Documente Academic
Documente Profesional
Documente Cultură
Vectori aleatori.
Repartiții probabilistice reale multidimensionale
∅ , (𝑎, 𝑏) , (𝑎, 𝑏] , [𝑎, 𝑏) , [𝑎, 𝑏] , (−∞, 𝑎) , (−∞, 𝑎] , (𝑎, +∞) , [𝑎, +∞) , (−∞, +∞) = ℝ ,
(∀) 𝑎 < 𝑏
sunt elemente ale familiei ℬℝ .
De exemplu,
Definiţia 3.1
Fie (𝛺, 𝒦) un σ-camp de evenimente aleatoare asociat unei experiențe cu
spațiul de bază Ω. Spunem că aplicația 𝑉 ∶ Ω → ℝ𝑛 se numește vector aleator real
(V.A.R.) dacă satisface proprietatea de măsurabilitate în sens Borel și anume:
unde,
𝑉 −1 (𝐵) = { 𝜔 ∈ Ω ∶ 𝑉(𝜔) ∈ 𝐵 } , (∀) 𝐵 ∈ ℬℝ𝑛 .
Exemple simple:
𝑉 −1 (ℝ𝑛 ) = Ω ∈ 𝒦 ;
𝑉 −1 (∅ ∈ ℬℝ𝑛 ) = ∅ ∈ 𝒦 .
Definiţia 3.4
Fie (𝛺, 𝒦, 𝑃) un σ-camp de probabilitate asociat unei experiențe aleatoare
cu spațiul de bază Ω, iar 𝑉 ∶ Ω → ℝ𝑛 un vector aleator a.î. 𝑉 −1 : 𝒫(ℝ𝑛 ) → 𝒫(Ω).
Definim :
𝒦 (𝑉) = { 𝐵 ∈ 𝒫(ℝ𝑛 ) ∶ 𝑉 −1 (𝐵) ∈ 𝒦 } (3.2.1)
𝑛
= 𝑃[ (𝑋1 < 𝑥1 ) ∩ (𝑋2 < 𝑥2 ) ∩ … ∩ (𝑋𝑛 < 𝑥𝑛 ) ] = 𝑃[ ∩𝑖=1 (𝑋𝑖 < 𝑥𝑖 ) ] ,
Demonstrație
𝑛
(b) lim 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = lim 𝑃[ ∩𝑖=1 (𝑋𝑖 < 𝑥𝑖 ) ] =
̅̅̅̅̅ ∶ 𝑥𝑖 → −∞
(∃) 𝑖=1,𝑛 ̅̅̅̅̅ ∶ 𝑥𝑖 → −∞
(∃) 𝑖=1,𝑛
= 𝑃[ (𝑋1 < +∞) ∩ (𝑋2 < +∞) ∩ … ∩ (𝑋𝑖 < + ∞) … ∩ (𝑋𝑛 < +∞) ] =
= 𝑃[ Ω ∩ Ω ∩ … ∩ Ω … ∩ Ω ] = 𝑃(Ω) = 1 ;
(c) Vom arăta că (∀) 𝑥, 𝑦 ∈ ℝ𝑛 a.î. " 𝑥 < 𝑦 " implică 𝐹(𝑥) ≤ 𝐹(𝑦) :
84 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
(∃) 𝑖 = ̅̅̅̅̅
1, 𝑛 ∶ 𝑥𝑖 < 𝑦𝑖
𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) < 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) ⟺ {
𝑥𝑗 ≤ 𝑦𝑗 , (∀) 𝑗 = ̅̅̅̅̅
1, 𝑛 , 𝑗 ≠ 𝑖
𝜕𝑛
𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) , (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝑛 (3.2.4)
𝜕𝑥1 𝜕𝑥2 … 𝜕𝑥𝑛
Teorema 3.8
Considerăm vectorul aleator 𝑉 = 𝑉( 𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ∶ Ω → ℝ𝑛 astfel încat
componentele sale 𝜌𝑖 (𝑉) = 𝑋𝑖 ∶ Ω → ℝ , (𝑖 = ̅̅̅̅̅
1, 𝑛) sunt variabile aleatoare i.s.a. .
𝑛
Atunci, funcția de repartiție 𝐹 ∶ ℝ → ℝ , 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑃[ ∩𝑖=1 (𝑋𝑖 < 𝑥𝑖 ) ]
𝑛
𝑛
𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑃[ ∩𝑖=1 (𝑋𝑖 < 𝑥𝑖 ) ] = ∏𝑛𝑖=1 𝑃(𝑋𝑖 < 𝑥𝑖 ) = ∏𝑛𝑖=1 𝐹𝑖 (𝑥𝑖 ) , (3.2.5)
(∀) 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝑛
pentru care 𝑓𝑖 ∶ ℝ → ℝ a.î. 𝑓𝑖 (𝑥𝑖 ) = 𝐹𝑖′ (𝑥𝑖 ) , (∀) 𝑥𝑖 ∈ ℝ sunt funcțiile de densitate ale
componentelor.
∎
Interpretarea teoremei 3.8/3.9
Pentru orice vector aleator cu componentele i.s.a. funcția de repartiție
𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∏𝑛𝑖=1 𝐹𝑖 (𝑥𝑖 ) este produsul funcțiilor de repartiție ale
componentelor. Dacă în plus 𝑉 este continuu atunci funcția de densitate
𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∏𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 ) are aceeași proprietate.
86 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
Observații :
1°. Dacă vectorul aleator 𝑉( 𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ∶ Ω → ℝ𝑛 este continuu atunci
funcția sa de repartiție 𝐹 ∶ ℝ𝑛 → ℝ , 𝐹(𝑥) = 𝑃(𝑉 < 𝑥) este o primitivă pe ℝ𝑛 a
funcției de densitate 𝑓 ∶ ℝ𝑛 → ℝ . Prin urmare, 𝐹 este implicit continuă pe ℝ𝑛 și
obținem,
𝐹(𝑥 − 0) = 𝐹(𝑥) = 𝐹(𝑥 + 0) , (∀) 𝑥 ∈ ℝ𝑛 ⟺
𝑥
⟺ 𝐹(𝑥) = 𝑃(𝑉 < 𝑥) = 𝑃(𝑉 ≤ 𝑥) = ∫− ∞ 𝑓(𝑡)𝑑𝑡 , (∀) 𝑥 ∈ ℝ𝑛 (3.2.7)
+∞ +∞ +∞
1 = lim 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∫− ∞ ∫− ∞ … ∫− ∞ 𝑓(𝑡1 , 𝑡2 , … , 𝑡𝑛 )𝑑𝑡1 𝑑𝑡2 … 𝑑𝑡𝑛
̅̅̅̅̅ ∶ 𝑥𝑖 →+∞
(∀) 𝑖=1,𝑛
Definiția 3.10
Considerăm vectorul aleator 𝑉 = 𝑉( 𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ∶ Ω → ℝ𝑛 avand
componentele 𝜌𝑖 (𝑉) = 𝑋𝑖 ∶ Ω → ℝ , (𝑖 = ̅̅̅̅̅1, 𝑛 ) și funcția de repartiție 𝐹 ∶ ℝ𝑛 → ℝ ,
𝑛
𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑃[ ∩𝑖=1 (𝑋𝑖 < 𝑥𝑖 ) ].
Funcțiile de repartiție ale componentelor 𝐹𝑖 ∶ ℝ → ℝ , (𝑖 = 1, ̅̅̅̅̅
𝑛) se numesc
repartițiile marginale ale vectorului 𝑉 și sunt definite astfel:
+∞ +∞ 𝑥 +∞
𝐹𝑖 (𝑥𝑖 ) = ∫− ∞ ∫− ∞ … ∫− 𝑖∞ … ∫− ∞ 𝑓(𝑥1 , 𝑥2 , … , 𝑡𝑖 , … , 𝑥𝑛 )𝑑𝑥1 𝑑𝑥2 … 𝑑𝑡𝑖 … 𝑑𝑥𝑛 , 𝑖 = ̅̅̅̅̅
1, 𝑛
+∞ +∞ +∞
𝑓𝑖 (𝑥𝑖 ) = 𝐹𝑖′ (𝑥𝑖 ) = ∫− ∞ ∫− ∞ … ∫− ∞ 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑖 , … , 𝑥𝑛 )𝑑𝑥1 𝑑𝑥2 … 𝑑𝑥𝑖−1 𝑑𝑥𝑖+1 … 𝑑𝑥𝑛
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 87
Cazul particular : 𝒏 = 𝟐
Considerăm vectorul aleator 𝑉 = 𝑉( 𝑋 , 𝑌 ) ∶ Ω → ℝ2 avand funcția de
repartiție 𝐹 ∶ ℝ2 → ℝ , 𝐹(𝑥 , 𝑦) = 𝑃[ (𝑋 < 𝑥) ∩ (𝑌 < 𝑦) ].
̅̅̅̅) ale componentelor 𝑋, 𝑌 ∶ Ω → ℝ
Funcțiile de repartiție 𝐹𝑖 ∶ ℝ → ℝ , (𝑖 = 1,2
se numesc repartițiile marginale ale vectorului 𝑉 și sunt definite astfel:
𝑥 +∞
𝐹1 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = lim 𝐹(𝑥 , 𝑦) = ∫− ∞ ∫− ∞ 𝑓(𝑠, 𝑦)𝑑𝑠𝑑𝑦 , 𝑥 ∈ ℝ ; (3.2.12)
𝑦 → +∞
+∞ 𝑦
𝐹2 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = lim 𝐹(𝑥 , 𝑦) = ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑡)𝑑𝑥𝑑𝑡 , 𝑦 ∈ ℝ
𝑥 → +∞
𝑑 𝑥 +∞ +∞
𝑓1 (𝑥) = 𝐹1′ (𝑥) = ∫ ∫ 𝑓(𝑠, 𝑦)𝑑𝑠𝑑𝑦 = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑦 , 𝑥 ∈ ℝ ; (3.2.13)
𝑑𝑥 − ∞ − ∞
𝑑 +∞ 𝑦 +∞
𝑓2 (𝑦) = 𝐹2′ (𝑦) = ∫ ∫ 𝑓(𝑥, 𝑡)𝑑𝑥𝑑𝑡 = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 , 𝑦 ∈ ℝ .
𝑑𝑦 − ∞ − ∞
Cazul particular : 𝒏 = 𝟑
Considerăm vectorul aleator 𝑉 = 𝑉( 𝑋 , 𝑌, 𝑍 ) ∶ Ω → ℝ3 avand funcția de
repartiție 𝐹 ∶ ℝ3 → ℝ , 𝐹(𝑥 , 𝑦, 𝑧) = 𝑃[ (𝑋 < 𝑥) ∩ (𝑌 < 𝑦) ∩ (𝑍 < 𝑧) ].
̅̅̅̅) ale componentelor 𝑋, 𝑌, 𝑍 ∶ Ω → ℝ
Funcțiile de repartiție 𝐹𝑖 ∶ ℝ → ℝ , (𝑖 = 1,3
se numesc repartițiile marginale ale vectorului 𝑉 și sunt definite astfel:
𝑥 +∞ +∞
𝐹1 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝑦 lim
→ +∞
𝐹(𝑥 , 𝑦 , 𝑧) = ∫− ∞ ∫− ∞ ∫− ∞ 𝑓(𝑠, 𝑦, 𝑧) 𝑑𝑠𝑑𝑦𝑑𝑧 , 𝑥 ∈ ℝ ;
𝑧 → +∞
+∞ 𝑦 +∞
𝐹2 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑥 lim
→ +∞
𝐹(𝑥 , 𝑦 , 𝑧) = ∫− ∞ ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑡, 𝑧) 𝑑𝑥𝑑𝑡𝑑𝑧 , 𝑦 ∈ ℝ ;
𝑧 → +∞
+∞ +∞ 𝑧
𝐹3 (𝑧) = 𝑃(𝑍 ≤ 𝑧) = 𝑥 lim
→ +∞
𝐹(𝑥 , 𝑦 , 𝑧) = ∫− ∞ ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑦, 𝑢) 𝑑𝑥𝑑𝑦𝑑𝑢 , 𝑧 ∈ ℝ
𝑦 → +∞
𝑑 𝑥 +∞ +∞ +∞ +∞
𝑓1 (𝑥) = 𝐹1′ (𝑥) = ∫ ∫ ∫ 𝑓(𝑠, 𝑦, 𝑧) 𝑑𝑠𝑑𝑦𝑑𝑧 = ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑦, 𝑧)𝑑𝑦𝑑𝑧 ;
𝑑𝑥 − ∞ − ∞ − ∞
𝑑 +∞ 𝑦 +∞ +∞ +∞
𝑓2 (𝑦) = 𝐹2′ (𝑦) = ∫ ∫ ∫ 𝑓(𝑥, 𝑡, 𝑧) 𝑑𝑥𝑑𝑡𝑑𝑧 = ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥𝑑𝑧 ;
𝑑𝑦 − ∞ − ∞ − ∞
𝑑 +∞ +∞ 𝑧 +∞ +∞
𝑓3 (𝑧) = 𝐹3′ (𝑧) = ∫ ∫ ∫ 𝑓(𝑥, 𝑡, 𝑧) 𝑑𝑥𝑑𝑦𝑑𝑢 = ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥𝑑𝑦 .
𝑑𝑧 − ∞ − ∞ − ∞
Exemplul 3.11
Se consideră vectorul aleator continuu 𝑉 = 𝑉( 𝑋 , 𝑌 ) dat prin densitatea de
repartiție,
𝑎(𝑥 + 𝑦) , 𝑑𝑎𝑐ă 𝑥 ∈ [0 , 1] , 𝑦 ∈ [0 , 2]
𝑓(𝑥, 𝑦) = { . Se cere:
0 , 𝑟𝑒𝑠𝑡
Rezolvare :
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 89
+∞ +∞
(a) Impunem condiția necesară 1 = 𝑥 lim
→ +∞
𝐹(𝑥 , 𝑦 ) = ∫− ∞ ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 și
𝑦 → +∞
obținem:
𝑦=2
1 2 1 𝑦2 1
1 = ∫0 ∫0 [ 𝑎(𝑥 + 𝑦) ] 𝑑𝑥𝑑𝑦 = ∫0 𝑎 (𝑥𝑦 + )| 𝑑𝑥 = 𝑎 ∫0 (2𝑥 + 2)𝑑𝑥 = 3𝑎 ; 𝑎 = 1/3.
2 𝑦=0
1
(𝑥 + 𝑦) , 𝑑𝑎𝑐ă (𝑥, 𝑦) ∈ [0 , 1] × [0 , 2]
3
𝑓(𝑥, 𝑦) = { .
0 , 𝑟𝑒𝑠𝑡
𝑥 𝑦
𝐹(𝑥 , 𝑦) = 𝑃[ (𝑋 < 𝑥) ∩ (𝑌 < 𝑦) ] = ∫−∞ ∫−∞ 𝑓(𝑠, 𝑡)𝑑𝑠𝑑𝑡 =
0 , 𝑟𝑒𝑠𝑡
𝑡=𝑦
𝑥 𝑦 1 𝑥1 𝑡2 𝑥𝑦
∫0 ∫0 [ 3 (𝑠 + 𝑡) ] 𝑑𝑠𝑑𝑡 = ∫0 3 (𝑠𝑡 + 2 )| 𝑑𝑠 =
6
(𝑥 + 𝑦) , (𝑥, 𝑦) ∈ [0 , 1] × [0 , 2]
𝑡=0
{ 1 , 𝑑𝑎𝑐ă 𝑥 > 1 ș𝑖 𝑦 > 2
𝑦=2
+∞ 1 2 1 𝑦2 2
𝑓1 (𝑥) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫0 (𝑥 + 𝑦)𝑑𝑦 = (𝑥𝑦 + )| = (𝑥 + 1) ,
3 3 2 𝑦=0 3
𝑥 ∈ [0 , 1].
2 𝑥=1
+∞ 1 1 1 𝑥 1 1
𝑓2 (𝑦) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫0 (𝑥 + 𝑦)𝑑𝑥 = (𝑥𝑦 + )| 𝑑𝑥 = (𝑦 + ) ,
3 3 2 𝑥=0 3 2
𝑦 ∈ [0 , 2].
Observație: Deoarece,
2 1
(𝑥 + 1)(𝑦 + ) , 𝑑𝑎𝑐ă (𝑥, 𝑦) ∈ [0 , 1] × [0 , 2]
9 2
𝑓1 (𝑥) ∙ 𝑓2 (𝑦) = { ≠ 𝑓(𝑥, 𝑦)
0 , 𝑟𝑒𝑠𝑡
2 1 25 5
𝑀(𝑋) = ∫ℝ 𝑥𝑓1 (𝑥)𝑑𝑥 = ∫ 𝑥(𝑥 + 1)𝑑𝑥 = = ;
3 0 36 9
1 2 1 1 11 11
𝑀(𝑌) = ∫ℝ 𝑦𝑓2 (𝑦)𝑑𝑦 = ∫ 𝑦(𝑦 + 2)𝑑𝑥 = = ;
3 0 3 3 9
5 2 1 5 7 25 13
𝐷2 (𝑋) = ∫ℝ 𝑥 2 𝑓1 (𝑥)𝑑𝑥 − ( )2 = ∫0 𝑥 2 (𝑥 + 1)𝑑𝑥 − ( )2 = − = ;
9 3 9 18 81 162
11 1 2 1 11 16 121 23
𝐷2 (𝑌) = ∫ℝ 𝑦 2 𝑓2 (𝑦)𝑑𝑦 − ( )2 = ∫0 𝑦(𝑦 + )𝑑𝑥 − ( )2 =
9 3 2 9 9
− = .
81 81
1 1 1
(e) 𝑃 [ (𝑋 ≤ ) ∩ (𝑌 ≤ 1) ] = 𝐹 (
2 2
, 1) =
8
.
(∀) (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ 𝐷1 ⊆ ℝ𝑛 .
Evident, există transformarea inversă (3.3.3):
(∀) (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ 𝐷1 ⊆ ℝ𝑛 .
iar transformarea inversă este dată de (3.3.3),
𝑔 ∶ 𝐷2 = 𝑊(Ω) ⊆ ℝ𝑛 → ℝ , 𝑢 = 𝑔(𝑦1 , 𝑦2 , … , 𝑦𝑛 ) =
= (𝑓 ◦ 𝜏 − 1 )(𝑦1 , 𝑦2 , … , 𝑦𝑛 ) | 𝐽𝜏− 1 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) | .
𝑔 ∶ 𝐷2 = 𝑊(Ω) ⊆ ℝ𝑛 → ℝ , 𝑢 = 𝑔(𝑦1 , 𝑦2 , … , 𝑦𝑛 )
𝑓 ∶ 𝐷1 = 𝑉(Ω) ⊆ ℝ𝑛 → ℝ , 𝑧 = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) =
= (𝑔 ◦ 𝜏)(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) | 𝐽𝜏 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) |.
∎
Exemplul 3.14
Se consideră vectorul aleator 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin densitatea de
repartiţie,
𝑒 − (𝑥 + 𝑦) , 𝑝𝑡. 𝑥 ,𝑦 ≥ 0
𝑓(𝑥, 𝑦) = {
0 , 𝑟𝑒𝑠𝑡
Să se determine :
a) Funcţia de repartiţie 𝐹 ∶ ℝ2 → ℝ , 𝐹(𝑥, 𝑦) = 𝑃(𝑋 < 𝑥 ; 𝑌 < 𝑦)
1 𝑋
b) 𝑃( 𝑋 < 2𝑌 ) , 𝑃( 𝑋 + 𝑌 ≥ 1 ) , 𝑃( 1 ≤ 𝑋 + 𝑌 ≤ 2 ) , 𝑃 ( ≤ ≤1)= ?
2 𝑌
c) Repartiţiile marginale. Interpretare
𝑋
d) Repartiţia probabilistică a vectorului 𝑊 = (𝑇, 𝑍) = ( 𝑋 + 𝑌 , ) : Ω → ℝ2
𝑌
e) Repartiţiile marginale ale componentelor lui 𝑊 . Interpretare
1 𝑋
f) Verificare - 𝑃(𝑋 < 2𝑌) , 𝑃(𝑋 + 𝑌 ≥ 1) , 𝑃( 1 ≤ 𝑋 + 𝑌 ≤ 2 ) , 𝑃 ( ≤ ≤ 1 ).
2 𝑌
Rezolvare
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 93
a)
Funcţia de repartiţie 𝐹 ∶ ℝ2 → ℝ ,
𝑥 𝑦
𝐹(𝑥, 𝑦) = 𝑃(𝑋 < 𝑥 ; 𝑌 < 𝑦) = ∫− ∞ ∫− ∞ 𝑓(𝑠, 𝑡)𝑑𝑠𝑑𝑡 =
𝑥 𝑦
∫0 ∫0 𝑒 − (𝑠 + 𝑡) 𝑑𝑠𝑑𝑡 , 𝑑𝑎𝑐ă 𝑥 ≥ 0 ș𝑖 𝑦 ≥ 0
={ =
0, 𝑑𝑎𝑐ă 𝑥 < 0 𝑠𝑎𝑢 𝑦 < 0
𝑥 𝑦
∫0 𝑒 − 𝑠 𝑑𝑠 ∫0 𝑒 − 𝑡 𝑑𝑡 , 𝑑𝑎𝑐ă 𝑥 ≥ 0 ș𝑖 𝑦 ≥ 0
={ =
0, 𝑑𝑎𝑐ă 𝑥 < 0 𝑠𝑎𝑢 𝑦 < 0
1 𝑋
b) 𝑃( 𝑋 < 2𝑌 ) , 𝑃( 𝑋 + 𝑌 ≥ 1 ) , 𝑃( 1 ≤ 𝑋 + 𝑌 ≤ 2 ) , 𝑃 ( ≤ ≤1)= ?
2 𝑌
94 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
∞ ∞ ∞ ∞ ∞
= ∫0 ∫𝑥/2 𝑒 − (𝑥 + 𝑦) 𝑑𝑥𝑑𝑦 = ∫0 𝑒 − 𝑥 ∫𝑥/2 𝑒 − 𝑦 𝑑𝑥𝑑𝑦 = ∫0 𝑒 − 𝑥 ( − 𝑒 −𝑦 | ∞
𝑥 ) 𝑑𝑥 =
2
∞ 𝑥 3𝑥 ∞ 2
= ∫0 𝑒 − 𝑥 ∙ 𝑒 − 2 𝑑𝑥 = −
2
∙ 𝑒− 2 | = .
3
0 3
Analog,
𝑃( 1 ≤ 𝑋 + 𝑌 ≤ 2 ) = ∬𝐷 2 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 =
2 = { (𝑥,𝑦)∈ℝ ∶ 1 ≤ 𝑥 + 𝑦 ≤ 2 }
1 2−𝑥 2 2−𝑥
= ∫0 𝑒 − 𝑥 ∫1 − 𝑥 𝑒 − 𝑦 𝑑𝑥𝑑𝑦 + ∫1 𝑒 − 𝑥 ∫0 𝑒 − 𝑦 𝑑𝑥𝑑𝑦 =
1 2
= ∫0 𝑒 − 𝑥 ( − 𝑒 −𝑦 |12 −− 𝑥𝑥 ) 𝑑𝑥 + ∫1 𝑒 − 𝑥 ( − 𝑒 −𝑦 |20 − 𝑥 ) 𝑑𝑥 =
1 2
= ∫0 ( 𝑒 − 1 − 𝑒 − 2 )𝑑𝑥 + ∫1 ( 𝑒 − 𝑥 − 𝑒 − 2 )𝑑𝑥 +
2 3
= ( 𝑒 − 1 − 𝑒 − 2 ) + (− 𝑒 − 𝑥 − 𝑥 𝑒 − 2 )12 = − .
𝑒 𝑒2
Analog,
1 𝑋
𝑃( ≤ ≤ 1)=∬ 1 𝑥 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 =
2 𝑌 𝐷3 = { (𝑥,𝑦)∈ℝ2 ∶ ≤ ≤ 1 }
2 𝑦
∞ 2𝑥 ∞ 2𝑥 ∞
= ∫0 ∫𝑥 𝑒 − (𝑥 + 𝑦) 𝑑𝑥𝑑𝑦 = ∫0 𝑒 − 𝑥 ∫𝑥 𝑒 − 𝑦 𝑑𝑥𝑑𝑦 = ∫0 𝑒 − 𝑥 ( − 𝑒 −𝑦 |2𝑥
𝑥 ) 𝑑𝑥 =
1 1 ∞ 1 1 1
∞
= ∫0 ( 𝑒 − 2𝑥 − 𝑒 −3𝑥 )𝑑𝑥 = (− 𝑒 −3𝑥 + 3 𝑒 −3𝑥 ) | = − = .
2 0 2 3 6
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 95
∞
+∞ 𝑒 − 𝑦 ∫0 𝑒 − 𝑥 𝑑𝑥 = 𝑒 − 𝑦 ( − 𝑒 −𝑥 |∞
0 )= 𝑒
−𝑦
, 𝑑𝑎𝑐ă 𝑦 ≥ 0
𝑓2 (𝑦) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 = { .
0 , 𝑑𝑎𝑐ă 𝑦 < 0
𝑒 − (𝑥 + 𝑦) , 𝑑𝑎𝑐ă 𝑥 , 𝑦 ≥ 0
𝑓1 (𝑥) ∙ 𝑓2 (𝑦) = 𝑓(𝑥, 𝑦) = { , (∀) (𝑥, 𝑦) ∈ ℝ2
0 , 𝑟𝑒𝑠𝑡
sau inversa,
𝑡𝑧
𝑥=
−1 1+𝑧
𝜏 2
∶ 𝑊(Ω) ⊆ ℝ → 𝑉(Ω) ⊆ ℝ , (𝑥, 𝑦) = 𝜏 2 − 1 (𝑡,
𝑧) 𝑎. î. { 𝑡 .
𝑦=
1+𝑧
𝑋
În acest fel, 𝑑𝑒𝑛𝑠𝑖𝑡𝑎𝑡𝑒𝑎 𝑑𝑒 𝑟𝑒𝑝𝑎𝑟𝑡𝑖ț𝑖𝑒 a vectorului 𝑊 = (𝑇, 𝑍) = ( 𝑋 + 𝑌 , ) are
𝑌
expresia analitică,
Obținem,
𝑡
𝑒− 𝑡 ∙ ( , 𝑑𝑎𝑐ă 𝑡 , 𝑧 ≥ 0
1 + 𝑧)2
𝑔(𝑡, 𝑧) = {
0 , 𝑟𝑒𝑠𝑡
∞ 𝑑𝑧 −1 ∞
+∞ 𝑡 𝑒 − 𝑡 ∫0 (1+𝑧)2
= 𝑡𝑒 −𝑡 ( | ) = 𝑡 𝑒 − 𝑡 , 𝑑𝑎𝑐ă 𝑡 ≥ 0
𝑔1 (𝑡) = ∫− ∞ 𝑔(𝑡, 𝑧)𝑑𝑧 = { 1+𝑧 0
0 , 𝑑𝑎𝑐ă 𝑡 < 0
1 ∞ 1 1
+∞ ∫0 𝑡 𝑒 − 𝑡 𝑑𝑡 = (1 + 𝑧)2 Γ(2) = (1 + 𝑧)2 , 𝑑𝑎𝑐ă 𝑧 ≥ 0
𝑔2 (𝑧) = ∫− ∞ 𝑔(𝑡, 𝑧)𝑑𝑡 = { (1+𝑧)2 .
0 , 𝑑𝑎𝑐ă 𝑧 < 0
𝑡
𝑒− 𝑡 ∙ ( , 𝑑𝑎𝑐ă 𝑡 , 𝑧 ≥ 0
1 + 𝑧)2
𝑔1 (𝑡) ∙ 𝑔2 (𝑧) = 𝑔(𝑡, 𝑧) = { ,
0 , 𝑟𝑒𝑠𝑡
𝑋 2
𝑃( 𝑋 < 2𝑌 ) = 𝑃 ( < 2) = 𝑃(𝑍 < 2) = 𝐺2 (2) = ∫− ∞ 𝑔2 (𝑧) 𝑑𝑧 =
𝑌
2 1 −1 2 2
= ∫0 ( 𝑑𝑧 = ( | )= ;
1+𝑧)2 1+𝑧 0 3
2
𝑃( 1 ≤ 𝑋 + 𝑌 ≤ 2 ) = 𝑃(1 ≤ 𝑇 ≤ 2) = 𝐺1 (2) − 𝐺1 (1) = ∫1 𝑔1 (𝑡) 𝑑𝑡 =
2 2 3
= ∫1 𝑡 𝑒 − 𝑡 𝑑𝑡 = (−𝑡 𝑒 − 𝑡 − 𝑒 − 𝑡 ) |12 = − 2 .
𝑒 𝑒
1 𝑋 1 1
𝑃( ≤ ≤ 1 ) = 𝑃 ( ≤ 𝑍 ≤ 1 ) = ∫1/2 𝑔2 (𝑧) 𝑑𝑧 =
2 𝑌 2
1 1 −1 1 1
= ∫1/2 ( 𝑑𝑧 = ( | )= .
1+𝑧)2 1+𝑧 1/2 6
Să se determine :
a) Repartiţiile marginale. Interpretare
b) Mediile şi dispersiile componentelor : 𝑀(𝑋) , 𝑀(𝑌) ; 𝐷2 (𝑋) , 𝐷2 (𝑌)
c) Curbele de regresie : 𝑥 = 𝑀( 𝑋 | 𝑦) ; 𝑦 = 𝑀( 𝑌 | 𝑥).
Rezolvare :
a) Repartiţiile marginale vor fi date prin funcțiile de densitate ale
componentelor:
1 1
+∞ − (𝑥2 – 2𝑥𝑦 + 2𝑦2 )
𝑓1 (𝑥) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ℝ 𝑒 2 𝑑𝑦 =
2𝜋
1 2 1
1 1 1
− (𝑦 2 – 𝑥𝑦 + 2 𝑥2 ) − (𝑦 – 2 𝑥) − 4 𝑥2 𝑥
= ∫ 𝑒 𝑑𝑦 = ∫ 𝑒 𝑑𝑦 = ( t = 𝑦 – ; dy = dt) =
2𝜋 ℝ 2𝜋 ℝ 2
1 2
1 1 − 1𝑥2
𝑒 − 4 𝑥 ∫ℝ 𝑒−𝑡 𝑑𝑡 =
2
𝑒 4 2 ∫0∞ 𝑒 −𝑡 𝑑𝑡 = ( 𝑡 2 = u ; dt = 2√𝑢
1
2
= du) =
2𝜋 2𝜋
1 2 1 2 1 2
1 ∞ 1 1 1
= 𝑒 − 4 𝑥 ∫0 𝑢− 1/2 𝑒− 𝑢 𝑑𝑢 = 𝑒− 4 𝑥 Γ ( ) = 𝑒− 4 𝑥 .
2𝜋 2𝜋 2 2√𝜋
Analog,
1 1
+∞ − (𝑥2 – 2𝑥𝑦 + 2𝑦2 )
𝑓2 (𝑦) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ℝ 𝑒 2 𝑑𝑥 =
2𝜋
1 − 1𝑦2 1
– 𝑦)2
=
2𝜋
𝑒 2 ∫ℝ 𝑒− 2 (𝑥 𝑑𝑥 = ( t = x − 𝑦 ; dx = dt) =
1 2 1 2 1 2 1 2
1 1 1 1
= 𝑒− 2 𝑦 ∙ − 𝑡 − 𝑦
∫ 𝑒 2 𝑑𝑡 = √2𝜋 𝑒 2 , deoarece
− 𝑡
∫ 𝑒 2 𝑑𝑡 = 1.
√2𝜋 √2𝜋 ℝ √2𝜋 ℝ
+∞ 1 1 2
𝑀(𝑋) = ∫− ∞ 𝑥𝑓1 (𝑥)𝑑𝑥 = ∫
2√𝜋 ℝ
𝑥 𝑒− 4 𝑥 𝑑𝑥 = 0 ;
+∞ +∞ 1 ∞ 2 − 14 𝑥2
𝐷2 (𝑋) = ∫− ∞ 𝑥 2 𝑓1 (𝑥)𝑑𝑥 − 0 = 2 ∫0 𝑥 2 𝑓1 (𝑥)𝑑𝑥 = ∫ 𝑥 𝑒 𝑑𝑥 =
√𝜋 0
1 1
=( 𝑥 2 = 𝑡 ; 𝑑𝑥 = dt ) = ... = 2 ;
4 √𝑡
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 99
1
1 − 2 𝑦2
Deoarece 𝑓2 (𝑦) =
√2𝜋
𝑒 rezultă că 𝑌 este repartizată normal
standard și deci 𝑀(𝑌) = 0 ; 𝐷2 (𝑌) = 1 .
1 2 1 𝑥−𝑚 2
1 1
Deoarece 𝑓1 (𝑥) =
2 √𝜋
𝑒− 2 𝑥 = adică, 𝑒− 2
(
𝜎
)
rezultă că 𝑋
𝜎 √2𝜋
urmează o repartiție normală generală cu parametrii 𝑚 = 𝑀(𝑋) = 0 și dispersia
𝜎 2 = 𝐷 2 (𝑋) = 2.
Interpretare : Întrucat,
1 2 1 1 2
1 2 1 + 𝑦2 )
𝑓(𝑥, 𝑦) =
2𝜋
∙ 𝑒− 2(𝑥 – 2𝑥𝑦 + 2𝑦 ) ≠ 𝑓1 (𝑥)𝑓2 (𝑦) = ∙ 𝑒 − 2( 2𝑥
2𝜋√2
+∞
𝑦 → 𝑥 = ℎ(𝑦) = 𝑀( 𝑋 | 𝑦) = ∫− ∞ 𝑥𝑓(𝑥/𝑦)𝑑𝑥
𝑓(𝑥,𝑦)
𝑓(𝑥/𝑦) = este densitatea condiționată a variabilei 𝑋.
𝑓2 (𝑦)
+∞
𝑥 → 𝑦 = 𝑘(𝑥) = 𝑀( 𝑌 | 𝑥) = ∫− ∞ 𝑦𝑓(𝑦/𝑥)𝑑𝑦
𝑓(𝑥,𝑦)
𝑓(𝑦/𝑥) = este densitatea condiționată a variabilei 𝑌.
𝑓1 (𝑥)
𝑦 → ℎ(𝑦) = 𝑀( 𝑋 | 𝑦) = 4𝑦 ;
𝑥 → 𝑘(𝑥) = 𝑀( 𝑌 | 𝑥) = 𝑥 .
100 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
Problema 3.4.2
Se consideră vectorul aleator 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin densitatea de
repartiţie,
1
, 𝑝𝑡. 𝑥 ∈ (0 , 1] ; 𝑥 ≤ 𝑦 ≤ 1
2√𝑥𝑦
𝑓(𝑥, 𝑦) = {
0 , 𝑟𝑒𝑠𝑡
Să se determine :
Rezolvare
1 𝑦=1 1 1 𝑦=1 1− √𝑥
+∞ ∫𝑦=𝑥 𝑑𝑦 = ( √𝑦| 𝑦=𝑥 ) = , 𝑑𝑎𝑐ă 𝑥 ∈ (0 , 1]
√𝑥 2√𝑦 √𝑥 √𝑥
𝑓1 (𝑥) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑦 ={
0 , 𝑑𝑎𝑐ă 𝑥 ∉ (0 , 1]
1 𝑥=𝑦 1 1 𝑥=𝑦
∫𝑥=0 𝑑𝑦 = ( √𝑥| 𝑥=0 ) = 1 , 𝑑𝑎𝑐ă 𝑦 ∈ (0 , 1]
𝑓2 (𝑦) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 = {√𝑦 √𝑦
+∞ 2√𝑥
.
0 , 𝑑𝑎𝑐ă 𝑦 ∉ (0 , 1]
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 101
1
, 𝑝𝑡. 𝑥 ∈ (0 , 1] ; 𝑥 ≤ 𝑦 ≤ 1
2√𝑥𝑦
𝑓(𝑥, 𝑦) = { ≠ 𝑓1 (𝑥) ∙ 𝑓2 (𝑦) , (∀) (𝑥, 𝑦) ∈ ℝ2
0 , 𝑟𝑒𝑠𝑡
3 1
+∞ 1 2 1 1
𝑀(𝑋) = ∫− ∞ 𝑥𝑓1 (𝑥)𝑑𝑥 = ∫0 √𝑥 (1 − √𝑥)𝑑𝑥 = ( 𝑥 2 − 𝑥 2 )| = ;
3 2 0 6
+∞ 1 1 1
𝐷2 (𝑋) = ∫− ∞ 𝑥 2 𝑓1 (𝑥)𝑑𝑥 − = ∫0 𝑥 √𝑥 (1 − √𝑥)𝑑𝑥 − =
36 36
1
2 5 1 3 1 1 1 7
=( 𝑥2 − 𝑥 )| − = − = ;
5 3 0 36 15 36 180
+∞ 1 1 2 1 1
𝑀(𝑌) = ∫− ∞ 𝑦𝑓2 (𝑦)𝑑𝑦 = ∫0 𝑦𝑑𝑦 = ( 𝑦 )| = ;
2 0 2
+∞ 1 1 1 1 1 1
𝐷2 (𝑌) = ∫− ∞ 𝑦 2 𝑓2 (𝑦)𝑑𝑦 − = ∫0 𝑦 2 𝑑𝑦 − = − = ;
4 4 3 4 12
+∞ +∞ 𝑓(𝑥,𝑦)
𝑥 = ℎ(𝑦) = 𝑀( 𝑋 | 𝑦) = ∫− ∞ 𝑥𝑓(𝑥/𝑦) 𝑑𝑥 = ∫− ∞ 𝑥 ( ) 𝑑𝑥 =
𝑓2 𝑦
𝑦
𝑦 √𝑥 1 2 3 𝑦
= ∫0
2√𝑦
𝑑𝑥 = ( 3
𝑥2 )| = , (∀) 𝑦 ∈ (0 , 1] ;
2√𝑦 0 3
+∞ +∞ 𝑓(𝑥,𝑦)
𝑦 = 𝑘(𝑥) = 𝑀(𝑌 𝑋 | 𝑥) = ∫− ∞ 𝑦𝑓(𝑦/𝑥) 𝑑𝑦 = ∫− ∞ 𝑦 ( ) 𝑑𝑦 =
𝑓1 𝑥
1
1 1 √𝑥 1 1 3 1− 𝑥√𝑥
= ∫𝑥 𝑦
2√𝑥𝑦 1− √𝑥
𝑑𝑦 = ( 𝑦2 )| = , (∀) 𝑥 ∈ (0 , 1] .
1− √𝑥 3 𝑥 3( 1− √𝑥 )
1 1 1 1
= ∬ 𝐷 ∶ 𝑥∈(0 ,1] [(𝑥 − 6) (𝑦 − 2)] 2 𝑥𝑦 𝑑𝑥𝑑𝑦 =
√ 7 ∙ 1 𝑥≤ 𝑦 ≤1
√
180 12
1 1 1 1 1 1 1 1 5
= ∫0 ( ∫𝑥 [(𝑥 − 6) (𝑦 − 2)] 2 𝑥𝑦 𝑑𝑦 ) 𝑑𝑥 = =√ .
√ 7 ∙ 1 √ 7 1 36 21
180 12 √ ∙
180 12
Problema 3.4.3
Se consideră vectorul aleator 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin densitatea de
repartiţie,
𝑦 − 𝑦
4 𝑒 1+𝑥 , 𝑑𝑎𝑐ă 𝑥 , 𝑦 ≥ 0
(1+𝑥)
𝑓(𝑥, 𝑦) = {
0 , 𝑟𝑒𝑠𝑡
Să se determine :
a) Repartiţiile marginale. Interpretare
b) Mediile şi dispersiile componentelor : 𝑀(𝑋) , 𝑀(𝑌) ; 𝐷2 (𝑋) , 𝐷2 (𝑌)
𝑌 1
c) Repartiţia probabilistică a vectorului 𝑊 = (𝑇, 𝑍) = ( , ) : Ω → ℝ2
1+𝑋 1+𝑋
d) Repartiţiile marginale ale componentelor lui 𝑊 . Interpretare.
Rezolvare
a) Repartiţiile marginale. Interpretare.
∞ 𝑦 − 𝑦
+∞ ∫0 4 𝑒 1+𝑥 𝑑𝑦 , 𝑑𝑎𝑐ă 𝑥 ≥ 0 𝑦
𝑓1 (𝑥) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑦 ={ (1+𝑥) =…( = 𝑡)…=
1+𝑥
0 , 𝑑𝑎𝑐ă 𝑥 < 0
1 ∞ 1
(1+𝑥)2
∫0 𝑡 𝑒−𝑡 𝑑𝑡 , 𝑑𝑎𝑐ă 𝑥 ≥ 0 (1+𝑥)2
, 𝑑𝑎𝑐ă 𝑥 ≥ 0
={ = … ( 𝛤(2) = 1 ) … = { ;
0 , 𝑑𝑎𝑐ă 𝑥 < 0 0 , 𝑑𝑎𝑐ă 𝑥 < 0
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 103
∞ 𝑦 − 𝑦
+∞ ∫0 4 𝑒 1+𝑥 𝑑𝑥 , 𝑑𝑎𝑐ă 𝑦 ≥ 0 𝑦
𝑓2 (𝑦) = ∫− ∞ 𝑓(𝑥, 𝑦)𝑑𝑥 ={ (1+𝑥) =…( = 𝑡)…=
1+𝑥
0 , 𝑑𝑎𝑐ă 𝑦 < 0
−1 0 4 𝑦
𝑦 ∫ 𝑡
𝑦3 𝑦
𝑒− 𝑡 𝑑𝑡 , 𝑑𝑎𝑐ă 𝑦 ≥ 0
=…( = 1 + 𝑥) … = { 𝑡2 =
𝑡
0 , 𝑑𝑎𝑐ă 𝑦 < 0
1 𝑦 2 𝑒− 𝑦
∫ 𝑡
𝑦2 0
𝑒− 𝑡 𝑑𝑡 , 𝑑𝑎𝑐ă 𝑦 ≥ 0 1
𝑦2
− 𝑦2
(𝑦 2 + 2𝑦 + 2) , 𝑦 ≥ 0
={ =…={ .
0 , 𝑑𝑎𝑐ă 𝑦 < 0 0 , 𝑦<0
𝑦 − 𝑦
4 𝑒 1+𝑥 , 𝑑𝑎𝑐ă 𝑥 , 𝑦 ≥ 0
(1+𝑥)
𝑓(𝑥, 𝑦) = { ≠ 𝑓1 (𝑥) ∙ 𝑓2 (𝑦) , (∀) (𝑥, 𝑦) ∈ ℝ2
0 , 𝑟𝑒𝑠𝑡
+∞ ∞ 𝑥 ∞ 𝑥 +1−1 1 ∞
𝑀(𝑋) = ∫− ∞ 𝑥𝑓1 (𝑥)𝑑𝑥 = ∫0 (1+𝑥)2
𝑑𝑥 = ∫0 (1+𝑥)2
𝑑𝑥 = [ ln(𝑥 + 1) − ]| = +∞ ;
𝑥+1 0
+∞ ∞ 𝑥2
𝐷2 (𝑋) = ∫− ∞ 𝑥 2 𝑓1 (𝑥)𝑑𝑥 − ∞ = ∫0 (1+𝑥)2
𝑑𝑥 − ∞ = +∞ ;
+∞ ∞ 1 𝑒− 𝑦
𝑀(𝑌) = ∫− ∞ 𝑦𝑓2 (𝑦)𝑑𝑦 = ∫0 𝑦 [
𝑦2
− 𝑦2
(𝑦 2 + 2𝑦 + 2) ] 𝑑𝑦 = +∞ ;
+∞ ∞ 1 𝑒− 𝑦
𝐷2 (𝑌) = ∫− ∞ 𝑦 2 𝑓2 (𝑦)𝑑𝑦 − ∞ = ∫0 𝑦 2 [
𝑦2
− 𝑦2
(𝑦 2 + 2𝑦 + 2) ] 𝑑𝑦 − ∞ = +∞
𝑌 1
c) Pentru a obține repartiția vectorului 𝑊 = (𝑇, 𝑍) = ( , ): Ω → ℝ2
1+𝑋 1+𝑋
se efectuează schimbarea de variabile ( transformare regulată de domenii
aleatoare în plan) (în particular difeomorfism) dată prin:
𝑦
𝑡=
1+𝑥
2 2
𝜏 ∶ 𝑉(Ω) ⊆ ℝ → 𝑊(Ω) ⊆ ℝ , (𝑡, 𝑧) = 𝜏(𝑥, 𝑦) 𝑎. î. { 1 ,
𝑧=
1+𝑥
104 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
sau inversa,
1− 𝑧
𝑥=
𝜏 − 1 ∶ 𝑊(Ω) ⊆ ℝ2 → 𝑉(Ω) ⊆ ℝ2 , (𝑥, 𝑦) = 𝜏 − 1 (𝑡, 𝑧) 𝑎. î. { 𝑧
𝑡 .
𝑦=
𝑧
Obținem,
1
𝑡 𝑧3 𝑒− 𝑡 ∙ = 𝑡 𝑒 − 𝑡 , 𝑑𝑎𝑐ă 𝑡 ≥ 0 ș𝑖 𝑧 ∈ [0 , 1]
𝑧3
𝑔(𝑡, 𝑧) = { .
0 , 𝑟𝑒𝑠𝑡
∞
+∞ ∫0 𝑡 𝑒 − 𝑡 𝑑𝑡 = Γ(2) = 1 , 𝑑𝑎𝑐ă 𝑧 ∈ [0 , 1]
𝑔2 (𝑧) = ∫− ∞ 𝑔(𝑡, 𝑧)𝑑𝑡 = { .
0 , 𝑑𝑎𝑐ă 𝑧 ∉ [0 , 1]
𝑡 𝑒 − 𝑡 , 𝑑𝑎𝑐ă 𝑡 ≥ 0 ș𝑖 𝑧 ∈ [0 , 1]
𝑔1 (𝑡) ∙ 𝑔2 (𝑧) = 𝑔(𝑡, 𝑧) = { ,
0 , 𝑟𝑒𝑠𝑡
Problema 3.4.4
Se consideră vectorul aleator discret 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin
tabloul bidimensional de repartiţie,
X Y 0 1 2 𝑝𝑖
Să se determine :
a) Repartiţiile marginale. Interpretare
b) Mediile şi dispersiile componentelor : 𝑀(𝑋) , 𝑀(𝑌) ; 𝐷2 (𝑋) , 𝐷2 (𝑌)
c) Coeficientul de corelație 𝜌(𝑋, 𝑌)
d) Probabilitățile 𝑃(𝑋 + 𝑌 ≤ 1) ; 𝑃(𝑋𝑌 ≥ 1) .
Rezolvare
a) Repartiţiile marginale. Interpretare
−1 1 0 1 2
𝑋∶ ( ) și 𝑌 ∶ ( ).
3/8 5/8 1/6 1/3 1/2
3 5 1 1 1 2 4
𝑀(𝑋) = − + = ; 𝑀(𝑌) = 0 ∙
6
+ + = ;
3 2 3
8 8 4
1 0 1 4
Deoarece, 𝑋 2 ∶ ( ) și 𝑌 2 ∶ ( ) deducem,
1 1/6 1/3 1/2
1 15
𝐷 2 (𝑋) = 𝑀(𝑋 2 ) − 𝑀2 (𝑋) = 1 − = ;
16 16
7 16 5
𝐷 2 (𝑌) = 𝑀(𝑌 2 ) − 𝑀2 (𝑌) = − = .
3 9 9
106 | Teoria probabilităților. Fundamente teoretice și APLICAȚII
−2 −1 0 1 2
𝑋𝑌 ∶ ( 1/12 1/6 1/4 ) și astfel,
1/6 1/3
1 1 1
− 2
= 2 3
= 6
5√3
= .
15 5 5√3
√ 12
16 9
1 1 1 1 5
𝑃(𝑋 + 𝑌 ≤ 1) = + + + = ;
8 12 6 24 12
1 1 7
𝑃(𝑋𝑌 ≥ 1) = + = .
4 3 12
Problema 3.4.5
Se consideră vectorul aleator 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin densitatea de
repartiţie,
𝑐
, 𝑝𝑡. 𝑥 ∈ [ 1;2 ] ; 1 ≤ 𝑦 ≤ 𝑥
√𝑥𝑦
𝑓(𝑥, 𝑦) = {
0 , 𝑟𝑒𝑠𝑡
Să se determine :
a) Constanta reală 𝑐 a.î. 𝑓 să fie densitatea vectorului V.
b) Repartiţiile marginale. Interpretare.
c) Mediile şi dispersiile componentelor : 𝑀(𝑋), 𝑀(𝑌) ; 𝐷2 (𝑋), 𝐷2 (𝑌).
d) Curbele de regresie : 𝑥 = 𝑀( 𝑋 | 𝑦) ; 𝑦 = 𝑀( 𝑌 | 𝑥).
Cap. 3 – Vectori aleatori reali. Repartiții probabilistice multidimensionale| 107
Problema 3.4.6
Se consideră vectorul aleator 𝑉 = (𝑋, 𝑌) ∶ Ω → ℝ2 definit prin densitatea de
repartiţie,
1 2
1 – 2𝑥𝑦 + 2𝑦 2 )
𝑓(𝑥, 𝑦) =
2𝜋
∙ 𝑒 −2(𝑥
Să se determine :
a) Repartiţiile marginale. Interpretare
b) Mediile şi dispersiile componentelor : 𝑀(𝑋), 𝑀(𝑌) ; 𝐷2 (𝑋), 𝐷2 (𝑌)
c) Curbele de regresie : 𝑥 = 𝑀( 𝑋 | 𝑦) ; 𝑦 = 𝑀( 𝑌 | 𝑥).