Documente Academic
Documente Profesional
Documente Cultură
Definiţie 1 . Orice situaţie sau rezultat al unui experiment despre care putem spune că s-a
realizat, sau că nu s-a realizat, după efectuarea experimentului considerat se numește eveniment.
Exemplu: Poate fi considerat eveniment apariția feței 6, sau apariția unui număr par sau
apariția unui număr mai mic decât 4.
Definiţie 2 . Evenimentul care apare sau se realizează obligatoriu sau în mod necesar odată
cu oricare dintre probele experimentului considerat se numeşte eveniment sigur.
Legat de exemplul de mai sus evenimentul sigur se definește astfel: apariția unui număr
cuprins între 1 și 6 inclusiv numerele 1 și 6.
Evenimentul care nu poate să apară în nicio probă a experimentului considerat se numeşte
eveniment imposibil. Exemplu de eveniment imposibil: obținerea unui număr mai mare decât 6.
3) poate să apară sau să nu apară odată cu o probă a experimentului considerat se numeşte
eveniment întâmplător sau aleator.
Observaţie. În cele ce urmează vom nota evenimentul sigur cu Ω, evenimentul imposibil
cu Ø şi orice eveniment aleator printr-o literă mare a alfabetului indexată (A1, A2,...) sau neindexată
(A, B,...).
Definiţie 3 . Se spune că un eveniment este:
1) elementar dacă acesta apare cu un rezultat al unei probe a experimentului considerat
şi numai cu unul.
Exemplu : 𝐴1 = “apariția feței 1”, sau 𝐴2 = “apariția feței 2”, ..., 𝐴6 = “apariția feței 6”.
2) compus dacă acesta apare cu două sau mai multe rezultate ale experimentului considerat.
Exemplu: 𝐴 = „apariția unui număr par” , 𝐵 =”apariția unui număr mai mic decât 4” .
Observaţie 1 . În condiţiile unui experiment cu 𝑛 rezultate posibile dintre care unul apare
la fiecare efectuare a acestuia, se consideră ca evenimente elementare reprezentate de realizarea
fiecăruia din aceste rezultate şi se notează prin ω1, ω2, ..., ωn sau {ω1}, { ω2} ... n{ωn}.
În acest caz se consideră ca evenimente compuse realizarea unuia sau altuia, unuia sau
altora sau unora sau altora dintre aceste rezultate, adică ωi sau ωj, ωi sau ωj sau ωk etc.
Observaţie 2 . O analogie între evenimente şi mulţimi permite o scriere şi în general o
exprimare mai simplă a unor idei şi rezultate legate de conceptul de eveniment. Astfel, se înţelege
evenimentul sigur ca mulţime a tuturor evenimentelor elementare, adică:
Ω = {ω1, ω2, ..., ωn}
şi orice eveniment compus ca o submulţime a lui Ω. Deasemenea, se poate vorbi despre mulţimea
tuturor părţilor lui Ω pe care o notăm prin P(), astfel că pentru un eveniment compus A se poate
scrie, în contextul analogiei dintre evenimente şi mulţimi, A Ω sau A P(Ω) .
Pentru exemplul de mai sus, experimentul cu aruncarea unui zar, evenimentele definite se
pot scrie astfel: evenimentul sigur, Ω = {1, 2, 3, 4, 5, 6}, evenimentele elementare, 𝐴1 =
{1}, 𝐴2 = {2}, … , 𝐴6 = {6}, ș𝑖 𝐴 = {2, 4, 6}, 𝐵 = {1, 2, 3}, 𝐴 ⊂ Ω , 𝐵 ⊂ Ω .
Observaţie 3 . Se poate vorbi şi de experimente cu un număr infinit de rezultate posibile şi
prin urmare de o infinitate de evenimente elementare, caz în care Ω apare ca o mulţime infinită.
Operații cu evenimente
Fie evenimentul sigur Ω şi mulţimea tuturor părţilor sale P(Ω), pe care o vom alege ca
mulţime a tuturor evenimentelor elementare sau compuse asociate experimentului considerat.
Definiţie 4 . Fiind date evenimentele A şi B P(Ω), se numeşte eveniment sumă (sau
reuniune) a acestora evenimentul care se realizează ori de câte ori se realizează A sau B şi se
notează cu A B, citindu-l "A reunit cu B", "A adunat cu B" sau mai adesea A "sau B".
Observaţie. În mod analog putem considera suma (sau reuniunea) a mai mult de două
evenimente, scriind-o sub forma:
n
A1 A 2 ... A n = A k
k =1
AB = Ø
Observaţie. Se poate vorbi de evenimente compatibile sau incompatibile şi pentru mai mult
de două evenimente. În acest caz distingem evenimente compatibile (sau incompatibile) două câte
două sau în totalitate. Este clar că dacă evenimentele A1, A2...., An sunt incompatibile două câte
două atunci ele sunt incompatibile şi în totalitate dar nu şi reciproc. De asemenea, dacă acestea
sunt compatibile în totalitate atunci sunt compatibile două câte două dar nu şi reciproc. Putem scrie
că:
1) dacă A i A j = Ø , 1 i j n , atunci A1 A 2 ... A n = Ø , nu şi reciproc;
Definiţia 7 . Două evenimente se numesc contrare (opuse sau complementare) unul altuia
dacă realizarea unuia constă din nerealizarea celuilalt.
Observaţie 1 . Ca şi în cazul complementarei unei mulţimi, contrarul unui eveniment A se
va nota prin A , CA sau AC și se citește „nonA”.
Exemplu: Pentru evenimentul A definit anterior nonA se formulează: 𝐴̅ = „apariția unui
număr impar”, 𝐴̅ = {1, 3, 5}, iar evenimentul nonB, 𝐵̅ = „apariția uni număr mai mare sau egal
decât 4”, 𝐵̅ = {4, 5, 6}.
Observaţia 2 . Să remarcăm că două evenimente complementare sunt incompatibile dar
două evenimente incompatibile nu sunt întotdeauna complementare.
A A = Ø, A A = , = Ø ; Ø =
Definiţia 8 . Se spune că evenimentele A1, A2,..., An reprezintă o partiție finită a
evenimentului sigur Ω dacă:
1) A i A j = Ø , 1 i j n ;
2) A1 A 2 ... A n =
A−B = AB
Observaţie 2 . Având în vedere operaţiile cu mulţimi şi proprietăţile acestora, putem scrie
imediat pentru operaţiile cu evenimente că:
A B = B A ; A (B C) = (A B) C ; A A = A ; A Ø = A ;
A = ;
A B = B A ; A (B C) = (A B) C ;
A A = A ; A Ø = Ø; A = A ;
(A ) = A ; A B = A B ; A B = A B
n n n n
A B k = (A B k ) ; A B k = (A B k )
k =1 k =1 k =1 k =1
Câmp de evenimente
1) oricare ar fi A K rezultă că A K ;
2) oricare ar fi A şi B K rezultă că A B K .
Observaţie. Mulţimea K având proprietăţile din definiţia anterioară se mai numeşte şi câmp
finit aditiv sau algebră de părţi.
Ca urmare a definiţiei anterioare putem formula şi deduce fără dificultate următoarele
proprietăţi ale corpului K.
Proprietatea 1 . K
Proprietatea 2 . Ø K
Proprietatea 3 . A B K oricare ar fi A şi B K
Proprietatea 4 . Dacă A1, A2, ..., An K atunci A1 A2 ... An K
Proprietatea 5 . Dacă A1 , A 2 ,..., A n K atunci A1 A2 ... An K
Proprietatea 6 . Dacă A şi B K atunci A − B K
Definiţia 12 . O mulţime nevidă K P( ), Ω având o infinitate de elemente, se numeşte
corp borelian sau − corp dacă:
1) oricare ar fi A K rezultă că A K ;
2) oricare ar fi A n K , n K , rezultă An K
n =1
Definiţia 13 . Perechea , K în care este o mulţime oarecare iar K este un corp (sau
corp borelian) peste se numeşte câmp de evenimente.
Propoziţia 1 . Dacă = 1 , 2 ,..., n atunci câmpul de evenimente corespunzător
conţine 2n evenimente.
Demonstraţie . În baza consideraţiilor de mai sus, pentru un experiment cu n rezultate
elementare şi prin urmare pentru un eveniment sigur compus din n evenimente elementare,
vom avea diverse evenimente compuse din acestea după cum urmează:
0 Pr ob(A ) 1
Observaţie 2 . Dacă = 1 , 2 ,..., n , presupunerea teoretică însuşită de practică prin
care evenimentele elementare posibile sunt egal probabile (sau egal posibile), adică
1
P(1 ) = P(2 ) = ... = P(n ) = , este fundamentală pentru formularea definiţiei anterioare,
n
chiar dacă apare adeseori ca simplificatoare.
Observaţie 3 . Ipoteza de considerare a evenimentelor elementare din exemplul de mai
sus ca fiind egal posibile sau egal probabile este sugerată chiar de condiţiile în care se efectuează
un astfel de experiment şi mai ales de "aprecierile excesiv de riguroase" că două aruncări
succesive nu pot fi efectuate în condiţii identice!
1) P(A ) 0 , oricare ar fi A K ;
2) P(A B) = P(A ) + P(B) , oricare ar fi A, B K, A B = Ø ;
3) P( ) = 1
Definiţia 19 . Tripletul , K, P, în care este evenimentul sigur sau mulţimea
( )
Proprietatea 2 . P A = 1 − P(A ) oricare ar fi A K
n
Proprietatea 3 . P(A1 A 2 ... A n ) = P(A i ) oricare ar fi A i A j = Ø ,
i =1
1 i j n.
Observaţie. Adeseori proprietatea 3 este formulată mai general pentru o mulţime
numărabilă de evenimente (cum ar fi spre exemplu N), scriindu-se că:
P A i = P(A j ), A i A j = Ø , 1 i j
i =1 i =1
Sub această formă este prezentată adeseori, în caz general, chiar şi axioma 2) din definiţia
axiomatică a probabilităţii.
1) P(A B) 0 , oricare ar fi A K
2) P(A1 A 2 ) B = P(A1 B) + P(A 2 B) oricare ar fi A1 , A 2 K ,
A1 A 2 = Ø
3) P( B) = 1.
P(A B )
Din P(A B ) = PB (A ) = rezultă că P(A B) 0 ca raport de probabilităţi.
P(B )
(
P(A ) = P(A B )P(B ) + P A B P B )()
Observaţie . Dacă realizarea lui A depinde şi de B şi de B , atunci, conform cu 20 ,
probabilitatea realizării lui A este o sumă ponderată a probabilităţilor condiţionate P(A/B) şi P(A/
( ) ( )
1) două câte două dacă P A i A j = P(A i )P A j oricare ar fi 1 i j n;
2) în totalitate sau global dacă 𝑃(⋂𝑛𝑖=1 𝐴𝑖 ) = ∏𝑛𝑖=1 𝑃(𝐴𝑖 ).
Observaţie. În general "independenţa în totalitate" şi "independenţa două câte două " nu
sunt echivalente.
Formule de adunare și de înmulțire ale probabilităților
Observaţie . Extinzând rezultatele din propoziţia 6 la trei evenimente vom putea formula
o altă propoziţie ca un pas necesar spre generalizare.
Propoziţia 7 . Oricare ar fi A, B şi C K au loc relaţiile:
1 i j n , atunci:
n n
P A i = P(A i )
i=1 i =1
2) dacă A i i =1 nu sunt incompatibile două câte două, atunci
n
n n
P A i = P(A i ) − P(A i A j ) + P(A i A j A k ) + ...ş.a.m.d.
n
i =1 i =1 i j=1 i j k
evenimente (i N sau i I N ).
Observaţie 3 . Se poate arăta că întotdeauna are loc inegalitatea
n n
P A i P(A i )
i =1 i =1
confirmându-se că probabilitatea este o măsură subaditivă.
O astfel de mulțime de evenimente se numește partiție a evenimentului sigur sau sistem complet
de evenimente. Atunci probabilitatea oricărui eveniment A∈ 𝐾 este dată de formula:
𝑃(𝐴) = 𝑃(𝐴1 ) ⋅ 𝑃(𝐴|𝐴1 ) + 𝑃(𝐴2 ) ⋅ 𝑃(𝐴|𝐴2 )+. . . +𝑃(𝐴𝑛 ) ⋅ 𝑃(𝐴|𝐴𝑛 ).
Propoziția 9. Formula lui Bayes. Fie , K, Pun câmp de probabilitate şi mulțimea de
evenimente A i i =1 un sistem complet de evenimente și A∈ 𝐾 un eveniment oarecare, atunci
n
promova este P(A ) = 0,7, iar în cazul unui liceu tehnologic P(A ) = 0,4 . Se aplică astfel
A2 A3
()
colegiu este A1 condiționat de nerealizarea lui A unde P A = 1 − 0,53 = 0,47 . Pentru a calcula
probabilitatea acestui eveniment se aplică formula lui Bayes
asemănător
( ) = 95 , de asemenea P (A ) = 97
94
evenimentelor A1 și A2, astfel P A3 A1 A2 4 A1 A2 A3
. Dacă A se
98
notează evenimentul ca un muncitor să fie premiat cu 20 lei, B evenimentul ca muncitorul să
primească 40 lei, C să primească 60 lei iar D 80 lei. Evenimentele sunt date de A = A1 ,
B = A1 A2 , C = A1 A2 A3 ,
D = A1 A2 A3 A4 . Astfel, probabilitățile acestor evenimente sunt
P ( A) =
97
,
100
(
P (B ) = P ( A1 ) P A2 A1 ) = 100
97 96
99
= 0,940606,
(
P (C ) = P ( A1 ) P A2 A1 ) P(A3 A1 A2 ) = 100
97 96 95
99 98
= 0,911811 ,
(
P(D ) = P( A1 ) P A2 A1 ) P(A 3 A1 A2 ) P(A 4 A1 A2 A3 ) = 100
97 96 95 94
99 98 97
= 0,883611.
()
P A =
3
100
= 0,03 este probabilitatea ca muncitorul să nu primească niciun premiu.
Variabile aleatoare. Definiții notații și proprietăți
În ciuda faptului că după repetarea unui experiment de un număr mare de ori intervine o
anumită regularitate în privinţa apariţiei unor rezultate ale acestuia, nu se poate preciza niciodată
cu certitudine care anume dintre rezultate va apare, într-o anumită probă. Din acest motiv
cuvântul sau conceptul "aleator" trebuie înţeles sau gândit în sensul că avem de a face cu
experimente sau fenomene care sunt guvernate legi statistice (atunci când există un anumit grad
de incertitudine privind apariţia unui rezultat sau reapariţia lui) şi nu de legi deterministe (când
ştim cu certitudine ce rezultat va apare sau nu). Pentru ca astfel de experimente sau fenomene si
fie cunoscute şi prin urmare studiate, sunt importante şi necesare două lucruri şi anume:
1) rezultatele posibile ale experimentului, care pot constitui o mulţime finită, infinită dar
numărabilă sau infinită şi nenumărabilă;
2) legea statistică sau probabilităţile cu care este posibilă apariţia rezultatelor
experimentului considerat.
În linii mari şi într-un înţeles mai larg, o mărime care ia valori la întâmplare sau aleatoriu
dintr-o mulţime oarecare posibilă se numeşte variabilă aleatoare (sau întâmplătoare). Se poate da
şi o definiţie riguroasă.
| X() a
Observaţia 1 . Mulţimea | X() ase mai notează şi cu | X() a
înţelegând de fapt că , iar uneori chiar {X<a} fără a face confuzii. Mărimea X( ) se
numeşte valoare a variabilei aleatoare. Cu aceste precizări rezultă că X: → R este o variabilă
aleatoare reală unidimensională dacă pentru orice a R mulţimea valorilor lui X inferioare lui a
este un eveniment al câmpului de probabilitate considerat.
Observaţia 2 . Există şi alte moduri de a defini o variabilă aleatoare echivalente cu
definiţia 1.
Observaţia 3 . Să remarcăm că în definiţia variabilei aleatoare nu apare conceptul de
probabilitate ci doar valorile acesteia.
Observaţia 4 . Dacă X: → Rn atunci putem introduce conceptul de variabilă aleatoare
reală vectorială (sau de vector aleator real) printr-o relaţie identică cu 1 dar în care X () R
n
şi a Rn sunt vectori.
Observaţia 5 . Dacă valorile pe care le ia o variabilă aleatoare sunt numere, aşa cum
sugerează definiţia 1, atunci se spune că avem variabile aleatoare cantitative. Există însă şi
experimente în care rezultatele sunt calităţi sau însuşiri şi prin urmare ajungem la variabile
aleatoare ale căror valori nu mai sunt numere ci calităţi. Acestea se numesc variabile aleatoare
calitative şi pot fi şi ele unidimensionale sau vectoriale. În cazul vectorilor aleatori putem avea
unele variabile aleatoare cantitative şi altele calitative (aşa cum putem constata uşor în practica
sondajelor). O codificare numerică a calităţii fiind totdeauna posibilă, se vorbeşte frecvent însă
doar de variabile aleatoare cantitative.
Definiţia 2 . Se spune că variabila aleatoare X: → R este:
1) discretă dacă mulţimea valorilor pe care acesta le ia este o mulţime finită sau cel mult
numărabilă;
2) continuă dacă mulţimea valorilor pe care aceasta le ia este un interval sau cel mult o
reuniune finită de intervale.
Observaţia. Adeseori, valoarea X( ) se mai notează cu x, fără pericolul confuziei.
Definiţia 3 . Se numeşte repartiţie a unei variabile aleatoare discrete un tabel care să
cuprindă valorile pe care le ia variabila precum şi probabilităţile cu care pot apare aceste valori şi
se notează astfel:
x x 2 .... x i ...
X : 1
1 2
p p .... p i ...
unde x i = X(i ), pi = P(X = x i ) = PX() = x i 0 , i I N , p i = 1, mulţimea I
iI
2 1
1) X+k; 2) kX ; 3) X ; 4) X ; 5) , X0
X
sunt deasemenea variabile aleatoare (X: → R).
Demonstraţie . Ţinând cont de definiţia 1 şi având în vedere operaţiile cu evenimente,
deducem fără dificultate că:
4) / X () a = / X()
2
a / X() − a
ω/X(ω ) 0 , pentru a = 0
1 1
5) / a = ω/X(ω ) 0 X(ω ) , pentru a 0
X() a
ω/X(ω ) 0 X(ω ) 1 , pentru a 0
a
şi demonstraţia este încheiată.
Teorema 2 . Fie X şi Y două variabile aleatoare (X,Y:Ω→ ). Atunci
1) | X() Y()
2) | X() Y()
3) | X() = Y()
Teorema 3 . Dacă X şi Y sunt două variabile aleatoare, atunci:
X
1) X − Y; 2) X + Y; 3) XY; 4) ,Y 0
Y
sunt deasemenea variabile aleatoare.
Observaţie . Teoremele de mai sus sunt remarcabile privind conceptul de variabilă
aleatoare şi operaţiile care pot fi făcute cu acestea şi pe care le vom concretiza în cele ce
urmează.
Operații cu variabile aleatoare discrete
xi yi
Fie X : ,1 i m şi Y : ,1 j n două variabile aleatoare discrete
pi qi
cantitative. Să notăm cu:
m n
ij = P(X = x i , Y = yi ),1 i m,1 j n, ij = 1
i =1 j=1
x y
X : i ,1 i m şi Y : i ,1 j n
pi qi
şi vectorul aleator corespunzător acestora (X, Y),
( )
1) numerele ij date de relaţia ij = P(X = x i , Y = y i ) reprezintă repartiţia
p i = P(X = x i ) = PX = x i = P X = x i Y = y j =
n
j=1
n n
= P (X = x i Y = y i ) = P(X = x i ; Y = y j ) = ij
n
xi m
y n
X : , p i 0, p i = 1 şi Y : j , y j 0, q j = 1
pi i =1 qj j=1
m n
având repartiţia comună ij 0, ij = 1. Fie deasemenea constantele reale a şi b.
i =1 j=1
Definiţia 5 . Se numește
1) produs al variabilei aleatoare X cu constanta a variabila aleatoare:
ax
aX : i ,1 i m
pi
2) putere a variabilei aleatoare X de exponent a variabila aleatoare
xa
X a : i ,1 i m
pi
cu condiţia ca operaţiile x i ,1 i m , să aibă sens;
a
ax i + by j 1 i m
aX + bY : ,
1 j n
ij
4) produs al variabilelor aleatoare X şi Y variabila aleatoare
xi y j 1 i m
aX bY : ,
ij 1 j n
5) raport al variabilelor aleatoare X şi Y variabila aleatoare
xi
X 1 i m
: y j ,
Y 1 j n
ij
cu condiţia ca operaţiile
xi
(
să aibă sens y j 0,1 j n )
yj
Observaţie . Pornind de la definiţia 5 pot fi definite sau construite şi alte variabile
aleatoare (sume, produse, rapoarte, puteri sau combinaţii ale acestora pentru două sau mai multe
variabile aleatoare discrete). Să remarcăm însă că este necesară cunoaşterea repartiţiei comune
pentru a putea efectua anumite operaţii cu variabile aleatoare.
x i pi , IN p i 0, p i = 1
iI iI
care apare în cazul unei variabile aleatoare discrete a cărei mulţimi de valori este infinită dar
numărabilă; r
Observaţie 2. În literatura matematică străină valoarea medie se notează cel mai adesea cu
E(X), ca o prescurtare de la esperance (speranţă).
Observaţie 3. Următoarele proprietăţi ale valorii medii sunt adevărate pentru orice variabile
aleatoare.
Propoziţia 1 . Valoarea medie a unei constante k este constanta însăşi, adică:
k
k :
1
n
şi conform M(X ) = x i p i cu rezultă că M(k) = k.
i =1
Propoziţia 2 . Dacă X este variabilă aleatoare iar a şi b două constante reale arbitrare atunci:
M(aX + b ) = aM (X ) + b
Propoziţia 3 . Dacă X şi Y sunt variabile aleatoare iar a şi b două constante reale arbitrare,
atunci
M(aX + bY) = aM(X) + bM(Y)
Observaţie 1 . Dacă în M(aX + bY) = aM(X) + bM(Y) avem
1) a = b = 1, atunci M(X + Y) = M(X) + M(Y);
2) a = 1; b = -1, atunci M(X-Y) = M(X) – M(Y).
Observaţie 2 . Extinzând repartiţia comună de la două variabile aleatoare (X,Y) la trei
variabile aleatoare (X,Y, Z) şi notând cu:
a) (pi), 1 ≤ i ≤ m; (qj), 1 ≤ j ≤ n; (rk), 1 ≤ k ≤ s repartiţiile individuale ale variabilelor
aleatoare X,Y şi Z;
poate demonstra că
n s m n
p i = ijk ; q j = ijk ; rs = ijk
m s
(1)
j=1 k =1 i =1 k =1 i =1 j=1
şi , generalizând relaţia M(aX + bY) = aM(X) + bM(Y) deducem că dacă X,Y şi Zsunt variabile
aleatoare a,b şi c constante reale atunci:
M(aX+bY+cZ)=aM(X)+bM(Y)+cM(Z) (2)
Continuând generalizările (1) şi (2), putem considera, chiar dacă scrierea este mai greoaie,
variabilele aleatoare X1, X2, ..., Xn şi constantele reale a1, a2, ..., an şi extindem relaţia
M(aX + bY) = aM(X) + bM(Y)
sub forma
n n
M a i X i = a i M(X i )
i=1 i=1
cu condiţia existenţei variabilei aleatoare sumă şi a valorilor medii individuale.
n n
M X i = M(X i )
i =1 i =1
Propoziţia 5 . Dacă X este o variabilă aleatoare discretă finită (simplă) atunci
min x i M(X ) max x i
1i m 1i m
x − M(X)
X − M (X) : i , 1 i n
i
p
şi remarcăm că,pe baza proprietăţilor valorii madii, M[X-M(X)]=0 ceea ce înseamnă că “media
abaterilor de la medie” este nulă.
Definiţie 2 .Fiind dată variabila aleatoare X care admite valoarea medie M(X),se numeşte
dispersie a acesteia şi se notează de obicei cu D (X) sau (X) expresia (dacă există)
2 2
i =1
= D(X) = D 2 (X)
se numeşte abatere medie pătratică sau abatere standard a variabilei aleatoare X.
Definiţie 4 . Se numeşte moment iniţial de ordinul r, r N ,al variabilei aleatoare X
expresia (dacă există)
Mr(X)=M(Xr)
Observaţie . În mod explicit, momentul iniţial de ordin r este
n
M r (X) = x ir p i , X este variabilă aleatoare discretă sau
i =1
i =1
.
Observaţie 2 .Să remarcăm că:
1. dacă r=1 , atunci M1 (X) = M(X)
2. dacă r=2 , atunci 2 = D (X)
2
D 2 ( X) = M( X 2 ) − M 2 ( X)
Observaţie . Din propoziţiile 5 şi 6 rezultă că
( )
M X 2 M 2 (X )
pentru orice variabilă aleatoare pentru care M(X) şi M(X2) există.
D 2 (aX ) = a 2 D 2 (X )
oricare ar fi variabila aleatoare X şi oricare ar fi constanta reală a.
Demonstraţie .
( ) ( )
D 2 (aX ) = M a 2 X 2 − M 2 (aX ) = a 2 M X 2 − a 2 M 2 (X ) = a 2 D 2 (X )
Demonstraţie . D (k ) = M k
2
( )− M
2 2
(k ) = M 2 (k ) − M 2 (k ) = 0
Propoziţia 9 . Dacă există, atunci
D 2 (aX + b ) = a 2 D 2 (X )
oricare ar fi variabila aleatoare X şi oricare ar fi constantele reale a şi b.
Propoziţia 10 . Dacă există, atunci pentru orice a şi b constante reale
D 2 (aX + bY ) = a 2 D 2 (X ) + b 2 D 2 (Y )
dacă X şi Y sunt variabile aleatoare independente şi
D 2 (X + Y ) = D 2 (X − Y ) = D 2 (− X + Y ) = D 2 (− X − Y ) = D 2 (X ) + D 2 (Y )
dacă X şi Y sunt variabile aleatoare independente;
2 n 2 2
D a i X i = a i D (X i ) + 2 a i a j (M(X i X j ) − M(X i )M(X j ))
n n
de unde, dacă variabilele aleatoare (Xi) sunt independente două câte două rezultă că
2 n 2 2
n
D a i x i = a i D (x i )
i=1 i=1
Observaţie 3 . Nu există o formulă pentru D2(XY) în funcţie de D2(X) şi D2(Y) aşa cun se
întâmplă în cazul valorii medii!