احصاء 2

‫ﺟـﺎﻣﻌﺔ اﻟﺟزاﺋر ‪3‬‬
‫ﻛﻠﻳﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ‪ ،‬اﻟﻌﻠوم اﻟﺗﺟﺎرﻳﺔ و ﻋﻠوم اﻟﺗﺳﻳﻳر‬
‫مطبوعة ي‬
‫مقياس ٕالاحصاء‪2‬‬
‫ﻣوﺟﻬﺔ ﻟطﻠﺑﺔ اﻟﺳﻧﺔ اﻻوﻟﻰ ﺟذع ﻣﺷﺗرك ﻝ م د ‪،‬‬
‫ﺷﻌﺑﺔ ﻋﻠوم اﻗﺗﺻﺎدﻳﺔ‪ ،‬ﻋﻠوم ﺗﺟﺎرﻳﺔ و ﻋﻠوم اﻟﺗﺳﻳﻳر‬
‫إﻋﺪاد اﻟﺪﻛﺘﻮرة ‪ :‬أوﺷﻴﺶ ﺳﻠﻴﻤﺔ م اوﺻﺪﻳﻖ‬
‫اﻟﺴﻨﺔ اﻟﺠﺎﻣﻌﻴﺔ ‪2019 - 2020‬‬

‫ﻫذﻩ اﻟﻣطﺑوﻋﺔ‬
‫ﺗﻘدم ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﻣدﺧﻼ واﺿﺣﺎ و ﻣﺣﻛﻣﺎ ﻓﻲ اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ ‪.‬و ﻏﺎﻟﺑﺎ ﻣﺎ ﺗﻛون ﻣﺎدة‬
‫اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ أو ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت واﺣدة ﻣن أﻛﺛر اﻟﻣواد ﺻﻌوﺑﺔ و أﻛﺛرﻫﺎ ﻓﺎﺋدة ﻓﻲ ﻧﻔس‬
‫اﻟوﻗت‪،‬ﻣن ﺑﻳن اﻟﻣواد اﻟﺗﻲ ﺗدرس ﺑﺎﻟﺟﺎﻣﻌﺎت‪.‬و ﻟﻠﺗﻐﻠب ﻋﻠﻰ ﻫذﻩ اﻟﺻﻌوﺑﺔ ﺳﻧﻌﺗﻣد ﻋﻠﻰ اﻟﺷرح ﻣن‬
‫و اﻟﺗﻲ ﺗﺗﺿﻣن‬ ‫‪2‬‬ ‫ﺧﻼﻝ ﺣﻝ اﻟﻣﺳﺎﺋﻝ‪ .‬ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﻫﻲ ﻋﺑﺎرة ﻋن ﻣﺣﺎﺿرات ﻣﻘﻳﺎس اﻹﺣﺻﺎء‬
‫" ﻟﻠﺳداﺳﻲ‬ ‫‪2‬‬ ‫دروس ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﺣﺳب اﻟﺑرﻧﺎﻣﺞ اﻟوزاري اﻟﺟدﻳد و اﻟﻣوﺣد ﻟﻣﻘﻳﺎس "إﺣﺻﺎ‬
‫اﻟﺛﺎﻧﻲ‪ ،‬ﻣﻳدان ﻋﻠوم اﻗﺗﺻﺎدﻳﺔ‪ ،‬ﻋﻠوم ﺗﺟﺎرﻳﺔ و ﻋﻠوم ﺗﺳﻳﻳر‪ .‬ﺑرﻧﺎﻣﺞ ﻫذا اﻟﻣﻘﻳﺎس ﻟطﻠﺑﺔ اﻟﺳﻧﺔ‬
‫اﻻوﻟﻰ‪ ،‬ﻟﻛﻲ ﻳﺳﺗﻔﻳد اﻟطﻠﺑﺔ ﻣن اﻟﻘﺎﻋدة اﻟﺗﻲ اﻛﺗﺳﺑوﻫﺎ ﻋﻧد دراﺳﺔ اﻹﺣﺻﺎء اﻟوﺻﻔﻲ ﻓﻲ اﻟﺳدﻟﺳﻲ‬
‫اﻷوﻝ ‪ ،‬ﻟﻛن ﻫدﻓﻪ اﻷﺳﺎﺳﻲ ﻫو اﻟﺗﻣﻬﻳد ﻟدراﺳﺔ اﻟﺗطﺑﻳﻘﻳﺎت اﻹﺣﺻﺎﺋﻳﺔ ﻓﻲ اﻟﺳداﺳﻳﺎت اﻟﻼﺣﻘﺔ‪.‬‬
‫ﻫدف ﻫذا اﻟﻣﻘﻳﺎس ﻫو ﺗﻘدﻳم ﻋﻠم اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ‪ ،‬أي اﻷﺳﺎس اﻟرﻳﺎﺿﻲ ﻟﻼﻗﺗﺻﺎد‪ .‬و ﺑﺎﻋﺗﺑﺎرﻫﺎ‬
‫ﻓرﻋﺎ ﻣن اﻟرﻳﺎﺿﻳﺎت‪ ،‬ﺗدرس ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻓﻲ ﻛﻠﻳﺎت اﻟﻌﻠوم و اﻟﻬﻧدﺳﺔ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ ﻛﻠﻳﺎت‬
‫اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ و اﻻﺟﺗﻣﺎﻋﻳﺔ‪.‬‬
‫ﺗﻌد ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﺣﺻﻳﻠﺔ ﺟﻬد ﻋدة ﺳﻧوات‪ )37‬ﺑﺎﻟﺿﺑط( ﻗﺿﻳﺗﻬﺎ ﻓﻲ اﻋداد ﻣﺣﺎﺿرات ﻓﻲ‬
‫اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ ٕواﻟﻘﺎﺋﻬﺎ ﺑﻛﻠﻳﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ‪ ،‬اﻟﻌﻠوم اﻟﺗﺟﺎرﻳﺔ وﻋﻠوم اﻟﺗﺳﻳﻳر ﺑﺟﺎﻣﻌﺔ اﻟﺟزاﺋر‬
‫‪ .3‬وﻟﻘد ﺣﺎوﻟت اﻻﺳﺗﻔﺎدة ﻣن ﻫذﻩ اﻟﺗﺟرﺑﺔ ﻟﺻﻳﺎﻏﺔ ﻣﺣﺗوى اﻟﻣﻘﻳﺎس ﺑطرﻳﻘﺔ ﺗﻼﺋم ﻣﺳﺗوى طﻠﺑﺔ ﻫذﻩ‬
‫اﻟﻛﻠﻳﺔ وطﺑﻳﻌﺔ اﻟﺗﺧﺻص‪ ،‬ﻣن ﺟﻬﺔ‪ .‬وﻣن ﺟﻬﺔ أﺧرى ﺗم ﺗﺻﻣﻳم اﻟﻣﺣﺎﺿرات ﻟﺗﺗﻧﺎﺳب ﻣﻊ اﻟﺗوزﻳﻊ‬
‫اﻟوزاري اﻟﺟدﻳد اﻟذي ﺟﻌﻝ ﻫذا اﻟﻣﻘﻳﺎس ﻳﻘدم ﺧﻼﻝ ﺳداﺳﻲ واﺣد )اﻟﺳداﺳﻲ اﻟﺛﺎﻧﻲ( وﺑﻌدد ‪15‬‬
‫ﻣﺣﺎﺿرة ﻣوزﻋﺔ ﻋﻠﻰ ‪ 15‬أﺳﺑوع ﺑﺣﺟم ﺳﺎﻋﻲ ﻳﻘدر ﺑـ ‪ 45‬ﺳﺎﻋﺔ ﻣوزﻋﺔ ﺑﻳن ﻣﺣﺎﺿرة وأﻋﻣﺎﻝ‬
‫ﻣوﺟﻬﺔ‪ .‬ﻟﺗﺣﻘﻳق ﻫذا اﻟﻐرض ﺣرﺻﻧﺎ ﻋﻠﻰ ﻋدم اﻟﺗﻌﻣق ﺧﺎﺻﺔ ﻓﻲ اﻟﻣﺑرﻫﻧﺎت ﻋﻠﻰ اﻟﺧواص‬
‫اﻟرﻳﺎﺿﻳﺔ ﻛﻣﺎ ﺗم ﺑﻌد ﻋرض واﺿﺢ ﻟﻠﺗﻌﺎرﻳف واﻟﻧظرﻳﺎت واﻷﺳس رﺑط اﻟﻣﻔﺎﻫﻳم واﻟﻘواﻋد اﻟﻧظرﻳﺔ‬
‫ﺑﺎﺳﺗﺧداﻣﺎﺗﻬﺎ اﻟﺗطﺑﻳﻘﻳﺔ‪ .‬ﻓﻌﻣﻠﻧﺎ ﻋﻠﻰ إﻋطﺎء أﻣﺛﻠﺔ ﻣﺣﻠوﻟﺔ ﻋن ﻛﻝ ﻣﻔﻬوم ﺟدﻳد‪ .‬ﺗم إﻟﺣﺎق ﻛﻝ ﻓﺻﻝ‬
‫ﺑﻣﺟﻣوﻋﺔ ﻣن اﻟﺗﻣﺎرﻳن اﻟﺗطﺑﻳﻘﻳﺔ ﻟﻸﻋﻣﺎﻝ اﻟﻣوﺟﻬﺔ ﺣﺗﻰ ﻳﺗﻣﻛن اﻟطﺎﻟب ﻣن اﻟﺗﻣرن ﻋﻠﻳﻬﺎ‪ .‬ﻓﺎﻹجابة‬
‫على المسائل اإلضافية تساعد على المراجعة الكاملة على الموضوعات الموجودة بكل فصل‪.‬‬
‫ﻣن أﺟﻝ اﻻﺳﺗﺟﺎﺑﺔ ﻟﺣدود اﻟﺗوزﻳﻊ اﻟزﻣﻧﻲ ﻟﻠﻣﻘﻳﺎس ﺗم اﻟﻣوازﻧﺔ ﺑﻳن اﻟﻔﺻوﻝ‪ .‬ﻓﺄﻋدﻧﺎ ﺗوزﻳﻊ اﻟﺑرﻧﺎﻣﺞ‬
‫اﻟﻣﻘرر ﻋﻠﻰ ﺧﻣﺳﺔ ﻓﺻوﻝ‪ .‬وﻟﻘد ﻗﺳﻣﻧﺎ اﻟﻔﺻوﻝ إﻟﻰ ﻋدة ﻋﻧﺎﺻر ﺣﺳب ﻣﺗطﻠﺑﺎت اﻟدرس‪ .‬ﺑﺣﻳث‬
‫ﻳواﻓق اﻟﻔﺻﻝ ﺛﻼث ﻣﺣﺎﺿرات ﻓﻲ أﻏﻠب اﻷﺣﻳﺎن‪ .‬اﻟﺗزﻣﻧﺎ ﻓﻲ اﻟﻐﺎﻟب اﻷﻋم ﺑﺎﻟﻣﻧﻬﺞ اﻟﻣﻘرر و‬
‫اﻷﻧﺳب ﻟﻣﺳﺗوى طﺎﻟب ﻛﻠﻳﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ‪ ،‬اﻟﻌﻠوم اﻟﺗﺟﺎرﻳﺔ و ﻋﻠوم اﻟﺗﺳﻳﻳر ‪ .‬إن رأى اﻟﻘﺎرئ‬
‫أﻧﻧﺎ ﻟم ﻧﺗوﺳﻊ ﻓﻲ ﺑﻌض اﻟﺟواﻧب‪ ،‬ﻓﻠﻪ أن ﻳﺗوﺳﻊ ﻣن ﺧﻼﻝ اﻻطﻼع ﻋﻠﻰ اﻟﻣراﺟﻊ اﻟﻣوﺿوﻋﺔ ﻓﻲ‬
‫آﺧر اﻟﻣطﺑوﻋﺔ‪ .‬ﻳﺗﺿﻣن اﻟﻣﻠﺣق أﻫم اﻟﺟداوﻝ اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺗﻲ ﻳﺣﺗﺎﺟﻬﺎ اﻟطﺎﻟب‪ .‬وأﺧﻳ ار أﺗﻣﻧﻰ أن‬
‫ﻳﺟد ﻗﺎرئ ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﻣﺎ ﻳﻧﺷدﻩ ﻣﻧﻪ‪.‬‬
‫واﷲ وﻟﻲ اﻟﺗوﻓﻳق‪.‬‬

‫فھرس المحتويات‬
‫التطور التاريخي لنظرية االحتماالت ‪01 ......................................................‬‬

‫الفصل األول ‪ :‬مبادئ نظرية االحتماالت ‪02 ................................................‬‬
‫‪I.‬اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ‪02 ................................................‬‬
‫‪ .1‬ﻣﻔﻬوم اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ ‪02 ..............................................................‬‬
‫‪.2‬ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪03 ..................................................................‬‬
‫‪ .3‬اﻟﺣوادث‪،‬ﻣﻔﻬوﻣﻬﺎ و أﻧواﻋﻬﺎ ‪03 ..........................................................‬‬
‫‪ .4‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ‪09 .........................‬‬
‫‪ II‬ﻣﺑﺎدئ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ‪11 .............................................................‬‬
‫‪.1‬اﻟﺗﻌرﻳف اﻟﻧظري ﻻﺣﺗﻣﺎﻝ ﺗﺣﻘق ﺣﺎدث ‪11 ................................................‬‬
‫‪.2‬ﺧواص ﻋﺎﻣﺔ ﻻﺣﺗﻣﺎﻝ ﺗﺣﻘق ﺣﺎدث‪12 ....................................................‬‬
‫‪.3‬ﻗواﻋد اﻟﻌد واﻟﺗﺣﻠﻳﻝ اﻟﺗوﻓﻳﻘﻲ ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ‪13 .......................................‬‬
‫‪ .4‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ ﻣﺑﺎدئ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‪23 ........................................‬‬
‫اﻟﻔﺻﻝ اﻟﺛﺎﻧﻲ‪ :‬اﻟدﺳﺎﺗﻳر اﻷﺳﺎﺳﻳﺔ ﻟﻼﺣﺗﻣﺎﻻت ‪26 ...........................................‬‬
‫‪.I‬دﺳﺗور اﺗﺣﺎد اﻟﺣوادث‪26 ..................................................................‬‬
‫‪ II‬دﺳﺗور ﺗﻘﺎطﻊ اﻟﺣوادث ‪28 ................................................................‬‬
‫‪ III‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺷرطﻲ ‪29 .............................................................‬‬
‫‪ IV‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﻛﻠﻲ ‪30 ...............................................................‬‬
‫‪ V‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺟزﺋﻲ )ﻧظرﻳﺔ ﺑﺎﻳس( ‪32 ................................................‬‬
‫‪ VI‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟدﺳﺎﺗﻳر اﻷﺳﺎﺳﻳﺔ ﻟﻼﺣﺗﻣﺎﻻت ‪35 ...................................‬‬
‫اﻟﻔﺻﻝ اﻟﺛﺎﻟث‪ :‬اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ وﻣﻣﻳزاﺗﻬﺎ اﻟﻌددﻳﺔ ‪38 ....................................‬‬
‫‪.I‬ﻣﻔﻬوم اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪38 ................................................................‬‬
‫‪.II‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ و ﺧواﺻﻪ اﻟﻌددﻳﺔ ‪38 ...........................................‬‬
‫‪.1‬ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ‪39 ........................................‬‬
‫‪.2‬ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت)‪ F(x‬ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ‪40 .........................................‬‬
‫‪.3‬اﻟﺧواص اﻟﻌددﻳﺔ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ‪42 ...............................................‬‬
‫‪III‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر وﺧواﺻﻪ اﻟﻌددﻳﺔ ‪47 ............................................‬‬
‫‪.1‬داﻟﺔ اﻟﻛﺛﺎﻓﺔ )‪ f(x‬ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر‪48 ...............................................‬‬
‫‪.2‬ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت)‪ F(x‬ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ‪49 .........................................‬‬
‫‪.3‬اﻟﺧواص اﻟﻌددﻳﺔ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ‪50 ...............................................‬‬
‫‪ .IV‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ وﻣﻣﻳزاﺗﻬﺎ اﻟﻌددﻳﺔ ‪54 ...........................‬‬
‫اﻟﻔﺻﻝ اﻟراﺑﻊ‪ :‬اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ ‪57 ...................‬‬
‫‪.I‬ﺗوزﻳﻊ ﺑرﻧوﻟﻲ ‪57 .......................................... Distribution de Bernoulli‬‬
‫‪.II‬اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ‪58 .......................................... Distribution Binomiale‬‬
‫‪.III‬اﻟﺗوزﻳﻊ اﻟﻬﻧدﺳﻲ ‪63 .................................... Distribution Géométrique‬‬
‫‪.IV‬ﺗوزﻳﻊ ﺑواﺳون ‪64 ........................................ Distribution de Poisson‬‬
‫‪.V‬اﻟﺗوزﻳﻊ ﻓوق اﻟﻬﻧدﺳﻲ ‪69 ......................... Distribution Hypergéométrique‬‬
‫‪ .VI‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ ‪72 ..........‬‬
‫اﻟﻔﺻﻝ اﻟﺧﺎﻣس‪ :‬اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ‪75 ...............‬‬
‫‪. I‬اﻟﺗوزﻳﻊ اﻟﻣﻧﺗظم ‪75 .......................................... Distribution Uniforme‬‬
‫‪. II‬اﻟﺗوزﻳﻊ اﻷﺳﻲ‪77 ...................................... Distribution Exponentielle‬‬
‫‪. III‬اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ‪80 .......................................... Distribution Normale‬‬
‫‪.IV‬ﺗوزﻳﻊ ﻏﺎﻣﺎ ‪96 ................................................ Distribution Gamma‬‬
‫‪ .V‬ﺗوزﻳﻊ ﺑﻳﺗﺎ ‪98 ................................................... Distribution bêta‬‬
‫» ‪102 ...... Distribution de « khi carré » ou « khi deux‬‬ ‫‪ .VI‬ﺗوزﻳﻊ ﻛﻲ ﻣرﺑﻊ‬
‫‪ VII‬ﺗوزﻳﻊ ﺳﺗودﻧت ‪105 ...................................... Distribution de Student‬‬
‫‪ VIII‬ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‪108 .........‬‬
‫اﻟﻣراﺟﻊ ‪111 .................................................................................‬‬
‫ﻣﻠﺣق ﺟداوﻝ اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة‪113 ................................................‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﻳﺎس اﻹﺣﺻﺎء‪2‬‬
‫اﻟﺗطور اﻟﺗﺎرﻳﺧﻲ ﻟﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬

‫ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻫﻲ اﻟﻌﻠم اﻟذي ﻳدرس اﻟظواﻫر اﻟﻌﺷواﺋﻳﺔ وﻳﻘوم ﺑﺗﺣﻠﻳﻠﻬﺎ‪.‬ﻗﺑﻝ أن ﻧﺑدأ ﺑدراﺳﺔ‬
‫ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻻ ﺑد ﻟﻧﺎ ﻣن ﺗذﻛﻳر اﻟﺗطور اﻟﺗﺎرﻳﺧﻲ ﻟﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‪ .‬ان ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬
‫ﻣرﺗﺑطﺔ ﺑﺄﻟﻌﺎب اﻟﺻدﻓﺔ واﻟﺣظ اﻟﺗﻲ ﻛﺎﻧت ﻣﻧﺗﺷرة ﻓﻲ اﻟﻘرن اﻟﺳﺎﺑﻊ ﻋﺷر ﺑﺄورﺑﺎ ‪ .‬ﻗﻠﺔ اﻧﺗﺷﺎر‬
‫طﺑﺎﻋﺔ اﻟﻛﺗب واﻷﺟواء اﻟدﻳﻧﻳﺔ ﺿد أﻟﻌﺎب اﻟﺣظ ﻣﻧﻌت اﻧﺗﺷﺎر اﻟﻛﺗﺎﺑﺎت ﻓﻲ ﻫذا اﻟﻣﻳدان‪ .‬ﻳﻌﺗﺑر‬
‫اﻟﻌﺎﻟم ﺑﻠﻳس ﺑﺳﻛﺎﻝ ‪ Blaise Pascal‬أﺣد اﻟﻌﻠﻣﺎء اﻷواﺋﻝ اﻟذﻳن اﻫﺗﻣوا ﺑﺣﺳﺎب اﻻﺣﺗﻣﺎﻝ‪ .‬ﻛﺎن ﻣﺗﻔﻘﺎ‬
‫ﻣﻊ اﻟﻌﺎﻟم ﺑﻳﺎر دي ﻓﺎرﻣﺎ أن دراﺳﺔ اﻟظواﻫر اﻟﻌﺷواﺋﻳﺔ ﻳﻣﻛن أن ﺗﻛون دراﺳﺔ ﻋﻠﻣﻳﺔ‪ .‬ﺳﺎﻫﻣت أﺑﺣﺎث‬
‫وﻣراﺳﺎﻻت ﺑﺎﺳﻛﺎﻝ )‪ (Pascal : 1662 - 1623‬وﻓرﻣﺎت)‪ ( Fermat : 1665 – 1601‬وﻫﻳﺟﻧز‬
‫)‪ (Huygens : 1629 – 1695‬ﻓﻲ اﻧطﻼق ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﺛم ﺗطورت اﻟﺑﺣوث اﻟﻌﻠﻣﻳﺔ ﻓﻲ ﻫذا‬
‫اﻟﻣﻳدان ﻣﻊ ﺑرﻧوﻟﻲ)‪ ، ( Bernoulli : 1654-1705‬دوﻣواﻓر )‪، (De Moivre :1754-1667‬‬
‫ﻻﺑﻼس)‪، ( Laplace :1749- 1827‬ﻗوس )‪ ، (Gauss, 1777- 1855‬ﺑواﺳون ‪Poisson :‬‬
‫‪،1781-‬ﺗﺷﻳﺑﻳﺷف‬
‫)‪ (Tchebychev : 1825-1894‬ﻣﺎرﻛوف )‪ ،(Markov : 1856-1922‬وﻏﻳرﻫم‪.‬‬
‫ﻓﻲ ﺑداﻳﺔ اﻟﻘرن اﻟﻌﺷرﻳن أﺻﺑﺣت اﻹﺣﺻﺎء أﻛﺛر اﺳﺗﺧداﻣﺎ ﻟﻠرﻳﺎﺿﻳﺎت‪ .‬ﻓﺗطور ﻋﻠم اﻻﺣﺗﻣﺎﻻت‬
‫ﻛﻔرع ﻣن اﻟرﻳﺎﺿﻳﺎت‪ .‬وﺗواﺻﻠت اﻷﺑﺣﺎث ﺑﺻورة أﻛﺛر وﺿوﺣﺎ ﻓﻲ اﻟﻧﺻف اﻷﺧﻳر ﻣن اﻟﻘرن‬
‫اﻟﻌﺷرﻳن ﺣﺗﻰ وﺻﻠت ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت إﻟﻰ ﺷﻛﻠﻬﺎ اﻟراﻫن‪ .‬وﺑﺎﻟﺗدرﻳﺞ اﻧﺗﺷر اﺳﺗﺧدام اﻹﺣﺻﺎء ﻓﻲ‬
‫اﻟﻣﺟﺎﻻت اﻟﻣﺧﺗﻠﻔﺔ ﺳواء ﻛﺎﻧت ﻓﻲ ﻣﺟﺎﻝ اﻟطب‪ ،‬وﻓﻲ ﻣﺟﺎﻝ اﻻﻗﺗﺻﺎد‪ . ...‬ﻛﻣﺎ أن ظﻬور‬
‫اﻟﺣﺎﺳﺑﺎت اﻹﻟﻛﺗروﻧﻳﺔ وظﻬور اﻟﻛﻣﺑﻳوﺗر وﺣزم اﻟﺑراﻣﺞ اﻟﺟﺎﻫزة ﺳﻬﻠت اﺳﺗﺧدام اﻟطرق اﻹﺣﺻﺎﺋﻳﺔ‬
‫ﻟﻛﺛﻳر ﻣن اﻟﺑﺎﺣﺛﻳن وﺳﺎﻫﻣت ﻣﺳﺎﻫﻣﺔ ﻓﻌﺎﻟﺔ ﻓﻲ ﺗطور اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ‪.‬‬
‫‪-1-‬‬
‫األستاذة الدكتورة ‪ :‬أوشيش سليمة م اوصديق‪ -‬كلية العلوم االقتصادية والتجارية وعلوم التسيير– جامعة الجزائر ‪3‬‬
‫اﻟﻔﺻﻝ اﻷوﻝ‪ :‬ﻣﺑﺎدئ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬
‫ﻟدراﺳﺔ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻻﺑد ﻣن اﻟﺗطرق إﻟﻰ ﺑﻌض اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ‪.‬‬
‫‪ .I‬اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬
‫ﻗﺑﻝ أن ﻧﺑدأ ﺑدراﺳﺔ اﻻﺣﺗﻣﺎﻻت ﻻﺑد ﻣن ﺧﻼﻝ ﻫذا اﻟﻔﺻﻝ اﻟﺗﻣﻬﻳدي ﻣن اﻟﺗﻔرﻳق ﺑﻳن اﻟظواﻫر أو‬
‫اﻟﺗﺟﺎرب اﻟﻌﺷواﺋﻳﺔ و اﻟﺗﻲ ﺗﺗﺿﻣن ﻣﺟﻣوﻋﺔ ﻣن اﻟﺣوادث‪ .‬ﻳﺟب ﻣﻌرﻓﺔ ﻣدﻟوﻟﻬﺎ ﻓﻲ ﻣﻳدان‬
‫اﻻﺣﺗﻣﺎﻻت ﺣﻳث ﺳﺗﻛون اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ اﻟﻣرﺗﻛز اﻷﺳﺎﺳﻲ اﻟذي ﺳﺗﺗﻣﺣورﺣوﻟﻪ دراﺳﺔ ﻧظرﻳﺔ‬
‫اﻻﺣﺗﻣﺎﻻت‪.‬‬
‫‪.1‬ﻣﻔﻬوم اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪(Épreuve aléatoire) ،‬‬
‫ﺗﻧﻘﺳم اﻟﺗﺟرﺑﺔ إﻟﻰ ﻗﺳﻣﻳن‪ :‬اﻟﺗﺟرﺑﺔ اﻟﻧظﺎﻣﻳﺔ واﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪.‬‬
‫ﻧﺟد اﻟﺗﺟرﺑﺔ اﻟﻧظﺎﻣﻳﺔ ﺑﺻورة أﺳﺎﺳﻳﺔ ﻓﻲ ﻣﺟﺎﻝ اﻟﻌﻠوم اﻟدﻗﻳﻘﺔ ‪ ،‬اﻟﻔﻳزﻳﺎء واﻟﻛﻳﻣﻳﺎء‪ .‬ﻧﺗﺎﺋﺟﻬﺎ ﻣﺣددة‬
‫ﻣﺳﺑﻘﺎ ﻋﻠﻰ أﺳﺎس ﻗواﻧﻳن ﻋﻠﻣﻳﺔ وﺑﺎﻟﺗﺎﻟﻲ ﻓﻬذا اﻟﻧوع ﻣن اﻟﺗﺟرﺑﺔ ﻳﺧرج ﻋن ﻣﺟﺎﻝ دراﺳﺗﻧﺎ‪.‬‬
‫ﺳﻧﺗطرق ﻟﻠﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ ﺣﻳث ﻧﺻﺎدﻓﻬﺎ ﻓﻲ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ‪ ،‬ﻋﻠوم اﻟﺗﺳﻳﻳر‪ ،‬ﻋﻠوم اﻟﺗﺟﺎرﻳﺔ‪...‬‬
‫اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ ظﺎﻫرة ﺗﺳﺗﻧد إﻟﻰ اﻟﻣﺻﺎدﻓﺔ‪ :‬ﻧﺗﺎﺋﺟﻬﺎ ﻏﻳر ﻣﺣددة ﻣﺳﺑﻘﺎ)ﻏﻳر ﻣﻧﺗﺿﻣﺔ(‪ .‬ﻳﻣﻛن‬
‫ﻓﻬﻣﻬﺎ ﻋﻠﻰ أﻧﻬﺎ ﻗﺎﺑﻠﺔ ﻟﻠﺗﻛرار أو ﻳﻣﻛن ﺗﻛرارﻫﺎ ﻋددا ﻣن اﻟﻣرات‪.‬‬
‫ﻧﻼﺣظ ﻣﺎ ﻳﻠﻲ ﻋﻧد إﺟراء أي ﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ‪:‬‬
‫‪-‬ﻗد ﻳﻛون ﻓراغ اﻹﻣﻛﺎﻧﻳﺎت ﻣﻧﺗﻬﻳﺎ أو ﻏﻳر ﻣﻧﺗﻬﻳﺎ‪.‬‬
‫‪-‬ﺗﻌطﻲ اﻟﺗﺟرﺑﺔ ﻧﺗﻳﺟﺔ ﻣﻌﻳﻧﺔ ﺿﻣن اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛﻧﺔ‪.‬‬
‫‪-‬ﺿﻣن ﻧﻔس اﻟﺷروط‪ ،‬ﻗد ﺗﺧﺗﻠف ﻧﺗﻳﺟﺔ اﻟﺗﺟرﺑﺔ ﻣن ﻣﺣﺎوﻟﺔ ﻷﺧرى‪.‬‬
‫‪-‬ﻻ ﻧﺳﺗطﻳﻊ أن ﻧﺗﻧﺑﺄ ﻣﺳﺑﻘﺎ ﺑﺎﻟﻧﺗﻳﺟﺔ‪.‬‬
‫‪-2-‬‬
‫إذا ﻛﺎﻧت ‪ E1‬ﺗﺟرﺑﺔ إﻟﻘﺎء ﻗطﻌﺔ ﻧﻘود ﻣرة واﺣدة‪ ،‬ﻓﺈن اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛﻧﺔ ﻫﻣﺎ ‪:‬ظﻬور اﻟﺻورة و ﻧرﻣز ﻟﻬﺎ‬
‫ﺑﺎﻟرﻣز ‪ F‬أو ظﻬور اﻟرﻗم وﻧرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز ‪، P‬ﻓ ارع اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛﻧﺔ ﻫوﻋﺑﺎرة ﻋن‬
‫}‪.Ω = {P, F‬‬
‫ﺑﻣﺎ أن اﻟﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ ﻻ ﻳﻣﻛن ﺗﺣدﻳد ﻗﺑﻝ إﻟﻘﺎء اﻟﻘطﻌﺔ أي ﻣن اﻟﻧﺗﻳﺟﺗﻳن ﺳوف ﺗظﻬر‪.‬‬
‫إذا ﻛﺎﻧت ‪ E2‬ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة ﻧرد ﻓراﻏﻬﺎ ﻫوﻋﺑﺎرة ﻋن } ‪Ω = {1, 2, 3,4,5,6‬‬
‫ﺑﻣﺎ أن اﻟﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ ﻻ ﻳﻣﻛن ﺗﺣدﻳد ﻗﺑﻝ إﻟﻘﺎء زﻫرة اﻟﻧرد أي ﻧﺗﻳﺟﺔ ﻣن اﻟﺳﺗﺔ ﺳوف ﺗظﻬر‪.‬‬
‫‪ .2‬ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ) اﻟﻔﺿﺎء اﻻﺣﺗﻣﺎﻟﻲ( ‪Ω‬‬
‫ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪ Ω‬أو مجموعة األساس ﻋﺑﺎرة ﻋن ﺟﻣﻳﻊ اﻟﻣﺷﺎﻫدات ﻳﻌﻧﻲ ﻣﺟﻣوﻋﺔ ﻋﻧﺎﺻر‬
‫ﺟﻣﻳﻊ اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ ﻟﻠﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪ .‬ﻧرﻣز ﻟﻌدد اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ )ﻋدد ﻋﻧﺎﺻر ‪ (Ω‬ب‬
‫‪Ω Card‬‬
‫‪ -1‬ﻳﻛون ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ ﻗطﻌﺔ ﻧﻘود ﻣرة واﺣدة ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪Card Ω = 2‬‬ ‫و‬ ‫} ‪Ω = {P , F‬‬
‫‪ -2‬ﻳﻛون ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ زﻫرة اﻟﻧرد ﻣرة واﺣدة ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪Card Ω = 6‬‬ ‫و‬ ‫} ‪Ω = {1, 2, 3,4,5,6‬‬
‫‪.3‬اﻟﺣوادث ‪ ،‬ﻣﻔﻬوﻣﻬﺎ و أﻧواﻋﻬﺎ‬
‫ﻳﻌﺗﺑر ﻣﺻطﻠﺢ اﻟﺣﺎدث أﺳﺎﺳﻳﺎ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‪ ،‬ﻟذﻟك ﻧﻧﺗﻘﻝ ﻣﺑﺎﺷرة إﻟﻰ ﻋرض ﺑﻌض‬
‫اﻟﺗﻌﺎرﻳف اﻷﺳﺎﺳﻳﺔ وﻫﻲ‪:‬‬
‫‪-3-‬‬
‫أ‪ .‬ﺗﻌرﻳف اﻟﺣﺎدث)‪: (Événement‬‬
‫ﻳﻣﻛن ﺗﻌرﻳف اﻟﺣﺎدث ﺑﺄﻧﻪ ﻛﻝ واﻗﻌﺔ ﻳﻣﻛن أن ﺗﺗﺣﻘق أو ﻻ ﺗﺗﺣﻘق‪ .‬و ﻧﺷﻳر اﻟﻰ أن ﻛﻝ ﻣن ﺣﺎﻟﺗﻲ‬
‫اﻟﺗﺣﻘق أو ﻋدم اﻟﺗﺣﻘق ﻳﻣﻛن أن ﺗﺗﺿﻣن ﺣﺎﻻت ﻣﺧﺗﻠﻔﺔ و ﻛﺄﻣﺛﻠﺔ ﻋﻠﻰ اﻟﺣوادث ﻧذﻛر ﻣﺎ ﻳﻠﻲ‪:‬‬
‫ﻧﺟﺎح اﻟطﺎﻟب ﻓﻲ اﻻﻣﺗﺣﺎن‪ ،‬وﻓﺎة ﺷﺧص ﻣﺎ‪ ......‬ﻓﺣﺎﻟﺔ ﻧﺟﺎح اﻟطﺎﻟب ‪ ،‬ﻳﻣﻛن أن ﺗﺗﺣﻘق ﺑدرﺟﺔ‬
‫اﻻﻣﺗﻳﺎز أو ﺟﻳد أو ﻣﻘﺑوﻝ‪ .‬ﻧﻌﺗﺑر أن اﻟﺣﺎدث ﻋﻧﺻ ار أو ﻣﺟﻣوﻋﺔ ﺟزﺋﻳﺔ ﻣﻧﻣﺟﻣوﻋﺔ ﻓراغ اﻟﺣوادث‬
‫اﻷوﻟﻳﺔ ‪ . Ω‬ﻧرﻣز ﻟﻠﺣوادث ﺑﺎﻟﺣروف اﻟﻼﺗﻳﻧﻳﺔ اﻟﻛﺑﻳرة‪. A , B , C,D…….. :‬و ﻧرﻣز ﻟﻌدد‬
‫ﻋﻧﺎﺻر اﻟﻣﺟﻣوﻋﺔ ‪ Ω‬ب ‪ Card Ω‬و ﻟﻌدد ﻋﻧﺎﺻر اﻟﻣﺟﻣوﻋﺔ ‪ A‬ب ‪.Card A‬‬
‫ب‪.‬أﻧواع اﻟﺣوادث و ﺧواﺻﻬﺎ اﻷﺳﺎﺳﻳﺔ‪:‬‬
‫ﺗﻌﺗﻣد اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻟﻠﺣوادث و ﺧواﺻﻬﺎ ﻋﻝ ﻣﺑﺎدئ ﻧظرﻳﺔ اﻟﻣﺟﻣوﻋﺎت‪.‬‬
‫ـ اﻟﺣﺎدث اﻷﻛﻳد‪ (Événement certain) :‬ﻫو اﻟﺣﺎدث اﻟذي ﻳﻘﻊ ﺣﺗﻣﺎ‪ .‬ﻣﺛﻝ اﻟﺣﺻوﻝ ﻋﻠﻰ رﻗم‬
‫} ‪A = Ω = {1, 2, 3,4,5,6‬‬ ‫أﻗﻝ ﻣن‪7‬ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ زﻫرة اﻟﻧرد ﻣرة واﺣدة‪.‬‬
‫‪ -‬اﻟﺣﺎدث اﻟﻣﺳﺗﺣﻳﻝ ‪ (Événement impossible) :‬ﻫو اﻟﺣﺎدث اﻟﻐﻳر اﻟﻘﺎﺑﻝ ﻟﻠﺗﺣﻘق‪ .‬ﻣﺛﻝ‬
‫‪A‬‬ ‫اﻟﺣﺻوﻝ ﻋﻠﻰ رﻗم أﻛﺑر ﻣن ‪ 6‬ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ زﻫرة اﻟﻧرد ﻣرة واﺣدة‪ϕ .‬‬
‫ﻫو اﻟﺣﺎدث ﻏﻳر اﻟﻘﺎﺑﻝ ﻟﻠﺗﺟزﺋﺔ‬ ‫‪ -‬اﻟﺣﺎدث اﻟﺑﺳﻳط)اﻷوﻟﻲ(‪(Événement élémentaire):‬‬
‫ﺣﻳث ﻳﻌﺑر ﻋن ﺣﺎﻟﺔ ﻣﻣﻛﻧﺔ واﺣدة ﻣن اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ‪.‬‬
‫ﻣﺛﻼ ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء ﻗطﻌﺔ ﻧﻘود ﻣرة واﺣدة ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﺑﺳﻳطﻳن ﺣﻳث‪:‬‬
‫}‪A={ F‬‬ ‫ظھور الصورة ‪:‬‬ ‫} ‪B={ P‬‬ ‫ظھور الرقم‪:‬‬

‫‪ -‬اﻟﺣﺎدث اﻟﻣرﻛب‪ (Événement composé):‬ﻫو ﺣﺎدث ﻣﺷﻛﻝ ﻣن ﻣﺟﻣوﻋﺔ ﻣن اﻟﺣوادث‬
‫اﻟﺑﺳﻳطﺔ‪ ،‬أو ﻫو ﺣﺎدث ﻗﺎﺑﻼ ﻟﻠﺗﺟزﺋﺔ ﺣﻳث ﻳﻣﻛن ﺗﺟزﺋﺗﻪ إﻟﻰ ﻣﺟﻣوﻋﺔ ﻣن ﺣوادث أﺑﺳط‪.‬‬
‫‪-4-‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ زﻫرة اﻟﻧرد ﻣرة واﺣدة‪ ،‬ﻟﻳﻛن اﻟﺣﺎدث ‪ :A‬ظﻬور رﻗم ﻓردي‬
‫} ‪A={ 1 , 3, 5‬‬
‫ﻳﻣﻛن ﺗﺟزﺋﺔ اﻟﺣﺎدث اﻟﻣرﻛب ‪ A‬إﻟﻰ ﻣﺟﻣوﻋﺔ أﺧرى ﻣن ﺣوادث أﺑﺳط ﻣﻧﻪ‪ ،‬ﻣﺛﻝ‪:‬‬
‫‪ :B‬ﺣﺎدث ظﻬور رﻗم ﻓردي أﺻﻐر ﻣن ‪B={ 1 } : 3‬‬
‫‪ :C‬ﺣﺎدث ظﻬور رﻗم ﻓردي أﻛﺑر ﻣن ‪B={ 3,5 } : 1‬‬
‫‪ B , A‬ﻋن وﻗوع أﺣدﻫﺎ ﻋﻠﻰ اﻷﻗﻝ‪ ،‬وﺑﻣﻌﻧﻰ آﺧر وﻗوع اﻷوﻝ أو‬ ‫‪ -‬اﺗﺣﺎد اﻟﺣوادث‪ :‬ﻳﻌﺑر اﺗﺣﺎد‬
‫اﻟﺛﺎﻧﻲ أو اﻟﺣﺎدﺛﺎن ﻛﻼﻫﻣﺎ‪ ،‬وﻳﻌﺑر ﻋن ذﻟك رﻳﺎﺿﻳﺎ )‪.(AU B‬‬
‫‪ -‬ﺗﻘﺎطﻊ اﻟﺣوادث‪ :‬ﻫﻲ اﻟﺣوادث اﻟﺗﻲ ﻳﻣﻛن ﻟﺑﻌﺿﻬﺎ أو ﺟﻣﻳﻌﻬﺎ أن ﺗﺗﺣﻘق ﻣﻌﺎ أي ﻓﻲ ﻧﻔس‬
‫اﻟوﻗت‪ ،‬وﺑﻌﺎﺑرة أﺧرى ﺗﻘﺎطﻌﻬﺎ ﻻ ﻳﺳﺎوي ﻣﺟﻣوﻋﺔ ﺧﺎﻟﻳﺔ‪.‬‬
‫‪A∩B≠Φ‬‬
‫‪A‬‬ ‫‪B‬‬
‫‪A∩B‬‬
‫∩‪ A‬عبارة عن الجز ء المشترك‬
‫‪ -‬اﻟﺣوادث اﻟﻣﺗﻛﺎﻣﻠﺔ‪ :‬ﻫﻲ اﻟﺣوادث اﻟﺗﻲ ﻳﻌطﻲ اﺗﺣﺎدﻫﺎ ﻣﻌﺎ ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪ Ω‬أي أن‪:‬‬
‫=‪Ω‬‬ ‫‪U‬‬ ‫‪U‬‬ ‫‪U‬‬ ‫‪U…..‬‬
‫ظﻬور ﻋدد‬ ‫‪ ‬ظﻬورﻋدد‪ ‬زوﺟﻲ‪ ‬و‪ ‬‬ ‫ﻣﺛﺎﻝ‪ :‬ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة اﻟﻧرد ﻣرة واﺣدة ﻟﺗﻛن اﻟﺣﺎدﺛﻳن‬
‫}‪={2, 4, 6‬‬ ‫}‪{1, 3, 5‬‬ ‫ﻓردي ﺣﻳث‪:‬‬
‫=‪Ω‬‬ ‫‪ ‬‬ ‫‪U‬‬ ‫‪= 1, 2, 3,4,5,6‬‬ ‫وﻣﻧﻪ‬
‫‪-5-‬‬
‫‪ -‬اﻟﺣﺎدث اﻟﻌﻛﺳﻲ‪ ،‬اﻟﻣﺗﻣم‪ :‬ﻫو اﻟﺣﺎدث اﻟذي ﻳﻌﻧﻲ ﺗﺣﻘﻘﻪ ﻋدم ﺗﺣﻘق اﻟﺣﺎدث اﻷﺳﺎﺳﻲ‪ .‬وﻧرﻣز‬
‫ﺑﺎﻟرﻣز‪̅ :‬‬ ‫ﻝ‪ ‬‬ ‫ﻟﻠﺣﺎدث اﻟﻌﻛﺳﻲ‬
‫ﻳﻣﺛﻝ اﻟﺣﺎدث اﻟﻌﻛﺳﻲ ﻓﻲ ﻧظرﻳﺔ اﻟﻣﺟﻣوﻋﺎت ﻣﺗﻣم ﻣﺟﻣوﻋﺔ ﺑﺎﻟﻧﺳﺑﺔ ﻟﻣﺟﻣوﻋﺔ أﺧرى‪.‬‬
‫ﻳﻣﻛن ﺗوﺿﻳﺢ ذﻟك ﻋن طرﻳق اﻟرﺳم اﻟﺗﺎﻟﻲ‪:‬‬

‫̅‬
‫‪A‬‬
‫‪A‬‬
‫ﻳﺷﻛﻝ ﻛﻝ ﺣﺎدث وﺣﺎدﺛﻪ اﻟﻌﻛﺳﻲ ﺣﺎدﺛﻳن ﻣﺗﻛﺎﻣﻠﻳن ﺣﻳث‪AUA = Ω :‬‬
‫اﻟﺣوادث اﻟﻣﺗﻧﺎﻓﻳﺔ‪ :‬ﻫﻲ اﻟﺣوادث اﻟﺗﻲ ﻻ ﻳﻣﻛن ﻟﺑﻌﺿﻬﺎ أو ﺟﻣﻳﻌﻬﺎ أن ﺗﺗﺣﻘق ﻣﻌﺎ ﻓﻲ آن واﺣد‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻳﻌطﻲ ﺗﻘﺎطﻌﻬﺎ ﻣﺟﻣوﻋﺔ ﺧﺎﻟﻳﺔ‪ .‬ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة اﻟﻧرد ﻣرة واﺣدة ﻟﺗﻛن اﻟﺣﺎدﺛﻳن ‪A‬‬
‫ظﻬور ﻋدد ‪ ‬زوﺟﻲ و ظﻬور ﻋدد ﻓردي ﺣﻳث‬
‫}‪A={2, 4, 6‬‬ ‫}‪B= {1, 3, 5‬‬

‫‪B‬‬
‫‪-‬‬
‫‪A‬‬
‫=‪A∩B‬‬
‫∩‪A‬‬ ‫=‬ ‫ﻣﻼﺣظﺔ‪ :‬ﻳﺷﻛﻝ ﻛﻝ ﺣﺎدث وﺣﺎدﺛﻪ اﻟﻌﻛﺳﻲ ﺣﺎدﺛﻳن ﻣﺗﻧﺎﻓﻳﻳن ﺣﻳث‪:‬‬
‫اﻟﺣوادث ﻏﻳر اﻟﻣﺗﻧﺎﻓﻳﺔ‪ :‬ﻫﻲ اﻟﺣوادث اﻟﺗﻲ ﻳﻣﻛن وﻗوﻋﻬﺎ ﻣﻌﺎ ﻓﻲ آن واﺣد ﺣﻳث وﻗوع أﺣدﻫﺎ ﻻ‬
‫ﻳﻣﻧﻊ وﻗوع اﻵﺧر ﻣﺛﻼ ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة اﻟﻧرد ﻣرة واﺣدة ﻟﺗﻛن اﻟﺣﺎدﺛﻳن ‪ A‬ظﻬور رﻗم‬
‫ﻻ ﻳﻣﻧﻊ ظﻬور اﻟرﻗم اﻷوﻟﻲ‪ .‬ﻣﺛﻼ ‪ 5‬رﻗم ﻓردي أوﻟﻲ‪.‬‬ ‫ظﻬور رﻗم أوﻟﻲ ﺣﻳث ظﻬور اﻟرﻗم‬
‫‪-6-‬‬
‫اﻧﻬﻣﺎ ﻣﺳﺗﻘﻠﻳن اذا ﻛﺎن ﺗﺣﻘق أﺣدﻫﻣﺎ ﻏﻳر ﻣرﺗﺑط‬ ‫اﻟﺣوادث اﻟﻣﺳﺗﻘﻠﺔ‪ :‬ﻧﻘوﻝ ﻋن ﺣدﺛﻳن‪ A‬و‬
‫ﺑﺗﺣﻘق أو ﻋدم ﺗﺣﻘق اﻵﺧر‪ .‬ﻣﺛﻼ ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة اﻟﻧرد ﻣرﺗﻳن ﻟﺗﻛن اﻟﺣﺎدﺛﻳن ‪: A‬ﻧﺗﻳﺟﺔ اﻟرﻣﻳﺔ‬
‫اﻻوﻟﻰ و ‪: B‬ﻧﺗﻳﺟﺔ اﻟرﻣﻳﺔ اﻟﺛﺎﻧﻳﺔ‪ .‬ﻧﺗﻳﺟﺔ اﻟرﻣﻳﺔ اﻻوﻟﻰ ﻟم ﺗﺄﺛر ﻋﻠﻰ ﻧﺗﻳﺟﺔ اﻟرﻣﻳﺔ اﻟﺛﺎﻧﻳﺔ‪ .‬اﻟﺣﺎدث‬
‫‪ B‬ﻣﺳﺗﻘﻝ ﻋن اﻟﺣﺎدث ‪) A‬و اﻟﻌﻛس ﺻﺣﻳﺢ(‬
‫اﻧﻬﻣﺎ ﻏﻳر ﻣﺳﺗﻘﻠﻳن اذا ﻛﺎن ﺗﺣﻘق أﺣدﻫﻣﺎ‬ ‫اﻟﺣوادث ﻏﻳر اﻟﻣﺳﺗﻘﻠﺔ‪ : :‬ﻧﻘوﻝ ﻋن ﺣدﺛﻳن‪ A‬و‬
‫ﻣرﺗﺑط ﺑﺗﺣﻘق اﻵﺧر‪ .‬ﻣﺛﻼ ﻓﻲ ﺗﺟرﺑﺔ ﺳﺣب ﻛرﺗﻳن اﻟواﺣدة ﺑﻌد اﻷﺧرى وﺑدون ارﺟﺎع‪: A.‬ﻧﺗﻳﺟﺔ‬
‫اﻟﺳﺣب اﻻوﻝ و‪: B‬ﻧﺗﻳﺟﺔ اﻟﺳﺣب اﻟﺛﺎﻧﻲ‪ .‬ﻧﺗﻳﺟﺔ اﻟﺳﺣب اﻻوﻝ ﺗﺄﺛر ﻋﻠﻰ ﻧﺗﻳﺟﺔ اﻟﺳﺣب اﻟﺛﺎﻧﻲ‬
‫ج‪.‬ﺧواص ﻋﺎﻣﺔ ﻟﻸﺣداث‪:‬‬
‫ﺑﺈﺳﺗﺧدام ﻋﻣﻠﻳﺎت اﻟﻣﺟﻣوﻋﺎت ﻋﻠﻰ اﻷﺣداث ﻧﺣﺻﻝ ﻋﻠﻰ أﺣداث أﺧرى‬
‫ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻋﺷواﺋﻳﻳن‪ .‬ﻓﺈن ‪:‬‬
‫‪- A∩A=A‬‬ ‫‪ B ∩ B = B.‬أو‬

‫‪- AUA=A‬‬ ‫‪ B U B = B.‬أو‬
‫‪ -‬ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻋﺷواﺋﻳﻳن ﺣﻳث ‪ A ⊂ B‬ﻓﺈن ‪:‬‬
‫‪Ω‬‬
‫‪A‬‬
‫‪B‬‬
‫‪- A ⊂ B => A ∩ B = A‬‬

‫‪- A ⊂ B => A U B = B‬‬
‫‪ -‬ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻋﺷواﺋﻳﻳن ﺣﻳث ‪ B ⊂ A‬ﻓﺈن ‪:‬‬
‫‪Ω‬‬
‫‪B‬‬
‫‪A‬‬
‫‪-7-‬‬
‫‪- B ⊂ A => A ∩ B =B.‬‬

‫‪- B ⊂ A => A U B = A‬‬
‫ﺣﺎدﺛﻳن ﻋﻛﺳﻳﻳن ﻟﻬﻣﺎ‪ .‬ﻓﺈن ‪:‬‬ ‫و‬ ‫‪ -‬ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻋﺷواﺋﻳﻳن و‬
‫∩‪A – B = A‬‬ ‫)‪= A - (A∩ B‬‬ ‫أو‬ ‫)‪B - A = B ∩ = B – ( A∩B‬‬

‫)‪ (A – B‬تمتل الحدث ‪ A‬وليس ‪.B‬‬
‫)‪ (B – A‬تمتل الحدث ‪ B‬وليس ‪.A‬‬
‫قانوني دو مرقان )‪: (Lois de Morgan‬‬

‫=‬ ‫=‬
‫‪-8-‬‬
‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬
‫اﻟﺗﻣرﻳن اﻷوﻝ‪:‬‬
‫أﻟﻘﻳت ﻗطﻌﺔ ﻧﻘود ﺛﻼث ﻣرات ﻣﺗﺗﺎﻟﻳﺔ‪:‬‬
‫‪ .2‬أوﺟد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪ .1‬أوﺟد ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪.Ω‬‬
‫‪ :B‬ظﻬور رﻗﻣﻳن ﻋﻠﻰ اﻷﻛﺛر‪ : C .‬ظﻬور ﺻورة واﺣدة‬ ‫‪ :A‬ظﻬور ﺻورﺗﻳن و رﻗم‪.‬‬
‫ﻋﻠﻰ اﻷﻗﻝ‪.‬‬
‫اﻟﺗﻣرﻳن اﻟﺛﺎﻧﻲ‪:‬‬
‫ﺗﺟرﺑﺔ ﺗﺗﻣﺛﻝ ﻓﻲ إﻟﻘﺎء ﻗطﻌﺗﻲ ﻧﻘود ﻣرة واﺣدة‪.‬‬
‫أوﺟد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪.1‬‬
‫‪ :A‬ظﻬور ﺻورة ﻋﻠﻰ اﻟﻘطﻌﺔ اﻷوﻟﻰ‪ :B .‬ظﻬور رﻗم ﻋﻠﻰ اﻟﻘطﻌﺔ اﻷوﻟﻰ‪ : C .‬ظﻬور ﺻورة‬
‫‪ :E‬ظﻬور ﺻورة ﻋﻠﻰ اﻷﻗﻝ‪: F .‬‬ ‫ﻋﻠﻰ اﻟﻘطﻌﺔ اﻟﺛﺎﻧﻳﺔ‪ : D .‬ظﻬور رﻗم ﻋﻠﻰ اﻟﻘطﻌﺔ اﻟﺛﺎﻧﻳﺔ‪.‬‬
‫‪ :H‬ﻋدم ظﻬور أي ﺻورة‪ : I .‬ظﻬور‬ ‫ظﻬور رﻗم ﻋﻠﻰ اﻷﻗﻝ‪ :G .‬ظﻬور رﻗم و ﺻورة‪.‬‬
‫ﺻورﺗﻳن‪.‬‬
‫‪ .2‬أوﺟد اﻟﺣوادث اﻟﻣواﻓﻘﺔ ﻟﻠﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪1) A∩C. 2) A U C. 3) E∩F. 4) G U E.‬‬ ‫‪5) B∩ D. 6) H∩ I‬‬
‫اﻟﺗﻣرﻳن اﻟﺛﺎﻟث‪:‬‬
‫ﺗﺗﺄﻟف ﺗﺟرﺑﺔ ﻣن رﻣﻲ ﺣﺟري زﻫر اﻟﻧرد‪ ,‬و اﻟﻣطﻠوب إﻳﺟﺎد ﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪ .2‬إﻳﺟﺎد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪.1‬ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪. Ω‬‬
‫‪ :A‬ﻣﺟﻣوع رﻗﻣﻲ اﻟوﺟﻬﻳن اﻟظﺎﻫرﻳن ‪.7‬‬
‫‪-9-‬‬
‫‪ :B‬ﻣﺟﻣوع رﻗﻣﻲ اﻟوﺟﻬﻳن اﻟظﺎﻫرﻳن أﻛﺑر ﻣن ‪.5‬‬
‫‪ : C‬ﻣﺟﻣوع اﻟرﻗﻣﻳن اﻟظﺎﻫرﻳن أﻛﺑر ﻣن ‪ 5‬و ﻳﺧﺗﻠف ﻋن ‪.7‬‬
‫اﻟﺗﻣرﻳن اﻟراﺑﻊ‪:‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء ﺣﺟر زﻫر اﻟﻧرد ﻣرة واﺣدة و إذا ﻛﺎﻧت اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ :A‬اﻟﺣﺻوﻝ ﻋﻠﻰ ﻋدد زوﺟﻲ‪ :B .‬اﻟﺣﺻوﻝ ﻋﻠﻰ ﻋدد أﻗﻝ ﻣن ‪ :C .5‬اﻟﺣﺻوﻝ ﻋﻠﻰ ﻋدد‬
‫زوﺟﻲ و أﻗﻝ ﻣن‪.5‬‬
‫أوﺟد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪CΩ , BΩ , CA , B∩C , A∩B :‬‬
‫اﻟﺗﻣرﻳن اﻟﺧﺎﻣس‪:‬‬
‫ﻳوﺟد ﻓﻲ ﺻﻧدوق ‪ 3‬ﻛرات ‪ :‬ﻛرة ﺳوداء ‪ ,‬ﻛرة زرﻗﺎء و ﻛرة ﺧﺿراء‪ .‬ﻧﻌرف اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ :A‬ﺣﺎدﺛﺔ ﺳﺣب ﻛرة ﺳوداء‪ :B .‬ﺣﺎدﺛﺔ ﺳﺣب ﻛرة زرﻗﺎء‪ :C .‬ﺣﺎدﺛﺔ ﺳﺣب ﻛرة ﺧﺿراء‪.‬‬
‫اﻟﻣطﻠوب‪ :‬ﻋﺑر ﺑدﻻﻟﺔ ‪ C ,B ,A‬ﻋن اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ :E‬ﺳﺣب ﻛرة واﺣدة ﺑﺎﻟﺿﺑط‪.‬‬ ‫‪ :D‬ﺳﺣب ﻛرة ﺳوداء و ﻛرة زرﻗﺎء أو ﻛرة ﺧﺿراء و ﻛرة زرﻗﺎء‪.‬‬
‫‪ :H‬ﺳﺣب ﻋﻠﻰ اﻷﻛﺛر ‪ 3‬ﻛرات‪ : I .‬ﺳﺣب‬ ‫‪ : F‬ﺳﺣب ﻛرﺗﻳن ﺑﺎﻟﺿﺑط ‪ :G .‬ﺳﺣب‪ 3‬ﻛرات‪.‬‬
‫ﻋﻠﻰ اﻷﻗﻝ ‪ 3‬ﻛرات ‪ : J .‬ﺳﺣب ﻛرة ﻋﻠﻰ اﻷﻗﻝ‪.‬‬
‫اﻟﺗﻣرﻳن اﻟﺳﺎدس‪:‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ ﻗطﻌﺔ ﻧﻘود ﻣرﺗﻳن‪ ,‬إذا ﻛﺎﻧت اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ :A‬ظﻬور اﻟرﻗم ﻣرة واﺣدة ﻋﻠﻰ اﻷﻗﻝ‪ :B .‬ظﻬور اﻟﺻورة ﻣرة واﺣدة ﻋﻠﻰ اﻷﻗﻝ‪ : C .‬ظﻬور‬
‫اﻟرﻗم ﻓﻲ اﻟﻣرﺗﻳن‪ : D .‬ظﻬور اﻟﺻورة ﻓﻲ اﻟﻣرﺗﻳن‪.‬‬
‫اﻟﻣطﻠوب ﺑﻳن اﻟﺣوادث اﻟﻣﺗﻧﺎﻓﻳﺔ و اﻟﺣوادث ﻏﻳر اﻟﻣﺗﻧﺎﻓﻳﺔ‪.‬‬
‫‪- 10 -‬‬
‫‪ .II‬ﻣﺑﺎدئ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‬
‫ﻳﻌﺗﻣد اﻟﻣدﺧﻝ اﻟﻧظري ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ﻋﻠﻰ دراﺳﺔ ﺟﻣﻳﻊ اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ ﻟﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ و‬
‫ﻣن ﺑﻳن ﻫذﻩ اﻟﺣﺎﻻت ﻧﻬﺗم ﺑﺎﻟﺣﺎﻻت اﻟﺗﻲ ﻳﻣﻛن أن ﻳﺗﺣﻘق ﻓﻳﻬﺎ ﺣﺎدث ﻣﺎ و اﻟﺗﻲ ﻧﺳﻣﻳﻬﺎ ﺑﺎﻟﺣﺎﻻت‬
‫اﻟﻣﻼﺋﻣﺔ‪.‬‬
‫‪.1‬اﻟﺗﻌرﻳف اﻟﻧظري )اﻟﻛﻼﺳﻳﻛﻲ‪ ،‬اﻟﺗﻘﻠﻳدي( ﻻﺣﺗﻣﺎﻝ ﺗﺣﻘق ﺣﺎدث‪:‬‬
‫‪ Card Ω = n‬ﻧﻬﺗم ﺑﺗﺣﻘق ﺟزء ﻣن ﻣﺟﻣوﻋﺔ‬ ‫ﻓﻲ ﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ ﻣﺎ ﻋدد ﺣﺎﻻﺗﻬﺎ اﻟﻣﻣﻛﻧﺔ‬
‫ﻫذﻩ اﻟﺣﺎﻻت ) ﺣﺎدث ﻣﺎ(‪ .‬و إذا ﻛﺎن ﻋدد اﻟﺣﺎﻻت اﻟﻣﻼﺋﻣﺔ ﻟﻬذا اﻟﺣﺎدث ‪ m‬ﺑﺣﻳث ‪ m≤n‬ﻓﺈن‬
‫اﺣﺗﻣﺎﻝ وﻗوع ﻫذا اﻟﺣﺎدث ) و ﻟﻧرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ (A‬ﻳﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ إذا اﻓﺗرﺿﻧﺎ ﺗﺳﺎوي‬
‫اﻟﻔرص ﻓﻲ اﻟظﻬور ﻟﻛﻝ ﻧﺗﻳﺟﺔ ﻣن ﺟﻣﻳﻊ ﻧﺗﺎﺋﺞ اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪ .‬ﻳﻌﻧﻲ اذا ﻛﺎﻧت ﻛﻝ اﻟﺣﺎﻻت ﻟﻬﺎ‬
‫ﻧﻔس اﻻﺣﺗﻣﺎﻝ ﻓﻲ اﻟوﻗوع )‪:(équiprobables‬‬
‫اﺣﺗﻣﺎﻝ وﻗوع اﻟﺣﺎدث ‪= A‬‬
‫ﻧﻌﺑر ﻋن اﺣﺗﻣﺎﻝ وﻗوع ﺣدث ﻣﺎ ﺑطرﻳﻘﺔ رﻳﺎﺿﻳﺔ ﻓﻧﻛﺗب ‪:‬‬
‫= )‪P(A‬‬ ‫=‬
‫‪0 ≤ P(A) ≤ 1‬‬ ‫وﻛﻘﺎﻋدة ﻋﺎﻣﺔ‬
‫اﻹﺣﺗﻣﺎﻝ ﻫو ﻋدد ﻻ ﻳزﻳد ﻋن واﺣد وﻻ ﻳﻘﻝ ﻋن ﺻﻔر‪.‬‬
‫‪- 11 -‬‬
‫ﺗطﺑﻳق‪:‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء ﺣﺟر زﻫر اﻟﻧرد ﻣرة واﺣدة ‪ ،‬أﺣﺳب اﺣﺗﻣﺎﻝ وﻗوع اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫اﻟﺣﺎدث ‪ :A‬اﻟﺣﺻوﻝ ﻋﻠﻰ اﻟﻌدد ‪6‬‬
‫اﻟﺣﺎدث ‪ :B‬اﻟﺣﺻوﻝ ﻋﻠﻰ ﻋدد زوﺟﻲ‬
‫اﻟﺣﺎدث ‪ :C‬اﻟﺣﺻوﻝ ﻋﻠﻰ اﻟﻌدد ‪7‬‬
‫اﻟﺣﺎدث ‪ :D‬اﻟﺣﺻوﻝ ﻋﻠﻰ ﻋدد أﻛﺑر أوﻳﺳﺎوي ‪ 1‬و أﺻﻐر أو ﻳﺳﺎوي ‪.6‬‬
‫ﻟدﻳﻧﺎ ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ ﺣﺟر زﻫر اﻟﻧرد ﻣرة واﺣدة‪:‬‬
‫‪Card Ω = 6‬‬ ‫و‬ ‫}‪Ω = {1, 2, 3,4,5,6‬‬
‫و ﻟدﻳﻧﺎ ‪:‬‬
‫=)‪P(A‬‬ ‫=‬ ‫و ﻣﻧﻪ ‪:‬‬ ‫اﻟﺣﺎدث ‪A={6} :A‬‬
‫=)‪P(B‬‬ ‫=‬ ‫و ﻣﻧﻪ ‪:‬‬ ‫اﻟﺣﺎدث ‪B= {2, 4, 6} :B‬‬
‫=)‪P(C‬‬ ‫=‬ ‫‪=0‬‬ ‫‪ C = {}=Φ‬و ﻣﻧﻪ ‪:‬‬ ‫اﻟﺣﺎدث ‪:C‬‬
‫=)‪P(D‬‬ ‫=‬ ‫اﻟﺣﺎدث ‪ D = {1, 2, 3, 4, 5, 6 } :D‬و ﻣﻧﻪ ‪= 1 :‬‬
‫‪ .2‬ﺧﺻﺎﺋص اﺣﺗﻣﺎﻝ ﺗﺣﻘق اﻟﺣﺎدث‪:‬‬
‫و ‪Card A = m‬‬ ‫إذا ﻛﺎن ‪ A‬ﺣﺎدث ﻣﺎ ﻣرﺗﺑط ﺑﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ ﺣﻳث‪Card Ω= n :‬‬
‫ﺣﻳث ‪ n‬و ‪ m‬ﻋددان طﺑﻳﻌﻳﺎن و ‪ m≤n‬ﻓﺈن ‪:‬‬

‫‪P(A)=0‬و ﻧﻘوﻝ أن ‪ A‬ﺣﺎدث ﻣﺳﺗﺣﻳﻝ‪.‬‬ ‫ﻓﻲ ﺣﺎﻟﺔ ‪ m =0‬ﻓﺈن‪:‬‬ ‫‪-‬‬
‫‪ P(A)= P(Ω) = 1‬و ﻧﻘوﻝ أن ‪ A‬ﺣﺎدث أﻛﻳد‪.‬‬ ‫ﻓﻲ ﺣﺎﻟﺔ ‪ m =n‬ﻓﺈن‪:‬‬ ‫‪-‬‬
‫‪ 0 ≤ P(A) ≤ 1‬وھي الحالة العامة ‪.‬‬ ‫مھما يكن ‪ n‬و ‪ m‬فإن ‪:‬‬ ‫‪-‬‬
‫ﻣﻼﺣظﺔ‪ :‬ﺑﺻﻔﺔ ﻋﺎﻣﺔ اﻻﺣﺗﻣﺎﻝ ﻳﻛون ﻣﺣﺻو ار ﺑﻳن اﻟﺻﻔر واﻟواﺣد اﻟﺻﺣﻳﺢ‪ .‬أي أﻧﻪ ﻻ ﻳﻣﻛن أن‬
‫ﻳﻛون ﺳﺎﻟﺑﺎ وﻻ أن ﻳﻛون أﻛﺑر ﻣن اﻟواﺣد ‪.‬‬

‫‪- 12 -‬‬
‫‪.3‬ﻣﺑﺎدئ اﻟﺗﺣﻠﻳﻝ اﻟﺗوﻓﻳﻘﻲ ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‪:‬‬
‫ﻳﻌﺗﺑر ﺣﺳﺎب اﻹﺣﺗﻣﺎﻻت ﻣن أﻫم اﻟﺗطﺑﻳﻘﺎت اﻟﻌﻣﻠﻳﺔ ﻟﻠﺗﺣﻠﻳﻝ اﻟﺗواﻓﻘﻲ ‪ .‬ﻳﻬﺗم اﻟﺗﺣﻠﻳﻝ‬
‫اﻟﺗواﻓﻘﻲ ﺑﺗﺣدﻳد ﻓﻲ ﺑﻌض اﻟﺗﺟﺎرب اﻟﻌﺷواﺋﻳﺔ ‪ ،‬ﻋدد اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ )‪ (Card Ω‬أو‬
‫ﻋدد اﻟﺣﺎﻻت اﻟﻣﻼﺋﻣﺔ ﻟﻠﺣﺎدث )‪ (Card A‬ﻣﺑﺎﺷ ار‪ .‬ﻣﺎ ﻳﺗطﻠب إﺗﺑﺎع ﺑﻌض ﻗواﻋد‬
‫اﻟﺣﺳﺎب اﻟﻌددي‪ .‬ﻳﺷﺎر اﻟﺗﺣﻠﻳﻝ اﻟﺗوﻓﻳﻘﻲ إﻟﻰ اﻟﺗﺑﺎدﻳﻝ‪ ،‬اﻟﺗراﺗﻳب و اﻟﺗواﻓﻳق‪ .‬وﻗﺑﻝ‬
‫اﻟﺗطرق اﻟﻳﻬﺎ ﻻ ﺑد ﻣن اﻹﺷﺎرة اﻟﻰ ﻣﺑدأ أﺳﺎﺳﻲ ﻟﻠﻌد‪.‬‬
‫‪3-1‬اﻟﻣﺑدأ اﻷﺳﺎﺳﻲ ﻟﻠﻌد‪:‬‬
‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ ﻓﺈن‬ ‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ وﺣﺎدث آﺧر ﻳﻘﻊ ب‬ ‫إذا ﻛﺎن ﺣدث ﻳﻘﻊ ب‬
‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ‪.‬‬ ‫ﻳﻘﻌﺎن ﻣﻌﺎ ب‬ ‫و‬ ‫اﻟﺣﺎدﺗﻳن‬
‫ﺗﻌﻣﻳم اﻟﻘﺎﻋدة ‪:‬‬
‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ‬ ‫ﻳﻘﻊ ب‬ ‫ﺑﺣﻳث أن‬ ‫ﻟﻳﻛن ﻟدﻳﻧﺎ ‪k‬ﺣﺎدث‬
‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ وﺑﻌد ﺣدوﺛﻪ ﻳﻘﻊ اﻟﺣﺎدث‬ ‫ﻳﻘﻊ ب‬ ‫وﺑﻌد ﺣدوﺛﻪ ﻳﻘﻊ اﻟﺣﺎدث‬
‫طرﻳﻘﺔ‬ ‫ﻳﻘﻊ ب‬ ‫طرﻳﻘﺔ ﻣﺧﺗﻠﻔﺔ‪.........‬وﻫﻛذا ﻳﻘﻊ اﻟﺣﺎدث‬ ‫ﻳﻘﻊ ب‬
‫ﺗﻘﻊ ﻣﻌﺎ ﺑﻌدد ﻣن اﻟطرق اﻟﻣﺧﺗﻠﻔﺔ ‪.n‬‬ ‫ﻣﺧﺗﻠﻔﺔ‪ .‬ﻓﺈن اﻟﺣوادث‬
‫=‪n‬‬
‫=‪Card A‬‬
‫وﻳﻣﻛﻧﻧﺎ ﺗوﺿﻳﺢ ﻫذا اﻟﻣﻔﻬوم ﺑﺎﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫ﻛم ﻋددا ﻣن ‪ 4‬أرﻗﺎم ﻣﺧﺗﻠﻔﺔ ﻳﻣﻛن أن ﻧﺷﻛﻝ ﻣن اﻷرﻗم اﻟﺳت‬
‫‪- 13 -‬‬
‫ﻟﻳﻛن اﻟﺣدث ‪ : A‬اﻟﻌدد ﻣﻛون ﻣن ‪ 4‬أرﻗﺎم ﻣﺧﺗﻠﻔﺔ‬
‫‪Card A = 6‬‬
‫ﺳﻧﻔرق ﻓﻲ دراﺳﺔ اﻟﺗﺑﺎدﻳﻝ ﺑﻳن ﺣﺎﻟﺗﻳن ‪ :‬اﻟﺗﺑﺎدﻳﻝ دون ﺗﻛرار اﻟﻌﻧﺎﺻر و اﻟﺗﺑﺎدﻳﻝ ﻣﻊ‬
‫ﺗﻛرار اﻟﻌﻧﺎﺻر‪.‬‬
‫‪:‬‬ ‫‪ 3-2‬اﻟﺗﺑﺎدﻳﻝ دون ﺗﻛرار اﻟﻌﻧﺎﺻر ‪Permutations‬‬
‫ﻋﻧﺻ ار ﻣﺗﻣﻳ از )ﻣﺧﺗﻠﻔﺔ( ﻣﺄﺧودة ﻣﻌﺎ ﻳﺳﺎوي‪:‬‬ ‫إن ﺗﺑﺎدﻳﻝ ﻣﺟﻣوﻋﺔ ‪ A‬ﻣؤﻟﻔﺔ ﻣن‬
‫‪ n‬ﺣﻳث ‪ n‬ﻋدد ﺻﺣﻳﺢ ﻏﻳر ﺳﺎﻟب وﻷﺳﺑﺎب رﻳﺎﺿﻳﺔ‬ ‫ﻋﺎﻣﻠﻲ ﻣن أﺟﻝ‬ ‫ﻳﻘ أر‬ ‫ﺣﻳث‬
‫ﻧﻌرف‪0! = 1‬‬
‫ﺗطﺑﻳق‪1‬‬
‫ﺑﻛم طرﻳﻘﺔ ﻳﻣﻛن أن ﻳﺟﻠس ‪5‬طﻠﺑﺔ و‪ 3‬طﺎﻟﺑﺎت ﻓﻲ ﺻف إذا ﻛﺎن اﻟﺟﻠوس ﻛﻣﺎ‬
‫ﻳﺷﺎؤون؟‬
‫اﻟﺣﻝ‪:‬‬
‫ﻋدد اﻟطرق اﻟﻣﻣﻛﻧﺔ إذا ﺟﻠس اﻟطﻠﺑﺔ ﻛﻣﺎ ﻳﺷﺎؤون ﻫو‪:‬‬
‫طرﻳﻘﺔ ‪= 8 ! =40320‬‬
‫‪- 14 -‬‬
‫‪ 3-3‬اﻟﺗﺑﺎدﻳﻝ ﻣﻊ ﺗﻛرار اﻟﻌﻧﺎﺻر ‪Permutations‬‬
‫ﻳﺗطﻠب ﻓﻲ ﺑﻌض اﻷﺣﻳﺎن ﻣﻌرﻓﺔ ﻋدد ﺗﺑﺎدﻳﻝ ﻣﺟﻣوﻋﺔ ﻣن اﻟﻌﻧﺎﺻر ﻳﻛون ﺑﻌﺿﻬﺎ‬
‫ﻣﺗﻣﺎﺛﻼ)ﻣﺗﻛر ار( ﻣﺛﻝ ﺗﻛرار اﻟﺣروف ﻓﻲ اﻟﻛﻠﻣﺎت أو ﺗﻛرار اﻷرﻗﺎم ﻓﻲ اﻷﻋداد‪...‬‬
‫ﻣن اﻟﻧوع‬ ‫ﻋﻧﺻر ﻣن اﻟﻧوع اﻷوﻝ‪،‬‬ ‫إن ﻋدد اﻟﺗﺑﺎدﻳﻝ اﻟﻣﺧﺗﻠﻔﺔ ﻝ‪ n‬ﻋﻧﺻ ار ﺑﻳﻧﻬم‬
‫ﻣن اﻟﻧوع ‪ k‬ﻳﺳﺎوي ‪:‬‬ ‫اﻟﺛﺎﻧﻲ‪....... ،‬‬
‫ﻣﻼﺣظﺔ‪:‬‬
‫=‪n‬‬
‫ﺗطﺑﻳق‪:2‬‬
‫ﻣﺎ ﻫو ﻋدد اﻟﻛﻠﻣﺎت اﻟﻣﻣﻛﻧﺔ اﻟﻣﺧﺗﻠﻔﺔ اﻟﺗﻲ ﻳﻣﻛن ﺗﻛوﻳﻧﻬﺎ ﻣن أﺣرف اﻟﻛﻠﻣﺔ‬
‫’ ‪)‘STATISTIQUES‬ﻗد ﻻ ﻳﻛون ﻟﻠﻛﻠﻣﺔ ﻣﻌﻧﻰ(‪.‬‬
‫ﻟدﻳﻧﺎ ﻓﻲ اﻟﻛﻠﻣﺔ ‪ STATISTIQUES‬اﻟﺣروف ‪ S‬و‪ T‬ﺗﺗﻛرر ‪ 3‬ﻣرات‪ I،‬ﻣرﺗﻳن و‪A‬‬
‫‪U،Q‬و‪ E‬ﺗظﻬر ﻣرة واﺣدة‪ .‬ﻳﻬم اﻟﺗرﺗﻳب‪ .‬ﻧﺳﺗﻌﻣﻝ ﻗﺎﻧون اﻟﺗﺑدﻳﻠﺔ ﻣﻊ اﻟﺗﻛرار‪.‬‬
‫ﻛﻠﻣﺔ ‪= 6652800‬‬
‫‪- 15 -‬‬
‫)‪= n × (n-1) ×(n-2) × (n-3)........(n-x+1‬‬
‫‪:‬‬ ‫‪.4‬اﻟﺗراﺗﻳب )‪(Les arrangements‬‬
‫‪ . n‬اﻟﺗرﺗﻳﺑﺔ ﻫﻲ ﻣﺟﻣوﻋﺔ ﺟزﺋﻳﺔ ذات‬ ‫ﻟﺗﻛن ﻣﺟﻣوﻋﺔ ﻣﺗﻛوﻧﺔ ﻣن ‪ n‬ﻋﻧﺻر ﺣﻳث ‪x‬‬
‫ﻣﺗﻣﺎﻳ از‬ ‫ﻋﻧﺻر ﻣﺗﻣﺎﻳزة ﺣﻳث ﻻ ﻳﻘﺑﻝ اﻟﺗﻛرار وﺗرﺗﻳب ﻋﻧﺎﺻرﻫﺎ ﻣﻬم‪ .‬ﻳﻌﻧﻲ ﻧدﻋو ﺗرﺗﻳب ﻝ‬
‫ﻣﺄﺧوذا ﻣن ‪ n‬ﻋﻧﺻرﻛﻝ ﻣﺗﺗﺎﻟﻳﺔ ﻣرﺗﺑﺔ ﺑدون ﺗﻛرار ﻟﻬذﻩ اﻟﻌﻧﺎﺻر‪ .‬وﻧرﻣز ﻟﻌدد اﻟﺗراﺗﻳب‬
‫ﻋﻧﺻر أي ﻋدد‬ ‫وﺗﺣﺳب ﻋدد اﻟﺗراﺗﻳب ذات‬ ‫‪.‬‬ ‫ﻋﻧﺻر ﻣن ﺑﻳن ‪ n‬ب‬ ‫ﻝ‬
‫اﻟﻣﺟﻣوﻋﺎت اﻟﺟزﺋﻳﺔ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ ‪:‬‬
‫)‪= n (n-1) (n-2) (n-3)..........(n-x+1‬‬

‫ﺗﺗم أﺧد اﻟﻌﻧﺎﺻر ﺑﺎﻟطرﻳﻘﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫ﻳﺗم اﺧﺗﻳﺎر اﻟﻌﻧﺻر اﻷوﻝ ب‪ n‬طرﻳﻘﺔ‬
‫ﻳﺗم اﺧﺗﻳﺎر اﻟﻌﻧﺻر اﻟﺛﺎﻧﻲ ب)‪ (n-1‬طرﻳﻘﺔ‬
‫‪........................................‬‬
‫ﻳﺗم اﺧﺗﻳﺎر اﻟﻌﻧﺻر ‪ x‬ب)‪ (n-x+1‬طرﻳﻘﺔ‬
‫وﻣﻧﻪ ﺣﺳب اﻟﻣﺑدأ اﻷﺳﺎﺳﻲ ﻟﻠﻌد ﻋدد اﻟﺗراﺗﻳب ﻳﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪- 16 -‬‬
‫ﻋﺎﻣﻠﻲ )ﻣﺿروب ‪ (n‬و ﻳﻌطﻰ ﺑﺎﻟﻘﺎﻧون اﻟﺗﺎﻟﻲ‪:‬‬ ‫ﻳﻘ أر‬
‫‪= n × (n-1) ×( n-2)×……..×2×1.‬‬
‫=!‪0‬‬ ‫‪=1‬‬ ‫ﺣﻳث)‪:(par convention‬‬
‫يرتكز االھتمام على الترتيب‪ .‬نستعمل اﻟﺗراﺗﻳب خاصة في حالة السحب على التوالي‬
‫وبدون ارجاع )مع عدم جواز تكرار العنصر(‪.‬‬
‫خواص عامة للتراتيب‪:‬‬

‫!‪=n‬‬ ‫‪=n‬‬ ‫)‪3‬‬ ‫‪=1‬‬
‫‪ -‬اﻟﺗرﺗﻳﺑﺔ ﻋﺑﺎرة ﻋن ﻗﺎﺋﻣﺔ ﺑدون ﺗﻛرار‪ ،‬ﻟﻛن ﺗرﺗﻳب ﻋﻧﺎﺻرﻫﺎ ﻣﻬم‪.‬‬
‫‪ -‬ﺗﺳﻣﻲ اﻟﺗرﺗﻳﺑﺔ ﺗﺑدﻳﻠﺔ ﻓﻲ ﺣﺎﻟﺔ ‪= =n‬‬
‫أﻣﺛﻠﺔ‪:‬‬
‫=‬ ‫=‬ ‫=‬ ‫‪=24‬‬
‫=‬ ‫= =‬ ‫= !‪=4‬‬
‫=‬ ‫=‬ ‫‪= 5‬‬
‫=‬ ‫= =‬
‫‪- 17 -‬‬
‫ﺻﻧدوق ﺑﻪ ‪ 15‬ﻛرة ﻣﻧﻬﺎ ‪ 5‬ﺣﻣراء و ‪ 4‬ﺻﻔراء و ‪ 3‬زرﻗﺎء و ‪ 3‬ﺧﺿراء‪ ,‬ﻧﺳﺣب ﻋﺷواﺋﻳﺎ ‪ 3‬ﻛرات‬
‫اﻟواﺣدة ﺑﻌد اﻷﺧرى و ﺑدون ارﺟﺎع‪ .‬ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ ان اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ ﺗﻘﻊ‪:‬‬
‫‪:B‬ﻧﺳﺣب ‪ 3‬ﻛرات ﺣﻣراء‬ ‫‪:A‬اﻟﻛرة اﻷوﻟﻰ ﺣﻣراء و اﻟﺛﺎﻧﻳﺔ ﺧﺿراء و اﻟﺛﺎﻟﺛﺔ ﺧﺿراء‪.‬‬
‫‪: C .‬ﻧﺳﺣب ‪ 3‬ﻛرات ﻣن ﻧﻔس اﻟﻠون‪.‬‬
‫‪Card ‬‬ ‫‪ ‬‬

‫‪CardA‬‬ ‫‪5‬‬ ‫‪ ‬‬
‫‪P A‬‬ ‫‪ ‬‬
‫‪CardB‬‬ ‫‪ ‬‬
‫‪P B‬‬ ‫‪ ‬‬
‫‪CardC‬‬ ‫‪60 24 6 6 96 ‬‬
‫‪P C‬‬ ‫‪ ‬‬
‫‪ ‬‬
‫ﺗﺗﻛون ﺷرﻛﺔ ﻣن ‪ 30‬ﻣوظف‪ .‬ﻧرﻳد ﺗﺷﻛﻳﻝ ﻟﺟﻧﺔ ﻣﻛوﻧﺔ ﻣن رﺋﻳس وﻧﺎﺋب وﻛﺎﺗب‪.‬‬
‫ﻣﺎ ﻫو ﻋدد اﻟﻠﺟﺎن اﻟﺗﻲ ﻳﻣﻛن ﺗﺷﻛﻳﻠﻬﺎ؟‬
‫ﻟﺗﺷﻛﻳﻝ اﻟﻠﺟﻧﺔ ﻧﻼﺣظ أن اﻟﺗرﺗﻳب ﻣﻬم وأن اﻟﺗﻛرار ﻻ ﻳﺟوز‪ .‬وﺑﺎﻟﺗﺎﻟﻲ ﻳﻣﻛن إﻳﺟﺎد ﻋدد اﻟﻠﺟﺎن‬
‫اﻟﻣﻛوﻧﺔ ﻣن ﺛﻼث أﻋﺿﺎء ﻋن طرﻳق ﺗرﺗﻳﺑﺔ ﺣﻳث ﻋدد اﻟﻠﺟﺎن ﻫو‪:‬‬
‫=‬ ‫=‬ ‫لجنة ‪= 24360‬‬
‫‪- 18 -‬‬
‫‪ 3-5‬اﻟﺗراﺗﻳب ﻣﻊ اﻹﻋﺎدة ‪:‬‬
‫‪ . n‬اﻟﺗرﺗﻳﺑﺔ ﻣﻊ اﻹﻋﺎدة‬ ‫ﻟﺗﻛن ﻣﺟﻣوﻋﺔ ﻣﻧﺗﻬﻳﺔ و ﻏﻳر ﺧﺎﻟﻳﺔ ﻣﺗﻛوﻧﺔ ﻣن ‪ n‬ﻋﻧﺻر ﺣﻳث ‪x‬‬
‫ﻋﻧﺻر ﺣﻳث ﻳﺟوز اﻟﺗﻛرار و ﺗرﺗﻳب ﻋﻧﺎﺻرﻫﺎ ﻣﻬم‪.‬‬ ‫ﻫﻲ ﻣﺟﻣوﻋﺔ ﺟزﺋﻳﺔ ذات‬
‫ﻋﻧﺻر أي ﻋدد اﻟﻣﺟﻣوﻋﺎت اﻟﺟزﺋﻳﺔ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‬ ‫و ﺗﺣﺳب ﻋدد اﻟﺗراﺗﻳب ذات‬
‫‪. nx‬‬
‫ﻛﻝ ﺗرﺗﻳﺑﺔ ﺑدون إﻋﺎدة ﻫﻲ أﺻﻼ ﻣوﺟودة ﺿﻣن اﻟﺗراﺗﻳب ﻣﻊ اﻹﻋﺎدة‪.‬‬
‫ﺻﻧدوق ﺑﻪ ‪ 20‬ﻛرة ﻣرﻗﻣﺔ ﻣن ‪ 1‬إﻟﻰ ‪ .20‬ﻛم ﻋددا ﻳﻣﻛن ﺗﺷﻛﻳﻠﻪ ﻣن ﻫذﻩ اﻷرﻗﺎم إذا‬
‫ﻗﻣﻧﺎ ﺑﺳﺣب‪:‬‬
‫‪ -1‬ﻛرﺗﻳن ﻋﻠﻰ اﻟﺗواﻟﻲ وﺑﺈرﺟﺎع‬
‫‪ -2‬ﺛﻼﺛﺔ ﻛرات ﻋﻠﻰ اﻟﺗواﻟﻲ وﺑﺈرﺟﺎع‪.‬‬
‫‪ -1‬ﻧﺣن ﺑﺻدد ﺗﻛوﻳن أﻋداد ذات رﻗﻣﻳن اﻧطﻼﻗﺎ ﻣن ﻣﺟﻣوﻋﺔ ‪ Ω‬ﻋدد ﻋﻧﺎﺻرﻫﺎ ‪.20‬‬
‫=‪A‬‬
‫ﻋدد اﻟطرق) ‪ (Card A‬ﻋﺑﺎرة ﻋن‪:‬‬

‫‪x‬‬
‫= ‪Card A= n‬‬ ‫‪202 =400‬‬
‫ﻧﺳﺗطﻳﻊ ﺗﻛوﻳن ‪ 400‬أﻋداد ﻣﻛوﻧﺔ ﻣن رﻗﻣﻳن ﻣﻊ ﺟواز ﺗﻛرار اﻟرﻗم‪.‬‬
‫‪- 19 -‬‬
‫‪ -2‬ﻧﺣن ﺑﺻدد ﺗﻛوﻳن أﻋداد ذات ﺛﻼﺛﺔ أرﻗﺎم‪.‬‬
‫=‪A‬‬
‫‪x‬‬ ‫‪3‬‬
‫‪Card A= n = 20 = 8000‬‬
‫ﻧﺳﺗطﻳﻊ ﺗﻛوﻳن ‪ 8000‬أﻋداد ﻣﻛوﻧﺔ ﻣن ‪ 3‬أرﻗﺎم ﻣﻊ ﺟواز ﺗﻛرار اﻟرﻗم‪.‬‬
‫ﻧﻼﺣظ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻋﻠﻰ اﻟﺗواﻟﻲ وﺑﺈرﺟﺎع إﻣﻛﺎﻧﻳﺔ ﺗﻛرار ﻧﻔس اﻟﻌﻧﺻر‪ .‬ﻧرى ﻣﺛﻼ‬
‫إﻣﻛﺎﻧﻳﺔ اﻟﺣﺻوﻝ ﻋﻠﻰ اﻟﻌدد اﻟﻌﺷري ‪ 22‬و ﻫو ﻣﻛون ﻣن ﻧﻔس اﻟرﻗم ‪ .2‬ﻛﻣﺎ أن‬
‫اﻟﻌددﻳن‬ ‫ﻟﺗﺷﻛﻳﻝ اﻟﻌدد ‪ :‬ﺗرﺗﻳب اﻟرﻗم ﻣﻬم ﺣﻳث أن‬
‫‪ 21‬و ‪ 12‬ﻣﻛوﻧﺎن ﻣن ﻧﻔس اﻷرﻗﺎم ﻟﻛن ﻳﻌﺗﺑران ﻋددان ﻣﺧﺗﻠﻔﺎن ‪.‬‬
‫‪:‬‬ ‫‪.3-6‬اﻟﺗوﻓﻳﻘﺎت)‪(Les Combinaisons‬‬
‫‪.n‬‬ ‫ﻟﺗﻛن ‪ A‬ﻣﺟﻣوﻋﺔ ﻣﺗﻛوﻧﺔ ﻣن ‪ n‬ﻋﻧﺻر ﺣﻳث ‪x‬‬
‫ﻋﻧﺻر ﻣﺗﻣﺎﻳزة ﺣﻳث ﻻ ﻳﻘﺑﻝ اﻟﺗﻛرار و ﺗرﺗﻳب ﻋﻧﺎﺻرﻫﺎ ﻏﻳر‬ ‫و ﺗﺣﺳب ﻋدد اﻟﺗوﻓﻳﻘﺎت ذات‬
‫ﻣﻬم أي ﻋدد اﻟﻣﺟﻣوﻋﺎت اﻟﺟزﺋﻳﺔ ﻣن ‪ A‬ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫=‬
‫ﻳﻘ أر ﻋﺎﻣﻠﻲ‬
‫‪- 20 -‬‬
‫بالنسبة للتوفيقات يرتكز االھتمام على العناصر‪ .‬نستعمل التوفيقات خاصة في حالة‬
‫السحب في آن واحد‬
‫خواص عامة للتوﻓﻳﻘﺎت‪:‬‬
‫=‬ ‫‪=1‬‬
‫=‬ ‫‪=n‬‬
‫أﻣﺛﻠﺔ‪:‬‬
‫=‬ ‫‪=10‬‬
‫=‬ ‫= =‬
‫=‬ ‫‪= = 1‬‬
‫=‬ ‫=‬ ‫‪=5‬‬
‫=‬ ‫=‬ ‫‪=5‬‬
‫ﺻﻧدوق ﺑﻪ ‪ 8‬ﻗطﻌﺔ ﻏﻳﺎر ﻣﻧﻬﺎ‪ 3‬ﻗطﻊ ﻣﻌطوﺑﺔ‪ ،‬ﻧﺳﺣب ﻓﻲ آن واﺣد ‪ 3‬ﻗطﻊ‪ .‬أﺣﺳب‪:‬‬
‫)‪ : P(A‬اﺣﺗﻣﺎﻝ أن ﺗﻛون ﺟﻣﻳﻊ اﻟﻘطﻊ اﻟﻣﺳﺣوﺑﺔ ﻣﻌطوﺑﺔ‪.‬‬
‫)‪ :P(B‬اﺣﺗﻣﺎﻝ أن ﺗﻛون ﺟﻣﻳﻊ اﻟﻘطﻊ اﻟﻣﺳﺣوﺑﺔ ﺻﺎﻟﺣﺔ‪.‬‬
‫)‪ : P(C‬اﺣﺗﻣﺎﻝ أن ﺗﻛون ﻗطﻌﺗﺎن ﻋﻠﻰ اﻷﻗﻝ ﻣﻌطوﺑﺗﺎن‪.‬‬
‫لدينا عدد الحاالت الممكنة للسحب‪:‬‬
‫‪Card ‬‬ ‫=‬ ‫‪= 56‬‬
‫‪P A‬‬ ‫‪ ‬‬ ‫‪ ‬‬ ‫‪ 0,02. ‬‬
‫‪P B‬‬ ‫‪ ‬‬ ‫‪ ‬‬ ‫‪0,18.‬‬
‫‪- 21 -‬‬
‫‪P C‬‬ ‫‪ ‬‬ ‫‪0,29.‬‬
‫ﻳﻣﻛن ﺗﻠﺧﻳص اﻟﺣﺎﻻت اﻟﻣﺧﺗﻠﻔﺔ ﻣن ﺣﻳث اﻟﺗﻛرار وأﻫﻣﻳﺔ ﺗرﺗﻳب اﻟﻌﻧﺎﺻر ﻓﻲ اﻟﺟدوﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫ﻣﻊ ﻋدم اﻋﺗﺑﺎر اﻟﺗرﺗﻳب‬ ‫ﻣﻊ اﻋﺗﺑﺎر اﻟﺗرﺗﻳب‬ ‫اﻟﺳﺣب‬

‫‪nx‬‬ ‫ﻗﺎﺋﻣﺔ‬ ‫ﻣﻊ اﻹرﺟﺎع‬
‫ﺗوﻓﻳﻘﺔ‬ ‫ﺗرﺗﻳﺑﺔ‬ ‫ﺑدون إرﺟﺎع‬
‫‪- 22 -‬‬
‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ ﻣﺑﺎدئ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‬
‫اﻟﺗﻣرﻳن ‪:1‬‬
‫أوﺟد ﻗﻳﻣﺔ ‪ n‬ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪:‬‬

‫‪-1‬‬
‫‪=72 -2‬‬
‫=‬ ‫‪+‬‬ ‫أﺛﺑت أن‪:‬‬
‫ﺑﻛم طرﻳﻘﺔ ﻳﻣﻛن أن ﻳﺟﻠس ‪ 6‬أﺷﺧﺎص ﺣوﻝ طﺎوﻟﺔ ﻣﺳﺗدﻳرة‪ ،‬إذا ﻛﺎن اﻟﺟﻠوس ﻛﻣﺎ ﻳﺷﺎؤون؟‬
‫ﻛم ﺗوﺟد ﻣن طرﻳﻘﺔ ﻟﺗﻛوﻳن ﻛﻠﻣﺔ اﻟﺳر)‪ (code‬اﻟﻣﻛوﻧﺔ ﻣن ‪ 3‬أرﻗﺎم ﻣن ﺑﻳن اﻷرﻗﺎم اﻟﺗﺎﻟﻳﺔ‬
‫‪ :‬ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﺎﻟﻳﺔ‬
‫‪ -1‬إذا ﻛﺎﻧت ﻛﻠﻣﺔ اﻟﺳرﻣﻛوﻧﺔ ﻣن أرﻗﺎم ﻣﺧﺗﻠﻔﺔ‪.‬‬
‫‪ -2‬إذا ﻛﺎﻧت ﻛﻠﻣﺔ اﻟﺳرﻣﻛوﻧﺔ ﻣن أرﻗﺎم ﻣﺧﺗﻠﻔﺔ ﺣﻳث أوﻟﻬﺎ اﻟرﻗم ‪.7‬‬
‫ﻣﺎ ﻫو ﻋدد ﻛﻠﻣﺎت اﻟﺳر)‪ (code‬اﻟﺗﻲ ﻳﻣﻛن ﺗﺷﻛﻳﻠﻪ ﻣﻊ اﺳﺗﺧدام ﺛﻼﺛﺔ أرﻗﺎم ﻣن اﻷرﻗﺎم‬
‫وﺣرﻓﻳن ﻣن اﻝ ‪ 26‬ﻣن ﺣروف اﻟﻠﻐﺔ اﻟﻔرﻧﺳﻳﺔ ﻋﻠﻰ ﻳﻣﻳن اﻷرﻗﺎم ﻓﻲ‬
‫اﻟﺣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪- 23 -‬‬
‫‪ -1‬ﻣﻊ ﺟواز ﺗﻛرار اﻟﺣرف واﻟرﻗم ﺣﻳث اﻟﺣرف اﻷوﻝ ﻫو ‪ S‬واﻟرﻗم اﻟﺛﺎﻟث ﻫو‪.2‬‬
‫‪ -2‬ﻣﻊ ﺟواز ﺗﻛرار اﻟﺣرف وﻋدم ﺟواز ﺗﻛرار اﻟرﻗم‬
‫‪ -3‬ﻣﻊ ﻋدم ﺟواز ﺗﻛرار اﻟﺣرف وﻋدم ﺟواز ﺗﻛرار اﻟرﻗم‪.‬‬
‫ﺑﻛم طرﻳﻘﺔ ﻳﻣﻛن ﻟﻠطﺎﻟب اﺧﺗﻳﺎر اﻷﺳﺋﻠﺔ اﻟﺗﻲ وﺿﻌﻬﺎ اﻷﺳﺗﺎذ و ﻋددﻫﺎ ‪ 8‬اذا ﻛﺎن ﻋﻠﻰ اﻟطﺎﻟب‬
‫اﻟرد ﻋﻠﻰ ‪ 5‬ﻣﻧﻬﺎ؟ و إذا ﻛﺎﻧت اﻷﺳﺋﻠﺔ اﻟﺛﻼﺛﺔ اﻷوﻟﻰ إﺟﺑﺎرﻳﺔ‪ ،‬ﻓﺑﻛم طرﻳﻘﺔ ﻳﺧﺗﺎر اﻷﺳﺋﻠﺔ؟‬
‫ّ‬
‫ﻓﻲ ﻣﺻﻧﻊ ﻣﺎ‪ ،‬ﻧرﻳد ﺗﺷﻛﻳﻝ ﻟﺟﻧﺔ ﻣﺗﻛوﻧﺔ ﻣن ﺛﻼث ﻋﻣﺎﻝ ﻣن ﺑﻳن ﻋﺷر ﻣرﺷﺢ‪ .‬أوﺟد ﻋدد اﻟطرق‪:‬‬
‫‪ -1‬ﻟﺗﺷﻛﻳﻝ ﻫذﻩ اﻟﻠﺟﻧﺔ ﺑدون أي ﺗﻣﻳﻳز‪.‬‬
‫‪ -2‬ﻟﺗﺷﻛﻳﻝ ﻟﺟﻧﺔ ﺗﺿم رﺋﻳس‪،‬ﻧﺎﺋب وﻛﺎﺗب‪.‬‬
‫ﻓﻲ ﻟﻌﺑﺔ ‪ 52‬ﺑطﺎﻗﺔ ﻟدﻳﻧﺎ ﻟوﻧﻳن‪ 26 .‬ﺑطﺎﻗﺔ ذات ﻟون أﺣﻣر ﻣﻘﺳﻣﺔ إﻟﻰ ﻧوﻋﻳن) ﻟﻛﻝ ﻧوع ‪13‬‬
‫ﺑطﺎﻗﺔ‪ cœurs 13 :‬و‪ .(carreaux 13‬و ‪ 26‬ﺑطﺎﻗﺔ ذات ﻟون أﺳود ﻣﻘﺳﻣﺔ أﻳﺿﺎ إﻟﻰ ﻧوﻋﻳن)‬
‫ﻟﻛﻝ ﻧوع ‪ 13‬ﺑطﺎﻗﺔ أﻳﺿﺎ‪ piques 13‬و‪ .(trèfles 13‬ﻳظﻬر ﻛﻝ رﻗم ﻓﻲ ‪ 4‬ﺑطﺎﻗﺎت )‪ 4‬أﻧواع(‬
‫‪.‬ﻧﺳﺣب ‪ 5‬أوراق ﻓﻲ آن واﺣد‪ .‬أﺣﺳب اﺣﺗﻣﺎﻝ اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ .2‬اﻷوراق اﻟﺧﻣﺳﺔ ﻣن ﻧوع واﺣد‪.‬‬ ‫‪ .1‬اﻷوراق اﻟﺧﻣﺳﺔ ﻣن ﻟون واﺣد‪.‬‬
‫‪- 24 -‬‬
‫‪ .4‬ورﻗﺔ ﻣن اﻟﻧوع ‪ pique‬ﺛﻼﺛﺔ ﻣن اﻟﻧوع ‪cœur‬‬ ‫‪.3‬ﺛﻼث أوراق ﻣن ﻧوع واﺣد ﻋﻠﻰ اﻷﻗﻝ‪.‬‬
‫‪ .5‬ﺛﻼث أوراق ﻣن ﻟون واﺣد ﻋﻠﻰ اﻷﻛﺛر‪.‬‬ ‫و ورﻗﺔ ﻣن اﻟﻧوع‪.carreau‬‬
‫أﻟﻘﻲ ﺣﺟري زﻫر اﻟﻧرد ﻣرة واﺣدة ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣﺟﻣوع اﻟرﻗﻣﻳن اﻟظﺎﻫرﻳن ﻋﻠﻰ اﻟﺳطﺢ‬
‫ﻫو اﻟﻌدد‪.11‬‬
‫ﺗم ﺳﺣب ﺛﻼت ﻣﺻﺎﺑﻳﺢ ﻣن ﺻﻧدوق ﺑﻪ ‪ 10‬ﻣﺻﺑﺎح‪ ,‬ﻣﻧﻬﺎ ‪ 4‬ﻣﻌﻳﺑﺔ و ‪ 6‬ﺻﺎﻟﺣﺔ‪.‬‬
‫‪ .1‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣﺻﺑﺎﺣﻳن ﻋﻠﻰ اﻷﻗﻝ ﻣﻌﻳﺑﻳن‪.‬‬
‫‪ .2‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻻ ﻳﻛون أي ﻣﺻﺑﺎح ﺻﺎﻟﺢ‪.‬‬
‫‪- 25 -‬‬
‫اﻟﻔﺻﻝ اﻟﺛﺎﻧﻲ‪ :‬اﻟدﺳﺎﺗﻳر اﻷﺳﺎﺳﻳﺔ ﻟﻼﺣﺗﻣﺎﻻت‬

‫كنا قد تعرفنا في الفصل السابق على الحوادث وأنواعھا وعلى كيفية حساب احتماالتھا وذلك وفقا‬
‫للتعريف النظري‪ .‬قبل أن نتعرض في ھذا الفصل لحساب االحتماالت بطرق تعتمد على الدساتير‬
‫األساسية لالحتماالت نذكر بعض مفاھيم ‪،‬جبر المجموعات وخاصة اتحاد وتقاطع الحوادث‪.‬‬
‫‪ .I‬دﺳﺗور اﺗﺣﺎد اﻟﺣوادث‬
‫أو وﻗوﻋﻬﻣﺎ ﻣﻌﺎ ) ‪ A‬و ‪ B‬ﻳﻘﻌﺎن ﻓﻲ ﻧﻔس‬ ‫ﻳﻌﻧﻲ اﺗﺣﺎد اﻟﺣﺎﺛﻳن ‪ A‬و ‪ B‬وﻗوع اﻟﺣﺎدث ‪ A‬أو ‪B‬‬
‫‪ . AUB‬ننتقل من نظرية المجموعات إلى نظرية االحتماالت‪.‬‬ ‫اﻟوﻗت ( و ﻧﻛﺗب‪:‬‬
‫و ﻳﻣﻛن اﻟﺗﻣﻳﻳز ﺑﻳن ﺣﺎﻟﺗﻳن ‪:‬‬
‫أ‪ .‬اﻟﺣﺎﻟﺔ اﻟﻌﺎﻣﺔ‪ :‬إذا ﻛﺎن ‪ A‬و ‪ B‬ﻏﻳر ﻣﺗﻧﺎﻓﻳﺎن ‪ ،‬ﻓﺈن )‪(formule de Poincaré‬‬
‫‪A‬‬ ‫‪B‬‬
‫‪A∩B‬‬ ‫‪Ω‬‬
‫)‪AUB = A + B – (A∩B‬‬
‫)‪P(AUB) = P(A) + P(B) – P(A∩B‬‬
‫ﻳﻣﻛن اﻟﺗﻌﻣﻳم ﻋﻠﻰ ‪ n‬أﺣداث ‪ A1, A2, A3, ……………….. An‬ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪P(U Ai) = P(A1) + P(A2) +... P(An) -P(A1∩ A2) - P(A1∩A3 ) -..... -P(A1∩An ) +‬‬
‫)‪P(A1∩A2∩A3‬‬ ‫) ‪P(A1∩A2∩A4) ……. P(A1∩..................................∩An‬‬
‫ب‪ .‬إذا ﻛﺎن ‪ A‬و‪ B‬ﻣﺗﻧﺎﻓﻳﺎن ﻓﺈن اﺣﺗﻣﺎﻝ وﻗوﻋﻬﻣﺎ ﻓﻲ ﻧﻔس اﻟوﻗت ﻣﻌدوم أي‪:‬‬
‫‪P(A∩B) = 0‬‬ ‫)‪P(AUB) = P(A) + P(B‬‬
‫ﻳﻣﻛن اﻟﺗﻌﻣﻳم ﻋﻠﻰ ‪ n‬أﺣداث ‪ A1, A2, A3, ……………….. An‬ﻣﺗﻧﺎﻓﻳﺔ ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫(‪P‬‬ ‫)‪) = P(A1) + P(A2) +... P(An‬‬
‫‪- 26 -‬‬
‫ﺗطﺑﻳق‪ :‬إذا ﻛﺎﻧت اﻟﺣوادث ‪ A‬و‪ B‬مستقلة‪ ،‬المطلوب حساب )‪ P(AUB‬في الحاالت التالية‪:‬‬
‫‪P(B) = 0٫5‬‬ ‫‪P(A) = 0٫2 -1‬‬
‫‪P(A∩B)=0٫2‬‬ ‫‪P(B) = 0٫8-2‬‬
‫‪P( )=0,2‬‬ ‫‪P(A∩B) =0٫16 -3‬‬

‫)‪P(AUB) = P(A) + P(B) – P(A∩B‬‬
‫)‪P(A∩B) = P(A‬‬ ‫)‪P(B‬‬ ‫بما أن ‪ A‬و ‪ B‬ﺣوادث مستقلة ‪:‬‬
‫)‪P(AUB) = P(A) + P(B)- P(A‬‬ ‫‪P(B)= 0,2+0,5-(0,2‬‬ ‫‪0,5) =0,6‬‬

‫‪-2 P(A)= P(A∩B) P(B)=0,2‬‬ ‫‪P(AUB)=0,25+0,8-0,2=0,85‬‬
‫‪3- P(A)=1- P( )=0,8‬‬ ‫)‪P(B)= P(A∩B‬‬ ‫‪0,16‬‬ ‫‪0,8=0,2‬‬

‫‪P(AUB)=0,8+0,2-0,16=0,84‬‬
‫ﻓﻲ ورﺷﺔ ﺑﻧﺎء ﻳﺗوزع ‪ 50‬ﻋﺎﻣﻝ ﻛﻣﺎ ﻳﻠﻲ‪ 5 :‬ﻣﻬﻧدﺳﻳن ‪ 23 ،‬ﺑﻧﺎء ‪ 7 ،‬دﻫﺎﻧﻳن و ‪ 15‬ﺑﻧﺎء و دﻫﺎن‬
‫ﻓﻲ ﻧﻔس اﻟوﻗت‪ .‬ﻧرﻳد ﺗﻌﻳﻳن ﻣﻣﺛﻝ ﻟﻠﻌﻣﺎﻝ ﻓﻲ اﻟﻔرع اﻟﻧﻘﺎﺑﻲ‪.‬‬
‫‪ -1‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣﻬﻧدس أو ﺑﻧﺎء‪.‬‬
‫‪ -2‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﺑﻧﺎء أو دﻫﺎن‪.‬‬
‫و ‪ C‬ﻋدد‬ ‫ﻧرﻣز ﻟﻛﻝ ﻣﻬﻧﺔ ﺑﺄﺣد اﻟرﻣوز اﻟﺗﺎﻟﻳﺔ‪ A :‬ﻋدد اﻟﺑﻧﺎﺋﻳن ‪ B .‬ﻋدد اﻟدﻫﺎﻧﻳن‬
‫اﻟﻣﻬﻧدﺳﻳن‪ .‬و ﺑﺎﻟﺗﺎﻟﻲ ﻳﻛون ﻟدﻳﻧﺎ ﻋدد اﻟﻌﻣﺎﻝ ﻓﻲ اﻟورﺷﺔ ﻣوزع ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪A= 23+15=38‬‬ ‫‪ 38‬ﻋﺎﻣﻝ ﻳﻣﺎرس اﻟﺑﻧﺎء‪.‬‬
‫‪B= 7+15=22‬‬ ‫‪ 22‬ﻋﺎﻣﻝ ﻳﻣﺎرس اﻟدﻫﺎن‪.‬‬
‫‪C= 5‬‬ ‫‪ 5‬ﻣﻬﻧدﺳﻳن ﻓﻘط ‪.‬‬
‫‪ .1‬اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻌﺎﻣﻝ اﻟﻣﺧﺗﺎر ﺑﻧﺎء أو ﻣﻬﻧدس ‪:‬‬
‫)‪P(AUC) = P(A) + P(C‬‬ ‫‪/ P(A∩C)= 0‬‬
‫‪- 27 -‬‬
‫ﻷن اﻟﺑﻧﺎء ﻻ ﻳﻣﻛن أن ﻳﻛون ﻣﻬﻧدس ﻓﻲ ﻧﻔس اﻟوﻗت‪.‬‬
‫= )‪P(AUC‬‬ ‫‪+‬‬ ‫=‬
‫‪ .2‬اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻌﺎﻣﻝ اﻟﻣﺧﺗﺎر ﺑﻧﺎء أو دﻫﺎن ‪:‬‬
‫)‪P(AUB) = P(A) + P(B) – P(A∩B‬‬
‫ﻷن اﻟﺑﻧﺎء ﻳﻣﻛن أن ﻳﻛون دﻫﺎن ﻓﻲ ﻧﻔس اﻟوﻗت‪.‬‬
‫= )‪P(AUB‬‬ ‫‪+‬‬ ‫‪-‬‬ ‫=‬
‫‪ .II‬دﺳﺗور ﺗﻘﺎطﻊ اﻟﺣوادث‬
‫ﻟﻧﺄﺧذ اﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ‪ :‬ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء ﻗطﻌﺗﻲ ﻧﻘود ﻣرة واﺣدة ﻟدﻳﻧﺎ اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛﻧﺔ ﻫﻲ ظﻬور‬
‫اﻟرﻗم أو اﻟﺻورة ﻓﻲ ﻛﻝ ﻗطﻌﺔ وﻣن اﻟواﺿﺢ أن اﺣﺗﻣﺎﻝ ظﻬور اﻟرﻗم ﻓﻲ اﻟﻘطﻌﺔ اﻷوﻟﻰ ﻻ‬
‫ﻳﺗﻌﻠق ﻳﺗﺣﻘق أو ﻋدم ﺗﺣﻘق ظﻬور رﻗم ﻓﻲ اﻟﻘطﻌﺔ اﻟﺛﺎﻧﻳﺔ‪ .‬ﻧﺳﻣﻰ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ اﻟﺣﺎدﺛﻳن‬
‫اﻟﺳﺎﺑﻘﻳن ﺑﺎﻟﺣﺎدﺛﻳن اﻟﻣﺳﺗﻘﻠﻳن‪.‬‬
‫‪ P2‬و ‪F2‬‬ ‫‪،‬‬ ‫إذا رﻣزﻧﺎ ﻟﻛﻝ ﻣن ﺣﺎدﺛﺔ ظﻬور اﻟرﻗم و اﻟﺻورة ﻋﻠﻰ اﻟﻘطﻌﺗﻳن ﺑﺎﻟرﻣوز ‪ P1‬و ‪F1‬‬
‫ﻳﻛون ﻟدﻳﻧﺎ اﺣﺗﻣﺎﻝ ظﻬور اﻟﺻورﺗﻳن ﻣﻌﺎ ﻫو ‪:‬‬
‫‪P(F1 F2) = P(A∩B ) = x‬‬ ‫=‬ ‫)‪= P(F1 ) x P(F2 ) = P(A) P(B‬‬
‫ﻧﺳﻣﻰ اﻟﻘﺎﻧون اﻟﺳﺎﺑق ﺑدﺳﺗور ﺗﻘﺎطﻊ اﻟﺣوادث اﻟﻣﺳﺗﻘﻠﺔ و ﻧﻛﺗب ﻣن أﺟﻝ ﺣﺎدﺛﻳن ‪ A‬و ‪B‬‬
‫)‪P(A∩B) = P(A) x P(B‬‬ ‫ﻣﺳﺗﻘﻠﻳن ‪:‬‬
‫و ﻳﻣﻛن ﺗﻌﻣﻳﻣﻪ ﻣن أﺟﻝ ‪ n‬أﺣداث ﻣﺳﺗﻘﻠﺔ ‪ A1, A2, A3, ……………….. An‬ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫(‪P‬‬ ‫)‪) = P(A1∩ A2 ∩ A3............... ∩ An)= P(A1) x P(A2) x P(A3)........... x P(An‬‬
‫‪- 28 -‬‬
‫‪ .III‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺷرطﻲ )‪(Probabilité conditionnelle‬‬
‫ﻟﻧﺄﺧذ اﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ‪ :‬ﻧﺿﻊ ﻓﻲ ﺻﻧدوق ‪ 3‬ﻛرات واﺣدة ﺳوداء و ‪ 2‬ﺑﻳﺿﺎء ﻧطﻠب ﻣن ﺷﺧﺻﻳن أن‬
‫ﻳﺳﺣب ﻛﻝ ﻣﻧﻬﻣﺎ ﻛرة ﻋﻠﻰ اﻟﺗواﻟﻲ و ﻧدرس اﻟﻌﻼﻗﺔ ﺑﻳن اﻟﺣﺎدﺛﻳن اﻟﺗﺎﻟﻳﻳن‪:‬‬
‫‪ :A‬ظﻬور ﻛرة ﺑﻳﺿﺎء ﻋﻧد اﻟﺷﺧص اﻷوﻝ‪.‬‬
‫‪ :B‬ظﻬور ﻛرة ﺑﻳﺿﺎء ﻋﻧد اﻟﺷﺧص اﻟﺛﺎﻧﻲ‪.‬‬
‫ﻧﻼﺣظ أن اﺣﺗﻣﺎﻝ ﺗﺣﻘق اﻟﺣﺎدﺛﺔ ‪ B‬ﺗﺗﺄﺛر ﺑﺗﺣﻘق أو ﻋدم ﺗﺣﻘق اﻟﺣﺎدﺛﺔ ‪ A‬ﺣﻳث أن ﻳﻣﻛن‬
‫ﻟﻠﺷﺧص اﻟﺛﺎﻧﻲ ﺳﺣب ﻛرة ﺑﻳﺿﺎء إذا ﺳﺣب اﻟﺷﺧص اﻷوﻝ أو ﻟم ﻳﺳﺣب أي ﻛرة ﺑﻳﺿﺎء‪.‬‬
‫ﻧﻘوﻝ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ أن اﻟﺣﺎدﺛﻳن ‪ A‬و ‪ B‬ﻏﻳر ﻣﺳﺗﻘﻠﻳن‪ ،‬ﺣﻳث أن وﻗوع أﺣدﻫﻣﺎ ﻣرﺗﺑط ﺑوﻗوع‬
‫اﻟﺣﺎدث اﻵﺧر ‪ .‬و ﻳﻣﻛن اﻟﺗﻣﻳﻳز ﺑﻳن ﺣﺎﻟﺗﻳن‪:‬‬
‫‪ -‬وﻗوع اﻟﺣﺎدث ‪ A‬ﻋﻠﻣﺎ )ﺑﺷرط( أن اﻟﺣﺎدث ‪ B‬وﻗﻊ‪ .‬و ﻧﻛﺗب‪:‬‬
‫= )‪P(A/B‬‬ ‫)‪……………………………………(1‬‬
‫‪ -‬وﻗوع اﻟﺣﺎدث ‪ B‬ﻋﻠﻣﺎ)ﺑﺷرط( أن اﻟﺣﺎدث ‪ A‬وﻗﻊ‪ .‬و ﻧﻛﺗب‪:‬‬
‫= )‪P(B/A‬‬ ‫)‪…………………………………(2‬‬
‫ﺗﺳﻣﻰ ﻫﺎذﻳن اﻟﻘﺎﻧوﻧﻳن ﺑدﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺷرطﻲ‪.‬‬
‫ﻳﻣﻛن اﺳﺗﻧﺗﺎج اﻟﺧواص اﻟﺗﺎﻟﻳﺔ ﻣﻣﺎ ﺳﺑق ‪:‬‬

‫= )‪P(A/B‬‬ ‫)‪ P(A∩B) = P(A/B) x P(B‬ﻳﻜﺎﻓﺊ‬
‫= )‪P(B/A‬‬ ‫)‪ P(A∩B) = P(B/A) x P(A‬ﻳﻜﺎﻓﺊ‬
‫إذا ﻛﺎن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻣﺳﺗﻘﻠﻳن أي )‪ P(A∩B) = P(A) x P(B‬ﻓﺈن ‪:‬‬
‫= )‪P(A/B‬‬ ‫)‪ P(A/B) = P(A‬ﻳﻜﺎﻓﺊ‬
‫ﻫﺬا ﻳﻌﲏ أن وﻗﻮع اﳊﺪث ‪ A‬ﻻ ﻳﺘﺄﺛﺮ ﺑﻮﻗﻮع أو ﻋﺪم وﻗﻮع اﳊﺪث ‪.B‬‬
‫= )‪P(B/A‬‬ ‫=‬ ‫)‪P(B/A) = P(B‬‬
‫ﻫﺬا ﻳﻌﲏ أن وﻗﻮع اﳊﺪث ‪ B‬ﻻ ﻳﺘﺄﺛﺮ ﺑﻮﻗﻮع أو ﻋﺪم وﻗﻮع اﳊﺪث ‪.A‬‬
‫‪- 29 -‬‬
‫ﻓﻲ اﻟﺳﻧﺔ اﻻوﻟﻰ رﺳب ‪ 40%‬ﻓﻲ اﻣﺗﺣﺎن اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ و ‪ 30%‬ﻓﻲ اﻣﺗﺣﺎن اﻟرﻳﺎﺿﻳﺎت‬
‫و‪ 15 %‬ﻓﻲ ﻛﻠﺗﺎ اﻟﻣﺎدﺗﻳن ‪.‬‬
‫‪ .1‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون طﺎﻟب ﻣﺎ راﺳب ﻓﻲ ﻣﺎدة اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ ﻋﻠﻣﺎ أﻧﻪ راﺳب ﻓﻲ‬
‫ﻣﺎدة اﻟرﻳﺎﺿﻳﺎت‪.‬‬
‫‪ .2‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون طﺎﻟب ﻣﺎ راﺳب ﻓﻲ ﻣﺎدة اﻟرﻳﺎﺿﻳﺎت ﻋﻠﻣﺎ أﻧﻪ راﺳب ﻓﻲ ﻣﺎدة‬
‫اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ‪.‬‬
‫ﻧرﻣز ﻟﻠﺣوادث اﻟﺗﺎﻟﻳﺔ ﺑﺎﻟرﻣوز اﻟﻣوﺿﺣﺔ‪:‬‬
‫و ﻣﻧﻪ ‪P(A) = 40%=0.4‬‬ ‫‪ A -‬طﺎﻟب راﺳب ﻓﻲ ﻣﺎدة اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ‬
‫‪ B -‬طﺎﻟب راﺳب ﻓﻲ ﻣﺎدة اﻟرﻳﺎﺿﻳﺎت و ﻣﻧﻪ ‪P(B) = 30%=0.3‬‬
‫‪P(A∩B) = 1 5% =0. 15‬‬ ‫وﻣﻧﻪ‬ ‫طﺎﻟب راﺳب ﻓﻲ اﻟﻣﺎدﺗﻳن‬ ‫‪-‬‬
‫‪ P(A/B) .1‬ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون طﺎﻟب ﻣﺎ راﺳب ﻓﻲ ﻣﺎدة اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ ﻋﻠﻣﺎ أﻧﻪ راﺳب‬
‫ﻓﻲ ﻣﺎدة اﻟرﻳﺎﺿﻳﺎت‪.‬‬
‫= )‪P(A/B‬‬ ‫=‬ ‫‪= 0.5 = 50 %‬‬
‫‪ P(B/A) .2‬ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون طﺎﻟب ﻣﺎ راﺳب ﻓﻲ ﻣﺎدة اﻟرﻳﺎﺿﻳﺎت ﻋﻠﻣﺎ أﻧﻪ راﺳب ﻓﻲ‬
‫ﻣﺎدة اﻹﺣﺻﺎء اﻟرﻳﺎﺿﻲ‪.‬‬
‫= )‪P(B/A‬‬ ‫=‬ ‫‪=0. 375 = 37.5 %‬‬
‫‪ .IV‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﻛﻠﻲ‬
‫ﻳﻌﺗﺑر ﻫذا اﻟدﺳﺗور ﻧﺗﻳﺟﺔ ﻟﻠدﺳﺎﺗﻳر اﻟﺳﺎﺑﻘﺔ و ﻫو ﻳﻌﺎﻟﺞ اﺣﺗﻣﺎﻝ ﺗﺣﻘق ﺣﺎدث ﻣﺎ ﻳﻛون ﻣراﻓﻘﺎ‬
‫ﻟﺗﺣﻘق أﺣد اﻟﺣوادث اﻟﻣﺗﻧﺎﻓﻳﺔ و اﻟﻣرﺗﺑطﺔ ﺑﻪ )ﻏﻳر اﻟﻣﺳﺗﻘﻠﺔ(‪.‬ﻟﻳﻛن ‪ A‬ﺣﺎدث ﻛﻳﻔﻲ و ﻟﺗﻛن ‪. Hn‬‬
‫ﺣوادث ﻣﺗﻧﺎﻓﻳﺔ و ﻣﺗﻛﺎﻣﻠﺔ و ﻏﻳر ﻣﺳﺗﻘﻠﺔ ﻋن اﻟﺣﺎدث ‪ A‬أي أن‬ ‫‪,H 1‬‬ ‫‪,H2 ،H3,H4 ،. . . ،‬‬
‫وﻗوع ‪ A‬ﻻ ﻳﻣﻛن أن ﻳﺗﺣﻘق إﻻ إذا ﻛﺎن ﻣراﻓﻘﺎ ﻷﺣد ﻫذﻩ اﻟﺣوادث‪ .‬ﻳﻣﻛن اﻟﺗﻌﺑﻳر ﻋن ذﻟك‬
‫رﻳﺎﺿﻳﺎ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪- 30 -‬‬
‫)‪A = (A H1 ) U (A H 2) U (A H 3)……………… U (A Hn‬‬

‫‪P(A) = P(A‬‬ ‫‪)+P (A‬‬ ‫)‪) +P (A H 3) ……………… +P (A Hn‬‬
‫= )‪P(A‬‬ ‫و ﺑﻣﺎ أن اﻟﺣوادث ﻏﻳر ﻣﺳﺗﻘﻠﺔ ﻓﺈﻧﻪ ﺣﺳب دﺳﺗور اﻻﺣﺗﻣﺎﻝ‬
‫اﻟﺷرطﻲ‪:‬‬
‫= ) ‪P(A/‬‬ ‫ﻳﻜﺎﻓﺊ‬ ‫‪P(A/‬‬ ‫(‪) P‬‬ ‫ﺑﺎﻟﺗﻌوﻳض ﻧﺟد ‪:‬‬
‫= )‪P(A‬‬ ‫=‬ ‫‪/ i=1....................n‬‬
‫)‪P(A) = P(H1) P(A/H1)+ P(H2) P(A/H2)+……………. P(Hn)P(A/Hn‬‬
‫وﺗﺳﻣﻰ ﻫذﻩ اﻟﺻﻳﻐﺔ ﺑﺎﻟدﺳﺗور اﻟﻛﻠﻲ ﻟﻼﺣﺗﻣﺎﻻت‪.‬‬
‫أو ﻧﻛﺗب‪:‬‬
‫ﻟدﻳﻧﺎ ‪ 3‬ﺻﻧﺎدﻳق ﻳﺣﺗوي ﻋﻠﻰ ﻣﺟﻣوﻋﺔ ﻣن اﻟﻣﺻﺎﺑﻳﺢ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪ -‬ﺻﻧدوق ‪ 1‬ﻳﺣﺗوي ﻋﻠﻰ ‪ 10‬ﻣﺻﺎﺑﻳﺢ ﻣن ﺑﻳﻧﻬﺎ ‪ 4‬ﻏﻳر ﺳﻠﻳﻣﺔ‪.‬‬
‫‪ -‬ﺻﻧدوق ‪ 2‬ﻳﺣﺗوي ﻋﻠﻰ ‪ 6‬ﻣﺻﺎﺑﻳﺢ ﻣن ﺑﻳﻧﻬﺎ ‪ 1‬ﻏﻳر ﺳﻠﻳم‪.‬‬
‫‪ -‬ﺻﻧدوق ‪ 3‬ﻳﺣﺗوي ﻋﻠﻰ ‪ 8‬ﻣﺻﺎﺑﻳﺢ ﻣن ﺑﻳﻧﻬﺎ ‪ 3‬ﻏﻳر ﺳﻠﻳﻣﺔ‪.‬‬
‫اﺧﺗﻳر ﺻﻧدوق ﺑطرﻳﻘﺔ ﻋﺷواﺋﻳﺔ وﺑﻌد ذﻟك اﺧﺗﻳر ﻣﻧﻪ ﻣﺻﺑﺎح ﺑطرﻳﻘﺔ ﻋﺷواﺋﻳﺔ أﻳﺿﺎ‪.‬‬
‫ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﺳﻠﻳم‪ ،‬وﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﻏﻳر ﺳﻠﻳم‪.‬‬
‫‪- 31 -‬‬
‫ﻟﺗﻛن اﻟﺣﺎدﺛﺔ ‪ A‬ﺣﺎدﺛﺔ اﺧﺗﻳﺎر ﻣﺻﺑﺎح ﺳﻠﻳم و ﻟﺗﻛن‪ H1, H2 H 3‬ﺣوادث اﺧﺗﻳﺎر ﺻﻧدوق ﻣﺎ ﻣن‬
‫اﻟﺻﻧﺎدﻳق اﻟﺛﻼﺛﺔ )اﻟﺣوادث اﻟﻣﺗﻧﺎﻓﻳﺔ(‪.‬‬
‫‪A = (A‬‬ ‫)‪H1) U (A H2) U (A H3‬‬

‫اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﺳﻠﻳم ﻫو اﻻﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﺳﻠﻳم وﻫوﻣن اﻟﺻﻧدوق اﻷوﻝ أو‬
‫اﻻﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﺳﻠﻳم وﻫوﻣن اﻟﺻﻧدوق اﻟﺛﺎﻧﻲ أو اﻻﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﺳﻠﻳم‬
‫وﻫوﻣن اﻟﺻﻧدوق اﻟﺛﺎﻟث أي‪:‬‬
‫)‪P(A) = P (A H1 ) +P (A H2) +P (A H3‬‬

‫)‪P(A) = P(H1‬‬ ‫)‪P(A/H1) + P(H2‬‬ ‫)‪P(A/H2) + P(H3‬‬ ‫)‪P(A/H3‬‬
‫= )‪P(A‬‬ ‫‪+‬‬ ‫‪= 0.69‬‬
‫‪P(A) = 0.69‬‬
‫اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻟﻣﺻﺑﺎح ﻏﻳر ﺳﻠﻳم ﺑﺎﺳﺗﻌﻣﺎﻝ ﻗﺎﻧون اﻻﺣﺗﻣﺎﻝ اﻟﻌﻛﺳﻲ ﻫو ‪:‬‬
‫‪P( )+ P(A) =1 P( ) = 1- P(A) = 1- 0.69 = 0.31‬‬
‫‪P( ) = 0.31‬‬
‫‪ .V‬دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺟزﺋﻲ )دﺳﺗور ﺑﺎﻳز ‪( Théorème de BAYES‬‬
‫ﻳﻌﺎﻟﺞ دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺟزﺋﻲ ﻛﻳﻔﻳﺔ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻝ اﻟﺷرطﻲ ﻟﺗﺣﻘق أﺣد اﻟﺣوادث اﻟﻣﺗﻧﺎﻓﻳﺔ و‬
‫اﻟﻣﺗﻛﺎﻣﻠﺔ ‪ Hn ،. . . ، . ،H3 ،H2 ،H1‬و اﻟﻣراﻓﻘﺔ ﻟﺣﺎدث ﻣﺎ ‪. A‬‬
‫وان اﺣﺘﻤﺎﻻت ﻫﺬﻩ‬ ‫ﻟﻨﻔﺮض اﻧﻪ ﻟﺪﻳﻨﺎ ﳎﻤﻮﻋﺔ اﳊﻮادث اﳌﺘﻜﺎﻣﻠﺔ واﳌﺘﻌﺎرﺿﺔ‪Hn ،. . . ، . ،H3 ،H2 ،H1‬‬
‫اﳊﻮادث )‪ P(Hi‬ﻣﻌﻠﻮﻣﺔ ﻓﻜﻴﻒ ﳝﻜﻨﻨﺎ ﺣﺴﺎب اﻻﺣﺘﻤﺎﻻت اﻟﺸﺮﻃﻴﺔ )‪ P(Hi /A‬ﻟﻜﻞ ﻣﻦ ﺗﻠﻚ اﳊﻮادث؟‬
‫‪- 32 -‬‬
‫اﻋﺘﻤﺎدا ﻋﻠﻰ اﻻﺣﺘﻤﺎل اﻟﺸﺮﻃﻲ ‪:‬‬
‫‪P(A/‬‬ ‫= )‬ ‫=)‪ P( /A‬و‬
‫=‬
‫= )‪P( /A‬‬
‫اﻋﺘﻤﺎدا ﻋﻠﻰ دﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﻛﻠﻲ ‪:‬‬
‫=‬
‫ﺑﺎﻟﺗﻌوﻳض ﻧﺟد‪:‬‬
‫‪/‬‬
‫=)‪P( /A‬‬ ‫∑‬ ‫‪1‬‬ ‫‪/‬‬
‫و ﺗﺳﻣﻰ ﻫذﻩ اﻟﺻﻳﻐﺔ ﺑدﺳﺗور اﻻﺣﺗﻣﺎﻝ اﻟﺟزﺋﻲ‪.‬‬
‫تطبيق‪:‬‬
‫نستعمل معطيات التطبيق السابق‪.‬‬

‫بعد اختيار الصندوق ‪ ،‬سحبنا مصباح بطريقة عشوائية فوجدناه سليم‪ .‬فما ھواالحتمال انه من‬
‫الصندوق الثاني ؟‬
‫المطلوب حساب ) ‪P(H2/‬‬
‫=)‪P( /A‬‬ ‫?=‬
‫‪P(A/‬‬ ‫= )‬ ‫=‬
‫(‪P‬‬ ‫= )‪/A‬‬
‫ﲢﺼﻠﻨﺎ ﰲ اﻟﺘﻄﺒﻴﻖ اﻟﺴﺎﺑﻖ ﻋﻠﻰ ﻗﻴﻤﺔ )‪ P(A‬ﺑﺎﺳﺗﻌﻣﺎﻝ ﻗﺎﻧون اﻻﺣﺗﻣﺎﻝ اﻟﻛﻠﻲ‪.‬‬
‫‪P(A) = 0.69‬‬
‫=‬ ‫‪= 0,28‬‬
‫(‪P‬‬ ‫= )‪/A‬‬ ‫‪=0,41‬‬
‫(‪P‬‬ ‫‪/A) =0,41‬‬
‫‪- 33 -‬‬
‫‪A‬ﺣﻳث ﺗوﻟت اﻟﻌﺎﻣﻠﺔ اﻻوﻟﻰ‪ A1‬طﺑﻊ ‪20 %‬ﻣن‬ ‫‪3,‬‬ ‫ﺑﻣﻛﺗب ﻟﻠﻣﺣﺎﺳﺑﺔ ﺛﻼﺛﺔ ﻋﺎﻣﻼت‪A 2,A1،‬‬
‫اﻟﻔواﺗﻳر‪ .‬أﻣﺎ اﻟﻌﺎﻣﻠﺗﻳن اﻵﺧرﺗﻳن ‪ A2‬ﺗطﺑﻊ ‪ 30%‬ﻣن اﻟﻔواﺗﻳر واﻷﺧرى ‪ .50%،A3‬ﺗرﺗﻛب اﻟﻣوظﻔﺔ‬
‫اﻻوﻟﻰ أﺧطﺎء ﻓﻲ ‪ 5%‬ﻣن اﻟﻔواﺗﻳر‪ ،‬ﺑﻳﻧﻣﺎ ﻧﺳﺑﺔ اﻟﺧطﺄ ﻟدى اﻟﺛﺎﻧﻳﺔ ‪ 2% ،A2‬وﻟدى اﻟﺛﺎﻟﺛﺔ ‪،A3‬‬
‫‪.1%‬‬
‫‪.1‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﺗﻛون ﻓﺎﺗورة ﻣﺧﺗﺎرة ﻋﺷواﺋﻳﺎ ﻣن ﻣﺟﻣوع اﻟﻣراﺳﻼت‪ ،‬ﺑﻬﺎ أﺧطﺎء‪.‬‬
‫‪.2‬أﺧذت ﻓﺎﺗورة ﺑﺷﻛﻝ ﻋﺷواﺋﻲ ﻓﺗﺑﻳن أن ﺑﻬﺎ أﺧطﺎء‪ .‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﺗﻛون اﻟﻣوظﻔﺔ ‪A1‬‬
‫ﻫﻲ اﻟﺗﻲ ﺣررت اﻟﻔﺎﺗورة وﻗﺎرن ﻣﻊ اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣﺻدر اﻟﺧطﺄ ﻫو ‪ A2‬أو‪A3‬‬
‫‪ .3‬أﺣﺳب ﻣﺟﻣوع اﻻﺣﺗﻣﺎﻻت اﻟﺛﻼث‪.‬‬
‫)‪1- A = (A A 1) U (A A 2) U (A A 3‬‬
‫)‪P(A) = P (A A1 ) +P (A A 2) +P (A A 3‬‬
‫)‪P(A) = P(A 1‬‬ ‫)‪P(A/ A 1) + P(A 2‬‬ ‫) ‪P(A/ A 2) + P(A3‬‬ ‫) ‪P(A/ A3‬‬
‫‪P(A)= (0.2 0,05)+(0,3‬‬ ‫‪+(0,5‬‬ ‫‪0,021‬‬

‫(‪2- P‬‬ ‫= )‪/A‬‬ ‫=‬ ‫=‬ ‫‪0,4762‬‬
‫(‪P‬‬ ‫= )‪/A‬‬ ‫=‬ ‫=‬ ‫‪0,2857‬‬
‫(‪P‬‬ ‫= )‪/A‬‬ ‫=‬ ‫=‬ ‫‪= 0,2381‬‬
‫(‪ P‬ﻫو اﻷﻛﺑر وﻫو أن ﺗﻛون ‪ A1‬ﻫﻲ اﻟﺗﻲ ﺣررت‬ ‫‪ .2‬ﻳظﻬر ﻣن اﻟﺣﺳﺎب أن اﻻﺣﺗﻣﺎﻝ )‪/A‬‬
‫اﻟﻔﺎﺗورة‪.‬‬
‫‪.3‬ﻣﺟﻣوع اﻻﺣﺗﻣﺎﻻت ‪ P(A1/A) + P(A2/A) + P(A3/A) = 1‬ﻷﻧﻬﺎ ﺗﻣﺛﻝ اﺣﺗﻣﺎﻻت اﻷﺣداث‬
‫اﻟﻣﺗﻧﺎﻓﻳﺔ اﻟﺛﻼث‪.‬‬
‫‪- 34 -‬‬
‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟدﺳﺎﺗﻳر اﻷﺳﺎﺳﻳﺔ ﻟﻼﺣﺗﻣﺎﻻت‬
‫التمرين ‪:01‬‬
‫يحتوي صندوق على ‪ 12‬كرة ﻟﻬﺎ ﻧﻔس اﻟﻣﻠﻣس منھا‪ 3 :‬كرات حمراء تحمل األرقام ‪ 1،2،3‬و‪ 4‬كرات‬
‫بيضاء تحمل األرقام‪ 1،1،2،2‬و ‪ 5‬كرات سوداء تحمل األرقام‪1،2،3،3،3.‬نسحب عشوائيا من ھذا‬
‫الصندوق في آن واحد ثالث كرات‪ .‬أحسب احتماالت الحوادث التالية‪:‬‬
‫‪ :A -1‬الكرات الثالثة من ألوان مختلفة‪.‬‬
‫‪ : B -2‬الكرات الثالثة من لون واحد‪.‬‬
‫‪: C -3‬الكرات الثالثة تحمل نفس الرقم‪.‬‬
‫‪ :D -4‬ما بين الكرات الثالثة كرة سوداء على األقل‪.‬‬
‫‪ : E -5‬الكرات الثالثة تحمل أرقام مختلفة‪.‬‬
‫‪ : F-6‬مجموع أرقام الكرات الثالثة يساوي ‪.7‬‬
‫‪.‬‬ ‫‪C F ،B D ،A E ، A‬‬ ‫‪،B C/C ،B C ،B C-7‬‬
‫‪ -8‬ھل الحادتان ‪ A‬و‪B‬مستقالن؟‬
‫التمرين ‪02‬‬
‫للكشف عن مرض معين في أحد المستشفيات تم فحص عينة من األفراد‪ .‬ليكن ‪ :A‬الفرد مريض و‪:B‬‬
‫نتيجة الفحص إيجابية‪ .‬نعلم أن ‪ 1‬في األلف مصابين بھذا المرض‪ .‬ليكن ‪ P (B /A) =0,95‬و‬
‫‪ .P(B / ) =0,008‬اﺧﺗرﻧﺎ ﻓرد ﺑطرﻳﻘﺔ ﻋﺷواﺋﻳﺔ‪ .‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣﺻﺎﺑﺎ ﺑﺎﻟﻣرض ﻋﻠﻣﺎ‬
‫أن ﻧﺗﻳﺟﺔ اﻟﻔﺣص ﻛﺎﻧت إيجابية؟‬
‫ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن اﺣﺗﻣﺎﻝ ﺗﺣﻘﻘﻬﻣﺎ ﻫو ‪ P(A)=0,25‬و ‪P(B)= 0,33‬‬
‫أﺣﺳب اﺣﺗﻣﺎﻝ)‪ P(A U B‬ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ -2‬إذا ﻋﻠﻣت أن اﺣﺗﻣﺎﻝ وﻗوﻋﻬﻣﺎ ﻣﻌﺎ ﻫو ‪.0,2‬‬ ‫‪ -1‬إذا ﻋﻠﻣت أن اﻟﺣﺎدﺛﻳن ‪ A‬و‪ B‬ﻣﺗﻧﺎﻓﻳﻳن‪.‬‬
‫‪ P(B /A)= P‬ﻣﺎذا ﺗﺳﺗﻧﺞ ﻋن اﻟﺣﺎدﺛﻳن ‪A‬‬ ‫إذا ﻛﺎن اﻟﺣﺎدﺛﻳن ‪ A‬و ‪ B‬ﻳﺣﻘﻘﺎن ﻣﺎ ﻳﻠﻲ‪/ A ) :‬‬
‫و ‪B‬؟‬
‫‪- 35 -‬‬
‫ﻟﺗﻛن اﻟﺣوادث ‪ C,B,A‬ﻣﻌرﻓﺔ ﻋﻠﻰ ﻧﻔس اﻟﺗﺟرﺑﺔ ﺣﻳث‪ P(A)=0,3 :‬و ‪P(B)= 0,25‬‬
‫‪P(C)=0,25‬‬
‫‪ P(A ∩ B)= 0,15‬و‪P(A ∩ B∩ C)= 0,08‬‬
‫أﺣﺳب اﺣﺗﻣﺎﻝ اﻟﺣﺎدث ‪ E‬ﺣﻳث ‪ A‬و ‪ B‬ﻳﻘﻌﺎن و ‪ C‬ﻻ ﻳﻘﻊ‪.‬‬
‫أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺷرطﻳﺔ‪. P(B /A) , P(A / B) , P(A ∩ B/C) :‬‬
‫ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن اﺣﺗﻣﺎﻝ ﺗﺣﻘﻘﻬﻣﺎ ﻫو ‪ P(A)=0,7‬و ‪ P(B)= 0,3‬و إذا ﻋﻠﻣت أن اﻟﺣﺎدﺛﺔ‬
‫‪ B‬ﻣﺣﺗوة ﻓﻲ اﻟﺣﺎدﺛﺔ ‪ A‬أﺣﺳب اﻻﺣﺗﻣﺎﻝ )‪. P(A U B‬‬
‫ﺻﻧدوق ﻳﺣﺗوي ﻋﻠﻰ ‪ 15‬ﻛرة ﻟﻬﺎ ﻧﻔس اﻟﻣﻠﻣس ‪.‬ﻣﻧﻬﺎ‪ 3‬ﺑﻳﺿﺎء‪ 5 ،‬ﺣﻣراء ‪ 3 ،‬زرﻗﺎء و ‪ 4‬ﺳوداء‪.‬‬
‫ﻧﺳﺣب ﻋﺷواﺋﻳﺎ ‪ 3‬ﻛرات اﻟواﺣدة ﺑﻌد اﻷﺧرى وﺑدون ارﺟﺎع‪ .‬ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﺗﻛون‪:‬‬
‫‪ .2‬اﻝ ‪ 3‬ﻛرات ﻣن ﻟون ﻣﺧﺗﻠف‪.‬‬ ‫‪ .1‬اﻷوﻟﻰ ﺣﻣراء واﻟﺛﺎﻧﻳﺔ ﺳوداء واﻟﺛﺎﻟﺛﺔ زرﻗﺎء‪.‬‬
‫‪ -4‬اﻝ ‪ 3‬ﻛرات ﺑﻳﺿﺎء‬ ‫‪ .3‬اﻝ ‪ 3‬ﻛرات ﻣن ﻧﻔس اﻟﻠون‪.‬‬
‫أطﻠق ﺛﻼﺛﺔ ﺻﻳﺎدﻳن اﻟﻧﺎر ﻋﻠﻰ ﺣﻳوان ﺑري‪ ,‬ﺑﺣﻳث اﺣﺗﻣﺎﻝ إﺻﺎﺑﺔ اﻟﻬدف ﻣن طرف ﻛﻝ ﺻﻳﺎد ﻫو‪:‬‬
‫ﻋﻠﻰ اﻟﺗواﻟﻲ‪ .‬أطﻠق ﻛﻠﻬم طﻠﻘﺔ واﺣدة ﻧﺣو اﻟﻬدف‪.‬‬ ‫‪,‬‬ ‫‪,‬‬
‫‪ .2‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﺻﺎب اﻟﻬدف ﻣن طرف ﺻﻳﺎد‬ ‫ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﺻﻳب اﻟﺛﻼﺛﺔ اﻟﻬدف‪.‬‬
‫ﻋﻠﻰ اﻷﻗﻝ‪.‬‬
‫ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن اﺣﺗﻣﺎﻝ ﺗﺣﻘﻘﻬﻣﺎ ﻫو ‪ P(A)=0.40‬و ‪ P(B)= 0.6‬و اﺣﺗﻣﺎﻝ وﻗوع أﺣد‬
‫اﻟﺣﺎدﺛﻳن ﻋﻠﻰ اﻷﻗﻝ ﻫو ‪ . 0.7‬أﺣﺳب اﺣﺗﻣﺎﻝ )‪ P(A / B‬و اﺣﺗﻣﺎﻝ )‪. P(B /A‬‬
‫ﻟﺗﻛن اﻟﺣوادث ‪ B,A‬ﺣوادث ﻣﻌرﻓﺔ ﻋﻠﻰ ﻧﻔس اﻟﺗﺟرﺑﺔ ﺣﻳث‪ P(A)=0.5 :‬و ‪P(B)= 0.33‬‬
‫‪ . P(B /‬اﻟﻣطﻠوب ﺣﺳﺎب اﻻﺣﺗﻣﺎﻝ )‪.P(A U B‬‬ ‫و ‪) = 0.25‬‬
‫‪- 36 -‬‬
‫ﻣﺣﻝ ﺗﺟﺎري ﻳﺑﻳﻊ ﻣﻧﺗوج ﻣﺻﻧﻊ ﻣن طرف ﺛﻼث ﻣﺻﺎﻧﻊ ﺑﺎﻟﻧﺳب اﻟﺗﺎﻟﻳﺔ‪ :‬اﻟﻣﺻﻧﻊ اﻷوﻝ ‪, %50‬‬
‫اﻟﻣﺻﻧﻊ اﻟﺛﺎﻧﻲ ‪ %30‬و اﻟﻣﺻﻧﻊ اﻟﺛﺎﻟث ‪ .%20‬إذا ﻋﻠﻣت أن ﻧﺳﺑﺔ اﻟﻣﻧﺗﺟﺎت ﻏﻳر اﻟﺻﺎﻟﺣﺔ اﻟﺗﻲ‬
‫ﺗﺄﺗﻲ ﻣن اﻟﻣﺻﺎﻧﻊ اﻟﺛﻼﺛﺔ ﻋﻠﻰ اﻟﺗرﺗﻳب ﻫﻲ ‪.%5 ,% 3 , %2‬‬
‫ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ ﺷراء ﻣﻧﺗوج ﻋﺷواﺋﻳﺎ ﻳﻛون ﻣن اﻟﻧوع اﻟﺻﺎﻟﺢ‪.‬‬
‫و إذا ﻛﺎﻧت ﻣن اﻟﻧوع اﻟﺻﺎﻟﺢ ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﺗﻛون ﻣن اﻟﻣﺻﻧﻊ اﻷوﻝ‪.‬‬
‫ﻓﻲ ﻣﻌﻣﻝ ﺛﻼث ورﺷﺎت ﻟﻠﺗﻌﻠﻳب ‪ , H3 , H2 , H1‬ﻳﺗوزع ﻋﻠﻳﻬﺎ اﻹﻧﺗﺎج ﺑﺎﻟﻧﺳب اﻟﺗﺎﻟﻳﺔ ﻋﻠﻰ‬
‫اﻟﺗرﺗﻳب‪ . %30 ,%50 , % 20 :‬ﻗدرت ﻧﺳﺑﺔ اﻟﺗﻌﻠﻳب اﻟﻣﺷوﻩ ‪ A‬ﻓﻲ اﻟورﺷﺎت اﻟﺛﻼﺛﺔ ﻋﻠﻰ‬
‫اﻟﺗرﺗﻳب ﺑـ‪ . %0.6 , %0.4 ,% 1 :‬أﺧذت ﻋﻠﺑﺔ ﺑﺻورة ﻋﺷواﺋﻳﺔ‪ .‬أﺣﺳب‪:‬‬
‫اﺣﺗﻣﺎﻝ أن ﺗﻛون اﻟﻌﻠﺑﺔ ﻣن اﻹﻧﺗﺎج اﻟﻣﺷوﻩ‪.‬‬
‫اﺣﺗﻣﺎﻝ أن ﺗﻛون اﻟﻌﻠﺑﺔ ﻣن اﻹﻧﺗﺎج اﻟﺳﻠﻳم‪.‬‬
‫ﻣﺎ ﻫﻲ اﻟورﺷﺔ اﻟﻣﺗﺳﺑﺑﺔ ﻓﻲ أﻗﻝ ﻧﺳﺑﺔ ﻣن اﻟﺗﺷوﻳﻪ‪.‬‬
‫‪- 37 -‬‬
‫اﻟﻔﺻﻝ اﻟﺛﺎﻟث‪ :‬اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ وﻣﻣﻳزاﺗﻬﺎ اﻟﻌددﻳﺔ‬
‫ﻳﻬﺗم ﻫذا اﻟﻔﺻﻝ ﺑدراﺳﺔ اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ‪ ،‬ﻣن ﺣﻳث ﺗﻌرﻳﻔﻬﺎ‪ ،‬وأﻧواﻋﻬﺎ‪ ،‬واﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ ﻟﻬﺎ‪،‬‬
‫وﺧﺻﺎﺋص ﻫذﻩ اﻟﺗوزﻳﻌﺎت‪.‬‬
‫ﻣﺎ ﻫو اﻟﻣﺗﺣوﻝ اﻟﻌﺷواﺋﻲ ؟ وﻣﺎ ﻫو اﻟﻔرق ﺑﻳﻧﻪ وﺑﻳن اﻟﻣﺗﺣوﻝ اﻟﻌﺎدي ؟ ان اﻟﻣﺗﺣوﻝ اﻟﻌﺎدي ﻫو ذﻟك‬
‫اﻟﻣﺗﺣوﻝ اﻟذي ﻳﺗﺣوﻝ ﺿﻣن اﻟﺣدود اﻟﻣﻔروﺿﺔ ﻋﻠﻳﻪ ﺑﺷﻛﻝ ﻣطرد و ﻛﺄﻣﺛﻠﺔ ﻳﻣﻛن أن ﻧذﻛر ‪:‬اﻟزﻣن‪،‬‬
‫ﻋﻣر اﻧﺳﺎن ﻣﻌﻳن‪......‬‬
‫‪ .I‬ﻣﻔﻬوم اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ‬
‫اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﻫو اﻟذي ﻳﺄﺧذ ﻗﻳﻣﺎ ﺣﻘﻳﻘﻳﺔ ﻣﺧﺗﻠﻔﺔ ﺗﻌﺑر ﻋن ﻧﺗﺎﺋﺞ ﻓراغ اﻟﻌﻳﻧﺔ‪ ،‬وﻣن ﺛم ﻣﺟﺎﻝ ﻫذا‬
‫اﻟﻣﺗﻐﻳر‪ ،‬ﻳﺷﻣﻝ ﻛﻝ اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻟﻪ‪ ،‬وﻳﻛون ﻟﻛﻝ ﻗﻳﻣﺔ ﻣن اﻟﻘﻳم اﻟﺗﻲ ﻳﺄﺧذﻫﺎ اﻟﻣﺗﻐﻳر اﺣﺗﻣﺎﻝ ﻣﻌﻳن‪.‬‬
‫ﻧرﻣز ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﺑﺎﻟرﻣز ‪. X‬‬
‫تكون قيم ‪ X‬ﻣواﻓﻘﺔ ﻟﻧﺗﺎﺋﺞ اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ وﺗﺣﻘﻘﻬﺎ ﻣرﺗﺑط ﺑﺎﺣﺗﻣﺎﻻت ﻣﻌﻳﻧﺔ‪.‬‬
‫‪ .II‬أﻧواع اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ‬
‫ﻳﻣﻛن اﻟﺗﻣﻳﻳز ﺑﻳن ﻧوﻋﻳن ﻣن اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ ﻫﻣﺎ‪:‬‬

‫‪-1‬اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ اﻟﻣﻧﻘطﻌﺔ )‪(Variables discrètes‬‬
‫‪-2‬اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ اﻟﻣﺳﺗﻣرة )‪(Variables continues‬‬
‫‪ .1‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ وﺧواﺻﻪ اﻟﻌددﻳﺔ‪:‬‬
‫اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ ﻫو اﻟذي ﻳﺄﺧذ ﻗﻳم ﺑﻳﻧﻳﺔ‪ ،‬وﻣﺗﺑﺎﻋدة‪ ،‬أو ﻫو اﻟﻣﺗﻐﻳر اﻟذي ﻳﺄﺧذ ﻋددا ﻣﻧﺗﻬﻳﺎ‬
‫ﻣن اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻓﻲ ﻣﺟﺎﻝ ﻣﻐﻠق‪.‬‬
‫وﻳرﻣز ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﺑﺷﻛﻝ ﻋﺎم ﺑﺣرف ﻣن اﻟﺣروف اﻟﻼﺗﻳﻧﻳﺔ اﻟﻛﺑﻳرة‪ X, Y, Z,….‬وﻳرﻣز ﻟﻠﻘﻳم‬
‫اﻟﺗﻲ ﻳﺄﺧذﻫﺎ اﻟﻣﺗﻐﻳر ﺑﺎﻟﺣروف اﻷﺑﺟدﻳﺔ ‪.x, y, z, …،‬‬
‫‪- 38 -‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة ﻧرد ﻟﻳﻛن اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪ X‬ﻫو اﻟرﻗم اﻟذي ﻳظﻬر‪ .‬اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻝ‪ X‬ﻫﻲ‪:‬‬
‫‪ .6 ،5 ،4 ،3 ،2 ،1‬ﻛﻝ ﻗﻳﻣﺔ ﻳﻘﺎﺑﻠﻬﺎ اﺣﺗﻣﺎﻝ ﺗﺣﻘﻘﻬﺎ‪ ،‬وﻫو ﻫﻧﺎ ‪ .1/6‬وﻧﻛﺗب ﻣﺛﻼ ‪:‬‬
‫…‪P(X = 1) =P1 = 1/6, P(X = 2) = P2= 1/6 ,‬‬
‫ﻧﻼﺣظ أن اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻝ ‪ ( 6 ،5 ،4 ،3 ،2 ،1) X‬ﻫﻲ ﻣﺗﻧﺎﻓﻳﺔ‪ ،‬وﻟذﻟك ﻓﺈن ﻣﺟﻣوع اﺣﺗﻣﺎﻻﺗﻬﺎ‬
‫ﻳﺳﺎوي ‪.1‬‬
‫أ‪ .‬ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ‪:‬‬
‫ﻳﻣﻛن ﻋرض ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ﺑﺻورة ﺟدوﻟﻳﺔ‪ .‬ﻫو اﻟﻌﻼﻗﺔ اﻟﺗﻲ‬
‫ﺗرﺑط ﺑﻳن اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻟـ ‪ X‬واﺣﺗﻣﺎﻻﺗﻬﺎ اﻟﻧﺎﺗﺟﺔ ﻋن اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪.‬‬
‫ﻳﻣﻛن أن‬ ‫ﻓﻲ اﻟﻌﻣود اﻷوﻝ ﻧرﺗب ﻗﻳم ‪ X‬ﺗﺻﺎﻋدﻳﺎ‪ .‬ﻳﻘﺎﺑﻠﻬﺎ ﻓﻲ اﻟﻌﻣود اﻟﺛﺎﻧﻲ ﻛﻝ ﻗﻳﻣﺔ اﺣﺗﻣﺎﻟﻳﺔ‬
‫ﺗﺄﺧذﻫﺎ‪.‬‬
‫= ‪ P (X‬أو‬ ‫ﻧرﻣز ﻋن اﺣﺗﻣﺎﻝ ﻗﻳﻣﺔ ﻣﻌﻳﻧﺔ ب )‬

‫وﻧﻛﺗب اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ ﻋﻠﻰ ﺷﻛﻝ ﺟدوﻝ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪…….‬‬ ‫‪xn‬‬
‫) = ‪P(X‬‬ ‫‪P1‬‬ ‫‪P2‬‬ ‫‪…….‬‬ ‫‪Pn‬‬
‫ﻧﻌﺗﺑر أن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻳﺣﻘق اﻟﺷرطﻳن اﻟﺗﺎﻟﻳﻳن‪:‬‬
‫اﻟﺷﻛﻝ اﻟﺑﻳﺎﻧﻲ ﻟﻠﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ﻋﺑﺎرة ﻋن ﺷﻛﻝ أﻋﻣدة ﻣﺗوازﻳﺔ ﻋﻠﻰ ﻣﺣور‬
‫‪.X‬‬
‫‪- 39 -‬‬
‫اﻟﺗطﺑﻳق‪:‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ رﻣﻲ زﻫرة ﻧرد ﻣرة واﺣدة ﻧﺗﺣﺻﻝ ﻋﻠﻰ ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ‪:‬‬
‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫= ‪P(X‬‬ ‫)‬ ‫‪1/6 1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1‬‬
‫ﺗﻣﺛﻝ اﻟﻣﺗﻐﻳرة اﻟﻌﺷواﺋﻳﺔ اﻟﻣﻧﻘطﻌﺔ‪:‬‬
‫‪Pi‬‬
‫‪1‬‬
‫‪1/6‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪x‬‬
‫ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ) )‪ (F(X‬ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ‪:‬‬ ‫ب‪.‬‬
‫ﺑﺻﻔﺔ ﻋﺎﻣﺔ ﻓﺈن ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ﻳﻌطﻳﻧﺎ اﺣﺗﻣﺎﻝ أن ﻳﺄﺧذ ‪ X‬أي ﻗﻳﻣﺔ‬
‫أﺻﻐر أو ﺗﺳﺎوي أﺣد ﻗﻳﻣﻪ ‪ ،‬ﻧرﻣز ﻟﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﺑﺎﻟرﻣز )‪ F(x‬و ﻫو ﻣﻌرف ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫=‬
‫إذا ﻛﺎﻧت ‪ X‬ﺗﺄﺧذ ﻋددا ﻣﻧﺗﻬﻳﺎ ﻣن اﻟﻘﻳم ﻓﺈن )‪ F(x‬ﻳﻛﺗب ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪- 40 -‬‬
‫و ﻳﻣﻛن ﺣﺳﺎﺑﻪ ﻓﻲ ﺟدوﻝ اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪…….‬‬ ‫‪xn‬‬ ‫‪/‬‬

‫= ‪P (X‬‬ ‫)‬ ‫‪P1‬‬ ‫‪P2‬‬ ‫‪…….‬‬ ‫‪Pn‬‬ ‫‪=1‬‬
‫) (‪F‬‬ ‫‪P1‬‬ ‫‪P2 +P1‬‬ ‫‪…….‬‬ ‫‪1‬‬ ‫‪/‬‬
‫ﺑﺎﻟﻌودة إﻟﻰ اﻟﻣﺛﺎﻝ اﻟﺳﺎﺑق ﻳﻣﻛن إﻳﺟﺎد ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻲ‪:‬‬
‫ﺟدوﻟﻳﺎ‪:‬‬
‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫∑‬

‫)‪P(X = x‬‬ ‫‪1/6 1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1‬‬
‫)‪F(x‬‬ ‫‪1/6 2/6‬‬ ‫‪3/6‬‬ ‫‪4/6‬‬ ‫‪5/6‬‬ ‫‪6/6=1‬‬ ‫‪/‬‬
‫رﻳﺎﺿﻳﺎ‪:‬‬
‫)‪F(x‬‬
‫ﺑﻳﺎﻧﻳﺎ ﻳﻣﺛﻝ ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻋن طرﻳق ﺳﻠم ﺗﻛراري ﻣﺗﺻﺎﻋد ﻛﻣﺎ ﻫو ﻣوﺿﺢ ﻣن ﺧﻼﻝ اﻟﺷﻛﻝ‬
‫اﻟﺗﺎﻟﻲ‪:‬‬
‫‪- 41 -‬‬
‫)‪F(x‬‬
‫‪1‬‬
‫‪3/6‬‬
‫‪2/6‬‬
‫‪1/6‬‬
‫‪x‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫ج‪.‬اﻟﺧواص اﻟﻌددﻳﺔ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ‪:‬‬
‫ﻧﺳﺗﻌﻣﻝ ﻓﻲ ﻫذا اﻹطﺎر ﻣﺧﺗﻠف اﻟﻣﻘﺎﻳﻳس اﻹﺣﺻﺎﺋﻳﺔ ﻟﻣﻌرﻓﺔ ﻛﻳﻔﻳﺔ ﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻻت ﻋﻠﻰ ﻗﻳم‬
‫اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ‪.‬‬
‫)‪E(X‬‬ ‫ج‪ .1.‬اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ) اﻷﻣﻝ اﻟرﻳﺎﺿﻲ(‪:‬‬
‫اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ ﻫو اﻟوﺳط اﻟﻣرﺟﺢ ﻟﻠﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻟـ ‪ ، X‬ﺣﻳث ﺗرﺟﺢ ﻛﻝ‬
‫ﻗﻳﻣﺔ ﻣن ﻗﻳم اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﺑﺎﺣﺗﻣﺎﻻﺗﻬﺎ‪ .‬ﻧرﻣز ﻟﻠﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﺑﺎﻟرﻣز )‪ E(X‬أو ب ‪ .μ‬وﻳﻌطﻲ‬
‫ﺑﺎﻟﻘﺎﻧون اﻟﺗﺎﻟﻲ‪:‬‬
‫= )‪E(X‬‬
‫‪- 42 -‬‬
‫اﻟﺗطﺑﻳق‪:1‬‬
‫ﻳﻣﻛن ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﺑﺎﺳﺗﻌﻣﺎﻝ اﻟﺟدوﻝ ﻟﺗﺳﻬﻳﻝ ﻋﻣﻠﻳﺔ اﻟﺣﺳﺎب ﺑﺿرب ﻛﻝ ﻗﻳﻣﺔ ﻟـ ‪ x‬ﻓﻲ‬
‫=)‪E(x‬‬ ‫اﻻﺣﺗﻣﺎﻝ اﻟﻣﻘﺎﺑﻝ ﻟﻬﺎ وﻣن ﺛم ﻧﺟﻣﻊ اﻟﻘﻳم اﻟﻣﺗﺣﺻﻝ ﻋﻠﻳﻬﺎ ‪.‬ﺑﺎﻟﻌودة إﻟﻰ اﻟﻣﺛﺎﻝ اﻟﺳﺎﺑق‪:‬‬
‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫∑‬

‫= ‪P(X‬‬ ‫‪1/6 1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1‬‬
‫‪1/6 2/6‬‬ ‫‪3/6‬‬ ‫‪4/6‬‬ ‫‪5/6‬‬ ‫‪6/6‬‬ ‫‪21/6‬‬
‫(‪E(x)= 1‬‬ ‫(‪+ 2‬‬ ‫(‪+ 3‬‬ ‫(‪+ 4‬‬ ‫(‪+ 5 ( ) + 6‬‬ ‫)‬
‫=)‪E(x‬‬
‫ﻧﻠﻘــﻲ ﻗطﻌــﺔ ﻧﻘدﻳــﺔ ﻣ ـرة واﺣــدة‪ .‬ﻳ ـرﺑﺢ اﻟﻼﻋــب ‪ 20‬دج إذا ﺣﺻــﻝ ﻋﻠــﻰ اﻟ ـرﻗم ‪ ،2‬وﻳ ـرﺑﺢ ‪ 40‬دج إذا‬
‫ﺣﺻﻝ ﻋﻠﻰ اﻟرﻗم ‪ ،4‬و‪ 60‬دج إذا ﺣﺻﻝ ﻋﻠﻰ اﻟـرﻗم ‪ ،6‬وﻳﺧﺳـر ‪ 10‬دج إذا ﺣﺻـﻝ ﻋﻠـﻰ اﻟـرﻗم ‪،1‬‬
‫‪ 30‬دج إذا ﺣﺻــﻝ ﻋﻠــﻰ اﻟ ـرﻗم ‪ ،3‬و‪ 50‬دج إذا ﺣﺻــﻝ ﻋﻠــﻰ اﻟ ـرﻗم ‪ .5‬ﺗﺣﻘــق ﻣﻣــﺎ إذا ﻛﺎﻧــت اﻟﻠﻌﺑــﺔ‬
‫ﻣﺗوازﻧﺔ )ﻫﻝ ﺗوﻗﻊ اﻟرﺑﺢ ﻳﺳﺎوي ﺗوﻗﻊ اﻟﺧﺳﺎرة(‪.‬‬
‫‪-10‬‬ ‫‪20‬‬ ‫‪-30‬‬ ‫‪40‬‬ ‫‪-50‬‬ ‫‪60‬‬ ‫∑‬

‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪6/6‬‬
‫‪-10/6 20/6 -30/6 40/6‬‬ ‫‪-50/6‬‬ ‫‪60/6‬‬ ‫‪30/6>0‬‬
‫اﻟﺟواب ﻫو أن اﻟﻠﻌﺑﺔ ﻏﻳر ﻣﺗوازﻧﺔ ﻷن ﺗوﻗﻊ اﻟرﺑﺢ أﻛﺑر ﻣن ﺗوﻗﻊ اﻟﺧﺳﺎرة ﻷن‪:‬‬
‫‪E(x) = 30/6 = 5 > 0‬‬
‫يتمتع التوقع الرياضي بالخواص التالية‪:‬‬
‫= )‪E (c‬‬ ‫‪c =c‬‬ ‫‪=c‬‬

‫ان اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻌدد ﺛﺎﺑت ﻳﺳﺎوي ﻧﻔﺳﻪ‪.‬‬
‫‪- 43 -‬‬
‫من أجل‪ X‬متغير عشوائي و ‪ C‬عدد ثابت‬

‫= )‪E(cX‬‬ ‫‪c=c‬‬ ‫)‪=cE(X‬‬
‫من أجل ‪ X‬متغير عشوائي و ‪ a‬و‪ b‬عددان ثابتين‬

‫)‪E(a X +b‬‬
‫=‬
‫‪a E(X)+ b‬‬
‫اذا ﻛﺎن ‪ X‬و ‪Y‬ﻣﺗﺣوﻻن ﻋﺷواﺋﻳﺎن ﻓﺈن‬

‫= )‪E(X+Y‬‬
‫=‬ ‫)‪E (X) + E(Y‬‬
‫إذا ﻛﺎﻧت اﻟﻣﺗﻐﻳران ‪ X‬و‪ Y‬ﻣﺳﺗﻘﻼن ﻓﺈن‪:‬‬

‫)‪E(XY) = E(X)E(Y‬‬
‫ج‪ .2.‬اﻟﺗﺑﺎﻳن و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ‪: σ‬‬
‫ﻋن‬ ‫اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪ σ‬ﻳﻣﺛﻝ ﻣﻘﻳﺎس اﻟﺗﺷﺗت ﺣﻳث ﻳﻘﻳس ﻣدى ﺗﺑﺎﻋد ﻗﻳم اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ‬
‫اﻟﻘﻳﻣﺔ اﻟﻣﺗوﺳطﺔ‪ . μ‬ﻧرﻣز ﻟﻠﺗﺑﺎﻳن ﺑﺎﻟرﻣز )‪ .V(X‬إذا اﻧﺗﺷرت ﻗﻳم اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﺑﻌﻳدا ﻋن‬
‫اﻟﻘﻳﻣﺔ اﻟﻣﺗوﺳطﺔ‪ μ‬ﻓﺈن ﻗﻳﻣﺔ اﻟﺗﺑﺎﻳن ﺗﻛون ﻛﺑﻳرة‪.‬‬
‫‪= V(X) =E‬‬
‫اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ﻫو اﻟﺟدر اﻟﻣوﺟب ﻟﺗﺑﺎﻳن ﻣﺗﻐﻳر ﻋﺷواﺋﻲ‪ .‬ﻳرﻣز ﻟﻪ ب‪σ‬‬
‫=‪σ‬‬ ‫=‬ ‫‪²‬‬
‫ﻣﻼﺣظﺔ ﻫﺎﻣﺔ‪ V(X) :‬ﻟﻳس ﻟﻪ وﺣدة ﻗﻳﺎس ﺑﻳﻧﻣﺎ ‪ σ‬ﻟﻪ وﺣدة ﻗﻳﺎس ﻫﻲ ﻧﻔس وﺣدة ﻗﻳﺎس‪. X‬‬
‫ﻣﺛﺎﻝ‪ :‬ﻧﻠﻘﻲ ﻗطﻌﺔ ﻧﻘدﻳﺔ ﻣرﺗﻳن‪ .‬ﻧﺳﻣﻲ ‪ X‬ﻋدد ﻣرات اﻟﺣﺻوﻝ ﻋﻠﻰ ﺻورة‪ ،‬أﺣﺳب اﻟﺗﺑﺎﻳن ‪.‬‬
‫‪- 44 -‬‬
‫ﺑﺎﺳﺗﻌﻣﺎﻝ ﺟدوﻝ اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟدﻳﻧﺎ‪:‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫اﻟﻣﺟﻣوع‬
‫‪1/4 1/2 1/4‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪1/2 1/2‬‬ ‫‪E(X) = 1‬‬
‫‪( -E(x))²‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪( -E(x))²‬‬ ‫‪1/4‬‬ ‫‪0‬‬ ‫‪1/4‬‬ ‫‪V(X) = 1/2‬‬
‫=‪σ‬‬ ‫و ﻳﻛون اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ﻫو ‪= 1/2 :‬‬
‫أھم خواص التباين‪:‬‬

‫‪2‬‬
‫)‪V(X‬‬ ‫=‬ ‫‪E‬‬ ‫=‬
‫‪E‬‬
‫‪V(X) = E(X²) - E(X)2‬‬
‫ﻣﻼﺣظﺔ ﻫﺎﻣﺔ‪ :‬ﻳﺳﺗﺣﺳن اﺧﺗﻳﺎر ﻫذﻩ اﻟﺻﻳﻐﺔ ﻟﺣﺳﺎب اﻟﺗﺑﺎﻳن ﻷﻧﻬﺎ أﺳرع ﺑﻛﺛﻳر ﻣن‬
‫اﻟﺻﻳﻐﺔ اﻷﺻﻠﻳﺔ‬
‫تباين العدد الثابت يساوي الصفر‬

‫‪2‬‬ ‫‪2‬‬
‫‪V(C)=E‬‬ ‫‪=E‬‬ ‫‪=E(0)=0‬‬
‫‪V (C) =0‬‬
‫)‪V(CX) = C²V(X‬‬
‫)‪V(X + C)= V(X‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪V(aX + b)= E‬‬ ‫‪=E‬‬
‫‪- 45 -‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪=E‬‬ ‫=‬ ‫=‬
‫= )‪V (aX + b‬‬
‫=)‪V (aX + b‬‬
‫ﺗﺑﺎﻳن ﻣﺟﻣوع ﻣﺗﻐﻳرﻳن ﻋﺷواﺋﻳﻳن ﻣﺳﺗﻘﻠﻳن ﻳﺳﺎوي إﻟﻰ ﻣﺟﻣوع ﺗﺑﺎﻳﻧﻬﻣﺎ‬
‫‪V(X‬‬ ‫)‪Y) = V(X) + V(Y‬‬
‫ج‪ .3.‬اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ و اﻟﻌزوم اﻟﻣرﻛزﻳﺔ‪:‬‬

‫ﻧﻣﻳز ﺑﺻورة ﻋﺎﻣﺔ ﺑﻳن ﻧوﻋﻳن ﻣن اﻟﻌزوم‪ :‬اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ )اﻟﺑﺳﻳطﺔ( واﻟﻌزوم اﻟﻣرﻛزﻳﺔ ) اﻟﻣرﻛﺑﺔ(‪.‬‬
‫ﺗﺳﺗﺧدم اﻟﻌزوم ﻓﻲ ﺣﺳﺎب ﻣﻘﺎﻳﻳس اﻟﺷﻛﻝ ﻣﺛﻝ ﻣﻌﺎﻣﻝ اﻻﻟﺗواء‪ ) K‬اﻟﺗﻧﺎظر( وﻣﻌﺎﻣﻝ اﻟﺗﻔﻠطﺢ ‪. L‬‬
‫ﻳﻌرف اﻟﻌزم اﻻﺑﺗداﺋﻲ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪Ms =E(Xs), s=0,1,2,3......n‬‬
‫ﺣﻳث ﻣن أﺟﻝ ‪:‬‬

‫‪s=0‬‬ ‫‪M0= E(X0)=E(1)=1‬‬
‫‪s=1‬‬ ‫=)‪M1=E(X1)=E(X‬‬
‫و ﻳﻌرف اﻟﻌزم اﻟﻣرﻛزي ﻣن اﻟدرﺟﺔ ‪ s‬ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪ X‬ﻛﻣﺎ ﻳﻠﻲ‪:‬‬

‫‪μs =E((X− )s), s=0,1,2,3......n‬‬
‫‪s=0‬‬ ‫‪= E (1)=1‬‬ ‫‪=1‬‬
‫‪s=1‬‬ ‫=‬ ‫=) (‪= E(X)- E‬‬ ‫–‬ ‫‪=0‬‬ ‫‪=0‬‬
‫‪s=2‬‬ ‫=‬ ‫)‪= V(X‬‬
‫ﻳﻣﻛن أﻳﺿﺎ اﻟﺣﺻوﻝ ﻋﻠﻰ اﻟﻌزوم اﻟﻣرﻛزﻳﺔ ﺑدﻻﻟﺔ اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ ﻣن ﺧﻼﻝ اﺳﺗﻌﻣﺎﻝ ﻣﺛﻠث‬
‫ﺑﺎﺳﻛﺎﻝ وﻣﻔﻛك ﻧﻳوﺗن وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫=‬ ‫‪........‬‬
‫‪- 46 -‬‬
‫‪ .2‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر و ﺧواﺻﻪ اﻟﻌددﻳﺔ‪:‬‬

‫اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‪ ،‬ﻫو اﻟذي ﻳﺄﺧذ ﻗﻳﻣﺎ ﻣﺗﺻﻠﺔ‪ ،‬وﻳﺄﺧذ ﻋدد ﻻﻧﻬﺎﺋﻲ ﻣن اﻟﻘﻳم اﻟﻣﻣﻛﻧﺔ ﻟﻪ داﺧﻝ‬
‫ﻣﺟﺎﻟﻪ ‪ ،‬ﻓﺈذا ﻛﺎن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر‪ ،‬وﻳﻘﻊ ﻓﻲ اﻟﻣﺟﺎﻝ ]‪ [ a,b‬أي‪:‬‬
‫}‪ {X = x : a < x < b‬ﻓﺈن ﻟﻠﻣﺗﻐﻳر‪ X‬ﻋدد ﻻﻧﻬﺎﺋﻲ ﻣن اﻟﻘﻳم ﺗﻘﻊ ﺑﻳن اﻟﺣدﻳن اﻷدﻧﻰ واﻷﻋﻠﻰ‪.‬‬
‫ﺑﻌﺑﺎرة أﺧرى اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ﻫو ﻣﺗﻐﻳر ﻳﺄﺧذ ﻋددا ﻻ ﻣﺗﻧﺎﻫﻳﺎ ﻣن اﻟﻘﻳم ﻓﻲ ﻣﺟﺎﻝ ﻣﺣدود‪،‬‬
‫أو ﻳﺄﺧذ أي ﻗﻳﻣﺔ داﺧﻝ ﻫذا اﻟﻣﺟﺎﻝ‪ .‬ﻣن أﺟﻝ ﻫذا ﻓﺄن وﺣدات ﻗﻳﺎس اﻟﻣﺗﻐﻳر اﻟﻣﺳﺗﻣر ﺗﻛون ﻣﺳﺗﻣرة‬
‫ﻣﺛﻝ اﻟزﻣن‪ ،‬اﻟوزن‪ ،‬اﻟﻣﺳﺎﻓﺔ‪ ،‬اﻟﺣﺟم‪...‬‬
‫أ‪ .‬ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‪:‬‬

‫إذا ﻛﺎن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻳﺄﺧذ ﻗﻳﻣﻪ ﻓﻲ ﻣﺟﺎﻝ ]‪ [ a,b‬ﻓﺈن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟـ ‪X‬‬
‫ﻳﻌطﻰ ﻋﻠﻰ ﺷﻛﻝ داﻟﺔ ﻛﺛﺎﻓﺔ ﺗﻣﺛﻝ ﻣﺟﻣوﻋﺔ اﻟﻘﻳم اﻟﺗﻲ ﻳﻣﻛن أن ﻳﺄﺧذﻫﺎ اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‬
‫واﻻﺣﺗﻣﺎﻻت اﻟﻣﻠﺣﻘﺔ ﺑﻬﺎ‪ .‬ﻧﺳﻣﻲ ﺗوزﻳﻌﺎ ﻛﻬذا داﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﻳﺔ أو داﻟﺔ اﻻﺣﺗﻣﺎﻝ‪ ،‬وﻫﻲ ﻣﻣﺛﻠﺔ‬
‫ﺑﻣﻧﺣﻧﻰ ﻣﺗﺻﻝ‪.‬‬
‫ﻻﺣظ أﻧﻪ ﺑﻣﺎ أن ‪ X‬ﺗﺄﺧذ ﻋددا ﻻ ﻣﺗﻧﺎﻫﻳﺎ ﻣن اﻟﻘﻳم داﺧﻝ أي ﻣﺟﺎﻝ‪ ،‬ﻓﺈن اﺣﺗﻣﺎﻝ ﻗﻳﻣﺔ ﺑﻌﻳﻧﻬﺎ ﻫو‬
‫اﺣﺗﻣﺎﻝ ﻳؤوﻝ إﻟﻰ اﻟﺻﻔر‪ P(X=x) 0.‬ﻟذﻟك ﻓﺈن داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﺗﺳﺗﻌﻣﻝ ﻟﺣﺳﺎب اﺣﺗﻣﺎﻝ ﻣﺟﺎﻝ‪.‬‬
‫وﻳﻛون ذﻟك ﺑﺣﺳﺎب اﻟﻣﺳﺎﺣﺔ ﺗﺣت ﻣﻧﺣﻧﻰ )‪ f(x‬ﺑﻳن ﺣدود اﻟﻣﺟﺎﻝ‪.‬‬

‫‪b‬‬
‫‪P ( a  x  b)   f ( x)dx‬‬
‫‪a‬‬
‫ﻫﺎﻣﺔ‪ :‬اﻻﺣﺗﻣﺎﻝ ﻋﺑﺎرة ﻋن ﻣﺳﺎﺣﺔ‪.‬‬ ‫ﻣﻼﺣظﺔ‬
‫‪- 47 -‬‬
‫التمثيل البياني لدالة الكثافة للمتغير العشوائي المستمر‬
‫)‪f(x‬‬
‫‪1‬‬
‫‪a‬‬ ‫‪b‬‬ ‫‪x‬‬
‫ﻻﺣظ أن إﺷﺎرة اﻟﺗﻛﺎﻣﻝ ﻫﻧﺎ ﺗﻘﺎﺑﻝ إﺷﺎرة اﻟﻣﺟﻣوع ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ‪.‬‬
‫ﻹﺛﺑﺎت أن )‪ f(x‬ﻗﺎﻧون ﺗوزﻳﻊ اﺣﺗﻣﺎﻟﻲ ) داﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﻳﺔ ( ﻳﺟب أن ﻳﺗﺣﻘق اﻟﺷرطﻳﻳن اﻟﺗﺎﻟﻳﻳن‪:‬‬
‫‪1) f ( x)  0‬‬
‫‪‬‬
‫‪2)  f ( x)dx  1‬‬
‫‪‬‬
‫ﻫذﻩ اﻟﺧﺻﺎﺋص ﺗﻔﻳدﻧﺎ ﻓﻲ ﺣﺳﺎب اﺣﺗﻣﺎﻻت ﺑﻌض اﻟﻣﺟﺎﻻت ﻣن ﺧﻼﻝ اﺣﺗﻣﺎﻻت ﻣﺟﺎﻻت أﺧرى‪.‬‬
‫أوﺟد ﻗﻳﻣﺔ اﻟﺛﺎﺑت ‪ C‬اﻟﺗﻲ ﺗﺣﻘق اﻟﺷرطﻳن اﻷوﻝ واﻟﺛﺎﻧﻲ ﻟداﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﻳﺔ ﻓﻲ اﻟداﻟﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪cx ²‬‬ ‫‪0 x3‬‬
‫‪f ( x)  ‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫‪3‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪ x3 ‬‬
‫‪‬‬‫‪‬‬
‫‪f ( x ) dx  1   0 dx   Cx ² dx  ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪0 dx  1  C    9C  1  C  1 / 9‬‬
‫‪ 3 0‬‬
‫ﻟﻛﻲ ﺗﻛون ‪ x‬داﻟﺔ ﻛﺛﺎﻓﺔ ﻳﺟب أن ﻳﻛون ‪.C = 1/9‬‬
‫‪- 48 -‬‬
‫ب‪ .‬ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‪:‬‬
‫ﺗﻌرف داﻟﺔ اﻟﺗوزﻳﻊ ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫= )‪=P (X x‬‬
‫ﻟداﻟﺔ اﻟﺗوزﻳﻊ أﻫﻣﻳﺔ أﻛﺑر ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﻣﺗﻐﻳر اﻟﻣﺳﺗﻣر‪ ،‬اﻟﺳﺑب ﻓﻲ ذﻟك أﻧﻧﺎ ﻧﻬﺗم‪ ،‬ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺗﻐﻳر‬
‫اﻟﻣﺳﺗﻣر‪ ،‬ﺑﺎﺣﺗﻣﺎﻝ ﻣﺟﺎﻝ وﻟﻳس ﺑﺎﺣﺗﻣﺎﻝ ﻧﻘطﺔ‪ ،‬وﻟﺣﺳﺎب اﺣﺗﻣﺎﻝ ﻣﺟﺎﻝ ﻣن اﻷﻳﺳر اﻟﺗﻌوﻳض ﻓﻲ‬
‫ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﺑدﻻ ﻣن ﺣﺳﺎب اﻟﺗﻛﺎﻣﻝ ﻓﻲ ﻛﻝ ﻣرة‪ .‬ﻳﺗﺿﺢ ذﻟك ﻣن اﻟﻘﺎﻋدة اﻟﺗﺎﻟﻳﺔ‪ :‬ﺑﻔرض ‪a, b‬‬
‫ﻧﻘطﺗﺎن ﻣن ﻣﺟﺎﻝ ﺗﻌرﻳف ‪ ،X‬ﺑﺣﻳث ‪ . b > a‬ﻟﺣﺳﺎب اﺣﺗﻣﺎﻝ أن ﺗﻛون ‪ X‬ﺗﻧﺗﻣﻲ إﻟﻰ اﻟﻣﺟﺎﻝ‬
‫]‪]a b‬‬
‫حساب االحتمال من خالل دالة التوزيع‬
‫) ‪P ( a  x  b )  P ( X  b )  P ( X  a )  F (b )  F ( a‬‬
‫تطبيق‬
‫أوﺟد ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻠﻣﺗﻐﻳرة اﻟﻣذﻛورة ﻓﻲ اﻟﻣﺛﺎﻝ اﻟﺳﺎﺑق‪ .‬اﺳﺗﺧدم داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻝ‪:‬‬
‫)‪.P(1< x <2‬‬
‫= )‪=P (X x‬‬
‫‪-‬‬ ‫=‬ ‫‪=0‬‬
‫‪-‬‬ ‫=‬ ‫‪=0 +‬‬
‫‪-‬‬
‫‪- 49 -‬‬
‫ﻧﺗﺣﺻﻝ ﻋﻠﻰ اﻟﻛﺗﺎﺑﺔ اﻟرﻳﺎﺿﻳﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪0‬‬ ‫‪x0‬‬
‫‪‬‬ ‫‪2 3 13‬‬ ‫‪7‬‬
‫‪F ( x)   x 3 / 27‬‬ ‫‪0 x3‬‬ ‫‪P (1  x  2)  F (2)  F (1) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪27 27 27‬‬
‫‪‬‬ ‫‪x3‬‬
‫ﺑﻣﺎ أن‪:‬‬
‫‪‬‬
‫واﻟﻌﻛــس ﺻــﺣﻳﺢ ﺣﻳــث ﻳﻣﻛــن إﻳﺟــﺎد داﻟــﺔ اﻟﻛﺛﺎﻓــﺔ اﻧطﻼﻗــﺎ ﻣــن ﺗــﺎﺑﻊ اﻻﺣﺗﻣــﺎﻻت ﻋــن طرﻳــق اﺷــﺗﻘﺎق‬
‫اﻷﺧﻳرة ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫تطبيق‪ :‬أوﺟد داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﻟﻠﻣﺗﻐﻳر ‪ X‬إذا ﻛﺎﻧت ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪1  e 2 x‬‬ ‫‪x0‬‬
‫‪F ( x)  ‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫‪-‬‬ ‫‪=0‬‬
‫ﻧﺗﺣﺻﻝ ﻋﻠﻰ اﻟﻛﺗﺎﺑﺔ اﻟرﻳﺎﺿﻳﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪2e 2 x‬‬ ‫‪x0‬‬

‫‪f ( x)  ‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫ج‪.‬اﻟﺧواص اﻟﻌددﻳﺔ ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‪:‬‬
‫ﺑ ــﻧﻔس اﻟطرﻳﻘ ــﺔ ﻧﺳ ــﺗﻌرض أﻫ ــم اﻟﺧـ ـواص اﻟﻌددﻳ ــﺔ ﻟﻣﺗﻐﻳ ــر ﻋﺷـ ـواﺋﻲ ﻣﺳ ــﺗﻣر و ﻫ ــﻲ ﻧﻔﺳ ــﻬﺎ اﻟﺧـ ـواص‬
‫اﻟﻌددﻳﺔ اﻟﺗﻲ ﺳﺑق ﺗﻧﺎوﻟﻬﺎ ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻧﻘطﻊ ﻟﻛن ﺑﺎﺧﺗﻼف طرق اﻟﺣﺳﺎب‪.‬‬
‫‪- 50 -‬‬
‫ج‪ .1.‬اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ) اﻷﻣﻝ اﻟرﻳﺎﺿﻲ(‪E(X) :‬‬
‫ﻳﻌرف اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻛﻣﺎ ﻳﻠﻲ‪:‬‬

‫‪‬‬
‫‪E ( X )   xf ( x)dx‬‬
‫‪‬‬
‫تطبيق‪:‬‬
‫أوﺟد اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﻌرف ﺑداﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ x‬‬ ‫‪0 x2‬‬ ‫‪E ( x )   xf ( x )dx   x.0.dx   x ( x )dx   x.0.dx‬‬
‫‪f ( x)   2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪0‬‬ ‫‪sinon‬‬ ‫‪2‬‬

‫‪1  x3 ‬‬ ‫‪4‬‬
‫‪E ( x)  0     0 ‬‬
‫‪2  3 0‬‬ ‫‪3‬‬
‫ج‪ .2.‬اﻟﺗﺑﺎﻳن )‪ V(X‬و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ‪:‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ﻳﻌطﻰ اﻟﺗﺑﺎﻳن ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫=)‪V(X‬‬
‫ﻛﻣﺎ ﻳﻣﻛن ﺣﺳﺎﺑﻪ ﺑدﻻﻟﺔ اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ ﻳﻌﻧﻲ اﻧطﻼﻗﺎ ﻣن ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ وﻓق اﻟﻌﻼﻗﺔ‬
‫اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫=)‪V(X‬‬
‫)‪V(X‬‬
‫‪- 51 -‬‬
‫‪- 52 -‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x2‬‬ ‫ﻟﻳﻛن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻣﻌرف ﺑداﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻟﺗﺎﻟﻳﺔ‪ :‬أﺣﺳب‬
‫‪f ( x)   2‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫ﺗﺑﺎﻳن ‪.X‬‬
‫=)‪V(X‬‬ ‫=)‪E(X‬‬
‫اﻟطرﻳﻘﺔ اﻻوﻟﻰ ‪:‬‬
‫=)‪V(X‬‬
‫‪+‬‬ ‫=‬
‫اﻟطرﻳﻘﺔ اﻟﺛﺎﻧﻳﺔ ‪:‬‬

‫=)‪V(X‬‬
‫ﺑﻣﺎ أن‪:‬‬
‫=‬
‫=‬
‫ج‪ .3.‬اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ و اﻟﻌزوم اﻟﻣرﻛزﻳﺔ‪:‬‬
‫اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ ﻓﻲ ﺣﺎﻟﺔ ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪1‬‬
‫‪ x‬‬ ‫أﺣﺳب اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ ﻣن اﻟدرﺟﺔ ‪ 3 ،2 ،1 ،0‬و‪ 4‬ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪0  x  2‬‬
‫‪f ( x)   2‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫اﻟﻣﻌرف ﺑداﻟﺔ اﻟﻛﺛﺎﻓﺔ‪:‬‬
‫‪- 53 -‬‬
‫=‬ ‫‪=2‬‬
‫=‬ ‫=‬ ‫‪3,2‬‬
‫=‬ ‫=‬
‫ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﻌزوم اﻟﻣرﻛزﻳﺔ ﻓﻳﻣﻛن ﺣﺳﺎﺑﻬﺎ ﺑدﻻﻟﺔ اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ وﻓق ﻗﺎﻧون ﻣﻔﻛك ﻧﻳوﺗن وﻣﺛﻠت‬
‫ﺑﺎﺳﻛﺎﻝ‪:‬‬
‫=‬ ‫‪........‬‬
‫أو ﻋن طرﻳق اﻟﻘﺎﻧون اﻟﺗﺎﻟﻲ‪:‬‬
‫‪f(x)dx‬‬
‫أﺣﺳب اﻟﻌزوم اﻟﻣرﻛزﻳﺔ ﻣن اﻟدرﺟﺔ ‪ 2 ،1 ،0‬و‪ 3‬ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ‪ X‬ذات داﻟﺔ اﻟﻛﺛﺎﻓﺔ‪:‬‬
‫‪x / 2‬‬ ‫‪,‬‬ ‫‪0 x2‬‬

‫‪f ( x)  ‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫=‬ ‫‪=1‬‬
‫=‬ ‫‪=0‬‬
‫=‬
‫=‬
‫‪- 54 -‬‬
‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﻣﺗﻐﻳرات اﻟﻌﺷواﺋﻳﺔ‬
‫اﻟﺗﻣرﻳن اﻷوﻝ‪:‬‬
‫ﻳﺣﺗوي ﻛﻳس ﻋﻠﻰ ‪ 6‬ﻛرات اﺛﻧﺎن ﻣﻧﻬﺎ ﺗﺣﻣﻝ اﻟرﻗم ‪ 0‬وﺛﻼﺛﺔ ﻣﻧﻬﺎ ﺗﺣﻣﻝ اﻟرﻗم ‪ 1‬أﻣﺎ اﻟﻛرة اﻟﺑﺎﻗﻳﺔ‬
‫ﻧﺳﺣب ﻓﻲ آن واﺣد ﻛرﺗﺎن‪.‬‬ ‫ﻓﺗﺣﻣﻝ اﻟرﻗم ‪.2‬‬
‫‪ .1‬ﻣﺎ ﻫو ﻋدد اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ ﻹﺟراء اﻟﺳﺣب‪.‬‬
‫ﻧﻌرف اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ ﻣﺟﻣوع اﻟرﻗﻣﻳن ﻋﻠﻰ اﻟﻛرﺗﺎن اﻟﻣﺳﺣوﺑﺗﺎن‪.‬‬
‫‪ .2‬ﻋﻳن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ )‪ P(X=xi‬وﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت )‪.F(x‬‬
‫اﻟﺗﻣرﻳن اﻟﺛﺎﻧﻲ‪:‬‬
‫ﻓﻲ ﺗﺟرﺑﺔ إﻟﻘﺎء زﻫرة ﻧرد ﻣرة واﺣدة ﻧرﻣز ﺑـ ‪ X‬ﻟﻠﻣﺑﻠﻎ اﻟﻣﺗﺣﺻﻝ ﻋﻠﻳﻪ‪ ,‬ﺣﻳث ﻧﺣﺻﻝ ﻋﻠﻰ ﻣﺑﻠﻎ ﻗدرﻩ‬
‫‪ 20‬دج إذا ظﻬر اﻟرﻗم ‪ 1‬أو ‪ , 2‬و ﻧﺣﺻﻝ ﻋﻠﻰ ﻣﺑﻠﻎ ﻗدرﻩ ‪ 50‬دج إذا ظﻬر اﻟرﻗم ‪ , 3‬و ﻣﺑﻠﻎ ﻗدرﻩ‬
‫‪ 30‬دج إذا ظﻬر ﻛﻝ ﻣن ‪ 4‬أو ‪ 5‬أو‪.6‬‬
‫‪ .1‬أوﺟد ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ )‪ P(X=xi‬و ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت )‪ F(x‬و ﻣﺛﻠﻬﻣﺎ ﺑﻳﺎﻧﻳﺎ‪.‬‬
‫‪ .2‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪P( 20≤ X≤30) , P(X=25) , P(X≤10) , P(X>30), :‬‬
‫)‪.P(X≤30‬‬
‫‪ .3‬أوﺟد اﻟﻣﺑﻠﻎ اﻟﻣﺗوﺳط اﻟذي ﻳﻣﻛن اﻟﺣﺻوﻝ ﻋﻠﻳﻪ‪.‬‬
‫اﻟﺗﻣرﻳن اﻟﺛﺎﻟث‪:‬‬
‫‪ .‬أﻟﻘﻳت ﻫذﻩ‬ ‫و اﺣﺗﻣﺎﻝ ظﻬور اﻟرﻗم‬ ‫ﺻﻧﻌت ﻗطﻌﺔ ﻧﻘود ﺑﺣﻳث ﻳﻛون اﺣﺗﻣﺎﻝ ظﻬور اﻟﺻورة‬
‫اﻟﻘطﻌﺔ ﺛﻼث ﻣرات‪ .‬ﻟﻳﻛن ‪ X‬ﻫو اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ أﻛﺑر ﻋدد ﻣن اﻟﻣرات ظﻬور اﻟﺻورة‬
‫ﻋﻠﻰ اﻟﺗواﻟﻲ‪.‬‬
‫‪ .1‬أوﺟد ﻗﻳم ‪ X‬ﺛم ﻋﻳن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ )‪ P(X=xi‬وﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت )‪.F(x‬‬
‫‪ .2‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪P(0≤ X<2) , P(X=2) , P(X≥2) , P(X<2), P(X<0) :‬‬
‫‪ .3‬أﺣﺳب ﻛﻝ ﻣن اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‪ ,‬اﻟﺗﺑﺎﻳن و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫‪- 55 -‬‬
‫التمرين الرابع‪:‬‬
‫ليكن ‪ x‬متغير عشوائي معرف بتابع احتماالته )‪ F(x‬حيث‪:‬‬
‫‪ .1‬أوجد قانون التوزيع االحتمالي ثم مثله بيانيا ‪.‬‬
‫‪ .2‬احسب االحتماالت التالية )‪.P(-3<x<2) ، P(x≥-3‬‬
‫)‪F(x‬‬
‫‪ .3‬أحسب التباين باستعمال العزوم االبتدائية واالنحراف‬
‫المعياري ‪.‬‬
‫التمرين الخامس‪:‬‬
‫ودالة كثافته االحتمالية ھي‪:‬‬ ‫ليكن ‪ x‬متغير عشوائي موزعا على المجال‬
‫=)‪f(x‬‬
‫‪ .1‬أثبت أن )‪ f(x‬دالة كثافة احتمالية ثم أوجد تابع االحتماالت ؟‪.‬‬
‫‪ .2 .2‬احسب االحتماالت التالية‪P(x≥1), P( ≤ x < )، P(x<2) :‬‬
‫‪ .3‬أحسب العزم المركزي من الدرجة الثانية باستعمال العزوم االبتدائية ثم استنتج االنحراف‬
‫المعياري‪.‬‬
‫التمرين السادس‪:‬‬
‫ليكن ‪ x‬متغير عشوائي كثافته االحتمالية‪:‬‬
‫)‪f(x‬‬ ‫‪ .1‬أوجد قيمة الثابت ‪.‬‬
‫‪ .2 .2‬أوجد دالة التوزيع )‪.F(x‬‬
‫‪.3‬أحسب التوقع الرياضي‪.‬‬
‫التمرين السابع‪:‬‬
‫)‪F(x‬‬ ‫ليكن تابع االحتماالت للمتغير العشوائي ‪ x‬المعرف كما ي‬
‫‪ .1‬أوجد دالة الكثافة االحتمالية ومثل بيانيا كل من الدالتين‪.‬‬

‫‪ .2‬أحسب االحتماالت التالية‪P( ≤ x ≤3), P(1<x ≤ ):‬‬
‫) < ‪P( ≤ x‬‬
‫‪- 56 -‬‬
‫التمرين الثامن‪:‬‬
‫ليكن ‪ x‬متغير العشوائي معرف بدالة كثافته كما يلي‪:‬‬
‫)‪f (x‬‬ ‫‪ .1‬عين قيمة العدد الثابت ‪ c‬حتى تكون )‪ f (x‬دالة‬
‫كثافة احتمالية‪.‬‬
‫‪ .2‬من أجل ‪ k = 2‬أوجد ‪:‬‬
‫‪ .1‬دالة تابع االحتماالت )‪ F(x‬و مثلھا بيانيا‪.‬‬
‫‪ .2‬قيمة ‪ x0‬حيث =)‪. P(X< x0‬‬
‫ﻟﻳﻛن ﻟدﻳﻧﺎ اﻟﺷﻛﻝ اﻟﺗﺎﻟﻲ اﻟﻣطﻠوب ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‬ ‫التمرين‬
‫)‪f(x‬‬
‫‪0‬‬ ‫‪x‬‬
‫‪2‬‬ ‫‪4‬‬
‫‪- 57 -‬‬
‫اﻟﻔﺻﻝ اﻟراﺑﻊ‪ :‬اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ‬

‫اﻟﻣﻧﻘطﻊ‬
‫‪Lois discrètes usuelles‬‬
‫ﻓﻲ ﻛﺛﻳر ﻣن اﻟﻧواﺣﻲ اﻟﺗطﺑﻳﻘﻳﺔ‪ ،‬ﺗﺗﺑﻊ ﺑﻌض اﻟظواﻫر ﺗوزﻳﻌﺎت اﺣﺗﻣﺎﻟﻳﺔ ﺧﺎﺻﺔ‪ ،‬وﻫﻲ اﻟﺗوزﻳﻌﺎت اﻟﺗﻲ‬
‫ﻳﻣﻛن ﺣﺳﺎب اﺣﺗﻣﺎﻻت ﻗﻳم اﻟﻣﺗﻐﻳر ﻋن طرﻳق ﻣﻌﺎدﻟﺔ رﻳﺎﺿﻳﺔ‪ ،‬ﺗﺳﻣﻰ ﺑﻘﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ‪ ،‬و‬
‫اﻟﻣﻌﺎدﻟﺔ ﻟﻬﺎ ﻣﻌﺎﻟم ﻣﻌﻳﻧﺔ ﺗﺳﻣﻰ ﺑﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ اﻟذي ﻳﻧﺳب ﻟﻪ ﻫذا اﻟﺗوزﻳﻊ‪ ،‬وﻫذﻩ اﻟﻣﻌﺎﻟم ﻣﺎ ﻫﻲ إﻻ‬
‫ﺣﻘﺎﺋق ﺛﺎﺑﺗﺔ ﻣﺟﻬوﻟﺔ‪ ،‬وﻫﻲ اﻷﺳﺎس ﻓﻲ ﺣﺳﺎب اﻟﻘﻳم اﻻﺣﺗﻣﺎﻟﻳﺔ ﻟﻠﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺟﺗﻣﻊ ﻣﺣﻝ‬
‫اﻟدراﺳﺔ‪.‬‬
‫وﻣن أﻫم اﻟﺗوزﻳﻌﺎت اﻟﺗﻲ ﺳﻳﺗم دراﺳﺗﻬﺎ ﻓﻲ ﻫذا اﻟﻔﺻﻝ‪،‬ﺗوزﻳﻊ ﺑرﻧو ﻟﻲ‪ ،‬اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ ‪ ،‬ﺗوزﻳﻊ‬
‫ﺑواﺳون‪ ،‬اﻟﺗوزﻳﻊ اﻟﻬﻧدﺳﻲ و اﻟﺗوزﻳﻊ ﻓوق اﻟﻬﻧدﺳﻲ‪.‬‬
‫‪ .I‬ﺗوزﻳﻊ ﺑرﻧوﻟﻲ ‪Loi de Bernoulli‬‬

‫ﻳﺳﺗﺧدم ﻫذا اﻟﺗوزﻳﻊ ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﻲ ﻳﻛون ﻟﻠظﺎﻫرة ﻧﺗﻳﺟﺗﺎن ﻓﻘط ﻣﺗﻧﺎﻓﻳﺗﺎن‪ ،‬اﻟﻧﺗﻳﺟﺔ ﻣﺣﻝ اﻻﻫﺗﻣﺎم‬
‫وﺗﺳﻣﻰ ﺑﺣﺎﻟﺔ اﻟﻧﺟﺎح‪ ،‬واﻷﺧرى ﺗﺳﻣﻰ ﺑﺣﺎﻟﺔ اﻟﻔﺷﻝ‪ ،‬وﻣن أﻣﺛﻠﺔ ذﻟك‪:‬‬
‫‪ -‬إﻟﻘﺎء ﻗطﻌﺔ ﻧﻘدﻳﺔ‪ ،‬ﻟﻬﺎ ﻧﺗﻳﺟﺗﺎن ‪ ،‬ظﻬور اﻟﺻورة‪ ،‬أو ظﻬور اﻟﻛﺗﺎﺑﺔ‪.‬‬
‫‪ -‬ﻧﺗﻳﺟﺔ اﻟطﺎﻟب ﻓﻲ اﻻﻣﺗﺣﺎن‪،‬ﻧﺟﺎح‪ ،‬رﺳوب‪.‬‬
‫‪ -‬ﻋﻧد إﻋطﺎء ﻣرﻳض ﻧوع ﻣﻌﻳن ﻣن اﻷدوﻳﺔ‪ ،‬ﻟﻬﺎ ﻧﺗﻳﺟﺗﺎن ‪:‬اﺳﺗﺟﺎﺑﺔ ﻟﻠدواء‪ ،‬أو ﻋدم اﺳﺗﺟﺎﺑﺔ‪.‬‬
‫‪ -‬ﻋﻧد ﻓﺣص ﻋﺑوة ﺑداﺧﻠﻬﺎ ﻧوع ﻣﻌﻳن ﻣن اﻟﻔﺎﻛﻬﺔ‪ ،‬ﻟﻬﺎ ﻧﺗﻳﺟﺗﺎن ‪ ،‬اﻟوﺣدة إﻣﺎ أن ﺗﻛون‬
‫ﺳﻠﻳﻣﺔ‪ ،‬أو ﺗﻛون ﻣﻌﻳﺑﺔ‪.‬‬
‫‪ .‬ﻧﺳﻣﻲ ‪A‬‬ ‫ﻧﻘوﻝ ﺑﺻﻔﺔ ﻋﺎﻣﺔ ﻋن ﺗﺟرﺑﺔ أﻧﻬﺎ "ﺑرﻧوﻟﻳﺔ" إذا ﻛﺎﻧت ﺗﺣﺗﻣﻝ ﻧﺗﻳﺟﺗﻳن ﻣﺗﻧﺎﻓﻳﺗﻳن ‪A‬‬
‫ﻓﺷﻝ ﻧﻌﺗﺑر اﻟﻣﺗﻐﻳرة ع ‪ X‬اﻟﺗﻲ ﺗﻣﺛﻝ ﻋدد ﻣرات اﻟﻧﺟﺎح‪ ،‬ﺗﺄﺧذ ‪ X‬اﻟﻘﻳﻣﺔ ‪ 1‬ﻋﻧد ﺗﺣﻘق‬ ‫ﻧﺟﺎح و‬
‫اﻟﺣدث ‪ A‬و‪ 0‬ﻓﻲ ﺣﺎﻟﺔ ﻋدم ﺗﺣﻘق اﻟﺣدث‪.‬‬
‫‪- 58 -‬‬
‫ﻧرﻣز ﻋﺎدة ب ‪" p‬اﺣﺗﻣﺎﻝ اﻟﻧﺟﺎح" ﻻﺣﺗﻣﺎﻝ ﺗﺣﻘق اﻟﺣـدث ‪ A‬و‪ q = 1 - p‬اﺣﺗﻣـﺎﻝ اﻟﺣـدث اﻟﻣﻌـﺎﻛس‬
‫)اﻟﻔﺷﻝ(‪ .‬ﻳﻌﻳن ﺗوزﻳﻊ ﺑرﻧوﻟﻲ ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪P ( X  1)  p,‬‬ ‫‪P ( X  0)  q ,‬‬ ‫‪X  0, 1.‬‬
‫وﻧﻛﺗب )‪X ~ B(p, q‬‬
‫ﻳﻌﺗﺑر ﺗوزﻳﻊ ﺑرﻧوﻟﻲ ﻣن أﺑﺳط اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ و ﻫو ﻳﺗﻣﻳز ﺑﻣﺟﻣوﻋﺔ ﻣن اﻟﺧواص اﻟرﻳﺎﺿﻳﺔ‬
‫= )‪1- E(X‬‬ ‫أﻫﻣﻬﺎ‪= 1.p + 0.q = p => :‬‬
‫‪E(X) = p‬‬
‫>= ‪2- V(X) = E(X²) – E(X)² = (p 1² + q 0²) – p² = p – p² = p(1- p) = pq‬‬
‫‪V(X) = pq‬‬
‫)‪X ~ B(n, p‬‬ ‫‪ . II‬اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ )‪(Loi binomiale‬‬
‫إذا ﻛررﻧﺎ ﺗﺟرﺑﺔ ﺑرﻧوﻟﻲ ‪ n‬ﻣرة ﻓﺈن ‪) X‬ﻋدد ﻣرات اﻟﻧﺟﺎح( ﺗﺄﺧذ اﻟﻘﻳم‪0,1,2,3,4,5.......n :‬‬
‫ﻟﻧﻔﺗــرض اﻟﺗﺟرﺑــﺔ اﻟﺑرﻧوﻟﻳــﺔ رﻣــﻲ ﻗطﻌــﺔ ﻧﻘدﻳــﺔ ﻣﻛــررة ﻋــدد ‪ n‬ﻣــن اﻟﻣ ـرات‪ ،‬و‪ X‬ﻋــدد ﻣ ـرات اﻟﺣﺻــوﻝ‬
‫ﻋﻠﻰ ﺻورة )‪ (F‬ﺑﺎﺣﺗﻣﺎﻝ ‪:p‬‬
‫‪X = 0, 1, 2.‬‬ ‫ﺣﺎﻟﺔ ‪n = 2 :‬‬
‫‪P(X = 0) = q q = q², P(X=1) = P(FP) + P(PF) = p q + q p = 2p1q1‬‬
‫‪X = 0, 1, 2, 3.‬‬ ‫‪n=3‬‬ ‫ﺣﺎﻟﺔ ‪:‬‬
‫‪P(X=3) = P(FFF) = p p‬‬ ‫)‪p = p3, P(X=2) = P(FFP) +P(PFF)+ P(FPF‬‬
‫‪=p2q1 + p2q1+ p2q1=3 p2q1‬‬
‫‪n=4‬‬ ‫ﺣﺎﻟﺔ ‪:‬‬
‫‪X = 0, 1, 2, 3, 4.‬‬
‫‪P(X=3) = P(FFFP) +P(PFFF) +P(FPFF) +P(FFPF) = 4 p3q1‬‬
‫‪- 59 -‬‬
‫ﻓــﻲ اﻟﻧﺗﻳﺟ ــﺔ اﻷﺧﻳ ـرة ﻧﻼﺣ ــظ اﻟﻌــدد ‪ 3‬ﻫ ــو ‪ ، x‬اﻟﻌــدد ‪ 1‬ﻫ ــو ‪ ، n-x‬واﻟﻌــدد ‪ 4‬ﻫ ــو ﻋــدد اﻟطــرق‬
‫اﻟﻣﻼﺋﻣﺔ ﻟﻠﺣﺻوﻝ ﻋﻠﻰ ﺛﻼث ﻧﺟﺎﺣﺎت ﻣن ﺑﻳن )‪ (n=4‬ﺗﺟﺎرب‪ ،‬وﻳﻣﻛن ﺣﺳﺎﺑﻪ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫!‪n‬‬
‫‪C nx ‬‬
‫!)‪x!(n  x‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎﺣﺗﻣﺎﻝ ﻋدد ﻣﺎ ‪ x‬ﻣن اﻟﻧﺟﺎﺣﺎت ﻣن ﺑﻳن ‪ n‬ﺗﺟرﺑﺔ ﺑرﻧوﻟﻳﺔ ﻳﺣﺳب ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪P ( X  x )  C nx p x q n  x ,‬‬ ‫‪x  0,1, 2, 3, . . . , n‬‬ ‫‪,‬‬ ‫‪n  1, 2, 3, . . .‬‬
‫ﺣﻳــث ‪ x‬ﻋــدد ﻣ ـرات اﻟﻧﺟــﺎح‪ p ،‬اﺣﺗﻣــﺎﻝ اﻟﻧﺟــﺎح ﻓ ــﻲ اﻟﺗﺟرﺑــﺔ اﻟواﺣــدة )ﻳﺑﻘــﻰ ﺛﺎﺑــت ﻋﻧــد ﺗﻛـ ـرار‬
‫اﻟﺗﺟرﺑـﺔ(‪ q = 1-p ،‬اﺣﺗﻣــﺎﻝ اﻟﻔﺷـﻝ و‪ n‬ﻋـدد اﻟﺗﺟـﺎرب‪ .‬و ﻫــو ﺗﻌرﻳـف " ﻗـﺎﻧون اﻟﺗوزﻳـﻊ اﻟﺛﻧــﺎﺋﻲ"‬
‫وﻳﻛﺗب ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ أﻳﺿﺎ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪p+q=1 q= 1-p‬‬
‫= ) = ‪P(X‬‬ ‫‪px qn-x‬‬
‫‪x=0,1,2,3.......n‬‬
‫اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻋﺑﺎرة ﻋن ﺟدوﻝ اﺣﺗﻣﺎﻟﻲ وﺷرطﺎن‬
‫= ) ‪P(X=0‬‬ ‫=‪px qn-x‬‬ ‫‪p0 qn-0 = qn‬‬

‫= ) ‪P(X=1‬‬ ‫=‪px qn-x‬‬ ‫‪p1 qn-1 = np qn-1..........................‬‬
‫= ) ‪P(X=n‬‬ ‫= ‪pn qn-n‬‬ ‫‪pn q0= pn‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3 ..........‬‬ ‫‪n‬‬

‫‪p0 qn-0‬‬ ‫‪p1 qn-1‬‬ ‫‪p2 qn-2‬‬ ‫‪p3 qn-‬‬ ‫‪.......‬‬ ‫‪pn qn-n‬‬
‫‪3‬‬
‫ﻧﻌﺗﺑر أن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻳﺣﻘق اﻟﺷرطﺎن اﻟﺗﺎﻟﻳﻳن‪:‬‬
‫‪- 60 -‬‬
‫اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن‪:‬‬
‫= ‪ X‬ﻟﻬـﺎ ﻧﻔـس اﺣﺗﻣـﺎﻝ‬ ‫‪+‬‬ ‫…‪+‬‬ ‫ﻟـﻳﻛن ‪ X‬ﻣﺟﻣـوع ﻣﺗﻐﻳـرات ﻣﺳـﺗﻘﻠﺔ ﺑرﻧوﻟﻳـﺔ ‪+ Xn‬‬
‫اﻟﻧﺟﺎح وﺑﺎﻟﺗﺎﻟﻲ ﻧﻔس اﻟﺗوﻗﻊ )‪ .(E(Xi) = p‬ﺑﺎﺳﺗﺧدام ﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﻳن ﻧﺟد إذا‪:‬‬
‫‪E(X) = E( +‬‬ ‫= ) ‪+… +…+‬‬ ‫= ) (‪E‬‬ ‫>=‬
‫‪E(X) = np‬‬
‫‪V(X) = V( + + … + … + ),‬‬
‫= )‪V(X‬‬ ‫=‬ ‫>=‬ ‫ﻣﺳﺗﻘﻠﺔ إذن‬
‫‪V(X) = npq‬‬
‫ﺗطﺑﻳق‪ : 1‬ﻧﻌﺗﺑر أن اﺣﺗﻣﺎﻝ ﻣﻌرﻓﺔ ﺷﺧﺻﺎ ﺟزاﺋرﻳﺎ ﻟﻠﻐﺔ اﻟﻔرﻧﺳﻳﺔ ﻫو ‪، 0.6‬ﻓﺈذا اﺧﺗرﻧﺎ‬
‫‪ 8‬أﺷﺧﺎص ﺑﺷﻛﻝ ﻋﺷواﺋﻲ ﻣن ﻣﺟﻣوع اﻟﺳﻛﺎن‪ ،‬أﺣﺳب ﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪-1‬اﺣﺗﻣﺎﻝ أن ﻳﻛون اﻝ‪ 8‬أﺷﺧﺎص اﻟذﻳن اﺧﺗرﻧﻬم ﻳﻌرﻓون اﻟﻠﻐﺔ اﻟﻔرﻧﺳﻳﺔ‪.‬‬
‫‪ -2‬اﺣﺗﻣﺎﻝ أن ﻳﻛون ﺷﺧص ﻋﻠﻰ اﻷﻗﻝ ﻣن ﻫؤﻻء ﻳﻌرف اﻟﻠﻐﺔ اﻟﻔرﻧﺳﻳﺔ‪.‬‬
‫‪-3‬اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن‪.‬‬
‫)‪X ~ B(8, 0.6‬‬

‫‪8‬‬ ‫‪0‬‬ ‫‪8‬‬
‫=)‪1- P(X=8‬‬ ‫)‪(0,6) (0,4) = (0,6‬‬ ‫‪=0,017‬‬
‫‪0‬‬
‫‪2- P(X‬‬ ‫(‪= P1+ P2+P3......+P8= 1-P0 = 1-‬‬ ‫=)‪(0,4)8‬‬
‫‪0,9993‬‬
‫‪3- E(X) = np =8 0,6= 4,8‬‬
‫‪V(X) = npq= 8 0,6 × 0,4 = 1,92‬‬
‫ﺗطﺑﻳق ‪ :2‬ﻧرﻣﻲ ﻗطﻌﺔ ﻧﻘدﻳﺔ ﻣﺗوازﻧﺔ ‪ 5‬ﻣرات‬
‫‪ -1‬ﻋﻳن اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ واﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ‪.‬‬
‫‪ -2‬أﺣﺳب اﺣﺗﻣﺎﻝ اﻟﺣﺻوﻝ ﻋﻠﻰ وﻻ ﻣرة ﺻورة ‪،‬‬
‫‪- 3‬أﺣﺳب اﺣﺗﻣﺎﻝ اﻟﺣﺻوﻝ ﻋﻠﻰ اﻷﻗﻝ ﻣرة واﺣدة ﺻورة‬
‫‪- 61 -‬‬
‫اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ ﻋﺑﺎرة ﻋن ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ)‪X ~ B(5, 0.5‬‬
‫‪n=5 p=0,5 q=1-p= 1-0,5=0,5 x=0,1,2,3,4,5.‬‬
‫= ) = ‪P(X‬‬ ‫= ‪px qn-x‬‬ ‫‪0.5x 0.55-x‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫‪p0 q5-0‬‬ ‫‪p1 q5-1‬‬ ‫‪p2 q5-2‬‬ ‫‪p3 q5-3‬‬ ‫‪p4 q5-4‬‬ ‫‪p5 q5-5‬‬
‫=‪2- => P(X = 0) =P0‬‬ ‫‪0.50 0.55 = 0.0312‬‬

‫‪3- P(X 1) = P1 +P2+P3+P4+P5= 1- P0 = 1- 0.0312 = 0.9688‬‬
‫ﺗطﺑﻳق ‪:3‬‬
‫ﻧﺳﺣب ‪ 4‬ﻛرات اﻟواﺣدة ﺑﻌد اﻷﺧرى وﺑﺎﻹرﺟﺎع ﻣن ﺻﻧدوق ﻳﺣﺗوي ‪ 12‬ﻛرات ﻣﻧﻬﺎ ‪5‬‬
‫ﺣﻣ ارء و‪7‬ﺳوداء‪.‬‬
‫أﺣﺳب اﺣﺗﻣﺎﻝ اﻟﺣﺻوﻝ ﻋﻠﻰ‪ 3‬ﻛ ار ت ﺣﻣراء‪.‬‬
‫= )‪P(X=3‬‬ ‫‪( )3 ( )1 =4‬‬

‫‪ ‬‬ ‫‪0,17‬‬
‫ﺗطﺑﻳق‪ : 4‬ﻧرﻣﻲ زﻫرة ﻧرد ‪ n‬ﻣرة‪ ،‬ﻟﻳﻛن اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪ X‬ﻋدد ﻣرات ظﻬور ﻋدد زوﺟﻲ ‪.‬‬
‫‪ -1‬ﻋﻳن اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ‪.‬‬
‫‪ -2‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫(‪P(X>1) , P‬‬ ‫‪ -3‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪X ~ B(n, p) p‬‬
‫‪- 62 -‬‬
‫= )‪P(X = x‬‬ ‫= )‪px qn-x => P(X = x‬‬ ‫= ‪0.5x 0.5n-x‬‬ ‫‪0.5x+n-x‬‬
‫= )‪P(X = x‬‬
‫‪2- E(X) = np‬‬
‫)‪E(X‬‬
‫‪V(X) = npq‬‬
‫)‪3- P(X>1‬‬
‫‪p0 qn-1‬‬
‫=‪p1 qn-1‬‬
‫)‪P(X>1‬‬ ‫(‬ ‫)‬
‫)‪P(X>1‬‬ ‫(‬ ‫)‬
‫=‬
‫‪- 63 -‬‬
‫‪ .III‬اﻟﺘﻮزﻳﻊ اﻟﻬﻨﺪﺳﻲ )‪Loi géométrique X~G(p, q‬‬
‫اﻟﺗوزﻳﻊ اﻟﻬﻧدﺳﻲ ﺷﺑﻳﻪ ﺑﺎﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ ﻣن ﺣﻳث اﻟﺷروط ‪ ،‬ﺣﻳث ﻳﺧص اﻟﺣوادث اﻟﺧﺎﺿﻌﺔ ﻟﺗوزﻳﻊ‬
‫ﺑرﻧوﻟﻲ ﻣﻛررة ‪ n‬ﻣرة ‪ ،‬إﻻ أﻧﻧﺎ ﻻ ﻧﻬﺗم ﺑﻌدد ﺣﺎﻻت ﺗﻛرار اﻟﻧﺟﺎح أو اﻟﻔﺷﻝ ﻓﻲ اﻟﺗﺟرﺑﺔ‪ ،‬ﺑﻝ ﻳﺗﻌﻠق‬
‫اﻷﻣر ﺑﺄوﻝ ﻣرة ﻳﺗﺣﻘق ﻓﻳﻬﺎ ﻧﺟﺎح اﻟﺗﺟرﺑﺔ ﺑﻌد ﻋدد ﻣن اﻟﻣﺣﺎوﻻت‪.‬‬
‫ﻟﻧﺄﺧذ اﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ ﻟﻠﺗوﺿﻳﺢ‪:‬‬
‫ﻧرﻣﻲ ﻗطﻌﺔ ﻧﻘدﻳﺔ إﻟﻰ أن ﻧﺣﺻﻝ ﻋﻠﻰ ﺻورة‪ .‬اﺣﺗﻣﺎﻝ أن ﻳﺗطﻠب ذﻟك ‪ 4‬رﻣﻳﺎت ﻫو‪:‬‬
‫)‪P(X= 4) = P(PPPF‬‬
‫ﻧﻌــود ﻣــن ﺟدﻳــد إﻟــﻰ ﺗﺟرﺑــﺔ ﺑرﻧــوﻟﻲ وﻫــذﻩ اﻟﻣ ـرة ﻧﻛــرر اﻟﺗﺟرﺑــﺔ إﻟــﻰ ﻏﺎﻳــﺔ اﻟﺣﺻــوﻝ ﻋﻠــﻰ اﻟﻧﺗﻳﺟــﺔ أو‬
‫اﻟﺣدث اﻟﻣطﻠوب )ﻧﺟﺎح ﻣرة واﺣدة(‪ .‬اﻟﻣﺗﻐﻳرة اﻟﻌﺷواﺋﻳﺔ ‪ X‬اﻟﺗﻲ ﺗﻣﺛﻝ ﻋدد ﻣـرات ﺗﻛـرار اﻟﺗﺟرﺑـﺔ )ﺑﻣـﺎ‬
‫ﻓﻳﻬﺎ اﻟﻣرة اﻟﺗﻲ ﺣﺻﻝ ﻓﻳﻬﺎ اﻟﻧﺟﺎح( ﺗﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟﻬﻧدﺳﻲ‪.‬‬
‫إذا رﻣزﻧﺎ ﻻﺣﺗﻣﺎﻝ اﻟﻧﺟﺎح ب ‪ p‬وﻻﺣﺗﻣﺎﻝ اﻟﻔﺷﻝ ب ‪ q‬ﻓﺈن اﻻﺣﺗﻣﺎﻝ ﻳﻣﻛن ﻛﺗﺎﺑﺗﻪ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪P(X= 4) = q3p‬‬
‫وﺑﺻﻔﺔ ﻋﺎﻣﺔ ﻓﺈن اﺣﺗﻣﺎﻝ أي ﻗﻳﻣﺔ ﻟـ ‪ X‬ﻳﻌﺑر ﻋﻧﻪ ﻛﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪P(X=x) = p‬‬
‫اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‬
‫= =)‪E(x‬‬
‫اﻟﺗﺑﺎﻳن‪:‬‬
‫= )‪V(x‬‬
‫إذا ﻋﻠﻣت أن اﺣﺗﻣﺎﻝ ﻧﺣﺎج ﺷﺧص ﻣﻌﻳن ﻓﻲ ﻣﺳﺎﺑﻘﺔ اﻟﻣﺎﺟﺳﺗﻳر ﻫو ‪ 10‬ﺑﺎﻟﻣﺎﺋﺔ‪.‬‬
‫و اذا اﺟﺗﺎز ﺷﺧص ﻣﻌﻳن اﻟﻣﺳﺎﺑﻘﺔ ﻋدة ﻣرات‪ .‬ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻧﺟﺢ ﻓﻲ اﻟﻣرة اﻟراﺑﻌﺔ ؟‪.‬‬
‫أوﺟد اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫‪- 64 -‬‬
‫ﻣن اﻟواﺿﺢ أن ‪ X‬ﻳﺗﺑﻊ ﺗوزﻳﻊ ﻫﻧدﺳﻲ ﺑﺎﺣﺗﻣﺎﻝ ‪ P= 0.1‬و ﻣﻧﻪ ﻳﻛون اﺣﺗﻣﺎﻝ اﻟﻔﺷﻝ‬
‫‪q = 1-p =0.9‬‬
‫اﺣﺗﻣﺎﻝ أن ﻳﻧﺟﺢ اﻟطﺎﻟب ﻓﻲ اﻟﻣرة اﻟراﺑﻌﺔ‬
‫‪P( X=4) = (0.1)4-1 (0.9) = 0.0009‬‬
‫اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‪:‬‬
‫=)‪E(x‬‬ ‫=‬ ‫‪=10‬‬
‫اﻟﺗﺑﺎﻳن‪:‬‬
‫= )‪V(x‬‬ ‫=‬ ‫=‬ ‫‪90‬‬
‫‪ .IV‬توزيع بواسون )‪Loi de Poisson X~ P(λ‬‬

‫ﻛﻣﺎ ﻫو اﻟﺣﺎﻝ ﻓﻲ اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ ﻓﺈن اﻟﻘﺎﻧون ﻳطﺑق ﻋﻠﻰ اﻟظواﻫر اﻟﺗﻲ ﻟﻬﺎ ﺣﺎﻟﺗﻳن ﻣﺗﻧﺎﻓﻳﺗﻳن )ﺗﺣﻘق‬
‫وﻋدم ﺗﺣﻘق( وﻋﻠﻰ ﺧﻼف اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ ﻓﺈﻧﻪ ﻳﺷﺗرط أن ﻳﻛون اﺣﺗﻣﺎﻝ ﺗﺣﻘق اﻟظﺎﻫرة )‪ (p‬ﺻﻐﻳ ار‬
‫وأن ﻳﻛون ﻋدد ﺗﻛرارﻫﺎ ‪ n‬ﻛﺑﻳ ار ﺑﺣﻳث ﺗﻛون ﻧﻬﺎﻳﺔ ﺟداء ‪ p‬ﻓﻲ ‪ n‬ﻣﺳﺎوﻳﺔ إﻟﻰ ﻋدد ﺛﺎﺑت ﻣوﺟب ‪.λ‬‬
‫أطﻠق ﻋﻠﻰ ﻫذا اﻟﺗوزﻳﻊ اﺳم ﻗﺎﻧون اﻻﺣﺗﻣﺎﻻت اﻟﺻﻐﻳرة ﻷﻧﻪ ﻳﺳﺗﺧدم ﻓﻲ ﺣﺎﻻت اﻷﺣداث اﻟﻧﺎدرة‬
‫اﻟﻣﻼﺣظﺔ ﻓﻲ وﺣدة ﻗﻳﺎﺳﻳﺔ ﻣﻌﻳﻧﺔ‪ :‬ﻓﺗرة زﻣﻧﻳﺔ ﻣﻌﻳﻧﺔ‪ ،‬ﻣﺳﺎﻓﺔ ‪ ،‬ﺣﺟم‪ ....‬لتوزيع بواسون ﺗطﺑﻳﻘﺎت‬
‫ﻣﺗﻌددة‪:‬‬
‫‪ -‬ﻓﻲ ﻣﺟﺎﻝ اﻟﻣﻛﺎﻟﻣﺎت اﻟﺗﻲ ﺗﺳﺗﻘﺑﻝ ﺗﺣوﻳﻠﺔ اﻟﻬﺎﺗف ﺑﺎﻟدﻗﻳﻘﺔ)اﻟﺳﺎﻋﺔ‪ (..‬ﺧﻼﻝ زﻣن ﻣﻌﻳن‪.‬‬
‫‪ -‬ﻓﻲ ﻣﺟﺎﻝ ﺣوادث اﻟﻣرور اﻟﺗﻲ ﺗﻘﻊ ﻓﻲ ﻣﻛﺎن وزﻣن ﻣﻌﻳن‪.‬‬
‫‪ -‬ﻓﻲ اﻟﺑﻛﺗرﻳﺎ اﻟﻣوﺟودة ﻓﻲ واﺣد ﻣﻠﻳﻣﺗر ﻣﻛﻌب ﻓﻲ وﻋﺎء ﻳﺣوي ﻋﻠﻰ ﺳﺎﺋﻝ‪.‬‬
‫‪ -‬ﻓﻲ ﻋدد اﻟوﺣدات اﻟﻣﻌﻳﺑﺔ ﻣن اﻧﺗﺎج ﺟﻬﺎز ﻣﻌﻳن‪.‬‬
‫ﻓﻲ اﻟﻣﺻﺎﺑﻳن ﺑﻣرض ﻓﻲ ﺣﻲ ﻓﻲ ﻓﺗرة زﻣﻧﻳﺔ ﻣﻌﻳﻧﺔ‪.‬‬ ‫‪-‬‬
‫‪ -‬ﻓﻲ ﻋدد اﻻﻧﺗﺣﺎرات ﻓﻲ ﻣﻛﺎن وﺧﻼﻝ زﻣن ﻣﻌﻳن‪.‬‬
‫‪- 65 -‬‬
‫‪ -‬ﻓﻲ ﻋدد اﻟﺳﻳﺎرات اﻟﺗﻲ ﺗﺻﻝ إﻟﻰ ﻣﺣطﺔ ﺑﻧزﻳن ﻣﻌﻳﻧﺔ ﻓﻲ ﻓﺗرة زﻣﻧﻳﺔ ﻣﻌﻳﻧﺔ‪.‬‬
‫‪ -‬ﻓﻲ ﻋدد ﺣوادث اﻟﻌﻣﻝ اﻟﺗﻲ ﺗﻘﻊ ﻓﻲ ورﺷﺔ ﺑﻧﺎء ﺧﻼﻝ زﻣن ﻣﻌﻳن‪.‬‬
‫‪ -‬ﻓﻲ اﻷﺧطﺎء اﻟﻣطﺑﻌﻳﺔ ﻟﻛﻝ ﺻﻔﺣﺔ ﻣن ﺻﻔﺣﺎت ﻣطﺑوﻋﺔ ﻣﻌﻳﻧﺔ ‪.......‬‬
‫قانون توزيع بواسون ھو حالة حدية من قانون التوزيع الثنائي ﻋﻧدﻣﺎ ﺗﻛون ‪ n‬ﻛﺑﻳرة وﻳﻛون اﺣﺗﻣﺎﻝ‬
‫ﺗﺣﻘق اﻟﺣدث ﻓﻲ ﻟﺣظﺔ زﻣﻧﻳﺔ ﺻﻐﻳ ار ﺟدا‪ .‬ﻣﺑدﺋﻳﺎ اﻟﻣﺗﻐﻳر ‪ X‬اﻟذي ﻳﻣﺛﻝ ﻋدد اﻟﻧﺟﺎﺣﺎت ﺧﻼﻝ ﻓﺗرة‬
‫زﻣﻧﻳﺔ ﻣﻌﻳﻧﺔ ﻳﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ‪ ،‬ﻟﻛن ﻗد ﻳﺻﻌب ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺣﺳﺎب اﻻﺣﺗﻣﺎﻝ ﺑﺎﺳﺗﻌﻣﺎﻝ ﺻﻳﻐﺔ‬
‫اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ‪ .‬ﻧﺿﻊ ‪ λ‬ﺛﺎﺑت ﻣوﺟب ﺑﺣﻳث ‪ p = λ/n‬وﻧﻧﺗﻘﻝ ﻣن اﻟﻘﺎﻧون اﻟﺛﻧﺎﺋﻲ إﻟﻰ ﻗﺎﻧون‬
‫ﺑواﺳون‪.‬‬
‫= ‪P(X‬‬ ‫=)‬ ‫= ‪px qn-x‬‬ ‫(‪.‬‬ ‫‪x=0,1,2,3,.....‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ﻧﺳﺗﻌﻣﻝ اﻟﻘﺎﻧون اﻟﺗﺎﻟﻲ ﺣﻳث أن ‪:‬‬
‫= ‪P(X‬‬ ‫=)‬ ‫‪x=0,1,23,.....‬‬
‫‪λ‬‬
‫ﻋﺪد ﻣﺮات ﲢﻘﻖ اﳊﺎدث اﳌﺪروس‪.‬‬

‫‪:λ‬ﻣﻘﺪار ﺛﺎﺑﺖ وﻫﻮ ﻣﺘﻮﺳﻂ ﻋﺪد اﻟﻨﺠﺎﺣﺎت ﰲ وﺣﺪة ﻗﻴﺎﺳﻴﺔ ﳏﺪدة‬
‫‪ : e‬ﻣﻘدار ﺛﺎﺑت و ﻫو أﺳﺎس اﻟﻠوﻏﺎرﻳﺗم اﻟطﺑﻳﻌﻲ ‪e ≈ 2,7183‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3 ..........‬‬ ‫‪n‬‬

‫‪........‬‬
‫‪- 66 -‬‬
‫اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن‬
‫إن اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن ﻟﺗوزﻳﻊ ﺑواﺳون ﻫو ﻣﻌﻠﻣﺔ اﻟﺗوزﻳﻊ أي‪:‬‬

‫= )‪E(x)= V(x‬‬ ‫‪=λ‬‬
‫ﻣﻘﺎﻳﻳس اﻟﺷﻛﻝ‬
‫ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪ (K‬واﻟﺗطﺎوﻝ )‪(L‬‬
‫ﻟﺣﺳﺎب ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪ (K‬واﻟﺗطﺎوﻝ)‪ (L‬ﻧﺳﺗﻌﻣﻝ اﻟﻌزوم اﻟﻣرﻛزﻳﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫=‬
‫=‬
‫=‪K‬‬ ‫=‬
‫=‪K‬‬
‫ﻳﻛون ‪ K‬دوﻣﺎ ﻣوﺟﺑﺎ ‪ .‬ﻳﻣﺗد اﻟﺗوزﻳﻊ دوﻣﺎ ﻧﺣو اﻟﻳﻣﻳن‪.‬‬ ‫ﺑﻣﺎ أن‬
‫=‪L‬‬ ‫=‬ ‫=‬ ‫‪= 3+‬‬
‫‪L=3+‬‬
‫‪- 67 -‬‬
‫اﻟﺗﻘﺎرب ﺑﻳن اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ وﺗوﻳﻊ ﺑواﺳون‬

‫ﻧﺳﺗطﻳﻊ ﺑﺻﻔﺔ ﻋﺎﻣﺔ اﺳﺗﺧدام ﻗﺎﻧون ﺑواﺳون ﺑدﻻ ﻣن اﻟﻘﺎﻧون اﻟﺛﻧﺎﺋﻲ إذا ﺗوﻓرت اﻟﺷروط‬
‫اﻟﺗﺎﻟﻳﺔ‬
‫‪ n‬و ‪nP 5‬‬ ‫‪ n‬أو‬ ‫‪P‬و‬ ‫‪0,1‬‬
‫ﺗطﺑﻳق‪ :1‬ﻧﺄﺧذ ‪ 30‬وﺣدة ﻣن اﻧﺗﺎج آﻟﺔ ﺣﻳث ‪ 10%‬ﻣن اﻧﺗﺎﺟﻬﺎ ﻣﻌﻳﺑﺔ‪.‬‬

‫‪ -1‬أﺣﺳب اﺣﺗﻣﺎﻝ وﺟود وﺣدﺗﺎن ﻣﻌﻳﺑﺗﺎن ﻓﻲ اﻟﻌﻳﻧﺔ ﺑﺎﺳﺗﻌﻣﺎﻝ اﻟﻘﺎﻧون اﻟﺛﻧﺎﺋﻲ‪.‬‬
‫‪ -2‬أﺣﺳب اﺣﺗﻣﺎﻝ وﺟود وﺣدﺗﺎن ﻣﻌﻳﺑﺗﺎن ﻓﻲ اﻟﻌﻳﻧﺔ ﺑﺎﺳﺗﻌﻣﺎﻝ ﻗﺎﻧون ﺑواﺳون‪.‬‬
‫‪ -3‬أﺣﺳب ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪(K‬واﻟﺗطﺎوﻝ)‪(L‬‬
‫= )‪1- P(X = x‬‬ ‫‪px qn-x‬‬ ‫= )‪P(X = 2‬‬ ‫‪0,12 0,928 =0,22‬‬
‫‪P(X = 2) = 0,22‬‬
‫‪2- p =0,1 n=30‬‬ ‫= ) ‪P(X = x‬‬
‫= )‪2- P(X = 2‬‬ ‫>= ‪0,22‬‬
‫‪P(X = 2) = 0,22‬‬
‫ﺑﺎﺳﺗﻌﻣﺎﻝ ﻗﺎﻧون ﺑواﺳون ﺗﺣﺻﻠﻧﺎ ﻋﻠﻰ ﻧﺗﻳﺟﺔ ﻣﺗﺳﺎوﻳﺔ ﻣﻊ ﻧﺗﻳﺟﺔ اﻟﻘﺎﻧون اﻟﺛﻧﺎﺋﻲ‪.‬‬
‫=‪3- K‬‬ ‫=‪K‬‬
‫ﻳﻣﺗد اﻟﺗوزﻳﻊ ﻧﺣو اﻟﻳﻣﻳن‬

‫‪L=3+ = 3+‬‬ ‫اﻟﺗوزﻳﻊ ﻣدﺑب‬
‫‪- 68 -‬‬
‫ﺗﻘــوم ﻣؤﺳﺳــﺔ ﺑﻌﻣﻠﻳــﺎت ﻣﺣﺎﺳــﺑﻳﺔ ﻛﺛﻳـرة ﻳوﻣﻳــﺎ‪ .‬ﻋﻠﻣﻧــﺎ ﺑﺎﻟﺗﺟرﺑــﺔ أن ﻧﺳــﺑﺔ اﻷﺧطــﺎء اﻟﺗــﻲ ﺗــرد أﺣﻳﺎﻧــﺎ ﻓــﻲ‬
‫اﻟﻛﺗﺎﺑﺎت ﻫﻲ ‪ p=0,008‬إذا ﻋﻠﻣت أن ﻋدد اﻟﻛﺗﺎﺑﺎت اﻟﺗﻲ ﻗﺎﻣت ﺑﻬـﺎ اﻟﻣؤﺳﺳـﺔ ﻓـﻲ ﻳـوم ﻣـﺎ ﻫـو ‪n‬‬
‫‪ = 5000‬وأن‪ X‬ﻋﺪد اﻷﺧﻄﺎء اﻟﻜﺘﺎﺑﻴﺔ اﻟﻮاردة ﰲ ﻫﺬا اﻟﻴﻮم أﺣﺳب ‪:‬‬
‫‪-1‬اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻋﺪد اﻷﺧﻄﺎء اﻟﻜﺘﺎﺑﻴﺔ اﻟﻮاردة ﰲ ﻫﺬا اﻟﻴﻮم ﻳﺴﺎوي ‪.3‬‬
‫‪P(X>3) -2‬‬
‫‪ -3‬اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫)‪ X~ P(λ‬ﺣﻳث‬
‫= ) ‪P(X = x‬‬ ‫=‬
‫‪1-‬‬ ‫= )‪P(X = 3‬‬ ‫‪= 0,0143‬‬
‫‪2- P(X‬‬ ‫‪3)= 1- P(X‬‬ ‫‪3)= 1- P0-P1-P2-P3‬‬
‫=‪P0‬‬ ‫‪= 0,0183‬‬
‫=‪P1‬‬ ‫‪= 0,0732‬‬
‫= ‪P2‬‬ ‫‪= 0,1464‬‬
‫= ‪P3‬‬ ‫‪0,0143‬‬
‫‪P(X‬‬ ‫‪3)= 1-0,0183-0,0732-0,1464-0,0143 = 0,7478‬‬

‫‪3- E(x)= V(x) = λ‬‬
‫‪E(x)= 4‬‬
‫‪=2‬‬
‫ﻟﻳﻛن ‪ : X‬ﻋدد اﻟﺳﻳﺎرات اﻟﺗﻲ ﺗﺻﻝ ﺧﻼﻝ ﻋﺷر دﻗﺎﺋق إﻟﻰ ﻣﺣطﺔ ﺑﻧزﻳن ﻣﻌﻳﻧﺔ‪ .‬ﺣﻳث ‪ X‬ﻳﺗﺑﻊ‬
‫ﺗوزﻳﻊ ﺑواﺳون‪ .‬ﺑﻳﻧت دراﺳﺔ إﺣﺻﺎﺋﻳﺔ ﺳﺎﺑﻘﺔ أن اﻟﻌدد اﻟﻣﺗوﺳط ﻟﺳﻳﺎرات اﻟﺗﻲ ﺗﺻﻝ إﻟﻰ ﻫذﻩ اﻟﻣﺣطﺔ‬
‫ﺑﻳن اﻟﺳﺎﻋﺔ ‪ 12:00‬و‪ 12:10‬ﻫو ‪ 5‬ﺳﻳﺎرات‪ .‬أوﺟد اﺣﺗﻣﺎﻝ أن ﺗﺻﻝ ‪ 6‬ﺳﻳﺎرات ﺑﻳن ‪12:00‬‬
‫و‪.12:10‬‬
‫‪- 69 -‬‬
‫وﻣﻨﻪ‪:‬‬ ‫ﻣﺗوﺳط ﻋدد اﻟﺳﻳﺎرات ﺑﻳن ‪ 12:00‬و‪ 12:10‬ﻫو‪=5‬‬
‫= )‪P(X=6‬‬ ‫=‬ ‫‪= 0,146‬‬
‫‪ .V‬التوزيع فوق الھندسي‬

‫)‪(Loi hypergéométrique) X ~ H(N, m, p‬‬
‫عند دراستنا للتوزيع الثنائي ال حضنا أن عملية السحب كانت تتم باإلعادة‪ .‬فإذا كانت عملية السحب‬
‫تتم دون إعادة نلجأ إلى قانون التوزيع فوق الھندسي حيث حجم العينة ال يفوق ‪ 5%‬من المجتمع‪.‬‬
‫‪ X‬متغير عشوائي منقطع يمثل عدد مرات النجاح خالل تكرار تجربة برنولي‪ n‬مرة غير مستقلة‬
‫عن بعضھا البعض بما أن السحب بدون ارجاع‪.‬‬
‫ﻟﺗوﺿﻳﺢ اﻟﺗوزﻳﻊ ﻓوق اﻟﻬﻧدﺳﻲ ﻧﺄﺧذ اﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫ﻳﺣﺗــوي ﺻــﻧدوق ﻋﻠــﻰ ‪ N‬ﻛــرات ﻣﻧﻬــﺎ ‪ m‬ﻛـرات ﻣــن ﻟــون ﻣﻌــﻳن و‪ N-m‬ﻣــن ﻟــون آﺧــر‪ .‬ﻧﻔﺗــرض أﻧﻧــﺎ‬
‫ﻧﺳــﺣب ﻣــن اﻟﺻــﻧدوق‪ n‬ﻛـرات ﺑــدون إرﺟــﺎع‪ .‬ﻳﻣﻛــن أن ﻧﺣﺻــﻝ ﻋﻠـﻰ اﺣﺗﻣــﺎﻝ اﻟﺣﺻــوﻝ ﻋﻠــﻰ ﻋــدد‬
‫ﻣﻌﻳن ‪ x ≤ m‬ﻣن اﻟﻛرات ﻣن اﻟﻠون اﻟﻣﻌﻳن ﺑﺎﺳﺗﻌﻣﺎﻝ ﻗﺎﻧون التوزيع فوق الھندسي اﻟﺗﺎﻟﻲ‪:‬‬
‫=)‪P(X=x‬‬
‫ﻳﺗﻌﻠق اﻟﻘﺎﻧون ﺑﺛﻼﺛﺔ ﺛواﺑت‪:‬‬

‫‪ :N‬ﻋدد ﻋﻧﺎﺻر اﻟﻣﺟﺗﻣﻊ اﻷﺻﻠﻲ‬
‫‪ :n‬ﺣﺟم اﻟﻌﻳﻧﺔ اﻟﻣﺳﺣوﺑﺔ‬
‫‪ :m‬ﻋدد ﻋﻧﺎﺻر اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﻧﻬﺗم ﺑﻬﺎ‪.‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3 ..........‬‬ ‫‪n‬‬

‫‪..........‬‬
‫‪- 70 -‬‬
‫و ‪q =1-p‬‬ ‫ﻟﺗﺣدﻳد اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن ﻓﻲ ﺣﺎﻟﺔ ﺗوزﻳﻊ ﻓوق ﻫﻧدﺳﻲ ﻧﻼﺣظ أن‬
‫=)‪E(X‬‬
‫= )‪V(X‬‬ ‫)‬
‫ﻳﻛون أﻗﻝ ﻣن ‪1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺈن ﻫذا اﻟﺗﺑﺎﻳن أﺻﻐر ﻣن ﺗﺑﺎﻳن التوزيع‬ ‫ﻧﻼﺣظ أن اﻟﻌﺎﻣﻝ )‬
‫‪،‬حجم العينة‪ .‬عندما حجم العينة يساوي حجم المجتمع يصبح‬ ‫الثنائي‪ .‬تصغر قيمة التباين كلما كبر‬
‫في الصفر‪.‬‬ ‫البسط يساوي الصفر‪ N-n=0.‬وينعدم التباين بما أن يضرب‬
‫ﻳﺣﺗوي ﺻﻧدوق ﻋﻠﻰ ‪ 10‬ﻣﺻﺎﺑﻳﺢ ﻣن ﺑﻳﻧﻬﺎ أرﺑﻌﺔ ﻣﻌطوﺑﺔ‪ .‬ﻧﺳﺣب ﺛﻼﺛﺔ ﻣﺻﺎﺑﻳﺢ ﻓﻲ آن واﺣد‪ .‬و‬
‫ﻟﻳﻛن ‪ X‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ ﻋدد اﻟﻣﺻﺎ ﺑﻳﺢ اﻟﻣﻌطوﺑﺔ اﻟﻣﺳﺣوﺑﺔ‪.‬‬
‫‪ -1‬ﻣﺎ ﻫو اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ ﻝ ‪ X‬؟‬
‫‪-2‬ﺣدد اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻝ ‪X‬؟‬
‫‪ -3‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن‪.‬‬
‫يتركز االھتمام على صالحية المصابيح‪ X .‬ﻳﺗﺑﻊ ﻗﺎﻧون فوق الھندسي بما آن السحب بدون‬
‫ارجاع‪.‬‬
‫)‪X ~ H(N, m, p‬‬ ‫) ‪X ~ H(10, 3,‬‬
‫=)‪P(X=x‬‬
‫‪N=10, m=4, n=3,‬‬ ‫=‬
‫=)‪P(X=x‬‬ ‫=‬
‫‪- 71 -‬‬
‫=)‪P(X=x‬‬ ‫‪ ‬‬
‫= )‪2- P(X=0‬‬
‫= )‪P(X=1‬‬ ‫=‬ ‫=‬
‫= )‪P(X=2‬‬ ‫=‬
‫= )‪P(X=3‬‬ ‫=‬
‫التوزيع اﻻﺣﺗﻣﺎﻟﻲ فوق الھندسي ﻋﺑﺎرة ﻋن ﺟدوﻝ اﺣﺗﻣﺎﻟﻲ وﺷرطﺎن‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫)‪3- E(X‬‬
‫= )‪V(X‬‬ ‫)‬
‫‪V(X)= 3‬‬ ‫=‬ ‫‪= = 0,56‬‬
‫‪- 72 -‬‬
‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﻧﻘطﻊ‬
‫ﻧرﻣﻲ ﻗطﻌﺔ ﻧﻘدﻳﺔ ﻣﺗوازﻧﺔ ﻋﺷرة ﻣرات‪ .‬ﻟﻳﻛن اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪ X‬اﻟﺣﺻوﻝ ﻋﻠﻰ رﻗم‪ .‬أﺣﺳب‬
‫‪.‬‬
‫ﻳﺣﺗوي ﺻﻧدوق ﻋﻠﻰ ‪ 10‬ﻣﺻﺎﺑﻳﺢ ﻣن ﺑﻳﻧﻬﺎ اﺛﻧﺎن ﻣﻌطوﺑﺔ وﺛﻣﺎﻧﻳﺔ ﺻﺎﻟﺣﺔ‪.‬‬
‫و ﻟﻳﻛن ‪ X‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ ﻋدد اﻟﺣﺎﻻت اﻟﺗﻲ ﻧﺳﺣب ﻓﻳﻬﺎ ﻣﺻﺑﺎح ﻣﻌطوب‪ .‬أﺣﺳب‬
‫اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪ .2‬اﺣﺗﻣﺎﻝ اﻟﺣﺻوﻝ ﻋﻠﻰ ﻣﺻﺑﺎﺣﻳن‬ ‫‪ .3‬اﺣﺗﻣﺎﻝ ﻋدم اﻟﺣﺻوﻝ ﻋﻠﻰ أي ﻣﺻﺑﺎح ﻣﻌطوب‪.‬‬
‫أو أﻗﻝ ﻣﻌطوﺑﻳن‪.‬‬
‫‪ .4‬اﺳﺗﻧﺗﺞ ﺷﻛﻝ اﻟﺗوزﻳﻊ‪.‬‬ ‫‪ .3‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬

‫ﺗﺗوﻗﻊ ﺷرﻛﺔ ‪ SEAT‬أن ‪ 3‬أﺷﺧﺎص ﻣن ﺑﻳن ‪ 8‬اﻟذﻳن زاروا ﻣﻌرﺿﻬﺎ ﺳﻳﺷﺗرون ﺳﻳﺎرة ﻣن ﻧوع‬
‫‪ .LEON‬ﻓﺈذا ﺗم اﺧﺗﻳﺎر ‪ 4‬أﺷﺧﺎص ﻣن ﺑﻳﻧﻬم‪:‬‬
‫‪ -‬اﻟزوار اﻟﺧﻣﺳﺔ ﻳﺷﺗرون ﺳﻳﺎرة‪.‬‬ ‫‪ -‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻻ ﻳﺷﺗري أي ﻣﻧﻬم اﻟﺳﻳﺎرة‪.‬‬
‫– أوﺟد ﻣﺗوﺳط اﻷﺷﺧﺎص اﻟذﻳن ﻳﺷﺗرون‬ ‫‪ -‬ﺛﻼﺛﺔ أﺷﺧﺎص ﻋﻠﻰ اﻷﻗﻝ ﻳﺷﺗرون اﻟﺳﻳﺎرة‪.‬‬
‫ﺳﻳﺎرة‪. LEON‬‬
‫‪- 73 -‬‬
‫إذا ﻛﺎن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ ﺛﻧﺎﺋﻲ ﺣﻳث ‪ E(x) = 12‬و ‪ .V(x) = 2.4‬اﺣﺳب ﻛﻝ ﻣن‬
‫‪ n‬و ‪.P‬‬
‫ﺑﻳﻧت دراﺳﺔ إﺣﺻﺎﺋﻳﺔ أن ﻋدد ﺣوادث اﻟﻌﻣﻝ ﻓﻲ ورﺷﺔ ﻟﻠﺑﻧﺎء ﻳﺗﺑﻊ ﺗوزﻳﻊ ﺑواﺳون ﺑﻣﺗوﺳط ‪3‬‬
‫ﺣوادث ﻳوﻣﻳﺎ ‪.‬‬
‫أﺣﺳب اﺣﺗﻣﺎﻝ وﻗوع ﺣﺎدث ﻋﻠﻰ اﻷﻗﻝ ﻓﻲ اﻟﻳوم؟‪.‬‬
‫ﻳﺗﻠﻘﻰ ﻣرﻛز اﺳﺗﻣﺎع ﻓﻲ اﻟﻣﺗوﺳط ‪ 5‬ﻣﻛﺎﻟﻣﺔ ﻓﻲ اﻟدﻗﻳﻘﺔ‪ .‬و ﻟﻳﻛن ‪ X‬اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ‬
‫ﻋدد اﻟﻣﻛﺎﻟﻣﺎت اﻟﻣﺳﺗﻘﺑﻠﺔ ﺧﻼﻝ اﻟدﻗﻳﻘﺔ‪.‬‬
‫‪ -1‬ﻷي ﻗﺎﻧون ﻳﺧﺿﻊ ‪. X‬‬
‫‪ – 2‬أﺣﺳب اﺣﺗﻣﺎﻝ ﺗﻠﻘﻰ ‪ 3‬ﻣﻛﺎﻟﻣﺎت ﺧﻼﻝ اﻟدﻗﻳﻘﺔ‪.‬‬
‫‪ -3‬أﺣﺳب اﺣﺗﻣﺎﻝ ﺗﻠﻘﻰ ﻣﻛﺎﻟﻣﺔ ﻋﻠﻰ اﻷﻗﻝ ﺧﻼﻝ دﻗﻳﻘﺔ‪.‬‬
‫‪ - 4‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ﻟﻌدد اﻟﻣﻛﺎﻟﻣﺎت ﺧﻼﻝ دﻗﻳﻘﺔ‪.‬‬
‫ﻧﻔرض أن ‪ 2%‬ﻣن وﺣدات اﻹﻧﺗﺎج ﻓﻲ اﺣدى اﻟﻣﺻﺎﻧﻊ ﻣﻌﻳﺑﺔ‪ .‬ﺗم اﺧﺗﻳﺎر ﻋﻳﻧﺔ ﻣن ‪ 100‬وﺣدة‪.‬‬
‫اﻟﻣطﻠوب ﺣﺳﺎب‪:‬‬
‫‪ -1‬اﺣﺗﻣﺎﻝ وﺟود ﺗﻼث وﺣدات ﻣﻌﻳﺑﺔ ﻓﻲ اﻟﻌﻳﻧﺔ‪.‬‬
‫‪ -2‬اﺣﺗﻣﺎﻝ وﺟود وﺣدة ﻣﻌﻳﺑﺔ ﻋﻠﻰ اﻷﻗﻝ ﻓﻲ اﻟﻌﻳﻧﺔ‪.‬‬
‫‪ -3‬ﻗﻳﻣﺔ اﻟﻣﻧواﻟﻳن‪.‬‬
‫‪ -4‬ﻣﻌﺎﻣﻝ اﻻﻟﺗواء وﻣﻌﺎﻣﻝ اﻟﺗﻔﻠطﺢ‪.‬‬
‫‪- 74 -‬‬
‫ﺑﻌد إﻋطﺎﺋﻪ ﺣﻘﻧﺔ ﻣن دواء ﻣﻌﻳن‬ ‫إذا ﻛﺎن اﺣﺗﻣﺎﻝ أن ﻳﻌﺎﻧﻲ ﺷﺧص ﻣﻌﻳن ﻣن أﺛر ﺳﻳﺊ‬
‫ﻳﺳﺎوي ‪ 0,001‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﻣن ﺑﻳن ‪ 5000‬ﺷﺧص‪:‬‬
‫‪ 4-‬ﺑﺎﻟﺿﺑط ﻳﻌﺎﻧون ﻣن أﺛر ﺳﻳﺊ ﻟﻬذا اﻟدواء‪.‬‬
‫‪-‬أﻛﺛر ﻣن ﺛﻼﺛﺔ ﻳﻌﺎﻧون ﻣن أﺛر ﺳﻳﺊ ﻟﻬذا اﻟدواء‪.‬‬
‫اﻟﺗﻣرﻳن ‪9‬‬
‫إذا ﻋﻠﻣت أن اﺣﺗﻣﺎﻝ ﻧﺣﺎج ﺷﺧص ﻣﻌﻳن ﻓﻲ ﻣﺳﺎﺑﻘﺔ اﻟﻣﺎﺟﺳﺗﻳر ﻫو ‪.10%‬‬
‫و اذا اﺟﺗﺎز ﺷﺧص ﻣﻌﻳن اﻟﻣﺳﺎﺑﻘﺔ ﻋدة ﻣرات‪ .‬ﻓﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻧﺟﺢ ﻓﻲ اﻟﻣرة اﻟراﺑﻌﺔ ؟‪.‬‬
‫‪ -‬أوﺟد اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫اﻟﺗﻣرﻳن ‪ :10‬ﺻﻧدوق ﺑﻪ ‪ 8‬ﻛرات ﺣﻣراء و ‪ 4‬ﺳوداء‪ ,‬ﻧﺄﺧذ ‪ 5‬ﻛرات ﺑدون إرﺟﺎع‪ .‬ﻟﻳﻛن ‪ X‬اﻟﻣﺗﻐﻳر‬
‫اﻟﻌﺷواﺋﻲ اﻟذي ﻳﻣﺛﻝ ﻋدد اﻟﻛرات اﻟﺳوداء اﻟﻣﺳﺣوﺑﺔ‪.‬‬
‫‪ -‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣن ﺑﻳن اﻟﻛرات اﻟﻣﺳﺣوﺑﺔ ﺛﻼﺛﺔ ﺣﻣراء)ﻳﻌﻧﻲ ‪ 2‬ﺳوداء( ؟‬

‫‪ -‬ﻣﺎ ﻫو اﺣﺗﻣﺎﻝ أن ﻳﻛون ﻣن ﺑﻳن اﻟﻛرات اﻟﻣﺳﺣوﺑﺔ ﻋﻠﻰ اﻷﻗﻝ واﺣدة ﺳوداء ؟‪.‬‬
‫‪ -‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري ‪.‬‬
‫‪- 75 -‬‬
‫اﻟﻔﺻﻝ اﻟﺧﺎﻣس‪ :‬اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻠﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر‬

‫‪Lois continues usuelles‬‬
‫ﻫﻧﺎك ﺑﻌض اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﻣﺳﺗﻣرة اﻟﺷﻬﻳرة ‪ ،‬وﻟﻬﺎ دواﻝ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻝ ﻣﺣددة‪ ،‬وﻓﻳﻣﺎ ﻳﻠﻲ ﺑﻌض‬
‫ﻫذﻩ اﻟﺗوزﻳﻌﺎت‪:‬‬
‫اﻟﺗوزﻳﻊ اﻟﻣﻧﺗظم ) ‪x ~U(a,b) (Loi Uniforme‬‬ ‫‪.I‬‬
‫ﻫو ﺗوزﻳﻊ ﻟﻪ داﻟﺔ اﺣﺗﻣﺎﻝ ﺛﺎﺑﺗﺔ‪ ،‬وﻳﺳﺗﺧدم ﻓﻲ ﺣﺎﻟﺔ اﻟظواﻫر اﻟﺗﻲ ﻳﻣﻛن أن ﺗﺣدث ﺑﺷﻛﻝ ﻣﻧﺗظم‪ ،‬ﻓﺈذا‬
‫ﻛﺎن اﻟﻣﺗﻐﻳر ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻟﻪ ﺗوزﻳﻊ ﻣﻧﺗظم ﻋﻠﻰ اﻟﻣﺟﺎﻝ ] ‪ [a , b‬ﻓﺈن داﻟﺔ ﻛﺛﺎﻓﺗﻪ اﻻﺣﺗﻣﺎﻟﻳﺔ‬
‫)‪ f(x‬ﺗﻌطﻰ ﺑﺎﻟﺷﻛﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫وﻳﻣﻛن ﺗﻣﺛﻳﻝ ﻫذﻩ اﻟداﻟﺔ ﺑﻳﺎﻧﻳﺎ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫ﺗوﺟد ﻣﻌﻠﻣﺗﺎن ﻟﻬذا اﻟﺗوزﻳﻊ ﻫﻣﺎ اﻟﻌددان اﻟﺣﻘﻳﻘﻳﺎن )‪ (a,b‬وﻟذا ﻳﻛﺗب اﻟﺗوزﻳﻊ ﻋﻠﻰ اﻟﺻورة ‪:‬‬
‫)‪x ~U(a,b‬‬
‫‪- 76 -‬‬
‫و ﺗﺄﺧذ داﻟﺔ ) ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت( )‪ F(x‬اﻟﺷﻛﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫= )‪=P (X x‬‬ ‫=‬ ‫=‬
‫ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻟﺗﺑﺎﻳن ﻓﻲ ﺣﺎﻟﺔ ﺗوزﻳﻊ ﻣﻧﺗظم ﻳﺣﺳﺑﺎن ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫= )‪E(X‬‬
‫اﺳﺗورد أﺣد اﻟﻣراﻛز اﻟﺗﺟﺎرﻳﺔ ‪ 1500‬طن ﻣن ﺳﻠﻌﺔ ﻣﻌﻳﻧﺔ‪ ،‬ووﺿﻌﻬﺎ ﻓﻲ ﻣﺧزن‪ ،‬وﻗﺎم ﺑﺑﻳﻌﻬﺎ ﺑﻛﻣﻳﺎت‬
‫ﻣﺗﺳﺎوﻳﺔ ﻋﻠﻰ ﻣدار ﺷﻬور اﻟﺳﻧﺔ ‪.‬إذا ﻛﺎﻧت اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻟﻠﺑﻳﻊ ﺗﺗﺑﻊ ﺗوزﻳﻊ ﻣﻧﺗظم‪ ،‬اﻟﻣطﻠوب‪:‬‬
‫‪ -‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻟﻠﺑﻳﻊ‪.‬‬
‫‪ -‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟزﻣن ‪:‬‬

‫ﺑﻔرض أن اﻟﻣﺗﻐﻳر ‪ ، x‬ﻳﻌﺑر ﻋن اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻟﻠﺑﻳﻊ ﻣﻘﺎﺳﺔ ﺑﺎﻟﺷﻬر‪ ،‬أي أن ‪0 < x <12‬‬
‫وﻣن ﺛم ﺗﺄﺧذ داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟزﻣن اﻟﺻورة اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪a=0 , b=12‬‬
‫‪- 77 -‬‬
‫اﻟﺗوزﻳﻊ اﻷﺳﻲ ‪Loi exponentielle‬‬ ‫‪.II‬‬
‫ﻋﺎدة ﻣﺎ ﻳﺳﺗﺧدم اﻟﺗوزﻳﻊ اﻷﺳﻲ ﻓﻲ ﻣﺳﺎﺋﻝ ﻣﺗﻌﻠﻘﺔ ﺑﻘﻳﺎس اﻟزﻣن‪ .‬ﻣن ذﻟك ﻣﺛﻼ ﻣدة ﺧدﻣﺔ ﺷﺑﺎك‬
‫اﻟﺑرﻳد‪ ،‬ﻣدة ﻣﻛﺎﻟﻣﺔ ﻫﺎﺗﻔﻳﺔ‪ ،‬ﻣدة ﺗﻔرﻳﻎ ﺑﺎﺧرة ﺷﺣن‪ ،‬ﻣدة ﺗﺻﻠﻳﺢ آﻟﺔ‪ ،‬ﻣدة اﻧﺗظﺎر زﺑون ﻗﺑﻝ اﻟﺣﺻوﻝ‬
‫ﻋﻠﻰ اﻟﺧدﻣﺔ‪....‬اﻟﺦ‪.‬‬
‫ﻣن اﻟﺿروري ﻓﻬم اﻵﺗﻲ‪ :‬ﻛﻘﺎﻋدة ﻋﺎﻣﺔ ﻳﺳﺗﺧدم اﻟﺗوزﻳﻊ اﻷﺳﻲ ﻟﺗﻣﺛﻳﻝ ﻣدة ﺣﻳﺎة ظﺎﻫرة ﻣﺎ إذا ﻛﺎن‬
‫وﻛﺎﻧت ﻫذﻩ اﻟظﺎﻫرة ﻻ ﺗﺧﺿﻊ ﻟﻠﺗﻘﺎدم )‪ (vieillissement‬أي أن ﻣدة ﺣﻳﺎة‬ ‫ﻟﻬﺎ ﻣﺗوﺳط ﺛﺎﺑت‬
‫اﻟظﺎﻫرة ﺑﻌد ﻟﺣظﺔ ﻣﺎ ‪ T‬ﻻ ﺗﺗﺑﻊ اﻟﻠﺣظﺔ ‪T‬؛ أي ﻻ ﺗﺗﺄﺛر ﺑﺎﻟﻣدة اﻟﺗﻲ داﻣﺗﻬﺎ اﻟظﺎﻫرة ﻣن ﻗﺑﻝ‪ ،‬ﻣﺛﻼ‬
‫ﻗد ﻧﺳﺗﺑﻌد اﺳﺗﺧدام اﻟﺗوزﻳﻊ اﻷﺳﻲ ﻟﺗﻣﺛﻳﻝ ﻣدة ﺣﻳﺎة آﻟﺔ ﻋﺎﻣﻠﺔ ﻗﺑﻝ ﺗﻌطﻠﻬﺎ ﻷن اﺣﺗﻣﺎﻝ ﺗﻌطﻠﻬﺎ ﻓﻲ‬
‫ﻟﺣظﺔ ﻟﻳس ﻣﺳﺗﻘﻼ ﻋن اﻟﻣدة اﻟﺗﻲ ﻋﻣﻠﺗﻬﺎ اﻵﻟﺔ ﻣن ﻗﺑﻝ‪ ،‬ﻛذﻟك اﻷﻣر ﺑﺎﻟﻧﺳﺑﺔ ﻟﻣدة ﺣﻳﺎة اﻹﻧﺳﺎن‪.‬‬
‫ﻧﺷﻳر أﺧﻳ ار إﻟﻰ أن ﻟﻠﺗوزﻳﻊ اﻷﺳﻲ ﻋﻼﻗﺔ ﺑﺎﻟﺗوزﻳﻊ ﺑواﺳون‪ ،‬ﻓﺈذا ﻛﺎن وﻗوع أﺣداث ﻣﺎ ﻳﺗﺑﻊ ﻫذا‬
‫اﻟﺗوزﻳﻊ‪ ،‬ﻓﺈن اﻟﻣدة ﺑﻳن وﻗوع ﺣدﺛﻳن ﺗﺗﺑﻊ اﻟﺗوزﻳﻊ اﻷﺳﻲ؛ ﻛﻣﺛﺎﻝ ﻋﻠﻰ ذﻟك‪ ،‬إذا ﻛﺎن وﺻوﻝ اﻟزﺑﺎﺋن‬
‫إﻟﻰ ﻣرﻛز ﺧدﻣﺔ ﻣﺎ ﻳﺗﺑﻊ اﻟﺗوزﻳﻊ ﺑواﺳون ﻓﺈن اﻟﻣدة اﻟزﻣﻧﻳﺔ ﺑﻳن وﺻوﻝ زﺑون "أ" واﻟزﺑون اﻟﻣواﻟﻲ ﺗﺗﺑﻊ‬
‫اﻟﺗوزﻳﻊ اﻷﺳﻲ‪ .‬ﺗﺗﺑﻳن ﻫذﻩ اﻟﻌﻼﻗﺔ ﻋﻧد اﺳﺗﻧﺗﺎج ﺻﻳﻐﺔ اﻟﻘﺎﻧون اﻷﺳﻲ‪.‬‬
‫و ﻻﺳﺗﻧﺗﺎج ﺻﻳﻐﺔ اﻟرﻳﺎﺿﻳﺔ ﻟداﻟﺔ اﻟﺗوزﻳﻊ اﻷﺳﻲ اﻧطﻼﻗﺎ ﻣن ﺗوزﻳﻊ ﺑواﺳون ﻧﺄﺧذ اﻟﻣﺛﺎﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫ﺑﻳﻧت دراﺳﺔ أن ﻋدد ﺣوادث اﻟﻌﻣﻝ ﻓﻲ ﻣﻌﻣﻝ ﻣﻌﻳن ﺗﺗﺑﻊ ﺗوزﻳﻊ ﺑواﺳون ﺑﻣﻌدﻝ ‪ λ‬ﺣﺎدث ﻳوﻣﻳﺎ‪.‬‬
‫أوﺟد اﺣﺗﻣﺎﻝ أن ﻳﺳﺟﻝ ﺣﺎدث ﻋﻠﻰ اﻷﻗﻝ )ﺣﺎدث أو أﻛﺛر( ﻓﻲ ﻣدة ‪ t‬ﻳوم‪.‬‬
‫‪P(X ≥ 1) =1- P(0) =1-[λ0t X‬‬ ‫]‬
‫‪P(X ≥ 1) = 1-e-λt‬‬
‫‪- 78 -‬‬
‫ﻟﻧرﻣز ب ‪ T‬ﻟﻠزﻣن )ﺑﺎﻟﻳوم( ﺑﻳن ﺣﺎدﺛﻳن إذن ﺳﻳﻛون ﻟدﻳﻧﺎ )‪ f(t‬داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﻟﻠزﻣن ﺑﻳن ﺣﺎدﺛﻳن‪،‬‬
‫و )‪ F(t) = P(T ≤ t‬داﻟﺔ اﻟﺗوزﻳﻊ ﻝ ‪.T‬‬
‫ﻟﻧﺣﺳب اﺣﺗﻣﺎﻝ ‪ P‬أن ﻳﻛون اﻟزﻣن ﺑﻳن ﺣﺎدﺛﻳن ﻳوم أو أﻗﻝ‪:‬‬
‫ﻟدﻳﻧﺎ )‪ P = P(T ≤ t = 1‬إذن‪:‬‬
‫)‪P = F(t = 1) ............ (1‬‬
‫ﻻﺣظ ﻣن ﻧﺎﺣﻳﺔ أﺧرى أن ‪ P‬ﻫو ﻣﻌﺎدﻝ ﻻﺣﺗﻣﺎﻝ أن ﻳﺳﺟﻝ ﻋﻠﻰ اﻷﻗﻝ ﺣﺎدث ﻓﻲ ﻳوم ﻣﻌﻳن‪:‬‬
‫)‪P = P(X ≥ 1) = 1-e-λt .........(2‬‬
‫‪F(t) = 1 -‬‬ ‫)‪e-λt ............(3‬‬ ‫ﻣن )‪ (1‬و)‪ (2‬ﻧﺳﺗﻧﺗﺞ أن‬
‫)‪f(t) = F(t)’ = (1 - e-λt‬‬ ‫و ﻣﻧﻪ‬
‫‪f(t) = λ e-λt‬‬ ‫إذن‬
‫و ﻣﻧﻪ ﻳﻣﻛن اﻟﻘوﻝ إذا ﻛﺎن ﺣدث ﻋﺷواﺋﻲ ﻣﺎ ﻳﺗﻛرر ﻓﻲ اﻟزﻣن ﻓﺈن اﻟزﻣن ‪ T‬ﺑﻳن ﺣﺎدﺛﻳن ﻳﺗﺑﻊ‬
‫اﻟﺗوزﻳﻊ اﻷﺳﻲ اﻟﺗﺎﻟﻲ‪:‬‬
‫‪e  ‬‬ ‫‪,‬‬ ‫‪ 0‬‬

‫‪f ( )  ‬‬
‫‪0‬‬ ‫‪,‬‬ ‫‪ 0‬‬
‫ﺣﻳث ‪ λ‬ﻋدد ﺣﻘﻳﻘﻲ ﻣوﺟب‪.‬‬
‫وﻳﻣﻛن ﺗﻣﺛﻳﻝ اﻟداﻟﺔ اﻟﺧﺎﺻﺔ ﺑﺎﻟﺗوزﻳﻊ اﻷﺳﻲ ﺑﻳﺎﻧﻳﺎ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪- 79 -‬‬
‫ﺗﺄﺧذ داﻟﺔ اﻟﺗوزﻳﻊ )‪ F(X‬ﻟﻠﺗوزﻳﻊ اﻷﺳﻲ اﻟﺷﻛﻝ اﻟﺗﺎﻟﻲ‪:‬‬
‫= )‪=P (X x‬‬
‫‪F(X) = 1 - e-λx‬‬
‫ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻟﺗﺑﺎﻳن ﻓﻲ ﺣﺎﻟﺔ ﺗوزﻳﻊ أﺳﻲ ﻳﺣﺳﺑﺎن ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫= )‪E(x‬‬
‫= )‪V(x‬‬
‫إذا ﻛﺎﻧت اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻹﻧﻬﺎء ﺧدﻣﺔ اﻟزﺑون ﻓﻲ اﻟﺑﻧك ﺗﺗﺑﻊ ﺗوزﻳﻊ أﺳﻲ ﺑﻣﺗوﺳط ‪ 2‬دﻗﻳﻘﺔ‪ ،‬ﻓﺄوﺟد ﻣﺎ‬
‫ﻳﻠﻲ‪:‬‬
‫‪ -‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻹﻧﻬﺎء ﺧدﻣﺔ اﻟزﺑون‪.‬‬
‫‪ -‬ﻣﺎ اﺣﺗﻣﺎﻝ ﻹﻧﻬﺎء ﺧدﻣﺔ اﻟﻌﻣﻳﻝ ﻓﻲ أﻗﻝ ﻣن دﻗﻳﻘﺔ‪.‬‬
‫‪ -‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟزﻣن‪:‬‬
‫ﺑﻔرض أن ‪ x‬اﻟﻣﺗﻐﻳر ﻳﻌﺑر ﻋن اﻟﻔﺗرة اﻟزﻣﻧﻳﺔ ﻹﻧﻬﺎء ﺧدﻣﺔ اﻟزﺑون ﺑﺎﻟدﻗﻳﻘﺔ‪ ،‬أي أن ‪2 x ‬‬
‫‪.‬‬ ‫= )‪ E(x‬و ﻣن ﺛم ﻓﺈن ﻗﻳﻣﺔ اﻟﻣﻌﻠﻣﺔ‬ ‫ﻓﺈن اﻟﻣﺗوﺳط‬

‫و ﻣﻧﻪ ﻳﻣﻛن ﻛﺗﺎﺑﺔ داﻟﺔ ﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻝ اﻟﻣﻌﺑرة ﻋن اﻟزﻣن ﻋﻠﻰ اﻟﺻورة اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪- 80 -‬‬
‫‪f(x)=0,5 e-0,5x‬‬ ‫‪, 0‬‬
‫‪ -‬ﺣﺳﺎب اﺣﺗﻣﺎﻝ ﻹﻧﻬﺎء ﺧدﻣﺔ اﻟزﺑون ﻓﻲ أﻗﻝ ﻣن دﻗﻳﻘﺔ‬
‫‪P(x‬‬ ‫‪= (1-e-0,5x) = (1-e-0,5(1))=0,3935‬‬
‫‪ .III‬اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ‪Loi Normale généralisée‬‬
‫ﻳﻌﺗﺑر اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻣن أﻫم اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﻣﺳﺗﻣرة اﺳﺗﺧداﻣﺎ ﻓﻲ اﻟﺗﺣﻠﻳﻝ اﻹﺣﺻﺎﺋﻲ ‪.‬ﻳﺗﺑﻊ‬
‫اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ﺗوزﻳﻊ طﺑﻳﻌﻲ ﻓﻲ اﻟﻛﺛﻳر ﻣن اﻟﺗوزﻳﻌﺎت ﻣن اﻟﺣﺎﻻت اﻟﺗطﺑﻳﻘﻳﺔ اﻟﺧﺎﺻﺔ ﺑظواﻫر‬
‫اﺟﺗﻣﺎﻋﻳﺔ‪ ،‬اﻗﺗﺻﺎدﻳﺔ أو ﻏﻳرﻫﺎ ﻣن ﺣﺎﻻت ﻣوﺟودة ﻓﻌﻼ ﻓﻲ اﻟطﺑﻳﻌﺔ أوﻓﻲ اﻟﺻﻧﺎﻋﺔ ﻣﺛﻝ اﻷوزان‬
‫واﻷطواﻝ‪ .‬ﻛﻣﺎ ﻳﺳﺗﺧدم اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻛﺗﻘرﻳب ﻟﺗوزﻳﻌﺎت أﺧرى ﻣﺛﻝ اﻟﺗوزﻳﻊ اﻟﺛﻧﺎﺋﻲ وﺗوزﻳﻊ‬
‫ﺑواﺳون‪ .‬ﺗﻌﺗﻣد اﺧﺗﺑﺎرات اﻟﻔروض اﻹﺣﺻﺎﺋﻳﺔ‪ ،‬اﻻﺳﺗدﻻﻝ اﻹﺣﺻﺎﺋﻲ‪ ،‬اﻟﺗﻘدﻳر أو ﻣﺟﺎﻻت اﻟﺛﻘﺔ ﻋﻠﻰ‬
‫اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ‪ .‬وﻋﺎدة ﻣﺎ ﻳﻛون ﺗوزﻳﻊ ﻣﺗوﺳط اﻟﻌﻳﻧﺎت واﻟﻧﺳب طﺑﻳﻌﻳﺎ‪.‬‬
‫ﺗﻌرﻳف ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم‪:‬‬

‫إذا ﻛﺎن اﻟﻣﺗﻐﻳر ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ أو ﺗوزﻳﻊ ﺟﺎوس‪ ،‬وﻧﻛﺗب ‪X ~ N(µ, σ)‬‬
‫‪ ‬فإن داﻟﺔ ﻛﺛﺎفته معرفة ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪x‬‬
‫‪‬‬ ‫‪R‬‬
‫‪- 81 -‬‬
‫‪ : e‬ﻣﻘدار ﺛﺎﺑت و ﻫو أﺳﺎس اﻟﻠوﻏﺎرﻳﺗم اﻟطﺑﻳﻌﻲ ‪e ≈ 2,7183‬‬

‫‪π ≈ 3,1416‬‬ ‫‪ : π‬مقدار ثابت‬
‫‪ ‬‬
‫أﻣﺎ ‪ µ‬و‪ σ‬اﻟﻣﻌﻠﻣﺗﻳن ﻟﻬذا اﻟﺗوزﻳﻊ ﻓﻬﻣﺎ ﻋﻠﻰ اﻟﺗواﻟﻲ اﻟﺗوﻗﻊ واﻻﻧﺣراف اﻟﻣﻌﻳﺎري ﺛﺎﺑﺗﺎن اﺧﺗﻳﺎرﻳﺎن‪.‬‬
‫ﻳﺧﺗﻠف ﺗوزﻳﻊ طﺑﻳﻌﻲ ﻋن آﺧر ﺑﺎﺧﺗﻼف اﻟﻣﻌﻠﻣﺔ ‪ µ‬أو اﻟﻣﻌﻠﻣﺔ ‪ σ‬أو اﻟﻣﻌﻠﻣﺗﻳن ﻣﻌﺎ‪.‬‬
‫ﻫذا اﻟﺗوزﻳﻊ ﻳﺄﺧذ اﻟﺻورة اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫)‪f(x‬‬
‫‪x‬‬
‫‪μ‬‬
‫ﺧواص اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم‪:‬‬
‫‪ .1‬اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻣﺗﻣﺎﺛﻝ ﺣوﻝ اﻟﻣﺳﺗﻘﻳم ‪ x :‬وﻧﻼﺣظ أن اﻟﻣﻧﺣﻧﻰ ﺷﺑﻳﻬﺔ ﺷﻛﻝ اﻟﺟرس‪.‬‬
‫=) (‪f‬‬ ‫‪-2‬ﻟﻠﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻗﻣﺔ واﺣدة‪ .‬ﻟﻪ ﻣﻧواﻝ واﺣد ﻳﻧطﺑق ﻋﻠﻰ اﻟوﺳط‪.‬‬
‫= )‪E(X‬‬ ‫=‬ ‫اﻟوﺳط اﻟﺣﺳﺎﺑﻲ=اﻟﻣﻧواﻝ= اﻟوﺳﻳط ؛‬
‫‪x‬‬ ‫‪x‬و‬ ‫‪-3‬ﻳﺗﻘﺎرب طرف ﻣﻧﺣﻧﻰ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻣن اﻟﺻﻔر ﻋﻧدﻣﺎ‬
‫‪-4‬اﻟﻣﺳﺎﺣﺔ ﺗﺣت ﻣﻧﺣﻧﻰ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﺗﺳﺎوي ‪.1‬اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﻳﻣﻳن اﻟوﺳط ﺗﺳﺎوي اﻟﻣﺳﺎﺣﺔ‬
‫ﻋﻠﻰ ﻳﺳﺎر اﻟوﺳط وﺗﺳﺎوي ‪. 0,5‬‬
‫‪-5‬ﻫﻧﺎك ﻧﺳب ﻣﻌﻳﻧﺔ ﻣن اﻟﻣﺳﺎﺣﺔ اﻟواﻗﻌﺔ ﺿﻣن أي ﻋدد ﻣن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﻳﺎرﻳﺔ ﻋن‬
‫اﻟوﺳط‬
‫‪- 82 -‬‬
‫‪ ( -‬ﺗﺳﺎوي ‪ 68,27%‬ﻣن اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﻳﺔ‪.‬‬ ‫‪ -‬اﻟﻣﺳﺎﺣﺔ اﻟواﻗﻌﺔ ﻋﻠﻰ اﻟﻔﺗرة‬
‫ﻧﺳﺗﻧﺗﺞ أن ‪:‬‬
‫‪P(-σ ≤ X ≤ σ) = P(-1≤ T ≤ 1) = 0.6827,‬‬

‫‪P(-2 σ ≤ X ≤ 2 σ) = P(-2 ≤ T ≤ 2) = 0.9545,‬‬
‫‪P(-3 σ ≤ X ≤ 3 σ) = P(-3 ≤ T ≤ 3) = 0.9973.‬‬
‫إن ﻗﺎﻧون ‪ X‬ﻫو ﻗﺎﻧون ﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻻت‬
‫ﻳﻘﺎﻝ ﻋن ﺗوزﻳﻊ ‪X‬أﻧﻪ ﻗﺎﻧون ﺗوزﻳﻊ اﺣﺗﻣﺎﻻت اذا ﺗﺣﻘق اﻟﺷرطﻳن اﻟﺗﺎﻟﻳﻳن‪:‬‬
‫‪1-‬‬ ‫‪R‬‬
‫‪2-‬‬
‫من الواضح أن الشرط األول محقق وللبرھان عن الشرط الثاني نجد أن‬
‫=‪t‬‬ ‫ﻟﺣﺳﺎب اﻟﺗﻛﺎﻣﻝ ﻧﺟري اﻟﺗﺣوﻳﻝ اﻟﺗﺎﻟﻲ‬
‫‪x=t‬‬ ‫=‪dx‬‬
‫و‬ ‫ﻧﺟد أن ﺣدود اﻟﺗﻛﺎﻣﻝ ﺗﺑﻘﻰ ﻛﻣﺎ ﻫﻲ‬
‫ﻧﺑذﻝ ﻫذﻩ اﻟﻣﻌطﻳﺎت ﻓﻲ اﻟﺗﻛﺎﻣﻝ اﻟﺳﺎﺑق ﻓﻧﺟد أن‬
‫=‬
‫وذﻟك ﻷن‬
‫‪- 83 -‬‬
‫اﻟﻣﻣﻳزات اﻟﻌددﻳﺔ‬
‫ان اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻣﺗﺣوﻝ ‪ X‬ﺧﺎﺿﻊ ﻟﻠﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ﻣﻌرف ﻛﻣﺎ ﻳﻠﻲ‬
‫=)‪E(X‬‬
‫=‪t‬‬ ‫ﻟﺣﺳﺎب اﻟﺗﻛﺎﻣﻝ ﻧﺟري اﻟﺗﺣوﻳﻝ اﻟﺗﺎﻟﻲ‬
‫=‪x‬‬ ‫=‪dx‬‬
‫و‬ ‫ﻧﺟد أن ﺣدود اﻟﺗﻛﺎﻣﻝ ﺗﺑﻘﻰ ﻛﻣﺎ ﻫﻲ‬
‫ﻧﺑذﻝ ﻫذﻩ اﻟﻣﻌطﻳﺎت ﻓﻲ اﻟﺗﻛﺎﻣﻝ اﻟﺳﺎﺑق ﻓﻧﺟد أن‬
‫=‬
‫=)‪E(X‬‬ ‫=‬ ‫‪+‬‬
‫اﻟداﺧﻝ ﻓﻲ‬ ‫أي أن اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ ﻟﻠﻣﺗﺣوﻝ ‪ X‬اﻟﺧﺎﺿﻊ ﻟﻠﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ﻣﺎ ﻫو إﻻ‬
‫ﺗﻌرﻳف‬
‫اﻟﺗﺑﺎﻳن‬
‫=‪t‬‬ ‫وﺑﺈﺟراء اﻟﺗﺣوﻳﻝ اﻟﺗﺎﻟﻲ‬
‫‪x=t‬‬ ‫=‪dx‬‬
‫‪- 84 -‬‬
‫‪ .‬ﻧﺑذﻝ ﻫذﻩ اﻟﻣﻌطﻳﺎت ﻓﻲ اﻟﺗﻛﺎﻣﻝ اﻟﺳﺎﺑق ﻓﻧﺟد أن‬ ‫و‬ ‫ﻧﺟد أن ﺣدود اﻟﺗﻛﺎﻣﻝ ﺗﺑﻘﻰ ﻛﻣﺎ ﻫﻲ‬
‫‪u=t du =dt‬‬ ‫وﻧﻔرض أن‬ ‫ﻧﺳﺗﻌﻣﻝ اﻟﺗﻛﺎﻣﻝ ﺑﺎﻟﺗﺟزﺋﺔ‬
‫‪v=-‬‬ ‫=‪dv‬‬ ‫‪t‬‬
‫وﻳﺻﺑﺢ اﻟﺗﺑﺎﻳن ﻣﺳﺎوﻳﺎ‬
‫=‬ ‫=‬
‫اﻟداﺧﻝ ﻓﻲ‬ ‫أي أن اﻟﺗﺑﺎﻳن ﻟﻠﻣﺗﺣوﻝ ‪ X‬اﻟﺧﺎﺿﻊ ﻟﻠﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ﻣﺎ ﻫو إﻻ اﻟﺗﺑﺎﻳن‬
‫ﺗﻌرﻳﻔﻪ‪.‬‬
‫اﻟﻌزوم اﻻﺑﺗداﺋﻳﺔ ﻝ‪ X‬اﻟطﺑﻳﻌﻲ‪:‬‬
‫ﻧﻼﺣظ أن اﻟﻌزم اﻻﺑﺗداﺋﻲ ﻣن اﻟدرﺟﺔ اﻻوﻟﻰ ﻫو اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‪.‬‬
‫اﻟﻌزوم اﻟﻣرﻛزﻳﺔ ﻝ‪ X‬اﻟطﺑﻳﻌﻲ‬
‫اﻟﻌزم اﻟﻣرﻛزي ﻝ‪ X‬ﻣن اﻟﻣرﺗﺑﺔ ‪ s‬ﻳﺳﺎوي‪:‬‬
‫‪- 85 -‬‬
‫ﻳﻣﻛﻧﻧﺎ ﻣن ﻫذﻩ اﻟﻌﻼﻗﺔ ﺣﺳﺎب ﺟﻣﻳﻊ اﻟﻌزوم اﻟﻣرﻛزﻳﺔ‪.‬‬
‫ﻋن اﻟﻌﺎﻣﻠﻲ اﻟﻔردي ﻝ )‪ (s-1‬أي ﺟداء اﻷﻋداد اﻟﻔردﻳﺔ ﻣن ‪ 1‬إﻟﻰ )‪(s-1‬‬
‫‪9 !!=9‬‬ ‫ﻣﺛﻼ‬
‫ﻧﺟد ﻣﺛﻼ‬ ‫و‬ ‫اﻧطﻼﻗﺎ ﻣن ‪= 1‬‬
‫‪ ‬‬
‫;‬
‫;‬
‫إن ﺟﻣﻳﻊ اﻟﻌزوم اﻟﻣرﻛزﻳﺔ ﻣن اﻟدرﺟﺔ اﻟﻔردﻳﺔ ﺗﺳﺎوي اﻟﺻﻔر‪.‬‬
‫ﻧﻼﺣظ أن اﻟﻌزم اﻟﻣرﻛزي ﻣن اﻟدرﺟﺔ اﻟﺛﺎﻧﻳﺔ ﻫو اﻟﺗﺑﺎﻳن‪.‬‬
‫ﻣﻘﺎﻳﻳس اﻟﺷﻛﻝ‪ :‬ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪(K‬واﻟﺗطﺎوﻝ )‪(L‬‬
‫اﻟﺗوزﻳﻊ ﻏﻳر ﻣﻠﺗو ﻻ ﻳﻣﻳن وﻻ ﻳﺳﺎر ﻧظ ار ﻟﺗﻧﺎطر اﻟﺗوزﻳﻊ ﺣوﻝ‪µ‬‬
‫=‪K‬‬
‫=‪L‬‬ ‫‪-3 = 0‬‬
‫اﻟﺗوزﻳﻊ ﻣﻌﺗدﻝ‪ :‬ﻻ طوﻳﻝ وﻻ ﻗﺻﻳر ﻳﻌﻧﻲ ﻻ ﻣﺗطﺎوﻝ وﻻ ﻣﺗﻔرطﺢ‪.‬‬
‫كيفية حساب االحتماالت‬

‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ﻓﻲ ﺣﺎﻟﺔ ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ ﻧﺳﺗطﻳﻊ اﺳﺗﻌﻣﺎﻝ ﺗﺎﺑﻊ‬
‫اﻻﺣﺗﻣﺎﻻت ﻟﻠﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ )ﺗﻛﺎﻣﻝ داﻟﺔ اﻟﻛﺛﺎﻓﺔ( ﺗﻛﺗب ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪- 86 -‬‬
‫وﻟﻛن ﻧﻼﺣظ أن ﺣﺳﺎب ﻫذا اﻟﺗﻛﺎﻣﻝ ﺷﺎق‪ ،‬وﺻﻌب‪ .‬ﻧﺧﺗﺎر اﻻﻋﺗﻣﺎد ﻋﻠﻰ اﻟطرﻳﻘﺔ اﻟﺛﺎﻧﻳﺔ اﻟﻣﺑﻧﻳﺔ‬
‫ﻳﺣددان‬ ‫و اﻟﺗﺑﺎﻳن‬ ‫ﻋﻠﻰ ﻗراءة اﻻﺣﺗﻣﺎﻻت ﻓﻲ اﻟﺟدوﻝ اﻟﺗﻲ أﻋد اﻟﺑﺎﺣﺛون‪ .‬ﺑﻣﺎ أن اﻟوﺳط‬
‫‪.‬ﺑﻣﺎ أن ﻻ‬ ‫و‬ ‫اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻓﺈن اﻻﺣﺗﻣﺎﻝ) ﻳﻌﻧﻲ اﻟﻣﺳﺎﺣﺔ ﻓﻲ ﻣﺟﺎﻝ ﻣﻌﻳن( ﻳﻌﺗﻣد ﻋﻠﻰ‬
‫ﻓﺄﻋد اﻟﺑﺎﺣﺛون ﺟدوﻝ ﺧﺎص ﺑﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻣﺗﻐﻳر‬ ‫و‬ ‫ﻳﻣﻛن وﺿﻊ ﺟداوﻝ ﻟﺟﻣﻳﻊ ﻗﻳم‬
‫ﻟﺟﺄ اﻹﺣﺻﺎﺋﻳون اﻟﻰ ﻋﻣﻝ‬ ‫ﻋﺷواﺋﻲ ﻣوﺟب‪ T‬ﻳﺗﺑﻊ ﻗﺎﻧون طﺑﻳﻌﻲ ﻣﻌﻳﺎري‬
‫ﺗﺣوﻳﻝ رﻳﺎﺿﻲ‪ .‬ﻻﺳﺗﻌﻣﺎﻝ اﻟﺟدوﻝ ﻳﺟب اﻻﻧﺗﻘﺎﻝ ﻣن اﻟﻘﺎﻧون اﻟطﺑﻳﻌﻲ اﻟﻌﺎم اﻟﻰ اﻟﻘﺎﻧون اﻟطﺑﻳﻌﻲ‬
‫=‪.T‬‬ ‫اﻟﻣﻌﻳﺎري‪ .‬ﻳﺗم ﺑﺎﺳﺗﺧدام اﻟﻣﺗﻐﻳر اﻟﻣﻌﻳﺎري‪:‬‬
‫ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري )‪(Loi normale centrée réduite‬‬
‫ﻟذﻟك ﻳرﻣز ﻟﻪ ﻋﺎدة‬ ‫‪=1‬‬ ‫و‬ ‫ﻫو ﺣﺎﻟﺔ ﺧﺎﺻﺔ ﻣن اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ﻳﻛون ﻓﻳﻬﺎ ‪=0‬‬
‫ﺑﺎﻟرﻣز‬
‫)‪ t ~ N ( 0,1‬و ﻧﻘوﻝ أن ‪ T‬اﻟﻣﺗﻐﻳر اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ ﻣﻌﻳﺎري ‪ ،‬و ﻟﻪ داﻟﺔ‬
‫ﻛﺛﺎﻓﺔ ﺗﺄﺧذ اﻟﺻورة اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪t‬‬
‫‪‬‬ ‫‪R‬‬
‫وﻣن اﻟواﺿﺢ أن ﻫذا اﻟﺗوزﻳﻊ ﻳﺗﻣﺗﻊ ﺑﺟﻣﻳﻊ اﻟﺧواص اﻟذي ﻳﺗﻣﺗﻊ ﺑﻬﺎ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم‪ .‬ﻟﻠﺗوﺿﻳﺢ‬
‫ﻧذﻛر ﻣﻧﻬﺎ ﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪1-‬‬ ‫‪R‬‬
‫‪2-‬‬
‫‪3-‬‬
‫= )‪4- V(t‬‬ ‫‪1‬‬
‫‪5-‬‬
‫‪6- K=0 , L=0‬‬
‫=)‪7- F(T‬‬ ‫‪, F(-‬‬ ‫‪, F(+‬‬
‫‪- 87 -‬‬
‫ﻛﻳﻔﻳﺔ اﻟﺣﺻوﻝ ﻋﻠﻰ اﻻﺣﺗﻣﺎﻻت ﻟﻣﺗﺣوﻻت اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم ﺑﺎﺳﺗﻌﻣﺎﻝ ﺟدوﻝ اﻟﺗوزﻳﻊ‬
‫اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري‪.‬‬
‫ﻟﻧﻔﺗرض أن ‪ X‬ﺧﺎﺿﻌﺎ ﻟﻘﺎﻧون اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻌﺎم‪ ،‬ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت اﻟﻣﺧﺗﻠﻔﺔ ﻝ‪ X‬اﻟﻣرﺣﻠﺔ‬
‫=‪. t‬‬ ‫اﻻوﻟﻰ ﻫﻲ ﻣرﺣﻠﺔ ﺗﺑدﻳﻝ أو ﺗﺣوﻳﻝ اﻟﻣﺗﻐﻳر ﻳﻌﻧﻲ اﻻﻧﺗﻘﺎﻝ ﻣن‪ X‬اﻟﻰ ‪ T‬ﺣﻳث‬
‫)‪ .F(t) =P(T ≤ t‬ﺳﻧﺳﺗﺧدم اﻟﺟدوﻝ اﻻﺣﺗﻣﺎﻟﻲ اﻟﺧﺎص ب )‪F(t‬‬ ‫‪ .‬ﻧﻌﻠم أن‬
‫ﺣﻳث ‪ t‬ﻣوﺟب‪ .‬ﻳﻌطﻲ اﻟﻣﺳﺎﺣﺔ )‪ F(t‬اﻟﻣوﺟودة ﻋﻠﻰ ﻳﺳﺎر‪. t‬‬
‫‪ -1‬ﳊﺴﺎب )‪ P(T=t‬ﲟﺎ أن اﻻﺣﺘﻤﺎل ﻋﺒﺎرة ﻋﻦ ﻣﺴﺎﺣﺔ ﻫﺬا اﻻﺣﺘﻤﺎل ﻳﺴﺎوي اﻟﺼﻔﺮ ﺑﺼﻔﺔ ﻋﺎﻣﺔ‬
‫ﻣﻬﻤﺎ ﻛﺎﻧﺖ ﻗﻴﻤﺔ ‪t‬‬
‫‪P(T=t)=0.‬‬
‫‪ -2‬ﳊﺴﺎب )‪P(T ≤ t‬ﺣﻴﺚ ‪ t‬ﻣﻮﺟﺐ‬
‫ﻧﺴﺘﻌﻤﻞ ﻣﺒﺎﺷﺮة ﺟﺪول ﺗﺎﺑﻊ اﻻﺣﺘﻤﺎﻻت ﻟﻘﺮاءة ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل‪.‬‬
‫)‪P(T ≤ t)=F(t‬‬
‫‪P(T‬‬ ‫‪ -3‬ﳊﺴﺎب)‪t‬‬
‫‪- 88 -‬‬
‫ﻧﻌﻠﻢ أن اﳌﺴﺎﺣﺔ اﻟﻜﻠﻴﺔ ﺗﺴﺎوي اﻟﻮاﺣﺪ ﺣﻴﺚ أن ‪:‬‬
‫‪P(T‬‬ ‫‪t) +P(T≤t)= 1‬‬

‫‪P(T‬‬ ‫)‪t) = 1- P(T≤t‬‬
‫‪P(T‬‬ ‫)‪t) = 1- F(t‬‬
‫‪ -4‬ﳊﺴﺎب )‪P(T ≤ -t‬‬
‫ﻧﺴﺘﻌﻤﻞ ﺧﺎﺻﻴﺔ اﻟﺘﻨﺎﻇﺮ ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﺣﻴﺚ‬
‫‪P(T ≤ -t) = P(T‬‬ ‫)‪t‬‬
‫)‪P(T ≤ -t) = 1- F(t‬‬
‫‪. P(T‬‬ ‫‪ -5.‬ﳊﺴﺎب)‪t‬‬
‫‪- 89 -‬‬
‫=‬
‫‪P(T‬‬ ‫‪t)= 1-P(T≤ -t)=1-‬‬
‫‪P(T‬‬ ‫= )‪t‬‬
‫‪ -6‬ﳊﺴﺎب‬
‫‪ -7‬ﳊﺴﺎب‬
‫=‬
‫‪- 90 -‬‬
‫)‪P(-t ≤ T ≤ t‬‬ ‫‪ 8-‬ﳊﺴﺎب‬
‫‪P (-t ≤ T ≤ t)=F(t)-F(-t)=F(t)-‬‬ ‫‪=F(t)-1+F(t)=2F(t)-1‬‬
‫‪P (-t ≤ T ≤ t) = 2F(t)-1‬‬
‫‪- 91 -‬‬
‫‪ -9-‬ﳊﺴﺎب )‪P(0 ≤ T ≤ t‬‬
‫)‪P(0 ≤ T ≤ t)= F(t)-F(0‬‬
‫‪10-‬ﳊﺴﺎب)‪P(-t ≤ T ≤ 0‬‬
‫ﻧﺴﺘﻌﻤﻞ ﺧﺎﺻﻴﺔ اﻟﺘﻨﺎﻇﺮ ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﺣﻴﺚ‬
‫)‪P(0 ≤ T ≤ t)= P(-t ≤ T ≤ 0‬‬
‫)‪P(-t ≤ T ≤ 0)= F(t)-F(0‬‬
‫‪ ‬إذا ﻛﺎن اﻟﻣﺗﻐﻳر ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ )‪ X ~ N(75, 5‬‬
‫‪‬ﻣﺎ ﻫﻲ ﺧطوات ﺣﺳﺎب ) ‪P(x1 < x< x2‬؟‬
‫(‪P(X 82)،P(X 82) P‬‬ ‫‪ -2‬أﺣﺳب ) ‪0) , P(65< x< 85‬‬
‫‪- 92 -‬‬
‫‪P (X‬‬ ‫‪3‬‬
‫(‪P‬‬ ‫‪-4‬أوﺟد ﻗﻳﻣﺔ ‪ x‬ﺣﻳث‬
‫‪ -1‬ﺑﻣﺎ أن اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ ﻣن اﻟﺗوزﻳﻌﺎت اﻟﻣﺳﺗﻣرة ﻫذا اﻻﺣﺗﻣﺎﻝ ﻋﺑﺎرة ﻋن اﻟﻣﺳﺎﺣﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫ﻓﺈن ﻫذﻩ اﻟﻣﺳﺎﺣﺔ ﺗﺣﺳب ﺑﺈﻳﺟﺎد ﺗﻛﺎﻣﻝ داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫ﻟﻠﻘﺎﻧون اﻟطﺑﻳﻌﻲ‬ ‫‪ T‬ﻻﺳﺗﻌﻣﺎﻝ ﺟدوﻝ ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت‬ ‫=‬ ‫ﻧﺳﺗﺧدم اﻟﻣﺗﻐﻳر اﻟﻣﻌﻳﺎري‬
‫اﻟﻣﻌﻳﺎري‪:‬‬
‫ﺣﻳث )‪F(t) = P(T ≤ t‬‬
‫‪ -‬ﻳﺗم ﺗﺣوﻳﻝ اﻟﻘﻳم اﻟطﺑﻳﻌﻳﺔ )‪ (x1, x2‬إﻟﻰ ﻗﻳم طﺑﻳﻌﻳﺔ ﻣﻌﻳﺎرﻳﺔ‪:‬‬

‫=‬
‫=‬
‫‪-‬و ﻣن ﺛم ﻳﺗم ﺗﻛوﻳن اﻻﺣﺗﻣﺎﻝ ‪:‬‬
‫‪- 93 -‬‬
‫‪ -‬ﻧﺳﺗﺧدم ﺟدوﻝ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري ﻟﻘراءة اﻻﺣﺗﻣﺎﻝ اﻟﻣﻘﺎﺑﻝ ﺣﻳث‪:‬‬
‫)‪2‬‬ ‫=‬ ‫=‬ ‫‪= -2‬‬
‫=‬
‫(‪P(65< x< 85) = P‬‬ ‫=)‬
‫‪P(-2‬‬
‫‪F (2) -‬‬ ‫‪=2F(2)-1 =2(0,9772)-1=0,9544‬‬
‫‪P(65< x< 85)= P(-2‬‬ ‫‪0,9544‬‬
‫(‪3)P‬‬ ‫‪0)=P(-10 X-75‬‬
‫‪P(75-10‬‬
‫(‪P‬‬ ‫= )‪0‬‬
‫‪P (X‬‬
‫‪t=0,94‬‬ ‫‪=0,94‬‬
‫(‪P‬‬
‫(‪P‬‬ ‫(‪P‬‬
‫‪=2‬‬
‫‪- 94 -‬‬
‫‪1‬إذا ﻛﺎن ‪ T‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻳﺗﺑﻊ ﻗﺎﻧون طﺑﻳﻌﻲ ﻣﻌﻳﺎري‪ .‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‬
‫ﺑﺎﺳﺗﻌﻣﺎﻝ‪ ،‬ﺧﺻﺎﺋص اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ وﺟدوﻝ ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻠﻘﺎﻧون اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري‪.‬‬
‫‪P(T‬‬ ‫‪) -1‬‬
‫‪P(T‬‬ ‫‪-2‬‬
‫‪P(T‬‬ ‫‪) -3‬‬
‫‪P(T‬‬ ‫‪-4‬‬
‫‪P(T‬‬
‫‪1- P(T‬‬ ‫‪) =0‬‬

‫‪2- P(T‬‬
‫‪3- P(T‬‬ ‫‪) =1-‬‬
‫‪4-P(T‬‬ ‫‪P(T‬‬ ‫=‬
‫‪5- P(T‬‬ ‫‪=1-‬‬
‫ﺑﺎﺳﺗﻌﻣﺎﻝ ﺟدوﻝ ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ﻟﻠﻘﺎﻧون اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري أﺣﺳب‪:‬‬
‫‪P(0 ≤ T ≤ 1) (1‬‬
‫‪P(-1 ≤ T ≤ 1) (2‬‬
‫=)‪P(0 ≤ T ≤ 1)=F(1)-F(0‬‬ ‫‪-0,5=0,3413‬‬
‫‪P(0 ≤ T ≤ 1)= 0,3413‬‬
‫=)‪P(-1 ≤ T ≤ 1)= F(1)-F(-1‬‬

‫=)‪P(-1 ≤ T ≤ 1‬‬
‫‪- 95 -‬‬
‫اﻟﺗطﺑﻳق ‪:4‬‬
‫إذا ﻛﺎن وزن ‪ 80000‬طﺎﻟب ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ‪ ،‬ﺣﻳث‪ µ=65:‬وتبيانه‪= 4‬‬
‫‪ -1‬ما ھو عدد الطالب ‪ N1‬الذين يتراوح وزنھم ما بين ‪ 63‬و‪ 67‬كغ؟‬
‫‪ -2‬ما ھو عدد الطالب‪ N2‬الذين يتراوح وزنھم ما بين ‪ 61‬و‪ 69‬كغ؟‬
‫‪ -3‬ما ھو عدد الطالب ‪ N3‬الذين يتراوح وزنھم ما بين ‪ 59‬و‪ 71‬كغ؟‬
‫‪µ+‬‬ ‫‪ µ-‬و‬ ‫‪ -1‬نعلم أن‬
‫‪ ( -‬ﺗﺳﺎوي ‪ 68,27%‬ﻣن اﻟﻣﺳﺎﺣﺔ‬ ‫نعلم كذلك أن اﻟﻣﺳﺎﺣﺔ اﻟواﻗﻌﺔ ﻋﻠﻰ اﻟﻔﺗرة‬
‫=‪N1‬‬ ‫اﻟﻛﻠﻳﺔ ﻳﻌﻧﻲ أن ‪= 54616‬‬
‫‪µ+‬‬ ‫‪ µ-‬و‬ ‫‪ -2‬نعلم أن‬
‫( ﺗﺳﺎوي ‪ 95,45%‬ﻣن‬ ‫‪-‬‬ ‫نعلم كذلك أن اﻟﻣﺳﺎﺣﺔ اﻟواﻗﻌﺔ ﻋﻠﻰ اﻟﻔﺗرة‬
‫=‪N2‬‬ ‫اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﻳﺔ ﻳﻌﻧﻲ أن ‪= 76360‬‬
‫‪µ+‬‬ ‫‪ µ-‬و‬ ‫‪ -3‬نعلم أن‬
‫( ﺗﺳﺎوي ‪ 99,73%‬ﻣن‬ ‫‪-‬‬ ‫نعلم كذلك أن اﻟﻣﺳﺎﺣﺔ اﻟواﻗﻌﺔ ﻋﻠﻰ اﻟﻔﺗرة‬
‫=‪N3‬‬ ‫اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﻳﺔ ﻳﻌﻧﻲ أن ‪=79784‬‬
‫إذا ﻛﺎن اﻟدﺧﻝ اﻟﺷﻬري ﻟﻸﺳرة ﻓﻲ ﻣدﻳﻧﺔ ﻣﻌﻳﻧﺔ ﻳﺗﺑﻊ ﺗوزﻳﻊ طﺑﻳﻌﻲ ﻣﺗوﺳطﻪ ‪ 60‬أﻟف دﻳﻧﺎر‪ ،‬وﺗﺑﺎﻳﻧﻪ‬
‫‪900‬اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ داﻟﺔ ﻛﺛﺎﻓﺔ اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ‪.‬‬
‫‪-2‬ﻣﺎ ﻫﻲ ﻧﺳﺑﺔ اﻷﺳر اﻟﺗﻲ ﻳﻘﻝ دﺧﻠﻬﺎ ﻋن ‪ 30‬أﻟف دﻳﻧﺎر ؟‬
‫ﻟﻳﻛن ‪ x‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﻌﺑر ﻋن اﻟدﺧﻝ اﻟﺷﻬري ‪ ،‬وﻫو ﻳﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ‪،‬‬
‫‪= 30‬‬ ‫= )‪ V(x‬وﻣﻧﻪ‬ ‫و تبيانه ‪= 900‬‬ ‫‪µ=60‬‬ ‫ﺣﻳث‬
‫)‪X ~ N(60, 30‬‬ ‫و ﻣﻧﻪ ﻧﻛﺗب‬
‫‪ -1‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ‬
‫‪- 96 -‬‬
‫‪‬‬ ‫‪x‬‬
‫‪x‬‬
‫‪ -2‬ﻧﺳﺑﺔ اﻷﺳر اﻟﺗﻲ ﻳﻘﻝ دﺧﻠﻬﺎ ﻋن ‪ 30‬أﻟف دﻳﻧﺎر‪:‬‬

‫‪P(X‬‬
‫ﻓﻲ اﻟﺟدوﻝ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري ﻧﺟد‬ ‫وﺑﺎﺳﺗﺧدام ﺧﺎﺻﻳﺔ اﻟﺗﻧﺎظر واﻟﺑﺣث ﻋن ﻗﻳﻣﺔ‬
‫‪P(X‬‬
‫‪P(X‬‬
‫=‬ ‫‪= 0 ,1587‬‬
‫ﺗوزﻳﻊ ﻏﺎﻣﺎ ‪Γ( ,n) Loi Gamma‬‬ ‫‪.IV‬‬
‫ﻧﻘوﻝ ﻋن ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣوﺟب أﻧﻪ ﻳﺗﺑﻊ ﻗﺎﻧون ﺗوزﻳﻊ اﺣﺗﻣﺎﻟﻲ ﻟﻐﺎﻣﺎ إذا ﻛﺎﻧت داﻟﺔ ﻛﺛﺎﻓﺗﻪ )‪ f(x‬ﻣن‬
‫اﻟﺷﻛﻝ اﻟﺛﺎﻧﻲ‪:‬‬
‫ﺣﻳث !)‪Γ(n) = (n-1‬‬
‫= )‪Γ(n‬‬
‫ﺣﻳث‪n > 0‬‬
‫‪> 0‬‬
‫‪- 97 -‬‬
‫و ﺗﺗﻣﻳز اﻟداﻟﺔ اﻟرﻳﺎﺿﻳﺔ ) ‪ Γ(n‬ﺑﺟﻣﻠﺔ ﻣن اﻟﺧﺻﺎﺋص اﻟرﻳﺎﺿﻳﺔ‪:‬‬
‫‪-‬‬ ‫! )‪n  N : Γ(n) = (n-1‬‬

‫)‪- n>1: Γ(n) = (n-1)Γ(n-1‬‬
‫= )‪- Γ(1‬‬ ‫=‬
‫= )‪- Γ(1/2‬‬
‫اﻟﻣﻣﻳزات اﻟﻌددﻳﺔ‪:‬‬
‫=‬
‫=‪y‬‬ ‫=‪x‬‬ ‫=‪dx‬‬
‫! )‪Γ(n) = (n-1‬‬
‫=)‪E(x‬‬ ‫=‬
‫=)‪E(x‬‬
‫= )‪V(x‬‬
‫=‬
‫=‬
‫= )‪V(x‬‬ ‫=‬
‫‪- 98 -‬‬
‫=)‪V(x‬‬
‫أﺣﺳب ﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪,‬‬
‫‪Γ(3,5),‬‬ ‫)‪Γ(5‬‬
‫‪Γ(6) = (6-1) ! = 5 ! =120‬‬

‫‪Γ(4) = (4-1) ! = 3 ! = 6‬‬
‫)‪Γ(3,5) = (2,5) (1,5) (0,5‬‬
‫‪Γ(5) = (5-1) ! = 4 ! = 24‬‬
‫ﻣﻼﺣظﺔ ‪ :‬اﻟﺗوزﻳﻊ اﻷﺳﻲ ﻫو ﺣﺎﻟﺔ ﺧﺎﺻﺔ ﻣن ﺗوزﻳﻊ ﻗﺎﻣﺎ ﻋﻧدﻣﺎ ‪n = 1‬‬
‫~‪X‬‬ ‫ﺗوزﻳﻊ ﺑﻳﺗﺎ ‪(m, n) Loi Bêta‬‬ ‫‪.V‬‬
‫ﻳﺟد ﺗوزﻳﻊ ﺑﻳﺗﺎ ﺗطﺑﻳﻘﺎت ﻋدﻳدة‪ ،‬ﺧﺎﺻﺔ ﻓﻲ ﻣﺳﺎﺋﻝ اﻟﺗﺧطﻳط اﻟﺷﺑﻛﻲ‪.‬‬
‫اﺳم داﻟﺔ اﻟﻛﺛﺎﻓﺔ ﺑﻳﺗﺎ ﻣﺷﺗق ﻣن اﺳم اﻟداﻟﺔ اﻟرﻳﺎﺿﻳﺔ ﺑﻳﺗﺎ ‪(Fonction eulérienne Bêta),‬‬
‫اﻟﺗﻲ ﺗظﻬر ﻓﻲ ﻗﺎﻧون اﻟﺗوزﻳﻊ اﻻﺣﺗﻣﺎﻟﻲ ﺑﻳﺗﺎ‪.‬‬
‫اﻟداﻟﺔ اﻟرﻳﺎﺿﻳﺔ ﺑﻳﺗﺎ ﻣﻌرﻓﺔ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪x‬‬ ‫‪m,n‬‬
‫‪- 99 -‬‬
‫ﺗﻣﺗﺎز ﻫذﻩ اﻟداﻟﺔ ﺑﺎﻟﺧﺻﺎﺋص اﻟﻬﺎﻣﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪1-‬‬
‫‪2-‬‬
‫‪3-‬‬
‫‪4-‬‬
‫‪5-‬‬
‫ﻧﻘوﻝ ﻋن ﻣﺗﻐﻳر ﻋﺷواﺋﻲ أﻧﻪ ﻳﺗﺑﻊ ﻗﺎﻧون ﺑﻳﺗﺎ إذا ﻛﺎﻧت داﻟﺔ ﻛﺛﺎﻓﺗﻪ ﻣﻌرﻓﺔ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫=)‪f(x‬‬ ‫‪x‬‬ ‫‪m,n‬‬
‫=)‪f(x‬‬ ‫‪x‬‬ ‫‪m,n‬‬
‫ﻳﻌﺗﻣد اﻟﺗوزﻳﻊ ﻋﻠﻰ اﻟﻣﻌﺎﻟم ‪ m‬و ‪ . n‬ﻳﺧﺗﻠف ﺷﻛﻝ اﻟﻣﻧﺣﻧﻰ ﺣﺳب ﻗﻳم اﻟﻣﻌﺎﻟم ‪ m‬و ‪. n‬‬
‫ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت )‪: F(X‬‬
‫‪F(X) =P(X‬‬ ‫‪/‬‬ ‫‪x‬‬
‫‪X‬‬ ‫‪ F(X)=0‬ﻟﻛﻝ‬
‫‪X‬‬ ‫‪ F(X)=1‬ﻟﻛﻝ‬
‫‪- 100 -‬‬

‫اﻟﻣﻣﻳزات اﻟﻌددﻳﺔ‪:‬‬
‫=‬
‫‪1‬‬ ‫‪,‬‬
‫‪,‬‬
‫وﺑﻧﻔس اﻷﺳﻠوب ﻳﻣﻛن إﻳﺟﺎد اﻟﺗﺑﺎﻳن وذﻟك ﻣن ﺧﻼﻝ ﺣﺳﺎب‪:‬‬
‫= )‪V(x‬‬
‫=‬
‫‪2‬‬ ‫‪,‬‬
‫‪,‬‬
‫و ﺑذﻟك ﻧﺣﺻﻝ ﻋﻠﻰ‪:‬‬
‫= )‪V(x‬‬ ‫=‬
‫‪- 101 -‬‬

‫أﺣﺳب ﻣﺎ ﻳﻠﻲ‪:‬‬
‫=‬ ‫=‬ ‫=‬
‫=‬
‫=‬ ‫=‬ ‫=‬
‫==‬ ‫=‬
‫ليكن متغير عشوائي مستمر يتوزع وفق قانون بيتا بدالة كثافة معرفة كما يلي‪:‬‬
‫)‪f(x‬‬
‫‪-1‬أوجد قيمة ‪a‬‬

‫‪-2‬أوجد التوقع الرياضي والتباين‪.‬‬
‫‪ -1‬نعلم أن قانون ﺑﻳﺗﺎ ﻣﻌرف ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫بالمطابقة نالحظ أن ‪ m-1= 5‬و ‪n-1= 3‬‬
‫)‪f(x‬‬ ‫‪x‬‬ ‫‪6,4‬‬
‫=‪a‬‬
‫=‬
‫=‪a‬‬
‫=‪a‬‬
‫‪- 102 -‬‬

‫دالة الكثافة معرفة كما يلي‪:‬‬
‫‪2-‬‬
‫= )‪E(X‬‬ ‫=‬ ‫‪= 0,6‬‬
‫= )‪V(x‬‬ ‫=‬
‫= )‪V(x‬‬
‫ﺗوزﻳﻊ ﻛﻲ ﻣرﺑﻊ‪X ~ χ²n Loi Khi-carré‬‬ ‫‪.VI‬‬
‫ﻳﻌﺗﺑر ﺗوزﻳﻊ ﻛﻲ‪ 2‬ﻣن أﻛﺛر اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﺳﺗﺧداﻣﺎ ﻓﻲ ﻣﺟﺎﻝ ﺗﻘدﻳر اﻟﻣؤﺷرات اﻹﺣﺻﺎﺋﻳﺔ‬
‫وﻧظرﻳﺔ اﻻﺧﺗﺑﺎر اﻟﻔروض ﺑﺄﻧواﻋﻬﺎ‪ ،‬وﻳﻣﻛن ﺗﻌرﻳﻔﻪ ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫ﻟﺗﻛن ‪ ، X1, X2, . . . Xn‬ﻣﺗﻐﻳرات ﻋﺷواﺋﻳﺔ ﻣﺳﺗﻘﻠﺔ ﻛﻝ ﻣﻧﻬﺎ ﺗﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري‬
‫)‪ .(µ = 0, σ =1‬اﻟﻣﺗﻐﻳرة ‪ X = X1² + X2² + . . . + Xn²‬ﻟﻬﺎ داﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻟﺗﺎﻟﻳﺔ‪:‬‬
‫‪- 103 -‬‬

‫ﺣﻳث ‪ n‬ﻋددا ﺻﺣﻳﺣﺎ ﻣوﺟﺑﺎ ﻋﺑﺎرة ﻋن درﺟﺎت اﻟﺣرﻳﺔ‬

‫‪ : e‬ﻣﻘدار ﺛﺎﺑت و ﻫو أﺳﺎس اﻟﻠوﻏﺎرﻳﺗم اﻟطﺑﻳﻌﻲ ‪ Γ(n) e ≈ 2,7183.‬ﻫﻲ اﻟداﻟﺔ ﻗﺎﻣﺎ‪:‬‬
‫وﻧﻘوﻝ إن ‪ X‬ﺗﺗﺑﻊ اﻟﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﺑـ ‪ n‬درﺟﺔ ﺣرﻳﺔ‪.‬‬
‫ﻗﺎﻧون ﻛﻲ‪ 2‬ﻣرﺗﺑط إﻻ ﺑﺎﻟﻣﻌﻠﻣﺔ ‪ n‬ﻟﻬذا ﻻ ﻳﻘﺗﺻر ﻋﻠﻰ ﻣﻧﺣﻧﻰ واﺣد‪ .‬ﺷﻛﻝ ﻣﻧﺣﻧﻰ )‪ f(x‬ﻳﺧﺗﻠف‬
‫ﺣﺳب ﻗﻳﻣﺔ اﻟﺛﺎﺑت ‪ .n‬ﺣﻳث ﻛﻠﻣﺎ زادت درﺟﺎت اﻟﺣرﻳﺔ ﻛﻠﻣﺎ ﻳﻘﺗرب اﻟﺗوزﻳﻊ ﻣن اﻟﺗﻣﺎﺛﻝ‪.‬‬
‫إذا ﻛﺎﻧت ‪n =2‬‬
‫)‪f(x‬‬
‫‪n=1‬‬
‫‪0.25‬‬ ‫‪n=2n=1‬‬
‫‪n=3‬‬
‫‪n=6‬‬
‫‪n= 10‬‬
‫‪n = 15‬‬
‫‪x‬‬
‫‪0‬‬ ‫‪6‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪24‬‬
‫ﻧﻼﺣظ ﻣن اﻟﺷﻛﻝ اﻟﺑﻳﺎﻧﻲ أن ﻛﻠﻣﺎ زادت ﻗﻳﻣﺔ ‪ n‬ﻛﻠﻣﺎ اﺑﺗﻌد اﻟﻣﻧﺣﻧﻰ ﻋن اﻟﻣﺣور اﻟﻌﻣودي وأﺧذ‬
‫ﺷﻛﻼ ﺟراﺳﻳﺎ‪ .‬ﻋﻧد ‪ n‬ﻛﺑﻳر )‪ (n ≥ 30‬ﻓﺈن ‪ X‬ﺗﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري‪.‬‬
‫ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت ) ‪ F( X‬ﺗﻛﺗب ﻛﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪- 104 -‬‬

‫=‪.α‬‬ ‫داﻟﺔ اﻟﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﻫﻲ ﺣﺎﻟﺔ ﺧﺎﺻﺔ ﻣن ﺗوزﻳﻊ ﻗﺎﻣﺎ ﺑوﺿﻊ ‪, β = 2‬‬
‫ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن ﻓﻲ ﺣﺎﻟﺔ ﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﻳﺣﺳﺑﺎن ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﻳﺔ ‪:‬‬
‫‪E(X) = n‬‬
‫‪V(X) = 2 E(X) =2n‬‬
‫ﻧﻼﺣظ أن اﻟﺗﺑﺎﻳن ﻳﺳﺎوي ﺿﻌف اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ‪.‬‬

‫ﺑﺎﻟﻧﺳﺑﺔ ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت ﺗﻣﻛﻧﻧﺎ اﻟﺟداوﻝ اﻹﺣﺻﺎﺋﻳﺔ اﻟﺧﺎﺻﺔ ﺑﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﺑﺗﻌﻳن ﻧﻘطﺔ )ﻗﻳﻣﺔ‬
‫اﻟﻣﺗﻐﻳر( ﻛﻲ‪ 2‬ﻋﻠﻰ اﻟﻣﺣور اﻷﻓﻘﻲ )أﻧظر اﻟرﺳم اﻟﻣﻘﺎﺑﻝ( ﻣن ﺧﻼﻝ ‪ n‬ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ اﻟﻣﺳﺎﺣﺔ ‪p‬‬
‫ﻋﻠﻰ ﻳﺳﺎر ك‪ 2‬ﺗﺣت اﻟﻣﻧﺣﻧﻰ )‪ .(p = P(X ≤ χ²n;p‬وأﺣﻳﺎﻧﺎ ﺗﺣدد اﻟﻧﻘطﺔ ﻛﻲ‪ 2‬ﺑدﻻﻟﺔ اﻟﻣﺳﺎﺣﺔ‬
‫ﻋﻠﻰ ﻳﻣﻳﻧﻬﺎ )‪ (α = 1- p‬ﻟذﻟك ﻧﺟد ﻓﻲ ﻛﺗب اﻹﺣﺻﺎء ﻛﻝ ﻣن اﻟﻛﺗﺎﺑﺗﻳن‪ χ²p,n :‬و‪. χ²α,n‬‬
‫)‪f(x‬‬
‫‪p=1- α‬‬
‫‪α‬‬ ‫‪x‬‬
‫‪0‬‬
‫‪χ²p,n‬‬
‫ﻣﻘﺎﻳﻳس اﻟﺷﻛﻝ‪ :‬ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪(K‬واﻟﺗطﺎوﻝ )‪(L‬‬
‫=‪K‬‬
‫=‪L‬‬ ‫‪=3+‬‬
‫اﻟﺗوزﻳﻊ ﻣﺗطﺎوﻝ‬
‫ﻟﻳﻛن ‪ x‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﺑدرﺟﺔ ﺣرﻳﺔ ‪ n= 3‬أي ‪X ~ χ²3‬‬
‫‪ -‬أﻛﺗب داﻟﺔ ﻛﺛﺎﻓﺔ اﻟﺗوزﻳﻊ‬
‫‪ -‬أﺣﺳب ﻛﻝ ﻣن اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻟﺗﺑﺎﻳن‬
‫‪ -‬أوﺟد ﻗﻳﻣﺔ ‪ x‬اﻟﺗﻲ ﺗواﻓق اﻻﺣﺗﻣﺎﻝ ‪P(x≥ χ²3 )=0.05‬‬
‫‪- 105 -‬‬

‫اﻟﺣـﻝ‪:‬‬
‫‪ -‬داﻟﺔ ﻛﺛﺎﻓﺔ اﻟﺗوزﻳﻊ‬
‫‪ -‬اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻟﺗﺑﺎﻳن‪:‬‬

‫‪E(X) = n= 3‬‬ ‫‪V(X) = 2n = 2x3= 6‬‬
‫‪ -‬ﻧﺗﺣﺻﻝ ﻋﻠﻰ ﻗﻳﻣﺔ ‪ x‬اﻟﺗﻲ ﺗواﻓق اﻻﺣﺗﻣﺎﻝ ‪P(x≥ χ²3 )=0.05‬‬
‫ﻣن اﻟﺟدوﻝ اﻹﺣﺻﺎﺋﻲ‪x = 7.81 .‬‬
‫ﺗوزﻳﻊ ﺳﺗﻳودﻧت ‪.x ~ T(n) Loi de Student‬‬ ‫‪.VII‬‬

‫ﺗوزﻳﻊ ﺳﺗﻳودﻧت ذات اﺳﺗﺧدام واﺳﻊ ﻓﻲ اﻹﺣﺻﺎء اﻻﺳﺗدﻻﻟﻲ‪.‬‬
‫ﻟﺗﻛن اﻟﻣﺗﻐﻳرﺗﺎن اﻟﻌﺷواﺋﻳﺗﺎن اﻟﻣﺳﺗﻘﻠﺗﺎن ‪ Y‬و‪ X‬ﺣﻳث )‪ X~ N(0, 1‬و ‪ Y ~ χn²‬؛ اﻟﻣﺗﻐﻳرة‬
‫‪Y‬‬
‫‪T‬‬
‫ﺗﺗﺑﻊ ﺗوزﻳﻊ ﺳﺗﻳودﻧت اﻟذي ﻟﻪ داﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻟﺗﺎﻟﻳﺔ؛‬ ‫‪Z /‬‬
‫ﻳرﺗﺑط ﻗﺎﻧون ﺳﺗودﻧت ب ‪n‬‬
‫=)‪f(x‬‬
‫= )‪Γ(n‬‬ ‫‪n> 0‬‬ ‫ﺣﻳث‪:‬‬
‫‪.‬‬
‫‪- 106 -‬‬

‫)أ( ﺧﺼﺎﺋﺺ ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ )اﻟﺘﻮﻗﻊ اﻟﺮﻳﺎﺿﻲ واﻟﺘﺒﺎﻳﻦ(‪:‬‬
‫=‬
‫ﻓﻲ ﺣﺎﻟﺔ ‪ s‬ﻓردي‬
‫ﻓﻲ ‪ s‬زوﺟﻲ‬
‫ﺣﺎﻟﺔ‬
‫‪s=1‬‬ ‫‪=E(X) = 0‬‬
‫‪E(X) = 0‬‬
‫‪s=2‬‬ ‫=‬ ‫=‬
‫= )‪V(x‬‬
‫‪=0‬‬ ‫)‪V(x‬‬
‫= )‪V(X‬‬ ‫)‪si (n > 2‬‬
‫وﻳوﺿﺢ اﻟﺷﻛﻝ اﻟﻣواﻟﻲ ﺗدرج ﻣﻧﺣﻧﻰ ﺳﺗﻳودﻧت ﺣﺳب درﺟﺔ اﻟﺣرﻳﺔ‬
‫)‪f(t‬‬
‫طبيعي‬
‫‪0.4‬‬
‫‪n=4‬‬
‫‪n= 1‬‬
‫‪t‬‬
‫‪-4‬‬ ‫‪-3‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪- 107 -‬‬

‫ﻧﻼﺣظ أن ﻣﻧﺣﻧﻰ ‪ t‬ﻣﺗﻣﺎﺛﻝ ﺣوﻝ اﻟﻣﺗوﺳط ‪ 0‬ﻣﻣﺎ ﻳﻌﻧﻲ أن ﻟﻛﻝ ﻧﻘطﺔ ﻣوﺟﺑﺔ ‪ t‬ﻧﻘطﺔ ﻣﻧﺎظرة ﻟﻬﺎ‬
‫ﺳﺎﻟﺑﺔ ﺣﻳث اﻟﻣﺳﺎﺣﺔ ﺗﺣت اﻟﻣﻧﺣﻧﻰ ﻋﻠﻰ ﻳﻣﻳن ‪ t‬ﺗﺳﺎوي اﻟﻣﺳﺎﺣﺔ ﺗﺣت اﻟﻣﻧﺣﻧﻰ ﻋﻠﻲ ﻳﺳﺎر )‪.(–t‬‬
‫ﺗﻘﺗرب ﻣﻧﺣﻧﻰ )‪ f(t‬ﻣن اﻟﻣﻧﺣﻧﻰ اﻟطﺑﻳﻌﻲ اﻟﻣﻌﻳﺎري ﻛﻠﻣﺎ زادت ﻗﻳﻣﺔ ‪ . n‬ﻧﻌﺗﺑر أن اﻟﻣﻧﺣﻧﻳﺎن‬
‫ﻳﺗطﺎﺑﻘﺎن ﺗﻘرﻳﺑﺎ ﻋﻧد ‪.n ≥30‬‬
‫‪- 108 -‬‬

‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﺗوزﻳﻌﺎت اﻻﺣﺗﻣﺎﻟﻳﺔ اﻟﺷﻬﻳرة ﻟﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر‬
‫إذا ﻋﻠﻣت أن طﺎﻟب ﻣﺎ ﻳﻘطﻊ اﻟﻣﺳﺎﻓﺔ ﺑﻳن اﻟﺟﺎﻣﻌﺔ و اﻟﺑﻳت ﺧﻼﻝ ﻣدة ﺗﺗراوح ﺑﻳن ‪ 30‬و ‪40‬‬
‫دﻗﻳﻘﺔ‪.‬‬
‫‪ .2‬أن ﻳﻘطﻊ‬ ‫‪ .1‬اﺣﺗﻣﺎﻝ أن ﻳﻘطﻊ اﻟﻣﺳﺎﻓﺔ ﺑﻳن ‪ 32‬و ‪ 35‬دﻗﻳﻘﺔ‪.‬‬ ‫‪ -‬أﺣﺳب‪:‬‬
‫اﻟﻣﺳﺎﻓﺔ ﻓﻲ زﻣن ﻳﻘﻝ ﻋن ‪ 35‬دﻗﻳﻘﺔ‪.‬‬
‫أﺣﺳب اﻟزﻣن اﻟﻣﺗوﺳط اﻟذي ﻳﺳﺗﻐرﻗﻪ اﻟطﺎﻟب ﺑﻳن اﻟﺑﻳت و اﻟﺟﺎﻣﻌﺔ‪.‬‬ ‫‪-‬‬
‫ﻟﻳﻛن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻳﺗﺑﻊ اﻟﺗوزﻳﻊ اﻟﻣﻧﺗظم ﺣﻳث‪ E(x) = 6 :‬و ‪. V(x) = 12‬‬
‫‪ -‬أوﺟد داﻟﺔ اﻟﻛﺛﺎﻓﺔ و داﻟﺔ اﻟﺗوزﻳﻊ ) ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت(‪.‬‬
‫‪ -‬أﺣﺳب اﻻﺣﺗﻣﺎﻝ اﻟﺗﺎﻟﻲ‪P( ≤ x ≤12) :‬‬
‫إذا ﻋﻠﻣت أن اﻟﻔﺎﺻﻝ اﻟزﻣﻧﻲ ﻟﻣرور ﺣﺎﻓﻠﺗﻳن ﺑﻣﺣطﺔ ﻣﻌﻳﻧﺔ ﻳﺗﺑﻊ اﻟﺗوزﻳﻊ اﻷﺳﻲ ﺑﻣﻌﻠﻣﺔ ‪.λ=0.4‬‬
‫‪ -‬أوﺟد داﻟﺔ اﻟﻛﺛﺎﻓﺔ و ﺗﺎﺑﻊ اﻻﺣﺗﻣﺎﻻت‪.‬‬
‫‪ -‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﻳطوﻝ اﻟﻔﺎﺻﻝ اﻟزﻣﻧﻲ ﻟﻣرور اﻟﺣﺎﻓﻠﺗﻳن ﻋن دﻗﻳﻘﺗﻳن‪.‬‬
‫– أوﺟد اﻟﺗﺑﺎﻳن و اﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬ ‫‪ -‬أﺣﺳب اﻟﻣﺗوﺳط اﻟزﻣﻧﻲ ﻟﻣرور ﺣﺎﻓﻠﺗﻳن‪.‬‬
‫ﻳﺗﻠﻘﻰ ﻣرﻛز اﺳﺗﻣﺎع ﻫﺎﺗﻔﻲ ﻓﻲ اﻟﻣﺗوﺳط ﻣﻛﺎﻟﻣﺗﻳن ﻓﻲ اﻟدﻗﻳﻘﺔ‪ ,‬إذا ﻋﻠﻣت أن ‪ X‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ‬
‫ﻳﻣﺛﻝ اﻟﻣﺟﺎﻝ اﻟزﻣﻧﻲ ﻟﺗﻠﻘﻲ ﻣﻛﺎﻟﻣﺔ‪.‬‬
‫‪ -‬ﺗﻌرف ﻋﻠﻰ ﻗﺎﻧون ‪ X‬ﺛم أوﺟد داﻟﺔ اﻟﻛﺛﺎﻓﺔ ‪.‬‬
‫‪ -‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﻳﺗﻠﻘﻰ اﻟﻣرﻛز ﻣﻛﺎﻟﻣﺔ ﺧﻼﻝ أﻗﻝ ﻣن دﻗﻳﻘﺔ‪.‬‬
‫‪ -‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﻳطوﻝ اﻟﻔﺎﺻﻝ اﻟزﻣﻧﻲ ﺑﻳن ﻣﻛﺎﻟﻣﺗﻳن إﻟﻰ ‪ 4‬دﻗﺎﺋق‪.‬‬
‫‪- 109 -‬‬

‫ﻣﺗﻐﻳ ار ﻋﺷواﺋﻳﺎ ﻣﺳﺗﻣ ار ﻳﻣﺛﻝ ﻋﻣر اﻟﻣﺻﺑﺎح اﻟﻛﻬرﺑﺎﺋﻲ ﻳﺗﺑﻊ ﻗﺎﻧون أﺳﻲ ﺣﻳث‬ ‫إذا ﻋﻠﻣت أن‬
‫( ‪.P‬‬ ‫‪ .‬ﻋﻳن اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ ﺛم أﺣﺳب )‪1200‬‬
‫إذا ﻋﻠﻣت أن ﻓﻲ اﻟﺟزاﺋر ﻳﻘدر اﻻﺳﺗﻬﻼك اﻟﺳﻧوي ﻟﻠﺣوم ﻟﻠﻔرد اﻟواﺣد ب‪ 48‬ﻛﻠﻎ واﻻﻧﺣراف‬
‫اﻟﻣﻌﻳﺎري ب ‪ 20‬ﻛﻠﻎ‪ ،‬اذا ﻛﺎن اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ اﻟﻣﺳﺗﻣر ‪ X‬ﻋﺑﺎرة ﻋن اﻻﺳﺗﻬﻼك اﻟﺳﻧوي ﻟﻠﺣوم‬
‫ﻟﻠﻔرد اﻟواﺣد‬
‫‪ -1‬ﻣﺎ ﻫﻲ ﻧﺳﺑﺔ اﻷﻓراد اﻟذﻳن ﻳﻘﻝ اﺳﺗﻬﻼﻛﻬم اﻟﺳﻧوي ﻋن ‪ 58‬ﻛﻠﻎ؟‬
‫‪ -2‬ﻣﺎ ﻫﻲ ﻧﺳﺑﺔ اﻷﻓراد اﻟذﻳن اﺳﺗﻬﻼﻛﻬم اﻟﺳﻧوي ﻣﺎ ﺑﻳن ‪ 38‬ﻛﻠﻎ و‪ 60‬ﻛﻠﻎ؟‬
‫‪ -3‬أﺣﺳب اﻟرﺑﻳﻊ اﻷوﻝ واﻟرﺑﻳﻊ اﻟﺛﺎﻟث‪.‬‬
‫إذا ﻋﻠﻣت أن ﻋﻼﻣﺎت ﻣﺟﻣوﻋﺔ ﻣن اﻟطﻠﺑﺔ ﻓﻲ اﻣﺗﺣﺎن ﻣﺎ ﺗﺗوزع ﺗوزﻳﻌﺎ طﺑﻳﻌﻳﺎ ﺑﻣﺗوﺳط ‪ 10.5‬و‬
‫اﻧﺣراف ﻣﻌﻳﺎري ﻣﻘدارﻩ ‪ . 1.5‬أﺣﺳب اﺣﺗﻣﺎﻻت أن ﺗﻛون ﻋﻼﻣﺔ طﺎﻟب ﻣﺎ‪:‬‬
‫– ﺗﺗراوح ﺑﻳن ‪ 9‬و ‪.12‬‬ ‫– أﻛﺑر ﻣن ‪.10‬‬ ‫‪ -‬أﻗﻝ ﻣن ‪.8‬‬
‫إذا ﻋﻠﻣت أن ‪ %10‬ﻣن اﻟطﻠﺑﺔ ﺗﺣﺻﻠوا ﻋﻠﻰ ﻋﻼﻣﺔ ﺑﺗﻘدﻳر ﺟﻳد‪ .‬ﻣﺎ ﻫﻲ اﻟﻌﻼﻣﺔ اﻟﺗﻲ ﻳﺑدأ ﻋﻧدﻫﺎ‬
‫اﻟﺗﻘدﻳر اﻟﺟﻳد‪.‬‬
‫إذا ﻋﻠﻣت أن ﻓﻲ اﻟﺟزاﺋر‪ 40%‬ﻣن اﻷﺳر ﺗﻣﻠك ﻋﻠﻰ اﻷﻗﻝ ﺟﻬﺎز إﻋﻼم آﻟﻲ‪ .‬إذا ﻗﻣﻧﺎ ﺑﺎﻟدراﺳﺔ‬
‫ﻋﻠﻰ ‪ 100‬أﺳرة ٕواذا ﻛﺎن اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪ X‬ﻋﺑﺎرة ﻋن ﻋدد اﻷﺳر اﻟﺗﻲ ﺗﻣﻠك ﻋﻠﻰ اﻷﻗﻝ ﺟﻬﺎز‬
‫إﻋﻼم آﻟﻲ‬
‫‪-1‬ﻣﺎ ﻫو اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ اﻟذي ﻳﺗﺑﻌﻪ اﻟﻣﺗﻐﻳر اﻟﻌﺷواﺋﻲ ‪X‬؟‬
‫‪ -2‬أﺣﺳب اﺣﺗﻣﺎﻝ أن ﻋدد اﻷﺳر اﻟﺗﻲ ﺗﻣﻠك ﻋﻠﻰ اﻷﻗﻝ ﺟﻬﺎز إﻋﻼم آﻟﻲ ﻳﻘﻝ ﻋن ‪30‬‬
‫‪ -3‬أﺣﺳب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻻﻧﺣراف اﻟﻣﻌﻳﺎري‪.‬‬
‫‪- 110 -‬‬

‫اﻟﺗﻣرﻳن‪:9‬‬
‫ﻧرﻣﻲ ﻗطﻌﺔ ﻧﻘود ‪ 400‬ﻣرة‪ ،‬ﻟﻳﻛن ‪ X‬ﻋدد ﻣرات اﻟﺣﺻوﻝ ﻋﻠﻰ رﻗم‪ .‬اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬اﻟﻘﺎﻧون اﻻﺣﺗﻣﺎﻟﻲ اﻟﻣﻧﺎﺳب‬
‫‪ -2‬ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ واﻻﻧﺣراف اﻟﻣﻌﻳﺎري‬
‫(‪P‬‬ ‫‪-3‬ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﻳﺔ‪≤ X ≤220) , P(X ≤220):‬‬
‫ﺑرﻫن أن‬
‫ﻟﻳﻛن ‪ x‬ﻣﺗﻐﻳر ﻋﺷواﺋﻲ ﻳﺗﺑﻊ ﺗوزﻳﻊ ﻛﻲ ‪ 2‬ﺑدرﺟﺔ ﺣرﻳﺔ ‪ n= 3‬أي ‪X ~ χ²3‬‬
‫‪ -‬أﻛﺗب داﻟﺔ ﻛﺛﺎﻓﺔ اﻟﺗوزﻳﻊ و أﺣﺳب ﻛﻝ ﻣن اﻟﺗوﻗﻊ اﻟرﻳﺎﺿﻲ و اﻟﺗﺑﺎﻳن‬
‫‪ -‬أوﺟد ﻗﻳﻣﺔ ‪ x‬اﻟﺗﻲ ﺗواﻓق اﻻﺣﺗﻣﺎﻝ ‪P(x≥ χ²3 )=0.05‬‬
‫اﻟﺟدوﻝ اﻟﺗﺎﻟﻲ ﻳﻠﺧص ﺧﺻﺎﺋص اﻟﺗوزﻳﻊ اﻟطﺑﻳﻌــﻲ اﻟﻣﻌﻳﺎري‬
‫ﺧﺻﺎﺋص اﻟﺗوزﻳﻊ‬ ‫داﻟﺔ اﻟﻛﺛﺎﻓﺔ ‪ ،‬اﻟﺗوﻗﻊ واﻟﺗﺑﺎﻳن‬ ‫اﻟﺗوزﻳﻊ‬

‫ﻣﻌﺎﻣﻠﻲ اﻻﻟﺗواء )‪(K‬واﻟﺗطﺎوﻝ )‪(L‬‬
‫‪F(x)=P(X‬‬ ‫اﻟﺗوزﻳــﻊ اﻟطﺑﻳﻌــﻲ اﻟﻣﻌﻳﺎري‬

‫‪P(X=a)=0‬‬ ‫‪t‬‬
‫)‪P(T ≤ -t) = 1- P(T ≤ t‬‬
‫)‪X~N(0, 1‬‬
‫)‪P(T ≥ t)=1-F(t‬‬
‫)‪P(a ≤T≤ b)= F(b)- F(a‬‬
‫ = )‪P(-σ ≤ X ≤ σ‬‬
‫‪E(T) = 0, V(T) = 1‬‬
‫‪P(-1 ≤ T ≤ 1) = 0.6837,‬‬
‫= )‪P(-2 σ ≤ X ≤ 2 σ‬‬
‫‪K=0 , L=0‬‬
‫‪P(-2 ≤ T ≤ 2) = 0.9544,‬‬
‫= )‪P(-3 σ ≤ X ≤ 3 σ‬‬
‫‪P(-3 ≤ T ≤ 3) = 0.9973.‬‬
‫‪- 111 -‬‬

‫ﻗﺎﺋﻣﺔ اﻟﻣراﺟﻊ‪:‬‬
‫أوﻻ‪ :‬ﺑﺎﻟﻠﻐﺔ اﻟﻌرﺑﻳﺔ‬

‫‪ .1‬أﺑو ﺑﻛر ﺧﺎﻟد ﺳﻌد اﷲ‪ ،‬ﻣﺣﺎﺿرات وأﻋﻣﺎﻝ ﻣوﺟﻬﺔ ﻓﻲ اﻻﺣﺗﻣﺎﻻت‪ ،‬دﻳوان‬
‫اﻟﻣطﺑوﻋﺎت اﻟﺟﺎﻣﻌﻳﺔ‪ ،‬اﻟﺟزاﺋر‪.‬‬
‫‪ .2‬دوﻣﻳﻧﻳك ﺳﻠﻘﺎﺗور)‪ ،(Dominick Salvatore‬ﺳﻠﺳﻠﺔ ﻣﻠﺧﺻﺎت ﺷوم‪ ،‬ﻧظرﻳﺎت و‬
‫ﻣﺳﺎﺋﻝ ﻓﻲ اﻹﺣﺻﺎء و اﻻﻗﺗﺻﺎد اﻟﻘﻳﺎﺳﻲ‪ ،‬دﻳوان اﻟﻣطﺑوﻋﺎت اﻟﺟﺎﻣﻌﻳﺔ‪ ،‬اﻟﺟزاﺋر‪،‬‬
‫‪.1982‬‬
‫‪ .3‬اﻟﺳﻌدي رﺟﺎﻝ‪ ،‬ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‪ ،‬دﻳوان اﻟﻣطﺑوﻋﺎت اﻟﺟﺎﻣﻌﻳﺔ‪ ،‬اﻟﺟزاﺋر‪ ،‬اﻟطﺑﻌﺔ‬
‫اﻟﺛﺎﻧﻳﺔ‪.2005 ،‬‬
‫‪ .4‬ﻋﺎﻣر ﻋﺎﻣر أﺣﻣد‪ ،‬ﻣﺣﺎﺿرات وﺗﻣﺎرﻳن ﻓﻲ اﻹﺣﺻﺎء ‪ ،II‬دار اﻟﻐرب ﻟﻠﻧﺷر‬
‫واﻟﺗوزﻳﻊ‪ ،‬اﻟﺟزاﺋر‪.2002 ،‬‬
‫‪ .5‬ﻋﺑد اﻟﺣﻔﻳظ ﻣﺻطﻔﻰ‪ ،‬ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻣﺑﺎدئ وﺗطﺑﻳﻘﺎت‪ ،‬دﻳوان اﻟﻣطﺑوﻋﺎت‬
‫اﻟﺟﺎﻣﻌﻳﺔ‪ ،‬اﻟﺟزاﺋر‪ ،‬اﻟطﺑﻌﺔ اﻟﺛﺎﻧﻳﺔ‪.2004 ،‬‬
‫‪ .6‬ﻟرﻗﺎم ﺟﻣﻳﻠﺔ‪ ،‬دروس ﻓﻲ اﻻﺣﺗﻣﺎﻻت‪ ،‬دار اﻟﻛﺗﺎب اﻟﺣدﻳث‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ ‪.2011‬‬
‫‪.7 .5‬ﻟﻳﺑﺷﺗز ﺳﻳﻣور )‪ (Lipschutz Seymour‬ﺳﻠﺳﻠﺔ ﻣﻠﺧﺻﺎت ﺷوم‪ ،‬ﻧظرﻳﺎت‬
‫وﻣﺳﺎﺋﻝ ﻓﻲ اﻻﺣﺗﻣﺎﻻت‪ ،‬دﻳوان اﻟﻣطﺑوﻋﺎت اﻟﺟﺎﻣﻌﻳﺔ‪ ،‬اﻟﺟزاﺋر‪.1982 ،‬‬
‫‪- 112 -‬‬

2‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﻳﺎس اﻹﺣﺻﺎء‬
‫ ﺑﺎﻟﻠﻐﺔ اﻷﺟﻧﺑﻳﺔ‬:‫ﺛﺎﻧﻳﺎ‬
1) Cantoni Eva, Exercices résolus de Probabilités et de statistique, Springer

,2006.
2) Carrieu Hervé, Probabilités : Exercices corrigés, EDP Sciences, 2008.
3) Couty-Fredon Françoise, Probabilités et de statistiques, Dunod, 2018.
4) Girardin Valérie, Probabilités en vue des applications : Cours
et exercices corrigés, Vuibert, 2008.
5) Hammad Pierre, Cours de probabilités, Cujas, 1984.
6) Hurlin Christophe, Statistiques et Probabilités en économie-gestion,
Dunod, 2015.
7) Lecoutre Jean-Pierre, Statistiques et Probabilités : Cours et exercices
corrigés, Dunod, 2016.
8) Lecoutre Jean-Pierre, Statistiques et Probabilités : QCM et corrigés,
Dunod, 2015.
9) Legros Benjamin, Statistiques et Probabilités en économie-gestion,
Dunod, 2016.
10) Lejeune Michel, Statistique : La théorie et ses applications, Springer,
2010.
11) Lethielleux Maurice, Exercices de Statistiques et Probabilités,
Dunod, 2017.
- 113 -
3 ‫ كلية العلوم االقتصادية والتجارية وعلوم التسيير– جامعة الجزائر‬-‫ أوشيش سليمة م اوصديق‬: ‫األستاذة الدكتورة‬
‫‪ANNEXES‬‬
‫‪- 114 -‬‬

‫‪- 115 -‬‬

‫‪- 116 -‬‬

‫‪- 117 -‬‬

‫‪- 118 -‬‬

‫‪- 119 -‬‬

‫‪- 120 -‬‬


احصاء 2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

احصاء 2

Uploaded by

Copyright:

Available Formats

‫ﺟـﺎﻣﻌﺔ اﻟﺟزاﺋر ‪3‬‬

‫ﻛﻠﻳﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ‪ ،‬اﻟﻌﻠوم اﻟﺗﺟﺎرﻳﺔ و ﻋﻠوم اﻟﺗﺳﻳﻳر‬

‫إﻋﺪاد اﻟﺪﻛﺘﻮرة ‪ :‬أوﺷﻴﺶ ﺳﻠﻴﻤﺔ م اوﺻﺪﻳﻖ‬

‫اﻟﺴﻨﺔ اﻟﺠﺎﻣﻌﻴﺔ ‪2019 - 2020‬‬

‫اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ و اﻻﺟﺗﻣﺎﻋﻳﺔ‪.‬‬

‫ﻳﺟد ﻗﺎرئ ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﻣﺎ ﻳﻧﺷدﻩ ﻣﻧﻪ‪.‬‬

‫واﷲ وﻟﻲ اﻟﺗوﻓﻳق‪.‬‬

‫التطور التاريخي لنظرية االحتماالت ‪01 ......................................................‬‬

‫اﻟﺗطور اﻟﺗﺎرﻳﺧﻲ ﻟﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬

‫اﻟﻔﺻﻝ اﻷوﻝ‪ :‬ﻣﺑﺎدئ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬

‫ﻟدراﺳﺔ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت ﻻﺑد ﻣن اﻟﺗطرق إﻟﻰ ﺑﻌض اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ‪.‬‬

‫‪ .I‬اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬

‫‪.1‬ﻣﻔﻬوم اﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪(Épreuve aléatoire) ،‬‬

‫ﺗﻧﻘﺳم اﻟﺗﺟرﺑﺔ إﻟﻰ ﻗﺳﻣﻳن‪ :‬اﻟﺗﺟرﺑﺔ اﻟﻧظﺎﻣﻳﺔ واﻟﺗﺟرﺑﺔ اﻟﻌﺷواﺋﻳﺔ‪.‬‬

‫ﻓﻬﻣﻬﺎ ﻋﻠﻰ أﻧﻬﺎ ﻗﺎﺑﻠﺔ ﻟﻠﺗﻛرار أو ﻳﻣﻛن ﺗﻛرارﻫﺎ ﻋددا ﻣن اﻟﻣرات‪.‬‬

‫ﻧﻼﺣظ ﻣﺎ ﻳﻠﻲ ﻋﻧد إﺟراء أي ﺗﺟرﺑﺔ ﻋﺷواﺋﻳﺔ‪:‬‬

‫‪-‬ﻗد ﻳﻛون ﻓراغ اﻹﻣﻛﺎﻧﻳﺎت ﻣﻧﺗﻬﻳﺎ أو ﻏﻳر ﻣﻧﺗﻬﻳﺎ‪.‬‬

‫‪-‬ﺗﻌطﻲ اﻟﺗﺟرﺑﺔ ﻧﺗﻳﺟﺔ ﻣﻌﻳﻧﺔ ﺿﻣن اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛﻧﺔ‪.‬‬

‫‪-‬ﺿﻣن ﻧﻔس اﻟﺷروط‪ ،‬ﻗد ﺗﺧﺗﻠف ﻧﺗﻳﺟﺔ اﻟﺗﺟرﺑﺔ ﻣن ﻣﺣﺎوﻟﺔ ﻷﺧرى‪.‬‬

‫‪-‬ﻻ ﻧﺳﺗطﻳﻊ أن ﻧﺗﻧﺑﺄ ﻣﺳﺑﻘﺎ ﺑﺎﻟﻧﺗﻳﺟﺔ‪.‬‬

‫}‪.Ω = {P, F‬‬

‫‪ .2‬ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ) اﻟﻔﺿﺎء اﻻﺣﺗﻣﺎﻟﻲ( ‪Ω‬‬

‫‪Card Ω = 2‬‬ ‫و‬ ‫} ‪Ω = {P , F‬‬

‫‪Card Ω = 6‬‬ ‫و‬ ‫} ‪Ω = {1, 2, 3,4,5,6‬‬

‫‪.3‬اﻟﺣوادث ‪ ،‬ﻣﻔﻬوﻣﻬﺎ و أﻧواﻋﻬﺎ‬

‫اﻟﺗﻌﺎرﻳف اﻷﺳﺎﺳﻳﺔ وﻫﻲ‪:‬‬

‫أ‪ .‬ﺗﻌرﻳف اﻟﺣﺎدث)‪: (Événement‬‬

‫ب‪.‬أﻧواع اﻟﺣوادث و ﺧواﺻﻬﺎ اﻷﺳﺎﺳﻳﺔ‪:‬‬

‫ﺗﻌﺗﻣد اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻟﻠﺣوادث و ﺧواﺻﻬﺎ ﻋﻝ ﻣﺑﺎدئ ﻧظرﻳﺔ اﻟﻣﺟﻣوﻋﺎت‪.‬‬

‫ﻫو اﻟﺣﺎدث ﻏﻳر اﻟﻘﺎﺑﻝ ﻟﻠﺗﺟزﺋﺔ‬ ‫‪ -‬اﻟﺣﺎدث اﻟﺑﺳﻳط)اﻷوﻟﻲ(‪(Événement élémentaire):‬‬

‫ﺣﻳث ﻳﻌﺑر ﻋن ﺣﺎﻟﺔ ﻣﻣﻛﻧﺔ واﺣدة ﻣن اﻟﺣﺎﻻت اﻟﻣﻣﻛﻧﺔ‪.‬‬

‫}‪A={ F‬‬ ‫ظھور الصورة ‪:‬‬ ‫} ‪B={ P‬‬ ‫ظھور الرقم‪:‬‬

‫‪ :B‬ﺣﺎدث ظﻬور رﻗم ﻓردي أﺻﻐر ﻣن ‪B={ 1 } : 3‬‬

‫‪ :C‬ﺣﺎدث ظﻬور رﻗم ﻓردي أﻛﺑر ﻣن ‪B={ 3,5 } : 1‬‬

‫اﻟﺛﺎﻧﻲ أو اﻟﺣﺎدﺛﺎن ﻛﻼﻫﻣﺎ‪ ،‬وﻳﻌﺑر ﻋن ذﻟك رﻳﺎﺿﻳﺎ )‪.(AU B‬‬

‫اﻟوﻗت‪ ،‬وﺑﻌﺎﺑرة أﺧرى ﺗﻘﺎطﻌﻬﺎ ﻻ ﻳﺳﺎوي ﻣﺟﻣوﻋﺔ ﺧﺎﻟﻳﺔ‪.‬‬

‫∩‪ A‬عبارة عن الجز ء المشترك‬

‫=‪Ω‬‬ ‫‪U‬‬ ‫‪U‬‬ ‫‪U‬‬ ‫‪U…..‬‬

‫}‪={2, 4, 6‬‬ ‫}‪{1, 3, 5‬‬ ‫ﻓردي ﺣﻳث‪:‬‬

‫=‪Ω‬‬ ‫‪ ‬‬ ‫‪U‬‬ ‫‪= 1, 2, 3,4,5,6‬‬ ‫وﻣﻧﻪ‬

‫ﺑﺎﻟرﻣز‪̅ :‬‬ ‫ﻝ‪ ‬‬ ‫ﻟﻠﺣﺎدث اﻟﻌﻛﺳﻲ‬

‫ﻳﻣﻛن ﺗوﺿﻳﺢ ذﻟك ﻋن طرﻳق اﻟرﺳم اﻟﺗﺎﻟﻲ‪:‬‬

‫ﻳﺷﻛﻝ ﻛﻝ ﺣﺎدث وﺣﺎدﺛﻪ اﻟﻌﻛﺳﻲ ﺣﺎدﺛﻳن ﻣﺗﻛﺎﻣﻠﻳن ﺣﻳث‪AUA = Ω :‬‬

‫ظﻬور ﻋدد ‪ ‬زوﺟﻲ و ظﻬور ﻋدد ﻓردي ﺣﻳث‬

‫}‪A={2, 4, 6‬‬ ‫}‪B= {1, 3, 5‬‬

‫‪ B‬ﻣﺳﺗﻘﻝ ﻋن اﻟﺣﺎدث ‪) A‬و اﻟﻌﻛس ﺻﺣﻳﺢ(‬

‫ج‪.‬ﺧواص ﻋﺎﻣﺔ ﻟﻸﺣداث‪:‬‬

‫ﺑﺈﺳﺗﺧدام ﻋﻣﻠﻳﺎت اﻟﻣﺟﻣوﻋﺎت ﻋﻠﻰ اﻷﺣداث ﻧﺣﺻﻝ ﻋﻠﻰ أﺣداث أﺧرى‬

‫ﻟﻳﻛن ‪ A‬و ‪ B‬ﺣﺎدﺛﻳن ﻋﺷواﺋﻳﻳن‪ .‬ﻓﺈن ‪:‬‬

‫‪- A∩A=A‬‬ ‫‪ B ∩ B = B.‬أو‬

‫‪- A ⊂ B => A ∩ B = A‬‬

‫‪- B ⊂ A => A ∩ B =B.‬‬

‫∩‪A – B = A‬‬ ‫)‪= A - (A∩ B‬‬ ‫أو‬ ‫)‪B - A = B ∩ = B – ( A∩B‬‬

‫قانوني دو مرقان )‪: (Lois de Morgan‬‬

‫ﺗﻣﺎرﻳن ﻣﻘﺗرﺣﺔ ﺣوﻝ اﻟﻣﻔﺎﻫﻳم اﻷﺳﺎﺳﻳﺔ ﻓﻲ ﻧظرﻳﺔ اﻻﺣﺗﻣﺎﻻت‬

‫أﻟﻘﻳت ﻗطﻌﺔ ﻧﻘود ﺛﻼث ﻣرات ﻣﺗﺗﺎﻟﻳﺔ‪:‬‬

‫‪ .2‬أوﺟد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪ .1‬أوﺟد ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪.Ω‬‬

‫ﺗﺟرﺑﺔ ﺗﺗﻣﺛﻝ ﻓﻲ إﻟﻘﺎء ﻗطﻌﺗﻲ ﻧﻘود ﻣرة واﺣدة‪.‬‬

‫أوﺟد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪.1‬‬

‫‪ .2‬أوﺟد اﻟﺣوادث اﻟﻣواﻓﻘﺔ ﻟﻠﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬

‫‪1) A∩C. 2) A U C. 3) E∩F. 4) G U E.‬‬ ‫‪5) B∩ D. 6) H∩ I‬‬

‫‪ .2‬إﻳﺟﺎد اﻟﺣوادث اﻟﺗﺎﻟﻳﺔ‪:‬‬ ‫‪.1‬ﻓراغ اﻟﺣوادث اﻷوﻟﻳﺔ ‪. Ω‬‬

‫‪ :A‬ﻣﺟﻣوع رﻗﻣﻲ اﻟوﺟﻬﻳن اﻟظﺎﻫرﻳن ‪.7‬‬

‫‪ :B‬ﻣﺟﻣوع رﻗﻣﻲ اﻟوﺟﻬﻳن اﻟظﺎﻫرﻳن أﻛﺑر ﻣن ‪.5‬‬