CURS 4

Variabile aleatoare bidimensionale

Consideram {Ω , K , P} un camp borelian de probabilitate.

Definitia 1 – variabila aleatoare bidimensionala

Numim variabila aleatoare bidimensionala o aplicatie/functie 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 ale carei
componente 𝑋1 si 𝑋2 sunt variabile aleatoare pe {Ω , K , P} .

Observatia 1
Fie 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 variabila aleatoare bidimensionala si (𝑥1 , 𝑥2 ) ∈ ℝ2 . Atunci {𝜔 | 𝑋1 (𝜔) < 𝑥1 ,
𝑋2 (𝜔) < 𝑥2 } ∈ 𝐾 .

Observatia 2
Notatii echivalente: {𝜔 | 𝑋1 (𝜔) < 𝑥1 , 𝑋2 (𝜔) < 𝑥2 } = ⋂2𝑖=1{𝜔 | 𝑋𝑖 (𝜔) < 𝑥𝑖 } = ⋂2𝑖=1 𝑋𝑖−1 (−∞, 𝑥𝑖 ) .

Definitia 2 – functia de repartitie a unei variabile aleatoare bidimensionale

Functia 𝐹: ℝ2 → [0,1] definita prin 𝐹(𝑥1 , 𝑥2 ) = 𝑃({𝜔 | 𝑋1 (𝜔) < 𝑥1 , 𝑋2 (𝜔) < 𝑥2 }) , ∀ (𝑥1 , 𝑥2 ) ∈ ℝ2
se numeste functia de repartitie a variabilei aleatoare bidimensionale 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 .

Observatia 3
Notatie echivalenta: 𝑃({𝜔 | 𝑋1 (𝜔) < 𝑥1 , 𝑋2 (𝜔) < 𝑥2 }) = 𝑃(𝑋1 < 𝑥1 , 𝑋2 < 𝑥2 ) , asadar
𝐹(𝑥1 , 𝑥2 ) = 𝑃(𝑋1 < 𝑥1 , 𝑋2 < 𝑥2 ) .

Propozitia 1
Fie 𝐹: ℝ2 → [0,1] functia de repartitie a unei variabile aleatoare bidimensionale 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2
Atunci:
i) lim𝑥1 →∞ 𝐹(𝑥1 , 𝑥2 ) = 1 ;
𝑥2 →∞
ii) lim𝑥1 →−∞ 𝐹(𝑥1 , 𝑥2 ) = 0 ; lim𝑥2 →−∞ 𝐹(𝑥1 , 𝑥2 ) = 0 ;
iii) functia de repartitie este nedescrescatoare in fiecare argument;
iv) functia de repartitie este continua la stanga in fiecare argument.

Propozitia 2
Fie 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 o variabila aleatoare bidimensionala, 𝐹: ℝ2 → [0,1] functia de repartitie a
acesteia si 𝐹1 , 𝐹2 ∶ ℝ2 → [0,1] functiile de repartitie ale variabilelor aleatoare 𝑋1 si 𝑋2 . Atunci, au loc
egalitatile: 𝐹1 (𝑥1 ) = lim𝑥2 →∞ 𝐹(𝑥1 , 𝑥2 ) si 𝐹2 (𝑥2 ) = lim𝑥1 →∞ 𝐹(𝑥1 , 𝑥2 ) .

Observatia 4
Repartitiile variabilelor 𝑋1 si 𝑋2 reprezinta repartitiile marginale ale variabilei bidimensionale
𝑋 = (𝑋1 , 𝑋2 ) in raport cu prima, respectiv cu a doua variabila/componenta.

Observatia 5
Daca 𝐹: ℝ2 → ℝ verifica proprietatile unei functii de repartitie (proprietatile i)-iv) din propozitia 1),
atunci exista {Ω , K , P} un camp borelian de probabilitate si o variabila aleatoare bidimensionala
𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 a carei functie de repartitie este 𝐹 .
Definitia 3
Variabila aleatoare bidimensionala 𝑋 = (𝑋1 , 𝑋2 ): Ω → ℝ2 este variabila discreta daca multimea
valorilor acesteia 𝑋(Ω) este cel mult numarabila.

Propozitia 3
Fie 𝑍 = (𝑋, 𝑌): Ω → ℝ2 o variabila aleatoare bidimensionala discreta, cu multimea valorilor
𝑍(Ω) = {(𝑥𝑖 , 𝑦𝑗 ) ∈ ℝ2 |𝑖 ∈ ̅̅̅̅̅̅
1, 𝑚 , 𝑗 ∈ ̅̅̅̅̅
1, 𝑛} . Notam 𝑝𝑖 = 𝑃(𝑋 = 𝑥𝑖 ) , 𝑞𝑗 = 𝑃(𝑌 = 𝑦𝑗 ) si
𝑝𝑖𝑗 = 𝑃(𝑋 = 𝑥𝑖 , 𝑌 = 𝑦𝑗 ) , ∀ 𝑖 ∈ ̅̅̅̅̅̅
1, 𝑚 , ∈ ̅̅̅̅̅
1, 𝑛 .
̅̅̅̅̅̅ ̅̅̅̅̅
Aunci 𝑝𝑖𝑗 ≥ 0 , ∀ 𝑖 ∈ 1, 𝑚 , 𝑗 ∈ 1, 𝑛 si ∑𝑖=1 ∑𝑛𝑗=1 𝑝𝑖𝑗 = 1
𝑚

Observatia 6
Cu notatiile din propozitia precedenta, repartitia variabilei aleatoare bidimensionale discrete se
reprezinta sub forma (tabelul repartitiei comune a variabilelor 𝑋 si 𝑌 ) :

𝑋\𝑌 𝑦1 … 𝑦𝑗 … 𝑦𝑛
𝑛
𝑥1 𝑝11 … 𝑝1𝑗 … 𝑝1𝑛
∑ 𝑝1𝑗 = 𝑝1
𝑗=1
… … … … … … …
𝑛
𝑥𝑖 𝑝𝑖1 … 𝑝𝑖𝑗 … 𝑝𝑖𝑛
∑ 𝑝𝑖𝑗 = 𝑝𝑖
𝑗=1
… … … … … … …
𝑛
𝑥𝑚 𝑝𝑚1 … 𝑝𝑚𝑗 … 𝑝𝑚𝑛
∑ 𝑝𝑚𝑗 = 𝑝𝑚
𝑗=1
𝑚 𝑚 𝑚 𝑛
… … 𝑚
∑ 𝑝𝑖1 = 𝑞1 ∑ 𝑝𝑖𝑗 = 𝑞𝑗 ∑ 𝑝𝑖𝑛 = 𝑞𝑛 ∑ ∑ 𝑝𝑖𝑗 = 1
𝑖=1 𝑖=1 𝑖=1
𝑖=1
𝑗=1

Functia de repartitie a variabilei bidimensionale discrete este data de:

0 , daca 𝑥 ≤ 𝑥1 𝑠𝑎𝑢 𝑦 ≤ 𝑦1
𝑟 𝑠
∑ ∑ 𝑝𝑖𝑗 , daca 𝑥𝑟 < 𝑥 ≤ 𝑥𝑟+1 , 𝑦𝑠 < 𝑦 ≤ 𝑦𝑠+1
𝑖=1 𝑗=1
𝑟 𝑛
𝐹𝑍 (𝑥, 𝑦) = ∑ ∑ 𝑝𝑖𝑗 , daca 𝑥𝑟 < 𝑥 ≤ 𝑥𝑟+1 , 𝑦𝑛 < 𝑦
𝑖=1 𝑗=1
𝑚 𝑠
∑ ∑ 𝑝𝑖𝑗 , daca 𝑥𝑚 < 𝑥 , 𝑦𝑠 < 𝑦 ≤ 𝑦𝑠+1
𝑖=1 𝑗=1
{1 , daca 𝑥𝑚 < 𝑥 , 𝑦𝑛 < 𝑦

Definitia 4– variabile aleatoare independente

Variabilele aleatoare 𝑋1 , 𝑋2 , … . , 𝑋𝑛 se numesc independente ⟺
𝑃(𝑋1 < 𝑥1 , 𝑋2 < 𝑥2 , … . , 𝑋𝑛 < 𝑥𝑛 ) = ∏𝑛𝑖=1 𝑃(𝑋𝑖 < 𝑥𝑖 ) .
Observatia 7
Variabilele aleatoare 𝑋1 , 𝑋2 sunt independente ⟺ 𝐹(𝑥1 , 𝑥2 ) = 𝐹𝑋1 (𝑥1 ) ∙ 𝐹𝑋2 (𝑥2 ) , unde 𝐹 este
functia de repartitie a variabilei aleatoare bidimensionale (𝑋1 , 𝑋2 ) , iar 𝐹𝑋1 si 𝐹𝑋2 sunt functiile de
repartitie marginale (functiile de repartitie ale variabilelor 𝑋1 si 𝑋2 ).

Definitia 5
Variabilele aleatoare 𝑋1 , 𝑋2 , … . , 𝑋𝑛 se numesc S-K independente ⟺ 𝑋𝑖1 , 𝑋𝑖2 , … . , 𝑋𝑖𝑘 sunt
independente ∀{𝑖1 , 𝑖2 , … , 𝑖𝑘 } ⊂ {1,2, … , 𝑛} , ∀𝑘 ∈ ̅̅̅̅̅
2, 𝑛 .
Variabilele aleatoare 𝑋1 , 𝑋2 , … . , 𝑋𝑛 sunt mutual independente ⟺ 𝑋𝑖 , 𝑋𝑗 sunt independente
∀𝑖, 𝑗 ∈ ̅̅̅̅̅
1, 𝑛 , 𝑖 ≠ 𝑗 .

Observatia 8
S-K independenta implica independenta. Reciproca nu este neaparat adevarata.

Observatia 9
Fie 𝑍 = (𝑋, 𝑌): Ω → ℝ2 o variabila aleatoare bidimensionala discreta, cu multimea valorilor 𝑍(Ω) =
{(𝑥𝑖 , 𝑦𝑗 ) ∈ ℝ2 |𝑖 ∈ ̅̅̅̅̅̅
1, 𝑚 , 𝑗 ∈ ̅̅̅̅̅
1, 𝑛}. Notam 𝑝𝑖 = 𝑃(𝑋 = 𝑥𝑖 ) , 𝑞𝑗 = 𝑃(𝑌 = 𝑦𝑗 ) si 𝑝𝑖𝑗 = 𝑃(𝑋 = 𝑥𝑖 , 𝑌 =
̅̅̅̅̅̅ ̅̅̅̅̅
𝑦𝑗 ) , ∀ 𝑖 ∈ 1, 𝑚 , ∈ 1, 𝑛 .
Variabilele 𝑋 si 𝑌 sunt independente ⟺ 𝑝𝑖𝑗 = 𝑝𝑖 ∙ 𝑞𝑗 , ∀ 𝑖 ∈ ̅̅̅̅̅̅1, 𝑚 , 𝑗 ∈ ̅̅̅̅̅
1, 𝑛 (adica
𝑃(𝑋 = 𝑥𝑖 , 𝑌 = 𝑦𝑗 ) = 𝑃(𝑋 = 𝑥𝑖 ) ∙ 𝑃(𝑌 = 𝑦𝑗 ) , ∀ 𝑖 ∈ ̅̅̅̅̅̅
1, 𝑚 , 𝑗 ∈ ̅̅̅̅̅
1, 𝑛 ) .

Definitia 6
Fie 𝑋 o variabila aleatoare pe {Ω , K , P} si 𝐵 ∈ 𝐾 , cu 𝑃(𝐵) > 0 . Atunci variabila aleatoare 𝑋|𝐵
𝑃({𝑋<𝑥}⋂𝐵)
este variabila aleatoare conditionata si are functia de repartitie 𝐹𝑋|𝐵 (𝑥) = .
𝑃(𝐵)

Exemplul 1
−1 0 0 1
Fie 𝑋 ∶ ( 6 7) si 𝑌 ∶ ( 5 8) . Sa se determine repartitia variabilei aleatoare bidimensionale
13 13 13 13
4
discrete (𝑋, 𝑌) si repartitia variabilei conditionate 𝑌|𝑋 = 0 , daca 𝑃(𝑋 = 0|𝑌 = 0) = 5 .

Definitia 7– variabila aleatoare bidimensionala continua

Fie 𝑍 = (𝑋, 𝑌): Ω → ℝ o variabila aleatoare bidimensionala si 𝐹: ℝ2 → [0,1] functia ei de repartitie.
𝑥 𝑦
Daca exista 𝑓: ℝ2 → ℝ+ o functie integrabila astfel incat 𝐹(𝑥, 𝑦) = ∫−∞(∫−∞ 𝑓(𝑢, 𝑣) 𝑑𝑣) 𝑑𝑢 , atunci
vom spune ca 𝑍 = (𝑋, 𝑌) este variabila aleatoare bidimensionala continua, iar 𝑓 este densitatea de
repartitie a variabilei 𝑍 , respectiv densitatea comuna a variabilelor 𝑋 si 𝑌 .

Observatia 10
Fie 𝑍 = (𝑋, 𝑌) variabila aleatoare bidimensionala continua, 𝐹 functia de repartitie si 𝑓 densitatea
∞ ∞
acesteia. Atunci ∫−∞(∫−∞ 𝑓(𝑥, 𝑦) 𝑑𝑦) 𝑑𝑥 = 1 .

Observatia 11
Fie 𝑍 = (𝑋, 𝑌) variabila aleatoare bidimensionala continua, 𝐹 functia de repartitie si 𝑓 densitatea
acesteia. Notam cu 𝐹𝑋 si 𝑓𝑋 functia de repartitie si densitatea variabilei aleatoare 𝑋 , respectiv 𝐹𝑌 si
𝑓𝑌 functia de repartitie si densitatea variabilei aleatoare 𝑌 .
Atunci,
𝑥 ∞
𝐹𝑋 (𝑥) = 𝑃(𝑋 < 𝑥) = lim𝑦→∞ 𝐹(𝑥, 𝑦) = ∫−∞(∫−∞ 𝑓(𝑢, 𝑣) 𝑑𝑣) 𝑑𝑢
𝑦 ∞
𝐹𝑌 (𝑦) = 𝑃(𝑌 < 𝑦) = lim𝑥→∞ 𝐹(𝑥, 𝑦) = ∫−∞(∫−∞ 𝑓(𝑢, 𝑣) 𝑑𝑢) 𝑑𝑣
Densitatile marginale sunt densitatile variabilelor aleatoare 𝑋 , respectiv 𝑌 :
∞
𝑓𝑋 (𝑥) = ∫−∞ 𝑓(𝑥, 𝑦) 𝑑𝑦
∞
𝑓𝑌 (𝑦) = ∫−∞ 𝑓(𝑥, 𝑦) 𝑑𝑥

In plus, daca functia de repartitie 𝐹 a variabilei aleatoare bidimensionale 𝑍 = (𝑋, 𝑌) este derivabila
partial de ordinul II (in raport cu ambele variabile), atunci
𝜕 2 𝐹(𝑥, 𝑦)
𝑓(𝑥, 𝑦) =
𝜕𝑥𝜕𝑦

Observatia 12
Variabilele aleatoare continue 𝑋1 , 𝑋2 sunt independente ⟺ 𝑓(𝑥1 , 𝑥2 ) = 𝑓𝑋1 (𝑥1 ) ∙ 𝑓𝑋2 (𝑥2 ) , unde 𝑓
este densitatea variabilei aleatoare bidimensionale (𝑋1 , 𝑋2 ) (densitatea comuna a variabilelor aleatoare
𝑋1 si 𝑋2 ), iar 𝑓𝑋1 si 𝑓𝑋2 sunt densitatile marginale (densitatile variabilelor 𝑋1 si 𝑋2 ).

Observatia 13
Fie variabilele aleatoare continue 𝑋 si 𝑌 cu densitatile 𝑓𝑋 si 𝑓𝑌 . Consideram variabila aleatoare
𝑓(𝑥,𝑦)
𝑌|𝑋 = 𝑥 cu densitatea 𝑓𝑌|𝑋 (𝑦|𝑥) . Atunci, daca 𝑓𝑋 (𝑥) > 0 si 𝑓𝑌 (𝑦) > 0, avem 𝑓𝑌|𝑋 (𝑦|𝑥) = 𝑓𝑋 (𝑥)
.
𝑓(𝑥,𝑦)
Analog, 𝑓𝑋|𝑌 (𝑥|𝑦) = .
𝑓𝑌 (𝑦)

Observatia 14
O generalizare a formulei lui Bayes (formula lui Bayes pentru cazul continuu):
𝑓𝑌|𝑋 (𝑦|𝑥)∙𝑓𝑋 (𝑥) ∞
𝑓𝑋|𝑌 (𝑥|𝑦) = ∞ , unde ∫−∞ 𝑓𝑌|𝑋 (𝑦|𝑢) ∙ 𝑓𝑋 (𝑢)𝑑𝑢 = 𝑓𝑌 (𝑦).
∫−∞ 𝑓𝑌|𝑋 (𝑦|𝑢)∙𝑓𝑋 (𝑢)𝑑𝑢
Analog,
𝑓𝑋|𝑌 (𝑥|𝑦)∙𝑓𝑌 (𝑦) ∞
𝑓𝑌|𝑋 (𝑦|𝑥) = ∞ , unde ∫−∞ 𝑓𝑋|𝑌 (𝑥|𝑣) ∙ 𝑓𝑌 (𝑣)𝑑𝑣 = 𝑓𝑋 (𝑥).
∫−∞ 𝑓𝑋|𝑌 (𝑥|𝑣)∙𝑓𝑌 (𝑣)𝑑𝑣