Académique Documents
Professionnel Documents
Culture Documents
اﻻﺣﺗﻣــﺎﻻت 3
اﻟﺴﻨـﺔ 2ﺗﺤﻀﻴـﺮي
اﻟﺴﺪاﺳﻲ 4
2020
" 3 ﺑرﻧﺎﻣﺞ درس " اﻻﺣﺗﻣﺎﻻت
. اﻟﻣﺗﻐﯾراﻟﻌﺷواﺋﻲ ذو اﻟﺑﻌدﯾن واﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك-1 اﻟﻔﺻل
Chapitre 1 : Variables aléatoires à deux dimensions et distribution conjointe.
1.0- Introduction : rappels. . ﻣراﺟﻌﺔ: ﻣﻘدﻣﺔ-1.0
1.1- Notion de couple aléatoire ﻣﻔﮭوم زوج ﻋﺷواﺋﻲ-1.1
• Exemple introductif. • ﻣﺛﺎل ﺗﻣﮭﯾدي
• Définition. .• ﺗﻌرﯾف
1.2- Distribution de probabilité conjointe d’un couple aléatoire. .اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ اﻟﻣﺷﺗرك ﻟزوج ﻋﺷواﺋﻲ-1.2
• Définitions : cas discret et continu. . زوج ﻣﻧﻔﺻل و زوج ﻣﺳﺗﻣر: • ﺗﻌﺎرﯾف
1.3- Distributions de probabilité marginales d’un couple aléatoire. . اﻟﺗوزﯾﻌﺎت اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﺣدﯾﺔ-1.3
• Définitions : cas discret et continu. . ﺣﺎﻻت زوج ﻣﻧﻔﺻل و زوج ﻣﺳﺗﻣر: • ﺗﻌﺎرﯾف
1.4- Distributions de probabilité conditionnelles d’un couple aléatoire. . اﻟﺗوزﯾﻌﺎت اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﺷرطﯾﺔ-1.4
• Définitions: cas discret et continu. . ﺣﺎﻻت زوج ﻣﻧﻔﺻل و زوج ﻣﺳﺗﻣر: • ﺗﻌﺎرﯾف
1.5- Indépendance stochastique et corrélation. اﻹﺳﺗﻘﻼل و اﻻرﺗﺑﺎط-1.5
• Indépendance de variables aléatoires : Définition. . • إﺳﺗﻘﻼل اﻟﻣﺗﻐﯾرات اﻟﻌﺷواﺋﯾﺔ
• Covariance et corrélation : Définition. . • اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك و اﻹرﺗﺑﺎط
1.6- Moments d’un vecteur aléatoire. . ﻋزوم ﺷﻌﺎع ﻋﺷواﺋﻲ-1.6
• Espérance d’un vecteur aléatoire : Définition. . • اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻟﺷﻌﺎع ﻋﺷواﺋﻲ
• Matrice de variance-covariance Définition. .اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك-• ﻣﺻﻔوﻓﺔ اﻟﺗﺑﺎﯾن
1.7- Distributions usuelles multidimensionnelles اﻟﺗوزﯾﻌﺎت اﻟﺷﮭﯾرة اﻟﻣﺗﻌددة اﻷﺑﻌﺎد-1.7
اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ھو ﻣﻔﮭوم اﻟذي ﯾﺳﻣﺢ ﺗﻌﺑﯾر 'ﻛﻣﻲ أو ﻋددي' ﻟﻧﺗﺎﺋﺞ ﺗﺟرﺑﺔ ﻋﺷواﺋﯾﺔ .
ﻣﺛﺎل ﺗﻣﮭﯾدي :
ﻧﻌﺗﺑر الﺗﺟرﺑﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﺗﺎﻟﯾﺔ } = ξ :رﻣﻲ ﻗطﻌﺔ ﻧﻘدﯾﺔ ﻣﺗزﻧﺔ ﻣرﺗﺎن { .
⇐ ﻓﺿﺎء اﻻﺣﺗﻣﺎﻟﻲ اﻟﻣراﻓق ﻟﮭذه اﻟﺗﺟرﺑﺔ ھو )]•[ (E= Ω, F, Pﺑﺣﯾث ) ﻣﻌطﯾﺎت( :
• اﻟﻣﺟﻣوﻋﺔ اﻻﺳﺎﺳﯾﺔ )ﻓﺿﺎء اﻟﻌﯾﻧﺔ( Eھﻲ . E= Ω ={(PP), (PF), (FP), (FF)} :
) ) P(Eھﻲ ﻣﺟﻣوﻋﺔ أﺟزاء .( E • Fھﻲ -σﺟﺑر ﻋﻠﻲ F = P(E) : E
• اﻟﻘﯾﺎس )أو اﻟﺗطﺑﯾق( اﻻﺣﺗﻣﺎﻟﻲ ]•[ Pﻣﻌرف ﻛﻣﺎ ﯾﻠﻲ :
FIG 0
FIG 1
♦ ﻣﻼﺣظﺎت و ﺗﻌﺎﻟﯾق.
X: E→R
اﻟﺗطﺑﯾق اﻟﻌﻛﺳﻲ ) X (.ﯾﺳﻣﺢ 'اﻟﻣرور' ﻣن اﻟﻘﯾم xiاﻟﻰ اﻟﺣوادث (Ei∈F ) Eiاﻟﻣﺟﮭزة ﺑﺎﻻﺣﺗﻣﺎﻻت ﺑـ ].P[Ei
-1
ﻋﻠﻲ أﺳﺎس اﻟﻣﻼﺣظﺔ اﻷﺧﯾرة ،اﻟﺑﯾﺎن ﯾﻌطﻲ أﯾﺿﺎ 'طرﯾﻘﺔ' ﺣﺳﺎب إﺣﺗﻣﺎﻻت اﻟﻘﯾم ،pi = Px[X= xi] ، xi
أي ﻛﯾﻔﯾﺔ ﺗﺣدﯾد اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟـ : X
ﻣﺛﺎل :
-1 -1
. p1= Px[X = x1]= Px[X =0]= P[X (0)]= P[X (x1)]= P[E1]= 1/4
-1 -1
. p2= Px[X = x2]= Px[X =1]= P[X (1)]= P[X (x2)]= P[E2]= 1/2
-1 -1
. p3= Px[X = x3]= Px[X =2]= P[X (2)]= P[X (x3)]= P[E3]= 1/4
اﻟﺧﻼﺻـﺔ : 2ﺗﻌرﯾف اﻟداﻟﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ )أو داﻟﺔ اﻟﻠﻛﺗﻠﺔ( ).(fonction de masse de X
-1
]∀xi∈Rx , pi = Px[X= xi] = P[X (xi)] = P[Ei
-3-
xo
= ]. F(xo)= P[X≤ xo ∫ f ( x ).dx : ∀xo∈R .4
∞−
اﻟﻣﺟﻣوﻋﺔ اﻻﺳﺎﺳﯾﺔ )ﻓﺿﺎء اﻟﻌﯾﻧﺔ( Eھﻲ . E= Ω ={(PP), (PF), (FP), (FF)} : •
Fھﻲ -σﺟﺑر ﻋﻠﻲ P(E) ] F = P(E) : Eھﻲ ﻣﺟﻣوﻋﺔ أﺟزاء .[ E •
اﻟﻘﯾﺎس )أو اﻟﺗطﺑﯾق( اﻻﺣﺗﻣﺎﻟﻲ ]•[ Pﻣﻌرف ﻛﻣﺎ ﯾﻠﻲ : •
FIG 1
اﻟﻣﺷﻛﻠﺔ :
ﻧﻌﺗﺑراﻟﻣﺗﻐﯾران اﻟﻌﺷواﺋﯾﺎن Xو Yاﻟﻣﻌرﻓﺎن ﻛﻣﺎ ﯾﻠﻲ :
} = Xﻋدد اﻟوﺟوه ’ ‘Faceاﻟﺗﻲ ﻧﺗﺣﺻل ﻋﻠﯾﮭﺎ { ،
} = Yاﻟﻔرق ﺑﺎﻟﻘﯾﻣﺔ اﻟﻣطﻠﻘﺔ ﻟﻌدد وﺟوه ’ ‘Faceو ﻋدد وﺟوه ’.{ ‘Pile
ﯾﻣﻛن دراﺳﺔ اﻟﻣﺗﻐﯾرﯾن Xو Yﺑﺻﻔﺔ ﻣﻧﻔﺻﻠﺔ )درس ' اﻻﺣﺗﻣﺎﻻت (' 2أو ﺑﺻﻔﺔ ﻣﺗزاﻣﻧﺔ )ادوات ھذا اﻟﻔﺻل( .
-5-
اﻟﺑﯾﺎن FIG 2اﻟﻼﺣق ﯾﺟﻣﻊ ﻧﺗﺎﺋﺞ ξو ﯾﺳﻣﺢ ﻣﻌﺎﻟﺟﺔ ھذه اﻟﻣﺷﻛﻠﺔ :اﺳﺗﻧﺗﺎج ﺗﻌرﯾف ﻟﻣﻔﮭوم "زوج ﻋﺷواﺋﻲ"
و اﺳﺗﺧراج ﻛﯾﻔﯾﺔ ﺗﺣدﯾد اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ اﻟﻣﺷﺗرك ﻟـ Xو . Y
FIG 2
اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟـ X
-1
PoX = Px
E
0- E1 )(PP X x0 Rx={0,1,2}⊂r 0x Px -0
]P[. -1/4
-1
1/4- E2 )(PF X x 1 1x -1/2
)(FP
1/2- 2x -1
E3 )(FF x 2
x 0 1 2
Px 1/4 1/2 1/4
-1
Po(X,Y) = Pxy
E Rxy⊂r2
0- E1 )(PP )𝑽𝑽= (X,Y )x(0,2 ﺧﻼﺻﺔ اﻟﺑﯾﺎن :ﺗﻌرﯾف ﻣﺗﻐﯾرﻋﺷواﺋﻲ ذو اﻟﺑﻌدﯾن :
]P[. )V = (X, Y
1/4- E2 )(PF )x (1,0 E → R 2
)(FP ei → V (ei ) = (X, Y)(ei ) = ( xi , y j ) ∈ R 2
1/2-
E3 )(FF )x (2,2 ∀( xr , ys ) ∈ R 2 : (X, Y)-1 ( xr , ys ) = Axy ∈ F
(X,Y)-1
-6-
ﻣﻼﺣظﺎت و ﺗﻌﺎﻟﯾق.
• إذن ،ﻣن اﻟﺑﯾﺎن ﻧﺳﺗﻧﺗﺞ أن اﻟزوج ) V = (X, Yھو ﺗطﺑﯾق ﻣن ﻓﺿﺎء اﻟﻌﯾﻧﺔ Eﻓﻲ اﻟﻣﺟﻣوﻋﺔ Rأي :
2
• اﻷزواج ﻣن اﻟﻘﯾم ) (xi, yjاﻟﺗﻲ ﯾﺄﺧذھﺎ اﻟﺷﻌﺎع ) V = (X, Yﺗﻛون ﻣﺟﻣوﻋﺔ ،ﻧرﻣز اﻟﯾﮭﺎ ﺑـ ، (RXY⊆R ) Rxy
2
-1
ﻣﺛﺎل .𝑽𝑽 (2,2) = (FF) = E3∈ F= P(E) :
• اﻟﺗطﺑﯾق اﻟﻌﻛﺳﻲ ) 𝑽𝑽 = (X,Yﯾﺳﻣﺢ 'اﻟﻣرور' ﻣن اﻟﻧﻘﺎط ) (xi, yjاﻟﻰ اﻟﺣوادث Ekاﻟﻣﺟﮭزة ﺑﺎﻻﺣﺗﻣﺎﻻت ]P[Ek
-1 -1
ﻋﻠﻲ أﺳﺎس ھذه اﻟﻣﻼﺣظﺔ اﻷﺧﯾرة ،اﻟﺑﯾﺎن ﯾﻌطﻲ 'طرﯾﻘﺔ' ﺣﺳﺎب إﺣﺗﻣﺎﻻت اﻟﻧﻘﺎط ) (xi , yjأي :
ﻟﺗﻛن ξﺗﺟرﺑﺔ ﻋﺷواﺋﯾﺔ و )]•[ (E, F, Pﻓﺿﺎء اﺣﺗﻣﺎﻟﻲ اﻟﻣراﻓق ﻟﮭﺎ ) ].( F ⊆ P(E
ﻧﺳﻣﻲ ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ذو اﻟﺑﻌدﯾن )أو زوج ﻋﺷواﺋﻲ( ﻛل ﺗطﺑﯾق ) V = (X, Yﻣن ﻓﺿﺎء اﻟﻌﯾﻧﺔ Eﻓﻲ اﻟﻣﺟﻣوﻋﺔ R
2
-1 2
ﺑﺣﯾث )ﺷرط( ، ∀Dxy⊂R :اﻟﺻورة اﻟﻌﻛﺳﯾﺔ ﻟـ ، (XY) (Dxy) = Axy ، Dxyھﻲ ﺣﺎدث أي . Axy∈F
) RXYھﻲ ﺻورة ﻓﺿﺎء اﻟﻌﯾﻧﺔ Eﺑـ ).( V = (X, Y )RXY = 𝑽𝑽(E) = (X,Y)(E
-7-
ﻧﻘول أن ) (X,Yھو زوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل اذا Xو Yﻣﺗﻐﯾران ﻋﺷوﺋﯾﺎن ﻣﻧﻔﺻﻼن ) RXYﻣﺟﻣوﻋﺔ ﻣﻧﺗﮭﯾﺔ(. •
ﻧﻘول أن ) (X,Yھو زوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر )ﻣطﻠﻘﺎ( اذا Xو Yﻣﺗﻐﯾران ﻋﺷوﺋﯾﺎن ﻣﺳﺗﻣران ) RXYﻣﺟﻣوﻋﺔ •
ﻏﯾرﻣﻧﺗﮭﯾﺔ و ﻏﯾر ﻗﺎﺑﻠﺔ ﻟﻠﻌد(.
ﺗﻌرﯾف : 3داﻟﺔ اﻟﺗوزﯾﻊ )اﻟﺗراﻛﻣﻲ( ﻟزوج ﻋﺷواﺋﻲ .Fonction de répartition d’un couple aléatoire
ﻟﯾﻛن ) V = (X, Yزوج ﻋﺷواﺋﻲ ﻣﻌرف ﻋﻠﻲ اﻟﻔﺿﺎء اﻹﺣﺗﻣﺎﻟﻲ )]•[.(E, F, P
ﻧﺳﻣﻲ داﻟﺔ اﻟﺗوزﯾﻊ )اﻟﺗراﻛﻣﻲ( اﻟﻣﺷﺗرﻛﺔ ﻟـ ) V = (X, Yاﻟداﻟﺔ ) F(x, yاﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
. ∀(x, y)∈R2 ]: F(x, y) = Pxy[X≤ x ∩ Y≤ y
ﻣﻼﺣظﺔ :ﻧﻌﺗﺑر اﻟﻣﻧطﻘﺔ )ﻣﺟﺎل ذو اﻟﺣدﯾن( ، Dxy = {(x, y)∈Rxy) : (X≤x)∩ (Y≤y) } : Dxy⊂R2ﻋﻧدﺋذ :
-1
)F(x, y)=Pxy[X≤ x∩Y≤ y]=Pxy[(X,Y)∈Dxy]=P[(X,Y) (Dxy)]=P[ej∈E/(X,Y)(ej)∈Dxy]=P[Axy] (Axy∈F
اﻟداﻟﺔ ) F(x, yھﻲ ﻣﻌرﻓﺔ ﻋﻠﻲ أﺳﺎس ﻣﻌرﻓﺔ اﻟﻘﯾﺎس اﻻﺣﺗﻣﺎﻟﻲ ]•[) Pاﻋطﺄ )]•[.((E, F, P
اﻟﻣﺷﻛﻠﺔ :ﻧرﯾد ﺗﺣدﯾد اﻹﺣﺗﻣﺎﻻت ] pij = Pxy[ X= xi ∩Y= yjﻟﻛل اﻷزوج . (xi , yj)∈Rxy
-
(X,Y) 1
yj
y1 = 0 y2 = 2
xi
-1
Pxy[X=0∩Y=2]=P[(X,Y) (0,2)]=P[E1]=1/4 x1 = 0 0 1/4
-1
Pxy[X=1∩Y=0]=P[(X,Y) (1,0)]=P[E2]=1/2 x2 = 1 1/2 0
-1
Pxy[X=2∩Y=2]=P[(X,Y) (2,2)]=P[E3]=1/4 x3 = 2 0 1/4
-1
Pxy[X=0∩Y=0]=P[(X,Y) (0,0)]=P[∅] = 0
-8-
ﻣن اﻟﺑﯾﺎن FIG 3ﻧﺳﺗﻧﺗﺞ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ اﻟﻣﺷﺗرك .ھذا اﻟﺗوزﯾﻊ ﻣﻘدم ﻓﻲ اﻟﺟدوال اﻟﻣﻧﺎﺳب ﺑﺣﯾث :
-1 -1
p11 = Pxy[X= x1∩Y=y1]= Pxy[X=0∩Y=0]= P[(X,Y) (x1, y1)]=P[(X,Y) (0,0)]= P[∅] = 0 ,
-1 -1
p12 = Pxy[X= x1∩Y=y2]= Pxy[X=0∩Y=2]= P[(X,Y) (x1, y2)]=P[(X,Y) (0,2)] = P[E1] = 1/4 ,
-1 -1
p31 = Pxy[X= x3∩Y=y1]= Pxy[X=2∩Y=0]= P[(X,Y) (x3, y1)]=P[(X,Y) (2,0)]= P[∅] = 0 ,
-1 -1
p21 = Pxy[X= x2∩Y=y1]= Pxy[X=1∩Y=0]= P[(X,Y) (x2, y1)]=P[(X,Y) (1,0)]= P[E2]= 1/2 ,
-1 -1
p22=Pxy[X= x2∩Y=y2]= Pxy[X=1∩Y=2]= P[(X,Y) (x2, y2)]=P[(X,Y) (2,2)]= P[∅] = 0 ,
-1 -1
p32 = Pxy[X= x3∩Y=y2]= Pxy[X=2∩Y=2]= P[(X,Y) (x3, y2)]= P[(X,Y) (2,3)]= P[E3]= 1/4
-1
) pij = Pxy[X= xi∩Y=yj] = P[(X,Y) (xi, yj)] = P[Ek] , Ek∈F ( ou Ek∈F ﺑﺷﻛل ﻋﺎم :
ﺑﺣﯾث : ﻧﺳﻣﻲ ﺗوزﯾﻊ إﺣﺗﻣﺎﻟﻲ ﻣﺷﺗرك ﻟـ ) (X,Yﻣﺟﻣوﻋﺔ اﻷزواج اﻟﺗﺎﻟﯾﺔ {( x , y ) ; p } :
i j ij
-1
∀(xi, yj)∈RXY , pij = Pxy[X= xi ∩Y=yj] = P[(X,Y) (xi, yj)] = P[Ek] , Ek∈F
n m
∑∑ p =1
j =1 ij
i =1
-(2 ∀i,j , pij ≥ 0 -(1 ﺑﺷرط :
Y y1 yj ym
… …
X
x1 p11 p1j p1m داﻟﺔ اﺣﺗﻣﺎﻟﯾﺔ ﻣﺷﺗرﻛﺔ ﻟﻠزوج ).(X,Y ﻧﺳﻣﻲ اﻟداﻟﺔ pij
… … …
xi pi1 pij pim
… … … ﻋﻣوﻣﺎ ،ﯾﻘدم ھذا اﻟﺗوزﯾﻊ ﻓﻲ ﺷﻛل ﺟدول أو ﻓﻲ ﺷﻛل ﺻﯾﻐﺔ رﯾﺎﺿﯾﺔ .
xn pn1 pnj pnm
ﺗﻌرﯾف : 5داﻟﺔ اﻟﺗوزﯾﻊ )اﻟﺗراﻛﻣﻲ( ﻣﺷﺗرﻛﺔ ﻟزوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل .Fonction de répartition d’un couple aléatoire
2
ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل و RXY⊆Rﻣﺟﻣوﻋﺗﮫ اﻟﺗﻌرﯾف و pijداﻟﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ.
ﻧﺳﻣﻲ داﻟﺔ اﻟﺗوزﯾﻊ )اﻟﺗراﻛﻣﻲ( ﻣﺷﺗرﻛﺔ ﻟﻠزوج ) (X,Yاﻟداﻟﺔ ) F(x,yاﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
2
= ])∀(x,y)∈R : F(x;y) = Pxy[(X≤ x)∩(Y≤ y ∑ ∑p
xi ≤ x y j ≤ y
ij
⇐ )]•[. (E= Ω, F , P } = ξرﻣﻲ ﻗطﻌﺔ ﻧﻘدﯾﺔ ﻣﺗزﻧﺔ ﻣرﺗﺎن{ : ﻣﺜﺎل ﺗﻤﮭﯿﺪي ♦
Fin de la révision
-9bis-
ﻧﺳﻣﻲ داﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻹﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻟـ ) (X,Yاﻟداﻟﺔ )) f(x,yاذا وﺟدت( اﻟﺗﻲ ﺗﺣﻘق اﻟﺷروط اﻟﺗﺎﻟﯾﺔ :
. f(x,y) ≥ 0 : ∀(x,y)∈R2 .1
f(x,y) .2ھﻲ ﻣﺳﺗﻣرة ﻓﻲ ﻛل ﻧﻘطﺔ )) (x,yاﻻ ﻓﻲ ﺑﻌض اﻟﻧﻘﺎط(.
db
. ∫ ∫ f ( x, y ).dx.dy = 1 .3
ca
y1 x1
. ∀(x,y)∈ R2 , P[X= x ∩Y=y] = P[X≤ x ∩Y=y] = P[X= x∩Y≤y] = … = 0 •
ﻗﯾﻣﺔ اﻟداﻟﺔ ) f(x,yﻟﯾﺳت ھﻲ اﺣﺗﻣﺎل :اﻻﺣﺗﻣﺎل ھو اﻟﺣﺟم اﻟﻣﺣﺻور ... •
) d 2 F( x, y
= ). f(x,y) = F’’(x,y ﻣﻼﺣظﺔ :
dx ⋅ dy
)P[(a≤X≤b) ∩ (c≤Y≤d)] = F(b,d) - F(b,c) - F(a,d) + F(a,c ﺗﻣرﯾن :ﺑرھن اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ :
ﻣﺛﺎل ﺗطﺑﯾﻘﻲ :ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻣﻌرف ﻋﻠﻲ RXY = RX*RY = ]0 , 1[*]1 , e[ :
k . x si ( x, y )∈RXY
y
f ( x, y ) = ﻟﺗﻛن ) f(x,yداﻟﺔ ﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
0 si ( x, y )∉RXY
.1أوﺟد ﻗﯾﻣﺔ اﻟﺛﺎﺑت kﻟﻛﻲ ﺗﺻﺑﺢ ﻓﻌﻼ ) f(x,yداﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﯾﺔ ﻣﺷﺗرﻛﺔ ﻟـ ).(X,Y
.2أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﯾﺔ . P[(X >1/2) ∩Y>2] ، P[X=1∩Y<2] :
.3أوﺟد ﺻﯾﻐﺔ داﻟﺔ اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرﻛﺔ ) F(x,yﺛم اﺳﺗﻧﺗﺞ ]). P[1/4≤(X≤1/2) ∩(1≤Y≤2
]). P[(X >1/2) ∩Y>2] ≠ 1 - P[(X≤1/2) ∩(Y≤2 .4ﺗﺣﻘق أن :
-11-
e
1
1. a ) f(x, y) ≥ 0 ⇒ k > 0 b) - ∫ ∫ k. xy .dy.dx = 1
0
1
⇒ k=2
e
b)- P[X > 1/2 ∩ Y > 2] = ∫ ∫ 2. x. .dyd x =
1
.(1 − Ln 2) = 0.23
2. a)- P[X=1∩Y<2] = 0 ; 3
1/2 4
2 y
0 si x < 0 ou y < 1
x2 si 0 ≤ x ≤ 1 ∩ y > e
F ( x, y ) = x 2 .Ln( y ) si 0 ≤ x ≤ 1 ∩ 1 ≤ y ≤ e
3.
Ln( y ) si x > 1 ∩ 1 ≤ y ≤ e
1 si x > 1 et y > e
P[(1/4≤X<1/2) ∩(1≤Y≤2)] = F(1/2 ; 2) - F(1/4 ; 2) - F(1/2 ; 1) + F(1/4 ; 1) = 0.17 – 0.04 = 0.13
RXY = RX*RY = [0 , 1] * [0 , 1] : ( زوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻟﮫ اﻟﺗوزﯾﻊ اﻟﻣﻧﺗظم ﻣﻌرف ﻋﻠﻲX,Y) ﻟﯾﻛن: 2 ﻣﺛﺎل
1 si ( x, y ) ∈ R XY
. f ( x, y ) = : داﻟﺔ ﻛﺛﺎﻓﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ھﻲ
0 si ( x , y ) ∉ R XY
1 1 1 1
1 1 2 3 2 3 1 1 1 1
P ��X ≤ � ∩ �Y ≤ �� = � � 1. 𝑑𝑑𝑑𝑑. 𝑑𝑑𝑑𝑑 = � ( � 1. 𝑑𝑑𝑑𝑑). 𝑑𝑑𝑑𝑑 = [𝑥𝑥]20 . [𝑦𝑦]30 = � − 0� . � − 0� = 1�6
2 3 0 0 0 0 2 3
1
P �X > � = P ��X > � ∩(0 ≤ Y ≤ 1)� = ∫1 ∫0 1. 𝑑𝑑𝑑𝑑. 𝑑𝑑𝑑𝑑 = [𝑥𝑥 ]11 . [𝑦𝑦]10 = �1 − � . (1 − 0) = 3�4
1 1 1 1
4 4 4 44
1 1−𝑥𝑥 1 1
P[(X,Y)∈Dxy ] = ∬𝐃𝐃 1 ∙ 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = ∫0 (∫0 𝑑𝑑𝑑𝑑)𝑑𝑑𝑑𝑑 = ∫0 [𝑦𝑦]1−𝑥𝑥
0 𝑑𝑑𝑑𝑑 = ∫0 (1 − 𝑥𝑥 )𝑑𝑑𝑑𝑑 =
𝒙𝒙𝒙𝒙
= �1 − 2� − (0 − 0) = 1�2
1
اﻟداﻟﺔ ] pi• = P[X= xiﺗدﻋﻰ داﻟﺔ اﺣﺗﻣﺎﻟﯾﺔ ﺣدﯾﺔ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ . X
-13-
♦ ﻧﺳﻣﻲ 'ﺗوزﯾﻊ اﺣﺗﻣﺎﻟﻲ ﺣدي' ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ Yﻣﺟﻣوﻋﺔ اﻷزواج } ، yj∈Ry ،{ yj , p• jﺑﺣﯾث :
� 𝑗𝑗𝑦𝑦 = 𝑌𝑌∩ 𝑖𝑖𝑥𝑥 = 𝑋𝑋�𝑃𝑃 𝑅𝑅𝑅𝑅∈𝑖𝑖 𝑥𝑥∑ = 𝑖𝑖𝑖𝑖𝑝𝑝 .∀yj∈Ry , p• j = P[Y= yj ] = ∑𝑛𝑛𝑖𝑖=1
ﻣﻼﺣظﺔ :اﻟﺗوزﯾﻊ اﻟﺣدي ﻟـ ) Xوﻟـ (Yھو ﺗوزﯾﻊ اﺣﺗﻣﺎﻟﻲ ﻋدي )ذو ﺑﻌد واﺣد ﻓﻘط( ﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن ﺣﺳﺎب ﻛل اﻟﻌزوم
اﻟﻣﺧﺗﻠﻔﺔ )ﺗﺳﻣﻰ اﻟﻌزوم اﻟﺣدﯾﺔ( و اﻟﻣﻘﺎﯾس اﻻﺣﺻﺎﺋﯾﺔ اﻷﺧرى ﻟـ ) Xوﻟـ (...، Me ، mr ، V[.,Y] ، E[X,.] ) (Y
ﺗﻌرﯾف : 2ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر و ) f(x,yداﻟﺔ ﻛﺛﺎﻓﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻣﻌرﻓﺔ ﻋﻠﻲ . RXY
ﻧﺳﻣﻲ داﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﯾﺔ ﺣدﯾﺔ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ) Xﻋﻠﻲ اﻟﺗواﻟﻲ (Yاﻟداﻟﺔ ) • ; ) f(xﻋﻠﻲ اﻟﺗواﻟﻲ )( f(• ; y
اﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
و ). Fy(y) = F(+∝ ; y ﻣﻼﺣظﺔ :داﻟﺔ اﻟﺗوزﯾﻊ اﻟﺣدﯾﺔ ﻟـ Xو ﻟـ Yھﻲ ﻣﻌرف ة ﻛﻣﺎ ﯾﻠﻲ Fx(x) = F(x ;+∝) :
ﻣﺛﺎل ﺗطﺑﯾﻘﻲ : 1ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻣﻌرف ﻋﻠﻲ RXY = RX*RY = ]0 , 1[*]1 , e[ :
2. x
و ) f(x,yداﻟﺗﮫ اﻟﻛﺛﺎﻓﺔ اﻟﻣﺷﺗرﻛﺔ.
si ( x , y )∈RXY
f ( x, y ) =
y .1أوﺟد داﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﺣدﯾﺔ ﻟـ Xﺛم ﻟـ .Y
0 si ( x , y )∉RXY
.2أﺣﺳب اﻟﻌزوم اﻟﺣدﯾﺔ E[X,•] :و ]. E[•,Y2
0 0 1/4 -1.3.1ﻣﺛﺎل :ﻧﻌﺗﺑرﻣﻌطﯾﺎت اﻟﻣﺛﺎل اﻟﺗﻣﮭﯾدي )ﺣﺎﻟﺔ زوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل(.
1 1/2 0
2 0 1/4 اﻟﻣﺷﻛﻠﺔ :ﻧﻔﺗرض أن ﻧﻌﻠم أن ) Y=2أي .(Y= y2
p•j 1/2 1/2
ﻓﻲ ھذه اﻟﺣﺎﻟﺔ ،ﻣﺎ ھو ﺗوزﯾﻊ اﻟﻣﺗﻐﯾر X؟ أي .P[X= xi/Y=2] = ? ، ∀xi∈Rx :
P
X = xi = p = P[( X = xi ) ∩ (Y = y 2 ] = pi 2
اﻟﺧﻼﺻﺔ :ﻣن اﻟﻧﺗﺎﺋﺞ اﻟﺳﺎﺑﻘﺔ ﻧﺳﺗﻧﺗﺞ :
Y = y 2 ] P[Y = y 2
i
/2 p• 2
ﺗﻌرﯾف : 1ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل و pijداﻟﺗﮫ اﻹﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻣﻌرﻓﺔ ﻋﻠﻲ . RXY
♦ ﻧﺳﻣﻲ ﺗوزﯾﻊ ﺷرطﻲ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ Xﻋﻠﻣﺎ أن Y= yjﻣﺟﻣوﻋﺔ اﻷزواج } ، xi∈Rx ،{ xi , piﺑﺣﯾث :
/j
= pi
pi j X = xi
= P =
[
P ( X = xi ) ∩ (Y = y j ]
j p• j Y = y j ] P[Y = y j
♦ ﻧﺳﻣﻲ ﺗوزﯾﻊ ﺷرطﻲ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ Yﻋﻠﻣﺎ أن X = xiﻣﺟﻣوﻋﺔ اﻷزواج } ، yj∈Ry ،{ yj , pjﺑﺣﯾث:
/i
=
pi j Y = y j
= P
[
P ( X = xi ) ∩ (Y = y j ]
. pj • pi = X = xi ] P[ X = x i
i
∑
n
(. i =1
.1ﯾﻣﻛن ﺗﺣﻘﯾق ﺑﺳﮭوﻟﺔ أن ) pi/jو ( pj/iھﻲ ﻓﻌﻼ داﻟﺔ اﺣﺗﻣﺎﻟﯾﺔ )أي pi/j ≥ 0 :و pi / j = 1
. p i j = p i • ⋅ p j i = p• j ⋅ p i j .2ﻣن ﺗﻌرﯾف pi/jو pj/iﻧﺳﺗﻧﺗﺞ )ﺻﯾﻐﺔ ﻧظرﯾﺔ اﻻﺣﺗﻣﺎﻻت اﻟﻣرﻛﺑﺔ( :
ﺗﻌرﯾف : 2ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر و ) f(x,yداﻟﺔ ﻛﺛﺎﻓﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻣﻌرﻓﺔ ﻋﻠﻲ . RXY
♦ ﻧﺳﻣﻲ داﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﯾﺔ ﺷرطﯾﺔ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ Xﻋﻠﻣﺎ أن Y=yاﻟداﻟﺔ ) fx(x/yاﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
) f ( x, y
= )f x ( x y) = f x ( xY = y
) f (•, y
♦ ﻧﺳﻣﻲ داﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﯾﺔ ﺷرطﯾﺔ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ Yﻋﻠﻣﺎ أن X = xاﻟداﻟﺔ ) fy(y/xاﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
) f ( x, y
= )f y ( y x) = f y ( y X = x
)•f ( x,
ﻣﻼﺣظﺎت :
.1ﯾﻣﻛن ﺗﺣﻘﯾق ﺑﺳﮭوﻟﺔ أن ) ) fx(x/yو) ( fy(y/xھﻲ ﻓﻌﻼ داﻟﺔ ﻛﺛﺎﻓﺔ اﺣﺗﻣﺎﻟﯾﺔ.
∫ f ( x, y ).dy
fھﻲ اﻟداﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﺷرطﯾﺔ ﻟـ Xﺷرط . a≤Y≤b ( x a ≤Y ≤b ) = F ' ( x = )a≤Y ≤b
a
b .3
∫ f (•, y ).dy
a
.4اﻟﺗوزﯾﻊ اﻟﺷرطﻲ ﻟـ ) Xأو ﻟـ (Yھو ﺗوزﯾﻊ اﺣﺗﻣﺎﻟﻲ ﻋدي )ذو ﺑﻌد واﺣد( ﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن ﺣﺳﺎب ﻛل اﻟﻌزوم اﻟﻣﺧﺗﻠﻔﺔ
)ﺗﺳﻣﻰ اﻟﻌزوم اﻟﺷرطﯾﺔ( و اﻟﻣﻘﺎﯾس اﻟﺣﺻﺎﺋﯾﺔ اﻷﺧرى . (... ، mrX/y ، V[Y/X=x] ، E[Y/X=x] :
Fin de séance du cours N° 3 : le 09-03-2020
)(Cours présentiel
-16-
ème
4 séance de cours : 16-03-2020 ANNULEE !
pour cause de suspension des cours !
Début des vacances de Printemps le 19-03-2020 au 05-04-2020
: زوج ﻋﺷواﺋﻲ داﻟﺗﮫ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻣﻌطﺎة ﻛﻣﺎ ﯾﻠﻲ (X ,Y) ﻟﯾﻛن : ﺗﻣرﯾن ﺗطﺑﯾﻘﻲ
[ ]
e 1 1
y2
∫0∫1 k.( x + y).dy.dx = 1 ⇔ k.∫0 xy + 2 −1.dx = 1 ⇔ k.∫0 x + 12 − (− x + 12 ) .dx = k.∫0 2 x.d x = 1 ⇒ k = 1
1 1 1
a) -
1.
b) - k = 1 ⇒ f(x, y) ≥ 0 .
1 1
2. f(•, y) = ∫Rxf(x,y).dx =∫0 (x+y).dx = [x2/2 + xy] 0= (1/2 + y ) * I[-1 , 1](y)
f(x, y) x + y0 .
f(x/ y) = = I[0 , 1](x)
f(., y) Y = y0 1
2 + y0
1/2 1/2 x+0 1/2
3. a)- P[X<1/2/Y=0] = ∫0 f(x/ y=0).dx = ∫0 .dx = [x2] = 1/4
1
2 +0 0
اﻟﻣﺷﻛﻠﺔ :ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ .ﻛﯾف ﻧطﺑق ﻣﻔﮭوم 'اﻻﺳﺗﻘﻼل' اﻟﺳﺎﺑق ﻋﻠﻲ Xو) Yﻋﻠﻣﺎ أﻧﮭﻣﺎ ﯾﺄﺧذان ﻋدة ﻗﯾم ﻣﺧﺗﻠﻔﺔ(؟
ﺗﻌرﯾف :1ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ .ﻧﻘول أن Xو Yﻣﺳﺗﻘﻼن )ﺑﺎﻻﺣﺗﻣﺎل( إذا وﻓﻘط إذا :
∀(xi , yj)∈RXY , pij = Pxy[X= xi∩Y=yj] = Px[X= xi]*Py[Y=yj] = pi. * p.j )*(
yj
0 2 •pi ﻣﺛﺎل :ﻣﻌطﯾﺎت اﻟﻣﺛﺎل اﻟﺗﻣﮭﯾدي )اﻧظر اﻟﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ(.
xi
0 0 1/4 1/4 ﻟدﯾﻧﺎ X ⇐ p11 = 0 # p1. * p.1 = 1/4*1/2 = 1/8 :و Yﻏﯾر ﻣﺳﺗﻘﻼن.
1 1/2 0 1/2
2 0 1/4 1/4
p•j 1/2 1/2
ﻣﻼﺣظﺔ ھﺎﻣﺔ :ﯾﻛﻔﻲ أن ﺗﻛون اﻟﻌﻼﻗﺔ )*( ﻏﯾر ﻣﺣﻘﻘﺔ ﻻﺣدى اﻷزواج )(xi , yj
ﻟﻛﻲ ﯾﺻﺑﺢ Xو Yﻏﯾر ﻣﺳﺗﻘﻼن )و ﻟو ﻛﺎﻧت ﻣﺣﻘﻘﺔ ﻟﻛل اﻷزواج اﻷﺧرى(
Moments et caractéristiques d’un couple aléatoire - 1.5اﻟﻌزوم واﻟﻣﻣ ّﯾزات اﻷﺳﺎﺳﯾﺔ ﻟزوج ﻋﺷواﺋﻲ
ﻗدﻣﻧﺎ ﻣﻔﮭوم و ﺧﺻﺎﺋص اﻟﺗوﻗﻊ )اﻷﻣل( اﻟرﯾﺎﺿﻲ ﻟﻣﺗﻐﯾر ﻋﺷواﺋﻲ واﺣﯾد اﻟﺑﻌد .ﻧﻘدم ،ﻓﯾﻣﺎ ﺑﻌد،
ﺗﻌﻣﯾم ھذا اﻟﻣﻔﮭوم و ﺧﺻﺎﺋﺻﮫ اﻟﻲ ﺣﺎﻟﺔ ﺷﻌﺎع ﻋﺷواﺋﻲ .
. ψ(X,Y) = (X-E[X]).(Y-E[Y]) ، ψ(X,Y) = X.Y ، ψ(X,Y) = a.X + bY + c أﻣﺛﻠﺔ :
ﺗﻌرﯾف :اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻟﻠداﻟﺔ ) ψ(X,Yھﻲ اﻟﻛﻣﯾﺔ اﻟﻣﻧﺗﮭﯾﺔ ])) E[ψ(X,Yإذا وﺟدت( اﻟﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
ﻧﺳﺗﻌﻣل ھذا اﻟﺻﯾﻐﺔ
ﻟﺗﻌرﯾف ﻣﻘﺎﯾس
إﺣﺻﺎﺋﯾﺔ أﺧرى
n m
∑∑ Ψ ( xi , y j )∗ pij إذا ) (X,Yز.ع ﻣﻧﻔﺻل
i =1 j=1
E[Ψ ( X , Y )] =
∫ ∫ إذا ) (X,Yز.ع ﻣﺳﺗﻣر Ψ ( x, y ).f( x, y ).dy.dx
x y
R R
ﻣﻼﺣظﺔ :ھذا اﻟﺗﻌرﯾف ﯾﺳﻣﺢ ﺣﺳﺎب ]) E[ψ(X,Yﺑدون ﺗﺣدﯾد )أو ﻣﻌرﻓﺔ( ﺗوزﯾﻊ ).(formule de transfert) W = ψ(X,Y
ﻧﻘﺑل ھذه اﻟﻧﺗﯾﺟﺔ ﺑدون ﺗﻘدﯾم ﺑرھﻧﮭﺎ )طوﯾل !(.
ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻣﻌرف ﻋﻠﻲ ψ1(X,Y) ، Rxyو ) ψ2(X,Yداﻟﺗﺎن ﻟـ Xو ، Yﻋﻧدﺋذ :
ﻣﻼﺣظﺔ :ﻋﻧدﻣﺎ ﻧﺿﻊ ψ1(X,Y) = X :و ، ψ2(X,Y) = Yﻧﺳﺗﻧﺗﺞ ﻣن اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ :
] 𝑖𝑖𝑋𝑋[𝐸𝐸 .𝐸𝐸 [∑𝑛𝑛𝑖𝑖=1 𝛼𝛼𝑖𝑖 . 𝑋𝑋𝑖𝑖 ] = ∑𝑛𝑛𝑖𝑖=1 𝛼𝛼𝑖𝑖 . ﺗﻌﻣﯾم :ﻟﯾﻛن ) 𝐕𝐕= (X1, X2, …, Xnﺷﻌﺎع ﻋﺷواﺋﻲ ،ﻋﻧدﺋذ :
♦ ﺣﺎﻟﺔ ﺧﺎﺻﺔ ھﺎﻣﺔ :ﻟﺗﻛون اﻟداﻟﺔ ψﺑﺣﯾث ، W = ψ(X,Y) = X.Y :ﻋﻧدﺋذ :
n m
∑i =1 ∑ j =1 ( xi y j ) ⋅ pij إذا ) (X,Yھو 'ز.ع' ﻣﻧﻔﺻل
E[ X ⋅ Y ] =
∫ ∫ xy ⋅ f ( x, y ).dydx إذا ) (X,Yھو 'ز.ع' ﻣﺳﺗﻣر
Rx Ry
ﻣﺛﺎل :ﻧﻌﺗﺑر ﻣﻌطﯾﺎت اﻟﻣﺛﺎل اﻟﺗﻣﮭﯾدي )ﺗوزﯾﻊ Xو Yﻣﻌطﻲ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ(.
yj
0 2
ﺟدول ﺣﺳﺎب اﻟﻘﯾم xi * yj * pij
•pi
xi
yj
0 0 1/4 1/4 y1= 0 y2 = 2
xi
1 1/2 0 1/2 x1= 0 0 0
2 0 1/4 1/4 x2= 1 0 0 E[X.Y] = ∑3𝑖𝑖=1 ∑2𝑗𝑗 =1(𝑥𝑥𝑖𝑖 ∙ 𝑦𝑦𝑗𝑗 ) ∗ 𝑝𝑝𝑖𝑖𝑗𝑗 = 1
p•j 1/2 1/2 x3= 2 0 1
= ])]Cov[X,Y] = E[(X - E[X]).(Y - E[Y
∫ ∫ ( x − E[ X ]).( y − E[Y ]). f ( x, y ).dy.dx
Rx Ry
]Cov[X,Y] = E[X .Y] – E[X] .E[Y ﻧظرﯾﺔ : (Koening-Huyghens) :ﯾﻣﻛن ﺑرھﺎن أن :
ﺗﻣرﯾن: اﻟﺑرھﺎن
ﻻ،ھذه اﻟﻔﻘرة تﻗدم ﻓﻘط ﻧظرﯾﺔ اﻟﺗﺑﺎﯾن ﻟداﻟﺔ ﺧطﯾﺔ ﻟزوج ﻋﺷواﺋﻲ-1.5.3
. تﺳﺗﺣق أي ﺗﻌﻠﯾق اﺿﺎﻓﻲ
: ﯾﻣﻛن ﺑرھﺎن أن.( زوج ﻋﺷواﺋﻲX,Y) ﻟﯾﻛن
2 2
. ∀a,b / a,b ∈R : V[a.X + b.Y ] = a .V[X] + b .V[Y] + 2.a.b.Cov[X,Y]
: اﻟﺑرھﺎن
2
V[aX + bY] ≝ E[(aX+ bY – E[aX+ bY]) ] =
2 2
=E[(aX + bY – aE[X] –b.E[Y]) ]=E[(a(X–E[X])+b(Y– E[Y])) ]=
2 2 2
= E[a2(X– E[X]) +2ab.(X– E[X]).(Y– E[Y]) +b .(Y– E[Y]) ] =
2 2 2
= a2E[(X– E[X]) ] + 2ab.E[(X– E[X]).(Y– E[Y])] + b E[(Y– E[Y]) ] =
2
= a2V[X] + 2ab.Cov[X,Y] + b .V[Y] (CQFD).
Cov[ X , Y ]
Cor(X , Y) = ρ = (-1 ≤ ρ XY ≤ 1)
XY σ xσ y
: -1≤ ρXY ≤1 ﺑرھﺎن أن
: ﺗطﺑﯾﻘﺎ ﻟﺗﻌرﯾف اﻟﺗﺑﺎﯾن. ھﻲ ﻗﯾﻣﺔ ﺣﻘﯾﻘﯾﺔλ ( ﺑﺣﯾثX+λ.Y) ﻧﻌﺗﺑر اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ
2 2 2
V[X+λ.Y] ≝ E[(X+λ.Y) – E[X+λ.Y]) ] = E[(X + λ.Y – E[X] – λ.E[Y]) ] = E[((X– E[X]) + λ.(Y– E[Y])) ]
2 2 2
= E[(X– E[X]) +2λ.(X– E[X]). (Y– E[Y]) +λ .(Y– E[Y]) ] =
-21-
2 2 2
= ] )]= E[(X– E[X]) ] + 2λ.E[(X– E[X]).(Y– E[Y])] + λ E[(Y– E[Y
2
).ﻣﺗﻌدد اﻟﺣدود ﻣن اﻟدرﺟﺔ = V[X] + 2λ.Cov[X,Y] + λ .V[Y] (= P(λ) Polynôme de degré 2 en λ 2
ﻋﻠﻣﺎ أن ⇐ V[X+λ.Y] ≥ 0 ∀λاﻟﻣﺣدّد ) ∆(λلﻣﺗﻌدد اﻟﺣدود ) P(λھو ﺳﺎﻟب او ﻣﻌدوم ،أي :
2 2
[Cov[X,Y]] – V[X].V[Y] ≤ 0 ⇔ ∆(λ) = [2.Cov[X,Y]] – 4.V[Y].V[X] ≤ 0
2
]−�V[X]. V[Y] ≤ Cov[X,Y] ≤ �V[X]. V[Y ⇔ ﻧﺳﺗﻧﺗﺞ أن [Cov[X,Y]] ≤ V[X].V[Y] :
]Cov [X,Y
). (CQFD ≤ –1 = Cor(X,Y) ≤ +1 ⇔
]�V[X].V[Y
ﺗﻔﺳﯾر : ρXY
إذا : ρXY = ±1ﺗوﺟد ﻋﻼﻗﺔ ﺗﺎﺑﻌﯾﺔ relation foctionnelleﺧطﯾﺔ ﺑﯾن Xو Yأي ) Y = a.X + b :و ρXY = +1إذا (a> 0
إذا : ρXY → +1ﺗوﺟد ﻋﻼﻗﺔ ﺧطﯾﺔ طردﯾﺔ ﻗوﯾﺔ ﺟدا ﺑﯾن Xو) Yاﻧظر اﻟﻲ اﻟﺑﯾﺎن(.
إذا : ρXY → -1ﺗوﺟد ﻋﻼﻗﺔ ﺧطﯾﺔ ﻋﻛﺳﯾﺔ ﻗوﯾﺔ ﺟدا ﺑﯾن Xو . Y
إذا : ρXY → 0ﻻ ﺗوﺟد ﻋﻼﻗﺔ ﺧطﯾﺔ ﺑﯾن Xو) Yاﻣﺎ ﺗوﺟد ﻋﻼﻗﺔ ﻏﯾر ﺧطﯾﺔ اﻣﺎ XوYﻣﺳﺗﻘﻼن(.
إذا : -0.5 ≤ ρXY ≤ 0.5ﺗوﺟد ﻋﻼﻗﺔ ﺧطﯾﺔ 'ﺿﻌﯾﻔﺔ' ﺑﯾن Xو. Y
ﻧظرﯾﺔ :
إذا Xو ' Yم.ع' ﻣﺳﺗﻘﻼن ،ﻋﻧدﺋذ Cov[X,Y] = 0 :و . ρXY = 0
ﻣﻼﺣظﺔ ھﺎﻣﺔ :اﻟﻌﻛس ﻏﯾر ﺻﺣﯾﺢ )اﻧظر اﻟﻲ اﻟﻣﺛﺎل اﻟﺳﺎﺑق( .
اﻟﺑرھﺎن ) :ﺗﻣرﯾن(.
ﻟﺑرھﺎن أن Cov[X,Y] = E[X.Y]-E[X].E[Y] = 0ﻋﻧدﻣﺎ Xو Yﻣﺳﺗﻘﻼن ﯾﻛﻔﻲ ﺑرھﺎن أن ].E[X.Y] = E[X].E[Y
ﻧﻔﺗرض أن ) (X,Yھو زوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر .اﺳﺗﻘﻼل Xو : f(x,y) = fx(x,.) . fy(.,y) ⇐ Y
𝐂𝐂
-24-
ﻧرﯾد ﺗﺣدﯾد ﺗوزﯾﻊ اﻟﺷﻌﺎع . 𝑽𝑽′ھذا اﻟﺗوزﯾﻊ ﯾﺧﺗﻠف ﻋﻧدﻣﺎ ﯾﻛون اﻟﺳﺣب ﯾﺗم ﺑﺎﻻﻋﺎدة أو ﺑدون اﻋﺎدة.
-(bﺳﺣب ﺑدون اﻋﺎدة ← )∀j, Xj∼H(N, n ; pj ﻣﻼﺣظﺔ :ﻧذﻛرأن -(a :ﺳﺣب ﺑﺎﻻﻋﺎدة ← )∀j, Xj∼B(n ; pj
ﻧرﯾد ﺗﻌﻣﯾم ھذان اﻟﺗوزﯾﻌﺎن اﻟﻲ اﻟﺣﺎﻻت اﻟﻣﺗﻌددة اﻷﺑﻌﺎد أي اﻟﺣﺎﻻت k=2و k= ? ،.... ، k=3
.V′ )= (X1 , X2 , X3 ) ∼ M(n ; p1, p2, p3 ﻧرﻣز اﻟﯾﮫ ﺑـ :
-27-
) و .( Cov[Xi, Xj] = -n.pi.pj ≠ 0 .2اﻟﻣﺗﻐﯾرات 𝑗𝑗 Xھﻲ ﻏﯾر ﻣﺳﺗﻘﻠﺔ ﻷن ∑kj=1 Xj = n
ﻣﻼﺣظﺔ :ھذا اﻟﺗوزﯾﻊ ﯾﺳﻣﺢ ﺗﻌﻣﯾم اﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن اﻟﻲ اﻟﺣﺎﻻت اﻟﻣﺗﻌددة اﻷﺑﻌﺎد .
]V′ = (X1 , X2 , … , Xk=3 ) ∼ PH[N ; n ; p1, p2, p3 ﻧرﻣز اﻟﯾﮫ ﺑـ :
و } = Yﻋدد اﻟﻛرﯾﺎت اﻟﺳوداء ﻓﻲ اﻟﻌﯾﻧﺔ { . { } = Xﻋدد اﻟﻛرﯾﺎت اﻟﺑﯾﺿﺎء ﻓﻲ اﻟﻌﯾﻧﺔ
ﻟﯾﻛن } = Zﻋدد اﻟﻛرﯾﺎت اﻟﺣﻣراء ﻓﻲ اﻟﻌﯾﻧﺔ { .ﻣﺎ ھو اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك ﻟﻠﺛﻼﺛﯾﺔ ) (X,Y, Z؟
اﻟﺣل :
-28-
X∼H(N=10 ; n=3; p1=4/10) ﺑﻣﺎ أن Y∼B(n=3; p2=2/10) وX∼B(n=3; p1=4/10) ﺑﻣﺎ أن
⇐ Y∼H(N=10 ; n=3; p2=2/10) و
𝑁𝑁−𝑛𝑛 V[Y]= np2.q=12/25=0.48 ⇐ وE[X]= np1=12/10
V[Y]= 𝑁𝑁−1 . np2.q وE[X]= np1=12/10
= 7/9.12/25 =0.373
(𝐗𝐗, 𝐘𝐘, 𝐙𝐙)∼PH(N=10; n=3;p1=0.4, p2=0.2, p3=0.4) (𝐗𝐗, 𝐘𝐘, 𝐙𝐙) ∼ M(n=3 ; p1=4/10, p2=2/10, p3=4/10)
𝐂𝐂
-29-
: ( إذا ﻛﺎﻧت داﻟﺗﮫ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲn=2) ﻧﻘول أن 𝑉𝑉 ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ذو ﺑﻌدﯾن
f( v ) = f(x, y) =
1
( 2π )
n
2
⋅
1
det( Σ )
{
⋅ exp − 1 ⋅ ( v - μ )'⋅ Σ −1 ⋅ ( v - μ ) }
2
(ici n = 2)
2
x − µ 2 x − µ y − µy y−µ
1 1 1 x + y
= n ⋅ ⋅ exp− 1
⋅ x
− 2ρ ⋅ ⋅
( 2π ) 2 σ σ ⋅ (1 − ρ xy 2 (1 − ρ ) σ x
2 xy σ σ σ
2)
x y y
x y xy
FIN DU CHAPITRE 1
-30-
Début du Cours On Live N° 4 (Sous-séance_6.1) le
ﺗﻧﺑﯾﮫ :ﻗﺑل ﺑداﯾﺔ ھذا اﻟﻔﺻل ،أود اﻟﺗﻧﺑﯾﮫ اﻟﻰ ﻧﻘطﺔ ﻣﮭﯾﻣﺔ :ھذا اﻟﻔﺻل ﯾﺗﻣﯾزﻧﺳﺑﯾﺎ ﺑﻣﺳﺗوى ﻋﺎﻟﻲ ﻣن اﻟﺻﻌوﺑﺔ و ﺑﺎﻟﺗﺎﻟﻲ
ﯾﺗطﻠب ﻣﻧﻛم ﺑذل ﻣﺟﮭود ﻣﻧﺎﺳب .
اﻟﻔﺻل : 2ﺗوزﯾﻊ داﻟﺔ ﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ Distribution d’une fonction de variables aléatoires
- 2.1ﻣﻘدﻣﺔ :اﻹﺷﻛﺎﻟﯾﺔ اﻟﻌﺎﻣﺔ.
ﻣﺛﺎل ﺗﻣﮭﯾدي :
اﻟﺗﺣﻠﯾل اﻟﺑﯾﺎﻧﻲ ﻟﻠﻣﺷﻛﻠﺔ )أﻧظر اﻟﻲ اﻟﺑﯾﺎن( اﻟﺳؤال :ﻣﺎ ھو ﺗوزﯾﻊ Y؟
-1 ﺑﻣﺎ أن Xھو 'م.ع' ﻣﻧﻔﺻل ⇐ Yھو اﯾﺿﺎ 'م.ع' ﻣﻧﻔﺻل ،إذن :
Py = PxoΨ
ﺗﺣدﯾد ﺗوزﯾﻊ Yﯾﻌود اﻟﻲ ﺗﺣدﯾد اﻷزوج } ] { y= Ψ(x) ; Py[Y=yﻟﻛل .y
أي ﺗﺣدﯾد ﻣﺟﻣوﻋﺔ اﻟﺗﻌرﯾف Ryو اﻟداﻟﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ Pyﻟـ . Y
-1
Ψ
Yﻣﻧﻔﺻل ⇒ }1- Rx={1,2,3,4} ⇒ Ry=Ψ(Rx) = {1,4,9,16
Ex : Si X= 2 ⇒ Y= Ψ(2) = 4
-1
¼ = ])2- ∀y∈Ry : Py[Y=y] = Py[Ψ(X)=y]= Px[X= Ψ (y
-1
¼=]Ex : Py[Y=9]= Py[Ψ(X)=9] = Px[X=Ψ (9)] = Px[X=3
اﻟﻣﺷﻛﻠﺔ اﻟﻌﺎﻣﺔ :ﻟﯾﻛن ' Xم.ع' ﯾﺗﺑﻊ ﺗوزﯾﻊ ﻣﺎ :ﻧﻌرف اﻟﻣﺗﻐﯾر Yﻛﺗﺣوﯾل Ψﻟـ .( Ψ : R1 → R1 ) Y= Ψ(X) : X
ﻣﺎ ھو ﺗوزﯾﻊ Y؟ )ھﻧﺎ ،ﻟﺗﺑﺳﯾط اﻟﻣﺷﻛﻠﺔ ،ﻧﻌﺗﺑر أن Xو Yھﻣﺎ 'م.ع' ذو ﺑﻌد واﺣد (.
-(1ﻧﺑﺣث ﻋن )) Ry = Ψ( Rxﻻﺣظ أن│ ⇐ (│Ry│≤│Rxﺗﺣدﯾد RYﯾﺳﻣﺢ ﺗﺣدﯾد طﺑﯾﻌﺔ ) Yﻣﻧﻔﺻل أو ﻣﺳﺗﻣر(.
• -(2إذا ' Yم.ع' ﻣﻧﻔﺻل ،ﻧﺑﺣث ﻋن اﻟداﻟﺔ اﻹﺣﺗﻣﺎﻟﯾﺔ Pyﻟـ . ∀y∈Ry , Py[Y= y] = ? : Y
• إذا ' Yم.ع' ﻣﺳﺗﻣر ،ﻧﺑﺣث ﻋن داﻟﺔ اﻟﻛﺛﺎﻓﺔ ) g(yﻟـ ) Yأو داﻟﺔ اﻟﺗوزﯾﻊ اﻟﺗراﻛﻣﻲ )g(y) = G’(y) : ( G(y
-1
]Py[Y=y]=Px[X=Ψ (y)]=Px[X=x
Dx y1
]Px[X∈Dx Dy )Dy = Ψ(Dx
1 y2 )Dx = Ψ-1(Dy
ﻣﺛﺎل :ﺣﺎﻟﺔ : 1ﻟﯾﻛون ' Yم.ع' ﻣﻧﻔﺻل و إذا ' Xم.ع' ﻣﻧﻔﺻل )أﻧظر اﻟﻲ ﻣﻌطﯾﺎت اﻟﻣﺛﺎل اﻟﺗﻣﮭﯾدي اﻟﺳﺎﺑق(.
)Dx =Ψ-1(Dy) = {3 , 4} ⇐ Dy= {9 , 16} ⇐ (Y≥5 اﺣﺳب ] P[Y≥5؟
⇔ )X∼B(0.977 -1
Py[Y=1] = Px[X∈Ψ (1)] = P[X≤ 2] = Φ(2) = 0.977
-32-
إذا ' Yم.ع' ﻣﺳﺗﻣر )إذن Xھو ،اﺟﺑﺎرﯾﺎ' ،م.ع' ﻣﺳﺗﻣر( ،ﻧﺑﺣث ﻋن داﻟﺔ اﻟﺗوزﯾﻊ ﻟـ Yأي ): G(y
ﻣﺛﺎل :
2
ﻟﯾﻛن ' Xم.ع' ﺑﺣﯾث . X∼ U[-1; 1] :ﻧﻌرف Yﻛﻣﺎ ﯾﻠﻲ .𝑌𝑌 = Ψ(X) = 𝑋𝑋 :ﻣﺎ ھو ﺗوزﯾﻊ (g(y) = ?) Y؟
- 1ﺗﺣدﯾد ﻣﺟﻣوﻋﺔ اﻟﺗﻌرﯾف ' Y ⇐ Ry = Ψ( Rx) = [0 , 1] : Yم.ع' ﻣﺳﺗﻣر.
- 2ﻧﺑﺣث ﻋن داﻟﺔ اﻟﺗوزﯾﻊ ) G(yﻟـ .Y
ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺣوﯾل ﯾﺗﻣﯾز ﺑﺑﻌض اﻟﺧﺻﺎﺋص )اﺳﺗﻣرارﯾﺔ ،ﺗﻘﺎﺑﻠﻲ ،ﻗﺎﺑل ﻟﻼﺷﺗﻘﺎق ، (... ،ﻧﺳﺗﻌﻣل اﻟﻧظرﯾﺔ اﻟﺗﺎﻟﯾﺔ :
ﻟﯾﻛن ' Xم.ع' ﻣﺳﺗﻣر و ) f(xداﻟﺔ ﻛﺛﺎﻓﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ .ﻧﻌرف اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ) Y = ψ(Xﺑﺣﯾث ψھﻲ داﻟﺔ ﻣﺳﺗﻣرة ،
رﺗﯾﺑﺔ )ﻣﺗزاﯾدة أو ﻣﺗﻧﺎﻗﺻﺔ ⇐ ﻟﮭﺎ داﻟﺔ ﻋﻛﺳﯾﺔ وﺣﯾدة( وﻟﮭﺎ ﻣﺷﺗﻘﺔ اوﻟﻲ ) ψ’(.ﻏﯾر ﻣﻌدوﻣﺔ ﻓﻲ ، xﻋﻧدﺋذ ،اﻟداﻟﺔ اﻟﻛﺛﺎﻓﺔ
اﻻﺣﺗﻣﺎﻟﯾﺔ ﻟـ Yھﻲ ): g(y
اﻟﺑرھﺎن :
𝑑𝑑𝑑𝑑
⇐ ) ) ψو (ψ-1ﻣﺗزاﯾدة(. • ﺣﺎﻟﺔ = ψ’(𝑥𝑥) > 0 : 1
𝑑𝑑𝑑𝑑
]G(y) = Py[Y ≤ y] = Py[ψ(X) ≤ y]= P[ψ-1(ψ(X)) ≤ ψ-1(y)] = P[X ≤ ψ-1(y)] = Fx[ψ-1(y) ] = Fx[x
)𝑦𝑦( 𝑑𝑑𝑑𝑑 )𝑥𝑥( 𝑑𝑑𝐹𝐹x 𝑑𝑑𝑑𝑑 )𝑥𝑥( 𝑑𝑑𝐹𝐹x 𝑑𝑑𝑑𝑑 ) 𝑥𝑥( 𝑓𝑓 ) 𝑥𝑥( 𝑓𝑓
= )g(y = = |)𝑥𝑥( . 𝑑𝑑𝑑𝑑 = 𝑓𝑓 (𝑥𝑥). [ 𝑑𝑑𝑑𝑑 ]−1 = 𝑓𝑓(𝑥𝑥). [ ψ′ (𝑥𝑥)]−1 = ψ′ (𝑥𝑥) = |ψ′ car ψ’(x)> 0
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
𝑑𝑑𝑑𝑑
⇐ ) ) ψو (ψ-1ﻣﺗﻧﺎﻗﺻﺔ(. • ﺣﺎﻟﺔ = ψ’(x) < 0 : 2
𝑑𝑑𝑑𝑑
Fin du Cours اﻟطرﯾﻘﺔ : (Jacobien) 2ﺑﻣﺎ أن اﻟﺗﺣوﯾل Ψﯾﺣﻘﯾق )ﻓﻲ ( R+ﺷروط ﺗطﺑﯾق ﻧظرﯾﺔ ﺟﺎﻛوﺑﻲ :
On Live N°4 2
𝑦𝑦𝑒𝑒− 2 )𝑥𝑥( 𝑓𝑓 𝑥𝑥𝑒𝑒 −
Sous-séance_6.1 le g(y) = −1 ∗ 𝑦𝑦= 2𝑦𝑦. 𝑒𝑒− ⇐ )1R+(y = ) g(yﻧﻌوض xﺑـ y2
|)𝑥𝑥( |ψ′
= ⇐
� �
�𝑦𝑦2 ��−1 �
𝑥𝑥√2
-34-
Début du Cours On Live N° 5 (Sous-séance_6.2) le
ﻓﻲ ھذا اﻟﻔﻘرة ﻧﻌﺗﺑر اﻟﺣﺎﻟﺗﺎن ) :ﺣﺎﻟﺔ n =2 , p = 1 :ﺗﺣوﯾل ﺳﻠﻣﻲ( و )ﺣﺎﻟﺔ n = p = 2 :ﺗﺣوﯾل ﺷﻌﺎﻋﻲ( ( Ψ : R2 → Rp :
اﻟﻣﺷﻛﻠﺔ :ﻟﯾﻛن ) (X,Yﺷﻌﺎع ﻋﺷواﺋﻲ )ذو اﻟﺑﻌدﯾن ( n =2ﻟﮫ ﻣﺟﻣوﻋﺔ ﺗﻌرﯾف .Rxy ⊆R2
اﻟﻣﻧﮭﺟﯾﺔ اﻟﻌﺎﻣﺔ ﻟﺗﺣدﯾد ﺗوزﯾﻊ )) ψ(X,Yﻧﻌﺗﺑرﻓﻲ اﻟﺑداﯾﺔ أن ، n = p = 2 :ﻧﺣول زوج اﻟﻲ زوج أﺧر ( ھﻲ :
-(1ﻧﺑﺣث ﻋن ) ⇐ Ruv = Ψ( Rxyﺗﺣدﯾد Ruvﯾﺳﻣﺢ ﺗﺣدﯾد طﺑﯾﻌﺔ اﻟزوج )) (U,Vﻣﻧﻔﺻل أو ﻣﺳﺗﻣر(.
• -(2إذا ) (U,Vﺷﻌﺎع )زوج( ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ،ﻧﺑﺣث ﻋن ﺗﺣدﯾد ? = ]. ∀(u,v)∈Ruv , Puv[U= u∩V=v
• إذا ) (U,Vزوج ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ،ﻧﺑﺣث ﻋن داﻟﺔ اﻟﺗوزﯾﻊ ) G(u,vﻟـ )) (U,Vأو )(g(u,v) =G’(u,v
-1
Puv = PxyoΨ اﻟﺗﺣﻠﯾل اﻟﺑﯾﺎﻧﻲ ﻟﻠﻣﺷﻛﻠﺔ )ﺣﺎﻟﺔ : ( n = p = 2
x u
Rxy⊆R Ruv = Ψ( Rxy)⊆R2
2
0
Pxy )Ψ(.
]Pxy[X=x∩Y= y x )• (x,y
Ψ )•(u,v) =Ψ(x,y
-1
u
Dxy
Dxy Duv )Duv = Ψ(Dxy
Ψ
-1
]Pxy[(X,Y)∈Dxy
1 O y y O v v
)Dxy = Ψ-1(Duv
ﻧظرﯾﺔ :
ﻟﯾﻛن ) (X,Yزوج ﻋﺷواﺋﻲ ﻟﮫ ﻣﺟﻣوﻋﺔ اﻟﺗﻌرﯾف .Rxy ⊆R2
ψ
،(x, y) ⊢�⎯� ψ(x,y) = (u,v)∈Ruv ⊆R2ﻋﻧدﺋذ : ﻧﻌﺗﺑر اﻟﺗﺣوﯾل اﻟﺗﺎﻟﻲ ) ψ(.ﻟـ ): (X,Y
∑∑ P[ X = x ∩ Y = y ] si (X, Y) est discret
-1 ) ( x, y )∈Ψ (u ,v
−1
∀(u,v)∈Ruv : Puv[U=u ∩V=v]=Pxy[(X,Y)∈Ψ (u,v)] =
∫∫ f ( x, y).dx.dy si (X, Y) est continu
) ( x, y )∈Ψ −1 (u ,v
Y
X
0 1 2 ﻣﺛﺎل :ﺗﺣوﯾل زوج ﻋﺷواﺋﻲ ﻣﻧﻔﺻل.
0 4/20 3/20 3/20 ﻧﻌﺗﺑر اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك ﻟﻠزوج ) (X,Yاﻟﻣﻌطﻲ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ :
1 3/20 1/20 1/20 ﻧﻌرف اﻟﻣﺗﻐﯾرات اﻟﺗﺎﻟﯾﺔ D = │X-Y│ ، S = X+Y :و . P = X.Y
ﺣ ّدد اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﯾر Pو اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك ﻟﻠزوج ). (S,D
2 3/20 1/20 1/20
اﻟﺣل :
)و اﻟﺤﺘﻤﺎﻻت ( pij ﺟدول اﻟﻘﯾم (S, D) :و Pﺣﺴﺐ XوY اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك ﻟـﻠزوج )(S, D P اﻟﺘﻮزﻳﻊ اﻻﺣﺘﻤﺎﱄ ﻟـ
D
Y 0 1 2 pi ]P[P= pi
0 1 2 S
X
)(s,d)= (0,0 )(s,d)=(1, 1 )(s,d)= (2, 2 0 4/20 0 0
0 0 16/20
p = 0 4/20 p = 0 3/20 p = 0 3/20 1 0 6/20 0
3/20
1 1/20
)(s,d)= (1,1 )(s,d)= (2,0 )(s,d)= (3, 1 2 1/20 0 6/20
1
p = 0 3/20 p = 1 1/20 p=2 1/20
2 2/20
3 0 2/20 0
)(s,d)= (2,2 )(s,d)= (3,1 )(s,d)= (4,0
2 4 1/20
p=0 3/20 p = 2 1/20 p = 4 1/20 4 1/20 0 0
-36-
.2ﺗﻘﺎﺑﻠﻲ )أي ψﻟﮫ ﺗطﺑﯾق ﻋﻛﺳﻲ وﺣﯾد .[ ψ-1(U,V) = (X= ψ1-1(U,V) , Y= ψ2-1(U,V))] :
ﻣﻼﺣظﺔ :ﻋﻧدﻣﺎ ﺗﻛون ﺷروط ﺗطﺑﯾق طرﯾﻘﺔ 'ﺟﺎﻛوﺑﻲ' ﻏﯾر ﻣﺣﻘﻘﺔ ،ﻧﺳﺗﻌﻣل طرﯾﻘﺔ ' داﻟﺔ اﻟﺗوزﯾﻊ اﻟﺗراﻛﻣﻲ اﻟﻣﺷﺗرﻛﺔ '.
ﻣﺛﺎل : 6
ﻟﯾﻛن )' (X,Yز.ع' ﻣﺳﺗﻣر ﺑﺣﯾث داﻟﺔ ﻛﺛﺎﻓﺗﮫ اﻻﺣﺗﻣﺎﻟﯾﺔ اﻟﻣﺷﺗرﻛﺔ ) f(x,yھﻲ ﻣﻌرﻓﺔ ﻛﻣﺎ ﯾﻠﻲ :
اﻟﺣل :
.1ﺑﻣﺎ أن اﻟﺗﺣوﯾل ) ψ = ( ψ1 , ψ2ھو ﺗﺣوﯾل ﺧطﻲ ⇐ ψھوﻣﺳﺗﻣر ،ﻟﮫ ﻣﺷﺗﻘﺎت ﺟزﺋﯾﺔ ﻣن اﻟدرﺟﺔ اﻷﻟﻰ
وھو ﺗطﺑﯾق ﺗﻘﺎﺑﻠﻲ )⇐ ﻟﮫ ﺗطﺑﯾق ﻋﻛﺳﻲ وﺣﯾد( ⇐ ﯾﻣﻛن اﺳﺗﻌﻣﺎل طرﯾق 'ﺟﺎﻛووﺑﻲ'.
-1
ﺑﺣﯾث . (𝑥𝑥 = ψ1 −1 (𝑠𝑠, 𝑑𝑑 ) , 𝑦𝑦 = ψ2 −1 (𝑠𝑠, 𝑑𝑑 )) : |)g(s,d) = f(x,y)*|dét(J ﺣﺳب ﻧظرﯾﺔ 'ﺟﺎﻛوﺑﻲ' :
)) 𝑦𝑦𝑑𝑑(ψ1 (𝑥𝑥, )) 𝑦𝑦𝑑𝑑(ψ2 (𝑥𝑥, )𝑆𝑆(𝑑𝑑 )𝐷𝐷(𝑑𝑑
• ﺗﺣدﯾد )𝑦𝑦 𝑓𝑓�ψ𝟏𝟏−1 (𝑠𝑠, 𝑑𝑑 ) , ψ𝟐𝟐 −1 (𝑠𝑠, 𝑑𝑑 )� = 𝑓𝑓 (𝑥𝑥,ﺗﺎﺑﻊ ﻟﻠﻣﺗﻐﯾرﯾن s :و . d
−1 𝑑𝑑𝑠𝑠+
𝑦𝑦 𝑠𝑠 = 𝑥𝑥 + = ) 𝑑𝑑 𝑥𝑥 = ψ1 (𝑠𝑠,
� ⇔ )(s,d) = ψ(x,y) = ( ψ1(x,y) = x+y, ψ2(x,y) = x-y �⇔ 2
𝑦𝑦 𝑑𝑑 = 𝑥𝑥 − ( −1
= ) 𝑑𝑑 𝑦𝑦 = ψ2 𝑠𝑠,
𝑑𝑑𝑠𝑠−
2
𝑑𝑑𝑠𝑠+𝑑𝑑 𝑠𝑠−
. f(x,y) = e – (x (+ y) = 𝑒𝑒 − 2
+
2
)
𝑠𝑠= 𝑒𝑒 − ﻧﺳﺗﻧﺗﺞ :
• اﻟﺧﻼﺻﺔ :
⇒ g(s,d) = f(x,y)*|𝒅𝒅ét( 𝐉𝐉)|−𝟏𝟏 = e-s*|−2| = .e-s
-1
-2.3ﺗوزﯾﻊ داﻟﺔ ﺟﻣﻊ ﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ ﻣﺳﺗﻘﻠﺔ .Distribution de la fonction somme de v.a indépendantes
ﻧﻌﺗﺑر اﻟﺗوزﯾﻊ اﻟﻣﺷﺗرك ﻟﻠزوج ) (X,Yاﻟﻣﻌطﻲ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ ﺑﺣﯾث Xو ' Yم.ع' ﻣﺳﺗﻘﻼن .
Y
0 1 2 ﻣﻼﺣظﺔ :ﯾﻣﻛن ﺗﺣﻘﯾق ﺑﺳﮭوﻟﺔ أن X∼ B(1 ; 1/2) :و )، Y∼ B(2 ; 1/2
X
0 1/8 1/4 1/8 ﻧﻌرف اﻟﺗﺣوﯾل ) ψ(X,Yﻛﻣﺎ ﯾﻠﻲ .ψ(X,Y) = S = X + Y :
1 1/8 1/4 1/8 ﺣ ّدد اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﯾر ) Sأي اﻷزواج } ] { si ; Ps[S = siﻟﻛل .( si∈Rs
-38-
اﻟﺣل :اﻟﺑﯾﺎن اﻟﺗﺎﻟﻲ ﯾﺟﻣﻊ ﻣﻌطﯾﺎت اﻟﻣﺷﻛﻠﺔ و 'ﻣﻌﺎﻟﺟﺗﮭﺎ' :ﺗﺣدﯾد ﻣﺟﻣوﻋﺔ اﻟﺗﻌرﯾف Rsو اﻟداﻟﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ Psﻟـ . S
Ps[S =1] =Pxy[(X,Y)∈S-1(1)] = Pxy[(X,Y) = (0,1)] + Pxy[ (X,Y) = (1,0)] = ¼ +1/8 =3/8
]𝑦𝑦 = 𝑌𝑌 ∩ 𝑥𝑥 = 𝑋𝑋[𝑃𝑃 = ∑𝑥𝑥+𝑦𝑦=𝑠𝑠=1 𝑃𝑃𝑥𝑥𝑥𝑥 [(X, Y) = (𝑥𝑥, 𝑦𝑦)] = ∑𝑥𝑥+𝑦𝑦=𝑠𝑠=1 )ﺑﺷﻛل ﻋﺎم (
… …… etc.
-2.3.1طرﯾﻘﺔ ﺟذأ اﻟﺗزوﯾﺞ .Méthode du produit de convolution
ﻣﻼﺣظﺔ :إذا ﻛﺎن ﯾﻣﻛن أن Xأو Yﯾﺄﺧذ ﻗﯾم ﺳﺎﻟﺑﺔ ،ﻋﻧدﺋذ 'اﻟﺟﻣﻊ ∑ ' ﯾﺗم ﺑﺎﻟﻧﺳﺑﺔ ﻟﻸزوج ) (x,yاﻟﺗﻲ ﺗﺣﻘق . s = x+y
اﻟﺑرھﺎن :
} )1- RS = ? . s = x + y : x≥0 , y≥0 ⇒ RS ={ Min(S)= (0+0) ,…, Max(X) + Max(Y
X ,Y indép
= = ]𝑦𝑦 = 𝑌𝑌 [𝑃𝑃 ∗ ]𝑥𝑥 = 𝑋𝑋[𝑃𝑃 𝑠𝑠=𝑦𝑦∑𝑥𝑥+
]𝑦𝑦 = 𝑌𝑌 [𝑃𝑃 ∗ ]𝑦𝑦 = ∑𝑠𝑠𝑥𝑥=0 𝑃𝑃[𝑋𝑋 = 𝑥𝑥] ∗ 𝑃𝑃[ 𝑌𝑌 = 𝑠𝑠 − 𝑥𝑥] = ∑𝑠𝑠𝑦𝑦=0 𝑃𝑃[𝑋𝑋 = 𝑠𝑠 −
ﻧﻘول أن ] Ps[S = sھﻲ ﺟذاء اﻟﺗزوﯾﺞ اﻟداﻟﺗﯾن اﻻﺣﺗﻣﺎﻟﺗﯾن ﻟـ Xو Yو ﻧرﻣزاﻟﯾﮫ ﺑـ Ps= PxPy :
-39-
ﻣﺛﺎل ) :اﻧظر اﻟﻲ اﻟﻣﺛﺎل اﻟﺳﺎﺑق و اﻟﻲ اﻟﻔرع -2.4اﺳﺗﻘرار اﻟﺗوزﯾﻌﺎت اﻟﺷﮭﯾرة )ذو اﻟﺣدﯾن أو 'ﺑواﺳون'( اﻟﻼﺣق (.
ﻧﻘول أن ) g(sھﻲ ﺟذاء اﻟﺗزوﯾﺞ اﻟداﻟﺗﯾن اﻟﻛﺛﺎﻓﺗﯾن ﻟـ Xو Yو ﻧرﻣزاﻟﯾﮫ ﺑـ gs= fxfy :
ﻣﺛﺎل :
ﻟﯾﻛن Xو ' Yم.ع' ﻣﺳﺗﻘﻼن ﺑﺣﯾث ) X ∼ ξ(2و ) .Y ∼ ξ(1ﺣ ّدد الداﻟﺔ اﻟﻛﺛﺎﻓﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ ﻟـ Sإذا .S=Ψ(Rx) = X+Y
[∝ 1- RS = Ψ(Rx) = { s∈R : s = x+y , x∈R+ , y∈R+ } = [0, (Max(X) + Max(Y)[ = [0 , +
𝑠𝑠 . 𝑠𝑠 𝑠𝑠 𝑠𝑠
= 𝑑𝑑𝑑𝑑 2- 𝑔𝑔(𝑠𝑠) = ∫0 𝑓𝑓(𝑥𝑥, . ) ∗ 𝑓𝑓𝑦𝑦 �. , 𝑠𝑠 − 𝑥𝑥 �𝑑𝑑𝑑𝑑 ∫0 𝑒𝑒 −2𝑥𝑥 ∗ 𝑒𝑒 −(𝑠𝑠−𝑥𝑥) . 𝑑𝑑𝑑𝑑 = ∫0 𝑒𝑒 −2𝑥𝑥 ∗ 𝑒𝑒 −(𝑠𝑠−𝑥𝑥) . 𝑑𝑑𝑑𝑑 = ∫0 𝑒𝑒 −(𝑠𝑠+𝑥𝑥) .
𝑠𝑠 𝑠𝑠
)𝒔𝒔( = � 𝑒𝑒 −𝑠𝑠 ∗ 𝑒𝑒 −𝑥𝑥 . 𝑑𝑑𝑑𝑑 = 𝑒𝑒 −𝑠𝑠 � 𝑒𝑒 −𝑥𝑥 . 𝑑𝑑𝑑𝑑 = 𝑒𝑒 −𝑠𝑠 . [−𝑒𝑒 −𝑥𝑥 ]0𝑠𝑠 = 𝑒𝑒 −𝑠𝑠 . ( −𝑒𝑒 −𝑠𝑠 + 𝑒𝑒 −0 ) = (𝒆𝒆−𝒔𝒔 − 𝒆𝒆−𝟐𝟐𝟐𝟐 ). 𝟏𝟏𝑹𝑹+
ﻓﻲ ﺑﻘﯾﺔ ھذا اﻟﻔرع ﺳﻧرﺗﻛز ﻓﻘط ﺣول ﺑﻌض اﻟﺗﺣوﯾﻼت اﻟﺧطﯾﺔ ﻟﺷﻌﺎع ﻋﺷواﺋﻲ )دراﺳﺔ ﻣﺷﻛﻠﺔ اﺳﺗﻘرار اﻟﺗوزﯾﻌﺎت اﻟﺷﮭﯾرة(
و ﺑﻌض اﻟﺗﺣوﯾﻼت ﻏﯾر ﺧطﯾﯾﺔ )ﺗﻘدﯾم ﺗوزﯾﻌﺎت t ، χ2و .( F
2- ∀s∈RS , Ps[S = s] = ?
Ps[S = s] = 𝑝𝑝 𝑠𝑠 . 𝑞𝑞 (𝑛𝑛 1 +𝑛𝑛 2 )−𝑠𝑠 . 𝐶𝐶𝑛𝑛𝑠𝑠1 +𝑛𝑛 2 ≡ ( p ( وn1+ n2) ) ھﻲ اﻟداﻟﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ ﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن ﺑﺎﻟﻣﻌﻠﻣﺗﯾن
⇒ S = X+Y ∼ B(n1+ n2 ; p) (CQFD).
. n1 = 2.n2= 10 و i = 1,2 ﻟـXi ∼ B(ni ; 1/4) ع' ﻣﺳﺗﻘﻼن ﺑﺣﯾث. 'مX2 وX1 ﻟﯾﻛن: ﻣﺛﺎل
. P[X1 + X2 = 0] : أﺣﺳب ﺑطرﯾﻘﺗﯾن ﻣﺧﺗﻠﻔﺗﯾن اﻻﺣﺗﻣﺎل
𝑖𝑖𝑖𝑖𝑖𝑖 é𝑝𝑝
0 10 0 5
• 1 méthode : P[X1+X2 = 0] = P[(X1=0)∩(X2= 0)] =
ère
⏞ P[X1= 0]∗P[X2= 0] = 𝐶𝐶10
0
. �14� . �34� ∗ 𝐶𝐶50 . �14� . �34� =
= 0.0563 ∗ 0.2373 = 0.013359
𝑇𝑇ℎé𝑜𝑜
0
• 2ère méthode : Soit S = X1 + X2 ⏞
∼ β(10 + 5 ; 1/4) ⇒ P[X1+ X2 = 0] = P[S = 0] = 𝐶𝐶15 . (14)0 . (34)15 = 0.01336
)𝑒𝑒−(λ1+λ2
= ]Ps[S = s !𝑠𝑠
. (λ1 )ھﻲ اﻟداﻟﺔ اﻻﺣﺗﻣﺎﻟﯾﺔ ﻟﺗوزﯾﻊ Poissonﺑﺎﻟﻣﻌﻠﻣﺔ )+ λ2 )𝑆𝑆 ≡ ( (λ1+ λ2
⇒ S = X+Y ∼ P(λ1 + λ2) (CQFD).
و . λ1 = 2.λ2= 0.5 i = 1,2 ﻣﺛﺎل :ﻟﯾﻛن X1و ' X2م.ع' ﻣﺳﺗﻘﻼن ﺑﺣﯾث ) Xi ∼ P(λiﻟـ
أﺣﺳب ﺑطرﯾﻘﺗﯾن ﻣﺧﺗﻠﻔﺗﯾن اﻻﺣﺗﻣﺎل . P[X1 + X2 = 0] :
𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖 é
(0.5)0 ∙𝑒𝑒 −0.5 (0.25)0 ∙𝑒𝑒 −0.25
= ])• 1 méthode : P[X1+X2 = 0] =P[(X1=0)∩(X2= 0
ère
=]⏞ P[X1= 0]∗P[X2= 0 ∗ =
!0 !0
= 0.60653 ∗ 0.7788 = 0.47236
𝑜𝑜𝑇𝑇ℎé
(0.75)0 ∙𝑒𝑒 −0.75
= ]∼ P(0.5+0.25) ⇒ P[X1+ X2 = 0] = P[S = 0
⏞ • 2ère méthode : Soit S = X1 + X2 !0
= 0.47237
ﻧظرﯾﺔ ) 4ﺗﻌﻣﯾم( :ﻟﺗﻛن } {X1, …Xi, …, Xnﻣﺗﺗﺎﻟﯾﺔ ﻣن ' nم.ع' ﻣﺳﺗﻘﻠﺔ ﺗﺗﺑﻊ ﻧﻔس اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ’،`i.i.d
أي ، Xi ∼N[µ ; σ] , ∀iﻋﻧدﺋذ :
] C = ∑𝑛𝑛𝑖𝑖=1 𝛼𝛼𝑖𝑖 . 𝑋𝑋𝑖𝑖 ∼ N[µ.∑𝑛𝑛𝑖𝑖=1 𝛼𝛼𝑖𝑖 ; σ. �∑𝑛𝑛𝑖𝑖=1 𝛼𝛼𝑖𝑖2 و ]S = ∑𝑛𝑛𝑖𝑖=1 𝑋𝑋𝑖𝑖 ∼ N[ n.µ ; √𝑛𝑛.σ
)S = X+Y ∼ γ (r + v ; θ ﻧظرﯾﺔ : 1ﻟﺗﻛن Xو ' Yم.ع' ﻣﺳﺗﻘﻼن ﺑﺣﯾث X∼ γr(θ) :و ) ، Y∼ γv(θﻋﻧدﺋذ :
ﻧﻘول أن ﺗوزﯾﻊ ' ﻗٌﺎﻣﺎ ' ﻣﺳﺗﻘر ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺟﻣﻊ .
Fin du Cours On Live N° 6 (Sous-séance_7.1) le 𝑟𝑟 𝜃𝜃
= ) 𝑥𝑥( 𝑓𝑓 ﻣﻼﺣظﺔ :ﻧذﻛر أن :إذا ). 𝒙𝒙𝒓𝒓−𝟏𝟏 𝒆𝒆−𝜃𝜃.𝑥𝑥 : X∼ γr(θ
)𝑟𝑟(Γ
ﺗﻣﺎرﯾن اﻟﺳﻠﺳﻠﺔ رﻗم 2اﻟﻣﺗﻌﻠﻘﺔ ﺑﻣﺣﺗوى ھذه اﻟﺣﺻﺔ )اﻟﻔرع( 8 ، 7 ،6 ، 5 :و 9
-42-
Début du Cours On Live N° 7 (Sous-séance_7.2 ) le
ﻧﺳﻣﻲ اﻟﻣﻌﻠﻣﺔ " nﻋدد دراﺟﺎت اﻟﺣرﯾﺔ" ﻟـ .(Nombre de degré de liberté (d.d.l) χ
2
-(cﻧظرﯾﺔ : 1
ﻟﺗﻛن n X1, X2, …. , Xnﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ ﻣﺳﺗﻘﻠﺔ و ﺗﺗﺑﻊ ﻧﻔس اﻟﺗوزﯾﻊ )أي ∀i, Xi ∼N(µi ;σi) :( i.i.d
2
n X −µ
=K ∑ i i ) 𝑛𝑛(∼ χ2 ﻋﻧدﺋذ :
i = 1 σi
اﻟﺟدول اﻟﻼﺣق ﯾﻌطﻲ 'اﻷﺟزاء' ) (quantilesﺑﺎﻟﺗرﺗﯾب ) p = (1-αﻟﺗوزﯾﻊ ) 𝑛𝑛( ، χ2ﻧرﻣز اﻟﯾﮭم ﺑـ :
. P[K > χ (2n ) (1 − p ) ] = 1- p أو P[K ≤ χ2(𝑛𝑛; 𝑝𝑝 ) ] = p ﺑﺣﯾث :
)f(k
p
)χ ( n ; p ) = χ ( n ) 1 − p
k
0 2 2
(
⇒ Ex : Si n = 5 et p = 0.90 ⇒ χ2(5;0.90) = 9.24
ﻣﺛﺎل :
= )χ2(90 ;0.99 χ (290 ) (0.01) = 124.1 χ2(9 ;0.05 ) =3.33 χ2(1 ;0.90) = 2.71
p
n=v
-44-
ﻣﻼﺣظﺔ :ﺗوﺟد ﺟدوال أﺧرى ﻟﮭذا اﻟﺗوزﯾﻊ .ﻛل ﺟدول ﯾﻘرأ و ﯾﺳﺗﻌﻣل ﺣﺳب اﻟﻣﻌﻠوﻣﺎت )ﺗﻌرﯾف( اﻟﻣﻘدﻣﺔ ﻓﻲ اﻟﻣﻧطﻘﺔ اﻷﻓوﻗﯾﺔ .
𝒁𝒁 𝒁𝒁√𝑛𝑛.
= ) Tﺗﺣول ﻏﯾرﺧطﻲ( . = ﻧﻌرف اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ :
𝐊𝐊 𝑲𝑲√
�
n
ﻧﻘول أن Tﯾﺗﺑﻊ اﻟﺗوزﯾﻊ (student) tﺑﺎﻟﻣﻌﻠﻣﺔ nو ﻧرﻣز اﻟﯾﮫ ﺑـ . T ∼ t(n) :
ﻧﺳﻣﻲ اﻟﻣﻌﻠﻣﺔ " nﻋدد دراﺟﺎت اﻟﺣرﯾﺔ" ﻟـ .(Nombre de degré de liberté (d.d.l) T
ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﻘﯾم اﻟﺳﺎﻟﺑﺔ ﻟـ tﻧﺳﺗﻌﻣل ﺧﺎﺻﯾﺔ ﺗﻧﺎظر اﻟﺗوزﯾﻊ ⇐ )𝑝𝑝) 𝑡𝑡(𝑛𝑛; 𝑝𝑝) = −𝑡𝑡(𝑛𝑛;1−ﻋﻧدﻣﺎ ( p < 0.5
)ﻛﻣﺎ ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري (.
)p = (1-α
α =1-p
α =1-p
0
𝒕𝒕
ﻣﻼﺣظﺔ :ﺗوﺟد ﺟدوال أﺧرى ﻟﮭذا اﻟﺗوزﯾﻊ .ﻛل ﺟدول ﯾﻘرأ و ﯾﺳﺗﻌﻣل ﺣﺳب اﻟﻣﻌﻠوﻣﺎت )ﺗﻌرﯾف( اﻟﻣﻘدﻣﺔ ﻓﻲ اﻟﻣﻧطﻘﺔ اﻷﻓوﻗﯾﺔ .
p
n=v
𝑡𝑡(20;0.05 ) =−𝑡𝑡(20;0.95) == -1.725 , t (8) ( 0.025 ) = 2.306 , ﻣﺛﺎل 𝑡𝑡(100;0.90) =1.29 , 𝑡𝑡(9;0.995)=3.25 :
-46-
0.95 , 0.79 , 0.001 .4أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﯾﺔ . P[T≤ 2.086] ، P[-0.86 ≤ T ≤ 2.53] ، P[T>3.55] :
b = 0.86 , a = -2528 .5أوﺟد اﻟﻘﯾم aو bﺑﺣﯾث P[ T > a ] = 0.99 :و . P[ b≤ T ≤ 1.725 ] = 0.15
. F ∼ F(n
) 1 , n2
ﺑﺎﻟﻣﻌﻠﻣﺗﯾن n1و ، n2ﻧرﻣز اﻟﯾﮫ ﺑـ : ﻧﻘول أن Fﯾﺗﺑﻊ اﻟﺗوزﯾﻊ ﻓﯾﺷر
اﻟﻣﻌﻠﻣﺗﯾن n1و n2ﺗدﻋﻲ "ﻋدد دراﺟﺎت اﻟﺣرﯾﺔ " ﻟـ .F
𝟐𝟐𝒏𝒏
]V[X )(n2 > 4 و = ]E[X )(n2 > 2 .2
𝟐𝟐𝒏𝒏𝟐𝟐 −
F(2, 20)B
.3ﺑﯾﺎن اﻟﺗوزﯾﻊ : F
F(20, 20)R
p
α =1-p
1-p
n1
n2
2ème type de table (mais pour 02 niveaux de probabilité seulement : p=0.95 et p=0.975)
1
. 𝐹𝐹 (𝑛𝑛1 , 𝑛𝑛2 ; 𝑝𝑝) = : ﺑرھن اﻟﻧﺗﯾﺟﺔ اﻟﺗﺎﻟﯾﺔ: ﺗﻣرﯾن
𝐹𝐹 (𝑛𝑛 2 ,𝑛𝑛 1 ;1−𝑝𝑝 )
FIN DU CHAPITRE 2
-49-
Début du Cours On Live N° 8 (Sous-séance_9.1 ) le
ﻣﺛﺎل :ﻧﻌﺗﺑر الﺗﺟرﺑﺔ اﻟﻌﺷواﺋﯾﺔ } = ξرﻣﻲ ﻗطﻌﺔ ﻧﻘدﯾﺔ ﻏﯾر ﻣﺗزﻧﺔ nﻣرات { ﺑﺣﯾث .P[‘Face’] = p = 0.1
ﻟﯾﻛن ' Xnم.ع' ﻣﻌرف ﻛﻣﺎ ﯾﻠﻲ } = Xn :ﻋدد اﻟوﺟوه ’ ‘Faceاﻟﺗﻲ ﻧﺗﺣﺻل ﻋﻠﯾﮭﺎ { .
ﻧﻌﻠم أن .Xn ∼ B(n ; p = 0.1) :
اﻟﻣطﻠوب :اﺣﺳب اﻻﺣﺗﻣﺎﻟﯾن ] P[Xn =101.000و ] P[Xn ≤101.000ﻋﻧدﻣﺎ . n = 106
101000 6 −999000
P[Xn =101.000] = 𝐶𝐶10 6 . (0.1)101000 . (0.9)10 ?=
𝑥𝑥 𝑥𝑥6 −
P[Xn ≤101.000] =∑101000
𝑥𝑥=0 𝐶𝐶10 𝑥𝑥
)6 . (0.1) . (0.9
10
?=
ﻣﺎذا ﻧﻼﺣﻆ ؟ ﺣﺳﺎب اﻷﺣﺗﻣﺎﻟﯾن 'ﺻﻌب' و ﻟو ﻛﺎﻧت ﺻﯾﻐﺔ اﻟﺣﺳﺎب ﻣﻌﻠوﻣﺔ و ﺳﺎھﻠﺔ .
اﻟﺳؤال :
ھل ﯾﻣﻛن ﺣﺳﺎب ،ﺑﺎﻟﺗﻘرﯾب ﻣرﺿﻲ و ﻟﻛن ﺑﺳﮭوﻟﺔ )ﺑدون ﺣﺳوب(،ھذﯾن اﻻﺣﺗﻣﺎﻟﯾن ؟
أو ،ﻣﺎ ھو اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ )اﻟﺗﻘرﯾﺑﻲ( اﻟذي ﯾﻣﻛن اﺳﺗﻌﻣﺎﻟﮫ ﻟﺗﺳﮭﯾل ھذا اﻟﺣﺳﺎب ؟
ھذا اﻟﺳؤال ﯾطرح ﻣﺷﻛﻠﺔ ﺗدﻋﻰ " ﺗﻘﺎرب ﺑﺎﻟﻘﺎﻧون " .convergence en loi
𝑳𝑳
) . X𝑛𝑛 → N[np, �np(1 − pﻋﻧدﺋذ : ﺳﻧرأ ﻓﯾﻣﺎ ﺑﻌد أن ﯾﻣﻛن اﺳﺗﻌﻣﺎل اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﺗﺎﻟﻲ :
𝑥𝑥 𝑥𝑥6 −
P[Xn ≤101.000] = ∑101000
𝑥𝑥=0 𝐶𝐶10 6 . (0.1)𝑥𝑥 . (0.9)10 = 0.99956 • اﻟﺣﺳﺎب اﻟدﻗﯾق ﯾﻌطﻲ اﻟﻧﺗﯾﺟﺔ :
و . P[Xn =101.000] = 0.0000052
101000 −100000
≤ 𝑍𝑍[𝑃𝑃 ≅ ].P[Xn ≤101.000 √90000
] = 0.99957 • اﻟﺣﺳﺎب اﻟﺗﻘرﯾﺑﻲ ﯾﻌطﻲ اﻟﻧﺗﯾﺟﺔ :
] 𝑜𝑜𝑥𝑥 ≤𝐗𝐗[𝑃𝑃 = ] 𝑜𝑜𝑥𝑥 ≤ 𝑛𝑛𝑋𝑋[𝑃𝑃 ∞lim𝑛𝑛 →+∞ 𝐹𝐹𝑛𝑛 (𝑥𝑥𝑜𝑜 ) = 𝐅𝐅𝒙𝒙 (𝑥𝑥𝑜𝑜 ) ⇔ lim𝑛𝑛 →+
𝐿𝐿
). Xn ≈ 𝐿𝐿𝐿𝐿𝐿𝐿 (X أو 𝐗𝐗 → Xn ﻧرﻣز اﻟﯾﮫ ﺑـ :
-50-
ﻣﻼﺣظﺎت ھﺎﻣﺔ :
ھذا اﻟﺗﻌرﯾف ﯾﻌﻧﻲ أن ﯾﻣﻛن ﺣﺳﺎب ﺑﺎﻟﺗﻘرﯾب اﻹﺣﺗﻣﺎل ] P[Xn∈I1ﺑﺎﺳﺗﻌﻣﺎل ﺗوزﯾﻊ اﻟﻣﺗﻐﯾر ) Xاﻛﺛر ﺳﮭوﻟﺔ اﻻﺳﺗﻌﻣﺎل(،
] . P[Xn∈I1] ≅ P[X∈I2ﻛﯾف ﻧﺣدد اﻟﻣﺟﺎل I2؟ أي :
.2إذا ' Xnم.ع' ﻣﻧﻔﺻل و ' Xم.ع' ﻣﺳﺗﻣر ﻋﻧدﺋذ ﯾﺟب ﻟﺣﺳﺎب ] P[Xn∈Ixﺑﺎﺳﺗﻌﻣﺎل ﺗوزﯾﻊ Xﺗطﺑﯾق ﻣﺎ ﯾﺳﻣﻲ ﺑـ
" ﺗﺻﺣﯾﺢ اﻹﺳﺗﻣرارﯾﺔ " ﻷن ﺑﻣﺎ أن ' Xم.ع' ﻣﺳﺗﻣر ⇐ . P[Xn=20] = 0 ⇐ ∀x∈R, P[X = x] = 0
ﻧذﻛر أن ،ﻓﻲ اﻟﺗوزﯾﻌﺎت اﻟﻣﺳﺗﻣرة ،اﻻﺣﺗﻣﺎﻻت )ﻏﯾر ﻣﻌدوﻣﺔ( ﺗﺣﺳب ﻟﻣﺟﺎﻻت و ﻟﯾس ﻟﻧﻘﺎط ﻣﻧﻔﺻﻠﺔ.
⇐ . I1 # I2ﻛﯾف ﯾﺗم ھذا اﻟﺗﺻﺣﯾﺢ اﻹﺳﺗﻣرارﯾﺔ ؟
اﻟﻣﺑدأ اﻟﻌﺎم :ﻛل ﻗﯾﻣﺔ xiاﻟﺗﻲ ﺗﻧﺗﻣﻲ ﻟـ I1ﺗﻌﺗﺑر ﻛﻣرﻛز
ﻣﺟﺎل I2طوﻟﮫ ") "1اﻧظر ﻟﻠﺑﯾﺎن( و ﺑﺎﻟﺗﺎﻟﻲ :
]½P[Xn = x] ≅ P[x -½ ≤ X ≤ x +
]½ ، P[Xn ≤ x] ≅ P[X ≤ x +
]½ P[Xn>x] ≅ P[X > x + ½] ... P[Xn< x] ≅ P[X ≤ x -
.3إذا Xnو ' Xم.ع' ﻣﺳﺗﻣران ،ﻋﻧدﺋذ ) P[Xn∈I1] ≅ P[X∈I2=I1] ⇐ I1 = I2 :ﻻ ﻧطﺑق ﺗﺻﺣﯾﺢ اﻹﺳﺗﻣرارﯾﺔ(.
ﻧﻘول أن Xnﯾﺗﺑﻊ ﺑﺎﻟﺗﻘرﯾب اﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن ﺑﺎﻟﻣﻌﻠﻣﺗﯾن nو ، pﻧرﻣز اﻟﯾﮫ ﺑـ . Xn ≈ B(n ; p) :
ﻣﻼﺣظﺎت :
♦ ھذا اﻟﻧظرﯾﺔ ﺗﺳﻣﺢ ﺗﻌوﯾض اﻟﺗوزﯾﻊ ﻓوق اﻟﮭﻧدﺳﻲ ﺑﺎﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن )اﻛﺛر ﺳﮭوﻟﺔ( ﻟﺣﺳﺎب ].P[X∈Ix
) دﻗﺔ اﻟﺗﻘرﯾب ﺗﺗﺣﺳن ﻋﻧدﻣﺎ ﯾﻛون nﻛﺑﯾرﺑﻣﺎ ﻓﯾﮫ اﻟﻛﻔﺎﯾﺔ و ∝.( N→+ 𝑛𝑛 ♦ ﺷرط ﺗطﺑﯾق اﻟﻧظرﯾﺔ <10% :
N
-51-
− 20
20
C 5000 .C 200
= ]P[X=20 200
45000
⇐ = 0,09382 ﻣﺛﺎل X ∼H[N=50000, n=200, p = 0.1] :
C 50000
20
. P[X = 20] ≅ 𝐶𝐶200 . (0.1)20 . (0.9)200−20 ≅ 0,09363 : ﺑﺎﻟﺗﻘرﯾب )⇐ X ≈ B(n =200 ; p = 0.1
Ici le 17-04-2017
و ﻧﻘول أن Xnﯾﺗﺑﻊ ﺑﺎﻟﺗﻘرﯾب اﻟﺗوزﯾﻊ poissonﺑﺎﻟﻣﻌﻠﻣﺔ λ=npو ﻧرﻣز اﻟﯾﮫ ﺑـ . Xn ≈ P(λ=np) :
ﻣﻼﺣظﺎت :
♦ ھذا اﻟﻧظرﯾﺔ ﺗﺳﻣﺢ ﺗﻌوﯾض اﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن ﺑﺎﻟﺗوزﯾﻊ ﺑواﺳون )اﻛﺛر ﺳﮭوﻟﺔ( ﻟﺣﺳﺎب ].P[X∈Ix
20
) P[X=20] = 𝐶𝐶100ﺣﺳﺎب دﻗﯾق(. ﻣﺛﺎل :ﻟﯾﻛن ). (0.1)20 . (0.9)80 = 0.00117 ⇐ X ∼B(n=100 ; p=0.1
10 20 .𝒆𝒆−10
≅ ]. P[X=20 = 0.00187 ⇐ ﺑﺎﻟﺗﻘرﯾب X ≈P(λ=10) :
!20
E[Xi] = µ < ∝ ∀iو ∝ < ، V[Xi] = σ2ﻋﻧدﺋذ :اﻟﻣﺗﺗﺎﻟﯾﺔ * ، {Sn }n∈Nﺑﺣﯾث ، S n = ∑ X i
i =1
ﺗﺗﻘﺎرب ﺑﺎﻟﻘﺎﻧون ﻧﺣو اﻟﻣﺗﻐﯾر Sاﻟذي ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻟﻣﻌﺎﻣﺗﯾن nµو √𝑛𝑛.σو ﻧرﻣز اﻟﯾﮫ ﺑـ :
𝐿𝐿
). Sn → 𝑆𝑆 ~𝑁𝑁(𝒏𝒏𝜇𝜇 ; √𝑛𝑛. σ
-53-
ﻣﻼﺣظﺔ :ﻧﻘول أن S nﯾﺗﺑﻊ ﺑﺎﻟﺗﻘرﯾب اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻟﻣﻌﻠﻣﺗﯾن nµو √𝑛𝑛. σو ﻧرﻣز ﺑـ S n ≈ N(nµ ; √𝑛𝑛. σ) :
الﻋرض : 2
ﻟﺗﻛن * { X1, X2, … ,Xn } = {Xn }n∈Nﻣﺗﺗﺎﻟﯾﺔ ﻣن nم.ع ﻣﺳﺗﻘﻠﺔ ﺗﺗﺑﻊ ﻧﻔس اﻟﺗوزﯾﻊ )أي ( i.i.dﺑﺣﯾث ،
E[Xi] = µ < ∝ ∀iو ∝ < ، V[Xi] = σ2ﻋﻧدﺋذ :
1 n
= ، X nﺗﺗﻘﺎرب ﺑﺎﻟﻘﺎﻧون ﻧﺣو اﻟﻣﺗﻐﯾر �𝑋𝑋 اﻟذي ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﺗﺗﺎﻟﯾﺔ * ، {X�n }n∈Nﺑﺣﯾث ∑ X i
n i =1
𝐿𝐿
) 𝜎𝜎 ; 𝜇𝜇(𝑁𝑁~ �𝑋𝑋 → �n
.X و ﻧرﻣز اﻟﯾﮫ ﺑـ :
𝜎𝜎
ﺑﺎﻟﻣﻌﺎﻣﺗﯾن µو
𝑛𝑛√ 𝑛𝑛√
𝜎𝜎 𝜎𝜎
; X n ≈ N(µ
𝑛𝑛√
و ﻧرﻣز ﺑـ ) :
𝑛𝑛√
ﻣﻼﺣظﺔ :ﻧﻘول أن 𝑋𝑋�nﯾﺗﺑﻊ ﺑﺎﻟﺗﻘرﯾب اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻟﻣﻌﻠﻣﺗﯾن µو
اﻟﺑرھﺎن:
ﻟﺗﻛن } { X1, X2, … ,Xnﻣﺗﺗﺎﻟﯾﺔ ﻣن nم.ع ﻣﺳﺗﻘﻠﺔ ﺗﺗﺑﻊ ﻧﻔس اﻟﺗوزﯾﻊ ﺑرﻧوﻟﻲ ﺑﺎﻟﻣﻌﻠﻣﺔ pأي Xi∼B(1 ; p) ∀i :
⇐ E[Xi] = µ = pو ، V[Xi] = σ2 = p.qﻋﻧدﺋذ :
n
• ﺗطﺑﯾﻘﺎ ﻟﻠﻧظرﯾﺔ اﺳﺗﻘرار اﻟﺗوزﯾﻊ ذو اﻟﺣدﯾن ﻟﻠﺟﻣﻊ ⇐ )S n = ∑ X i ∼B(n ; p
i =1
𝑳𝑳
→ )B(n; p ]N[n. p ; �n. p. q n
• ﺗطﺑﯾﻘﺎ ﻟﻠﻧظرﯾﺔ اﻟﻧﻧﮭﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ⇐ ]𝑞𝑞 S n = ∑ X i ≈ N[n.p ; �𝑛𝑛. 𝑝𝑝.
i =1
ﻣﺛﺎل :ﻟﯾﻛن ) . X ∼B(n=100 ; p = 0.1أﺣﺳب ﺑﺻﻔﺔ دﻗﯾﻘﺔ و ﺑﺎﻟﺗﻘرﯾب ] P[X=10و ]. P[X≤10
10
P[X = 10] = 𝐶𝐶100 . (0.1)10 . (0.9)90 = 0.131865 • اﻟﺣﺳﺎب اﻟدﻗﯾق :
𝑥𝑥
P[X ≤10] = ∑10 𝑥𝑥
)𝑥𝑥=0 𝐶𝐶100 . (0.1) . (0.9
𝑥𝑥100−
= 0.583155
-54-
• اﻟﺣﺳﺎب اﻟﺗﻘرﯾﺑﻲ :
𝑋𝑋−10
; =Z ≈ N(0 ﻟدﯾﻧﺎ n = 100>30و 1) ⇔ X ≈ N(np=10 ; �𝑛𝑛𝑛𝑛𝑛𝑛 =3) ⇐ np = 10>5
3
9.5−10 10.5−10
[P[X = 10] ≅ P[10- 1/2≤ X ≤ 10+1/2] ≅ P[9.5≤ X ≤ 10.5] ≅ P ≤≤Z ]
3 3
اﻟﺑرھﺎن:
λ
ﻟﺗﻛن } { X1, X2, … ,Xnﻣﺗﺗﺎﻟﯾﺔ ﻣن nم.ع ﻣﺳﺗﻘﻠﺔ ﺗﺗﺑﻊ ﻧﻔس اﻟﺗوزﯾﻊ Poissonﺑﺎﻟﻣﻌﻠﻣﺔ 𝑛𝑛 = θأي Xi∼P(θ) ∀i :
ﻣﺛﺎل :ﻟﯾﻛن ) . X ∼ P(λ=9أﺣﺳب ﺑﺻﻔﺔ دﻗﯾﻘﺔ و ﺑﺎﻟﺗﻘرﯾب ] P[X=20و ]. P[X ≤ 20
920 .𝒆𝒆−9
≅ ]P[X=20 = 0.000617 • اﻟﺣﺳﺎب اﻟدﻗﯾق :
!20
9𝑥𝑥 .𝒆𝒆−9
P[X ≤20] = ∑20
𝑥𝑥=0 = 0.99956
!𝑥𝑥
• اﻟﺣﺳﺎب اﻟﺗﻘرﯾﺑﻲ : λ=9 < 15 :ﺷﺮط اﻟﺘﻘﺮﯾﺐ ﻏﯿﺮ ﻣﺤﻘﻖ ﻟﻜﻦ ....
𝑋𝑋−9
; =Z ≈ N[0 ﻟدﯾﻧﺎ ]1] ⇔ X ≈ N[λ=9 ; √λ =3
3
19.5−9 20.5−9
[P[X = 20] ≅ P[20 - 1/2 ≤ X ≤ 20+1/2] ≅ P[19.5 ≤ X ≤ 20.5] ≅ P ≤≤Z ]
3 3
: • اﻟﺣﺳﺎب اﻟﺗﻘرﯾﺑﻲ
𝑋𝑋−16
=Z ≈ N(0 ; 1) ⇔ X ≈ N[λ=16 ; √λ =4] ﻟدﯾﻧﺎ
4
31.5−16 32.5−16
P[X = 32] ≅ P[32 - 1/2≤ X ≤ 32+1/2] ≅ P[31.5≤ X ≤ 32.5] ≅ P[ ≤Z≤ ]
4 4
𝑃𝑃
Xn → 𝑎𝑎 : ﻧرﻣز اﻟﯾﮫ ﺑـ
ﻣﻼﺣظﺎت :
.1إذا ﻛﺎﻧت ﻣﺗﻐﯾرات اﻟﻣﺗﺗﺎﻟﯾﺔ * {Xn }n∈Nﺗﺗﺑﻊ ﻛﻠﮭﺎ اﻟﺗوزﯾﻊ ﺑرﻧوﻟﻲ ﺑﺎﻟﻣﻌﻠﻣﺔ ، pﻋﻧدﺋذ 𝒑𝒑 :
𝑃𝑃
→ . 𝑋𝑋�n
.2ﺗﻌﺗﺑر ھذه اﻟﻧظرﯾﺔ ﺗﺑرﯾر ﻧظري ﻻﺳﺗﻌﻣﺎل اﻟﺳﺑر )أواﻹﺳﺗﻘﺻﺎء .(sondage
Ici le 24-04-2017
Dernière séance