‫הסתברות וסטטיסטיקה‬

‫יובל גרעיני‬

‫המחלקה לפיסיקה‬
‫אוניברסיטת בר אילן‬

‫אין לשכפל‪ ,‬להעתיק‪ ,‬לצלם‪ ,‬לאכסן או להשתמש‬

‫בכל חלק שהוא מספר זה ללא רשות המחבר‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪1‬‬

 ‫תוכן עניינים‬
‫‪ .1‬מבוא‪ ,‬הסתברות‪3 .................................................................................................................................‬‬
‫מקורות‪3 ............................................................................................................................................. :‬‬
‫מהי הסתברות? מהי חשיבותה בפיסיקה ובמדע? ‪3 ...............................................................................‬‬
‫היסטוריה ‪4 ...........................................................................................................................................‬‬
‫הסתברות וסטטיסטיקה ‪5 .....................................................................................................................‬‬
‫הגדרות בסיסיות – מושגים מתורת הקבוצות ‪5 ....................................................................................‬‬
‫פונקציית ההסתברות ‪7 .........................................................................................................................‬‬
‫‪ .2‬שיטות ספירה ‪ -‬קומבינטוריקה ‪10..........................................................................................................‬‬
‫שיטות ספירה בסיסיות ‪10 ....................................................................................................................‬‬
‫דוגמאות לשיטות ספירה ‪11 ..................................................................................................................‬‬
‫‪ .3‬הסתברות מותנית ‪15.............................................................................................................................‬‬
‫חוק ההסתברות המותנית ‪15 ................................................................................................................‬‬
‫חוק המכפלה‪16 ....................................................................................................................................‬‬
‫תקפות חוקי ההסתברות ‪16 ..................................................................................................................‬‬
‫משפט ההסתברות הכוללת ‪16 ..............................................................................................................‬‬
‫משפט בייס – ‪18 .................................................................................................BAYES THEOREM‬‬
‫מאורעות בלתי תלויים ‪19 .....................................................................................................................‬‬
‫הגרסה המותנית של ההסתברות הכוללת ‪20 .........................................................................................‬‬
‫‪ .4‬משתנים אקראיים והתפלגויות דיסקרטיות ‪22.......................................................................................‬‬
‫משתנים אקראיים חשובים ‪22 ..............................................................................................................‬‬
‫התפלגויות חשובות‪26 ..........................................................................................................................‬‬
‫‪ .5‬התפלגויות רציפות ‪32............................................................................................................................‬‬
‫פונקציית צפיפות ההסתברות ‪32 ..........................................................................................................‬‬
‫תוחלת ושונות של משתנה אקראי רציף‪33 ...........................................................................................‬‬
‫פונקציית ההתפלגות המצטברת – ‪33 ...........................................................................................CDF‬‬
‫פונקציות התפלגות חשובות ‪34 ............................................................................................................‬‬
‫פונקציית גאוס הסטנדרטית ושימוש בטבלאות ‪37 ................................................................................‬‬
‫פונקציה של משתנה אקראי ‪40 .............................................................................................................‬‬
‫‪ .6‬התפלגות משותפת של מספר משתנים – ‪42.............................................. JOINT PROBABILITY‬‬
‫ערכי תוחלת של סכום משתנים אקראיים ‪42 ........................................................................................‬‬
‫‪ .7‬חוקי המספרים הגדולים ומשפט הגבול המרכזי ‪45.................................................................................‬‬
‫אי שוויון מרקוב וצ'בישף ‪45 .................................................................................................................‬‬
‫החוק החלש והחזק של המספרים הגדולים ‪46 ......................................................................................‬‬
‫משפט הגבול המרכזי‪47 ...................................................................CENTRAL LIMIT THEOREM ,‬‬
‫קירוב עבור התפלגות בינומית‪48 ..........................................................................................................‬‬
‫‪ .8‬עקרונות הסטטיסטיקה ‪51.....................................................................................................................‬‬
‫סטטיסטיקה תיאורית ‪51 ......................................................................................................................‬‬
‫הסקה סטטיסטיקה וחישוב התוחלת והשונות ‪51 .................................................................................‬‬
‫רווח בר‪-‬סמך – ‪53 .........................................................................................CONFIDENCE LEVEL‬‬
‫בדיקת השערות – ‪55 ................................................................................. HYPOTHESIS TESTING‬‬
‫בדיקת השערות כאשר השונות לא ידועה‪61 .........................................................................................‬‬
‫‪ .9‬יישומים סטטיסטיים חשובים ‪67...........................................................................................................‬‬
‫מבחן התאמה למודל – ‪67 .......................................................................................... CHI SQUARE‬‬
‫השוואת שתי אוכלוסיות‪69 ..................................................................................................................‬‬
‫הערכת שגיאה‪71 ..................................................................................................................................‬‬
‫רגרסיה לינארית‪72 ...............................................................................................................................‬‬
‫‪ .10‬טבלאות ונספחים ‪74..............................................................................................................................‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪2‬‬

 ‫‪ .1‬מבוא‪ ,‬הסתברות‬
‫מהי הסתברות‪ ,‬מהי סטטיסטיקה‪ ,‬מושגי יסוד מתורת הקבוצות‪ ,‬דיאגרמות ואן‬ ‫נושאי לימוד‪:‬‬

‫מקורות‪:‬‬
‫‪ .1‬תלמה לוין‪ ,‬מבוא להסתברות וסטטיסטיקה (‪ 2‬ספרים)‬
‫‪De Groot, Probability and Statistics, Addison – Wesley .2‬‬
‫‪ .3‬ספרים רבים על הסתברות וסטטיסטיקה ברמה המתאימה‬

‫מהי הסתברות? מהי חשיבותה בפיסיקה ובמדע?‬

‫הגישה הקלסית‪ :‬עפ"י עולם ההימורים‪ :‬אם לניסוי כלשהוא יש ‪ n‬אפשרויות‪ ,‬הסיכוי שתתרחש תוצאה אחת‬
‫מתוכן היא‪ .P=1/n :‬כאן מניחים שהסיכוי לכל תוצאה זהה‪.‬‬
‫הגישה האקסיומטית – התייצבות השכיחות היחסית‪ :‬מסיקים מתוך ניסיונות רבים מהו הסיכוי שתתרחש‬
‫תוצאה כלשהיא‪ .‬אם התוצאה ‪ ,A‬הסיכוי הוא )‪.P(A‬‬
‫אם ניסוי אינו אקראי‪ ,‬התוצאות מוחלטות – דטרמיניסטיות‪ ,‬כלומר‪ ,‬בהינתן תנאי התחלה מוגדרים‪,‬‬
‫התוצאה שתתקבל היא חד משמעית‪ .‬אם הניסוי כולל אקראיות או אי‪-‬ודאות‪ ,‬אזי לא ניתן לקבוע באופן חד‬
‫משמעי מה תהיה התוצאה‪ ,‬וניתן רק לומר מהו הסיכוי שנקבל תוצאה כלשהיא‪ .‬זה מבדיל בין מכניקה‬
‫אנליטית למכניקה סטטיסטית‪.‬‬
‫ההסתברות חשובה לעולם המדע הרבה יותר ממה שנראה בהתחלה מהסיבות הבאות‪:‬‬
‫‪ .1‬הפיסיקה היא בעיקרה מדע ניסויי‪ .‬בכל ניסוי יש רעש ושגיאות‪ ,‬כך שחייבים לדעת לנתח את התוצאות‬
‫על מנת להסיק מסקנות נכונות‪ .‬כיון שהרעש הוא בלתי צפוי‪ ,‬נקבל התפלגות של התוצאות‪ .‬בעזרת‬
‫הסתברות וסטטיסטיקה נוכל להעריך את הסיכוי לקבלת תוצאה כזאת או אחת‪.‬‬
‫‪ .2‬במערכות רבות חלקיקים (מסדר גודל של מספר אבוגדרו למשל)‪ ,‬אין אפשרות לדעת במדויק את מצבו‬
‫של כל חלקיק‪ ,‬גם אם הוא מוגדר היטב‪ .‬למען האמת גם לא ממש לעניין אותנו כל חלקיק בנפרד‪ .‬מה‬
‫שחשוב זו היכולת לחשב משתנים סטטיסטיים שונים‪ ,‬כמו המהירות הממוצעת של החלקיקים ועוד‪.‬‬
‫לכן הסטטיסטיקה חשובה ביותר כי היא מלמדת אותנו את הדרך הנכונה לחישוב הגדלים הממוצעים‬
‫ועוד‪.‬‬
‫‪ .3‬על פי תורת הקוונטים‪ ,‬אפילו המשוואות הבסיסיות ביותר אינן דטרמיניסטיות אלא סטטיסטיות‪.‬‬
‫כלומר‪ ,‬לא ניתן לדעת באופן מדויק את מיקומו של חלקיק‪ ,‬אלא רק להעריך זאת‪ .‬עקרון זה קשור לעקרון‬
‫אי הודאות‪ .‬גם כאן‪ ,‬חייבים להבין הסתברות וסטטיסטיקה כדי לדעת לחשב את הסיכוי לכל תוצאה‬
‫אפשרית‪.‬‬
‫לצורך ההדגמה‪ ,‬נתייחס לתוצאות מדידה שהתפרסמו בשנים האחרונות‪ .‬התמונה למטה מתארת את המידע‬
‫המשמעותי שעל פיו נמצא חלקיק ההיגס (‪ .)Higgs‬ההיגס הוא חלקיק אלמנטרי ממשפחת חלקיקי ה'בוזון'‪,‬‬
‫אלו חלקיקים שאינם בונים את החומר אלא אחראים לכוחות שפועלים בין החלקיקים שבונים את החומר‬
‫ונקראים פרמיונים‪ .‬את קיומו של ההיגס חזו כבר בשנות ה‪ 60 -‬אך הוא התגלה רק בשנת ‪ .2013‬המדידה‬
‫מראה את מספר האירועים שנמדדו (ציר ה‪ )y -‬כתלות באנרגיה האפשרית בניסוי שנערך במעבדות המאיץ‬
‫חלקיקים ‪ .CERN‬כפי שרואים‪ ,‬יש למספר האירועים פונקציית רקע‪ ,‬ומעל פונקציה זו ניתן לראות התגבהות‬
‫קלה בתחום האנרגיה ‪.125 GeV‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪3‬‬

‫הגברה זו במספר האירועים (מדובר בעודף של כ‪ 100 -‬אירועים ביחס לרקע)‪ ,‬הוכיחה את קיומו של החלקיק!‬
‫ברור לחלוטין שהיה נחוץ לעשות ניתוח מאוד מעמיק של השגיאות על מנת להגיע למסקנה שה'בליפ' הקטן‬
‫הזה הוא אכן משמעותי מעל הרקע‪ .‬ניתוח המידע נעשה בכלים סטטיסטיים באחריות צוות ענק של‬
‫פיסיקאים ומדענים שיודעים להגיד ברמת וודאות מאוד גבוהה שהמידע אכן אמין ומשמעותי‪.‬‬

‫שיקולים דומים וחשובים ביותר‪ ,‬חייבים להפעיל כמעט ללא יוצא מהכלל בכל תחומי הפיסיקה‪ ,‬והמדע‬
‫בכלל‪.‬‬

‫היסטוריה‬
‫אי אפשר להתחיל בלי לתת כבוד לאלו שפיתחו את התחום והביאו אותו למצבו הנוכחי‪ .‬בגלל האקראיות‬
‫שקשורה בהסתברות‪ ,‬לקח זמן רב עד שהובנו העקרונות של מדע זה‪ .‬ההתחלה הייתה קשורה קשר הדוק‬
‫להימורים שונים שנעשו בעזרת קוביות וקלפים‪ ,‬ונוטים לראות במדען גרונימו קרדנו (המאה ה‪ )16 -‬את אחד‬
‫מהראשונים שתיאר שיטה לחישוב סיכויים בהטלת קוביות‪ .‬הוא זיהה למשל‪ ,‬שבמשחק הטלת ‪ 3‬קוביות‪,‬‬
‫יש סיכוי גבוה יותר שסכום הקוביות יהיה ‪ 10‬מאשר ‪ ,9‬למרות שלכאורה יש מספר אפשרויות זהה לכל‬
‫סכום‪.‬‬
‫במאה ה‪ 17 -‬בלייז פסקל עסק בתחום ופתר את הבעייה הבאה‪ :‬נניח ששני שחקנים נמצאים באמצע משחק‬
‫מזל (קלפים למשל) עם תוצאה כלשהיא‪ ,‬והם מעוניינים לסיים את המשחק מוקדם‪ ,‬כיצד יש לחלק את‬
‫הרווחים ביניהם באופן הוגן? יעקב ברנולי ביסס את ההסתברות על בסיס מתמטי מוצק יותר ובתחילת‬
‫המאה ה‪ 18 -‬תומס בייז פיתח את מה שנקרא כיום 'הסתברות מותנית'‪ .‬פרידריך גאוס פיתח את ההתפלגות‬
‫הנורמלית‪ ,‬ועוד רבים אחרים‪.‬‬

‫קרל פרידריך גאוס‬ ‫תומס בייז‬ ‫יעקב ברנולי‬ ‫בלייז פסקל‬ ‫גרונימו קרדנו‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪4‬‬

 ‫הסתברות וסטטיסטיקה‬
‫כעת‪ ,‬יש להבין את ההבדל שבין הסתברות לסטטיסטיקה‪.‬‬
‫מטפלת בניתוח של מאורעות המוגדרים על פי חוקים הידועים היטב שמבוססים על‬ ‫הסתברות‪:‬‬
‫אקראיות‪ .‬למשל‪ ,‬מה הסיכוי שבהטלת שתי קוביות הסכום יהיה ‪.7‬‬
‫איסוף‪ ,‬הצגה‪ ,‬ניתוח והסקת מסקנות מנתונים ניסויים שנאספו‪ .‬למשל‪ ,‬מדידת מסה של‬ ‫סטטיסטיקה‪:‬‬
‫חלקיק בסדרת ניסויים‪.‬‬

‫הגדרות בסיסיות – מושגים מתורת הקבוצות‬

‫אוסף כל התוצאות האפשריות השונות בניסוי‪ .‬נסמן אותו בדרך כלל באות היוונית‬ ‫מרחב מדגם‪:‬‬
‫אומגה ‪.  -‬‬
‫אחת האפשרויות שאכן התקבלה בזמן עריכת הניסוי‪ .‬נסמן סדרך כלל באותיות ‪ a‬או ‪b‬‬ ‫תוצאה‪:‬‬
‫או ‪ e‬וכו'‪.‬‬
‫אוסף תוצאות אפשריות כלשהן בניסוי‪.‬‬ ‫מאורע (‪:)Event‬‬
‫בהטלת קוביה בודדת‪ .   1,2,3,4,5,6 :‬תוצאה אפשרית היא‪ a=3 :‬או ‪ .b=6‬מאורעות‬ ‫דוגמה ‪1.1‬‬
‫אפשריים הם‪ , A  2,4,6 :‬כל התוצאות הזוגיות ‪ , B  2, 4, 6‬או ‪ , C  1,2‬שתי התוצאות‬
‫הקטנות ביותר וכו'‪.‬‬

‫הטלת ‪ 2‬קוביות‪ .   1,1, 1,2,...,6,6 :‬דוגמא למאורע בניסוי זה‪ :‬סכום הקוביות קטן‬ ‫דוגמה ‪2.1‬‬
‫שווה ל‪. A  1,1, 1,2, 2,1 :3 -‬‬
‫תחום זה קשור מאוד לתורת הקבוצות במתמטיקה‪ .‬הגדרות נוספות חשובות כוללות‪:‬‬
‫‪‬‬ ‫קבוצה ריקה‪:‬‬
‫נסמן‪ 2  B  2,4,6 , e  A :‬או אי‪-‬שייכות‪. 1 B  2,4,6 , b C :‬‬ ‫שייכות למאורע‪:‬‬

‫אם כל איברי מאורע ‪ A‬מוכלים במאורע ‪. A  B :B‬‬ ‫הכלה‪:‬‬

‫מרחב מדגם סופי‪/‬אינסופי‪ :‬ניתן לספירה (המספרים הראשוניים) או לא (הממשיים)‪.‬‬
‫אם נתון מאורע ‪ ,A‬המשלים שלו‪ A :‬או ‪.)complement( A C‬‬ ‫המשלים‪:‬‬
‫כל התוצאות של ‪ A‬ושל ‪. C  A  B  B  A :B‬‬ ‫איחוד (‪:)Union‬‬

‫התוצאות המשותפות בלבד‪C  A  B :‬‬ ‫חיתוך (‪:)Intersection‬‬

‫דיאגרמות ואן (‪ )Venn Diagrams‬מאפשרות לתאר בצורה גרפית את הקשר שבין קבוצות שונות‪ .‬הציור‬
‫למטה מתאר את התוצאה של מספר פעולות בין קבוצות‪:‬‬
‫‪Ω‬‬

‫‪A‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫‪B‬‬

‫‪AC  B‬‬ ‫‪A  AC‬‬ ‫‪A B‬‬ ‫‪A B‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪5‬‬

‫ניתן כמובן להרחיב את הדיאגרמות ולתאר את הקשר שבין מספר מאורעות‪ .‬דוגמה עבור ‪ 3‬מאורעות וכל‬
‫הקשרים האפשריים שביניהן מתוארת כאן‪:‬‬

‫‪Ω‬‬
‫‪D  A B C‬‬
‫‪C‬‬ ‫‪C‬‬
‫‪A∩B ∩C‬‬ ‫‪G B∩A ∩C‬‬ ‫‪C‬‬ ‫‪C‬‬
‫‪E  A  C  BC‬‬
‫‪A‬‬ ‫‪B‬‬
‫‪D‬‬ ‫‪F  B  C  AC‬‬
‫‪E‬‬ ‫‪F‬‬
‫‪G  A  B  CC‬‬
‫‪C‬‬ ‫‪C‬‬
‫‪C∩A ∩B‬‬
‫‪C‬‬

‫מכל המספרים הטבעיים שבין ‪( 1-10‬כולל)‪ ,‬נגדיר שלש קבוצות‪:‬‬ ‫דוגמה ‪3.1‬‬
‫‪ - A‬הזוגיים‪ - B ,‬הראשוניים‪ - C ,‬בעלי שורש טבעי‪ .‬שרטט את דיאגרמת ואן‪:‬‬
‫‪Ω‬‬
‫‪6‬‬ ‫‪3‬‬
‫‪A‬‬ ‫‪10‬‬ ‫‪2‬‬ ‫‪7‬‬
‫‪8‬‬ ‫‪5‬‬ ‫‪B‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪1‬‬

‫‪9‬‬
‫‪C‬‬

‫בהתאם לקשרים שבין המאורעות‪ ,‬ניתן לפתח את המשפטים הבאים‪:‬‬

‫‪A B C‬‬ ‫‪‬‬ ‫‪A  B  C    A  B   C‬‬
‫‪A B‬‬ ‫‪‬‬ ‫‪B A‬‬
‫‪A B‬‬ ‫‪‬‬ ‫‪B A‬‬
‫‪A B C‬‬ ‫‪‬‬ ‫‪A  B C‬‬
‫‪A A‬‬ ‫‪‬‬ ‫‪A‬‬
‫‪A  AC‬‬ ‫‪‬‬ ‫‪‬‬
‫‪A‬‬ ‫‪‬‬ ‫‪A‬‬
‫‪if A  B‬‬ ‫‪then‬‬ ‫‪A B  A‬‬

‫מאורעות זרים (‪ )Disjoint, Mutually exclusive‬מוגדרים כאשר לשני המאורעות אין אפילו תוצאה אחת‬
‫משותפת‪:‬‬
‫‪A B  ‬‬

‫במקרים רבים קיימת חלוקה לקטגוריה כלשהיא כך שיש רק שני מאורעות אפשריים‪ .‬לכל מאורע יש את‬
‫המשלים שלו‪ ,‬למשל ניתן להגדיר מאורע כ"חולה במחלה"‪ ,‬ואז המשלים שלו הוא "אינו חולה"‪ .‬כעת‪ ,‬ניתן‬
‫להוסיף מאורע נוסף כמו למשל "נבדק והתוצאה חיובית"‪ ,‬והמשלים של זה יהיה "נבדק והתוצאה שלילית"‪.‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪6‬‬

‫יש כאן למעשה מערכת של ‪ 4‬תוצאות אפשריות וניתן לשרטט זאת כדיאגרמת ואן ומסקנות למערכת של‬
‫שני מאורעות בלבד‪:‬‬

‫‪A‬‬ ‫‪AC‬‬
‫‪Ω‬‬ ‫‪A B  A  B‬‬
‫‪A∩B‬‬ ‫‪B∩AC‬‬ ‫‪B‬‬ ‫‪A B  A  B‬‬

‫‪C‬‬ ‫‪C‬‬ ‫‪C‬‬

‫‪A∩B‬‬ ‫‪A ∩B‬‬ ‫‪BC‬‬

‫פונקציית ההסתברות‬
‫עד עתה דיברנו על "תוצאות" אפשריות בניסוי ועל מאורעות‪ ,‬שהם אוסף של תוצאות‪ .‬נעבור כעת לדבר על‬
‫ההסתברות עצמה‪ .‬למרות שאנחנו חושבים שאנחנו "מבינים" מה זה הסתברות‪ ,‬מסתבר שהמושג הוא די‬
‫מעורפל‪ ,‬וחייבים להגדיר אותו היטב כדי להבין אותו‪.‬‬
‫לצורך ההגדרה‪ ,‬נאמץ את הגישה של המתמטיקאי אנדריי קולמוגורוב‪ .‬גישה זו מניחה אקסיומות המבוססות‬
‫על השכיחות היחסית‪ .‬נסמן את הסיכוי למאורע באות ‪.P‬‬
‫האקסיומה של ההסתברות מוגדרת כך שאם בניסוי יש ‪ N‬אפשרויות שונות‪ ,‬ולאירוע כלשהוא‪ ,‬נקרא לו ‪,E‬‬
‫קיימות ‪ n‬אפשרויות‪ ,‬אזי‪:‬‬

‫‪nE ‬‬
‫‪PE  ‬‬
‫‪.‬‬ ‫‪N‬‬

‫כלומר‪ ,‬בניסוי שנערוך ונגריל בו תוצאה אחת‪ ,‬ההסתברות שהתוצאה תהיה שייכת למאורע ‪ E‬שווה למספר‬
‫התוצאות האפשריות במאורע ‪ E‬לחלק למספר הכולל של תוצאות אפשריות‪.‬‬
‫למשל‪ ,‬מה הסיכוי לקבל ‪ 4‬בזריקת קובייה? מה הסיכוי לשלוף קלף אדום מחבילת קלפים? להגדרה זו‬
‫מתקיימות מספר אקסיומות‪:‬‬
‫לכל מאורע ‪P A  0 :A‬‬ ‫אקסיומה ‪:1‬‬

‫‪P  1‬‬ ‫אקסיומה ‪:2‬‬

‫‪P A  B  P A  PB‬‬ ‫(חוק החיבור)‪ :‬אם ‪ A‬ו‪ B -‬מאורעות זרים אזי‪:‬‬ ‫אקסיומה ‪:3‬‬

‫שימו לב שבמתמטיקה שבין מאורעות לא קיימת פעולת חיבור‪ ,‬כי מאורע איננו מספר‪ .‬לעומת זאת‪,‬‬
‫ההסתברות היא ערך מספרי‪ ,‬ולכן ניתן ליישם על ההסתברות‪ ,P ,‬את חוקי המתמטיקה כמו חיבור‪ ,‬חיסור‬
‫וכו'‪.‬‬
‫על פי חוקים אלו‪ ,‬ניתן להראות את המשפטים הבאים‪:‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪7‬‬

 ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪P  1  P A  A  P A  P A  P A  1  P A‬‬‫‪ ‬‬ ‫הוכחה‪:‬‬ ‫‪. PA   1  P A .1‬‬
‫‪    P   1  P  0‬‬ ‫הוכחה‪:‬‬ ‫‪P   0‬‬ ‫‪.2‬‬
‫‪‬‬
‫‪B  A B A‬‬ ‫הוכחה‪ :‬בעזרת‪ :‬‬ ‫‪P A  PB ‬‬ ‫‪ .3‬אם ‪ A  B‬אזי‪:‬‬
‫‪P A  1‬‬ ‫‪ .4‬לכל מאורע ‪:A‬‬
‫‪ .5‬חוק החיבור‪ :‬אם ‪ A1 , A2 , A3 ,..., An‬זרים בזוגות‪ ,‬אזי מתקיים‪:‬‬
‫‪. P A1 , A2 ,..., An   P A1   P A2   ...P An ‬‬
‫הוכחה‪ :‬באינדוקציה מתוך אקסיומה ‪.3‬‬
‫‪P A  B   P A  PB   P A  B ‬‬ ‫‪ .6‬חוק האיחוד‪ :‬לכל שני מאורעות‪ ,‬לאו דווקא זרים‪:‬‬
‫הוכחה‪. P A  PB  P A  B  PA  B  PB  A  PB  A  :‬‬
‫כעת ניתן לראות שהאיברים הראשון‪ ,‬שני ואחרון יחד נותנים את ‪ . P A  B ‬נעביר אגף ונסיים את ההוכחה‪.‬‬
‫מהי נוסחת חוק האיחוד ל‪ 3 -‬מאורעות? (יש נוסחה עבור כל מספר של איברים)‪:‬‬
‫‪. P A  B  C   P A  PB  PC   P A  B  P A  C   PB  C   P A  B  C ‬‬

‫נתונים ‪ 5‬גנים שאורכם‪ 400 ,300 ,200 ,100 :‬ו‪( bp 500 -‬זוגות בסיסים)‪ .‬חלבון נזרק לתמיסה‬ ‫דוגמה ‪4.1‬‬
‫ולאחר זמן מה הוא נקשר לאחד הגנים‪ .‬נתון שהסיכוי שלו להקשר לכל ‪ – bp‬קבוע‪.α ,‬‬
‫מהו הסיכוי שלו להקשר לכל אחד מהגנים?‬
‫‪.‬‬ ‫‪‬‬ ‫פתרון‪ :‬כיון שהסיכוי הכולל הוא אחד‪ ,‬אזי‪Pi  100  200  ...  500  1500  :‬‬
‫נחלץ את ‪   1 / 1500 :α‬ולכן הסיכוי להקשר לכל גן הוא‪.5/15 ...2/15 ,1/15 :‬‬

‫חולה מגיע לרופא לבדיקה‪ .‬לאחר מספר בדיקות‪ ,‬הרופא מגיע למסקנה שלחולה יש זיהום‬ ‫דוגמה ‪5.1‬‬
‫בקטריאלי‪ ,‬ויראלי‪ ,‬או שניהם גם יחד (באופן ודאי יש לו זיהום!)‪ .‬מה הסיכוי שלחולה יש גם‬
‫זיהום בקטריאלי וגם זיהום ויראלי אם נתון מהבדיקות ש‪. PB  0.7, PV   0.4 :‬‬
‫פתרון‪ :‬נוח מאוד לשרטט את דיאגרמת ואן‪ ,‬נזכור שלכל זיהום יש רק שתי אפשרויות‪ .‬לכן‪:‬‬
‫‪B = 0.7‬‬ ‫‪BC‬‬
‫‪Ω‬‬ ‫?=‬ ‫‪V∩BC‬‬ ‫‪V = 0.4‬‬
‫‪C‬‬
‫‪B∩V‬‬ ‫‪Ø‬‬ ‫‪VC‬‬

‫כיון ש‪   B,V  :‬וגם ‪ , PB  V   1‬נובע ש‪:‬‬

‫‪PB  V   PB   PV   PB  V ‬‬
‫‪ 1  0.7  0.4  PB  V ‬‬
‫‪ PB  V   0.1‬‬

‫אסטרטגיות פתרון‪:‬‬

‫‪.‬‬ ‫‪ ‬‬

‫‪P A C  1  P  A‬‬
‫‪.1‬‬
‫‪ ‬‬
‫‪P A C  1  P  A‬‬
‫‪.2‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪8‬‬

 ‫‪ .3‬הסיכוי שמספר אירועים ייקרו שווה למכפלת הסיכויים‬
‫מהו גודלה של המשפחה הקטנה ביותר כך שהסיכוי שלפחות שניים מבני המשפחה נולדו‬ ‫דוגמה ‪6.1‬‬
‫באותו החודש‪ ,‬גדול מ ½?‬
‫כאשר שואלים שאלה בסגנון "לפחות" – זה מרמז על כך שניתן אולי לחשב את הסיכוי‬
‫המשלים‪ .‬במקרה זה‪ ,‬ניתן לחשב מה הסיכוי שאף אחד לא נולד באותו החודש‪ ,‬ולמצוא את‬
‫הסיכוי המשלים‪ .‬נגדיר‪ – A :‬לפחות שניים נולדו באותו חודש‪ – B .‬אף אחד לא נולד באותו‬
‫חודש‪ .‬לכן‪:‬‬
‫‪P  A   1  P B   1  1 ‬‬
‫‪11 10 9‬‬ ‫‪8‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ...‬‬
‫‪12 12 12 12‬‬

‫כאן הסדרה מסתיימת בהתאם למספר בני המשפחה‪ .‬כעת אין ברירה אלא לבדוק‪.‬‬
‫עבור ‪ 2‬בני משפחה נקבל ‪ 1-0.91‬וזה קטן מחצי – לא מספיק‪.‬‬
‫עבור ‪ 3‬בני משפחה נקבל ‪ 1-0.76‬וגם זה קטן מחצי‬
‫עבור ‪ 4‬בני משפחה נקבל ‪ - 1-0.57‬קטן מחצי‬
‫עבור ‪ 5‬בני משפחה נקבל ‪ 1-0.38‬וזה גדול מחצי‪ .‬מצאנו – צריך משפחה שגודלה לפחות ‪.5‬‬

‫קערה מכילה ‪ 11‬כדורים‪ 5 ,‬שחורים ו‪ 6 -‬לבנים‪ .‬מוציאים באופן אקראי ‪ 3‬כדורים‪ .‬מה הסיכוי‬ ‫דוגמה ‪7.1‬‬
‫שאחד מהם לבן ושני האחרים שחורים (סדר ההוצאה לא משנה)‪.‬‬
‫פתרון‪ :‬קודם כל נבדוק מה סך האפשרויות להוצאת ‪ 3‬כדורים כלשהם‪. N  1110  9  990 :‬‬
‫כעת נספור (בחלקים) כמה אפשרויות יש כאשר הכדור הראשון לבן‪ ,‬או השני לבן‪ ,‬או‬
‫השלישי לבן‪.‬‬
‫מספר האפשרויות להוציא ראשון לבן ושני שחורים הוא‪. nE   6  5  4  120 :‬‬
‫מספר האפשרויות להוציא ראשון שחור‪ ,‬שני לבן‪ ,‬שלישי שחור‪nE   5  6  4  120 :‬‬
‫מספר האפשרויות להוציא שני ראשונים שחורים ושלישי לבן‪. nE   5  4  6  120 :‬‬
‫‪. PE   120  120  120  4‬‬ ‫לכן‪:‬‬
‫‪990‬‬ ‫‪11‬‬

‫כל הזכויות שמורות‬ ‫‪1‬‬ ‫פרק‬ ‫‪9‬‬