שינויים
(פרק 1, סעיף 1.2).
למדנו כמה מדדי מרכז: ממוצע, שכיח, חציון, אמצע הטווח; וכמה מדדי פיזור: סטיית התקן, הטווח, הטווח הבין-רבעוני.
למדנו (והוכחנו) את [[עקרון ההכלה וההדחה]], <math>\ |A_1 \cup \cdots \cup A_t| = \sum_{i=1}^{t} (-1)^{i-1} \sum_{I \subseteq \{1,\dots,t\}, |I|=i} \bigcap_{i\in I}A_i</math>.
=== הרצאה שלישית ===
(סעיף 2.1 - מרחבי הסתברות בדידים)
הגדרנו: מרחב הסתברות הוא זוג סדור, הכולל את קבוצת המצבים (שהיא סופית או בת-מניה), ופונקציה מהקבוצה הזו למספרים הממשיים שסכום כל ערכיה הוא 1. תת-קבוצות של מרחב ההסתברות נקראות "מאורעות". את הפונקציה <math>\ P : \Omega \rightarrow \mathbb{R}</math> אפשר להמשיך לפונקציה <math>\ P : \mathbb{P}(\Omega) \rightarrow \mathbb{R}</math>, המוגדרת על כל המאורעות. לערך <math>\ P(A)</math> קוראים "ההסתברות של A". פונקציה זו מקיימת שתי תכונות חשובות: ההסתברות של המרחב כולו היא 1; וההסתברות של איחוד זר של מאורעות שווה לסכום ההסתברויות. את התכונה האחרונה הוכחנו במפורש, על-ידי חסימת ההפרש בין שני הסכומים בכל אפסילון חיובי.
תרגמנו את עקרון ההכלה וההדחה לשפת ההסתברות.
הגדרנו הסתברות מותנית <math>\ P(A|B)</math> והוכחנו את נוסחת ההסתברות השלמה.
=== הרצאה רביעית ===
פתרנו את "בעיית המזכירה המבולבלת" בעזרת עקרון ההכלה וההדחה. הגדרנו מאורעות בלתי תלויים, והוכחנו כמה תכונות שקולות. הגדרנו אי-תלות משותפת של כמה מאורעות, והראינו שאי-תלות משותפת של שלושה מאורעות חזקה ממש מאי-תלות של כל זוג בנפרד.
=== הרצאה חמישית ===
הגדרנו משתנה מקרי, כפונקציה (כלשהי) ממרחב הסתברות בדיד (כלשהו) אל המספרים הממשיים. כדי לתאר משתנה מקרי X יש לדעת את ההתפלגות שלו, כלומר הפונקציה המתאימה לכל a את ההסתברות <math>\ P(X=a)</math>. ראינו שאם מפעילים פונקציה על משתנה מקרי, מתקבל משתנה מקרי חדש, שאפשר לחשב את ההתפלגות שלו מן ההתפלגות של המשתנה הראשון.
טיפלנו ב'''התפלגות משותפת''' של זוג משתנים מקריים X,Y (המוגדרים על אותו מרחב הסתברות), שהיא הפונקציה המתאימה לכל a,b את ההסתברות <math>\ P(X=a,Y=b)</math>. מן ההתפלגות המשותפת אפשר לשחזר את ההתפלגות של כל משתנה בנפרד. לסיכום הגדרנו מתי שני משתנים מקריים הם בלתי תלויים: אם לכל a,b מתקיים <math>\ P(X=a,Y=b) = P(X=a)P(Y=b)</math>.
