<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Navid Mohseni on Medium]]></title>
        <description><![CDATA[Stories by Navid Mohseni on Medium]]></description>
        <link>https://medium.com/@navvidmohseni?source=rss-68b48a0ed11------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*aP-S7V2o_WUW2dPw3mn0Sw.jpeg</url>
            <title>Stories by Navid Mohseni on Medium</title>
            <link>https://medium.com/@navvidmohseni?source=rss-68b48a0ed11------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 05:42:23 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@navvidmohseni/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[توزیع احتمال چیست؟]]></title>
            <link>https://medium.com/@navvidmohseni/%D8%AA%D9%88%D8%B2%DB%8C%D8%B9-%D8%A7%D8%AD%D8%AA%D9%85%D8%A7%D9%84-%DA%86%DB%8C%D8%B3%D8%AA-988d948dd42c?source=rss-68b48a0ed11------2</link>
            <guid isPermaLink="false">https://medium.com/p/988d948dd42c</guid>
            <category><![CDATA[احتمال]]></category>
            <category><![CDATA[متغیر]]></category>
            <category><![CDATA[سکه]]></category>
            <category><![CDATA[تصادفی]]></category>
            <category><![CDATA[توزیع]]></category>
            <dc:creator><![CDATA[Navid Mohseni]]></dc:creator>
            <pubDate>Tue, 11 Jan 2022 15:43:36 GMT</pubDate>
            <atom:updated>2022-01-11T15:43:36.886Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>قبل از اینکه این مطلب را بخوانید، بهتر است برای نمایش بهتر مطالب فارسی در مدیوم، یک نگاهی به این <a href="https://medium.com/@SalehSouzanchi/%D8%B2%DB%8C%D8%A8%D8%A7%DB%8C%DB%8C-%D8%AE%D8%B7-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%B1%D8%A7-%D8%A8%D9%87-%D9%85%D8%AF%DB%8C%D9%88%D9%85-%D8%A7%D8%B6%D8%A7%D9%81%D9%87-%DA%A9%D9%86%DB%8C%D8%AF-11e85499146e">مطلب</a> بیندازید.</blockquote><h3>توزیع احتمال چیست؟</h3><p>تا حالا فکر کردید که چگونه می‌توانیم درستی یک ادعا را بررسی کنیم؟ مثلا فرض کنید که در یک شرکتی، از سمت چند تا از کارکنان آن شرکت این ادعا مطرح شده است که در مورد ترفیع شغلی تبعیض جنسیتی وجود دارد. به طور دقیق تر 10 نفر از خانم های شرکت ادعا می‌کنند که در ده نفر اخیری که در این شرکت ترفیع شغلی گرفته اند، هیچ خانمی انتخاب نشده است. اگر تمامی عوامل دخیل مثل سابقه کاری یا احساس مسئولیت‌پذیری را مساوی در نظر بگیریم، آنگاه انتخاب یک خانم برای ترفیع با انتخاب یک آقا برای ترفیع باید برابر باشد، درسته؟ یعنی احتمال هر انتخاب هر کدام برابر 50% باشد. در واقع یعنی نیمی از کارکنان برای ترفیع باید مرد و نیمی دیگر باید خانم باشند. ولی به دلیل نوسان و تغییراتی که در هر نمونه وجود دارد، لزومی ندارد که احتمال ترفیع برای هر جنسیت یکسان باشد. برای بررسی این ادعا چگونه می توانیم به صورت آماری صحت این ادعا را بررسی کنیم؟ اصلا چقدر عجیبه که از جمع 10 نفر، هیچ مرد یا زنی انتخاب نشود؟ آیا همچنان باید فرض را بگذاریم بر اساس اینکه همه‌ افرادی که ترفیع گرفته‌اند، صرفا شانسی و اتفاقی است و نباید بیشتر از این نگران این باشیم؟ اصلا یک سوال دیگه. مثلا، چقدر معقول است که سکه ای سالم باشد ولی هیچ خط یا شیری در 10 بار پرتاب سکه مشاهده نکنیم؟ آیا این هم اتفاقی است یا اینکه واقعاً سکه سالم نیست و اریب است؟</p><p>خب جواب اینجاست. این دسته از سوالات را می‌توان با استفاده از توزیع های احتمال پاسخ داد. اما قبل از اینکه به توزیع احتمال بپردازیم باید بدانیم که متغیر تصادفی و <em>احتمال</em> چی هستند.</p><p>اگر به صورت درستی داده ها را جمع‌آوری کرده باشیم، مقادیر عددی که بدست می‌آوریم باید نشانگر تصادفی بودن آن رویداد باشند. خب یعنی چی؟ یعنی اینکه از قبل ندانیم چه عددی در هر آزمایش بدست خواهد آمد. حالا این تصادفی بودن از کجا می آید؟ این تصادفی بودن می‌تواند از نمونه ای تصادفی از یک جامعه بدست بیاید یا نتایج یک آزمایش تصادفی شده باشد. به این متغیری که دارای مقادیر عددی متفاوت است، متغیر تصادفی گفته می‌شود.‌</p><p>پس می‌توانیم بگیم، <strong>متغیر تصادفی یک اندازه گیری عددی از یک رویداد تصادفی است. حالا این رویداد تصادفی می‌تواند از یک نمونه تصادفی یا از یک آزمایش تصادفی شده بدست آمده باشد.</strong></p><p><em>یادآوری: به خصوصیات و ویژگی‌هایی که مورد اندازه‌گیری قرار می‌دهیم </em><strong><em>متغیر</em></strong><em> گفته می‌شود زیرا که مقادیر آن از یک شخص به شخص دیگر یا از یک شاخص به شاخصی دیگر متفاوت است.</em></p><p>اگر نتایج ممکنی که بدست می‌آوریم، مجموعه ای از اعداد جدا از هم باشند آنگاه آن متغیر گسسته (مثلا متغیری که <em>تعداد</em> را نشان می دهد مثل یکی ، دو تا ، سه تا و …) است. اما اگر متغیر بتواند هر مقداری را در یک بازه اختیار کند (مثلا هر عددی بین صفر و یک) آنگاه آن متغیر پیوسته است.</p><p>پس چون یک متغیر تصادفی نتیجه‌ی یک رویداد تصادفی را نشان می دهد، پس هر نتیجه‌ی ممکنی که می‌تواند برای متغیر تصادفی اتفاق بیافتد دارای احتمال مشخصی هم است. در نتیجه <strong>توزیع احتمال یک متغیر تصادفی، مقادیر ممکن آن متغیر و احتمالات مشاهده هر یک از نتایج را مشخص می کند</strong>.</p><p>مزیت متغیری که تصادفی است اینه که باعث می‌شود بتوانیم این احتمالات را محاسبه کنیم. یعنی وقتی بتوانیم احتمالی را محاسبه کنیم، دارای یک قدرت فوق العاده خواهیم بود و اون هم قدرت پیشبینی هستش.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*jr8giTXLA4Z6cVmJnvQxMg.jpeg" /></figure><p>ما دو نوع توزیع احتمال داریم، یکی <em>گسسته</em> و دیگری <em>پیوسته</em> که در مطالب بعدی به بررسی هر کدام می پردازیم.</p><h3><strong>راه های نمایش توزیع های احتمال</strong></h3><p>توزیع های احتمال را می‌توانیم به صورت جدول یا شکل یا حتی فرمول نمایش بدهیم. این موضوع بستگی به خودمون دارد که چطوری راحت‌تر هستیم. مثلا از فرمول دو جمله ای برای محاسبه احتمال‌های دو جمله ای استفاده می‌کنند. مهم نیست که این فرمول را حفظ کنیم یا نه. مهم اینه که به یاد داشته باشیم <strong>جمع تمامی احتمالات در هر توزیع احتمالی همیشه برابر با یک یا همون 100% است.</strong></p><p>در جدول توزیع احتمال، هر نتیجه که از آزمایشمون بدست بیاد را با احتمال وقوع آن مرتبط می‌کند. مثلا، اگر یک سکه را سه بار بیندازید، نتایج ممکن هر سه بار پرتاب اینگونه است:</p><p>1. خط،خط،خط (یعنی دفعه اول خط بیاید، دفعه‌ی دوم و سوم هم همینطور)</p><p>2. خط،خط،شیر</p><p>3. خط،شیر،خط</p><p>4. شیر،خط،خط</p><p>5. خط،شیر،شیر</p><p>6. شیر،خط،شیر</p><p>7. شیر،شیر،خط</p><p>8. شیر،شیر،شیر</p><p>پس وقتی اصلا شیر را مشاهده نمی‌کنیم یعنی: خط،خط،خط و به این معناست که فقط یکی از هشت حالت ممکن بالا اتفاق افتاده است. پس احتمال آن برابر 8/1 یا 0.125 است. همین احتمال برای سه شیر و ندیدن هیچ خط هم صادق است. اما مثلا برای دو خط و یک شیر داریم:</p><p>خط،خط،شیر و خط،شیر،خط و شیر،خط،خط</p><p>که یعنی 8/3 یا 0.375 احتمال دارد که در سه پرتاب دوبار خط و یکبار شیر از هشت حالت ممکن بالا مشاهده کنیم.</p><p>جدول زیر متغیر تصادفی تعداد مشاهده شیر را به همراه احتمال اینکه هیچ بار شیر نیاید یا اینکه هربار شیر بیاید را نمایش می‌دهد.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/752/1*mKFgSNcBTBHDH9oM9cIgxA.png" /></figure><p>احتمالات اعدادی بین 0 و 1 هستند، که صفر یعنی هیچ شانسی نداریم و یک یعنی قطعا اتفاق مورد نظر خواهد افتاد. همانطور هم که گفتیم <strong>مجموع تمام احتمالات یک آزمایش همیشه برابر یک است</strong>، پس اگر ستون احتمالات را با هم جمع کنیم به این نکته می‌رسیم.</p><p>هر چه تعداد دفعاتی که یک آزمایش تکرار می‌شود بیشتر باشد، خب آن موقع نتایج ممکن هم بیشتر می‌شود. مثلا فکر کنید این آزمایش را میخواستیم ده بار تکرار کنیم. اما مجبور نیستیم هر بار بنشینیم مانند بالا بنویسیم که تعداد شیر ها چقدر است یا تعداد خط ها، به جای آن می‌توانیم روی جدول، شکل یا فرمول توزیع احتمال مورد نظرمون حساب باز کنیم.</p><h3><strong>جمع‌بندی</strong></h3><p>توزیع احتمال به ما احتمال وقوع یک اتفاق را می‌دهد. توزیع‌های احتمال می‌توانند از اتفاق‌های ساده گرفته مثل پرتاب سکه یا برداشتن یک کارت تا اتفاق های پیچیده ای مثل احتمال موفقیت یک داروی خاص برای درمان سرطان را نمایش دهند. همیشه هم مجموع احتمالات یک توزیع احتمال برابر یک است. توزیع های احتمال به صورت گسسته و پیوسته هستند که در آینده به آنها خواهیم پرداخت.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=988d948dd42c" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>