מבוא לסטטיסטיקה תאורית ולהסתברות

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "מבוא לסטטיסטיקה תאורית ולהסתברות"

Transcript

1 מבוא לסטטיסטיקה תאורית ולהסתברות פרופ' משה חביב, המחלקה לסטטיסטיקה, האוניברסיטה העברית מבוסס על קורס "יסודות הסתברות נתונים ומחשבים" (52220 תודות רשימות אלו נכתבו ברובן על ידי דנה אוגוסט במהלך קורס שניתן באוניברסיטה העברית. הן נערכו על ידי נחי אברהם. כמו כן, עזרו לצורך הגרסה הסופית אירנה קפלן ואלישבע שורץ כשהאחרונה דאגה בעיקר לקבצי השאלות והפתרונות. לכולם נתונה תודתי

2 תוכן עניינים 5 סטטיסטיקה תיאורית I מדדי מרכז 5 ממוצע חשבוני mean Arithmetic או (Average ממוצע הנדסי mean (Geometric ממוצע הרמוני mean (Harmonic בחירת סוג הממוצע חציון (median מדדי פיזור 2 5 שונות (Variance סטיית תקן deviation (Standard אי שוויון ציוני תקן (תיקנון היסטוגרמה מדדי קשר בין משתנים שונות משותפת (Covariance מקדם המתאם coefficient (Correlation רגרסיה לינארית regression (Linear או: ישר הריבועים הפחותים נסיגה לממוצע mean (Regression to the שאלות חזרה 5 38 מבוא לתורת הקבוצות ולפונקצית הסתברות II 38 קבוצות ופעולות על קבוצות מונחים יסודיים כללי דה מורגן שכיחות יחסית חלוקה פונקציית הסתברות שאלות חזרה 8 50 קומבינטוריקה III מדגמים מדגם סדור עם החזרה מדגם סדור ללא החזרה מדגם לא סדור ללא החזרה הבינום של ניוטון מדגם לא סדור עם החזרה דוגמאות למרחב הסתברות אחיד זריקת קוביות ימי הולדת זריקת כדורים לתאים קלפי ברידג'

3 9.5.5 חברי כנסת הסתברויות היפר גאומטריות שאלות חזרה (Conditional probability הסתברות מותנה IV ואי תלות (Independence 59 הסתברות מותנה וביאסניות נוסחת ההסתברות השלמה. 62 נוסחת ביאס theorem (Bayes שכיחות יחסית מותנה מאורעות בלתי תלויים דוגמה: אוניברסיטת ברקלי דוגמה: גנטיקה אי תלות מותנה שאלות חזרה 3 77 משתנים מקריים V מפונקציית הסתברות לפונקציית התפלגות פונקציית התפלגות מצטברת התפלגויות התפלגות ברנולי התפלגות אחידה התפלגות בינומית התפלגות גאומטרית התפלגות פואסון התפלגות בינומית שלילית התפלגות היפר גאומטרית מדדי מרכז של משתנים מקריים 6 86 תוחלת של משתנה מקרי value (Expected תוחלת של מ"מ ברנולי תוחלת של מ"מ אחיד תוחלת של מ"מ בינומי תוחלת של מ"מ פואסון תוחלת של מ"מ גאומטרי תוחלת של מ"מ בינומי שלילי תוחלת של מ"מ היפר גאומטרי שכיח שכיח של מ"מ ברנולי שכיח של מ"מ פואסון שכיח של מ"מ בינומי שכיח של מ"מ גאומטרי תוחלת של פונקציות של משתנים מקריים תוחלת של פונקציה לינארית תוחלת של הרכבת פונקציות

4 מדדי פיזור של משתנים מקריים שונות של משתנים מקריים סטיית תקן של משתנה מקרי נוסחה לחישוב השונות שונות של מ"מ ברנולי שונות של מ"מ פואסון שונות של מ"מ בינומי שונות של מ"מ גאומטרי שונות של מ"מ אחיד פרדוקס המהמר (או: פרדוקס סנט פטרבורג הערה: הסתברות ושכיחות יחסית הערה: סופיות התוחלת/השונות חציון תיקנון משתנים מקריים שאלות חזרה 9 06 התפלגות משותפת VI משתנים מקריים רב ממדיים פונקציה של משתנים מקריים קשרים בין משתנים מקריים שונות משותפת של משתנים מקריים מקדם המתאם בין משתנים מקריים ישר הרגרסיה בין משתנים מקריים אי תלות בין משתנים מקריים שקלול אופטימלי בין משתנים מקריים שאלות חזרה אי שוויונים VII 30 אי שוויון מרקוב אי שוויון צ'בישב החוק החלש של המספרים הגדולים שאלות חזרה פתרונות VIII 34 סטטיסטיקה תיאורית מבוא לתורת הקבוצות ולפונקצית הסתברות 30 5 קומבינטוריקה ההסתברות מותנה ואי תלות משתנים מקריים התפלגות משותפת אי שוויונים 35 4

5 חלק I סטטיסטיקה תיאורית תפקידה של הסטטיסטיקה התיאורית הוא לעבד נתונים. למשל, נניח שנתונות ההכנסות של כל משקי הבית בישראל. כלומר, נתונים לנו כמה מיליוני מספרים שכל אחד מהם הוא הכנסה של משק בית כלשהו בישראל. אנו נרצה לראות את ה"יער" מתוך ה"עצים". נרצה לסכם נתונים בתמציתיות או לתאר אותם באמצעות המחשות כמו דיאגרמה או גרף, כך שנקבל תמונה כללית על ההכנסות במשקי בית בישראל. הסטטיסטיקה התיאורית עוסקת בעיקר (אך לא רק במשתנים כמותיים. נניח שמתייחסים לגובה של אנשים השייכים לאוכלוסייה מסויימת. נסמן את המשתנה המספרי שמקבל את ערך הגובה של כל אדם ב Y. נקבע יחידות מדידה קבועות, למשל מטרים, וכל התצפיות (הגבהים של האנשים השייכים לאוכלוסייה יימדדו באותן יחידות. נניח כי נתונים לנו n אנשים באוכלוסיית היעד, כך שקיימות התצפיות המתאימות.Y, Y 2,..., Y n הערה: נשים לב כי Y הוא ערכה של התצפית שאנו קוראים לה ראשונה. "ראשונה" איננו יותר מאשר שם או כינוי לצורכי התייחסות. האינדקס אינו מעיד על חשיבותה של התצפית אלא רק על המספר הסידורי שלה בתוך כלל התצפיות. למעשה הוא משמש כשם לצרכי התייחסות. האינדקס מאפשר להתייחס לאוכלוסייה כאל סדרה, כלומר קבוצה שיש בה. מדדי מרכז נרצה לסכם את התצפיות שקיבלנו במספר או שניים שמייצגים באיזשהו אופן את כלל התצפיות. מספרים אלה מייצגים במידה מסוימת את התכונות של כלל האוכלוסייה הנמדדת, ועל כן הם מאפשרים להשוות באופן כללי בין אוכלוסיות שונות.. ממוצע חשבוני mean Arithmetic או (Average.(Y, Y 2,..., Y n אוסף התצפיות (כלומר, {Y i } n i= הגדרה: נניח כי נתונה הסדרה נאמר שהממוצע החשבוני של הסדרה הוא: Y = Y + Y Y n n = n i= Y i דוגמה: נניח שהערכים הנתונים הם,.,0,2,4 7 נשתמש בנוסחה שהגדרנו ונקבל שהממוצע החשבוני הוא: = 2.4 5

6 מתכונות הממוצע החשבוני. הממוצע החשבוני משמר את יחידות המדידה. Y ביחידות של מטרים, אז גם הממוצע החשבוני Y} i } n =i למשל אם נתונה הסדרה מתקבל ביחידות של מטרים. 2. הממוצע החשבוני משמר "טרנספורמציה לינארית". עבור כל זוג מספרים קבועים כלשהם,a b מתקיימת הנוסחה: a Y + b = a Y + b =i Y} i } n הממוצע החשבוני הוא Y, אז עבור הסדרה נסביר: אם עבור הסדרה.aY +b הממוצע החשבוני יהיה (ay +b, ay 2 +b,..., ay n +b (כלומר, {ay i + b} n i= נשים לב שחיבור וכפל בקבוע הן פעולות שנקראות לינאריות. דוגמה לשימוש היא חישוב הממוצע לאחר שינוי ביחידות המדידה. כך למשל אם נתון ממוצע ביחידות של מטרים, נשתמש בטרנספורמציה הלינארית f (x = 00x כדי לקבל את הממוצע ביחידות של סנטימטרים. 3. ממוצע של סכום שווה לסכום הממוצעים. i= {X i } n i=,{y i} n מתקיימת הנוסחה: עבור כל זוג סדרות X + Y = X + Y גם תכונה זו נובעת מהלינאריות של הממוצע החשבוני. שימו לב, כי הסדרות הן בעלות אותו מספר של ערכים. 4. הממוצע הוא פונקציה שתלויה בכל הערכים. אם נשנה ערך אחד מערכי הסדרה לא משנה איזה ערך הממוצע בהכרח ישתנה. כמובן, אם שינוי זה הוא כלפי מעלה או מטה, יתקיים שינוי באותו כיוון בממוצע (אך לא באותו ערך. 5. הממוצע החשבוני מביא למינימום את סכום ריבועי הסטיות של הנתונים ממספר קבוע. =i Y} i } n ונניח ש x הוא מספר כלשהו. נסביר: נניח כי נתונה הסדרה נתבונן בפונקצית ההפסד (או הקנס שמודדת את סכום ריבועי המרחקים של איברי הסדרה מ x. נקבל את הפונקציה הבאה: f (x = (Y x 2 + (Y 2 x (Y n x 2 = (Y i x 2 i= נוכיח שהממוצע החשבוני Y הוא המספר x שמביא למינימום את הפונקציה (x f שהגדרנו. בפרט, לא משנה איזה x נבחר, תמיד יתקיים (x f. ( Y f 6

7 ראשית נשתמש בנוסחת הכפל הידועה,(a b 2 = a 2 2ab + b 2 ונסיק כי מתקיים: f (x = (Y i x 2 = (Y x 2 + (Y 2 x (Y n x 2 i= = ( Y 2 2Y x + x 2 + ( Y 2 2 2Y 2 x + x ( Y 2 n 2Y n x + x 2 = ( Y 2 + Y Yn 2 2x (Y + Y Y n + nx 2 = i= Y 2 i 2x Y i + nx 2 נשים לב שקיבלנו פרבולה "צוחקת" מהצורה,ax 2 +bx+c כאשר הקבועים המתאימים במקרה שלנו הם: i= a = n b = 2 c = i= עבור פרבולה צוחקת הנוסחה למציאת הערך x, min כלומר הערך שעבורו הפרבולה (x f מגיעה למינימום, היא: x min = b 2a = 2 n i= Y n i i= = Y i = Y 2n n מכאן שהממוצע Y הוא הערך שמביא למינימום את פונקציית סכום ריבועי המרחקים של הנתונים מ x. i= Y 2 i Y i 6. הממוצע בריבוע קטן או שווה לממוצע הריבועים. במילים אחרות, מתקיים אי השוויון.Y 2 Y 2 כמו כן המקרה של שוויון Y 2 = Y 2 מתקיים אך ורק כאשר כל איברי הסדרה שווים. הוכחה: 0 f (x min = 4ac b2 4a = 4n n i= Y i 2 4 ( n i= Y i 2 = n (Y 4n 2 Y 2 7. אם נתונים בסדרה k איברים זהים, אז לצורך חישוב הממוצע ניתן להכפיל את האיבר המתאים ב k. 7

8 ,Y, Y 2, Y,..., Y,..., Y אז הממוצע הוא: כלומר, אם נתונה הסדרה } n {{} k times Y = Y + Y 2 + k {}}{ Y Y Y n n = Y + Y 2 + ky Y n n.2 ממוצע הנדסי mean (Geometric i= {Y i } n שכל איבריה אי שליליים. הגדרה: נניח כי נתונה הסדרה נאמר שהממוצע ההנדסי (או הגאומטרי של הסדרה הוא: x = n Y Y 2... Y n ראינו כי הממוצע החשבוני ממזער פונקצית קנס מסוימת. נראה כי הממוצע הגאומטרי ממזער פונקצית קנס אחרת. נתבונן בסדרה שבה מוציאים לוגריתם מכל אחד מהאיברים..{log Y i } n i= נקבל את הסדרה נגדיר את פונקצית ההפסד (x g באופן הבא: g (x = (log Y log x 2 + (log Y 2 log x (log Y n log x 2 = n i= (log Y i log x 2 נשים לב שמהדיון לעיל בו הראינו שממוצע הוא הערך שממזער את פונקציית סכום ריבועי המרחקים, נובע שהערך שממזער את הפונקציה (x g הוא הערך של x עבורו.log x = log Y לפי חוקי הלוגריתמים: log Y = n (log Y + log Y log Y n = n log (Y Y 2... Y n = ( = log (Y Y 2... Y n n = log n Y Y 2... Y n נסיק מכך: log x = log Y = log n Y Y 2... Y n x = n Y Y 2... Y n מכאן שבדומה לממוצע החשבוני שהוגדר כמספר שממזער את סכום ריבועי המרחקים של איברי הסדרה ממנו, הממוצע ההנדסי מוגדר כמספר שהלוגריתם שלו ממזער את סכום ריבועי המרחקים של לוגריתם איברי הסדרה ממנו. פונקציית הלוגריתם היא פונקציה הפיכה, ולכן ניתן לצמצם אותה משני הצדדים. 8

9 מתכונות הממוצע ההנדסי. הממוצע ההנדסי משמר את יחידות המדידה. n ay ay 2... ay n = a n Y Y 2... Y n.2 לכל 0 a מתקיים: (כלומר, הממוצע ההנדסי לינארי ביחס לכפל בקבוע. n (Y + b (Y 2 + b... (Y n + b n Y Y 2... Y n + b.3 לכל 0 b מתקיים: (כלומר, הממוצע ההנדסי אינו לינארי ביחס לחיבור בקבוע. j= {x j } n מתקיים: 4. לכל סדרה מהצורה n x Y x 2 Y 2... x n Y n = n x x 2... x n n Y Y 2... Y n.3 ממוצע הרמוני mean (Harmonic i=,{y i } n שכל איבריה שונים מ 0. הגדרה: נניח כי נתונות הסדרה נאמר שהממוצע ההרמוני של הסדרה הוא: n x = Y + Y = Y n Y במילים: זהו המספר ההופכי לממוצע החשבוני של הופכי אברי הסדרה נשים לב שבתרגום למונחי פונקציית הפסד, נחפש x שימזער את הפונקציה: i= ( 2 Y i x x = Y נקבל מינימום של הפונקציה, כפי שהסברנו לעיל בנוגע לממוצע החשבוני. אם נבחר ולכן נציב בשוויון הנדרש את התוצאה ונקבל: x = Y = n = n i= n n Y i i= Y i 9

10 .4 בחירת סוג הממוצע אי שוויון הממוצעים: ראשית נזכיר (מבלי להוכיח תוצאה ידועה של המתמטיקאי אוגוסטין קושי, שנקראת "אי שוויון הממוצעים". משפט זה קובע שלכל סדרה של מספרים חיוביים שהגדרנו אי השוויון הבא: i=,{x i } n מתקיים עבור שלושת הממוצעים n x + x x n n x x 2... x n x + x x n n המשפט קובע ששוויון מתקיים אם ורק אם כל המספרים בסדרה זהים. דוגמה ברוקר נוכח שבשלוש שנים עוקבות מניה הכפילה את עצמה בערכים,.., לכן שווי המניה לאחר שלוש השנים הוכפל בערך של = בממוצע חשבוני, ערך נשים לב שאם כל שנה היינו מכפילים 3 המניה הוכפל בשנה בערך של =.077 את ערך המניה ב.077 היינו מרוויחים יותר ממה שהושג במציאות: = כעת נמצא תשואה קבועה כזאת שב 3 שנים תניב את הרווח שהתקבל בפועל (.277: x 3 =.277 x = =.068 נשים לב שזה התקבל למעשה באמצעות חישוב הממוצע ההנדסי. מכאן שבחישוב תשואות הממוצע ההנדסי הוא מדד מרכזי מהימן יותר מאשר הממוצע החשבוני. הערה: בהתאם לאי שוויון הממוצעים, נוכחנו שהממוצע ההנדסי קטן מהממוצע החשבוני. דוגמה 2 מכונית נוסעת מחיפה לתל אביב, מרחק של 00 ק"מ, במהירות קבועה של 00 קמ"ש. דרך זו כמובן תארך שעה. המכונית חוזרת את אותה הדרך במהירות של 50 קמ"ש, וכעת הדרך תארך כבר שעתיים. מהי המהירות הממוצעת של המכונית? תשובה פזיזה עלולה לקבוע שהמהירות הממוצעת היא 75 קמ"ש. אולם לכאורה זו תשובה שגויה, כי מהירות ממוצעת מוגדרת כסך המרחק חלקי סך הזמן ולכן הממוצע הוא = ואכן אם היינו דוגמים את מהירות המכונית בכל דקה היינו מקבלים את הנתונים, {50}, 20 כך שהממוצע החשבוני בכל הדקות הוא: i=,{00}60 j= = לעומת זאת נשים לב שאם היינו בודקים את מהירות המכונית בכל קילומטר היינו מקבלים {50}, 00 כך שהממוצע החשבוני הוא: i=,{00}00 j= = 75

11 אם כן מהי התשובה הנכונה? אין תשובה נכונה יחידה. ממוצע חייב להתייחס ליחידות המדידה שבהן אנו בוחרים למדוד. במקרה זה עלינו להחליט האם מעוניינים לבדוק מהירות ממוצעת לדקה (זמן או מהירות ממוצעת לקילומטר (מרחק. כמובן שהבחירה הראשונה היא זו המעשית יותר. הערה: עד כה ניגשנו להגדיר מדדי מרכז או ממוצעים למיניהם כדי שימזערו פונקציות הפסד מסוימות. קיימת גישה אחרת להגדיר את הממוצעים, לפיה מעוניינים להחליף את כל איברי הסדרה במספר קבוע שיביא אותנו לאותו מקום. n, נקבל ממוצע חשבוני: אם נבדוק מהו הקבוע c המקיים i= X i = c + c c }{{} n times.c = X = n את הממוצע החשבוני n i= X i n, נקבל את i= X i = c } c {{... } ממוצע הנדסי: אם נבדוק מהו הקבוע c המקיים c n times c = n n (עבור איברים שכולם חיוביים. הממוצע ההנדסי i= X i, n i= X i ממוצע הרמוני: אם נבדוק מהו הקבוע c המקיים c = c + }{{ c } n times נקבל את הממוצע ההרמוני.c = n n i= Xi i= דוגמה 3 נניח כי עוברים מרחק בגודל a מספר כלשהו של פעמים שנסמן n. בכל אחת מהפעמים.{Y i } n i= עוברים את המרחק במהירות Y. i כלומר נתונה לנו סדרת המהירויות בכל פעם:, a Y i ולכן הזמן שאורך לעבור את נשים לב שמשך הזמן שאורכת הדרך בפעם ה i הוא המרחק הכולל של na הוא a. Y i שאלה: מהי המהירות הקבועה (שנסמן כנעלם x שאם נשתמש בה בכל n הפעמים, סך הזמן שיארך לעבור את המרחק na יהיה שווה לסך הזמן שאורך לעבור את אותו המרחק במהירויות i= {Y i } n בהתאמה? אם נתרגם את השאלה לסימונים בהם השתמשנו, נחפש x שיקיים את השוויון: וזו בדיוק הגדרת הממוצע ההרמוני. a i= x = = na Y x i n n i= Y i

12 .5 חציון (median =i Y} i } n נאמר שהחציון של הסדרה הוא הערך האמצעי של הגדרה: נניח כי נתונה הסדרה הערכים, והוא מסומן ב (.med Y בפרט, אם מספר התצפיות הוא אי זוגי, מסדרים את הערכים שבסדרה בסדר עולה (או יורד ובוחרים את הערך האמצעי. אם מספר התצפיות הוא אי זוגי, החציון מוגדר להיות כל ערך שנמצא בין שני הערכים האמצעיים של הסדרה. 2 דוגמה: נניח שנתונות התצפיות 7} {, 0, 2, 4, =,Y אז = 2 (Y.med נראה שגם החציון ממזער פונקציית הפסד כלשהי. נגדיר פונקציית את פונקצית ההפסד (x h באופן הבא: h (x = Y x + Y 2 x Y n x = h (x = i= Y i x = n n Y i x i= Y i x = n Y x i= נשים לב שמתקיים: בדוגמה שהזכרנו, הפונקציה המתקבלת היא: 5x + 2 for x 3x + 4 for x 0 x + 0 for 0 x 2 h (x = x + x + 2 x + 4 x + 7 x = x + 0 for 2 x 4 3x + 2 for 4 x 7 5x 2 for 7 x נסביר: נשים לב שעבור x כל הביטויים בתוך סימני הערך המוחלט הם חיוביים, ולכן בתחום זה ניתן לוותר על סימנים אלו, ואז הפונקציה מוגדרת + 2 5x h. (x = כאשר 0 x עובדה זו נכונה רק עבור ארבעת המחוברים האחרונים. עבור המחובר הראשון הערך המוחלט הופך את סימנו של הביטוי הרשום בתוכו והוא + x, לכן עבור תחום זה הפונקציה מוגדרת + 4 3x.h (x = בתחום 2 x 0 שני המחוברים הראשונים הופכים סימן ושלושת האחרונים לא, ולכן עבור תחום זה הפונקציה מוגדרת + 0 x.h (x = וכן הלאה. הגרף של פונקציה זו הוא: 2 לעיתים מקובל לקחת את הממוצע החשבוני בין שני ערכים אמצעיים אלה 2

13 ניתן לראות כי עבור < 2 x הפונקציה מונוטונית יורדת, ועבור x 2 היא מונוטונית עולה. בפרט, הנקודה = 2 x היא נקודת מינימום שבה הפונקציה משנה את כיוון המונוטוניות. נשים לב ש 2 = Y.med כלומר, פונקציית ההפסד שהגדרנו מתמזערת בנקודת החציון. במקרה שבו קיים מספר זוגי של ערכים בסדרה, כל הקטע שבין שני הערכים האמצעיים יהיה בשיפוע 0 וכל הנקודות שבו יהוו מינימום של פונקציית ההפסד שהגדרנו..h (med(y = n ניתן להבחין נתבונן שוב בפונקציית ההפסד שהגדרנו Y i = Y i שעבור מחצית הערכים הגדולים מהחציון הסימן אינו משתנה כי מתקבל מספר חיובי, ועבור מחצית הערכים הקטנים מהחציון הסימן משתנה משלילי לחיובי. לכן נוכל להסיק שערך פונקציית ההפסד בחציון הוא ההפרש בין סכום המחצית העליונה של הערכים לבין סכום המחצית התחתונה שלהם. כלומר, אם נתונה הסדרה,Y Y 2... Y n אז מתקיים: n 2 Y i if n is odd h (med (Y = i= n+ 2 i= n 2 + Y i i= n 2 i= Y i Y i if n is even מתכונות החציון. החציון משמר את יחידות המדידה. 2. לכל,a b קבועים מתקיימת הנוסחה: med (ay + b = a med (Y + b med (X + Y med (X + med (Y.3 3

14 נשים לב שחיבור קבוצות מהצורה שסימנו Y X + הוא חיבור של זוגות איברים בעלי אותו אינדקס. נתבונן למשל בסדרות הבאות: med (, 2, 4 = 2 med (, 3, 2 = 2 med ( +, 2 + 3, = med (2, 5, 6 = 5 4. החציון אינו רגיש כמו הממוצע לשינוי בערכי הסדרה. שינוי של ערך בסדרה יכול להשפיע על החציון רק אם הערך היה גדול (קטן מהחציון ושונה להיות קטן (גדול ממנו. הרחבה: נדון בדוגמה מעניינת שתשקף יתרון לשימוש בחציון כמדד מרכזי על פני הממוצע. מספר בתים ממוקמים לאורך רחוב אחד, נניח במקומות x x 2... x n. מתכנן מרכזי רוצה למקם תחנת אוטובוס אחת ברחוב. סביר שימקם אותה היכן שהוא 'באמצע', זאת אומרת למשל בממוצע החשבוני בין ה x ים או בחציון. נניח כעת כי המתכנן אינו יודע את מיקום הבתים והוא נאלץ להעזר באינפורמציה שיתנו לו הדיירים. הדיירים מצידם אינם חייבים לומר את האמת כאשר ברצונם כי התחנה תמוקם קרוב ככל הניתן לביתם. נראה ראשית כי אם התחנה ממוקמת בממוצע החשבוני לפי הדיווחים, אין זה בכלל ברור כי כולם יאמרו את האמת. למשל, "נביא" מביניהם שיודע מה האחרים ידווחו תמיד יוכל לדווח דבר שקר ולמקם את התחנה במרחק אפס מביתו א. נכון, אפסו נביאים, אבל מטרת דוגמא זו היא להראות כי אמירת אמת אינה מובנת מאליה. לעומת זאת, אם המיקום יהיה בחציון המקומות המדווחים אין לאף אחד עניין לדווח שקר. במילים אחרות, לא משנה מה יעשו האחרים לומר את האמת זו האסטרטגיה הטובה ביותר (אם כי לא בהכרח באופן יחיד. ניתן לראות זאת כך. נניח כי לאחר דיווח אמת x i על ידי דייר i ודיווח כלשהו של האחרים, נקבע החציון להיות קטן מ x. i האם כדאי לדייר זה לשנות את דיווחו? אם יגדיל את דיווחו החציון לא ישתנה, ואם יקטין אותו, החציון או שלא ישתנה או שיוקטן עוד יותר וכך רק ירחיק עוד יותר את החציון מ x. i שיקול דומה קיים גם למקרה שהחציון לפי הדיווחים יצא גדול מ x. i = i x זאת ni= y i א אם כולם פרט ל i ידווחו j i n y, j הדייר ה i ידווח על y i כך שיתקבל n y i = n x i n אומרת, j i y j 2 מדדי פיזור המידע שטמון במדדים מרכזיים מתעלם מהפיזור של הערכים סביב אותו מדד מרכזי. כך למשל הממוצע של {0,0},5 והממוצע של {6,4},5 שניהם שווים ל 5, על אף שהערכים בסדרה הראשונה מפוזרים במרחקים גדולים יותר מהממוצע. נחפש מדדים שנכנה מדדי פיזור, שייתנו לנו מידע אודות מידת הפיזור של הערכים סביב המדד המרכזי. פיזור של אוכלוסייה כלשהי תמיד ייקבע ביחס למדד מרכזי כלשהו של האוכלוסייה הרלוונטית. נציע מדד שנראה טבעי (אך למעשה שגוי למדידת הפיזור של ערכים 4

15 =i Y} i } n כך ש Y הוא הממוצע שלה. נגדיר מדד פיזור סביב הממוצע: נניח כי נתונה הסדרה : { Y i Y } n כממוצע הסטיות בין האיברים לבין הממוצע. כלומר הממוצע של הסדרה i= ( Y Y + ( Y 2 Y ( Y n Y Y Y = = ( Yi Y n n i= נזכור שהראינו כי,aY + b = ay + b ולכן נסיק: 3 Y Y = Y Y = 0 לכן נסיק שמדובר במדד פיזור חסר משמעות, כי הוא קבוע ושווה ל שונות (Variance =i Y} i } n כך ש Y הוא הממוצע שלה. נגדיר את השונות הגדרה: נניח כי נתונה הסדרה 2 Y ( Y i. כלומר הממוצע של של הסדרה כממוצע של ריבועי הסטיות מהממוצע { (Yi : Y } 2 n הסדרה i= V ar (Y = ( Y Y 2 + ( Y2 Y ( Yn Y 2 n = n ( Yi Y 2 i= ( Yi Y 2 n ( = Yi 2 2Y i Y + Y 2 = i= i= ( = n n Yi 2 2Y n i= i= i= Y 2 i נוסחה: נשים לב שמתקיים: 2Y Y i + ny 2 = i= Y i + ny 2 = ny 2 2nY 2 + ny 2 = n (Y 2 Y 2 ומכאן נובעת נוסחה עבור השונות: V ar (Y = Y 2 Y 2 מנוסחה זו ניתן להסיק שוב שמתקיים,Y 2 Y 2 שכן תמיד 0 (Y.V ar (ראה עמוד 7 מתכונות השונות. השונות מתקבלת ביחידות מדידה שהן ריבוע של יחידות המדידה של ערכי הסדרה. למשל, אם ערכי הסדרה נמדדים ביחידות של מטר, השונות מתקבלת ביחידות של מטר רבוע. 3 נשים לב ש Y = Y 5

16 2. השונות אדישה לחיבור בקבוע: V ar (Y + b = V ar (Y ההוכחה לכך פשוטה: V ar (Y + b = n ( Yi + b ( Y + b 2 i= = ( Yi Y 2 = V ar (Y n i= V ar (ay = a 2 V ar (Y 3. עבור הכפלה בקבוע מתקיים: V ar (ay = n i= ( ayi ay 2 = n ( ayi ay 2 = i= הוכחה: n ( ( a Yi Y 2 = a 2 n i= ( Yi Y 2 = a 2 V ar (Y i= נקבל משתי התוצאות הקודמות שלכל,a b קבועים מתקיים: V ar (ay + b = a 2 V ar (Y 2.2 סטיית תקן deviation (Standard i=.{y i } n סטיית התקן של Y היא: הגדרה: נניח כי נתונה הסדרה SD (Y = V ar (Y תכונות סטיית התקן. סטיית התקן משמרת יחידות מדידה. למשל, אם ערכי הסדרה נמדדים במטרים, גם סטיית התקן תמדד במטרים. 2. כמו השונות, סטיית התקן אדישה לחיבור קבוע: SD (Y + b = SD (Y 6

17 3. עבור הכפלה בקבוע מתקיים: SD (ay = a SD (Y נשים לב: a a 2 =. נקבל משתי התוצאות הקודמות שלכל,a b קבועים מתקיים: SD (ay + b = a SD (Y 2.2. אי שוויון מהתצפיות k אי שוויון צ'בישב קובע שבכל סדרת תצפיות Y עבור כל > 0 k, לפחות 2 9 = 8 9 נופל במרחק של עד Y k± SD מהממוצע. למשל עבור = 3 k, לפחות מהתצפיות נמצאות במרחק של עד 3 סטיות תקן (למעלה או למטה מהממוצע. אי שוויון זה מעניק משמעות פורמלית לטענה שלא ייתכן שחלק גדול מידי מהאוכלוסייה נמצא במרחק רב מידי מהממוצע, כאשר היחידות בהן נמדד המרחק הן מספר סטיות התקן של הערך מממוצע הסדרה Y. נשים לב שמרחק זה יכול להיות שלילי. הוכחה תינתו בהמשך (עמוד (3 2.3 ציוני תקן (תיקנון =i Y}, i } n כך ש Y הוא הממוצע שלה ו ( SD Y היא סטיית הגדרה: נניח שנתונה הסדרה התקן. נגדיר את סדרת ציוני התקן באופן הבא: { } n {Z i } n i= = Yi Y SD (Y i= Y ( נקראת "תיקנון" וחיברנו SD(Y טרנספורמציה לינארית זו שביצענו (כפלנו ב ( SD(Y של הסדרה. ציוני התקן אינם תלויים ביחידות המדידה המקוריות. כך למשל נתבונן בציון תקן של סדרה ביחידות של ס"מ וביחידות של מטרים: 00Y i 00Y SD (00Y = 00Y i 00Y 00 SD (Y = Y i Y SD (Y הסבר: נניח שנתונה אוכלוסייה של אנשים ולכל אחד מהם נתון ה IQ שלו. קיבלנו מידע שה IQ של אדם מסוים גבוה מהממוצע. מידע זה מקבל משנה חשיבות אם ידוע שהפיזור סביב הממוצע הוא קטן, יותר מאשר במצב שבו הפיזור רב. במצב שבו הפיזור קטן סביב הממוצע "קשה" יותר להתרחק מהממוצע, ולכן IQ גבוה במקרה זה מהווה תופעה משמעותית יותר מאשר במקרה האחר. כדי להעניק חשיבות לעובדה שאדם זה מעל לממוצע תוך התחשבות במידת הפיזור, נתקנן את ה IQ שלו. 7

18 היבט נוסף בו התיקנון שימושי, הוא מצב בו מעוניינים להשוות בין פרטים שונים באוכלוסיות שונות. למשל השוואה בין גובהם היחסי של שחקן ושחקנית כדורסל. כמו כן תיקנון שימושי במצב בו מעוניינים להשוות בין פרטים הנמדדים ביחידות מידה שונות. למשל האם אדם מסוים הוא גבוה יותר או כבד יותר. תכונות ציוני התקן. הממוצע של ציוני תקן הוא 0. הוכחה: Z = Y SD (Y Y SD (Y = Y SD (Y Y SD (Y = 0 2. השונות של ציוני תקן היא, ולפיכך גם סטיית התקן היא. הוכחה: ( ( Y V ar (Z = V ar SD(Y Y Y SD(Y = V ar SD(Y = SD(Y 2 V ar (Y = V ar(y V ar(y = 2.4 היסטוגרמה היסטוגרמה היא שיטה להצגה של נתונים מרובים. כדי ליצור היסטוגרמה עבור אוסף נתון של תצפיות נעשה את הדברים הבאים:. נקבע טווחים של ערכים שבכל אחד מהם ייפלו כמה תצפיות (הטווחים יכולים להיות שונים זה מזה באורכם, ונמספר כל אחת מקבוצות התצפיות שבטווחים. קביעת הטווחים היא משימה מורכבת לעתים ולא חד משמעית, כי מצד אחד חלוקה לטווחים מצומצמים (כלומר לקבוצות רבות של ערכים מעניקה מידע יותר מדויק, אבל מאידך מטשטשת את התמונה הכללית כי מספר התצפיות בכל קטע יהיה קטן. 2. בשלב הבא נחשב את השכיחות היחסית של כל אחת מקבוצות הערכים. כלומר נבדוק מהו השיעור של כל קבוצה מתוך כלל התצפיות. 3. נשרטט גרף לפי השכיחויות היחסיות בשיטה הבאה: ניצור מערכת צירים שעל ציר ה x יחידות המדידה של ערכי התצפיות. ביחידות המדידה של ציר ה y נדון בהמשך. נקבע שרירותית יחידת שטח כללית על המישור, וגודלה של יחידה זו יוגדר וייצג את כלל האוכלוסיה. נשרטט מלבן לכל קבוצה. רוחב המלבן (על ציר ה x ייקבע לפי הטווח המתאים לקבוצה, וגובה המלבן שמכונה צפיפות (על ציר ה y יהיה השכיחות היחסית של הקבוצה חלקי אורכה. ובפרט, שטח המלבן יהיה השכיחות היחסית של הקבוצה. דוגמה: נתונים 00 אנשים שהתפלגות הגילאים שלהם היא: 8

19 היסטוגרמה של נתונים אלה תיראה כך: שכיחות יחסית שכיחות גיל סך הכל 00 ניתן לראות לפי הדוגמא זו כי כאשר אורכי הקטעים שונים, גבהי המלבנים גם הם פרופורציונלים לשכיחות היחסית של הקבוצה. הסבר על מושג הצפיפות עד כה עסקנו ביחידות ציר ה x ובשכיחות היחסית שמייצג שטח המלבן. היחידות שעל ציר ה y יוגדרו כצפיפות. מקור המונח הוא שגובה המלבן מגדיר את קצב צבירת השכיחות היחסית, ליחידת x. הצפיפות לא מייצגת שטח כמובן, והיא גם לא השכיחות היחסית. הצפיפות היא השכיחות היחסית חלקי יחידות המדידה של x. כך למשל גובה מלבן של 0.9 אומר שכל פעם שנתקדם יחידה לאורך ציר ה x, נצבור עוד.9% מהשכיחות היחסית. נציין כי בספרים ותוכנות שונים, לעיתים יחידות המדידה של ציר ה y מוגדרות כ"הסתברות" או "שכיחות יחסית". זה רחוק מלהיות נכון. למשל, צפיפות יכולה להיות גדולה בערכה מ בערכים נומרים. כאשר רוחבי הקטעים שווים, הערכים הרשומים על ציר ה y הם פרופורציונליים לשכיחות היחסית של הקטעים הרלוונטיים, אך אין הם ביחידות המדידה שלו, כנדרש מכל פונקציה. פוליגון פוליגון הוא מצולע שקודקודיו הם אמצעי הפאה העליונה של המלבנים בהיסטוגרמה. בדוגמה הקודמת הפוליגון המתאים הוא: 9

20 3 מדדי קשר בין משתנים לאחר שעסקנו בכל משתנה בנפרד נרצה לאפיין קשר בין משתנים שונים וכיצד הם נעים יחד. למשל, האם ניתן ללמוד משהו על ערכו של האחד אם ידוע ערכו של השני? האם ניתן לקבוע בהכללה שכאשר ערכו של אחד גדל כך גם השני? או להיפך? ואם כן, באיזו מידה הכללה זו נכונה? מדדי הקשר שנדון בהם כעת וישר הרגרסיה שיבוא אחר כך, עוסקים בשאלות אלו. 3. שונות משותפת (Covariance הגדרה: נניח שנתונים שני משתנים,X. Y השונות המשותפת להם מוגדרת להיות: Cov (X, Y = n [( X X ( Y Y ( X n X ( Y n Y ] = n ( Xi X ( Y i Y i= דוגמה: נסדר את הנתונים בטבלה: ( X Y X i X Y i Y Xi X ( Y i Y ניתן לראות כי = 4,X.SD (Y = 4,SD (X = 2,Y = 6 נחשב את השונות המשותפת וניווכח ש 0 > 4.2 = Y.Cov,X המשמעות של העובדה שהשונות המשותפת של X ו Y חיובית, היא שהמשתנים הללו תלויים באופן חיובי. כלומר, אך בהכללה, אם אחד גדל גם האחר גדל. 20

21 = n נוסחה: ניתן לראות שמתקיים: Cov (X, Y = ( Xi X ( Y i Y n X i Y i n i= i= X i Y n i= XY i + n i= X Y = n n i= X i Y i X Y Y X + X Y = X Y X Y ולכן קיבלנו את הנוסחה: i= Cov (X, Y = X Y X Y מתאם בין משתנים: נאמר שהמשתנים,X Y מתואמים חיובית (שלילית אם השונות המשותפת שלהם חיובית (שלילית. נאמר שהמשתנים,X Y בלתי מתואמים אם השונות המשותפת שלהם היא 0. תכונות השונות המשותפת. הזזה באמצעות חיבור קבועים לשני המשתנים (גם אם התזוזות שונות זו מזו בערכן אינה משנה את השונות המשותפת. כלומר, לכל,a b קבועים מתקיים: Cov (X + a, Y + b = Cov (X, Y הסיבה לכך היא ששינוי כל התצפיות בקבוע מזיז את הממוצע בדיוק באותו קבוע, ולכן ההפרשים מהממוצע לא משתנים. Cov (ax, by = ab Cov (X, Y 2. לכל,a b קבועים מתקיים: משתי התכונות הללו נובע שלכל,a,b,c d קבועים מתקיים: Cov (ax + b, cy + d = ac Cov (X, Y Cov (X, Y = Cov (Y, X.3 2

22 .4 Cov (X + Y, Z = Cov (X, Z + Cov (Y, Z.5 V ar (X ± Y = V ar (X + V ar (Y ± 2Cov (X, Y הוכחה: V ar (X ± Y = n [ (Xi ± Y i ( X ± Y ] 2 i= = [( Xi X ± ( Y i Y ] 2 n i= = [ (Xi X 2 ( + Yi Y 2 ( ± 2 Xi X ( Y i Y ] 2 n i= = V ar (X + V ar (Y ± 2Cov (X, Y 3.2 מקדם המתאם coefficient (Correlation הגדרה: מקדם המתאם בין,X Y מוגדר להיות: Corr (X, Y = Cov (X, Y SD (X SD (Y = Corr (X, Y = n ( n i= Xi X ( Y i Y = SD (X SD (Y n Cov (X, Y SD (X SD (Y הרחבה: נוכל לפתח את הביטוי ולקבל: ( Xi X ( SD (X Yi Y SD (Y נשים לב שקיבלנו שההגדרה של מקדם המתאם של,X Y שקולה לשונות המשותפת של ציוני התקן של X ושל Y. i= 22

23 תכונות מקדם המתאם. Corr (X, Y = Corr (Y, X Corr (ax + b, cy + d =.2 לכל a, b, c, d קבועים מתקיים: { accov (X, Y a SD (X c SD (Y = Corr (X, Y if a c > 0 Corr (X, Y if a c < 0 ( X X Corr SD (X, Y Y = Corr (X, Y SD (Y ובפרט מתקיים: תכונה יסודית של מקדם המתאם: Corr (X, Y (נוכיח טענה זו בהמשך (עמוד 7. מתכונה זו נובע שכאשר מקדם המתאם הוא למשל 0.8 מדובר בקשר חזק בין שני המשתנים. ניתן לנסות לנחש את סימן מקדם המתאם בעזרת התבוננות בדיגארמת פיזור (ראה הרחבה להלן. נסתכל למשל בציור הבא: נבחר למקם את ראשית הצירים בנקודת הממוצעים, כלומר Y,X ונעביר קווים ישרים מקבילים לצירים לאורך ולרוחב דרך נקודה זו. נתחיל ברביע הראשון, באזור זה ערך ה x וה y של כל הנקודות גדול מ X ו Y בהתאמה. לכן, אזור זה יתרום לסכום שבהגדרת 23

24 השונות מכפלות חיוביות. מכיוון שברביע השלישי ערך ה x וה y של כל הנקודות קטן מ X ו Y בהתאמה, אזי נקבל הפרשים שליליים מהממוצע ומכפלות חיוביות. יש מעט נקודות ברביע השני והרביעי, שעל פי הגיון זה יניבו מכפלות שליליות, אבל הן מעטות ולכן ננחש שהשונות המשותפת תהיה חיובית. הרחבה: דיאגרמת פיזור n על רשת צירים דו מימדית, בעזרת {(X i, Y i } n i= ניתן לתאר את סדרת הנתונים נקודות במישור. הנקודה i X i, Y תהא זו שמרחקה האנכי מציר ה y הוא X, i (ייתכן והמרחק שלילי ומרחקה מציר ה x הוא Y. i המטרה היא לא רק לרשום את ה"עצים" אלא גם לראות את ה"יער", קרי, לבחון באופן גס ולא מדעי האם קיימים קשרים בין המשתנים. 4 רגרסיה לינארית regression (Linear או: ישר הריבועים הפחותים נגדיר קו ישר מהצורה y, = b + ax כך ש b הוא החותך ו a הוא השיפוע. נרצה לעסוק i= {(X i, Y i } n במישור לבין ישר זה. נגדיר מרחק במרחק שבין סדרה כלשהי של נקודות זה להיות: (Y i (b + ax i 2 = (Y i b ax i 2 i= i= נשים לב שכאשר = 0 a, b = Y מקבלים את הישר הקבוע y, = Y ולעיל כשעסקנו בממוצע הגדרנו ביטוי למרחק של הסדרה ממנו: ( Yi Y 2 = n V ar(y i= כאן יש לציין כי אין סמטריה בין X לבין Y. בפרט, המרחק כאן בין נקודה לישר הוא הפרש בין Y i לבין.aX i + b ניזכר כי לעיתים (שיעורי פיזיקה מוגדר אחרת המרחק בין נקודה לישר זהו המרחק בקו אוירי בין i X i, Y לנקודה הקרובה ביותר אליה על הישר. כאן קיימת סמטריה בין X ל Y. כעת נרצה למצוא,a b כאלה שימזערו את המרחק של i= {(X i, Y i } n מהישר.y = b + ax הישר שיתקבל לאחר הצבת הנקודות סדרת הנקודות,a b שנבחר ייקרא ישר הרגרסיה או ישר הריבועים הפחותים של Y על X. בישר זה נשתמש כדי לחזות את Y בהינתן X. למשל בהינתן X 3 נצפה ש Y 3 יהיה שווה ל b. + ax 3 פעמים רבות תחזית זו תהיה לא נכונה, וייווצר פער בין Y 3 האמיתי לבין Y 3 החזוי שמכונה שארית. המטרה היא למזער את השאריות ככל שניתן. הערה: בניגוד לשונות המשותפת ולמקדם המתאם בהם יש סימטריה ביחס שבין X ל Y, בישר הרגרסיה הדבר לא כך, והישר של X על Y שונה מהישר של Y על X. משפט: ישר הרגרסיה של Y על X הוא הישר (היחיד שעובר דרך הנקודה Y (,X וששיפועו SD(Y.a = Corr (X, Y או באופן שקול: הישר (היחיד שהחותך שלו הוא הוא SD(X b = Y ax וששיפועו הוא: a = Corr (X, Y SD (Y SD (X 24

25 a = Corr (X, Y הערה: נשים לב שמתקיים: SD (Y Cov (X, Y SD (Y Cov (X, Y = = SD (X SD (X SD (Y SD (X V ar (X הוכחה: ראשית נשים לב שבהינתן a קבוע כלשהו, הערך של b שממזער את הביטוי n הוא b. = Y ax טענה זו נובעת מכך שהראינו לעיל i= (Y i b ax i 2 שמיזעור פונקציית הפסד מסוג זה מתקבל באמצעות הממוצע של הסדרה שבמקרה b = Y ax = להיות b נבחר את a ולכן בהינתן.{Y i ax i } n i= שלנו היא Y. ax נשים לב שטענה זו מספיקה כדי להראות שהנקודה Y (,X על הישר המבוקש, שכן היא מקיימת את המשוואה Y = b + ax עבור b שמצאנו לכל ערך של.a. n i= ( Yi ( Y ax ax i 2 אם כן נותר למצוא a שימזער את הביטוי נפתח את הביטוי באופן הבא: ( Yi ( Y ax 2 n [( ax i = Yi Y a ( X i X ] 2 i= i= = ( Yi Y 2 n ( 2a Yi Y ( X i X n + a 2 ( Xi X 2 i= i= כעת נשים לב שניתן להתייחס לביטוי שהתקבל כאל פרבולה צוחקת כשהמשתנה הוא.a,x = d 2c לפרבולה צוחקת מהצורה cx2 +dx+e יש מינימום שמתקבל על ידי הנוסחה ואם נציב במקרה שלנו נקבל שהמינימום מתקבל: 2 n ( i= Yi Y ( X i X n ( ( Xi X n i= Yi Y ( X i X 2 = ( Xi X 2 = 2 n i= n n i= i= Cov (X, Y V ar (X הרחבה: עבור c > 0 y, = cx 2 +dx+e (פרבולה צוחקת הערך המינימלי מתקבל באמצעות 25

26 = i= y, = e d2 נציב את הערכים של הביטוי שקיבלנו: הביטוי 4c ( Yi Y [ n ( 2 2 i= Yi Y ( X i X ] 2 4 n ( i= Xi X 2 i= = ( Yi Y [ n ( 2 i= Yi Y ( X i X ] 2 n ( i= Xi X 2 i= ( Yi Y [ 2 = [ n n i= ( Yi Y ( X i X ] 2 n ( n i= Yi Y 2 n ( n i= Xi X 2 ( Yi Y 2 [ Corr 2 (X, Y ] i= ראשית ניכר שככל שהביטוי Y Corr 2,X קרוב יותר ל, סכום ריבועי השאריות מישר הרגרסיה של Y על X קטן יחסית לסכום ריבועי השאריות מ Y. כעת ניזכר בכך שהביטוי כולו התקבל כסכום של ריבועים ולכן הוא לא יכול להיות שלילי, ומכאן נסיק כי Y Corr (X,, כפי שטענו לעיל מבלי להוכיח. {(X i, Y i } n i= מסקנה: נשים לב שהמשמעות של מקרה בו השאריות מתאפסות, היא שכל הנקודות ממוקמות על ישר אחד. נזכור שהביטוי שמתאר את השאריות הוא: (Y i b ax i 2 ( = Yi Y 2 [ Corr 2 (X, Y ] = 0 i= i= ומכאן שהתאפסות מתרחשת אם ורק אם = Y.Corr 2,X נסיק שכל הנקודות ממוקמות על ישר אחד אם ורק אם = Y.Corr 2,X S ee = i= S xy = S xx = S yy = ( Xi X 2 i= ( Yi Y 2 i= ( Xi X ( Y i Y i= ( Y i Ŷi 2 ŷ = b + ax Ŷ i = b + ax i Sŷŷ = 2 (Ŷi Y i= ] סימונים: 26

27 הערך החזוי ה i Ŷiיקרא.a = Sxy S xx נשים לב שבסימונים אלה, שיפוע ישר הרגרסיה הוא נסמן את מידת הקירבה של הנקודות לישר הרגרסיה בהשוואה למידת הקירבה של הנקודות לממוצע: Corr 2 (X, Y = R 2 R 2 = S ee S yy וכן נשים לב שבסימונים אלה מתקיים: e i = i= i= ( Y i Ŷi = תכונות ישר הרגרסיה. הישר עובר דרך הנקודה Y ( X,. { } n. Y i Ŷi = {e i } n i= 2. נסמן את סדרת השאריות i=.e או באופן שקול = 0, n מתקיים = 0 i i= e הוכחה: (Y i b ax i = i= Y i i= b i= = ny nb anx = ny n ( Y ax anx = 0 ax i = i= 3. ממוצע הערכים החזויים שווה לממוצע של הערכים הנכונים. כלומר: Ŷ = Y Ŷ = ax + b = ax + b = Y הוכחה: הערה: תכונות 3 תקפות לכל ישר העובר בנקודה Y (,X ולא רק לישר הרגרסיה. n, או באופן שקול = 0,Xe ז"א ממוצע השגיאות כאשר כל.4 מתקיים = 0 i i= X ie שגיאה מקבלת משקל יחסי לערך X המתאים (היכול להיות שלילי, הוא אפס 27

28 X i e i = i= X i (Y i Ŷi = i= הוכחה: X i (Y i b ax i = n i= X ( n i Yi Y + ax ax i = i= X ( i Yi Y a n i= X ( i Xi X = n i= ( Xi X ( Y i Y + X = = ncov (X, Y i= ( Yi Y i= } {{ } =0 i= a n i= ( Xi X ( X i X + ax ( Xi X ( Y i Y ( a Xi X 2 i= ( Xi X i= Cov (X, Y nv ar (X = ncov (X, Y ncov (X, Y = 0 V ar (X } {{ } =0 Ŷ i e i = i= i=.ŷ e או באופן שקול = 0, n.5 מתקיים = 0 i i= Ŷie הוכחה: (b + ax i e i = b e i + a X i e i = b 0 + a 0 = 0 i= i= כמו ב 4 רק משקולות.Ŷi ( Yi Y 2 n ( 2 n 2 = Y i Ŷi + (Ŷi Y i= i= i= או ברישום מקוצר:.6 S yy = S ee + Sŷŷ 28

29 הוכחה: = i= = i= i= ( Yi Y 2 n ( 2 = Y i Ŷi + Ŷi Y i= i= [ ( Ŷi 2 ( Ŷi ] 2 Y i + 2 Y i (Ŷi Y + (Ŷi Y ( Y i Ŷi n = i= i= ( Ŷi Y i (Ŷi Y = ( Ŷi Y i (Ŷi Y + ( 2 n 2 Y i Ŷi + (Ŷi Y i= e i Ŷ i i= 2 (Ŷi Y i= השוויון האחרון נכון מכיוון שמתקיים: e i Y = 0 Y i= e i = 0 i= V ar (Y = n i= ( Yi Y 2 = n i= ( 2 Y i Ŷi + n 2 (Ŷi Y i= 7. מסקנה: 2 n נקרא "השונות המוסברת" (של Y באמצעות ישר הרגרסיה n i= הגודל (Ŷi Y של Y על X. אכן, ככל שהוא גדול יותר, זאת אומרת, קרוב יותר (מלמטה לשונות של Y, אנו חשים כי מרבית הפיזור סביב Y של Y באה לידי ביטוי בעזרת ישר ( היא "השונות הלא מוסברת" Ŷi 2 n n i= הרגרסיה. מן הסתם, i Y y Y SD (Y = Corr (X, Y x X SD (X 8. ביטוי אלטרנטיבי לישר הרגרסיה:\ 9. ריבוע מקדם המתאם מודד עד כמה צפופות הנקודות סביב ישר הרגרסיה, בהשוואה לצפיפותן סביב הישר (הקבוע y. = Y V ar (Ŷ = Corr 2 (X, Y V ar (Y.0 29

30 . הסימן של Y Corr,X (מאפיין את היחס בין המשתנה המתוקנן של Y i לבין המשתנה Corr המתוקנן של (X, 2 Ŷ =.X i 2. נניח כי שיפוע ישר הרגרסיה של Y על X חיובי. נבצע רוטציה בזווית מסוימת של הנתונים כך שהם יעברו תנועה מעגלית עם כיוון השעון, כאשר הציר בנקודה Y (,X, ונדאג רק שהקורלציה תשאר חיובית גם לאחר הרוטציה. השיפוע של ישר הרגרסיה החדש יקטן בהשוואה לקודמו. הממוצעים של X ושל Y ישתנו מעט. (X SD עלה S ee S yy במעט אך Y SD קטן באופן משמעותי. לבסוף, S ee ישתנה במעט. מכאן ש יגדל באופן משמעותי. נשים לב כי למרות שצפיפות הנקודות סביב ישר הרגרסיה נותרה כמעט ללא שינוי, מקדם המתאם ירד משמעותית. ההסבר לכך הוא שפיזור הנקודות סביב הישר y = Y קטן משמעותית, ולכן הצפיפות של הנקודות סביב ישר הרגרסיה בהשוואה לצפיפות סביב הישר הנ"ל קטנה. מסקנה: ככל ש ( Corr 2,X Y גדול יותר כך פיזור הנקודות סביב ישר הרגרסיה בהשוואה לפיזורן סביב ישר הממוצע נמוך יותר. (פיזור במובן של סכום ריבועי הסטיות. לסיכום: ככל שהמתאם גדול יותר קו הרגרסיה של Y על X מנבא טוב יותר בהשוואה לממוצע. דוגמה: נתבונן בנתונים הבאים: X Y נחשב ונקבל 0 Y,X = וכן = Y R 2 = Corr 2 (X,. דיאגרמת הפיזור של הנתונים במערכת צירים היא: נתאים ישר רגרסיה בהתאם לנוסחה שהוכחנו, ונקבל את הישר הבא: 30

31 כעת ננתח שינוי שבו מבצעים רוטציה לנתונים, ומביאים להטיה בזווית כלשהי את הישר עם כיוון השעון, סביב ראשית הצירים 0 (0, = Y ( X,. נגדיר כעת סדרה של תצפיות חדשות Y X,, ונניח לדוגמה שכל אחת מהתצפיות מתקבלת מהסדרה המקורית באמצעות הביטוי: x =.63x 0.07y y = 0.07x y נקבל במקרה זה את סדרת התצפיות: X Y נחשב ונקבל 0 Y,X = וכן = 0.48 Y R 2 = Corr 2 (X,. דיאגרמת הפיזור של הנתונים החדשים בתוספת ישר הרגרסיה החדש, היא: 3

32 נשים לב שישר הרגרסיה החדש עדיין עובר ב ( 0,0 = Y (,X, אבל הוא קרוב יותר לישר הקבוע = 0 Y y, = כי שיפועו קטן (אך עם זאת נשאר בעל אותו סימן. כמו כן נשים לב שגם מקדם המתאם ירד באופן משמעותי, מ 0.8 ל כלומר, לאחר ביצוע הרוטציה ירד טיב הניבוי של ישר הרגרסיה. 4. נסיגה לממוצע mean (Regression to the ראינו שישר הרגרסיה מתקבל מהמשוואה: y Y x X = Corr (X, Y SD (Y SD (X נניח שאחד הנתונים X i נמצא k סטיות תקן מעל (מתחת לממוצע X, אז ציון התקן Z i = Xi X שווה (k. k לפי הניבוי של ישר הרגרסיה, הנתון Ŷ i יהיה במרחק של SD(X k Corr (X, Y נשים לב שהניבוי.Y סטיות תקן מעל (מתחת לממוצע k Corr (X, Y יתקבל תמיד בטווח ] (Y [ Y k SD (Y, Y + k SD. הנסיגה לממוצע קובעת שבמונחי ציון תקן, המרחק של Ŷ (הערך החזוי מהממוצע Y קטן מהמרחק של X מהממוצע X. עובדה זו נובעת מכך שהקורלציה Y Corr,X תמיד קטנה בערכה המוחלט מ. ישר סטיות התקן: נגדיר את ישר סטיות התקן להיות או באופן שקול לאחר העברת אגפים: y = y Y. SD(Y = x X SD(X SD (Y SD (X ( SD (Y SD (Y x X + Y = x SD (X SD (X X + Y ישר סטיות התקן אינו מאופיין בנסיגה אל הממוצע והוא מגדיר מתאם מלא. כלומר, בתחזית הנקבעת לפי ישר סטיות התקן, אם X i נמצא k סטיות תקן מעל (מתחת X, אז גם Ŷ נמצא k סטיות תקן מעל (מתחת Y. נשים לב שישר הרגרסיה הוא הישר שממזער את השאריות כך שישר סטיות התקן בהכרח פחות טוב ממנו. הערה חשובה: קורלציה אינה זהה לסיבתיות!(causality כלומר, העובדה שקיים מתאם בין שני משתנים אינה אומרת ששינוי באחד יוביל לשינוי באחר. כך למשל קיימת קורלציה חזקה בין משקל לבין גובה, ועם זאת השמנה אינה גוררת עלייה בגובה. ישר הרגרסיה של X על Y. ישר הרגרסיה של X על Y שונה מישר הרגרסיה של Y על X. 2. נזכור שישר הרגרסיה של Y על X הוא: ( y Y x X = Corr (X, Y SD (Y SD (X 4 קיבלנו את המספרים האלה מכך ש: ,

33 ולכן אם נחליף תפקידים ונזכור כי (X,Corr,X Y = Corr,Y נקבל את ישר הרגרסיה של X על Y: ( x X y Y = Corr (X, Y SD (X SD (Y ולכן הישר על אותה מערכת צירים ייראה מהצורה: SD (Y y Y = SD (X Corr (X, Y (x X 3. באותה מערכת צירים, שני ישרי הרגרסיה הללו נחתכים בנקודה Y (,X, וכן שיפועו Y חד משיפוע ישר הרגרסיה של ( SD(Y של ישר הרגרסיה של X על Y SD(X Corr(X,Y.(Corr (X, Y SD(Y על SD(X X 4. השיפוע של ישר סטיות התקן הוא ערך ביניים כלשהו בין השיפועים הללו. לא נוכיח, אולם Y SD (X = SD אם ורק אם ישר סטיות התקן הוא חוצה הזווית שבין שני ישרי הרגרסיה הנ"ל. 5. ישר סטיות התקן של X על Y מתלכד עם ישר סטיות התקן של Y על X. 6. הראינו לעיל עבור ישר הרגרסיה של Y על X שמתקיים: S ee S yy = Corr 2 (X, Y.Ŷi = Corr (X, Y SD(Y ( SD(X Xi X + Y וכן S ee = n i= ( Y i Ŷi 2 כאשר באותו אופן עבור ישר הרגרסיה של X על Y מתקיים: S ee S xx = Corr 2 (X, Y. ˆX i = Corr (X, Y SD(X ( SD(Y Yi Y + X וכן See = n i= See = S xx V ar (X = S ee S yy V ar (Y (X i ˆX i כאשר נסיק מכך: במילים, בין שני ישרי הרגרסיה יחס סכום ריבועי הסטיות ששווה ליחס בין השונויות. כמו כן, מכיוון ש ( X,Corr,X Y = Corr,Y שיעור השונות המוסברת שווה בשני ישרי הרגרסיה. כלומר, יכולת הניבוי של שני ישרי הרגרסיה שווה בעוצמתה. 5 שאלות חזרה. לפניכם נתונים 3 אורכים שונים במילימטרים של גבעולי פרח הכלנית שמדד מר המיולין: 8 (9, 9, 32, 26, 4, 29, 2, 37, 3, 26, 9, 4, חשבו את הממוצע, החציון וסטיית התקן של אורכי הגבעולים. ציירו הסטוגרמה של הנתונים בטווחים של חמישה מילימטרים. 33

34 2. בהמשך לנתוני השאלה הקודמת, חשבו את הממוצע, החציון וסטיית התקן של אורכי הגבעולים בסנטימטרים, האם ניתן להשתמש בתוצאות השאלה הקודמת? 3. מנהל בית ספר רוצה להוסיף שיעורי תגבור לתלמידי כיתות ו. התקציב של בית הספר מוגבל ומאפשר הוספת שיעורי עזר רק לאחת משלוש הכיתות שבשכבה. במבחן האחרון בחשבון התקבלו התוצאות הבאות: הממוצע בכיתה ו הוא 70, החציון 70 וסטיית התקן 5, בכיתה ו 2 הממוצע 70 החציון 65 וסטיית התקן 5. לאיזה מן הכיתות כדאי לדעתך לתת שיעורי תגבור? 4. בנק א' מציע ללקוחותיו תכנית חיסכון לשלוש שנים עם ריבית שנתית של % בשנה הראשונה, 5% בשנה השנייה ו 9% בשנה השלישית. בנק ב' מציע ללקוחותיו תכנית חיסכון מקבילה עם ריבית שנתית קבועה של 5% בטענה כי התכנית זהה לזו של בנק א'. האם התוכניות זהות? אם לא, מה צריכה להיות ריבית שנתית קבועה כך שהתוכניות יהיו זהות לחלוטין? 5. הוכח את הטענות הבאות או הבא דוגמא נגדית: (א הממוצע תמיד גדול מהנתון המינימאלי (ב הממוצע תמיד שווה לחצי מסכום הנתונים המינימאלי והמקסימאלי (ג אם הממוצע שווה לחצי מסכום הנתונים המינימאלי והמקסימאלי אז הממוצע והחציון שווים (ד אם הממוצע שווה לנתון המקסימאלי אז הנתון המינימאלי והמקסימאלי שווים 6. בכיתה ט' ממוצע הציונים בתנ"ך הוא 73, וסטיית התקן היא 8. לימור מכיתה ט' קיבלה 85. בכיתה ט' 2 ממוצע הציונים בתנ"ך הוא 80, וסטיית התקן היא 5. שמעון מכיתה ט' 2 קיבל 98. שמעון: הציון שלי בתנ"ך גבוה משלך, לפיכך אני הצלחתי יותר ממך! לימור: אז מה, מעמדי בכיתה בתנ"ך גבוה ממעמדך בכיתתך, לכן בעצם, אני הצלחתי יותר ממך! מי צודק? נמקו..7 נתונות שתי סדרות שוות אורך של מספרים: x, x 2...x n ו.y, y 2...y n נגדיר שתי סדרות חדשות באופן הבא: v i = x i y i ו.w i = x i + y i בכל אחד מהסעיפים הבאים מופיע מדד כלשהו (מרכז או פיזור. קבע אם מדד זה של סדרת ה w ים הוא סכום המדדים המתאימים של סדרת ה x ים וסדרת ה y ים, ואם מדד זה של סדרת ה v ים הוא מכפלת המדדים המתאימים של סדרת ה x ים וסדרת ה y ים. אם תשובתכם היא "כן תמיד", הוכיחו. אם תשובתכם היא "לא בהכרח תמיד" תנו דוגמה נגדית. (א ממוצע (ב חציון (ג שונות (ד סטיית תקן.8 יהי x, x 2...x n אוסף נתונים כלשהו ויהיו a, b, c, d קבועים. נסמן: y i = ax i + b ו,y i ציון התקן של z yi = (y i ȳ/sd(y הראו כי.i =...n עבור w i = cx i + d זהה ל w/sd(w z wi = w i ציון התקן של w. i כלומר, ציוני התקן אינם משתנים עם טרנפורמציות לינאריות. 34

35 (א 9. נתונות דיאגרמות פיזור. לפני שנותנים את הערכים ומחשבים ערך מספרי למקדם המתאם, מה לדעתכם הוא יצא? מדוע? (ב (ג.0 להלן זוגות של תצפיות i : i =...2 (x i, y (6, 7(5, 8(5, 6(5, 5(4, 7(3, 5(3, 3(2, 5(2, 4(, 2(, (0, חשבו את השונות המשותפת של x ו y.. עבור סדרת תצפיות נתון כי = 3 x ȳ = 3 ו = 2 xy מהי השונות המשותפת של x ו y? 2. יוסי קונה ומוכר בננות מיקרוגלים ומקפיאים. מחיר השוק של כל אחד מאלו נקבע כל יום מחדש, ולכן כל בוקר יוסי צריך ללכת לכל ספק ולשאול אותו מה מחיר המוצר שלו היום. יוסי עצלן ולכן הוא מעדיף ללכת לכמה שפחות ספקים. הוא חושב שבמקום ללכת לכל יבואן (בננות בע"מ, מיקרוגלים בע"מ ומקפיאים בע"מ ולשאול מה המחיר של המוצר היום, מספיק לו ללכת ליבואן אחד, זאת משום שהוא חושד שהמחיר עולה ויורד בצורה מתואמת ואפשר לנבא את מחיר כל המוצרים בעזרת מחיר של רק אחד מהם. להלן נתונים של מחירי המוצרים שאסף יוסי במשך עשרה ימי עסקים: 35

36 (א ציירו גרף המתאר את המחיר של כל מוצר כפונקציה של הזמן. להסיק על קשר בין המחירים מתוך הדיאגרמה? האם ניתן (ב חשבו את שלושת מקדמי המתאם בין כל זוג מוצרים והחליטו איזה זוג הכי "מבטיח", נמקו. (ג ציירו את דיאגרמות הפיזור של מחירי בננות ומיקרוגלים, בננות ומקפיאים ומיקרוגלים ומקפיאים, האם מקדמי המתאם שחישבתם מתארים נכון את הציורים שקיבלתם? 3. סטודנט לתואר ראשון בפסיכולוגיה רצה לבדוק את המתאם בין ציוני הפסכומטרי (טווח ציונים ממוצע 500 לציוני מתא"ם (טווח ציונים ממוצע 00 הוא החליט שיהיה לו יותר נוח אם ימיר את שתי הסקאלות הציונים לסקאלה אחת. לפיכך, הוא החליט להחסיר 200 נקודות מכל ציון פסיכומטרי, כך שטווח הציונים החדש יהיה וממוצע 300, ולהחסיר 50 נקודות מכל ציון מתא"ם ואז להכפילו פי 6 כך שטווח הציונים החדש של המתא"ם יהיה אף הוא וממוצע 300. כיצד שינוי הנתונים ישפיע על מקדם המתאם? 4. נתונה טבלת ציונים של 2 סטודנטים בשני מקצועות היסטוריה וכימיה: 36

37 (א ציירו את הנתונים בדיאגרמת פיזור כאשר ציר ה X הוא הציון בהיסטוריה וציר ה Y הוא הציון בכימיה, וחשבו את ישר הרגרסיה. ציירו את ישר הרגרסיה של.X על Y (ב אהוד קיבל 70 בהיסטוריה, אך החסיר את הבחינה בכימיה בשל מחלה. איזה ציון אופייני לסטודנט כזה לפי הנתונים? (ג א. המורה להיסטוריה החליט לבטל שאלה אחת בבחינה לכן כל תלמיד שיפר את ציונו ב 5% כיצד שינוי זה ישפיע על מקדמי הרגרסיה? ב. המורה לכימיה גילה כי התלמידים העתיקו לכן הוא הוריד להם 0% מהציון כיצד שינוי זה ישפיע על מקדמי הרגרסיה? ג. הוכיחו מסקנה כללית לגבי אופן ההשפעה של טרנספורמציה לינארית של הנתונים (הכפלה בקבוע והוספה של קבוע על מקדמי הרגרסיה. הפרידו למקרים שהטרנספורמציה היא ב X ים וב Y ים (ד חשבו את הקורלציה ואת R בריבוע. בעזרת הקורלציה מצאו את קו הרגרסיה של ציוני התקן של Y על ציוני התקן של X ללא חישובים נוספים. (ה חשבו את ציוני התקן של האדם הראשון בקובץ. מה הערך החזוי של אדם זה במונחי ציוני התקן (דהיינו, מה הערך החזוי של ציון התקן בכימיה על פי ציון התקן בהיסטוריה אצל אדם זה. איזו תפועה באה כאן לידי ביטוי? 5. רוצים להתאים לנתונים קו רגרסיה מהצורה y = ax (ללא חותך, הקו יוצא מראשית הצירים (א חשבו את פתרון הריבועים הפחותים לבעיה, כלומר, מצאו ערך a המקיים: min i= (y i ax i 2 (ב האם הקו הנ"ל עובר בנקודת הממוצעים? 37

38 חלק II מבוא לתורת הקבוצות ולפונקצית הסתברות 6 קבוצות ופעולות על קבוצות הסטטיסטיקה התאורית שבה עסקנו עד עתה קובעת כלים יעילים לניתוח מאפיינים של קבוצות נתונים. למשל ראינו שהממוצע החשבוני של סדרת נתונים מביא למינימום את פונקציית המרחק של סכום ריבועי הסטיות. זו עובדה מתמטית טהורה שאינה קשורה בהכרח לטבע העולם ולכן כשלעצמה היא לא עוזרת לנו להסיק כל מסקנה מדויקת. כדי להסיק מסקנות, נצטרך להשתמש במודל. נעסוק במודל הנפוץ של תורת ההסתברות. נציין רק כי המסקנות נכונות תמיד במודל אבל לא בהכרח במציאות. לשם כך נציג תחילה מבוא שיכיל מושגים כלליים ויסודיים מתורת הקבוצות (נציג את המונחים בהקשר ובשפה של סטטיסטיקה, אולם למעשה מה שנראה בפרק 2 אלה מושגים כלליים בתורת הקבוצות, ולאחר מכן נציג את המודל של תורת ההסתברות. 6. מונחים יסודיים. מבצעים ניסוי כלשהו. [למשל הטלת קוביה.] כל אחת מהתוצאות האפשריות נקראת "מאורע פשוט" ומסומנת ב ω. i [תוצאה אפשרית בדוגמה שלנו היא 2 או 4.] 2. אוסף כל התוצאות האפשריות נקרא "מרחב המדגם" ומסומן Ω (אומגה. [בדוגמה זו מרחב המדגם הוא {6,}].,2,3,4,5 כלומר, אם יש n אפשרויות אז = Ω } n.{ω, ω 2,..., ω [בדוגמה זו יש 6 אפשרויות.] 3. אוסף כלשהו של תוצאות אפשריות נקרא "מאורע". [למשל {3,} ו { 5,2},3,4 הם מאורעות.] נשים לב ש Ω כולה היא סוג של מאורע, כי היא אוסף כלשהו של תוצאות אפשריות. 4. נסמן את הקבוצה הריקה של המאורעות ב O /. קבוצה זו היא ה"אפס" של המאורעות. שייכות: נשתמש בסימן " " כדי לקבוע שמאורע פשוט שייך למאורע. כך למשל המאורע הפשוט "3" שייך למאורע {3,}, ולכן נסמן {3,} 3. לעומת זאת המאורע הפשוט "7" אינו שייך למאורע 3} {, ולכן נסמן 3} {, /.7 הכלה: נאמר שמאורע A מוכל במאורע B, אם לכל a A מתקיים גם a. B כדי לציין שמאורע A מוכל במאורע B נסמן A. B נשים לב שהמאורע O/ מוכל בכל מאורע, וכן שכל מאורע מוכל במאורע Ω. שוויון: נאמר שמאורעות A, B שווים אם מתקיים A B וגם.B A מאורע משלים: נאמר שמאורע B הוא המשלים של מאורע A, אם הוא מכיל את כל המאורעות הפשוטים השייכים ל Ω אך לא ב A. כך למשל בניסוי של הטלת קוביה, המאורע 6} {, 2, = B הוא המשלים של המאורע 5} {3, 4, =.A נסמן ב A את המאורע המשלים של A. נשים לב שמתקיים: 38

39 . /O Ω = /O,Ω = לכל מרחב מדגם..2 A A = לכל מאורע. הערה: משמעותו של שוויון זה היא שמתקיימת סימטריה. כלומר, אם B הוא מאורע משלים של A, אז A הוא מאורע משלים של B. איחוד מאורעות: איחוד המאורעות,A B הוא מאורע שמכיל את כל המאורעות הפשוטים ששייכים ל A או ששייכים ל B. ("או" במשמעותו המתמטית. כלומר, כולל המאורעות הפשוטים ששייכים לשניהם. נסמן את איחוד המאורעות,A B ב B A. למשל.{, 2} {2, 4, 5} = {, 2, 4, 5} נשים לב שמתקיים:.A לכל מאורע A A = Ω..A לכל מאורע A /O = A.2 חיתוך מאורעות: חיתוך המאורעות,A B הוא מאורע שמכיל את המאורעות הפשוטים ששייכים ל A וגם ל B. באופן פורמלי, x A B אם x A וגם.x B נסמן את חיתוך המאורעות A, B ב B.A למשל {2} = 5} {2, 4, 2}.{, נשים לב שמתקיים:.A לכל מאורע A A = /O..A לכל מאורע A /O = /O.2.A לכל מאורע A Ω = A.3 מאורעות זרים: המאורעות A, B נקראים זרים אם.A B = /O דיאגרמת ון: דיאגרמות מסוג זה שנתאר מיד, הן כלי שימושי אך לא פורמלי להבנת היחסים של שייכות, הכלה, איחוד, חיתוך והשלמה שבין מאורעות שונים. דיאגרמת ון כללית של מאורעות המסומנים,A B נראית כך: כאשר המלבן כולו מייצג את מרחב המדגם Ω, ושני העיגולים מייצגים שני מאורעות,A. B השטח החופף לשתי האליפסות מייצג את החיתוך A. B השטח של שתי האליפסות, כאשר את השטח החופף מחשבים פעם אחת, מייצג את האיחוד A. B השטח הכולל של המלבן פחות השטח של שתי האליפסות, מייצג את המשלים A. B וכן באופן דומה ניתן לסמן מאורעות נוספים בדיאגרמה וליצור יחסים אחרים. 39

40 דוגמה: נתייחס בדוגמה זו לדיאגרמה שהוצגה לעיל. נגדיר את מרחב המדגם Ω להיות כל הסטודנטים והסטודנטיות משנה א'. נגדיר את המאורע A להיות הבנים, כך שהמאורע A הוא הבנות. נגדיר את המאורע B להיות הסטודנטים והסטודנטיות בעלי העיניים הכחולות, והמאורע B להיות כל השאר. לפי הגדרות אלה המאורע A B הוא כל הבנים בעלי העיניים הכחולות. כמו כן המאורע A B הוא כל הבנים, בתוספת הבנות בעלות העיניים הכחולות. או באופן שקול: קבוצות הסטודנטים והסטודנטיות בעלי העיניים הכחולות, בתוספת הבנים בעלי עיניים שאינן כחולות. נשים לב שמתקיים A. B = A B כלומר, כל הבנות בעלות עיניים שאינן כחולות. A B = A B 6.2 כללי דה מורגן טענה : לכל שתי קבוצות,A B מתקיים: הוכחה: נוכיח את השוויון באמצעות הכלה דו כיוונית. כיוון ראשון: יהי w מאורע פשוט כלשהו המקיים w. A B נסיק: w A B w / A B w / A and w / B w A and w B w A B ולכן.A B A B כיוון שני: יהי w מאורע פשוט כלשהו המקיים w. A B נסיק: w A B w A and w B w / A and w / B w / A B w A B ולכן.A B A B נסיק משני הכיוונים שלפי הגדרת השוויון מתקיים.A B = A B 40

41 הערה: נשים לב שבשני הכיוונים ביצענו את אותם היסקים, רק בכיוונים לוגיים הפוך. כלומר כל צעד בהוכחה מהווה שקילות ולא רק גרירה בכיוון אחד, כך שיכולנו לרשום בקיצור פעם אחת את אותם שלבים לוגיים עם הסימון. A B = A B טענה 2: לכל שתי קבוצות,A B מתקיים: הוכחה: נשתמש בתוצאה שהראינו בטענה הקודמת, ונסיק: A B = A B A B = A B A B = A B A B = A B A B = A B הגרירה הלפני האחרונה נובעת מכך שהטענה הנכונה לכל שתי קבוצות,A, B נכונה גם עבור הקבוצות,A. B כלומר ביצענו הצבה של,A B בשוויון הלפני אחרון שקיבלנו על,A. B 6.3 שכיחות יחסית נניח כי נתון מרחב המדגם של הטלת קוביה: {6,},2,3,4,5 = Ω. ביצענו את הניסוי 00 פעמים והתקבלו התוצאות הבאות: תוצאות שכיחות שכיחות יחסית נגדיר את f להיות פונקציה שמחזירה את השכיחות היחסית. כלומר f(a היא השכיחות היחסית של מאורע A כלשהו. ראשית נשים לב שמתקיים: f ( /O = 0 f (Ω = A = {, 2, 3} f (A = 0.6 B = {2, 4, 6} f (B = 0.5 A B = {, 2, 3, 4, 6} f (A B = 0.9 נבחן למשל את המאורעות הבאים: 4

42 חשוב לשים לב כי (B f. A (B f (A + f הסיבה לכך היא שמאורע פשוט ששייך גם ל A וגם ל B נספר פעם אחת בלבד כאשר מחשבים את השכיחות היחסית של A. B בעוד שבביטוי (B f (A f הוא נכנס פעמיים. מנימוק זה נסיק שמתקיימת הנוסחה: f (A B = f (A + f (B f (A B במקרה שבו המאורעות,A B זרים, מתקיים השוויון: f (A B = f (A + f (B כי = 0 /O f (A B = f ( במקרה זה האיחוד בין A ל B יקרא "איחוד זר". מכאן נוכל להסיק שמתקיים: f ( A = f (A כי,A A הם מאורעות זרים, ולכן: f (A + f ( A = f ( A A = f (Ω = f (A B C = עבור שלושה מאורעות מתקיים: f (A + f (B + f (C f (A B f (A C f (B C + f (A B C f (A = f (A B + f ( A B הסיבה לכך היא שמתקיימים השוויונים: A = (A B ( A B (A B ( A B = /O נשים לב שהמאורע A B הוא "A פחות B". כלומר מכיל את המאורעות הפשוטים של A, למעט אלו מהם ששייכים גם ל B, ולכן: f ( A B = f (A f (A B 42

43 k= {B k } n היא 6.4 חלוקה הגדרה: נניח שנתון מרחב מדגם Ω כלשהו. נאמר שקבוצה של מאורעות חלוקה של Ω, אם מתקיימים שני תנאים הבאים: k= {B k } n זרים בזוגות. כלומר, לכל i j עבור i, j =,..., n מתקיים. המאורעות 5.B i B j = /O n B i = B B 2... כלומר, מתקיים כי.Ω מכסים את {B k } n k= i= 2. המאורעות.B n = Ω נשים לב שלכל מאורע A מתקיים כי הזוג,A A הוא חלוקה. נכליל את השוויון B f (A = f (A B+f ( A שראינו לעיל, לחלוקה k=.{b k } n 7 פונקציית הסתברות נבנה מודל שמעניק משמעות פורמלית למידת הוודאות להתרחשותם של מאורעות. נציין מייד כי ודאות זו יכולה להיות סוביקטיבית אבל נקבע עבורה כמה כללים תוחמים. לשם כך נגדיר כי המאורע Ω הוא ודאי ומקבל את הערך המקסימלי, והמאורע O/ יקבל את הערך המינימלי 0. כל שאר המאורעות יקבלו ערכי ביניים. נגדיר את הפונקציה (probability P שתחזיר את ערך הוודאות של כל מאורע A. כלומר: P (Ω = P ( /O = 0 0 P (A דוגמה: נדון בהטלת קוביה. מניחים שסדר התוצאות אינו משנה וכן תוצאה שחוזרת על עצמה היא אותה תוצאה. נבדוק מהו מספר המאורעות האפשריים: אם {} = Ω יש שני מאורעות אפשריים: /O, Ω. אם 2} {, = Ω יש ארבעה מאורעות אפשריים: /O, {}, {2}, Ω. אם 3} {, 2, = Ω יש שמונה מאורעות אפשריים: /O, {}, {2}, {3}, {, 2}, {, 3}, {2, 3}, Ω. וכן הלאה... טענה: בניסוי בעל n מאורעות פשוטים, מספר המאורעות האפשריים הוא 2. n הדבר נובע מכך שעבור כל מאורע פשוט קיימות שתי אפשרויות: שייך למאורע או לא שייך לו. אם כך במקרה של הטלת קוביה פעמיים יש לנו מרחב מדגם בן = מאורעות, ונרצה להעניק לכל מאורע מספר שיעניק ביטוי פורמלי למידת הוודאות שמאורע זה יתרחש. כפי שהגדרנו כבר לעיל, לא ייתכן שלא יקרה כלום ולכן = 0 O/ P. ( כמו כן בוודאות מאורע כלשהו מתוך מרחב המדגם יקרה ולכן = (Ω P. כל שאר המאורעות הם במידה של ודאות שנמצאת בין 0 ל. נדרוש שהערכים שניתן למאורעות יהיו "הגיוניים", במובן זה למשל אם A B אז (B.P (A P לא נכון. 5 נשים לב כי אם המאורעות זרים בזוגות אז הם זרים. כלומר מתקיים גם B. B 2... B n = Ø ההיפך 43

44 פונקציית הסתברות נאמר שפונקציה P כלשהי המתאימה מספר ממשי לכל מאורע במרחב המדגם, נקראת "פונקציית הסתברות" אם היא מקיימת את התנאים הבאים: P (Ω =..2 לכל A Ω מתקיים (A P.0 3. אם,A B מאורעות זרים, אז: P (A B = P (A + P (B שלושת התנאים האלה נקראים "אקסיומות פונקציית ההסתברות". האקסיומות הללו בלתי תלויות. כלומר, כל שתיים מהן לא גוררות את השלישית. או באופן שקול: עבור כל שתי אקסיומות, קיימת פונקציה שאינה פונקציית הסתברות, כי היא מקיימת את השתיים הללו ולא מקיימת את השלישית. בינתיים אנו לא יודעים האם קיימת פונקציה שאכן מקיימת את שלושת התנאים הללו. מיד נראה קיום של פונקציה כזאת באמצעות דוגמה. עוצמה של מאורע: נגדיר עוצמה של מאורע A להיות מספר המאורעות הפשוטים השייכים ל A, ונסמן אותה ב A. לדוגמה, עבור 2} {, = A, A = 2, ועבור = Ω. Ω = 6, {, 2,..., 6} דוגמא P (A = A הפונקציה Ω A P (A = ונראה שהיא פונקציית הסתברות: Ω נבחן כעת את הפונקציה P (Ω = Ω Ω =.. A Ω וכן, A, Ω כי > 0 0 A Ω.2 3. נניח כי,A B מאורעות זרים, אז אכן מתקיים: P (A B = A B Ω = A + B Ω = A Ω + B = P (A + P (B Ω דוגמא 2 פונקציה זו אינה הפונקציה היחידה שמקיימת את אקסיומות פונקציית ההסתברות. נגדיר את מרחב המדגם } n Ω = {ω, ω 2,..., ω ונתבונן בפונקציה החלופית הבאה: { ω A P (A = 0 ω / A נראה שמתקיימים שלושת אקסיומות פונקציית ההסתברות: 44

45 .P (Ω ולכן = ω Ω. (א כל ערכי הפונקציה האפשריים הם,0 ולכן (A P 0. (ב נניח כי,A B מאורעות זרים. נבדוק שלוש אפשרויות: i. אם ω / A B (לא שייך ל A ולא ל B אז ההסתברויות כולן מקיימות: P (A = P (B = P (A B = 0 ולכן מתקיימת האקסיומה.,P (B = 0,P (A = אז ל B ולא ל A (שייך ω 2 A B אם.ii = B P (A ולכן מתקיימת האקסיומה..iii אם ω A B (שייך ל B ולא ל A מדובר במקרה סימטרי למקרה.(b דוגמא 3 ניתן לראות כי פונקצית השכיחות היחסית שהודגמה בפרק הקודם מקיימת את שלוש האקסיומות הללו. כמובן, זה נכון לכל פונקצית שכיחות יחסית אפשרית ולא רק לזו שנתקבלה במדגם. מדוגמאות אלו נוכל להסיק שגם לאחר ניסוח אקסיומות פונקציית ההסתברות, נותר שיקול דעת בידי מתכנן המודל. תכונות פונקציית ההסתברות.P ( /O = 0. הוכחה: נשים לב שמתקיים לכל A כי A, = A O/ ולכן: P (A = P ( A /O = P (A + P ( /O P ( /O = 0.2 אם A, B, C מאורעות זרים בזוגות, ז"א,A B = A B = B C = /O אז: P (A B C = P (A + P (B + P (C הוכחה: P (A B C = P ((A B C = P (A B + P (C = P (A + P (B + P (C 3. לכל זוג מאורעות,A B מתקיים: P (A B = P (A P ( A B הוכחה: נשים לב שמתקיים B A = (A B ( A וזה איחוד זר. מכאן: P (A = P ( (A B ( A B = P (A B + P ( A B 45

46 P (A = k= {B k } m היא חלוקה של,Ω אז: 4. אם m P (A B i i= הוכחה: כפי שראינו לעיל לכל A מתקיים: A = (A B (A B 2... (A B m כאשר זה איחוד זר בזוגות. ולכן: P (A = P ((A B (A B 2... (A B m = P (A B + P (A B P (A B m = m P (A B i i= P (A B = P (A + P (B P (A B A B = ( A B ( A B (A B.5 לכל A, B מתקיים: הוכחה: נשים לב שמתקיים: וזה איחוד זר בזוגות. ולכן: P (A B = P (( A B ( A B (A B = P ( A B + P ( A B + P (A B = [P (A P (A B] + [P (B P (A B] + P (A B = P (A + P (B P (A B [נשים לב שהשוויון השלישי נובע מתכונה 3.] פונקציית הסתברות כללית: כדי לבנות פונקציה כלשהי שמקיימת את אקסיומות פונקציית ההסתברות על התחום שנסמן } n,ω = {ω, ω 2,..., ω מספיק לבנות אותה כך שתקיים את שני התנאים הבאים: 0 P (ω i, i n P (ω i = i= לא נוכיח כאן, אולם שני תנאים אלה מספיקים בכדי להפוך בהכרח את הפונקציה לפונקציית הסתברות, המקיימת עבור מאורע כלשהו A שההסתברות היא: P (A = P (ω i ω i A 46

47 פונקצית הסתברות אחידה: נאמר שפונקצית הסתברות היא אחידה, אם לכל אחד מהמאורעות הפשוטים שבו הסתברות שווה. כמובן, הסתברות זאת תהיה דוגמאות:. Ω הטלת קוביה: מרחב המדגם הוא 6} {, 2, 3, 4, 5, = Ω וההסתברויות הן: P ( = P (2 = P (3 = P (4 = P (5 = P (6 = 6 2 כי מאורע זה כולל מחצית נבחר למשל את המאורע {4,2}, = A. ההסתברות היא מהאפשרויות במרחב המדגם. ניתן לחשב גם לפי תכונות פונקציית ההסתברות: P (A = = 2 הטלת מטבע: מרחב המדגם הוא } T Ω = {H, וההסתברויות הן = (T P (H = P. 2 נדון למשל במקרה בו שני שחקנים מחליטים לזרוק את המטבע פעמיים, ולהגדיר: אם יש אפס פעמים H אז שחקן א' מנצח. אם יש פעם אחת H שחקן ב' מנצח. אם יש פעמיים H תיקו. {T, T } {T, H} (H, T {H, H} נשים לב לתוצאות האפשריות והסתברותן: מכאן שהאפשרות של תיקו מתקבלת בשני אירועים, ולכן ההסתברות לתיקו היא 0.5, כפול מההסתברויות ששחקן א' ינצח וששחקן ב' ינצח. נשים לב כי במודל שהגדרנו מרחב המדגם tie } Ω = { player A wins, player b wins, אינו מוליך לפונקצית הסתברות אחידה. 8 שאלות חזרה. מאוכלוסיית הסטודנטים מהחוג לסטטיסטיקה נבחר באקראי סטודנט יחיד נגדיר את המאורעות: A הסטודנט קורא ישראל היום. B הסטודנט קורא ידיעות אחרונות. C הסטודנט קורא הארץ. (א השתמשו בפעולות "איחוד", "חיתוך" ו "משלים" בלבד, בכדי לבטא בסימונים של קבוצות את המאורעות הבאים. i. הסטודנט קורא ישראל היום..ii הסטודנט קורא ישראל היום וידיעות..iii הסטודנט קורא ישראל היום, ידיעות והארץ. 47

48 .iv הסטודנט קורא ישראל היום וידיעות, אך אינו קורא הארץ. v. הסטודנט אינו קורא אף עיתון..vi הסטודנט קורא בדיוק שני עיתונים..vii הסטודנט קורא לפחות שני עיתונים..viii הסטודנט קורא בדיוק עיתון אחד..ix הסטודנט קורא לפחות עיתון אחד. x. הסטודנט אינו "קורא רק הארץ". (ב נסחו במלים את המאורעות הבאים: B C.i A B.ii ( A B C ( A B C (A B C.iii (ג ענו על השאלות הבאות לגבי המאורעות שהוגדרו בסעיף א': i. האם i? ii להפך? לא זה ולא זה?.ii אם?iii iv להפך? לא זה ולא זה?.iii האם?viii ix להפך? לא זה ולא זה?.2 נתון מרחב המדגם הבא: h}.ω = {e, f, g, (א רשמו את כל הקבוצות החלקיות של Ω. (ב נגדיר את שלושת הקבוצות הבאות: h}.a = {e, f, g}, B = {e, f}, C = {g, הציגו את המאורעות הבאים באמצעות המאורעות הפשוטים של מרחב המדגם: A B.i A C.ii A B.iii ( A B C.iv 3. הוכיחו באינדוקציה את כללי דה מורגן עבור כל אוסף של מאורעות A,, A 2,,... A n כאשר 2 n הוא מספר שלם כלשהו: n i= A i = n i= A i n i= A i = n i= A i (א (ב.4 נתון מרחב המדגם הבא: h} Ω = {a, b, c, d, e, f, g, קבעו עבור כל אחת מקבוצות המאורעות הבאות האם מדובר בחלוקה של מרחב המדגם. נמקו. (א c} C = {e, f, g, h} B = {c, d, e} A = {a, b, (ב c} C = {f, g} B = {d, e} A = {a, b, (ג c} C = {f, g, h} B = {d, e} A = {a, b, (ד h} C = {b, f, g} B = {d, e} A = {a, c, 48

49 .5 נתון מרחב המדגם הבא: } 6,Ω = {ω, ω 2, ω 3, ω 4, ω 5, ω עבורו נתונות ההסתברויות הבאות: P ({ω } = 0., P ({ω 2 } = 0., P ({ω 3 } = 0.2, P ({ω 4 } = 0.25P ({ω 5 } = 0.3, P ({ω 6 } = 0.05 נגדיר את המאורעות הבאים: } 2 F = {ω 2, ω 3 ω 4 },E = {ω, ω ו } 5.G = {ω 2, ω 3, ω E G,E F,F,E ו P ( C D = (א חשבו את ההסתברויות של המאורעות הבאים:.E F G (ב בדקו האם מתקיים P(F,P(E F = P(E + הסבירו. (ג הוכיחו כי P כפי שהוגדרה היא פונקצית הסתברות. 6. היזכרו בתכונות של פונקצית ההסתברות וענו על השאלות הבאות: (א נתונים זוג מאורעות זרים C Ω ו Ω D המקיימים:.P(C D חשבו את.P(C ו = 0.2 P ( C D (ב יהיו A ו B שני מאורעות במרחב המדגם. ידוע ש = 0.7 (B P וכי = (A P.0.4 הוכיחו כי מתקיים: 0.4 B P(A.0. (ג נתונים זוג מאורעות A Ω ו Ω B המקיימים: = 0. B,P ( A.P(A חשבו את.P (A B ו = 0.6 P ( B = 0.2 (ד ראיתם שלכל זוג מאורעות A, A 2 Ω מתקיים: P (A A 2 = P (A + P (A 2 P (A A 2 A, A 2, A 3 השתמשו בכך בכדי להראות שלכל שלשה של מאורעות Ω מתקיים: P (A A 2 A 3 = P (A +P (A 2 +P (A 3 P (A A 2 P (A A 3 P (A 2 A 3 +P (A A 2 A 3 7. בהכנת תמיסה רפואית, עלולות להתרחש תקלות משני סוגים: תקלת "ריכוז" (ריכוז לא נכון שהסתברותה 0., ותקלת "זיהום" (ע"י גורמים שלא אמורים להיות בתמיסה שהסתברותה ההסתברות שלפחות תקלה אחת תתרחש היא 0.3 (א הגדירו את מרחב המדגם של הניסוי (ב מהי ההסתברות ששתי תקלות יתרחשו בו זמנית? (ג מהי ההסתברות שלכל היותר תקלה אחת תתרחש? (ד מהי ההסתברות שאף תקלה לא תתרחש? 49

50 חלק III קומבינטוריקה 9 מדגמים לניסוי פשוט יש n תוצאות אפשריות. [למשל בהטלת קוביה יש 6 תוצאות אפשריות]. נניח שחוזרים על הניסוי הפשוט r פעמים. [למשל מטילים קוביה פעמיים]. השאלה המרכזית שנרצה לברר במסגרת זו היא כמה תוצאות קיימות לניסוי המורכב? במילים אחרות, מהי עוצמתו של מרחב המדגם? ראשית, בכל פעם שמבצעים ניסוי חשוב להבחין בשני מאפיינים: האם יש או אין חשיבות לסדר? האם הניסוי מתבצע עם או בלי החזרה? למשל בהטלת קוביה פעמיים ניתן לקבל תוצאה של (2, או תוצאה של (,2. עלינו להחליט לפי המקרה האם מדובר בשתי תוצאות שונות או בתוצאה אחת. כלומר, האם יש חשיבות לסדר או לא. למשל בשליפת פתק מתוך כובע פעמיים יש חשיבות לשאלה האם לפני השליפה השנייה אנו מחזירים את הפתק שיצא בשליפה הראשונה או לא. כלומר, האם מדובר במדגם עם החזרה או בלי החזרה. להלן נדון בכל האפשרויות: מדגם סדור/לא סדור עם החזרה/בלי החזרה. 9. מדגם סדור עם החזרה במדגם סדור עם החזרה מספר האפשרויות הוא Ω. = n r למשל בהטלת קוביה פעמיים, מספר האפשרויות הוא = : (, (, 2 (, 3 (, 4 (, 5 (, 6 (2, (2, 2 (2, 3 (2, 4 (2, 5 (2, 6 Ω = (3, (3, 2 (3, 3 (3, 4 (3, 5 (3, 6 (4, (4, 2 (4, 3 (4, 4 (4, 5 (4, 6 Ω = 6 2 = 36 (5, (5, 2 (5, 3 (5, 4 (5, 5 (5, 6 (6, (6, 2 (6, 3 (6, 4 (6, 5 (6, 6 נשים לב שמכיוון שיש חשיבות לסדר, מנינו גם את האפשרות (3, ו (,3 כשתי אפשרויות שונות. 9.2 מדגם סדור ללא החזרה הגדרה: "עצרת" של מספר טבעי k מוגדרת ומסומנת כך: k! = k 50

51 n! במדגם סדור ללא החזרה מספר האפשרויות הוא = Ω, r n 0 (n r! בדוגמה של הטלת הקוביה, העובדה שלא מאפשרים חזרה מסירה את כל האפשרויות מהאלכסון בו מוצגות התוצאות בהן שתי התוצאות זהות. לכן נישאר עם האפשרויות הבאות: (, 2 (, 3 (, 4 (, 5 (, 6 (2, (2, 3 (2, 4 (2, 5 (2, 6 Ω = (3, (3, 2 (3, 4 (3, 5 (3, 6 6! (4, (4, 2 (4, 3 (4, 5 (4, 6 Ω = = 6 5 = 30 (6 2! (5, (5, 2 (5, 3 (5, 4 (5, 6 (6, (6, 2 (6, 3 (6, 4 (6, 5 נסביר כיצד הגענו לנוסחה: בניסוי הפשוט הראשון קיימות n תוצאות אפשריות. בעקבות הניסוי הראשון ואין זה משנה מה היתה תוצאתו. בניסוי הפשוט השני ירדה אפשרות אחת (כי אין החזרה ולכן נשארנו עם n תוצאות אפשריות, וכן הלאה. בניסוי הפשוט ה r נישאר עם + r n תוצאות אפשריות. מכאן שסך האפשרויות הוא: n (n... (n r + = n (n... (n r + (n r... 2 (n r... 2 = n! (n r! לצורך שלמות ההגדרה, נאמר כי =!0. נראה בהמשך שהגדרה זו שימושית במקרי קיצון. כך למשל לפי הגדרה זו מספר התוצאות האפשריות של סידור ללא החזרה של n איברים הוא n! =. n! (n n! 9.3 מדגם לא סדור ללא החזרה בהשוואה למדגם סדור עם החזרה, מספר האפשרויות מצטמצם, כי מאורעות בעלי אותם איברים בסדר שונה מתלכדים למאורע אחד. = n! r!(n r! במדגם לא סדור ללא החזרה מספר האפשרויות הוא ( n, Ω = r 0 r n ( n! n וקוראים אותו "n על r'' r!(n r! הוא סימון לביטוי האלגברי r מספר זה נותן למעשה את מספר הצירופים האפשריים של r איברים מתוך n איברים. n! אפשרויות בהנחה שהסדר משנה. (n r! נסביר כיצד הגענו לנוסחה: ראשית נתונות לנו כעת נרצה להסיר האפשרויות שמופיעות יותר מפעם אחת ולמנות אותן רק פעם אחת. נשים לב כי ראינו שעבור כל r איברים נתונים קיימים!r סידורים שונים אפשריים, כי במקום הראשון יש r אפשרויות, במקום השני r אפשרויות וכן הלאה. לכן נחלק ב! r ונקבל 5

52 את הנוסחה שקבענו. ( ( n n נשים לב שבמקרים = 0,r r = n נקבל: = = (נזכור שהגדרנו 0 n ( =!0. ההיגיון בתוצאה זו הוא שמתוך n איברים יש רק דרך אחת לבחור 0 איברים או n איברים ללא חשיבות לסדר. ( n r = ( n n r טענה: n! (n r! (n (n r! = n! (n r!r! = n! r! (n r! הוכחה: ההסבר לשוויון זה הוא שמדובר באירועים משלימים אחד לשני. למשל קל לראות שבחירת 3 תלמידים מכיתה של 0 לחברות בוועד, זוֹ פעולה שקולה לבחירת 7 תלמידים מכיתה של 0 שלא יהיו חברים בוועד. ( n r = ( n r ( n + r טענה: ( n r = ( n + r = (n! (r! ((n (r! + (n! r! (n r! (n! (r! (n r! + (n! r (n! (n r (n! = + r! (n r! r! (n r! r! (n r! = r (n! + (n r (n! r! (n r! = = ( n (n! r! (n r! = n! n r! (n r! = r (r + n r (n! r! (n r! נסביר את השוויון שקיבלנו. נניח שבוחרים r איברים מתוך n, ונניח ש x הוא איבר כלשהו מתוך ה n. ברור שיש שתי אפשרויות זרות: או ש x כלול ב r האיברים הנבחרים או שלא. אין אפשרות נוספת. מכיוון שהאפשרויות הללו זרות, אם נחשב את מספר התוצאות האפשריות בכל אחת מהאפשרויות ונסכום, נקבל את כל התוצאות האפשריות. במקרה ש x כלול ב r שבחרנו, נשאר לבחור r עצמים מתוך n הוכחה: 52

53 ( n העצמים הנותרים, ולכן מספר התוצאות האפשריות הוא. במקרה ש x r לא כלול ב r שבחרנו, עלינו לבחור r איברים מתוך n האיברים ( הנותרים (כי את n x כבר אי אפשר לבחור, ולכן מספר התוצאות האפשריות הוא. r ( n באמצעות הטענה האחרונה ניתן להציג את ערכו של באמצעות מה שמכונה "משולש r פסקל": המשולש נבנה כך שכל ערך מתקבל כסכום ( שני הערכים שמעליו. זו בדיוק הטענה שהוכחנו n כעת ולכן הערך ה r בשורה ב n הוא. r 9.3. הבינום של ניוטון (a + b n = r=0 ( n r a r b n r ראשית ברור שכאשר a נכפל r פעמים, נשאר ל b להיות נכפל n r פעמים. כדי לבדוק את כל הקומבינציות האפשריות שמתקבלות, משתמשים במה שהוכחנו לעיל אודות בחירת r איברים מתוך n, כאשר הסדר לא משנה וללא החזרה. 53

ל הזכויות שמורות לדפנה וסטרייך

ל הזכויות שמורות לדפנה וסטרייך מרובע שכל זוג צלעות נגדיות בו שוות זו לזו נקרא h באיור שלעיל, הצלעות ו- הן צלעות נגדיות ומתקיים, וכן הצלעות ו- הן צלעות נגדיות ומתקיים. תכונות ה כל שתי זוויות נגדיות שוות זו לזו. 1. כל שתי צלעות נגדיות

Διαβάστε περισσότερα

לדוגמה: במפורט: x C. ,a,7 ו- 13. כלומר בקיצור

לדוגמה: במפורט: x C. ,a,7 ו- 13. כלומר בקיצור הרצאה מס' 1. תורת הקבוצות. מושגי יסוד בתורת הקבוצות.. 1.1 הקבוצה ואיברי הקבוצות. המושג קבוצה הוא מושג בסיסי במתמטיקה. אין מושגים בסיסים יותר, אשר באמצעותם הגדרתו מתאפשרת. הניסיון והאינטואיציה עוזרים להבין

Διαβάστε περισσότερα

תרגיל 13 משפטי רול ולגראנז הערות

תרגיל 13 משפטי רול ולגראנז הערות Mthemtics, Summer 20 / Exercise 3 Notes תרגיל 3 משפטי רול ולגראנז הערות. האם קיים פתרון למשוואה + x e x = בקרן )?(0, (רמז: ביחרו x,f (x) = e x הניחו שיש פתרון בקרן, השתמשו במשפט רול והגיעו לסתירה!) פתרון

Διαβάστε περισσότερα

3-9 - a < x < a, a < x < a

3-9 - a < x < a, a < x < a 1 עמוד 59, שאלהמס', 4 סעיףג' תיקוני הקלדה שאלון 806 צריך להיות : ג. מצאאתמקומושלאיברבסדרהזו, שקטןב- 5 מסכוםכלהאיבריםשלפניו. עמוד 147, שאלהמס' 45 ישלמחוקאתהשאלה (מופיעהפעמיים) עמוד 184, שאלהמס', 9 סעיףב',תשובה.

Διαβάστε περισσότερα

תשובות מלאות לבחינת הבגרות במתמטיקה מועד ג' תשע"ד, מיום 0/8/0610 שאלונים: 315, מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן

תשובות מלאות לבחינת הבגרות במתמטיקה מועד ג' תשעד, מיום 0/8/0610 שאלונים: 315, מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן תשובות מלאות לבחינת הבגרות במתמטיקה מועד ג' תשע"ד, מיום 0/8/0610 שאלונים: 315, 635865 מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן שאלה מספר 1 נתון: 1. סדרה חשבונית שיש בה n איברים...2 3. האיבר

Διαβάστε περισσότερα

I. גבולות. x 0. מתקיים L < ε. lim אם ורק אם. ( x) = 1. lim = 1. lim. x x ( ) הפונקציה נגזרות Δ 0. x Δx

I. גבולות. x 0. מתקיים L < ε. lim אם ורק אם. ( x) = 1. lim = 1. lim. x x ( ) הפונקציה נגזרות Δ 0. x Δx דפי נוסחאות I גבולות נאמר כי כך שלכל δ קיים > ε לכל > lim ( ) L המקיים ( ) מתקיים L < ε הגדרת הגבול : < < δ lim ( ) lim ורק ( ) משפט הכריך (סנדוויץ') : תהיינה ( ( ( )g ( )h פונקציות המוגדרות בסביבה נקובה

Διαβάστε περισσότερα

1 תוחלת מותנה. c ארזים 3 במאי G מדיד לפי Y.1 E (X1 A ) = E (Y 1 A )

1 תוחלת מותנה. c ארזים 3 במאי G מדיד לפי Y.1 E (X1 A ) = E (Y 1 A ) הסתברות למתמטיקאים c ארזים 3 במאי 2017 1 תוחלת מותנה הגדרה 1.1 לכל משתנה מקרי X אינטגרבילית ותת סיגמא אלגברה G F קיים משתנה מקרי G) Y := E (X המקיים: E (X1 A ) = E (Y 1 A ).G מדיד לפי Y.1.E Y

Διαβάστε περισσότερα

Logic and Set Theory for Comp. Sci.

Logic and Set Theory for Comp. Sci. 234293 - Logic and Set Theory for Comp. Sci. Spring 2008 Moed A Final [partial] solution Slava Koyfman, 2009. 1 שאלה 1 לא נכון. דוגמא נגדית מפורשת: יהיו } 2,(p 1 p 2 ) (p 2 p 1 ).Σ 2 = {p 2 p 1 },Σ 1 =

Διαβάστε περισσότερα

תרגול פעולות מומצאות 3

תרגול פעולות מומצאות 3 תרגול פעולות מומצאות. ^ = ^ הפעולה החשבונית סמן את הביטוי הגדול ביותר:. ^ ^ ^ π ^ הפעולה החשבונית c) #(,, מחשבת את ממוצע המספרים בסוגריים.. מהי תוצאת הפעולה (.7,.0,.)#....0 הפעולה החשבונית משמשת חנות גדולה

Διαβάστε περισσότερα

לוגיקה ותורת הקבוצות פתרון תרגיל בית 4 אביב תשע"ו (2016)

לוגיקה ותורת הקבוצות פתרון תרגיל בית 4 אביב תשעו (2016) לוגיקה ותורת הקבוצות פתרון תרגיל בית 4 אביב תשע"ו (2016)............................................................................................................. חלק ראשון: שאלות שאינן להגשה 1. עבור

Διαβάστε περισσότερα

סדרות - תרגילים הכנה לבגרות 5 יח"ל

סדרות - תרגילים הכנה לבגרות 5 יחל סדרות - הכנה לבגרות 5 יח"ל 5 יח"ל סדרות - הכנה לבגרות איברים ראשונים בסדרה) ) S מסמן סכום תרגיל S0 S 5, S6 בסדרה הנדסית נתון: 89 מצא את האיבר הראשון של הסדרה תרגיל גוף ראשון, בשנייה הראשונה לתנועתו עבר

Διαβάστε περισσότερα

אלגברה ליניארית (1) - תרגיל 6

אלגברה ליניארית (1) - תרגיל 6 אלגברה ליניארית (1) - תרגיל 6 התרגיל להגשה עד יום חמישי (12.12.14) בשעה 16:00 בתא המתאים בבניין מתמטיקה. נא לא לשכוח פתקית סימון. 1. עבור כל אחד מתת המרחבים הבאים, מצאו בסיס ואת המימד: (א) 3)} (0, 6, 3,,

Διαβάστε περισσότερα

סיכום בנושא של דיפרנציאביליות ונגזרות כיווניות

סיכום בנושא של דיפרנציאביליות ונגזרות כיווניות סיכום בנושא של דיפרנציאביליות ונגזרות כיווניות 25 בדצמבר 2016 תזכורת: תהי ) n f ( 1, 2,..., פונקציה המוגדרת בסביבה של f. 0 גזירה חלקית לפי משתנה ) ( = 0, אם קיים הגבול : 1 0, 2 0,..., בנקודה n 0 i f(,..,n,).lim

Διαβάστε περισσότερα

שדות תזכורת: פולינום ממעלה 2 או 3 מעל שדה הוא פריק אם ורק אם יש לו שורש בשדה. שקיימים 5 מספרים שלמים שונים , ראשוני. שעבורם

שדות תזכורת: פולינום ממעלה 2 או 3 מעל שדה הוא פריק אם ורק אם יש לו שורש בשדה. שקיימים 5 מספרים שלמים שונים , ראשוני. שעבורם תזכורת: פולינום ממעלה או מעל שדה הוא פריק אם ורק אם יש לו שורש בשדה p f ( m i ) = p m1 m5 תרגיל: נתון עבור x] f ( x) Z[ ראשוני שקיימים 5 מספרים שלמים שונים שעבורם p x f ( x ) f ( ) = נניח בשלילה ש הוא

Διαβάστε περισσότερα

דף פתרונות 7 נושא: תחשיב הפסוקים: צורה דיסיונקטיבית נורמלית, מערכת קשרים שלמה, עקביות

דף פתרונות 7 נושא: תחשיב הפסוקים: צורה דיסיונקטיבית נורמלית, מערכת קשרים שלמה, עקביות יסודות לוגיקה ותורת הקבוצות למערכות מידע (סמסטר ב 2012) דף פתרונות 7 נושא: תחשיב הפסוקים: צורה דיסיונקטיבית נורמלית, מערכת קשרים שלמה, עקביות 1. מצאו צורה דיסיונקטיבית נורמלית קנונית לפסוקים הבאים: (ג)

Διαβάστε περισσότερα

{ : Halts on every input}

{ : Halts on every input} אוטומטים - תרגול 13: רדוקציות, משפט רייס וחזרה למבחן E תכונה תכונה הינה אוסף השפות מעל.(property המקיימות תנאים מסוימים (תכונה במובן של Σ תכונה לא טריביאלית: תכונה היא תכונה לא טריוויאלית אם היא מקיימת:.

Διαβάστε περισσότερα

[ ] Observability, Controllability תרגול 6. ( t) t t קונטרולבילית H למימדים!!) והאובז' דוגמא: x. נשתמש בעובדה ש ) SS rank( S) = rank( עבור מטריצה m

[ ] Observability, Controllability תרגול 6. ( t) t t קונטרולבילית H למימדים!!) והאובז' דוגמא: x. נשתמש בעובדה ש ) SS rank( S) = rank( עבור מטריצה m Observabiliy, Conrollabiliy תרגול 6 אובזרווביליות אם בכל רגע ניתן לשחזר את ( (ומכאן גם את המצב לאורך זמן, מתוך ידיעת הכניסה והיציאה עד לרגע, וזה עבור כל צמד כניסה יציאה, אז המערכת אובזרוובילית. קונטרולביליות

Διαβάστε περισσότερα

פתרונות , כך שאי השוויון המבוקש הוא ברור מאליו ולכן גם קודמו תקף ובכך מוכחת המונוטוניות העולה של הסדרה הנתונה.

פתרונות , כך שאי השוויון המבוקש הוא ברור מאליו ולכן גם קודמו תקף ובכך מוכחת המונוטוניות העולה של הסדרה הנתונה. בחינת סיווג במתמטיקה.9.017 פתרונות.1 סדרת מספרים ממשיים } n {a נקראת מונוטונית עולה אם לכל n 1 מתקיים n+1.a n a האם הסדרה {n a} n = n היא מונוטונית עולה? הוכיחו תשובתכם. הסדרה } n a} היא אכן מונוטונית

Διαβάστε περισσότερα

סיכום- בעיות מינימוםמקסימום - שאלון 806

סיכום- בעיות מינימוםמקסימום - שאלון 806 סיכום- בעיות מינימוםמקסימום - שאלון 806 בבעיותמינימום מקסימוםישלחפשאתנקודותהמינימוםהמוחלטוהמקסימוםהמוחלט. בשאלות מינימוםמקסימוםחובהלהראותבעזרתטבלה אובעזרתנגזרתשנייהשאכן מדובר עלמינימוםאומקסימום. לצורךקיצורהתהליך,

Διαβάστε περισσότερα

סיכום חקירת משוואות מהמעלה הראשונה ומהמעלה השנייה פרק זה הינו חלק מסיכום כולל לשאלון 005 שנכתב על-ידי מאיר בכור

סיכום חקירת משוואות מהמעלה הראשונה ומהמעלה השנייה פרק זה הינו חלק מסיכום כולל לשאלון 005 שנכתב על-ידי מאיר בכור סיכום חקירת משוואות מהמעלה הראשונה ומהמעלה השנייה פרק זה הינו חלק מסיכום כולל לשאלון 5 שנכתב על-ידי מאיר בכור. חקירת משוואה מהמעלה הראשונה עם נעלם אחד = הצורה הנורמלית של המשוואה, אליה יש להגיע, היא: b

Διαβάστε περισσότερα

אינפי - 1 תרגול בינואר 2012

אינפי - 1 תרגול בינואר 2012 אינפי - תרגול 4 3 בינואר 0 רציפות במידה שווה הגדרה. נאמר שפונקציה f : D R היא רציפה במידה שווה אם לכל > 0 ε קיים. f(x) f(y) < ε אז x y < δ אם,x, y D כך שלכל δ > 0 נביט במקרה בו D הוא קטע (חסום או לא חסום,

Διαβάστε περισσότερα

קבוצה היא שם כללי לתיאור אוסף כלשהו של איברים.

קבוצה היא שם כללי לתיאור אוסף כלשהו של איברים. א{ www.sikumuna.co.il מהי קבוצה? קבוצה היא שם כללי לתיאור אוסף כלשהו של איברים. קבוצה היא מושג יסודי במתמטיקה.התיאור האינטואיטיבי של קבוצה הוא אוסף של עצמים כלשהם. העצמים הנמצאים בקבוצה הם איברי הקבוצה.

Διαβάστε περισσότερα

gcd 24,15 = 3 3 =

gcd 24,15 = 3 3 = מחלק משותף מקסימאלי משפט אם gcd a, b = g Z אז קיימים x, y שלמים כך ש.g = xa + yb במלים אחרות, אם ה כך ש.gcd a, b = xa + yb gcd,a b של שני משתנים הוא מספר שלם, אז קיימים שני מקדמים שלמים כאלה gcd 4,15 =

Διαβάστε περισσότερα

אוסף שאלות מס. 3 פתרונות

אוסף שאלות מס. 3 פתרונות אוסף שאלות מס. 3 פתרונות שאלה מצאו את תחום ההגדרה D R של כל אחת מהפונקציות הבאות, ושרטטו אותו במישור. f (x, y) = x + y x y, f 3 (x, y) = f (x, y) = xy x x + y, f 4(x, y) = xy x y f 5 (x, y) = 4x + 9y 36,

Διαβάστε περισσότερα

מתכנס בהחלט אם n n=1 a. k=m. k=m a k n n שקטן מאפסילון. אם קח, ניקח את ה- N שאנחנו. sin 2n מתכנס משום ש- n=1 n. ( 1) n 1

מתכנס בהחלט אם n n=1 a. k=m. k=m a k n n שקטן מאפסילון. אם קח, ניקח את ה- N שאנחנו. sin 2n מתכנס משום ש- n=1 n. ( 1) n 1 1 טורים כלליים 1. 1 התכנסות בהחלט מתכנס. מתכנס בהחלט אם n a הגדרה.1 אומרים שהטור a n משפט 1. טור מתכנס בהחלט הוא מתכנס. הוכחה. נוכיח עם קריטריון קושי. יהי אפסילון גדול מ- 0, אז אנחנו יודעים ש- n N n>m>n

Διαβάστε περισσότερα

תשובות מלאות לבחינת הבגרות במתמטיקה מועד חורף תשע"א, מיום 31/1/2011 שאלון: מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן.

תשובות מלאות לבחינת הבגרות במתמטיקה מועד חורף תשעא, מיום 31/1/2011 שאלון: מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן. בB בB תשובות מלאות לבחינת הבגרות במתמטיקה מועד חורף תשע"א, מיום 31/1/2011 שאלון: 035804 מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן שאלה מספר 1 נתון: 1 מכונית נסעה מעיר A לעיר B על כביש ראשי

Διαβάστε περισσότερα

תשובות מלאות לבחינת הבגרות במתמטיקה מועד קיץ תש"ע מועד ב', מיום 14/7/2010 מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן.

תשובות מלאות לבחינת הבגרות במתמטיקה מועד קיץ תשע מועד ב', מיום 14/7/2010 מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן. תשובות מלאות לבחינת הבגרות במתמטיקה מועד קיץ תש"ע מועד ב', מיום 14/7/2010 שאלון: 316, 035806 מוצע על ידי בית הספר לבגרות ולפסיכומטרי של אבירם פלדמן שאלה מספר 1 E נתון: 1 רוכב אופניים רכב מעיר A לעיר B

Διαβάστε περισσότερα

ניסוי מקרי: ניסוי שיש לו מספר תוצאות אפשריות ואי-אפשר לדעת מראש באיזה תוצאה יסתיים הניסוי.

ניסוי מקרי: ניסוי שיש לו מספר תוצאות אפשריות ואי-אפשר לדעת מראש באיזה תוצאה יסתיים הניסוי. 1 תורת ההסתברות מהי? העולם שבו אנחנו חיים הוא עולם של אי-ודאות. מכיוון שאין לנו דרך לקבוע בוודאות את תוצאותיו של תהליך אקראי, אנו מנסים לצמצם את אלמנט אי-הודאות ולהעריך את הסיכויים של התוצאות האפשריות

Διαβάστε περισσότερα

משוואות רקורסיביות רקורסיה זו משוואה או אי שוויון אשר מתארת פונקציה בעזרת ערכי הפונקציה על ארגומנטים קטנים. למשל: יונתן יניב, דוד וייץ

משוואות רקורסיביות רקורסיה זו משוואה או אי שוויון אשר מתארת פונקציה בעזרת ערכי הפונקציה על ארגומנטים קטנים. למשל: יונתן יניב, דוד וייץ משוואות רקורסיביות הגדרה: רקורסיה זו משוואה או אי שוויון אשר מתארת פונקציה בעזרת ערכי הפונקציה על ארגומנטים קטנים למשל: T = Θ 1 if = 1 T + Θ if > 1 יונתן יניב, דוד וייץ 1 דוגמא נסתכל על האלגוריתם הבא למציאת

Διαβάστε περισσότερα

ושל (השטח המקווקו בציור) . g(x) = 4 2x. ו- t x = g(x) f(x) dx

ושל (השטח המקווקו בציור) . g(x) = 4 2x. ו- t x = g(x) f(x) dx פרק 9: חשבון דיפרנציאלי ואינטגרלי O 9 ושל בציור שלפניך מתוארים גרפים של הפרבולה f() = נמצאת על הנקודה המלבן CD מקיים: הישר = 6 C ו- D נמצאות הפרבולה, הנקודה נמצאת על הישר, הנקודות ( t > ) OD = t נתון:

Διαβάστε περισσότερα

לוגיקה ותורת הקבוצות מבחן סופי אביב תשע"ב (2012) דפי עזר

לוגיקה ותורת הקבוצות מבחן סופי אביב תשעב (2012) דפי עזר לוגיקה ותורת הקבוצות מבחן סופי אביב תשע"ב (2012) דפי עזר תורת הקבוצות: סימונים.N + = N \ {0} קבוצת המספרים הטבעיים; N Z קבוצת המספרים השלמים. Q קבוצת המספרים הרציונליים. R קבוצת המספרים הממשיים. הרכבת

Διαβάστε περισσότερα

קיום ויחידות פתרונות למשוואות דיפרנציאליות

קיום ויחידות פתרונות למשוואות דיפרנציאליות קיום ויחידות פתרונות למשוואות דיפרנציאליות 1 מוטיבציה למשפט הקיום והיחידות אנו יודעים לפתור משוואות דיפרנציאליות ממחלקות מסוימות, כמו משוואות פרידות או משוואות לינאריות. עם זאת, קל לכתוב משוואה דיפרנציאלית

Διαβάστε περισσότερα

Charles Augustin COULOMB ( ) קולון חוק = K F E המרחק סטט-קולון.

Charles Augustin COULOMB ( ) קולון חוק = K F E המרחק סטט-קולון. Charles Augustin COULOMB (1736-1806) קולון חוק חוקקולון, אשרנקראעלשםהפיזיקאיהצרפתישארל-אוגוסטיןדהקולוןשהיהאחדהראשוניםשחקרבאופןכמותיאתהכוחותהפועלים ביןשניגופיםטעונים. מדידותיוהתבססועלמיתקןהנקראמאזניפיתול.

Διαβάστε περισσότερα

שאלה 1 נתון: (AB = AC) ABC שאלה 2 ( ) נתון. באמצעות r ו-. α שאלה 3 הוכח:. AE + BE = CE שאלה 4 האלכסון (AB CD) ABCD תשובה: 14 ס"מ = CD.

שאלה 1 נתון: (AB = AC) ABC שאלה 2 ( ) נתון. באמצעות r ו-. α שאלה 3 הוכח:. AE + BE = CE שאלה 4 האלכסון (AB CD) ABCD תשובה: 14 סמ = CD. טריגונומטריה במישור 5 יח"ל טריגונומטריה במישור 5 יח"ל 010 שאלונים 006 ו- 806 10 השאלות 1- מתאימות למיקוד קיץ = β ( = ) שאלה 1 במשולש שווה-שוקיים הוכח את הזהות נתון: sin β = sinβ cosβ r r שאלה נתון מעגל

Διαβάστε περισσότερα

לוגיקה ותורת הקבוצות מבחן סופי אביב תשע"ד (2014) דפי עזר

לוגיקה ותורת הקבוצות מבחן סופי אביב תשעד (2014) דפי עזר לוגיקה ותורת הקבוצות מבחן סופי אביב תשע"ד (2014) דפי עזר תורת הקבוצות: סימונים.N + = N \ {0} קבוצת המספרים הטבעיים; N Z קבוצת המספרים השלמים. Q קבוצת המספרים הרציונליים. R קבוצת המספרים הממשיים. הרכבת

Διαβάστε περισσότερα

מתמטיקה בדידה תרגול מס' 2

מתמטיקה בדידה תרגול מס' 2 מתמטיקה בדידה תרגול מס' 2 נושאי התרגול: כמתים והצרנות. משתנים קשורים וחופשיים. 1 כמתים והצרנות בתרגול הקודם עסקנו בתחשיב הפסוקים, שבו הנוסחאות שלנו היו מורכבות מפסוקים יסודיים (אשר קיבלו ערך T או F) וקשרים.

Διαβάστε περισσότερα

"קשר-חם" : לקידום שיפור וריענון החינוך המתמטי

קשר-חם : לקידום שיפור וריענון החינוך המתמטי הטכניון - מכון טכנולוגי לישראל המחלקה להוראת הטכנולוגיה והמדעים "קשר-חם" : לקידום שיפור וריענון החינוך המתמטי נושא: חקירת משוואות פרמטריות בעזרת גרפים הוכן ע"י: אביבה ברש. תקציר: בחומר מוצגת דרך לחקירת

Διαβάστε περισσότερα

רשימת משפטים והגדרות

רשימת משפטים והגדרות רשימת משפטים והגדרות חשבון אינפיניטיסימאלי ב' מרצה : למברג דן 1 פונקציה קדומה ואינטגרל לא מסויים הגדרה 1.1. (פונקציה קדומה) יהי f :,] [b R פונקציה. פונקציה F נקראת פונקציה קדומה של f אם.[, b] גזירה ב F

Διαβάστε περισσότερα

אלגברה ליניארית 1 א' פתרון 2

אלגברה ליניארית 1 א' פתרון 2 אלגברה ליניארית א' פתרון 3 4 3 3 7 9 3. נשתמש בכתיבה בעזרת מטריצה בכל הסעיפים. א. פתרון: 3 3 3 3 3 3 9 אז ישנו פתרון יחיד והוא = 3.x =, x =, x 3 3 הערה: אפשר גם לפתור בדרך קצת יותר ארוכה, אבל מבלי להתעסק

Διαβάστε περισσότερα

מתמטיקה בדידה תרגול מס' 13

מתמטיקה בדידה תרגול מס' 13 מתמטיקה בדידה תרגול מס' 13 נושאי התרגול: תורת הגרפים. 1 מושגים בסיסיים נדון בגרפים מכוונים. הגדרה 1.1 גרף מכוון הוא זוג סדור E G =,V כך ש V ו E. V הגרף נקרא פשוט אם E יחס אי רפלקסיבי. כלומר, גם ללא לולאות.

Διαβάστε περισσότερα

פתרון תרגיל דוגמא מרחב המדגם הוא כל הקומבינציות של 20 חודשי הולדת. לכל ילד 12 אפשרויות,לכן. לכן -

פתרון תרגיל דוגמא מרחב המדגם הוא כל הקומבינציות של 20 חודשי הולדת. לכל ילד 12 אפשרויות,לכן. לכן - פתרון תרגיל דוגמא מרחב המדגם הוא כל הקומבינציות של 0 חודשי הולדת לכל ילד אפשרויות,לכן לכן - 0 A 0 מספר קומבינציות שלא מכילות את חודש תשרי הוא A) המאורע המשלים ל- B הוא "אף תלמיד לא נולד באחד מהחודשים אב/אלול",

Διαβάστε περισσότερα

תורת ההסתברות 1 יובל קפלן סיכום הרצאות פרופ יורי קיפר בקורס "תורת ההסתברות 1" (80420) באוניברסיטה העברית,

תורת ההסתברות 1 יובל קפלן סיכום הרצאות פרופ יורי קיפר בקורס תורת ההסתברות 1 (80420) באוניברסיטה העברית, תורת ההסתברות יובל קפלן סיכום הרצאות פרופ יורי קיפר בקורס "תורת ההסתברות " (80420) באוניברסיטה העברית, 8 2007. תוכן מחברת זו הוקלד ונערך על-ידי יובל קפלן. אין המרצה אחראי לכל טעות שנפלה בו. סודר באמצעות

Διαβάστε περισσότερα

מינימיזציה של DFA מינימיזציה של הקנוני שאותה ראינו בסעיף הקודם. בנוסף, נוכיח את יחידות האוטומט המינימלי בכך שנראה שכל אוטומט על ידי שינוי שמות

מינימיזציה של DFA מינימיזציה של הקנוני שאותה ראינו בסעיף הקודם. בנוסף, נוכיח את יחידות האוטומט המינימלי בכך שנראה שכל אוטומט על ידי שינוי שמות מינימיזציה של DFA L. הוא אוטמומט מינימלי עבור L של שפה רגולרית A ראינו בסוף הסעיף הקודם שהאוטומט הקנוני קיים A DFA בכך הוכחנו שלכל שפה רגולרית קיים אוטומט מינמלי המזהה אותה. זה אומר שלכל נקרא A A לאוטומט

Διαβάστε περισσότερα

אוסף שאלות מס. 5. שאלה 1 בדוגמאות הבאות, נגדיר פונקציה על ידי הרכבה: y(t)).g(t) = f(x(t), בשתי דרכים:

אוסף שאלות מס. 5. שאלה 1 בדוגמאות הבאות, נגדיר פונקציה על ידי הרכבה: y(t)).g(t) = f(x(t), בשתי דרכים: אוסף שאלות מס. 5 שאלה 1 בדוגמאות הבאות, נגדיר פונקציה על ידי הרכבה: y(t)).g(t) = f(x(t), חשבו את הנגזרת (t) g בשתי דרכים: באופן ישיר: על ידי חישוב ביטוי לפונקציה g(t) וגזירה שלו, בעזרת כלל השרשרת. בידקו

Διαβάστε περισσότερα

PDF created with pdffactory trial version

PDF created with pdffactory trial version הקשר בין שדה חשמלי לפוטנציאל חשמלי E נחקור את הקשר, עבור מקרה פרטי, בו יש לנו שדה חשמלי קבוע. נתון שדה חשמלי הקבוע במרחב שגודלו שווה ל. E נסמן שתי נקודות לאורך קו שדה ו המרחק בין הנקודות שווה ל x. המתח

Διαβάστε περισσότερα

ב ה צ ל ח ה! /המשך מעבר לדף/

ב ה צ ל ח ה! /המשך מעבר לדף/ בגרות לבתי ספר על יסודיים סוג הבחינה: מדינת ישראל קיץ תשע"א, מועד ב מועד הבחינה: משרד החינוך 035804 מספר השאלון: דפי נוסחאות ל 4 יחידות לימוד נספח: מתמטיקה 4 יחידות לימוד שאלון ראשון תכנית ניסוי )שאלון

Διαβάστε περισσότερα

אילנה, אייל, רועי, רותם, רותם, רותם, נאור, יוני, תמיר

אילנה, אייל, רועי, רותם, רותם, רותם, נאור, יוני, תמיר 9 המושגים הבסיסיים ב (חזרה) משתנה אקראי הגדרות גודל שמאפיין איבר מסוים בקבוצת איברים מאותו סוג, מאיבר לאיבר באקראי. ושעשוי להשתנות משתנה אקראי מאופיין על ידי שם, מספר האיבר שאותו הוא מאפיין, וגודל (ערך).

Διαβάστε περισσότερα

(2) מיונים השאלות. .0 left right n 1. void Sort(int A[], int left, int right) { int p;

(2) מיונים השאלות. .0 left right n 1. void Sort(int A[], int left, int right) { int p; מבני נתונים פתרונות לסט שאלות דומה לשאלות בנושאים () זמני ריצה של פונקציות רקורסיביות () מיונים השאלות פתרו את נוסחאות הנסיגה בסעיפים א-ג על ידי הצבה חוזרת T() כאשר = T() = T( ) + log T() = T() כאשר =

Διαβάστε περισσότερα

פתרון תרגיל 6 ממשוואות למבנים אלגברה למדעי ההוראה.

פתרון תרגיל 6 ממשוואות למבנים אלגברה למדעי ההוראה. פתרון תרגיל 6 ממשוואות למבנים אלגברה למדעי ההוראה. 16 במאי 2010 נסמן את מחלקת הצמידות של איבר בחבורה G על ידי } g.[] { y : g G, y g כעת נניח כי [y] [] עבור שני איברים, y G ונוכיח כי [y].[] מאחר והחיתוך

Διαβάστε περισσότερα

או מעוותים, אשר הביא לכך שבציבור הרחב יש שתי דעות מנוגדות לגבי סטטיסטיקה: ה"תמימה"; אשרמבוססתעלכבודרבלמדעכולוולסטטיסטיקהבפרט,מהשגורםלקבלת

או מעוותים, אשר הביא לכך שבציבור הרחב יש שתי דעות מנוגדות לגבי סטטיסטיקה: התמימה; אשרמבוססתעלכבודרבלמדעכולוולסטטיסטיקהבפרט,מהשגורםלקבלת פרק מבוא לסטטיסטיקה. סטטיסטיקה מהי? הסטטיסטיקה היא מדע העוסק בנתונים כמותיים, איסופם, עיבודם, הצגתם והסקת מסקנות מהם וזאת כדי לסייע בפתרון בעיות מסוגים שונים. בימינו, קשה להעלות על הדעת איזה תחום בחיינו,

Διαβάστε περισσότερα

b2n-1 ב. נשתמש בנוסחת סכום סדרה הנדסית אינסופית יורדת כדי לרשום את הנתון: 1-q = 0.8 b 1-q 1=0.8(1+q) q= 1 4 פתרון לשאלה 2

b2n-1 ב. נשתמש בנוסחת סכום סדרה הנדסית אינסופית יורדת כדי לרשום את הנתון: 1-q = 0.8 b 1-q 1=0.8(1+q) q= 1 4 פתרון לשאלה 2 פתרון מבחן מס' פתרון לשאלה א. להוכיח כי סדרה c היא סדרה הנדסית משמע להוכיח כי היחס בין איברים סמוכים בסדרה הוא מספר n c n +n c מכיוון ש- q הוא מספר קבוע, סדרה = b n+ = bq n =q cn bn- bq n- :b n קבוע. אם

Διαβάστε περισσότερα

תורת ההסתברות (1) 80420

תורת ההסתברות (1) 80420 תורת ההסתברות (1) 80420 איתי שפירא 4 באוקטובר 2017 מתוך הרצאות מהאונברסיטה העברית 2017. i.j.shapira@gmail.com תוכן עניינים 0 מבוא והשלמות 6 0.1 נושאים מתורת הקבוצות.......................... 6 0.2 נושאים

Διαβάστε περισσότερα

ןמנירג ןואל \ הקיטסיטטס הקיטסיטטסב הרזח ה יפד ךותמ 14 דו 1 מע

ןמנירג ןואל \ הקיטסיטטס הקיטסיטטסב הרזח ה יפד ךותמ 14 דו 1 מע עמוד מתוך 4 סטטיסטיקה תיאורית X- תצפית -f( שכיחות מספר פעמים שהתצפית חזרה על עצמה - גודל מדגם -F( שכיחות מצטברת ישנם שני סוגי מיון תצפיות משתנה בדיד סוג תצפית ספציפי.משתנה שכל ערכיו מספרים בודדים. משתנה

Διαβάστε περισσότερα

מתמטיקה בדידה תרגול מס' 12

מתמטיקה בדידה תרגול מס' 12 מתמטיקה בדידה תרגול מס' 2 נושאי התרגול: נוסחאות נסיגה נוסחאות נסיגה באמצעות פונקציות יוצרות נוסחאות נסיגה באמצעות פולינום אופייני נוסחאות נסיגה לעתים מפורש לבעיה קומבינטורית אינו ידוע, אך יחסית קל להגיע

Διαβάστε περισσότερα

מודלים חישוביים תרגולמס 5

מודלים חישוביים תרגולמס 5 מודלים חישוביים תרגולמס 5 30 במרץ 2016 נושאי התרגול: דקדוקים חסרי הקשר. למת הניפוח לשפות חסרות הקשר. פעולות סגור לשפות חסרות הקשר. 1 דקדוקים חסרי הקשר נזכיר כי דקדוק חסר הקשר הוא רביעיה =(V,Σ,R,S) G, כך

Διαβάστε περισσότερα

טענה חשובה : העתקה לינארית הינה חד חד ערכית האפס ב- הוא הוקטור היחיד שמועתק לוקטור אפס של. נקבל מחד חד הערכיות כי בהכרח.

טענה חשובה : העתקה לינארית הינה חד חד ערכית האפס ב- הוא הוקטור היחיד שמועתק לוקטור אפס של. נקבל מחד חד הערכיות כי בהכרח. 1 תשע'א תירגול 8 אלגברה לינארית 1 טענה חשובה : העתקה לינארית הינה חד חד ערכית האפס ב- הוא הוקטור היחיד שמועתק לוקטור אפס של וקטור אם הוכחה: חד חד ערכית ויהי כך ש מכיוון שגם נקבל מחד חד הערכיות כי בהכרח

Διαβάστε περισσότερα

חשבון אינפיניטסימלי 1

חשבון אינפיניטסימלי 1 חשבון אינפיניטסימלי 1 יובל קפלן סיכום הרצאות פרופ צליל סלע בקורס "חשבון אינפיניטסימלי 1" (80131) באוניברסיטה העברית, 7 2006. תוכן מחברת זו הוקלד ונערך על-ידי יובל קפלן. אין המרצה אחראי לכל טעות שנפלה בו.

Διαβάστε περισσότερα

תורת ההסתברות 2: (או הסתברות ותהליכים סטוכסטים)

תורת ההסתברות 2: (או הסתברות ותהליכים סטוכסטים) תורת ההסתברות : או הסתברות ותהליכים סטוכסטים סוכם על ידי תום חן tomhen@gmail.com בדצמבר 04 שימו לב יתכנו שגיאות בטקסט עידכונים יתבצעו במהלך הסמסטר נא לדווח שגיאות ל gidi.amir@gmail.com או לחלופין שלשמור

Διαβάστε περισσότερα

חשבון אינפיניטסימלי 1 סיכום הרצאות באוניברסיטה חיפה, חוג לסטטיסטיקה.

חשבון אינפיניטסימלי 1 סיכום הרצאות באוניברסיטה חיפה, חוג לסטטיסטיקה. חשבון אינפיניטסימלי 1 סיכום הרצאות באוניברסיטה חיפה, חוג לסטטיסטיקה. מרצה: למברג דן תוכן העניינים 3 מספרים ממשיים 1 3.................................. סימונים 1. 1 3..................................

Διαβάστε περισσότερα

תורת הקבוצות תרגיל בית 2 פתרונות

תורת הקבוצות תרגיל בית 2 פתרונות תורת הקבוצות תרגיל בית 2 פתרונות חיים שרגא רוזנר כ"ה בניסן, תשע"ה תזכורות תקציר איזומורפיזם סדר, רישא, טרנזיטיביות, סודרים, השוואת סודרים, סודר עוקב, סודר גבולי. 1. טרנזיטיבות וסודרים קבוצה A היא טרנזיטיבית

Διαβάστε περισσότερα

םיאלמ תונורתפ 20,19,18,17,16 םינחבמל 1 להי רחש ןולאש הקיטמתמב סוקופ

םיאלמ תונורתפ 20,19,18,17,16 םינחבמל 1 להי רחש ןולאש הקיטמתמב סוקופ פתרונות מלאים למבחנים 0,9,8,7,6 פוקוס במתמטיקה שאלון 3580 שחר יהל העתקה ו/או צילום מספר זה הם מעשה לא חינוכי, המהווה עברה פלילית. פתרון מבחן מתכונת מס' 6 פתרון שאלה א. נקודות A ו- B נמצאות על הפונקציה

Διαβάστε περισσότερα

תורת הקבוצות יובל קפלן סיכום הרצאות פרופ ארז לפיד בקורס "תורת הקבוצות" (80200) באוניברסיטה העברית,

תורת הקבוצות יובל קפלן סיכום הרצאות פרופ ארז לפיד בקורס תורת הקבוצות (80200) באוניברסיטה העברית, תורת הקבוצות יובל קפלן סיכום הרצאות פרופ ארז לפיד בקורס "תורת הקבוצות" (80200) באוניברסיטה העברית, 7 2006. תוכן מחברת זו הוקלד ונערך על-ידי יובל קפלן. אין המרצה אחראי לכל טעות שנפלה בו. סודר באמצעות L

Διαβάστε περισσότερα

תרגול מס' 1 3 בנובמבר 2012

תרגול מס' 1 3 בנובמבר 2012 תרגול מס' 1 3 בנובמבר 2012 1 מערכת המספרים השלמים בשיעור הקרוב אנו נעסוק בקבוצת המספרים השלמים Z עם הפעולות (+) ו ( ), ויחס סדר (>) או ( ). כל התכונות הרגילות והידועות של השלמים מתקיימות: חוק הקיבוץ (אסוציאטיביות),

Διαβάστε περισσότερα

עבודת קיץ למואץ העולים לכיתה י' סדרות:

עבודת קיץ למואץ העולים לכיתה י' סדרות: ב( ג( א ) עבודת קיץ למואץ העולים לכיתה י' סדרות: תרגילי חימום.... בסדרה חשבונית האיבר השמיני גדול פי מהאיבר הרביעי. סכום אחד-אשר האיברים הראשונים בסדרה הוא. 0 ( מצאו את האיבר הראשון של הסדרה. ( מצאו את

Διαβάστε περισσότερα

גיאומטריה גיאומטריה מצולעים ניב רווח פסיכומטרי

גיאומטריה גיאומטריה מצולעים ניב רווח פסיכומטרי מצולע הוא צורה דו ממדית, עשויה קו "שבור" סגור. לדוגמה: משולש, מרובע, מחומש, משושה וכו'. אלכסון במצולע הוא הקו המחבר בין שני קדקודים שאינם סמוכים זה לזה. לדוגמה: בסרטוט שלפניכם EC אלכסון במצולע. ABCDE (

Διαβάστε περισσότερα

הרצאה תרגילים סמינר תורת המספרים, סמסטר אביב פרופ' יעקב ורשבסקי

הרצאה תרגילים סמינר תורת המספרים, סמסטר אביב פרופ' יעקב ורשבסקי הרצאה תרגילים סמינר תורת המספרים, סמסטר אביב 2011 2010 פרופ' יעקב ורשבסקי אסף כץ 15//11 1 סמל לזנדר יהי מספר שלם קבוע, ו K שדה גלובלי המכיל את חבורת שורשי היחידה מסדר µ. תהי S קבוצת הראשוניים הארכימדיים

Διαβάστε περισσότερα

אלגברה לינארית 1 יובל קפלן

אלגברה לינארית 1 יובל קפלן אלגברה לינארית 1 יובל קפלן מחברת סיכום הרצאות ד"ר אלי בגנו בקורס "אלגברה לינארית 1" (80134) באוניברסיטה העברית, 7 2006 תוכן מחברת זו הוקלד ונערך על-ידי יובל קפלן אין המרצה אחראי לכל טעות שנפלה בו סודר

Διαβάστε περισσότερα

תורת המספרים 1 פירוק לגורמים ראשוניים סיכום הגדרות טענות ומשפטים אביב הגדרות 1.2 טענות

תורת המספרים 1 פירוק לגורמים ראשוניים סיכום הגדרות טענות ומשפטים אביב הגדרות 1.2 טענות תורת המספרים סיכום הגדרות טענות ומשפטים אביב 017 1 פירוק לגורמים ראשוניים 1.1 הגדרות חוג A C נקראת חוג אם: היא מכילה את 0 ואת 1 סגורה תחת חיבור, חיסור, וכפל הפיך A חוג. a A נקרא הפיך אם 0,a.a 1 A קבוצת

Διαβάστε περισσότερα

החשמלי השדה הקדמה: (אדום) הוא גוף הטעון במטען q, כאשר גוף B, נכנס אל תוך התחום בו השדה משפיע, השדה מפעיל עליו כוח.

החשמלי השדה הקדמה: (אדום) הוא גוף הטעון במטען q, כאשר גוף B, נכנס אל תוך התחום בו השדה משפיע, השדה מפעיל עליו כוח. החשמלי השדה הקדמה: מושג השדה חשמלי נוצר, כאשר הפיזיקאי מיכאל פרדיי, ניסה לתת הסבר אינטואיטיבי לעובדה שמטענים מפעילים זה על זה כוחות ללא מגע ביניהם. לטענתו, כל עצם בעל מטען חשמלי יוצר מסביבו שדה המשתרע

Διαβάστε περισσότερα

א הקיטסי ' טטסל אובמ רלדנ הינור בג ' 1

א הקיטסי ' טטסל אובמ רלדנ הינור בג ' 1 מבוא לסטטיסטיקה א' נדלר רוניה גב' סכימת המחקר שאלת המחקר כלל האוכלוסיה מדגם - תת אוכלוסיה דרך מדידה איסוף נתונים קיבוץ נתונים סטטיסטיקה תיאורית סיכום נתונים האם הנתונים הינם לגבי כלל האוכלוסייה? מדגם -

Διαβάστε περισσότερα

מתמטיקה שאלון ו' נקודות. חשבון דיפרנציאלי ואינטגרלי, טריגונומטריה שימוש במחשבון גרפי או באפשרויות התכנות עלול לגרום לפסילת הבחינה.

מתמטיקה שאלון ו' נקודות. חשבון דיפרנציאלי ואינטגרלי, טריגונומטריה שימוש במחשבון גרפי או באפשרויות התכנות עלול לגרום לפסילת הבחינה. בגרות לבתי ספר על-יסודיים מועד הבחינה: תשס"ח, מספר השאלון: 05006 נספח:דפי נוסחאות ל- 4 ול- 5 יחידות לימוד מתמטיקה שאלון ו' הוראות לנבחן משך הבחינה: שעה ושלושה רבעים. מבנה השאלון ומפתח ההערכה: בשאלון זה

Διαβάστε περισσότερα

קבל מורכב משני מוליכים, אשר אינם במגע אחד עם השני, בכל צורה שהיא. כאשר קבל טעון, על כל "לוח" יש את אותה כמות מטען, אך הסימנים הם הפוכים.

קבל מורכב משני מוליכים, אשר אינם במגע אחד עם השני, בכל צורה שהיא. כאשר קבל טעון, על כל לוח יש את אותה כמות מטען, אך הסימנים הם הפוכים. קבל קבל מורכב משני מוליכים, אשר אינם במגע אחד עם השני, בכל צורה שהיא. כאשר קבל טעון, על כל "לוח" יש את אותה כמות מטען, אך הסימנים הם הפוכים. על לוח אחד מטען Q ועל לוח שני מטען Q. הפוטנציאל על כל לוח הוא

Διαβάστε περισσότερα

ניתן לקבל אוטומט עבור השפה המבוקשת ע "י שימוששאלה 6 בטכניקתשפה המכפלה שנייה כדי לבנות אוטומט לשפת החיתוך של שתי השפות:

ניתן לקבל אוטומט עבור השפה המבוקשת ע י שימוששאלה 6 בטכניקתשפה המכפלה שנייה כדי לבנות אוטומט לשפת החיתוך של שתי השפות: שאלה 1 בנה אוטומט המקבל את שפת כל המילים מעל הא"ב {,,} המכילות לפחות פעם אחת את הרצף ומיד אחרי כל אות מופיע הרצף. ניתן לפרק את השפה לשתי שפות בסיס מעל הא"ב :{,,} שפת כל המילים המכילות לפחות פעם אחת את

Διαβάστε περισσότερα

33 = 16 2 נקודות. נקודות. נקודות. נקודות נקודות.

33 = 16 2 נקודות. נקודות. נקודות. נקודות נקודות. 1 מבחן מתכונת מס ' משך הבחינה: שלוש שעות וחצי. מבנה ה ומפתח הערכה: ב זה שלושה פרקים. פרק א': אלגברה והסתברות: נקודות. נקודות. נקודות. נקודות. 1 33 = 16 3 3 פרק ב': גיאומטריה וטריגונומטריה במישור: 1 33

Διαβάστε περισσότερα

פרק 5 טורי חזקות 5.5 טור לורן. (z z 0 ) m. c n = 1. 2πi γ (ξ z 0 ) n+1dξ, .a 1 = 1 f(z)dz בפרט,.a 2πi γ m וגם 0 0 < z z 0 < r בעיגול הנקוב z.

פרק 5 טורי חזקות 5.5 טור לורן. (z z 0 ) m. c n = 1. 2πi γ (ξ z 0 ) n+1dξ, .a 1 = 1 f(z)dz בפרט,.a 2πi γ m וגם 0 0 < z z 0 < r בעיגול הנקוב z. פרק 5 טורי חזקות 5.5 טור לורן הגדרה 5. טורלורןסביבקוטב z מסדרm שלפונקציה( f(z הואמהצורה n m a n(z z m. למשל,טורלורן שלהפונקציה e z /z 2 סביב הוא + 2./z 2 +/z+/2+/3!z+/4!z משפט 5. תהי f פונקציה אנליטית

Διαβάστε περισσότερα

הגדרה: מצבים k -בני-הפרדה

הגדרה: מצבים k -בני-הפרדה פרק 12: שקילות מצבים וצמצום מכונות לעי תים קרובות, תכנון המכונה מתוך סיפור המעשה מביא להגדרת מצבים יתי רים states) :(redundant הפונקציה שהם ממלאים ניתנת להשגה באמצעו ת מצבים א חרים. כיוון שמספר רכיבי הזיכרון

Διαβάστε περισσότερα

שיעור.1 חופפים במשולש שווה שוקיים יחידה - 31 חופפים משולשים 311

שיעור.1 חופפים במשולש שווה שוקיים יחידה - 31 חופפים משולשים 311 יחידה :31חופפים משולשים נחפוף משולשים ונוכיח תכונות של אלכסוני משולשים שווה שוקיים ואלכסוני המלבן. שיעור.1חופפים במשולש שווה שוקיים נחקור ונוכיח תכונות של משולש שווה שוקיים נתון משולש שווה שוקיים שבו.

Διαβάστε περισσότερα

רשימת משפטים וטענות נכתב על ידי יהונתן רגב רשימת משפטים וטענות

רשימת משפטים וטענות נכתב על ידי יהונתן רגב רשימת משפטים וטענות λ = 0 A. F n n ערך עצמי של A אם ורק אם A לא הפיכה..det(λ I ערך עצמי של λ F.A F n n n A) = 0 אם ורק אם: A v וקטור עצמי של Tהמתאים יהי T: V V אופרטור לינארי. אם λ F ערך עצמי של,T לערך העצמי λ, אזי λ הוא

Διαβάστε περισσότερα

א. חוקיות תשובות 1. א( קבוצות ספורט ב( עצים ג( שמות של בנות ד( אותיות שיש להן אות סופית ; ה( מדינות ערביות. 2. א( שמעון פרס חיים הרצוג. ב( לא.

א. חוקיות תשובות 1. א( קבוצות ספורט ב( עצים ג( שמות של בנות ד( אותיות שיש להן אות סופית ; ה( מדינות ערביות. 2. א( שמעון פרס חיים הרצוג. ב( לא. א. חוקיות. א( 1; ב( ; ג( השמיני; ד( ; ה( האיבר a שווה לפי - מיקומו בסדרה ; ו( = ;a ז( 9 = a ;.6 א( דוגמה: = a. +.7 א( =,1 + = 6 ;1 + ג( את המספר האחרון: הוא זה שמשתנה מתרגיל לתרגיל. 8. ב( 1 7 a, המספר

Διαβάστε περισσότερα

מבנים אלגבריים II 27 במרץ 2012

מבנים אלגבריים II 27 במרץ 2012 מבנים אלגבריים 80446 II אור דגמי, or@digmi.org 27 במרץ 2012 אתר אינטרנט: http://digmi.org סיכום הרצאות של פרופ אלכס לובוצקי בשנת לימודים 2012 1 תוכן עניינים 1 שדות 3 1.1 תזכורת מהעבר....................................................

Διαβάστε περισσότερα

שיעור 1. זוויות צמודות

שיעור 1. זוויות צמודות יחידה 11: זוגות של זוויות שיעור 1. זוויות צמודות נתבונן בתמרורים ובזוויות המופיעות בהם. V IV III II I הדסה מיינה את התמרורים כך: בקבוצה אחת שלושת התמרורים שמימין, ובקבוצה השנייה שני התמרורים שמשמאל. ש

Διαβάστε περισσότερα

TECHNION Israel Institute of Technology, Faculty of Mechanical Engineering מבוא לבקרה (034040) גליון תרגילי בית מס 5 ציור 1: דיאגרמת הבלוקים

TECHNION Israel Institute of Technology, Faculty of Mechanical Engineering מבוא לבקרה (034040) גליון תרגילי בית מס 5 ציור 1: דיאגרמת הבלוקים TECHNION Iael Intitute of Technology, Faculty of Mechanical Engineeing מבוא לבקרה (034040) גליון תרגילי בית מס 5 d e C() y P() - ציור : דיאגרמת הבלוקים? d(t) ו 0 (t) (t),c() 3 +,P() + ( )(+3) שאלה מס נתונה

Διαβάστε περισσότερα

תורת הקבוצות בפברואר 2012 תקציר סיכום הרצאות של פרופסור רון לבנה בשנת לימודים 2012

תורת הקבוצות בפברואר 2012 תקציר סיכום הרצאות של פרופסור רון לבנה בשנת לימודים 2012 תורת הקבוצות 80200 אור דגמי, ÓÖ Ñ ºÓÖ 11 בפברואר 2012 אתר אינטרנט: ØØÔ»» Ñ ºÓÖ תקציר סיכום הרצאות של פרופסור רון לבנה בשנת לימודים 2012 1 תוכן עניינים תוכן עניינים תוכן עניינים מבוא.............................................

Διαβάστε περισσότερα

לוגיקה ותורת הקבוצות אביבתשס ז מבחןסופי מועדב בהצלחה!

לוגיקה ותורת הקבוצות אביבתשס ז מבחןסופי מועדב בהצלחה! הטכניון מכון טכנולוגי לישראל הפקולטה למדעי המחשב 24/10/2007 מרצה: פרופ אורנה גרימברג מתרגלים: גבי סקלוסוב,קרן צנזור,רותם אושמן,אורלי יהלום לוגיקה ותורת הקבוצות 234293 אביבתשס ז מבחןסופי מועדב הנחיות: משךהבחינה:

Διαβάστε περισσότερα

1 סכום ישר של תת מרחבים

1 סכום ישר של תת מרחבים אלמה רופיסה :הצירטמ לש ןדרו'ג תרוצ O O O O O O ןאבצ זעוב סכום ישר של תת מרחבים פרק זה כולל טענות אלמנטריות, שהוכחתן מושארת לקורא כתרגיל הגדרה: יהיו V מרחב וקטורי, U,, U k V תת מרחבים הסכום W U + U 2 +

Διαβάστε περισσότερα

לדוגמא : dy dx. xdx = x. cos 1. cos. x dx 2. dx = 2xdx לסיכום: 5 sin 5 1 = + ( ) הוכחה: [ ] ( ) ( )

לדוגמא : dy dx. xdx = x. cos 1. cos. x dx 2. dx = 2xdx לסיכום: 5 sin 5 1 = + ( ) הוכחה: [ ] ( ) ( ) 9. חשבון אינטגרלי. עד כה עסקנו בבעיות של מציאת הנגזרת של פונקציה נתונה. נשאלת השאלה בהינתן נגזרת האם נוכל למצוא את הפונקציה המקורית (הפונקציה שנגזרתה נתונה)? זוהי שאלה קשה יותר, חשבון אינטגרלי דן בבעיה

Διαβάστε περισσότερα

חשבון אינפיניטסימלי (2)

חשבון אינפיניטסימלי (2) חשבון אינפיניטסימלי (2) איתי שפירא 30 ביוני 2017 מתוך הרצאות מהאונברסיטה העברית 2017. i.j.shpir@gmil.com תוכן עניינים 1 מבוא והשלמות 5 1.1 כלל לופיטל................................. 5 1.2 חקירת פונקציות..............................

Διαβάστε περισσότερα

תאריך עדכון אחרון: 27 בפברואר ניתוח לשיעורין analysis) (amortized הוא טכניקה לניתוח זמן ריצה לסדרת פעולות, אשר מאפשר קבלת

תאריך עדכון אחרון: 27 בפברואר ניתוח לשיעורין analysis) (amortized הוא טכניקה לניתוח זמן ריצה לסדרת פעולות, אשר מאפשר קבלת תרגול 3 ניתוח לשיעורין תאריך עדכון אחרון: 27 בפברואר 2011. ניתוח לשיעורין analysis) (amortized הוא טכניקה לניתוח זמן ריצה לסדרת פעולות, אשר מאפשר קבלת חסמי זמן ריצה נמוכים יותר מאשר חסמים המתקבלים כאשר

Διαβάστε περισσότερα

חדוו"א 2 סיכום טענות ומשפטים

חדווא 2 סיכום טענות ומשפטים חדוו"א 2 סיכום טענות ומשפטים 3 ביוני 2 n S(f, T ) := (t k+ t k ) inf k= סכום דרבו תחתון מוגדר על ידי [t k,t k+ ] f אינטגרל רימן חלוקות של קטע חלוקה של קטע [,] הינה אוסף סדור סופי של נקודות מהצורה: טענה.2

Διαβάστε περισσότερα

לוגיקה ותורת הקבוצות למדעי המחשב הרצאות

לוגיקה ותורת הקבוצות למדעי המחשב הרצאות לוגיקה ותורת הקבוצות למדעי המחשב הרצאות גדי אלכסנדרוביץ' תוכן עניינים 2..................................................... מבוא 1 3.................................... תורת הקבוצות הנאיבית מושגי יסוד

Διαβάστε περισσότερα

Prerequisites for the MBA course: Statistics for managers".

Prerequisites for the MBA course: Statistics for managers. Prerequisites for the MBA course: Statistics for managers". The purpose of the course "Statistics for Managers" is to get familiar with the basic concepts required for statistical reasoning: Types of Analyses,

Διαβάστε περισσότερα

חישוביות הרצאה 4 לא! זיהוי שפות ע''י מכונות טיורינג הוכחה: הגדרת! : f r

חישוביות הרצאה 4 לא! זיהוי שפות ע''י מכונות טיורינג הוכחה: הגדרת! : f r ל' ' פונקציות פרימיטיביות רקורסיביות חישוביות הרצאה 4 האם כל פונקציה מלאה היא פרימיטיבית רקורסיבית? לא נראה שתי הוכחות: פונקציות רקורסיביות (המשך) זיהוי שפות ע''י מכונות טיורינג הוכחה קיומית: קיימות פונקציות

Διαβάστε περισσότερα

מערך תרגיל קורס סמסטר ב תשע ה בחשבון אינפיניטסימלי 2 למדעי המחשב

מערך תרגיל קורס סמסטר ב תשע ה בחשבון אינפיניטסימלי 2 למדעי המחשב מערך תרגיל קורס 89-33 סמסטר ב תשע ה בחשבון אינפיניטסימלי למדעי המחשב יוני 05, גרסה 0.9 מבוא נתחיל עם כמה דגשים: דף הקורס נמצא באתר.www.math-wiki.com שאלות בנוגע לחומר הלימודי מומלץ לשאול בדף השיחה באתר

Διαβάστε περισσότερα

הרצאה 3 קומבינטוריקה נוסחת ניוטון משפט מולטינומי. + t עבור ( ) + t

הרצאה 3 קומבינטוריקה נוסחת ניוטון משפט מולטינומי. + t עבור ( ) + t ROBABILITY AND STATISTIS הסתברות וסטטיסטיקה יוג'ין מאת קנציפר Eugee Kazieper All rights reserved 5/6 כל הזכויות שמורות 5/6 הרצאה קומבינטוריקה עצרת של מספר ופונקצית גאמא עקרון הכפל סידורים ובחירות תמורות

Διαβάστε περισσότερα

מבני נתונים ויעילות אלגוריתמים

מבני נתונים ויעילות אלגוריתמים מבני נתונים ויעילות אלגוריתמים (8..05). טענה אודות סדר גודל. log טענה: מתקיים Θ(log) (!) = הוכחה: ברור שמתקיים: 3 4... 4 4 4... 43 פעמים במילים אחרות:! נוציא לוגריתם משני האגפים: log(!) log( ) log(a b

Διαβάστε περισσότερα

הרצאות בבקרה לא-לינארית (046196) פרק 7.

הרצאות בבקרה לא-לינארית (046196) פרק 7. הרצאות בבקרה לא-לינארית (04696) מאת פרופ' נחום שימקין טכניון הפקולטה להנדסת חשמל חורף תשס"ה פרק 7. יציבות מוחלטת של מערכות משוב נעבור עתה לדיון ביציבות של מערכת משוב מסוג מסוים הכוללת מערכת לינארית ורכיב

Διαβάστε περισσότερα

אלגברה ליניארית 1 א' פתרון 11

אלגברה ליניארית 1 א' פתרון 11 אלגברה ליניארית 1 א' פתרון 11.1 K α : F איזומורפיזם של שדות. א. טענה 1 :.α(0 F ) = 0 K עלינו להוכיח כי לכל,b K מתקיים.b + α(0 F ) = α(0 F ) + b = b עבור b K (כיוון ש α חח"ע ועל), קיים ויחיד x F כך ש.α(x)

Διαβάστε περισσότερα

הגדרה 0.1 טיעון הוא תקף אם בכל פעם שההנחות נכונות גם המסקנה נכונה.

הגדרה 0.1 טיעון הוא תקף אם בכל פעם שההנחות נכונות גם המסקנה נכונה. 1 לוגיקה סיכום הגדרות משפטים ודברים חשובים אחרים תודה רבה לניצן פומרנץ על הסיכום הכולל של החומר הקדמה הגדרה 0.1 טיעון הוא תקף אם בכל פעם שההנחות נכונות גם המסקנה נכונה. הערה 0.2 נשים לב שלכל שפה יש רובד

Διαβάστε περισσότερα

אלגברה לינארית גיא סלומון. α β χ δ ε φ ϕ γ η ι κ λ µ ν ο π. σ ς τ υ ω ξ ψ ζ. לפתרון מלא בסרטון פלאש היכנסו ל- כתב ופתר גיא סלומון

אלגברה לינארית גיא סלומון. α β χ δ ε φ ϕ γ η ι κ λ µ ν ο π. σ ς τ υ ω ξ ψ ζ. לפתרון מלא בסרטון פלאש היכנסו ל-  כתב ופתר גיא סלומון 0 אלגברה לינארית α β χ δ ε φ ϕ γ η ι κ λ µ ν ο π ϖ θ ϑ ρ σ ς τ υ ω ξ ψ ζ גיא סלומון לפתרון מלא בסרטון פלאש היכנסו ל- wwwgoolcoil סטודנטים יקרים ספר תרגילים זה הינו פרי שנות ניסיון רבות של המחבר בהוראת

Διαβάστε περισσότερα

גיאומטריה גיאומטריה מעגלים ניב רווח פסיכומטרי

גיאומטריה גיאומטריה מעגלים ניב רווח פסיכומטרי מושגים בסיסיים: פאי: π היא אות יוונית המביעה את הקשר בין רדיוס וקוטר המעגל לשטחו והיקפו (על הקשר עצמו נרחיב בהמשך). ערכו המספרי של π הוא 3.14 בבחינה הפסיכומטרית לרוב נתייחס ל- π בקירוב (הוא ממשיך אין-סוף

Διαβάστε περισσότερα