See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/325049109

354‫ﻣﺤﺎﺿﺮات اﻟﺪﻛﺘﻮر ﻧﻮري ﻓﺮﺣﺎن اﻟﻤﻴﺎﺣﻲ ﻓﻲ اﻟﻌﻤﻠﻴﺎت اﻟﺘﺼﺎدﻓﻴﺔ ر‬

Book · May 2018

CITATIONS READS
0 1,686

1 author:

Noori Farhan Al-mayahi

University of Al-Qadisiyah
74 PUBLICATIONS   33 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Functional Analysis , Measure Theory View project

fuzzy mathematics View project

All content following this page was uploaded by Noori Farhan Al-mayahi on 09 May 2018.

The user has requested enhancement of the downloaded file.

 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

‫ﻣﺤﺎﺿﺮات اﻟﺪﻛﺘﻮر ﻧﻮري ﻓﺮﺣﺎن اﻟﻤﯿﺎﺣﻲ‬

‫ﻓﻲ‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬

Definitions and General Properties ‫ ﺗﻌﺎرﯾﻒ وﺧﺼﺎﺋﺺ أﺳﺎﺳﯿﺔ‬.1

Stochastic Matrices ‫ اﻟﻤﺼﻔﻮﻓﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬.2
Markov Chains ‫ ﺳﻼﺳﻞ ﻣﺎرﻛﻮف‬.3
Random walk ‫ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ‬.4
Some Special Stochastic Processes ‫ ﺑﻌﺾ اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ اﻟﺨﺎﺻﺔ‬.5
Stationary Processes ‫ اﻟﻌﻤﻠﯿﺎت اﻟﻤﺴﺘﻘﺮة‬.6

‫اﻟﻤـﺼـﺎدر‬
1990 ‫( أﻣﯿﺮ ﺣﻨﺎ ھﺮﻣﺰ " اﻹﺣﺼﺎء اﻟﺮﯾﺎﺿﻲ " ﺟﺎﻣﻌﺔ اﻟﻤﻮﺻﻞ‬1)
1991 ‫( ﺑﺎﺳﻞ ﯾﻮﻧﺲ ذﻧﻮن" اﻻﺣﺘﻤﺎﻟﯿﺔ واﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ " ﺟﺎﻣﻌﺔ اﻟﻤﻮﺻﻞ‬2)
، 1974 ،‫ ﺗﺮﺟﻤﺔ ﺳﺎﻣﺢ داود‬، "‫ "اﻻﺣﺘﻤﺎﻻت‬،‫( ﺳﯿﻤﻮر ﻟﯿﺒﺸﺘﺰ‬3)
.‫ر وآﺧﺮون "اﻟﻤﺪﺧﻞ إﻟﻰ ﻧﻤﺎذج اﻻﺣﺘﻤﺎﻟﯿﺔ" ﺗﺮﺟﻤﺔ ﻓﺎﺿﻞ ﻣﺤﺴﻦ اﻟﺮﺑﯿﻌﻲ‬.‫( ﺷﯿﺪون م‬4)
1989 ‫( ﺻﺒﺎح داود ﺳﻠﯿﻢ "ﻣﻘﺪﻣﺔ ﻓﻲ اﻹﺣﺼﺎء اﻟﺮﯾﺎﺿﻲ" ﺟﺎﻣﻌﺔ اﻟﺒﺼﺮة‬5)
.‫( ﻋﻤﺎﻧﻮﺋﯿﻞ ﺑﺎرزن " اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ" ﺗﺮﺟﻤﺔ ﻋﺪﻧﺎن ﻣﺤﻤﻮد ﺣﯿﺪر وﻋﺒﺪ ذﺑﺎب اﻟﻌﺠﯿﻠﻲ‬6)
.1991 ‫( ﻓﺎرس ﻣﺴﻠﻢ اﻟﻌﺬاري وﻋﻠﻲ ﻋﺒﺪ اﻟﺤﺴﯿﻦ اﻟﻮﻛﯿﻞ " اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ" ﺟﺎﻣﻌﺔ ﺑﻐﺪاد‬7)
"‫( ﻓﺎﺿﻞ ﻣﺤﺴﻦ اﻟﺮﺑﯿﻌﻲ وﺻﻼح ﺣﻤﺰة ﻋﺒﺪ" ﻣﻘﺪﻣﺔ ﻓﻲ اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬8)
(9) Alan Bain, "Stochastic Calculus
(10) Ash, R. B., " Real Analysis And Probability"
(11) Chung. K.L" Elementary Probability Theory With Stochastic Processes"
(12) Hoel, P. G. et.al" Introduction To Stochastic Processes", .
(13) Hogg. R.V. & Craig " Introduction To Mathematical Statistics."
(14) Kannan, D.," An Introduction To Stochastic Processes",.
(15) Karatzan, I And Shreve, S. E," Brownian Motion And Stochastic Calculus",2 nd, 1997.
(16) Kemeny. J. G. And Snell, K.," Finite Markov Chains"
(17) Mood. A.M. et.al." Introduction To The Theory Of Statistics."
(18) Rao, M. M.," Stochastic Processes: General Theory "
(19) Ross. S. M.," Stochastic Processes",

1
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ .1‬ﺗﻌﺎرﯾﻒ وﺧﺼﺎﺋﺺ أﺳﺎﺳﯿﺔ ‪Definitions and General Properties‬‬

‫ﻟﯿﻜﻦ ) ‪ (,  , P‬ﻓﻀﺎء اﺣﺘﻤﺎﻟﯿﺎً وﻟﺘﻜﻦ ‪ ‬ﻣﺠﻤﻮﻋﺔ ﺟﺰﺋﯿﺔ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻷﻋﺪاد اﻟﺤﻘﯿﻘﯿﺔ ‪. R‬‬
‫ﺗﻌﺮﯾﻒ )‪(1.1‬‬
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ھﻲ ﻋﺎﺋﻠﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ { X t }t‬ﻋﻠﻰ ) ‪ . (,  , P‬ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪{ X t }t‬‬
‫ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ذات ﻣﻌﻠﻤﺔ ﻣﺒﻌﺜﺮة )‪ (Discrete Parameter Stochastic‬إذا ﻛﺎﻧﺖ اﻟﻤﺠﻤﻮﻋﺔ ‪ ‬ﻗﺎﺑﻠﺔ ﻟﻠﻌﺪ‪.‬وﺑﺨﻼف ذﻟﻚ‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ذات ﻣﻌﻠﻤﺔ ﻣﺴﺘﻤﺮة )‪ ،(Continuous Parameter Stochastic‬أي إذا ﻛﺎﻧﺖ اﻟﻤﺠﻤﻮﻋﺔ‬
‫‪ ‬ﻏﯿﺮ ﻗﺎﺑﻠﺔ ﻟﻠﻌﺪ‪ .‬وﺑﺼﻮرة ﺧﺎﺻﺔ إذا ﻛﺎﻧﺖ ‪   ‬ﺣﯿﺚ }‪   {0,1,‬ﺗﻜﺘﺐ } ‪ { X n‬ﺑﺪﻻ ﻣﻦ ‪. { X t }t‬‬
‫اﻟﻤﺠﻤﻮﻋﺔ ‪ ‬ﺗﺴﻤﻰ ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ )‪ (Parameter Space‬ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ أو ﻣﺠﻤﻮﻋﺔ دﻟﯿﻞ اﻟﻌﻤﻠﯿﺔ‪ .‬وﻣﺠﻤﻮﻋﺔ ﻛﻞ‬
‫اﻟﻘﯿﻢ إﻟﻰ ‪ X t‬ﺗﺴﻤﻰ ﻓﻀﺎء اﻟﺤﺎﻻت أو ﻓﻀﺎء اﻷوﺿﺎع )‪ (States Space‬ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ وﯾﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ‪ . ‬ﯾﻘﺎل‬
‫ﻋﻦ اﻟﻤﺠﻤﻮﻋﺔ ‪ ‬ﺑﺄﻧﮭﺎ ﺧﻄﯿﺔ)‪ (Linear‬إذا ﻛﺎن ‪ s  t  T‬ﻟﻜﻞ ‪. s, t  T‬‬
‫ﻣﺜﻼ ‪ :‬اﻟﻤﺠﻤﻮﻋﺎت اﻟﺘﺎﻟﯿﺔ ﺧﻄﯿﺔ‬
‫‪T  {1, 2,}, T  {0, ,1, 2,}, T  {t : t  0}  [0,  ), T  {t :   t  }  ( ,  )  ‬‬
‫ﻣﻼﺣﻈﺔ‬
‫ﯾﻤﻜﻦ ﺗﺼﻨﯿﻒ اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ ﺑﺎﻻﻋﺘﻤﺎد ﻋﻠﻰ ﻣﺎﯾﻠﻲ ‪-:‬‬
‫)‪ (1‬ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ )ﻛﻮن اﻟﻤﻌﻠﻤﺔ ﻣﺒﻌﺜﺮة أو ﻣﺴﺘﻤﺮة( )‪ (2‬ﻓﻀﺎء اﻟﺤﺎﻻت )ﻛﻮن اﻟﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X t‬ﻣﺒﻌﺜﺮاً أو‬
‫ﻣﺴﺘﻤﺮاً(‪.‬‬

‫ﻣﺴﺘﻤﺮ‬ ‫ﻣﺒﻌﺜﺮ‬ ‫ﻓﻀﺎء اﻟﺤﺎﻻت‬

‫‪Continuous‬‬ ‫‪Discrete‬‬ ‫ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ‬
‫ﻣﺒﻌﺜﺮ‬
‫‪2‬‬ ‫‪1‬‬
‫‪Discrete‬‬
‫ﻣﺴﺘﻤﺮ‬
‫‪4‬‬ ‫‪3‬‬
‫‪Continuous‬‬

‫ﻣﺜﺎل )‪(2.1‬‬
‫)‪ (1‬ﻟﯿﻜﻦ ‪ X n‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﯾﻤﺜﻞ ﻋﺪد ﻣﺮات ﻇﮭﻮر اﻟﺼﻮرة ﻋﻨﺪ رﻣﻲ ﻗﻄﻌﺔ ﻧﻘﻮد ‪ n‬ﻣﻦ اﻟﻤﺮات‪ .‬ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ‬
‫ﯾﻤﺜﻞ ﺑﻌﺪد اﻟﻤﺤﺎوﻻت) ﻓﻘﺪ ﺗﻜﻮن ھﻨﺎﻟﻚ ﻣﺤﺎوﻟﺔ واﺣﺪة أو اﺛﻨﺘﺎن أو ﺛﻼﺛﺔ‪ ...‬اﻟﺦ( ﻓﻀﺎء اﻟﺤﺎﻻت ﯾﺘﻤﺜﻞ ﺑﻤﺠﻤﻮﻋﺔ ﻛﻞ‬
‫اﻟﻘﯿﻢ اﻟﺘﻲ ﻣﻦ اﻟﻤﻤﻜﻦ أن ﯾﺄﺧﺬھﺎ اﻟﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ ) X n‬ﻓﻔﻲ ‪ n‬ﻣﻦ اﻟﺮﻣﯿﺎت‪ ،‬ﻗﺪ ﻻ ﺗﻈﮭﺮ ﺻﻮرة أﺑﺪا ‪ ،‬وﻗﺪ ﺗﻈﮭﺮ‬
‫ﻣﺮة واﺣﺪة ‪ ،‬أو ﻣﺮﺗﺎن ‪ ... ،‬أو ‪ n‬ﻣﻦ اﻟﻤﺮات(‬
‫} ‪ { X n‬ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ذات ﻣﻌﻠﻤﺔ ﻣﺒﻌﺜﺮة وذات ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺒﻌﺜﺮ‪.‬‬
‫)‪ (2‬ﻟﯿﻜﻦ ‪ X n‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﯾﻤﺜﻞ أﻋﻠﻰ ﻧﺴﺒﺔ ﻧﺠﺎح ﻓﻲ ﻣﺎدة اﻟﺮﯾﺎﺿﯿﺎت ﻓﻲ اﻻﻣﺘﺤﺎﻧﺎت اﻟﻮزارﯾﺔ ﻟﻠﺼﻒ اﻟﺴﺎدس‬
‫اﻟﻌﻠﻤﻲ‪ .‬ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ ﻣﺒﻌﺜﺮ ﻷﻧﮫ ﯾﻤﻜﻦ ﺗﻤﺜﯿﻞ ﻛﻞ ﺳﻨﺔ دراﺳﯿﺔ ﺑﺮﻗﻢ ﺻﺤﯿﺢ ﻓﺘﻜﻮن اﻟﻤﺠﻤﻮﻋﺔ ‪ ‬ﻗﺎﺑﻠﺔ ﻟﻠﻌﺪ‪.‬ﻓﻀﺎء‬
‫اﻟﺤﺎﻻت ﻣﺴﺘﻤﺮ ﻻن ﻧﺴﺒﺔ اﻟﻨﺠﺎح ﺗﻘﻊ ﺿﻤﻦ اﻟﻔﺘﺮة اﻟﻤﻐﻠﻘﺔ ]‪[0,100‬‬
‫} ‪ { X n‬ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ذات ﻣﻌﻠﻤﺔ ﻣﺒﻌﺜﺮة وذات ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺴﺘﻤﺮ‪.‬‬
‫)‪ (3‬ﻟﯿﻜﻦ ‪ X t‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﯾﻤﺜﻞ ﻋﺪد اﻟﺴﯿﺎرات اﻟﻮاﺻﻠﺔ إﻟﻰ ﻣﺤﻄﺔ ﺗﺰوﯾﺪ اﻟﻮﻗﻮد‪ .‬ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ ﻣﺴﺘﻤﺮ ﻻن‬
‫اﻟﻤﺠﻤﻮﻋﺔ )‪.   [0, ‬ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺒﻌﺜﺮ ﻷﻧﮫ ﯾﻤﺜﻞ ﻋﺪد اﻟﺴﯿﺎرات اﻟﻮاﺻﻠﺔ‬

‫‪2‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ { X t }t‬ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ذات ﻣﻌﻠﻤﺔ ﻣﺴﺘﻤﺮة وذات ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺒﻌﺜﺮ‪.‬‬

‫)‪ (4‬ﻟﯿﻜﻦ ‪ X t‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﯾﻤﺜﻞ درﺟﺔ اﻟﺤﺮارة ﻓﻲ ﻣﺪﯾﻨﺔ اﻟﺪﯾﻮاﻧﯿﺔ‪ .‬ﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ ﻣﺴﺘﻤﺮ ﻻن )‪.   [0, ‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺴﺘﻤﺮ ﻻن درﺟﺔ اﻟﺤﺮارة ﻗﺪ ﺗﻤﺜﻞ ﺑﺄي رﻗﻢ ﺿﻤﻦ اﻟﻔﺘﺮة )‪(, ‬‬
‫‪ { X t }t‬ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ذات ﻣﻌﻠﻤﺔ ﻣﺴﺘﻤﺮة وذات ﻓﻀﺎء اﻟﺤﺎﻻت ﻣﺴﺘﻤﺮ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(3.1‬‬
‫داﻟﺔ اﻟﺘﻮزﯾﻊ ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ ، { X t }t‬ﯾﺮﻣﺰ ﻟﮭﺎ ﺑﺎﻟﺮﻣﺰ ) ‪ F (  ; t‬وﺗﻌﺮف ﺑﺎﻟﺼﯿﻐﺔ }‪F ( x; t )  P{ X t  x‬‬
‫وﻓﻲ ﺣﺎﻟﺔ داﻟﺔ اﻟﺘﻮزﯾﻊ اﻋﻼة ﻗﺎﺑﻠﺔ ﻟﻼﺷﺘﻘﺎق ﻓﻲ ‪ ، x‬ﻓﺄﻧﻨﺎ ﯾﻤﻜﻦ أن ﻧﺤﺪد داﻟﺔ اﻟﻜﺜﺎﻓﺔ اﻻﺣﺘﻤﺎﻟﯿﺔ ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
‫‪ { X t }t‬ﻟﺘﻜﻮن‬
‫) ‪F ( x; t‬‬
‫) ‪ f ( x; t‬‬
‫‪x‬‬
‫وﻟﻨﻔﺮض أن ‪ t1 , t 2 ,, t n‬ﺗﻤﺜﻞ ﻣﺠﻤﻮﻋﺔ اﻟﻨﻘﺎط اﻟﺘﻲ ﺗﻨﺘﻤﻲ إﻟﻰ اﻟﻤﺠﻤﻮﻋﺔ ‪ ، T‬ﺑﺤﯿﺚ ‪ t1  t 2    t n‬ﻓﺎن داﻟﺔ اﻟﺘﻮزﯾﻊ‬
‫اﻟﻤﺸﺘﺮﻛﺔ ﻟﻠﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X t , X t ,, X t‬ھﻲ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪n‬‬

‫} ‪F ( x1 , x 2 , , x n ; t1 , t 2 , , t n )  P{ X t1  x1 , X t2  x 2 , , X tn  x n‬‬
‫وان اﻟﺪاﻟﺔ اﻟﻤﻤﯿﺰة )اﻟﻮﺻﻔﯿﺔ( اﻟﻤﺸﺘﺮﻛﺔ‬
‫‪n‬‬
‫‪i‬‬ ‫‪ t X k‬‬
‫‪ X (1 ,  2 ,  ,  n )  E (e‬‬ ‫‪k 1‬‬
‫)‬
‫ﻣﺒﺮھﻨﺔ )‪(4.1‬‬
‫‪n‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﻣﺘﺘﺎﺑﻌﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ اﻟﻤﺴﺘﻘﻠﺔ وﻟﯿﻜﻦ ‪ S n   X k‬ﻓﺎن‬
‫‪k 1‬‬
‫‪n‬‬
‫) ‪S (1 , 2 , , n )   X (k‬‬
‫‪n‬‬ ‫‪k‬‬
‫‪k 1‬‬

‫اﻟﺒﺮھﺎن‪:‬‬
‫‪n‬‬
‫‪i‬‬ ‫‪ k X k‬‬
‫‪ S (1 , 2 ,, n )  E (e‬‬
‫‪n‬‬
‫‪k 1‬‬
‫) ‪)  E (e i1 X 1  e i2 X 2  e in X n‬‬
‫ﺑﻤﺎ أن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X 1 , X 2 ,, X n‬ﻣﺴﺘﻘﻠﺔ‬
‫) ‪E (e i1 X 1  e i2 X 2  e in X n )  E (e i X 1 )  E (e i2 X 2 )  E (e in X n‬‬
‫‪1‬‬

‫‪n‬‬
‫) ‪S (1 , 2 , , n )  E (e i  X )  E (e i  X )  E (e i  X )  X (1 )  X (2 ) X (n )   X (k‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪n‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪k‬‬
‫‪k 1‬‬

‫ﻣﺜﺎل )‪(5.1‬‬
‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t  0‬ﻣﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X cos t  Y sin t‬ﻟﻜﻞ ‪ t  0‬ﺣﯿﺚ ‪ ‬ﻛﻤﯿﺔ ﺛﺎﺑﺘﺔ‬
‫‪2‬‬
‫‪ P{‬ﺣﯿﺚ ‪b‬‬ ‫‪‬‬ ‫ﻣﻮﺟﺒﺔ‪ X , Y ،‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻣﺴﺘﻘﻼن ﻟﮭﻤﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ) ‪ . N (0,  2‬اﺣﺴﺐ }‪X t2 dt  b‬‬
‫‪0‬‬

‫ﻛﻤﯿﺔ ﺛﺎﺑﺘﺔ‬
‫اﻟﺤﻞ‪:‬‬

‫‪3‬‬
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

2
L ‫ﻧﻔﺮض‬

2
L
 0
 X t2dt   (X cos t  Y sin t ) 2 dt
0

L L L L
X  cos 2 tdt  2X Y  cos t sin tdt Y  sin 2 tdt  Y 2 )
2 2 2
(X
0 0 0 2
1
Z ( X 2  Y 2 ) ~  2 (2) ‫ﺑﻤﺎ أن‬
 2

2 b
L 1 2b b 1
 1  z 
P{  X t dt  b}  P{ (X Y )  b}  P{ 2 (X Y )  2 }  P{Z  2 }   b e dz  e 2
2 2 2 2 2 2
2
0 2   L   2 2

(6.1) ‫ﻣﺜﺎل‬
‫ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﻟﮫ‬X ‫ ﺣﯿﺚ‬t  0 ‫ ﻟﻜﻞ‬X t  X cos  t ‫ { ﻣﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ‬X t }t 0 ‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
. E{ 0 X t2 dt} ‫ اﺣﺴﺐ‬. N (0,  2 ) ‫اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
1

:‫اﻟﺤﻞ‬
1 1 1 2 1
 0 X t dt   0 X cos tdt X  0 cos tdt  2 X
2 2 2 2

1 1
E( X 2 )   2  E( 2 X 2 )  1  X 2 ~  2 (1)  X ~ N (0,  2 ) ‫ﺑﻤﺎ أن‬
  2

11 1
E{ X t2 dt}  E ( X 2 )   2
0 2 2
(7.1) ‫ﺗﻌﺮﯾﻒ‬
( X t1 , X t2 ,  , X tn ), (Yt1 , Yt2 ,  , Ytn ) ‫ { ﺑﺄﻧﮭﻤﺎ ﻣﺴﺘﻘﻼن إذا ﻛﺎﻧﺖ‬X t }t  0 , {Yt }t  0 ‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺘﯿﻦ اﻟﺘﺼﺎدﻓﯿﺘﯿﻦ‬
‫ ﻓﺎن‬A , B   ( n ) ‫ ﻟﻜﻞ‬:‫ ﻣﺴﺘﻘﻠﯿﻦ ﺑﺎﻟﻤﻌﻨﻰ‬t1 , t 2 ,, t n ‫ م وﻟﺠﻤﯿﻊ اﻟﻨﻘﺎط‬n ‫ﻟﻜﻞ ﻋﺪد ﺻﺤﯿﺢ ﻣﻮﺟﺐ‬
P{( X t1 , X t2 ,, X tn )  A, (Yt1 , Yt2 ,, Ytn )  B}  P{( X t1 , X t2 ,, X tn )  A}P{(Yt1 , Yt2 ,, Ytn )  B}
Stochastic Matrices ‫ اﻟﻤﺼﻔﻮﻓﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬.2
(1.2) ‫ﺗﻌﺮﯾﻒ‬
ً‫ ﺑﺄﻧﮫ ﻣﺘﺠﮭًﺎ ﺛﺎﺑﺘﺎ‬u ‫ ﯾﻘﺎل ﻋﻦ اﻟﻤﺘﺠﮫ‬. n ‫ ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ ﻣﻦ اﻟﺪرﺟﺔ‬A ‫ ﻣﺘﺠﮭﺎً ﻻ ﺻﻔﺮﯾﺎً وﻟﺘﻜﻦ‬u  (u1 , u 2 ,  , u n ) ‫ﻟﯿﻜﻦ‬
. uA  u ‫ إذا ﻛﺎن‬A ‫( ﻟﻠﻤﺼﻔﻮﻓﺔ‬Fixed Vector)
(2.2) ‫ﻣﺜﺎل‬
 2 1
A  ‫ﻟﺘﻜﻦ‬
 2 3
2 1
uA  (2,1)   (4  2,2  3)  (2,1)  u ‫ ﻻن‬A ‫ ﻣﺘﺠﮭﺎً ﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ‬u  (2,1) ‫( اﻟﻤﺘﺠﮫ‬1)
2 3
2 1
uA  (2,0)   (4  0,2  0)  (4,2)  v ‫ ﻻن‬A ‫ ﻟﯿﺲ ﻣﺘﺠﮭﺎً ﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ‬v  (2,0) ‫( اﻟﻤﺘﺠﮫ‬2)
2 3

4
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﻼﺣﻈﺔ‬
‫ﻟﯿﻜﻦ ‪ u‬ﻣﺘﺠﮫ ﺛﺎﺑﺖ ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ A‬وﻟﯿﻜﻦ ‪   0 ،   ‬ﻓﺎن ‪ u‬ﯾﻜﻮن أﯾﻀﺎ ﻣﺘﺠﮫ ﺛﺎﺑﺖ ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ A‬ﻻن‬
‫‪(u ) A   (uA)  u‬‬
‫ﺗﻌﺮﯾﻒ )‪(3.2‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻤﺘﺠﮫ ) ‪ u  (u1 , u 2 ,  , u n‬ﺑﺄﻧﮫ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً )‪ (Probability Vector‬إذا ﻛﺎن‬
‫)‪ ui  0 (1‬ﻟﻜﻞ ‪ ، i  1,2,, n‬أي أن ﺟﻤﯿﻊ ﻣﺮﻛﺒﺎﺗﮫ ﻏﯿﺮ ﺳﺎﻟﺒﺔ‪.‬‬
‫‪n‬‬
‫)‪ ،  ui  1 (2‬أي ﻣﺠﻤﻮع ﻣﺮﻛﺒﺎﺗﮫ ﯾﺴﺎوي واﺣﺪ‪.‬‬
‫‪i 1‬‬

‫ﻣﺜﺎل )‪(4.2‬‬
‫‪1‬‬ ‫‪3‬‬
‫‪1 1‬‬
‫)‪ u  ( ,0, , ) (1‬ﻟﯿﺲ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً ﻻن ‪) u3    0‬أي ‪ u3‬ﻛﻤﯿﺔ ﺳﺎﻟﺒﺔ(‬
‫‪4‬‬ ‫‪4‬‬
‫‪4 2‬‬
‫‪3 1 1‬‬
‫)‪ u  ( , ,0, ) (2‬ﻟﯿﺲ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً ﻻن ﻣﺠﻤﻮع ﻣﺮﻛﺒﺎﺗﮫ اﻛﺒﺮ ﻣﻦ اﻟﻮاﺣﺪ‪.‬‬
‫‪4 2 4‬‬
‫‪1 1 1‬‬
‫)‪ u  ( ,0, , ) (3‬ﻟﯿﺲ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً ﻻن ﻣﺠﻤﻮع ﻣﺮﻛﺒﺎﺗﮫ اﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ‪.‬‬
‫‪4 4 4‬‬
‫‪1 1 1‬‬
‫)‪ u  ( , ,0, ) (4‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎً ﻻن ‪ ui  0‬ﻟﻜﻞ ‪ i  1,2,3,4‬وﻣﺠﻤﻮع ﻣﺮﻛﺒﺎﺗﮫ ﯾﺴﺎوي واﺣﺪ‪.‬‬
‫‪4 4 2‬‬
‫ﻣﻼﺣﻈﺔ‬
‫‪n‬‬
‫‪1‬‬
‫‪ s   ui  1‬ﻓﺎن ‪u‬‬ ‫ﻟﯿﻜﻦ ) ‪ u  (u1 , u 2 ,  , u n‬ﻣﺘﺠﮭﺎً ﻻ ﺻﻔﺮﯾﺎً ﺑﺤﯿﺚ ‪ ui  0‬ﻟﻜﻞ ‪، i  1,2,, n‬‬
‫‪s‬‬ ‫‪i 1‬‬
‫ﯾﻜﻮن ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫ﻣﺜﺎل )‪(5.2‬‬
‫ﻟﯿﻜﻦ‬
‫)‪ (1‬اﻟﻤﺘﺠﮫ )‪ u  (2,1,0,2,3‬ﻟﯿﺲ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻻ ﻻن ‪s  2  1  0  2  3  8‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1 1 1 3‬‬
‫إذن ) ‪ u  (2,1,0,2,3)  ( , ,0, ,‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫‪s‬‬ ‫‪8‬‬ ‫‪4 8 4 8‬‬
‫‪3 1‬‬ ‫‪1 3‬‬ ‫‪3 1 1‬‬
‫)‪ (2‬اﻟﻤﺘﺠﮫ ) ‪ u  ( , ,0,‬ﻟﯿﺲ ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ ﻻن ‪s    0  ‬‬
‫‪4 2‬‬ ‫‪4 2‬‬ ‫‪4 2 4‬‬
‫‪1‬‬ ‫‪2 3 1 1‬‬ ‫‪1 1 1‬‬
‫إذن ) ‪ u  ( , ,0, )  ( , ,0,‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ‪.‬‬
‫‪S‬‬ ‫‪4‬‬ ‫‪3 4 2‬‬
‫‪2 3 6‬‬
‫‪1 1‬‬ ‫‪1 3‬‬ ‫‪1 1 1‬‬
‫)‪ (3‬اﻟﻤﺘﺠﮫ ) ‪ u  ( , ,0,‬ﻟﯿﺲ ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ ﻻن ‪s    0  ‬‬
‫‪4 4‬‬ ‫‪4 4‬‬ ‫‪4 4 4‬‬
‫‪1‬‬ ‫‪4 1 1 1‬‬ ‫‪1 1 1‬‬
‫ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ‪.‬‬ ‫إذن ) ‪u  ( , ,0, )  ( , ,0,‬‬
‫‪s‬‬ ‫‪3 4 4 4‬‬ ‫‪3 3 3‬‬

‫‪5‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺗﻌﺮﯾﻒ )‪(6.2‬‬
‫ﻟﺘﻜﻦ ‪ A‬ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ ﻣﻦ اﻟﺪرﺟﺔ ‪ . n‬ﯾﻘﺎل ﻋﻦ ‪ A‬ﺑﺄﻧﮭﺎ ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ )‪ (Stochastic Matrix‬إذا ﻛﺎن ﻛﻞ‬
‫ﺻﻒ ﻣﻦ ﺻﻔﻮﻓﮭﺎ ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫ﻣﺜﺎل)‪(7.2‬‬
‫‪1 1 1‬‬
‫‪‬‬ ‫‪‬‬
‫)‪ A   3 3 3  (1‬ﻟﯿﺲ ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻻن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﻏﯿﺮ ﻣﺮﺑﻌﺔ‪.‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪15 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫)‪ A  16 16  (2‬ﻟﯿﺲ ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻻن اﻟﺼﻒ اﻟﺜﺎﻧﻲ ﻟﯿﺲ ﻣﺘﺠﮭًﺎ اﺣﺘﻤﺎﻟﯿًﺎ‪.‬‬
‫‪2 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪3 3‬‬
‫‪1 0‬‬
‫)‪ A   1 1  (3‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻷﻧﮭﺎ ﻣﺮﺑﻌﺔ وﻛﻞ ﺻﻒ ﻣﻦ ﺻﻔﻮﻓﮭﺎ ﻣﺘﺠﮭًﺎ اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫‪ 2 2 ‬‬

‫ﻣﻼﺣﻈﺔ‬
‫‪1  a‬‬ ‫‪a ‬‬
‫‪ A  ‬ﺑﺤﯿﺚ ‪ 0  a, b  1‬ﻓﺎن‬ ‫ﻟﺘﻜﻦ‬
‫‪ b‬‬ ‫‪1  b‬‬
‫)‪ A (1‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬
‫)‪ u  (b, a ) (2‬ﻣﺘﺠﮭﺎً ﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ ‪. A‬‬
‫‪1‬‬
‫‪ v ‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً وﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ ‪. A‬‬ ‫)‪u (3‬‬
‫‪ab‬‬
‫ﻣﺒﺮھﻨﺔ )‪(8.2‬‬
‫ﻟﯿﻜﻦ ﻛﻞ ﻣﻦ ] ‪ A  [aij ] ، B  [bij‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ وﻣﻦ اﻟﺪرﺟﺔ ‪ n‬وﻟﯿﻜﻦ ) ‪ u  (u1 , u 2 ,  , u n‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ ﻓﺎن‬
‫)‪ uA (1‬ﯾﻜﻮن ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫)‪ AB (2‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪.‬‬
‫)‪ A m (3‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪ .‬ﻟﻜﻞ ﻗﯿﻢ ‪ m‬ﻣﻦ اﻷﻋﺪاد اﻟﺼﺤﯿﺤﺔ اﻟﻤﻮﺟﺒﺔ‪.‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫)‪ (1‬ﻟﯿﻜﻦ ) ‪uA  v  (v1 , v2 ,  , vn‬‬
‫‪ a11 a12  a1n ‬‬
‫‪a‬‬ ‫‪a22  a2 n ‬‬
‫‪uA  (u1 , u2 ,, un ) ‬‬ ‫‪21‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ an1 an 2  ann ‬‬

‫‪6‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫) ‪v  ( ui ai1 , ui ai 2 ,  ,  ui ain‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫‪v j   ui aij‬‬
‫‪i 1‬‬

‫‪ui aij  0 ‬‬ ‫ﺑﻤﺎ أن ‪ aij  0‬ﻻن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ وﻛﺬﻟﻚ ‪ ui  0‬ﻻن ‪ u‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫‪n‬‬
‫ﻟﻜﻞ ‪j  1,2,, n‬‬ ‫‪vj  0 ‬‬ ‫ﻟﻜﻞ ‪j  1,2,, n‬‬ ‫‪u a‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫‪ij‬‬ ‫وھﺬا ﯾﻌﻨﻲ أن ‪ 0‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ v j   [ ui aij ]   ui [  aij ]   ui  1‬‬
‫‪j 1‬‬ ‫‪j 1 i 1‬‬ ‫‪i 1‬‬ ‫‪j 1‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﻻن ‪ u‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬ ‫ﻻن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ وﻛﺬﻟﻚ ‪ ui  1‬‬ ‫‪ aij  1‬‬
‫‪i 1‬‬ ‫‪j 1‬‬
‫إذن ‪ v  uA‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫)‪A  [aij ] ، B  [bij ] (2‬‬
‫ﺑﻤﺎ أن ﻛﻞ ﻣﻦ ‪ A, B‬ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ ‪ AB ‬ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ‪.‬‬
‫ﺑﻤﺎ أن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ‪ ‬اﻟﺼﻒ ‪ i‬ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪ A‬ﯾﻜﻮن ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎ ً‬
‫ﺑﻤﺎ أن ‪ B‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ‪ ‬اﻟﻤﺘﺠﮫ اﻟﻨﺎﺗﺞ ﻣﻦ ﺿﺮب اﻟﺼﻒ ‪ i‬ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪ A‬ﻓﻲ اﻟﻤﺼﻔﻮﻓﺔ ‪ B‬ﯾﻜﻮن ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً‪.‬‬
‫ﺑﻤﺎ أن اﻟﺼﻒ ‪ i‬ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪ AB‬ھﻮ ﻋﺒﺎرة ﻋﻦ اﻟﻤﺘﺠﮫ اﻟﻨﺎﺗﺞ ﻣﻦ ﺿﺮب اﻟﺼﻒ ‪ i‬ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪A‬‬
‫ﻓﻲ اﻟﻤﺼﻔﻮﻓﺔ ‪  B‬اﻟﺼﻒ ‪ i‬ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪ AB‬ﯾﻜﻮن ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎ ً وﻋﻠﯿﮫ ‪ AB‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪.‬‬
‫)‪ (3‬ﺳﻨﺒﺮھﻦ ﺑﻄﺮﯾﻘﺔ اﻻﺳﺘﻘﺮاء اﻟﺮﯾﺎﺿﻲ‬
‫)أ( ﻧﻔﺮض ‪m  2‬‬
‫ﺑﻤﺎ أن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬
‫ﺑﺎﺳﺘﺨﺪام اﻟﻔﺮع )‪ (2‬ﻧﺤﺼﻞ ﻋﻠﻰ ‪ A  A  A  A‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬
‫‪2‬‬ ‫‪m‬‬

‫)ب( ﻧﻔﺮض أن ‪ A k‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ وﻧﺒﺮھﻦ ان ‪ A k 1‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬

‫ﺑﻤﺎ أن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪ ،‬ﺑﺎﺳﺘﺨﺪام اﻟﻔﺮع )‪ (2‬ﻧﺤﺼﻞ ﻋﻠﻰ ‪ A k  A  A k 1‬ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬
‫إذن ‪ A m‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻟﻜﻞ ﻗﯿﻢ ‪ m‬ﻣﻦ اﻷﻋﺪاد اﻟﺼﺤﯿﺤﺔ اﻟﻤﻮﺟﺒﺔ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(9.2‬‬
‫ﻟﺘﻜﻦ ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﯾﻘﺎل ﻋﻦ ‪ A‬ﺑﺄﻧﮭﺎ ﻣﻨﺘﻈﻤﺔ )‪ (Regular‬إذا ﻛﺎﻧﺖ ﺟﻤﯿﻊ ﻋﻨﺎﺻﺮ إﺣﺪى ﻗﻮاھﺎ ‪ A‬ﻣﻮﺟﺒﺔ‪،‬‬
‫‪n‬‬

‫ﺑﻌﺒﺎرة أﺧﺮى إذا ﻛﺎﻧﺖ ﺟﻤﯿﻊ ﻋﻨﺎﺻﺮ ‪ A 2‬أو ‪ A3‬أو ‪ A 4‬أو ‪ ...‬ﻣﻮﺟﺒﺔ‪.‬‬
‫ﻣﻼﺣﻈﺔ‬
‫ﻟﺘﻜﻦ ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻓﺈذا ﻛﺎن اﺣﺪ ﻋﻨﺎﺻﺮ اﻟﻘﻄﺮ اﻟﺮﺋﯿﺴﻲ ﻟﮭﺎ ﯾﺴﺎوي واﺣﺪ ﻓﺎن ﺗﻠﻚ اﻟﻤﺼﻔﻮﻓﺔ ﺗﻜﻮن ﻏﯿﺮ ﻣﻨﺘﻈﻤﺔ‬
‫)ﻣﺎﻟﻢ ‪ A‬ﻣﻦ اﻟﺪرﺟﺔ واﺣﺪ(‬
‫ﻣﺜﺎل )‪(10.2‬‬
‫‪1‬‬ ‫‪0‬‬
‫‪ A   1‬ﻏﯿﺮ ﻣﻨﺘﻈﻤﺔ ﻻن اﺣﺪ ﻋﻨﺎﺻﺮ اﻟﻘﻄﺮ اﻟﺮﺋﯿﺴﻲ ﯾﺴﺎوي واﺣﺪ‪.‬‬ ‫)‪1  (1‬‬
‫‪ 2‬‬ ‫‪2 ‬‬
‫‪7‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪0 1 ‬‬
‫‪ A  ‬ﻏﯿﺮ ﻣﻨﺘﻈﻤﺔ ﻻن‬ ‫)‪ (2‬‬
‫‪1 0‬‬
‫‪‬‬ ‫زوﺟﻲ‬ ‫ﻋﺪد‬ ‫‪n‬‬
‫‪An   n‬‬
‫‪A‬‬ ‫ﻓﺮدي‬ ‫ﻋﺪد‬ ‫‪n‬‬
‫‪ 12 12 ‬‬ ‫‪0 1 ‬‬
‫)‪ A   1 1  (3‬ﻣﻨﺘﻈﻤﺔ ﻻن ‪A   1 3 ‬‬
‫‪2‬‬

‫‪4 4‬‬ ‫‪2 2‬‬

‫ﻣﺒﺮھﻨﺔ )‪) (11.2‬اﻟﺨﺎﺻﯿﺔ اﻷﺳﺎﺳﯿﺔ ﻟﻠﻤﺼﻔﻮﻓﺎت اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻨﺘﻈﻤﺔ(‬
‫ﻟﺘﻜﻦ ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﻨﺘﻈﻤﺔ ﻓﺎن‬
‫)‪ (1‬ﯾﻮﺟﺪ ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ A‬ﻣﺘﺠﮫ اﺣﺘﻤﺎﻟﻲ ﺛﺎﺑﺖ ووﺣﯿﺪ ﻣﺜﻞ ‪ u‬ﺑﺤﯿﺚ ﺟﻤﯿﻊ ﻣﺮﻛﺒﺎﺗﮫ ﻣﻮﺟﺒﺔ‪.‬‬
‫)‪ (2‬ﻣﺘﺘﺎﺑﻌﺔ اﻟﻘﻮى ‪ A, A 2 , A3 ,‬ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ A‬ﺗﻘﺘﺮب إﻟﻰ اﻟﻤﺼﻔﻮﻓﺔ ‪ B‬اﻟﺘﻲ ﻛﻞ ﺻﻒ ﻣﻦ ﺻﻔﻮﻓﮭﺎ ھﻮ اﻟﻤﺘﺠﮫ اﻟﺜﺎﺑﺖ ‪. u‬‬
‫وﺑﻌﺒﺎرة أﺧﺮى ‪ .‬إذا ﻛﺎن ) ‪ u  (u1 , u 2 ,  , u n‬ھﻮ ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ ﺛﺎﺑﺘﺎ وﺣﯿﺪا ‪ ،‬ﻓﺎن‬
‫‪u1 u 2‬‬ ‫‪ un ‬‬
‫‪u u‬‬ ‫‪ u n ‬‬
‫‪A ‬‬
‫‪n‬‬
‫‪ B   1‬‬ ‫‪2‬‬

‫‪ ‬‬ ‫‪ ‬‬

‫‪‬‬ ‫‪‬‬
‫‪u1 u 2‬‬ ‫‪ un ‬‬
‫)‪ (3‬ﻟﯿﻜﻦ ‪ v‬أﯾﺔ ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ ﻓﺎن ‪vAn  u‬‬
‫ﻣﺜﺎل )‪(12.2‬‬
‫‪0 1 ‬‬
‫ﻟﺘﻜﻦ ‪ A   1 1 ‬ﺟﺪ اﻟﻤﺼﻔﻮﻓﺔ ‪ B‬اﻟﺘﻲ ﺗﻘﺘﺮب ﻣﻦ ‪A n‬‬
‫‪2 2‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﺑﻤﺎ أن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﻨﺘﻈﻤﺔ‪،‬‬
‫إذن ﯾﻮﺟﺪ ﻣﺘﺠﮫ اﺣﺘﻤﺎﻟﻲ ﺛﺎﺑﺖ ووﺣﯿﺪ ﻣﺜﻞ ‪ u‬ﺑﺤﯿﺚ ﺟﻤﯿﻊ ﻣﺮﻛﺒﺎﺗﮫ ﻣﻮﺟﺒﺔ‪.‬‬
‫اﻓﺮض ) ‪ ، u  (u1 , u 2‬إذن ‪uA  u‬‬
‫‪0 1 ‬‬
‫) ‪(u1 , u 2 )   1 1   (u1 , u 2‬‬
‫‪2 2‬‬
‫‪1‬‬ ‫‪1‬‬
‫) ‪( u 2 , u1  u 2 )  (u1 , u 2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪u 2  u1‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪u2 ‬‬ ‫‪, u1 ‬‬ ‫‪‬‬ ‫‪ ، u1 ‬ﺑﻤﺎ أن ‪u1  u 2  1‬‬ ‫‪u2‬‬ ‫‪ u1 ‬‬ ‫‪u2  u2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪u u 2   13‬‬ ‫‪2‬‬
‫‪‬‬
‫‪B 1‬‬ ‫‪  1‬‬
‫‪3‬‬
‫‪2‬‬
‫‪ An‬‬
‫‪u1 u 2   3‬‬ ‫‪3‬‬

‫‪8‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺜﺎل )‪(13.2‬‬
‫ﻟﺘﻜﻦ‬
‫‪0 12 12 0‬‬
‫‪1 1‬‬ ‫‪1‬‬
‫‪0‬‬
‫‪A‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪4‬‬
‫‪0 0 0 1 ‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪0 2 0 2 ‬‬
‫)‪ (1‬أوﺟﺪ اﻟﻤﺘﺠﮫ اﻻﺣﺘﻤﺎﻟﻲ اﻟﺜﺎﺑﺖ اﻟﻮﺣﯿﺪ ‪. u‬‬
‫)‪ (2‬ﺟﺪ اﻟﻤﺼﻔﻮﻓﺔ ‪ B‬اﻟﺘﻲ ﺗﻘﺘﺮب ﻣﻨﮭﺎ اﻟﻤﺼﻔﻮﻓﺔ ‪. A‬‬
‫‪n‬‬

‫‪1‬‬ ‫‪1 1‬‬

‫)‪ (3‬ﺟﺪ ‪ vA n‬ﺑﺤﯿﺚ ) ‪. v  ( ,0, ,‬‬
‫‪4‬‬ ‫‪2 4‬‬
‫اﻟﺤﻞ‪:‬‬
‫‪2 4 1 4‬‬
‫) ‪u( , , ,‬‬ ‫‪ uA  u‬‬ ‫)‪ (1‬ﻟﯿﻜﻦ ) ‪ u  (u1 , u 2 , u3 , u 4‬‬
‫‪11 11 11 11‬‬
‫‪u1 u 2 u3 u 4   112‬‬ ‫‪4‬‬
‫‪11‬‬
‫‪1‬‬
‫‪11‬‬
‫‪4‬‬
‫‪11‬‬ ‫‪‬‬
‫‪u u u u   2‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪‬‬
‫‪B 1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪  112‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫‪‬‬ ‫)‪(2‬‬
‫‪u1 u 2 u3 u 4   11‬‬ ‫‪4‬‬
‫‪11‬‬
‫‪1‬‬
‫‪11‬‬
‫‪4‬‬
‫‪11‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪4‬‬
‫‪u1 u 2 u3 u 4   11‬‬
‫‪4‬‬ ‫‪1‬‬
‫‪11‬‬ ‫‪11‬‬ ‫‪11 ‬‬

‫)‪vAn  u (3‬‬
‫ﻣﺜﺎل)‪(14.2‬‬
‫ﻟﯿﻜﻦ ‪ v‬ﻣﺘﺠﮭﺎً ﺛﺎﺑﺘﺎ ﻟﻠﻤﺼﻔﻮﻓﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪A‬‬
‫‪1 1‬‬ ‫‪1‬‬
‫)‪ (1‬إذا ﻛﺎن ) ‪ v  ( ,0, ,‬ﻓﺎن اﻟﻤﺼﻔﻮﻓﺔ ‪ A‬ﻟﯿﺴﺖ ﻣﻨﺘﻈﻤﺔ ﻻن ﻣﺮﻛﺒﺎت ‪ v‬ﻟﯿﺴﺖ ﺟﻤﯿﻌﮭﺎ ﻣﻮﺟﺒﺔ‪.‬‬
‫‪4 4‬‬ ‫‪2‬‬
‫‪1 1 1 1‬‬
‫)‪ (2‬إذا ﻛﺎن ) ‪ v  ( , , ,‬ﻓﺎن اﻟﻤﺼﻔﻮﻓﺔ ‪ A‬ﻟﯿﺴﺖ ﺑﺎﻟﻀﺮورة أن ﺗﻜﻮن ﻣﻨﺘﻈﻤﺔ‪.‬‬
‫‪4 4 4 4‬‬
‫ﻟﻮ أﺧﺬﻧﺎ ﻣﺜﻼ ‪ A   4‬ﻧﻼﺣﻆ أن ‪ A‬ﻏﯿﺮ ﻣﻨﺘﻈﻤﺔ ﻻن ﻋﻨﺎﺻﺮ اﻟﻘﻄﺮ اﻟﺮﺋﯿﺴﻲ ﺗﺴﺎوي واﺣﺪ‪.‬‬

‫‪ .3‬ﺳﻼﺳﻞ ﻣﺎرﻛﻮف ‪Markov Chains‬‬

‫ﺗﻌﺮﯾﻒ )‪(1.3‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ﻣﺎرﻛﻮف )‪ (Markov Processes‬إذا ﻛﺎن ﻟﻜﻞ ‪، 0  t 0  t1    t n  ‬‬
‫‪ x  ‬ﻓﺎن } ‪ P{ X t  x | X t  x0 , X t  x1 ,, X t  x n 1 }  P{ X t  x | X t  x n 1‬وﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ‬
‫‪n‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪n 1‬‬ ‫‪n‬‬ ‫‪n 1‬‬

‫اﻟﺘﺼﺎدﻓﯿﺔ } ‪ { X n‬ﺑﺄﻧﮭﺎ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف )‪ (Markov Chain‬إذا ﻛﺎن‬

‫} ‪P{ X n 1  x n 1 | X 0  x0 , X 1  x1 ,  , X n  x n }  P{ X n 1  x n 1 | X n  x n‬‬
‫وھﺬا ﯾﻌﻨﻲ أن ﺳﻼﺳﻞ ﻣﺎرﻛﻮف اﺑﺴﻂ أﻧﻮاع ﻋﻤﻠﯿﺎت ﻣﺎرﻛﻮف‪ ،‬أي ﻋﻨﺪﻣﺎ ﯾﻜﻮن ﻛﻞ ﻣﻦ ﻓﻀﺎء اﻟﺤﺎﻻت وﻓﻀﺎء اﻟﻤﻌﻠﻤﺔ ﻣﻦ‬
‫اﻟﻨﻮع اﻟﻤﺒﻌﺜﺮ‪.‬‬
‫‪9‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﻼﺣﻈﺔ‬
‫إذا ﻛﺎن ﻋﺪد اﻟﺤﺎﻻت ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻣﻨﺘﮭﻲ ﻓﺎن ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺗﻜﻮن ﻣﻨﺘﮭﯿﺔ وﻣﺎﻋﺪا ذﻟﻚ ﺗﻜﻮن ﻏﯿﺮ ﻣﻨﺘﮭﯿﺔ‪.‬‬
‫ﻣﺜﺎل)‪(2.3‬‬
‫)‪ (1‬ﻗﺴﻢ اﻟﺮﯾﺎﺿﯿﺎت ﻓﻲ ﻛﻠﯿﺔ اﻟﻌﻠﻮم ﺟﺎﻣﻌﺔ اﻟﻘﺎدﺳﯿﺔ ﻓﯿﮫ ‪ 400‬ﻃﺎﻟﺐ ‪ 280 ،‬ﻃﺎﻟﺒﺔ و ‪ 120‬ﻃﺎﻟﺒﺔ‪ .‬ﺗﻢ اﺧﺘﯿﺎرھﻢ واﺣﺪاً ﺑﻌﺪ‬
‫اﻷﺧﺮ ﻹﺟﺮاء اﺧﺘﺒﺎر ﻣﻌﯿﻦ ﻋﻠﯿﮭﻢ ‪ .‬ﻧﻔﺮض أن ‪ X n‬ﺗﺪل ﻋﻠﻰ ﻧﻮع اﻟﺸﺨﺺ)ﻃﺎﻟﺐ أو ﻃﺎﻟﺒﺔ( اﻟﺬي ﻛﺎن دوره ﻓﻲ اﺧﺘﺒﺎر ‪. n‬‬
‫أذن ﻓﻀﺎء اﻟﺤﺎﻻت ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ھﻮ }‪ {a, b‬ﺣﯿﺚ ‪ a‬ﺗﺪل ﻋﻠﻰ اﻟﻄﺎﻟﺐ و ‪ b‬ﺗﺪل ﻋﻠﻰ اﻟﻄﺎﻟﺒﺔ ‪ .‬ھﺬه اﻟﻌﻤﻠﯿﺔ ﻻ ﺗﻌﺘﺒﺮ ﺳﻠﺴﻠﺔ‬
‫ﻣﺎرﻛﻮف ﻻن اﺣﺘﻤﺎل ﯾﻜﻮن اﻟﺸﺨﺺ اﻟﺜﺎﻟﺚ ﻣﺜﻼ ﻃﺎﻟﺒﺔ ﻻ ﯾﻌﺘﻤﺪ ﻓﻘﻂ ﻋﻠﻰ ﻧﻮع اﻟﺸﺨﺺ اﻟﺜﺎﻧﻲ وإﻧﻤﺎ ﯾﻌﺘﻤﺪ ﻋﻠﻰ ﻧﻮع‬
‫اﻟﺸﺨﺼﯿﻦ اﻷول واﻟﺜﺎﻧﻲ ﻣﻌﺎً‪.‬‬
‫)‪ (2‬ﺗﻌﻮد ﺷﺨﺺ أن ﯾﻜﻮن ﻓﻄﻮره ﯾﻮﻣﯿﺎ أﻣﺎ ﺟﺒﻨﺎ أو ﺑﯿﻀﺎ‪ .‬ﻧﻔﺮض اﻧﮫ ﻻ ﯾﻔﻄﺮ ﺟﺒﻨﺎ ﯾﻮﻣﯿﻦ ﻣﺘﺘﺎﻟﯿﯿﻦ وﻟﻜﻦ إذا ﻛﺎن ﻓﻄﻮره‬
‫ﺑﯿﻀﺎ ﻓﺎن اﺣﺘﻤﺎل أن ﯾﻜﻮن ﻓﻄﻮره ﻓﻲ اﻟﯿﻮم اﻟﺘﺎﻟﻲ ﺟﺒﻨﺎً أو ﺑﯿﻀﺎ ﻣﺘﺴﺎوﯾﺘﯿﻦ‪ .‬أذن ﻓﻀﺎء اﻟﺤﺎﻻت ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ھﻮ }‪{a, b‬‬
‫ﺣﯿﺚ ‪ a‬ﺗﻤﺜﻞ اﻟﺠﺒﻦ ‪ b ،‬ﺗﻤﺜﻞ اﻟﺒﯿﺾ‪ .‬ھﺬه اﻟﻌﻤﻠﯿﺔ ﺗﻌﺘﺒﺮ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻻن ﻧﺎﺗﺞ أي ﯾﻮم ﯾﻌﺘﻤﺪ ﻓﻘﻂ ﻋﻠﻰ ﻣﺎﺣﺪث ﻓﻲ اﻟﯿﻮم‬
‫اﻟﺴﺎﺑﻖ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(3.3‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف‪ .‬أن اﺣﺘﻤﺎل اﻻﻧﺘﻘﺎل )‪ (Probability of Transition‬ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ اﻟﻤﺮﺣﻠﺔ ‪ n‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪j‬‬
‫ﻓﻲ اﻟﻤﺮﺣﻠﺔ ‪ n  1‬ﯾﺮﻣﺰ ﻟﮭﺎ ﺑﺎﻟﺮﻣﺰ ‪ pij‬أو ) ‪ P(i, j‬وﺗﻌﺮف ﻛﺎﻷﺗﻲ ‪pij  P (i, j )  P{ X n 1  j | X n  i} :‬‬
‫وان اﻟﻤﺼﻔﻮﻓﺔ ] ‪ M  [ pij‬اﻟﻤﺮﺑﻌﺔ ﻣﻦ اﻟﺪرﺟﺔ ‪ n‬ﺗﺴﻤﻰ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل)‪ (Transition Matrix‬أو ﻣﺼﻔﻮﻓﺔ ﻣﺎرﻛﻮف‬
‫)‪ (Markov Matrix‬أي أن‬
‫‪ p11‬‬ ‫‪p12  p1n ‬‬
‫‪p‬‬ ‫‪p22  p2 n ‬‬
‫‪M   21‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ pn1‬‬ ‫‪pn 2  pnn ‬‬
‫ﻣﺜﻼ ‪:‬‬
‫‪0‬‬ ‫‪1‬‬
‫‪M  1‬‬ ‫ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻓﻲ اﻟﻤﺜﺎل )‪ (2.3.11‬ﻓﺮع ‪ ، 2‬ھﻲ ‪1 ‬‬
‫‪ 2‬‬ ‫‪2 ‬‬
‫ﻣﺒﺮھﻨﺔ )‪(4.3‬‬
‫)‪ (1‬ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻷي ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪.‬‬
‫‪P{ X n 1  j1 ,  , X n  m  j m | X n  j 0 }  p j j p j j  p j j‬‬
‫‪0 1‬‬ ‫‪1 2‬‬ ‫‪m 1 m‬‬
‫)‪ (2‬ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻓﺎن‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫)‪ (1‬ﻟﺘﻜﻦ ‪ M‬ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ M  [ pij ]  { X n‬ﺑﺤﯿﺚ‬
‫}‪pij  P{ X n  j | X n1  i‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫}‪P{ X n  j , X n1  i‬‬
‫‪ pij   P{ X n  j | X n1  i}  ‬‬ ‫}‪P{ X n1  i‬‬
‫‪j 1‬‬ ‫‪j 1‬‬ ‫‪j 1‬‬

‫‪1‬‬ ‫‪n‬‬ ‫‪1‬‬

‫‪‬‬ ‫‪‬‬
‫‪P{ X n1  i} j 1‬‬
‫‪P{ X n  j , X n1  i} ‬‬
‫}‪P{ X n1  i‬‬
‫‪ P{ X n1  i}  1‬‬

‫‪10‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺑﻤﺎ أن ‪ pij  0‬ﻻن اﻻﺣﺘﻤﺎﻟﯿﺔ ﻏﯿﺮ ﺳﺎﻟﺒﺔ‪ .‬أذن ﻛﻞ ﺻﻒ ﻣﻦ ﺻﻔﻮف اﻟﻤﺼﻔﻮﻓﺔ ‪ M‬ﯾﻜﻮن ﻣﺘﺠﮭًﺎ اﺣﺘﻤﺎﻟﯿﺎً‪ .‬أذن ‪M‬‬
‫ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪.‬‬
‫)‪(2‬‬
‫ﻣﻦ ﺗﻌﺮﯾﻒ اﻻﺣﺘﻤﺎل اﻟﺸﺮﻃﻲ ﻧﺤﺼﻞ ﻋﻠﻰ‬
‫}‪P{X n1  j1 ,, X nm  jm | X n  j0 }  p{X n1  j1 | X n  j0 } p{X n2  j2 | X n  j0 , X n1  j1‬‬
‫}‪ p{X nm  jm | X n  j0 , X n1  j1 ,, X nm1  jm1‬‬
‫ﺑﻤﺎ أن } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف‬
‫‪P{ X n1  j1 | X n  j0 } p{ X n 2  j2 | X n1  j1} p{ X n m  jm | X n m1  jm1}  p j0 j1 p j1 j2  p jm 1 jm‬‬

‫ﺣﺎﻟﺔ ﺧﺎﺻﺔ ‪ .‬إذا ﻛﺎﻧﺖ ‪ jk  k  1‬ﻟﻜﻞ ‪ k  0,1,2,‬ﻓﺎن‬

‫‪P{ X n 1  2,  , X n  m  m  1 | X n  1}  p12 p 23  p mm 1‬‬
‫‪p{ X 4  6, X 5  7 | X 3  5}  p56 p 67‬‬ ‫ﻣﺜﻼ‪:‬‬
‫ﻣﺜﺎل )‪(4.3‬‬
‫ﺗﻌﻮد ﻃﺎﻟﺐ أن ﯾﺴﺘﺬﻛﺮ دروﺳﮫ وﻓﻘﺎً ﻟﻤﺎ ﯾﻠﻲ‬
‫إذا اﺳﺘﺬﻛﺮ ﻟﯿﻠﺔ ﻣﺎ ﻓﺎن اﺣﺘﻤﺎل ﻋﺪم اﺳﺘﺬﻛﺎره ﻓﻲ اﻟﻠﯿﻠﺔ اﻟﺘﺎﻟﯿﺔ ھﻮ ‪ 70%‬وأﯾﻀﺎ إذا ﻟﻢ ﯾﺴﺘﺬﻛﺮ ﻓﻲ ﻟﯿﻠﺔ ﻣﺎ ﻓﺎن اﺣﺘﻤﺎل ﻋﺪم‬
‫اﺳﺘﺬﻛﺎره ﻓﻲ اﻟﻠﯿﻠﺔ اﻟﺘﺎﻟﯿﺔ ‪ .60%‬ﻣﺎھﻲ اﺣﺘﻤﺎﻻت اﺳﺘﺬﻛﺎره ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت }‪ {a, b‬ﺣﯿﺚ ‪ a‬ﺗﻤﺜﻞ اﻻﺳﺘﺬﻛﺎر ‪ b ،‬ﺗﻤﺜﻞ ﻋﺪم اﻻﺳﺘﺬﻛﺎر وﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ‬
‫ﻛﺎﻷﺗﻲ‬
‫‪ 0 .3 0 .7 ‬‬
‫‪M  ‬‬ ‫‪‬‬
‫‪ 0 .4 0 .6 ‬‬
‫ﻟﯿﻜﻦ ) ‪ u  (u1 , u 2‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً وﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ ‪M‬‬
‫إذن ‪uM  u‬‬
‫‪ 0 .3 0 .7 ‬‬
‫‪(u1 , u 2 ) ‬‬ ‫) ‪  (u1 , u 2‬‬
‫‪ 0 .4 0 .6 ‬‬
‫‪0.3u1  0.4u 2  u1 ,‬‬ ‫‪0.7u1  0.6u 2  u 2‬‬
‫‪4‬‬
‫‪ u1 ‬وھﻮ ﯾﻤﺜﻞ اﺣﺘﻤﺎل اﺳﺘﺬﻛﺎره ﻋﻠﻰ‬ ‫وﻣﻦ اﻟﻤﻌﺎدﻟﺘﯿﻦ ﻧﺤﺼﻞ ﻋﻠﻰ ‪ 7u1  4u 2‬وﻟﻜﻦ ‪ u1  u 2  1‬وﻋﻠﯿﺔ ﻧﺤﺼﻞ‬
‫‪11‬‬
‫‪7‬‬
‫‪ u 2 ‬وھﻮ ﯾﻤﺜﻞ اﺣﺘﻤﺎل ﻋﺪم اﺳﺘﺬﻛﺎره ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‬ ‫اﻟﻤﺪى اﻟﻄﻮﯾﻞ‪،‬‬
‫‪11‬‬
‫ﻣﺜﺎل)‪(5.3‬‬
‫ﯾﺒﯿﻊ اﺣﺪ اﻟﺘﺠﺎر ﺑﻀﺎﻋﺘﮫ ﻓﻲ ﺛﻼث ﻣﺪن ‪ A, B, C‬وﻻ ﯾﺒﯿﻊ اﻟﺮﺟﻞ ﻓﻲ ﻧﻔﺲ اﻟﻤﺪﯾﻨﺔ أﺑﺪا ﻓﻲ ﯾﻮﻣﯿﻦ ﻣﺘﺘﺎﻟﯿﯿﻦ‪ .‬إذا ﺑﺎع ﻓﻲ‬
‫اﻟﻤﺪﯾﻨﺔ ‪ A‬ﻓﺎﻧﮫ ﻓﻲ اﻟﯿﻮم اﻟﺘﺎﻟﻲ ﯾﺒﯿﻊ ﻓﻲ اﻟﻤﺪﯾﻨﺔ ‪ . B‬وﻟﻜﻦ إذا ذھﺐ إﻟﻰ أي ﻣﻦ ‪ B‬أو ‪ C‬ﻓﯿﻜﻮن اﺣﺘﻤﺎل ذھﺎﺑﮫ ﻓﻲ اﻟﯿﻮم‬
‫اﻟﺘﺎﻟﻲ إﻟﻰ اﻟﻤﺪﯾﻨﺔ ‪ A‬ھﻮ ﺿﻌﻒ اﺣﺘﻤﺎل ذھﺎﺑﮫ إﻟﻰ اﻟﻤﺪﯾﻨﺔ اﻷﺧﺮى ‪ .‬اﺑﺤﺚ اﺣﺘﻤﺎﻻت ﺑﯿﻌﮫ ﻓﻲ ﻛﻞ ﻣﻦ اﻟﻤﺪن اﻟﺜﻼث‬
‫ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫‪11‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻓﻀﺎء اﻟﺤﺎﻻت }‪ { A, B, C‬وﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ﻛﺎﻷﺗﻲ‬

‫‪0 1 0 ‬‬
‫‪M   23 0 13 ‬‬
‫‪ 23 13 0‬‬
‫ﻟﯿﻜﻦ ) ‪ u  (u1 , u 2 , u3‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً وﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ ‪M‬‬
‫إذن ‪uM  u‬‬
‫‪u1  0.4, u 2  0.45, u3  0.15‬‬
‫اﺣﺘﻤﺎل أن ﯾﺒﯿﻊ اﻟﺮﺟﻞ ﻓﻲ اﻟﻤﺪﯾﻨﺔ ‪ A‬ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ھﻮ ‪0.4‬‬
‫اﺣﺘﻤﺎل أن ﯾﺒﯿﻊ اﻟﺮﺟﻞ ﻓﻲ اﻟﻤﺪﯾﻨﺔ ‪ B‬ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ھﻮ ‪0.45‬‬
‫اﺣﺘﻤﺎل أن ﯾﺒﯿﻊ اﻟﺮﺟﻞ ﻓﻲ اﻟﻤﺪﯾﻨﺔ ‪ C‬ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ھﻮ ‪0.15‬‬
‫ﻣﺜﺎل)‪(6.3‬‬
‫ﯾﻠﻘﻰ وﻟﺪان ‪ b1 ,b2‬وﺑﻨﺘﺎن ‪ g1 , g 2‬اﻟﻜﺮة ﻟﺒﻌﻀﮭﻢ اﻟﺒﻌﺾ‪ .‬ﯾﻠﻘﻰ اﻟﻮﻟﺪ اﻟﻜﺮة إﻟﻰ اﻟﻮﻟﺪ اﻷﺧﺮ ﺑﺎﺣﺘﻤﺎل ‪ 0.5‬وﻻﯾﺔ ﺑﻨﺖ‬
‫ﺑﺎﺣﺘﻤﺎل ‪ 0.25‬وﻣﻦ ﻧﺎﺣﯿﺔ أﺧﺮى ﺗﻠﻘﻰ اﻟﻔﺘﺎة اﻟﻜﺮة إﻟﻰ أي وﻟﺪ ﺑﺎﺣﺘﻤﺎل ‪ 0.5‬وﻻ ﺗﻠﻘﯿﮭﺎ إﻟﻰ اﻟﺒﻨﺖ اﻷﺧﺮى ﻣﺎھﻲ ﻧﺴﺒﺔ ﺗﻠﻘﻲ اﻟﻜﺮة‬
‫ﻷي ﻣﻨﮭﻢ ﻓﻲ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ } ‪ {b1 , b2 , g1 , g 2‬وﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ﻛﺎﻷﺗﻲ‪:‬‬
‫‪0 12 14 14 ‬‬
‫‪1 0 1 1‬‬
‫‪M   12 1 4 4 ‬‬
‫‪ 2 2 0 0‬‬
‫‪1 1‬‬ ‫‪‬‬
‫‪ 2 2 0 0‬‬
‫ﻟﯿﻜﻦ ) ‪ u  (u1 , u 2 , u3 , u 4‬ﻣﺘﺠﮭﺎً اﺣﺘﻤﺎﻟﯿﺎً وﺛﺎﺑﺘﺎً ﻟﻠﻤﺼﻔﻮﻓﺔ ‪M‬‬
‫إذن ‪uM  u‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪u1  , u 2  , u3  , u 4 ‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪1‬‬ ‫‪1‬‬
‫ﻣﻦ اﻟﻤﺮات‬ ‫ﻓﻲ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ﯾﻠﻘﻲ أي وﻟﺪ اﻟﻜﺮة ﻣﻦ اﻟﻤﺮات وأي ﺑﻨﺖ‬
‫‪6‬‬ ‫‪3‬‬
‫ﻣﺜﺎل)‪(7.3‬‬
‫ﯾﺒﯿﻦ اﻟﺮﺳﻢ اﻟﻤﻮﺟﻮد أدﻧﺎه وﺟﻮد أرﺑﻊ ﺣﺠﺮات واﻷﺑﻮاب اﻟﺘﻲ ﺗﺼﻞ ﺑﯿﻨﮭﺎ ﯾﺘﺤﺮك ﻓﺄر ﻓﻲ ھﺬه اﻟﺤﺠﺮات وﯾﻤﺮ ﻣﻦ‬
‫اﻷﺑﻮاب اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﺤﺠﺮة ﻓﻲ ﻧﻔﺲ اﻻﺣﺘﻤﺎل ‪ .‬أوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف‪.‬‬

‫اﻟﺤﻞ‪:‬‬
‫ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﺗﻜﻮن ﻛﺎﻷﺗﻲ‪:‬‬

‫‪12‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪0 23 0 13 ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪M   3 0 3 0‬‬
‫‪1‬‬

‫‪0 12 0 12 ‬‬
‫‪1‬‬ ‫‪‬‬
‫‪ 2 0 2 0‬‬
‫‪1‬‬

‫ﻣﻼﺣﻈﺔ‬
‫ﯾﻤﻜﻦ ﺗﻤﺜﯿﻞ اﺣﺘﻤﺎﻻت اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻓﻲ ﺷﻜﻞ ﺑﯿﺎﻧﻲ ﯾﺴﻤﻰ اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻼﻧﺘﻘﺎل )‪(Transition Diagram‬‬
‫ﺣﯿﺚ ﯾﺮﻣﺰ ﻷي اﺣﺘﻤﺎل ﻣﻮﺟﺐ ‪ pij‬ﺑﺴﮭﻢ ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪. j‬‬
‫ﻣﺜﺎل)‪(8.3‬‬
‫ارﺳﻢ اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻼﻧﺘﻘﺎل ﻟﻜﻞ ﻣﻤﺎ ﯾﺄﺗﻲ‬

‫‪0 12 12 0‬‬ ‫‪0 1 0 ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪ 0 .7 0 .3 ‬‬
‫)‪M   12 14 0 14  (3‬‬ ‫‪M   12 0 12 ‬‬ ‫)‪(2‬‬ ‫‪M  ‬‬ ‫)‪ (1‬‬
‫‪0 0 0 1 ‬‬ ‫‪ 12 14 14 ‬‬ ‫‪ 0 .6 0 .4 ‬‬
‫‪‬‬ ‫‪1‬‬
‫‪0 2 0 2 ‬‬
‫‪1‬‬

‫اﻟﺤﻞ‪:‬‬
‫‪0 .7‬‬ ‫‪0 .4‬‬ ‫)‪ (1‬ﻧﻔﺮض }‪ {a, b‬ﯾﻤﺜﻞ ﻓﻀﺎء اﻟﺤﺎﻻت‬

‫‪a 0 .3‬‬ ‫‪b‬‬

‫‪0 .6‬‬
‫‪a‬‬ ‫)‪ (2‬ﻧﻔﺮض }‪ {a, b, c‬ﯾﻤﺜﻞ ﻓﻀﺎء اﻟﺤﺎﻻت‬
‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪4‬‬ ‫‪1‬‬
‫‪b‬‬ ‫‪c‬‬ ‫‪4‬‬
‫)‪ (3‬ﻧﻔﺮض } ‪ {a, b, c, d‬ﯾﻤﺜﻞ ﻓﻀﺎء اﻟﺤﺎﻻت‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪a‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪b‬‬ ‫‪4‬‬
‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪4‬‬
‫‪1‬‬
‫‪2‬‬
‫‪d‬‬ ‫‪c‬‬
‫‪1‬‬

‫ﻣﺜﺎل)‪(9.3‬‬
‫أوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﻜﻞ ﺷﻜﻞ ﺑﯿﺎﻧﻲ ﻟﻼﻧﺘﻘﺎل ﻣﻦ اﻹﺷﻜﺎل اﻟﺘﺎﻟﯿﺔ‬
‫)‪(1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪a‬‬ ‫‪2‬‬
‫‪b‬‬ ‫‪2‬‬
‫‪3‬‬
‫‪2‬‬
‫‪13‬‬ ‫‪1‬‬
‫‪3‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪1‬‬
‫‪2‬‬
‫‪a‬‬
‫‪1‬‬
‫‪2‬‬
‫)‪(2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪4‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪2‬‬ ‫)‪(3‬‬
‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪4‬‬
‫‪d‬‬ ‫‪1‬‬ ‫‪c‬‬
‫اﻟﺤﻞ‬
‫‪2‬‬

‫‪0 0 1 0 ‬‬ ‫‪ 12‬‬ ‫‪1‬‬

‫‪0‬‬
‫‪1 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪2‬‬

‫‪M  0‬‬ ‫‪1‬‬

‫‪1‬‬
‫)‪M   4 2 0 4  (3‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫)‪(2‬‬ ‫‪M   12‬‬ ‫‪2‬‬
‫‪2‬‬
‫)‪(1‬‬
‫‪ 12 0 0 12 ‬‬ ‫‪ 12‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪4‬‬
‫‪1 1‬‬ ‫‪‬‬ ‫‪4‬‬

‫‪ 2 2 0 0‬‬
‫ﻣﺜﺎل )‪(10.3‬‬
‫ﻣﺨﺰن ﺳﻌﺘﮫ ﺛﻼث وﺣﺪات‪ .‬اﻓﺘﺮض أﻧﻨﺎ ﻧﻀﯿﻒ إﻟﻰ اﻟﻤﺨﺰن وﺣﺪة واﺣﺪة ﻛﻞ ﺻﺒﺎح ﺑﺎﺣﺘﻤﺎل ‪) 0.5‬ﻻ ﻧﻀﯿﻒ إذا ﻛﺎن‬
‫اﻟﻤﺨﺰن ﻣﻤﻠﻮء ( ﺛﻢ ﻧﺴﺤﺐ ﻣﻨﮫ وﺣﺪة واﺣﺪة ﻛﻞ ﻣﺴﺎء ﺑﺎﺣﺘﻤﺎل ‪ ) 0.5‬ﻻﻧﺴﺤﺐ إذا ﻛﺎن اﻟﻤﺨﺰن ﻓﺎرغ(‪ .‬ﺟﺪ ﻣﺼﻔﻮﻓﺔ‬
‫اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ﺛﻢ ارﺳﻢ اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﮭﺬا اﻻﻧﺘﻘﺎل‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫)‪ (1‬إذا ﻛﺎن ‪ X n  0‬ﻓﺎن‬
‫‪ X n 1  1‬ﻋﻨﺪﻣﺎ ﻧﻀﯿﻒ وﻻ ﻧﺴﺤﺐ و ‪ X n 1  0‬ﻟﻠﺤﺎﻻت اﻷﺧﺮى ‪ ،‬أي ان )ﻧﻀﯿﻒ وﻧﺴﺤﺐ( أو )ﻻ ﻧﻀﯿﻒ‬
‫وﻻ ﻧﺴﺤﺐ ( أو )ﻻ ﻧﻀﯿﻒ وﻧﺴﺤﺐ(‬
‫ﻓﺎن‬ ‫)‪ (2‬إذا ﻛﺎن ‪0  i  3 X n  i‬‬
‫‪ X n 1  i  1‬ﻋﻨﺪﻣﺎ ﻧﻀﯿﻒ وﻻ ﻧﺴﺤﺐ و ‪ X n 1  i‬ﻟﻠﺤﺎﻻت )ﻧﻀﯿﻒ وﻧﺴﺤﺐ( أو )ﻻ ﻧﻀﯿﻒ‬
‫وﻻ ﻧﺴﺤﺐ ( أو )ﻻ ﻧﻀﯿﻒ وﻧﺴﺤﺐ(‪X n 1  i  1 ،‬‬
‫)‪ (3‬إذا ﻛﺎن ‪ X n  3‬ﻓﯿﻜﻮن ﻣﺸﺎﺑﮭﺔ إﻟﻰ أﻋﻼه‪.‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪{0,1,2,3‬‬

‫‪ 34 14 0 0‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪1 1 1‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪M   4 2 4 0‬‬ ‫‪4‬‬
‫‪0 14 12 14 ‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪1‬‬
‫‪4‬‬ ‫‪1‬‬
‫‪0 0 2 2 ‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪4‬‬
‫‪4‬‬
‫‪4‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪14‬‬
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

k –Step transition probability ‫ﻣﻦ اﻟﺨﻄﻮات‬ k ‫اﺣﺘﻤﺎﻻت اﻻﻧﺘﻘﺎل ﺧﻼل‬

j ‫ إﻟﻰ اﻟﺤﺎﻟﺔ‬i ‫ ﯾﻤﺜﻞ اﺣﺘﻤﺎل أن ﯾﻨﺘﻘﻞ اﻟﻨﻈﺎم ﻣﻦ اﻟﺤﺎﻟﺔ‬M ‫ ﻓﻲ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬pij ‫ﻛﻤﺎ ﻋﺮﻓﻨﺎ أﻋﻼه أن اﻟﻌﻨﺼﺮ‬
‫ ﺧﻄﻮة‬k ‫ ﺧﻼل‬j ‫ إﻟﻰ اﻟﺤﺎﻟﺔ‬i ‫ أﻣﺎ أﻻن ﻧﺮﯾﺪ أن ﻧﻌﺮف ﻣﺎ ھﻮ اﻻﺣﺘﻤﺎل آن ﯾﻨﺘﻘﻞ اﻟﻨﻈﺎم ﻣﻦ اﻟﺤﺎﻟﺔ‬. ‫ﺧﻼل ﺧﻄﻮة واﺣﺪة‬
‫ وﯾﻌﺮف‬pij(k ) ‫ ﺧﻄﻮة ﺑﺎﻟﻀﺒﻂ ﯾﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ‬k ‫ ﺧﻼل‬j ‫ إﻟﻰ اﻟﺤﺎﻟﺔ‬i ‫ اﺣﺘﻤﺎل أن ﯾﻨﺘﻘﻞ اﻟﻨﻈﺎم ﻣﻦ اﻟﺤﺎﻟﺔ‬.‫ﺑﺎﻟﻀﺒﻂ‬
:‫ﻛﺎﻷﺗﻲ‬
pij  p (i, j )  p{ X n k  j | X n  i}
(k ) (k )

‫ ﻓﺎن‬k  1 ‫وﺑﺼﻮرة ﺧﺎﺻﺔ إذا ﻛﺎن‬

p (1)
ij  p{ X n 1  j | X n  i}  pij
-: ‫ وﺗﻌﺮف ﺑﺎﻟﺸﻜﻞ اﻷﺗﻲ‬M (k ) ‫ ﺧﻄﻮة ﺑﺎﻟﺮﻣﺰ‬k ‫وﻛﺬﻟﻚ ﻧﺮﻣﺰ ﻟﻠﻤﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﺧﻼل‬
M ( k )  [ pij( k ) ]
‫وان‬
0 i  j
M ( 0 )  [ p ij( 0 ) ]   n , pij( 0 )  p{ X n  j | X n  i}  
1 i  j
(Chapman - kolmogorov ‫ ﻛﻮﻟﻮﻣﻮﻛﺮوف‬-‫( )ﻣﺒﺮھﻨﺔ ﺟﺎﺑﻤﺎن‬11.3) ‫ﻣﺒﺮھﻨﺔ‬

0  m  k ‫ ﻟﻜﻞ‬pij( k )   pir( m )  prj( k m ) ‫ { ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻓﺎن‬X n } ‫ﻟﯿﻜﻦ‬
r 0
‫اﻟﺒﺮھﺎن‬
n  m  n  n  k ‫ﺧﺬ‬
p{ X n  k  j , X n  i} ( k )
 pij  p{ X n k  j | X n  i}
p{ X n  i}
‫ﺑﻤﺎ ان‬

p{ X n k  j , X n  i}   p{ X n k  j , X n m  r , X n  i}
r 0
1 
pij( k )   p{ X nk  j, X nm  r , X n  i}
p{ X n  i} r 0
n  k  j , X n  m  r , X n  i} p{ X n  m  r , X n  i}
 p{ X
 
r 0 p{ X n  i} p{ X n m  r , X n  i}

  p{ X n k  j | X n m  r , X n  i}  p{ X n m  r | X n  i}
r 0

pij( k )   p{ X nk  j | X nm  r}  p{ X nm  r | X n  i}
r 0
 
  prj( k m )  pir( m )   pir( m )  prj( k m )
r 0 r 0

15
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺒﺮھﻨﺔ )‪(12.3‬‬
‫ﻟﺘﻜﻦ ‪ M‬ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻓﺎن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﺧﻼل ) ‪ (k‬ﺧﻄﻮة ﺗﺴﺎوي ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻣﺮﻓﻮﻋﺔ‬
‫إﻟﻰ اﻷس ‪، k‬أي أن ‪M ( k )  M k‬‬
‫اﻟﺒﺮھﺎن ‪:‬‬
‫ﻣﻦ اﻟﻤﺒﺮھﻨﺔ )‪ (11.3‬ﻧﺤﺼﻞ ﻋﻠﻰ‬
‫‪‬‬
‫) ‪pij( k )   pir( m ) p rj( k  m‬‬
‫‪r 0‬‬

‫وﺑﺼﯿﻐﺔ اﻟﻤﺼﻔﻮﻓﺎت ﻧﺤﺼﻞ ﻋﻠﻰ‬

‫)‪( k m‬‬
‫‪M‬‬ ‫) ‪(k‬‬
‫‪M‬‬ ‫)‪(m‬‬
‫‪M‬‬
‫ﻧﻀﻊ ‪ m  1‬ﻧﺤﺼﻞ ﻋﻠﻰ‬
‫)‪( k 1‬‬
‫‪M‬‬ ‫) ‪(k‬‬
‫‪M‬‬ ‫)‪(1‬‬
‫‪M‬‬
‫وﻟﻜﻦ ‪M (1)  M‬‬
‫) ‪M ( k )  M  M ( k 1)  M 2  M ( k  2)    M k M ( k  k‬‬
‫‪M (k )  M k‬‬
‫ﺗﻌﺮﯾﻒ )‪(13.3‬‬
‫ﻟﯿﻜﻦ ‪ pi‬ﯾﻤﺜﻞ اﺣﺘﻤﺎل أن ﯾﻜﻮن اﻟﻨﻈﺎم ﻓﻲ اﻟﺤﺎﻟﺔ ‪ i‬ﻋﻨﺪ زﻣﻦ اﺧﺘﯿﺎري ﻣﻌﯿﻦ‪.‬ﯾﺴﻤﻰ اﻟﻤﺘﺠﮫ )‪p ( p1, p2,, pm‬‬
‫ﺑﺎﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ )‪ (Probability Distribution‬ﻟﻠﻨﻈﺎم ﻓﻲ ذﻟﻚ اﻟﺰﻣﻦ‪ .‬وﻛﺬﻟﻚ ﯾﺮﻣﺰ ﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎل ﻋﻨﺪ اﻟﺨﻄﻮة‬
‫‪) k‬أي ﺑﻌﺪ اﻧﺘﮭﺎء ‪ k‬ﺧﻄﻮة( ﺑﺎﻟﺮﻣﺰ‬
‫) ) ‪p ( k )  ( p 1( k ) , p (2k ) ,, p (mk‬‬
‫ﺑﺤﯿﺚ ) ‪ . pi( k )  p ( X k  i‬وﯾﻘﺎل ﻟﻠﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﺑﺄﻧﮫ ﺗﻮزﯾﻊ اﺣﺘﻤﺎﻟﻲ أوﻟﻲ)‪(Initial Probability Distribution‬‬
‫إذا ﻛﺎﻧﺖ ‪ k  0‬وﯾﺮﻣﺰ ﻟﮫ‬
‫) ) ‪p ( 0 )  ( p 1( 0 ) , p (20 ) ,, p (m0‬‬
‫ﺑﺤﯿﺚ ) ‪. pi( 0)  p ( X 0  i‬‬
‫ﻣﺒﺮھﻨﺔ )‪(14.3‬‬
‫)‪ (1‬اﻟﺘﻮزﯾﻊ اﻟﻤﺸﺘﺮك ﻟﻠﻤﺘﻐﯿﺮات ‪ X 0 , X 1 ,, X m‬ﻟﻜﻞ ‪ m  N‬ﺳﯿﻜﻮن‬
‫‪p{ X 0  j0 , X 1  j1 , , X m  jm }  p (j00 )  p j0 j1  p j1 j2  p jm1 jm‬‬
‫ﺑﻌﺒﺎرة أﺧﺮى ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺗﺤﺪد ﺑﻮاﺳﻄﺔ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل واﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ اﻷوﻟﻲ ﻋﻠﻰ اﻟﺤﺎﻻت‪.‬‬
‫)‪ (2‬ﻟﯿﻜﻦ ) ) ‪ p ( k )  ( p1( k ) , p (2k ) ,, p (mk‬ﺗﻮزﯾﻊ اﺣﺘﻤﺎﻟﻲ ﻋﻨﺪ اﻟﺨﻄﻮة ‪ k‬ﻓﺎن‬
‫‪p ( k )  p (0) M k‬‬
‫ﺣﯿﺚ )‪ p ( 0‬اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ اﻷوﻟﻲ‪.‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫)‪(1‬‬
‫} ‪p{ X 0  j0 , X 1  j1 ,, X m  jm }  p{ X 0  j0 } p{ X 1  j1 ,, X m  jm | X 0  j0‬‬
‫ﺑﺎﺳﺘﺨﺪام اﻟﻤﺒﺮھﻨﺔ )‪ (11.3‬ﻋﻨﺪﻣﺎ ‪ n  0‬ﻧﺤﺼﻞ ﻋﻠﻰ‬
‫‪16‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪p{ X 0  j1 , X 1  j1 , , X m  jm }  p (j00 )  p j0 j1  p j1 j2  p jm1 jm‬‬

‫)‪(2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫) ‪p(jk )  p{X k  j}   p{X 0  i, X k  j}   p{X 0  i} p{X k  j | X 0  i}   p(i 0) pij(k‬‬
‫‪i 0‬‬ ‫‪i 0‬‬ ‫‪i 0‬‬

‫‪p ( k )  p (0) M k‬‬

‫ﻣﺜﺎل)‪(15.3‬‬
‫ﯾﻘﺬف ﺛﻼﺛﺔ ﻣﻦ اﻷﻃﻔﺎل ‪ a, b, c‬اﻟﻜﺮة ﻟﺒﻌﻀﮭﻢ اﻟﺒﻌﺾ‪ .‬وﯾﻘﺬف ‪ a‬اﻟﻜﺮة داﺋﻤًﺎ إﻟﻰ ‪ b‬وﯾﻘﺬف ‪ b‬اﻟﻜﺮة داﺋﻤﺎً إﻟﻰ ‪c‬‬
‫وﻟﻜﻦ ‪ c‬ﯾﻘﺬف اﻟﻜﺮة ﺑﻨﻔﺲ اﻻﺣﺘﻤﺎل إﻟﻰ ﻛﻞ ﻣﻦ ‪. a, b‬‬
‫)‪ (1‬أوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ‪. M‬‬
‫)‪ (2‬ﻟﻮ ﻓﺮﺿﻨﺎ إن أول وﻟﺪ ﻛﺎﻧﺖ ﻣﻌﮫ اﻟﻜﺮة ھﻮ اﻟﻮﻟﺪ ‪ . c‬أوﺟﺪ ‪p‬‬
‫)‪( 3‬‬

‫اﻟﺤﻞ‪:‬‬
‫)‪ (1‬ﻧﻔﺮض ‪ X n‬ﺗﻤﺜﻞ اﻟﻄﻔﻞ اﻟﺬي ﻗﺬﻓﺖ ﻟﮫ اﻟﻜﺮة ﻓﻲ اﻟﺨﻄﻮة ‪n‬‬
‫إذن ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪{a, b, c‬‬
‫ھﺬه اﻟﻌﻤﻠﯿﺔ ﺗﻌﺘﺒﺮ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻻن اﻟﻄﻔﻞ اﻟﺬي ﯾﻘﺬف ﺑﺎﻟﻜﺮة ﻻﯾﺘﺄﺛﺮ ﺑﻤﻦ ﻛﺎﻧﺖ اﻟﻜﺮة ﻗﺒﻠﮫ وﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻛﺎﻷﺗﻲ‪:‬‬
‫‪0 1 0 ‬‬
‫‪M  0 0 1‬‬
‫‪ 12 12 0‬‬
‫)‪(2‬‬
‫‪ 12‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪0‬‬
‫‪‬‬ ‫‪1‬‬
‫‪p‬‬ ‫)‪( 0‬‬
‫‪ (0,0,1) , M  0‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 14‬‬ ‫‪1‬‬
‫‪4‬‬
‫‪1‬‬
‫‪2‬‬

‫)‪p ( 3‬‬ ‫) ‪ p ( 0) M 3  ( 14 , 14 , 12‬‬

‫اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﺑﻌﺪ ﺛﻼث رﻣﯿﺎت ﻟﻠﻜﺮة ھﻮ ‪pa(3)  14 , pb(3)  14 , pc(3)  12‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫وھﺬا ﯾﻌﻨﻲ أن اﺣﺘﻤﺎل وﺟﻮد اﻟﻜﺮة ﻣﻊ اﻟﻮﻟﺪ ‪ a‬ﺑﻌﺪ ﺛﻼث ﻗﺬﻓﺎت ھﻮ ﻣﻊ ‪ b‬ھﻮ وﻣﻊ ‪ c‬ھﻮ‬
‫‪2‬‬ ‫‪4‬‬ ‫‪4‬‬
‫ﻣﺜﺎل )‪(16.3‬‬
‫وﺟﺪ ﻻﻋﺐ إن اﺣﺘﻤﺎﻻت ﻓﻮزه ﻛﻤﺎﯾﻠﻲ‪ .‬إذا ﻓﺎز ﻓﻲ إﺣﺪى اﻟﻤﺒﺎرﯾﺎت ﻓﺎن اﺣﺘﻤﺎل ﻓﻮزه ﻓﻲ اﻟﻤﺒﺎراة اﻟﺘﺎﻟﯿﺔ ھﻮ ‪0.6‬‬
‫وأﯾﻀﺎ إذا ﺧﺴﺮ ﻣﺒﺎراة ﻓﺎن اﺣﺘﻤﺎل إن ﯾﺨﺴﺮ اﻟﻤﺒﺎراة اﻟﺘﺎﻟﯿﺔ ھﻮ ‪ 0.7‬وإذا ﻛﺎن اﺣﺘﻤﺎل ﻓﻮزه ﻓﻲ اﻟﻤﺒﺎراة اﻷوﻟﻰ ھﻮ‬
‫)ج( ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‪.‬‬ ‫‪ . 0.5‬ﻣﺎ ھﻮ اﺣﺘﻤﺎل أن ﯾﻔﻮز ‪) :‬أ( ﺑﺎﻟﻤﺒﺎراة اﻟﺜﺎﻧﯿﺔ )ب( ﺑﺎﻟﻤﺒﺎراة اﻟﺜﺎﻟﺜﺔ‬

‫‪17‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫اﻟﺤﻞ‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪ {a, b‬ﺣﯿﺚ ‪ a‬ﺗﻤﺜﻞ اﻟﻔﻮز ‪ b ،‬ﺗﻤﺜﻞ اﻟﺨﺴﺎرة‬
‫‪0.6 0.4‬‬
‫‪p (1)  (0.5, 0.5) ,‬‬ ‫‪M ‬‬ ‫‪‬‬
‫‪0.3 0.7‬‬

‫‪p (2)  p (0) M‬‬ ‫‪2‬‬

‫)‪ p (0)  M  M  p (1)  M  (0.45, 0.55‬‬ ‫)‪(1‬‬

‫اﺣﺘﻤﺎل أن ﯾﻔﻮز ﻓﻲ اﻟﻤﺒﺎراة اﻟﺜﺎﻧﯿﺔ ھﻮ ‪ 0.45‬واﺣﺘﻤﺎل أن ﯾﺨﺴﺮ ھﻮ ‪0.55‬‬

‫‪p (3)  p ( 0) M 3  p ( 0)  M 2  M  p ( 2)  M  ( 200‬‬

‫‪87 113‬‬
‫) ‪, 200‬‬ ‫)‪(2‬‬
‫‪113‬‬ ‫‪87‬‬
‫واﺣﺘﻤﺎل أن ﯾﺨﺴﺮ ھﻮ‬ ‫اﺣﺘﻤﺎل أن ﯾﻔﻮز ﻓﻲ اﻟﻤﺒﺎراة اﻟﺜﺎﻟﺜﺔ ھﻮ‬
‫‪200‬‬ ‫‪200‬‬
‫)‪ (3‬ﻟﯿﻜﻦ ) ‪ u  (u1 , u2‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ وﺛﺎﺑﺘﺎ ﻟﻠﻤﺼﻔﻮﻓﺔ ‪M‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪  u1  , u2 ‬اﺣﺘﻤﺎل أن ﯾﻔﻮز ﻓﻲ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ھﻮ واﺣﺘﻤﺎل ان ﯾﺨﺴﺮ ھﻮ‬ ‫‪ uM  u‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪7‬‬
‫ﻣﺜﺎل )‪(16.3‬‬
‫ﺻﻨﺪوق ‪ A‬ﯾﺤﺘﻮي ﻋﻠﻰ ﻛﺮﺗﯿﻦ ﺑﯿﻀﺎء واﻟﺼﻨﺪوق ‪ B‬ﯾﺤﺘﻮي ﻋﻠﻰ ﺛﻼث ﻛﺮات ﺣﻤﺮاء‪ .‬ﻓﻲ ﻛﻞ ﺧﻄﻮة ﻧﺨﺘﺎر ﻛﺮة ﻣﻦ‬
‫ﻛﻞ ﺻﻨﺪوق وﻧﻐﯿﺮ ﻣﻮﺿﻊ ﻛﻞ ﻣﻦ اﻟﻜﺮﺗﯿﻦ اﻟﻤﺨﺘﺎرﺗﯿﻦ‪ .‬ﻧﻔﺮض أن اﻟﺤﺎﻟﺔ ‪ i‬ﯾﺪل ﻋﻠﻰ وﺟﻮد ‪ i‬ﻛﺮة ﺣﻤﺮاء ﻓﻲ ‪A‬‬
‫)ا( أوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ‪M‬‬
‫)ب( ﻣﺎ ھﻮ اﺣﺘﻤﺎل وﺟﻮد ﻛﺮﺗﯿﻦ ﺣﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪ A‬ﺑﻌﺪ ﺛﻼث ﺧﻄﻮات‬
‫)ج( ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ﻣﺎ ھﻮ اﺣﺘﻤﺎل أن ﺗﻮﺟﺪ ﻛﺮﺗﯿﻦ ﺣﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪A‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪{1,2,3‬‬
‫‪1W‬‬ ‫‪1W‬‬ ‫‪2W‬‬
‫‪2W‬‬
‫‪3R‬‬ ‫‪1R‬‬ ‫‪2R‬‬ ‫‪2R‬‬ ‫‪1R‬‬
‫‪A‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫‪B‬‬
‫)‪(1‬‬ ‫)‪(2‬‬ ‫)‪(3‬‬
‫)‪ (1‬إذا ﻛﺎن اﻟﻨﻈﺎم ﻓﻲ اﻟﺤﺎﻟﺔ )‪ (1‬ﻧﺘﻘﻞ إﻟﻰ اﻟﺤﺎﻟﺔ )‪ (2‬ﺑﺎﺣﺘﻤﺎل ‪1  1  1‬‬
‫‪1 1 1‬‬
‫)‪ (2‬إذا ﻛﺎن اﻟﻨﻈﺎم ﻓﻲ اﻟﺤﺎﻟﺔ )‪ (2‬ﻧﺘﻘﻞ إﻟﻰ اﻟﺤﺎﻟﺔ )‪ (1‬ﺑﺎﺣﺘﻤﺎل ‪  ‬وﻧﺒﻘﻰ ﻓﻲ اﻟﺤﺎﻟﺔ )‪(2‬‬
‫‪2 3 6‬‬
‫‪1 2 1‬‬ ‫‪1 1 1 2 1‬‬
‫ﺑﺎﺣﺘﻤﺎل ‪    ‬وﺗﻨﺘﻘﻞ إﻟﻰ ﻟﻮﺿﻊ )‪ (3‬ﺑﺎﺣﺘﻤﺎل ‪ ‬‬
‫‪2 3 3‬‬ ‫‪2 3 2 3 2‬‬
‫)‪ (3‬إذا ﻛﺎن اﻟﻨﻈﺎم ﻓﻲ اﻟﺤﺎﻟﺔ )‪ (3‬ﻧﺘﻘﻞ إﻟﻰ اﻟﺤﺎﻟﺔ )‪ (1‬ﺑﺎﺣﺘﻤﺎل ﺻﻔﺮ وﺗﻨﺘﻘﻞ إﻟﻰ اﻟﺤﺎﻟﺔ )‪ (2‬ﺑﺎﺣﺘﻤﺎل‬
‫‪1 1‬‬ ‫‪2 2‬‬
‫‪ 1  ‬وﺗﺒﻘﻰ ﻓﻲ اﻟﺤﺎﻟﺔ )‪ (3‬ﺑﺎﺣﺘﻤﺎل ‪1  ‬‬
‫‪3 3‬‬ ‫‪3 3‬‬
‫‪18‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫إذن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬

‫)أ(‬
‫‪0 1 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪p‬‬ ‫)‪(0‬‬
‫)‪ (1,0,0‬‬ ‫‪,‬‬ ‫‪M   16 12 13 ‬‬
‫‪0 23 13 ‬‬
‫)ب(‬
‫‪ 121‬‬ ‫‪23‬‬
‫‪36‬‬
‫‪5‬‬
‫‪18‬‬
‫‪‬‬
‫‪ 23‬‬ ‫‪11 ‬‬
‫‪p (3)  p ( 0)  M 3  (121 , 36‬‬
‫‪23 5‬‬
‫) ‪, 18‬‬ ‫‪, M   216‬‬
‫‪3‬‬ ‫‪127‬‬
‫‪216‬‬ ‫‪36 ‬‬
‫‪ 545‬‬ ‫‪33‬‬
‫‪54‬‬
‫‪8 ‬‬
‫‪27 ‬‬
‫‪5‬‬
‫اﺣﺘﻤﺎل وﺟﻮد ﻛﺮﺗﺎن ﺣﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪ A‬ﺑﻌﺪ ﺛﻼث ﺧﻄﻮات ھﻮ‬
‫‪18‬‬
‫ﻟﯿﻜﻦ ) ‪ u  (u1 , u2 , u3‬ﻣﺘﺠﮭﺎ اﺣﺘﻤﺎﻟﯿﺎ وﺛﺎﺑﺘﺎ ﻟﻠﻤﺼﻔﻮﻓﺔ ‪M‬‬ ‫)ج(‬
‫‪u1  0.1, u 2  0.6, u 3  0.3  uM  u‬‬
‫ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ﯾﻜﻮن اﺣﺘﻤﺎل وﺟﻮد ﻛﺮﺗﯿﻦ ﺣﻤﺮاء ﻓﻲ اﻹﻧﺎء ‪ A‬ھﻮ ‪0.3‬‬
‫ﻣﻼﺣﻈﺔ‬
‫اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻓﻲ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ﻟﻦ ﯾﺘﻐﯿﺮ إذا وﺿﻌﺖ اﻟﻜﺮات اﻟﺨﻤﺴﺔ ﻓﻲ إﻧﺎء ﻣﺎ ﺛﻢ اﺧﺘﯿﺮت ﻛﺮﺗﯿﻦ ﺑﻄﺮﯾﻘﺔ‬
‫ﻋﺸﻮاﺋﯿﺔ ﻟﻮﺿﻌﮭﺎ ﻓﻲ اﻹﻧﺎء ‪ A‬ﻻن‬
‫‪(3 ) 3‬‬ ‫‪3 2 3‬‬
‫‪ p     0.3‬أو ‪p  52   0.3‬‬
‫‪( 2 ) 10‬‬ ‫‪5 4 10‬‬
‫ﻣﻼﺣﻈﺔ‬
‫ﻋﻨﺪ رﻣﻲ ﻗﻄﻌﺔ ﻧﻘﻮد ﻟﻠﺤﺼﻮل ﻋﻠﻰ ‪ k‬ﺻﻮرة ﻣﺘﺘﺎﻟﯿﺔ ﻧﺘﺒﻊ ﻣﺎﯾﻠﻲ‬
‫)‪ (1‬إذا ﻛﺎﻧﺖ اﻟﻜﺘﺎﺑﺔ ﻗﺪ ﻇﮭﺮت ﻷﺧﺮ ﻣﺮة ﻓﻲ اﻟﻤﺤﺎوﻟﺔ ‪ . n  k‬ﻧﻔﺮض ان اﻟﻨﺘﺎﺋﺞ ﻣﻦ اﻟﺘﺠﺮﺑﺔ رﻗﻢ ‪ n‬ھﻲ ‪xn  k‬‬
‫أي أن ‪ xn‬ﺗﺪل ﻋﻠﻰ ﻃﻮل ﺳﻠﺴﻠﺔ ﻣﺘﺼﻠﺔ ﻣﻦ اﻟﺼﻮر ﺗﻨﺘﮭﻲ ﻋﻨﺪ اﻟﺘﺠﺮﺑﺔ ‪. n‬‬
‫)‪ (2‬ﺗﻌﺘﺒﺮ ھﺬه اﻟﻌﻤﻠﯿﺔ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺑﻔﻀﺎء اﻟﺤﺎﻻت }‪ {0,1,2,, k‬ﺣﯿﺚ ‪ i  0,1,2,, k‬ﺗﺪل ﻋﻠﻰ أن ﺳﻠﺴﻠﺔ‬
‫اﻟﺼﻮر اﻟﻤﺘﺘﺎﻟﯿﺔ ﻃﻮﻟﮭﺎ ‪. i‬‬
‫)‪ (3‬ﯾﻨﺎﻇﺮ‬
‫)ا( ﻛﻞ ﺻﻒ ﻣﺎﻋﺪا اﻟﺼﻒ اﻷﺧﯿﺮ ﻣﻦ ﻣﺼﻔﻮف اﻻﻧﺘﻘﺎل ان ﺳﻠﺴﻠﺔ اﻟﺼﻮر أﻣﺎ ان ﺗﻨﻜﺴﺮ إذا وﻗﻌﺖ اﻟﻜﺘﺎﺑﺔ وأﻣﺎ ان‬
‫ﺗﺰﯾﺪ ﺑﻤﻘﺪار اﻟﻮﺣﺪة إذا وﻗﻌﺖ اﻟﺼﻮرة‪.‬‬
‫)ب( اﻟﺼﻒ اﻷﺧﯿﺮ ﺣﻘﯿﻘﺔ أن اﻟﻠﻌﺒﺔ ﺗﻨﺘﮭﻲ إذا وﻗﻌﺖ اﻟﺼﻮر ‪ k‬ﻣﻦ ﺛﻼث ﻣﺮات ﻣﺘﺘﺎﻟﯿﺔ وﺑﮭﺬه اﻟﺤﺎﻟﺔ ﯾﻜﻮن اﻟﺤﺎﻟﺔ ‪k‬‬
‫ﺣﺎﻟﺔ ﻣﺎﺻﺔ‪.‬‬
‫ﻣﺜﻼً إذا ﻛﺎﻧﺖ ‪ k  3‬ﻓﺎن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬

‫‪19‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ 12 12 0 0‬‬
‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪0 12 0‬‬
‫‪M  1‬‬ ‫‪2‬‬
‫‪ 2 0 0 12 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0 0 0 1 ‬‬
‫ﻣﺜﺎل )‪(18.3‬‬
‫ﺗﻠﻘﻰ ﻗﻄﻌﺔ ﻧﻘﻮد ﺣﺘﻰ ﻇﮭﻮر اﻟﺼﻮرة ﺛﻼث ﻣﺮات ﻋﻠﻰ اﻟﺘﻮاﻟﻲ‪ .‬اﻓﺮض أن ‪ X n‬ھﻲ ﻃﻮل ﻣﺘﺘﺎﺑﻌﺔ اﻟﺼﻮر اﻟﺘﻲ ﺗﻨﺘﮭﻲ‬
‫ﻋﻨﺪ اﻟﻤﺤﺎوﻟﺔ رﻗﻢ ‪ . n‬ﻣﺎ ھﻮ اﺣﺘﻤﺎل إﻟﻘﺎء اﻟﻌﻤﻠﺔ ‪ 8‬ﻣﺮات ﻋﻠﻰ اﻷﻗﻞ ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪ {0,1,2,3‬وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬
‫‪ 12 12 0 0‬‬
‫‪1‬‬ ‫‪‬‬
‫‪0 12 0‬‬
‫‪M   12‬‬
‫‪ 2 0 0 12 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0 0 0 1 ‬‬
‫‪. 128‬‬
‫‪81‬‬
‫اﺣﺘﻤﺎل إﻟﻘﺎء ﻗﻄﻌﺔ اﻟﻨﻘﻮد ﺛﻤﺎن ﻣﺮات ﻋﻠﻰ اﻷﻗﻞ ھﻮ‬
‫ﻣﺜﺎل)‪(19.3‬‬
‫اﻟﻘﻲ زھﺮ اﻟﻄﺎوﻟﺔ ﻣﺮة واﺣﺪة‪ .‬اﻓﺮض ان ‪ X n‬ھﻮ اﻟﻨﮭﺎﯾﺔ اﻟﻌﻈﻤﻰ ﻟﻸﻋﺪاد اﻟﺘﻲ ﻇﮭﺮت ﺧﻼل ‪ n‬ﻣﺤﺎوﻟﺔ أوﻟﻰ‬
‫)ب( اوﺟﺪ )‪p (3) , p ( 2) , p (1‬‬ ‫)ا( اوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ‪ .‬ھﻞ ھﺬه اﻟﻤﺼﻔﻮﻓﺔ ﻣﻨﺘﻈﻤﺔ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪{1,2,3,4,5,6‬‬
‫‪ 16‬‬ ‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪‬‬ ‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪6‬‬‫‪‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪1‬‬‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪M ‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪4‬‬‫‪‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪6‬‬‫‪‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0 0‬‬ ‫‪‬‬ ‫‪5‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪6‬‬ ‫‪6‬‬

‫‪0‬‬ ‫‪0‬‬ ‫‪0 0 0 1‬‬

‫)ا( ﻧﺤﺼﻞ ﻋﻠﻰ اﻟﺼﻒ اﻟﺜﺎﻟﺚ ﻣﺜﻼ ﻟﻠﻤﺼﻔﻮﻓﺔ ﻛﻤﺎ ﯾﻠﻲ‬
‫ﻧﻔﺮض أن اﻟﻨﻈﺎم ﻓﻲ اﻟﺤﺎﻟﺔ )‪) (3‬أي اﻟﻨﮭﺎﯾﺔ اﻟﻌﻈﻤﻰ ﻟﻸﻋﺪاد اﻟﺘﻲ ﻇﮭﺮت ﺧﻼل ‪ n‬ﻣﺤﺎوﻟﺔ اﻷوﻟﻰ ھﻲ ‪ (3‬ﻟﺬﻟﻚ ﯾﺒﻘﻰ اﻟﻨﻈﺎم‬
‫‪3‬‬
‫ﻓﻲ اﻟﺤﺎﻟﺔ ‪ 3‬إذا ﻇﮭﺮت اﻷرﻗﺎم ‪ 1‬أو ‪ 2‬أو ‪ 3‬ﻓﻲ اﻟﻤﺤﺎوﻟﺔ )‪ (n  1‬ﻓﺎن ‪ p33 ‬وﻣﻦ اﻟﻨﺎﺣﯿﺔ اﻷﺧﺮى ﻓﺎن اﻟﻨﻈﺎم ﯾﻨﺘﻘﻞ‬
‫‪6‬‬
‫إﻟﻰ اﻟﺤﺎﻟﺔ ‪ 4‬أو ‪ 5‬أو ‪ 6‬ﺑﺎﻟﺘﻮاﻟﻲ إذا ﻇﮭﺮت اﻷرﻗﺎم ‪ 4‬أو ‪ 5‬أو ‪ 6‬ﻓﻲ اﻟﻤﺤﺎوﻟﺔ )‪ (n  1‬ﻓﺎن ‪ p34  p35  p36  6‬ﺛﻢ‬
‫‪1‬‬

‫ﻧﺤﺼﻞ ﻋﻠﻰ اﻟﺼﻔﻮف اﻷﺧﺮى ﺑﺼﻮرة ﻣﺘﺸﺎﺑﮭﺔ ﻟﻠﺼﻒ اﻟﺜﺎﻟﺚ‪ .‬اﻟﻤﺼﻔﻮﻓﺔ ﻟﯿﺴﺖ ﻣﻨﺘﻈﻤﺔ ﻻن اﻟﺤﺎﻟﺔ ‪ 6‬وﺻﻔﺎً ﻣﺎﺻﺎً‪.‬‬
‫)ب( ) ‪ p (1)  ( 16 , 16 , 16 , 16 , 16 , 16‬ھﻮ اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻹﻟﻘﺎء اﻷوﻟﻰ‪.‬‬
‫‪p ( 2 )  p ( 0 ) M 2  p (1)  M  ( 361 , 363 , 365 , 367 , 369 , 11‬‬
‫‪36‬‬
‫)‬
‫‪p ( 3)  p ( 0 ) M 3  p ( 2 )  M  ( 216‬‬
‫‪1‬‬ ‫‪7‬‬
‫‪, 216‬‬ ‫‪19‬‬
‫‪, 216‬‬ ‫‪37‬‬
‫‪, 216‬‬ ‫‪61‬‬
‫‪, 216‬‬ ‫‪91‬‬
‫‪, 216‬‬ ‫)‬

‫‪20‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺗﺼﻨﯿﻒ ﺣﺎﻻت ﺳﻼﺳﻞ ﻣﺎرﻛﻮف ‪Classification of States of Markov chains‬‬

‫ﺗﻌﺮﯾﻒ)‪(20.3‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺔ ‪ j‬ﺑﺄﻧﮫ ﯾﻤﻜﻦ اﻟﻮﺻﻮل إﻟﯿﮭﺎ )‪ (Accessible‬ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬إذا ﻛﺎن ‪pij( n )  0‬‬
‫‪ ، i ‬أي ﻻ ﯾﻤﻜﻦ اﻟﻮﺻﻮل ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪j‬‬
‫‪ i ‬وﺑﺨﻼف ذﻟﻚ ﯾﻜﺘﺐ ‪ j‬‬ ‫ﻟﺒﻌﺾ ‪ . n  0‬وﯾﻜﺘﺐ ‪ j‬‬
‫) أي أن ‪ pij( n )  0‬ﻟﺠﻤﯿﻊ ﻗﯿﻢ ‪ .( n  0‬وﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺘﯿﻦ ‪ i, j‬ﺑﺄﻧﮭﻤﺎ ﻣﺘﺒﺎدﻟﺘﺎن أو ﻣﺘﺼﻠﺘﺎن )‪ (Communicate‬إذا‬
‫‪. i‬‬‫‪ ) j ‬أي أن إذا ﻛﺎن ﻣﻦ اﻟﻤﻤﻜﻦ اﻟﻮﺻﻮل إﻟﻰ اﺣﺪھﻤﺎ ﻣﻦ اﻷﺧﺮى( وﯾﻜﺘﺐ ‪ j‬‬ ‫‪ i ‬و ‪ i‬‬ ‫ﻛﺎن ‪ j‬‬
‫‪ ، ( i ‬أي إذا ﻛﺎن ‪ pij  0‬ﻟﻜﻞ ﻗﯿﻢ ‪n  0‬‬
‫)‪(n‬‬
‫وﺑﺨﻼف ذﻟﻚ ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺘﯿﻦ ‪ i, j‬ﺑﺄﻧﮭﻤﺎ ﻏﯿﺮ ﻣﺘﺒﺎدﻟﺘﯿﻦ ) ﯾﻜﺘﺐ ‪ j‬‬
‫أو ‪ p (jin )  0‬ﻟﻜﻞ ﻗﯿﻢ ‪.( n  0‬‬
‫ﻣﺒﺮھﻨﺔ )‪(21.3‬‬
‫ﻣﺒﺎدﻟﺔ اﻟﺤﺎﻻت ﻓﻲ ﺳﻼﺳﻞ ﻣﺎرﻛﻮف ﺗﻜﻮن ﻋﻼﻗﺔ ﺗﻜﺎﻓﺆ‬
‫ﺑﻌﺒﺎرة أﺧﺮى‬
‫)‪ (3‬إذا ﻛﺎن ‪ i  j‬و ‪ j  k‬ﻓﺎن ‪i  k‬‬ ‫)‪ (2‬إذا ﻛﺎن ‪ i  j‬ﻓﺎن ‪j  i‬‬ ‫)‪i  i (1‬‬
‫اﻟﺒﺮھﺎن‬
‫اﻟﺨﺎﺻﯿﺘﯿﻦ )‪ (2) ، (1‬ﻧﺴﺘﻨﺞ ﻣﺒﺎﺷﺮة ﻣﻦ اﻟﺘﻌﺮﯾﻒ‬
‫)‪(3‬‬
‫ﺑﻤﺎ أن ‪  i  j‬ﯾﻮﺟﺪ ‪ n  0‬ﺑﺤﯿﺚ ان ‪pij  0‬‬
‫)‪(n‬‬

‫وﻛﺬﻟﻚ ‪  j  k‬ﯾﻮﺟﺪ ‪ m  0‬ﺑﺤﯿﺚ ان ‪p jk  0‬‬

‫)‪( m‬‬

‫‪‬‬
‫‪pik( n  m )   pir( n ) prk( m )  pij( n ) p (jkm )  0‬‬
‫‪r 0‬‬

‫‪ i  k‬وﺑﺎﻟﻤﺜﻞ ﻧﺒﺮھﻦ ‪ k  i‬وﻋﻠﯿﮫ ‪i  k‬‬ ‫‪‬‬

‫ﻣﺜﺎل )‪(22.3‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻣﻌﺮﻓﺔ ﻋﻠﻰ ﻓﻀﺎء اﻟﺤﺎﻻت }‪   {1,2,3‬وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬

‫‪0.6 0.1 0.3‬‬

‫‪M  0.5 0 0.5‬‬
‫‪0.3 0.7 0 ‬‬
‫ﻧﻼﺣﻆ أن ‪. 1  3 , 2  3 , 1  2‬‬

‫ﺗﻌﺮﯾﻒ)‪(23.3‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺘﯿﻦ ‪ i, j‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﻣﻦ ﻧﻔﺲ ﺻﻒ اﻟﺘﻜﺎﻓﺆ إذا ﻛﺎﻧﺘﺎ ﻣﺘﺒﺎدﻟﺘﯿﻦ ‪ ،‬أي إذا ﻛﺎن ‪. i  j‬‬
‫أن ﻣﺒﺪأ اﻟﻤﺒﺎدﻟﺔ )اﻻﺗﺼﺎﻻت( ﯾﻘﺴﻢ ﻓﻀﺎء اﻟﺤﺎﻻت ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف إﻟﻰ ﻋﺪد ﻣﻦ اﻟﺼﻔﻮف اﻟﻤﺨﺘﻠﻔﺔ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(24.3‬‬
‫ﯾﻘﺎل ﻋﻦ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﻏﯿﺮ ﻗﺎﺑﻠﺔ ﻟﻼﺧﺘﺰال )‪ (Irreducible‬إذا ﻛﺎﻧﺖ ﺟﻤﯿﻊ اﻟﺤﺎﻻت ﻣﻦ ﻧﻔﺲ ﺻﻒ‬
‫اﻟﺘﻜﺎﻓﺆ‪ ،‬أي إذا ﻛﺎﻧﺖ ﺟﻤﯿﻊ اﻟﺤﺎﻻت ﻣﺘﺒﺎدﻟﺔ ﻣﻊ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ‪.‬‬

‫‪21‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺜﺎل )‪(25.3‬‬
‫)‪ (1‬ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻣﻌﺮﻓﺔ ﻋﻠﻰ ﻓﻀﺎء اﻟﺤﺎﻻت }‪   {0,1,2‬وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫‪‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪0‬‬
‫‪‬‬ ‫‪1‬‬
‫‪M ‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪0‬‬ ‫‪1‬‬
‫‪3‬‬
‫‪2‬‬
‫‪3‬‬

‫ﻣﻦ اﻟﻮاﺿﺢ أن ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻏﯿﺮ ﻗﺎﺑﻠﺔ ﻟﻼﺧﺘﺰال‪.‬‬

‫)‪ (2‬ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻣﻌﺮﻓﺔ ﻋﻠﻰ ﻓﻀﺎء اﻟﺤﺎﻻت }‪   {0,1,2,3‬وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫‪ 12 12 0 0‬‬
‫‪1 1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪0 0‬‬
‫‪M  1 1 1 1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪4 4 4 4‬‬
‫‪‬‬ ‫‪‬‬
‫‪0 0 0 1 ‬‬
‫أن ﺻﻔﻮف اﻟﺘﻜﺎﻓﺆ ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف ھﻲ }‪ . {3},{2},{0,1‬ﻻﺣﻆ اﻧﮫ ‪ 2  0 , 2  1‬وﻟﻜﻦ اﻟﻌﻜﺲ ﻏﯿﺮ ﺻﺤﯿﺢ‬
‫ﺗﻌﺮﯾﻒ )‪(26.3‬‬
‫ﻟﻨﻔﺮض أن }‪ f (i, j )  p{ X n  j, X r  j (r  1,2,, n  1) | X 0  i‬ﯾﻤﺜﻞ اﺣﺘﻤﺎل اﻟﻌﺒﻮر اﻷول ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬إﻟﻰ‬
‫)‪(n‬‬

‫‪‬‬ ‫‪‬‬
‫) ‪ f (i, j )   f ( n ) (i, j‬وان ) ‪  (i, j )   nf ( n ) (i, j‬ﻟﯿﻤﺜﻞ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟﻮﻗﺖ اﻟﻌﺒﻮر اﻷول‪.‬‬ ‫اﻟﺤﺎﻟﺔ ‪ ، j‬ﺣﯿﺚ أن‬
‫‪n 1‬‬ ‫‪n 1‬‬

‫ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﺣﺎﻟﺔ ﻋﻮدة أو ﺣﺎﻟﺔ رﺟﻮع )‪ (Recurrent‬إذا ﻛﺎن ‪ ، f (i, i)  1‬أي إذا‬
‫ﻛﺎن ﻣﻦ اﻟﻤﺆﻛﺪ رﺟﻮع اﻟﻌﻤﻠﯿﺔ ﻟﻠﺤﺎﻟﺔ ‪ i‬اﻟﺘﻲ ﺳﺒﻖ وﻏﺎدرﺗﮭﺎ‪ .‬وﯾﻤﻜﻦ ﺗﺼﻨﯿﻒ ﺣﺎﻟﺔ اﻟﻌﻮدة إﻟﻰ ﺻﻨﻔﯿﻦ ھﻤﺎ‪:‬‬
‫)‪ (1‬اﻟﻌﻮدة اﻟﺼﻔﺮﯾﺔ )‪ (Null Recurrent‬إذا ﻛﺎن ‪ (i, i )  ‬‬
‫)‪ (2‬اﻟﻌﻮدة ﻣﻮﺟﺒﺔ )‪ (Positive Recurrent‬إذا ﻛﺎن ‪ ،  (i, i)  ‬أي ان اﻟﻌﺪد اﻟﻤﺘﻮﻗﻊ ﻣﻦ اﻟﻤﺮاﺣﻞ اﻟﻼزﻣﺔ ﻟﻌﻮدة‬
‫اﻟﺤﺎﻟﺔ ‪ i‬ھﻮ ﻋﺪد ﻣﻨﺘﮭﻲ‪.‬‬
‫وﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﺑﺄﻧﮭﺎ ﺣﺎﻟﺔ زوال )‪ (Transient State‬إذا ﻛﺎن ‪ ، f (i, i )  1‬أي إذا ﻛﺎن ھﻨﺎك اﺣﺘﻤﺎل ﻣﻮﺟﺐ ﺑﺎن ﻻ ﺗﻌﻮد‬
‫اﻟﻌﻤﻠﯿﺔ ﻟﻠﺤﺎﻟﺔ ‪ i‬اﻟﺘﻲ ﺳﺒﻖ وﻏﺎدرﺗﮭﺎ‪.‬‬
‫ﻣﺒﺮھﻨﺔ )‪(27.3‬‬
‫اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺗﻜﻮن‬
‫‪‬‬ ‫‪‬‬

‫‪p‬‬
‫‪k 0‬‬
‫) ‪(k‬‬
‫‪ii‬‬ ‫)‪ (2‬ﺣﺎﻟﺔ زوال إذا ﻛﺎن ‪ ‬‬ ‫‪p‬‬
‫‪k 0‬‬
‫) ‪(k‬‬
‫‪ii‬‬ ‫)‪ (1‬ﺣﺎﻟﺔ ﻋﻮدة إذا ﻛﺎن ‪ ‬‬

‫اﻟﺒﺮھﺎن‪ :‬ﯾﺘﺮك ﻟﻠﻘﺎرئ‬

‫ﻣﺒﺮھﻨﺔ )‪(28.3‬‬
‫ﻟﺘﻜﻦ ‪ i, j‬ﺣﺎﻟﺘﯿﻦ ﻣﺘﺒﺎدﻟﺘﯿﻦ ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ . { X n‬إذا ﻛﺎﻧﺘﺎ ‪ i‬ﺣﺎﻟﺔ ﻋﻮدة ﻓﺎن اﻟﺤﺎﻟﺔ ‪ j‬ﺗﻜﻮن ﺣﺎﻟﺔ ﻋﻮدة‪.‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫ﺑﻤﺎ أن ‪i  j‬‬
‫‪  j  i , i  j ‬ﯾﻮﺟﺪ ﻋﺪدان ﺻﺤﯿﺤﺎن ﻣﻮﺟﺒﺎن ‪ n, m‬ﺑﺤﯿﺚ أن ‪pij  0 , p ji  0‬‬
‫)‪(n‬‬ ‫)‪(m‬‬

‫‪‬‬ ‫‪‬‬

‫) ‪ p (jjm k n )  p (jim ) pij( n )  pii( k‬‬

‫‪k 0‬‬ ‫‪k 0‬‬
‫‪‬‬ ‫) ‪p (jjm  k  n )  p (jim ) p ii( k ) p ij( n‬‬ ‫‪‬‬

‫‪22‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬
‫‪‬‬ ‫‪‬‬
‫‪ j ‬ﺣﺎﻟﺔ ﻋﻮدة‪.‬‬ ‫وﻋﻠﯿﮫ ‪ p (jjm  k  n)  0‬‬
‫‪k 0‬‬
‫‪p‬‬
‫‪k 0‬‬
‫) ‪(k‬‬
‫‪ii‬‬ ‫ﺑﻤﺎ أن ‪ i‬ﺣﺎﻟﺔ ﻋﻮدة ‪  ‬‬

‫ﺗﻌﺮﯾﻒ)‪(29.3‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﻣﺎﺻﺔ )‪ (Absorbing‬إذا ﻛﺎن ‪ pii  1‬ﺑﻌﺒﺎرة أﺧﺮى إذا ﻛﺎن‬
‫اﻟﻨﻈﺎم ﯾﺒﻘﻰ ﻓﻲ ھﺬا اﻟﺤﺎﻟﺔ ﻣﺘﻰ وﺻﻞ إﻟﯿﮫ‪.‬‬
‫أي أن إذا ﻛﺎن اﻟﺼﻒ ‪ i‬ﻓﻲ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮫ اﻟﻌﻨﺼﺮ رﻗﻢ واﺣﺪ ﻋﻠﻰ اﻟﻘﻄﺮ اﻟﺮﺋﯿﺴﻲ وﺻﻔﺮًا ﻋﺪا ذﻟﻚ‪.‬‬
‫ﻣﺜﺎل)‪(30.3‬‬
‫ﻓﻲ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف‬
‫‪ 1‬‬ ‫‪0 0 0 0 ‬‬
‫‪ 0‬‬ ‫‪1 0 0 0 ‬‬
‫‪‬‬
‫ﺗﻜﻮن اﻟﺤﺎﻻت ‪ 3،2،1‬ﺣﺎﻻت ﻣﺎﺻﺔ وﻟﻜﻦ اﻟﺤﺎﻻت ‪ 5،4‬ﻏﯿﺮ ﻣﺎﺻﺔ‪.‬‬ ‫‪P  0‬‬ ‫‪0 1 0 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0‬‬ ‫‪1 0 0 0 ‬‬
‫‪0.5‬‬ ‫‪0 0 0.5 0 ‬‬
‫ﻣﻼﺣﻈﺔ‬
‫إذا ﻛﺎن ‪ pii  1‬ﻓﺎن‬
‫)‪ (1‬اﺣﺘﻤﺎل ﻋﻮدة اﻟﻌﻤﻠﯿﺔ ﻷول ﻣﺮة إﻟﻰ اﻟﺤﺎﻟﺔ ‪ i‬اﻟﺘﻲ ﺑﺪأت ﻣﻨﮭﺎ ﺑﺮﺣﻠﺔ واﺣﺪة ﯾﺴﺎوي واﺣﺪ‪ ،‬أي أن ‪f (i, i )  1‬‬
‫)‪(1‬‬

‫)‪ (2‬اﺣﺘﻤﺎل ﻋﻮدة اﻟﻌﻤﻠﯿﺔ إﻟﻰ اﻟﺤﺎﻟﺔ ‪ i‬اﻟﺘﻲ ﺑﺪأت ﻣﻨﮭﺎ ﺑﻌﺪد ﻣﺤﺪد ﻣﻦ اﻟﻤﺮاﺣﻞ ﺳﯿﻜﻮن واﺣﺪ‪ ،‬أي أن ‪f (i, i )  1‬‬
‫)‪ (3‬ﯾﻠﺰم ﻣﺮﺣﻠﺔ واﺣﺪة ﻓﻘﻂ ﻟﻠﻌﻤﻠﯿﺔ ﻟﺘﻌﻮد ﻷول ﻣﺮة إﻟﻰ اﻟﺤﺎﻟﺔ ‪ i‬ﺑﻌﺪ أن ﻛﺎﻧﺖ ﻗﺪ ﻏﺎدرﺗﮭﺎ ‪ ،‬أي أن ‪.  (i, i)  1‬‬
‫وﺧﻼﺻﺔ ذﻟﻚ ‪ ،‬ﻓﺎﻧﮫ ﯾﻤﻜﻦ اﻟﻘﻮل ﺑﺎن اﻟﺤﺎﻟﺔ اﻟﻤﺎﺻﺔ ‪ i‬ﻣﺎھﻲ إﻻ ﺣﺎﻟﺔ ﻋﻮدة ﻣﻮﺟﺒﺔ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(31.3‬‬
‫ﯾﻘﺎل ﻋﻦ ﺣﺎﻟﺔ اﻟﻌﻮدة ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ دورﯾﺔ )‪ (Periodic‬إذا وﺟﺪ ﻋﺪد ﺻﺤﯿﺢ ‪ L  2‬ﺑﺤﯿﺚ ان‬
‫اﻟﺤﺎﻟﺔ ‪ i‬ﻣﻤﻜﻦ أن ﺗﻈﮭﺮ ﻓﻘﻂ ﻓﻲ اﻟﻤﺤﺎوﻻت ‪ . L, 2 L, 3L,‬ﺑﻌﺒﺎرة أﺧﺮى إذا ﻛﺎﻧﺖ ‪ L‬ﺗﻤﺜﻞ اﻟﻘﺎﺳﻢ اﻟﻤﺸﺘﺮك اﻷﻋﻈﻢ‬
‫ﻟﻤﺠﻤﻮﻋﺔ اﻷﻋﺪاد اﻟﺼﺤﯿﺤﺔ ‪ k  1‬اﻟﺘﻲ ﺗﺤﻘﻖ ‪ . pii( k )  0‬ﻓﺈذا ﻛﺎﻧﺖ ‪ L  1‬ﻓﺎن اﻟﺤﺎﻟﺔ ‪ i‬ﻏﯿﺮ دورﯾﺔ )‪(non periodic‬‬
‫وإذا ﻛﺎﻧﺖ ‪ L  2‬ﻓﺎن اﻟﺤﺎﻟﺔ ‪ i‬دورﯾﺔ ﺑﻄﻮل ‪ . L‬ﯾﻘﺎل ﻋﻦ اﻟﺤﺎﻟﺔ ‪ i‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﺛﺒﻮﺗﯿﺔ )‪(Ergodic‬‬
‫إذا ﻛﺎﻧﺖ ﻏﯿﺮ دورﯾﺔ وذات ﻋﻮدة ﻣﻮﺟﺒﺔ ‪.‬‬
‫ﺗﻌﺮﯾﻒ )‪(32.3‬‬
‫ﯾﻘﺎل ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺤﺎﻻت ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺑﺄﻧﮭﺎ ﻣﻐﻠﻘﺔ )‪ (Closed‬إذا ﻛﺎن ﻣﻦ ﻏﯿﺮ اﻟﻤﻤﻜﻦ ﻟﻠﻌﻤﻠﯿﺔ اﻟﻮﺻﻮل‬
‫إﻟﻰ ﺣﺎﻟﺔ ﺧﺎرج اﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ ﺣﺎﻟﺔ داﺧﻠﮭﺎ‪ .‬ﺑﻌﺒﺎرة أﺧﺮى ‪ :‬إذا ﻛﺎﻧﺖ ‪ A‬ﻣﺠﻤﻮﻋﺔ ﺟﺰﺋﯿﺔ ﻣﻦ ﻓﻀﺎء )اﻟﺤﺎﻻت( ﻓﻲ ﺳﻠﺴﻠﺔ‬
‫ﻣﺎرﻛﻮف } ‪ { X n‬ﻓﺎن ‪ A‬ﺗﻜﻮن ﻣﻐﻠﻘﺔ إذا ﻛﺎن ‪ pij( k )  0‬ﻟﻜﻞ ﻗﯿﻢ ‪ k  0‬وﻟﺠﻤﯿﻊ ‪. i  A , j  A‬‬
‫ﻣﻼﺣﻈﺎت‬
‫)‪ (1‬اﻟﺤﺎﻟﺔ اﻟﻤﺎﺻﺔ ﺗﺆﻟﻒ ﺑﻤﻔﺮدھﺎ ﻣﺠﻤﻮﻋﺔ ﻣﻐﻠﻘﺔ‪.‬‬
‫)‪ (2‬ﯾﻘﺎل ﻟﻠﻤﺠﻤﻮﻋﺔ اﻟﻤﻐﻠﻘﺔ ﺑﺄﻧﮭﺎ ﻏﯿﺮ ﻗﺎﺑﻠﺔ ﻟﻼﺧﺘﺰال إذا ﻟﻢ ﺗﺤﺘﻮي ﻋﻠﻰ ﻣﺠﻤﻮﻋﺔ ﺟﺰﺋﯿﺔ ﻓﻌﻠﯿﺔ ﻣﻨﮭﺎ ‪ ،‬أﯾﻀﺎ ﻣﻐﻠﻘﺔ‪.‬‬
‫)‪ (3‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬ﺗﻜﻮن ﻏﯿﺮ ﻗﺎﺑﻠﺔ اﻻﺧﺘﺰال إذا ﻛﺎﻧﺖ اﻟﻤﺠﻤﻮﻋﺔ اﻟﻤﻐﻠﻘﺔ اﻟﻮﺣﯿﺪة ﻓﯿﮭﺎ ﺗﻠﻚ اﻟﺘﻲ ﺗﺤﺘﻮي ﻋﻠﻰ‬
‫ﺟﻤﯿﻊ اﻟﺤﺎﻻت‪.‬‬

‫‪23‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺜﺎل)‪(33.3‬‬
‫ﺻﻨﻒ ﺣﺎﻻت ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ذات ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫‪0 0 0 1 ‬‬
‫‪0 0 0 1 ‬‬
‫‪M  1 1‬‬ ‫‪‬‬
‫‪ 2 2 0 0‬‬
‫‪‬‬ ‫‪‬‬
‫‪0 0 1 0 ‬‬
‫اﻟﺤﻞ‪:‬‬
‫‪2‬‬ ‫ﻓﻀﺎء اﻟﺤﺎﻻت }‪ . {1,2,3,4‬ﻧﻘﻮم أوﻻ ﯾﺮﺳﻢ اﻟﺸﻜﻞ اﻻﻧﺘﻘﺎﻟﻲ )ﻟﻐﺮض اﻟﺘﻮﺿﯿﺢ(‬
‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬
‫‪ 4 ‬‬ ‫‪ 3 ‬‬
‫ﺑﺜﻼث ﺧﻄﻮات ‪ 1‬‬
‫‪4‬‬ ‫‪1‬‬
‫‪2‬‬‫‪ 4 ‬‬‫‪ 3 ‬‬‫ﺑﺜﻼث ﺧﻄﻮات ‪ 2‬‬
‫‪3‬‬
‫‪(1  2) ‬‬
‫‪ 4 ‬‬‫ﺑﺜﻼث ﺧﻄﻮات ‪ 3‬‬
‫‪4‬‬‫‪ 3 ‬‬ ‫‪(1  2) ‬‬‫ﺑﺜﻼث ﺧﻄﻮات ‪ 4‬‬
‫ﺣﺎﻻت اﻟﺴﻠﺴﻠﺔ دورﯾﺔ دورھﺎ ‪ L  3‬وﻛﺬﻟﻚ اﻟﺴﻠﺴﻠﺔ ﻏﯿﺮ ﻗﺎﺑﻠﺔ ﻟﻼﺧﺘﺰال‪.‬‬
‫ﻣﺜﺎل)‪(34.3‬‬
‫ﺻﻒ ﺣﺎﻻت ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ذات ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫‪0.4 0.2 0.4‬‬
‫‪M  0.7 0 0.3‬‬
‫‪0.5 0.5 0 ‬‬
‫‪0.4‬‬
‫اﻟﺤﻞ‪:‬‬
‫‪1‬‬

‫‪0.2‬‬ ‫‪0.4‬‬
‫‪0.5‬‬ ‫‪2‬‬
‫‪ 3 ، 1 ‬‬
‫‪ 3 ، 1 ‬‬
‫‪ 2‬‬
‫‪0.7‬‬
‫‪0.5‬‬
‫‪2‬‬ ‫‪3‬‬
‫‪0.3‬‬ ‫ﻣﺜﺎل)‪(35.3‬‬
‫ﺻﻒ ﺣﺎﻻت ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ذات ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬

‫‪24‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬

‫‪ 0 0 .2‬‬ ‫‪0‬‬ ‫‪0 0.4 0.4 0‬‬
‫‪‬‬
‫‪ 0 .8 0‬‬ ‫‪0‬‬ ‫‪0 0 .2 0 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪M  0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1 0‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0 0‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0 .7 0 0 .3 0 ‬‬
‫‪0‬‬ ‫‪0 1‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪. {1,2,3,4,5,6,7‬‬
‫اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ﺣﺎﻟﺔ زوال ﻻن ﻻﻋﻮدة إﻟﯿﮭﺎ‬
‫اﻟﺤﺎﻻت اﻷوﻟﻰ ‪ ،‬اﻟﺜﺎﻟﺜﺔ ‪ ،‬اﻟﺮاﺑﻌﺔ ‪ ،‬اﻟﺨﺎﻣﺴﺔ ‪ ،‬اﻟﺴﺎدﺳﺔ‪ ،‬اﻟﺴﺎﺑﻌﺔ ذات ﻋﻮدة ﻣﻮﺟﺒﺔ‪ .‬اﻟﺤﺎﻟﺔ اﻟﺴﺎﺑﻌﺔ ﻣﺎﺻﺔ‬
‫ﯾﻤﻜﻦ اﻻﻧﺘﻘﺎل ﻣﻦ اﻟﺤﺎﻟﺔ اﻟﺮاﺑﻌﺔ إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺴﺎدﺳﺔ وﺑﺎﻟﻌﻜﺲ ﺑﺨﻄﻮة واﺣﺪة أي أن ‪ ، L  1‬وھﺬا ﯾﻌﻨﻲ ان اﻟﺤﺎﻟﺘﯿﻦ ﻏﯿﺮ‬
‫دورﯾﺔ‪.‬‬
‫‪1‬‬
‫‪ 3 ‬‬
‫‪1‬‬
‫‪3‬‬
‫‪ 5 ‬‬
‫‪ 3‬‬
‫‪5‬‬
‫‪ 3 ‬‬
‫‪ 5‬‬
‫اﻟﺤﺎﻻت اﻷوﻟﻰ واﻟﺜﺎﻟﺜﺔ واﻟﺨﺎﻣﺴﺔ دورﯾﺔ ﺑﻄﻮل دورة ‪L  2‬‬
‫اﻻﻧﺘﻘﺎل إﻟﻰ ﺣﺎﻟﺔ ﻣﻌﯿﻨﺔ ‪Transition to some state‬‬
‫ﻟﺘﻜﻦ ] ‪ M  [ pij‬ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ { X n‬اﻟﻤﻌﺮﻓﺔ ﻋﻠﻰ ﻓﻀﺎء اﻟﺤﺎﻻت ‪ . ‬وﻟﺘﻜﻦ ‪ A‬أﯾﺔ ﺣﺎدﺛﺔ‬
‫}‪i ( A)  { A | X 0  i‬‬ ‫}‪, pi ( A)  P{ A | X 0  i‬‬
‫ﻟﻮ ﻓﺮﺿﻨﺎ أن ‪ 1 ( w), 2 ( w),‬ﺗﻤﺜﻞ ﻣﺮاﺣﻞ ) أو أوﻗﺎت( اﻻﻧﺘﻘﺎل اﻟﻤﺘﻌﺎﻗﺐ إﻟﻰ اﻟﺤﺎﻟﺔ ‪ j‬إي أن‬
‫)‪ 1 ( w‬ﺗﻤﺜﻞ وﻗﺖ اﻟﺰﯾﺎرة اﻷوﻟﻰ إﻟﻰ اﻟﺤﺎﻟﺔ ‪j‬‬
‫)‪ 2 ( w‬ﺗﻤﺜﻞ وﻗﺖ اﻟﺰﯾﺎرة اﻟﺜﺎﻧﯿﺔ إﻟﻰ اﻟﺤﺎﻟﺔ ‪j‬‬
‫‪‬‬
‫)‪ k (w‬ﺗﻤﺜﻞ وﻗﺖ اﻟﺰﯾﺎرة ‪ k‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪j‬‬
‫وﺑﺬﻟﻚ ﯾﻤﻜﻦ اﻟﻘﻮل إن‬
‫}‪1 ( w)  min{n  1 | X n ( w)  j‬‬
‫ﻓﺈذا ﻛﺎﻧﺖ ‪ X n‬ﻻ ﯾﻤﻜﻦ أن ﺗﻜﻮن ﻓﻲ اﻟﺤﺎﻟﺔ ‪ ، j‬أي ﻻ ﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ ‪ n‬ﺗﺤﻘﻖ ‪ ) X n  j‬أي إذا ﻛﺎن ‪X n  j‬‬
‫ﻟﻜﻞ ﻗﯿﻢ ‪ ( n‬ﺑﻤﻌﻨﻰ أن ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﻻﯾﻤﻜﻦ أن ﺗﺬھﺐ إﻟﻰ اﻟﺤﺎﻟﺔ ‪ j‬ﻋﻨﺪ أي ﻣﻦ ﻗﯿﻢ ‪ . n‬ﻓﺈﻧﻨﺎ ﺳﻨﺴﺘﺨﺪم‬
‫‪1 ( w)  2 ( w)  1 ( w)    ‬‬
‫وﻗﺪ ﺗﻈﮭﺮ ‪ j‬ﻓﻲ اﻟﺴﻠﺴﻠﺔ ﺑﻌﺪد ﻣﺤﺪود ‪ k‬ﻣﻦ اﻟﻤﺮات )أي إذا ﻛﺎن ‪ X n  j‬ﻟﻜﻞ ﻗﯿﻢ ‪ X n  j ، 1  n  k‬ﻟﻘﯿﻢ ‪ n‬اﻷﺧﺮى(‬
‫ﺑﻤﻌﻨﻰ أﺧﺮ أن ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺗﺬھﺐ إﻟﻰ اﻟﺤﺎﻟﺔ ‪ j‬ﻋﻨﺪ ﻋﺪد ﻣﺤﺪد ﻣﻦ أوﻗﺎت أو ﻣﺮاﺣﻞ اﻻﻧﺘﻘﺎل وﻟﯿﻜﻦ ‪ k‬ﻣﺜﻼ‪ .‬ﻓﺎن‬
‫)‪ 1 ( w), 2 ( w),, k ( w‬ﺗﻤﺜﻞ ﻗﯿﻢ ‪ n‬اﻟﻤﺘﺘﺎﻟﯿﺔ اﻟﺘﻲ ﺗﻜﻮن ﻓﯿﮭﺎ اﻟﻌﻤﻠﯿﺔ ﻓﻲ اﻟﺤﺎﻟﺔ ‪ . j‬ﻓﺎن‬
‫‪k 1 ( w)  k ( w)  k  2 ( w)  k 1 ( w)    ‬‬

‫‪25‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺒﺮھﻨﺔ )‪ (36.3‬ﺗﻮزﯾﻊ ‪1‬‬

‫‪ . i  S‬إذا ﻛﺎﻧﺖ ‪ n  1‬ﻓﺎن }‪، f1 (i, j )  pij  pi { X 1  j‬‬ ‫ﻟﺘﻜﻦ } ‪, n  1, 2,3, ، f n (i , j )  p i {  n‬‬
‫‪f n (i , j ) ‬‬ ‫‪p‬‬
‫‪kj‬‬
‫‪ik‬‬ ‫) ‪f n 1 (k , j‬‬ ‫أﻣﺎ ﻋﻨﺪﻣﺎ ‪ n  2‬ﻓﺎن‬

‫اﻟﺒﺮھﺎن‪:‬‬
‫إذا ﻛﺎﻧﺖ ‪ n  1‬ﻓﺎن‬
‫}‪f1 (i, j )  pij  pi { X 1  j‬‬
‫أﻣﺎ ﻋﻨﺪﻣﺎ ‪ n  2‬ﻓﺎن‬
‫} ‪f n (i , j )  p i {X 1  j , X 2  j , , X n 1  j , X n  j‬‬
‫‪‬‬ ‫‪ p {X‬‬
‫‪kj‬‬
‫‪i‬‬ ‫‪1‬‬ ‫} ‪ k } p i {X 2  j , , X n 1  j , X n  j | X 1  k‬‬

‫‪‬‬ ‫‪ p {X‬‬

‫‪kj‬‬
‫‪i‬‬ ‫‪1‬‬ ‫‪ k } p k { X 1  j , , X n  2  j , X n  j } ‬‬ ‫‪p‬‬
‫‪kj‬‬
‫‪ik‬‬ ‫) ‪f n 1 (k , j‬‬

‫وﺑﺬﻟﻚ ﻓﺎن ‪ f n (i, j ), n  1,2,3,‬ﺗﻤﺜﻞ اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻟﻠﻤﺘﻐﯿﺮ ‪ 1‬ﻟﻠﺴﻠﺴﻠﺔ اﻟﺘﻲ ﺗﺒﺪأ ﻣﻦ اﻟﺤﺎﻟﺔ ‪. i‬‬
‫ﻣﻼﺣﻈﺔ‬
‫‪‬‬
‫) ‪ ، f (i, j )  pi {1  }   f n (i, j‬أي أن ) ‪ f (i, j‬ﺗﻤﺜﻞ اﺣﺘﻤﺎل أن ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪{ X n‬‬ ‫ﻟﻮ ﻓﺮﺿﻨﺎ‬
‫‪n 1‬‬

‫ﺳﺘﻜﻮن ﻓﻲ اﻟﺤﺎﻟﺔ ‪ j‬ﻓﻲ وﻗﺖ ﻣﺎ‬

‫‪‬‬ ‫‪‬‬
‫‪f (i , j )  f 1 (i , j )   f n (i , j )  p ij   p ik f (k , j )  p ij    p in f n 1 (k , j ) , i  ‬‬
‫‪n 2‬‬ ‫‪kj‬‬ ‫‪n 2 k  j‬‬

‫وﯾﻤﻜﻦ اﻟﺘﻌﺒﯿﺮ ﻋﻦ ) ‪ f (i, j‬ﺑﺸﻜﻞ أﺧﺮ ﻛﺎﻷﺗﻲ‪:‬‬

‫} ﻟﺒﻌﺾ ﻗﯿﻢ ‪f (i, j )  pi { X n  j , n  1‬‬
‫وﺑﺎﺳﺘﺨﺪام اﻟﻤﺼﻔﻮﻓﺎت إذا ﻛﺎن )) ‪ f k  ( f k (i, j‬ﯾﻤﺜﻞ اﻟﻤﺘﺠﮫ اﻟﺼﻔﻲ ﻣﻦ اﻟﻌﻨﺎﺻﺮ ) ‪ f k (i, j‬ﻟﻜﻞ ‪ . i  ‬وان‬
‫)) ‪ f  ( f (i, j‬ﯾﻤﺜﻞ اﻟﻤﺘﺠﮫ اﻟﺼﻔﻲ ﻣﻦ اﻟﻌﻨﺎﺻﺮ ) ‪ f (i, j‬ﻟﻜﻞ ‪ . i  ‬وان ) ‪ f1  ( pij‬ھﻮ ﻋﺒﺎرة ﻋﻦ اﻟﻌﻤﻮد اﻟﺬي‬
‫ﯾﻤﺜﻞ اﻟﺤﺎﻟﺔ ‪ j‬ﻓﻲ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ‪ M‬ﻓﺎن ‪ . f k  f k 1 D‬ﻋﻨﺪﻣﺎ ‪ ، k  2‬ﺣﯿﺚ ان ‪ D  AT‬وان ‪ A‬ﺗﻤﺜﻞ ﻣﺼﻔﻮﻓﺔ‬
‫ﻧﺎﺗﺠﺔ ﻣﻦ اﻟﻤﺼﻔﻮﻓﺔ ‪ M‬ﺑﻌﺪ اﺳﺘﺒﺪال ﻋﻨﺎﺻﺮ اﻟﻌﻤﻮد ‪ j‬ﺑﺎﺻﻔﺎر‪.‬‬
‫اﻵن ﻧﺘﻄﺮق إﻟﻰ ﻋﺪد ﻣﺮات اﻟﺬھﺎب إﻟﻰ ﺣﺎﻟﺔ ﻣﻌﯿﻨﺔ‬
‫ﻟﻨﻔﺮض أن )‪ Q j (w‬ﺗﻤﺜﻞ ﻋﺪد ﻣﺮات ﻇﮭﻮر اﻟﺤﺎﻟﺔ ‪ j‬ﻓﻲ ﺳﻠﺴﻠﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات ‪X 0 ( w), X 1 ( w),‬‬
‫وﻟﻨﻔﺮض ﻛﺬﻟﻚ ﺑﺎن‬
‫‪1 ,‬‬ ‫‪Xn  j‬‬
‫‪ j (X n )  ‬‬
‫‪0 ,‬‬ ‫‪Xn  j‬‬
‫‪‬‬
‫ﻓﺎن ) ‪Q j ( w)    j ( X n‬‬
‫‪n 0‬‬
‫‪‬‬
‫ﺑﻤﺎ أن ) ‪  i ( j ( X n ))  pi { X n  j}  pij( n‬ﻓﺎن ) ‪ i (Q j ( w))   p ij( n‬‬
‫‪n 0‬‬

‫‪26‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪‬‬ ‫ﻧﻔﺮض ))‪Rij   i (Q j ( w‬‬

‫‪‬‬
‫) ‪Rij   pij( n‬‬
‫‪n0‬‬

‫اﻟﻤﺼﻔﻮﻓﺔ ] ‪ R  [ Rij‬ﺗﺴﻤﻰ اﻟﻤﺼﻔﻮﻓﺔ اﻷﺳﺎﺳﯿﺔ )‪ (Potential Matrix‬ﻟﺴﻠﺴﻠﺔ ﻣﺎرﻛﻮف } ‪ . { X n‬وﺑﺴﮭﻮﻟﺔ ﯾﻤﻜﻦ إﺛﺒﺎت‬
‫‪ R   n  M  M 2    ( n  M ) 1‬وﻛﺬﻟﻚ ‪R( n  M )  ( n  M ) R   n ، RN  MR  R   n‬‬
‫ﻣﺜﺎل)‪(37.3‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ذات ﻓﻀﺎء ﺣﺎﻻت }‪   {1,2‬وﻟﺘﻜﻦ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬
‫‪ 0.5 0.5 ‬‬
‫‪M ‬‬ ‫‪‬‬
‫‪0.25 0.75‬‬
‫ﻓﺎن اﻻﻧﺘﻘﺎل إﻟﻰ اﻟﺤﺎﻟﺔ ‪ j  2‬ﻣﺜﻼ ﺳﯿﻜﻮن ﻋﻠﻰ اﻟﻨﺤﻮ اﻷﺗﻲ‬
‫‪ 0.5 0‬‬ ‫‪0.5 025‬‬
‫‪A ‬‬ ‫‪‬‬ ‫‪D  AT  ‬‬
‫‪0 ‬‬
‫‪,‬‬
‫‪0.25 0‬‬ ‫‪0‬‬
‫)‪f 1  ( p i 2 )  ( p12 , p 22 )  (0.5, 0.75‬‬
‫‪f k  f k 1 D , k  2‬‬

‫‪3 ‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1 1 1 1 2‬‬
‫‪‬‬
‫‪f 2  f1D  ( , ) 2‬‬
‫‪1‬‬
‫) ) ( ‪4   ( 4 , 8 )  (  ( ), ‬‬
‫‪1 1‬‬
‫‪4 0‬‬
‫‪2‬‬
‫‪0 ‬‬ ‫‪2 2 2 2‬‬
‫‪‬‬
‫‪1 1 1 1 ‬‬
‫‪1 1‬‬
‫‪1 1 1 1‬‬
‫) ‪f3  f 2 D  (  ( ),  ( ) 2 )  2 4   (  ( ) 2 ,  ( )3‬‬
‫‪2 2 2 2 0 0 2 2 2 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 1 1 1 ‬‬
‫‪1 1‬‬
‫‪1 1 1 1‬‬
‫) ‪f 4  f 3 D  (  ( ) 2 ,  ( )3 )  2 4   (  ( )3 ,  ( ) 4‬‬
‫‪2 2 2 2 0 0 2 2 2 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 1‬‬ ‫‪1 1‬‬
‫‪f k  (  ( ) k 1 ,  ( ) k 1 ) , k  1,2,3,‬‬
‫‪2 2‬‬ ‫‪4 2‬‬
‫أي أن‬
‫‪1‬‬
‫‪f k (1,2)  12 ( ) k 1 , k  1,2,3,‬‬
‫‪2‬‬
‫‪1‬‬
‫‪f k (3,3)  14 ( ) k 1 , k  1,2,3,‬‬
‫‪2‬‬
‫ﻋﻨﺪ اﻟﺒﺪء ﻣﻦ اﻟﺤﺎﻟﺔ اﻷوﻟﻰ ﻓﺎن اﺣﺘﻤﺎل اﻟﻌﻮدة اﻷوﻟﻰ إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ﺳﺘﺤﺪث ﻋﻨﺪ اﻟﻤﺮﺣﻠﺔ )اﻟﺰﻣﻦ( ‪ k‬ﺑﺎﺣﺘﻤﺎل‬
‫ﻣﻘﺪاره )‪ f k (1,2‬وان اﺣﺘﻤﺎل ﻋﺪم اﻟﻌﻮدة أﺑﺪا إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ھﻮ‬
‫‪‬‬
‫‪1  1 k 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‪P1{T1  }  1   f k (1,2)  1 ‬‬ ‫‪‬‬ ‫‪( ) 1 ‬‬ ‫‪‬‬
‫‪k 1‬‬ ‫‪2 k 1 2‬‬ ‫‪2 1 1 4‬‬
‫‪2‬‬

‫‪27‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫أﻣﺎ ﻋﻨﺪ اﻟﺒﺪء ﻣﻦ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ﻓﺎن اﺣﺘﻤﺎل اﻟﻌﻮدة اﻷوﻟﻰ إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ﺳﺘﺤﺪث ﻋﻨﺪ اﻟﻤﺮﺣﻠﺔ )اﻟﺰﻣﻦ( ‪ k‬ﺑﺎﺣﺘﻤﺎل‬
‫ﻣﻘﺪاره )‪ f k (2,2‬وان اﺣﺘﻤﺎل ﻋﺪم اﻟﻌﻮدة أﺑﺪا إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ھﻮ‬
‫‪‬‬
‫‪1  1 k 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪7‬‬
‫‪P2{T1  }  1   f k (2,2)  1 ‬‬ ‫‪‬‬ ‫‪( ) 1 ‬‬ ‫‪‬‬
‫‪k 1‬‬ ‫‪4 k 1 2‬‬ ‫‪4 1‬‬ ‫‪1‬‬ ‫‪8‬‬
‫‪2‬‬
‫ﻣﺜﺎل)‪(38.3‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ذات ﻓﻀﺎء ﺣﺎﻻت }‪   {1,2,3‬وﻟﺘﻜﻦ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬
‫‪1 0 0‬‬
‫‪M   23 16 16 ‬‬
‫‪ 12 14 14 ‬‬
‫ﻓﺎن اﻻﻧﺘﻘﺎل إﻟﻰ اﻟﺤﺎﻟﺔ ‪ j  3‬ﻣﺜﻼ ﺳﯿﻜﻮن ﻋﻠﻰ اﻟﻨﺤﻮ اﻷﺗﻲ‪:‬‬

‫‪1 0 0 ‬‬ ‫‪1 23 12 ‬‬

‫‪A   23 16 0  ,‬‬ ‫‪D  A T   0 16 14 ‬‬
‫‪ 12 14 0 ‬‬ ‫‪ 0 0 0 ‬‬

‫) ‪f1  ( pi 3 )  ( p13 , p 23 , p33 )  (0, 16 , 14‬‬

‫‪f k  f k 1 D , k  2‬‬
‫‪1 23 12 ‬‬
‫) ‪f 2  f1 D  (0, 16 , 12 ) 0 16 14   (0, 361 , 241 )  (0, 16  16 , 14  16‬‬
‫‪0 0 0‬‬
‫‪1 23 12 ‬‬
‫) ‪f 3  f 2 D  (0, 361 , 241 ) 0 16 14   (0, 16 ( 16 ) 2 , 14 ( 16 ) 2‬‬
‫‪0 0 0‬‬
‫‪1 23 14 ‬‬
‫‪1 ‬‬
‫‪f 4  f 3 D  (0, 216‬‬ ‫‪1‬‬
‫‪, 144‬‬ ‫‪) 0 16 14   (0, 1296‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪, 864‬‬ ‫) ‪)  (0, 16 ( 16 ) 3 , 14 ( 16 ) 3‬‬
‫‪0 0 0‬‬
‫‪‬‬ ‫‪‬‬
‫‪f k  (0, 16 ( 16 ) , 14 ( 16 ) 1 ) , k  1,2,3, ‬‬
‫‪k‬‬ ‫‪1‬‬ ‫‪k‬‬

‫أي أن‬
‫‪f k (1,3)  0 , k  1,2,3, ‬‬
‫‪1‬‬
‫‪f k (2,3)  16 ( ) k 1 , k  1,2,3, ‬‬
‫‪6‬‬
‫‪1‬‬
‫‪f k (3,3)  14 ( ) k 1 , k  1,2,3, ‬‬
‫‪6‬‬

‫‪28‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫وﺑﻨﺎء ﻋﻠﻰ ﻣﺎ ورد أﻋﻼه ﻓﺎﻧﮫ ﯾﻤﻜﻦ اﻟﻘﻮل ﺑﺎن اﻟﻌﻤﻠﯿﺔ ﻟﻦ ﺗﻨﺘﻘﻞ أﺑﺪا إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ‪ j‬ﺑﺪاً ﻣﻦ اﻟﺤﺎﻟﺔ اﻷوﻟﻰ ‪ ،‬أي أن‬
‫‪‬‬
‫‪P1{T1  }  1   f k (1,3)  1  0  1‬‬
‫‪k 1‬‬

‫ﻋﻨﺪ اﻟﺒﺪء ﻣﻦ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﯿﺔ ﻓﺎن اﺣﺘﻤﺎل اﻟﻌﻮدة اﻷوﻟﻰ إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ﺳﺘﺤﺪث ﻋﻨﺪ اﻟﻤﺮﺣﻠﺔ )اﻟﺰﻣﻦ( ‪ k‬ﺑﺎﺣﺘﻤﺎل‬
‫ﻣﻘﺪاره )‪ f k (2,3‬وان اﺣﺘﻤﺎل ﻋﺪم اﻟﻌﻮدة أﺑﺪا إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ھﻮ‬
‫‪‬‬
‫‪1  1 k 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪P2 {T1  }  1   f k (2,3)  1 ‬‬ ‫‪‬‬ ‫‪( )  1 ‬‬ ‫‪‬‬
‫‪6 k 1 6‬‬ ‫‪6‬‬ ‫‪1 5‬‬
‫‪k 1‬‬
‫‪1‬‬
‫‪6‬‬
‫أﻣﺎ ﻋﻨﺪ اﻟﺒﺪء ﻣﻦ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ﻓﺎن اﺣﺘﻤﺎل اﻟﻌﻮدة اﻷوﻟﻰ إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ﺳﺘﺤﺪث ﻋﻨﺪ اﻟﻤﺮﺣﻠﺔ )اﻟﺰﻣﻦ( ‪ k‬ﺑﺎﺣﺘﻤﺎل‬
‫ﻣﻘﺪاره )‪ f k (3,3‬وان اﺣﺘﻤﺎل ﻋﺪم اﻟﻌﻮدة أﺑﺪا إﻟﻰ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻟﺜﺔ ھﻮ‬
‫‪‬‬
‫‪1  1 k 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪7‬‬
‫‪P3 {T1  }  1   f k (3,3)  1 ‬‬ ‫‪‬‬ ‫‪( )  1 ‬‬ ‫‪‬‬
‫‪4 k 1 6‬‬ ‫‪4‬‬ ‫‪1 10‬‬
‫‪k 1‬‬
‫‪1‬‬
‫‪6‬‬
‫‪Random walk‬‬ ‫‪ .4‬اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ‬
‫ﻟﺘﻜﻦ ‪ Y1 , Y2 ,‬ﻣﺘﺘﺎﺑﻌﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ اﻟﻤﺴﺘﻘﻠﺔ ذات ﻗﯿﻢ ﺻﺤﯿﺤﺔ وﺗﻮزﯾﻊ ﻣﺸﺘﺮك ‪ f‬وﻟﯿﻜﻦ ‪ Y0‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ‬
‫أﺧﺮ ذي ﻗﯿﻢ ﺻﺤﯿﺤﺔ أﯾﻀﺎ وﻣﺴﺘﻘﻞ ﻋﻦ ‪ Yn‬ﻟﻜﻞ ‪ . n  1,2,‬ﻓﺈذا اﻓﺘﺮﺿﻨﺎ‬
‫‪n‬‬
‫‪X n   Yk‬‬
‫‪k 0‬‬

‫اﻟﻤﺘﺘﺎﺑﻌﺔ } ‪ { X n‬ﺗﺴﻤﻰ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ )‪ (Random walk‬وﺗﺘﻤﺜﻞ ﺑﻌﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ذات داﻟﺔ اﻧﺘﻘﺎل‬
‫) ‪Pij  f ( j  i‬‬
‫وﻛﺤﺎﻟﺔ ﺧﺎﺻﺔ‪ ،‬ﯾﻤﻜﻦ اﻹﺷﺎرة إﻟﻰ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ اﻟﺒﺴﯿﻂ )‪ (Simple Random walk‬ﯾﻜﻮن ﻓﯿﮭﺎ‬
‫‪f (1)  p, f (0)  r , f ( 1)  q‬‬
‫ﺣﯿﺚ ‪ p, q, r  0‬وان ‪. p  q  r  1‬‬
‫ﻓﻲ ھﺬا اﻟﺒﻨﺪ ﺳﻮف ﻧﺘﻄﺮق إﻟﻰ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ اﻟﺒﺴﯿﻂ وﻛﻤﺎ ﻓﻲ اﻟﺘﻌﺮﯾﻒ اﻷﺗﻲ‪-:‬‬
‫ﺗﻌﺮﯾﻒ )‪(1.4‬‬
‫ﺑﺄﻧﮭﺎ ﺳﯿﺮ ﻋﺸﻮاﺋﻲ )‪ (Random walk‬إذا ﻛﺎن‬ ‫ﻣﺎرﻛﻮف } ‪{ X n‬‬ ‫ﯾﻘﺎل ﻋﻦ ﺳﻠﺴﻠﺔ‬
‫‪p‬‬ ‫‪j  i 1‬‬
‫‪q‬‬ ‫‪j  i 1‬‬
‫‪‬‬
‫‪Pij  ‬‬
‫‪r‬‬ ‫‪ji‬‬
‫‪ 0‬‬ ‫‪e.w‬‬
‫ﺣﯿﺚ ‪ p, q, r  0‬وان‬
‫‪pqr 1‬‬
‫ﻣﺜﺎل)‪) (2.4‬اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ ﻋﻨﺪ وﺟﻮد ﺣﻮاﺟﺰ ﻋﺎﻛﺴﺔ(‬
‫ﯾﻘﻒ رﺟﻞ ﻋﻠﻰ ﻧﻘﻄﺔ ﻣﻦ ﻣﺤﻮر ‪ x‬ﺗﻤﺜﻞ ﻋﺪداً ﺻﺤﯿﺤﺎً ﺑﯿﻦ ﻧﻘﻄﺔ اﻷﺻﻞ ‪ O‬واﻟﻨ ﻘﻄﺔ ‪N‬‬
‫إﻟﻰ اﻟﯿﻤﯿﻦ ﻃﻮﻟﮭﺎ اﻟﻮﺣﺪة ﺑﺎﺣﺘﻤﺎل ‪ p‬أو ﺧﻄﻮة واﺣﺪة إﻟﻰ اﻟﯿﺴﺎر ﻃﻮﻟﮭﺎ اﻟﻮﺣﺪة ﺑﺎﺣﺘﻤﺎل ‪ . q  1  p‬إﻻ إذا ﻛﺎن ﻋﻨﺪ‬
‫ﺧﻄﻮة إﻟﻰ اﻟﻨ ﻘﻄﺔ ‪ . N  1‬اﻓﺮض أن‬ ‫اﻟﻨﻘﻄﺔ ‪ O‬ﻓﺎﻧﮫ ﯾﺄﺧﺬ ﺧﻄﻮة إﻟﻰ اﻟﻨﻘﻄﺔ‪ 1‬أو إذا ﻛﺎن ﻋﻨﺪ اﻟﻨﻘﻄﺔ ‪N‬‬

‫‪29‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ X n‬ﺗﺪل ﻋﻠﻰ ﻣﻮﺿﻌﮫ ﺑﻌﺪ ‪ n‬ﺧﻄﻮة ‪.‬‬

‫اﻟﻌﻤﻠﯿﺔ ﻋﻨﺪﻣﺎ ‪. N  5‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﺗﻌﺘﺒﺮ ھﺬه اﻟﻌﻤﻠﯿﺔ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺑﻔﻀﺎء اﻟﺤﺎﻻت } ‪ {0,1,2,, N‬ﺣﯿﺚ ‪ i  0,1,2,, N‬ﺗﻌﻨﻲ ان اﻟﺮﺟﻞ ﻋﻨﺪ اﻟﻨﻘﻄﺔ ‪. i‬‬
‫إذا ﻛﺎﻧﺖ ‪ N  5‬ﻓﺎن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ‪ M‬ﺗﻜﻮن ﻛﺎﻷﺗﻲ‬
‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0 ‬‬
‫‪‬‬
‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪M ‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0 ‬‬
‫ﯾﻨﺎﻇﺮ‬
‫)‪ (1‬اﻟﺼﻒ اﻷول ﺣﻘﯿﻘﺔ أن اﻟﺮﺟﻞ ﯾﺠﺐ أن ﯾﺘﺤﺮك ﻣﻦ اﻟﺤﺎﻟﺔ ‪ 0‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪.1‬‬
‫)‪ (2‬ﻛﻞ ﺻﻒ ﻣﺎﻋﺪا اﻟﺼﻒ اﻷول واﻷﺧﯿﺮ ﺣﻘﯿﻘﺔ أن اﻟﺮﺟﻞ ﯾﺘﺤﺮك ﻣﻦ اﻟﺤﺎﻟﺔ ‪ i‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪ i  1‬ﺑﺎﺣﺘﻤﺎل ‪ p‬أو ﯾﺘﺤﺮك‬
‫إﻟﻰ اﻟﺤﺎﻟﺔ ‪ i  1‬ﺑﺎﺣﺘﻤﺎل ‪q  1  p‬‬
‫)‪ (3‬اﻟﺼﻒ اﻷﺧﯿﺮ ﺣﻘﯿﻘﺔ أن اﻟﺮﺟﻞ ﯾﺠﺐ أن ﯾﺘﺤﺮك ﻣﻦ اﻟﺤﺎﻟﺔ ‪ N‬إﻟﻰ اﻟﺤﺎﻟﺔ ‪ ) N  1‬أي ﻣﻦ ‪ 5‬إﻟﻰ ‪.(4‬‬
‫ﻣﺜﺎل)‪(3.4‬‬
‫ﻧﻔﺮض أن أرﺑﻊ ﻧﻘﺎط ﻋﻠﻰ ﻣﺤﯿﻂ داﺋﺮة ﻣﺮﻗﻤﺔ ﺑﺎﻟﺘﻮاﻟﻲ ‪ 1,2,3,4‬ﻓﻲ ﻋﻜﺲ اﺗﺠﺎه ﻋﻘﺮب اﻟﺴﺎﻋﺔ‪ .‬ﺗﺴﯿﺮ اﻟﻨﻘﻄﺔ ﺳﯿﺮاً ﻋﺸﻮاﺋﯿًﺎ‬
‫ﻋﻠﻰ ﻣﺤﯿﻂ اﻟﺪاﺋﺮة ﺑﺤﯿﺚ ﺧﻄﻮة ﻋﻜﺲ اﺗﺠﺎه ﻋﻘﺮب اﻟﺴﺎﻋﺔ ﺑﺎﺣﺘﻤﺎل ‪ p‬أو ﺧﻄﻮة ﺑﺎﺗﺠﺎه ﻋﻘﺮب اﻟﺴﺎﻋﺔ ﺑﺎﺣﺘﻤﺎل ‪. q  1  p‬‬
‫اوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﺴﻠﺴﻠﺔ‪.‬‬
‫اﻟﺤﻞ‬
‫ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪ {1,2,3,4‬وﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻛﺎﻷﺗﻲ‬
‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬ ‫‪q‬‬
‫‪q‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪p‬‬ ‫‪0 ‬‬ ‫‪4‬‬
‫‪M ‬‬
‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬
‫‪‬‬ ‫‪‬‬
‫‪p‬‬ ‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪3‬‬

‫ﻣﺜﺎل)‪) (4.4‬اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ ﻋﻨﺪ وﺟﻮد ﺣﻮاﺟﺰ ﻣﺎﺻﺔ(‬

‫ﯾﻘﻒ رﺟﻞ ﻋﻠﻰ ﻧﻘﻄﺔ ﻣﻦ ﻣﺤﻮر ‪ x‬ﺗﻤﺜﻞ ﻋﺪداً ﺻﺤﯿﺤﺎً ﺑﯿﻦ ﻧﻘﻄﺔ اﻷﺻﻞ ‪ O‬واﻟﻨﻘﻄﺔ ‪ N‬ﻣﺜﻼً وﯾﺄﺧﺬ اﻟﺮﺟﻞ ﺧﻄﻮة إﻟﻰ‬
‫اﻟﯿﻤﯿﻦ ﻃﻮﻟﮭﺎ اﻟﻮﺣﺪة ﺑﺎﺣﺘﻤﺎل ‪ p‬أو ﺧﻄﻮة واﺣﺪة إﻟﻰ اﻟﯿﺴﺎر ﻃﻮﻟﮭﺎ اﻟﻮﺣﺪة ﺑﺎﺣﺘﻤﺎل ‪ q  1  p‬وان اﻟﺮﺟﻞ ﯾﺒﻘﻰ ﻋﻨﺪ‬
‫اﻟﻨﮭﺎﯾﺘﯿﻦ ‪ 0, N‬ﻣﺘﻰ وﺻﻞ إﻟﻰ أي ﻣﻨﮭﺎ‪ .‬اوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ ﻋﻨﺪﻣﺎ ‪. N  4‬‬
‫اﻟﺤﻞ‬
‫ﺗﻌﺘﺒﺮ ھﺬه اﻟﻌﻤﻠﯿﺔ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف ﺑﻔﻀﺎء ﺣﺎﻻت ھﻮ }‪ {0,1,2,3,4‬وﺑﮭﺬه اﻟﺤﺎﻟﺔ ﺗﻜﻮن اﻟﺤﺎﻻت ‪ 0, N‬أوﺿﺎع ﻣﺎﺻﺔ‪.‬‬
‫إذا ﻛﺎﻧﺖ ‪ N  4‬ﻓﺎن ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻛﺎﻷﺗﻲ‬

‫‪30‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬

‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬ ‫‪0 ‬‬
‫‪‬‬
‫‪M  0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪q‬‬ ‫‪0‬‬ ‫‪p‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1 ‬‬
‫ﻣﻼﺣﻈﺔ‬
‫ﯾﻤﻜﻦ اﻋﺘﺒﺎر ﻣﺴﺎﻟﺔ اﻟﻤﺮاھﻨﺔ)اﻟﻤﻘﺎﻣﺮة( ﺣﺎﻟﺔ ﺧﺎﺻﺔ ﻣﻦ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ‪.‬‬
‫ﻣﺜﺎل)‪(5.4‬‬
‫ﻟﯿﻜﻦ ‪ A‬ﻻﻋﺒﺎ ﻣﺎ ﻟﺪﯾﮫ ‪ x‬ﻣﻦ اﻟﺪﻧﺎﻧﯿﺮ‪ .‬ﯾﻐﺎﻣﺮ ھﺬا اﻟﻼﻋﺐ ﺑﺪﯾﻨﺎر ﻛﻞ ﻣﺮة وﯾﻜﺴﺒﮫ ﺑﺎﺣﺘﻤﺎل ‪ p‬أو ﯾﺨﺴﺮه ﺑﺎﺣﺘﻤﺎل ‪. q  1  p‬‬
‫ﺗﻨﺘﮭﻲ اﻟﻠﻌﺒﺔ ﻋﻨﺪﻣﺎ ﯾﺨﺴﺮ ‪ A‬ﻛﻞ ﻣﺎ ﻣﻌﮫ أو ﯾﻜﺴﺐ ‪ y  x‬ﻣﻦ اﻟﺪﻧﺎﻧﯿﺮ ‪ .‬أي ﻋﻨﺪﻣﺎ ﯾﺼﺒﺢ ﻣﻌﮫ ‪ y‬ﻣﻦ اﻟﺪﻧﺎﻧﯿﺮ‪.‬‬
‫)‪ (1‬اوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ‪.‬‬
‫)‪ (2‬ﻣﺎ ھﻮ اﻻﺣﺘﻤﺎل أن )ا( ﯾﺨﺴﺮ ﻧﻘﻮده ﻓﻲ ﻧﮭﺎﯾﺔ )‪ (5‬ﻣﺮات ﻋﻠﻰ اﻷﻛﺜﺮ )ب( ﺗﺴﺘﻤﺮ اﻟﻤﺒﺎراة أﻛﺜﺮ ﻣﻦ )‪ (7‬ﻣﺮات‬
‫اﻟﺤﻞ‪:‬‬
‫)‪(1‬‬
‫ھﺬه اﻟﻠﻌﺒﺔ ﺗﻄﺎﺑﻖ ﺗﻤﺎﻣﺎ اﻟﺴﯿﺮ اﻟﻌﺸﻮاﺋﻲ ﻋﻨﺪ وﺟﻮد ﺣﻮاﺟﺰ ﻣﺎﺻﺔ ﻋﻨﺪ اﻟﺤﺎﻻت ‪ 0, y‬وﯾﻜﻮن ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ‬
‫‪i  1,2,, y  1 , p00  p yy  1‬‬ ‫‪pi ,i 1  p  1  pi ,i 1‬‬ ‫}‪، {0,1,2,, y‬‬
‫وﺑﺼﻮرة ﺧﺎﺻﺔ إذا ﻛﺎن اﻟﻼﻋﺐ ﻟﺪﯾﮫ دﯾﻨﺎران‪ .‬ﯾﻜﺴﺐ ھﺬا اﻟﻼﻋﺐ دﯾﻨﺎرا ﻓﻲ ﻛﻞ ﻣﺮة ﺑﺎﺣﺘﻤﺎل ‪ . 12‬ﯾﺘﻮﻗﻒ اﻟﻼﻋﺐ‬
‫ﻋﻦ اﻟﻠﻌﺐ إذا ﺧﺴﺮ اﻟﺪﯾﻨﺎرﯾﻦ أو إذا ﻛﺴﺐ أرﺑﻊ دﻧﺎﻧﯿﺮ‪ .‬ﻓﺎن ‪ p  12 , x  2, y  x  4‬ﯾﻜﻮن ﻓﻀﺎء اﻟﺤﺎﻻت‬
‫}‪ {0,1,2,3,4,5,6‬وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ھﻲ‬
‫‪1‬‬ ‫‪0 0 0 0 0 0‬‬
‫‪1‬‬ ‫‪0 12 0 0 0 0 ‬‬
‫‪2‬‬
‫‪0‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪0 12 0 0 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪M  0‬‬ ‫‪0 12 0 12 0 0 ‬‬
‫‪0‬‬ ‫‪0 0 12 0 12 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0 0 0 12 0 12 ‬‬
‫‪0‬‬ ‫‪0 0 0 0 0 1 ‬‬
‫‪‬‬

‫ﻻن اﻟﻼﻋﺐ ﻣﻌﮫ دﯾﻨﺎران ‪ ،‬أي ان ‪x  2‬‬ ‫)‪p ( 0 )  (0,0,1,0,0,0,0‬‬

‫‪3‬‬
‫)ا( ) ‪ p (5)  p ( 0)  M 5  ( 83 , 325 ,0, 329 ,0, 18 , 161‬اﺣﺘﻤﺎل ان ﯾﺨﺴﺮ ﻧﻘﻮده ﻓﻲ ﻧﮭﺎﯾﺔ )‪ (5‬ﻣﺮات ﻋﻠﻰ اﻷﻛﺜﺮ ھﻮ‬
‫‪8‬‬
‫‪ p ( 7 )  p ( 0)  M 7  ( 6429 , 647 ,0, 128‬اﺣﺘﻤﺎل ان ﺗﺴﺘﻤﺮ اﻟﻤﺒﺎراة أﻛﺜﺮ ﻣﻦ ‪ 7‬ﻣﺮات ھﻮ‬
‫‪27‬‬
‫)ب( ) ‪, 8‬‬
‫‪13 1‬‬
‫‪,0, 128‬‬
‫‪7‬‬ ‫‪27‬‬ ‫‪13 27‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪64‬‬ ‫‪128‬‬ ‫‪128 64‬‬

‫‪31‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﻣﺜﺎل )‪(6.4‬‬
‫ﻻﻋﺒﺎً ﻣﺎ ﻟﺪﯾﮫ ﺛﻼث دﻧﺎﻧﯿﺮ‪ .‬ﻓﻲ ﻛﻞ ﻣﺒﺎراة ﯾﺨﺴﺮ ھﺬا اﻟﻼﻋﺐ دﯾﻨﺎراً ﺑﺎﺣﺘﻤﺎل ‪ 0.75‬أو ﯾﻜﺴﺐ دﯾﻨﺎران ﺑﺎﺣﺘﻤﺎل ‪. 0.25‬‬
‫ﯾﺘﻮﻗﻒ ھﺬا اﻟﻼﻋﺐ ﻋﻦ اﻟﻠﻌﺐ إذا ﺧﺴﺮ ﻛﻞ ﻣﺎ ﻟﺪﯾﮫ أو إذا ﻛﺴﺐ ﺛﻼث دﻧﺎﻧﯿﺮ ﻋﻠﻰ اﻷﻗﻞ ‪.‬‬
‫)ا( اوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻠﻤﯿﺔ )ب( ﻣﺎ ھﻮ اﺣﺘﻤﺎل أن ﺗﺴﺘﻤﺮ اﻟﻤﺮاھﻨﺔ ﻋﻠﻰ اﻷﻗﻞ ‪ 4‬ﻣﺮات ‪.‬‬
‫اﻟﺤﻞ ‪:‬‬

‫‪x  3,‬‬ ‫‪y  x  3,‬‬ ‫‪y6‬‬

‫إذن ﻓﻀﺎء اﻟﺤﺎﻻت ھﻮ }‪{0,1,2,3,4,5,6‬‬
‫‪1‬‬ ‫‪0 0 0 0 0 0‬‬
‫‪3‬‬ ‫‪0 0 14 0 0 0 ‬‬
‫‪4‬‬
‫‪0‬‬ ‫‪3‬‬
‫‪4‬‬ ‫‪0 0 14 0 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪M  0‬‬ ‫‪0 34 0 0 14 0 ‬‬
‫‪0‬‬ ‫‪0 0 34 0 0 14 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0 0 0 34 0 14 ‬‬
‫‪0‬‬ ‫‪0 0 0 0 0 1 ‬‬
‫‪‬‬
‫)‪p ( 0)  (0,0,0,1,0,0,0‬‬
‫‪3‬‬ ‫‪1‬‬
‫)‪p (1)  p ( 0 )  M  (0,0, ,0,0, ,0‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪1‬‬
‫) ‪p ( 2 )  p ( 0 )  M 2  p (1)  M  (0, ,0,0, ,0,‬‬
‫‪16‬‬ ‫‪16 16‬‬
‫‪27‬‬ ‫‪27‬‬ ‫‪10‬‬
‫) ‪p ( 3)  p ( 0 )  M 3  p ( 2 )  M  ( ,0,0, ,0,0,‬‬
‫‪64‬‬ ‫‪64‬‬ ‫‪64‬‬
‫‪27‬‬ ‫‪81‬‬ ‫‪27 10‬‬
‫‪p ( 4 )  p ( 0 )  M 4  p ( 3)  M  ( ,0,‬‬ ‫‪,0,0,‬‬ ‫) ‪,‬‬
‫‪64 256‬‬ ‫‪256 64‬‬
‫‪27‬‬
‫‪.‬‬ ‫اﺣﺘﻤﺎل أن ﺗﺴﺘﻤﺮ اﻟﻤﺒﺎراة )اﻟﻤﺮاھﻨﺔ( ﻋﻠﻰ اﻷﻗﻞ ‪ 4‬ﻣﺮات ھﻮ‬
‫‪64‬‬
‫‪ .5‬ﺑﻌﺾ اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ اﻟﺨﺎﺻﺔ ‪Some Special Stochastic Processes‬‬

‫ﻋﻤﻠﯿﺎت ﺑﺮﻧﻮﻟﻲ ‪Bernoulli Processes‬‬

‫ﻟﻨﺘﺬﻛﺮ ﺗﻮزﯾﻊ ذي اﻟﺤﺪﯾﻦ) ‪ (Binomial Distribution‬ﺣﯿﺚ ﯾﻘﺎل ﻟﻠﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X‬ﺑﺎن ﻟﮫ ﺗﻮزﯾﻊ ذي اﻟﺤﺪﯾﻦ‬
‫إذا ﻛﺎﻧﺖ داﻟﺔ اﻟﻜﺜﺎﻓﺔ اﻻﺣﺘﻤﺎﻟﯿﺔ ‪ f‬ﻟﮫ ﺑﺎﻟﺼﻮرة اﻵﺗﯿﺔ‬
‫‪n‬‬
‫‪f ( x)    p x (1  p ) n  x ,‬‬ ‫‪x  0,1,2,  , n‬‬
‫‪ x‬‬
‫ﺣﯿﺚ ‪ . 0  p  1, n  1,2,‬وﯾﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ) ‪ . X ~ b(n, p‬وان‬
‫‪E ( X )  np,‬‬ ‫) ‪Var ( X )  np (1  p‬‬

‫‪32‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺗﻮزﯾﻊ ﺑﺮﻧﻮﻟﻲ ھﻮ ﺣﺎﻟﺔ ﺧﺎﺻﺔ ﻣﻦ ﺗﻮزﯾﻊ ذي اﻟﺤﺪﯾﻦ ﻋﻨﺪﻣﺎ ‪ . n  1‬أي أن ﻟﻠﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X‬ﻟﮫ ﺗﻮزﯾﻊ ﺑﺮﻧﻮﻟﻲ إذا‬
‫ﻛﺎﻧﺖ داﻟﺔ اﻟﻜﺜﺎﻓﺔ اﻻﺣﺘﻤﺎﻟﯿﺔ ‪ f‬ﻟﮫ ﺑﺎﻟﺼﻮرة اﻵﺗﯿﺔ‬
‫‪f ( x)  p x (1  p )1 x ,‬‬ ‫‪x  0,1‬‬
‫ﺣﯿﺚ ‪ . 0  p  1‬وﯾﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ) ‪ . X ~ br ( p‬وان‬
‫‪E ( X )  p,‬‬ ‫)‪Var ( X )  p(1  p‬‬

‫ﻣﻼﺣﻈﺔ‬
‫إذا ﻛﺎﻧﺖ ‪ X 1 , X 2 ,, X n‬ﻋﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ ﺣﺠﻤﮫ ‪ n‬ﻣﻦ ﺗﻮزﯾﻊ ﺑﺮﻧﻮﻟﻲ ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ p‬ﻓﺎن‬
‫‪n‬‬
‫‪S n   X k ~ b (n , p ), n  0‬‬
‫‪k 1‬‬

‫وﻋﻠﯿﺔ ) ‪E ( S n )  np, Var ( S n )  np (1  p ), E ( S n2 )  np (1  p  np‬‬

‫ﺗﻌﺮﯾﻒ)‪(1.5‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ } ‪ { X n‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ )‪ (Bernoulli Processes‬ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬واﺣﺘﻤﺎل ﻓﺸﻞ‬
‫‪ q  1  p‬إذا ﻛﺎن‬
‫)‪P{ X n  1}  p, P{ X n  0}  q (2‬‬ ‫)‪ (1‬اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X 1 , X 2 ,‬ﻣﺴﺘﻘﻠﺔ‬
‫أي أن ‪ X n  1‬ﺗﻤﺜﻞ ﺣﺎﻟﺔ اﻟﻨﺠﺎح ﻓﻲ اﻟﻤﺤﺎوﻟﺔ ‪ n‬وﺑﺎﺣﺘﻤﺎل ‪ p‬ﺣﯿﺚ ‪ 0  p  1‬وان ‪ X n  0‬ﯾﻤﺜﻞ ﺣﺎﻟﺔ اﻟﻔﺸﻞ ﻓﻲ‬
‫اﻟﻤﺤﺎوﻟﺔ ‪ n‬ﺑﺎﺣﺘﻤﺎل ‪. q  1  p‬‬
‫ﻣﺜﺎل )‪(2.5‬‬
‫ﺑﺮھﻦ ﻋﻠﻰ أن ﻛﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ھﻲ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف وﻟﻜﻦ اﻟﻌﻜﺲ ﻏﯿﺮ ﺻﺤﯿﺢ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﯾﺠﺐ أن ﻧﺒﺮھﻦ‬
‫} ‪P{ X n 1  k | X 0  x0 , X 11  x1 ,  , X n  x n }  P{ X n 1  x | X n  x n‬‬
‫ﻣﺒﺮھﻨﺔ )‪(3.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ ﻣﻦ‬
‫ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬وﻟﯿﻜﻦ ‪ m‬ﻋﺪد ﺻﺤﯿﺤﺎ ﻏﯿﺮ ﺳﺎﻟﺐ ﻓﺎن ) ‪S m  n  S n ~ b(n, p‬‬
‫اﻟﺒﺮھﺎن ‪:‬‬
‫‪mn‬‬ ‫‪m‬‬ ‫‪n‬‬
‫‪Smn Sn  X k X k  (X1  X 2  X mn ) (X1  X 2  X m )  X m1  X m2  X mn  X mn‬‬
‫‪k 1‬‬ ‫‪k 1‬‬ ‫‪k 1‬‬

‫ﯾﻤﺜﻞ ﻣﺠﻤﻮع ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ اﻟﻤﺤﺎوﻻت اﻟﻤﺴﺘﻘﻠﺔ ‪. m  1, m  2, , m  n‬‬
‫ﺑﻤﺎ أن )‪ X m k ~ br ( P‬ﻓﺎن )‪ S m n  S m ~ b(n, P‬واﻧﮫ ﻻ ﯾﻌﺘﻤﺪ ﻋﻠﻰ ‪ m‬وإﻧﻤﺎ ﯾﻌﺘﻤﺪ ﻋﻠﻰ ﻋﺪد اﻟﺤﺎﻻت اﻟﻤﺴﺘﻘﻠﺔ ﻓﻘﻂ‪.‬‬
‫ﻣﺜﺎل)‪(4.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ‬
‫ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬اﺣﺴﺐ ﻛﻞ ﻣﻦ )‪P{S13  S 7  3} (2) P{S 5  4} (1‬‬
‫اﻟﺤﻞ‪:‬‬
‫)‪(1‬‬
‫‪33‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺑﻤﺎ أن )‪S 5 ~ b(5, P‬‬

‫‪5‬‬
‫)‪P{S 5  4}  f (4)    P 4 (1  P)  P 4 (1  P‬‬
‫‪ 4‬‬
‫)‪(2‬‬
‫)‪S13  S 7 ~ b(6, P‬‬ ‫ﯾﻤﺎ أن ‪ m  7‬و ‪ n  6  m  n  13‬وﻋﻠﯿﺔ‬
‫‪6‬‬
‫‪P{S13  S 7  3}  f (3)    p 3 (1  p ) 3  20 p 3 (1  p ) 3‬‬
‫‪ 3‬‬
‫ﻣﺒﺮھﻨﺔ)‪(5.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ ﻣﻦ‬
‫ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ وﻟﯿﻜﻦ ‪ m‬ﻋﺪدا ﺻﺤﯿﺤﺎ ﻏﯿﺮ ﺳﺎﻟﺒﺎ ﻓﺎن ‪ S m n  S m‬ﻣﺴﺘﻘﻞ ﻋﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪. S 0 , S1 ,, S m‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫ﯾﺠﺐ أن ﻧﺒﺮھﻦ ﻋﻠﻰ أن‬
‫}‪P{S m  n  S m  x | S 0 , S1 ,  , S m }  P{S m  n  S m  x}  P{S n  x‬‬
‫ﺑﻤﺎ أن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ S 0 , S1 ,  , S m‬ھﻲ دوال ﻟﻠﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪X 1 , X 2 ,  , X n‬‬
‫} ‪P{S m  n  S m  x | S 0 , S1 ,  , S m }  P{S m  n  S m  x | X 1 , X 2 ,  , X m‬‬
‫ﺑﻤﺎ أن ‪ S m n  S m  X m1  X m 2    X m n‬وان اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X m1 , X m 2 ,, X m n‬ﻣﺴﺘﻘﻠﺔ ﻋﻦ‬
‫ﻟﻠﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X 1 , X 2 , , X m‬ﻓﺎن }‪P{S m  n  S m  x | S 0 , S1 ,  , S m }  P{S m  n  S m  x}  P{S n  x‬‬
‫ﻧﺘﯿﺠﺔ )‪(6.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ‬
‫ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬إذا ﻛﺎﻧﺖ ‪ 0  n0  n1    nr‬ﺗﻤﺜﻞ أﻋﺪاد ﺻﺤﯿﺤﺔ ﻓﺎن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ‬
‫‪ S n  S 0 , S n  S1 ,  , S n  S n‬ﺗﻜﻮن ﻣﺴﺘﻘﻠﺔ وان ) ‪ S n  S n ~ b(nk  nk 1 , p‬ﻟﻜﻞ ‪k  1,2,, r‬‬
‫‪k‬‬ ‫‪k 1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪r‬‬ ‫‪r 1‬‬

‫ﻣﺜﺎل)‪(7.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ‬
‫ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬أوﺟﺪ اﻻﺣﺘﻤﺎل اﻟﻤﺸﺘﺮك }‪P{S 5  4, S 7  4, S13  8‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﺑﻤﺎ أن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ S 5 , S 7  S 5 , S13  S 7‬ﻣﺴﺘﻘﻠﺔ وان‬
‫)‪S 5 ~ b(5, b), S 7  S 5 ~ b(2, P), S13  S 7 ~ b(6, P‬‬
‫}‪P {S 5  4, S 7  4, S 13  8}  P {S 5  4, S 7  S 5  0, S 13  S 7  4‬‬
‫}‪ P {S 5  4}P {S 7  S 5  0}P {S 13  S 7  4‬‬
‫‪5‬‬ ‫‪ 2‬‬ ‫‪ 6‬‬
‫‪   P 4 (1  P )   P 0 (1  P ) 2   P 4 (1  P ) 2  75P 8 (1  P )5‬‬
‫‪ 4‬‬ ‫‪0‬‬ ‫‪ 4‬‬
‫ﻣﺜﺎل)‪(8.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ‬
‫ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬أوﺟﺪ ) ‪E ( S 5 S 6‬‬

‫‪34‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫اﻟﺤﻞ‪:‬‬
‫) ‪S 6  S 5  (S 6  S 5‬‬
‫) ‪S 5 S 6  S 52  S 5 ( S 6  S 5‬‬
‫) ‪E ( S 5 S 6 )  E ( S 52 )  E ( S 5 ( S 6  S 5 ))  E ( S 52 )  E ( S 5 ) E ( S 6  S 5‬‬
‫) ‪ Var ( S 5 )  ( E ( S 5 )) 2  E ( S 5 ) E ( S 6  S 5‬‬
‫‪ 5 P (1  P )  25 P 2  5 PP  5 P (1  P )  30 P 2‬‬
‫ﻣﺒﺮھﻨﺔ )‪(9.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ ﻣﻦ‬
‫ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬وﻟﯿﻜﻦ ‪ Y‬ﻣﺘﻐﯿﺮا ﻋﺸﻮاﺋﯿﺎ ﻣﻌﺘﻤﺪا ﻋﻠﻰ ﻋﺪد ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ ، S m , S m1 ,, S m n‬أي أن‬
‫) ‪ Y  g ( S m , S m1 ,, S m n‬ﻓﺎن‬
‫) ‪E (Y | S m , S m 1 ,  , S m  n )  E (Y | S m‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫ﯾﺘﺮك ﻟﻠﻘﺎرئ‬
‫ﻣﺜﺎل)‪(10.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪ n‬ﻣﺤﺎوﻟﺔ‬
‫ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬أوﺟﺪ )‪E ( S 2 S 8 ) (2) E ( S 8 | S 2 ) (1‬‬
‫اﻟﺤﻞ‪:‬‬
‫)‪(1‬‬
‫) ‪S8  S 2  (S8  S 2‬‬
‫) ‪E (S8 | S 2 )  E (S 2  (S8  S 2 ) | S 2 )  E (S 2 | S 2 )  E (S8  S 2 | S 2‬‬
‫ﺑﻤﺎ أن ‪ E ( S 2 | S 2 )  S 2‬وﺑﻤﺎ أن ‪ S 2‬ﻣﺴﺘﻘﻞ ﻋﻦ اﻟﻤﺘﻐﯿﺮ ‪ S 8  S 2‬ﻓﺎن‬
‫‪E (S8  S 2 | S 2 )  E (S8  S 2 )  E (S 6 )  6P‬‬
‫‪E (S8 | S 2 )  S 2  E (S 6 )  S 2  6P‬‬
‫)‪(2‬‬
‫)) ‪E ( S 2 S 8 )  E ( E ( S 2 S 8 | S 2‬‬
‫) ‪E (S8 | S 2 )  S 2 E (S8 | S 2‬‬
‫ﺑﻤﺎ أن ‪ E ( S 8 | S 2 )  S 2  6 P‬ﻓﺎن‬
‫) ‪E ( S 2 S 8 )  E ( S 2 ( S 2  6 P))  E ( S 22  6 PS 2 )  E ( S 22 )  6 PE ( S 2‬‬
‫‪ 2 P(1  P  2 p)  2 P(2 P)  2 p  14 P 2‬‬
‫ﻣﺜﺎل )‪(11.5‬‬
‫ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪n‬‬
‫ﻣﺤﺎوﻟﺔ ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ ،‬ﻣﻦ اﻟﻤﺒﺮھﻨﺔ)‪ (9.5.10‬ﻧﺤﺼﻞ ﻋﻠﻰ أن‬
‫} ‪P{ X n 1  k | X 0  x0 , X 11  x1 ,  , X n  x n }  P{ X n 1  x | X n  x n‬‬
‫وﻣﻦ ﺛﻢ ﻓﺎن } ‪ { X n‬ﺗﻤﺜﻞ ﺳﻠﺴﻠﺔ ﻣﺎرﻛﻮف وان اﻻﺣﺘﻤﺎل اﻷوﻟﻲ‬

‫‪35‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ p0( 0)  p{ X 0  0}  1‬وان ‪ pi( 0)  p{ X 0  i}  0‬ﻟﻜﻞ ‪. i  1‬‬

‫وان اﺣﺘﻤﺎل اﻻﻧﺘﻘﺎل ‪ Pij‬ھﻮ‬
‫}‪Pij  P{ X n 1  j | X n  i}  P{i  X n 1  X n  j | X n  i‬‬
‫}‪ P{ X n 1  X n  j  i | X n  i}  P{ X n 1  X n  j  i‬‬
‫وﻋﻠﯿﺔ‬
‫‪ p, j  i  1‬‬
‫‪‬‬
‫‪Pij  P{ X n 1‬‬ ‫‪ j | X n  i}   q, j  1‬‬
‫‪ 0, o.w‬‬
‫‪‬‬
‫وﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫‪q‬‬ ‫‪p‬‬ ‫‪0 ‬‬‫‪0‬‬
‫‪0‬‬ ‫‪q p 0  ‬‬
‫‪M ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0   ‬‬
‫وﻧﻼﺣﻆ أن‬
‫‪ n  j i n  j  i‬‬
‫‪P{ X n  n  j | X m  i}  P{ X m  n  X m  j  i}  ‬‬ ‫‪ p q‬‬
‫‪ j  1‬‬
‫) ‪ Pij  P{ X n n  j | X m  i}  Pij( n‬ﻟﻜﻞ ‪ . j  i,1  i, , n  i‬وھﻲ ﻋﺒﺎرة اﺣﺘﻤﺎل‬ ‫ﻟﻜﻞ ‪ j  i,1  i, , n  i‬وﻋﻠﯿﺔ‬
‫‪ M‬ﺧﻼل ‪ n‬ﻣﻦ اﻟﺨﻄﻮات‪.‬‬ ‫) ‪(n‬‬
‫اﻻﻧﺘﻘﺎل ﺧﻼل ‪ n‬ﻣﻦ اﻟﺨﻄﻮات واﻟﺘﻲ ﻣﻨﮭﺎ ﯾﻤﻜﻦ ﺑﻨﺎء اﻟﻤﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎﻟﯿﺔ‬

‫ﻋﻤﻠﯿﺎت وﻧﺮ ‪Winer Processes‬‬

‫ﺗﻌﺮﯾﻒ)‪(12.5‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ﺑﺄﻧﮭﺎ ذات ﺗﺰاﯾﺪا ﻣﺴﺘﻘﻼ )‪ (Independent Increment‬إذا ﻛﺎن‬
‫)‪X 0  0 (1‬‬
‫)‪ (2‬ﻟﻜﻞ ‪ n  1‬وﻟﻜﻞ ‪ 0  t 0  t1    t n‬ﻓﺎن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X t  X t , X t  X t ,  , X t  X t‬ﻧﻜﻮن‬
‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪n 1‬‬

‫ﻣﺴﺘﻘﻠﺔ‪ .‬وﯾﻘﺎل ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t  0‬ﺑﺄﻧﮭﺎ ذات ﺗﺰاﯾﺪا ﻣﺴﺘﻘﻼ ﺛﺎﺑﺘﺎ )‪(Stationary Independent Increment‬‬
‫إذا ﻛﺎن اﻟﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X t  h  X s  h‬ﻟﮫ ﻧﻔﺲ ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X t  X s‬ﻟﺠﻤﯿﻊ ﻗﯿﻢ ‪ s, t‬وﻟﻜﻞ ‪h  0‬‬
‫ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ ﺷﺮط اﻟﺘﺰاﯾﺪ اﻟﻤﺴﺘﻘﻞ اﻋﻼة‪.‬‬
‫ﻣﺒﺮھﻨﺔ)‪(13.5‬‬
‫إذا ﻛﺎﻧﺖ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ذات ﺗﺰاﯾﺪا ﻣﺴﺘﻘﻼ ﻓﺎن‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪X‬‬ ‫‪t1 , X t 2 ,, X t n‬‬
‫‪(1 ,  2 ,  ,  n )   X t (  k )  X t‬‬ ‫‪ X tt k 1‬‬ ‫) ‪(  m‬‬
‫‪1‬‬ ‫‪k‬‬
‫‪k 1‬‬ ‫‪k 2‬‬ ‫‪mk‬‬

‫اﻟﺒﺮھﺎن‪:‬‬
‫ﯾﺘﺮك ﻟﻠﻄﺎﻟﺐ‬

‫‪36‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫ﺗﻌﺮﯾﻒ)‪(14.5‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ وﻧﺮ )‪) (Winer Process‬أو ﺗﺴﻤﻰ ﺑﺎﻟﺤﺮﻛﺔ اﻟﺒﺮاوﻧﯿﺔ ‪Brownian‬‬
‫‪ (Motion‬إذا ﻛﺎن‬
‫)‪ E ( X t )  0 (3‬ﻟﻜﻞ ‪t  0‬‬ ‫)‪ { X t }t 0 (2‬ذات ﺗﺰاﯾﺪا ﻣﺴﺘﻘﻼ ﺛﺎﺑﺘﺎ‬ ‫)‪X 0  0 (1‬‬
‫)‪ (4‬اﻟﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X t‬ﻟﮫ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻜﻞ ‪t  0‬‬
‫ﺑﻤﺎ أن ‪ X t‬ﺗﺰاﯾﺪا ﻣﺴﺘﻘﻼ ‪ ،‬ﻓﺄﻧﺔ ﺗﻮﺟﺪ ﻛﻤﯿﺔ ﺛﺎﺑﺘﺔ ‪  2‬ﺑﺤﯿﺚ أن ‪ Var( X t  X s )   2 t  s‬ﻟﻜﻞ ‪ ، t  s  0‬وﺑﻤﺎ‬
‫أن ‪ X 0  0‬ﻓﺎن ‪Var( X t )   2 t‬‬

‫ﻋﻤﻠﯿﺎت ﺑﻮاﺳﻮن ‪Poisson Processes‬‬

‫ﻟﻨﺘﺬﻛﺮ ﺗﻮزﯾﻊ ﺑﻮاﺳﻮن‪،‬ﺣﯿﺚ ﯾﻘﺎل ﻟﻠﻤﺘﻐﯿﺮ اﻟﻌﺸﻮاﺋﻲ ‪ X‬ﺑﺎن ﻟﮫ ﺗﻮزﯾﻊ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ ‬إذا ﻛﺎﻧﺖ داﻟﺔ اﻟﻜﺜﺎﻓﺔ‬
‫اﻻﺣﺘﻤﺎﻟﯿﺔ ‪ f‬ﻟﮫ ﺑﺎﻟﺼﻮرة اﻵﺗﯿﺔ‬
‫‪x e ‬‬
‫‪f ( x) ‬‬ ‫‪,‬‬ ‫‪x  0,1,2, ‬‬
‫!‪x‬‬
‫‪E( X )  ,‬‬ ‫‪Var ( X )  ‬‬ ‫ﺣﯿﺚ ‪ .   0‬وﯾﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ) ‪ . X ~ p(‬وان‬
‫ﻣﺜﻼ‪ :‬إذا ﻛﺎن )‪ ، X ~ p(1‬ﻓﺎن ‪ E ( X )  Var ( X )  1‬وﻛﺬﻟﻚ ﻣﺜﻼ‬
‫‪12 e 1‬‬
‫‪P{ X  2}  f (2) ‬‬ ‫‪ 0.184‬‬
‫!‪2‬‬
‫أو ﻣﻦ ﺟﺪاول ﺗﻮزﯾﻊ ﺑﻮاﺳﻮن ﻋﻨﺪﻣﺎ ‪  1‬‬
‫‪P{ X  2}  P{ X  2}  P{ X  1}  0.920  0.736  0.184‬‬
‫ﺗﻌﺮﯾﻒ )‪(15.5‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن )‪ (Poisson Processes‬ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ ‬إذا ﻛﺎن‬
‫)‪ { X t }t  0 (1‬ذات ﺗﺰاﯾﺪ ﻣﺴﺘﻘﻞ ﺛﺎﺑﺖ )‪ X t  X s ~ P( (t  s )) (2‬ﻟﻜﻞ ‪s  t‬‬
‫وﻣﻦ اﻟﺘﻌﺮﯾﻒ ﻣﺒﺎﺷﺮة ﻧﺴﺘﻨﺞ ﻋﻠﻰ أن ) ‪ X t ~ P(t‬ﻟﻜﻞ ‪. t  0‬‬
‫ﻣﺒﺮھﻨﺔ)‪(16.5‬‬
‫ﻟﺘﻜﻦ ‪ { X t }t 0‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ . ‬ﻓﺎن‬
‫}‪{ X t  h  X t  k | X s , s  t}  { X t  h  X t  k‬‬
‫اﻟﺒﺮھﺎن‪:‬‬
‫ﯾﺘﺮك ﻟﻠﻘﺎرى‬
‫ﻣﺜﺎل)‪(17.5‬‬
‫ﻟﺘﻜﻦ ‪ { X t }t 0‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ .   8‬اﺣﺴﺐ ﻛﻞ ﻣﻦ‬
‫‪{ X 2.5‬‬ ‫)‪ 5 | X 1.5  3} (3‬‬ ‫)‪{ X 1.5  3, X 2.5  5} (2‬‬ ‫)‪{ X 1.5  3} (1‬‬

‫اﻟﺤﻞ‪:‬‬
‫)‪(1‬‬

‫‪37‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪X t ~ P (t ),‬‬ ‫‪  8,‬‬ ‫) ‪X t ~ P (8t‬‬

‫)‪X 1.5 ~ P(12‬‬
‫‪(12) 3 e 12‬‬
‫‪{ X 1.5  3} ‬‬ ‫‪ 0.00177‬‬
‫!‪3‬‬
‫)‪(2‬‬
‫ﯾﻤﺎ أن )) ‪ X t  X s ~ P( (t  s‬ﻟﻜﻞ ‪X 2.5  X 1.5 ~ P (8)  s  t‬‬
‫وﻛﺬﻟﻚ ‪ X 1.5 , X 2.5  X 1.5‬ﻣﺴﺘﻘﻼن‬
‫}‪{ X 1.5  3, X 2.5  5}  { X 1.5  3, X 2.5  X 1.5  2}  { X 1.5  3}  { X 2.5  X 1.5  2‬‬
‫‪(12) 3 e 12 8 2 e 8‬‬
‫‪{ X 1.5  3, X 2.5  5} ‬‬ ‫‪‬‬ ‫‪ 0.00177  0.0107  0.0000189‬‬
‫!‪3‬‬ ‫!‪2‬‬

‫)‪(3‬‬
‫‪{ X 1.5  3, X 2.5  5} 0.0000189‬‬
‫‪{ X 2.5  5 | X 1.5  3} ‬‬ ‫‪‬‬ ‫‪ 0.0107‬‬
‫}‪{ X 1.5  3‬‬ ‫‪0.00177‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﻄﺒﯿﻌﯿﺔ ‪Normal Processes‬‬
‫ﻟﺘﻜﻦ ‪ X 1 , X 2 , X n‬ﻣﺘﻐﯿﺮات ﻋﺸﻮاﺋﯿﺔ ﻣﻦ اﻟﻨﻮع اﻟﻤﺴﺘﻤﺮ وﻟﯿﻜﻦ‬
‫‪ i  E ( X i ),  i2  Var ( X i ), k ij  Cov ( X i , X j ), i, j  1,2,  , n‬‬
‫ﻧﻔﺮض ] ‪ ، A  [k ij‬أي أن ‪ A‬ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ ﻣﻦ اﻟﺪرﺟﺔ ﻣﺤﺪدة ﻣﻮﺟﺒﺔ‬
‫‪ k11‬‬ ‫‪k12  k1n ‬‬ ‫‪ k 11‬‬ ‫‪k 12‬‬ ‫‪ k 1n ‬‬
‫‪k‬‬ ‫‪ 21‬‬ ‫‪‬‬
‫‪k 22  k 2 n ‬‬ ‫‪k‬‬ ‫‪k 22‬‬ ‫‪ k 2n ‬‬
‫‪A   21‬‬ ‫‪,‬‬ ‫‪A 1  ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ n1‬‬ ‫‪‬‬
‫‪k n1‬‬ ‫‪k n 2  k nn ‬‬ ‫‪k‬‬ ‫‪k n2‬‬ ‫‪ k nn ‬‬

‫ﺗﻌﺮﯾﻒ)‪(18.5‬‬
‫ﯾﻘﺎل ﻟﻠﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X 1 , X 2 , X n‬ﺑﺎن ﻟﮭﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ اﻟﻤﺘﻌﺪدة )‪ (Multivariate Normal‬إذا‬
‫ﻛﺎﻧﺖ داﻟﺔ اﻟﻜﺜﺎﻓﺔ اﻻﺣﺘﻤﺎﻟﯿﺔ اﻟﻤﺸﺘﺮﻛﺔ ﻟﮭﺎ ﺑﺎﻟﺼﯿﻐﺔ‬
‫‪1 n‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2 i , j 1‬‬
‫) ‪( xi   i ) k ij ( x j   j‬‬
‫‪f ( x1 , x 2 ,  , x n ) ‬‬ ‫‪e‬‬
‫‪(2 ) n A‬‬
‫ﺣﯿﺚ ‪ A‬ﯾﻤﺜﻞ ﻣﺤﺪد اﻟﻤﺼﻔﻮﻓﺔ ‪. A‬‬
‫ﺗﻌﺮﯾﻒ)‪(19.5‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t T‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ ﻃﺒﯿﻌﯿﺔ )‪ (Normal Processes‬إذا ﻛﺎن ﻟﻜﻞ ﻋﺪد ﺻﺤﯿﺢ ﻣﻮﺟﺐ ‪n‬‬
‫وﻟﻜﻞ ‪ t1 , t 2 ,, t n  T‬ﻓﺎن اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X t , X t , X t‬ﺑﺎن ﻟﮭﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ اﻟﻤﺘﻌﺪدة‪.‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪n‬‬

‫ﻣﺜﺎل)‪(20.5‬‬
‫ﺑﺮھﻦ ﻋﻠﻰ أن ﻋﻤﻠﯿﺔ وﻧﺮ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t T‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﻃﺒﯿﻌﯿﺔ‪.‬‬
‫‪38‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ .6‬اﻟﻌﻤﻠﯿﺎت اﻟﻤﺴﺘﻘﺮة ‪Stationary Processes‬‬

‫ﺗﻌﺮﯾﻒ )‪(1.6‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }tT‬ﺑﺄﻧﮭﺎ ﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ إذا ﻛﺎن ‪ E ( X t2 )  ‬ﻟﻜﻞ ‪t  T‬‬
‫ﺗﻌﺮﯾﻒ )‪(2.6‬‬
‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }tT‬ﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ‬
‫)‪ (1‬داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ )‪ (The mean value function‬ﻟﺘﻠﻚ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﯾﺮﻣﺰ ﻟﮭﺎ ﺑﺎﻟﺮﻣﺰ ‪  X‬وﺗﻌﺮف‬
‫ﺑﺎﻟﺼﯿﻐﺔ اﻵﺗﯿﺔ ‪  X (t )  E ( X t ) :‬ﻟﻜﻞ ‪ ، t  T‬ﺣﯿﺚ ‪ E‬ﺗﻤﺜﻞ اﻟﺘﻮﻗﻊ ﻟﻤﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ‪.‬‬
‫)‪ (2‬داﻟﺔ اﻟﺘﻐﺎﯾﺮ )‪ (The Covariance function‬ﻟﺘﻠﻚ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﯾﺮﻣﺰ ﻟﮭﺎ ﺑﺎﻟﺮﻣﺰ ‪ K X‬وﺗﻌﺮف ﺑﺎﻟﺼﯿﻐﺔ‬
‫اﻵﺗﯿﺔ ‪ K X ( s, t )  Cov( X s , X t )  E ( X s X t )  E ( X s ) E ( X t ) :‬ﻟﻜﻞ ‪ ، s, t  T‬ﺣﯿﺚ ‪ Cov‬ﺗﻤﺜﻞ اﻟﺘﻐﺎﯾﺮ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬
‫ﻋﺸﻮاﺋﯿﯿﻦ‪ .‬وﻣﻦ اﻟﺘﻌﺮﯾﻒ ﻣﺒﺎﺷﺮة ﻧﺴﺘﻨﺘﺞ )‪K X ( s, t )  K X (t , s‬‬
‫ﻣﺜﺎل )‪(3.6‬‬
‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ﻣﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X  tY‬ﺣﯿﺚ ‪ X , Y‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻓﺎن‬
‫) ‪ X (t )  E ( X t )  E ( X  tY )  E ( X )  tE (Y‬‬
‫) ‪K X ( s, t )  Cov( X s , X t )  Cov( X  sY , X  tY )  Var ( X )  ( s  t )Cov( X , Y )  stVar (Y‬‬
‫ﻣﺜﺎل )‪(4.6‬‬
‫ﻟﺘﻜﻦ ‪ { X t }t 0‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪. ‬‬
‫)‪ (1‬أوﺟﺪ ﻛﻞ ﻣﻦ داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ وداﻟﺔ اﻟﺘﻐﺎﯾﺮ ﻟﺘﻠﻚ اﻟﻌﻤﻠﯿﺔ‪.‬‬
‫‪ {Yt }t 0‬اذا ﻋﻠﻤﺖ ان ‪ Yt  X t  h  X t‬ﻟﻜﻞ‬ ‫)‪ (2‬أوﺟﺪ ﻛﻞ ﻣﻦ داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ وداﻟﺔ اﻟﺘﻐﺎﯾﺮ ﻟﻠﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
‫‪ ، t  0‬ﺣﯿﺚ ‪ h‬ﻋﺪد ﺛﺎﺑﺖ ﻣﻮﺟﺐ‪.‬‬
‫اﻟﺤﻞ‪:‬‬
‫)‪(1‬‬
‫‪ X (t )  E ( X t )  t ,‬‬ ‫‪Var ( X t )  t‬‬
‫ﻋﻨﺪﻣﺎ ‪s  t‬‬
‫) ‪KX (s, t)  Cov(Xs , Xt )  Cov(Xs , Xt  Xs  Xs )  Cov(Xs Xt  Xs )  Cov(Xs , Xs )  Cov(Xs , Xt  Xs ) Var(Xs‬‬

‫ﺑﻤﺎ أن ‪ X s , X t  X s‬ﻣﺴﺘﻘﻼن ‪ Cov ( X s , X t  X s )  0 ‬وﻋﻠﯿﺔ ‪K X (s, t)  Var( X s )  s‬‬

‫وﺑﺼﻮرة ﻋﺎﻣﺔ ﻧﺤﺼﻞ ﻋﻠﻰ }‪. KX (s, t)   min{s, t‬‬
‫)‪(2‬‬
‫‪ Y (t )  E (Yt )  E ( X t  h  X t )  h‬‬
‫ﻻن )‪ . X t  h  X t ~ P(h‬ﻗﺪ ﻧﻔﺘﺮض ان ‪ . s  t‬ﻧﻤﯿﺰ ﺑﻌﺪ ذﻟﻚ اﻟﺤﺎﺗﯿﻦ‬
‫)ا( اذا ﻛﺎن ‪ t  s  h‬ﻓﺎن ‪ X s , X t‬ﻣﺘﻐﯿﺮات ﻋﺸﻮاﺋﯿﺎن ﻣﺴﺘﻘﻼن وﻋﻠﯿﺔ‬
‫‪K X (s, t)  Cov( X s , X t )  0‬‬
‫)ب( اذا ﻛﺎن ‪ t  s  h‬ﻓﺎن‬

‫‪39‬‬
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

KY (s, t)  Cov(Ys , Yt )  Cov( X sh  X s , X t h  X s )

 Cov( X sh  X t  X t  X s , X t h  X t )
 Cov( X sh  X t , X t h  X t )  Cov( X t  X s , X t h  X t )
Cov( X t  X s , X t  h  X t )  0 ‫ﺑﻤﺎ أن‬
KY (s, t)  Cov( X sh  X s , X t h  X s )
 Cov( X sh  X t , X t h  X sh  X sh  X t )
 Cov( X sh  X t , X t h  X sh )  Cov( X sh  X t , X sh  X t )
 Var( X sh  X t )  (s  h  t)  (h  (t  s))
‫وﻋﻠﯿﺔ‬
(h  (t  s)), t  s  h
KY (s, t)  
 0, t s h
(5.6) ‫ﻣﺜﺎل‬
.‫ أوﺟﺪ ﻛﻞ ﻣﻦ داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ وداﻟﺔ اﻟﺘﻐﺎﯾﺮ‬.  ‫ { ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ وﻧﺮ ذات ﻣﻌﻠﻤﺔ‬X t }t 0 ‫ﻟﺘﻜﻦ‬
2

:‫اﻟﺤﻞ‬
 X (t )  E ( X t )  0, Var ( X t )   2 t
. K X (s, t)   2 min{s, t} ‫ﺑﺎﺳﺘﺨﺪام ﻧﻔﺲ اﻷﺳﻠﻮب ﻓﻲ اﻟﻤﺜﺎل اﻋﻼة ﻧﺤﺼﻞ‬
‫ﻣﻼﺣﻈﺔ‬
. K X (s, t)  Var( X min{s,t}} ‫ﻓﻲ اﻟﻤﺜﺎﻟﯿﻦ اﻋﻼة ﻧﺴﺘﻨﺘﺞ أن‬
(6.6) ‫ﺗﻌﺮﯾﻒ‬
Cross- Covariance ) ‫ اﻟﺘﻘﺎﻃﻊ‬-‫ داﻟﺔ اﻟﺘﻐﺎﯾﺮ‬.‫ { ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ‬X t }tT , {Yt }tT ‫ﻟﺘﻜﻦ ﻛﻞ ﻣﻦ‬
: ‫ وﺗﻌﺮف ﺑﺎﻟﺼﯿﻐﺔ اﻵﺗﯿﺔ‬K X ,Y ‫( ﻟﺘﻠﻚ اﻟﻌﻤﻠﯿﺘﯿﻦ اﻟﺘﺼﺎدﻓﯿﺘﯿﻦ ﯾﺮﻣﺰ ﻟﮭﻢ ﺑﺎﻟﺮﻣﺰ‬function
K X ,Y ( s , t )  Cov ( X s , Yt )  E ( X s Yt )  E ( X s ) E (Yt )
. s, t  T ‫ﻟﻜﻞ‬
(7.6)‫ﻣﺒﺮھﻨﺔ‬
.‫ { ﻋﻤﻠﯿﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ‬X t }tT , {Yt }tT ‫ﻟﺘﻜﻦ ﻛﻞ ﻣﻦ‬
. s, t  T ‫ ﻟﻜﻞ‬K X ,Y ( s, t )  K Y , X (t , s ) (1)
. s, t  T ‫ ﻟﻜﻞ‬K X Y ( s, t )  K X ( s, t )  K X ,Y ( s, t )  K Y , X ( s, t )  K Y ( s, t ) (2)
:‫اﻟﺒﺮھﺎن‬
(1)
K X ,Y ( s, t )  Cov ( X s , Yt )  Cov (Yt , X s )  K Y , X (t , s )

(2)

40
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

K X Y ( s, t )  Cov ( X s  Ys , X t  Yt )
 Cov ( X s , X t )  Cov ( X s , Yt )  Cov (Ys , X t )  Cov (Ys , Yt )
 K X ( s, t )  K X ,Y ( s, t )  K Y , X ( s, t )  K Y ( s, t )
(8.6)‫ﺗﻌﺮﯾﻒ‬
‫ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﺑﺤﯿﺚ‬X ‫ وﻟﯿﻜﻦ‬، n ‫ ﻟﻜﻞ ﻗﯿﻢ‬E ( X )   ‫ { ﻣﺘﺘﺎﺑﻌﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ﺑﺤﯿﺚ‬X n } ‫ﻟﺘﻜﻦ‬
2
n

‫( إﻟﻰ‬Converges in Quadratic Mean ) ‫ { ﺑﺄﻧﮭﺎ ﻣﺘﻘﺎرﺑﺔ ﻓﻲ اﻟﻮﺳﻂ أﻟﺘﺮﺑﯿﻌﻲ‬X n } ‫ ﯾﻘﺎل ﻋﻦ اﻟﻤﺘﺘﺎﺑﻌﺔ‬. E ( X 2 )  

X n q X ‫ وﯾﻜﺘﺐ‬lim E ( X n  X }  0 ‫ إذا ﻛﺎن‬X
.m 2

n

‫ﻣﻼﺣﻈﺔ‬
‫ ﻋﻨﺪﻣﺎ‬E ( X n  X m }  0 ‫ ﻓﺎن‬، n ‫ ﻟﻜﻞ ﻗﯿﻢ‬E ( X )   ‫ { ﻣﺘﺘﺎﺑﻌﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ﺑﺤﯿﺚ‬X n } ‫ﻟﺘﻜﻦ‬
2 2
n

. X n q
.m
X ‫ ﺑﺤﯿﺚ أن‬E ( X 2 )   ، X ‫ إذا وﻓﻘﻂ إذا وﺟﺪ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ‬n, m  
(9.6)‫ﻣﺒﺮھﻨﺔ‬
‫ { ﻣﺴﺘﻤﺮة اﻟﻤﻌﻠﻤﺔ ذات ﻋﺰوم ﺛﺎﻧﯿﺔ ﻣﺤﺪودة وان‬X t }tT ‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
s, t  T ‫ ﻣﺴﺘﻤﺮة ﺑﺸﻜﻞ ﻣﺸﺘﺮك ﻓﻲ‬k X ( s, t ) ‫( اﻟﺪاﻟﺔ‬2) t  T ‫ ﻣﺴﺘﻤﺮة ﻓﻲ‬ X (t ) ‫( اﻟﺪاﻟﺔ‬1)
lim (( X s  X t ) )  0
2
t  T ‫ ﺑﻤﻌﻨﻰ أن ﯾﺘﺤﻘﻖ‬، ‫ﻓﺎن ﺗﻠﻚ اﻟﻌﻤﻠﯿﺔ ﺗﻜﻮن ﻣﺴﺘﻤﺮة ﺑﻤﺘﻮﺳﻂ اﻟﻤﺮﺑﻌﺎت‬
s t

: ‫اﻟﺒﺮھﺎن‬
 Var ( X s  X t )  (( X s  X t ) )  (( X s  X t )) 2 2
‫ﺑﻤﺎ أن‬
(( X s  X t ) )  (( X s  X t ))  Var ( X s  X t )
2 2

 (( X s )  ( X t )) 2  Var ( X s )  2Cov ( X s , X t )  Var ( X t )

 (  X ( s )   X (t )) 2  k X ( s, s )  2k X ( s, t )  k X (t , t )
lim (( X s  X t ) 2 )  lim((  X ( s )   X (t )) 2 )  lim(k X ( s, s )  2k X ( s, t )  k X (t , t ))  0  0  0
s t s t s t

(10.6) ‫ﻣﺒﺮھﻨﺔ‬
‫ ﻓﺎن‬.‫ داﻟﺔ ﻣﺴﺘﻤﺮة‬ X , K X ‫ { ﻣﺴﺘﻤﺮة اﻟﻤﻌﻠﻤﺔ ذات ﻋﺰوم ﺛﺎﻧﯿﺔ ﻣﺤﺪودة وان ﻛﻞ ﻣﻦ‬X t }t 0 ‫ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
b b
. a  b ‫ ﻟﻜﻞ‬E ( a X t dt )  a  X (t ) dt (1)
b 2 b b
. a  b ‫ ﻟﻜﻞ‬E ( a X t dt )  a a E ( X s X t )dsdt (2)
b b b b t
. a  b ‫ ﻟﻜﻞ‬Var ( a X t dt )  a a K X ( s, t )dsdt  2 a a K X ( s, t )dsdt (3)
. a , b, c, d ‫ ﻷي أﻋﺪاد ﺣﻘﯿﻘﺔ ﻏﯿﺮ ﺳﺎﻟﺒﺔ‬E (( a X s ds )( c X t dt ))  a c E ( X s X t )dtds (4)
b d b d

. a , b, c, d ‫ ﻷي أﻋﺪاد ﺣﻘﯿﻘﺔ ﻏﯿﺮ ﺳﺎﻟﺒﺔ‬Cov ( a X s ds , c X t dt )  a c K X ( X s , X t )dtds (5)

b d b d

:‫اﻟﺒﺮھﺎن‬
(1)
a  b ‫ﻟﺘﻜﻦ‬

41
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬
b b b
E (  X t dt )   E ( X t ) dt    X (t ) dt
a a a

(2)
a  b ‫ﻟﺘﻜﻦ‬
b 2 b b b b
E (  X t dt )  E (   X s X t dsdt )    E ( X s X t ) dsdt
a a a a a

a  b ‫( ﻟﺘﻜﻦ‬3)
b b 2 b b b b b
Var (  X t dt )  E (  X t dt )  ( E (  X t dt )) 2  E (   X s X t dsdt )     X ( s )  X (t ) dsdt
a a a a a a a

b b b b
  ( E ( X s X t )   X ( s )  X (t )) dsdt    K X ( s, t ) dsdt
a a a a

‫ وﻋﻠﯿﺔ‬Var ( a X t dt )  2 a a K X ( s, t )dsdt ‫ ﻓﺎن‬K X ( s, t )  K X (t , s) ‫ﺑﻤﺎ أن‬

b b t

b b b b t
Var (  X t dt )   K X ( s, t ) dsdt  2   K X ( s, t ) dsdt
a a a a a

(4)
‫ﻣﺒﺎﺷﺮة ﻣﻦ ﺧﻮاص اﻟﺘﻜﺎﻣﻞ اﻻﻋﺘﯿﺎدي‬
(5)
‫ أﻋﺪاد ﺣﻘﯿﻘﺔ ﻏﯿﺮ ﺳﺎﻟﺒﺔ‬. a, b, c, d ‫ﻟﺘﻜﻦ‬
b d b d b d
Cov (  X s ds ,  X t dt )  E (  X s ds ) E (  X t dt )  E (  X s ds ) E (  X t dt )
a c a c a c
b d b d
  E ( X s X t ) dsdt     X ( s )  X (t ) dsdt
a c a c
b d b d
  ( E ( X s X t )   X ( s )  X (t )) dsdt    K X ( s, t ) dsdt
a c a c

(11.6)‫ﻣﺜﺎل‬
Z t   X u du ‫ { ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ وﻧﺮ اﻟﺘﺼﺎدﻓﯿﺔ وﻟﯿﻜﻦ‬X t }t 0 ‫ﻟﺘﻜﻦ‬
t

:‫اﻟﺤﻞ‬
(1)
t t
E ( Z t )    X (u ) du   0du  0
0 0

(2)
t r t r t 1
Var ( Z t )  2   K X ( s, r ) dsdr  2   sdsdr    r 2 dr  t 3
0 0 0 0 0 3
(12.6)‫ﻣﺜﺎل‬
Z t   X u du ‫ { ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن اﻟﺘﺼﺎدﻓﯿﺔ وﻟﯿﻜﻦ‬X t }t 0 ‫ﻟﺘﻜﻦ‬
t

:‫اﻟﺤﻞ‬
(1)

42
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬
‫‪t‬‬ ‫‪t‬‬ ‫‪1 2‬‬
‫‪E ( Z t )    X (u ) du   udu ‬‬ ‫‪t‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪2‬‬
‫)‪(2‬‬
‫‪t‬‬ ‫‪r‬‬ ‫‪t‬‬ ‫‪r‬‬ ‫‪t‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪Var ( Z t )  2 ‬‬ ‫‪‬‬ ‫‪K X ( s, r ) dsdr  2 ‬‬ ‫‪‬‬ ‫‪ 2 sdsdr   2  r 2 dr ‬‬ ‫‪t3‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪3‬‬
‫ﺗﻌﺮﯾﻒ)‪(13.6‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t T‬ﺑﺄﻧﮭﺎ ﻣﺴﺘﻘﺮة ﺣﺪﯾﺎ )‪ (Strictly Stationary‬إذا ﻛﺎﻧﺖ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ‬
‫‪ X t , X t ,  X t‬واﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ ‪ X t  h , X t  h ,  X t  h‬ﻟﮭﻤﺎ ﻧﻔﺲ اﻟﺘﻮزﯾﻊ اﻟﻤﺸﺘﺮك ﻟﻜﻞ ﻋﺪد ﺻﺤﯿﺢ ﻣﻮﺟﺐ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪k‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪k‬‬

‫‪ k‬وﻟﻜﻞ ‪ t1 , t 2 , , t k  T‬وﻟﻜﻞ ‪ ، h  T‬ﺑﻌﺒﺎرة أﺧﺮى‬

‫)‪F ( x1 , x 2 ,  , x k ; t1 , t 2 ,  , t k )  F ( x1 , x 2 ,  , x k ; t1  h, t 2  h,  , t k  h‬‬
‫ﻣﻦ ھﺬا اﻟﺘﻌﺮﯾﻒ ﻧﻼﺣﻆ أن اﻻﺳﺘﻘﺮارﯾﺔ ﺗﻌﻨﻲ ﺑﺎن اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻓﻲ زﻣﻦ ﻣﻌﯿﻦ ﻻ ﯾﺘﻐﯿﺮ ﻓﻲ زﻣﻦ ﻻﺣﻖ‪ ،‬أي أن‬
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﺗﻜﻮن ﻓﻲ ﺣﺎﻟﺔ ﺛﺒﺎت‪.‬‬
‫اﻵن‪ :‬ﻟﺘﻜﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t T‬ﻣﺴﺘﻘﺮة ﺣﺪﯾﺎ وﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ‬
‫ﺑﻤﺎ أن اﻟﺘﻮزﯾﻌﺎت ذات اﻟﺒﻌﺪ اﻟﻮاﺣﺪ ﺛﺎﺑﺘﺔ ﺧﻼل ﺗﻐﯿﺮ اﻟﺰﻣﻦ ﻟﻜﻞ ‪ h  T‬ﻧﺤﺼﻞ ﻋﻠﻰ‬
‫)‪ X (t )  E ( X t )  E ( X t  h )   X (t  h‬‬
‫وﻟﺬﻟﻚ داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ‪  X‬ﺛﺎﺑﺘﺔ‪ .‬وﺑﻨﻔﺲ اﻟﻄﺮﯾﻘﺔ‬
‫) ‪  Var ( X 0 )  Var ( X t )  Var ( X t  h‬‬
‫‪2‬‬

‫ﻟﻜﻞ ‪ h  T‬وﻛﺬﻟﻚ ) ‪E ( X 0 X t )  E ( X s X t  h‬‬

‫ﻟﺬﻟﻚ اﻻرﺗﺒﺎط وداﻟﺔ اﻟﺘﻐﺎﯾﺮ ﯾﻌﺘﻤﺪان ﻋﻠﻰ ﻧﻘﺎط اﻟﻮﻗﺖ ‪ s, t‬ﻓﻘﻂ ﺧﻼل اﻟﻔﺮق ‪ . t  s‬ﻓﻲ اﻟﻌﺪﯾﺪ ﻣﻦ اﻟﺘﻄﺒﯿﻘﺎت اﻟﻌﻤﻠﯿﺔ‬
‫ﻧﺠﻌﻞ اﻻﺳﺘﻌﻤﺎل اﻟﻮﺣﯿﺪ ﻣﻦ اﻻﺳﺘﻘﺮارﯾﺔ ﺛﺒﺎت داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ واﻋﺘﻤﺎد داﻟﺔ اﻟﺘﻐﺎﯾﺮ ) ‪ K ( s , t‬ﺧﻼل اﻟﻔﺮق ‪. t  s‬‬
‫" إﺿﺎﻓﺔ إﻟﻰ" ﻟﯿﺲ ﻣﺤﺘﻤﻞ داﺋﻤﺎ ﻓﻲ اﻟﺤﺎﻻت اﻟﻌﻤﻠﯿﺔ ﻟﺤﺴﺎب ﻛﻞ اﻟﺘﻮزﯾﻌﺎت ﻣﻨﺘﮭﯿﺔ اﻟﺒﻌﺪ ﻟﻜﻲ ﺗﺤﻘﻖ اﻻﺳﺘﻘﺮارﯾﺔ‬
‫ﺗﻌﺮﯾﻒ )‪(14.6‬‬
‫ﯾﻘﺎل ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t T‬ﺑﺄﻧﮭﺎ ﻋﻤﻠﯿﺔ اﻹﺣﺴﺎسِ اﻟﻌﺮﯾﺾِ اﻟﻤﺴﺘﻘﺮ )‪ (wide sense stationary process‬إذا‬
‫ﻛﺎﻧﺖ‬
‫)‪ (1‬ﻣﻦ اﻟﺮﺗﺒﺔ اﻟﺜﺎﻧﯿﺔ‬
‫)‪ (2‬داﻟﺔ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ‪  X‬ﺛﺎﺑﺘﺔ‪ ،‬أي ﻻ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ‪t‬‬
‫)‪ (3‬داﻟﺔ اﻟﺘﻐﺎﯾﺮ ) ‪ K ( s , t‬ﺗﻌﺘﻤﺪ ﻓﻘﻂ ﻋﻠﻰ اﻟﻔﺮق اﻟﻤﻄﻠﻖ ‪ ، t  s‬أي وﺟﻮد داﻟﺔ ) ‪ R (v‬ﺑﺤﯿﺚ أن ) ‪K ( s, t )  R ( s  t‬‬
‫ﻟﻜﻞ ‪ . s, t  T‬ﺑﻌﺒﺎرة أدق ) ‪K (t , t  h )  R ( h‬‬
‫ﻣﺜﺎل )‪(15.6‬‬
‫ﻧﺎﻗﺶ اﺳﺘﻘﺮارﯾﺔ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t R‬اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X cos t  Y sin t‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪‬‬
‫ﻛﻤﯿﺔ ﺛﺎﺑﺘﺔ ﺣﻘﯿﻘﯿﺔ ‪ X , Y ،‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻣﺴﺘﻘﻼن ﻟﮭﻤﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ) ‪. N (0,  2‬‬
‫اﻟﺤﻞ‪:‬‬
‫ﺑﻤﺎ أن ‪ X , Y‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻟﮭﻤﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ) ‪ N (0, ‬‬
‫‪2‬‬

‫‪E ( X )  E (Y )  0,‬‬ ‫‪Var ( X )  Var (Y )   2‬‬

‫‪43‬‬
 354‫ر‬
Stochastic Processes I (1) ‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ‬
3 : ‫ﻋﺪد اﻟﻮﺣﺪات‬ 1 : ‫ﻣﻨﺎﻗﺸﺔ‬ 3 : ‫ﻧﻈﺮي‬

 X (t )  E ( X t )  E ( X cos t  Y sin t )  E ( X ) cos t  E (Y ) sin t  0

K X ( s, t )  Cov ( X s , X t )  Cov ( X cos  s  Y sin  s, X cos  t  Y sin  t )
 Var ( X ) cos s cos t  (cos s cos t  sin s sin t )Cov ( X , Y )  Var (Y ) sin s sin t
  2 cos s cos t  0   2 sin s sin t   2 (cos s cos t  sin s sin t )   2 cos  (t  s )
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﻣﺴﺘﻘﺮة‬
(16.6) ‫ﻣﺜﺎل‬
،  ‫ ﺣﯿﺚ‬t  0 ‫ ﻟﻜﻞ‬X t  a cos(2 t  X ) ‫ { اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ‬X t }t 0 ‫ﻧﺎﻗﺶ اﺳﺘﻘﺮارﯾﺔ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
. (  ,  ) ‫ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﻟﮫ اﻟﺘﻮزﯾﻊ اﻟﻤﻨﺘﻈﻢ ﻓﻲ اﻟﻔﺘﺮة‬X ، ‫ ﺛﻮاﺑﺖ‬a  0
:‫اﻟﺤﻞ‬
X ~ u ( ,  )
1
f ( x)  ,   x  
2
2 2 1
 X (t )  E ( X t )  E ( a cos( 2 t  X ))   a cos( 2 t  x ) f ( x ) dx   a cos( 2 t  x ) dx  0
0 0 2
K X ( s, t )  Cov ( X s , X t )  E ( X s X t )  E ( X s ) E ( X t )  E ( X s X t )
2 a 2 2 a2

2  0
X s X t f ( x)dx  cos( 2 t  x) cos( 2 t  x)dx  cos 2 (t  s )
0 2
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﻣﺴﺘﻘﺮة‬
(17.6) ‫ﻣﺜﺎل‬
‫ ﻛﻤﯿﺔ ﺛﺎﺑﺘﺔ‬a ‫ ﺣﯿﺚ‬t  0 ‫ ﻟﻜﻞ‬X t  a cos(t  X ) ‫ { اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ‬X t }t 0 ‫ﻧﺎﻗﺶ اﺳﺘﻘﺮارﯾﺔ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
. (0,2 ) ‫ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﻟﮫ اﻟﺘﻮزﯾﻊ اﻟﻤﻨﺘﻈﻢ ﻓﻲ اﻟﻔﺘﺮة‬X ، ‫ﺣﻘﯿﻘﯿﺔ‬
:‫اﻟﺤﻞ‬
1
f (x )  , 0  x  2  X ~ u (0, 2 ) ‫ﺑﻤﺎ أن‬
2
2 2 1
 X (t )  E ( X t )  E ( a cos(t  X ))   a cos(t  X ) f ( x ) dx   a cos(t  X ) dx  0
0 0 2
K X ( s, t )  Cov ( X s , X t )  E ( X s X t )  E ( X s ) E ( X t )  E ( X s X t )
2 a 2 2 a2

2  0
X s X t f ( x)dx  cos( s  X ) cos(t  X )dx  cos(t  s )
0 2
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﻣﺴﺘﻘﺮة‬
(18.6) ‫ﻣﺜﺎل‬
، ‫ ﺛﻮاﺑﺖ‬a, b ‫ ﺣﯿﺚ‬t  R ‫ ﻟﻜﻞ‬X t  a  bt  X ‫ { اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ‬X t }t R ‫ﻧﺎﻗﺶ اﺳﺘﻘﺮارﯾﺔ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ‬
.  2 ‫ ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﺗﻮﻗﻌﮫ ﺻﻔﺮ وﺗﺒﺎﯾﻨﮫ‬X
:‫اﻟﺤﻞ‬

E ( X )  0, Var ( X )   2

44
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫‪ X (t )  E ( X t )  E ( a  bt  X )  a  bt  E ( X )  a  bt  0  a  bt‬‬
‫‪  X‬ﺗﻌﺘﻤﺪ ﻋﻠﻰ ‪ ، t‬أي أن ‪  X‬داﻟﺔ ﻟﯿﺴﺖ ﺛﺎﺑﺘﺔ‪ ،‬وﻋﻠﯿﺔ أن اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ﻏﯿﺮ ﻣﺴﺘﻘﺮة‪.‬‬

‫ﺗﻤﺎرﯾﻦ‬
‫اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪ { X t }t 0‬ﻓﻲ اﻟﺘﻤﺎرﯾﻦ ‪ 5 -1‬ﻣﻌﺮﻓﺔ ﺑﺪﻻﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﯿﻦ ‪ X , Y‬اﻟﻤﺴﺘﻘﻠﯿﻦ وﻟﮭﻤﺎ اﻟﺘﻮزﯾﻊ‬
‫اﻟﻄﺒﯿﻌﻲ ) ‪ . N (0,  2‬اوﺟﺪ ﻣﺘﻮﺳﻂ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺸﻮاﺋﯿﺔ اﻟﺘﺎﻟﯿﺔ‬
‫‪1‬‬
‫‪‬‬ ‫‪0‬‬
‫)ج( ‪X t dt‬‬ ‫)ا( }‪max{X t : 0  t  1‬‬
‫‪1‬‬
‫‪‬‬ ‫‪0‬‬
‫)د( ‪X t2 dt‬‬ ‫)ب( }‪max{ X t : 0  t  1‬‬

‫)‪X t  X cos  t (4‬‬ ‫)‪X t  e X t (3‬‬ ‫)‪X t  t 2  Xt  Y (2‬‬ ‫)‪X t  Xt  Y (1‬‬

‫‪‬‬ ‫‪1‬‬
‫‪X , 0  t  2‬‬
‫‪Xt  ‬‬ ‫)‪(5‬‬
‫‪1‬‬
‫‪Y ,‬‬ ‫‪t‬‬
‫‪‬‬ ‫‪2‬‬
‫ﻓﻲ اﻟﺘﻤﺎرﯾﻦ ‪ ،10 -6‬ﺑﯿﻦ أي ﻣﻦ اﻟﻌﺒﺎرات اﻵﺗﯿﺔ ﺻﺤﯿﺤﺔ أم ﻻ ﻣﻊ اﻟﺒﺮھﺎن‬
‫)‪ (6‬إذا ﻛﺎﻧﺖ ﻛﻞ ﻣﻦ ‪ A, B‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﻦ اﻟﺪرﺟﺔ ‪ n‬ﻓﺎن ‪ A  B‬ﺗﻜﻮن ﻛﺬﻟﻚ‪.‬‬
‫)‪ (7‬إذا ﻛﺎﻧﺖ ‪ A‬ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻓﺎن ‪ A‬ﺗﻜﻮن ﻗﺎﺑﻠﺔ ﻟﻼﻧﻌﻜﺎس‪.‬‬
‫)‪ (8‬ﻣﻌﻜﻮس ﻛﻞ ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﯾﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‪.‬‬
‫)‪ (9‬ﻣﺠﻤﻮع ﻣﺼﻔﻮﻓﺘﯿﻦ ﺗﺼﺎدﻓﯿﺘﯿﻦ ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ‬
‫)‪ (10‬ﺗﻮﺟﺪ ﻣﺼﻔﻮﻓﺔ ﺗﺼﺎدﻓﯿﮫ ﻣﺘﻨﺎﻇﺮة ‪.‬‬
‫)‪ (11‬ﻟﺘﻜﻦ } ‪ { X n‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ ﺑﺎﺣﺘﻤﺎل ﻧﺠﺎح ‪ p‬وﻟﯿﻜﻦ ‪ S n‬ﺗﻤﺜﻞ ﻋﺪد ﺣﺎﻻت اﻟﻨﺠﺎح اﻟﺘﻲ ﺗﺤﺪث ﻓﻲ أول ‪n‬‬
‫ﻣﺤﺎوﻟﺔ ﻣﻦ ﻣﺤﺎوﻻت اﻟﺘﺠﺮﺑﺔ‪ .‬اوﺟﺪ )‪E ( S 3 S 6 ) (2) E ( S 6 | S 5 ) (1‬‬
‫)‪ (12‬ﻟﺘﻜﻦ ‪ { X t }t  0‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪ .   10‬اﺣﺴﺐ ﻛﻞ ﻣﻦ‬
‫)ج( }‪{ X 20  30 | X 6  15‬‬ ‫)ب( }‪{ X 6  15, X 20  30‬‬ ‫)ا( }‪{ X 6  15‬‬
‫ﻓﻲ اﻟﺘﻤﺎرﯾﻦ ‪ 22 -13‬ﻧﺎﻗﺶ اﻻﺳﺘﻘﺮارﯾﺔ ﻟﻜﻞ ﻣﻦ اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ اﻟﺘﺎﻟﯿﺔ‬
‫)‪ (13‬ﻋﻤﻠﯿﺔ ﺑﺮﻧﻮﻟﻲ اﻟﺘﺼﺎدﻓﯿﺔ ‪ (14) ،‬ﻋﻤﻠﯿﺔ وﻧﺮ اﻟﺘﺼﺎدﻓﯿﺔ ‪ (15) ،‬ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن اﻟﺘﺼﺎدﻓﯿﺔ‬
‫)‪ (16‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻄﺒﯿﻌﯿﺔ‬
‫)‪ (17‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X  t Y‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ X , Y‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻣﺴﺘﻘﻼن ﻟﮭﻤﺎ‬
‫اﻟﺘﻮزﯾﻊ اﻟﻤﻨﺘﻈﻢ ﻓﻲ اﻟﻔﺘﺮة )‪. (0,1‬‬
‫)‪ (18‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X  t Y  t Z‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ X , Y , Z‬ﻣﺘﻐﯿﺮات ﻋﺸﻮاﺋﯿﺔ ﻣﺴﺘﻘﻠﺔ‬
‫‪2 2‬‬

‫ﺗﻮﻗﻌﮭﻤﺎ واﺣﺪ وﺗﺒﺎﯾﻨﮭﻤﺎ واﺣﺪ‪.‬‬

‫)‪ (19‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X cos t  Y sin t‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ X , Y‬ﻣﺘﻐﯿﺮان ﻋﺸﻮاﺋﯿﺎن ﻏﯿﺮ‬
‫ﻣﺮﺗﺒﻄﺎن ﺗﻮﻗﻌﮭﻤﺎ ﺻﻔﺮ وﺗﺒﺎﯾﻨﮭﻤﺎ ‪.  2‬‬
‫)‪ (20‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ) ‪ X t  cos(t  X‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ ‬ﺛﺎﺑﺘﺔ ﻣﻮﺟﺒﺔ ‪ X ،‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﻟﮫ‬
‫اﻟﺘﻮزﯾﻊ اﻟﻤﻨﺘﻈﻢ ﻓﻲ اﻟﻔﺘﺮة ) ‪. (0,2‬‬

‫‪45‬‬
 ‫ر‪354‬‬
‫اﻟﻌﻤﻠﯿﺎت اﻟﺘﺼﺎدﻓﯿﺔ )‪Stochastic Processes I (1‬‬
‫ﻋﺪد اﻟﻮﺣﺪات ‪3 :‬‬ ‫ﻣﻨﺎﻗﺸﺔ ‪1 :‬‬ ‫ﻧﻈﺮي ‪3 :‬‬

‫)‪ (21‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪ X t  X (1) Y‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ {Yt }t 0‬ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪، ‬‬
‫‪t‬‬

‫‪ X‬ﻣﺘﻐﯿﺮ ﻋﺸﻮاﺋﻲ ﺗﻮﻗﻌﮭﻤﺎ ﺻﻔﺮ وﺗﺒﺎﯾﻨﮭﻤﺎ ‪  2‬وﺳﺘﻘﻞ ﻋﻦ اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ ‪. {Yt }t 0‬‬
‫‪2‬‬
‫‪ X t  cos‬ﻟﻜﻞ ‪ t  R‬ﺣﯿﺚ ‪ h‬ﻋﺪد ﺛﺎﺑﺖ ﻣﻮﺟﺐ‪{Yt }t 0 ،‬‬ ‫)‪ (22‬اﻟﻌﻤﻠﯿﺔ اﻟﺘﺼﺎدﻓﯿﺔ اﻟﻤﻌﺮﻓﺔ ﺑﺎﻟﺼﯿﻐﺔ ‪t  Yt  h  Yt‬‬
‫‪h‬‬
‫ﺗﻤﺜﻞ ﻋﻤﻠﯿﺔ ﺑﻮاﺳﻮن ﺑﺎﻟﻤﻌﻠﻤﺔ ‪. ‬‬
‫)‪ (23‬رﺟﻞ ﻣﺎ ﻟﺪﯾﮫ )‪ (4‬ﻗﻤﺼﺎن‪ .‬ﯾﻐﯿﺮ ﻗﻤﯿﺼﮫ ﻛﻞ ﯾﻮم ﺑﺤﯿﺚ ﯾﺨﺘﺎر ﻋﺸﻮاﺋﯿﺎً اﺣﺪ اﻟﻘﻤﺼﺎن اﻟﺜﻼث اﻟﺘﻲ ﻟﻢ ﯾﻠﺒﺴﮭﺎ ﻓﻲ‬
‫اﻟﯿﻮم اﻟﺴﺎﺑﻖ ‪ .‬ﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل ﻟﮭﺬه اﻟﻌﻤﻠﯿﺔ‪.‬‬
‫)‪ (24‬ﺗﻌﻮد رﺟﻞ أن ﯾﺪﺧﻦ وﻓﻘﺎً ﻟﻤﺎ ﯾﻠﻲ‬
‫إذا دﺧﻦ ﺳﺠﺎﺋﺮ ذات ﻓﻠﺘﺮ ﻓﻲ اﺣﺪ اﻷﺳﺎﺑﯿﻊ ﻓﺎن اﺣﺘﻤﺎل أن ﯾﺪﺧﻦ ﺳﺠﺎﺋﺮ ﺑﺪون ﻓﻠﺘﺮ ﻓﻲ اﻷﺳﺒﻮع اﻟﺘﺎﻟﻲ ھﻮ ‪. 0.2‬‬
‫وأﯾﻀﺎ إذا دﺧﻦ ﺳﺠﺎﺋﺮ ﺑﺪون ﻓﻠﺘﺮ ﻓﻲ اﺣﺪ اﻷﺳﺎﺑﯿﻊ ﻓﺎن اﺣﺘﻤﺎل أن ﯾﺪﺧﻦ ﺳﺠﺎﺋﺮ ﺑﺪون ﻓﻠﺘﺮ ﻓﻲ اﻷﺳﺒﻮع اﻟﺘﺎﻟﻲ ھﻮ ‪0.7‬‬
‫ﻣﺎ ھﻲ اﺣﺘﻤﺎﻻت ﺗﺪﺧﯿﻨﮫ ﻟﺴﺠﺎﺋﺮ ﺑﺪون ﻓﻠﺘﺮ ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‪.‬‬
‫)‪ (25‬ﯾﻀﻊ ﺑﺎﺣﺚ ﻓﻲ ﻋﻠﻢ اﻟﻨﻔﺲ اﻟﻔﺮوض اﻟﺘﺎﻟﯿﺔ ﻋﻠﻰ ﺳﻠﻮك اﻟﻔﺌﺮان ﻋﻨﺪ ﺗﻌﺮﺿﮭﺎ ﻟﺠﺪول ﺧﺎص ﻓﻲ اﻟﺘﻐﺬﯾﺔ ﻓﻲ ﻛﻞ‬
‫ﻣﺤﺎوﻟﺔ ﯾﺬھﺐ ‪ 80%‬ﻣﻦ اﻟﻔﺌﺮان اﻟﺘﻲ اﺗﺠﮭﺖ إﻟﻰ اﻟﯿﻤﯿﻦ ﻓﻲ اﻟﻤﺤﺎوﻟﺔ اﻟﺴﺎﺑﻘﺔ إﻟﻰ اﻟﯿﻤﯿﻦ أﯾﻀﺎ ﻓﻲ ھﺬه اﻟﻤﺤﺎوﻟﺔ ﺑﯿﻨﻤﺎ‬
‫ﯾﺬھﺐ ‪ 60%‬ﻣﻦ اﻟﻔﺌﺮان اﻟﺘﻲ اﺗﺠﮭﺖ إﻟﻰ اﻟﯿﺴﺎر ﻓﻲ اﻟﻤﺤﺎوﻟﺔ اﻟﺴﺎﺑﻘﺔ إﻟﻰ اﻟﯿﻤﯿﻦ ﻓﻲ ھﺬه اﻟﻤﺤﺎوﻟﺔ ﻓﺈذا ﻋﻠﻢ أن ‪50%‬‬
‫ﻣﻦ اﻟﻔﺌﺮان ﻗﺪ اﺗﺠﮭﺖ إﻟﻰ اﻟﯿﻤﯿﻦ ﻓﻲ اﻟﻤﺤﺎوﻟﺔ اﻷوﻟﻰ ﻓﻤﺎذا ﯾﺘﻮﻗﻊ ھﺬا اﻟﺒﺎﺣﺚ ﻓﻲ اﻟﻤﺤﺎوﻟﺔ‬
‫)ب( اﻟﺜﺎﻟﺜﺔ )ج( اﻹﻟﻒ‪.‬‬ ‫)أ( اﻟﺜﺎﻧﯿﺔ‬
‫)‪ (26‬ﯾﺘﺨﻠﺺ رﺟﻞ ﻛﻞ ﻋﺎم ﻣﻦ ﺳﯿﺎرﺗﮫ وﯾﺸﺘﺮي ﺳﯿﺎرة ﺟﺪﯾﺪة‪ .‬إذا ﻛﺎﻧﺖ ﺳﯿﺎرﺗﮫ ﺳﻮﺑﺮ ﻓﺎﻧﮫ ﯾﺒﯿﻌﮭﺎ وﯾﺸﺘﺮي ﻣﺮﺳﯿﺪس وإذا‬
‫ﻛﺎﻧﺖ ﻣﺮﺳﯿﺪس ﻓﺎﻧﮫ ﯾﺒﯿﻌﮭﺎ وﯾﺸﺘﺮي اوﺑﻞ وﻟﻜﻦ إذا ﻛﺎﻧﺖ اوﺑﻞ ﻓﺎﻧﮫ ﯾﺒﯿﻌﮭﺎ وﯾﺸﺘﺮي ﺑﺎﺣﺘﻤﺎل ﻣﺘﺴﺎوي اوﺑﻞ أو ﺳﻮﺑﺮ أو‬
‫ﻣﺮﺳﯿﺪس‪ .‬اﺷﺘﺮي أول ﺳﯿﺎرة ﻋﺎم ‪ 1995‬وﻛﺎﻧﺖ اوﺑﻞ‪ .‬اوﺟﺪ اﺣﺘﻤﺎل ان ﯾﻜﻮن ﻟﺪﯾﮫ‪.‬‬
‫)ب( ﻋﺎم ‪ 1998‬ﺳﯿﺎرة ﻣﺎرﺳﯿﺪس )ج( ﺳﯿﺎرة اوﺑﻞ ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ‬ ‫)أ( ﻋﺎم ‪ 1997‬ﺳﯿﺎرة اوﺑﻞ‬
‫)‪ (27‬ﺻﻨﺪوق ‪ A‬ﯾﺤﺘﻮي ﻋﻠﻰ ﻛﺮﺗﺎن ﺑﯿﻀﺎء واﻟﺼﻨﺪوق ‪ B‬ﯾﺤﺘﻮي ﻋﻠﻰ أرﺑﻊ ﻛﺮات ﺣﻤﺮاء ‪ .‬ﻓﻲ ﻛﻞ ﺧﻄﻮة ﻧﺨﺘﺎر‬
‫ﻛﺮة ﻣﻦ ﻛﻞ ﺻﻨﺪوق ﺛﻢ ﺗﻌﺎد إﻟﻰ اﻟﺼﻨﺪوق اﻷﺧﺮ‪ .‬ﻧﻔﺮض أن ‪ X n‬ﯾﻤﺜﻞ ﻋﺪد اﻟﻜﺮات اﻟﺤﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪ A‬ﺑﻌﺪ ‪n‬‬
‫ﺧﻄﻮة‪ .‬أوﺟﺪ ﻣﺼﻔﻮﻓﺔ اﻻﻧﺘﻘﺎل‬
‫)ا( ﻣﺎ ھﻮ اﺣﺘﻤﺎل وﺟﻮد ﻛﺮﺗﯿﻦ ﺣﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪ A‬ﺑﻌﺪ ﺛﻼث ﺧﻄﻮات‬
‫)ب( ﻋﻠﻰ اﻟﻤﺪى اﻟﻄﻮﯾﻞ ﻣﺎ ھﻮ اﺣﺘﻤﺎل أن ﺗﻮﺟﺪ ﻛﺮﺗﯿﻦ ﺣﻤﺮاء ﻓﻲ اﻟﺼﻨﺪوق ‪A‬‬

‫‪46‬‬

‫‪View publication stats‬‬