‫מבוא לסטטיסטיקה לכלכלנים א'‬

‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫תורת הקבוצות‬
‫‪st‬‬ ‫מרחב מדגם‪ :‬אוסף כל התוצאות האפשריות לניסוי‪S .‬‬
‫מרחב מדגם סימטרי‪ :‬כשלכל מאורע פשוט יש הסתברות כמו לאחר‪.‬‬
‫מאורעות ‪ B ,A‬זרים‪A ∩ 𝐵 = ∅ :‬‬
‫מאורעות‪ ,C ,B ,A‬זרים בזוגות‪B ∩ 𝐶 = ∅ , A ∩ 𝐶 = ∅ , A ∩ 𝐵 = ∅ :‬‬
‫תכונות ההסתברות ‪ P‬למאורע ‪:A‬‬
‫‪ .1‬לכל מאורע ‪0 ≤ P(A) ≤ 1 ,A‬‬
‫‪ .2‬אם ‪ A‬ו ‪ B‬זרים אז )𝐵(𝑃 ‪𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) +‬‬
‫‪P(S) = 1 .3‬‬
‫‪/I‬‬ ‫̅‬
‫‪𝑃(𝐴) = 1 − 𝑃(𝐴) .4‬‬
‫‪sin‬‬ ‫‪𝑃(∅) = 0 .5‬‬
‫‪ .6‬אם ‪ A‬ו‪ B -‬מאורעות כלשהם אז )𝐵 ∩ 𝐴(𝑃 ‪𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) −‬‬
‫‪ .7‬הכללה ל‪ n -‬מאורעות זרים בזוגות‪𝐴1 , 𝐴2 , ⋯ , 𝐴𝑛 -‬‬
‫) 𝑛𝐴(𝑃 ‪𝑃(𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ +‬‬
‫‪ .8‬במרחב מדגם סימטרי‪ ,‬ההסתברות של מאורע ‪ A‬שווה למספר התוצאות במאורע ‪ A‬חלקי מספר התוצאות במרחב‬
‫המדגם‪:‬‬
‫‪A‬‬
‫‪P( A) ‬‬
‫‪S‬‬
‫קומבינטוריקה – כלי לספירת אפשרויות‬

‫*‬ ‫שתי גישות עיקריות‪:‬‬

‫‪ .1‬עיקרון הכפל ‪ -‬ניסוי בשלבים ‪n1n2…nk‬‬
‫ניסוי בשלבים תמיד נותן את המודל עם סדר בין העצמים‪ ,‬יכול להיות עם‪/‬בלי החזרה‬
‫מקרה פרטי ‪ -‬מספר הסידורים השונים של ‪ n‬עצמים בשורה הוא !‪n‬‬
‫‪ .2‬בחירת ‪ k‬פריטים מתוך ‪ n‬בבת אחת )‪(0≤k≤ n‬‬
‫‪n‬‬ ‫!‪n‬‬
‫‪  ‬‬ ‫מספר הדרכים לבחור קבוצה של ‪ k‬פריטים מתוך ‪ n‬פריטים‬
‫!‪ k  k!n  k ‬‬
‫ההסתברות המותנית של מאורע ‪ A‬בהינתן ‪: P ( A B ) - B‬‬
‫‪Est‬‬
‫‪s‬‬ ‫‪P A | B  ‬‬
‫‪P A  B ‬‬
‫‪P B ‬‬
‫יהיו ‪ A‬ו‪ B -‬שני מאורעות ; ‪ .P(B) > 0‬אזי‬
‫|𝐵∩ ‪|A‬‬
‫= )𝐵|𝐴(𝑃‬ ‫במרחב מדגם סימטרי מתקיים‬
‫|𝐵|‬
‫תכונות הסתברות מותנית‪.:‬‬
‫בהנחה שמאורעות ‪ A1‬ו – ‪ A2‬זרים‪ B ,‬בעל הסתברות חיובית‪ ,‬מתקיים‪:‬‬
‫‪0  P  A | B  1‬‬
‫‪P B | B  1‬‬
‫‪P  | B   0‬‬
‫‪P ( A1  A2 | B )  P  A1 | B   P  A2 | B ‬‬

‫‪‬‬ ‫‪‬‬
‫‪P A | B  1 P  A | B‬‬

‫)‪(10‬‬ ‫חוק הכפל (כלל השרשרת) ‪𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴|𝐵) :‬‬

‫נוסחת ההסתברות השלמה (שקולה לשימוש בעץ הסתברויות)‪ S :‬מתפרק לאיחוד מאורעות זרים בזוגות ‪:B1,B2,..,Bn‬‬
‫) 𝑛𝐵|𝐴(𝑃 ∙ ) 𝑛𝐵(𝑃 ‪P(A) = P(A ∩ 𝐵1 ) + P(A ∩ 𝐵2 ) + ⋯ + P(A ∩ 𝐵𝑛 ) = 𝑃(𝐵1 ) ∙ 𝑃(𝐴|𝐵1) + ⋯ +‬‬
‫‪2‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬
 ‫מבוא לסטטיסטיקה לכלכלנים א'‬
‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫‪syn sekbone‬‬ ‫‪P B P  A | B‬‬

‫‪P  B | A ‬‬ ‫חוק בייז (‪ :)Bayes‬מאורעות ‪ A‬ו‪ ,B -‬שהסתברות ‪ A‬חיובית‪ ,‬מתקיים‪:‬‬
‫‪is10M‬‬
‫‪P  A‬‬
‫)‪P(AB) = P(A)P(B‬‬‫מאורעות ‪ B ,A‬בלתי תלויים (ב"ת) אם‬
‫שלושת התנאים הבאים שקולים‪:‬‬
‫(כאשר ‪)P(B)>0‬‬ ‫)‪P(A|B) = P(A‬‬ ‫‪.1‬‬
‫(כאשר ‪)P(A)>0‬‬ ‫)‪P(B|A) = P(B‬‬ ‫‪.2‬‬
‫)‪P(AB) = P(A)P(B‬‬ ‫‪.3‬‬
‫אבחנה בין אי תלות לבין זרות‪ :‬עבור ‪ A‬ו‪ B -‬מאורעות בעלי הסתברות חיובית‪ :‬אם הם זרים אזי הם תלויים‬
‫‪P(AnB) 0 =YP(A).‬‬
‫=‬
‫)‪P(B‬‬ ‫משפט‪ :‬אם ‪ A‬ו‪ B -‬ב"ת‪ ,‬אזי מתקיים‪ B , A :‬ב"ת‪ B , A ,‬ב"ת‪ B , A ,‬ב"ת‪.‬‬
‫אי‪-‬תלות של שלושה מאורעות‬
‫שלושה מאורעות ‪ C ,B ,A‬הם בלתי תלויים אם מתקיימים כל התנאים הבאים‪:‬‬
‫(‪ A‬ו – ‪ B‬בלתי תלויים)‬ ‫‪P(AB) = P(A)∙P(B) .1‬‬
‫(‪ A‬ו – ‪ C‬בלתי תלויים)‬ ‫‪P(AC) = P(A)∙P(C) .2‬‬
‫(‪ B‬ו – ‪ C‬בלתי תלויים)‬ ‫‪P(BC) = P(B)∙P(C) .3‬‬
‫‪P(ABC) = P(A)∙P(B)∙P(C) .4‬‬
‫משתנים מקרים בדידים‪:‬‬
‫‪x‬‬ ‫משתנה מקרי ‪ X‬מקבל את הערכים ‪. x1 , x 2 , x3 ,...‬‬
‫פונקציה ‪ , PX‬כך ש ) ‪ PX ( xi )  P ( X  xi‬נקראת פונקציית ההסתברות (ההתפלגות) של ‪.X‬‬
‫פונקציית ההסתברות מוצגת לרב על ידי טבלה ובמקרים מיוחדים על ידי נוסחה‪.‬‬
‫תכונות של פונקציית הסתברות‪:‬‬
‫‪ 0  P( X  x)  1 .1‬לכל ערך אפשרי ‪. x‬‬
‫‪(  P( X  x)  1 .2‬סכום ההסתברויות של כל הערכים האפשריים הוא ‪)1‬‬
‫‪x‬‬

‫פונקציית ההתפלגות המצטברת של מ"מ בדיד ‪ F (t )  P( X  t )   P( X  x) :X‬לכל מספר ממשי ‪.t‬‬

‫‪x t‬‬
‫תכונות של פונקציית ההתפלגות המצטברת‬
‫‪ 0  F (t )  1 .1‬לכל ‪. t‬‬
‫‪ .2‬עבור שני ערכים ‪ t1 ,t 2‬שמקיימים‪ , t1  t 2 :‬נובע ש‪. F (t1 )  F (t 2 ) -‬‬
‫מדדי מרכז עבור מ"מ בדיד‪:‬‬
‫‪ .1‬התוחלת של מ"מ בדיד ‪( , X‬מסומנת ‪ , E ( X )   xP( X  x) : (E(X) , µ‬ממוצע תאורטי של ההתפלגות‪.‬‬
‫‪x‬‬
‫בהתפלגות סימטרית תוחלת הינה ציר סימטריה‬
‫‪ .2‬שכיח )‪ - (Mo‬הוא הערך של ‪ X‬המתקבל בהסתברות הגבוהה ביותר‬
‫תוחלת של פונקציה של מ"מ )‪:g(X‬‬
‫‪ x1, x2 , x3 ,‬ערכי ‪.X‬‬ ‫‪, E  g  X   g  x  P  X  x   g  x  P  X  x   g  x  P  X  x  ‬‬ ‫‪  g  xi  P  X  xi ‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪i‬‬
‫* תכונת הלינאריות של התוחלת‪:‬‬
‫לכל מ"מ ‪ ,X‬ומספרים ממשיים קבועים ‪ a‬ו‪ b -‬מתקיים‪. E ( aX  b)  aE ( X )  b :‬‬
‫* תכונת חיבוריות התוחלת‪:‬‬
‫לכל שני מ"מ ‪ X‬ו‪ Y -‬מתקיים‪.E(X - Y) = E(X) – E(Y) , E ( X  Y )  E ( X )  E (Y ) :‬‬
‫הכללה‪ :‬בעבור ‪ n‬משתנים מקריים ‪ X 1 , X 2 ,..., X n‬מתקיים‪E ( X 1  X 2  ...  X n )  E ( X 1 )  E ( X 2 )  ...  E ( X n ) :‬‬

‫‪3‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬
 ‫מבוא לסטטיסטיקה לכלכלנים א'‬
‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫מדדי פיזור של מ"מ בדידים‪:‬‬

‫‪ .1‬שונות של משתנה מקרי ‪ X‬מסומנת ב‪ V(X) ,Var(X) -‬או ‪( : ‬כאשר ) ‪)   E ( X‬‬
‫‪2‬‬

‫‪ked‬‬
‫‪ 2  V  X   E  X     ‬‬
‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪signs‬‬
‫‪ x1   ‬‬ ‫‪P  X  x1    x2    P  X  x2    x3    P  X  x3  ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬

‫‪  xi    P  X  xi ‬‬
‫‪2‬‬

‫‪i‬‬

‫‪ ‬‬
‫‪ 2  V  X   E X 2   2   xi 2 P  X  xi    2‬‬
‫‪i‬‬
‫שונות – נוסחת העבודה‪:‬‬

‫‪ .2‬סטיית התק של משתנה מקרי ‪ X‬מסומנת ב‪ ,  ( X ) -‬או ‪ ‬הינה‪.   V ( X ) :‬‬

‫תכונות של שונות ושל סטיית תקן‬
‫‪ V ( X )  0 )1‬לכל מ"מ ‪.X‬‬
‫‪ V ( X )  0 )2‬אם ורק אם ‪ X‬הוא קבוע (מ"מ מנוון)‪.‬‬
‫) ‪V  aX  b   a 2V ( X‬‬
‫‪)3‬‬
‫)‪oax b) v(ax x) a2V(N 1a16(x‬‬
‫‪+‬‬
‫=‬
‫‪+‬‬ ‫=‬
‫=‬ ‫‪+‬‬ ‫) ‪  aX  b  | a |  ( X‬‬

‫‪Eit‬‬ ‫‪X ‬‬

‫‪Es F1.x *)E.FN-* I‬‬

‫‪Z‬‬ ‫משתנה מקרי מתוקנן ‪( Z‬ציון תקן ) עבור מ"מ ‪ X‬בעל שונות חיובית‪:‬‬
‫‪‬‬
‫)‪2‬‬ ‫=‬ ‫‪-‬‬
‫=‬ ‫=‬ ‫‪-‬‬
‫‪0‬‬
‫=‬
‫‪E (Z )  0 V ( X )  1‬‬ ‫תכונות של מ"מ מתוקנן‪:‬‬
‫)‪V(z‬‬ ‫==‪VEX-8):()vI‬‬ ‫התפלגות ברנולי ‪X ~ Ber ( p ) -‬‬
‫‪Most‬‬
‫‪-‬‬
‫‪S‬‬ ‫=‬
‫‪1‬‬
‫‪62‬‬

‫‪Mid‬‬ ‫משתנה מקרי ‪ X‬מתפלג ברנולי עם פרמטר ‪ ,p‬אם ‪ X‬מקבל את הערכים ‪ 0‬ו‪1 -‬‬
‫תכונות של מ"מ ברנולי‪E(X) = p , Var(X) = p(1-p) :‬‬
‫התפלגות בינומית ‪X~Bin(n,p) = B(n,p) -‬‬
‫מ"מ ‪ X‬סופר מספר "הצלחות" בסידרה של ‪ n‬ניסויי ברנולי ב"ת‪ - p ,‬ההסתברות ל"הצלחה" בניסוי בודד‪.‬‬
‫תכונות של מ"מ בינומי‪:‬‬
‫‪n‬‬
‫‪k=0,1,...,n‬‬ ‫‪P( X  k )    p k (1  p) n  k .1‬‬
‫&‪ kS'4R‬‬
‫‪ 7804 "6'8‬‬
‫‪xx yzyn‬‬
‫=‬ ‫‪+‬‬

‫‪f(x) E1 yz..‬‬
‫‪+‬‬
‫=‬ ‫‪+‬‬
‫‪(y+‬‬
‫‪fy+...E(Y) n.P‬‬ ‫=‬
‫↑‬
‫‪E ( X )  ↑n  p‬‬ ‫‪.2‬‬
‫)‪V(X‬‬ ‫=‬ ‫‪V ( X )  n  p  (1  p ) .3‬‬ ‫*‬

‫‪ X 1 ~ B ( n1 , p ) .4‬ו‪ X 1 , X 2 ~ B ( n2 , p ) -‬ו‪ X 2 -‬מתייחסים לשני ניסויים בלתי תלויים‪ ,‬אז ) ‪X 1  X 2 ~ B(n1  n2 , p‬‬
‫התפלגות פואסונית ‪ - X~P(λ)=Pois(λ) -‬ספירת האירועים המתרחשים בקצב פואסוני ‪ λ‬קבוע ליחידת הזמן או שטח‪.‬‬
‫תכונות של מ"מ פואסוני‪:‬‬
‫‪k‬‬
‫‪k=0,1,2...‬‬ ‫‪P( X  k )  e ‬‬ ‫‪.1‬‬
‫!‪k‬‬
‫‪E( X )  ‬‬ ‫‪.2‬‬
‫=‪V(X‬‬ ‫=])‪F(X7-1E(X‬‬ ‫‪V (X )  ‬‬ ‫‪.3‬‬ ‫‪A‬‬

‫מספר האירועים בשני פרקי זמן זרים הינם בלתי תלויים זה בזה‬ ‫‪.4‬‬
‫) ‪ Y ~ P(2 ) , X ~ P(1‬מתייחסים לפרקי זמן זרים או לתהליכים בלתי‪-‬תלויים‪ ,‬אז ) ‪𝑋 + 𝑌~𝑃(λ1 + λ2‬‬ ‫‪.5‬‬

‫‪4‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬
 ‫מבוא לסטטיסטיקה לכלכלנים א'‬
‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫משתנה מקרי דו‪-‬מימדי בדיד‬

‫פונקציית ההסתברות המשותפת של מ"מ דו‪-‬מימדי ‪ X‬ו‪ ( Y -‬או התפלגות משותפת) הינה אוסף ההסתברויות ( ‪PXY(xi,yj‬‬
‫עבור כל הערכים האפשריים של ‪ X‬ו‪ .Y -‬התפלגות משותפת מוצגת על ידי טבלה דו‪-‬מימדית‬
‫‪the‬‬
‫‪as‬‬ ‫פונקציית ההתפלגות השולית של ‪ X‬מתקבלת ע"י סכום של שורות ) ‪PX(xi) = P(X=xi)= ∑yj PXY (𝐱𝐢 , yj‬‬
‫פונקציית ההתפלגות השולית של ‪ Y‬מתקבלת ע"י סכום של עמודות ) 𝐣𝐲 ‪PY(yi) = P(Y=yi)= ∑xi PXY (xI ,‬‬
‫) ‪P(X=xi ∩Y=yj‬‬ ‫) ‪PXY (xi ,yj‬‬
‫= )‪PX | Y(xi | yj) =P(X= xi|Y= yj‬‬ ‫=‬ ‫ההתפלגות המותנית של ‪ X‬בהינתן ‪ Y= yj‬נתונה ע"י‬
‫) ‪P(Y=yj‬‬ ‫) ‪PY (yj‬‬
‫התוחלת המתונית‪E(X | Y= yj) = ∑𝑖 xi ∙ P𝑋|𝑌 (x𝑖 | y𝑗 ) :‬‬
‫השונות המותנית‪Var(X | Y= yj) = E(X2 | Y= yj) – [E(X | Y= yj)]2 :‬‬
‫משתנים מקריים בלתי‪-‬תלויים (ב"ת) ‪ PXY(xi,yj) = PX(X=xi)∙PY(Y=yj) -‬לכל זוג ערכים (‪.)xi, yj‬‬
‫תוחלת של פונקציה של שני מ"מ ‪ , E(g(X,Y)) =∑i,j g(xi , yj ) ∙ PXY (xi , yj ) -‬לכל פונקציה )‪g(X,Y‬‬
‫תוחלת של פונקציה לינארית של שני מ"מ ‪E(aX + bY) = E (aX) + E(bY) = aE(X) + bE(Y) -‬‬
‫בפרט‪E(X - Y) = E(X) - E(YS , E(X + Y) = E(X) + E(Y) :‬‬
‫קשר לינארי בין שני משתנים מקריים‬
‫השונות המשותפת ‪ Covariance‬של שני מ"מ בדידים ‪ X‬ו‪ - Y -‬מדד לכיוון הקשר הלינארי בין שני מ"מ‪:‬‬
‫‪119'6 9'4RS‬‬ ‫) ‪Cov(X,Y) = E[(X-µx)∙(Y- µy)] = ∑i,j(xi − µX ) ∙ (yj − µY ) ∙ PXY (xi , yj‬‬
‫נוסחת עבודה עבור ‪Cov(X,Y) = E(X∙Y) - µX ∙ µY = ∑i,j xi ∙ yj ∙ PXY (xi , yj ) − µX ∙ µY :Covariance‬‬
‫‪. Cov(X, Y) = 0‬‬ ‫משתנים מקריים ‪ X‬ו ‪ Y‬בלתי מתואמים (ב"מ)‪:‬‬
‫עבור מ"מ בלתי מתואמים מתקיים‪. E(XY) = E(X)E(Y) :‬‬
‫‪(g/‬‬ ‫אם ‪ X‬ו‪ Y -‬הם משתנים מקריים בלתי תלויים‪ ,‬אז הם בהכרח גם בלתי מתואמים‪if 104 a 0.91yy1961) .‬‬
‫מקדם המתאם בין ‪ X‬ו‪ - Y -‬מדד לכיוון ועוצמת הקשר הלינארי בין שני מ"מ‪:‬‬
‫‪-1 ≤ ρ(X,Y) ≤ 1‬‬ ‫‪,    ( X , Y )  Cor ( X , Y )  Cov( X , Y ) ‬‬ ‫) ‪Cov( X , Y‬‬
‫‪ X  Y‬‬ ‫) ‪Var ( X )  Var (Y‬‬
‫‪431794,‬‬ ‫‪153144y‬‬ ‫‪his‬‬ ‫‪kin‬‬
‫‪&/ 184, 0-16174‬‬ ‫תכונות‪:‬‬
‫‪411y‬‬
‫‪-'kY2 yb‬‬ ‫‪ .1‬כיוון הקשר הלינארי‪:‬‬
‫‪-g0‬‬
‫=‬

‫‪!:Yes, Yis" i‬‬ ‫א‪ .‬קשר לינארי חיובי‪ ρ>0 :‬ו ‪Cov(X,Y) >0‬‬
‫ב‪ .‬קשר לינארי שליל‪ ρ<0 :‬ו ‪Cov(X,Y) <0‬‬
‫ג‪ .‬לא קיים קשר לינארי (‪ X‬ו‪ Y -‬בלתי מתואמים)‪ ρ=0 :‬ו ‪Cov(X,Y) =0‬‬
‫‪ .2‬עוצמת הקשר הלינארי ‪ -‬לפי ערכו של מקדם המתאם‬
‫)‪Var(X + Y) = Var(X) + Var(Y) + 2Cov(X,Y‬‬ ‫שונות של סכום משתנים מקריים‪:‬‬
‫)‪Var(X - Y) = Var(X) + Var(Y) - 2Cov(X,Y‬‬ ‫שונות של הפרש משתנים מקריים‪:‬‬
‫אם ‪ X‬ו‪ Y -‬בלתי מתואמים (בפרט‪ ,‬ב"ת)‪(0V(x,y) 0) Var(X + Y) = Var(X - Y) = Var(X) + Var(Y) :‬‬
‫=‬

‫משתנה מקרי רציף‪:‬‬

‫‪i‬‬ ‫‪in‬‬ ‫)‪ = P(a  X  b‬שטח מתחת ל ‪ f‬בין ‪ a‬ל ‪b‬‬ ‫‪-‬‬ ‫‪f‬‬ ‫‪(x‬‬ ‫פונקצית צפיפות )‬
‫‪Die‬‬ ‫תכונות של פונקציית צפיפות‪:‬‬
‫‪ f ( x )  0 .1‬לכל ‪ x‬ממשי‪.‬‬
‫‪ .2‬השטח הכולל מתחת ל ‪ f‬שווה ל‪.1 -‬‬
‫‪ .3‬שטח בניקודה אחת‪ ,P(X=a) = 0 :‬לכל נקודה ‪a‬‬
‫פונקציית התפלגות מצטברת ) ‪ - F (t‬השטח המצטבר מתחת לצפיפות‪ ,‬עד הערך ‪ , 𝐹(𝑡) = 𝑃(𝑋 ≤ 𝑡) :t‬לכל מספר ממשי ‪t‬‬
‫תכונות של פונקציית ההתפלגות המצטברת‪:‬‬
‫פונקציית ההתפלגות המצטברת מוגדרת לכל ‪ t‬ממשי‪ ,‬והיא פונקציה מונוטונית לא יורדת‪ ,‬שערכיה נעים מ‪ 0 -‬עד ‪A .1‬‬

‫‪5‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬
 ‫מבוא לסטטיסטיקה לכלכלנים א'‬
‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫) ‪P( X  t )  F (t‬‬
‫) ‪P( X  t )  1  F (t‬‬ ‫שימוש בפונקציית ההתפלגות המצטברת לחישוב הסתברויות‪:‬‬
‫‪P(t  X  s )  F ( s )  F (t ), for each t  s‬‬

‫‪ -‬האחוזון ה‪ , p -‬כך שהשטח מתחת לפונקציית הצפיפות משמאלו הוא ‪: p‬‬ ‫אחוזונים של משתנה מקרי רציף‪x p :‬‬
‫‪. F ( x p )  P( X  x p )  p‬‬
‫אחוזונים מיוחדים‪ :‬חציון )‪ , (Med‬רבעונים ) ‪ , ( Q1 , Q2 = Med , Q3‬עשירונים‬
‫תכונות של התוחלת ( ) ‪ , )  , E ( X‬השונות ( ‪ ) Var ( X ), V ( X ),  2‬וסטיית התקן ( ) ‪ )   Var ( X‬של מ"מ רציף זהות לאלה‬
‫של מ"מ בדיד‬
‫התפלגות אחידה (רציפה) )‪ - X ~ U (a, b‬בחירת ערך מספר מקרי ממשי ‪ X‬בקטע ]‪: [a, b‬‬
‫תכונות של מ"מ אחיד (רציף)‪:‬‬
‫ב‪ .‬פונקצית ההתפלגות המצטברת של ‪X‬‬ ‫א‪ .‬פונקצית הצפיפות של ‪:X‬‬
‫‪0‬‬ ‫‪ta‬‬
‫‪t  a‬‬
‫‪‬‬ ‫‪atb‬‬ ‫‪ 1‬‬
‫‪F (t )   b  a‬‬ ‫‪ b  a a  x  b‬‬
‫‪‬‬ ‫‪f ( x)  ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 1‬‬ ‫‪t b‬‬ ‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪ab‬‬ ‫‪(b  a) 2‬‬
‫‪E( X ) ‬‬ ‫‪Var( X ) ‬‬ ‫ג‪ .‬תוחלת ושונות של ‪:X‬‬
‫‪2‬‬ ‫‪12‬‬
‫התפלגות מעריכית (רציפה) ‪ -‬קיים זרם אירועים פואסוני עם קצב ‪ - Z~Pois(λ) ,λ‬מספר האירועים ביחידת זמן‪.‬‬ ‫ד‪.‬‬
‫אז מ"מ )‪ = X~exp(λ‬משך הזמן שיחלוף עד האירוע הראשון או משך הזמן בין שני אירועים עוקבים‪ ,‬מתפלג מעריכית‪.‬‬ ‫ה‪.‬‬
‫תכונות של מ"מ מעריכי‪:‬‬
‫ב‪ .‬פונקצית ההתפלגות המצטברת של מ"מ ‪:X‬‬ ‫א‪ .‬פונקצית הצפיפות של ‪:X‬‬
‫‪0‬‬ ‫‪t0‬‬ ‫‪  e  x‬‬ ‫‪x0‬‬
‫‪F (t )  ‬‬ ‫‪‬‬
‫‪ t‬‬ ‫‪f ( x)  ‬‬
‫‪1  e‬‬ ‫‪t0‬‬ ‫‪0‬‬ ‫‪otherwise‬‬
‫‪‬‬
‫הסתברות של זנב ההתפלגות‪t  0 , P ( X  t )  e  t :‬‬ ‫ג‪.‬‬
‫‪1‬‬ ‫ד‪ .‬תוחלת ושונות של ‪1 :X‬‬
‫‪E( X ) ‬‬ ‫‪Var( X ) ‬‬
‫‪‬‬ ‫‪2‬‬
‫) ‪ P( X  s  t | X  s )  P( X  t‬בעבור כל ‪. s, t  0‬‬ ‫ה‪ .‬תכונת חוסר הזיכרון של מ"מ מעריכי ‪: X‬‬
‫התפלגות נורמלית (רציפה) ‪X ~ N (  ,  2 ) -‬‬
‫‪it‬‬
‫‪t‬‬
‫תכונות של מ"מ נורמלי‪:‬‬
‫‪(𝑥−𝜇)2‬‬
‫‪1‬‬ ‫‪−‬‬
‫‪ ,‬עבור ‪   x  ‬‬ ‫= )𝑥(𝑓‬ ‫𝑒‬ ‫‪2𝜎2‬‬ ‫א‪ .‬פונקצית הצפיפות של ‪:X‬‬
‫‪√2𝜋𝜎 2‬‬

‫‪Var(X) = σ2 , E(X) = µ‬‬ ‫ב‪ .‬תוחלת ושונות של ‪:X‬‬

‫‪X ‬‬
‫‪Z‬‬ ‫התפלגות נורמלית סטנדרטית ‪ Z ~ N (0,1) -‬הינו תקנון של מ"מ נורמלי כללי ‪( X‬ציון תקן) ‪,‬‬
‫‪‬‬
‫תכונות של מ"מ נורמלי סטנדרטי‪:‬‬
‫ושונות ‪.   1‬‬
‫‪2‬‬
‫א‪ .‬תוחלת ‪  0‬‬
‫‪6‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬
 ‫מבוא לסטטיסטיקה לכלכלנים א'‬
‫עריכה של דף הנוסחאות‪ :‬אינה זסלבסקי‪-‬פלטיאל‬

‫ב‪ .‬חישוב הסתברויות בתפלגות נורמלית סטנדרטית‬

‫)𝑧(𝑚𝑟𝑜𝑛𝑝 = )𝑧 ≤ 𝑍(𝑃 = )𝑧(𝐹 = )𝑧(‪Φ‬‬
‫)𝐸𝑆𝐿𝐴𝐹 = 𝑙𝑖𝑎𝑡 ‪𝑃(𝑍 > 𝑧) = 1 − Φ(𝑧) = 1 − 𝑝𝑛𝑜𝑟𝑚(𝑧) = 𝑝𝑛𝑜𝑟𝑚(𝑧, 𝑙𝑜𝑤𝑒𝑟.‬‬
‫)𝑧(‪Φ(−𝑧) = 1 − Φ‬‬
‫) ‪P(𝑧1 ≤ 𝑍 ≤ 𝑧2 ) = Φ(𝑧2 ) − Φ(𝑧1 ) = 𝑝𝑛𝑜𝑟𝑚(𝑧2 ) − 𝑝𝑛𝑜𝑟𝑚(𝑧1‬‬
‫ג‪ .‬אחוזונים בהתפלגות נורמלית סטנדרטית ‪ -‬אחוזון ‪ Zp‬הוא הערך שמקיים‪Zp = qnorm (p) , P ( Z  Z p )  p :‬‬
‫) ‪: X ~ N ( , 2‬‬ ‫חישובים בהתפלגות נורמלית כללית ‪-‬‬
‫א‪ .‬הסתברויות‪:‬‬

‫)𝜎 = 𝑑𝑠 ‪𝑃(𝑋 ≤ 𝑥) = 𝑃(𝑍 ≤ 𝑧) = Φ(𝑧) = 𝑝𝑛𝑜𝑟𝑚(𝑧) = 𝑝𝑛𝑜𝑟𝑚(𝑋, 𝑚𝑒𝑎𝑛 = 𝜇,‬‬

‫= )𝐸𝑆𝐿𝐴𝐹 = 𝑙𝑖𝑎𝑡 ‪𝑃(𝑋 > 𝑥) = 𝑃(𝑍 > 𝑧) = 1 − Φ(𝑧) = 𝑝𝑛𝑜𝑟𝑚(𝑧, 𝑙𝑜𝑤𝑒𝑟.‬‬
‫)𝐸𝑆𝐿𝐴𝐹 = 𝑙𝑖𝑎𝑡 ‪= 𝑝𝑛𝑜𝑟𝑚(𝑋, 𝑚𝑒𝑎𝑛 = 𝜇, 𝑠𝑑 = 𝜎, 𝑙𝑜𝑤𝑒𝑟.‬‬
‫= ) ‪P(𝑎 ≤ 𝑍 ≤ b) = P(𝑧1 ≤ 𝑍 ≤ 𝑧2 ) = Φ(𝑧2 ) − Φ(𝑧1 ) = 𝑝𝑛𝑜𝑟𝑚(𝑧2 ) − 𝑝𝑛𝑜𝑟𝑚(𝑧1‬‬
‫)𝜎 = 𝑑𝑠 ‪= 𝑝𝑛𝑜𝑟𝑚(𝑏, 𝑚𝑒𝑎𝑛 = 𝜇, 𝑠𝑑 = 𝜎) − 𝑝𝑛𝑜𝑟𝑚(𝑎, 𝑚𝑒𝑎𝑛 = 𝜇,‬‬
‫ב‪ .‬אחוזונים‪:‬‬
‫)𝜎 = 𝑑𝑠 ‪𝑋𝑝 = 𝜇 + 𝑍𝑝 ∙ 𝜎 = 𝜇 + 𝑞𝑛𝑜𝑟𝑚(𝑝) ∙ 𝜎 = 𝑞𝑛𝑜𝑟𝑚(𝑝, 𝑚𝑒𝑎𝑛 = 𝜇,‬‬
‫תכונות של התפלגות נורמלית‬
‫תכונה ‪ – A‬טרנספורמציה לינארית של מ"מ נורמלי‪.) a  0 ( , X ~ N (  ,  )  aX  b ~ N (a  b, a  ) :‬‬
‫‪2‬‬ ‫‪2 2‬‬

‫‪ n‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫תכונה ‪ - B‬סכום של ‪ n‬משתנים מקריים נורמליים ב"ת‪, X i ~ N i , i 2 :‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ , i  1,.., n‬אז‬
‫‪X‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫‪~ N   i ,   i 2 ‬‬
‫‪ i 1‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫תכונה ‪ - C‬צירוף לינארי של משתנים מקריים נורמליים בלתי‪-‬תלויים‪:‬‬
‫אם ‪ Y ,X‬משתנים מקריים נורמליים ב"ת‪ ,‬אז כל צירוף לינארי שלהם גם הוא משתנה מקרי נורמלי בעל פרמטרים מתאימים‬
‫שיש לחשב לפי תכונות לינאריות של תוחלת ושונות‪.‬‬
‫) ‪X ~ N (  x ,  x2 ) Y ~ N ( Y ,  Y2‬‬
‫‪‬‬
‫למשל‪:‬‬
‫) ‪aX  bY ~ N (a x  bY , a 2 x2  b 2 Y2‬‬
‫) ‪aX  bY ~ N (a x  bY , a 2 x2  b 2 Y2‬‬
‫‪n‬‬
‫‪-bisd  X i‬‬
‫מ"מ נורמליים ב"ת ושווי תוחלת ושונות ‪ X i ~ N   , ‬אז ‪~ N  n , n 2 ‬‬
‫‪n‬‬
‫‪ 2 ‬‬ ‫מקרה פרטי‪n :‬‬
‫‪X‬‬
‫‪2‬‬
‫‪Xn ‬‬ ‫‪i 1‬‬
‫‪~ N  ,  ,‬‬ ‫‪i‬‬
‫‪n‬‬ ‫‪ n ‬‬ ‫‪i 1‬‬

‫‪ . ‬עבור‬
‫‪2‬‬
‫משפט הגבול המרכזי‪ :‬נתונים ‪ n‬משתנים מקריים ‪ X1 ,…., Xn‬בלתי‪-‬תלויים זה בזה עם תוחלת ‪‬‬
‫‪-got‬‬
‫ושונות‬
‫‪𝜎2‬‬
‫‪-3‬‬ ‫‪ n‬מספיק גדול מתקיים‪( 𝑋̅~̇𝑁(𝜇 , 𝑛 ) , ∑𝑛𝑖=1 X𝑖 = X1 + ⋯ + X𝑛 ~̇𝑁(𝑛𝜇 , 𝑛𝜎 2 ) :‬עבור 𝑛 ≤ ‪) 20‬‬

‫מקרה פרטי‪ :‬הקירוב הנורמלי לפרופורציה מדגמית ̂‬

‫𝒑 עבור משתנה בינומי‪:‬‬
‫)𝑝‪𝑝(1−‬‬
‫‪ 𝑝̂ ~̇N(𝑝,‬כאשר מתקיימים שני התנאים הבאים‪n*p ≥ 5 , n*(1-p)≥5 :‬‬ ‫אם )𝑝 ‪ 𝑋~𝐵𝑖𝑛(𝑛,‬אז בקירוב )‬
‫𝑛‬

‫‪7‬‬
‫חומרים אלו הינם הקניין הרוחני של הקורס מבוא לסטטיסטיקה לכלכלנים א'‪ .‬אין להעתיק‪ ,‬לשכפל‪ ,‬לפרסם‪ ,‬להפיץ‪ ,‬או לאחסן‪ .‬שימוש‬
‫בחומרים אלו מהווה עוולה אזרחית והפרה חמורה של תקנון אוניברסיטת תל‪-‬אביב‬