curs 6 probabilităţi]Media variabilelor aleatoare şi proprietăţile ei,

dispersia variabilelor aleatoare

1 Media variabilelor aleatoare şi proprietăţile ei

⟨⟨ -Reamintim definiţia mediei unei variabile aleatoare cu o mulţime infinită,
numărabilă de valori.
-Proprietatea seriei din definiţia mediei de a fi absolut convergentă este bazată pe
proprietatea de la serii; o serie absolut convergentă este comutativ convergentă,
adică oricare ar fi ordinea în care se adună termenii seriei, de fiecare dată se
obţine acelaşi rezultat.⟨⟨

Definiţia
( 1. Dacă X este o v.a.) discretă, cu o mulţime numărabilă de valori,
x1 x2 . . . x n . . .
X: ,
p1 p2 . . . pn . . .
∑
∞
atunci M (X) = xn · p n .
n=1 ∑
Media se defineşte dacă seria xn · pn este absolut convergentă, adică
∑ n≥1
|xn | · pn este convergentă.
n≥1

⟨⟨ -Urmează un exemplu la v.a. cu o mulţime numărabilă de valori.

-De fiecare dată mi-a plăcut ironia acestui exemplu. Pentru mine it never gets
old. Înainte de a vedea rezolvarea încercaţi să răspundeţi singuri pe loc, cât
credeţi că este rezultatul. Veţi fi surprinşi şi voi cât este răspunsul. Evident şi
în acelaşi timp neaşteptat să fie confirmat de calcule complicate.⟨⟨

Exemplu 1. Se fac trageri asupra unui obiect până când este doborât. Pentru
doborârea lui este suficientă o tragere reuşită. La fiecare tragere în parte,
probabilitatea de succes ests 14 . Determinaţi valoarea medie a numărului de
trageri necesare.

Dem. Fie X variabila aleatoare care dă numărul de trageri necesare doborârii

obiectului. Ea ia o mulţime infinită de valori: poţi reuşi să dobori obiectul la
prima, la a doua , la a treia, . . . la a n−a încercare . . . şi aşa mai departe,
ajungi la infinit cu încercările; aici vorbim de repetarea unei experienţe de un
număr de ori în aceleaşi condiţii; pentru că la fiecare pas există aceeaşi şansă
de reuşită şi de nereuşită; din păcate pentru noi, obiectul poate să nu fie
doborât niciodată.
La o v.a. dată cu o matrice, sub fiecare valoare se trece probabilitatea cu care
este luată:
pentru X = 1, situaţia este că reuşeşti din prima încercare, deci
p(X = 1) = p = 14 ;
pentru X = 2, înseamnă că prima încercare este nereuşită şi asta are loc cu
probabilitatea x = 1 − p = 34 şi la a doua încercare dobori obiectul; asta se face
cu probabilitatea p = 14 ; prima şi a doua tragere sunt evenimente

1
independente; cuvântul ”şi” înseamnă intersecţia a două evenimente, deci
probabilitatea de calculat este p(X = 2) = x · p = 34 · 41 = 432 ; . . .
pentru X = n, vorbim de repetarea experienţei de n ori; se generează n
evenimente independente; primele n − 1 trageri sunt nereuşite şi probabilitatea
n−1
pentru ele este xn−1 = 34n−1 , adică produsul probabilităţilor lor, cum se
procedează la intersecţia evenimentelor independente; a n−a tragere este
reuşită şi are probabilitatea p = 41 ; totalul încercărilor are probabilitatea egală
cu produsul probabilităţilor evenimentelor independente,
n−1 n−1
p(X = n) = xn−1 · p = 43n−1 · 14 = 3 4n .
Acum ( putem completa pe X: )
1 2 3 ... n ...
X: 1 3 3 2 n−1 .
4 42 43 . . . 3 4n ...
Înainte de a rezolva mai departe reamintim aceste formule:
n+1
(1) 1 + x + x2 + . . . + xn = 1−x 1−x ;
⟨⟨ -observaţi că suma începe de la 1;
-puterea lui x de la răspuns este xn+1 , cu o unitate mai mult decât puterea
ultimului termen care se adună în stânga, adică xn ;
-formula o ştiţi de la progresii geometrice şi verificarea este prin calcul direct;
rezultă de aici că de fapt formula trebuie memorată, nu ai practic cum să o
deduci:⟨⟨
(1 − x)(1 + x + x2 + . . . + xn ) = 1 + x + x2 + . . . xn −
−x − x2 − . . . xn − xn+1 = 1 − xn+1 ;
(2) dacă x ∈ (0, 1) ⇒ lim xn = 0;
n→∞
⟨⟨ -formula se ştie de la limite, dar este clară şi intuitiv:
-de exemplu y = 12 , y 2 = 14 , y 3 = 18 şi dacă înmulţim în continuare produsele se
micşorează repede, apropiindu-se de 0;⟨⟨
(3) dacă a ∈ (0, 1) ⇒ b = a1 > 1, p ∈ N , atunci
lim xp · ax = 0;
x→∞
-adică la infinit puterea creşte mult mai încet decât exponenţiala;
-aplicăm l’Hospital, ţinând cont că
(xp )′ = p · xp−1 , (p · xp−1 )′ = p(p − 1) · xp−2 , . . ., deci cu fiecare derivată şi
avem un număr finit de derivări de făcut, puterea lui x scade, dar
(bx )′ = bx · ln b, (bx · ln b)′ = bx · (ln b)2 , . . ., apar câteva puteri ale lui ln b, dar
bx nu dispare prin derivare şi bx → ∞;
x→∞
p−1 p−2
xp p(p−1)·x
deci lim xp · ax = lim x = lim p·x
bx ·ln b = lim bx ·(ln b)2 = lim p(p−1)·...·1=p!
bx ·(ln b)p = 0;
x→∞ x→∞ b x→ x→ x→
(4) legat de (2) şi (3), reveninând la notaţiile noastre,
lim (n + 1) · xn = 0, lim xn = lim xn+1 = 0;
n→∞ n→∞ n→∞
(5)în suma 1 + 2x + 3x2 + . . . + nxn−1 ,
se observă că 1 = x′ , 2x = (x2 )′ , . . ., nxn−1 = (xn )′ ;
putem să considerăm şi că 0 = 1′ , deci
1 + 2x + 3x2 + . . . + nxn−1 = (1 + x + x2 + . . . xn )′ = ( x x−1−1 )′ =
n+1

(n+1)(x−1)xn −xn+1 +1
= (x−1)2 ;

2
(6) M (X) = 1 · 14 + 2 · 14 · 34 + 3 · 14 · ( 34 )2 + . . . + n · 41 · ( 34 )n−1 + . . . =
= 1
3 4
· (1 + 2x + 3x2 + . . . + n · xn−1 + . . .) =
se notează x= 4

= 14 · lim (1 + 2x + 3x2 + . . . + nxn−1 ) = 14 · lim (1 + x + x2 + . . . + xn )′ =

n→∞ n→∞
n
−xn+1 +1
= 41 lim (n+1)(x−1)x = 1
· 1
1 = 4.
cu (4) 4 (x−1) =( 4 −1) = 16
(x−1)2 2 3 2
n→∞
Deci în medie, pentru a doborâ obiectul sunt necesare 4 încercări.

⟨⟨ -În continuare, vom prezenta mai multe proprietăţi ale mediei, când se fac
operaţii cu variabile aleatoare;
-unele au demonstraţia evidentă şi o dăm, pentru altele nu vom da demonstraţia
care este dificilă, dar formulele sunt uşor de reţinut.⟨⟨

Teorema 1. Dacă X şi Y sunt variabile aleatoare, atunci:

(1) M (X + Y ) = M (X) + M (Y );
-deci media sumei de variabile aleatoare este egală cu suma mediilor, fără a
exista vreo relaţie între X şi Y ;
(2) dacă X este v.a. constantă, cu valoarea c, atunci ia această valoare cu
probabilitatea
( ) 1,
c
c: ,
1
M (c) = c · 1 = c;
-deci media unei constante c este c;
(3) M (cX) = c · M (X), ∀c ∈ R, ∀X v.a.;
-motivul este simplu, dacă o v.a. X se înmulţeşte cu constanta c, atunci de
exemplu pentru cazul discret, valorile de pe primul rând se înmulţesc cu c, iar
probabilităţile pe al doilea rând rămân la fel;
(4) dacă X ≤ Y , atunci M (X) ≤ M (Y );
(5) dacă X şi Y sunt v.a. independente, atunci M (X · Y ) = M (X) · M (Y );
-deci numai în cazul produsului de v.a. independente, media produsului este
egală cu produsul mediilor.

Exemplu 2. Se aruncă 4 zaruri. Calculaţi valoarea medie a (1) numărului total

de puncte pe cele 4 zaruri; (2) produsului de puncte pe cele 4 zaruri.

Dem. Notăm cu Xi variabila aleatoare care dă numărul de puncte pe zarul i,

1 ≤ i(≤ 4; )
1 2 3 4 5 6
Xi : 1 1 1 1 1 1 .
6 6 6 6 6 6
-Pe primul rând sunt valorile care apar pe feţele zarului, iar pe al doilea rând
probabilităţile cu care se iau aceste valori, toate 61 .
M (Xi ) = 16 · (1 + 2 + 3 + 4 + 5 + 6) = 72 , ∀1 ≤ i ≤ 4.
(1) Variabila aleatoare care dă numărul total de puncte pe cele 4 zaruri este
X = X1 + X2 + X3 + X4 ;
dar media sumei este suma mediilor, deci
M (X) = M (X1 + X2 + X3 + X4 ) = M (X1 ) + M (X2 ) + M (X3 ) + M (X4 ) =
= 4 · 72 = 14.

3
(2) V.a. care dă produsul punctelor pe cele 4 zaruri este
Y = X1 · X2 · X3 · X4 ;
din independenţa variabilelor aleatoare,
M (Y ) = M (X1 · X2 · X3 · X4 ) = M (X1 ) · M (X2 ) · M (X3 ) · M (X4 ) = ( 72 )4 .

Observaţia 1. Dacă g : R → R este o funcţie continuă şi f este densitatea de

probabilitate a v.a. X, atunci
∫
∞
M (g(X)) = g(x) · f (x)dx.
−∞

⟨⟨ -Observaţia ne arată cum se schimbă media, când se trece de la v.a X, la

o v.a. care este funcţie de ea.
-Se observă că în formula pentru M (X), se înlocuieşte X cu x şi apoi se în-
mulţeşte cu f (x) sub integrală:
∫
∞
M (X) = x · f (x)dx.
−∞
-La fel pentru g(X), peste tot unde apare X se înlocuieşte cu x şi apoi g(x) se
înmulţeşte cu f (x) sub integrală.⟨⟨

Exemplu { 3.1 V.a. X are densitatea de probabilitate f : R → R,

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

-În calculul integralei care apare, trebuie să ţinem cont că f este nenulă numai
pe (−1, 1), deci integrala de la −∞ la ∞ se reduce la o integrală de la −1 la 1
unde f (x) = 12 :
∫
∞
M (Y ) = M (2X 2 + 1) = (2x2 + 1) · f (x)dx =
în integrală X devine x −∞

1
∫1 3
x
= 2 2x2 + 1dx = 3 + x2 /1−1 = 53 .
−1

2 Dispersia unei variabile aleatoare

⟨⟨ -Dispersia unei variabile aleatoare, măsoară gradul de împrăştiere a ei, adică
cât sunt de depărtate valorile ei de medie.
-Pentru a nu permite compensarea valorilor cu plus cu cele cu minus, dispersia
se defineşte ca media unei v.a. pozitive, deci fiecare diferenţă contează.⟨⟨

Definiţia 1. Se numeşte dispersia v.a. X numărul

D2 (X) = M ((X − M (X))2 ).

⟨⟨ -Ştiu că sunt câteva lucruri care nu reuşesc să vă deranjeze, orice ar spune

alţii. Dacă în urma calculelor voastre atente şi concentrate distanţa vă dă cu
minus, asta nu vă provoacă nici măcar o tresărire de orgoliu. Pentru că nici
nu observaţi. Dacă probabilitatea unui eveniment, pentru care s-au luat toate
precauţiile pământului să nu iasă din [0, 1], vă dă minus −100, sau +70, iar nu

4
vă provoacă vreo reacţie. Să vă gândiţi cumva că cel care vă trimite rezovările
a apăsat greşit pe clape, sau a scris ·, dar voi aţi crezut că e −, sau că cine
a dat subiectele, intenţionat, sau involuntar a greşit enunţul. Toate sunt din
categoria ”nu e vina mea, nu mă interesează”.
-Cu toate acestea vă atrag atenţia că (X − M (X))2 ≥ 0 este o v.a. aleatoare
pozitivă, deci trebuie să aibă media pozitivă; aceasta este dispersia v.a. X, deci
D2 (X) ≥ 0, ∀X v.a.
-În continuare vom da câteva proprietăţi ale dispersiei care sunt folosite. Unde
nu am dat rezolvarea, enunţul compensează prin simplitate. Am optat pentru
a da demonstraţia imediat după enunţ.⟨⟨

Teorema 1. Dispersia are proprietăţile:

(1) D2 (X) ≥ 0, ∀X v.a.;
(2) D2 (X) = M (X 2 ) − (M (X))2 , ∀X v.a.;
⟨⟨ -demonstraţia foloseşte toate proprietăţile mediei de a se comporta bine la
sume şi înmulţiri cu constante:⟨⟨
D2 (X) = M ((X − M (X))2 ) =
se ridică la pătrat în interiorul mediei
= M (X 2 − 2M (X) · X + ((M (X))2 ) =
M(X) este atât o v.a. constantă, cât şi un număr
= M (X 2 ) − 2M (X) · M (X) + (M (X)) = M (X ) − 2(M (X)) + (M (X)) =
2 2 2 2

= M (X 2 ) − (M (X))2 .
(3)D2 (c · X) = c2 · D2 (X), ∀c ∈ R, ∀X v.a.:
D2 (c · X) = M ((c · X)2 ) − (M (c · X))2 = M (c2 · X 2 ) − (c · M (X))2 =
cu (2)
= c2 · M (X 2 ) − c2 · (M (X))2 = c2 · D2 (X);
cu (2)
⟨⟨ -trebuie să vă atrag atenţia că M (X 2 ) înseamnă mai simplu la matricea lui
X să ridici la pătrat valorile şi apoi să le înmulţeşti cu probabilităţile de sub
ele şi apoi să aduni produsele, în timp ce la (M (X))2 , trebuie să înmulţeşti
valorile cu probabilităţile asociate, să aduni aceste produse şi suma să o ridici
la pătrat, ceea ce dă alt rezultat,
sau la v.a. continue cu densitatea de probabilitate f ,
∞∫ 2
M (X 2 ) 2 = x · f (x)dx în timp ce
X devine x −∞
2

∫
∞
(M (X))2 = ( x · f (x)dx)2 deci în general
−∞
M (X 2 ) ̸= (M (X))2 ;⟨⟨
(4) dacă v.a. X1 , X2 , . . ., Xn sunt independente două câte douâ, atunci
D2 (X1 + X2 + . . . + Xn ) = D2 (X1 ) + D2 (X2 ) + . . . + D2 (Xn );
⟨⟨ -deoarece formula dispersiei este mai complicată, ea nu se comportă bine
nici la înmulţiri cu constante, nici la sume, cum se vede aici.⟨⟨

⟨⟨ -În mod normal nu am fi avut timp la curs să rezolvăm toate exemplele,

dar pentru a avea o continuitate le voi da pe toate.
-Se calculează dispersiile pentru toate variabilele aleatoare la care s-au calculat
mediile.⟨⟨

5
 ( )
−1 0 1
Exemplu 1. Calculaţi dispersia v.a. X : 1 3 1 , (M (X) = 0).
5 5 5

Dem. M (X 2 ) = (−1)2 · 15 + 02 · 35 + 12 · 15 = 52 ;
⟨⟨ -ca la X k , pentru k = 2 se ridică fiecare valoare de pe primul rând la pătrat,
se înmulţeşte cu probabilitatea de sub ea şi apoi produsele se adună;⟨⟨
D2 (X) = M (X 2 ) − (M (X))2 = 25 .

Exemplu 2. Calculaţi
{ dispersia v.a. X cu densitatea e probabilitate
2x, x ∈ (0, 1)
f : R → R, f (x) = , (M (X) = 32 ).
0, în rest

∫
∞ ∫1 2x4 1
Dem. M (X 2 ) = x2 · f (x)dx = 2 x3 dx = 4 /0 = 12 ;
−∞ 0
D2 (X) = M (X 2 ) − (M (X))2 = 1
2 − 4
9 = 1
18 .
( )
1 2 3 ... n ...
Exemplu 3. Calculaţi dispersia v.a. X : 1 3 32 3n−1 ,
4 42 43 ... 4n ...
(M (X) = 4).

Dem. Notăm din nou x = 43 ;

∑
∞
M (X 2 ) = 12 · 1
4 + 22 · 1
4 · x + . . . + n2 · 1
4 · xn−1 = 1
4 k 2 xk−1 ;
k=1
-ne vom baza pe calculele de la primul exemplu de azi,
∑
∞
kxk = lim (x + 2x2 + . . . + nxn ) = x · lim (1 + 2x + . . . + nxn−1 ) =
k=1 n→∞ n→∞

x · lim (1 + x + x2 + . . . + xn )′ = x · lim ( x x−1−1 )′ =

n+1

n→∞ n→∞
(n+1)xn (x−1)−xn+1 +1
= x · lim (x−1)2 = x
(x−1)2 ;
n→∞
∑
⟨⟨ -de la analiză se ştie şi nu vom mai intra în detalii, că k · tk este
k≥1
convergentă pentru t ∈ (−1, 1) şi x = 34 ∈ (−1, 1),
-se ştie că în interiorul mulţimii de convergenţă seriile de puteri se pot deriva
şi integra termen cu termen, noi aici derivăm; deci practic se derivează ca la
sume finite deşi aici vorbim de sumă urmată de trecere la limită;⟨⟨
∑
∞ ∑
∞
(x−1)2 −2x(x−1) −x−1 − 34 −1
( kxk )′ = x
k 2 xk−1 = ( (x−1) ′
2) = (x−1)4 = (x−1) 3 =
( 3 −1)3
,
4
k=1 k=1
M (X 2 ) = 14 · 74 · 43 = 28;
D2 (X) = M (X 2 ) − (M (X))2 = 28 − 16 = 12.