Repartiții clasice ale variabilelor aleatoare (binomială, uniformă, normală)

Una din noțiunile fundamentale ale teoriei probabilităților este cea de variabilă
aleatoare. Aceasta joacă un rol similar în teoria probabilităților ca și variabila din cadrul
analizei matematice sau din altă parte a matematicii. Variabila aleatoare este o mărime
care „poate lua valori dintr-o anumită mulțime nu în mod cert ci numai cu o anumită
probabilitate. Pentru variabila aleatoare se utilizează de obicei ca notație literele mari
latine sau pot fi utilizate și literele grecești η, ξ, ...”1.
Se consideră un câmp de probabilitate (Ω, K, P). Se numește variabilă aleatoare
reală orice aplicație X : Ω → R care asociază fiecărui element ω un număr real X (ω), cu
ω X (ω), astfel încât X (-∞, x) ϵ K, x ϵ R. S-a notat cu X (-∞, x) evenimentul
identificat cu mulțimea elementelor ω ϵ Ω astfel încât X (ω) < x, adică
X (-∞, x) = {ω | ω ϵ Ω, X (ω) < x}.
După proprietățile mulțimii valorilor variabilei aleatoare, variabilele aleatoare se
clasifică astfel:
- variabile aleatoare de tip discret, adică acele variabile pentru care mulțimea
valorilor este o mulțime finită sau numărabilă de forma
M={x |x ϵR} ,I N.
- variabile aleatoare de tip continuu, adică acele variabile a cărei codomeniu M
este un interval M = [a,b] R închis sau nu.
Exemple de variabile aleatoare discrete2:
- variabila aleatoare ale cărei valori reprezintă numărul de apeluri zilnice primite la
o centrală telefonică;
- variabila aleatoare ale cărei valori reprezintă numărul de puncte apărute pe o față
a zarului, la aruncarea unui zar.
Exemple de variabile aleatoare de tip continuu:
- timpul de funcționare al unui aparat, până la prima defectare;
- viteza unei particule care se modifică în funcție de ciocnirile cu alte particule.
1
Anton S. Mureșan, Matematici aplicate în economie, Cluj-Napoca, Editura MEGA, 2011, pag. 175.
2
Ariadna Lucia Pletea, Liliana Popa, Teoria probabilităților, Universitatea Tehnică ”Gh. Asachi”, Iași,
1999, pag. 45-46 http://math.etti.tuiasi.ro/lpopa/cursTP.pdf

1
 Studiul variabilelor aleatoare se poate considera și prin intermediul unei noi
funcții asociate variabilei aleatoare. Această funcție numită uneori funcție cumulativă a
probabilităților are o serie de proprietăți foarte ușor de exploatat, mai ales când e vorba de
a evalua probabilitățile unor evenimente construite cu variabile aleatoare3.
Se numește funcție de repartiție asociată lui X și se notează cu F :R → [0,1],
funcția care asociază x F (x), definită prin F(x) = P ({X < x}).
Variabilele aleatoare de tip discret și de tip continuu mai sunt cunoscute și sub
denumirea de repartiții clasice. Repartițiile clasice de tip discret se impart la rândul lor
în discrete simple (pot lua un număr de valori finit) și discrete numărabile (pot lua un
număr de valori infinit).
Cele mai cunoscute repartiții clasice de tip discret sunt: repartiția hipergeometrică,
repartiția binomială, repartiția Poisson și repartiția geometrică.
Repartiția binomială
Se numește repartiție a unei variabile aleatoare discrete enumerarea tuturor
valorilor posibile ale variabilei aleatoare precum și a probabilităților corespunzătoare 4.
Variabila aleatoare de tip discret urmează legea binomială dacă distribuția ei are forma:

X: , unde P (n,k) = C p q , p ϵ [0,1], q = 1 – p.

Probabilitățile P (n,k) din distribuția lui X sunt cele de la schema lui Bernoulli5:
- presupunem că în schema lui Poisson urnele U , U ,...,U sunt identice; atunci
putem lua p = p =...= p = p și q = q =...= q = q ;
- probabilitatea extragerii a k bile albe se va obține calculând coeficientul lui x din
polinomul P (x) = (px + q) , adică va fi C p q .
- recunoaștem în această expresie termenul general al ridicării la puterea n a
binomului px+q; pentru acest motiv schema se mai numește binomială;
- deoarece urnele sunt identice, putem considera că toate extragerile se fac dintr-o
singură urnă, bila extrasă punându-se în urnă după fiecare extragere; se obține astfel
schema lui Bernoulli;
3
Anton S. Mureșan, Matematici aplicate în economie, Cluj-Napoca, Editura MEGA, 2011, pag. 179.
4
Gheorghe Cenușă, Radu Șerban, Constantin Raischi, Matematici pentru economiști, Capitolul 8: Variabile
aleatoare http://www.biblioteca-digitala.ase.ro/biblioteca/pagina2.asp?id=cap8
5
Ariadna Lucia Pletea, Liliana Popa, Teoria probabilităților, Universitatea Tehnică ”Gh. Asachi”, Iași,
1999, pag. 27-28 http://math.etti.tuiasi.ro/lpopa/cursTP.pdf

2
 - probabilitatea de a extrage k bile albe din n extrageri dintr-o urnă, punându-se de
fiecare dată bila înapoi, este P (n,k) = C p q , unde p este probabilitatea obținerii
unei bile albe dintr-o singură extragere și q = 1 – p; schema lui Bernoulli se mai numește
schema bilei revenite.
Condițiile din definiția unei funcții de probabilitate sunt verificate de P (n,k) după
cum urmează:
1) P (n,k) = C p q ≥0

2) P (n,k) = C p q = ( p+q ) = 1 (binomul lui Newton).

Calculul valorii medii pentru distribuția binomială6:

M (X) = k P(n,k) = kC p q .

Se exprimă produsul k∙C astfel:

k∙C = k =n = nC .

Atunci rezultă că

M (X) = np = np = np (p+q) = n∙p.

Calculul dispersiei pentru distribuția binomială 7: se pornește cu relația de calcul a

dispersiei și anume D(X) = M(X²) - [M(X)]², iar momentul de ordinul 2 este:

M(X²) = k²∙P(n,k) = k² C p q = [k(k-1)+k] C p q =

= k(k-1) C p q + kC p q = k(k-1) C p q + n∙p.

Se evaluează produsul k(k-1)C astfel:

k(k-1) C = k(k-1) = n(n-1) și vom avea

M(X²)= n(n-1) + np = n(n-1) + np =

6
Anton S. Mureșan, Matematici aplicate în economie, Cluj-Napoca, Editura MEGA, 2011, pag. 197.
7
Ibidem.

3
= n(n-1)p² +np = n(n-1)p²(p+q) +np = n(n-1)p² + np.

Pentru dispersie avem: D(X) = n(n-1)p² + np – (np)² = np(1-p) sau D(X) =npq.
În concluzie, la repartiția binomială avem M(X) = n∙p, D(X) = n∙p∙q.

Cele mai cunoscute repartiții clasice de tip continuu sunt: repartiția uniformă,
repartiția exponențială negativă, repartiția Cauchy, repartiția normală, repartiția gama,
repartiția beta, repartiția Hi-pătrat, repartiția t (student) și repartiția F (Fischer-Snédécor).
Repartiția uniformă este repartiția la care toate valorile variabilei aleatoare au
aceeași probabilitate8. Variabila aleatoare X de tip continuu urmează legea uniformă dacă
distribuția ei are forma:

X:

f (x) este probabilitatea de apariție a lui x și se numește densitatea de probabilitate a

variabilei aleatoare X, fiind dată prin

,x [a,b]

f (x)= 0, x [a,b].
Condițiile pentru funcția densitate de probabilitate se verifică după cum urmează:
1) f (x) ≥ 0, x ϵ R pentru a < b

2) .

Funcția de repartiție9: Se folosește definiția funcției de repartiție

F: R → [0,1], F(x) = P (X < x) = .

Dacă x ≤ a, atunci F(x) = 0 dt = 0, dacă a<x≤b, atunci

F(x) = 0 dt + =0+ = ;

Dacă x>b atunci F(x)= 0 dt + + = = =1.

8
http://www.cermi.utcluj.ro/doc/Cap_4.pdf
9
Anton S. Mureșan, Matematici aplicate în economie, Cluj-Napoca, Editura MEGA, 2011, pag. 203.

4
Funcția de repartiție pentru repartiția uniformă va fi dată prin
0, x≤a

F(x) = ,a<x≤b

1, x > b.
Valoarea medie pentru repartiția uniformă se calculează folosind relația de calcul pentru
valoarea medie în cazul continuu:

M(x) = , deci M(x)= .

Pentru calculul dispersiei repartiției uniforme se folosește din nou relația

D(X) = M(X²) - [M(X)]², de unde rezultă

M(X²) = ,

Deci M(X²) = și dispersia este D(x)= - .

În concluzie, pentru variabila aleatoare care are repartiția uniformă avem

M(X) = , D(X) = .

Repartiția normală este cea mai importantă lege de repartiție deoarece s-a
constatat că multe fenomene empirice sunt descrise de legea normală, fiind cunoscută sub
numele de legea Gauss-Laplace.
Variabila aleatoare X este distribuită normal cu parametrii m ϵ R, σ > 0, dacă are

densitatea de probabilitate f (x;m,σ) = , cu m,σ ϵ R și σ > 0.

Condițiile pentru funcția densitate de probabilitate se verifică după cum urmează:

1) f (x;m,σ) > 0, x ϵ R, m ϵ R, σ > 0

2) .

Se face substituția și se obține x-m = sau x=m+ și dx= .

5
Atunci avem ,

unde s-a folosit valoarea integralei Euler-Poisson .

Funcția de repartiție: F:R→[0,1],

F(x) = P (X < x)= .

Se face substituția și dt = σdy. Atunci:

F(x)= = ,

Unde Φ:R→R este funcția integrală a lui Laplace dată prin Φ(x)= .

Funcția de repartiție pentru repartiția normală este F(x)= .

Valoarea medie pentru repartiția normală se calculează astfel:

M (X)= , făcându-se din nou

substituția

și se obține

M (X)=

Avem și pentru că a doua integrală este nulă M (X) = m.

Pentru calculul dispersiei pentru repartiția normală se folosește definiția dispersiei

ca fiind momentul centrat de ordinul 2:

D(X)= .

Se face substituția și se obține de unde rezultă:

6
D(X) = =

= .

Bibliografie:
1) Anton S. Mureșan, Matematici aplicate în economie, Cluj-Napoca, Editura
MEGA, 2011.
2) Ariadna Lucia Pletea, Liliana Popa, Teoria probabilităților, Universitatea Tehnică
”Gh. Asachi”, Iași, 1999 http://math.etti.tuiasi.ro/lpopa/cursTP.pdf
3) Gheorghe Cenușă, Radu Șerban, Constantin Raischi, Matematici pentru
economiști http://www.biblioteca-digitala.ase.ro/biblioteca/pagina2.asp?id=cap8
4) Variabile aleatoare și funcții de repartiție
http://www.cermi.utcluj.ro/doc/Cap_4.pdf