دانشکده ی علوم ریاضی جلسه ی ۵: چند مثال

Σχετικά έγγραφα
محاسبه ی برآیند بردارها به روش تحلیلی

روش محاسبه ی توان منابع جریان و منابع ولتاژ

جلسه ی ۱۰: الگوریتم مرتب سازی سریع

جلسه ی ۳: نزدیک ترین زوج نقاط

تحلیل مدار به روش جریان حلقه

جلسه ی ۲۴: ماشین تورینگ

جلسه ی ۵: حل روابط بازگشتی

مدار معادل تونن و نورتن

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i.

تصاویر استریوگرافی.

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) X"Y=-XY" X" X" kx = 0

سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات

جلسه ی ۴: تحلیل مجانبی الگوریتم ها

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { }

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) :

جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی

تحلیل الگوریتم پیدا کردن ماکزیمم

جلسه 15 1 اثر و اثر جزي ی نظریه ي اطلاعات کوانتومی 1 ترم پاي یز جدایی پذیر باشد یعنی:

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ(

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢

دبیرستان غیر دولتی موحد

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد.

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار

تئوری جامع ماشین بخش سوم جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود.

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد:

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد:

همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین

فصل ترکیبیات درس اول شمارش درس دوم جایگشت درس سوم ترکیب

فصل 5 :اصل گسترش و اعداد فازی

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد

Angle Resolved Photoemission Spectroscopy (ARPES)

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd

هندسه تحلیلی بردارها در فضای R

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn

جلسه 28. فرض کنید که m نسخه مستقل یک حالت محض دلخواه

فصل ششم: ترکیبات درس اول: شمارش اصل جمع و اصل ضرب فعالیت قیمه هویج سیب پرتقال قورمه «سورۀ نحل»

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد.

جلسه ی ۱۱: درخت دودویی هرم

باشند و c عددی ثابت باشد آنگاه تابع های زیر نیز در a پیوسته اند. به شرطی که g(a) 0 f g

فهرست مطالب جزوه ی فصل اول مدارهای الکتریکی مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل تحلیل مدار به روش جریان حلقه... 22

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی

آزمایش 8: تقویت کننده عملیاتی 2

ندرک درگ ندرک درگ شور

جلسه 16 نظریه اطلاعات کوانتمی 1 ترم پاییز

4 آمار استنباطی 2 برآورد 1 فصل چهارم: آمار استنباطی

جلسه 2 جهت تعریف یک فضاي برداري نیازمند یک میدان 2 هستیم. یک میدان مجموعه اي از اعداد یا اسکالر ها به همراه اعمال

به نام خدا. الف( توضیح دهید چرا از این تکنیک استفاده میشود چرا تحلیل را روی کل سیگنال x[n] انجام نمیدهیم

شاخصهای پراکندگی دامنهی تغییرات:

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان

فصل چهارم : مولتی ویبراتورهای ترانزیستوری مقدمه: فیدبک مثبت

فصل دهم: همبستگی و رگرسیون

فصل پنجم زبان های فارغ از متن

فصل اول پیچیدگی زمانی و مرتبه اجرایی

فهرست جزوه ی فصل دوم مدارهای الکتریکی ( بردارها(

CD = AB, BC = ٢DA, BCD = ٣٠ الاضلاع است.

عنوان: رمزگذاري جستجوپذیر متقارن پویا

1 دایره فصل او ل کاربردهای بسیاری داشته است. یک قضیۀ بنیادی در هندسه موسوم با محیط ثابت دایره دارای بیشترین مساحت است. این موضوع در طراحی

به نام ستاره آفرین قضیه ویریال جنبشی کل ذرات یک سیستم پایدار مقید به نیرو های پایستار را به متوسط انرژی پتانسیل کل شان

خالصه درس: نویسنده:مینا سلیمان گندمی و هاجر کشاورز امید ریاضی شرطی. استقالل متغیر های تصادفی پیوسته x و y استقالل و امید ریاضی

۱ ﻞﺼﻓ ﺮﺗ : ﻮﻴﭙﻣﺎﻛ ﻪﺘﺷﺭ ﻥﺎﻳﻮﺠﺸﻧﺍﺩ.ﺪﺷﺎﺑ ﺪﺷﺭﺍ ﻲﺳﺎﻨﺷﺭﺎﻛ ﻥﻮﻣﺯﺁ ﺭﺩ ﺎﻤﺷ ﺖﻴﻘﻓﻮﻣ ﺖﻬﺟ ﺭﺩ ﻲﻜﻤﻛ ﺪﻧﺍﻮﺘﺑ ﻪﻋﻮﻤﺠﻣ ﻦﻳﺍ ﺖﺳﺍ ﺪﻴﻣﺍ

محاسبات کوانتمی 1 علم ساخت و استفاده از کامپیوتري است که بر پایه ي اصول مکانیک کوانتم قرار گرفته است.

تمرین اول درس کامپایلر


Beta Coefficient نویسنده : محمد حق وردی

تئوری رفتار مصرف کننده : می گیریم. فرض اول: فرض دوم: فرض سوم: فرض چهارم: برای بیان تئوری رفتار مصرف کننده ابتدا چهار فرض زیر را در نظر

سلسله مزاتب سبان مقدمه فصل : زبان های فارغ از متن زبان های منظم

:موس لصف یسدنه یاه لکش رد یلوط طباور

فصل چهارم تعیین موقعیت و امتدادهای مبنا

فصل سوم جریان های الکتریکی و مدارهای جریان مستقیم جریان الکتریکی

ارزیابی بهره وری متقاطع DEA بر پایه بهبود پارتو

مود لصف یسدنه یاه لیدبت

یدنب هشوخ یاه متیروگلا

نظریه زبان ها و ماشین ها

سینماتیک مستقیم و وارون

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه

می باشد. انشاال قسمت شعاعی بماند برای مکانیک کوانتومی 2.

آشنایی با پدیده ماره (moiré)

هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. 2- اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط

نگاه کلی به فصل ششم اهداف کل ی 2 آشنایی با شرط تساوی دو ماتریس ماتریس صفر قرینه یک ماتریس و ویژگیهای آنها

فیلتر کالمن Kalman Filter

مینامند یا میگویند α یک صفر تابع

Delaunay Triangulations محیا بهلولی پاییز 93

آموزش SPSS مقدماتی و پیشرفته مدیریت آمار و فناوری اطالعات -

به نام حضرت دوست. Downloaded from: درسنامه

هر عملگرجبر رابطه ای روی يک يا دو رابطه به عنوان ورودی عمل کرده و يک رابطه جديد را به عنوان نتيجه توليد می کنند.

3 لصف یربج یاه ترابع و ایوگ یاه ناوت

پنج ره: Command History

مارکوف 1.مقدمه: سید مهدی صفوی محمد میکاییلی محمد پویان چکیده ما با مطالعه مدل مخفی میدان تصادفی مارکوف از الگوریتم EM

عوامل جلوگیری کننده از موازی سازی عبارتند از : 1.هزینه I/O 2.هماهنگی/رقابت

تعیین محل قرار گیری رله ها در شبکه های سلولی چندگانه تقسیم کد

Top Down Parsing LL(1) Narges S. Bathaeian

هندسه تحلیلی و جبر خطی ( خط و صفحه )

یا هلحرم یاه نومزآ لامتحا و تایبیکرت 1

Transcript:

دانشکده ی علوم ریاضی احتمال و کاربردا ن ۴ اسفند ۹۲ جلسه ی : چند مثال مدر س: دکتر شهرام خزاي ی نگارنده: مهدی پاک طینت (تصحیح: قره داغی گیوه چی تفاق در این جلسه به بررسی و حل چند مثال از مطالب جلسات گذشته خواهیم پرداخت. مثال ۱ کیسه ای شامل ۱۰ جفت کفش است. لنگه را به تصادف بیرون می ا وریم. احتمال این که هیچ دو تایی از این لنگه ها با هم جفت نباشند چه قدر است پاسخ مجموعه ی ده جفت کفش را به صورت S {L ۱, R ۱, L ۲, R ۲,, L ۱۰, R ۱۰ } نشان می دهیم که در ا ن R i و L i لنگه های سمت راست و چپ کفش i ام می باشند. فضای نمونه ای شامل تمام انتخاب های لنگه کفش از میان این ۲۰ لنگه کفش است. به دو صورت می توان ا زمایش بیرون کشیدن پنج لنگه کفش را انجام داد. انتخاب یکی یکی پنج لنگه و انتخاب یک باره پنج لنگه. فضای نمونه ای برای این دو مدل متفاوت است. برای روش اول فضای نمونه ای به صورت زیر است: Ω {ω (ω ۱, ω ۲, ω ۳, ω ۴, ω ω i S (۱ i, ω i ω j (۱ i < j } به عبارت دیگر Ω مجموعه ی تمام بردارهای پنج عضوی با عناصر متمایز از اعضای مجموعه S می باشد. به طور شهودی هیچ یک از برا مدهای فضای نمونه ای مزیتی بر دیگری ندارد. بنابراین با یک فضای نمونه ای هم شانس مواجه هستیم. پس برای محاسبه احتمال هر پیشامدی کافی است حاصل تقسیم تعداد اعضای ا ن پیشامد بر تعداد اعضای فضای نمونه ای را بیابیم. برای شمارش تعداد اعضای فضای نمونه ای می دانیم برای انتخاب اولین کفش ۲۰ انتخاب برای دومین کفش ۱۹ انتخاب و به همین ترتیب برای پنج امین کفش ۱۶ انتخاب داریم. پس: Ω ۲۰ ۱۹ ۱۸ ۱۷ ۱۶ همچنین برای شمارش تعداد اعضای پیشامد مورد نظر که با A نشان می دهیم می دانیم برای انتخاب اولین کفش ۲۰ انتخاب و برای دومین کفش ۱۸ انتخاب داریم (چون لنگه دوم کفش انتخاب شده را نمی توانیم انتخاب کنیم و به همین ترتیب برای پنج امین کفش ۱۲ انتخاب داریم. پس: A ۲۰ ۱۸ ۱۶ ۱۴ ۱۲ Pr (A A ۲۰ ۱۸ ۱۶ ۱۴ ۱۲ Ω ۲۰ ۱۹ ۱۸ ۱۷ ۱۶ ۱۶۸ ۳۲۳ ۰ ۲ در روش دیگر همه لنگه کفش به طور همزمان انتخاب می شوند. در این حالت فضای نمونه ای Ω به صورت زیر تعریف می شود: Ω {ω {ω ۱, ω ۲, ω ۳, ω ۴, ω } ω i S (۱ i, ω i ω j (۱ i < j } به عبارت دیگر Ω مجموعه ی تمام زیرمجموعه های پنج عضوی S می باشد و مشابه حالت قبل برا مدهای ا ن هم احتمال هستند. -۱

در این صورت تعداد اعضای فضای نمونه ای برابر تعداد راه های انتخاب لنگ کفش از میان ۲۰ لنگه کفش خواهد بود پس: Ω ( ۲۰ همچنین تعداد اعضای پیشامد مورد نظر A برابر تعداد راه های انتخاب جفت کفش از میان ۱۰ جفت و انتخاب یک لنگه از هر جفت انتخاب شده است. پس: Pr ( A A A Ω ( ۱۰ ۲ ( ۱۰ ۲ ۱۶۸ ۳۲۳ ( ۲۰ نکته ۱ در مثال ۱ با مقایسه ی دو فضای نمونه ای Ω و Ω مشاهده می کنیم که هر برا مد Ω {ω ۱, ω ۲, ω ۳, ω ۴, ω } متناظر با! برا مد از Ω است که از جایگشت دادن ω i ها به دست ا مده اند. نکته ۲ فرض کنید n عدد توپ شماره گذاری شده داریم که می خواهیم این تعداد توپ را بین k نفر تقسیم کنیم به صورتی که به نفر اول n ۱ توپ به نفر دوم n ۲ توپ... به نفر ۱ k ام ۱ k n توپ و به نفر k ام n k توپ برسد به ( ( ( n n n۱ n n۱ n ۲ n ۱ n ۲ n ۳ n ۱ + n ۲ +... + n k n... n k طوری که: تعداد حالت های ممکن برای این کار برابر است با: ( n n۱ n ۲... n k ۱ n! n ۱!n ۲! n k! مثال ۲ در بازی حکم احتمال این که هر بازیکن دقیقا یک تک دریافت کند چه قدر است (این بازی متشکل از چهار بازیکن است که به هر کدام به صورت تصادفی کارت داده می شود پاسخ فضای نمونه ای در این مساله شامل تمام حالات توزیع ۲ کارت میان چهار نفر به طور مساوی است. به طور دقیق تر فضای نمونه ای را می توان به صورت زیر نمایش داد: Ω {ω (S ۱, S ۲, S ۳, S ۴ S i 's partition cards set and S i } در این مثال نیز یک فضای نمونه ای هم شانس داریم. بنابر نکته ۱ تعداد اعضای فضای نمونه ای برابر است با: ۲! Ω!!!! پیشامد موردنظر را می توان به صورت زیر نمایش داد: A {ω (S ۱, S ۲, S ۳, S ۴ S i 's partition cards set, each contains an ace and S i } برای شمارش تعداد اعضای پیشامد مورد نظر ابتدا تک ها را کنار می گذاریم و بقیه ۴۸ کارت را پخش می کنیم. سپس ۴ تک باقی مانده را بین ۴ نفر تقسیم می کنیم. پس: ۴۸! A ۴! ۱۲! ۱۲! ۱۲! ۱۲! Pr(A A Ω ۰ ۱-۲

مثال ۳ در بازی حکم احتمال این که یک بازیکن همه پیک را دریافت کند چقدر است پاسخ پیشامد اینکه همه ی پیک به نفر i ام برسد را S i در نظر می گیریم که,۱,۲,۳ ۴ i. هم اکنون می خواهیم i Pr(S را محاسبه کنیم. برای این منظور مسي له را به صورت زیر مدل می کنیم. ۲ ورق داریم و تا از ا ن ها را به تصادف انتخاب می کنیم و به نفر i ام می دهیم. پس تعداد اعضای فضای نمونه ای Ω برابر تعداد زیرمجموعه های عضوی از یک مجموعه ی ۲ عضوی است. بنابراین: ( ۲ Ω و اگر S i را پیشامد مطلوب بنامیم ا ن گاه ۱ i S و چون فضای نمونه ای هم شانس است داریم: Pr(S i A Ω ( ۱ ۲ ( ۲ پس چون S i ها مجزا هستند در نتیجه احتمال مورد نظر برابر است با: Pr(S ۱ S ۲ S ۳ S ۴ Pr(S ۱ + Pr(S ۲ + Pr(S ۳ + Pr(S ۴ ۴ ۱ ۶ ۳ ۱۰ ۱۲ مثال ۴ اگر یک دسته کارت به طور کامل بر زده شود احتمال این که هر ۴ کارت تک پشت سر هم قرار گیرند چقدر است پاسخ فضای نمونه ای شامل همه جایگشت های ۲ کارت است. پس: Ω ۲! برای شمارش تعداد اعضای پیشامد مورد نظر ابتدا چهار کارت تک را یکی در نظر می گیریم و تعداد جایگشت ها را حساب کرده و در تعداد جایگشت های خود این چهار کارت در بین خودشان ضرب می کنیم. پس: A ۴۹! ۴! چون فضای نمونه ای همشانس است پس: Pr {A} A Ω ۴۹!۴! ۲! مثال سکه سالمی را ۱۰۰ بار پرتاب می کنیم. احتمال این که دقیقا ۰ بار شیر بیاید چقدر است پاسخ فضای نمونه ای متشکل از تمام دنباله های به طول ۱۰۰ است که هر مولفه ی ا ن شیر یا خط می باشد. به بیان دقیق تر: Ω {H, T } ۱۰۰ و چون هر مولفه ی دنباله دو حالت دارد بنابر اصل ضرب تعداد کل دنباله ها برابر ۲ ۱۰۰ Ω می باشد. پیشامد اینکه دقیقا i بار شیر بیاید را A i در نظر می گیریم. در نتیجه هر عضو A i متناظر با یک زیرمجموعه ی i عضوی از مجموعه ای صد عضوی است پس: ( ۱۰۰ A i i به طور حسی i Pr(A ۰ Pr(A برای,... ۱۰۰,۲,۱ i (بعدا خواهید توانست این موضوع را به طور دقیق ثابت کنید. پس داریم: چون فضای نمونه ای همشانس است پس: ۱۰۰ Pr i۰ A i ۱ Pr (A ۰ ۱ ۱۰۱-۳

Pr (A ۰ A ۰ Ω ( ۱۰۰ ۰ ۲ ۱۰۰! ۱۰۰ ۰! ۰! ۲ ۱۰۰ محاسبه مقدار دقیق عدد بالا کار دشواری است اما می توان با استفاده از فرمول استرلینگ مقدار تقریبی عدد بالا را به دست ا ورد. تقریب استرلینگ به صورت زیر است: n! ۲πn( n e n Pr (A ۰ ۱۰۰! ۰! ۰! ۲ ۱ ۰ ۰۸ ۱۰۰ ۰π پس داریم: مثال ۶ احتمال مشاهده زیر دنباله HT در پرتاب ۱۰۰ سکه سالم چقدر است (H نماینده رخداد شیر و T نماینده رخداد خط است A c { پاسخ فضای نمونه ای مانند مثال است. ابتدا احتمال عدم مشاهده HT را محاسبه می کنیم: H ۱۰۰, T H ۹۹, T ۲ H ۹۸,..., T ۹۹ H, T ۱۰۰} Pr (A c A Ω ۱۰۱ پس : ۱۰۰ ۰ ۲ Pr(A ۱ Pr (A c ۱ ۱۰۱ ۲ ۱۰۰ ۱ مثال ۷ احتمال مشاهده دنباله HH در پرتاب ۱۰۰ سکه چقدر است پاسخ فضای نمونه ای مانند مثال است. ابتدا احتمال عدم مشاهده HH را محاسبه می کنیم. a n را تعداد دنباله های به طول n در نظر می گیریم که HH ندارند. پس: n ۱ ۲ ۳ ۴... a n ۲ ۳ ۸... سعی می کنیم دنباله ای بازگشتی برای a n بیابیم. برای محاسبه a n دو حالت در نظر می گیریم: در پرتاب اول خط بیاید که در این صورت برای ۱ n پرتاب بعدی جواب برابر ۱ n a خواهد بود. در پرتاب اول شیر بیاید که در این صورت باید حاصل پرتاب دوم برابر خط باشد و برای ۲ n پرتاب بعدی جواب برابر ۲ n a خواهد بود. پس داریم: a n a n ۱ + a n ۲ چون ۲ ۳ a ۱ f و ۳ ۴ a ۲ f که f n همان دنباله ی فیبوناتچی است پس نتیجه می شود: a n f n+۲ a n f n+۲ ( ۱+ n+۲ ۲ ۱ ۱۷ (۱ ۶۲ n پس احتمال مشاهده HH در n بار پرتاب سکه تقریبا برابر است با: که برای n های بزرگ تقریبا برابر یک است. ۸۱ n (۰ ۱۷ ۱ ۱ مثال ۸ فرض کنید پنج عدد پاکت قرمز و پنج عدد پاکت سبز داریم. همچنین پنج عدد کارت قرمز و پنج عدد کارت سبز داریم. این ۱۰ کارت را به تصادف در ۱۰ پاکت قرار می دهیم. احتمال این که دقیقا یک کارت قرمز در پاکتی قرمز قرار گیرد را حساب کنید. -۴

پاسخ هر چند کارت ها و پاکت های همرنگ تمایزناپذیرند اما برای جلوگیری از هرگونه اشتباه احتمالی در شمارش حالت ها و تعیین هم شانس بودن برا مدها می توان کارت ها را با C ۱,, C ۱۰ و پاکت ها را با E ۱,, E ۱۰ نامگذاری کنیم. در این صورت به وضوح فضای نمونه ای هم شانس است و داریم (این اعداد را خودتان توجیه کنید و بنابراین Ω ۱ ۱۰!, A ۴! ۴! Pr(A ۱ A ۱ ۴! ۴! ۲ Ω ۱ ۱۰! ۲۲ ۰ ۱ یک راه حل ساده تر به این صورت می توان پیشنهاد کرد. توجه داشته باشید که اگر کارت های پاکت قرمز مشخص شوند کارت های پاکت های سبز نیز مشخص می شود. بنابراین فضای نمونه را کارت قرار داده شده در پاکت های قرمز رنگ در نظر می گیریم. پس تعداد اعضای فضای نمونه برابر با تعداد زیر مجموعه های عضوی یک مجموعه ی ۱۰ عضوی می باشد. (توجه داشته باشید که تمامی برا مدها هم احتمال می باشند. ( ۱۰ Ω ۲ پیشامد A ۲ را پیشامد مطلوب مسي له در نظر می گیریم. حال می خواهیم تعداد اعضای مجموعه ی A ۲ را محاسبه کنیم. در هر یک از برا مدهای مربوط به پیشامد A ۲ برای انتخاب کارت پاکت های قرمز باید یک کارت از بین کارت قرمز و ۴ کارت از بین کارت سبز انتخاب کنیم که تعداد حالت های ا ن برابر است با: ( ( A ۲ ۱ ۴ در نتیجه با توجه به هم احتمال بودن اعضای فضای نمونه ای داریم: Pr(A ۲ A ( ( ۲ Ω ۲ ۱ ( ۴ ۱۰ دانشجویی فضای نمونه ای Ω ۳ و پشامد مطلوب A ۳ را به صورت دیگری در نظر گرفته است و به جواب زیر رسیده است. ا یا می توان راه حل وی را توجیه کنید Pr(A ۳ A ۳ Ω ۳ ( ( ۱ ۱ ( ( ( ۰ + ( ( ۱ ۴ + + ( ۰ -