‫תרגיל כיתה ‪ 89264 – 6‬ביוסטטיסטיקה‬

‫התפלגויות בדידות – המשך‬

‫התפלגות פואסון ) ‪X ~ Poi (λ‬‬
‫פונקצית ההתפלגות‪e−λ λ k -‬‬
‫= ) ‪P( X = k‬‬
‫!‪k‬‬

‫‪E( X ) = V ( X ) = λ‬‬ ‫התוחלת והשונות‪-‬‬

‫תרגיל ‪1‬‬
‫ידוע שמספר הפניות לדקה למודיעין מתפלג פואסון עם קצב ממוצע של ‪ .5‬מה‬
‫ההסתברות ש‪-‬‬
‫בין ‪ 10:00‬ל‪ 10:01 -‬לא תתקבל אף פניה ?‬ ‫‪(1‬‬
‫בדקה זו )שבסעיף א'( תתקבלנה לכל היותר ‪ 3‬פניות?‬ ‫‪(2‬‬
‫בין ‪ 10:00‬ל‪ 10:05 -‬תתקבלנה ‪ 4‬פניות?‬ ‫‪(3‬‬

‫פתרון‪:‬‬
‫‪ ,‬יש לשים לב שהיחידות הן בדקה‪.‬‬ ‫‪X‬‬ ‫~‬ ‫‪Poi‬‬ ‫)‪(5‬‬
‫‪50 e−5‬‬
‫= )‪P ( X = 0‬‬ ‫א( ‪= e −5 = 0.0067‬‬
‫!‪0‬‬
‫)‪P ( X ≤ 3) = P ( X = 0) + P ( X = 1) + P ( X = 2) + P ( X = 3‬‬
‫‪5e −5 52 e −5 53 e −5‬‬ ‫ב(‪.‬‬
‫‪= e −5 +‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪= 0.265‬‬
‫!‪1‬‬ ‫!‪2‬‬ ‫!‪3‬‬

‫ג(‪X ~ Poi (λ ) ⇒ X t ~ Poi (t λ ) .‬‬

‫ולכן עבור יחידת זמן של ‪ 5‬דקות )‪, X ~ Poi (5 ⋅ 5‬כלומר ‪ 5‬פניות בדקה ו ‪25‬‬
‫פניות ב ‪ 5‬דקות‪.‬‬
‫‪4‬‬
‫‪25 e‬‬ ‫‪−‬‬ ‫‪25‬‬
‫= )‪P (tX = 4) = P (5 X = 4‬‬ ‫ומכאן‪= 2.26 ×10−7 -‬‬
‫!‪4‬‬

‫קירוב ההתפלגות בינומית להתפלגות פואסון‬

‫כאשר ‪ n‬גדול ו‪ p-‬קטן‪ ,‬ניתן לקרב את ההתפלגות הבינומית להתפלגות פואסון‬
‫כאשר עם הפרמטר ‪ . λ = np‬כלומר‪X ~ Bin ( n, p ) ≈ Pois ( np ) :‬‬

‫תרגיל ‪2‬‬
‫לחברת אינטרנט יש ‪ 10,000‬לקוחות‪ .‬אם ידוע שבממוצע ‪ 20‬אנשים מבקשים‬
‫לעזוב את השירות כל חודש‪ ,‬מה ההסתברות שבחודש אחד יעזבו ‪ 30‬אנשים?‬

‫פתרון‪:‬‬

‫‪1‬‬
 ‫‪20‬‬
‫=‪p‬‬ ‫יש לנו ‪ 10,000‬ניסויים בודדים )‪ ,(n‬בכל אחד ההסתברות להצלחה‬
‫‪10000‬‬
‫‪‬‬ ‫‪20 ‬‬
‫‪. X ~ Bin  10000,‬‬ ‫כלומר ‪‬‬
‫‪‬‬ ‫‪10000 ‬‬

‫כיוון שלא קל לערוך חישובים בסדרי גודל של ‪ ,!10000‬אפשר להשתמש‬

‫בקירוב‪:‬‬
‫‪20‬‬
‫‪λ = np‬‬ ‫⋅ ‪⇒ 10000‬‬ ‫‪= 20‬‬
‫‪10000‬‬
‫נסמן ב ‪ -X‬את מספר הפורשים משירות בחודש ולכן‪:‬‬
‫‪e − λ λ k e −20 2030‬‬
‫= )‪P ( X = 30‬‬ ‫=‬ ‫‪≈ 0.008‬‬
‫!‪k‬‬ ‫!‪30‬‬

‫התפלגויות רציפות‬
‫) ‪X ~ U (α , β‬‬ ‫התפלגות אחידה רציפה‬

‫מתאים למקרה שבוחרים באופן מקרי מספר בין ‪ α‬ל‪ β -‬ויש הסתברות שווה לכל‬
‫המספרים‪ .‬פונקצית הצפיפות‪:‬‬
‫‪ 1‬‬
‫‪‬‬ ‫‪a≤ x≤b‬‬
‫‪f ( x) =  b − a‬‬
‫‪0‬‬ ‫‪otherwise‬‬
‫‪b+a‬‬ ‫‪(b − a ) 2‬‬
‫= ) ‪E( X‬‬ ‫= ) ‪V (X‬‬ ‫התוחלת והשונות‪:‬‬
‫‪2‬‬ ‫‪12‬‬

‫) ‪X ~ Exp (λ‬‬ ‫התפלגות מעריכית‬

‫פונקצית הצפיפות‪:‬‬
‫‪λ e − λ x x ≥ 0‬‬
‫‪f ( x) = ‬‬
‫‪0‬‬ ‫‪x<0‬‬

‫‪1‬‬ ‫‪1‬‬
‫= ) ‪E( X‬‬ ‫התוחלת והשונות‪V ( X ) = 2 :‬‬
‫‪λ‬‬ ‫‪λ‬‬
‫הערה‪ :‬להתפלגות זו מתקיימת תכונת "חוסר זיכרון" – כלומר‪ ,‬היסטוריית המקרה‬
‫לא משנה את ההסתברות‪ .‬בכתיבה מתמטית‪P ( X ≥ s + t | X ≥ t ) = P ( X ≥ s) -‬‬

‫תרגיל ‪3‬‬
‫יהי ‪ X‬משתנה רציף בעל פונקצית הצפיפות‪:‬‬
‫) ‪ c ⋅ (4 x − 2 x 2‬‬ ‫‪0≤ x≤2‬‬
‫‪f X ( x) = ‬‬
‫‪0‬‬ ‫‪otherwise‬‬
‫א(‪ .‬מצאו את ‪.c‬‬
‫ב(‪ .‬חשבו את התוחלת והשונות של התפלגות זו‪.‬‬

‫‪2‬‬
 ‫פתרון‪:‬‬
‫∞‬

‫‪∫f‬‬
‫∞‪−‬‬
‫‪X‬‬ ‫א(‪ .‬לכל מ"מ רציף מתקיים‪( x ) dx =1 :‬‬
‫∞‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪x2 2‬‬ ‫‪x3 2‬‬
‫‪∫ c(4 x − 2 x )dx = ∫ ( 4cx − 2cx ) dx =4c ∫ xdx − 2c ∫ x dx =4c‬‬ ‫|‬ ‫| ‪− 2c‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫∞‪−‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬

‫‪2 0‬‬ ‫‪3 0‬‬
‫‪16‬‬ ‫‪8‬‬ ‫‪3‬‬
‫‪= 8c −‬‬ ‫‪c = c =1‬‬ ‫=‪⇒c‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪8‬‬
‫∞‬ ‫‪2‬‬
‫‪3‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪E ( X ) = ∫ x ⋅  (4 x − 2 x 2 )  dx = ∫ x ⋅  ( 4 x − 2 x2 )  dx‬‬
‫∞‪−‬‬ ‫‪8‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪8‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫ב(‪.‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪= 4 ⋅ ∫ x 2 dx − 2 ⋅ ∫ x3 dx = 1‬‬
‫‪80‬‬ ‫‪80‬‬

‫) (‬
‫נוסחת השונות‪V ( X ) = E X 2 −  E ( X )  -‬‬
‫‪2‬‬

‫∞‬ ‫‪2‬‬
‫‪2 3‬‬ ‫‪2 ‬‬ ‫‪2 3‬‬ ‫‪2 ‬‬
‫= )‪E( X2‬‬ ‫‪∫−∞ x ⋅  8 (4 x − 2 x )  dx = ∫0 x ⋅  8 ( 4 x − 2 x )  dx‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪6‬‬
‫= ‪= 4 ⋅ ∫ x 3 dx − 2 ⋅ ∫ x4 dx‬‬
‫‪80‬‬ ‫‪80‬‬ ‫‪5‬‬
‫‪6‬‬ ‫‪1‬‬
‫) (‬
‫נציב בנוסחת השונות‪V ( X ) = E X 2 −  E ( X )  = − 12 = -‬‬
‫‪2‬‬

‫‪5‬‬ ‫‪5‬‬
‫תרגיל ‪4‬‬
‫אוטובוסים מגיעים לתחנה מסוימת ברווחי זמן של ‪ 15‬דקות‪ ,‬אחרי‬
‫השעה ‪ .7:00‬אם נוסע מגיע לתחנה בזמן שמתפלג התפלגות אחידה מ‪-‬‬
‫‪ 7:00‬ל‪ ,7:30-‬מה ההסתברות‬
‫א‪ .‬שיחכה פחות מ‪ 5-‬דקות לאוטובוס?‬
‫ב‪ .‬שיחכה יותר מ‪ 10-‬דקות?‬
‫ג‪ .‬מהי תוחלת וסטיית התקן של זמן ההמתנה של הנוסע?‬

‫פתרון‪:‬‬
‫נסמן ב‪ X-‬את מספר הדקות אחרי השעה ‪ 7:00‬שהנוסע הגיע ולכן‬
‫) ‪X ~ U (0,30‬‬
‫הנוסע יחכה פחות מ ‪ 5‬דקות אם יגיע בין ‪ 7:10‬ל ‪ 7:15‬או בין ‪7:25‬‬ ‫‪(1‬‬
‫‪15‬‬ ‫‪30‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫∫ = ) ‪P (10 < x < 15) + P(25 < x < 30‬‬ ‫ל ‪ 7:30‬ולכן = ‪dx + ∫ dx‬‬
‫‪10‬‬
‫‪30‬‬ ‫‪25‬‬
‫‪30‬‬ ‫‪3‬‬
‫הנוסע יחכה יותר מ ‪ 10‬דקות אם יגיע בין ‪ 7:00‬ל ‪ 7:05‬או ‪ 7:15‬ל‬ ‫‪(2‬‬
‫‪ 7:20‬ולכן‬
‫‪5‬‬ ‫‪20‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫∫ = ) ‪P (0 < x < 5) + P(15 < x < 20‬‬ ‫∫ ‪dx +‬‬ ‫= ‪dx‬‬
‫‪0‬‬
‫‪30‬‬ ‫‪15‬‬
‫‪30‬‬ ‫‪3‬‬
‫‪a + b 0 + 30‬‬
‫= ) ‪,E( X‬‬ ‫=‬ ‫ג( התוחלת‪= 15 -‬‬
‫‪2‬‬ ‫‪2‬‬
‫) ‪( 30 − 0‬‬
‫‪2‬‬
‫‪(b − a ) 2‬‬
‫= ) ‪STD ( X ) = V ( X‬‬ ‫=‬ ‫ס‪ .‬התקן‪= 75 = 8.66 -‬‬
‫‪12‬‬ ‫‪12‬‬

‫‪3‬‬
 ‫תרגיל ‪5‬‬
‫הזמן בשעות הדרוש לתיקון מכונה מתפלג מעריכית עם ‪ λ = 2‬מה‬
‫ההסתברות ש‪:-‬‬
‫זמן התיקון יעלה על חצי שעה?‬ ‫‪(1‬‬
‫התיקון ייקח בין שעה לשעתיים?‬ ‫‪(2‬‬
‫שתיקון יקח לפחות ‪ 12.5‬שעות‪ ,‬בהנחה שהוא כבר‬ ‫‪(3‬‬
‫נמשך יותר מ‪ 12-‬שעות?‬
‫מהי תוחלת ושונות זמן התיקון?‬ ‫‪(4‬‬

‫פתרון‪:‬‬
‫)‪X ~ Exp (2‬‬
‫‪e −2 x 0.5 1‬‬
‫‪0.5‬‬
‫‪P ( X > 0.5) = 1 − P ( X ≤ 0.5) = 1 − ∫ 2e −2 x dx = 1 − 2‬‬
‫‪−2 0‬‬
‫א( ‪| = e‬‬
‫‪0‬‬
‫‪2‬‬
‫‪ e −2 x  2 −2 −4‬‬
‫‪P (1 ≤ X ≤ 2) = ∫ 2e −2 x dx =  2‬‬ ‫ב(‪ | = e − e = 0.117 .‬‬
‫‪1‬‬ ‫‪ −2  1‬‬
‫‪1‬‬
‫= )‪P ( x > 12 .5 | x > 12 ) = P ( X > 0.5‬‬ ‫ג(‪.‬‬
‫‪e‬‬

‫‪1 1‬‬ ‫‪1‬‬ ‫‪1 1‬‬

‫= ) ‪E( X‬‬ ‫=‬ ‫= )‪V( X‬‬ ‫ד(‪= 2 = .‬‬
‫‪λ 2‬‬ ‫‪λ‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪4‬‬

‫התפלגות נורמלית‬
‫כותבים ) ‪ X ~ N ( µ , σ‬לציין ש‪ X-‬מ"מ המתפלג נורמלית עם תוחלת ‪ µ‬ושונות ‪. σ 2‬‬
‫‪2‬‬

‫‪1‬‬ ‫‪ ( x − µ)2 ‬‬

‫= )‪f ( x‬‬ ‫‪exp  −‬‬ ‫פונקצית הצפיפות של התפלגות הנורמלית היא‪ :‬‬
‫‪2πσ 2‬‬ ‫‪‬‬ ‫‪2‬‬‫‪σ‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫מכיוון שפונקצית ההתפלגות המצטברת איננה אלמנטרית‪ ,‬נעזרים בטבלה‬

‫מקורבת‪.‬‬

‫תיקנון‪:‬‬
‫‪ X ~ N ( µ , σ‬למשתנה‬ ‫)‬
‫‪2‬‬
‫פעולה )טרנספורמציה( המביאה מ"מ המתפלג נורמלית‬
‫המתפלג נורמלית סטנדרטית‪Z ~ N ( 0,12 ) -‬‬
‫‪X −µ‬‬
‫⇒ ) ‪X ~ N ( µ, σ 2‬‬ ‫)‪~ N (0,1‬‬
‫‪σ‬‬
‫כללים לשימוש בטבלה‪:‬‬
‫)‪( a ≥ 0‬‬

‫‪4‬‬
 ‫; )‪P ( Z ≤ a) ≡ φ ( a‬‬ ‫) ‪P ( Z ≥ a ) = 1 − φ ( a ) ; P ( Z ≤ −a ) = 1 − φ ( a‬‬
‫;‪P ( Z ≤ a ) = 2φ ( a ) − 1‬‬ ‫)‪P ( a ≤ Z ≤ b) = φ ( b) − φ ( a‬‬

‫תרגיל ‪6‬‬
‫חשבו את ההסתברויות הבאות בעזרת טבלת ההתפלגות הנורמלית הסטנדרטית‪:‬‬
‫ג‪P (−0.08 < Z ) .‬‬ ‫ב‪P ( Z > 0.08) .‬‬ ‫א‪P ( Z < 0.08) .‬‬
‫ו‪P ( Z < −2.47) .‬‬ ‫ה‪P (−0.2 < Z < 1.74) .‬‬ ‫ד‪P ( Z < 0.08) .‬‬
‫ט‪P ( Z < ?) = 0.33 .‬‬ ‫ח‪P ( Z < ?) = 0.7054 .‬‬ ‫ז‪P (1.42 < Z < 2.47) .‬‬

‫פתרון‪:‬‬
‫‪P ( Z < 0.08) = 0.5319‬‬ ‫‪.1‬‬
‫‪P ( Z > 0.08) = 1 − P ( Z ≤ 0.08) = 0.4681‬‬ ‫‪.2‬‬
‫‪P (−0.08 < Z ) = P ( Z < 0.08) = 0.5319‬‬ ‫‪.3‬‬
‫‪P (−0.08 < Z < 0.08) = 2 P ( Z < 0.08) − 1 = 2 ⋅ 0.5319 − 1 = 0.0638‬‬ ‫‪.4‬‬
‫‪.5‬‬

‫‪P (−0.2 < Z < 1.74) = P ( Z < 1.74) − P ( Z < −0.2) = P ( Z < 1.74) −‬‬
‫‪− [ 1 − P ( Z < 0.2)] = P ( Z < 1.74) + P ( Z < 0.2) − 1 = 0.9591 + 0.5793 − 1 = 0.5384‬‬

‫‪.6‬‬
‫‪P ( Z < −2.47) = P ( Z > 2.47) = 1 − P ( Z < 2.47) = 1 − 0.9932 = 0.0068‬‬
‫‪.7‬‬
‫‪P (1.42 < Z < 2.47) = P ( Z < 2.47) − P ( Z < 1.42) = 0.9932 − 0.9222 = 0.071‬‬

‫‪ P ( Z < z ) = 0.7054‬נבדוק בתוך הטבלה היכן מופיע הערך‪.0.7054 :‬‬ ‫‪.8‬‬

‫⇐ ‪z = 0.54‬‬
‫‪.9‬‬

‫‪P ( Z < ?) = 0.33, z * = 1 − 0.33 = 0.67, Φ ( z* ) = 0.67, z * = 0.44 ⇒ z = −0.44‬‬

‫תרגיל ‪7‬‬
‫בנק עורך בדיקה של מחירי השירות והפוליסות הצוברות ריבית בחשבונות עו"ש‪.‬‬
‫הבנק מצא שהמאזן השבועי בחשבונות עו"ש פרטיים הוא ‪ ₪ 550‬עם סטיית תקן‬
‫של ‪ .₪ 150‬בנוסף מצאו שהמאזן השבועי מתפלג נורמלית‪.‬‬
‫מהו אחוז לקוחות עו"ש פרטיים שיש להם יתרה גבוהה מ‪?₪ 800-‬‬ ‫‪.1‬‬
‫מהו אחוז לקוחות עו"ש פרטיים שיש להם יתרה פחות מ‪?₪ 200-‬‬ ‫‪.2‬‬
‫מהו אחוז לקוחות עו"ש פרטיים שיש להם יתרה בין ‪ 300‬ו‪?₪ 700-‬‬ ‫‪.3‬‬

‫‪5‬‬
 ‫הבנק שוקל לשלם ריבית ללקוחותיו שיתרתם עולה על סכום‬ ‫‪.4‬‬
‫מסוים‪ .‬אם הבנק לא רוצה לשלם ליותר מ‪ 5%-‬של לקוחותיו‪ ,‬מה המינימום‬
‫של היתרה השבועית שעליה יהיה מוכן לשלם ריבית?‬
‫פתרון‪:‬‬
‫נסמן ) ‪ – X ~ N ( 550,150‬יתרה בחשבון הבנק‪.‬‬
‫‪2‬‬

‫‪800 − 550‬‬
‫> ‪P ( X > 800) = P ( Z‬‬ ‫)‪) = P ( Z > 1.67‬‬
‫‪150‬‬ ‫‪.1‬‬
‫‪= 1 − P ( Z ≤ 1.67) = 1 − 0.9525 = 0.0475‬‬
‫כלומר ‪.4.75%‬‬

‫‪200 − 550‬‬
‫< ‪P ( X < 200) = P ( Z‬‬ ‫)‪) = P ( Z < −2.33‬‬
‫‪150‬‬ ‫‪.2‬‬
‫‪= 1 − P ( Z < 2.33) = 1 − 0.9901 = 0.0099‬‬
‫כלומר ‪.0.99%‬‬
‫)‪P (300 < X < 700) = P (−1.67 < Z < 1) = P ( Z < 1) − P( Z < −1.67‬‬
‫‪.3‬‬
‫‪= P( Z < 1) + P( Z < 1.67) − 1 = 0.8413 + 0.9525 − 1 = 0.7938‬‬
‫כלומר ‪.79.38%‬‬
‫יש למצוא את הערך )שיסומן ב‪ ( X 95 -‬העו"ש שעד אליו יש ‪95%‬‬ ‫‪.4‬‬

‫‪X 95 − 550‬‬
‫≤ ‪P ( X ≤ X 95 ) = 0.95 ⇒ P ( Z‬‬ ‫‪) = 0.95‬‬
‫‪150‬‬
‫מבעלי החשבונות‪.‬‬
‫‪X 95 − 550‬‬
‫‪= Φ −1 (0.95) = 1.645‬‬ ‫‪⇒ X 95 = 796.75‬‬
‫‪150‬‬

‫הקירוב הנורמלי להתפלגות הבינומית‬

‫נשים לב‪ :‬המשתנה הבינומי בדיד‪ ,‬לכן יש חשיבות רבה לכל נקודה‪ ,‬בניגוד‬
‫למשתנה הרציף הנורמלי שעבורו ההסתברות של כל נקודה בדידה היא ‪.0‬‬
‫כדי לתקן בעיה זו מבצעים "תיקון רציפות" )ראו טבלה בהמשך(‪ ,‬משלימים את‬
‫‪1‬‬
‫הערך הבדיד )הנקודה( לערך רציף ע"י הוספת ‪. ±‬‬
‫‪2‬‬

‫(‬ ‫)‬
‫הקירוב‪X ~ Bin ( n, p ) ⇒ X ~ N µ = np, σ 2 = npq :‬‬

‫והחישוב המקורב‪:‬‬

‫‪6‬‬
 ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪ k + 2 − np ‬‬ ‫‪ k − 2 − np ‬‬
‫‪P( X = k) = Pk − ≤ X ≤ k −  =φ ‬‬ ‫‪ −φ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪npq ‬‬ ‫‪‬‬ ‫‪npq ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫טבלת תיקון רציפות‬

‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬

‫‪‬‬ ‫‪a− −µ ‬‬ ‫‪‬‬ ‫‪a+ −µ ‬‬
‫≤ ‪P( x < a) = P  Z‬‬ ‫‪2‬‬ ‫≥ ‪P( x > a) = P  Z‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪σ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪σ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P( x = a) = P  a − < x < a +‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪a+ −µ ‬‬ ‫‪‬‬ ‫‪a− −µ ‬‬
‫≤ ‪P( x ≤ a) = P  Z‬‬ ‫‪2‬‬ ‫≥ ‪P( x ≥ a) = P  Z‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪σ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪σ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫תרגיל ‪8‬‬
‫באוכלוסיה מסוימת ‪ 20%‬הם מעשנים‪ .‬נבחר מדגם מקרים של ‪ 50‬אנשים‪.‬‬
‫א(‪ .‬מה ההסתברות שמתוך כלל האנשים במדגם יהיו לכל היותר ‪ 6‬מעשנים?‬
‫ב(‪ .‬מה ההסתברות שמתוך כלל האנשים במדגם יהיה מס' המעשנים בין ‪ 8‬ל‪-‬‬
‫‪?15‬‬
‫ג(‪ .‬מה ההסתברות שמתוך כלל האנשים במדגם יהיו מס' המעשנים ‪?12‬‬

‫פתרון‪:‬‬
‫‪σ ( X ) = npq = 50 ⋅ 0.2 ⋅ 0.8‬‬ ‫‪E ( X ) = np = 50 ⋅ 0.2 = 10‬‬ ‫) ‪X ~ Bin ( 50, 0.2‬‬
‫לכן בקירוב‪. X ~ N ( 10, 2.828 ) -‬‬
‫‪ 6.5 − 10 ‬‬
‫‪P ( X ≤ 6) = P ( X ≤ 6 + 1 2) = φ ‬‬ ‫א(‪ = φ ( −1.23) = 0.1093 .‬‬
‫‪ 2.828 ‬‬

‫) ‪P ( 8 ≤ X ≤ 15 ) = P ( 8 − 1 2 ≤ X ≤ 15 + 1 2‬‬
‫‪ 15.5 − 10 ‬‬ ‫‪ 7.5 − 10 ‬‬ ‫ב(‪.‬‬
‫‪=φ‬‬ ‫‪ −φ ‬‬ ‫‪ = φ ( 1.94 ) − φ ( 0.88 ) = 0.9738 − 0.1894 = 0.7844‬‬
‫‪ 2.828 ‬‬ ‫‪ 2.828 ‬‬

‫) ‪P ( X = 12 ) = P ( 12 − 1 2 ≤ X ≤ 12 + 1 2‬‬
‫‪ 12.5 − 10 ‬‬ ‫‪ 11.5 − 10 ‬‬ ‫ג(‪.‬‬
‫‪=φ‬‬ ‫‪ −φ ‬‬ ‫‪ = φ ( 0.88 ) − φ ( 0.53) = 0.8106 − 0.7019 = 0.1087‬‬
‫‪ 2.828 ‬‬ ‫‪ 2.828 ‬‬

‫משפט הגבול המרכזי‬

‫יהיו ‪ X 1 , X 2 ,..., X n‬משתנים מקרים בלתי‪-‬תלויים ושווי התפלגות‪ ,‬בעלת תוחלת ‪µ‬‬
‫ושונות ‪ , σ 2‬המוגדרים על אותו מרחב הסתברות‪/‬מדגם‪ .‬כאשר ‪ n‬גדול מספיק‬
‫)ערך מקובל‪ (n > 30 :‬מתקיים בקירוב‪:‬‬

‫‪7‬‬
 ‫(‬ ‫)‬
‫‪n‬‬
‫‪~ N  nµ , σ n‬‬ ‫‪‬‬
‫‪2‬‬
‫)‪(1‬‬ ‫‪∑X‬‬
‫‪i =1‬‬
‫‪i‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬

‫‪(2) X ~ N  µ , σ‬‬ ‫(‬ ‫)‬ ‫‪‬‬

‫‪2‬‬
‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫תרגיל ‪9‬‬
‫משקל מזוודה בטיסות לצרפת מתפלג נורמלית עם תוחלת ‪ 20‬ק"ג וסטית תקן של‬
‫‪ 2‬ק"ג‪.‬‬
‫מה ההסתברות ‪:‬‬
‫א(‪ .‬שמשקל מזוודה אקראית יהיה גדול מ‪ 21-‬ק"ג ?‬
‫ב(‪ .‬שסה"כ המשקל של ‪ 200‬מזוודות יהיה גדול מ‪ 4200-‬ק"ג ?‬
‫ג(‪ .‬שממוצע המשקל של ‪ 200‬מזוודות יהיה גדול מ‪ 21-‬ק"ג ?‬
‫ד(‪ .‬מהו התחום הסימטרי סביב ‪ µ‬שבו מרוכזים ‪ 90%‬מממוצעי כל המדגמים‬
‫בגודל ‪?200‬‬
‫ה(‪ .‬תכולת מטוס מסוים היא ‪ 250‬נוסעים‪ .‬בהנחה שכל נוסע רשאי לעלות מזוודה‬
‫אחת‪.‬‬
‫מהו משקל המזוודות המקסימלי הכולל‪ ,‬שניתן לצפות שלא יעלו עליו‬
‫בהסתברות של ‪? 99%‬‬

‫פתרון‪:‬‬

‫(‬ ‫)‬
‫נתון‪X ~ N 20, 22 :‬‬
‫א(‪.‬‬
‫‪21 − 20‬‬
‫> ‪P ( X > 21) = P( Z‬‬ ‫= )‪) = P ( Z > 0.5) = 1 − Φ (0.5‬‬
‫‪2‬‬
‫‪1 − 0.6915 = 0.3085‬‬

‫ב(‪.‬‬
‫‪200‬‬

‫‪∑x‬‬
‫‪i =1‬‬
‫‪i‬‬ ‫) ‪: N (200 ⋅ 20, 200 ⋅ 22‬‬

‫‪4200 − 4000‬‬
‫> ‪P (∑ xi > 4200) = P ( Z‬‬ ‫)‪) = P ( Z > 7.07‬‬
‫‪2 ⋅ 200‬‬
‫‪= 1 − Φ(7.07) = 1 − 1 = 0‬‬

‫ג(‪.‬‬
‫‪2‬‬
‫‪2‬‬
‫‪X 200 : N (20,‬‬ ‫)‬
‫‪200‬‬
‫‪21 − 20‬‬
‫> ‪P ( x > 21) = P ( Z‬‬ ‫‪) = P ( Z > 7.07) = 1 − Φ(7.07) = 1 − 1 = 0‬‬
‫‪2‬‬
‫‪200‬‬

‫‪8‬‬
 ‫ד(‪.‬‬
‫‪‬‬ ‫‪2 ‬‬ ‫‪2‬‬
‫‪X 200 : N  20,‬‬ ‫‪‬‬
‫‪‬‬ ‫‪200 ‬‬
‫‪P ( µ − t < X < µ + t ) = P (20 − t < X < 20 + t ) = 0.90‬‬
‫‪ ( 20 − t ) − 20‬‬ ‫‪( 20 + t ) − 20  = 0.90‬‬
‫‪P‬‬ ‫‪2‬‬
‫< ‪<Z‬‬ ‫‪‬‬
‫‪ 2 200‬‬ ‫‪22 200 ‬‬
‫‪‬‬ ‫‪t ‬‬
‫‪P Z < 2‬‬ ‫‪ = 0.90‬‬
‫‪‬‬ ‫‪2 200 ‬‬
‫‪t‬‬
‫‪2‬‬
‫‪= 2φ −1 ( 0.90 ) − 1 = 2 ⋅1.282 − 1 = 1.564‬‬
‫‪2 200‬‬
‫‪t = 0.03128‬‬ ‫) ‪⇒ ( 20 − 0.03128, 20 + 0.03128‬‬

‫ה(‪.‬‬
‫‪250‬‬

‫‪∑x‬‬
‫‪i =1‬‬
‫‪i‬‬ ‫) ‪: N (250 ⋅ 20, 250 ⋅ 22‬‬

‫‪P (∑ xi < a ) = 0.99‬‬

‫‪a − 5000‬‬
‫< ‪P( Z‬‬ ‫‪) = 0.99‬‬
‫‪2 ⋅ 250‬‬
‫‪Φ (t ) = 0.99 ⇒ t = 2.32‬‬
‫‪a − 5000‬‬
‫‪= 2.32 ⇒ a = 5073.36‬‬
‫‪31.62‬‬

‫אמידה – רווח סמך‬

‫רווח סמך לתוחלת כאשר השונות באוכלוסיה ידועה )התפלגות ‪(Z‬‬

‫יהיו ‪ X 1 , X 2 ,... X n‬תצפיות ב"ת מהתפלגות בעלת תוחלת ‪ µ‬ושונות ‪ , σ 2‬אם ‪n‬‬
‫מספיק גדול‬
‫)בד"כ ‪, (n > 30‬מתקיים‪:‬‬
‫‪‬‬ ‫‪σ‬‬ ‫‪σ ‬‬
‫‪P  X − z1−α / 2‬‬ ‫‪≤ µ ≤ X + z1−α / 2‬‬ ‫‪ ≅ 1−α‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫ורווח סמך ברמת סמך ‪ 1 − α‬עבור ‪ µ‬ניתן ע"י‪:‬‬
‫‪‬‬ ‫‪σ‬‬ ‫‪σ ‬‬
‫‪ X − z1−α / 2‬‬ ‫‪≤ µ ≤ X + z1−α / 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬

‫כאשר ‪ z1−α / 2‬מציין שימוש במבחן ‪) Z‬כלומר נורמלי( עבור רמת מובהקות ‪. α‬‬

‫‪9‬‬
 ‫גודל המדגם הדרוש כדי שברמת בטחון של ‪ 1 − α‬הסטייה בין התוחלת לממוצע‬
‫‪z2‬‬ ‫‪σ2‬‬
‫‪n ≥ 1−α /22‬‬ ‫המדגם לא תעלה על גודל ‪ d‬הוא‪:‬‬
‫‪d‬‬

‫תרגיל ‪10‬‬
‫מכונה מייצרת ברגים אשר אורכם מתפלג נורמלית עם תוחלת ‪ 4‬ס"מ וסטיית תקן‬
‫‪ 0.2‬ס"מ‪.‬‬
‫עקב תקלה במכונה הועלה חשד כי המכונה אינה מייצרת ברגים באורך הנדרש‪.‬‬
‫לשם בדיקה נלקח מדגם מקרי של ‪ 25‬ברגים אשר יוצרו במכונה לאחר גילוי‬
‫התקלה ונמצא כי האורך הממוצע שלהם הוא ‪ 3.9‬ס"מ ‪ .‬נניח כי השונות נותרה‬
‫ללא שינוי‪.‬‬
‫מהו רווח סמך )רו"ס( לתוחלת אורך הברגים לאחר התקלה ברמת מובהקות‬
‫)ר"מ( ‪? 2%‬‬

‫פתרון‪:‬‬
‫נסמן ב‪ X -‬את אורך הברגים לאחר התקלה ‪. X ~ N ( µ , 0.2 ) ,‬‬
‫‪2‬‬

‫כמו כן נתון ‪ n = 25 :‬ו‪X = 3.9 -‬‬

‫רמת מובהקות של ‪Z α = 2.326 ⇐ α = 0.02 ⇐ 2%‬‬
‫‪1−‬‬
‫‪2‬‬
‫רו"ס ברמת מובהקות של ‪ α‬לתוחלת כאשר השונות ידועה‪:‬‬
‫‪σ‬‬ ‫‪σ‬‬
‫⋅ ‪X −Z α‬‬ ‫⋅ ‪≤µ ≤ X +Z α‬‬
‫‪1−‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1−‬‬
‫‪2‬‬ ‫‪n‬‬
‫‪0.2‬‬ ‫‪0.2‬‬
‫⋅ ‪3.81 ≤ µ ≤ 3.99 ⇐ 3.9 − 2.236‬‬ ‫⋅ ‪≤ µ ≤ 3.9 + 2.236‬‬ ‫נציב את הנתונים ונקבל‪:‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪.‬‬

‫תרגיל ‪11‬‬
‫משקל אוכלוסית ילדים בגיל מסויים מתפלג נורמלית עם סטית תקן ‪ 1.25‬ק"ג‪.‬‬
‫ידוע שממוצע מדגם בגודל ‪ n‬הוא ‪ 52‬ק"ג ‪ .‬בונים רווח סמך לתוחלת ברמת בטחון‬
‫של ‪. 95%‬‬
‫מה צריך להיות ‪ n‬על מנת שאורכו של רווח הסמך יהיה ‪? 1‬‬
‫פתרון‪:‬‬
‫לתוחלת כאשר השונות ידועה‪:‬‬ ‫‪α‬‬ ‫נשתמש בנוסחא רו"ס ברמת מובהקות של‬
‫‪σ‬‬ ‫‪σ‬‬
‫⋅ ‪X −Z α‬‬ ‫⋅ ‪≤µ ≤ X +Z α‬‬
‫‪1−‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1−‬‬
‫‪2‬‬ ‫‪n‬‬
‫במקרה שלנו‪ ,‬רמת ביטחון של ‪ . Z α = 1.96 ⇐ α = 0.05 ⇐ 95%‬נציב ונקבל‪:‬‬
‫‪1−‬‬
‫‪2‬‬
‫‪1.25‬‬ ‫‪1.25‬‬
‫⋅ ‪ . 52 − 1.96‬נרצה שאורך רווח הסמך יהיה ‪ ,1‬ז"א שכל‬ ‫⋅ ‪≤ µ ≤ 52 + 1.96‬‬
‫‪n‬‬ ‫‪n‬‬
‫סטייה מהממוצע שווה ל‪.0.5-‬‬
‫‪1.25‬‬
‫⋅ ‪ . 1.96‬ז"א שיש צורך במדגם בגודל ‪ 24‬ילדים‪.‬‬ ‫‪= 0.5 ⇒ n = 4.9 ⇒ n ≈ 24‬‬
‫‪n‬‬

‫‪10‬‬
 ‫רווח סמך לתוחלת כאשר השונות באוכלוסיה איננה ידועה‬
‫)התפלגות ‪(t‬‬

‫= ‪ – Sˆ 2‬שונות המדגם‪.‬‬ ‫) ‪∑ (x − x‬‬

‫‪i‬‬
‫‪2‬‬

‫‪n −1‬‬
‫‪ tn −1,1−α‬עבור ערך ‪ t‬עם ‪ n − 1‬דרגות חופש ושטח‬ ‫התפלגות ‪ - t‬הסימון המקובל הוא‬
‫מצטבר ‪. 1 − α‬‬
‫‪X −µ‬‬
‫= ‪,T‬‬ ‫∧‬
‫כאשר ‪ σ‬אינה ידועה נציב במקומה את ∧ ואז מתקיים‪~ t ( n −1) :‬‬
‫‪S‬‬
‫‪S/ n‬‬
‫‪‬‬ ‫ˆ‪S‬‬ ‫‪Sˆ ‬‬
‫‪.  X n − t‬‬ ‫‪, Xn + t‬‬ ‫נקבל רו"ס‪,  :‬‬
‫‪n ‬‬
‫‪α‬‬ ‫‪α‬‬
‫‪‬‬ ‫‪n −1,1−‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪n −1,1−‬‬
‫‪2‬‬

‫תרגיל ‪12‬‬
‫קבלן רוצה לאמוד את תוחלת הזמן הדרוש לבניית בית מגורים בין ‪ 4‬קומות‪.‬‬
‫לצורך כך דגם ‪ 16‬בתי מגורים בני ‪ 4‬קומות שנבנו בשנה האחרונה‪ ,‬וקיבל כי‬
‫בממוצע אורך זמן בנייתם ‪ 11.5‬חודשים עם סטיית תקן מתוקנת של ‪.1.032‬‬
‫בנו רו"ס לתוחלת משך זמן הבנייה לבניית בית המגורים המדובר ברמות סמך‪:‬‬
‫ב‪98% .‬‬ ‫א‪90% .‬‬

‫פתרון‪:‬‬

‫א‪ 1 − α = 0.9, n = 16 .‬ונחשב‪. t15,0.95 = 1.753 :‬‬

‫‪1.032‬‬ ‫‪1.032‬‬
‫⋅ ‪11.5 − 1.753‬‬ ‫⋅ ‪≤ µ ≤ 11.5 + 1.753‬‬
‫‪16‬‬ ‫‪16‬‬
‫‪11.047 ≤ µ ≤ 11.952‬‬

‫ב‪ 1 − α = 0.9, n = 16 .‬ונחשב‪. t15,0.99 = 2.602 :‬‬

‫‪1.032‬‬ ‫‪1.032‬‬
‫⋅ ‪11.5 − 2.602‬‬ ‫⋅ ‪≤ µ ≤ 11.5 + 2.602‬‬
‫‪16‬‬ ‫‪16‬‬
‫‪11.828 ≤ µ ≤ 12.171‬‬

‫תרגיל ‪13‬‬
‫חוקר מציע סוג של הורמון לתרנגולות שעשוי להגדיל את משקל הביצים‪ .‬נלקח‬
‫מדגם מקרי של ‪ 9‬ביצים והתקבלו התוצאות הבאות )בגרמים(‪,63 ,51 ,57 ,40 :‬‬
‫‪.59 ,54 ,62 ,59 ,55‬‬
‫אמוד ברו"ס את משקל הביצים ברמת סמך של ‪ 90%‬על סמך תוצאות המדגם‬
‫הנ"ל‪.‬‬

‫‪11‬‬
 ‫פתרון‪:‬‬

‫∑ = ‪.x‬‬ ‫) ‪∑ (x − x‬‬ ‫‪2‬‬

‫‪x‬‬ ‫‪i‬‬
‫‪= 55.5555, S‬‬ ‫‪2‬‬
‫=‬ ‫‪i‬‬
‫נחשב‪= 6.966 :‬‬
‫‪n‬‬ ‫‪n −1‬‬
‫‪t8,0.95‬‬ ‫‪ 1 − α = 0.9, n = 9‬ונמצא בטבלה‪= 1.86 :‬‬

‫‪6.966‬‬ ‫‪6.966‬‬
‫⋅ ‪55.55 − 1.86‬‬ ‫⋅ ‪≤ µ ≤ 55.55 + 1.86‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪51.231 ≤ µ ≤ 59.868‬‬

‫‪12‬‬