curs 12 probabilităţi]Şiruri de variabile aleatoare

1 Şiruri de variabile aleatoare

Definiţia 1. Fie X, Xn , n ≥ 1, variabile aleatoare definite pe câmpul de
probabilitate (Ω, K, p), X, Xn : Ω → R, ∀n ≥ 1. Se spune că şirul (Xn )n≥1
p
converge în probabilitate la X şi se scrie Xn → X, dacă
∀ε > 0, lim p(|Xn − X| ≥ ε) = 0.
n→∞

Exemplu
( 1. Demonstraţi că)şirul (Xn )n≥1 de v.a. cu
−n 0 n
Xn : , ∀n ≥ 1, converge în probabilitate la 0.
1
2n 2 1 − 1
n 2
1
2n2

p
Dem. Cu definiţia 1 Xn → X = 0 ⇔ ∀ε > 0,
lim p(|Xn − X| ≥ ε) = lim p(|Xn | ≥ ε) = 0;
n→∞ n→∞
dacă ε > 0, se observă că ∀n ≥ ε ⇒ |−n| = n ≥ ε şi
p(|Xn | ≥ ε) = 2n1 2 + 2n1 2 = n12 → 0.
n→∞

Teorema 1. (Legea numerelor mari) Dacă (Xn )n este un şir de v.a.

independente, identic repartizate, având valoarea medie m < ∞, atunci
X1 +...+Xn p
n → m.

Teorema 2. Fie v.a. independente Xn , n ≥ 1 cu mediile mn = M (Xn ), n ≥ 1

şi dispersiile mărginite: ∃M ∈ (0, ∞) a.î. σn2 = D2 (Xn ) ≤ M , ∀n ≥ 1. Atunci
X1 +...+Xn p m1 +...mn
n → n .

Exemplu
( 2. ) Fie (X(n )n≥1
√ un şir de v.a.
√ independente,
) cu repartiţiile:
0 − n 0 n
X1 : , Xn : , ∀n ≥ 2. Demonstraţi că şirul se
1 1
n 1 − n2 n
1

supune legii numerelor mari.

Dem. m1 = M (X1 ) = 0, M (X12 ) = 0 ⇒

σ12 = D2 (X1 ) = M (X12 ) − (M (X √1
))2 =
√
0;
n n
dacă n ≥ 2, mn = M (Xn ) = − n + n = 0,
M (Xn2 ) = n1 · n + n1 · n = 2, σn2 = D2 (Xn ) = M (Xn2 ) − (M (Xn ))2 = 2;
p
se observă că σn2 ≤ 2, ∀n ≥ 1; cu teorema 2 ⇒ X1 +...X n
n
→ m1 +...m
n
n
= 0.

Definiţia 2. (1)V.a. X are repartiţie normală de parametri m şi σ > 0, notată

(x−m)2
N (m, σ), dacă are densitatea de probabilitate f (x) = σ√12π e− 2σ2 , ∀x ∈ R.
∫x t2
(2)Funcţia integrală a lui Laplace este Φ(x) = √12π e− 2 dt, ∀x ∈ R.
0

Observaţia 1. (1)Φ este impară: Φ(−x) = −Φ(x), ∀x ∈ R;

(2)Φ(∞) = 21 , Φ(−∞) = − 12 ;

1
(3)dacă F este funcţia de repartiţie a v.a. cu repartiţie N (m, σ), atunci
σ ), ∀x ∈ R;
F (x) = 21 + Φ( x−m
(4)p(a ≤ X < b) = Φ( b−m
σ ) − Φ( σ ), a < b;
a−m

(5)pentru Φ sunt întocmite tabele.

∫
−x
t2
Dem. (1)Φ(−x) = √1
2π
e− 2 dt; fie u = −t, u′ du = (−t)′ dt, du = −dt, t = 0
0
∫x u2
⇒ u = 0, t = −x ⇒ u = x, Φ(−x) = − √12π e− 2 du = −Φ(x).
0
∫
∞
p−1 −x
√
(2)(a)Γ(p) = x e dx, ∀p > 0, (b)Γ( 12 ) = π;
0
∫
∞
t2 t2 √ √ √
Φ(∞) = √1
2π
e− 2 dt; 2 = y, t = 2y, t′ dt = ( 2y)′ dy, dt = √2
2 y dy, t=0⇒
0
y = 0, t → ∞ ⇒ y → ∞,
∫
√ ∞ √
Φ(∞) = √12π · 22 y − 2 =p−1= 2 −1 e−y dy =
1 1 1
√ Γ( 12 ) = √π = 21 ;
2 π 2 π
0
cu (1), Φ(−∞) = −Φ(∞) = − 12 .
∫x ∫x (t−m)2
(3)F (x) = p(X < x) = f (t) dt = √1
σ 2π
e− 2σ 2 dt,
−∞ −∞
t−m
σ = u, dt = σdu, t → −∞ ⇒ u → −∞, t = x ⇒ u = x−m σ ,
cu regula de schimbare a semnului când se schimbă capetele de integrare,
x−m x−m

σ
∫σ − u2 1
∫0 − u2 1
∫σ − u2
F (x) = σ√2π e 2 du = √2π e 2 du + √2π e 2 du =
−∞ −∞ 0
= −Φ(−∞) + Φ( x−m 1 x−m
σ ) = 2 + Φ( σ );
(4)Deşi la variabile aleatoare date cu densitate de probabilitate, inegalităţile ≤
şi ≥ se tratează ca <, respectiv >, păstrăm pentru demonstraţie enunţul:
p(a ≤ X < b) = p[(X < b) ∩ (X ≥ a)] = p[(X < b) ∩ C(X < a)] =
= p(X < b) − p(X < a) = F (b) − F (a) = 21 + Φ( b−m σ ) − 2 − Φ( σ ) =
1 a−m

= Φ( σ ) − Φ( σ ).
b−m a−m

Teorema 3. (Teorema limită centrală) Dacă (Xn )n≥1 este şir de v.a.
independente cu aceeaşi repartiţie cu media m şi dispersia σ 2 finite, atunci
pentru n → ∞, funcţia de repartiţie a v.a. X1 +...+X
n
n
converge căte funcţia de
σ
repartiţie a repartiţiei normale N (m, n ).
√

Observaţia 2. Dacă priviţi cu atenţie enunţul teoremei 3 şi punctul (4) de la

observaţia 1, vă daţi seama√că pentru valori √mari ale lui n, are loc formula:
p(a < X1 +...+X
n
n
< b) ≈ Φ( σn (b − m)) − Φ( σn (a − m)), ∀a < b.

Observaţia 3. Fie A un eveniment legat de o experienţă, p(A) = p, q = 1 − p;

Xn este ) reprezintă realizarea lui A la experienţa n ≥ 1:
( v.a. care
0 1
Xn : ; m = M (Xn ) = p, M (Xn2 ) = p, σ 2 = D2 (Xn ) = p − p2 = pq.
q p
Cu observaţia 2, pentru un număr √mare de repetări√ale experienţei se poate
scrie: p(a < X1 +...+X
n
n
< b) ≈ Φ( pq (b − p)) − Φ(
n
pq (a − p)), ∀a < b.
n

2
Exemplu 3. La o maşină din 1.000 de piese, 25 sunt rebut. Determinaţi
probabilitatea ca din 5.000 de piese fabricate, numărul pieselor bune să varieze
între 4.860 şi 4.900.

Dem. 1.000 − 25 = 975 ⇒ admitem că p = 1.000 975

40 , q = 1 − p = 40 ;
= 39 1

n = 5.000, S5.000 este numărul de piese bune din 5.000 produse;

cu observaţia 3, p(4.860 ≤ S5.000 ≤ 4.900) = p( 4.860
5.000 ≤ 5.000 ≤ 5.000 ) =
S5.000 4.900

√ √ =a =b

39 1 ( 50 − 40 )) − Φ(
= Φ( 5.000 39 1 ( 5.000 − 40 )) =
49 39 5.000 4.860 39
40 40 40 40
= Φ(2, 264) − Φ(−1, 35.873) = Φ(2, 264) + Φ(1, 35.873) =
calcule
= 0, 48.809 + 0, 41.309 = 0, 9011.
tabele cu valorile lui Φ

Exemplu 4. De câte ori trebuie să aruncăm o monedă pentru a putea afirma

cu o probabilitate de 0,99 că frecvenţa apariţiei stemei este cuprinsă între 48%
şi 52%?

Dem. Fie n numărul de aruncări ale monedei şi Sn numărul de apariţii ale

stemei în cele n aruncări; se ştiu: p = q = 12 , p( 100
48
< Snn < 100
52
) = 0, 99;
√ √
cu observaţia 3, p( 100 < n < 100 ) = Φ( 1 1 ( 100 − 2 )) − Φ( 1n1 ( 100
48 Sn 52 n 52 1 48
− 12 )) =
2 2 2 2
√ √ √ √
= Φ(2 n · 1002
) − Φ(−2 n · 1002
) = 2Φ( 25n ) = 0, 99 ⇒ Φ( 25n ) = 0, 495;
√ √
din tabele, Φ(x) = 0, 495 pentru x = 2, 57, deci 25n = 2, 57, n = 25 · 2, 57 ⇒
n ≈ 4.128.