Variabile aleatoare

Noţiunea de variabilă aleatoare este fundamentală în teoria probabilităţilor. Intuitiv,

variabila aleatoare se poate defini ca fiind o funcţie reală definită pe mulţimea valorilor posibile
ale unui experiment.
Fie ( Ω, K ) un câmp borelian de evenimente.
Definiţie: X : Ω→ R se numeste variabila aleatoare dacă şi numai dacă
{ω : X ( ω) < x } ∈ K , ∀ x ∈ R
Observaţie: Noţiunea de probabilitate nu intră în definiţia variabilei aleatoare.
Vom utiliza notaţiile: { X < x } ∈ K pentru v.a. X
Propoziţie: X : Ω→ R este o variabilă aleatoare dacă şi numai dacă este adevarată una din
afirmaţiile:
( i ) { ω: X ( ω ) ≤x } ∈ K , ∀ x ∈ R
( ii ) { ω : X ( ω ) > x } ∈ K , ∀ x ∈ R
( iii ) { ω: X ( ω ) ≥x } ∈ K , ∀ x ∈ R
Observaţie: { X =a } ∈ K şi { a< X <b } ∈ K , ∀ a , b ∈ R .
Aplicaţie:La un examen se prezintă trei candidaţi. Variabila aleatoare reprezentând numărul

( )
0 1 2 3
2
26 p 9p p
candidaţilor admişi are repartiţia: 5 . Determinaţi probabilitea
fiecărui candidat de a promova examenul.
Solutie:Cum numărul candidaţilor promovaţi reprezintă o partiţie a evenimentului sigur: la
2 1
+ ( 26 +9+1 ) p=1 ⇒ p=
examen se prezintă trei candidaţi, avem 5 60 , deci distribuţia

( )
0 1 2 3
X : 2 13 3 1
v.a. este 5 30 20 60 . Cum P ( X=k ) ,∀ k ∈ { 0,1,2,3 } reprezintă probabilitatea
ca k candidaţi să promoveze examenul, conform schemei lui Poisson se obţine sistemul:
{
2
( 1− p1 )⋅( 1− p 2 )⋅( 1− p3 )= 5
13
p 1⋅( 1− p2 )⋅( 1− p 3 ) + p2⋅( 1−p 1 )⋅( 1− p3 ) + p3⋅( 1− p 2 )⋅( 1− p1 ) =
30
3
p 1⋅p2⋅( 1− p 3 ) + p1⋅p3⋅( 1− p2 ) + p3⋅p 2⋅( 1− p1 ) =
20
1
p 1 p 2 p 3=
, unde pi , i∈ { 1, 2 , 3 }
60
reprezintă probabilitatea fiecărui candidat de a promova examenul. Utilizând relaţiile lui Viete,

{ {
1 47
S3 = S1 =
60 60
3 1
S 2−3 S3 = ⇒ S 2= ⇒
20 5
2 1
1−S1 + S 2−S 3= S3 =
sistemul devine:
5 60
ecuaţia cu soluţiile
pi este:

1 60 −47 12 −1 1
| ⇒ p 1=
3 2
60 p −47 p +12 p−1=0 . Aplicând schema lui Horner: 3 60 −27 3 0 3 , iar p2 , p3
9±1 1 1 1
20 p2 −9 p +1=0 ⇒ p 2, 3 = , ,
sunt soluţi pentru: 40 , probabilităţiile fiind 3 4 5 .
Operaţii cu variabile aleatoare:
1
X + b , bX ,|X|, X 2 , , cu X≠0
Propoziţie: Dacă X este variabilă aleatoare şi b ∈ R , atunci: X
sunt variabile aleatoare
Propoziţie: Dacă X şi Y sunt variabile aleatoare, atunci: { X >Y } ∈ K , { X≥Y } ∈ K ,
{ X =Y } ∈ K
X
X +Y , X −Y , XY , , cu Y ≠0
Propoziţie: Dacă X şi Y sunt variabile aleatoare, atunci: Y sunt
variabile aleatoare.

Funcţia de repartiţie a unei variabile aleatoare

Să considerăm un câmp borelian de probabilitate { Ω, K , P } şi X o variabilă aleatoare.
F : R → [ 0 ,1 ] ,
Definiţie: Numim funcţie de repartiţie a variabilei aleatoare X, aplicaţia X
definită prin relaţia X ({ } ) . Vom scrie: X
F ( x ) =P ω : X ( ω ) < x F ( x ) =P ( X <x )
Propoziţie: Funcţia de reparţie a unei variabile aleatoare X are următoarele proprietăţi;
F X ( −∞ ) = lim F X ( x )=0 F X ( ∞ ) = lim F X ( x )=1
(1) x →−∞ ; x →∞

x 1≤x 2 ⇒ F X ( x 1 )≤F X ( x 2 )
(2) este nedescrescătoare :
 F X ( x ) =F X ( x−0 )=lim F X ( y )
(3) este continuă la stânga: y↑x

x <x
Propoziţie: Daca X este o variabila aleatoare si 1 2 , atunci:
P ( x 1≤ X <x 2 ) =F X ( x2 )−F X ( x 1 )
P ( x 1 <X < x2 )=F X ( x 2 ) −F X ( x 1 ) −P ( X=x 1 )
P ( x 1 <X ≤x 2 ) =F X ( x2 )−F X ( x 1 ) +P ( X=x 2 )−P ( X =x 1 )
P ( x 1≤ X≤x 2 ) =F X ( x 2 ) −F X ( x 1 ) +P ( X =x 2 )
P ( X =x i ) i=1 , 2
Observaţie: , reprezintă saltul funcţiei de repartiţie
FX în punctul
x i , i=1 , 2 .
F
Dacă X este continuă, atunci (
P X =x i )=0 i=1 , 2
, .
In funcţie de mulţimea valorilor posibile X (Ω ) ale v.a. X : Ω→ R avem:
Definiţie: O v.a. X pe câmpul borelian de probabilitate { Ω, K , P } se numeşte discretă dacă ia o
X ( Ω ) ={ x i }i ∈I , x i≠x j , ∀ i , j∈ I ⊂ N ,i≠ j
mulţime cel mult numarabilă de valori : .
V.a. cu proprietatea că X (Ω ) este un interval din R se numeşte continuă
Propoziţie: Dacă { i }i ∈I ,{
X (Ω )= x A i }i∈ I ⊂ K
definite prin
Ai ={ ω ∈Ω : X ( ω )=x i }
formează o
partiţie a evenimentului sigur.
P A = p ⇒ pi ≥0 , ∑ pi =1
Notând ( i ) . Punctele { i }i∈I se numesc puncte de creştere ale
i i ∈I
x
funcţiei de repartiţie, iar probabilităţile lor se numesc salturi ale funcţiei de repartiţie. Evident,
F X ( x ) = ∑ pi
x i< x
.
∑ p i=1
Definiţie: Numerele {
pi }i∈ I P ( X =x i )= p i , ∀ i∈ I
satisfacând şi i∈ I dau legea de
p
probabilitate a v.a. discrete X ( i reprezintă funcţia de frecvenţă a v.a. X numită mai sugestiv
masă de probabilitate).
Observaţie: Unii autori definesc funcţia de repartiţie prin relaţia:
~
F X ( x )=P ( X ≤x ) , x∈ R
Aplicaţie: Durata unei convorbiri telefonice exprimată în secunde este o variabilă aleatoare X
1 − 50 1 − 50
F X ( t )=1− e − e
t
,t >0
[ ]
t

având funcţia de repartiţie: 2 2 . Determinaţi

probabilitatea ca o convorbire telefonică să dureze:
a) cel mult 70s
b) cel puţin 110s
c) între 70 si 110s
d) exact 100s, respectiv 90s
e) cel mult doua minute, ştiind ca va dura cel puţin un minut
f) cel puţin un minut, ştiind ca va dura cel mult doua minute .
Solutie: Funcţia de repartiţie a variabilei date, explicitata, este:
 {
t
1 −
1− e 50 dacã 0< t ≤50
2
t
1 − 50 1
1− e − dacã 50< t ≤100
F X ( t )= 2 2e
t
1 − 1
1− e 50 − 2
dacã 100<t ≤150
2 2e
. ..
Aceasta este o functie crescǎtoare, continua la dreapta, avand salturi in punctele de forma t=50k,
7
1 − 1
P ( X <70 ) =F X ( 70 )=1− e 5 −
2 e b) P ( X >110 )=1−F X ( 110 )
¿
k ∈ N . Deci: a) 2

( )
7 11
11
1 − − 1 1
1 1 − P ( 70< X <110 )=F X ( 110 )−F X ( 70 )= e 5
−e 5
+ − 2
= 2+ e 5 2 e e
2e 2 : c)

d)
P ( X=100 )= lim F X ( t )−F X ( 100 )=
t ↓100
1
2e
1− ( )
1
e , iar P ( X=90 )=0
1
1+ 5
P ( X <120|X > 60 )=
F X ( 120 )−F X ( 60 ) 1
=1− ⋅
√e 2
1−F X ( 60 ) e 1
1+ 5
e) √e
6
1 1 −5
F X ( 120 )−F X ( 60 ) 1− − e
2e 2
P ( X >60|X < 120 )= =1− 12
F X ( 120 ) 1 1 −5
1− − e
f) 2e 2

Definiţie: V.a. X se numeşte continuă dacă

F X este absolut continuă, adică, dacă există o funcţie
x

f : R →R F X ( x ) = ∫ f ( t ) dt , ∀ x ∈ R
integrabilă nenegativă + astfel încât −∞ .
Funcţia f se numeşte densitate de repartiţie. Din definiţia dată rezultă:
i) f ( x )≥0 , ∀ x ∈ R
∞
∫ f ( x ) dx=1
ii) −∞
Se constată imediat că dacă există densitatea de repartiţie f, atunci F este derivabilă şi
x2

F ′ ( x ) =f ( x ) P ( ω : x 1 < X < x 2 ) =F X ( x2 )−F X ( x 1 ) =∫ f ( t ) dt

X x1
, iar
Fie F ( x , y ) funcţia de repartiţie a vectorului aleator ( X , Y ) . Atunci,
F X ( x , y )= lim F ( x , y ) F Y ( x , y )= lim F ( x , y )
y →∞ si x →∞ , iar independenţa variabilelor aleatoare X şi Y se
exprimă prin:
F ( x , y )=F X ( x , y ) F Y ( x , y )
In cazul discret, repartiţia vectorului ( X , Y ) :
( )
( xi , y j )
p ij i=1,2 ,...,m; j=1 ,2,...,n
se scrie sub forma:
X \ Y y1 y2 .. . yj ... yn Total
x1 p11 p12 … p1j … p1n p1●
x2 p21 p22 … p2j … p2n p2●
… … … … … … … …
xi pi1 pi2 … pij … pin nj●
… … … … … … … …
xm-1 p(m-1)1 p(m-1)2 … p(m-1)i … pm-1)n p(m-1)●
xm pm1 pm2 … pij … pmn pm●
Total p●1 n●2 … n●i … n●n 1
pi =P ( X=x i , Y = y j ) , i=1, 2 , .. . ,m ; j=1 , 2 ,. . . ,n
j ; X,Y v.a.i.
⇔ pij = pi p j
n m m n m n
pi =∑ pi , i=1 ,2 , .. . , m p j=∑ p i , j=1 ,2 , . .. , n ⇒ ∑ ∑ pi = ∑ pi =∑ p j =1
j j j i=1
j=1 ; i=1 i=1 j=1 j=1

(( )
xi|Y = y j
X|Y = y j : , j∈ J
P X =xi|Y = y j ) i ∈I
Mai mult, avem: cu
P ( X=x i , Y = y j ) pij
P ( X =x i|Y = y j ) =p ( xi| y j ) = =
P (Y = y j ) pj