rev - V.2.

Ciocoiu Robert

Variabile aleatorii continui și distribuții de probabilitate continui

În exemplele menţionate anterior valorile ce puteau fi luate de către variabilele aleatoare puteau
fi încadrate într-un interval (fie el finit sau infinit). Totuşi, deoarece numărul de valori posibile
pentru variabila aleatoare X este infinit numărabil, distribuţia va fi diferită faţă de cea a
variabilelor discrete prezentate anterior. Domeniul de valori al variabilei X include toate valorile
posibile dintr-un interval de numere reale, deci putem privi acest domeniu drept continuu. Astfel
sunt dezvoltate distribuţii continue aplicabile celor mai frecvente situaţii.
Distribuţii de probabilitate şi funcţii de probabilitate
Funcţiile de probabilitate sunt utilizate frecvent în aplicaţiile din inginerie pentru a descrie
sistemele fizice. Dacă presupunem o bară solicitată, densitatea solicitării poate fi descrisă,
punctual, ca o funcţie. Zonele (intervalele) cu solicitări mai intense corespund valorilor mai mari
ale funcţiei, iar solicitarea totală dintre limitele unui interval poate fi determinată integrând
funcţia pe acel interval.
Similar, o funcţie de probabilitate poate fi utilizată pentru a descrie distribuţia de probabilitate a
unei variabile aleatoare X. Dacă valoarea are o probabilitate de a se găsi în acest interval, valorile
funcţiei f(x) vor fi mari, iar probabilitatea ca X să se găsească într-un interval se determină
integrând funcţia pe acel interval.
O variabilă aleatorie X este considerată absolut continuă sau, pe scurt, continuă, dacă funcția sa
de distribuție poate fi reprezentată sub forma:

( )= ( ≤ )= ( ) , (−∞ < < ∞)

∞

!!! Definiţie - Considerând o variabilă aleatoare X, o funcţie de densitate de probabilitate trebuie

să îndeplinească următoarele condiţii:
1. ( ) ≥ 0
∞
2. ∫ ∞ ( ) = 1
3. ( ≤ ≤ )=∫ ( ) oricare ar fi a sau b.

O astfel de funcţie de probabilitate oferă o descriere simplă a probabilităţilor asociate unei

variabile aleatoare. Atât timp cât f(x) este pozitivă, integrala sa are valoarea, 1 atunci
probabilităţile sale sunt constrânse 0≤P(a<X<b)≤1. Valoarea funcţiei este 0 pentru valori x ce nu
pot exista şi este considerată nulă atunci când nu este definită precis.
Histograma reprezintă o aproximare a funcţiei de densitate de probabilitate. Pentru fiecare
interval al histogramei suprafaţa barei este egală cu frecvenţa relativă (proporţie) a intervalului
de măsură. Frecvenţa relativă este o estimată a probabilităţii ca o măsurare să se încadreze într-
un interval. Funcţia de densitate f(x) este utilizată pentru a determina o suprafaţă. Astfel, dacă X
este o variabilă aleatoare continuă, atunci oricare ar fi x 1 şi x2, P(x1≤X≤x2)= P(x1<X≤x2)=
P(x1≤X<x2)= P(x1<X<x2). Dacă fiecare punct are o probabilitate nulă, atunci în inegalităţile < şi
≤ nu se mai face distincţie.

Interpretare grafică
Dacă f(x) este o funcție de densitate pentru variabila aleatoare X reprezentarea y=f(x) va fi o
curbă. Din moment ce f(x)≥0 curba nu poate ”coborâ” sub axa Ox și întreaga suprafață dintre
rev - V.2.
Ciocoiu Robert
∞
curbă și axa Ox va avea valoarea 1, conform proprietății ∫ ∞ ( ) = 1. Din punct de vedere
geometric probabilitatea ca X să se afle între a și b, adică P(a˂X˂b) va fi o suprafață delimitată
de două verticale ce pornesc din a și b.

Funcția de distribuție F(x)=P(X≤x) este monoton crescătoare și va fi, la rândul ei, reprezentată de
o curbă.

Funcţii de distribuţie cumulative

Pentru a descrie distribuţia variabilelor aleatoare discrete se poate apela la acest tip funcţii ce pot
fi aplicate şi în cazul variabilele aleatoare continui.

!!! Definiţie - Pentru o variabilă aleatoare continuă funcţia de distribuţie cumulativă a unei
variabile X este:
( ) = ( ≤ ) = ∫ ∞ ( ) pentru -∞<x<∞.

Funcţia f(x) poate fi extinsă pe întregul domeniu al numerelor reale şi poate fi definită funcţia de
distribuţie cumulativă pentru numerele reale.

Media și varianța unei variabile aleatorii continui

Fie o X variabilă aleatoare cu o funcţie de densitate de probabilitate f(x).
!!!Definiţie - Valoarea medie sau valoarea aşteptată a variabilei X, notată μ sau E(X) este:
∞

= ( )= ( )
∞
!!! Definiţie - Varianţa lui X, notată σ2 sau V(X) este:
∞ ∞

= ( )= ( − ) ( ) = ( ) −
∞ ∞
!!! Definiţie - Abaterea standard a variabilei X este =√ .

Exemple de distribuții continui

Distribuţii uniforme continui
rev - V.2.
Ciocoiu Robert
!!! Definiţie - O variabilă aleatoare X cu o funcţie de densitate de probabilitate f(x) pentru care
( )= , unde a≤x≤b este o variabilă aleatoare continuă.
Dacă X este o variabilă aleatoare uniformă şi continuă pe intervalul a≤x≤b, atunci = ( ) =
( )
şi = ( )= .

Distribuţia normală
Cel mai frecvent model pentru distribuţia unei variabile aleatoare este distribuţia normală. Ori de
câte ori un experiment aleatoriu este reprodus variabila aleatoare ce are valori egale cu media
tinde să aibă o distribuţie normală pe măsură ce numărul de repetiţii creşte. Distribuţia normală
este denumită şi gausiană.
Medierea rezultatelor este efectuată aproape în toate situaţiile. Dacă se presupune că fiecare
rezultat obţinut în urma reproducerii unui experiment aleatoriu se poate folosi distribuţia normală
pentru a obţine informaţii despre această medie.
Variabilele aleatoare cu medii şi varianţe diferite pot fi modelate cu ajutorul funcţiilor de
densitate de probabilitate normale prin alegerea adecvată a centrului şi lăţimii curbei. Valoarea
mediei, μ=E(X) defineşte centrul densităţii de probabilitate, iar varianţa σ2=V(X) îi defineşte
lăţimea. Funcţia normală va avea un aspect caracteristic de clopot simetric, dar centrele şi
dispersiile pot diferi.

( )
!!!Definiţie - O variabilă aleatoare X cu o densitate de probabilitate ( ) = unde -
√
∞<μ<∞ şi σ>0. Pentru a desemna distribuţia se foloseşte notaţia N(μ, σ2).
Media este μ=E(X) și varianța σ2=V(X).

Exemplu:
Se consideră o serie de măsurări ale grosimii unui produs extrudat. Măsurătorile urmează o
distribuţie normală cu o medie de 10 şi o varianţă de 4. Care este probabilitatea ca valorile
măsurate să depăşească 13mm?
Dacă X reprezintă grosimea, probabilitatea poate fi scrisă ca P(X>13). Pe o curbă ce descrie o
distribuţie normală cu o medie de 10 şi o varianţă de 4 probabilitatea P(X>13) ar fi suprafaţa de
sub curbă ce are ca limită inferioară valoarea 13. O formă compactă pentru integrala unei funcţii
de densitate de probabilitate normală nu există, iar probabilităţile ce au la bază distribuţia
normală pot fi regăsite, de regulă, tabelate.

Sunt prezentate nişte rezultate importante ale distribuţiei normale:

( − < < + ) = 0.6827
( − 2 < < + 2 ) = 0.9545
( − 3 < < + 3 ) = 0.9973
Un alt aspect important este simetria funcţiei f(x). Astfel P(x>μ)=P(x<μ)=0.5. Din moment ce
funcţia are valori pozitive indiferent de valoarea lui x modelul atribuie o probabilitate fiecărui
interval din domeniul real. Totuşi, valoarea funcţiei scade odată ce x se îndepărtează de media μ.
În consecinţă, probabilitatea ca o măsurătoare să fie depărtată de medie este mică, iar la o
anumită distanţă probabilitatea poate fi aproximată la 0.
rev - V.2.
Ciocoiu Robert
Suprafaţa de sub funcţia de densitate de probabilitate normală la valori mai mari de 3σ este mică,
iar din moment ce 0.9973 din probabilităţi cad în intervalul (μ-3σ, μ+3σ) se poate afirma că 6σ
este lăţimea distribuţiei normale.

!!!Definiţie - O distribuţie aleatoare cu μ=0 şi σ2=1 este denumită variabilă aleatoare standard
normală. Funcţia de distribuţie cumulativă a unei variabile aleatoare normale standard este
definită ca Φ(z)=P(Z≤z).

!!!Definiţie - Dacă X este o variabilă aleatoare normală cu media μ=E(X) şi varianţa σ2=V(X)
variabila aleatoare = este o variabilă aleatoare normală cu E(Z)=0 şi V(Z)=1 atunci Z este
o variabilă aleatoare normală standard.

Crearea unei noi variabile prin transformare este denumită standardizare. Variabila aleatoare Z
reprezintă distanţa de X faţă de medie în raport cu abaterea standard. Această standardizare este
o etapă cheie în calcularea probabilităţii unei valori normale arbitrare şi este denumită generic
valoarea z sau scorul z.

!!!Definiţie - Fie X o variabilă aleatoare normală cu medie μ şi varianţă σ2. Atunci:

− +
( ≤ )= ≤ = ( ≤ )
Z este o variabilă aleatoare standard normală şi = este valoarea z obţinută prin
standardizarea lui X. Probabilitatea sa este de regulă tabelată.

Aproximări normale ale distribuţiilor binomiale şi Poisson

Distribuţia normală poate fi utilizată pentru aproximarea probabilităţilor binomiale în cazul în
care numărul de determinări n este mare.

!!! Definiţie - Aproximarea normală a distribuţiei binomiale:

Dacă X este o variabilă aleatoare binomială, = este, aproximativ, o variabilă normală
( )
standard. Aproximarea este bună pentru np>5 şi n(1-p)>5.

!!!Definiţie -Aproximarea normală a distribuţiei Poisson:

Dacă X este o variabilă aleatoare Poisson cu E(X)=λ şi varianţa V(X)=λ, atunci = este
√
aproximativ o variabilă aleatoare normală standard. Aproximarea este bună dacă λ>5.

Distribuţia exponenţială

!!!Definiţie - Variabila aleatoare X ce reprezintă distanţa dintre numărări succesive ale unui
proces Poisson cu media λ>0 este o variabilă aleatoare exponenţială cu parametrul λ. Funcţia de
densitate de probabilitate este: ( ) = pentru 0≤x≤∞.
Media şi varianţa sunt definite = ( ) = şi = ( )= .

Distribuţia Erlang
rev - V.2.
Ciocoiu Robert
O variabilă aleatoare exponenţială descrie lungime până când prima numărătoare este obţinută
într-un proces Poisson. Generalizarea distribuţiei exponenţiale reprezintă lungimea până când r
numărări se produc într-un proces Poisson. Variabila aleatoare egală cu lungimea intervalului
până ce r numărători se produc într-un proces Poisson are o variabilă aleatoare Erlang.

!!! Definiţie - Variabila aleatoare X egală cu lungimea intervalului r până ce se produc r

numărători într-un proces Poisson cu o medie λ>0 are o variabilă aleatoare Erlang cu parametrii
λ şi r. Funcţia de densitate de probabilitate este:
( )= ( )!
pentru x>0 şi r=1, 2, 3…
Pentru variabila aleatoare Erlang media şi varianţa sunt definite = ( ) = şi = ( )=
.

O variabilă Erlang poate fi privită ca o variabilă binomială continuă şi negativă, din moment ce
aceasta poate fi exprimată ca suma a r variabile aleatoare geometrice.

Distribuţia Gamma
Distribuţia anterioară, Erlang, este un caz particular al distribuţiei Gamma. Dacă parametrul r al
variabilei Erlang nu este întreg, dar pozitiv, variabila aleatoare are o distribuţie Gamma. Trebuie
menţionat că în distribuţia Erlang apare r!, astfel în distribuţia Gamma este necesară
generalizarea funcţiei factoriale.

!!! Definiţie - Funcţia Gamma, pentru r>0 este:

∞

Γ( ) =

Variabila aleatoare cu o funcţie de densitate de probabilitate pentru x>0

( )=
Γ( )
Are o variabilă aleatoare gamma cu parametri λ>0 şi r>0. Dacă r este număr întreg, X are o
distribuţie Erlang.
Dacă X este o variabilă aleatoare gamma, atunci = ( ) = şi = ( )= .

Distribuţia Gamma nu este un model frecvent aplicat modelelor fizice, dar cazurile speciale
distribuţia Erlang şi Χ2 sunt foarte utile în modelarea experimentelor aleatoare.

Distribuţia Weibull
Distribuţia Weibull este adesea utilizată pentru modelarea duratei unui sistem fizic până la eşec.
Parametrii din distribuţie oferă flexibilitate în modelarea sistemelor în care numărul de eşecuri
creşte, scade sau rămâne constant cu timpul.

!!!Definiţie - Variabila aleatoare X cu funcţia de densitate de probabilitate:

( )= − pentru x>0 este o variabilă aleatoare Weibull cu parametru de
scară δ>0 şi parametru de formă β>0.
rev - V.2.
Ciocoiu Robert
Dacă X are o distribuţie Weibull atunci funcţia de distribuţie cumulativă este:
( )=1−
Media şi varianţa variabilei aleatoare X cu parametrii δ şi β sunt:
= ( )= Γ 1+ şi = ( )= Γ 1+ − Γ 1+

Distribuţia lognormală
În unele sisteme variabilele pot fi definite prin o relaţie exponenţială de forma x=exp(w), iar
exponentul este o variabilă aleatoare W, expresia anterioară fiind re-scrisă X=exp(W). Un caz
aparte se conturează când W are o distribuţie normală: distribuţia lui X se numeşte lognormală,
din cauza transformării ln X=W, adică logaritmul natural al lui X este distribuit normal.

!!!Definiţie - Fie W cu o distribuţie normală cu medie θ şi varianţă ω2. X=exp(W) este o

variabilă aleatoare lognormală cu funcţia de densitate de probabilitate:
( )
( )= − pentru 0<x<∞.
√
Media şi varianţa lui X sunt:
( )= şi ( ) = ( − 1)