‫متغیرهای تصادفی پیوسته‬

‫‪Continuous Random Variables‬‬

‫درس‪ :‬مبانی احتمال‬

‫مدرس‪ :‬مشکانی فراهانی‬

‫‪May 2021‬‬ ‫‪1‬‬

 ‫تابع چگالی احتمال‬
Probability Density Function (PDF)

May 2021 2
 ‫متغیر تصادفی پیوسته و توزیع احتماالت آن‬

‫ها‬ ‫ه فاله ه عه د‬ ‫• تعریف‪ :‬متغیر تصادفی که مجموعهه ماهاد ر‬

‫اجتماع چن فال ه ع د باش را متغیر تصادفی پیوسته گو ن ‪.‬‬

‫• تابع چگالی احتمال‪:‬‬

‫• اگر ‪ X‬ه متغیهر تصهادفی پیوسهته باشه تهاب )‪ f(x‬را تهاب چاها ی‬
‫احتمال ‪ X‬مینامن هرگاه ‪:‬‬
‫)‪1‬‬ ‫‪   0,‬‬
‫‪fX x‬‬ ‫‪ x  RX‬‬
‫)‪2‬‬ ‫‪ f x  dx  1‬‬
‫‪RX‬‬
‫‪X‬‬

‫‪May 2021‬‬ ‫‪3‬‬

 ‫ الف‬- ۱ ‫مثال‬

‫تاب چاها ی احتمهال‬ ‫ را چنا تعیین کنی که تاب ز ر‬c ‫• ما ار ثابت‬

. ‫باش‬
 
f x  cx 1  x ,   0  x  1

1) c 0 ‫• راهحل‬
1

2)    
fX x dx   cx 1  x dx 
RX 0
1


 c  x  x 2 dx 
0
1
x 2 x 3 
c  
2 3 0
c
 1  c6
6
May 2021 4
 ‫ ج‬، ‫ – ب‬۱ ‫مثال‬
c
f x   , 0  x  4
 
f x  ce 2x , x >0
x

Solution : Solution :
1) c 0 1) c 0
4 

2)   
fX x dx  
c
dx 2)   
fX x dx   ce 2x dx
RX 0 x RX 0

4 1  e  2x 
 c  x dx2
c 
0   2 0
4
 1
 c 2 x   c 0    1
 0
 2 
 c 4  0  1
 c2
1
 c
May 2021 4 5
 ‫ و‬، ‫ – هـ‬۱ ‫مثال‬

 
f x  c 1 x , 0 <x  2
c

c 1  x ,  0 x 1 f x   1 x 2
, x


c x  1 ,  1 x  2
Solution :
Solution : 1) c 0

c
1) c 0
1 2
2)   
fX x dx   1 x 2
dx
RX 
2)     
fX x dx   c 1  x dx   c x  1 dx    c  Arctan x   


RX 0 1   

1 2    
x  2
x  2
c   1
 c x    c   x  2 2 
 2 0 2 1
 1  1
 c 1    c 0    1 1
 c
 2  2

May 2021
 c 1 6
 ‫محاسبهی احتمال (با استفاده از تابع چگالی احتمال)‬

‫متغیر تصادفی پیوسته با تاب چاا ی احتمال )‪ f(x‬باشه بنها‬ ‫• اگر ‪X‬‬
‫بر تعر ف احتمال هر پیشام ‪ A  RX‬به لورت ز ر به دست می ‪:‬‬

‫‪   f x  dx‬‬
‫‪P A ‬‬
‫‪A‬‬

‫دار م‪:‬‬ ‫‪A‬‬ ‫مثال اگر ‪ a  X  b ‬‬ ‫• برا‬

‫‪b‬‬

‫‪‬‬
‫‪P a  X b ‬‬ ‫‪  f x  dx‬‬
‫‪a‬‬

‫‪May 2021‬‬ ‫‪7‬‬

 ‫چند نکته‬
‫• در تواب چاا ی احتمال متغیرها تصادفی گسسته )‪ f(x‬نما ا گر احتمال در ناطه‬
‫‪ x‬است و احتمال فاط در نااط تکیهگاه مثبت و در سا ر نااط برابهر له ر اسهتر در‬
‫حا ی که در تواب چاا ی احتمال متغیرها تصادفی پیوسهته )‪ f(x‬نشها دهنه ه‬
‫هیچ احتما ی نیست و احتمال قطعها از مساحت واقه در ز هر نمهودار تهاب )‪f(x‬‬
‫است‪.‬‬

‫متغیر تصادفی پیوسته دقیااً ما ار معینی مانن ‪ a‬را بایهرد برابهر‬ ‫• احتمال ا نکه‬
‫‪a‬‬
‫ل ر است‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P X a P a X a ‬‬ ‫‪  f x  dx  0‬‬
‫‪a‬‬

‫ا چن ناطه شهمارا در پیشهام ها مربهوط بهه متغیرهها‬ ‫• افزود ا کاستن‬

‫تصادفی پیوسته هیچ تأثیر در ما ار احتمال نها نخواه داشت‪:‬‬
‫‪b‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪P a  X b  P a  X b  P a  X b  P a  X b ‬‬
‫‪May 2021‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  f x  dx‬‬
‫‪8‬‬
‫‪a‬‬
 ۲ ‫مثال‬

:‫ به لورت ز ر استر مط وبست‬X ‫• تاب چاا ی احتمال برا متغیر تصادفی‬

‫ محاسبه احتمالها ز ر‬-‫ب‬ k ‫ تعیین ما ار‬-‫ا ف‬


f x k  1
, x  , ,   0
x ‫• راهحل‬
1) k  0
 
P X  4  0

   P  X  2    f  x  dx
 
  1
2)  k  1
dx  k  
x dx 2

 x 
 
 k 
    x  1
dx
  
2

  x     
   
k  x 
 
1  2
 
1
 k   
May 2021 2 9
 ‫مثال ‪۳‬‬
‫ستو بین ‪ ۶‬تا ‪ ۱۵‬تن بر متهر مربه تغییهر‬ ‫تحمل خاک ز ر پا ه‬ ‫• میزا‬
‫‪ .‬تاب چاا ی احتمال در ا ن تکیهگاه به لورت ز ر اسهت‪ .‬اگهر ا هن‬ ‫میکن‬
‫برا تحمل بار ‪ 7/۵‬تن بر متر مربه رراحهی شهود احتمهال شکسهتن‬ ‫ستو‬
‫ستو چهق ر است؟‬ ‫پا ه‬
‫‪1 ‬‬ ‫‪y‬‬
‫‪fY‬‬ ‫‪‬‬ ‫‪y ‬‬ ‫‪1   ,‬‬
‫‪2 / 7  15 ‬‬
‫‪y  6 , 15 ‬‬
‫‪‬‬ ‫‪‬‬

‫‪1 ‬‬
‫‪15‬‬
‫‪y ‬‬ ‫• راهحل‬
‫‪‬‬
‫‪P Y  7/5  ‬‬ ‫‪‬‬ ‫‪1   dy‬‬
‫‪7/ 5 2 / 7 ‬‬ ‫‪15 ‬‬
‫‪15‬‬
‫‪1 ‬‬ ‫‪y2 ‬‬
‫‪‬‬ ‫‪y ‬‬ ‫‪‬‬
‫‪2/ 7 ‬‬ ‫‪30 ‬‬
‫‪‬‬ ‫‪ 7/ 5‬‬
‫‪1 ‬‬
‫‪‬‬
‫‪2/ 7‬‬ ‫‪‬‬‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪15  7 / 5  7 / 5  1 / 875 ‬‬
‫‪‬‬
‫‪May 2021‬‬ ‫‪10‬‬
 ‫مثال ‪۴‬‬

‫• اگر متغیر تصهادفی ‪ X‬دارا تهاب چاها ی احتمهال ز هر باشه احتمهال‬

‫‪1‬‬ ‫پیشام ‪ X   n‬را حساب کنی ‪.‬‬
‫‪ ‬‬
‫‪f x ‬‬
‫‪x‬‬ ‫‪2‬‬
‫‪,‬‬ ‫‪1 x  ‬‬

‫• راهحل‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪P X   n  P n  X  n  1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n 1‬‬ ‫‪n 1‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪  2 dx ‬‬
‫‪n x‬‬ ‫‪x n‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪May 2021‬‬
‫‪n n 1 n n 1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪11‬‬
 ‫یادآوری‬
‫پیشام را به لهورت ز هر‬ ‫• در فضا احتمال گسسته احتمال وقوع‬
‫حساب میکرد م‪:‬‬
‫‪n A ‬‬
‫‪P A  ‬‬
‫‪n S ‬‬

‫پیشام به لهورت ز هر بهه‬ ‫• در فضا احتمال پیوسته احتمال وقوع‬

‫دست می ‪:‬‬
‫‪A‬‬
‫‪P A  ‬‬
‫‪S‬‬
‫‪May 2021‬‬ ‫‪12‬‬
 ‫مثال ‪۵‬‬

‫‪ 0 ,  ‬انتخاب مهیکنهیم‪ .‬احتمهال ا هنکهه‬ ‫ع د تصادفی از بازه‬ ‫•‬

‫‪ 2‬‬
‫بیشتر باش چه ق ر است؟‬ ‫سینوس از کسینوس‬

‫• راهحل‪:‬‬
‫• ‪ :X‬ع د انتخاب ش ه‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P Sin X  Cos X  P tan X  1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ P X  ‬‬
‫‪‬‬ ‫‪4‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪ 2‬‬ ‫‪4 1‬‬
‫‪‬‬ ‫‪2‬‬
‫‪0‬‬
‫‪2‬‬
‫‪May 2021‬‬ ‫‪13‬‬
 ۶ ‫مثال‬

‫ احتمهال‬. ‫) باشه‬۰ , ۳( ‫ ه ناطهه تصهادفی از بهازه‬X ‫• فرض کنیه‬

‫ چهق ر است؟‬X 2  5X  6  0 ‫پیشام‬

:‫• راهحل‬

 
P X 2  5X  6  0  P X  2X  3   0
  
 P X  2, X  3  P X  2, X  3 
 P  X  2  P  X  3 
2 0
 0
3 0
May 2021 14
 ‫مثال ‪۷‬‬

‫• از داخل دا رها به شعاع ‪ R‬ناطها به تصادف انتخاب میکنهیم‪ .‬متغیهر‬

‫تصههادفی ‪ Y‬را برابههر فاله ه ناطههه انتخههابی تهها مرکههز دا ههره در ن ههر‬
‫میگیر م‪ .‬احتمال ا نکه فال ه ناطه انتخابی تا مرکز دا ره کمتهر از‬
‫‪ 1‬شعاع دا ره باش چهق ر است؟‬
‫‪3‬‬
‫• راهحل‪:‬‬
‫‪RY  0 , R ‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪R  R‬‬
‫‪area of circle‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪R‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪P Y   ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪3  area of circle R‬‬ ‫‪R‬‬ ‫‪2‬‬
‫‪9‬‬

‫‪May 2021‬‬ ‫‪15‬‬

 ‫تابع توزیع تجمعی‬
Cumulative Distribution Function (CDF)

‫برای متغیر تصادفی پیوسته‬

May 2021 16
 ‫تابع توزیع تجمعی‬

‫متغیر تصادفی پیوسته با تاب چاا ی احتمال )‪ f(x‬باش تاب‬ ‫• اگر ‪X‬‬
‫توز تجمعی به لورت ز ر تعر ف میشود‪:‬‬

‫‪t‬‬

‫‪‬‬ ‫‪‬‬
‫‪FX t  P X  t ‬‬ ‫‪  f x  dx‬‬
‫‪‬‬
‫ابتدای‬
‫تکیهگاه‬

‫‪May 2021‬‬ ‫‪17‬‬

 ۸ ‫مثال‬

‫ متغیهر تصهادفی بها تهاب‬R ‫سهاختما کوچه‬ ‫• مااومت جانبی اسک ت‬

. ‫ را حساب کنی‬FR  r  ‫ تاب توز‬.‫چاا ی احتمال ز ر است‬
3

fR r 
500
 
r  10 20  r ,  r  10, 20

‫• راهحل‬
t
3

FR t   
10 500 r  10 20  r dr  0,

 3  t
3
2500 
t  10

t
FR 
t 
500

3
 15t 2
 200t 
3
, 10  t  20
3
 
500 10

r 2
 30r  200 dr 
1,

 
t  20
t
3  r 3 2

   15r  200r 
500  3 10
3  t 3 2 2500 
   15t  200t  
500  3 3 
May 2021 18
 ‫ الف‬-۹ ‫مثال‬

‫ به لورت ز هر اسهتر تهاب توز ه‬X ‫• تاب چاا ی احتمال برا متغیر تصادفی‬
. ‫ را به دست ور‬X ‫تجمعی‬


f x  4e
2 x
1e
2 x
, x 0

‫• راهحل‬

  dx
t


FX t   4 e
2 x
1e
2 x

  dx
t
2 x 4 x
4 e e
0
t
e e 
2 x 4 x 0, t 0
 4
 2

 4
  
FX t   4 t
e  2 e
2 t
 1, t 0
 0 
4 t 2 t
 e  2e 1
May 2021 19
 
f x  1 x , 0  x  2 ‫ ب‬-۹ ‫مثال‬
1  x , 0 x 1

x  1, 1 x  2

‫• راهحل‬
t 1 t

   1  x  dx
FX t     1  x  dx   x  1 dx
FX t 
0 0 1
t 1 t
 x2   x 2  x 2 
 x    x      x 
 2 0  2 0  2 1
t2 1 t 2
1
t    t 
2 2 2 2

 0, t 0
 2
t  t , 0t 1

 FX 
t  2 2
 t  t  1, 1 t  2
2
May 2021  1, t 2 20

 ‫ ب‬، ‫ – الف‬۱۰ ‫مثال‬
:‫ دارا تاب چاا ی ز ر باش مط وبست‬X ‫• اگر متغیر تصادفی‬
‫ پیوسته است‬F ‫ نشا دهی‬-‫ب‬ X ‫ تاب توز‬-‫• ا ف‬
x , 0 x 1

 
f x  2  x , 1 x  2
0, OW
. .

‫• راهحل‬
a.
t
t2

F t   x dx 
2 b.
0

 
t
1 t
1  x2  t2 limt 0 F t  0  F 0
  
F t   x dx   2  x dx   2x    2t   1
2  2 1 2 1
F t    F 1
0 1
limt 1
 0, t 0 2
 2 4
t ,
 2
0t 1 
limt 2 F t  2 2  
1  1  F 2
 F t   2
2
2t  t  1, 1 t  2
 2

May 2021  1, t 2 21
 ‫ ج‬- ۱۰ ‫مثال‬
:‫ دارا تاب چاا ی ز ر باش مط وبست‬X ‫• اگر متغیر تصادفی‬
x , 0 x 1 ‫ محاسبه احتمال ز ر‬-‫• ج‬

 
f x  2  x , 1 x  2
0, OW
. .


1 3 2 ‫• راهحل‬
P X  
2 2  f x  dx
1
2
3
1 2
  x dx 
1
 2  x  dx
1
2
3
1
x 2
 x 2 2
    2x  
 2 1  2 1
2
3 3
  
May 2021 8 8 22
 ‫مثال ‪۱۱‬‬

‫متغیر تصادفی پیوسته بها تهاب چاها ی )‪ f(.‬و تهاب توز ه‬ ‫• فرض کنی ‪X‬‬
‫‪. P X  a   1‬‬ ‫‪ a ‬ناطهها اسهت کهه بهرا‬ ‫)‪ F(.‬باش ‪ .‬فرض کنی‬
‫تاب چاا ی احتمال است‪.‬‬ ‫ثابت کنی تاب ز ر نیز‬
‫‪ f x‬‬
‫‪‬‬ ‫‪,‬‬
‫‪ ‬‬ ‫‪x a‬‬
‫‪ ‬‬
‫‪h X  1  F a‬‬ ‫‪‬‬
‫‪‬‬
‫‪0,‬‬ ‫‪x a‬‬

‫• راهحل‪:‬‬
‫‪ ‬‬
‫‪1. h X  0‬‬
‫‪‬‬ ‫‪f x ‬‬ ‫‪1‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2. ‬‬ ‫‪dx ‬‬ ‫‪‬‬ ‫‪f  x  dx ‬‬ ‫‪P X  a  ‬‬ ‫‪1  F a    1‬‬
‫‪a‬‬ ‫‪1  F a ‬‬ ‫‪1  F a ‬‬ ‫‪a‬‬ ‫‪1  F a ‬‬ ‫‪1  F a  ‬‬ ‫‪‬‬

‫‪May 2021‬‬ ‫‪23‬‬

 ‫نکته‬

‫متغیر تصادفی پیوسته با تاب چاا ی احتمهال )‪ f_X(.‬و تهاب‬ ‫• اگر ‪X‬‬
‫توز تجمعی ‪ FX .‬باش دار م‪:‬‬
‫‪d‬‬
‫‪F‬‬‫'‬
‫‪X‬‬ ‫‪ ‬‬
‫‪x ‬‬
‫‪dx‬‬
‫‪FX x  fX x‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪x‬‬
‫‪d‬‬
‫‪dx‬‬ ‫‪ f t  dt  f x ‬‬
‫‪‬‬
‫‪X‬‬ ‫‪X‬‬

‫انتگرال‬
‫‪f  F‬‬

‫مشتق‬
‫‪May 2021‬‬
‫‪F  f‬‬ ‫‪24‬‬
 ‫مثال ‪۱۲‬‬
‫• تاب توز تجمعی متغیر تصادفی ‪ X‬به لورت ز ر است‪ .‬تاب چاها ی احتمهال‬
‫‪ X‬را به دست ور ‪.‬‬

‫‪ ‬‬
‫‪F x  1  e 3 x ,‬‬ ‫‪x  0‬‬
‫‪ ‬‬
‫‪F x  1‬‬
‫‪9‬‬
‫‪,‬‬ ‫‪x  3‬‬
‫‪2‬‬
‫‪x‬‬

‫راهحل‬ ‫راهحل‬

‫‪ ‬‬
‫‪f x  F x  3e‬‬
‫'‬
‫‪ ‬‬ ‫‪3 x‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪f x  F ' x  2  9 x 3‬‬

‫‪May 2021‬‬ ‫‪25‬‬

 ‫مثال ‪۱۳‬‬
‫• ناطها به تصادف از داخهل دا هرها بهه شهعاع ‪ r‬انتخهاب مهیکنهیم‪ .‬متغیهر‬
‫تصادفی ‪ X‬را برابر فال ه ناطه انتخابی تا مرکز دا ره در ن هر مهیگیهر م‪.‬‬
‫مط وب است‪:‬‬
‫ب‪ -‬تعیین تاب چاا ی احتمال ‪X‬‬ ‫ا ف‪ -‬تعیین تاب توز تجمعی ‪X‬‬
‫ج‪ -‬محاسبه احتمال ز ر‬
‫‪0,‬‬ ‫‪x 0‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪x2  x ‬‬ ‫‪ x ‬‬
‫)‪a‬‬ ‫‪F x   P X  x  ‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪F x    ,‬‬ ‫‪0x r‬‬
‫‪r‬‬ ‫‪2‬‬
‫‪r ‬‬ ‫‪ r ‬‬
‫‪1,‬‬ ‫‪x r‬‬
‫‪‬‬

‫‪2x‬‬
‫)‪b‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪f x  F' x ‬‬
‫‪r‬‬ ‫‪2‬‬
‫‪,‬‬ ‫‪0x r‬‬

‫‪r‬‬ ‫‪r‬‬ ‫‪r ‬‬ ‫‪r  1 1‬‬ ‫‪5‬‬

‫‪c) P   X    F    F‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪3‬‬
‫‪May 2021‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪ 3  4 9 36‬‬ ‫‪26‬‬
 ‫نکته‬
‫تجمعی )‪F(x‬‬ ‫متغیر تصادفی پیوسته با تاب توز‬ ‫• اگر ‪X‬‬
‫باش احتمال هر پیشام ‪ A  RX‬با است اده از روابط بیا ش ه‬
‫در تعر ف تاب توز تجمعی به دست می ‪.‬‬

‫• مراجعه شود به فا ل‪:‬‬

‫مبانی احتمال – فصل ‪ – ۱-۴‬متغیر تصادفی– سال ‪۲۰‬‬

‫‪May 2021‬‬ ‫‪27‬‬

 ‫امید ریاضی‬
Mathematical Expectation / Expected Value

‫متغیرهای تصادفی پیوسته‬

May 2021 28
 ‫امید ریاضی‬

‫متغیر تصادفی پیوسته بها تهاب چاها ی احتمهال )‪ f(x‬باشه‬ ‫• اگر ‪X‬‬
‫امی ر اضی ‪ X‬به لورت ز ر تعر ف میشود‪:‬‬

‫‪   x f x  dx‬‬
‫‪E X ‬‬
‫‪RX‬‬

‫متغیر تصادفی پیوسته با تاب چاا ی )‪ f(x‬باش میگهو یم‬ ‫• اگر ‪X‬‬
‫‪ X‬دارا میاناین متناهی است هرگاه‬

‫‪‬‬ ‫‪ ‬‬

‫‪x f x dx  ‬‬
‫‪RX‬‬

‫‪May 2021‬‬ ‫‪29‬‬

 ‫مثال ‪۱۴‬‬
‫• قطر سوراخها ا جاد ش ه به وسی ه متها بر حسب می هیمتهر دارا تهاب‬
‫چاا ی احتمال ز ر است‪:‬‬
‫‪ ‬‬
‫‪f x‬‬
‫‪10  x 5 ‬‬
‫‪ 10 e‬‬ ‫‪,‬‬ ‫‪x 5‬‬

‫اگر چه ان ازه قطر مورد ن ر ‪ ۵‬می یمتر است هرز‌هها سها ب ابهزار و سها ر‬
‫عوامل غیر قابل کنترل باعث تو ی قطرها ی با ان ازه بزرگتر از ‪ ۵‬می هیمتهر‬
‫میشون ‪ .‬متوسط قطر سوراخها ا جاد ش ه را به دست ور ‪.‬‬

‫‪   x f x  dx‬‬
‫‪E X ‬‬ ‫مشتق‬ ‫انتگرال‬
‫‪RX‬‬ ‫‪derivative‬‬ ‫‪Integral‬‬
‫‪‬‬
‫‪10  x  5 ‬‬
‫‪‬‬
‫‪10 x  5‬‬ ‫‪‬‬ ‫‪10 e‬‬
‫‪  10 x e‬‬ ‫‪dx‬‬ ‫‪x‬‬
‫‪10  x  5 ‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪e‬‬
‫‪‬‬
‫‪ 10 x 5 ‬‬ ‫‪‬‬ ‫‪1 ‬‬ ‫‪0‬‬
‫‪1 10 x 5‬‬
‫‪e‬‬
‫‪  e‬‬ ‫‪ x  ‬‬ ‫‪10‬‬
‫‪‬‬ ‫‪‬‬ ‫‪10   5‬‬
‫‪May 2021‬‬
‫‪ 5 /1‬‬ ‫‪30‬‬
 ‫ الف‬- ۱۵ ‫مثال‬
۱۰۰ ‫• م ت زما است اده خهانوادها از جهاروبرقی در رهول سهال در واحه‬
:‫ با تاب چاا ی احتمال ز ر است‬X ‫ساعت متغیر تصادفی‬
 ax , 0 x 1 ‫ باش‬E(X)=1 ‫ اگر‬-‫ا ف‬

   
f x  b 2  x , 1  x  2
. ‫ را بهدست ور‬b ‫ و‬a ‫مااد ر‬
 0, OW. .


 f x  dx
RX
1 *    xf x  dx  1
E X 
RX
**
1 2 1 2

 ax dx   b  2  x  dx  x .ax dx   x .b 2  x  dx
0 1
0 1
1 2 1 2
x 2
 x  2 x 3   2 x3 
 a    b 2x    a    b x  
 2 0  2 1  3 0  3 1
a  3 a 4 2
  b 2    b  
2  2 3 3 3
a b a 2b
  1
May 2021   1 31
2 2 3 3
 ‫ ب‬- ۱۵ ‫مثال‬
1) a  b  2
 a 1 b 1
2) a  2b  3

‫ کمتر باش چهق ر است؟‬3 ‫ از‬X ‫ باش احتمال ا نکه‬X  12 ‫ اگر‬-‫ب‬

2

 3 1 1 3
P X  , X   P X  
 3 1 2 2 2 2
P X  | X      
 2 2  1  1
P X   P X  
 2  2
3
3
1 2 1
x   x 2
 x dx   2  x  dx
2 2

   2x   3 3

1 1  2 1  2 1   
 2
 2
 8 8  6
1 2 1 2
 3  1 7
 x dx      x 2
  x 2

2  x dx
   2x     
1 1
 2 1  2 1  8  2
2 2

May 2021 32
 ‫قضیه‬
‫ و تهاب‬F(.) ‫ بها تهاب توز ه تجمعهی‬X ‫• برا هر متغیر تصادفی پیوسته‬
 
:‫ دار م‬f(.) ‫چاا ی احتمال‬
E  X    1  F t   dt   F  t  dt
 
0 0

:‫• اثبات‬
 0 

   xf x  dx   xf x  dx   xf x  dx
E X 
  0
0 

  
   x f x dx   xf x dx  
 0
0 x  x

 
 0
 dt f x  dx    dt f x  dx
0 0
 t  

 
0 
 f x  dx dt    f x  dx dt
0 t
   

 
   F t dt   1  F t  dt
       
  P X  t dt   P X  t dt
0 0 0 0
May 2021 33
 ‫نکته‬

‫ نااه‬P(X<0)=0 ‫عنی‬ ‫ نامن ی باش‬X ‫• اگر‬

 

   1  F t  dt   P  X  t  dt
E X 
0 0

May 2021 34
 ۱۶ ‫مثال‬

‫ امیه‬. ‫ متغیر تصادفی با تاب توز ه تجمعهی ز هر باشه‬X ‫• فرض کنی‬

. ‫ را به دست ور‬X ‫ر اضی‬
 
F x  1 pe  x
, I 0, 


‫• راهحل‬
 

   1  F t  dt   F  t  dt
E X 
0 0


  p e  x dx  0
0

 p  x 
 e 
  0
p

May 2021  35
 ۱۷ ‫مثال‬
‫ فال ه زمانی مراجعه دو مراج به اداره پست باشه‬X ‫• فرض کنی‬
. ‫ را محاسبه کنی‬X ‫ میاناین‬. ‫که در شرط ز ر ل ق میکن‬
 
P X  t   e  t   e   t , t 0
    1,  ,   0, ,   0

 
‫• راهحل‬
   
E X   P X  t dt   P X  t dt  
0 0


  e 
 t
   e  t dt  0
0

   x   x   
 e  e   
   0  
May 2021 36
 ‫امید ریاضی تابعی از یک متغیر تصادفی پیوسته‬

‫متغیر تصادفی پیوسته با تاب چاا ی احتمهال )‪ f(x‬باشه امیه‬ ‫• اگر ‪X‬‬
‫‪E g  X     g  x  f  x  dx‬‬ ‫ر اضی )‪ g(X‬به لورت ز ر تعر ف میشود‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪RX‬‬

‫‪‬‬
‫• اثبات‪ :‬برا متغیر تصادفی غیرمن ی ‪ Y‬داشتیم‪:‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪E Y   P Y  y dy‬‬ ‫‪‬‬
‫‪0‬‬
‫‪‬‬

‫‪‬‬ ‫‪ ‬‬

‫‪E g X    P g x  y dy‬‬
‫‪‬‬
‫‪0‬‬
‫‪  ‬‬
‫‪‬‬

‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬

‫‪f x dx dy‬‬
‫‪ ‬‬
‫‪0 x :g x y‬‬
‫‪ ‬‬
‫‪g x‬‬

‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬

‫‪dy f x dx‬‬
‫‪ ‬‬
‫‪x :g x 0 0‬‬

‫‪‬‬ ‫‪‬‬ ‫‪   ‬‬

‫‪g x f x dx‬‬
‫‪May 2021‬‬ ‫‪ ‬‬
‫‪x :g x 0‬‬ ‫‪37‬‬
 ۱۸ ‫مثال‬
 
‫ مط وبسههت‬.‫انتخههاب مههیکنههیم‬ 0 ,  ‫• ه ع ه د تصههادفی از بههازه‬
 4
Cos  2X  ‫محاسبه امی ر اضی‬

‫ ع د انتخاب ش ه‬:X :‫• راهحل‬


0, x 0
x 0 4 
4 
 
F x P X x    


x   
F x   x, 0x 
0  4
4 1, 
x 

 4
4 
 
f x  F' x    
, 0x 
4
 
4
4 2 2
     
4
* E Cos 2X    Cos 2x dx  Sin 2x 
   
0 0
May 2021 38
 ۱۹ ‫مثال‬

‫ دارا تهاب چاها ی احتمهال ز هر‬X ‫• فرض کنی متغیر تصادفی پیوسته‬
ln X ‫ مط وبست محاسبه امی ر اضی‬. ‫باش‬
2
 
f x 
x 2
, 1 x  2
:‫• راهحل‬

2 2 2 2
2 ln x  2 ln x  2 2
E  ln X   
1 x2
dx   
 x 1
  
1 x 2
dx   ln 2     1  ln 2
 x 1

1
u  ln x du 
x
1 1
dv  v 
x2 x
May 2021 39
 ‫مثال ‪۲۰‬‬

‫• فرض کنی رول کابلها را انه بر حسب می یمتر دارا تاب چاا ی‬
‫ز ر باش ر امی ر اضی ‪  X  1205 ‬را محاسبه کنی ‪.‬‬
‫‪2‬‬

‫‪ ‬‬
‫‪f x‬‬ ‫‪ 0 /1,‬‬ ‫‪1200  x  1210‬‬

‫• راهحل‪:‬‬
‫‪1210‬‬
‫‪1‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪E X  1205‬‬ ‫‪  X  1205  dx‬‬
‫‪‬‬ ‫‪‬‬ ‫‪10‬‬
‫‪1200‬‬
‫‪5‬‬
‫‪1‬‬ ‫‪U ‬‬
‫‪3‬‬
‫‪U  X  1205‬‬ ‫‪ ‬‬
‫‪10‬‬ ‫‪ 3  5‬‬
‫‪250‬‬
‫‪‬‬
‫‪May 2021‬‬ ‫‪30‬‬ ‫‪40‬‬
 ‫ویژگیهای امید ریاضی‬

‫• در تعر ف امی ر اضی داشتیم‪ :‬اگهر ‪ X‬ه متغیهر تصهادفی پیوسهته بها تهاب‬
‫چاا ی احتمال )‪ f(x‬باش امی ر اضی )‪ g(X‬به لورت ز ر تعر ف میشود‪:‬‬

‫‪ ‬‬
‫‪E g X  ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ g x  f x  dx‬‬
‫‪RX‬‬

‫• حال اگر بخواهیم امی ر اضهی عه د ثابهت ‪ c‬را حسهاب کنهیم بها اسهت اده از‬
‫رابطه باال دار م‪:‬‬

‫‪   c f x  dx  c  f x  dx  c‬‬
‫‪E c ‬‬
‫‪RX‬‬ ‫‪RX‬‬

‫• به عنوا مثال‪:‬‬

‫‪May 2021‬‬
‫‪‬‬
‫‪E 5 5‬‬ ‫‪ ‬‬
‫‪E 11  11‬‬ ‫‪‬‬
‫‪E 0 0‬‬ ‫‪41‬‬
 ‫ویژگیهای امید ریاضی‬

‫متغیر تصادفی پیوسته با تاب چاا ی احتمال )‪ f(x‬باش امی‬ ‫• اگر ‪X‬‬
‫ع د ثابت است به لورت ز هر تعر هف‬ ‫ر اضی تاب ‪ cX‬که در ‪c‬‬
‫میشود‪:‬‬

‫‪   c x f x  dx  c  x f x  dx  c E X ‬‬
‫‪E cX ‬‬
‫‪RX‬‬ ‫‪RX‬‬

‫• به عنوا مثال‪:‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪E 2X  2 E X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E 5Y  5 E Y‬‬ ‫‪ ‬‬
‫‪May 2021‬‬ ‫‪42‬‬
 ‫ویژگیهای امید ریاضی‬

‫را حساب کنیم‬  

a g X bh X   ‫• حال اگر بخواهیم امی ر اضی تاب‬
:‫با است اده از رابطه ل حه قبل دار م‬

   
E a g X  b h X  
   a g  X   b h X  f x  dx
RX

a  g x  f x  dx  b  h x  f x  dx
RX RX

   
 a E g X   b E h X 
   

:‫• به عنوا مثال‬

 
E 3 X 2  7 ln X  3 E X    7 E  ln X 
2

May 2021    
E 2 X  5 X 3  1   2 E X  5 E X   1
3
43
 ‫قضیه‬

‫متغیر تصادفی با تاب چاا ی احتمال )‪ f(x‬باش اگر‬ ‫• فرض کنی ‪X‬‬
‫‪ hn ,..., h2 , h1‬تههوابعی حایاههی ما ه ار و ‪ an ,..., a2 , a1‬اع ه اد حایاههی‬
‫گاه‪:‬‬ ‫باشن‬

‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪E a1h1 X  ...  an hn X   a1E h1 X   ...  an E hn X ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬

‫نتیجه‬
‫‪‬‬ ‫‪‬‬
‫‪E a X  b  a E X b‬‬ ‫‪ ‬‬ ‫گاه‬ ‫• اگر ‪ a‬و ‪ b‬اع اد ثابت باشن‬

‫‪May 2021‬‬ ‫‪44‬‬

 ‫واریانس و انحراف معیار‬
‫برای متغیرهای تصادفی پیوسته‬

‫‪May 2021‬‬ ‫‪45‬‬

 ‫واریانس و انحراف معیار‬

‫ناهاه‬ ‫باشه‬ ‫‪‬‬ ‫متغیر تصادفی پیوسته با میهاناین )‪ E(X‬ها‬ ‫• اگر ‪X‬‬
‫وار انس ‪ X‬به لورت ز ر تعر ف میشود‪:‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪  Var X  E  X     E X 2  E X‬‬
‫‪‬‬
‫‪‬‬ ‫‪    ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬

‫‪   x f x  dx‬‬
‫‪E X ‬‬
‫‪RX‬‬

‫‪E  X    x f  x  dx‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪RX‬‬

‫را با ‪ ‬نشها‬ ‫• انحراف معیار‪ :‬جذر وار انس را انحراف معیار نامی ه و‬
‫میدهیم‪.‬‬

‫‪May 2021‬‬ ‫‪46‬‬

 ‫مثال ‪۲۱‬‬

‫مشتر متغیر تصهادفی‬ ‫خ مت بانکی به‬ ‫• م ت زما الزم برا ارائه‬

‫با تاب چاا ی احتمال ز ر استر وار انس ا ن توز را بهدست ور ‪.‬‬
‫‪x‬‬
‫‪ ‬‬
‫‪f x‬‬ ‫‪‬‬
‫‪2‬‬
‫‪,‬‬ ‫‪0  x  2‬‬

‫• راهحل‬
‫‪2‬‬
‫‪2 x‬‬
‫‪2‬‬
‫‪x‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E X    x . dx‬‬ ‫‪E X    x . dx‬‬
‫‪2‬‬

‫‪0‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪2‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪x ‬‬ ‫‪3‬‬
‫‪x ‬‬‫‪4‬‬
‫‪ ‬‬
‫‪ 6 0‬‬
‫‪ ‬‬
‫‪ 8 0‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪Var X  E X 2  E 2 X‬‬ ‫‪ ‬‬
‫‪2‬‬
‫‪8‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪2  ‬‬
‫‪6‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪May 2021‬‬ ‫‪47‬‬
 ۲۲ ‫مثال‬

‫• فرض کنی ان ازه ذرات ودگی بر حسب میکرومتر به لورت ز ر م لبن‬

. ‫ را تعیین کنی‬X ‫ انحراف معیار‬.‫شود‬
 
f x  2x 3 , x 1

‫• راهحل‬
 
E X    x .2x dx 3
E X 2    x 2 .2x 3dx
1
1

 2 


   2  ln x 
 1
 x 1

2
   
Var X  E X 2  E 2 X  

2
May 2021
 2  48
 ‫قضیه‬
‫متغیر تصادفی پیوسهته باشه در ا هن لهورت بهرا‬ X ‫• فرض کنی‬
:‫ دار م‬b ‫ و‬a ‫ثابتها‬
 
Var aX  b  a 2 Var X ,    aX b  a  X

:‫• اثبات‬
   
2
 
Var aX  b  E  a X  b  E a X  b 
 
 
2

 E a X b aE X E b


  
   
2

 E a X a E X  b b


 
  
2
 E a X  E X 
 
 
2
2

a E X E X 
 
May 2021
2
 a Var X     aX b  a  X 49
 )‫خواص امید ریاضی و واریانس (خالصه‬
‫گهاه‬ ‫ اع اد ثابهت باشهن‬b ‫ و‬a ‫متغیر تصادفی و‬ X ‫• فرض کنی‬
:‫ دار م‬g(x) ‫برا هر تاب‬

E a a 
 Var a  0

 
 E aX  a E X    
 Var aX  a 2 Var X 
 
   
 E ag X   a E g X 
       
 Var ag X   a 2 Var g X 


     
 E ag X  b   a E g X   b
        
 Var ag X  b   a 2 Var g X 


           
 E ag1 X  bg 2 X   a E g1 X   b E g 2 X 

           
 Var ag X  bg 2 X   a 2 Var g X   b 2 Var g 2 X 

May 2021 50
 ‫مثال آخر‬
‫• ما ار تااضا ه تاهی بهرا نوشهابها معهین (بهر حسهب ههزار یتهر) در‬
‫فروشااهی زنجیرها متغیر تصادفی پیوسته ‪ g  X   X  X  2‬است که‬
‫‪2‬‬

‫در ‪ X‬دارا تاب چاا ی ز ر است‪ .‬ما ار مورد انت هار تااضها ه تاهی‬
‫‪f  x   2  x  1 ,‬‬ ‫‪1 x  2‬‬ ‫ا ن نوع نوشابه را پی ا کنی ‪.‬‬

‫• راهحل‬
‫‪17 5‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪E X 2  X  2  E X 2  E X  2 ‬‬ ‫‪ 2  2/5‬‬
‫‪6 3‬‬
‫‪2‬‬
‫‪2‬‬
‫‪x‬‬ ‫‪4‬‬
‫‪x ‬‬
‫‪3‬‬
‫‪17‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E X   x  2 x  1 dx  2    ‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪1‬‬ ‫‪4‬‬ ‫‪3 1‬‬ ‫‪6‬‬

‫‪2‬‬
‫‪2‬‬
‫‪x 3 x 2 ‬‬ ‫‪5‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E X   x  2 x  1 dx  2    ‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪2 1 3‬‬

‫‪May 2021‬‬ ‫‪51‬‬