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

Benzer belgeler
WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

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

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

SÜREKLİ DÜZGÜN DAĞILIM

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

Tesadüfi Değişken. w ( )

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

KESİKLİ DÜZGÜN DAĞILIM

OLASILIK ve KURAMSAL DAĞILIMLAR

SÜREKLİ OLASILIK DAĞILIŞLARI

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

13. Olasılık Dağılımlar

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

TEK BOYUTLU RASSAL DEĞİŞKENLER

1.58 arasındaki her bir değeri alabileceği için sürekli bir

Ders 4: Rastgele Değişkenler ve Dağılımları

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

Mühendislikte İstatistik Yöntemler

Ders 6: Sürekli Olasılık Dağılımları

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

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

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ OLASILIK DAĞILIMI

Appendix B: Olasılık ve Dağılım Teorisi

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

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

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

İstatistik ve Olasılık

RD lerin Fonksiyonları

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

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

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

İSTATİSTİK DERS NOTLARI

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

Simülasyonda İstatiksel Modeller

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

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

Dr. Mehmet AKSARAYLI


IE 303T Sistem Benzetimi

HİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014

BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI

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

DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

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

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

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

EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

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

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

İÇİNDEKİLER ÖN SÖZ...

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

İstatistik ve Olasılık

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

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

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

Ders 6: Kesikli Olasılık Dağılımları

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

İstatistik ve Olasılık

Ders 5: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

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

İçindekiler. Ön Söz... xiii

ANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL

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

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER

UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

BÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ

Tek Değişkenli Sürekli Dağılımlar-III

İSTATİSTİK EXCEL UYGULAMA

Probability Density Function (PDF, Sürekli fonksiyon)

Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

İSTATİSTİK MHN3120 Malzeme Mühendisliği

biçimindeki ifadelere iki değişkenli polinomlar denir. Bu polinomda aynı terimdeki değişkenlerin üsleri toplamından en büyük olanına polinomun dereces

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

ENM 316 BENZETİM ÖDEV SETİ

İstatistik ve Olasılık

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

VERİ KÜMELERİNİ BETİMLEME

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

Stokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Sürekli Rastsal Değişkenler

İSTATİSTİK I KAVRAMLARININ

İSTATİSTİK VE OLASILIK SORULARI

Transkript:

ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları ve olasılık fonksiyonları aşağıdaki gibidir. Kolilerin beklenen ortalama ağırlıkları ne kadardır? Sınıflar p(x) 5 x <10 7 1/2 x <15 12 1/4 15 x <20 17 3/16 x <25 22 1/16 1

X: koli ağırlığı B[X] = = 7. + 12. + 17. + 22. = = 11,0625 Bir elektronik devrenin kullanım ömrünün fonksiyonu; f(x) = gibidir. Ortalama beklenen kullanım ömrünü bulunuz. x: kullanım ömrü (saat) B[X] =. =. =( = 0+ = 200 saat 2

BEKLENEN DEĞER İŞLEMİNİN ÖZELLİKLERİ 1) u(x), x rassal değişkeninin bir fonksiyonu ise; B[u(x)] = 2) k; sabit bir sayı iken B[k]=k 3) k sabit bir sayı, u(x) x rassal değişkeninin bir fonksiyonu iken B[k.u(x)]=k.B[u(x)] BEKLENEN DEĞER İŞLEMİNİN ÖZELLİKLERİ 4) u(x) ve v(x) x rassal değişkeninin iki fonksiyonu, a ve b sabit sabit sayılar iken, B[a.u(x) + b.v(x)]=a.b[u(x)] + b.b[v(x)] olur veya B[ax + b ]= a.b[x] + b BEKLENEN DEĞER İŞLEMİNİN ÖZELLİKLERİ 5) X rassal değişkeninin beklenen değeri, ana kütle ortalama değerine eşittir. B[X]=µ şeklinde gösterilir. B[X]=µ iken B[X-µ] = B[X]-µ= 0 olur. 3

VARYANS V(X) = V(X) = B[ ] = B[ - 2xµ+ ] = B[ - 2 + ] = B[ - ] = B[ ]- V(X) = VARYANSIN ÖZELLİKLERİ k sabit bir sayı iken; 1-) V(X+k) = V(X) 2-) V(k.X) =.V(X) 3-) Varyansın pozitif kareköküne standart sapma denir. = V(X) = B[ ] = B[ ]- x rassal değişkenin olasılık yoğunluk fonksiyonu; f(x)= olarak verilmiştir. B[4x+3] değerini bulunuz. 4

f(x)= B[4X+3] =. = = 8 X rassal değişkeni bir üretim sürecindeki kusurlu parça sayısını göstermektedir. Kusurlu sayıları ve bunların olasılıkları aşağıda verilmiştir. X 0 1 2 3 P(X) 0,51 0,38 0,10 0,01 a)ortalama kusurlu parça sayısını bulunuz. b)kusurlu sayısının varyansını bulunuz. µ= = 0(0,51) + 1(0,38)+ 2.(0,10)+3(0,01) = 0,61 = V(X) = B[ ] = B[ ]- B[ ] = = 0.(0,5)+1(0,38)+4.(0,10)+9(0,01)= 0,87 = B[ ]- = 0,87 - = 0,4979 5

Bir ürünün haftalık talebinin olasılık yoğunluk fonksiyonu; f(x)= ortalama ve varyansını bulunuz. µ=b[x]= = = B[ ]- B[ ] = = = B[ ]- = - = f(x) = ( +1) ; -1 x 1 olasılık yoğunluk fonksiyonunun dağılım fonksiyonu, ortalama ve varyansını bulunuz. 6

= ( +3x+4) Dağılım fonksiyonu F(x) Ortalama µ=b[x]= = 0 Standart sapma B[ ] = = = B[ ]- = = 0,632 MOMENTLER Moment: a gerçel bir sayı iken, B[ ] ne x rassal değişkeninin a civarındaki r. momenti denir. B[ ] = Şeklinde gösterilir. B[ ] : x rassal değişkeninin aritmetik ortalama civarındaki r. momentidir. ( şeklinde gösterilir.) 7

ÖRNEĞİN: = B[ ] = varyans, x rassal değişkeninin aritmetik ortalama civarındaki 2. momentidir. a = 0 olursa x rassal değişkeninin sıfır civarındaki r. momentleri elde edilir. B[ ] = şeklinde gösterilir. X rassal değişkeninin sıfır civarındaki 2. momenti B[ ] = kareli ortalamadır. B[ ] = Standart sapmanın ortalamaya oranına değişim katsayısı denir. Değişim katsayısı: DK = X rassal değişkeninin aritmetik ortalamaya göre 3. momentinin e oranına çarpıklık ölçüsü denir. = X rassal değişkeninin aritmetik ortalamaya göre 4. momentinin e oranına basıklık ölçüsü denir. = 8

MOMENTLER ARASI İLİŞKİLER Momentleri aritmetik ortalamaya göre hesaplamak zaman alıcıdır. Bu yüzden sıfır civarındaki momentleri arasındaki ilişkilerle tarif edilir. Aritmetik ortalamaya göre r. moment; B[ ] = Sıfır civarındaki r. moment; B[ ] = iken, r= 1 ise = - µ =0 ( = B[ ] = B[X] = µ olduğu için ) r=2 ise = -2µ + = - = B[ ] - (aritmetik ortalama civarındaki 2. moment varyans B[ ] - ) r=3 ise, = -3µ +3 - = -3µ +3 - = -3µ +2 r= 4 ise, = -4µ +6-4 + = -4µ +6-3 Yani; =... 9

f(x) = X- sürekli rassal değişkenin olasılık yoğunluk fonksiyonu verilmiştir. a) X rassal değişkenin dağılım fonksiyonunu belirleyiniz. b) Ortalama ve varyansını bulunuz. c) Çarpıklık ölçüsünü bulunuz. d)basıklık ölçüsünü bulunuz. a)f(x) = = F(x) = b) B[X] = = = 2 = V(x) = - = 4,5-4=0,5 c) = = B[ ] = 0,5 = B[ ] = = = -3µ +2 = -3.2(0,5)+2. = = = = 67,32 10

= B[ ] = = 27 = -4µ +6-3 = 27-4.2. + 6.. 3. = 108,6 = = = 434,4 X rassal değişkenin olasılık fonksiyonu; p(x) = şeklinde verilmiştir. Aritmetik ortalama, varyans, standart sapma, değişim katsayısı, çarpıklık ve basıklık ölçülerini bulunuz. = B[X] = = + + = V(X) = B[ ] = B[ ]- ; = - = B[ ] = = + + = = 6 = - = 6- = 11

= = 0,745 = B[ ] = = = -3µ +2 = -3..6 +2. =- = = = -0,627 = B[ ] = = 46 = -4µ +6-3 = 46-4. + 6.. + 3. = = = = 2,0439 MOMENT ÇIKARTAN FONKSİYON h>0 ve t < h için B[ ] e x rassal değişkenin moment çıkartan fonksiyonu denir. (t) = B[ ] = 12

serisi; = 1+ t.x + +...+ (t) = B[ ] = 1+B[x].t + B ]. +...+ B ]. (t) =1+.t +. +... +. = sıfır civarındaki r. momenti : (t) = B[ ] = = + Moment çıkartan fonksiyonun t ye göre r. türevini alırsak t civarındaki r. momentini bulmuş oluruz. -devam: = = t = 0 koyarsak, sıfır civarındaki r. momentini bulmuş oluruz. = Elde edilir. Parametrelerin tahmininde kullanılabilir. 13

: X rassal değişkenin olasılık fonksiyonu; P(x) =.. ; x 0 Şeklindedir. Moment çıkaran fonksiyon yardımı ile aritmetik ortalama ve varyansını bulunuz. (t) = = İki terimlinin binom açılımından; (t) = = n.. = np[ (n-1) +. ] t= 0 olduğunda; = np (sıfır civarındaki 1. momenti) = np [(n-1)p+1] = = np = - = np[(n-1)p+1] - = np(1-p) =npq 14

: f(x)=λ. ; x 0 fonksiyonunun aritmetik ortalaması ve varyansı nedir? Aritmetik Ortalama = B[x] = = uv - = x. - + ).λ = 0+0+ =. = - = v u =x, du= dx Standart sapma = B[ ]- B[ ]= = = B[ ]- = - = 15