curs 9 probabilităţi]Funcţia caracteristică a unei variabile aleatoare, funcţia

generatoare de momente şi vectori aleatori

1 Funcţia caracteristică a unei v.a.

Teorema 1. Dacă funcţia caracteristică φ a v.a. X este absolut integrabilă,
atunci densitatea de probabilitate a v.a. este dată de
∫ −itx
∞
1
f (x) = 2π e φ(t) dt, ∀x ∈ R.
−∞

Exemplu 1. Determinaţi densitatea de probabilitate corespunzătoare funcţiei

caracteristice φ(t) = e−|t| , ∀t ∈ R.

Dem. I. Demonstrăm că φ este absolut integrabilă: aceasta preupune să

∫
∞
verificăm că I = |φ(t)| dt < ∞;
−∞
⟨⟨ -pentru că în general φ(t) ∈ C, are sens să luăm modulul numărului
complex pentru a verifica această proprietate;
-aici însă φ ia valori reale şi pozitive, deci funcţia coincide cu modulul său şi
ţinând cont de explicitarea lui |t|,⟨⟨
∫
∞ ∫ −|t|
∞ ∫0 t ∫
∞
I= φ(t) dt = e dt = e dt + e−t dt;
−∞ −∞ −∞ 0
-în a doua integrală facem s.v.: −t = y ⇒ (−t)′ dt = y ′ dy, dt = −dy,
t = 0 ⇒ y = 0, t → ∞ ⇒ y → −∞,
⟨⟨ -şi aici se poate folosi regula de a pune minus în faţa integralei dacă se
schimbă capetele de integrare,
-are loc şi lim ey = e−∞ = e1∞ = ∞ 1
= 0,⟨⟨
y→−∞
∫
∞ ∫0 y
e−t dt = e dy = ey /0−∞ = 1;
0 −∞
∫0
et dt = et /0−∞ = 1, deci I = 1 + 1 = 2 < ∞.
−∞
II. ⟨⟨ -Pentru calculul lui f (x) din nou ţinem cont de explicitarea modulului,⟨⟨
∫ −itx
∞ ∫0 ∫
∞
f (x) = 2π1
e φ(t) dt = 2π1
( e−itx et dt + e−itx e−t dt);
−∞ −∞ 0
-în a doua integrală facem din nou s.v.: −t = y, (−t)′ dt = y ′ dy, dt = −dy,
t = 0 ⇒ y = 0, t → ∞ ⇒ y → −∞,
∫ −itx −t
∞ ∫0 iyx y
e e dt = e e dy;
0 −∞
⟨⟨ -când revenim la f (x), în a doua integrală revenim de la notaţia cu y la
notaţia cu t;⟨⟨
∫0 t itx
1
f (x) = 2π e (e + e−itx ) dt;
−∞
-cu formula lui Euler, din cos(−y) = cos y, sin(−y) = − sin y, ∀y ∈ R:
eitx + e−itx = cos tx + i sin tx + cos(−tx) + i sin(−tx) =

1
= cos tx + i sin tx + cos tx − i sin tx = 2 cos tx,
2
∫0 t
f (x) = 2π e cos tx dt;
−∞
-avem nevoie în calculele următoare de:
lim et cos tx = lim cos(−y)x=cos
ey →∞
yx∈[−1,1]
= 0,
t→−∞ y=−t→∞ y→∞
la fel, lim et sin tx = 0, cos 0 = 1, sin 0 = 0;
t→−∞
⟨⟨ -pentru calculul integralei care ne conduce la f (x) se folosesc: (1)integrarea
prin părţi şi (2)(et )′ = et ;
-reamintim cum se procedează la integrarea prin părţi:
-se ştie că (f g)′ = f ′ g + f g ′ ⇒ f g ′ = (f g)′ − f ′ g;
-dacă se aplică integrala, trebuie să observăm că funcţia care prin derivare
′
devine
∫ ′ (f g) este∫f g;′
f g dx = f g − f g dx;
-tot timpul se priveşte et de sub integrală ca (et )′ pentru a aplica integrarea
prin părţi;⟨⟨
-derivând în raport cu t,
(cos tx)′ = (cos u)′ = − sin u · u′ = − sin tx · (tx)′ = −x sin tx,
tx=u
(sin tx)′ = (sin u)′ = cos u · u′ = cos tx · (tx)′ = x cos tx,
tx=u
∫0 ∫0
I= et cos tx dt = et cos tx/0−∞ + x et sin tx dt =
−∞ −∞
∫0
= 1 + xet sin tx/0−∞ − x2 et cos tx dt = 1 − x2 I ⇒ I = 1
x2 +1 şi
−∞
f (x) = 1
π(x2 +1) , ∀x ∈ R, v.a. X are repartiţie Cauchy.

2 Funcţia generatoare de momente

⟨⟨ În general funcţia generatoare de momente nu poate fi definită decât pe un
interval din R. Definiţia şi proprietăţile ei sunt asemănătoare cu ale funcţiei
caracteristice. Le enunţăm şi pentru a vedea cum se aplică aceste proprietăţi
vom da exemple.⟨⟨

Definiţia 1. Funcţia ψ : (−h, h) → R, ψ(t) = M (etX ), ∀t ∈ (−h, h), se numeşte

funcţia generatoare de momente a v.a. X.

Exemplu 1. Determinaţi funcţia generatoare

 de momente a v.a. X cu funcţia
 0, x ≤ −4
de repartiţie F : R → R, F (x) = x+4
, x ∈ (−4, 4] .
 8
1, x > 4

Dem. ⟨⟨ -În punctele în care F este derivabilă are loc F ′ = f , unde f este
densitatea de probabilitate a lui X.  Derivăm pe F pe ramuri şi luăm intervale
 0, x < −4
deschise direct:⟨⟨ f (x) = F ′ (x) = 1
, x ∈ (−4, 4) .
 8
0, x > 4

2
⟨⟨ (-Dacă ar fi să studiem în detaliu, ar trebui să studiem continuitatea lui F :
pe intervalele deschise ale ramurilor este evident continuă. Trebuie studiată
separat continuitatea în punctele unde îşi schimbă forma; aceste puncte sunt
−4 şi 4; pentru ele trebuie ca limita la stânga să fie egală cu limita la dreapta
şi cu valoarea în punct:
F (−4 − 0) = lim 0 = 0 = F (−4), F (−4 + 0) = lim x+4 8 = 0, deci F este
x→−4 x→−4
x<−4 x>−4

continuă în x = −4,
la fel, F (4 − 0) = lim x+4
8 = 1 = F (4), F (4 + 0) = lim+ 1 = 1, deci F este
x→4 x→4
x<4

continuă în x = 4.
-Dacă F nu ar fi continuă în aceste puncte, nu ar fi nici derivabilă.
-Aici se poate deriva peste tot, mai puţin în x = −4 şi x = 4, de aceea
intervalele sunt deschise; acelaşilucru puteam să-l facem, fără să mai studiem
 0, x < −4
continuitatea; f (x) = F ′ (x) = 1
, x ∈ (−4, 4) ;
 8
0, x > 4
-o teoremă care s-ar putea aplica pentru a studia derivabilitatea în x = −4 şi
x = 4, ne cere ca în condiţia că funcţia este continuă în unul din ele şi limita la
stânga şi la dreapta ale derivatei în punct există, să verificăm dacă sunt egale,
aici: Fs′ (−4) = F ′ (−4 − 0) = 0 ̸= Fd′ (−4) = F ′ (−4 + 0) = 18 , deci F nu este
derivabilă în x = −4;
Fs′ (4) = F ′ (4 − 0) = 18 ̸= Fd′ (4) = F ′ (4 + 0) = 0, deci F nu este derivabilă în
x = 4;
-deci oricum intervalele unde F îşi schimbă forma rămân deschise prin derivare;
-în cazul mai greu, când aceste limite nu există se merge pe definiţia derivatei:
Fs′ (x0 ) = lim F (x)−F
x−x0
(x0 )
, la fel pentru Fd′ (x0 ), apoi pentru derivabilitate,
x→x0
x<x0

aceste derivate trebuie să fie egale.

-În concluzie este un efort mare de calcul.
-Nu trebuie să facem însă neapărat aceste operaţii, putem lăsa direct formula
cu intervale deschise pe care am găsit-o.
-Acest lucru este permis de integrale, unde calculul integralei nu ţine cont dacă
funcţia f există, sau nu, pentru o mulţime finită de puncte.⟨⟨
-Pentru că v.a. are densitate de probabilitate, ψ care este medie, este dată cu
integrală; ţinem cont că f este nenulă numai pe (−4, 4), unde este 81 :
∫ tx
∞ ∫4
-dacă t ̸= 0, ψ(t) = M (etX ) = e f (x) dx = 81 etx dx;
−∞ −4
tx = y ⇒ (tx)′ dx = y ′ dy, dx = 1t dy, x = −4 ⇒ y = −4t, x = 4 ⇒ y = 4t,
∫ y
4t −4t
e /−4t = e −e
4t
1 1 y 4t
ψ(t) = 8t e dy = 8t 8t ;
−4t
M (e0·X ) = M (1) = 1, deci
dacă t = 0, ψ(0) = {
e4t −e−4t
, t ̸= 0
ψ : R → R, ψ(t) = 8t .
1, t = 0

3
 ⟨⟨ -Următoarele proprietăţi seamănă cu cele de la funcţia caracteristică.⟨⟨
Teorema 1. Două variabile aleatoare având aceeaşi funcţie generatoare de
momente, sunt identic repartizate.
Exemplu 2. Funcţia generatoare de momente a v.a. X este
ψ(t) = 14 et + 41 e3t + 12 e−4t . Determinaţi v.a. X.
Dem. ⟨⟨ -Ţinem cont că ψ(t) = M (etX ), că media unei v.a. cu număr finit de
valori este suma produselor valorilor cu probabilităţile asociate, că la et
coeficientul din faţa lui t la putere este
( 1, se înmulţeşte
) cu 41 . . ., deci
1 3 −4
identificând după teorema 1:⟨⟨ X : 1 1 1 .
4 4 2

Teorema 2. Dacă v.a. X are funcţia generatoare de momente ψ : (−h, h) → R,

h > 0, atunci Mn (X) = M (X n ) = ψ (n) (0), ∀n ≥ 1.
1
Exemplu 3. Funcţia generatoare de momente a v.a. X este ψ(t) = 1−3t ,
∀t ∈ (− 13 , 31 ). Calculaţi media şi dispersia v.a. X.
Dem. Cu teorema 2, M (X) = ψ ′ (0), M (X 2 ) = ψ ′′ (0);
′ ′
ψ ′ (t) = ( 1−3t
1
)′ = 1 (1−3t)−(1−3t)
(1−3t)2
=3 3
= (1−3t) ′
2 ⇒ M (X) = ψ (0) = 3;

((1 − 3t)2 )′ = (u2 )′ = 2u · u′ = 2(1 − 3t)(1 − 3t)′ = −6(1 − 3t);

1−3t=u
′ 2 ′
3 (1−3t) −3((1−3t) ) =18(1−3t)
2
ψ ′′ (t) = ( (1−3t)
3 ′
2) = (1−3t)4 ⇒ M (X 2 ) = ψ ′′ (0) = 18,
D (X) = M (X ) − (M (X)) = 18 − 9 = 9.
2 2 2

Teorema 3. Dacă funcţia generatoare de momente a v.a. X este

∑
∞ n
ψ(t) = 1 + an · tn! , ∀t ∈ (−h, h), atunci Mn (X) = M (X n ) = an , ∀n ≥ 1.
n=1

Exemplu 4. Funcţia generatoare de momente a v.a. X este

∑
∞ n+1
−1 tn
n+1 · n! , ∀t ∈ R. Determinaţi momentul de ordin n ≥ 1,
2
ψ(t) = 1 +
n=1
media şi dispersia.
Dem. Cu teorema 3, se observă imediat identificând puterile că
Mn (X) = M (X n ) = 2 n+1−1 , ∀n ≥ 1.
n+1

21+1 −1=3 3
M (X) = M1 (X) = 1+1=2 = 2 ,
2+1
−1=7
M (X 2 ) = 2 7 2
2+1=3 = 3 , D (X) = M (X 2 ) − (M (X))2 = 7
3 − 9
4 = 1
12 .

Teorema 4. Dacă X1 , X2 , . . ., Xn sunt v.a. independente, cu funcţiile

generatoare de momente ψi (t), t ∈ (−h, h), h > 0, 1 ≤ i ≤ n, atunci funcţia
generatoare de momente a v.a. X1 + X2 + . . . + Xn este
ψX1 +X2 +...+Xn (t) = ψX1 (t) · ψX2 (t) · . . . · ψXn (t), ∀t ∈ (−h, h).
Exemplu 5. Într-o urnă sunt 10 bile albe şi 5 negre. Determinaţi funcţia
generatoare de momente a v.a. X care reprezintă numărul de bile albe
obţinute în 6 extrageri succesive, punând de fiecare dată la loc bila extrasă.

4
Dem. -Fiecărei extrageri îi asociem v.a. Xk , care reprezintă numărul de bile
albe extrase la extragerea k, 1 ≤ k ≤ 6. Evident că Xk ia numai valorile
0-dacă nu se extrage bilă albă şi 1-dacă se extrage bilă albă; pentru că
5 1 10 2
extragerile sunt cu(întoarcere,
) p(Xk = 0) = 15 = 3 ; p(Xk = 1) = 15 = 3 ,
0 1
∀1 ≤ k ≤ 6: Xk : 1 2 , 1 ≤ k ≤ 6.
3 3
ψk (t) = ψXk (t) = M (etXk ) = e0·t · 13 + e1·t 23 = e0 · 31 + et · 23 = 32 et + 13 , ∀t ∈ R,
∀1 ≤ k ≤ 6.
-Variabilele aleatoare X1 , X2 , . . ., X6 sunt evident independente.
-Numărul de bile albe în 6 extrageri cu întoarcere corespunde v.a.
X = X1 + . . . + X6 .
-Cu teorema 4 funcţia generatoare de momente a lui X este
ψX (t) = ψ1 (t) · . . . · ψ6 (t) = ( 23 et + 13 )6 , ∀t ∈ R.

3 Vectori aleatori
Definiţia 1. Fie (Ω, K, p) un câmp, sau σ-câmp de probabilitate, pe care s-au
definit v.a. X1 , . . ., Xn : Ω → R. Sistemul X = (X1 , . . . , Xn ) se numeşte
vector aleator, sau variabilă aleatoare n-dimensională.
Observaţia 1. -Dacă X şi Y sunt variabile aleatoare simple, vectorul aleator
(X, Y ) se poate prezenta sub forma unui tablou;
-se observă că valorile lui X sunt pe verticală, ale lui Y pe orizontală;
-la intersecţia liniei i cu coloana j este probabilitatea intersecţiei dintre X = xi
şi Y = yj , notată pij = p(X = xi , Y = yj ), ∀i, j;
X\Y | y1 ... yj . . . ym
−− −|− −− −− −− −− −−
x1 | p11 . . . p1j . . . p1m
... | ... ... ... ... ...
xi | pi1 . . . pij . . . pim
... | ... ... ... ... ...
xn | pn1 . . . pnj . . . pnm
⟨⟨ -pentru că probabilităţile care apar, sunt asociate unor evenimente
incompatibile două câte două şi reuniunea lor este evenimentul sigur, atunci⟨⟨
∑
pij = 1;
i,j
⟨⟨ -pe linia i, toate probabilităţile care apar sunt probabilităţile intersecţiei
dintre evenimentul X = xi şi toate posibilităţile de valori pentru Y ; aceste
probabilităţi sunt asociate unor evenimente incompatibile două câte două,
pentru că nu putem avea de exemplu simultan Y = y1 şi Y = y2 ; reuniunea lor
este evenimentul X = xi , deci pentru a calcula probabilitatea ca X = xi ,
trebuie să adunăm toate probabilităţile de pe linia i:⟨⟨
∑
p(X = xi ) = pij = pi1 + . . . + pij + . . . + pim , ∀1 ≤ i ≤ n;
j
⟨⟨ -din acelaşi motiv, pentru a calcula p(Y = yj ), 1 ≤ j ≤ m, trebuie să
adunăm toate probabilităţile de pe coloana j:⟨⟨

5
 ∑
p(Y = yj ) = pij = p1j + . . . + pij + . . . + pnj , ∀1 ≤ j ≤ m.
i
( )
x1 . . . x n
Definiţia 2. (1)V.a. X/Y = yj : , unde
p′1 . . . p′n
p′i = p(X = xi /Y = yj ), ∀1 ≤ i ≤ n, se numeşte v.a. X condiţionată de
Y = yj ; evident că definiţia
( se poate)da ∀1 ≤ j ≤ m.
y1 . . . y m
(2)V.a. Y /X = xi : , unde p′′j = p(Y = yj /X = xi ),
p′′1 . . . p′′m
∀1 ≤ j ≤ m, se numeşte v.a. Y condiţionată de X = xi ; evident că definiţia se
poate da ∀1 ≤ i ≤ n.
Exemplu 1. Fie vectorul aleator (X, Y ), dat de
X\Y | 2 3 4
−− −|− −− −− −−
. Determinaţi repartiţiile v.a. X şi Y ,
−1 | λ λ 3λ
1 | 2λ 2λ λ
M (X/Y = 2), M (Y /X = −1).
Dem. -Din condiţia ca suma tuturor probabilităţilor din tablou să fie 1,
λ + λ + 3λ + 2λ + 2λ + λ = 10λ = 1 ⇒ λ = 10 1
şi vectorul este
X\Y | 2 3 4
−− −|− −− −− −−
.
−1 | 1
10
1
10
3
10
1 | 2
10
2
10
1
10
-din p(X = −1) = 10 1
+ 10 1
+ 103
= 105
= 12 , ( )
2 2 1 5 −1 1
p(X = 1) = 10 + 10 + 10 = 10 = 12 , atunci X : 1 1 .
2 2
1 2 3
-din p(Y = 2) = 10 + 10 = 10 ,
1 2 3
p(Y = 3) = 10 + 10 = 10 , ( )
3 1 4 2 3 4
p(Y = 4) = 10 + 10 = 10 , atunci Y : 3 3 4 .
10 10 10
1
p(X=−1,Y =2)
p(X = −1/Y = 2) = p(Y =2) = 10
3 = 13 ,
10
2
p(X = 1/Y = 2) = p(X=1,Y =2)
= 10
3 = 23 ,
( )
p(Y =2) 10
−1 1
X/Y = 2 : 1 2 .
3 3
-Media v.a. se calculează după formula mediei:
M (X/Y = 2) = −1 · 13 + 1 · 23 = 13 .
-La fel, pentru Y ,
1
p(Y =2,X=−1)= 10
p(Y = 2/X = −1) = p(X=−1)= 1
= 15 ,
2
1
p(Y =3,X=−1)= 10
p(Y = 3/X = −1) = p(X=−1)= 12
= 15 ,
3
p(Y =4,X=−1)= 10
p(Y = 4/X = −1) = p(X=−1)= 12
= 35 ,
( )
2 3 4
Y /X = −1 : 1 1 3 . M (Y /X = −1) = 2 · 1
5 +3· 1
5 +4· 3
5 = 17
5 .
5 5 5