Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu



Benzer belgeler
Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

Đst201 Đstatistik Teorisi I

BEKLENEN DEĞER VE VARYANS

6. Uygulama. dx < olduğunda ( )

5.1 Olasılık Tarihi Temel Olasılık Kavramları

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

7. Ders. Bazı Kesikli Olasılık Dağılımları

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Polinom İnterpolasyonu

Regresyon ve Korelasyon Analizi. Regresyon Analizi

İki veri setinin yapısının karşılaştırılması

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

9. Ders. Đstatistikte Monte Carlo Çalışmaları

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

{ 1 3 5} { 2 4 6} OLASILIK HESABI

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

1. GAZLARIN DAVRANI I

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

Tahmin Edici Elde Etme Yöntemleri

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

5.1 Olasılık Tarihi Temel Olasılık Kavramları

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

= İÇİNDEKİLER. E(X) = k Pascal (Negatif Binom) Dağılımı Hipergeometrik Dağılım N y=

Tanımlayıcı İstatistikler

Ölçme Hataları ve Normal Dağılım

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Quality Planning and Control

İstatistik ve Olasılık

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

MERKEZİ EĞİLİM ÖLÇÜLERİ

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

Doç. Dr. Mehmet AKSARAYLI

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

BÖLÜM 2 OLASILIK TEORİSİ

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İstatistik ve Olasılık

Olasılık, Rastgele Değişkenler ve İstatistik

Zaman Skalasında Box-Cox Regresyon Yöntemi

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı

Yrd.Doç. Dr. Mustafa Akkol

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

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

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Ki- kare Bağımsızlık Testi

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

Đst101 Olasılık ve Đstatistiğe Giriş

İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

ÖNSÖZ. 2) Evde yapabileceklerinizi yapıp, laboratuar kılavuzundaki yerleri doldurun (!!! işaretli yerler).

İstatistik Nedir? Sistem-Model Kavramı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI.

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

Açık Artırma Teorisi Üzerine Bir Çalışma

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras

BÖLÜM III. Kongrüanslar. ise a ile b, n modülüne göre kongrüdür denir ve

İleri Diferansiyel Denklemler

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t)

Tanımlayıcı İstatistikler

TABAKALI ŞANS ÖRNEKLEME

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ ( tarihli ve sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin.

SOYUT CEBİR VE SAYILAR TEORİSİ

2.2. Fonksiyon Serileri

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003

6. NORMAL ALT GRUPLAR

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

Transkript:

Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler Sözlüğü, 969) teorem Đg. theorem Doğruluğu kaıtlaable öerme. ( BSTS / Matematk Termler Sözlüğü, 000) Büyük Sayılar Kauu Đstatstkçler, gelşgüzellğ (rasgelelğ) çde düze ararlar. Öreğ, düzgü br tavla zarıı atılması ve üste gele yüzeydek okta sayısıı gözlemes deey göz öüe alalım. Zar atıldıkça, gelşgüzel (rasgele) olarak,,,,,6 sayılarıda brs gelecektr. Öreğ aşağıdak sayılar böyle br deeyde gözlemştr. 6 6 6 6 Yatay eksede atış sayısı ve düşey eksede gele sayı olmak üzere, 6 0 0 0 ve ardışık oktaları brer doğru parçası le brleştrlmesyle, 6 0 0 0 grafkler elde edlr. Br gelşgüzellk göze çarpmakta Yatay eksede atış sayısı ve düşey

eksede gele sayıları ortalaması şaretlerse, 6 0 0 0 6 0 0 0 elde edlr. Atış sayısı büyüdükçe gele sayıları ortalamasıda br yakısama göze çarpmakta Atış sayısı sosuza gttğde ortalamaları oluşturduğu dz. sayısıa (,,,,,6 sayılarıı artmetk ortalaması) yakısayacağı dda edleblr m? Eğer böyle br dda doğruysa bu rasgelelk ortamıda br düze, zam, kaudur. Böyle br ddaı doğru olup olmadığı asıl ortaya çıkarılacaktır? Deey yaparak mı? Deeysel olarak yalışlaamadığı müddetçe böyle br ddayı (kauu) geçerl sayablrz. Acak, böyle br deey yapamayız, çükü sosuz atış gerçekleştremeyz. Braz sora bu ddayı spatlayacağız. Matematkte, sagor Teorem spatlar gb.,,,,... bağımsız ve ayı µ ortalamalı σ < varyaslı rasgele değşkeler se µ Đspat:,,, bağımsız rasgele değşkeler ve E( ) = µ, olsu.,,, ler ortalaması, = = Var =, =,,, ( ) σ

olmak üzere, E = µ ve σ Var( ) = olup, Chebyshev eştszlğde, ( ) k k σ µ < σ = µ < k ε σ ve k =, ε= k > 0 ç σ ( µ < ε ) ε σ yazılır. Eştszlğ her k tarafıı ç lmt alıırsa, lm ( µ < ε ) lm ε σ ve olasılılığı brde büyük olamayacağı düşüülürse, lm µ < ε = ( ) elde edlr. Küçük her ε> 0 değer ç, lm µ < ε = olması durumu, ( ) olasılıkta µ ye yakısar dye fade edlmekte ve µ bçmde gösterlmektedr. Bu durum Zayıf Büyük Sayılar Kauu olarak blmektedr. Braz sora güçlü olaı da gelyor. Yukarıda, zar le lgl olarak spatlamak stedğmz dda, Zayıf Büyük Sayılar Kauu u br soucudur, başka br fade le Zayıf Büyük Sayılar Kauu u le lgl aşağıdak gb br örektr. Örek: Düzgü br tavla zarıı ardı ardıa atılışıda gele okta sayıları sırasıyla,...,,... rasgele değşkeler (bağımsız ve. ortalamalı, / varyaslı) olmak üzere, Zayıf Büyük Sayılar Kauu a göre = = µ =. Buu: Düzgü br zar atıldıkça gele sayıları ortalaması. değere yakısamaktadır şeklde fade edeblrz. Daha ttz olarak fade edlrse: Đsteldğ kadar küçük ε> 0 değer ç, lm. < = olmak üzere, lmt dr. ( ) ε değerler. sayısıı ε komşuluğuda bulumaları olasılıklarıı

Deey: Düzgü br tavla zarıı 0 kez atılışıda aşağıdak değerler gözlemştr. 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 toplamlar: 8 9 0 0 9 0 7 7 9 6 6 6 69 7 7 77 80 8 87 89 9 99 0 06 09 8 6 0 6 7 6 8 9 7 60 6 68 7 7 77 78 79 80 8 8 87 9 9 96 97 0 08 8 9 7 7 9 8 7 9 6 6 68 7 7 79 8 86 9 9 96 00 0 0 6 8 8 6 8 0 60 66 69 7 7 79 8 88 9 99 0 09 0 7 7 9 7 0 6 9 8 6 6 7 77 8 87 89 9 96 0 0 09 6 ortalamalar:...86.7.8889.9.66.7.6.69.667...667.0..076.9.07.96.96.96.9667.06.098..76..9.89.8.08..7.69.0.8.889.9.8.708.6..9.88.6.778.6.96.79.07.6.67.69...078...6.09.79.7.68.8.98.07.867.7.08.6.78..97.89.66.90.8.86.069.86...98.7.8..6.97.78.99.77..7.7.6..76.09.897.778.08.7...097.6.7.8.67.8.0.08.88.689.7.69.68.889.78.7.876.86.969.788.79.9.96.897.9..7.7.9.7.76....66.7.6.7 olmak üzere, yatay eksede atış sayısı ve düşey eksede gele sayıları ortalaması şaretlerse,.. elde edlr. 0 0 00 0

Smülasyo: Düzgü tavla zarı atılışı deey Matlab da fx(ufrd(,7)) deym le gerçekleştreblrz (smüle edeblrz). ufrd(,7) foksyou U (, 7) düzgü dağılımda rasgele sayı üretmekte olup, fx foksyou buu tam değer vermektedr. Öreğ, >> x=fx(ufrd(,7,,0)) x = 6 6 6 >> x=fx(ufrd(,7,,0)); for =:0;xort()=mea(x(:));ed plot(xort)... 0 0 00 0 >> for j=:0; x=fx(ufrd(,7,,0)); for =:0;xort()=mea(x(:));ed; hold o; plot(xort); ed 6 0 0 00 0

Düzgü br paraı ardı ardıa atılışıda gele tura sayıları (0 ya da tae) sırasıyla,...,,... rasgele değşkeler (bağımsız ve b(, p= ), =,,,... ) olmak üzere, Zayıf Büyük Sayılar Kauu a göre = atışta gele tura sayısı = = µ = p= Düzgü br para atıldıkça gele tura sayısıı ortalaması / değere yakısamakta Düzgü para atışı le lgl örek, k souçlu deeylere, ya Beroull deemelere geşletleblr.,...,,... rasgele değşkeler bağımsız ve b(, p), =,,,... ( p (0,) ) olmak üzere, Zayıf Büyük Sayılar Kauu a göre = deemedek başarı sayısı = = p Büyük Sayılar Kauu u bu özel hal Beroull Zayıf Büyük Sayılar Kauu olarak blmektedr. Buraya kadar alatılaları Đstatstk Bölümü kc sııf öğrecler rahatlıkla alayablr. Braz daha ler gdelm. Büyük Sayılar Kauları Büyük Sayılar Kauları, rasgele değşkeler ( ) gb br dzsde, = =, =,,,... ortalamalarıı ( ) dzs le lgl yakısamalar Brkaç taes fade edlm. Beroull Zayıf Büyük Sayılar Kauu:,...,,... rasgele değşkeler bağımsız ve b(, p), =,,,... ( p (0,) ) olmak üzere, p Beroull Güçlü Büyük Sayılar Kauu (Borel Teorem):,...,,... rasgele değşkeler bağımsız ve b(, p), =,,,... ( p (0,) ) olmak üzere, hhh y p Zayıf Büyük Sayılar Kauu: ( ) bağımsız ve ayı dağılımlı ( µ ortalamalı, dzs se µ σ < varyaslı) rasgele değşkeler br

Khch Teorem: ( ) bağımsız ve ayı dağılımlı, dağılımı ortalaması µ < ola rasgele değşkeler br dzs se µ Güçlü Büyük Sayılar Kauu: ( ) bağımsız ve ayı dağılımlı, dağılımı ortalaması µ < ola rasgele değşkeler br dzs se hhh y µ Geel Zayıf Büyük Sayılar Kauu: ( ) bağımsız rasgele değşkeler br dzs olsu. a) ( > ) 0 = b) ( I ( ) ) 0 = olduğuda, = ( ( ) ) E I Merkez Lmt Teorem De Movre, Laplace ve Gauss tarafıda bulua klask Merkez Lmt Teorem fade edelm. Merkez Lmt Teorem:,,,,... bağımsız ve ayı dağılımlı (dağılımı beklee değer µ, varyası ya, σ Đspat: (Uzatmayalım.) < ) ola rasgele değşkeler olmak üzere, z lm µ / t e dz σ = / µ dağılımda N(0,) σ / t

Büyük ler ç, σ ya, Z N(0,) olmak üzere µ z / t e dz / µ t ( Z t) σ / Yaklaşık olasılık hesaplarıda, büyük ler ç, t µ σ/ stadart ormal dağılımı dağılım foksyou alıablr. Kısaca, yere σ dağılım foksyou yere dağılım foksyou N µ, ormal dağılımı dağılım foksyou alıablr. Öreğ, düzgü br tavla zarıı ardı ardıa atılışıda gele okta sayıları sırasıyla,...,,... rasgele değşkeler (bağımsız ve. ortalamalı, / varyaslı) olmak üzere, 00 atış soucuda olasılığı, ( 00. 0.) µ µ = =.977 σ σ 00 ( Z.977) 00 0. 00 ( 00. 0. ) = ormcdf(.977,0,)-ormcdf(-.977,0,) = 0.9969 Lapuov Teorem: ( ) dzs, bağımsız rasgele değşkeler, E( ) = µ, Var( ) = σ, β = E µ <, =,,... ve β / = / σ = ola br dzs se, 0 µ = = / σ = dağılımda N(0,)

Kau ve Teorem Yede, yazıı başıda ele aldığımız kau ve teorem soruua döelm. Kaular spatlaır mı? Öreğ, fzktek Newto kauu spatlaıyor mudur? Blmyorum. Fzkçlere sormak gerek. Matematkte, teoremler spatladığıda hemfkrz. Bell br aksyomatk temel (temel kavramlar ve aksyomlar) üzere kurulu br matematk yapıda matık kullaılarak (matık şemsyes altıda) aksyomlar ve öcek teoremlere dayalı olarak ye teoremler spatlamakta Matematktek aksyomları yer lkeler (prespler) aldığıı, öreğ Newto fzğde (eylemszlk, etk-tepk ve mometum lkeler) düşüeblrz. Đlkeler deeysel olarak doğrulaması gerekmez, geçerllkler kaybetmeler ç belk deeyler tarafıda yalışlaması yeterldr. Blmyorum. Fzkçler blr. Acak şu kadarıı söyleyeblrz: Eylemszlk lkes le lgl br deey yapmak ç doğrusal hareket gerçekleştrecek br doğru bulmak, ayrıca hareket sosuza kadar gözlemek gerekecektr. Her blm dalıı kede mahsus br yötemblm (metodolojs) var Fzk metodolojs deey esaslı Matematk se soyut br blm dalı Uygulamalı matematk dedğde, farkıda olsak da olmasak da, mutlaka başka br blm dalıı kousu ola determstk (sebep-souç lşkler kes) varsaydığımız br düyadayız. Đstatstkte durum edr? Br tarafta, Kolmogorov aksyomları üzere kurulu matematğe bezeye olasılık teors; dğer tarafta, ked lkeler (olablrlk lkes, yeterllk lkes, değşmezlk lkes gb lkeler) bulua ve adıa teork statstk dee br yapı; buu ötesde, gerçek düyadak rasgelelk çere olguları alatımıda ve problemler çözmede (rasgelelk ortamıda hesapktap yapmada) kullaıla, adıa uygulamalı statstk dee ve herkes tarafıda kullaıla yötem ve çözümleme tekkler olmak üzere, ĐSTATĐSTĐK hem matematğe hem de deeysel blmlere bezemektedr. ĐSTATĐSTĐK, karar kuramı şemsyes altıda kede mahsus metodolojs bulua br blm dalı Blm edr? Bu soruu gazabıda, matematk zar zor paçayı kurtarablmştr ( Matematk Blm m?, Blm ve Ütopya, sayı:9, Hazra 00). Đstatstğ ağzıa ala yok. TÜBĐTAK gb. Kuatum mekakç se çok. Ne dyelm? Đstatstk, rasgelelk le lgl hesap-ktap şdr. Lâzım oldukça kullaı, dyelm. Fzğ çde kau ve matematğ çde teorem kavramları açısıda br soru yoktur. Đstatstktek, Büyük Sayılar Kauu le Merkez Lmt Teorem kafa karıştırmakta Nede brde kau, dğerde teorem sözcüğü kullaılmaktadır? Bu soruu cevabıı kes olarak blmyorum. Boş zama buldukça cebe koyduğu k farklı rektek toplarda adel olarak çeklşler yapa Jacop Beroull, çekle toplarda bell br rege sahp olaları sayısıı çeklş sayısıa böldükçe, elde edle sayıları o rektek topları oraı etrafıda çıktığıı ve çeklş sayısı arttıkça bu oraa yaklaştığıı görmüştür. Muhtemele, Beroull br çok kş gb sezgsel olarak buu hssetmş olablr. Ayrıca, deeysel olarak destekleme yaıda matematksel olarak yerl yere oturtmak stemş olablr. Acak, De Movre-Laplace tarafıda spatlaa, teoremde sora, p t z lm = / t = e dz p( p)

= p öermes (teorem demeye dlm varmıyor ama, rahatlıkla teorem de dyeblrz) spatlamak mümkü olmuştur. Brc sııftak Đstatstk Bölümü öğrecler Chebyshev Eştszlğ yardımıyla çok kolay br şeklde Beroull Zayıf Büyük Sayılar Kauu u spatlayablmektedr. Zayıf Büyük Sayılar Kauu da gelşm, deeyde matematksel spata doğru, Merkez Lmt Teorem de se muhtemele matematk spatta (k bu ayı zamada Stadart Normal Dağılımı olasılık yoğuluk foksyouu buluuşu le örtüşmüş olup) uygulamaya doğru olmuştur. Bu sebeplerde dolayı bre kau dğere teorem demş olablr..0.00