curs 5 probabilităţi]Operaţii cu variabile aleatoare, variabile aleatoare

independente şi media unei variabile aleatoare

1 Calculul densităţii de probabilitate a unei v.a.

obţinută dintr-o v.a. dată
Pentru că au apărut noi simboluri cu care am probleme, de acum comentariile
care nu trebuie scrise apar sub forma ⟨⟨ urmat de textul comentariului şi la
sfârşit ⟨⟨ .
Vechile paranteze pentru comentarii rămân valabile.
⟨⟨ -Pentru că variabilele aleatoare sunt funcţii cu valori reale, vom arăta în
exemplul care urmează cum se pot obţine densităţile de probabilitate pentru
variabile aleatoare care sunt funcţii de o v.a. dată X.
-Am specificat că la variabilele aleatoare continue, date cu densitate de proba-
bilitate, p(X = x) = 0, ∀x ∈ R,
deci la integrale, intervalele de integrat pot fi şi închise şi deschise; de altfel
valorile unei funcţii pe o mulţime finită nu influenţează valoarea integralei.
-În punctele în care îşi schimbă forma, o funcţie dată pe mai multe ramuri,
poate pierde proprietatea de a fi derivabilă, dar pentru a nu intra în prea multe
detalii voi da în definiţia lui f în loc de [−1, 1], intervalul (−1, 1), voi păstra
acest interval şi la explicitarea derivatei, pe FX o voi scrie respectînd condiţia
de a fi continuă la stânga.
-Cerinţa de la punctul (a) a fost dată pentru că este folosită la rezolvarea punc-
tului (b). ⟨⟨

Exemplu { 1.1 V.a. X are densitatea de probabilitate f : R → R,

f (x) = 2 , x ∈ (−1, 1) . (a) Calculaţi funcţia de repartiţie corespunzătoare.
0, în rest
(b)Determinaţi densităţile de probabilitate ale v.a. (1) Y = 3X − 1;
(2) Y = −X + 2; (3) Y = eX .

Dem. (a) Din definiţiafuncţiei de repartiţie, FX : R → R,

∫x  0, x ≤ −1
FX (x) = f (t)dt = x+1
, x ∈ (−1, 1] , pentru că:
−∞  2
1, x ∈ (1, ∞)
∫x
1) dacă x ≤ −1, atunci f este 0 pe (−∞, x] şi FX (x) = f (t)dt = 0;
−∞
2) dacă x ∈ (−1, 1], din intervalul (−∞, x] pe care se integrează, numai pe
∫x ∫x
[−1, x) f este nenulă ⇒ FX (x) = f (t)dt = 12 dt = 2t /x−1 = x+1
2 ;
−∞ −1
3) dacă x > 1, atunci f este nenulă pe (−1, 1) şi
∫x ∫1
FX (x) = f (t)dt = 12 dt = 2t /1−1 = 1.
−∞ −1
(b)(1) ⟨⟨ -Vom respecta modul de definiţie al funcţiei de repartiţie pentru FY
şi modul de calcul;

1
-pentru v.a. Y vom folosi variabila y, deci apare FY (y)
-se înlocuieşte Y cu cât este Y = 3X − 1
-inegalitea 3X − 1 < y se transformă într-o inegalitate pe care o verifică X ⟨⟨
3X − 1 < y/ + 1 ⇒ 3X < y + 1/ : 3 ⇒ X < y+1 3 şi
FY (y) = p(Y < y) = p(3X − 1 < y) = p(X < 3 ) = FX ( y+1
y+1
3 );
⟨⟨ -legătura între funcţia de repartiţie FY şi densitatea de probabilitate fY a
v.a. Y este dată de fY (y) = FY′ (y) în punctele în care FY este derivabilă
-derivarea se face în raport cu y şi după regulile de derivare de la funcţii
compuse
′
-din FX = f în punctele în care FX este derivabilă, rezultă a treia egalitate
-se explicitează f ( y+13 ), înlocuind în ramura lui f pe x cu 3
y+1

-se transformă apartenenţa y+1 3 ∈ (−1, 1) într-o inegalitate verificată de y ⟨⟨

y+1
∈ (−1, 1) ⇒ −1 < y+1
< 1/ · 3 ⇒ −3 < y + 1 < 3/ − 1 ⇒ −4 < y < 2
3 3 { 1 1 y+1
′ 1 ′ y+1 1
fY (y) = FY (y) = 3 FX ( 3 ) = 3 f ( 3 ) = y+1 3 · 2 , 3 ∈ (−1, 1) =
0, în rest
{ 1
= 6 , y ∈ (−4, −2) .
0, în rest
(2)-Din condiţia p(X = x) = 0, ∀x ∈ R, inegalitatea ≤ se poate înlocui cu <
⟨⟨ -inegalitatea Y = −X + 2 < y se transformă într-o inegalitate verificată de
X⟨⟨
−X + 2 < y/ − 2 ⇒ −X < y − 2/ · (−1) ceea ce schimbă sensul inegalităţii ⇒
X >2−y
-se foloseşte p(CA) = 1 − p(A) pentru p(X > 2 − y) = 1 − p(X ≤ 2 − y) pentru
că X ≤ 2 − y este contrara lui X > 2 − y
-apartenenţa 2 − y ∈ (−1, 1) se transformă pentru a găsi apartenţa lui y:
−1 < 2 − y < 1/ − 2 ⇒ −3 < −y < −1/ · (−1) ⇒ 1 < y < 3
-definiţia funcţiei de repartiţie este FX (x) = p(X < x) deci
FY (y) = p(Y < y) = p(−X + 2 < y) = p(X > 2 − y) =
= 1 − p(X ≤ 2 − y) = 1 − p(X < 2 − y) = 1 − FX (2 − y),
fY {(y) = [1 − FX (2 − y)]′ = −f { X (2 − y) · (−1) = fX (2 − y) =
1
, 2 − y ∈ (−1, 1) 1
, y ∈ (1, 3)
= 2 = 2 .
0, în rest 0, în rest
(3)-Funcţia g : (0, ∞) → R, g(x) = lnx are g ′ (x) = x1 > 0 deci g este strict
crescătoare
-se transformă ln \eX < y ⇒ X < ln y
-se transformă
ln y ∈ (−1, 1) ⇒ −1 = ln e−1 < ln y < 1 = ln e ⇒ e−1 < y < e,
FY (y) = p(eX < y) = { p(X < ln y) = FX (ln y), {
2y , ln y ∈ (−1, 1) = 2y , y ∈ ( e , e) .
1 1 1
1 ′
fY (y) = y FX (ln y) =
0, în rest 0, în rest

2 Variabile aleatoare independente

Definiţia 1. Variabilele aleatoare X1 , X2 , …, Xn se numesc p-independente,
dacă

2
p(X1 < x1 ,X2 < x2 , . . . , Xn < xn ) = p(X1 < x1 ) · . . . · p(Xn < xn ),
∀x1 , x2 , . . . , xn ∈ R.

Observaţia 1. În cazul discret, dacă variabilele aleatoare X şi Y sunt

independente, atunci
p(X = xi , Y = yj ) = p(X = xi ) · p(Y = yj ), ∀i, j.

Vom da în continuare două exemple de variabile aleatoare independente, în

cazul discret şi continuu.

Exemplu
( 1. Fie variabilele
) aleatoare
( independente)
0 1 2 3 −2 −1 1
X: 1 1 2 12 şi Y : 1 14 1 . Determinaţi v.a. X · Y .
16 16 16 16 16 16 16

Dem. ⟨⟨ -Se ştie că dacă X este v.a. simplă, atunci ea se poate reprezenta sub
forma unei matrice, în care pe primul rând se trec valorile pe care le ia şi pe al
doilea rând, sub fiecare valoare, se trece probabilitatea cu care se ia acea
valoare.
-Cu observaţia 1 vom scrie v.a. X · Y , unde pe primul rând se înmulţesc pe
rând toate valorile lui X şi Y , iar pe al doilea rând, din independenţa
variabilelor
( aleatoare, se înmulţesc probabilităţile.⟨⟨ )
0 0 0 −2 −1 1 −4 −2 2 −6 −3 3
X ·Y : 1 14 1 1 14 1 2 28 2 12 168 12 .
162 162 162 162 162 162 162 162 162 162 162 162
⟨⟨ -Unde apare o valoare de mai multe ori, se scrie o singură dată şi
propbabilităţile de sub ea se adună, pentru că provin de la evenimente
incompatibile două câte două.
-Putem (trece valorile direct în ordinea lor crescătoare.⟨⟨ )
−6 −4 −3 −2 −1 0 1 2 3
X ·Y : 12 2 168 29 14 16 1 2 12 .
256 256 256 256 256 256 256 256 256

Exemplu 2. Se dă funcţia f (x) = x ∈ R.

c
ex +e−x ,
(1) Determinaţi c a.î. f să fie densitate de probabilitate.
(2) Dacă X şi Y sunt variabile aleatoare independente, ambele cu densitatea
de probabilitate f , calculaţi p(X < 1, Y > 1).

Dem. (1)- Pentru ca f să fie densitate de probabilitate, trebuie ca

(a) f ≥ 0 ⇒ c ≥ 0 şi
∫
∞ ∫ ex
∞
(b) I = f (x)dx = c · e2x +1 dx = 1;
−∞ −∞
fie ex = t ⇒ ex dx = dt, x → −∞ ⇒ t = ex → 0, x → ∞ ⇒ t = ex → ∞,
din lim arctgt = π2 , rezultă că
t→∞
∫
∞
I = c · t21+1 dt = c · arctgt/∞
0 = 2 = 1 ⇒ c = π.
cπ 2
0
(2)- Se observă că p(X < 1, Y > 1) = p(X < 1) · p(Y > 1), din independenţa
variabilelor aleatoare.
-Are loc p(Y > 1) = p(C(Y ≤ 1)) = 1 − p(Y ≤ 1) = 1 − p(Y < 1).

3
 ∫1 2
∫1 ex
p(X < 1) = p(Y < 1) = f (x)dx = π e2x +1 dx;
−∞ −∞
fie ex = t, ex dx = dt, x → −∞ ⇒ t → 0, x = 1 ⇒ t = e şi
∫e
p(X < 1) = π2 t21+1 dt = π2 · arctgt/e0 = 2·arctge
π ;
0
p(X < 1, Y > 1) = 2·arctge
π · (1 − 2·arctge
π ).

3 Valori medii
( )
x1 x2 . . . x n
Definiţia 1. (1) Fie v.a. simplă X : . Se numeşte
p1 p2 . . . pn
valoarea medie a v.a. X, sau media lui X, numărul care este suma tuturor
produselor dintre valoarea de pe primul rând şi probabilitatea de pe al doilea
∑
n
rând: M (X) = xi · pi .
i=1
(2)Dacă
( X este o v.a. discretă,
) cu o mulţime numărabilă de valori,
x1 x2 . . . x n . . .
X: , atunci
p1 p2 . . . pn . . .
∑
∞ ∑
M (X) = xn · pn . Media se defineşte dacă seria xn · pn este absolut
n=1 n≥1
convergentă.
Această proprietate asigură aceeaşi valoare pentru M (X), în orice ordine s-ar
aduna produsele.
(3)Dacă X este v.a. de tip continuu, cu densitatea de probabilitate f , atunci
∫
∞
media lui X este M (X) = xf (x)dx.
−∞
∫
∞
Integrala trebuie să fie absolut convergentă, adică |x|f (x)dx < ∞.
−∞
( )
−1 0 1
Exemplu 1. Fie v.a. X : 1 3 1 . Calculaţi M (X).
5 5 5

Dem. Din definiţie, M (X) = (−1) · 1

5 +0· 3
5 +1· 1
5 = 0.

Exemplu { 2. V.a. X are densitatea de probabilitate

2x, x ∈ (0, 1)
f (x) = . Calculaţi M (X).
0, în rest

Dem. -Pentru că f este nenulă numai pe (0, 1),

∞∫ ∫1 3
M (X) = xf (x)dx = 2x2 dx = 2x3 /10 = 23 .
−∞ 0