 ≤
a2 −a1
2 , se poate arăta următorul rezultat.
Propozit, ia 2.49 (vezi [31, Teorema 3, pag. 127]) Dacă X, Y : Ω → R sunt două
v.a., atunci
X, Y independente ⇔ |X + a| , |Y + b| independente
pentru orice a, b ∈ R.
Exemplul 2.50 Prin urmare, dacă X, Y sunt v.a. independente, atunci |X| , |Y |
sunt v.a. independente. Dar reciproca nu este adevarată, as, a cum se va vedea
în exemplul următor.
def
Să considerăm spat, iul de probabilitate (Ω, F, P) == ([0, 1] , B ([0, 1]) , λ), un-
de λ este măsura Lebesgue. Fie v.a. X, Y : Ω → R date de
−1, 0 ≤ ω < 21 ,
X (ω) = Y (ω) =
1
1, ≤ ω ≤ 1.
2
Deoarece |X (ω)| = |Y (ω)| = 1, pentru orice ω ∈ Ω, obt, inem că |X| , |Y | sunt
v.a. independente.
Pe de altă parte, evident, X, Y nu sunt v.a. independente (fiind identice).
Putem folosi s, i definit, ia. De exemplu,
Propozit, ia 2.51 (vezi [24, Proposition 7.15]) Dacă X, Y : Ω → R sunt două v.a.,
atunci
Propozit, ia 2.52 Fie X o v.a. discretă (cu un număr finit sau infinit de valori) s, i care
ia valori în N. Dacă X admite medie, atunci58
X∞ X∞
(2.26) E (X) = P (X > n) = P (X ≥ n)
n=0 n=1
sau, echivalent,
X∞
(2.27) E (X) = (1 − FX (n)) .
n=0
Demonstrat, ie. Folosind definit, ia (2.20) sau (2.56) a mediei obt, inem
X∞ X∞
E (X) = k P (X = k) = k P (X = k)
k=0 k=1
X∞ Xk
= P (X = k)
k=1 n=1
X∞ Xk
= P (X = k) .
k=1 n=1
58 Pentru formula mediei unei v.a. continue vezi Propozit, ia 3.36 s, i Propozit, ia 3.47 (dar s, i Exercit, iile
3.39 s, i 3.44).
130 2. Variabile aleatoare discrete
Propozit, ia 2.53 (vezi [30, Theorem 2.12.1]) Fie X o v.a. nenegativă (discretă sau
continuă). Atunci,
X∞
(a) E (X) < ∞ ⇔ P (X ≥ n) < ∞;
n=1
X∞
(b) E (X r ) < ∞ ⇔ nr−1 P (X ≥ n) < ∞.
n=1
Remarca 2.54 Folosind argumente similare se poate arăta că dacă X este o v.a.
discretă (cu un număr finit sau infinit de valori) care ia valori în N s, i dacă X 2
admite medie, atunci60
X∞
nP (X > n) = E X 2 − E (X)
2
n=0
sau, echivalent,
X∞
E X2 = (2n + 1)P (X > n) .
n=0
Exercit, iul 2.55 (vezi [4, Exercise 48, Chapter 2]) Fie X o v.a. discretă (cu un nu-
măr finit sau infinit de valori) s, i care ia valori în N.
59 Putem
folosi, de exemplu, Teorema 3 s, i Corolarul de la pagina P 312 dinP[22, Capitolul XI, § 5]:
Fie an,k n,k un s, ir dublu de numere reale. Dacă seria iterată ∞ ∞
an,k este absolut
P∞ P∞ P∞ n=0
P∞ k=0
convergentă,
P∞ atunci ambele serii iterate n=0 k=0 an,k s, i k=0 n=0 an,k precum s, i seria
dublă n,k=0 an,k sunt convergente s, i au loc egalităt, ile:
X∞ X ∞ X∞ X∞ X∞
an,k = an,k = an,k
n=0 k=0 k=0 n=0 n,k=0
(vezi s, i [55, Problem 2.6.13] sau [53, Corollary, page 223]).
60 Pentru formula mediei pătratului unei v.a. continue vezi Propozit, ia 3.40 s, i Propozit, ia 3.50.
2.2. Variabile aleatoare discrete cu un număr finit de valori 131
+P (X = 2) + . . . + P (X = N )
..
.
+P (X = N ).
(b) Folosind (a) să se arate că dacă X (Ω) = {0, 1, . . . , N } , cu N ∈ N∗ , atunci
XN XN −1 XN −1
nP (X = n) = P (X > n) = (1 − FX (n)) .
n=0 n=0 n=0
(c) Luând N → ∞ în (b) să se arate că dacă X admite medie, atunci are loc formula
(2.27) de exprimare a mediei, i.e.
X∞
E (X) = (1 − FX (n)) .
n=0
Să observăm că rezultatul se ment, ine chiar dacă v.a. X are un număr infinit de valori
(caz în care 1 − FX (n) = P (X > n) = 0, pentru orice n ≥ N ).
(d) Conform punctului (c) observăm că media E (X) este finită dacă s, i numai dacă
seria X∞
(1 − FX (n)) este convergentă.
n=0
Reluând tipul de rat, ionament din Propozit, ia 2.52 se arată următorul rezul-
tat.
Propozit, ia 2.56 Fie X o v.a. discretă (cu un număr finit sau infinit de valori) s, i care
ia valori în Z. Să se arate că61
X∞
P (n < X ≤ n + `) = `, pentru orice ` ∈ N.
n=−∞
Pentru ca suma infinită să comute cu o altă sumă infinită de v.a. trebuie
să folosim un rezultat teoretic (de tip Fubini) care ne permite acest lucru (vezi
Nota 59), deci
X∞ X∞ X∞
n=−∞
P (n < X ≤ n + `) =
k=−∞ n=−∞
1{n<k≤n+`} P (X = k)
X∞ X∞
=
k=−∞ n=−∞
1{k−`≤n<k} P (X = k)
X∞ X∞
=
k=−∞ n=−∞
1 {k−`≤n<k} P (X = k)
X∞ Xk−1
=
k=−∞ n=k−`
1 {k−`≤n<k} P (X = k)
X∞
= `P (X = k)
k=−∞
X∞
=` P (X = k)
k=−∞
= `.
Definit, ia 2.57 Se numes, te moment de ordin r > 0 al v.a. X, media v.a. X r (dacă
este bine definită). Vom nota
not
µr == E(X r ).
Definit, ia 2.58 Se numes, te moment central de ordin r > 0 al v.a. X, media v.a.
r
(X − µ1 ) (dacă este bine definită). Vom nota
not r r
νr == E (X − µ1 ) = E (X − E (X)) .
Definit, ia 2.59 Având în vedere că media v.a. X − E (X) este nulă:
E X − E (X) = E (X) − E E (X) = 0,
Definit, ia 2.60 Se numes, te moment absolut de ordin r > 0 al v.a. X, media v.a.
r
|X| . Deci, în cazul unei v.a. discrete X, cu un număr finit de valori,
Xm X
E(|X|r ) = |xi |r pi = |x|r · P (X = x) .
i=1 x∈X(Ω)
Media unei funct, ii aplicată unei v.a. poate fi calculată folosind următorul
rezultat.
Exemplul 2.63 În cazul particular h(x) = x2 obt, inem formula de calcul pentru
pătratul unei v.a. discrete:
X
E X2 = x2 · P (X = x) .
x∈X(Ω)
134 2. Variabile aleatoare discrete
Definit, ia 2.64 Se numes, te dispersia (sau variant, a) v.a. X, notată cu D2 (X) (sau
cu Var (X)), momentul central de ordin 2 al v.a. X, i.e.62
def 2
D2 (X) = Var(X) == ν2 = E (X − µ1 ) , unde µ1 = E (X) .
Ment, ionăm că dispersia unei v.a. X este, într-un anume sens, cea mai bună valoare
care caracterizează împrăs, tierea valorilor x1 , . . . , xm fat, ă de medie (vezi Exercit, iul
2.4.16 s, i Exercit, iul 3.64).
Remarca 2.65 Deoarece v.a. X − E (X) are media zero, obt, inem s, i proprietatea
2
D2 (X − E (X)) = E [(X − E (X)) − E (X − E (X))] = D2 (X) ,
adică
2
D2 (X) = E X 2 − (E (X)) .
Remarca 2.67 Formula precedentă este adevărată s, i în cazul unei v.a. X oare-
care (nu neapărat discretă). Într-adevăr,
2
D2 (X) = E (X − E (X))
2
= E X 2 − 2E (X) · X + (E (X))
2
= E X 2 − 2E [E (X) · X] + E (E (X))
2
= E X 2 − 2E (X) · E (X) + (E (X))
2
= E X 2 − (E (X)) .
Remarca 2.68 Să presupunem că am repetat de N ori o experient, ă s, i am obt, inut
valorile xi , cu i = 1, N (valorile xi se pot repeta sau nu). Să definim v.a. (vezi
Remarca 2.43)
x1 x2 . . . xN
X: .
1/N 1/N . . . 1/N
unde PN
not i=1 xi
X̄ == E (X) = .
N
Exemplul 2.69 Să presupunem că, în urma unei experient, e, citim următoarele
date 20.1, 20.5, 20.2, 21.7, 20.5, 21.8, 21.9, 20.5. Deci, folosind frecvent, ele rela-
tive de aparit, ie a datelor, definim următoarea v.a. empirică
20.1 20.2 20.5 21.7 21.8 21.9
X:
1/8 1/8 3/8 1/8 1/8 1/8
167.2
Atunci, media aritmetică este 8 = 20.9 iar media v.a. X este
1 · 20.1 + 1 · 20.2 + 3 · 20.5 + 1 · 21.7 + 1 · 21.8 + 1 · 21.9
E (X) = = 20.9
8
Mediana este, conform definit, iei dată de Remarca 3.24, valoarea x1/2 = 20.5
deoarece
P (X ≤ 20.5) = 5/8 ≥ 1/2 s, i P (X ≥ 20.5) = 6/8 ≥ 1/2.
Moda (sau modul sau valoarea modală sau valoarea cea mai probabilă) este,
prin definit, ie63 , valoarea v.a. X care are probabilitatea maximă de aparit, ie;
deci, în cazul nostru, moda este 20.5.
Pentru a calcula dispersia, calculăm mai întâi
1 · (20.1)2 + 1 · (20.2)2 + 3 · (20.5)2 + . . . + 1 · (21.9)2
E X2 = = 437.32.
8
deci
2 2
D2 (X) = E X 2 − [E (X)] = 437.32 − (20.9) = 0.51.
63 În cazul unei v.a. continue moda este, prin definit, ie, valoarea v.a. X în care funct, ia de densi-
tate are valoarea maximă. Dacă densitatea are o singură valoare maximă locală, atunci v.a. se
numes, te unimodală; dacă densitatea are mai multe valori maxime locale, atunci v.a. se numes, te
multimodală.
Să ment, ionăm că în cazul unei v.a. simetrice (vezi Nota 71) media (în caz că există) s, i mediana
coincid.
De asemenea, în cazul unei v.a. simetrice unimodale media (în caz că există) s, i mediana s, i moda
coincid.
2.2. Variabile aleatoare discrete cu un număr finit de valori 137
def
(2.30) Cov (X, Y ) == E [(X − E (X)) · (Y − E (Y ))] .
Remarca 2.71 Dacă facem calculele, obt, inem formula de calcul a covarian-
t, ei65 :
Remarca 2.72 Evident, covariant, a dintre v.a. X cu ea însăs, i este chiar disper-
sia, deci putem lua drept definit, ie:
def
(2.32) D2 (X) == Cov (X, X) .
Remarca 2.75 Dacă două v.a. X, Y sunt independente, atunci, folosind (2.25),
obt, inem covariant, a (sau, echivalent, corelat, ia) nulă, i.e. Cov (X, Y ) = 0 =
ρ (X, Y ) . În acest caz spunem că cele două v.a. sunt necorelate.
Deci (2.25) ne spune că
Reciproca nu este adevărată. În acest sens vezi Exemplele 2.76, 2.77, 3.77, 3.180,
3.113 s, i 3.114.
Exercit, iul 2.77 Se poate arăta (vezi [29, Section 3.11, Problem 16]) că dacă X, Y sunt
două v.a. independente distribuite Bernoulli, de parametru 1/2, atunci U = X + Y s, i
V = |X − Y | sunt v.a. necorelate, dar sunt, în mod evident, dependente.
sau, echivalent,
|ρ (X, Y )| ≤ 1
66 Vezi, de exemplu, [34, Theorem 5.8] sau [29, Section 3.6, Lemma 8].
2.2. Variabile aleatoare discrete cu un număr finit de valori 139
s, i că
adică P (aX + bY = c) = 1.
Să remarcăm faptul că dependent, a liniară obt, inută nu are loc pentru tot, i
ω ci are loc aproape sigur în raport cu măsura de probabilitate P, adică există
evenimentul negljabil N, i.e. N ∈ F cu P (N ) = 0, astfel încât aX (ω)+bY (ω) =
c, pentru orice ω ∈ Ω \ N.
Astfel, putem spune că ρ este o măsură a gradului de dependent, ă liniară
dintre cele două v.a.. Dacă |ρ| = 1, atunci dependent, a este liniară. Dacă ρ ∈
(−1, 1) , atunci dependent, a nu este complet liniară, dar poate fi o dependent, ă
(de tip neliniar).
S, tim că dacă cele două v.a. sunt independente atunci ele sunt necorelate
(i.e. ρ = 0), dar dacă ρ = 0, atunci aceasta nu înseamnă că cele două v.a. sunt
independente, ci doar indică o absent, ă totală a unei dependent, e liniare. Prin
urmare, două variabile pot fi necorelate, dar pot fi totus, i dependente într-un
mod neliniar.
X = c, P − a.s. ⇒ D2 (X) = 0.
(ii) Dispersia unei v.a. este nulă dacă s, i numai dacă v.a. este constantă P−a.s., i.e.67
(v) Dacă v.a. X, Y admit dispersie, atunci, dacă v.a. sunt necorelate, atunci disper-
sia sumei este suma dispersiilor, i.e.
X, Y necorelate69 ⇒ D2 (X + Y ) = D2 (X) + D2 (Y ) .
(vi) Dacă v.a. X, Y admit dispersie, atunci are loc următoarea formulă de calcul
a dispersiei sumei a două v.a. în cazul general (în care v.a. nu sunt neapărat
necorelate):
În cazul combinat, iei liniare a două v.a., formula de calcul a dispersiei este dată
de formula
pentru orice a, b ∈ R.
Dacă v.a. (Xi )i=1,n admit dispersie, atunci dispersia sumei este dată de formula
Xn Xn Xn
(2.38) D2 Xi = D2 (Xi ) + 2 i,j=1 Cov (Xi , Xj ) .
i=1 i=1 i<j
69 Evident, vezi (2.34), dacă cele două v.a. sunt independente, atunci obt, inem aceeas, i concluzie.
70 Evident, vezi (2.34), dacă cele n v.a. sunt independente două câte două, atunci obt, inem aceeas, i
concluzie.
2.2. Variabile aleatoare discrete cu un număr finit de valori 141
2
Demonstrat, ie. (i) Avem D2 (c) = E c2 − (E (c)) = c2 − c2 = 0.
(ii) În cazul unei v.a. X discrete să arătăm mai întâi că E X 2 = 0 implică
X = 0, P−a.s..
Într-adevăr, deoarece avem că o sumă de numere nenegative este nulă, i.e.
X
0 = E X2 = x2i P (X = xi ) ,
i=1
Evident, formula este adevărată s, i în cazul unei v.a. X oarecare (nu neapărat
discretă):
2 2 2 2
D2 (aX) = E (aX) − (E (aX)) = a2 E (X) − (EX) = a2 D2 (X) .
(iv) Avem
2 2
D2 (a + bX) = E (a + bX)
− (E (a + bX))
2
= a2 + 2abE (X) + b2 E X 2 − a2 − 2abE (X) − b2 (E (X))
= b2 D2 (X) .
142 2. Variabile aleatoare discrete
(v) Avem
2 2
D2 (X + Y ) = E (X + Y ) − (E (X + Y ))
2 2
= E X 2 + 2E (XY ) + E Y 2 − (EX) − 2E (X) E (Y ) − (EY )
2 2
= E X 2 + E Y 2 − (EX) − (EY )
= D2 (X) + D2 (Y ) .
(vi) Avem
2 2
D2 (X + Y ) = E (X + Y ) − (E (X + Y ))
2 2
= E X 2 + 2E (XY ) + E Y 2 − (EX) − 2E (X) E (Y ) − (EY )
Definit, ia 2.81 De obicei, gradul de împrăs, tiere a valorilor unei v.a. X se exprimă nu
prin dispersie ci prin deviat, ia standard (sau abaterea standard) notată D (X) s, i
definită de
def p
D (X) == D2 (X).
Această not, iune are avantajul că se exprimă prin aceleas, i unităt, i de măsură ca s, i valo-
rile v.a. X.
Remarca 2.83 Folosind formula (2.31) se obt, ine următoarea formulă de schim-
bare a covariant, ei la o transformare liniară de v.a.
pentru orice a, b, c, d ∈ R.
Apoi obt, inem (vezi s, i Nota 186)
Cov (aX + b, cY + d)
ρ (aX + b, cY + d) = p p
D (aX + b) · D2 (cY + d)
2
acCov (X, Y )
=p p
a D2 (X) · c2 D2 (Y )
2
ac
= ρ (X, Y )
|ac|
= sgn(ac) · ρ (X, Y ) ,
s, i
ρ (aX + b, cY + d) = −ρ (X, Y ) , dacă ac < 0.
3
Remarca 2.84 Momentul central de ordin 3, i.e. ν3 = E (X − µ) este, de
asemenea, important. El este folosit pentru a măsura lipsa de simetrie a distri-
but, iei.
Dar ν3 depinde de unitatea de măsură utilizată pentru valorile lui X. Pentru
a deveni independentă în raport cu unitatea de măsură vom considera momen-
tul de ordin 3 al v.a. standardizatepasociată v.a. X (vezi Remarca 3.107).
Astfel, dacă µ = E (X) iar σ = D2 (X), definim coeficientul de asimetrie
(sau skewness)
3
X −µ
S3 = E .
σ
144 2. Variabile aleatoare discrete
Distribut, ia normală standard (vezi formulele (3.98)) s, i orice altă distribut, ie si-
metrică71 (cu momentul de ordin 3 finit) are coeficientul de asimetrie S3 =
0. Astfel, distribut, ia simetrică, mai precis valoarea 0 pentru S3 , devine un
element de comparat, ie pentru alte distribut, ii.
Reamintim că într-o distribut, ie simetrică s, i unimodală media (în caz că e-
xistă), mediana s, i moda coincid. Coeficientul de asimetrie este pozitiv strict
dacă moda este la stânga valorii medii s, i este negativ strict dacă moda este la
dreapta valorii medii.
Momentul central de ordin 4 este utilizat pentru a descrie gradul de apro-
pierepfat, ă de densitatea distribut, iei normale standard. Dacă µ = E (X) iar
σ = D2 (X), definim coeficientul de exces (sau kurtosis)
4
X −µ
E4 = E .
σ
V.a. Pn
def i=1 Xi
X̄n ==
n
se numes, te media de select, ie.
Media acestei v.a. este dată de
E ( nk=1 Xk )
P Pn Pn
E (Xk ) E (X1 )
E X̄n = = k=1 = k=1
(2.39) n n n
= E (X1 ) = E (X) = µ,
deci media mediei de select, ie X̄n este chiar media teoretică µ = E (X).
Egalitatea E X̄n = µ ne spune că media de select, ie X̄n este un estimator
nedeplasat (unbiased) al mediei teoretice µ.
Dispersia v.a. X̄n este dată, având în vedere egalitatea (2.35), de
D2 ( nk=1 Xk )
P Pn 2
k=1 D (Xk )
D2 X̄n = 2
= 2
n n
Pn 2 2
(2.40) D (X1 ) nD (X1 )
= k=1 2 =
n n2
1 1 1
= D2 (X1 ) = D2 (X) = σ2 .
n n n
Prin urmare, dispersia mediei de select, ie X̄n este n1 σ2 = 1 2
nD (X) (deci este
mult mai mică decât dispersia teoretică σ2 ). De fapt,
D2 X̄n → 0, pentru n → ∞.
Remarca 2.86 Dacă suntem în cadrul de lucru al Remarcii 2.85, atunci să defi-
nim v.a. S̄2n numită dispersia de select, ie (sau variant, a de select, ie)
Pn 2
def i=1 Xi − X̄n
S̄2n ==
n
146 2. Variabile aleatoare discrete
(această definit, ie, vezi (2.29), urmează exact definit, ia dispersiei teoretice).
Ridicând la pătrat, avem
Pn 2
i=1Xi − X̄n
S̄2n =
n
Pn 2 2
i=1 X i − 2Xi X̄n + X̄n
=
n
Pn 2
Pn
i=1 Xi Xi
= − 2 i=1 X̄n + X̄n2
n n
Pn 2
i=1 Xi
= − 2 X̄n2 + X̄n2
n
s, i astfel obt, inem formula de calcul a dispersiei de select, ie (varianta deplasată)
Pn
Xi2
S̄2n = i=1
− X̄n2 .
n
Deoarece au loc formulele (2.40) s, i (2.39),
2
E Xn2 = D2 (Xn ) + [E (Xn )] = σ2 + µ2 ,
2 σ2
E X̄n2 = D2 X̄n + E X̄n + µ2 .
=
n
Prin urmare, folosind formula de calcul, putem calcula media dispersiei de
select, ie S̄2n :
Pn
Xi2
S̄2n i=1
X̄n2
E =E −
n
Pn
E Xi2
i=1
− E X̄n2
=
n
2
2 2
σ 2
= σ +µ − +µ
n
n−1 2
= σ 6= σ2 .
n
Această egalitate ne spune că dispersia de select, ie S2n este un estimator de-
plasat (biased) al dispersiei teoretice σ2 .
2.2. Variabile aleatoare discrete cu un număr finit de valori 147
Prezentăm, în continuare, o serie de inegalităt, i importante care folosesc me-
dia.
E (g (X))
(2.41) P (X ≥ ) ≤ .
g ()
Demonstrat, ie. Având în vedere că (vezi s, i formula (2.21) s, i Remarca 2.97)
E (1A ) = P (A) ,
1{X≥} = P (X ≥ ) , deci
obt, inem E
Corolarul 2.88
(a) Dacă X este o v.a. cu valori nenegative astfel încât există E (X) s, i g (x) =
x 1[0,∞) (x), obt, inem, pentru orice > 0,
E (X)
P (X ≥ ) ≤ .
148 2. Variabile aleatoare discrete
(b) Dacă X este v.a. astfel încât există E (X) s, i g (x) = x 1[0,∞) (x), obt, inem, pentru
orice > 0,
E (|X|)
P (|X| ≥ ) ≤ ,
deci, dacă v.a. X are medie finită, atunci73
0 ≤ lim→∞ P (|X| ≥ ) ≤ lim→∞ −1 = 0.
(c) Dacă X este v.a. s, i g (x) = e−θx , cu θ > 0, obt, inem, pentru orice > 0,
P (X ≥ ) ≤ e−θ E(eθX ),
deci, dacă v.a. X are momente exponent, iale finite, atunci funct, ia 7→ P (X ≥ )
descres, te exponent, ial, mai precis
0 ≤ lim→∞ P (X ≥ ) ≤ lim→∞ e−θ = 0.
(d) Dacă X este v.a. astfel încât există E X 2 < ∞ s, i g (x) = x2 1[0,∞) (x), obt, inem
D2 (X)
(2.42) P (|X − E (X)| ≥ ) ≤ , pentru orice > 0,
2
sau, echivalent,
D2 (X)
(2.43) P (|X − E (X)| < ) ≥ 1 − , pentru orice > 0.
2
Remarca 2.89 Inegalităt, ile lui Markov s, i Cebâs, ev (precum s, i celelalte cazuri
particulare) au loc pentru orice tip de v.a.
iar
Xn 1 1 Xn (n + 1) (2n + 1)
E X2 = k2 · = k2 = ,
k=1 n n k=1 6
deci dispersia este
2
n2 − 1
2 (n + 1) (2n + 1) n+1
D (X) = − = .
6 2 12
Avem s, i
0 1
Xi2 : , i = 1, n,
qi pi
iar media
E Xi2 = pi
E (Xi ) = pi ,
s, i dispersia
D2 (Xi ) = pi − p2i = pi (1 − pi ) = pi qi .
Prin urmare, dacă v.a. X este numărul total de bile albe extrase, atunci X este,
de fapt, suma celor n v.a. independente Xi , i.e.
X = X1 + X2 + . . . + Xn .
Folosind schema clasică de probabilitate a lui Poisson se poate calcula proba-
bilitatea evenimentului {X = k} , cu k = 0, n. Mai precis, spunem că v.a. X
urmează o distribut, ie de tip Poisson dacă tabloul de distribut, ie este dat de
k
X: ,
ak
k=0,n
2.2. Variabile aleatoare discrete cu un număr finit de valori 151
iar pi , qi ≥ 0 cu qi = 1 − pi , iP= 1, n.
n
Evident, avem ak ≥ 0 s, i k=0 ak = 1, deoarece
Xn Yn
ak xk = (pk x + qk )
k=0 k=0
Pn Qn
s, i luând x = 1, obt, inem k=0 ak = k=0 (pk + qk ) = 1.
Remarca 2.92 Semnificat, ia schemei este următoarea: fie o experient, ă care con-
stă din n experient, e independente s, i A1 , . . . , An evenimente legate de fiecare
experient, ă în parte. Fie pi = P (Ai ), qi = 1 − pi , i = 1, n. Atunci, X reprezintă
v.a. care ia drept valori numărul de realizări ale evenimentului Ai când au loc
cele n experient, e.
Distribut, ia Bernoulli
Să considerăm distribut, ia Poisson în cazul particular Ui = U s, i deci pi = p,
qi = q cu i = 1.
Mai precis, spunem că v.a. X spunem că urmează o distribut, ie de tip
Bernoulli, s, i scriem X ∼ Bernoulli (p) , dacă tabloul de distribut, ie este dat de
0 1
(2.45) X: , unde q = 1 − p.
q p
152 2. Variabile aleatoare discrete
Remarca 2.95 Legea unei v.a. X ∼ Bernoulli (p) este măsură de probabilitate
discretă s, i este dată de
PX (A) = q · δ0 (A) + p · δ1 (A) , pentru A ∈ B (R) ,
unde δk este măsura Dirac concentrată în punctul k ∈ {0, 1} .
Propozit, ia 2.98 Dacă X ∼ Bernoulli (p), atunci media s, i dispersia sunt date de:
1A∪B = 1A + 1B
(2.48)
1A∩B = 1A · 1B .
Prin urmare,
1 = 1Ω = 1A∪Ā = 1A + 1Ā ,
deci
1A∪B = 1 − 1A∪B
= 1 − 1Ā∩B̄
= 1 − 1Ā · 1B̄
= 1 − (1 − 1A ) (1 − 1B )
= 1A + 1B − 1A · 1B
= 1A + 1B − 1A∩B .
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) .
Efectuând înmult, irea, folosind formula (2.48) s, i aplicând media obt, inem for-
mula (1.9).
154 2. Variabile aleatoare discrete
Distribut, ia binomială
Să considerăm distribut, ia Poisson în cazul particular Ui = U s, i deci pi = p,
qi = q.
Deci v.a. X spunem că urmează o distribut, ie binomială, s, i scriem X ∼
B (n, p), dacă tabloul de distribut, ie este dat de
0 1 2 ... k ... n
X:
Cn0 p0 q n Cn1 p1 q n−1 Cn2 p2 q n−2 . . . Cnk pk q n−k . . . Cnn pn q 0
Propozit, ia 2.103 Dacă X ∼ B (n, p), atunci media s, i dispersia sunt date de:
s, i
Xn
E X2 = k 2 · Cnk pk q n−k
k=0
Xn n!
= k pk q n−k
k=1 (k − 1)! (n − k)!
Xn n!
= (k − 1) pk q n−k
k=1 (k − 1)! (n − k)!
Xn n!
+ pk q n−k
k=1 (k − 1)! (n − k)!
Xn (n − 2)!
= n (n − 1) p2 pk−2 q n−k
k=2 (k − 2)! (n − k)!
156 2. Variabile aleatoare discrete
Xn (n − 1)!
+ np pk−1 q n−k
k=1 (k − 1)! (n − k)!
Xn−2 (n − 2)! 0 0
= n (n − 1) p2 pk q (n−2)−k
k0 =0 (k 0 )! ((n − 2) − k 0 )!
Xn−1 (n − 1)! 0 0
+ np pk q (n−1)−k
k0 =0 (k 0 )! ((n − 1) − k 0 )!
n−2 n−1
= n (n − 1) p2 (p + q) + np (p + q)
= n (n − 1) p2 + np.
Deci
2
D2 (X) = E X 2 − (E (X))
= n2 p2 − np2 + np − n2 p2 = np − np2
= np (1 − p) .
Propozit, ia 2.105 Suma a două v.a. independente care urmează o distribuit, ie de tip
binomial este o v.a care urmează o distribuit, ie tot de tip binomial. Mai precis76 ,
Demonstrat, ie. Valorile pe care le poate lua X1 +X2 sunt k ∈ {0, 1, . . . , n1 +n2 }.
Atunci77 ,
X
P (X1 + X2 = k) = P (X1 = i) · P (X2 = k − i) ,
i∈N
Aceasta este evident, având în vedere că dacă Xi reprezintă numărul de suc-
cese obt, inute la încercarea i = 1, n (adică Xi ia doar valorile 0 sau 1), atunci
numărul natural aleator X = X1 + X2 + . . . + Xn reprezintă numărul total de
succese obt, inute în n încercări, adică X ∼ B (n, p) .
77 Dacă X, Y sunt două v.a. independente discrete astfel încât X (Ω) , Y (Ω) ⊆ N, atunci formula
de determinare a legii v.a. X + Y
X
P (X + Y = k) = P (X = i) · P (Y = k − i) , k ∈ N∗
i∈N
este numită formula de convolut, ie (vezi s, i Nota 165, pentru cazul continuu).
158 2. Variabile aleatoare discrete
Deci
În plus, s, tim că E (Xi ) = p iar D2 (Xi ) = pq, deci este foarte us, or să obt, inem s, i
să ret, inem media s, i dispersia unei v.a. distribuite binomial, adică formulele
(2.50): Xn Xn Xn
E (X) = E Xi = E (Xi ) = p=n·p
i=1 i=1 i=1
s, i Xn Xn Xn
D2 (X) = D2 Xi = D2 (Xi ) = pq = n · pq.
i=1 i=1 i=1
Definit, ia 2.107 As, a cum am văzut deja, moda este valoarea λ ∈ {0, 1, . . . , n} a v.a.
X care e cea mai probabilă, i.e. valoarea λ pentru care P (X = λ) = Cnλ pλ q n−λ are
valoarea maximă.
np − q ≤ λ ≤ np + p.
P (X = λ − 1) ≤ P (X = λ) s, i P (X = λ + 1) ≤ P (X = λ) .
Obt, inem
np + p = (np − q) + 1.
2.2. Variabile aleatoare discrete cu un număr finit de valori 159
adică λ este partea întreagă a lui np + p, i.e. cel mai mare întreg mai mic sau
egal cu np + p, deci
λ = bnp + pc .
(b) Dacă avem că np − q ∈ Z atunci echivalent s, i np + p ∈ Z s, i, în acest caz, λ ia
două valori λ1 = np − q s, i λ2 = np + p, având în vedere că
P (X = np − q) = P (X = np + p) .
Distribut, ia hipergeometrică
V.a. X spunem că urmează o distribut, ie de tip hipergeometric dacă tabloul
ei de distribut, ie este dat de
k
(2.51) X : Cak Cbn−k .
n
Ca+b k=0,n
Remarca 2.111 În definit, ia v.a. precedente trebuie să folosim convent, ia dată de
Nota 33. Mai precis, valorile k = 0, n ale v.a. X trebuie să satisfăcă restrict, iile
160 2. Variabile aleatoare discrete
C k C n−k
Evident, avem P (X = k) = aC nb ≥ 0. Pentru a arăta că suma probabili-
a+b
tăt, ilor este 1 folosim identitatea (1.25) sau Nota 31.
Remarca 2.112 Semnificat, ia distribut, iei este următoarea: fie o urnă cu a bile
albe s, i b bile negre din care se extrag pe rând, dar fără a pune bila la loc (sau
se extrag simultan), n bile, cu n ≤ a + b.
Atunci, X reprezintă v.a. care ia drept valori numărul de aparit, ii ale Suc-
cesului (aparit, ia unei bile albe) în cele n extrageri.
În notat, iile de mai sus, este evident că X (Ω) ⊆ {0, 1, . . . , n} s, i apoi se poate
arăta (vezi demonstrat, ia Propozit, iei 1.109), că tabloul de distribut, ie al v.a. X
este dat de (2.51).
Remarca 2.113 Să ment, ionăm că, în cazul unei v.a. X distribuite hipergeome-
tric, funct, ia generatoare de probabilităt, i asociată ei (vezi pagina 425) este
Xn Xn
GX (t) = E tX = tk P (X = k) = pk tk ,
k=0 k=0
n · (n − 1) · . . . · (n − k + 1)
pk = p0
k!
rp · (rp − 1) · . . . · (rp − k + 1)
· .
(rq − n + k) · (rq − n + k − 1) · . . . · (rq − n + 1)
Acum, dacă notăm cu α = −n, β = −rp, γ = rq − n + 1, rescriem pk astfel
α · (α + 1) · . . . · (α + k − 1) β · (β + 1) · . . . · (β + k − 1)
pk = p0 .
k! γ · (γ + 1) · . . . · (γ + k − 1)
Prin urmare, folosind notat, iile (α)k , (β)k , (γ)k pentru termenii din fract, iile
precedente, funct, ia generatoare de probabilităt, i cont, ine termeni de tipul
(α)k · (β)k 1
·
(γ)k k!
care sunt cei care apar în seria hipergeometrică.
2.2. Variabile aleatoare discrete cu un număr finit de valori 161
a a b a+b−n
(2.52) E (X) = n · s, i D2 (X) = n · .
a+b a+b a+b a+b−1
N −n
E (X) = np s, i D2 (X) = npq · ,
N −1
adică formula pentru media unei v.a. distribuite hipergeometric (i.e. cazul a
n extrageri fără revenirea bilei în urnă) este exact cea din cazul v.a. distribuite
binomial (i.e. cazul a n extrageri cu revenirea bilei în urnă). Deci este foarte
us, or să ret, inem media unei v.a. distribuite hipergeometric.
De asemenea, în formula pentru dispersia unei v.a. distribuite hipergeo-
metric recunoas, tem termenul npq din cazul v.a. distribuite binomial (apare
−n
termenul N N −1 care este numit factor de corect, ie al populat, iei finite). Deci
este foarte us, or să ret, inem s, i dispersia unei v.a. distribuite hipergeometric.
Dar să observăm două aspecte:
−n
• deoarece N N −1 < 1, obt, inem că dispersia din cazul hipergeometric (cazul
în care es, antionul de volum n este ales fără revenirea elementului în
es, antion) este mai mică decât cea din cazul v.a. distribuite binomial (cazul
în care es, antionul de volum n este ales cu revenirea elementului în es, an-
tion). Deci cu cât mai mare este volumul n al es, antionului ales de noi, în
raport cu volumul N al populat, iei cu atât mai mică este dispersia;
162 2. Variabile aleatoare discrete
Xn Cak Cbn−k
E (X) = k· n
k=0 Ca+b
Xn a! b! n! (a + b − n)!
= k· · ·
k=1 k! (a − k)! (n − k)! (b − n + k)! (a + b)!
an Xn (a − 1)! b!
= ·
a+b k=1 (k − 1)! ((a − 1) − (k − 1))! (n − k)! (b − n + k)!
Similar
Xn Cak Cbn−k
E X2 = k2 · n
k=0 Ca+b
an Xn (a − 1)! b!
= (k − 1) ·
a+b k=1 (k − 1)! (a − k)! (n − k)! (b − n + k)!
(n − 1)! (a + b − n)!
·
(a + b)!
an Xn (a − 1)! b!
+ ·
a+b k=1 (k − 1)! (a − k)! (n − k)! (b − n + k)!
(n − 1)! (a + b − n)!
·
(a + b − 1)!
an (n − 1) a − 1 Xn (a − 2)! b!
=
a+b a+b−1 k=2 (k − 2)! (a − k)! (n − k)! (b − n + k)!
k 0 (n−1)−k0
(n − 2)! (a + b − n)! an Xn−1 Ca−1 Cb
· + n−1 .
(a + b − 2)! a+b k0 =0 Ca+b−1
2.2. Variabile aleatoare discrete cu un număr finit de valori 163
Deci
k 0 (n−2)−k0
2
an (n − 1) a − 1 Xn−2 Ca−2 Cb an
E X = n−2 +
a+b a+b−1 k0 =0 Ca+b−2 a+b
an (n − 1) a − 1 an
= + .
a+b a+b−1 a+b
Obt, inem
2
an (n − 1) a − 1 an an
D2 (X) = + −
a+b a+b−1 a+b a+b
an (a − 1) (n − 1) an
= +1−
a+b a+b−1 a+b
an b (a + b − n)
= .
a + b (a + b − 1) (a + b)
Remarca 2.116 La fel ca s, i în cazul unei v.a. distribuite binomial (vezi Remarca
2.106), să definim v.a. Xi ca fiind numărul de bile albe obt, inute la extragerea
i = 1, n (adică Xi ia doar valorile 0 sau 1, deci Xi sunt v.a. care urmează o
lege de tip Bernoulli) în cadrul de lucru dat de Remarca 2.112: din urna cu a
bile albe s, i b bile negre se extrag pe rând n ≤ a + b bile, dar fără a pune bila
la loc (sau se extrag simultan n bile). Prin urmare, Xi sunt v.a. care nu sunt
independente între ele.
Pe de altă parte, numărul natural aleator X1 + X2 + . . . + Xn reprezintă
numărul total de bile albe obt, inute după cele n extrageri, prin urmare
X = X1 + X2 + . . . + Xn
reprezintă o v.a. distribuită hipergeometric.
Deci
P (X2 = 0)
= P (X2 = 0|X1 = 1) · P (X1 = 1) + P (X2 = 0|X1 = 0) · P (X1 = 0)
b a b−1 b b
= · + · = ,
a+b−1 a+b a+b−1 a+b a+b
P (X2 = 1)
= P (X2 = 1|X1 = 1) · P (X1 = 1) + P (X2 = 1|X1 = 0) · P (X1 = 0)
a−1 a a b a
= · + · = .
a+b−1 a+b a+b−1 a+b a+b
0 1
Tabloul v.a. X3 : , deoarece avem o structură de tip arbore s, i,
b a
a+b a+b
folosind formula probabilităt, ii totale, putem calcula:
P (X3 = 0)
= P (X3 = 0|X2 = 1, X1 = 1) · P (X2 = 1|X1 = 1) · P (X1 = 1)
+ P (X3 = 0|X2 = 0, X1 = 1) · P (X2 = 0|X1 = 1) · P (X1 = 1)
+ P (X3 = 0|X2 = 1, X1 = 0) · P (X2 = 1|X1 = 0) · P (X1 = 0)
+ P (X3 = 0|X2 = 0, X1 = 0) · P (X2 = 0|X1 = 0) · P (X1 = 0)
b a−1 a b−1 b a
= · · + · ·
a+b−2 a+b−1 a+b a+b−2 a+b−1 a+b
b−1 a b b−2 b−1 b
+ · · + · ·
a+b−2 a+b−1 a+b a+b−2 a+b−1 a+b
ab (a + b − 2) b (b − 1) (a + b − 2)
= +
(a + b) (a + b − 1) (a + b − 2) (a + b) (a + b − 1) (a + b − 2)
b (a + b − 1)
=
(a + b) (a + b − 1)
b
= ,
a+b
2.2. Variabile aleatoare discrete cu un număr finit de valori 165
a
prin urmare P (X3 = 1) = .
a+b
Similar,
0 1 a
Xi : , deci E (Xi ) = , pentru i = 1, n.
b a a+b
a+b a+b
Deci este foarte us, or să obt, inem s, i să ret, inem media unei v.a. distribuite
hipergeometric, adică formula (2.52) (vezi s, i Remarca 2.115):
Xn Xn Xn a a
E (X) = E Xi = E (Xi ) = =n· .
i=1 i=1 i=1 a + b a+b
În ceea ce prives, te dispersia, (Xi )i=0,n nefiind independente, este mai greu de
calculat D2 (X) folosind doar D2 (Xi ) .
Teorema 2.119 Distribut, ia binomială B (n, p) este un caz limită al distribut, iei hiper-
geometrice dată de (2.51), când a, b ∈ N∗ cu a, b → ∞ astfel încât există p ∈ (0, 1)
a b
astfel încât → p (deci → q = 1 − p).
a+b a+b
Mai precis, are loc limita78
Cak Cbn−k
(2.53) lim N∗ 3a,b→∞ n = Cnk pk q n−k , pentru k = 0, n.
a →p, b →q Ca+b
a+b a+b
a b
Dar, dacă a, b → ∞ astfel încât a+b → p, a+b → q, când a, b → ∞, atunci,
pentru orice r s, i s, avem
a
a−k+r − k−r
= a+b n−r
a+b
−→ p iar
a+b−n+r 1 − a+b
b − (n − k) + s
b
− (n−k)−s
= a+b (n−k)−s
a+b
−→ q.
a + b − (n − k) + s 1 − a+b
78 Relat, ia (2.53) se poate scrie sub forma (vezi s, i Definitia 5.21):
lim a,b→∞ P Xa,b = k = P (X = k) , pentru k = 0, n,
a →p
a+b
Prin urmare,
Cak Cbn−k Yk Yn−k
lim a,b→∞ n = Cnk p q = Cnk pk q n−k .
a b Ca+b r=1 s=1
a+b →p, a+b →q
a
Deci, dacă a, b > 0 sunt suficient de mari s, i este suficient de aproape de o
a+b
valoare p ∈ (0, 1) , atunci putem aproxima distribut, ia binomială de parametri
n s, i p prin distribut, ii hipergeometrice de parametri a, b s, i n.
Remarca 2.120 Cu alte cuvinte, când numărul de bile albe s, i bile negre este
foarte mare valoarea probabilităt, ii dată de schema bilei nerevenite se apropie
de valoarea probabilităt, ii dată de schema bilei revenite (schema binomială), i.e.
k n−k
Cak Cbn−k
k a b
n ' Cn , pentru k = 0, n.
Ca+b a+b a+b
Acest rezultat este de as, teptat având în vedere că o bilă scoasă dintr-o urnă
cu foarte multe bile albe s, i foarte multe bile negre nu influent, ează foarte mult
compozit, ia urnei; astfel, în această situat, ie, extragerile fără revenirea bilei în
urnă se pot vedea ca nis, te extrageri cu revenirea bilei în urnă, deci ca o succe-
siune de extrageri independente, cu aceeas, i s, ansă de aparit, ie a succesului, as, a
cum este în cazul distribut, iei binomiale.
unde I este o mult, ime cel mult numărabilă (prin convent, ie, am scris valorile
x1 , x2 , . . . , xn ale v.a. în ordine strict crescătoare).
168 2. Variabile aleatoare discrete
Pe scurt, putem scrie că o v.a. discretă X este descrisă complet prin cunoas, -
terea familiei cel mult numărabile de valori
not
(pi )i∈I == (P (X = xi ))i∈I .
Putem scrie s, i sub forma: o v.a. discretă X este descrisă complet prin cunoas, -
terea funct, iei pX : R → [0, 1] ,
def
(2.55) pX (xi ) == P (X = xi ) , i ∈ I,
Are loc, s, i în acest caz, modalitatea de scriere (2.19) a unei v.a. discrete, dată
de Remarca 2.37:
xi 1A i ,
X
X=
i∈I
−1
unde Ai = X ({xi }) = {X = xi } , pentru i ∈ I.
def
X
(2.56) E (X) == x1 p1 + x2 p2 + . . . + xi pi + . . . = xi pi .
i∈N∗
Remarca 2.124 Dacă v.a. X admite medie, atunci putem scrie s, i sub forma
X
E (X) = x · P (X = x) .
x∈X(Ω)
79 Vezi s, i Exemplul 3.190.
170 2. Variabile aleatoare discrete
Remarca 2.125 Media unei v.a. discrete cu un număr finit de valori există în-
totdeauna, fiind o sumă finită, pe când media unei v.a. discrete cu un număr
infinit de valori nu; astfel, seria modulelor care apare în definit, ia mediei este o
serie cu termeni nenegativi s, i poate să fie convergentă (are suma finită) sau nu
(are suma infinită).
Să observăm că dacă se impune ca seriaPcare defines, te media să fie abso-
lut convergentă, atunci seria fără module i∈N∗ xi pi este convergentă, prin
urmare media este bine definită s, i este suma acelei serii.
P
Remarca 2.126 Se impune ca seria i∈N∗ xi pi să fie absolut convergentă deoa-
rece se dores, te ca prin orice permutare a termenilor seriei să se obt, ină o serie
tot convergentă s, i cu aceeas, i sumă80 .
Astfel, se impune absoluta convergentă deoarece, atunci când se calculează
media v.a., să nu conteze ordinea de scriere a valorilor v.a. s, i respectiv a terme-
nilor sumei din definit, ia mediei.
Remarca 2.127 De fapt, vezi Remarca 3.30, dacă (Ω, F, P) este un spat, iu de
probabilitate s, i X este o v.a. oarecare (discretă sau continuă) definită pe acest
spat, iu, atunci media ei este definită de următoarea integrală Lebesgue (în caz
că aceasta există) pe Ω în raport cu măsura P :
Z
def
E (X) == X (ω) P (dω) .
Ω
Utilizând definit, iei integralei Lebesgue, se poate demonstra că X este integra-
bilă Lebesgue (adică integrala există s, i este finită) dacă s, i numai dacă |X| este
integrabilă Lebesgue, adică
există E (X) < ∞ ⇔ există E (|X|) < ∞.
Se poate arăta că integrala precedentă se poate exprima cu ajutorul integralei
Lebesgue pe R în raport cu măsura PX :
Z
(2.57) E (X) = xPX (dx) .
R
80
P
Vezi [22, pag. 291]: dacă seria i∈N∗ ai este absolut convergentă, atunci orice altă serie
obt, inută printr-o permutare a termenilor este de asemenea convergentă s, i are aceeas, i sumă cu
seria init, ială.
P
Dacă seria i∈N∗ ai este doar convergentă, fără să fie absolut convergentă, atunci, conform
Teoremei lui Riemann (vezi [22, pag. 292]), pentru orice S ∈ R ∪ {−∞, ∞}, există o permutare
a termenilor astfel încât noua serie să aibă suma S.
2.3. Variabile aleatoare discrete cu un număr infinit de valori 171
Remarca 2.129 Dacă v.a. h(X) admite medie, atunci formula precedentă o
putem scrie s, i sub forma
X
E (h(X)) = h(x) · P (X = x) .
x∈X(Ω)
Remarca 2.130 Dispersia, covariant, a, corelat, ia, precum s, i momentele init, iale,
centrale sau absolute de ordin r > 0 se definesc cu ajutorul seriilor numerice s, i
similar cazului v.a. cu un număr finit de valori.
Remarca 2.133 Legea unei v.a. X ∼ P (λ) este măsură de probabilitate discretă
s, i este dată de
X∞ λk e−λ
PX (A) = · δk (A) , pentru A ∈ B (R) ,
k=0 k!
82 În general, să notăm cu Nt numărul de evenimente ce au loc într-un interval de timp de lungime
t ≥ 0. Vom presupune că sunt satisface următoarele condit, ii:
• probabilitatea ca să apară k evenimente în intervalul de timp (t0 , t0 + t), adică a eveni-
mentului {Nt = k}, nu depinde de t0 (ci numai de k s, i de lungimea t a intervalului de
timp, adică procesul este cu cres, teri stat, ionare) s, i nici de numărul intrărilor înregistrate în
intervale anterioare momentului t0 (adică procesul este cu cres, teri independente);
• probabilitatea înregistrării a două sau mai multe sosiri într-un interval foarte mic de timp
este, practic, neglijabilă;
• probabilitatea de a înregistra o singură sosire într-un interval foarte mic de timp este
aproximativ proport, ională cu lungimea acelui interval de timp.
Aceste condit, ii ne asigură că unităt, ile sosesc individual (nu în grupuri) s, i independent unele de
altele. Într-adevăr, proprietatea a doua spune că este practic imposibil să înregistrăm două sau
mai multe sosiri simultane. Independent, a sosirilor este asigurată de prima proprietate, în timp
ce proprietatea a treia ne asigură că diferent, a dintre adevărata valoare a probabilităt, ii unei sosiri
într-un interval de timp foarte mic, de lungime h, s, i λh este neglijabilă în raport cu h, adică, pen-
tru intervale foarte mici, această probabilitate este proport, ională cu lungimea h a intervalului.
În cele trei condit, ii de mai sus se poate arăta că v.a. Nt ∼ P(λt). Familia de v.a. (Nt )t≥0 se va
numi proces stochastic Poisson de parametru λ.
174 2. Variabile aleatoare discrete
Remarca 2.135 Deci, în cazul unei v.a. de tip P (λ) , parametrul ei este chiar
media (precum s, i dispersia) v.a..
s, i
X∞ 2 X∞ λk
E X2 = k pk = k 2 e−λ
k=0 k=0 k!
k
X∞ λ
= e−λ k
k=1 (k − 1)!
X∞ λk
= e−λ (k − 1 + 1)
k=1 (k − 1)!
k−2
X∞ λ X∞ λk−1
= λ2 e−λ + λe−λ
k=2 (k − 2)! k=1 (k − 1)!
= λ2 e−λ eλ + λe−λ eλ
= λ2 + λ,
deci
2
D2 (X) = E X 2 − (E (X)) = λ.
Teorema 2.137 Distribut, ia Poisson P (λ) este un caz limită al distribut, iei binomiale
B (n, p), când n → ∞ s, i p → 0+ astfel încât produsul np = λ (rămâne constant).
Mai precis, are loc limita83
λk e−λ
(2.59) lim n→∞ Cnk pk q n−k = , pentru k ∈ N∗ .
p=λ/n→0+ k!
Demonstrat, ie. Fie k ∈ N∗ arbitrar fixat s, i fie N∗ 3 n > k. Să considerăm v.a.
def
Xn ∼ B (n, pn ), unde pn == λ/n, deci E (Xn ) = npn = λ, pentru orice n ∈ N∗ .
Atunci,
limn→∞ P (Xn = k)
k n−k
= limn→∞ Cnk (pn ) (qn )
k n−k
(n − k + 1) (n − k + 2) . . . (n − 1) n
λ λ
= limn→∞ 1−
k! n n
k n−k
(n − k + 1) (n − k + 2) . . . (n − 1) n λ λ
= limn→∞ 1−
k! n n
n−k
λk
(n − k + 1) (n − k + 2) . . . (n − 1) n λ
= limn→∞ 1−
k! nk n
λk n−k+1 n−k+2 n−1 n h i −λ(n−k)
−n/λ n
= limn→∞ ... (1 − λ/n)
k! n n n n
λk −λ
= e .
k!
Deci, dacă n ∈ N∗ este suficient de mare s, i p suficient de mic, atunci putem
aproxima distribut, ia Poisson de parametru λ = np prin distribut, ii binomiale
de parametri n s, i p = λ/n.
Remarca 2.138 Mai concret, putem preciza că, pentru n ≥ 20 s, i p < 0.05, atunci
distribut, ia binomială este o bună aproximare a distribut, iei Poisson s, i scriem
Deci distribut, ia numărului de aparit, ii ale unui eveniment care are probabili-
tatea p de aparit, ie foarte mică (adica un eveniment rar), într-un număr n de
încercări care este mare, poate fi aproximată cu distribut, ia Poisson de parame-
tru np.
Propozit, ia 2.139 Suma a două v.a. independente care urmează o distribuit, ie de tip
Poisson este o v.a care urmează o distribuit, ie tot de tip Poisson. Mai precis84 ,
not
Sn == X1 + X2 + . . . + Xn ∼ P (nλ) .
84 Acest rezultat se poate demonstra s, i cu ajutorul funct, iei caracteristice (vezi Exercit, iul 4.2.13).
2.3. Variabile aleatoare discrete cu un număr infinit de valori 177
Distribut, ia geometrică
V.a. X spunem că urmează o distribut, ie de tip geometric de parametru
p ∈ (0, 1) , s, i scriem X ∼ G (p) , dacă tabloul ei de distribut, ie este dat de
k
X: .
pq k−1 ∗ k∈N
k−1
Evident, avem P (X = k) = pq ≥ 0.
Pentru a arăta că suma probabilităt, ilor este 1 folosim seria geometrică85
(ceea ce justifică s, i numele distribut, iei):
X X∞ X∞ X∞ 1
pk = pq k−1 = p q k−1 = p qk = p = 1.
k∈N∗ k=1 k=1 k=0 1−q
P (X = k) = q · q · . . . · q · p = q k−1 p.
| {z }
de (k−1)-ori
85 Seria geometrică este suma termenilor unei progresii geometrice s, i este dată de următoarea
dezvoltare în serie de puteri, i.e. dezvoltarea Taylor în jurul lui a = 0, adică seria Maclaurin,
1
asociată funct, iei 1−x :
1 X∞
= 1 + x + x2 + . . . + xk + . . . = xk , pentru orice |x| < 1.
1−x k=0
86 Se mai poate poate vedea X ca reprezentând timpul scurs (sau timpul de as, teptare) până la
prima aparit, ie a Succesului.
178 2. Variabile aleatoare discrete
1 q
(2.60) E (X) = s, i D2 (X) = .
p p2
1
t, iei în serii de puteri (i.e. de la seria geometrică). Obt, inem
1−x
X∞ X∞ 1 1
E (X) = k pk = p k q k−1 = p 2 =
k=1 k=1 (1 − q) p
s, i
X∞ 2 X∞ 1+q 2−p
E X2 = k pk = p k 2 q k−1 = p 3 = p2 ,
k=1 k=1 (1 − q)
deci
2 2−p 1 1−p
D2 (X) = E X 2 − (E (X)) =
2
− 2 = .
p p p2
Exercit, iul 2.144 Să se calculeze media s, i dispersia în cazul în care X numără es, ecurile
până la aparit, ia primului succes.
Propozit, ia 2.145 Dacă X ∼ G (p), atunci funct, ia de repartit, ie este dată de (vezi s, i
relat, iile (3.39) din cazul distribut, iei exponent, iale)
pentru orice n ∈ N∗ .
Demonstrat, ie. Într-adevăr,
Xn Xn−1 1 − qn
F (n) = P (X ≤ n) = pq k−1 = p qk = p · = 1 − qn .
k=1 k=0 1−q
unde bxc este partea întreagă a lui x, i.e. cel mai mare întreg mai mic sau egal
cu x.
1
Integrând dezvoltarea funct, iei 1−x obt, inem dezvoltarea
X∞ 1 k+1
1
x = ln , pentru orice |x| < 1.
k=0 k + 1 1−x
180 2. Variabile aleatoare discrete
Exercit, iul 2.147 (a) Să se determine probabilitatea de a obt, ine o dublă atunci când se
aruncă, o singură dată, două zaruri.
(b) Se aruncă două zaruri în mod repetat, până când se obt, ine prima dublă. Fie X v.a.
care reprezintă numărul de încercări. Să se determine legea v.a. X.
(c) Să se determine probabilitatea de a nu avea nici o dublă în primele 5 aruncări (i.e.
P (X > 5)).
Exercit, iul 2.148 Fie X ∼ G (p) . Să se calculeze media E (X) folosind formula (2.27)
adică să se calculeze media E (X) folosind doar funct, ia de repartit, ie dată de (2.61).
r−1 r k−r
Evident, Ck−1 p q ≥ 0, pentru orice k ∈ N∗ cu k ≥ r. Pentru a arăta că suma
probabilităt, ilor este 1 folosim dezvoltarea binomială cu exponent negativ88
(ceea ce justifică s, i numele distribut, iei):
1 r r (r + 1) 2
r =1+ x+ x + ...
(1 − x) 1! 2!
r (r + 1) (r + 2) · · · (r + n − 1) n
+ x + ...
n!
r−1 r−1 2 r−1 2
(2.62) = Cr−1 + Crr−1 x + Cr+1 x + Cr+2 x + ...
r−1
+ Cr+n−1 xn + . . .
X∞
= r−1 k−r
Ck−1 x , pentru orice |x| < 1 s, i orice r ∈ N∗ .
k=r
88 Dezvoltarea binomială (generalizare a binomului lui Newton):
α α (α − 1) 2 α (α − 1) (α − 2) . . . (α − n + 1) n
(1 + x)α = 1 + x+ x + ... + x + ... ,
1! 2! n!
pentru orice |x| < 1 s, i pentru orice α ∈ R \ N.
2.3. Variabile aleatoare discrete cu un număr infinit de valori 181
Obt, inem
X∞ X∞
r−1 r k−r
X∞
r−1 k−r pr
pk = Ck−1 p q = pr Ck−1 q = r = 1.
k=r k=r k=r (1 − q)
Remarca 2.151 Are loc următoarea legătură dintre v.a. distribuite binomial s, i
cele distribuite binomial cu exponent negativ.
Astfel, fie Sn ∼ NegB (n, p) s, i Nk ∼ B (k, p). Atunci, are loc următoarea
egalitate între evenimente90
Într-adevăr,
FX (n) = 1 − FY (r − 1) ,
deoarece P (Y ≥ r) = 1 − P (Y < r) = 1 − P (Y ≤ r − 1) .
Propozit, ia 2.152 Media s, i dispersia unei v.a. X ∼ NegB (r, p) distribuite binomial,
cu exponent negativ, sunt date de
1 q
E (X) = r · s, i D2 (X) = r · .
p p2
xr X∞
r = C r−1 xk
(1 − x) k=r k−1
obt, inem
0 r r−1
xr rxr−1 (1 − x) + rxr (1 − x)
X∞
r−1 k−1
kCk−1 x = r = 2r
k=r (1 − x) (1 − x)
r−1
rx
= r+1 ,
(1 − x)
deci
X∞ X∞
r−1 r k−r
E (X) = kpk = kCk−1 p q
k=r k=r
X∞ rq r−1 r
= pr q −(r−1) r−1 k−1
kCk−1 q = pr q −(r−1) r+1 = .
k=r (1 − q) p
2.3. Variabile aleatoare discrete cu un număr infinit de valori 183
Remarca 2.153 Dacă X ∼ NegB (r, p) este, conform Remarcii 2.149, numărul
total de încercări până la aparit, ia Succesului de ordin r (sau a primelor r Suc-
cese), atunci putem vedea X ca fiind o sumă de r v.a. (Xi )i=1,r independente
definite astfel: X1 reprezintă numărul de încercări efecuate până la aparit, ia
primului Succes s, i, pentru i ≥ 2, v.a. Xi reprezintă numărul de încercări91
efectuate după aparit, ia Succesului de ordin (i − 1) până la aparit, ia Succesului
de ordin i.
În definit, iile de mai sus (Xi )i=1,r reprezintă r v.a. independente distribuite
geometric de acelas, i parametru p, i.e. Xi ∼ G (p) , deci
i.e.
Xr
X = X1 + X2 + . . . + Xr = Xi ∼ NegB (r, p) .
i=0
1 q
În plus, s, tim că E (Xi ) = iar D2 (Xi ) = 2 , deci este foarte us, or să obt, inem
p p
s, i să ret, inem media s, i dispersia unei v.a. distribuite binomial cu exponent
negativ NegB (r, p) :
Xr Xr Xr 1 1
(2.64) E (X) = E Xi = E (Xi ) = =r·
i=1 i=1 i=1 p p
s, i
Xr Xr Xr q q
(2.65) D2 (X) = D2 Xi = D2 (Xi ) = =r· 2.
i=1 i=1 i=1 p2 p
Legătura precedentă dintre o v.a. distribuită binomial cu exponent negativ
s, i o sumă de v.a. distribuite geometric poate fi demonstrată s, i formal.
91 Astfel, X1 reprezintă, vezi Nota 86, timpul scurs până aparit, ia primului Succes iar Xi reprezintă,
pentru i ∈ N∗ , timpul scurs de la aparit, ia Succesului de ordin (i − 1) până la aparit, ia Succesului
de ordin i (sau timpul de as, teptare dintre doua Succese succesive).
Vezi s, i definit, iile alternative (2.66) s, i (2.67) ale unei v.a. de tip NegB (r, p) precum s, i definit, ia
alternativă (2.68) a lui Xi .
Vezi s, i definit, iile similare, din cazul continuu, date de Remarca 3.125 s, i de Exercit, iul 3.6.32.
184 2. Variabile aleatoare discrete
Propozit, ia 2.154 Suma a două v.a. independente care urmează o distribuit, ie de tip
geometric este o v.a care urmează o distribuit, ie de tip negativ binomial. Mai precis92 ,
X1 , X2 ∼ G (p) independente ⇒ X1 + X2 ∼ NegB (2, p) .
Demonstrat, ie. Valorile pe care le poate lua suma X1 + X2 sunt k ∈ {2, 3, . . .} ,
deoarece X1 (Ω) = X2 (Ω) = N∗ . Atunci,
Xk−1
P (X1 + X2 = k) = P (X1 = i) · P (X2 = k − i)
i=1
Xk−1
= pq i−1 · pq k−i−1
i=1
Xk−1
= p2 q k−2
i=1
= (k − 1) p2 q k−2
2−1 2 k−2
= Ck−1 p q , pentru orice k ≥ 2,
adică X1 + X2 ∼ NegB (2, p) .
Exercit, iul 2.155 Un arcas, trage asupra unei t, inte. Probabilitatea de a atinge t, inta
este de 2/3. Să se determine tabloul v.a. X care are drept valori numărul de încercări
înregistrate până când t, inta este atinsă de trei ori.
Să se determine s, i tabloul v.a. Y care are drept valori numărul de es, ecuri până la
primele trei nimeriri ale t, intei (vezi s, i Remarca 2.142).
Pentru rezolvare se poate folosi semnificat, ia distribut, iei s, i tipul de calcul dat de
Remarca 2.149 sau tipul de calcul dat de Propozit, ia 2.154.
Propozit, ia 2.156 Suma a două v.a. independente care urmează o distribuit, ie de tip
negativ binomial este o v.a care urmează o distribuit, ie tot de tip negativ binomial. Mai
precis93 ,
Xi ∼ NegB (ri , p) , i = 1, 2, indep. ⇒ X1 + X2 ∼ NegB (r1 + r2 , p) .
Folosind Propozit, ia 2.156 obt, inem:
Propozit, ia 2.157 Dacă Xi ∼ NegB (r, p), pentru i = 1, n, sunt v.a. independente,
atunci
not
Sn == X1 + X2 + . . . + Xn ∼ NegB (nr, p) .
92 Acest rezultat se poate demonstra s, i cu ajutorul funct, iei caracteristice (vezi Exercit, iul 4.2.14).
93 Acest rezultat se poate demonstra s, i cu ajutorul funct, iei caracteristice (vezi Exercit, iul 4.2.15).
2.4. Exerciţii rezolvate 185
Rezolvare:
Vom lucra pe spat, iul de probabilitate (Ω, P (Ω) , P) , unde
deoarece
P (X = 1) = P (1, 1) = 1/36,
P (X = 2) = P (1, 2) , (2, 1) , (2, 2) = 3/36,
P (X = 3) = P (1, 3) , (2, 3) , (3, 3) , (3, 1) , (3, 2) = 5/36
s, .a.m.d..
Obt, inem94
X6 2k − 1 1 X6 1 X6 161
E (X) = k· = k2 − k= .
k=1 36 18 k=1 36 k=1 36
94 Sunt utile formulele:
Pn n(n+1)
k=1 k = 1 + 2 + . . . + n = 2
,
Pn n(n+1)(2n+1)
k=1 k2 = 12 + 22 + . . . + n2 = 6
,
Pn n(n+1) 2
k=1 k3 = 13 + 23 + . . . + n3 = 2
, oricare ar fi n ∈ N∗ .
186 2. Variabile aleatoare discrete
Apoi
X6 2k − 1 1 X6 1 X6 791
E X2 = k2 · = k3 − k2 = .
k=1 36 18 k=1 36 k=1 36
Dispersia este
2
2 791 161 2555
D2 (X) = E X 2 − (E (X)) =
− = .
36 36 1296
2.4.2 Dintr-o urnă se extrage o bilă albă cu probabilitatea p. Se fac două ex-
trageri punându-se bila înapoi după extragere. Fie X, Y v.a. ce reprezintă
numărul de bile albe obt, inute la prima extragere, respectiv la a doua extragere.
Să se scrie tabloul de repartit, ie al v.a. X, Y, X +Y, XY s, i apoi X 2 , X 3 , 5X, X −2.
Să se determine s, i media s, i dispersia v.a. obt, inute.
Rezolvare:
Avem că
0 1 0 1
X: , Y : , unde q = 1 − p,
q p q p
adică X, Y sunt două v.a. de tip Bernoulli, mai precis, X, Y ∼ Bernoulli (p) .
Deci
0+0 0+1 1+0 1+1 0 1 2
X +Y : = ,
q2 pq pq p2 q2 2pq p2
deoarece
P (X + Y = 0) = P (X = 0, Y = 0) = P (X = 0) P (Y = 0) = q 2 ,
P (X + Y = 1) = P {X = 0, Y = 1} ∪ {X = 1, Y = 0}
= P (X = 0) P (Y = 1) + P (X = 1) P (Y = 0)
= pq + pq = 2pq,
P (X + Y = 2) = P (X = 1, Y = 1) = P (X = 1) P (Y = 1) = p2 .
2.4. Exerciţii rezolvate 187
Similar
0·0 0·1 1·0 1·1 0 1
X ·Y : = ,
q2 pq pq p2 q 2 + 2pq p2
deoarece
P (XY = 0) = P {X = 0, Y = 0} ∪ {X = 0, Y = 1} ∪ {X = 1, Y = 0}
= P (X = 0) P (Y = 0) + P (X = 0) P (Y = 1)
+ P (X = 1) P (Y = 0)
= q 2 + 2pq,
P (XY = 1) = P (X = 1, Y = 1) = P (X = 1) P (Y = 1) = p2 .
În final
0·0 1·1 0 1
X2 = X · X : = ,
q p q p
deoarece
P X 2 = 0 = P (X = 0) = q,
P X 2 = 1 = P (X = 1) = p.
E (X) = E (Y ) = 0 · q + 1 · p = p,
Rezolvare:
Dacă X ∼ Bernoulli (1/3), atunci
P (Y = 1) = P (X = 0) = 2/3,
P (Y = 0) = P (X = 1) = 1/3,
188 2. Variabile aleatoare discrete
Rezolvare:
Să calculăm
P (Y = 1) = P ({X = −1} ∪ {X = 1}) = P (X = −1) + P (X = 1) = 3/4
P (Y = 0) = P (X = 0) = 1/4,
ceea ce înseamnă că Y ∼ Bernoulli (3/4) .
Similar se obt, ine Z ∼ Bernoulli (3/4) .
Prin urmare, am obt, inut două v.a. cu acelas, i tablou de repartit, ie, adică
identic distribuite.
Dar, evident, cele două v.a. nu sunt independente.
2.4.5 Fie X o v.a. discretă dată de: P (X = −2) = 1/6, P (X = 0) = 1/3,
P (X = 2) = a.
(a) Să se determine a s, i să se determine tipul de distribut, ie al v.a. Y = X 2 /4 s, i
Z = |X| /2.
(b) Să se calculeze dispersia s, i deviat, ia standard a v.a. 2 − 3X.
2.4.6 Se dau trei urne. Prima cont, ine o bilă albă s, i una neagră, a doua cont, ine
două bile albe s, i s, apte negre iar a treia cont, ine o bilă albă s, i trei negre. Din
fiecare urnă se extrage câte o bilă.
Se cere media s, i dispersia v.a. care are drept valori numărul de bile albe
apărute în cele trei extrageri.
Rezolvare:
V.a. Xi desemnează numărul de bile albe obt, inute la extragerea din urna
i = 1, 3 s, i au tablourile
0 1 0 1 0 1
X1 : , X2 : , X3 : .
1/2 1/2 7/9 2/9 3/4 1/4
2.4. Exerciţii rezolvate 189
Mediile sunt
iar dispersiile
2
D2 (X1 ) = 12 · 1/2 − (1/2) = 1/4,
2
D2 (X2 ) = 12 · 2/9 − (2/9) = 14/81,
2
D2 (X3 ) = 12 · 1/4 − (1/4) = 3/16.
Atunci, numărul total de bile albe apărute în cele trei extrageri defines, te v.a.
X = X1 + X2 + X3 .
Obt, inem
2.4.7 Se dau trei urne. Prima cont, ine o bilă albă s, i una neagră, a doua cont, ine
două bile albe s, i s, apte negre iar a treia cont, ine o bilă albă s, i trei negre. Din
prima urnă se extrage o bilă s, i se introduce în cea de a doua urnă. Apoi se
extrage o bilă din a doua urnă s, i se introduce în cea de a treia. La sfârs, it se
extrage o bilă din a treia urnă.
Se cere media s, i dispersia v.a. care are drept valori numărul de bile albe
apărute în cele trei extrageri.
Rezolvare:
V.a. Xi desemnează numărul de bile albe obt, inute la extragerea din urna
i = 1, 3. V.a. X1 , X2 s, i X3 nu sunt independente. Numărul total de bile albe
apărute în cele trei extrageri defines, te v.a. X = X1 + X2 + X3 .
0 1
Tabloul v.a. X1 este dat de X1 : .
1/2 1/2
190 2. Variabile aleatoare discrete
Pentru
a determina
X2 folosim formula (1.14) a probabilităt, ii totale. Atunci,
0 1
X2 : deoarece
3/4 1/4
deoarece
P (X = 0) = P (X1 = 0, X2 = 0, X3 = 0)
2.4. Exerciţii rezolvate 191
P (X = 1) = P({X1 = 1, X2 = X3 = 0} ∪ {X1 = X3 = 0, X2 = 1}
∪ {X1 = X2 = 0, X3 = 1})
= P (X1 = 1) · P (X2 = 0|X1 = 1) · P (X3 = 0|X1 = 1, X2 = 0)
+ P (X1 = 0) · P (X2 = 1|X1 = 0) · P (X3 = 0|X1 = 0, X2 = 1)
+ P (X1 = 0) · P (X2 = 0|X1 = 0) · P (X3 = 1|X1 = 0, X2 = 0)
1 7 4 1 2 3 1 8 1 21
= · · + · · + · · =
2 10 5 2 10 5 2 10 5 50
s, i
P (X = 2) = P({X1 = X2 = 1, X3 = 0} ∪ {X1 = X3 = 1, X2 = 0}
∪ {X2 = X3 = 1, X1 = 0})
= P (X1 = 1) · P (X2 = 1|X1 = 1) · P (X3 = 0|X1 = 1, X2 = 1)
+ P (X1 = 1) · P (X2 = 0|X1 = 1) · P (X3 = 1|X1 = 1, X2 = 0)
+ P (X1 = 0) · P (X2 = 1|X1 = 0) · P (X3 = 1|X1 = 0, X2 = 1)
1 3 3 1 7 1 1 2 2 1
= · · + · · + · · =
2 10 5 2 10 5 2 10 5 5
s, i
P (X = 3) = P (X1 = 1, X2 = 1, X3 = 1)
= P (X1 = 1) · P (X2 = 1|X1 = 1) · P (X3 = 1|X1 = 1, X2 = 1)
1 3 2 3
= · · = .
2 10 5 50
Rezolvare:
Media E (Xi ) = 0 · 1/4 + 1 · 1/2 + 2 · 1/4 = 1 iar E Xi2 = 02 · 1/4 + 12 · 1/2 +
22 · 1/4 = 3/2, deci D2 (Xi ) = 3/2 − 1 = 1/2.
Pn
Media E (Sn ) = i=1PE (Xi ) = n s, i, deoarece v.a. Xi sunt independente,
n
dispersia este D2 (Sn ) = i=1 D2 (Xi ) = n/2.
2.4.9 V.a. X desemnează numărul de produse cumpărate de cineva dintr-un
magazin. Avem următoarele date
P (0 ≤ X ≤ 1) = 8/12, P (1 ≤ X ≤ 2) = 7/12,
P (0 ≤ X < 3) = 10/12, P (X = 3) = P (X ≥ 4) .
2
(a) Să se determine tabloul de repartit, ie al v.a. X s, i 2 − X s, i (2 − X) .
1
(b) Să se scrie formula de calcul pentru media E 3X−2 s, i apoi pentru dispersia
D2 (3X − 2) .
(c) Să se scrie s, i funct, ia de repartit, ie FX .
Rezolvare:
Avem
P (0 ≤ X ≤ 1) = P (X = 0) + P (X = 1) = 8/12
P (1 ≤ X ≤ 2) = P (X = 1) + P (X = 2) = 7/12
P (0 ≤ X < 3) = P (X = 0) + P (X = 1) + P (X = 2) = 10/12.
= P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X ≥ 4)
3 5 2
= + + + 2P (X = 3) ,
12 12 12
deci P (X = 3) = P (X ≥ 4) = 1/12.
2.4. Exerciţii rezolvate 193
2.4.10 O urnă cont, ine 12 bile negre, 6 albe s, i 4 verzi. Să presupunem că vom
câs, tiga 2 e pentru fiecare bilă verde aleasă s, i vom pierde 1 e pentru fiecare bilă
neagră aleasă.
(a) Să se determine tabloul v.a. X1 care desemnează câs, tigul nostru (euro
câs, tigat, i sau pierdut, i la final) după extragerea unei bile.
(b) Să se determine tabloul v.a. Y care desemnează câs, tigul nostru după ex-
tragerea a două bile (cu revenirea în urnă), precum s, i valoarea as, teptată a
câs, tigului nostru.
(c) Să se determine s, i distribut, ia v.a. |Y | precum s, i valoarea as, teptată a v.a. |Y |
s, i deviat, ia standard a v.a. 3 − 2Y.
Rezolvare:
Se determină direct sau se observă că Y = X1 + X2 .
2.4.11 Fie X o v.a. discretă dată de
−3 −2 −1 0 1 2
X: .
a 5/32 b 5/16 c 1/32
Se s, tie că E (X) = −1/2 s, i că D2 (X) = 5/4. Să se determine a, b, c s, i să se
calculeze D2 (3 − 2X) .
Rezolvare:
P2
Deoarece k=−3 P (X = k) = 1, E (X) = −1/2 s, i E X 2 = D2 (X) +
2
(E (X)) = 5/4 + 1/4 = 3/2, obt, inem
5 5 1
a+ +b+ +c+ =1
32 16 32
5 5 1 1
−3a − 2 · −b+0· +c+2· =−
32 16 32 2
(−3)2 a + (−2)2 · 5 + (−1)2 b + 02 · 5 + c + 22 · 1 = 3
32 16 32 2
sau echivalent
1
a+b+c=
2
1
−3a − b + c = −
4
9a + b + c = .
3
4
194 2. Variabile aleatoare discrete
= 4D2 (X) = 5.
−3 −2 −1 0 1
2.4.12 Fie X o v.a. discretă dată de X : .
a 6/32 b 1/4 c
(a) Se s, tie că E (X) = −13/16 s, i că E X 2 = 33/16. Să se determine a, b, c.
(b) Să se scrie s, i să se justifice tabloul v.a. X 2 , X + 3 s, i să se calculeze media
1
E 2+3X s, i dispersia D2 (2 + 3X) .
(c) Să se determine s, i funct, ia de repartit, ie FX .
−2 −1 0 1
2.4.13 Fie X o v.a. discretă dată de X : . Se s, tie că
a b 1/4 c
media lui X este −5/8 iar dispersia este 47/64.
(a) Să se determine a, b, c. Să se determine apoi s, i să se justifice tabloul v.a. X 2 ,
X + 3.
1
(b) Se calculeze media lui 2+3X s, i dispersia lui 2X − 3X 2 .
(c) Să se determine s, i funct, ia de repartit, ie FX .
1 + a, x < 0,
2b, x ∈ [0, 2),
2.4.14 Fie funct, ia F : R → R dată de F (x) =
c + b, x ∈ [2, 3),
d, x ≥ 3.
(a) Să se precizeze restrict, iile pentru a, b, c, d astfel încât F să fie o funct, ie de
repartit, ie.
(b) Fie X o v.a. astfel încât F este funct, ia ei de repartit, ie. Să se determine
a, b, c, d dacă se s, tie că P (X ≥ 2.5) = 0.45 s, i P(−1 ≤ X ≤ 1.5) = 0.50.
2.4. Exerciţii rezolvate 195
P (X = 2) = F (2) − F (2 − 0) = 0.05,
P (X = 3) = F (3) − F (3 − 0) = 0.45.
Evident, P (X = α) = 0, pentru orice α 6= 0, 2, 3 iar tabloul v.a. X este dat de
0 2 3
X: .
0.50 0.05 0.45
(a) Să se determine a, b s, i apoi probabilitatea ca la acea coadă să fie trei per-
soane, precum s, i P (3 ≤ X ≤ 6) s, i P (X ≥ 5) .
(b) Să se determine s, i legea v.a. X.
196 2. Variabile aleatoare discrete
2
Să se determine minimul funct, iei R 3 a 7→ E (X − a) .
xn − x1
D (X) ≤ .
2
Rezolvare:
2
Să definim funct, ia f (a) = E (X − a) , a ∈ R. Pentru a găsi minimul
funct, iei f calculăm
Xn 0 Xn
2
f 0 (a) = pk (xk − a) = −2 pk (xk − a) ,
k=1 a k=1
Xn
f 00 (a) = 2 pk = 2
k=1
2
dispersia D2 (X) este valoarea minimă a funct, iei f (a) = E (X − a)
.
2 2 def 2
E (X − a) ≥ E (X − E (X)) == D (X) , pentru orice a ∈ R.
95 Rezultatul este adevărat s, i în cazul v.a. continue; vezi Exercit, iul 3.64.
2.4. Exerciţii rezolvate 197
2
x1 + xn 2
D2 (X) = E (X − E(X))
≤E X−
2
Xn x 1 + x n 2 Xn x1 + xn 2
= p k xk − ≤ pk xn −
k=1 2 k=1 2
x − x 2
n 1
= ,
2
deoarece, pentru k = 1, n,
x1 + xn x1 + xn
xk − ≤ xn − .
2 2
xn − x1
Prin urmare, obt, inem D (X) ≤ .
2
2.4.17 (vezi Problema concordant, elor) La o petrecere n persoane îs, i lasă pălări-
ile la garderobă. La plecare fiecare persoană ia câte o pălărie, la întâmplare. Să
se determine media s, i dispersia v.a. X care reprezintă numărul persoanelor
care îs, i aleg propria lor pălărie.
Rezolvare:
Să definim v.a. Xi ca fiind v.a. care ia valoarea 1 dacă persoana i îs, i alege
propria pălărie sau 0 dacă nu îs, i alege propria pălărie, unde i = 1, n.
Prin urmare, suma v.a. Xi reprezintă numărul tuturor persoanelor care îs, i
aleg propria lor pălărie, i.e.
X = X1 + X2 + . . . + Xn .
Evident, v.a. (Xi )i nu sunt v.a. independente (deoarece succesul unei persoane
influent, ează succesul sau es, ecul următoarei persoane care alege).
În notat, iile standard de la Problema concordant, elor,
(n − 1)! 1
P (Xi = 1) = P (Ai ) = = , i = 1, n,
n! n
deci
1
P (Xi = 0) = P Āi = 1 − , i = 1, n.
n
198 2. Variabile aleatoare discrete
Obt, inem
0 1
Xi : , i = 1, n,
1 − 1/n 1/n
deci
1 1 1
E (Xi ) = s, i D2 (Xi ) = 1−
n n n
s, i apoi
Xn Xn Xn 1
E (X) = E Xi = E (Xi ) = = 1.
i=1 i=1 i=1 n
În ceea ce proves, te dispersia, folosim formula (2.38), deoarece v.a. nu sunt
independente:
Xn Xn Xn
D2 (X) = D2 Xi = D2 (Xi ) + 2 i,j=1 Cov (Xi , Xj ) .
i=1 i=1 i<j
Acum să determinăm tabloul v.a. Xi · Xj . Deoarece (Xi · Xj ) (Ω) = {0, 1} iar
(n − 2)!
P (Xi · Xj = 1) = P (Ai ∩ Aj ) = , 1 ≤ i < j ≤ n,
n!
obt, inem
0 1
Xi · Xj : , 1 ≤ i < j ≤ n.
1 − (n − 2)!/n! (n − 2)!/n!
Astfel,
Xn 1 1 Xn 1
D2 (X) = 1− +2 i,j=1 2
i=1 n n i<j n (n − 1)
2.4. Exerciţii rezolvate 199
1 1 1
=n 1− + 2Cn2
n n n2 (n − 1)
n−1 n! 1
= +2
n 2! (n − 2)! n2 (n − 1)
= 1.
Rezolvare:
Avem
[n Xn
P (X = Y ) = P {X = k, Y = k} = P (X = k, Y = k)
k=1 k=1
Xn Xn 1 1
= P (X = k) P (Y = k) =
k=1 k=1 nn
1
=
n
iar
[n
P (X ≤ Y ) = P {X ≤ Y, X = k}
k=1
[n
=P X = k, Y ∈ {k, k + 1, . . . , n}
k=1
Xn
= P (X = k, Y ∈ {k, k + 1, . . . , n})
k=1
Xn Xn
= P (X = k) P (Y = j)
k=1 j=k
1 Xn Xn 1 Xn
= 2 1= 2 (n − k + 1)
n k=1 j=k n k=1
1 n (n + 1)
= 2 n2 − +n
n 2
n+1
= .
2n
Cnk1 · Cnm−k
2
= .
Cnm1 +n2
Prin urmare, dacă m = 0, n1 + n2 este arbitrar fixat, în condit, iile în care s, tim că
a avut loc evenimentul {X + Y = m}, i.e. s, tim că v.a. X + Y a luat valoarea m,
obt, inem că v.a. (condit, ionată) X este distribuită hipergeometric de parametri
n1 , n2 s, i m.
2.4.20 Presupunem că probabilitatea unei mas, ini de a funct, iona este de 0.8.
Într-un atelier se află cinci mas, ini. Să se scrie tabloul de repartit, ie s, i funct, ia de
repartit, ie a v.a. X care reprezintă numărul de mas, ini care funct, ionează la un
moment dat. Să se determine s, i media v.a. X.
Rezolvare:
Probabilitatea pk ca să lucreze k mas, ini, 0 ≤ k ≤ 5, este, conform schemei
k 5−k
binomiale, pk = C5k (0.8) (0.2) . Deci, dacă scriem sub forma unui tablou,
atunci v.a. este dată de
0 1 2 3 4 5
X:
0.0003 0.0064 0.0512 0.2048 0.4096 0.3277
96 Vezi s, i Exercit, iul 2.4.26 s, i Exercit, iul 2.4.38.
2.4. Exerciţii rezolvate 201
deoarece
4
P (X = 1) = C51 (0.8) (0.2) = 0.0064,
2 3 2 3
P (X = 2) = C52 (0.8) (0.2) = 10 (0.8) (0.2) = 0.0512
s, .a.m.d..
Obt, inem E (X) = 0 · 0.0003 + 1 · 0.0064 + 2 · 0.0512 + . . . = 4.
Evident, putem să observăm direct că X este distribuită binomial, i.e. X ∼
B (n, p) , unde n = 5 s, i p = 0.8, adică
k
X: , unde p = 0.8, q = 0.2.
C5k pk q 5−k
k=0,5
E (X) = np = 5 · 0.8 = 4
2.4.23 O urnă cont, ine 10 bile albe s, i 4 bile negre. Dacă din această urnă se fac
6 extrageri fără revenire să se determine:
(a) V.a. care are drept valori numărul de bile albe extrase s, i apoi funct, ia de
repartit, ie asociată.
(b) Să se deducă apoi valoarea sumei de tipul j Cnj Cm
k−j
P
.
2.4.24 Dintr-o urnă cu 5 bile albe s, i 3 bile negre se extrag simultan 4 bile. Fie
X v.a. care are drept valori numărul de bile negre obt, inute.
(a) Să se scrie spat, iul de probabilitate care modelează experient, a aleatoare s, i
să se determine legea v.a. X. Să se scrie P (X = k) s, i să se calculeze E (X) .
(b) Să se scrie s, i sistemul complet de evenimente asociate experient, ei aleatoare
de mai sus s, i să se deducă apoi identitatea asociată.
2.4.25 O urnă cont, ine 12 bile negre, 6 albe s, i 4 verzi. Să presupunem că vom
câs, tiga 2 e pentru fiecare bilă verde aleasă s, i vom pierde 1 e pentru fiecare bilă
neagră aleasă.
(a) Să se determine tabloul v.a. X1 care desemnează câs, tigul nostru (euro
câs, tigat, i sau pierdut, i la final) după extragerea unei bile.
(b) Să se determine tabloul v.a. Y care desemnează câs, tigul nostru (euro câs, tigat, i
sau pierdut, i la final) după extragerea simultană a două bile, precum s, i valoarea
as, teptată a câs, tigului nostru.
(c) Să se determine s, i distribut, ia v.a. |Y | precum s, i valoarea as, teptată a v.a. |Y |
s, i deviat, ia standard a v.a. 3 − 2Y.
Rezolvare:
97 Vezi s, i Exercit, iul 5.5.16 s, i Exemplul 5.69.
2.4. Exerciţii rezolvate 203
P ({X = k} ∩ {X + Y = n})
P (X = k|X + Y = n) =
P (X + Y = n)
P ({X = k} ∩ {Y = n − k})
=
P (X + Y = n)
P (X = k) · P (Y = n − k)
=
P (X + Y = n)
λk −λ1 λn−k
k! e
1
· (n−k)!
2
e−λ2
= (λ1 +λ2 ) n
n! e−(λ1 +λ2 )
λ1 k λ2 n−k
= Cnk .
λ1 + λ2 λ1 + λ2
Prin urmare, dacă n ∈ N∗ este arbitrar fixat, în condit, iile în care s, tim că a avut
loc evenimentul {X + Y = n}, i.e. s, tim că v.a. X +Y a luat valoarea n, obt, inem
că v.a. (condit, ionată) X este distribuită binomial de parametri n s, i p = λ1λ+λ
1
2
.
2.4.27 Fie v.a. X ∼ P (λ) . Să definim v.a. Y prin Y = 0, dacă X este par s, i
X +1
Y = , dacă X este impar. Să se scrie tabloul de repartit, ie al v.a. Y .
2
Rezolvare:
Avem
X∞
P (Y = 0) = P (X este par) = k=0 P (X = k)
k par
X∞ X∞ λ2i −λ
= P (X = 2i) = e .
i=0 i=0 (2i)!
Pentru k ≥ 1,
λ2k−1 −λ
P (Y = k) = P (X = 2k − 1) = e .
(2k − 1)!
P∞
Se verifică s, i condit, ia k=0 P (Y = k) = 1:
X∞ X∞
P (Y = k) = P (Y = 0) + P (Y = k)
k=0 k=1
2i
X∞ λ X∞ λ2k−1 −λ
= e−λ + e
i=0 (2i)! k=1 (2k − 1)!
X∞ λj
= e−λ = 1.
j=0 j!
X
2.4.28 Fie v.a. X ∼ P (λ) . Să definim v.a. Y prin Y = , dacă X este par s, i
2
1−X
Y = , dacă X este impar. Să se scrie tabloul de repartit, ie al v.a. Y .
2
Rezolvare:
Fie k ∈ N∗ . Dacă X = 2k, atunci Y = k, iar dacă X = 2k + 1, atunci Y = −k,
Deci, pentru orice k ∈ N∗ ,
λ2k −λ
P (Y = k) = P (X = 2k) = e
(2k)!
s, i
λ2k+1 −λ
P (Y = −k) = P (X = 2k + 1) = e
(2k + 1)!
iar
λ −λ
P (Y = 0) = P (X = 0) + P (X = 1) = e−λ + e = (1 + λ) e−λ .
1!
P
Se verifică s, i faptul că k∈Z P (Y = k) = 1, deoarece
X X∞ X∞
P (Y = k) = P (Y = 0) + P (Y = −k) + P (Y = k)
k∈Z k=1 k=1
2.4. Exerciţii rezolvate 205
X∞ λ2k+1 −λ X∞ λ2k −λ
= (1 + λ) e−λ + e + e
k=1 (2k + 1)! k=1 (2k)!
X∞ λj
= (1 + λ) e−λ + e−λ
j=2 j!
∞ λj
X
λ
= (1 + λ) e−λ + e−λ −1− = 1.
j=0 j! 1!
2.4.29 Doi student, i au dat examenul scris la disciplina P&S. V.a. X s, i Y de-
semnează numărul de gres, eli făcute de primul s, i respectiv al doilea student s, i
presupunem că X s, i Y sunt distribuite Poisson (de parametri λ s, i respectiv µ)
s, i că sunt independente între ele.
(a) Să se scrie tabloul vectorului aleator (X, Y ) . Să se determine parametrii
distribut, iilor Poisson s, tiind că numărul mediu de gres, eli ale primului stu-
dent este 7 iar pentru cel de-al doilea este 9. Să se arate că media s, i dispersia
numărului de gres, eli pe care le face primul student sunt egale între ele.
(b) Să se determine tipul distribut, iei99 pe care îl urmează numărul total de erori
făcute de cei doi student, i la examen. Care este probabilitatea ca cel mult o
eroare să fie făcută de cei doi student, i împreună.
Rezolvare:
(a) Se calculează E (X) , D2 (X) ;
(b) Se arată că X + Y ∼ P (λ + µ) ; se determină apoi P (X + Y ≤ 1) .
2.4.30 Fie v.a. X ∼ P (λ) . Fie f : R → R o funct, ie măsurabilă s, i mărginită. Să
se arate că
E (X · f (X)) = λE (f (X + 1)) .
Rezolvare:
Suntem în condit, iile Teoremei 2.128, deci există media
X∞
E (X · f (X)) = k f (k) · P (X = k)
k=0
X∞ λk X∞ λk −λ
= f (k) · e−λ = λ f (k + 1) e
k=1 (k − 1)! k=0 k!
X∞
=λ f (k + 1) · P (X = k)
k=0
99 Pentru o demonstrat, ie alternativă vezi Exercit, iul 4.2.13.
206 2. Variabile aleatoare discrete
= λE (f (X + 1)) .
Rezolvare:
Avem
X∞ λi
P (X ≥ k) = e−λ
i=k i!
λk −λ λ2
λ
= e 1+ + + ...
k! k + 1 (k + 1) (k + 2)
!
λk −λ λ λ2 λk −λ X∞ λi
< e 1+ + 2 + ... = e
k! k + 1 (k + 1) k! i=0 (k + 1)i
λk −λ 1 k+1
= e λ
= P (X = k) .
k! 1 − k+1 k + 1−λ
λ
Deoarece k+1−λ < 1, obt, inem s, i
P (X > k) = P (X ≥ k) − P (X = k)
k+1
< P (X = k) − P (X = k)
k+1−λ
λ
= P (X = k) < P (X = k) .
k+1−λ
(c) Să se determine tabloul v.a. care are drept valori numărul de trageri înre-
gistrate până când t, inta este atinsă de două ori.
Rezolvare:
(a) Dacă numărăm încercările până la primul succes, atunci v.a. este distribuită
geometric cu tabloul
1 2 3 ... k ...
X:
1
2 k−1 .
12 1 2 1 2
... ...
3 33 3 3 3 3
Pentru a calcula media s, i dispersia acesteia folosim formulele (2.60) (sunt utile
s, i diversele serii de puteri de la pagina 178):
k−1
X∞ 2 1 1
E (X) = k = = 3,
k=1 3 3 p
k−1
2
X∞
2 2 1 q
D (X) = k − 32 = 2 = 6.
k=1 3 3 p
2.4.34 O urnă cont, ine a bile albe s, i b bile negre. Se extrag bile din urnă (punând
după fiecare extragere bila înapoi). Fie Yi v.a. care drept valori numărul de bile
albe obt, inute la extragerea i ∈ N∗ s, i fie100
Nk = Y1 + Y2 + . . . + Yk
(2.66) S1 = inf {k ∈ N∗ : Nk = 1} .
{S1 ≤ k} = {Nk ≥ 1} .
Să se determine funct, ia de repartit, ie asociată v.a. S1 s, i apoi să se deducă, din
nou, tabloul v.a. S1 .
(c) Să se calculeze E (Yi ) , D2 (Yi ) s, i să se arată că
a ab
E (Nk ) = k , D2 (Nk ) = k 2
a+b (a + b)
s, i
a+b b(a + b)
E (S1 ) = , D2 (S1 ) = .
a a2
100 Familia de v.a. (Nk )k∈N∗ se va numi proces stochastic Bernoulli de parametru p.
101 Astfel, putem spune că S1 este numărul de extrageri necesare până la prima aparit, ie a Suc-
cesului (definit ca fiind evenimentul obt, inerii unei bile albe) sau că S1 este rangul extragerii la
care se obt, ine pentru prima dată Succesul sau că S1 este momentul primei aparit, ii a Succesului
sau că S1 este timpul de as, teptare până la aparit, ia primului Succes într-un s, ir de încercări in-
dependente de tip Bernoulli, cu probabilitatea p de obt, inere a Succesului; vezi s, i Remarca 2.153.
Se va arăta că S1 urmează distribut, ia geometrică de parametru p.
Aceasta este o metodă de a genera v.a. distribuite geometric folosind v.a. distribuite Bernoulli.
Putem defini v.a. S1 s, i în modul următor:
S1 = sup {k ∈ N∗ : Nk < 1} = sup {k ∈ N∗ : Nk = 0} .
Similar, se poate arăta că v.a. S1 + 1 urmează distribut, ia geometrică de parametru p.
2.4. Exerciţii rezolvate 209
2.4.35 O urnă cont, ine a bile albe s, i b bile negre. Se extrag bile din urnă (punând
după fiecare extragere bila înapoi). Fie Yi v.a. care drept valori numărul de bile
albe obt, inute la extragerea i ∈ N∗ s, i fie102
Nk = Y1 + Y2 + . . . + Yk
s, i104
{S2 ≤ k} = {Nk ≥ 2} .
Să se determine funct, ia de repartit, ie asociată v.a. S2 s, i apoi să se deducă, din
nou, tabloul v.a. S2 .
(c) Să se arate, folosind semnificat, ia lui Nk s, i a lui Sn , relat, ia (2.63):
{Sn ≤ k} = {Nk ≥ n} .
102 Vezi s, i definit, iile s, i notat, iile similare, din cazul continuu, date de Remarca 3.125, Remarca 3.129
precum s, i Exercit, iul 3.6.32 asociat.
103 Astfel, putem spune că S2 este numărul de extrageri necesare până la aparit, ia celui de-al
doilea Succes (definit ca fiind evenimentul obt, inerii unei bile albe) sau că S2 este rangul ex-
tragerii la care se obt, ine al doilea Succes sau că S2 este momentul celei de a doua aparit, ii a
Succesului sau că S2 este timpul de as, teptare până la a doua aparit, ie a Succesului într-un s, ir
de încercări independente de tip Bernoulli, cu probabilitatea p de obt, inere a Succesului; vezi s, i
Remarca 2.153. Similar se obt, ine s, i semnificat, ia v.a. Sn , pentru n ≥ 3.
Se va arăta că S2 urmează distribut, ia binomială de exponent negativ de parametri 2 s, i p.
Aceasta este o metodă de a genera v.a. distribuite binomial de exponent negativ folosind v.a.
distribuite Bernoulli.
Putem defini v.a. S2 s, i în modul următor:
S2 = sup {k ∈ N∗ : Nk < 2} = sup {k ∈ N∗ : Nk ≤ 1} .
Similar, se poate arăta că v.a. S2 + 1 urmează distribut, ia binomială de exponent negativ de
parametri 2 s, i p.
104 Vezi s, i Remarca 2.153 s, i Nota 91.
210 2. Variabile aleatoare discrete
iar
X∞ 2 ak a X∞ a k−1
E X2 = k k+1
= 2 k2
k=0 (1 + a) (1 + a) k=1 1+a
a
a 1+ 1+a
= 2 3 = a (1 + 2a) .
(1 + a) 1− a
1+a
Rezolvare:
În cazul în care k = 0 se obt, ine egalitatea.
Să luăm k > 0. Conform Propozit, iei 2.145,
deoarece {X = n + k} ⊂ {X > n} .
S, tim că o v.a. X ∼ G (p) reprezintă numărul de încercări (extrageri, cu
revenire, a unei bile dintr-o urnă) până când se obt, ine pentru prima dată eveni-
mentul A, cu P (A) = p dată. Egalitatea (2.69) arată că dacă A nu s-a produs
până la încercarea n, atunci numărul k de încercări rămase pentru obt, inerea
pentru prima dată a lui A are aceeas, i distribut, ie ca numărul de încercări pen-
tru obt, inerea lui A într-o distribut, ie geometrică nouă (ca s, i cum nu s-ar fi făcut
deja cele n încercări).
Astfel, spunem că distribut, ia geometrică are proprietatea de a fi „fără me-
morie”. Acest fapt este legat de jocurile de noroc, deoarece, conform egalităt, ii
obt, inute, nici o strategie bazată pe rezultatele obt, inute în trecut nu poate ajuta
jucătorul în deciziile viitoare.
2.4.40 Fie v.a. X ∼ G (p) . Să se arate că pentru orice k, n ∈ N are loc
P (X ≥ n + k|X > n) = P (X ≥ k) .
Similar
Rezolvare:
În cazul în care k > 0 avem, conform Propozit, iei 2.145,
P ({X ≥ n + k} ∩ {X > n})
P (X ≥ n + k|X > n) =
P (X > n)
P (X ≥ n + k) P (X > n + k) + P (X = n + k)
= =
P (X > n) P (X > n)
q n+k + pq n+k−1
= = P (X > k) + P (X = k)
qn
= P (X ≥ k) .
Egalităt, ile obt, inute arată, în principal, acelas, i lucru ca egalitatea (2.69): dacă
s, tim că X depăs, es, te valoarea n, atunci probabilitatea ca X să depăs, ească cu cel
put, in k unităt, i pe n este chiar probabilitatea ca X să fie cel put, in k.
De asemenea, vezi Exercit, iul 2.4.41, lipsa de memorie a unei v.a. discrete,
dată de egalitatea (2.70), implică faptul că v.a. este distribuită geometric, prin
urmare, (2.70) caracterizează distribut, ia geometrică.
2.4. Exerciţii rezolvate 213
2.4.41 Dacă X este o v.a. discretă, cu valori numere naturale nenule, care sat-
isface proprietatea P (X > n + k|X > n) = P (X > k), pentru orice k, n ∈ N,
atunci există p ∈ [0, 1] astfel încât X ∼ G (p) .
Rezolvare:
def
Să notăm cu G (n) == P (X > n), unde n ∈ N. Egalitatea dată devine
⇔ G (n + k) = G (k) G (n) ,
pentru orice k, n ∈ N.
n
Dând valori particulare se obt, ine G (n) = (G (1)) , pentru orice n ∈ N. Să
def def
notăm p == 1 − G (1) s, i q == G (1) .
Obt, inem
P (X = 1) = P (X ≤ 1) = 1 − G (1) = p,
P (X = 1) + P (X = 2) = P (X ≤ 2) = 1 − G (2)
= 1 − q 2 = p (1 + q) = p + pq.
Deci P (X = 2) = pq.
Se va obt, ine, în cazul general, P (X = k) = pq k−1 , pentru orice k ∈ N∗ ,
adică X ∼ G (p) .
Rezolvare:
Să observăm, mai întâi, că, pentru orice k ∈ N∗ ,
{Y = k} = {X ≤ m, m = k} ∪ {X ≥ m, X = k} .
P (Y = k) = 0 + P (X = k) = pq k−1 ,
P (Y = k) = P (X ≤ m) = 1 − q m .
Avem
X∞
P (Y = k) = 1 − q m + pq m + pq m+1 + pq m+2 + . . .
k=m
= (1 − q) 1 + q + . . . + q m−1 + pq m + pq m+1 + pq m+2 + . . .
= p + pq + . . . + pq m−1 + pq m + pq m+1 + . . .
2.4. Exerciţii rezolvate 215
1
=p = 1.
1−q
Pentru orice k ∈ N∗ ,
{Z = k} = {X ≤ m, X = k} ∪ {X ≥ m, m = k} .
P (Z = k) = P (X ≤ m, X = k) + P (X ≥ m, m = k) = 0
P (Z = k) = P (X ≤ m, X = k) + P (X ≥ m, m = k)
= P (X = k) + 0 = pq k−1
P (Z = k) = P (X ≥ m) = P (X > m) + P (X = m)
= q m + pq m−1 = q m−1 .
n+1
= 1 + x + x2 + . . . + xn = n
Pn
108 Derivând identitatea 1−x k k−1 =
P
1−x k=1 x obt, inem k=1 kx
n n+1
1−x n+1 0 −(n+1)x (1−x)+ (1−x )
1−x
= (1−x)2
, pentru orice x 6= 1.
216 2. Variabile aleatoare discrete
Avem
Xm
P (Z = k) = p + pq + . . . + pq m−2 + q m−1
k=1
1 − q m−1
=p + q m−1
1−q
= 1 − q m−1 + q m−1 = 1.
Media este
Xm
E (Z) = kP (Z = k)
k=1
Xm−1
= kpq k−1 + mq m−1
k=1
Xm−1
=p kq k−1 + mq m−1
k=1
−mpq m−1 + 1 − q m
=p 2 + mq m−1
(1 − q)
−mpq m−1 + 1 − q m
= + mq m−1
p
1 − qm
= .
p
2.4.44 Fie s, irul de v.a. discrete s, i cu valori nenegative (Xn )n∈N∗ s, i N o v.a. de
tip discret cu valori în N∗ s, i independentă de s, irul de v.a. (Xn )n∈N∗ . Să definim
SN ca fiind suma aleatoare de v.a. dată de
SN = X1 + X2 + . . . + XN
(b) Să presupunem că v.a. (Xn )n∈N∗ s, i N au media finită iar v.a. (Xn )n∈N∗ au
aceeas, i medie. Să se arate că109
Rezolvare:
Să observăm, mai întâi, că, în cazul particular în care N este un număr
natural arbitrar fixat, adică N este o v.a. constantă (din N∗ ), se obt, ine, evident,
X X
N N XN
E Xk = E (Xk ) = µ = µ · N = µ · E (N ) .
k=1 k=1 k=1
Deci identitatea (2.71) a lui Wald generalizează acest rezultat la cazul când
suma nu mai este cu un număr determinist de termeni (i.e. numărul de ter-
meni N este v.a. constantă) ci se adună un număr N aleator de termeni (i.e.
numărul de termeni N este v.a. discretă oarecare).
În cazul general, al unei v.a. N , v.a. SN : Ω → R depinde de ω astfel:
Să observăm că putem determina legea v.a. SN s, i în cazul general, al unui s, ir de
v.a. nenegative oarecare. Astfel vom determina P (SN ∈ A) , unde A ∈ B (R) ,
folosind tot legea probabilităt, ii totale (1.15):
X∞
(2.72) P (SN ∈ A) = P (SN ∈ A, N = n)
n=0
X∞
= P (Sn ∈ A, N = n)
n=0
X∞
= P (Sn ∈ A) P (N = n) .
n=0
110
(b) Avem
X
E (SN ) = xP (SN = x)
x∈SN (Ω)
X X∞
= x P (Sn = x) P (N = n)
x n=0
X∞ X
= xP (Sn = x) P (N = n)
n=0 x
X∞ X
= P (N = n) xP (Sn = x)
n=0 x
X∞
= P (N = n) E (Sn )
n=0
X∞
= P (N = n) nE (X1 )
n=0
X∞
= E (X1 ) nP (N = n)
n=0
= E (X1 ) E (N ) ,
deoarece Xn Xn
E (Sn ) = E Xi = E (Xi ) = nE (X1 ) .
i=1 i=1
Prin urmare s-a obtinut (2.71).
Să observăm că putem demonstra (2.71) folosind formula (2.72), în cazul
A = (k, ∞) , s, i formula (2.26) de calcul a mediei unei v.a. discrete nenegative
110 Pentru a putea schimba ordinea de sumare într-o serie iterată trebuie să folosim un rezultat
teoretic care să ne permită acest lucru. În acest sens vezi Nota 59.
În cazul nostru vom folosi faptul că v.a. Sn ia doar valori nenegative.
2.4. Exerciţii rezolvate 219
= E (X1 ) E (N ) ,
deoarece Xn Xn
E (Sn ) = E Xi = E (Xi ) = nE (X1 ) .
i=1 i=1
pk −λ X∞ 1 m m+k
= e q λ
k! m=0 m!
k
(λp) −λ X∞ 1 m
= e (λq)
k! m=0 m!
k
(λp) −λ λq
= e e
k!
k
(λp) −λp
= e ,
k!
adică suma aleatoare SN ∼ P (λp) .
Capitolul 3
221
222 3. Variabile aleatoare continue
Z
112
(ii) f este integrabilă pe R cu f (t) dt = 1.
R
Definit, ia 3.2 Să considerăm o v.a. X pentru care există o densitate de repartit, ie fX :
R → [0, ∞) astfel încât113
Z x
(3.1) FX (x) = fX (t) dt, pentru orice x ∈ R,
−∞
Remarca 3.3 Evident, având în vedere formula de reprezentare (3.1), obt, inem
că funct, ia de repartit, ie FX satisface toate proprietăt, ile date de Propozit, ia 2.12
s, i de Propozit, ia 2.16.
Putem considera drept definit, ie a unei v.a. continue următoarea formulare
(vezi s, i Remarca 3.10):
Definit, ia 3.4 V.a. X este v.a. de tip continuu dacă admite o densitate de repartit, ie
(în sensul Definit, iei 3.2).
Dacă f : R → R este o densitate de repartit, ie, atunci se poate demon-
stra (vezi Propozit, ia 3.80) că există un spat, iu de probabilitate (Ω, F, P) s, i o v.a.
definită pe acesta astfel încât f este densitatea de repartit, ie asociată lui X. Prin
urmare, are loc următoarea caracterizare:
Remarca 3.6 Densitatea asociată unei v.a. nu este unică (în sensul egalităt, ii
peste tot) dar densitatea asociată unei v.a. este unică în sensul egalităt, ii
aproape peste tot (vezi s, i Nota 8).
112 De fapt, se poate poate lua, prin definit, ie, ca f să fie
R o funct, ie Rnenegativă s, i integrabilă Lebesgue
în raport cu măsura Lebesgue λ pe R astfel încât R f dλ = R f (t) λ(dt) = 1 (vezi s, i relat, iile
(3.2) s, i (3.3) din cazul v.a. de tip absolut continuu).
113 Integrala din formula (3.1) este, de fapt, o integrală Lebesgue în raport cu măsura Lebesgue λ
pe R.
3.1. Densitatea de repartiţie 223
Prin urmare, este suficient să cunoas, tem o densitate în orice punct din R
exceptând, eventual, o mult, ime cel mult numărabilă de puncte.
114 Fie spat, iul măsurabil (R, B (R)) înzestrat cu o măsură µ. Spunem că (vezi s, i Nota 8) o propri-
etate A are loc µ−aproape pentru tot, i x sau µ−aproape peste tot (notat µ−a.p.t.) dacă există
mult, imea N ∈ B (R) cu µ(N ) = 0 astfel încât proprietatea A are loc pentru orice x ∈ N̄ .
115 Spunem că (vezi s, i Nota 8) mult, imea A ∈ B(R) este nulă sau neglijabilă în raport cu masura
µ pe R dacă µ(A) = 0.
224 3. Variabile aleatoare continue
De exemplu, dacă f (x) = 1[0,1] (x) s, i g (x) = 1(0,1) (x) , atunci ambele funct, ii
sunt densităt, i, f = g a.p.t. (în raport cu măsura Lebesgue) s, i ambele sunt
densităt
Rx , i asociate
R x v.a. X s, i respectiv Y cu funct, iile de repartit, ie FX (x) =
−∞
f X (t) dt = −∞ Y
f (t) dt = FY (x) , deci
0, x < 0,
FX (x) = FY (x) = x, 0 ≤ x < 1,
1, x ≥ 1,
Remarca 3.7 Folosind teorema lui Lebesgue de caracterizare a funct, iilor inte-
grabile Riemann (vezi [46, Teorema 8.3-3] sau [53, Theorem 10, page 242]) s, tim
că (vezi Nota 114)
Prin urmare, dacă o funct, ie f , mărginită pe [a, b], este integrabilă Riemann
pe [a, b], atunci este integrabilă s, i Lebesgue pe [a, b] (s, i cele două integrale co-
incid).
De asemenea, dacă o funct, ie nenegativă f : R → [0, ∞) are suportul în
def
[a, b], i.e. Supp(f ) == {x : f (x) 6= 0} ⊆ [a, b] ⊂ [0, ∞), s, i dacă f este mărginită
pe [a, b], atunci116 f este o densitate de repartit, ie dacă s, i numai dacă f este
continuă a.p.t. pe [a, b] în raport cu măsura Lebesgue s, i integrala pe R este 1.
R∞
Remarca 3.8 Dacă f este o funct, ie de densitate, atunci −∞ f (x) dx este con-
vergentă, deci ne putem as, tepta ca limx→±∞ f (x) = 0, dar nu este obligatoriu
116
R
În general, s, tim doar că dacă există integrala Riemann R f (x) dx, atunci f este continuă a.p.t.
în raport cu măsura Lebesgue, dar reciproca afirmat, iei nu este adevărată (vezi, de exemplu,
Exercit, iul 3.6.76).
3.1. Densitatea de repartiţie 225
Remarca 3.10 În probleme concrete cel mai adesea folosim v.a. discrete (caz în
care funct, ia de repartit, ie este nedescrescătoare s, i constantă pe port, iuni) s, i v.a.
continue (caz în care funct, ia de repartit, ie este continuă, nedescrescătoare, dată
de integrala (3.1)).
Dar se poate da118 (vezi [45, pag. 2-3]) s, i o clasificare riguroasă a v.a. X :
• spunem că X este v.a. discretă dacă există B ∈ B (R) cel mult numărabi-
lă astfel încât P (X ∈ B) = 1; s-a arătat deja că X este v.a. discretă dacă s, i
numai dacă funct, ia ei de repartit, ie este constantă pe port, iuni;
• spunem că X este v.a. continuă dacă P (X ∈ B) = 0, pentru orice B ∈
B (R) cel mult numărabilă; în această definit, ie se obtine, conform (2.5),
că X este v.a. continuă dacă s, i numai dacă funct, ia ei de repartit, ie este
continuă.
117
R∞
Se poate arăta (vezi pagina 583 din [22, Capitolul XIII, § 5]) că dacă integrala a f (x) dx este
convergentă, atunci:
(a) dacă există limita limx→∞ f (x) , atunci aceasta trebuie să fie 0;
(b) dacă există limita limx→∞ xf (x) , atunci aceasta trebuie să fie 0.
118 Pentru o clasificare similară, dar a funct, iilor de repartit, ie, vezi [53, pag. 188-192].
226 3. Variabile aleatoare continue
sau, echivalent,
Z x Z x
(3.3) FX (x) = f dλ = f (t)λ(dt), pentru orice x ∈ R
−∞ −∞
• spunem că X este v.a. singulară dacă X este v.a. continuă s, i dacă e-
xistă B ∈ B (R) neglijabilă în raport cu măsura Lebesgue astfel încât
P (X ∈ B) = 1.
Să observăm ca v.a. continue în sensul Definit, iei 3.4 sunt, de fapt, v.a. ab-
solut continue (în sensul definit, iei de mai sus). Noi vom lucra doar cu v.a.
discrete s, i cu v.a. absolut continue; nu vom lucra cu v.a. singulare s, i nu vom
lucra nici cu v.a. obt, inute ca „amestec” de v.a. discrete s, i v.a. continue.
Pentru un exemplu de v.a. singulară vezi [53, pag. 190-192] sau [41, Cap.
II, § 2] sau [46, Exemplu 11.2-1] (funct, ia de repartit, ie asociată acestei v.a. este
funct, ia lui Cantor).
Evident, se pot construi us, or exemple de v.a. care să fie de tip mixt, adică
v.a. X să ia anumite valori cu probabilitate strict pozitivă s, i, de asemenea,
valorile v.a. X să fie un interval.
Exemplul 3.11 O v.a. de tip mixt poate să apară în felul următor.
3.1. Densitatea de repartiţie 227
(i) Fie X timpul de funct, ionare al unui echipament. Prin urmare, valorile lui
X sunt în [0, ∞). Dar să presupunem că există o probabilitate strict pozitivă p
ca echipamentul să nu funct, ioneze deloc, adică
R ∞să nu funct, ioneze la momentul
X = 0. Atunci, P (X = 0) = p s, i P (X > 0) = 0 f (x) dx = 1 − p.
(ii) Un alt exemplu de v.a. mixtă apare în cazul în care X reprezintă timpul de
as, teptare al unei persoane la un semafor. Prin urmare, valorile lui X sunt în
[0, ∞). Este posibil ca atunci când persoana ajunge la acel semafor să nu as, tepte
deloc, adică există p > 0 astfel încât P (X = 0) = p; în cazul în care persoana
trebuie să as, tepte, timpul de as, teptare defines
R ∞ , te o v.a. de tip continuu. Prin
urmare, există f astfel încât P (X > 0) = 0 f (x) dx = 1 − p.
Exemplul 3.12 Un alt exemplu concret de v.a. de tip mixt este dat de v.a. X
definită de următoarea funct, ia de repartit, ie:
0, x < 0,
FX (x) = 0.1 + 0.8x, 0 ≤ x < 1,
1, x ≥ 1.
unde
0, x < 0,
0, x < 0,
FXd (x) = 0.5, 0 ≤ x < 1, s, i FXc (x) = x, 0 ≤ x < 1,
1, x≥1 1, x ≥ 1.
119 Pentru detalii teoretice legate de descompunerea unei funct, ii de repartit, ie vezi [41, Cap. II, § 2]
sau [36, Corolarul 1.9.2] sau [31, Teorema 4, pag. 118].
228 3. Variabile aleatoare continue
Prin urmare, obt, inem că X ia valori în [0, 1] s, i că există două mult, imi D s, i C
astfel încât D ∪ C = [0, 1] s, i
D este cel mult numărabilă s, i 0 < P (X ∈ D) < 1,
P (X = a) = 0, pentru orice a ∈ C.
P (X ∈ D) = P (X = 0) + P (X = 1) =
= F (0) − F (0 − 0) + F (1) − F (1 − 0)
= 0.1 + 0.1 = 0.2
s, i C = (0, 1) iar
Deci, pentru orice A ⊆ [0, 1], putem scrie sub forma (vezi s, i formula (3.2) de
legătură):
X Z
P (X ∈ A) = P (X = x) + 0.8 fXc (x) dx,
x∈A A
Să observăm că putem scrie legea PX ca o combinat, ie convexă120 dintre o mă-
sură de probabilitate discretă s, i una absolut continuă:
unde
Z
1 X
PXd (A) = P (X = x) iar PXc (A) = fXc (x) dx.
0.2 x∈A A
Obt, inem (vezi definit, iile de la pagina 225) că v.a. X nu este nici discretă: într-
adevăr, dacă ar exista B cel mult numărabilă astfel încât P (X ∈ B) = 1, atunci
trebuie ca {0, 1} ⊂ B s, i apoi obt, inem o contradict, ie:
X Z
P (X ∈ B) = P (X = x) + 0.8 fXc (x) dx
x∈B B
= P (X = 0) + P (X = 1) + 0.8 · 0
= 0.2,
R
deoarece B fXc (x) dx = 0 fiind calculată pe o mult, ime cel mult numărabilă;
s, i v.a. X nu este nici continuă: într-adevăr, des, i D = {0, 1} este mult, ime cel
mult numărabilă, totus, i P (X ∈ D) = 0.2 6= 0.
Densitatea v.a. X este dată de
deci Z Z
P (X ∈ A) = 0.2 fXd (x) dx + 0.8 fXc (x) dx.
A A
Exemplul 3.13 Pentru alte exemple de v.a. mixte vezi [29, Section 2.3, Example
5], [29, Section 2.4, Example 4], [23, Exercise 1, page 51] precum s, i trunchierea
unei v.a. continue dată de [29, Section 2.4, Exercise 2], cum ar fi, de exemplu,
−1, X < −1,
Y = X, −1 ≤ X ≤ 1, unde X ∼ U [−2, 2] .
1, X > 1,
(iv) Folosind (2.7) (vezi s, i (2.9)) deducem că, pentru orice −∞ ≤ a < b ≤ ∞,
Z b
FX (b) − FX (a) = fX (t) dt = P (a < X ≤ b)
a
Remarca 3.16 Mai general, dacă v.a. X admite densitatea fX , atunci (vezi s, i
formula de legătură (3.2) precum s, i formula (3.65), din cazul bidimensional)
Z
(3.6) P (X ∈ D) = fX (x) dx,
D
Remarca 3.19 (vezi s, i Remarca 2.35) Dacă X este o v.a. discretă cu X (Ω) =
{xi }i∈I , unde I este cel mult numărabilă, rolul densităt, ii de repartit, ie este jucat
de funct, ia următoare (vezi definit, ia (2.15)):
P (X = xi ) 1{x=xi } ,
X X
fX (x) = P (X = xi ) δxi ({x}) =
i∈I i∈I
232 3. Variabile aleatoare continue
1
Exemplul 3.20 Funct, ia f : R → R, f (x) = 2 1[1,∞) (x) este o densitate de
x
repartit, ie.
Într-adevăr, f ≥ 0 pe R s, i
Z ∞ Z ∞
1 −1 x=∞
f (x) dx = 2
dx = = 1.
x x x=1
−∞ 1
Definit, ia 3.21 În cazul unei v.a. X oarecare (nu neapărat continuă) cuantila cores-
punzătoare pragului de probabilitate p ∈ (0, 1) (sau cuantila de ordin p) este valoarea
xp ∈ R dată de
def
−1
xp == FX (p) ,
3.1. Densitatea de repartiţie 233
−1
unde FX : (0, 1) → R este inversa generalizată a funct, iei de repartit, ie FX
(numită s, i funct, ia cuantilă ), i.e.
−1 def
(3.7) FX (p) == inf {x ∈ R : FX (x) ≥ p} .
Remarca 3.22 Salturile funct, iei F corespund intervalelor în care F −1 este con-
stantă iar intervalele mărginite în care funct, ia F este constantă corespund sal-
turilor funct, iei F −1 .
−1
În plus, funct, ia FX satisface (vezi [33, Theorem 2.1], [25, Appendix A.3] s, i
[55, Problem 3.8.8]):
−1
(a) FX (p) = sup {x ∈ R : FX (x) < p} ;
−1
(b) FX este continuă la stânga;
−1
(c) FX (p) ≤ x ⇔ p ≤ F (x) sau, echivalent,
−1
FX (p) > x ⇔ p > F (x) ;
−1 −1
(d) FX FX (p) − 0 ≤ p ≤ FX FX (p) ;
−1
(e) dacă FX este continuă, atunci FX FX (p) = p;
−1
(f ) dacă FX este continuă, atunci FX (p) = inf {x ∈ R : FX (x) > p} ;
−1
(g) dacă FX este continuă, atunci FX (p) = max {x ∈ R : FX (x) = p} .
În cazul particular în care X este o v.a. continuă iar FX este strict crescătoare
pe intervalul [a, b] (vezi Nota 142) se obt, ine că FX este inversabilă pe [a, b], deci
−1
inversa generalizată FX este chiar inversa propriu-zisă iar cuantila este unica
solut, ie a ecuat, iei FX (xp ) = p.
Remarca 3.23 Se poate lua ca definit, ie a cuantilei s, i varianta (vezi [6, Chapter
2, Section 1.22])
−1 def
FX (p) == inf {x ∈ R : FX (x) > p} .
Remarca 3.24 Folosind proprietatea precedentă (d) , observăm că, dacă xp este
o cuantilă, atunci
(3.8) P (X < xp ) ≤ p ≤ P (X ≤ xp )
234 3. Variabile aleatoare continue
sau, echivalent,
(3.9) P (X ≤ xp ) ≥ p s, i P (X ≥ xp ) ≥ 1 − p.
Condit, iile (3.8) sau, echivalent, (3.9) pot fi luate drept o definit, ie alternativă a
cuantilei.
Cuantila de ordin 2 se numes, te mediana repartit, iei s, i este valoarea x1/2
astfel încât
P X < x1/2 ≤ 1/2 ≤ P X ≤ x1/2
sau, echivalent,
max P X < x1/2 , P X > x1/2 ≤ 1/2
sau, echivalent,
P X ≤ x1/2 ≥ 1/2 s, i P X ≥ x1/2 ≥ 1/2
sau, echivalent,
min P X ≤ x1/2 , P X ≥ x1/2 ≥ 1/2
sau, echivalent,
FX x1/2 − 0 ≤ 1/2 ≤ FX x1/2 .
Cuantilele de ordin 4 se numesc cuartile s, i sunt valorile x1/4 , x2/4 , x3/4 astfel
încât
P X < x1/4 ≤ 1/4 ≤ P X ≤ x1/4 ;
P X < x2/4 ≤ 2/4 ≤ P X ≤ x2/4 ;
P X < x3/4 ≤ 3/4 ≤ P X ≤ x3/4
sau, echivalent,
P X ≤ x1/4 ≥ 1/4 s, i P X ≥ x1/4 ≥ 3/4;
P X ≤ x2/4 ≥ 2/4 s, i P X ≥ x2/4 ≥ 2/4;
P X ≤ x3/4 ≥ 3/4 s, i P X ≥ x3/4 ≥ 1/4
3.1. Densitatea de repartiţie 235
sau, echivalent,
FX x1/4 − 0 ≤ 1/4 ≤ FX x1/4 ;
FX x2/4 − 0 ≤ 2/4 ≤ FX x2/4 ;
FX x3/4 − 0 ≤ 3/4 ≤ FX x3/4 .
În particular, dacă X este o v.a. continuă, obt, inem că, dacă xp este cuantilă,
atunci cele două condit, ii din definit, ia (3.8) a cuantilei se reduc la
P (X ≤ xp ) = p.
s, .a.m.d..
P X ≤ x1/2 = P X ≥ x1/2 = 1/2
sau, echivalent,
FX x1/2 = 1/2,
adică mediana x1/2 împarte volumul valorilor lui X în două părt, i egale.
236 3. Variabile aleatoare continue
sau, echivalent,
FX x1/4 = 1/4, FX x1/2 = 1/2, FX x3/4 = 3/4,
adică cuartilele x1/4 , x2/4 , x3/4 împart volumul valorilor lui X în patru părt, i
egale.
k
Avem 99 cuantile de ordin 100 (luăm p = 100 , unde k = 1, 99 ) numite
percentile (sau centile). De exemplu, x20/100 este valoarea sub care sunt găsite
20% din valorile v.a. X.
Următorul rezultat ne arată cum se schimbă densitatea de repartit, ie la schim-
barea v.a.
Z h−1 (y) Z y
fX h−1 (z) d h−1 (z)
= fX (x) dx =
−∞ h(−∞)
Z y Z y
−1 −1 0
fX h−1 (z) |(h−1 )0 (z) |dz.
= fX h (z) (h ) (z) dz =
−∞ −∞
Pe de altă parte, Z y
FY (y) = fY (z) dz,
−∞
deci obt, inem concluzia (3.10).
Cazul h−1 descrescătoare se tratează similar.
Evident, în cazul în care h−1 este crescătoare, putem scrie s, i direct:
FY (y) = P (Y ≤ y) = P (h (X) ≤ y) = P X ≤ h−1 (y) = FX h−1 (y) ,
deci
0 0
fY (y) = FY0 (y) = FX h−1 (y) = FX
0
h−1 (y) · h−1 (y)
0
= fX h−1 (y) · h−1 (y) .
Definit, ia 3.29 În caz că următoarea integrală este absolut convergentă, aceasta se va
numi media v.a. continue X cu densitatea de repartit, ie fX :
Z
(3.11) E (X) = xfX (x) dx
R
(în caz că integrala este absolut convergentă vom spune că v.a. admite medie sau că
este integrabilă).
Z
def
(3.12) E (X) == X (ω) P (dω) .
Ω
Utilizând definit, iei integralei Lebesgue, se poate demonstra că X este integra-
bilă Lebesgue (adică integrala există s, i este finită) dacă s, i numai dacă |X| este
integrabilă Lebesgue, adică
(vezi s, i Remarca 2.127 privind calculul acestei integrale din cazul unei v.a. dis-
crete).
Având în vedere că legea unei v.a. este unic determinată de funct, ia de
repartit, ie FX (vezi Remarca 2.15 sau [53, Theorem 1, page 185]), integrala
precedentă se poate exprima (vezi [41, Capitolul III, pag. 58]) s, i cu ajutorul
integralei Riemann-Stieltjes pe R în raport cu funct, ia crescătoare FX (care este,
prin urmare, cu variat, ie mărginită) asociată v.a. X :
Z
(3.14) E (X) = xdFX (x) .
R
Ment, ionăm că cele trei exprimări ale mediei, de mai sus, sunt valabile pentru
orice tip de v.a..
Dacă lucrăm cu v.a. absolut continue (vezi pagina 226), atunci, prin definit, ie,
PX este măsură absolut continuă în raport cu măsura Lebesgue pe R s, i astfel
formula (3.13) devine formula (3.11) de calcul a mediei unei v.a. absolut con-
tinue: Z Z
xPX (dx) = xfX (x) dx.
R R
Media unei funct, ii aplicată unei v.a. poate fi calculată folosind următorul
rezultat.
Remarca 3.32 În cazul particular în care luăm h (x) = 1B (x) , unde B ∈ B (R)
este arbitrar fixată, formula (3.15) devine
Z Z
E (1B (X)) = 1B (x) fX (x) dx = fX (x) dx.
R B
deoarece, folosind proprietăt, ile integralei Lebesgue, avem (vezi s, i Nota 52)
Z Z
(3.16) 1A dP = dP = P (A) , pentru orice A ∈ F.
Ω A
Astfel, am demonstrat din nou formula (3.2) sau (3.6) din cazul v.a. de tip
continuu: Z
P (X ∈ B) = fX (x) dx.
B
Remarca 3.33 În general, dacă X este o v.a. (de orice tip) s, i h : R → R este o
funct, ie măsurabilă, atunci dacă există una din integralele122 de mai jos, atunci
există s, i celelalte s, i au loc egalităt, ile (vezi s, i Remarca 3.30)
Z Z
def
E (h (X)) == h (X) dP = h (X (ω)) P (dω)
Ω Ω
Z
(3.17) = h (x) PX (dx)
R
Z
= h (x) dFX (x) ,
R
unde PX este legea v.a. X iar FX este funct, ia de repartit, ie asociată v.a. X.
122 Primele două integrale sunt integrale Lebesgue în raport cu măsura P, a treia integrală este
o integrală Lebesgue în raport cu măsura PX iar ultima integrală este o integrală Lebesgue-
Stieltjes în raport cu măsura generată de funct, ia nedescrescătoare FX .
3.2. Caracteristici numerice 241
limx→∞ x · (1 − FX (x)) = 0,
(3.18)
limx→−∞ x · FX (x) = 0.
R
Demonstrat, ie. Având în vedere că există media, avem R |y| dFX (y) < ∞, deci
s, i integralele următoare sunt finite:
Z ∞ Z 0
|y| dFX (y) < ∞ s, i |y| dFX (y) < ∞.
0 −∞
limx→∞ xr · (1 − FX (x)) = 0,
(3.19)
limx→−∞ xr · FX (x) = 0.
sau, echivalent,
Z ∞
E (X) = (1 − FX (x)) dx.
0
= a.
Remarca 3.38 Să ment, ionăm că formula (3.21) este adevărată pentru orice tip
de v.a. (atât discretă cât s, i continuă). Pentru demonstrarea ei putem rat, iona s, i
în modul următor126 .
Avem, folosind s, i (3.16),
Z ∞ Z ∞ Z
P (x < X ≤ x + a) dx = 1{x<X(ω)≤x+a} P (dω) dx.
−∞ −∞ Ω
= a.
126 Vezi s, i demonstrat, ia din Remarca 3.41.
3.2. Caracteristici numerice 245
Exercit, iul 3.39 (vezi [4, Exercise 37 s, i Exercise 38, Chapter 3]) Fie X o v.a. con-
tinuă s, i nenegativă127 cu densitatea fX s, i funct, ia de repartit, ie FX .
(a) Să se arate că
Z ∞
y fX (y) dy ≥ x · P (X > x) = x · (1 − FX (x)) , x > 0.
x
(b) Folosind (a) să se arate că dacă X admite medie128 , atunci are loc concluzia (3.18),
i.e.
limx→∞ x · (1 − FX (x)) = 0.
(c) Folosind (b) să se arate că dacă X admite medie, atunci are loc concluzia (3.20), i.e.
Z ∞
E (X) = (1 − FX (x)) dx.
0
(d) Să se arate că media E (X) există dacă s, i numai dacă
limx→∞ x · (1 − FX (x)) = 0.
Remarca 3.41 Să ment, ionăm că formula (3.22) este adevărată pentru orice tip
de v.a. nenegativă (atât discretă cât s, i continuă). Astfel, pentru demonstrarea
formulei (3.22) putem rat, iona s, i în modul următor. Să observăm, mai întâi, că
Z X(ω) Z ∞
X r (ω) = rxr−1 dx = rxr−1 1{x≤X(ω)} dx.
0 0
Exercit, iul 3.43 Fie X o v.a. cu valori nenegative (discretă sau continuă) s, i g : R+ →
R o funct, ie derivabilă cu derivata continuă s, i astfel încât g (X) admite medie. Atunci,
Z ∞
E (g (X)) = g (0) + g 0 (t) P (X > t) dt.
0
Vom utiliza o abordare us, or diferită, fată de demonstrat, ia formulelor similare (3.20)
s, i (3.22), utilizând formula (3.13) de exprimare a mediei cu ajutorul legii PX asociată
v.a. X precum s, i o teoremă de tip Fubini.
Nici această demonstrat, ie nu depinde de tipul ales al v.a..
Astfel, obt, inem, vezi s, i (3.16),
Z ∞ Z ∞ Z x
0
E (g (X)) = g (x) PX (dx) = PX (dx) g (0) + g (t) dt
0 0 0
Z ∞ Z ∞ Z x
= g (0) PX (dx) + g 0 (t) dt PX (dx)
0 0 0
Z ∞ Z ∞
= g (0) PX ([0, ∞)) + PX (dx) g 0 (t) dt
0 t
Z ∞
= g (0) + P (X > t) g 0 (t) dt.
0
Exercit, iul 3.44 (vezi [4, Exercise 38, Chapter 3]) Fie X o v.a. continuă s, i nenega-
tivă cu funct, ia de repartit, ie FX . Fie r ∈ N∗ .
(a) Folosind argumente similare cu cele folosite în Exercit, iul 3.39 să se arate că dacă
X r admite medie, atunci are loc concluzia (3.22), i.e.
Z ∞
r
E (X ) = rxr−1 (1 − FX (x)) dx.
0
r
(b) Să se arate că momentul E (X ) de ordin r există dacă s, i numai dacă
limx→∞ xr · (1 − FX (x)) = 0.
248 3. Variabile aleatoare continue
Exercit, iul 3.45 Să presupunem că v.a. continuă X are funct, ia de repartit, ie
−3
FX (x) = 1 − (1 + x) , dacă x > 0.
Să se determine, fără a calcula densitatea fX , media s, i deviat, ia standard a v.a. X.
Tehnica de lucru utilizată în demonstrat, ia Propozit, iei 3.36 s, i a Propozit, iei
3.40 se poate aplica s, i pentru a demonstra Formula de Transfer dată de Teorema
3.31.
unde D = {y ∈ R : h (y) ≥ x} .
Pentru a putea schimba ordinea de integrare în integralele iterate prece-
dente să introducem indicatoarea. Astfel,
Z ∞ Z ∞ Z ∞
P (h (X) ≥ x) dx = fX (y) 1D (y) dy 1[0,∞) (x) dx
0 −∞ −∞
Z ∞ Z ∞
= fX (y) 1D (y) 1[0,∞) (x) dx dy
−∞ −∞
Z ∞ Z ∞
= 1D (y) 1[0,∞) (x) dx fX (y) dy.
−∞ −∞
sau, echivalent,
Z ∞ Z 0
(3.23) E (X) = (1 − FX (x)) dx − FX (x) dx.
0 −∞
s, i
Z v y=v Z v Z v
y dFX (y) = y FX (y) − FX (y) dy = v FX (v) − FX (y) dy
0 y=0 0 0
250 3. Variabile aleatoare continue
Z v
= −v (1 − FX (v)) + (1 − FX (y)) dy.
0
Exercit, iul 3.49 (vezi [55, Problem 2.6.42]) Fie două v.a. continue X, Y. Aplicând
Propozit, ia 3.47 deducem că
Z ∞
E (X) = P (0 < x ≤ X) − P (X < x ≤ 0) dx.
−∞
Observăm că demonstrat, ia formulei (3.23) s-a făcut folosind (3.19) s, i for-
mula de integrare prin părt, i în cadrul integralei Riemann-Stieltjes dată de (3.17).
Astfel, în acelas, i mod, se poate arăta o generalizare a Propozit, iei 3.47.
3.2. Caracteristici numerice 251
Propozit, ia 3.50 (vezi [53, Corollary 2, page 247]) Fie X o v.a. cu funct, ia de re-
partit, ie FX . Dacă X r admite medie, unde r ∈ N∗ , atunci
Z ∞
r
E (|X| ) = r xr−1 [1 − F (x) + F (−x)] dx
0
sau, echivalent,
Z ∞
r
E (|X| ) = r xr−1 P(|X| > x)dx
0
s, i
Z ∞
E (X r ) = r xr−1 [1 − F (x) + (−1)r F (−x)] dx.
0
Definit, ia 3.51 Se numes, te moment de ordin r > 0 al v.a. X, media v.a. X r (dacă
este bine definită). Vom nota
Z
not
µr == E(X r ) = xr f (x) dx.
R
Definit, ia 3.52 Se numes, te moment central de ordin r > 0 al v.a. X, media v.a.
r
(X − µ1 ) (dacă este bine definită). Vom nota
Z
not r r
νr == E (X − µ1 ) = (x − µ1 ) f (x) dx.
R
Definit, ia 3.53 Se numes, te moment absolut de ordin r > 0 al v.a. X, media v.a.
r
|X| , deci
Z
r
E(|X| ) = |x|r f (x) dx.
R
Definit, ia 3.54 Se numes, te dispersia (sau variant, a) v.a. X, notată cu D2 (X) (sau
cu Var(X) ), momentul central de ordin 2 al v.a. X, i.e.
def 2
D2 (X) = Var(X) == E (X − µ1 ) .
252 3. Variabile aleatoare continue
Remarca 3.55 Având în vedere formula de transfer (3.15) obt, inem formula de
calcul a dispersiei:
2
D2 (X) = E X 2 − (E (X)) .
def p
D (X) == D2 (X)
ν1 = E (X − µ1 ) = E (X) − E (µ1 ) = 0.
s, i similar
3
= E X 3 − 3µ1 X 2 + 3µ21 X − µ31
ν3 = E (X − µ1 )
= µ3 − 3µ1 µ2 + 2µ31 .
def
(3.25) Cov (X, Y ) == E [(X − E (X)) · (Y − E (Y ))] .
131 Pentru formula de calcul din cazul continuu vezi (3.63).
3.2. Caracteristici numerice 253
Remarca 3.59 (vezi Remarca 2.71) Dacă facem calculele, obt, inem formula de
calcul a covariant, ei132 :
Remarca 3.60 (vezi Remarca 2.72) Evident, covariant, a dintre v.a. X cu ea însăs, i
este chiar dispersia, i.e.
Definit, ia 3.61 (vezi Definit, ia 2.74) Dacă D2 (X) > 0 s, i D2 (Y ) > 0, atunci
Exercit, iul 3.64 Fie X o v.a. (discretă sau continuă). Să se arate că133
2 2
E (X − a) = D2 (X) + (E (X) − a) ,
pentru orice a ∈ R.
132 Pentru formula de calcul din cazul continuu vezi (3.64).
133 Vezi s, i Exercit, iul 2.4.16.
254 3. Variabile aleatoare continue
Apoi să se determine minimul funct, iei R 3 a 7→ E |X − a| .
Identitatea este us, or de obt, inut:
2
E (X − a) = E X 2 − 2aE (X) + a2
2
= D2 (X) + (E (X)) − 2aE (X) + a2 .
2 2
În plus, inf a∈R E (X − a) = D2 (X) + inf a∈R (E (X) − a) = D2 (X) iar mini-
mul se realizează pentru a = E (X) .
Prin urmare,
2
dispersia D2 (X) este valoarea minimă a funct, iei f (a) = E (X − a)
2 2 def
E (X − a) ≥ E (X − E (X)) == D2 (X) ,
pentru orice a ∈ R.
Prin urmare media E (X) este constanta care aproximează cel mai bine v.a.
X în spat, iul L2 (Ω, F, P) care este spat, iul funct, iilor măsurabile X : Ω → R, astfel
încât Z
2
E X2 =
|X (ω)| P (dω) < ∞.
Ω
Exercit, iul 3.65 Fie X o v.a. (discretă sau continuă). Să se arate134 , folosind exercit, iul
precedent, că dispersia unei v.a. este mai mică decât pătratul semidiferent, ei dintre
valorile sale extreme, i.e.
M − m 2
D2 (X) ≤ , unde m = inf ω∈Ω X (ω) s, i M = supω∈Ω X (ω)
2
sau, echivalent, abaterea standard a unei v.a. este mai mică decât semidiferent, a dintre
valorile sale extreme, i.e.
M −m
D (X) ≤ .
2
Într-adevăr, folosind
2 2
E (X − a) = D2 (X) + (E (X) − a) , pentru orice a ∈ R.
m+M
obt, inem, pentru a = ,
2
2
m+M
D2 (X) ≤ E X −
2
m+M
cu egalitate pentru E (X) = 2 .
Deoarece m ≤ X ≤ M este echivalent cu
2 2
M −m m+M M −m m+M M −m
− ≤X− ≤ ⇔ X− ≤ ,
2 2 2 2 2
deducem că 2 2
m+M M −m
D2 (X) ≤ E X − = .
2 2
Exercit, iul 3.66 Fie X, Y două v.a. (discrete sau continue). Să se arate că, pentru
orice a, b ∈ R,
2
E (Y − aX − b) = D2 (Y ) + a2 D2 (X) − 2aCov (X, Y ) + b̃2 ,
unde b̃ = b − E (Y ) + aE (X) .
2
Apoi să se determine minimul funct, iei R2 3 (a, b) 7→ E (Y − aX − b) .
Identitatea este us, or de obt, inut:
2
E (Y − aX − b)
2
= E (Y − E (Y )) − a (X − E (X)) − (b − E (Y ) + aE (X))
2 2
= E (Y − E (Y )) + E (X − E (X)) − 2aE (Y − E (Y )) (X − E (X))
Prin urmare, minimul în raport cu b se obt, ine dacă luăm b̃ = 0 sau, echivalent
b = E (Y ) − aE (X) ,
unde ρ(X, Y ) este corelat, ia v.a. X, Y dată de (3.27), iar minimul se realizează pentru
Cov (X, Y ) Cov (X, Y )
a= s, i b = E (Y ) − E (X) .
D2 (X) D2 (X)
Dreapta
y = ax + b,
cu a, b determinat, i mai sus, se numes, te dreapta de regresie.
Exercit, iul 3.67 (vezi [60, Chapter VIII, Section 2.1]) Fie X o v.a. continuă cu den-
sitatea f s, i cu mediana x1/2 . Să se arate că, pentru orice a ∈ R,
Z x1/2
E |X − a| = E |X − x1/2 | + 2 (x − a) f (x) dx
a
(3.28) Z ∞ Z x1/2
+ x1/2 − a f (x) dx − f (x) dx .
x1/2 −∞
Apoi să se determine minimul funct, iei R 3 a 7→ E |X − a| .
Vom arăta identitatea, mai întâi, pentru cazul a < x1/2 ; cazul a > x1/2 se arată
similar.
Avem:
Z
E |X − a| = |x − a| f (x) dx
R
3.2. Caracteristici numerice 257
Z a
Z a
= a − x1/2 f (x) dx + x1/2 − x f (x) dx
−∞ −∞
Z x1/2 Z x1/2
+ x − x1/2 f (x) dx + x1/2 − a f (x) dx
a a
Z ∞
Z ∞
+ x − x1/2 f (x) dx + x1/2 − a f (x) dx
x1/2 x1/2
Z a
Z x1/2
= x1/2 − x f (x) dx + x1/2 − x f (x) dx
−∞ a
Z ∞
Z x1/2
+ x − x1/2 f (x) dx − x1/2 − x f (x) dx
x1/2 a
Z a
Z x1/2
+ a − x1/2 f (x) dx + x − x1/2 f (x) dx
−∞ a
Z x1/2
Z ∞
+ x1/2 − a f (x) dx + x1/2 − a f (x) dx.
a x1/2
Deci
Z ∞
E |X − a| = x − x1/2 f (x) dx
−∞
Z ∞
Z x1/2
+ x1/2 − a f (x) dx − x1/2 − a f (x) dx
x1/2 −∞
Z x1/2
+ x1/2 − a f (x) dx
−∞
Z x1/2
Z a
+ x − x1/2 f (x) dx + a − x1/2 f (x) dx
a −∞
Z x1/2
Z x1/2
+ x − x1/2 f (x) dx + x1/2 − a f (x) dx.
a a
135
Astfel, obt, inem
Z ∞
E |X − a| = x − x1/2 f (x) dx
−∞
135 Să observăm că este mai simplu (s, i este suficient) să se arate egalitatea (3.28) în cazul particular
x1/2 = 0 , considerând cazurile a > 0 s, i a < 0 (vezi [55, Problem 1.4.5]).
258 3. Variabile aleatoare continue
"Z #
∞ Z x1/2
+ x1/2 − a f (x) dx − f (x) dx
x1/2 −∞
Z x1/2
Z x1/2
+2 x − x1/2 f (x) dx + 2 x1/2 − a f (x) dx,
a a
(indiferent dacă a < x1/2 sau dacă a > x1/2 ) s, i, folosind definit, ia medianei, avem
Z ∞ Z x1/2
f (x) dx = f (x) dx.
x1/2 −∞
Prin urmare,
inf a∈R E |X − a| = E |X − x1/2 |
iar minimul se realizează pentru a = x1/2 , adică136
(3.29) E |X − a| ≥ E X − x1/2 , pentru orice a ∈ R,
Propozit, ia 3.68 Fie X o v.a. cu media E (X) s, i dispersia D2 (X) finite s, i cu mediana
x1/2 . Să se arate că137
E (X) − x1/2 ≤ D (X) .
1
f (x) = 1[a,b] (x) , x ∈ R.
b−a
Remarca 3.69 În cazul unei v.a. distribuite uniform pe [a, b] cadrul de lucru
este următorul. Fie Ω = [a, b] (de exemplu, se măsoară o caracteristică iar toate
260 3. Variabile aleatoare continue
posibilele ei valori pot fi doar între limitele a s, i b). Apoi vom lua σ−algebra
F = B ([a, b]) s, i măsura de probabilitate dată de (vezi pagina 46)
λ ([u, v]) 1
P ([u, v]) = = · (v − u), pentru orice a ≤ u ≤ v ≤ b,
λ ([a, b]) b−a
unde λ este măsura Lebesgue (aceasta înseamnă că probabilitatea ca mărimea
acelei caracteristici să fie în intervalul [u, v] este proport, ională cu lungimea
acelui interval).
Pe spat, iul de probabilitate (Ω, F, P) să definim v.a.
(3.31) X : Ω → R, dată de X (ω) = ω, ω ∈ Ω.
Funct, ia de repartit, ie este dată de
FX (x) = P (X ≤ x) = P ({ω ∈ Ω : X (ω) ≤ x}) = P ({ω ∈ [a, b] : ω ≤ x}) ,
deci se obt, ine
P (∅) = 0, dacă x < a,
x−a
FX (x) = P ([a, x]) = , dacă a ≤ x < b,
b−a
dacă x ≥ b,
P ([a, b]) = 1
adică (3.30).
Astfel, X admite densitate iar aceasta este dată de (vezi s, i Remarca 3.6)
1
0
fX (x) = FX (x) = 1[a,b] , x ∈ R \ {a, b}.
b−a
adică v.a. definită de (3.31) este de tipul X ∼ U [a, b] .
Remarca 3.70 De exemplu, despre v.a. X care are drept valori erorile de rotun-
jire până la cel mai apropiat întreg din stânga valorii măsurate (erori obt, inute
atunci când se măsoară o anumită caracteristică), se poate presupune că ur-
mează o distribut, ie uniformă pe intervalul (0, 1) (vezi Exercit, iul 5.5.5).
De asemenea, despre v.a. X care are drept valori erorile de rotunjire până
la cel mai apropiat întreg de valoarea măsurată (întregul poate fi cel din stânga
sau cel din dreapta, vezi Nota 244) se poate presupune că urmează o distribut, ie
uniformă pe intervalul (−0.5, 0.5) (vezi Exercit, iul 5.5.6).
3.3. Exemple de v.a. continue 261
Propozit, ia 3.71 Media s, i dispersia v.a. distribuite uniform X ∼ U [a, b] sunt date
de
2
a+b (b − a)
E (X) = s, i D2 (X) = .
2 12
Demonstrat, ie. Într-adevăr, conform definit, iei
Z
E (X) = xf (x) dx,
R
deci
b b
1 x2 x=b
Z Z
1 1 a+b
E (X) = x dx = xdx = = .
b−a b−a b − a 2 x=a 2
a a
Pe de altă parte,
b
1 x3 x=b a2 + ab + b2
Z Z
1
E X2 = x2 f (x) dx = x2
dx = = ,
b−a b − a 3 x=a 3
R a
deci 2 2
a2 + ab + b2
a+b (b − a)
D2 (X) = − = .
3 2 12
unde bnXc este partea întreagă a v.a. nX, i.e. cel mai mare întreg aleator mai mic sau
egal decât v.a. nX.
Deoarece X ∈ (0, 1) obt, inem că nX ∈ (0, n) , deci bnXc ∈ {0, 1, . . . , n − 1}
adică mult, imea valorilor v.a. U este {1, 2, . . . , n} .
Pentru orice k ∈ {1, 2, . . . , n} ,
P (U = k) = P (bnXc = k − 1) = P (k − 1 ≤ nX < k)
Z k
k−1 k n 1
=P ≤X< = dx = ,
n n k−1
n
n
1 2 ... n
prin urmare U : , adică U ∼ DU (n) .
1/n 1/n ... 1/n
Exercit, iul 3.74 Fie o v.a. X ∼ U (0, 1) s, i q ∈ (0, 1) . Să se determine tipul v.a.
def ln (X)
U == + 1.
ln (q)
P (U = k) = pq k−1 ,
deci
0 0
fY (y) = (FY (y)) = (FX ((b − a) y + a)) = (b − a) fX ((b − a) y + a)
1
= (b − a) · 1[a,b] ((b − a) y + a) = 1[0,1] (y) ,
b−a
deoarece
a ≤ (b − a) y + a ≤ b ⇔ 0 ≤ y ≤ 1,
adică
1[a,b] ((b − a) y + a) = 1[0,1] (y) .
Prin urmare, Y corespunde unei v.a. distribuite uniform pe [0, 1] .
Remarca 3.76 Similar se arată că v.a. X ∼ U [0, 1] dacă s, i numai dacă v.a.
Y = (b − a) X + a ∼ U [a, b] .
E (XY ) = E X 3 = 0 = 0 · E (Y ) = E (X) E (Y )
1
Exercit, iul 3.78 Fie X o v.a. continuă cu densitatea f (x) = e−|x| , x ∈ R. Fie
2
v.a.
def
Y == FX (X) .
(a) Să se arate că X are funct, ia de repartit, ie
1
ex ,
dacă x < 0,
2
FX (x) =
1 2 − e−x , dacă x ≥ 0.
2
264 3. Variabile aleatoare continue
(b) Să se calculeze FY (y) în cazul y ∈ (0, 1/2) s, i apoi în cazul y ∈ (1/2, 1) . Să se
deducă faptul că
0, dacă y < 0,
FY (y) = y, dacă y ∈ [0, 1] ,
1, dacă y > 1,
Într-adevăr,
FY (y) = P (Y ≤ y) = P (Y ≤ y, X < 0) + P (Y ≤ y, X ≥ 0)
= P (FX (X) ≤ y, X < 0) + P (FX (X) ≤ y, X ≥ 0)
1 1
= P eX ≤ y, X < 0 + P 2 − e−X ≤ y, X ≥ 0
2 2
= P (X ≤ ln (2y) , X < 0) + P (X ≤ − ln [2 (1 − y)] , X ≥ 0) .
prin urmare
1 ln(2y)
FY (y) = P (X ≤ ln (2y)) + P (∅) = FX (ln (2y)) = e = y.
2
Dacă y ∈ (1/2, 1) , atunci
prin urmare
adică Y ∼ U [0, 1] .
Să ment, ionăm că în cazul în care FX ar fi strict crescătoare142 pe un interval,
inversa generalizată coincide cu inversa funct, iei FX iar calculul este elementar:
−1
FY (y) = P (Y ≤ y) = P (FX (X) ≤ y) = P X ≤ FX (y)
141 Pentru o demonstrat, ie alternativă vezi, de exemplu, [24, Lemma 6.2].
142 De exemplu, dacă X este o v.a. continuă care ia valori doar în intervalul [a, b] , adică
Supp (fX ) = [a, b] , iar dacă densitatea fX este continuă pe [a, b] , atunci se poate arăta că
funct, ia de repartit, ie FX este strict crescătoare pe [a, b] (vezi (3.5) s, i [56, Propozit, ia 9.2.13, Coro-
larul 4]).
266 3. Variabile aleatoare continue
−1
= FX FX (y) = y.
Propozit, ia 3.80 Fie F : R → [0, 1] o funct, ie de repartit, ie, i.e. o funct, ie care satisface
cele trei proprietăt, i date de Propozit, ia 2.12. Atunci, există143 un spat, iu de probabilitate
(Ω, F, P) s, i o v.a. X : Ω → R astfel încât F să fie funct, ia de repartit, ie a v.a. X.
Demonstrat, ie. Fie F −1 : (0, 1) → R inversa generalizată a funct, iei F, dată de
def
Definit, ia 3.21. Vom lua (Ω, F, P) == (0, 1), B (0, 1) , λ , unde λ este măsura
Lebesgue.
Fie U ∼ U(0, 1). Vom arăta144 că noua v.a.
def
X == F −1 ◦ U
F −1 (y) ≤ x ⇔ y ≤ F (x) .
FX (x) = P (X ≤ x) = P F −1 (U ) ≤ x = P (U ≤ F (x))
= FU (F (x)) = F (x) ,
Remarca 3.81 Rezultatul precedent este foarte util atunci când dorim să simu-
lăm valorile unei v.a. (atât cazul v.a. discrete cât s, i cel al v.a. continue), cu o
funct, ie de repartit, ie F dată în prealabil, utilizand doar v.a. de tip uniform pe
(0, 1), adică să generăm o serie de valori numerice (numită es, antion) ale unei
v.a. (discrete sau continue), cu o funct, ie de repartit, ie F dată, utilizand doar un
es, antion de valori ale unei v.a. de tip uniform pe (0, 1).
143 Pentru o demonstrat, ie alternativă vezi, de exemplu, [19, Theorem 1.2.2].
144 Aceasta este o metodă de a genera v.a., atât discrete cât s, i continue, folosind v.a. distribuite
uniform pe (0, 1).
Această metodă se numes, te metoda inversei funct, iei de repartit, ie (vezi Exemplul 3.82 s, i E-
xemplul 3.83, pentru cazul unei v.a. discrete, precum s, i Exercit, iul 3.6.12 s, i Nota 176 pentru
cazul unei v.a. continue).
3.3. Exemple de v.a. continue 267
Mai precis, dacă generăm mai întâi, prin diverse alte metode cunoscute,
es, antionul de valori y1 , . . . , yn al unei v.a. Y ∼ U(0, 1),
atunci, conform rezultatului precedent, valorile
Exemplul 3.82 Să observăm că, dacă luăm v.a. U ∼ U(0, 1) s, i p ∈ (0, 1) ,
atunci145 (vezi s, i scrierea (2.19) a unei v.a. discrete):
(3.33) X = 1[0,p] (U ) = 1{U ∈[0,p]}
este o v.a. discretă, cu tabloul
0 1
(3.34) X:
q p
deoarece
1[0,p] (U ) = 1 = P 1{U ∈[0,p]} = 1 = P (U ∈ [0, p])
P (X = 1) = P
Z p
= fU (u) du = p.
0
Astfel putem obt, ine v.a. discretă dată de (3.34), i.e. X ∼ Bernoulli(p), utilizând
v.a. U ∼ U(0, 1).
Să observăm că, de fapt, am aplicat chiar metoda inversei funct, iei de repar-
tit, ie. În acest sens, să luăm funct, ia de repartit, ie
0, dacă x < 0,
(3.35) F (x) = q, dacă x ∈ [0, 1),
1, dacă x ≥ 1.
145 Aceasta este o metodă de a genera v.a. discrete de tip Bernoulli(p) folosind v.a. distribuite
uniform pe (0, 1).
268 3. Variabile aleatoare continue
Exemplul 3.83 Dacă dorim să obt, inem, de exemplu, v.a. discretă
1 2 3
(3.36) X:
0.2. 0.5 0.3
Se poate arăta că inversa generalizată a funct, iei F, dată de definit, ia (3.7), este
1, dacă u ∈ (0, 0.2],
−1
F (u) = 2, dacă u ∈ (0.2, 0.7],
3, dacă u ∈ (0.7, 1),
3.3. Exemple de v.a. continue 269
deoarece, de exemplu,
Remarca 3.84 Adesea, distribut, ia exponent, ială este folosită drept model pen-
tru durata de funct, ionare (durata de viat, ă) a unui anume dispozitiv, i.e. tim-
pul de as, teptare până la defectarea unui anume dispozitiv, de exemplu, durata
de viat, ă a unui bec.
În alte situat, ii, distribut, ia exponent, ială este folosită drept model pentru
timpul de as, teptare dintre două aparit, ii succesive ale unui eveniment anume
(care tot continuă să apară); de exemplu, timpul de as, teptare dintre aparit, ia a
două cutremure, de mică intensitate, succesive. Este esent, ial să se presupună
146 Aceasta este o metodă de a genera v.a. discrete folosind v.a. distribuite uniform pe (0, 1).
270 3. Variabile aleatoare continue
că numărul de acest tip de evenimente, apărute în intervalul [0, t], urmează o
distribut, ie de tip Poisson cu parametrul direct proport, ional cu lungimea in-
tervalului de timp147 , adică P(λt). Atunci, se poate arăta, vezi, de exemplu,
[23, Proposition 10.4], că timpul de as, teptare dintre oricare două aparit, ii succe-
sive ale unui eveniment (astfel încât aparit, iile lor sunt modelate de un proces
stochastic Poisson) este o v.a. de tip exponent, ial de parametru λ.
Rx
Funct, ia de repartit, ie corespunzătoare este F (x) = −∞ f (t) dt = 0, dacă
x ≤ 0 s, i, dacă x > 0, atunci
Z x Z x
e−λt t=x
F (x) = f (t) dt = λe−λt dt = λ ,
−λ x=0
−∞ 0
deci (vezi s, i relat, iile (2.61) din cazul distribut, iei geometrice), pentru orice x > 0
avem
este numită funct, ia de supraviet, uire sau funct, ia de fiabilitate s, i, datorită for-
mei simple din cazul distribut, iei exponent, iale, este preferabil să lucrăm cu ea.
Remarca 3.85 (vezi s, i Remarca 3.129) Să folosim semnificat, ia dată de Remarca
3.84, conform căreia distribut, ia exponent, ială modelează timpul de as, teptare
dintre oricare două aparit, ii succesive ale unui eveniment anume (care tot con-
tinuă să apară) despre care se presupune că urmează o distribut, ie de tip Pois-
son cu parametrul direct proport, ional cu lungimea intervalului de timp în care
numărăm aparit, ia evenimentelor148 .
Astfel, să definim v.a. X1 ca fiind timpul de as, teptare până la prima apa-
rit, ie a evenimentului s, i, pentru i ≥ 2, definim Xi ca fiind timpul de as, teptare
147 Vezi definit, ia unui proces stochastic Poisson dată de Nota 82.
148 Vezi definit, ia unui proces stochastic Poisson dată de Nota 82.
3.3. Exemple de v.a. continue 271
Într-adevăr,
Prin urmare, am obt, inut expresia densităt, ii (3.38) asociată v.a. Xi , adică Xi ∼
Exp (λ), folosind doar semnificat, ia v.a. Xi s, i Nt precum s, i tipul de distribut, ie
al v.a. Nt .
Remarca 3.86 Ca s, i distribut, ia geometrică, din cazul discret (vezi Exercit, iul
2.4.39, Exercit, iul 2.4.40 s, i Exercit, iul 2.4.41), s, i distribut, ia exponent, ială are pro-
prietatea de a fi „fără memorie” . Mai mult chiar, distribut, ia exponent, ială este
singura distribut, ie continuă „fără memorie”.
Astfel, are loc, vezi Exercit, iul 3.6.10 s, i Exercit, iul 3.6.11:
272 3. Variabile aleatoare continue
Propozit, ia 3.87 Media s, i dispersia v.a. distribuite exponent, ial X ∼ Exp (λ) sunt
date de
1 1
(3.41) E (X) = s, i D2 (X) = .
λ λ2
Remarca 3.88 Deci, în cazul unei v.a. de tip Exp (λ) , parametrul ei este chiar
inversul mediei v.a..
Demonstrat, ie. Conform definit, iei, integrând prin părt, i, obt, inem
∞ Z ∞ −λx
e−λx x=∞
Z
e
E (X) = λxe−λx dx = λx −λ dx
−λ −λ
0 x=0 0
x x=∞ e−λx x=∞ 1
= − λx + = .
e x=0 −λ x=0 λ
Pe de altă parte,
∞ Z ∞
e−λx x=∞ e−λx
Z
E X2 = λx2 e−λx dx = λx2
−λ 2x dx
−λ x=0 −λ
0 0
Z ∞
x2 x=∞ E (X) 2
= − λx +2 xe−λx dx = 2 = 2.
e x=0 0 λ λ
Deci 2
2 1 1
D2 (X) = − = 2.
λ2 λ λ
Teorema 3.89 Distribut, ia exponent, ială Exp (λ) este un caz limită al distribut, iei ge-
ometrice G (p), când p → 0+ , în sensul următor: dacă X ∼ G (p), atunci are loc
următoarea limită, pentru orice y ∈ (0, ∞),
X
lim a→∞ P ≤ y = 1 − e−λy ,
p=λ/a→0+ a
sau, echivalent,
X
lim a→∞ P >y = e−λy ,
p=λ/a→0+ a
3.3. Exemple de v.a. continue 273
adică149
X
(3.42) lim a→∞ P ≤y = P (Y ≤ y) , unde Y ∼ Exp (λ) .
p=λ/a→0+ a
Demonstrat, ie. Fie y ∈ (0, ∞) arbitrar fixat. Fie p ∈ (0, 1) . Să considerăm v.a.
X
X ∼ G (p) s, i apoi v.a. , unde a = λp ∈ (0, ∞).
a
X
Să observăm, mai întâi, că noua v.a. ia valori în (0, ∞) .
a
Deoarece X ia valori în N∗ deducem, folosind s, i (2.61), că
X bayc
P > y = P (X > ay) = P (X ≥ bayc + 1) = P (X > bayc) = (1 − p) ,
a
unde bayc este partea întreagă a numărului ay, i.e. cel mai mare întreg mai mic
sau egal decât ay.
Deci
o−pbayc
X bayc
n 1
lima→∞ P > y = lima→∞ (1 − p) = lima→∞ (1 − p) −p
a
bayc
= e− lima→∞ (pbayc) = e− lima→∞ apy ay = e−λy ,
bayc bayc
deoarece ay−1 ay
ay < ay ≤ ay , deci lima→∞ ay = 1.
Deci, dacă a > 0 este suficient de mare, atunci putem aproxima distribut, ia
X
exponent, ială de parametru λ prin distribut, ii de tipul , unde X este o v.a. de
a
tip geometric de parametru p = λ/a.
Sau, echivalent, dacă p > 0 este suficient de mic, atunci putem aproxima
pX
distribut, ia exponent, ială de parametru λ prin distribut, ii de tipul , unde X
λ
este o v.a. de tip geometric de parametru p.
Exercit, iul 3.90 Fie o v.a. X ∼ Exp (λ), λ > 0. Să se calculeze funct, ia de repartit, ie
FU , unde U = bXc , adică partea întreagă a v.a. X, i.e. cel mai mare întreg aleator
mai mic sau egal decât v.a. X.
149 Relat, ia (3.42) se poate scrie sub forma (vezi s, i Definitia 5.21):
lima→∞ FX/a (y) = FY (y) , pentru y ∈ (0, ∞) .
unde X ∼ G (λ/a) iar Y ∼ Exp (λ) .
274 3. Variabile aleatoare continue
deci
FU (n) = 1 − q n+1 .
Astfel, pentru orice n ∈ N,
P (U = n) = P (U > n − 1) − P (U > n)
= q n − q n+1 = q n (1 − q) = pq n ,
e−λx x=n+1 n
= e−λn − e−λ(n+1) = 1 − e−λ e−λ
=
−1 x=n
= pq n .
Astfel, putem spune că distribut, ia geometrică este versiunea discretă a dis-
tribut, iei exponent, iale.
Densitatea de repartit, ie
2 1
e−x < , pentru orice x ∈ R,
1 + x2
R∞ 1
dar 0
= arctan (∞) − arctan (0) = π/2 adică este convergentă. Deci
1+x2 dx
def R ∞ 2
integrala improprie I1 == 0 e−x dx este s, i ea convergentă.
Pe de altă parte,
Z ∞ Z ∞ ZZ
2 2 2
2 −y 2
(I1 ) = e−x dx · e−y dy = e−x dxdy.
0 0 x,y≥0
276 3. Variabile aleatoare continue
(i) Graficul este cunoscut sub numele de clopotul lui Gauss s, i este simetric
în raport cu dreapta x = µ (adică X este v.a. simetrică în raport cu µ)
(ii) Parametrul σ2 dă gradul de turtire al graficului (sau gradul de împrăs, ti-
ere al valorilor lui X fat, ă de valoarea medie µ).
(iii) Graficul are axa Ox drept asimptotă orizontală la ±∞ deoarece avem
limx→±∞ f (x) = 0.
1
(iv) Graficul admite un maxim în punctul M m, √2πσ 2
s, i două puncte de
inflexiune date de µ − σ s, i µ + σ.
Într-adevăr, derivata
1 (x−µ)2 x−µ x−µ
f 0 (x) = √ e− 2σ2
2
= − 2 f (x) .
2πσ2 −σ σ
f 0 (x) = 0 ⇔ x = µ.
Pe de altă parte,
−1 − (x−µ) 2 (x−µ)2 x − µ
f 00 (x) = √ e 2σ2 + (x − µ) e− 2σ2
2π σ3 −σ2
2 2
−1 (x−µ)2 σ2 − (x − µ) σ2 − (x − µ)
=√ e− 2σ2 2
=− 4
f (x) .
2π σ3 σ σ
f 00 (x) = 0 ⇔ x = µ ± σ.
3.3. Exemple de v.a. continue 277
1 x2
f (x) = √ e− 2 , x ∈ R.
2π
s, i
∞ ∞ √
x2 2√
Z Z
(x−µ)2 1
E X2 = e− ( 2σt + µ)2 e−t 2σdt
√ 2σ2 dx = √
−∞ 2πσ2 2πσ2 −∞
√
2σ2 ∞ 2 −t2 2 2µσ ∞ −t2
Z ∞
µ2
Z Z
2
= √ t e dt + √ te dt + √ e−t dt
π −∞ π −∞ π −∞
278 3. Variabile aleatoare continue
2 2
2σ2 e−t x=∞ 2σ2 ∞ e−t µ2 √
Z
= √ t −√ dt + 0 + √ π
π −2 x=−∞ π −∞ −2 π
Z ∞
σ2 t x=∞ σ2 2
= − √ t2 +√ e−t dt + µ2 = σ2 + µ2 .
π e x=−∞ π −∞
Deci D2 (X) = σ2 + µ2 − µ2 = σ2 .
Funct, ia de repartit, ie
Remarca 3.96 Evident, dacă folosim interpretarea cu ajutorul ariei funct, iei Φ,
observăm că
1
Φ (0) =
2
s, i, folosind simetria graficului funct, iei de densitate fX , obt, inem că
prin urmare este suficient să cunoas, tem doar valorile funct, iei Φ în argumente
strict pozitive.
Remarca 3.97 Avem că limx→∞ Φ (x) = 1. Dacă folosim tabelele, citim urmă-
toarele valori:
3.3. Exemple de v.a. continue 279
Exemplul 3.98 Fie v.a. X ∼ N(0, 1). Citim din tabele valoarea Φ (1.68) ' 0.954,
deci probabilitatea ca X să ia valori mai mici decât 1.68 reprezintă aproximativ
95% din întreaga arie mărginită de densitatea de repartit, ie s, i de axa Ox.
Propozit, ia 3.99 Fie X ∼ N µ, σ2 . Are loc următoarea legătură între funct, ia de
repartit, ie FX s, i funct, ia de repartit, ie Φ pentru care există tabele de valori:
x − µ
(3.45) F (x) = Φ , pentru orice x ∈ R.
σ
1
F (µ) = ,
2
deci µ = x1/2 este mediana distribut, iei, deoarece împarte mult, imea valorilor
în două părt, i egale, i.e.
P (X ≤ µ) = P X ≤ x1/2 = 1/2
iar
P (X > µ) = 1 − P X ≤ x1/2 = 1/2.
280 3. Variabile aleatoare continue
Propozit, ia 3.101 Fie X ∼ N µ, σ2 . Atunci, pentru orice −∞ ≤ a ≤ b ≤ ∞,
> 0 s, i k > 0,
b − µ a − µ
(i) P (a ≤ X ≤ b) = F (b) − F (a) = Φ −Φ ,
σ σ
(ii) P (|X − µ| ≤ ) = F (µ + ) − F (µ − )
(3.46) =Φ −Φ − = 2Φ − 1,
σ σ σ
(iii) P (|X − µ| ≤ kσ) = 2Φ (k) − 1,
Având în vedere că valoarea 0.0027 poate fi neglijată, obt, inem că o v.a. reparti-
zată normal X ∼ N µ, σ2 ia valori semnificative în intervalul (µ − 3σ, µ + 3σ)
(numită s, i „regula celor 3σ”), i.e.
3.3. Exemple de v.a. continue 281
Remarca 3.104 Fie X o v.a oarecare (discretă sau continuă) cu media µ s, i dis-
persia σ2 . Putem obt, ine o estimare a probabilităt, ii P (|X − µ| < 3σ) s, i cu aju-
torul inegalităt, ii (2.44) a lui Cebâs, ev:
1
P (|X − µ| ≥ 3σ) ≤ ' 0.1111
32
sau, echivalent,
8
P (|X − µ| < 3σ) ≥ ' 0.8889.
9
Observăm că, în cazul particular al unei v.a. X ∼ N µ, σ2 , marginea supe-
rioară obt, inută este mult mai mare decât valoarea exactă a probabilităt, ii.
= 2 (1 − Φ (a)) ,
deci
A = P (|X| ≥ a) = 2 (1 − Φ (a)) , pentru orice a > 0;
282 3. Variabile aleatoare continue
X −µ
X ∼ N µ, σ2
⇔ ∼ N(0, 1) .
σ
Remarca 3.107 Dacă X este o v.a., atunci spunem că noua v.a.
X − E (X)
p se numes, te standardizarea v.a. X.
D2 (X)
X−µ X−E(X)
= √
De exemplu, dacă X ∼ N µ, σ2 , atunci v.a. σ 2
este chiar stan-
D (X)
dardizarea v.a. X.
X −µ
Demonstrat, ie. Să notăm cu Y = . Avem
σ
X − µ
FY (y) = P (Y ≤ y) = P ≤ y = P (X ≤ σy + µ) = FX (σy + µ) .
σ
Deci
0 0
fY (y) = (FY (y)) = (FX (σy + µ)) = σfX (σy + µ)
1 (σy)2 1 y2
= σ√ e− 2σ2 = √ e− 2 ,
2πσ2 2π
adică Y corespunde unei v.a. distribuite normal standard.
σX + µ ∼ N µ, σ2 .
X ∼ N(0, 1) ⇔
151 Vezi s, i demonstrat, ia alternativă dată de formula (3.70), aplicată în Exemplul 3.207.
3.3. Exemple de v.a. continue 283
X ∼ N µ, σ2 ⇔ aX + b ∼ N aµ + b, a2 σ2 .
Propozit, ia 3.110 Suma a două v.a. independente care urmează o distribuit, ie de tip
normal este o v.a care urmează o distribuit, ie tot de tip normal. Mai precis,
Remarca 3.111 Distribut, ia normală este cazul limită al multor distribut, ii: în
acest sens vezi Teorema Limită Centrală dată de Teorema 5.84 s, i rezultatele
asociate date de Remarcile 5.87, 5.93, 5.95, 5.97, 5.99, 5.100, 5.103.
Deci, pentru valori mari ale lui n, putem folosi, dacă t, inem cont s, i de relat, ia
(3.45), doar tabelele de valori ale funct, iei de repartit, ie Φ asociată unei distribu-
t, ii normale standard.
Remarca 3.112 Dacă suntem în cadrul de lucru al Remarcii 2.85, mai precis,
dacă avem v.a. X reprezentând o caracteristică cercetată s, i v.a. (Xi )i=1,n de
tip i.i.d., urmând repartit, ia lui X, atunci (Xi )i=1,n reprezintă o select, ie (sau
es, antion) de volum n.
Să observăm că, în cazul particular în care caracteristica cercetată urmează
distribut, ia normală, i.e. X ∼ N µ, σ2 , unde µ > 0 s, i σ > 0, putem determina
chiar tipul de distribut, ie al mediei de select, ie.
284 3. Variabile aleatoare continue
s, i apoi, folosind Propozit, ia 3.109, deducem că media de select, ie este v.a. de
tipul
X̄n ∼ N µ, σ2 /n .
(3.47)
P (Y ≤ x) = P (X ≤ x)
= P (X ≤ x, = 1) + P (X ≤ x, = −1)
= P (X ≤ x) P ( = 1) + P (X ≥ −x) P ( = −1)
1
= [P (X ≤ x) + P (X ≥ −x)]
2
1
= [P (X ≤ x) + P (−X ≤ x)]
2
= P (X ≤ x) ,
−X ∼ N(0, 1) ,
deci
P (−X ≤ x) = P (X ≤ x) , pentru orice x ∈ R,
3.3. Exemple de v.a. continue 285
sau deoarece, din motive de simetrie ale graficului densităt, ii fX , are loc, pentru
orice x ∈ R,
Z ∞ Z −x
P (X ≥ −x) = fX (y) dy = 1 − fX (y) dy
−x −∞
Z ∞ Z x
=1− fX (y) dy = fX (y) dy
x −∞
= P (X ≤ x) .
Deci s-a obt, inut că v.a. Y este s, i ea distribuită normal standard Y ∼ N(0, 1) .
Pe de altă parte, v.a. normale standard au momentele de ordin par date de
formulele (3.97):
deci
E X 2 = E Y 2 = 1 s, i E X 4 = E Y 4 = 3.
Obt, inem
E X 2 Y 2 = E 2 X 4 = E 2 E X 4 = 1 · 3 = 3,
E X 2 · E Y 2 = 1 · 1 = 1,
adică E X 2 Y 2 6= E X 2 · E Y 2 , ceea ce arată că v.a. X, Y nu sunt indepen-
dente.
Pe de altă parte, este evident din însăs, i definit, ia lor că v.a. X s, i Y = X nu
sunt independente.
Astfel, avem un exemplu de două v.a. care sunt necorelate, dar care sunt
totus, i dependente.
Exemplul 3.114 Un alt exemplu de v.a. care sunt necorelate dar nu sunt totus, i
independente este următorul.
Fie X ∼ N(0, 1) s, i Y = X 2 . Deoarece v.a. normale standard au momentele
de ordin impar nule, vezi formulele (3.97), i.e.
E X 2k+1 = 0,
286 3. Variabile aleatoare continue
obt, inem
Cov (X, Y ) = E (XY ) − E (X) E (Y ) = E X 3 − 0 · E X 2 = 0
Remarca 3.115 Fie a o mărime fizică s, i n măsurători ale ei {ai }i=1,n . Să definim
def
erorile de măsurare i == a − ai , i = 1, n. Problema este de a determina o
valoare aproximativă pentru a (cu o eroare minimă). Ne interesează erorile
accidentale, care apar datorită unor factori aleatori, neidentificabili. Nu există
posibilitatea depistării s, i eliminării lor (ele nu sunt erori grosolane sau sistema-
tice). Aceste erori pot fi văzute ca valori ale unei v.a..
În anumite cazuri se poate considera că aceste erorile accidentale urmează
o repartit, ie de tipul N 0, σ2 .
Exemplul 3.116 (Problema inversă Exemplului 3.98) Pentru orice grup de ob-
servat, ii s, i erorile asociate lor, să găsim probabilitatea de 50% să apară (adică,
oricare ar fi eroarea unei măsurători, sa aibă aceeas, i s, ansă să fie între anumite
limite sau să nu fie între acele limite). Să determinăm valoarea E0.5 care este
dată de definit, ia152
P (|X| ≤ Eδ ) = δ, cu δ ∈ (0, 1) ,
unde X ∼ N(0, 1) .
def
Să determinăm s, i valoarea E0.5 corespunzătoare v.a. Y == σX ∼ N 0, σ2 .
Utilizând (3.46) obt, inem că valoarea E0.5 este dată de
0.5 = P (|X| ≤ E0.5 ) = 2Φ (E0.5 ) − 1 ⇔ Φ (E0.5 ) = 0.75.
Folosind tabelul funct, iei funct, iei de repartit, ie asociate unei v.a. N(0, 1) obt, inem
că E0.5 este o valoare situată între 0.67 s, i 0.68 deoarece Φ (0.67) = 0.748571 s, i
Φ (0.68) = 0.751748. Valoarea lui E0.5 se va găsi, de exemplu, prin interpolare
liniară.
Astfel,
E0.5 − 0.67 0.75 − 0.748571
= = 0.44980
0.68 − 0.67 0.751748 − 0.748571
152 Se poate folosi s, i notat, ia E50 în loc de E0.5 .
3.3. Exemple de v.a. continue 287
Observăm că din valoarea lui E0.997 se deduce „regula celor 3σ”.
λp p−1 −λx
(3.48) f (x) = x e 1(0,∞) (x) , x ∈ R,
Γ (p)
Remarca 3.118 Distribut, ia exponent, ială este un caz particular al distribut, iei
Gamma:
Exp (λ) = Gamma (1, λ) .
Distribut, ia Erlang (vezi Nota 222) este un caz particular al distribut, iei Gamma:
1 ∞ −1/2 −t
Z
1 1
I1 = t e dt = Γ .
2 0 2 2
√
Deci Γ 12 = π .
Se verifică s, i proprietăt, ile unei densităt, i de repartit, ie: f (x) ≥ 0 pentru orice
x ∈ R s, i
Z ∞ Z ∞ Z ∞
λp 1 0
f (x) dx = xp−1 e−λx dx = (x0 )p−1 e−x dx0
−∞ Γ (p) 0 Γ (p) 0
1
= Γ (p) = 1,
Γ (p)
s, i
∞ ∞
λp λp
Z Z
E X2 = x2 xp−1 e−λx dx = xp+1 e−λx dx
Γ (p) 0 Γ (p) 0
Z ∞
1 0 1 p (p + 1)
= (x0 )(p+2)−1 e−x dx0 = Γ (p + 2) = ,
λ2 Γ (p) 0 λ2 Γ (p) λ2
deci
p (p + 1) p2 p
D2 (X) = − 2 = 2.
λ2 λ λ
Propozit, ia 3.122 Suma a două v.a. independente care urmează o distribuit, ie de tip
Gamma este o v.a care urmează o distribuit, ie tot de tip Gamma. Mai precis153 ,
În particular, folosind Remarca 3.118, obt, inem că suma de v.a. indepen-
dente s, i distribuite exponent, ial de acelas, i parametru λ urmează o distribut, ie
de tip Gamma (vezi s, i Exercit, iul 4.2.18).
Propozit, ia 3.123 Suma a două v.a. independente care urmează o distribuit, ie de tip
exponent, ial este o v.a care urmează o distribuit, ie de tip Gamma. Mai precis,
adică
1 1
În plus, conform (3.41), avem că E (Xi ) = iar D2 (Xi ) = 2 , deci este foarte
λ λ
us, or să obt, inem s, i să ret, inem media s, i dispersia unei v.a. distribuite de tip
Gamma (n, λ) în cazul n ∈ N∗ , adică formulele (3.49):
Xn Xn Xn 1 1
E (X) = E Xi = E (Xi ) = =n·
i=1 i=1 i=1 λ λ
s, i
Xn Xn Xn 1 1
D2 (X) = D2 Xi = D2 (Xi ) = 2
=n· 2.
i=1 i=1 i=1 λ λ
Remarca 3.125 Să folosim semnificat, ia dată de Remarca 3.84, conform căreia
distribut, ia exponent, ială modelează timpul de as, teptare dintre oricare două
aparit, ii succesive ale unui eveniment anume (care tot continuă să apară) de-
spre care se presupune că urmează o distribut, ie de tip Poisson cu parametrul
3.3. Exemple de v.a. continue 291
va reprezenta timpul total de as, teptare de la momentul init, ial până la aparit, ia
n a evenimentului
Exercit, iul 3.126 Vom arăta că, în cazul particular al unei v.a. Sn ∼ Gamma(n, λ),
cu n ∈ N∗ , avem
Xn−1 (λt)i
FSn (t) = P (Sn ≤ t) = 1 − e−λt , t > 0,
i=0 i!
sau, echivalent,
Xn−1 (λt)i
(3.50) P (Sn > t) = e−λt , t > 0.
i=0 i!
Rt λn
Într-adevăr, FSn (t) = 0 Γ(n)
xn−1 e−λx dx, pentru orice n ∈ N∗ s, i t > 0.
deci
λn−1 n−1 −λt
FSn (t) = − t e + FSn−1 (t)
(n − 1)!
λn−1 n−1 −λt λn−2 n−2 −λt
=− t e − t e + FSn−2 (t)
(n − 1)! (n − 2)!
= ...
Xn−1 (λt)i
=1− e−λt .
i=0 i!
Folosind exercit, iul precedent se poate obt, ine următoarea legătură între dis-
tribut, ia Gamma s, i distribut, ia Poisson.
Exercit, iul 3.127 Fie două v.a astfel încât X ∼ Gamma (n, 1), Y ∼ P (t), unde
n ∈ N∗ , t > 0. Atunci, are loc:
Exercit, iul 3.128 Dacă v.a. Sn ∼ Gamma (n, λ), N (t) ∼ P (λt), unde n ∈ N∗ s, i
λ, t > 0, atunci are loc156 relat, ia (3.51):
În particular, dacă v.a. Sn ∼ Gamma (n, λ), N ∼ P (λ), unde n ∈ N∗ , λ > 0, atunci
are loc:
P (Sn > 1) = P (N < n) = P (N ≤ n − 1) .
156 Vezi s, i Exercit, iul 3.6.32.
3.3. Exemple de v.a. continue 293
De asemenea, în particular, se obt, ine s, i următorul rezultat, cunoscut deja, vezi (3.39):
dacă v.a. S1 ∼ Exp (λ), N (t) ∼ P (λt), unde λ, t > 0, atunci are loc:
(λt) −λt
P (S1 > t) = P (N (t) < 1) = P (N (t) = 0) = e = e−λt .
0!
Remarca 3.129 (vezi s, i Remarca 3.85) Relat, ia (3.52) se poate demonstra s, i dacă
folosim exclusiv semnificat, iile date de Remarca 3.125. Mai precis, să considerăm
un proces stochastic Poisson (Nt )t≥0 definit de Nota 82, prin urmare Nt reprez-
intă numărul de evenimente ce au loc într-un interval de lungime t (indiferent
de momentul init, ial). Deci avem s, i faptul că v.a. Nt ∼ P (λt).
Să definim s, i Sn ca fiind timpul de as, teptare de la momentul init, ial până
la aparit, ia n a evenimentului avut în vedere. Atunci are loc egalitatea, vezi s, i
relat, ia (3.52):
sau, echivalent,
Într-adevăr,
Xn−1 (λt)i
FSn (t) = 1 − P (Sn > t) = 1 − e−λt .
i=0 i!
Prin urmare, densitatea v.a. Sn , cu semnificat, ia de mai sus, este dată de
0
Xn−1 (λt)i 0
fSn (t) = (FSn (t)) = 1 − e−λt
i=0 i!
Xn−1 (λt) i 0
= − e−λt + e−λt
i=1 i!
294 3. Variabile aleatoare continue
Xn−1 i (λt)i−1 λ i
(λt) −λt
= λe−λt − e−λt − λ e
i=1 i! i!
Xn−1 (λt)i (λt)
i−1
= λe−λt + λe−λt −
i=1 i! (i − 1)!
(λt)n−1
= λe−λt + λe−λt −1
(n − 1)!
n−1
(λt)
= λe−λt
(n − 1)!
λn n−1 −λ t
= t e , pentru orice t > 0.
Γ (n)
Prin urmare, am obt, inut expresia densităt, ii (3.48) asociată v.a. Sn , în cazul
n ∈ N∗ , adică Sn ∼ Gamma (n, λ), folosind doar semnificat, ia v.a. Sn s, i Nt
precum s, i tipul de distribut, ie al v.a. Nt .
Demonstrarea următorului rezultat se poate face cu ajutorul funct, iei carac-
teristice (vezi Exercit, iul 4.2.19).
(3.54) f (x) = √ n
1+ , x ∈ R.
nπ Γ 2 n
Γ (1) −1 1
f (x) = √ 1
1 + x2 = , x ∈ R,
πΓ 2 π (1 + x2 )
3.3. Exemple de v.a. continue 295
care defines, te o v.a. distribuită Cauchy C (0, 1) (vezi Nota 182), adică
t (1) = C (0, 1) .
f (x) = √ 1 n
1+ , x ∈ R.
nβ 2, 2
n
Are loc
∞
Z ∞ − n+1
Γ n+1 x2
Z 2
2
f (x) dx = √ n
1 + dx.
−∞ nπ Γ 2 −∞ n
√
Acum se va face schimbarea de variabilă √x = y sau echivalent x = ny, deci
√ n
dx = ndy.
157 Pentru a demonstra proprietatea (ii) se poate, de exemplu, folosi schimbarea de variabilă x =
uv s, i y = u (1 − v) în integrala dublă Γ (p) · Γ (q) = (0,∞)×(0,∞) xp−1 y q−1 e−(x+y) dxdy.
RR
Obt, inem
∞
Z ∞
Γ n+1 √
Z
− n+1
f (x) dx = √ 2
n
1 + y2 2
ndy
−∞ nπ Γ 2 −∞
Z ∞
2Γ n+1 − n+1
=√ 2
n 1 + y2 2
dy
πΓ 2 0
(integrandul este o funct, ie pară).
2
Am obt, inut o integrală binomă, s, i putem face substitut, ia 1+y y2 = t−1 sau
q 0
t
echivalent y = 1−t . Se va obt, ine dy = √1 t t
1−t dt s, i deci
2 1−t
Apoi
∞ − n+1
2Γ n+1
Z Z 1
2 1 2
1 −1/2 −3/2
f (x) dx = √ n t (1 − t) dt
−∞ π Γ 2 0 1 − t 2
Γ n+1
Z 1
n+1
−3/2
=√ 2
(1 − t) 2 t−1/2 (1 − t) dt
π Γ n2 0
Γ n+1 Γ n+1
Z 1
2
n
2 −1 −1/2 2 1 n
=√ (1 − t) t dt = √ β ,
π Γ n2 0 π Γ n2 2 2
Γ n+1 1 n
2 Γ 2 Γ 2
=√ = 1.
π Γ n2 Γ n+12
Γ( n+1
2 )
unde C = √
nπ Γ( n
.
2)
Remarca 3.136 Pentru distribut, ia t (n) există tabele de valori care dau proba-
bilităt, i de forma
P (X > t ) = ,
unde X ∼ t (n).
R∞
Deoarece P (X > t ) = t f (x) dx, deducem că = P (X > t ) este chiar
aria domeniului cuprins între dreapta x = t , graficul funct, iei f s, i axa Ox.
Exemplul 3.137 Dacă dorim să obt, inem 98% din aria totală astfel încât ariile
domeniilor rămase la stânga s, i la dreapta să fie egale fiecare cu 1%, atunci tre-
buie să determinăm din tabel numărul t0.01 .
Folosind simetria graficului densităt, ii fX în raport cu axa Oy, aria căutată
va fi dată de
Propozit, ia 3.138 Media s, i dispersia v.a. distribuite Student X ∼ t (n) sunt date de
n
E (X) = 0, dacă n > 1, s, i D2 (X) = , dacă n > 2.
n−2
Remarca 3.139 De fapt, se obt, ine că media unei v.a. distribuite student t (n)
există s, i este finită dacă s, i numai dacă n > 1 iar dispersia unei v.a. distribuite
student t (n) există s, i este finită dacă s, i numai dacă n > 2.
Γ( n+1
2 )
Demonstrat, ie. Să notăm C0 = √
nπ Γ( n
. Media este dată de
2)
∞ − n+1
x2
Z 2
E (X) = C0 x 1 + dx
−∞ n
Z 0 − n+1 Z ∞ − n+1
x2 x2
2 2
= C0 x 1+ dx + C0 x 1+ dx
−∞ n 0 n
! n+1
Z ∞ 2 − 2 Z ∞ − n+1
(x0 ) 0 x2 2
= C0 x 1+ dx − C0 x 1+ dx
0 n 0 n
α+1
x
Luând α = n obt, inem limx→∞ n+1 = 1 ∈ (0, ∞), deci integrala im-
(x2 +n) 2
R∞ 2 − n+1
proprie 0 x 1 + xn
2
dx este convergentă dacă n > 1 s, i divergentă dacă
n ∈ (0, 1].
Mai precis, obt, inem că media E (X) este 0, dacă n > 1 s, i nu există158 dacă
n ∈ (0, 1] (faptul că funct, ia care se integrează este impară nu este suficient că
să tragem concluzia că media este zero).
158 În cazul în care n = 1 v.a. X ∼ t(1) = C (0, 1), deci media v.a. X nu există (vezi Exercit, iul
3.6.76).
3.3. Exemple de v.a. continue 299
∞ − n+1 Z ∞ − n+1
x2 x2
Z 2 2
2 2 2
E X = C0 x 1 + dx = 2C0 x 1+ dx
−∞ n 0 n
(integrandul fiind funct, ie pară).
Pe de altă parte, aplicând un criteriu de convergent, ă, observăm că
− n+1
x2 xα+2
2
n+1
α 2
x ·x 1+ =n 2
n+1 .
n (x2 + n) 2
α+2
x
Luând α = n − 1 obt, inem limx→∞ n+1 = 1 ∈ (0, ∞), deci integrala
(x2 +n) 2
R∞ 2
− n+1
2
improprie 0 x2 1 + xn dx este convergentă dacă n > 2 s, i divergentă
dacă n ∈ (0, 2].
Obt, inem că media E X 2 (deci s, i dispersia) există s, i este finită doar în cazul
în care n > 2.
x2
În acest caz făcând schimbarea de variabilă n = y obt, inem
Z ∞
2
x2 f (x) dx
E X =
−∞
Z ∞ √
Γ n+12 − n+1 n
= 2√ n
ny (1 + y) 2
√ dy
nπ Γ 2 0 2 y
∞
nΓ n+1
Z
1 − n+1
= 1
2 n y 2 (1 + y) 2 dy
Γ 2 Γ 2 0
Z ∞
nΓ n+1 3 − n−2 − 3
= 1
2
n
y 2 −1 (1 + y) 2 2 dy
Γ 2 Γ 2 0
nΓ n+1
2 3 n−2
= β ,
Γ 12 Γ n2
2 2
nΓ n+1 Γ 23 Γ n−2
2 2
=
Γ 12 Γ n2 Γ n+1
2
1 1 n−2
n2Γ 2 Γ 2 n
= n−2 1
n−2 = n − 2 ,
2 Γ 2 Γ 2
300 3. Variabile aleatoare continue
deci
n n
D2 (X) = − 02 = .
n−2 n−2
Remarca 3.140 Momentele de ordin impar sunt nule deoarece funct, ia care se
Z ∞ − n+1
x2
2
∞ − n+1
Γ n+1
x2
Z 2
2k+1 2 2k+1
µ2k+1 = E(X )= √ n x
1+ dx = 0.
−∞ nπ Γ 2 n
3.3.6 Distribut, ia χ2
O v.a. X spunem că urmează distribut, ia χ2 de parametri n ∈ N∗ s, i σ > 0, s, i
scriem X ∼ χ2(n, σ), dacă are densitatea de repartit, ie dată de
1
x 2 −1 e− 2σ2 1(0,∞) (x) ,
n x
(3.55) f (x) = n n x ∈ R.
2 2 σn Γ 2
Remarca 3.141 Având în vedere definit, ia (3.48) obt, inem următoarea legătură
între distribut, ia χ2 s, i distribut, ia Gamma:
n 1
(3.56) χ2(n, σ) = Gamma , 2 , pentru n ∈ N∗ s, i σ > 0.
2 2σ
Se verifică proprietăt, ile unei densităt, i de repartit, ie. Într-adevăr, dacă se face
schimbarea de variabilă 2σx 2 = y, obt, inem
Z ∞ Z ∞
1 n x
f (x) dx = n 2 −1 e− 2σ2 dx
n x
2 2 σn Γ
−∞ 0 2
Z ∞
1 n −1 n
2σ2 2 y 2 −1 e−y 2σ2 dy
= n n n
22 σ Γ 2 0
Z ∞
1 n 1
y 2 −1 e−y dy = n
= n
n Γ 2 = 1.
Γ 2 0 Γ 2
3.3. Exemple de v.a. continue 301
În particular,
1
X ∼ χ2(n, σ) dacă s, i numai dacă X ∼ χ2(n, 1) .
σ2
Demonstrat, ie. Pentru orice y ≤ 0 avem FaX (y) = 0. Apoi, pentru pentru orice
y > 0, avem
Deci
y 1
0 0
faX (y) = (FaX (y)) = (FX (y/a)) = fX
a a
y
1 n − √
= n √ n n
y 2 −1 e 2( aσ)2
,
2 ( aσ) Γ
2
2
√
adică aX ∼ χ2(n, aσ).
1 n/2−2 −x/2 n − 2 − x
f 0 (x) = x e < 0, pentru orice x > 0 > n − 2,
C 2
302 3. Variabile aleatoare continue
Remarca 3.146 Pentru distribut, ia X ∼ χ2(n, 1) există tabele de valori care dau
probabilităt, i de forma
P X > χ2 = .
R∞
De fapt, P X > χ2 = χ2 f (x) dx adică P X > χ2 este aria domeniului cuprins
între dreapta x = χ2 , graficul funct, iei f s, i axa Ox.
Exercit, iul 3.147 Dacă dorim să obt, inem 98% din aria totală astfel încât ariile domeni-
ilor rămase la stânga s, i la dreapta să fie egale fiecare cu 1%, atunci trebuie să deter-
minăm din tabel numerele χ20.99 s, i χ20.01 . Aria căutată va fi atunci
Dacă numărul n al gradelor de libertate s, i sunt date, atunci obt, inem χ2 .
3.3. Exemple de v.a. continue 303
2
Exemplul 3.148
2
Invers, dacă se dau numărul natural n s, i valoarea χ , obt, inem
= P X > χ .
x
Făcând schimbarea de variabilă 2 = y obt, inem
Z ∞ Z ∞
1 n 2 n
E (X) = n n
(2y) 2 e−y 2dy = n
y 2 e−y dy
22 Γ 2 0 Γ 2 0
2 n
= n
Γ + 1 = n.
Γ 2
2
Apoi
Z ∞
1 n x
E X2 = x 2 +1 e− 2 dx
n n
2 Γ2
2 0
Z ∞ Z ∞
1 n
2 +1 −y 4 n
= n n
(2y) e 2dy = n
y 2 +1 e−y dy
2 Γ
2
2 0 Γ 2 0
4 n n n
= Γ + 2 = 4 + 1 ,
Γ n2
2 2 2
deci
n n
D2 (X) = 4 + 1 − n2 = 2n.
2 2
Propozit, ia 3.150 Suma a două v.a. independente care urmează o distribuit, ie de tip
χ2 este o v.a care urmează o distribuit, ie tot de tip χ2 . Mai precis,
Remarca 3.152 Pentru distribut, ia X ∼ F (m, n) există tabele de valori care dau
probabilităt, i de forma
P (X > F ) = .
R∞
De fapt, P (X > F ) = F f (x) dx adică P (X > F ) este aria domeniului cu-
prins între dreapta x = F , graficul funct, iei f s, i axa Ox.
Remarca 3.155 Dacă n = 1, vom spune că X este variabilă aleatoare reală sau,
mai simplu, variabilă aleatoare. Dacă n ≥ 2, vom spune că X este vector
aleator n−dimensional sau, mai simplu, vector aleator.
Remarca 3.161 În cazul 1−dimensional proprietăt, ile (i) , (ii) , (iii) sunt carac-
teristice unei funct, ii de repartit, ie.
În cazul multidimensional trebuie impusă condit, ia (care se obt, ine din (iv)):
0
(iv) ∆a1 ,b1 [∆a2 ,b2 [. . . ∆an ,bn [FX (x1 , . . . , xn )]]] ≥ 0
pentru orice a, b ∈ Rn cu ai ≤ bi ,
unde
def
∆ai ,bi [FX (x1 , . . . , xn )] ==FX (x1 , . . . , xi−1 , bi , xi+1 , . . . , xn )
− FX (x1 , . . . , xi−1 , ai , xi+1 , . . . , xn ) .
Remarca 3.163 Prin urmare, dacă (X, Y ) : Ω → R2 este un vector aleator bidi-
mensional iar F(X,Y ) este funct, ia de repartit, ie asociată, atunci funct, iile margi-
nale de repartit, ie sunt date de
Remarca 3.164 Dacă s, tim funct, ia de repartit, ie a vectorului aleator atunci pu-
tem determina s, i funct, ia marginală de repartit, ie a fiecărei componente. Reci-
proca nu este adevărată: dacă s, tim funct, ia marginală de repartit, ie a fiecărui v.a.
componente atunci nu putem obt, ine funct, ia de repartit, ie a vectorului aleator
în întregime.
pentru orice x, y ∈ R.
F(X1 ,X2 ,...,Xn ) (x1 , x2 , . . . , xn ) = FX1 (x1 ) · FX2 (x2 ) · . . . · FXn (xn ) ,
pentru orice x1 , . . . , xn ∈ R.
X, Y independente ⇔ P (X = x, Y = y) = P (X = x) P (Y = y) ,
Exemplul 3.168 Se aruncă două zaruri simultan. Fie vectorul aleator bidimen-
sional (X, Y ) unde X, Y iau drept valori numărul de puncte apărute la arun-
carea primului s, i respectiv celui de al doilea zar.
Atunci,
X X
F(X,Y ) (x, y) = xi ∈X(Ω) yi ∈Y (Ω) P (X = xi , Y = yi )
xi ≤x yi ≤y
De exemplu,
F(X,Y ) (3, 2) = P (X1 = 1, X2 = 1) + P (X1 = 1, X2 = 2)
+ P (X1 = 2, X2 = 1) + P (X1 = 2, X2 = 2)
+ P (X1 = 3, X2 = 1) + P (X1 = 3, X2 = 2)
1 1 1 1 1 1 1
= + + + + + = .
36 36 36 36 36 36 6
În cazul unui vector aleator X = (X1 , . . . , Xn ) , în caz că există media com-
ponentelor, definim media vectorului aleator X ca fiind
def
E (X) = E (X1 , . . . , Xn ) == E (X1 ) , . . . , E (Xn ) .
def
unde Cov (Xi , Xj ) == E [(Xi − E (Xi )) · (Xj − E (Xj ))] , cu i, j = 1, n.
not T
Var (X) == Cov (X, X) = E X · XT − E (X) · E (X) .
T
Cov (X, Y) = E X · YT − E (X) · E (Y) .
(b) matricea de covariant, ă Cov (X, X) este o matrice pozitiv semi-definită, i.e.
ha, Xi = a1 X1 + . . . + an Xn = b, P − a.s.,
adică P (a1 X1 + . . . + an Xn = b) = 1.
Să observăm că în cazul particular n = 1 matricea de covariant, ă devine
deci
det (Cov (X, X)) = 0 ⇔ |ρ (X, Y )| = 1
iar pentru |ρ (X, Y )| = 1 vezi Remarca 2.78.
160 Vezi, de exemplu, [28, Section 3.11, Problem 15].
3.4. Vectori aleatori 311
s, i de X
P (Y = y) = P (X = x, Y = y) .
x∈X(Ω)
Media unei funct, ii aplicată unui vector aleator discret poate fi calculată
folosind următorul rezultat.
Teorema 3.177 (Formula de transfer) Fie (X, Y ) un vector aleator discret cu pro-
babilităt, ile date de P (X = x, Y = y) , unde x ∈ X (Ω) s, i y ∈ Y (Ω) . Fie h : R×R →
R o funct, ie măsurabilă. Atunci, h (X, Y ) : Ω → R este o v.a. s, i această v.a. admite
medie dacă s, i numai dacă
X
x∈X(Ω) |h (x, y)| P (X = x, Y = y) < ∞.
y∈Y (Ω)
Remarca 3.178 Prin urmare, dacă (X, Y ) : Ω → R2 este un vector aleator dis-
cret, atunci covariant, a dintre X s, i Y definită de (2.30) se calculează folosind
formula:
312 3. Variabile aleatoare continue
Exemplul 3.179 Fie vectorul aleator discret (X, Y ) dat de tabloul bidimensio-
nal următor:
H
HH X
2 4 5
Y H
HH
3 0.05 0.05 0.10
5 0.15 0.20 0.15
6 0.10 0.15 0.05
(a) Să se studieze dacă v.a. X, Y sunt independente s, i apoi să se calculeze
covariant, a celor două v.a. Să se determine s, i F(X,Y ) (3, 5) .
(b) Să se determine covariant, a dintre X s, i Y .
(c) Să se scrie formula de calcul pentru dispersia D2 (X − Y ) s, i apoi să se deter-
mine valoarea acestei dispersii.
(d) Să se determine tabloul v.a. Z = X − Y .
(a) Să calculăm, mai întâi, distribut, iile marginale ale lui X s, i respectiv Y :
P (X = 2) = P (X = 2, Y = 3) + P (X = 2, Y = 5) + P (X = 2, Y = 6)
= 0.05 + 0.15 + 0.1 = 0.3
P (X = 4) = P (X = 4, Y = 3) + P (X = 4, Y = 5) + P (X = 4, Y = 6)
= 0.05 + 0.2 + 0.15 = 0.4
P (X = 5) = P (X = 5, Y = 3) + P (X = 5, Y = 5) + P (X = 5, Y = 6)
= 0.1 + 0.15 + 0.05 = 0.3
s, i
P (Y = 3) = P (X = 2, Y = 3) + P (X = 4, Y = 3) + P (X = 5, Y = 3)
= 0.05 + 0.05 + 0.1 = 0.2
P (Y = 5) = P (X = 2, Y = 5) + P (X = 4, Y = 5) + P (X = 5, Y = 5)
= 0.15 + 0.2 + 0.15 = 0.5
P (Y = 6) = P (X = 2, Y = 6) + P (X = 4, Y = 6) + P (X = 5, Y = 6)
= 0.1 + 0.15 + 0.05 = 0.3.
3.4. Vectori aleatori 313
(b) Pentru a determina covariant, a, determinăm mai întâi mediile E (X) = 3.7,
E (Y ) = 4.9 s, i apoi
Exemplul 3.180 Fie vectorul aleator discret (X, Y ) dat de tabloul bidimensio-
nal următor:
HH
H X
Y HH −4 −2 2 4
H
−2 0.25
−1 0.25
1 0.25
2 0.25
Exercit, iul 3.181 Cele mai comune tipuri de erori făcute de programatori sunt cele de
sintaxă s, i cele de logică. Fie X variabilă care dă numărul de erori de sintaxă iar Y
variabila care dă numărul de erori de logică la rularea programului. Să presupunem că
X s, i Y au următorul tablou de repartit, ie (pentru un anume programator care face un
anume program):
HH
HHX 0 1 2 3
Y HH
0 0.71 0.03 0.02 0.01
1 0.04 0.06 0.03 0.01
2 0.03 0.03 0.02 0.01
(a) Care este probabilitatea ca acel program să aibă strict mai multe erori de sintaxă
decât cele de logică?
(b) Să se determine tablourile marginale. Sunt X s, i Y independente?
(c) Care este numărul mediu de erori de sintaxă care se pot produce? Dar numărul
mediu de erori de logică? Să presupunem că un evaluator acordă puncte acelui program
după formula 100−4X−9Y . Care este numărul de puncte care te as, tept, i să fie acordate
acelui program?
(d) Să se calculeze dispersiile D2 (100 − 9Y ) s, i D2 (100 − 4X − 9Y ) .
Exercit, iul 3.182 Fie (X, Y ) un vector aleator discret cu tabloul de repartit, ie
HH
H X 2 4
Y HH
H
1 a 0.1
2 0.1 0.3
3 a 3a
(a) Să se determine a ∈ R astfel încât tabloul de mai sus să fie asociat unui vector
aleator s, i apoi să se determine distribut, iile marginale ale v.a. X s, i Y.
(b) Să se determine s, i să se justifice tabloul v.a. X 2 , X + 3 s, i 2X − 0.5Y + 1 s, i să se
calculeze dispersia D2 (2 − 3X) .
(c) Să se calculeze P(X + Y ≤ 4), P(X ≥ 2, Y ≥ 3), P(Y ≤ 3|X ≥ 2) s, i
F(X,Y ) (2, 3) (unde F(X,Y ) este funct, ia de repartit, ie asociată lui (X, Y )).
(d) Să se studieze dacă X s, i Y sunt independente.
316 3. Variabile aleatoare continue
Media unei funct, ii aplicată unui vector aleator discret poate fi calculată
folosind următorul rezultat.
Teorema 3.185 (Formula de transfer) Fie (X, Y ) un vector aleator care admite den-
sitatea f(X,Y ) . Fie h : R × R → R o funct, ie măsurabilă. Atunci, h (X, Y ) : Ω → R
este o v.a. s, i această v.a. admite medie dacă s, i numai dacă
ZZ
|h (x, y)| f(X,Y ) (x, y) dxdy < ∞.
R2
Remarca 3.186 Prin urmare, dacă (X, Y ) : Ω → R2 este un vector aleator con-
tinuu, atunci covariant, a dintre X s, i Y definită de (3.25) se calculează folosind
161 De fapt, se poate poate lua, prin definit, ie, ca f să fie
R o funct, ie Rnenegativă s, i integrabilă Lebesgue
în raport cu măsura Lebesgue λ pe Rn astfel încât Rn f dλ = Rn f (t) λ(dt) = 1 (vezi s, i relat, iile
(3.2) s, i (3.3) din cazul v.a. de tip absolut continuu).
3.4. Vectori aleatori 317
formula:
pentru orice a, b, c, d ∈ R.
Dacă vectorul aleator (X, Y ) admite densitatea f(X,Y ) , atunci (vezi s, i (3.6))
ZZ
(3.65) P ((X, Y ) ∈ D) = f(X,Y ) (x, y) dxdy ,
D
pentru orice domeniu D ∈ B R2 .
Pentru o demonstrat, ie alternativă vezi s, i Remarca 3.32.
318 3. Variabile aleatoare continue
Exemplul 3.190 (a) Fie vectorul aleator continuu (X, Y ) cu densitatea f(X,Y ) .
Să se arate162 că
P (X = Y ) = 0.
Într-adevăr, folosind formula (3.65) obt, inem
ZZ
P (X = Y ) = P ((X, Y ) ∈ D) = f(X,Y ) (x, y) dxdy = 0,
D
2
unde D = (x, y) ∈ R : x = y , deoarece integrala dublă se calculează pe o
mult, ime D de măsură Lebesgue 0.
Putem rat, iona s, i astfel: v.a. X − Y este s, i ea de tip continuu, cu densitatea
dată de (3.74), deci P (X − Y = 0) = 0.
(b) Fie v.a. independente X, Y astfel încât X e de tip continuu iar Y e de tip
discret. Să se arate că
P (X = Y ) = 0.
Într-adevăr, folosind independent, a obt, inem:
[ X
P (X = Y ) = P {X = xi , Y = xi } = P ({X = xi , Y = xi })
i∈I i∈I
X X
= P (X = xi ) · P (Y = xi ) = 0pi = 0.
i∈I i∈I
Remarca 3.192 Prin urmare, dacă (X, Y ) : Ω → R2 este un vector aleator bidi-
mensional iar f(X,Y ) este densitatea asociată, atunci densităt, ile marginale sunt
date de
Z
fX (x) = f(X,Y ) (x, y) dy,
R
(3.66) Z
fY (y) = f(X,Y ) (x, y) dx.
R
Apoi F(X,Y ) (x, y) = 0, pentru x < a sau y < c, s, i F(X,Y ) (x, y) = 1, pentru
x > b sau y > d.
Vectorul (X, Y ) reprezintă coordonatele unui punct distribuit uniform în
dreptunghiul [a, b]×[c, d] iar F(X,Y ) este distribut, ia rectangulară pe [a, b]×[c, d] .
Densităt, ile marginale sunt date de formulele (3.66), deci obt, inem, pentru
orice (x, y) ∈ [a, b] × [c, d] ,
Z ∞ Z d
1 1
fX (x) = 1[a,b]×[c,d] (x, y) dy = dy ,
−∞ (b − a) (d − c) (b − a) (d − c) c
Z ∞ Z b
1 1
fY (y) = 1[a,b]×[c,d] (x, y) dx = dx.
−∞ (b − a) (d − c) (b − a) (d − c) a
320 3. Variabile aleatoare continue
1
Exemplul 3.194 În cazul particular f(X,Y ) (x, y) = 1[0,2]×[0,3] (x, y) să calculăm
6
P (1 ≤ X ≤ 3, −1 ≤ Y ≤ 2) .
Utilizând Remarca 3.188 obt, inem
Z 3 Z 2
1
P (1 ≤ X ≤ 3, −1 ≤ Y ≤ 2) = 1[0,2]×[0,3] (x, y) dxdy
1 −1 6
Z 2Z 2
1 1 x=2 y=2 1
= dxdy = · x · y = .
1 0 6 6 x=1 y=0 3
Un vector aleator (X, Y ) cu densitatea f spunem că este distribuit normal bidi-
mensional.
3.4. Vectori aleatori 321
Propozit, ia 3.197 Dacă (X, Y ) : Ω → R2 este un vector aleator care admite densi-
tatea de repartit, ie f(X,Y ) , atunci163
a.p.t. x, y ∈ R.
Demonstrat, ie. S, tim că v.a. X, Y sunt independente dacă s, i numai dacă
P (X ≤ x, Y ≤ y) = P (X ≤ x) P (Y ≤ y) , pentru orice x, y ∈ R.
Având în vedere că egalitatea integralelor are loc pentru orice x, y ∈ R, de-
ducem (vezi Nota 56) egalitatea integranzilor, i.e. f(X,Y ) (u, v) = fX (u) fY (v),
a.p.t. x, y ∈ R.
Reciproc, dacă avem egalitatea f(X,Y ) (x, y) = fX (x) fY (y) a.p.t., atunci,
pentru orice x, y ∈ R, integralele sunt egale:
Z x Z y
P (X ≤ x, Y ≤ y) = f(X,Y ) (u, v) dudv
−∞ −∞
Z x Z y
= fX (u) · fY (v) dudv
−∞ −∞
Z x Z y
= fX (u) du · fY (v) dv
−∞ −∞
= P (X ≤ x) · P (Y ≤ y) .
163 Vezi s, i caracterizările date de Propozit, ia 3.166, Remarca 3.198 s, i de Teorema 4.27.
322 3. Variabile aleatoare continue
Remarca 3.198 De fapt, are loc următorul rezultat: dacă (X, Y ) : Ω → R2 este
un vector aleator care admite densitatea de repartit, ie f(X,Y ) s, i dacă există două
funct, ii g, h : R → R astfel încât are loc scrierea
f(X,Y ) (x, y) = g (x) · h (y) , pentru orice x, y ∈ R,
atunci deducem că v.a. X, Y sunt independente precum s, i faptul că densităt, ile
marginale sunt date de fX = g s, i fY = h.
k2 k3
P (X1 = k1 , X2 = k2 , X3 = n − k1 − k2 ) = Cnk1 Cn−k 1
Cn−k pk1 pk22 pk33
1 −k2 1
n! (n − k1 )!
= pk1 pk2 pk3
k1 ! (n − k1 )! k2 ! (n − k1 − k2 )! 1 2 3
n!
= pk1 pk2 pk3 ,
k1 !k2 ! (n − k1 − k2 )! 1 2 3
k1 ! (n − k1 )! 1 2 2
324 3. Variabile aleatoare continue
s, i
Xn
P (X2 = k2 ) = k1 =0 P (X1 = k1 , X2 = k2 ) = P (X1 = n − k2 , X2 = k2 )
k1 +k2 =n
unde p2 = 1 − p1 iar k1 = 0, n.
Φ = (Φ1 , Φ2 ) : ∆ ⊂ R2 → D ⊂ R2 ,
326 3. Variabile aleatoare continue
dată de
x = Φ1 (u, v) ,
y = Φ2 (u, v) , (u, v) ∈ ∆,
astfel încât
P ((X, Y ) ∈ D0 ) = P ((U, V ) ∈ ∆0 ) ,
deci
ZZ
f(U,V ) (u, v) dudv = P ((U, V ) ∈ ∆0 ) = P ((X, Y ) ∈ D0 )
∆0
3.4. Vectori aleatori 327
ZZ
= f(X,Y ) (x, y) dxdy
D0
ZZ
= f(X,Y ) (Φ1 (u, v) , Φ2 (u, v)) |J (u, v)| dudv.
∆0
Având în vedere că ∆0 ⊂ ∆ este ales arbitrar, din egalitatea celor două in-
tegrale calculate pe ∆0 , deducem egalitatea integranzilor, adică următoarea
formulă care exprimă densitatea vectorului aleator (U, V ) folosind densitatea
vectorului aleator (X, Y ) :
Remarca 3.203 Să ment, ionăm că egalitatea precedentă nu are loc pentru tot, i
(u, v) ∈ ∆, ci are loc aproape pentru tot, i (u, v) ∈ ∆, în raport cu măsura
Lebesgue pe R2 .
Remarca 3.204 Relat, ia (3.69) se poate generaliza us, or s, i la cazul unei transfor-
mări Φ : ∆ → D, cu ∆, D ⊂ Rn .
s, i are loc următoarea formulă care exprimă densitatea v.a. U folosind densi-
tatea v.a. X :
Corolarul 3.27)
1 y − a 1 y − a 1
fY (y) = fX = 1[0,1] = 1[a,b] (y) ,
b−a b−a b−a b−a b−a
y−a
deoarece 0 ≤ ≤ 1 dacă s, i numai dacă a ≤ y ≤ b.
b−a
Exemplul 3.207 Dacă X ∼ N µ, σ2 s, i Y = aX + b, a 6= 0, atunci obt, inem
y−b 2
1 1 ( a
−µ) 1 [y−(aµ+b)]2
− 2(aσ)2
fY (y) = √ e− 2σ2 =q e ,
|a| 2πσ2 2
2π (aσ)
adică Y = aX + b ∼ N aµ + b, a2 σ2 .
X −µ
În particular, X − µ ∼ N 0, σ2 s, i ∼ N(0, 1) .
σ
Propozit, ia 3.209 (Densitatea sumei a două v.a.) Fie X, Y două v.a. independente
ale căror densităt, i de repartit, ie sunt fX s, i respectiv fY .
3.4. Vectori aleatori 329
Atunci165 ,
Z ∞
fX+Y (u) = fX (u − v) fY (v) dv
−∞
(3.71) Z ∞
= fX (v) fY (u − v) dv, a.p.t. u ∈ R
−∞
s, i
Z ∞
fX−Y (v) = fX (u + v) fY (u) du
−∞
(3.72) Z ∞
= fX (u) fY (u − v) du, a.p.t. v ∈ R.
−∞
Remarca 3.210 A doua egalitate din (3.71) se obt, ine us, or făcând schimbarea de
variabilă u − v = v 0 , deci v = u − v 0 s, i dv = −dv 0 .
Similar s, i pentru a doua egalitate din (3.72): se notează u + v = u0 , deci
u = u0 − v s, i du = du0 .
Demonstrat, ie. Alegem transformarea
u = x + y, x = Φ1 (u, v) = 1
2 (u + v) ,
⇔
1
v = x − y, y = Φ2 (u, v) = (u − v) .
2
1/2 1/2
Să calculăm determinantul Jacobian J (u, v) = = −1/2.
1/2 −1/2
Deci, a.p.t. (u, v) ∈ R2 , are loc relat, ia
u + v u − v −1
f(U,V ) (u, v) = f(X,Y ) ,
2 2 2
.
165 Reamintim definit, ia convolut, iei dintre două funct, ii g s, i h (vezi s, i Nota 77, pentru cazul dis-
cret): Z
(g ∗ h) (u) = g (u − v) h (v) dv.
R
Astfel, deducem că densitatea sumei a două v.a. este chiar convolut, ia dintre funct, iile densitate
a celor două v.a., i.e.
fX+Y = fX ∗ fY .
330 3. Variabile aleatoare continue
Apoi Z ∞ u + v u − v
1
fX−Y (v) = fV (v) = f(X,Y ) , du.
2 −∞ 2 2
Dacă notăm u−v
2 = u sau echivalent u = 2u0 + v, integrala devine
0
1 ∞
Z
fX−Y (v) = f(X,Y ) (u0 + v, u0 ) 2du0
2 −∞
(3.74) Z ∞
= f(X,Y ) (u + v, u) du.
−∞
Exemplul 3.213 Dacă avem două v.a. independente X, Y ∼ N(0, 1), atunci
X + Y urmează tot o distribut, ie normală166 s, i X + Y ∼ N(0, 2).
X + Y ∼ N µ1 + µ2 , σ21 + σ22 .
= e 2 e− 2 = e 8a2 b2 .
2ab 2π 4abπ
Pentru a calcula densitatea marginală fU folosim formulele (3.66) s, i integrala
(3.43):
1 − (a2 +b2 22)u2 ∞ − 2(b2 −a2 )uv+(a
Z 2 +b2 )v 2
fU (u) = e 8a b e 8a2 b2 dv
4abπ −∞
√ b2 −a2 u
2
b2 −a2 u
2
Z ∞ a2 +b2 v+ √ − √
1 − (a2 +b2 )u2 a2 +b2 a 2 +b2
= e 8a2 b2 e− 8a2 b2 dv
4abπ −∞
deci
√ b2 −a2 u
!2
∞ a2 +b2 v+ √
(b2 −a2 )2
Z
1 (a2 +b2 )u2
− 8a2 b2 u2 a2 +b2
fU (u) = e e 8a2 b2 (a2 +b2 ) e− 8a2 b2 dv
4abπ −∞
∞
√
(b2 −a2 )2 u2 −(a2 +b2 )2 u2
Z
1 −(v 0 )2 2 2ab
= e 8a2 b2 (a2 +b2 ) e √ dv 0
4abπ −∞ a 2 + b2
2
1 1 √−u √ 1 −u2
=√ √ e 2( a2 +b2 )2 π = p e 2(a2 +b2 ) ,
2π a2 + b2 2π(a2 + b2 )
3.4. Vectori aleatori 333
√ 2 2
a2 +b2 v+ √b −a u
0 a2 +b2
unde v = √
2 2ab
.
Deci s-a obt, inut aX + bY ∼ N 0, a2 + b2 s, i, folosind Remarca 3.208 sau
2 2
Propozit, ia 3.109, obt, inem aX + bY + c ∼ N c, a + b .
În general, dacă avem X ∼ N µ1 , σ21 , Y ∼ N µ2 , σ22 , atunci aplicăm
Y −µ2
rezultatul precedent v.a. X−µ σ1 , σ2
1
∼ N(0, 1) s, i obt, inem
X − µ1 Y − µ2
+ (µ1 + µ2 ) ∼ N µ1 + µ2 , σ21 + σ22 .
X + Y = σ1 + σ2
σ1 σ2
Propozit, ia 3.215 Fie X, Y două v.a. independente ale căror densităt, i de repartit, ie
sunt fX s, i respectiv fY .
Atunci,
Z ∞
1 u
fX·Y (u) = fX fY (v) dv,
(3.75) −∞ |v| v
a.p.t. u ∈ R
s, i
Z ∞
f X (v) = |u| fX (uv) fY (u) du,
Y
(3.76) −∞
a.p.t. v ∈ R.
u
u = x · y, x= ,
⇔ v
v = y,
y = v.
1/v −u/v 2
Să calculăm determinantul Jacobian J (u, v) = = 1/v.
0 1
334 3. Variabile aleatoare continue
X
se va obt, ine densitatea marginală a v.a. U = .
Y
Exemplul 3.216 Fie X, Y două v.a. independente astfel încât X ∼ Exp (1) s, i Y
este o v.a. arbitrară, de tip continuu s, i cu valori nenegative. Să se arate că167
X
> r = E e−rY , pentru orice r ≥ 0.
P
Y
= E e−rY ,
Remarca 3.217 Formulele (3.71), (3.72), (3.75) s, i (3.76) de mai sus se pot de-
monstra s, i prin calcularea unor integrale duble pe domenii convenabil alese,
mai precis cu ajutorul funct, iilor de repartit, ie s, i a formulei (3.65).
Astfel, fie U = X + Y. Să calculăm
FU (u) = P (U ≤ u) = P (X + Y ≤ u)
ZZ
= P ((X, Y ) ∈ D) = f(X,Y ) (x, y) dxdy,
D
unde D = (x, y) ∈ R2 : x + y ≤ u .
Explicitând domeniul avem D = (x, y) ∈ R2 : x ∈ R, y ≤ u − x , deci
ZZ Z ∞ Z u−x
FU (u) = f(X,Y ) (x, y) dxdy = f(X,Y ) (x, y) dy dx.
D −∞ −∞
De asemenea, prima egalitate din (3.71) se poate obt, ine s, i dacă facem schim-
barea de variabilă y − x = x0 în (3.77):
Z −∞ Z ∞
fU (y) = fX (y − x0 ) fY (x0 ) (−dx0 ) = fX (y − x) fY (x) dx.
∞ −∞
Similar se calculează FX−Y s, i apoi fX−Y pentru a obt, ine formula (3.72).
FU (u) = P (U ≤ u) = P (X · Y ≤ u)
ZZ
= P ((X, Y ) ∈ D) = f(X,Y ) (x, y) dxdy,
D
2
unde D = (x, y) ∈ R : x · y ≤ u .
Explicitând domeniul avem
ZZ
FU (u) = f(X,Y ) (x, y) dxdy
D
Z 0 Z ∞ Z ∞ Z u/x
= f(X,Y ) (x, y) dy dx + f(X,Y ) (x, y) dy dx.
−∞ u/x 0 −∞
deci
Z ∞ Z u
1 y
FU (u) = f(X,Y ) x, dy dx
−∞ −∞ |x| x
Z u Z ∞
1 y
= f(X,Y ) x, dx dy.
−∞ −∞ |x| x
3.4. Vectori aleatori 337
Ru
Dar FU (u) = −∞
fU (y) dy, deci
Z ∞ Z ∞
1 y 1 y
fU (y) = f(X,Y ) x, dx = fX (x) fY dx,
−∞ |x| x −∞ |x| x
Exemplul 3.218 Utilizând tehnica folosită mai sus (calculul unor probabilităt, i
folosind calcularea unor integrale duble pe domenii convenabil alese, mai pre-
cis formula (3.65)) se poate arăta că, dacă X, Y sunt două v.a. continue, atunci
Z ∞ Z y
(3.78) P (X < Y ) = f(X,Y ) (u, y) du dy.
−∞ −∞
În cazul particular în care X, Y sunt două v.a. continue independente obt, inem
formula
Z ∞ Z ∞
P (X < Y ) = FX (y) fY (y) dy = P (X ≤ y) fY (y) dy
(3.79) −∞ −∞
= E (FX (Y )) .
Într-adevăr, explicitând domeniul avem D = (x, y) ∈ R2 : y ∈ R, x < y , deci
ZZ
P (X < Y ) = P ((X, Y ) ∈ D) = f(X,Y ) (x, y) dxdy
D
Z ∞ Z y
= f(X,Y ) (x, y) dx dy,
−∞ −∞
adică (3.78).
338 3. Variabile aleatoare continue
Dacă cele două v.a. sunt independente, atunci f(X,Y ) (x, y) = fX (x) fY (y) ,
deci
Z ∞ Z y Z ∞
P (X < Y ) = fX (x) dx fY (y) dy = FX (y) fY (y) dy,
−∞ −∞ −∞
adică (3.79).
Explicitând altfel obt, inem D = (x, y) ∈ R2 : x ∈ R, y > x , deci
Z ∞ Z ∞
P (X < Y ) = f(X,Y ) (x, y) dx dx
−∞ x
iar dacă cele două v.a. sunt independente, atunci se obt, ine formula de calcul
Z ∞ Z ∞
P (X < Y ) = fY (y) dx fX (x) dx,
−∞ x
deci
Z ∞
P (X < Y ) = (1 − FY (x)) fX (x) dx
−∞
(3.80) Z ∞
= P (x < Y ) fX (x) dx.
−∞
Exemplul 3.219 Dacă X, Y sunt două v.a. independente, de tip exponent, ial,
cu parametrii λ s, i respectiv µ, atunci
λ
P (X < Y ) = .
λ+µ
Propozit, ia 3.221 Dacă X, Y sunt v.a. independente astfel încât X ∼ Exp (1) s, i
Y ∼ Gamma (p, λ) , unde p > 0 s, i λ > 0, atunci:
X
(a) V.a. U = are densitatea de repartit, ie
Y
pλp
fU (u) = p+1 1[0,∞) (u) ;
(λ + u)
(b) V.a.
X
V = + λ ∼ Pareto(λ, p)
Y
(vezi Nota 168).
168 Dacă o v.a. Y are densitatea de repartit, ie dată de (3.81), cu p > 0 s, i λ > 0, atunci spunem că Y
urmează distribut, ia Pareto de parametri p s, i λ.
340 3. Variabile aleatoare continue
Propozit, ia 3.222 Dacă X, Y sunt v.a. independente astfel încât X ∼ Exp (λ) s, i
Y ∼ Gamma (n, λ) , unde n ∈ N∗ s, i λ > 0, atunci v.a.
X
+ 1 ∼ Pareto(1, n).
V =
Y
Propozit, ia 3.223 Dacă X ∼ N µ, σ2 , unde µ > 0 s, i σ > 0, atunci v.a. Y = eX
are densitatea de repartit, ie169
1 1 − (ln y−µ) 2
Deci
0 0 1 1 1 − (ln y−µ)2
cu determinantul Jacobian
v u
(1 − u)2 1−u v
J (u, v) = = .
(1 − u)2
0 1
Obt, inem
uv v uv v
f(U,V ) (u, v) = f(X,Y ) ,v = f fY (v)
X
1−u (1 − u)2 1−u 2
(1 − u)
p−1
λp+q
uv uv v
= e−λ 1−u v q−1 e−λv 2
Γ (p) Γ (q) 1 − u (1 − u)
λp+q up−1 v p+q−1 −λ 1−u
v
= p+1 e .
Γ (p) Γ (q) (1 − u)
X 2 ∼ χ2(1, σ) s, i X 2 + Y 2 ∼ χ2(2, σ) .
Deci
0 √ √ 0
fX 2 (y) = (FX 2 (y)) = (FX ( y) − FX (− y))
√ 1 √ 1
= fX ( y) √ + fX (− y) √
2 y 2 y
√ 1
= fX ( y) √
y
√
1 (1 y )2
=√ e− √ 2σ2
2πσ2 y
1 1 y
=√ y 2 −1 e− 2σ2 ,
2πσ
adică X 2 corespunde unei v.a. distribuite χ2(1, σ).
Dacă X, Y ∼ N 0, σ2 , atunci X2 , Y 2 ∼ χ2(1, σ) s, i, prin urmare, folosind
Propozit, ia 3.150, obt, inem X 2 + Y 2 ∼ χ2(1 + 1, σ) .
Se poate generaliza la cazul a n v.a. independente.
Propozit, ia 3.226 Dacă v.a. (Xi )i=1,n sunt de tip i.i.d., urmând distribut, ia normală
N 0, σ2 , unde σ > 0, atunci
Xn
(3.84) Xi2 ∼ χ2(n, σ) .
i=1
Propozit, ia 3.227 Dacă v.a. (Xi )i=1,n sunt de tip i.i.d., urmând distribut, ia normală
N µ, σ2 , unde µ > 0 s, i σ > 0, s, i dacă171
def X1 + . . . + Xn
X̄ == ,
n
171 De fapt, vezi Remarca 2.85, X̄ poate fi văzută ca o medie de select, ie.
3.5. Relaţii între distribuţii 343
atunci172 Xn 2
Xi − X̄ ∼ χ2(n − 1, σ) .
i=1
Demonstrat, ie. Deoarece Xi ∼ N µ, σ2 , avem, conform (3.47),
X̄ ∼ N µ, σ2 /n .
(Xi − µ) ∼ N 0, σ2 X̄ − µ ∼ N 0, σ2 /n .
s, i
2
Obt, inem, aplicând (3.84), (Xi − µ) ∼ χ2(1, σ) s, i conform Propozit, iei 3.150,
Xn 2
(Xi − µ) ∼ χ2(n, σ)
i=1
deci
Xn 2 Xn 2 2
Xi − X̄ = (Xi − µ) − n X̄ − µ
i=1 i=1
∼ χ2(n, σ) − χ2(1, σ)
172
Pn 2
Dacă suntem în cadrul de lucru al Remarcii 2.86, atunci să observăm că v.a. i=1 Xi − X̄
este cea care apare în definirea dispersiei de select, ie.
344 3. Variabile aleatoare continue
= χ2(n − 1, σ) .
cu determinantul Jacobian
√
v √
√n √ u√
2 n v
v
J (u, v) = = √ .
n
0 1
∞ n−1
2σ2 2
Z
1 2
0 2
n−1
−v 0 2σ
fU (u) = √ n+1 u2 (v ) e u 2 dv 0
nπσn+1 2Γ (n/2) 0
2
n + 1 n + 1
− n+1 Z ∞
u2
1 2
n−1
=√ +1 v 2 e−v dv
nπΓ (n/2) n 0
2 n+1
1 u − 2
n + 1
=√ +1 Γ .
nπΓ (n/2) n 2
Deci U urmează distribut, ia Student cu n grade de libertate.
Aplicând, în principal, rezultatul precedent se pot demonstra următoarele
două rezultate.
Propozit, ia 3.229 Dacă v.a. (Xi )i=1,n sunt de tip i.i.d., urmând distribut, ia normală
Pn
def Xi
N 0, σ , unde σ > 0, s, i dacă X̄ == i=1
2
, atunci
n
X̄
rP ∼ t (n − 1) .
n 2
i=1 (Xi −X̄ )
n(n−1)
Propozit, ia 3.230 Dacă v.a. (Xi )i=1,n+1 sunt de tip i.i.d., urmând distribut, ia nor-
mală N 0, σ2 , unde σ > 0, atunci
X
(3.85) q Pn+1
n
∼ t (n) .
i=1 Xi2
n
346 3. Variabile aleatoare continue
X 2 ∼ F (1, n) .
Demonstrat, ie. Vom determina, mai întâi funct, ia de repartit, ie asociată v.a. X 2 .
Astfel, pentru orice y > 0,
√ √ √ √
FX 2 (y) = P X 2 ≤ y = P (− y ≤ X ≤ y) = FX ( y) − FX (− y) .
Deci
0 1 √ 1 √ 1 √
fX 2 (y) = FX 2 (y) = √ fX ( y) + √ fX (− y) = √ fX ( y)
2 y 2 y y
√ 2 !− n+1
2
Γ n+1
2 y
=√ 1+ .
nπ Γ n2 n
Evident, pentru orice y < 0, avem FX 2 (y) = P X 2 ≤ y = 0, deci fX 2 (y) = 0.
Prin urmare, recunoas, tem că X 2 ∼ F (1, n) .
Are loc următoarea legătura dintre distribut, ia χ2 s, i distribut, ia Fisher.
X
Demonstrat, ie. Să calculăm mai întâi funct, ia de repartit, ie a v.a. Y :
ZZ
F X (u) = fX (x) fY (y) dxdy,
Y
D
n o
unde D = (x, y) ∈ R2 : x ≥ 0, y > 0, xy ≤ u .
Notez
1 1
C1 = n n n , C2 = m m m
.
22 σ Γ 2 22 σ Γ 2
3.5. Relaţii între distribuţii 347
!
Z Z ∞ ∞ x+y
n m
F X (u) = C1 C2 x 2 −1 y 2 −1 e− 2σ2 dy dx.
Y
0 x/u
Derivând funct, ia de repartit, ie de mai sus conform formulei (3.87) obt, inem
Z ∞ x 0 n x m2 −1 x+ x
u
f X (u) = C1 C2 (−) x 2 −1 e− 2σ2 dx
Y
0 u u
Z ∞
C1 C2
x 2 −1 e− 2σ2 (1+ u ) dx.
n+m x 1
= 1+m/2
u 0
2σ2
În această integrală facem substitut, ia 2σx 2 1 + u1 = x0 cu dx = 1+1/u dx0 , deci
∞ n+m
2 −1
2σ2 2σ2
Z
C1 C2 0
fX (u) = 1+m/2 x0 e−x dx0
Y u 0 1 + 1/u 1 + 1/u
n+m ∞
2σ2 2
Z
C1 C2 n+m
= 1+m/2 x 2 −1 e−x dx
n+m
u n+m
(1 + u) 2 u− 2 0
un/2−1
n+m n+m
= C1 C2 n+m 2σ2 2
Γ .
(1 + u) 2 2
m m
Se notează acum V = n U, se aplică formula (3.70) cu v = n u s, i se obt, ine
n n
fV (v) = fU v ,
m m
adică, folosind s, i legătura dintre funct, ia Gamma s, i Beta, obt, inem
n+m
n
n/2−1
Γ n mv
fV (v) = n
2 m n+m
Γ Γ n
v 2 m
2 1+ m 2
Γ n+m
n+m
n n/2 n n − 2
= 2
v 2 −1 1 + v
Γ n2 Γ m
2
m m
348 3. Variabile aleatoare continue
n n/2
n+m
n
n − 2
= m
n m v
2 −1 1+ v , v ≥ 0.
β 2, 2
m
Relat, ia din enunt, se poate obt, ine s, i calculând direct densitatea de repartit, ie f X
Y
cu ajutorul formulei (3.76).
Propozit, ia 3.233 Dacă v.a. independente (Xi )i=1,m s, i (Yj )j=1,n sunt distribuite
N 0, σ2 , unde σ > 0, atunci
n X12 + . . . + Xm
2
U= 2 ∼ F (m, n) .
m Y1 + . . . + Yn2
Rezolvare:
Impunând condit, iile F (−∞) = 0 s, i F (∞) = 1 obt, inem a = 21 s, i b = π1
(ceea ce este suficient ca F să satisfacă s, i celelate condit, ii ale unei funct, ii de
repartit, ie).
3.6.2 Se dă funct, ia
0, x ≤ 0,
F (x) = ax2 , 0 < x ≤ 1,
1, x > 1.
Să se determine a astfel încât F să fie o funct, ie de repartit, ie s, i să se scrie densi-
tatea de repartit, ie corespunzătoare. Dacă X este o v.a. cu funct, ia de repartit, ie
F , să se calculeze P (0.25 ≤ X < 0.5).
Rezolvare:
Trebuie a = 1.
Densitatea de repartit, ie este dată de f (x) = F 0 (x) = 2x 1[0,1) (x) (există
F (0) = 0, dar F 0 (1) nu există).
0
3.6. Exerciţii rezolvate 349
Are loc
P (0.25 ≤ X < 0.5) = F (0.5) − F (0.25) = 0.5.
să fie o densitate de repartit, ie. Dacă X este o v.a. cu densitatea f, să se calculeze
FX (1/2) .
Rezolvare:
Impunem ca
Z ∞ Z 1 Z 2
1= f (x) dx = cxdx + (2 − x) dx
−∞ 0 1
x2 x=1 x2 x=2
c 1
=c + 2x − = + (4 − 2) − 2 −
2 x=0 2 x=1 2 2
s, i obt, inem c = 1.
Avem s, i
1/2 1/2
x2 x=1/2
Z Z
FX (1/2) = f (x) dx = xdx = = 1/8.
2 x=0
−∞ 0
Rezolvare:
Avem
Z 1/2
P (1/4 ≤ X ≤ 1/2) = FX (1/2) − FX (1/4) = f (x) dx
1/4
Z 1/2 x=1/2
= 2xdx = x2 = 3/16.
1/4 x=1/4
350 3. Variabile aleatoare continue
c
3.6.5 Să se determine c astfel încât funct, ia f : R → R, f (x) = 1(1,2) (x) să
x5
fie o densitate de repartit, ie.
Dacă X este o v.a. cu densitatea f, să se calculeze P (1 ≤ X ≤ 3/2) .
Rezolvare:
Avem
∞ 2
x−4 x=2
Z Z
c c
2−4 − 1−4
1= f (x) dx = 5
dx = c =
x −4 x=1 −4
−∞ 1
deci c = 64/15.
Obt, inem
3/2
64 x−4 x=3/2
Z
208
P (1 ≤ X ≤ 3/2) = f (x) dx = = .
15 −4 x=1 243
1
3.6.6 Se dă funct, ia f (x) = a cos x 1[−π/2,π/2] (x) . Să se determine a astfel încât
f să fie o densitate de repartit, ie s, i să se scrie funct, ia de repartit, ie corespunză-
toare. Dacă X este o v.a. cu densitatea f, să se calculeze P(0 ≤ X ≤ π/4).
Rezolvare:
Obt, inem a = 1/2.
0, x < −π/2,
1
Funct, ia de repartit, ie este F (x) = (1 + sin x) , x ∈ [−π/2, π/2),
2
x ≥ π/2.
1,
Are loc √
P (0 ≤ X ≤ π/4) = F (π/4) − F (0) = 2/4.
Rezolvare:
3.6. Exerciţii rezolvate 351
R∞ a
R ∞ ex
Obt, inem a = 2/π. Într-adevăr, −∞ ex +e −x dx = a −∞ 1+e2x dx s
, i se va face
substitut, ia ex = t, deci dt = ex dx s, i apoi
Z ∞ Z ∞
a 1
x + e−x
dx = a dt = aπ/2.
−∞ e 0 1 + t2
Deoarece X, Y sunt două observat, ii independente avem, mai întâi,
Z x Z x
FX (x) = fX (t) dt = fY (t) dt = FY (x) .
−∞ −∞
Apoi
2
P (X < 1, Y ≤ 1) = P (X < 1) P (Y ≤ 1) = FX (1) FY (1) = (FX (1))
Z 1 2 Z 1 2
4 ex
= f (x) dx = 2 2x
dx =
−∞ π −∞ 1 + e
4 x=1 2 4
= 2 arctan (ex ) = 2 arctan2 (e) .
π x=−∞ π
Apoi, folosind P (Y ≥ 1) = 1 − P (Y < 1),
P (X < 1, Y ≥ 1) = P (X < 1) P (Y ≥ 1) = FX (1) · (1 − FX (1)) .
a
3.6.8 Se dă funct, ia f (x) = √ 1[−`,`] (x) . Să se determine a astfel încât
`2 − x2
f să fie densitatea de repartit, ie asociată unei v.a. X s, i să se scrie funct, ia de
repartit, ie corespunzătoare. Să se calculeze probabilităt, ile P(0 < X ≤ `) s, i
P(`/2 < X < `).
Rezolvare:
Se obt, ine a = 1/π.
0, x ≤ −`,
1 x 1
Funct, ia de repartit, ie este F (x) = arcsin + , x ∈ (−`, `) ,
π ` 2
x ≥ `.
1,
3.6.9 Durata de viat, ă, în ore, a unei particule este o v.a distribuită exponent, ial
1 −x
cu densitatea f (x) = e 10 1(0,∞) (x) . Să se determine media de viat, ă a par-
10
ticulei s, i apoi probabilitatea ca particula să trăiască cel mult 7 ore.
352 3. Variabile aleatoare continue
Rezolvare:
Deoarece X este distribuită exponent, ial obt, inem λ = 10−1 . Media de viat, ă
este E (X) = λ1 = 10 ore.
Probabilitatea cerută este
Z 7
1 −x x x=7
P (0 ≤ X ≤ 7) = e 10 dx = −e− 10 = 1 − e−0.7 ' 0.5.
0 10 x=0
3.6.10 Fie v.a. X ∼ Exp (λ) . Să se arate că pentru orice s, t > 0 are loc
(3.86) P (X ≥ s + t|X ≥ s) = P (X ≥ t) .
Rezolvare:
Folosind (3.39), avem P (X ≥ t) = 1 − FX (t) = e−λt , pentru orice t > 0.
Deci
P ({X ≥ s + t} ∩ {X ≥ s})
P (X ≥ s + t|X ≥ s) =
P (X ≥ s)
P ({X ≥ s + t}) e−λ(s+t)
= = = e−λt = P (X ≥ t) ,
P (X ≥ s) e−λs
deoarece {X ≥ s + t} ⊂ {X ≥ s} .
As, a cum am văzut deja în Remarca 3.86, egalitatea (3.86) reprezintă propri-
etatea de „lipsă de memorie”a distribut, iei exponent, iale.
Dacă folosim distribut, ia exponent, ială drept model pentru durata de func-
t, ionare a unui anume dispozitiv, de exemplu, a unui bec, atunci lipsa de memo-
rie a distribut, iei exponent, iale implică faptul că dispozitivul nu se uzează nicio-
dată. Adică, indiferent de cât de mult timp a funct, ionat deja becul (de exem-
plu, dacă el a funct, ionat deja cel put, in s unităt, i de timp), probabilitatea de a
se defecta în următoarele t unităt, i de timp este aceeas, i cu probabilitatea de a
se defecta a unui bec nou în următoarele t unităt, i de timp de funct, ionare (sau
probabilitatea aceluias, i bec de a se defecta în primele lui t unităt, i de timp de
funct, ionare).
Dacă folosim distribut, ia exponent, ială drept model pentru timpul de as, tep-
tare dintre două aparit, ii succesive ale unui eveniment173 anume (care tot con-
173 Se presupune că numărul de evenimente care apar într-un interval de timp este distribuit de
tip Poisson cu parametrul direct proport, ional cu lungimea intervalului de timp. Vezi s, i definit, ia
unui proces stochastic Poisson dată de Nota 82.
3.6. Exerciţii rezolvate 353
tinuă să apară), atunci lipsa de memorie a distribut, iei exponent, iale implică fap-
tul că trecutul (până la momentul s) nu are nici un efect asupra comportamen-
tului viitor. Astfel, probabilitatea ca timpul de as, teptare pentru aparit, ia acelui
eveniment să fie de cel put, in t unităt, i de timp, în condit, iile în care ai as, teptat
deja s unităt, i de timp, coincide cu probabilitatea ca timpul de as, teptare pentru
aparit, ia acelui eveniment să fie de t unităt, i de timp (fără nici o altă informat, ie
suplimentară), ca s, i cum primele s unităt, i de timp în care ai as, teptat nu ar
conta sau ca s, i cum timpul de as, teptare s-ar restarta după producerea fiecărui
eveniment.
De asemenea, vezi Exercit, iul 3.6.11, lipsa de memorie a unei v.a. continue,
dată de egalitatea (3.86), implică faptul că v.a. este distribuită exponent, ial, prin
urmare, (3.86) caracterizează distribut, ia exponent, ială.
Deci distribut, ia exponent, ială este singura174 distribut, ie continuă „fără me-
morie”.
3.6.11 Dacă X este o v.a. continuă astfel încât P (X > 0) = 1 iar P (X > t) >
0 s, i care satisface proprietatea P (X > s + t|X > s) = P (X > t), pentru orice
s, t ≥ 0, atunci există λ > 0 astfel încât X ∼ Exp (λ) .
Rezolvare:
def
Să notăm cu G (t) == P (X > t) = 1 − FX (t).
Evident, G (t) = 1, pentru orice t ≤ 0, deci G (0) = 1, s, i G este o funct, ie
nedescrescătoare.
Deoarece X este v.a. continuă, deducem că funct, ia de repartit, ie FX asociată
este funct, ie continuă deci, echivalent, G este funct, ie continuă.
Egalitatea dată devine
P ({X > s + t} ∩ {X > t}) P ({X > s + t})
G (t) = =
P (X > s) P (X > s)
sau, echivalent, G (s + t) = G (s) G (t), pentru orice s, t ≥ 0.
Are loc, pentru orice n ∈ N∗ , si ≥ 0 cu i = 1, n,
175 În general, există trei metode de a determina densitatea de repartit, ie a unei noi v.a., care este
dată ca funct, ie de o altă v.a., dată init, ial: calculând mai întâi funct, ie de repartit, ie a noii v.a.
(obt, inute printr-o transformare, nu neapărat bijectivă, a v.a. dată init, ial).
3.6. Exerciţii rezolvate 355
deci
1 − e−u , dacă e−u ≤ 1
FU (u) =
1 − 1, dacă e−u > 1.
Obt, inem
fU (u) = FU0 (u) = e−u 1[0,∞) (u) ,
adică U ∼ Exp (1) .
Putem să calculăm fU aplicând s, i formula (3.70) cu u = ln x1 , deci x =
Φ (u) = e−u s, i J (u) = Φ0 (u) = −e−u , unde Φ : [0, ∞) → (0, 1].
(b) Similar ca la punctul precedent se obt, ine fU (u) = λe−λx 1[0,∞) (u) , adică176
U ∼ Exp (λ) .
deci √ √
u, dacă u ≤ 1,
FU (u) =
√
1, dacă u > 1.
176 Aceasta este o metodă de a genera v.a. distribuite exponent, ial folosind v.a. distribuite uniform
pe (0, 1). De fapt, este vorba de metoda inversei funct, iei de repartit, ie (vezi Remarca 3.81).
Astfel, dacă
dorim să generăm variabile de tip Exp (λ) , atunci amintim că FX (x) =
1 − e−λx 1{x≥0} . Să considerăm restrict, ia FX : [0, ∞) → [0, 1] care este biject, ie, deci există
−1 1
inversa FX (y) = − ln (1 − y). Deci, în notat, iile s, i conform Propozit, iei 3.79 s, i a Propozit, iei
λ
3.80, dacă Y ∼ U [0, 1] , atunci
−1 1
X = FX (Y ) = − ln (1 − Y ) ∼ Exp (λ) .
λ
Pe de altă parte, Y ∼ U [0, 1] dacă s, i numai dacă (1 − Y ) ∼ U [0, 1] , deci, similar,
1
− ln (Y ) ∼ Exp (λ) .
λ
356 3. Variabile aleatoare continue
Obt, inem
1 1
fU (u) = FU0 (u) = √ 1(0,1) (u) = u 2 −1 (1 − u)1−1 1(0,1) (z) ,
1
2 u 1
β 2, 1
1
adică U este distribuită Beta de parametri 2 s, i 1 (vezi Nota 170).
1
(e) fU (u) = √
3
1(0,1] (u) .
3 u2
(f ) fU (u) = 2u 1(0,1] (u) .
1
(g) fU (u) = 1[1,∞) (u) .
u2
1
3.6.13 Fie v.a. independente X, Y ∼ U [0, 1] s, i U = 1000 ln .
X
(a) Să se determine funct, ia de repartit, ie FX s, i densitatea de repartit, ie fU .
(b) Să se arate că media s, i deviat, ia standard a v.a. U sunt egale. Apoi să se
calculeze P(U ≥ 1000).
(c) Să se calculeze E (X + Y ) , D2 (X + Y ) , P (X = 0.25) s, i P (Y ≥ 0.25).
3.6.14 Fie o v.a. repartizată uniform X ∼ U [−1, 1]. Să se calculeze densitatea
de repartit, ie fU , unde:
Obt, inem
1
fU (u) = FU0 (u) = 1 −1 (u) .
2u (e ,e]
Putem să calculăm fU aplicând s, i formula (3.70) cu u = ex .
(b) Funct, ia de repartit, ie a v.a. U este
u−1 u−1
FU (u) = P X ≤ = FX ,
2 2
deci
1
fU (u) = FU0 (u) = 1(−1,3) (u) .
4
Putem să calculăm fU aplicând s, i formula (3.70) cu u = 2x + 1.
(c) Funct, ia de repartit, ie a v.a. U este FU (u) = 0, pentru u < 1. Pentru u > 1
avem
r r
2 u−1 u−1 u−1
FU (u) = P X ≤ =P − ≤X≤
2 2 2
r r
u−1 u−1
=P X≤ −P X <−
2 2
r r
u−1 u−1
= FX − FX −
2 2
Z √ u−1 2
= √ fX (t) dt,
u−1
− 2
unde
U = cos X .
Rezolvare:
1
Densitatea este dată de fX (x) = 1(−π/2,π/2) (x) .
π
3.6. Exerciţii rezolvate 359
Avem
FU (u) = P (cos X ≤ u)
= P (cos X ≤ u, X ∈ (−π/2, 0)) + P (cos X ≤ u, X ∈ (0, π/2))
= P (X ∈ (−π/2, − arccos u)) + P (X ∈ (arccos u, π/2))
Z − arccos u Z π/2
= fX (x) dx + fX (x) dx.
−π/2 arccos u
unde
U = tan(X).
Rezolvare:
1
Densitatea este dată de fX (x) = 1(−π/2,π/2) (x) .
π
Să observăm că pe intervalul − π2 , π2 funct, ia u = tan(x) este inversabilă.
Avem
Z arctan(u)
1
FU (u) = P (X ≤ arctan(u)) = 1(−π/2,π/2) (x) dx.
−∞ π
Obt, inem
0
1 1 1 1
fU (u) = FU0 (u) = arctan(u) + = ,
π 2 π 1 + u2
adică v.a. tan(X) este distribuită Cauchy177 de tip C (0, 1) (vezi Nota 182).
177 Aceasta este o metodă de a genera v.a. distribuite Cauchy folosind v.a. distribuite uniform.
De asemenea, tipul v.a. X s, i definit, ia lui U indică s, i o interpretarea a v.a. distribuite Cauchy:
X reprezintă un număr uniform ales din (−π/2, π/2), deci poate fi văzut ca un unghi orientat
făcut cu axa Oy (partea negativă) de către o semidreaptă cu capătul fixat în punctul (0, 1) din
plan, care se rotes, te liber s, i uniform de o parte s, i de alta a axei Oy. Atunci, |U | reprezintă
lungimea segmentului dintre originea O (0, 0) s, i punctul de intersect, ie al acelei semidrepte cu
axa Ox. Prin urmare, v.a. U va reprezenta lungimea cu semn a acelui segment s, i se arată că
este distribuită Cauchy de parametri 0 s, i 1. Din această interpretare se vede s, i faptul că v.a.
distribuită Cauchy nu admite medie.
360 3. Variabile aleatoare continue
3.6.19 Fie o v.a. X ∼ Exp (λ) , λ > 0. Să se calculeze funct, ia de repartit, ie FU s, i
apoi densitatea de repartit, ie fU , unde U = e−λX .
Rezolvare:
3.6.20 Fie o v.a. X ∼ Exp (λ) , λ > 0. Să se calculeze densitatea de repartit, ie
fU , unde U = e−X .
Rezolvare:
3.6.21 Fie o v.a. X ∼ Exp (λ) , λ > 0. Să se calculeze densitatea de repartit, ie
fU , unde U = X 1/α , unde α > 0.
Rezolvare:
178 Aceasta este o metodă de a genera v.a. distribuite Cauchy folosind v.a. distribuite uniform.
3.6. Exerciţii rezolvate 361
3.6.22 Fie o v.a. repartizată normal X ∼ N(0, 1). Să se calculeze densitatea de
repartit, ie fU , unde:
2
(a) U = 3 |X| , (b) U = eX .
Rezolvare:
x 2
Densitatea de repartit, ie a v.a. X este f (x) = √1 e− 2 .
2π
(a) Funct, ia de repartit, ie a v.a. U este FU (u) = 0, pentru u < 0. Pentru u > 0
avem
Obt, inem
1 1 − (u/3)2 −1 − (−u/3)2 1 u2
fU (u) = FU0 (u) = √ e 2 − e 2 = √ 2e− 18 .
2π 3 3 3 2π
(b) Funct, ia de repartit, ie a v.a. U este FU (u) = 0, pentru u < 1. Pentru ln u > 0
sau echivalent u > 1,
√ √
FU (u) = P X 2 ≤ ln u = P − ln u ≤ X ≤ ln u
Obt, inem
√ √
1 1 1 − ( ln u)2 −1 1 − (− ln u)2
fU (u) = FU0
(u) = √ √ e 2 − √ e 2
2π 2 ln u u 2 ln u u
1 ln u 1
= √ √ e− 2 = √ √ √ .
u 2π ln u u u 2π ln u
2
Să se studieze s, i posibilitatea aplicării formulei (3.70) cu u = ex , respectiv
u = 3 |x|.
3.6.23 Fie o v.a. repartizată normal standard X ∼ N(0, 1). Să se calculeze den-
1
sitatea de repartit, ie fU , unde U = .
1 + X2
Rezolvare:
Funct, ia de repartit, ie a v.a. U este, pentru u ∈ (0, 1),
n q o n q o
FU (u) = P X 2 ≥ 1−u 1−u 1−u
u = P X ≥ u ∪ X ≤ − u
q q
= P X ≥ 1−u u + P X ≤ − 1−u
u
√
Z ∞ Z − 1−u
1 − x2
2 1 u x2
=√ √ 1−u e dx + √ e− 2 dx
2π u
2π −∞
√
Z − 1−u r
2 u
− x2
2 1−u
=√ e dx = 2FX − ,
2π −∞ u
deci
r 0
1−u
fU (u) = FU0 (u) = 2FX −
u
√ 1−u 2 0
−
2 1 1
u
q 1−u
= √ e− 2 − 1−u
u = √ e− 2u p .
2π 2π u u (1 − u)
1
Să se studieze s, i posibilitatea aplicării formulei (3.70) cu u = 1+x2 .
3.6. Exerciţii rezolvate 363
3.6.24 Fie două v.a. independente X, Y ∼ Exp (λ), cu λ > 0, s, i o v.a. discretă
de tip uniform, independentă de X, Y dată de P ( = 1) = P ( = −1) = 1/2.
(a) Să se calculeze densitatea de repartit, ie a v.a. U = X.
X, = 1,
(b) Să se determine legea v.a. V =
−Y, = −1.
Rezolvare:
(a) Să calculăm funct, ia de repartit, ie a lui U :
FV (v) = P (V ≤ v) = P (V ≤ v, = 1) + P (V ≤ v, = −1)
= P (X ≤ v, = 1) + P (−Y ≤ v, = −1)
180 Aceasta este o metodă de a genera v.a. distribuite Laplace folosind v.a. distribuite exponent, ial.
|x−µ|
181 1 − a
Dacă o v.a. X are densitatea de repartit, ie f (x) = 2a e , unde a > 0, µ ∈ R, atunci
spunem că X urmează distribut, ia Laplace de parametri a s, i µ s, i scriem X ∼ Laplace(a, µ).
364 3. Variabile aleatoare continue
= P (X ≤ v) P ( = 1) + P (−Y ≤ v) P ( = −1)
1 1
= (P (X ≤ v) + P (Y ≥ −v)) = (FX (v) + 1 − FY (−v)) .
2 2
1
Dacă v ≤ 0, atunci FV (v) = 2 (1 − FY (−v)) iar dacă u > 0, atunci FV (v) =
1
2 (FX (v) + 1) .
Deci, dacă v ≤ 0, atunci
1 0 λ
fV (v) = FV0 (v) = FY (−v) = eλv ,
2 2
iar dacă v > 0, atunci
1 0 λ
fV (v) = FV0 (v) = FX (v) = e−λv ,
2 2
1
adică V este distribuită Laplace de parametri λ s, i 0.
λ
3.6.25 Fie X o v.a. cu densitatea de repartit, ie fX (x) = e−λ|x| , cu λ > 0.
2
+1, X ≥ 0,
(a) Să se determine legea v.a. U =
−1, X < 0.
Rezolvare:
(a) Determinăm, mai întâi, funct, ia de repartit, ie a v.a. U .
Avem
1 1
FU (0− ) = limu→0− P ≤ u = limu→0− P ≤X<0
X u
Z 0 x=0
1 1 1
= limu→0− dx = lim arctan (x) =
2 u→0−
1 π (1 + x ) π 2
x=1/u
u
s, i
1 1 1
FU (0+ ) = limu→0+ P ≤u =P < 0 + limu→0+ P 0 < ≤u
X X X
1
= P (X < 0) + limu→0+ P X ≥
u
Z 0 Z ∞
1 1
= 2)
dx + lim u→0+ dx
−∞ π (1 + x 1
u
π (1 + x2 )
1 x=0 1 x=∞ 1
= arctan (x) + limu→0+ arctan (x) = .
π x=−∞ π x=1/u 2
Pentru u < 0, obt, inem
1 Z 0
1 1 1
FU (u) = P ≤X<0 = dx = − arctan ,
u 1
u
π (1 + x2 ) π u
deci
−1 −1 1 1
fU (u) = FU0 (u) = 2 1 = .
π u 1 + u2 π (1 + u2 )
Pentru u > 0, obt, inem
1 1 1
FU (u) = P ≤u =P <0 +P 0< ≤u
X X X
Semnificat, ia parametrilor este următoarea: x1/2 = a este mediana iar x1/4 = a − γ, x1/2 = a,
x3/4 = a + γ sunt cuartilele distribut, iei C (a, γ) .
În cazul general X ∼ C (a, γ) avem că x1/2 = a este mediana lui X iar x1/4 = a − γ, x1/2 = a,
x3/4 = a + γ sunt cuartilele.
366 3. Variabile aleatoare continue
1
= P (X < 0) + P X ≥
u
Z 0 Z ∞
1 1
= 2
dx + dx
−∞ π (1 + x ) 1
u
π (1 + x2 )
1 x=0 1 x=∞
= arctan (x) + limu→0+ arctan (x)
π x=−∞ π x=1/u
1 1
= 1 − arctan ,
π u
deci
−1 −1 1 1
fU (u) = FU0 (u) = 2 1 = .
π u 1 + u2 π (1 + u2 )
Obt, inem
1
fU (u) = , u ∈ R,
π (1 + u2 )
1
adică X ∼ C (0, 1) dacă s, i numai dacă∼ C (0, 1) .
X
(b) Aplicăm formula (3.70). Să considerăm transformarea u = 1 − x3 , deci
1 −2
x = Φ (u) = (1 − u) 3 s, i Φ0 (u) = 1
3 (1 − u) 3
, cu Φ : R → R.
Obt, inem
−2/3
1
−2/3 1 (1 − u)
fU (u) = (1 − u) = .
3 2/3 2/3
π 1 + (1 − u) 3π 1 + (1 − u)
3.6.27 Fie X, Y două v.a. independente astfel încât X, Y ∼ U [a, b] . Să se deter-
mine densitatea de repartit, ie a v.a.
U = max (X, Y ) .
Rezolvare:
Funct, ia de repartit, ie a v.a. U este
FU (u) = P (X ≤ u, Y ≤ u) = P (X ≤ u) · P (Y ≤ u)
2
= FX (u)FY (u) = FX (u),
Deci
0, dacă u ≤ a,
u − a 2
FU (u) = , dacă a < u ≤ b,
b−a
1, dacă u > b
s, i
u−a 1
fU (u) = FU0 (u) = 2FX (u)FX
0
(u) 1[a,b] (u) = 2 1[a,b] (u) .
b−a b−a
3.6.28 Fie X, Y două v.a. independente astfel încât X, Y ∼ U [a, b] . Să se deter-
mine densitatea de repartit, ie a v.a.
V = min (X, Y ) .
Rezolvare:
Funct, ia de repartit, ie a v.a. V este
FV (v) = 1 − P (V ≥ v) = 1 − P (X ≥ v, Y ≥ v)
= 1 − P (X ≥ v) · P (Y ≥ v) = 1 − (1 − FX (v)) (1 − FY (v))
2
= 1 − (1 − FX (v)) .
Deci
0, dacă v ≤ a,
v−a 2
FV (v) = 1− 1− , dacă a < v ≤ b,
b−a
1, dacă v > b
s, i
U = max (X1 , X2 , . . . , Xn )
368 3. Variabile aleatoare continue
este dată de
n
FU (u) = [F (u)] .
(b) Să se arate că funct, ia de repartit, ie asociată v.a.
V = min (X1 , X2 , . . . , Xn )
este dată de
n
FV (v) = 1 − [1 − F (v)] .
(c) Dacă v.a. (Xk )k=1,n sunt de tip continuu cu densitatea de repartit, ie f, să se
arate că densitatea de repartit, ie asociată v.a. U s, i V sunt date de:
n−1 n−1
fU (u) = n [F (u)] f (u) , fV (v) = n [1 − F (v)] f (v) .
Rezolvare:
(a) Se va obt, ine fV (x) = 2 (1 − x) 1[0,1] .
1 1 1 2
(b) Se va obt, ine E (U ) = E (A) + E (B) − E (V ) = 2 + 2 − 3 = 3 s, i apoi
Cov (U, V ) = E (U V ) − E (U ) E (V ) = E (XY ) − E (U ) E (V )
1 1 2 1 1
= E (X) E (Y ) − E (U ) E (V ) = · − · = .
2 2 3 3 36
3.6.31 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu Xk ∼ U[0, 1], unde k ∈ N∗ . Să
se determine funct, ia de repartit, ie s, i apoi densitatea de repartit, ie asociată v.a.
Yn = max (X1 , X2 , . . . , Xn ) ,
Zn = min (X1 , X2 , . . . , Xn ) , n ∈ N∗ .
Rezolvare:
Se va obt, ine că Yn ∼ Beta (n, 1) iar Zn ∼ Beta (1, n) .
3.6. Exerciţii rezolvate 369
Sn = X1 + X2 + . . . + Xn , n ∈ N∗ ,
Nt = 0, dacă S1 = X1 > t
s, i
Nt = sup {n ∈ N∗ : Sn ≤ t} , t > 0,
care reprezintă numărul total de Succese produse în intervalul [0, t] .
(a) Să se determine tipul de distribut, ie al v.a. Sn .
(b) Să se arate, folosind semnificat, ia lui Sk s, i a lui Nt , relat, ia (3.53):
(c) Folosind (b) s, i funct, ia de repartit, ie FSk să se arate185 că v.a. Nt ∼ P (λt).
Rezolvare:
(a) Folosind Propozit, ia 3.123 (vezi s, i Remarca 3.124), obt, inem că v.a. Sn ∼
λn
Gamma (n, λ) , adică fSn (x) = (n−1)! xn−1 e−λx 1(0,∞) (x) , pentru x ∈ R.
183 Vezi s, i definit, iile s, i notat, iile similare, din cazul discret, date de Remarca 2.151, Remarca 2.153
s, i de Nota 91 precum s, i exercit, iile asociate: Exercit, iul 2.4.34 s, i Exercit, iul 2.4.35.
184 Vezi s, i semnificat, iile date de Remarca 3.125. Astfel, dacă se dă o familie de v.a. (Nt )t≥0 astfel
încât Nt ∼ P (λt) s, i apoi se definesc v.a. Xi s, i respectiv suma Sn , atunci se arăta că Xi sunt
independente s, i că Xi ∼ Exp (λ), deci suma Sn ∼ Gamma (n, λ).
Problema noastră este acum inversă. Se dau v.a. independente Xi ∼ Exp (λ), deci suma lor
Sn ∼ Gamma (n, λ). Apoi se defines, te familia de v.a. (Nt )t≥0 . În aceste condit, ii, se va arăta că
Nt ∼ P (λt).
185 Aceasta este o metodă de a genera v.a. distribuite Poisson folosind v.a. distribuite de tip
Gamma.
370 3. Variabile aleatoare continue
Rezolvare:
În formula (3.71) de calcul a densităt, ii sumei a două v.a. folosim expresi-
ile densităt, ilor celor două v.a. date în enunt, : fX (x) = 1[0,1] (x) s, i fY (y) =
2 1[0,2] (y) .
1
Deci
Z ∞
fX+Y (u) = fX (u − v) fY (v) dv
−∞
Z ∞
1
= 1[0,2] (v) dv
fX (u − v)
−∞ 2
1 2 1 2
Z Z
(3.89) = fX (u − v) dv = 1[0,1] (u − v) dv.
2 0 2 0
Să facem schimbarea de variabilă
u − v = v0 ⇔ v = u − v0 ⇒ dv = −dv 0
s, i integrala devine
−1 u−2 1 u
Z Z Z
1
fX+Y (u) = fX (v 0 ) dv 0 = 1[0,1] (v) dv = dv.
2 u 2 u−2 2 [u−2,u]∩[0,1]
Dacă u ≤ 0, atunci fX+Y (u) = 0.
Dacă u ∈ (0, 1], atunci
Z 0 Z u Z u
1 1 1 u
fX+Y (u) = fX (v) dv + fX (v) dv = dv = .
2 u−2 2 0 2 0 2
3.6. Exerciţii rezolvate 371
deci
1[0,1] (u − v) = 1[u−1,u] (v) .
Obt, inem
Z 2 Z 2
1 1
fX+Y (u) = 1[0,1] (u − v) dv = 1[u−1,u] (v) dv
2 0 2 0
Z
1
= dv
2 [u−1,u]∩[0,2]
Rezolvare:
Folosim fX (x) = fY (x) = 1
b−a 1[a,b] (x) s, i obt, inem
Z ∞ Z b
1
fX+Y (u) = fX (u − v) fY (v) dv = fX (u − v) dv.
−∞ b−a a
372 3. Variabile aleatoare continue
u − v = v0 ⇔ v = u − v0 ⇒ dv = −dv 0
s, i integrala devine
Z u−a
1
fX+Y (u) = fX (v 0 ) dv 0 .
b−a u−b
Prin urmare,
u − 2a 2b − u
fX+Y (u) = 2 1(2a,a+b] (u) + 2 1(a+b,2b] (u)
(b − a) (b − a)
(3.90)
1
= 2 [(b − a) − |u − (a + b)|] 1(2a,2b] (u) .
(b − a)
distribut, ie triunghiulară.
Rezolvare:
(a) Se obt, ine densitatea:
fX1 +X2 (u) = u 1[0,1) (u) + (2 − u) 1[1,2] (u) = (1 − |u − 1|) 1[0,2] (u)
374 3. Variabile aleatoare continue
1
u, dacă x ∈ [0, 1),
1!
= 1
u − C21 (u − 1) , dacă x ∈ [1, 2],
1!
0, dacă x ∈
/ [0, 2]
1 X2 k 1
fX1 +X2 (u) = (−1) C2k (u − k) sgn (u − k)
2 · 1! k=0
s, i
2
u2
3 3
fX1 +X2 +X3 (u) = 1[0,1) (u) + − u− 1[1,2) (u)
2 4 2
1
+ (u − 3) 1[2,3] (u)
2
2
1 2
u , dacă x ∈ [0, 1),
2!
1 u2 − C 1 (u − 1)2 ,
dacă x ∈ [1, 2),
3
= 2!
1
2 2
2 1 2
u − C 3 (u − 1) + C3 (u − 2) , dacă x ∈ [2, 3),
2!
0, dacă x ∈
/ [0, 3]
1 X3 k 2
= (−1) C3k (u − k) sgn (u − k) .
2 · 2! k=0
În general, pentru n ∈ N∗ v.a. (Xk )k=1,n de tip i.i.d., cu Xk ∼ U[0, 1], unde
186 x
Funct, ia signum sgn : R → {0, ±1} este definită de sgn (x) = |x| , pentru orice x 6= 0, s, i
sgn (x) = 0, pentru x = 0; deci sgn (x) este −1, dacă x este negativ s, i sgn (x) = 1, dacă x este
pozitiv.
3.6. Exerciţii rezolvate 375
Pn
k = 1, n, v.a. i=1 Xi ia valori în [0, n] iar densitatea este dată de
fPni=1 Xi (u)
1
= un−1 1[0,1) (u)
(n − 1)!
1
+ un−1 − Cn1 (u − 1)
n−1
1[1,2) (u)
(n − 1)!
1
+ un−1 − Cn1 (u − 1)
n−1
+ Cn2 (u − 2)
n−1
1[2,3) (u)
(n − 1)!
...
1
+ un−1 − Cn1 (u − 1)
n−1
+ . . . + Cnn−1 (u − n)
n−1
1[n−1,n] (u)
(n − 1)!
Să observăm că densitatea fX1 este o funct, ie discontinuă; densitatea fX1 +X2
este o funct, ie continuă, dar cu derivata de ordinul întâi discontinuă; densitatea
fX1 +X2 +X3 este o funct, ie continuă, cu derivata de ordinul întâi continuă, dar
cu derivata de ordinul discontinuă s, .a.m.d..
(c) Se obt, ine Yi ∼ U [−1/2, 1/2] . Se observă că Y1 + Y2 = (X1 + X2 ) − 1, deci,
folosind (b) ,
Avem s, i
fY1 +Y2 +Y3 (u) = fX1 +X2 +X3 (u + 3/2) ,
deoarece Y1 + Y2 + Y3 = (X1 + X2 + X3 ) − 3/2.
187 Dacă o v.a. X are densitatea de repartit, ie dată de (3.94), i.e.
1 Xn
fX (x) = (−1)k Cn k
(x − k)n−1 sgn (x − k) 1[0,n] (x) ,
2 · (n − 1)! k=0
Dacă se aplică Teorema Limită Centrală, dată de Teorema 5.84, se va obt, ine
o demonstrat, ie riguroasă a ceea ce se vede s, i din graficul densităt, ii, s, i anume a
faptului că standardizarea v.a. X1 + X2 + . . . + Xn , i.e. v.a.
Pn Pn Pn
i=1Xi − E ( i=1 Xi ) Xi − n/2
p Pn = i=1
p ,
2
D ( i=1 Xi ) n/12
3.6.38 Un băiat s, i prietena lui au fixat o întâlnire la o anume locat, ie. S, tim că
cei doi ajung independent unul de altul iar timpul de sosire al fiecăruia (X s, i
respectiv Y ) este distribuit uniform între ora 12 s, i ora 13.
(a) Să se determine probabilitatea ca cel care ajunge primul să îl as, tepte pe
celălalt cel put, in 10 minute. Care este probabilitatea ca cei doi să ajungă în
acelas, i moment? Să se scrie s, i funct, ia de repartit, ie asociată timpului sosirii
băiatului, i.e. FX .
(b) Să se calculeze media s, i deviat, ia standard a v.a. X + Y s, i apoi probabilitatea
ca băiatul să ajungă după 12.5 s, i apoi probabilitatea ca fata să ajungă la 12.3.
Rezolvare:
(a) trebuie să se determine P (|X − Y | ≥ 10) , adică P(X ≥ Y + 10) s, i P(Y ≥
X + 10); în acest sensR ∞se calculează, mai întâi, densitatea diferent, ei dată de
formula fX−Y (u) = −∞ fX (u + v) fY (v) dv .
3.6.39 Fie U, V două v.a. independente cu U, V ∼ U [0, 1] .
(a) Să se determine densitatea fU +12 . Să se determine s, i densitatea fU +V a
sumei v.a.. Reprezentat, i grafic densitatea fU +V .
(b) Să se determine funct, ia de repartit, ie s, i apoi densitatea v.a.
1 2
În urma calculelor obt, inem a = c = s, i b = d = , adică
(4 + u2 ) u(4 + u2 )
1 1 1 2u (u − v) + u2 2uv + u2
2 = 2 + .
1 + (u − v) 1 + v 2 u2 (4 + u2 ) 1 + (u − v) 1 + v2
R∞ 2
Dacă facem schimbarea de variabilă u − v = v 0 în −∞ 2u(u−v)+u
1+(u−v)2
dv, obt, inem
∞ ∞
2u (u − v) + u2 2uv 0 + u2
Z Z
2 dv = 2 dv 0 ,
−∞ 1 + (u − v) −∞ 1 + (v 0 )
deci
∞
2uv + u2
Z
2
fX+Y (u) = dv
π 2 u2 (4 + u2 ) −∞ 1 + v2
2 Z ∞ 2uv Z ∞
u2
= 2 2 dv + dv
π u (4 + u2 ) −∞ 1 + v
2
−∞ 1 + v
2
Z ∞ v=∞
4u v 2
= 2 2 dv + 2 arctan (v)
2
π u (4 + u ) −∞ 1 + v 2 π (4 + u )2 v=−∞
Z ∞
4u v 2
= 2 2 dv + .
π u (4 + u2 ) −∞ 1 + v 2 π (4 + u2 )
R∞ v 1 1+a2
Să observăm că integrala improprie −∞ 1+v 2 dv = 2 lim a→∞ ln 1+b2 este di-
b→−∞
vergentă. Dar, pe de altă parte, integrala improprie
Z ∞
1 1 1
fX+Y (u) = 2 2 dv
π −∞ 1 + (u − v) 1 + v 2
adică
X + Y ∼ C (0, 2) .
Aplicând Corolarul 3.27 deducem că
1 u−0 4 1
f X+Y (u) = fX+Y = 2fX+Y (2u) = 2
= ,
2 1/2 1/2 π (4 + 4u ) π (1 + u2 )
adică
X +Y
∼ C (0, 1) .
2
3.6.41 Fie două v.a. independente cu densităt, ile de repartit, ie fX (x) = fY (x) =
1 −|x|
2e . Să se calculeze densitatea de repartit, ie fU , unde U = X + Y .
Rezolvare:
Obt, inem
Z ∞ Z ∞
1
fX+Y (u) = fX (u − v) fY (v) dv = e−|u−v| e−|v| dv.
−∞ 4 −∞
3.6.42 Fie două v.a. independente cu densităt, ile de repartit, ie fX (x) = fY (x) =
2 1
. Să se calculeze densitatea de repartit, ie fU , unde U = X + Y .
π ex + e−x
Rezolvare:
Obt, inem
Z ∞
fX+Y (u) = fX (u − v) fY (v) dv
−∞
∞ ∞
4eu e2v
Z Z
4 1 1 1
= 2 dv = dv.
π −∞ eu−v + ev−u ev + e−v π2 −∞ 1 + e2v e2u + e2v
3.6.43 Fie două v.a. independente X, Y ∼ Exp (λ), cu λ > 0. Să se calculeze
densitatea de repartit, ie fU , unde U = X − Y .
Rezolvare:
Aplicăm formula (3.72) s, i obt, inem, pentru u > 0,
Z ∞ Z ∞
fX−Y (u) = fX (u + v) fY (v) dv = λ 2
e−λ(u+2v) dv
−∞ 0
−2λv v=∞
e λ
= λ2 e−λu = e−λu .
−2λ v=0 2
λ −λ|u|
Obt, inem că X − Y are densitatea f (u) = 2e , deci este distribuită Laplace
de parametri λ1 s, i 0 (vezi Nota 181).
3.6.44 Să notăm timpii de viat, ă a două componente electronice cu X1 s, i respec-
tiv X2 . Să presupunem că timpii de viat, ă sunt independent, i unul de altul s, i că
sunt distribuit, i de tip exponent, ial cu parametrii λ1 s, i respectiv λ2 .
3.6. Exerciţii rezolvate 381
(a) Să se scrie densitatea f(X1 ,X2 ) (x1 , x2 ) . Să se determine parametrii λ1 , λ2
s, tiind că timpul de viat, ă as, teptat al celor două componente este de 1000 ore s, i
respectiv 1200 ore.
(b) Să se determine probabilitatea ca ambele componente să trăiască cel put, in
1500 ore. Să se determine probabilitatea ca prima componentă să trăiască 1500
ore.
(c) Să se determine probabilitatea ca timpul total de viat, ă al celor două compo-
nente să fie de cel mult 3000 ore.
(d) În cazul în care λ1 = λ2 să se determine densităt, ile fX1 +X2 s, i f X1 .
X1 +X2
Rezolvare:
(b) Se determină P (X1 ≥ 1500, X2 ≥ 1500) .
(c) Se utilizează formula (3.71).
(d) Se utilizează formula (3.69) cu U = X1 + X2 , V = X1X+X 1
2
; trebuie să se de-
termine s, i domeniile variabilelor u, v. Apoi se determină densităt, ile marginale
fU (u) s, i fV (v) .
3.6.45 Fie două v.a. independente distribuite exponent, ial X ∼ Exp (λ), Y ∼
X
Exp (µ), λ, µ > 0. Să se calculeze densitatea de repartit, ie fU , unde U = .
Y
Rezolvare:
Aplicăm formula (3.76) s, i obt, inem, pentru u > 0,
Z ∞ Z ∞
fU (u) = |v| fX (uv) fY (v) dv = λµ ve−(λu+µ)v dv
−∞ 0
e−(λu+µ)v v=∞
−λµ v=∞ λµ
= ve−(λu+µ)v − = 2.
λu + µ − (λu + µ) v=0
v=0 (λu + µ)
v
Am folosit limv→∞ e(λu+µ)v
= 0, unde λu + µ > 0.
Rezolvare:
382 3. Variabile aleatoare continue
Obt, inem
Z ∞ Z ∞
1
fU (u) = |v| fX (uv) fY (v) dv = |v| e−(|u|+1)|v| dv.
−∞ 4 −∞
3.6.47 Fie două v.a. de tip i.i.d., cu X, Y ∼ U [0, 1]. Să se calculeze densitatea
X
de repartit, ie fU , unde U = .
Y
Rezolvare:
Obt, inem
Z ∞ Z 1
fU (u) = |v| fX (uv) fY (v) dv = vfX (uv) dv.
−∞ 0
Obt, inem
Z ∞
1 u2 v 2 1 v2
f X (u) = |v| √ e− 2σ2 √ e− 2σ2 dv
Y
−∞ 2πσ2 2πσ2
Z 0 Z ∞
1 u2 v 2 +v 2 u2 v 2 +v 2
= (−v) e− 2σ2 dv + ve− 2σ2 dv .
2πσ2 −∞ 0
−σ2 σ2
e−∞ − e0 = 2
I1 = 2
.
u +1 u +1
Deci
1 2σ2 1
f X (u) =2 2
= ,
Y 2πσ u + 1 π (u2 + 1)
adică raportul a două v.a. distribuite normal N 0, σ2 este distribuit Cauchy
C (0, 1).
3.6.49 Fie două v.a. independente distribuite normal X ∼ N µ1 , σ2 , Y ∼
X − µ1
N µ2 , σ2 . Să se arate că ∼ C (0, 1) .
Y − µ2
Rezolvare:
Folosim Remarca 3.208 s, i problema precedentă.
Rezolvare:
Vom calcula mai întâi densitatea de repartit, ie pentru X 2 s, i Y 2 . Avem
√ √
FX 2 (u) = P X 2 ≤ u = P − u ≤ X ≤ u
Z √u
√ √
= FX u − FX − u = √ fX (x) dx.
− u
384 3. Variabile aleatoare continue
1 u/2
0
v 0 v =u/2
Z
1 1
fX 2 +Y 2 (u) = q dv 0 = arcsin u
2 −u/2 2 u2 − (v 0 )2 4 0
2 v =−u/2
4
3.6. Exerciţii rezolvate 385
1 π
= (arcsin 1 − arcsin (−1)) = .
4 4
Z 1 Z u
1 1 1 1
fX 2 +Y 2 (u) = fX 2 (v) √ dv + fX 2 (v) √ dv
2 u−1 u−v 2 1 u−v
Z 1
1 1
= p dv.
2 u−1 2 v (u − v)
1−u/2 0
v 0 v =1−u/2
Z
1 1 1
fX 2 +Y 2 (u) = q dv 0 = arcsin u 0
2 u/2−1 2 u2 2
− (v 0 ) 4 2 v =u/2−1
4
1 1 − u/2 u/2 − 1 1 2
= arcsin − arcsin = arcsin −1 .
4 u/2 u/2 2 u
Deci
0, dacă u ≤ 0,
π
4, dacă u ∈ (0, 1],
fX 2 +Y 2 (u) =
1 2
arcsin −1 , dacă u ∈ (1, 2],
2
u
0 dacă u > 2.
√
Să calculăm acum
√ densitatea v.a. U , unde U = X 2 + Y 2 , folosind formula
√
(3.70) cu v = u sau echivalent u = Φ (v) = v 2 cu Φ : (0, 2] → (0, 2], iar
J (v) = Φ0 (v) = 2v. Obt, inem
s, i, în cazul nostru,
0 dacă u ≤ 0,
π4 , dacă u ∈ (0, 1],
f√X 2 +Y 2 (u) = fX 2 +Y 2 u2 |2u| =
√
u arcsin 2−u
u , dacă u ∈ (1, 2],
√
0 dacă u > 2.
Rezolvare:
Să considerăm transformarea
bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D, unde ∆ =
(u, v) ∈ R2 : 1 ≤ v ≤ u2 iar D = [1, ∞) × [1, ∞), cu Φ dată de
√
u = xy, x = Φ1 (u, v) = v,
⇔
2
v=x y = Φ2 (u, v) = uv
−2u
cu determinantul Jacobian JΦ (u, v) = v .
Obt, inem
u2 −2u u2 2u 2
f(U,V ) (u, v) = f(X,Y ) v, = fX (v) fY = 3
v v v v u v
cu determinantul Jacobian
u−1/2 v 1/2 u1/2 v −1/2
2 2 =− 1 .
JΦ (u, v) =
u−1/2 −1/2
v 1/2 −3/2
u v
2v
−
2 2
Obt, inem, pentru (u, v) ∈ ∆,
√ r
u 1 1 1 1 1
f(U,V ) (u, v) = f(X,Y ) uv, − = = 2 .
v 2v 2v uv uv −1 2u v
3.6.53 Dacă X, Y sunt două v.a. de tip i.i.d., cu X, Y ∼ U(0, 1), atunci v.a.
√ √
U = −2 ln X cos (2πY ) , V = −2 ln X sin (2πY )
Rezolvare:
Să considerăm transformarea
√
u = −2 ln x cos (2πy) ,
√
v = −2 ln x sin (2πy)
s, i obt, inem
u2 +v 2 u
u2 + v 2 = −2 ln x ⇔ x = e− 2 ⇒ cos (2πy) = √ .
u2 + v2
−ue− u2 +v 2 u2 +v 2
2 −ve− 2
= − 1 e− u +v
2 2
J (u, v) = 2 .
− v u
2π
2π(u2 +v 2 ) 2π(u2 +v 2 )
Folosind (3.69) obt, inem, având în vedere că variabilele X, Y sunt indepen-
dente,
u2 +v2 arccos √ 2u 2 1 − u2 +v2
u +v
f(U,V ) (u, v) = fX e− 2 fY − e
2
2π 2π
1 u2 1 v2
= √ e− 2 √ e− 2 .
2π 2π
Dacă luăm
1 u2
fU (u) = fV (u) = √ e− 2 ,
2π
atunci din ultima egalitate se vede că U, V sunt independente, deoarece obt, i-
nem egalitatea f(U,V ) (u, v) = fU (u) fV (v) s, i, în plus, U, V ∼ N(0, 1) (vezi s, i
Remarca 3.198).
3.6. Exerciţii rezolvate 389
Rezolvare:
Avem
ZZ Z 2 Z 1
1
f (x, y) dxdy = (x + 4y) dy dx
R2 6 0 0
2
x2
Z
1 y=1
2 1 x=2
= xy + 2y dx = + 2x = 1.
6 0 y=0 6 2 x=0
3.6.55 Vectorul aleator (X, Y ) este dat prin densitatea de repartit, ie190
Să se determine mai întâi C astfel încât f să fie o densitate. Apoi să se deter-
mine s, i densităt, ile de repartit, ie marginale. Sunt v.a. X, Y independente?
190 Indicatoarea 1A (x) a mult, imii A ⊂ Rn în punctul x ∈ Rn se poate scrie sub s, i sub forma
1{x∈A} ; de exemplu, 1[0,∞) (x) = 1{x≥0} .
Scrierea este utilă în cazul în care condit, ia x ∈ A este mai complicată adică A este mai greu de
precizat.
390 3. Variabile aleatoare continue
Rezolvare:
Impunem
ZZ ZZ
1= f (x, y) dxdy = C e−λx 1{x≥0,|y|≤x} dxdy
2 R2
ZR ∞ Z x Z ∞
−λx
=C e dy dx = 2C xe−λx dx
0 −x 0
2C −λx x=∞ 2C ∞ −λx 2C e−λx x=∞
Z
= xe − e dx =
−λ −λ 0 λ −λ x=0
x=0
2C 2C
= 2
e−∞ − 1 = 2 ,
−λ λ
deci C = λ2 /2.
Densităt, ile marginale sunt
λ2 x −λx
Z
fX (x) = e 1{x≥0} dy = λ2 xe−λx 1{x≥0} ,
2 −x
λ2 ∞ −λx λ2 ∞ −λx
Z Z
fY (y) = e 1{|y|≤x} dx = e dx
2 0 2 |y|
λ2 e−λx x=∞ λ
= = e−λ|y| .
2 −λ x=|y| 2
Rezolvare:
Densităt, ile marginale sunt
Z ∞ Z x
fX (x) = λ2 e−λx 1{0<y<x} dy = λ2 e−λx 1(0,∞) (x) dy
−∞ 0
3.6. Exerciţii rezolvate 391
−1 1
cu determinantul Jacobian JΦ (u, v) = = −1.
0 1
Obt, inem, pentru (u, v) ∈ ∆,
Rezolvare:
Avem ZZ Z ∞ Z x
f (x, y) dxdy = λ2 e−λx dy dx = 1.
R2 0 0
Densităt, ile marginale sunt
Z x
fX (x) = λ 2
1(0,∞) (x) e−λx dy = λ2 xe−λx 1(0,∞) (x) ,
0
Z ∞
fY (y) = λ2 1(0,∞) (y) e−λx dx = λe−λy 1(0,∞) (y) ,
y
392 3. Variabile aleatoare continue
1
f(X,Y ) (x, y) = .
π2 (1 + x2 ) (1 + y2 )
Rezolvare:
Funct, ia de repartit, ie este
Z x Z y
1
F(X,Y ) (x, y) = P (X ≤ x, Y ≤ y) = dtds
−∞ −∞ π2 (1 + x2 ) (1 + y2 )
1 1 1 1
= arctan (x) + arctan (y) + .
π 2 π 2
R1R1 1 1
Probabilitatea P ((X, Y ) ∈ D) = 0 0 π 2 (1+x2 )(1+y 2 )
dxdy = 16 .
1
= ,
π (1 + x2 )
3.6. Exerciţii rezolvate 393
1
fY (y) = .
π (1 + y 2 )
Observăm că v.a. X s, i Y sunt independente deoarece F(X,Y ) (x, y) = FX (x) ·
FY (y) sau f(X,Y ) (x, y) = fX (x) · fY (y) .
3.6.59 Vectorul aleator (X, Y ) este dat prin densitatea de repartit, ie
y
e− 1+x 1[0,∞)×[0,∞) (x, y) .
y
f (x, y) = 4
(1 + x)
Să se găsească densitatea de repartit, ie a vectorului aleator
Y 1
, .
1+X 1+X
Rezolvare:
Să considerăm transformarea
y
1
u = 1+x,
x = − 1,
⇔ v
1 y=u
v=
1+x v
cu determinantul Jacobian
0 − v12
= 1 .
J (u, v) = v3
1 − vu2
v
Obt, inem
1 u 1
= ue−u .
f(U,V ) (u, v) = f(X,Y ) − 1, v3
v v
De asemenea din definit, ia lui u s, i v obt, inem u ≥ 0 s, i v ∈ [0, 1].
3.6.60 Densitatea de repartit, ie a vectorului (X, Y ) este
e−x−y , dacă x, y > 0,
(3.96) f(X,Y ) (x, y) =
0, în rest.
X
Să se calculeze densitate de repartit, ie v.a. X + Y s, i .
Y
394 3. Variabile aleatoare continue
Rezolvare:
Să considerăm transformarea
uv
u = x + y,
x=
,
1+v
x ⇔
v=
y= u
y 1+v
cu determinantul Jacobian
v u
1+v (1+v)2
u
J (u, v) = =− 2.
1 u
− (1+v)
(1 + v)
1+v 2
Obt, inem
uv u u
f(U,V ) (u, v) = f(X,Y ) , −
1+v 1+v (1 + v)2
u u
= e−( 1+v + 1+v )
uv u
2 = e−u 2 , u, v ≥ 0.
(1 + v) (1 + v)
Din ultima egalitate calculăm densităt, ile marginale fU s, i fV :
Z ∞
u
fU (u) = e−u 2 dv = ue
−u
, v ≥ 0,
0 (1 + v)
s, i Z ∞
u 1
fV (v) = e−u 2 du = 2 , v ≥ 0.
0 (1 + v) (1 + v)
3.6.61 Fie două v.a. independente X, Y cu densităt, ile
fX (x) = fY (x) = e−x 1(0,∞) (x) .
X
Să se arate că v.a. X + Y s, i sunt de asemenea independente.
Y
Rezolvare:
u = x + y,
Notăm x s, i calculăm funct, ia de repartit, ie:
v=
y
F(U,V ) (u, v) = P (U ≤ u, V ≤ v) = P ((X, Y ) ∈ D)
3.6. Exerciţii rezolvate 395
ZZ ZZ
= f(X,Y ) (x, y) dxdy = fX (x) fY (y) dxdy,
D D
n o
x
unde D = (x, y) ∈ R2 : x > 0, y > 0, x + y ≤ u, y ≤v .
Explicităm domeniul s, i obt, inem
2 uv x
D = (x, y) ∈ R : 0 < x ≤ , 0< ≤y ≤u−x ,
1+v v
deci
uv
! uv
Z 1+v
Z u−x Z 1+v
y=u−x
−x−y
F(U,V ) (u, v) = e dy dx = − e−x−y dx
0 x
0 y=x/v
v
Z uv Z uv
1+v 1+v 1+v
= e−x e−x/v − e−u+x dx = e−x v − e−u dx
0 0
1+v
e−x v x= 1+v
uv uv
x= 1+v v
− e−u x 1 − e−u (1 + u) ,
= =
− 1+v 1+v
x=0 x=0
v
1
f(U,V ) (u, v) = ue−u 2 .
(1 + v)
Am obt, inut deci densităt, ile de repartit, ie ale sumei s, i câtului, precum s, i faptul
că ele sunt independente deoarece
3.6.62 Dacă X, Y sunt două v.a. independente astfel încât X, Y ∼ N(0, 1),
atunci191 v.a.
−1 2 2
1 X
U = exp X +Y , V = arctan
2 2π Y
sunt de asemenea independente s, i au repartit, ii rectangulare pe intervalul (0, 1).
Rezolvare:
Să calculăm direct funct, ia de repartit, ie:
ZZ
F(U,V ) (u, v) = fX (x) fY (y) dxdy,
D
n 2 2
o
unde D = (x, y) ∈ R2 : e− 2 (x +y ) ≤ u,
1
1 x
2π arctan y ≤v .
ZZ
1 2
+y 2 )
e− 2 (x
1
F(U,V ) (u, v) = dxdy.
2π D
x = ρ sin θ,
Folosim coordonatele polare s, i ecuat, iile de legatură s, i dome-
y = ρ cos θ
niul de integrare devine
2 2
e− 2 (x +y ) ≤ u,
1 √
ρ ≥ −2 ln u,
⇔
1 arctan x ≤ v
θ ≤ 2πv.
2π y
Atunci, Z ∞ Z 2πv
1 − 1 ρ2
F(U,V ) (u, v) = √
e 2 ρdθ dρ = uv,
−2 ln u 0 2π
ceea ce demonstrează că (U, V ) urmează o repartit, ie rectangulară pe [0, 1]×[0, 1]
s, i, în plus, U s, i V sunt independente.
3.6.63 Dacă X, Y sunt două v.a. independente astfel încât X, Y ∼ N 0, σ2 ,
atunci v.a.
X
U = X 2 + Y 2, V =
Y
191 Vezi s, i Exercit, iului 3.6.53.
3.6. Exerciţii rezolvate 397
Rezolvare:
1 − u2
Conform Propozit, iei 3.225, U = X 2 +Y 2 ∼ χ2(2, σ), deci fU (u) = e 2σ ,
2σ2
cu u ≥ 0, σ > 0.
X 1
Apoi, conform Exercit, iului 3.6.48, V = Y ∼ C (0, 1), deci fV (v) = π(1+u2 ) ,
cu u ∈ R.
Să calculăm
ZZ ZZ
1 x2 +y 2
F(U,V ) (u, v) = fX (x) fY (y) dxdy = 2
e− 2σ2 dxdy,
D 2πσ D
n o
unde D = (x, y) ∈ R2 : x2 + y 2 ≤ u, xy ≤ v .
x = ρ cos θ,
Folosim coordonatele polare s, i ecuat, iile de legătură s, i obt, i-
y = ρ sin θ
√
nem că ρ ≤ u. Pentru a calcula domeniul lui θ folosim formulele trigonome-
trice
π −1 3π
tan θ − = = tan θ − .
2 tan (θ) 2
x 1
Atunci, avem că y ≤ v este echivalent cu tan(θ) ≤ v.
Observăm, în plus, că D = D1 ∪ D2 , unde D1 = {(x, y) ∈ D : y ≥ 0} iar
D2 = {(x, y) ∈ D : y < 0}. În cazul lui D1 obt, inem
π h π πi
y ≥ 0 ⇔ θ ∈ [0, π] ⇔ θ − ∈ − , ,
2 2 2
deci π −1 π
tan θ − = ≥ −v ⇔ θ≥ − arctan (v) .
2 tan (θ) 2
În consecint, ă θ ∈ π2 − arctan (v) , π .
În consecint, ă θ ∈ [ 3π
2 − arctan (v) , 2π).
Explicitarea domeniului D este dată de
√
ρ ∈ [0, u]
θ ∈ π2 − arctan (v) , π ∪ [ 3π
2 − arctan (v) , 2π).
Rezolvare:
ZZ
P (X < 2Y ) = P ((X, Y ) ∈ D) = e−x−y 1{x>0,y>0} dxdy,
D
unde D = (x, y) ∈ R2 : x < 2y .
Explicităm domeniul,
t, inând cont s, i de expresia densităt
, ii f(X,Y ) , s, i obt, inem
domeniul de integrare (x, y) ∈ R2 : x > 0, y > x/2 , deci
!
Z Z ∞ ∞
P (X < 2Y ) = e−x−y dy dx = 2/3.
0 x/2
deci
Z 1 Z 1
P (X > 1) = 1 − FX (1) = 1 − fX (x) dx = 1 − e−x dx = e−1 .
−∞ 0
Avem ZZ
P (X = Y ) = e−x−y dxdy = 0.
{(x,y)∈R2 :x=y}
Rezolvare:
Obt, inem f(X,Y ) (x, y) = a12 1D (x, y), unde D = [−a/2, a/2] × [−a/2, a/2]
este un pătrat de latură a centrat în origine.
Densităt, ile marginale sunt
Z a/2
1 1
fX (x) = 1[−a/2,a/2] (x) dy = 1[−a/2,a/2] (x)
−a/2 a2 a
Z a/2
1 1
fY (y) = 1[−a/2,a/2] (y) dx = 1[−a/2,a/2] (y) ,
−a/2 a2 a
Rezolvare:
Obt, inem f(X,Y ) (x, y) = 1
πr 2 1D (x), unde
p p
D= (x, y) : x ∈ [−r, r] , y ∈ − r2 − x2 , r2 − x2
s, i
Z r
1
fY (y) = 1 √ √
2 [− r 2 −x2 , r 2 −x2 ]
(y) dx
−r πr
Z √r2 −y2
1 2 p
= 2 √ dx = 2 r2 − y 2 1[−r,r] (y) ,
πr − r2 −y2 πr
deoarece
1−√r2 −x2 ,√r2 −x2 (y) = 1−√r2 −y2 ,√r2 −y2 (x) .
3.6.67 Fie două v.a. independente X, Y ∼ N(0, 1). Să se determine raza cercu-
lui cu centru în origine astfel încât
P ((X, Y ) ∈ D) = 0.95,
unde D = (x, y) : x2 + y 2 ≤ R2 este discul cu centrul în origine s, i de rază R.
Rezolvare:
x2 +y 2
1 − 2
Densitatea de repartit, ie pentru (X, Y ) este f(X,Y ) (x, y) = 2π e , cu
x, y ∈ R, iar ZZ
1 − x2 +y2
P ((X, Y ) ∈ D) = e 2 dxdy.
D 2π
x = ρ cos θ,
Folosim coordonatele polare s, i ecuat, iile de legătură s, i obt, inem
y = ρ sin θ
!
Z 2π Z R
1 − ρ2
2 2
P ((X, Y ) ∈ D) = ρe dρ dθ = 1 − e−R /2
.
2π 0 0
3.6.68 Un arcas, loves, te o t, intă sub forma unui punct din plan. Dacă (X, Y )
reprezintă coordonatele locului t, intit M , acesta este un vector normal bidimen-
3.6. Exerciţii rezolvate 401
G (R) = P ((X, Y ) ∈ D) = 2
e 2σ2 dxdy.
D 2πσ
x = a + ρ cos θ,
Folosim ecuat, iile de legătură cu coordonatele polare s, i ob-
y = b + ρ sin θ
t, inem că
Z 2π Z R !
1 ρ2
− 2σ R2
P ((X, Y ) ∈ D) = 2
e 2
ρdρ dθ = 1 − e− 2σ2 .
2πσ 0 0
T, inta poate fi un disc sau interiorul unui pătrat, dar de arii egale. Pentru ce
formă a t, intei probabilitatea de ochire este mai mare?
Rezolvare:
Notăm cu D discul cu centrul în origine s, i de rază R. Avem
ZZ ZZ
1 − x2 +y2 2 1 ρ2
P ((X, Y ) ∈ D) = 2
e 2σ dxdy = 2
ρe− 2σ2 dρdθ,
D 2πσ 2πσ ∆
3.6.71 Să se arate că dacă v.a. X are valori nenegative s, i media E (X) = m iar
X∞
dacă λ = nP (n ≤ X < n + 1) , atunci
n=1
λ ≤ m ≤ λ + 1.
3.6. Exerciţii rezolvate 403
Rezolvare:
S∞
Deoarece n=0 {n ≤ X < n + 1} = Ω avem că
X∞
P (n ≤ X < n + 1) = 1.
n=0
iar
X∞ X∞
E (Z) = nP (Z = n) = (n + 1) P (Z = n + 1)
n=0 n=0
X∞
= (n + 1) P (n ≤ X < n + 1) = λ + 1.
n=0
3.6.72 Fie v.a. X cu media E (X) = 30 s, i deviat, ia standard σ = 4. Să se arate că
Rezolvare:
Din inegalitatea (2.43) a lui Cebâs, ev obt, inem
42 45
P (|X − 30| < 14) ≥ 1 − 2
= .
14 49
Rezolvare:
Se determină mai întâi distribut, iile lui X 2 s, i Y 2 folosind Propozit, ia 3.225
precum s, i Exercit, iul 3.6.12.
404 3. Variabile aleatoare continue
x
Să se calculeze valoarea medie s, i dispersia v.a. X (s, i acolo unde este cazul să
se determine mai întâi c).
Rezolvare:
(a) Impunem
Z a a Z a
1= c ln dx = ac ln (a) − c ln (x) dx
0 x 0
x=a
Z a
= ac ln (a) − cx ln (x) +c x=0
dx.
0
R1
(b) E (X) = 0 s, i E X 2 = 2 0 x2 |x| dx = 12 .
(c) E (X) = 1 s, i E X 2 = 14
3 .
(d) E (X) = 32 s, i E X 2 = 12 .
Rezolvare:
Se obt, ine E (X) = 0, D2 (X) = π 2 /4 − 2, E (Y ) = 1/2, D2 (Y ) = 1/12.
3.6.76 Să se calculeze media unei v.a. distribuite Cauchy X ∼ C (0, 1).
Rezolvare:
3.6. Exerciţii rezolvate 405
3.6.77 Să se calculeze momentul absolut de ordin a > 0 al unei v.a. distribuite
Cauchy X ∼ C (0, 1).
Rezolvare:
Folosind definit, ia obt, inem
∞ a ∞
|x| xa
Z Z Z
a a 2
E (|X| ) = |x| f (x) dx = dx = dx.
R −∞ π (1 + x2 ) π 0 1 + x2
Prin urmare, pentru orice a ∈ (0, 1) , obt, inem că există α > 1 (de fapt, luăm
xa
orice α ∈ (1, 2 − a)) astfel încât limx→∞ xα · 1+x 2 = 0 < ∞, deci integrala
∞
xa
Z
a 2
E (|X| ) = dx < ∞.
π 0 1 + x2
Pe de altă parte, deoarece pentru orice a > 1, avem că există α ≤ 1 (de fapt,
xa
luăm α = 1) astfel încât limx→∞ xα · 1+x 2 = ∞ > 0, deducem că integrala este
divergentă, deci
2 ∞ xa
Z
a
E (|X| ) = dx = ∞.
π 0 1 + x2
Evident, în cazul a = 1, avem că există α ≤ 1 (de fapt, luăm α = 1) astfel încât
xa
limx→∞ xα · 1+x 2 = 1 ∈ (0, ∞), s, i astfel obt, inem că integrala este divergentă,
deci
2 ∞ xa
Z
a
E (|X| ) = dx = ∞.
π 0 1 + x2
Prin urmare, o v.a. distribuită Cauchy nu admite momente absolute de nici un
ordin a ≥ 1.
Sau, echivalent, o v.a. distribuită Cauchy nu admite moment de ordin 1
(i.e. nu admite medie) dar admite momente absolute de orice ordin a > 0
finite ori de câte ori a ∈ (0, 1) .
3.6. Exerciţii rezolvate 407
Rezolvare:
Avem
Z Z 2π
1
E (cos X) = cos (x) f (x) dx = cos (x) dx = 0.
R 2π 0
Rezolvare:
Funct, ia este pară s, i impunem
∞ ∞
e−x x=∞
Z Z
1= ae−|x| dx = 2 ae−|x| dx = 2a = 2a,
−1 x=0
−∞ 0
xα+1
limx→∞ xα · xe−x = limx→∞ = 0 < ∞,
ex
R∞
deci integrala improprie 0 xe−x dx este convergentă (integrala se poate s, i cal-
cula folosind metoda de integrare prin părt, i).
Deci E (X) = 0.
În ceea ce prives, te dispersia, funct, ia x2 e−|x| este pară, deci
1 ∞ 2 −|x|
Z Z ∞
E X2 = x e dx = x2 e−x dx
2 −∞ 0
408 3. Variabile aleatoare continue
Z ∞ −x
e−x x=∞ e
= x2 −2 x dx
−1 x=0 −1
0
Z ∞
x2 x=∞
= − x +2 xe−x dx
e x=0 0
Z ∞ −x
e−x x=∞ e e−x x=∞
= 2x −2 dx = 2 = 2.
−1 x=0 −1 −1 x=0
0
Obt, inem √
D2 (X) = 2 s, i D (X) = 2.
3.6.80 Să se calculeze media, dispersia s, i deviat, ia standard a unei v.a. X dis-
tribuită Laplace (vezi Nota 181).
Rezolvare:
Pentru a calcula media facem substitut, ia x0 = x−µa . Obt, inem
Z ∞
1 |x−µ|
E (X) = xe− a dx
2a −∞
Z µ Z ∞
1 |x−µ| 1 |x−µ|
= xe− a dx + xe− a dx
2a −∞ 2a µ
Z 0 Z ∞
1 0 1 0
= a (ax0 + µ) ex dx0 + a (ax0 + µ) e−x dx0 = µ,
2a −∞ 2a 0
R0 R∞ R0
având în vedere că −∞
xex dx = − 0
xe−x dx = −1 s, i −∞
ex dx = 1.
Similar se obt, ine
Z ∞
1 |x−µ|
E X2 = x2 e−
a dx
2a −∞
Z µ Z ∞
1 |x−µ| 1 |x−µ|
= x2 e− a dx + x2 e− a dx = 3a2 ,
2a −∞ 2a µ
√
deci D2 (X) = 2a2 iar D (X) = a 2.
x2
3.6.81 Se dă densitatea de repartit, ie f (x) = axn−1 e− 2 1[0,∞) (x). Să se deter-
mine a s, i să se calculeze apoi media s, i dispersia v.a. X.
Rezolvare:
3.6. Exerciţii rezolvate 409
x2
Impunem, folosind substitut, ia x0 = 2 ,
Z ∞ 2
Z ∞ n−1
n−1 − x2 0 − 12
1=a x e dx = a (2x0 ) 2
e−x (2x0 ) dx0
0 0
Z ∞ n
n n n
=2 2 −1 a x 2 −1 e−x dx = 2 2 −1 aΓ .
0 2
n
Deci a = 21− 2 /Γ (n/2) .
Obt, inem media
Z ∞ Z ∞
x2 n 0 − 12
E (X) = a xn e− 2 dx = a (2x0 ) 2 e−x (2x0 ) dx0
0 0
∞ √ Γ n+1
Z
n−1 n−1
−x 2
= a2 2 x 2 e dx = 2
0 Γ n2
iar E X 2 = n.
3.6.82 Se dă densitatea de repartit, ie f (x) = ax−p e− x 1(0,∞) (x), cu γ > 0. Să
γ
Rezolvare:
γ
Impunem, folosind substitut, ia x0 = x,
∞ 0
−γ
Z Z
0
−p − γ p
1=a x x e dx = a γ −p (x0 ) e−x 2 dx0
0 ∞ (x0 )
Z ∞
= aγ 1−p x(p−1)−1 e−x dx = aγ 1−p Γ (p − 1) .
0
Deci a = γ p−1 /Γ (p − 1) .
Pentru orice k < p − 1 avem
∞ 0
−γ
Z Z
k−p − γ p−k −x0
k
µk = E(X ) = a x x e dx = a γ k−p (x0 ) e 2 dx0
0 ∞ (x0 )
∞
Γ (p − 1 − k)
Z
= aγ k−(p−1) x(p−k−1)−1 e−x dx = γ k .
0 Γ (p − 1)
410 3. Variabile aleatoare continue
3.6.83 Se dă densitatea de repartit, ie f (x) = axn e−α x 1(0,∞) (x). Să se deter-
2 2
Rezolvare:
2αn+1 Γ( n+2
2 )
Se obt, ine a = Γ( n+1
, α= mΓ( n+1
.
2 ) 2 )
Rezolvare:
Conform Propozit, iei 3.71, media este E (X) = 21 . Deci
Z 1
Z 1/2 Z 1
1 1 1
E (|X − E (X)|) = x − dx = x − dx + x −
2 2 2
dx
0 0 1/2
Z 1/2 Z 1
1 1 1
= − x dx + x− dx = .
0 2 1/2 2 4
Apoi
ZZ Z 1 Z 1
|x − y| fX (x) fX (y) dxdy = |x − y| dy dx
R2 0 0
Z 1 Z x Z 1 Z 1
= |x − y| dy dx + |x − y| dy dx
0 0 0 x
1 1
y2 y2
Z Z
y=x y=1
= xy − − xy
dx + dx
2 2
0 y=0 0 y=x
Z 1 Z 1
x2 x2
2 1 2
= x − dx + −x− + x dx
0 2 0 2 2
x3 x=1 x2 x3 x=1
1 1
= + x − + = .
6 x=0 2 2 6 3
x=0
xm
3.6.85 Fie X o v.a. cu densitatea de repartit, ie f (x) = e−x 1[0,∞) (x).
Γ (m + 1)
Să se arate, folosind inegalitatea lui Cebâs, ev, că
m
P (0 < X < 2 (m + 1)) ≥ .
m+1
3.6. Exerciţii rezolvate 411
Rezolvare:
Folosim Propozit, ia 3.119 s, i obt, inem
Z ∞
xm 1
E (X) = x e−x dx = Γ (m + 2)
0 Γ (m + 1) Γ (m + 1)
(m + 1) Γ (m + 1)
= =m+1
Γ (m + 1)
s, i D2 (x) = m + 1 deoarece
Z ∞
xm 1
2
x2 e−x dx =
E X = Γ (m + 3) = (m + 1) (m + 2) .
0 Γ (m + 1) Γ (m + 1)
3.6.86 Fie v.a. X ∼ Exp (λ). Să se determine condit, iile în care v.a. Y = eX
admite medie s, i dispersie (vezi s, i Propozit, ia 3.220).
Rezolvare:
Se obt, ine că există media dacă λ − 1 > 0 iar dispersia dacă λ − 2 > 0.
Avem
Z ∞ x=∞
λ λ
E (Y ) = λ e−(λ−1)x = e−(λ−1)x =
0 − (λ − 1) x=0 λ−1
s, i Z ∞ x=∞
λ λ
E Y2 =λ e−(λ−2)x = e−(λ−2)x
= .
0 − (λ − 2) x=0 λ−2
3.6.87 Fie o v.a. repartizată normal X ∼ N(0, 1). Să se calculeze media v.a.
2
U = etX , unde t ∈ R.
Rezolvare:
412 3. Variabile aleatoare continue
Avem
Z ∞ Z ∞
1 2 x2 1 2 1
E (U ) = √ etx e− 2 dx = √ e−x ( 2 −t) dx,
2π −∞ 2π −∞
1
care este finită doar dacă − t > 0.
2
q
În acest caz folosim substitut, ia x 12 − t = x0 s, i obt, inem
Z ∞ Z ∞
1 0 2 1 1 1 0 2
E (U ) = √ e−(x ) q dx0 = √ q e−(x ) dx0
2π 1
−t 2π 1
2 −t
−∞ −∞
2
1 1 √ 1
=√ q π=√ .
2π 1 − t 1 − 2t
2
3.6.88 Să se calculeze momentele centrale νk de ordin k ale v.a. X ∼ N µ, σ2 .
Rezolvare:
k
Momentele centrale de ordin k sunt definite de νk = E (X − µ) , deci
ν0 = 1 iar ν1 = E (X − µ) = 0.
√
În cazul k ≥ 2 facem substitut, ia (x − µ) / 2σ = t :
∞ k
(x − µ) − (x−µ)
Z Z 2
k
νk = (x − µ) f (x) dx = √ e 2σ2 dx
R −∞ 2πσ2
Z ∞ √ √
( 2σt)2 √ ( 2σ)k ∞ k −t2
√ Z
1 k − 2σ2
= √ ( 2σt) e 2σdt = √ t e dt
2πσ2 −∞ π −∞
√ 2
( 2σ)k ∞ k−1 e−t 0
Z
= √ t dt,
π −∞ −2
deci
√ Z ∞
( 2σ)k k−1 −t2 x=∞ 2
νk = √ t e − (k − 1) tk−2 e−t dx
−2 π x=−∞ −∞
√ k
( 2σ) νk−2
= √ 0 − (k − 1) √ k−2 = (k − 1) σ2 νk−2 .
−2 π ( 2σ)
√
π
3.6. Exerciţii rezolvate 413
În particular,
3 2 4
= σ2 , = 3σ4 .
(3.98) E (X − µ) = 0 s, i E (X − µ) E (X − µ)
3.6.89 Să se calculeze E (|X − µ|) în cazul v.a. X ∼ N µ, σ2 .
Rezolvare:
√
Facem substitut, ia (x − µ) / 2σ = t
∞
|x − µ| − (x−µ)
Z Z 2
Rezolvare:
√
Facem substitut, ia x/ 2 = t :
∞ 2r
|x|
Z Z
2r x2
β2r = |x| f (x) dx = 2√ e− 2 dx
R 0 2π
Z ∞ √
( 2t)2 √
√
2
=√ ( 2t)2r e− 2 2dt
2π 0
2 r+1 Z ∞
2r+1
Z ∞ e−t2 0
2r −t2
= √ t e dt = √ t2r−1 dt
π 0 π 0 −2
∞
−2r t2r−1 x=∞
Z
2
= √ − (2r − 1) t2r−2 e−t dt
π et2 x=0
0
414 3. Variabile aleatoare continue
√
2r (2r − 1) πβ2r−2
= √ · = (2r − 1) β2r−2 .
π 2r
Dar β2 = E X 2 = 1, deoarece E (X) = 0 s, i D2 (X) = 1. Deci
def
β2r = 1 · 3 · 5 · . . . · (2r − 1) == (2r − 1)!!.
Să calculăm s, i
∞ 2r+1
|x|
Z Z
2r+1 x2
β2r+1 = |x| f (x) dx = 2 √ e− 2 dx
R 0 2π
∞ √ ( 2t)2 √
Z √
2
=√ ( 2t)2r+1 e− 2 2dt
2π 0
√ Z ∞ √ Z 2
2 r+1
2 2r+1 −t2 2r+1 2 ∞ 2r e−t 0
= √ t e dt = √ t dt
π 0 π 0 −2
√ Z ∞
−2r 2 t2r x=∞
2r−1 −t2
= √ − 2r t e dt
π et2 x=0
0
√ √
2r 2r 2 πβ2r−1
= √ · √ = 2r β2r−1 .
π 2r 2
Dar
∞
|x|
Z Z
x2
β1 = |x| f (x) dx = 2 √ e− 2 dx
R 0 2π
2
x=∞ r 2− x2
2 e
=√ = ,
2π −1 x=0 π
deci r r
2 2
β2r+1 = · 2 · 4 · . . . · (2r) = 2r r! .
π π
3.6.91 Fie v.a. X distribuită Beta de parametri p, q (vezi Nota 170). Să se verifice
că f este o densitate s, i să se calculeze momentele µ1 , µ2 precum s, i dispersia.
Rezolvare:
Avem, mai întâi,
Z Z 1
1 q−1 1
f (x) dx = xp−1 (1 − x) dx = β (p, q) = 1.
R β (p, q) 0 β (p, q)
3.6. Exerciţii rezolvate 415
3.6.92 Fie o v.a. repartizată Gamma X ∼ Gamma (p, 1). Să se calculeze mo-
mentele centrale νk de ordin k ale v.a. X.
Rezolvare:
Conform Remarcii 3.121, media µ1 = E (X) = p s, i, folosind Remarca 3.57,
deducem
ν2 = µ2 − µ21 = p (p + 1) − p2 = p
precum s, i
Rezolvare:
Γ n+1
2
Să considerăm cazul n > 2. Să notăm C0 = √ .
nπ Γ n2
Evident, νk = µk , deoarece µ1 = 0.
Să calculăm
Z ∞
ν2k+1 = µ2k+1 = E(X 2k+1 ) = x2k+1 f (x) dx
−∞
416 3. Variabile aleatoare continue
Z ∞ Z ∞
= x2k+1 f (x) dx − x2k+1 f (x) dx
0 0
α+2k+1
Luând α = n − 2k obt, inem limx→∞ x − n+1 = 1 ∈ (0, ∞), deci integrala
(x2 +n) 2
n+1
R ∞ α+2k+1 −
x2 2
improprie 0 x 1+ n dx este convergentă dacă n > 2k + 1 s, i
divergentă dacă n ∈ (0, 2k + 1]. Obt, inem că media E(X 2k+1 ) = 0, dacă n >
2k + 1 s, i nu există dacă n ∈ (0, 2k + 1].
Deci
s, i
µ2k+1 nu există, pentru orice k ∈ N astfel încât n ∈ (0, 2k + 1].
Să calculăm
Z ∞ Z ∞
ν2k = µ2k = E(X 2k ) = x2k f (x) dx = 2 x2k f (x) dx
−∞ 0
1 + y2 −1/2
= t−1 sau, echivalent, y = t1/2 (1 − t) .
y2
−3/2
Se va obt, ine dy = 21 t−1/2 (1 − t) dt s, i
1 − n+1
√
Z
2k+1 k −k 1 2
1 −1/2 −3/2
µ2k = 2C0 n t (1 − t) t (1 − t) dt
0 1−t 2
√ 2k+1
Z 1 n
t(k+ 2 )−1 (1 − t) 2
1 −k−1
= C0 n dt
0
nk Γ k + 12 Γ n2 − k
√
2k+1 1 n
= C0 n β k+ , −k =√ .
Γ n2
2 2 π
Dar
1 1 1
Γ k+ = k− Γ k−
2 2 2
1 3 1 1
= k− k− · ... · · Γ
2 2 2 2
iar
n n n
Γ = −1 Γ −1
2 2 2
n n n n
= −1 − 2 · ... · −k Γ −k .
2 2 2 2
Deci, pentru n > 2k,
k − 12 · k − 23 · . . . · 12
k
ν2k = µ2k = n n
− 1 · n2 − 2 · . . . · n2 − k
2
418 3. Variabile aleatoare continue
1 · 3 · . . . · (2k − 1) · (2k − 3)
= nk .
(n − 2k) · (n − 2k + 2) · . . . · (n − 4) (n − 2)
n
De exemplu, D2 (X) = µ2 = n−2 , dacă n > 2.
3.6.94 Să se calculeze media s, i dispersia unei v.a. X cu densitatea definită de
Γ n+1
− n+1
f (x) = √ 2 n 1 + x2 2
, x ∈ R.
πΓ 2
Rezolvare:
Se va obt, inem media E (X) = 0 (integrandul este funct, ie impară) s, i, folosind
2
substitut, ia 1+x 2 1
x2 = t, se va obt, ine D (X) = n−2 (vezi s, i rezolvarea Exercit, iului
3.6.93).
3.6.95 Fie o v.a. repartizată Fisher X ∼ F (m, n). Să se verifice că f este o
densitate s, i să se calculeze momentele µk ale v.a. X.
Rezolvare:
− m+n
1(0,∞) (x) , unde
m
Densitatea este în acest caz f (x) = C0 x 2 −1 1 + m n x 2
m m
m+n
( ) Γ(
m 2 ) ( )
m 2
C0 = nΓ m Γ n2 = β nm , n .
( 2 ) (2) ( 2 2)
Se arăm mai întât că f este o densitate de repartit, ie. Facem substitut, ia x0 =
x·m/n n x0 n 1 0
1+x·m/n , deci x = m · 1−x0 s, i apoi dx = m · (1−x0 )2 dx s, i
∞ m+n
m − 2
Z Z
m
f (x) dx = C0 x 2 −1 1 + x
R 0 n
Z 1 m −1 m2 −1 − m+n
nC0 n 2 x0 x0 2
dx0
= 1 + 2
m 0 m 1 − x0 1 − x0 (1 − x0 )
Z 1
1 m n
−1 1 m n
= x 2 −1 (1 − x) 2 dx = β , = 1.
β m n
β m n
2, 2 0 2, 2
2 2
n k 1
Z
m n
−k−1
= m
m n
xk+ 2 −1 (1 − x) 2 dx
β 2, 2 0
n k n k m
+ k Γ n2 − k
m
m n
m Γ 2
= m n β + k, − k = m n .
Γ m+n
β 2, 2
2 2 β 2, 2 2
Rezolvare:
Conform Propozit, iei 3.225
X 2 + Y 2 ∼ χ2(2, σ) ,
1 − u2
adică fX 2 +Y 2 (u) = e 2σ 1(0,∞) (u) .
2σ2
Folosim s, i relat, ia (3.95) pentru a calcula
1 v2
f√X 2 +Y 2 (v) = fX 2 +Y 2 v 2 |2v| = 2 ve− 2σ2 1(0,∞) (v) .
σ
√
Facând substitut, ia v = 2σt s, i urmând aceleas, i calcule ca în Propozit, ia 3.94
obt, inem
Z ∞ Z ∞ √
( 2σt)2 √
√
1 v2 1
E (V ) = 2 v 2 e− 2σ2 dv = 2 ( 2σt)2 e− 2σ2 2σdt
σ 0 σ 0
√ Z ∞ 2 −t2
r
π
= 2 2σ t e dt = σ
0 2
420 3. Variabile aleatoare continue
s, i
Z ∞ Z ∞ √ ( 2σt)2 √
√
1 v
3 − 2σ
2 1
2
( 2σt)3 e− 2σ2
E V = 2 v e 2
dv = 2 2σdt
σ 0 σ 0
Z ∞
2
= 4σ2 t3 e−t dt = 2σ2 .
0
U = max (|X| , |Y |) .
Rezolvare:
Ru x2
Dacă funct, iile de repartit, ie sunt FX (u) = FY (u) = −∞
√ 1
2πσ2
e− 2σ2 dx,
atunci funct, ia de repartit, ie a v.a. U este
u2
e− 2σ2
x=∞
4
=√ (F (u) − F (−u))
1 X X
2πσ2 − σ2
x=0
Z ∞ − u2 2
e 2σ 0 0
− (F X (u) + F X (−u)) du
0 − σ12
Z ∞
4σ2 u2 2 u2
=√ e− 2σ2 √ e− 2σ2 du
2πσ2 0 2πσ2
2 Z ∞
8σ u 2
= e− σ2 du
2πσ2 0
4 ∞ −(u0 )2
Z
= e σdu0
π 0
√
4σ π 2σ
= =√ .
π 2 π
Apoi Z ∞
4 u2
E U2 = √ u2 e− 2σ2 (FX (u) − FX (−u)) du.
2πσ2 0
Integrând prin părt, i s, i folosind (3.99) obt, inem
Z ∞
4 u2
√ u2 e− 2σ2 FX (u)du
2πσ 02
Z ∞ − u22 0
4 e 2σ
=√ u FX (u)du
2
2πσ 0 − σ12
− u22 x=∞ Z ∞ e− 2σ u2
4 e 2σ 2
0
=√ uF (u) − [uF (u)] du
1 X X
2πσ2 − σ2 − σ12
x=0 0
Z ∞
4σ2 u2
=√ e− 2σ2 [uFX 0
(u) + FX (u)] du
2
2πσ 0
Z ∞ Z ∞
4σ2 −σ u2 4σ2 u2
− 2σ
= ue 2
du + √ e 2
FX (u)du
2πσ2 0 2πσ2 0
u2
2 e− σ2 x=∞
Z ∞
2 0
= + 4σ FX (u)FX (u)du
π − σ22 x=0
0
σ2 x=∞ σ2
= + 2σ2 FX 2
(u) = + 2σ2 (FX 2
(∞) − FX 2
(0)),
π x=0 π
422 3. Variabile aleatoare continue
deci ∞
σ2 3σ2
Z
4 u2
√ u2 e− 2σ2 FX (u)du = + .
2πσ2 0 π 2
Similar ∞
σ2 σ2
Z
4 u2
−√ u2 e− 2σ2 FX (−u)du = − .
2πσ2 0 π 2
Deci
2σ2
E U2 = + σ2
π
iar dispersia este
2σ2
D2 (U ) = σ2 − .
π
3.6.98 Fie X, Y două v.a. independente astfel încât X, Y ∼ N 0, σ2 . Să se
determine media v.a.
V = min (|X| , |Y |) .
Rezolvare:
Deoarece P (|X| ≤ v) = (FX (v) − FX (−v)) = P (|Y | ≤ v) , obt, inem
v2 0
∞
e− 2σ2
Z
8
=√ FX (−v)dv
2πσ2 0 − σ12
v2 v2
e− 2σ2 x=∞ Z ∞ e− 2σ
8 2
0
= √ F (−v) + F (−v)dv
X
2πσ2 − σ2
1
− σ12 X
x=0 0
Z ∞
4σ2 8σ2 v2 1 v2
= √ −√ e− 2σ2 √ e− 2σ2 dv
2πσ2 2πσ2 0 2πσ2
Z ∞
4σ 4 v 2
= √ − e− σ2 dv
2π π 0
4 ∞ −(v0 )2
Z
4σ
= √ − e σdv 0
2π π 0
√
4σ 4σ π 4σ 2σ
= √ − =√ −√ .
2π π 2 2π π
3.6.99 Fie s, irul de v.a. continue s, i cu valori nenegative (Xn )n∈N∗ s, i N o v.a. de
tip discret cu valori în N∗ s, i independentă de s, irul de v.a. (Xn )n∈N∗ . Să definim
SN ca fiind suma aleatoare de v.a. dată de
SN = X1 + X2 + . . . + XN
(prin convent, ie, dacă N = 0, atunci SN = 0).
Rezolvare:
(a) Reluând demonstrat, ia formulei (2.72), vom determina P (SN ∈ A), unde
A ∈ B (R), folosind legea probabilităt, ii totale (1.15), asociată sistemului com-
plet de evenimente ({N = n})n∈N , precum s, i independent, a v.a. N în raport cu
v.a. (Xn )n∈N deci s, i cu v.a. SN :
X∞
P (SN ∈ A) = P (Sn ∈ A) P (N = n) .
n=0
194 În cazul unui s, ir (Xn )n∈N∗ de v.a discrete formula (3.100) a lui Wald are aceeas, i formă; vezi
Exercit, iul 2.4.44.
424 3. Variabile aleatoare continue
= E (X1 ) E (N ) ,
deoarece Xn Xn
E (Sn ) = E Xi = E (Xi ) = nE (X1 ) .
i=1 i=1
195 Pentru a putea schimba ordinea între integrare s, i sumare trebuie să folosim un rezultat teoretic
de tip Fubini care să ne permită ca o integrală să comute cu o sumă infinită.
În cazul nostru vom folosi faptul că atât integrala cât s, i seria (care apar în primele două egalităt, i)
sunt absolut convergente.
Capitolul 4
Funct, ia generatoare de
momente
Definit, ia 4.1 Dacă X este o v.a. discretă astfel încât X (Ω) ⊆ N, atunci media
X
GX (t) = E tX = tk P (X = k) ,
k∈N
Remarca 4.2 Evident, seria care defines, te funct, ia GX este convergentă cel put, in
pentru orice t ∈ (−1, 1) . Se poate ca în anumite cazuri domeniul de convergent, ă
să fie mai mare decât (−1, 1) .
Remarca 4.3 Justificarea denumirii este simplă: dacă funct, ia GX se poate scrie
ca o serie de puteri, atunci probabilitatea P (X = k) , unde k ∈ N, este coefi-
cientul lui tk din dezvoltarea funct, iei GX (t) în serie de puteri.
Dacă funct, ia GX nu se poate scrie ca o serie de puteri, atunci probabilităt, ile
P (X = k) , unde k ∈ N, sunt date de derivatele funct, iei GX , mai precis,
(k)
GX (0)
P (X = k) = , k ∈ N.
k!
425
426 4. Funcţia generatoare de momente
Mai precis, se poate arăta (vezi [55, Problem 2.6.29]) că dacă X este o v.a. dis-
cretă astfel încât X (Ω) ⊆ N s, i r ∈ N∗ , atunci:
(a) dacă E (X r ) < ∞, atunci există media E X (X − 1) . . . (X − r + 1) s, i aceasta
este dată de (r)
E X (X − 1) . . . (X − r + 1) = GX (1) ;
(b) dacă E (X r ) = ∞, atunci E X (X − 1) . . . (X − r + 1) = ∞ s, i
(r)
limt→1 GX (t) = ∞.
Propozit, ia 4.4 Fie X, Y două v.a. discrete astfel încât X (Ω) , Y (Ω) ⊆ N s, i cu
GX , GY funct, iile lor generatoare de probabilităt, i. Dacă X, Y sunt independente,
atunci
GX+Y (t) = GX (t) · GY (t) .
Demonstrat, ie. Deoarece X, Y sunt v.a. independente putem scrie
Definit, ia 4.6 Dacă X este o v.a. (nu neapărat discretă), atunci media
MX (t) = E etX
Remarca 4.7 Justificarea denumirii este dată de următorul rezultat. Dacă exis-
(k)
tă MX (0) , atunci există s, i momentul de ordin k ∈ N∗ s, i acesta este dat de:
(k)
E X k = MX (0) , k ∈ N∗ .
(k)
În plus, dacă, pentru orice t ∈ (a, b) , există MX (t) , pentru orice k ∈ N∗ ,
atunci
X∞ E X k
MX (t) = tk .
k=0 k!
Mai precis, având în vedere dezvoltarea exponent, ală, deducem că
2 n
(tX) (tX)
MX (t) = E etX = E 1 + tX +
+ ... + + ... .
2! n!
Pe de altă parte, media unei sume infinite nu este neapărat suma mediilor, dar,
în condit, ii destul de generale (care în general sunt satisfăcute în problemele
avute în vedere de noi), acest lucru este adevărat. Astfel, dacă aceste condit, ii
sunt satisfăcute, atunci
t2 E X 2 tn E X n X∞ E X k
MX (t) = 1 + tE (X) + + ... + + ... = tk .
2! n! k=0 k!
Acum, dacă derivăm funct, ia t 7→ MX (t) , obt, inem derivata unei sume infinite.
Din nou, în condit, ii speciale (care în general sunt satisfăcute în problemele
avute în vedere de noi), are loc că derivata sumei infinite este suma derivatelor,
i.e.
0 tE X 2 t2 E X 3 tn−1 E X n
MX (t) = E (X) + + + ... + + ... .
1! 2! (n − 1)!
0
Prin urmare, în caz că MX (0) există, obt, inem
0
MX (0) = E (X) .
Similar,
00 2
tE X 3 tn−2 E X n
MX (t) = E X + + ... + + ... .
1! (n − 2)!
00
Prin urmare, în caz că MX (0) există, obt, inem
00
(0) = E X 2 .
MX
428 4. Funcţia generatoare de momente
Remarca 4.8 Se poate arăta (vezi [55, Problem 2.6.32]) că dacă funct, ia MX (t)
este definită pentru orice t dintr-o vecinătate a originii (i.e. t ∈ [−a, a] , pentru
(k)
un a > 0), atunci există derivatele MX (0) , pentru orice k ∈ N∗ s, i are loc
formula de legătură:
(k)
MX (0) = E X k , k ∈ N∗ .
xk
Remarca 4.9 (i) Dacă X este v.a. discretă cu tabloul X : ,
pk
k∈I⊆N∗
atunci are loc formula de calcul
X
MX (t) = et x k p k .
k∈I
(ii) Dacă X este v.a. continuă cu densitatea fX , atunci are loc formula de cal-
cul196 Z
MX (t) = et x fX (x) dx.
R
Exercit, iul 4.10 Fie v.a. X ∼ Exp (λ) , unde λ > 0. Să se arate că:
Exercit, iul 4.11 Fie v.a. X ∼ C (0, 1) s, i a > 0. Să se arate că:
Exercit, iul 4.12 Fie v.a. X ∼ Pareto(1, a). Să se arate că:
Să folosim un criteriu de convergent, ă pentru integrale improprii. Având în vedere că
tx
limx→∞ xα · xea+1 = ∞ > 0, pentru orice α ≤ 1 s, i orice t > 0, deducem că integrala
MX (t) este divergentă. Mai mult, obt, inem că
Z ∞
a
MX (t) = E etX = et x a+1 dx = ∞, pentru orice t > 0.
1 x
tx
Pe de altă parte, deoarece limx→∞ xα · xea+1 = 0 < ∞, pentru orice α > 1 s, i orice
t < 0, deducem că integrala
Z ∞
a
MX (t) = et x a+1 dx < ∞, pentru orice t < 0.
1 x
430 4. Funcţia generatoare de momente
Remarca 4.13 Fie v.a. X ∼ Pareto(1, a). Obt, inem următoarele exemple:
(i) dacă a ∈ (0, 1], atunci X este o v.a. care nu admite medie
(media există, dar este infinită).
(ii) dacă a ∈ (1, 2], atunci X este o v.a. care admite medie
dar nu admite dispersie
(dispersia există, dar este infinită).
Remarca 4.14 Dacă v.a. X ∼ C(0, 1) = t(1), atunci, conform Exercit, iului
3.6.76,
X este o v.a. care nu admite medie (media nu există).
Remarca 4.15 Dacă v.a. X ∼ t(2), atunci, conform Propozit, iei 3.138,
Fie X o v.a. pentru care există media s, i dispersia. Să definim funct, ia
Exercit, iul 4.16
LX (t) = ln MX (t) , i.e.
def
LX (t) == ln E etX .
Folosind demonstrat, ia Teoremei 4.30 (mai precis, este vorba de teorema de derivare a
integralei Lebesgue dată de [24, Lemma 12.31]), să se arate că LX (0) = 0 s, i că
Prin urmare, derivatele de ordinul 1 s, i 2 ale funct, iei LX ne dau exact media s, i respectiv
dispersia v.a. X.
Propozit, ia 4.17 Fie X, Y două v.a. cu MX , MY funct, iile lor generatoare de mo-
mente. Dacă X, Y sunt independente, atunci
Astfel,
def
ϕX (t) == E eitX ,
t ∈ R,
sau, folosind exprimarea cu ajutorul integralei Riemann-Stieltjes (vezi formulele (3.17)),
Z
ϕX (t) = eitx dFX (x), t ∈ R,
R
(ii) Dacă X este v.a. continuă cu densitatea fX , atunci are loc formula de cal-
cul197 Z
ϕX (t) = eitx fX (x) dx.
R
197 Dacă f : R → R este o funct, ie integrabilă, atunci funct, ia fˆ : R → C dată de
Z
def
fˆ (t) == e−itx f (x) dx
R
se numes, te transformata Fourier a funct, iei f.
Astfel, are loc următoarea legătură între funct, ia caracteristică s, i transformata Fourier a densităt, ii
de repartit, ie: ϕX (t) = fˆX (−t) , t ∈ R.
4.1. Funcţia caracteristică 433
(ii) ϕX (−t) = ϕ−X (t) = E e−itX = E cos (tX) − iE sin (tX) = ϕX (t).
Folosind
e − 12 = (cos a − 1)2 + sin2 a = 2 − 2 cos a = 4 sin2 (a/2) ≤ a2
ia
deducem inegalitatea ia
e − 1 ≤ |a| , a ∈ R.
Deci i(t −t )X(ω)
e 1 2 − 1 ≤ |t1 − t2 | |X(ω)| , ω ∈ Ω.
Pe de altă parte, ei(t1 −t2 )X(ω) − 1 este mărginit de 2, pentru orice ω ∈ Ω.
Folosind Teorema Convergent, ei Dominate a lui Lebesgue deducem că
deci lim→0 sup|t1 −t2 |≤ |ϕX (t1 ) − ϕX (t2 )| = 0, adică ϕX este funct, ie uniform
continuă pe R.
198 Inegalitatea lui Jensen: fie g : R → R o funct, ie convexă s, i X : Ω → R o v.a. astfel încât |X|
admite medie finită. Presupunem că E (g (X)) ≤ ∞. Atunci,
g (E (X)) ≤ E (g (X)) .
434 4. Funcţia generatoare de momente
Propozit, ia 4.24 Fie X, Y două v.a. cu ϕX , ϕY funct, iile lor caracteristice. Dacă X, Y
sunt independente, atunci
Remarca 4.25 Prin urmare, dacă v.a. (Xk )k=1,n sunt independente, atunci
Yn
(4.2) ϕX1 +...+Xn (t) = ϕXi (t) , pentru orice t ∈ R.
i=1
deoarece, conform definit, iei funct, iei ϕ (vezi s, i formulele de calcul din Remarca
4.22), dacă două v.a. au aceeas, i distribut, ie, atunci coincid s, i funct, iile lor carac-
teristice.
Remarca 4.26 Reciproca Propozit, iei 4.24 nu este adevărată (vezi exemplele da-
te de Exercit, iul 4.2.30 s, i Exercit, iul 4.2.31). Dar există o caracterizare a indepen-
dent, ei a 2 v.a. legată de formula (4.1). Mai precis, utilizând s, i (4.6), se poate
arăta următorul rezultat.
Teorema 4.27 (vezi [53, Theorem 4, page 343]) Să definim funct, ia caracteristică,
notată ϕX : R2 → C, asociată vectorului aleator X = (X1 , X2 ) : Ω → R2 :
def
ϕ(X1 ,X2 ) (t1 , t2 ) = ϕX (t) == E eiht,Xi = E ei t1 X1 +i t2 X2 ,
unde t = (t1 , t2 ) ∈ R2 .
Atunci199 ,
X1 , X2 sunt v.a. independente ⇔ ϕ(X1 ,X2 ) (t1 , t2 ) = ϕX1 (t1 ) · ϕX2 (t2 )
pentru orice t1 , t2 ∈ R.
199 Vezi s, i caracterizările date de Propozit, ia 3.166, Propozit, ia 3.197 s, i de Remarca 3.198.
4.1. Funcţia caracteristică 435
Următorul rezultat arată legătura dintre momentele v.a. X s, i derivatele
funct, iei caracteristice.
Teorema 4.30 (vezi [53, Theorem 1, page 334]) Fie X o v.a. s, i să presupunem că
există n ∈ N∗ astfel încât E|X|n < ∞. Atunci, funct, ia caracteristică este derivabilă
de ordin k = 1, n, cu derivata de ordin k continuă, dată de
(k)
ϕX (t) = E (iX)k eitX , pentru k = 1, n.
(4.4)
În particular,
(k)
ϕX (0) = ik · E X k ,
pentru k = 1, n.
Prin urmare, momentele de ordin k = 1, n sunt date de:
ϕ(k) (0)
(4.5) µk = E X k = X k .
i
Demonstrat, ie. Folosind inegalitatea lui Hölder200 obt, inem că E|X|n < ∞ asi-
k
gură E |X| < ∞ pentru orice k = 1, n.
200 1 1
Inegalitatea lui Hölder : fie α, β ∈ (1, ∞) astfel încât α
+ β
= 1 s, i X, Y : Ω → R două v.a.
α β
astfel încât |X| s, i |Y | admit medie finită. Atunci, E (XY ) < ∞ s, i are loc inegalitatea
1 1
E |XY | ≤ E |X|α α · E |Y |β β .
iar E iX eitX există deoarece iX eitX = |X| care este v.a. integrabilă.
În cazul k = 2 de asemenea putem aplica teorema de derivare sub integrală:
0 0
ϕ00X (t) = (ϕ0X (t))0 = E(iX eitX ) = E iX eitX = E (iX)2 eitX .
2
Pe de altă parte, E (iX)2 eitX există deoarece (iX)2 eitX = |X| care este v.a.
integrabilă.
S, .a.m.d..
Se poate demonstra202 s, i reciproca teoremei precedente.
(k)
4.31 Dacă există ϕX (0) pentru orice k = 1, n, atunci există momentele
Teorema
E X k pentru orice k = 1, n, dacă n este par s, i orice k = 1, n − 1, dacă n este
impar203 , s, i acestea sunt date de (4.5).
1 0 1 00
E (X) = ϕ (0) s, i E(X 2 ) = ϕ (0) .
i X i2 X
Remarca 4.33 Evident, dacă două v.a. sunt identic distribuite, atunci au aceeas, i
funct, ie caracteristică.
Se poate arăta că are loc s, i reciproca:
201 Pentru o teoremă de derivare a integralei Lebesgue, vezi, de exemplu, [24, Lemma 12.31].
202 Pentru demonstrarea rezultatelor din acest capitol vezi s, i [14].
203 (n)
Se va arăta, de fapt, că dacă există ϕX (0) , atunci există s, i E X 2m , unde m ∈ N astfel încât
2m ≤ n. Existent, a celorlalte momente se obt, ine folosind inegalitatea lui Hölder.
4.1. Funcţia caracteristică 437
Mai precis, se poate arăta că dacă două v.a. au aceeas, i funct, ie caracteristică,
atunci au aceeas, i funct, ie de repartit, ie (vezi [53, Theorem 2, page 339]). Astfel,
dacă ϕF (t) = ϕG (t) , pentru orice204 t ∈ R, i.e.
Z Z
dacă eitx dF (x) = eitx dG (x) , pentru orice t ∈ R,
R R
Astfel, am obt, inut că s, i funct, ia caracteristică este unică pentru fiecare dis-
tribut, ie (vezi s, i Remarca 4.19).
Forma exactă a funct, iei de repartit, ie s, i a densităt, ii de repartit, ie a unei v.a.
căreia îi cunoas, tem funct, ia caracteristică este dată de teorema de inversare a
transformatei Fourier.
Pentru următoarele rezultate vezi, de exemplu, [53, Theorem 3, page 340],
[29, Section 5.9] sau [30, Theorems 4.1.2–4.1.6].
Fie v.a. X cu funct, ia de repartit, ie FX . Atunci,
(i) pentru orice a < b,
1 1
FX (b) − FX (a) + P (X = a) − P (X = b)
2 2
T
e−itb − e−ita
Z
1
= limT →∞ · ϕX (t) dt;
2π −T −it
4.2.2 Se aruncă două zaruri. Să se scrie funct, ia caracteristică a v.a. X care ne
dă numărul de puncte obt, inute pe cele două zaruri.
205 Folosind definit, ia exponent, ialei complexe obt, inem formula
eix + e−ix
= cos x, pentru orice x ∈ R.
2
4.2. Exerciţii rezolvate 439
Rezolvare:
Notând cu Xi v.a. care are drept valori numărul de puncte obt, inute pe zarul
i = 1, 2, obt, inem X = X1 + X2 .
Obt, inem
X6 X6 1
ϕX1 (t) = ϕX2 (t) = eitk P (X2 = k) = eitk ,
k=1 k=1 6
deci, folosind formula (4.3), obt, inem
X 2
1 6
ϕX (t) = ϕX1 (t) · ϕX2 (t) = eitk .
36 k=1
4.2.3 Să se calculeze funct, ia caracteristică s, i apoi media s, i dispersia (cu ajutorul
funct, iei caracteristice) asociate v.a. X, unde:
X ∼ N µ, σ2 ,
(g) (h) X ∼ Gamma (p, λ) , (i) X ∼ χ2(n, σ) .
Rezolvare:
k
(a) Având în vedere că X are tabloul X : obt, inem
Cnk pk q n−k
k=0,n
Xn Xn k
itX
eitk Cnk pk q n−k = Cnk peit q n−k .
ϕX (t) = E e =
k=0 k=0
Evident,
(k)
Având în vedere că există derivatele ϕX de orice ordin k, deducem, folosind
ϕ(k) (0)
Teorema 4.31, că există momentele µk = E X k = Xik .
440 4. Funcţia generatoare de momente
s, i
Având în vedere observat, ia (4.6) (vezi s, i Remarca 4.34) s, i formula (4.9), recu-
noas, tem că Sn ∼ B (n, p).
k
(b) Având în vedere că X are tabloul X : λk obt, inem, folosind
e−λ
k! k∈N
dezvoltarea exponent, ialei care are loc s, i pentru numere complexe,
k
X∞ λk −λ X∞ λeit it
ϕX (t) = e itk
e = e−λ = e−λ eλe .
k=0 k! k=0 k!
Deci
it
(4.11) ϕP(λ) (t) = eλ(e −1)
.
4.2. Exerciţii rezolvate 441
Să calculăm
it
ϕ0X (t) = iλeit eλ(e −1)
it
−1) 0 it it
ϕ00X (t) = iλ eit eλ(e = iλ ieit eλ(e −1)
+ iλ(eit )2 eλ(e −1)
it
= i2 λeit eλ(e −1) 1 + λeit .
Obt, inem
ϕ0X (0) 1 it
E (X) = = iλeit eλ(e −1) =λ
i i t=0
s, i
ϕ00X (0) 1 2 it λ(eit −1)
E(X 2 ) = = i λe e 1 + λeit
= λ (λ + 1) ,
i2 −1
t=0
deci D2 (X) = λ.
k
(c) Având în vedere că X are tabloul X : , obt, inem
pq k−1
k∈N∗
X∞ X∞ k−1
ϕX (t) = eitk pq k−1 = peit qeit .
k=1 k=1
1
Folosind dezvoltarea funct, iei 1−x , care are loc s, i pentru numere complexe,
obt, inem
peit
(4.12) ϕG(p) (t) = .
1 − qeit
(d) Folosim dezvoltarea binomială cu exponent negativ (2.62), care are loc s, i
pentru numere complexe:
1 X∞
r = C r−1 xk−r , pentru orice |x| < 1 s, i orice r ∈ N∗ .
(1 − x) k=r k−1
k
Deoarece X are tabloul X : r−1 r k−r
, unde r ∈ N∗ , obt, inem
Ck−1 p q
k∈N,k≥r
X∞ r X∞ k−r
r−1 r k−r r−1
ϕX (t) = eitk Ck−1 p q = peit Ck−1 qeit
k=r k=r
442 4. Funcţia generatoare de momente
r 1
= peit r,
(1 − qeit )
deci
peit r
(4.13) ϕNegB (t) = .
1 − qeit
(e) Avem
Z Z b
itx 1
ϕX (t) = e fX (x) dx = eitx dx.
R b−a a
Prin urmare,
1 eitb − eita
(4.14) ϕU[a,b] (t) = .
b−a it
sin t
(4.16) ϕU[−1,1] (t) = ,
t
Să mai observăm că dacă luăm v.a. (Xk )k=1,n de tip i.i.d. s, i distribuite uni-
form pe [−1, 1] , i.e. Xk ∼ U [−1, 1] , atunci ϕXk (t) = sint t s, i, folosind formula
(4.3), obt, inem n
Yn sin t
ϕSn (t) = ϕXk (t) = ,
k=1 t
206 Folosind definit, ia exponent, ialei complexe obt, inem formula
eix − e−ix
= sin x, pentru orice x ∈ R.
2i
4.2. Exerciţii rezolvate 443
not Pn
unde Sn == k=1 Xk , pentru n ∈ N∗ .
(f ) Avem
∞ ∞
e−(λ−it)x x=∞
Z Z
ϕX (t) = λ eitx e−λx dx = λ e−(λ−it)x dx = λ .
− (λ − it) x=0
0 0
deci
λ
(4.17) ϕExp(λ) (t) = .
λ − it
def X−µ
(g) Să considerăm mai întâi v.a. normală standard Y == σ ∼ N(0, 1).
√
Luând x0 = x/ 2 obt, inem
Z ∞ Z ∞ √ √
1 x2 1 2x0 −(x0 )2
ϕY (t) = √ eitx e− 2 dx = √ eit e 2dx0
2π −∞ 2π −∞
√ 2
Z ∞ √
1 −(x−it/ 2)2
= √ e(it/ 2) e dx.
π −∞
Utilizând rezultate din teoria funct, iilor complexe se poate arăta207 că
Z ∞ √
Z ∞
2)2 2
e−(x−it/ dx = e−y dy ,
−∞ −∞
√
deci putem face, formal, schimbarea de variabilă x − it/ 2 = y s, i obt, inem
√ 2
Z ∞ √ 2
1
ϕY (t) = √ e(it/ 2) e−(x−it/ 2)
dx
π −∞
√ 2
Z ∞
1 2
= √ e(it/ 2) e−y dy .
π −∞
207 Pentru demonstrat, ie vezi pagina 132 din [18, Problema 2.55, Solut, ia 4].
444 4. Funcţia generatoare de momente
Deci208
t2
(4.18) ϕN(0,1) (t) = e− 2 .
Să ment, ionăm că, în acest caz, v.a. Y este simetrică (Y s, i −Y urmează aceeas, i
distribut, ie), deci funct, ia caracteristică asociată este o funct, ie cu valori reale.
σ 2 t2
(4.19) ϕN(µ,σ2 ) (t) = eitµ− 2 .
σ 2 t2 0 σ 2 t2
ϕ00X (t) = iµ − σ2 t eitµ− 2 = eitµ− 2 (iµ − σ2 t)2 − σ2 .
Obt, inem
1 σ2 t2
iµ − σ2 t eitµ− 2
E (X) = =µ
i t=0
s, i
1 itµ− σ2 t2
E(X 2 ) = e 2 (iµ − σ2 t)2 − σ2 = µ2 + σ2 ,
−1 t=0
deci D2 (X) = σ2 .
(h) Avem
∞ ∞
λp λp
Z Z
ϕX (t) = eitx xp−1 e−λx dx = xp−1 e−(λ−it)x dx.
Γ (p) 0 Γ (p) 0
208 Să observăm că funct, ia caracteristică asociata unei v.a. de tip N(0, 1) este, exceptând o con-
stantă multiplicativă, chiar densitatea v.a. de tip N(0, 1) (vezi s, i Nota 212 s, i Nota 213):
√
ϕN(0,1) (t) = 2π fN(0,1) (t) , t ∈ R.
209 Pentru alte metode de demonstrat, ie vezi Exercit, iul 4.2.6 s, i [18, Problema 2.55].
4.2. Exerciţii rezolvate 445
Utilizând rezultate din teoria funct, iilor complexe se poate demonstra că putem
face, formal, schimbarea de variabilă (λ − it) x = y în integrala complexă s, i
obt, inem
Z ∞ Z ∞ p−1
p−1 −(λ−it)x y dy
x e dx = e−y
0 0 λ − it λ − it
−p
= (λ − it) Γ (p) ,
deci
p p −p
λ 1 it
(4.20) ϕ Gamma(p,λ) (t) = = = 1− .
λ − it 1 − it/λ λ
Să calculăm
ip it −p−1
ϕ0X (t) = 1− ,
λ λ
ip it −p−1 0 i2 p (p + 1) it −p−2
ϕ00X (t) = 1− = 1 −
λ λ λ2 λ
p (p + 1) it −p−2
=− 1− .
λ2 λ
Obt, inem
1 ip it −p−1 p
E (X) = 1− =
i λ λ λ
t=0
s, i
1 −p (p + 1) it −p−2 p (p + 1)
E(X 2 ) = 1 − = ,
i2 λ2 λ λ2
t=0
p
deci D2 (X) = λ2 .
1
(i) Să notăm C0 = n . Avem
2 2 σn Γ n2
Z ∞ Z ∞
x 2 −1 e−( 2σ2 −it)x dx.
x 1
itx n −1 − 2σ n
ϕX (t) = C0 e x 2 e 2
dx = C0
0 0
Utilizând rezultate din teoria funct, iilor complexe se poate demonstra că putem
face, formal, schimbarea de variabilă 2σ1 2 − it x = y în integrala complexă s, i
obt, inem
− n2 Z ∞ − n2
1 n 1 n
ϕX (t) = C0 − it y 2 −1 e−y dx = C − it Γ .
0
2σ2 0 2σ 2 2
446 4. Funcţia generatoare de momente
Deci
− n2
(4.21) ϕχ2 (n,σ) (t) = 1 − 2iσ2 t .
Să calculăm
− n −1
ϕ0X (t) = inσ2 1 − 2iσ2 t 2
− n −1 0 − n −2
ϕ00X (t) = inσ2 1 − 2iσ2 t 2 = i2 n (n + 2) σ4 1 − 2iσ2 t 2 .
În general,
(k) − n2 −k
ϕX (t) = ik n (n + 2) . . . (n + 2k − 2) σ2k 1 − 2iσ2 t .
Obt, inem
1 − n −1
E (X) = inσ2 1 − 2iσ2 t 2 = nσ2
i t=0
s, i
1 2 − n −2
E(X 2 ) = i n (n + 2) σ4 1 − 2iσ2 t 2 = n (n + 2) σ4 ,
−1 t=0
Rezolvare:
it it
Avem ϕXk (t) = e− 2k 1 1 t
2 + e 2k 2 = cos 2k
s, i
Yn t t t
ϕSn (t) = ϕXk (t) = cos cos 2
. . . cos n .
k=1 2 2 2
Având în vedere că sin (2α) = 2 sin α · cos α obt, inem
t t t t t t
ϕSn (t) · sin n = cos cos 2 . . . cos n−1 cos n · sin n
2 2 2 2 2 2
4.2. Exerciţii rezolvate 447
1 t t t t
= cos cos 2 . . . cos n−1 sin n−1
2 2 2 2 2
1 t t t t
= 2 cos cos 2 . . . cos n−2 sin n−2
2 2 2 2 2
1
= n sin (t) ,
2
sin (t)
deci ϕSn (t) = .
2n sin 2tn
Astfel, obt, inem, vezi relat, ia (4.16), că
sin (t)
= = ϕU[−1,1] (t).
t
Deducem că distribut, ia limită obt, inută este cea uniformă pe [−1, 1] . Adică s, irul
(Sn )n∈N∗ converge în funct, ia caracteristică la v.a. X ∼ U [−1, 1] s, i scriem
ϕ
Sn −−→ X, pentru n → ∞.
4.2.6 Să se calculeze, folosind ecuat, iile diferent, iale, funct, ia caracteristică210 s, i
apoi media s, i dispersia (cu ajutorul funct, iei caracteristice) asociate v.a. X,
unde:
Rezolvare:
(a) Avem
Z
1
ϕX (t) = eitx dx
R π(1 + x2 )
Z ∞ Z ∞
1 cos (tx) i sin (tx)
= 2
dx + dx.
π −∞ 1+x π −∞ 1 + x2
210 Pentru alte metode de demonstrat, ie vezi Exercit, iul 4.2.3, punctul (g), s, i [18, Problema 2.55].
448 4. Funcţia generatoare de momente
sin (tx) Z ∞
1 1 π
Având în vedere că ≤ iar dx = este convergentă,
1+x 2
1+x 2 1+x 2 2
Z ∞ 0
sin (tx)
obt, inem că dx este convergentă. Folosind s, i imparitatea funct, iei
0 1 + x2
sin (tx)
deducem
1 + x2
Z ∞ Z 0 Z ∞
sin (tx) sin (tx) sin (tx)
dx = dx + dx
−∞ 1 + x2 −∞ 1 + x2 0 1 + x2
Z∞ Z ∞
sin (tx) sin (tx)
= dx − dx = 0,
0 1 + x2 0 1 + x2
Z ∞
1 cos (tx)
deci ϕX (t) = dx.
π −∞ 1 + x2
R∞ R ∞ cos(tx) 0
Se poate arăta că ambele integrale −∞ cos(tx)
1+x2 dx s, i −∞ 1+x2 t dx sunt
uniform convergente, deci putem deriva integrala cu parametru s, i obt, inem
∞ cos (tx) 0 ∞
−x sin (tx)
Z Z
1 1
ϕ0X (t) = dx = dx.
π −∞ 1 + x2 t π −∞ 1 + x2
Z ∞
sin x
Pe de altă parte, se poate arăta211 că dx = π sau, notând x/t = y, cu
Z ∞ −∞ x
sin (ty)
t > 0, obt, inem dy = π.
−∞ y
Deci, pentru t > 0,
∞
1 ∞ x sin (tx)
Z Z
1 sin (tx)
ϕ0X (t) + 1 = dx − dx
π −∞ x π −∞ 1 + x2
∞
1 ∞ sin (tx)
1 + x2 sin (tx) − x2 sin (tx)
Z Z
1
= dx = dx
π −∞ x (1 + x2 ) π −∞ x (1 + x2 )
211
R∞ sin x
Integrala improprie 0 este convergentă conform criteriului lui Dirichlet. Definim
x
dx
R ∞ −kx sin(ax)
integrala cu parametru I (a) = 0 e x
dx, cu a ≥ 0, k > 0. Se poate deriva inte-
grala s, i deducem I 0 (a) = 0∞ e−kx cos (ax) dx care se va calcula s, i se obt, ine I 0 (a) = a2 +k
k
R
2 .
Ra k a
π
Deci I (a) = 0 u2 +k2 du = arctan k . Luând α = 1 s, i trecând la limită obt, inem 2 =
limk→0 arctan k1 = limk→0 I (a) = limk→0 0∞ e−kx sinx x dx = 0∞ sinx x dx.
R R
4.2. Exerciţii rezolvate 449
iar
Z ∞ 0 Z ∞
1 sin (tx) 1 x cos (tx)
ϕ00X (t) = dx = dx = ϕX (t) .
π −∞ x (1 + x2 ) t π −∞ x (1 + x2 )
Obt, inem că funct, ia caracteristică satisface ecuat, ia diferent, ială cu coeficient, i
constant, i
ϕ00X (t) − ϕX (t) = 0, t > 0,
care are ecuat, ia caracteristică λ2 − 1 = 0.
Solut, ia acestei ecuat, ii este ϕX (t) = c1 et + c2 e−t . Deoarece |ϕX (t)| ≤ 1
obt, inem că c1 = 0, deci ϕX (t) = c2 e−t , t > 0.
Prin calcule similare se obt, ine ϕX (t) = c4 et , dacă t < 0.
Impunând ϕX (0) = 1 obt, inem c2 = c4 = 1. Deci 212
Să ment, ionăm că, în acest caz, v.a. X este simetrică, deci funct, ia caracteristică
asociată este o funct, ie cu valori reale.
Pentru demonstrat, ia aceluias, i rezultat (4.22), dar utilizând rezultate din
teoria funct, iilor complexe, vezi pagina 133 din [18, Problema 2.55, Solut, ia 1].
(b) Utilizând Nota 182 avem, dacă notăm nx = x0 ,
Z Z
itx 1 0 1 0
ϕX (t) = e dx = eit 2x 2 ndx
x 2 nπ 1 + (x0 )
R nπ 1 + n R
Z
0 1 0
= eit nx 2 dx
R π 1 + (x0 )
= ϕC(0,1) (nt) = e−|nt| ,
deci
(4.23) ϕC(0,n) (t) = e−n|t| , n ∈ N∗ .
212 Să observăm legătura dintre distribut, ia Cauchy s, i distribut, ia Laplace, mai precis dintre
funct, ia caracteristică asociată unei v.a. de tip C(0, 1) s, i densitatea unei v.a. de tip Laplace(1, 0).
Astfel, funct, ia caracteristică a uneia este, exceptând o constantă multiplicativă, densitatea
celeilalte (vezi s, i Nota 213):
ϕC(0,1) (t) = 2fLaplace(1,0) (t) , t ∈ R.
450 4. Funcţia generatoare de momente
(c) Avem Z ∞
1 x2
ϕX (t) = √ eitx e− 2 dx.
2π −∞
Metoda I
Se poate arăta că putem deriva integrala cu parametru s, i obt, inem
Z ∞ Z ∞
1 x 2 0 i x2
ϕ0X (t) = √ eitx e− 2 t dx = √ xeitx e− 2 dx
2π −∞ 2π −∞
Z ∞
−i x 2
0
eitx e− 2 dx
=√
2π −∞
Z ∞
−i itx − x2 x=∞ x2
=√ e e 2 − iteitx e− 2 dx
2π x=−∞ −∞
= i2 t · ϕX (t) ,
deoarece
x2 x2 x2
limx→±∞ |eitx e− 2 | = limx→±∞ e− 2 |eitx | = limx→±∞ e− 2 = 0.
Obt, inem că funct, ia caracteristică satisface ecuat, ia diferent, ială cu variabile se-
parabile
ϕ0X (t) = −tϕX (t) , t ∈ R.
Deci
ϕ0X (t) 0 t2 0
= −t ⇔ ln ϕX (t) = −
ϕX (t) 2
t2 t2
⇒ ln ϕX (t) − ln ϕX (t0 ) = − + 0
2 2
t2 t2
0 t2
⇔ ϕX (t) = ϕX (t0 ) e− 2 + 2 = ce− 2 .
Să ment, ionăm că, în acest caz, v.a. X este simetrică, deci funct, ia caracteristică
asociată este o funct, ie cu valori reale.
Metoda II
4.2. Exerciţii rezolvate 451
Avem
Z
1 x2
ϕX (t) = √ eitx e− 2 dx
2π R
Z ∞ Z ∞
1 − x2
2 i x2
=√ cos (tx) e dx + √ sin (tx) e− 2 dx.
2π −∞ 2π −∞
Z ∞
x2
x2 x2
Având în vedere că sin (tx) e− 2 ≤ e− 2 iar e− 2 dx este convergentă,
Z ∞ 0
2
− x2
obt, inem că sin (tx) e dx este convergentă. Folosind s, i imparitatea func-
0
2
− x2
t, iei sin (tx) e deducem
Z ∞ Z 0 Z ∞
x2 x2 x2
sin (tx) e− 2 dx = sin (tx) e− 2 dx + sin (tx) e− 2 dx
−∞ −∞ 0
Z ∞ Z ∞
x2 x2
= sin (tx) e− 2 dx − sin (tx) e− 2 dx = 0,
0 0
R∞ x2
deci ϕX (t) = √1
2π −∞
cos (tx) e− 2 dx.
Se poate arăta că putem deriva integrala cu parametru s, i obt, inem
Z ∞ 0
1 x2
ϕ0X (t) = √ cos (tx) e− 2 dx
2π −∞ t
Z ∞
−1
Z
− x2
2 1 x 2 0
=√ x sin (tx) e dx = √ sin (tx) e− 2 dx
2π −∞ 2π R
Z
1 x2 x=∞ x2
=√ sin (tx) e− 2 − t cos (tx) e− 2 dx = −t · ϕX (t) ,
2π x=−∞ R
deoarece
x2 x2
limx→±∞ | sin (tx) e− 2 | ≤ limx→±∞ e− 2 = 0.
Obt, inem că funct, ia caracteristică satisface aceeas, i ecuat, ie diferent, ială cu vari-
abile separabile
ϕ0X (t) = −tϕX (t) , t ∈ R,
t2
cu solut, ia ϕX (t) = e− 2 , pentru t ∈ R, deoarece ϕX (0) = 1.
452 4. Funcţia generatoare de momente
a ∞ itx −a|x|
Z
ϕX (t) = e e dx
2 −∞
a 0 itx −a|x| a ∞ itx −a|x|
Z Z
= e e dx + e e dx
2 −∞ 2 0
a ∞ −ax itx
Z ∞
a2
Z
e + e−itx dx = a e−ax cos (tx) dx = 2
= e .
2 0 0 a + t2
Deci 213
2 4 2n
1 t t n t
ϕLaplace( a1 ,0) (t) = =1−
t 2
+ − . . . + (−1) + ...
1+ a a a
a
1 2
= 2 2 eiat 2 − eict + e−ict = 2 2 eiat (1 − cos (ct))
c t c t
213 Să observăm legătura dintre distribut, ia Laplace s, i distribut, ia Cauchy, mai precis dintre
funct, ia caracteristică asociată unei v.a. de tip Laplace(1, 0) s, i densitatea unei v.a. de tip C(0, 1).
Astfel, funct, ia caracteristică a uneia este, exceptând o constantă multiplicativă, densitatea
celeilalte (vezi s, i Nota 212):
ϕLaplace(1,0) (t) = π fC(0,1) (t) , t ∈ R.
454 4. Funcţia generatoare de momente
2
iat sin (ct/2)
=e .
ct/2
deci
Z a Z a
2 2
ϕX (t) = cos (tx) dx − 2 x cos (tx) dx
a 0 a 0
2 2 4 at
= sin (at) − 2 2 (cos (at) − 1 + at sin (at)) = 2 2 sin2
at a t a t 2
at 2
sin 2
= at .
2
Rezolvare:
Deducem mai întâi v.a. care are funct, ia caracteristică dată. Apoi scriem
funct, iile de repartit, ie corespunzătoare.
(a) Deoarece ϕ (t) = 12 eit + 12 e−it , deducem că v.a. corespunzătoare are tabloul
−1 1
(4.24) X: ,
1 1
2 2
4.2. Exerciţii rezolvate 455
adică X este distribuită discret de tip uniform X ∼ DU (2) cu valorile {−1, +1} .
(b) Deoarece
2
1 it 1 −it 1 −2it 1 it 0 1 2it
ϕ (t) = cos2 t = e + e = e + e + e ,
2 2 4 2 4
deducem că v.a. corespunzătoare are tabloul
−2 0 2
(4.25) X: .
1 1 1
4 2 4
Pe de altă parte, să observăm că funct, ia dată init, ial se poate scrie sub forma
ϕ (t) = ϕX1 (t) · ϕX2 (t) , unde ϕX1 (t) = ϕX2 (t) = cos t, adică X, Y sunt două
v.a. de tip i.i.d., cu tablourile date de (4.24). Deci ϕ (t) = ϕX1 +X2 (t) , adică v.a.
căutată este suma X1 +X2 , care se poate calcula us, or. Astfel, obt, inem, din nou,
tabloul (4.25).
2
(c) Deoarece ϕ (t) = 14 1 + eit = 14 + 12 eit + 41 e2it , deducem că v.a. corespun-
zătoare are tabloul
0 1 2
X: .
1 1 1
4 2 4
(d) Dezvoltând în serie de puteri deducem
Rezolvare:
(a) Avem
Z Z ∞
1 1
fX (x) = e−itx ϕX (t) dt = e−itx e−|t| dt
2π
R 2π −∞
Z 0 Z ∞
1 1
= e−itx et dt + e−itx e−t dt
2π −∞ 2π 0
Deci X ∼ C (0, 1) .
(b) Utilizând rezultate din teoria funct, iilor complexe se poate demonstra că
următorul calcul este corect (notăm t0 = at + 2aix
în integrala complexă):
Z ∞
1 − x22 ∞ −(at+ 2a
Z
1 −itx −a2 t2 ix 2
) dt
fX (x) = e e dt = e 4a e
2π −∞ 2π −∞
unde a > 0.
Rezolvare:
(a) Schimbând variabila x0 = −x obt, inem
Z ∞
2 1 ax
ϕY (t) = sin2
eitx dx
πa2
−∞ x 2 2
0 2
ax
1
Z ∞
0
sin 2
= e−itx ax0
dx0 .
2π −∞ 2
Mai precis, folosind Exercit, iul 4.2.7, punctul (d) , Zprecum s, i formula de
1
inversiune (4.8) putem scrie egalitatea fX (x) = e−itx ϕX (t) dt, adică
2π R
obt, inem valoarea integralei
∞ at
!2
sin a − |x|
Z
1
e −itx
at
2
dt = 1{|x|≤a} .
2π −∞ 2
a2
Mai precis, folosind Exercit, iul 4.2.7, punctul (b) , precum s, i formula de in-
versiune (4.8) obt, inem valoarea integralei:
Z ∞
a −a|x| 1 a2
e = e−itx 2 dt.
2 2π −∞ a + x2
X + Y ∼ B (n + m, p) .
4.2.12 Fie un s, ir (Xk )k∈N∗ de v.a. de tip i.i.d., cu Xk ∼ Bernoulli (p), pentru
k ∈ N∗ s, i fie
not
Xn
Sn == Xk , pentru n ∈ N∗ .
k=1
Să se determine funct, ia caracteristică a v.a. Xk s, i Sn s, i apoi, folosind funct, ia
caracteristică, să se determine media s, i dispersia v.a. Xk s, i Sn precum s, i tipul
distribut, iei v.a. Sn .
4.2.13 Fie două v.a. independente X ∼ P (λ) , Y ∼ P (µ). Să se arate, folosind
funct, ia caracteristică, că215
(4.26) X + Y ∼ P (λ + µ) .
Rezolvare:
Avem
it
−1) µ(eit −1) it
ϕX+Y (t) = ϕX (t) · ϕY (t) = eλ(e e = e(λ+µ)(e −1)
,
adică X + Y ∼ P (λ + µ).
4.2.14 Fie două v.a. independente X, Y ∼ G (p). Să se arate, folosind funct, ia
caracteristică, că
X + Y ∼ NegB (2, p) .
214 Pentru o demonstrat, ie alternativă vezi Propozit, ia 2.105.
215 Pentru o demonstrat, ie alternativă vezi Propozit, ia 2.139.
4.2. Exerciţii rezolvate 459
4.2.15 Fie două v.a. independente X ∼ NegB (r, p) , Y ∼ NegB (s, p). Să se
arate, folosind funct, ia caracteristică, că216
(4.27) X + Y ∼ NegB (r + s, p) .
not
4.2.16 Fie v.a. (Xi )i=1,n de tip i.i.d., cu Xi ∼ NegB (r, p). Să definim Sn ==
Pn
i=1 Xi . Să se determine funct, ia caracteristică ϕSn s, i apoi tipul de distribut, ie
al v.a. Sn . Să se determine, utilizând funct, ia caracteristică, media s, i dispersia
v.a. Sn .
Rezolvare:
Conform (4.13), avem că
peit r
ϕXi (t) = , i = 1, n,
1 − qeit
deci, folosind formula (4.3), obt, inem
peit n r
ϕSn (t) = ,
1 − qeit
adica Sn ∼ NegB (nr, p).
Prin urmare,
n r−1
ipeit 1 − qeit − peit −iqeit peit
ϕ0Sn (t) = nr 2
(1 − qeit ) 1 − qeit
n r−1 nr
ipeit peit peit
= nr 2 = inr nr+1 .
(1 − qeit ) 1 − qeit (1 − qeit )
Media este dată de
1 0 nr
(4.28) E (Sn ) = ϕSn (0) = .
i p
Apoi
it nr it nr inr 1 − qeit − (nr + 1) −iqeit
ϕ00Sn
(t) = inr pe 1 − qe 2nr+2
(1 − qeit )
216 Pentru o demonstrat, ie alternativă vezi Propozit, ia 2.156.
460 4. Funcţia generatoare de momente
nr i nr + qeit
= inr peit nr+2 ,
(1 − qeit )
deci
1 (nr + q) n2 r2 + nrq
E Sn2 = 2 ϕ00Sn (0) = nr pnr
(4.29) nr+2 =
i (1 − q) p2
iar
n2 r2 + nrq n2 r2 nr q
D2 (Sn ) = − 2 = 2 .
p2 p p
4.2.17 Fie două v.a. independente X ∼ Gamma (α, λ) , Y ∼ Gamma (β, λ). Să
se arate, folosind funct, ia caracteristică, că217
X + Y ∼ Gamma (α + β, λ) .
Rezolvare:
Avem
α β α+β
λ λ λ
ϕX+Y (t) = ϕX (t) · ϕY (t) = = ,
λ − it λ − it λ − it
adică X + Y ∼ Gamma (α + β, λ) .
4.2.18 Fie două v.a. independente X, Y ∼ Exp(λ). Să se arate, folosind funct, ia
caracteristică, că
Rezolvare:
Suntem într-un caz particular al problemei precedente deoarece distribut, ia
exponent, ială este un caz particular al distribut, iei Gamma, mai precis, Exp(λ) =
Gamma (1, λ) .
4.2.19 Fie v.a. X ∼ Gamma (p, λ) . Să se arate că, dacă c > 0, atunci
λ
cX ∼ Gamma p, .
c
217 Pentru o demonstrat, ie alternativă vezi Propozit, ia 3.122.
4.2. Exerciţii rezolvate 461
Rezolvare:
Avem
p p
it cX
λ λ/c
ϕcX (t) = E e = ϕX (ct) = = = ϕY (t) ,
λ − ict λ/c − it
unde Y ∼ Gamma (p, λ/c) .
4.2.20 Fie două v.a. independente X, Y ∼ C (0, 1) . Să se arate218 că
X +Y
(a) X + Y ∼ C (0, 2) , (b) ∼ C (0, 1) .
2
Rezolvare:
(a) Avem, folosind (4.22) s, i (4.23),
4.2.21 Fie v.a. (Xk )k=1,n de tip i.i.d., cu Xk ∼ C (0, 1) , unde k = 1, n. Să se
arate că219
X1 + X2 + . . . + Xn
(a) X1 + X2 + . . . + Xn ∼ C (0, n) , (b) ∼ C (0, 1) .
n
Rezolvare:
(b) Avem, folosind (4.22) s, i (4.23),
it
X1 +X2 +...+Xn
t
ϕ X1 +X2 +...+Xn (t) = E e n = ϕX1 +X2 +...+Xn
n n
218 Pentru o demonstrat, ie alternativă vezi Exercit, iul 3.6.40.
α
219 Să observăm că v.a. Xk ∼ C(0, 1) au funct, ia caracteristică ϕXk (t) = e−c|t| , pentru un c > 0
s, i α = 1. Pe de altă parte, v.a. Xk satisfac proprietatea
Pn
k=1 Xk
∼ C (0, 1) ,
n1/α
adică distribut, ia C(0, 1) este inchisă la convolut, ii (vezi s, i Nota 221).
462 4. Funcţia generatoare de momente
Y
Yn t n
e−| n | = e−n | n | = e−|t| ,
t t
= ϕXk =
k=1 n k=1
X1 + X2 + . . . + Xn
adică ∼ C (0, 1) .
n
Să observăm că rezultatul obt, inut nu intră în contradict, ie cu Legea Nu-
merelor Mari sau cu Teorema Limită Centrală având în vedere că media s, i dis-
persia v.a. de tip Cauchy nu există (vezi Exercit, iul 3.6.76).
4.2.22 Fie v.a. independente X, Y ∼ N(0, 1) . Să se arate, folosind funct, ia ca-
racteristică, că
X + Y ∼ N(0, 2) .
Rezolvare:
Avem
√
t2 t2 ( 2)2 t2
ϕX+Y (t) = ϕX (t) · ϕY (t) = e− 2 · e− 2 = e− 2 ,
√
adică X + Y ∼ N 0, ( 2)2 .
4.2.23 Fie n v.a. independente Xk ∼ N µk , σ2k , k = 1, n. Să se arate, folosind
funct, ia caracteristică, că220
Xn Xn Xn
Xk ∼ N µk , σ2k .
k=1 k=1 k=1
Rezolvare:
σ2
kt
2
Pn
S, tim că ϕXk (t) = eitµk − 2 . Fie Sn = k=1 Xk .
Folosind (4.2) obt, inem
( ) t2
Pn 2
Yn Yn σ2
kt
2 Pn k=1 σk
ϕSn (t) = ϕXk (t) = eitµk − 2 = eit( k=1 µk )− 2 .
k=1 k=1
Rezolvare:
σ2 t2 Pn
S, tim că ϕXk (t) = eitµ− 2 . Fie Sn = k=1 Xk .
Folosind (4.3) obt, inem
Yn nσ2 t2
ϕSn (t) = ϕXk (t) = eitnµ− 2 ,
k=1
adică Sn ∼ N nµ, nσ2 .
Conform teoremei de transformare a v.a., obt, inem
(u−µ)2
n (nu−nµ)2 1 − 2
− 2σ
fX̄n (u) = nfSn (nu) = √ e 2nσ2 =q e n .
2πnσ2 2π σn
2
Pn 2
Xk
Deci X̄n = k=1
∼ N µ, √σ .
n n
Pn
k=1 Xk
∼ N 0, σ2 .
√
n
4.2.26 Mai mult, i elevi participă la un concurs care consistă în două probe:
Înt, elegerea unui text s, i Matematică. Să notăm cu X s, i respectiv Y v.a. care de-
semnează numărul de puncte obt, inute la cele două probe de către un elev ales
la întâmplare. Să presupunem că v.a. X, Y sunt independente s, i distribuite
normal cu media 49 s, i deviatia standard 11 s, i respectiv 51 s, i 12.
(a) Să se scrie densitatea vectorului aleator (X, Y ). Să se scrie funct, ia de repar-
tit, ie FX cu ajutorul funct, iei de repartit, ie Φ asociată unei v.a. normale standard.
(b) Să se determine, folosind funct, ia caracteristică, tipul distribut, iei numărului
total de puncte obt, inute de un elev. Care este probabilitatea ca acel elev să aibă
totalul de puncte de cel put, in 125 puncte?
α
221 Să observăm că v.a. Xk ∼ N 0, σ2 au funct, ia caracteristică ϕXk (t) = e−c|t| , pentru un
c > 0 s, i α = 2. Pe de altă parte, v.a. Xk satisfac proprietatea
Pn
k=1 Xk
∼ N 0, σ2 ,
n1/α
adică distribut, ia N 0, σ2 este inchisă la convolut, ii (vezi s, i Nota 219).
464 4. Funcţia generatoare de momente
(c) Să se determine, folosind funct, ia caracteristică, tipul distribut, iei diferent, ei
numărului de puncte obt, inute de un elev la cele două probe. Care este proba-
bilitatea ca acel elev să ia la proba a doua mai multe puncte decât la prima?
Rezolvare:
(b) Se determină, folosind funct, ia caracteristică, tipul distribut, iei v.a. X + Y s, i
apoi P (X + Y ≥ 125) cu ajutorul funct, iei Φ pentru care există tabele de valori.
(c) Se determină, folosind funct, ia caracteristică, tipul distribut, iei v.a. X − Y s, i
apoi P (X < Y ) = P (X − Y < 0) cu ajutorul funct, iei Φ.
4.2.27 Fie două v.a. independente X ∼ χ2(n, σ), Y ∼ χ2(m, σ). Să se arate,
folosind funct, ia caracteristică, că
(4.30) X + Y ∼ χ2(n + m, σ) .
Rezolvare:
Avem
− n2 − m
ϕX+Y (t) = ϕX (t) · ϕY (t) = 1 − 2iσ2 t 1 − 2iσ2 t 2
− n+m
= 1 − 2iσ2 t 2
,
Rezolvare:
Conform Propozit, iei 3.225, obt, inem că Xk2 ∼ χ2(1, σ).
− 1
Prin urmare, folosind (4.21), ϕXk2 (t) = 1 − 2iσ2 t 2 .
Pn
Notând Sn = k=1 Xk2 , avem
Yn − n2
ϕSn (t) = ϕXk2 (t) = 1 − 2iσ2 t ,
k=1
λn
(4.31) fSn (x) = xn−1 e−λx 1[0,∞) (x) .
(n − 1)!
Rezolvare:
Avem, conform formulei (4.3),
n
Yn λ
ϕSn (t) = ϕXk (t) = .
k=1 λ − it
Pe de altă parte,
∞
λn
Z
ϕSn (t) = e−(λ−it)x xn−1 dx.
(n − 1)! 0
Utilizând rezultate din teoria funct, iilor complexe se poate demonstra că urmă-
torul calcul este corect (notăm x0 = (λ − it) x în integrala complexă):
Z ∞
λn 1 0
ϕSn (t) = e−x (x0 )n−1 dx0
(n − 1)! (λ − it)n 0
λn 1 λn
= n Γ (n) = n.
(n − 1)! (λ − it) (λ − it)
Deci
Xn
(4.32) Sn = Xk ∼ Erlang (n, λ) = Gamma (n, λ) .
k=1
Concluzia problemei se putea obt, ine s, i direct, folosind Exercit, iul 4.2.17 sau
Pn , iul 4.2.18. Într-adevăr, dacă Xk ∼ Exp (λ) = Gamma (1, λ), atunci Sn =
Exercit
k=1 Xk ∼ Gamma (n, λ) = Erlang (n, λ) .
222 Dacă o v.a. X are densitatea de repartit, ie dată de (4.31), cu n ∈ N∗ s, i λ > 0, atunci spunem că
X urmează distribut, ia Erlang de parametri n s, i λ s, i scriem X ∼ Erlang (n, λ) .
Distribut, ia Erlang este un caz particular al distribut, iei Gamma:
Gamma (n, λ) = Erlang (n, λ) .
466 4. Funcţia generatoare de momente
Pentru orice x > 0, funct, ia de repartit, ie este dată de (vezi s, i Exercit, iul 3.126)
x n−1 Z x −λt 0
λe−λt (λt) λn−1
Z
e
FSn (x) = dt = tn−1 dt
0 (n − 1)! (n − 1)! 0 −1
Z x
λn−1
t=x
n−1 −λt n−2 −λt
=− t e − (n − 1) t e dt
(n − 1)! t=0 0
Z x
λn−1 n−1 −λx λn−1
=− x e + (n − 1) tn−2 e−λt dt.
(n − 1)! (n − 1)! 0
Se va obt, ine
Xn−1 (λx)k
FSn (x) = 1 − e−λx .
k=0 k!
Deci obt, inem legătura dintre funct, iile de repartit, ie (vezi s, i relat, ia (3.52) de legă-
tura)
FGamma(n,λ) (x) = 1 − FP(λ x) (n − 1) , pentru x > 0,
iar în particular, pentru x = 1,
Rezolvare:
Folosind (4.22) sau (4.23) avem, pentru orice t ∈ R,
= ϕX (t) · ϕY (t) .
Să se arate că ϕX+Y (t) = ϕX (t) ϕY (t), pentru orice t ∈ R, dar X s, i Y nu sunt
v.a. independente.
Rezolvare:
Calculăm densităt, ile marginale s, i obt, inem
1 1
fX (x) = 1{|x|≤1} s, i fY (y) = 1{|y|≤1} ,
2 2
adică X, Y ∼ U [−1, 1] .
Obt, inem astfel s, i faptul că X, Y nu sunt independente.
Pe de altă parte, conform (4.16),
sin t
ϕX (t) = ϕY (t) = .
t
Să calculăm acum
Z ∞
fX+Y (u) = f(X,Y ) (u − v, v) dv
−∞
Z 1
1
=
3
1 + (u − v) v − (u − v) v 3 1{|u−v|≤1} dv
4 −1
Z 1
1
=
3
1 + (u − v) v − (u − v) v 3 1[u−1,u+1] (v) dv.
4 −1
1 u+1
Z
3
fX+Y (u) = 1 + (u − v) v − (u − v) v 3 dv
4 −1
1 u+1
Z
1
1 + u3 v − 3u2 v 2 + 2uv 3 dv = (2 + u) .
=
4 −1 4
1 1
Z
3
fX+Y (u) = 1 + (u − v) v − (u − v) v 3 dv
4 u−1
1 1
Z
1
1 + u3 v − 3u2 v 2 + 2uv 3 dv = (2 − u) .
=
4 u−1 4
468 4. Funcţia generatoare de momente
4.2.33 Fie X o v.a. care urmează o repartit, ie Poisson de parametru ν. Să con-
siderăm parametrul ν drept o v.a. cu densitatea de repartit, ie
aλ λ−1 −ax
f (x) = x e 1(0,∞) (x) , cu a > 0.
Γ (λ)
a
λ
Atunci, obt, inem P (X = 0) = 1+a s, i, pentru k ≥ 1,
Z ∞ k
x −x aλ λ−1 −ax
P (X = k) = e x e dx
0 k! Γ (λ)
a λ (−1)k (−λ) (−λ − 1) · · · (−λ − k + 1)
= .
1 + a (1 + a)k k!
Să se calculeze D2 (X) cu ajutorul funct, iei caracteristice.
Rezolvare:
Avem
X∞ X∞
ϕX (t) = eitk P (X = k) = P (X = 0) + eitk P (X = k)
k=0 k=1
k
X∞ (−λ) (−λ − 1) · · · (−λ − k + 1)
(−1)
= C0 + C0 eitk k
k=1
(1 + a) k!
it
X∞ −e k (−λ) (−λ − 1) · · · (−λ − k + 1)
= C0 + C0 ,
k=1 1 + a k!
a
λ
unde C0 = 1+a .
Folosind dezvoltarea binomială (2.62):
−α
X∞ (−α) (−α − 1) · · · (−α − k + 1)
(1 + x) = 1 + xk ,
k=1 k!
valabilă s, i pentru orice număr complex |x| < 1 s, i pentru orice (−α) ∈ R \ N,
obt, inem
eit −λ
ϕX (t) = C0 1 − .
1+a
Să calculăm
1 λeit eit −λ−1 λ
E (X) = ϕ0X (0) = C0 1− =
i 1+a 1+a a
t=0
2
s, i, similar, obt, inem D2 (X) = λa − λa .
Capitolul 5
471
472 5. Şiruri de variabile aleatoare. Convergenţe
Remarca 5.3 Să observăm că k · kp devine o seminormă pe spat, iul L p (Ω, F, P)
doar dacă p ∈ [1, ∞], deoarece224
kX + Y kp∧1
p ≤ kXkp∧1
p + kY kp∧1
p , pentru orice p ∈ (0, ∞].
def
Lp (Ω, F, P) == X̄ = X + N : X ∈ L p (Ω, F, P) ,
Definit, ia 5.5 Fie p ∈ [1, ∞] s, i X ∈ L p (Ω, F, P), (Xn )n∈N∗ ⊂ L p (Ω, F, P).
Spunem că s, irul (Xn )n∈N∗ converge în Lp la X, s, i scriem
Lp
Xn −−−→ X, pentru n → ∞,
dacă
limn→∞ kXn − Xkp = 0.
Lp
Deci, pentru p ∈ [1, ∞), scriem Xn −−−→ X, pentru n → ∞, dacă
p
limn→∞ E |Xn − X| = 0.
Lp
Propozit, ia 5.6 Dacă Xn −−−→ X, pentru p ∈ [1, ∞), atunci, folosind inegalitatea
lui Minkowski, are loc s, i
p p
E (|Xn | ) −−→ E (|X| ) , pentru n → ∞.
Remarca 5.7 Folosind inegalitatea lui Hölder se obt, ine inegalitatea lui Lia-
punov:
1 1
p q
(E |X| ) p ≤ (E |X| ) q , pentru orice 0 < p < q,
adică
kXkp ≤ kXkq , pentru orice 0 < p < q.
Deci, pentru orice 0 < p < q, dacă X ∈ Lq (Ω, F, P), atunci X ∈ Lp (Ω, F, P),
adică
Lq (Ω, F, P) ⊆ Lp (Ω, F, P) , pentru orice 0 < p < q.
De asemenea, pentru orice 1 ≤ p < q, dacă Xn , X ∈ Lq (Ω, F, P), atunci
Xn , X ∈ Lp (Ω, F, P) s, i
Lq Lp
dacă Xn −−−→ X, atunci Xn −−−→ X, pentru n → ∞.
Prin urmare,
474 5. Şiruri de variabile aleatoare. Convergenţe
2
• dacă o v.a. admite moment de ordin 2, i.e. există E |X| < ∞, atunci
admite s, i medie sau, echivalent,
• dacă o v.a. nu admite medie, atunci nu admite nici moment de ordin 2.
Prin urmare, momentul E X 2 de ordin 2 al unei v.a. X există s, i este finit
dacă s, i numai dacă media E (X) s, i dispersia D2 (X) există s, i sunt finite.
L2
Remarca 5.9 În cazul particular în care Xn −−−→ X, pentru n → ∞, obt, inem
convergent, a în medie pătratică.
Definit, ia 5.10 Spunem că s, irul (Xn )n∈N∗ converge aproape sigur la X, s, i scriem
a.s.
Xn −−−−→ X, pentru n → ∞,
dacă
P ({ω : limn→∞ Xn (ω) = X (ω)}) = 1.
a.s.
Remarca 5.11 Explicând definit, ia putem scrie că Xn −−−−→ X, pentru n →
∞, dacă pentru orice > 0, există o mult, ime N astfel încât s, irul (Xn )n∈N∗
converge punctual la X pe Nc , adică
a.s.
Remarca 5.12 Există exemple225 în care (Xn )n∈N∗ sunt v.a. s, i are loc Xn −−−−→
X, pentru n → ∞, dar totus, i limita X nu este v.a.. Pentru a evita această
problemă, s, i deci a asigura că limita oricărui s, ir de v.a. este tot o v.a., trebuie
impus ca spat, iul pe care se lucrează să fie spat, iu de probabilitate complet226 .
225 Esent, a constă în a găsi un exemplu de spat, iu de probabilitate s, i apoi două aplicat, i X, Y : Ω →
R definite pe acel spat, iu astfel încât X este v.a. s, i, în plus, este egală P−a.s. cu Y , dar funct, ia
def a.s.
Y nu este totus, i v.a., adică nu este măsurabilă. Astfel, Xn == X −−−−→ Y (sau, echivalent,
X = Y , P−a.s.) dar fără ca Y să fie v.a..
226 Spunem că spat, iul de probabilitate (Ω, F, P) este spat, iu de probabilitate complet dacă orice
submult, ime a unui eveniment P−nul este tot eveniment. Mai precis, dacă N ∈ F este un
eveniment neglijabil, i.e. P (N ) = 0, atunci orice M ⊂ N este, de asemenea, eveniment, i.e.
M ∈ F (prin urmare, se obt, ine s, i P(M ) = 0 ).
5.1. Tipuri de convergenţe 475
a.s.
obt, inem că Xn −−−−→ X, pentru n → ∞.
(iii) Conform punctului (i),
\ [
P B̄m = 0, pentru orice > 0.
n≥1 m≥n
X∞
Folosind Lema lui Borel Cantelli 1.54 deducem că P B̄m < ∞.
n=1
Definit, ia 5.14 Spunem că s, irul (Xn )n∈N∗ converge în probabilitate la X, s, i scriem
P
Xn −−→ X, pentru n → ∞,
Remarca 5.16 Folosind definit, ia, se poate arăta că limita în Lp s, i limita aproape
sigură a unui s, ir de v.a. sunt s, i ele unice P−a.s., în sensul dat de (5.2) (vezi [30,
Theorem 5.2.1]).
Următorul rezultat ne oferă o caracterizare a convergent, ei în probabilitate.
P
Propozit, ia 5.17 (vezi [30, Proposition 5.7.1]) Fie r > 0. Atunci, Xn −−→ X,
pentru n → ∞, dacă s, i numai dacă
r
|Xn − X|
(5.3) limn→∞ E r = 0.
1 + |Xn − X|
Are loc chiar rezultatul mai general:
P
Propozit, ia 5.18 Xn −−→ X, pentru n → ∞, dacă s, i numai dacă
unde g : [0, ∞) → [0, ∞) este o funct, ie crescătoare, continuă s, i mărginită astfel încât
g (x) > g (0) = 0, pentru orice x > 0.
5.1. Tipuri de convergenţe 477
P P
Propozit, ia 5.19 Dacă Xn −−→ X s, i Yn −−→ Y , pentru n → ∞, atunci
P
(i) Xn + Yn −−→ X + Y, pentru n → ∞;
P
(ii) Xn · Yn −−→ X · Y, pentru n → ∞;
1 P 1
(iii) −−→ , pentru n → ∞, dacă P (X 6= 0) = 1;
Xn X
P
(iv) h (Xn ) −−→ h (X) , pentru n → ∞, pentru orice funct, ie continuă h.
Demonstrat, ie. Pentru demonstrat, ia punctului (i) vezi [30, Theorem 5.11.1]
iar pentru demonstrat, ia punctului (iv) vezi [30, Theorem 5.10.2], pentru cazul
particular X = c, s, i [30, Theorem 5.10.3], pentru cazul general.
Remarca 5.20 Se poate arăta (vezi [30, Theorem 5.11.1]) că proprietatea (i), de
stabilitate în raport cu suma, este adevărată s, i în cazul convergent, ei în Lp pre-
cum s, i în cazul convergent, ei aproape sigure.
În ceea ce prives, te proprietatea (iv) ment, ionam că este adevărată s, i în cazul
convergent, ei aproape sigure deoarece, folosind definit, ia continuităt, ii, are loc
incluziunea
Remarca 5.22 As, a cum am văzut deja în Propozit, ia 5.15 s, i în Remarca 5.16,
limita în Lp , limita aproape sigură precum s, i limita în probabilitate sunt unice
P−a.s.. Acest lucru nu mai este adevărat în cazul limitei în funct, ia de repartit, ie;
în acest caz are loc doar unicitatea în lege a limitei (vezi Definit, ia 2.17), mai
precis
F F d
Xn −−−→ X, Xn −−−→ Y =⇒ X = Y.
Teorema 5.25 Fie v.a. Xn definite pe spat, iul de probabilitate (Ωn , Fn , Pn ) s, i v.a. X
F
definită pe spat, iul (Ω, F, P) . Atunci, Xn −−−→ X, pentru n → ∞, dacă s, i numai
228 Pentru demonstrat, ie vezi [30, Theorem 5.5.7, Theorem 5.6.1] sau [38, Teorema 3.3.1].
5.1. Tipuri de convergenţe 479
dacă
Propozit, ia 5.26 (vezi [30, Theorem 5.6.2]) Fie două v.a. X, Y . Atunci,
d
(5.5) X=Y ⇐⇒ E (h (X)) = E (h (Y )) ,
Remarca 5.28 Având în vedere (5.4) s, i formula de transfer (3.17), deducem că
F
Xn −−−→ X, pentru n → ∞, dacă s, i numai dacă
Z Z
(5.6) limn→∞ h (x) PXn (dx) = h (x) PX (dx) ,
R R
Definit, ia 5.29 Fie spat, iile de probabilitate (Ωn , Fn , Pn ) s, i (Ω, F, P), unde n ∈ N∗ .
Spunem că s, irul de măsuri de probabilitate (Pn )n converge slab la măsura de
probabilitate P, pentru n → ∞, dacă
Z Z
(5.8) limn→∞ h (x) Pn (dx) = h (x) P (dx) ,
R R
F
Remarca 5.30 Prin urmare, Xn −−−→ X, pentru n → ∞, dacă s, i numai dacă
s, irul de legi (PXn )n converge slab la legea PX care este echivalent cu faptul că
s, irul de funct, ii de repartit, ie (FXn )n converge slab la FX , pentru n → ∞.
Remarca 5.32 Observat, iile s, i definit, iile precedente justifică astfel denumirile
alternative ale convergent, ei în funct, ia de repartit, ie.
Astfel, acest tip de convergent, ă se mai numes, te s, i convergent, a în distri-
d lege
but, ie, notată Xn −−→ X, sau convergent, a în lege, notată Xn −−−−→ X sau
L weak
Xn −−−→ X, sau convergent, a slabă, notată Xn −−−−→ X.
Remarca 5.33 În cazul convergent, ei în funct, ia de repartit, ie, are loc un rezultat
similar Propozit, iei 5.19 dat de Teorema lui Slutsky (vezi [30, Theorem 5.11.4]
229 Pentru demonstrat, ie vezi [38, Teorema 1.8.1, Teorema 3.3.1].
5.1. Tipuri de convergenţe 481
F P
sau [23, Theorem 7.34]): dacă Xn −−−→ X iar230 Yn −−→ c, pentru n → ∞ (unde
c este o constantă), atunci
F
(i) Xn ± Yn −−−→ X ± c, pentru n → ∞;
F
(5.10) (ii) Xn · Yn −−−→ X · c, pentru n → ∞;
Xn F X
(iii) −−−→ , pentru n → ∞, cu c 6= 0.
Yn c
Definit, ia 5.34 Fie v.a. Xn definite pe spat, iul de probabilitate (Ωn , Fn , Pn ) s, i v.a.
X definită pe spat, iul (Ω, F, P) . Spunem că s, irul (Xn )n∈N∗ converge în funct, ia
caracteristică la X, s, i scriem
ϕ
Xn −−→ X, pentru n → ∞,
dacă
limn→∞ ϕXn (t) = ϕX (t) , pentru orice t ∈ R.
Teorema 5.37
a.s. P
(i) Xn −−−−→ X =⇒ Xn −−→ X.
P a.s.
(ii) Xn −−→ X =⇒ există (nk )k∈N∗ astfel încât Xnk −−−−−→ X.
k→∞
Teorema 5.38 Având în vedere inegalitatea lui Markov, obt, inem, pentru > 0 arbi-
trar,
p
p E (|Xn − X| )
P (|Xn − X| ≥ ) ≤ ,
p
deci
Lp P
Xn −−−→ X =⇒ Xn −−→ X.
Teorema 5.41
P Lp
În condit, ii suplimentare, Xn −−→ X =⇒ Xn −−−→ X.
P
Mai precis, dacă Xn −−→ X, pentru n → ∞ s, i dacă există v.a. Y ∈ Lp (Ω, F, P)
Lp
astfel încât |Xn | ≤ Y , P−a.s., pentru orice n ∈ N∗ , atunci Xn −−−→ X, pentru
n → ∞.
Teorema 5.42
P F
Xn −−→ X =⇒ Xn −−−→ X
(v.a. X, Xn sunt definite pe acelas, i spat, iu de probabilitate (Ω, F, P)).
Teorema 5.43
F P
Xn −−−→ c =⇒ Xn −−→ c,
unde c este o v.a. constantă.
Teorema 5.44
F
În condit, ii suplimentare, Xn −−−→ X =⇒ E (Xn ) −−→ E (X) .
F
Mai precis, dacă Xn −−−→ X, pentru n → ∞, s, i dacă există v.a. Y ∈ L1 (Ω, F, P)
astfel încât |Xn | ≤ Y , P−a.s., pentru orice n ∈ N∗ , atunci se obt, ine X ∈ L1 (Ω, F, P)
s, i E (Xn ) −−→ E (X), pentru n → ∞.
Teorema 5.45
F
În condit, ii suplimentare, Xn −−−→ X =⇒ E (Xn ) −−→ E (X) .
F
Mai precis, dacă v.a. Xn −−−→ X, pentru n → ∞, s, i dacă există p > 1 astfel încât
p
supn∈N∗ E |Xn | < ∞, atunci X ∈ L1 (Ω, F, P) s, i E (Xn ) −−→ E (X), pentru
n → ∞.
Teorema 5.46 (Teorema lui Lévy) Fie (ϕn )n∈N∗ un s, ir de funct, ii caracteristice s, i
(Fn )n∈N∗ s, irul de funct, ii de repartit, ie corespunzătoare funct, iilor caracteristice.
(i) dacă s, irul (Fn )n∈N∗ converge slab către o funct, ie de repartit, ie F (vezi definit, ia
(5.9)), atunci (ϕn )n∈N∗ converge uniform pe orice compact din R la funct, ia caracte-
ristică corespunzătoare lui F .
(ii) dacă s, irul (ϕn )n∈N∗ converge punctual către o funct, ie ϕ care este continuă în zero,
atunci există funct, ia de repartit, ie F astfel încât s, irul (Fn )n∈N∗ converge slab către F.
În plus, ϕ este funct, ia caracteristică corespunzătoare lui F.
484 5. Şiruri de variabile aleatoare. Convergenţe
s, i
E (Xn ) −−→ a,
P
Xn −−→ a 6
=⇒
D2 (Xn ) −−→ 0.
Xn : Ω → R, Xn (ω) = n 1( 1 , 2 ) (ω) , n ∈ N∗ .
n n
Este evident căpentru orice > 0 s, i pentru orice ω ∈ (0, 1), există n (ω) astfel
încât ω ∈/ n1 , n2 , pentru orice n ≥ n (ω) .
Obt, inem Xn (ω) = 0, pentru orice n ≥ n (ω) , deci limn→∞ Xn (ω) = 0.
a.s.
A rezultat astfel convergent, a punctuală a lui Xn la 0, deci Xn −−−−→ 0,
pentru n → ∞.
Să facem legătura s, i cu caracterizarea dată de Teorema 5.13. T
Pentru orice > 0 s, i pentru orice ω ∈ (0, 1) , avem că ω ∈ m≥n (ω) Bm ,
def
unde Bm == {ω : |Xm (ω)| < } .
5.2. Exemple şi contraexemple 485
Lp
deci Xn −−6 −→ 0, pentru n → ∞.
Apoi
2
D2 (Xn ) = E Xn2 − (E (Xn )) = n − 12 .
deci
limn→∞ λ (|Xn | > ) = 0,
P
adică232 Xn −−→ 0, pentru n → ∞.
a.s. P
Am obt, inut astfel un exemplu de s, ir pentru care Xn −−−−→ 0 s, i Xn −−→ 0,
p
L
dar Xn −−6 −→ 0, pentru n → ∞, oricare ar fi p ≥ 1. În plus avem E (Xn ) =
1 −6 → 0 s, i D2 (Xn ) = n − 1 −6 → 0, pentru n → ∞.
231 dacă există n ∈ N∗ astfel încât pentru orice m ≥ n,
S T
Este evident că ω ∈ n≥1 m≥n Bm
dacă pentru orice n ∈ N∗ (oricât de mare), există
T S
ω ∈ Bm . De asemenea, ω ∈ n≥1 m≥n Bm
.
m ≥ n astfel încât ω ∈ Bm
232 Să observăm că pentru a obt, ine convergent, a în probabilitate este suficient să luam indicatoarea
oricărui interval de lungime an , pentru n ∈ N∗ , cu an → 0, pentru n → ∞.
486 5. Şiruri de variabile aleatoare. Convergenţe
Remarca 5.49 Un alt exemplu, similar celui de mai sus, este s, irul definit de
Xn (ω) = en 1(0, 1 ) (ω), pentru n ∈ N∗ .
n
Exemplul 5.50 Să considerăm spat, iul de probabilitate din Exemplul 5.48 s, i v.a.
Xn : Ω → R, Xn (ω) = 1( 1 , 2 ) (ω) , n ∈ N∗ .
n n
a.s. P Lp
Vom arată, similar, că Xn −−−−→ 0, Xn −−→ 0 s, i, pentru orice p > 0, Xn −−−→ 0,
pentru n → ∞.
Într-adevăr,
Z 1
1 2 1
p
E (|Xn | ) = 1( n1 , n2 ) (ω) λ (dω) = λ , = → 0, pentru n → ∞.
0 n n n
Pentru orice > 0,
1 2 1
λ (|Xn | > ) = λ ω : 1( 1 , 2 ) (ω) > = λ , = ,
n n n n n
s, i
P a.s.
Xn −−→ X 6
=⇒ Xn −−−−→ X.
def
Să considerăm spat, iul de probabilitate (Ω, F, P) == ([0, 1] , B ([0, 1]) , λ), unde
λ este măsura Lebesgue.
Să definim233 v.a.
1Akn (ω),
h i
233 k−1 k
Putem defini s, i în modul următor: fie mult, imile Akn = 2n
, 2n s, i v.a. Xnk (ω) =
pentru k = 1, n, n ∈ N∗ .
Vom defini un nou s, ir Ym , pentru m ∈ N∗ , obt, inut din termenii Xnk
ordonat, i mai întâi după n s, i apoi după k.
5.2. Exemple şi contraexemple 487
P (|Xn | ≥ ) = P (Xn = 1) = pn .
488 5. Şiruri de variabile aleatoare. Convergenţe
P
adică Xn −−→ X, pentru n → ∞.
5.2. Exemple şi contraexemple 489
F
Deci obt, inem s, i Xn −−−→ X, pentru n → ∞.
P
deci limn→∞ P (|Xn | > ) = 0, adică Xn −−→ 0, pentru n → ∞.
1
Exemplul 5.55 Fie v.a. Xn = , P−a.s., pentru n ∈ N∗ , s, i X = 0, P−a.s..
n
F
Vom arăta că Xn −−−→ X, pentru n → ∞.
1
n 0
Într-adevăr, avem Xn : s, i X : , pentru n ∈ N∗ , deci funct, iile
1 1
de repartit, ie sunt date, pentru orice x ∈ R, de
1
0, x < ,
0, x < 0,
n
FXn (x) = s, i FX (x) =
1, x ≥ 1
1, x ≥ 0.
n
Deci, pentru orice x < 0, avem 0 = FXn (x) → FX (x) = 0, pentru n → ∞.
490 5. Şiruri de variabile aleatoare. Convergenţe
Prin urmare, limn→∞ FXn (x) = FX (x) , pentru orice x ∈ R, adică are loc
F
convergent, a Xn −−−→ X, pentru n → ∞.
1 2 n−1
0 n n ... n
Exemplul 5.57 Fie v.a. X ∼ U (0, 1) s, i Xn : , pentru
1 1 1 1
n n n ... n
F
n ∈ N∗ . Să se arate că Xn −−−→ X, pentru n → ∞.
În aces caz, pentru x ∈ (0, 1),
X 1 bnxc + 1
FXn (x) = P (Xn ≤ x) = `=0,n−1 = ,
` n n
n ≤x
F
deci Xn −−−→ X, pentru n → ∞.
P
Apoi Xn −− 6 → 0 deoarece |Xn − X| = 1 i.e. {ω : |Xn (ω) − X (ω)| = 1} = Ω
s, i deci, pentru orice 0 < < 1,
P
deci Xn −−
6 → 0, pentru n → ∞.
Exemplul 5.60 Fie v.a. Xn ∼ U [−n, n], pentru n ∈ N∗ . Să se studieze conver-
gent, a în funct, ia de repartit, ie s, i convergent, a în funct, ia caracteristică a s, irului
dat.
Avem, vezi (3.30),
0, x < −n,
x+n
FXn (x) = , −n ≤ x ≤ n,
2n
1, x ≥ n,
sin (nt)
ϕXn (t) = , dacă t 6= 0 s, i ϕXn (0) = 0.
nt
5.3. Legea Numerelor Mari 493
Deci
1 def
limn→∞ FXn (x) = == F (x) , pentru orice x ∈ R,
2
0, t 6= 0,
def
limn→∞ ϕXn (t) = ϕ (t) ==
1, t = 0.
Să observăm că funct, ia limită F obt, inută nu este o funct, ie de repartit, ie s, i că
funct, ia limită ϕ nu este continuă în zero.
Am obt, inut astfel un exemplu de s, ir de funct, ii caracteristice (ϕXn )n∈N∗
care converge punctual către funct, ia ϕ fără ca s, irul (FXn )n∈N∗ de funct, ii de
repartit, ie să conveargă slab (vezi definit, ia (5.7)) către o altă funct, ie de repartit, ie.
Prin urmare, este esent, ială condit, ia din Teorema 5.46 de continuitate a lui ϕ în
zero.
sau, echivalent,
P
X̄n − E X̄n −−→ 0, pentru n → ∞
atunci spunem că s, irul dat satisface legea slabă a numerelor mari (LSNM).
Teorema 5.62 Fie (Xk )k∈N∗ un s, ir de v.a. integrabile. Atunci, s, irul dat satisface
LSNM, adică
def Sn Sn P
Zn == −E −−→ 0, pentru n → ∞,
n n
Corolarul 5.63 Fie (Xk )k∈N∗ un s, ir de v.a. de pătrat integrabil astfel încât
Sn
(5.13) limn→∞ D2 = 0.
n
Zn2
Sn
≤ E Zn2 = D2 (Zn ) = D2
0≤E .
1 + Zn2 n
În cazul în care v.a. sunt independente două câte două, obt, inem, având în
vedere egalitatea (2.35), următorul corolar.
5.3. Legea Numerelor Mari 495
Corolarul 5.64 Fie (Xk )k∈N∗ un s, ir de v.a. de pătrat integrabil s, i independente două
câte două236 astfel încât
1 Xn
(5.14) limn→∞ D2 (Xk ) = 0.
n2 k=1
Remarca 5.65 În cazul particular în care v.a. (Xk )k∈N∗ suntde pătrat integrabil
s, i independente două câte două astfel încât s, irul D2 (Xk ) k∈N∗ este mărginit,
condit, ia (5.14), deci s, i (5.13), este satisfăcută.
Remarca 5.66 În cazul particular în care v.a. (Xk )k∈N∗ sunt de pătrat integrabil
s, i de tip i.i.d. (independent, a este două câte două), atunci condit, ia (5.14), deci
s, i (5.13), este satisfăcută deoarece, vezi (2.40),
2 2 Sn 1
= D2 (X1 ) → 0, pentru n → ∞.
D X̄n = D
n n
Având în vedere că, vezi (2.39),
Sn
E X̄n = E = E (X1 ) ,
n
deducem, folosind s, i punctul (i) al Propozit, iei 5.19, că LSNM înseamnă con-
vergent, a
Sn P
X̄n = −−→ E (X1 ) , pentru n → ∞.
n
Astfel obt, inem rezultatul clasic privind LSNM:
Corolarul 5.67 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d. (independent, a este două câte
două) astfel încât să avem
E (Xk ) = µ < ∞ s, i D2 (Xk ) = σ2 < ∞, pentru orice k ∈ N∗ .
Atunci, s, irul (Xk )k∈N∗ satisface LSNM, mai precis, se obt, ine
Sn P
(5.15) −−→ µ, pentru n → ∞.
n
236 Este suficient, vezi (2.35), dacă impunem ca v.a. să fie necorelate.
496 5. Şiruri de variabile aleatoare. Convergenţe
Demonstrat, ie. Concluzia poate fi obt, inută s, i direct, folosind inegalitatea (2.43)
a lui Cebâs, ev.
σ2
Avem, vezi (2.40) s, i (2.39), că E X̄n = µ s, i D2 X̄n =
.
n
Utilizând (2.43) obt, inem
σ2
P X̄n − µ < ≥ 1 − 2 ,
n
deci
limn→∞ P X̄n − µ < = 1,
P
adică X̄n − µ −−→ 0, pentru n → ∞.
Sn L2
−−−→ µ, pentru n → ∞.
n
Putem vedea Xk ca v.a. care desemnează numărul de aparit, ii ale unui eveni-
ment A (numit Succes) la încercarea k, cu probabilitatea p de aparit, ie a Succe-
sului:
0 1
Xk : , k ∈ N∗ .
q p
V.a.
def Pn
fn == k=1 Xk se numes, te frecvent, a absolută de aparit, ie
a Succesului
5.3. Legea Numerelor Mari 497
în cele n probe s, i are drept valori numărul de aparit, ii ale Succesului în cele n
observat, ii.
Prin urmare fn urmează o distribut, ie de tip binomial cu fn ∼ B (n, p) .
V.a.
fn
se numes, te frecvent, a relativă de aparit, ie a Succesului.
n
Avem
1
E (Xk ) = p s, i D2 (Xk ) = pq ≤ , pentru orice k ∈ N∗ .
4
Conform Remarcii 5.65 obt, inem
Pn
fn p fn P
− k=1 = − p −−→ 0, pentru n → ∞
n n n
sau, echivalent237
fn P
(5.16) −−→ p, pentru n → ∞,
n
Teorema 5.70 (Teorema lui Bernoulli) Dacă (Ak )k∈N∗ este un s, ir de evenimente
independente astfel încât P (Ak ) = p, pentru orice k ∈ N∗ , atunci are loc:
1
(1A1 + . . . + 1An ) −−→ p,
P
pentru n → ∞.
n
237 Vezi s, i Exercit, iul 2.4.22 s, i Exercit, iul 5.5.16.
498 5. Şiruri de variabile aleatoare. Convergenţe
Remarca 5.71 Este us, or de arătat că ori de câte ori s, irul (Xk )k∈N∗ satisface
LSNM, dacă în plus Pn
k=1 E (Xk )
→ µ,
n
atunci
Sn P
−−→ µ, pentru n → ∞.
n
În toate rezultatele de mai sus s-a cerut ca v.a. să fie de pătrat integra-
bil. Se poate arăta că s, irul (Xk )k∈N∗ satisface LSNM presupunând doar inte-
grabilitatea v.a.. Demonstrat, ia se face prin trunchierea v.a., luând, mai întâi,
X̃k = Xk 1{|Xk |≤k} .
Teorema 5.72 Fie (Xk )k∈N∗ un s, ir de v.a. integrabile s, i de tip i.i.d. (independent, a
este două câte două) astfel încât
Atunci, s, irul (Xk )k∈N∗ satisface LSNM, mai precis, se obt, ine
Sn P
−−→ µ, pentru n → ∞.
n
Ne interesează în continuare ca condit, iile ca limita (5.12) să aibă loc aproape
sigur.
sau, echivalent,
a.s.
X̄n − E X̄n −−−−→ 0, pentru n → ∞
sau, echivalent,
Pn Pn
k=1 Xk (ω) k=1 Xk
P ω : limn→∞ −E =0 = 1,
n n
atunci spunem că s, irul dat satisface legea tare a numerelor mari (LTNM).
5.3. Legea Numerelor Mari 499
Propozit, ia 5.74 (vezi [14, P29, Capitolul V]) Fie (Xk)k∈N∗ un s, ir de v.a. de tip
i.i.d. (independent, a este în ansamblu) astfel încât E X14 < ∞. Să notăm
Atunci, s, irul (Xk )k∈N∗ satisface LTNM, mai precis, folosind s, i Remarca 5.20, se
obt, ine
Sn a.s.
−−−−→ µ, pentru n → ∞.
n
Propozit, ia 5.75 (vezi [14, C36, Capitolul V]) Fie (Xk )k∈N∗ un s, ir de v.a. inde-
pendente în ansamblu s, i de pătrat integrabil astfel încât
X∞ D2 (Xk )
(5.17) < ∞.
k=1 k2
Folosind condit, ia suficientă (5.17) se obt, ine rezultatul clasic privind LTNM:
Corolarul 5.77 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d. (independent, a este în ansam-
blu) astfel încât să avem
Atunci, s, irul (Xk )k∈N∗ satisface LTNM, mai precis, se obt, ine
Sn a.s.
−−−−→ µ, pentru n → ∞.
n
500 5. Şiruri de variabile aleatoare. Convergenţe
Exemplul 5.78 Aplicând Corolarul 5.77 obt, inem, utilizând notat, iile s, i cadrul
de lucru din Exemplul 5.69,
fn a.s.
(5.18) −−−−→ p, pentru n → ∞,
n
Corolarul 5.79 (Teorema lui Borel) Dacă (Ak )k∈N∗ este un s, ir de evenimente in-
dependente în ansamblu astfel încât P (Ak ) = p, pentru orice k ∈ N∗ , atunci are
loc
1
(1A1 + . . . + 1An ) −−−−→ p, pentru n → ∞.
a.s.
n
LTNM în ipoteze slăbite (v.a. nu mai sunt neapărat de pătrat integrabil
iar independent, a nu mai este neapărat în ansamblu) este dată de următorul
rezultat, stabilit de N. Etemadi în 1981. Pentru demonstrat, ie vezi [6, Chapter
3, Theorem 6.4] sau [34, Theorem 5.5].
Teorema 5.80 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d. (independent, a este două câte
două) astfel încât
Atunci, s, irul (Xk )k∈N∗ satisface LTNM, mai precis, se obt, ine
Sn a.s.
−−−−→ µ, pentru n → ∞.
n
Remarca 5.81 Dacă suntem în cadrul de lucru al Remarcii 2.85, mai precis,
dacă avem v.a. X reprezentând o caracteristică cercetată s, i v.a. (Xi )i=1,n de
5.3. Legea Numerelor Mari 501
tip i.i.d., urmând repartit, ia lui X, atunci (Xi )i=1,n reprezintă o select, ie (sau
es, antion) de volum n.
Conform Corolarului 5.67, LSNM înseamna că media de select, ie converge,
în probabilitate, la media teoretică, i.e.
P
X̄n −−→ E (X) , pentru n → ∞.
Conform Propozit, iei 5.74 sau a Teoremei 5.80 se va obt, ine chiar convergent, a
aproape sigură a mediei de select, ie la media teoretică E (X) :
a.s.
X̄n −−−−→ E (X) , pentru n → ∞.
a.s.
S2n −−−−→ D2 (X) , pentru n → ∞.
Dacă suntem în condit, ii mai slabe, folosind punctele (i) s, i (iv) ale Propozit, iei
5.19, deducem s, i convergent, a în probabilitate, la dispersia teoretică, a disper-
siei de select, ie.
Remarca 5.83 Dacă suntem în cadrul de lucru al Remarcii 2.85, atunci Legea
Numerelor Mari ne ajută s, i la stabilirea convergent, ei, în diverse sensuri, a func-
t, iei de repartit, ie de select, ie238 dată de
Conform Corolarului 5.67, LSNM înseamna că are loc convergent, a în probabi-
litate a funct, iei de repartit, ie de select, ie la funct, iei teoretică de repartit, ie FX (t) :
1A (Xi ) P
Pn
Fn (t) = i=1 t −−→ E (1At (X)) = FX (t) , pentru n → ∞,
n
pentru orice t ∈ R.
238 Să observăm că n · Fn reprezintă, de fapt, numărul tuturor indicilor i ≤ n pentru care v.a. Xi
ia valori mai mici sau egale cu t, adică numărul tuturor observat, iilor, dintre primele n, care sunt
cel mult egale cu t.
De asemenea, se vede din definit, ie că valoarea Fn (t), a funct, iei de repartit, ie de select, ie într-un
punct t, este o v.a.. Conform semnificat, iei, avem că v.a. nFn (t) ∼ B (n, FX (t)) .
239 Evident, are loc si E (1
At (Xi )) = E (1At (X)) = E 1{X∈At } = P (X ∈ At ) = FX (t) .
,
5.4. Teorema Limită Centrală 503
Conform Propozit, iei 5.74 sau a Teoremei 5.80 se va obt, ine chiar conver-
gent, a aproape sigură a funct, iei de repartit, ie de select, ie la funct, iei teoretică de
repartit, ie FX (t) :
1A (Xi ) a.s.
Pn
Fn (t) = i=1 t −−−−→ E (1At (X)) = FX (t) , pentru n → ∞,
n
pentru orice t ∈ R.
deoarece
1
D2 (Sn ) = nσ2 , D2 X̄n = σ2 .
(5.19) E (Sn ) = nµ, E X̄n = µ,
n
−n µ −µ
Deci v.a. S√n nσ 2
este standardizarea v.a. Sn iar v.a. X̄n√
σ/ n
este standardizarea
v.a. X̄n , unde n ∈ N∗ .
Teorema 5.84 (Teorema Limită Centrală) Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d.
(independent, a este în ansamblu) astfel încât
Sn − E (Sn ) F
(5.20) p −−−→ Z ∼ N(0, 1) , pentru n → ∞.
D2 (Sn )
Sn −E(Sn )
Prin urmare, s, irul de v.a. standardizate √ are drept limită (în sensul
D2 (Sn ) n
funct, iei de repartit, ie) o v.a. normală standard.
Remarca 5.85 Folosind (5.19) deducem că relat, ia (5.20) poate fi scrisă s, i sub
forma
Sn − E (Sn ) Sn − nµ F
(5.21) p = √ −−−→ Z ∼ N(0, 1) , pentru n → ∞
D2 (Sn ) nσ2
sau, echivalent,
X̄n − E X̄n X̄n − µ F
(5.22) q = σ/√n −−−→ Z ∼ N(0, 1) , pentru n → ∞,
D2 X̄n
adică
not
limn→∞ F S√n −n µ (z) = limn→∞ F X̄n√−µ (z) = FZ (z) == Φ(z),
nσ2 σ/ n
(5.23)
pentru orice z ∈ R,
sau, echivalent,
X̄n − µ
(5.25) P √ ≤z = F X̄n√−µ (z) ' Φ (z) , z ∈ R.
σ/ n σ/ n
sau, echivalent,
X̄n − µ
P a< √ ≤ b = F X̄n√−µ (b) − F X̄n√−µ (a)
σ/ n σ/ n σ/ n
s, i astfel, folosind (5.24) s, i (5.25), obt, inem că, pentru n suficient de mare,
Sn − nµ X̄n − µ
P a< √ ≤b =P a< √ ≤ b ' Φ (b) − Φ (a) ,
(5.26) nσ2 σ/ n
pentru orice − ∞ ≤ a < b ≤ ∞.
Astfel, am obt, inut următoarele estimări pentru ca Sn , sau respectiv X̄n , să fie
între anumite limite:
√ √
P a nσ2 + nµ < Sn ≤ b nσ2 + nµ ' Φ (b) − Φ (a)
sau, echivalent,
σ σ
P a √ + µ < X̄n ≤ b √ + µ ' Φ (b) − Φ (a) .
n n
n −nµ
S√
Remarca 5.87 Deci, pentru n suficient de mare, obt, inem s, i că v.a. nσ2
=
−µ
X̄n√
σ/ n
∼ N(0, 1) sau, echivalent,
Xn σ2
Xk ∼ N nµ, nσ2
Sn = sau X̄n ∼ N µ, .
k=1 n
506 5. Şiruri de variabile aleatoare. Convergenţe
def X1 + . . . + Xn
X̄n == .
n
Atunci media s, i dispersia v.a. X̄n sunt date, vezi (2.40) s, i (2.39), de
σ2
s, i D2 X̄n =
E X̄n = µ .
n
Atunci, pentru n suficient de mare (n > 30), media de select, ie X̄n poate fi
2
aproximată de o v.a. ce urmează o distribut, ie normală de tip N µ, σn , oricare
ar fi240 legea de repartit, ie a lui X.
Într-adevăr, aplicând Teorema Limită Centrală,
X̄n − µ F
Zn = √ −−−→ Z ∼ N(0, 1) , pentru n → ∞.
σ/ n
σ σ σ2
F
X̄n = √ Zn + µ −−−→ √ Z + µ ∼ N µ, .
n n n
Yn t t n
= ϕ(Xk −µ) √ = ϕ(X1 −µ) √ ,
k=1 σ n σ n
deoarece (Xk − µ) sunt identic distribuite s, i deci
def
ϕ (t) == ϕ(X1 −µ) (t) = ϕ(Xk −µ) (t) , pentru orice k ∈ N∗ , t ∈ R.
Observăm că
2 2
= E (Xk − µ) = D2 (Xk ) = σ2 < ∞,
E |Xk − µ|
Deci, conform relat, iei (4.18), observăm că, la limită, tipul de distribut, ie al v.a.
Zn = S√n −E(S
2
n)
devine distribut, ia normală standard.
D (Sn )
ϕ
Mai precis, obt, inem Zn −−→ Z ∼ N(0, 1) sau, echivalent (vezi Remarca
F
5.47), Zn −−−→ Z ∼ N(0, 1), pentru n → ∞.
Aplicând Teorema Limită Centrală obt, inem că distribut, ia normală este ca-
zul limită al multor distribut, ii. Deci pentru valori mari ale lui n putem folosi
doar tabele distribut, iei normale.
În cazul particular al s, irului (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este
în ansamblu), urmând o distribut, ie Bernoulli, Xk ∼ B (1, p), pentru k ∈ N∗ ,
se obt, ine Sn ∼ B (n, p) , unde n ∈ N∗ . În acest caz Sn are semnificat, ia de
frecvent, a absolută de aparit, ie a Succesului la n încercări iar X̄n are semnifica-
t, ia de frecvent, a relativă de aparit, ie a Succesului la n încercări.
Conform (2.50),
Teorema 5.89 (Teorema lui Moivre-Laplace) Fie s, irul (Xk )k∈N∗ de v.a. de tip
i.i.d. (independent, a este în ansamblu) s, i distribuite Bernoulli Xk ∼ B (1, p) .
Atunci, are loc convergent, a
Sn − np F
√ −−−→ Z ∼ N(0, 1) , pentru n → ∞.
npq
Remarca 5.90 Avem faptul că, pentru n suficient de mare, F S√n −n µ (z) este a-
nσ2
def
proximativ egal cu Φ (z) == FZ (z), prin urmare (vezi s, i (5.26)), folosind
Sn − np
P a≤ √ ≤ b = F S√n −n µ (b) − F S√n −n µ (a) ,
npq nσ2 nσ2
Deci am obt, inut următoarele estimări pentru ca frecvent, a absolută Sn sau re-
spectiv frecvent, a relativă X̄n , să fie între anumite limite:
√ √
√ √ pq pq
P (a npq + np ≤ Sn ≤ b npq + np) = P a √ + p ≤ X̄n ≤ b √ + p
n n
' Φ (b) − Φ (a) .
• dacă n ≥ 30 s, i min (np, nq) ≥ 10, atunci aproximarea este foarte bună;
• dacă n ≥ 30 s, i min (np, nq) ∈ (5, 10), atunci aproximarea este bună dar
fără mare precizie;
s, i abia acum folosim relat, ia (5.28) s, i apoi (3.46). Deci, pentru Z ∼ N(0, 1),
De asemenea, dacă ne interesează chiar probabilităt, ile P (Sn = k), atunci, de-
oarece k ∈ N, avem
s, i abia acum folosim relat, ia (5.28) s, i apoi (3.46). Deci, pentru Z ∼ N(0, 1),
În cazul s, irului (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansam-
blu), urmând o distribut, ie Poisson, Xk ∼ P (1), pentru k ∈ N∗ , se obt, ine,
conform relat, iei (4.26), Sλ ∼ P (λ), unde λ ∈ N∗ s, i, conform (2.58),
E (Sλ ) = λ s, i D2 (Sλ ) = λ.
Teorema 5.94 Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansamblu)
s, i distribuite Poisson Xk ∼ P (1) .
Atunci,
Sλ − λ F
√ −−−→ Z , pentru N 3 λ → ∞,
λ
unde Z ∼ N(0, 1) .
Pn
Remarca 5.95 Dacă Xk ∼ P (λ), atunci Sn = k=1 Xk ∼ P (nλ) s, i, utilizând
Remarca 5.87, obt, inem aproximarea distribut, iei Poisson cu ajutorul distribut, iei
normale:
Xn
(5.29) Sn = Xk ∼ N(nλ, nλ) , pentru n suficient de mare.
k=1
La fel ca s, i în cazul distribut, iei binomiale (vezi Remarca 5.93), pentru o mai
bună precizie a aproximării, folosim s, i aici factorul 1/2 al corect, iei de continu-
itate.
Astfel, deoarece valoarea k ∈ N, avem
deoarece valoarea k ∈ N.
5.4. Teorema Limită Centrală 513
Sλ − E (Sλ ) Sλ − λ 1 √
Zλ = p = √ = √ Sλ − λ
2
D (Sλ ) λ λ
√
2 3 4
it/ λ 1 it 1 it 1 it λ it
e =1+ √ + √ + √ + √ + ...
1! λ 2! λ 3! λ 4! λ
3 4
1 t2
it 1 it λ it
=1+ √ − + √ + √ + ... ,
λ 2λ 3! λ 4! λ
deci 3 4
√
it
√ 1 λ it λ it
λe λ − λ − it λ = − t2 + √ + √ + ... .
2 3! λ 4! λ
Obt, inem
3 4
− 21 t2 + 3!
λ it
√ λ
+ 4! it
√ +...
ϕZλ (t) = e λ λ
ϕ F
Deci Zn −−→ Z ∼ N(0, 1) sau, echivalent, Zn −−−→ Z ∼ N(0, 1) , pentru
n → ∞.
În cazul s, irului (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansam-
blu), urmând o distribut, ie geometrică, Xk ∼ G (p) = NegB (1, p) , pentru
k ∈ N∗ , se obt, ine, conform relat, iei (4.27), Sn ∼ NegB (n, p) , unde n ∈ N∗ ,
s, i, conform relat, iilor (4.28) s, i (4.29), deducem că
n nq
E (Sn ) = s, i D2 (Sn ) = , unde n ∈ N∗
p p2
Teorema 5.96 Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansamblu)
s, i distribuite geometric Xk ∼ G (p) = NegB (1, p) , p ∈ (0, 1) .
Atunci,
pSn − n F
√ −−−→ Z , pentru n → ∞,
nq
unde Z ∼ N(0, 1) .
Pn
Remarca 5.97 Dacă Xk ∼ NegB (1, p) , atunci k=1 Xk ∼ NegB(n, p) s, i, uti-
lizând Remarca 5.87, obt, inem aproximarea distribut, iei binomiale cu exponent
negativ cu ajutorul distribut, iei normale:
Xn n nq
Xk ∼ N , 2 , pentru n suficient de mare.
k=1 p p
ip
−n
√it
√ t
e nq
1 − qe nq
1 √iqnq t q √inq t
−n
= ip
= e − e .
pe
√
nq t p p
Teorema 5.98 Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansamblu)
cu Xk ∼ χ2(1, 1) .
Atunci,
Sn − n F
√ −−−→ Z , pentru n → ∞,
2n
unde Z ∼ N(0, 1) .
X −n
Remarca 5.99 Dacă X ∼ χ2(n, 1), atunci, pentru n mare, v.a. Zn = √
√ 2n
este distribuită normal standard N(0, 1), deci, echivalent, X = 2nZn + n este
distribuită normal de tipul N(n, 2n) .
Practic, dacă n > 30, calcularea probabilităt, ilor se face utilizând tabelul
distribut, iei normale de medie n s, i dispersie 2n s, i deci, folosind formula de
legătură (3.45),
2
χ − n
= P X > χ2 = 1 − P X ≤ χ2 = 1 − F χ2 = 1 − Φ
√ .
2n
516 5. Şiruri de variabile aleatoare. Convergenţe
Remarca 5.100Pn Conform relat, iei (4.32), dacă Xk ∼ Exp (λ), pentru orice k ∈
N∗ , atunci k=1 Xk ∼ Gamma (n, λ) s, i, utilizând Remarca 5.87, obt, inem aprox-
imarea distribut, iei Gamma cu ajutorul distribut, iei normale:
Xn n n
Xk ∼ N , 2 , pentru n suficient de mare.
k=1 λ λ
În plus avem s, i legătura χ (n, 1) = Gamma n2 , 12 dată de (3.56), deci distri-
2
but, ia χ2 poate fi aproximată, as, a cum s-a văzut s, i în Remarca 5.99, cu ajutorul
distribut, iei normale.
În cazul unui s, ir de v.a. (Xk )k∈N∗ de tip i.i.d., cu Xk ∼ t (1) , k ∈ N∗ , nu se
poate aplica Teorema Limită Centrală (evident, deoarece dispersia există doar
dacă parametrul n > 2, deci, în cazul nostru, media E (Xk ) s, i dispersia D2 (Xk )
nu există242 ), dar concluzia ei se ment, ine, în forma precizată mai jos.
unde Z ∼ N(0, 1) .
def Y0
Xn == q Pn ∼ t (n) .
k=1 Yk2
n
precum s, i
Y
q Pn0
P
2
−−→ Y0 , pentru n → ∞.
k=1 Yk
n
Dar convergent, a în probabilitate
q implică s, i convergent, a în funct, ia de repartit, ie,
n−2
deci are loc (5.30), deoarece n → 1, pentru n → ∞.
n
Remarca 5.103 Deoarece, pentru n suficient de mare, cantitatea n−2 ' 1, ob-
t, inem că dacă v.a. X ∼ t (n), atunci, pentru n suficient de mare, X este dis-
tribuită aproximativ normal standard N(0, 1) adică, pentru n suficient de mare,
Reamintim (3.58):
E (Yn ) = n s, i D2 (Yn ) = 2n,
deci,
Yn 2 Yn 2
E = 1 s, i D =
n n n
s, i, folosind inegalitatea (2.43) a lui Cebâs, ev, deducem că pentru orice > 0,
Yn 2/n
P − 1 < ≥ 1 − 2 .
n
Xn F Z
T =q −−−→ = Z ∼ N(0, 1) , pentru n → ∞.
Yn 1
n
Astfel, deoarece are loc (5.31), obt, inem faptul că, pentru n suficient de mare,
distribut, ia t (n) este aproximativ normală standard N(0, 1).
Rezolvare:
Să definim v.a. independente Xk care iau drept valori numărul de aparit, ii
ale stemei la aruncarea k a monedei, deci
0 1
Xk : , k ∈ N∗ .
1 1
2 2
Atunci, v.a.
def
X103
S103 == Xk
k=1
are drept valori numărul de aparit, ii ale stemei la aruncarea de 1000 de ori a
unei monede, adică frecvent, a absolută de aparit, ie a stemei la n = 103 aruncări.
Deoarece Xk ∼ B (1, p) , k ∈ N∗ , obt, inem S103 ∼ B 103 , p . Pentru cal-
culul mediei s, i dispersiei putem folosi formula (2.50) sau calculul cu ajutorul
funct, iei caracteristice (vezi pagina 440).
Dar putem calcula s, i direct:
X103 1
E (S103 ) = E (Xk ) = 103 · E (X1 ) = 103 ·
k=1 2
iar dispersia se poate obt, ine folosind independent, a s, i dispersia v.a. Xk :
X 3 X 3
10 10
D2 S10 2 2
D2 (Xk ) = 103 · D2 (X1 )
3 = D X k =
k=1 k=1
1 1
= 103 · · = 250.
2 2
Luând = 102 în inegalitatea (2.43) a lui Cebâs, ev obt, inem
P (400 < S103 < 650) > P (400 < S103 < 600)
= P |S103 − 500| < 102
250 39
≥1− = .
104 40
5.5.2 Care este probabilitatea ca la 300 de aruncări ale unui zar frecvent, a abso-
lută de aparit, ie a fet, ei 1 să fie între 40 s, i 60?
Rezolvare:
Vom folosi inegalitatea (2.43) a lui Cebâs, ev.
520 5. Şiruri de variabile aleatoare. Convergenţe
5.5.3 Fie X v.a. care reprezintă numărul de aparit, ii ale fet, ei 5 a unui zar la
105 aruncări ale lui. Să se calculeze limita inferioară a probabilităt, ii realizării
inegalităt, ii
X 1 1
105 − <
6 102
(este vorba de o estimare a frecvent, ei relative de aparit, ie a fet, ei 5).
Rezolvare:
Evident, X ∼ B 105 , p , unde p = 16 . Deci frecvent, a relativă de aparit, ie a
X
fet, ei 5 este 5 .
10
De fapt, dacă definim v.a. independente Xk care iau drept valori numărul
de aparit, ii ale fet, ei 5 la aruncarea k a zarului, atunci
0 1
Xk : , k ∈ N∗
5 1
6 6
iar
def
X105
X = S105 == Xk
k=1
are drept valori frecvent, a absolută de aparit, ie a fet, ei 5 la n = 105 aruncări iar
P105
X S 5 k=1 Xk
5
= 105 =
10 10 105
are drept valori frecvent, a relativă de aparit, ie a fet, ei 5 la n = 105 aruncări.
Deoarece Xk ∼ B (1, p) , k ∈ N∗ , obt, inem S103 ∼ B 105 , p .
Conform (2.50),
1 1 5
E (X) = 105 · s, i D2 (X) = 105 · · ,
6 6 6
deci
S105 1 2 S105 5
E = s, i D = .
105 6 105 36 · 105
Luând = 10−2 în inegalitatea (2.43) a lui Cebâs, ev aplicată v.a. Y obt, inem
S 5 1 5 71
P 105 − < 10−2 ≥ 1 − −4 = .
10 6 10 · 36 · 105 72
5.5. Exerciţii rezolvate 521
X 1
Să observăm că putem aplica inegalitatea lui Cebâs, ev s, i v.a. Y = 105 − 6.
Media este E (Y ) = 0 iar
2
2 X 2X 1
D2 (Y ) = E (Y ) = E − +
1010 6 · 105 36
1 1 1 5
= 10 E X 2 −
E (X) + = .
10 3 · 105 36 36 · 105
5.5.4 Fie X v.a. care reprezintă numărul de aparit, ii ale stemei la n aruncări
ale unei monede. Cât de mare trebuie să fie n astfel încât să avem următoarea
estimare a frecvent, ei relative de aparit, ie a stemei la cele n aruncări:
X 1 1
P − < 2 > 0.99.
n 2 10
Rezolvare:
Evident, X ∼ B (n, p), unde p = 12 . Conform (2.50),
n n
E (X) = s, i D2 (X) = ,
2 4
X
deci, notând Y = n , obt, inem
1 1
E (Y ) = s, i D2 (Y ) = .
2 4n
Luând = 10−2 în inegalitatea (2.43) a lui Cebâs, ev aplicată v.a. Y obt, inem
X 1 −2 1
P − < 10
≥ 1 − −4 .
n 2 10 · 4n
104 106
Impunem ca 1 − 4n > 0.99 s, i obt, inem n > 4 .
5.5.5 Fie o v.a. X de tip continuu cu densitatea f, care ia valori în (0, 1), P−a.s..
Definim s, irul de v.a. (Xn )n∈N∗ prin Xn = frac (nX) , n ∈ N∗ , unde
def
frac (nX) == nX − bnXc
iar bnXc este partea întreagă a v.a. nX , i.e. cel mai mare întreg aleator mai mic
sau egal decât v.a. nX.
522 5. Şiruri de variabile aleatoare. Convergenţe
Să se arate că s, irul (Xn )n∈N∗ converge243 în funct, ia de repartit, ie la o v.a.
Y ∼ U (0, 1) , pentru n → ∞.
Rezolvare:
Deoarece frac (nX) ∈ [0, 1), obt, inem că FXn (x) = 0, pentru x < 0, iar
FXn (x) = 1, pentru x ≥ 1.
Apoi, X fiind v.a. continuă, se poate arata s, i că FXn (0) = 0.
Pe de alta parte, X ∈ (0, 1) deci obt, inem că nX ∈ (0, n), P−a.s., deci, pentru
orice x ∈ (0, 1),
adică
limn→∞ FXn (x) = x, x ∈ (0, 1) .
Prin urmare,
5.5.6 Fie o v.a. X de tip continuu cu densitatea f, care ia valori în (0, 1), P−a.s..
g (nX) , n ∈ N∗ , unde244
Definim s, irul de v.a. (Xn )n∈N∗ prin Xn = frac
def
frac
g (nX) == nX − TnXU
iar TnXU este întregul aleator cel mai apropiat de v.a. nX, i.e. partea întreagă
a v.a. (nX + 1/2) .
Să se arate că s, irul (Xn )n∈N∗ converge245 în funct, ia de repartit, ie la o v.a.
Y ∼ U (−1/2, 1/2) , pentru n → ∞.
Rezolvare:
g (nX) ∈ [−1/2, 1/2), obt, inem că FX (x) = 0, dacă x < −1/2
Deoarece frac n
s, i FXn (x) = 1, dacă x ≥ 1/2.
Calculăm
deci
n o
k − 1 ≤ nX < k , frac
g (nX) ≤ x
= {k − 1 ≤ nX ≤ x + (k − 1)} ∪ {k − 1/2 ≤ nX ≤ x + k} .
k − 1/2 ≤ x + k <k
k − 3/2 ≤ x + (k − 1) < k − 1
s, i, conform (5.34),
k − 1/2 x + k
Aplicând o teoremă de medie, avem că există ξn,k ∈ , ⊆
x+k
n n
k − 1/2 k Z n x + 1/2
, astfel încât f (y) dy = f (ξn,k ), deci
n n k−1/2
n
n
Xnx + 1/2 1 Xn 1
FXn (x) = f (ξk,n ) = x + f (ξk,n )
k=1 n 2 k=1 n
Z 1
1 1
→ x+ f (y) dy = x + , pentru n → ∞,
2 0 2
adică
limn→∞ FXn (x) = x, x ∈ [−1/2, 0).
Pe de altă parte, dacă x ∈ [0, 1/2), atunci
s, i, conform (5.34),
k − 1 x + k − 1
Aplicând o teoremă de medie, avem că există ξn,k ∈ , ⊆
x+(k−1)
n n
k − 1 k − 1/2 Z n x
, astfel încât f (y) dy = f (ξn,k ) s, i respectiv există
n n k−1
n
n
526 5. Şiruri de variabile aleatoare. Convergenţe
k − 1/2 k Z nk
1/2
ηn,k ∈ , astfel încât f (y) dy = f (ηn,k ), deci
n n k−1/2
n
n
Xn x Xn 1/2
FXn (x) = f (ξk,n ) + f (ηk,n )
k=1 n k=1 n
Xn 1 1 Xn 1
=x f (ξk,n ) + f (ηk,n )
k=1 n 2 k=1 n
Z 1 Z 1
1
→x f (y) dy + f (y) dy
0 2 0
1
= x + , pentru n → ∞,
2
adică
limn→∞ FXn (x) = x, x ∈ [0, 1/2).
Prin urmare,
limn→∞ FXn (x) = FY (x) , pentru orice x ∈ R,
unde FY este dată de (3.30).
5.5.7 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu Xk ∼ U[0, 1], k ∈ N∗ . Să definim
Yn = min (X1 , X2 , . . . , Xn ) , n ∈ N∗ .
(a) Să se determine funct, ia de repartit, ie asociată v.a. Yn .
(b) Să se arate că s, irul (nYn )n∈N∗ converge în funct, ia de repartit, ie la o v.a. Y ∼
Exp(1), pentru n → ∞.
Rezolvare:
(a) Vezi Exercit, iul 3.6.31.
(b) Folosind Definit, ia 5.21 a convergent, ei în funct, ia de repartit, ie precum s, i
forma (3.39) a funct, iei de repartit, ie asociată v.a. Y, i.e. FY (y) = 1 − e−y , trebuie
să arătăm că
limn→∞ FnYn (y) = FY (y) , y ∈ R.
Pentru aceasta folosim punctul (a) s, i faptul că
FnYn (y) = P (nYn ≤ y) = P (Yn ≤ y/n) = FYn (y/n) .
Deci trebui să arătăm că
limn→∞ FYn (y/n) = 1 − e−y , y ∈ R.
5.5. Exerciţii rezolvate 527
5.5.8 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu Xk ∼ U[0, 1], k ∈ N∗ . Să definim
Zn = max (X1 , X2 , . . . , Xn ) , n ∈ N∗ .
P (X1 = 0) = 1
s, i √ √
− k 0 k
Xk : , k ≥ 2.
1 2 1
1−
k k k
Să se arate că s, irul dat verifică LSNM.
Rezolvare:
0
Evident, X1 : iar E (X1 ) = E X12 = D2 (X1 ) = 0.
1
Pentru orice k ≥ 2,
Deoarece s, irul D2 (Xk ) k∈N∗ este mărginit, sunt satisfăcute condit, iile din Coro-
larul 5.64 s, i obt, inem concluzia, i.e.
Pn
k=1 Xk P
−−→ 0, pentru n → ∞.
n
Să observăm, în plus, că sunt satisfăcute s, i condit, iile din Propozit, ia 5.75 (dacă
impunem ca v.a. să fie independente în ansamblu), deci s, irul dat verifică s, i
LTNM. Se poate aplica s, i Teorema 5.80, caz în care este suficientă independent, a
două câte două.
5.5.10 Fie (Xk )k∈N∗ un s, ir de v.a. independente două câte două s, i date de
P (X1 = 0) = 1
528 5. Şiruri de variabile aleatoare. Convergenţe
s, i √ √
− ln k ln k
Xk : , k ≥ 2.
1 1
2 2
Să se arate că s, irul dat verifică LSNM.
Rezolvare:
Să calculăm E (X1 ) = E X12 = D2 (X1 ) = 0 iar pentru orice k ≥ 2,
E Xk2 = D2 (Xk ) = ln k .
E (Xk ) = 0,
Observăm că s, irul D2 (Xk ) k∈N∗ nu este mărginit, dar putem utiliza Corolarul
5.64.
Într-adevăr, aplicând Lema lui Stolz-Cezaro246 obt, inem
Pn Pn Pn
D2 ( k=1 Xk ) 2
k=1 D (Xk ) ln k
limn→∞ = limn→∞ = limn→∞ k=12
n2 n2 n
ln (n + 1)
= limn→∞ 2 = 0.
(n + 1) − n2
5.5.11 Fie (Xk )k∈N∗ un s, ir de v.a. independente două câte două cu E (Xk ) = 0
s, i D2 (Xk ) = k λ , k ≥ 1 s, i λ ∈ (0, 1). Să se arate că s, irul dat verifică LSNM.
Rezolvare:
Avem
Pn Pn Pn
D2 ( k=1 Xk ) k=1 D2 (Xk ) k=1 kλ
limn→∞ = limn→∞ = limn→∞
n2 n2 n2
λ
(n + 1)
= limn→∞ 2 = 0,
(n + 1) − n2
5.5.12 Fie (Xk )k∈N∗ un s, ir de v.a. independente două câte două s, i cu densităt, ile
1 (x−θ k )2
− √
fk (x) = √ √ e k , θ ∈ [0, 1).
π4k
Să se arate că s, irul dat verifică LSNM.
Rezolvare:
k
Să calculăm, folosind substitut, ia x−θ
k1/4
= x,
Z ∞ (x−θ k )2
Z ∞
1 − √ 1 0 2
E (Xk ) = √ √ 4
xe k dx = √ (k 1/4 x0 + θk )e−(x ) dx0
π k −∞ π −∞
√ Z ∞ ∞
4
θk
Z
k 2 2
= √ xe−x dx + √ e−x dx = θk .
π −∞ π −∞
Sn
Să definim Yn = n iar funct, ia caracteristică asociată este, t, inând cont de Re-
marca 4.28,
1 t n
ϕYn (t) = ϕSn t = pei n + q ,
n
t
deci ln ϕYn (t) = n ln(pei n + q).
Să calculăm acum limita
1
itpeitα
ln peitα + q peitα +q itp
limα→0 = limα→0 = = itp.
α 1 p+q
Deci n
t
limn→∞ ϕYn (t) = limn→∞ pei n + q = eitp = ϕY (t) ,
p
unde Y : este v.a. constantă.
1
ϕ
Am obt, inut, prin urmare, că Yn −−→ p, pentru n → ∞ s, i, folosind Teorema
F
5.46, deducem că Yn −−−→ p, pentru n → ∞. Deoarece limita este v.a. constantă
P
obt, inem, conform Teoremei 5.43, convergent, a în probabilitate Yn −−→ p.
Rezolvare:
1 1
Avem E (Xk ) = k s, i D2 (Xk ) = 1 − k2 . Deoarece
X∞ D2 (Xk ) X∞ 1 X∞ 1
2
= 2
− < ∞,
k=1 k k=1 k k=1 k 4
5.5.15 Fie s, irul de v.a. (Xk )k∈N∗ de tip i.i.d., cu Xk ∼ B(1, p), unde k ∈
Xn 1 Xn
N∗ , S n = Xk s, i X̄n = Xk , unde n ∈ N∗ .
k=1 n k=1
(a) Să se determine s, i să se justifice tabloul de repartit, ie al v.a. Sn .
(b) Să se determine funct, ia caracteristică a v.a. Xk s, i Sn s, i apoi, folosind funct, ia
caracteristică, să se determine media s, i dispersia v.a. Xk s, i Sn .
(c) Să se determines, i să se justifice limita în probabilitate s, i limita aproape
sigură a s, irului X̄n n∈N∗ . Să se interpreteze rezultatul.
fn P
−−→ p, pentru n → ∞,
n
adică, pentru orice > 0, are loc
fn
limn→∞ P − p ≥ = 0.
n
fn
Prin urmare, aplicând inegalitatea (2.42) a lui Cebâs, ev v.a. , obt, inem inega-
n
fn fn pq/n
litatea P − E ≥ ≤ 2 , deci
n n
fn pq
P − p ≥ ≤ 2 → 0, pentru n → ∞.
n n
5.5.18 Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d., repartizate Poisson P(1), reprezen-
Xn
tând numărul de erori de la pagina k ∈ N∗ , s, i Sn = Xk , unde n ∈ N∗ .
k=1
(a) Să se determine funct, ia caracteristică a v.a. Xk s, i Sn s, i apoi, folosind funct, ia
caracteristică, să se determine media s, i dispersia v.a. Xk s, i Sn .
(b) Să se determine s, i să se justifice (folosind, eventual, funct, ia caracteristică)
tabloul de repartit, ie al v.a. X1 + X2 s, i apoi Sn .
(c) Să se determine s, i să se justifice limita în probabilitate s, i limita aproape
sigură a s, irului Snn n∈N∗ . Folosind legăturile dintre tipurile de convergent, e să
se determine s, i limita în funct, ia caracteristică a s, irului Snn n∈N∗ .
(d) Să se scrie funct, ia de repartit, ie F Sn asociată v.a. Snn . Folosind legăturile
n
dintre tipurile de convergent , e să se determine s, i limita în funct, ia de repartit, ie
a s, irului Snn n∈N∗ .
5.5. Exerciţii rezolvate 533
Mai precis, să se determine limita s, irului de funct, ii FSn /n si
n∈N∗ ,
apoi
limita248
Xnt nk
limn→∞ e−n , unde t ∈ R.
k=0 k!
Sn P Sn a.s. Tn P
(a) Să se arate că −−→ 0, −−−−→ 0 s, i −−→ 0.
n n n
1 + Xk Sn + n
(b) Să se determine tipul distribut, iei v.a. s, i apoi al v.a. .
2 2
(c) Să se arate că
a t a t
1 n
limn→∞ cos · . . . · cos = 1, pentru orice t ∈ R.
n n
Rezolvare:
(a) Avem E (Xk ) = 0 s, i D2 (Xk ) = 1, deci
E (Sn ) = 0,
Xn
E (Tn ) = ak E (Xk ) = 0,
k=1
Xn
D2 (Sn ) = D2 (Xk ) = n,
k=1
Xn Xn
D2 (Tn ) = a2k D2 (Xk ) = a2k .
k=1 k=1
Sn P
Deoarece s, irul D2 (Xk ) k∈N∗ este mărginit, obt, inem n −−→ 0 conform Coro-
larului 5.64.
Sn a.s.
Utilizând249 Remarca 5.76 obt, inem s, i n −−−−→ 0.
Pe de altă parte, aplicând Lema lui Stolz-Cezaro obt, inem
Pn
D2 (Tn ) k=1 ak
2 a2n+1
limn→∞ = limn→∞ = lim n→∞ 2
n2 n2 (n + 1) − n2
a 2 n+1
n+1
= limn→∞ √ · limn→∞ = 0.
n+1 2n + 1
Deci, conform Corolarului 5.63, s, irul (ak Xk )k∈N∗ satisface LSNM s, i astfel obt, i-
Tn P
nem n −−→ 0.
Evident, convergent, a în probabilitate se obt, ine s, i prin aplicarea directă a
inegalităt, ii (2.43) a lui Cebâs, ev:
D2 Tnn
Tn
P < ≥1−
→ 1, pentru n → ∞.
n 2
Sn +n
(b) Să arătăm că 2 ∼ B (n, 1/2) folosind funct, ia carateristică.
t t
Vom calcula ϕ Sn +n folosind ϕXk (t) = 12 e−i 2 + 12 ei 2 , pentru orice k ∈ N∗ s, i
2
t∈R:
Yn
ϕ Sn +n (t) = ϕ Pnk=1 Xk +n (t) = ϕPn 1+Xk (t) = ϕ 1+Xk (t)
2 2 k=1 2 k=1 2
Yn 1+Xk
Yn t
t
= E eit 2 = ei 2 E ei 2 Xk
k=1 k=1
nt
Yn t nt
t n
= ei 2 ϕXk = ei 2 ϕX1
k=1 2 2
nt
1 t 1 t
n 1 1 n
= ei 2 e−i 2 + ei 2 = eit + .
2 2 2 2
Folosind (4.9), observăm că am obt, inut
1 1 n
ϕ Sn +n (t) = eit + = ϕU (t), unde U ∼ B (n, 1/2) ,
2 2 2
249 Evident, deoarece v.a. (Xk )k sunt de tip i.i.d., putem aplica Teorema 5.80, deci pentru a obt, ine
LTNM nu mai este necesară independent, a în ansamblu ci este suficientă independent, a două
câte două a v.a..
5.5. Exerciţii rezolvate 535
(c) Folosind legăturile dintre convergent, e date de Teorema 5.42 s, i Remarca 5.47
avem
Dar ϕ0 (t) = E eit·0 = 1 iar
Yn
ϕ Tn (t) = ϕ Pnk=1 ak Xk (t) = ϕPn a k Xk (t) = ϕ ak Xk (t)
n n k=1 n k=1 n
Yn ak Xk Yn a t Yn a t
k k
= E eit n = ϕXk = cos ,
k=1 k=1 n k=1 n
deoarece ϕXk (t) = eit(−1) 12 + eit 12 = 1
eit + e−it = cos t.
2
Relat, ia (5.36) devine (limita se poate scrie s, i sub forma unui produs infinit):
Y∞ a t Yn a t
k k
cos = limn→∞ cos = 1,
k=1 n k=1 n
pentru orice t ∈ R.
Pn
s, i fie Sn = k=1 Xk , unde n ∈ N∗ .
Să se arate că:
Sn P Sn a.s.
(a) −−→ 0, −−−−→ 0;
n n
t 2α t n α t
(b) limn→∞ cos · cos · . . . · cos = 1,
n n n
pentru orice t ∈ R.
Rezolvare:
(a) Avem E (Xk ) = 0 s, i D2 (Xk ) = k 2α , deci
E (Sn ) = 0,
Xn Xn
D2 (Sn ) = D2 (Xk ) = k 2α ,
k=1 k=1
deoarece 1 − 2α > 0.
Sn P
Deci, conform Corolarului 5.63, obt, inem n −−→ 0.
Avem s, i
Xn D2 (Xk ) Xn k 2α Xn 1
2
= 2
= < ∞,
k=1 k k=1 k k=1 k 2−2α
deoarece 2 − 2α > 1.
Sn a.s.
Deci, conform Propozit, iei 5.75, obt, inem s, i n −−−−→ 0.
(b) Folosind legăturile dintre convergent, e date de Teorema 5.42 s, i Remarca 5.47
avem
limn→∞ ϕ Sn (t) = ϕ0 (t) = 1, pentru orice t ∈ R.
n
5.5. Exerciţii rezolvate 537
Dar
Yn
ϕ Sn (t) = ϕ Pnk=1 Xk (t) = ϕPn Xk (t) = ϕ Xk (t)
n n k=1 n k=1 n
Yn Xk Yn t Yn kα t
= E eit n = ϕXk = cos ,
k=1 k=1 n k=1 n
α α
)1 1
deoarece ϕXk (t) = eit(−k 2 + eitk 2 = cos (k α t) .
Astfel obt, inem (limita se poate scrie s, i sub forma unui produs infinit):
Y∞ kα t Yn kα t
cos = limn→∞ cos = 1,
k=1 n k=1 n
pentru orice t ∈ R.
5.5.21 Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d., cu Xk ∼ U[−1, 1], unde k ∈ N∗ s, i
1 Xn √ 3
Yn = kXk , unde n ∈ N∗ .
n k=1
P
(a) Să se arate că Yn −−→ 0, pentru n → ∞.
(b) Să se determine funct, iile caracteristice ϕY1 , ϕY2 , ϕY3 . Folosind (a) s, i legă-
turile dintre tipurile de convergent, e să se arate că
√ √
" #
nn 1 3
2 3
n
limn→∞ √ 3
sin · sin · . . . · sin = 1.
n! n n n
an
5.5.22 Fie (ak )k∈N∗ un s, ir de numere pozitive astfel încât limn→∞ √ n
= 0 s, i
(Xk )k∈N∗ un s, ir de v.a. de tip i.i.d. (independent, a este în ansamblu), cu Xk ∼
U [−1, 1] , k ∈ N∗ .
Să definim
Xn Xn
Sn = Xk , Tn = ak Xk , unde n ∈ N∗ .
k=1 k=1
Rezolvare:
Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu Xk ∼ U[0, 1], k ∈ N∗ .
(a) Să observăm că integrala multiplă din enunt, este, de fapt (conform unei
formule de transfer), o medie, mai precis,
Pn Z Z
k=1 Xk x1 + . . . + xn
E f = ··· f dx1 . . . dxn .
n [0,1]n n
Având în vedere Teorema 5.72 s, i Teorema 5.80 deducem că (Xk )k∈N∗ satisface
LSNM s, i respectiv LTNM, deci
Pn
k=1 Xk a.s. 1
−−−−→ E (X1 ) = , pentru n → ∞.
n 2
Folosind Teorema 5.42 s, i caracterizarea dată de Teorema 5.25, obt, inem
Pn
k=1 Xk 1 1
limn→∞ E f =E f =f .
n 2 2
(b) Să observăm că integrala multiplă din enunt, este, de fapt (conform unei
formule de transfer), o medie, mai precis,
r !! Z
√
Yn Z
n
E f Xk = ··· f ( n x1 · . . . · xn ) dx1 . . . dxn .
k=1 [0,1]n
5.5.24 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu Xk ∼ U[0, 1], k ∈ N∗ . Fie
Z 1
h : [0, 1] → R o funct, ie măsurabilă astfel încât |h (x) |dx < ∞. Să se arate
0
că251 Pn Z 1
k=1 h (Xk ) a.s.
−−−−→ h (x) dx, pentru n → ∞.
n 0
251 Acest algoritm de aproximare a valorii integralei 01 h (x) dx este un exemplu standard din
R
cadrul metodei Monte-Carlo de aproximare a integralelor.
Astfel putem să aproximăm valoarea unei integrale pe [0, 1] utilizand doar v.a. de tip uniform
pe (0, 1).
Mai precis, dacă generăm mai întâi, prin diverse alte metode cunoscute,
es, antionul de valori x1 , . . . , xn al unei v.a. X ∼ U(0, 1),
Pn
k=1 h(xk )
atunci, conform rezultatului teoretic demonstrat, valoarea n
va reprezenta o aproxi-
mare a integralei 01 h (x) dx.
R
Dacă se consideră s, irul (Xk )k∈N∗ de v.a. de tip i.i.d., distribuite uniform pe domeniul D ⊂ Rd ,
1
R
atunci, în mod similar, se obt, ine o estimarea a integralei multiple λ(D) D h (x) dx, unde λ este
Pn
d k=1 h(Xk ) a.s. 1
R
măsura Lebesgue pe R , mai precis n
−−−−→ λ(D) D h (x) dx, pentru n → ∞.
540 5. Şiruri de variabile aleatoare. Convergenţe
Rezolvare:
Să observăm că integrala din enunt, este, de fapt, o medie, mai precis,
Z 1
E (h (X)) = h (x) dx, pentru orice X ∼ U[0, 1].
0
Să observăm că s, irul de v.a. (h (Xk ))k∈N∗ este, de asemenea, de tip i.i.d.. Prin
urmare, aplicând Teorema 5.72 s, i Teorema 5.80, obt, inem că s, irul (h (Xk ))k∈N∗
satisface LSNM s, i respectiv LTNM.
Deci Pn
k=1 h (Xk ) a.s.
−−−−→ E (h (X1 )) , pentru n → ∞.
n
5.5.25 Care este probabilitatea ca la 500 de aruncări ale unui zar frecvent, a ab-
solută de aparit, ie a fet, ei 6 să fie cel mult 90?
Rezolvare:
Să definim v.a. S500 care are drept valori numărul de aparit, ii ale fet, ei 6 la
aruncarea de 500 de ori a unui zar.
Evident, S500 ∼ B (500, 1/6) . Conform (2.50),
1 5
E (S500 ) = 500 · s, i D2 (S500 ) = 500 · .
6 36
Se cere determinarea probabilităt, ii
P (S500 ≤ 90) .
Să observăm că nu mai putem aplica inegalitatea lui Cebâs, ev deoarece aceasta
ne dă doar estimări de tipul
90−500/6
Vom lua a = −∞ s, i b = √ = 45 , deci
500·5/36
!
S500 − 500/6 90 − 500/6
P (S500 ≤ 90) = P p ≤p
500 · 5/36 500 · 5/36
!
S500 − 500/6 4
=P p ≤
500 · 5/36 5
4
'Φ − Φ (−∞) = Φ (0.8) − 0 = 0.788145.
5
5.5.26 Care este probabilitatea ca la 300 de aruncări ale unui zar frecvent, a ab-
solută de aparit, ie a fet, ei 1 să fie între 60 s, i 70?
5.5.27 Care este probabilitatea ca la 100 de aruncări ale unei monede frecvent, a
absolută de aparit, ie a stemei să fie cuprinsă între 40 s, i 60?
Rezolvare:
Să definim v.a. S100 ∼ B (100, 1/2) care are drept valori numărul de aparit, ii
ale stemei la 100 de aruncări ale unei monede. Conform (2.50),
Să observăm că putem aplica inegalitatea lui Cebâs, ev deoarece ne interesează
ca S100 să ia valori în intervalul centrat
D2 (S100 ) 25
P (|S100 − E (S100 )| < ) ≥ 1 − 2
=1− = 0.75.
100
5.5.28 Avem o v.a. cu media 4.0 s, i deviat, ia standard 1.5. Dacă se ia un es, antion
de volum 50, care este probabilitatea ca media X̄50 să fie între 3.5 s, i 3.8?
Rezolvare:
Se cere determinarea probabilităt, ii P 3.5 ≤ X̄50 ≤ 3.8 .
În cazul nostru vom folosi relat, ia (5.26)
X̄50 − µ σ σ
P a< √ ≤ b = P a √ + µ < X̄50 ≤ b √ + µ
σ/ n n n
' Φ (b) − Φ (a) ,
5.5.29 Să presupunem că X reprezintă numărul mediu de accesări ale contului
de către client, ii unei bănci s, i că v.a. X are media 3.2 s, i deviat, ia standard 2.4. Se
alege un es, antion de 100 de client, i. Care este probabilitatea ca valoarea medie
X̄100 a numărului de accesări să fie mai mare decât 4?
5.5. Exerciţii rezolvate 543
Rezolvare:
Avem es, antionul X1 , . . . , X100 (vezi s, i Remarca 5.88) de v.a. de tip i.i.d.,
urmând distribut, ia v.a. X.
P100
Xi
Pentru a estima P X̄100 > 4 , unde X̄100 = i=1 100 , se utilizează
relat, ia
(5.26). Este necesar s, i calculul mediei E X̄100 s, i a dispersiei D2 X̄100 .
5.5.30 Să presupunem că X reprezintă numărul mediu de accesări ale unei
pagini de internet a unui magazin online s, i că v.a. X are media 4.3 s, i deviat, ia
standard 1.8. Se alege un es, antion de 100 de utilizatori de internet. Care este
probabilitatea ca valoarea medie X̄100 a numărului de accesări să fie mai mare
decât 6?
5.5.31 De câte ori trebuie să aruncăm o monedă astfel încât să obt, inem cu o
probabilitate de 0.99 ca frecvent, a relativă a aparit, iei stemei să fie între 48% s, i
52%?
Rezolvare:
Se cere determinarea probabilităt, ii
P 0.48 ≤ X̄n ≤ 0.52 .
Deci 2
2.57
Φ (b) = 0.995 ⇒ b = 2.57 ⇒ n= = 4128.1
0.04
(de fapt, alegem n = 4129 ∈ N∗ ).
544 5. Şiruri de variabile aleatoare. Convergenţe
5.5.32 De câte ori trebuie să aruncăm un zar astfel încât să obt, inem, cu o pro-
1
babilitate de 0.99, ca frecvent, a relativă a aparit, iei fet, ei 6 să fie între − 0.05 s, i
6
1
+ 0.05?
6
Rezolvare:
Se cere determinarea probabilităt, ii
1 1
P − 0.05 ≤ X̄n ≤ + 0.05 .
6 6
În cazul nostru vom folosi relat, ia (5.26) sau (5.27) cu p = 1/6, q = 5/6 :
√ √
X̄n − p pq pq
P a < √ √ ≤ b = P a √ + p < X̄n ≤ b √ + p
pq/ n n n
' Φ (b) − Φ (a) ,
Obt, inem
1 1
0.99 = P − 0.05 ≤ X̄n ≤ + 0.05 ' Φ (b) − Φ (−b) = 2Φ (b) − 1,
6 6
deci
2
2.57
Φ (b) = 0.995 ⇒ b = 2.57 ⇒ n= = 366.74
0.1342
Să observăm că putem aplica inegalitatea lui Cebâs, ev deoarece ne intere-
sează ca X̄n să ia valori în intervalul centrat
E X̄n − , E X̄n + = (1/6 − 0.05, 1/6 + 0.05) ,
5.5. Exerciţii rezolvate 545
547
548 Indice de nume
553
554 Bibliografie
[13] George Ciucu, Gabriel Sîmboan, Teoria probabilităt, ilor s, i statistică matemati-
că. Culegere de probleme, Editura Tehnică, Bucures, ti, 1962.
[14] George Ciucu, Constantin Tudor, Probabilităt, i s, i procese stochastice, vol. I,
Editura Academiei, Bucures, ti, 1978.
[15] George Ciucu, Constantin Tudor, Teoria probabilităt, ilor s, i aplicat, ii, Editura
S, tiint, ifică s, i Enciclopedică, Bucures, ti, 1983.
[16] Jay Devore, Probability and Statistics for Engineering and the Sciences (Ninth
Edition), Cengage Learning, Boston, 2016.
[17] Jay L. Devore, Kenneth N. Berk, Modern Mathematical Statistics with Appli-
cations (Second Edition), series: Springer Texts in Statistics, Springer New
York, 2012.
[18] Monica Dumitrescu, Dorel Florea, Constantin Tudor, Probleme de teoria
probabilităt, ilor s, i statistică matematică, Editura Tehnică, Bucures, ti, 1985.
[19] Rick Durrett, Probability. Theory and Examples (Fourth Edition), Cambridge
University Press, Cambridge, 2010.
[20] William Feller, An Introduction to Probability Theory and Its Applications
(Third Edition), volume I, John Wiley, New-York, 1968.
[21] William Feller, An Introduction to Probability Theory and Its Applications (Se-
cond Edition), volume II, John Wiley, New-York, 1971.
[22] Grigorij Mihajlovič Fihtenholt, , Curs de calcul diferent, ial s, i integral, vol. II,
Editura Tehnică, Bucures, ti, 1964.
[23] Ionut, Florescu, Probability and Stochastic Processes, John Wiley & Sons, New
Jersey, 2015.
[24] Ionut, Florescu, Ciprian A. Tudor, Handbook of Probability, John Wiley &
Sons, New Jersey, 2014.
[25] Hans Föllmer, Alexander Schied, Stochastic Finance. An Introduction in Dis-
crete Time (Second Edition), Walter de Gruyter, Berlin, 2004.
[26] Bet Fristedt, Lawrence Gray, A Modern Approach to Probability Theory,
Birkhäuser Boston, 1997.
[27] Robert G. Gallager, Stochastic Processes. Theory Theory for Applications,
Cambridge University Press, New York, 2013.
[28] Geoffrey R. Grimmett, David R. Stirzaker, One Thousand Exercises in Pro-
bability, Oxford University Press, New-York, 2001.
Bibliografie 555