Variabile aleatoare

Cuvinte cheie: experiment probabilistic, eveniment probabilistic, variabilă aleatoare,

realizare particulară, funcție de repartiție, densitate de probabilitate (distribuție), moment
statistic
Pentru a putea înțelege ce semnifică o variabilă aleatoare, trebuie să definim inițial
anumiți termeni specifici seminarului curent. Încercăm să oferim definiții cât mai simple, dar
cuprinzătoare în informații
Definiție: experiment probabilistic = un procedeu sau un fenomen al cărui rezultat nu
poate fi cunoscut înainte de a se produce (ca de exemplu: aruncarea unui zar, aruncarea unei
monede, extragerea unei cărți din pachet etc.)
Fie 𝛺 = {𝜔1 , 𝜔2 , 𝜔3 , … } mulțimea tuturor rezultatelor posibile ale unui experiment. În
teoria probabilității, elementele 𝜔𝑖 se numesc realizări experimentale, submulțimile 𝐴 ⊂ 𝛺 se
numesc evenimente, mulțimea Ω se numește evenimentul sigur, mulțimea vidă ∅ se numește
evenimentul imposibil, iar submulțimile formate din câte un singur element {𝜔𝑖 } se numesc
evenimente elementare.
Luăm un exemplu practic, simplu care să ne ofere o imagine mai bună asupra noțiunilor:
aruncarea zarului.
𝛺 este mulțimea tuturor celor șase fețe ale zarului:
𝛺 = { 𝑓1 , 𝑓2 , 𝑓3 , 𝑓4 , 𝑓5 , 𝑓6 }
Orice submulțime a mulțimii 𝛺 se numeșe eveniment statistic. Considerăm că dăm cu
zarul. Atunci când zarul cade pe masă (deci la o desfășurare a experimentului), se produc
concomitent mai multe evenimente. De exemplu, fie evenimentul A = {față pară} = { 𝑓2 , 𝑓4 , 𝑓6 }
și B = {față cu număr ≤ 3 } ={ 𝑓1 , 𝑓2 , 𝑓3 }. Dacă atunci când cade zarul apare fața 𝑓2 , putem
spune că s-au întâmplat concomitent și evenimentul A, și evenimentul B. În aceeași situație,
evenimentul C = {față cu număr ≥ 5 } nu se produce.
Realizările experimentale asociate exemplului de mai sus sunt: 𝑓1 , 𝑓2 , 𝑓3 , 𝑓4 , 𝑓5 , 𝑓6 .
Evenimentele elementare corespunzătoare sunt: {𝑓1 }, {𝑓2 }, {𝑓3 }, {𝑓4 }, {𝑓5 }, {𝑓6 }
Dar totuși, dacă știm ce este un experiment statistic/probabilistic, știm să caracterizăm
evenimentele corespunzătoare acestui experiment și înțelegem faptul că fiecare eveniment
aduce cu sine o anumită măsură numită probabilitate, de ce avem nevoie de variabile aleatoare?
Cu ce ne ajută acestea?
Definiție: variabilă aleatoare = o funcție ce asociază fiecărui element 𝜔𝑖 𝜖 𝛺 un număr
real.
Practic, avem nevoie de un model matematic prin care să transpunem realizările
experimentale care pot avea orice natură în ceva ce are sens din punct de vedere matematic.
Astfel, dacă avem experimentul extragerii unor bile colorate din cutie, asociem bilei galbene
numărul 0, bile roșii îi asociem numărul 1 și așa mai departe.
Vom nota variabilele aleatoare cu litere grecești, în special ξ (xi) și η (eta). De fiecare
dată când rezultatul experimentului este 𝜔𝑘 , valoarea asociată prin ξ se numește realizare
particulară - 𝜉(𝜔𝑘 ).

𝜉∶𝛺→ℝ

1
 Observație: nu este unică definirea lui ξ pe Ω (pot asocia fiecărei fețe numărul înscris pe
ea sau pot asocia fețelor pare numărul 1 și celor impare 0 și asa mai departe).

Variabilelor aleatoare li se atribuie mai multe funcții și măsuri. Vom începe să definim pe
rând aceste mărimi, formulele de calcul implicate și proprietățile.

I. Funcția de repartiție
Fie 𝜉 o variabilă aleatoare. Atunci, se definește funcția ei de repartiție ca fiind:
𝐹𝜉 (𝑥) ≝ 𝑃(𝜉 ≤ 𝑥), 𝑢𝑛𝑑𝑒 𝐹𝜉 ∶ ℝ → [0,1]

Proprietăți:

1. lim 𝐹𝜉 (𝑥) = 𝐹𝜉 (−∞) = 0

𝑥→−∞

2. lim 𝐹𝜉 (𝑥) = 𝐹𝜉 (∞) = 1

𝑥→∞

3. 𝐹𝜉 (𝑥) este o funcție crescătoare (atenție – nu strict crescătoare!)

4. 𝑃(𝑎 < 𝜉 ≤ 𝑏) = 𝐹𝜉 (𝑏) − 𝐹𝜉 (𝑎)

II. Densitate de probabilitate (distribuție)

Fie 𝜉 o variabilă aleatoare. Atunci, se definește densitatea sa de probabilitate (sau
distribuția sa) ca fiind:
𝑑𝐹𝜉 (𝑥)
𝑤𝜉 (𝑥) ≝
𝑑𝑥
Proprietăți:

1. 𝑤𝜉 (𝑥) ≥ 0
𝑥
2. 𝐹𝜉 (𝑥) = ∫ 𝑤𝜉 (𝑡)𝑑𝑡
−∞
∞
3. Condiția de normare: ∫ 𝑤𝜉 (𝑥) 𝑑𝑥 = 1
−∞
𝑏
4. 𝑃(𝑎 < 𝜉 ≤ 𝑏) = ∫ 𝑤𝜉 (𝑥) 𝑑𝑥
𝑎

III. Momente statistice

Momentele statistice sunt numere reale care oferă informații cu privire la o variabilă
aleatoare. Acestea se împart în două categorii: momente statistice necentrate și momente
statistice centrate. Momentele statistice pot avea diverse ordine (ordinul trebuie să fie
număr natural), dar se obișnuiește să se lucreze în general doar cu ordine mici, după cum
vom vedea.
Acestea au o mare importanță în studiul variabilelor aleatoare, întrucât putem avea
acces rapid la informații fundamentale despre distribuție.

2
 Fie o variabilă aleatoare 𝜉 având distribuția 𝑤𝜉 .

A) Momente statistice necentrate

Se definește momentul necentrat de ordin 𝑘 al variabile aleatoare 𝜉 și se notează uzual
cu ̅̅̅
𝜉𝑘 :
∞
̅̅̅
𝜉𝑘 = ∫ 𝑥 𝑘 ∙ 𝑤𝜉 (𝑥)𝑑𝑥
−∞

Ne vor interesa în mod special momentele necentrate de ordin 1, respectiv 2.

∞

𝜉 ̅ = ∫ 𝑥 ∙ 𝑤𝜉 (𝑥)𝑑𝑥 − media varibilei aleatoare

−∞
∞
̅̅̅
𝜉 2 = ∫ 𝑥 2 ∙ 𝑤𝜉 (𝑥)𝑑𝑥 − media pătratică a variabilei aleatoare
−∞

B) Momente statistice centrate

Se definește momentul centrat de ordin 𝑘 al variabilei aleatoare 𝜉 și se notează uzual cu
̅̅̅̅̅̅̅̅̅̅̅
𝑘
(𝜉 − 𝜉̅) :
∞
̅̅̅̅̅̅̅̅̅̅̅
𝑘
(𝜉 − 𝜉̅) = ∫ (𝑥 − 𝜉 ̅)𝑘 ∙ 𝑤𝜉 (𝑥)𝑑𝑥
−∞

Ne va interesa în mod special momentul centrat de ordin 2.

∞
̅̅̅̅̅̅̅̅̅̅̅2
𝜎𝜉2 = (𝜉 − 𝜉 ̅) = ∫ (𝑥 − 𝜉̅)2 ∙ 𝑤𝜉 (𝑥)𝑑𝑥 − varianța variabilei aleatoare
−∞

Observație : 𝜎𝜉 − dispersia variabilei aleatoare

Tipuri de distribuții
Este evident că o variabilă aleatoare poate să aibă distribuția sub orice formă (atât timp
cât se respectă proprietățile unei distribuții de probabilitate – în special condiția de normare).
Totuși, există câteva tipuri de distribuții des întâlnite în prelucrarea semnalelor.
1. Distribuția uniformă
O variabilă aleatoare ξ are o distribuție uniformă în intervalul [a, b] dacă densitatea ei
de probabilitate este de forma:

1
𝑤𝜉 (𝑥) = { 𝑏 − 𝑎 𝑎≤𝑥≤𝑏
0 𝑟𝑒𝑠𝑡

3
 2. Distribuția Gaussiană (normală)
O variabilă aleatoare ξ are o distribuție Gaussiană (sau normală) de parametri 𝜇 ∈ ℝ și
𝜎 > 0 (se notează 𝜉: 𝒩(𝜇, 𝜎)) dacă densitatea ei de probabilitate este dată de:
1 (𝑥 − 𝜇)2
𝑤𝜉 (𝑥) = ∙ exp (− )
𝜎√2𝜋 2𝜎 2

O proprietate foarte importantă a distribuției normale ține de probabilitatea ca variabila

aleatoare să ia valori în anumite intervale determinate de medie și de dispersie, astfel:
𝑃(𝜇 − 3𝜎 < 𝜉 < 𝜇 + 3𝜎) = 0,997
𝑃(𝜇 − 2𝜎 < 𝜉 < 𝜇 + 2𝜎) = 0,95
𝑃(𝜇 − 𝜎 < 𝜉 < 𝜇 + 𝜎) = 0,68

4
 3. Distribuția exponențială
O variabilă aleatoare ξ are o distribuție exponențială de parametru λ > 0, dacă
densitatea ei de probabilitate este de forma:

−𝜆𝑥
𝑤𝜉 (𝑥) = { 𝜆𝑒 𝑥≥0
0 𝑟𝑒𝑠𝑡

Probleme propuse:

1) Să se deducă o relație între varianța, media și media pătratică a unei variabile aleatoare
oarecare.
2) Fie variabila aleatoare asociată aruncării unui zar, definită prin 𝜉(𝜔𝑖 ) = 𝑖. Să se calculeze
și să se reprezinte grafic funcția de repartiție, respectiv distribuția variabilei aleatoare.
Să se calculeze media, media pătratică și varianța. Ce concluzii putem trage despre cele
două funcții asociate unei variabile aleatoare discrete?
3) Să se calculeze momentul necentrat de ordin 0 și momentele centrate de ordin 0,
respectiv 1 pentru o variabilă aleatoare oarecare.
4) Fie o variabilă aleatoare distribuită uniform în intervalul [a,b]. Să se calculeze și să se
reprezinte grafic funcția de repartiție și distribuția variabilei aleatoare. Să se calculeze
media, media pătratică și varianța.
5) Fie o variabilă aleatoare distribuită exponențial de parametru 𝜆. Să se calculeze și să se
reprezinte grafic funcția de repartiție și distribuția variabile aleatoare. Să se calculeze
media, media pătratică și varianța.
6) Fie o variabilă aleatoare despre care știm că:
𝛼𝑥 0 ≤ 𝑥 ≤ 1
𝑤𝜉 (𝑥) = {
0 𝑟𝑒𝑠𝑡
Să se afle constanta 𝛼.
7) Fie o variabilă aleatoare cu funcția de repartiție cunoscută:
𝛽 𝑥<2
𝐹𝜉 (𝑥) = { 𝑥 − 2 2 ≤ 𝑥 ≤ 3
1 𝑥>3
Să se reprezinte grafic distribuția variabilei aleatoare.
8) Fie variabila aleatoare cu distribuția cunoscută:
𝑥 1≤𝑥≤2
𝑤𝜉 (𝑥) = {
0 𝑟𝑒𝑠𝑡
Să se afle media variabilei aleatoare.

5
9) Fie variabila aleatoare ξ cu distribuția cunoscută:
−𝑥 + 1 0≤𝑥≤1
𝑤𝜉 (𝑥) = { 𝑥 + 1 −1 ≤ 𝑥 ≤ 0
0 𝑟𝑒𝑠𝑡
a) Să se reprezinte grafic distribuția variabilei aleatoare.
b) Să se calculeze și să se reprezinte grafic funcția de repartiție a variabile aleatoare.
c) Să se calculeze media, media pătratică, varianța și dispersia variabilei aleatoare.
d) Să se afle 𝑃(−0,5 < 𝜉 ≤ 3) în două moduri.

10) Fie variabile aleatoare ξ cu distribuția cunoscută:

2
𝑤𝜉 (𝑥) = { 𝛽𝑥 −1 ≤ 𝑥 ≤ 3
0 𝑟𝑒𝑠𝑡
a) Să se reprezinte grafic distribuția variabilei aleatoare.
b) Să se calculeze și să se reprezinte grafic funcția de repartiție a variabilei aleatoare.
c) Să se calculeze media, media pătratică, varianța și dispersia variabilei aleatoare.
d) Să se afle 𝑃(−2 < 𝜉 ≤ 5) în două moduri.

Bibliografie

Mihai Ciuc, Constantin Vertan – Prelucrarea statistică a semnalelor, Ed. MatrixRom 2005