Curs 11

O variabilă aleatoare (v.a.) este descrisă în mod corespunzător cu ajutorul funcţiei ei de repartiţie
( F ) , sau, după caz, al densităţii de repartiţie ( f ).

In multe situaţii însă, e necesar, mai întâi un rezumat al valorilor ei, care să ia în considerare,
firesc, probabilităţile asociate acestora. Acest ţel este atins prin intermediul caracteristicilor
numerice ale v.a. X şi în primul rând, al mediei şi al dispersiei.

Media unei variabile aleatoare

Este cea mai des folosită caracteristică numerică a unei v.a.

Dă o imagine sintetică asupra poziţionării (localizării) ansamblului valorilor x ∈ X pe axa reală,
prin furnizarea unui singur număr.
Notaţie. m=M ( X )=¿media v.a. X

Definiţie. Se numeşte media v.a. X cantitatea notată M ( X ), calculată, în funcţie de tipul

variabilei, astfel:

M ( X )= ∑ x i p i ,
i
dacă v.a. X este discretă, cu repartiţia X : ()
xi
pi
sau,

M ( X )=∫ xf ( x ) dx ,
dacă v.a. X este continuă, cu densitatea de repartiţie f ( x ) ≥0 .
( m mai este numită şi media teoretică a v.a. X .)

( )
2 5 7
Exemple de calcul. 1) Pentru v.a. discretă X : 1 1 3 avem
8 2 8
1 1 3 2+ 20+21 43
M ( X )=2 ∙ +5 ∙ + 7∙ = = ( ¿ 5,375 ) .
8 2 8 8 8

{
2
x ( 5−x ) , x ∈ ( 1 , 4 )
X
2 ) Pentru v.a. continuă , cu densitatea de repartiţie f ( x ) = 33 obţinem
0 , x ∉ ( 1,4 )

( )|41= 332 ( 5∙ 64−1

4 4

)= (5 ∙ 21− )
3 4
2 2 2 x x 256−1 2 255 2
M ( X )=∫ x ∙ x (5−x ) dx= ∫ x ( 5−x ) dx=
2
5 − − =
1 33 33 1 33 3 4 3 4 33 4 33
.
 După cum se vede, valorile se înmulţesc cu probabilităţile asociate. In multe situaţii concrete, valori aşa-
zis extremale, (depărtate de corpul majoritar), apar cu probabilităţi mici, sau foarte mici.

Proprietăţile mediei
M ( 0 )=0
M ( X +a ) =M ( X )+ a , a ∈ R
M ( β ∙ X )=β ∙ M ( X ) , β ∈ R
M ( X ± Y )= M ( X ) ± M ( Y )
X , Y v.a. independente → M ( X ∙ Y )=M ( X ) ∙ M (Y ).

Demonstrăm a 2-a proprietate (în cazul discret şi pt. β ≠ 0 ) : X:

()
xi
pi
→β ∙ X:
( )
β xi
pi
, de unde

M ( β ∙ X )=∑ ( β x i ) pi =β ∑ x i pi =β ∙ M ( X ).
i i

Definiţie. O v.a. X pt. care avem M ( X )=0 se numeşte variabilă aleatoare centrată.

Propoziţie. X cu M ( X )=m → Y =X −m este v.a. centrată .

Mai multe informaţii despre comportarea v.a. X se pot obţine păstrând tipul construcţiei folosite
la medie, dar înlocuind v.a. cu puteri ale acesteia.
( Se pune problema existenţei mediei, mai întâi pt. modulul noii variabile .)

Momente iniţiale/ centrate

Definiţie . Se numeşte moment iniţial de ordinul k , k ∈ N ¿ al v.a. X cantitatea

∑
{
x ki pi
m k ( X )=M ( X ) =
k
i (cu notaţiile anterioare).
∫ x k f ( x ) dx
Foarte importante sunt M ( X 2 ) şi M ( X 3 ).

( ) ( )
−1 0 1 0 1
2 2
Exemplu. X : 1 1 1 e v.a. centrată ( m=0 ) . Vom avea X : 1 2 , deci M ( X )= ,
3
3 3 3 3 3
2
deoarece X 2 e de tip bernoullian, cu p= . ( e un caz particular de v.a. uniformă discretă -
3
pi= p , valori în progresie aritmetică). M ( X 3 )=0 , X 3 având aceeaşi repartiţie cu X .
Necesitatea de a folosi doar informaţiile strict necesare despre v.a. X conduce la definirea aşa-
numitelor momente centrate:

Definiţie. Se numeşte moment centrat de ordinul k , k ∈ N ¿ al v.a. X cantitatea

μk ( X ) =M ( ( X−m ) ).
k

Dispersia unei variabile aleatoare

Este momentul centrat de ordinul 2 al v.a., notat D ( X )=σ 2. Deci

D ( X )=
{ ∑ ( x i−m) 2 pi
i

∫ ( x−m )2 f ( x ) dx
.

Se poate observa că D ( X ) ≥0 .
Dispersia completează informaţiile asupra v.a. furnizate de medie, adăugând dimensiunea
împrăştierii acestor valori în jurul ei.
Se mai numeşte şi varianţă.
Calculul dispersiei se face (de obicei) apelând la rezultatul:

D ( X )=M ( X 2 ) −M 2 ( X ) (altfel exprimat : μ2=m2−m ).

2
Propoziţie.

Proprietăţile dispersiei
D ( X +a )=D ( X ) , a ∈ R
2
D ( c ∙ X ) =c ∙ D ( X ) , c ∈ R
X , Y v . a . independente → D ( X ± Y )=D ( X ) + D ( Y ) .

( )
9 10 11
2
Astfel, pt. X : 1 1 1 , vom avea D ( X 1 ) = . ( Justificaţi !)
3
3 3 3
In general, avem de măsurat dispersia unei sume/diferenţe şi pentru v.a. care nu sunt
independente ! E necesară o măsură a legăturii dintre variabile.

Covarianţă. Coeficient de corelaţie liniară

 Se numeşte covarianţă 2 variabile aleatoare X şi Y (definită atunci când sunt finite
M ( X ) , M ( Y ) ¿ cantitatea
2 2

cov ( X , Y )=M [ ( X −mX ) ( Y −mY ) ] , unde m X , m Y sunt, respectiv, mediile lui X , Y .

Propoziţie. cov ( X , Y )=M ( X ∙Y ) −M ( X ) ∙ M ( Y ) .

Exemplu. Luăm v . a . X , Y cu repartiţia comună de probabilitate dată de tabelul de mai jos:

X\ 4 6

( ) ( )
Y 1 3 4 6
Rezultă : 5 7 9
1 1 1 3 Y : 3 1 .Găsim prin calcul M ( X )= , M ( Y ) = ;
,
2 8 4 2
8 8 4 4
3 1 1
1 1 1 1 3 +9
4 8 M ( X ∙ Y )= (1 ∙ 4 ) ∙ + ( 1 ∙6 ) ∙ + ( 3 ∙ 4 ) ∙ + ( 3 ∙ 6 ) ∙ =2+ +3+ =5+ 3=8 . De
2 8 4 8 4 4
7 9 63 1
aici rezultă cov ( X , Y )=8− ∙ =8− = .
4 2 8 8
5 3 15 1
Se observă că nu este îndeplinită condiţia pij = pi ∙q j , i, j ∈1,2 (de exemplu ∙ = ≠ ) ,
8 4 32 2
deci X , Y nu sunt variabile aleatoare independente !

Spunem despre v.a. X , Y care satisfac condiţia cov ( X , Y )=0 că sunt necorelate.

Proprietăţi ale covarianţei

cov ( X , a ) =0 , a ∈ R ; cov ( X , Y 1 +Y 2 )=cov ( X ,Y 1 ) + cov ( X ,Y 2 ) ;
cov ( X , Y )=cov ( Y , X ) ; cov ( α ∙ X , Y )=α ∙cov ( X , Y ) , α ∈ R ;
cov ( X , X )=D ( X ) .

Comentariu. Atunci când cov ( X , Y ) ≫ 0, ne aşteptăm ca cele 2 v.a. să aibă o tendinţă de variaţie
(faţă de mediile m X|mY ) de acelaşi tip ; în cazul cov ( X , Y ) ≪ 0 , tendinţele vor fi opuse (în
termeni de variabile centrate X C |Y C ,vom avea x C ∙ y C <0 ).

Propoziţie. D ( X ±Y )=D ( X ) + D (Y ) ± 2∙ cov ( X , Y ).

Coeficient de corelaţie liniară

Definiţie. Se numeşte variabilă centrată-redusă , o v.a. X cu M ( X )=0 , D ( X )=1.

¿ X −m
Propoziţie. V . a . X ¿ obţinută din X prin transformarea X = este centrată-redusă.
σ

Definiţie. Se numeşte coeficient de corelaţie liniară al v.a. X , Y cantitatea

 cov ( X ,Y )
ρ X ,Y = , unde σ X = √ D ( X ) , σ Y =√ D ( Y ) (se numesc abateri medii pătratice).
σ X ∙ σY
¿ ¿
Observaţie. ρ X ,Y =cov ( X ,Y ) .
ρ X ,Y este o alternativă la covarianţă care atenuează “efectul de scală” , adică influenţa în
cov ( X , Y ) o ordinului de mărime al valorilor x , y .

Proprietăţi:
ρ X ,Y ∈ [ −1, 1 ]

ρ X , X =1 ; ρ X ,− X =−1

Y =aX +b → ρ X , Y =1 , dacă a> 0

ρ X ,Y =−1 , dacă a< 0.