Exemplul 6.

15 Daca X este o variabila aleatoare normala cu media µ si va-

rianta σ 2 , din inegalitatea lui Cebisev obtinem
1
P (|X − µ| > 2σ) ≤
4
in timp ce probabilitatea reala este
  
X − µ
P (|X − µ| > 2σ) = P 
  >2
σ 

= 2[1 − Φ(2)] ≈ 0, 0456.

Inegalitatea lui Cebisev este deseori utilizata ca un instrument teoretic pen-

tru a demonstra alte rezultate asa cum este ilustrat in propozitia urmatoare.

Propoziţia 6.16 Daca V ar(X) = 0, atunci

P (X = E[X]) = 1.

Cu alte cuvinte, singurele variabile aleatoare care au varianta egala cu 0 sunt

variabilele aleatoare constante, cu probabilitatea 1.

Demonstraţie. Din inegalitatea lui Cebisev, pentru n ≥ 1, obtinem

 
1
P |X − µ| > = 0.
n

Luand n → ∞ si folosind proprietatea de continuitate a probabilitatii rezulta

ca  
1
0 = lim P |X − µ| >
n→∞ n
  
1
= P lim |X − µ| > = P (X 6= µ).
n→∞ n
Deci P (X = µ) = 1.

Teorema 6.17 Legea slaba a numerelor mari. Fie X1 , X2 , ...un sir de

variabile aleatoare independente si identic repartizate, fiecare avand media finita
E[Xi ] = µ. Atunci, pentru orice ε > 0,
  
 X1 + · · · + Xn 
lim P  − µ ≥ ε = 0.

n→∞ n

Demonstraţie. Vom demonstra teorema in ipoteza suplimentara ca variabi-

lele aleatoare au varianta finita σ 2 .Deoarece,
 
X1 + · · · + Xn
E =µ
n

31
si
σ2
 
X1 + · · · + Xn
V ar = ,
n n
din inegalitatea lui Cebisev, rezulta ca

σ2
  
 X1 + · · · + Xn 
P  − µ ≥ ε ≤ 2 → 0, cand n → ∞.
n nε

Legea slaba a numerelor mari a fost demonstrata initial de James Bernoulli

pentru cazul special in care Xi sunt variabile aleatoare Bernoulli, independente.
Enuntul si demonstratia acestei teoreme au fost prezentate in cartea sa Ars
Conjectandi, care a fost publicata in 1713, la opt ani dupa moartea sa, de nepotul
sau Nicholas Bernoulli. Deoarece inegalitatea lui Cebisev nu era cunoscuta in
acea perioada, Bernoulli a trebuit sa recurga la o demonstratie ingenioasa pentru
a stabili acest rezultat. Forma generala a legii slabe a numerelor mari prezentata
in teorema de mai sus a fost demonstrata de matematicianul rus Khintchine.

6.2 Teorema limita centrala

Teorema limita centrala este unul din cele mai remarcabile rezultate din teoria
probabilitatilor. Pe scurt, ea afirma ca suma unui numar mare de variabile
aleatoare independente are o repartitie care este aproximativ normala. Deci,
nu numai ca da o metoda simpla de a calcula probabilitati aproximative pentru
sume de variabile aleatoare independente, ci si explica faptul remarcabil ca
frecventele empirice ale atat de multe populatii naturale prezinta curbe in forma
de clopot ( adica este normala).

Teorema 6.18 Fie X1 , X2 , ... un sir de variabile aleatoare independente si iden-

tic repartizate, fiecare avand media µ si variatia σ 2 . Atunci repartitia lui
X1 + · · · + Xn − nµ
√
σ n
tinde la repartitia normala standard, cand n → ∞.Adica, pentru −∞ < a < ∞,
  Za
X1 + · · · + Xn − nµ 1 2
/2
lim P √ ≤a =√ e−x dx.
n→∞ σ n 2π
−∞

Pentru a demonstra teorema limita centrala vom folosi urmatoarea lema, pe

care decat o vom enunta.

Lema 6.19 Fie Z1 , Z2 , ... un sir de variabile aleatoare cu functiile de reparti-

tie FZn si functiile generatoare de moment MZn , n ≥ 1 si Z o variabila alea-
toare cu functia de repartitie FZ si functia generatoare de moment MZ .Daca
lim MZn (t) = MZ (t), pentru orice t, atunci lim FZn (t) = FZ (t), pentru orice
n→∞ n→∞
t, in care FZ (t) este continua.

32
Observaţia 6.20 Fie Z este o variabila aleatoare normala standard. Din lema
2 2
de mai sus, deoarece MZ (t) = et /2 , rezulta ca daca lim MZn (t) = et /2 , atunci
n→∞
lim FZn (t) = Φ(t).
n→∞

Demonstraţie. ( demonstratia teoremei limita centrala) Mai intai, presupu-

nem ca µ = 0 si σ 2 = 1.Demonstram teorema in ipoteza ca functia generatoare
de moment M (t), a lui Xi , i ≥ 1, exista si este finita. Atunci, functia generatoare
Xi
de moment a lui √ n
este data de
    
tXi t
E exp √ =M √ .
n n
n √ h  in
Xi / n este data de M √tn
P
Astfel, functia generatoare de moment a lui .
i=1
Fie
L(t) = log M (t)
si observam ca
L(0) = 0,
M ′ (0)
L′ (0) = = µ = 0,
M (0)
2
M (0)M ′′ (0) − [M ′ (0)]
= E X 2 = 1.
′′
 
L (0) = 2
[M (0)]
Pentru a demonstra teorema,
h  trebuie
in sa aplicam lema anterioara, deci trebuie

2
t
sa demonstram ca lim M √n = e t /2
sau echivalent, lim nL √tn =
n→∞   n→∞
√t
√
t2
L n −1/2L′ (t/ n)tn−3/2
2 .Intr-adevar, aplicand regula lui l’Hôspital n→∞
lim n−1 = lim
n→∞ −n−2
 ′ √  √
√
 
L (t/ n) −1/2L′′ (t/ n)t2 n−3/2
h i
′′ t2 t2
= lim 2n−1/2
= lim −2n−3/2
= lim L (t/ n) 2 = 2.
n→∞ n→∞ n→∞
Deci, teorema limita centrala este demonstrata pentru µ = 0 si σ 2 = 1. In
cazul general, rezultatul se obtine considerand variabilele aleatoare standardi-
zate Xi∗ = (Xi − µ) /σ si aplicand rezultatul precedent, deoarece E[Xi∗ ] = 0,
V ar(Xi∗ ) = 1.

33