Teoria probabilita¼ţilor şi statistica¼

matematica¼
B¼
arb¼
acioru Iuliana Carmen
CURSUL 4
Cursul 4

2
Cuprins

1 Introducere în teoria probabilit¼ aţilor 5

1.1 Dispersia unei variabile aleatoare discrete . . . . . . . . . . . . . . 5
1.1.1 Propriet¼aţile dispersiei . . . . . . . . . . . . . . . . . . . . . 7
1.2 Abaterea medie p¼ atratic¼a . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Variabile aleatoare independente cu aceeaşi repartiţie . . . . . . . . 11
1.4 Momente ale unei variabile aleatoare . . . . . . . . . . . . . . . . . 12
1.4.1 Momente iniţiale de ordinul k. . . . . . . . . . . . . . . . . 12
1.4.2 Momente centrate de ordinul k. . . . . . . . . . . . . . . . . 12

Index 13

3
Cursul 4

4
Capitolul 1

Introducere în teoria
probabilit¼
aţilor

1.1 Dispersia unei variabile aleatoare discrete

Exist¼
a multe variabile aleatoare care au repartiţii diferite dar care au mediile
egale:
! !
0 1 1 0 1 2
X : şi Y :
1=2 1=2 1=4 1=4 1=4 1=4
1 1 1
M (X) = 0 +1 =
2 2 2
1 1 1 1 1
M (Y ) = 1 +0 +1 +2 =
4 4 4 4 2
Din acest exemplu se vede c¼ a dac¼a cunoaştem media unei variabile aleatoare nu
putem caracteriza împr¼ aştierea valorilor variabilei aleatoare.
Dispersia este o valoare tipic¼a ce ne va ajuta s¼ a caracteriz¼am aceast¼
a împr¼
aştiere.
Consider¼
am X o variabil¼ a aleatoare discret¼ a cu repartiţia:
!
x1 x2 ::: xn
X: (1.1)
p1 p2 ::: pn
şi media M (X): Fie de asemenea X M (X) o alt¼
a variabil¼
a aleatoare discret¼
a.
Aceasta va avea repartiţia:
!
x1 M (X) x2 M (X) ::: xn M (X)
X M (X) : (1.2)
p1 p2 ::: pn

5
 Cursul 4

deci media ei este egal¼

a cu:

M (X M (X)) = (x1 M (X)) p1 + (x2 M (X)) p2 + ::: + (xn M (X)) pn

= x1 p1 + x2 p2 + ::: + xn pn M (X) (p1 + p2 + ::: + pn )
= M (X) M (X) (p1 + p2 + ::: + pn ) = M (X) M (X) = 0:

Deci media abaterii unei variabile aleatoare de la media sa este întotdeauna

0. Prin urmare nu putem m¼ asura gradul de împr¼ aştiere a valorilor variabilei
aleatoare utilizând valoarea medie a abaterii. Pentru aceasta vom folosi dispersia,
a cu D2 (X) sau 2 (X):
notat¼

De…niţia 1.1.1 Se numeşte dispersie a lui X, notat¼a cu D2 (X) sau 2; cantitatea

de…nit¼a de:

D2 (X) = M (X M (X))2 (1.3)

2
= M (X m)

unde m = M (X):

Avem deci:

D2 (X) = M (X m)2 = (x1 M (X))2 p1 +(x2 M (X))2 p2 +:::+(xn M (X))2 pn

Dac¼ a plec¼ a de la dezvoltarea lui (X m)2 şi ţinem seama de propriet¼

am îns¼ aţile
mediei obţinem:

D2 (X) = M (X m)2 = M X 2 2mX + m2 = M (X 2 ) M (2mX) + M m2

= M (X 2 ) 2mM (X) + m2 = M (X 2 ) 2m m + m2 = M (X 2 ) m2

iar dac¼
a înlocuim m = M (X) obţinem relaţia:

D2 (X) = M (X 2 ) [M (X)]2 (1.4)

Altfel spus, dispersia este diferenţa dintre media p¼

atratului variabilei aleatoare şi
p¼
atratul mediei variabilei aleatoare.

Exemplul 1.1.2 Fie

!
1 0 1 2
Y :
1=4 1=4 1=4 1=4

6
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

Am v¼azut la începutul paragrafului c¼a M (Y ) = 0: Avem:

! ! !
2 2 2 2
( 1) (0) (1) (2) 1 0 1 4 0 1 4
Y2 : = =
1=4 1=4 1=4 1=4 1=4 1=4 1=4 1=4 1=4 2=4 1=4
1 1 1 5
deci M (Y 2 ) = 0 +1 +4 = : Prin urmare, conform relaţiei (1.4) vom
4 4 4 4
avea:
5 5
D2 (Y ) = M (Y 2 ) [M (Y )]2 = (0)2 = :
4 4

1.1.1 Propriet¼
aţile dispersiei
Propoziţia 1.1.3 Dispersia unei constante a este egal¼a cu 0:

D2 (a) = 0 (1.5)

Demonstraţie: Conform relaţiei (1.3) vom avea:

D2 (a) = M (a M (a))2

Folosind Propoziţia 1.3.1 din cursul 3, avem

D2 (a) = M (a a)2 = M (0) = 0:

Propoziţia 1.1.4 Dispersia produsului dintre o constant¼a şi o variabil¼a aleatoare

este egal¼a cu produsul dintre p¼atratul constantei şi dispersia variabilei aleatoare:

D2 (a X) = a2 D2 (X) (1.6)

Demonstraţie: Conform relaţiei (1.4) vom avea:

D2 (a X) = M (a2 X 2 ) [M (a X)]2 = a2 M (X 2 ) [a M (X)]2

= a2 M (X 2 ) a2 [M (X)]2 = a2 M (X 2 ) [M (X)]2
= a2 D2 (X):

Propoziţia 1.1.5 Dispersia sumei a dou¼a variabile aleatoare independente este

egal¼a cu produsul dintre dispersiile variabilelor aleatoare:

D2 (X + Y ) = D2 (X) + D2 (Y ) (1.7)

7
 Cursul 4

Demonstraţie: Conform relaţiei (1.4) vom avea:

D2 (X + Y ) = M ((X + Y )2 ) [M (X + Y )]2

Dac¼
a desfacem parantezele şi folosim propoziţiile 1.3.1 şi 1.3.2 din cursul 3 avem:

D2 (X + Y ) = M (X 2 + 2XY + Y 2 ) [M (X) + M (Y )]2 =

= M (X 2 ) + 2M (X Y ) + M (Y 2 ) [M (X)]2 2M (X)M (Y ) [M (Y )]2
M (X 2 ) [M (X)]2 M (Y 2 ) [M (Y )]2
= | {z }+| {z }
2
D (X) 2
D (Y )
+2M (X)M (Y ) 2M (X)M (Y )
= D2 (X) + D2 (Y ):

Corolarul 1.1.6 Dispersia unei sume de variabile aleatoare independente este

egal¼a cu produsul dintre dispersiile variabilelor aleatoare.

Demonstraţie: Pentru o sum¼

a de trei variabile aleatoare independente avem:

D2 (X+Y +Z) = D2 [(X + Y ) + Z] = D2 (X+Y )+D2 (Z) = D2 (X)+D2 (Y )+D2 (Z)

Pentru mai mult de trei variabile aleatoare independente demonstraţia se face

prin inducţie.

Corolarul 1.1.7 Dispersia sumei dintre o constant¼a şi o variabil¼a aleatoare este
egal¼a cu dispersia variabilei aleatoare:

D2 (a + X) = D2 (X) (1.8)

Demonstraţie: a şi X sunt independente deci conform propoziţiei (1.1.5) şi

propoziţiei (1.1.4) vom avea:

D2 (a + X) = D2 (a) + D2 (X) = 0 + D2 (X) = D2 (X):

Teorema 1.1.8 Dispersia unei variabile aleatoare discret¼a B (n; p) ce urmeaz¼a

o lege de repartiţie binomial¼a este egal¼a cu npq:

D2 (B (n; p)) = npq (1.9)

8
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

Demonstraţie: Am v¼ azut c¼
a o variabil¼
a aleatoare discret¼a X(n;p) urmeaz¼
ao
lege de repartiţie binomial¼
a dac¼
a are forma (vezi cursul 3):
!
0 1 :::k::: n
B (n; p) :
q n p q n 1 :::{kn pk q n k ::: pn

unde pk = {kn pk q n k ; 0 k n; p; q > 0; q = 1 p:Tot în cursul 3,

teorema1.3.4 am calculat şi media lui B (n; p) :

M (B (n; p)) = n p

Pentru a calcula dispersia D2 (X(n;p) ) folosim relaţia (1.4):

D2 (B (n; p)) = M ((B (n; p))2 ) [M (B (n; p))]2

dar
n
X
M ((B (n; p))2 ) = k 2 {kn pk q n k

k=1
Deducem:
n
X
npx(px + q)n 1
= k{kn pk xk 1 n k
q ;
k=1
de unde, prin derivarea ambilor membrii şi luând apoi x = 1, obţinem:
n
X
k 2 {kn pk q n k
= np + n(n 1)p2 ;
k=0

prin urmare,
M ((B (n; p))2 ) = np + n(n 1)p2
şi deci:
D2 (B (n; p)) = np + n(n 1)p2 n2 p2 = n p q:

Observaţia 1.1.9 Demonstraţia acestei teoreme se mai poate face plecând şi de
la observaţia 1.1.2 şi demonstraţia teoremei 1.3.4 din cursul 3. Acolo am v¼azut
c¼a putem scrie c¼a B (n; p) = X1 + X2 + ::: + Xn ; unde X1 reprezint¼a num¼arul
de apariţii al evenimentului A în primul experiment, X2 reprezint¼a num¼arul
de apariţii al evenimentului A în cel de-al doilea experiment,..., Xn reprezint¼a
num¼arul de apariţii al evenimentului A în experimentul n. X1 ; X2 ; :::; Xn sunt

9
 Cursul 4

independente deoarece experimentele considerate sunt independente şi având aceeaşi

repartiţie: !
1 0
p q
Dar conform corolarului (1.1.6) avem:
D2 (B (n; p)) = D2 (X1 ) + D2 (X2 ) + ::: + D2 (Xn )
Cum …ecare dintre variabilele X12 ; X22 ; :::; Xn2 au repartiţiile:
! !
12 02 1 0
=
p q p q
avem:
M X12 = M X22 = ::: = M Xn2 = p
deci:
D2 (Xi ) = M (Xi2 ) [M (Xi )]2 = p p2 = p (1 p) = pq
pentru 1 i n: Deci
D2 (B (n; p)) = pq + pq + ::: + pq = npq
| {z }
n ori

1.2 Abaterea medie p¼

atratic¼
a
De…niţia 1.2.1 Se numeşte abatere medie p¼ atratic¼
a a unei variabile aleatoare
r¼ad¼acina p¼atrat¼a din dispersia variabilei aleatoare.

Deci dac¼
a o vom nota cu ; abaterea medie p¼
atratic¼
a a unei variabile aleatoare
X va … egal¼
a cu: p
= D2 (X) (1.10)
Conform corolarului (1.1.6) abaterea medie p¼ atratic¼
a a unei sume de variabile
aleatoare independente este egal¼a cu r¼
ad¼
acina p¼atrat¼
a din suma p¼ atratelor abaterilor
medii p¼
atratice ale variabilelor aleatoare:
p
(X1 + X2 + ::: + Xn ) = D2 (X1 + X2 + ::: + Xn )
p
= D2 (X1 ) + D2 (X2 ) + ::: + D2 (Xn )
p
= 2 (X ) + 2 (X ) + ::: + 2 (X )
1 2 n

Spre deosebire de dispersie, abaterea medie p¼ atratic¼

a a unei variabile aleatoare
se exprim¼
a în aceleaşi unit¼
aţi de m¼
asur¼
a ca şi variabila aleatoare.

10
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

1.3 Variabile aleatoare independente cu aceeaşi repartiţie

S¼
a consider¼
am n variabile aleatoare independente X1 ; X2 ; :::; Xn cu aceeaşi repartiţie:
!
x1 x2 ::: xm
(1.11)
p1 p2 ::: pm
Not¼
am cu X media arirmetic¼ a a variabilelor aleatoare:
X1 + X2 + ::: + Xn
X= (1.12)
n
Vom calcula în continuare media şi dispersia variabilei aleatoare X: Avem:
X1 + X2 + ::: + Xn 1
M (X) = M = M (X1 + X2 + ::: + Xn )
n n
M (X1 ) + M (X2 ) + ::: + M (Xn )
=
n
P
n
Dar a = M (X1 ) = M (X2 ) = ::: = M (Xn ) = xi pi şi deci
i=1
na
M (X) = =a (1.13)
n
Penntru calculul dispersiei D2 X :
X1 + X2 + ::: + Xn 1 2
D2 X = D2 = D (X1 + X2 + ::: + Xn )
n n2
1
= D2 (X1 ) + D2 (X2 ) + ::: + D2 (Xn )
n2
P
n
Pe de alt¼
a parte 2 = D2 (X1 ) = D2 (X2 ) = ::: = D2 (Xn ) = (xi a)2 pi şi
i=1
deci:
1 2
D2 X = n 2
= (1.14)
n2 n
Abaterea medie p¼
atratic¼
a a variabilei aleatoare X va …:
X =p (1.15)
n
Aceste rezultate ne conduc la concluzia c¼ a dac¼a pentru m¼asurarea unei m¼arimi
…zice se fac mai multe m¼ asur¼
atori şi apoi se calculeaz¼a media aritmetic¼
a a rezultatelor
obţinute care se ia ca valoare aproximativ¼ a a m¼arimii m¼asurate, atunci dispersia
mediei aritmetice a m¼ asur¼
atorilor va … de n ori mai mic¼ a decât dispersia unei
singure m¼ asur¼
atori. Aceasta înseamn¼ a c¼a media aritmetic¼ a d¼a un rezultat mai
exact decât m¼ asur¼atorile separate.

11
 Cursul 4

1.4 Momente ale unei variabile aleatoare

Momentele sunt valori tipice ale unei variabile aleatoare pe care este util s¼
a le
cunoaştem în anumite probleme.
Sunt dou¼ a feluri de momente:

1. Momente iniţiale (pe scurt momente);

2. Momente centrate.

1.4.1 Momente iniţiale de ordinul k.

De…niţia 1.4.1 Momentul iniţial de ordinul k al unei variabile aleatoare X
este media variabilei aleatoare X k :

k = M Xk (1.16)

Observ¼
am c¼
a:

1 = M (X) (1.17)
2
2 = M X (1.18)

De asemenea, formula dispersiei (1.4) se poate scrie:

D2 (X) = 2
2
4 (1.19)

1.4.2 Momente centrate de ordinul k.

De…niţia 1.4.2 De…nim, dac¼a exist¼a, momentul centrat de ordinul k :
h i
k
k = M (X M (X))

Pentru k = 1; 2 avem:

1 = M [X M (X)] = 0 (1.20)
2 2
2 = M (X M (X)) = D (X): (1.21)

Dac¼
a distribuţia variabilei aleatoare este simetric¼
a avem

2k+1 = 0; 8k:

12
 Teoria probabilit¼
aţilor şi statistic¼
a matematic¼
a

Momentele centrate de ordinul trei 3 şi de ordinul patru 4 sunt utilizate

pentru a caracteriza forma distribuţiei.
Între momentele iniţiale şi cele centrate se pot obţine relaţii, de exemplu dac¼
a
compar¼am relaţia (1.19) cu relaţia (1.21) obţinem:
2
2 = 2 1 (1.22)

Plecând de la de…niţii şi folosind propriet¼

aţile mediei g¼
asim formulele:
3
3 = 3 3 1 2 +2 1 (1.23)
2 4
4 = 4 4 3 1 6 1 2 3 1 (1.24)

Exemplul 1.4.3 S¼a se calculeze momentele iniţiale şi centrate de ordinul 3 ale
variabilei aleatoare discrete X cu legea de probabilitate:
!
0 1 2 3
X: (1.25)
1=8 3=8 3=8 1=8

Soluţie:

1 3 3 1 3
M (X) = 0 + 1 + 2 + 3 = :
8 8 8 8 2
1 3 3 1 27
3 = M X3 = 03 + 13 + 23 + 33 = :
8 8 8 8 4
3
27 3 27
3 = M X3 [M (X)]3 = = :
4 2 8

13
Index

Abaterea
medie patratica, 10

Dispersia
unei variabile aleatoare
continue, 6

Momente
ale unei variabile aleatoare, 12
centrate de ordinul k, 12
initiale de ordinul k, 12

14