‫الفصل الرابع‬

‫المتغيرات العشوائية‬
‫و التوزيعات االحتمالية‬
‫و توزيعات المعاينة‬

‫أ‪.‬سارة السديري‬
 ‫عند رمي قطعة النقود ثالث مرات متتالية‬

‫عدد عناصر فضاء العينة =‪8= 2³‬‬ ‫فضاء العينة في هذه التجربة هو ‪:‬‬
‫فضاء العينة في هذه التجربة هو ‪:‬‬
‫‪S = { HHH , HHT ,‬‬ ‫‪HTH‬‬ ‫‪, THH‬‬ ‫‪, TTT‬‬ ‫} ‪, THT , TTH , HTT‬‬

‫اذا كان ‪ = X‬ظهور ‪ H‬في كل نقطة‬

‫فضاء العينة في هذه التجربة هو ‪:‬‬
‫‪S = { HHH , HHT ,‬‬ ‫‪HTH‬‬ ‫‪, THH‬‬ ‫‪, TTT‬‬ ‫} ‪, THT , TTH , HTT‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪ X‬يربط بين عناصر فضاء العينة و مجموعة األعداد الحقيقية {‪}0,1,2.3‬‬

‫‪ X‬دالة حقيقية تسمى بـــ متفير عشوائي‬
 ‫‪ 4-1‬المتغيرات العشوائية ‪Random Variable‬‬

‫•تعريف المتغير العشوائي‪:‬‬

‫المتغير العشوائي ‪ X‬هو اقتران حقيقي (دالة حقيقية ) يعرف على فضاء العينة ‪ ,S‬أي أن المتغير العشوائي هو‬
‫اقتران تعريفه فضاء العينة و مداه مجموعة جزئية من األعداد الحقيقية‪.‬‬
‫• المتغير العشوائي يعطي قيمة حقيقية وحيدة لكل عنصر من عناصر فضاء العينة ‪S‬‬
‫‪R . R‬‬ ‫•المتغير العشوائي ‪ X‬هو طبيق مجالة فضاء العينة ‪ S‬ومجاله المقابل مجموعة االعداد الحقيقية‬
‫‪X: S‬‬
‫‪:‬هناك عدة أنواع للمتغيرات العشوائية نذكر منها نوعين هما‬
‫•متغيرات عشوائية منفصلة أو متقطعة ‪Discrete Random Variables‬‬
‫•متغيرات عشوائية متصلة أو مستمرة ‪Continuous Random Variables‬‬

‫‪ 4-2‬التوزيعات االحتمالية المنفصلة‬

‫•تعريف المتغير العشوائي المنفصل ‪:‬‬
‫يكون المتغير العشوائي‪ X‬متغيرعشوائي متقطع إذا كانت مجموعة القيم الممكنة له (المدى)‬
‫)‪X(S‬هي مجموعة متقطعة ( قابلة للعد)‪ ,‬ومنتهية‪.‬‬
‫عدد األوالد الذكور في األسرة المكونة من أربع أوالد ‪X، X:{x=0,1,2,3,4‬‬
‫•تعريف التوزيع االحتمالي ( االقتران االحتمالي ) المنفصل ‪:‬‬
‫هو كل جدول أو معادلة تعطي جميع القيم التي يمكن أن يأخذها متغير عشوائي مع احتمال كل قيمة منها‬
‫•شروط التوزيع ( االقتران )االحتمالي ‪:‬‬
‫• مجموع االحتماالت =‪1‬‬
‫• ‪P(x) >= 0‬‬
 ‫مثال (‪: )1‬‬
‫اذا رميت قطعة نقود متزنة ‪ , 3‬و عرف المتغير العشوائي ‪ = X‬عدد الظهور ‪H‬‬
‫أوجد فضاء العينة ‪ ,‬أوجد القيم الممكنة للمتغير ‪ ,X‬اوجد احتمال جميع نقاط الفضاء التي ارتبطت بكل قيمة من قيم المتغير ‪X‬‬

‫‪ )1‬نوجد فضاء العينة‬

‫}‪S= {HHH,HHT,HTH,HTT,THH,THT,TTH,TTT‬‬
‫‪ )2‬نوجد القيم الممكنة للمتغير ‪X‬‬
‫}‪X={0,1,2,3‬‬
‫‪ )3‬نوجد احتمال جميع نقاط الفضاء التي ارتبطت بكل قيمة من قيم المتغير ‪X‬‬
‫‪P(X=0 )= 1/8‬‬
‫‪P(X=1)= 3/8‬‬
‫‪P(x=2)= 3/8‬‬
‫‪P(x=3)= 1/8‬‬
‫‪P(HHH)=1/8‬‬
‫‪P(X<1)=1/8‬‬
 ‫مثال ‪:‬‬
‫من فضاء العينة لرمي قطعة نقود متزنة ‪ 3‬مرات ‪ ,‬أوجد ‪ =Y‬القيمة المطلقة للفرق بين عدد ‪ H‬و عدد ‪T‬‬

‫‪ )1‬نوجد فضاء العينة‬

‫}‪S= {HHH,HHT,HTH,HTT,THH,THT,TTH,TTT‬‬
‫‪ )2‬نوجد القيم الممكنة للمتغير ‪Y‬‬
‫}‪Y={1,3‬‬
‫باستخدام الجدول ‪:‬‬
‫مثال (‪ )1‬باستخدام المعادلة ‪:‬‬ ‫القيمة‬ ‫‪1‬‬ ‫‪3‬‬
‫‪3‬‬
‫‪P(x)= P(X=x)= 3‬‬ ‫‪1‬‬
‫( (( (‬
‫‪X‬‬ ‫‪2‬‬ ‫‪P(Y=y) 3/4=6/8 1/4=2/8‬‬

‫)‪P(X‬‬
‫باستخدام المدرج التكراري‬
‫‪3/8‬‬

‫‪2/8‬‬

‫‪1/8‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪0‬‬

 ‫مثال‬
‫عند رمي حجر النرد مرتين متتاليتين ‪ ,‬نعرف ‪ X‬على أنه مجموع الرقمين‬
‫الظاهرين‬
‫فضاء العينة في هذه التجربة هو ‪:‬‬
‫عدد عناصر فضاء العينة =‪36=6²‬‬

‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬

‫(‪)6,1‬‬ ‫(‪)5,1‬‬ ‫(‪)4,1‬‬ ‫(‪)3,1‬‬ ‫(‪)2,1‬‬ ‫(‪)1,1‬‬ ‫‪1‬‬

‫(‪)6,2‬‬ ‫(‪)5,2‬‬ ‫(‪)4,2‬‬ ‫(‪)3,2‬‬ ‫(‪)2,2‬‬ ‫(‪)1,2‬‬ ‫‪2‬‬
‫(‪)6,3‬‬ ‫(‪)5,3‬‬ ‫(‪)4,3‬‬ ‫(‪)3,3‬‬ ‫(‪)2,3‬‬ ‫(‪)1,3‬‬ ‫‪3‬‬
‫(‪)6,4‬‬ ‫(‪)5,4‬‬ ‫(‪)4,4‬‬ ‫(‪)3,4‬‬ ‫(‪)2,4‬‬ ‫(‪)1,4‬‬ ‫‪4‬‬
‫(‪)6,5‬‬ ‫(‪)5,5‬‬ ‫(‪)4,5‬‬ ‫(‪)3,5‬‬ ‫(‪)2,5‬‬ ‫(‪)1,5‬‬ ‫‪5‬‬
‫(‪)6,6‬‬ ‫(‪)5,6‬‬ ‫(‪)4,6‬‬ ‫(‪)3,6‬‬ ‫(‪)2,6‬‬ ‫(‪)1,6‬‬ ‫‪6‬‬

‫‪ X‬متغير عشوائي معرف على ‪ , S‬مداه {‪}11,12,.………,2,3,4‬‬

‫ماهو احتمال ‪ X=4‬؟ أي احتمال ان يكون مجموع العددين بالنقطة = ‪4‬‬
‫‪ X= 4‬عند النقاط {(‪})1,3( ,)2,2( ,)3,1‬‬
‫‪P(X=4) = 3/36 =0.0833‬‬
 ‫مثال(‪: )3‬‬
‫هل االقتران ‪P(x)= X/10 ; X= 1,2,3,4‬‬
‫غير ذلك ‪ , P(X)=0‬يمثل توزيعًا احتماليًا ؟‬

‫الشرط ‪p(X)= 1∑ :1‬‬

‫∑‪p(X)= ∑x/10=1/10+2/10+3/10+4/10 = 1‬‬

‫الشرط ‪P(X)>=0 : 2‬‬

‫الواضح أنه لهذه القيم‪, x=1,2,3,4‬لغير هذه القيم ‪p(x)=0‬‬
‫إذن يحقق الشرط‬
 ‫‪ 4-3‬التوقع الرياضي ‪Mathematical Expectation‬‬

‫•تعريف التوقع الرياضي ‪:‬‬

‫اذا كان ‪ X‬متغيرا عشوائيا منفصًال و كان توزيعه االحتمالي )‪ P(X‬فإن توقعه الرياضي‬
‫(وسطه ( يكون ‪:‬‬

‫أو‬
‫عدد النتيجة الممكنة * التكرار النسبي)‪= E(X‬‬
‫مثال ‪:‬‬
‫التوقع الرياضي لرمي ثالثة قطع نقود ‪ 10‬مرات‬
‫بداللة التكرار النسبي‬
‫التكرارات النسبيه ‪2/10,3/10,3/10,2/10‬‬
‫النتائج الممكنه (‪)0,1,2,3‬‬
‫(‪1.5 = 10/ )2*3 + 3*2 + 3*1 + 2*0‬‬
‫مثال (‪ )4‬صفحة ‪: 133‬‬
 ‫مثال‬
‫أوجد معدل عدد االعطال في االسبوع لجهاز الحاسوب اذا كان االقتران االحتمالي لالعطال‬
‫االسبوعية كما في الجدول‬

‫)‪P(X‬‬ ‫‪X‬‬ ‫)‪X P(X‬‬

‫‪0.60‬‬ ‫‪0‬‬ ‫‪0.00‬‬
‫‪0.20‬‬ ‫‪1‬‬ ‫‪0.20‬‬
‫‪0.10‬‬ ‫‪2‬‬ ‫‪0.20‬‬
‫‪0.07‬‬ ‫‪3‬‬ ‫‪0.21‬‬
‫‪0.03‬‬ ‫‪4‬‬ ‫‪0.12‬‬
‫المجموع‬ ‫‪∑Xp(x)= 0.73‬‬
 ‫•تعريف التوقع الرياضي القتران متغير عشوائي منفصل )‪: H(X‬‬
‫)‪E( H(X) )= ∑H(x) p(x‬‬
‫حيث )‪ P(X‬هو توزيع ‪ X‬االحتمالي‬
‫و اذا كان‪ H(X)= Xᵏ‬فيسمى)‪ E( H(X) ) =E(Xᵏ‬العزم ‪ K ,‬حول نقطة األصل للمتغير العشوائي ‪X‬‬

‫مثال‬
‫من جدول المثال السابق اذا كانت تكلفة اصالح ‪ X‬من اعطال الحاسوب تعطى بالمعادلة‬
‫‪ , Y=H(X)= X²+7X‬فما هو توقع ‪Y‬؟‬

‫)‪P(X‬‬ ‫‪X‬‬ ‫‪H(X)=X²+7X‬‬ ‫)‪H(X) P(X‬‬

‫‪0.60‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.00‬‬
‫‪0.20‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪1.60‬‬
‫‪0.10‬‬ ‫‪2‬‬ ‫‪18‬‬ ‫‪1.80‬‬
‫‪0.07‬‬ ‫‪3‬‬ ‫‪30‬‬ ‫‪2.10‬‬
‫‪0.03‬‬ ‫‪4‬‬ ‫‪44‬‬ ‫‪1.32‬‬
‫المجموع‬ ‫(‪∑p(x)= 6.82)x‬‬
 ‫•خواص التوقع الرياضي‬
‫• ‪E(a) =a‬‬
‫•‪E(X±b) = E(X) ±b‬‬
‫• )‪E(aX) =a E(X‬‬
‫• ‪E(aX±b) = aE(X) ±b‬‬
‫•‪A=0‬‬
‫‪E(aX±b) = E(b) =b‬‬
‫•‪B=0‬‬
‫)‪E(aX±b )= a E(x‬‬
‫• التوقع الرياضي لمجموع اقترانين لمتغير عشوائي = مجموع التوقعين الرياضين لالقتران أي‪:‬‬
‫) )‪E( f(X) +g(X) ) = E(f(X) ) + E (g(X‬‬
 ‫•تعريف التباين ‪:Variance‬‬
‫تباين المتغير العشوائي ‪ X‬الذي معدلة ‪ µ‬هو‪:‬‬
‫‪2‬‬
‫= ∑(‪p(X) )X-µ‬‬

‫حيث )‪ P(X‬هو توزيع ‪ X‬االحتمالي و بفرض أن التوزيع منفصل ‪,‬‬

‫و يعرف االنحراف المعياري‬
‫بالجذر التربيعي الموجب للتباين أي أن ‪:‬‬
‫• خواص التباين‬
‫•‪Var(a) =0‬‬
‫• )‪Var (X±b) = Var (X‬‬
‫مثال(‪)6‬‬
‫أوجد تباين ‪ X‬و االنحراف المعياري االعطال في االسبوع لجهاز الحاسوب اذا كان االقتران‬
‫االحتمالي لالعطال االسبوعية كما في الجدول‬
‫)‪P(X‬‬ ‫‪X‬‬
‫‪0.60‬‬ ‫‪0‬‬
‫‪0.20‬‬ ‫‪1‬‬
‫‪0.10‬‬ ‫‪2‬‬
‫‪0.07‬‬ ‫‪3‬‬
‫‪0.03‬‬ ‫‪4‬‬
‫)‪P(X‬‬ ‫‪X‬‬ ‫)‪X P(X‬‬ ‫‪X-µ‬‬ ‫‪X-µ²‬‬ ‫(‪P(x))X-µ²‬‬
‫‪0.60‬‬ ‫‪0‬‬ ‫‪0.00‬‬ ‫‪0.073-‬‬ ‫‪0.5329‬‬ ‫‪0.31974‬‬
‫‪0.20‬‬ ‫‪1‬‬ ‫‪0.20‬‬ ‫‪0.27‬‬ ‫‪0.0729‬‬ ‫‪0.01458‬‬
‫‪0.10‬‬ ‫‪2‬‬ ‫‪0.20‬‬ ‫‪1.27‬‬ ‫‪1.6129‬‬ ‫‪0.16129‬‬
‫‪0.07‬‬ ‫‪3‬‬ ‫‪0.21‬‬ ‫‪2.27‬‬ ‫‪5.1529‬‬ ‫‪0.36070‬‬
‫‪0.03‬‬ ‫‪4‬‬ ‫‪0.12‬‬ ‫‪3.27‬‬ ‫‪0.1210.6929‬‬ ‫‪0.32079‬‬
‫المجموع‬ ‫‪1.177‬‬

‫التباين‬ ‫‪P(X) )²)X-µ((∑==1.177‬‬

‫االنحراف‬ ‫√=‬
‫المعياري‬ ‫= ‪=√1.08‬‬ ‫‪1.177‬‬
 ‫• نظرية‬
‫لكل متغير عشوائي ‪ X‬اذا كان ‪ b,a‬ثابتين و وضعنا‬
‫=‪a‬‬
‫‪2‬‬ ‫‪ Y= aX+b‬فإن‬
‫تباين ‪x‬‬ ‫حيث‬
‫تباين ‪Y‬‬
‫مثال (‪ )7‬صفحة ‪:137‬‬
‫مثال (‪ )8‬صفحة ‪:138‬‬

‫•نظرية ‪:‬‬
‫فإن‬ ‫إذا كان ‪ X‬متغيرا عشوائيا معدله ‪µ‬و تباينه‬
‫‪2‬‬
‫= ‪E(x ) - 2µ‬‬
‫مثال (‪ )9‬صفحة ‪:138‬‬
 ‫صح‬ ‫احتمال جواب الطالب على‬
‫سؤال اختياري من اربع‬
‫خيارت ¼ عند طرح ‪7‬‬
‫نتيجة كل محاولة هي احد ناتجين إما‬ ‫‪.1‬‬ ‫خطا‬ ‫فقرات‬
‫نجاح أو فشل‬
‫نتيجة كل محاولة مستقلة عن أي محاولة‬ ‫‪.2‬‬
‫اخرى‬
‫احتمال النجاح في كل محاولة ثابت ‪ p‬و‬ ‫‪.3‬‬ ‫جميع هذه‬ ‫حاضرة‬ ‫اذا كان احتمال حضور‬
‫احتمال الفشل ثابت ‪q=P-1‬‬ ‫التجارب‬ ‫طالبة للمحاضرة ¼ ‪ ,‬و‬
‫تجري التجربة عدد من المرات أي ‪n‬‬ ‫‪.4‬‬ ‫تحقق لي‬ ‫تابعت حضورها في ‪5‬‬
‫الشروط‬ ‫غائبة‬ ‫محاضارات‬
‫من المحاوالت المستقله ( اختار من‬
‫متعدد ‪ ,‬وفيه ‪ 7‬فقرات اذان جربت‬ ‫التالية‬
‫االجابة على االختياري سبع مرات )‬

‫يظهر‬ ‫اذا كان احتمال حضور‬

‫ظهور رقم ‪ 6‬في النرد‬
‫‪ ,1/6‬و رميت النرد ‪5‬‬
‫ال يظهر‬ ‫مرات‬

‫تسمى هذه التجربة تجربة‬

‫ذات الحدين‬
 ‫إذا افترضنا ‪ x‬تمثل عدد نجاح في محاوالت ‪ n‬فإن ‪ x‬يسمى متغير ذات الحدين ‪ ,‬و التوزيع‬
‫االحتمالي لـ ‪ x‬يسمى توزيع ذات الحدين ‪ ,‬حيث ‪……,x= 0,1,2,3‬‬

‫إذا كان ‪ n=1‬فالتجربة تسمى تجربة بيرنوللي‬ ‫•‬

‫اليجاد هذا التوزيع نجد احتمال وجود ‪ X‬من النجاحات في المحاوالت ‪n‬أي نجد )‪P(X)=P(X=x‬‬ ‫•‬

‫مثال(‪: )12‬‬
‫رميت قطعة نقود متزنة ‪ 4‬مرات ‪ ,‬أوجدي االقتران االحتمالي لعدد ‪ H‬الظاهر فيها‪.‬‬
 ‫مثال‬
‫عند رمي حجر النرد ‪ 5‬مرات‪ ,‬ما احتمال عدم ظهور الوجه‪6‬؟ ما احتمال‬
‫ظهور ‪ 6‬مرتين ؟‬
‫عند اجراء تجربة ذات الحدين ‪ 5‬مرات ‪ ,‬نفترض أن ‪ X‬متغير ذات الحدين‪.‬‬
‫احتمال النجاح = ‪ , p‬احتمال الفشل = ‪q=1-p‬‬

‫نستخدم الرموز التالية لتوضيح طريقة ايجاد احتماالت النجاح من التجربة المكرره‬
‫يمثل النجاح ‪P‬‬

‫يمثل الفشل ‪q‬‬

‫لو طلب مني أوجد احتمال )‪P(x=3‬‬

‫ما يعني أن عدد نجاحات ‪ 3‬من عدد المحاوالت ‪5‬‬
= P³q²

= P³q²

= P³q²

= P³q²

= P³q²

= P³q²

= P³q²

= P³q²
= P³q²
= P³q²

: ‫إذن‬
 ‫إذا كان ‪ X‬متغير ذات الحدين ‪ n, P‬فإن ‪:‬‬

‫التوقع‬
‫‪E(x) = µ = np‬‬ ‫الرياضي‬

‫= ‪E( [x- µ ]²)= npq‬‬ ‫التباين‬

 ‫مثال‬
‫عند رمي حجر النرد ‪ 5‬مرات‪ = X ,‬عدد مرات ظهور ‪ . 3‬أوجدي معدل و تباين ‪.X‬‬
 ‫عددالطالبات في قاعة رقم‬
‫‪ 405‬الساعه ‪45: 12‬‬
‫معدل عدد النجاحات التي تحدث في‬ ‫‪.1‬‬
‫فترة زمنية معينة أو منطقة محددة معلوم‬
‫احتمال حدوث نجاح واحد في فترة زمنية‬ ‫‪.2‬‬ ‫جميع‬ ‫عدد الكلمات على اللوح‬
‫قصيرة او منطقة صغيرة تتناسب مع‬ ‫التجارب‬
‫طول تلك الفترة او مساحة تلك المنطقة‬ ‫السابقة‬ ‫عدد‬
‫احتمال حدوث نجاحين أو اكثر في الفترة‬ ‫‪.3‬‬ ‫تحقق‬ ‫النجاحات في‬
‫عدد األخطاء المطبعية في‬
‫الزمنية القصيرة او المنطقة الصغيرة‬ ‫الشروط‬ ‫فترة زمنية‬
‫صفحة‬
‫مهمل‬ ‫التالية‬ ‫معينة أو‬
‫اذا اعتبرنا عدد فترات زمنية منفصلة‬ ‫‪.4‬‬ ‫منطقة محددة‬
‫عن بعضها البعض فان حدوث النجاحات‬
‫في أي فترة مستقل عن حدوث النجاحات‬ ‫عدد السيارات التي تمر في‬
‫في أي فترة اخرى‬ ‫طريق الملك فهد يوم السبت‬

‫تسمى هذه التجربة تجربة‬

‫بواسون‬
‫يعتبر عدد النجاحات ‪ x‬في تجربة بواسون متغير عشوائي بواسون ‪ ,‬ونمثل اقترانه االحتمالي باالقتران‬
‫) ‪P( x:‬‬

‫التوزيع االحتمالي لمتغير عشوائي بواسون ‪ X‬الذي يمثل عدد النجاحات في فترة زمنية معينة أو‬
‫منطقة محددة هو ‪:‬‬

‫‪e=2.7182 ,‬‬
 ‫مثال‬
‫إذا كان معدل حدوث عدد حوادث السيارات عند اشارة ضوءية ‪ 3‬في االسبوع ‪ .‬ما‬
‫احتمال عدم حدوث أي حادث عند تلك االشارة في اسبوع معين ؟ ما احتمال‬
‫حدوث حادثين أو أقل في أسبوع معين ؟‬

‫افترض ‪ =X‬عدد الحوادث في اسبوع‬

‫معدل الحوادث = ‪= 3‬‬

‫احتمال عدم حدوث أي حادث‪:‬‬

‫)‪=P(X=0‬‬

‫احتمال حدوث حادثين أو أقل يعني‪:‬‬

‫)‪P(x<=2)= p(X=0)+ p(X=1) + p(X=2‬‬

‫=‬ ‫[ ‪* 8.5 = ] 9/2 + 3 +1‬‬ ‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫=‬

‫‪0.423‬‬
 ‫إذا كان ‪ X‬متغير عشوائي بواسون و اقترانه االحتمالي‬
‫معدل عدد الحوادث في الفترة الزمنية المعينة فإن‬ ‫حيث‬

‫التوقع‬
‫)‪= E(X‬‬ ‫الرياضي‬

‫=‬ ‫التباين‬
 ‫‪ 4-5‬التوزيعات االحتمالية المتصلة ‪:‬‬
‫• هناك بعض المتغيرات العشوائية التي تأخذ جميع القيم في فترة ما ‪ ,‬و تسمى متغير متصل‬
‫• كون المتغير المتصل يأخذ كل القيم في فنرة محدده فإنه ال يمكن عد تلك القيم ‪ ,‬لكنها تقاس بشكل تقريبي‬
‫•طول الطالب في عمر ‪ 16‬سنة‬
‫لو افترضنا اخذ الفتره من ‪ 150.5‬الى ‪ 170.2‬فإنه احتمال ان يكون طول احد الطالب قيمة محددة واحدة ‪160.9‬‬
‫= صفر‬
‫ألان االحتمال هنا عبارة عن المساحة تحت المنحنى )‪ F(X‬و فوق المحور االفقي المحصورة بين نقطتين‬
‫معينتين‪a,b‬‬
‫• من صفات المتغير العشوائي المتصل احتمال مساواته ألي قيمة معينة = صفر‬

‫‪a‬‬ ‫‪b‬‬
‫•تعريف‪:‬‬
‫•اذا كان ‪ X‬متغيرًا عشوائيًا متصًال ‪ ,‬وكان )‪ F(X‬دالة حقيقية غير سالبة بحيث تكون المساحة تحته = ‪ 1‬فان‬
‫)‪ F(x‬يسمى ”الكثافة االحتمالية ” أي التوزيع االحتمالي المتصل للمتغير ‪. X‬‬
‫•أما احتمال وقوع ‪ X‬بين قيميتن ‪ X=a, X=b‬فيساوي المساحة تحت المنحى )‪ f(X‬و فوق المحور األفقي و‬
‫المحصورة بين ‪a,b‬‬
‫• و اليجاد هذا االحتمال نوجد المساحة عن طريق النظريات الهندسية أو التكامل أو باستعمال جداول خاصة‬
‫لبعض الدوال الخاصة ‪.‬‬
‫• يمكن الحصول على منحنى التوزيع االحتمالي للمتغير العشوائي المتصل عمليًا بطريقة الحصول على منحنى‬
‫التوزيع التكراري النسبي ذي الفئات‬

‫‪‬إذا كان ‪X‬متغيرا عشوائيا مستمرا دالة كثافته االحتمالية‬

‫هي ‪،‬فإن ‪Fx(X):‬‬
‫)‪•fX(x) ≠ P(X=x‬‬
‫‪•P(X=x) = 0 , ∀ x ∈R‬‬
‫)‪•P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b‬‬
‫= )‪P(a < X < b‬‬
‫‪•fX(x) ≥ 0 , ∀ x ∈R‬‬

‫•‬ ‫المساحة الكلية تحتى المنحنى =‪1‬‬

 ‫‪ 4-5-1‬التوزيع الطبيعي ‪: The Normal Distribution‬‬
‫• يعتبر من أهم التوزيعات االحتمالية المتصلة نظريًا و تطبيقيًا‬
‫• يوصف التوزيع الطبيعي بمعادلة رياضية تحدد منحناه ‪ ,‬وهي تتعين تمامًا بمعرفة كل من ” التوقع ” و ” التباين ”‬
‫•رمزه‬
‫)‪Z:N(µ, )=>Z:N(0,1‬‬
‫•له منحنى يشبه شكل الجرس ‪ ,‬متماثل حول الخط المستقسم ‪X=µ‬‬
‫•و يتقارب الصفر على الجهتين عندما ‪ ∞>-x‬و عندما ‪∞- >-X‬‬
‫•عند تغيير ‪ µ‬يمينا او يسارا فان مركز التوزيع ينتقل معها و‬
‫اليتغير شكل المنحنى‬
‫‪ ,‬و يكبر‬ ‫• تشتت التوزيع ” تباعد المنحنى يقل كلما صغرت‬
‫كلما كبرت‬
 ‫•خواص التوزيع الطبيعي ‪:‬‬
‫‪ .1‬التوزيع الطبيعي متماثل حول العمود المقام على الوسط ‪ µ‬و شكله يشبه شكل الجرس‬
‫‪ .2‬للتوزيع الطبيعي فإن‪ :‬المتوسط = الوسيط = المنوال = ‪µ‬‬
‫‪ .3‬المساحة تحت منحنى التوزيع الطبيعي = ‪1‬‬
‫‪ .4‬يتقارب طرفا منحنى التوزيع الطبيعي من الصفر عندما ‪∞- >-x->∞ ,X‬‬
‫‪ .5‬هناك نسب معينة من المساحة الواقعة ضمن أي عدد من االنحرافات‬
‫المعيارية عن الوسط كما يلي ‪:‬‬
‫المساحة ضمن انحراف معياري واحد عن الوسط = المساحة‬ ‫•‬
‫)‬ ‫الواقعة على الفتره (‪-µ+ , µ‬‬
‫و تساوي ‪%86.26‬‬
‫المساحة ضمن انحراف معياري واحد ونص ‪ 1.5‬انحراف معياري عن‬ ‫•‬
‫) )‬ ‫‪µ+1.5‬‬ ‫الوسط = المساحة الواقعة على الفترة ‪, µ- 1.5‬‬
‫و تساوي ‪%86.64‬‬
‫• المساحة ضمن انحراف معياري انحراف معياري عن الوسط =‬
‫المساحة الواقعة على الفترة‬
‫)‬ ‫)‬ ‫‪µ+2‬‬ ‫‪, µ-2‬‬
‫و تساوي ‪ 95.44‬من المساحة الكلية‬
 ‫‪ 4-5-2‬التوزيع الطبيعي المعياري ‪: Standard Normal Distribution‬‬
‫•تعريف التوزيع الطبيعي المعياري ‪:‬‬
‫)‪Z:N(µ, )=>Z:N(0,1‬‬ ‫هو التوزيع الطبيعي الذي معدله ( وسطه ) صفر و تباينه ‪ 1‬و رمزه‬
‫فإذا كان المتغير العشوائي ‪ Z‬يخضع للتوزيع الطبيعي المعياري فإن ذلك يعني أن توزيع ‪ Z‬هو التوزيع الطبيعي الذي‬
‫معدله ‪ µ=0‬و تباينه ‪=1‬‬
‫• نظرية ‪:‬‬
‫اذا كان التوزيع االحتمالي للمتغيرالعشوائي ‪ X‬هو التوزيع الطبيغي‬
‫فإن توزيع المتغير العشوائي‬ ‫ذو المعدل ‪ µ‬و التباين‬
‫‪Z = x-µ‬‬

‫هو التوزيع الطبيعي المعياري‬

‫•” كل قيمة من ‪ X‬يقابلها بالطبع قيمة من قيم ‪ Z‬حسب التحويل‬
‫السبق ‪ ,‬وتسمى قيم ‪ Z‬القيم المعيارية المقابلة لقيم ‪X‬‬

‫•مالحظات‬
‫من الجدول مباشرة = )‪1. P(Z < z) = Φ(z‬‬
‫)‪2. P(Z > z) = 1 − P(Z < z) = 1 − Φ(z‬‬
‫)‪3. P(z1 < Z < z2) = P(Z < z2) − P(Z < z1‬‬
‫)‪= Φ(z2) − Φ(z1‬‬
‫‪4. P(Z < 0 ) = P(Z > 0) = Φ(0) = 0.5‬‬
‫‪5. P(Z = z) = 0‬‬
‫•طريقة ايجاد )‪ P(Z<z‬من الجدول ‪ 3‬صفحة ‪ 464,465‬بافتراض ان قيمة ‪ z‬مقربة الى قيمتين عشريتين ‪a.bc‬‬

‫من الجدول كل ماهو بعد ‪ , 3.4‬او قبل ‪-‬‬

‫‪ 3.4‬هو تقريبًا = صفر‬

‫‪150‬‬ ‫•مثال (‪ )16‬صفحة‬

‫‪151‬‬ ‫•مثال (‪ )17‬صفحة‬
‫‪152‬‬ ‫•مثال (‪ )18‬صفحة‬
‫‪153‬‬ ‫•مثال (‪ )19‬صفحة‬
‫‪154‬‬ ‫•مثال (‪ )20‬صفحة‬
‫‪155‬‬ ‫•مثال (‪ )21‬صفحة‬
‫‪155‬‬ ‫•مثال (‪ )22‬صفحة‬
 ‫(د) )‪P(6.5<Z<1‬‬
‫=)‪P(Z<1) – p(Z<6.5‬‬ ‫فقرة اضافية‬
‫=‪0 – 0.8413‬‬
‫=‪8413 .0‬‬
 ‫‪ 4-7‬تطبيقات التوزيع الطبيعي ‪:Application on the Normal Distribution‬‬

‫الوسط=المتوسط‬
‫= التوقع =المعدل‬

‫‪Z:N(µ,‬‬ ‫)‬

‫=‪Z‬‬ ‫‪x-µ‬‬
‫‪=Z‬‬
Z:N(µ, )
 ‫‪ 4-8‬توزيعات متصلة غير التوزيع الطبيعي‪:‬‬
‫‪ 4-8-1‬توزيع ‪:t t-Distribution‬‬
‫•تعريف ‪:‬‬
‫إذاكان توزيع الكثافة االحتمالي للمتغير العشوائي ‪ t‬معطى بالمعادلة‬

‫فإن هذا التوزيع يسمى توزيع ‪ t‬حيث‪:‬‬

‫‪ Ʋ‬درجات الحرية‬
‫‪ C‬قيمة ثابتة يعتمد على ‪ Ʋ‬ليجعل المساحة تحت المنحنى =‪1‬‬
 ‫•خصائص توزيع ‪:t‬‬
‫‪ .1‬يشبه منحناه شكل الجرس‬
‫‪ .2‬احادي المنوال ‪ ,‬له قيمة تقابل ‪t=0‬‬
‫‪ .3‬متماثل حول العمود المقام على ‪t =0‬‬
‫‪ .4‬يشبه شكله الجرس‬
‫‪ .5‬يتقارب طرفيه من الصفر عندما ‪ ∞ >-t‬و ‪∞ >-t‬‬
‫‪ .6‬يشبه شكل التوزيع الطبيعي المعياري اال انه أكثر انخفاضًا منه‬
‫‪ .7‬يعتمد منحنى التوزيع ‪ t‬على معلمة درجات الحرية ‪ Ʋ‬لتحديد شكل المنحنى‬
‫‪ .8‬كلما زادت درجات الحرية ‪ Ʋ‬يقترب توزيع ‪ t‬من التوزيع الطبيعي‬
‫المعياري ‪ ,‬وفي هذه الحالة يزداد ارتفاع المنحنى ويصبح أكثر مدبًبا أي أقل‬
‫تشتتًا وفي النهاية ينطبق على منحنى التوزيع الطبيعي المعياري‪.‬‬
‫•نحسب االحتماالت تحت توزيع ‪ t‬بحساب المساحات تحت منحنى ذلك التوزيع‬
‫مع معرفة درجات الحرية ‪Ʋ‬‬
‫•هناك جداول خاصة لهذه المساحات‬

‫المساحة‬
‫الواقعة‬
‫على اليسار‬

‫درجات‬ ‫قيم ‪t‬‬

‫الحرية‬
‫القيمة ‪ 0.90‬على الخط االفقي ” المساحة يسار قيمة ‪t‬‬
‫و درجات الحرية ‪ 5‬في العمود االيسر‬
‫فإن قيمة ‪t= 1.476‬‬
 ‫•القيمة ‪ 0.95‬على الخط االفقي ” المساحة يسار قيمة ‪” t‬‬
‫•و درجات الحرية ‪ 7‬في العمود االيسر‬
‫فإن قيمة ‪t= 1.895‬‬
‫مما يعني أن ‪ t =1.895‬هي قيمة ‪ t‬ذي درجات الحرية ‪ 7‬التي يقع يسارها‬
‫‪ 0.95‬من المساحة‬
‫‪4.541‬قيمة ‪ t‬ذي ‪ 3‬درجات حرية ‪Ʋ‬‬ ‫اليجاد المساحة الى يسار‬
‫‪ .1‬نبحث افقيا داخل الجدول عن القيمة ‪ , t=4.541‬بداية من ‪Ʋ=3‬‬
‫‪ .2‬اطلع عموديا للبحث عن قيمة التي تقاطعها‬
‫هنا المساحة الى يسار القيمة ‪ t=4.541‬هي ‪0.99‬‬
‫تحت منحنى توزيع‬ ‫•نعبر عن قيمة ‪ t‬التي يكون يسارها مساحة معينة قيمتها‬
‫‪ t‬ذي درجات حرية ‪ m‬بالرمز ‪:‬‬
‫[‪t‬‬ ‫]‪; m‬‬
‫قريبة من ‪1‬‬ ‫ومن الجدول نجد أن قيم‬

‫صغيرة جدًا ‪0.01, 0.05‬‬ ‫•أما عندما تكون‬

‫بسبب تماثل ‪ T‬حول العمود المقام على الصفر فإن ) ‪t (α ;m ) = −t (1−α ;m‬‬
‫منحنى توزيع‬

‫نعبر عنها بالرمز ‪:‬‬ ‫•أما قيمة ‪ t‬الجدولية التي يكون يمينها مساحة معينة‬
‫;‪m] (m)= t[1- t‬‬
Chi-Square Distribution : ‫ توزيع كاي‬4-8-2•
: ‫•تعريف‬
‫•خصائص توزيع كاي‪:‬‬
‫الن الجدول يعطي قيم يمين‬
‫‪ x‬وهنا طلب يسار‬
‫اذن اعمل ‪:‬‬
‫‪1-0.99=0.01‬‬
‫و اجيب القيمة من الجدول‬
‫بالتقاطع مع درجة الحرية‬

‫‪0.025=1-0.975‬‬
‫‪20.483‬‬

‫‪0.975=1-0.025‬‬
F : The F-Distribution ‫ توزيع‬4-8-3•
 :F ‫•خصائص توزيع‬
)V1,V2(
F(V1,V2) V1,V2(
)

V1,V2(
)
V1,V2(
)
 1 = 1 =
F[0.975;10,11] 3.53