‫שאלה ‪ (25%) 3‬נתונה קבוצה }‪ .

A = {1, 2, 3, 4, 5‬בוחרים באקראי מהקבוצה ‪ A‬שלושה מספרים שונים‬

‫בזה אחר זה‪.‬‬
‫יהי ‪ X1‬משתנה מקרי השווה למספר הראשון שנבחר‪.‬‬
‫יהי ‪ X2‬משתנה מקרי השווה למספר השני שנבחר‪.‬‬
‫יהי ‪ X3‬משתנה מקרי השווה למספר השלישי שנבחר‪.‬‬

‫א( )‪ (10%‬מיצאו את התפלגות של ‪ X1‬ואת התפלגות של ‪.X2‬‬

‫)נמקו היטב את תשובתכם‪ .‬תשובה לא מנומקת תזכה לניקוד חלקי בלבד(‬
‫פתרון א'‪ :‬נגדיר }‪ .Ω = {(a, b, c) : a, b, c ∈ A, a ̸= b, a ̸= c, b ̸= c‬היות ובוחרים‬
‫באקראי‪ ,‬ההתפלגות על ‪ Ω‬היא אחידה‪ .‬לכן‪ ,‬עבור ‪ k ∈ A‬מתקיים‬

‫|]‪|[X2 = k‬‬ ‫|}‪|{(a, k, c) : a, c ∈ A, a ̸= k, a ̸= c, k ̸= c‬‬

‫= ]‪P r [X2 = k‬‬ ‫=‬
‫|‪|Ω‬‬ ‫|‪|Ω‬‬
‫)‪P (4, 2‬‬ ‫‪4·3‬‬ ‫‪1‬‬
‫=‬ ‫=‬ ‫‪= .‬‬
‫)‪P (5, 3‬‬ ‫‪5·4·3‬‬ ‫‪5‬‬
‫קיבלנו כי ‪ X2‬הוא מ"מ בעל התפלגות אחידה‪ .‬באותו אופן רואים כי גם ‪ X1‬וגם ‪X3‬‬
‫הם בעלי התפלגות אחידה‪.‬‬
‫פתרון ב'‪ :‬לקלף ראשון שבוחרים יש ‪ 5‬אפשרויות והיות ובוחרים באקראי‪ ,‬אזי ‪X1‬‬
‫מתפלג באופן אחיד‪.‬‬
‫כעת‪ ,‬לפי נוסחת ההסתברות השלמה‪,‬‬

‫‪P r [X2 = k] = P r [X1 = k]·P r [X2 = k| X1 = k]+P r [X1 ̸= k]·P r [X2 = k| X1 ̸= k] .‬‬

‫ברור כי ‪ P r [X2 = k| X1 = k] = 0‬כי בוחרים מספרים שונים‪.‬‬

‫‪1‬‬
‫ברור גם כי = ]‪ .P r [X2 = k| X1 ̸= k‬לאחר שמספר ראשון נבחר נשארו ‪ 4‬מספרים‬
‫‪4‬‬
‫ולבחירת כל אחד מהם יש הסתברות שווה כי בוחרים באקראי‪ .‬לכן‪ ,‬נסכם ונקבל‬

‫‪1‬‬ ‫‪4 1‬‬ ‫‪1‬‬

‫= ]‪P r [X2 = k‬‬ ‫‪·0+ · = .‬‬
‫‪5‬‬ ‫‪5 4‬‬ ‫‪5‬‬

‫ב( )‪ (15%‬יהי ‪ Y‬משתנה מקרי השווה למקסימום מבין שלושה מספרים שנבחרו‪ ,‬ז"א } ‪.Y = max{X1 , X2 , X3‬‬
‫מיצאו את התפלגות של ‪ .Y‬חשבו את ) ‪ Cov(X1 , Y‬ואת ‪.ρX1 ,Y‬‬
‫פתרון‪ :‬עבור ‪ k ∈ A‬מתקיים‪:‬‬

‫)‪P (k, 3) P (k − 1, 3‬‬

‫= ]‪P r [Y = k] = P r [Y ≤ k] − P r [Y ≤ k − 1‬‬ ‫‪−‬‬
‫)‪P (5, 3‬‬ ‫)‪P (5, 3‬‬
‫‪1‬‬ ‫)‪(k − 1)(k − 2‬‬
‫=‬ ‫= ])‪[k(k − 1)(k − 2) − (k − 1)(k − 2)(k − 3‬‬ ‫‪.‬‬
‫‪60‬‬ ‫‪20‬‬
‫ז"א‬

‫‪1‬‬
 k 1 2 3 4 5
P r[Y = k] 0 0 0.1 0.3 0.6

:X1 -‫ ו‬Y ‫ אנו צריכים למצוא התפלגות משותפת של‬,Cov(X1 , Y ) ‫כדי לחשב‬

X1 \ Y 1 2 3 4 5
1 0 0 2/60 4/60 6/60
2 0 0 2/60 4/60 6/60
3 0 0 2/60 4/60 6/60
4 0 0 0 6/60 6/60
5 0 0 0 0 12/60
:X1 Y ‫נמצא את התפלגות של‬

i 3 4 5 6 8 9 10 12 15 16 20 25
2 4 6 2 4 2 6 4 6 6 6 12
P r[X1 Y = i] 60 60 60 60 60 60 60 60 60 60 60 60

2 414
E[X1 Y ] = (3+8+15+6+16+9+30+24+45+48+60+150) = = 13.8
60 30

1∑
5
E[X1 ] = i = 3 , E[Y ] = 0.1 · 3 + 0.3 · 4 + 0.6 · 5 = 4.5
5 i=1

‫ולכן‬

Cov(X1 , Y ) = E[X1 Y ] − E[X1 ]E[Y ] = 13.8 − 13.5 = 0.3 .

,‫כעת‬

1∑ 2
5
2
V ar(X1 ) = E[X12 ] − (E[X1 ]) = i −9=2,
5 i=1
√ √
Std(X1 ) = V ar(X1 ) = 2 ,
2 2
V ar(Y ) = E[Y 2 ]−(E[Y ]) = (0.1 · 9 + 0.3 · 16 + 0.6 · 25)−(4.5) = 0.45 ,
√ √
Std(Y ) = V ar(Y ) = 0.45 ,

,‫ולבסוף‬

Cov(X1 , Y ) 0.3
ρX1 ,Y = =√ √ ≈ 0.316 .
Std(X1 )Std(Y ) 2 · 0.45

2
 ‫שאלה ‪ (15%) 4‬יהי ‪ X‬משתנה מקרי רציף עם פונקציית התפלגות מצטברת ‪ FX‬ופונקציית צפיפות ‪.fX‬‬
‫הוכח כי ‪ Y = X 2‬הוא גם משתנה מקרי רציף על ידי מציאת פונקציית התפלגות מצטברת‬
‫‪ FY‬ופונקציית צפיפות ‪) fY‬במושגים של ‪ FX‬ו‪ (fX -‬ובדיקת התנאים הנדרשים‪.‬‬

‫הוכחה‪ :‬נמצא את ‪:FY‬‬

‫[‬ ‫]‬ ‫√‬ ‫√‬
‫]‪FY (y) = P r [Y ≤ y] = P r X 2 ≤ y = P r [− y ≤ X ≤ y‬‬
‫√‬ ‫√‬ ‫√‬ ‫√‬
‫‪= P r [X ≤ y] − P r [X ≤ − y] = FX ( y) − FX (− y) .‬‬

‫√‬ ‫√‬
‫מצאנו כי )‪. FY (y) = FX ( y) − FX (− y‬‬

‫אזי‬
‫(‬ ‫)‬
‫))‪d (FY (y‬‬ ‫√‬ ‫‪1‬‬ ‫√‬ ‫‪1‬‬
‫= )‪fY (y‬‬ ‫√ ‪= fX ( y) √ − fX (− y) −‬‬ ‫‪.‬‬
‫‪dy‬‬ ‫‪2 y‬‬ ‫‪2 y‬‬

‫‪1‬‬ ‫√‬ ‫√‬

‫מצאנו כי ])‪. fY (y) = √ [fX ( y) + fX (− y‬‬
‫‪2 y‬‬

‫כעת‪ ,‬ברור כי ‪ fY‬אי‪-‬שלילית כי ‪ fX‬אי‪-‬שלילית‪ .‬כמוכן‪,‬‬

‫√‬ ‫√‬
‫‪lim FY (y) = lim FX ( y) − lim FX (− y) = 1 − 0 = 1 .‬‬
‫∞→‪y‬‬ ‫∞→‪y‬‬ ‫∞→‪y‬‬

‫‪3‬‬