STATISTICĂ APLICATĂ ÎN INGINERIA MEDIULUI

Referat 1

Teorema adunării probabilităților evenimentelor incompatibile

Definiție: Două sau mai multe evenimente se numesc incompatibile dacă producerea unuia dintre ele
exclude producerea celorlalte intr-o aceeași probă
Exemplu:
Apariția feței 1 și a feței 6 la aruncarea unui zar sunt două evenimente incompatibile
Definiție: Fiind date două evenimente A, B se numește reuniune a acestora și se notează AU B
evenimentul care constă in producerea a cel puțin unuia dintre cele două evenimente, deci fie a
evenimentului A, fie a evenimentului B, fie a ambelor evenimente A și B
Exemplu:
Fie A, B, C trei evenimente oarecare Evenimentul II Cel puțin un eveniment din cele trei se produce II
este A U B U C.
Dacă A și B sunt incompatibile atunci A U B constă în apariția unuia dintre evenimentele A și B. Teorema
de mai jos arată cum se calculează A U B dacă A și B sunt incompatibile.
Teoremă. Probabilitatea producerii unuia dintre evenimentele incompatibile A și B este egală cu suma
probabilităților acestor evenimente:
P (A U B) = P (A) + P (B)
Exemplu:
Să considerăm un pachet cu 52 de cărți de joc Fie experiența aleatoare ce constă în extragerea unei
singure cărți de joc.
Determinați probabilitatea evenimentului A=(extragerea unui as).
Determinați probabilitatea evenimentului B=(extragerea unui as de inimă roșie sau a unui zece de inimă
roșie sau a unui valet de inimă roșie).
Soluție:
Știm că un pachet cu 52 de cărți de joc are 4 ași. Prin urmare probabilitatea de a extrage un as este: P
(A) = 4/52 = 1/13
Știm că un pachet cu 52 de cărți de joc are un as de inimă roșie, un zece de inimă roșie și un valet de
inimă roșie.

1
Fie B1 evenimentul extragerii unui as de inima roșie. P (B1) =1/52 .
Fie B2 evenimentul extragerii unui zece de inimă roșie P (B2) = 1/52 .
Fie B3 evenimentul extragerii unui valet de inimă roșie. P (B3) = 1/52
Evenimentul B este definit prin: B = B1 U B2 U B3. Întrucât B1, B2, B3 sunt incompatibile, avem: P
(B) = P (B1 U B2 U B3) = P (B1) + P (B2) + P (B3) =1/52+1/52+1/52=3/52.

Evenimente independente și evenimente dependente

Definiție: Două evenimente se numesc independente dacă probabilitatea realizării unuia dintre ele nu
depinde de faptul că celălalt eveniment s-a produs sau nu

Exemplu

Într-o urnă se găsesc bile albe și roșii. Se fac două extrageri După prima extragere bila extrasă se repune in
urnă. Faptul că la prima extragere am obținut o bilă albă ( evenimentul A ) nu depinde de faptul că la cea de-a
doua extragere am obținut o bilă roșie ( evenimentul B ) De asemenea, probabilitatea lui B nu depinde de
faptul că s-a produs sau nu evenimentul A

Definiție: Două evenimente se numesc dependente daca probabilitate realizării unuia dintre ele depinde de
faptul că celălalt eveniment s-a produs sau nu

Exemplu:

Dacă in exemplul anterior, prima bilă extrasă nu se repune in urnă, atunci numărul total de bile din urnă
pentru cea de-a doua extragere va fi mai mic cu o unitate iar probabilitatea ca la cea de-a doua extragere să
obținem o bilă roșie depinde de faptul că prima dată am extras sau nu o bilă albă

Teorema înmulțirii evenimentelor independente.

Definiție: Fie A și B două evenimente. Se numește intersec,tie a lui A cu B și se notează cu A n B
evenimentul care constă in producerea simultană a celor două evenimente

Exemplu:

Dacă in două urne sunt bile albe și bile negre, A este evenimentul care constă in extragerea unei bile negre
din prima urnă, B este evenimentul care constă in extragerea unei bile negre din cea de-a doua urnă Din
fiecare urnă se extrage câte o bilă Atunci A n B este evenimentul care constă in extragerea a două bile
negre

Dacă evenimentele A1, A2, ..., An au loc simultan atunci are loc evenimentul A1 n A2 n ... n An.
Dacă evenimentele A1, A2, ..., An sunt incompatibile atunci A1 n A2 n ... n An = 0.

Teoremă. Dacă A și B sunt două evenimente independente atunci probabilitatea producerii simultane a
celor două evenimente este egală cu suma probabilităților celor două evenimente:

P (A n B) = P (A) · P (B)
2
Evenimente contrare
Definiție: Două evenimente A și B se zic contrare (sau complementare) dacă ele sunt incompatibile și
reuniunea lor este evenimentul sigur n.

Dacă un evenimentul este notat cu A atunci contrarul său se va nota cu CA

Exemplu:

Dacă intr-o urnă sunt bile albe și bile negre atunci evenimentul ce constă in extragerea unei bile albe este
contrar evenimentului ce constă in extragerea unei bile negre

Teoremă. Suma probabilităților a două evenimente contrare este egală cu 1:

P(A) + P ( CA) = 1
Formula lui Bernoulli
Presupunem că efectuăm n n experimente independente. În fiecare dintre acestea, probabilitatea de
·
apariției a unui eveniment A este egală cu p. Deci probabilitatea ca A să nu se producă este 1 — p = q.
În multe probleme practice ne întâlnim cu necesitatea de a determina probabilitatea ca în k
(neprecizate ca ordine) dintre cele n experimente, evenimentul A să se producă. Adică A nu are
loc de n — k ori. Vom nota această probabilitate cu Pn (k) . Probabilitate unei succesiuni de
tipul ”A are loc de k ori și A nu are loc de n - k ori.” este egală cu pk*qn—k, conform consecinței
teoremei înmulțirii probabilităților evenimentelor independente. Numărul succesiunilor distincte în
care A apare de k ori iar A¯ de n — k ori este C k. Cum aceste succesiuni sunt incompatibile, conform
consecinței teoremei adunării probabilităților evenimentelor incompatibile, vom avea:
Pn (k) = Ck · pk · qn—k
Această relație este numită ” Formula lui Bernoulli”
Se aruncă un zar de 5 ori. Se cere probabilitatea ca fața cu un punct să apară exact de două ori. Avem:

Variabile aleatoare
Variabila aleatoare este una din noţiunile fundamentale ale teoriei probabilităţilor şi a statisticii
matematice. În cadrul unei cercetări experimentale se constată că între valorile numerice măsurate
există diferenţe chiar dacă rămân neschimbate condiţiile de desfăşurare ale experimentului. Dacă ne
referim la o singură măsurătoare, variabila aleatoare este acea mărime care în cadrul unui
experiment poate lua o valoare necunoscută aprioric. Pentru un şir de măsurători, variabila aleatoare
este o noţiune care-l caracterizează din două puncte de vedere:

3
- caracterizare din punct de vedere cantitativ – variabila ne dă informaţii privind valoarea numerică a
mărimii măsurate;
- caracterizare din punct de vedere calitativ – variabila aleatoare ne dă informaţii privind frecvenţa de
apariţie a unei valori numerice într-un şir.
Dacă valorile numerice ale unui şir de date aparţin mulţimii numerelor întregi sau raţionale atunci se
defineşte o variabilă aleatoare discretă, iar în cazul aparteneţei valorilor la mulţimea numerelor reale
se defineşte o variabilă aleatoare continuă.

Variabile aleatoare discrete

În ciuda faptului că după repetarea unui experiment de un număr mare de ori intervine o anumită
regularitate în privinţa apariţiei unor rezultate ale acestuia, nu se poate preciza niciodată cu
certitudine care anume dintre rezultate va apare într-o anumită probă. Din acest motiv cuvântul sau
conceptul „aleator” trebuie înţeles sau gândit în sensul că avem de-a face cu experimente sau
fenomene care sunt guvernate de legi statistice (atunci când există un anumit grad de incertitudine
privind apariţia unui rezultat sau reapariţia lui) şi nu de legi deterministe (când ştim cu certitudine ce
rezultat va apare sau nu). Pentru ca astfel de experimente sau fenomene să fie cunoscute şi prin
urmare studiate, sunt importante şi necesare două lucruri şi anume:
1. rezultatele posibile ale experimentului, care pot constitui o mulţime finită, infinită sau numărabilă
sau infinită şi nenumărabilă;
2. legea statistică sau probabilităţile cu care este posibilă apariţia rezultatelor experimentului
considerat.
În linii mari şi într-un înţeles mai larg, o mărime care ia valori la întâmplare sau aleatoriu dintr-o
mulţime oarecare posibilă se numeşte variabilă aleatoare (sau întâmplătoare).
Defini¸tie: Numim variabilă aleatoare discretă acea variabilă care poate lua numai valori izolate.

Observație: Num˘arul valorilor posibile ale unei variabile aleatoare discrete poate fi finit sau infinit ( adic˘a
s˘a formeze un șir x1, x2, ...)

Defini¸tie: Numim variabilă aleatoare continuă acea variabilă aleatoare ale cărei valori posibile umplu
un interval finit sau infinit.
Observa¸tie! Num˘arul valorilor posibile ale unei variabile aleatoare continue este întotdeauna infinit.

Opera¸tii cu variabile aleatoare discrete. Independen¸ta variabilelor aleatoare

Defini¸tie: Prin puterea de ordinul k al variabilei aleatoare X vom înțelege variabila aleatoare X k cu
repartiția:

Definiție: Produsul dintre o constantă și o variabilă aleatoare X va fi o variabilă aleatoare a.X cu

repartiția:
4
Să considerăm două variabile aleatoare X și Y cu repartițiile

Prin suma variabilelor aleatoare X cu Y vom înțelege variabila aleatoare X+Y cu repartiția:

Unde prin πij vom înțelege probabilitatea ca X să ia valoare xi, iar Y să ia valoarea yj.

Deoarece evenimentele

formează un sistem complet de evenimente vom avea:

Numerele πij reprezintă repartiția probabilista comună a variabilelor aleatoare X și Y .

Repartiția binomiala (sau repartiția Bernoulli)

Fie
Presupunem ca efectuăm n experimente independente. În oricare dintre acestea, probabilitatea de
apariție a unui eveniment A este egala cu p. Deci probabilitatea ca A sa nu se producă este 1-p=q.

Numărul de apariții ale evenimentului A în cele n experimente este o variabila aleatoare B (n; p)
Valoarea medie a unei variabile aleatoare discrete
Sunt situații în care repartiția unei variabile aleatoare nu ne este utila în caracterizarea acesteia (în
unele cazuri se poate întâmpla chiar sa nu o cunoaștem). În aceste situții folosim anumite valori
numite valori tipice (media, dispersia, momente centrate și necentrate, corelația, etc.) pentru a
caracteriza variabila aleatoare. Una dintre cele mai importante valori tipice este media unei variabile
aleatoare. De exemplu, daca se știe că valoarea medie a numărului de credite obținute de un student
este mai mare decât valoarea medie obținuta de un altul, atunci putem spune ca primul student
învață a mai bine decât cel de-al doilea. Sa considerăm variabila aleatoare X cu repartiția:

5
Definiție: Valoarea medie a unei variabile aleatoare discrete X, notată cu M(X), este suma tuturor
valorilor posibile xi ale lui X, ponderate cu probabilitățile corespunzătoare pi adică:

Să presupunem că efectuăm un experiment. Notăm cu X variabila aleatoare ce reprezintă numărul

apariției unui eveniment A ce are loc în urma efectuarii experimentului. Sunt două posibilități:
evenimentul A se produce sau nu. Deci mulțimea valorilor lui X este {0;1} Dacă p este probabilitatea
ca A să se producă atunci probabilitatea ca A să nu se producă este 1-p. Repartiția lui X va avea deci
forma:

Avem M(X) = 1.p + 0.(1-p) = p

Deci media numărului de apariții ale unui eveniment ce are loc în urma efectuării unui experiment
este egală cu probabilitatea acelui eveniment.

Proprietățile mediei
Proprietățile valorii medii sunt acelea ale integralelor.
Propoziția 1. Dacă a este o constantă atunci:

Propoziția 2. Valoarea medie a unei sume de două variabile aleatoare X +Y este egaă cu suma
valorilor lor medii:

Teoremă. Media unei variabile aleatoare binomiale de parametrii n și p; B (n; p) este:

M(B (n; p)) = n . p

Dispersia unei variabile aleatoare discrete

Exista multe variabile aleatoare care au repartiții diferite dar care au mediile egale:

6
Proprietățile dispersiei
Propoziția 1 - Dispersia unei constante a este egală cu 0: D2 (a) = 0
Propoziția 2 - Dispersia produsului dintre o constantă și o variabilă aleatoare este egală cu produsul
dintre pătratul constantei și dispersia variabilei aleatoare: D2 (a . X) = a 2 . D2 (X)
Propoziția 3 - Dispersia sumei a două variabile aleatoare independente este egală cu produsul dintre
dispersiile variabilelor aleatoare: D2 (X + Y ) = D2 (X) + D2(Y)
Teoremă. Dispersia unei variabile aleatoare discretă B (n; p) ce urmează o lege de repartiție
binomială este egală cu npq: D2 (B (n; p)) = npq.

Abaterea medie pătratică

Definiție: Se numește abatere medie pătratică a unei variabile aleatoare rădăcina pătrată din
dispersia variabilei aleatoare. Deci dacă o vom nota cu σ ; abaterea medie pătratică a unei variabile
aleatoare X va fi egala cu:

Variabile aleatoare independente cu aceeași repartiție

Sa consideră variabile aleatoare independente X1; X2; :::; Xn cu aceeași repartiție:

Notam cu X media aritmetică a variabilelor aleatoare:

Vom calcula în continuare media și dispersia variabilei aleatoare X . Avem:

Dar

7
Și deci

Pentru calculul dispersiei avem:

Pe de altă parte:

Deci:

Abaterea mediei pătratică a variabilei aleatoare X va fi:

Aceste rezultate ne conduc la concluzia ca dacă pentru măsurarea unei mărimi fizice se fac mai multe
măsurători și apoi se calculează media aritmetică a rezultatelor obținute care se ia ca valoare
aproximativă a mărimii măsurate, atunci dispersia mediei aritmetice a măsurătorilor va fi de n ori mai
mica decât dispersia unei singure măsurători. Aceasta înseamnă că media aritmetică dă un rezultat
mai exact decât măsurătorile separate.
Momente ale unei variabile aleatoare
Momentele sunt valori tipice ale unei variabile aleatoare pe care este util sa le cunoaștem în anumite
probleme. Sunt doua feluri de momente:
1. Momente inițiale (pe scurt momente);
2. Momente centrate.
Funcția de repartiție a unei variabile aleatoare
După cum am văzut o variabilă aleatoare discretă este caracterizată de repartiția ei. Acest lucru nu
mai este însă valabil și pentru variabilele aleatoare continue. Într-adevăr dacă X este o variabila
aleatoare continuă ale cărei valori umplu un interval (a; b), este evident faptul ca nu vom putea
enumera toate valorile posibile lui X. Acest fapt ne arata că trebuie să găsim un mod mai general de
definire a ambelor tipuri de variabile aleatoare. În acest scop se introduce funcția de repartiție. Sa
considerăm x un număr real. Vom nota cu F(x) probabilitatea evenimentului (X < x); care consta în

8
aceea că X ia o valoare mai mica decât x. Dacă x variază, atunci se va modifică și F(x) adică F(x) este
funcție de x.
Definiție: Funcția de repartiție a unei variabile aleatoare X este aplicația

definită prin:

Definiție: O variabilă aleatoare se numește continuă dacă funcția ei de repartiție F(x) este continuă.
Proprietățile funcției de repartiție
Propoziția 1: Valorile funcției de repartiție se găsesc în intervalul [0; 1]:

Propoziția 2: F(x) este o funcție monoton crescătoare:

Propoziția 3. Dacă valorile posibile ale variabilei aleatoare X sunt cuprinse în intervalul (a; b), atunci:

Teorema limită centrală

Teorema Leapunov
Fie X1; X2; :::; Xn variabile aleatoare independente. Notăm cu:

dacă

Atunci funcția de repartiție a variabilei

tinde, către n → ∞; la funcția lui Laplace

9
Legea numerelor mari
Generalități
Dupa cum am văzut, nu putem cunoaște dinaintea efectuării unui experiment ce valori va lua
variabila aleatoare pe care o cercetăm. La prima vedere deci, cu atât mai puțin am putea spune cum
se comporta media (ce fel de lege urmează) unui număr suficient de mare de variabile aleatoare.
Practic, în condiții destul de puțin restrictive ea își pierde caracterul întâmplător. Este deci foarte
important să cunoaștem în ce condiții rezultatul factorilor întâmplători nu mai conduce la ceva
neprevăzut. Diversele rezultate privind această problemă sunt cunoscute sub numele de variante ale
legii numerelor mari. De reținut cele două teoreme prinvind legea slabă a numerelor mari: teoremele
lui Cebâșev și teorema lui Bernoulli.
Inegalitatea lui Cebâșev
Ea este valabila pentru ambele tipuri de variabile aleatoare: discrete și continue
Fie X o variabilă aleatoare discretă și ε un număr pozitiv. Probabilitatea ca abaterea variabilei
aleatoare X să fie în valoare absolută mai mică decât ε este cel puțin egală cu

adică

Teorema Cebâșev. Fie X1; X2;... ; Xn variabile aleatoare (discrete sau continue) independente cu
dispersiile mai mici decât o constantă k. Pentru orice ε > 0 are loc:

Exemplu:
Se aruncă un zar de 1000 de ori. Fie X variabila aleatoare care reprezintă numărul de apariţii ale feţei
x
cu 3 puncte, Z= 3 variabila aleatoare care reprezintă frecvenţa relativă de apariţie a feţei cu 3
10
1
puncte iar p= probabilitatea de producere a acestui eveniment. Utilizând inegalitatea lui Cebâşev
6
să se găsească limita inferioară a probabilităţii ca frecvenţa relativă să nu difere de probabilitate cu
mai mult de 0,01.
Soluţie. Avem de determinat limita inferioară a probabilităţii

De unde obținem:

10
Unde

De unde rezultă

Teorema lui Bernoulli. Dacă se fac n experimente independente, în fiecare experiment probabilitatea
evenimentului A fiind p, cu  notăm numărul de apariții al evenimentului A în cele n experimente iar ε
> 0 este un număr arbitrar de mic, atunci:

Cu alte cuvinte, dacă un experiment se repetă de un număr suficient de mare de ori, în condiții
identice, atunci frecvența relativă este stabilă, adică variază în jurul probabilității.

Exemplu:
O urnă conţine 3 bile albe şi 4 bile negre. Din această urnă se fac 3 extrageri succesive, punându-se de
fiecare dată bila extrasă înapoi. Care este probabilitatea de a obţine 2 bile albe şi 1 bilă neagră?

( 3
7
4
)
Soluţie. Suntem în cadrul schemei lui Bernoulli p= , q=1− p= ,n=3 , k=2 , atunci avem:
7

Schema lui Bernoulli (binomială) poate fi generalizată la o urnă care conţine bile de mai multe culori.

Vectori aleatori bidimensionali

Variabile aleatoare vectoriale
Pentru variabilele aleatoare avem valori posibile de tip numeric. Aceste variabile aleatoare se numesc
unidimensionale. Exista însă și variabile aleatoare ale caror valori posibile sunt sisteme de câte două,
trei,..., n numere. Aceste variabile aleatoare se numesc bi-dimensionale, tri-dimensionale,..., n-
dimensionale. Vom nota cu (X; Y ) un vector (variabila) bidimensional. Dacă (X; Y) este un vector
aleator, atunci componentele sale X și Y sunt variabile aleatoare unidimensionale și se numesc
variabile aleatoare marginale.
Definiție: Spunem că vectorul aleator (X; Y) este:
1. discret, dacă variabilele aleatoare componente sunt discrete;
11
2. continuu, dacă variabilele aleatoare componente sunt continue.

Repartiția unui vector aleator bidimensional discret

Asemeni repartiției variabilelor aleatoare unidimensionale discrete, prin repartiție a unui vector
aleator bidimensional discret vom înțelege enumerarea valorilor posibile ale vectorului, adică
enumerarea perechilor de numere reale (xi ; yj ), 1 ≤ i ≤ n; 1 ≤ j ≤ m; și a probabilităților lor
corespunzătoare πij .
Repartiția unui vector aleator bidimensional discret se scrie sub forma unui tablou cu dubla intrare:

Pe coloana lui X sunt trecute toate valorile posibile ale lui X: x1; x2.... xn, iar pe linia lui Y sunt trecute
toate valorile posibile ale lui Y : y1; y2; ... ; ym. Pe coloana lui p sunt trecute toate probabilitățile
corespunzătoare valorilor posibile ale lui X: p 1; p2 ... pn, iar pe linia lui Y sunt trecute toate
probabilitățile corespunzătoare valorilor posibile ale lui Y : q1; q2; ... ; qm. La intersecția liniei valorii i a
lui X : xi ; cu coloana j a lui Y : yj este trecuta probabilitatea πij ca vectorul aleator să ia valoarea (xi ;
yj ).
Funcția de repartiție a unui vector aleator bidimensional
Funcția de repartiție a vectorul aleator bidimensional Z = (X; Y ) are forma:

Geometric, egalitatea poate fi interpretata astfel: F(x; y) reprezintă probabilitatea ca punctul de

coordonate (X; Y ) sa se găsească în domeniul plan hașurat din figura de mai jos:

12
Densitate de probabilitate bidimensională
Definiție: Se numește densitate de probabilitate bidimensională a doua derivată parțială mixtă (dacă
există) a funcției de repartiție F(x; y)

Teoremă. Probabilitatea ca punctul de coordonate (X; Y ) să se găsească într-un domeniu plan D este
egală cu integrala dublă a densității de probabilitate bidimensionale luate pe domeniul D:

Geometric:

Definiție: Numim variabilă aleatoare vectorială (n-dimensională) aplicașia:

X=(X1, X2, .... , Xn):Ω→Rn
Ale cărei compnente Xi:Ω→R, i=1 , n sunt variabile aleatoare.
Definiție: Funcția F:Rn→R definită prin:

F(x1, x2, ..., xn)=P(X1x1, ... , Xnxn)

Pentru orice (x1, x2, ..., xn) Rn

se numelte ”funcția de repartiție” a variabilei aleatoare X=(X 1, X2, ..., Xn):Ω→Rn
Propoziție:
Dacă F:Rn→R este funcția de repartiție a vectorului aleator X:Ω→Rn, atunci:
lim F ( x 1 , … , x n )=1 ;
i) x i →∞
i=1,n

ii) lim F ( x 1 ,… , x n )=0 , pentru orice i=1 , n

xi →−∞

13
 iii) F este crescătoare în fiecare argument

iv) F este continuă la stânga în fiecare argument.

Definiție: i) Variabila laeatoare vectorială X:Ω→Rn este discretă dacă X(Ω)Rn este continuă dacă
fiecare din componentele sale este continuă
ii) Variabila aleatoare X:Ω→Rn este discretă dacă X(Ω)Rn este cel mult numărabilă.

Repartiții marginale

Propoziție:
F i ( x i )= lim F (x 1 , … , x n)
Are loc egalitatea: x j→ ∞
j=1 ,n
pentru orice x i ∈ R
j ≠i
Propoziție:
Are loc egalitatea:

F i , .. ,i ( xi , … , x i ) = lim F(x i ,.. , x i )

1 n 1 n 1 n
x j→ ∞
j ∉ { i1 , …i n }

Propoziție:Dacă f:Rn→R este densitatea de repartiție a vectorului aleator X=(X 1, ..., Xn) atunci
densitatea marginală în raport cu componenta Xi notată fi(x), xiR este:
∞ n
f i ( x i ) = ∫ ∫ f ( x 1 ,.. , x n )∗∏ dx
R
n−1 j=1
j ≠i
Propoziție:
Probabilitățile pij, iI, jJ verifică proprietățile:

i) pij≥0 , oricare ar fi (i,j)IxJ

m n
ii) ∑ ∑ p ij=1
i=1 j=1

Definiție: Spunem că variabilele aletoare X i , i=1 , n, n≥2 sunt ”independente” dacă evenimentele:

Ai= { ω| X i (ω)< xi }

Sunt independente pentru orice x i ∈ R ,i=1 , n

Propoziție:

Variabilele aleatoare X i , i=1 , n ,n ≥ 2 sunt independente dacă și numai dacă funcția de repartiție a
vectorului aleator X=(X1, ... , Xn) este produsul funcțiilor de rapartiție marginală, adică:

14
 n
F=( x 1 ,… , x n )=∏ Fi (x i )
i=1

Propoziție:

Variabilele aleatoare X i , i=1 , n, n≥2 sunt independente dacă și numai dacă densitatea devrepartiție
a vectorului aleator (X1, ..., Xn) este produsul densităților de repartiție marginale:
n
f ( x 1 , … , x n ) =∏ f i ( xi ) ,(∀)(x 1 ,… , x n)∈ R
n

i=1

Operații cu variabile aleatoare

Fie (Ω,K,P) un câmp (borelian) de probabilitate.
Propoziție: Daca X:Ω→R este o variabilă aleatoare atunci:

i) a·X, aR;
ii) X;
iii) Xk, kN*;
1
iv) ,X ≠0 ;
X
v) √ X , X≥0
sunt toate variabile aleatoare.
LEMĂ. Dacă X și Y sunt două variabile aleatoare definite pe același câmp borelian de probabilitate
(Ω,K,P), atunci, pentru orice aR, mulțimile :

i) { ω|X ( ω )<Y ( ω )+ a };
ii) { ω|X ( ω ) ≤ Y ( ω ) +a };
iii) { ω|X ( ω )=Y ( ω ) +a }
sunt evenimente din K.
Propoziție: Dacă X și Y sunt variabile aleatoare, definite pe același câmp de probabilitate (Ω,K,P),
atunci:
i) X - Y;
ii) X + Y;
iii) X·Y;
X
iv) ,Y ≠0 ;
Y
v) max { X , Y };
vi) min { X , Y }
sunt variabile aleatoare.

15