‫מ"מ פואסוני ומעריכי‬

‫בעיר מסויימת במשך ‪ 20‬שנה התרחשו ‪ 240‬תאונות דרכים (נא להתייחס לנתון הזה כאל קצב פואסוני)‪.‬‬ ‫‪.1‬‬
‫מה הסתברות שבמשך חודש‪:‬‬
‫לא תתרחש אף תאונה‪.‬‬ ‫א‪.‬‬
‫יתחשו לפחות ‪ 3‬תאונות‪.‬‬ ‫ב‪.‬‬

‫פתרון‪:‬‬

‫‪ 20‬שנה ו‪ 240-‬התרחשויות => ישנה התרחשות אחת בחודש בממוצע‪. X ~ Pois(1) .‬‬

‫‪e−1 10 −1‬‬
‫=) ‪P( X =0‬‬ ‫‪=e =0. 368‬‬
‫‪.‬‬ ‫!‪0‬‬ ‫א‪.‬‬

‫‪.‬‬ ‫ב‪.‬‬

‫(יש חמישה ימי עבודה) ‪10‬‬ ‫מספר הפונים למרכזייה מתפלג בקירוב פואסוני‪ .‬בממוצע פונים כל שבוע‬ ‫‪.2‬‬
‫אנשים‪,‬‬
‫מה ההסתברות שביום ג' תהיה לפחות פנייה אחת?‬ ‫א‪.‬‬
‫מה התפלגות מספר הימים בשבוע בהם הייתה לפחות פנייה אחת‪ ,‬ומהם הפרמטרים? מה‬ ‫ב‪.‬‬
‫ההסתברות לשלושה ימים בשבוע בהם הייתה לפחות פנייה אחת?‬

‫פתרון‪:‬‬
‫נגדיר את ‪ X‬כמ"מ המציין את מספר הפונים ביום‪.‬‬ ‫א‪.‬‬
‫]ביום[)‪X~Pois(2‬‬
‫‪−2 0‬‬
‫‪e 2‬‬
‫‪Pr ( X ≥ 1 )=1−Pr ( X =0 ) =1−‬‬ ‫‪≅ 0.865‬‬
‫!‪0‬‬
‫נגדיר את ‪ Y‬כמ"מ המציין את מס' הימים בשבוע בהם הייתה לפחות פנייה אחת‬ ‫ב‪.‬‬
‫)‪Y~Bin(5,0.865‬‬

‫)(‬
‫) ‪Pr (Y =3 )= 5 0.865 (1−0.865‬‬
‫‪3‬‬
‫‪3‬‬ ‫‪5−3‬‬
 ‫מרכזיית טלפון מחוברת לשלושה מנויים‪ .‬מספר השיחות הנכנסות למרכזיה מתפלג פואסונית‪ .‬מנוי ‪A‬‬ ‫‪.3‬‬
‫מקבל בממוצע ‪ 10‬שיחות ברבע שעה‪ .‬מנוי ‪ B‬מקבל בממוצע ‪ 8‬שיחות ב‪ 10-‬דקות ומנוי ‪ C‬מקבל‬
‫בממוצע ‪ 2‬שיחות ב‪ 6‬דקות‪.‬‬
‫מהי כמות השיחות הממוצעת המגיע למרכזיה במשך שעה‬ ‫א‪.‬‬
‫חשב את ההסתברות שבתוך דקה יעברו במרכזיה ‪ 4‬שיחות‪.‬‬ ‫ב‪.‬‬

‫פתרון‪:‬‬
‫למנוי ‪ A‬נכנסות ‪ 40‬שיחות בשעה‪ ,‬למנוי ‪ B‬נכנסות ‪ 48‬שיחות בשעה‪ ,‬למנוי ‪ C‬נכנסות ‪ 20‬שיחות‬

‫‪λ=108‬‬
‫] [‬
‫‪call‬‬
‫‪hour‬‬
‫בשעה‪ .‬סה"כ במרכזיה נכנסות‬

‫‪E ( x )=V ( x )=λ=108‬‬ ‫א‪.‬‬

‫‪λ=1.8‬‬
‫] [‬‫‪call‬‬
‫‪sec‬‬
‫ב‪.‬‬

‫‪4‬‬ ‫‪−1.8‬‬
‫‪1.8 ∙ e‬‬
‫=) ‪P ( X=4‬‬ ‫‪=0.0723‬‬
‫!‪4‬‬

‫במפעל עובדים ‪ 10‬מנועים מסוג ‪ A‬ומנוע ‪ 1‬מסוג ‪ .B‬מספר תקלות במנוע (המחייבות החלפתו) מתפלג‬ ‫‪.4‬‬
‫פואסונית עם פרמטר ‪ λ=0.6‬תקלות בשנה‪ .‬לוקח שנה שלמה להזמין מנוע חדש ולכן מחזיקים במחסן ‪N‬‬
‫מנועים חדשים מסוג ‪ A‬ו‪ M -‬מסוג ‪ .B‬הניחו אי תלות בין התקלות במנועים‪.‬‬
‫מה צריך להיות ‪ ,N‬בכדי להבטיח שבהסתברות של ‪ 90%‬לפחות המנועים החדשים במחסן יספיקו עבור‬ ‫א‪.‬‬
‫כל התקלות בשנה במנועים מסוג ‪( A‬כלומר שמספר המנועים שיתקלקלו במשך השנה יהיו לכל היותר‬
‫מספר המנועים שיש במחסן) ? כנ"ל לגבי ‪ M‬עבור המנוע מסוג ‪ ? B‬מה ההסתברות הכוללת שהמנועים‬
‫החדשים במחסן יספיקו?‬
‫כיצד הייתה הסתברות זו משתנה עם אותו מספר כולל של מנועים חדשים (‪ ,)M+N‬אבל כאשר כל ‪11‬‬ ‫ב‪.‬‬
‫המנועים העובדים במפעל היו מאותו הסוג?‬

‫פתרון‪:‬‬
‫מספר התקלות במנוע בודד (במשך שנה) מתפלג פואסונית עם תוחלת ‪ >= 0.6‬מספר תקלות‬ ‫א‪.‬‬
‫ב‪ n -‬מנועים בלתי תלויים (במשך שנה) מתפלג פואסונית עם תוחלת ‪ .n0.6‬לכן‪:‬‬
 ‫ההסתברות שיהיו מספיק מנועים משני סוגים (נסמן מאורע זה ב‪ )C-‬היא‪:‬‬
‫‪N‬‬ ‫‪M‬‬
‫‪e−0 .6 0 .6 i‬‬ ‫‪e−6 6 i‬‬
‫∑=) ‪P(C )=F X ( N )⋅F X ( M‬‬ ‫∑¿‬
‫‪A‬‬ ‫‪B‬‬
‫‪i=0‬‬ ‫!‪i‬‬ ‫‪i=0‬‬ ‫!‪i‬‬
‫(עבור ‪ N=9‬ו‪ M=2 -‬כנ"ל מקבלים קצת יותר מ‪.)81%-‬‬
‫אם כל אחד‪-‬עשר המנועים הם מאותו סוג‪:‬‬ ‫ב‪.‬‬
‫)‪X ~ Pois (0 .6⋅11‬‬
‫‪N +M‬‬ ‫‪−6 . 6‬‬
‫‪6 . 6i‬‬
‫=) ‪P( X ≤N + M‬‬ ‫!‪∑ ie‬‬ ‫) ‪≥P(C‬‬
‫‪i=0‬‬

‫לדוגמה‪:‬‬
‫‪N+ M −6 .6‬‬
‫‪e 6 .6 i‬‬
‫!‪∑ i‬‬ ‫‪≥0. 9‬‬
‫‪i=0‬‬
‫‪M +N≥10‬‬
‫כלומר לאמינות כוללת של ‪ 90%‬יספיקו עשרה מנועים בלבד (זהים)‪.‬‬

‫מכונה‪ A‬מייצרת ‪ 100‬נורות כל יום ואורך החיים בשעות של כל נורה מפולג מערכית עם פרמטר‬ ‫‪.5‬‬
‫‪λ A=0 . 01‬‬
‫‪ .‬מכונה ‪ B‬מייצרת ‪ 400‬נורות כל יום ואורך החיים בשעות של כל נורה מפולג מערכית עם‬
‫‪λ B =0 . 05‬‬
‫‪ .‬כל הנורות המיוצרות על ידי שתי המכונות מגיעות כל יום למעבדה לשם בדיקה‪.‬‬ ‫פרמטר‬
‫במעבדה בוחרים נורה באופן מקרי‪ .‬נסמן ב‪ Y -‬את אורך חיי המנורה‪.‬‬
‫חשבו את פונקציית ההתפלגות המצטברת של ‪.Y‬‬ ‫א‪.‬‬
‫נורה שנבחרה באקראי עברה מבחן במשך ‪ 50‬שעות ולא נשרפה‪ .‬מה ההסתברות שהנורה נוצרה ע"י‬ ‫ב‪.‬‬
‫המכונה ‪?A‬‬
 ‫בלובי מלון באילת משמשות ‪ 100‬נורות מסוג ‪ A‬ו‪ 200-‬נורות מסוג ‪ .B‬ברגע שנורה נשרפת‪ ,‬הנהלת‬ ‫ג‪.‬‬
‫המלון מחליפה מיד את הנורה (הניחו שלהנהלה יש מלאי אינסופי של נורות)‪ .‬מה שונות מספר הנורות‬
‫שיישרפו בשעה?‬

‫פתרון‪:‬‬

‫‪ Y‬אורך חיי מנורה‬

‫א‪.‬‬

‫) ‪Y |A ~ exp ( λ A =0 . 01) Y |B ~ exp( λ B=0. 05‬‬

‫‪P( A )=1/5‬‬ ‫‪P(B )=4/5‬‬

‫{‬ ‫}‬
‫‪1‬‬ ‫‪4‬‬
‫‪(1−e−0. 01 t )+ (1−e−0. . 05 t ), t≥0‬‬
‫‪F Y (t )=P( Y ≤t )= 5‬‬ ‫‪5‬‬
‫‪0,‬‬ ‫‪t <0‬‬

‫ב‪.‬‬

‫ידוע כי קצב שריפת נורות מסוג ‪( A‬בשאלה זו משתמשים בקשר הפואסוני מעריכי) הוא‪:‬‬ ‫ג‪.‬‬

‫)‪Xa~pois(0.01‬‬

‫ועבור נורות מסוג ‪:B‬‬

‫)‪Xb~pois(0.05‬‬

‫מאחר והמלון מחזיק ‪ 100‬מסוג ‪ A‬ו‪ 200-‬מסוג ‪ ,B‬נרצה למצוא את התוחלת של‪:‬‬
 ‫‪100‬‬ ‫‪200‬‬
‫‪Z=∑ X a+ ∑ X b‬‬
‫‪a=1‬‬ ‫‪b=1‬‬

‫‪ Z~pois(100*λa+200* λb) = 11‬לכן גם השונות שווה ל ‪ , 11-‬לפי נוסחת שונות של פואסון‪.‬‬

‫שפירים‪.‬‬ ‫למחלף‬ ‫גנות‬ ‫ממחלף‬ ‫הנסיעה‬ ‫זמן‬ ‫את‬ ‫לאמוד‬ ‫מנסים‬ ‫‪WAZE‬‬ ‫חברת‬ ‫‪.6‬‬
‫בחברה הוחלט שהזמן ייקבע לפי מספר הרכבים המגיעים למחלף גנות בשנייה אחת (מה שאמור לרמז‬
‫על עומס בכביש) לפי הטבלה הבאה‪:‬‬

‫אומדן זמן הנסיעה בין מחלף גנות למחלף שפירים‬ ‫מספר רכבים‬
‫‪ 10‬דקות‬ ‫‪0-1‬‬
‫‪ 11‬דקות‬ ‫‪2-3‬‬
‫‪ 12‬דקות‬ ‫‪ 4‬ומעלה‬

‫ידוע כי הזמן העובר בין הגעה של שני רכבים למחלף גנות מתפלג‪ X~Exp(2) :‬ביחידות של שניות‪.‬‬

‫כיצד מתפלגת כמות הרכבים הנכנסים בשנייה למחלף גנות?‬ ‫א‪.‬‬

‫מהי תוחלת זמן הנסיעה (בין מחלף גנות למחלף שפירים) שחברת ‪ WAZE‬תאמוד?‬ ‫ב‪.‬‬
‫ידוע כי‪:‬‬ ‫ג‪.‬‬
‫קצב כניסת הרכבים למחלף שפירים מכביש ‪ 1‬הינו ‪ 2‬לשנייה (פואוסני)‪.‬‬ ‫‪‬‬
‫קצב כניסת הרכבים למחלף שפירים מכביש ‪ 412‬הינו ‪ 3‬בשנייה (פואוסני)‪.‬‬ ‫‪‬‬

‫מהי סטיית התקן של הזמן העובר בין הגעת שני רכבים למחלף (ללא הבדל מאיזה כביש) ביחידות של דקות?‬

‫ידוע כי כדי להגיע מרחובות לפ"ת לוקח ‪ 40‬דקות אם הנהג מפעיל ‪ WAZE‬ו ‪ 50‬דקות אם לא‪ .‬בנוסף‪,‬‬ ‫ד‪.‬‬
‫ידוע כי אם מזג אוויר סוער אזי זמן הנסיעה מתארך ב‪ 10-‬דקות בדיוק‪ .‬ידוע כי ‪ 70%‬מהנהגים מפעילים‬
‫‪ WAZE‬וב‪ 10%-‬מהימים יש מזג אוויר סוער (אין תלות בין הפעלת ‪ WAZE‬ומזג אוויר)‪ .‬לנהג כלשהו‬
‫לקח ‪ 50‬דקות לעשות את הנסיעה‪ ,‬מה ההסתברות שהוא לא הפעיל ‪?WAZE‬‬

‫פתרון‪:‬‬

‫]‪Y~pois(2) [sec‬‬ ‫א‪.‬‬

‫נפתח את פונקציית ההתפלגות הבאה‪:‬‬ ‫ב‪.‬‬

‫)‪P(W=w‬‬ ‫‪W‬‬
‫‪0.406‬‬ ‫‪10‬‬
‫‪0.45‬‬ ‫‪11‬‬
 ‫‪0.142‬‬ ‫‪12‬‬
‫הסיכויים חושבו לפי התפלגות פואסונית‪ ,‬כאשר‪:‬‬

‫‪P(Y=0) = 0.135, P(Y=1) = 0.27, P(Y=2) = 0.27, P(Y=3) = 0.18045, P(Y≥4) = 0.14288‬‬

‫]‪E [ W ] =10∗0.406+11∗0.45+ 12∗0.142=10.714[minute‬‬

‫נמצא את תחילה את קצב הגעת הרכבים למחלף‪:‬‬ ‫ג‪.‬‬

‫]‪G~pois (2+3)[sec] = G~pois(300)[minute‬‬
‫‪1‬‬
‫=] ‪V [G‬‬
‫‪( 300 )2‬‬
‫‪1‬‬
‫=‪σ G‬‬
‫‪300‬‬
‫נשתמש בהסתברות מותנית ונוסחת ההסתברות השלמה‪ :‬יכול להיות רק שני מקרים של ‪ 50‬דקות‪:‬‬ ‫ד‪.‬‬

‫‪ .1‬מזג אוויר טוב ולא הפעיל ‪ Waze‬ו‪ .2‬מזג אוויר סוער וכן הפעיל‪.‬‬

‫) ‪P (NoWaze , good weather‬‬ ‫‪0.27‬‬

‫=) ‪P ( NoWaze|50 minute‬‬ ‫=‬ ‫‪=0.794‬‬
‫‪P( NoWaze , good weather )+ P(Waze , bad weather ) 0.27+ 0.07‬‬

‫‪P ( Waze , bad weat her )=¿0.7*0.1 = 0.07‬‬

‫‪P ( NoWaze , good weather ) =¿0.3*0.9 = 0.27‬‬

‫במרפאה בשכונה ג' יש פקידת קבלה אשר כל מטופל שמגיע חייב לעבור אצלה והוא משורת בדיוק ‪4‬‬ ‫‪.7‬‬
‫דקות‪ .‬לאחר פקידת הקבלה‪ ,‬כל מטופל הולך לטיפול אצל האחות מיד אחרי‪ .‬למרפאה מגיעים מטופלים‬
‫המתגוררים בשכונה ג' בקצב פואסוני של ‪ 10‬בשעה‪ ,‬ובנוסף‪ ,‬גם מטופלים משכונה ד' וזאת בקצב‬
‫פואסוני של ‪ 20‬בשעה‪ .‬המרפאה נפתחת כל יום בשעה ‪.07:00‬‬

‫אם בשעה ‪ 07:00‬התייצב המטופל הראשון ונכנס לשירות אצל פקידת הקבלה‪ ,‬מה ההסתברות שישאיר‬ ‫א‪.‬‬
‫אחריו מטופל אחד לפחות בתור ברגע שהוא יסיים שירות אצל פקידת הקבלה ויתחיל טיפול אצל‬
‫האחות?‬
‫בהינתן שלא הגיע אף לקוח עד שעה ‪ ,07:15‬מה ההסתברות שהלקוח הראשון יגיע בין ‪ 07:20‬ל‬ ‫ב‪.‬‬
‫‪?07:45‬‬
‫מהי ההסתברות שיגיע לפחות מטופל אחד בין ‪ 07:20‬ל ‪?07:45‬‬ ‫ג‪.‬‬
‫מדוע יש הבדל בין שני החישובים של סעיף ב' וג'?‬ ‫ד‪.‬‬
 ‫פתרון‪:‬‬

‫נגדיר ‪ X‬מ"מ המציין מספר הלקוחות שמגיעים במשך ‪ 4‬דקות‪.‬‬ ‫א‪.‬‬

‫‪10+ 20‬‬
‫( ‪X Pois‬‬ ‫]‪∗4 )→ X Pois (2)[4 min‬‬
‫‪60‬‬

‫(‬ ‫)‬
‫‪−2‬‬ ‫‪0‬‬
‫‪e 2‬‬
‫‪P ( X ≥1 )=1−( P ( X =0 ) ) =1−‬‬
‫!‪0‬‬
‫שואלים עבור מ"מ מעריכי‪ ,‬מה הסיכוי שהמופע הראשון יהיה בין ‪ 5‬דקות ל‪ 30-‬דקות (בשל חוסר זכרון)‪.‬‬ ‫ב‪.‬‬
‫נגדיר ‪ Y‬מ"מ מעריכי המציין את הזמן העובר בין שני מופעים של לקוחות‪.‬‬
‫ידוע כי מגיעים למרפאה ‪ 30‬לקוחות בשעה‪ .‬כלומר בדקות המ"מ הוא ‪ .0.5‬לכן נרצה לחשב‪:‬‬

‫‪P ( 5<Y <30 ) =P (Y < 30 )−P ( Y <5 ) =1−e−30∗0.5 −( 1−e−5∗0.5 )=0.082‬‬

‫(אפשר לפתור סעיף זה דרך מ"מ פואסוני או דרך מעריכי)‬ ‫ג‪.‬‬
‫נגדיר ‪ X‬להיות מ"מ המציין מספר מופעים במשך ‪ 25‬דקות‪ .‬מגיעים בקצב של ‪ 30‬בשעה‪ ,‬כלומר ‪0.5‬‬
‫בדקה‪ ,‬לכן ב‪ 25-‬דקות מגיעים ‪( 12.5‬בתוחלת)‪.‬‬
‫]‪X~Pois(12.5)[ 25 min‬‬

‫(‬ ‫)‬
‫‪−12.5‬‬ ‫‪0‬‬
‫‪e‬‬ ‫‪12.5‬‬
‫‪P ( X ≥1 )=1−( P ( X =0 ) ) =1−‬‬ ‫‪=0.99999‬‬
‫!‪0‬‬
‫ההבדל בין הסעיפים‪ ,‬הוא שבמקרה הראשון‪ ,‬אסור שיגיעו לקוחות בחמש דקות הראשונות ואילו במקרה‬ ‫ד‪.‬‬
‫השני לא חשוב מה קורה קודם‪.‬‬

‫יהי ‪ X 1 , X 2 , X 3‬מ"מ ב"ת מעריכית עם פרמטר ‪ . λ‬יהי ‪ Y‬המוגדר להיות } ‪.Y =min ⁡{X 1 , X 2 , X 3‬‬ ‫‪.8‬‬
‫חשב\י את ) ‪( . P ( Y >2‬יש לתת תשובה במונחים של ‪ 6( .) λ‬נק')‬ ‫א‪.‬‬
‫חשב\י את ) ‪ . P ( Y >4|Y >2‬יש להראות שהתשובה זהה לזו של סעיף א'‪ 6( .‬נק')‬ ‫ב‪.‬‬
‫מדוע התשובות של שני הסעיפים זהות? איזו תכונה מתקיימת כאן? כיצד אם כך מתפלג ‪ ,Y‬נמק\י?‬ ‫ג‪.‬‬
‫(‪ 6‬נק')‬
‫חשב\י את )‪ ? P( X 1< X 2‬יש להציג את החישוב המלא‪ 6( .‬נק')‬ ‫ד‪.‬‬
‫יהי ‪ W‬מוגדר להיות‪ .W =max ⁡{W 1 ,W 2 , W 3 } :‬מצא\י את ] ‪ , E [ W‬כאשר‬ ‫ה‪.‬‬
‫)‪ W 1 , W 2 ,W 3 U c (0 ,1‬והם ב"ת‪ 6( .‬נק')‬

‫תזכורת‪ :‬עבור ‪ X 1 , X 2 , X 3‬ב"ת‪.‬‬

‫) ‪P ( min { X 1 , X 2 , X 3 } > x ) =P(X 1 > x )P( X 2> x)P ( X 3 > x‬‬

 P ( max { X 1 , X 2 , X 3 } ≤ x ) =P( X 1 ≤ x) P(X 2 ≤ x )P (X 3 ≤ x )
:‫פתרון‬
−2 λ −2 λ −2 λ −6 λ
P ( Y >2 )=P ( X 1>2 , X 2 >2 , X 3 >2 ) =e ∗e ∗e =e .‫א‬

P ( Y > 4 ) e−12 λ −6 λ
. P ( Y >4|Y >2 ) = = =e .‫ב‬
P(Y > 2) e−6 λ
‫ ניתן לראות זאת לפי‬.) λ 3( ‫ מתפלג מעריכית עם פרמטר‬Y ,‫ לכן‬.‫תכונת חוסר זיכרון מתקיימת‬ .‫ג‬
.‫חישוב ההסתברות וגם בגלל שחוסר זיכרון מתקיים כאן‬
.‫ד‬
∞ ∞ ∞ ∞
1 1
P ( X 2 > X 1) = ∫ P ( X 2> x 1 ) f X (x 1)=∫ e d x 1=∫ e λd x 1= ∫ e
−λ x 1 −λ x 1 −2 λ x 1 −2 λ x
λe 2 λd x 1=
1

x 1=0
1
0 0 20 2

3
P ( W < w )=P ( W 1 < w , W 2 <w , W 3 < w ) =P ( W 1< w ) P ( W 2< w ) P ( W 3 <w )=w .‫ה‬
'
f W ( w ) =( F W ( w ) ) =3 w2 0≤ w ≤ 1
1 4
3w 1
E [ W ] =∫ w 3 w dw=
2
¿ =0.75 .
0 4 0