Programi i studimit Master i Shkencave në “Shkencat dhe Teknologjitë Ushqimore”.

Lënda: Statistikë e Aplikuar në Industrinë Ushqimore

Libri: Teori probabiliteti. Llukan Puka. Gjendet te godina A, kati zero.

Lektori: Markela Muça

Kapitulli 3. (3 javë libri Llukan Puka)

LEKSIONI 7. Dt 06.01.2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht.

LEKSIONI 8. Dt 13.01. 2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht.

LEKSIONI 9. Dt 20.01 2021, salla D3. Për arsye të situatës në vend leksionin po jua dërgoj
elektronikisht

• Ndryshoret e rastit vazhdueshme. Shpërndarja

• Disa shpërndarje klasike.
• Karakteristika Numerike

NDRYSHORET E RASTIT REALE TE VAZHDUESHME

Madhësitë numerike që na interesojnë gjatë një prove rasti nuk janë përherë diskrete.
P.sh. koha e funksionimit të një pjese në një makineri mund të marrë çdo vlerë reale në një
interval. Është shembulli i një eksperimenti, i një prove të rastit në të cilën rezultatet e
mundshme janë një sasi e pafundme e panumërueshme. Në këtë rast duhet të studiojmë një
ndryshore rasti bashkësia e vlerave të të cilës është një interval i vazhdueshëm, nuk është
diskrete. Shembuj të tillë mund të jepen shumë (detyrë shtëpie).

Në këtë kre do të studiohen ndryshoret e rastit që marrin vlera në një interval real të
vazhdueshëm. Për t’i dalluar nga ndryshoret e shqyrtuara në kreun e dytë, ndryshoret e rastit
diskrete, këto do t’i quajmë ndryshore rasti të vazhdueshme. Vërejmë megjithatë se termi “i
vazhdueshëm” këtu nuk përdoret në kuptimin e vazhdueshmërisë në analizën matematike.

Le të jetë  një provë rasti (Kujtojmë nga kapitulli 1 se Ω mund të jetë e pafundme por e
panumërueshme).
Përkufizim 1
Çdo funksion X :  → I , ku I është të paktën një interval në R quhet ndryshore rasti e
vazhdueshme. Shënohet X n.r.v. dhe vlerat e saj me x

1
Shënim:
• Një ndryshore e rastit reale është një ndryshore rasti që merr vlera në një interval të
drejtëzës reale.
• Në qoftë se I është një interval në R, atëhere shënimi {XI} tregon ngjarjen se X i merr
vlerat në I.
• Po qe se I = (a, b), atëhere do të shënojmë {X(a, b)} = {a<X<b} dhe {X(-, a)} = {X<a}
• Gjetja e probabiliteteve në rastin që po shqyrtojmë, pra të ndryshoreve të rastit të
vazhdueshme bëhet duke futur kuptimin e densitetit të shpërndarjes; ky nocion
përgjithëson kuptimin përkatës për ndryshoret e rastit diskrete të shqyrtuara në kreun e dytë.

Përkufizim 2. Densitet i probabiliteteve në R quhet çdo funksion f(.) i R në R i tillë që:

a) f(.) është jonegativ në R

b) f(.) është i integrueshëm në R
+∞
c) ∫−∞ 𝑓(𝑥)dx = 1.

Figura 1. Grafiku i densitetit të probabiliteve në R

Përkufizim 3. Themi se ndryshorja e rastit reale X ka densitet f(.) po qe se ekziston një densitet
probabilitetesh f(.) në R i tillë që për çdo interval real I të kemi:
𝑃(𝑋 ∈ 𝐼) = ∫𝐼 𝑓(𝑥)dx.

Shpesh herë do të themi se n.r. ka densitet p, me vlera p(x). Veç kësaj, për n.r. me densitet do
të përdorim shpesh edhe termin “n.r. e vazhdueshme” për ta dalluar nga n.r. diskrete për të cilat
nuk ekziston një densitet në kuptimin e mësipërm.

Thuhet shpesh herë se “ndryshorja e rastit X ka shpërndarje p(.)” në vend të “ndryshorja e rastit
X ka densitet p(.)”.

Vetitë e shprehura në përkufizimin e densitetit të probabiliteteve (përkufizimi 2) janë të

nevojshme për të patur një përkufizim koherent të ndryshores së rastit me densitet. Vërtetë, çdo
probabilitet është përherë jonegativ dhe P(-<X<+)=1.

2
Shënim (Përkufizimi 3):
• Po qe se I = (a, b), atëhere do të shënojmë {X(a, b)} = {a<X<b} dhe

• Po qe se I = (-, a) atëhere {X(-, a)} = {X<a} dhe

• Po qe se I = (a,+) atëhere {X(a,+)} = {X>a} dhe

Shembull 3.1 Gjeni për ç’vlerë të konstantes k, funksioni i mëposhtëm është një densitet
probabilitetesh:
−x
p( x) = ke , xR.

3
(ky densitet quhet densitet eksponencial i dyanshëm (ose bilaterial)).

Shihet lehtë se funksioni p i plotëson kërkesat a) dhe b): ai është i përcaktuar kudo në R, është
jo negative dhe i integrueshëm.

Rrjedhimisht mjafton të kërkojmë që funksioni të plotësojë kushtin c) në përkufizimin e

densitetit. Kemi:
+ +

  ke
−x
1= p ( x ) dx = dx 
− −
0 + 0 

 ke  ke  ke  ke
−x −x −x
1= dx + dx = x
dx + dx 
− 0 − 0
ose
+ +

  ke
−x −x
1= 2 ke dx = 2 dx = 2k * ( −e − x ) 
0 = 2k
0 0

1
Pra, k = .
2

Eshtë e qartë, se në qoftë se n.r. X ka densitet p, atëherë: P(−  X  +) = 1.

• Ndërkaq, pohimi që vijon, tregon ndryshimin që ekziston midis një n.r. diskrete dhe një n.r.
të vazhdueshme.

Teoremë 1. Po qe se X është një ndryshore rasti me densitet p atëherë për çdo real a kemi
P(X=a)=0.
Vërtetim
Mjafton që në përkufizim të merret I = (a, a).
a


P( X = a) = P( X {a}) = p( x)dx = 0
a

Për një ndryshore rasti me densitet, probabiliteti që ajo të marrë një vlerë të dhënë është zero.
Themi se ndryshorja e rastit është e vazhdueshme.

Shëmim
• Kjo i dallon esencialisht këto ndryshore nga ndryshoret e rastit diskrete për të cilat
përkundrazi probabiliteti që të marrin vlerat e mundshme nuk është zero.
• Për një ndryshore të vazhdueshme probabiliteti që ajo të marrë një vlerë nuk jep asnjë
informacion sepse ky probabilitet në çdo rast është zero.
• Nga pohimi nxirret lehtë se për një ndryshore të vazhdueshme janë të vërteta barazimet:

4
 P(a < X < b) = P(a  X < b) = P(a < X  b) = P(a  X  b).
• Vërejmë edhe njëherë se densiteti p(x) nuk është probabilitet dhe se ai mund të marrë
vlera më të mëdha se 1.
• Nga ana tjetër, funksioni p(x) është njëlloj “mase” probabiliteti në kuptimin që vijon. Po
qe se dx është pozitiv dhe i vogël, atëherë:
x +dx
P(x  X  x + dx) =  p(t )dt
x
 p(x)dx.

Me fjalë të tjera, analogu i densitetit diskret të probabiliteteve është madhësia p(x)dx, e cila
shumë herë quhet edhe shpërndarje e n.r. X.

Edhe njëherë p(x) nuk është probabiliteti që ndryshorja X të marrë vlerën x, në dallim
nga ndryshoret e rastit diskrete.

Shembull 3.2 Ndryshorja e rastit X ka densitet f(x) = 3x2/16, për −2 < x < 2, dhe 0, ndryshe.

a) Ndërtoni grafikun e funksionit që shërben si densitet i probabiliteteve.

b) Gjeni P(X >1) dhe skicojeni.

Kemi,
 2 +

 
P( X  1) = p( x)dx = p( x)dx +
1 1
 p( x)dx =
2
2 + 3 2
3x 2 x 7
= 
1
16
dx +  0dx = 16
2 1
=
16

Në figurën që vijon Fig. 3.1 është treguar densiteti dhe probabiliteti i kërkuar me sipërfaqen e
ngjyrosur.

Fig 3.1

Shembull 3.3 Në vijim të shembullit 3.1, të gjendet P(0 < X < 1).

Kemi

5
 1 − e−1
1
1 −x 1

1
P(0  X  1) = e dx = (−e− x ) = = 0, 316 . Y=(1/2)exp(-x), y=(1/2)exp(x)
0
2 2 0 2

3.2. DENSITETE PROBABILITETI KLASIKE

Në vijim le të tegojmë disa densitete probabilitetesh që përdoren rëndom dhe që përgjithësisht

karakterizohen si densitete klasike.

• Densiteti i njëtrajtshëm shënimi XU(a, b).

N.r. X quhet me shpërndarje të njëtrajtshme në [a, b] në qoftë se ajo ka si densitet, densitetin e
njëtrajtshëm në [a, b], vlerat e të cilit p(x) përcaktohen nga barazimi (1):

 1
 për x a, b
p(x)=  b − a (1)
0 për x e tjerë

Mund të tregohet lehtë se p është një densitet probabilitetesh.

b
1 1
 b − adx = b − a * x | = 1
b
c) a
a

• Densiteti eksponencial shënimi XE().

N.r. X quhet me shpërndarje eksponenciale me parametër  në qoftë se ajo ka si densitet,

densitetin eksponencial, vlerat p (x) e të cilit përcaktohen nga barazimi (2) për çdo real pozitiv


λe − λx për x  0
p(x) =  (2)
0 për x  0

Tregohet lehtë se p(.) është realisht një densitet probabilitetesh.

6
 

 e
− x
c) dx = −e−  x |0 = 1
0

Kjo shpërndarje ndeshet gjatë studimit të kohës së punës pa defekt të një pajisjeje kur defekti
që ndodh është i rastit. Një shembull i tillë është difekti që pëson një pjesë elektronike po qe se
tensioni vjen shumë i lartë. Edhe koha e zbërthimit të një atomi radioaktiv ka shpërndarje
eksponenciale. Kjo shpërndarje është e ndryshme nga zero për vlerat pozitive të argumentit.
Është shpërndarja e një ndryshoreje positive. D.sh. Gjeni shëmbuj n.r.v. X me shpërndarje
eksponenciale me parametër lamda

Shpërndarja eksponenciale është e vetmja ndryshore e vazhdueshme që e ka këtë veti. Në rastin

diskret një veti të tillë e ka shpërndarja gjeometrike.

• Densiteti normal (ose i Gausit) XN(0 ; 1)

Densitet normal i qendërzuar dhe i normuar (ose densitet normal standard), quhet
densiteti i përcaktuar në R me barazimin:
1 x2
p(x) = exp(− ) , xR (3)
2π 2

Në qoftë se m është një numër real dhe  është një numër real rigorozisht pozitiv, atëherë
densiteti i përcaktuar në R me barazimin
1 (x - m)2
p(x) = exp(− ) , xR (4)
σ 2π 2σ 2

quhet densitet normal me parametra m dhe 2 dhe shënohet N(m, 2).Shënohet XN(m;
2).

• Grafiku
Grafiku i densitetit normal N(m; 2) ka pamjen e një “këmbane” simetrike. Në figurë është
treguar grafiku i densitetit normal N(m; 2) (fig 3.2) dhe i densitetit normal N(0; 1) (fig 3.3)

7
 Fig 3.2 Densiteti normal N(m; 2)

0.20

0.18

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00
-4 -2 0 2 4

Fig 3.3 Densiteti normal N(0; 1)

Për vlera të ndryshme të parametrave të shpëndarjes normale përftohen shpërndarje të

ndryshme normale. Në figurat 3.4 dhe 3.5 janë treguar grafikët për disa shpërndarje normale

min=-45-3*14=-90 dhe max=-45+3*15=0 Fig. 3.5

X~N(7,42), X~N(7,92)dhe X~N(7,202)

Fig 3.4 X~N(-45,152)

8
 Fig. 3.6 X~N(-2,0.2),

Detyrë. Ndryshorja e rastit X ka shpërndarje normale N(3; 9). Shkruani funksionin që shërben
si densitet i probabiliteteve. Ndërtoni grafikun e kësaj shperndarjeje.

3.3. FUNKSIONI I SHPËRNDARJES

Për të treguar shpërndarjen e një n.r. përdoret edhe nje kuptim tjetër, ai i funksionit të
shpërndarjes. Ky nocion është i rëndësishëm sepse ai futet njëlloj për të dy llojet e ndryshoreve
të rastit, si për ato diskrete ashtu edhe për ato të vazhdueshme.

Përkufizim 3. Funksion shpërndarjeje i n.r. X quhet funksioni FX: R→[0, 1], i përcaktuar me
barazimin:

FX(x) = P(X  x) , xR

Kur ndryshorja e rastit është e vazhdueshme me densitet p, atëhere

x
FX(x) = P(X  x) =  p(t)dt,
−
xR

Në vend të FX shpesh herë shënohet shkurt F, kur nënkuptohet ndryshorja e rastit për të cilin
ai gjendet.

9
Vetitë e funksionit të shpërndarjes (shiko fig), për të gjitha ndryshoret e rastit, rrjedhin
menjëherë nga përkufizimi i tij:
a) për çdo a, bR, P(a  X  b) = FX(b) - FX(a).
b) 0  F(x)  1 për çdo xR.
c) F është një funksion monoton jozvogëlues.
Vërtetë,

Kur a < b, atëhere (−∞, b) = (-∞, a)  [a, b). Rrjedhimisht

P(a  X < b) = P(X  [a, b))

= P(X  (−∞, b)) − P(X  (−∞, a))

= P(X < b) − P(X < a) përk. 3

= F(b) − F(a).

Vetia b) rrjedh nga përkufizimi: funksioni i shpërndarjes është një probabilitet.

Vetia c) rrjedh nga vetia a): për çdo x1x2 kemi

P(x1  X < x2) = F(x2)-F(x1)0, pra F(x2)  F(x1).

d) Kur ndryshorja është e vazhdueshme me densitet,(kjo veti nuk është e vërtetë në rastin e
n.r.d. X) atëhere
F(b) − F(a) = P(a < X ≤ b) = P(a < X < b) = P(a ≤X <b) = P(a ≤ X ≤ b).

Nga ana tjetër mund të tregohet se,

lim F ( x) = 1, lim F ( x) = 0.
x →+ x →−

e) Në qoftë se njihet funksioni i shpërndarjes F(x) i n.r. X, atëherë mund të gjejmë densitetin
p(x) të n.r. X në pikat ku ky është i vazhdueshëm sepse në këto pika kemi:
F’(x) = p(x).

Me fjalë të tjera, densiteti i ndryshores së rastit gjendet duke derivuar funksionin e

shpërndarjes së saj. Nga ana tjetër, nga përkufizimi shihet se po të njihet densiteti, atëhere
mund të gjendet funksioni i shpërndarjes. Kjo do të thotë se densiteti i shpërndarjes dhe
funksioni i shpërndarjes përcaktojnë njeri tjetrin.

 0 xa
x

f) Për X [a, b] atëhere F ( x) =   p (t )dt a  x  b
a
1 xb


10
 Shembull 3.4. N.r. X ka funksion shpërndarjeje

 1
1 − x  0,
F( x ) =  1 + x (*)
0 ndryshe.

a) Gjeni densitetin e X, f(x).

b) Gjeni probabilitetin P(1 < X < 2). (përkufizim 3, F(x))

• Duke derivuar për çdo x  0, gjejmë se densiteti i X për këto x është:

f(x) = F’(x) = 0.

• Ndërkaq për çdo x  0, përsëri duke derivuar në shprehjen e funksionit të shpërndarjes,

gjejmë:
1 ' 1
f(x) = F’(x) = ( 1 − ) = .
1+ x (1 + x) 2
Pra, densiteti është
 1
 x  0,
f(x) =  (1 + x) 2
0
 ndryshe.
Për të gjetur probabilitetin e kërkuar mund të përdoret densiteti i gjetur. Por përderisa njihet
funksioni i shpërndarjes, kemi
P(1< X < 2) = F(2) - F(1) = 2/3 - ½ = 1/6 (shkoj te barazimi (*) dhe zv x=2 dhe x=1)

Shembull 3.5 Nr. X ka densitet:

1 − x
 xe 2 x  0,
f(x) =  4
0
 ndryshe.

a) Gjeni funksionin e shpërndarjes të X, F(x).

• Nga përkufizimi, për çdo x  0, del se funksioni i shpërndarjes së X është F(x)= 0.

x 0 x
• Nga ana tjetër, për çdo x  0, kemi F(x) = P(X  x) =  p(t)dt =  p(t)dt +  p(t)dt
− − 0

0 x t
1 −2
= 
−
0dt + 
0
4
te dt

zgjidhet me pjesë

11
 x t 1 x
1 − 1 − t 1 −t
F ( x) =  td (−e 2 ) = t (−e 2 )0x − (− )  e 2 dt
0
2 2 2 0

1 −1 x −
t
1 −1 x 1
− x
F ( x) = (− xe 2 + 0) − e 2 |0x = xe 2 + 1 − e 2
2 2
x
− x
F(x) = 1 − e 2 (1 + ).
2

Pra, përfundimisht:

 −
x
x
1 − e 2 (1 + ) x  0,
F(x) =  2
0 x  0.


Një kontroll i thjeshtë mund të bëhet duke derivuar shprehjen e gjetur për të parë në se ajo jep
densitetin p(x).

Shembull 3.6. Një ndryshore rasti X ka densitet

2 / 5 0  x 1

p ( x) = 2 x / 5 1 x  2
0
 ndryshe

a) Të ndërtohet grafiku i funksionit p(x).

b) Gjeni funksionin e shpërndarjes të X; F(x) dhe të ndërtohet grafiku I funksionit të
shpërndarjes.
c) Gjeni P(0,5 < X < 1,5). Nga përkufizimi3

b) Duhet bërë kujdes sepse densiteti është përcaktuar në mënyra të ndryshme në dy intervalet
ku ai është i ndryshëm nga zero.

• për x<0, F(x) = 0; po ashtu për x>2, F(x) = 1. Vetitë e funksionit të shpërndarjes
• Për 0<x<1, kemi:
x
2 2x
F ( x) = P( X  x) =  5dt =
0
5
• Për 1<x<2, (kujdes) kemi:
1 x
2 2t 2 x2 − 1 x2 + 1

F ( x) = P( X  x) = dt +
0
5 1
5 
dt = +
5 5
=
5
Përfundimisht,

12
 0 për x  0
2 x / 5 për 0  x  1

F ( x) =  2
( x + 1) / 5 për 1  x  2
1 për x  2


Shihet se funksioni i shpërndarjes është një funksion i vazhdueshëm. Shtoni figurën

b) Probabiliteti kërkuar është

P(0,5 < X < 1,5) = F(1,5) − F(0,5) = [(1,5)2 + 1]/5 –[ 2(0,5)]/5 = 0,85
1.5 1 1.5
2 2x
Ose P(0.5  X  1.5) =  p( x)dx =  dx +  = ..... = 0.85
0.5 0.5
5 1
5

• Llogaritja e probabiliteteve normale

Gjetja e probabiliteteve që lidhen me shpërndarjen normale N(0,1) nuk mund të bëhet drejt
përdrejti duke integruar densitetin, sepse densiteti normal nuk ka primitivë dhe rrjedhimisht
përdorimi i formulës

b x2
1 −
F(b) - F(a) =  e 2 dx
a 2π

për të gjetur probabilitetin P(a < X < b) kur XN(0,1), nuk është i mundur. Për këtë qëllim
përdoren formula të përafërta.

• Për përdorimin e densitetit normal janë ndërtuar tabela, që japin vlerën e funksionit:
z x2
1 −
F(z) = 
− 2π
e 2
dx , për çdo zR (5)

z x2
1 −
ose të funksionit: (z) =  e 2
dx për çdo z0. (6)
0 2π

13
 1
• Njohja e njërit lejon gjetjen e tjetrit sepse mund të tregohet lehtë se F(z) = +(z)
2
dhe veç kësaj funksioni nën shenjën e integralit është çift.

𝑧 0 𝑧 𝑧
1 𝑥2 1 𝑥2 1 𝑥2 1 𝑥2
𝐹(𝑧) = ∫ 𝑒 − 2 dx= ∫ 𝑒 − 2 dx+ ∫ 𝑒 − 2 dx=1/2+ ∫ 𝑒 − 2 dx
−∞ √2π −∞ √2π 0 √2π 0 √2π
1
F(z) = +(z)
2

14
Tabelat janë ndërtuar për të dhënë vlera të F(x), për x>0 me hap 0.01 (x=0 :0.01 :3.09)
X~N(0,1) dhe kushti në tabelë {X<x}

15
 P(-1<Z<1)=F(1.00)-F(-1.00)=F(1)-(1-F(1))=2*F(1)-1=2*0.8413-1=0.68
Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 68 nga 100 numrat do të
bënin pjesë në intervakin (-1,1)

P(-2<Z<2)=F(2.00)-F(-2.00)=F(2)-(1-F(2))=2*F(2)-1=2*0.9772-1=0.95

Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 95 nga 100 numrat do të
bënin pjesë në intervakin (-2,2)

P(-3<Z<3)=F(3.00)-F(-3.00)=F(3)-(1-F(3))=2*F(3)-1=2*0.97987-1=0.97

Nëse do të gjeneronim 100 numra të rastit nga X~N(0,1), atëhere 97 nga 100 numrat do të
bënin pjesë në intervakin (-3,3)

Fig 1.

16
Për rastet e tjerë, me veprime të thjeshta tregohet lehtë se kur X ka shpërndarje normale N(m,
2), atëherë

a−m
P ( X  a) = F ( ).


Me fjalë të tjera, mund të gjejmë probabilitetet e vlerave të ndryshme të një ndryshoreje rasti
X me shpërndarje normale çfardo nëpërmjet tabelave të vlerave të n.r. së normuar N(0,1).

Kështu, le të shohim disa Shembuj.

Shembull 3.4
Ndryshorja e rastit X ka shpërndarje normale N(3; 9).
Si përcaktohen vlerat e funksionit p(x)?
Të ndërtohet grafiku i funksionit p që shërben si densitet i probabiliteteve. Cilat janë kushtet
që duhet të plotësoj ky funksion për të qenë një densitet i probabilitesh për n.r.X.
Nëse do të gjeneronim 100 vlera të rastit sa do të jenë përafërsisht min, max , moda, mesatarja
aritmetike, dispersioni, sh.m.k, amplituda

d. Të gjejmë P(2X5), P(X0), P(X−36).

X −3
Dimë që: X ~ N (3,9)  Z = ~ N (0,1)
3

Për rastin e parë shkruajmë:

2−3 X−3 5−3

P(2  X  5) = P(   )
3 3 3
1 2
= P(−  Z  )
3 3

17
 = 𝐹(0.66) − 𝐹(−0.33)
= 𝐹(0.66) − [1 − 𝐹(0.33)]=0.7453-1+0.6293=1.37-1=0.37
Shkojmë tek tabela te rreshti 0.6 dhe tek shtylla 0.06 (0.66=0.6+0.06) dhe në kryqëzimin e
rreshtit me shtyllën gjejmë F(0.66)=0.7454
Shkojmë tek tabela te rreshti 0.3 dhe tek shtylla 0.03 (0.33=0.3+0.03) dhe në kryqëzimin e
rreshtit me shtyllën gjejmë F(0.33)=0.6293

X−3 0−3
Për rastin tjetër kemi: P(X  0) = P(  )
3 3

= P(Z  −1) = 1 − F(−1)

= F(1) = 0,8413.
Shkojmë tek tabela te rreshti 1.00 dhe tek shtylla 0.00 (1.00=1.0+0.00) dhe në kryqëzimin e
rreshtit me shtyllën gjejmë F(1.00)=0.8413

Së fundi: (fillimisht zgjidhni mosbarazimin brenda kllapave, kundrejt X)

P( X − 3  6) = P(X  9) + P(X  −3)

X−3 9−3 X −3 −3−3

= P(  ) + P(  )
3 3 3 3
= 1 − F(2) + F(−2)
= 2[1− F(2)] = 0,456.

Në veprimet e mësipërme me Z kemi shënuar ndryshoren e rastit përkatëse N(0; 1).

Shembull 3.5 X ka shpërndarje normale N(m; 2). Të gjenden probabilitetet P( X − m  k )

për k=1, 2, 3.
Kemi:
X −m
P( X − m  k ) = P(−k   k ) = P ( −k  Z  k ) = F (k ) − F ( −k ) = 2 F ( k ) − 1

Ku Z~N(0,1)
Për k=1, 2, 3 gjenden përkatësisht (tab X ~N(0,1)):
P1=0,6826895 , P2=0,9544997 P3=0,9973002 (shih fig 1)

• Funksioni i shpërndarjes i një ndryshoreje rasti diskrete.

Ndryshoret e vazhdueshme kanë funksion shpërndarje të vazhdueshëm. Në rastin kur

ndryshorja është diskrete, funksioni i shpërndarjes është pjesë pjesë konstant, ai ka pikë këputje
në çdo vlerë të ndryshores.

18
 a. Shkruani densitetin e n.r. X, Grafikun, dy vetitë që duhet të plotësojnë këta numra.
b. Gjeni funksionin e shpërndarjes.F(x) grafiku

a. Densiteti i ndryshores është :

1 1 1
P( X = x) = Cnx p x (1 − p)n − x = C2x ( ) x ( ) 2− x = C2x ( ) 2 , x=0,1,2 , n=2, p=1/2
2 2 2
Grafiku, dsh

b. Nga pika a keni densitetin e ndryshores X

0 x0
1 / 4 0  x 1
1 1 1 
P( X = x) = Cnx p x (1 − p) n − x = C2x ( ) x ( ) 2− x = C2x ( ) 2 = 
2 2 2 1 / 4 + 2 / 4 1 x  2

1 x2

Funksioni është pjesë pjesë konstant dhe ka këputje në pikat 0, 1 dhe 2 (ushtrim: vizatoni
grafikun!). Nga ana tjetër ai është i vazhdueshëm nga e majta.

3.4. FUNKSIONET E NDRYSHOREVE TË RASTIT

Në mjaft situata duhen studjuar ndryshoret e rastit që janë funksione të ndryshoreve të rastit të
tjera me shpërndarje të njohur. Në këto raste na duhet të gjejmë shpërndarjen e ndryshores së
rastit funksion ose momentet e saj.
Le të jetë X një ndryshoret e rastit dhe : R→R një funksion. Në përgjithësi Y = (X) mund
të mos jetë një ndryshoret e rastit me densitet. Ne do të supozojmë se funksioni  është i tillë
që Y të jetë n.r. me densitet.
Problemi që shtrohet është si të gjejmë densitetin e Y kur njohim atë të X. Një problem të tillë
e kemi parë për ndryshoret e rastit diskrete. Por do të tregojmë se kjo është e mundur edhe për
ndryshoret e rastit me densitet, p.sh. kur funksioni  është bijektiv dhe i derivueshëm.

Teoremë 2
Le të jetë X një ndryshore rasti me vlera në intervalin U të R me densitet p(.); le të jetë f(·) një
funksion bijektiv i U në VR i tillë që f-1 të jetë i derivueshëm; atëherë Y=f(X) ka densitet q(.)
të barabartë me:
p(f −1 (y))(f −1 )' (y) për y  V
q(y) = 
0 për y  V

Shembull 3.8 Të gjendet densiteti i n.r. Y = eX, në qoftë se n.r. X ka densitet p.

1. Y = eX është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim një drejtëz
parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)
2. Vlerat e funksionit I shënojmë y = e x  x = ln( y) , y>0 (1)

19
 dx 1 1
3. | |= = sepse y>0 (2)
dy | y | y
4. Zbatoj formulen te teorema 2.
p(f −1 (y))(f −1 )' (y) për y  V
q(y) =  (3)
0 për y  V
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e Y:

1
 p(ln y ) për y>0
q( y ) =  y
0 për y  0


Shembull 3.9 Shpërndarja lognormale. Në vijim të shembullit 3.8 le të supozojmë se

ndryshorja X ka densitet normal N(m, 2) pra,

(x − m )2
1 −
2
p(x;m,σ ) = e 2 2 . për x në R (*)
 2

a. Cili është densiteti i Y=eX?

1. Y = eX është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim një drejtëz
parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)

2. y = e x  x = ln( y) (1)
dx 1 1
3. | |= = sepse y>0 (2)
dy | y | y
p(f −1 (y))(f −1 )' (y) për y  V
4. q(y) =  (3)
0 për y  V
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e n.r.Y:

1
 p(ln y ) për y>0
q( y ) =  y më pas te barazimi (*) zëvendësojmë x me ln(y)
0 për y  0


(lny − m)2
1 −
q(y) = e 2σ 2 , për y  0 dhe q(y)=0 për y e tjerë.
σy 2π

Densiteti q i sapogjetur quhet densitet lognormal, ndërsa për n.r. me këtë densitet thuhet se ka
shpërndarje lognormale.

20
Shembull 3.10

a) Të gjendet densiteti i ndryshores Y= aX+b, në qoftë se n.r. X ka densitet p dhe a0.

1. Y = aX+b është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim një
drejtëz parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)

y −b
2. y = ax + b  x = , per a  0 (1)
a
dx 1
3. | |= a0 (2)
dy | a |
p(f −1 (y))(f −1 )' (y) për y  V
4. q(y) =  (3)
0 për y  V
1 y−b
(1) dhe (2) i zëvendësojmë te (3), gjejmë densitetin e Y : q(y)= p( ).
a a

b) Në qoftë se n.r. X ka densitet normal N(0, 1) dhe Y= X+m, 0, atëherë shihet lehtë duke
zbatuar formulën e gjetur se n.r. Y ka densitet normal N(m, 2).

1. X~N(0,1) atëhere vlerat e funksionit përcaktohen nga barazimi (*)

1
1 − x2
p( x) = e , xR 2
(*)
2
2. Y= X+m, 0 është funksion bijektiv (dsh. ndërtoni gafikun e funksionit dhe heqim
një drejtëz parallel me boshtin e x-ve. Kjo drejtëz e pret vijën në një pikë)
y−m
y =x+m x = ,
3.  (1)
dx 1 1
4. | |= = 0 (2)
dy |  | 
p(f −1 (y))(f −1 )' (y) për y  V
5. q(y) =  (3)
0 për y  V
(1) dhe (2) i zëvendësojmë te (3), gjejmë

1 y−m 1 1 − 12 ( y−m )2 y−m

q( y ) = pX ( )= e më pas te barazimi (*) zëvendësojmë x me
   2 
1
1 1 − 2 2 ( y −m )2
q( y ) = e
 2 për y në R

21
 b. Nëse ju kërkohet të gjeneroni numra të rastit Y~ N(m,σ2)

Fillimisht gjeneroj numra të rastit nga X~N(0,1) më pas këto numra i shumëzoj me σ dhe i
shtoj m

c) Ndryshorja e rastit X ka shpërndarje të njëtrajtshme në (0, 1), XU(0,1). Për a < b, le të jetë
Y = (b − a)X + a. Gjeni densitetin e Y.

1. X~U(0,1) atëherë p(x)=1, për x midis 0 dhe 1 (*)

2. Me qenë se X merr vlera midis 0 dhe 1, atëhere (b − a)X + a merr vlera midis a dhe b.
y−a
3. Për a < y < b, y = (b − a) x + a  x = , (1)
b−a
dx 1 1
4. | |= = , a<b (2)
dy | b − a | b − a
p(f −1 (y))(f −1 )' (y) për y  V
5. q(y) =  (3)
0 për y  V
(1) dhe (2) i zëvendësojmë te (3), gjejmë

1 1
q( y ) = *1 = , për y midis a dhe b.
b−a b−a

y−a
(më pas te barazimi (*) zëvendësojmë x me )
b−a

Pra nëse ju kërkohet të gjeneroni numra të rastit Y~ U(a,b) a < b

Gjeneroj numra të rastit nga X~U(0,1) më pas këto numra i shumëzoj me (b-a) dhe i shtoj
a.

22
Shënim 1

Formulat e mësipërme mbështeten në bijektivitetin e funksionit f. Por ç’ndodh kur funksioni

nuk është bijektiv? Në këtë rast ndryshorja e rastit mund të mos ketë densitet.

Shembulli i mëposhtëm ilustron mënyrën e veprimit në një rast të tillë.

Shembull 3.11 Të gjendet densiteti i ndryshores Y=X2 në qoftë se n.r. X ka densitet p.

Në këtë rast është e qartë se f(x) = x2 dhe f nuk është bijektiv në R (sih fig).

Megjithatë Y=X2 ka densitet si e tregojnë veprimet që vijojnë.

Bashkësia e vlerave të Y është R+ = [0, +).

• Për çdo 0  a  b kemi:

P(a  Y  b) = P(a  X2  b)= P(( a X b )  (− b X − a ))

(zgjidhni dy mosbarazimet brenda kllapës, X2<b dhe X2>a, I zgjidhni si barazime dhe ndërtoni
tabelën e shenjave për të gjetur zgjidhje e dy mosbarazimeve )

23
 b − a
P(a  Y  b) = P(( a X b ) + P(− b X − a )) =  p(x)dx +  p(x)dx
a − b

b
P(a  Y  b) =   p(x) + p( − x)  dx , zv y=x2dhe x>0
a

b b
1
 a a

q ( y )dy =  p( y ) + p(− y ) 
2 y
dy .

Rrjedhimisht, densiteti i Y është:

1
q(y) = [p( y ) + p(− y )] për y0 dhe
2 y

q(y)=0 për y e tjerë.

Në rastin e veçantë,
1 − 12 x2
kur X ka shpërndarje normale N(0, 1), atëherë p( x) = e , xR (*)
2
Kërkohet shpërndarja e Y=X2 (funksioni nuk është bijektiv në R. Që do të thotë nuk mund të
përdor Teoremën 2 por formulën (1)
1
q(𝑦) = 2 [𝑝(√𝑦) + 𝑝(−√𝑦)] (1)
√𝑦
Nëse te barazimi (*) zëvendësojmë x me +√𝑦) dhe −√𝑦) atëherë barazimi (1) shkruhet si më
poshtë.
y y
1 1 − 1 −
q(y) = [ e 2 + e 2 ] për y  0 dhe q(y)=0 për y e tjerë.
2 y 2π 2π

Me fjalë të tjera:
y
1 −
q(y) = e 2 , për y  0 dhe q(y)=0 për y e tjerë.
2π y

Rrjedhimisht, në qoftë se n.r. X ka shpërndarje normale N(0, 1), atëherë n.r. Y = X 2 ka

shpërndarje hi-katror me një shkallë lirie X 2(1).

Teorema 2 tregon një mënyrë të përgjithshme se si mund të gjendet densiteti i një funksioni
të një ndryshoreje rasti.

24
 Një mënyrë tjetër (e njëvlerëshme megjithatë!) është ajo që përdor funksionin e
shpërndarjes së ndryshores së rastit. Shpesh herë është më komode të përdoret kjo metodë
e dytë se sa ajo që propozon Teorema 2. Mbasi gjendet funksioni i shpërndarjes, ky derivohet
dhe gjendet densiteti. Etapat që ndjek kjo metodë janë si vijon.

Le të jetë Y = f(X) një ndryshore rasti funksion i ndryshores së rastit X me densitet p. Si të

gjendet densiteti q i ndryshores së rastit Y?

1. Gjendet në fillim bashkësia e vlerave të Y sipas vlerave të X dhe funksionit f;

2. Gjendet funksioni i shpërndarjes FY (y) = P(Y < y) = P(f(X) < y). Shprehet probabiliteti
i fundit me anë të ndryshores së rastit X.

3. Nga P(f(X) < y) fitohet një shprehje e formës P(X < . . .) ose P(X>…). Ana e djathtë e
shprehjes është një funksion i y.

Po qe se f është bijektiv rigorozisht rritës, atëhere

P(f(X) < y) = P(X < f−1(y)) = FX(f-1(y)).

Po qe se f është bijektiv rigorozisht zbritës, atëhere

P(f(X) < y) = P(X > f−1(y)) =1 – P(X<f-1(y)) = 1-FX(f-1(y))

4. Derivohet në lidhje me y dhe gjendet q(y).

Shënim 2

Edhe këtu problemi zgjidhet po qe se f është bijektiv (p.sh. monoton rigoroz rritës, monoton
rigoroz zbritës kudo në bashkësinë e vlerave ku densiteti p(x) është pozitiv).

Problemi zgjidhet edhe kur f nuk është bijektiv në bashkësinë e vlerave ku p(x)>0, por me
kusht që kjo e fundit të ndahet (të copëtohet) në intervale ku f është monoton rigoroz (rritës ose
zbritës). Veprimet duhen kryer me kujdes. Shih shembullin që vijon 3.14.

Shembull 3.12 Ndryshorja e rastit X ka shpërndarje të njëtrajtshme në (0, 1), XU(0,1). Për a
< b, le të jetë Y = (b − a)X + a. Gjeni densitetin e Y.

Me qenë se X merr vlera midis 0 dhe 1, atëhere (b − a)X + a merr vlera midis a dhe b. Për
a < y < b,

FY ( y ) = P(Y  y ) = P((b − a) X + a  y ) =
y−a y−a y−a
= P( X  ) = FX ( )=
b−a b−a b−a

25
Duke derivuar gjendet densiteti i Y:

1
q( y ) = , për a<y<b
b−a

Shembull 3.13 Supozojmë se ndryshorja X ka densitet p. Le te jetë Y = cX+d, c dhe d janë

konstante. Gjeni densitetin e Y.

Supozojmë se c>0. Funksioni i shpërndarjes i Y është

FY ( y ) = P(Y  y ) = P(cX + d  y ) =
y−d y−d
= P( X  ) = FX ( )
c c

Duke derivuar të dy anët, gjendet

1 y−d
q( y ) = p( )
c c

Po të jetë c<0, kemi

FY ( y ) = P(Y  y ) = P(cX + d  y ) =
y−d y−d y−d
= P( X  ) = 1 − P( X  ) = 1 − FX ( )
c c c

Duke derivuar gjendet

1 y−d
q( y ) = − p( )
c c

Duke i bashkuar të dy rastet kemi

1 y−d
q( y ) = p( )
c c

Shembull 3.14 Të gjendet densiteti i n.r. Y = X2, në qoftë se n.r. X ka densitet p(x) të përcaktuar
kudo në R. Këtë shembull e kemi parë më parë shembullin 3.11, të zgjidhur nëpërmjet
densiteteve. Këtu do përdoret funksioni i shpërndarjes.

Si shihet funksioni f(x) = x2 me anë të cilit fitohet ndryshorja Y, nuk është bijektiv: ai është
zbritës në (- , 0) dhe rritës në (0,+). Kjo duhet mbajtur parasysh gjatë veprimeve për të
gjetur funksionin e shpërndarjes.

Y ka funksion shpërndarjeje:

26
 0 y0
P(Y  y ) = P( X 2  y ) =  =
 P(− y  X  y ) y0
0 y0
=
 FX ( y ) − FX (− y ) y0

Rrjedhimisht, q(y) = 0 po qe se y  0, ndërsa për y  0 dhe, po qe se derivatet ekzistojnë, kemi:

d d 1
q(y) = P(Y  y) = [FX ( y ) − FX (− y )] = [p X ( y ) + p X (− y )].
dy dy 2 y

3.6. PRITJA MATEMATIKE, DISPERSIONI

Nocionet e pritjes matematike dhe të dispersionit përcaktohen edhe për ndryshoret e rastit reale
me densitet. Këta numra kanë të njejtët kuptime intuitive dhe po aq rëndësi për studimin e
sjelljes së ndryshores së rastit.
Formulat për llogaritjen e tyre për ndryshoret me densitet janë të ngjashme me rastin diskret:
shumat zëvendësohen me integrale.

Përkufizim 4. Pritje matematike e ndryshores së rastit me densitet p(.) quhet madhësia

+ +
E(X) =  xp(x)dx , me kusht që
−
 x p(x)dx  + .
−

Kushti i konvergjencës absolute të integralit është i domosdoshëm për ekzistencën e pritjes

matematike. Në këtë rast thuhet se ndryshorja e rastit ka pritje matematike.
Pritja matematike, kur ekziston ka po atë kuptim intuitiv: ajo është mesatarja e vlerave të X.
Njëlloj, si në rastin diskret, përdoret edhe termi mesatare.

Shembull 3.16 Ndryshorja X, me shpërndarje të njëtrajtshme në [a, b], ka pritje matematike :

b
1 a+b

E( X ) = x
a
b−a
dx =
2
.

X~U(a,b) atëherë pritja matematike llogaritet si mesatare aritmetike e vlerave skajore

Shembull 3.17 Ndryshorja X, me shpërndarje eksponenciale me parametër , ka pritje

matematike:

27
 +∞ 1
𝐸(𝑋) = ∫0 𝑥𝜆𝑒 −λx dx = 𝜆.

Zgjidhet me pjesë

 
1 1
E ( X ) =  xd (−e − x
) = − xe − x 
| +  e−  x dx = 0 − e−  x |0 = ,  0
0
0
0
 

Teoremë 4
Po qe se ndryshorja e rastit X ka densitet p(.) dhe po qe se f është një funksion i R në R i
tillë që f(.)p(.) është absolutisht i integrueshëm në R, atëherë kemi:
+
E(f(X)) =  f(x)p(x)dx
−

.
Shembull 3.20 Një sferë e ka rrezen R ndryshore rasti me shpërndarje të njëtrajtshme në (0,
2), R~U(0,2). Gjeni pritjen matematike dhe mënjanimin mesatar katror të sipërfaqes së sferës.

Le të jetë S sipërfaqja e sferës, S= 4πR2, ku R  U(0,2). Pritja matematike e sipërfaqes së sferës

2
1  x3 
2
16

është: E ( S ) = E (4 R ) = 4 E ( R ) = 4 x dx = 2   =   1,8  5,6 (1)
2 2 2

0
2  3 0 9

2
1  x5  2
256 2
Njëlloj, E ( S ) = E (16 R ) = 16 E ( R ) = 16 x dx = 8 2   = 
 .
2 2 4 2 4 2 4
(2)
0
2  5  0 25

Atëhere dispersion është D(S)=E(S2)-E2(S) zv (1) dhe (2)

2
256 2  16  256 2 256 2
D( S ) =  −   =  −   7 2
25  9  25 81

Ndërsa mënjanimi mesatar katror është

(S)  2,6   8,164

Teoremë 5 . Le të jenë X dhe Y dy ndryshore rasti të vazhdueshme që kanë pritje

matematike. Atëherë kanë vend:
a) X+Y ka pritje matematike dhe E(X+Y)=E(X)+E(Y)
b) Për çdo real a, aX ka pritje matematike dhe E(aX)=aE(X)
c) Po qe se XY, atëherë E(X)E(Y)

28
Vërtetim:
a) Këtë veti do ta vërtetojmë më vonë, në pjesën e dytë të tekstit..
1 x
b) Pohimi është i qartë po qe se a=0. Për a  0 ndryshorja aX ka densitet p( ) dhe
a a
rrjedhimisht kemi:
+
1 x
E(aX) =  x p( )dx
−
a a
+
=  ayp(y)dy
−

= aE(X) .

c) Nga përkufizimi, pohimi është i qartë po qe se X0. Pjesa tjetër rrjedh njëlloj si në rastin
diskret nga vetia e linearitetit të pritjes matematike.

Teoremë 6 (Mosbarazimi i Markovit)

1
Le të jetë X një n.r pozitive. Atëherë për çdo a0 ka vend mosbarazimi: P(X  a)  E(X) .
a

Përkufizim 5 .Po qe se X është një ndryshore rasti e tillë që X2 ka pritje matematike, atëherë
dispersion i X quhet madhësia:

D(X) = E(X−E(X))2.

Madhësia:

(X) = D(X) ,

quhet mënjanim mesatar katror i n.r. X.

Për dispersionin përdoret edhe termi variancë dhe në këtë rast shënohet Var(X) ose V(X)

X-E(X) tregon shmangiet e X nga pritja e vet matematike, ndërsa (X) është norma katrore e
kësaj shmangieje. (X) është aq më i madh sa më e madhe të jetë shpërhapja e vlerave të X
rrotull pritjes së vet matematike. Kjo veti ndjehet më shumë në pohimin që vijon.

29
Teoremë 7 (Mosbarazimi i Bienemé Çebishovit)

Në qoftë se ndryshorja e rastit X është e tillë që X2 ka pritje matematike, atëherë për çdo
a0, është i vërtetë mosbarazimi:

D(X)
P( X − E(X)  a)  .
a2

Shihet se sa më i vogël të jetë dispersioni, aq më i vogël është edhe probabiliteti për të patur
një shmangie të madhe nga pritja matematike. Ky mosbarazim mund të shkruhet ndryshe për
b rigorozisht pozitive:
1
P  X − E ( X )  b (X)   1- .
b2

1
Kjo do të thotë se me probabilitet më të madh se 1− ndryshorja e rastit X ndodhet në
b2
intervalin [E(X) - b(X), E(X) + b(X)].

Po qe se b=10, atëherë shanset që X të jetë në intervalin me qendër E(X) dhe gjatësi 10 janë
të paktën 99%.

Ky mosbarazim jep intervale me gjatësi më të madhe nga ata që shihen realisht. Do të shohim
më tej se si mund të bëhen vlerësime më të sakta.

Pohimi që vijon është i dobishëm gjatë llogaritjeve. Ai tregon disa nga vetitë e dispersionit; ato
janë të njeta me rastin e ndryshores diskrete.

Teoremë 8
Në qoftë se ndryshorja e rastit X është e tillë që X2 ka pritje matematike, atëherë

a) X ka pritje matematike;

b) Janë të vërteta vetitë:

D(X)=E(X2)−(E(Y))2

D(aX+b)=a2D(X) për çdo a, bR.

Vërtetimi për pikën b) bëhet si në rastin diskret. Pohimi i pikës a) është lënë si ushtrim për
lexuesin. (shiko ckemi thenë te n.r.diskrete)

Shembull 3.21 Ndryshorja e rastit X ka shpërndarje të njëtrajtshme në [a, b]. Kemi:

𝑏 1 1 𝑥3 𝑏 (𝑏−𝑎)(𝑎2 +ab+𝑏 2 ) (𝑎2 +ab+𝑏 2 ) 𝑎+𝑏
E(X2)= ∫𝑎 𝑥 2 𝑏−𝑎 dx = 𝑏−𝑎 | = = dhe 𝐸(𝑋) =
3 𝑎 3(𝑏−𝑎) 3 2
dhe rrjedhimisht,

30
 a 2 + ab + b2 (a + b)2 4(a 2 + ab + b2 ) − 3(a + b)2 a 2 − 2ab + b2 (b − a)2
D(X) = E(X2 ) − (E(X))2 = − = = = .
3 4 12 12 12

Shembull 3.22 Ndryshorja e rastit X ka shpërndarje eksponenciale me parametër . Kemi

(kryeni veprimet!):

+∞ 2
𝐸(𝑋 2 ) = ∫0 𝑥 2 λe−λx dx = dy herë më pjesë
λ2
 
1 2
E ( X ) =  x d ( −e

− x 2 − x  − x
2 2
) = −x e | +2 xe dx = 0 + E( X )
0
0
0

1 2 2
E( X ) = dhe E ( X 2 ) = E( X ) =
  2
dhe rrjedhimisht, D( X ) = E ( X ) − E ( X )
2 2

1
𝐷(𝑋) = .
𝜆2

Shembull 3.24 Ndryshorja e rastit X ka densitet të përppjesshëm me x-4, për x>1.

Gjeni D(1-4X).

Në fillim duhet gjetur konstatja e përpjesshmërisë. Kemi

+ 
k x −3 1
1= 1
x 4
dx = k (
−3 1
) =k
3

Rrjedhimisht k=3. Nga vetitë e dispersionit kemi: D(1-4X)=D(1)+(-4)2D(X)

D(1-4X) = 16D(X).

Për të gjetur dispersionin e X, gjejmë E(X) dhe E(X2).

+ + +
 3  3  1  3
E( X ) = 
1
x 4
x
dx =
 
1
x 3
dx = 3  − 2  =
 2x  1 2

+ + +
 3  3  1
E( X 2 ) = 
1
x2  4
x
dx =
 
1
x 2
dx = 3  −  = 3
 x 1

Rrjedhimisht
2
3 3
D( X ) = E ( X 2 ) − ( E ( X )) 2 = 3 −   =
2 2

Përfundimisht : D(1-4X)=D(1)+(-4)2D(X)=0+16*(3/2)=24

31