تئوري احتمال و كاربردآن
DESCRIPTION
تئوري احتمال و كاربردآن. http://www.Beiki.info. جلسه هشتم. توزيع فوق هندسي خواص توزيع فوق هندسي توزيع هندسي خواص توزيع هندسي توزيع دوجمله اي منفي(پاسكال) خواص توزيع دوجمله اي منفي(پاسكال) توزيع پواسون محاسبه احتمالات تجمعي توزيع پواسون خواص توزيع پواسون. جلسه هشتم. توزيع فوق هندسي - PowerPoint PPT PresentationTRANSCRIPT
تئوري احتمال و كاربردآن
http://www.Beiki.info
2http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيoخواص توزيع فوق هندسي
توزيع هندسيoخواص توزيع هندسي
)توزيع دوجمله اي منفي)پاسكالo)خواص توزيع دوجمله اي منفي)پاسكال
توزيع پواسونoمحاسبه احتماالت تجمعي توزيع پواسونoخواص توزيع پواسون
3http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيo غير مستقل برخي از آزمايشهاي آماري از تعدادي آزمايش
دچار تغيير مي در آنها احتمال موفقيتتشكيل مي شود كه مواجهيم.آزمايش فوق هندسي در اين صورت با يك گردد
o تعريف: يك آزمايش فوق هندسي داراي ويژگي هاي زيراست:
يك نمونه تصادفي به اندازهn بدون جايگذاري از N شيء انتخاب مي شود.
ازN شيء تعداد k شيء به عنوان موفقيت و N-k شيء به عنوان شكست طبقه بندي مي شود.
o در حالت كلي به محاسبه احتمال انتخابx موفقيت از k امكان موجود عالقه N-k شكست از n-xامكان موجود و
تعداد موفقيتها را كه Xمنديم. در اينصورت متغير تصادفي نشان مي دهد، توزيع فوق در يك آزمايش فوق هندسي
)h)x;N,n,k دارد و با نماد k و N، nهندسي با پارامتر هاي نمايش داده مي شود.
4http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيo تعريف: گفته مي شود كه متغير تصادفيX توزيع فوق
دارد اگر و فقط اگرk و N، nهندسي با پارامترهاي
oدر حالت اگر فرض كنيم m<0 يا r<m آنگاه مي استفاده min[n,r] به جاي nتوان در رابطه فوق از
نمود.
],min[,...,2,1],,0max[;),,;()()( knNknxC
CCknNxhxfxXP
Nn
kNxn
kx
0rmC
5http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيo اگر خط مشي پذيرش بسته هاي ده تايي يك 20مثال :
قطعه ااز آن و 3قطعه الكترونيكي انتخاب تصادفي قطعه باشد و 3پذيرش در صورت سالم بودن هر
1 قطعه خراب و در بقسه 4 از بسته ها 30بدانيم در قطعه خراب داريم احتمال پذيرش بسته ها چقدر
است؟o پاسخ: اگرA پيشامد پذيرفتن يك بسته و B1 و B2 به
قطع خراب و يك 4ترتيب پيشامد هاي موجود بودن قطعه خراب در بسته باشد داريم:
54.0)7.0()3.0(
)()|()()|()(
103
10
93
103
40
63
2211
C
CC
C
CC
BPBAPBPBAPAP
6http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيoخواص توزيع فوق هندسي
قضيه: در توزيع فوق هندسي با پارامترهايN، n و k:رابطه زير برقرار است
:اثبات
)1,1,1;(~;)1()( 1 knNyhYYEN
nkXE rr
1
0 11
11
1
1 11
111
1 11
111;
100
)1()1(
)/()(
)()(
11
11
rn
y Nn
kNyn
kyr
n
x Nn
kNxn
kxrn
x Nn
kNxn
kxrrNCnCkCxC
n
x Nn
kNxn
kxrn
x Nn
kNxn
kxrn
x
rr
YEN
nk
C
CCy
N
nk
C
CCx
N
nk
CnN
CkCxXE
C
CCx
C
CCxxXPxXE
Nn
Nn
kx
kx
7http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيoخواص توزيع فوق هندسي
نتيجه: با فرضr=1 و r=2داريم
]1
][1[)]([)()(
]11
)1)(1([]1)([)1()(
)1()(
22
12
0
N
nN
N
k
N
nkXEXEXVar
N
kn
N
nkYE
N
nkYE
N
nkXE
N
nkYE
N
nkXE
8http://www.Beiki.info
جلسه هشتم
توزيع فوق هندسيoخواص توزيع فوق هندسي
نتيجه: با فرضr=1 و r=2داريم
توجه نماييد اگرk/N را برابر p فرض كنيم آنگاه ميانگين nاين توزيع معادل ميانگين توزيع دوجمله اي با پارامترهاي
برابر واريانس (N-n(/)N-1) خواهد بود و واريانس آن pو ضريب تصحيح جمعيت توزيع دوجمله ايست به اين مقدار
كوچك باشد اين ضريب N نسبت به n گويند و اگر محدود ميل مي كند و در اين حالت مي توان به جاي 1به سمت
توزيع فوق هندسي از توزيع دوجمله اي استفاده نمود.
]1
][1[)]([)()(
]11
)1)(1([]1)([)1()(
)1()(
22
12
0
N
nN
N
k
N
nkXEXEXVar
N
kn
N
nkYE
N
nkYE
N
nkXE
N
nkYE
N
nkXE
9http://www.Beiki.info
جلسه هشتم
توزيع هندسيo تعريف: يك آزمايش هندسي عبارت است از يك
فرايند برنولي كه به محض رسيدن به نتيجه موفقيت پايان مي يابد.
o اگر احتمال بازماني موتور يك هواپيما 25مثال : 0.02در طول يك ساعت از كاركردن برابر
باشد، احتمال اينكه موتور هواپيما دوساعت بدون بازماني كاركند را پيدا كنيد.
o:پاسخ
10,...,3,2,1;)1()...()()( 1 pxppSFFFPxXPxf x
9604.0)1(1)2(1)3( pppXPXP
10http://www.Beiki.info
جلسه هشتم
توزيع هندسيoخواص توزيع هندسي
قضيه: ميانگين و واريانس توزيع هندسي با پارامترp p2(/p-1) و p/1به ترتيب عبارت است از
:اثبات
22222
23211
1
1
212
1
12
1
122
22
1
1
1
1
1
1
112)]([)()(
2
)1(
1]
)1([)]([)(
)()(;)1()(
1
)1(
1)
1(...)(
)()(;)1()(
p
p
pp
pXEXEXVar
p
p
q
qp
q
q
dq
dpq
dq
dq
dq
dpxqq
dq
dp
xqdq
dpXEqxxq
dq
dqxpppxXE
pqp
q
q
dq
dpqq
dq
dp
qdq
dpXExqq
dq
dxqpppxXE
x
x
x
x
x
xxx
x
x
x
x
x
xxx
x
x
x
x
11http://www.Beiki.info
جلسه هشتم
توزيع هندسيoخواص توزيع هندسي
قضيه: تابع مولد گشتاور توزيع هندسي با پارامترp عبارت است از
:اثبات
222
20404
2
02
22
020
22322
1
1
112)(
2]
)1(
)1)(1(]
)1(
)1(2)1()]()(
1]
)1()]()(
1)(
)1
ln(1
1|)(
...]1[...][)()(
p
p
pp
pXVar
p
p
qe
qeqepe
qe
qeqepeqepetM
dt
dXE
pqe
petM
dt
dXE
qe
petM
qt
qeqetM
eqqepeeqqeeppqeeEtM
tt
ttt
tt
ttttt
t
tt
t
tt
t
tt
tttttt
x
xtxtX
)1
1ln(;
)1(1)(
pt
ep
petM
t
t
12http://www.Beiki.info
جلسه هشتم
توزيع هندسيoخواص توزيع هندسي
خاصيت بي حافضگيتنها توزيع احتمال جرمي داراي توزيع هندسي است به عبارت ديگر
يعني اگر در تا آزمايش صدم به موفقيت نرسيدهام به موفقيت 110باشيم احتمال آنكه در آزمايش
برسيم برابر است با حالتي كه هيچ آزمايشي انجام امين آزمايش به 10نداده ايم و مي خواهيم در
موفقيت برسيم.
)()|( bXPaXbaXP
13http://www.Beiki.info
جلسه هشتم
)توزيع دو جمله اي منفي)پاسكالo تعريف: يك آزمايش دوجمله اي منفي عبارت است از يك
,k=0,1,2امين kفرايند برنولي كه به محض رسيدن به نتيجه موفقيت پايان مي يابد.…
oX كه معرف تعداد آزمايش هاي الزم براي رسيدن به k امين موفقيت است داراي توزيع دوجمله اي منفي است
و داريم
o يك مطالعه زمين شناسي نشان داده است كه 31مثال : به نفت 0.2چاه اكتشافي نفت در ناحيه خاصي با احتمال
مي رسد. در اينصورت احتمال اينكه پنجمين چاه اكتشافي به سومين چاه نفت منتج شود چقدر است؟
o:پاسخ
,.....1,;),;()()( 11
* kkxqpCpkxbxXPxf kxkxk
0307.0)8.0()2.0()2.0,3;5()5( 2342
* CbXP
14http://www.Beiki.info
جلسه هشتم
)توزيع دو جمله اي منفي)پاسكالo دو جمله اي منفي)پاسكال(خواص توزيع
قضيه: ميانگين و واريانس توزيع هندسي با و k/p به ترتيب عبارت است از p و kپارامترهاي
k)1-p(/p2
اثبات: با توجه به اينكه يك متغير تصادفي دوجمله متغير تصادفي k جمع p و kاي منفي با پارامترهاي
است بنابراين داريمpهندسي مستقل با پارامتر
221
11
)1()
1()()(
)1()()()(
p
pk
p
pkXVarXVar
p
k
pkXEXEXE
k
i i
k
i i
k
i i
15http://www.Beiki.info
جلسه هشتم دو جمله اي منفي)پاسكال(توزيع
o توزيع دو جمله اي منفي)پاسكال(خواص دستگاه كامپيوتر وجود 3: در يك هواپيماي پيشرفته 34مثال
دارد كه فقط يكي مورد نياز براي هدايت هواپيماست و دو دستگاه ديگر ذخيره هستند. در يك ساعت پرواز هواپيما
است. اگر 0.0005احتمال اينكه كامپيوتر فعال خراب شود كنترل هر ساعت پرواز هواپيما مستقل از ساعات ديگر باشد ميانگين زمان خرابي سيستم فوق چقدر است؟ احتمال اينكه
ساعت پرواز هر سه كامپيوتر خراب شوند چيست؟5در طول پاسخ: اگرX تعداد ساعات مورد نياز تا زمان خرابي هر سه
به ترتيب تعداد ساعات عمل X3 و X1، X2كامپيوتر باشد و و هر X=X1+X2+X3كامپيوترهاي اول، دوم و سوم باشد آنگاه
است 0.0005ها داراي يك توزيع هندسي با پارامتر Xiيك از و k=3 داراي توزيع دوجمله اي منفي با پارامترهاي Xبنابراين
p=0.0005:است در نتيجه داريم
9
2342
332
3
10*249.1
)9995.0()0005.0()9995.0()0005.0()0005.0(
)5()4()3()5(
60000005.0
3)(
CC
XPXPXPXP
XE
16http://www.Beiki.info
جلسه هشتم
توزيع پواسونo يكي از مفيدترين و پركاربردترين توزيع هاي احتمال گسسته
است.o فرض كنيد به دنبال توزيع جرمي احتمال تعداد تصادفات در
هفته يك چهارراه خاص باشيم.o اگر دوره زماني را به زيرفاصله هاي ناسازگاري تقسيم كنيم
، pبه نحوي كه در هر يك احتمال رخ دادن يك تصادف برابر و احتمال رخ دادن بيش از p-1احتمال رخ ندادن تصادف
باشد. آنگاه:0يك تصادف تعداد كل تصادفات داراي يك توزيع دوجمله اي با پارامترهايn و p
است. هر چه تعداد زيرفاصله ها بيشتر باشد احتمالp كمتر است و هرچه
ثابت np بيشتر است. اگر فرض كنيم pاين تعداد كمتر باشد مقدار به سمت بي نهايت برود داريم:nاست در صورتي كه
17http://www.Beiki.info
جلسه هشتم
توزيع پواسون
0,....2,1,0);,(!
)1(
)1(!
)1(!
)/)1(1)...(/21)(/11)(/(
)1()(!
)1)...(2)(1(
)1()()!(!
)!)(1)...(2)(1(
)1()()!(!
!)1(
,)1(,1)1(
xxfx
eppCLim
nxLim
nx
nxnnnnLim
nnn
nx
xnnnnLim
nnxnx
xnxnnnnLim
nnxnx
nLimppCLim
xxnxn
xn
npen
Limn
Limxn
x
n
xnxn
xnxxxn
xnxn
xnxn
xnxnxn
xn
xn
18http://www.Beiki.info
جلسه هشتمتوزيع پواسون
oتعداد غلطهاي چاپي يك يا چند صفحه از يك كتابoتعداد زمين لرزه ها در فاصله زماي معينoتعداد تركها در بخشي از سطح يك بزرگراهoتعداد پرچهاي خراب در سطح بال يك هواپيماoتعداد زدگي هاي موجود در سطح در يك يخچالo...o فرض كنيد تعداد غلطهاي چاپي در يك صفحه 36مثال :
دارد احتمال اينكه 0.5از كتاب توزيع پواسون با پارامتر دستكم يك غلط چاپي در يك صفحه از كتاب وجود
داشته باشد چقدر است؟o:393.0پاسخ
!0
)5.0(1
)0(1)1(1)1(05.0
e
XPXPXP
19http://www.Beiki.info
جلسه هشتمتوزيع پواسون
o:تعريف: يك فرآيند پواسون داراي ويژگي هاي زير است پيشامدها به صورت تصادفي در نقاط خاصي از زمان/مكان رخ مي
دهند. احتمال اينكه دقيقا يك نتيجه از پيشامد مورد نظر در فاصله
زماني/مكاني به طول به دست آيد برابر است كه در آن چنان است كه
)متوسط تعداد نتايج بدست آمده در واحد زمان ثابت است( احتمال اينكه پيشامد مورد نظر بيشتر از يك نتيجه در فاصله اي به
)احتمال به دست طول داشته باشد برابر است. آوردن بيش از يك نتيجه در يك فاصله زماني كوچك قابل اغماض
است( به ازاي هر يك از اعداد صحيح مانندn و به ازاي هر مجموعه از
ji پيشامدي باشد كه دقيقا Ei اگر jn،... و j1،j2زيرفاصله هاي ناسازگار امين زيرفاصله قرار مي گيرند، آنگاه iعدد از پيشامد موردنظر در
Ei .تعداد نتايج حاصله در زمان معيني مستقل ها مستقل از يكديگرند(از تعداد نتايج حاصله در دوره زماني ناسزگار با دوره قبلي است(
t)( tOt )( tO
0)(
0
t
tOLim t
t)( tO
20http://www.Beiki.info
جلسه هشتمتوزيع پواسون
o حال با استفاده از فرضيات فوق نشان مي دهيم كه رخ مي دهد tتعداد پيشامدهايي كه در فاصله زماني
داراي يك توزيع پواسون با پارامتر كه در آن نيز مي نامند.ميانگين آهنگ وقوع يا ميانگين آهنگ ورود
o اگرN)t( 0[ تعداد پيشامدها در بازه زماني,t[ باشد به دنبال فرمولي براي محاسبه
P)N)t(=x(=Px)t(;x=0,1,2…,.هستيم اگرx=0 باشد آنگاه
اگرx>0 آنگاه احتمال رخ دادن x نتيجه تا زمان ضربدر t نتيجه تا زمان xبرابر است با احتمال رخ دادن
احتمال رخ ندادن هيچ نتيجه اي در زمان + احتمال رخ ضربدر احتمال رخ دادن يك نتيجه در t نتيجه تا زمان x-1دادن زمان
)()()()(
)()()(
]1)[()](1)[()(
0000
0000
000
tPtPdt
d
t
tPttPLimtP
t
tPttP
ttPtOttPttP
t
tt t
t
....3,2,1,0;!
)()()()()(
)()(
)()()()(
)(]1[)()(
10
11
xx
tetPtPtPtP
dt
d
t
tPttPLim
tPtPt
tPttPtPtttPttP
xt
xxxxxx
t
xxxx
xxx
t
21http://www.Beiki.info
جلسه هشتمتوزيع پواسون
o فرض كنيد زمين لرزه بر اساس يك 39مثال : زمين لرزه در هفته 2فرآيند پواسون با آهنگ
رخ مي دهد در اينصورت احتمال اينكه دستكم هفته رخ دهد چقدر 2 زمين لرزه در طول 3
است.o :پاسخ
442
44 1312
441
)2()1()0(1)3(
42*2
eeee
XPXPXPXP
t
22http://www.Beiki.info
جلسه هشتم
توزيع پواسونoمحاسبه احتماالت تجمعي توزيع پواسون
قضيه: اگرX توزيع پواسون با پارامتر داشته باشد داريم
:اثبات
,...2,1,0);(1
)1(
rrXPr
rXP
1)!/()(
)!1/()(
)(
)1( 1
rre
re
rXP
rXPr
r
23http://www.Beiki.info
جلسه هشتم
توزيع پواسونoخواص توزيع پواسون
قضيه: ميانگين و واريانس متغير تصادفيX كه توزيع پواسون با پارامتر دارد برابر
است با :اثبات
2
1
1
1
0
22
11
1
0
)1()(
)1()(!
)1(
)!1(!)(
!)!1(!)(
XVar
eeey
ye
xxe
x
exXE
eey
ex
ex
exXE
y
y
x
x
x
x
y
y
x
x
x
x
24http://www.Beiki.info
جلسه هشتمتوزيع پواسون
oخواص توزيع پواسون قضيه: تابع مولد گشتاور متغير تصادفيX كه
توزيع پواسون با پارامتر دارد برابر است با قضيه: اگرX1، X2 و ... ،Xk متغيرهاي تصادفي
مستقل و هر يك داراي توزيع پواسون با …+Y=X1+X2باشد و پارامترهاي
+Xk تعريف گردد آنگاه Y يك توزيع پواسون با خواهد داشت.پارامتر
:اثبات
)]1([)( tX eExptM
12 ,,..., k
k ...21
)]1)(...[()()(
)]1([)(
211
t
k
k
i XY
tiX
eExptMtM
eExptM
i
i