CURS 12

Caracteristici numerice ale variabilelor aleatoare discrete.

 pi  0, i = 1, n
 xi  
Fie X : E → R o variabilă aleatoare discretă , X   , unde  n .
 pi  i =1,n  i p = 1
 i =1
• Valoarea medie
Definiţia IV.4.8. Numim valoare medie a variabilei aleatoare discrete X acea valoare
notată prin m, sau X , sau M ( X ) şi definită prin
n
m =  xi p i .
i =1
Proprietăţi. Valoarea medie are următoarele proprietăţi:
1) M (aX + b ) = aM ( X ) + b, a, b  R

2) M ( X + Y ) = M ( X ) + M (Y ),
3) Dacă variabilele aleatoare X şi Y sunt independente, atunci
M ( XY ) = M ( X )M (Y ).
Demonstraţie. Vom considera variabilele aleatoare X şi Y de tip discret cu distribuţiile
 xi   yj 
X   , Y   ,
q 
 p i  iI  j  jJ
pentru care există M ( X ) şi M (Y ).
1) Scriem succesiv
M (aX + b ) =  (axi + b ) pi = (axi pi + bpi ) =
iI iI

= a  xi pi + b pi =aM ( X ) + b,
iI iI
de unde M (aX + b ) = aM ( X ) + b.
2) Dacă variabilele aleatoare X şi Y au distribuţiile, precizate mai sus, atunci variabila
aleatoare X + Y are distribuţia
 xi + y j 
X +Y  , unde pij = P (X = xi , Y = y j ).
p 
 ij  ( i , j )I  J
Prin urmare, avem că
M ( X + Y ) =  (xi + y j ) pij =  xi pij +  y j pij =
iI jJ iI jJ iI jJ

=  xi ( pij ) +  y j ( pij ).
iI jJ iI jJ

Se obţine că
M ( X + Y ) =  xi pi +  y j q j = M ( X ) + M (Y ).
iI jJ
 3) Având în vedere că variabilele aleatoare X şi Y sunt independente, se obţine distribuţia
variabilei aleatoare produs
 xi y j 
XY   .
pq 
 i j  (i , j )I  J
Aşadar, putem scrie sucesiv
  
M ( XY ) =  xi y j pi q j =   xi pi   y j q j  = M ( X )M (Y ),
iI jJ  iI  jJ 
adică M ( XY ) = M ( X )M (Y ).
Observaţie. Dacă în propoziţia precedentă, la punctul (1) se ia a = 0 , atunci se obţine că
valoarea medie a unei constante este constanta însăşi, iar punctele (2) şi (3) se pot extinde pentru
un număr finit de variabile aleatoare.

• Momentul de ordin r
Definiţia IV.4.9. Numim momentul de ordin r al variabilei aleatoare X, valoarea medie
a variabilei X r .
Vom nota momentul de ordin r cu M r ( X ) :

( )
n
M r ( X ) = M X r =  xir pi .
i =1

• Valoarea medie de ordin r

Definiţia IV.4.10. Valoarea medie de ordin r a unei variabile aleatoare X este radicalul
de ordin r al momentului de ordin r:
n
r = r M r (X ) = r x r
i pi
i =1

• Abaterea
Definiţia IV.4.11. Numim abaterea variabilei aleatoare X , având valoarea medie m,
variabila aleatoare  = X − m .
x   xi − m 
Observaţie. Dacă X  i  , atunci    şi M ( ) = 0 .
 pi  i =1,n  pi  i =1,n

• Momentul centrat de ordin r

Definiţia IV.4.12. Momentul centrat de ordin r al variabilei aleatoare X este momentul
de ordin r al abaterii.
( )
 r = M r ( ) = M ( r ) = M ( X − m)r =  (xi − m )r pi .
n

i =1
Teorema IV.4.5.Intre momentele de ordin r şi momentele centrate de ordinul r ale unei
variabile aleatoare X există următoarea relaţie:
 r
 r =  (− 1)k C rk M ( X )k M r −k ( X ) .
k −0
Observaţie. In statistica matematică se utilizează momente centrate până la ordinul 4:
1 = 0 ;
 2 = M 2 ( X ) − M ( X )2 ;
 3 = M 3 ( X ) − 3M ( X )M 2 ( X ) + 2M ( X ) ;
3

 4 = M 4 ( X ) − 4M ( X )M 2 ( X ) + 6M ( X )2 M 2 ( X ) − 3M ( X )4

• Dispersia.
Definiţia IV.4.13. Momentul centrat de ordin 2 se numeşte dispersie.
 
n
D( X ) =  2 ( X ) = M ( X − m) =  (xi − m ) pi = M 2 ( X ) − M ( X ) .
2 2 2

i =1
Proprietăţi. Dispersia verifică următoarele proprietăţi:
1) D (c ) = 0 , c  R .
2) D(cX ) = c 2 D( X ) .
3) Dacă variabilele aleatoare X şi Y sunt independente, atunci
D( X + Y ) = D( X ) + D(Y ).
4) D( X + Y ) = D( X ) + D(Y ) + 2 M ( X − M ( X ))(Y − M (Y )) pentru oricare două variabile
aleatoare X şi Y cu M ( X )   şi M (Y )   .
Demonstraţie.
1) D(c ) = M 2 (c ) − M (c ) = c 2 − c 2 = 0
2

x   xi − m 
2) Dacă X  i  , atunci X are abaterea    şi cX are abatrea
 pi  i =1,n  pi  i =1,n
 cx − cm 
c  i  . Prin urmare avem:
 pi  i =1,n

( )
n n n
D(cX ) =  2 (cX ) = M (c ) =  (cxi − cm) pi =  c 2 (xi − m) pi = c 2  (xi − m) pi = c 2 D( X )
2 2 2 2

i =1 i =1 i =1
3) Deoarece vriabilele aleatoare X şi Y sunt independente, rezultă succesiv

D( X + Y ) = M  X + Y − M ( X + Y ) =
2

= M ( X − M ( X )) − 2( X − M ( X ))(Y − M (Y )) + (Y − M (Y )) = 
2 2

= D( X ) − 2 M  XY − M ( X )Y − M (Y )X + M ( X )M (Y ) + D(Y ) =
= D( X ) − 2M ( XY ) − M ( X )M (Y ) + D(Y ) = D( X ) + D(Y ).
4)
 
D( X + Y ) = M ( X + Y ) − M ( X + Y ) =  2

= M (( X − M ( X )) + (Y − M (Y )))  =
2

= M (( X − M ( X )) ) + M ((Y − M (Y )) ) + 2 M ((( X − M ( X ))(Y − M (Y )))) =

2 2

= D( X ) + D(Y ) + 2 M ((( X − M ( X ))(Y − M (Y ))))

Propoziţia . Fie X o variabilă aleatoare astfel încât M ( X )   . Atunci , a  R

 
M ( X − a ) = D ( X ) + (M ( x ) − a ) .
2 2

Demonstraţie. Folosind proprietatea de liniaritate a mediei obţinem:

  
M ( X − a ) = M (( X − M ( X )) + (M ( X ) − a )) =
2 2

 2

= M ( X − M ( X )) + 2(M ( X ) − a )M ( X − M ( X )) + (M ( X ) − a ) = D( X ) + (M ( X ) − a ) .
2 2

Observaţie. Ţinând seama că D( X )  0 , din propoziţia de mai sus rezultă că M ( X )

minimizează expresia E (a ) = M ( X − a )  2
 şi valoarea minimă este chiar D( X ) .
• Abaterea medie pătratică.
Definiţia IV.4.14. Media de ordin 2 a abaterii se numeşte abatere medie pătratică.
 = D( X ) .

• Modul (Valoarea modală; valoarea dominantă)

Definiţia IV.4.15. Valoarea modală a unei variabile aleatoare discrete X este acea valoare
x k a variabilei, pentru care probabilitatea corespunzătoare p k este maximă.

• Funcţia caracteristică
x 
Fiind dată o variabilă aleatoare discretă X  k  , putem considera variabila aleatoare
 p k  k =1,n
 itxk 
itX e
e  
 , cu i 2 = −1 şi e itxk = cos txk + i sin txk .
 p k  k =1,n
Definiţia IV4.16. Funcţia caracteristică a variabilei aleatoare X este media variabilei
aleatoare e itX , adică
 (t ) = M (e itX ) =  e itx p k =  p k cos txk + i  p k sin txk .
n n n
k

k =1 k =1 k =1
Proprietăţi. Funcţia caracteristică a unei variabile aleatoare discrete are următoarele
proprietăţi:
1)  (0 ) = 1 şi  (t )  1 , t  R .
2)  (t ) este uniform continuă pe R.
3)  (− t ) =  (t ) .
4)  aX +b (t ) = e itb X (at ) , a, b  R .
5) Dacă X şi Y sunt două variabile aleatoare independente, atunci  X +Y (t ) =  X (t ) +  Y (t )
adică, funcţia caracteristică a unei sume de două variabile aleatoare independente este egală cu
produsul funcţiilor caracteristice ale celor două variabile.

• Funcţia generatoare
x 
Fiind dată o variabilă aleatoare discretă X  k  , putem considera variabila aleatoare
 p k  k =1,n
 e txk 
e tX  
 .
 p k  k =1,n
Definiţia IV.4.17. Funcţia generatoare ataşată unei variabile aleatoare discrete X este
media variabilei e tX , adică
( )
n
g (t ) = M e tX =  e txk p k .
k =1
Au loc următoarele relaţii:
n n
g ' (t ) =  p k x k e txk şi g ' (0) =  p k x k = M ( X ) .
k =1 k =1
n n
g ' ' (t ) =  p k x k2 e txk şi g ' ' (0) =  p k x k = M 2 ( X ) .
2

k =1 k =1


n n
g r (t ) =  p k x kr e txk şi g r (0) =  p k x k = M r ( X ) .
r

k =1 k =1
In concluzie, funcţia generatoare se foloseşte pentru a calcula momente de diferite ordine
ale unei variabile aleatoare discrete. Acestea se obţin derivând funcţia generatoare în t = 0 .

Exemplu.
E.IV.16. La patru unitǎţi de oraş consumul de apǎ este normal cu probabilitǎţile 0,9, 0,8,
0,85 şi respectiv 0,7. Se noteazǎ cu X numǎrul unitǎţilor, din cele patru, la care consumul este
normal într-o zi fixatǎ din sǎptǎmânǎ. Sǎ se scrie distribuţia variabilei aleatoare X , iar apoi sǎ se
calculeze valoarea medie, dispersia, abaterea standard, mediana şi modul variabilei aleatoare X .
Soluţie. Variabila aleatoare X poate sǎ ia una din valorile 0, 1, 2, 3, 4, dupǎ cum
numǎrul unitǎţilor la care consumul este normal, în ziua precizatǎ, este normal în 0, 1, 2,
3,respectiv 4 unitǎţi. Prin urmare, variabila aleatoare X are distribuţia
0 1 2 3 4
X   , unde Pk = P ( X = k ) , k = 0,4.
 P0 P1 P2 P3 P4 
Probabilitǎţile Pk se calculeazǎ cu schema lui Poisson. Pentru aceasta avem n = 4 ,
p1 = 0,9 , q1 = 0,1 , p 2 = 0,8 , q 2 = 0,2 , p 3 = 0,85 , q 3 = 0,15 , p 4 = 0,7 , q 4 = 0,3 , adicǎ p i este
probabilitatea sǎ fie consumul normal la unitatea i , iar q i este probabilitatea sǎ fie consum
anormal la unitatea i.
În acest fel se obţine:
 P0 = q1 q 2 q 3 q 4 = 0,0009,
P1 = p1 q 2 q 3 q 4 + q1 p 2 q 3 q 4 + q1 q 2 p 3 q 4 + q1 q 2 q 3 p 4 = 0,0189,
P2 = p1 p 2 q 3 q 4 + p1 q 2 p 3 q 4 + p1 q 2 q 2 p 4 + q1 p 2 p 3 q 4 +
+ q1 p 2 q 3 p 4 + q1 q 2 p 3 p 4 = 0,1379,
P3 = p1 p 2 p 3 q 4 + p1 p 2 q 3 p 4 + p1 q 2 p 3 p 4 + q1 p 2 p 3 p 4 = 0,4139,
P4 = p1 p 2 p 3 p 4 = 0,4284.
Astfel, distribuţia variabilei aleatoare X este
 0 1 2 3 4 
X  .
 0,0009 0,0189 0,1379 0,4139 0,4284 
Valoarea medie a variabilei aletoare X se calculeazǎ cu formula
4
M ( X ) =  kPk = 0,0189 + 0,2758 + 1,2417 + 1,1736 = 3,25.
k =0

Pentru a calcula dispersia, folosim formula D 2 ( X ) = M ( X 2 ) − [ M ( x)] 2 .

Dar avem cǎ
4
M ( X 2 ) =  k 2 Pk = 0,0189 + 4  0,1379 + 9  0,4139 + 16  0,4284 = 11,15,
k =0

deci D ( X ) = 11,15 − (3,25) 2 = 0,5875

2
şi de asemenea, avem imediat abaterea standard
( X ) = D 2 ( X ) = 0,7665 .
Mediana m este datǎ de dubla inegalitate
1
P( X  m)   P( X  m).
2
Avem cǎ
1
P( X  3) = 0,4139 + 0,4284 = 0,8423  ,
2
1
P( X  3) = 0,0009 + 0,0189 + 0,1379 + 0,4139 = 0,5716  ,
2
şi în consecinţǎ se obţine m = 3.
Modul Mo este definit ca fiind punctul de extrem local al distribuţiei lui X , adicǎ Mo = 4 ,
deoArece variabila aleatoare X ia valoarea 4 cu probabilitatea maximǎ P4 = 0,4284 .