Ders 4: Rastgele Değişkenler ve Dağılımları

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

Ders 6: Sürekli Olasılık Dağılımları

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2

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

1.58 arasındaki her bir değeri alabileceği için sürekli bir

Rassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

SÜREKLİ OLASILIK DAĞILIŞLARI

İstatistik ve Olasılık

Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

Tesadüfi Değişken. w ( )

RD lerin Fonksiyonları

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

3.Ders Rasgele Değişkenler

Appendix B: Olasılık ve Dağılım Teorisi

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

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

İstatistik ve Olasılık

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

OLASILIK ve KURAMSAL DAĞILIMLAR

Deney Dizaynı ve Veri Analizi Ders Notları

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

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

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

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

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

Ders 6: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları

SÜREKLİ DÜZGÜN DAĞILIM

Merkezi Limit Teoremi

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

TEK BOYUTLU RASSAL DEĞİŞKENLER

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

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

Dr. Mehmet AKSARAYLI

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

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

İstatistik I Ders Notları

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.

UYGULAMALI MATEMATİK ÇÖZÜMLÜ SORU BANKASI

SÜREKLİ RASSAL DEĞİŞKENLER

İSTATİSTİK I KAVRAMLARININ

Olasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları

Rastgele değişken nedir?

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

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

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

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

Sürekli Rastsal Değişkenler

Probability Density Function (PDF, Sürekli fonksiyon)

ZMY501 Mühendislikte İstatistik Yöntemler

Kümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx

13. Olasılık Dağılımlar

Ders 8: Verilerin Düzenlenmesi ve Analizi

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

İçindekiler. Ön Söz... xiii

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI

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

İÇİNDEKİLER ÖN SÖZ...

Birden Fazla RDnin Bileşik Olasılık Fonksiyonları

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

İSTATİSTİK VE OLASILIK SORULARI

Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

İstatistik ve Olasılık

BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI

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

KESİKLİ DÜZGÜN DAĞILIM

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

SÜREKLİ( CONTINUOUS) OLASILIK

Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir.

Bekleme Hattı Teorisi

YAZILI SINAV SORU ÖRNEKLERİ MATEMATİK

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

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

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

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

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

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


Matematik Ders Notları. Doç. Dr. Murat Donduran

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

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

Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları

BİNOM AÇILIMI. Binom Açılımı. çözüm. kavrama sorusu. çözüm. kavrama sorusu. ö æ ö æ ö,,

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

Y = f(x) denklemi ile verilen fonksiyonun diferansiyeli dy = f '(x). dx tir.

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

İSTATİSTİKSEL PROSES KONTROLÜ

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

Transkript:

Ders 4: Rastgele Değişkenler ve Dağılımları

Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans

Örnek uzaydaki her elemanı bir sayıyla eşleştiren fonksiyona rastgele değişken denir. Her rastgele değişleni tanımlayan bir (kümülatif) dağılım fonksiyonu vardır F x = P X x F x sürekli artan bir fonksiyondur lim F x x = 0 lim F x x = 1

Eğer örnek uzay belirli sayıda elemandan ya da sayılabilir sayıda elemanın sonsuz serisinden oluşuyorsa (mesela tam sayılar), buna kesikli örnek uzay denir. Kesikli örnek uzaydaki elemanları bir sayıyla eşleştiren fonksiyonlara kesikli rastgele değiken denir. Kesikli rastgele değişkenler için olasılık fonksiyonu tanımlıdır: f x = P X = x F x = P X x = f x i x i x

10 metre uzunluğundaki sentetik kumaş parçasındaki defo sayısını belirten X rastgele değişkeni aşağıda gösterilen olasılık fonksiyonuna sahiptir. x 0 1 2 3 4 f x 0,41 0,37 0,16 0,05 0,01 a) X in kümülatif dağılım fonksiyonu nedir? b) 10 metredeki defo sayısının 2 den fazla olma olasılığı nedir? c) 10 metredeki defo sayısının en fazla 1 olma olasılığı nedir?

a) F x = x 0 1 2 3 4 f x 0,41 0,37 0,16 0,05 0,01 0 0,41 0,78 0,94 0,99 1 x < 0 0 x < 1 1 x < 2 2 x < 3 3 x < 4 4 x b) 1 F 2 = 1 0,94 = 0,06 c) F 1 = 0,78

İki zar aynı anda atılıyor. X rastgele değişkeni zarların üstünde gelen sayılardan büyük olanı olsun. X in olasılık fonksiyonu nedir? f x = 1/36 3/36 5/36 7/36 9/36 11/36 0 x = 1 x = 2 x = 3 x = 4 x = 5 x = 6 diğer x

Bir rastgele değişken bir ya da birden fazla aralıktaki her gerçek (reel) değeri alabiliyorsa buna sürekli rastgele değiken denir. Sürekli rastgele değişkenler için olasılık yoğunluk fonksiyonu tanımlıdır: x F x = f t dt

Bir öğretim üyesi dersini hiç bir zaman zamanında bitirememekte, dersin süresinden sonraki iki dakika içinde bitirmektedir. X rastgele değişkeni, dakika olarak dersin süresinden sonra geçen zamanı göstersin. X in yoğunluk fonksiyonu f x = kx2 0 x 2 0 diğer olsun a) k nın değeri kaçtır? b) dersin süresinden sonraki bir dakika içinde bitme olasılığı kaçtır?

f x dx = 2 kx 2 dx 0 = 1 3 kx3 x=2 = 8 3 k k = 3 8 1 3 1 8 x2 dx = 0 3 3 8 x3 = 1 x=1 8

Aynı deneylerin sonucu olan birden fazla rastgele değişken olabilir, örneğin: Bir kimya deneyinin sonunda ortaya çıkan sıcaklık ve ph. Bir hastanın yaşı ve kilosu Bir banka müşterisinin aylık kredi kartı harcaması Ortak dağılım fonksiyonu: F x, y = P X x, Y y

Örnek uzak kesikli ise Ortak Olasılık Fonksiyonu aşağıdaki gibi tanımlanır: f x, y = P X = x, Y = y Örnek uzay sürekli ise Ortak Olasılık Yoğunluk Fonksiyonu aşağıdaki gibi tanımlanır: δ 2 F x, y = f x, y δxδy

Tek bir değişkene ait marjinal olasılık (yoğunluk) fonksiyonu, ortak olasılık (yoğunluk) fonksiyonunun diğer değişken üzerinden toplanması (integrali) ile bulunur: g x = y f x, y h y = x f x, y g x = f x, y dy h y = f x, y dx

Bir süpermarkette hem normal hem de ekspres kasa vardır. X 1 normal kasada bekleyen müşteri sayısını, X 2 ekspres kasada bekleyen müşteri sayısını göstersin. X 1 ve X 2 nin ortak olasılık fonksiyonu aşağıdaki tabloda verildiği gibi olsun. x 1 x 2 0 1 2 3 0 0,08 0,07 0,04 0,00 1 0,06 0,15 0,05 0,04 2 0,05 0,04 0,10 0,06 3 0,00 0,03 0,04 0,07 4 0,00 0,01 0,05 0,06

x 2 x 1 0 1 2 3 0 0,08 0,07 0,04 0,00 1 0,06 0,15 0,05 0,04 2 0,05 0,04 0,10 0,06 3 0,00 0,03 0,04 0,07 4 0,00 0,01 0,05 0,06 a) Her iki sırada da birer müşteri olması olasılığı nedir? b) Her iki sırada da aynı sayıda müşteri olması olasılığı nedir? c) Bir kasada diğerinden en az iki fazla müşteri olması A olayı olsun. A yı X 1 ve X 2 olarak ifade edip olasılığını hesaplayın d) İki kasada toplam 4 müşteri olma olasılığı nedir? e) İki kasada en az 4 müşteri olma olasılığı nedir?

a) P X 1 = 1, X 2 = 1 = f 1,1 = 0,15 b)p X 1 = X 2 = x 1 f x 1, x 1 = 0,08 + 0,15 + 0,10 + 0,07 = 0,4 c) P A = P X 1 X 2 + 2 + P X 2 X 1 + 2 = 0,04 + 0,04 + 0,05 + 0,01 + 0,03 + 0,05 + 0,04 = 0,24 d) P X 1 + X 2 = 4 = 0,03 + 0,10 + 0,04 = 0,17 e)p X 1 + X 2 4 = 3 4 x2 =4 x 1 f x 1, x 1 = 0,46 x 1 =0

Bir rastgele değişkenin alabileceği tüm değerlerin ağırlıklı ortalamasıdır. Rastgele değişkenin merkezi yönelimi için bir göstergedir. μ x = E X = xf x x μ x = E X = xf x dx E ax + b = b + a E x

Bir tesisteki haftalık propan gazı tüketimininin metreküp birimi ile gösteren X rastgele değişkeninin olasılık yoğunluk fonksiyonu aşağıdaki gibidir: f x = 2 1 1 x 2 1 x 2 0 diğer yerlerde a) X in beklenen değeri kaçtır? b) Haftalık tüketimin ortalamadan az olma olasılığı nedir?

2 μ x = x 2 1 1 x 2 1 2 dx = 2 x 1 x 1 dx = 2 x2 2 ln x x2 2 ln x x=2 x=1 = 3 2 ln 2 1,614 P X < μ x = 2 1 1 x 2 dx = 1 μ x = 2x + 2 x x=1,614 2x + 2 x x=1 0,47 = 2 2 ln 2 1 2

Beklenen değere olan uzaklığın karesinin ağırlıklı ortalamasıdır. Değişkenlik (yayılım) için bir göstergedir. σ x 2 = Var X = E X μ x 2 σ x 2 = σ x 2 = X μ x 2 f x X μ x 2 f x dx

Varyansın kareköküne standart sapma denir σ x = Var X Varyans hesaplamak için kısayol: Var X = E X 2 E X 2 Var ax + b = a 2 Var X Var X + Y = Var X + Var Y

Bir önceki alıştırmadaki propan gazı tüketiminin varyansı nedir? 2 E X 2 = x 2 2 1 1 x 2 dx = 2 x2 1dx = 1 1 2 2 1 3 x3 x x=2 1 3 x3 x x=1 = 2 4 3 = 8 3 Var X = E X 2 E X 2 = 8 3 1,6142 0,0617

Üç madeni para atılıyor, X rastgele değişkeni tura gelenlerin sayısı olsun. Buna göre μ x ve σ 2 x kaçtır? S = YYY, YYT, YTY, YTT, TYY, TYT, TTY, TTT 1 8 0, 3 f x = 3 8 1, 2 0 diğer yerlerde μ x = xf x = 0 1 8 + 1 3 8 + 2 3 8 + 3 1 8 = 3 2 E X 2 = x 2 f x = 0 2 1 8 + 12 3 8 + 22 3 8 + 32 1 8 = 3+12+9 2 8 = 3 σ x 2 = E X 2 E X 2 = 3 3 2 = 3 4