You are on page 1of 14

TEORIA PROBABILITĂŢILOR ŞI STATISTICĂ

MATEMTICĂ-UNITATEA DE ÎNVĂŢARE 2
Dr.Liana Manu Iosifescu
Octombrie 2012
CUPRINS
Variabile aleatoare……………………………………………………………………….14
Funcţia de repartiţie a unei variabile aleatoare. ………………………..………………. 15
Caracteristici numerice ale funcţiilor de repartiţie………………………………………18
Vectori aleatori. …………………….……………………………………………………18
Repartiţii marginale……………………………………………………...………………19
Momente iniţiale ………………………………………………………………..……….20
Momente centrate…………………………………………………………...……………21
Momente mixte…………………………………………………………………………..22
Inegalităţi pentru momente………………………………………………………………24
Corelaţie si regresie………………………………………………………………………24
Funcţia caracteristică. Proprietăţi…………………………………………………...……25
Funcţia generatoare de momente……………………………………………………...…27
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 ( ) K , Ω un câmp borelian de evenimente.
Definiţie: R X → Ω : se numeste variabila aleatoare dacă şi numai dacă
( ) { } R x K x X ∈ ∀ ∈ < , : ω ω
Observaţie: Noţiunea de probabilitate nu intră în definiţia variabilei aleatoare.
Vom utiliza notaţiile: { } K x X ∈ < pentru v.a. X
Propoziţie: R X → Ω : este o variabilă aleatoare dacă şi numai dacă este adevarată una
din afirmaţiile:
( ) i ( ) { } R x K x X ∈ ∀ ∈ ≤ , : ω ω
( ) ii ( ) { } R x K x X ∈ ∀ ∈ > , : ω ω
( ) iii ( ) { } R x K x X ∈ ∀ ∈ ≥ , : ω ω
Observaţie: { } K a X ∈ · şi { } R b a K b X a ∈ ∀ ∈ < < , , .
Aplicaţie:La un examen se prezintă trei candidaţi. Variabila aleatoare reprezentând
numărul candidaţilor admişi are repartiţia:

,
_

¸
¸
p p p 9 26
5
2
3 2 1 0
. Determinaţi probabilitea
fiecărui candidat de a promova examenul.
Solutie:Cum numărul candidaţilor promovaţi reprezintă o partiţie a evenimentului sigur:
la examen se prezintă trei candidaţi, avem ( )
60
1
1 1 9 26
5
2
· ⇒ · + + + p p , deci distribuţia
14
v.a. este

,
_

¸
¸
60
1
20
3
30
13
5
2
3 2 1 0
: X . Cum ( ) { } 3 , 2 , 1 , 0 , ∈ ∀ · k k X P reprezintă
probabilitatea ca k candidaţi să promoveze examenul, conform schemei lui Poisson se
obţine sistemul:
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
·
· − ⋅ ⋅ + − ⋅ ⋅ + − ⋅ ⋅
· − ⋅ − ⋅ + − ⋅ − ⋅ + − ⋅ − ⋅
· − ⋅ − ⋅ −
60
1
20
3
1 1 1
30
13
1 1 1 1 1 1
5
2
1 1 1
3 2 1
1 2 3 2 3 1 3 2 1
1 2 3 3 1 2 3 2 1
3 2 1
p p p
p p p p p p p p p
p p p p p p p p p
p p p
, unde
{ } 3 , 2 , 1 , ∈ i p
i

reprezintă probabilitatea fiecărui candidat de a promova examenul. Utilizând relaţiile lui
Viete, sistemul devine:

¹
¹
¹
¹
¹
¹
¹
'
¹
·
·
·

¹
¹
¹
¹
¹
¹
¹
'
¹
· − + −
· −
·
60
1
5
1
60
47
5
2
1
20
3
3
60
1
3
2
1
3 2 1
3 2
3
S
S
S
S S S
S S
S
ecuaţia cu soluţiile
i
p
este:
0 1 12 47 60
2 3
· − + − p p p . Aplicând schema lui Horner:
3
1
60
60
27
47


3
12
0
1 −
3
1
1
· ⇒ p , iar
3 2
, p p
sunt soluţi pentru:
40
1 9
0 1 9 20
3 , 2
2
t
· ⇒ · + − p p p , probabilităţiile fiind
5
1
,
4
1
,
3
1
.
Operaţii cu variabile aleatoare:
Propoziţie: Dacă X este variabilă aleatoare şi R b∈ , atunci:
0 cu ,
1
, , , ,
2
≠ + X
X
X X bX b X sunt variabile aleatoare
Propoziţie: Dacă X şi Y sunt variabile aleatoare, atunci: { } { } , , K Y X K Y X ∈ ≥ ∈ >
{ } K Y X ∈ ·
Propoziţie: Dacă X şi Y sunt variabile aleatoare, atunci: 0 cu , , , , ≠ − + Y
Y
X
XY Y X Y X
sunt variabile aleatoare.
Funcţia de repartiţie a unei variabile aleatoare
Să considerăm un câmp borelian de probabilitate { } P K, , Ω şi X o variabilă
aleatoare.
Definiţie: Numim funcţie de repartiţie a variabilei aleatoare X, aplicaţia
[ ] 1 , 0 : → R F
X
,
definită prin relaţia
( ) ( ) { } ( ) x X P x F
X
< · ω ω :
. Vom scrie:
( ) ( ) x X P x F
X
< ·
Propoziţie: Funcţia de reparţie a unei variabile aleatoare X are următoarele proprietăţi;
15
(1)
( ) ( ) 0 lim · · ∞ −
−∞ →
x F F
X
x
X ;
( ) ( ) 1 lim · · ∞
∞ →
x F F
X
x
X
(2) este nedescrescătoare :
( ) ( )
2 1 2 1
x F x F x x
X X
≤ ⇒ ≤
(3) este continuă la stânga:
( ) ( ) ( ) y F x F x F
X
x y
X X

· − · lim 0
Propoziţie: Daca X este o variabila aleatoare si
2 1
x x <
, atunci:
( ) ( ) ( )
1 2 2 1
x F x F x X x P
X X
− · < ≤
( ) ( ) ( ) ( )
1 1 2 2 1
x X P x F x F x X x P
X X
· − − · < <
( ) ( ) ( ) ( ) ( )
1 2 1 2 2 1
x X P x X P x F x F x X x P
X X
· − · + − · ≤ <
( ) ( ) ( ) ( )
2 1 2 2 1
x X P x F x F x X x P
X X
· + − · ≤ ≤
Observaţie:
( )
i
x X P ·
,
2 , 1 · i
reprezintă saltul funcţiei de repartiţie
X
F
în punctul
i
x
,
2 , 1 · i
. Dacă
X
F
este continuă, atunci
( ) 0 · ·
i
x X P
,
2 , 1 · i
.
In funcţie de mulţimea valorilor posibile ( ) Ω X ale v.a. R X → Ω : avem:
Definiţie: O v.a. X pe câmpul borelian de probabilitate { } P K, , Ω se numeşte discretă dacă
ia o mulţime cel mult numarabilă de valori :
( ) { } j i N I j i x x x X
j i I i i
≠ ⊂ ∈ ∀ ≠ · Ω

, , , ,
.
V.a. cu proprietatea că ( ) Ω X este un interval din R se numeşte continuă
Propoziţie: Dacă
( ) { }
I i i
x X

· Ω
,
{ } K A
I i i


definite prin
( ) { }
i i
x X A · Ω ∈ · ω ω :

formează o partiţie a evenimentului sigur.
Notând
( ) ⇒ ·
i i
p A P

1 , 0 · ≥

∈I i
i i
p p
. Punctele
{ }
I i i
x

se numesc puncte de
creştere ale funcţiei de repartiţie, iar probabilităţile lor se numesc salturi ale funcţiei de
repartiţie. Evident,
( )

<
·
x x
i X
i
p x F
.
Definiţie: Numerele
{ }
I i i
p

satisfacând
( ) I i p x X P
i i
∈ ∀ · · ,
şi
1 ·

∈I i
i
p
dau legea de
probabilitate a v.a. discrete X (
i
p
reprezintă funcţia de frecvenţă a v.a. X numită mai
sugestiv masă de probabilitate).
Observaţie: Unii autori definesc funcţia de repartiţie prin relaţia:
( ) ( ) R x x X P x F
X
∈ ≤ · ,
~
Aplicaţie: Durata unei convorbiri telefonice exprimată în secunde este o variabilă
aleatoare X având funcţia de repartiţie:
( ) 0 ,
2
1
2
1
1
50
50
> − − ·
1
]
1

¸



t e e t F
t
t
X
. 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:
16
( )
...
150 100 dacã
2
1
2
1
1
100 t 50 dacã
2
1
2
1
1
50 0 dacã
2
1
1
2
50
50
50
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
≤ < − −
≤ < − −
≤ < −
·



t
e
e
e
e
t e
t F
t
t
t
X
Aceasta este o functie crescǎtoare, continua la dreapta, avand salturi in punctele de forma
t=50k,
*
N k ∈ . Deci: a) ( ) ( )
e
e F X P
X
2
1
2
1
1 70 70
5
7
− − · · <

b)
( ) ( ) 110 1 110
X
F X P − · >
5
11
2
2
1
2
1

+ · e
e
: c)
( ) ( ) ( )

,
_

¸
¸
− + − · − · < <
− −
2
5
11
5
7
1 1
2
1
70 110 110 70
e e
e e F F X P
X X
d)
( ) ( ) ( )

,
_

¸
¸
− · − · ·

e e
F t F X P
X X
t
1
1
2
1
100 lim 100
100
, iar ( ) 0 90 · · X P
e) ( )
( ) ( )
( )
5
5 2
1
1
1
1
1
1
60 1
60 120
60 120
e
e
e F
F F
X X P
X
X X
+
+
⋅ − ·


· > <
f)
( )
( ) ( )
( )
5
12
5
6
2
1
2
1
1
2
1
2
1
1
1
120
60 120
120 60


− −
− −
− ·

· < >
e
e
e
e
F
F F
X X P
X
X X
Definiţie: V.a. X se numeşte continuă dacă
X
F
este absolut continuă, adică, dacă există o
funcţie integrabilă nenegativă
+
→ R R f :
astfel încât ( ) ( ) R x dt t f x F
x
X
∈ ∀ ·

∞ −
, .
Funcţia f se numeşte densitate de repartiţie. Din definiţia dată rezultă:
i) ( ) R x x f ∈ ∀ ≥ , 0
ii) ( ) 1 ·


∞ −
dx x f
Se constată imediat că dacă există densitatea de repartiţie f, atunci F este
derivabilă şi ( ) ( ) x f x F
X
·

, iar
( ) ( ) ( ) ( )dt t f x F x F x X x P
x
x
X X

· − · < <
2
1
1 2 2 1
: ω
Propoziţie: Dacă g este continuă şi strict monotonă pe ( ) Ω · X I , atunci aplicaţia
R X g → Ω : 
este o variabila aleatoare şi are loc egalitatea:
( )
( ) ( )
( ) ( )
¹
'
¹

·


oare descrescat strict este g daca 1
e crescatoar strict este g daca
1
1
x g F
x g F
x F
X
X
X g
17
Caracteristici numerice ale funcţiilor de repartiţie
Fie X o v.a. cu funcţia de repartiţie F şi
. 2 , ≥ ∈ q N q
Definiţie: Numim q-cuantile ale v.a. X, numerele finite
( ) ( )
1 1 − ≤ ≤ q i i
X c
pentru care
( ) ( )
q
i
X c F
i

şi
( ) ( )
q
i
X c F
i
≥ + 0
,
q i ≤ ≤ 1
Observaţie: In general, cuantilele nu sunt unic determinate. Dacă F este continuă,
cuantilele se determină ca soluţii unice ale ecuaţiilor:
( ) ( )
q
i
X c F
i
·
,
1 1 − ≤ ≤ q i
.
Cuantilele au denumirea de mediană ( ) 2 · q , cuartile ( ) 4 · q , decile ( ) 10 · q ,
centile ( ) 100 · q .
Definiţie: Fiind dată funcţia de repartiţie F care are densitatea f, orice punct de maxim
local pentru f se numeşte mod (punct modal). In cazul repartiţiilor discrete, punctul modal
se numeşte valoarea cea mai probabilă:
( )
1 1 + −
≥ ≤ ⇒ · ·
k k k k k
p p p x X P p
Vectori aleatori.
Definiţie:
n
R X → Ω : se numeşte vector aleator(variabilă aleatoare n-dimensională)
dacă ( ) ( ) ( ) { } ( )
n
n n n
R x x x K x X x X x X ∈ ∀ ∈ < < < ,..., , , ,... , :
2 1 2 2 1 1
ω ω ω ω
Definiţie: Numim funcţie de repartiţie n-dimensională a variabilei aleatoare vectoriale
( )
n
X X X X ,..., ,
2 1
·
, funcţia [ ] 1 , 0 : →
n
R F definită prin
( ) ( ) ( ) ( ) { } ( )
n n n X
x X x X x X P x x x F < < < · ω ω ω ω ,..., , : ,..., ,
2 2 1 1 2 1
Ca şi în cazul unidimensional, funcţia de repartiţie are o seamă de proprietăţi care
îi sunt specifice şi care o caracterizează:
1)
X
F
este nedescrescătoare în raport cu fiecare argument (funcţiile parţiale
( ) n k x x x x x x F x
n k k k X k
≤ ≤ →
+ −
1 , ,... , , ,..., ,
1 1 2 1
sunt nedescrescătoare)
2)
X
F
este continuă la stânga în raport cu fiecare argument
3) Dacă cel puţin una dintre componentele
−∞ →
i
x
, atunci
0 →
X
F
, adică:
( ) 0 ,... , , ,..., , lim
1 1 2 1
·
+ −
−∞ →
n i i i X
x
x x x x x x F
i
4)
( ) 1 ,..., , lim
2 1
...
1
·
∞ →
∞ →
n X
x
x
x x x F
n
( dacă toate componentele
∞ →
j
x
, funcţia de repartiţie
X
F
tinde către 1)
5) Pentru orice două n-tupluri
( ) ( )
n
n
n
n
R y y y R x x x ∈ ∈ ,..., , , ,..., ,
2 1 2 1
astfel încât
n j y x
j j
≤ ≤ < 1 ,
, are loc:
( ) ( ) ( ) 0 ,..., , 1 ... ,..., ,
2 1
1 1 1
2 1
≥ − + + − + −
∑ ∑ ∑
· < < · < ·
n X
n
n
k j i
ijk
n
j i
ij
n
i
i n X
x x x F P P P y y y F unde
( ) ( ) n j i y y x y y x y y F P y y x y y F P
n j j j i i i X ij n i i i X i
≤ ≤ ≤ · ·
+ − + − + −
1 , ,..., , , ,..., , , ,... , ,..., , , ,...
1 1 1 1 1 1 1 1
Noţiunea de densitate de repartiţie n-dimensională a vectorului aleator
( )
n
X X X ,... ,
2 1
:
18
Dacă există o funcţie R R f
n
→ : continuă şi integrabilă pe
n
R
astfel încât:
( ) ( )
n
x x x
n n X
du du du u u u f x x x F
n
... ,... , ... ,..., ,
2 1 2 1 2 1
1 2
∫ ∫ ∫
∞ − ∞ − ∞ −
· , atunci f se numeste densitate de
repartitie n-dimensionala a vectorului aleator
( )
n
X X X ,... ,
2 1
. Din definiţie rezultă:
( ) ( ) ( )
n
n n
R x x x x x x f i ∈ ∀ ≥ ,..., , , 0 ,... ,
2 1 2 1
( ) ( ) 1 ... ,... , ...
2 1 2 1
1 2
·
∫ ∫ ∫
∞ − ∞ − ∞ −
n
x x x
n
du du du u u u f ii
n
Mai mult, există
( )
n
n
n
x x x
x x x F
∂ ∂ ∂

...
,..., ,
2 1
2 1
si
( )
( )
n
n
n
n
x x x
x x x F
x x x f
∂ ∂ ∂

·
...
,..., ,
,... ,
2 1
2 1
2 1
Fie un câmp borelian de probabilitate { } P K, , Ω şi
( )
n
n
R X X X X → Ω · : ,... ,
2 1
o variabilă
aleatoare vectorială continuă cu ( ) D X · Ω un domeniu din
n
R
. Considerând funcţia
n
R D g → : cu ( )
n
R D g ⊂ ∆ · avem-analog cazului unidimensional-următoarea:
Propoziţie: Dacă g este o transformare regulată şi bijectivă de la D la ∆, atunci
n
R X g → Ω :  este o variabilă aleatoare a cărei densitate verifică egalitatea:
Repartitii marginale
Definiţie: Dacă
( )
n X
x x x F ,..., ,
2 1
este funcţia de repartiţie a vectorului aleator
( )
n
X X X ,... ,
2 1
, atunci
( ) ( )
i i n i i i X
x
x
x
x
x F x x x x x x F
n
i
i
·
+ −
∞ →
∞ →
∞ →
∞ →
+

,..., , , ,..., , lim
1 1 2 1
...
...
1
1
1
, n i ≤ ≤ 1 se numeşte
funcţie de repartiţie marginală a variabilei
i
X
.
Observaţie: Repartiţia unui vector aleator determină unic repartiţiile marginale, dar, în
general, cunoaşterea repartiţiilor marginale nu este suficientă pentru determinarea
repartiţiei vectorului
Definiţie: Spunem că variabilele aleatoare
n i X
i
≤ ≤ 1 ,
sunt independente dacă
evenimentele
( ) { }
i i
x X A < · ω ω :
sunt independente pentru orice
n i R x
i
≤ ≤ ∈ 1 ,
.
Propoziţie: Variabilele aleatoare
2 , 1 , ≥ ≤ ≤ n n i X
i
sunt independente dacă şi numai
dacă funcţia de repartiţie a vectorului aleator
( )
n
X X X X ,... ,
2 1
·
este produsul funcţiilor
de repartiţie marginale, adică:
( ) ( )

·
·
n
i
i i n X
x F x x x F
1
2 1
,..., ,
pentru orice
( )
n
n
R x x x ∈ ,..., ,
2 1
Pentru fixarea noţiunilor vom analiza cazul variabilor aleatoare bidimensionale:
19
( ) ( ) ( ) ( )
( )
( )
( ) ∆ ∈ ∀ ·
− −
− −
n
n
n n n X n X g
y y y
y y y D
g g D
y y y g y y y g f y y y f ,..., , ,
,..., ,
,...,
,..., , ,..., ,..., , ,..., ,
2 1
2 1
1
1
1
1
2 1
1
2 1
1
1 2 1 
Fie ( ) y x F , funcţia de repartiţie a vectorului aleator ( ) Y X, . Atunci,
( ) ( ) y x F y x F
y
X
, lim ,
∞ →
·
si
( ) ( ) y x F y x F
x
Y
, lim ,
∞ →
·
, iar independenţa variabilelor aleatoare X
şi Y se exprimă prin:
( ) ( ) ( ) y x F y x F y x F
Y X
, , , ·
In cazul discret, repartiţia vectorului ( ) Y X, :
( )
n j m i
ij
j i
p
y x
,..., 2 , 1 ; ,..., 2 , 1
,
· ·

,
_

¸
¸
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
( ) n j m i y Y x X P p
j i j i
,..., 2 , 1 ; ,..., 2 , 1 , , · · · · ·
; X,Y v.a.i.
j i ij
p p p · ⇔

·
· ·
n
j
j i i
m i p p
1
,..., 2 , 1 ,
;
n j p p
m
i
j i j
,..., 2 , 1 ,
1
· ·

·
1
1 1 1 1
· · · ⇒
∑ ∑ ∑∑
· · · ·
n
j
j
m
i
i
m
i
n
j
j i
p p p
Mai mult, avem:
( )
J j
y Y x X P
y Y x
y Y X
I i
j i
j i
j

,
_

¸
¸
· ·
·
·

, :
cu
( ) ( )
( )
( )
j
ij
j
j i
j i j i
p
p
y Y P
y Y x X P
y x p y Y x X P ·
·
· ·
· · · ·
,
In cazul continuu, fie ( ) y x f , densitatea de repartiţie. Atunci, ( ) ( )dy y x f x f
X


∞ −
· , şi
( ) ( )dx y x f y f
Y


∞ −
· , , iar independenţa variabilelor aleatoare X şi A se exprimă ca:
( ) ( ) ( ) y f x f y x f
Y X
· ,
. Definim densitatea de repartiţie a v.a. X condiţionată de Y=y
( )
( )
( )
( )
( )dx y x f
y x f
y f
y x f
y x f
Y


∞ −
· ·
,
, ,
şi analog
( )
( )
( )
( )
( )dy y x f
y x f
x f
y x f
x y f
X


∞ −
· ·
,
, ,
Momente iniţiale
Definiţie: Numim moment iniţial de ordin k al v.a. X numărul ( ) ( )


∞ −
· x dF x X M
k
k
, dacă
integrala Stieltjes există.
Cazurile importante pentru aplicaţii sunt:
( ) ( )


∞ −
· x f x X M
k
k
, în ipoteza că există integrala Riemann improprie
( ) ( )
j
J j
k
j k
x X P x X M · ·


, J cel mult numarabilă, în ipoteza că seria este convergentă.
20
Definiţie: Numim moment absolut de ordin k al v.a. X numărul
( ) ( ) ( )


∞ −
· · x dF x X M X M
k
k k
Dacă v.a. X are densitate de repartiţie , ( ) ( )


∞ −
· x f x X M
k
k
,
iar dacă este de tip discret,
( ) ( )
j
J j
k
j k
x X P x X M · ·


.
Momentul de ordinul unu poartă numele de valoare medie şi vom scrie
( ) ( ) X M X M ·
1
.
Observaţie: Evident,
( ) ( )
k
k
X M X M ·
Observaţii: Dacă v.a. X este de tip discret, având funcţia de frecvenţă
( )
k k
x X P p · ·
,
seria

≥1 k
k k
p x
poate fi convergentă, dar seria ∑
≥1 k
k k
p x
nu. În acest caz spunem că nu
există ( ) X M .
În mod similar, pentru v.a. continuă X, spunem că există ( ) ( )dx x f x X M
k


∞ −
·
dacă există ( )dx x f x


∞ −
.
Astfel mediile nu există pentru v. a. având :
- funcţia de frecvenţă
( )
j
j
j
j
j
X P p
3
2 3
1
1
·

,
_

¸
¸
− · ·

,
*
N j ∈ , deşi
2 ln 2
1
·


j
j
j
p x

- densitatea de repartiţie ( )
2
1
1 1
x
x f
+
·
π
, R x ∈ , deşi
0
1
1
lim
2
·
+


∞ →
dx
x
x
a
a
a
π
.
Propoziţie: Proprietăţile mediei
(1). Dacă v.a. c X · , atunci ( ) N k c X M
k k
∈ · ,
(2). Dacă v.a. este omogenă ( ) ( ) X aM aX M ·
(3). Dacă v.a. este aditivă
( )
∑ ∑
· ·
·
,
_

¸
¸
n
i
i
n
i
i
X M X M
1 1
(4). Dacă v.a.
n
X X X ,... ,
2 1
sunt independente (în totalitate), atunci
( )
∏ ∏
· ·
·

,
_

¸
¸
n
i
i
n
i
i
X M X M
1 1
Momente centrate
Definiţie: Numim moment centrat de ordin k al v.a. X numărul
( ) ( ) ( ) ( ) dx x f X M x X
k
k


∞ −
− · µ dacă v.a. X este continuă
( ) ( ) ( ) ( )
j
J j
k
j k
x X P X M x X · − ·


µ
dacă v.a. X este de tip discret
Propoziţie: Momentele centrate de ordinul k se pot exprima cu ajutorul momentelor de
ordin cel mult k şi reciproc
21
( ) ( ) ( ) ( ) X M X M C X
j
k
j
j k
j
k
j
k

·

− ·
0
1 µ
şi
( ) ( ) ( ) X M X C X M
j
k
j
j k
j
k k

·

·
0
µ
,
*
N k ∈
Cu ajutorul momentelor centrate se introduc noţiunile:
Definiţie:Coeficient de asimetrie al v.a. X:
( )
3
3
1
X
X
σ
µ
γ ·
.
Coeficient de exces al v.a. X:
( )
3
4
4
2
− ·
X
X
σ
µ
γ
Definiţie: Momentul centrat de ordinul doi se numeste dispersie şi se notează ( ) X D , iar
( )
X
X D σ · se numeşte abatere medie pătratică.
Pornind de la definiţie, rezultă imediat ( ) ( ) ( ) X M X M X D
2
2
− · , evident, nenegativă.
Observaţie: Dacă X este o v.a. pentru care există ( ) X M , atunci v.a. ( ) X M X − o vom
numi variabila aleatoare abatere. Imediat, rezultă ( ) ( ) 0 · − X M X M
Dacă, în plus, există ( ) X M
2
, atunci v.a.
( )
X
X M X
σ

o vom numi abatere normată.
Imediat, rezultă
( )
1 ·

,
_

¸
¸ −
X
X M X
D
σ

Momente mixte
Definiţie: Fiind dat vectorul aleator
( )
n
X X X X ,... ,
2 1
·
, numim moment mixt de ordinul
n
k k k ,... ,
2 1
numărul ( ) ( ) x dF x x x X X X M
n
n
k
n
k k
n k k k
... ... ,... ,
2 1
2 1
2 1 2 1 ,... ,
∫ ∫

∞ −

∞ −
· , dacă există
integrala Stieltjes multiplă.
Dacă vectorul aleator
( )
n
X X X X ,... ,
2 1
·
are densitate de repartiţie
( )
n
x x x f ,..., ,
2 1
,
atunci ( ) ( )
n n
k
n
k k
n k k k
dx dx dx x x x f x x x X X X M
n
n
... ,..., , ... ... ,... ,
2 1 2 1 2 1 2 1 ,... ,
2 1
2 1 ∫ ∫

∞ −

∞ −
· în ipoteza că
integrala multiplă de ordinul n există, iar dacă vectorul
( )
n
X X X ,... ,
2 1
este de tip discret,
( )
,
_

¸
¸
· · ·
∑ ∑
∈ ∈
n
n n
n
n n
j n j
J j J j
k
j
k
j
n k k k
x X x X P x x X X X M ,..., ... ... ,... ,
1
1 1
1
1
2 1
1 2 1 ,... ,
Analog se definesc momentele centrate de ordinul
n
k k k ,... ,
2 1
(dacă ele există):
Definiţie: Fiind dat vectorul aleator
( )
n
X X X X ,... ,
2 1
·
, numim moment mixt de ordinul
n
k k k ,... ,
2 1
numărul
( ) ( ) ( ) ( )
n
n
j
k
j j n k k k
x x x dF X M x X X X
j
n
,..., , ... ,... ,
2 1
1
2 1 ,... ,
2 1
∫ ∫


∞ −

∞ −
·
− · µ
,
22
In cazul variabilelor discrete
( ) ( ) ( )
,
_

¸
¸
· ·
,
_

¸
¸

,
_

¸
¸
− ·
∑ ∑
∈ ∈
n
n n
n
n n
j n j
J j J j
k
n j
k
j n k k k
x X x X P X M x X M x X X X ,..., ... ... ,... ,
1
1 1
1
1 2 1
1 1 2 1 ,... ,
µ
iar în cazul variabilelor continue cu densitatea de repartiţie
( )
n
x x x f ,..., ,
2 1
,
( ) ( ) ( ) ( )

∫ ∫

·

∞ −

∞ −
·
− ·
n
j
j n
n
j
k
j j n k k k
dx x x x f X M x X X X
j
n
1
2 1
1
2 1 ,... ,
,..., , ... ,... ,
2 1
µ
In ipoteza că există
( ) X M
2
şi
( ) Y M
2
pentru v.a. bidimensională ( ) Y X, dăm urmatoarea
definiţie:
Definiţie: Se numeşte covarianţă a variabilelor aleatoare X şi Y momentul mixt
( ) ( ) ( ) ( ) [ ] Y M Y X M X M − − ·
11
µ
=cov(X,Y)
Acest indicator măsoara existenţa legăturii stocastice a v.a. X şi Y.
Din definiţie, rezultă imediat ( ) ( ) ( ) ( ) Y M X M XY M Y X − · , cov , care este o funcţională
biliniară simetrică.
Propoziţie: Proprietăţile covarianţei
(1) ( ) ( ) R b a Y X ab bY aX ∈ ∀ · , , , cov , cov şi ( ) R a a X ∈ ∀ · , 0 , cov
(2) ( ) ( ) ( ) Y X Y X Y X X , cov , cov , cov ′ + · ′ +
(3) ( ) ( ) X Y Y X , cov , cov · şi ( ) ( ) X D X X · , cov
Definiţie: V.a. se numesc necorelate dacă ( ) 0 , cov · Y X
Observaţie: Intrucât ( ) ( ) ( ) ( ) Y M X M XY M Y X · ⇔ · 0 , cov , dacă v.a. X şi Y sunt
independente, atunci ele sunt necorelate. Reciproca, nu este adevărată întotdeauna. Vom
arăta acest lucru în exemplul următor:
Exemplu: Trei bile de culori diferite se pun la întîmplare in trei urne. Notând cu X v.a.
care indica numarul de bile dintr-o urna si cu Y pe cea care reprezinta numarul urnelor
ocupate, arătati ca X si Y sunt necorelate (evident, nu sund independente).
Propoziţie: Proprietăţile dispersiei
(1). Dacă v.a. c X · , atunci ( ) 0 · X D
(2). ( ) ( ) X D a aX D
2
·
(3).
( )
∑ ∑
· ·
·
,
_

¸
¸
n
i
i
n
i
i
X D X D
1 1
, dacă
n
X X X ,... ,
2 1
sunt independente două câte două.
(4) ( ) ( ) ( ) ( ) Y X Y D X D Y X D , cov 2 t + · t
Legătura dintre medie şi dispersie este data de ineglitatea lui Cebâşev:
Inegalitatea lui Cebâşev: Dacă X este o v.a. pentru care există ( ) X M şi ( ) X D , atunci,
0 > ∀ε , are loc inegalitatea: ( ) ( ) ( )
( )
2
:
ε
ε ω ω
X D
X M X P ≤ ≥ −
Observaţie: Cu ajutorul acestei inegalităţi se poate evalua o limita inferioară a
probabilităţii cu care valorile variabilei aleatoare se grupează în jurul valorii medii:
( ) ( ) ( )
( )
2
1 :
ε
ε ω ω
X D
X M X P − ≥ < − .
23
Dacă σ ε 3 · , atunci: ( ) ( ) ( ) ( )
9
8
3 3 : ≥ + < < −
X X
X M X X M P σ ω σ ω , inegalitate
cunoscută sub numele de “regula σ 3 ”
Inegalităţi pentru momente
Inegalitatea lui Hőlder: Dacă X şi Y sunt v.a. astfel încât există
( ) X M
r
şi
( ) Y M
s
, atunci
există
( ) XY M
şi
( ) ( ) ( )
s
s
r
r
Y M X M XY M
1 1

, unde 1
1 1
, 1 · + >
s r
r . Pentru 2 · · s r ,
avem:
Inegalitatea lui Schwartz :
( ) ( ) ( )
2
1
2
2
1
2
Y M X M XY M ≤
Inegalitatea lui Minkowski: Dacă X şi Y sunt v.a. astfel încât există
( ) X M
r
şi
( ) Y M
s
,
adică dacă X şi Y sunt v.a. astfel încât există ( )
r
X M şi ( )
r
Y M , atunci pentru 1 ≥ r ,
există ( )
r
Y X M + şi avem:
( ) ( ) ( )
r
r
r
r r
Y M X M Y X M
1 1
+ ≤ +
Inegalitatea lui Liapunov: propritatea de monotonie a momentelor
Dacă există ( )
1
r
X M şi ( )
2
r
X M cu
2 1
0 r r ≤ < atunci
( ) ( ) 2
2
1
1
1 1
r
r
r
r
X M X M ≤
.
Corelaţie si regresie
Intensitatea legăturii stocastice a două variabile aleatoare se poate măsura cu
ajutorul unor indicatori numerici, cel mai frecvent întilnit fiind coeficientul de corelaţie.
Definiţie: Numim coeficient de corelaţie al v.a. X şi Y raportul
( )
Y X
Y X
Y X
σ σ
ρ
, cov
,
·
.
Teorema: Pentru orice v.a. X şi Y pentru care ( ) ( ) 0 ≠ Y D X D , au loc proprietăţile:
(1).
0
,
·
Y X
ρ
dacă şi numai dacă v.a. X şi Y sunt necorelate.
(2). Dacă X,Y sunt v.a. independente, atunci
0
,
·
Y X
ρ
, reciproca nu este adevarată.
(3).
1
,

Y X
ρ
;
1
,
·
X X
ρ
şi
1
,
− ·
− X X
ρ
(4).
1
,
·
Y X
ρ
implică o dependenţă liniară între X şi Y.
Considerând variabilele abatere normată
( )
X
X M X
X
σ

· ′
,
( )
Y
Y M Y
Y
σ

· ′
( ) 1 t · · ′ ′ ⇒
XY
Y X M ρ . Cum
( ) ( )
( )
X
Y
X M X
Y M Y Y X M
σ
σ

t · ⇒ · ′ t ′ 0
2
Definiţie: Dreptele
( ) ( )
Y x
Y M y X M x
σ
λ
σ

·

1 şi
( ) ( )
x Y
X M x Y M y
σ
λ
σ

·

2
se numesc
drepte de regresie .
24
Definiţie: Presupunând că există ( ) X M
2
şi
( ) X M
2
, dreapta de regresie a v.a. Y în
raport cu X este:
( )
( )
( ) ( ) X M x
Y X
Y M y
x
− · −
σ
, cov
, iar
( )
x
Y X
Y X
σ
γ
, cov
·
se numeşte
coeficient de regresie al v.a.Y în raport cu X.
Observaţie:
X Y Y X Y X
γ γ ρ ·
,
Dacă ( ) Y X Z R Z , , :
2
· → Ω este o v. a. bidimensională, se pot defini momente
iniţiale condiţionate şi dispersii condiţionate
Definiţie: Media condiţionată a v.a.Y stiind că X=x este:
( )
( )
( )

continuu cazul in
discret cazul in
¹
¹
¹
¹
¹
'
¹
· ·



∞ −
·
·
dy y yf
y yp
x X Y M
x X Y
y
x X Y
Observaţie: Media condiţionată
( ) ( ) x h x X Y M · ·
este funcţie de x, şi poartă numele de
curba de regresie,
( ) ( ) X Y M X h ·
. Aceasta medie condiţionată este o v.a., pentru care
are loc următoarea teoremă:
Teorema: Presupunând că
( ) ∞ < X M
,
( ) ( ) ( ) Y M X Y M M ·
Definiţie: Dispersia condiţionată a v.a. Y ştiind că X=x este:
( ) ( ) ( ) ( ) x X x X Y M Y M x X Y D · · − · ·
2
Observaţie: Dispersia condiţionată este funcţie de x,
( ) ( ) X Y D X v ·
fiind o v.a., pentru
care are loc :
Teorema: Fie X şi Y v.a. şi g o funcţie. Atunci:
( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) [ ]
2 2
X g X Y M M X Y D M X g Y M − + · −
Corolar: Dacă
( ) ∞ < X M
2
, atunci
( ) ( ) [ ] ( ) [ ] X Y M D X Y D M X D + ·
Funcţia caracteristică
Definiţie: Fie X o v.a. definită pe { } P K, , Ω cu funcţia de repartiţie
X
F
. Aplicaţia
C R
X
→ : ϕ , definită prin:
( ) ( )
itX
X
e M t · ϕ
se numeste funcţia caracteristică a v.a.X.
Observaţie: Din definiţia funcţiei caracteristice rezultă: ( ) ( )


∞ −
· x dF e t
X
itx
X
ϕ , adică:
( )
( )
( )
¹
¹
¹
¹
¹
'
¹
·
·



∞ −

continua este X v.a. daca
discreta este X v.a. daca
dx x f e
x X P e
t
X
itx
J j
j
itx
X
j
ϕ
Propoziţie: Proprietăţile funcţiei caracteristice
(1)
( ) 1 0 ·
X
ϕ
(2)
( ) 1 ≤ t
X
ϕ
25
(3) ( ) ( ) t t
X X
− · ϕ ϕ
(4)
X
ϕ
este uniform continuă pe R
Propoziţie:
1. Dacă b aX Y + · , atunci:
( ) ( ) at e t
X
ibt
X
ϕ ϕ ·
2. Daca
( )
n j
j
X
≤ ≤ 1
sunt v.a. independente, atunci:
( ) ( )

·
·

·
n
j
X
X
t t
j
n
j
1
1
ϕ ϕ
Formula de inversiune: Fie X o v.a.,
X
F
funcţia ei de repartiţie si
X ϕ
funcţia sa
caracteristică. Dacă
2 1
x x <
sunt puncte de continuitate pentru
X
F
, atunci:
( ) ( ) ( ) dt t
it
e e
x F x F
X
c
c
itx itx
c
X X
ϕ
π


− −
∞ →

· −
2 1
2
1
lim
1 2
Teorema de unicitate. Funcţia de repartiţie este determinată în mod unic de funcţia ei
caracteristică.
Legătura dintre funcţia caracteristică şi momente (dacă acestea există) este dată de:
Teorema: Dacă X este o v.a. pentru care există
( ) X M
n
, atunci
X
ϕ
este de n ori
derivabilă şi
( )
( ) ( ) X M i
k
k k
X
· 0 ϕ , n k ≤ ≤ 1
Corolar: Dacă v.a. X admite momente de orice ordin (finite) , atunci:
( ) ( )
( )
!
0
k
it
X M t
k
k
k X ∑

· ϕ pe intervalul de convergenţă al seriei de puteri.
Funcţia caracteristică pentru variabile aleatoare vectoriale
Definiţie: Funcţia
C R → : ϕ
definită prin
( )

,
_

¸
¸

·
·
n
k
k k
X t i
n
e M t t t
1
,..., ,
2 1
ϕ
este funcţia
caracteristică a vectorului aleator
( )
n
X X X ,... ,
2 1
.
Observaţie: Din definiţia rezultă:
( ) ( )


∞ −

·
·
n
X t i
n
x x x dF e t t t
n
k
k k
,..., , ,..., ,
2 1 2 1
1
ϕ
, care, în cazul
i) discret devine ( ) ( )
n n
S x S x S x
n
x X x X x X P e t t t
n
k
k
X
k
t i
n n
· · · ·

·
∑ ∑ ∑
∈ ∈ ∈
,..., , ... ,..., ,
2 2 1 1 2 1
1
1 1 2 2
ϕ , unde
k
S
mulţimea valorilor v.a.
k
X
, mulţime care este cel mult numarabilă.
ii) continuu, cu densitatea de repartiţie
( )
n
x x x f ,..., ,
2 1
devine:
( ) ( )
n n
X t i
n
dx dx dx x x x f e t t t
n
k
k k
... ,..., , ,..., ,
2 1 2 1 2 1
1


∞ −

·
·
ϕ
Propoziţie: Funcţia caracteristică a vectorului aleator
( )
n
X X X ,... ,
2 1
are proprietăţile:
(1) ( ) 1 0 ,..., 0 , 0 ·
X
ϕ
(2)
( ) 1 ,..., ,
2 1

n X
t t t ϕ
26
(3)
( ) ( )
n X n X
t t t t t t ,..., , ,..., ,
2 1 2 1
ϕ ϕ · − − −
(4)
X
ϕ este uniform continuă pe
n
R
(5) Dacă vectorul aleator
( )
n
X X X X ,... ,
2 1
·
are funcţia caracteristică
( )
n X
u u u ,..., ,
2 1
ϕ
şi se consideră vectorul
( )
n
Y Y Y Y ,... ,
2 1
·
,
j
n
j
k jk j
b X c Y + ·

·1
,
m j ≤ ≤ 1
,
atunci:
( ) ( )
n X
t b i
n Y
u u u e t t t
m
j
j j
,..., , ,..., ,
2 1 2 1
1
ϕ ϕ

·
· , unde ∑
·
·
m
j
j jk k
t c u
1
, n k ≤ ≤ 1 .
Observaţie: Din funcţia caracteristică
( )
n X
t t t ,..., ,
2 1
ϕ
se pot obţine imediat funcţiile
caracteristice ale componentelor vectorului X:
( ) ( ) 0 ,..., 0 , , 0 ,..., 0
k X k X
t t
k
ϕ ϕ ·
, n k ≤ ≤ 1
şi dacă vectorul X are componente independente, atunci:
( ) ( )

·
·
n
k
k X n X
t t t t
k
1
2 1
,..., , ϕ ϕ
Legătura dintre funcţia caracteristică şi momente este dată de relaţia:
( )
( )
0 ...
2 1
2 1
2 1 ,..., ,
2 1
2 1
1
1
2 1
...
,..., ,
1
,..., ,
· · · ·
∂ ∂ ∂



·
·
·
n
n
n
j
j
n
j
j
n
t t t
k
n
k k
n
k
k
n k k k
t t t
t t t
i
X X X M
ϕ
Funcţia generatoare de momente
Definiţie: Funcţia generatoare de momente a v. a. X este
( ) ( )
tX
X
e M t · ψ
dacă
0 > ∃h astfel încât media există şi este finită pentru
h t <
Teorema: Dacă există h>0 astfel încât
( ) ( ) t t
Y X
ψ ψ ·
pentru
h t <
, atunci X=Y.
Teorema: Fie
n
X X X ,..., ,
2 1
v.a.i. ale căror funcţii generatoare de momente există
pentru
h t <
,h>0, si

·
·
n
k
k n
X S
1
. Atunci
( ) ( ) . ,
1
h t t t
n
k
X S
k n
< ·

·
ψ ψ
Corolar: Dacă, în plus,
n
X X X ,..., ,
2 1
sunt identic repartizate, atunci
( ) ( ) ( ) h t t t
n
X S
n
< · , ψ ψ
.
Teorema: Fie X v.a. a cărei funcţie generatoare de momente
( ) t
X
ψ
există pentru
h t <
,
h>0. Atunci
a) toate momentele există: ( ) 0 k pentru > ∀ ∞ <
k
X M
b) ( )
( )
( ) N n X M
n
X
n
∈ · , 0 ψ
Observaţie: Pentru v.a. care ia doar valori naturale se defineşte funcţia generatoare de
probabilitate :
( ) ( ) ( )


· · ·
0 n
n X
X
n X P t t M t g
, care este definită cel puţin pentru
1 < t
.
Pentru aceste variabilele aleatoare
( ) ( ) h t e g t
t
X
< · pentru , ψ
. Are loc urmatoarea:
Teorema: Fie
n
X X X ,..., ,
2 1
v.a. independente identic repartizate şi N v.a. luând valori
naturale, independentă de
n
X X X ,..., ,
2 1
. Atunci
( ) ( ) ( ) t g t
X N S
n
ψ ψ ·
şi
( ) ( ) ( ) t g t
X N S
n
ϕ ϕ ·
27