ביסים של סטטיסטיקה: מרק הקובה והמלחמה על הכף האחרונה

יש רגעים במטבח שבהם הכול הופך לתורת המשחקים.

נגיד שהכנתם סיר קובה ענקי לארוחת שישי.
כולם סביב השולחן.
בהתחלה כולם מנומסים:

“קח אתה…”
“לא לא, אתה…”

אבל אז נשארות בדיוק 2  קובות אחרונות.
ופתאום?
האנושות חוזרת למצבה הטבעי.

דוד משה מתחיל לחשב הסתברויות.
אחותך מסתכלת מי כבר לקח שתיים.
בן דוד אחד “במקרה” קם להביא מים — ומתמקם ליד הסיר.

ברוכים הבאים ל:

משחק הקובה הגדול

מבחינה סטטיסטית, כל אחד סביב השולחן מנסה להעריך:

• מה ההסתברות שמישהו ייקח עכשיו?
• האם כדאי לחכות?
• האם אנשים באמת מתנהגים בנימוס — או רק עושים סימולציה חברתית?

וזו בדיוק הבעיה:

בני אדם הם לא תמיד רציונליים.
אבל הם גם לא אקראיים לחלוטין.

כלומר, אנחנו חיים איפשהו בין:

סטטיסטיקה

לבין

תורת המשחקים

ההסתברות המותנית של הקובה האחרונה

אם בתחילת הארוחה ההסתברות שדוד משה ייקח קובה היא 20% —
אחרי שהוא שתה שתי כוסות יין והכריז
“עזבו, היום אני לא אוכל הרבה…”

ההסתברות משתנה דרמטית.

זאת הסתברות מותנית:

ההסתברות לפעולה
בהינתן מידע חדש.

[קישור לפוסט על הסתברות מותנת]

וככל שמספר הקובות קטן —
רמת שיתוף הפעולה החברתי יורדת מהר יותר ממלאי הטחינה.

אפקט “הכף האחרונה”

בתורת המשחקים יש רעיון יפה:

כשמשאב הופך נדיר —
אנשים הופכים לאסטרטגיות "אגרסיביות" יותר.

זה נכון במכרזים.
זה נכון בפוליטיקה.
וזה נכון מאוד ליד סיר קובה.

בהתחלה כולם משחקים משחק של “נימוס”.
בסוף?
זה כבר משחק של “מי ממצמץ ראשון”.

ומה הסטטיסטיקה אומרת?

אם תמדדו מספיק ארוחות משפחתיות, תגלו תבנית מדהימה:

ככל שהמאכל טעים יותר —
כך גדל הפער בין מה שאנשים אומרים
לבין מה שהם באמת עושים.

או כמו שאני אוהב להסביר לסטודנטים:

בני אדם הם המשתנה המקרי הכי פחות אקראי בסטטיסטיקה.

מוסר ההשכל

העולם לא מנוהל רק על ידי רעב.
אלא על ידי:

• ציפיות,
• הסתברויות,
• אסטרטגיות,
• והפחד שמישהו אחר ייקח את הקובה לפניך.

ובינינו?
זה כנראה המודל הכי מדויק של התנהגות אנושית שאי פעם פותח ליד שולחן שישי. 

משפט הגבול המרכזי – למה הבצק שלך מתנהג כמו פעמון

משפט הגבול המרכזי (Central Limit Theorem) הוא אחד הרעיונות החזקים ביותר בסטטיסטיקה. במילים פשוטות הוא אומר: אם נאסוף מספיק דגימות אקראיות בלתי תלויות מאוכלוסייה כלשהי, הממוצעים שלהן יתקרבו להתפלגות נורמלית – כלומר, לגרף בצורת פעמון – גם אם האוכלוסייה המקורית לא נראית ככה בכלל.

נשמע מופשט? בואו נתרגם את זה לעולם המטבח.

אפיית עוגיות – הרבה ניסיונות יוצרים “פעמון”

דמיינו שאתם אופים עוגיות שוקולד צ’יפס. בכל עוגייה מספר השוקולדים משתנה: לפעמים 5, לפעמים 8, לפעמים רק 2. ההפצה הזו לא נראית כמו “פעמון” אלא כאוסף לא מסודר של תוצאות.

אבל אם תעשו ניסוי:

• בכל פעם קחו מדגם של 20 עוגיות, חשבו את הממוצע של מספר השוקולדים.
• חזרו על זה מאות פעמים.

פתאום תראו שההתפלגות של הממוצעים האלו מתחילה להיראות כמו פעמון חלק ויפה. זה בדיוק משפט הגבול המרכזי בפעולה: ממוצעים של דגימות גדולות מתקרבים להתפלגות נורמלית.

קפה הבוקר – השפעת רעש קטנטן

נניח שאתם מכינים קפה, וכל פעם טמפרטורת המים שונה טיפה: פעם 91°, פעם 94°, פעם 92°. במבט ראשון יש שונות אקראית, אבל אם תמדדו ממוצע של הרבה כוסות, תקבלו התפלגות שנראית מאוד נורמלית.

המשמעות: גם אם כל מדידה בודדת מושפעת מגורמים קטנים ואקראיים, ברגע שמחשבים ממוצע של קבוצות – חוקיות חדשה מתגלמת, והכול מתיישר סביב צורת הפעמון.

משלוחי פיצה – חוסר סדר שהופך לסדר

שליחי פיצה מגיעים בזמנים שונים, לפעמים מוקדם, לפעמים בדיוק בזמן, לפעמים באיחור. הנתונים נראים מבולגנים.
אבל אם ניקח הרבה דגימות (למשל, ממוצע זמני המשלוח בכל שבוע), נמצא שההתפלגות מתקרבת לפעמון. כלומר, למרות הכאוס ברמה הבודדת, ברמה המצרפית מופיעה יציבות צפויה.

למה זה חשוב?

משפט הגבול המרכזי מסביר:

• למה סטטיסטיקאים כל כך אוהבים ממוצעים.
• למה אפשר להשתמש בבדיקות נורמליות גם אם הנתונים עצמם לא נראים “נורמליים”.
• איך מתוך כאוס של תצפיות בודדות, צומחת תמונה יציבה וצפויה.

במטבח, זה אומר שהממוצע של הרבה ניסיונות נותן לנו מידע אמין הרבה יותר מכל ניסיון בודד. בחיים עצמם, זה אומר שאם נסתכל על מספיק מקרים, נגלה דפוסים כלליים שאפשר לסמוך עליהם.

מסר אחרון

משפט הגבול המרכזי הוא אחד מהקסמים של הסטטיסטיקה והסתברות: הוא מראה לנו שהסדר לא בהכרח מגיע משיטה מושלמת, אלא פשוט מהצטברות של הרבה ניסיונות קטנים.
בדיוק כמו במטבח, עוגייה אחת אולי מפתיעה, אבל תבנית שלמה מגלה את החוקיות.

 

הסתברות שלמה – כשהכול מתערבב בקערה אחת

במטבח, כמו בסטטיסטיקה, יש דבר אחד בטוח:
אם אתה מערבב מספיק מצבים – משהו כבר יקרה 😅

אז היום נדבר על הסתברות שלמה – המושג שנשמע כאילו מישהו סוף סוף גילה את כל הסודות של החיים, אבל בעצם זה רק דרך מסודרת להבין איך כל התמונה הסטטיסטית נראית כשהכול קורה ביחד.

 “נחלק את זה לפי טעמים…”

תארו לעצמכם שאתם שפים במסעדה עם שלוש עוגות שונות: שוקולד, גבינה ופיסטוק.
כל עוגה יכולה להישרף או להצליח.

עכשיו אתם רוצים לדעת – מה ההסתברות שבסוף הערב תצא עוגה מושלמת מהתנור? 🍰

אי אפשר פשוט לנחש – צריך לקחת בחשבון את כל האפשרויות:

• מה הסיכוי שיצאה עוגת שוקולד בכלל
• מה הסיכוי שהיא הצליחה
• מה הסיכוי שעוגת הגבינה יצאה במקום
  וכן הלאה...

כל חלק קטן – כל “טעם” – הוא חתיכה מההסתברות הכוללת.

וברגע שמחברים הכול יחד?
זה מה שנקרא הסתברות שלמה – סך כל האפשרויות האפשריות, מחושבות בצורה אלגנטית כמו מתכון מושלם.

הרעיון בפשטות

אם נחלק את העולם למקרים אפשריים זרים (עוגות, אנשים, ניסויים, תוצאות...)
ונחשב לכל אחד את ההסתברות שהוא גורם לתוצאה שלנו –
אז סכום כל ההסתברויות האלה = 1 שלם גדול.

כלומר, ההסתברות “הכוללת” היא פשוט סכום של כל הדרכים להגיע לאותה תוצאה.

 מה הקשר לחיים האמתיים?

נניח שאתה מרצה, ויש לך שלוש קבוצות סטודנטים:
אלו שמקשיבים, אלו שמחייכים, ואלו ששותים קפה בזמן השיעור
אתה רוצה לדעת – מה ההסתברות שמישהו יענה נכון על שאלה?

זו לא רק קבוצה אחת – אתה צריך לשקלל את כולם, לפי כמה כל אחת תורמת.
ההסתברות השלמה תספר לך בדיוק את זה —
היא תיתן לך את סך התרומה של כל המצבים יחד.

 טיפ שף סטטיסטי לסיום

אם תוסיפו את כל האפשרויות הקיימות, תקבלו 1.
אם קיבלתם יותר מ-1 – סימן ששפכתם יותר מדי סוכר (או טעיתם בחישוב).
ואם קיבלתם פחות מ-1 – אולי שכחתם את עוגת הפיסטוק בתנור 😅

סיכום

הסתברות שלמה מזכירה לנו דבר פשוט:
לפני שאנחנו מסיקים מסקנות – נוודא שבאמת ראינו את כל האפשרויות.
כי גם במטבח וגם בנתונים – התמונה השלמה חשובה יותר מהביס הבודד.

קומבינטוריקה – כמה דרכים יש לסדר עוגיות על צלחת?

נניח שיש לכם 5 סוגי עוגיות: שוקולד, וניל, חמאה, אגוזים ותמרים.
אתם רוצים לסדר 3 מהן על צלחת, אבל לא בא לכם לחזור על אותו טעם פעמיים.
כמה דרכים יש לעשות את זה? 🤔

ברוכים הבאים לעולם של קומבינטוריקה – המקום שבו השאלה “כמה אפשרויות יש?” מקבלת תשובה מתמטית (ואולי גם תיאבון).

 אז מה זה בעצם קומבינטוריקה?

קומבינטוריקה עוסקת בספירה – לא של קלוריות, אלא של אפשרויות.
כמה דרכים יש לבחור, לסדר, או לשלב פריטים כשיש מגבלות מסוימות?

זה הבסיס להרבה תחומים: הסתברות, אלגוריתמים, סטטיסטיקה, וגם – תכנון ארוחת ערב משפחתית בלי לחזור על אותו מתכון פעמיים 😅.

 קומבינציות, סידורים ומה שביניהם

קומבינטוריקה עונה על שתי שאלות קלאסיות:

1. קומבינציה (Combination) – כמה דרכים יש לבחור קבוצה של פריטים, בלי להתחשב בסדר.
   🍫 למשל: כמה דרכים לבחור 3 טעמים מתוך 5 סוגי עוגיות.
   זה כמו “איזה עוגיות אני לוקח לקפה?”, לא משנה באיזה סדר אכלת אותן.
2. פרמוטציה (Permutation) – כמה דרכים יש לסדר את הפריטים.
   🍪 לדוגמה: כמה דרכים אפשר לסדר 3 עוגיות שונות על הצלחת.
   כאן הסדר משנה – כי עוגיית שוקולד באמצע נראית הרבה יותר טוב 🤭

 איך זה מתקשר להסתברות?

קומבינטוריקה היא הלב של הסתברות.
לפני שאנחנו מחשבים את הסיכוי לאירוע – אנחנו צריכים לדעת כמה דרכים יש לכל מצב.

נניח שאתם מושכים עוגייה באקראי מתוך קופסה של 10 טעמים –
אם אתם יודעים כמה קומבינציות שונות קיימות, תוכלו לדעת גם את הסיכוי שכל אחת תתרחש.

לכן כל מי שלומד סטטיסטיקה צריך לדעת גם קצת “לספור חכם”.

 דוגמה טעימה במיוחד

יש לכם 4 אורחים ו־6 סוגי קינוחים.
כל אורח מקבל קינוח אחד בלבד.
כמה אפשרויות לחלוקה יש?

אם כל קינוח יכול להופיע פעם אחת – מדובר בפרמוטציה.
אם מותר לחזור על אותו קינוח – אז זו קומבינציה עם חזרות.
וכך כל החלטה קטנה במטבח הופכת לשאלה מתמטית.

 רגע של הומור סטטיסטי

קומבינטוריקה היא כמו מגירה של תבלינים –
אפשר לשלב, לסדר, לבחור, לערבב…
אבל בסוף, אתה תמיד מגלה שיש אינסוף דרכים לטעות 😅

סיכום

החיים מלאים באפשרויות, וקומבינטוריקה עוזרת לנו להבין כמה באמת יש מהן.
אז בפעם הבאה שתתלבטו איך לסדר את הקינוחים על השולחן –
תדעו שאתם בעצם עושים ניסוי מתמטי קטן.

ואל תשכחו – לפעמים הכי חשוב זה לא כמה אפשרויות יש, אלא איזו מהן הכי טעימה. 🍰

 

התפלגות מעריכית – כמה זמן עד שהעוגה נשרפת

יש דברים בחיים שקורים “פתאום”.
אתה שם עוגה בתנור, מתפנה לרגע לטלפון —
ופתאום ריח שרוף ממלא את המטבח.

מה הסיכוי שזה יקרה?
ובכן… הסתברותית, אתה חי בתוך התפלגות מעריכית.

 כשזמן ההמתנה הופך להסתברות

התפלגות מעריכית עוסקת ב־הסתברות שמשהו יתרחש בזמן מסוים,
כאשר לא יודעים מתי בדיוק זה יקרה — רק את הקצב שבו זה קורה בממוצע.

נשמע מסובך?
בואו נתרגם את זה למונחים של מטבח.

אם בממוצע עוגה נשרפת פעם כל 40 דקות,
ההתפלגות המעריכית תענה על השאלה:
מה הסיכוי שהעוגה תישרף תוך פחות מ־10 דקות?
או מה הסיכוי שתחזיק מעמד שעה שלמה בלי טרגדיה?

 למה זה חשוב?

ההתפלגות המעריכית היא בעצם “שעון ההסתברות” של העולם.
היא מתארת כמה זמן ייקח עד שהאירוע הבא יתרחש —
בין אם זו עוגה נשרפת, טלפון שמצלצל, לקוח שמגיע, או מטוס שמאחר.

בהנדסה, משתמשים בה כדי למדל תקלות במכונות.
בכלכלה – לזמן בין עסקאות.
ובמטבח – לזמן עד שהשף אומר “אוי לא!” 😅

🧁 תכונה ייחודית – חוסר זיכרון

הקטע המגניב הוא שההתפלגות הזאת לא זוכרת את העבר.
אם העוגה לא נשרפה במשך 30 דקות,
זה לא משנה — הסיכוי שתישרף בדקה הבאה נשאר בדיוק אותו דבר.

מבחינה סטטיסטית קוראים לזה “תכונת חוסר זיכרון”.
מבחינה קולינרית, זה נקרא “חוסר למידה מטעויות”.

 דוגמה מהחיים

תחשבו על מונית שעוברת ברחוב בתל אביב.
בממוצע, מגיעה מונית כל 10 דקות.
השאלה היא – אם כבר חיכיתם 9 דקות,
האם זה אומר שהמונית תגיע בקרוב יותר?

לא בהכרח.
בהתפלגות מעריכית, כל רגע הוא התחלה חדשה.
(כן, גם במוניות וגם באפייה...(

😂 רגע של הומור סטטיסטי

התפלגות מעריכית היא כמו תנור ישן –
אתה אף פעם לא יודע מתי בדיוק הוא יחליט לחרוך הכול,
אבל אתה יודע שזה יקרה – בסוף.

סיכום

אם החיים שלכם מרגישים כמו רצף של “פתאום זה קרה”,
כנראה שאתם חיים לפי התפלגות מעריכית.

היא מזכירה לנו שלמרות שאנחנו אוהבים שליטה וזמן מדויק,
בחיים — כמו באפייה — לפעמים הכול עניין של הסתברות.

אז בפעם הבאה שתשמעו צפצוף מהתנור,
תזכרו: זה לא מזל רע…
זו פשוט פונקציית סיכון 😅

הקשר בין ההתפלגות המעריכית להתפלגות הפואסונית

אם הפואסון עוזר לנו להבין כמה פעמים משהו קורה בפרק זמן מסוים (למשל – כמה עוגיות נשרפות בשעה 🍪),
ההתפלגות המעריכית עוזרת לנו להבין כמה זמן עובר בין השריפה האחת לשנייה 🔥

שתי ההתפלגויות האלה הן בעצם זוג מושלם במטבח הסטטיסטי:
פואסון סופר את האירועים, ומעריכית מודדת את הזמן ביניהם.
אז אם אהבתם את הריח של ההסתברות הזו –
כנסו לפוסט על ההתפלגות הפואסונית

https://tastingstatistics.blogspot.com/2025/09/blog-post_25.html