‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬

‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ﻓﺼﻞ ﭼﻬﺎرم‬

‫ﺗﻮزﯾﻊ ﻧﺮﻣﺎل‬
‫ﻣﻬــﻢ ﺗــﺮﯾﻦ و اﺳﺎﺳــﯽ ﺗــﺮﯾﻦ ﺗﻮزﯾــﻊ در ﺁﻣــﺎر ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل ﻣــﯽ ﺑﺎﺷــﺪ‪ .‬ﺗﻮزﯾــﻊ زﻣــﺎن ﯾــﮏ‬
‫ﺗﻮزﯾﻊ ﭘﻴﻮﺳﺘﻪ ﻣﯽ ﺑﺎﺷﺪ و اﺣﺘﻤﺎل در ﯾﮏ ﻧﻘﻄﻪ ﺛﺎﺑﺖ در ﺁن ﺑﺮاﺑﺮ ﺻﻔﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪P (X = C ) = 0‬‬
‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﯽ اﯾﻦ ﺗﻮزﯾﻊ ﻋﺒﺎرت اﺳﺖ از‪:‬‬
‫‪−‬‬
‫‪( x − µ )2‬‬
‫‪1‬‬
‫= ) ‪f X (X‬‬ ‫‪e‬‬ ‫‪2σ‬‬
‫∞ < ‪−∞ < x‬‬
‫‪2π σ‬‬
‫ﮐـــﻪ در ﺁن ‪ µ‬ﻣﻴـــﺎﻧﮕﻴﻦ ﺟﺎﻣﻌـــﻪ ‪ σ 2‬وارﯾـــﺎﻧﺲ ﺟﺎﻣﻌـــﻪ ﻣـــﯽ ﺑﺎﺷـــﺪ‪ .‬ﻧﻤـــﺎﯾﺶ رﯾﺎﺿـــﯽ اﯾـــﻦ‬
‫ﺗﻮزﯾﻊ ﺑﺼﻮرت‪:‬‬
‫(‬
‫‪X ~ N µ ,σ‬‬ ‫‪2‬‬
‫)‬
‫در ﺷﮑﻞ زﯾﺮ دو ﺗﻮزﯾﻊ ﻧﺮﻣﺎل رﺳﻢ ﺷﺪﻩ اﺳﺖ‪:‬‬

‫هـــﺮ دو ﺗﻮزﯾـــﻊ داراﯼ ﯾـــﮏ ﻣﻴـــﺎﻧﮕﻴﻦ ﻣـــﯽ ﺑﺎﺷـــﻨﺪ اﻣـــﺎ ‪ σ 1‬ﺑﻴـــﺸﺘﺮ از ‪ σ 2‬ﻣـــﯽ ﺑﺎﺷـــﺪ‪ ،‬ﺑـــﻪ‬

‫ﻋﺒﺎرت دﯾﮕﺮ هﺮ ﭼﻪ ‪ σ‬ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ ﭘﺮاﮐﻨﺪﮔﯽ ﺗﻮزﯾﻊ ﻧﻴﺰ ﺑﻴﺸﺘﺮ اﺳﺖ‪.‬‬

‫وﯾﮋﮔﯽ هﺎﯼ ﺗﻮزﯾﻊ ﻧﺮﻣﺎل‪:‬‬

‫اﻟﻒ( ﻣﻨﺤﻨﯽ ﻧﺮﻣﺎل ﻧﺴﺒﺖ ﺑﻪ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﻘﺎرن اﺳﺖ‬
‫ب( ﺳﻄﺢ ﻣﺤﺼﻮر ﺑﻴﻦ ﻣﻨﺤﻨﯽ ﻧﺮﻣﺎل و ﻣﺤﻮر ‪x‬هﺎ ﺑﺮاﺑﺮ ﯾﮏ اﺳﺖ‬
‫ج( ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬ﻧﻤﺎد و ﻣﻴﺎﻧﻪ در ﺗﻮزﯾﻊ ﻧﺮﻣﺎل ﺑﺮاﺑﺮﻧﺪ‬
‫د( ﺣـــــﺪود ‪ ٦٨‬درﺻـــــﺪ از اﻃﻼﻋـــــﺎت در ﻓﺎﺻـــــﻠﻪ ) ‪ µ + σ‬و ‪ ، (µ − σ‬ﺗﻘﺮﯾﺒـــــﺎ ‪ ٩٥‬درﺻـــــﺪ‬
‫اﻃﻼﻋـــــﺎت در ﻓﺎﺻـــــﻠﻪ ) ‪ µ + 2σ‬و ‪ (µ − 2σ‬و ﺗﻘﺮﯾﺒـــــﺎ ‪ ١٠٠‬درﺻـــــﺪ اﻃﻼﻋـــــﺎت در ﻓﺎﺻـــــﻠﻪ‬
‫) ‪ µ + 3σ‬و ‪ (µ − 3σ‬ﻗﺮار دارد‪.‬‬
‫و( ﻣﻨﺤﻨـــﯽ ﻧﺮﻣـــﺎل در ﻓﺎﺻـــﻠﻪ ﺑـــﻴﻦ ) ‪ µ + σ‬و ‪ (µ − σ‬ﻧـــﺴﺒﺖ ﺑـــﻪ ﻣﺤـــﻮر ‪x‬هـــﺎ ﻣﻌﻘـــﺮ و در‬
‫ﺑﻘﻴﻪ ﺟﺎهﺎ ﻣﺤﺪب ﻣﯽ ﺑﺎﺷﺪ‪.‬‬

‫‪١‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ﺗﻮزﯾﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد‬

‫‪2‬‬
‫‪ σ‬ﺑﺎﺷــﺪ ﺑــﻪ ﺁن ﺗﻮزﯾــﻊ‪ ،‬ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل اﺳــﺘﺎﻧﺪارد ﻣــﯽ‬ ‫در ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل اﮔــﺮ ‪ µ = 0‬و ‪= 1‬‬
‫ﮔﻮﯾﻨـــﺪ و ﺁﻧـــﺮا ﺑـــﺎ ‪ z‬ﻧﻤـــﺎﯾﺶ ﻣـــﯽ دهﻨـــﺪ ) )‪ . (Z ~ N (0,1‬ﺑـــﺮاﯼ ﻣﺤﺎﺳـــﺒﻪ اﺣﺘﻤـــﺎﻻت را ﺟـــﺪول‬
‫ﺗﻮزﯾﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد اﺳﺘﻔﺎدﻩ ﻣﯽ ﺷﻮد‪.‬‬

‫ﻃﺮﯾﻘﻪ اﺳﺘﻔﺎدﻩ از ﺟﺪول ﺗﻮزﯾﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد‬

‫اﺣﺘﻤﺎل در ﻧﻘﺎط ﺛﺎﺑﺖ ﺑﺮاﺑﺮ ﺻﻔﺮ ﻣﯽ ﺑﺎﺷﺪ‪:‬‬
‫‪P (Z = 2 ) = 0‬‬
‫)ﺗﻌﺮﯾﻒ ﻣﻴﺎﻧﻪ(‬
‫‪1‬‬
‫= ) ‪P (Z < 0 ) = P (Z > 0‬‬
‫‪2‬‬
‫در ﺗﻮزﯾﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد ﺻﻔﺮ ﻣﻴﺎﻧﻪ‪ ،‬ﻣﻴﺎﻧﮕﻴﻦ و ﻧﻤﺎﺳﺖ‪.‬‬
‫در ﺟﺪول ﺗﻮزﯾﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد اﺣﺘﻤﺎل ) ‪ P (Z < a‬ﺁﻣﺪﻩ اﺳﺖ‪.‬‬
‫ﻣﺜﻼً اﮔﺮ ﺑﺨﻮاهﻴﻢ اﺣﺘﻤﺎل ‪ z‬ﮐﻮﭼﮑﺘﺮ از ‪ ٠٫٥‬را ﺣﺴﺎب ﮐﻨﻴﻢ ﺑﺮاﺳﺎس ﺟﺪول دارﯾﻢ‪:‬‬

‫‪٠٫٠٠‬‬ ‫‪٠٫٠١‬‬ ‫‪...‬‬ ‫‪٠٫٠٩‬‬

‫‪-٣٫٥‬‬
‫‪-٣٫٤‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪٠٫٥‬‬
‫‪٠٫٦٩١٥‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪٣٫٥‬‬

‫‪P (Z < 0.5) = 0.6915‬‬

‫) ‪P ( Z > a ) = 1 − P (Z < a‬‬
‫‪P (Z > −1.96 ) = 1 − P (Z < −1.96 ) = 1 − 0.25 = 0.975‬‬
‫) ‪P (a < Z < b ) = P (Z < b ) − P (Z < a‬‬
‫= ) ‪P (− 0.62 < Z < 1.23) = P (Z < 1.23) − P (Z < −0.62‬‬
‫‪8907 − 0.2328 = 0.6549‬‬

‫هــﺮ ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل را ﻣــﯽ ﺗــﻮان ﺑــﺎ اﺳــﺘﻔﺎدﻩ از ﺗﺒــﺪﯾﻞ زﯾــﺮ ﺑــﻪ ﻧﺮﻣــﺎل اﺳــﺘﺎﻧﺪارد ﺗﺒــﺪﯾﻞ‬
‫ﮐﺮد‪،‬اﮔﺮ‪:‬‬
‫(‬
‫‪X ~ N µ ,σ 2‬‬ ‫)‬ ‫⇒‬ ‫=‪Z‬‬
‫‪X −µ‬‬
‫‪σ‬‬
‫ﻣﺜﺎل ‪:١‬‬
‫ﻗـــﺪ داﻧـــﺸﺠﻮﯾﺎن ﯾـــﮏ ﮐـــﻼس داراﯼ ﺗﻮزﯾـــﻊ ﻧﺮﻣـــﺎل ﺑـــﺎ ﻣﻴـــﺎﻧﮕﻴﻦ ‪ ١٦٠‬و وارﯾـــﺎﻧﺲ ‪ ٦٤‬ﻣـــﯽ‬
‫ﺑﺎﺷﺪ ﻓﺮدﯼ‪ ،‬ﺗﺼﺎدف از اﯾﻦ ﮐﻼس را اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﻴﻢ‪ .‬اﺣﺘﻤﺎل اﯾﻨﮑﻪ‪:‬‬
‫اﻟﻒ( ﻗﺪ وﯼ ﮐﻤﺘﺮ از ‪ ١٦٠‬ﺑﺎﺷﺪ‪:‬‬

‫‪٢‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬
‫‪µ = 160‬‬ ‫‪σ 2 = 64‬‬ ‫‪σ =8‬‬
‫‪1‬‬
‫= ) ‪P ( X < 160‬‬ ‫)ﺗﻌﺮﯾﻒ ﻣﻴﺎﻧﻪ(‬
‫‪2‬‬
‫ب( اﺣﺘﻤﺎل اﯾﻨﮑﻪ ﻗﺪ وﯼ ﮐﻤﺘﺮ از ‪ ١٥٢‬ﺑﺎﺷﺪ‪:‬‬
‫⎞ ‪⎛ X − 160 152 − 160‬‬
‫⎜ ‪P ( X < 152 ) = P‬‬ ‫<‬ ‫‪⎟ = P ( z < −1) = 0.1587‬‬
‫⎝‬ ‫‪8‬‬ ‫‪8‬‬ ‫⎠‬

‫ج( اﺣﺘﻤﺎل اﯾﻨﮑﻪ ﻗﺪ وﯼ ﺑﻴﺸﺘﺮ از ‪ ١٦٤‬ﺑﺎﺷﺪ‪:‬‬

‫⎞ ‪⎛ X − 160 164 − 160‬‬
‫⎜ ‪P ( X > 164 ) = P‬‬ ‫>‬ ‫)‪⎟ = P (Z > 0.5) = 1 − P (Z < 0.5‬‬
‫⎝‬ ‫‪8‬‬ ‫‪8‬‬ ‫⎠‬
‫‪= 1 − 0.6915 = 0.3085‬‬

‫د( اﺣﺘﻤﺎل اﯾﻨﮑﻪ ﻗﺪ وﯼ ﺑﻴﻦ ‪ ١٤٨‬ﺗﺎ ‪ ١٧٦‬ﺑﺎﺷﺪ‪:‬‬

‫⎛‬ ‫‪148‬‬ ‫‪−‬‬ ‫‪160‬‬ ‫‪−‬‬ ‫‪160‬‬ ‫⎞ ‪176 − 160‬‬
‫⎜ ‪P (148 < X < 176 ) = P‬‬
‫‪X‬‬
‫<‬ ‫<‬ ‫⎟‬
‫⎝‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫⎠‬
‫)‪P (− 1.5 < Z < 2 ) = P (Z < 2 ) − P (Z < −1.5‬‬
‫‪= 0.9772 − 0.668 = 0.9102‬‬

‫ﯾﺎﻓﺘﻦ دادﻩ اﯼ ﮐﻪ ﺟﺎﻣﻌﻪ ﻧﺮﻣﺎل را ﺑﻪ دو ﺗﻔﮑﻴﮏ ﻣﯽ ﮐﻨﺪ‬

‫ﺑﻌــﻀﯽ ﻣﻮاﻗــﻊ اﺣﺘﻤــﺎل را دارﯾــﻢ و ﻣــﯽ ﺧــﻮاهﻴﻢ دادﻩ ﻣﺘﻨــﺎﻇﺮ ﺑــﺎ ﺁن را ﻣﺤﺎﺳــﺒﻪ ﮐﻨــﻴﻢ در‬
‫ﭼﻨﻴﻦ ﻣﻮاﻗﻌﯽ ﺑﺎﯾﺪ ﻋﮑﺲ ﻋﻤﻞ ﻗﺒﻠﯽ را اﻧﺠﺎم دهﻴﻢ‪.‬‬
‫در ﻣﺜﺎل ﻗﺒﻞ ﻗﺪ ‪ ٢٠‬درﺻﺪ داﻧﺸﺠﻮﯾﺎن ﮐﻤﺘﺮ از ﭼﻪ ﻣﻘﺪارﯼ ﻣﯽ ﺑﺎﺷﺪ؟‬

‫‪٠٫٠٠‬‬ ‫‪٠٫٠٤‬‬

‫‪-٣٫٥‬‬

‫‪-٠٫٨‬‬
‫‪٠٫٢٠٠٥‬‬

‫‪٣٫٥‬‬

‫‪P ( X < K ) = 0.2‬‬

‫⎞ ‪⎛ X − 160 K − 160‬‬
‫⎜‪= P‬‬ ‫<‬ ‫‪⎟ = 0.2‬‬
‫⎝‬ ‫‪8‬‬ ‫⎠ ‪8‬‬
‫⎛‬ ‫⎞ ‪K − 160‬‬
‫< ‪P⎜Z‬‬ ‫‪⎟ = 0.2‬‬
‫⎝‬ ‫⎠ ‪8‬‬
‫‪K − 160‬‬
‫‪= −0.84‬‬
‫‪8‬‬
‫‪K − 160‬‬
‫⇒‬ ‫⇒ ‪= −0.84‬‬ ‫‪K = 8 × (− 0.84 ) + 160 = 153.28‬‬
‫‪8‬‬

‫‪٣‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ﻣﺜﺎل ‪:٢‬‬
‫ﻣﻴــﺎﻧﮕﻴﻦ ﻧﻤــﺮﻩ رﯾﺎﺿــﯽ ﯾــﮏ داﻧــﺸﮕﺎﻩ داراﯼ ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل ﺑــﺎ ﻣﻴــﺎﻧﮕﻴﻦ ‪ ١٣‬و اﻧﺤــﺮاف ﻣﻌﻴــﺎر‬
‫‪ ٢‬ﻣﯽ ﺑﺎﺷﺪ‪ .‬ﺗﻌﺪاد ﮐﻞ داﻧﺸﺠﻮﯾﺎن داﻧﺸﮕﺎﻩ ‪ ٤٠٠٠‬ﻧﻔﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫اﻟﻒ( ﭼﻨﺪﻧﻔﺮ از داﻧﺸﺠﻮﯾﺎن داراﯼ ﻧﻤﺮﻩ ﺑﺎﻻﺗﺮ از ‪ ١٦‬هﺴﺘﻨﺪ‪:‬‬
‫) ‪X ~ N (13 , 4‬‬
‫⎞ ‪⎛ X − 13 16 − 13‬‬ ‫⎛‬ ‫⎞‪3‬‬
‫⎜ ‪P ( X > 16 ) = P‬‬ ‫>‬ ‫)‪⎟ = P ⎜ Z > ⎟ = 1 − P (Z < 1.5‬‬
‫‪⎝ 2‬‬ ‫⎠ ‪2‬‬ ‫⎝‬ ‫⎠‪2‬‬
‫‪= 1 − 0.9332 = 0.0668‬‬
‫‪4000 × 0.0668 = 267.2 ≈ 267‬‬ ‫ﺗﻌﺪاد داﻧﺸﺠﻮﯾﺎن ﮐﻪ ﻧﻤﺮﻩ ﺑﺎﻻﺗﺮ از ‪ ٦٦‬دارﻧﺪ‬

‫ب( ﭼﻨﺪﻧﻔﺮ از داﻧﺸﺠﻮﯾﺎن داراﯼ ﻧﻤﺮﻩ ﺑﻴﻦ ‪ ١٠‬ﺗﺎ ‪ ١٥‬هﺴﺘﻨﺪ‪:‬‬

‫⎛‬ ‫‪10‬‬ ‫‪−‬‬ ‫‪13‬‬ ‫⎞ ‪− 13 15 − 13‬‬
‫⎜ ‪P (10 < X < 15) = P‬‬ ‫= )‪⎟ = P (− 1.5 < Z < 1‬‬
‫‪X‬‬
‫<‬ ‫<‬
‫‪⎝ 2‬‬ ‫‪2‬‬ ‫⎠ ‪2‬‬
‫‪P (Z < 1) − P (Z < −1.5) = 0.8413 − 0.0668 = 0.8745‬‬
‫‪4000 × 0.8745 = 0.3497‬‬ ‫ﺗﻌﺪاد داﻧﺸﺠﻮﯾﺎن ﮐﻪ ﻧﻤﺮﻩ ﺑﻴﻦ ‪ ١٠‬ﺗﺎ ‪ ١٥‬هﺴﺘﻨﺪ‬

‫ج( اﮔـــﺮ ﺑﺨـــﻮاهﻴﻢ ﺑـــﻪ ‪ ٢٫٥‬درﺻـــﺪ از داﻧـــﺸﺠﻮﯾﺎن ﮐـــﻪ ﺑﻴـــﺸﺘﺮﯾﻦ ﻧﻤـــﺮﻩ را ﮔﺮﻓﺘﻨـــﺪ ﺟـــﺎﯾﺰﻩ‬
‫ﺑﺪهﻴﻢ ﺣﺪاﻗﻞ ﻧﻤﺮﻩ اﯼ ﮐﻪ ﺟﺎﯾﺰﻩ ﻣﯽ ﮔﻴﺮد ﭼﻘﺪر اﺳﺖ‪:‬‬
‫‪P ( X > K ) = 0.025‬‬ ‫⇒‬ ‫⇒ ‪1 − P ( X < K ) = 0.025‬‬ ‫‪P ( X < K ) = 0.975‬‬
‫⎞ ‪⎛ X − 13 K − 13‬‬ ‫⎛‬ ‫⎞ ‪K − 13‬‬
‫⎜ ‪P (X < K ) = P‬‬ ‫<‬ ‫< ‪⎟ = P⎜Z‬‬ ‫‪⎟ = 0.975‬‬
‫‪⎝ 2‬‬ ‫⎠ ‪2‬‬ ‫⎝‬ ‫⎠ ‪2‬‬
‫‪K − 13‬‬
‫‪= 1.96‬‬ ‫⇒‬ ‫‪K = 2 × 1.96 + 13 = 16.92‬‬ ‫ﺣﺪاﻗﻞ ﻧﻤﺮﻩ اﯼ ﮐﻪ ﺟﺎﯾﺰﻩ ﻣﯽ ﮔﻴﺮد‬
‫‪2‬‬

‫ﻣﺜﺎل ‪:٣‬‬
‫ﺗﻘﺎﺿــﺎﯼ ﺧﺮﯾــﺪ روزاﻧــﻪ ﻣﺎﺳــﺖ در ﯾــﮏ ﻓﺮوﺷــﮕﺎﻩ داراﯼ ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل ﺑــﺎ ﻣﻴــﺎﻧﮕﻴﻦ ‪ ١٠٠‬و‬
‫اﻧﺤـــﺮاف ﻣﻌﻴـــﺎر ‪ ١٠‬ﻣـــﯽ ﺑﺎﺷـ ـﺪ‪ .‬اﯾـــﻦ ﻓﺮوﺷـــﮕﺎﻩ ﭼـــﻪ اﻧـــﺪازﻩ ﻣﺎﺳـــﺖ در ﺧﻮاﺳـــﺖ ﮐﻨـــﺪ ﮐـــﻪ‬
‫ﻣﻄﻤﺌﻦ ﺑﺎﺷﺪ ﺑﺮﮔﺸﺖ ﻣﺸﺘﺮﯼ ﺑﻪ دﻟﻴﻞ ﻧﺒﻮدن ﻣﺎﺳﺖ ﮐﻤﺘﺮ از ‪ ٣‬درﺻﺪ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪P ( X > K ) = 0.03 ⇒ 1 − P ( X < K ) = 0.03‬‬
‫⎞ ‪⎛ X − 100 K − 100‬‬ ‫⎛‬ ‫⎞ ‪K − 100‬‬
‫⎜ ‪P ( X < K ) = 0.97 = P‬‬ ‫<‬ ‫< ‪⎟ = P⎜Z‬‬ ‫⎟‬
‫‪⎝ 10‬‬ ‫⎠ ‪10‬‬ ‫⎝‬ ‫⎠ ‪10‬‬
‫‪K − 100‬‬
‫⇒ ‪= 1.88‬‬ ‫‪K = 10 × 1.88 + 100 = 118.8‬‬ ‫ﮐﻴﻠﻮ ﻣﺎﺳﺖ ﺑﺎﯾﺪ ﺳﻔﺎرش دهﺪ‬
‫‪10‬‬

‫ﻣﺜﺎل ‪:٤‬‬
‫در ﯾﮏ ﺁزﻣﻮن ﺑﻬﺮﻩ هﻮﺷﯽ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮﻩ هﺎﯼ ﺷﺮﮐﺖ ﮐﻨﻨﺪﮔﺎن در ﺁزﻣﻮن ‪ ٩٨‬و اﻧﺤﺮاف ﻣﻌﻴﺎر‬
‫ﻧﻤﺮﻩ ﺁﻧﺎن ‪ ١٤‬ﺑﻮدﻩ اﺳﺖ‪ ٨٨ .‬ﻧﻔﺮ ﮐﻪ ﻧﻤﺮﻩ ﺑﻴﻦ ‪ ١١٢‬ﺗﺎ ‪ ١٢٦‬ﮔﺮﻓﺘﻨﺪ از ﻧﻈﺮ ﺑﻬﺮﻩ هﻮﺷﯽ ﺑﺴﻴﺎر‬
‫ﺧﻮب ﺗﻠﻘﯽ ﺷﺪﻩ اﻧﺪ‪ .‬ﺑﺎ ﻓﺮض اﯾﻨﮑﻪ ﺗﻮزﯾﻊ ﻧﻤﺮات ﺷﺮﮐﺖ ﮐﻨﻨﺪﮔﺎن ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪.‬‬

‫‪٤‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫اﻟﻒ( ﺗﻌﺪاد اﻓﺮاد ﺷﺮﮐﺖ ﮐﻨﻨﺪﻩ در ﺁزﻣﻮن را ﺗﻌﻴﻴﻦ ﮐﻨﻴﺪ‪:‬‬

‫⎞ ‪⎛ 112 − 98 X − 98 126 − 98‬‬
‫⎜ ‪P (112 < X < 126) = P‬‬ ‫<‬ ‫<‬ ‫=⎟‬
‫‪⎝ 14‬‬ ‫‪114‬‬ ‫⎠ ‪14‬‬
‫‪P (1 < Z < 2) = P (Z < 2) − P (Z < 1) = 0.9772 − 0.8413 = 0.1359‬‬
‫‪88‬‬
‫{ × ‪0.1359‬‬‫⇒ ‪a = 88‬‬ ‫=‪a‬‬ ‫‪= 647.54 ≈ 648‬‬
‫‪0.1359‬‬
‫ﮐﻞ ﺷﺮﮐﺖ ﮐﻨﻨﺪﮔﺎن‬

‫ب( ﭼﻨﺪ ﻧﻔﺮ از ﺷﺮﮐﺖ ﮐﻨﻨﺪﮔﺎن ﻧﻤﺮﻩ ﮐﻤﺘﺮ از ‪ ٩٠‬داﺷﺘﻪ اﻧﺪ‪:‬‬

‫⎞ ‪⎛ X − 98 90 − 98‬‬
‫⎜ ‪P (Z < 90 ) = P‬‬ ‫<‬ ‫‪⎟ = P (Z < −0.8) = 0.2119‬‬
‫‪⎝ 10‬‬ ‫⎠ ‪10‬‬
‫‪0.21119 × 648 = 137.3 ≈ 137‬‬ ‫ﻧﻔﺮ ﻧﻤﺮﻩ ﮐﻤﺘﺮ از ‪ ٩٨‬داﺷﺘﻪ اﻧﺪ‬

‫ﻗﺎﻋﺪﻩ ﭼﺒﻴﺸﻒ‪:‬‬
‫‪ σ‬ﻣــﯽ ﺗــﻮان ﺗــﺼﻮر ﮐــﻞ‬ ‫‪2‬‬
‫هﺮﮔــﺎﻩ دادﻩ هــﺎﯼ ﻣــﺎ داراﯼ ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل ﺑﺎﺷــﺪ ﺑــﺎ داﻧــﺴﺖ ‪ µ‬و‬
‫درﺑــﺎرﻩ دادﻩ هــﺎ ﺑﺪﺳــﺖ ﺁورد اﻣــﺎ اﮔــﺮ ﺗﻮزﯾــﻊ دادﻩ هــﺎ ﻧﺮﻣــﺎل ﻧﺒﺎﺷــﺪ ﻃﺒــﻖ ﻗﺎﻋــﺪﻩ ﭼﺒﻴــﺸﻒ ﺑــﻪ‬
‫‪1‬‬
‫ازاﯼ ‪ k>١‬ﺣﺪاﻗﻞ ‪ 1 − 2‬از دادﻩ هﺎ در ﻓﺎﺻﻠﻪ ‪ µ − kσ‬ﺗﺎ ‪ µ + kσ‬ﻗﺮار دارد‪.‬‬
‫‪k‬‬
‫‪1 3‬‬
‫ﻣﺜﻼً ﻓﺎﺻﻠﻪ ) ‪ (µ − 2σ , µ + 2σ‬در هﺮ ﺗﻮزﯾﻌﯽ ﺣﺪاﻗﻞ ﺷﺎﻣﻞ = ‪ 1 − 2‬دادﻩ هﺎﺳﺖ‪.‬‬
‫‪2‬‬ ‫‪4‬‬
‫ﺣﻘـــﻮق ﻣﺎهﺎﻧـــﻪ ﮐﺎرﻣﻨـــﺪان ﯾـــﮏ ادارﻩ داراﯼ ﻣﻴـــﺎﻧﮕﻴﻦ ‪ ٢٠٠٠٠٠‬و اﻧﺤـــﺮاف ﻣﻌﻴـــﺎر‬ ‫ﻣﺜـــﺎل‪:‬‬
‫‪ ١٠٠٠٠‬ﺗﻮﻣـــﺎن ﻣـــﯽ ﺑﺎﺷـــﺪ‪ .‬ﻣﻴـــﺎﻧﮕﻴﻦ واﻗﻌـــﯽ ﺣﻘـــﻮق ﮐﺎرﻣﻨـــﺪان اﯾـــﻦ ادارﻩ ﺑـــﺎ اﻃﻤﻴﻨـــﺎن ‪٩٥‬‬
‫درﺻﺪ در ﭼﻪ ﻓﺎﺻﻠﻪ اﯼ ﻗﺮار دارد‪.‬‬
‫‪1‬‬
‫‪1−‬‬ ‫‪2‬‬
‫‪= 0.95‬‬ ‫⇒ ‪k 2 = 20‬‬ ‫‪k = 4.47‬‬
‫‪k‬‬
‫ﺣﺪاﻗﻞ ‪µ − kσ = 200000 − 4.47 × 10000 = 155300‬‬
‫‪µ + kσ = 200000 + 4.47 × 10000 = 244700‬‬ ‫ﺣﺪاﮐﺜﺮ‬

‫ﻣﺜـــﺎل ‪ :٥‬ﻃـــﻮل ﻋﻤـــﺮ ﻣﻔﻴـــﺪ ﻧـــﻮﻋﯽ ﺧـــﺎص از ﺑـــﺎﺗﺮﯼ هـــﺎﯼ ﺗﻘﺮﯾﺒـ ـﺎً داراﯼ ﺗﻮزﯾـــﻊ ﻧﺮﻣـــﺎل ﺑـــﺎ‬
‫ﻣﻴـــﺎﻧﮕﻴﻦ ‪ ٣١٠‬و اﻧﺤـــﺮاف ﻣﻌﻴـــﺎر ‪ ٢٥‬ﺳـــﺎﻋﺖ اﺳـــﺖ ﯾـــﮏ ﺣـــﺪود اﻃﻤﻴﻨـــﺎن ‪ ٩٥‬درﺻـــﺪﯼ ﺑـــﺮاﯼ‬
‫ﻃﻮل ﻋﻤﺮ ﺑﺎﻃﺮﯼ ﺑﺪﺳﺖ ﺁورﯾﺪ‪.‬‬
‫‪0.05‬‬
‫‪1 − 0.95 = 0.05‬‬ ‫‪= 0.025‬‬
‫‪2‬‬
‫⎞ ‪⎛ X − 310 L − 310‬‬
‫‪P ( X < L ) = 0.025‬‬ ‫⇒‬ ‫⎜‪P‬‬ ‫<‬ ‫‪⎟ = 0.025‬‬
‫‪⎝ 25‬‬ ‫⎠ ‪25‬‬
‫‪L − 310‬‬
‫‪= −1.96‬‬ ‫⇒‬ ‫‪L = 261‬‬
‫‪25‬‬
‫⎞ ‪⎛ X − 310 U − 310‬‬
‫‪P ( X > U ) = 0.025‬‬ ‫⇒‬ ‫‪P ( X < U ) = 0.975‬‬ ‫⇒‬ ‫⎜‪P‬‬ ‫<‬ ‫⎟‬
‫‪⎝ 25‬‬ ‫⎠ ‪25‬‬
‫⎛‬ ‫⎞ ‪U − 310‬‬ ‫‪U − 310‬‬
‫< ‪P⎜Z‬‬ ‫‪⎟ = 0.975‬‬ ‫‪= 1.96‬‬ ‫⇒‬
‫⎝‬ ‫⎠ ‪25‬‬ ‫‪25‬‬
‫‪U = 395‬‬

‫ﻓﺎﺻﻠﻪ ‪ ٩٥‬درﺻﺪﯼ ﻋﺒﺎرت اﺳﺖ از )‪ ٣٥٩‬و ‪(٢٦١‬‬

‫‪٥‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ﺗﻘﺮﯾﺐ ﺗﻮزﯾﻊ دو ﺟﻤﻠﻪ اﯼ ﺑﻪ وﺳﻴﻠﻪ ﺗﻮزﯾﻊ ﻧﺮﻣﺎل‬

‫در ﻓﺼﻞ ﻗﺒﻞ درﺑﺎرﻩ ﺗﻮزﯾﻊ دو ﺟﻤﻠﻪ اﯼ ﺑﺤﺚ ﮔﺮدﯾﺪ‪ .‬در ﺗﻮزﯾﻊ دو ﺟﻤﻠﻪ اﯼ اﮔﺮ ‪ n‬ﺑﺰرگ ﺑﺎﺷﺪ‬
‫ﻣﺤﺎﺳﺒﻪ ﮐﺮدن اﺣﺘﻤﺎﻻت ﻣﺘﻮﺳﻂ ﺗﻮزﯾﻊ دو ﺟﻤﻠﻪ اﯼ ﻣﺸﮑﻞ ﻣﯽ ﺑﺎﺷﺪ‪ .‬اﮔﺮ ‪ np‬و ‪ nq‬هﺮ دو‬
‫ﺑﺰرﮔﺘﺮ از ‪ ٥‬ﺑﺎﺷﻨﺪ ﻣﯽ ﺗﻮان اﯾﻦ ﺗﻮزﯾﻊ را ﺗﻮﺳﻂ ﺗﻮزﯾﻊ ﻧﺮﻣﺎل ﺗﻘﺮﯾﺐ زد ﺑﻪ ﻋﺒﺎرت دﯾﮕﺮ اﮔﺮ‪:‬‬
‫⇒ ) ‪X ~ Bin (n , p‬‬ ‫)‪X ~ N ( p , n p q‬‬
‫‪np , nq > 5‬‬
‫در ﺗﻮزﯾــﻊ دو ﺟﻤﻠــﻪ اﯼ در ﻧﻘــﺎط ﺛﺎﺑــﺖ اﺣﺘﻤــﺎل داﺷــﺘﻴﻢ اﻣــﺎ هﻤــﺎﻧﻄﻮر ﮐــﻪ اﺷــﺎرﻩ ﮔﺮدﯾــﺪ در‬
‫ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل در ﻧﻘــﺎط ﺛﺎﺑــﺖ اﺣﺘﻤ ـﺎل ﺑﺮاﺑــﺮ ﺻــﻔﺮ ﻣــﯽ ﺑﺎﺷــﺪ ﺑــﺮاﯼ رﻓــﻊ اﯾــﻦ ﺷــﮑﻞ از ﺗــﺼﺤﻴﺢ‬
‫ﭘﻴﻮﺳﺘﮕﯽ اﺳﺘﻔﺎدﻩ ﻣﯽ ﮐﻨﻴﻢ‪.‬‬

‫اﺣﺘﻤﺎل ﻣﻮرد ﻧﻈﺮ در ﺗﻮزﯾﻊ دو ﺟﻤﻠﻪ اﯼ‬ ‫اﺣﺘﻤﺎل ﻣﻮرد ﻧﻈﺮ در ﺗﻮزﯾﻊ ﻧﺮﻣﺎل‬

‫)‪P (X = x‬‬ ‫) ‪P ( x − 0 .5 ≤ X ≤ x + 0 .5‬‬

‫)‪P (X ≤ x‬‬ ‫) ‪P ( X ≤ x + 0 .5‬‬
‫)‪P ( X < x ) = P ( X ≤ x − 1‬‬ ‫) ‪P ( X < x − 0 .5‬‬
‫)‪P (X ≥ x‬‬ ‫) ‪P ( X ≥ x − 0 .5‬‬
‫)‪P ( X > x ) = P ( X ≥ x + 1‬‬ ‫) ‪P ( X ≥ x + 0 .5‬‬
‫) ‪P (x 1 ≤ X ≤ x 2‬‬ ‫)‪P (x 1 − 0.5 ≤ X ≤ x 2 + 0.5‬‬
‫) ‪P (x 1 < X ≤ x 2‬‬ ‫)‪P (x 1 + 0.5 ≤ X ≤ x 2 + 0.5‬‬
‫) ‪P (x 1 ≤ X < x 2‬‬ ‫)‪P (x 1 − 0.5 ≤ X ≤ x 2 − 0.5‬‬
‫) ‪P (x 1 < X < x 2‬‬ ‫)‪P (x 1 + 0.5 ≤ X ≤ x 2 − 0.5‬‬

‫ﻣﺜﺎل ‪:٦‬‬
‫‪ ٧٠‬درﺻــﺪ ﮐﺎرﻣﻨــﺪان ﯾــﮏ ادارﻩ داراﯼ ﺗﺤــﺼﻴﻼت دﯾــﭙﻠﻢ ﯾــﺎ ﺑــﺎﻻﺗﺮ هــﺴﺘﻨﺪ‪ .‬اﮔــﺮ اﯾــﻦ ادارﻩ‬
‫‪ ٣٠‬ﻧﻔﺮ ﮐﺎرﻣﻨﺪ داﺷﺘﻪ ﺑﺎﺷﺪ اﺣﺘﻤﺎﻻت زﯾﺮ را ﺣﺴﺎب ﮐﻨﻴﺪ‪.‬‬
‫‪np = 30 × 0.7 = 21 > 5‬‬ ‫‪nq = 30 × 0.3 = 9 > 5‬‬
‫اﻟﻒ( دﻗﻴﻘﺎً ‪ ٢٠‬ﮐﺎرﻣﻨﺪ داراﯼ ﻣﺪرﮎ دﯾﭙﻠﻢ ﯾﺎ ﺑﺎﻻﺗﺮ ﺑﺎﺷﻨﺪ‪:‬‬
‫) ‪X ~ Bin (30 , 0.7‬‬ ‫⇒‬ ‫)‪X ~ N (21, 6.3‬‬ ‫‪σ 2 = 6.3‬‬ ‫‪σ = 2.51‬‬
‫⎞ ‪⎛ 19.5 − 21 X − 21 20.5 − 21‬‬
‫⎜ ‪P ( X = 20 ) = P (20 − 0.5 ≤ X ≤ 20 + 0.5) = P‬‬ ‫<‬ ‫<‬ ‫⎟‬
‫‪⎝ 2.51‬‬ ‫‪2.51‬‬ ‫⎠ ‪2.51‬‬
‫‪P (− 0.6 < Z < −0.2 ) = 0.4207 − 0.2743 = 0.1464‬‬
‫ب( ﺣﺪاﻗﻞ ‪ ٢٠‬ﻧﻔﺮ داراﯼ ﻣﺪرﮎ دﯾﭙﻠﻢ ﯾﺎ ﺑﺎﻻﺗﺮ ﺑﺎﺷﻨﺪ‪:‬‬
‫⎛‬ ‫‪−‬‬ ‫⎞ ‪21 19.5 − 21‬‬
‫⎜ ‪P ( X ≥ 20 ) = P ( X ≥ 20 − 0.5) = P‬‬ ‫)‪⎟ = P (Z > −0.6 ) = 1 − P (Z < −0.6‬‬
‫‪X‬‬
‫≥‬
‫‪⎝ 2.51‬‬ ‫⎠ ‪2.51‬‬
‫‪= 1 − 0.2743 = 0.7257‬‬

‫‪٦‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ج( ﺑﻴﺸﺘﺮ از ‪ ١٥‬ﻧﻔﺮ و ﮐﻤﺘﺮ ﻣﺴﺎوﯼ ‪ ٢٥‬ﻧﻔﺮ داراﯼ ﻣﺪرﮎ دﯾﭙﻠﻢ ﯾﺎ ﺑﺎﻻﺗﺮ ﺑﺎﺷﻨﺪ‪:‬‬
‫⎞ ‪⎛ 15.5 − 21 X − 21 25.5 − 21‬‬
‫⎜ ‪P (15 < X ≤ 25) = P (15 + 0.5 ≤ X ≤ 25 + 0.5) = P‬‬ ‫<‬ ‫<‬ ‫⎟‬
‫‪⎝ 2.51‬‬ ‫‪2.51‬‬ ‫⎠ ‪2.51‬‬
‫‪= P (− 2.19 < Z < 1.79) = 0.9633 − 0.0143 = 0.9490‬‬

‫ﺗﻘﺮﯾﺐ ﺗﻮزﯾﻊ ﭘﻮﺁﺳﻦ ﺑﻪ وﺳﻴﻠﻪ ﺗﻮزﯾﻊ ﻧﺮﻣﺎل‬

‫وﻗﺘــﯽ ﮐــﻪ ‪ µ‬ﺑــﺰرگ ﺑﺎﺷــﺪ ﻣــﯽ ﺗــﻮان ﺗﻮزﯾــﻊ ﭘﻮﺁﺳــﻦ را ﺑــﻪ وﺳــﻴﻠﻪ ﻧﺮﻣــﺎل ﺗﻘﺮﯾــﺐ زد‪ .‬ﺑــﻪ‬
‫ﻃــﻮر ﮐﻠــﯽ اﮔــﺮ ‪ µ ≥ 10‬اﯾــﻦ ﺗﻘﺮﯾــﺐ ﻣﻨﺎﺳــﺐ ﻣــﯽ ﺑﺎﺷــﺪ‪ .‬ﺑــﻪ دﻟﻴــﻞ اﯾﻨﮑــﻪ ﺗﻮزﯾــﻊ ﭘﻮﺁﺳــﻦ ﻧﻴــﺰ‬
‫ﮔﺴــﺴﺘﻪ ﻣ ـﯽ ﺑﺎﺷــﺪ وﻗﺘــﯽ ﻣــﯽ ﺧــﻮاهﻴﻢ ﺁﻧــﺮا ﺑــﻪ وﺳــﻴﻠﻪ ﺗﻮزﯾــﻊ ﻧﺮﻣــﺎل ﺗﻘﺮﯾــﺐ ﺑــﺰﻧﻴﻢ ﺑﺎﯾــﺪ از‬
‫ﺗﺼﺤﻴﺢ ﭘﻴﻮﺳﺘﮕﯽ اﺳﺘﻔﺎدﻩ ﮐﺮد ﮐﻪ در ﻗﺴﻤﺖ ﻗﺒﻞ ﺁﻣﺪﻩ اﺳﺖ اﺳﺘﻔﺎدﻩ ﮐﻨﻴﻢ‪:‬‬
‫) ‪X ~ P (µ‬‬ ‫⇒‬ ‫) ‪X ~ N (µ , µ‬‬
‫‪µ ≥ 10‬‬
‫ﻣﺜﺎل ‪:٧‬‬
‫ﺑﻄــﻮر ﻣﺘﻮﺳــﻂ ‪ ٢٠‬ﻧﻔــﺮ در هــﺮ ﺳــﺎﻋﺖ ﺑــﻪ ﯾــﮏ ادارﻩ ﻣﺮاﺟﻌــﻪ ﻣــﯽ ﮐﻨﻨــﺪ اﺣﺘﻤــﺎﻻت زﯾــﺮ را‬
‫ﺑﺪﺳﺖ ﺁورﯾﺪ‪:‬‬
‫اﻟﻒ( در ﯾﮏ ﺳﺎﻋﺖ ﺑﻴﺸﺘﺮ از ‪ ١٥‬ﻧﻔﺮ و ﮐﻤﺘﺮ از ‪ ٢٥‬ﻧﻔﺮ ﺑﻪ ادارﻩ ﻣﺮاﺟﻌﻪ ﮐﻨﻨﺪ‪.‬‬

‫‪N > 10‬‬

‫) ‪X ~ P (20‬‬ ‫⇒‬ ‫) ‪X ~ N (20 , 20‬‬ ‫‪20 = 4.47‬‬
‫⎞ ‪⎛ 15.5 − 20 X − 20 24.5 − 20‬‬
‫⎜‪P (15 < X < 25) = P (15 + 0.5 < X < 25 − 0.5) = P‬‬ ‫<‬ ‫<‬ ‫⎟‬
‫‪⎝ 4.47‬‬ ‫‪4.47‬‬ ‫⎠ ‪4.47‬‬
‫)‪= P (− 1.01 < Z < 1.01) = P (Z < 1.01) − P (Z < −1.01‬‬
‫‪= 0.6876‬‬
‫ب‪ :‬اﺣﺘﻤﺎل اﯾﻨﮑﻪ ﺑﻴﺸﺘﺮ از ‪ ٢٧‬ﻧﻔﺮ در ﯾﮏ ﺳﺎﻋﺖ ﻣﺮاﺟﻌﻪ ﮐﻨﻨﺪ‪.‬‬
‫)‪P ( X > 27 ) = P ( X ≥ 27 + 0.5‬‬
‫⎞ ‪⎛ X − 20 27.3 − 20‬‬
‫⎜‪= P‬‬ ‫>‬ ‫⎟‬
‫‪⎝ 4.47‬‬ ‫⎠ ‪4.47‬‬
‫‪= P (Z > 1.68) = 1 − P (Z < 1.68) = 0.0465‬‬
‫ج‪ :‬اﺣﺘﻤﺎل اﯾﻨﮑﻪ در ﺳﻪ ﺳﺎﻋﺖ ﺑﻴﺸﺘﺮ از ‪ ٧٠‬ﻧﻔﺮ ﺑﻪ ادارﻩ ﻣﺮاﺟﻌﻪ ﮐﻨﻨﺪ‪.‬‬
‫‪µ ′ = 3µ = 3 × 20 = 60‬‬
‫) ‪X ~ P (60‬‬ ‫⇒‬ ‫) ‪X ~ N (60 , 60‬‬ ‫‪60 = 7.75‬‬
‫⎞ ‪⎛ X − 60 70.5 − 60‬‬
‫⎜ ‪P ( X > 70 ) = P ( X ≥ 70 + 0.5) = P‬‬ ‫≥‬ ‫⎟‬
‫‪⎝ 7.75‬‬ ‫⎠ ‪7.75‬‬
‫‪= P (Z > 1.35) = 0.0885‬‬

‫‪٧‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬ ‫ﺁﻣﺎر و رﯾﺎﺿﻴﺎت ﺑﺎزرﮔﺎﻧﯽ ﭘﻴﺸﺮﻓﺘﻪ‬
‫‪--------------‬‬ ‫‪--------------------------------------‬‬

‫ﻗﻀﻴﻪ ﺣﺪ ﻣﺮﮐﺰﯼ‬
‫دو ﻣﻮﺿﻮع در ﻗﻀﻴﻪ ﺣﺪ ﻣﺮﮐﺰﯼ ﻣﻄﺮح ﻣﯽ ﺷﻮد‪:‬‬
‫ﻣﻮﺿــﻮع اول ﺟﻤــﻊ ‪ n‬ﻣﺘﻐﻴــﺮ ﺗــﺼﺎدﻓﯽ ﻣــﺴﺘﻘﻞ و ﻣﻮﺿــﻮع دوم ﺗﻮزﯾــﻊ هــﺎﯼ ﻧﻤﻮﻧــﻪ ﮔﻴــﺮﯼ‬
‫اﺳﺖ‪.‬‬
‫در اﯾﻨﺠﺎ ﺑﺎ ﻣﻮﺿﻮع اول و در ﻓﺼﻞ ﺑﻌﺪ ﺑﺎ ﻣﻮﺿﻮع دوم ﺁﺷﻨﺎ ﻣﯽ ﺷﻮﯾﻢ‪.‬‬
‫ﺗﻮزﯾـــﻊ ﻧﺮﻣـــﺎل ﺗﻘﺮﯾـــﺐ ﺧـــﻮﺑﯽ ﺑـــﺮاﯼ ﺗﻮزﯾـــﻊ ﻣﺠﻤـــﻮع ﻣﺘﻐﻴﺮهـــﺎﯼ ﺗـــﺼﺎدﻓﯽ اﺳـــﺖ‪ .‬اﮔـــﺮ‬
‫‪ n ، X n , ... , X 2 , X 1‬ﻣﺘﻐﻴـــﺮ ﺗـــﺼﺎدﻓﯽ ﻣـــﺴﺘﻘﻞ ﺑﺎﺷـــﻨﺪ‪ ،‬ﻣـــﺸﺮوط ﺑـــﺮ ﺁﻧﮑـــﻪ ‪ n‬ﺑـــﺰرگ ﺑﺎﺷـــﺪ‬
‫) ‪ ، (n ≥ 10‬ﺁﻧﮕــــــﺎﻩ ﻣﺘﻐﻴــــــﺮ ﺗــــــﺼﺎدﻓﯽ ‪ Y = X 1 + X 2 + ... + X n‬داراﯼ ﺗﻮزﯾــــــﻊ ﻧﺮﻣــــــﺎل ﺑــــــﺎ‬
‫‪n‬‬ ‫‪n‬‬
‫ﻣﯽ ﺑﺎﺷﺪ‬ ‫‪∑ σ i2‬‬ ‫و‬ ‫‪∑µi‬‬ ‫ﭘﺎراﻣﺘﺮهﺎﯼ‬
‫‪i =1‬‬ ‫‪i =1‬‬
‫‪⎛ n‬‬ ‫‪n‬‬ ‫⎞‬
‫‪Y ~ N ⎜⎜ ∑ µ i ,‬‬ ‫⎟⎟ ‪∑ σ i2‬‬
‫‪⎝ i =1‬‬ ‫‪i =1‬‬ ‫⎠‬
‫ﻣﺜﺎل ‪:٨‬‬
‫ﻣـــﯽ ﺧـــﻮاهﻴﻢ ‪ ٦٥‬ﮔـــﻮﻧﯽ ﺳـــﻴﺐ زﻣﻴﻨـــﯽ را ﮐـــﻪ وزن هـــﺮ ﮔـــﻮﻧﯽ‪ ،‬ﻣﺘﻐﻴـــﺮﯼ ﺗـــﺼﺎدﻓﯽ ﺑـــﺎ‬
‫ﻣﻴـــﺎﻧﮕﻴﻦ ‪ ٧٥‬ﮐﻴﻠـــﻮﮔﺮم و وارﯾـــﺎﻧﺲ ‪ ١٥‬اﺳـــﺖ را ﺑـــﺎ ﯾـــﮏ ﮐـــﺎﻣﻴﻮن ﺣﻤـــﻞ ﮐﻨـــﻴﻢ‪ .‬ﻇﺮﻓﻴـــﺖ اﯾـــﻦ‬
‫ﮐــﺎﻣﻴﻮن ‪ ٥‬ﺗــﻦ ﻣــﯽ ﺑﺎﺷــﺪ و اﮔــﺮ ﺑــﺎر ﮐــﺎﻣﻴﻮن ﺑــﻴﺶ از ﻇﺮﻓﻴــﺖ ﺑﺎﺷــﺪ راﻧﻨــﺪﻩ ﺟﺮﯾﻤــﻪ ﻣــﯽ‬
‫ﺷﻮد‪ .‬اﺣﺘﻤﺎل ﺟﺮﯾﻤﻪ ﺷﺪن راﻧﻨﺪﻩ ﭼﻘﺪر اﺳﺖ؟‬

‫‪Y = X 1 + X 2 + ... + X 65‬‬

‫‪65‬‬ ‫‪65‬‬
‫‪µ y = ∑ µ i = 65 × 75 = 4875‬‬ ‫‪σ y2 = ∑ σ i2 = 975‬‬
‫‪i =1‬‬ ‫‪i =1‬‬
‫⎞ ‪⎛ Y − 4875 5000 − 4875‬‬
‫)‪Y ~ N (4875 , 975‬‬ ‫⎜ ‪P (Y > 5000) = P‬‬ ‫>‬ ‫‪⎟ = P (Z > 4 ) = 0‬‬
‫‪⎝ 31.22‬‬ ‫⎠ ‪31.22‬‬

‫ﯾﮏ ﻓﺎﺻﻠﻪ ‪ ٩٥‬درﺻﺪﯼ ﺑﺮاﯼ ﻣﻴﺎﻧﮕﻴﻦ ﺑﺎر ﮐﺎﻣﻴﻮن ﺑﺪﺳﺖ ﺁورﯾﺪ‪.‬‬

‫‪0.05‬‬
‫‪1 − 0.95 = 0.05‬‬ ‫‪= 0.025‬‬
‫‪2‬‬
‫‪P (Z < L ) = 0.025‬‬ ‫⇒‬ ‫‪L = −1.96‬‬
‫‪a − 4875‬‬
‫=‪L‬‬ ‫⇒‬ ‫‪a = 31.22 (− 1.96 ) + 4875 = 4813.8‬‬
‫‪31.22‬‬
‫‪P (Z > U ) = 0.975 ⇒ U = 1.96‬‬
‫‪b + 4875‬‬
‫=‪U‬‬ ‫‪⇒ b = 31.22 × 1.96 + 4875 = 4936.2‬‬
‫‪31.22‬‬
‫ﯾﮏ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ ٩٥‬درﺻﺪﯼ ﺑﺮاﯼ ﺑﺎر ﮐﺎﻣﻴﻮن )‪ ٤٩٣٦٫٢‬و ‪(٤٨١٣٫٨‬‬

‫‪٨‬‬