‫آمار و احتماالت مهندسی‬

‫ مبحث دهم‬-

Engineering Probability and Statistics

- Chapter 10
IRAJ RAFIEI ‫ایرج رفیعی‬
IRAFIEI@OUTLOOK.COM 1402
2023
 ‫آمار و احتماالت مهندسی‬

‫سرفصل‌ها‬
‫‪ -1‬مفهوم رخداد یا پیشامد‪ ،‬قطعیت و عدم قطعیت نتیجه یک آزمایش‬
‫‪ -2‬فضای نمونه‪ ،‬نظریه مجموعه ها‬
‫‪ -3‬آنالیز ترکیبی و روش های شمارش‬
‫‪ -4‬مبانی نظریه احتمال‬
‫‪ -5‬استقالل و وابستگی نتایج آزمایش ها‪ ،‬احتماالت شرطی‬
‫‪ -6‬قانون بیز و قانون احتمال کلی‬
‫‪ -7‬متغیرهای تصادفی گسسته‬
‫‪ -8‬متغیرهای تصادفی پیوسته‬
‫‪ -9‬تابعی از یک متغیر تصادفی‬
‫‪ -10‬دو متغیر تصادفی‪ ،‬تابع توزیع توأم‪ ،‬کوواریانس و توزیع شرطی‬
‫‪ -11‬نامساوی های مارکوف و چبی شف‬
‫‪ -12‬قضیه حد مرکزی‪ ،‬قانون ضعیف اعداد بزرگ‪ ،‬قانون قوی اعداد بزرگ‬
‫‪ -13‬آمار‬
‫‪Joint distribution of two random variables‬‬ ‫توزیع احتمال توأم دو متغیر تصادفی‬

‫اگر دو متغیر تصادفی را با هم مطالعه می کنیم‪ ،‬دانستن توزیع‬

‫احتمال انفرادی آنها نمی تواند اطالعات کافی برای حل مسائل‬
‫ارائه نماید‪ .‬در این گونه مسائل نیاز است که بدانیم زوج )𝑦‪(𝑥,‬‬
‫در چه ناحیه ای از صفحۀ 𝑦𝑥 قرار دارد‪.‬‬

‫‪1‬‬
‫‪Joint distribution of two random variables‬‬ ‫توزیع احتمال توأم دو متغیر تصادفی‬

‫بطور خاص برای تابع توزیع تجمعی احتمال توأم (مشترک) دو متغیر تصادفی‪،‬‬
‫الزم است احتمال پیشامد زیر را بدانیم‪.‬‬
‫𝑦 ≤ 𝑌 ‪𝑋 ≤ 𝑥 ∩ 𝑌 ≤ 𝑦 = 𝑋 ≤ 𝑥,‬‬
‫بنابراین احتمال اینکه )𝑦‪ (𝑥,‬در ناحیۀ ‪ 𝐷1‬در شکل روبرو قرار گیرد مورد‬
‫نظر است‪.‬‬
‫𝑦 ≤ 𝑌 ‪𝐹𝑋,𝑌 𝑥, 𝑦 = 𝑃 𝑋 ≤ 𝑥,‬‬

‫برای ناحیه های مستطیل شکل به راحتی می توانیم با استفاده از تابع توزیع تجمعی مشترک احتمال مورد نظر را بدست آوریم‪.‬‬
‫برای اینکه احتماالت دیگر را در حالت کلی بخواهیم بدست آوریم می بایست تابع چگالی احتمال مشترک 𝑦‪ 𝑓𝑋,𝑌 𝑥,‬را‬
‫بدست آوریم و سپس بر روی ناحیۀ مورد نظر انتگرال دوگانه بگیریم‪.‬‬

‫‪2‬‬
‫‪Joint distribution of two random variables‬‬ ‫توزیع احتمال توأم دو متغیر تصادفی‬

‫مثال ‪ :1-10‬احتمال قرار گرفتن 𝑦‪ 𝑥,‬در ناحیۀ ‪ 𝐷4‬شکل روبرو به طریق زیر‬
‫محاسبه می شود‪.‬‬

‫𝑃‬ ‫‪𝑥, 𝑦 ∈ 𝐷4‬‬ ‫‪= 𝐹𝑋,𝑌 𝑥2 , 𝑦2 − 𝐹𝑋,𝑌 𝑥1 , 𝑦2 − 𝐹𝑋,𝑌 𝑥2 , 𝑦1 + 𝐹𝑋,𝑌 𝑥1 , 𝑦1‬‬

‫تمرین‪ :1-10‬رابطۀ فوق را اثبات کنید‪.‬‬

‫‪3‬‬
‫‪Joint distribution of two random variables‬‬ ‫توزیع احتمال توأم دو متغیر تصادفی‬

‫تمرین‪ :2-10‬احتمال قرار گرفتن (𝑥‪ )𝑦,‬در ناحیه های ‪ 𝐷2‬و ‪ 𝐷3‬شکل زیر را بدست آورید‪ .‬مرز افقی ‪ 𝐷2‬در ‪ 𝑦3‬و مرز عمودی ‪ 𝐷3‬در ‪ 𝑥3‬قرار دارد‪.‬‬

‫‪4‬‬
‫‪Joint probability density function of two random variables‬‬ ‫چگالی احتمال توأم دو متغیر تصادفی‬

‫تابع چگالی احتمال توأم (مشترک) دو متغیر تصادفی بصورت زیر تعریف می شود‪.‬‬

‫)𝑦 ‪𝜕 2 𝐹𝑋,𝑌 (𝑥,‬‬

‫𝑌‪𝑓𝑋,‬‬ ‫= 𝑦 ‪𝑥,‬‬
‫𝑦𝜕𝑥𝜕‬
‫𝑥‬ ‫𝑦‬
‫‪𝐹𝑋,𝑌 𝑥, 𝑦 = න‬‬ ‫𝛽𝑑𝛼𝑑 𝛽 ‪න 𝑓𝑋,𝑌 𝛼,‬‬
‫∞‪−∞ −‬‬
‫در این صورت احتمال اینکه زوج )𝑦‪ (𝑥,‬در ناحیۀ مفروض 𝐷 واقع شود بصورت زیر محاسبه می شود‪.‬‬

‫𝑃‬ ‫𝐷 ∈ 𝑦 ‪𝑥,‬‬ ‫𝑦𝑑𝑥𝑑 𝑦 ‪= ඵ 𝑓𝑋,𝑌 𝑥,‬‬

‫𝐷‬

‫‪5‬‬
 ‫ویژگی های توزیع احتمال توأم و چگالی احتمال توأم دو متغیر تصادفی‬

‫‪𝐹𝑋,𝑌 −∞, 𝑦 = 0‬‬ ‫‪𝐹𝑋,𝑌 −∞, −∞ = 0‬‬

‫‪𝐹𝑋,𝑌 𝑥, −∞ = 0‬‬ ‫‪𝐹𝑋,𝑌 ∞, ∞ = 1‬‬
‫𝑦 ‪𝐹𝑌 𝑦 = 𝐹𝑋,𝑌 ∞,‬‬ ‫∞ ‪𝐹𝑋 𝑥 = 𝐹𝑋,𝑌 𝑥,‬‬
‫∞‬
‫∞ ‪𝜕𝐹𝑋,𝑌 𝑥,‬‬
‫𝑌‪𝑓𝑋 𝑥 = න 𝑓𝑋,‬‬ ‫= 𝑦𝑑 𝑦 ‪𝑥,‬‬
‫∞‪−‬‬ ‫𝑥𝜕‬
‫∞‬
‫𝑦 ‪𝜕𝐹𝑋,𝑌 ∞,‬‬
‫𝑌‪𝑓𝑌 𝑦 = න 𝑓𝑋,‬‬ ‫= 𝑥𝑑 𝑦 ‪𝑥,‬‬
‫∞‪−‬‬ ‫𝑦𝜕‬
‫∞‬ ‫∞‬
‫‪න‬‬ ‫‪න 𝑓𝑋,𝑌 𝑥, 𝑦 𝑑𝑥𝑑𝑦 = 1‬‬ ‫‪𝑓𝑋,𝑌 𝑥, 𝑦 ≥ 0‬‬
‫∞‪−∞ −‬‬

‫‪6‬‬
 ‫کوواریانس دو متغیر تصادفی‬

‫کوواریانس دو متغیر تصادفی بصورت زیر تعریف می شود‪.‬‬

‫𝑌𝜇 ‪𝐶𝑜𝑣 𝑋, 𝑌 = 𝐶𝑋𝑌 = 𝜎𝑋𝑌 = 𝐸 𝑋 − 𝜇𝑋 𝑌 −‬‬ ‫]𝑌[𝐸 ‪= 𝐸 𝑋 − 𝐸[𝑋] 𝑌 −‬‬

‫تمرین‪ :3-10‬روابط را اثبات کنید‪.‬‬

‫)𝑌 ‪𝐶𝑜𝑣 𝑋 + 𝑎, 𝑌 + 𝑏 = 𝐶𝑜𝑣(𝑋,‬‬
‫)𝑌 ‪𝐶𝑜𝑣 𝑎𝑋, 𝑏𝑌 = 𝑎𝑏𝐶𝑜𝑣(𝑋,‬‬
‫)𝑍 ‪𝐶𝑜𝑣 𝑋 + 𝑌, 𝑍 = 𝐶𝑜𝑣 𝑋, 𝑍 + 𝐶𝑜𝑣(𝑌,‬‬
‫)𝑊 ‪𝐶𝑜𝑣 𝑋 + 𝑌, 𝑉 + 𝑊 = 𝐶𝑜𝑣 𝑋, 𝑉 + 𝐶𝑜𝑣 𝑋, 𝑊 + 𝐶𝑜𝑣 𝑌, 𝑉 + 𝐶𝑜𝑣(𝑌,‬‬

‫‪7‬‬
 ‫توزیع احتمال شرطی‬

‫توزیع احتمال شرطی با استفاده از تعریف احتمال شرطی بصورت زیر تعریف می شود‪.‬‬

‫)𝑦 ‪𝑓𝑋,𝑌 (𝑥,‬‬ ‫)𝑦 ‪𝑓𝑋,𝑌 (𝑥,‬‬

‫= 𝑥𝑦 𝑓‬ ‫= 𝑦𝑥 𝑓‬
‫)𝑥( 𝑋𝑓‬ ‫)𝑦( 𝑌𝑓‬

‫اگر دو متغیر تصادفی 𝑋 و 𝑌 مستقل باشند روابط زیر صادق خواهد بود‪.‬‬

‫)𝑦( 𝑌𝑓 )𝑥( 𝑋𝑓 = 𝑦 ‪𝑓𝑋,𝑌 𝑥,‬‬ ‫)𝑦( 𝑌𝑓 = 𝑥 𝑦 𝑓‬ ‫)𝑥( 𝑋𝑓 = 𝑦 𝑥 𝑓‬

‫‪8‬‬
 ‫پایان مبحث‬

‫آیا پرسشی دارید؟‬

‫سپاس از توجه شما‬