probability and statistics רפיצנק ןי גוי הקיטסיטטסו...
TRANSCRIPT
![Page 1: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/1.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-36
PROBABILITY AND STATISTICS קנציפר ין'יוג מאת הסתברות וסטטיסטיקה
2005/06כל הזכויות שמורות © Eugene Kanzieper © All rights reserved 2005/06
5 הרצאה התפלגויות בדידות מיוחדות
• לגות גיאומטרית התפ• התפלגות בינומית ומשפט הפרוק• ניסוי והתפלגות ברנולי • התפלגות אחידה • • התפלגות היפרגיאוטרית שלילית• התפלגות היפרגיאומטרית• התפלגות בינומית שלילית•
• קירוב בינומי להתפלגות היפרגיאומטרי • נוסחת סטירלינג • פואסוןהתפלגות זרם אירועים פואסוני ו • •רוב פואסון להתפלגות בינומית קי• קירוב בינומי שלילי להתפלגות היפרגיאומטרית שלילית •
.ור תופעות שונות בטבעא חשובות המופיעות בתי בדידות נלמד התפלגויות זובהרצאה
התפלגות אחידה 5.1
פונקצית הסתברות 5.1.1
.D5 1הגדרה
אם הוא N— ל1בין [uniform distribution] התפלגות אחידהבעל נקרא X בדיד משתנה מקרי
בהסתברות N,...,2,1הערכים ממקבל כל אחדN1
,כלומר.
NkXPkxPX
1)()( ====
Nkעבור ~)1,(—אנחנו נסמן משתנה כזה כ. =2,1,..., NUX d.
E5.1 דוגמא
הוא משתנה מקרי בדיד מספר נקודות על הפאה = Xמשתנה מקרי , "מאוזנת יההטלת קובי"בניסוי
~)6,1(: 6— ל1בעל התפלגות אחידה בין dUX.
פונקצית התפלגות מצטברת 5.1.2
~)1,( של משתנה מקרי מצטברתפונקצית התפלגות . טענה NUX dנתונה על ידי הנוסחא
⎣ ⎦
⎪⎪
⎩
⎪⎪
⎨
⎧
≥
<≤
<
=
Nt
NtNt
t
tFX
,1
1,
1,0
)(
⎣, כאן ⎦t חלק שלם של מספר" מסמן את הפונקציה ."
מדיאגרמת מקלות עבור פונקצית הסתברות נובע כי . הוכחה
( )Nk
NmXPkXPktF
k
m
k
mX ∑∑
==
====≤==11
1)()(.
Nk, כאן ,כמו כן. =2,1,...,
![Page 2: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/2.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-37
NkktkFX =+<≤ )1(.
.סוף הוכחה. תי הנוסחאות האחרונות מוכחות את הטענהש
תוחלת ושונות 5.1.3
~)1,(תוחלת של משתנה מקרי . טענה NUX dנתונה על ידי הנוסחא
21][ +
=NXE.
,תוחלתה תעל פי הגדר .הוכחה
[ ] ( ) ∑∑=
⋅=⋅=N
kxX N
kxPxXE1
1.
ניקח בחשבון כי 2
)1(1
+=∑
=
NNkN
k , אזי.
[ ] ( )2
12
1111
+=
+⋅== ∑
=
NNNN
kN
XEN
k
. סוף הוכחה.כנדרש
~)1,(שונות של משתנה מקרי . טענה NUX dנתונה על ידי הנוסחא
121]var[
2 −=
NX.
,השונות תעל פי הגדר .הוכחה
[ ] [ ] [ ]( )22var XEXEX −=. :חישוב
[ ] ( ) ∑∑=
⋅=⋅=N
kxX N
kxPxXE1
222 1.
— מכיוון ש( )( )
6121
1
2 ++=∑
=
NNNkN
k :ו מקבליםחנאנ,
[ ] ( )( ) ( )( )6
1216
121111
22 ++=
++⋅== ∑
=
NNNNNN
kN
XEN
k.
,אזי
. סוף הוכחה.כנדרש
.L5 1 שאלה
בניבוי מספר נקודות על הפאה = Xשל משתנה מקרי בדיד שונות וסטיית תקן , תוחלתי/חשב ."הטלת קובייה מאוזנת"
~)6,1(. פתרון dUX6— כך ש=Nו —
[ ] [ ] [ ]( ) ( )( ) ( )12
14
16
121var22
22 −=
+−
++=−=
NNNNXEXEX
![Page 3: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/3.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-38
.71.13
3521]var[
;92.21235
1216]var[
;27
216][
2
≈==
≈=−
=
=+
=
X
X
XE
σ
L5.2 שאלה
. X של משתנה מקרי שונות וסטיית תקן, תוחלתי/חשב. נבחרת באופן מקריXסיפרה
מקבל Xכעת אחיד מפני ששתנה מקרי אות עבור מאי אפשר להשתמש ישירות בנוסח. פתרון
=+1החדש נגדיר את המשתנה . 9— ל0ערכים בין XY . אזי.10— ל1בין אחיד מתפלגהוא ,
291
21101][]1[][ =−
+=−=−= YEYEXE.
, באותה דרך
433
1299
12110]var[]1var[]var[
2
==−
==−= YYX.
סטיית התקן
87.23321
≈=σ.
[Bernoulli distribution]ברנולי התפלגות 5.2
ניסוי ופרמטר ברנולי 5.2.1
D5.2 הגדרה .[F - failure] וכישלון [S - success] הצלחה –ניסוי בו יתכנו רק שתי תוצאות אפשריות הוא ניסוי ברנולי
pSPנהוג לסמן את ההסתברות להצלחה דרך pFP דרך ואת ההסתברות לכישלון)(= כך )(1=−
)()(1—ש =+ FPSP .פרמטר הp פרמטר של ניסוי ברנולי נקרא.
E5.2 דוגמא
, עבור מטבע מאוזן. "פלי" ו"עץ" –הטלת מטבע עם שתי תוצאות אפשריות .א21
=p . עבור
10 יכול לקבל כל ערך p")עץ"(הסתברות להצלחה ,מטבע מזויף ≤≤ p .
, במקרה זה. נקודות6פאה עם — עם ההצלחה המוגדרת כ מאוזנתהטלת קובייה .ב61
=p .
, לידת בן או בת .ג21
=p.
משתנה והתפלגות ברנולי 5.2.2
D5.3 הגדרה
![Page 4: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/4.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-39
~)Ber( לימשתנה ברנו pX בעל פרמטרp במקרה של 1 הוא משתנה בדיד אשר מקבל את הערך :של כישלון במקרה ההפוך0את הערך ו" הצלחה"
.R5 1 הערה
.''הצלחות'' מונה את הברנולימשתנה . משתנה מציין, משתנה מצביע: של המשתנהשמות אחרים
D5.4 הגדרה
~)Ber( של משתנה ברנולי ברנוליהתפלגות pXנתונה על ידי פונקצית הסתברות
pXPpXP −==== 1)0(,)1( .
פונקצית התפלגות מצטברת עבור משתנה ברנולי 5.2.3
~)Ber(יהיה . טענה pX . התפלגות מצטברת היא פונקצית
( )⎪⎩
⎪⎨
⎧
≥<≤−
<=
1,1,10,1
,0,0
ttp
ttFX
. התפלגות מצטברתפונקצית יש להשתמש בהגדרה של . הוכחה
תוחלת ושונות 5.2.4
~)Ber(תוחלת של משתנה מקרי . טענה pXנתונה על ידי הנוסחא
pXE =][. .הוכחה
( ) ( ) pppxPxXEx
=⋅+−⋅=⋅=∑ 110][.
.סוף הוכחה
~)Ber( מקרי שונות של משתנה. טענה pXנתונה על ידי הנוסחא
)1(]var[ ppX −=. .הוכחה
[ ] [ ] ( ) ( ) ( )ppppppxPxXEXEXxp
−=−⋅+−⋅=−⋅=⎟⎟⎠
⎞⎜⎜⎝
⎛−= ∑ 1110]var[ 22222
2
2.
.סוף הוכחה
⎩⎨⎧
='''כשלון'
'''הצלחה'
,0,1
X
![Page 5: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/5.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-40
[Binomial distribution]התפלגות בינומית 5.3
משתנה בינומי 5.3.1
D5.4 הגדרה
~)Bin,( בינומימשתנה pnX יםבעל פרמטר n10— ו << pקבל את הוא משתנה בדיד אשר מ
nkהערכים בהסתברויות=1,0,,...
knkknX ppCkXPkxP −−==== )1()()(.
ראשון חלק – E5.3 דוגמאמרחב המדגם הוא , מבחינת מן הילדים. מקריתהנבחרשנתבונן במשפחה בת שלושה ילדים
,,,,,,, FFFFFMFMFFMMMFFMFMMMFMMM=Ω .שתנה מקרינגדיר מ X =
על פי גישה קלאסית להסתברות . 3, 2, 1, 0 הם Xהערכים האפשריים של . מספר בנות במשפחה :ערכים אלה מופיעים בהסתברויות
3 2 1 0 X
FFF FFMFMFMFF ,, FMMMFMMMF ,, MMM מאורע
81
83
83
81
)(xPX
— וn=3 בעלת פרמטרים כהתפלגות בינומיתשבטבלהניתן לזהות את ההתפלגות 21
=pכך ש —
⎟⎠⎞
⎜⎝⎛
21,3Bin~X . חישוב פשוט מראה כי
( )
.81
21
21)3(,
83
21
21)2(
,83
21
21)1(,
81
21
210
0333
1223
2113
3003
=⎟⎠⎞
⎜⎝⎛
⎟⎠⎞
⎜⎝⎛===⎟
⎠⎞
⎜⎝⎛
⎟⎠⎞
⎜⎝⎛==
=⎟⎠⎞
⎜⎝⎛
⎟⎠⎞
⎜⎝⎛===⎟
⎠⎞
⎜⎝⎛
⎟⎠⎞
⎜⎝⎛==
CXPCXP
CXPCXP
.משפט הפרוקהסבר לעובדה זו מגיע מ
פט הפרוק מש 5.3.2
ניסוח —T5.1 משפט
nXXX משתני ברנולי n של Xסכום ,...,, מתפלג בינומית עם p בלתי תלויים בעלי פרמטר 21
,כלומר. p- וnפרמטרים
( )pnXXXXXn
jjn ,Bin~...
121 ∑
=
=+++=.
![Page 6: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/6.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-41
שני חלק – E5.3 דוגמא
מספר בנות = Xמשתנה מקרי להבין הופעה של התפלגות בינומית עבור משפט הפרוק עוזר לנו שלושה משתני ברנולי נגדיר , כדי למנות את מספר הבנות במשפחה. ילדים3במשפחה אקראית בת
p=2/1 בלתי תלויים בעלי פרמטר
⎩⎨⎧
=בן
בת
,0,1
jX ,3,2,1=j .
321נתון על ידי הסכום במשפחה אקראית Xמספר בנות כי קל להבין XXXX —כיוון ש. =++
)Ber(~ pX j) 3,2,1=j( , על פי משפט הפרוק המשתנהX 3 מתפלג בינומית עם פרמטרים=n
⎟ ,כלומר. p=2/1—ו⎠⎞
⎜⎝⎛
21,3Bin~X.
הוכחה —T5.1 משפט
nXXX בלתי תלוים משתני ברנוליn בסדרה שלבונןנת ,...,, ~)p :)Ber בעלי פרמטר 21 pX j
njעבור ,...,1=:
⎩⎨⎧
=- בהסתברות
בהסתברות
p
pjX
1,0,1
kXXמהי ההסתברות למצוא n
jj ==∑
=1
nk הם Xכים האפשריים של ברור כי הער(? ,...,1,0=.(
⎟⎟על מנת לחשב את ההסתברות ⎠
⎞⎜⎜⎝
⎛=∑
=
kXPn
jj
1
שמור לערך של j—התא ה, תאיםn— נתבונן ב
kXXום כדי להגיע לסכ.1 או 0 אשר jXהמשתנה n
jj ==∑
=1 תאים ישנם n—יש להבטיח כי ב,
)(— אחדים וkבדיוק kn : אפסים−
43421k אחדים
43421kn- אפסיםם
knkהסתברות של מאורע זה היא , על פי עקרון הכפל pp −− סדרה הסתברות זו מתייחסת ל. )1(
)(— אחדים וk של מסוימת kn k—כיוון שישנם סדרות אחרות נוספות שמורכבות מ. אפסים−
)(—אחדים ו kn knkמסיבה זו יש להכפיל את ההסתברות . אפסים− pp −− במספר אופציות )1(
)(— אחדים וkלסדר kn : אפסים בשורה−
knn C
knkn
knkn
knkP =−
=⎟⎟⎠
⎞⎜⎜⎝
⎛−
=−)!(!
!,
),(.
, כתוצאה
knkkn
n
jj ppCkXP −
=
−=⎟⎟⎠
⎞⎜⎜⎝
⎛=∑ )1(
1
nkעבור .סוף הוכחה. =1,0,...,
1 1 1 ... 0 0 0 0
![Page 7: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/7.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-42
תוחלת ושונות 5.3.3
~)Bin,(תוחלת של משתנה מקרי . טענה pnXנתונה על ידי הנוסחא
npXE =][. .הוכחה
~)Bin,(מותר לפרק את המשתנה , על פי משפט הפרוק pnX לסכום של nבלתי משתני ברנולי
nXXX תלויים ,...,, ~)p :)Ber בעלי פרמטר 21 pX j) כאןnj ,אזי). =1,...,
[ ] [ ] pnpXEXEXEn
j
n
jp
j
n
jj ∑ ∑∑
= ==
⋅===⎥⎦
⎤⎢⎣
⎡=
1 11 321.
.סוף הוכחה
~)Bin,(שונות של משתנה מקרי . טענה pnXנתונה על ידי הנוסחא
)1(]var[ pnpX −=. .הוכחה
~)Bin,(מותר לפרק את המשתנה , על פי משפט הפרוק pnX לסכום של nבלתי משתני ברנולי
nXXX תלויים ,...,, ~)p :)Ber בעלי פרמטר 21 pX j) כאןnj ,אזי). =1,...,
[ ] [ ] )1()1(varvarvar1 1
)1(1
ppnppXXXn
j
n
jpp
j
n
jj −⋅=−==⎥⎦
⎤⎢⎣
⎡= ∑ ∑∑
= =−
= 321.
.סוף הוכחה
L5.3 שאלה
. נורה פגומהלייצור 2%קיימת הסתברות של , תהליך ייצור נורותב
? נורות פגומות4 נורות ימצאו בדיוק 50 ההסתברות שבמשלוח של ימה .א ? נורות פגומות4— ההסתברות שבמשלוח יהיו פחות מימה .ב
. p=02.0 ייצור נורה פגומה = ''הצלחה''בעל הסתברות ל בודדת הוא ניסוי ברנולינורה ייצור .פתרון
נגדיר את המשתנה המקרי) j ) 50,...,1=j—הנורה העבור
⎩⎨⎧
=תקינה
פגומה
,0,1
jX
∑ הוא נורות n=50מספר כולל של נורות פגומות במשלוח של , אזי=
=n
jjXX
1
אם נניח שאין תלות .
משתני ברנולי כלסדרה של משתנים בלתי 50מותר להתייחס לסדרה של , בין ייצור נורות שונות
), משפט הפירוקעל פי . תלויים )02.0,50Bin~50
1
=== ∑=
=
pnXXn
jj .ה מכך כתוצא,
)4()02.0()02.01(0145.0 .א 4504450 ≈−== −CXP.
)4()0()1()2()3(982.0 .ב ≈=+=+=+==< XPXPXPXPXP.
L5.4 שאלה
המכשיר . להימצא במצב תקין80% יחידות זהות בלתי תלויות ולכל אחת הסתברות 5מכשיר מכיל ? ההסתברות שהמכשיר יפעל ברגע מסויםימה. יחידות תקינות3כולו פועל רק כשיש בו לפחות
![Page 8: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/8.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-43
5על סדרה של מדובר . p=8.0 פרמטר מצבה של יחידה אחת היא ניסוי ברנולי בעל בדיקת.פתרון
הרי ) n=5מתוך ( הוא מספר היחידות התקינות Xאם , לכן. ניסויי ברנולי
)8.0,5Bin(~ == pnXת הדרושה היאההסתברו, כתוצאה. משפט הפירוק בהתאם ל
( ) ( ) ( ) 942.0543)3( ≈=+=+==≥ XPXPXPXP.
L5.5 שאלה
? נתוןיםמסו תאריך איש נולדו באותו 20 ההסתברות שלפחות שני סטודנטים מכיתה המונה ימה
בהסתברות , אם נתון תאריך מסוים .פתרון3651
=p אותו תאריךסטודנט שנבחר מקרית נולד ב .
לג והוא מספר מקרי המפ) שבכיתה20מתוך (תאריך נולדו באותו שX סטודנטים כולל שלמספר
⎟בינומית ⎠⎞
⎜⎝⎛ ==
3651,20Bin~ pnX 200ההסתברות למצוא בדיוק כך ש ≤≤ k סטודנטים
כאלה היא
( )( )20
20
20 365364)(
kkCkXP
−
==
1,0,,...20עבור =k .היאשת ההסתברות המבוק, אזי
( ) ( ) 41013.1101)2( −⋅≈=−=−=≥ XPXPXP.
[Geometric distribution]התפלגות גיאומטרית 5.4
סדרת ניסוי ברנולי עד ההצלחה הראשונה 5.4.1
בוודאי שלא ידוע לנו . ) להיות סדרה אינסופיתהיכול (ו מבצעים סדרה של ניסוי ברנוליחננניח שאנ
שידרשו כדי להגיע להצלחה ברנוליאת מספר הניסוי X—נסמן ב. ונהלהצלחה הראשמתי נגיע
kX ת ההסתברות לקבלימה. בפעם ראשונה ).k=2,1...,, כאן(? =
: בכישלוןהניסויים הקודמים הסתיימו, k—האם ההצלחה הראשונה התרחשה בניסוי
)ההסתברות המתאימה היא , הכפלל פי עקרוןע ) ppkXP k ⋅−== .k=2,1..., עבור )(11−
D5.5 הגדרה
~)G( גיאומטרימשתנה pX 10 בעל פרמטר << pקבל את הערכים הוא משתנה בדיד אשר מ
...,2,1 =kבהסתברויות
1)1()()( −−==== kX ppkXPkxP.
k—התא ה
k—ההצלחה ה כשלון כשלון כשלון ... כשלון
1−k1 עם תאים−kכישלונות
![Page 9: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/9.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-44
פונקצית התפלגות מצטברת עבור משתנה גיאומטרי 5.4.2
~)G(יהיה . טענה pX . התפלגות מצטברת היא פונקצית
( ) ⎣ ⎦⎩⎨⎧
≥−−<
=1,)1(11,0
tpt
tF tX
התפלגות מצטברת כדי לחשב אותה עבור נקודות פונקצית יש להשתמש בהגדרה של . הוכחה
,...2,1== kt:
( ) ( )( ) ( )∑
=
− −−=−−−−
⋅=−=≤==k
j
kk
jX p
pppppkXPktF
1
1 1111111)()(.
~)G(— כיוון ש).השתמשנו בטור גיאומטרי סופי( pXמיד מגיעים , הוא משתנה מקרי בדיד .סוף הוכחה. לנוסחא הדרושה
R5.2 הערה :הטענה מביאה לנוסחא חשובה
kpkXPkXP )1()(1)( −=≤−=>
. חיובי שלםk=2,1...,עבור כל
תוחלת ושונות 5.4.3
~)G(תוחלת של משתנה מקרי . טענה pXנתונה על ידי הנוסחא
pXE 1][ =.
.הוכחה יש לחשב, על פי הגדרת התוחלת
[ ] ( ) ( )∑∑∞
=
−−⋅=⋅=1
11k
k
x
pkpxPxXE.
∑ לטור מסוג הגענו∞
=
−⋅=1
1)(k
kqkqS 1 עם|| <q .ור גיאומטריחישובו מתבצע בעזרת גזירה של ט:
211
1
)1(1
1)(
qqq
dqdq
dqdqkqS
k
k
k
k
−=
−==⋅= ∑∑
∞
=
∞
=
−.
pqהצבת −= מביאה 12
1)1(p
pS ] כך שהתוחלת−= ]p
ppSXE 1)1( .סוף הוכחה. =−=
~)G(שונות של משתנה מקרי . טענה pXנתונה על ידי הנוסחא
2
1]var[p
pX −=.
.הוכחה ,גדרההעל פי
[ ] [ ] [ ] 22
2
/1
2 1]var[p
XEXEXEXp
−=⎟⎟⎠
⎞⎜⎜⎝
⎛−=.
יש לחשב את התוחלת
![Page 10: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/10.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-45
[ ] ∑ ∑∞
=
−−==x k
kX pkpxPxXE
1
1222 )1()(.
נתבונן בטור
∑∞
=
−⋅=1
12)(k
kqkqT
||1עבור <q .קל לראות כי
∑∑ .א∞
=
∞
=
⋅=11 k
k
k
k qkqdqdq ב. ∑∑
∞
=
−∞
=
⋅=⋅1
12
1 k
k
k
k qkqkdqd
כישילוב הנוסחאות מראה
⎟⎟⎠
⎞⎜⎜⎝
⎛= ∑
∞
=1
)(k
kqdqdq
dqdqT.
:ביצוע טור גיאומטרי מביא
32 )1(1
)1(1)(
dqd
dqdq
dqdqT
−+
=⎟⎟⎠
⎞⎜⎜⎝
⎛−
=⎟⎟⎠
⎞⎜⎜⎝
⎛−
=.
,כתוצאה
[ ] 21
122 2)1()1(p
pppTpkpXEk
k −=−=−= ∑
∞
=
−
כך שהשונות היא
[ ] 222 11]var[
pp
pXEX −
=−=.
.סוף הוכחה
L5.6 שאלה ? לידת הבת–'' הצלחה'' בממוצע יובילו ללידותכמה
הסתברות להצלחה .מספר לידות עד לידת הבת הראשונה = Xיהיה משתנה מקרי .פתרון21
=p
~)2/1G(— שכך =pX .הראשונה הוא" הצלחה"ממוצע מספר הלידות עד ה
[ ] 21==
pXE.
L5.7 שאלה .1%הסתברות של פריט פגום היא , יםבתהליך ייצור של פריט מסו
תקינים 6 ההסתברות שבבדיקת איכות של פריטים מוגמרים בזה אחר זה יימצאו ימה .א ?והשביעי פגום
לא תגלה אף פריט , פריטים בזה אחר זה5 ההסתברות שביקורת שגרתית בה נבדקים ימה .ב ?אחד פגום
פרמטרליהרי לפנינו סדרה של ניסוי ברנולי בע. ''הצלחה'' נתייחס לגילוי של פריט פגום כל .פתרון
01.0=p . אםX01.0(אזי , ו נתקליםחנ הוא מספרו של הפריט הפגום הראשון בו אנG(~ =pX .
)7()1(094.0 הסתברות המבוקשת היא .א 6 ≈−== ppXP. )5()01.01(95.0 הסתברות המבוקשת היא .ב 5 ≈−=>XP) .ה ניתן להגיע לאותה תשוב
!)דרך התפלגות בינומית
![Page 11: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/11.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-46
[Negative binomial distribution]התפלגות בינומית שלילית 5.5
m—סדרת ניסוי ברנולי עד ההצלחה ה 5.5.1
את מספר הניסויים עד שנגיע להצלחה X—נסמן ב. דרה של ניסוי ברנוליו מבצעים סחננניח שאנ
kX ת ההסתברות לקבלימה. m—ה kX ההסתברות שנצטרך לבצע י מה,במילים אחרות ?= = ? m- עד שנגיע להצלחה ה ברנוליניסוי
מהציור ניתן לראות
mkmת ההצלחות וכישלונות שבציור היא הסתברות של סדר כי pp −−⋅ אבל ישנן סדרות נוספות .)1(
מספר כולל של ". k—בניסוי ה m—הצלחה ה"עם אותו מספר הצלחות וכישלונות המתאימות להגדרה סדרות כאלו הוא
111 )!()!1(
)!1(,1
1),1( −
−− =−−
−=⎟⎟
⎠
⎞⎜⎜⎝
⎛−−
−=−− m
kk Cmkm
kmkm
kmkmP.
היאk—בניסוי ה m—להגיע להצלחה הרות ההסתב, אזי
mkmmk ppCkXP −−− −== )1()( 1
1
,1...,עבור += mmk.
D5.6 הגדרה
~)NegBin,( בינומי שלילימשתנה pmX 10ים בעל פרמטר << p1— ו≥m) הוא ) לם חיוביש
,1,...קבל את הערכים משתנה בדיד אשר מ += mmkבהסתברויות
mkmmkX ppCkXPkxP −−− −==== )1()()( 1
1.
תוחלת ושונות 5.5.2
~)NegBin,(תוחלת של משתנה מקרי . טענה pmXנתונה על ידי הנוסחא
pmXE =][.
.6' הרצאה מסתינתן בהוכחה
~)NegBin,(ות של משתנה מקרי שונ. טענה pmXנתונה על ידי הנוסחא
2
)1(]var[p
pmX −=.
.6' הרצאה מסתינתן בהוכחה
k—התא ה m—ההצלחה ה
כשלון הצלחה ראשונה כשלון יהיהצלחה שנ כשלון ... כשלון
1−k1 עם תאים−mהצלחות ו —)( mk כישלונות−
![Page 12: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/12.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-47
DND −
321
kn מיוחדים k רגילים −
43421
L5.8 שאלה ?מהי ההסתברות שהילד השלישי במשפחה יהיה בן שני
—כיוון ש. עד ילידת הבן השנילידותמספר ה = X נגדיר את המשתנה .פתרון
)2/1,2NegBin(~ == pmX , הדרושה היאההסתברות
41
211
21)3(
2212 =⎟
⎠⎞
⎜⎝⎛ −⎟
⎠⎞
⎜⎝⎛== CXP.
[Hypergeometric distribution]התפלגות היפרגיאומטרית 5.6
משתנה היפרגיאומטרי 5.6.1
D5.7 הגדרה
~)Hyp,,( היפרגיאומטרימשתנה nDNX 2 יםבעל פרמטר≥N ,ND Nn—ו 1≥> הוא 1≥≥
nkקבל את הערכים משתנה בדיד אשר מ בהסתברויות=1,0,,...
nN
knDN
kD
X CCCkXPkxP
−−==== )()(.
?מתי התפלגות היפרגיאומטרית מופיעה 5.6.2
NDבה ) כדורים( פרטים N≤2 של סףנתבונן באו פריטים ( פרטים בעלי תכונה מסוימת 1≥>
DNושאר ) מים כדורים אדו– לצורך הדוגמא, ''מיוחדים'' כדורים , למשל('' רגילים'' הפרטים הם −
Nn באופן מקרי מדגם של סףנוציא מהאו). שחורים מהי ההסתברות . ללא החזרה פרטים 1≥>
nk פריטים שהוצאו ישנם בדיוק nשבין ? פריטים מיוחדים0≥≥
מהי , " פריטיםn במדגם של מספר פרטים מיוחדים"מוגדר כ Xאם משתנה מקרי , במילים אחרות
)(ההסתברות kXP kXצוא למ= =?
תאים nנתייחס להוצאת כדורים ללא החזרה מהאוסף כלמילוי של , כדי לענות על השאלה . מיוחדים ורגילים–באמצעות פריטים משני סוגים
. מולאים על ידי פריטים מיוחדים בלבד תאים משמאל מk—נחשב את ההסתברות ש, שלב הראשוןב
: היא כפל בין ההסתברויות הבאות)LP (הסתברות זו, על פי עקרון הכפל
על פי גישה קלאסית . שהפריט הראשון שהוצא מהאוסף הוא פריט מיוחד 1pהסתברות • ,להסתברות
NDp =1.
![Page 13: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/13.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-48
מכיוון שמדובר על הוצאת . שהוצא מהאוסף הוא פריט מיוחדשנישהפריט ה 2p הסתברות • , ללא החזרהפריטים
11
2 −−
=NDp.
פריטים D−1ביניהם , פריטיםN−1האוסף מכיל , לפני הוצאת הפריט השני, בהחלט( ).מיוחדים
• ... : שהוצא מהאוסף הוא פריט מיוחדk—שהפריט ה kpהסתברות •
)1()1(
−−−−
=kNkDpk.
תאים משמאל ממולאים על ידי פריטים מיוחדים היאk— שSPההסתברות , כתוצאה
∏= +−−
+−−==
k
jjL kNNN
kDDDpP1 )1)...(1(
)1)...(1(.
קל לראות כי(
)!(!
1)...1)((1)...1)(()1)...(1()1)...(1(
kDD
kDkDkDkDkDDDkDDD
−=
−−−−−−⋅+−−
=+−−
—כך ש
)!(!)1)...(1(kN
NkNNN−
=+−−
—ו
kN
kD
k
jjL C
CN
kkNkkD
DN
kNkD
DpP =−
−=
−−
==∏= !
!)!(!)!(
!!
)!()!(
!1
.
)(—נחשב את ההסתברות ש, שלב השניב kn . תאים מימין ממולאים על ידי פריטים רגילים בלבד−
:היא כפל בין ההסתברויות הבאות) RP(הסתברות זו , על פי עקרון הכפל
)1(—שהפריט ה kp+1הסתברות • +k על פי גישה קלאסית . רגיל שהוצא מהאוסף הוא פריט
,להסתברות
kNDNpk −
−=+1.
)1(—לפני הוצאת הפריט ה, בהחלט( +k , האוסף מכילkN DNביניהם , פריטים− − ).פריטים רגילים
)2(—שהפריט ה kp+2הסתברות • +kמכיוון שמדובר . שהוצא מהאוסף הוא פריט מיוחד
, ללא החזרהעל הוצאת פריטים
11
2 −−−−
=+ kNDNpk.
• ...
![Page 14: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/14.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-49
:רגיל שהוצא מהאוסף הוא פריט n—שהפריט ה npהסתברות •
11)(
)1()1(
+−+−−−
=−−−−−−−−
=nN
knDNknkNknDNpn.
)(— שRPההסתברות , כתוצאה kn היארגילים ממולאים על ידי פריטים ימין תאים מ−
∏+= +−−−−
+−−−−−−==
n
kjjR nNkNkN
knDNDNDNpP1 )1)...(1)((
)1)()...(1)((.
קל לראות כי(
))!(()!(
1))...1())(((1))...1())((()1)()...(1)((
)1)()...(1)((
knDNDN
knDNknDNknDNknDNknDNDNDN
knDNDNDN
−−−−
=
−−−−−−−−−−−−−−⋅+−−−−−−
=
+−−−−−−
—ו
)!()!(
1)...1)((1)...1)(()1)...(1)((
)1)...(1)((
nNkN
nNnNnNnNnNkNkN
nNkNkN
−−
=
−−−−−−⋅+−−−−
=
+−−−−
—כך ש
kn
kN
nN
knDN
nN
knDN
n
kjjR
CC
CC
nkkn
kkNN
CC
nkNknN
NnnN
knknDNDN
kNNnNnnN
knknDNknDN
kNnN
knDNDNpP
⋅=−
⋅−
⋅⋅=
−−
⋅−
⋅−−−−
−=
−−
⋅−−−−
−−=
−−
⋅−−−
−==
−−−
−
+=∏
!!)!(
!)!(!1
!)!()!(!
!!)!(
)!())!(()!(
)!(!!!!)!(
)!())!(()!()!(
)!()!(
))!(()!(
1
.
תאים משמאל ממולאים על ידי פריטים k—מצאנו כי ההסתברות ש, כסיכום בינוני מיוחדים היא
kN
kD
k
jjL C
CpP ==∏=1
)(—וההסתברות ש kn אים מימין ממולאים על ידי פריטים רגילים היא ת−
kn
kN
nN
knDN
n
kjjR C
CC
CpP ⋅==−−
+=∏
1
.
)(— שגם תאים משמאל ממולאים על ידי פריטים מיוחדים וk—ההסתברות ש, אזי kn − תאים מימין ממולאים על ידי פריטים רגילים היא
![Page 15: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/15.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-50
kn
nN
knDN
kD
kn
kN
nN
knDN
kN
kD
n
kj
n
jjj
k
jjRL CC
CCCC
CC
CCpppPP 1
1 11
⋅=⋅⋅===−−
−−
+= ==∏ ∏∏.
)( זו ההסתברות האם kXP nk פריטים שהוצאו ישנם בדיוק n שבין = ? פריטים מיוחדים0≥≥
כדי לקחת . פריטים שהוצאוnשל סדר מסוים מתייחסת לRLPPהתשובה היא לא כי הסתברות
פריטים k יש להכפיל את התוצאה במספר אופציות לסדר ,יםי את כל הסדרים האפשרבחשבון
)(—מיוחדים ו kn מספר זה ניתן על ידי הנוסחא. פריטים רגילים בשורה−
knn C
knknknkP =−
=−)!(!
!),(.
,סך הכל. השלב השלישיזהו
nN
knDN
kD
RLn CCCPPknkPkXP
−−=⋅−== ),()(.
~)Hyp,,(סחא שקיבלנו היא פונקצית הסתברות של משתנה היפרגיאומטרי נו nDNX בהתאם .D5.7הגדרה ל
R5.3 הערה
)(עבור ניתן לפרש את הנוסחא kXP nהמספר . הבאאופן ב=NC הוא מספר האופציות להוציא n
knהכפל ). גודל של מרחב המדגם, כלומר( פריטים שבאוסף N מתוך פריטיםDN
kDCC −
הוא מספר −
)( גם מיוחדים שבאוסף וD פריטים מיוחדים מתוך kהאופציות להוציא kn פריטים רגילים −
)( מתוך DN שימוש בגישה קלאסית להסתברות מביא את הנוסחא עבור . רגילים שבאוסף−
)( kXP = .
L5.9 שאלה : משתנים מקריים הבאיםאיך מפולגים. כדורים שחורים2— כדורים לבנים ו3כד מכיל
.ה החזרעם ו מקריתנבחרכדורים ש 3 שלמדגם מספר הכדורים השחורים ב = 1X .א
.ה החזרבלי ו מקריתנבחרש כדורים 3 שלמספר הכדורים השחורים במדגם = 2X .ב
עד אשר יתקבל הכדור השחור ה החזרעםנבחרים אחד אחד שמספר הכדורים = 3X .ג
.הראשון .פתרון
בסדרה של ) הצלחה היא הוצאת כדור שחור, כאו( הוא מספר ההצלחות 1Xמשתנה מקרי .א
⎟ ,כתוצאה. שלושה ניסוי ברנולי בלתי תלויים⎠⎞
⎜⎝⎛ ==
52,3Bin~1 pnX.
), 5.6.2בהתאם לפיתוח בסעיף .ב )3,2,5Hyp~2 === nDNX. , כתוצאה. ההצלחה הראשונה הוא מספר ניסוי ברנולי עד3Xמשתנה מקרי .ג
⎟⎠⎞
⎜⎝⎛ =
52G~3 pX.
![Page 16: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/16.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-51
תוחלת ושונות 5.6.3
~)Hyp,,(תוחלת של משתנה מקרי . טענה nDNXנתונה על ידי הנוסחא
NDnXE =][.
.6' הרצאה מסתינתן בהוכחה
~)Hyp,,(שונות של משתנה מקרי . טענה nDNXוסחא נתונה על ידי הנ
⎟⎠⎞
⎜⎝⎛
−−
−⎟⎠⎞
⎜⎝⎛ −=
1111]var[
Nn
ND
NDnX.
.6' הרצאה מסתינתן בהוכחה
התפלגות היפרגיאומטרית שלילית 5.7 [Negative Hypergeometric distribution]
משתנה היפרגיאומטרי שלילי 5.7.1
D5.8 הגדרה
~)NegHyp;,( שליליהיפרגיאומטרימשתנה DNmXm ים בעל פרמטרDm ≤≤1, 2≥N ,
ND mDNmmkקבל את הערכים הוא משתנה בדיד אשר מ1≥> ++= - ...,,1, בהסתברויות
DN
mDkNm
kmmX CCCkXPkxP
m
−−−
−==== 11)()(.
?מתי התפלגות היפרגיאומטרית שלילית מופיעה 5.7.2
NDבה ) כדורים( פרטים N≤2 של סףנתבונן באו פריטים ( פרטים בעלי תכונה מסוימת 1≥>
DNושאר ) מים כדורים אדו– לצורך הדוגמא, ''מיוחדים'' כדורים , למשל('' רגילים'' הפרטים הם − m—עד אשר יתקבל הפריט המיוחד ה ללא החזרהו אחד אחדפריטיםמוציאים וחננ א).שחורים
Dm, כאן( ?k— בהוצאה הm—פריט המיוחד המהי ההסתברות להגיע ל. )1≥≥
ונחשב את m—הפריט המיוחד ה מספר הוצאות הפריטים עד הוצאת = mXנגדיר משתנה מקרי
. נקצית ההסתברות שלופו
mDNmkהם mXהערכים האפשריים של .א +−= mk(הערך המינימלי . ,..., מתאים ) =
ירביהערך המ. הפריטים הראשונים שהוצאו הם פריטים מיוחדיםm כל בולמצב
)mDNk DN(תאים למצב בו אנחנו מוציאים כל הפריטים הרגילים מ) =−+ − . פריטים מיוחדיםmורק לאחר מכן מוציאים ) במספר
)(פונקצית ההסתברות .ב kXP m —בהוצאה ה m—היא הסתברות להגיע לפריט המיוחד ה =
k . אפשר להסתכל על המאורע kX m תאים באמצעות פרטי האוסף k כעל מילוי של =
תפוסים התאים הקודמים k−1כאשר , m—פריט המיוחד השמור ל יהיה k—כך שהתא ה
mkmk — פריטים מיוחדים וm−1 על ידי −=−−− י /ראה ( פריטים רגילים1)1( .)ציור
![Page 17: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/17.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-52
התאים k−1אנחנו ממלאים , הראשוןשלבב .שלבי—תאים כמו לניסוי דו kנתייחס למילוי של
)(— פריטים מיוחדים וm−1הראשונים באמצעות mk לביצוע השלב הסתברות . פריטים רגילים− :ניתנת על ידי התפלגות היפרגיואמטריתהראשון
1
1
1 −
−−
−
= kN
mkDN
mD
CCCP.
גישה קלאסית . באמצעות הפריט המיוחד k— ה–ממלאים את התא האחרון אנחנו , שלב השניב : השלב השניסתברותלהסתברות מביאה את ה
)1()1(
2 −−−−
=kNmDP
,עיקרון הכפלעל פי
)1()1()( 1
1
21 −−−−
=== −
−−
−
kNmD
CCCPPkXP kN
mkDN
mD
m.
:הנוסחא הבאהלפשט את התשובה עד ניתן
DN
mDkNm
km CCCkXP
−−−
−== 11)(.
mDNmk ,אןכ +−= ,..., .
נוסחא שקיבלנו היא פונקצית הסתברות של משתנה היפרגיאומטרי שלילי
),;NegHyp(~ DNmXmהגדרה בהתאם לD5.8.
R5.4 הערה
ניתן לראות כי פונקציות הסתברות עבור משתנה מקרי בינומי שלילי והיפרגיאומטרי שלילי מכילות
1אותו מקדם 1−−
mkC.
תוחלת ושונות 5.7.3
~)NegHyp;,(תוחלת של משתנה מקרי . טענה DNmXmנתונה על ידי הנוסחא
11][
++
=DNmXE m.
.6' הרצאה מסתינתן בהוכחה
k—התא ה פריט מיוחד
m—ה
פריט רגיל
... פריט רגיל
פריט מיוחד שני
פריט רגיל
פריט מיוחד ראשון
פריט רגיל
1−k 1 תאים עם−mפריטים מיוחדים ו —)( mk פריטים רגילים−
![Page 18: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/18.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-53
~)NegHyp;,(שונות של משתנה מקרי . טענה DNmXmנתונה על ידי הנוסחא
⎟⎠⎞
⎜⎝⎛
+−
+−
++
=1
121
1]var[D
mD
DNDNmXm.
.6' הרצאה מסתינתן בהוכחה
[Poisson distribution]התפלגות פואסון 5.8
פונקצית הסתברות 5.8.1
D5.9 הגדרה
~)P( פואסוןמשתנה λX 0 בעל פרמטר>λקבל את הערכים הוא משתנה בדיד אשר מ
...,1,0 =kבהסתברויות
λλ −==== ek
kXPkxPk
X !)()(.
R5.5 הערההאירועים . בפרק זמן נתון מסויםזרם אירועים פואסוני התפלגות פואסון מתאר מספר התרחשויות בדוגמאות קלאסיות של תופעות אקראיות המתאורות על . בזרם מתרחשים ללא תלות ובאחידות בזמן
:ידי זרם אירועים פואסוני הן
סויםפרק זמן ממוקד טלפוני בל פניותמספר .א פרק זמן נתוןמספר התפרקויות הגרעינים של חומר רדיואקטיבי ב .ב
תוחלת ושונות 5.8.2
~)P(תוחלת של משתנה מקרי . טענה λXנתונה על ידי הנוסחא
λ=][XE.
:הגדרת תוחלת מביאה. הוכחה
[ ] ( ) ( )∑∑∑∞
=
−−
∞
=
−
−=⋅=⋅=
1
1
0 !1! k
k
k
k
x ke
kkexPxXE λλλ λλ
=−1הסכום החלפת אינדקס באמצעות kjמגיעים ל —
[ ] λλλ
λ
λ == ∑∞
=
−
321e
j
j
jeXE
0 !.
.סוף הוכחה
R5.6 הערה
~)P( בהתפלגות פואסון λמהחישוב נובעת משמעות הפרמטר λX . הפרמטרλ ממוצע" הוא " . תוןנבפרק זמן התרחשויות
~)P(ות של משתנה מקרי שונ. טענה λXנתונה על ידי הנוסחא
λ=]var[X.
![Page 19: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/19.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-54
, על פי הגדרת שונות. הוכחה
[ ] [ ] [ ] 22
2
2]var[ λλ
−=⎟⎟⎠
⎞⎜⎜⎝
⎛−= XEXEXEX.
יש לחשב את התוחלת
[ ] ( ) ∑∑∞
=
− ⋅=⋅=0
222
!k
k
x kkexPxXE λλ.
נתבונן בטור
∑∞
=
⋅=0
2
!)(
k
k
kkS λλ
קל לראות כי
∑∑ .א∞
=
∞
=
⋅=00 !! k
k
k
k
kk
kdd λλλ
λ ב. ∑∑∞
=
∞
=
⋅=⋅0
2
0 !! k
k
k
k
kk
kk
dd λλλ
λ
שילוב הנוסחאות מראה כי
( ) λλλ λλλλ
λλ
λλ
λλλ
λλ
λλ
λ
eedde
dd
dd
kdd
ddS
e
k
k
)1(!
)(0
+==⎟⎠⎞
⎜⎝⎛=
⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜
⎝
⎛
= ∑∞
= 321
.
,כתוצאה
[ ] )1()(2 +== − λλλλSeXE —כך ש
[ ] λλ =−= 22]var[ XEX.
.סוף הוכחה
L5.10 שאלה פניות 5 ונית עם ממוצע שלטלפון מתפלג פואסמספר פניות בדקה למודיעין של שירותי אם ידוע ש
מהי ההסתברות, אחתבדקה
? לא תתקבל אף פנייה10:01— ל10:00שבין השעה .א ? פניות3שבדקה הזאת יתקבלו לכל היותר .ב ? לא תכנס אף שיחה דקות2שבמשך .ג ? שיחות333 הראשונה יכנסו שעהבש .ד .פתרון
5P(~1(, על פי נתוני השאלה. אחתדקהמספר פניות ב = 1Xיהיה משתנה מקרי =λX.
00670 .א!0
5)0( 50
1 .≈== −eXP.
.ב
265.0
!35
!25
!15
)3()2()1()0()3(
53
52
51
5
11111
≈+++=
=+=+=+==≤
−−−− eeee
XPXPXPXPXP
, על פי נתוני השאלה. דקות שתימשך מספר פניות ב = 2Xיהיה משתנה מקרי .ג
)10P(~2 =λX.
![Page 20: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/20.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-55
0000450!0
10)0( 100
2 .≈== −eXP
, על פי נתוני השאלה. שעה אחתמשך מספר פניות ב = 3Xיהיה משתנה מקרי .ד
)300P(~3 =λX.
00380!333
300)4( 300333
3 .≈== −eXP
נוסחאות הסתברותיות מקורבות 5.10
[Stirling formula]נוסחת סטירלינג 5.10.1
:מתקיים, n<<1, חיובי גדול מאודnעבור . )לינגנוסחת סטיר (טענה
( ))(12)1( 121
−−++=+Γ nOenn nn
π.
.כל הקירובים בהמשך מתבססים על נוסחא זו
קירוב בינומי להתפלגות היפרגיאומטרית 5.10.2
~)Hyp,,( היפרגיאומטרי מקרי משתנהXיהיה . טענה nDNX מתואר על ידי פונקצית ה )מדויקת (הסתברויות
nN
knDN
kD
X CCCkXPkxP
−−==== )()(.
p—שכאלה ) N<<1— וD<<1( גדולים מאוד N— וDסופי ופרמטרים nעבור כל ND מקבל =
:מתקיימת נוסחא מקורבת, קבועערך
knkknX ppCkxP −−≈= )1()(.
NDnk, כאן <<<≤.
ניתן לוודא כי, באמצעות נוסחת סטירלינג. הוכחה
Dkעבור • ): מתקיים >> ) !!!!
kD
kDkDC
kkD ≈
−=
Nnעבור • ): מתקיים >> ) !!!!
nN
nNnNC
nnN ≈
−=
NDnkעבור • p— ו ≥>>>ND: קבוע מתקיים=
)!()(
knDNC
knknDN −
−≈
−−−
:שילוב של שלוש נוסחאות מקורבות אלו מביא
knkknn
N
knDN
kD
ND
NDC
CCC −−
− ⎟⎠⎞
⎜⎝⎛ −⎟
⎠⎞
⎜⎝⎛≈ 1.
,כתוצאה
![Page 21: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/21.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-56
knkknX ppCkxP −−≈= )1()(.
.סוף הוכחה
R5.7 הערההוצאה ללא החזרה של מספר סופי , גדולים מאודN— וDעבור : ות הקירוב ברורה לחלוטיןמשמע
אין , כתוצאה. של פריטים מהאוסף כמאת לא משפיעה על פרופורצית הפריטים המיוחדים באוסף :תנאי הטענה מתקייםב, במילים אחרות. הבדל משמעותי בין הוצאה ללא ועם החזרה
⎟⎠⎞
⎜⎝⎛ =≈
NDpnnDN ,Bin),,Hyp(.
קירוב בינומי שלילי להתפלגות היפרגיאומטרית שלילית 5.10.3
~)NegHyp;,(, שלילי משתנה מקרי היפרגיאומטריmXיהיה . טענה DNmXm בעל פונקצית
הסתברות
DN
mDkNm
kmmX CCCkXPkxP
m
−−−
−==== 11)()(.
p—כאלה ש) N<<1— וD<<1( גדולים מאוד N— וDסופי ופרמטרים mעבור כל ND=
:מתקיימת נוסחא מקורבת, מקבל ערך קבוע
mkmmkX ppCkxP −−− −≈= )1()( 1
1.
NDkm, כאן <<<≤.
.באמצעות נוסחת סטירלינג :הוכחה
R5.8 הערההוצאה ללא החזרה של מספר סופי של , גדולים מאודN— וDעבור : משמעות הקירוב ברורה גם כן
אין הבדל , כתוצאה. פריטים מהאוסף כמאת לא משפיעה על פרופורצית הפריטים המיוחדים באוסף :בתנאי הטענה מתקיים, במילים אחרות. משמעותי בין הוצאה ללא ועם החזרה
⎟⎠⎞
⎜⎝⎛ =≈
NDpmDNm ,NegBin),;NegHyp(.
קירוב פואסון להתפלגות בינומית 5.10.4
~)Bin,(, בינומי משתנה מקרי Xיהיה . טענה pnXבעל פונקצית הסתברות
knkknX ppCkXPkxP −−==== )1()()(.
np=λכאלה שהכפל ) p>>1(קטן מאוד pוהפרמטר ) n<<1(גדול מאוד nהפרמטר עבור :נוסחא מקורבתמתקיימת , מקבל ערך קבוע
λλ −≈= ek
kxPk
X !)(.
nk, כאן <<.
![Page 22: PROBABILITY AND STATISTICS רפיצנק ןי גוי הקיטסיטטסו תורבתסהu.cs.biu.ac.il/~mlevin/Kurs/Lecture5.pdf · X ~Ud (1,6):6—ל 1 ןיב הדיחא תוגלפתה](https://reader030.vdocument.in/reader030/viewer/2022033122/5e429991d267cf7746607da5/html5/thumbnails/22.jpg)
Terms of Use: Everyone is allowed to use these course materials for free provided the author's copyright notice is kept (Eugene Kanzieper © All rights reserved, 2005/06). No part of the lecture notes and other accompanying materials may be reproduced or stored in a retrieval system other than at http://www.hit.ac.il/staff/kanzieper, copied or transmitted in any form or by any means without the prior permission of the author.
L-57
. הוכחה
nk עבור ניתן לוודא כי, באמצעות נוסחת סטירלינג • : מתקיים >>
( ) !!!!
kn
knknC
kkn ≈
−=.
כאלה שהכפל ) p>>1(קטן מאוד pופרמטר ) n<<1(גדול מאוד nעבור פרמטר , כמו כן •
np=λמתקיים, מקבל ערך קבוע:
( ) λ
λ
λ−− ≈
⎟⎠⎞
⎜⎝⎛ −
⎟⎠⎞
⎜⎝⎛ −
=− e
n
np k
n
kn
1
11.
:שילוב של שתי נוסחאות מקורבות אלו מביא
!!)1(
kee
nknppC
k
k
kkknkk
nλλ λλ −−− =⋅⋅≈−.
,כתוצאה
λλ −≈= ek
kxPk
X !)(.
.סוף הוכחה
R5.9 הערה :בתנאי הטענה מתקיים, במילים אחרות
( )nppn =≈ λP),Bin(.
L5.11 שאלהשל קירוב פואסון להתפלגות –רבת ו המדויקת והמק–שתי נוסחאות כמותית של הוואהשי /בצע
.p=02.0— וk ,100=n=3עבור בינומית
.פתרון נוסחא מדויקת מביאה
( ) ( ) ( ) 182.098.002.03 9733100exact ≈=== CXPP.
202.0100פרמטר רבת ונוסחא מקב =⋅=⋅= pnλכך ש —
( ) 180.0!3
23 23
approx ≈≈== −eXPP.
על ידי הפרמטר) באחוזים(אפשר לכמת דיוק הקירוב
%1.1011.0182.0
180.0182.0
exact
approxexact =≈−
=−
=P
PPα.