‫‪45‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫الفصل الثاني‬
‫التوقع الرياضي‬
‫‪ 1 – 2‬ماذا يعني التوقع‪:‬‬
‫كتسلسل علمي توجد عدة مفاهيم لها عالقة وطيدة بدراسة العمليات العشوائية (التصادفية)‬
‫ومنها‪:‬‬

‫االحتمال الشرطي‪.‬‬ ‫‪.1‬‬

‫)سبق وأن تم التطرق لها بالتفصيل في الفصل السابق(‬
‫دالة التوزيع الشرطي‪.‬‬ ‫‪.2‬‬
‫التوقع وباألخص التوقع الشرطي‪ ،‬وبالعودة للسؤال (ماذا يعني التوقع) فهو القيمة المتوقعة‬ ‫‪.3‬‬
‫لقيمة المتوسط النظري ‪ μ‬للمجتمع قيد الدراسة‪.‬‬

‫ويعرف التوقع رياضيًا بأنه إذا كان المتغير العشوائي ‪ X‬يأخذ القيم ‪ X n , … , X 2 , X 1‬ولقيم احتمالية‬
‫مناظرة ¿ ¿ ¿)‪ P(x ¿¿ n), … , P(x ¿¿ 2), P(x ¿¿ 1‬على التوالي‪ ،‬ولذلك تكون القيمة المتوقعة‪:‬‬
‫¿¿ ¿)‪E ( X )=x 1 P(x ¿¿ 1)+ x 2 P (x ¿¿ 2)+…+ x n P( x ¿¿ n‬‬

‫وبصيغة مختصرة‪:‬‬
‫‪n‬‬
‫¿)‪E ( X )=∑ x i P(x ¿¿ i‬‬
‫‪i=1‬‬

‫والصيغة أعاله تمثل القيمة المتوقعة للمتغير العشوائي المتقطع ‪. X‬‬

‫أما إذا كان التوزيع االحتمالي للمتغير العشوائي مستمرًا فإن القيمة المتوقعة للمتغير العشوائي ‪X‬‬
‫وفقًا للصيغة اآلتية‪:‬‬
‫∞‬
‫‪E ( X )=∫ x f ( x ) dx‬‬
‫∞‪−‬‬

‫ويجب أن ال ننسى فضل التوقع ألي متغير عشوائي والتباين (الذي ممكن الوصول الستخراج قيمته‬
‫عند معرفة القيمة المتوقعة ألي متغير عشوائي)‪ .‬ففي أي عمل إحصائي وعندما يتطلب األمر معرفة‬
‫سلوك المتغير العشوائي أو اقتفاء أثر أي متغير عشوائي‪ ،‬فذلك ال يتم إال بالتعرف على هذين‬
‫المقياسين (التوقع والتباين)‪ ،‬وكما أسلفنا إذا تم الحصول على القيمة المتوقعة وبذلك يساعد على‬
‫إيجاد التباين وبواسطة العالقة اآلتية‪:‬‬
‫‪2‬‬
‫] ) ‪Var ( x )=E ( x )−[ E ( x‬‬
‫‪2‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪46‬‬
‫وتطبيقاتها)‬
‫ويتم استخراج الحد األول من العالقة أعاله كما يلي‪:‬‬
‫‪n‬‬
‫) ‪E ( X ) =∑ x 2i p( x‬‬
‫‪2‬‬

‫‪i=1‬‬

‫إذ كان المتغير العشوائي متقطع‪.‬‬

‫أما إذا كان التوزيع مستمر للمتغير العشوائي فيكون كما يلي‪:‬‬
‫∝‬
‫‪E ( X ) =∫ xi f ( x ) dx‬‬
‫‪2‬‬ ‫‪2‬‬

‫∞‪−‬‬

‫وللتوقع صفات ندرج منها ما يلي‪:‬‬

‫نظرية‪ :‬إذا كان ‪ x ، y‬متغيرين عشوائيين مستقلين‪ ،‬لنفس فضاء العينة و ‪ k‬عدد حقيقي فيكون‪:‬‬
‫‪1.‬‬ ‫) ‪E [ kX ]=k . E (X‬‬
‫‪2.‬‬ ‫‪E [ X +k ] =E ( X ) +k‬‬
‫‪3.‬‬ ‫) ‪E [ X +Y ]=E ( X ) + E(Y‬‬
‫‪4.‬‬ ‫) ‪E [ g ( y ) ] =∑ g ( y ) . f ( y‬‬

‫نتيجة‪ :‬افترض أن ‪ X n , … , X 2 , X 1‬متغيرات عشوائية ولنفس فضاء العينة فيكون‪:‬‬

‫¿ ‪E ( X 1+ X 2+ …+ X n ) =E‬‬

‫‪ 2 – 2‬أمثلة حول حول كيفية استخراج التوقع‪:‬‬

‫مثال ‪ :1‬اشترى رجل بطاقة يانصيب وكان احتمال فوزه بالجائزة األولى قدرها ‪ 5000‬دينار هو‬
‫‪ 0.001‬واحتمال فوزه بالجائزة الثانية وقدرها ‪ 2000‬دينار هو ‪ ،0.003‬فما هي القيمة العادلة التي‬
‫يشتري بها بطاقة اليانصيب هذه (ويقصد بالقيمة العادلة بالوسط النظري لقيمة البطاقة)‪.‬‬

‫الحل‪:‬‬
‫نرمز للجائزة األولى بـ ‪ Y1‬واحتمال الفوز بها )‪P(Y1=y1‬‬

‫نرمز للجائزة األولى بـ ‪ Y2‬واحتمال الفوز بها )‪P(Y2=y2‬‬

‫) ‪μ=E (Y )= y 1 P ( Y 1= y 1) + y 2 P ( Y 2= y 2‬‬

‫‪μ=E (Y )=5000∗0.001+2000∗0.003=11‬‬ ‫دينار‬

‫مثال ‪ :2‬أوجد العدد المتوقع من األوالد للجنة مؤلفة من ‪ 3‬عناصر انتخبت عشوائيًا من ‪ 4‬أوالد و‬
‫‪ 3‬بنات‪.‬‬
‫‪47‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫الحل‪:‬‬
‫نفرض أن ‪ X‬هو عدد األوالد في اللجنة‪ ،‬ولذلك يكون التوزيع االحتمالي لـ ‪ X‬هو‪:‬‬

‫= ) ‪P ( X=x‬‬
‫(‬ ‫) ‪x )( 3−x‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪, x=0 , 1 ,2 , 3‬‬
‫) ‪(3‬‬
‫‪7‬‬

‫‪1‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪4‬‬

‫=) ‪P ( 0‬‬ ‫=) ‪, P ( 1 )= , P ( 2 )= , P ( 3‬‬
‫‪35‬‬ ‫‪35‬‬ ‫‪35‬‬ ‫‪35‬‬
‫❑‬
‫)‪∴ E ( X )=∑ x p(X =x‬‬
‫❑‬

‫‪E ( X )=0‬‬ ‫‪( 351 )+1( 1235 )+ 2( 1835 )+3( 354 )=1.7‬‬
‫فإذا تم انتخاب لجنة مؤلفة من (‪ )3‬أشخاص من (‪ )4‬أوالد و (‪ )3‬بنات فإن هذه اللجنة تحتوي في‬
‫المتوسط على (‪ )1.7‬ولد‪.‬‬

‫مثال‪ :3‬من التوزيع اإلحتمالي التالي‪:‬‬

‫‪X‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪16‬‬ ‫‪20‬‬ ‫‪24‬‬

‫)‪P(x‬‬ ‫‪1/8‬‬ ‫‪1/6‬‬ ‫‪3/8‬‬ ‫‪1/4‬‬ ‫‪1/12‬‬

‫(ج) )‪E( X−μ‬‬ ‫(ب) )‪.E(X2‬‬ ‫أوجد‪( :‬أ) )‪.E(X‬‬

‫‪2‬‬

‫الحل‪:‬‬
‫(أ) )‪ E(X‬هو الوسط الحسابي اإلحتمالي ويساوي ) ‪ μ=E (X‬ويستخرج‬
‫❑‬
‫)‪μ=E ( X )=∑ x p ( X =x‬‬
‫❑‬

‫‪μ=E ( X )=8‬‬ ‫‪( 18 )+12( 16 )+16 ( 38 )+20( 14 )+ 24( 121 )=16‬‬

‫(ب) )‪ ، E(X2‬ويمثل العزم الثاني حول الصفر أي‪:‬‬

‫❑‬
‫) ‪E ( X ) =∑ x p( X=x‬‬
‫‪2‬‬ ‫‪2‬‬

‫❑‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪48‬‬
‫وتطبيقاتها)‬
‫‪E ( X 2) =82‬‬ ‫‪( 18 )+12 ( 16 )+16 ( 38 )+20 ( 14 )+ 24 ( 121 )=276‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫(ج) )‪E( X−μ‬‬

‫‪2‬‬

‫❑‬
‫)‪E( X−μ) =∑ (X −μ) p (X =x‬‬
‫‪2‬‬ ‫‪2‬‬

‫❑‬

‫‪μ=E ( X )=(8−16)2‬‬ ‫‪( 18 )+(12−16) ( 16 )+(16−16) ( 38 )+(20−16) ( 14 )+(24−16) ( 121 )=20‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫وهو تباين التوزيع اإلحتمالي‪.‬‬

‫مثال ‪ :4‬إذا علمت أن‪:‬‬

‫) () (‬
‫‪P ( X )= 3‬‬
‫‪1 3‬‬
‫‪x 2‬‬
‫‪, x=0 , 1 ,2 , 3‬‬

‫أوجد‪. E( X ¿¿ 2+1)¿ :‬‬

‫الحل‪:‬‬
‫نجد كًال من )‪ P(0) ، P(1) ، P(2) ، P(3‬كما في الجدول التالي‪:‬‬

‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫)‪P(x‬‬ ‫‪1/8‬‬ ‫‪3/8‬‬ ‫‪3/8‬‬ ‫‪1/8‬‬

‫‪3‬‬
‫¿ ) ‪∴ E(X ¿ ¿2+1)=∑ ( x 2+ 1 ) P ( X =x‬‬
‫‪x=0‬‬

‫) ‪E( X ¿¿ 2+1)=( 02 +1‬‬ ‫¿) ‪( 18 )+(1 +1)( 38 )+( 2 +1) ( 38 )+(3 +1)( 18‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪36‬‬
‫=)‪E( X ¿¿ 2+1‬‬ ‫¿‬
‫‪8‬‬

‫مثال ‪ :5‬إذا كان ‪ X‬متغير عشوائي يمثل أكبر العددين الظاهرين أو أحدهما أن تساويا في تجربة‬
‫القاء حجري نرد‪ .‬أوجد‪:‬‬

‫المدى‪.‬‬ ‫‪.1‬‬
‫كون جدول التوزيع التكراري اإلحتمالي‪.‬‬ ‫‪.2‬‬
‫القيمة المتوقعة للمتغير ‪.X‬‬ ‫‪.3‬‬
‫‪49‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫الحل‪:‬‬
‫‪)2 R x ={ 1 ,2 , 3 , .., 6 } )1‬‬

‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬

‫)‪P(x‬‬ ‫‪1/36‬‬ ‫‪3/36‬‬ ‫‪5/36‬‬ ‫‪7/36‬‬ ‫‪9/36‬‬ ‫‪11/36‬‬

‫❑‬
‫) ‪E ( X )= ∑ x p( X=x‬‬
‫‪x ∈R x‬‬

‫‪E ( X )=1‬‬ ‫‪( 361 )+2( 363 )+ 3( 365 )+ 4( 367 )+5( 369 )+6 ( 1136 )= 161‬‬
‫‪36‬‬

‫مثال ‪ :6‬سحبت (‪ )3‬كرات معًا من صندوق يحتوي على (‪ )4‬كرات بيضاء وكرتين حمراويتين‪ .‬إذا‬
‫كان المتغير العشوائي يمثل عدد الكرات الحمراء في العينة المسحوبة‪ .‬أوجد‪:‬‬

‫مدى ‪.X‬‬ ‫‪.1‬‬

‫التوزيع اإلحتمالي للمتغير ‪.X‬‬ ‫‪.2‬‬
‫القيمة المتوقعة للمتغير ‪.X‬‬ ‫‪.3‬‬

‫الحل‪:‬‬
‫‪)2 R x ={ 1 ,2 , 3 } )1‬‬

‫=) ‪P ( X=0‬‬
‫(‬ ‫‪0)( 3 ) 4‬‬
‫‪2 4‬‬
‫=‬
‫‪(3) 20‬‬
‫‪6‬‬

‫=) ‪P ( X=1‬‬
‫(‬ ‫‪1 )( 2 ) 12‬‬
‫‪2 4‬‬
‫=‬
‫‪(3) 20‬‬
‫‪6‬‬

‫=) ‪P ( X=2‬‬
‫(‬ ‫‪2 )( 1 ) 4‬‬
‫‪2 4‬‬
‫=‬
‫‪(3) 20‬‬
‫‪6‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪50‬‬
‫وتطبيقاتها)‬

‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬

‫)‪P(x‬‬ ‫‪4/20‬‬ ‫‪12/20‬‬ ‫‪4/20‬‬

‫‪3 ¿ E ( X )=μ x =0‬‬ ‫‪( 204 )+1( 1220 )+2( 204 )=1‬‬
‫مثال ‪ :7‬إذا كان ‪ X‬متغيرًا عشوائيًا متصًال مداه [‪ ]4 , 2-‬وكانت دالة الكثافة االحتمالية كما يلي‪:‬‬
‫)‪f x ( x ) =a(x +2‬‬

‫أوجد (‪ )1‬قيمة ‪ a‬التي تثبت دالة كثافة احتمالية ) ‪. f x ( x‬‬

‫(‪ )2‬توقع ‪.X‬‬

‫الحل‪:‬‬
‫لكي تكون ) ‪ f x ( x‬دالة كثافة احتمالية يجب أن تكون‪:‬‬

‫[‬ ‫]‬
‫‪4‬‬ ‫‪4‬‬
‫‪x2‬‬
‫‪1 ¿ ∫ a ( x+2 ) dx=1 → a‬‬ ‫‪−2 x‬‬ ‫‪=1‬‬
‫‪–2‬‬
‫‪2‬‬ ‫‪−2‬‬

‫‪1‬‬
‫=‪∴ a‬‬
‫‪18‬‬

‫[‬ ‫]‬
‫‪4‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪1 x3 2‬‬
‫∫=) ‪E ( X‬‬ ‫¿=‪x ( x +2 ) dx‬‬ ‫¿ ‪+ x =2‬‬
‫‪–2‬‬
‫‪18‬‬ ‫‪18 3‬‬ ‫‪−2‬‬

‫مثال ‪ :8‬إذا كان للمتغير العشوائي ‪ X‬دالة كثافة احتمالية هي كما يلي‪:‬‬
‫] ‪f x ( x ) =a x , x ∈ [ −1 ,2‬‬
‫‪2‬‬
‫حيث‬

‫‪ )a.‬أوجد )‪.E(X‬‬ ‫‪ )1‬أوجد قيمة ‪2‬‬

‫الحل‪:‬‬
‫‪2‬‬

‫‪∫ f x ( x ) dx=1‬‬
‫‪−1‬‬

‫] [‬
‫‪2‬‬ ‫‪2‬‬
‫‪x3‬‬
‫‪a ∫ x dx=1 → a‬‬
‫‪2‬‬

‫‪−1‬‬
‫‪3‬‬ ‫‪−1‬‬

‫‪∴ 3 a=1‬‬
‫‪1‬‬
‫=‪∴ a‬‬
‫‪3‬‬
‫‪51‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫‪2‬‬ ‫‪2‬‬
‫‪E ( X )=∫ x ax dx → ∫ ax dx‬‬
‫‪2‬‬ ‫‪3‬‬

‫‪−1‬‬ ‫‪−1‬‬

‫] [ ] [ ] [‬
‫‪2‬‬
‫‪x4‬‬ ‫‪16−1‬‬ ‫‪15‬‬
‫‪¿a‬‬ ‫‪→a‬‬ ‫‪→a‬‬
‫‪4‬‬ ‫‪−1‬‬ ‫‪4‬‬ ‫‪4‬‬
‫‪1 15 5‬‬
‫) ‪. = =E ( X‬‬
‫‪3 4 4‬‬

‫‪ 3 – 2‬التوقع الشرطي ‪Conditional Expectation‬‬

‫مفهوم التوقع الشرطي له استخدامات إحصائية مهمة منها‪:‬‬

‫أوًال‪ :‬إن للتوقع الشرطي دورًا مهمًا في اإلجابة على كثير من مشاكل التنبؤ وبصورة عامة في‬
‫تحليل السالسل الزمنية وفي نظرية اتخاذ القرارات اإلحصائية عندما يتم توقع المتغير العشوائي في‬
‫ظل تأثير متغيرات شرطية أخرى‪.‬‬

‫ثانيًا‪ :‬تكمن أهمية التوقع الشرطي في توفر األساليب المطلوبة لتحليل المتغيرات العشوائية التابعة‬
‫في سلسلة من الخطوات‪ ،‬وبشكل عام تأتي أهمية التوقع الشرطي من الخصائص األساسية اآلتية‪:‬‬

‫‪ .1‬نفرض ‪ X ، Y‬عبارة عن متغيرين عشوائيين موزعين توزيعًا مشتركًا وأن الدالة تمثلها )‪g(x,y‬‬
‫وهي عبارة عن دالة ذات متغيرين‪ .‬نفترض أن )‪ E(Y‬محدود وأن ‪ X‬ذا توزيع متقطع كما‬
‫نفترض أن ] ‪ E [ Y |X =x‬تمثل توقع ‪ .Y‬إذا علمت أن ‪( X=x‬يعرف هذا المفهوم في حالة‬
‫المتغيرات العشوائية المتقطعة المشتركة وفقًا للصيغة اآلتية)‪:‬‬
‫) ‪E [ Y |X =x ] =∑ y P y|x ( y |x‬‬

‫وبصورة عامة يمكن تمثيل ] ‪ E [ Y‬كما يلي‪:‬‬

‫❑‬
‫) ‪E [ Y ] =∑ E [ Y |X =x ] P x (x‬‬
‫‪¿x‬‬

‫وبعبارة ثانية يمكن الحصول على متوسط ‪ Y‬غير المشروط من خالل معرفة توقع ‪ X‬المشروط‪ ،‬إذا‬
‫علمت قيم ‪ Y‬لجميع قيم ‪ x‬في حالة ‪. P x ( x ) >0‬‬

‫‪ .2‬إذا كان كل من ‪ X، Y‬متغيرين عشوائيين مستقلين فيكون التوقع بالصيغة اآلتية‪:‬‬

‫] ‪E [ Y |X =x ] =E [ Y‬‬

‫وبعبارة أخرى فالتوقع الشرطي ] ‪ E [ Y |X =x‬ال يعتمد على قيم ‪ x‬ويساوي المتوسط غير الشرطي‬
‫] ‪ E [ Y‬إذا كان كًال من ‪ X , Y‬مستقلين ولجميع قيم ‪ x‬بحيث يكون ‪. P x ( x ) >0‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪52‬‬
‫وتطبيقاتها)‬
‫‪ .3‬إليجاد دالة مثل )‪ g(. , .‬بحيث يكون التوقع ])‪ E [ g( x , y‬ذو قيمة حقيقية وكما في المعادلة التالية‪:‬‬
‫¿)‪−¿ ….(a‬‬
‫] ‪E [ g( x , y)|X =x ] =E [ g (x , y )| X=x‬‬

‫ولحل المعادلة في ‪ a‬نفرض أن ) ‪ V =g ( x , y ) ، U =g ( x , y‬وأن ) ‪ g ( x , y‬عبارة عن دالة لـ ‪ Y‬فقط‬

‫(ألي عدد حقيقي معلوم ‪.) x‬‬

‫ومعنى الدالة ‪ a‬هو المتوسط الشرطي لـ ‪ U‬إذا علمت أن ‪ X=x‬يساوي المتوسط الشرطي لـ ‪ V‬إذا‬
‫علمت أن ‪ X=x‬ونلخص ما تقدم في محورين‪:‬‬

‫أوًال‪ :‬التوزيعات المتقطعة‪ :‬بشكل عام يمكن تلخيص ما تقدم وخاصة بالتوزيعات المتقطعة‬
‫المعادلة اآلتية‪:‬‬
‫∞‬
‫) ‪E [ g( x , y) ] =∑ E [ g ( x , y )| X=x ] Pr ( Y = y i‬‬
‫‪i =1‬‬

‫ثانيًا‪ :‬التوزيعات المستمرة‪ :‬التوقع الشرطي (المتوسط الشرطي) للدالة بين (‪ )X,Y‬للفرضية التي‬
‫تؤكد وجود قيم المتغير ‪ X=x‬فيكون كما يلي‪:‬‬
‫∞‬
‫‪E [ g ( x , y )|X =x ] = ∫ g ( x , y ) f y/ x ( y| x ) dy‬‬
‫∞‪−‬‬

‫∞‬

‫‪∫ g ( x , y ) f ( x , y ) dy‬‬
‫= ] ‪E [ g ( x , y )|X =x‬‬ ‫∞‪−‬‬
‫∞‬

‫‪∫ f ( x , y ) dy‬‬
‫∞‪−‬‬
‫∞‬

‫‪∫ g ( x , y ) f ( x , y ) dy‬‬
‫= ] ‪E [ g ( x , y )|X =x‬‬ ‫∞‪−‬‬
‫)‪f 1 (x‬‬

‫بشرط أن التكامل للجانب األيمن يمكن تحقيقه‪.‬‬

‫ويمكن صياغة المعادالت لحساب التوقع الشرطي والتباين الشرطي لقيم معطاة للمتغير ‪ X =x‬كما‬
‫يلي‪:‬‬
‫∞‬

‫‪∫ y f ( x , y ) dy‬‬
‫=) ‪E [ Y |X =x ] =m2 ( x‬‬ ‫∞‪−‬‬
‫∞‬

‫‪∫ f ( x , y ) dy‬‬
‫∞‪−‬‬
‫‪53‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫∞‬

‫‪∫ y f ( x , y ) dy‬‬
‫= ] ‪E [ Y |X =x‬‬ ‫∞‪−‬‬
‫) ‪f 1 (x‬‬

‫ولهذا تكون معادلة التباين الشرطي كما يلي‪:‬‬

‫∞‬

‫] ) ‪∫ [ y−m2 ( x‬‬
‫‪2‬‬
‫‪f ( x , y ) dy‬‬
‫= ] ‪Var [ Y | X=x‬‬ ‫∞‪−‬‬
‫∞‬

‫‪∫ f ( x , y ) dy‬‬
‫∞‪−‬‬
‫∞‬

‫] ) ‪∫ [ y−m2 ( x‬‬
‫‪2‬‬
‫‪f ( x , y ) dy‬‬
‫= ] ‪Var [ Y | X=x‬‬ ‫∞‪−‬‬
‫)‪f 1 (x‬‬

‫وبالتشابه في حالة استخراج ] ‪ E [ X |Y = y‬و ] ‪Var [ X |Y = y‬‬

‫أو لنعتبره واجب بيتي للطالب‪......‬‬

‫‪ 4 – 2‬الدوال المولدة ‪Generating function‬‬

‫في جميع الدراسات والبحوث اإلحصائية يتحتم علينا التعرف على سلوك المتغير العشوائي وفي‬
‫كل من التوزيعات المتقطعة والمستمرة ولذلك لزامًا علينا التعرف أو استخراج العزوم األربعة التي‬
‫ممكن الحصول عليها إما من خالل معرفة التوزيع االحتمالي ‪ Probability distribution‬أو من‬
‫خالل الدوال المولدة للعزوم‪ .‬والعزوم هي‪:‬‬

‫الوسط الحسابي أو التوقع‪.‬‬ ‫‪.1‬‬

‫التباين‪.‬‬ ‫‪.2‬‬
‫معامل االلتواء‪.‬‬ ‫‪.3‬‬
‫معامل التفلطح‪.‬‬ ‫‪.4‬‬

‫سنقوم في هذه الفقرة بالتعرض لبعض تلك الدوال التي تهمنا في هذا الفصل والفصول القادمة‪.‬‬

‫تعريف‪ :1‬لنفرض متتابعة األعداد الحقيقية ‪ { ai }i=0‬فإنه يقال لمتسلسلة القوى‪:‬‬

‫∞‬

‫∞‬
‫‪A ( s )=a0 S +a1 S +¿ a 2 S +…=∑ a k S‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬‫‪k‬‬

‫‪k=0‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪54‬‬
‫وتطبيقاتها)‬
‫] ‪a k =P [ X=k‬‬

‫المتقاربة في الفترة ‪ −S0 < S< S 0‬بأنها دالة مولدة للمتتابعة … ‪ a 0 , a 1 , a2 ,‬وبإشتقاق ) ‪ K ، A ( s‬من‬
‫المرات وتعويض ‪ S=0‬ومن ثم القسمة على ! ‪ K‬فإننا سنحصل على قيمة ‪ a k‬أي إن‪:‬‬

‫] [‬
‫‪k‬‬
‫‪1 ∂ A‬‬
‫=‪a k‬‬
‫‪K ! ∂ Sk‬‬ ‫‪s=0‬‬

‫مثال‪ :1‬افترض أن ‪ a i=1‬لكل ‪… ,i=0, 1, 2‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫=… ‪A ( s )=1+ S + S +‬‬
‫‪1−S‬‬

‫مثال‪ :2‬افترض أن ‪ a 0=a 1=0‬وأن ‪ a i=1‬لكل ‪ … ,i=2, 3, 4‬فإن‪:‬‬

‫‪2‬‬
‫‪S‬‬
‫= ] ‪A ( s )=0+0+ S + S +…=S [ 1+ S +S +...‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1−S‬‬

‫تعريف‪ :2‬ليكن ‪ X‬متغير عشوائي متقطع وغير سالب يأخذ القيم الصحيحة وأن‪:‬‬
‫… ‪P ( X=x ) =P k , k=0 , 1.2 ,‬‬

‫فإذا تم تعريف ‪ a k‬ليمثل احتمال ‪ ، Pk‬فإن الدالة المولدة عندئذ ستدعى (بالدالة‬ ‫وأن ‪∑ P k =1‬‬
‫المولدة االحتمالية) ويمكن أن يرمز لها )‪ )Probability generating function( P x (S‬للمتغير‬
‫العشوائي ‪ X‬كما تدعى في أدبيات اإلحصاء أيضًا بتحويل ‪ S‬أو التحويل الهندسي‪.‬‬

‫مثال‪ :3‬للمتغير العشوائي ‪ X‬الذي يتبع التوزيع الهندسي الدالة االحتمالية اآلتية‪:‬‬
‫‪k‬‬
‫‪Pk =P ( X =k )= p q , k =0 ,1 , 2 , … , p+ q=1‬‬

‫فإن الدالة المولدة االحتمالية ستكون‪:‬‬

‫∞‬ ‫∞‬ ‫∞‬
‫) ‪P x ( S )=∑ Pk S k =∑ p q k S k = p ∑ ( qS‬‬
‫‪k‬‬

‫‪k=0‬‬ ‫‪k=0‬‬ ‫‪k=0‬‬

‫‪p‬‬
‫=) ‪P x ( S‬‬
‫‪1−Sq‬‬

‫فيكون لدينا‪:‬‬
‫‪2‬‬
‫‪pq‬‬ ‫‪2 pq‬‬
‫=) ‪P ' x ( S‬‬ ‫‪2‬‬
‫=) ‪, P ' ' x ( S‬‬
‫) ‪( 1−Sq‬‬ ‫‪( 1−Sq )3‬‬
‫‪55‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫وبالنتيجة فإن‪:‬‬
‫‪pq‬‬ ‫‪q‬‬
‫=) ‪E ( X )=P' x ( 1‬‬ ‫=‬
‫‪( 1−q ) q‬‬
‫‪2‬‬

‫‪2‬‬
‫)‪Var ( X )=P '' x ( 1 ) + P' x ( 1 )−[ P ' x ( 1 ) ] …(b‬‬

‫ويمكن التعبير عن المعادلة (‪ )b‬بشكل عام وباصطالح الدالة المولدة للعزوم كما يلي‪:‬‬
‫‪2‬‬
‫] ) ‪Var ( X )=G (1 )+G ' ( 1 )− [ G ' ( 1‬‬
‫''‬

‫ولكال المعادلتين أي معادلة (‪ )b‬وما يقابلها تكون‪:‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪2q q q‬‬ ‫‪q‬‬
‫=) ‪Var ( X‬‬ ‫‪2‬‬
‫‪+ − 2= 2‬‬
‫‪p‬‬ ‫‪p p p‬‬

‫تعريف‪ :3‬إذا كان المتغير العشوائي المستمر ‪ ،X‬تمثله دالة الكثافة االحتمالية )‪ ،f(x‬فإنه يقال‬
‫للدالة‪:‬‬
‫❑‬
‫‪G x ( t )=E ( t x )=∫ t x f ( x ) dx‬‬
‫‪∀x‬‬

‫بأنها الدالة المولدة العاملية (‪)Factorial generating function‬‬

‫وذلك لكل قيم ‪ t‬الحقيقية‪.‬‬

‫إن مفهوم هذه الدالة ال يختلف بشيء عن الدالة المولدة اإلحتمالية سوى استخدامها يقترن بحالة‬
‫المتغيرات ذات التوزيعات المستمرة‪ ،‬أي إنه يتم االستفادة منها في الحصول على عزوم المتغيرات‬
‫المستمرة‪.‬‬

‫إن المشتقات األولى والثانية ولغاية المشتقة ‪ k‬لهذه الدالة هي عبارة عن‪:‬‬
‫❑‬
‫) ‪G ' x ( t )=∫ x t x−1 f ( x ) dx → G' x ( 1 )=E ( X‬‬
‫‪∀x‬‬
‫❑‬
‫] ) ‪G' ' x ( t )=∫ x ( x−1 ) t x−2 f ( x ) dx → G' ' x ( 1 )=E [ X ( X −1‬‬
‫‪∀x‬‬

‫‪.‬‬
‫‪.‬‬
‫‪.‬‬

‫∏[‬ ‫]‬
‫❑‬ ‫‪k‬‬
‫‪G x ( t )=∫ x ( x −1 ) .. ( x−k +1 ) t‬‬
‫‪k‬‬ ‫‪x−k‬‬ ‫‪k‬‬
‫‪f ( x ) dx → G x ( 1 )=E‬‬ ‫) ‪( X−i+1‬‬
‫‪∀x‬‬ ‫‪i=1‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪56‬‬
‫وتطبيقاتها)‬

‫مثال‪ :4‬للمتغير العشوائي ‪ X‬الذي يتبع التوزيع األسي بالدالة اآلتية‪:‬‬

‫‪−λx‬‬
‫‪f ( x )= λ e‬‬ ‫‪, x> 0‬‬

‫فإن الدالة المولدة العاملية ستكون عبارة عن‪:‬‬

‫∞‬ ‫∞‬
‫‪G x ( t )=∫ t λ e‬‬ ‫‪dx=∫ λ e‬‬
‫‪x‬‬ ‫‪−λx‬‬ ‫‪xLnt − λx‬‬ ‫‪x‬‬ ‫‪xLnt‬‬
‫‪e‬‬ ‫‪dx , t =e‬‬
‫‪0‬‬ ‫‪0‬‬
‫∞‬
‫‪λ‬‬
‫‪G x ( t )=λ ∫ e‬‬
‫‪− ( λ−ln t ) x‬‬
‫= ‪dx‬‬ ‫‪, λ> ln t‬‬
‫‪0‬‬ ‫‪λ−ln t‬‬

‫وتبعًا لذلك‪:‬‬

‫'‬
‫=) ‪G ( t‬‬
‫‪−λ‬‬
‫] [‬
‫'‬
‫‪−1‬‬
‫‪t‬‬ ‫‪1‬‬
‫) ‪→ G ( 1 )= =E ( X‬‬
‫‪2‬‬
‫) ‪( λ−ln t‬‬ ‫‪λ‬‬

‫''‬
‫=) ‪G ( t‬‬
‫‪( λ−ln t )2 .‬‬
‫[‬ ‫‪− λ λ −1‬‬
‫‪t‬‬
‫‪2‬‬
‫‪− 2.‬‬
‫‪t‬‬ ‫‪λ‬‬‫(‬‫) ‪( λ−ln t‬‬ ‫)‬ ‫]‬
‫‪( λ−ln t )4‬‬
‫‪3‬‬ ‫‪2‬‬
‫''‬ ‫‪−λ + 2 λ‬‬ ‫‪2 1‬‬
‫(‬
‫=‪G 1‬‬‫)‬ ‫‪4‬‬
‫‪= 2−‬‬
‫‪λ‬‬ ‫‪λ λ‬‬
‫‪2‬‬
‫] ) ‪Var ( X )=G '' (1 )+G ' (1 )−[ G' (1‬‬
‫‪2 1 1 1 1‬‬
‫=) ‪Var ( X‬‬ ‫‪− + − 2= 2‬‬
‫‪λ λ λ λ λ‬‬
‫‪2‬‬

‫مثال‪ :5‬المتغير العشوائي ‪ X‬الذي يتبع توزيع مربع كاي (‪ )Chi- Square distribution‬تمثله‬
‫دالة الكثافة االحتمالية اآلتية‪:‬‬
‫‪−x‬‬ ‫‪−v−2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪e‬‬ ‫‪x‬‬
‫=) ‪f ( x‬‬ ‫‪−v‬‬
‫‪, x> 0‬‬
‫‪2‬‬
‫‪2‬‬

‫المطلوب‪ :‬أوجد الدالة المولدة العاملية‪.‬‬

‫تمرين كواجب بيتي للطلبة‪.‬‬

‫تعريف‪ :4‬يقال للدالة ) ‪ Ψ x ( t )=E ( eitx‬بأنها الدالة المميزة (‪ )Characteristic function‬للمتغير‬

‫العشوائي ‪ ،X‬ولكل قيم ‪ t‬الحقيقية وتعد الدالة المميزة من أهم الدوال المولدة على اإلطالق‪ ،‬ألن‬
‫بعض التوزيعات اإلحتمالية كتوزيع كوشي مثًال ال تمتلك عزوم وبالتالي فإنها ال تمتلك دوال مولدة‬
‫‪57‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫للعزوم‪ ،‬إال إنها تمتلك دالة مميزة فكل توزيع إحتمالي يقترن في الحقيقة بدالة مميزة وحيدة والعكس‬
‫صحيح فكل دالة مميزة تقترن بتوزيع إحتمالي وحيد‪.‬‬

‫‪ 1 – 4 – 2‬بعض خواص الدالة المميزة‪:‬‬

‫يمكن إدراج بعض خواص الدالة المميزة كما يلي‪:‬‬
‫)‪Ψ x ( 0 )=1(1‬‬
‫)‪Ψ x (−t )=Ψ x ( t ) (2‬‬

‫)‪|Ψ x ( t )|≤1 (3‬‬

‫(‪ )4‬يجب أن تكون مستمرة في ‪.Ψ x ( t ) ،t‬‬
‫‪r‬‬
‫∂ ‪1‬‬
‫¿ ¿ ‪E ( X )= r . r‬‬
‫‪r‬‬

‫‪i ∂t‬‬
‫(‪ )6‬يمكن تحديد دالة الكثافة اإلحتمالية )‪ f(x‬للمتغير العشوائي ‪ X‬الذي يمتلك الدالة المميزة ) ‪Ψ x ( t‬‬

‫بالشكل اآلتي‪:‬‬
‫∞‬
‫‪1‬‬
‫=) ‪f ( x‬‬ ‫‪∫ eitx Ψ x ( t ) dt‬‬
‫∞‪2 π −‬‬

‫كما يمكن تحديد نوع التوزيع االحتمالي (متقطع أم مستمر) وفق االختيار التالي‪:‬‬

‫‪Lim L2 cc = 0‬‬
‫‪ ،‬حيث أن‪:‬‬ ‫يقال بأن التوزيع االحتمالي مستمر إذا كان‬
‫∞→‪c‬‬

‫‪c‬‬
‫‪Lc=∫ e Ψ x ( t ) dt‬‬
‫‪itx‬‬

‫‪−c‬‬

‫كما أن الفترة [‪ ]c,c-‬هي مجموعة جزئية من مجموعة األعداد الحقيقية ‪.R‬‬

‫وإ ال فإنه يقال بأن التوزيع االحتمالي متقطع‪.‬‬

‫مثال ‪ :6‬ليكن ‪ X‬متغير عشوائي متقطع يتبع توزيع بواسون بدالة الكتلة االحتمالية‪:‬‬
‫‪x −λ‬‬
‫‪λ e‬‬
‫=) ‪P ( x‬‬ ‫… ‪, x=0 , 1 , 2,‬‬
‫!‪x‬‬

‫فإن الدالة المميزة لهذا المتغير ستكون‪:‬‬

 ‫العمليات العشوائية (فرضياتها‬ ‫‪58‬‬
‫وتطبيقاتها)‬
‫∞‬ ‫‪itx‬‬ ‫‪x −λ‬‬
‫‪e λ e‬‬
‫∑=) ‪P ( x )=E ( e itx‬‬
‫‪x=0‬‬ ‫!‪x‬‬
‫∞‬ ‫‪x‬‬
‫)¿ ¿¿‪( λe‬‬
‫∑ ‪¿ e− λ‬‬ ‫¿‬
‫‪x=0‬‬ ‫!‪x‬‬
‫∞‬
‫‪kb‬‬
‫∑= ‪e‬‬
‫‪−k‬‬
‫وباستخدام المتساوية‬
‫‪b=0‬‬ ‫!‪b‬‬
‫¿‬
‫‪−λ‬‬ ‫‪λe‬‬ ‫¿)‪− λ(1−e¿¿ ¿)…( B‬‬
‫‪Ψ x ( t )=e e =e‬‬

‫كما ويمكن استخراج الدالة المميزة من خالل العالقة ما بين الدالة المميزة والدالة المولدة االحتمالية‬
‫لهذا المتغير‪ ،‬حيث أن الدالة المولدة االحتمالية لتوزيع بواسون كما يلي‪:‬‬
‫) ‪λ(t −1‬‬
‫‪G x ( t )=e‬‬

‫وتبعًا لذلك تكون الدالة المميزة بالشكل‪:‬‬

‫¿‬
‫)‪− λ(e −1‬‬ ‫¿)¿¿¿‪−λ(1−e‬‬
‫‪Ψ x ( t )=e‬‬ ‫‪=e‬‬

‫وهي نفس الصيغة التي تم استخراجها آنفًا في المعادلة ‪.B‬‬

‫مثال ‪ :7‬ليكن ‪ X‬متغير عشوائي مستمر يتبع التوزيع األسي بدالة كثافة إحتمالية كما يلي‪:‬‬
‫‪−λx‬‬
‫‪f ( x )= λ e‬‬ ‫‪, x> 0‬‬

‫إن الدالة المميزة لهذا المتغير ستكون‪:‬‬

‫∞‬ ‫∞‬
‫‪Ψ x ( t )=E ( e ) =∫ λ e e dx=λ ∫ e‬‬
‫‪itx‬‬ ‫‪itx − λx‬‬ ‫‪−(λ−¿) x‬‬
‫‪dx‬‬
‫‪0‬‬ ‫‪0‬‬

‫‪λ‬‬
‫=) ‪Ψ x ( t‬‬
‫)¿‪(λ−‬‬

‫كما يمكن استخدام العالقة أعاله ما بين الدالة المولدة والدالة المميزة‪.‬‬

‫‪ 2 – 4 – 2‬الدالة المولدة للعزوم ‪Moment Generating function‬‬

‫إذا كان ‪ X‬متغير عشوائي ويأخذ قيم صحيحة (‪ )Integer value‬موجبة ضمن الدالة اآلتية‪:‬‬
‫] ‪g ( x )=t x ,t ∈ [ 0 , 1‬‬

‫وبأخذ التوقع للطرفين‪:‬‬

‫] ‪E [ g ( x ) ] =E [ t x‬‬

‫وهذه المعادلة تمثل عدد الحوادث بين (‪ )1( ، )0‬وهي دالة إلى (‪ )t‬وبافتراض أن‪:‬‬
‫‪59‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫)‪G ( t ) =E [ t x ] … (b‬‬

‫وبعد ذلك سوف نطلق على ) ‪ G ( t‬بالدالة المولدة إلى ‪ .X‬وعندما ‪:t=1‬‬
‫‪G ( 1 )=E [ 1 x ]= E (1 )=1‬‬

‫وبأخذ المشتقة األولى للمعادلة (‪)b‬‬

‫] ‪G ' ( t )=E [ x t x−1‬‬

‫وعندما ‪t=1‬‬
‫'‬
‫‪G (1)=E ( X )=mean=μ‬‬

‫وعندما نحصل على المشتقة الثانية للمعادلة (‪:)b‬‬

‫] ‪G ' ' ( t )=E [ x (x−1)t x−2‬‬

‫وعند التعويض عن ‪:t=1‬‬

‫) ‪G' ' (1)=E [ x ( x−1 ) ] =E ( X 2 )−E( X‬‬

‫وعند الحصول على المشتقة الثالثة من المشتقة الثانية‪:‬‬

‫] ‪G ' ' ' ( t )=E [ x ( x−1 )( x−2)t x−3‬‬
‫] )‪G ' ' ' ( 1 )=E [ x ( x −1 ) (x−2‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫] ‪Gr ( t )=E [ x ( x−1 )( x−2 ) … . ( x−r +1 ) t x−r‬‬

‫إذن نستنتج بعد ذلك أن‪:‬‬

‫) ‪E ( X )=G' (1‬‬
‫''‬ ‫'‬
‫¿)‪E( X ¿¿ 2)=G ( 1 )−G (1‬‬
‫‪2‬‬
‫] )‪Var ( X )=G '' (1 )+G' ( 1 )−[ G' (1‬‬

‫مثال‪ :8‬افترض عدد الواصلين إلى أحد المخازن لغرض التبضع خالل فترة زمنية محدد هو متغير‬
‫عشوائي ولنفترضه (‪ )X‬وتمثله دالة الكتلة االحتمالية اآلتية‪:‬‬
‫‪−8‬‬ ‫‪x‬‬
‫‪e 8‬‬
‫= ) ‪P ( X=x‬‬ ‫‪, x=0 , 1, 2 , … .‬‬
‫!‪x‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪60‬‬
‫وتطبيقاتها)‬
‫المطلوب‪ :‬أوجد الدالة المولدة للعزوم لهذا المتغير ثم أوجد التوقع (الوسط الحسابي) والتباين له‪.‬‬

‫الحل‪:‬‬
‫‪−8‬‬ ‫‪x‬‬
‫‪e 8‬‬
‫= ) ‪P ( X=x‬‬
‫!‪x‬‬
‫‪G ( t ) =E [ t‬‬ ‫]‬
‫‪x‬‬

‫∞‬
‫‪e−8 8 x‬‬
‫‪G ( t ) =∑ t x‬‬
‫‪x=0‬‬ ‫!‪x‬‬
‫∞‬
‫‪(8 t)x‬‬
‫∑ ‪G ( t ) =e−8‬‬
‫‪x=0‬‬ ‫!‪x‬‬
‫‪−8 8 t‬‬ ‫) ‪−8 (1−t‬‬
‫‪G ( t ) =e e =e‬‬

‫يجب التأكد من أن ‪G(1) = 1‬‬

‫‪G ' ( t )|t=1=8=μ‬‬
‫) ‪−8 ( 1−t‬‬
‫‪G ' ( t )=8 e‬‬
‫‪G ' ' ( t )|t =1 =64‬‬
‫) ‪−8 ( 1−t‬‬
‫‪G ' ' ( t )=64 e‬‬
‫‪2‬‬
‫] )‪Var ( X )=G '' (1 )+G' (1)−[ G' (1‬‬
‫‪2‬‬
‫‪Var ( X )=64+8−64=8=σ‬‬

‫وهذه هي إحدى خواص توزيع بواسون ‪ Poisson‬إذ يتساوى عنده الوسط الحسابي والتباين‪.‬‬

‫مثال‪ :9‬إذا كان ‪ X‬متغير عشوائي ويأخذ التوزيع الثنائي (‪ )binomial‬وبمعلمتين ‪ p , n‬ويملك دالة‬
‫التوزيع االحتمالية اآلتية‪:‬‬

‫‪x‬‬
‫‪x‬‬
‫)(‬
‫‪P ( X=x ) = n p (1− p) , x =0 ,1 , 2 , … , n‬‬
‫‪n−x‬‬

‫المطلوب‪ :‬باستخدام الدالة المولدة للعزوم أوجد الوسط الحسابي والتباين‪.‬‬

‫الحل‪:‬‬
‫] ‪G ( t ) =E [ t x‬‬
‫❑‬

‫❑‬
‫)(‬
‫)‪G ( t ) =∑ t n p (1− p‬‬
‫‪x‬‬

‫‪x‬‬
‫‪x‬‬ ‫‪n−x‬‬

‫‪n‬‬

‫)‪( x‬‬
‫)‪G ( t ) =∑ n ( pt ) (1− p‬‬
‫‪x=0‬‬
‫‪x‬‬ ‫‪n−x‬‬
‫‪61‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫وباستخدام صيغة ثنائي الحدين اآلتية‪:‬‬

‫‪n‬‬
‫‪n‬‬

‫‪x=0 x‬‬
‫‪x‬‬
‫)(‬
‫‪(a+ b) =∑ n ( a ) (b)n− x‬‬

‫‪∴ G ( t )=( pt +1− p)n‬‬

‫)‪∴ G ( t )=( pt +q) n … ..( k‬‬

‫وللتأكد يجب أن نتحقق من‪:‬‬

‫❑‬
‫‪G ( 1 )=( p+ q) =1‬‬

‫وبعد ذلك نأخذ المشتقة األولى للمعادلة ‪ k‬لنحصل على )‪ E(X‬أو ‪μ‬‬
‫‪n−1‬‬
‫)‪G ' ( t )=np( pt +q‬‬
‫'‬
‫‪G (1)=np=E ( X )=μ‬‬

‫وعند إيجاد المشتقة الثانية‪:‬‬

‫‪n−2‬‬
‫] ‪G' ' ( t ) ¿ n (n−1) p 2 [ pt+q‬‬
‫''‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪G (1)=n ( n−1 ) p =n p −n p‬‬
‫‪2‬‬
‫] ) ‪Var ( X )=G '' (1 )+G' ( 1 )−[ G' (1‬‬
‫‪2 2‬‬ ‫‪2‬‬ ‫‪2 2‬‬
‫‪¿ n p −n p −n p =np ( 1− p )=npq‬‬

‫‪ 3 – 4 – 2‬تحويل البالس للمتغير العشوائي ‪X‬‬

‫‪Laplace Transformation of X‬‬
‫إن تحويل البالس يمثل أداة رياضية مهمة تستخدم في العديد من المواضيع الرياضية‪ ،‬فالتحويل‬
‫على سبيل المثال يعطي طريقة ممتازة لحل مجموعة من معادالت الفروق (‪Difference‬‬
‫‪ )equation‬كما يمكن من خالل هذا التحويل الحصول على العديد من مواصفات وخصائص وعزوم‬
‫توزيع احتمالي معين‪.‬‬

‫تعريف‪ :‬إذا كان ‪ X‬أي متغير عشوائي ويأخذ قيم موجبة وتكون الدالة اآلتية هي الممثلة لتوزيعه‪:‬‬
‫‪−tx‬‬
‫‪f ( x )=e‬‬

‫وعندما تكون قيم ‪ t ≥ 0‬وعندها ممكن أن يكون‪:‬‬

‫] ‪E [ f ( x ) ] =E [ e−tx‬‬

‫وهذه تمثل عدد الحوادث بين (‪ )0‬و (‪ )1‬وبافتراض أن‪:‬‬

‫] ) ‪F ( t )=E [ f ( x‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪62‬‬
‫وتطبيقاتها)‬
‫‪F ( t )=E [ e‬‬ ‫‪−tx‬‬
‫)‪] … ( D‬‬
‫وهنا ممكن أن نطلق على ) ‪ F ( t‬تحويل البالس لـ ‪.X‬‬

‫وعندما ‪t=0‬‬

‫‪F ( 0 )=E [ e 0 ]=E [ 1 ] =1‬‬

‫وشرط يجب تحقيقه أن ‪F ( 0 )=1‬‬

‫وبإيجاد المشتقة األولى للمعادلة ‪:D‬‬

‫] ‪F ' ( t )=E [−x e−tx‬‬

‫وبالتعويض عن ‪t=0‬‬
‫) ‪F ' (0)=E [ −x e−0 t ] =E [ −X ] =−E ( X )=−( 1 ) E ( X‬‬
‫] ‪F ' ' ( t )= E [ x 2 e−tx‬‬

‫وأيضًا عند التعويض عن ‪t=0‬‬

‫) ‪F '' ( 0 )=E [ x 2 ] =(−1)2 E ( X 2‬‬
‫) ‪F '' ' ( t )=E [−x 3 e−tx ] → F ' ' ' ( t )|t =0 =−E ( X 3 ) =(−1 ) E ( X 3 )=−E ( X 3‬‬
‫‪3‬‬

‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫) ‪F r ( t )= (−1 ) E ( X r e−tx ) → F r ( t )|t =0=(−1 ) E ( X r‬‬
‫‪r‬‬ ‫‪r‬‬

‫‪2‬‬
‫) ) ‪var ( X )=E X 2−( E ( X ) ) =F ' ' ( 0 )−( F ' ( 0‬‬
‫‪2‬‬

‫تعريف‪ :‬افترض أن )‪ f (x‬دالة لمتغير عشوائي موجب مثل ‪ X‬بعد ذلك يكون تحويل البالس (‪)L.T‬‬
‫للدالة )‪ f (x‬بالشكل التالي‪:‬‬

‫∞‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬
‫‪f ( x ) dx‬‬
‫‪0‬‬

‫وذلك لكل قيم ‪ t‬التي يكون فيها التكامل المقابل موجود‪.‬‬

‫مثال ‪ :10‬لتكن ‪ f ( x )=1‬فإن‪:‬‬

‫‪63‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫|‬
‫∞‬ ‫∞ ‪−tx‬‬
‫‪e‬‬ ‫‪1‬‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬
‫‪f ( x ) dx=−‬‬ ‫‪= ,t >0‬‬
‫‪0‬‬ ‫‪t 0 t‬‬

‫مثال ‪ :11‬لتكن ‪ f ( x )= X‬فإن‪:‬‬

‫∞‬
‫‪1‬‬
‫‪F ( t )=∫ x e‬‬
‫‪−tx‬‬
‫‪f ( x ) dx= 2 , t> 0‬‬
‫‪0‬‬ ‫‪t‬‬

‫مثال ‪ :12‬لتكن ‪ f ( x )= X n‬فإنه عند ‪ n > -1‬يكون‪:‬‬

‫∞‬
‫‪F ( t )=∫ x e‬‬
‫‪n −xt‬‬
‫‪dx‬‬ ‫)وباستخدام تعريف دالة كاما(‬
‫‪0‬‬

‫❑ =) ‪F ( t‬‬‫‪n+1‬‬
‫‪, t> 0‬‬
‫‪t‬‬

‫مثال ‪ :13‬لتكن ‪ f ( x )=e ax‬فإن‪:‬‬

‫∞‬ ‫∞‬
‫‪F ( t )=∫ e‬‬ ‫‪e dx =∫ e‬‬
‫‪− xt‬‬ ‫‪ax‬‬ ‫‪−(t −a)x‬‬
‫‪dx‬‬
‫‪0‬‬ ‫‪0‬‬

‫|‬
‫∞ )‪−(t −a‬‬
‫‪e‬‬ ‫‪1‬‬
‫=) ‪F ( t‬‬ ‫=‬ ‫‪, t> a‬‬
‫‪(t−a) 0 t−a‬‬

‫مثال ‪ :14‬عمر الحياة (‪ )Life time‬لجهاز ما هو متغير عشوائي مثل ‪ X‬وتمثله دالة التوزيع‬
‫االحتمالية اآلتية‪:‬‬
‫‪−0.02 t‬‬
‫‪P ( X ≤t )=1−e‬‬ ‫‪,t≥0‬‬

‫باستخدام تحويل البالس أوجد التوقع والتباين أي )‪.E(X) ، Var(X‬‬

‫الحل‪:‬‬
‫∞‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬
‫‪( 0.02 ) e−0.02 x dx‬‬
‫‪0‬‬
‫∞‬
‫‪¿ 0.02∫ e‬‬
‫)‪−x (t +0.02‬‬
‫‪dx‬‬
‫‪0‬‬

‫∞‬
‫‪0.02‬‬
‫‪¿−‬‬ ‫∫‬
‫‪t +0.02 0‬‬
‫‪e‬‬
‫)‪−x ( t +0.02‬‬
‫‪. [− ( t+0.02 ) ] dx‬‬

‫|‬
‫∞‬
‫)‪−0.02 − x (t +0.02‬‬ ‫‪0.02‬‬
‫=) ‪∴ F ( t‬‬ ‫‪e‬‬ ‫=‬
‫‪t +0.02‬‬ ‫‪0‬‬ ‫‪t +0.02‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪64‬‬
‫وتطبيقاتها)‬
‫وعند إيجاد المشتقة األولى لـ )‪.F(t‬‬
‫'‬ ‫‪−0.02‬‬
‫=)‪F (t‬‬
‫‪( t+0.02 )2‬‬
‫‪−0.02‬‬
‫=‪F (t )|t=0‬‬
‫'‬

‫‪( 0.02 )2‬‬

‫'‬ ‫'‬ ‫‪1‬‬
‫) ‪F ( 0 ) =(−1‬‬ ‫‪=−50‬‬
‫‪0.02‬‬
‫‪∴ E ( X )=50‬‬

‫وعند إيجاد المشتقة الثانية‪:‬‬

‫''‬ ‫)‪0−0.02 ( 2 )( t +0.02 ) (1‬‬
‫=) ‪F ( t‬‬ ‫‪4‬‬
‫)‪(t +0.02‬‬
‫) ‪−0.04 ( t+0.02‬‬
‫=) ‪F '' ( t‬‬ ‫‪4‬‬
‫)‪(t+0.02‬‬
‫''‬ ‫‪−0.04‬‬
‫=) ‪F ( t‬‬ ‫‪3‬‬
‫)‪(t+0.02‬‬
‫''‬ ‫‪0.04‬‬ ‫‪0.04‬‬
‫=) ‪F ( 0‬‬ ‫=‬ ‫‪=5000‬‬
‫)‪(0.02‬‬
‫‪3‬‬
‫‪0.000008‬‬
‫‪Var ( X )=5000−2500=2500‬‬

‫مثال ‪ :15‬ليكن ‪ X‬متغير عشوائي والذي يخضع لتوزيع كاما‪ ،‬وتمثله دالة الكثافة االحتمالية اآلتية‪:‬‬
‫‪k‬‬ ‫‪k−1 −λx‬‬
‫‪λ x‬‬ ‫‪e‬‬
‫=) ‪f ( x‬‬ ‫‪, X> 0‬‬
‫❑‬
‫فسيكون تحويل البالس كما يلي‪:‬‬

‫الحل‪:‬‬
‫∞‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬
‫‪f (x )dx‬‬
‫‪0‬‬
‫∞‬ ‫‪k‬‬ ‫‪k−1 −λx‬‬
‫‪λ x‬‬ ‫‪e‬‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬
‫‪dx‬‬
‫‪0‬‬
‫❑‬
‫∞ ‪k‬‬
‫‪λ‬‬
‫∫❑‬
‫‪− ( t + λ ) x k−1‬‬
‫=)‪F (t‬‬ ‫‪e‬‬ ‫‪x dx‬‬
‫‪0‬‬

‫∞‬

‫∫ ‪a‬‬
‫‪= y‬‬
‫‪a−1‬‬ ‫‪by‬‬
‫‪e dy‬‬ ‫وباستخدام تعريف دالة كاما‬
‫‪b‬‬ ‫‪0‬‬

‫) (‬
‫‪k‬‬ ‫‪k‬‬
‫‪λ‬‬ ‫‪λ‬‬
‫=) ‪F ( t‬‬ ‫=‬
‫) ‪❑ (t + λ‬‬ ‫‪k‬‬
‫‪t+ λ‬‬
‫‪65‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫ومن خالل المشتقة األولى والثانية للدالة )‪ F(t‬وكما يلي‪:‬‬

‫‪k‬‬
‫∂‬ ‫‪−k λ‬‬
‫=)‪F (t‬‬
‫‪∂t‬‬ ‫‪( t + λ )k+1‬‬
‫‪k‬‬
‫‪∂2‬‬ ‫‪k ( k +1 ) λ‬‬
‫‪2‬‬
‫=)‪F (t‬‬ ‫‪k+ 2‬‬
‫‪∂t‬‬ ‫) ‪( t+ λ‬‬

‫فسيكون التوقع للمتغير ‪:X‬‬

‫∂‪−‬‬ ‫‪k‬‬
‫=) ‪∴ E ( X‬‬ ‫=‪F (t)|t=0‬‬
‫‪∂t‬‬ ‫‪λ‬‬

‫وحيث أن‪:‬‬
‫∂‬
‫‪2‬‬
‫) ‪k ( k +1‬‬
‫=‪E ( X ) = 2 F (t)|t =0‬‬
‫‪2‬‬
‫‪2‬‬
‫‪∂t‬‬ ‫‪λ‬‬

‫ولذلك سيكون التباين للمتغير ‪ X‬كما يلي‪:‬‬

‫‪2‬‬ ‫‪k ( k +1 ) k 2 k‬‬
‫= ] ) ‪Var ( X )=E ( X )− [ E (X‬‬
‫‪2‬‬
‫‪2‬‬
‫‪− 2= 2‬‬
‫‪λ‬‬ ‫‪λ λ‬‬

‫أمثلة محلولة‬

‫‪ .1‬جد التوزيع االحتمالي للمتغير العشوائي الذي يمتلك الدالة المميزة ‪.φ x ( t )=e−t /2‬‬
‫‪2‬‬

‫الحل‪:‬‬
‫∞‬ ‫∞‬ ‫‪−1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫) ‪(t ¿¿2 +2itx‬‬
‫∫‬ ‫‪∫e‬‬
‫‪2‬‬
‫‪−itx t / 2‬‬ ‫‪2‬‬
‫=) ‪f ( x‬‬ ‫=‪e e dt‬‬ ‫¿ ‪dt‬‬
‫∞‪2 π −‬‬ ‫∞‪2 π −‬‬

‫وبإكمال المربع للقوس فوق األس داخل التكامل‪ ،‬فإنه يكون‪:‬‬

‫‪2‬‬
‫‪−x‬‬ ‫∞‬ ‫‪−1‬‬
‫‪1‬‬ ‫‪(t +2 ix )2‬‬
‫=) ‪f ( x‬‬
‫‪2π‬‬
‫‪e‬‬ ‫‪2‬‬
‫‪∫e‬‬ ‫‪2‬‬
‫‪dt‬‬
‫∞‪−‬‬
 ‫العمليات العشوائية (فرضياتها‬ ‫‪66‬‬
‫وتطبيقاتها)‬
‫وباستخدام التحويل ‪ Z=t+ix‬حيث أن ‪dZ=dt‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪−x‬‬ ‫∞‬ ‫‪−Z‬‬
‫‪1‬‬
‫=) ‪f ( x‬‬
‫‪2π‬‬
‫‪e‬‬ ‫‪2‬‬
‫‪∫e‬‬ ‫‪2‬‬
‫‪dZ‬‬
‫∞‪−‬‬
‫‪2‬‬
‫∞‬ ‫‪−Z‬‬
‫‪1‬‬
‫=) ‪ f ( x‬ولغرض تحديد نوع التوزيع االحتمالي فإن‬ ‫فإن‬ ‫‪¿∫ e‬‬ ‫‪2‬‬
‫وحيث أن ‪dZ=√ 2 π‬‬
‫‪√2 π‬‬ ‫∞‪−‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪−x‬‬ ‫∞‬ ‫‪−Z‬‬
‫‪: Lc = 1 . 1 e‬‬ ‫‪2‬‬
‫‪∫e‬‬ ‫‪2‬‬
‫‪dZ‬‬
‫‪2c 2c 2π‬‬ ‫∞‪−‬‬
‫‪2‬‬
‫‪−x‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪c‬‬ ‫‪−Z‬‬
‫‪Lc e‬‬ ‫‪1‬‬
‫‪lim‬‬ ‫=‬ ‫‪. lim ( ¿ ) lim ∫ e‬‬ ‫‪2‬‬
‫¿ ‪dZ=0‬‬
‫‪c →∞ 2 c‬‬ ‫‪4 π c→ ∞ c c → ∞ −c‬‬

‫وهذا يعني بأن الد\الة )‪ f(x‬هي مستمرة التوزيع عند أي قيمة من قيم ‪ X‬ضمن الفترة )∞ ‪ (−∞,‬كما‬
‫أن الدالة )‪ f(x‬هي دالة محددة ألن‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪c‬‬ ‫‪−x‬‬ ‫∞‬ ‫‪−x‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪∫e‬‬
‫‪√2 π −c‬‬
‫‪2‬‬
‫≤ ‪dx‬‬ ‫‪∫e‬‬
‫∞‪√ 2 π −‬‬
‫‪2‬‬
‫‪dx=1‬‬

‫وبالنتيجة فإن دالة كثافة االحتمال للمتغير ‪ X‬ستكون‪:‬‬

‫‪2‬‬
‫‪−x‬‬
‫‪1‬‬
‫=) ‪f ( x‬‬ ‫‪e‬‬ ‫‪2‬‬
‫∞< ‪−∞ < X‬‬
‫‪√2 π‬‬
‫وهي دالة التوزيع الطبيعي بالمتوسط صفر والتباين واحد‪.‬‬

‫‪ .2‬أوجد الوسط الحسابي والتباين للتوزيع األسي المعرف بالدالة اإلحتمالية اآلتية باستخدام‬
‫الدالة المولدة العاملية)‪.G x (t‬‬

‫{‬
‫‪− λx‬‬
‫‪f ( x ; λ ) =f ( x )= λ e‬‬ ‫‪,∧x> 0‬‬
‫‪0,o.w‬‬
‫❑‬
‫} ‪G x ( t )=E [ t ] =∫ t x f ( x ; λ ) d { x‬‬
‫‪x‬‬

‫‪∀x‬‬

‫∞‬ ‫∞‬
‫‪G x ( t )=∫ t λ e‬‬ ‫‪d {x }= λ∫ t e‬‬
‫‪x‬‬ ‫‪−λx‬‬ ‫‪x − λx‬‬
‫} ‪d {x‬‬
‫‪0‬‬ ‫‪0‬‬

‫‪x‬‬ ‫‪x lnt‬‬

‫‪t =e‬‬
‫∞‬ ‫∞‬
‫‪G x ( t )=λ ∫ e‬‬ ‫‪d {x }=λ ∫ e‬‬
‫‪xLn t − λx‬‬ ‫)‪− x(λ−ln t‬‬
‫‪e‬‬ ‫} ‪d {x‬‬
‫‪0‬‬ ‫‪0‬‬
‫∞‬
‫‪−λ‬‬
‫=) ‪G x ( t‬‬ ‫∫‬
‫‪λ−ln t 0‬‬
‫‪e‬‬
‫) ‪−x( λ−ln t‬‬
‫} ‪[−( λ−ln t ) ]d {x‬‬
67 ‫ التوقع الرياضي‬/ ‫الفصل الثاني‬

G x ( t )=
−λ
λ−ln t
∞
[e¿ ¿−x ( λ−ln t ) ]0 =
λ
¿ '
λ−ln t G x ( t ) =
∂ Gx (t )
=
( λ−ln t ) ( 0 )−λ 0−
1
t ( )
∂t ( λ−ln t ) 2

G' x ( t ) =
λ
t
2
' λ 1
G x ( 1 )= 2 = ''
λ λ G x ( t )=
( )()−λ
( λ−ln t )2 . 2 −
t
λ
t ( )
.2 ( λ−ln t ) 0−
1
t
( λ−ln t ) ( λ−ln t )4

''
G x ( t )=
( )λ
t
2
[−λ +ln t+ 2 ]
G ' ' x ( 1 )=
λ (−λ+2)
λ 3
G ' ' x ( 1 )=
−λ+ 2
λ
2

( λ−ln t )3
2 −λ +2 1 1 1
Var ( X )=σ 2=G ' ' x ( 1 ) +G ' x ( 1 )− [ Gx (1 ) ] Var ( X )= 2
+ − 2= 2
λ λ λ
λ

:‫ أوجد تحويل البالس للدالة االحتمالية اآلتية‬.3

f ( t )=3 t ,t >0
∞ ∞
F ( t )=∫ e 3 t dx=3∫ t e
−tx −tx
dx
0 0

by part ‫وباستخدام التكامل بالتجزئة‬

❑ ❑ ❑
−1
u=t ,∫ dv=∫ e−tx dx= ∫ e−tx dx
❑ ❑ x ❑
du=dt
❑

∫ u dv =u v−∫ v du
❑

[ ( )]
∞ ∞ ∞ ∞

∫t e
0
−tx t
dx= − e−tx
x 0
−∫
−1 −tx
0 x
t 1 −1
e dx= −
x x x ( )∫ e 0
−tx
(−x+t )dx

∫ t e−tx dx= tx − x12 [ e−tx ]0 = xt − x12

∞

∴ F ( t )=3
[ t 1
−
x x2 ]
:‫ أوجد تحويل البالس للدالة االحتمالية اآلتية‬.4
f ( t )=e3 t , t ≥ 0
∞ ∞
F ( t )=∫ e f ( t ) dx=∫ e
−tx −tx 3t
e dx
0 0

∞ ∞
−1
F ( t )=∫ e ∫ e−t (x−3) [− ( x−3 ) ] dx
−t (x−3)
dx=
0 (x−3) 0
 ‫العمليات العشوائية (فرضياتها‬ ‫‪68‬‬
‫وتطبيقاتها)‬
‫‪−1‬‬ ‫∞ )‪−t (x−3‬‬ ‫‪1‬‬
‫=) ‪F ( t‬‬ ‫‪[e‬‬ ‫‪0‬‬ ‫]‬ ‫=‬
‫)‪(x−3‬‬ ‫‪x−3‬‬

‫‪ .5‬افترض أن الدالة االحتمالية اآلتية تمثل عمر الحياة للمتغير العشوائي ‪:X‬‬

‫)(‬
‫‪x−1‬‬
‫‪1 3‬‬
‫= ) ‪P ( X=x‬‬ ‫‪, x =1, 2 , … .‬‬
‫‪4 4‬‬

‫أوجد ‪ )1‬الدالة المولدة للعزوم للمتغير العشوائي ‪.X‬‬

‫‪.E(X) )2‬‬
‫‪.Var(X) )3‬‬
‫الحل‪:‬‬

‫)(‬
‫∞‬ ‫‪x−1‬‬
‫‪1 3‬‬
‫‪G ( t ) =∑ t x‬‬
‫‪x=1‬‬ ‫‪4 4‬‬

‫) ( ‪G (t)= ∑ t‬‬
‫∞‬ ‫‪x−1‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪x‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪x=1‬‬

‫] [‬
‫‪1‬‬ ‫‪3‬‬
‫‪t‬‬
‫(∑‬ ‫)‬
‫∞‬ ‫‪x‬‬
‫‪4‬‬ ‫‪3t‬‬ ‫‪1 4‬‬
‫=)‪G (t‬‬ ‫=‬
‫‪3‬‬ ‫‪x=1‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪1− t‬‬
‫‪4‬‬ ‫‪4‬‬

‫عندما ‪t=1‬‬

‫][ ] [‬
‫‪3‬‬ ‫‪3‬‬
‫‪1‬‬ ‫‪4‬‬ ‫‪1 4‬‬
‫=) ‪G ( 1‬‬ ‫=‬ ‫‪=1‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3 1‬‬
‫‪1−‬‬
‫‪4‬‬ ‫‪4‬‬

‫باستخراج المشتقة األولى‪:‬‬

‫(‬ ‫) ( )‬
‫]) ([‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3 3‬‬ ‫‪3 9‬‬ ‫‪9‬‬
‫‪1− t +‬‬ ‫‪t‬‬ ‫‪− t+ t‬‬
‫'‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪16‬‬
‫=)‪G (t‬‬ ‫=‬
‫) (‬
‫‪2‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪1− t‬‬ ‫‪1− t‬‬
‫‪4‬‬ ‫‪4‬‬

‫] ) ([‬
‫‪3‬‬
‫'‬ ‫‪1‬‬ ‫‪4‬‬
‫=) ‪G ( t‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪1− t‬‬
‫‪4‬‬
‫‪69‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫) ( ] ) ([‬
‫‪3‬‬ ‫‪3‬‬
‫'‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪1 4‬‬
‫= )‪G ( 1‬‬ ‫‪2‬‬
‫=‬ ‫‪2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3 1‬‬
‫‪1−‬‬
‫‪4‬‬ ‫‪4‬‬

‫'‬ ‫‪1 3 16‬‬

‫‪G ( 1) = . .‬‬
‫‪3 4 1‬‬
‫‪∴ E(X )=4‬‬

‫وبإيجاد المشتقة الثانية‪:‬‬

‫(‬ ‫)‬ ‫(‬ ‫) ()‬

‫‪2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3 −3‬‬
‫‪1− t . ( 0 ) + ( 2 ) 1− t‬‬
‫''‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪4‬‬
‫=) ‪G ( t‬‬
‫(‬ ‫)‬
‫‪4‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪1− t‬‬
‫‪4‬‬

‫''‬
‫=) ‪G ( t‬‬
‫‪12‬‬
‫‪3‬‬
‫) (‬
‫‪3 3‬‬
‫‪1− t‬‬
‫‪4 4‬‬

‫) (‬
‫‪3‬‬ ‫‪3‬‬
‫‪4‬‬
‫‪1− t‬‬
‫‪4‬‬

‫''‬
‫=) ‪G ( 1‬‬
‫‪3‬‬
‫‪1 2‬‬ ‫(‬ ‫) ‪1−‬‬
‫‪3 3‬‬
‫(‬
‫‪9 1‬‬
‫‪4 4 1 8 4‬‬
‫=‬
‫)‬ ‫=‬
‫‪9‬‬
‫‪1 32‬‬
‫‪=24‬‬
‫‪(1− 4 ) ( 4 ) 256‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3 1‬‬ ‫‪3 1‬‬
‫‪4‬‬ ‫‪4‬‬

‫‪Var ( X )=G '' (1 )+G' ( 1 )−[ G' (1 ) ]=12‬‬

‫‪ .6‬افترض أن المتغير العشوائي ‪ X‬له توزيع بواسون المقطوع بالنقطة صفر وله الدالة االحتمالية‪:‬‬
‫‪−1‬‬
‫‪( e a−1 ) a k‬‬
‫=) ‪Pk =P r ( X=k‬‬ ‫‪, k=1, 2 , … .‬‬
‫!‪k‬‬

‫أثبت أن الدالة المولدة للعزوم للمتغير العشوائي ‪ X‬تكون بالشكل اآلتي‪:‬‬

‫‪−1‬‬
‫) ‪P x ( s )=( e −1 ) ( e −1‬‬
‫‪a‬‬ ‫‪as‬‬

‫‪a‬‬
‫‪ae‬‬
‫=) ‪E ( X‬‬ ‫وأثبت أن‬
‫¿ )‪(e ¿¿ a−1‬‬

‫الحل‪:‬‬
‫) ‪P x =E ( S k )=∑ S k P ( X =k‬‬
‫‪−1‬‬
‫∞‬
‫‪( ea −1 ) ak‬‬
‫‪P x (S)=∑ S‬‬
‫‪k‬‬

‫‪k=1‬‬ ‫!‪k‬‬
‫∞‬
‫‪−1‬‬ ‫‪S k ak‬‬
‫) ‪P x (S)=( e a−1‬‬ ‫!‪∑ k‬‬
‫‪k=1‬‬
 ‫العمليات العشوائية (فرضياتها‬ 70
)‫وتطبيقاتها‬
∞ k
( aS )
∑
−1
P x ( S )=( e a−1 )
k=1 k!

[ ]
2 3 4
−1 (as ) (as ) (as )
P x ( S )=( e a−1 ) as + + + +…
2! 3! 4!
−1
P x ( S )=( e −1 ) ( e −1 )
a as

∂ P(s) −1
P ' x ( S )= =( e a−1 ) a eas=0
∂S
a
−1 ae
When S=1 , E ( X )=( e −1 ) a e =
a a
a
e −1

Note :
∂P( s)
∂S | S=1
=E ( X )

∞ ∞ ∞
−1 ak −1 ak
P x ( 1 )=∑ P k =1 ∑ ( e a−1 ) =( e a−1 ) ∑
k=1 k=1 k! k=1 k !

[ ]
2 3 4
−1 (a) (a) (a)
P x ( 1 )=( ea −1 ) a+ + + +…
2! 3 ! 4 !
−1
P x ( 1 )=( e −1 ) ( e −1 ) =1
a a

:‫ وتمثله الدالة اإلحتمالية‬X ‫ عمر الحياة لجهاز معين هو المتغير العشوائي‬.7

−ct
P ( X ≤t )=1−e ,t≥0

.X ‫ أوجد تحويل البالس للمتغير العشوائي‬.1 :‫المطلوب‬

.‫ له‬Var (X) ‫ والتباين‬X ‫ لـ‬E(X) ‫ احسب التوقع‬.2

1
. E ( X| X >t )=t+ c ‫ أثبت أن‬.3

:‫الحل‬
−ct −cx
P ( X ≤t )=1−e , P ( X ≤ x )=1−e
−cx
F ( x )=1−e
−cx
f ( x )=c e
∞
1 ¿ F ( t )=E ( e ) =∫ c e e dx
−tx −tx −cx

|
∞ − ( t +c ) x ∞
−ce
F ( t )=∫ c e
− ( t +c ) x
dx =
0 t+ c 0

c c
∴ F ( t )= → F ( 0 )= =→ ∴ F ( 0 )=1
t +c c
71 ‫ التوقع الرياضي‬/ ‫الفصل الثاني‬

' −c ' −c −1
2 ¿ F ( t )= → F ( 0 )= 2 = =−E ( X )
( t +c ) 2
c c
1
∴ E ( X )=
c
( t +c )2 ( 0 )+ c ( 2 ) ( t+ c ) 2 c ( t+c )
F '' ( t )= 4
= 4
( t +c ) ( t +c )
2
2c 2
F ( 0 )= 4 = 2 =E ( X )
'' 2

c c
2 2 1 1
Var ( X )=F ( 0 )−[ F ( 0 ) ] =
'' '
2
− 2= 2
c c c

1
3 ¿ E ( X|X > t ) =t+
c
∞
E ( X| X >t )=∫ P ( X|X >t ) . P (x) dt
0

∞ ∞ ∞
¿ ∫ (1−e ) dt=∫ dt −¿ ∫ e
−ct −ct
dt ¿
0 0 0

∞ ∞ ∞
1 1
¿ ∫ dt−¿ ∫ c e dt=t + ∫ c e dt ¿
−ct −ct

0 c 0 c 0
1
E ( X| X >t )=t+
c

:‫ افترض أن الدالة االحتمالية هي‬.8

−5(t− 4)
P ( T ≥ t ) =e ,t≥4

.‫ وكذلك احسب التوقع والتباين‬T ‫أوجد تحويل البالس لـ‬

:‫الحل‬
−5(t− 4)
P ( T ≥ t ) =e ,t≥4
−5(t −4)
P ( T <t )=1−e
∴ f ( x )=5 e−5( x−4)
∞
F ( t )=E [ e
−tx
]=5∫ e−tx e−5( x− 4) dx
0
∞ ∞
F ( t )=5 ∫ e ∫ e−x(t +5) dx
−tx −5 x 20 20
e e dx=5 e
0 0
 ‫العمليات العشوائية (فرضياتها‬ ‫‪72‬‬
‫وتطبيقاتها)‬
‫‪20‬‬ ‫‪20‬‬
‫[ ‪5 e − x(t +5)|∞ −5 e‬‬ ‫) ‪−4 (t +5‬‬
‫]‬
‫=) ‪F ( t‬‬ ‫‪e‬‬ ‫=‪4‬‬ ‫‪0−e‬‬
‫‪t +5‬‬ ‫)‪(t+5‬‬
‫‪−4 t‬‬
‫(‬ ‫)‬ ‫‪5e‬‬ ‫‪5‬‬
‫=‪Ft‬‬ ‫‪, F ( 0 )= =1‬‬
‫‪t+5‬‬ ‫‪5‬‬
‫‪−4 t‬‬ ‫‪−4 t‬‬
‫'‬ ‫‪−20(t+ 5)e −5 e‬‬
‫=) ‪F ( t‬‬
‫‪(t+5)2‬‬
‫‪−20 ( 5 )−5 −105 −21‬‬
‫= )‪F' ( 0‬‬ ‫=‬ ‫=‬
‫‪25‬‬ ‫‪25‬‬ ‫‪5‬‬
‫‪21‬‬
‫=) ‪∴ E ( X‬‬
‫‪5‬‬

‫'‬
‫=) ‪F ' ( t‬‬
‫[‬ ‫] ‪( 80 t e−4 t +20 e−4 t ) +400 e− 4 t +100 e−4 t ] (t+ 5)2−2 ( t +5 ) [−20 e−4 t −100 e−4 t −5 e−4 t‬‬
‫‪4‬‬
‫)‪(t+ 5‬‬
‫'‬ ‫)‪( 20+ 400+100 ) 25−2 ( 5 ) (0−100−5‬‬
‫= )‪F ' ( 0‬‬
‫‪625‬‬
‫) ‪( 520 ) ( 25 )− (10 )(−105‬‬
‫=) ‪F '' ( 0‬‬
‫‪625‬‬
‫‪13000−1050 14050‬‬
‫) ‪=22.48=E ( X‬‬
‫‪2‬‬
‫¿‬ ‫=‬
‫‪625‬‬ ‫‪625‬‬
‫‪2‬‬
‫] ) ‪Var ( X )=E ( X )− [ E ( X‬‬
‫‪2‬‬

‫] [‬
‫‪2‬‬
‫‪21‬‬
‫‪Var ( X )=22.48−‬‬ ‫‪=22.48−17.64=4.84‬‬
‫‪5‬‬

‫‪ .9‬افترض أن ‪ X‬هو وقت الحياة (‪ )Life time‬العمر ألحد المركبات في أحد األجهزة الضخمة‬
‫مقاسًا بالساعات وله التوزيع اآلتي‪:‬‬
‫‪−0.2 t‬‬ ‫‪−0.2 t‬‬
‫‪P ( X ≤t )=1−e‬‬ ‫‪– 0.2t e‬‬ ‫‪,t ≥0‬‬

‫المطلوب‪:‬‬
‫‪ .1‬أوجد تحويل البالس للمتغير العشوائي ‪.X‬‬

‫‪ .2‬أوجد )‪.E(X) ، Var (X‬‬

‫‪ . 3‬على فرض أن هذه المركبة تعمل بنجاح لثالث ساعات األولى‪ ،‬ما هو احتمال أنها لم تفشل بالعمل‬
‫خالل الساعة والنصف القادمة‪.‬‬

‫الحل‪:‬‬
73 ‫ التوقع الرياضي‬/ ‫الفصل الثاني‬

−0.2 t −0.2 t
P ( X ≤t )=1−e – 0.2t e ,t ≥0
−0.2 t −0.2 t −0.2t
f ( t )=0.2e – 0.2[−( 0.2 ) t e +e (1)]
∴ f ( t )=0.04 t e−0.2 t
−0.2 x
f ( x )=0.04 x e
∞
F ( t )=E ( e )=∫ e 0.04 x e
−tx −tx −0.2 x
dx
0

∞ ∞
F ( t )=∫ 0.04 xe dx →∫ x e dx= ❑2
−x(t +0.2) r − λx

0 0 λ

1 ¿ F ( t )=0.04 ❑ = 0.04 =F(t)

2 2
(t +0.2) (t+0.2)
0.04
F ( 0 )= =1
0.04
0−2 ( 0.04 ) (t +0.2)
F ' ( t )= 4
(t+0.2)
' −( 0.04 )( 2 ) ( 0.2) −0.016
2 ¿ F (0)=−E ( X )= 4
= =−10
(0.2) 0.0016
E ( X )=10
4 3
( t+0.2) ( – 2 ) ( 0.04 )( 1 ) −(−2 ) ( 0.04 ) ( t+ 0.2 )( 4 ) ( t+ 0.2 )( 4 )(t+0.2)
F ' ' ( t )=
(t+0.2)8
( – 2 )( 0.2 ) 4 ( 0.04 ) +8 ( 0.2 )4 ( 0.04 ) 6
F '' (0)= 8
= 2
=E (X 2 )
( 0.2 ) (0.2)
2 6
Var ( X )=F ( 0 )−[ F ( 0 ) ] =
'' ' 2
2
−(10) =50
(0.2)
P [ X >t+ s ∩(X >t ) ]
3 ¿ P ( X >t+ s|X >t )=
P( X > t)
∴ P [ X > t+ s ∩(X >t) ] =P(X >t + s)
P ( X >t +s )
P ( X >t +s|X > t )=
P (X >t )
P ( X > 4.5 )
P ( X >3+1.5| X >3 ) =
P ( X > 3)
e
−0.2 s
[ 1+ 0.2 ( t +s ) ]
¿
(1+ 0.2t )
s=1.5 ‫على افتراض أن‬
−0.2 (1.5)
e [ 1+ 0 .2 ( 4.5 ) ]
P ( X >3+1.5| X >3 ) =
[ 1+ ( 0.2 )( 3 ) ]
−0.3 (1.9)
P ( X >3+1.5| X >3 ) =
1.6
P ( X >3+1.5| X >3 ) =0.8737216
 ‫العمليات العشوائية (فرضياتها‬ ‫‪74‬‬
‫وتطبيقاتها)‬

‫‪(3‬‬ ‫)‬
‫‪5‬‬
‫‪1 2 t‬‬
‫‪ .10‬إذا كانت الدالة المولدة للعزوم للمتغير العشوائي ‪ X‬هي ‪. + e‬‬
‫‪3‬‬
‫أوجد )‪. Pr (X =2∨3‬‬
‫الحل‪:‬‬

‫) ‪( 13 + 23 e ) → (q + p e‬‬
‫‪5‬‬
‫‪t‬‬ ‫‪t n‬‬
‫=) ‪G x ( t‬‬
‫‪1 2‬‬
‫‪n=5 , p+ q=1, + =1‬‬
‫‪3 3‬‬
‫‪n x n−x‬‬
‫‪f ( x )=C x p q‬‬
‫‪5 2 3‬‬ ‫‪5 3 2‬‬
‫‪f ( x )=C 2 p q +C3 p q‬‬

‫) () ( ) () (‬
‫‪2‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬
‫‪1 2‬‬ ‫‪1 2‬‬
‫‪f ( x )=10‬‬ ‫‪+10‬‬
‫‪3 3‬‬ ‫‪3 3‬‬
‫‪80 40 120‬‬
‫=) ‪f ( x‬‬ ‫‪+‬‬ ‫=‬ ‫‪=0.49‬‬
‫‪243 243 243‬‬

‫‪ .11‬افترض أن )‪ P(s‬تمثل الدالة المولدة االحتمالية للمتغير العشوائي غير السالب ‪ .X‬جد الدالة‬
‫المولدة االحتمالية للمتغير العشوائي (‪ )X+1‬إذا علمت أن‬
‫) ‪ a k =P( X=k‬لقيم ‪.…,k=0,1,2‬‬
‫الحل‪:‬‬
‫∞‬
‫‪P x ( s )=∑ ak Sk , then‬‬
‫‪k=0‬‬
‫∞‬
‫…‪P x+1 ( s )=∑ a ¿k S k =a ¿0+ a¿1 +a¿2 +‬‬
‫‪k=0‬‬

‫وبما أن )‪a k =P ( X +1=k )=P( X=k−1‬‬

‫¿‬

‫¿‬
‫‪a k =a k−1‬‬
‫فإن‬
‫‪2‬‬ ‫‪3‬‬
‫…‪P x+1 ( s )=a−1+ a0 s +a1 s +a2 s +‬‬
‫وبما أن المتغير غير سالب فإن ‪a−1=0‬‬
‫‪1‬‬ ‫‪2‬‬
‫¿]… ‪P x+1 ( s )=s [a¿¿ 0+ a1 s + a2 s +‬‬
‫) ‪P x+1 ( s )=s P x ( s‬‬

‫‪ .12‬جد تحويل البالس للمتغير العشوائي ‪ X‬الذي يخضع للتوزيع األسي بدالة الكثافة اإلحتمالية‬
‫اآلتية‪:‬‬
‫‪−ax‬‬
‫‪f ( x )=a e‬‬ ‫‪, x> 0‬‬
‫الحل‪:‬‬
‫∞‬
‫‪F ( t )=∫ e‬‬
‫‪−tx‬‬ ‫‪−ax‬‬
‫‪ae‬‬ ‫‪dx‬‬
‫‪0‬‬
‫‪75‬‬ ‫الفصل الثاني ‪ /‬التوقع الرياضي‬

‫∞‬
‫‪a‬‬
‫‪F ( t )=a∫ e‬‬
‫‪−(t +a) x‬‬
‫=‪dx‬‬
‫‪0‬‬ ‫‪t+ a‬‬

‫‪ .13‬جهاز مكون من مركبتين يعمالن باستقاللية تامة وعمر الحياة لكال المركبتين تمثلهما الدوال‬
‫اآلتية على التوالي‬
‫‪−4 t‬‬ ‫‪−2t‬‬
‫‪1 ¿ P ( X ≤ t )=1−e‬‬ ‫‪. 2¿ P ( Y ≤t )=1−e‬‬
‫ويتوقف الجهاز عن العمل في حال عطل أحد المركبتين‪.‬‬
‫المطلوب‪ .1 :‬حساب متوسط عمر الحياة للجهاز بأكمله‪.‬‬
‫‪ . 2‬أوجد تحويل البالس لعمر الحياة للجهاز بأكمله وكذلك حساب متوسط عمر الحياة له‪.‬‬
‫الحل‪:‬‬
‫نفرض عمر الحياة للجهاز بأكمله ‪Z‬‬
‫) ‪∴ Z=min(X , Y‬‬
‫ألن عمل الجهاز يعتمد على عمل كل من المركبتين أو توقفهما‪.‬‬
‫∞‬

‫‪1) E ( Z )=∫ P ( Z >t ) dt‬‬

‫‪0‬‬
‫)‪( Z> t )=(X , Y >t‬‬
‫] ‪( Z> t )= [ X >t ] . [ Y > t‬‬ ‫يعمالن باستقاللية ‪X , Y‬‬
‫)‪P ( Z >t )=P ( X >t ) . P(Y >t‬‬
‫‪−4t‬‬ ‫‪−2 t‬‬
‫‪P ( X >t )=e , P ( Y >t )=e‬‬

‫|‬
‫∞‬ ‫∞‬ ‫∞ ‪−6 t‬‬
‫‪e‬‬
‫‪∴ E [ Z >t ] =∫ e‬‬ ‫‪−4 t −2 t‬‬
‫‪e‬‬ ‫‪dt → ∫ e‬‬
‫‪−6 t‬‬
‫=‪dt‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪0‬‬
‫‪1‬‬
‫= ] ‪∴ E [ Z >t‬‬
‫‪6‬‬
‫‪−6 Z‬‬
‫‪2 ¿ f ( Z )=6 e , Z ≥ 0‬‬
‫∞‬
‫‪F ( t )=E [ e‬‬
‫‪−tZ‬‬
‫‪]=∫ e−tZ f ( z ) dz‬‬
‫‪0‬‬
‫∞‬
‫‪F ( t )=∫ 6 e‬‬
‫‪−6 Z −tZ‬‬
‫‪e‬‬ ‫‪dz‬‬
‫‪0‬‬
‫∞‬
‫‪F ( t )=6 ∫ e‬‬
‫‪−(6+t )Z‬‬
‫‪dz‬‬
‫‪0‬‬
‫∞=‪−6 −(6 +t )Z z‬‬
‫=) ‪F ( t‬‬ ‫‪e‬‬ ‫‪|z=0‬‬
‫)‪(6 +t‬‬
‫‪6‬‬
‫=) ‪F ( t‬‬ ‫‪, F ( 0 )=1‬‬
‫‪6+t‬‬
‫'‬ ‫‪0−6‬‬ ‫'‬ ‫‪−1‬‬
‫=)‪F (t‬‬ ‫=)‪→ F (0‬‬
‫) ‪( 6+t‬‬ ‫‪2‬‬
‫‪6‬‬
‫'‬ ‫‪1‬‬
‫=)‪E ( Z )=−F (0‬‬
‫‪6‬‬
‫العمليات العشوائية (فرضياتها‬ ‫‪76‬‬
‫وتطبيقاتها)‬