Professional Documents
Culture Documents
!
"
!#
$$
1 1
Eå l 2 ,....., | yazarız. a , b = 0 iken kullanırsak
| |
1 1
Eå l 2 ,....., | yazarız. Eå å l Eå 2 ..... E å |
| |
yazılır.
1
Fakat, i = 1,2,3,....,| için E( i) = D olduğundan E å D D D .... D=
|
1
.å|.D D bulunur.
|
c pitle 2,4,6,8 olarak verilsin. Yerine koymaksızın bu kitleden 2 birimlik
örneklem seçelim. Örneklem ortalamasının beklenen değerini bulunuz.
Ë)*
X 3 4 5 6 7 8 9
P( X A x ) 0,1 0,1 0,2 0,2 0,2 0,1 0,1
1
A .å2 4 6 8 10 A 6 olduğundan ( X ) çakışmaktadır.
5
2x
Var å dir.
N
&'( Var å Eå
2
dir. O halde
2
.....
1
Var å
E 1 2 N
2 Eå 1 å 2 ..... å N 2 ,
N N
=
1
N2
Eå 1
2
å 2
2
........ å N
2
ikili karsilikli carpimlar , yazılır. Burada
35
Sonuçların X1 ve X2 olduğu iki zarın atılması deneyi için ar åX =
24
olduğunu gösteriniz.
35
Ë)* ' 2 ±1 ' 2 ±2 ' 2 ± dir. O halde aeorem 2¶den;
12
2
35/12 35
Var å
x
bulunur.
| 2 24
3 3
åß A ve åß A dir.
2 8
Ë)* Paraların her birinin ayrı ayrı üç kez atılmasındaki turaların sayısı sırasıyla
X1, X2 olsun. O halde; (X1) = (X2) = D = 3/2 ve, ar(X1) = ar(X2 ) = ¾ olur.
3 3
Böylece aeorem 1 ve aeorem 2¶yi kullanarak; å ve å bulunur.
2 8
%( pitle sonsuz öğeli olduğundan bu kitleden seçilen rasgele örneklemdeki X1,
X2,....,XN ler bağımsız iseler örneklem ortalamasının varyansı
2
Var å formülü verilmiştir. pitle sonlu ise |P kitle büyüklüğü olmak üzere
|
2
Ortalamaların varyansı x , sonlu say da öğeden oluşan bir kitlenin büyüklüğünü ve
N bu kitleden tekrar yerine koyma yolu ile seçilen bir örneklemin büyüklüğünü gösterirse, N
büyüklüğünde tüm olanakl örneklemler için ortalamalar n ortalamas ȝ x , kitle ortalamas D
ye eşittir.
1
Ortalamaların varyansı 2
x , kitle varyans '2 nin çarp m na eşittir. Yani; x = D
|
2 1 2
ve x = . dir.
|
gösteriniz.
7
7!
Örneklem sayısı A A 21 olacaktır.
2 2!.5!
åß A ± 1/21 1/21 1/21 2/21 2/21 2/21 3/21 2/21 2/21 2/21 1/21 1/21 1/21
1 1 1 231
Dir. ß nin beklenen değeri : å = 8. å8,5 . .... 14. A A 11
21 21 21 21
2
x A
52,50
21
A
1 21
21 i A1
å
i Eå
2
bulunur. Böylece
2 Np N 6.å7 2 6 5
2
x A 2.50 A . A A . A 2,5 ve Eå A ȝ A 11 elde edilir.
N Np 1 å7 1 .2 2 6
%.
X1, X2,......... XN¶ler bilinmeyen D ortalamalı ve ' 2 varyanslı normal dağılıma
'2
sahipse, ß de D ortalamalı ve varyanslı, normal dağılıma sahiptir.
|
x
Ayrıca, X~N(D, '2) normal dağılıma sahipse ; Z A değişkeni bir standart
ı
normal dağ l ma sahiptir. Örneklem varyans n incelemeye geçmeden önce ispat etmeksizin
son derece önemli bir teoremi vereceğiz.
X
ZA ile tan mlanan Z rasgele değişkeni N nin büyük değerleri için (N > 30)
ı
N
yaklaş k olarak standart normal dağ l ma sahiptir.
a) åX 1 X 2 A 1 2
2 2
b) Var åX 1 X 2 A
1 2
dir.
N M
+ ar(y) kullanarak ar å1 2 ar å1 ar å 2 yazarız. O halde aeorem 2¶nin
2 2
kullanılmasıyla ar å1 2
1 2
elde edilir.
|
1 |
å i
2 2
x
| 1 i 1
%3 X1, X2,.....,XN ler i = 1,2,....,N için (Xi) = D ar(Xi) = '2 olan bağımsız
rasgele değişkenlerse (S2x) = '2 dir.
1 | 2
1
&'( Eå
| 2
2
x E å i E å i yazılır. ß ! yi
| 1 i 1 | 1 i 1
åå i ȝ åȝ şekline yazar ve son eşitlikte yerine koyarsak,
1
E å 2
x E å i ȝ åȝ
|
| 1 i 1
2
1
E å i ȝ
| 1 i 1
|
2
2.å i ȝ åȝ åȝ
2
1
|
E å i ȝ
| 1 i 1
2
| å - ȝ
2
2|.åȝ
2
1
| 2
E å i ȝ |.E å - ȝ
2
| 1 i 1
2
bulunur. O halde E å i ȝ ve aeorem 2 den E å ȝ
2 2 2
eşitliklerinin
|
1 ı2
kullanılmasıyla, E å 2
. |.ı 2
|. ı 2
bulunur.
| 1
x
|
4- Akla, sezgiye veya bazı verilere dayanarak gelecek bir şeyi, olayı
kestirmedir.
4- Belli bir ana kitleden alınan örneklem yardımıyla bu ana kitlenin
uyduğu bölünme şeklinin bir veya birkaç parametresinin değeri araştırmaktadır. Burada
kullanılan parametre bir ana kitlenin benzer yapıdaki diğer kitlelerden ayırdedilebilmesini
sağlayan ³aritmetik ortalama´, ³varyans´, ³oran´ vb... bir ölçünün genel ifadesidir.
aahmin yoluna, özellikle ana kitlenin çok büyük olduğu ve parametrelerin doğrudan
hesaplanmasının mümkün olmadığı hallerde başvurulmaktadır.
(a) = ise a istatistiğine bir parametresinin yansız tahmin edicisi denir.
istatistiği, yani örneklem ortalaması, kitle ortalaması D için bir yansız
tahmin edicidir.
(4-&- Bilinmeyen ana kitle parametresi önceden belirlenen bir
olasılık düzeyine ve örneklem sonuçlarına göre hesaplanacak bir aralıkta bulunması olabilir.
Bir parametrenin değerinin bu şekilde tahmin edilmesine ³aralık tahminlemesi´ denir.
Aralık tahminlemesi söz konusu ise, ana kitlede tekrar tekrar örneklemler elde
edilerek her defasında aralık tahmini yapılır ve böylece çok sayıda aralık hesaplanmış olur.
İyi bir aralık tahmini ana kitle parametresini en çok kapsayan aralık tahminidir. Aralıklar ise
isabet derecesi yüksek olmaktadır. Bu şekilde olan aralık tahminleri güven aralığı olarak da
kullanılmaktadır.
Şekil 10.3.1 de a1, a2, a3 gibi üç tahmin edicinin dağılımının grafiği görülmektedir.
Dikey eksen üzerinde tahmin edicinin olasılık yoğunluğu işaretlenir. Yatay eksen üzerinde a1,
a2, ve a3 değerleri yer alır. tahmin edilecek olan parametredir. a1 yanlı olduğundan a1¶e
göre a2 tercih edilir. a3 ise a2¶den daha küçük varyansa sahip olduğundan a2¶ye göre a3 tercih
edilir.
-
$
aahminlerin iyi birer tahmin olabilmeleri için bazı özelliklere sahip olmaları
gerekmektedir. Sırasıyla incelenecek olan kriterler şunlardır :
c1!
6
$
ğer bir istatistiğin beklenen değeri tahmin edilmek istenen ana kitle parametresine
eşit yani (t) = ise, söz konusu istatistik ana kitle parametresinin ³sapmasız´ (sistematik
hata içermeyen) bir tahminidir. Bu tarafsızlık olarak da bilinir.
(a) örnekleme ana kitle parametresi için sistematik hata içeren bir tahmin
olur ve (a) - farkına sapma denir.
Seçim ³iadeli´de ³iadesiz´ de olsa åx ȝ dur. Yani örneklem ortalaması ana kitle
ortalamasının sapmasız bir tahminidir. İadeli seçim halinde örneklem varyansı, ana kitle
varyansının sapmasız bir tahminidir. Yani; ås 2 ı 2
dir.
Ayn s2 iadesiz seçimde ise, '2 için sapmal bir tahmin olmaktad r. Bu durumda
n 2
2
sapmas z bir tahmin, s dir.
n 1
17
Biraz önce, n büyük olduğu takdirde standart hatanın küçük olacağı, diğer bir
deyimle söz konusu ana kitle parametresi ile örnek istatistiği arasındaki farkın az olacağını
belirtmiştik. Dolayısıyla n, N¶ye yaklaştıkça n h N örnekleme istatistiği de ana kitle
parametresine yaklaşacaktır. Söz konusu örneklem ortalaması ± , n büyüdükçe D¶ye
yaklaşacaktır. ± h D (n h N durumunda) çünkü, n = N durumunda ± = D olacaktır. Yani,
tahmin hatası sıfıra eşit olur. Aşağıdaki gibi tanımlanan; Lim P åa ș A1 ( çok küçük
nhN
+1
åa1
(a1 ve a2 ana kitle parametresinin sapmasız ve tutarlı iki tahminidir.)
åa2
!%89 %: en küçük varyansa sahip tahmin en etkin tahmindir. O halde, herhangi bir
tahminle ilgili varyansın min. olup olmadığını bilmek gerekir. Nitekim böyle bir min.
varyansın bulunduğu ve bir tahminin varyansının '2/n yani min. olduğundan ana kitle
ortalamasının (D ) tahmininde ± en etkin tahmin olmaktadır.
,1 "
Bir tahminin iyi bir tahmin olarak nitelendirilmesi için gerekli bir diğer özellik
tahmin değerinin hesaplanmasında örneklemdeki bilgilerin tamamından yararlanıp
yararlanılmadığına ilişkindir. Bu özelliğe yeterlilik denilmektedir ve buna göre, örneklem
ortalamasının ( ± )veya örnek oranı (p), D ve parametrelerinin yeterli birer tahminidirler;
fakat mod ve medyan (bölünme asimetrik ise) örneklemdeki bütün değerler dikkate alınarak
hesaplanmadığından ana kitle ortalamasının tahmini olarak yeterli değildir. Bir ana kitleden
çekilmiş olan örnekleme dayanılarak yapılan nokta tahmini ³sapmazlık´, ³tutarlılık´, ³etkin´
ve ³yeterli´ olsa bile içerdiği tahmin hatası payının belirlenmesi mümkün değildir. Böylece
bir sakınca taşıyan nokta tahmini yerine, tahminin isabet derecesinin hesaplanmasına imkan
saplayan aralık tahmini tercih edilir. Bu nedenle, nokta tahminlemesi konusuna burada son
verip aralık tahminlemesi konusuna geçeceğiz.
å
2
2
her ikisi de D¶nün yansız tahmin edicisidir. Bununla beraber; Var(X1 ) A .Var X A dir.
|
daha küçük varyansa sahip olduğundan 1 ¶e göre tercih edilir. Daha küçük varyansa sahip
olma ve yansız olma ölçütlerinin birleştirilmesi bizi aşağıdaki tanıma götürür.
.17
"
!
Bir a istatistiği nın bir yansız tahmin edicisi ve diğer herhangi bir yansız tahmin
ediciden daha küçük varyansa sahipse bu istatistiğe ¶nın --8;<&(4--5-&-
denir. X1,X2,.......,X N bilinmeyen D ortalamalı ve bilinmeyen '2 varyanslı normal bir dağılıma
sahipse, ß ve S2x nin sırasıyla D ve '2 nin minimum varyans yansız tahmin edicileri olduğu
gösterilebilir.
#
"
!
!
aahminlenmek istenen parametreyi en çok içine alan aralık iyi bir aralık tahminidir.
aahminleyicinin tahminlenmek istenen parametreyi içine alma oranına ' tahminleyicinin
güven katsayısı, tahminleyicinin kendisine de güven aralığı denir. aahminin daha faydalı bir
yöntemi yüksek olasılıkla D ¶yü kapsayan bir aralık hesaplamaktadır. Bir yığın başlıca
örnekten hareketle nasıl tahmin edileceğini gördük. Şimdi de bu tahminlerin güvenirliğini
belirtelim.
özelliklere sahip olduğundan, onun üzerinde aralığı daha iyi kurabiliriz. bilinen ' 2
varyanslı bir normal yoğunluktan alınan N rasgele değişkenden bulunmuş ise aeoremden
Z Į
Z Į
1
2
1
2
Z1Į 0 Z1Į
Z birim normal eğri üzerinde öyle nir noktadır ki Şekilde gösterildiği gibi onun
solunda eğri altında kalan Z1- nın solundaki alan 1- dır. Z Į ve Z Į arasında kalan alan
1
2 2
1- dır.
Z1 Z Z1 1
2 2
d r. Bu eşitsizlikleri düzenlersek å1,96 . ȝ å1,96 0,95
N N
yazar z. aan mdan; å1,96 . ȝ å1,96 aras ndaki fark D¶yü 0,95
N N
olas l kla kapsar. Burada D bir sabittir ve D ¶nün aral kta olmas olas l ğ ndan bahsedemeyiz.
Her yeni örneklem için yeni bir değer vereceğinden aral kta değişecektir. Bir örneklem
al nd ğ nda ¶nin değeri x hesapland ğ nda aral k tam olarak saptanm ş olur ve D¶yü kapsar
yada kapsamaz. diğer pek çok değere sahip olacağ ndan her bulunan değere bir aral k
karş l k gelir ve bu aral klar n %95¶i bilinmeyen D ¶yü kapsayacakt r. %95 güvenlikle
diyebiliriz ki hesaplanan özel bir aral k D¶yü kapsar.
Bir tarım bölgesinde incelenen 35 parselde ortalama verimi dekar başına
250 kg olarak saptanmıştır. Standart sapma 100 kg. olarak bilindiğine göre %5¶lik hata ile
bölgenin ortalama verimini tahminleyiniz.
= 0,05 1 ± = 0,95
1- güven katsayılı güven aralığı bir nokta tahmininin doğruluğunun bir tahminini
verir. D aralığın gerçekten merkezi değeri ise , D¶yü hatasız tahmin eder. Çoğu kez x , D¶ye
tam olarak eşit olmaz ve nokta tahmininde hata vardır. Bu hatanın büyüklüğü x ve D
arasındaki fark olacaktır.
ı
nedenle x ve D arasındaki fark mutlak değerce e . den küçük kalır.
1
2
|
#="=
>
aüm kitleyle ilgili veri toplamak oldukça pahalı olacağından kitleden örneklem
seçeceğimizi biliyoruz. Büyük örneklem seçmekte pahalıdır. Fiyatı aşağı çekmek için küçük
örneklem seçmek isteriz. Öte yandan kitle parametrelerinin ³iyi´ tahminlerini elde etmek için
yeterli büyüklükte örneklem seçilmelidir. Örneklem büyüklüğü ne olmalıdır sorusunun yanıtı
üç faktöre bağlıdır:
e e
' '
- . X X .
1 | 1 |
2 2
aürkiye¶de her bir şahsın yiyecek için yaptığı aylık ortalama harcamayı
tahmin etmek amacı ile N = 49 kişinin rasgele seçildiğini kabul edelim. Örneklem ortalaması
x = 500 birim lira olsun. Geçmiş tecrübeler gösterir ki kitle standart sapması, ' = 90 birim
liradır. Her bir şahsın yiyecek için yaptığı aylık ortalama harcama için %95¶lik güven
aralığını bulunuz. Güven aralığının genişliğinin 20 birim lira olabilmesi için örneklem
büyüklüğü ne olmalıdır?
Ë)*
- 0 ,975 1,96
1
2
90
-- xZ Į . A 500 1,96. A 474,80
1
2 N 7
90
xZ Į . A 500 1,96. A 525,20
1
2 N 7
2. . 20 yazılırsa
1 |
2
2 |p | 90 2 1200 49
x . . 500 1,96. . 500 24,69 olarak bulunur.
1
2
| |p 1 49 1200 1
Bir güven aralığının temel fikrinden memnun kalmak için olasılığı birelatif frekans
olarak düşünmek daha iyidir. | hacmindeki 100 örneklem alırsak 1 - güven katsayılı 100
farklı güven aralığına sahip olacağız. Bu 100 aralığına = 0,05 içi 95 inin D yü kapsadığını
ve bunların 5 inin D yü kapsamadığını umut edecektir. Şüphesiz uygulamada yalnız bir aralığa
sahibiz ki onun için D yü 0,95 olasılıkla kapsıyor diyoruz.
"
! #
!
normal yoğunluğa sahip olduğunu söylememize izin verdi. Çoğu kez gerçek problemlerde '2
adı verilen
å ȝ |
istatistiği alınır. Yani; t | 1 A
å ȝ dir. S x A
Sx
gösterimine
Sx Sx |
|
ortalamanın örneklem standart hatası denir.
t Y a eğrisi üzerinde öyle bir noktadır ki aşağıda gösterildiği gibi t Y ¶in
soluna düşen alan Y ve t1-Y¶nın soluna düşen alan 1-Y¶dır. t Į ve t Į değerleri arasında kalan
1
2 2
Y Y
t Į t 1Į O t 1Į
t Į 1- Y t Į
1 1
2 2
Normal eğrideki gibi, Student -t- eğrisinin de simetrik oluşu tY = ±t1-Y olmasını
gerektirir. ' 2 bilinmediğinde, D için bir güven aralığının oluşumu Z tablolarının yerine t-
tablolarının kullanılması ile ' 2 ¶nin bilinmesi halindekine benzer. Örneğin, N = 10, N ± 1=9,
Y = 0,05 ise ve 0,95¶lik bir güven aralığı istiyorsak, bu halde;
t L t t L 1 L burada t yazarsak (±)
2 1
2
|
ȝ
t L t L 1 L t L . x ȝ t L . x 1 L
x 1 1
2 2
2 | 2 |
|
t L . x ȝ t L . x 1 L
1 |
2 | 2
t L . x ȝ t L . x 1 L
1
2 | 2 |
N = 10, N ± 1 = 9, = 0,05 ise ve 0,95 lik bir güven aralığı istiyorsak, bu
halde P[t 0,025
å
t t 0,975 ] A 0,95 yada P 2,26
ȝ
2,26 A 0,95 tir. şitsizlik yeniden
x
|
düzenlenirse;
P å2,26 . x ȝ å2,26 . x yazılır. ve x hesaplanır, olasılıktan
| |
bahsetmenin anlamı yoktur. Bunun yerine, bir kimse 0,95 güvenle
x
x å2,26 . ȝ x å2,26 . x
| |
Ë)*
s 2x
1 10
åx 1
| 1 i 1
2
1 10
åx 1 1,58
| 1 i 1
1
9
åå1,2 - 1,58 2
å1, 4 1,58
2
s 2x 1,513
s 2x 1,513 1,23
Sx 1,23
t Į . å2,26 . å2,26 å0,389
1
2 | 10
Sx
Alt Limit = x - t Į . 1,58 å2,26 .å0,389 0,70
1 |
2
x
Õst Limit = x t L . 1,58 å2,26 .å0,389 2,46
1 |
2
söyleyebiliriz.
L 2. t L . x
1 2 |
Bir çevre koruma müdürlüğü büyük bir sanayi kuruluşunun çıkardığı günlük
sülfüroksit miktarının ortalamasını belirlemek için araştırma yapılmıştır. Ölçüm fiyatları çok
yüksek olduğundan sadece 10 günlük ölçümlerin rasgele örneklemi alınmıştır. Günlük miktar
tam olarak 5,7,68,9,11,10,9,8,7 dir. günlük yayolan gazların normal dağılım gösterdiğini
kabul edelim. Her gün çıkarılan sülfüroksit miktarının ortalaması için % 99 luk güven aralığı
bulunuz.
åx i 8 2 30
sx 1,83
10 1 9
sx 1,83
x t D. 8 3,2498 . 8 1,88 yada [6,12;9,8] olacaktır.
1
2 N 10
Bir hastanede belli bir hastalıktan şikayetçi olarak hastaneye kabul edilen
hastalıkların ortalama olarak kaç gün kaldıkları tahmin edilmek istenmektedir. Rastgele
seçilen 400 hastanın hastanede ortalama kalış süresi 6v standart sapma 2,2 gündür. Söz
konusu hastalıktan hastanede ortalama kalış süresini güven sınırlarını %95 olasılıkla
belirleyelim.
S x A 2,2
Ë)*N = 400 N ± 1 = 399 1 A 0,95 = 0,05
XA6
Sx 2, 2
Alt Limit = x - t Į . A 6t 0,05 . A 6 t 0 ,975 A 6 2,0448 .0,11 A 5,78
1
2 N 1
2 400
Sx 2,2
Õst Limit = x t Į . A 6 t 0,05 . A 6 t 0 ,975 A 6 2,0448 .0,11 A 6, 22
1
2 N 1
2 400
P(5,78 < D < 6,22) = 0,95 O halde ana kitlenin söz konusu hastalıktan hastanede
ortalama kalış süresi %95 olasılıkla 5,78 ± 6,22 gün arasındadır.
!
!
6
!;
"
!Ë
aryans ('2) ve standart sapma (') tahmin etmek istiyorsak çalışmamıza ' 2
(varyans) nin minimum varyans yansız nokta tahmin edicisinin düşünülmesiyle bir aralık
oluşturarak başlayabiliriz.
1 ( 1) ±2
ve ± 2 1
1 ! 1
( ) 2
ise 2
1
'2
± istatistiğine v = N±1 serbestlik dereceli
ki-kare istatistiği denir. nin çeşitli değerleri için olasılık yoğunluk fonksiyonun grafikleri
aşağıdaki gibidir.
sp = 1 x2
X2 olasılık yoğunluk fonksiyonun eğrisi altındaki alanlar sayısal olarak
hesaplanmıştır. Bunu bize verilen tablo (1¶den görebiliriz)
f(x2 )
alanı
x 2Į x 12-Į
onun soluna alanın oranı düşer. 2 1 nın soluna düşen alan 1 Į dır. X a2 ve X 2 1 ı
2
N-1 =10 serbestlik derecesi için ß 2 0 ,05 A 3,94 ve ß 2 0 ,95 A 18,31 bulunur.
(aablo 6)
2
( 1). ± 2
[2,70 2
19,02] 0,95 şeklinde olur. Örneklem alınıp ve ±
'
hesaplandıktan sonra ' 2 için %95 lik güven aralığından bahsedebiliriz. Genel olarak 1 '
güven düzeyi için aşağıdaki tanıtımı verebiliriz.
2
Bilinmeyen D ortalamalı ve bilinmeyen ' varyanslı bir normal kitleden
2 2
( 1)... ± ( 1)... ±
[ '2 ] 1 ' ifadesine dayanarak aşağıdaki gibi ' 2
' '
1 2/2
2
Aşağıdaki değerler bir firma tarafından piyasaya sürülen küçük reçel
kutularının gram olarak ağırlıklarıdır:
161,164,158,170,161,159,158,169,152,160
Firma tarafından dağıtılan bir tipteki kutuların varyansları için %95 lik güven aralığı
bulunuz.
Ë)*Örnek varyansı
2
-1 x 28,6 olarak bulunur
2 2
( | 1). 9.( 28.6) ( | 1). ± 9, ( 28.6)
-;1 ±
A . A
ß 2 0 ,975 19.02 2
ß 0, 025 2,70
2 2
;) ı için 95 lik güven aralığı 13,5 95.3 dir.
2 | 1
å| 1 . 2
denklemine dayanarak bulunan güven aralığını oldukça keyfi bir
2
şekilde kurduğumuz kolaylıkla görülebilir, öyle ki 2 yoğunluğunun sol ve sağ
yoğunluğunun sol ve sağ uzantılarında ki alanlar eşittir. aryans için bulunan güven aralıkları
orijinal yoğunluğun normallikten ayrılışına göre oldukça duyarlıdır. Deney yapan kimse
( | 1) 2 ( | 1). 2
2
x
, 2
x
güven aralığı buluruz.
1
2 2
G
Ë
İki kitlenin ortalaması arasında karşılaştırma pratikte pek çok halde bir araştırma
problemi olarak karşımıza çıkar. Mesela eşit ısı, ışık, nem şartları altında iki tohum cinsinin
verim farkı ile ilgili olarak iki bağımsız örnekten bulunan sonuçlardan kütle ortalamaları
arasındaki farkın büyüklüğü hakkında nasıl bilgi edinilebileceği gibi.
c1
"
!
2 1 , 22 #"
nokta tahmin edicisini bulmak için önce ' 12 ' ã2 kitle varyanslarının bilindiği hali
düşüneceğiz. Yukarıdaki teoremden X1 ve normal dağılıma sahiptir ve ortalaması
2 2
D 1 D ã varyansı 1 2 dir. | ve örnek mevcutları, ' 12 ' ã2 , ana kitle varyansları
|
D 1 D ã kitle aritmetik ortalaması, z güven düzeyi ise;
(X 1 X 2 )( 1 2 )
ZA birim normal yoğunluğa sahiptir. Bu nedenle
ı 12 ı 22
N M
(X 1 X 2 ) ( 1 2 )
[ Z Z ] A 1 yada
1 2 2 1
2 2
1
2
N M
2 2 2 2
( X 1 X 2 ) Z . 1 2 å 1 2 ( X 1 X 2 ) Z . 1 2 A 1
1
2
N M 1
2
N M
D 1 D ã için 1 ' düzeyli bir güven aralığı tanımlanır.
1
"
!
' 1 2 ' ã 2 #" 1 2 2 2 2
Araştırma stratejimiz iki bağımsız örneğin verilerini kullanarak ortak varyansın bir
tahminini elde etmek ve t dağılımına uygulamaktır. '2 nin her iki örnekten elde edilecek µbir
2 2
2 ( | 1). 1 ( V 1). 2 (X 1 X 2 ) (D 1 D 2 )
A dir. Z A
| V 2 1 1
S
N M
( X 1 X 2 ) (ȝ 1 ȝ 2 ) ( X 1 X 2 ) (ȝ 1 ȝ 2 )
tA ve P t t A1 ya da
1 1 1 2 1 1 1
2
Sp Sp
N M N M
1 1
1 1
P[( X1 X 2 ) t .S p (ȝ 1 ȝ 2 ) (X 1 X 2 ) t .S p } A 1
1
2
N M 1
2
N M
2 2 2 2
+1
"
!
' 1 ' ã #" '1 ' 2
Bilinmeyen varyansların eşitliği olmadığı bu durum için kesin değil ancak yaklaşık
nitelikte aralık şeklinde tahminler ve sonraki bölümde görülecek hipotez testleri yapılabilir.
ğer 2 kütleden alınan örneklerin her ikisi de büyük örnek niteliğinde ise ve örnekler
birbirinden bağımsız alınmışsa
(12) (ȝ1 ȝ2)
t bulunur.
1 1
p
|
1 1 1 1
[( 1 2 ) t ' .S p ( 1 2 ) ( 1 2 )t ' .S p 1 '
1-
2
N M 1-
2
N M
olur.
H;'
s 21 s 2 2 144 196
Alt sınır : åx 1 x 2 å 3 1,65 7,04
2
| 49 64
s 21 s 2 2 144 196
Õst sınır : åx 1 x 2 å 3 1,65 1,04
2
| 49 64
Bu durumda tabi %90 güvenle kesin bir sonuca ulaşamıyoruz. ğer her iki sınavda
negatif olsaydı %90 güvenle erkeklerin her iki sınavda pozitif olsaydı %90 güvenle kızların
matematiğe daha kabiliyetli olduğunu söyleyebilirdik.
j&- 1493 1519 1518 1512 1512 1514 1489 1508 1508 1494
A ve B bölgelerinde erime noktaları farkı için her iki halde S2 varyansının (' = )
olarak verilsin D = %95 için %99¶luk güven aralığını bulunuz.
X A A 1506,7 X B A 1499,3 ve X A X R A 7, 4
'2A '2B
' 2 A ' ¢2 A 100 A 26,67 A 5,16 % 95lik güven aralıkları için :
10 6
1
2
Z =Z0,975 ve Z (1,96).(5,16) 10,11
1
2
1
2
10 6
2
2
lt sınır = (
) Z 2,71
1
2
10 6
2
2
Õst sınır= (
) Z 17,51 elde edilir.
1
2
10 6
D 1 D 2 nin nokta tahmini ± 1 ± 2 = 85-81 = 4
2 2
2 ( N 1)S n (M 1).s 2
Sp A
N M 1
11,16 9,25
A A 20,25
12 10,2
1 1 1 1
(ß 1 ß 2) ' . . (D1 D 2 ) ( ß 1 ß 2 ) ' .
1 | V 1 | V
2 2
formülünde yerine koyulmasıyla D 1 D 2 farkı için [0,69:7,31] güven aralığı kabul edilir.
Ë=ËG
0
< j =)--G9*1
Bazı durumlarda ilişkiler halinde elde edilen gözlemlere dayanarak iki kitle
ortalamasını karşılaştırma isteyebiliriz. Aynı hastalar için ³önce´ ve ³sonra´ki ölçümler yada
öğrenci üzerinde 1. aest ve 2. aest için yapılan ölçümler, bu duruma örnek olarak verilebilir.
Bu durumda ölçümlerin her iki çifti ile ilgilendiğimizden daha önceki yöntemler
uygulanamaz. Bu durum için yeni bir istatistik uygulamadır.
D
D i
olduğunu biliyoruz. O halde D , D D D D 2 ortalamalı,
'2D
varyanslı
| |
normal dağılıma sahiptir. Biliyoruz ki varyans bilindiğinde z istatistiği bilinmediğinde t
istatistiği kullanılır.
1 | D D
åD i D
2
S 2D ve t D
| 1 i 1 SD
|
S S
D t D D 1 D 2 D t D 1 alınır.
1 1
2 | 2 |
S S
ZD A D z D D 1 D 2 D z D A 1 alınır.
'D 1
2 N 1
2 N
N
' S
Belli bir ilacın kan basıncı üzerindeki etkisini inceleyeceğiz. 12 kişinin
ilaçtan önce ve sonra kan basınçları ölçülüyor. Sonuçlar aşağıda verilmiştir. pitlenin ilaçtan
önce ve sonraki kan basınçları ortalaması farkı D s - Dö için %95¶lik güven aralığını bulunuz.
Ë)*
X (ÖNC) Y (SONRA)
D=Y±X D2
120 8 128 64
124 7 131 49
130 1 131 1
118 9 127 81
140 -8 132 64
128 -3 125 9
140 1 141 1
135 2 137 4
126 -8 118 64
130 2 132 4
126 3 129 9
127 8 135 64
aOPLAM 414
pitle varyans bilinmediği için t dağılımını kullanmamız gerekiyor.
t , t aralığını bulmalıyız.
1
1
|
2 | 2
1566 1544 22
c
yada
12 12 12
DA
D i
A
8 7 1 .... 8
A 22 şeklinde bulunur.
N 12
N D 2i å D i
2
1 N
S A i 2
åD D A
NåN 1
D
N 1 i A1
| 2
2
|
i
1
i2
i 1
| 1 i 1 |
2
22
414
12 33,97 5,83
11
+
1 - = 0,95 1 0,975 = 0,05 t t 0 ,975 2,2010 (N ± 1 = 11
2 1
2
serbestlik dereceli)
22 5,83
Alt sınır :
t
2,2010 1,8 3,9 2,1
1
2
N 12 12
22 5,83
Õst sınır :
t
2,2010 1,8 3,9 5,7
1
2
N 12 12
,
D s ± Dö farkı için %95¶lik güven aralığı ±2,1 ve 5,7 arasındadır.
"
!
Ë
'12 S12
'12 ve ' 22 iki kitlenin bilinmeyen varyansları iseler oranın nokta tahmini dir.
' 22 S 22
12
12
N 1.M 1 değerine;
22
22
F(F)
alanı
FN-1,M-1,'
FN-1,M-1,'
Bu dağılış simetrik olmayan bir dağılıştır. F yoğunluğu üzerinde FN-1,M-1,' noktasının
solunda 1 ± ' oranı bulunmaktadır. F ' ve F ' arasındaki alan 1 ± ' dır. N ve M nin
1 . 2 . 1 . 2 .1
2 2
her ikisinde değiştiğinden tablo son derece geniş olacaktır. Bu nedenle F yoğunluğunun sağa
doğru uzantısındaki FN-1,M-11.1-' nın solundaki alanlar tabloda verilecektir. FN-1,M-1.1-'
1
FN 1,M 1,'
FN 1,M 1.1'
1 1
F9,15;0,05 = = 0,33 bulunur.
F10:9:0 ,95 3,01
Gösterim şekli anlaşıldıktan sonra FN-1,M-1,' yerine F' kullanılacaktır. F9,15;0,05 = 2,59
'12
olduğuna göre için %90¶lık güven aralığı hesaplanırken
' 22
S12
2
P 0,33 0,90 bu eşitsizlikleri şu formda yazabiliriz.
'1
2,95
S 22
2
'2
12 12 12 12
2
12 22 22 12 22
2
0,90
22 0,33 2,95 22 0,33
1 2
S12 S12
2
S ' 2 S2
P 2 12 2 A 1 '
F ' ' 2 F'
1 2 2
'12
denklemi için 1 ± ' düzeyli güven aralığı tanımlar.
' 22
Lise öğrenimini bitirmiş 13 erkek ve 16 kız öğrenciye genel yetenek testi
uygulanmış ve aşağıdaki sonuçlar bulunmuştur. rkek öğrencilerin not ortalaması 82, standart
sapma 8; kız öğrencilerin not ortalaması 78, standart sapma 7 dir. 12 ve 22 sırası ile lise
12
öğrenimi görmüş test uygulanmış erkek ve kız öğrencilerin kitlelerinin varyansı ise için
22
%90¶lık güven aralığını bulunuz.
Ë)*
S12 64
-- A A 1,3
S 22 49
--- ' = 0,10 olduğundan F ' A F0 ,95 A 2,48 (12 ve 15 serbestlik derecesi)
1
2
1 1
F' A F0 ,05 A A
2
F15:12:0,95 2,68
S12
S 22 1,3
-; Alt sınır : A A 3,42 olarak bulunur.
F' 0,38
2
12
2 1,3
Õst sınır : '2 A A 3, 42 olarak bulunur.
2 0,38
'12
A için %90 lık güven aralığı [0,52;3,42] dir.
' 22
# 6
!Ë
n bağımsız deneme için sadece iki tür sonuç varsa bu dağılım Binom Dağılıma
sahiptir demiştik.
1
p nin beklenen değeri alınırsa E (i) E np p elde edilir. n
n n n
deneme başarıların sayısının ortalaması olduğundan yaklaşık olarak normal
dağılıma sahip olacaktır.
1 npq pq
Var 2 . Var () 2 dir. Böylece
n n n n
standart normal dağılıma sahiptir.
pq pq
L L 1 L L 1
1
2
1
2 n 1
2
n n 1
2
n
olasılığı p için 1- düzeyli güven aralığı tanımlar. Fakat bir güven aralığının
sınırları istatistiksel olmalıdır, bilinmeyen parametre içermemelidir. Bu sorunu p ile
onun yansız tahmin edicisi p nin yer değiştirilmesiyle çözebiliriz. O halde p için
n
p.q
güven aralığı p ¶dir.
1
2
n
100 kişiye sigara içip içmedikleri sorulduğunda 32 µevet¶ yanıtı alınıyor.
Normal yaklaşımı kullanarak p için (kitlede sigara içenlerin gerçek oranı) % 95¶lik
güven aralığını bulunuz.
x
Ë)* p bilinmediğinden ve p nin nokta tahmini p 32 yi kullanarak
n
pq 0,32.0,68
0,0466 Z ' A Z 0 ,975 A 1,96 olduğundan
n 100 1
2
pq
1,96.0,0466 0,0913 bulunur. Güven aralığı [0,228;0,441] dir.
1
2
n
#*<*** >
pq
hata maksimum olur. Bu nedenle p ve p arasındaki fark e A p Z . değerinden
n
Y
1
2
küçük olacaktır.
!%89
pq
c p .p nin tahmini olarak kullanılırsa hatanın e A p Z . değerinden küçük
1
2
n
Z 21 .pq
nA 2
olduğundan hatanın e den küçük kalacağını 1 Y güvenle
e2
söyleyebiliriz.
# 6
!G
1
p1 ve p2 binom parametreleri sırası ile 2 ile tahmin edilebilirse normal
i
yaklaşım kullanılarak yeter derecede büyük n ve m için 1 Y düzeyli güven aralıları
kurabiliriz.
p p p p
E 1 2 p1 p2 ve Var 1 2 1 2 2 2 .q1 1 p, i 1,2
n m n m n m
x1 x 2
(p1 p 2 )
n m
birim yoğunluğuna sahiptir. Bu denklemi kullanarak
p1 q 1 p 2 q 2
n m
x1 x 2
(p 1 p 2 )
n m
P Į 1 Į yazılabilir. Önerilen sınırlar istatistik
p1 q 1 p 2 q 2 1
2
n m
1
olmadığından p 1 ve p 2 yi p 1 ve p 2 2 ile yer değiştirelim. Böylece 1 2
n m
farkı için
p 1 .q 1 p 1 .q 2
p1 p 2 1 . güven aralığı elde edilir.
1
2
n m
Bir A okulunda 250 kişilik rasgele seçilmiş bir gruptaki 150 kişi
tiyatroyu sinemaya tercih ediyor. Bir B okulunda seçilmiş 250 kişiden 190 kişi sinemayı
tiyatroya tercih ediyor. A ve B okullarında tiyatroyu tercih etme oranları arasındaki fark
için %99¶luk güven aralığını bulunuz.
Ë)* n = 250, m = 250
x 1 150 x2 190
p 0,6 p2 p 1 p 2 0,6 0,76 0,16
n 250 m 250 0,76
p1 q 1 p 2 q 2 0,6.0,4 0,76.0,24
0,0411 Z yi bulalım. = 0,01 den
n m 250 250 1
2