Probability Theory PDF

Lucian MATICIUC
T EORIA P ROBABILITĂT, ILOR

– T EORIE S, I A PLICAT, II –
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
2 Variabile aleatoare discrete . . . . . . . . . . . . . . . . . . . . . . . . 103

2.1 Variabile aleatoare. Generalităţi . . . . . . . . . . . . . . . . . . . 103
2.2 Variabile aleatoare discrete cu un număr finit de valori . . . . . 114
2.2.1 Operaţii cu variabile aleatoare . . . . . . . . . . . . . . . 121
2.2.2 Caracteristici numerice . . . . . . . . . . . . . . . . . . . . 123
2.2.3 Exemple de v.a. discrete . . . . . . . . . . . . . . . . . . . 149
iv Cuprins
Distribuţia uniformă discretă . . . . . . . . . . . . . . . 149

Distribuţia Poisson (cu un număr finit de valori) . . . . 150
Distribuţia Bernoulli . . . . . . . . . . . . . . . . . . . . 151
Distribuţia binomială . . . . . . . . . . . . . . . . . . . 154
Distribuţia hipergeometrică . . . . . . . . . . . . . . . . 159
2.3 Variabile aleatoare discrete cu un număr infinit de valori . . . . 167
2.3.1 Caracteristici numerice . . . . . . . . . . . . . . . . . . . . 169
2.3.2 Exemple de v.a. discrete . . . . . . . . . . . . . . . . . . . 172
Distribuţia Poisson (cu un număr infinit de valori) . . . 172
Distribuţia geometrică . . . . . . . . . . . . . . . . . . . 177
Distribuţia binomială cu exponent negativ . . . . . . . 180
3 Variabile aleatoare continue . . . . . . . . . . . . . . . . . . . . . . . 221

3.1 Densitatea de repartiţie . . . . . . . . . . . . . . . . . . . . . . . . 221
3.2 Caracteristici numerice . . . . . . . . . . . . . . . . . . . . . . . . 238
3.3 Exemple de v.a. continue . . . . . . . . . . . . . . . . . . . . . . . 259
3.3.1 Distribuţia uniformă . . . . . . . . . . . . . . . . . . . . . 259
3.3.2 Distribuţia exponenţială . . . . . . . . . . . . . . . . . . . 269
3.3.3 Distribuţia normală . . . . . . . . . . . . . . . . . . . . . . 274
Densitatea de repartiţie . . . . . . . . . . . . . . . . . . 275
Funcţia de repartiţie . . . . . . . . . . . . . . . . . . . . 278
3.3.4 Distribuţia Gamma . . . . . . . . . . . . . . . . . . . . . . 287
3.3.5 Distribuţia Student . . . . . . . . . . . . . . . . . . . . . . 294
3.3.6 Distribuţia χ2 . . . . . . . . . . . . . . . . . . . . . . . . . 300
3.3.7 Distribuţia Fisher . . . . . . . . . . . . . . . . . . . . . . . 304
3.4 Vectori aleatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
3.4.1 Distribuţia multinomială . . . . . . . . . . . . . . . . . . 322
3.4.2 Transformări ale vectorilor aleatori . . . . . . . . . . . . . 325
3.5 Relaţii între distribuţii . . . . . . . . . . . . . . . . . . . . . . . . 339
3.6.1 Funcţii de repartiţie. Densităţi de repartiţie . . . . . . . . 348
3.6.2 Valori medii. Momente . . . . . . . . . . . . . . . . . . . 402
4 Funcţia generatoare de momente . . . . . . . . . . . . . . . . . . . . . 425

4.1 Funcţia caracteristică . . . . . . . . . . . . . . . . . . . . . . . . . 431
5 Şiruri de variabile aleatoare. Convergenţe . . . . . . . . . . . . . . . 471

Cuprins v
5.1 Tipuri de convergenţe . . . . . . . . . . . . . . . . . . . . . . . . 471

5.2 Exemple şi contraexemple . . . . . . . . . . . . . . . . . . . . . . 484
5.3 Legea Numerelor Mari . . . . . . . . . . . . . . . . . . . . . . . . 493
5.4 Teorema Limită Centrală . . . . . . . . . . . . . . . . . . . . . . . 503
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
Capitolul 1
Spat, ii de probabilitate
1.1 Evenimente s, i operat, ii cu evenimente

Printr-o experient, ă aleatoare E înt, elegem acea experient, ă în care intervine
întâmplarea. Rezultatele posibile ale unei experient, e aleatoare E se numesc
probe sau cazuri posibile ale experient, ei s, i le vom nota cu ω.
Numim eveniment aleator (atas, at unei experient, e) sau, mai simplu, eveni-
ment orice situat, ie care se poate realiza prin una sau mai multe probe s, i despre
care putem spune cu certitudine că s-a produs sau nu.
Evenimentul elementar este un eveniment care se realizează printr-o sin-
gura probă a experient, ei. Evenimentul compus este acel eveniment care se
realizează prin mai multe probe. Evenimentul sigur este acel eveniment care
se realizează cu certitudine la fiecare efectuare a experient, ei, adică prin oricare
dintre probe. Evenimentul imposibil este evenimentul care nu se realizează
prin nici o probă a experient, ei. Evenimentul complementar (sau contrar) unui
eveniment dat este evenimentul care se realizează atunci s, i numai atunci când
nu se realizează evenimentul dat.
Evenimentele legate de o experient, ă E se notează cu litere cu majusculă
A, B, C, D, . . .
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
un element al mult, imii1 P (Ω) a părt, ilor lui Ω.

Mult, imea tuturor evenimentelor asociate experient, ei E se notează cu F,
prin urmare F va fi o submult, ime a mult, imii părt, ilor P (Ω) (dar F nu coincide
neapărat cu întreaga mult, ime a părt, ilor).
Mult, imea Ω se numes, te s, i evenimentul sigur, ∅ este evenimentul imposi-
bil, iar evenimentul complementar (sau contrar) lui A se va nota cu Ā. Avem,
evident,
Ω̄ = ∅, ∅ = Ω, A = A.
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
orice probă care realizează evenimentul A, realizează s, i evenimentul B. Are

loc, evident, A ⊂ Ω s, i ∅ ⊂ A, oricare ar fi evenimentul A.
Date două evenimente A s, i B numim reuniunea lor (notată A ∪ B) eveni-
mentul care se realizează atunci când se realizează cel put, in unul dintre eveni-
mentele A s, i B.
Se numes, te intersect, ia evenimentelor A s, i B (notată A ∩ B) evenimentul
care se realizează atunci când se realizează simultan evenimentele A s, i B.
Vom numi diferent, a a două evenimente (notată A \ B) evenimentul dat de
def
A \ B == A ∩ B̄.
Evenimentele A s, i B se numesc compatibile dacă se pot realiza simultan, adică

dacă există probe care duc simultan atât la realizarea lui A cât s, i a lui B. În caz
contrar evenimentele se numesc incompatibile sau disjuncte (i.e. ele nu se
pot realiza simultan). Deci evenimentele A s, i B se numesc incompatibile sau
disjuncte dacă A ∩ B = ∅.
Propozit, ia 1.3 (Proprietăt, i ale operat, iilor)

1. Dacă A, B ∈ F astfel încât A ⊂ B, atunci A ∪ B = B s, i A ∩ B = A.
2. Pentru orice A ∈ F,
A ∪ A = A, A ∪ ∅ = A, A ∪ Ā = Ω, A ∪ Ω = Ω, Ω ∪ ∅ = Ω,
A ∩ A = A, A ∩ ∅ = ∅, A ∩ Ā = ∅, A ∩ Ω = A, Ω ∩ ∅ = ∅.
3. Dacă A, B, C ∈ F astfel încât A ⊂ C s, i B ⊂ C, atunci A ∪ B ⊂ C s, i A ∩ B ⊂ C.

4. Pentru orice A, B ∈ F,
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.
6. Pentru orice A, B, C ∈ F au loc următoarele proprietăt, i de distributivitate2
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) , A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) .
7. Legile lui De Morgan3 : pentru orice A, B ∈ F,
(1.1) A ∪ B = Ā ∩ B̄ s, i A ∩ B = Ā ∪ B̄.
Exemplul 1.4 Fie evenimentele (Ai )i=1,n .

(i) Evenimentul ca nici unul dintre evenimentele (Ai )i=1,n să nu aibă loc este
dat de
Ā1 ∩ Ā2 ∩ . . . ∩ Ān .
Să observăm că evenimentul complementar acestuia este Ā1 ∩ Ā2 ∩ . . . ∩ Ān s, i
reprezintă evenimentul ca cel put, in unul dintre evenimentele (Ai )i=1,n să aibă
loc.
(ii) Deci evenimentul ca cel put, in unul dintre evenimentele (Ai )i=1,n să aibă
loc este dat de
A1 ∪ A2 ∪ . . . ∪ An .

Exemplul 1.5 Fie evenimentele A, B, C. Vom exprima următoarele evenimente

utilizând evenimentele A, B, C s, i operat, ii între ele:
(a) Doar A are loc:
A ∩ B̄ ∩ C̄;
(b) Nici un eveniment nu are loc:
Ā ∩ B̄ ∩ C̄;
(c) Exact un singur eveniment are loc:

A ∩ B̄ ∩ C̄ ∪ Ā ∩ B ∩ C̄ ∪ Ā ∩ B̄ ∩ C ;
(d) Doar două evenimente au loc:

A ∩ B ∩ C̄ ∪ A ∩ B̄ ∩ C ∪ Ā ∩ B ∩ C ;
2 Proprietăt, i de distributivitate au loc s, i pentru o reuniune (respectiv intersect, ie) cel mult numara-
bilă de evenimente.
3 Legile lui De Morgan au loc s, i pentru o reuniune cel mult numarabilă de evenimente.
1.2. Spaţiu finit de probabilitate 5
(e) Cel put, in două evenimente au loc:

A ∩ B ∩ C̄ ∪ A ∩ B̄ ∩ C ∪ Ā ∩ B ∩ C ∪ (A ∩ B ∩ C) ;
(f ) Cel mult un eveniment are loc:

Ā ∩ B̄ ∩ C̄ ∪ A ∩ B̄ ∩ C̄ ∪ Ā ∩ B ∩ C̄ ∪ Ā ∩ B̄ ∩ C
(g) Cel put, in un eveniment are loc:
A ∪ B ∪ C = Ā ∩ B̄ ∩ C̄.
1.2 Spat, iu finit de probabilitate

Este natural ca primele probleme aplicative să fie legate de experient, e care
au un număr finit de cazuri posibile; de asemenea, este natural să presupunem
că toate cazurile posibile au aceeas, i s, ansă de aparit, ie.
Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor evenimentelor elementare cores-
punzătoare unei experient, e aleatoare E.
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,
(ii) Dacă A ∈ F, atunci Ā ∈ F,
(iii) Dacă A, B ∈ F, atunci A ∪ B ∈ 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.
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.
Exemplul 1.9 Dacă n este numărul de evenimente elementare, atunci familia

P (Ω) cont, ine 2n evenimente.
Într-adevăr, dacă Ω = {ω1 , ω2 , . . . , ωn }, atunci F = P (Ω) este mult, imea
formată cu toate submult, imile care se pot forma cu maxim n elemente (consi-
derăm s, i mult, imea vidă) s, i este dată de
∅,
{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 .
Propozit, ia 1.10 Au loc următoarele proprietăt, i.

(j) Evident, ∅ = Ω̄ ∈ F.
(jj) Dacă Ai ∈ F, pentru i = 1, r , atunci
[r \r
Ai ∈ F s, i Ai ∈ F.
i=1 i=1
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.
complet de evenimente (sau o partit, ie sau o descompunere a lui Ω) dacă:
(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} .
Definit, ia 1.13 Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor evenimentelor elementare

s, i (Ω, F) un spat, iu finit de evenimente. Fie A ∈ F un eveniment. Numărul P (A) =
m
n , unde m reprezintă numărul probelor care duc la realizarea evenimentului A s, i n
reprezintă numărul tuturor probelor posibile asociate experient, ei, se numes, te proba-
bilitatea evenimentului A, i.e.5
def card (A)

(1.2) P:F→R s, i P (A) == , pentru orice A ∈ F.
card (Ω)
Tripletul (Ω, F, P) se va numi spat, iu finit de probabilitate (sau câmp finit de

probabilitate).
Propozit, ia 1.14 Au loc următoarele proprietăt, i6 , pentru orice A, B ∈ F s, i Ai ∈ F,
5 Cardinalul unei mult, imi A se va nota cu card (A) sau cu |A| .

6 Vezi s, i Propozit, ia 1.36.
pentru i = 1, n.
(i) 0 ≤ P (A) ≤ 1,
(ii) P (Ω) = 1, P (∅) = 0,
(iii) P (A ∪ B) = P (A) + P (B) , dacă A ∩ B = ∅,
(iv) P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ,

(v) P Ā = 1 − P (A) ,
[n Xn
(vi) P Ai = P (Ai ) , unde Ai ∩ Aj = ∅, 1 ≤ i < j ≤ n,
i=1 i=1
(vii) P (A \ B) = P (A) − P (B) , dacă B ⊂ A.
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.
Definit, ia 1.17 Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor evenimentelor elementa-

re, (Ω, P (Ω)) un spat, iu finit de evenimente s, i P dată de (1.2).
Să presupunem că toate evenimentele elementare sunt echiprobabile, i.e. eveni-
mentele elementare au aceas, i s, ansă de a se realiza, adică
1
P ({ω}) = , pentru orice ω ∈ Ω.
card (Ω)
7 Pentru demonstrat, ie vezi pagina 31.
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.
Definit, ia 1.18 (Kolmogorov) Se numes, te probabilitate pe un spat, iu finit de eveni-

mente (Ω, F) o funct, ie P : F → R care satisface condit, iile:
(i) P (A) ≥ 0, oricare ar fi A ∈ F,
(ii) P (Ω) = 1,
(iii) P (A ∪ B) = P (A) + P (B) , oricare ar fi A, B ∈ F, A ∩ B = ∅.
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 1.20 Presupunem ca aruncăm o monedă de trei ori. În acest caz

putem reprezenta rezultatele sub forma unei structuri de tip arbore. O cale în
arbore corespunde unui posibil rezultat al experimentului. Deci dacă aruncăm
o monedă de trei ori vom obt, ine 23 = 8 posibile combinat, ii adică evenimentele
elementare A1 , A2 , . . . , A8 s, i deci Ω = {A1 , . . . , A8 }. Vom presupune că fiecare
rezultat elementar este echiprobabil, adică fiecare are probabilitatea de 1/8.
Fie E evenimentul de a apărea cel put, in o dată capul monedei. Atunci, Ē
înseamnă că nu apare capul monedei niciodată s, i deci Ē = {A8 }, unde A8 =
PPP. Deci
P Ē = P ({PPP}) = 1/8
s, i, prin urmare,
P (E) = 1 − P Ē = 7/8.
Remarcăm că deseori este mult mai us, or să calculăm probabilitatea ca un eveni-
ment să nu se producă decât ca acesta să se producă.
Să notăm cu A evenimentul ca primul rezultat să fie capul monedei s, i B
evenimentul ca al doilea rezultat să fie pajura monedei. Din diagramă se vede
că P (A) = P (B) = 4/8. De asemenea A ∩ B = {A3 , A4 } s, i, prin urmare,
P (A ∩ B) = 1/4. Obt, inem deci
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 1/2 + 1/2 − 1/4 = 3/4.
Evident, se poate vedea din diagramă că

A ∪ B = {CCC, CCP, CPC, CPP, PPC, PPP}
deci prin simpla enumerare se poate vedea că P (A ∪ B) = 6/8.
Să considerăm acum experimentul aruncării a două zaruri.
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.
1.3 Spat, ii de probabilitate

Fie Ω o mult, ime abstractă (numită s, i mult, imea evenimentelor elementare).
Un eveniment aleator (sau eveniment) va fi o submult, ime a lui Ω, deci vom lua
ca mult, ime a evenimentelor o anumită familie de submult, imi a lui Ω, notată
cu F. În Teoria probabilităt, ilor măsurăm s, ansele de aparit, ie a evenimentelor;
deci trebuie să definim acele mult, imi (sau evenimente) care pot fi măsurate. În
acest sens folosim conceptul de σ−algebră peste Ω pentru a obt, ine o colect, ie
de submult, imi ale lui Ω pe care să definim măsura de probabilitate.
Prin urmare, vom cere ca familia F să fie o σ−algebră peste Ω. Proprietăt, ile
cerute sunt cele văzute deja în cazul spat, iului finit de probabilitate.
1.3. Spaţii de probabilitate 11
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,
(ii) dacă A ∈ F, atunci Ā ∈ F,
(iii) dacă A, B ∈ F, atunci A ∪ B ∈ F.
Elemente lui F se numesc evenimente aleatoare sau evenimente.
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
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).
Definit, ia 1.30 Fie F o σ−algebră peste Ω. Se numes, te probabilitate (sau măsura

de probabilitate) o aplicat, ie P : F → R astfel încât
(i) P (A) ≥ 0, oricare ar fi A ∈ F,

[∞ X∞
(ii) P Ai = P (Ai ) , oricare ar fi (Ai )i∈N∗ ⊂ F
i=1 i=1
evenimente incompatibile două câte două,
(iii) P (Ω) = 1.
Remarca 1.31 Condit, ia (ii) este numită proprietatea de numărabilă aditivitate

a măsurii P.
Remarca 1.32 Din definit, ia anterioară se vede că, de fapt, aplicat, ia
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.
Definit, ia 1.34 Fie (Ω, F) un spat, iu măsurabil s, i probabilitatea
P : F → R.
Atunci, tripletul (Ω, F, P) se numes, te spat, iu de probabilitate (sau câmp de pro-

babilitate).
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.
Propozit, ia 1.36 Fie (Ω, F, P) un spat, iu de probabilitate. Au loc următoarele propri-

etăt, i:
(v) probabilitatea evenimentului imposibil este nulă, i.e. P (∅) = 0;

(vi) probabilitatea evenimentului contrar este dată de:

P Ā = 1 − P (A) , oricare ar fi A ∈ F;
(vii) P (A) ≤ P (B) , oricare ar fi A, B ∈ F, astfel încât A ⊆ B;
(viii) P (B \ A) = P (B) − P (A) , oricare ar fi A, B ∈ F, pentru A ⊆ B;
[n Xn
(ix) P Ai = P (Ai ) , oricare ar fi Ai ∈ F, cu i = 1, n,
i=1 i=1
astfel încât Ak ∩ Al = ∅, pentru k, l = 1, n, k 6= l;

(x) finita subaditivitate:
[n Xn
P Ai ≤ P (Ai ) , oricare ar fi Ai ∈ F, pentru i = 1, n.
i=1 i=1
Are loc s, i formula de calcul a probabilităt, ii unei reuniuni de două evenimente:
(xi) P (A ∪ B) = P (A) + P (B) − P (A ∩ B) , oricare ar fi A, B ∈ F,
deci obt, inem s, i formula de calcul a probabilităt, ii unei intersect, ii de două evenimente:
(xii) P (A ∩ B) = P (A) + P (B) − P (A ∪ B) , oricare ar fi A, B ∈ F.
Se obt, ine formula de calcul a probabilităt, ii unei reuniuni de trei evenimente:

0
(xi) P (A ∪ B ∪ C) = P (A) + P (B) + P (C)
−P (A ∩ B) − P (A ∩ C) − P (B ∩ C)
+P (A ∩ B ∩ C) , oricare ar fi A, B, C ∈ F
s, i apoi formula de calcul a probabilităt, ii unei intersect, ii de trei evenimente:

0
(xii) P (A ∩ B ∩ C) = P (A) + P (B) + P (C)
−P (A ∪ B) − P (A ∪ C) − P (B ∪ C)
+P (A ∪ B ∪ C) , oricare ar fi A, B, C ∈ F.
Demonstrat, ie. (x) Să definim

[n
B1 = A1 , B2 = A2 \ A1 , Bn = An \ Ai , pentru orice n ≥ 2.
i=1
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
(xi) Vezi relat, ia (1.7) s, i demonstrat, ia de la pagina 31.

0
(xi) Se obt, ine aplicând (xi) de trei ori.
(xii) Se obt, ine direct din (xi) .
0 0
(xii) Se obt, ine din (xi) s, i (xii) .
Remarca 1.37 Am obt, inut că probabilitatea evenimentului imposibil ∅ este

nulă. Dar să ment, ionăm că, în cazul unui spat, iu de probabilitate infinit, nu
orice eveniment cu probabilitatea nulă8 este evenimentul imposibil; vezi, de
exemplu, relat, ia (3.4) care spune că, în cazul unei variabile aleatoare X : Ω → R
de tip continuu, evenimentul {X = a} este neglijabil, pentru orice a ∈ R, dar,
pe de altă parte, dacă a ∈ X(Ω), atunci {X = a} nu este un eveniment imposi-
bil.
0 0
Remarca 1.38 Formulele (xi) s, i (xii) se pot generaliza la n evenimente. Ast-
fel, se poate demonstra prin induct, ie că, dacă Ai ∈ F, cu i = 1, n, atunci au
loc următoarele formula de calcul a probabilităt, ii unei reuniuni s, i respectiv a
unei intersect, ii de evenimente, numite formulele lui Poincaré sau formulele
de incluziune-excluziune:
[ Xn
00 k+1
X
(xi) P Ai = (−1) P (Ai1 ∩ . . . ∩ Aik )
1≤i≤n k=1 1≤i1 <...<ik ≤n
sau, scris desfăs, urat,

[ X X
P Ai = P (Ai1 ) − P (Ai1 ∩ Ai2 )
1≤i≤n 1≤i1 ≤n 1≤i1 <i2 ≤n
X
+ P (Ai1 ∩ Ai2 ∩ Ai3 )
1≤i1 <i2 <i3 ≤n
n−1
− . . . + (−1) P (A1 ∩ A2 ∩ . . . ∩ An )
s, i
\ Xn
00 k+1
X
(xii) P Ai = (−1) P (Ai1 ∪ . . . ∪ Aik )
1≤i≤n k=1 1≤i1 <...<ik ≤n
sau, scris desfăs, urat,

\ X X
P Ai = P (Ai1 ) − P (Ai1 ∪ Ai2 )
1≤i≤n 1≤i1 ≤n 1≤i1 <i2 ≤n
X
+ P (Ai1 ∪ Ai2 ∪ Ai3 )
1≤i1 <i2 <i3 ≤n
n−1
− . . . + (−1) P (A1 ∪ A2 ∪ . . . ∪ An ) .
8 Spunem că evenimentul A ∈ F este nul sau P−nul sau neglijabil dacă P (A) = 0.
Dacă Ā este eveniment neglijabil (sau, echivalent, P(A) = 1), atunci spunem că evenimentul A se
produce P−aproape sigur (notat P−a.s.) sau P−aproape pentru tot, i ω sau P−aproape peste tot
(notat P−a.p.t.) sau cu probabilitatea 1.
Atunci, când lucrăm pe un spat, iu de probabilitate finit, demonstrarea formu-

lelor de mai sus se bazează, de fapt, pe următoarea versiune a formulei de
incluziune-excluziune (sau principiu de incluziune-excluziune)
[ Xn X
k+1
Ai = (−1) |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 |,
unde |A| = card (A) , pentru A ∈ F.

Similar, avem
\ Xn X
k+1
Ai = (−1) |Ai1 ∪ . . . ∪ Aik |

1≤i≤n k=1 1≤i1 <...<ik ≤n
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 |.
Definit, ia 1.39 Fie (An )n∈N∗ un s, ir de evenimente din F.

Spunem că are loc convergent, a An & A, pentru n → ∞, dacă
\∞
An+1 ⊂ An , pentru orice n ∈ N∗ s, i An = A.
n=1
Spunem că are loc convergent, a An % A, pentru n → ∞, dacă

[∞
An ⊂ An+1 , pentru orice n ∈ N∗ s, i An = A.
n=1
În ambele cazuri putem scrie limn→∞ An = A.

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
Folosind definit, ia (ii) obt, inem

[ [ X∞
P(A) = P Ai = P Bi = P (Bi )
i≥1 i≥1 i=1
Xn [n
= limn→∞ P (Bi ) = limn→∞ P Bi
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].
Apoi, (xiii) implică afirmat, ia (xiv) , conform demonstrat, iei precedente.

Evident, (xiv) implică afirmat, ia (xv) .
Afirmat, ia (xv) implică numărabila aditivitate din Definit, ia 1.30 deoarece:
[ [n [
P Ai = P Ai + P Ai
i≥1 i=1 i≥n+1
Xn [
= P (Ai ) + P Ai .
i=1 i≥n+1
S S
Să observăm că i≥n+1 Ai & ∅, pentru n → ∞, deci P i≥n+1 Ai & 0,
pentru n → ∞. Prin urmare,
[ Xn [
P Ai = limn→∞ P (Ai ) + limn→∞ P Ai
i≥1 i=1 i≥n+1
X∞
= P (Ai ) .
i=1
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
Remarca 1.43 Folosind proprietatea precedentă deducem că reuniunea unui

număr numărabil de evenimente neglijabile este tot un eveniment neglijabil.
Prin urmare, folosind legile lui De Morgan (1.1), se obt, ine s, i faptul că inter-
sect, ia unui număr numărabil de evenimente care se produc P−a.s. este tot un
eveniment care se produce P−a.s..
Demonstrat, ie. Să definim
[n
B 1 = A1 , Bn = Ai , pentru orice n ≥ 2.
i=1
S
Atunci, Bn % i≥1 Bi , pentru n → ∞, iar
[n [n [ [
Bi = Ai s, i Bi = Ai .
i=1 i=1 i≥1 i≥1
Folosind finita subaditivitate (x) obt, inem

[ [ [n [n
P Ai = P Bi = P limn→∞ Bi = limn→∞ P Bi
i≥1 i≥1 i=1 i=1
[n Xn
= limn→∞ P Ai ≤ limn→∞ P (Ai )
i=1 i=1
X∞
= P (Ai ) .
i=1
Fie, în continuare, (An )n∈N∗ un s, ir de evenimente din F. Să observăm, mai

întâi, că, având în vedere că F este o σ−algebră,
[ \ \ [
Am s, i Am
n≥1 m≥n n≥1 m≥n
sunt, de asemenea, evenimente. T S

Pe de altă parte, să observăm că s, irurile m≥n Am n s, i m≥n Am n sunt
nedescrescătoare10 s, i respectiv necrescătoare11 , deci există limitele lor în sensul
Definit, iei 1.39.
Ele se numesc limita inferioară, s, i respectiv limita inferioară, a s, irului de
evenimente (An )n∈N∗ s, i se notează (vezi s, i Definit, ia 1.39):
def
[ \ \
lim inf n→∞ An == Am = limn→∞ Am ,
n≥1 m≥n m≥n
def
\ [ [
lim supn→∞ An == Am = limn→∞ Am .
n≥1 m≥n m≥n
Folosind definit, ia, obt, inem că
lim inf n→∞ An = {ω : ω ∈ An pentru n suficient de mare}

= {An se realizează „în cele din urmă”}
s, i respectiv că
lim supn→∞ An = {ω : ω ∈ An pentru o infinitate de n}

(1.4)
= {An se realizează „infinit de des”} .
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.
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.
P (limn→∞ An ) = limn→∞ P (An ) .
Demonstrat, ie. TFolosind proprietate de Scontinuitate

a lui P în raport cu s, i-
rul monoton A
m≥n m n , si respectiv m≥n m n , i.e. Propozit, ia 1.40, de-
A
ducem că
\ \
P (lim inf n→∞ An ) = P limn→∞ Am = limn→∞ P Am ,
m≥n m≥n
[ [
P (lim supn→∞ An ) = P limn→∞ Am = limn→∞ P Am .
m≥n m≥n
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
În general, este dificil să lucrăm cu o σ−algebră (fiind un concept abstract).

Dar dacă vom considera o σ−algebră generată de C ⊆ P (Ω) , atunci este mai
us, or de lucrat cu ea; astfel, dacă arătăm că au loc anumite proprietăt, i pentru
orice element din C, atunci ele au loc s, i pentru orice element din σ−algebra
generată de C.
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.
Remarca 1.46 Vom spune că C este constituie un sistem de generatori pentru
σ (C) sau că C generează σ (C) .
Exemplul 1.47 Dacă C = {∅} sau C = {Ω}, atunci se obt, ine
σ (C) = {Ω, ∅} ,
adică cea mai mică σ−algebră peste Ω.

Evident, dacă C este chiar o σ−algebră, atunci σ (C) = C.
Exemplul 1.48 Dacă avem un spat, iu măsurabil (Ω, F) s, i un eveniment A ∈ F,

atunci
σ (A) = Ω, ∅, A, Ā
este σ−algebra generată de evenimentul A ∈ F.
Exemplul 1.49 Dacă avem un spat, iu măsurabil (Ω, F) s, i evenimentele A, B ∈

F, astfel încât A ⊂ B, atunci

σ (A, B) = Ω, ∅, A, B, Ā, B̄, A ∪ B̄, Ā ∩ B
este σ−algebra generată de evenimentele A, B ∈ F.
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,
B (R) = σ ({(−∞, a] : a ∈ R}) ,
B (R) = σ ({(−∞, a) : a ∈ R}) ,
B (R) = σ ({(a, b) : a, b ∈ R, a < b}) .
Remarca 1.52 Se poate arăta (există exemple în acest sens) că nu orice submul-
t, ime din R este obligatoriu din B (R) .
Exercit, iul 1.53 (a) Să se arate că pentru orice a < b au loc, pentru → 0+ ,
A = (a, b + ] & (a, b], B = (a, b + ) & (a, b],
C = (a, b − ] % (a, b), D = (a, b − ) % (a, b).
(b) Să se determine limita următoarelor s, iruri de evenimente din spat, iul măsurabil
(R, B (R)), definite pentru orice n ∈ N∗ :
A1n = a, b + n1 , A2n = a, b + n1 , Bn1 = a − n1 , b , Bn2 = a − n1 , b ,

Cn1 = a, b − n1 , Cn2 = a, b − n1 , Dn1 = a + n1 , b , Dn2 = a + n1 , b ,

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
Remarca 1.55 Evident, (i) este echivalent cu

X∞
(i0 ) Dacă P lim supn→∞ An > 0, atunci

P (An ) = ∞.
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].
Demonstrat, ie. (i) Avem, folosind proprietatea de subaditivitate satisfăcută de

probabilitatea P,
\ [
0 ≤ P lim supn→∞ An = P Am
n≥1 m≥n
[ X∞
≤P Am ≤ P (Am ) → 0, pentru n → ∞,
m≥n m=n
P∞ P∞
deoarece m=n P (Am ) este restul seriei convergente n=1 P (An ).
(ii) Să observăm mai întâi că

\ [
P lim supn→∞ An = 1 ⇔ P Am = 1
n≥1 m≥n
\ [ [ \
⇔ P Am = 0 ⇔ P Ām = 0
n≥1 m≥n n≥1 m≥n
s, i, conform proprietăt, ii de subaditivitate,

[ \ X∞ \
0≤P Ām ≤ P Ām .
n≥1 m≥n n=1 m≥n
Prin urmare, este suficient să arătăm că

\
P Ām = 0, pentru orice n ≥ 1,
m≥n
pentru a obt, ine concluzia afirmat, iei (ii) .
Tr În acest sens folosim proprietatea de continuitate în raport cu s, irul monoton

m=n Ām s, i independent, a evenimentelor (An )n∈N∗ s, i deducem
\ \r
0≤P Ām = P limr→∞ Ām
m≥n m=n
\r Yr
= limr→∞ P Ām = limr→∞ P Ām
m=n m=n
Yr Y∞
= limr→∞ 1 − P (Am ) = 1 − P (Am )
m=n m=n
Y∞
− ∞
P
−P(Am )
≤ e =e m=n P(Am )
= e−∞ = 0,
m=n
deoarece are loc 1 − x ≤ e−x , pentru orice x ≥ 0.

Exemplul 1.57 Dacă (An )n∈N∗ sunt evenimente independente în ansamblu s, i

X∞ S
P (An ) = ∞, atunci P m≥1 Am = 1.
n=1
Într-adevăr, conform (ii) , obt, inem

\ [ [
1 = P lim supn→∞ An = P Am ≤ P Am ≤ 1.
n≥1 m≥n m≥1
Remarca 1.58 Fie evenimentele (An )n∈N∗ independente în ansamblu.

Folosind Lema lui Borel Cantelli, deducem că
X∞
(1.5) P (An ) < ∞ dacă s, i numai dacă P lim supn→∞ An = 0
n=1
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,
dacă (An )n∈N∗ ⊂ F sunt independente în ansamblu13 ,

atunci P lim supn→∞ An ∈ {0, 1} .
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
Remarca 1.60 Condit, ia de independent, ă este esent, ială în (ii) .

Un contraexemplu simplu este următorul: să considerăm evenimentul A ∈
F astfel încât P (A) ∈ (0, 1) s, i An = A. Deci
X∞ X∞ X∞
P (An ) = P (A) = P (A) 1=∞
n=1 n=1 n=1

dar, cu toate acestea, P lim supn→∞ An = P A < 1.
1.4 Probabilităt, i condit, ionate

Să presupunem că ne interesează probabilitatea ca un nou născut să aibă
mai put, in de trei kilograme s, i, mai mult, ne interesează dacă sexul noului
născut are vreo influent, ă asupra acestei probabilităt, i. Fie A evenimentul ca
noul născut să fie băiat s, i B evenimentul ca noul născut să aibă sub trei kilo-
grame. Dorim să aflăm deci probabilitatea lui B condit, ionată de A. În urma
a n observat, ii, să presupunem că avem m băiet, i (restul de n − m sunt fete), p
nou născut, i sub trei kilograme (deci n − p peste trei kilograme) s, i q nou născut, i
sunt băiet, i sub trei kilograme (deci m − q sunt băiet, i peste trei kilograme). Deci
m p q
P (A) = , P (B) = s, i P (A ∩ B) = .
n n n
Pe de altă parte, fie evenimentul B condit, ionat de producerea evenimen-
def
tului A, notat B|A == {nou născutul are sub trei kilograme, condit, ionat de
faptul că acesta este băiat}. Dacă evenimentul A s-a realizat, atunci avem m
cazuri posibile dintre care q sunt favorabile aparit, iei lui B. Deci probabilitatea
q
evenimentului condit, ionat este dată de P (B|A) = .
m
q q/n P (A ∩ B)
Prin urmare, P (B|A) = = = .
m m/n P (A)
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.
Definit, ia 1.61 Fie A, B ∈ F astfel încât P (A) > 0. Probabilitatea evenimentului B

în ipoteza că evenimentul A s-a realizat, se numes, te probabilitatea lui B condit, ionată
de A s, i va fi notată cu P (B|A) s, i este dată de
P (A ∩ B)
(1.6) P (B|A) = .
P (A)
Remarca 1.62 Prin urmare obt, inem relat, ia:
P (B|A) · P (A) = P (A|B) · P (B) .
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.
Remarca 1.64 Să observăm că s, i probabilitatea originală P poate fi văzută ca o

def
probabilitate condit, ionată, mai precis, putem lua P (B) == PΩ (B) .
Remarca 1.65 Precizăm că probabilitatea condit, ionată P (B|A) a evenimentu-

lui B în raport cu evenimentul A poate fi văzută (vezi exemplul de la începutul
1.5. Evenimente independente 27
acestei sect, iunii) s, i ca probabilitatea P aplicată unui nou eveniment: evenimen-

tul condit, ionat B|A (des, i noi nu am definit formal acest nou tip de eveniment).
Mai precis, să considerăm mult, imea finită Ω s, i spat, iul de probabilitate La-
place (Ω, P (Ω) , P) s, i evenimentul arbitrar fixat A ∈ P (Ω) astfel încât P (A) >
0; atunci probabilitatea condit, ionată este dată de
|A∩B|
|Ω| |A ∩ B|
P (B|A) = |A|
= , B ∈ P (Ω) .
|A|
|Ω|
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) ,
oricare ar fi A, B, C, D ∈ F astfel încât P (A ∩ B ∩ C ∩ D) > 0.
1.5 Evenimente independente

Intuitiv, spunem că evenimentele A, B sunt independente dacă probabili-
tatea ca unul dintre ele să se realizeze nu depinde de realizarea sau de nereali-
zarea celuilalt.
Definit, ia 1.67 Spunem că evenimentele A s, i B sunt independente dacă
P (A ∩ B) = P (A) · P (B) .
Remarca 1.68 Relat, ia de independent, ă este deci simetrică.

Propozit, ia 1.69 Evenimentele A s, i B sunt independente dacă s, i numai dacă are loc
oricare dintre următoarele relat, ii
(i) P (B|A) = P (B) ,
(ii) P (A|B) = P (A) ,

(iii) P B|Ā = P (B) ,

(iv) P A|B̄ = P (A) .
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.
Remarca 1.70 Avem următoarea legătură între independent, ă s, i incompabilita-

te: dacă două evenimente A s, i B, care nu sunt neglijabile, sunt independente,
atunci evenimentele A s, i B sunt compatibile
Sau echivalent, dacă două evenimente, care nu sunt neglijabile, A s, i B sunt
incompatibile, atunci evenimentele A s, i B sunt dependente.
Într-adevăr, dacă am presupune că A s, i B sunt incompatibile, atunci P (A) ·
P (B) = P (A ∩ B) = P (∅) = 0, deci A sau B este un eveniment neglijabil.
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
P (Ai ∩ Aj ) = P (Ai ) · P (Aj ) , oricare ar fi 1 ≤ i < j ≤ n.
Remarca 1.73 Evident, dacă evenimentele {A1 , . . . , An } sunt independente în

ansamblu, atunci sunt independente s, i două câte două. Reciproca nu este ade-
vărată.
14 Dacă nu se precizează explicit, atunci independent, a înseamnă independent, a în ansamblu.
1.5. Evenimente independente 29
Exemplul 1.74 Fie Ω = {a, b, c, d} s, i (Ω, P (Ω) , P) un spat, iu de probabilitate

Laplace. Fie evenimentele A = {a, b} , B = {a, c} , C = {a, d} . Se poate arăta
că evenimentele A, B, C sunt independente două câte două, dar nu sunt inde-
pendente în ansamblu deoarece
3
1 1
P (A ∩ B ∩ C) = =6 = P (A) P (B) P (C) .
4 2

Exemplul 1.75 Pe de altă parte, există exemple în care se vede că relat, ia
P (A ∩ B ∩ C) = P (A) P (B) P (C)
nu implică independent, a două câte două a evenimentelor A, B, C.

De exemplu, în cazul aruncării a două zaruri, să luăm A = {(i, j) ∈ Ω : j =
1, 2, 5}, B = {(i, j) ∈ Ω : j = 4, 5, 6} s, i C = {(i, j) ∈ Ω : i + j = 9} .
Remarca 1.76 În particular, independent, a în ansamblu a n evenimente asigură

s, i
\k Yk
P Ai = P (Ai ) , pentru k = 1, n.
i=1 i=1
În cazul n = 2 relat, ia precedentă este echivalentă cu independent, a (două câte

două) a celor n evenimente.
Dar, în cazul n ≥ 3, relat, ia precedentă nu implică s, i independent, a două
câte două a evenimentelor (Ai )i=1,n (vezi contraexemplul dat în [18, Problema
1.23]).
Propozit, ia 1.77 Dacă evenimentele A1 , . . . , An sunt independente, atunci s, i eve-

nimentele B1 , . . . , Bn sunt independente, unde Bi = Ai sau Bi = Āi , cu i = 1, n.
Exemplul 1.78 De exemplu, dacă evenimentele A, B sunt independente, atunci

sunt indepedente s, i evenimentele A, B̄, precum s, i evenimentele Ā, B, precum
s, i evenimentele Ā, B̄.
Într-adevăr, se poate arăta că P (A ∩ B) = P (A) · P (B) va implica oricare
dintre relat, iile
P(A ∩ B̄) = P (A) · P(B̄),

P(Ā ∩ B) = P(Ā) · P (B) ,

P(Ā ∩ B̄) = P(Ā) · P(B̄).
Exercit, iul 1.79 De asemenea, dacă evenimentele A, B s, i C sunt independente, atunci

sunt indepedente s, i A, B s, i C̄, precum s, i A, B̄ s, i C etc.
Pentru a ilustra Definit, ia 1.67 să considerăm următorul exemplu.
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.
1.6 Formule probabiliste

În cele ce urmează, fie (Ω, F, P) un spat, iu de probabilitate.
1.6.1 Probabilitatea unei reuniuni de evenimente

Oricare ar fi evenimentele A, B ∈ F are loc relat, ia
(1.7) P (A ∪ B) = P (A) + P (B) − P (A ∩ B) .

1.6. Formule probabiliste 31
În particular, dacă evenimentele sunt disjuncte (incompatibile), atunci
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 ∪ B) = (m + s − t) /n = m/n + s/n − t/n = P (A) + P (B) − P (A ∩ B) .
În cazul unui spat, iu de probabilitate oarecare formula (1.7) se demonstrează15

cu ajutorul axiomelor ce definesc probabilitatea P. Astfel, are loc
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) .
Remarca 1.81 Formula (1.7) se poate generaliza la n evenimente. Astfel, se

obt, ine, mai întâi,
P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 )

(1.8) − P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 )
+ P (A1 ∩ A2 ∩ A3 )
15 Pentru o demonstrat, ie alternativă vezi Remarca 2.99.

s, i, în cazul general, se poate demonstra prin induct, ie că, dacă Ai ∈ F, cu

i = 1, n, atunci probabilitatea realizării a cel put, in unui eveniment din familia
(Ai )i=1,n este dată de
[ Xn k+1
X
P Ai = (−1) P (Ai1 ∩ . . . ∩ Aik ) ,
1≤i≤n k=1 1≤i1 <...<ik ≤n
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
Exemplul 1.83 Fie (Ω, F, P) un spat, iu de probabilitate s, i A, B ∈ F două eveni-

mente. Se arate că probabilitatea ca exact unul dintre evenimente să se producă
este
P (A) + P (B) − 2P (A ∩ B) .
Într-adevăr, evenimentul ca exact unul dintre evenimentele A s, i B să apară este
dat de
A ∩ B̄ ∪ B ∩ Ā = (A \ B) ∪ (B \ A) ,

iar evenimentele A ∩ B̄ s, i Ā ∩ B sunt incompatibile.
Pe de altă parte,

P (A) = P (A ∩ B) ∪ A ∩ B̄ = P (A ∩ B) + P A ∩ B̄

P (B) = P (B ∩ A) ∪ B ∩ Ā = P (B ∩ A) + P B ∩ Ā ,
deci probabilitatea ca exact unul dintre evenimentele A s, i B să apară este:

(1.10) P A ∩ B̄ ∪ Ā ∩ B = P A ∩ B̄ + P Ā ∩ B
= P (A) + P (B) − 2P (A ∩ B) .

1.6. Formule probabiliste 33
Exemplul 1.84 Fie (Ω, F, P) un spat, iu de probabilitate s, i A, B ∈ F două eveni-

mente independente. Dacă probabilitatea de realizare a unuia singur dintre ele
este 1/2, să se arate că cel put, in unul din evenimente are probabilitatea de rea-
lizare 1/2.
Într-adevăr, evenimentul ca unul singur dintre cele două evenimente A, B
să se realizeze este dat de

A ∩ B̄ ∪ B ∩ Ā , unde A ∩ B̄ ∩ B ∩ Ā = ∅,
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.

1.6.2 Regula de înmult, ire a probabilităt, ilor

Pentru două evenimente arbitrare A, B ∈ F, astfel încât P (A) > 0, putem
scrie definit, ia probabilităt, ii condit, ionate
P (A ∩ B)
P (B|A) = ,
P (A)
deci au loc formulele
P (A ∩ B) = P (B|A) P (A) ,
(1.11)
P (A ∩ B) = P (A|B) P (B) .
Similar se obt, ine s, i:
(1.12) P (A ∩ B ∩ C) = P (C|A ∩ B) · P (B|A) · P (A) ,
oricare ar fi A, B, C ∈ F astfel încât P (A ∩ B ∩ C) > 0.

Formula (1.12) se poate generaliza la n evenimente s, i obt, inem probabil-

itatea realizării simultane a n evenimente (Ai )i=1,n sau probabilitatea unei
intersect, ii de n evenimente sau regula de înmult, ire a probabilităt, ilor:
P (A1 ∩ A2 ∩ . . . ∩ An ) = P (An |A1 ∩ A2 ∩ . . . ∩ An−1 )

· P (An−1 |A1 ∩ A2 ∩ . . . ∩ An−2 )
(1.13) · ...
· P (A4 |A1 ∩ A2 ∩ A3 )
· P (A3 |A1 ∩ A2 ) · P (A2 |A1 ) · P (A1 ) ,
oricare ar fi A1 , A2 , . . . , An ∈ F astfel încât P (A1 ∩ A2 ∩ . . . ∩ An−1 ) > 0.
1.6.3 Formula probabilităt, ii totale (se aplică atunci când Ai , i =

1, n, s-au realizat)
Fie (Ai )i=1,n un sistem complet de evenimente s, i X un eveniment oarecare.
Presupunem că evenimentele Ai , i = 1, n, s-au realizat.
Atunci, are loc formula probabilităt, ii totale (numită s, i legea probabilităt, ii
totale) :
(1.14) P (X) = P (A1 ) P (X|A1 ) + P (A2 ) P (X|A2 ) + . . . + P (An ) P (X|An ) .

Sn
Pentru demonstrat, ie observăm mai întâi că i=1 Ai = Ω s, i deci
X = X ∩ Ω = X ∩ (A1 ∪ . . . ∪ An ) = (X ∩ A1 ) ∪ (X ∩ A2 ) ∪ . . . ∪ (X ∩ An ) .
Deoarece Ai ∩Aj = ∅, pentru orice i 6= j, rezultă că s, i (X ∩ Ai )∩(X ∩ Aj ) = ∅,

pentru orice i 6= j.
Folosind Definit, ia 1.30 obt, inem, mai întâi,
(1.15) P (X) = P (X ∩ A1 ) + P (X ∩ A2 ) + . . . + P (X ∩ An ) ,
(numită s, i ea formula probabilităt, ii totale sau legea probabilităt, ii totale) apoi,

aplicând formula (1.11), deducem că
P (X) = P (X|A1 ) P (A1 ) + P (X|A2 ) P (A2 ) + . . . + P (X|An ) P (An ) ,
adică formula (1.14).

1.7. Metode de numărare 35
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 )
Pentru demonstrat, ie observăm că
P (Ai ∩ X) = P (Ai ) P (X|Ai ) = P (X) P (Ai |X)
s, i deci
P (Ai ) P (X|Ai )
P (Ai |X) = .
P (X)
Apoi folosim (1.14).
1.7 Metode de numărare

Calculul probabilităt, ilor în cazul unui spat, iu de probabilitate finit conduce
la numărarea diferitelor cazuri posibile. Pentru aceasta este util principiul de
bază al analizei combinatorii (principiul multiplicării) iar apoi, pe baza aces-
tuia, not, iunile de permutări, aranjamente s, i combinări.
1.7.1 Principiul multiplicării

Să presupunem că avem două evenimente astfel încât primul se poate rea-
liza în m1 moduri iar al doilea în m2 moduri. Atunci, ambele evenimente se
pot realiza simultan în m1 · m2 moduri.
În general, dacă avem n evenimente iar fiecare se poate realiza în mi mo-

duri, cu i = 1, n, atunci cele n evenimente se pot realiza simultan în
m1 · m2 · . . . · mn moduri16
Dacă suntem în cazul particular mi = m, i = 1, n, atunci cele n evenimente se

pot realiza simultan în
(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
Ω = {(F Z1, F Z2) : F Z1, F Z2 ∈ {1, 2, . . . , 6}}
iar conform principiului multiplicării card (Ω) = 62 care reprezintă numărul

tuturor cazurilor posibile.
În ceea ce prives, te spat, iul de evenimente, mult, imea F a părt, ilor este chiar
mult, imea P (Ω) a tuturor părt, ilor, adică a tuturor reuniunilor de elemente (sau
|A|
evenimente) din Ω. Probabilitatea P a unui eveniment A ∈ F este P (A) = ,
|Ω|
unde |A| = card (A) este numărul tuturor uplurilor care apar în A iar |Ω| =
card (Ω) este numărul tuturor uplurilor care apar în Ω.
Ment, ionăm că, de asemenea, putem scrie Ω s, i sub forma
Ω = {f : {F Z1, F Z2} → {1, 2, . . . , 6} : f este funct, ie}
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 .
Modelul matematic al experient, ei aleatoare propuse este similar celui pro-

pus mai sus.
Mult, imea Ω a evenimentelor elementare este
Ω = {(F M 1, F M 2, F M 3) : F M 1, F M 2, F M 3 ∈ {C, P }}
iar conform principiului multiplicării card (Ω) = 23 care reprezintă numărul

tuturor cazurilor posibile.
Mult, imea F a părt, ilor este mult, imea tuturor reuniunilor de evenimente
elementare din Ω. Probabilitatea P a unui eveniment A ∈ F se defines, te similar
ca mai sus.
Putem scrie Ω s, i sub forma
Ω = {f : {F M 1, F M 2, F M 3} → {C, P } : f este funct, ie}
iar card (Ω) = 23 .
Exemplul 1.87 Numărul de coduri de trei cifre care se pot forma cu cifrele 0,
1,. . . ,9 este 103 .
Într-adevăr,
Ω = {(CP 1, CP 2, CP 3) : CP 1, CP 2, CP 3 ∈ {0, 1, . . . , 9}}
iar conform principiului multiplicării card (Ω) = 103 .
În continuare vom face distinct, ie între o mult, ime în care ne interesează

ordinea elementelor sale s, i o mult, ime în care nu ne interesează ordinea ele-
mentelor sale.
1.7.2 Permutări. Aranjamente. Combinări

Dacă, de exemplu, avem o mult, ime cu 3 elemente {a, b, c}, atunci acestea se
pot aranja astfel: abc, acb, bac, bca, cab, cba. Deci prima pozit, ie poate fi ocupată
de oricare din cele trei elemente, a doua pozit, ie poate fi ocupată de oricare din
cele două elemente rămase, iar a treia pozit, ie poate fi ocupată doar de singurul
element rămas. Aplicând principiul multiplicării, obt, inem astfel un număr de
3 · 2 · 1 = 3! posibile aranjamente a celor 3 elemente.
În general, dacă avem o mult, ime cu n elemente, prima pozit, ie poate fi ocu-
pată de oricare din cele n elemente, a doua pozit, ie poate fi ocupată de ori-
care din cele (n − 1) elemente rămase s, .a.m.d.. Ultima pozit, ie, a n−a, poate
fi ocupată doar de singurul element rămas. Aplicând principiul multiplicării,

obt, inem astfel un număr de
n · (n − 1) · . . . · 1 = n!
posibile aranjamente a celor n elemente.

Fiecare mult, ime ordonată formată cu n elemente (care nu se pot repe-
ta) se numes, te permutare a elementelor acelei mult, imi iar numărul total de
permutări al celor n elemente este n!.
Dacă avem o mult, ime cu n elemente, atunci ne poate interesa s, i în câte
moduri se pot aranja k ≤ n elemente. Astfel prima pozit, ie poate fi ocupată
de oricare din cele n elemente, a doua pozit, ie poate fi ocupată de oricare din
cele (n − 1) elemente rămase s, .a.m.d.. Ultima pozit, ie, a k−a, poate fi ocupată
de elemente rămase, care sunt în număr de (n − (k − 1)). Aplicând principiul
multiplicării, obt, inem astfel un număr de
n!
n · (n − 1) · . . . · (n − (k − 1)) =
(n − k)!
posibile aranjamente a celor k elemente.
Fiecare submult, ime ordonată de k elemente, care nu se pot repeta, for-
mată din n elemente se numes, te aranjament al celor n elemente luate câte k
iar numărul total aranjamente posibile este notat s, i dat de
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.
Dacă, de exemplu, avem o mult, ime cu 5 elemente {a, b, c, d, e}, atunci ne

poate interesa câte grupe de câte 3 se pot forma cu aceste elemente. Urmând
metoda de numărare de la aranjamente obt, inem 5 · 4 · 3 posibile modalităt, i de
aranjare în grupe de câte 3 elemente. Pe de altă parte, în fiecare grupă obt, inută
contează ordinea. De exemplu, o posibilă grupă de aceleas, i 3 elemente este
numărată de 3! ori deoarece apar variantele: abc, acb, bac, bca, cab, cba. Deci
numărul total de grupe ce pot fi obt, inute din cele 5 elemente s, i pentru care nu
contează ordinea în fiecare grupă este 5·4·3
3! .
În general, dacă avem o mult, ime cu n elemente s, i dorim să obt, inem grupe
(neordonate) de câte k elemente, atunci numărul acestor grupe este
n · (n − 1) · . . . · (n − (k − 1)) n!
= .
k! k! · (n − k)!
Fiecare submult, ime neordonată de k elemente, care nu se pot repeta, alese

din n elemente date se numes, te combinare ale celor n elemente luate câte k
iar numărul tuturor combinărilor posibile este notat s, i dat de
def n!
(1.19) Cnk == .
k! · (n − k)!
Prin convent, ie vom lua
Cnk = 0 ori de câte ori k < 0 sau k > n.
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).
Am obt, inut s, i am demonstrat, folosind astfel analiza combinatorie, identi-

tatea17
C54 · C30 + C53 · C31 + C52 · C32 + C51 · C33 = C84 .

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)).
Remarca 1.93 Evident, combinarea a n elemente luate în 2 grupe de câte ki

elemente fiecare (k1 = k s, i respectiv k2 = n−k elemente) dată de definit, ia (1.20)
reprezintă combinarea celor n elemente luate câte k dată de definit, ia (1.19), i.e.
not
Cnk == Cnk,n−k .

17 Vezi s, i formula (1.25).
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!

Remarca 1.97 Coeficientul multinomial apare s, i în numărul de posibile rea-

ranjări a literelor unui cuvânt. De exemplu, numărul de posibile cuvinte care
6!
se pot forma cu literele cuvântului PEPPER este C63,2,1 = .
3! · 2! · 1!
Într-adevăr, avem 6 litere: P1,E1,P2,P3,E2,R1, deci avem 6! variante posi-
bile de permutare a literelor. Pe de altă parte, anumite litere sunt identice,
deci în cele 6! variante va apărea orice permutare a literelor P1,P2,P3 (adică
s, ase variante: P1,P2,P3, P1,P3,P2, P2,P1,P3 etc.) precum s, i orice permutare
a literelor E1,E2 (adică E1,E2 s, i E2,E1) (precum s, i orice permutare a literei R1).
Deci anumite variante se vor repeta. De exemplu, dacă luăm varianta de

aranjare PEPPER, atunci cele 6! variante posibile numără s, i permutările P-
urilor, mai precis,
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
1 ≤ c1 < c2 < . . . < ck ≤ n.
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.
Pentru a putea aplica cazul precedent să definim k−uplul (d1 , d2 , d3 , . . . , dk )

prin
d1 = c1 , d2 = c2 + 1, d3 = c3 + 2, . . . , dk = ck + k − 1.
18 Pentru demonstrat, ie vezi, de exemplu, [53, Example 4, page 2] sau Wikipedia: Stars and bars
(combinatorics).
Se obt, in restrict, iile:
1 ≤ d1 < d2 < . . . < dk ≤ n + k − 1,
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
Repetit, ia nu este permisă Akn Cnk
Exemplul 1.99 De exemplu, dacă ne interesează submult, imi de 2 elemente

care se pot forma, în diverse moduri, din 3 elemente, atunci avem următoarele
variante:
PP
Tipul de
PP
PP
Contează ordinea Nu contează ordinea
Modul PPuplu
PP
de formare PP
P
(1, 1) (1, 2) (1, 3) (1, 1) (1, 2) (1, 3)
Repetit, ia este permisă (2, 1) (2, 2) (2, 3) (2, 2) (2, 3)
(3, 1) (3, 2) (3, 3) (3, 3)
(1, 2) (1, 3)
(1, 2) (1, 3)
Repetit, ia nu este permisă (2, 1) (2, 3)
(2, 3)
(3, 1) (3, 2)
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 .
Dorim să numărăm toate k−uplurile (x1 , x2 , . . . , xk ) ce se pot forma în condit, i-

ile de mai sus. Pentru a obt, ine cadrul de lucru al Remarcii 1.98 (i.e. pentru a pune
elementele în ordine nedescrescătoare) să definim (y1 , y2 , . . . , yk−1 , yk ) prin y1 = 1 +
x1 , y2 = 1 + x1 + x2 , . . . , yk−1 = 1 + x1 + . . . + xk−1 , yk = 1 + x1 + . . . + xk−1 +
xk = 1 + n. Astfel, ne interesează, de fapt, (k − 1) −uplurile (y1 , y2 , . . . , yk−1 ) cu
restrict, iile:
y1 ≤ y2 ≤ . . . ≤ yk−1 , unde yi ∈ {1, 2, . . . , n + 1} , cu i = 1, k − 1,
deoarece x1 ≥ 0 iar yk−1 ≤ yk = 1 + n.

Prin urmare, trebuie să numărăm toate (k − 1) −uplurile (y1 , y2 , . . . , yk−1 ) ce
se pot forma din (n + 1) elemente astfel încât să nu conteze ordinea s, i repetit, ia să
fie permisă. Conform Remarcii 1.98 se obt, ine că numărul posibil al unor asemenea
k−1 k−1 n
(k − 1) −upluri este C(n+1)+(k−1)−1 = Cn+k−1 care coincide cu 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| .
Într-adevăr, dacă n ≤ m, atunci elementului a1 i se pot asocia m valori, elemen-

tului a2 i se pot asocia (m − 1) valori (deoarece asocierea este injectivă s, i deci
o valoare din C nu se mai poate asocia nici unui alt element din D) s, .a.m.d.. În
final, elementului an i se pot asocia (m − (n − 1)) valori. Deci, folosind prin-

cipiul multiplicării, numărul tuturor n−uplurilor ordonate (a1 , a2 , . . . , an ) care
se pot scrie este
m!
m · (m − 1) · . . . · (m − (n − 1)) = = Anm .
(m − n)!
Evident, numărul tuturor funct, iilor bijective f : D → C este

|C|
n! = A|C|
deoarece trebuie să avem |C| = |D| .

În ceea ce prives, te numărul de funct, ii surjective să observăm că dacă |D| =
n < m = |C| , atunci nu există nici o funct, ie surjectivă între D s, i C. Dacă n ≥ m,
atunci se poate arăta că numărul tuturor funct, iilor surjective f : D → C este
(vezi [53, Problem 8, page 158])
Xm i i n
(−1) Cm (m − i) .
i=0
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
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
1.8 Probabilităt, ii geometrice

Să considerăm în Rn o mult, ime D ∈ B (Rn ) mărginită s, i de măsură Le-
besgue nenulă s, i C D astfel încât C ∈ B (Rn ).
Prin definit, ie, vom lua probabilitatea P ca un punct ales la întamplare din
λ (C)
D să apart, ină părt, ii C ca fiind , unde λ este măsura Lebesgue pe Rn .
λ (D)
În acest caz, toate subdomeniile mult, imii D formează mult, imea de eveni-
mente, iar probabilitatea definită mai sus satisface Definit, ia 1.30.
def
Astfel, obt, inem spat, iul de probabilitate (Ω, F, P) == (D, B (D) , P).
1.9 Scheme clasice de probabilitate

1.9.1 Schema lui Poisson (schema binomială generalizată)
Fie E o experient, ă care constă în efectuarea a n experient, e independente
E1 , . . . , En s, i (Ai )i=1,n evenimente legate respectiv de experient, ele Ei . Fie X
evenimentul care constă în realizarea a k evenimente (0 ≤ k ≤ n) din cele n
evenimente (Ai )i=1,n , când se efectuează experient, a E.
Atunci, are loc
1.9. Scheme clasice de probabilitate 47
Propozit, ia 1.102 Probabilitatea evenimentului X este coeficientul lui xk din polino-

mul
Q (x) = (p1 x + q1 ) · (p2 x + q2 ) · . . . · (pn x + qn ) ,

unde pi = P (Ai ) s, i qi = 1 − pi = P Āi .
Demonstrat, ie. Pentru simplitate, vom considera doar cazul n = 4 s, i k = 2.
Evenimentul a cărui realizare înseamnă realizarea a 2 evenimente s, i neralizarea
a 2 evenimente este scris sub forma unei reuniuni de alte C42 = 6 evenimente
(în fiecare dintre ele 2 se realizează s, i celelalte 2 nu):

A1 ∩ A2 ∩ Ā3 ∩ Ā4 ∪ A1 ∩ Ā2 ∩ A3 ∩ Ā4 ∪ A1 ∩ Ā2 ∩ Ā3 ∩ A4

∪ Ā1 ∩ A2 ∩ A3 ∩ Ā4 ∪ Ā1 ∩ A2 ∩ Ā3 ∩ A4 ∪ Ā1 ∩ Ā2 ∩ A3 ∩ A4 .
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
care este exact coeficientul lui x2 din polinomul
Q (x) = (p1 x + q1 ) (p2 x + q2 ) (p3 x + q3 ) (p4 x + q4 ) .
În cazul general, X contă în reuniunea a Cnk evenimente, fiecare dintre acestea

scriindu-se ca intersect, ia a n evenimente independente (dintre care k sunt de
tipul Ai iar (n − k) sunt de tipul Āj ).
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
Q (x) = (p1 x + q1 ) · (p2 x + q2 ) · . . . · (pn x + qn ) .

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.
1.9.2 Schema binomială (schema bilei revenite)

Fie E o experient, ă s, i A un eveniment legat de experient, a E. Notăm cu
p = P (A). Fie X evenimentul care constă în realizarea lui A de k ori s, i în
nerealizarea lui A de n − k , când se efectuează experient, a E de n ori.
Atunci, are loc
Propozit, ia 1.105 Probabilitatea evenimentului X este
P (X) = Cnk pk q n−k , cu q = 1 − p.
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 .
O variantă concretă a schemei binomiale este următoarea: se dă o urnă

U care cont, ine bile a albe s, i b bile negre (deci probabilitatea p de extragere a
unei bile albe din urna U este p = a/ (a + b) s, i, evident, q = b/ (a + b)). Fie E
experient, a extragerii unei bile din urna U , urmând ca bila să fie pusă înapoi. Se
efectuează E de n ori. Dacă X reprezintă evenimentul extragerii a k bile albe s, i
a n − k bile negre, atunci
k n−k
a b
P (X) = Cnk .
a+b a+b
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)
1.9.3 Schema multinomială

Fie E o experient, ă s, i (Ai )i=1,r un sistem complet de evenimente legate de
acea experient, ă cu probabilităt, ile de realizare pi = P (Ai ), cu i = 1, r (deci
1.9. Scheme clasice de probabilitate 49
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 .
P (X) = Cnk1 ,k2 ,...,kr pk11 pk22 . . . pkr r ,
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

1.9.4 Schema hipergeometrică20 (schema bilei nerevenite)

Să considerăm o urnă U cu m bile de tipul a bile albe s, i b = m − a bile
negre. Experient, a E constă în extragerea succesivă a n bile fără a pune bila
extrasă înapoi (n ≤ m) (sau se poate considera că se scot n bile simultan). Fie
X evenimentul ca din cele n bile extrase α să fie albe s, i β = n − α să fie negre
(α ≤ a, β ≤ b).
Atunci, are loc următorul rezultat.
19 Vezi s, i distribut, ia multinomială.
20 Pentru denumirea „hipergeometrică” vezi Remarca 2.113.
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
Putem să generalizăm în felul următor: să considerăm o urnă U cu m bile

de r culori; mai precis, avem ai bile din fiecare culoare ci , pentru i = 1, r .
Experient, a EPconstă în extragerea succesivă a n bile fără a pune bila extrasă
r
înapoi (n ≤ i=1 ai ) (sau se poate considera că se scot n bile simultan). Fie X
evenimentul caP din cele n bile extrase α1 să fie de culoarea c1 , . . . , αr să fie de
r
culoarea cr , cu i=1 αi = n astfel încât αi ≤ ai .
În mod similar Propozit, iei 1.109 se poate demonstra următorul rezultat.
Caα11 · Caα22 · . . . · Caαmm

P (X) = , unde α1 + . . . + αm = n.
Caα11+...+a
+...+αm
m
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
Exemplul 1.113 Un magazin vinde un acelas, i tip de marfă produsă de trei

firme. Magazinul are 300 de unităt, i de la prima firmă, 260 de unităt, i de la a
doua firmă, 420 de unităt, i de la a treia firmă s, i vinde 260 de produse. Care este
probabilitatea 80 de unităt, i să fie de la prima firmă, 50 de unităt, i de la a doua
firmă s, i 130 de unităt, i să fie de la a treia firmă?
1.10 Exercit, ii rezolvate

1.10.1 Amestecăm un pachet de 10 cărt, i de joc numerotate cu 1, 2, . . . , 10. Care
este probabilitatea ca deasupra să fie cartea 1? Dar probabilitatea ca pe primele
două pozit, ii să fie cărt, ile 1 s, i 2?
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
iar numărul tuturor cazurilor posibile este card (Ω) = 10 · 9 · . . . · 1 = A10

10 = 10!
(deoarece prima pozit, ie a 24−uplului are 10 variante posibile, a doua pozit, ie
are 9 variante posibile etc.).
Primul eveniment avut în vedere este

A = (CJ1, CJP 2, . . . , CJP 10) ∈ Ω : CJP i ∈ {2, . . . , 10} , i = 2, 10
A99 1
iar card (A) = A99 = 9!. Deci P (A) = = .
A10
10 10
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.
Al doilea eveniment avut în vedere este

B = (CJ1, CJ2, CJP 3, . . . , CJP 10) ∈ Ω : CJP i ∈ {3, . . . , 10} ,

unde i = 3, 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
iar card (A) = 10 · 9 · . . . · 5 = A610 (deoarece prima pozit, ie a 6−uplului are 10

variante posibile, a doua pozit, ie are 9 variante posibile etc.).
A610 5 · 6 · 7 · 8 · 9 · 10
Deci probabilitatea cerută este P (A) = 6
= = 0.1512.
10 106
1.10.3 Într-un oras, se găsesc 10000 de biciclete numerotate de la 0 la 9999. Care

este probabilitatea ca numărul primei biciclete întâlnite să nu cont, ină cifra 8?
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

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
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
iar numărul cazurilor posibile este deci card (Ω) = nk .

Evenimentul cerut este

A = f : {P P 1, P P 2, . . . , P P k} → {E1, E2, . . . , En} : f este

funct, ie injectivă
iar numărul tuturor funct, ii injective este card (A) = Akn .

1.10.6 Numerele 1, 2, . . . , n sunt as, ezate la întâmplare. Care este probabilitatea
ca numerele 1 s, i 2 să fie as, ezate în s, ir în ordine crescătoare s, i consecutive?
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?
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).
Prin urmare, numărul de cazuri favorabile este (vezi s, i Definit, ia 1.20)
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, 2, 4) , (3, 4, 2) , (2, 3, 4) , (2, 4, 3) , (4, 2, 3) , (4, 3, 2) .
Fiecare structură este un eveniment de tipul celui precedent, deci numărul de

cazuri favorabile este
3! · C93,2,4 .
3! · C93,2,4
Prin urmare, a doua probabilitate cerută este .
39
În ceea ce prives, te al treilea eveniment, trei persoane într-un vagon pot urca
în C93 moduri. Dacă trei persoane s-au urcat în primul vagon, atunci celelalte
s, ase pot urca în celelalte două vagoane în 26 moduri. Deci numărul de cazuri
C 3 · 26
favorabile este C93 · 26 iar a treia probabilitate cerută este 9 9 .
3
Probabilitatea celui de-al patrulea eveniment este
C93 · C63 · C33 C93,3,3

= .
39 39
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.
Formalizăm, văzând mult, imea Ω a tuturor evenimentelor elementare ca pe

o mult, ime de n−upluri:

Ω= (P P 1, P P 2, . . . , P P n) : P P i ∈ {1, 2} , i = 1, n
(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 .
1.10.11 L. este un student dintr-o grupă de 40 de student, i. Se formează comisii

de câte 3 student, i.
(a) Câte comisii se pot forma?
(b) Câte comisii în care să fie s, i L. se pot forma? dar în care L. nu este? Să se
deducă identitatea asociată punctelor (a) s, i (b) .
(c) Câte comisii se pot forma în cazul în care comisia este formată dintr-un
pres, edinte, un secretar s, i un cenzor (prin urmare contează ordinea în care sunt
ales, i cei trei membri)?
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
Xk = {k Succese, (n − k) Es, ecuri}

(1.22)
= {k Succese din n încercări}, k = 0, n.
Deci
X0 = {nici o piesă nu este defectă},
X1 = {o piesă este defectă, patru sunt bune},
X2 = {două piese sunt defecte, trei sunt bune},
X3 = {trei piese sunt defecte, două sunt bune},
X4 = {patru piese sunt defecte, una este bună},
X5 = {toate piesele alese sunt defecte}.

Evenimentul cerut este A = X1 ∪ . . . ∪ X5 . Deci
X5
P (A) = P (X1 ∪ . . . ∪ X5 ) = P (Xi ) .
i=1

Pe de altă parte, observăm că P (A) = 1 − P Ā = 1 − P (X0 ) iar P (X0 ) este
mai us, or de calculat.
5 5
Avem C100 moduri în care putem lua câte 5 piese din totalul de 100 s, i C95
moduri în care putem lua câte 5 piese din cele 95 de piese bune. Deci P (X0 ) =
C50 · C95
5
C0 · C5
5 s, i, prin urmare, P (A) = 1 − 5 5 95 .
C100 C100
1.10.13 Din 100 de mere 10 sunt stricate. Scoatem la întâmplare 5 mere. Care
este probabilitatea ca între cele 5 mere să existe s, i mere stricate?
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.
Dar să apară o singură dată fat, a s, ase?

Să se scrie s, i spat, iul de probabilitate în care se lucrează.
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
La o aruncare, numărul posibil de perechi care nu cont, in fat, a s, ase este 25

(sunt 11 perechi care cont, in măcar o fat, ă de s, ase puncte) deci, dacă se aruncă
de 24 de ori, atunci numărul rezultatelor posibile în care nu apare niciodată o
fat, ă s, ase este 2524 (fiecare pozit, ie a 24−uplului are 25 variante posibile). Prin
urmare, probabilitatea ca să apară, la 24 de aruncări, cel put, in o dată o fat, ă s, ase
2524
este de 1 − 24 ' 0.9998.
36
La o aruncare, numărul posibil de perechi care cont, in fat, a s, ase o singură

dată este 10 iar numărul posibil de perechi care nu cont, in nici o fat, ă s, ase sau
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).
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
(1.23) Ai = {la extragerea i apare Succesul} , i = 1, n,
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
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.
1.10.20 Se aruncă un zar o singură dată. Se consideră evenimentele A = {se

obt, ine una dintre fet, ele 1, 2 sau 3}, B = {se obt, ine una dintre fet, ele 2, 3, 4 sau
5}. Sunt independente cele două evenimente?
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
P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 )

7 9 7 9
= P (A1 ) + P (A2 ) − P (A1 ) P (A2 ) = + − · .
9 11 9 11
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:
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
1.10.23 Fie (Ai )i=1,n un sistem de evenimente cu P (Ai ) = pi , cu i = 1, n. Să se

determine probabilitatea realizării a cel put, in unui eveniment Ai .
24 Probabilitatea se poate calcula folosind s, i schema lui Poisson.
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:
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
26 Probabilitatea se poate calcula folosind s, i schema hipergeometrică.

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 ) .
Se va obt, ine suma celor două probabilităt, i precedente.

Pentru al patrulea eveniment cerut trebuie determinată, mai întâi, probabil-
itatea obt, inerii unei bile albe s, i a două negre:

A1 ∩ Ā2 ∩ Ā3 ∪ Ā1 ∩ A2 ∩ Ā3 ∪ Ā1 ∩ Ā2 ∩ 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?
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.
Deoarece A, B sunt independente avem că P (A ∩ B) = P (A) · P (B) .

Pe de altă parte,

P (A) = P A1 ∩ A2 ∩ Ā3 = P (A1 ) · P (A2 |A1 ) · P Ā3 |A1 ∩ A2
45 44 3
= · ·
48 47 46
iar
P (B) = P (B1 ∩ B2 ∩ B3 ) = P (B1 ) · P (B2 |B1 ) · P (B3 |B1 ∩ B2 )

47 46 45
= · · .
50 49 48
45 44 3 47 46 45 297
Deci P (A ∩ B) = P (A) · P (B) = · · · · · = .
48 47 46 50 49 48 6273
1.10.27 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
cele două urne. Care este probabilitatea ca bila extrasă să fie albă?
Rezolvare:
Să notăm evenimentele
X = {bila aleasă este albă} ,
A1 = {urna aleasă este prima} ,
A2 = {urna aleasă este a doua} = Ā1 .

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:
X = {piesa aleasă este defectă},

Ai = {piesa aleasă provine de la atelierul i}, i = 1, 3.
Evenimentele A1 , A2 s, i A3 formează un sistem complet de evenimente. Având

în vedere numărul diferit de piese de la cele trei ateliere, avem
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:
P (X) = P (A1 ) · P (X|A1 ) + P (A2 ) · P (X|A2 ) + P (A3 ) · P (X|A3 )

2 3 2 2 3 3 19
= · + · + · = .
7 100 7 100 7 100 700
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
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.
1.10.31 La întrebarea de la un examen un student ori s, tie răspunsul ori îl ghi-

ces, te. Fie p probabilitatea ca studentul să s, tie răspunsul. Să presupunem că
probabilitatea ca studentul să răspundă corect în condit, iile în care acesta nu s, tie
răspunsul este de 1/m (unde m este numărul de posibilităt, i alternative). Care
este probabilitatea ca acest student să s, tie răspunsul la întrebarea examenului
în condit, iile în care răspunsul lui este corect?
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:
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
P (X) = P (A1 ) · P (X|A1 ) + P (A2 ) · P (X|A2 )

+ P (A3 ) · P (X|A3 ) + P (A4 ) · P (X|A4 )
= 1/4 · 7/9 + 1/4 · 8/12 + 1/4 · 10/22 + 1/4 · 8/20 = 569/990.
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 )
1/4 · 10/22 225

= = .
1/4 · 7/9 + 1/4 · 8/12 + 1/4 · 10/22 + 1/4 · 8/20 1138
1.10.34 Un laborator de teste medicale detectează cu probabilitatea de 0.95

prezent, a unei afect, iuni, când afect, iunea este prezentă în realitate. De aseme-
nea, testul este pozitiv pentru 1% dintre cei care fac testul dar care nu au acea
afect, iune. Să presupunem că 0.5% din populat, ie are într-adevăr afect, iunea.
Testăm, la întâmplare, o persoană s, i observăm că testul a fost pozitiv. Care este
probabilitatea ca persoana să aibă într-adevăr afect, iunea?
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.
1.10.35 Un magazin de electronice vinde DVD playere de la trei producători

diferit, i, 50% de la firma 1 (cele mai ieftine), 30% sunt de la firma 2, s, i 20% sunt
de la firma 3. Fiecare producător oferă 1 an de garant, ie. Se s, tie că 25% din DVD
playerele de la firma 1 necesită reparat, ii în cadrul garant, ie, iar procentajele
pentru produsele de la firmele 2 s, i 3 sunt de 20% s, i de respectiv 10%.
(a) Care este probabilitatea ca un DVD player cumpărat la întâmplare din ma-
gazin să provină de la firma 2 s, i să necesite reparat, ii în cadrul garant, iei?
(b) Dacă un cumpărător se întoarce în magazin cu un DVD player care nece-
sită reparat, ii în cadrul garant, iei, care este probabilitatea ca acel DVD player să
provină de la firma 3?
Rezolvare:
Se foloses, te formula (1.16) a lui Bayes.
1.10.36 O companie de asigurări lucrează cu două categorii de persoane: cele

care sunt predispuse la accidente s, i cele care nu sunt. Datele indică faptul
că o persoană predispusă la accidente va avea un accident într-o perioadă de
1 an cu probabilitatea 0.1; probabilitatea pentru tot, i ceilalt, i este de 0.05. Să
presupunem că probabilitatea ca un nou asigurat să fie predispus la accidente
este de 0.2.
(a) Care este probabilitatea ca un nou asigurat să aibă un accident în primul
an?
(b) În cazul în care un nou asigurat are un accident în primul an, care este
probabilitatea că acesta să fie predispus la accidente?
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:
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 .
1.10.40 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:
cu Ai evenimentul extragerii unei bile albe din urna Ui , i = 1, 3.
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:
cu Ai evenimentul atingerii t, intei de către arcas, ul i = 1, 4.
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.
Atunci, putem calcula probabilitatea P (X0 ) folosind s, i scrierea lui X0
X0 = Ā1 ∩ Ā2 ∩ Ā3 ∩ Ā4 .
De asemenea, folosind schema lui Poisson (în cazul k = 0 atingeri s, i (4 − 0)

ratări), probabilitatea ca t, inta să nu fie atinsă niciodată este coeficientul cores-
punzător lui x0 din polinomul
Q (x) = (p1 x + q1 ) (p2 x + q2 ) (p3 x + q3 ) (p4 x + q4 )

2 1 3 1 4 1 5 1
= x+ x+ x+ x+ .
3 3 4 4 5 5 6 6
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 .

ratări), probabilitatea ca t, inta să fie atinsă o singură dată este coeficientul co-
respunzător lui x1 din polinomul Q (x). Deci
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 .

ratări), probabilitatea P (X2 ) este coeficientul corespunzător lui x2 din polino-
mul Q (x). Deci
P (X2 ) = p1 p2 q3 q4 + p1 p3 q2 q4 + p2 p3 q1 q4 + p1 p4 q2 q3
+ 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 .

ratări), probabilitatea P (X3 ) este coeficientul corespunzător lui x3 din polino-
mul Q (x). Deci
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
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, )?
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:
X̄ = X0 sau X̄ = Ā1 ∩ Ā2 ∩ . . . ∩ Ān .
Deci, X se poate s, i el scrie în două moduri:
X = X̄0 = X1 ∪ X2 ∪ . . . ∪ Xn sau
X = A1 ∪ A2 ∪ . . . ∪ An = Ā1 ∩ Ā2 ∩ . . . ∩ Ān ,
deoarece (Xk )k=0,n constituie un sistem complet de evenimente (s, i deci Ω =

Sn
k=0 Xk ).
Sn
Pentru calculul probabilităt, ii P i=1 Ai folosim (1.9):
[n X X
P Ai = pi − pi pj
i=1 1≤i≤n 1≤i<j≤n
X
(1.24) + pi pj pk − . . .
1≤i<j<k≤n
n−1
+ (−1) p1 p2 . . . pn−1 pn .
Putem calcula s, i probabilitatea evenimentului complementar X̄:

\n Yn
P (X) = 1 − P X̄ = 1 − P (X0 ) = 1 − P Āi = 1 − qi ,
i=1 i=1
unde qi = 1 − pi .
Dacă se fac calculele se va obt, ine exact formula (1.24):

Yn X X
P (X) = 1 − (1 − pi ) = pi − pi pj
i=1 1≤i≤n 1≤i<j≤n
X n−1
+ pi pj pk − . . . + (−1) p1 p2 . . . pn−1 pn .
1≤i<j<k≤n
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:
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.
notăm cu Xk evenimentul ca t, inta să fie atinsă de k ori, unde k = 0, 2.
Evenimentul cerut este X = X1 ∪ X2 sau, echivalent, X̄ = X0 , unde
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,
P (X) = 1 − P X̄ = 1 − P Ā1 ∩ Ā2 = 1 − P Ā1 · P Ā2 = 1 − q 2 .

De asemenea, putem folosi schema binomială s, i obt, inem direct
P (X) = C21 p1 q 1 + C22 p2 q 0 = 2pq + p2 sau, echivalent,

P (X) = 1 − P X̄ = 1 − C20 p0 q 2 = 1 − q 2

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
Se poate determina s, i probabilitatea evenimentului contrar, de a obt, ine maxim

două piese defecte. Astfel,
X2 k 100−k
k
P(X̄) = C100 (0.02) (0.98)
k=0
0 0 100 1 1 99 2 2 98
= C100 (0.02) (0.98) + C100 (0.02) (0.98) + C100 (0.02) (0.98)
100 99 100 · 99 2 98
= (0.98) + 100 · 0.02 · (0.98) + (0.02) (0.98)
2
= 0.677,
deci P (X) = 0.323.

1.10.46 Se consideră experient, a aruncării a două zaruri de opt ori. Care este
probabilitatea obt, inerii sumei 7 de trei ori?
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:
Se foloses, te schema binomială. Este utilă s, i notat, ia standard Ai , unde i ∈

N∗ , dată de (1.23), adică Ai este evenimentul obt, inerii unei bile albe la extra-
gerea i ∈ N∗ . Acestea sunt evenimente independente iar P (Ai ) = 10 14 , pentru
i ∈ N∗ .
(c) Evenimentul cerut este
X = Ā1 ∩ Ā2 ∩ . . . ∩ Āk−1 ∩ Ak .
Vezi s, i Remarca 2.141 din cadrul Distribut, iei geometrice.

(d) Evenimentul cerut este
X = A ∩ Ak ,
unde A este evenimentul obt, inerii unei singure bile albe în primele (k − 1)
extrageri.
1 k−1
1 10 4
Conform schemei binomiale, obt, inem P(A) = Ck−1 .
14 14
Vezi s, i Remarca 2.149 din cadrul Distribut, iei binomiale cu exponent nega-
tiv.
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

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 doilea caz, fie B evenimentul de a apărea fat, a unu pe ambele zaruri.

Atunci, B̄ este evenimentul de a nu apărea fat, a unu pe ambele zaruri, iar
35
P(B̄) = . Repetăm experient, a de n = 24 ori s, i să definim Y ca fiind eveni-
36
mentul ca B̄ să apară de k = 24 ori. Conform schemei binomiale,
24 0
24 35 1
P (Y ) = C24 .
36 36
Evident, putem gândi similar Y ca fiind evenimentul ca B să apară de k = 0 ori,

0 24
0 1 35
deci P (Y ) = C24 . Prin urmare, probabilitatea să apară măcar
36 36
24
35
o dată fat, a unu pe ambele zaruri este 1 − ' 0.4914.
36
În al treilea caz, fie C evenimentul de a apărea fat, a unu pe ambele zaruri,

1
iar P (C) = . Repetăm experient, a de n = 24 ori s, i să definim Z ca fiind
36
evenimentul ca C să apară de k = 0 sau de k = 1 ori. Conform schemei bino-
0 24 1 23
0 1 35 1 1 35
miale, P (Z) = C24 + C24 . Deci probabilitatea
36 36 36 36
24
35
să apară cel put, in de două ori fat, a unu pe ambele zaruri este 1 − −
36
23
1 35
24 ' 0.1427.
36 36
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
să definim T ca fiind evenimentul ca D să apară de k = 0 sau de k = 1 ori. Con-

0 24 1 23
0 11 25 1 11 25
form schemei binomiale, P (T ) = C24 + C24 .
36 36 36 36
Deci probabilitatea să apară cel put, in o dată fat, a unu pe cel put, in două perechi
24 23
25 11 25
de zaruri este 1 − − 24 ' 0.9943.
36 36 36
În al cincilea caz, fie E evenimentul de a apărea fat, a unu, pe un singur zar

10
dintre cele două zaruri. Avem P (E) = . Repetăm experient, a de n = 24 ori s, i
36
să definim U ca fiind evenimentul ca E să apară de k = 0 sau de k = 1 ori. Con-
0 24 1 23
0 10 26 1 10 26
form schemei binomiale, P (T ) = C24 + C24 .
36 36 36 36
Deci probabilitatea să apară o singură fat, ă unu pe cel put, in două perechi de
24 23
26 10 26
zaruri este 1 − − 24 ' 0.986.
36 36 36
1.10.49 Un arcas, trage asupra unei t, inte s, i o atinge cu probabilitatea 0.8. Dacă
trage de 10 ori, atunci care este probabilitatea ca t, inta să fie atinsă de 5 ori?
Care este probabilitatea ca t, inta să fie atinsă de cel mult 3 ori? Dar de cel
put, in 8 ori?
Rezolvare:
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
Al treilea eveniment este Y = X8 ∪ X9 ∪ X10 iar

X10 k 10−k
k
P (Y ) = P (X8 ) + P (X9 ) + P (X10 ) = C10 (0.8) (0.2) .
k=8
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
Pe de altă parte, evenimentele (Xk )k=0,n formează un sistem complet de eveni-

mente. Prin urmare,
[ n Xn
1 = P (Ω) = P Xk = P (Xk ) .
k=0 k=0
Deci, ca o consecint, ă, vom obt, ine29

2
Xn Cnk 2 2 2 2
n =1 ⇔ Cn0 + Cn1 + Cn2 + . . . + (Cnn ) = C2n
n
.
k=0 C2n
1.10.51 Într-un lot de (n + m) piese, n sunt conform standardelor s, i m piese

nu. S-au controlat k ≤ n + m piese (prin extragearea simultană a k piese). Care
este probabilitatea ca dintre cele k piese, r ≤ k să fie conform standardelor?
Să se arate că, pentru orice30 n, m, k ∈ N∗ astfel încât k ≤ n + m, au loc
28 Identitatea se poate demostra folosind s, i analiza combinatorie (vezi tipul de abordare din cadrul
Exemplului 1.91).
29 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)n = (a + b)2n .
30 Operatorii binari ∧ s, i ∨ sunt definit, i de
a ∧ b = min{a, b} s, i respectiv a ∨ b = max{a, b}.
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.
Vom obt, ine

0 ∨ (k − m) ≤ r ≤ k ∧ n.
Vezi notat, ia standard (1.22): fie Xr evenimentul de a extrage r piese conform
standardelor s, i (k − r) piese necorespunzătoare. Atunci, conform schemei hi-
pergeometrice,
k−r
Cnr · Cm
P (Xr ) = k
, r = 0 ∨ (k − m) , k ∧ n.
Cn+m
Pe de altă parte, evenimentele (Xr )r=0∨(k−m),k∧n formează un sistem complet
de evenimente. Prin urmare,
[ X
k∧n k∧n
1 = P (Ω) = P Xr = P (Xr ) .
r=0∨(k−m) r=0∨(k−m)
Deci, ca o consecint, ă, am obt, inut următoarea identitate32

Xk∧n Cnr · Cm
k−r
k
=1
r=0∨(k−m) Cn+m
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).
din identitatea (a + b)n (a + b)m = (a + b)n+m .
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 .
Deoarece 0 ∨ (k − m) = k − (k ∧ m) , să observăm că putem scrie s, i sub forma
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 .
Ment, ionăm că formula (1.26) în cazul în care n = m = k devine:

2 2 2 2
Cn0 + Cn1 + Cn2 + . . . + (Cnn ) = C2n
n
,
în cazul în care k ≤ n ∧ m devine:
Cn0 · Cm
k
+ Cn1 · Cm
k−1
+ . . . + Cnk · Cm
0 k
= Cn+m ,
în cazul n < k ≤ m devine:
Cn0 · Cm
k
+ Cn1 · Cm
k−1
+ . . . + Cnn · Cm
k−n k
= Cn+m ,
în cazul m < k ≤ n devine:
Cnk−m · Cm
m
+ Cnk−m+1 · Cm
m−1
+ . . . + Cnk · Cm
0 k
= Cn+m ,
iar în cazul n ∨ m < k ≤ n + m devine:
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
1.10.52 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
P (X1 ∪ X2 ∪ X3 ) = P (X1 ) + P (X2 ) + P (X3 )

C31 · C97
39
C 2 · C 38 C 3 · C 37
= 40 + 3 40 97 + 3 40 97 .
C100 C100 C100
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 ,
care este formula (1.25) scrisă în cazul 3 = n < k = 40 ≤ m = 97.

1.10.53 Într-o urnă sunt 20 de bile, dintre care 8 bile albe s, i 12 bile negre. Se
extrag 6 bile deodată. Care este probabilitatea extragerii a r bile albe? Să se
deducă apoi valoarea sumei de tipul r Cnr Cm k−r
P
.
34 Identitatea se poate demostra folosind s, i analiza combinatorie (vezi tipul de abordare din cadrul
Exemplului 1.91).
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
,
care este formula (1.25) scrisă în cazul în care 4 = m < k = 5 ≤ n = 8.
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.
1.10.56 Un departament al unei universităt, i are 25 de imprimante, dintre care

20 sunt de tip laser, iar restul de tip inkjet (i.e. cu cerneală). Un tehnician alege,
la întâmplare, pentru control, 6 dintre ele. Care este probabilitatea ca 3 impri-
mante din cele 6 alese să fie de tip inkjet? Dar ca cel put, in 4 imprimante să fie
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
P (A1 ∩ A2 ∩ A3 ) = P (A3 |A1 ∩ A2 ) · P (A2 |A1 ) · P (A1 )

C41 · C48
12 12
C31 · C36 12
C21 · C24
= 13 · 13 · 13 .
C52 C39 C26
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
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.
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 .
1.10.60 (Problema lui Banach) Un fumător cumpără două cutii de chibrituri,

fiecare cont, inând n bet, e. De fiecare dată când are nevoie de un chibrit scoate la
întâmplare o cutie s, i consumă un băt, . Care este probabilitatea ca în momentul
în care constată că o cutie este goală cealaltă să cont, ină k bet, e?
Pe baza rezultatului obt, inut, să se deducă s, i identitatea
n n
C2n + 2C2n−1 + 22 C2n−2
n
+ . . . + 2n−1 Cn+1
n
+ 2n Cnn = 22n .
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:
A = {în (2n − k) extrageri, bila albă apare de n ori},
B = {în (2n − k) extrageri, bila neagră apare de n ori},
C = {la extragerea (2n − k + 1) apare bila albă}.

În aceste notat, ii, se cere probabilitatea P (A ∩ C) ∪ B ∩ C̄ .
Evident, din motive de simetrie, P (A) = P (B) .
Deci

P (A ∩ C) ∪ B ∩ C̄ = P (A ∩ C) + P B ∩ C̄

= P (A) · P (C) + P (B) · P C̄
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 .
1.10.61 (Problema concordant, elor) O urnă cont, ine n bile numerotate de la 1

la n. Se extrag la întâmplare, una câte una, toate aceste bile. Spunem că s-a
produs o concordant, ă dacă la extragerea k s-a obt, inut bila cu numărul k. Care
este probabilitatea obt, inerii a cel put, in unei concordant, e?
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)!
(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
Utilizăm formula (1.9)

[ X X X
P Ai = P (Ai ) − P (Ai ∩ Aj ) + P (Ai ∩ Aj ∩ Ak ) − . . .
i i i<j i<j<k
n−1
+ (−1) P (A1 ∩ A2 ∩ . . . ∩ 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!
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
1.10.63 (Paradoxul lui Bertrand) Care este probabilitatea ca alegând o coardă,

la întâmplare, în interiorul unui cerc, aceasta să fie mai mare decât lungimea
laturii triunghiului echilateral înscris în cerc?
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
unghiul făcut de perpendiculară cu un diametru fixat, unghi notat α. În acest

caz domeniul parametrilor este
D : d ∈ [0, R), α ∈ [0, 2π).
Conform desenului avem coarda P Q, cu mijlocul M s, i triunghiul echilateral

ABC de latură l, înscris în cercul de rază R.
√ √
Din calcule obt, inem: l = R 3, |P Q| = 2 R2 − d2 s, i deci
P (|P Q| ≥ l) = P (d ≤ R/2) .
Domeniul situat, iilor favorabile este atunci
D0 : d ∈ [0, R/2], α ∈ [0, 2π).
Probabilitatea geometrică cerută este
Aria (D0 ) 2πR/2 1

P (|P Q| ≥ l) = = = .
Aria (D) 2πR 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
D : α ∈ [0, 2π), β ∈ [0, π/2).

√
Din calcule obt, inem: l = R 3, |P Q| = 2R cos β s, i deci
√
P (|P Q| ≥ l) = P cos β ≥ 3/2 = P (0 ≤ β ≤ π/6) .
D0 : α ∈ [0, 2π), β ∈ [0, π/6].
Aria (D0 ) 2π · π/6 1

P (|P Q| ≥ l) = = = .
Aria (D) 2π · π/2 3
(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
triunghiul echilateral, respectiv, dacă P Q este o coardă oarecare în cerc atunci

M este, evident, situat în interiorul cercului dat.
Deci
2
Aria (cercului înscris) π · (R/2) 1
P (|P Q| ≥ l) = = 2
= .
Aria (cercului) π·R 4
1.10.64 Care este probabilitatea ca alegând o coardă, la întâmplare, în interiorul

unui cerc de rază R, aceasta să fie cel mult R?
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 .
√
D0 : d ∈ [R 3/2, R], α ∈ [0, 2π).
√
√

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].
Aria (D0 ) 2π · (π/2 − π/3) 1
P (|P Q| ≤ R) = = = = 0.333.
Aria (D) 2π · π/2 3
1.10.65 Care este probabilitatea ca alegând o coardă, la întâmplare, în interiorul

unui cerc, aceasta să aibă lungimea cuprinsă între a s, i b?
Rezolvare:
Să considerăm notat, iile Exercit, iului 1.10.63, cazul (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
P (a ≤ |P Q| ≤ b) = P R2 − b2 /4 ≤ d ≤ R2 − a2 /4 .

hp p i
D0 : d ∈ R2 − b2 /4, R2 − a2 /4 , α ∈ [0, 2π).

p p
2π · R2 − a2 /4 − R2 − b2 /4
P (a ≤ |P Q| ≤ b) =
2πR
1 p 2 p
= R − a2 /4 − R2 − b2 /4 .
R
1.10.66 Un segment de lungime ` este rupt în trei segmente. Care este proba-
bilitatea ca acestea să poată fi laturile unui triunghi?
Rezolvare:
Fie segmentul AB, de lungime `, rupt în trei segmente de punctele aleator
alese P , Q. Notăm x = |AP |, y = |P Q|. Domeniul cazurilor posibile este dat
atunci de D : x ∈ [0, `], y ∈ [0, `] astfel încât x + y ≤ `, adică
D : x ∈ [0, `] , y ∈ [0, ` − x] .
Cele trei segmente formează un triunghi dacă s, i numai dacă au loc următoarele
inegalităt, i
 
 |AP | ≤ |P Q| + |QB| ,

  x ≤ `/2,



 

|P Q| ≤ |AP | + |QB| , ⇔ y ≤ `/2,

 


 

|QB| ≤ |AP | + |P Q| x + y ≥ `/2.
 
Domeniul cazurilor favorabile este dat atunci de

D0 : x ∈ [0, `/2] , y ∈ [`/2 − x, `/2] .
Aria (D0 ) `2 /8 1
= 2 = .
Aria (D) ` /2 4
Aceeas, i probabilitate obt, inem s, i dacă folosim notat, iile x = |AP |, y = |AQ| .
În acest caz vom obt, ine
D : {(x, y) : x, y ∈ [0, `]}
s, i
D0 : {(x, y) : x, y ∈ [0, `] , x ≤ `/2, y ≥ `/2, y ≤ x + `/2}
∪ {(x, y) : x, y ∈ [0, `] , x ≥ `/2, y ≤ `/2, y ≥ x − `/2}
(am luat în considerare faptul că punctele pot fi în ordinea A, P, Q, B sau în
ordinea A, Q, P, B).
Se face desenul s, i probabilitatea geometrică cerută este
2 2
Aria (D0 ) (`/2) /2 + (`/2) /2 1
= = .
Aria (D) `2 4
1.10.67 Fie segmentul AB, de lungime `, rupt în trei segmente de punctele P ,

Q, alese aleator. Care este probabilitatea ca lungimea segmentului P Q să fie
mai mică decât `˜ (cu `˜ ≤ `)?
Rezolvare:
Să considerăm reperul xOy cu originea în A s, i astfel încât B este tot pe axa
Ox. Vom nota cu x, y abscisele punctelor P s, i respectiv Q.
Domeniul cazurilor posibile este dat atunci de D : x ∈ [0, `], y ∈ [0, `].
Domeniul cazurilor favorabile este dat de D0 : x, y ∈ [0, `] astfel încât
|x − y| ≤ `˜ ceea ce duce la
˜ ∩ {(x, y) : x, y ∈ [0, `] , y ≥ x − `}.
D0 : {(x, y) : x, y ∈ [0, `] , y ≤ x + `} ˜

Aria (D0 ) ˜2
`2 − (` − `) 2``˜ − `˜2 2`˜ `˜2
= 2
= 2
= − 2.
Aria (D) ` ` ` `
1.10.68 Două semnale ajung la un dispozitiv de recept, ie uniform în intervalul

de timp [0, T ]. Aparatul se blochează dacă semnalele sosesc la interval mai mic
de a minute unul fat, ă de celălalt (a < T ). Care este probabilitatea ca aparatul
să se blocheze?
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
1.10.69 Doi prieteni sosesc aleator, la un loc de întâlnire, între orele h s, i h +

T. Fiecare as, teaptă doar un sfert de oră pe celălalt. Care este probabilitatea
întâlnirii lor?
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
1.10.70 În interiorul unui triunghi echilateral se alege la întâmplare (repartizat

în mod uniform) un punct. Care este probabilitatea ca distant, ele la cele trei
laturi ale triunghiului considerat să fie laturile unui triunghi?
Rezolvare:
Să notăm cu M punctul din interiorul triunghiului echilateral ABC s, i cu

P, Q, R picioarele perpendicularelor pe laturile BC, AC s, i respectiv AB. Deoa-
rece A∆ABC = A∆AM C + A∆AM C + A∆BM C deducem că
√
l 3
|M P | + |M Q| + |P Q| = (constant) = h = .
2
Deci problema este similară cu Exercit, iul 1.10.66.
Să se dea s, i o interpretare geometrică a rezultatului (unde se poate situa
punctul M astfel încât să aibă loc condit, iile cerute în enunt, ?).
1.10.71 (Problema acului lui Buffon) Pe un plan este trasat un fascicul de
drepte paralele, echidistante, având distant, a 2a între drepte. Se aruncă pe acest
fascicul un ac de lungime 2` (2` < 2a). Care este probabilitatea ca acul să inter-
secteze una dintre dreptele fasciculului?
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] .
Ducem perpendiculara pe o dreaptă din fascicul s, i formăm triunghiul drep-

tunghic ABC (cu latura AC paralelă cu dreptele din fascicul). Obt, inem că
|BC| = 2` sin α. În acest caz situat, iile favorabile ca acul sa atingă o dreaptă este
ca
d ≤ |BC| /2 ⇔ d ≤ ` sin α.
D0 : α ∈ [0, π] , d ∈ [0, ` sin α] .
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
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
Variabile aleatoare discrete
2.1 Variabile aleatoare. Generalităt, i

O mărime legată de o experient, ă aleatoare E s, i care ia valori la întâmplare,
în funct, ie de rezultatele experient, ei, se numes, te variabilă aleatoare.
Pentru o definit, ie mai riguroasă, să considerăm un spat, iu de probabilitate
(Ω, F, P) .
Definit, ia 2.1 Funct, ia

X:Ω→R
se numes, te variabilă aleatoare (pe scurt v.a.) dacă
(2.1) {X ≤ x} ∈ F, pentru orice x ∈ R,
not
unde, pentru simplitate, s-a notat {X ≤ x} == {ω : X (ω) ≤ x} .
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.
X −1 (B) ∈ F, pentru orice B ∈ B (R) .
Remarca 2.3 Are loc scrierea

{X ≤ x} = {ω : X (ω) ≤ x} = {ω : X (ω) ∈ (−∞, x]} = X −1 ((−∞, x]) ,
36 Pentru σ−algebra Borel B (R) vezi Definit, ia 1.50.
103
104 2. Variabile aleatoare discrete
unde notat, ia X −1 (A) desemnează preimaginea37 (sau imaginea inversă a)

mult, imii Borel A ∈ B (R) prin X.
Prin urmare, Definit, ia 2.1 devine: funct, ia X : Ω → R este o v.a. dacă s, i
numai dacă
pentru orice x ∈ R, X −1 ((−∞, x]) ∈ F.
Aceasta înseamnă, echivalent (vezi Remarca 1.51), că X −1 (B) ∈ F, pentru
orice B ∈ B (R) , adică X este o funct, ie măsurabilă, adică Definit, ia 2.1 este
echivalentă cu Definit, ia 2.2.
Evident, Definit, ia 2.2 este echivalentă (vezi Remarca 1.51) s, i cu definit, ia:
funct, ia X : Ω → R este o v.a. dacă
{X < x} ∈ F, pentru orice x ∈ R.

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.
Definit, ia 2.4 Fie X : Ω → R o v.a. Funct, ia
PX : B (R) → [0, 1] ,
definită prin
def
(2.2) PX (B) == P (X ∈ B) = P ({ω ∈ Ω : X (ω) ∈ B}) , B ∈ B (R) ,
se numes, te legea sau repartit, ia sau distribut, ia v.a. X.
Remarca 2.5 Putem scrie s, i sub forma
PX (B) = P X −1 (B) = P ◦ X −1 (B) ,

B ∈ B (R) .
Remarca 2.6 În Teoria probabilităt, ilor suntem interesat, i nu de valorile pe care le

poate lua o v.a., ci de probabilităt, ile ca X să ia valori într-o anumită mult, ime
B ∈ B (R), adică P (X ∈ B), pentru B ∈ B (R), deci de legea v.a. X.
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.
Definit, ia 2.8 Fie X : Ω → R o v.a. Funct, ia
FX : R → [0, 1] ,
definită prin
def
(2.3) FX (x) == P (X ≤ x) , x ∈ R,
se numes, te funct, ia de repartit, ie (sau funct, ia de distribut, ie sau funct, ia de dis-

tribut, ie cumulativă) asociată v.a. X.
FX (x) = P X −1 ((−∞, x]) = PX (−∞, x] .

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:
(i) Funct, ia FX este monoton nedescrescătoare40 .
(ii) Funct, ia FX este continuă la dreapta în orice punct x ∈ R, i.e.
FX (x) = FX (x + 0) , pentru orice x ∈ R,

def
unde FX (x + 0) == limy→x FX (y) .
y>x
(iii) Au loc41 s, i
(2.4) FX (−∞) = 0 s, i FX (∞) = 1,

40 Spunem că o funct, ie este nedescrescătoare dacă este crescătoare dar nu neapărat strict crescă-
toare.
41 În plus fat, ă de limitele date de (2.4) au loc limitele date de (3.19).
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).
Demonstrat, ie. (i) Într-adevăr, dacă x < y, atunci {X ≤ x} ⊆ {X ≤ y} , deci

FX (x) = P (X ≤ x) ≤ P (X ≤ y) = FX (y) .
(ii) 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
adică (vezi Definit, ia 1.39)
{X ≤ xn } & {X ≤ x} .
Folosind continuitatea probabilităt, ii P în raport cu s, iruri monotone de eveni-

mente (vezi Propozit, ia 1.40) obt, inem FX (xn ) = P (X ≤ xn ) & P (X ≤ x) =
FX (x) .
(iii) Fie s, irul (xn )n∈N∗ astfel încât xn → −∞, pentru
T n → ∞. Atunci, s, irul de
evenimente ({X ≤ xn })n∈N∗ este necrescător iar n∈N∗ {X ≤ xn } = ∅, adică
{X ≤ xn } & ∅.
Aplicând Propozit, ia 1.40 obt, inem FX (xn ) = P (X ≤ xn ) & P (∅) = 0.

Apoi fie s, irul (yn )n∈N∗ astfel încât yn → ∞, pentru S
n → ∞. Atunci, s, irul
de evenimente ({X ≤ yn })n∈N∗ este nedescrescător iar n∈N∗ {X ≤ yn } = Ω,
adică
{X ≤ yn } % Ω.
Aplicând Propozit, ia 1.40 obt, inem FX (yn ) = P (X ≤ yn ) % P (Ω) = 1.
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 .
Remarca 2.15 Egalitatea

P (−∞, x] = F (x) , pentru orice x ∈ R,
stabiles, te o corespondent, ă biunivocă42 între măsurile de probabilitate P pe

(R, B (R)) (conform Definit, iei 1.30) s, i funct, iile de repartit, ie F (definite de cele
trei proprietăt, i din Propozit, ia 2.12).
Într-adevăr, dacă se dă o măsură de probabilitate P pe (R, B (R)) , atunci
def
se poate arăta că F (x) == P (−∞, x] este o funct, ie de repartit, ie pe R.
Invers, dacă se dă o funct, ie de repartit, ie F pe R, atunci se poate arăta că
aplicat, ia P : (R, B (R)) → R definită pe orice tip de interval astfel (vezi for-
mulele (2.7)): pentru orice −∞ ≤ a < b ≤ ∞,

P (a, b] = F (b) − F (a) , P [a, b] = F (b) − F (a − 0) ,

P [a, b) = F (b − 0) − F (a − 0) , P (a, b) = F (b − 0) − F (a) ,
este o măsură de probabilitate pe (R, B (R)) .
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
(vi) Au loc următoarele formule, pentru orice a ∈ R :
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].
(vii) Pentru orice a ∈ R :
(2.5) P (X = a) = FX (a) − FX (a − 0) .
Prin urmare,
(2.6) P (X = a) = 0 ⇔ FX este continuă în a
s, i, deoarece F admite un număr cel mult numărabil de salturi, deducem că

mult, imea punctelor a pentru care P (X = a) 6= 0 este s, i ea cel mult numărabilă:
{a ∈ R : P (X = a) > 0} este cel mult numărabilă.
(viii) Au loc următoarele formule, pentru orice −∞ ≤ a < b ≤ ∞ :
P (a < X ≤ b) = FX (b) − FX (a) ,

P (a < X < b) = FX (b − 0) − FX (a) ,
(2.7)
P (a ≤ X < b) = FX (b − 0) − FX (a − 0) ,
P (a ≤ X ≤ b) = FX (b) − FX (a − 0) .
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 ≤ ∞,
FX (b) − FX (a) = P (a < X ≤ b)

= P (a < X < b)
(2.9)
= P (a ≤ X < b)
= P (a ≤ X ≤ 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.
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
adică (vezi Definit, ia 1.39)

{X ≤ xn } % {X < x} .
Folosind Propozit, ia 1.40 obt, inem FX (xn ) = P (X ≤ xn ) % P (X < x) , deci
există FX (x − 0) iar FX (x − 0) = P (X < x) .
(vi) Pentru demonstrat, ie sunt utile egalităt, ile:
{X ≤ a} ∪ {X > a} = Ω, {X < a} ∪ {X ≥ a} = Ω.
(vii) Pentru demonstrat, ie este utilă egalitatea:

{X < a} ∪ {X = a} = {X ≤ a} .
(viii) Pentru demonstrat, ie sunt utile egalităt, ile:
{X ≤ a} ∪ {a < X ≤ b} = {X ≤ b} , {X ≤ a} ∪ {a < X < b} = {X < b} ,
{X < a} ∪ {a ≤ X < b} = {X < b} , {X < a} ∪ {a ≤ X ≤ b} = {X ≤ b} .
(x) Din ipoteză rezultă că {Y ≤ x} ⊂ {X ≤ x} s, i deci

FY (x) = P (Y ≤ x) ≤ P (X ≤ x) = FX (x) .
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.
dacă au aceas, i lege, i.e.

PX = PY , pe B (R) ,
sau, echivalent, dacă au aceeas, i funct, ia de repartit, ie, i.e.
FX = FY , pe R,
sau, echivalent, dacă urmează aceeas, i distribut, ie.
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.
Remarca 2.19 Să ment, ionăm că dacă
d d
X +Z = Y +Z 6
=⇒ X=Y
(pentru demonstrat, ie vezi [30, Example 4.3.2]).
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.,
dacă45 există evenimentul N ∈ F cu P (N ) = 0 astfel încât
X (ω) = Y (ω) , pentru orice ω ∈ Ω \ N.
Astfel, X = Y , P−a.s., înseamnă
P (X = Y ) = P ({ω : X (ω) = Y (ω)}) = 1 sau, echivalent,

P (X 6= Y ) = P ({ω : X (ω) 6= Y (ω)}) = 0.
45 Fie spat, iul de probabilitate (Ω, F, P) . Spunem că (vezi s, i Nota 8) o proprietate A are loc
P−aproape sigur (notat P−a.s.) dacă există evenimentul N ∈ F cu P (N ) = 0 astfel încât
proprietatea A are loc pentru orice ω ∈ Ω \ N.
Să observăm că mult, imea M ⊆ N pentru care proprietatea A nu are loc nu este neapărat negli-
jabilă deoarece M nu trebuie, în mod necesar, să fie eveniment, i.e. M ∈ F. Prin urmare, s, tim că
există M, N astfel încât M ⊆ N, N ∈ F, cu P (N ) = 0, iar proprietatea A are loc pentru orice
ω ∈ (Ω \ N ) ∪ (N \ M ) s, i nu are loc pentru orice ω ∈ M.
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.
Demonstrat, ie. Avem P (A) = 0, unde A = {X 6= Y } . Atunci, pentru orice

B ∈ B (R) ,
{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) ,
deci P (X ∈ B) = P (Y ∈ B), pentru orice B ∈ B (R), adică X s, i Y au aceeas, i

lege.
Definit, ia 2.23 Dacă X : Ω → R este o v.a., atunci definim σ−algebra generată de

v.a. X prin
def
σ (X) == X −1 (B) : B ∈ B (R) .

Aceasta este cea mai mică σ−algebră în raport cu care X este funct, ie măsurabilă.
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 .

Definit, ia 2.25 Spunem că v.a. Xi : Ω → R, i = 1, n, sunt independente în ansam-

blu dacă σ−algebrele σ (Xi ) , i = 1, n, generate de v.a. date, sunt σ−algebre indepen-
dente în ansamblu, i.e.
\n Yn
P Ci = P (Ci ) ,
i=1 i=1
pentru orice evenimente Ci ∈ σ (Xi ) , i = 1, n.

Având în vedere că σ (Xi ) = {Xi−1 (B) : B ∈ B (R)} = {Xi ∈ B : B ∈
B (R)}, deducem că Ci ∈ σ (Xi ) dacă există Bi ∈ B (R) astfel încât Ci = {Xi ∈
Bi }, prin urmare putem defini s, i în modul următor.
Definit, ia 2.26 Spunem că v.a. Xi : Ω → R, i = 1, n, sunt independente în

ansamblu dacă
P (X1 ∈ B1 , . . . , Xn ∈ Bn ) = P (X1 ∈ B1 ) . . . P (Xn ∈ Bn ) ,
pentru orice mult, ime Borel Bi ∈ B (R) , i = 1, n.
Definit, ia 2.27 Spunem că v.a. Xi : Ω → R, i = 1, n, sunt independente două

câte două dacă
P (Xi ∈ B1 , Xj ∈ B2 ) = P (Xi ∈ B1 ) P (Xj ∈ B2 ) ,
pentru orice i, j ∈ {1, 2, . . . , n} s, i pentru orice mult, imi Borel B1 , B2 ∈ B (R) .
Remarca 2.28 Evident, dacă v.a. Xi , i = 1, n, sunt independente în sensul

Definit, iei 2.26, atunci ele sunt independente două câte două. Reciproca acestei
afirmat, ii nu este adevărată. Există exemple în care v.a. sunt independente două
câte două dar nu sunt independente în ansamblu.
Remarca 2.29 Alegând Bi = (−∞, ai ] obt, inem caracterizarea: v.a. Xi : Ω → R,

i = 1, n, sunt independente în ansamblu dacă s, i numai dacă
Yn
P (X1 ≤ a1 , . . . , Xn ≤ an ) = P (Xi ≤ ai ) ,
i=1
pentru orice a1 , a2 , . . . , an ∈ R.
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).
2.2 Variabile aleatoare discrete cu un număr finit de

valori
Cunoas, terea legii PX : B (R) → [0, 1], dată de PX (B) = P (X ∈ B), unde
B ∈ B (R), asociată unei v.a. discrete X, cu un număr finit sau infinit de
valori, este echivalentă cu cunoas, terea valorile pe care le poate lua v.a. (adică a
mult, imii X (Ω)) s, i a probabilităt, ilor cu care este luată fiecare valoare din X (Ω) .
Putem reprezenta aceste informat, ii sub forma unui tabloul de repartit, ie:
   
x1 x2 . . . x n xi
(2.10) X:  sau X :   ,
p1 p2 . . . pn pi
i=1,n
unde X (Ω) = {x1 , x2 , . . . , xn } iar pi = P (X = xi ) , cu i = 1, n, deci

Xn
pi ≥ 0, pentru i = 1, n s, i pi = 1
i=1
(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,
numită s, i funct, ia masă de probabilitate (care este, de fapt, funct, ia densitate

de repartit, ie (2.14) asociată unei v.a. discrete).
Remarca 2.31 Să ment, ionăm că o funct, ie discretă X : Ω → R, definită pe un

spat, iu finit de probabilitate (Ω, F, P), este v.a. (vezi Definit, ia 2.1 sau Definit, ia
2.2) dacă s, i numai dacă {X = x} ∈ F, pentru orice x ∈ X (Ω).
2.2. Variabile aleatoare discrete cu un număr finit de valori 115
Prin urmare, în cazul unei funct, ii discrete X : Ω → R definită pe un

spat, iu finit de probabilitate (Ω, P (Ω) , P), condit, ia din Definit, ia 2.1 are loc
întotdeauna.
Prin urmare, dacă avem card (Ω) finit, atunci
orice funct, ie X : (Ω, P (Ω)) → (R, B (R)) este v.a.,
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.
Exemplul 2.33 În cazul unei v.a. constante funct, ia de repartit, ie se calculează

foarte us, or. Mai precis, dacă X = c, P−a.s., atunci se obt, ine:

 0, x < c,
FX (x) = P (X ≤ x) =
1, x ≥ c.

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
De exemplu, dacă x < x1 avem FX (x) = P (X ≤ x) = P (∅) = 0.

Apoi, pentru x1 ≤ x < x2 , avem
FX (x) = P (X ≤ x) = P (X ≤ x1 ) = P (X = x1 ) = p1 .
Pentru x2 ≤ x < x3 avem
FX (x) = P (X ≤ x) = P (X ≤ x2 )
= P (X ∈ {x1 , x2 })
= P (X = x1 ) + P (X = x2 )
= p1 + p2 .
Astfel, se obt, ine




 0, x < x1 ,

p1 , x1 ≤ x < x2 ,






 p1 + p2 , x2 ≤ x < x 3 ,

(2.12) FX (x) =
 ...




p1 + . . . + pn−1 , xn−1 ≤ x < xn ,






1 = p1 + . . . + pn , xn ≤ x.

Observăm că, în acest caz, funct, ia de repartit, ie FX este o funct, ie continuă

în orice punct cu except, ia {xk }k=1,n , mai precis, singurele puncte de disconti-
nuitate sunt punctele de salt {xk }k=1,n .
Pe de altă parte, dacă se dă o funct, ie de tipul (2.12), atunci se poate arăta că
ea este o funct, ie de repartit, ie s, i, în plus, putem determina v.a. X căreia funct, ia
îi este asociată. Astfel, probabilităt, ile P (X = x) sunt date de (2.5):
P (X = x) = FX (x) − FX (x − 0) , pentru orice x ∈ X (Ω) .
Prin urmare,
P (X = x) = 0, pentru orice x în care FX este continuă,

P (X = x) 6= 0, pentru orice x în care FX are un salt,
deci X ia doar valorile x în care FX este discontinuă.
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.
Remarca 2.35 (vezi s, i Remarca 3.19) Reamintim definit, ia măsurii Dirac δx ,

asociată unei valori x ∈ R. Aceasta este măsura δx : (R, B (R)) → R dată de
δx (A) == 1A (x) ,
def
pentru A ∈ B (R) ,

 1, x ∈ A,
unde 1A este funct, ia indicatoare a mult, imii A, i.e. 1A (x) =
def
=
0, x∈
/ A.

Integrala Lebesgue în raport cu măsura δx satisface

Z ∞
(2.13) f (t) δx (dt) = f (x) ,
−∞
pentru orice funct, ie continuă f cu suport compact.

Măsura Dirac δx este o măsură de probabilitate. Aceasta are un singur
atom46 dat de {x} ; deci putem spune că măsura Dirac δx este concentrată în
punctul x ∈ R.
Funct, ia treapta unitate Heaviside este dată de

 0, x < 0,
def
H (x) ==
1, x ≥ 0

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.
X Z
= pi δxi (dt)
i∈I (−∞,x]
Z X
= pi δxi (dt).
(−∞,x] i∈I
Putem introduce (ca s, i în cazul continuu) funct, ia densitate de repartit, ie fX

asociată unei v.a. discrete X prin
P (X = xi ) · 1{t=xi } , pentru orice t ∈ R,

X
(2.14) fX (t) =
i∈I
sau, echivalent,
X
(2.15) fX (t) = P (X = xi ) · δxi ({t}) , pentru orice t ∈ R,
i∈I
care este chiar funct, ia masă de probabilitate (2.11) sau (2.55).

Astfel, are loc legătura cu funct, ia de repartit, ie dată de următoarea integrală
Lebesgue (vezi s, i formula (3.1) din cazul v.a. continue):
Z x
def
FX (x) == fX (dt) , pentru orice x ∈ R
−∞
în raport cu măsura de probabilitate discretă fX : B (R) → R, dată de

X
fX (B) = pi · δxi (B) , pentru B ∈ B (R) .
i∈I
Astfel, se obt, ine că

FX (x) = fX ((−∞, x]) .
Prin urmare, în termenii de mai sus, putem redefini o v.a. discretă (cu un număr
finit sau infinit de valori) astfel: spunem că o v.a. X este discretă dacă legea PX
asociată ei este măsură de probabilitate discretă47 , adică există {pi , xi }i∈I ⊂ R,
unde I este o mult, ime cel mult numărabilă de indici, astfel încât
X X
(2.16) PX (B) = pi · δxi (B) = i∈I pi , unde B ∈ B (R) ,
i∈I xi ∈B
47 Ment, ionăm că, dacă Ω este cel mult numărabilă, atunci orice măsură de probabilitate pe spat, iul
măsurabil (Ω, F) trebuie să fie discretă.
Pe de altă parte, dacă Ω este infinită s, i nenumărabilă, atunci putem înzestra spat, iul măsurabil
(Ω, F) cu o măsură discretă. De exemplu, dacă luăm o v.a. X discretă, atunci legea ei asociată
PX este măsură de probabilitate discretă definită pe spat, iul (R, B (R)) .
adică
(2.17) PX (B) = fX (B) , pentru orice B ∈ B (R) .
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
În cazul particular în care legea PX este dată de PX = δx0 , pentru un x0 ∈ R,

obt, inem că
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 .
Exemplul 2.36 Funct, ia indicatoare 1A a evenimentului A ∈ F, dată de


 1, ω ∈ A,
1A (ω) =
def
=
0, ω ∈/ A,

este o v.a. discretă.

Mai mult, este evident că dacă A ∈ P (Ω) este o mult, ime, atunci funct, ia 1A
este v.a. (adică funct, ie măsurabilă) dacă s, i numai dacă A este eveniment, adică
A ∈ F.
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,

2.2.1 Operat, ii cu variabile aleatoare

Având în vedere că v.a. sunt funct, ii definite pe mult, imea evenimentelor
elementare s, i cu valori reale, putem defini suma s, i produsul a două v.a (ca s, i la
funct, ii). Astfel, dacă ω este un eveniment elementar s, i X, Y au acelas, i domeniu
de definit, ie, atunci definim (suma, produsul s, i produsul cu un scalar α)
(X + Y ) (ω) = X (ω) + Y (ω) ,
(X · Y ) (ω) = X (ω) Y (ω) ,
(αX) (ω) = αX (ω) .
Fie v.a. discrete X, Y cu tablourile

   
x1 x2 . . . x m y1 y2 ... yn
X: , Y : ,
p1 p2 . . . pm q1 q2 ... qn
unde pi , qj ∈ [0, 1], cu i = 1, m, j = 1, n, s, i

Xm Xn
pi = 1 = qj .
i=1 j=1
Pentru i = 1, m, j = 1, n să notăm cu

pij = P (X = xi , Y = yj ) = P ({X = xi } ∩ {Y = yj }) .
Atunci, tabloul de repartit, ie al v.a. X + Y este dat de
 
x1 + y1 x1 + y2 . . . x1 + yn . . . xm + yn
X +Y : ,
p11 p12 ... p1n ... pmn
iar pentru produsul X · Y avem

 
x1 y1 x1 y2 ... x1 yn ... xm yn
X ·Y : .
p11 p12 ... p1n ... pmn
În particular, dacă Y = a este o v.a. constantă, atunci

 
a + x1 a + x2 . . . a + xm
a+X : ,
p1 p2 ... pm
 
ax1 ax2 ... axm
aX :  .
p1 p2 ... pm
În particular, adunând v.a. aX s, i b, se obt, ine s, i

 
ax1 + b ax2 + b . . . axm + b
aX + b :  .
p1 p2 ... pm
De asemenea, dacă luăm X = Y atunci obt, inem pătratul unei v.a.

 
2 2 2
def x 1 x 2 . . . x m 
X 2 == X · X :  ,
p1 p2 . . . p m
deoarece în acest caz X = Y s, i, pentru i 6= j,
pij = P (X = xi , X = xj ) = P ({X = xi } ∩ {X = xj }) = 0,
iar pentru i = j,
pii = P X 2 = x2i = P ({X = xi } ∩ {X = xi }) = P (X = xi ) = pi .

Propozit, ia 2.39 Au loc relat, iile

Xn Xm
pij = pi , pij = qj , pentru i = 1, n, j = 1, n.
j=1 i=1
Demonstrat, ie. Avem
{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
2.2.2 Caracteristici numerice

Fie v.a. X cu tabloul de repartit, ie
 
x1 x2 ... xm
X: ,
p1 p2 ... pm
Pm
unde pi ∈ [0, 1], cu i = 1, m s, i i=1 pi = 1.
Definit, ia 2.40 Vom numi media48 v.a. discrete X, numărul
def
Xm
(2.20) E (X) == x1 p1 + x2 p2 + . . . + xm pm = xi pi .
i=1
Remarca 2.41 Definit, ia precedentă o putem scrie s, i sub forma49

X
E (X) = x · P (X = x) .
x∈X(Ω)
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
Media aritmetică a tuturor valorilor luate de X este, prin urmare,

not x1 + . . . + xN 1 1 1
X̄ == = x1 + x2 + . . . + xN ,
N N N N
48 Pentru definit, ia mediei unei v.a. discrete cu un număr infinit de valori sau al unei v.a. continue
vezi Definit, ia 2.123 s, i respectiv Definit, ia 3.29.
49 De fapt (vezi Remarca 2.127), 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 integrala
def R
Lebesgue E (X) == Ω X (ω) P (dω) (în caz că aceasta există) pe Ω în raport cu măsura P.
adică exact media v.a. X.

Dar cele N valori luate de X se pot repeta, deci să le renotăm astfel încât
Pmvaloare distinctă xi să fie luată de ni ori, cu i = 1, m, unde 1 ≤ m ≤ N
fiecare
iar i=1 ni = N (astfel avem m ≤ N valori distincte între ele).
Valoarea ni /N reprezintă raportul dintre numărul cazurilor în care s-a ob-
t, inut valoarea xi s, i numărul total de experient, e efectuate, adică (vezi pagina
496) numărul ni reprezintă frecvent, a absolută de aparit, ie a valorii xi iar ni /N
reprezintă frecvent, a relativă de aparit, ie a valorii xi . Deci pi = ni /N reprezintă
probabilitatea de aparit, ie a valorii xi , adică putem scrie
 
x1 x2 ... xm
X: .
p1 = n1 /N p2 = n2 /N . . . pm = nm /N
În acest caz media aritmetică a valorilor luate de X va fi

x + . . . + x1 + . . . + xm + . . . + xm
| 1 {z } | {z }
de n1 ori de nm ori n1 x1 + . . . + nm xm
=
N N
n1 nm
= x1 + . . . + xm
N N
= p 1 x1 + . . . + p m xm ,
adică exact media v.a. X.
Media lui X ne arată la ce valoare putem să ne as, teptăm pentru media
aritmetică a unui mare număr de valori ale lui X, obt, inute în urma repetării
experient, ei date.
Remarca 2.44 În cazul în care nu este specificat explicit, următoarele definit, ii

s, i proprietăt, i s, i formule de calcul sunt valabile s, i în cazul unor v.a. X oarecare
(nu neapărat cu un număr numărabil de valori).
Propozit, ia 2.45 (Proprietăt, i ale mediei)

(i) Valoarea medie a unei constante50 este egală cu constanta. Mai precis,
X = c, P − a.s. ⇒ E (X) = E (c) = c.

50
c c
De fapt, putem vedea c ca fiind v.a. . Iar egalitatea X = reprezintă chiar X = c,
1 1
P−a.s. (vezi Nota 45). Prin urmare, E (X) = c · 1 = c.
(ii) Dacă v.a. X, Y admit medie51 , atunci
E (aX + bY ) = aE (X) + bE (Y ) , pentru orice a, b ∈ R.
(iii) V.a. dată de funct, ia indicatoare 1A a evenimentului A ∈ F are media52
(2.21) E (1A ) = P (A) .
(iv) Dacă v.a. X admite medie53 , atunci

(2.22) E (X) ≤ E |X| .
(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
X = Y, P − a.s. ⇒ există s, i E (Y ) iar E (X) = E (Y ) .
(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).
(viii) Dacă v.a. X admite medie, atunci
X ≥ 0, P − a.s. ⇒ E (X) ≥ 0
s, i, în plus, dacă X are valori nenegative55 P−a.s., atunci
(2.23) E (X) = 0 ⇔ X = 0, P − a.s..
Prin urmare, dacă X 2 admite medie, atunci
E X 2 = 0 ⇔ X = 0,

P − a.s.
(vezi demonstrat, ia punctului (ii) din Propozit, ia 2.79).

(ix) Evident, conform (vii) , dacă X, Y sunt două v.a. care admit medie, atunci
X ≤ Y, P − a.s. ⇒ E (X) ≤ E (Y ) .
(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..
(xi) Dacă X este o v.a. care admite medie, atunci

E (X) > 0 ⇒ X > 0, 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]).
(xiii) Dacă X, Y sunt două v.a. care admit medie astfel încât
E (X 1A ) ≤ E (Y 1A ) , pentru orice eveniment A ∈ F,
atunci X ≤ Y, P−a.s..
(xiv) Dacă două v.a. sunt independente care admit medie, atunci57 media produsului
este produsul mediilor, i.e.
(2.25) X, Y independente ⇒ E (XY ) = E (X) E (Y ) .
Remarca 2.46 Relat, ia (2.25) oferă o condit, ie necesară pentru independent, a a

două v.a. dar ea nu este s, i suficientă. În acest sens, vezi exemplele indicate în
Remarca 2.75.
O condit, ie suficientă a independent, ei a două v.a., în spiritul relat, iei (2.25),
este dată de următorul rezultat.
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
E(X k Y l ) = E(X k )E(Y l ),
pentru orice 1 ≤ k ≤ |X (Ω)| − 1 s, i orice 1 ≤ l ≤ |Y (Ω)| − 1, atunci X, Y sunt v.a.

independente.
(b) În cazul unor v.a. oarecare, dacă X, Y sunt v.a. mărginite s, i dacă
E(X k Y l ) = E(X k )E(Y l ), pentru orice k, l ∈ N∗ ,
atunci X, Y sunt v.a. independente.

Următorul rezultat arată că independent, a a două v.a. implică independent, a
oricăror funct, ii aplicate acestor v.a..
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].
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,
P (X < 0, Y < 0) = P (X < 0) = P ({ω : X (ω) < 0})

= P ([0, 1/2))
1
= λ ([0, 1/2)) =
2
1
6=
4
= P (X < 0) P (Y < 0)).
Următorul rezultat ne dă o altă caracterizare a independent, ei.

Propozit, ia 2.51 (vezi [24, Proposition 7.15]) Dacă X, Y : Ω → R sunt două v.a.,
atunci
X, Y independente ⇔ E (g (X) h (Y )) = E (g (X)) E (h (Y )) ,
pentru orice funct, ii g, h : R → R
astfel încât g (X) , h (Y ) admit medie.
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
Pentru a putea schimba ordinea de sumare în sumele iterate precedente tre-

buie, mai întâi, să introducem indicatoarea s, i apoi să verificăm dacă sunt sa-
tisfăcute condit, ii suficiente pentru ca o sumă infinită să comute cu o altă sumă
infinită de v.a., adică să folosim un rezultat teoretic (de tip Fubini) care ne per-
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).
mite acest lucru59 . Astfel,

X∞ X∞
E (X) =
k=1 n=1
1{n≤k} P (X = k)
X∞ X∞
=
n=1 k=1
1{k≥n} P (X = k)
X∞ X∞
= P (X = k)
n=1 k=n
X∞
= P (X ≥ n) .
n=1
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.
(a) Dacă X (Ω) = {0, 1, . . . , N } , cu N ∈ N∗ , să se arate, regrupând termenii, că

XN
nP (X = n) = P (X = 1) + P (X = 2) + . . . + P (X = N )
n=0
+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=−∞

X∞ X∞ Xn+`
P (n < X ≤ n + `) = P (X = k)
n=−∞ n=−∞ k=n+1
X∞ X∞
=
n=−∞ k=−∞
1{n<k≤n+`} P (X = k) .
61 Pentru formula din cazul unei v.a. oarecare vezi Propozit, ia 3.37.
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 ).
Deci, în cazul unei v.a. discrete X, cu un număr finit de valori,

Xm X
µr = xri pi = xr · P (X = x) .
i=1 x∈X(Ω)
Evident, momentul de ordin 1 este exact media v.a. X, i.e. µ1 = E (X) .
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)) .
Deci, în cazul unei v.a. discrete X, cu un număr finit de valori,

Xm r
X r
νr = (xi − µ1 ) pi = (x − E(X)) · P (X = x) .
i=1 x∈X(Ω)
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,
vom spune că v.a. X − E (X) este v.a. centrată.
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.
Teorema 2.61 (Formula de transfer) Fie X o .v.a. discretă cu tabloul de repartit, ie

 
x1 x2 . . . x m
X: .
p1 p2 . . . pm
Fie h : R → R o funct, ie măsurabilă. Atunci, h (X) : Ω → R este s, i ea o v.a. s, i are

media dată de:
Xm
(2.28) E (h (X)) = h (xi ) pi .
i=1
Remarca 2.62 Formula precedentă o putem scrie s, i sub forma

X
E (h(X)) = h(x) · P (X = x) .
x∈X(Ω)
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)

De multe ori la o v.a. ne interesează cât de mult se abat valorile variabilei

de la valoarea medie. Trebuie să stabilim un indicator al împrăs, tierii valorilor
v.a. în jurul valorii medii. Valoarea medie a abaterii X − E (X) (adică al v.a.
centrate) este zero deci nu h poate caracteriza această împrăs, tiere. Foarte utilă
2 i
va fi folosirea cantităt, ii E X − E (X) .
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) .
Deci, în cazul unei v.a. discrete X,

Xm 2
X 2
D2 (X) = (xi − µ1 ) pi = (x − E(X)) · P (X = x) .
i=1 x∈X(Ω)
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 dispersia v.a. centrate coincide cu dispersia v.a..
Remarca 2.66 Având în vedere formula de transfer (2.28), în cazul particular

al unei v.a. discrete X cu tabloul de repartit, ie
 
x1 x2 . . . x m
X: 
p1 p2 . . . pm
obt, inem definit, ia dispersiei în cazul unei v.a. discrete:

Xm 2
D2 (X) = pi (xi − µ1 ) .
i=1
62 În cazul unei v.a. oarecare (nu neapărat cu un număr finit de valori), trebuie impusă condit, ia ca
v.a. X 2 să admită medie, i.e. E X 2 < ∞.

Având în vedere că

Xm Xm Xm
D2 (X) = pi x2i − 2 pi xi µ1 + pi µ21
i=1 i=1 i=1
Xm Xm Xm
= pi x2i − 2µ1 pi xi + µ21 pi
i=1 i=1 i=1
Xm
= pi x2i − 2µ1 µ1 + µ21 · 1,
i=1
deducem s, i formula de calcul a dispersiei în cazul unei v.a. discrete:

Xm
D2 (X) = pi x2i − µ21 ,
i=1
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
În acest caz definit, ia dispersiei este

PN 2
2 i=1 xi − X̄
(2.29) D (X) = ,
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.
Definit, ia 2.70 Se numes, te covariant, a v.a. X s, i Y , notată Cov (X, Y ) , media64
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 :
(2.31) Cov (X, Y ) = E (XY ) − E (X) E (Y ) .
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 2.73 În particular, covariant, a dintre o v.a. oarecare s, i o v.a. constantă

este nulă deoarece
Cov (X, c) = E (cX) − E (X) E (c) = 0.
Mai general, dacă v.a. Y = c, P−a.s., atunci X Y = cX, P−a.s., deci,

folosind Propozit, ia 2.45, proprietatea (vi), deducem că E (X Y ) = E (cX) =
cE (X) s, i astfel
Y = c, P − a.s. ⇒ Cov (X, Y ) = Cov (X, c) = 0.
Definit, ia 2.74 Dacă D2 (X) > 0 s, i D2 (Y ) > 0, atunci
def Cov (X, Y )

(2.33) Cor(X, Y ) = ρ (X, Y ) == p p
D2 (X) · D2 (Y )
se numes, te corelat, ia (sau coeficientul de corelat, ie al) v.a. X s, i Y.

64 Pentru formula de calcul din cazul discret vezi (3.60) precum s, i Exemplul 3.179.
65 Pentru formula de calcul din cazul discret vezi (3.61).
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
(2.34) dacă două v.a. sunt independente, atunci sunt necorelate.
Reciproca nu este adevărată. În acest sens vezi Exemplele 2.76, 2.77, 3.77, 3.180,
3.113 s, i 3.114.
Exemplul 2.76 Se poate arăta că v.a.

  
−1 0 1  1, dacă X = 0,
X:  s, i Y =
1/3 1/3 1/3  0, în rest
sunt două v.a. necorelate, dar ele sunt, evident, dependente.

Într-adevăr, obt, inem
   
0 1 −1 0 1
Y : , deci X · Y :  
2/3 1/3 1/9 7/9 1/9
s, i E (X) = 0, E (Y ) = 1/3 iar E (X · Y ) = 0.
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.
Remarca 2.78 Se poate arăta66 că

2
Cov (X, Y ) ≤ D2 (X) · D2 (Y )
sau, echivalent,
|ρ (X, Y )| ≤ 1
66 Vezi, de exemplu, [34, Theorem 5.8] sau [29, Section 3.6, Lemma 8].
s, i că
|ρ (X, Y )| = 1 dacă s, i numai dacă
exista a, b, c ∈ R, cu a, b 6= 0, astfel încât aX + bY = c, P − a.s.,
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.
Propozit, ia 2.79 (Proprietăt, i ale dispersiei)

(i) Dispersia unei constante este nulă. Mai precis, pentru c ∈ R,
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
D2 (X) = 0 ⇔ X = c, P − a.s. (unde c = E(X)).
(iii) Dacă v.a. X admite dispersie68 , atunci
D2 (aX) = a2 D2 (X) , pentru orice a ∈ R.

67 Adică D2 (X) = 0 dacă s, i numai dacă X = E(X), P−a.s..
68 În cazul unei v.a. cu un număr finit de valori această condit, ie este satisfăcută. În cazul unei
v.a. oarecare (nu neapărat cu un număr finit de valori) trebuie impusă condit, ia ca v.a. să admită
dispersie finită, i.e. pătratul v.a. să admită medie finită (vezi Remarca 2.80, Definit, ia 2.123 s, i
Definit, ia 3.29).
(iv) Dacă v.a. X admite dispersie, atunci
D2 (a + bX) = b2 D2 (X) , pentru orice a, b ∈ R.
(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 ) .
Reciproca nu este adevărată.

Dacă v.a. (Xi )i=1,n admit dispersie, atunci, dacă v.a. sunt necorelate două câte
două, atunci dispersia sumei este suma dispersiilor, i.e.
Xn Xn
(2.35) (Xi )i=1,n necorelate70 ⇒ D2 Xi = D2 (Xi ) .
i=1 i=1
(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):
(2.36) D2 (X + Y ) = D2 (X) + D2 (Y ) + 2Cov (X, Y ) .
În cazul combinat, iei liniare a două v.a., formula de calcul a dispersiei este dată
de formula
(2.37) D2 (aX + bY ) = a2 D2 (X) + b2 D2 (Y ) + 2abCov (X, Y ) ,
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
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
deducem că pentru orice xi 6= 0, P (X = xi ) = 0.

Prin urmare, singura probabilitate diferită de zero este P (X = 0) = 1.
2
Apoi, dacă D2 (X) = E (X − µ1 ) = 0, deducem, folosind pasul precedent,
că X = µ1 , P−a.s..
Dar rezultatul este adevărat s, i în cazul v.a. continue. În acest caz, folosim
definit, ia dispersiei s, i faptul că media este o integrală Lebesgue dată de (3.12):
Z
2 2
D2 (X) = E (X − µ1 ) = (X (ω) − µ1 ) P (dω) .
Ω
R se s, tie că dacă Y : Ω → R+ este funct, ie măsurabilă s, i nene-

Pe de altă parte,
gativă, atunci Ω Y (ω) P (dω) = 0 dacă s, i numai dacă Y = 0, P−a.s. (vezi, de
exemplu, [46, Teorema 8.1-10]).
Prin urmare, D2 (X) = 0 dacă s, i numai dacă X = µ1 , P−a.s. (pentru o
demonstrat, ie alternativă vezi s, i [1, Theorem 2.4.8]).
(iii) Avem
Xm 2
Xm 2
D2 (aX) = pi (axi − aµ1 ) = a2 pi (xi − µ1 ) = a2 D2 (X) .
i=1 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) .
(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 )

= D2 (X) + D2 (Y ) + 2Cov (X, Y ) .
Remarca 2.80 Folosind inegalitatea

lui Liapunov s, i definit, ia dispersiei se poate
arăta că 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:
există E X 2 < ∞ ⇔ există E (X) < ∞ s, i D2 (X) < ∞.

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.
Propozit, ia 2.82 (Proprietăt, i ale abaterii standard)
(i) X = c, P − a.s. ⇔ D(X) = 0.
(ii) D (aX) = |a| D (X) , pentru orice a ∈ R.

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.
Cov (aX + b, cY + d) = acCov (X, Y ) ,
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 ) ,
prin urmare, dacă a s, i c au acelas, i semn, atunci coeficientul de corelat, ie nu se

modifică la schimbări liniare ale v.a., mai precis, pentru orice a, b, c, d ∈ R,
ρ (aX + b, cY + d) = ρ (X, Y ) , dacă ac > 0
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
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
Distribut, ia normală standard are coeficientul de exces E4 = 3 (vezi formulele

(3.98)). Astfel, distribut, ia normală standard, mai precis valoarea 3 pentru E4 ,
devine un element de comparat, ie pentru alte distribut, ii.
Remarca 2.85 Dacă X reprezintă valorile unei caracteristici avute în vedere, s, i

care urmează o distribut, ie oarecare (discretă sau continuă), atunci spunem că
familia de v.a. (Xi )i=1,n este o select, ie (sau es, antion) de volum n dacă v.a. sunt
independente s, i urmează aceeas, i distribut, ie72 s, i anume distribut, ia v.a. X.
71 Spunem că v.a. X este simetrică (în raport cu 0) dacă v.a. X s, i −X urmează aceeas, i distribut, ie.
Deci, dacă X este o v.a. continuă, atunci X este simetrică (în raport cu 0) dacă v.a. X s, i −X au
aceeas, i densitate. Având în vedere că v.a. −X are densitatea f−X (x) = fX (−x) (vezi Remarca
3.28), spunem că v.a. X este simetrică dacă
fX (x) = fX (−x), pentru orice x ∈ R,
deci dacă densitatea ei are dreapta Oy drept axă de simetrie, adică densitatea este o funct, ie pară.
Spunem că v.a. X este simetrică în raport cu a dacă v.a. (X − a) s, i (a − X) urmează aceeas, i
distribut, ie. Deci, dacă X este o v.a. continuă, atunci X este simetrică în raport cu a dacă v.a.
(X − a) s, i (a − X) au aceeas, i densitate (sau, echivalent, dacă v.a. X s, i (2a − X) au aceeas, i
densitate), adică (vezi Remarca 3.28) dacă
fX (a + x) = fX (a − x), pentru orice x ∈ R,
deci dacă densitatea ei are dreapta x = a drept axă de simetrie.
72 Dacă v.a. (Xi )i=1,n sunt independente s, i urmează aceeas, i distribut, ie atunci vom scrie prescur-
tat că v.a. (Xi )i=1,n sunt de tip i.i.d. (independente s, i identic distribuite).
Să presupunem că X este de pătrat integrabil. Prin urmare,

not
E (Xi ) = E (X) == µ < ∞ iar
not
D2 (Xi ) = D2 (X) == σ2 < ∞, pentru i = 1, n.
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
(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 .
Din acest motiv se ia drept definit, ie a dispersiei de select, ie varianta mo-

dificată S2n în loc de varianta S̄2n :
Pn 2
2 def n 2 i=1 Xi − X̄n
Sn == S̄ = .
n−1 n n−1
Evident, s, i dispersia de select, ie S2n verifică o formulă de calcul similară:
Pn
2 n i=1 Xi2
Sn = − X̄n2 .
n−1 n
În acest caz S2n devine un estimator nedeplasat (unbiased) deoarece
E S2n = σ2 .

Prezentăm, în continuare, o serie de inegalităt, i importante care folosesc me-
dia.
Teorema 2.87 (Inegalitatea lui Markov) Fie g : R → [0, ∞) o funct, ie crescătoare

s, i măsurabilă s, i X o v.a. astfel încât există E (g (X)).
Atunci, are loc, pentru orice > 0,
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
E (g (X)) ≥ E g (X) 1[,∞) (X) ≥ g () E 1[,∞) (X) = g () P (X ≥ ) ,

pentru orice > 0.
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 ≥ ) ≤ .

(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

inegalitatea lui Cebâs, ev
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
(e) În cazul particular E (X) = m, D2 (X) = σ2 < ∞ s, i = kσ, inegalitatea (2.42)

a lui Cebâs, ev devine
1
(2.44) P (|X − m| ≥ kσ) ≤ .
k2
73 Prin urmare, dacă X este o v.a. cu valori nenegative, atunci
P (X = ∞) > 0 ⇒ E (X) = ∞
sau, echivalent,
E (X) < ∞ ⇒ P (X = ∞) = 0.
Se obt, ine, de fapt, un rezultat binecunoscut: orice funct, ie integrabilă (vezi Nota 49) este finită
aproape peste tot (vezi, de exemplu, [46, Teorema 8.2-12]).
Mai precis, folosind (2.24), obt, inem că dacă există finită media v.a. X, adică integrala Lebesgue
a funct, iei X (sau, echivalent, integrala Lebesgue a funct, iei |X|), atunci P(|X| = ∞) = 0.
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.
Exemplul 2.90 Fie v.a.

 
0.2 0.3 0.4 0.5
X: .
0.1 0.2 0.3 0.4
Să se obt, ină o estimare a probabilităt, ii P (|X − µ1 | < 0.2).

Media s, i dispersia sunt date de
E (X) = 0.4, E X 2 = 0.17, D2 (X) = 0.17 − 0.16 = 0.01.

Avem deci, aplicând inegalitatea (2.43) a lui Cebâs, ev,
P (|X − 0.4| < 0.2) ≥ 0.75.
2.2.3 Exemple de v.a. discrete

Distribut, ia uniformă discretă
V.a. X spunem că urmează o distribut, ie discretă de tip uniform, s, i scriem
X ∼ DU (n), unde n ∈ N∗ , dacă ia un număr finit de valori (mai precis n) iar
valorile pe care le poate lua sunt echiprobabile.
Prin urmare, tabloul de distribut, ie este dat de
 
x1 x2 . . . x n
X: .
1/n 1/n . . . 1/n
Evident, avem P (X = xk ) = 1/n ≥ 0 s, i suma probabilităt, ilor este 1.

 
1 2 ... n
Remarca 2.91 Fie v.a. X ∼ DU (n) de tipul X :  .
1/n 1/n ... 1/n
Media este dată de
Xn 1 1 Xn n+1
E (X) = k· = k=
k=1 n n k=1 2
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

Distribut, ia Poisson (cu un număr finit de valori)

Fie X o v.a. care ia drept valori numărul total de bile albe extrase din n urne
Ui , i = 1, n, care cont, ine fiecare în proport, ii diferite, dar cunoscute, bile albe
s, i negre. Probabilitatea de a extrage o bilă albă din urna Ui este pi , iar o bilă
neagra qi = 1 − pi . Să definim Xi v.a. care ia valoarea 1 dacă din Ui se extrage
o bilă albă s, i 0 dacă se extrage o bilă neagră:
 
0 1
Xi :   , i = 1, n.
qi pi
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
unde ak = P (X = k) este coeficientul lui xk din polinomul
Q (x) = (p1 x + q1 ) · (p2 x + q2 ) · . . . · (pn x + qn ) ,
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.
Propozit, ia 2.93 V.a. X este dată s, i de relat, ia

Xn
X = X1 + X2 + . . . + Xn = Xi .
i=1
Deci media s, i dispersia v.a. distribuite Poisson X sunt date de

Xn Xn
E (X) = E (Xi ) = pi ,
i=1 i=1
Xn Xn
D2 (X) = D2 (Xi ) = pi qi ,
i=1 i=1
deoarece v.a. Xi sunt independente.
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
Remarca 2.94 Valoarea p se numes, te parametrul distribut, iei.
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} .
Remarca 2.96 Semnificat, ia distribut, iei este următoarea: fie o experient, ă s, i A

un eveniment legat de ea care se realizează cu probabilitatea p = P (A). Dacă
efectuăm experient, a o singură dată, spunem că a apărut Succesul dacă s-a pro-
dus evenimentul A. Dacă nu s-a produs evenimentul A, atunci spunem că a
apărut Es, ecul.
Atunci, X reprezintă v.a. care ia drept valori numărul de realizări ale
evenimentului A dacă se efectuează o singură dată experient, a, i.e. numărul
de aparit, ii ale Succesului la o singură efectuare a experient, ei.
În notat, iile de mai sus, este evident că tabloul de distribut, ie al v.a. X este
dat de (2.45).
Remarca 2.97 Să observăm că v.a. indicatoare 1A a evenimentului A ∈ F este

chiar v.a. de tip Bernoulli (p) , adică
 
0 1
1A :  def
 , unde p == P (A) .
q p

 1, ω ∈ A,
Într-adevăr, dacă v.a. este 1A (ω) ==
def
, atunci
 0, ω ∈
/A
p = P (1A = 1) = P ({ω : 1A (ω) = 1}) = P (A) .

Se obt, ine imediat, vezi s, i formula (2.21), că
(2.46) E (1A ) = P (A)
12A = E (1A ) = P (A) , deci

s, i apoi E
D2 (1A ) = P (A) (1 − P (A)) ,

adică:
Propozit, ia 2.98 Dacă X ∼ Bernoulli (p), atunci media s, i dispersia sunt date de:
(2.47) E (X) = p s, i D2 (X) = pq.
Remarca 2.99 Modalitatea de a exprima probabilitatea unui eveniment folo-

sind media unei anumite v.a., dată de formula (2.46), este utilă s, i pentru a
demonstra formula (1.7) de calcul a reuniunii de evenimente.
Să observăm că, folosind definit, ia indicatoarei 1, obt, inem, pentru orice
evenimente A, B,
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 .
Aplicând media obt, inem
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) .
Pentru a generaliza la cazul a n evenimente să observăm că

Yn
1S ni=1 Ai = 1 − i=1
(1 − 1Ai ) .
Efectuând înmult, irea, folosind formula (2.48) s, i aplicând media obt, inem for-
mula (1.9).
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
sau, scris pe scurt,

 
k def
(2.49) X:  , unde q == 1 − p.
Cnk pk q n−k
k=0,n
Evident, avem P (X = k) = Cnk pk q n−k ≥ 0.

Pentru a arăta că suma probabilităt, ilor este 1 folosim binomul lui Newton74 .
Deci
Xn Xn Xn n
pk = P (X = k) = Cnk pk q n−k = (p + q) = 1.
k=0 k=0 k=0
Remarca 2.100 Valorile n s, i p se numesc parametrii distribut, iei.

un eveniment legat de ea care se poate realiza cu probabilitatea p = P (A).
Dacă efectuăm experient, a o singură dată, spunem că a apărut Succesul dacă s-a
produs evenimentul A. Dacă nu s-a produs evenimentul A, atunci spunem că
a apărut Es, ecul. Se repetă experient, a de n ori s, i în aceleas, i condit, ii.
Atunci, X reprezintă v.a. care ia drept valori numărul de realizări ale
evenimentului A la n efectuări ale experient, ei, i.e. numărul de aparit, ii ale
Succesului la n efectuări ale experient, ei.
În notat, iile de mai sus, este evident că X (Ω) = {0, 1, . . . , n} s, i apoi se
poate arăta (vezi Propozit, ia 1.105 sau, mai precis, tipul de demonstrat, ie dat
de Propozit, ia 1.102), că tabloul de distribut, ie al v.a. X este dat de (2.49).
74 Binomul lui Newton:
Xr
(a + b)r = Cri ai br−i = br + Cr1 abr−1 + Cr2 a2 br−2 + · · · + Crr−1 ar−1 b + ar ,
i=0
pentru orice a, b ∈ R s, i orice r ∈ N∗ .
Remarca 2.102 În cazul particular n = 1 obt, inem distribut, ia Bernoulli, adică
B (1, p) = Bernoulli (p) ,
deci X ∼ B (1, p) înseamnă

 
0 1
X: .
q p

Propozit, ia 2.103 Dacă X ∼ B (n, p), atunci media s, i dispersia sunt date de:
(2.50) E (X) = n · p s, i D2 (X) = n · pq.
Demonstrat, ie. Într-adevăr, mai întâi avem că

Xn
E (X) = k · Cnk pk q n−k
k=0
Xn n!
= pk q n−k
k=1 (k − 1)! (n − k)!
Xn−1 (n − 1)! 0 0
= np pk q (n−1)−k
k0 =0 (k 0 )! ((n 0
− 1) − k )!
n−1
= np (p + q)
= np
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)!
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) .
Remarca 2.104 Funct, ia de repartit, ie este F (x) = 0, pentru orice x < 0, s, i

Xbxc
F (x) = P (X ≤ x) = Cnk pk q n−k , pentru orice x ≥ 0,
k=0
unde bxc este partea întreagă75 a numărului real x.
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 ,
Xi ∼ B(ni , p) , i = 1, 2, independente ⇒ X1 + X2 ∼ B(n1 + n2 , p) .

75 Partea întreagă a numărului real x este cel mai mare întreg mai mic sau egal cu x. Se notează
cu bxc (numită s, i funct, ia floor). Deci
def
bxc == max {m ∈ Z : m ≤ x} .
Mai există s, i notat, ia dxe care reprezintă cel mai mic întreg mai mare sau egal decât x (numită s, i
funct, ia ceiling). Deci
def
dxe == min {n ∈ Z : n ≥ x} .
Pentru orice x ∈ R, există două unice numere întregi m, n ∈ Z astfel încât
x − 1 < m ≤ x ≤ n < x + 1.
Astfel, avem că m = bxc s, i n = dxe .
76 Acest rezultat se poate demonstra s, i cu ajutorul funct, iei caracteristice (vezi Exercit, iul 4.2.11).
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
unde indicele i ∈ N satisface restict, iile: 0 ≤ i ≤ n1 s, i 0 ≤ k − i ≤ n2 sau,

echivalent, k − n2 ≤ i ≤ k.
Folosim relat, ia (1.25) s, i obt, inem, de exemplu, în cazul k ≤ n1 ∧ n2 ,
Xk
P (X1 + X2 = k) = P (X1 = i) · P (X2 = k − i)
i=0
Xk
= Cni 1 pi q n1 −i · Cnk−i
2
pk−i q n2 −k+i
i=0
Xk
= pk q n1 +n2 −k · Cni 1 · Cnk−i
2
i=0
= pk q n1 +n2 −k Cnk1 +n2 .
Celelalte cazuri se studiază similar (vezi pagina 86).

Deci v.a. X1 + X2 ∼ B(n1 + n2 , p) .
Remarca 2.106 Ca o consecint, ă a rezultatului anterior se obt, ine următoarea

proprietate.
Dacă avem n v.a. independente, distribuite Bernoulli de acelas, i parametru
p, adică n v.a. independente Xi ∼ Bernoulli (p) = B (1, p), atunci suma lor este
distribuită binomial, mai precis,
Xn
X = X1 + X2 + . . . + Xn = Xi ∼ B (n, p) .
i=1
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).
Deci
orice v.a. X ∼ B (n, p) poate fi văzută ca o sumă de
n v.a. independente, de tip Bernoulli (p).
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.
Propozit, ia 2.108 Moda λ al v.a. X ∼ B (n, p) satisface inegalitatea
np − q ≤ λ ≤ np + p.
Demonstrat, ie. Trebuie să fie satisfăcute următoarele inegalităt, i
P (X = λ − 1) ≤ P (X = λ) s, i P (X = λ + 1) ≤ P (X = λ) .
Obt, inem
Cnλ−1 pλ−1 q n−λ+1 ≤ Cnλ pλ q n−λ s, i

Cnλ+1 pλ+1 q n−λ−1 ≤ Cnλ pλ q n−λ
1 1 1 1
sau, echivalent, (n−λ+1) q ≤ λp s, i λ+1 p ≤ (n−λ) q, unde q = 1 − p.
Remarca 2.109 Să observăm că
np + p = (np − q) + 1.
(a) În general, evident, np − q ∈ / Z deci echivalent np + p ∈

/ Z. În acest caz λ
este acel număr natural între 0 s, i n astfel încât
(np − q) < λ < (np − q) + 1 = np + p,
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) .
Remarca 2.110 (a) Calculând valorile P (X = k) = Cnk pk q n−k pentru diferite

valori ale lui p s, i q = 1 − p se constată că ele sunt distribuite asimetric, cu
except, ia cazului când p = q = 0.5. Asimetria este cu atât mai pronunt, ată cu cât
p este mai mic.
(b) Dacă n cres, te, asimetria devine din ce în ce mai put, in pronunt, ată astfel încât
pentru p = 0.1 s, i n ≥ 100 se ajunge la o distribut, ie simetrică (confirmând astfel
Teorema 5.89 a lui Moivre-Laplace).
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
max (0, n − b) ≤ k ≤ min (n, a) .

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
unde pk sunt termenii unei serii hipergeometrice, ceea ce justifică denumirea

distribut, iei.
a a b b
Mai precis, să notăm r = a + b, p = a+b = r , q = a+b = r . Atunci,
k n−k
Crp Crq (rq−n+1)·...·(rq−1)·rq
pk = Crn . Deci p0 = (r−n+1)·...·(r−1)·r s, i apoi
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.
Propozit, ia 2.114 Media s, i dispersia v.a. distribuite hipergeometric X sunt date de
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
Remarca 2.115 Dacă notăm numărul total de bile cu

a
N =a+b s, i cu p =
a+b
b
probabilitatea de a obt, ine a bile albe la prima extragere (deci q = a+b ), atunci
formulele (2.52) se scriu:
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;
• de asemenea, dacă volumul N al populat, iei este foarte mare în compa-

rat, ie cu volumul n al es, antionului ales de noi, atunci factorul de corect, ie
1−n/N 2
1−1/N este foarte aproape de 1, deci dispersia devine D (X) = npq, adică
exact cea din cazul v.a. distribuite binomial.

Demonstrat, ia Propozit, iei 2.114. Folosind identitatea (1.25)
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)!
(n − 1)! ((a + b − 1) − (n − 1))!

·
(a + b − 1)!
k 0 (n−1)−k0
an Xn−1 Ca−1 Cb
= n−1
a+b 0
k =0 Ca+b−1
an
= .
a+b
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
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
orice v.a. X distribuită hipergeometric poate fi văzută ca
o sumă de n v.a. dependente, de tip Bernoulli.

 
0 1 a
Pe de altă parte, evident, X1 :   , deci E (X1 ) = .
b a a+b
a+b a+b
 
0 1
Apoi obt, inem s, i tabloul v.a. X2 :   , deoarece avem o struc-
b a
a+b a+b
tură de tip arbore s, i, folosind formula probabilităt, ii totale (1.14), putem calcula:
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
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 ) .
Remarca 2.117 Dintr-o populat, ie statistică de mărime N s-a făcut o select, ie de

n indivizi, nerepetată (individul extras nu se întoarce în populat, ie) în vederea
cercetării unei caracteristici A (sau se poate considera că la n indivizi se face
simultan cercetarea caracteristicii A). Dacă presupunem că o parte dintre indi-
vizii populat, iei posedă caracteristica A iar restul nu o posedă, atunci numărul
de indivizi cercetat, i posedând proprietatea A urmează schema hipergeometri-
că (sau schema bilei nerevenite).
Remarca 2.118 (vezi s, i Remarca 2.115) Distribut, ia hipergeometrică este utilă

atunci când volumul N al populat, iei este mic sau când volumul n al select, iei
este comparabil cu N. Dacă volumul N este suficient de mare s, i volumul n este
mic în comparat, ie cu N , atunci putem utiliza distribut, ia binomială care apro-
ximează, în acest caz, distribut, ia hipergeometrică. De exemplu, dacă a = b =
1000000, atunci prima bilă extrasă este albă cu probabilitatea p = 1000000
2000000 = 0.5.
După prima extragere, a doua bilă extrasă este albă cu probabilitatea p1 =
99999 100000
199999 = 0.499997, dacă prima bilă extrasă este albă s, i respectiv p2 = 199999 =
0.500002, dacă prima bilă extrasă este neagră. Deci indiferent de culoare primei
bile extrase, probabilitatea ca a doua bilă extrasă să fie albă este practic tot
0.5 (deci, în acest caz particular, se poate considera că urna nu îs, i modifică
compozit, ia).
Observat, ia precedentă este justificată teoretic de următorul rezultat de legă-

tură dintre distribut, ia binomială s, i distribut, ia hipergeometrică.
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
Demonstrat, ie. Fie n ∈ N∗ s, i k = 0, n arbitrar fixate. Avem
Cak Cbn−k a! b! n! (a + b − n)!

n =
Ca+b k! (a − k)! (n − k)! (b − n + k)! (a + b)!
a! b! (a + b − n)!
= Cnk
(a − k)! (b − n + k)! (a + b)!
(a − k + 1) (a − k + 1) . . . a · (b − (n − k) + 1) (b − (n − k) + 2) . . . b
= Cnk
(a + b − n + 1) (a + b − n + 2) . . . (a + b)
a−k+1 a−k+2 a−k+k
= Cnk ...
a+b−n+1 a+b−n+2 a+b−n+k
b − (n − k) + 1 b − (n − k) + 2 b − (n − k) + (n − k)
· ...
a + b − (n − k) + 1 a + b − (n − k) + 2 a + b − (n − k) + (n − k)
Yk a − k + r Yn−k b − (n − k) + s
= Cnk .
r=1 a + b − n + r s=1 a + b − (n − k) + s
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
unde Xa,b sunt v.a. de tip hipergeometric de parametri a, b, s, i n, iar X ∼ B (n, p) .

2.3. Variabile aleatoare discrete cu un număr infinit de valori 167
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.
2.3 Variabile aleatoare discrete cu un număr infinit

de valori
Ca s, i în cazul v.a. cu un număr finit de valori (vezi pagina 114), cunoas, terea
legii dată de PX (B) = P (X ∈ B), unde B ∈ B (R), asociată unei v.a. discrete
X, cu un număr infinit de valori, este echivalentă cu cunoas, terea valorile pe
care le poate lua v.a. (adică a mult, imii X (Ω)) s, i a probabilităt, ilor cu care este
luată fiecare valoare din X (Ω) .
Putem reprezenta aceste informat, ii sub forma unui tabloul de repartit, ie:
   
x1 x2 . . . x i . . . xi
(2.54) X:  sau X :   ,
p1 p2 . . . pi . . . pi
i∈I
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).
Deci X (Ω) = {x1 , x2 , . . . , xn , . . .} iar pi = P (X = xi ) , cu i ∈ I , astfel încât

X
pi ≥ 0, pentru i ∈ I , s, i pi = 1
i∈I
P
(seria i∈I pi este convergentă s, i are suma 1).
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,
numită s, i funct, ia masă de probabilitate (care este, de fapt, funct, ia densitate

de repartit, ie (2.14) asociată unei v.a. discrete).
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.
Remarca 2.121 Să ment, ionăm că o funct, ie discretă X : Ω → R, definită pe un

spat, iu de probabilitate (Ω, F, P) cu X(Ω) cel mult numarabila, este v.a. (vezi
Definit, ia 2.1 sau Definit, ia 2.2) dacă s, i numai dacă {X = x} ∈ F, pentru orice
x ∈ X (Ω).
Funct, ia de repartit, ie este dată de Definit, ia 2.8 s, i este o funct, ia în scară:

X
F (x) = P (X ≤ x) = xi ∈X(Ω) P (X = xi ) , pentru orice x ∈ R.
xi ≤x
Operat, iile cu variabile cu un număr infinit de valori se definesc ca s, i în cazul

v.a. discrete cu un număr finit de valori (vezi Sect, iunea 2.2.1).
Exemplul 2.122 Fie v.a. discrete X, Y independente s, i care urmează aceeas, i

distribut, ie, cu tablourile date de P(X = xi ) = P(Y = xi ) = pi , cu i ∈ I. Să se
determine79 P (X = Y ).
Avem, folosind independent, a,
[
P (X = Y ) = P {X = xi , Y = xi }
i∈I
X
= P ({X = xi , Y = xi })
i∈I
X
= P (X = xi ) · P (Y = xi )
i∈I
X
= p2i .
i∈I
2.3.1 Caracteristici numerice

Definit, ia 2.40 se poate da s, i în cazul unei v.a. discrete cu un număr infinit
de valori. Pentru simplitatea scrierii vom lua I = N∗ (vezi Nota 39).
 
xi
Definit, ia 2.123 Fie v.a. discretă X :   . Spunem că v.a. X admite
pi
i∈N∗
medie (sau că este integrabilă), dacă următoarea serie este convergentă:
X
∗
|xi | pi < ∞.
i∈N
P
În caz că v.a. X admite medie, atunci suma seriei i∈N∗ xi pi se va numi media v.a.
discrete X, i.e.
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.
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.
De exemplu, în cazul în care v.a. X este discretă, cu X = i∈I xi 1Ai , unde

P
I este o mult, ime cel mult numărabilă, X (Ω) = {xi }i∈I iar Ai = {X = xi },
pentru i ∈ I, avem (vezi Remarca 2.37 dar s, i Nota 195):
Z
E (X) = X (ω) P (dω)
Ω
Z X
= xi 1{X=xi } (ω) P (dω)
Ω i∈I
Z
1{X=xi } (ω) P (dω)
X
= xi
i∈I Ω
X Z
= xi P (dω)
i∈I {X=xi }
X
= xi · P (X = xi )
i∈N∗
X
= xi · PX ({xi }) .
i∈N∗
Pe de altă parte, conform (2.18) s, i (2.13),

Z Z X
xPX (dx) = x pi · δxi (dx)
R R i∈I
X Z
= pi · xδxi (dx)
i∈I R
X
= p i · xi
i∈I
X
= xi · PX ({xi }) ,
i∈N∗
deci are loc formula (2.57).

rezultat.
 
xi
Teorema 2.128 (Formula de transfer) Fie v.a. discretă X :   s, i o func-
pi ∗ i∈N
t, ie măsurabilă h : R → R.
Atunci, h (X) : Ω → R este s, i ea o v.a. s, i această v.a. admite medie dacă s, i numai
dacă X
∗
|h (xi )| pi < ∞.
i∈N
În cazul în care h (X) admite medie, aceasta este dată de:

X
E (h (X)) = ∗
h (xi ) pi .
i∈N
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 2.131 Au loc s, i în cazul v.a. discrete cu un număr infinit de valori

rezultatele stabilite de Propozit, iile 2.45 s, i 2.79 precum s, i inegalităt, ile lui Markov
s, i Cebâs, ev date de (2.41) s, i respectiv (2.42).
2.3.2 Exemple de v.a. discrete

Distribut, ia Poisson (cu un număr infinit de valori)
Spunem că X este o v.a. este de tip Poisson de parametru λ ∈ (0, ∞) , s, i
scriem X ∼ P (λ), dacă are tabloul
 
0 1 2 ... k ...
X: λ −λ λ2 −λ λk −λ
.
e−λ e e ... e ...
1! 2! k!
k
Evident, avem P (X = k) = λk! e−λ > 0, unde k ∈ N.
Pentru a arăta că suma probabilităt, ilor este 1 folosim dezvoltarea în serie
de puteri a funct, iei exponent, iale81 :
X∞ X∞ λk X∞ λk
pk = e−λ = e−λ = e−λ eλ = 1.
k=0 k=0 k! k=0 k!
81 Dezvoltarea în serie de puteri a funct, iei exponent, iale, i.e. dezvoltarea Taylor în jurul lui a = 0,
adică seria Maclaurin, asociată funct, iei ex :
x x2 xn X ∞ xk
ex = 1 + + + ... + + ... = , pentru orice x ∈ R.
1! 2! n! k=0 k!
Remarca 2.132 Distribut, ia Poisson este un model matematic potrivit atunci

când numărăm aparit, iile unui tip de eveniment (ce continuă să apară) într-un
interval de timp precizat, dacă se observă că sunt satisfăcute anumite condit, ii82 :
• evenimentele apar independent unele de altele;
• evenimentele apar cu o anumită rată sau intensitate medie de aparit, ie;
• evenimentele apar individual (nu grupate);
• este practic imposibil să înregistrăm două sau mai multe sosiri simultane.
În condit, iile de mai sus, se poate arăta că dacă X este numărul acelor eveni-
mente, atunci X are tabloul unei v.a. de tip Poisson.
De exemplu, v.a. distribuite Poisson pot fi cele care reprezintă numărul de
accidente ce apar într-un an, într-o anumită sect, iune a unei străzi; numărul
persoanelor care mor într-un an din cauza bolii Lyme; numărul de cutremure
de mică intensitate ce apar într-un an, într-o anumită zonă geografică; numărul
de apeluri primite zilnic, într-un anume interval orar, de Serviciul Client, i al
unei firme.
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.
unde δk este măsura Dirac concentrată în punctul k ∈ {0, 1, 2, . . .} .
Propozit, ia 2.134 Media s, i dispersia v.a. distribuite Poisson X sunt date de
(2.58) E (X) = λ s, i D2 (X) = λ.
Remarca 2.135 Deci, în cazul unei v.a. de tip P (λ) , parametrul ei este chiar
media (precum s, i dispersia) v.a..
Demonstrat, ie. Într-adevăr,

X∞ X∞ λk −λ X∞ λk−1
E (X) = kpk = k e = λe−λ =λ
k=0 k=0 k! k=1 (k − 1)!
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.

Remarca 2.136 Deoarece E (X) = λ, parametrul λ > 0 poate fi văzut ca rata

sau intensitatea medie de aparit, ie a evenimentului pe unitatea de timp.
Avem următorul rezultat de legătură dintre distribut, ia Poisson s, i distri-

but, ia binomială.
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
B (n, λ/n) ' P (λ) .

limn→∞ P (Xn = k) = P (X = k) , pentru k ∈ N∗ ,
unde Xn ∼ B (n, λ/n) iar X ∼ P (λ) .
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.
Putem spune si astfel: distribut, ia Poisson se aplică atunci când avem un

număr mare de obiecte ce sunt repartizate uniform pe un domeniu foarte mare.
De aceea distribut, ia Poisson mai poartă numele de legea evenimentelor

rare.
Poisson este o v.a care urmează o distribuit, ie tot de tip Poisson. Mai precis84 ,
Xi ∼ P (λi ) , i = 1, 2, independente ⇒ X1 + X2 ∼ P (λ1 + λ2 ) .
Demonstrat, ie. Valorile pe care le poate lua X1 + X2 sunt k ∈ N. Atunci,

Xk
P (X1 + X2 = k) = P (X1 = i) · P (X2 = k − i)
i=0
Xk λi1 −λ1 λk−i
= e · 2
e−λ2
i=0 i! (k − i)!
Xk λi λk−i
= e−(λ1 +λ2 ) 1
· 2
i=0 i! (k − i)!
1 Xk 1 k
= e−(λ1 +λ2 ) Cki λi2 λk−i
2 = e−(λ1 +λ2 ) (λ1 + λ2 ) .
k! i=0 k!
Deci v.a. X1 + X2 ∼ P (λ1 + λ2 ) .
Folosind Propozit, ia 2.139 obt, inem:
Propozit, ia 2.140 Dacă Xi ∼ P (λ), pentru i = 1, n, sunt v.a. independente, atunci
not
Sn == X1 + X2 + . . . + Xn ∼ P (nλ) .
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

a apărut Es, ecul. Se repetă experient, a de oricâte ori s, i în aceleas, i condit, ii.
Atunci, X reprezintă v.a. care ia drept valori numărul de încercări efec-
tuate86 până când are loc prima realizare a evenimentului A, i.e. aparit, ia
primului Succes.
Deci, evenimentul {X = k} este evenimentul ca în primele (k − 1) efectu-
ări ale experient, ei, evenimentul A nu se produce deloc (spunem că s-au pro-
dus (k − 1) es, ecuri) s, i în efectuarea k a experient, ei evenimentul A se produce
(spunem că se produce primul Succes). Obt, inem
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.
Remarca 2.142 Putem defini distribut, ia geometrică s, i în modul următor: fie o

experient, ă s, i A un eveniment legat de ea care se realizează cu probabilitatea
p = P (A). Se repetă experient, a de mai multe ori s, i în aceleas, i condit, ii. Dacă
efectuăm experient, a o singură dată, spunem că a apărut Succesul dacă s-a pro-
dus evenimentul A. Dacă nu s-a produs evenimentul A, atunci spunem că a
apărut Es, ecul.
Să definim X ca fiind v.a. care ia drept valori numărul de es, ecuri până
când are loc prima realizare a evenimentului A, i.e. aparit, ia primului Succes.
Atunci, evenimentul {X = k} este evenimentul ca în primele k efectuări
ale experient, ei, evenimentul A nu se produce deloc s, i în efectuarea (k + 1) a
experient, ei evenimentul A se produce.
Deci P (X = k) = q · q · . . . · q · p = q k p iar tabloul este dat de
| {z }
de k-ori
 
k
X:  .
pq k
k∈N
Propozit, ia 2.143 Media s, i dispersia unei v.a. X ∼ G (p) sunt date de
1 q
(2.60) E (X) = s, i D2 (X) = .
p p2
Demonstrat, ie. Folosim dezvoltări cunoscute, plecând87 de la dezvoltarea func-

87 Derivând o dată dezvoltarea funct, iei ∞ k 1
P
k=0 x = 1−x
obt, inem dezvoltarea
X∞ 1
kxk−1 = , pentru orice |x| < 1.
k=1 (1 − x)2
Se obt, ine imediat s, i
X∞ x
kxk = , pentru orice |x| < 1.
k=1 (1 − x)2
Derivând încă o dată obt, inem dezvoltarea
0
X∞ x 1+x
k2 xk−1 = 2
= , pentru orice |x| < 1
k=1 (1 − x) (1 − x)3
precum s, i
0
X∞ 1 2
k (k − 1) xk−2 = 2
= , pentru orice |x| < 1.
k=2 (1 − x) (1 − x)3
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)
(2.61) F (n) = 1 − q n sau, echivalent, P (X > n) = q n ,
pentru orice n ∈ N∗ .
Xn Xn−1 1 − qn
F (n) = P (X ≤ n) = pq k−1 = p qk = p · = 1 − qn .
k=1 k=0 1−q
Remarca 2.146 Evident, obt, inem


 0, dacă x ∈ (−∞, 1),
F (x) =
1 − q bxc dacă x ∈ [1, ∞),

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
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).
Distribut, ia binomială cu exponent negativ

V.a. X spunem că urmează o distribut, ie de tip binomial cu exponent nega-
tiv de parametri r ∈ N∗ , p ∈ (0, 1) , s, i scriem X ∼ NegB (r, p) , dacă tabloul ei
de distribut, ie este dat de
 
k
X :  r−1  .
Ck−1 pr q k−r
k∈N, k≥r
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.
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)

a apărut Es, ecul. Se repetă experient, a de oricâte ori s, i în aceleas, i condit, ii.
Atunci, v.a. X reprezintă numărul de încercări efectuate89 până când eveni-
mentul A se realizează de r ori, i.e. apare Succesul de r ori.
Într-adevăr, evenimentul {X = k} , unde k ≥ r, este intersect, ia a două
evenimente independente: în primele (k − 1) efectuări ale experient, ei, eveni-
mentul A se produce de r − 1 ori s, i la efectuarea k a experient, ei evenimentul A
se produce.
Probabilitatea primului eveniment este, conform schemei binomiale, dat
r−1 r−1 k−r
de Ck−1 p q iar probabilitatea celui de-al doilea eveniment este p. Deci
probabilitatea intersect, iei este
r−1 r−1 k−r r−1 r k−r
P (X = k) = Ck−1 p q · p = Ck−1 p q .

Remarca 2.150 Evident, în cazul particular r = 1 distribut, ia binomială cu ex-

ponent negativ devine distribut, ia geometrică, mai precis,
NegB (1, p) = G (p) .

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
(2.63) {Sn ≤ k} = {Nk ≥ n} .

89 Se mai poate poate vedea X ca reprezentând timpul scurs (sau timpul de as, teptare) până la
aparit, ia primelor r Succese.
90 Vezi s, i Exercit, iul 2.4.34 s, i Exercit, iul 2.4.35.
Într-adevăr,
{Sn ≤ k} = {nr. de încercări până se obt, in primele n Succese este ≤ k}

= {în primele k încercări Succesul apare de cel put, in n ori}
= {Nk ≥ n} .
Prin urmare, are loc egalitatea (2.63) sau, echivalent,
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
Demonstrat, ie. Derivând dezvoltarea binomială (2.62)
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
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
orice v.a. X distribuită negativ binomial poate fi văzută ca o sumă de

n v.a. dependente, de tip geometric,
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.
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.
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) .

2.4.1 Să considerăm experient, a care constă în aruncarea a două zaruri. Fie X
v.a. ale cărei valori reprezintă numărul maxim de puncte apărute pe cele două
fet, e. Să se scrie tabloul de repartit, ie s, i funct, ia de repartit, ie. Să se determine
media s, i dispersia v.a. X.
Rezolvare:
Vom lucra pe spat, iul de probabilitate (Ω, P (Ω) , P) , unde
Ω = {ω = (i, j) : i, j ∈ {1, 2, . . . , 6}}
s, i P ({ω}) = P ({(i, j)}) = 1/36 (evenimentele elementare sunt echiprobabile).

Atunci, v.a. X : Ω → R este definită de X(ω) = max (i, j), pentru orice
ω = (i, j) ∈ Ω.
Deci  
1 2 3 4 5 6
X: ,
1/36 3/36 5/36 7/36 9/36 11/36
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∗ .
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 .
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.

Valoarea medie este
E (X) = E (Y ) = 0 · q + 1 · p = p,
iar E (X + Y ) = 0 · q 2 + 1 · 2pq + 2 · p2 = 2p (p + q) = 2p.

Apoi obt, inem E (X Y ) = 0· q 2 + 2pq +1·p2 = p2 s, i E X 2 = 0·q +1·p = p.
2.4.3 Fie X o v.a. de tip Bernoulli cu parametrul 1/3. Fie Y = 1 − X. Să se scrie
tabloul de repartit, ie al v.a. Y s, i să se calculeze D2 (Y ) .
Rezolvare:
Dacă X ∼ Bernoulli (1/3), atunci
P (Y = 1) = P (X = 0) = 2/3,
P (Y = 0) = P (X = 1) = 1/3,
ceea ce înseamnă că Y ∼ Bernoulli (2/3) .

Dispersia este D2 (Y ) = 1 · 2/3 · 1/3 = 2/9.
2.4.4 Fie X o v.a. discretă dată de: P (X = −1) = 1/8, P (X = 0) = 1/4,
P (X = 1) = a. Să se determine a astfel încât X să fie o v.a. Să se determine
tipul de distribut, ie al v.a. Y = X 2 s, i Z = |X| . Să se calculeze dispersia s, i
deviat, ia standard a v.a. 1 − X.
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
Mediile sunt
E (X1 ) = 1/2, E (X2 ) = 2/9, E (X3 ) = 1/4
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
E (X) = E (X1 ) + E (X2 ) + E (X3 ) = 1/2 + 2/9 + 1/4 = 35/36
s, i, deoarece X1 , X2 s, i X3 sunt independente,
D2 (X) = D2 (X1 ) + D2 (X2 ) + D2 (X3 ) = 1/4 + 14/81 + 3/16 = 0.61.
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
Pentru
 a determina
 X2 folosim formula (1.14) a probabilităt, ii totale. Atunci,
0 1
X2 :   deoarece
3/4 1/4
P (X2 = 0) = P (X1 = 0) · P (X2 = 0|X1 = 0) + P (X1 = 1) · P (X2 = 0|X1 = 1)

1 8 1 7 3
= · + · =
2 10 2 10 4
s, i
P (X2 = 1) = P (X1 = 0) · P (X2 = 1|X1 = 0) + P (X1 = 1) · P (X2 = 1|X1 = 1)
1 2 1 3 1
= · + · = .
2 10 2 10 4
 
0 1
Similar, X3 :   deoarece, folosind formula (1.14) a probabilităt, ii
3/4 1/4
totale,
P (X3 = 0) = P (X2 = 0) · P (X3 = 0|X2 = 0) + P (X2 = 1) · P (X3 = 0|X2 = 1)
3 4 1 3 3
= · + · =
4 5 4 5 4
s, i
P (X3 = 1) = P (X2 = 0) · P (X3 = 1|X2 = 0) + P (X2 = 1) · P (X3 = 1|X2 = 1)
3 1 1 2 1
= · + · = .
4 5 4 5 4
Media este
E (X) = E (X1 ) + E (X2 ) + E (X3 ) = 1/2 + 1/4 + 1/4 = 1.
Pentru dispersie determinăm mai întâi tabloul
 
0 1 2 3
X: 
8/25 21/50 1/5 3/50
deoarece
P (X = 0) = P (X1 = 0, X2 = 0, X3 = 0)
= P (X1 = 0) · P (X2 = 0|X1 = 0) · P (X3 = 0|X1 = 0, X2 = 0)

1 8 4 8
= · · =
2 10 5 25
s, i
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
2.4.8 Fie v.a. (Xi )i=1,n , de tip i.i.d., cu tablourile date de

 
0 1 2
Xi :  , i = 1, n.
1/4 1/2 1/4
Fie Sn = X1 + . . . + Xn , unde n ∈ N∗ . Să se determine E (Sn ) s, i D2 (Sn ).
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.
Obt, inem P (X = 0) = 3/12, P (X = 1) = 5/12, P (X = 2) = 2/12.

Apoi
X∞
1= P (X = k)
k=0
= 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.
2.4.10 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
Obt, inem a = 1/32, b = 5/16, c = 5/32.

Să calculăm
2 2
D2 (3 − 2X) = E (3 − 2X) − (E (3 − 2X))
2
= 9 − 12E (X) + 4E X 2 − 9 + 12E (X) − 4 (E (X))

= 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.
(c) Să se determine s, i să se justifice tabloul de repartit, ie al v.a. X.

Rezolvare:
Din proprietăt, ile funct, iei de repartit, ie obt, inem a = −1, d = 1 s, i b ≤ c. În
plus trebuie să impunem ca 2b, c + b ∈ [0, 1] .
Avem
0.45 = P (X ≥ 2.5) = 1 − P (X < 2.5) = 1 − F (2.5 − 0) = 1 − c − b
s, i
0.50 = P (−1 ≤ X ≤ 1.5) = F (1.5) − F (−1 − 0) = 2b − 1 − a = 2b.
Obt, inem b = 0.25 s, i c = 0.30.
Determinăm acum
P (X = 0) = F (0) − F (0 − 0) = 0.50,
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
2.4.15 Variabila X desemnează numărul de persoane care as, teaptă la o coadă,

la un anume ghis, eu, într-o anumită perioadă a zilei s, i are funct, ia de repartit, ie



 a, x < 0,






 0.30, 0 ≤ x < 3,

FX (x) = 0.55, 3 ≤ x < 5,



0.75, 5 ≤ x < 7,






7 ≤ x.

 b,
(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.
2.4.16 Fie X o v.a. cu tabloul

 
x1 x2 ... xn
X: .
p1 p2 ... pn
2
Să se determine minimul funct, iei R 3 a 7→ E (X − a) .
Să se arate că deviat, ia standard verifică inegalitatea
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
s, i observăm că f 0 (a) = 0 dacă s, i numai dacă

Xn Xn Xn Xn
(xk − a) pk = xk pk − apk = xk pk − a = 0,
k=1 k=1 k=1 k=1
deci minimul se realizează pentru a = E (X) .

Prin urmare95 ,
2
dispersia D2 (X) este valoarea minimă a funct, iei f (a) = E (X − a)

.
s, i aceasta se realizează pentru a = E (X) .
Astfel, am demonstrat că
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.
Aplicând rezultatul precedent deducem că dispersia verifică inegalitatea:
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
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!
Putem calcula covariant, a folosind formula (2.31):
Cov (Xi , Xj ) = E (Xi Xj ) − E (Xi ) E (Xj )

(n − 2)! (n − 2)! 1 2
=0· 1− +1· −
n! n! n
1 1 1
= − = 2 .
n (n − 1) n2 n (n − 1)
Astfel,

Xn 1 1 Xn 1
D2 (X) = 1− +2 i,j=1 2
i=1 n n i<j n (n − 1)

1 1 1
=n 1− + 2Cn2
n n n2 (n − 1)
n−1 n! 1
= +2
n 2! (n − 2)! n2 (n − 1)
= 1.
2.4.18 Fie două v.a. independente X, Y ∼ DU (n) . Să se determine P (X = Y )

s, i P (X ≤ Y ) .
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
2.4.19 Fie două v.a. independente X ∼ B (n1 , p) , Y ∼ B (n2 , p) s, i m =

0, n1 + n2 . Să se arate că96

Cnk1 Cnm−k
P (X = k|X + Y = m) = 2
, k = 0, n1 astfel încât m − k = 0, n2 .
Cnm1 +n2
Rezolvare:
Să observăm mai întâi, vezi Propozit, ia 2.105, că X + Y ∼ B (n1 + n2 , p) .
Deci
P ({X = k} ∩ {X + Y = m})
P (X = k|X + Y = m) =
P (X + Y = m)
P ({X = k} ∩ {Y = m − k})
=
P (X + Y = m)
P (X = k) · P (Y = m − k)
=
P (X + Y = m)
Cnk1 pk q n1 −k · Cnm−k
2
pm−k q n2 −m+k
= m
Cn1 +n2 p q 1 +n2 −m
m n
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
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
Folosind (2.50), obt, inem:
E (X) = np = 5 · 0.8 = 4
D2 (X) = npq = 5 · 0.8 · 0.2 = 0.8.
2.4.21 Un sistem de comunicat, ii consistă în n componente care funct, ionează

fiecare (independent unul de altul) cu probabilitatea p. Spunem că sistemul
funct, ionează eficient dacă funct, ionează cel put, in jumătate dintre componen-
tele lui. Să notăm cu X v.a. care are drept valori numărul de componente care
funct, ionează în sistem.
(a) Dacă sistemul are 3 componente, care este probabilitatea să funct, ioneze
eficient? Să se determine legea v.a. X precum s, i valoarea as, teptată s, i dispersia
numărului de componente care funct, ionează în sistem.
(b) Dacă sistemul are 5 componente, care este probabilitatea să funct, ioneze efi-
cient? Să se determine legea v.a. X precum s, i valoarea as, teptată s, i dispersia
numărului de componente care funct, ionează în sistem.
(c) Pentru ce valori ale lui p un sistemul de 5 componente are mai multe s, anse
să funct, ioneze decât un sistem de 3 componente?
2.4.22 Fie fn frecvent, a absolută de aparit, ie a stemei (adică numărul total de

aparit, ii ale stemei) la n aruncări ale unei monede (vezi pagina 496). Definim
def def
X1 == f1 , Xn+1 == fn+1 − fn , unde n ∈ N∗ .
(a) Să se scrie s, i să se justifice tablourile v.a. f1 , f2 , f3 , fn s, i X1 , X2 , X3 , Xn ,

pentru n ∈ N∗ , n ≥ 2. Care e semnificat, ia v.a. X1 , X2 , X3 , Xn .
(b) Să se calculeze E (fn ) , D2 (fn ) s, i E (Xn ) , D2 (Xn ) .
(c) Să se arate, folosind inegalitatea (2.42) a lui Cebâs, ev, că pentru orice > 0
are loc
fn 1
limn→∞ P − ≥ = 0.
n 2
Să se interpreteze rezultatul97 .
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.
Se poate folosi o structură de tip arbore s, i se observă că Y = X1 + X2 .

De asemenea, se poate folosi schema hipergeometrică pentru a obt, ine direct
tabloul lui Y.
2.4.26 Fie două v.a. independente X ∼ P (λ1 ) , Y ∼ P (λ2 ) s, i n ∈ N∗ . Să se
arate că98
λ k λ n−k
1 2
P (X = k|X + Y = n) = Cnk , k = 0, n.
λ1 + λ2 λ1 + λ2
Rezolvare:
Să observăm mai întâi, vezi Propozit, ia 2.139, că X + Y ∼ P (λ1 + λ2 ) . Deci
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
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.
= λE (f (X + 1)) .
2.4.31 Fie v.a. X ∼ P (λ) . Să se arate că

k+1
P (X ≥ k) < P (X = k) , pentru orice k > λ − 1.
k+1−λ
Să se arate s, i:
P (X > k) < P (X = k) , pentru orice k > 2λ − 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
2.4.32 Probabilitatea unui arcas, de a atinge t, inta este de 1/3.

(a) Să se determine tabloul v.a. care are drept valori numărul de trageri înregis-
trate până când t, inta este lovită (prima dată). Să se determine numărul mediu
de trageri ce trebuie făcute până când t, inta este atinsă.
(b) Aceleas, i cerint, e s, i în cazul în care v.a. are drept valori numărul de es, ecuri
înregistrate până când t, inta este atinsă.
(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
2.4.33 Începând cu o dată anume se ia în evident, ă fiecare nou născut la un spi-

tal până când se nas, te o fată. Să presupunem că probabilitatea ca să se nască
o fată este p ∈ (0, 1) . De asemenea, să presupunem că nas, terile sunt indepen-
dente.
(a) Să se determine s, i să se justifice tabloul v.a. X1 care are drept valori numărul
de nas, teri observate până când se nas, te prima fată.
(b) Care este probabilitatea ca să fie înregistrate exact 5 nas, teri până când se
nas, te prima fată? Care este probabilitatea ca să fie înregistrate cel put, in 5
nas, teri până când se nas, te prima fată? (i.e. P (X1 > 5)).
(c) Să se determine funct, ia de repartit, ie asociată v.a. X1 .
(d) Să se determine s, i să se justifice tabloul v.a. Y care are drept valori numărul
de nas, teri observate până când se nasc primele 2 fete.
(e) Să se determine s, i să se justifice tabloul v.a. Z care are drept valori numărul
de nas, teri observate până când se nasc primele 4 fete.
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
numărul total de bile albe obt, inute în k ∈ N∗ extrageri.

De asemenea, definim101
(2.66) S1 = inf {k ∈ N∗ : Nk = 1} .
(a) Să se scrie s, i să se justifice tablourile v.a. Yi , Nk s, i S1 .

(b) Să se arate, folosind semnificat, ia lui Nk s, i a lui S1 , relat, ia (2.63):
{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.
2.4.35 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
numărul total de bile albe obt, inute în k ∈ N∗ extrageri.

De asemenea, definim103 S0 = 0 s, i
(2.67) Sn = inf {k ∈ N∗ : Nk = n} , pentru n ∈ N∗ ,
s, i104
(2.68) Xi = Si − Si−1 , pentru i ∈ N∗ .
(a) Să se scrie s, i să se justifice tablourile v.a. Yi , Nk s, i S2 .

(b) Să se arate, folosind semnificat, ia lui Nk s, i a lui S2 , relat, ia (2.63):
{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.
Să se determine funct, ia de repartit, ie asociată v.a. Sn s, i apoi tabloul v.a. Sn ,

pentru n ≥ 3.
(d) Să se scrie s, i să se justifice tabloul v.a. Xi .
k
a
2.4.36 Fie X o v.a. discretă cu probabilităt, ile date de P (X = k) = (1+a) k+1 , cu
a > 0, pentru orice k ∈ N. Să se calculeze media s, i dispersia v.a. X.

Rezolvare:
Sunt utile s, i diversele serii de puteri de la pagina 178:
X∞ ak a X∞ a k−1
E (X) = k k+1
= 2 k
k=0 (1 + a) (1 + a) k=1 1+a
a 1
= 2 2 = a
(1 + a) 1 − a
1+a
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
Deci D2 (X) = a (1 + 2a) − a2 = a + a2 .

1
2.4.37 Fie v.a. X ∼ G (p) . Să se determine E .
1+X
Rezolvare:
Folosind formula de calcul a mediei dată de Teorema 2.128 (formula de
transfer), obt, inem
1 X∞ 1 X∞ 1
E = P (X = k) = pq k−1
1+X k=1 1 + k k=1 1 + k

p X∞ 1 p X∞ 1
= 2 q k+1 = 2 q k+1 − q
q k=1 k + 1 q k=0 k + 1

p 1 p
= 2 ln − q = 2 (− ln p − q)
q 1−q q
(sunt utile s, i diversele serii de puteri de la pagina 178).
2.4.38 Fie două v.a. independente X, Y ∼ G (p) s, i n ∈ N∗ astfel încât n ≥ 2. Să

se arate că105
1
P (X = k|X + Y = n + 1) = , k = 1, n.
n
Rezolvare:
Avem
P ({X = k} ∩ {X + Y = n + 1})
P (X = k|X + Y = n + 1) =
P (X + Y = n + 1)
P ({X = k} ∩ {Y = n − k + 1})
= Pn
i=1 P ({X = i} ∩ {Y = n − i + 1})
P ({X = k}) · P ({Y = n − k + 1})
= Pn
i=1 P ({X = i}) · P ({Y = n − i + 1})
pq k−1 · pq n−k q n−1

= Pn i−1 n−i
= Pn n−1
i=1 pq · pq i=1 q
1
= .
n
Prin urmare, dacă N∗ 3 n ≥ 2 este arbitrar fixat, în condit, iile în care s, tim că a
avut loc evenimentul {X + Y = n + 1}, i.e. s, tim că v.a. X + Y a luat valoarea
n + 1, obt, inem că v.a. (condit, ionată) X este distribuită uniform de tip discret
cu n valori (vezi Remarca 2.91).
2.4.39 Fie v.a. X ∼ G (p) . Să se arate că pentru orice k, n ∈ N are loc
(2.69) P (X = n + k|X > n) = P (X = k) .
Rezolvare:
În cazul în care k = 0 se obt, ine egalitatea.
Să luăm k > 0. Conform Propozit, iei 2.145,
P ({X = n + k} ∩ {X > n})

P (X = n + k|X > n) =
P (X > n)
P (X = n + k) pq n+k−1
= = = pq k−1 = P (X = k) ,
P (X > n) qn
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
(2.70) P (X > n + k|X > n) = P (X > k) .
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.
Deci distribut, ia geometrică este singura106 distribut, ie discretă „fără memo-

rie”.
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
P ({X > n + k} ∩ {X > n}) P (X > n + k)

= G (k) ⇔ = G (k)
P (X > n) P (X > n)
⇔ 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) .
2.4.42 Fie X, Y două v.a. independente astfel încât X ∼ G (p1 ) s, i Y ∼ G (p2 ) .

Să se determine107 funct, ia de repartit, ie asociată v.a. V precum s, i legea v.a. V ,
unde
V = min (X, Y ) .
Rezolvare:
106 Singura distribut, ie continuă „fără memorie” este cea exponent, ială: vezi Exercit, iul 3.6.10 s, i
Exercit, iul 3.6.11.
107 Vezi s, i Exercit, iul 3.6.29.
Funct, ia de repartit, ie a v.a. V este
FV (n) = 1 − P (min (X, Y ) > n) = 1 − P (X > n, Y > n)

= 1 − P (X > n) · P (Y > n) = 1 − (1 − FX (n)) (1 − FY (n))
= 1 − q1n q2n ,
deoarece FX , FY sunt date de (2.61).

n
Prin urmare, FV (n) = 1 − (q1 q2 ) , adică V ∼ G (1 − q1 q2 ) .
2.4.43 Fie v.a. X ∼ G (p) . Să definim Y = max (X, m) s, i Z = min (X, m), unde
m ∈ N∗ . Să se scrie tabloul de repartit, ie al v.a. Y . Să se arate că Y + Z = X + m.
Să se determine E (Y ) s, i E (Z).
Rezolvare:
Să observăm, mai întâi, că, pentru orice k ∈ N∗ ,
{Y = k} = {X ≤ m, m = k} ∪ {X ≥ m, X = k} .
Dacă m < k, atunci
P (Y = k) = 0 + P (X = k) = pq k−1 ,
dacă m > k, atunci

P (Y = k) = 0
iar dacă m = k, atunci, conform Propozit, iei 2.145,
P (Y = k) = P (X ≤ m) = 1 − q m .
Tabloul lui Y este

 
m m+1 m+2 m+3 ...
Y : 
1 − qm pq m pq m+1 pq m+2 ...
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 + . . .
1
=p = 1.
1−q
Media este108 , folosind s, i dezvoltările de la pagina 178,

X∞
E (Y ) = kP (Y = k)
k=m
X∞
= m (1 − q m ) + kpq k−1
k=m+1
X∞ Xm
= m (1 − q m ) + p kq k−1 − p kq k−1
k=1 k=1

m 1 − (m + 1) q m (1 − q) + 1 − q m+1
= m − mq +p 2 −p 2
(1 − q) (1 − q)
1 − (m + 1) pq m + 1 − q m+1
= m − mq m +−
p p
m m
q (p + q) q
=m+ =m+ .
p p
Pentru orice k ∈ N∗ ,
{Z = k} = {X ≤ m, X = k} ∪ {X ≥ m, m = k} .
Dacă m < k, atunci
P (Z = k) = P (X ≤ m, X = k) + P (X ≥ m, m = k) = 0
dacă m > k, atunci
P (Z = k) = P (X ≤ m, X = k) + P (X ≥ m, m = k)
= P (X = k) + 0 = pq k−1
iar dacă m = k, atunci, conform Propozit, iei 2.145,
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.
Tabloul lui Z este

 
1 2 ... m−2 m−1 m
Z: 
p pq ... pq m−3 pq m−2 q m−1
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
(prin convent, ie, dacă N = 0, atunci SN = 0).
(a) Să se determine legea v.a. SN .

(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
(2.71) E (SN ) = E (N ) E (X1 ) .
(c) În cazul în care Xn ∼ Bernoulli (p) , unde p ∈ (0, 1) , pentru n ∈ N∗ , s, i

N ∼ P (λ) , unde λ > 0, să se determine tipul de distribut, ie al v.a. SN .
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:
SN (ω) = X1 (ω) + X2 (ω) + . . . + XN (ω) (ω) ,
deoarece s, i N este tot o v.a..

(a) Fie x ∈ R. Vom determina P (SN = x) folosind legea probabilităt, ii totale
(1.15), asociată sistemului complet 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 = x) = P (SN = x, N = n)
n=0
X∞
= P (Sn = x, N = n)
n=0
109 Formula (2.71) obt, inută se numes, te identitatea lui Wald sau ecuat, ia lui Wald s, i reprezintă
formula de calcul a mediei sumei cu un număr aleator de termeni SN = X1 + X2 + . . . + XN .
Se poate arăta (vezi [27, Theorem 5.5.3]) că formula (2.71) a lui Wald are loc în următoarele
condit, ii, mai generale: (Xn )n∈N∗ sunt v.a. nenegative oarecare (nu neapărat discrete) iar N
este o v.a. discretă, cu valori în N∗ , astfel încât, pentru orice n ∈ N∗ , v.a. 1{N =n} depinde doar
de v.a. X1 , X2 , . . . , Xn .
În cazul unui s, ir (Xn )n∈N∗ de v.a continue formula (2.71) a lui Wald are aceeas, i formă; vezi
X∞
= P (Sn = x) P (N = n) .
n=0
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.
folosind funct, ia de repartit, ie111 :

X∞
E (SN ) = P (SN > k)
k=0
X∞ X∞
= P (Sn > k) P (N = n)
k=0 n=0
X∞ X∞
= P (Sn > k) P (N = n)
n=0 k=0
X∞ X∞
= P (N = n) P (Sn > k)
n=0 k=0
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, din nou, formula (2.71).

Pentru o altă demonstrat, ie a formulei (2.71), în cazul unui s, ir de v.a. nene-
gative (Xn )n∈N∗ oarecare (nu neapărat discrete), vezi [34, Theorem 5.5] (caz în
care trebuie să folosim egalitatea (5.11) care ne permite ca media să comute cu
o sumă infinită de v.a.). Aceeas, i metodă este utilă s, i în determinarea formulei
de calcul a dispersiei sumei SN cu un număr aleator de termeni.
(c) Deoarece Xn ∼ Bernoulli (p) , obt, inem că v.a. SN ia valori în N.
Folosind Remarca 2.106 observăm că Sn ∼ B (n, p) , pentru orice n ∈ N∗ .
Deci P (Sn = k) = Cnk pk q n−k , pentru orice 0 ≤ k ≤ n, s, i P (Sn = k) = 0, pentru
orice k > n.
Prin urmare, pentru orice k ∈ N,
X∞
P (SN = k) = P (SN = k, N = n)
n=0
111 Trebuie să verificăm dacă sunt satisfăcute condit, ii suficiente pentru ca o sumă infinită să co-
mute cu o altă sumă infinită de v.a.; vezi Nota 59.
În cazul nostru vom folosi faptul că seria este absolut convergentă.
X∞
= P (Sn = k, N = n)
n=0
X∞
= P (Sn = k) P (N = n)
n=0
X∞ λn −λ
= Cnk pk q n−k · e
n=k n!
k
p −λ X∞ 1
= e q n−k λn
k! n=k (n − k)!
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
Variabile aleatoare continue
Fie (Ω, F, P) un spat, iu de probabilitate. Vorbind neriguros, spunem că v.a.

X : Ω → R este de tip continuu dacă poate lua orice valoare dintr-un interval,
posibil nemărginit, (a, b) ⊂ R.
În cazul v.a. continue nu ne interesează probabilitatea ca X să ia o singură
valoare ci doar probabilităt, i de forma P (X < a) sau P (a < X < b), deoarece
vom vedea că probabilitatea P (X = a) = 0, pentru orice a ∈ R.
O v.a. continuă este bine determinată dacă se cunoas, te fie funct, ia de re-
partit, ie F asociată ei (vezi Definit, ia 2.8) fie densitatea de repartit, ie f (aceasta
este mai importantă pentru o v.a. continuă, deoarece ea suplines, te tabloul de
repartit, ie din cazul v.a. discrete).
Dacă X este o v.a. continuă atunci vom vedea că funct, ia ei de repartit, ie
FX este funct, ie continuă (ceea ce justifică s, i numele v.a.), prin urmare graficul
acestei funct, ii este o curbă plană continuă, spre deosebire de v.a. discrete când
FX este o funct, ie în scară: constantă pe port, iuni, nedescrescătoare s, i cu un
număr cel mult numărabil de salturi.
3.1 Densitatea de repartit, ie

Definit, ia 3.1 Funct, ia f : R → R este o densitate de repartit, ie (sau densitate de
probabilitate) dacă:
(i) f (x) ≥ 0, pentru orice x ∈ R;
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,
−∞
unde FX este funct, ia de repartit, ie a v.a. X definită de (2.3).

Atunci, funct, ia fX se numes, te densitatea de repartit, ie (sau densitatea de pro-
babilitate) asociată v.a. X.
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:
Propozit, ia 3.5 Funct, ia f : R → R este densitatea de repartit, ie a unei v.a. dacă s, i

numai dacă f satisface cele două condit, ii din Definit, ia 3.1.
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
Astfel, dacă f, g : R → [0, ∞) sunt două funct, ii integrabile Riemann pe R,

atunci:
f, g sunt două densităt, i pentru aceeas, i v.a. X dacă s, i numai dacă

f =g a.p.t.114 (în raport cu măsura Lebesgue).
Demonstrat, ia se bazează pe următoarele două rezultate:

Rx
• dacă f s, i g sunt funct, ii integrabile Riemann pe R s, i dacă −∞ f (t) dt =
Rx
−∞
g (t) dt, pentru orice x ∈ R, atunci f = g a.p.t., în raport cu măsura
Lebesgue (vezi Nota 56);
• dacă f este o funct, ie integrabilă Riemann pe R s, i pozitivă,
R atunciR f este
integrabilă Lebesgue pe R s, i integralele coincid, i.e. R f (t) dt = R f dλ,
unde λ este măsura Lebesgue (vezi, de exemplu, [47, Teorema 5.3-10]).
Astfel, dacă avem o funct, ie de densitate fX asociată unei v.a. X iar g este
o funct, ie obt, inută prin modificarea lui fX într-o mult, ime de măsură Lebesgue
nulă115 , i.e. fX = g a.p.t. (în raport cu măsura Lebesgue), astfel încât g rămâne
integrabilă Riemann pe R, atunci g este s, i ea o funct, ie de densitate pentru o v.a.
Y cu aceas, i funct, ie de repartit, ie ca s, i X.
Într-adevăr, modificând fX într-o mult, ime neglijabilă de puncte, valoarea
integralei Lebesgue nu se modifică iar integrala Lebesgue coincide cu integrala
Riemann, deci
Z x Z Z
G (x) = g (t) dt = g dλ = fX dλ = FX (x) ,
−∞ (−∞,x] (−∞,x]
adică funct, ia de repartit, ie asociată densităt, ii g coincide cu funct, ia de repartit, ie

asociată densităt, ii fX .
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.
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,

adică X s, i Y sunt identic distribuite. Să observăm că X, Y ∼ U [0, 1].

Deci, dacă v.a. X ∼ U [0, 1] , atunci putem să considerăm că X are densi-
tatea f = 1[0,1] (x) sau g = 1(0,1) (x) .
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)
dacă f este mărginită pe [a, b], atunci:

f este integrabilă Riemann pe [a, b] dacă s, i numai dacă
f este continuă a.p.t. pe [a, b], în raport cu măsura Lebesgue.
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).
(există exemple117 în acest sens).
Remarca 3.9 O funct, ie de densitate nu trebuie neapărat să fie mărginită. De

exemplu, dacă X este o v.a. cu funct, ia de repartit, ie



 0, x < 0,
√

FX (x) = x, 0 ≤ x < 1,



1, x ≥ 1,

atunci densitatea asociată este

1
fX (x) = √ 1(0,1) (x)
2 x
care nu este mărginită în 0.
R R1 1
Cu toate acestea, fX ≥ 0 pe R iar R fX (x) dx = 0+ √
2 x
dx = 1.
Un alt exemplu de densitate nemărginită este dat de densitatea distribut, iei
χ2 (1, σ) cu un singur grad de libertate.
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].
În cadrul v.a. continue avem clasificarea:
• spunem că X este v.a. absolut continuă dacă P (X ∈ B) = 0, pentru

orice B ∈ B (R) neglijabilă în raport cu măsura Lebesgue pe R, i.e. dacă
legea PX este măsură absolut continuă în raport cu măsura Lebesgue;
se poate arăta, folosind Teorema lui Radon-Nikodym (vezi, de exemplu,
[46, Teorema 11.2-6]), că X este v.a. absolut continuă dacă s, i numai dacă
există o funct, ie nenegativă s, i măsurabilă f , integrabilă Lebesgue pe R,
astfel încât
Z Z
(3.2) PX (B) = f dλ = f (t)λ(dt), pentru orice B ∈ B (R) ,
B B
sau, echivalent,
Z x Z x
(3.3) FX (x) = f dλ = f (t)λ(dt), pentru orice x ∈ R
−∞ −∞
(integralele sunt integrale Lebesgue în raport cu măsura Lebesgue λ pe

R, vezi s, i Nota 112); de asemenea, se poate arăta (vezi, de exemplu, [36,
Propozit, ia 1.9.2] sau [46, Propozit, ia 11.2-5]) că X este v.a. absolut con-
tinuă dacă s, i numai dacă funct, ia ei de repartit, ie este funct, ie absolut con-
tinuă;
• 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.
(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.

Această funct, ie este o funct, ie de repartit, ie deoarece este nedescrescătoare, con-

tinuă la dreapta pe R iar FX (−∞) = 0 s, i FX (∞) = 1.
Dar această funct, ie nu este nici constantă pe port, iuni (cazul v.a. discrete) s, i
nici continuă pe R (cazul v.a. continue).
Să observăm că putem scrie FX ca o combinat, ie convexă119 de două funct, ii
de repartit, ie, una constantă pe port, iuni s, i alta continuă pe R :
FX (x) = 0.2FXd (x) + 0.8FXc (x) ,
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].
De fapt, FXd este o funct, ie de repartit, ie corespunzătoare unei v.a. discrete Xd

iar FXc este o funct, ie de repartit, ie corespunzătoare unei v.a. continue Xc .
Deci
X = 0.2Xd + 0.8Xc ,
unde v.a. discretă Xd si v.a. continuă Xc sunt date de tabloul si respectiv den-
sitatea:  
0 1
Xd :   s, i fXc (x) = 1(0,1) (x) .
0.5 0.5
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.

Avem D = {0, 1} iar
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
P (X = a) = F (a) − F (a − 0) = 0, pentru orice a ∈ (0, 1) = C.
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
unde densitatea fXc este dată de fXc (x) = 1(0,1) (x) .

Avem:
P (X = 0) = 0.1, P (X = 1) = 0.1, P (X ∈ (0, 1)) = 0.8.

Să observăm că putem scrie legea PX ca o combinat, ie convexă120 dintre o mă-
sură de probabilitate discretă s, i una absolut continuă:
PX (A) = 0.2PXd (A) + 0.8PXc (A),
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
fX (x) = 0.2fXd (x) + 0.8fXc (x) , x ∈ R,
unde (vezi Remarca 3.19)


 1, 0 ≤ x < 1,
fXd (x) = 0.5δ0 (x) + 0.5δ1 (x) iar fXc (x) =
 0, în rest.
În notat, iile de mai sus obt, inem formula

Z
P (X ∈ A) = fX (x) dx,
A
120 Pentru detalii teoretice legate de descompunerea unei măsuri de probabilitate pe (R, B (R))
vezi [36, Propozit, ia 1.9.8].
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,

Propozit, ia 3.14 Fie X o v.a. continuă s, i FX funct, ia ei de repartit, ie. Atunci,

(i) FX este funct, ie continuă (ceea ce justifică denumirea de v.a. continuă).
Astfel, cuvântul „continuu” din denumirea „v.a. continue” se referă mai de-
grabă la o proprietate a funct, iei de repartit, ie FX decât la o proprietate a funct, iei
măsurabile X.
(ii) FX este derivabilă în orice punct x ∈ R în care f este continuă s, i
0
FX (x) = fX (x) , oricare ar fi x punct de continuitate pentru f .
(iii) Folosind (2.5) (vezi s, i (2.6)) deducem121 că
(3.4) P (X = a) = 0, pentru orice a ∈ R.
(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
(3.5) = P (a < X < b)

= P (a ≤ X < b)
= P (a ≤ X ≤ b)
Remarca 3.15 Ultima relat, ie se mai poate scrie s, i sub forma

Z
P (X ∈ [a, b]) = fX (t) dt, pentru orice − ∞ ≤ a < b ≤ ∞.
[a,b]
Prin urmare, dacă [a, b] nu este din

R Supp(fX ), adică fX (x) = 0, pentru orice
x ∈ [a, b] , atunci P (X ∈ [a, b]) = [a,b] fX (t) dt = 0.
Deci, dacă există a < b astfel încât fX (x) = 0, pentru orice x ∈ [a, b] , atunci
{c ≤ X ≤ d} este un eveniment neglijabil, pentru orice c, d ∈ [a, b] .
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
pentru orice D ∈ B (R).

Pentru o demonstrat, ie alternativă vezi s, i Remarca 3.32.
Remarca 3.17 Formal putem deduce că P (X = a) = 0 scriind

Z a+h
P (X = a) = limh→0 fX (t) dt = 0.
a

Remarca 3.18 Semnificat, ia geometrică a densităt, ii de repartit, ie este următoa-

rea: fX este acea funct, ie nenegativă s, i integrabilă cu proprietatea că aria dome-
niului D din plan cuprins între dreptele x = a, x = b, axa Ox s, i curba y = f (x)
Rb
este egală, pe de o parte, cu integrala a fX (t) dt iar, pe de altă parte, este egală
cu probabilitatea ca X să ia valori între a s, i b, i.e.
Z b
A (D) = fX (t) dt = P (a ≤ X ≤ b) .
a

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
pentru orice x ∈ R, unde δxi este măsura Dirac concentrată în punctul xi .

Astfel, formula (3.6) rămâne adevărată, dar într-o formă similară; mai pre-
cis, pentru orice D ∈ B (R) , putem scrie, folosind (2.17), integrala Lebesgue
în raport cu măsura de probabilitate PX , precum s, i proprietăt, ile integralei
Lebesgue (vezi s, i (3.16)):
Z Z
P (X ∈ D) = PX (D) = PX (dx) = fX (dx)
D D
s, i astfel obt, inem din nou (2.18):

Z X
P (X ∈ D) = P (X = xi ) δxi (dx)
D i∈I
X Z
= P (X = xi ) δxi (dx)
i∈I D
X Z
= P (X = xi ) δxi (dx)
i∈I D
X
= P (X = xi ) δxi (D)
i∈I
X
= P (X = xi )
xi ∈D
X
= P (X = x) .
x∈D

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) ,
−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 )
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
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 .
Cuantilele de ordin 100 se numesc percentile (sau centile). Avem 99 de centile.

De exemplu, x20/100 este valoarea sub care sunt găsite cel put, in 20% din valo-
rile v.a. X s, i respectiv valoarea peste care sunt găsite cel put, in 80% din valorile
v.a. X.
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.
Apoi obt, inem că
P (xp ≤ X ≤ x2p ) = FX (x2p ) − FX (xp ) = 2p − p = p
s, .a.m.d..
Deci, în cazul unei v.a. continue, putem vedea cuantilele s, i ca pe acele

puncte care împart valorile v.a. X în intervale de probabilităt, i egale.
În practică vom lua p = kq , unde q ∈ N∗ se va numi ordinul cuantilei iar

valorile k = 1, q − 1 vor defini cuantilele de ordin q.
k
Avem o singură cuantilă de ordin 2 (luăm p = 2 , unde k = 1 ), deci mediana
este valoarea x1/2 astfel încât

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.
Avem trei cuantilele de ordin 4 (luăm p = k4 , unde k = 1, 3 ), deci cuartilele

sunt valorile x1/4 , x2/4 , x3/4 astfel încât

P X ≤ x1/4 = P x1/4 ≤ X ≤ x1/2

= P x1/2 ≤ X ≤ x3/4

= P X ≥ x3/4
= 1/4
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.
Teorema 3.25 Fie X o .v.a. continuă cu densitatea de repartit, ie fX . Fie h : D ⊂

R → R o funct, ie astfel încât:
(i) h este derivabilă pe D,
(ii) h este bijectivă,

def
(iii) Supp(fX ) == {x : fX (x) 6= 0} ⊆ D.
Atunci, densitatea noii v.a. Y = h (X) este dată de
fY (y) = fX h−1 (y) |(h−1 )0 (y)| 1h(D) (y) ,

(3.10)
în orice punct y astfel încât fX este continuă în h−1 (y) .
Remarca 3.26 Demonstrat, ia se bazează pe schimbarea de variabilă în integrală.

Deoarece h este injectivă s, i continuă obt, inem că h este monotonă. În cazul în
0
care h−1 este crescătoare (deci h−1 (z) > 0, pentru orice z ) avem
FY (y) = P (Y ≤ y) = P (h (X) ≤ y) = P X ≤ h−1 (y)

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) .

Corolarul 3.27 Fie X o .v.a. continuă cu densitatea de repartit, ie fX . Fie a 6= 0 s, i

Y −b
Y = aX + b sau, echivalent, X = .
a
Atunci, densitatea v.a. Y este
1 y − b
fY (y) = fX , pentru orice y ∈ R.
|a| a
Remarca 3.28 În particular, dacă X este o v.a. continuă cu densitatea de repar-

tit, ie fX , atunci v.a. Y = −X are densitatea
fY (y) = fX (−y), pentru orice y ∈ R.
V.a. Z = a − X, unde a ∈ R, are densitatea
fZ (y) = fX (a − y), pentru orice y ∈ R.
V.a. W = X − a, unde a ∈ R, are densitatea
fW (y) = fX (a + y), pentru orice y ∈ R.

3.2 Caracteristici numerice

În cazul discret media unei v.a. este suma unei serii numerice (vezi Definit, ia
2.123), dar în cazul continuu media este dată de o integrală.
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).
Remarca 3.30 De fapt, dacă (Ω, F, P) este un spat, iu de probabilitate s, i X este

o v.a. definită pe acest spat, iu, atunci
media unei v.a. (indiferent de tipul ei) este definită de următoarea

integrală Lebesgue (în caz că aceasta există) pe Ω în raport cu măsura P :
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
există E (X) < ∞ ⇔ există E (|X|) < ∞.
Aplicând o teoremă de schimbare de variabilă în integrala Lebesgue anterioară

(vezi, de exemplu, [47, Teorema 5.2-24] sau [24, Theorem 14.12]), obt, inem că
media se poate exprima cu ajutorul integralei Lebesgue pe R în raport cu mă-
sura PX (legea asociată v.a. X ):
Z
(3.13) E (X) = xPX (dx)
R
3.2. Caracteristici numerice 239
(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
Evident, în cazul v.a. absolut continue s, i funct, ia de repartit, ie FX devine absolut

continuă s, i astfel formula (3.14) devine tot formula (3.11).
rezultat.
Teorema 3.31 (Formula de transfer) Fie X o .v.a. continuă cu densitatea de repar-

tit, ie fX . Fie h : R → R o funct, ie măsurabilă. Atunci, h (X) : Ω → R este s, i ea o v.a.
s, i această v.a. admite medie dacă s, i numai dacă
Z
|h (x)| fX (x) dx < ∞.
R
În cazul în care h (X) admite medie, aceasta este dată de:

Z
(3.15) E (h (X)) = h (x) fX (x) dx.
R
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
Pe de altă parte, folosind definit, ia mediei, avem

Z Z Z
E (1B (X)) = 1B (X) dP = 1{X∈B} dP = dP = P (X ∈ B) ,
Ω Ω {X∈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 .
În cazul în care v.a. X admite densitatea f, integralele de mai sus coincid

cu integrala Riemann dată de (3.15) deoarece avem egalităt, ile, scrise formal,
PX (dx) = fX (x)dx = dFX (x).
Propozit, ia 3.34 Fie X o v.a. (discretă sau continuă) cu funct, ia de repartit, ie FX .

Dacă X admite medie, atunci123
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 −∞
Prin urmare, pentru x > 0,

Z ∞ Z ∞
limx→∞ y dFX (y) = limx→∞ |y| dFX (y) = 0.
x x
Pe de altă parte, pentru x > 0,

Z ∞ Z ∞ Z ∞
0 ≤ x (1 − FX (x)) = x dFX (y) = xdFX (y) ≤ |y| dFX (y) ,
x x x
deci limx→∞ x (1 − FX (x)) = 0+ .

Similar, pentru x < 0,
Z x Z x
limx→−∞ y dFX (y) = − limx→−∞ |y| dFX (y) = 0.
−∞ −∞
Pe de altă parte, pentru x < 0,

Z x Z x
0 ≤ −xFX (x) = −x dFX (y) = (−x) dFX (y)
−∞ −∞
123 Evident, aceste limite implică limitele date de (2.4).
Z x Z x
≤ (−y) dFX (y) = |y| dFX (y) ,
−∞ −∞
deci limx→−∞ xFX (x) = 0− .
Remarca 3.35 Fie X o v.a. (discretă sau continuă) cu funct, ia de repartit, ie FX .

Dacă X r admite medie, unde r ∈ N∗ , atunci, repetând demonstrat, ia Propozit, iei
3.34, se obt, ine
limx→∞ xr · (1 − FX (x)) = 0,
(3.19)
limx→−∞ xr · FX (x) = 0.
Propozit, ia 3.36 Fie X o v.a. continuă cu densitatea fX astfel încât Supp(fX ) ⊆

[0, ∞) s, i funct, ia de repartit, ie FX . Dacă X admite medie, atunci124
Z ∞
(3.20) E (X) = P (X > x) dx
0
sau, echivalent,
Z ∞
E (X) = (1 − FX (x)) dx.
0
Demonstrat, ie. Folosind (3.5) obt, inem

Z ∞ Z ∞ Z ∞
P (X > x) dx = fX (y) dy dx.
0 0 x
Pentru a putea schimba ordinea de integrare în integralele iterate preceden-

te trebuie, mai întâi, să introducem indicatoarea s, i apoi să verificăm dacă
sunt satisfăcute condit, ii suficiente pentru ca o integrală să comute cu o altă
integrală, adică să folosim un rezultat teoretic (de tip Fubini) care ne permite
acest lucru. Astfel,
Z ∞ Z ∞ Z ∞
P (X > x) dx = fX (y) 1(x,∞) (y) 1[0,∞) (x) dy dx
0 −∞ −∞
124 Pentru formula mediei unei v.a. discrete vezi Propozit, ia 2.52 s, i Exercitiul 2.55.
Z ∞ Z ∞
= fX (y) 1(x,∞) (y) 1[0,∞) (x) dx dy
−∞ −∞
Z ∞ Z ∞
= 1(x,∞) (y) 1[0,∞) (x) dx fX (y) dy.
−∞ −∞
Să observăm că

1(x,∞) (y) = 1(−∞,y) (x) ,
deci (folosim faptul că variabila de integrare y > x ≥ 0)
Z ∞ Z ∞ Z ∞
P (X > x) dx = 1(−∞,y) (x) 1[0,∞) (x) dx fX (y) dy
0 −∞ −∞
Z∞ Z ∞
= 1[0,y) (x) dx fX (y) 1[0,∞) (y) dy
−∞ −∞
Z∞ Z y
= dx fX (y) dy
0 0
Z ∞
= y fX (y) dy = E (X) .
0
Reluând tipul de rat, ionament din propozit, ia precedentă se arată următorul

rezultat.
Propozit, ia 3.37 Fie X o v.a. continuă. Atunci, are loc125

Z ∞
(3.21) P (x < X ≤ x + a) dx = a, pentru orice a > 0.
−∞

Z ∞ Z ∞ Z ∞
P (x < X ≤ x + a) dx = fX (y) 1(x,x+a] (y) dy dx
−∞ −∞ −∞
Z∞ Z ∞
= fX (y) 1(x,x+a] (y) dx dy
−∞ −∞
Z∞ Z ∞
= 1(x,x+a] (y) dx fX (y) dy.
−∞ −∞
125 Generalizarea acestui rezultat este dată de inegalitatea (3.24). De asemenea, precizăm că for-
mula similară din cazul unei v.a. discrete este dată de Propozit, ia 2.56.
Să observăm că

1(x,x+a] (y) = 1[y−a,y) (x) ,
deci
Z ∞ Z ∞ Z ∞
P (x < X ≤ x + a) dx = 1[y−a,y) (x) dx fX (y) dy
−∞ −∞ −∞
Z ∞ Z y
= dx fX (y) dy
−∞ y−a
Z ∞ Z ∞
= afX (y) dy = a fX (y) dy
−∞ −∞
= 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
Pentru a putea schimba ordinea de integrare folosim un rezultat teoretic (de

tip Fubini) care ne permite ca o integrală să comute cu o altă integrală. Prin
urmare,
Z ∞ Z Z ∞
P (x < X ≤ x + a) dx = 1{x<X(ω)≤x+a} dx P (dω)
−∞ Ω −∞
Z Z ∞
= 1{X(ω)−a≤x<X(ω)} dx P (dω)
Ω −∞
!
Z Z X(ω)
= dx P (dω)
Ω X(ω)−a
Z
= aP (dω) = aP (Ω)
Ω
= a.
126 Vezi s, i demonstrat, ia din Remarca 3.41.
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.
Propozit, ia 3.40 Fie X o v.a. continuă cu densitatea fX cu Supp(fX ) ⊆ [0, ∞).

Dacă X r admite medie, unde r > 0, atunci129
Z ∞
(3.22) E (X r ) = r xr−1 P (X > x) dx.
0

Z ∞ Z ∞ Z ∞
r−1 r−1
r x P (X > x) dx = r x fX (y) dy dx.
0 0 x
Pentru a putea schimba ordinea de integrare în integralele iterate precedente

să introducem indicatoarea. Astfel,
Z ∞ Z ∞ Z ∞
rxr−1 P (X > x) dx = rxr−1 fX (y) dy dx
0 0 x
127 În loc de nenegativă putem cere ca X să fie o v.a. continuă cu densitatea fX astfel încât suportul
ei Supp(fX ) ⊆ [0, ∞).
128 Deci există si este finită lim
Rx R∞
, x→∞ 0 y fX (y) dy = 0 y fX (y) dy = E (X) .
129 Pentru formula mediei pătratului unei v.a. discrete vezi Remarca 2.54.
Z ∞ Z ∞
= rxr−1 fX (y) 1[x,∞) (y) 1[0,∞) (x) dy dx
−∞ −∞
Z∞ Z ∞
= rx r−1
fX (y) 1[x,∞) (y) 1[0,∞) (x) dx dy
−∞ −∞
Z ∞ Z ∞
= rxr−1 1(−∞,y] (x) 1[0,∞) (x) dx fX (y) dy
−∞ −∞
Z ∞ Z ∞
= rxr−1 1[0,y] (x) dx fX (y) 1[0,∞) (y) dy
−∞ −∞
Z ∞ Z y Z ∞
= rxr−1 dx fX (y) dy = y r fX (y) dy = E (X r ) .
0 0 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
Integrăm în raport cu P iar pentru a putea schimba ordinea de integrare folo-

sim un rezultat teoretic (de tip Fubini) care ne permite ca o integrală să comute
cu o altă integrală. Astfel, vezi s, i (3.16),
Z Z Z ∞
E (X r ) = X r (ω) P (dω) = rxr−1 1{x≤X(ω)} dx P (dω)
Ω Ω 0
Z ∞ Z
= rxr−1
1{x≤X(ω)} P (dω) dx
0 Ω
Z ∞ Z
= rxr−1 1{x≤X(ω)} P (dω) dx
0 Ω
Z ∞
= rxr−1 P (X ≥ x) dx.
0
Remarca 3.42 O altă demonstrat, ie alternativă pentru formula (3.22) se poate

face dacă folosim (3.18) s, i formula de integrare prin părt, i în cadrul integralei
Riemann-Stieltjes dată de (3.17)

Z ∞
E (X r ) = xr dFX (x)
0
(vezi demonstrat, ia Propozit, iei 3.47).

Nici această demonstrat, ie nu depinde de tipul ales al v.a. (discretă sau con-
tinuă).
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.
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.
Propozit, ia 3.46 Fie X o v.a. continuă cu densitatea fX s, i h : R → R o funct, ie

măsurabilă astfel încât h (X) să fie v.a. continuă. Să presupunem că h ia valori130 în
[0, ∞). Atunci,
Z
E (h (X)) = h (x) fX (x) dx.
R
Demonstrat, ie. Folosind (3.20) s, i apoi (3.6) obt, inem

Z ∞ Z ∞ Z
E (h (X)) = P (h (X) ≥ x) dx = fX (y) dy dx,
0 0 D
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.
−∞ −∞
Să observăm că y ∈ D dacă s, i numai dacă x ∈ (−∞, h (y)], adică
1D (y) = 1{h(y)≥x} = 1(−∞,h(y)] (x) ,

deci (folosim faptul că variabila de integrare g (y) ≥ 0)
Z ∞ Z ∞ Z ∞
P (h (X) ≥ x) dx = 1(−∞,h(y)] (x) 1[0,∞) (x) dx fX (y) dy
0 −∞ −∞
130 Rezultatul are loc s, i în cazul în care h ia valori nu neapărat nenegative.
Z ∞ Z ∞
= 1[0,h(y)] (x) dx fX (y) dy
−∞ −∞
Z ∞ Z h(y) Z ∞
= dx fX (y) dy = h (y) fX (y) dy
−∞ 0 −∞
= E (h (X)) .
Prezentăm în continuare o generalizare a Propozit, iei 3.36. Demonstrat, ia nu

va fi o reluare a celei date pentru Propozit, ia 3.36 ci una alternativă; ea va folosi,
în mod esent, ial, limitele date de (3.18).
De asemenea, ment, ionăm că atât demonstrat, ia cât s, i formula obt, inută nu
depind de tipul ales al v.a. (discretă sau continuă).
Propozit, ia 3.47 Fie X o v.a. cu funct, ia de repartit, ie FX . Dacă X admite medie,

atunci
Z ∞ Z 0
E (X) = P (X > x) dx − P (X ≤ x) dx
0 −∞
sau, echivalent,
Z ∞ Z 0
(3.23) E (X) = (1 − FX (x)) dx − FX (x) dx.
0 −∞
Demonstrat, ie. Să observăm că

Z 0 Z ∞
E (X) = y dFX (y) + y dFX (y)
−∞ 0
Z 0 Z v
= limu→−∞ y dFX (y) + limv→∞ y dFX (y) .
u 0
Integrând prin părt, i obt, inem

Z 0 y=0 Z 0 Z 0
y dFX (y) = y FX (y) − FX (y) dy = −uFX (u) − FX (y) dy

u y=u u u
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
Z v
= −v (1 − FX (v)) + (1 − FX (y)) dy.
0
Prin urmare, folosind s, i limitele (3.18),

Z 0
E (X) = − limu→−∞ uFX (u) − FX (y) dy
−∞
Z ∞
− limv→∞ v (1 − FX (v)) + (1 − FX (y)) dy
0
Z 0 Z ∞
=− FX (y) dy + (1 − FX (y)) dy.
−∞ 0
Remarca 3.48 Folosind (3.23) deducem că

Z ∞ Z 0
E (X) = 0 ⇔ (1 − FX (x)) dx = FX (x) dx.
0 −∞
Observând că E (X − µ) = 0, unde µ = E (X), s, i că FX−µ (x) = FX (x + µ),

putem generaliza astfel:
Z ∞ Z a
E (X) = a ⇔ (1 − FX (x)) dx = FX (x) dx.
a −∞
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.
−∞
Prin urmare, se poate arăta că, dacă X, Y admit medie, atunci

Z ∞

(3.24) E (X) − E (Y ) = P (Y < x ≤ X) − P (X < x ≤ Y ) 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.
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
Deci momentul µ1 este chiar media v.a. X.
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 ) .
Deci, în cazul unei v.a. continue X care admite densitatea fX ,

Z
2
D2 (X) = (x − E (X)) f (x) dx.
R
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)) .

Definit, ia 3.56 (vezi Definit, ia 2.81) Cantitatea definită de
def p
D (X) == D2 (X)
se numes, te deviat, ia standard (sau abaterea standard).
Remarca 3.57 Evident,
ν1 = E (X − µ1 ) = E (X) − E (µ1 ) = 0.
Calculând obt, inem

2
= E X 2 − 2µ1 X + µ21 = E X 2 − 2µ1 E (X) + µ21

ν2 = E (X − µ1 )
= µ2 − µ21
s, i similar
3
= E X 3 − 3µ1 X 2 + 3µ21 X − µ31

ν3 = E (X − µ1 )
= µ3 − 3µ1 µ2 + 2µ31 .
Definit, ia 3.58 (vezi Definit, ia 2.70) Se numes, te covariant, a v.a. X s, i Y , notată

Cov (X, Y ), media131
def
(3.25) Cov (X, Y ) == E [(X − E (X)) · (Y − E (Y ))] .
131 Pentru formula de calcul din cazul continuu vezi (3.63).
Remarca 3.59 (vezi Remarca 2.71) Dacă facem calculele, obt, inem formula de
calcul a covariant, ei132 :
(3.26) Cov (X, Y ) = E (XY ) − E (X) E (Y ) .
Remarca 3.60 (vezi Remarca 2.72) Evident, covariant, a dintre v.a. X cu ea însăs, i
este chiar dispersia, i.e.
D2 (X) = Cov (X, X) .
Definit, ia 3.61 (vezi Definit, ia 2.74) Dacă D2 (X) > 0 s, i D2 (Y ) > 0, atunci
def Cov (X, Y )

(3.27) Cor(X, Y ) = ρ (X, Y ) == p
D2 (X) · D2 (Y )
se numes, te corelat, ia (sau coeficientul de corelat, ie al) v.a. X s, i Y.
Remarca 3.62 Au loc s, i în cazul v.a. continue rezultatele stabilite de Propozi-

t, iile 2.45 s, i 2.79 precum s, i inegalităt, ile lui Markov s, i Cebâs, ev date de (2.41) s, i
respectiv (2.42).
3.63 Fie X o v.a. cu densitatea de repartit, ie f : R → R, f (x) =

Exemplul
x + 12 1[0,1] (x) . Media ei este dată de
∞ 1 x3 x2 x=1
Z Z 1 7
E (X) = xf (x) dx = x x+ dx = + = .
2 3 4 x=0 12

−∞ 0
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).

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)

s, i aceasta se realizează pentru a = E (X) .
Astfel, am demonstrat că
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.

134 Vezi s, i rezultatul similar din cadrul Exercit, iului 2.4.16.

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))
−2b̃E Y − E (Y ) + 2ab̃E X − E (X) + b̃2 .

Prin urmare, minimul în raport cu b se obt, ine dacă luăm b̃ = 0 sau, echivalent
b = E (Y ) − aE (X) ,
deci, pentru orice a ∈ R,

2
E (Y − aX − b) ≥ D2 (Y ) + a2 D2 (X) − 2aCov (X, Y ) .

În cazul D2 (X) 6= 0, minimul în raport cu a se obt, ine (derivând în raport cu a) dacă

luăm
Cov (X, Y )
a= .
D2 (X)
Prin urmare
2
inf a,b∈R E (Y − aX − b)
2
2 Cov (X, Y ) Cov (X, Y )
= D (Y ) + D2 (X) − 2 Cov (X, Y )
D2 (X) D2 (X)
Cov2 (X, Y )
= D2 (Y ) − ,
D2 (X)
adică
2
inf a,b∈R E (Y − aX − b) = D2 (Y ) 1 − ρ2 (X, Y ) ,

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
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]).
"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
adică egalitatea (3.28).

Acum observăm că
Z x1/2
(x − a) f (x) dx ≥ 0, pentru orice 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,
unde x1/2 este mediana asociată v.a. X.
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) .
Demonstrat, ie. Folosind proprietatea (2.22), apoi proprietatea (3.29) a medianei

s, i apoi inegalitatea lui Liapunov cu p = 1 < 2 = q, obt, inem:

E (X) − x1/2 = E X − x1/2 ≤ E X − x1/2 ≤ E (|X − E (X)|)
q q
2 2
p
= E (X − E (X)) ≤ E (X − E (X)) = D2 (X) = D (X) .
136 Rezultatul este adevărat s, i pentru v.a. de tip discret.

137 Vezi s, i estimările date de [30, Proposition 3.6.1].
3.3. Exemple de v.a. continue 259
3.3 Exemple de v.a. continue

3.3.1 Distribut, ia uniformă
O v.a. X spunem că urmează distribut, ia uniformă pe intervalul [a, b], s, i
scriem X ∼ U [a, b], dacă are densitatea de repartit, ie dată de
1
f (x) = 1[a,b] (x) , x ∈ R.
b−a
Se verifică imediat că f ≥ 0 s, i că

Z ∞ Z b Z b x=b
1 1
f (x) dx = f (x) dx = dx = x = 1.

−∞ a b−a a b − a x=a
Rx
Funct, ia de repartit, ie corespunzătoare este F (x) = −∞ f (t) dt = 0, dacă x ≤ a.
Dacă a < x ≤ b, atunci
Z x Z a Z x Z x
1 x−a
F (x) = f (t) dt = f (t) dt + f (t) dt = dt =
−∞ −∞ a a b−a b−a
iar dacă x > b, atunci

Z x Z a Z b Z x
F (x) = f (t) dt = f (t) dt + f (t) dt + f (t) dt
−∞ −∞ a b
Z b
1
= f (t) dt = (b − a) = 1.
a b−a
Deci



 0, dacă x ≤ a,


 x−a
(3.30) F (x) = , dacă a < x ≤ b,
 b−a




 1, dacă x > b.
Graficele funct, iilor f s, i F se pot desena cu us, urint, ă.
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
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).
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
Exemplul 3.72 Fie X ∼ U [0, 1]. Atunci,




 0, dacă x ≤ 0,

(3.32) F (x) = x dacă 0 < x ≤ 1,



1, dacă x > 1.

Deci probabilitatea P (1/4 ≤ X ≤ 3/4) = F (3/4) − F (1/4) = 1/2.
Exercit, iul 3.73 Fie o v.a. X ∼ U (0, 1) s, i n ∈ N∗ . Să se arate că138

def
U == bnXc + 1 ∼ DU (n) ,
138 Aceasta este o metodă de a genera v.a. discrete distribuite uniform folosind v.a. continue
distribuite uniform pe (0, 1). Vezi s, i Exemplul 5.56.
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)
Se va obt, ine, pentru orice k ∈ N∗ ,
P (U = k) = pq k−1 ,
prin urmare139 U ∼ G (p) , unde p = 1 − q.
Propozit, ia 3.75 V.a. X ∼ U [a, b] dacă s, i numai dacă140 v.a.

X −a
Y = ∼ U [0, 1] .
b−a
X − a
FY (y) = P (Y ≤ y) = P ≤ y = P (X ≤ (b − a) y + a)
b−a
= FX ((b − a) y + a) ,
139 Aceasta este o metodă de a genera v.a. distribuite geometric folosind v.a. distribuite uniform
pe (0, 1).
140 Vezi s, i demonstrat, ia alternativă dată de formula (3.70), aplicată în Exemplul 3.206.
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] .
Exemplul 3.77 Relat, ia (2.25), i.e.
X, Y independente ⇒ E (XY ) = E (X) E (Y ) ,
oferă o condit, ie necesară pentru independent, a a două v.a. dar ea nu este s, i

suficientă.
2
În acest sens, fie
3
X ∼ U (−a, a) , cu a > 0, s, i Y = X . Se obt, ine us, or că
E (X) = 0 = E X , deci
E (XY ) = E X 3 = 0 = 0 · E (Y ) = E (X) E (Y )

dar, evident, X, Y nu sunt independente.
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
(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,

adică Y este distribuită uniform pe [0, 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) .
Dacă y ∈ (0, 1/2) , atunci
ln (2y) < 0 s, i − ln [2 (1 − y)] < 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
ln (2y) > 0 s, i − ln [2 (1 − y)] > 0,
prin urmare
FY (y) = P (X < 0) + P (0 ≤ X ≤ − ln [2 (1 − y)])

1
= FX (0) + FX (− ln [2 (1 − y)]) − FX (0) = 2 − eln(2y) = y.
2
De fapt, se poate arăta următorul rezultat general (indiferent de forma con-
cretă a funct, iei de repartit, ie FX ).
Propozit, ia 3.79 Fie X o v.a. continuă cu funct, ia de repartit, ie FX s, i v.a.

def
Y == FX (X) .
Atunci141 , v.a. Y este distribuită uniform pe [0, 1] .
Demonstrat, ie. Să observăm, mai întâi, că FX : R → [0, 1] , deci
FY (y) = P (Y ≤ y) = P (FX (X) ≤ y) = 0, dacă y < 0
s, i
FY (y) = P (Y ≤ y) = P (FX (X) ≤ y) = 1, dacă y > 1.
Să folosim relat, iile date de Remarca 3.22:
−1
(a) x < FX (y) ⇔ FX (x) < y;
−1

(b) FX FX (y) = y,
−1
unde FX este inversa generalizată a funct, iei FX (reamintim că FX este continuă).
Astfel, dacă 0 ≤ y ≤ 1,
−1

FY (y) = P (Y ≤ y) = P (Y < y) = P (FX (X) < y) = P X < FX (y)
−1 −1

= P X ≤ FX (y) = FX FX (y) = y,
deoarece X, Y sunt v.a. continue.
Prin urmare, 


 0, dacă y < 0,

FY (y) = y, dacă y ∈ [0, 1] ,



1, dacă y > 1,

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]).
−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
admite pe F drept funct, ie de repartit, ie, i.e. F = FX .

Să folosim relat, ia dată de Remarca 3.22:
F −1 (y) ≤ x ⇔ y ≤ F (x) .
Prin urmare, pentru orice x ∈ R,
FX (x) = P (X ≤ x) = P F −1 (U ) ≤ x = P (U ≤ F (x))

= FU (F (x)) = F (x) ,
deoarece FU (u) = u, dacă u ∈ (0, 1).
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).
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
x1 = F −1 (y1 ) , . . . , xn = F −1 (yn ) reprezintă un es, antion de valori

al unei v.a. X cu funct, ia de repartit, ie F.
Această metodă de simulare a unei v.a. (discrete sau continue) se numes, te

metoda inversei funct, iei de repartit, ie.
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).
Inversa generalizată a funct, iei F, dată de definit, ia (3.7), este


 0, dacă u ∈ (0, q],
F −1 (u) =
 1, dacă u ∈ (q, 1),
deoarece, pentru orice a ∈ (0, q],

F −1 (a) = inf {x ∈ R : F (x) ≥ a} = inf {x ∈ R : F (x) ≥ q} = 0
iar, pentru orice a ∈ (q, 1),
F −1 (a) = inf {x ∈ R : F (x) ≥ a} = inf {x ∈ R : F (x) ≥ 1} = 1.
Deci, dacă avem o v.a. U ∼ U(0, 1) s, i funct, ia de repartit, ie F dată de (3.35),
atunci funct, ia
def
X == F −1 (U )
este o v.a. care are drept funct, ie de repartit, ie chiar funct, ia F, adică X este v.a.
discretă cu tabloul dat de (3.34).
Pentru un caz mai general, vezi exemplul următor.
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
utilizând v.a. U ∼ U(0, 1), atunci luăm funct, ia de repartit, ie



 0, dacă x < 1,



 0.2, dacă x ∈ [1, 2),

(3.37) F (x) =



 0.7, dacă x ∈ [2, 3),


1, dacă x ≥ 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),

deoarece, de exemplu,
F −1 (0.3) = inf {x ∈ R : F (x) ≥ 0.3} = inf {x ∈ R : F (x) ≥ 0.7} = 2.
Deci, dacă avem o v.a. U ∼ U(0, 1) s, i funct, ia de repartit, ie F dată de (3.37),

atunci146 funct, ia
def
X == F −1 (U )
este o v.a. care are drept funct, ie de repartit, ie chiar funct, ia F, adică X este v.a.
discretă cu tabloul dat de (3.36).
De fapt, are loc scrierea (2.19) a unei v.a. discrete:
X = 1 · 1(0,0.2] (U ) + 2 · 1(0.2,0.7] (U ) + 3 · 1(0.7,1) (U )

= 1 · 1{U ∈(0,0.2]} + 2 · 1{U ∈(0.2,0.7]} + 3 · 1{U ∈(0.7,1)} ,
unde U ∼ U(0, 1).
3.3.2 Distribut, ia exponent, ială

O v.a. X spunem că urmează distribut, ia exponent, ială de parametru λ > 0,
s, i scriem X ∼ Exp(λ), dacă are densitatea de repartit, ie dată de
(3.38) f (x) = λe−λx 1[0,∞) (x) , x ∈ R.
Evident, f (x) ≥ 0, pentru orice x ∈ R s, i

∞ ∞
e−λx x=∞
Z Z
f (x) dx = λe−λx dx = λ = 1 − e−∞ = 1.
−λ x=0

−∞ 0
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).
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
(3.39) F (x) = 1 − e−λx sau, echivalent, P (X > x) = e−λx .
Evident, putem scrie funct, ia de repartit, ie s, i sub forma
F (x) = (1 − e−λx ) 1[0,∞) (x) , x ∈ R.
Să ment, ionăm că funct, ia definită de

def
rX (x) == 1 − FX (x) = P (X > x)
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.
de la momentul aparit, iei de ordin (i − 1) a evenimentului până la aparit, ia

de ordin i a evenimentului avut în vedere. De asemenea, să considerăm un
proces stochastic Poisson (Nt )t≥0 definit de Nota 82, prin urmare Nt reprezintă
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).
Atunci are loc egalitatea
(3.40) {Xi > t} = {Nt = 0}
Într-adevăr,
{Xi > t} = {timpul dintre producerea evenimentului de ordin (i − 1) s, i

evenimentul de ordin i este > t}
= {într-un interval de lungime t nu apare nici un eveniment}
= {Nt = 0} .
Acum, dacă folosim s, i faptul că Nt ∼ P (λt) , deducem că
FXi (t) = 1 − P (Xi > t) = 1 − e−λt .
Prin urmare, densitatea v.a. Xi este dată de

0
fXi (t) = (FXi (t)) = λe−λt , pentru orice t > 0.
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:
P (X ≥ s + t|X ≥ s) = P (X ≥ t) , pentru orice s, t > 0.

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
Avem următorul rezultat de legătură dintre distribut, ia exponent, ială s, i dis-

tribut, ia geometrică.
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
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.
lima→∞ FX/a (y) = FY (y) , pentru y ∈ (0, ∞) .
unde X ∼ G (λ/a) iar Y ∼ Exp (λ) .
Să notăm q = e−λ s, i p = 1 − q.

Se obt, ine că, pentru orice n ∈ N,
P (U > n) = P (bXc > n) = P (bXc ≥ n + 1)

= P (X ≥ n + 1) = e−λ(n+1) = q n+1 ,
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 ,
adică150 U ∼ G (p) (varianta dată de Remarca 2.142).

Putem rat, iona s, i astfel:
Z n+1
P (U = n) = P (bXc = n) = P (n ≤ X < n + 1) = λe−λx dx
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.
3.3.3 Distribut, ia normală

O v.a. X spunem că urmează distribut, ia normală (sau distribut, ia Gaussi-
ană) de parametri µ ∈ R s, i σ2 > 0, s, i scriem X ∼ N µ, σ2 , dacă are densitatea
de repartit, ie dată de
1 (x−µ)2
f (x) = √ e− 2σ2 , x ∈ R.
2πσ2
Uneori se scrie sub forma N(µ, σ) , adică se consideră că parametrii sunt µ ∈ R
s, i σ > 0.
150 Aceasta este o metodă de a genera v.a. distribuite geometric folosind v.a. distribuite
exponent, ial.
Densitatea de repartit, ie
Propozit, ia 3.91 Funct, ia f este o densitate de repartit, ie.
Demonstrat, ie. Evident, f (x) ≥ 0, pentru orice x ∈ R.

x−µ √
Dacă facem schimbarea de variabilă √ = t sau echivalent x = 2σt+µ,
2σ2
√
atunci dx = 2σdt s, i
Z ∞ Z ∞ Z ∞ √
1 (x−µ)2 1 2
f (x) dx = √ e− 2σ2 dx = √ e−t 2σdt
−∞ −∞ 2πσ2 2πσ2 −∞
Z ∞
1 2
=√ e−t dt = 1,
π −∞
deoarece avem următoarea valoare a integralei Gauss (sau Euler-Poisson)

Z ∞ √
2
(3.43) e−t dt = π.
−∞
Se obt, in us, or s, i valorile

Z ∞ √
2 π
e−t dt =
0 2
∞ Z 0
Z r
2
− t2
2
− t2 π
e dt = e dt = .
0 −∞ 2
Să demonstrăm (3.43).

Are loc ey > 1 + y, pentru orice y > 0, deci
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
Pentru calculul acestei integrale duble se va folosi trecerea la coordonate polare

x = ρ cos θ, y = ρ sin θ cu determinantul Jacobian J = ρ. Obt, inem
π/2 ∞ π/2 2
e−ρ ρ=∞
Z Z Z
2 2 π
(I1 ) = e−ρ ρdρ dθ = dθ = .
−2 ρ=0 4

0 0 0
Z ∞ √
2
Deci e−t dt = 2I1 = π.
−∞
Remarca 3.92 Referitor la graficul densităt, ii de repartit, ie f :
(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
Punctele de extrem sunt date de
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
Deci punctele de inflexiune sunt date de
f 00 (x) = 0 ⇔ x = µ ± σ.
Remarca 3.93 Luând µ = 0 s, i σ2 = 1 se obt, in v.a. distribuite de tip N(0, 1) ,

numite s, i v.a. distribuite normal standard, cu densitatea
1 x2
f (x) = √ e− 2 , x ∈ R.
2π
Graficul densităt, ii de repartit, ie este simetric în raport cu axa Oy (adică densi-

tatea f este funct, ie pară s, i, prin urmare,X este v.a. simetrică în raport cu 0) s, i
admite un maxim în punctul M 0, √12π .
De asemenea, f (0) = √12π ' 0.3989 s, i f (3.99) = f (−3.99) ' 10−4 ' 0.
Deci valorile f (x) pentru |x| > 4 sunt neglijabile, adică curba se apropie foarte
repede de axa absciselor Ox când x cres, te.

Propozit, ia 3.94 Media s, i dispersia v.a. distribuite normal X ∼ N µ, σ2 sunt date
de
E (X) = µ s, i D2 (X) = σ2 .

Remarca 3.95 Deci, în cazul unei v.a. de tip N µ, σ2 , parametrii ei reprezintă
chiar media s, i dispersia v.a..
√
Demonstrat, ie. Utilizăm (3.43) s, i obt, inem, luând x = 2σt + µ,
Z ∞ Z ∞ √
x (x−µ)2 1 2√
E (X) = √ e− 2σ2 dx = √ ( 2σt + µ)e−t 2σdt
−∞ 2πσ2 2πσ2 −∞
√ Z ∞ Z ∞
2σ 2 µ 2
= √ te−t dt + √ e−t dt
π −∞ π −∞
√ 2
2σ e−t x=∞ µ √
= √ +√ π =0+µ
π −2 x=−∞ π

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 −∞
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
Funct, ia de repartit, ie asociată v.a. X ∼ N(0, 1) se notează cu Φ, i.e.

Z x
not 1 t2
Φ (x) == FN(0,1) (x) = √ e− 2 dt, pentru x ∈ R,
2π −∞
pentru care există tabele cu valori ale ei.

Rz
Pe de altă parte, funct, ia de repartit, ie Φ (z) = −∞ fX (t) dt reprezintă aria
domeniului din plan cuprins între x = z, axa Ox s, i curba y = fX (x).
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
(3.44) Φ (−x) = 1 − Φ (x) , pentru orice x > 0,
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:
Φ (1.00) ' 0.841345, Φ (2.00) ' 0.977250, Φ (3.00) ' 0.998650,

Φ (3.80) ' 0.999928, Φ (3.90) ' 0.999952, Φ (3.98) ' 0.999966.

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

Z x
1 (t−µ)2
F (x) = √ e− 2σ2 dt.
−∞ 2πσ2
Acum se va face schimbarea de variabilă

t−µ
=s ⇔ t = σs + µ ⇒ dt = σds
σ
deci
x−µ x−µ
1
Z σ s2 1
Z σ s2
x − µ
F (x) = √ e− 2 σds = √ e− 2 ds = Φ .
2πσ2 −∞ 2π −∞ σ
Remarca 3.100 Deoarece Φ (0) = 1/2 obt, inem că
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.


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,
(iv) P (|X − µ| > kσ) = 2 (1 − Φ (k)) .

Exemplul 3.102 Fie v.a. X ∼ N 0, σ2 . Să calculăm P (|X| ≤ σ).
Luând k = 1 în (3.46) obt, inem (vezi s, i Remarca 3.97):
P (|X| ≤ σ) = 2Φ (1) − 1 = 2 · 0.841345 − 1 = 0.6826.
Deci probabilitatea ca X să ia valori în intervalul (−σ, σ) reprezintă aproxima-

tiv 68% din aria mărginită de densitatea de repartit, ie s, i de axa Ox.

Remarca 3.103 Fie X ∼ N µ, σ2 . Să calculăm
P (|X − µ| ≤ σ) , P (|X − µ| ≤ 2σ) , P (|X − µ| ≤ 2σ) .
Luând k = 3 în (3.46) obt, inem (vezi s, i Remarca 3.97):
P (|X − µ| > 3σ) = 2 (1 − Φ (3)) ' 2 · 0.00135 = 0.0027.
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.
P (|X − µ| ≤ 3σ) = P (µ − 3σ ≤ X ≤ µ + 3σ) ' 99.73%.
Similar se va obt, ine
P (|X − µ| ≤ σ) = P (µ − σ ≤ X ≤ µ + σ) ' 68.26%,

P (|X − µ| ≤ 2σ) = P (µ − 2σ ≤ X ≤ µ + 2σ) ' 95.45%.

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.

Propozit, ia 3.105 Fie X ∼ N(0, 1). Atunci, pentru orice −∞ ≤ a ≤ b ≤ ∞,
(i) aria regiunii cuprinsă între x = −a s, i x = a, unde a > 0, este

Z a Z a
A= f (t) dt = 2 f (t) dt = 2Φ (a) − 1,
−a 0
Ra
iar, pe de altă parte, −a
f (t) dt = P (−a ≤ X ≤ a), deci
A = P (|X| ≤ a) = 2Φ (a) − 1, pentru orice a > 0;
(ii) aria regiunii cuprinsă între x = −∞, x = −a s, i, respectiv, x = a, x = ∞, unde

a > 0, este
Z −a Z ∞ Z ∞ Z a
A= f (t) dt + f (t) dt = f (t) dt − f (t) dt
−∞ a −∞ −a
= 2 (1 − Φ (a)) ,
iar, pe de altă parte,

Z −a Z ∞
f (t) dt + f (t) dt = P ({X ≤ −a} ∪ {X ≥ a}) = P (|X| ≥ a) ,
−∞ a
deci
A = P (|X| ≥ a) = 2 (1 − Φ (a)) , pentru orice a > 0;
(iii) aria regiunii cuprinsă între x = a s, i x = b este

Z b
A= f (t) dt = P (a ≤ X ≤ b) = Φ (b) − Φ (a) .
a
Pentru demonstrarea următoarelor rezultate vezi s, i Corolarul 3.27.
Propozit, ia 3.106 Are loc151
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.
Remarca 3.108 Similar se arată că
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.
Propozit, ia 3.109 Are loc, pentru orice a, b ∈ R cu a 6= 0,
X ∼ N µ, σ2 ⇔ aX + b ∼ N aµ + b, a2 σ2 .

Demonstrat, ie. Să notăm cu Y = aX + b. Avem

y − b y − b
FY (y) = P (Y ≤ y) = P (aX + b ≤ y) = P X ≤ = FX .
a a
Deci
0
0 y − b 1 y − b
fY (y) = (FY (y)) = FX = fX
a |a| a
y−b 2
1 1 ( a −µ) 1 (y−(aµ+b))2
= √ e− 2σ2 =√ e− 2a2 σ2 ,
|a| 2πσ2 2π a2 σ2

adică Y corespunde unei v.a. distribuite normal N aµ + b, a2 σ2 .
Demonstrarea următorului rezultat se poate face folosind formula (3.71)
de calcul a densitatii sumei a doua v.a. (vezi Exemplul 3.214) sau cu ajutorul
funct, iei caracteristice (vezi Exercit, iul 4.2.23).
normal este o v.a care urmează o distribuit, ie tot de tip normal. Mai precis,
Xi ∼ N µi , σ2i , i = 1, 2, indep. ⇒ X1 + X2 ∼ N µ1 + µ2 , σ21 + σ22 .

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.
Astfel, utilizând Propozit, ia 3.110 obt, inem că suma

Xn
Xi ∼ N nµ, nσ2

i=1
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)
Pentru cazul în cazul în care caracteristica X urmează o distribut, ie oarecare,

vezi Remarca 5.88.
Exemplul 3.113 Fie X ∼ N(0, 1) s, i o v.a. discretă de tip uniform, indepen-

dentă de X, dată de P ( = 1) = P ( = −1) = 1/2. Fie v.a. Y = X.
Deoarece v.a. X s, i sunt independente s, i au media zero, covariant, a v.a. X
s, i Y este dată de
Cov (X, Y ) = E (XY ) − E (X) E (Y ) = E (XY ) − 0 · 0

= E X 2 = E () E X 2 = 0,

deci v.a. X, Y sunt necorelate.

Să calculăm s, i funct, ia de repartit, ie a lui Y :
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) ,
deoarece, conform Propozit, iei 3.109,
−X ∼ N(0, 1) ,
deci
P (−X ≤ x) = P (X ≤ x) , pentru orice x ∈ R,
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):
E X 2k = (2k − 1)!! = 1 · 3 · 5 · . . . · (2k − 1) ,

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,

obt, inem
Cov (X, Y ) = E (XY ) − E (X) E (Y ) = E X 3 − 0 · E X 2 = 0

deci v.a. X, Y sunt necorelate.

Pe de altă parte, este evident din însăs, i definit, ia lor că v.a. X s, i Y = X 2 nu
sunt independente.
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 .
deci E0.5 = 0.01 · 0.44980

+ 0.67 = 0.67450
Dacă Y ∼ N 0, σ2 , atunci valoarea E0.5 este dată de

E0.5 E0.5
0.5 = P (|Y | ≤ E0.5 ) = 2Φ −1 ⇔ Φ = 0.75.
σ σ
Obt, inem E0.5 = 0.6745 · σ.

Exemplul 3.117 Dacă Y ∼ N 0, σ2 obt, inem similar valorile
Eδ Valoarea Procentul din aria întreagă

E0.5 0.6745σ 50%
E0.9 1.645σ 90%
E0.95 1.960σ 95%
E0.99 2.576σ 99%
E0.997 2.968σ 99.7%
E0.999 3.29σ 99.9%
Observăm că din valoarea lui E0.997 se deduce „regula celor 3σ”.
3.3.4 Distribut, ia Gamma

O v.a. X spunem că urmează distribut, ia Gamma de parametri unde p > 0
s, i λ > 0, s, i scriem X ∼ Gamma (p, λ) , dacă are densitatea de repartit, ie dată de
λp p−1 −λx
(3.48) f (x) = x e 1(0,∞) (x) , x ∈ R,
Γ (p)
unde Γ este funct, ia Gamma

Z ∞
def
Γ (p) == xp−1 e−x dx, p > 0.
0
Folosim un criteriu de convergent, ă s, i deducem că această integrală impro-

prie este convergentă pentru orice p > 0, deoarece, pentru orice α > 1, avem
α+p−1
xα xp−1 e−x = x ex → 0 < ∞, când x → ∞.
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:
Erlang (n, λ) = Gamma (n, λ) , pentru orice n ∈ N∗ ,
deci Exp (λ) = Gamma (1, λ) = Erlang (1, λ).
Propozit, ia 3.119 Proprietăt, i ale funct, iei Gamma sunt:
(i) Γ (p + 1) = pΓ (p) , pentru orice p > 0,
(ii) Γ (1) = 1, Γ (n + 1) = n! , pentru orice n ∈ N,

1 √
(iii) Γ = π.
2
Demonstrat, ie. Proprietatea (i) se demonstrează utilizând procedeul de inte-
grare prin părt, i iar (ii) este o consecint, ă imediată a lui (i) .
Din (3.43) avem Z ∞ √
def 2 π
I1 == e−x dx =
0 2
s, i apoi, facând substitut, ia x2 = t sau echivalent x = t1/2 , obt, inem
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)
deoarece am facut schimbarea de variabila x0 = λx.

Propozit, ia 3.120 Media s, i dispersia v.a. distribuite Gamma X ∼ Gamma (p, λ)

sunt date de
p p
(3.49) E (X) = s, i D2 (X) = .
λ λ2
∞ ∞
λp λp
Z Z
p−1 −λx
E (X) = x·x e dx = xp e−λx dx
Γ (p) 0 Γ (p) 0
Z ∞
1 0 1 p
= (x0 )(p+1)−1 e−x dx0 = Γ (p + 1) =
λΓ (p) 0 λΓ (p) λ
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
Remarca 3.121 Momentele de ordin k sunt us, or de calculat:

Z ∞ Z ∞
λp λp
µk = E(X k ) = xk xp−1 e−λx dx = x(p+k)−1 e−λx dx
Γ (p) 0 Γ (p) 0
1 p (p + 1) . . . (p + k − 1)
= Γ (p + k) = .
λk Γ (p) λk

Gamma este o v.a care urmează o distribuit, ie tot de tip Gamma. Mai precis153 ,
Xi ∼ Gamma (pi , λ) , i = 1, 2, indep. ⇒ X1 + X2 ∼ Gamma (p1 + p2 , λ) .

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).
exponent, ial este o v.a care urmează o distribuit, ie de tip Gamma. Mai precis,
Xi ∼ Exp(λ), i = 1, 2, independente ⇒ X1 + X2 ∼ Gamma (2, λ) .
Remarca 3.124 Ca o consecint, ă a rezultatului anterior se obt, ine următoarea

proprietate.
Dacă avem n v.a. independente, distribuite exponent, ial de acelas, i parame-
tru λ, adică n v.a. independente Xi ∼ Exp(λ) = Gamma (1, λ) , atunci suma lor
este distribuită de tip Gamma, mai precis, de tip Erlang:
Xn
X = X1 + X2 + . . . + Xn = Xi ∼ Gamma (n, λ) = Erlang(n, λ),
i=1
adică
orice v.a. X ∼ Gamma(n, λ) = Erlang(n, λ) poate fi văzută

ca o sumă de n v.a. dependente, de tip exponent, ial.
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
direct proport, ional cu lungimea intervalului de timp în care numărăm aparit, ia

evenimentelor154 .
În aceste condit, ii, dacă definim v.a. X1 ca fiind timpul de as, teptare până la
prima aparit, ie a evenimentului s, i, pentru i ≥ 2, definim Xi ca fiind timpul de
as, teptare155 de la momentul aparit, iei de ordin (i − 1) a evenimentului până
la aparit, ia de ordin i a evenimentului avut în vedere, atunci v.a.
Xn
Sn = Xi ∼ Gamma (n, λ)
i=1
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.
Conform (3.39), avem că FS1 (t) = 1 − e−λt .

În cazul n ≥ 2, avem, integrând prin părt, i,
−λx Z t
λn e−λx

e x=t
FSn (t) = xn−1 − (n − 1) xn−2 dx
(n − 1)! −λ −λ

x=0 0
n−1 n−1 Z t
λ λ
=− tn−1 e−λt + xn−2 e−λx dx
(n − 1)! (n − 2)! 0
λn−1 n−1 −λt
=− t e + FSn−1 (t) ,
(n − 1)!
155 Vezi s, i Exercit, iul 3.6.32. De asemenea, vezi s, i definit, iile similare, din cazul discret, date de
Remarca 2.153 s, i de Nota 91.
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:
(3.51) P (X > t) = P (Y < n) = P (Y ≤ n − 1) .
Într-adevăr, folosind (3.50) obt, inem că

Xn−1 ti
P (X > t) = e−t .
i=0 i!
Pe de altă parte, folosind tabloul de repartit, ie al unei v.a. Poisson de parametru t,

obt, inem forma funct, iei de repartit, ie:
Xn−1 ti
FY (n − 1) = P (Y ≤ n − 1) = e−t .
i=0 i!
Similar se poate arăta rezultatul următorul rezultat mai general.
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):
(3.52) P (Sn > t) = P (N (t) < n) = P (N (t) ≤ n − 1) .
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) .
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):
(3.53) {Sn > t} = {Nt < n} , pentru orice n ∈ N∗ , t > 0,
sau, echivalent,
{Sn ≤ t} = {Nt ≥ n} , pentru orice n ∈ N∗ , t > 0.
Într-adevăr,
{Sn > t} = {momentul de producere al evenimentului de ordin n este > t}

= {în intervalul [0, t] s-au produs maxim (n − 1) evenimente}
= {Nt ≤ n − 1}
= {Nt < n} .
Acum, dacă folosim s, i faptul că Nt ∼ P (λt) , deducem că
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!
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).
Propozit, ia 3.130 Pentru orice c > 0 are loc:

λ
X ∼ Gamma (p, λ) dacă s, i numai dacă cX ∼ Gamma p, .
c
În particular,
X ∼ Gamma (p, λ) dacă s, i numai dacă λX ∼ Gamma (p, 1) .
3.3.5 Distribut, ia Student

O v.a. X spunem că urmează distribut, ia Student de parametru n > 0, s, i
scriem X ∼ t (n) , dacă are densitatea de repartit, ie dată de
− n+1
Γ n+1

2 x2 2
(3.54) f (x) = √ n
1+ , x ∈ R.
nπ Γ 2 n
Remarca 3.131 În cazul particular n = 1, densitatea devine
Γ (1) −1 1
f (x) = √ 1
1 + x2 = , x ∈ R,
πΓ 2 π (1 + x2 )
care defines, te o v.a. distribuită Cauchy C (0, 1) (vezi Nota 182), adică
t (1) = C (0, 1) .
Remarca 3.132 Funct, ia Beta este definită de:

Z 1
def v−1
β (u, v) == xu−1 (1 − x) dx, u, v > 0
0
sau, echivalent, făcând schimbarea de variabilă y = 1−xx , de

Z ∞
def y v−1
β (u, v) == u+v dx, u, v > 0.
0 (1 + y)
Atunci, pentru orice u, v > 0, are loc157
(i) β (u, v) = β (v, u) ,

Γ (u) Γ (v)
(ii) β (u, v) = .
Γ (u + v)
Cu aceste notat, ii densitatea f se poate rescrie:
− n+1
x2

1 2
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
Observăm că x + y = u s, i că dacă x, y ∈ (0, ∞) , atunci u ∈ (0, ∞) s, i v ∈ (0, 1) .

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
1 1−t+t 1 −1/2 −3/2

dy = q 2 dt = 2 t (1 − t) dt.
2 1−t (1 − t)
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
Remarca 3.133 Parametrul n reprezintă gradele de libertate ale distribut, iei s, i

de obicei este un număr natural.
Remarca 3.134 Distribut, ia student t (n) este utilizată la verificarea ipotezelor

statistice.
Remarca 3.135 Referitor la graficul densităt, ii de repartit, ie f :

(i) Graficul este simetric în raport cu axa Oy (adică densitatea f este funct, ie
pară s, i, prin urmare, X este v.a. simetrică în raport cu 0) s, i este asemănă-
tor cu graficul densităt, ii distribut, iei normale standard N(0, 1), doar că,
atunci când x → ∞, graficul se apropie mai încet de axa Ox.
(ii) Graficul are axa Ox drept asimptotă orizontală la ±∞ deoarece avem

limx→±∞ f (x) = 0.
(iii) Derivata este

− n+1
2 −1
x2

0 n+1 2x
f (x) = C − 1+ ,
2 n n
Γ( n+1
2 )
unde C = √
nπ Γ( n
.
2)
Dacă x < 0, atunci f cres, te de la f (−∞) = limx→−∞ f (x) = 0 la f (0) =

C iar dacă x > 0, atunci f descres, te de la f (0) = C la f (∞) = 0.
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
A = P (|X| < t0.01 )

= P (−t0.01 < X < t0.01 )
= 1 − 2P (X > t0.01 )
= 1 − 2 · 0.01
= 0.98.
Dacă numărul n al gradelor de libertate s, i sunt date, atunci obt, inem t .

Invers, dat n s, i numărul t obt, inem valoarea = P (X > t ) .
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
(făcând substitut, ia x0 = −x).

Pe de altă parte, aplicând un criteriu de convergent, ă, observăm că
− n+1
x2 xα+1
2
n+1
α
x ·x 1+ =n 2
n+1 .
n (x2 + n) 2
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).
În ceea ce prives, te dispersia, calculăm
∞ − 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).
− 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
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
integrează este impară iar x2k+1 1 + dx este convergentă:

0 n
∞ − 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
Remarca 3.142 Parametrul n reprezintă gradele de libertate ale distribut, iei s, i

de obicei este un număr natural.
Remarca 3.143 Distribut, ia χ2(n, σ) este utilizată la verificarea ipotezelor statis-

tice.
Propozit, ia 3.144 Fie n ∈ N∗ s, i σ > 0. Pentru orice a > 0,

√
X ∼ χ2(n, σ) aX ∼ χ2 n,

(3.57) dacă s, i numai dacă aσ .
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
FaX (y) = P (aX ≤ y) = P (X ≤ y/a) = FX (y/a) .
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).
Remarca 3.145 Referitor la graficul densităt, ii de repartit, ie f (pentru simpli-

tatea prezentării vom considera doar cazul σ = 1):
(i) Cazul n = 1 (sau, echivalent, 1 − n/2 > 0).
1 1
Funct, ia f devine f (x) = 1−n/2
, x > 0, unde C = 2n/2 Γ (n/2) .
Cx ex/2
Avem
limx→0+ f (x) = ∞, limx→∞ f (x) = 0.
Se obt, ine
1 n/2−2 −x/2 n − 2 − x
f 0 (x) = x e < 0, pentru orice x > 0 > n − 2,
C 2
deci f descres, te de la f (0+ ) = ∞ la limx→∞ f (x) = 0.

(ii) Cazul n = 2 (sau, echivalent, 1 − n/2 = 0).
1 1
Funct, ia f devine f (x) = , x ≥ 0, deoarece C = 2Γ (1) = 2.
2 ex/2
Avem
f (0+ ) = 1/2, limx→∞ f (x) = 0.
Se obt, ine
1 −x/2 −1
f 0 (x) = e < 0, pentru orice x > 0,
2 2
deci f descres, te de la f (0+ ) = 1/2 la limx→∞ f (x) = 0.
(iii) Cazul n > 2 (sau, echivalent, n/2 − 1 > 0).
1 n/2−1
Funct, ia f devine f (x) = x ex/2 , x ≥ 0.
C
Avem
f (0+ ) = 0, limx→∞ f (x) = 0.
Se obt, ine
1 n/2−2 −x/2 n − 2 − x
f 0 (x) = x e
C 2
deci f 0 (x) < 0, pentru orice x ∈ (n − 2, ∞) s, i f 0 (x) > 0, pentru orice x ∈
(0, n − 2), adică f cres, te de la f (0+ ) = 0 la f (n − 2) s, i descres, te de la f (n − 2)
def
la f (∞) == limx→∞ f (x) .
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
A = P χ20.99 < X < χ20.01 = P X > χ20.99 − P X < χ20.01

= 0.99 − 0.01 = 0.98
Dacă numărul n al gradelor de libertate s, i sunt date, atunci obt, inem χ2 .
2
Exemplul 3.148
2
Invers, dacă se dau numărul natural n s, i valoarea χ , obt, inem
= P X > χ .
Propozit, ia 3.149 Media s, i dispersia v.a. X ∼ χ2(n, 1) sunt date de
(3.58) E (X) = n s, i D2 (X) = 2n.

Z ∞ Z ∞
1 n x
E (X) = xf (x) dx = n n
x 2 e− 2 dx
0 2 Γ
2
2 0
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
Demonstrarea următorului rezultat se poate face cu ajutorul funct, iei carac-

teristice (vezi Exercit, iul 4.2.27).
χ2 este o v.a care urmează o distribuit, ie tot de tip χ2 . Mai precis,
Xi ∼ χ2(ni , σ) , i = 1, 2, independente ⇒ X1 + X2 ∼ χ2(n1 + n2 , σ) .

3.3.7 Distribut, ia Fisher

O v.a. X spunem că urmează distribut, ia Fisher de parametri m > 0 s, i n > 0,
s, i scriem X ∼ F (m, n), dacă are densitatea de repartit, ie dată de
m
m 2
Γ m+n
m+n
m − 2
1(0,∞) (x) , x ∈ R.
m
f (x) = n 2
x 2 −1 1 + x
Γ m n

2 Γ 2
n
Remarca 3.151 Parametrii m, n reprezintă gradele de libertate ale distribut, iei

s, i de obicei sunt număre naturale.
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.
Propozit, ia 3.153 Media s, i dispersia v.a. X ∼ F (m, n) sunt date de

n 2n2 (n + m − 2)
E (X) = s, i D2 (X) = 2 .
n−2 m (n − 2) (n − 4)
3.4 Vectori aleatori

Definit, ia 3.154 Fie spat, iul de probabilitate (Ω, F, P) . Funct, ia
X : (Ω, F, P) → (Rn , B (Rn ))
se numes, te variabilă aleatoare n−dimensională sau vector aleator n−dimen-
sional dacă este o funct, ie măsurabilă.
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 3.156 În definit, ia vectorului aleator am scris întregul spat, iu de pro-

babilitate des, i probabilitatea P nu intervine în definit, ie (dar vectorii aleatori se
asociază unor experimente aleatoare pentru care este esent, ial spat, iul de proba-
bilitate).
Deci, de fapt, X : (Ω, F) → (Rn , B (Rn )) este vector aleator dacă este o
funct, ie măsurabilă între cele două spat, ii măsurabile.
3.4. Vectori aleatori 305
Remarca 3.157 Funct, ia
X : (Ω, F) → (Rn , B (Rn )) , cu X = (X1 , . . . , Xn ),
este vector aleator dacă s, i numai dacă fiecare componentă Xi : (Ω, F) →

(R, B (R)) este v.a. reală, cu i = 1, n.
Definit, ia 3.158 Fie X : (Ω, F) → (Rn , B (Rn )) un vector aleator dat de X =

(X1 , . . . , Xn ) . Funct, ia
FX : Rn → [0, 1] ,
definită prin
FX (x1 , . . . , xn ) = F(X1 ,...,Xn ) (x1 , . . . , xn )

def
== P (X1 ≤ x1 , . . . , Xn ≤ xn ) , pentru (x1 , . . . , xn ) ∈ Rn ,
se numes, te funct, ia de repartit, ie comună (sau funct, ia de distribut, ie comună sau

funct, ia comună de distribut, ie cumulativă) asociată vectorului aleator X.
FX (x) = P (X ∈ B) = P X−1 (B) = PX (B) ,

unde B = (−∞, x1 ] × . . . × (−∞, xn ] ∈ B(Rn ) iar PX este legea asociată vec-

torului aleator X.
Propozit, ia 3.160 Au loc următoarele proprietăt, i ale funct, iei de repartit, ie FX :
(i) Funct, ia FX este monoton nedescrescătoare în fiecare argument al ei.
(ii) Funct, ia FX este continuă la dreapta în fiecare argument al ei.
(iii) Dacă i = 1, n, atunci
limxi →−∞ FX (x1 , . . . , xi , . . . , xn ) = 0, pentru orice

x1 , . . . , xi−1 , xi+1 , . . . , xn ∈ R,
limx1 →∞,...,xn →∞ FX (x1 , . . . , xn ) = 1.
(iv) Pentru orice ai , bi ∈ R cu i = 1, n,
P (a1 < X1 ≤ b1 , . . . , an < Xn ≤ bn )

Xn
= FX (b1 , . . . , bn ) − FX (b1 , . . . , bi−1 , ai , bi+1 , . . . , bn )
i=1
Xn
+ i,j=1 FX (b1 , . . . , ai , . . . , aj , . . . , bn ) − . . .
i<j
n
+ (−1) FX (a1 , . . . , an ) .
(v) În cazul particular n = 2 punctul (iv) devine: pentru orice a, b, c, d ∈ R avem
P (a < X1 ≤ b, X2 ≤ c) = FX (b, c) − FX (a, c) ,

P (X1 ≤ a, b < X2 ≤ c) = FX (a, c) − FX (a, b) ,
P (a < X1 ≤ b, c < X2 ≤ d) = FX (b, d) − FX (a, d)
− FX (b, c) + FX (a, c) .
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 ) .
Cu notat, iile de mai sus, în cazul multidimensional (n ≥ 2), proprietăt, ile

0
(i) , (ii) , (iii) s, i (iv) sunt caracteristice unei funct, ii de repartit, ie.
Definit, ia 3.162 Dacă X : Ω → Rn este un vector aleator iar FX este funct, ia de

repartit, ie, atunci funct, ia marginală de repartit, ie a v.a. Xi , cu i = 1, n, este dată
de
FXi (xi ) = limxj →∞ FX (x1 , . . . , xi , . . . , xn ) .
j6=i
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
FX (x) = limy→∞ F(X,Y ) (x, y) = F(X,Y ) (x, ∞) ,

FY (y) = limx→∞ F(X,Y ) (x, y) = F(X,Y ) (∞, y) .
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.
Folosind Remarca 2.29 obt, inem următoarea caracterizare a independent, ei

unor v.a..
Propozit, ia 3.165 Dacă (X, Y ) : Ω → R2 este un vector aleator, atunci
X, Y independente ⇔ F(X,Y ) (x, y) = FX (x) FY (y) ,
pentru orice x, y ∈ R.
Propozit, ia 3.166 V.a. Xi : Ω → R, i = 1, n, sunt independente în ansamblu dacă s, i

numai dacă159
F(X1 ,X2 ,...,Xn ) (x1 , x2 , . . . , xn ) = FX1 (x1 ) · FX2 (x2 ) · . . . · FXn (xn ) ,
pentru orice x1 , . . . , xn ∈ R.
Propozit, ia 3.167 Dacă (X, Y ) : Ω → R2 este un vector aleator discret, atunci
X, Y independente ⇔ P (X = x, Y = y) = P (X = x) P (Y = y) ,
pentru orice x ∈ X (Ω) , y ∈ Y (Ω) .

159 Vezi s, i caracterizările date de Propozit, ia 3.197, Remarca 3.198 s, i de Teorema 4.27.
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 ) .
De asemenea, se poate defini covariant, a Cov (Xi , Xj ) a v.a. componente Xi s, i

Xj . Prin urmare introducem următoarea notat, ie.
Definit, ia 3.169 Fie X = (X1 , . . . , Xn )T un vector aleator (coloană de tip n × 1).

Să definim, urmând (2.30), matricea de covariant, ă (sau matricea de variant, ă sau
matricea de dispersie sau matricea de variant, ă-covariant, ă) asociată vectorului
X, notată prin Cov (X, X) sau Var (X), ca fiind media:
h T i
not def
(3.59) Var (X) == Cov (X, X) == E X − E (X) · X − E (X) .
Prin urmare, Cov (X, X) este matricea (de tip n × n)

 
Var (X1 ) Cov (X1 , X2 ) . . . Cov (X1 , Xn )
 
 
def  Cov (X2 , X1 ) Var (X2 ) ... Cov (X2 , Xn ) 

Cov (X, X) ==  ,

.. .. .. ..

 . . . .


 
Cov (Xn , X1 ) Cov (Xn , X2 ) . . . Var (Xn )
def
unde Cov (Xi , Xj ) == E [(Xi − E (Xi )) · (Xj − E (Xj ))] , cu i, j = 1, n.
Remarca 3.170 Formula de calcul este dată de
not T
Var (X) == Cov (X, X) = E X · XT − E (X) · E (X) .

Definit, ia 3.171 Fie X = (X1 , . . . , Xn )T s, i Y = (Y1 , . . . , Yn )T doi vector aleatori

(coloane de tip n × 1). Putem extinde (3.59) definind matricea de covariant, ă dintre
cei doi vectori X s, i Y, notată cu Cov (X, Y) ca fiind media
h T i
def
Cov (X, Y) == E X − E (X) · Y − E (Y) .
Prin urmare, Cov (X, Y) este matricea (de tip n × n)

Cov (X, Y) = Cov (Xi , Yj ) i,j=1,n .
Remarca 3.172 Formula de calcul este dată de
T
Cov (X, Y) = E X · YT − E (X) · E (Y) .

Propozit, ia 3.173 Matricea de covariant, ă satisface următoarele proprietăt, i:

(a) având în vedere că Cov (Xi , Xj ) = Cov (Xj , Xi ) , matricea de covariant, ă
Cov (X, X) este o matrice simetrică, i.e.
T
Cov (X, X) = Cov (X, X) ;
(b) matricea de covariant, ă Cov (X, X) este o matrice pozitiv semi-definită, i.e.
aT · Cov (X, X) · a ≥ 0, pentru orice a ∈ Rn \ {0n } ;
(c) matricea de covariant, ă dintre vectorii X s, i Y satisface:

T
Cov (X, Y) = Cov (Y, X) .
Remarca 3.174 Următorul rezultat este o generalizare a celui dat de Remarca

2.78.
Se poate arăta160 că
det (Cov (X, X)) = 0 dacă s, i numai dacă
există a ∈ Rn s, i b ∈ R astfel încât
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
Cov (X, X) = D2 (X1 ) ,
deci, folosind Propozit, ia 2.79,
det (Cov (X, X)) = 0 ⇔ D2 (X1 ) = 0 ⇔ X1 = c, P − a.s..
În cazul particular n = 2 matricea de covariant, ă devine

 
D2 (X1 ) Cov (X1 , X2 )
Cov (X, X) =  ,
2
Cov (X1 , X2 ) D (X2 )
deci
det (Cov (X, X)) = 0 ⇔ |ρ (X, Y )| = 1
iar pentru |ρ (X, Y )| = 1 vezi Remarca 2.78.
Remarca 3.175 Dacă (X, Y ) : Ω → R2 este un vector aleator discret, atunci

probabilităt, ile din tabloul lui trebuie să satisfacă restrict, iile:
X
P (X = x, Y = y) ≥ 0 s, i x∈X(Ω) P (X = x, Y = y) = 1.
y∈Y (Ω)

160 Vezi, de exemplu, [28, Section 3.11, Problem 15].
Remarca 3.176 Dacă (X, Y ) : Ω → R2 este un vector aleator discret, atunci

tablourile (sau distribut, iile) marginale sunt date de:
X
P (X = x) = P (X = x, Y = y)
y∈Y (Ω)
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)
În cazul în care h (X, Y ) admite medie, aceasta este dată de:

X
E(h(X, Y )) = 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:
Cov (X, Y ) = E [(X − E (X)) (Y − E (Y ))]

(3.60) X
= x∈X(Ω) (x − E (X)) (y − E (Y )) P (X = x, Y = y) .
y∈Y (Ω)
De asemenea, covariant, a dintre v.a. X s, i Y , dată de formula (2.31), se cal-

culează, în cazul discret, folosind formula:
X
(3.61) E (XY ) = x∈X(Ω) xy P (X = x, Y = y) .
y∈Y (Ω)

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.
Deci v.a. X, Y nu sunt independente deoarece, de exemplu,
P (X = 2) · P (Y = 3) = 0.3 · 0.2 = 0.06 6= 0.05 = P (X = 2, Y = 3) .
Tablourile v.a. X, Y sunt

2 4 5 3 5 6
X: , Y : .
0.3 0.4 0.3 0.2 0.5 0.3
(b) Pentru a determina covariant, a, determinăm mai întâi mediile E (X) = 3.7,
E (Y ) = 4.9 s, i apoi
(X − E (X)) (Ω) = {−1.7, 0.3, 1.3} s, i (Y − E (Y )) (Ω) = {−1.9, 0.1, 1.1}
iar covariant, a va fi dată de formula (3.60):

X
Cov (X, Y ) = x∈X(Ω) (x − E (X)) (y − E (Y )) P (X = x, Y = y)
y∈Y (Ω)
= (−1.7) · (−1.9) · 0.05 + (−1.7) · 0.1 · 0.15 + (−1.7) · 1.1 · 0.10

+ 0.3 · (−1.9) · 0.05 + 0.3 · 0.1 · 0.20 + 0.3 · 1.1 · 0.15
+ 1.3 · (−1.9) · 0.10 + 1.3 · 0.1 · 0.15 + 1.3 · 1.1 · 0.05
= −0.051 + 0.027 − 0.156 = −0.18.
De asemenea, covariant, a poate fi calculată folosind s, i formula (2.31)
Cov (X, Y ) = E (XY ) − E (X) E (Y ) ,
unde E (XY ) este dată de (3.61):

X
E (XY ) = x∈X(Ω) xy P (X = x, Y = y)
y∈Y (Ω)
= 2 · 3 · 0.05 + 2 · 5 · 0.15 + 2 · 6 · 0.10

+ 4 · 3 · 0.05 + 4 · 5 · 0.20 + 4 · 6 · 0.15
+ 5 · 3 · 0.10 + 5 · 5 · 0.15 + 5 · 6 · 0.05
= 3.0 + 8.2 + 6.75 = 17.95.
Deci Cov (X, Y ) = 17.95 − 3.7 · 4.9 = −0.18.

(c) Se utilizează formula (2.37).
(d) Având în vedere tabloul vectorului aleator (X, Y ), tabloul v.a. Z = X − Y

este dat de

−4 −3 −2 −1 0 1 2
Z: .
0.1 0.15 0.15 0.3 0.15 0.05 0.1
De exemplu,
P (Z = −1) = P (X = 2, Y = 3) + P (X = 4, Y = 5) + P (X = 5, Y = 6)
= 0.05 + 0.2 + 0.05 = 0.3.

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
Se calculează, mai întâi, distribut, iile marginale ale lui X s, i respectiv Y s, i se

poate arăta că v.a. X, Y nu sunt independente. De exemplu,
P (X = −4) · P (Y = 1) = 0.25 · 0.25 = 0.0625 6= 0.25 = P (X = −4, Y = 1) .
Apoi se calculează covariant, a celor două v.a.:
Cov (X, Y ) = E [(X − E (X)) (Y − E (Y ))] = E [X · Y ]
X
= x∈X(Ω) xy P (X = x, Y = y)
y∈Y (Ω)
= (−4) · 1 · 0.25 + (−2) · (−2) · 0.25 + 2 · 2 · 0.25 + 4 · (−1) · 0.25

= 0,
deoarece mediile E (X) = E (Y ) = 0.
Conform (2.34) s, tim că dacă două v.a. sunt independente, atunci sunt neco-
relate.
Exemplul propus arată că reciproca nu este adevărată. Astfel, am obt, inut
două v.a. care au covariant, a nulă (i.e. sunt necorelate) dar nu sunt indepen-
dente.
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.
Definit, ia 3.183 Funct, ia f : Rn → R este o densitate de repartit, ie dacă:
(i) f (x) ≥ 0, pentru orice x ∈ Rn .

Z Z
(ii) f este integrabilă161 pe Rn cu ··· f (x1 , . . . , xn ) dx1 · · · dxn = 1.
Rn
Definit, ia 3.184 Să considerăm un vector aleator X = (X1 , . . . , Xn ) pentru care

există o densitate de repartit, ie fX : Rn → [0, ∞) astfel încât, pentru orice x =
(x1 , . . . , xn ) ∈ Rn ,
Z x1 Z xn
(3.62) FX (x) = ··· fX (t1 , . . . , tn ) dt1 . . . dtn ,
−∞ −∞
unde FX este funct, ia de repartit, ie asociată lui X.

Atunci, funct, ia fX se numes, te densitatea comună de repartit, ie asociată vec-
torului aleator X iar vectorul aleator X se numes, te vectorul aleator de tip con-
tinuu.
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
În cazul în care h (X, Y ) admite medie, aceasta este dată de:

ZZ
E (h (X, Y )) = 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).
formula:
Cov (X, Y ) = E [(X − E (X)) (Y − E (Y ))]

(3.63)
ZZ
= (x − E (X)) (y − E (Y )) f(X,Y ) (x, y) dxdy .
R2
De asemenea, covariant, a dintre v.a. X s, i Y , dată de formula (3.26), se cal-

culează, în cazul continuu, folosind formula:
ZZ
(3.64) E (XY ) = xy f(X,Y ) (x, y) dxdy .
R2
Propozit, ia 3.187 Dacă X = (X, Y ) : Ω → R2 un vector aleator care admite densi-

tatea de repartit, ie fX , atunci FX admite derivată part, ială mixtă de ordinul doi în orice
punct (x, y) ∈ R2 în care fX este continuă s, i
∂ 2 FX
fX (x, y) = (x, y) .
∂x∂y
Remarca 3.188 Dacă vectorul aleator X admite densitatea fX , atunci

Z Z
P ((X1 , . . . , Xn ) ∈ B) = · · · fX (x1 , . . . , xn ) dx1 · · · dxn ,
B
n
pentru orice mult, ime B ∈ B (R ) .
Remarca 3.189 De exemplu, dacă vectorul aleator (X, Y ) admite densitatea

f(X,Y ) , atunci
ZZ
P ((X, Y ) ∈ [a, b] × [c, d]) = f(X,Y ) (x, y) dxdy ,
[a,b]×[c,d]
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.
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 3.191 Având în vedere calculul

FX1 (x1 ) = P (X1 ≤ x1 ) = P (X1 ≤ x1 , X2 < ∞, . . . , Xn < ∞)
= P ((X1 , X2 , . . . , Xn ) ∈ (−∞, x1 ] × R × . . . × R)
Z x1 Z Z
= · · · f (x1 , x2 , . . . , xn ) dx1 dx2 · · · dxn
−∞ R R
Z x1 Z Z
= ··· f (x1 , . . . , xn ) dx2 · · · dxn dx1 ,
−∞ R R
deducem că, dacă se cunoas, te densitatea de repartit, ie a vectorului aleator X,

atunci densitatea marginală de repartit, ie a componentei Xi este dată de
Z Z
fXi (xi ) = · · · f (x1 , . . . , xn ) dx1 . . . dxi−1 dxi+1 . . . dxn .
Rn−1

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
Exemplul 3.193 Funct, ia

1
f (x, y) = 1[a,b]×[c,d] (x, y)
(b − a) (d − c)
este o densitate de repartit, ie. Într-adevăr

ZZ ZZ
1
f (x, y) dxdy = dxdy = 1.
R2 [a,b]×[c,d] (b − a) (d − c)
Funct, ia de repartit, ie unui vector aleator (X, Y ) cu densitatea f este

Z x Z y
1
F(X,Y ) (x, y) = 1[a,b]×[c,d] (t, s) dtds
−∞ −∞ (b − a) (d − c)
1
= (x − a) (y − c) , pentru (x, y) ∈ [a, b] × [c, d] .
(b − a) (d − c)
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
Deci se obt, ine

1 1
fX (x) = s, i fY (y) = .
b−a d−c

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

Exemplul 3.195 Dacă D este discul cu centrul în origine s, i de rază 1, atunci

funct, ia
1
f (x, y) = 1D (x, y)
π
este o densitate de repartit, ie.
Vectorul (X, Y ) reprezintă coordonatele unui punct distribuit uniform în
discul D.
Exemplul 3.196 Funct, ia

1 − x2 +y2
f (x) = e 2
2π
este o densitate de repartit, ie. Într-adevăr
ZZ ZZ Z 2π Z ∞
1 x2 +y 2 1 ρ2

f (x, y) dxdy = e− 2 dxdy = ρe− 2 dρ dθ
R2 2π R2 2π 0 0
2 ρ=∞
− ρ2
= −e = 1.

ρ=0
Un vector aleator (X, Y ) cu densitatea f spunem că este distribuit normal bidi-
mensional.
Propozit, ia 3.197 Dacă (X, Y ) : Ω → R2 este un vector aleator care admite densi-
tatea de repartit, ie f(X,Y ) , atunci163
X, Y independente ⇔ f(X,Y ) (x, y) = fX (x) · fY (y) ,
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.
Dacă v.a. X, Y sunt independente, atunci, pentru orice x, y ∈ R,

Z x Z y
f(X,Y ) (u, v) dudv = P (X ≤ x, Y ≤ y) = P (X ≤ x) P (Y ≤ y)
−∞ −∞
Z x Z y
= fX (u) du · fY (v) dv
−∞ −∞
Z x Z y
= fX (u) fY (v) dudv.
−∞ −∞
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.
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.
3.4.1 Distribut, ia multinomială

Un exemplu important de vector aleator discret este cel distribuit multino-
mial.
Fie E o experient, ă s, i (Ai )i=1,r un sistem complet de evenimente legat de
acea experient, ă. Evenimentele
Pr Ai se pot realiza cu probabilităt, ile pi = P (Ai ) ,
i = 1, r s, i impunem i=1 pi = 1. Se repetă experient, a de n ori în aceleas, i
condit, ii.
Să definim X ca fiind vectorul aleator care ia drept valori numărul de rea-
lizări ale fiecărui eveniment Ai , mai precis X = (X1 , . . . , Xr ), unde Xi este v.a.
care are drept valori numărul de aparit, ii ale evenimentului Ai la n efectuări ale
experient, ei164 .
Utilizând argumente de numărare folosite s, i în cazul distribut, iei binomiale
(vezi s, i deducerea definit, iei termenului Cnk1 ,k2 ,...,kr dat de (1.20)) spunem că
vectorul aleator X urmează o distribut, ie multinomială, s, i scriem
X ∼ B(n, p1 , . . . , pr ),
dacă tabloul de distribut, ie este dat de:
(3.67) P (X = (k1 , . . . , kr )) = P (X1 = k1 , . . . , Xr = kr )
n!
= pk1 . . . pkr r 1{k1 +...+kr =n} ,
k1 ! . . . kr ! 1
unde ki = 0, n, i = 1, r .
Remarca 3.199 Să observăm că probabilitatea P (X1 = k1 , . . . , Xr = kr ) este co-

eficientul termenului xk11 · . . . · xkr r din dezvoltarea multinomială
n
Xn
k1 ,k2 ,...,kr k1
(p1 x1 + . . . + pr xr ) = k1 =0,...,kr =0 Cn p1 . . . pkr r xk11 . . . xkr r
k1 +...+kr =n
164 Vezi s, i schema multinomială.
(vezi s, i formula (1.21)).

n
De asemenea, folosind dezvoltarea polinomului (p1 + . . . + pr ) obt, inem că
suma tuturor probabilităt, ilor de mai sus este 1. Într-adevăr,
Xn Xn n!
k1 =0,...,kr =0 P (X = (k1 , . . . , kr )) = k1 =0,...,kr =0 pk1 . . . pkr r
k1 +...+kr =n k1 +...+kr =n k1 ! . . . kr ! 1
n
= (p1 + . . . + pr ) = 1.
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
vectorul aleator ce are drept valori vectorul r−dimensional (k1 , . . . , kr ), unde
ki este numărul de bile de culoarea ci , unde i = 1, r .
În cazul particular r = 3 numărul de termeni pk11 pk22 pk33 este dat astfel: avem
k1
Cn posibilităt, i de a alege k1 bile de culoarea c1 din n bile extrase; apoi avem
k2
Cn−k 1
posibilităt, i de a alege k2 bile de culoarea c2 din (n − k1 ) bile rămase (s, i
k3
respectiv Cn−k 1 −k2
= Ckk33 = 1 posibilităt, i de a alege k3 bile de culoarea c3 din
(n − k1 − k2 ) = k3 bile rămase). Deci
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
adică are loc formula (3.67).
Remarca 3.200 Luând r = 2 observăm că distribut, ia binomială B (n, p) este

un caz particular al distribut, iei multinomiale. În acest caz avem distribut, iile
marginale:
Xn
P (X1 = k1 ) = k2 =0 P (X1 = k1 , X2 = k2 ) = P (X1 = k1 , X2 = n − k1 )
k1 +k2 =n
n!
= pk1 pn−k1 = Cnk1 pk11 pn−k1
k1 ! (n − k1 )! 1 2 2
s, i
Xn
P (X2 = k2 ) = k1 =0 P (X1 = k1 , X2 = k2 ) = P (X1 = n − k2 , X2 = k2 )
k1 +k2 =n
= Cnk2 pk22 pn−k

1
2
,
unde p2 = 1 − p1 iar k1 = 0, n.
Propozit, ia 3.201 Dacă vectorul aleator X = (X1 , . . . , Xr ) ∼ B (n, p1 , . . . , pr ) ,

atunci Xi ∼ B (n, pi ), pentru i = 1, r .
Demonstrat, ie. Pentru simplitatea expunerii vom arăta concluzia doar în cazul
r = 3 (vezi s, i Remarca 3.200).
Avem
Xn
P (X1 = k1 ) = k2 =0,k3 =0 P (X1 = k1 , X2 = k2 , X3 = k3 )
k2 +k3 =n−k1
Xn−k1
= P (X1 = k1 , X2 = k2 , X3 = n − k1 − k2 )
k2 =0
Xn−k1 n!
= pk1 pk2 pn−k1 −k2
k2 =0k1 !k2 ! (n − k1 − k2 )! 1 2 3
n! Xn−k1 (n − k1 )!
= pk11 pk2 pn−k1 −k2
k1 ! (n − k1 )! k2 =0 k2 ! (n − k1 − k2 )! 2 3
n! n−k1 n−k1
= pk1 (p2 + p3 ) = Cnk1 pk11 (1 − p1 ) .
k1 ! (n − k1 )! 1
Similar se obt, ine
n−k2 n−k3
P (X2 = k2 ) = Cnk2 pk22 (1 − p2 ) , P (X3 = k3 ) = Cnk3 pk33 (1 − p3 ) .
Propozit, ia 3.202 Dacă X ∼ B (n, p1 , . . . , pr ) , atunci media vectorului aleator este

dată de  
np1
 
 np2 
 
E (X) =   
 ... 

 
npr
s, i matricea de covariant, ă este

 
np1 (1 − p1 ) −np1 p2 ··· −np1 pr
 
 −np1 p2 np2 (1 − p2 ) · · · −np2 pr
 

Cov (X, X) =  .
 .
.. .. .. .. 

 . . . 

−np1 pr np2 pr ··· npr (1 − pr )
Demonstrat, ie. Într-adevăr, E (Xi ) = npi s, i D2 (Xi ) = npi (1 − pi ) .

Se poate arăta s, i formula de calcul a covariant, ei:
Cov (Xi , Xj ) = −npi pj , unde i, j = 1, r , cu i 6= j.
De exemplu, în cazul particular r = 2, avem două v.a. de tip binomial, X1 ∼
B (n, p) s, i X2 ∼ B (n, q), astfel încât X1 + X2 = n iar p + q = 1. Atunci, v.a. X1
s, i X2 nu sunt independente iar media produsului este
Xn
E (X1 · X2 ) = k (n − k) P (X1 = k, X2 = n − k)
k=0
Xn n!
= k (n − k) pk q n−k
k=0 k! (n − k)!
Xn−1 (n − 2)!
= n (n − 1) pq pk−1 q n−k−1
k=1 (k − 1)! (n − k − 1)!
Xn−2 (n − 2)!
= n (n − 1) pq pk q n−k−2
k=0 k! (n − k − 2)!
n−2
= n (n − 1) pq (p + q) .
Deci, conform (3.26),
Cov (X1 , X2 ) = E (X1 X2 ) − E (X1 ) E (X2 ) = n (n − 1) pq − n2 pq = −npq.
3.4.2 Transformări ale vectorilor aleatori

Fie (X, Y ) : Ω → D un vector aleator care admite densitatea de repartit, ie
f(X,Y ) astfel încât Supp (f ) ⊂ D. Să considerăm transformarea
Φ = (Φ1 , Φ2 ) : ∆ ⊂ R2 → D ⊂ R2 ,
dată de 
 x = Φ1 (u, v) ,
y = Φ2 (u, v) , (u, v) ∈ ∆,

astfel încât
(i) Φ este biject, ie,
(ii) Φ s, i Φ−1 admit derivate part, iale de ordinul întâi pe ∆ s, i respectiv D,

∂Φ1 ∂Φ1

def D (Φ1 , Φ2 ) ∂u ∂v
(iii) JΦ (u, v) ==
D (u, v)
= 6= 0, pentru (u, v) ∈ ∆
∂Φ2 ∂Φ2
∂u ∂v

(JΦ se numes, te determinantul Jacobian al transformării Φ).

Atunci, Φ−1 (X, Y ) este tot un vector aleator notat cu (U, V ) , i.e.
(U, V ) = Φ−1 (X, Y ) ⇔ (X, Y ) = Φ (U, V ) .
Să notăm cu f(X,Y ) s, i f(U,V ) densităt, ile de repartit, ie corespunzătoare vectorilor

aleatori (X, Y ) s, i respectiv (U, V ) .
Fie acum ∆0 ⊂ ∆ arbitrar ales s, i Φ (∆) = D0 ⊂ D. Folosind schimbarea de
variabilă în integrala dublă obt, inem
ZZ
f(X,Y ) (x, y) dxdy
D0
(3.68) ZZ
= f(X,Y ) (Φ1 (u, v) , Φ2 (u, v)) |J (u, v)| dudv.
∆0
Dar probabilitatea ca (X, Y ) să ia valori în D0 coincide cu probabilitatea ca

(U, V ) să ia valori în ∆0 , i.e.
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
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 ) :
f(U,V ) (u, v) = f(X,Y ) (Φ1 (u, v) , Φ2 (u, v)) |J (u, v)| ,

(3.69)
a.p.t. (u, v) ∈ ∆.
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 .
Remarca 3.205 Teorema 3.25 reprezintă un caz particular al acestei formule.

Astfel, dacă luăm
Φ:∆⊂R→D⊂R
astfel încât Φ ∈ C 1 (∆), inversabilă, atunci Φ−1 (X) este tot o v.a. notată cu U,
i.e.
U = Φ−1 (X) ⇔ X = Φ (U ) ,
s, i are loc următoarea formulă care exprimă densitatea v.a. U folosind densi-
tatea v.a. X :
(3.70) fU (u) = fX (Φ (u)) |Φ0 (u)| , a.p.t. u ∈ ∆
(în raport cu măsura Lebesgue pe R).
Exemplul 3.206 Dacă X ∼ U [0, 1], atunci v.a. Y = a + (b − a) X ∼ U [a, b],

Y −a
deoarece X = s, i legătura dintre densităt, i este dată de relat, ia (vezi s, i
b−a
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
Remarca 3.208 Similar putem demonstra (vezi s, i Propozit, ia 3.75 s, i Propozit, ia

3.109 unde demonstrat, ia se face cu ajutorul funct, iei de repartit, ie):
(a) X ∼ U [0, 1] dacă s, i numai dacă (b − a) X + a ∼ U [a, b] ;

X −a
(b) X ∼ U [a, b] dacă s, i numai dacă ∼ U [0, 1] ;
b−a
X −µ
X ∼ N µ, σ2

(c) dacă s, i numai dacă ∼ N(0, 1) ;
σ
dacă s, i numai dacă σX + µ ∼ N µ, σ2 ;

(d) X ∼ N(0, 1)
X ∼ N µ, σ2 dacă s, i numai dacă aX + b ∼ N aµ + b, a2 σ2 .

(e)
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 .
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 .
Densitatăt, ile marginale pentru U, V sunt date de formulele (3.66):

Z ∞ Z ∞
(3.73) fU (u) = f(U,V ) (u, v) dv, fV (v) = f(U,V ) (u, v) du,
−∞ −∞
deci obt, inem

Z ∞ u + v u − v −1
1
fU (u) = f(X,Y ) ,

2 2 2 2
dv.
−∞
Dacă notăm u−v

2 = v 0 sau echivalent v = u − 2v 0 , integrala devine
Z −∞
1
fU (u) = f(X,Y ) (u − v 0 , v 0 ) (−2) dv 0 ,
2 ∞
deci obt, inem relat, ia

Z ∞
fX+Y (u) = f(X,Y ) (u − v, v) dv, a.p.t. u ∈ R.
−∞
Deci, în cazul în care v.a. sunt independente, se obt, ine formula

Z ∞
fX+Y (u) = fX (u − v) fY (v) dv, a.p.t. u ∈ R.
−∞
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.
−∞
Deci, în cazul în care v.a. sunt independente, se obt, ine formula

Z ∞
fX−Y (u) = fX (u + v) fY (u) du, a.p.t. v ∈ R.
−∞

 u = x + y,
Remarca 3.211 Alegând transformarea se obt, ine, de asemenea,
v = y,

că densitatea marginală a v.a. U = X +Y este dată de prima egalitate din (3.71).

 u = x + y,
Alegând transformarea se obt, ine, de asemenea, că densitatea
v = x,

marginală a v.a. U = X + Y este dată de a doua egalitate din (3.71).


 u = x − y,
Remarca 3.212 Alegând transformarea se obt, ine, de asemenea,
v = y,

că densitatea marginală a v.a. U = X −Y este dată de prima egalitate din (3.72).

 u = x − y,
Alegând transformarea se obt, ine, de asemenea, că densitatea
v = x,

marginală a v.a. U = X − Y este dată de a doua egalitate din (3.72).
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).
Folosind formula (3.71) de calcul a densităt, ii sumei a două v.a. s, i (3.43)

obt, inem
Z ∞ Z ∞
1 (u−v)2 v2
fX+Y (u) = fX (u − v) fY (v) dv = e− 2 e− 2 dv
−∞ 2π −∞
Z ∞ Z ∞
1 − u2 −(v 2 −uv ) 1 − u2 u2 2
e−(v− 2 ) dv
u
= e 2 e dv = e 2 e4
2π −∞ 2π −∞
Z ∞ √ u 2
1 − u4
2
−(v ) dv 0 = 1 e
0 2
− u4
2 1 − √
2( 2)2
= e e π=q √ 2 e ,
2π −∞ 2π
2π 2
ceea ce înseamnă că X + Y ∼ N(0, 2) .

166 Demonstrarea acestui rezultat se poate face s, i cu ajutorul funct, iei caracteristice (vezi Exercit, iul
4.2.22).

Exemplul 3.214 Dacă avem două v.a. independente X ∼ N µ1 , σ21 , Y ∼
N µ2 , σ22 , atunci X + Y urmează tot o distribut, ie normală, mai precis,
X + Y ∼ N µ1 + µ2 , σ21 + σ22 .

Să considerăm, mai întâi, cazul X, Y ∼ N(0, 1) . Fie transformarea:

  u+v
 u = ax + by ,  x=
 ,
2a
⇔

v = ax − by  y = u−v

2b

1 1
2a 2a 1
cu determinantul Jacobian J (u, v) = = − 2ab .
1 1
2b − 2b
Obt, inem, pentru a, b > 0,
1 u + v u − v
f(U,V ) (u, v) = − ,

f(X,Y )
2ab 2a 2b
u+v 2 u−v 2
1 1 − 2a ( ) ( 2b ) 1 − (a2 +b2 )u2 +2(b2 −a 2 )uv+(a2 +b2 )v 2
= 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 )
√ 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.
Demonstrat, ie. Alegem o transformare bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D dată de
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
Deci, a.p.t. (u, v) ∈ R2 , are loc relat, ia

1 1
f(U,V ) (u, v) = f(X,Y ) (u/v, v) = fX (u/v) fY (v) ,

v v
deoarece X, Y sunt independente.
Densitatăt, ile marginale pentru U, V sunt date de (3.66), deci obt, inem
Z ∞
1 u
fU (u) = fX fY (v) dv, a.p.t. u ∈ R.
−∞ |v| v
Similar, alegând o transformare bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D dată de
 x 
 u= ,
  x = uv ,
y
⇔
y = v.

 v = y, 
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
Într-adevăr, pentru orice r ≥ 0,

Z ∞ Z ∞ Z ∞
X
P >r = f X (v) dv = |u| fX (uv) fY (u) du dv
Y r
Y
r −∞
Z ∞ Z ∞
= |u| fX (uv) fY (u) dv du
−∞ r
Z ∞ Z ∞
= |u| fY (u) e −uv
1{uv≥0} dv du
0 r
∞ v=∞ Z ∞
e−uv
Z
= ufY (u) du = fY (u) e−ru du
0 −u v=r 0
167 De fapt, vezi Definit, ia 4.6 s, i respectiv Nota 196, se obt, ine că P (U > r) = MX (−r), unde
MX este funct, ia generatoare de momente asociată v.a. X sau transformata Laplace asociată
densităt, ii fX .
= E e−rY ,

deoarece fY (u) = fY (u) 1{u≥0} , pentru orice u ∈ R.

Evident, se observă că P X

Y > r = 0, pentru orice r < 0.
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 −∞ −∞
Facem substitut, ia x + y = y 0 s, i apoi, inversând ordinea de integrare, obt, inem

Z ∞ Z u
FU (u) = f(X,Y ) (x, y 0 − x) dy 0 dx
−∞ −∞
Z u Z ∞
= f(X,Y ) (x, y − x) dx dy.
−∞ −∞
Ru
Având în vedere că FU (u) = −∞
fU (y) dy deducem că
Z ∞ Z ∞
(3.77) fU (y) = f(X,Y ) (x, y − x) dx = fX (x) fY (y − x) dx,
−∞ −∞
deoarece X, Y sunt v.a. independente.

Astfel, am obt, inut a doua egalitate din (3.71).
Pentru a obt, ine prima egalitatedin (3.71) trebuie să explicităm domeniul D
în raport cu cealaltă axă, i.e. D = (x, y) ∈ R2 : y ∈ R, x ≤ u − y .
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).
Dacă notăm U = X · Y, atunci
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 −∞
În prima integrală, în cazul x < 0, facem substitut, ia xy = y 0 :

Z ∞ Z −∞ y 0 dy 0 Z u
1 y
f(X,Y ) (x, y) dy = f(X,Y ) x, = f(X,Y ) x, dy.
u/x u x x −∞ |x| x
Similar, în a doua integrală, în cazul x > 0, se schimbă variabila s, i se obt, ine

Z u/x Z u
1 y
f(X,Y ) (x, y) dy = f(X,Y ) x, dy,
−∞ −∞ |x| x
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
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
deoarece X, Y sunt v.a. independente.

Schimbând variabila în integrala precedentă (sau explicitând domeniul D
în raport cu cealaltă axă), se poate obt, ine s, i formula
Z ∞
1 y
fU (y) = fX fY (x) dx.
−∞ |x| x
Astfel, am obt, inut formula (3.75).

Similar se calculează F X s, i apoi f X pentru a obt, ine formula (3.76).
Y Y
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).
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
Într-adevăr, conform (3.78),

Z ∞ Z y
P (X < Y ) = λµe−λu e−µy du dy
0 0
∞ Z ∞
e−λu u=y −µy
Z
e−λy − 1 e−µy dy

= λµ e dy = −µ
−λ u=0

0 0
Z ∞ Z ∞
= −µ e−(λ+µ)y dy + µ e−µy dy
0 0
3.5. Relaţii între distribuţii 339
e−(λ+µ)y y=∞ e−µy y=∞ −µ λ

= −µ +µ = +1= .
− (λ + µ) y=0 −µ y=0 λ+µ λ+µ

Aceeas, i formulă se obt, ine s, i dacă se foloses, te formula (3.80) de calcul.
3.5 Relat, ii între distribut, ii

Propozit, ia 3.220 Dacă X ∼ Exp (λ) , unde λ > 0, atunci v.a. Y = peX , unde
p > 0, are densitatea de repartit, ie168
λpλ
(3.81) fY (y) = 1[p,∞) (y) .
y λ+1
Demonstrat, ie. Pentru orice y < p obt, inem FY (y) = 0.
Pentru y ≥ p avem
y y
FY (y) = P peX ≤ y = P X ≤ ln

= FX ln .
p p
Deci
y 0 y 1
0
fY (y) = (FY (y)) = FX ln = fX ln
p p y
1 −λ ln yp 1 y −λ
=λ e =λ = λpλ y −λ−1 .
y y p
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.
Demonstrat, ie. Se utilizează formula (3.76). Vezi s, i Exemplul 3.216.

Utilizând Remarca 3.28 observăm, în plus, că
pλp pλp
fU +λ (u) = fU (u − λ) = p+1
1[0,∞) (u − λ) = p+1 1[λ,∞) (u) ,
u u
X
adică v.a. + λ urmează distribut, ia Pareto de parametri λ s, i p.
Y
În mod similar se arată următorul rezultat.
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
(3.82) fY (y) = √ e 2σ2 1(0,∞) (y) .

2πσ2 y
Demonstrat, ie. Avem, pentru orice y ≤ 0, FY (y) = 0 s, i pentru orice y > 0,
FY (y) = P eX ≤ y = P (X ≤ ln y) = FX (ln y) .

Deci
0 0 1 1 1 − (ln y−µ)2
fY (y) = (FY (y)) = (FX (ln y)) = fX (ln y) =√ e 2σ2 .

y 2πσ2 y
Propozit, ia 3.224 Dacă X, Y sunt v.a. independente cu X ∼ Gamma (p, λ) s, i Y ∼

X
Gamma (q, λ) , unde p > 0, q > 0 s, i λ > 0, atunci v.a. U = are densitatea
X +Y
de repartit, ie170
1
(3.83) fU (u) = up−1 (1 − u)
q−1
1[0,1] (u) .
β (p, q)
169 Dacă o v.a. Y are densitatea de repartit, ie dată de (3.82), cu µ > 0 s, i σ > 0, atunci spunem că Y
urmează distribut, ia Lognormală de parametri µ s, i σ.
170 Dacă o v.a. U are densitatea de repartit, ie dată de (3.83), cu p > 0 s, i q > 0, unde β este funct, ia
Beta (vezi pagina 295), atunci spunem că U urmează distribut, ia Beta de parametri p s, i q.
Demonstrat, ie. Să considerăm transformarea bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D,

unde ∆ = (0, 1) × (0, ∞) iar D = (0, ∞) × (0, ∞), dată de
 x  uv
 u=
 ,  x = Φ1 (u, v) =
 ,
x+y 1−u
⇔

 v=y 
 y = Φ (u, v) = v
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)
Să calculăm densitatea marginală

∞
λp+q up−1 v p+q−1 −λ 1−u
Z
v
fU (u) = p+1 e dv
0 Γ (p) Γ (q) (1 − u)
Z ∞
λp+q up−1 v
= p+1 v p+q−1 e−λ 1−u dv
Γ (p) Γ (q) (1 − u) 0
∞ p+q−1
λp+q up−1 (1 − u) 0 1 − u
Z
= p+1 p+q−1
(v 0 )p+q−1 e−v dv 0
Γ (p) Γ (q) (1 − u) 0 λ λ
Γ (p + q) p−1 q−1
= u (1 − u) ,
Γ (p) Γ (q)
pentru orice u ∈ (0, 1).

, ia 3.225 Dacă X, Y sunt două v.a. independente distribuite normal, de tipul

Propozit
N 0, σ2 , unde σ > 0, atunci
X 2 ∼ χ2(1, σ) s, i X 2 + Y 2 ∼ χ2(2, σ) .

Demonstrat, ie. Avem, pentru orice y ≤ 0, FX 2 (y) = 0 s, i pentru orice y > 0,

√ √ √ √
FX 2 (y) = P X 2 ≤ y = P (− y ≤ X ≤ y) = FX ( y) − FX (− y) .

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

Xn
(3.84) Xi2 ∼ χ2(n, σ) .
i=1
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.
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 .

Aplicând Propozit, ia 3.109 deducem că
(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
Aplicând din nou (3.84), avem

2 √
X̄ − µ ∼ χ2 1, σ/ n
2
s, i apoi, aplicând (3.57), n X̄ − µ ∼ χ2(1, σ) .
Pe de altă parte, avem că
Xn 2 Xn 2
Xi − X̄ = (Xi − µ) − X̄ − µ
i=1 i=1
Xn h 2 2 i
= (Xi − µ) − 2 (Xi − µ) X̄ − µ + X̄ − µ
i=1
Xn 2 Xn Xn 2
= (Xi − µ) − 2 X̄ − µ (Xi − µ) + X̄ − µ
i=1 i=1 i=1
Xn 2 Xn 2
= (Xi − µ) − 2 X̄ − µ Xi − nµ + n X̄ − µ
i=1 i=1
Xn 2 2 2
= (Xi − µ) − 2n X̄ − µ + n X̄ − µ
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.
= χ2(n − 1, σ) .
Are loc următoarea legătura dintre distribut, ia normală, distribut, ia χ2 s, i

distribut, ia Student.
Propozit, ia 3.228 Dacă X ∼ N 0, σ2 s, i Y ∼ χ2(n, σ) , unde n ∈ N∗ s, i σ > 0, sunt

două v.a. independente, atunci

def X
T == q ∼ t (n) .
Y
n
Demonstrat, ie. Vectorul aleator (X, Y ) are densitatea de repartit, ie

1 x2 1 n y
f(X,Y ) (x, y) = √ e− 2σ2 · y 2 −1 e− 2σ2
2πσ2 2n/2 σn Γ (n/2)
1 n x2 +y
=√ n+1 y 2 −1 e− 2σ2 , x ∈ R, y ≥ 0.
πσn+1 2 2 Γ (n/2)
Să considerăm transformarea
x
 √
u v

 u = py ,  x= √ ,
 

n ⇔ n
 
v = y,  y = v,
 
√
v √
√n √ u√
2 n v
v
J (u, v) = = √ .

n
0 1

Folosind (3.69) obt, inem

√ √ u2

n−1 − v
2 e 2σ2 n +1
u v v v
f(U,V ) (u, v) = f(X,Y ) √ , v √ = √ n+1 .
n n nπ σn+1 2 2 Γ (n/2)
Densitatea marginală este dată de (avem v = y ≥ 0)
Z ∞ 2
1

n−1 − v u
2 e 2σ2 n +1
fU (u) = √ n+1 v dv.
nπ σn+1 2 2 Γ (n/2) 0

u2 2σ2
Facem substitut, ia v
2σ2 n + 1 = v 0 deci dv = u2
dv 0 s, i
n +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.
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)
Demonstrat, ie. Utilizând Propozit, iile 3.227 s, i 3.144 obt, inem

Pn 2
2 i=1 Xi − X̄ √
∼ χ2 n − 1, σ/ n .

X̄ ∼ N 0, σ /n s, i
n
Concluzia se obt, ine utilizând Propozit, ia 3.228:
X̄
rP ∼ t (n − 1) .
n (X −X̄ )2
i=1 i
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
Are loc următoarea legătura dintre distribut, ia Student s, i distribut, ia Fisher.
Propozit, ia 3.231 Dacă X ∼ t (n) , unde n ∈ N∗ , atunci
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.
Propozit, ia 3.232 Dacă X ∼ χ2(m, 1) s, i Y ∼ χ2(n, 1) , unde m ∈ N∗ s, i n ∈ N∗ ,

atunci
X
def m
T == Y
∼ F (m, n) .
n
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
Explicitând s, i domeniul D obt, inem D = (x, y) : x ≥ 0, y ≥ ux , deci

!
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
Înlocuind C1 , C2 obt, inem

n+m

Γ un/2−1
fX/Y (u) = n
2 m
n+m .
Γ 2 Γ 2 (1 + u) 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
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 X12 + . . . + Xm
2
U= 2 ∼ F (m, n) .
m Y1 + . . . + Yn2

3.6.1 Funct, ii de repartit, ie. Densităt, i de repartit, ie
3.6.1 Să se determine a, b astfel încât funct, ia F : R → R, F (x) = a+b arctan (x)
să fie o funct, ie de repartit, ie.
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
Are loc
P (0.25 ≤ X < 0.5) = F (0.5) − F (0.25) = 0.5.
3.6.3 Să se determine c astfel încât funct, ia
f : R → R, f (x) = cx1[0,1] (x) + (2 − x) 1(1,2] (x)
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
3.6.4 Fie v.a. X cu densitatea de repartit, ie
f : R → R, f (x) = 2x 1(0,1) (x) .
Să se calculeze P (1/4 ≤ X ≤ 1/2) .
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
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.
3.6.7 Se dă funct, ia

a
f (x) = , x ∈ R.
+ e−x ex
Să se determine a astfel încât f să fie o densitate de repartit, ie. Să se calculeze
P (X < 1, Y ≤ 1) s, i P (X < 1, Y ≥ 1), unde X, Y sunt două v.a. independente
care au densitatea f .
Rezolvare:
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.
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.
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,
G (s1 + . . . + sn ) = G (s1 ) · . . . · G (sn ) .

n
Dând valori particulare se obt, ine G (1) = G n1 , pentru orice n ∈ N∗ .
174 Singura distribut, ie discretă „fără memorie” este cea geometrică: vezi Exercit, iul 2.4.39,
Exercit, iul 2.4.40 s, i Exercit, iul 2.4.41.
m m
Fie m, n ∈ N∗ . Atunci, G m 1 1

n =G m· n = G n = (G (1)) n .
Să notăm
def
λ == − ln (G (1)) = − ln (P (X > 1)) ,
deci e−λ = G (1) .
Obt, inem G (r) = e−λr , pentru orice r ∈ Q cu r ≥ 0.
Fie t ∈ [0, ∞) arbitrar ales s, i rn ∈ Q astfel încât rn → t, când n → ∞.
Atunci,
G (t) = limn→∞ G (rn ) = limn→∞ e−λrn = e−λt .
Deci funct, ia de repartit, ie FX (t) = 0, pentru orice t ≤ 0, s, i
FX (t) = P (X ≤ t) = 1 − G (t) = 1 − e−λt , pentru orice t > 0,
adică, echivalent, vezi (3.39), X ∼ Exp (λ) .
3.6.12 Fie o v.a. repartizată uniform X ∼ U(0, 1). Să se calculeze densitatea de
repartit, ie fU , unde:
1 1 1
(a) U = ln , (b) U = − ln (X) , (c) U = − ln (1 − X) ,
X λ λ
√
(d) U = X 2 , (e) U = X 3 , (f ) U = X ,
1
(g) U = .
X
Rezolvare:
În multe situat, ii este comod să găsim175 densitatea de repartit, ie a unei noi
v.a., care este dată ca funct, ie de o 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).
Funct, ia de repartit, ie a v.a. X este dată de



 0, dacă x ≤ 0,

FX (x) = x, dacă x ∈ (0, 1],



1, dacă x > 1.

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).
(a) Funct, ia de repartit, ie a v.a. U este
FU (u) = P (U ≤ u) = P X ≥ e−u = 1 − P X < e−u = 1 − FX e−u ,

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) .
(d) Dacă u ≤ 0, atunci funct, ia de repartit, ie este 0 s, i dacă u > 0, atunci

√ √
FU (u) = P X 2 ≤ u = P − u ≤ X ≤ u

√ √ √
= FX ( u) − FX (− u) = FX ( u),
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
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:
(a) U = eX , (b) U = 2X + 1, (c) U = 2X 2 + 1.

Rezolvare:
Funct, ia de repartit, ie a v.a. X este dată de



 0, dacă x ≤ −1,

x+1

FX (u) = , dacă x ∈ (−1, 1],


 2

 1, dacă x > 1.
(a) Funct, ia de repartit, ie a v.a. U este




 0, dacă ln u ≤ −1,

1 + ln u

FU (u) = FX (ln u) = , dacă ln u ∈ (−1, 1],


 2

 1, dacă ln u > 1.
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
deci, derivând în raport cu u, avem

Z √ u−1 0
2
fU (u) = FU0 (u) = √ u−1 fX (t) dt .
− 2 u
Vom aplica o teoremă de derivare a integralei cu parametru. Mai precis, în

anumite condit, ii de regularitate, integrala cu parametru
Z b(y)
I (y) = f (x, y) dx
a(y)
este derivabilă s, i are loc relat, ia

Z b(y)
∂f
(3.87) I 0 (y) = (x, y) dx + b0 (y) f (b (y) , y) − a0 (y) f (a (y) , y) .
a(y) ∂y
Aplicând acest rezultat obt, inem

r 0 r r 0 r
u−1 u−1 u−1 u−1
fU (u) = fX − − fX −
2 2 2 2
s, i deci
1
fU (u) = p 1(1,3) (u) ,
2 2 (u − 1)
q
u−1
deoarece 0 < 2 < 1 este echivalent cu u ∈ (1, 3).
Avem s, i calculul direct:
r 0 r 0
u−1 u−1
fU (u) = FU0 (u) = FX − FX −
2 2
r r 0 r r 0
0 u−1 u−1 0 u−1 u−1
= FX − FX − −
2 2 2 2
r r
1 u−1 u−1
= p fX + fX − .
2 2 (u − 1) 2 2
Să se studieze s, i posibilitatea aplicării formulei (3.70) cu u = 2x2 + 1.

3.6.15 Fie v.a. X ∼ U [−2, 3].
(a) Să se determine funct, ia de repartit, ie FX s, i apoi funct, ia de repartit, ie FY s, i,
cu ajutorul ei, densitatea de repartit, ie fY , unde Y = 2X 2 − 5.
(b) Să se calculeze media s, i deviat, ia standard a v.a. X. Apoi să se calculeze
P (X ≥ 2) , P (X = 2) .
3.6.16 Fie v.a. X ∼ U − π2 , π2 . Să se calculeze densitatea de repartit, ie fU ,

unde
U = cos 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 = cos x nu este inversabilă.

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
Deci fU (u) = FU0 (u) = 2 √ 1

π 1−u2 .
3.6.17 Fie v.a. X ∼ U − π2 , π2 . Să se calculeze densitatea de repartit, ie fU ,

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.
3.6.18 Fie v.a. X ∼ U (0, 1) . Să se calculeze178 densitatea de repartit, ie fU , unde

1
U = tan π X − .
2
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:
Se obt, ine că U ∼ U [0, 1] .
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:
Densitatea de repartit, ie a v.a. X este f (x) = λe−λx 1[0,∞) (x) . Aplicăm

formula (3.70) luând u = e−x , deci Φ0 (u) = −1/u, unde Φ : [0, ∞) → (0, 1].
Obt, inem, pentru u ∈ (0, 1],

−1 −λ(− ln u) 1
fU (u) =
λe = λeλ ln u = λuλ−1 .
u u
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:
Densitatea de repartit, ie a v.a. X este f (x) = λe−λx 1[0,∞) (x) . Aplicăm

formula (3.70) luând u = x1/α , deci Φ0 (u) = αuα−1 , unde Φ : (0, ∞) → (0, ∞).
178 Aceasta este o metodă de a genera v.a. distribuite Cauchy folosind v.a. distribuite uniform.
Obt, inem179 , pentru u ∈ (0, ∞),

α α
fU (u) = αuα−1 λe−λ u = αλuα−1 e−λ u .

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
FU (u) = P (|X| ≤ u/3) = P (−u/3 ≤ X ≤ u/3)

Z u/3
1 x2
= FX (u/3) − FX (−u/3) = √ e− 2 dx.
2π −u/3
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

179 Dacă o v.a. U are densitatea de repartit, ie fU (u) = α u α−1 −(u/λ)α

1(0,∞) (u) , unde

λ λ
e
α > 0 s, i λ > 0, atunci spunem că U urmează distribut, ia Weibull de parametri α s, i λ.
De asemenea, se poate arăta că U are funct, ia de repartit, ie
α
FU (x) = 1 − e(x/λ) , pentru orice x > 0,
deci distribut, ia Weibull este generalizarea distribut, iei exponent, iale avand în vedere că
FExp(1/λ) (x) = 1 − e(x/λ) , pentru orice x > 0.
Evident, se poate scrie formal:
1
Exp (λ) = Weibull 1, .
λ
√
√ √ 1
Z ln u
x2
e−

= FX ln u − FX − ln u = √ √
2 dx.
2π − 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 .
3.6.24 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 :
FU (u) = P (X ≤ u) = P (X ≤ u, = 1) + P (X ≤ u, = −1)

= P (X ≤ u) P ( = 1) + P (X ≥ −u) P ( = −1)
1 1
= (P (X ≤ u) + P (X ≥ −u)) = (FX (u) + 1 − FX (−u)) .
2 2
1
Dacă u ≤ 0, atunci FY (u) = 2 (1 − FX (−u)) iar dacă u > 0, atunci FY (u) =
1
2 (1 + FX (u)) .
Deci dacă u ≤ 0, atunci
1 0 λ
fU (u) = FU0 (u) = F (−u) = eλy ,
2 X 2
iar dacă u > 0, atunci
1 0 λ
fU (u) = FU0 (u) = FX (u) = e−λy .
2 2
λ −λ|y|
Obt, inem180 că U = X are densitatea fU (u) = e , deci este distribuită
2
1
Laplace181 de parametri λ s, i 0.
(b) Să calculăm funct, ia de repartit, ie a lui V :
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).
= 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.
(b) Fie V = |X| . Să se arate că V ∼ Exp (λ) .

Rezolvare:
(a) Să calculăm funct, ia de repartit, ie a lui U :
FU (u) = P (U ≤ u) = P (U ≤ u, X ≥ 0) + P (U ≤ u, X < 0)
= P (1 ≤ u, X ≥ 0) + P (−1 ≤ u, X < 0)
= P (1 ≤ u) P (X ≥ 0) + P (−1 ≤ u) P (X < 0) .
Se arată s, i că P (X ≥ 0) = P (X ≤ 0) = 1/2.
1
3.6.26 Fie X o v.a. cu densitatea de repartit, ie182 f (x) = . Să se cal-
π (1 + x2 )
culeze densitatea de repartit, ie fU , unde
1
(a) U = , (b) U = 1 − X 3 .
X
182 1
Dacă o v.a. X are densitatea de repartit, ie f (x) = , unde a ∈ R s, i γ > 0, atunci
πγ 1+( x−a
γ
)2
spunem că X urmează distribut, ia Cauchy de parametri a s, i γ, s, i scriem X ∼ C (a, γ) .
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 X ∼ C (0, 1) avem că x1/2 = 0 este mediana lui X, i.e. P (X ≤ 0) = P (X ≥ 0) = 21 ,

iar x1/4 = −1, x1/2 = 0, x3/4 = 1 sunt cuartilele, i.e. P (X ≤ −1) = P (−1 ≤ X ≤ 1) =
P (X ≥ 1) = 14 .
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.
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),
unde FX (u) = FY (u) sunt date de (3.30).

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
fV (v) = FV0 (v) = 2 (1 − FX (v)) FX0

(v) 1[a,b] (u)
v−a 1
=2 1− 1[a,b] (u) .
b−a b−a
3.6.29 Fie v.a. (Xk )k=1,n de tip i.i.d., cu funct, ia de repartit, ie F.

(a) Să se arate că funct, ia de repartit, ie asociată v.a.
U = max (X1 , X2 , . . . , Xn )
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) .
3.6.30 Fie v.a. independente X, Y ∼ U[0, 1] s, i definim

U = max (X, Y ) s, i V = min (X, Y ) .
(a) Să se determine funct, ia de repartit, ie s, i apoi densitatea de repartit, ie asociată
v.a. V.
(b) Folosind relat, iile de legătură
U +V =X +Y s, i U · V = X · Y,
să se determine media v.a. U s, i apoi covariant, a dintre U s, i 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) .
3.6.32 Să presupunem că un s, ir de evenimente (numite Succese), de acelas, i tip,

se produc, independent, în timp. Să definim X1 ca fiind v.a. dată de momentul
aparit, iei primului Succes s, i apoi, pentru fiecare k ∈ N∗ , k ≥ 2, să definim v.a.
Xk ca fiind timpul183 dintre producerea Succesului de ordin (k − 1) s, i Succesul
de ordin k. Astfel, v.a. Xk are valori pozitive s, i să presupunem că v.a. (Xk )k∈N∗
sunt de tip i.i.d., cu Xk ∼ Exp (λ) , unde λ > 0, pentru orice k ∈ N∗ .
Să definim v.a.
Sn = X1 + X2 + . . . + Xn , n ∈ N∗ ,
care reprezintă timpul aparit, iei Succesului de ordin n ∈ N∗ .

De asemenea, definim184 v.a. Nt cu valori în N astfel:
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):
(3.88) {Nt < k} = {Sk > t} , pentru orice k ∈ N∗ , t > 0.
(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.
(c) Deci, pentru orice t > 0, avem

FNt (k) = P (Nt ≤ k) = P (Nt < k + 1) = P (Sk+1 > t) .
Pe de altă parte, Sk+1 ∼ Gamma (k + 1, λ) s, i, folosind (3.50), obt, inem
i
Xk (λt) −λt
FNt (k) = P (Sk+1 > t) = e
i=0 i!
s, i acum recunoas, tem că FNt (k) este funct, ia de repartit, ie asociată unei v.a. de
tip P (λt) , adică Nt ∼ P (λt) .
3.6.33 Fie două v.a. independente, distrubuite uniform, X ∼ U [0, 1] , Y ∼
U [0, 2]. Să se calculeze densitatea de repartit, ie fX+Y .
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 ∞
−∞
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

Z 0 Z 1 Z u
1 1 1 1
fX+Y (u) = fX (v) dv + fX (v) dv + fX (v) dv = .
2 u−2 2 0 2 1 2

1 u 1
3−u
Z Z Z
1 1 1
fX+Y (u) = fX (v) dv + fX (v) dv = dv = .
2 u−2 2 1 2 u−2 2
Dacă u > 3, atunci

Z u
1
fX+Y (u) = fX (v) dv = 0.
2 u−2
O altă abordare este aceea de a rescrie indicatoarea 1[0,1] (u − v) în integrala

(3.89) (în loc de a schimba variabila). Mai precis, avem
0≤u−v ≤1 dacă s, i numai dacă u − 1 ≤ v ≤ u,
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]
iar acum avem iarăs, i discut, ie în funct, ie de valorile lui u.
3.6.34 Fie două v.a. independente, distribuite uniform X, Y ∼ U [a, b] . Să se

calculeze densitatea de repartit, ie fX+Y .
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
Să facem schimbarea de variabilă
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
Dacă u − a ≤ a, adică u ≤ 2a, atunci fX+Y (u) = 0.

Dacă u − a ∈ (a, b], adică u ∈ (2a, a + b], atunci
Z a Z u−a
1 0 0 1 u − 2a
fX+Y (u) = fX (v ) dv + fX (v 0 ) dv 0 = 2.
b − a u−b b−a a (b − a)
Dacă u − a > b s, i u − b ∈ (a, b], adică u ∈ (a + b, 2b], atunci

b u−a
2b − u
Z Z
1 1
fX+Y (u) = fX (v 0 ) dv 0 + fX (v 0 ) dv 0 = 2 .
b−a u−b b−a b (b − a)
Dacă u − b > b, adică u > 2b, atunci fX+Y (u) = 0.
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)
În cazul particular în care X, Y ∼ U [−1, 1] , obt, inem

1 1
fX+Y (u) = (2 + u) 1[−2,0] (u) + (2 − u) 1(0,2] (u)
4 4
(3.91)
1
= (2 − |u|) 1[−2,2] (u) .
4
În cazul particular în care X, Y ∼ U [−1/2, 1/2] , obt, inem
fX+Y (u) = (1 + u) 1[−1,0] (u) + (1 − u) 1(0,1] (u)

(3.92)
= (1 − |u|) 1[−1,1] (u) .
În cazul particular în care X, Y ∼ U [0, 1] , obt, inem
fX+Y (u) = u 1[0,1] (u) + (2 − u) 1(1,2] (u)

(3.93)
= (1 − |u − 1|) 1[0,2] (u) .
Densitatea (3.90) s, i cazurile particulare (3.91−3.93), se pot reprezenta grafic cu

us, urint, ă, prin urmare este justificată următoarea denumire: dacă o v.a are den-
sitatea dată de una dintre formulele (3.90−3.93), atunci spunem că v.a. urmează
o distribut, ie triunghiulară
Deci am obt, inut că:
suma a două v.a. uniforme s, i de tip i.i.d. urmează o
distribut, ie triunghiulară.
3.6.35 Fie v.a. independente, distribuite uniform X1 , X2 , X3 , X4 ∼ U [0, 1] s, i

1
Yi = Xi − , pentru i = 1, 3.
2
(a) Să se calculeze s, i să se reprezinte grafic densitatea de repartit, ie fX1 −X2 .
(b) Să se calculeze s, i să se reprezinte grafic densităt, ile de repartit, ie fX1 +X2 ,
fX1 +X2 +X3 s, i fX1 +X2 +X3 +X4 .
(c) Să se determine tipul de distribut, ie al v.a. Yi , pentru i = 1, 3, s, i apoi să se
calculeze s, i să se reprezinte grafic densităt, ile de repartit, ie fY1 +Y2 , fY1 +Y2 +Y3 s, i
fY1 −Y2 .
Rezolvare:
(a) Se obt, ine densitatea:
fX1 −X2 (u) = (1 + u) 1[−1,0) (u) + (1 − u) 1[0,1] (u)

= (1 − |u|) 1[−1,1] (u) .
(b) Se observă imediat că dacă X1 , X2 , X3 , X4 ∼ U [0, 1] , atunci v.a. X1 + X2 ia

valori în [0, 2] , X1 + X2 + X3 ia valori în [0, 3] iar X1 + X2 + X3 + X4 ia valori
în [0, 4] .
Se obt, ine următoarele densităt, i:
fX1 +X2 (u) = u 1[0,1) (u) + (2 − u) 1[1,2] (u) = (1 − |u − 1|) 1[0,2] (u)
 1

 u, dacă x ∈ [0, 1),


 1!

= 1
u − C21 (u − 1) , dacă x ∈ [1, 2],



 1!


0, dacă x ∈
/ [0, 2]

sau, scrisă cu ajutorul funct, iei signum186 ,
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.
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)!
sau, scrisă cu ajutorul funct, iei signum187 ,

1 Xn k n−1
(3.94) fPni=1 Xi (u) = (−1) Cnk (u − k) sgn (u − k) .
2 · (n − 1)! k=0
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) ,
fY1 +Y2 (u) = fX1 +X2 (u + 1) = (1 − |u|) 1[−1,1] (u) .
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
atunci spunem că X urmează distribut, ia Irwin-Hall de parametru n ∈ N∗ .

Această densitate apare atunci când se adună n ∈ N∗ v.a. de tip i.i.d. s, i care urmează distribut, ia
uniformă pe [0, 1].
Se observă că Y1 − Y2 = X1 − X2 s, i că are aceeas, i lege ca v.a. Y1 + Y2 .
În ceea ce prives, te graficul densităt, ii fPni=1 Xi , cu n ≥ 2 dat, se observă

că acesta aproximează graficul, translat cu n/2, al densităt, ii fN(0,1) a unei v.a.
normale standard.
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
va converge în lege, pentru n → ∞, către o v.a. Z ∼ N(0, 1).
De asemenea, s, i graficul densităt, ii fY1 +Y2 +Y3 aproximează graficul densită-

t, ii normale standard fN(0,1) . Se poate generaliza pentru i = 1, n s, i se va obt, ine,
aplicând Teorema Limită Centrală dată de Teorema 5.84, ceea ce se vede s, i din
graficul densităt, ii, s, i anume că standardizarea v.a. Y1 +Y2 +. . .+Yn va converge
în lege către o v.a. Z ∼ N(0, 1) .
3.6.36 Fie două v.a. independente X, Y ∼ U [−1, 1] .

(a) Să se determine funct, iile de repartit, ie FX , FU s, i densitatea de repartit, ie fU ,
unde U = 2X − 1.
(b) Să se determine funct, ia de repartit, ie FV s, i densitatea de repartit, ie fV , unde
X +1
V = .
2
(c) Să se calculeze media s, i deviat, ia standard a v.a. X + Y s, i apoi P (X = 0.5)
s, i P (X ≥ 0.5) .
(d) Să se determine densitatea de repartit, ie a v.a Z = X + Y .
3.6.37 Fie două v.a. independente X, Y ∼ U [−2, 0] .

(a) Să se determine funct, iile de repartit, ie FX , FU s, i densitatea de repartit, ie fU ,
X +2
unde U = .
2
(b) Să se calculeze media s, i deviat, ia standard a v.a. X + Y s, i apoi P (X ≥ 0.9)
s, i P (X = 0.9) .
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.
Y = max (U, V ) s, i Z = min (U, V ) .
3.6.40 Fie două v.a. independente distribuite Cauchy X, Y ∼ C (0, 1) . Să se

calculeze densitatea de repartit, ie a v.a. U = X + Y s, i apoi densitatea de
X +Y
repartit, ie188 a v.a. V = .
2
Rezolvare:
Obt, inem
Z ∞ Z ∞
1 1 1
fX+Y (u) = fX (u − v) fY (v) dv = 2 dv.
−∞ π2 −∞ 1 + (u − v) 1 + v 2
Pentru calculul integralei rat, ionale trebuie să descompunem fract, ia precedentă
în fract, ii simple, adică să găsim a, b, c, d astfel încât
1 1 a + b (u − v) c + dv
2 2
= 2 + 1 + v2 .
1 + (u − v) 1 + v 1 + (u − v)
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
este convergentă pentru orice u ∈ R deoarece

Z ∞ Z ∞ v=∞
1 1 1
dv ≤ dv = arctan (v) = π,

2 1 + v2 1 + v 2
−∞ 1 + (u − v) −∞ v=−∞
deci integrala impropie fX+Y (u) coincide cu valoare ei principală, adică

Z T
fX+Y (u) = limT →∞ fX (u − v) fY (v) dv
−T
Z T
1 1 1
= limT →∞ 2 dv.
π2 −T 1 + (u − v) 1 + v 2
Astfel, obt, inem

Z T
4u v 2
fX+Y (u) = 2 2 limT →∞ dv +
π u (4 + u2 ) −T 1 + v 2 π (4 + u2 )
4u v=T
2
= 2 2 2
limT →∞ ln 1 + v 2 +
π u (4 + u ) v=−T π (4 + u2 )
4u 2
= 2 2 limT →∞ 0 + ,
π u (4 + u2 ) π (4 + u2 )
deci
2 1
fX+Y (u) = 2
= ,
π (4 + u ) u 2

2π 1 + 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 −∞
Dacă u < 0 atunci

1 u −|u−v| v 1 0 −|u−v| v 1 ∞ −|u−v| −v
Z Z Z
fX+Y (u) = e e dv + e e dv + e e dv
4 −∞ 4 u 4 0
1 u 2v−u 1 0 u 1 ∞ u−2v eu (1 − u)
Z Z Z
= e dv + e dv + e dv = .
4 −∞ 4 u 4 0 4
e−u (1+u)
Dacă u > 0 atunci prin calcule similare obt, inem fX+Y (u) = 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 ∞
−∞
∞ ∞
4eu e2v
Z Z
4 1 1 1
= 2 dv = dv.
π −∞ eu−v + ev−u ev + e−v π2 −∞ 1 + e2v e2u + e2v
Se face schimbarea de variabilă e2v = v 0 s, i deci dv 0 = 2e2v dv s, i se obt, ine, cal-

culând o integrală dintr-o funct, ie rat, ională,
4eu u
fX+Y (u) = .
π 2 e2u − 1
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

Dacă u < 0, atunci fX (u + v) 6= 0 doar dacă v ≥ −u s, i

Z ∞
e−2λv v=∞ λ
fX−Y (u) = λ2 e−λ(u+2v) dv = λ2 e−λu = eλu .
−2λ 2

−u v=−u
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 .
(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.
3.6.46 Fie două v.a. independente distribuite Laplace de parametri 1 s, i 0. Să se

X
calculeze densitatea de repartit, ie fU , unde U = .
Y
Rezolvare:
Obt, inem
Z ∞ Z ∞
1
fU (u) = |v| fX (uv) fY (v) dv = |v| e−(|u|+1)|v| dv.
−∞ 4 −∞
Facem schimbarea de variabilă v = −v 0 s, i obt, inem, integrând prin părt, i,

Z ∞
1 1
fU (u) = ve−(|u|+1)v dv = 2 .
2 0 2 (|u| + 1)
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
Pentru u < 0 obt, inem uv < 0 s, i deci fX (uv) = 0.

Pentru u ∈ (0, 1) obt, inem, schimbând variabila uv = v 0 , dv 0 = udv s, i
u u u
v0 dv 0
Z Z Z
1 1 1
fU (u) = fX (v 0 ) = 2 vfX (v) dv = 2 vdv = .
0 u u u 0 u 0 2
Pentru u > 1 obt, inem, schimbând variabila uv = v 0 , dv 0 = udv s, i

Z u Z 1 Z u
1 1
fU (u) = vfX (v) dv = vfX (v) dv + vfX (v) dv
u2 0 u2 0 1
Z 1
1 1 1
= vdv = .
u2 0 u2 2

3.6.48 Fie două v.a. independente distribuite normal X, Y ∼ N 0, σ2 . Să se
X
calculeze densitatea de repartit, ie fU , unde U = .
Y
Rezolvare:
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
În prima integrală fac schimbarea de variabilă v = −v 0 s, i deci dv = −dv 0 :

Z 0 Z ∞ (u2 +1)v2
u2 v 2 +v 2
I1 = (−v) e− 2σ2 dv = ve− 2σ2 dv.
−∞ 0
(u2 +1)v2 (u2 +1)

Notând cu v 0 = − 2σ2 obt, inem dv 0 = − σ2 v dv s, i
−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.
√ cu X, Y ∼ U [−1, 1]. Să se calculeze densitatea

3.6.50 Fie două v.a. de tip i.i.d.,
de repartit, ie fU , unde U = X 2 + Y 2 .
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
Obt, inem, derivând integrala cu parametru,

0 1 √ −1 √
fX 2 (u) = FX 2 (u) = √ fX u − √ fX − u
2 u 2 u
√ √

1 1 1 1 1
= √ fX u + fX − u = √ + = √ ,
2 u 2 u 2 2 2 u
s, i
1
fY 2 (u) = FY0 2 (u) = √ .
2 u
√ √
Observăm că egalităt, ile de mai √sus au loc pentru
√ u 6= 0 s, i u ∈ [−1, 1], deci
u ∈ (0, 1]. Pentru u ∈
/ (0, 1], fX ( u) = fX (− u) = 0. Deci fX 2 (u) = fY 2 (u) =
1
√ 1
2 u (0,1]
(u) .
Să calculăm acum densitatea sumei X 2 + Y 2 :
Z ∞ Z 1
1
fX 2 +Y 2 (u) = fX 2 (u − v) fY 2 (v) dv = fX 2 (u − v) √ dv.
−∞ 0 2 v
0 0
Schimbând variabila u − v = v obt, inem dv = −dv s, i
1 u
Z
1
fX 2 +Y 2 (u) = fX 2 (v) √ dv.
2 u−1 u−v
Dacă u ≤ 0, atunci fX 2 +Y 2 (u) = 0.
1 0 1 u
Z Z
1 1
fX 2 +Y 2 (u) = fX 2 (v) √ dv + fX 2 (v) √ dv
2 u−1 u−v 2 0 u−v
1 u
Z
1
= p dv.
2 0 2 v (u − v)
Pentru a calcula această integrală o putem considera ca o integrală binomă sau
o putem rezolva formând o sumă sau diferent, ă sub radical,
u2 u 2
uv − v 2 = − v− .
4 2
Deci integrala devine, notând v − u2 = v 0 cu dv = dv 0 ,
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
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)
Calculând ca mai sus,
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
Dacă u > 2, atunci fX 2 +Y 2 (u) = 0.
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
(3.95) f√U (v) = fU (v 2 ) |2v|

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.
3.6.51 Fie două v.a. independente X, Y cu densităt, ile

1
fX (x) = fY (x) = 1[1,∞) (x) .
x2
√
Să se găsească densitatea de repartit, ie a v.a. U = XY .
Rezolvare:
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

precum s, i condit, iile v ≥ 1 s, i v ≤ u2 .

Din ultima egalitate calculăm, folosind (3.66), densităt, ile marginale fU , fV :
Z u2
2 2
fU (u) = dv = 3 ln u2 , u ≥ 1.
1 u3 v u

1
fX (x) = fY (x) = 1[1,∞) (x) .
x2
Să se găsească densitatea de repartit, ie a vectorului aleator

X
XY , .
Y
Rezolvare:
Deoarece v.a. X, Y sunt independente,
1
f(X,Y ) (x, y) = fX (x) fY (y) = 1[1,∞)×[1,∞) (x, y) .
x2 y 2
Să considerăm transformarea bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D, unde ∆ =
{(u, v) ∈ [1, ∞) × (0, ∞) : u1 ≤ v ≤ u} iar D = [1, ∞) × [1, ∞), cu Φ dată de
 
 u = x · y,  x = u1/2 v 1/2 = Φ1 (u, v) ,
⇔
v = x/y y = u1/2 v −1/2 = Φ2 (u, v)
 
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 )
sunt independente distribuite normal189 standard N(0, 1).

189 Aceasta este metoda Box-Muller de a genera v.a. distribuite normal folosind v.a. distribuite
uniform pe (0, 1). Vezi s, i Exercit, iului 3.6.62.
O altă metodă de a genera v.a. distribuite normal, dar fără a utiliza funct, ii trigonometrice,
def
este următoarea:
q fie X, Y q∼ U [−1, 1] două v.a. independente s, i S == X 2 + Y 2 . Atunci, v.a.
U = X −2 S , V = Y −2 lnSS sunt independente s, i repartizate normal standard.
ln S
Rezolvare:
 √
 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
Transformarea inversă este deci


u2 +v 2
 x = e− 2 ,


 arccos √u2u+v2
 y=

2π
−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).
3.6.54 Vectorul aleator (X, Y ) este dat prin densitatea de repartit, ie

1
f (x, y) = (x + 4y) 1(0,2)×(0,1) (x, y) .
6
Să se arate că f este o densitate. Să se determine s, i densităt, ile de repartit, ie
marginale. Sunt v.a. X, Y independente?
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
Densităt, ile marginale sunt

Z ∞ Z 1
1
fX (x) = f(X,Y ) (x, y) dy = 1(0,2) (x) (x + 4y) dy
−∞ 6 0
1 y=1 x+2
= 1(0,2) (x) xy + 2y 2 = 1(0,2) (x) ,
6 y=0 6
Z ∞ Z 2
1
fY (y) = f(X,Y ) (x, y) dx = 1(0,1) (y) (x + 4y) dx
−∞ 6 0
2
1 x x=2 4y + 1
= 1(0,1) (y) + 4xy = 1(0,1) (y) .
6 2 x=0 3
V.a. X s, i Y nu sunt independente deoarece f(X,Y ) (x, y) 6= fX (x) · fY (y) .
3.6.55 Vectorul aleator (X, Y ) este dat prin densitatea de repartit, ie190
f (x, y) = Ce−λx 1{x≥0,|y|≤x} , cu λ > 0.
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.
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.
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


Observăm că X ∼ Gamma (2, λ), deoarece Γ (2) = 1, s, i Y este distribuită
Laplace de parametri λ1 > 0 s, i 0.
f (x, y) = λ2 e−λx 1{0<y<x} , cu λ > 0.
Să se determine densităt, ile de repartit, ie marginale. Sunt v.a. X, Y independen-

te? Să se determine s, i densitatea vectorului (Y − X, Y ) .
Rezolvare:
Z ∞ Z x
fX (x) = λ2 e−λx 1{0<y<x} dy = λ2 e−λx 1(0,∞) (x) dy
−∞ 0
= λ2 xe−λx 1(0,∞) (x) ,

Z ∞ Z ∞
fY (y) = λ2 e−λx 1{0<y<x} dx = λ2 e−λx 1(0,∞) (y) dx
−∞ y
∞
e−λx x=∞
Z
= −λx
e dx = λ2 1(0,∞) (y) = λe−λy 1(0,∞) (y) .
−λ x=y

y

Prin urmare, X ∼ Gamma (2, λ), deoarece Γ (2) = 1, s, i Y ∼ Exp (λ) .
Să considerăm transformarea bijectivă Φ = (Φ1 , Φ2 ) : ∆ → D, unde ∆ =
(−∞, 0) × (0, ∞) iar D = {(x, y) : 0 < y < x}, dată de
 
 u = y − x,  x = Φ1 (u, v) = v − u,
⇔
v=y y = Φ2 (u, v) = v
 

−1 1

cu determinantul Jacobian JΦ (u, v) = = −1.

0 1
Obt, inem, pentru (u, v) ∈ ∆,
f(U,V ) (u, v) = |−1| f(X,Y ) (v − u, v) = λ2 e−λ(v−u) 1(−∞,0)×(0,∞) (u, v) .

f (x, y) = λ2 e−λx 1[0,x] (y) , cu λ > 0.
Să se arate că f este o densitate. Să se determine s, i densităt, ile de repartit, ie
marginale. Sunt v.a. X, Y independente?
Rezolvare:
Avem ZZ Z ∞ Z x
f (x, y) dxdy = λ2 e−λx dy dx = 1.
R2 0 0
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
deoarece 1[0,x] (y) = 1[y,∞) (x) .

Observăm că v.a. X s, i Y nu sunt independente deoarece f(X,Y ) (x, y) 6=
fX (x) · fY (y) .
1
f(X,Y ) (x, y) = .
π2 (1 + x2 ) (1 + y2 )
Să se găsească funct, ia de repartit, ie precum s, i P ((X, Y ) ∈ D), unde D = [0, 1] ×

[0, 1]. Să se determine s, i funct, iile de repartit, ie marginale s, i densităt, ile de repar-
tit, ie marginale. Sunt v.a. X, Y independente?
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 .
Să calculăm acum FX , FY , fX , fY .

Avem
FX (x) = limy→∞ F(X,Y ) (x, y)

1 1 1 1 1 1
= limy→∞ arctan (x) + arctan (y) + = arctan (x) + ,
π 2 π 2 π 2
1 1
FY (y) = limx→∞ F(X,Y ) (x, y) = arctan (y) +
π 2
s, i
Z ∞ y=∞
dy 1
fX (x) = = arctan (y)

π 2 (1 + x2 ) (1 + y 2 ) π 2 (1 + x2 )

−∞ y=−∞
1
= ,
π (1 + x2 )
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) .
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:
 y 
1
 u = 1+x,
  x = − 1,

⇔ v
1  y=u
v=

 
1+x v

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
Rezolvare:
  uv
 u = x + y,
  x=
 ,
1+v
x ⇔
 v=
  y= u

y 1+v

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)
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)
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
pentru orice u, v > 0.

∂2F
Avem că f(U,V ) (u, v) = ∂u∂v (u, v) deci
1
f(U,V ) (u, v) = ue−u 2 .
(1 + v)
Densitatea marginală este dată de

Z ∞
1
fU (u) = ue−u 2 dv = ue
−u
, u > 0,
0 (1 + v)
Z ∞
1 1
fV (v) = ue−u 2 du = 2, v > 0.
0 (1 + v) (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
fU,V (u, v) = fU (u) fV (v) .
Se pot calcula fX+Y s, i fX/Y folosind s, i formulele (3.71) s, i (3.76).

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.
sunt de asemenea independente.
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 cazul lui D2 obt, inem

3π π π
y<0 ⇔ θ ∈ (π, 2π) ⇔ θ− ∈ − , ,
2 2 2
deci
3π −1 3π
tan θ − = ≥ −v ⇔ θ≥ − arctan (v) .
2 tan (θ) 2
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).

Atunci, integrala dublă este

ZZ ZZ
1 2 +y 2
− x 2σ 1 x2 +y 2
F(U,V ) (u, v) = 2
e 2
dxdy + 2
e− 2σ2 dxdy
2πσ D1 2πσ D2

1 u
π 3π
= 1 − e− 2σ2 π − + arctan (v) + 2π − + arctan (v)
2π 2 2
1 u

= 1 − e− 2σ2 (π + 2 arctan (v)) ,
2π
deci
∂2F 1 − u2 1
f(U,V ) (u, v) = (u, v) = 2
e 2σ ,
∂u∂v 2πσ 1 + v2
ceea ce demonstrează că U s, i V sunt independente.
3.6.64 Vectorul aleator (X, Y ) este dat prin densitatea de repartit, ie (3.96). Să se
calculeze P (X < 2Y ), P (X > 1) s, i P (X = Y ).
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
Densitatea marginală este dată de

Z ∞
fX (x) = e−x−y dy = e−x , x ≥ 0,
0
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}
3.6.65 Vectorul aleator (X, Y ) este repartizat constant în pătratul de latură a s, i

nul în afara lui. Să se determine f(X,Y ) (x, y), F(X,Y ) (x, y) precum s, i densităt, ile
marginale fX , fY . Să se stabilească dacă X s, i Y sunt independente.
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.
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
deci X s, i Y sunt v.a. independente.

3.6.66 Funct, ia f (x, y) este constantă în interiorul unui cerc de rază r s, i nulă
în afară. Să se determine f astfel încât să fie o densitate de repartit, ie pentru
vectorul aleator (X, Y ). Să se calculeze s, i densităt, ile marginale fX , fY .
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
este un disc de rază r centrat în origine.

√
Z r 2 −x2
1 2 p
fX (x) = √ 2
1[−r,r] (x) dy = 2 r2 − x2 1[−r,r] (x)
− r 2 −x2 πr πr
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
Din condit, ia impusă obt, in

2 √
0.95 = 1 − e−R /2
⇔ R= 2 ln 20.
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-
sional192 cu densitatea de repartit, ie

1 − (x−a)2 +(y−b) 2
f (x, y) =e 2σ2 , pentru (x, y) ∈ R2 ,

2πσ2
unde (a, b) reprezintă coordonatele t, intei.
Să se calculeze probabilitatea ca toate săget, ile să fie trase în cercul de rază
R s, i centru (a, b).
Rezolvare:
Fie D discul de rază R s, i centru (a, b). Să notăm
ZZ
1 − (x−a)2 +(y−b) 2
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
Densitatea de repartit, ie a razei este deci

R − R22
f (R) = G0 (R) = e 2σ .
σ2
3.6.69 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-
sional cu densitatea de repartit, ie
1 − x2 +y2 2
f (x, y) = e 2σ , pentru (x, y) ∈ R2 .
2πσ2
192 În general, dacă un vector aleator bidimensional Z = (X, Y ) : Ω → R2 are densitatea de
1 T −1
repartit, ie fZ (z) = √ 1
2
e− 2 (z−µ) Σ (z−µ) , pentru orice z ∈ R2 , unde µ ∈ R2 iar
(2π) det(Σ)
Σ ∈ M2 (R) este o matrice simetrică, pozitiv semi-definită s, i inversabilă, atunci spunem că Z
urmează distribut, ia normală bidimensională de parametri µ s, i Σ, s, i scriem Z ∼ N2 (µ, Σ).
În acest caz vom obt, ine că parametrul µ este media vectorului aleator Z iar Σ este matricea de
covariant, ă asociată vectorului aleator Z, dată de definit, ia (3.59).
!
σ2 0
În cazul problemei noastre µ = (a, b) iar Σ = .
0 σ2
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 ∆
unde ∆ = {(ρ, θ) : ρ ∈ [0, R] , θ ∈ [0, 2π]}.

Notăm cu P pătratul cu centrul în origine. Atunci, P ((X, Y ) ∈ P) este dată
de o integrală dublă cu acelas, i integrand dar calculată pe un alt domeniu ∆.
ρ
Observăm că integrandul ρ2 este o funct, ie descrescătoare în raport cu ρ,
e 2σ2
deci integrala este mai mare dacă ρ este mai mic.
În cazul discului avem √ ρ ≤ R, iar în cazul pătratului ρ poate lua valoa-
rea maximă (în colt, uri) R 2 > R, deci integrala dublă este mai mare în cazul
discului.
3.6.2 Valori medii. Momente

3.6.70 Fie X, Y două v.a. independente. Să se arate că
D2 (XY ) = D2 (X) D2 (Y ) + [E (X)]2 D2 (Y ) + [E (Y )]2 D2 (X) .

Dacă X ∼ N 0, σ2 s, i Y ∼ N 1, σ2 , să se calculeze D2 (XY ) .
Rezolvare:
Avem
2
D2 (XY ) = E[ (XY ) ] − [E (XY )]2 = E(X 2 )E(Y 2 ) − [E (X)]2 [E (Y )]2
2 2
= (D2 (X) + [E (X)] )(D2 (Y ) + [E (Y )] ) − [E (X)]2 [E (Y )]2
= D2 (X) D2 (Y ) + [E (X)]2 D2 (Y ) + [E (Y )]2 D2 (X) .
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.
Rezolvare:
S∞
Deoarece n=0 {n ≤ X < n + 1} = Ω avem că
X∞
P (n ≤ X < n + 1) = 1.
n=0
Să definim acum v.a. discrete Y = n, dacă X ∈ [n, n + 1) s, i Z = n + 1, dacă

X ∈ [n, n + 1).
Evident
Y ≤X<Z
s, i deci
E (Y ) ≤ E (X) ≤ E (Z) .
Pe de altă parte,
X∞ X∞
E (Y ) = nP (Y = n) = nP (n ≤ X < n + 1) = λ
n=0 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
P (16 < X < 44) ≥ 45/49.
Rezolvare:
Din inegalitatea (2.43) a lui Cebâs, ev obt, inem
42 45
P (|X − 30| < 14) ≥ 1 − 2
= .
14 49
3.6.73 Fie X, Y v.a.

independente
astfel încât X ∼ N(1, 4) s, i Y ∼ U [0, 2]. Să se
calculeze E X 2 , E X 2 − Y 2 , D2 (X + Y ), D2 (X − Y ).
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.
3.6.74 Fie X o v.a. a cărei densitate de repartit, ie este:

a
(a) f (x) = c ln 1[0,a) (x) , (b) f (x) = |x| 1(−1,1) (x) ,
x
(c) f (x) = (1 − |1 − x|) 1(0,2) (x) , (d) f (x) = 2x 1(0,1) (x) ,
1
(e) f (x) = ce− σ 1[0,∞) (x) , cu σ > 0, (f ) f (x) = 1{|x−1|≤c} .
x
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
Folosind limita limx→0 x ln x = 0 obt, inem c = 1/a.

2
Apoi E (X) = a4 s, i E X 2 = a9 .

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 .

3.6.75 Fie X o v.a. a cărei densitate este

1
f (x) = 1(−π/2,π/2) (x) cos x.
2
Să se calculeze valoarea medie s, i dispersia v.a. X s, i Y = |sin X|.
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:
Folosind definit, ia obt, inem

Z Z ∞
x
E (X) = xf (x) dx = dx
R −∞ π (1 + x2 )
Z b x=b
x 1 2
= lima→−∞ dx = lima→−∞ ln 1 + x .
π (1 + x2 ) 2π

b→∞ a b→∞ x=a
Observăm că, alegând s, irurile an = −n, bn = n, limita devine

x=n
limn→∞ ln 1 + x2 =0
x=−n
iar pentru an = −n, bn = 2n, limita devine

x=2n 1 + 4n2
limn→∞ ln 1 + x2 = limn→∞ ln = ln 4,
x=−n 1 + n2
ceea ce arată că limita depinde de s, irurile alese an s, i bn astfel încât an → −∞
x
s, i bn → ∞, adică x 7→ π(1+x 2 ) nu este integrabilă Riemann pe R.
Deci v.a. distribuită Cauchy este un exemplu de v.a. continuă193 a cărei

medie nu există.
Să ment, ionăm că, de fapt, pentru a arăta că v.a. X nu admite medie este
suficient să studiem existent, a mediei E (|X|) . Astfel, în cazul unei v.a. de tip
Cauchy,
1 ∞ |x|
Z Z
E (|X|) = |x| f (x) dx = dx
R π −∞ 1 + x2
2 ∞ x ∞
Z
1 2
= dx = ln 1 + x = ∞.
π 0 1 + x2 π 0
Prin urmare, v.a. X nu admite medie.

193 Un exemplu de v.a. discretă a cărei medie nu există este dat de v.a. X cu valorile X (Ω) = Z∗
3
s, i cu probabilităt, ile P (X = n) = 2 2 , n ∈ Z∗ .
π n
Într-adevăr, se verifică, mai întâi, că
X X 3 3 X 1 6 X∞ 1
∗
P (X = n) = = 2 = 2 = 1.
n∈Z n∈Z∗ π 2 n2 π n∈Z∗ n2 π n=1 n2
Pe de altă parte, având în vedere că
X 3 X 1 6 X∞ 1
E (|X|) = |n| P (X = n) = 2 = 2 = ∞,
n∈Z∗ π n∈Z∗ |n| π n=1 n
deducem că v.a. discretă X nu admite medie.

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
Să folosim un criteriu de convergent, ă pentru integrale improprii. Avem:



 1, dacă a + α = 2,
xa xa+α


limx→∞ xα · = limx→∞ = 0, dacă a + α < 2,
1 + x2 1 + x2 


∞, dacă a + α > 2.

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) .
3.6.78 Să se calculeze media v.a. Y = cos X, unde X ∼ U [0, 2π].
Rezolvare:
Avem
Z Z 2π
1
E (cos X) = cos (x) f (x) dx = cos (x) dx = 0.
R 2π 0
3.6.79 Fie X o v.a. cu densitatea de repartit, ie fX (x) = ae−|x| , x ∈ R. Să se

determine a s, i apoi să se calculeze media E (X), dispersia D2 (X) s, i deviat, ia
standard D (X).
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
deci a = 1/2, adică X este o v.a. distribuită Laplace de parametri 1 s, i 0.

Funct, ia xe−|x| este impară, deci
Z ∞ Z 0 Z ∞
1 1 1
E (X) = xe−|x| dx = xe−|x| dx + xe−|x| dx
2 −∞ 2 −∞ 2 0
Z ∞ Z ∞
1 1
= xe−x dx − xe−x dx.
2 0 2 0
Aplicăm un criteriu de convergent, ă: pentru orice α > 1, obt, inem
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
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:
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
se determine a s, i să se calculeze momentele µk de ordin k.
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)
3.6.83 Se dă densitatea de repartit, ie f (x) = axn e−α x 1(0,∞) (x). Să se deter-
2 2
mine a s, i α astfel încât f fie densitatea de repartit, ie a unei v.a. cu media m.
Rezolvare:
2αn+1 Γ( n+2
2 )
Se obt, ine a = Γ( n+1
, α= mΓ( n+1
.
2 ) 2 )
3.6.84 Fie v.a. X ∼ U [0, 1] . Să se calculeze E (|X − E (X)|) s, i

ZZ
|x − y| fX (x) fX (y) dxdy.
R2
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
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)
Aplicăm inegalitatea (2.43) a lui Cebâs, ev:

m+1
P (|X − (m + 1)| < ) ≥ 1 −
2
s, i obt, inem, luând = m + 1,
m
P (0 < X < 2 (m + 1)) ≥ .
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:
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
Deoarece ν1 = 0 s, i ν2 = σ2 , obt, inem, pentru orice k ∈ N∗ ,
(3.97) ν2k+1 = 0 s, i ν2k = 1 · 3 · . . . · (2k − 1) · σ2k = (2k − 1)!! · σ2k .
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
E (|X − µ|) = |x − µ| f (x) dx = √ e 2σ2 dx

R −∞ 2πσ2
Z ∞ √ √ Z
1 − (√2σt)2 √ 2 2σ ∞ −t2
=√ 2σt e
2σ 2
2σdt = √ te dt
2πσ2 −∞ π 0
√ 2 √
2 2σ e−t x=∞ 2σ
= √ = √ .
π −2 x=0 π

3.6.90 Să se calculeze momentele absolute

2r 2r+1
β2r = E |X| s, i β2r+1 = E |X|
în cazul v.a. X ∼ N(0, 1).
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
√
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)

Z 1
1 q−1 1
E (X) = xp (1 − x) dx = β (p + 1, q)
β (p, q) 0 β (p, q)
Γ (p + q) Γ (p + 1) Γ (q) Γ (p + q) pΓ (p) Γ (q) p
= = = .
Γ (p) Γ (q) Γ (p + q + 1) Γ (p) Γ (q) (p + q) Γ (p + q) p+q
pq
Dispersia este dată de D2 (X) = (p+q)2 (p+q+1)
, deoarece
Z 1
2 1 q−1 1
xp+1 (1 − x)

E X = dx = β (p + 2, q)
β (p, q) 0 β (p, q)
Γ (p + q) Γ (p + 2) Γ (q) p (p + 1)
= = .
Γ (p) Γ (q) Γ (p + q + 2) (p + q) (p + q + 1)
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
ν3 = µ3 − 3µ1 µ2 + 2µ31 = p (p + 1) (p + 2) − 3p2 (p + 1) + 2p3 = 2p.
3.6.93 Fie o v.a. repartizată Student X ∼ t (n). Să se calculeze momentele µk

de ordin k s, i momentele centrale νk de ordin k ale v.a. X.
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
−∞
Z ∞ Z ∞
= x2k+1 f (x) dx − x2k+1 f (x) dx
0 0
(integrandul fiind funct, ie impară).

− n+1
x2 xα+2k+1
2
n+1
α+2k+1
x 1+ =n 2 .
n − n+1
(x2 + n) 2
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
ν2k+1 = µ2k+1 = 0, pentru orice k ∈ N astfel încât n > 2k + 1
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
(integrandul fiind funct, ie pară).

Aplicând un criteriu de convergent, ă, observăm că
− n+1
x2 xα+2k
2
n+1
α+2k
x 1+ =n 2 .
n − n+1
(x2 + n) 2
α+2k
x
Luând α = n + 1 − 2k obt, inem limx→∞ n+1 = 1 ∈ (0, ∞), deci integrala
(x2 +n)− 2
R∞ 2
− n+1
2
improprie 0 xα+2k 1 + xn dx este convergentă dacă n > 2k s, i diver-
gentă dacă n ∈ (0, 2k]. Obt, inem că media E(X 2k ) există s, i este finită doar dacă
n > 2k.
Să presupunem că n > 2k. Facem schimbarea de variabilă √x = y, deci

√ n
dx = ndy. Obt, inem
Z ∞
µ2k = 2C0 x2k+1 f (x) dx
0
√
Z ∞ − n+1
2k+1
= 2C0 n y 2k 1 + y 2 2
dy.
0
În integrala binomă facem substitut, ia
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
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
Să calculăm, folosind aceeas, i substitut, ie,

Z ∞ m+n
m − 2
Z
m
µk = k
x f (x) dx = C0 xk+ 2 −1 1 + x
R 0 n
Z 1 k+ m −1 m
k+ 2 −1 − m+n
n 2 x0 1 2
n dx0
= C0
0 m 1 − x0 1 − x0 m (1 − x0 )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
Deci, pentru n > 2k,

n k Γ m + k Γ n − k
2 2
µk =
Γ m n

m 2 Γ 2
n k m + k − 1 m + k − 2 · . . . · m · Γ m · Γ n − k
2 n2 n 2 2 n 2
=
Γ m n

m 2 · 2 2 − 1 · . . . · 2 − k · Γ 2 − k
n k m (m + 1) · . . . · (m + 2k − 2)
= .
m (n − 2k) (n − 2k + 1) · . . . · (n − 2)

3.6.96 Fie X, Y două v.a. independente astfel încât X, Y ∼ N 0, σ2 s, i V =
√
X 2 + Y 2 . Să se determine densitatea de repartit, ie fV s, i să se calculeze dis-
persia v.a. V .
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
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
Deci D2 (V ) = 2σ2 − πσ2 /2.

3.6.97 Fie X, Y două v.a. independente astfel încât X, Y ∼ N 0, σ2 . Să se
determine media s, i dispersia v.a.
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
FU (u) = P (|X| ≤ u, |Y | ≤ u) = P (|X| ≤ u) · P (|Y | ≤ u)

2
= (FX (u) − FX (−u)) (FY (u) − FY (−u)) = (FX (u) − FX (−u)) ,
dacă u > 0 s, i FU (u) = 0, dacă u ≤ 0.

Deci
fU (u) = FU0 (u) = 2 (FX (u) − FX (−u)) (FX

0 0
(u) + FX (−u)) 1(0,∞) (u)
4 u2
=√ e− 2σ2 (FX (u) − FX (−u)) 1(0,∞) (u) ,
2πσ2
deoarece
1 u2
(3.99) 0
FX 0
(u) = FX (−u) = √ e− 2σ2 .
2πσ2
Să calculăm
Z ∞
4 u2
E (U ) = √ ue− 2σ2 (FX (u) − FX (−u)) du
2πσ2 0
u2 0
∞
e− 2σ2
Z
4
=√ (FX (u) − FX (−u)) du
2πσ2 0 − σ12
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
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
FV (v) = 1 − P (min (|X| , |Y |) ≥ v)

= 1 − P (|X| ≥ v, |Y | ≥ v)
= 1 − P (|X| ≥ v) · P (|Y | ≥ v)
= 1 − (1 − P (|X| ≤ v)) · (1 − P (|Y | ≤ v))
2
= 1 − [1 − (FX (v) − FX (−v))] ,
dacă v > 0 s, i FV (v) = 0, dacă v ≤ 0.

Deci, folosind (3.99) s, i identitatea 1 − FX (v) = FX (−v), deducem
fV (v) = FV0 (v)

0
= 2 (1 − (FX (v) − FX (−v))) (FX 0
(v) + FX (−v)) 1(0,∞) (v)
8 v2
=√ e− 2σ2 FX (−v) 1(0,∞) (v) .
2πσ2
Media este
Z ∞
8 v2
E (V ) = √ ve− 2σ2 FX (−v)dv
2πσ2 0
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).
(a) Să se determine legea v.a. SN .

(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 că194
(3.100) E (SN ) = E (N ) E (X1 ) .
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
(b) Conform formulei precedente, în cazul A = (x, ∞) , s, i a formulei (3.20)

de calcul a mediei unei v.a. continue nenegative folosind funct, ia de repartit, ie,
avem195
Z ∞
E (SN ) = P (SN > x) dx
0
Z ∞ X∞
= P (Sn > x) P (N = n) dx
0 n=0
X∞ Z ∞
= P (Sn > x) P (N = n) dx
n=0 0
X∞ Z ∞
= P (N = n) P (Sn = x) dx
n=0 0
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 (3.100).

Pentru o altă demonstrat, ie a formulei (3.100), în cazul unui s, ir de v.a. nene-
gative (Xn )n∈N∗ oarecare (nu neapărat continue), vezi [34, Theorem 5.5] (caz în
care trebuie să folosim egalitatea (5.11) care ne permite ca media să comute cu
o sumă infinită de v.a.). Aceeas, i metodă este utilă s, i în determinarea formulei
de calcul a dispersiei sumei SN cu un număr aleator de termeni.
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
se numes, te funct, ia generatoare de probabilităt, i asociată acestei distribut, ii.

Funct, ia t 7→ GX (t) este definită doar pentru acei t pentru care media E tX există s, i
este finită.
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
De asemenea, are loc
G0X (1) = E (X) s, i G00X (1) = E [X (X − 1)] .
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
GX+Y (t) = E tX+Y = E tX · E tY = GX (t) · GY (t) .

Remarca 4.5 Evident, dacă X, Y sunt două v.a. independente, atunci

1
GX−Y (t) = GX (t) · GY .
t

Definit, ia 4.6 Dacă X este o v.a. (nu neapărat discretă), atunci media
MX (t) = E etX

se numes, te funct, ia generatoare de momente asociată acestei distribut, ii.

Funct, ia t 7→ MX (t) este definită doar pentru acei t pentru care media E etX există
s, i este finită.
427
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

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:
(a) MX (t) = ∞, pentru orice t ≥ λ;

λ
(b) MX (t) = , pentru orice t < λ.
λ−t
Obt, inem, pentru t 6= λ,
Z ∞ x=∞
e(t−λ)x λ (t−λ)∞
MX (t) = et x λe−λx dx = λ = e −1
0 t − λ x=0
t−λ
196 Dacă f : R+ → R este o funct, ie integrabilă, atunci funct, ia f˜ : R → R dată de
Z ∞
def
f˜ (t) == e−tx f (x) dx
0
se numes, te transformata Laplace a funct, iei f.
Astfel, în cazul în care X ia valori nenegative, are loc următoarea legătură între funct, ia genera-
toare de momente s, i transformata Laplace a densităt, ii:
MX (t) = f˜X (−t) , t ∈ R.
429
s, i astfel obt, inem concluzia (vezi s, i pagina 443).
Exercit, iul 4.11 Fie v.a. X ∼ C (0, 1) s, i a > 0. Să se arate că:
(a) MX (t) = ∞, pentru orice t 6= 0;
(b) E (|X| a ) < ∞ dacă s, i numai dacă a ∈ (0, 1) .
Să observăm, mai întâi, că

∞ ∞
etx + e−tx
Z Z
tX
tx 1 1
MX (t) = E e = e dx = dx.
−∞ π (1 + x2 ) π 0 1 + x2
Să folosim un criteriu de convergent, ă pentru integrale improprii. Având în vedere că
tx
+e−tx
limx→∞ xα · e 1+x 2 = ∞ > 0, pentru orice α ≤ 1 s, i orice t 6= 0, deducem că
integrala MX (t) este divergentă. Mai mult, obt, inem că
1 ∞ etx + e−tx
Z
MX (t) = dx = ∞, pentru orice t 6= 0.
π 0 1 + x2
În ceea ce prives, te momentul absolut de ordin a, vezi Exercit, iul 3.6.77.
Exercit, iul 4.12 Fie v.a. X ∼ Pareto(1, a). Să se arate că:
(a) MX (t) = ∞, pentru orice t > 0;
(b) MX (t) < ∞, pentru orice t ≤ 0;
(c) E (X n ) < ∞ dacă s, i numai dacă a > n.
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
În ceea ce prives, te media avem

Z ∞ ∞
n n a xn−a 1 n−a

E (X ) = x a+1 dx = a
x n − a = n−a ∞ −1 ,
1 1
deci E (X n ) < ∞ dacă s, i numai dacă (n − a) < 0.
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,
X este o v.a. care admite medie dar nu admite dispersie

(dispersia există, dar este infinită).

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
L0X (0) = E (X) s, i L00X (0) = D2 (X) .

4.1. Funcţia caracteristică 431
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
MX+Y (t) = MX (t) · MY (t) .
MX+Y (t) = E et(X+Y ) = E etX · E etY = MX (t) · MY (t) .

MX−Y (t) = MX (t) · MY (−t) .
Remarca 4.19 Atât funct, ia generatoare de probabilităt, i cât s, i funct, ia genera-

toare de momente au proprietatea că sunt unice pentru fiecare distribut, ie în
sensul următor: dacă două v.a. discrete au aceeas, i funct, ie generatoare de pro-
babilităt, i, atunci cele două v.a. sunt identic distribuite (vezi Definit, ia 2.17);
similar, dacă două v.a. (discrete sau continue) au aceeas, i funct, ie generatoare
de momente, atunci cele două v.a. sunt identic distribuite.
4.1 Funct, ia caracteristică

Evident, v.a. etX poate să nu admită medie pentru orice t ∈ R. De exemplu,
o v.a. distribuită Cauchy, de tip C (0, 1), nu admite funct, ie generatoare de mo-
mente în nici un punct t 6= 0 (vezi Exercit, iile 4.10 - 4.12). În acest sens se poate
utiliza o altă funct, ie, strâns legată
de funct, ia generatoare de momente, mai
precis, funct, ia MX (it) = E eitX care este bine definită pentru orice t ∈ R.
Definit, ia 4.20 Fie v.a. X : Ω → R. Funct, ia ϕX : R → C definită de

def
ϕX (t) == MX (it), t∈R
se numes, te funct, ia caracteristică asociată v.a. X.

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
Remarca 4.21 Având în vedere definit, ia exponent, ialei complexe

ea+ib = ea (cos b + i sin b) , a, b ∈ R,
putem scrie
ϕX (t) = E cos (tX) + iE sin (tX) , t ∈ R.
Prin urmare,
E eitX ≤ E eitX = E (1) = 1,

t ∈ R,

deoarece eitX(ω) = 1, pentru orice t ∈ R s, i ω ∈ Ω.

Deci v.a. eitX este integrabilă, i.e. media E eitX există pentru orice t ∈ R,
adică funct, ia ϕX este bine definită pe R.
 
xk
Remarca 4.22 (i) Dacă X este v.a. discretă cu tabloul X :   ,
pk ∗ k∈I⊆N
atunci are loc formula de calcul
X
ϕX (t) = eitxk pk .
k∈I
(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.
Propozit, ia 4.23 Fie X o v.a. s, i ϕX funct, ia ei caracteristică. Atunci,
(i) |ϕX (t)| ≤ ϕX (0) = 1, t ∈ R,
(ii) ϕX (−t) = ϕ−X (t) = ϕX (t), t ∈ R,
(iii) ϕX este funct, ie uniform continuă în orice t ∈ R.
Demonstrat, ie. (i) Aplicând inegalitatea lui Jensen198 deducem
|ϕX (t)| = E eitX ≤ EeitX = 1, t ∈ R.

(ii) ϕX (−t) = ϕ−X (t) = E e−itX = E cos (tX) − iE sin (tX) = ϕX (t).

(iii) Să calculăm
|ϕX (t1 ) − ϕX (t2 )| = E eit1 X − E eit2 X ≤ Eeit1 X − eit2 X

= Eeit2 X ei(t1 −t2 )X − 1 = Eei(t1 −t2 )X − 1.

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
lim→0 sup|t1 −t2 |≤ Eei(t1 −t2 )X − 1 = 0,

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)) .
Propozit, ia 4.24 Fie X, Y două v.a. cu ϕX , ϕY funct, iile lor caracteristice. Dacă X, Y
sunt independente, atunci
(4.1) ϕX+Y (t) = ϕX (t) · ϕY (t) , pentru orice t ∈ R.
ϕX+Y (t) = E eit(X+Y ) = E eitX · E eitY = ϕX (t) · ϕY (t) .

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
În particular, dacă v.a. (Xk )k=1,n sunt de tip i.i.d., atunci

n
(4.3) ϕX1 +...+Xn (t) = [ϕX1 (t)] , pentru orice t ∈ R,
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.
Remarca 4.28 Dacă X este o v.a. cu funct, ia caracteristică ϕX , atunci v.a. aX +b

are funct, ia caracteristică
ϕaX+b (t) = E eit(aX+b) = eitb E eiatX = eitb ϕX (at) ,

t ∈ R.
ϕX−Y (t) = ϕX (t) · ϕY (−t) .

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 .
În cazul particular α = β = 2 se obt, ine inegalitatea Cauchy-Schwarz:

2
≤ E |X|2 · E |Y |2 .

E |XY |
În cazul k = 1 obt, inem, aplicând teorema de derivare sub integrală201 ,

0 0
ϕ0X (t) = E(eitX ) = E eitX = E iX eitX

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).
Remarca 4.32 Obt, inem formula de calcul a momentelor de ordinul 1 s, i 2 folo-

sind funct, ia caracteristică:
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:
dacă două v.a. au aceeas, i funct, ie caracteristică,

(4.6)
atunci sunt identic distribuite.
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.
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
atunci F (x) = G (x) , pentru orice x ∈ 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
(ii) în particular, pentru orice a < b puncte de continuitate pentru funct, ia de

repartit, ie FX ,
Z T −itb
1 e − e−ita
(4.7) FX (b) − FX (a) = limT →∞ · ϕX (t) dt;
2π −T −it
R
(iii) dacă R |ϕX (t)| dt < ∞, atunci v.a. X este de tip continuu cu densitatea
0
de repartit, ie fX = FX mărginită dată de
Z
1
(4.8) fX (x) = e−itx · ϕX (t) dt;
2π R
204 Este esent, ial ca egalitatea funct, iilor caracteristice să aibă în orice punct din R. Egalitatea
d
ϕX (t) = ϕY (t) , pentru orice t ∈ (a, b) R nu este suficientă pentru a obt, ine X =
= Y (e-
xistă exemple în acest sens, vezi [30, Example 4.3.1]).
(iv) dacă P (X = a) > 0, atunci

Z T
1
P (X = a) = limT →∞ e−ita · ϕX (t) dt.
2π −T
Remarca 4.34 Concret, în unele probleme, se procedează astfel. Se dau două

v.a. X, Y.
• Se s, tie tipul de distribut, ie al v.a. X s, i se calculează ϕX .
• Nu se s, tie tipul de distribut, ie al v.a. Y dar se poate calcula ϕY (folosind,

de exemplu, modul de definire al v.a. Y ).
• Se observă că ϕX (t) = ϕY (t) , pentru orice t ∈ R.
• Atunci, se poate trage concluzia că tipul de distribut, ie al v.a. Y este

acelas, i cu tipul v.a. X, adică X s, i Y sunt identic distribuite.

4.2.1 Să se calculeze funct, ia caracteristică
 s, i apoi media
 s, i dispersia (cu ajutorul
−1 1
funct, iei caracteristice) asociate v.a. X :  .
 
1 1 
2 2
Rezolvare:
Avem205
1 1 1 it
ϕX (t) = eit(−1) + eit = e + e−it = cos t.

2 2 2
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
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:
(a) X ∼ B (n, p) , (b) X ∼ P (λ) , (c) X ∼ G (p) ,
(d) X ∼ NegB (r, p) (e) X ∼ U [a, b] , (f ) X ∼ Exp (λ) ,
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
Deci, folosind binomul lui Newton,

n
(4.9) ϕB(n,p) (t) = peit + q .
Evident,
(4.10) ϕBernoulli(p) (t) = peit + q.
(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 .
Astfel, obt, inem
ϕ0X (0) 1 n−1

E (X) = = n peit + q ipeit = np

i i t=0
s, i
ϕ00X (0) 1 n−1 0

E(X 2 ) = = ipn peit + q eit
i2 −1 t=0
n−2 n−1 it
= −ipn i (n − 1) peit + q peit + i peit + q e
t=0
2 2

= −ipn ip (n − 1) + i = −ipn (ipn + iq) = n p + npq,
deci D2 (X) = npq.

Reamintim, vezi Propozit, ia 2.105, că dacă luăm v.a. (Xk )k=1,n de tip i.i.d. s, i
distribuite Bernoulli,
not
Xn
Xk ∼ Bernoulli (p) = B (1, p) , k = 1, n ⇒ Sn == Xk ∼ B (n, p) .
k=1
Acestrezultatse poate obt, ine s, i folosind funct, ia caracteristică. Într-adevăr,

0 1
Xk :   , deci ϕXk (t) = qe0 + peit s, i, folosind formula (4.3), obt, inem
q p
Yn n
ϕSn (t) = ϕXk (t) = peit + q .
k=1
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)
.
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
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
În particular, dacă X ∼ U [−a, a] , obt, inem206
1 eita − e−ita sin (at)

(4.15) ϕU[−a,a] (t) = = ,
2a it at
iar dacă X ∼ U [−1, 1] , obt, inem
sin t
(4.16) ϕU[−1,1] (t) = ,
t
dacă t 6= 0 s, i respectiv ϕX (t) = 1, dacă t = 0.

Deci în acest caz v.a. X este simetrică (adică X s, i −X urmează aceeas, i
distribut, ie) iar funct, ia caracteristică asociată este o funct, ie cu valori reale.
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
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
Deoarece λ > 0, obt, inem
limx→∞ |e−(λ−it)x | = limx→∞ e−λx |eitx | = limx→∞ e−λx = 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].
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.
Folosim apoi legătura X = σY + µ precum s, i Remarca 4.28 pentru a deduce

că
ϕX (t) = ϕσY +µ (t) = eitµ ϕY (σt) ,
deci209
σ 2 t2
(4.19) ϕN(µ,σ2 ) (t) = eitµ− 2 .

σ2 t2
ϕ0X (t) = iµ − 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].
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
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
deci D2 (X) = 2nσ4 .

1
4.2.4 Fie v.a. X ∼ U [0, 1] s, i U = 1000 ln . Să se determine funct, ia caracteris-
X
tică a v.a. X s, i U s, i apoi, folosind funct, ia caracteristică, să se determine tipul
de distribut, ie al v.a. V = 2X − 1.
 1 1 
− k
 2 2k 
4.2.5 Dacă v.a Xk :   , k ∈ N∗ , sunt v.a. independente, să se
1 1
2 2
not Pn
determine funct, ia caracteristică asociată v.a. Sn == k=1 Xk , unde n ∈ N∗ .
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
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) sin (t)

limn→∞ ϕSn (t) = limn→∞ = limn→∞
2n sin 2tn t·
sin( 2tn )
t
n 2
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:
(a) X ∼ C (0, 1) , (b) X ∼ C (0, n) , n ∈ N∗ , (c) X ∼ N(0, 1) .
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].
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
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
(4.22) ϕC(0,1) (t) = e−|t| .
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.
(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 .
Impunând ϕX (0) = 1 obt, inem c = 1, deci

t2
ϕN(0,1) (t) = e− 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
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.
4.2.7 Să se calculeze funct, ia caracteristică asociată v.a. X cu densitatea:

1 |x| a
(a) fX (x) = − 1{|x|≤2} , (b) fX (x) = e−a|x| , a > 0,
2 4 2
1 |x − a| a − |x|
(c) fX (x) = − 2
1{|x−a|≤c} , (d) fX (x) = 1{|x|≤a} .
c c a2
Rezolvare:
(a) Schimbând variabila s, i apoi integrând prin părt, i obt, inem
1 2 itx

|x|
Z
ϕX (t) = e 1− dx
2 −2 2
1 0 itx 1 2 itx
Z Z
x x
= e 1+ dx + e 1− dx
2 −2 2 2 0 2
1 2
Z Z 2
x itx x
e + e−itx dx =

= 1− 1− cos (tx) dx
2 0 2 0 2

sin (tx) x=2 1 sin (tx) x=2 1 cos (tx) x=2
= − x −
t 2 t t −t x=0

x=0 x=0
2
sin (2t) 1 2 sin (2t) cos (2t) 1 sin t
= − + − = .
t 2 t t2 t2 t
Să observăm că densitate de repartit, ie s, i funct, ia caracteristică corespund sumei
a două v.a. uniforme pe [−1, 1] .
Într-adevăr, dacă U, V ∼ U [−1, 1] sunt două v.a. independente, atunci,
folosind Propozit, ia 4.24,
2
sin t
ϕU +V (t) = ϕU (t) · ϕV (t) = ,
t
deci cele două funct, ii caracteristice coincid:
2
sin t
ϕX (t) = = ϕU +V (t) .
t
Având în vedere observat, ia (4.6) (vezi s, i Remarca 4.34) obt, inem că U + V s, i X
sunt identic distribuite, adică deducem că densitatea v.a. U + V coincide cu
densitatea v.a. X, i.e.
1 |x|
fU +V (x) = fX (x) = − 1{|x|≤2} .
2 4
Reamintim că această relat, ie a fost demonstrată folosind produsul de convolu-

t, ie dintre fU s, i fV s, i a fost deja obt, inută prin formula (3.91).
(b) Să observăm că densitatea f corespunde unei v.a. X distribuite Laplace de
parametri a1 s, i 0.
Schimbând variabila s, i apoi integrând prin părt, i obt, inem
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
s, i observăm astfel că momentele de ordin impar sunt nule.

(c) Integrând prin părt, i obt, inem
Z a Z a+c
1 1
ϕX (t) = eitx (x − a + c) dx − eitx (x − a − c) dx
c2 a−c c2 a
a
c − a eitx x=a
Z
1
= 2 xeitx dx +
c c2 it x=a−c

a−c
1 a+c itx c + a eitx x=a+c

Z
− 2 xe dx + 2
c a c it x=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.
2
iat sin (ct/2)
=e .
ct/2
(d) Schimbând variabila s, i apoi integrând prin părt, i obt, inem

Z a
1
ϕX (t) = 2 eitx (a − |x|) dx
a −a
Z 0 Z a
1 1
= 2 eitx (a − |x|) dx + 2 eitx (a − |x|) dx
a −a a 0
Z a Z a
1 itx −itx
2
= 2 (a − x) e + e dx = 2 (a − x) cos (tx) dx,
a 0 a 0
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
4.2.8 Să se determine funct, iile de repartit, ie corespunzătoare v.a. cu următoa-

rele funct, ii caracteristice:
(a) ϕ (t) = cos t, (b) ϕ (t) = cos2 t,

1 2 1 1
(c) ϕ (t) = 1 + eit , (d) ϕ (t) = .
4 2 1 − e2it
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
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
eit e2it enit

1 1 1
ϕ (t) = = 1+ + 2 + ... + n + ... .
2 1 − e2it 2 2 2 2
Deci v.a. corespunzătoare are tabloul

   
0 1 2 ... n ... k
  
X: = .
 
1 1 1 1  1 
... ... 2k
2 22 23 2n+1 k∈N
4.2.9 Să se determine, folosind formula de inversiune (4.8), densitatea de re-

partit, ie corespunzătoare v.a. cu următoarele funct, ii caracteristice:
2 2
(a) ϕ (t) = e−|t| , (b) ϕ (t) = e−a t
, a > 0.
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
s, i facem schimbarea de variabilă t0 = −t în prima integrală.

Obt, inem
Z ∞ Z ∞
1 1
e−t eitx + e−itx dt = e−t cos (tx) dt

fX (x) =
2π 0 π 0
1
= ,
π (1 + x2 )
deoarece
Z ∞ t=∞ Z ∞
−t −t
e cos (tx) dt = −e cos (tx) −x e−t sin (tx) dt

0 t=0 0
t=∞ Z ∞
= 1 − x −e−t sin (tx) +x e−t cos (tx) dt

t=0 0
Z ∞
= 1 − x2 e−t cos (tx) dt.
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 −∞
1 − x22 ∞ −(t0 )2 1 0 1 − x22 √

Z
= e 4a e dt = e 4a π
2π −∞ a 2aπ
2
1 − 2(ax√2)2
=q √ 2 e ,
2π a 2
√
adică X ∼ N 0, a 2 .
4.2.10 Să se calculeze, folosind formula de inversiune (4.8), funct, ia caracteris-

tică asociată v.a. Y cu densitatea:
2 ax a
(a) f (x) = 2 2
sin2 , (b) f (x) = ,
πa x 2 π (a2 + x2 )
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
Observăm că egalitatea precedentă reprezintă tocmai formula de inversiune

2
sin( at
2 )
(4.8) aplicată funct, iei caracteristice at .
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
Identificând, rezultă ϕY (x) = a−|x|

a2 1{|x|≤a} .
(b) Schimbând variabila x0 = −x obt, inem
∞ ∞
a2
Z Z
a 1 0
ϕY (t) = e itx
dx = e−itx dx0 .
−∞ π (a2 + x2 ) aπ −∞ a2 + (x0 )2
Observăm că egalitatea precedentă reprezintă tocmai formula de inversiune

2
(4.8) aplicată funct, iei caracteristice a2a+t2 .
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
Identificând, rezultă ϕY (x) = e−a|x| .

Să observăm că Y ∼ C (0, a) s, i, prin urmare, putem calcula funct, ia carac-
teristică folosind direct formulele (4.22) sau (4.23).
4.2.11 Fie două v.a. independente X ∼ B(n, p) , Y ∼ B(m, p). Să se arate,
folosind funct, ia caracteristică, că214
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.
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 )
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 )

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
X + Y ∼ Gamma (2, λ) = Erlang (2, λ) .
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
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),
ϕX+Y (t) = ϕX (t) · ϕY (t) = e−|t| e−|t| = e−2|t| ,
adică X + Y ∼ C (0, 2).

(b) Avem

t
it X+Y
= e−2| 2 | = e−|t| .
t
ϕ X+Y (t) = E e 2 = ϕX+Y
2 2
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).
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 .
( ) 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
Folosind proprietatea de unicitate dată de Remarca 4.33 deducem concluzia.

4.2.24 Fie n v.a. independente Xk ∼ N µ, σ2 , k = 1, n. Să se arate că
Pn σ2
def Xk
X̄n == k=1 ∼ N µ, .
n n
Rezolvare:
σ2 t2 Pn
S, tim că ϕXk (t) = eitµ− 2 . Fie Sn = k=1 Xk .
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
4.2.25 Fie n v.a. independente Xk ∼ N 0, σ2 , k = 1, n. Să se arate că221

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).

(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
,
adică X + Y ∼ χ2(n + m, σ).

4.2.28 Fie n v.a. independente Xk ∼ N 0, σ2 , k = 1, n. Să se arate că
Xn
Xk2 ∼ χ2(n, σ) .
k=1
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
adică Sn ∼ χ2(n, σ).

4.2.29 Fie n v.a. independente Xk ∼ Exp (λ), k = 1, n. Să definim Sn =

P n
k=1 Xk . Să se determine funct, ia caracteristică ϕSn (t) s, i să se verifice că den-
sitatea de repartit, ie222 este
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) .
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,
FGamma(n,λ) (1) = 1 − FP(λ) (n − 1) .
4.2.30 Fie v.a. X ∼ C (0, 1) s, i v.a. Y = X. Să se arate că
ϕX+Y (t) = ϕX (t) · ϕY (t) , pentru t ∈ R,
des, i X s, i Y nu sunt independente.
Rezolvare:
Folosind (4.22) sau (4.23) avem, pentru orice t ∈ R,
ϕX+Y (t) = ϕ2X (t) = E eit 2X = ϕX (2t) = e−2|t| = e−|t| e−|t|

= ϕX (t) · ϕY (t) .
Pe de altă parte, evident, X s, i Y nu sunt v.a. independente. Astfel, am ob-

t, inut un contraexemplu (vezi s, i Exercit, iul 4.2.31) pentru a vedea că reciproca
Propozit, iei 4.24 nu este adevărată.
4.2.31 Fie vectorul aleator (X, Y ) cu densitatea
1
1 + xy x2 − y 2 1{|x|≤1,|y|≤1} .

f(X,Y ) (x, y) =
4
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
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
Dacă u ∈ [−2, 0], atunci u − 1 ≤ −1 ≤ u + 1 ≤ 1 s, i deci
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
Dacă u ∈ [0, 2], atunci −1 ≤ u − 1 ≤ 1 ≤ u + 1 s, i deci
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
Deci fX+Y este dată tot de relat, ia (3.91):

1
fX+Y (u) = (2 − |u|) 1[−2,2] (u)
4
s, i, efectând calculele,
Z
ϕX+Y (t) = eitu fX+Y (u) du
R
0
1 2 itu
Z Z
1 itu
= e (2 + u) du + e (2 − u) du
4 −2 4 0
e2it + e−2it sin2 t

1 1
= 2 1− = 2 (1 − cos (2t)) = 2 .
2t 2 2t t
Deci s-a obt, inut egalitatea
ϕX+Y (t) = ϕX (t) · ϕY (t)
des, i X s, i Y nu sunt independente. Astfel, am obt, inut un alt contraexemplu
(vezi s, i Exercit, iul 4.2.30) pentru a vedea că reciproca Propozit, iei 4.24 nu este
adevărată.
4.2.32 Fie X, Y două v.a. independente cu densităt, ile fX , fY s, i funct, iile carac-
teristice corespunzătoare ϕX , ϕY . Să definim U = XY . Să se arate că
Z
t
ϕU (t) = ϕX fY (x) dx.
R x
Rezolvare:
R∞
Conform formulei (3.72) avem f X (u) = −∞ |v| fX (uv) fY (v) dv, deci, folosind
Y
substitut, ia uv = u0 ,
Z ∞ Z ∞
itu
ϕX (t) = e |v| fX (uv) fY (v) dv du
−∞ −∞
Z∞ Z ∞
= |v| fY (v) eitu fX (uv) dudv
−∞ −∞
Z ∞ Z ∞
0 1
= |v| fY (v) eitu /v fX (u0 ) du0 dv
−∞ −∞ |v|
Z∞ Z ∞ Z ∞
t
= fY (v) eitu/v fX (u)du dv = fY (v) ϕX dv.
−∞ −∞ −∞ v
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
S, iruri de variabile aleatoare.

Convergent, e
5.1 Tipuri de convergent, e

Fie v.a. X s, i un s, ir (Xn )n∈N∗ de v.a. definite pe acelas, i spat, iu de probabili-
tate (Ω, F, P).
Definit, ia 5.1 Dacă X : Ω → R este o v.a. definim, pentru p ∈ (0, ∞),

Z p1 Z p1
1
def p p p p
kXkp == (E |X| ) = |X| dP = |x| PX (dx)
Ω R
s, i respectiv
def
kXk∞ == inf {C ≥ 0 : P (|X| > C) = 0} = inf {C ≥ 0 : |X| ≤ C, P − a.s.} .
Definit, ia 5.2 Pentru p ∈ (0, ∞] definim

def
L p (Ω, F, P) == {X : Ω → R : X v.a. astfel încât kXkp < ∞} ,
care este spat, iu vectorial deoarece are loc inegalitatea223
|X + Y |p ≤ cp (|X|p + |Y |p ) , pentru orice p ∈ [0, ∞),
223 În cazul p > 1 folosim faptul că funct, ia x 7→ |x|p este convexă, deci putem aplica inegalitatea
lui Jensen (vezi Nota 198); în cazul p ∈ (0, 1) folosim faptul ca funct, ia x 7→ |x|p este concavă (s, i
pozitivă), deci este subaditivă.
471
472 5. Şiruri de variabile aleatoare. Convergenţe
unde cp = 1, dacă p ≤ 1 s, i cp = 2p−1 , dacă p > 1.
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, ∞].
În plus, aplicând (2.23),

Z
p
kXkp = 0 ⇔ |X| dP = 0 ⇔ X = 0, P − a.s..
Ω
Pentru a deveni o normă trebuie să lucrăm pe spat, iul
def
Lp (Ω, F, P) == X̄ = X + N : X ∈ L p (Ω, F, P) ,

unde N = {X : Ω → R : X v.a. astfel încât X = 0, P − a.s.} .
Pentru X̄ ∈ L p (Ω, F, P) , definim kX̄kp = kXkp s, i Ω X̄ dP = Ω X dP,

R R
pentru orice X ∈ X̄.

R
Evident, kX̄kp s, i Ω X̄ dP nu depind de alegerea reprezentantului X ∈ X̄
(deoarece lucrăm cu integrale Lebesgue).
Astfel, Lp (Ω, F, P) cont, ine, de fapt, clase de echivalent, ă de v.a. X (adică

v.a. egale P−a.s. cu X) astfel încât kXkp < ∞. Vom identifica o v.a. cu clasa ei
de echivalent, ă.
Remarca 5.4 Dacă p > 0, atunci Lp (Ω, F, P) este spat, iu complet.
Deci, dacă p ∈ [1, ∞], atunci
Lp (Ω, F, P) este spat, iu vectorial, normat s, i complet,
adică Lp (Ω, F, P) este spat, iu Banach pentru p ∈ [1, ∞].

224 Inegalitatea lui Minkowski: fie p ≥ 1 s, i v.a. X, Y ∈ L p (Ω, F, P). Atunci X + Y ∈
L p (Ω, F, P) s, i
kX + Y kp ≤ kXkp + kY kp .
5.1. Tipuri de convergenţe 473
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 → ∞.
Remarca 5.8 Ca o consecint, ă a inegalităt, ii lui Liapunov obt, inem s, i inegalitatea

dintre momentele absolute:
1 1
2 n
E |X| ≤ E |X| 2 ≤ . . . ≤ E |X| n , pentru orice n ∈ N∗ .
Prin urmare,
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
P ({ω : |Xn (ω) − X (ω)| > , pentru orice n ≥ n (ω)}) = P (N ) = 0.

a.s.
Deci Xn −−−−→ X dacă mult, imea punctelor ω pentru care nu are loc con-
vergent, a punctuală Xn (ω) −−→ X (ω) este o mult, ime neglijabilă.
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 ).
Orice spat, iu de probabilitate se poate completa prin adaugarea la F a tu-

turor submult, imilor mult, imilor neglijabile din F, mai precis, lucrând cu σ−al-
gebra generată de F ∪N (notată cu σ (F ∪ N) sau cu F ∨N; vezi Remarca 1.29
s, i Definit, ia 1.45), unde N este mult, imea tuturor submult, imilor evenimentelor
P−neglijabile, i.e.
N = {A ⊂ Ω : există N ∈ F cu P (N ) = 0 astfel încât A ⊂ N } .
Evident, domeniul măsurii P poate fi extins us, or astfel încât P să fie definită pe
σ (F ∪ N).
Are loc227 următoarea caracterizare precum s, i o condit, ie suficientă care asi-
gură convergent, a aproape sigură.
a.s.
Teorema 5.13 (i) Xn −−−−→ X, pentru n → ∞, dacă s, i numai dacă
[
limn→∞ P {ω : |Xm (ω) − X (ω)| ≥ } = 0, pentru orice > 0.
m≥n
X∞
(ii) Dacă seria P (|Xn − X| ≥ ) este convergentă pentru orice > 0, atunci
n=1
a.s.
Xn −−−−→ X, pentru n → ∞.
a.s.
(iii) Dacă familia (Xn )n∈N∗ este independentă în ansamblu s, i Xn −−−−→ X, pentru
X∞
n → ∞, atunci seria P (|Xn − X| ≥ ) este convergentă pentru orice > 0.
n=1

Demonstrat, ie. Să notăm Bm = {ω : |Xm (ω) − X (ω)| < } .
(i) Se arată mai întâi că
\ [ \

(5.1) A= Bm ,
>0 n≥1 m≥n
unde A = {ω : limn→∞ Xn (ω) = X (ω)}.

Sunt utile s, i egalităt, ile
[ [ \ [

limn→∞ P B̄m = P limn→∞ B̄m =P B̄m .
m≥n m≥n n≥1 m≥n
X∞

(ii) Deoarece P B̄m < ∞ s, i
n=1
[ X

0≤P B̄m ≤ P B̄m ,
m≥n m≥n
227 Pentru demonstrarea rezultatelor din acest capitol vezi, de exemplu, [14].
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 → ∞,
dacă, pentru orice > 0,
limn→∞ P (|Xn − X| > ) = 0.
Propozit, ia 5.15 (vezi [7, Capitolul I, § 4.2]) Limita în probabilitate a unui s, ir de

v.a. (Xn )n∈N∗ este unică P−a.s., i.e.
P P
(5.2) Xn −−→ X, Xn −−→ Y =⇒ X = Y, P − a.s..
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
limn→∞ E [g (|Xn − X|)] = 0,
unde g : [0, ∞) → [0, ∞) este o funct, ie crescătoare, continuă s, i mărginită astfel încât
g (x) > g (0) = 0, pentru orice x > 0.
Au loc s, i următoarele proprietăt, i de stabilitate ale convergent, ei în probabi-

litate în raport cu diverse operat, ii.
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
{ω ∈ Ω : Xn (ω) → X (ω)} ⊂ {ω ∈ Ω : h (Xn (ω)) → h (X (ω))} .
Definit, ia 5.21 Fie X o v.a. definită pe spat, iul de probabilitate (Ω, F, P) s, i un s, ir

(Xn )n∈N∗ de v.a. astfel încât fiecare v.a. Xn este definită pe spat, iul de probabilitate
(Ωn , Fn , Pn ) . Spunem că s, irul (Xn )n∈N∗ converge în funct, ia de repartit, ie la X,
s, i scriem
F
Xn −−−→ X, pentru n → ∞,
dacă
limn→∞ FXn (x) = FX (x) ,
pentru orice x ∈ R în care FX este continuă.
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.

Remarca 5.23 Convergent, a punctuală doar în punctele de continuitate pentru

FX este suficientă pentru a obt, ine faptul că limita, în sensul funct, iei de repar-
tit, ie, este unică în lege.
F F
Într-adevăr, dacă Xn −−−→ X s, i Xn −−−→ Y, pentru n → ∞, atunci FX (x) =
FY (x) , pentru orice x ∈ R în care FX s, i FY sunt continue. Dar funct, iile FX
s, i FY sunt continue a.p.t., cu except, ia unei mult, imi cel mult numărabile. Ast-
fel, mult, imea comună a punctelor de discontinuitate pentru FX s, i FY este cel
mult numărabilă (deci s, i neglijabilă în raport cu măsura Lebesgue) s, i, prin ur-
mare, se poate arăta (vezi [38, Propozit, ia 1.8.4]) că mult, imea complementară,
a punctelor de continuitate, este densă în R. Folosind faptul că FX , FY sunt
funct, ii de repartit, ie (mai precis, continue la dreapta) se va obt, ine (vezi [38,
Propozit, ia 1.8.11]) că FX (x) = FY (x) , pentru orice x ∈ R, adică X, Y urmează
aceeas, i distribut, ie, adică sunt egale în lege.
Remarca 5.24 În cazul convergent, ei în funct, ia de repartit, ie fiecare v.a. Xn poa-

te fi definită (eventual, nu obligatoriu) pe un alt de spat, iu de probabilitate
(Ωn , Fn , Pn ), unde n ∈ N∗ . Evident, funct, iile de repartit, ie vor fi definite pe
acelas, i spat, iu FX , FXn : R → [0, 1] .
Ment, ionăm că în cazul convergent, ei în probabilitate, a convergent, ei aproa-
pe sigure precum s, i a convergent, ei în Lp este esent, ial ca v.a. X s, i Xn să fie
definite pe acelas, i spat, iu de probabilitate (Ω, F, P) pentru orice n ∈ N∗ .
Următorul rezultat ne oferă o caracterizare228 a convergent, ei în funct, ia de

repartit, ie.
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].
dacă
(5.4) limn→∞ E (h (Xn )) = E (h (X)) ,
pentru orice funct, ie h : R → R continuă s, i mărginită.
Daca alegem Xn = Y în rezultatul precedent, se obt, ine următoarea caracte-

rizare a egalităt, ii în lege.
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 5.27 Având în vedere (5.4) s, i formula de transfer (3.15), deducem, în

F
cazul în care v.a. Xn s, i X admit densităt, i de repartit, ie, că Xn −−−→ X, pentru
n → ∞, dacă s, i numai dacă
Z Z
limn→∞ h (x) fn (x) dx = h (x) f (x) dx,
R R
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

De asemenea, având în vedere că legea este unic determinată de funct, ia de
repartit, ie (vezi observat, iile de la pagina 239 precum s, i Remarca 2.15), relat, ia
(5.6) este echivalentă cu
Z Z
(5.7) limn→∞ h (x) dFXn (x) = h (x) dFX (x) ,
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

Similar, spunem că s, irul de funct, ii de repartit, ie (Fn )n converge slab la funct, ia
de repartit, ie F, pentru n → ∞, dacă
Z Z
(5.9) limn→∞ h (x) dFn (x) = h (x) dF (x) ,
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 5.31 Se poate arăta229 că un s, ir de funct, ii de repartit, ie (Fn )n converge

slab la funct, ia de repartit, ie F dacă s, i numai dacă
limn→∞ Fn (x) = F (x) ,
pentru orice x ∈ R în care F este continuă.
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].
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.
Remarca 5.35 În cazul convergent, ei în funct, ia caracteristică (ca s, i în cazul con-

vergent, ei în funct, ia de repartit, ie) fiecare v.a. Xn poate fi definită pe un alt
de spat, iu de probabilitate (Ωn , Fn , Pn ) . Evident, funct, iile caracteristice sunt
definite pe acelas, i spat, iu ϕX , ϕXn : R → C.
Remarca 5.36 Convergent, a în Lp , convergent, a a.s. s, i convergent, a în probabi-

litate au proprietatea, conform definit, iilor respective, că s, irul (Xn )n∈N∗ con-
verge la X dacă s, i numai dacă (Xn − X)n∈N∗ converge la 0. Dar această pro-
prietate nu mai este valabilă în cazul convergent, ei în funct, ia de repartit, ie s, i a
convergent, ei în funct, ia caracteristică (vezi s, i Remarca 5.24 s, i Remarca 5.35).
Următoarele rezultate stabilesc legăturile dintre diversele tipuri de conver-

gent, e (pentru demonstrat, ii sau alte rezultate similare vezi [14, Capitolul V, VI]).
230 Conform Teoremei 5.42 s, i Teoremei 5.43, convergent, a în probabilitate la o v.a. constantă este
echivalentă cu convergent, a în funct, ia de repartit, ie la acea v.a. constantă, adică
P F
Yn −
−−→c ⇐⇒ Yn −−−→ c.
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→∞
Demonstrat, ie. (i) Concluzia se obt, ine trecând la limită în
0 ≤ P ({ω : |Xn (ω) − X (ω)| ≥ })

[
≤P {ω : |Xm (ω) − X (ω)| ≥ } ,
m≥n
care are loc pentru orice n ∈ N∗ s, i > 0.
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 5.39 (Teorema Convergent, ei Dominate a lui Lebesgue)

a.s. Lp
În condit, ii suplimentare, Xn −−−−→ X =⇒ Xn −−−→ X.
a.s.
Mai precis, dacă Xn −−−−→ X, pentru n → ∞, s, i dacă există v.a. Y ∈ Lp (Ω, F, P),
p ≥ 1, astfel încât |Xn | ≤ Y , P−a.s., pentru orice n ∈ N∗ , atunci X ∈ Lp (Ω, F, P)
Lp
s, i Xn −−−→ X, pentru n → ∞.
Remarca 5.40 Folosind definit, ia generală (3.12) a mediei precum s, i teorema

convergent, ei monotone a lui Beppo Levi (vezi [30, Corollary 2.5.2]) se obt, in
condit, ii suficiente pentru ca media să comute cu o sumă infinită de v.a.. Astfel,
dacă v.a. (Xn )n∈N∗ sunt nenegative, atunci are loc
X X
(5.11) E ∗
X n = ∗
E (Xn ) .
n∈N n∈N
Folosind teorema convergent, ei dominate a lui Lebesgue se obt, in alte condit, ii

suficiente pentru ca media să comute cu o sumă P∞infinită de v.a. (pentru de-
talii vezi [30, Corollary 2.5.3]). Astfel, dacă E ( n=1 |Xn |) < ∞, atunci are loc
egalitatea (5.11).
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.
Remarca 5.47 Fie v.a. Xn definite pe (Ωn , Fn , Pn ) s, i v.a. X definită pe (Ω, F, P) .

Atunci,
F ϕ
Xn −−−→ X ⇐⇒ Xn −−→ X.

5.2 Exemple s, i contraexemple

Prezentăm în continuare exemple de s, iruri de v.a. care satisfac, sau nu,
diverse tipuri de convergent, e.
Exemplul 5.48 Vom arăta că:

a.s. Lp
Xn −−−−→ X 6
=⇒ Xn −−−→ X,
P Lp
Xn −−→ X 6
=⇒ Xn −−−→ X
s, i

 E (Xn ) −−→ a,
P
Xn −−→ a 6
=⇒
D2 (Xn ) −−→ 0.

Fie λ măsura Lebesgue. Să considerăm spat, iul de probabilitate

def
(Ω, F, P) == (0, 1), B (0, 1) , λ .
Să definim v.a.
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
Deci orice ω ∈ (0, 1) satisface231

[ \

ω∈ Bm ,
n≥1 m≥n
S

T
adică, pentru orice > 0, λ n≥1 m≥n Bm = 1 s, i deci, conform Teoremei
a.s.
5.13, Xn −−−−→ 0, pentru n → ∞.
Pe de altă parte, folosind (3.12), pentru orice p ≥ 1,
Z Z 1
np 1( 1 , 2 ) (ω) λ (dω)
p
E (|Xn | ) = Xnp (ω) P (dω) =
n n
Ω 0

1 2
= np λ , = np−1 9 0, pentru n → ∞
n n
Lp
deci Xn −−6 −→ 0, pentru n → ∞.
Apoi
2
D2 (Xn ) = E Xn2 − (E (Xn )) = n − 12 .

Pentru orice 0 < < n avem

λ (|Xn | > ) = λ ω : n 1( 1 , 2 ) (ω) >
n n

n o 1 2 1
=λ ω : 1( 1 , 2 ) (ω) > =λ , = ,
n n n n n n
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 → ∞.
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
deci limn→∞ λ (|Xn | > ) = 0.

a.s. P
Am obt, inut un exemplu de s, ir pentru care Xn −−−−→ 0, Xn −−→ 0 s, i, pentru
Lp
orice p > 0, Xn −−−→ 0, pentru n → ∞.

Lp a.s.
Xn −−−→ X 6
=⇒ Xn −−−−→ X
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.
Xn : Ω → R, Xn (ω) = 1[ , k+1 (ω) , n ∈ N∗ ,

2m ]
k
2m
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.
unde k, m ∈ N∗ sunt ales, i astfel încât n = 2m + k s, i k < 2m . Evident, n → ∞

dacă s, i numai dacă m → ∞.
De exemplu, X1 = 1[0,1] , X2 = 1[0, 12 ] , X3 = 1[ 21 ,1] , X4 = 1[0, 41 ] , X5 =
1[ 1 , 2 ] , X6 = 1[ 2 , 3 ] etc.
4 4 4 4
Pentru orice p > 0,

Z 1 h k k + 1 i 1
p
E (|Xn | ) = 1[ k
, k+1
2m ]
(ω) λ (dω) = λ , = m,
0 2m 2m 2m 2
p
L
deci Xn −−−→ 0, pentru n → ∞.
Pentru orice > 0,
h k k + 1 i 1
λ (|Xn | > ) = λ ω : 1[ km , k+1 (ω) > = λ , m = m,
2 2m ] 2m 2 2
P
deci Xn −−→ 0, pentru n → ∞.
Pe de altă parte, orice ω ∈ [0, 1] , există o infinitate de indici k, m
pentru
astfel încât ω ∈ 2km , k+1

2m s, i deci Xn (ω) = 1.
Mai precis, obt, inem că pentru orice > 0, ω ∈ [0, 1] s, i n ∈ N∗ , există m ≥ n,
def
astfel încât ω ∈ B̄m , unde Bm == {ω : |Xm (ω)| < } . Deci
\ [

ω∈ B̄m ,
n≥1 m≥n
T
S a.s.
adică λ n≥1 m≥n B̄m = 1 s, i deci, conform Teoremei 5.13, Xn −−−
6 −→ 0.
Exemplul 5.52 Fie v.a. independente Xn ∼ Bernoulli (pn ), adică P (Xn = 1) =

pn iar P (Xn = 0) = 1 − pn , pentru n ∈ N∗ , s, i v.a. X = 0.
Vom arăta că acest s, ir satisface:
P
Xn −−→ X ⇐⇒ pn → 0,
r
L
Xn −−−→ X ⇐⇒ pn → 0,
a.s.
X∞
Xn −−−−→ X ⇐⇒ pn < ∞.
n=1
Într-adevăr, pentru orice 0 < < 1,
P (|Xn | ≥ ) = P (Xn = 1) = pn .
Pentru orice r > 0,

r
E (|Xn | ) = pn .
Fie > 0. Avem X∞ X∞
P (|Xn | ≥ ) = pn .
n=1 n=1
P
Deci, dacă pn → 0, atunci Xn −−→ 0, pentru n → ∞, s, i, pentru orice r > 0,
Lr
Xn −−−→ 0, pentru n → ∞.
P∞
Dacă seria n=1 pn este divergentă (alegând, de exemplu, pn = n1 ), atunci
a.s.
conform Teoremei 5.13 Xn −−−6 −→ 0, pentru n → ∞.
P∞
Dacă seria n=1 pn este convergentă (alegând, de exemplu, pn = n12 ),
a.s.
atunci conform Teoremei 5.13 Xn −−−−→ 0, pentru n → ∞.
1
Deci, alegând pn = n obt, inem alt exemplu pentru afirmat, iile din cadrul
Exemplului 5.51.
 
0 1
n+1
Exemplul 5.53 Fie v.a. Xn = X, pentru n ∈ N∗ , unde X :  .
 
n 2 1 
3 3
P F
Vom arată că Xn −−→ 0 s, i Xn −−−→ X, pentru n → ∞.
 n+1 
0
n  1 1
Obt, inem Xn :   s, i |Xn − X| = |X| = X, deci

2 1 n n
3 3
P (|Xn − X| > ) = P (|Xn − X| > , X = 0) + P (|Xn − X| > , X = 1)

X X 1
=P > , X = 0 + P > , X = 1 = P > , X = 1 .
n n n
Obt, inem P (|Xn − X| > ) = 13 , dacă n < 1

s, i P (|Xn − X| > ) = 0, dacă
n ≥ 1 , adică P (|Xn − X| > ) = 13 1{n< 1 } .

Deci pentru orice > 0
1
limn→∞ P (|Xn − X| > ) = limn→∞ 1{n< 1 } = 0,
3
P
adică Xn −−→ X, pentru n → ∞.
Să calculăm s, i funct, iile de repartit, ie

 


 0, x < 0, 

 0, x < 0,

 

2 2
 
FXn (x) = n+1 s, i FX (x) =
, 0≤x< n , , 0 ≤ x < 1,


 3 

 3
 
 1, x ≥ n+1
 
 1, x ≥ 1.
n
F
Deci obt, inem s, i Xn −−−→ X, pentru n → ∞.
Exemplul 5.54 Fie v.a. Xn ∼ U − n1 , n1 , pentru n ∈ N∗ .

P
Vom arată că Xn −−→ 0, pentru n → ∞.
Avem fXn (x) = n

2 1[− n1 , n1 ] (x) . Fie > 0 arbitrar s, i n suficient de mare
1
astfel încât n < . Atunci,
Z
n
P (|Xn | > ) = 1 − P (|Xn | ≤ ) = 1 − 1[− n1 , n1 ] (x) dx
2 −
Z 1
n n
=1− dx = 0,
2 1
−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 → ∞.
Pentru orice x > 0, există N0 ∈ N∗ astfel încât x ≥ 1

n, pentru orice n ≥ N0 ,
deci 1 = FXn (x) → FX (x) = 1, pentru n → ∞.
În punctul x = 0 nu are loc convergent, a, deoarece 0 = FXn (0) 6→ FX (0) = 1,
dar să observăm că FX nu este continuă în x = 0.
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
n n ... n 1
Exemplul 5.56 Fie v.a. X ∼ U (0, 1) s, i Xn :   , pentru
1 1 1 1
n n ... n n
F
n ∈ N∗ . Vom arăta că234 Xn −−−→ X, pentru n → ∞.



 0, x < 0,


Să reamintim, vezi (3.32), că funct, ia de repartit, ie FX (x) = x, 0 ≤ x < 1,




1, x ≥ 1.

Pentru x ≤ 0, obt, inem 0 = FXn (x) → FX (x) = 0, pentru n → ∞.

Pentru x ≥ 1, obt, inem 1 = FXn (x) → FX (x) = 1, pentru n → ∞.
Fie x ∈ (0, 1). Atunci,
X 1 k
FXn (x) = P (Xn ≤ x) = `=0,n−1 = ,
` n n
n ≤x
unde k = 0, n − 1 este astfel încât nk ≤ x < k+1 n sau, echivalent, k ≤ nx < k + 1,

adică valoarea k = 0, n − 1 este chiar partea întreagă bnxc, i.e. cel mai mare
întreg mai mic sau egal decât nx.
Deci
bnxc
FXn (x) = pentru x ∈ (0, 1).
n
T, inând cont de inegalităt, ile nx − 1 < bnxc ≤ nx, deducem că
nx − 1 bnxc nx
< ≤ ,
n n n
bnxc
deci FXn (x) = n → x = FX (x) , pentru n → ∞.
234 Să observăm că Xn ∼ DU (n). Vezi s, i Exemplul 3.73 dar s, i Exercit, iul 5.5.5.
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
unde bnxc este partea întreagă a lui nx.

F P
Xn −−−→ X 6
=⇒ Xn −−→ X.
Să considerăm spat, iul de probabilitate din Exemplul 5.51 s, i v.a. Xn , X : Ω → R

prin Xn (ω) = 1[ 1 ,1] (ω), pentru n ∈ N∗ , s, i X (ω) = 1[0, 1 ] (ω) .
2 2
Avem 
 0, x < 0,




1

FXn (x) = FX (x) = , 0 ≤ x < 21 ,


 2

 1, x ≥ 1

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,
limn→∞ P (|Xn − X| > ) = 1.

F P
Xn −−−→ X 6
=⇒ Xn −−→ X.
 
0 1
Fie Xn = 1 − X, pentru n ∈ N∗ , unde X :  .
 
1 1 
2 2

  

 0, x < 0,
0 1


1

Obt, inem Xn :  si apoi FXn (x) = FX (x) = , 0 ≤ x < 1,
 
1 1 ,  2

2 2


 1, x ≥ 1.

F
Deci Xn −−−→ X, pentru n → ∞.
Pe de altă parte,

 |1 − 0| , dacă X = 0,
|Xn − X| = |1 − 2X| =
|1 − 2| , dacă X = 1.

Pentru orice 0 < < 1
limn→∞ P (|Xn − X| > ) = 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,

iar, conform (4.15),
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.
5.3 Legea Numerelor Mari

Unul dintre rezultatele fundamentale ale Teoriei Probabilităt, ilor este Legea
Numerelor Mari.
Aceasta ne ajută să justificăm riguros intuit, ia legată de comportamentul
frecvent, ei relative de aparit, ie a unui eveniment, la un numar mare de încercari
(vezi Exemplul 5.69 precum s, i Exemplul 5.78).
De asemenea, dacă suntem în de cadrul de lucru al Remarcii 2.85 s, i al Re-
marcii 2.86, atunci Legea Numerelor Mari va oferi răspuns s, i la problema com-
portamentului mediei de select, ie s, i apoi al dispersiei de select, ie, când volumul
select, iei este mare (vezi Remarca 5.81 precum s, i Remarca 5.82).
În următoarele două sect, iuni vom folosi următoarele notat, ii. Dacă (Xk )k∈N∗
este un s, ir de v.a., atunci235
def
Xn def Sn
Sn == Xk s, i X̄n == , unde n ∈ N∗ .
k=1 n
Definit, ia 5.61 Dacă un s, ir (Xk )k∈N∗ de v.a. satisface

Sn Sn P
(5.12) −E −−→ 0, pentru n → ∞
n n
235 În anumite condit, ii, vezi Remarca 2.85, X̄n poate fi văzută ca o medie de select, ie.
sau, echivalent,
P
X̄n − E X̄n −−→ 0, pentru n → ∞
sau, echivalent, pentru orice > 0,

Pn Pn
Xk k=1 Xk

limn→∞ P k=1 −E > = 0,
n n
atunci spunem că s, irul dat satisface legea slabă a numerelor mari (LSNM).
Aplicând caracterizarea (5.3) a convergent, ei în probabilitate obt, inem urmă-

torul rezultat.
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
dacă s, i numai dacă

Zn2

limn→∞ E = 0.
1 + Zn2
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
Atunci, s, irul (Xk )k∈N∗ satisface LSNM.
Demonstrat, ie. Deoarece E (Zn ) = 0, obt, inem, folosind s, i Remarca 2.65,
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.
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
Atunci, s, irul (Xk )k∈N∗ satisface LSNM.
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.
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 → ∞.
Remarca 5.68 Având în vedere, vezi (2.40) s, i (2.39), că

2 σ2
E X̄n − µ = D2 X̄n = → 0, pentru n → ∞,
n
deducem că are loc convergent, a (5.15) s, i în L2 :
Sn L2
−−−→ µ, pentru n → ∞.
n

Exemplul 5.69 Fie (Xk )k∈N∗ un s, ir de v.a. de tip i.i.d., cu
Xk ∼ Bernoulli (p) = B (1, p) , k ∈ 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
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
adică s, irul fecvent, elor relative de aparit, ie a Succesului converge în proba-

bilitate la p (care este probabilitatea, teoretică, de aparit, ie a Succesului la o
singură încercare).
Cu alte cuvinte, dacă fn este frecvent, a absolută de aparit, ie a unui eveni-
ment A în n probe independente s, i p este probabilitatea de aparit, ie a lui A
fn
(indiferent de probă), atunci frecvent, a relativă de aparit, ie a evenimentului
n
A în cele n probe tinde în probabilitate la p, i.e. limita (5.16).
Conform exemplului precedent, obt, inem că limita (5.16) se poate scrie sub
forma:
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
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
E (Xk ) = µ < ∞, pentru orice k ∈ N∗ .
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.
Definit, ia 5.73 Dacă un s, ir (Xk )k∈N∗ de v.a. satisface

Sn Sn a.s.
−E −−−−→ 0, pentru n → ∞
n n
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).
Se demonstrează mai întâi următorul rezulat.
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
E (Xk ) = µ, pentru orice k ∈ N∗ .
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
Rezultatul precedent se poate generaliza prin slăbirea ipotezelor:
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
Atunci, s, irul (Xk )k∈N∗ satisface LTNM.
Remarca 5.76 În cazul particular în care (Xk )k∈N∗ este un s, ir de v.a.indepen-

dente în ansamblu s, i de pătrat integrabil astfel încât s, irul D2 (Xk ) k∈N∗ este
mărginit, condit, ia (5.17) este satisfacută, deci (Xk )k∈N∗ satisface LTNM.
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
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
adică s, irul fecvent, elor relative de aparit, ie a Succesului converge aproape

sigur la p (care este probabilitatea, teoretică, de aparit, ie a Succesului la o sin-
gură încercare).
Cu alte cuvinte, dacă fn este frecvent, a absolută de aparit, ie a unui eveni-
ment A în n probe independente s, i p este probabilitatea de aparit, ie a lui A
fn
(indiferent de probă), atunci frecvent, a relativă de aparit, ie a evenimentului
n
A în cele n probe tinde aproape sigur la p, i.e. limita (5.18).
Conform exemplului precedent, obt, inem că limita (5.18) se poate scrie sub
forma:
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
E (Xk ) = µ există (finită sau infinită), pentru orice k ∈ N∗ .
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
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 → ∞.

Remarca 5.82 Dacă suntem în cadrul de lucru al Remarcii 2.85 s, i al Remarcii

2.86, atunci Legea Numerelor Mari ne ajută la stabilirea convergent, ei, în di-
verse sensuri, s, i a dispersiei de select, ie (atât varianta deplasată S̄2n cât s, i vari-
anta nedeplasată S2n ) când volumul select, iei n → ∞.
Reamintim formula de calcul a dispersiei de select, ie (varianta deplasată):
Pn
X2
S̄n = i=1 i − X̄n2 .
2
n
a.s.
Pe de o parte, vezi Remarca 5.81, folosind limita X̄n −−−−→ E (X), pentru n →
∞, a mediei de select, ie s, i Remarca 5.20 avem
a.s. 2
X̄n2 −−−−→ [E (X)] , pentru n → ∞.

Pe de altă parte, aplicând Propozit, ia 5.74 sau Teorema 5.80 s, irului de v.a. Xi2 i
se va obt, ine s, i convergent, a
Pn 2
i=1 Xi a.s.
−−−−→ E X 2 , pentru n → ∞.

n
Folosind, din nou, Remarca 5.20, deducem că
Pn
X2 a.s. 2
S̄n = i=1 i − X̄n2 −−−−→ E X 2 − [E (X)] ,
2

pentru n → ∞,
n
adică dispersia de select, ie va converge aproape sigur la dispersia teoretică:
a.s.
S̄2n −−−−→ D2 (X) , pentru n → ∞.
Evident, s, i dispersia de select, ie, varianta nedeplasată,

Pn
n i=1 Xi2
S2n = − X̄n2 ,
n−1 n
va converge, s, i ea, aproape sigur la dispersia teoretică:
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
1{Xi ≤t} 1A (Xi )

Pn Pn
def def
Fn (t) == i=1 = i=1 t , unde t ∈ R s, i At == (−∞, t],
n n
când volumul select, iei n → ∞.
Evident, dacă v.a. (Xi )i sunt de tip i.i.d., atunci s, i v.a. (1At (Xi ))i sunt de
tip i.i.d. cu media239 , vezi s, i formula (2.21),
E 1{Xi ≤t} = E 1{X≤t} = P (X ≤ t) = FX (t) .

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
5.4 Teorema Limită Centrală

Fie s, irul (Xk )k∈N∗ de v.a. de tip i.i.d. (independent, a este în ansamblu) astfel
încât au dispersie finită s, i să notăm
E (Xk ) = µ s, i D2 (Xk ) = σ2 , pentru orice k ∈ N∗ .
Studiem, în continuare, problema convergent, ei în repartit , ie a s, irului

sume-
Pn Sn −E(Sn )
lor Sn = k=1 Xk standardizate, i.e. a s, irului de v.a.
√ 2 sau,
D (Sn ) n∈N∗
Sn
echivalent,
a s, irului de v.a. X̄n = n standardizate, i.e. a s, irului de v.a.
X̄n −E(X̄n )
√ .
2
D (X̄n ) ∗
n∈N
Să observăm că avem egalităt, ile

Sn − E (Sn ) Sn − nµ X̄n − µ X̄n − E X̄n
p = √ = √ = q ,
D2 (Sn ) nσ2 σ/ n D2 X̄n
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

Atunci, are loc convergent, a
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,
unde Φ este funct, ia de repartit, ie asociată v.a. Z ∼ N(0, 1) , i.e.

Z z Z z
def 1 t2
Φ (z) == fZ (t) dt = √ e− 2 dt, z ∈ R,
−∞ 2π −∞
pentru care există tabele cu valori ale ei. Rz
Să reamintim faptul că funct, ia de repartit, ie Φ (z) = −∞ fZ (t) dt reprezintă
s, i aria domeniului plan cuprins între x = z, axa Ox s, i curba y = fZ (x) .
Remarca 5.86 Prin urmare, pentru n suficient de mare,

Sn − nµ
(5.24) P √ ≤ z = F S√n −n µ (z) ' Φ (z) , z∈R
nσ2 nσ2
sau, echivalent,

X̄n − µ
(5.25) P √ ≤z = F X̄n√−µ (z) ' Φ (z) , z ∈ R.
σ/ n σ/ n
Deci, pentru orice −∞ ≤ a < b ≤ ∞,

Sn − nµ
P a< √ ≤ b = F S√n −n µ (b) − F S√n −n µ (a)
nσ2 nσ2 nσ2
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

Remarca 5.88 Dacă suntem în cadrul de lucru al Remarcii 2.85 s, i X reprez-

intă o caracteristică cercetată iar (Xi )i=1,n reprezintă o select, ie (sau es, antion)
de volum n, adică v.a. de tip i.i.d., urmând repartit, ia lui X, atunci E (Xk ) =
E (X) = µ iar D2 (Xk ) = D2 (X) = σ2 , pentru k = 1, n.
Reamintim definit, ia mediei de select, ie
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
Aplicând Propozit, ia 3.109 obt, inem
σ σ σ2
F
X̄n = √ Zn + µ −−−→ √ Z + µ ∼ N µ, .
n n n

Demonstrat, ia Teoremei Limită Centrală 5.84. V.a. Sn standardizată este dată

de
Sn − E (Sn ) Sn − nµ
Zn = p = √ , unde n ∈ N∗ .
D2 (Sn ) σ n
iar funct, ia caracteristică asociată este, t, inând cont de Remarca 4.28,
t
ϕZn (t) = ϕ 1
Pn (t) = ϕPnk=1 (Xk −µ) √
k=1 (Xk −µ)
√
σ n σ n
240 Pentru cazul în care legea caracteristicii X este una normală, vezi relat, ia (3.47) din cadrul
Remarcii 2.85.
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 Teoremei 4.30 (vezi s, i teorema de derivare a integralei Lebesgue

dată de [24, Lemma 12.31]), există derivatele continue ale funct, iei caracteristice

ϕ0 (t) = iE (Xk − µ) eit(Xk −µ)

2
ϕ00 (t) = i2 E (Xk − µ) eit(Xk −µ) .
Dezvoltăm în serie de puteri funct, ia caracteristică s, i obt, inem241 :

ϕ0 (0) ϕ00 (0) 2
ϕ(t) = ϕ (0) + t+ t + O(t2 )
1! 2!
2
iE (Xk − µ) E (Xk − µ) 2
=1+ t− t + O(t2 )
1! 2!
σ2 2
=1− t + O(t2 ),
2
2
O(t )
unde limt→0 t2 = 0.
Deci n
σ2 t2 t2

ϕZn (t) = 1− 2
+O .
2 nσ nσ2
Trecându-se la limită se obt, ine

σ2 t2 t2 n t2
limn→∞ ϕZn (t) = limn→∞ 1 − +O = e− 2 .
2 nσ2 nσ2
241 Notăm f (h) = O (g (h)), pentru h → h0 , s, i spunem că f este dominată asimptotic de g sau că
f cres, te mai încet decât g, pentru h → h0 , dacă
f (h)
limh→h0 = 0.
g (h)
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),
E (Sn ) = np s, i D2 (Sn ) = npq.
Obt, inem astfel următorul rezultat.
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
obt, inem că pentru orice −∞ ≤ a < b ≤ ∞ s, i, pentru n suficient de mare,

Sn − np X̄n − p
(5.27) P a≤ √ ≤ b = P a ≤ √ √ ≤ b ' Φ (b) − Φ (a) .
npq pq/ n
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) .
Remarca 5.91 Regula practică este următoarea:
• 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;
• dacă n ≥ 30 s, i min (np, nq) ≤ 5, atunci aproximarea nu este bună s, i în

acest caz se foloses, te distribut, ia Poisson P (λ) cu parametrul λ = np (vezi
s, i Teorema 2.137 s, i Remarca 2.138).
Remarca 5.92 Presupunem că un eveniment A se realizează cu probabilitatea

p. Utilizând notat, iile s, i cadrul de lucru din Exemplul 5.69 putem spune că s, irul
standardizat al frecvent, elor absolute de aparit, ie a evenimentului A converge
în funct, ia de repartit, ie la o v.a. distribuită normal standard.
Pn
Remarca 5.93 Dacă Xk ∼ B (1, p), atunci Sn = k=1 Xk ∼ B (n, p), s, i, uti-
lizând Remarca 5.87, obt, inem aproximarea distribut, iei binomiale cu ajutorul
distribut, iei normale:
Xn
(5.28) Sn = Xk ∼ N(np, npq) , pentru n suficient de mare
k=1
(de obicei, dacă min (np, nq) ≥ 10).

Având în vedere tabelele de valori ale distribut, iei binomiale B (n, p), pen-
tru diverse valori n ≥ 2, p ∈ (0, 1) s, i pentru k = 0, n, s, i tabelele de va-
lori ale distribut, iei normale standard, i.e. ale funct, iei Φ de repartit, ie, s-a ob-
servat că adăugarea unui factor de corect, ie (corect, ie de continuitate) de 1/2
îmbunătăt, es, te calitatea aproximării valorilor v.a. discrete printr-o v.a continuă.
Mai precis, deoarece k ∈ N, avem
P (Sn ≤ k) = P (Sn < k + 1/2)
s, i abia acum folosim relat, ia (5.28) s, i apoi (3.46). Deci, pentru Z ∼ N(0, 1),
P (Sn ≤ k) = P (Sn < k + 1/2)

k + 1/2 − np
'P Z< √
npq

k + 1/2 − np
=Φ √ , k = 0, n.
npq
Similar, pentru Z ∼ N(0, 1),
P (Sn ≥ k) = P (Sn > k − 1/2)

k − 1/2 − np
'P Z> √
npq

k − 1/2 − np
=1−Φ √ , k = 0, n.
npq
De asemenea, dacă ne interesează chiar probabilităt, ile P (Sn = k), atunci, de-
oarece k ∈ N, avem
P (Sn = k) = P (k − 1/2 < Sn < k + 1/2)
s, i abia acum folosim relat, ia (5.28) s, i apoi (3.46). Deci, pentru Z ∼ N(0, 1),
P (Sn = k) = P (k − 1/2 < Sn < k + 1/2)

k + 1/2 − np k − 1/2 − np
'P Z< √ − P Z ≤ √
npq npq

k + 1/2 − np k − 1/2 − np
=Φ √ −Φ √ , k = 0, n.
npq npq

Demonstrat, ia Teoremei 5.89 a lui Moivre-Laplace. V.a. Sn standardizată este
dată de
Sn − E (Sn ) Sn − np 1 −np
Zn = p = √ =√ Sn + √
2
D (Sn ) npq npq npq
iar funct, ia caracteristică asociată este

−np
1 −np
n
it √ it √ i√ t
ϕZn (t) = e npq ϕSn √ t = e npq pe npq + q
npq
itq −itp
n
√ √
= pe npq + qe npq ,
Pn
deoarece dacă Xk ∼ B (1, p), atunci Sn = k=1 Xk ∼ B (n, p) s, i în acest caz
Yn n
k=1
Dezvoltăm în serie de puteri exponent, iala s, i obt, inem:

√
itq p itq p itq 2 p itq 3
pe npq = p + √ + √ + √ + ... ,
1! npq 2! npq 3! npq
−itp
√ q −itp q −itp 2 q −itp 3
qe npq = q + √ + √ + √ + ...
q itp q itp 2 q itp 3
=q− √ + √ − √ + ... ,
deci
2 3
√
itq −itp
√ p itq p itq p itq
pe npq
+ qe npq
=p+ √ + √ + √ + ...
2 3
q itp q itp q itp
+q− √ + √ − √ + ...
1 2 i (p − q) 3
=1− t + √ t + ... ,
2n 3!n3/2 pq
adică n
1 2 i (p − q) 3
ϕZn (t) = 1 − t + √ t + ... .
2n 3!n3/2 pq
Trecându-se la limită se obt, ine
2
+O(n−3/2 )) 1 2
limn→∞ ϕZn (t) = limn→∞ elimn→∞ n(− 2n t
1
= e− 2 t .
Deci standardizarea unei v. a. distribuite binomial, i.e. Zn = S√n −E(S

2
n)
, devine,
D (Sn )
ϕ
la limită, distribut, ia normală standard, adică obt, inem Zn −−→ Z ∼ N(0, 1)
F
sau, echivalent (vezi Remarca 5.47), 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 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.
În acest caz obt, inem:
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
P (Sn ≤ k) = P (Sn < k + 1/2) .
Apoi, folosind (5.29) s, i (3.46), obt, inem:
P (Sn ≤ k) = P (Sn < k + 1/2)

k + 1/2 − nλ
'Φ √ , k ∈ N.
nλ
De asemenea, dacă ne interesează chiar probabilităt, ile P (Sn = k), atunci să
observăm, mai întâi, că
P (Sn = k) = P (k − 1/2 < Sn < k + 1/2) ,
deoarece valoarea k ∈ N.
Apoi, folosind (5.29) s, i (3.46), obt, inem:
P (Sn = k) = P (k − 1/2 < Sn < k + 1/2)

k + 1/2 − nλ k − 1/2 − nλ
'Φ √ −Φ √ , k ∈ N.
nλ nλ

Demonstrat, ia Teoremei 5.94. V.a. Sλ standardizată este dată de
Sλ − E (Sλ ) Sλ − λ 1 √
Zλ = p = √ = √ Sλ − λ
2
D (Sλ ) λ λ
iar funct, ia caracteristică asociată este

√
√ √
1

λ eit/ λ −1 −it λ
ϕZλ (t) = e−it λ ϕX √ t = e ,
λ
Pλ
deoarece dacă Xk ∼ P (1), atunci Sλ = k=1 Xk ∼ P (λ) s, i în acest caz
Yλ it
ϕSλ (t) = ϕXk (t) = eλ(e −1)
.
k=1
Dezvoltăm în serie de puteri funct, ia exponent, ială s, i obt, inem:
√
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
s, i trecând la limită se obt, ine

1 2
+O(λ−1/2 ) 1 2
limλ→∞ ϕZλ (t) = limλ→∞ e− 2 t = e− 2 t .
ϕ F
Deci Zn −−→ Z ∼ N(0, 1) sau, echivalent, Zn −−−→ Z ∼ N(0, 1) , pentru
n → ∞.
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
(vezi s, i Remarca 2.153 s, i formulele (2.64), (2.65) în cazul r = n).

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

Demonstrat, ie. V.a. Sn standardizată este dată de

n
Sn − p pSn − n
Zn = √
nq
= √ , unde n ∈ N∗ .
nq
p
Funct, ia caracteristică asociată este

ip !n
√ t
−n
it √ p −n
it √ pe nq
ϕZn (t) = e nq
ϕSn √ t =e nq
ip
nq 1 − qe
√
nq t
ip
−n
√it
 √ t
e nq
1 − qe nq
1 √iqnq t q √inq t
−n
= ip
 = e − e .
pe
√
nq t p p
Făcând calcule similare cu cele din pagina 511 obt, inem

−n
1 2
ϕZn (t) = 1 + t + O(n−3/2 ) ,
2n
s, i apoi
2
+O(n−3/2 )) 1 2
limn→∞ ϕZn (t) = limn→∞ e− limn→∞ n( 2n t
1
= e− 2 t .
Deci standardizarea sumei a n v.a. independente distribuite geometric devi-
ϕ
ne, la limită, distribut, ia normală standard, adică Zn −−→ Z ∼ N(0, 1) sau,
F
echivalent, Zn −−−→ Z ∼ N(0, 1) , pentru n → ∞.
blu) cu Xk ∼ χ2(1, 1), pentru k ∈ N∗ , se obt, ine, conform relat, iei (4.30), Sn ∼
χ2(n, 1) , unde n ∈ N∗ s, i conform (3.58),
E (Sn ) = n s, i D2 (Sn ) = 2n, unde n ∈ N∗ .
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

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.
Teorema 5.101 Dacă Xn ∼ t (n) , atunci

X Xn − E (Xn ) F
(5.30) q n = p −−−→ Z , pentru n → ∞,
n D2 (Xn )
n−2
unde Z ∼ N(0, 1) .
Remarca 5.102 Fie Y0 ∼ N(0, 1) s, i (Yk )k∈N∗ un s, ir de v.a. independente astfel

Pn Yk2 ∼ N(0,
încât 1), pentru orice k ∈ N∗ . Folosind Propozit, ia 3.226 obt, inem
2
k=1 Yk ∼ χ (n, 1) s, i conform Propozit, iei 3.228, v.a.
def Y0
Xn == q Pn ∼ t (n) .
k=1 Yk2
n
Vom demonstra (5.30) în cazul s, irului de v.a. (Xn )n∈N∗ .

Folosind
Propozit, ia 3.225 se obt, ine că Yk2 ∼ χ2(1, 1), deci E Yk2 = 1 s, i
D2 Yk2 = 2. Acum se poate aplica Corolarul 5.63 pentru a obt, ine că s, irul
Pn
Yk2 P
Yk2 k∈N∗ satisface LSNM, deci k=1 n −−→ E Yk2 = 1.
Conform Propozit, iei 5.19 obt, inem
1 P
q Pn 2
−−→ 1, pentru n → ∞,
k=1 Yk
n
242 De fapt, să reamintim că t (1) = C (0, 1) iar o v.a. distribuită Cauchy nu admite medie s, i
dispersie (vezi Exercit, iul 3.6.76)
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,
distribut, ia t (n) este aproximativ normală standard N(0, 1)

sau, echivalent, pentru n suficient de mare,
not
Ft(n) (x) ' FN(0,1) (x) == Φ (x) , pentru orice x ∈ R,
Practic, dacă n > 30, calcularea probabilităt, ilor se face utilizând tabelul distri-
but, iei normale standard:
= P (X > t ) = 1 − P (X ≤ t ) = 1 − FX (t ) ' 1 − Φ (t ) .
De asemenea, folosind simetria graficului densităt, ii fX în raport cu axa Oy,
P (|X| ≤ t ) = P (−t ≤ X ≤ t )
= 2P (0 ≤ X ≤ t )

1
= 2 P (X ≤ t ) −
2
= 2FX (t ) − 1
' 2Φ (t ) − 1.

Remarca 5.104 O demonstrat, ie alternativă pentru Teorema 5.101 (vezi s, i Re-

marca 5.103) este dată de utilizarea (5.10).
Conform Propozit, iei 3.228, dacă Xn ∼ N(0, 1) s, i Yn ∼ χ2(n, 1) , unde n ∈
∗
N , sunt două v.a. independente, atunci
def Xn
(5.31) T == q ∼ t (n) .
Yn
n
Pe de altă parte, este evident că

F
(5.32) Xn −−−→ Z ∼ N(0, 1) , pentru n → ∞.
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
Astfel obt, inem că

Yn
limn→∞ P − 1 < = 1,
n
adică
Yn P
−−→ 1, pentru n → ∞.
n
Folosind punctul (iv) al Propozit, iei 5.19 rezultă s, i limita
r
Yn P
(5.33) −−→ 1, pentru n → ∞.
n
Aplicând punctul (iii) al (5.10) pentru limitele (5.32) s, i (5.33) avem
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).

5.5.1 Care este probabilitatea ca la 1000 de aruncări ale unei monede frecvent, a
absolută de aparit, ie a stemei să fie între 400 s, i 650?
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.
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
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.
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),
FXn (x) = P (Xn ≤ x)

= P (frac (nX) ≤ x, Ω)
[n
= P frac (nX) ≤ x, {k − 1 ≤ nX < k}
k=1
Xn
= P (k − 1 ≤ nX < k, frac (nX) ≤ x)
k=1
Xn
= P (k − 1 ≤ nX ≤ x + (k − 1))
k=1

Xn k−1 x + (k − 1)
= P ≤X≤
k=1 n n
x+(k−1)
Xn Z n
= f (y) dy,
k=1 k−1
n
deoarece dacă k − 1 ≤ nX < k, atunci frac (nX) = nX − (k − 1) , deci
{k − 1 ≤ nX < k , frac (nX) ≤ x} = {k − 1 ≤ nX < k, nX ≤ x + (k − 1)}

= {k − 1 ≤ nX ≤ x + (k − 1)} .
k − 1 x + (k − 1)
Aplicând o teoremă de medie, avem că există ξn,k ∈ , ⊆
x+(k−1)
n n
k − 1 k Z n x
, astfel încât f (y) dy = f (ξn,k ), deci
n n k−1
n
n
Z 1
Xn x Xn 1
FXn (x) = f (ξk,n ) = x f (ξk,n ) → x f (y) dy = x,
k=1 n k=1 n 0
243 Vezi Remarca 3.70 dar s, i Exemplul 5.56.
adică
limn→∞ FXn (x) = x, x ∈ (0, 1) .
Prin urmare,
limn→∞ FXn (x) = FY (x) , pentru orice x ∈ R,
unde FY este dată de (3.32).
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
(5.34) FXn (x) = P (Xn ≤ x)

244 Să observăm că dacă definim partea întreagă

def
 k, dacă x ∈ [k, k + 1/2),
TxU == bx + 1/2c =
 k + 1, dacă x ∈ [k + 1/2, k + 1), pentru k ∈ Z,
atunci TxU este numărul întreg cel mai apropiat de numărul real x.
De exemplu, T5.3U = 5, T5.7U = 6, T−5.3U = −5 iar T−5.7U = −6.
Apoi partea fract, ionară

 x − k ∈ [0, 1/2), dacă x ∈ [k, k + 1/2),
def
frac
g (x) == x−TxU =
 x − (k + 1) ∈ [−1/2, 0), dacă x ∈ [k + 1/2, k + 1), pentru k ∈ Z,
g (x) este un număr între −0.5 s, i 0.5.
s, i, prin urmare, frac
245 Vezi Remarca 3.70.

g (nX) ≤ x, Ω
= P frac
[n
g (nX) ≤ x,
= P frac {k − 1 ≤ nX < k}
k=1
Xn
= P k − 1 ≤ nX < k, frac
g (nX) ≤ x .
k=1
Să observăm că dacă k − 1 ≤ nX < k, atunci


 nX − (k − 1) , dacă nX ∈ [k − 1, k − 1/2),
frac
g (nX) =
nX − k, dacă nX ∈ [k − 1/2, k),

deci
n o
k − 1 ≤ nX < k , frac
g (nX) ≤ x
= {k − 1 ≤ nX < k − 1/2, nX ≤ x + (k − 1)}

(5.35)
∪ {k − 1/2 ≤ nX < k, nX ≤ x + k}
= {k − 1 ≤ nX ≤ x + (k − 1)} ∪ {k − 1/2 ≤ nX ≤ x + k} .
Acum, dacă x ∈ [−1/2, 0), atunci
k − 1/2 ≤ x + k <k
k − 3/2 ≤ x + (k − 1) < k − 1
deci (5.35) devine

n o
k − 1 ≤ nX < k , frac
g (nX) ≤ x = {k − 1/2 ≤ nX ≤ x + k}
s, i, conform (5.34),

Xn k − 1/2 x+k
= P ≤X≤
k=1 n n
Z x+k
Xn n
= f (y) dy.
k=1 k−1/2
n
k − 1/2 x + 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
k ≤x+k < k + 1/2

k − 1 ≤ x + (k − 1) < k − 1/2
deci (5.35) devine

n o
k − 1 ≤ nX < k , frac
g (nX) ≤ x
= {k − 1 ≤ nX ≤ x + (k − 1)} ∪ {k − 1/2 ≤ nX < k}
s, i, conform (5.34),

Xn
= P k − 1 ≤ nX < k, frac
g (nX) ≤ x
k=1
Xn k − 1 x + (k − 1)

k − 1/2 k

= P ≤X≤ +P ≤X≤
k=1 n n n n
"Z x+(k−1) Z k
#
Xn n n
= f (y) dy + f (y) dy .
k=1 k−1 k−1/2
n n
k − 1 x + k − 1
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
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.
5.5.8 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∗ .
(a) Să se determine funct, ia de repartit, ie asociată v.a. Zn .

(b) Să se arate că s, irul (n (1 − Zn ))n∈N∗ converge în funct, ia de repartit, ie la o v.a.
Z ∼ Exp(1), pentru n → ∞.
5.5.9 Fie (Xk )k∈N∗ un s, ir de v.a. independente două câte două s, i date de
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,
E (Xk ) = 0, E Xk2 = D2 (Xk ) = 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
s, i  √ √ 
− ln k ln k
Xk :  , k ≥ 2.
 
1 1
2 2
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
deci, conform Corolarului 5.64, s, irul dat verifică LSNM.

246 Lema lui Stolz-Cezaro: fie (an )n , (bn )n două s, iruri astfel încât s, irul (bn )n este strict monoton
an+1 − an an
s, i nemărginit; dacă există limn→∞ = ` ∈ R atunci există s, i limn→∞ s, i este
bn+1 − bn bn
egală tot cu `.
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
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 −∞
Apoi, integrând prin părt, i,

Z ∞ (x−θ k )2
1 k 2 − √k
D2 (Xk ) = E(Xk − θk )2 = √ √ (x − θ ) e dx
π 4 k −∞
√ Z ∞ √ Z ∞ −x2 0
k 0 2 −(x0 )2 0 k e
=√ (x ) e dx = √ x dx
π −∞ π −∞ −2
√ −x2 Z ∞ −x2 √
k e x=∞ e k
=√ x − dx = .
π −2 x=−∞ −2 2

−∞
Aplicând Lema lui Stolz-Cezaro obt, inem

Pn Pn Pn √
D2 ( k=1 Xk ) 2
k=1 D (Xk ) k=1 k
limn→∞ = limn→∞ = lim n→∞
n2 n2 2n2
√
1 n+1
= limn→∞ 2 = 0,
2 (n + 1) − n2
deci, conform Corolarului 5.64, s, irul dat verifică LSNM.
5.5.13 Fie (Xk )k un s, ir de v.a. de tip i.i.d., cu Xk ∼ Bernoulli (p) = B (1, p) . Să
se arate că Pn
k=1 Xk P
−−→ p, pentru n → ∞.
n
Rezolvare:
Pentru rezolvare vezi s, i Exemplul 5.69.

Prezentăm în continuare o demonstrat, ie alternativă cu ajutorul convergen-
t, ei în funct, ia caracteristică.
Pn n v.a. independente Xk astfel încât Xk ∼ B (1, p) , k =

S, tim că dacă avem
1, n, atunci Sn = k=1 Xk ∼ B (n, p) .
Avem ϕXk (t) = peit + qei0 s, i, folosind formula (4.3),
Yn n
k=1
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.
5.5.14 Fie (Xk )k∈N∗ un s, ir de v.a. independente în ansamblu s, i date de

 
0 k
Xk :  , k ∈ N∗ .
 
1 1 
1− 2
k k2
Să se arate că s, irul dat satisface LTNM.
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
putem aplica Propozit, ia 5.75 s, i obt, inem concluzia.
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.
5.5.16 Fie A un eveniment cu probabilitatea de realizare p ∈ (0, 1) . Fie fn

numărul de realizări ale evenimentului A atunci când repetăm de n ori experi-
ent, a. Să se arate, folosind inegalitatea lui Cebâs, ev, că,
fn P
−−→ p, pentru n → ∞,
n
adică, pentru orice > 0, are loc

fn

limn→∞ P − p ≥ = 0.

n
Să se interpreteze rezultatul247 .

Rezolvare:
Evident, fn ∼ B (n, p), deci
f 1 np
n
E = E (fn ) = = p,
n n n
f 1 npq pq
n
D2 = 2 D2 (fn ) = 2 = .
n n n n
247 Vezi s, i Exercit, iul 2.4.22 s, i Exemplul 5.69.
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
5.5.17 Fie n, m ∈ N∗ s, i p ∈ (0, 1) . Fie v.a. independente X ∼ B (n, p), Y ∼

B (m, p) s, i v.a. independente Xi date de P (Xi = −1) = P (Xi = 1) = 1/2,
unde i ∈ N∗ .
(a) Să se determine, folosind eventual funct, ia caracteristică, media s, i dispersia
v.a. X.
(b) Să se determine, folosind eventual funct, ia caracteristică, tipul distribut, iei
v.a. X +Y . Să se deducă, folosind funct, ia caracteristică, s, i dispersia lui 2X −3Y.
1 + Xi
(c) Să se determine tipul distribut, iei v.a. s, i apoi al v.a.
2
Pn
n + i=1 Xi
X̄n = .
2n
(d) Să se determine s, i să se justifice limita în probabilitate s, i limita aproape
sigură a s, irului X̄n n∈N∗ . Să se interpreteze rezultatul.
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∗ .


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!

 
−1 1
Xk :  , k ∈ N∗ .
 
1 1 
2 2
an
s, i (ak )k∈N∗ un s, ir de numere pozitive astfel încât limn→∞ √
n
= 0.
Să definim
Xn Xn
Sn = Xk , Tn = ak Xk , unde n ∈ N∗ .
k=1 k=1
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
248 Pentru alte exemple similare vezi https://www.math.uaic.ro/∼maticiuc/didactic/Appli-

cations_of_Probability_Theory.pdf, Exercise 5, page 27.
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..
s, i, folosind proprietatea de unicitate dată de Remarca 4.33, deducem concluzia.
Putem calcula s, i astfel:

Yn Yn 1 1
ϕ Sn +n (t) = ϕ 1+Xk (t) = eit·0 + eit·1
2 k=1 2 k=1 2 2
1 1 n
= eit + = ϕU (t), unde U ∼ B (n, 1/2) ,
2 2
deoarece  
0 1
1 + Xk 
: , k ≥ 1,

2 1 1 
2 2
deci, prin identificare, deducem aceeas, i concluzie.
(c) Folosind legăturile dintre convergent, e date de Teorema 5.42 s, i Remarca 5.47
avem
(5.36) limn→∞ ϕ Tn (t) = ϕ0 (t) , pentru orice t ∈ R.

n

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

 
−k α k α
1
Xk :  , k ∈ N∗ , α <
 
1 1  2
2 2
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
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
Aplicând Lema lui Stolz-Cezaro obt, inem

Pn 2α 2α
D2 (Sn ) k=1 k (n + 1)
limn→∞ = limn→∞ = limn→∞ 2
n2 n2 (n + 1) − n2
2α
2α
(n + 1) n2α 1 + n1
= limn→∞ = limn→∞ = 0,
2n + 1 n 2 + n1
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
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
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
Să se arate că:

Sn P Sn a.s.
(a) −−→ 0, −−−−→ 0, pentru n → ∞;
n n
Tn P
(b) −−→ 0, pentru n → ∞;
n
nn
a a
1 n
(c) limn→∞ sin · . . . · sin = 1.
a1 a2 . . . an n n
5.5.23 Fie f : [0, 1] → R o funct, ie continuă. Să se arate că250

Z Z
x1 + . . . + xn 1
(a) limn→∞ · · · f dx1 . . . dxn = f ;
[0,1]n n 2
√
Z Z 1
(b) limn→∞ · · · f ( n x1 · . . . · xn ) dx1 . . . dxn = f .
[0,1]n e
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
Prin urmare trebuie să calculăm limn→∞ In , unde

Pn
k=1 Xk
In = E f .
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
250 Pentru alt exemplu similar vezi https://www.math.uaic.ro/∼maticiuc/didactic/Appli-

cations_of_Probability_Theory.pdf, Exercise 6, page 28.
Prin urmare trebuie să calculăm limn→∞ Jn , unde

r !! Pn
k=1 ln(Xk )
Yn
n
Jn = E f Xk =E f e n .
k=1
Calculăm media s, i dispersia v.a. ln (Xk ) folosind formula de transfer (3.15) s, i

obt, inem
E (ln (Xk )) = −1 s, i D2 (ln (Xk )) = 1,

deci s, irul D2 (Xk ) k∈N∗ este mărginit s, i putem aplica Propozit, ia 5.75.
Obt, inem că (ln (Xk ))k∈N∗ satisface LTNM (evident, putem aplica direct Teo-
rema 5.80), deci
Pn
k=1 ln (Xk ) a.s.
−−−−→ E (ln (X1 )) = −1, pentru n → ∞.
n
Conform Teoremei 5.42 s, i a caracterizării date de Teorema 5.25, obt, inem
Pn
k=1 ln(Xk )
= E f e−1 = f e−1 .

limn→∞ E f e 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 → ∞.
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
P (|S500 − E (S500 )| < ) = P (E (S500 ) − < S500 < E (S500 ) + ) ,
adică X să ia valori în intervalul centrat (E (S500 ) − , E (S500 ) + ) .

În cazul nostru vom folosi relat, ia (5.26) dată de Teorema Limită Centrală
5.84 (sau, mai precis, relat, ia (5.27) dată de Teorema 5.89 a lui Moivre-Laplace).
Astfel, pentru orice −∞ ≤ a < b ≤ ∞,

S500 − np
P a< √ ≤ b ' Φ (b) − Φ (a) .
npq
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),
E (S100 ) = 50 s, i D2 (S100 ) = 25.
P (40 ≤ S100 ≤ 60) .

40 − 50
Vom folosi relat, ia (5.26) sau (5.27). Pentru aceasta luăm a = √ = −2 s, i
25
60 − 50
b= √ = 2 s, i folosim (3.44):
25

40 − 50 S100 − 50 60 − 50
P (40 < S100 ≤ 60) = P √ < √ ≤ √
25 25 25

S100 − 50
= P −2 < √ ≤2
25
' Φ (2) − Φ (−2)
= 2Φ (2) − 1 = 2 · 0.97725 − 1 = 0.9545.
Să observăm că putem aplica inegalitatea lui Cebâs, ev deoarece ne interesează
ca S100 să ia valori în intervalul centrat
(E (S100 ) − , E (S100 ) + ) = (40, 60)
pentru = 10. Deci
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) ,
pentru orice −∞ ≤ a < b ≤ ∞.

3.5−4 3.8−4
Să luăm a = √
1.5/ 50
= −2.36 s, i b = √
1.5/ 50
= −0.94 s, i să folosim (3.44):

3.5 − 4 X̄50 − 4 3.8 − 4
P 3.5 < X̄50 ≤ 3.8 = P √ < √ ≤ √
1.5/ 50 1.5/ 50 1.5/ 50

X̄50 − 4
= P − 2.36 < √ ≤ −0.94
1.5/ 50
' Φ (−0.94) − Φ (−2.36)
= 1 − Φ (0.94) − (1 − Φ (2.36))
= Φ (2.36) − Φ (0.94) = 0.990863 − 0.826391 = 0.1645.
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?
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:

P 0.48 ≤ X̄n ≤ 0.52 .
În cazul nostru vom folosi relat, ia (5.26) sau (5.27) cu p = q = 1/2 :

√ √
X̄n − p pq pq
P a < √ √ ≤ b = P a √ + p < X̄n ≤ b √ + p
pq/ n n n
' Φ (b) − Φ (a) ,

√
pq 0.48−0.5
Să luăm a astfel încât a √n + p = 0.48 sau, echivalent, a = √ √ =
1/4/ n
√ √
pq 0.52−0.5
−0.04 n s, i b astfel încât b √n + p = 0.52 sau, echivalent, b = √ √ =
1/4/ n
√
0.04 n, deci a = −b s, i

0.99 = P 0.48 < X̄n ≤ 0.52 ' Φ (b) − Φ (−b) = 2Φ (b) − 1.
Deci 2
2.57
Φ (b) = 0.995 ⇒ b = 2.57 ⇒ n= = 4128.1
0.04
(de fapt, alegem n = 4129 ∈ N∗ ).
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:
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) ,

√ √
Să luăm a = 1/6−0.05−1/6
√ 5 = −6 n 0.05
√
5
= − n0.1342 s, i respectiv b =
36n
1/6+0.05−1/6 √ √
√ 5 = 6 n 0.05
√ =
5
n0.1342, adică a = −b.
36n
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
(de fapt, alegem n = 367 ∈ N∗ ).
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) ,
pentru = 0.05. Deci impunem

D2 X̄n pq/n 5/ (36n)
P X̄n − 1/6 < 0.05 ≥ 1 − =1− =1− > 0.99.
0.052 0.0025 0.0025
Obt, inem
5
n> = 5555.6,
0.01 · 0.0025 · 36
deci alegem n = 5556 ∈ N∗ .
Indice de nume
Abaterea standard Corect, ia de continuitate, 509, 512

Definit, ia, 142, 252 Corelat, ia, 137, 253
Proprietăt, i, 142 Caracterizarea dependent, ei
Algebra, 11 liniare, 139
σ−algebra, 11 Covariant, a
Borel, 21 Definit, ia, 137, 252
Generatori, 21 Formula, 137, 253, 311, 316, 317
generată, 20 Matricea de covariant, ă, 308, 309
Aranjamente, 38, 43 Cuantile
Centile, 235
Coeficientul Cuartile, 234
de asimetrie (skewness), 143 Definit, ia, 232, 234
de corelat, ie, 137, 253 Funct, ia cuantilă, 233
de exces (kurtosis), 144 Mediana, 234
Combinări, 39, 40, 43 Percentile, 235
Convergent, a
în Lp , 473 Densitatea de repartit, ie, 222, 316
în distribut, ie, 480 a câtului, 333
în funct, ia caracteristică, 481 a diferent, ei, 328
în funct, ia de repartit, ie, 477 a produsului, 333
Caracterizarea, 479 a sumei, 328
în lege, 480 Cazul discret, 114, 118, 168
în probabilitate, 476 Legătura cu funct, ia
Caracterizarea, 476 caracteristică, 437
aproape sigură, 474 Legătura cu funct, ia de
Caracterizarea, 475 repartit, ie, 230, 317
slabă, 480 marginală, 318
Convolut, ia Deviat, ia standard
Cazul continuu, 329 Definit, ia, 142, 252
Cazul discret, 157 Proprietăt, i, 142
547
548 Indice de nume
Dispersia Semnificat, ia, 359

de select, ie, 145, 343, 501 Suma, 461
Formula de calcul, 146 χ2 , 300
Media, 145, 146 Dispersia, 303
Definit, ia, 134, 251 Legătura cu distribut, ia
Formula, 135, 252 Fisher, 346
Proprietăt, i, 139 Legătura cu distribut, ia
Distribut, ia Gamma, 300
Bernoulli, 151 Legătura cu distribut, ia
Dispersia, 153 normală, 342, 344
Media, 153 Legătura cu distribut, ia
Semnificat, ia, 152 Student, 344
Suma, 157, 458 Media, 303
Beta, 340 Semnificat, ia, 342
Legătura cu distribut, ia Suma, 303, 464
Gamma, 340 Erlang, 465
binomială, 154 Legătura cu distribut, ia
Dispersia, 155 exponent, ială, 290
Legătura cu distribut, ia binomi- exponent, ială, 269
ală cu exponent negativ, 181 Dispersia, 272
Legătura cu distribut, ia Funct, ia de repartit, ie, 270
hipergeometrică, 166 Legătura cu distribut, ia
Legătura cu distribut, ia Erlang, 290
Poisson cu un număr Legătura cu distribut, ia
infinit de valori, 175 Gamma, 290
Media, 155 Legătura cu distribut, ia
Semnificat, ia, 154, 157 geometrică, 272
Suma, 156, 458 Legătura cu distribut, ia
binomială cu exponent Pareto, 339
negativ, 180 Legătura cu distribut, ia
Dispersia, 182 Poisson cu un număr
Legătura cu distribut, ia infinit de valori, 271, 292, 293,
binomială, 181 369
Media, 182 Lipsa de memorie, 271, 352
Semnificat, ia, 181, 183 Media, 272
Suma, 184, 459 Semnificat, ia, 269–271, 352
Cauchy, 365 Suma, 290, 460
Legătura cu distribut, ia Fisher, 304
Laplace, 449, 453 Dispersia, 304
Indice de nume 549
Legătura cu distribut, ia Semnificat, ia, 375

χ2 , 346 Laplace, 363
Legătura cu distribut, ia Legătura cu distribut, ia
normală, 348 Cauchy, 449, 453
Legătura cu distribut, ia lognormală, 340
Student, 346 Legătura cu distribut, ia
Media, 304 normală, 340
Gamma, 287 multinomială, 322
Dispersia, 289 Matricea de covariant, ă, 324
Legătura cu distribut, ia Media, 324
χ2 , 300 normală, 274
Legătura cu distribut, ia bidimensională, 401
Beta, 340 Densitatea de repartit, ie, 275
Legătura cu distribut, ia Dispersia, 277
exponent, ială, 290
Funct, ia Φ, 278
Legătura cu distribut, ia
Funct, ia de repartit, ie, 278
Pareto, 339
Integrala Gauss, 275
Poisson cu un număr
χ2 , 342, 344
infinit de valori, 292, 293, 369
Media, 289
Fisher, 348
Semnificat, ia, 290, 291, 294
Suma, 289, 460 Legătura cu distribut, ia
geometrică, 177, 178 lognormală, 340
Dispersia, 178 Legătura cu distribut, ia
Funct, ia de repartit, ie, 179 Student, 344, 345, 517, 518
Legătura cu distribut, ia Media, 277
exponent, ială, 272 Regula celor 3σ, 280
Lipsa de memorie, 211, 212 Suma, 283, 462
Media, 178 Pareto, 339
Semnificat, ia, 177, 178 Legătura cu distribut, ia
Suma, 184, 458 exponent, ială, 339
hipergeometrică, 159 Legătura cu distribut, ia
Dispersia, 161 Gamma, 339
Legătura cu distribut, ia Poisson cu un număr finit
binomială, 166 de valori, 150
Media, 161 Dispersia, 151
Semnificat, ia, 160, 163 Media, 151
Irwin-Hall, 375 Semnificat, ia, 151
550 Indice de nume
Poisson cu un număr infinit două câte două, 27, 28

de valori, 172 neglijabile, 15
Dispersia, 174 nule, 15
binomială, 175 Formula
Legătura cu distribut, ia de transfer
exponent, ială, 271, 292, 293, 369 Cazul continuu, 239, 316
Legătura cu distribut, ia Cazul discret, 133, 171, 311
Gamma, 292, 293, 369 lui Bayes, 35
Media, 174 lui Wald, 217, 423
Semnificat, ia, 173 probabilităt, ii totale, 34
Suma, 176, 458 Frecvent, a
Student, 294 absolută, 496
Dispersia, 298 relativă, 497, 500
Legătura cu distribut, ia Funct, ia
χ2 , 344 Beta, 295
Legătura cu distribut, ia caracteristică, 431
Fisher, 346 Formula, 432
Legătura cu distribut, ia Legătura cu momentele, 435
normală, 344, 345, 517, 518 Legătura cu transformata
Media, 298 Fourier, 432
triunghiulară, 373 Proprietăt, i, 433
uniformă, 259 de distribut, ie, 106, 107, 305
Dispersia, 261 de fiabilitate, 270
Media, 261 de repartit, ie, 106, 107, 305
Semnificat, ia, 260 Cazul discret, 116
uniformă discretă, 149 de select, ie, 502
Semnificat, ia, 149 Inversa generalizată, 233
Weibull, 361 Legătura cu densitatea de
repartit, ie, 118, 222, 316
Es, antion, 144 Legătura cu funct, ia
Estimator caracteristică, 437
deplasat, 146 marginală, 306
nedeplasat, 145, 147 Proprietăt, i, 106, 108, 230, 305
Evenimente de supraviet, uire, 270
echiprobabile, 8 Gamma, 287
independente generatoare de momente, 426
în ansamblu, 28 Legătura cu transformata
Caracterizarea, 28 Laplace, 428
Indice de nume 551
generatoare de probabilităt, i, 425 Media, 145

indicatoare a unei mult, imi, 117 Definit, ia generală, 239
masă de proba- Proprietăt, i, 124
bilitate, 114, 118, 168 Mediana, 136, 234
Funct, ii Metoda Monte-Carlo, 539
bijective, 45 Metode de a genera v.a., 208, 209, 261,
injective, 44 262, 266, 267, 269, 274, 355,
surjective, 45 359, 360, 363, 369, 387
Metoda Box-Muller, 387
Inegalitatea Metoda inversei funct, iei
Cauchy-Schwarz, 435 de repartit, ie, 266
lui Cebâs, ev, 148 Metoda inversei funct, iei
lui Hölder, 435 de repartit, ie, 267
lui Jensen, 433 Moda, 136
lui Liapunov, 473 Moment, 132, 251
lui Markov, 147 Moment absolut, 133, 251
lui Minkowski, 472 Moment central, 132, 251
Legea probabilităt, ii totale, 34 Paradoxul lui Bertrand, 94

Legea slabă a numerelor mari, 494 Permutări, 38, 43
Legea tare a numerelor mari, 498 Principiul multiplicării, 36, 43
Lema lui Borel Cantelli, 22 Probabilitatea
condit, ionată, 26
Măsura Dirac, 116 Definit, ia, 7, 9, 12
Matricea de covariant, ă, 308 Proprietăt, i, 7, 13, 15, 17–19
Caracterizarea dependent, ei unei intersect, ii, 34
liniare, 310 unei reuniuni, 31
Formula, 309 Problema
Proprietăt, i, 309 acului lui Buffon, 100
Matricea de covariant, ă dintre doi concordant, elor, 92, 197
vectori aleatori, 309 lui Banach, 91
Formula, 309
Matricea de variant, ă, 308 Scheme clasice, 46
Matricea de variant, ă-covariant, ă, 308 Schema bilei nerevenite, 50
Media Schema bilei revenite, 48
Cazul continuu, 238, 308 Schema binomială, 48
Cazul discret, 123, 169, 170, 308 Schema hipergeometrică, 50
de select, ie, 145, 342, 493, 501, 506 Schema lui Poisson, 47
Dispersia, 145 Schema multinomială, 49
552 Indice de nume
Sistem de evenimente Distribut, ia, 105

complet, 7 Egalitate în lege, 110
descompunere, 7 Egalitate a.s., 111
partit, ie, 7 i.i.d., 144
Spat, iu de probabilitate identic distribuite, 110
complet, 474 identic repartizate, 110
Definit, ia, 13 Imaginea inversă, 104
finit, 7 independente
Laplace, 9 în ansamblu, 113
Spat, iu măsurabil, 13 Caracterizarea, 127, 129, 307, 321,
Spat, iul Lp , 472 322, 434
Sperant, a, 123 două câte două, 113
Legea, 105
Tablou de repartit, ie, 114, 167 mixte, 226, 227
Marginal, 311 multimodale, 136
Teorema Preimaginea, 104
Convergent, ei Dominate Repartit, ia, 105
a lui Lebesgue, 482 Simetrice, 144
Limită Centrală, 503 Standardizarea, 282, 503, 508, 512,
lui Bernoulli, 201, 497 514–516
lui Borel, 500 unimodale, 136
lui Lévy, 483 Variant, a
lui Moivre-Laplace, 508 de select, ie, 145, 343, 501
Transformata Formula de calcul, 146
Fourier, 432 Media, 145, 146
Laplace, 428 Definit, ia, 134, 251
Formula, 135, 252
Valoarea as, teptată, 123 Proprietăt, i, 139
Variabile aleatoare Vectori aleatori, 304
σ−algebra generată, 112
centrate, 133
Clasificarea, 104, 118, 222, 225, 226
continue, 222
Definit, ia, 103
discrete
cu un numar finit
de valori, 114
cu un numar infinit
de valori, 167
Bibliografie
[1] Lee J. Bain, Max Engelhardt, Introduction to Probability and Mathematical

Statistics (Second Edition), Duxbury, 1992.
[2] Paolo Baldi, Calcolo delle probabilità (Seconda Edizione), McGraw-Hill, Mi-
lano, 2011.
[3] Patrick Billingsley, Probability and Measure (Anniversary Edition), John Wi-
ley, New-Jersey, 2012.
[4] Matthew A. Carlton, Jay L. Devore, Probability with Applications in Engi-
neering, Science, and Technology, Springer, New-York, 2014.
[5] Kai Lai Chung, A Course in Probability Theory (Third Edition), Academic
Press, San Diego, 2001.
[6] Erhan C, inlar, Probability and Stochastics, Springer, New-York, 2011.
[7] George Ciucu, Elemente de teoria probabilităt, ilor s, i statistică matematică, Edi-
tura Didactică s, i Pedagogică, Bucures, ti, 1963.
[8] George Ciucu, Virgil Craiu, Introducere în teoria probabilităt, ilor s, i statistică
matematică, Editura Didactică s, i Pedagogică, Bucures, ti, 1971.
[9] George Ciucu, Virgil Craiu, Probleme de statistică matematică, Editura Di-
dactică s, i Pedagogică, Bucures, ti, 1968.
[10] George Ciucu, Virgil Craiu, Ion Săcuiu, Culegere de probleme de teoria
probabilităt, ilor, Editura Tehnică, Bucures, ti, 1967.
[11] George Ciucu, Virgil Craiu, Ion Săcuiu, Probleme de statistică matematică,
Editura Tehnică, Bucures, ti, 1974.
[12] George Ciucu, Virgil Craiu, Ion Săcuiu, Probleme de teoria probabilităt, ilor,
Edit, ia a II-a, Editura Tehnică, Bucures, ti, 1974.
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
[29] Geoffrey R. Grimmett, David R. Stirzaker, Probability and Random Processes

(Third Edition), Oxford University Press, New-York, 2001.
[30] Allan Gut, Probability: A Graduate Course, Springer, New-York, 2013.
[31] Marius Iosifescu, Gheorghe Mihoc, Radu Theodorescu, Teoria
probabilităt, ilor s, i statistică matematică, Editura Tehnică, Bucures, ti, 1966.
[32] Jean Jacod, Philip Protter, Probability Essentials (Second Edition), Springer-
Verlag Berlin, 2004.
[33] Thomas Kämpke, Franz Josef Radermacher, Income Modeling and Balan-
cing, Springer New-York, 2015.
[34] Achim Klenke, Probability Theory. A Comprehensive Course (Second Edi-
tion), Springer, London, 2014.
[35] R.G. Laha, V.K. Rohatgi, Probability Theory, John Wiley & Sons, U.S.A.,
1979.
[36] Aristide Leonte, Elemente de Calculul Probabilităt, ilor (note de curs), Repro-
grafia Universităt, ii din Craiova, Craiova, 1971.
[37] Aristide Leonte, Exemple s, i contraexemple în teoria probabilităt, ilor, Repro-
grafia Universităt, ii din Craiova, Craiova, 1976.
[38] Aristide Leonte, Rodica Trandafir, Clasic s, i actual în calculul probabilităt, ilor,
Editura Dacia, Cluj-Napoca, 1974.
[39] Nicolae Mihăilă, Introducere în teoria probabilităt, ilor s, i statistică matematică,
Editura Didactică s, i Pedagogică, Bucures, ti, 1965.
[40] Gheorghe Mihoc, Elemente de calculul probabilităt, ilor, Editura Tehnică,
Bucures, ti, 1954.
[41] Gheorghe Mihoc, George Ciucu, Virgil Craiu, Teoria probabilităt, ilor s, i statis-
tică matematică, Editura Didactică s, i Pedagogică, Bucures, ti, 1970.
[42] Gheorghe Mihoc, Dumitru Firescu, Statistică matematică, Editura Didactică
s, i Pedagogică, Bucures, ti, 1966.
[43] Gheorghe Mihoc, Nicolae Micu, Teoria probabilităt, ilor s, i statistică matemati-
că, Editura Didactică s, i Pedagogică, Bucures, ti, 1980.
[44] Octav Onicescu, Gheorghe Mihoc, Lect, ii de statistică matematică, Editura
Tehnică, Bucures, ti, 1958.
[45] Valentin V. Petrov, Limit Theorems of Probability Theory, Claredon Press, Ox-
ford, 1995.
556 Bibliografie
[46] Anca Precupanu, Analiză matematică. Funct, ii reale, Editura Didactică s, i

Pedagogică, Bucures, ti, 1976.
[47] Anca Precupanu, Analiză matematică. Măsură s, i integrală I, Editura
Universităt, ii „Alexandru Ioan Cuza”, Ias, i, 2006.
[48] Corina Reischer, Anca Sâmboan, Culegere de probleme de teoria
probabilităt, ilor s, i statistică matematică (pentru licee), Editura Didactică s, i Pe-
dagogică, Bucures, ti, 1972.
[49] Corina Reischer, George Sâmboan, Radu Theodorescu, Teoria
probabilităt, ilor, Editura Didactică s, i Pedagogică, Bucures, ti, 1967.
[50] Sheldon Ross, A First Course in Probability (Eighth Edition), Pearson, 2010.
[51] Sheldon Ross, Introduction to Probability Models (Ninth Edition), Elsevier,
Amsterdam, 2007.
[52] Sheldon Ross, Simulation (Fifth Edition), Elsevier, Amsterdam, 2013.
[53] Albert N. Shiryaev, Probability – 1 (Third Edition), Springer New-York,
2016.
[54] Albert N. Shiryaev, Probability – 2 (Third Edition), Springer New-York,
2019.
[55] Albert N. Shiryaev, Problems in Probability, Springer New-York, 2012.
[56] Gheorghe Siret, chi, Calcul diferent, ial s, i integral, vol. I (Not, iuni fundamentale),
Editura S, tiint, ifică s, i Enciclopedică, Bucures, ti, 1985.
[57] Gheorghe Siret, chi, Calcul diferent, ial s, i integral, vol. II (Exercit, ii), Editura
S, tiint, ifică s, i Enciclopedică, Bucures, ti, 1985.
[58] Pavel Talpalaru, Liliana Popa, Emilia Popovici, Probleme de teoria proba-
bilităt, ilor s, i statistică matematică, Editura Universităt, ii Tehnice „Gheorghe
Asachi”, Ias, i, 1995.
[59] Constantin Tudor, Curs de teoria probabilităt, ilor, Editura Universităt, ii din
Bucures, ti, Bucures, ti, 1988.
[60] Richard von Mises, Mathematical Theory of Probability and Statistics, Aca-
demic Press, New-York, 1964.
[61] John L. Weatherwax, A Solution Manual for: A First Course In Probability by
Sheldon M. Ross, https://www.waxworksmath.com/, 2013.

Probability Theory PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Probability Theory PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Lucian MATICIUC

T EORIA P ROBABILITĂT, ILOR

2 Variabile aleatoare discrete . . . . . . . . . . . . . . . . . . . . . . . . 103

Distribuţia uniformă discretă . . . . . . . . . . . . . . . 149

3 Variabile aleatoare continue . . . . . . . . . . . . . . . . . . . . . . . 221

4 Funcţia generatoare de momente . . . . . . . . . . . . . . . . . . . . . 425

5 Şiruri de variabile aleatoare. Convergenţe . . . . . . . . . . . . . . . 471

5.1 Tipuri de convergenţe . . . . . . . . . . . . . . . . . . . . . . . . 471

1.1 Evenimente s, i operat, ii cu evenimente

un element al mult, imii1 P (Ω) a părt, ilor lui Ω.

orice probă care realizează evenimentul A, realizează s, i evenimentul B. Are

Evenimentele A s, i B se numesc compatibile dacă se pot realiza simultan, adică

Propozit, ia 1.3 (Proprietăt, i ale operat, iilor)

3. Dacă A, B, C ∈ F astfel încât A ⊂ C s, i B ⊂ C, atunci A ∪ B ⊂ C s, i A ∩ B ⊂ C.

6. Pentru orice A, B, C ∈ F au loc următoarele proprietăt, i de distributivitate2

7. Legile lui De Morgan3 : pentru orice A, B ∈ F,

Exemplul 1.4 Fie evenimentele (Ai )i=1,n .

Exemplul 1.5 Fie evenimentele A, B, C. Vom exprima următoarele evenimente

(c) Exact un singur eveniment are loc:

(d) Doar două evenimente au loc:

(e) Cel put, in două evenimente au loc:

(f ) Cel mult un eveniment are loc:

(g) Cel put, in un eveniment are loc:

1.2 Spat, iu finit de probabilitate

(ii) Dacă A ∈ F, atunci Ā ∈ F,

(iii) Dacă A, B ∈ F, atunci A ∪ B ∈ F.

Exemplul 1.9 Dacă n este numărul de evenimente elementare, atunci familia

Propozit, ia 1.10 Au loc următoarele proprietăt, i.

complet de evenimente (sau o partit, ie sau o descompunere a lui Ω) dacă:

Definit, ia 1.13 Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor evenimentelor elementare

def card (A)

Tripletul (Ω, F, P) se va numi spat, iu finit de probabilitate (sau câmp finit de

Propozit, ia 1.14 Au loc următoarele proprietăt, i6 , pentru orice A, B ∈ F s, i Ai ∈ F,

5 Cardinalul unei mult, imi A se va nota cu card (A) sau cu |A| .

(ii) P (Ω) = 1, P (∅) = 0,

(iii) P (A ∪ B) = P (A) + P (B) , dacă A ∩ B = ∅,

(iv) P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ,

(vii) P (A \ B) = P (A) − P (B) , dacă B ⊂ A.

Definit, ia 1.17 Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor evenimentelor elementa-

Definit, ia 1.18 (Kolmogorov) Se numes, te probabilitate pe un spat, iu finit de eveni-

(i) P (A) ≥ 0, oricare ar fi A ∈ F,

(iii) P (A ∪ B) = P (A) + P (B) , oricare ar fi A, B ∈ F, A ∩ B = ∅.

Exemplul 1.20 Presupunem ca aruncăm o monedă de trei ori. În acest caz

Evident, se poate vedea din diagramă că

1.3 Spat, ii de probabilitate

(ii) dacă A ∈ F, atunci Ā ∈ F,

(iii) dacă A, B ∈ F, atunci A ∪ B ∈ F.

Elemente lui F se numesc evenimente aleatoare sau evenimente.

Definit, ia 1.30 Fie F o σ−algebră peste Ω. Se numes, te probabilitate (sau măsura

(i) P (A) ≥ 0, oricare ar fi A ∈ F,

evenimente incompatibile două câte două,

Remarca 1.31 Condit, ia (ii) este numită proprietatea de numărabilă aditivitate

Remarca 1.32 Din definit, ia anterioară se vede că, de fapt, aplicat, ia

Definit, ia 1.34 Fie (Ω, F) un spat, iu măsurabil s, i probabilitatea

Atunci, tripletul (Ω, F, P) se numes, te spat, iu de probabilitate (sau câmp de pro-

Propozit, ia 1.36 Fie (Ω, F, P) un spat, iu de probabilitate. Au loc următoarele propri-

(v) probabilitatea evenimentului imposibil este nulă, i.e. P (∅) = 0;

astfel încât Ak ∩ Al = ∅, pentru k, l = 1, n, k 6= l;

Are loc s, i formula de calcul a probabilităt, ii unei reuniuni de două evenimente:

(xi) P (A ∪ B) = P (A) + P (B) − P (A ∩ B) , oricare ar fi A, B ∈ F,

(xii) P (A ∩ B) = P (A) + P (B) − P (A ∪ B) , oricare ar fi A, B ∈ F.

Se obt, ine formula de calcul a probabilităt, ii unei reuniuni de trei evenimente:

s, i apoi formula de calcul a probabilităt, ii unei intersect, ii de trei evenimente:

este σ−algebra generată de evenimentele A, B ∈ F.

A = (a, b + ] & (a, b], B = (a, b + ) & (a, b],

C = (a, b − ] % (a, b), D = (a, b − ) % (a, b).

oricare ar fi A, B, C, D ∈ F astfel încât P (A ∩ B ∩ C ∩ D) > 0.