6. Uygulama. dx < olduğunda ( )

Benzer belgeler
2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

7. Ders. Bazı Kesikli Olasılık Dağılımları

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

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

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

Tahmin Edici Elde Etme Yöntemleri

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

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

ŞANS KISITLI STOKASTİK PROGRAMLAMA PROBLEMLERİNİN DETERMİNİSTİK EŞİTLİKLERİ Kumru Didem ATALAY 1, Ayşen APAYDIN 2 ÖZ

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Polinom İnterpolasyonu

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENTİTÜSÜ DOKTORA TEZİ SONLU KARMA DAĞILIMLARDA PARAMETRE TAHMİNİ. İnci AÇIKGÖZ İSTATİSTİK ANABİLİM DALI ANKARA 2007

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

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

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

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

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

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

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

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

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

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

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

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

İki veri setinin yapısının karşılaştırılması

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI

Rasgele Değişken Üretme Teknikleri

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

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

Đst201 Đstatistik Teorisi I

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Tanımlayıcı İstatistikler

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

Regresyon ve Korelasyon Analizi. Regresyon Analizi

İstatistik ve Olasılık

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.

İSTATİSTİK DERS NOTLARI

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

Box ve Whisker Grafiği

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

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

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

Ders 6: Sürekli Olasılık Dağılımları

9. Ders. Đstatistikte Monte Carlo Çalışmaları

TMOZ TMOZ. Pólya nın Sayma Teorisi. 1. Isınma Problemleri. Eylül 2006 Saygın Dinçer

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

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

Fark Denklemlerinin Çözümünde Parametrelerin Değişimi Yöntemi

6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes

REEL ANALĐZ UYGULAMALARI

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

WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

İstatistik ve Olasılık

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

MERKEZİ EĞİLİM ÖLÇÜLERİ

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

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

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

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

Analiz II Çalışma Soruları-2

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç

ŞANS DEĞİŞKENLERİNİN BEKLENEN DEĞER VE MOMENTLERİ

Yayılma (Değişkenlik) Ölçüleri

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Ara Değer Hesabı (İnterpolasyon)

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

Tanım : Bir rassal deney yapıldığında bir deneyin sonucu sadece iki sonuç içeriyorsa bu deneye Bernoulli deneyi denir.

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

0,1,..., n p polinomu bulma işlemine interpolasyon ve px ( )

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

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

SAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Karma Eğitim Ders Notları. Doç. Dr.

Zaman Skalasında Box-Cox Regresyon Yöntemi

NİÇİN ÖRNEKLEME YAPILIR?

1. KODLAMA KURAMINA GİRİŞ 1

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

6.046J/18.401J DERS 9. Post mortem (süreç sonrası) Prof. Erik Demaine

BEKLENEN DEĞER VE VARYANS

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

Transkript:

. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal sayı olma üzere: * * E g g sayısıa, D E g g d sayısıa E c değere c ye göre c momet der. E değere c momet der. * E ( ) değere belee değer der. E E( ) değere varyası der. * Alışagelmş olara br rasgele değşe belee değer µ veya sadece µ, varyası se Var ( ), σ veya sadece σ le de gösterlmetedr. Varyası areöüe stadart sapma der ve br rasgele değşe stadart sapması σ veya sadece σ le gösterlmetedr. değere c çarpımsal momet der. * Var olması halde, M ( t E e ), h < t < h ( h > ) osyoua momet ürete osyou veya momet çıara osyou der. * E ( )( ) ( + ) t * ϕ ( t ) E ( e ), t < R osyoua momet araterst osyou der. Ragele Vetörlerde Belee Değer Kavramı (,..., ) br rasgele vetör ve g : R R ye br osyo olma üzere, esl dağılımlarda,... g,,...,,,..., ) < ve sürel dağılımlarda,,,...,

... g,,...,,,..., d d... d,,..., olması halde,... g,,..., ),,...,,,..., ) E g (,,..., )... g,,..., ),,..., ) d d... d sayısıa g (,,..., ) belee değer der. <,,..., * (,..., ) br rasgele vetör olma üzere,,,..., ç E( )......,,..., ) +,,...,...,,..., d... d d... d,,..., + ) sayısı belee değer olma üzere, d ( ) Cov(, ) E E( ) ( E( )),,,,..., sayısıa le ovaryası ve Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Σ Cov(, ) Cov(, ) Cov(, ) rasgele değşeler varyas-ovaryas matrs der. matrse,...,. Cov(, ) sayısı σ ( σ Cov(, ) ) le de gösterlmetedr.,,..., ç σ Cov(, ) Var( ) (,..., ) br rasgele vetör ve Cov(, ) ρ,,,,,..., Var( ) Var( ) le arasıda orelasyo atsayısı olma üzere,

ρ, ρ, ρ, ρ, R ρ,, ρ matrse,..., rasgele değşeler orelasyo matrs der. * (,..., ) br rasgele vetör olma üzere (var olması halde), t+ t +... + t ) M ( t, t..., t ) E e, h< t, t..., t < h,..., osyoua (,..., ) vetörüü momet çıara osyou veya,..., rasgele değşeler orta dağılımıı momet çıara osyou der. * ϕ (,..., ) br rasgele vetör olma üzere, ( t + t +... + t ) ( t, t..., t ) E e, t, t..., t R,..., osyoua (,..., ) rasgele vetörüü araterst osyou der. Alıştırmalar:. a) a, b R olma üzere, ( a+ b) ) a ) + b ) a+ be( ) E( ) E( a+ b ) ( a+ b) ) d a ) d+ b ) d a+ be( ) E( ) ae + b b) Var( a+ b) E( a+ b E( a+ b) ) E( a+ b ae( ) b) ( ) ( ) E a ae a E E a Var

c) Var ( ) E ( E( )) E E( ) + ( E( )) ( E( )) + E E E E E d) Cov(, Y) E[ ( E( ))( Y E( Y ))] E[ Y E( ) Y E( Y ) + E( ) E( Y )] E( Y ) E( E( ) Y) E( E( Y )) + E( E( ) E( Y )) E( Y ) E( ) E( Y) E( Y ) E + E( ) E( Y ) E( Y ) E( ) E( Y) le Y bağımsız olduğuda, Cov(, Y) E( Y ) E( ) E Y E( ) E Y E( ) E Y e) Orta dağılıma sahp ola, Y gb rasgele değşe ç taımlaa, ρ, Y Cov(, Y ) Var( ) Var( Y ) orelasyo atsayısıa, Pearso orelasyo atsayısı der. ρ, Y orelasyo atsayısı le Y rasgele değşeler arasıda leer lş br ölçüsüdür. Şmd, ρ, Y olduğuu spatlayalım. E( ty ) E( ) te Y + t E Y, t R Bua göre, delem dsrmatı E Y t E Y t+ E( ) ( ) E Y E Y E 4 4 ( ) E Y E Y E( ) dır (Schwartz Eştszlğ). Burada, (( )( )) E E Y E Y E Y E (( )( )) E E Y E Y E Y E

(( )( )) E E Y E Y E Y E( ) ρ, Y elde edlr. Eştl olması ç gere ve yeter şart cy ( c R ) olması ρ, Y olduğuda le Y rasgele değşelere doğrusal lşszdr veya ısaca ρ orelasyo atsayısı yaı olduğuda lşszdr der., Y lş, - e yaı olduğuda güçlü egat lş vardır der. le Y arasıda güçlü pozt ley bağımsız ρ, Y ( ley doğrusal lşsz) ) a, b, c, d R olma üzere, Cov( a + b, c + d) E a b c d + + E a + b E c + d ace( ) + ade( ) + bce( ) + bd ace( ) E( ) ade( ) bce( ) bd ace( ) ace( ) E( ) accov(, ) g) ρ a+ b, c + b Cov( a + b, c + b) Var( a + b) Var( c + b) accov(, ) a Var( ) c Var( ) ac a c ρ, h),..., rasgele değşeler belee değerler ve ovaryasları mevcut olsu. a, a,..., a R olma üzere, E a a E( )

Var a a a Cov a Var + a a Cov (, ) ( ) (, ) +,..., rasgele değşeler bağımsız olduğuda ovaryaslar sıır olacağıda, Var a a Var( ) Var Var( ) Var( ± ) Var( ) + Var( ) ve a,,,..., ç Var Var( ),..., rasgele değşeler ayı ( µ ) ortalamalı, ayı ( σ ) varyaslı ve bağımsız oldularıda, σ E( ) E µ, Var( ) Var. Br rasgele değşe momet ürete osyou varsa, d M t E,, dt t

Belee değer şlec (operatörü) E, sürel rasgele değşelerde tegral, esl rasgele değşelerde toplam olma üzere, aşağıda E le d dt türev alma şlemler yer değştrebleceğ varsayılsı. d d t d t t M ( t) E( e ) E e E ( e ),,,,... dt dt dt olma üzere, Bezer yolda, elde edlr. d t M t E e E,,,,... dt t t M ( t, t..., t ),..., t M ( t, t..., t ),..., t t t, t,..., t t, t,..., t E ( ) E,..., rasgele değşeler bağımsız olduğuda,,..., t t ( t ) t t t ) M ( t, t..., t ) E e e... e E e E e... E e M ( t ) M ( t )... M ( t ),..., rasgele değşeler bağımsız ve ayı dağılımlı (ayı ortalamalı ve ayı varyaslı) olursa, olduça olay olmata soucuda ve ( ) M ( t) M ( t) M ( t) dağılımı ve rasgele değşeler dağılımlarıı elde etme t t t M ( t) M ( t) M M M soucuda dağılımı buluablr.

. rasgele değşe olasılı osyou, e λ λ,,,, ( λ > )! e λ λ olsu.,,,.. ç < olduğuda bütü mometler var! belee değer, λ λ e λ e λ E( )!! λ λ λ λ λe λe )!! λ + adesde aydalaara, elde edlr. Burada, buluur. λ ( ) e λ E E + E + λ! ( ) λ e λ + λ! λ + λ e λ + λ λ! ) λ Var E E λ rasgele değşe momet ürete osyou, λ λ t t t e λ e ( e λ) λ ( e λ) λ M ( t) e e e e!!! e t λ t λ ( e ) e, t R belee değer, dm ( t) t λ( t ) E( ) t λe e t λ dt c momet,

ve varyası, E d M ( t) t dt [ λete + ( λe ) e ] λ+ λ λ( e t ) ( t t λ e ) t Var( ) E( ) ( E ) λ + λ ( λ ) λ olara elde edlr. Öreğ, br rasgele değşe momet ürete osyou, t ( et ) e M ( t) e! se olasılı osyou, e ),,,,! 4. Br güde parça şleye br tora maası ç usursuz olara şledğ parçaları sayısı olsu. olasılı osyouu 4 ) 4,,,,,, ) 4 4 4 4 olduğu bls. Br güde üretle usursuz parça sayısıı belee değer (ortalaması), 4 4 E( ) ) + + + + 4 + 4 varyası, Var( ) E ( 4) 4) ) 4 4 ( 4) + ( 4) + ( 4) + ( 4) + (4 4) + ( 4) 4. Đşlememş parçaı alış değer a, şleme masraı b, usurlu şlemş parçaı hurda değer c ve usursuz şlemş parçaı satış değer d olma üzere gülü azacı belee değer edr? K rasgele değşe gülü azacı gösterme üzere, olara ade edleblr. K a + b + c + d ( c a b) + ( d c)

E( K) E ( c a b) + ( d c) ( c a b) + ( d c) E( ) Var( ) Var ( c a b) + ( d c) ( d c) Var( ) olma üzere, öreğ şlememş parçaı alış değer a TL, şleme masraı b TL, usurlu şlemş parçaı hurda değer c TL ve usursuz şlemş parçaı satış değer d TL olduğuda, K ( c a b) + ( d c) 9 + E( K) 9 + E( ) 9 + 4 Var 4 Var( ) 7 σ 7. Gülü azacı belee değer, başa br ade le ortalama gülü azaç TL dr. Gülü azacı olasılı dağılımı, 4 4 4 P( ) 9 + -9 - - - 4 4 P( K ) olma üzere, bazı gülerde TL azaç olduğu gb, 9, ya da TL ayıp söz ousu olablr..,, rasgele değşeler orta olasılı osyou,,,,,, ) + ), 4,,, olsu. E( ),, ) + ),, 4 + ) ( ) 4 + 4 4 olma üzere, bu belee değer maral dağılımıda da hezaplayablrz. maral olasılı osyou, ) + ),, 4 ve olasılı tablosu, olup ) / /

E( ) + E( ) değer hesaplayalım. E( ),, ) + ),, 4 + ) ( ) 4 + 4 9 9 4 9 olma üzere, bu değer (, ) vetörüü maral dağılımıda ( le maral orta dağılımıda) da bulablrz. le maral orta olasılı osyou,,, ),,,, ) + ) 4, (+ ), 4,, olma üzere, olasılı tablosu ) P( ) /4 /4 7/4 /4 /4 /4 4/4 /4 ) P( ) 9/4 /4 /4, E( ), ) (, ) + (,) + (, ) + (, ),,,, + (,) + (, ),, 7 4 + + + + + 4 4 4 4 4 4 9 9 4 9 Tabloda görüldüğü gb, maral dağılımıı olasılı tablosu, ) 9/4 /4 /4

9 7 E( ) + + 4 4 4 4 9 99 E( ) + + 4 4 4 4 99 7 Var( ) E( ) ( E( )) 4 4 Şmd,, rasgele değşeler varyas-ovaryas matrs hesaplamaya çalışalım. Đl öce şerl maral dağılımları elde edelm. Yuarıda, le maral orta olasılı osyou,,, ),,,, ) + ) 4, (+ ), 4,, olma üzere, olasılı tablosu ) P( ) /4 /4 7/4 /4 /4 /4 4/4 /4 ) P( ) 9/4 /4 /4 olduğuu bulmuştu. Ayrıca, E( ), E( ), Var( ) 9 7 7 7 E( ), E( ), Var( ) 4 4 9 E( ), Cov(, ) E( ) E E( ) 9 değerler böyle br tabloda olayca hesaplayablrz. Bezer şelde, le ü maral orta olasılı osyou,,, ),,,, ) + ) 4 + ),,,,, olasılı tablosu, ) P( ) / / / / / / 4/ 9/ ) P( ) / / 7/ ve

9 4 4 4 E( ), E( ), E( ), Var( ) E( ), Cov(, ) E( ) E( ) E( ) 7 le ü maral orta olasılı osyou, olasılı tablosu,, ),, ) + ),,, 4 ( + ),,,, ) P( ) / 4/ / / / 9/ ) P( ) / / ve 4 E( ), E( ), E( ) 4 Cov(, ) E( ) E E( ),, rasgele değşeler varyas-ovaryas matrs Cov(, ) Cov(, ) Cov(, ) Σ Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Cov(, ) Var( ) Cov(, ) Cov(, ) Cov(, ) Var( ) Cov(, ) Cov(, ) Cov(, ) Var( ) 9..4444 7.4444.9.7 7.7.4 7

ve oralasyo matrs, R 7 9 7 7 7 9 7 7.44.44.7.7 olara elde edlr.. (, Y ) rasgele vetörüü dağılımı, başa br ade le, Y rasgele değşeler orta dağılımı aşağıda olasılı tablosu le verls. y ) / / / / / / / / / / / Y ( y ) / / / olma üzere,, Y,, (),, Y, Y Y () olduğuda le Y bağımsız değldr. Faat, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y) ρ, Y Görüldüğü gb orelasyo atsayısı, Y ρ ola rasgele değşe bağımsız olmayablr.

Korelasyo atsayısıı büyülüğüü rdeleyelm y ) / / / / / / Y ( y ) / / / E( ), E( Y ), 4 E( Y ), 4 E( ), Var( ) 4 E( Y ), Var( Y ) Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y Görüldüğü gb, P( Y) P( Y ), ya le Y arasıda tam br leer lş olma üzere, orelasyo atsayısı ρ, Y le Y rasgele değşeler arasıda pozt br lş söz ousudur. Rasgele değşelerde br büyü değer aldığıda dğer de büyü, br üçü değer aldığıda dğer de üçü değer almata y ) / / / / / / / / Y ( y ) / / / olması durumuda, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y. % le Y rasgele değşeler arasıda olduça güçlü pozt br leer lş söz ousudur.

y ) / / / / / / / / Y ( y ) / / / olması durumuda, E( ) 4, E( ), Var( ) E( Y ) 4, E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y. % le Y rasgele değşeler arasıda olduça güçlü egat br leer lş söz ousudur. y ) / / / / / / Y ( y ) / / / olması durumuda, 4 E( ), E( ), Var( ) 4 E( Y ), E( Y ), Var( Y ) E( Y ), Cov(, Y) E( Y ) E( ) E( Y ) ρ, Y le Y rasgele değşeler arasıda tam egat br leer lş söz ousudur.

olması durumuda, y ) / / / / / / / / / / Y ( y ) / / / E( ), E( Y ), 7 E( Y ), ρ, Y 4 E( ), Var( ) 4 E( Y ), Var( Y ) Cov(, Y) E( Y ) E( ) E( Y ).-% le Y rasgele değşeler arasıda zayı, egat br leer lş söz ousudur. Maral dağılımları ayı ola yuarıda olasılı dağılımlarıı, orelasyo atsayıları le brlte br ez daha göz öüe alalım. y / / / ρ, Y y / / / ρ, Y y / / / / / ρ, Y %

y / / / / / ρ, Y % y / / / / / / / ρ, Y - % y / / / / / / / / ρ, Y ve y ) 9/4 /4 9/4 / /4 4/4 /4 / 9/4 /4 9/4 / Y ( y ) / / / olması durumuda le Y rasgele değşeler bağımsız (orta olasılılar maraller çarpımı) olduğuda ρ, Y 7. (, Y, Z ) rasgele vetörüü olasılı yoğulu osyou, z + y) e, < <, < y <, z >, Y, Z, y, z), d. y. olsu. ve (, Y, Z ) vetörüü varyas-ovaryas matrs le orelasyo matrs bulalım. maral olasılı yoğulu osyou, z ) + y) e dydz z + y) + y) dy e dz + y) dy y+, <y< y

ve 7 E( ) ) d ( + ) d + 4 E( ) ) d + ) d + 4 7 Var( ) E( ) ( E( )) 44 Y maral olasılı yoğulu osyou, z ( y) + y) e ddz Y ve z + y) + y) dy e dz + y) d y+, << y y 7 E( Y ) yy ( y) dy y( y+ ) dy + Y y 4 y y E( Y ) y ( y) dy y ( y+ ) dy + 4 7 Var( Y) E( Y ) ( E( Y )) 44 Z maral olasılı yoğulu osyou, y z z ( z) + y) e ddy e + y) ddy Z z y) + z z e dy e y + dy e, z> Z rasgele değşe θ parametrel üstel dağılıma sahptr ve E( Z ) Var( Z )

le Y orta maral olasılı yoğulu osyou, olma üzere, z, Y, y) + y) e dz + y, < <, < y<, y, z), y) ( z), Y, Z, Y Z Z rasgele değşe le Y rasgele değşelerde bağımsız Bua göre, Cov(, Z) Cov( Y, Z) Cov(, Y) hesabıa gelce, olma üzere, E( Y) y, y) ddy, Y y+ y) ddy y ( y ) + dy y y y y + dy ( + ) y 7 7 Cov( Y ) E( Y ) E( ) E( Y ) 4 (, Y, Z ) rasgele vetörüü varyas-ovaryas matrs Var( ) Cov(, Y ) Cov(, Z) 44 4 Cov( Y, ) Var( Y ) Cov( Y, Z) Σ Cov( Z, ) Cov( Z, Y ) Var( Z) 4 44 ve oralasyo matrs,

4 44 44 R 4 44 44 -.77 -.77 olara elde edlr.. a),..., rasgele değşeler bağımsız ve ayı λ parametrel Posso dağılıma sahp olsu. olma üzere, M t e λ,,..., ( e ) t, λ( et ) λ ( et ) M ( t) M ( t) ( e ) e rasgele değşe parametres λ ola Posso dağılımıa sahptr. b),..., rasgele değşeler bağımsız ve ayı θ parametrel üstel dağılıma sahp olsu. olma üzere, M t t ( θ ),,,..., ( θ ) M ( t) M ( t) ( t) ( θt) rasgele değşe parametreler Γ( θ, ) M t t θ t M ( θ ) ( t) α ve β θ ola gamma dağılımıa sahptr.

θ Γ ( α, β ) c),..., rasgele değşeler bağımsız, ayı µ ortalamalı ve ayı σ varyaslı Nµσ (, ) ormal dağılımıa sahp olsu. olma üzere, µ+ t σ t M ( t) e,,,..., + σ t t+ σ t t M ( t) M ( t) e e µ µ N( µ, σ ) t σ σ t t t t µ + µ + M ( t) M e e σ N( µ, ) 9.,..., rasgele değşeler bağımsız ve ayı b(, p ) Beroull dağılımıa sahp olduğuda, Y b(, p) rasgele değşe aldığı değerler, y,,,..., olma üzere olasılı osyou, y y Y ( y) P( Y y) P( y) p q, y,,,..., y Y rasgele değşe aldığı değerler, değerler alması olasılıları ) P( ) P( ) P( y) p y q y,,,,,..., y,,,,..., bu

. a) Bell br tür pl ç dayama süres N( µ ( saat), σ ) dağılımıa sahp olduğu bls. Bu dağılımı olasılı yoğulu osyouu grağ,....4. 4 4 Bu pller arasıda rasgele seçle pl dayama süreler ortalamasıı göz öüe alalım. tae pl dayama süreler,..., rasgele değşeler olma üzere, bu rasgele değşeler her br N ( µ, σ ) dağılımıa sahptr. Ayrıca,,..., ler bağımsız se, rasgele değşe olasılı yoğulu osyouu grağ, Nµ (, σ )....... 4 4 (, ) rasgele değşe olasılı yoğulu osyouu grağ,..4... 4 4

b) Bell br tür eletro parça ç dayama süres ayı θ yıl ortalama le üstel dağılıma sahp olduğu bls. Bu dağılımı olasılı yoğulu osyouu grağ,.... 4 4 Bu parçalar arasıda rasgele seçle taes dayama süreler ortalamasıı göz öüe alalım. tae parçaı dayama süreler,..., rasgele değşeler olma üzere, bu rasgele değşeler her br θ parametrel üstel dağılıma sahptr. Ayrıca,,..., ler bağımsız se, Γ ( α, β ) rasgele değşe olasılı yoğulu osyouu grağ,....... 4 4.4 Γ ( α, β ) rasgele değşe olasılı yoğulu osyouu grağ,....... 4 4