TEORIA PROBABILITĂŢILOR (CURS)

Conf. univ. dr. Dan Miclăuş

Variable aleatorii (Capitolul IV)

Realizarea sau nerealizarea unor evenimente asociate unui experiment dat consituie partea calitativă a proce-
sului aleatoriu. Pentru studiul matematic al fenomenelor aleatorii este necesar ca descrierea să conţină expresii
cantitative, ce pot fi tratate şi prelucrate din punct de vedere matematic ca o variabilă aleatorie. Să folosim
un scenariu pentru introducerea noţiunii de variabilă aleatorie. Să presupunem că aruncăm o monedă de trei
ori şi ı̂nregistrăm rezultatele obţinute, ca fiind mulţimea {BBB, BBS, BSB, SBB, SSS, SSB, SBS, BSS}.
Prin urmare, există opt rezultate posibile şi fiecare are aceeaşi probabilitate de a se realiza. Să presupunem
că aruncăm moneda de patru ori. Câte rezultate posibile există? Avem 24 = 16 rezultate posibile. Dar dacă
aruncăm moneda de zece ori? Obţinem 210 = 1024 rezultate posibile! În loc să considerăm toate rezultatele
posibile, putem atribui variabilei X numărul de apariţii ale banului ı̂n cele n aruncări ale monedei. Dacă ne
ı̂ntoarcem la aruncarea monedei de trei ori, atunci X poate lua valorile 0, 1, 2 sau 3. Prin considerarea variabilei
X, am creat o variabilă aleatorie.
Definiţia 1. O variabilă aleatorie preia aleatoriu anumite valori. Cu alte cuvinte, o variabilă aleatorie este
o cantitate numerică ce variază la ı̂ntâmplare.
Există două tipuri de variabile aleatorii:
• Variabilă aleatorie discretă, atunci când variabila asimilează un număr finit de valori, uneori infinit.
• Variabilă aleatorie continuă, atunci când variabila asimilează un număr infinit de valori pe un interval.

Variabile aleatorii de tip discret (Cursul 7)

Definiţia 2. Fie Ω, K un câmp de evenimente. O variabilă aleatorie X : Ω → R se numeşte de tip
discret, dacă mulţimea valorilor ei este cel mult numărabilă.
O variabilă aleatorie de tip discret este o funcţie univocă, de forma
(1) X : Ω → {x1 , x2 , . . . , xn , . . .} ⊂ R.
Valorile pe care le ia variabila aleatorie discretă X sunt ordonate crescător, astfel ı̂ncât
(2) x1 < x2 < · · · < xn < · · · , xi ∈ R, i = 1, 2, . . . .
Evenimentele Ai = X −1 (xi ) = {ω ∈ Ω | X(ω) = xi } ∈ K, iar X −1 : {x1 , . . . , xn , . . .} → K este inversa funcţiei
(variabilei aleatorii) X.


Teorema 1. Fie Ω, K un câmp de evenimente. Dacă X : Ω → R este o variabilă aleatorie de tip discret, I ⊆
N o mulţime cel mult numărabilă, I 6= ∅, iar Ai = X −1 (xi ) ∈ K, atunci sistemul de evenimente S = {Ai | i ∈ I}
este complet.
1
2 TEORIA PROBABILITĂŢILOR (CURS)

Demonstraţie.
S Arătăm că sistemul de evenimente S = {Ai | i ∈ I} este complet, adică, Ai ∩Aj = ∅, (∀) i, j ∈ I,
i 6= j şi Ai = Ω. Demonstraţia intersecţiei se face prin reducere la absurd, presupunând că (∃) i, j ∈ I, i 6= j,
i∈I
astfel ı̂ncât Ai ∩ Aj 6= ∅. Întrucât Ai = X −1 (xi ) = {ω ∈ Ω | X(ω) = xi } ∈ K, conform presupunerii, rezultă
că (∃) i, j ∈ I, i 6= j, astfel ı̂ncât Ai ∩ Aj = {ω | ω ∈ Ω}. Deoarece ω ∈ Ai şi ω ∈ Aj , rezultă X(ω) = xi şi
X(ω) = xj , iar ţinând seama că X este univocă, avem xi = xj , cu i, j ∈ I, i 6= j. Această egalitate constituie o
contradicţie faţă de ordonarea (2) a valorilor variabilei aleatorii de tip discret X. Pentru reuniune, considerăm
că X : Ω → R este univocă, deci, orice eveniment elementar ω ∈ Ω trebuie să aparţină unuia dintre evenimentele
Ai ale sistemului S. Prin urmare,
[ [
Ai = {ω ∈ Ω | X(ω) = xi } = Ω.
i∈I i∈I



Exemplul 1. Fie Ω, K un câmp de evenimente şi X : Ω → R dată prin X(ω) = a, cu a ∈ R fixat. În
acest caz, mulţimea valorilor lui X este finită, fiind formată dintr-un singur element şi X −1 (x) ∈ K, (∀) x ∈ R,
deoarece (
Ω, dacă x = a
X −1 (x) =
∅, dacă x 6= a.
Prin urmare, X este o variabilă aleatorie de tip discret numită variabilă aleatorie constantă.



Exemplul 2. Fie Ω, K un câmp de evenimente, A ∈ K şi XA : Ω → R dată prin
(
1, dacă ω ∈ A
XA (ω) =
0, dacă ω ∈
/ A.
−1
Mulţimea valorilor lui XA este finită, fiind formată din două elemente şi XA (x) ∈ K, (∀) x ∈ R, deoarece

A, dacă x = 1

−1
X (x) = A, dacă x = 0

∅, dacă x ∈ R\{0, 1}.


Prin urmare, XA este o variabilă aleatorie discretă numită indicatoarea evenimentului A.




Teorema 2. Fie Ω, K, P un câmp de probabilitate, iar X : Ω → R o variabilă aleatorie de tip discret. Dacă
Ai = X −1 (xi ), i ∈ I, atunci X

P Ai = 1.
i∈I
S
Demonstraţie. Conform Teoremei 1, sistemul de evenimente S = {Ai | i ∈ I} este complet, deci, Ai = Ω şi
i∈I
Ai ∩ Aj = ∅, pentru orice i, j ∈ I, i 6= j. În acest caz,
!

[ X
1=P Ω =P Ai = P (Ai ).
i∈I i∈I

Deoarece X −1 (xi ) = Ai 6= ∅ pentru orice i ∈ I, introducând notaţia
p(xi ) = P X −1 (xi ) = P (Ai ), i ∈ I,

sunt ı̂ndeplinite condiţiile pi > 0, pentru orice i ∈ I. Valorile reale (xi )i∈I ⊂ R, pentru care are loc egalitatea



P X = xi = P {ω ∈ Ω | X(ω) = xi } = p(xi ),
se numesc valori posibile ale variabilei aleatorii X.
 TEORIA PROBABILITĂŢILOR (CURS) 3


Definiţia 3. Fie Ω, K, P un câmp de probabilitate, iar X : Ω → R o variabilă aleatorie discretă pe câmpul
considerat. Se numeşte distribuţia variabilei considerate un tablou de forma
 
x1 x2 ... xi ...
X ,
p(x1 ) p(x2 ) . . . p(xi ) . . .
prin care punem ı̂n corespondenţă mulţimea valorilor posibile ale variabilei aleatorii cu mulţimea probabilităţilor
de realizare ale valorilor posibile.
Observaţia 1. Tabloul distribuţional al variabilei aleatorii de tip discret X se poate reprezenta şi sub formă
condensată (restrânsă), adică,
 
xi
X ,
p(xi ) i∈I
unde
X X X

(3) p(xi ) = P (Ai ) = P X = xi = 1.
i∈I i∈I i∈I

Condiţia (3) exprimă faptul că sistemul de evenimente S = {A1 , A2 , . . . , Ai , . . .} asociat variabilei aleatorii X
este discret.
Definiţia 4. Cea mai generală formă a distribuţiei unei variabile aleatorii de tip discret se numeşte lege de
probabilitate de tip discret.
Exemplul 3. Variabila aleatorie X urmează legea binomială de parametrii n şi p, dacă are distribuţia
 
x
X ,
P (n, x) x=0,n
cu (

n
x px q n−x , x = 0, 1, . . . , n, p ∈ [0, 1], p + q = 1
P (n, x) =
0, ı̂n caz contrar.
Sistemul de evenimente asociat variabilei aleatorii X este SX = {A0 , . . . , An }, cu Ax = {ω ∈ Ω | X(ω) = x} =
n
S
(X = x), x = 0, n. Evident Ax = Ω şi Ai ∩ Aj = ∅, pentru orice i, j = 0, n şi i 6= j. De asemenea, observăm
x=0
că
n n n  
X X X n x n−x
= (p + q)n = 1.


P Ax = P (n, x) = p q
x
x=0 x=0 x=0


Exemplul 4. Variabila aleatorie X urmează legea hipergeometrică de parametrii a şi b, dacă are distribuţia
 
x
X ,
P (n, x) x=0,n
cu  a b
 (x)·(n−x) , x = 0, 1, . . . , n, x ≤ a, n ≤ a + b
a+b
P (n, x) = (n)
 0, ı̂n caz contrar.
Sistemul de evenimente asociat variabilei aleatorii X este SX = {A0 , . . . , An }, cu Ax = {ω ∈ Ω | X(ω) = x} =
n
S
(X = x), x = 0, n. Evident Ax = Ω şi Ai ∩ Aj = ∅, pentru orice i, j = 0, n şi i 6= j. De asemenea, observăm
x=0
că
n n n      
X
X X1 a b 1 a+b
P Ax = P (n, x) = a+b
· = a+b

· = 1.
n
x n−x n
n
x=0 x=0 x=0


4 TEORIA PROBABILITĂŢILOR (CURS)

Exemplul 5. Variabila aleatorie X urmează legea lui Poisson de parametru λ > 0, dacă are distribuţia
 
x
X ,
Pλ (x) x∈N
cu ( −λ x
e ·λ
Pλ (x) = x! , x ∈ N = {0, 1, . . .}
0, ı̂n caz contrar.
Sistemul de evenimente

asociat variabilei
S aleatorii X este SX = {A0 , . . . , Ax , . . .}, cu Ax = {ω ∈ Ω | X(ω) =
x} = X = x , x ∈ N. Evident Ax = Ω şi Ai ∩ Aj = ∅, pentru orice i, j ∈ N şi i 6= j. De asemenea,
x∈N
observăm că
∞ ∞ −λ ∞
X X X e · λx −λ
X λx
= e−λ · eλ = 1.


P Ax = Pλ (x) = =e
x! x!
x∈N x=0 x=0 x=0

Operaţii cu variabile aleatorii de tip discret

Fie Ω, K, P un câmp de probabilitate şi X : Ω → R o variabilă aleatorie de tip discret.
 
xi
Definiţia 5. Fie X : Ω → R o variabilă aleatorie de tip discret, având forma X . Se numeşte produs
p(xi ) i∈I 
axi
al variabilei aleatorii X cu constanta reală a, variabila notată aX, având distribuţia aX .
p(xi ) i∈I
 
xi
Definiţia 6. Fie X : Ω → R o variabilă aleatorie de tip discret, având forma X . Se numeşte sumă
p(xi ) i∈I  
a + xi
a variabilei aleatorii X cu constanta reală a, variabila notată a + X, având distribuţia a + X .
p(xi ) i∈I
   
xi yj
Definiţia 7. Fie X, Y : Ω → R variabile aleatorii de tip discret, având distribuţiile X şi Y .
p(xi ) i∈I q(yj ) j∈J
Se numeşte suma variabilelor aleatorii X, Y , variabila notată X + Y , având distribuţia
 
x i + yj
X +Y ,
pij i∈I, j∈J


unde pij = P (X = xi ) ∩ (Y = yj ) .

Observaţia 2.
• Sumele xi + yj se efectuează pentru toate perechile de indici (i, j) ∈ I × J, iar ı̂n caz că printre ele există
valori egale, valoarea comună se scrie o singură dată, iar probabilităţile corespunzătoare se adună.
• Dacă variabilele aleatorii X, Y sunt independente, atunci pij = p(xi ) · q(yj ), pentru orice i ∈ I şi j ∈ J.
   
xi yj
Definiţia 8. Fie X, Y : Ω → R variabile aleatorii de tip discret, având distribuţiile X şi Y .
p(xi ) i∈I q(yj ) j∈J
Se numeşte produsul variabilelor aleatorii X şi Y , variabila notată X · Y , având distribuţia
 
xi · yj
X ·Y ,
pij i∈I, j∈J


unde pij = P (X = xi ) ∩ (Y = yj ) .
 TEORIA PROBABILITĂŢILOR (CURS) 5

Observaţia 3.
• Produsele xi · yj se efectuează pentru toate perechile de indici (i, j) ∈ I × J, iar dacă printre ele există
valori egale, valoarea comună se scrie o singură dată, iar probabilităţile corespunzătoare se adună.
• Dacă variabilele aleatorii X, Y sunt independente, atunci pij = p(xi ) · q(yj ), pentru orice i ∈ I şi j ∈ J.
 
∗ xi
Definiţia 9. Fie X : Ω → R şi Y : Ω → R variabile aleatorii de tip discret, având distribuţiile X
  p(xi ) i∈I
yj
şi Y . Se numeşte câtul variabilelor aleatorii X şi Y , variabila notată X/Y , având distribuţia
q(yj ) j∈J
 xi 
X/Y yj ,
pij i∈I, j∈J


unde pij = P (X = xi ) ∩ (Y = yj ) .

Observaţia 4.
• Rapoartele xi /yj se efectuează pentru toate perechile de indici (i, j) ∈ I × J, iar dacă printre ele există
valori egale, valoarea comună se scrie o singură dată, iar probabilităţile corespunzătoare se adună.
• Dacă variabilele aleatorii X, Y sunt independente, atunci pij = p(xi ) · q(yj ), pentru orice i ∈ I şi j ∈ J.