Ders 6: Sürekli Olasılık Dağılımları

Benzer belgeler
3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

Ders 6: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları

SÜREKLİ OLASILIK DAĞILIŞLARI

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

Ders 4: Rastgele Değişkenler ve Dağılımları

OLASILIK ve KURAMSAL DAĞILIMLAR

Dr. Mehmet AKSARAYLI

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

Deney Dizaynı ve Veri Analizi Ders Notları

SÜREKLİ DÜZGÜN DAĞILIM

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

İçindekiler. Ön Söz... xiii

KESİKLİ DÜZGÜN DAĞILIM

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

kümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1

Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

İSTATİSTİK DERS NOTLARI

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI

IE 303T Sistem Benzetimi

İstatistik ve Olasılık

13. Olasılık Dağılımlar


ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

1.58 arasındaki her bir değeri alabileceği için sürekli bir

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

Kümülatif Dağılım Fonksiyonu (Sürekli)

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

RD lerin Fonksiyonları

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Tesadüfi Değişken. w ( )

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

OLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Simülasyonda İstatiksel Modeller

SÜREKLİ OLASILIK DAĞILIMI

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

AST416 Astronomide Sayısal Çözümleme - II. 2. Temel İstatistik Kavramlar ve Dağılımlar

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Bekleme Hattı Teorisi

Rastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir?

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018

SÜREKLİ RASSAL DEĞİŞKENLER

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

Olasılık ve İstatistik Hatırlatma

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Rassal Değişken Üretimi

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI

Probability Density Function (PDF, Sürekli fonksiyon)

RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007

İstatistik ve Olasılık

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

SÜREKLĠ OLASILIK DAĞILIMLARI

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.

BÖLÜM 9 NORMAL DAĞILIM

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X)

4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi,

ĐST 474 Bayesci Đstatistik

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

8. Uygulama. Bazı Sürekli Dağılımlar

Rastlantı Değişkenleri

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

SÜREKLİ( CONTINUOUS) OLASILIK

Kaynaklar Shepley L. Ross, Differential Equations (3rd Edition), 1984.

İstatistik ve Olasılık

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1

Transkript:

Ders 6: Sürekli Olasılık Dağılımları

Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler

Bir rastgele değişkenin, normal rastgele değişken olması için yeter ve gerekli şart f x = 1 1 x μ 2 σ 2π e 2 σ olasılık yoğunluk fonksiyonuna sahip olmasıdır. μ ve σ dağılımın parametreleridir. X normal dağılıma sahip bir rastgele değişkense X~N μ, σ 2 şeklinde gösterilir. Normal dağılımın bir diğer adı da Gauss Dağılımıdır

Bağımsız X rastgele değişkeni için: X 1 ~N μ 1, σ 1 2, X 2 ~N μ 2, σ 2 2 X 1 + X 2 = Y~N μ 1 + μ 2, σ 1 2 + σ 2 2 2 X 1 ~N μ 1, σ 1, X 2 ~N μ 2, σ 2 2 X 1 X 2 = Y~N μ 1 μ 2, σ 2 1 + σ 2 2 X~N μ, σ 2 ax + b = Y~N aμ + b, a 2 σ 2

μ = 0 ve σ 2 = 1 parametrelerine sahip normal dağılıma Standart Normal Dağılım denir. Normal dağılımdan standart normal dağılıma geçiş için Z = x μ σ dönüşümü kullanılır. Φ x ile gösterilen dağılım fonksiyonunun kapalı şekil matematiksel ifadesi bulunmadığı için tablolar kullanılır.

Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141 0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517 0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879 0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224 0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549 0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852 0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133 0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621 1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830 1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015 1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177 1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441

Z standart normal rastgele değişken olduğuna göre aşağıdaki eşitlikleri sağlayan k değerlerini bulunuz. a) P Z < k = 0,0817 b) P Z > k = 0,142 c) P 1,24 < Z < k = 0,814

a) P Z < k = 0,0817 k = 1,39 b) P Z > k = 0,142 k = 1,07 c) P 1,24 < Z < k = 0,814 P 1,24 < 0 = 0,3925 P 0 < k = 0,814 0,3925 = 0,4215 k = 1,42

X, ortalaması 20, standart sapması 5 olan normal rastgele değişkendir. Buna göre; a) X in 12 den küçük olma olasılığı nedir? b) X in 21 den küçük olma olasılığı nedir? c) X, 0,85 olasılıkla hangi değerden büyük olur?

a) X in 12 den küçük olma olasılığı nedir? 12 20 P X < 12 = P Z < = P Z < 1,6 5 = 0,5 0,4452 = 0,0548 b) X in 21 den küçük olma olasılığı nedir? 21 20 P X < 12 = P Z < = P Z < 0,2 5 = 0,5 + 0,0793 = 0,5793 c) X, 0,85 olasılıkla hangi değerden büyük olur? P Z > 1,04 = 0,8508 P X > 1,04 5 + 20 = 0,8508 P X > 25,2 = 0,8508

0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 0 1 2 3 4 5

0,2 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 30 35 40 45 50 55 60 65 70

0,03 0,025 0,02 0,015 0,01 0,005 0 430 440 450 460 470 480 490 500 510 520 530 540 550 560 570

n yeterince büyüdüğü zaman binom dağılımı normal dağılıma yaklaşır. Binom rastgele değişken X standart normal Z ye Z = X np np 1 p dönüşümü ile çevrilir. Normal yaklaşım kullanıldığında dağılım fonksiyonu: P X x P Z < x+1 2 np np 1 p np 1 p > 5 için bu yaklaşım iyi sonuç verir

Bir zar 1000 kez atılıyor, 6 gelme sayısının 150 ile 180 arasında (150 ve 180 dahi) olma olasılığı nedir?

Bir zar 1000 kez atılıyor, 6 gelme sayısının 150 ile 180 arasında (150 ve 180 dahi) olma olasılığı nedir? P 150 X 180 P 149,5 1000 6 1000 1 6 5 6 Z 180,5 1000 6 1000 1 6 5 6 P 1,457 Z 1,173 = 0,4279 + 0,3790 = 0,8069 =

Bir rastgele değişken, sadece [A; B] aralığındaki değerleri alabiliyor ve bu aralıktaki tüm değerler için eşit olasılığa sahipse; buna düzgün rastgele değişken denir. Olasılık yoğunluk fonksiyonu şeklindedir μ = A+B 2 1 A X B f x = B A 0 diğer yerlerde σ 2 = B A 2 12

Bir metro durağından her 5 dakikada bir tren kalkmaktadır. Bir yolcunun geliş zamanı iki trenin kalkışı arasındaki 5 dakikalık süreye eşit olarak dağıldığına göre a) yolcunun trenin kalkmasını 3 dakikadan fazla bekleme olasılığı nedir? b) yolcunun bekleme süresinin standart sapması kaç dakikadır?

a) f x = 1 5 0 X 5 0 diğer yerlerde P X > 3 = f x dx 3 b) σ 2 = 5 0 2 12 = 25 12 σ = 25 12 = 5 3 6 1,44 = 3 5 1 5 dx = 2 5

Bir rastgele değişkenin, üstel rastgele değişken olması için yeter ve gerekli şart f x = αe αx 0 < X 0 diğer yerlerde olasılık yoğunluk fonksiyonuna sahip olmasıdır. α dağılımın parametresidir. Oran olarak adlandırılır. F x = 1 e αx 0 < X 0 diğer yerlerde μ = 1 α σ 2 = 1 α 2

Bir hastanenin acil servisinde bir sonraki hastanın gelmesine kadar geçen süre üstel dağılım göstermektedir. Acil servise saatte ortalama 5 hasta geldiğine göre; a) bir sonraki hastanın 8 dakika içerisinde gelme olasılığı nedir? b) 20 dakika içinde hiç hasta gelmeme olasılığı nedir?

a) μ = 12 dakika α = 1 12 P x < 8 = 8 0 20 1 12 e x 12dx = 1 e 8 12 0,487 b)p x > 20 = 1 x 12 e 12dx = e 20 12 0,189

Genel Dağılım Koşul Özel Durum Negatif Binom k = 1 Geometrik Binom n = 1 Bernoulli Normal μ = 0, σ = 1 Standart Normal

Dağılım Koşul Yaklaşık Dağılım Dönüşüm Hipergeometrik n N 0 Binom p = a N Binom n Poisson λ = np Binom n Normal μ = np σ 2 = np 1 p Poisson λ 30 Normal μ = σ 2 = λ