1

İSTATİSTİK ve OLASILIK FORMÜLLERİ

Bölüm 2.İstatistiksel Datanın işlenmesi;
1. K=√N veya K=1+3.3*log(N) N: Datanın eleman sayısı K: sınıf sayısı
2. Ortalama değer, xORT=[∑ xi] /n
3. Frekans dağılımından ortalamanın eldesi, xort=[Σ(xI*fI)]/n=[Σ(xI*fI)]/[ΣfI]
4. Ağırlıklı ortalama, xw,ort=[Σ(xI*wI)]/[ΣwI]
5. Geometrik ortalama, G=(x1*x2*x3*……*xN)^(1/N), log G=(log x1+log x2+log x3+…….,+log xN)/N
6. Ağırlıklı geometrik ortalama, G=[(x1^f1)*(x2^f2)*…..*(xN^fN)]^(1/N)
log G=[f1*log(x1)+f2*log(x2)+f3*log(x3)+…..+fN*log(xN)]/N (N=Σfİ)
7. Harmonik (ters)ortalama, H=1/{(1/N)*[Σ(1/xİ)]}=N/[Σ(1/xİ)] 1/H=(1/N)*[Σ(1/xİ)], N:x1, ….. xN pozitif sayılar
8. Ağırlıklı harmonik ortalama, (1/H)=(1/N)*[(f1/x1)+(f2/x2)+…..+(fN/xN)]=(1/N)*[Σ(f/x)İ]K , N=f1+f2+….+fN=Σfİ
9. Kare-karekök ortalaması (KKO), KKO=[Σ(xi)2/N]1/2 ,
10. Ağırlıklı Kare-karekök ortalaması KKO={[Σ(xİ*fİ)2]/[Σ(fİ)]}1/2
11. Medyan (orta) değerin frekans dağılımından eldesi, Xmed=L+(j/f)*c
L: medyan değerin içinde bulunduğu aralığın alt sınır değeri, f: bu aralığın frekansı, c: sınıf aralığı,
j : data sayısının yarı değeri ile medyan’ın içinde bulunduğu aralığın frekans değeri arasındaki fark
12. Varyans, s2, s2=[ ∑(xi-xort)2 ] / n, Σ(x-xORT)2 :Kareler Toplamı (Sum of Squares,SS)
13. Frekans değerlerinden standart sapma’nin hesaplanması;
Varyans: s2=[(ΣfI*xi2)/(ΣfI) -xort2] Standart sapma: s=√s2
14. Tchebychev eşitsizliği, Pr(µ-k*σ<x<µ+k*σ)≥[1-(1/k2)]
15. Değişim katsayısı (variation coefficient), CV=s/xORT,
16. Çarpıklık (skewness) katsayısı, CS=[ ∑ (xi − xort)3]/n/s3
17. Pearson çarpıklık katsayisi, (SK)P=3*(xORT-xMEDYAN)/(standart sapma)
18. Üst Eşik UE=H3+1.5*∆H ; Alt Eşik AE=H1-1.5*∆H ; H1 ile H3: gözlem değerleri
19. Bowley çarpıklık katsayısı, Bowley Çarpıklığı=[H3+H1-2*MEDYAN]/ABS[H3-H1]

Bölüm 3. Olasılık Kuramı (Probability Theory)

20. Permütasyon; P(n,r)=n!/(n-r)!
Tekrarlı Permütasyon; P[n, (n1, n2, …., nk)]=n!/(n1!*n2!*…*nk!)
21. Kombinasyon; C(n,r)=n!/[r!*(n-r)!]
22. Pr(x)=s/n=Gerçekleşenler/Mümkün olanlar
23. fi=s/n
24. Pr(x=xI)= lim n→∞ (s/n)
25. Ayrık (independent, adjoint, disjoint, mutually exlucive event);

1
 2
Pr[AUB]=Pr[A]+Pr[B] Pr[A veya B]=Pr[A]+Pr[B]
Toplama kuralı; Pr[A veya B veya C veya ....]=Pr[A]+Pr[B]+Pr[C]+Pr ....
26. Basit rastgele olayların lineer biçimde birleşmesi, XORT,(a*X+b*Y)=a*XORT+b*YORT
27. [σ(a*X+b*Y)]2=a2*[σX]2+b2*[σY]2

Bölüm 4. Kesikli Olasılık Dağılım Fonksiyonları; Binominal (Bernouilli), Mültinominal,

Hipergeometrik, Poisson, Geometrik ve Pascal Dağılımları;
28. Herhangi bir f(x) fonksiyonunun olasılık fonksiyonu olması için
(1) 0≤f(xI)≤1 (2) Σf(xI)=1 (i=1, 2, 3,…,∞)
Bernouilli formülü; Pr(k)=C(n,k)*pk*(1-p)n-k= n!/[k!*(n-k)!]*pk*(1-p)n-k
29. Binominal açılım: (a+b)n=C(n,0)*an+C(n,1)*an-1*b+C(n,2)*an-2*b2+.....+C(n,n-1)*a*bn-1+C(n,n)*pn
30. Bir olasılık dağılımının parametreleri; µ=∑ x I . Pr(xI) σ2=∑ Σ (xI-µ)2.Pr(xI)
31. Tekdüze, yeknesak, dikdötgen (uniform, rectangular) dağılım,
xORT=(xA+xB)/2 σ=(xA-xB)/√12 Pr(x1<x<x2)=(x2-x1)/(xA-xB)
36. Bernouilli dağılımının parametreleri µ=E(x)=∑ ∑xi*pi µ=E(x)=n*p
σ2=Var(x)=∑ ∑ (xi-µ)2*Pr(xi)=n*p*q , Standart sapma; s=√σ2
32. Binominal dağılımın çarpıklık moment katsayısı ; α3=(q-p)/√n*p*q=(q-p)/σ
33. Kurtosis (sivrilik) moment katsayısı; α4=3+(1-6*p*q)/(n*p*q)=3+(1-6*p*q)/σ2
34. Binominal dağılımın hesaplanması için rekürsif formül:
35. Pr(x+1)=Pr(x)*[(n-x)/(x+1)]*[p/(1-p)] x=0,1,2,….,n
36. Multinominal dağılım:[Pr(1)+Pr(2)+......+Pr(k)]=1.0
Pr=[n!/(x1!*x2!*x3!*....*xk!)]*[Pr(1)x1*Pr(2)x2*......*Pr(k)xk]
41. Hipergeometrik dağılım:n denemede x tane başarı olasılığı Pr(x)=C(a,x)*C(b,n-x)/C(a+b,n), x=0, 1, 2, , n
42. Hipergeometrik dağılım parametreleri: µ=a*n/(a+b)
σ2=n*a*b*(a+b-n)/[(a+b)2*(a+b-1)]
43. Hipergeometrik dağılımın genelleştirilmesi; Pr(x1, x2, x3, …)=[C(a1,x1)* C(a2,x2) C(a3,x3)*….]/ C(N,n)
44. Poison dağılımı; n denemede x başarı görülmesi olasılığı, Pr(X=x)=λX*e-λ/x! x=0,1,2,.....
45. Poisson dağılımının parametreleri: µ=λ, σ2=λ , s=σ=√λ, Çarpıklık(skewness) moment katsayısı
α3=1/√λ , Sivrilik(kurtosis) moment katsayısı α4=3+(1/λ)
46. Bağımsız Poisson değişkenlerinin toplamının dağılımı; X1 parametresi λ1 olan bir Poisson dağılımı ve
X2 de parametresi λ2 olan bir başka Poisson dağılımı ise ve bunlar birbirinden bağımsız ise, X=(X1+X2),
parametresi λ=(λ1+λ2) olan bir Poisson dağılımı gösterir.
47. Geometrik dağılım; Pr(x)=qx-1.p x=1, 2, 3, ….., ∞
2 2 2
µ=1/p, varyansı: σ =(1-p)/p , σ=√σ =[√(1-p)]/p
48. Pascal dağılımı; Pr(k başarı/n deneme)=[C(n-1, k-1)*pk-1*qn-k]*p=C(n-1,k-1)*pk*qn-k ,x=0,1,2,..
2
µ=k/p σ=sqrt[k*(1-p)/(p )]
 3
Bölüm 5. Sürekli Olasılık Dağılım Fonksiyonları, Üstel, Normal(Gaussian) ve Lognormal Dağılımlar;
49. Üstel (eksponansiyel) dağılım; f(x)=λ.exp(-λ*x) (x>0,λ>0)
üstel olasılık dağılım fonksiyonu, Pr(0≤x≤x1)=1-exp(-λ*x1)
x1 ile x2 değerleri arasındaki olasılık, Pr(x1≤x≤x2)=exp(-λ*x1)-exp(-λ*x2)
x2→∞ için Pr(x1≤x≤∞)=exp(-λ*x1)
aritmetik ortalaması ve standart sapması birbirine eşit, µ=σ=1/λ, varyans değeri ise σ2=1/λ2
Üstel dağılımın medyan değeri, m=ln 2/λ=0.6931/λ
50. Normal (GAUSSIAN) Dağılım;
f(x)=Y=[1/(σ*√2*π)]*exp{-(1/2)*[(x-µ)/σ]2} =(0.3989/σ)*exp{-(1/2)*[(x-µ)/σ]2}
Standart değişken ; z=(x-µ)/σ Y(z)*σ=[exp(-z2/2)]/[√2*π]=0.3989*exp(-z2/2)
51. iki toplumun lineer kombinasyonu ile oluşan Z=(a*X±b*Y) toplumunun ortalaması ve standart sapması;
µZ=a*µX±b*µY ve σZ=sqrt[a2*(σX)2+b2*(σX)2]
52. Hata toplumunun elemanları εİ=xİ-xORT, ise
Ortalamaları: εORT=[Σ(xİ-xORT)]/n=[Σxİ/n]-[ΣxORT/n]=xORT-xORT=0
Standart sapma: σε=sqrt{[Σ(εİ-εORT)2/n]}=sqrt{[Σ(xİ-xORT-0)2/n]}=sqrt[Σ(xİ-xORT-)2/n]=σX
53. GEARY’S test: U=[√π/2]*{[Σ│xİ-xORT│]/n}/{√[Σ(xİ-xORT)2]/n}
Dağılım normal ise U=~1.0 değilse U değeri 1 den farklı, zU=(U-1.0)/(0.2661/√n)
54. Binominal dağılıma normal dağılım yaklaşımı: z=(x-n*p)/(n*p*q)1/2
55. Lognormal dağılım: X rastgele değişkenine Y=ln X logaritmik dönüşümü uygulandığında, dönüştürülmüş
Y değişkeninin dağılımı normal ise, X’in dağılımı
x’in olasılık yoğunluk fonksiyonu f(x)=[1/(x*σY*√2*π]*exp-(1/2)*[(ln x-µY)/σY]2 x>0
µY ve σY : Y dönüştürülmüş değişkenin ortalaması ve standart sapması,
x değişkeninin µx ortalama ve σx standart sapması ile ilişkisi; (x sadece pozitif değerler)
Ortalama değer: µY=lnµx/[(σx2/µx2)+1]1/2
Varyans (σY)2=ln(σx2/µx2+1)
Standart sapma σY=√(Varyans
Bu dağılım pozitif çarpık bir dağılım olup, çarpıklık katsayısı σY’nin artması ile artar.
Cs=[exp(σY2)-1]3/2+3*[exp(σY2)-1]1/2

6.Bölüm Temel Örnekleme Teorisi (Basic Sampling Theory);

56. Tabakalı (Katmanlı) örnekleme: (n1/N1)=(n2/N2)=…..=(nK/NK)=(Σn)K
ΣnK : katmanlardan alınacak rastgele örnek sayılarının toplam değeri
57. Örnek ortalamaları dağılımı; µXORT=µT (σXORT)2=(σT)2/ N
Ortalamanın standart hatası: σXORT=(σT/√N)
µXORT=µT σXORT= (σT/√N)*√[(NT-N)/(NT-1)] (sonlu toplum düzeltme çarpanı)
 4
58. Toplam eleman sayısı NT olan bir toplumdan, geri verilerek örnekleme yapıldığında, herbiri N elemanlı,
(NT)N sayıda tekrarlamayan örnek üretilebilir.
59. Toplum Varyansı=[N/(N-1)]*Örnek Ortalamalarının Varyansı ; (σT)2=[N/(N-1)]*(σXORT)2
60. Toplam üye sayısı NT olan bir toplumdan, geri verilmeksizin örnekleme yapıldığında, herbiri N üyeli,
C(NT,N)=NT!/[(NT-N)!*N!] sayıda tekrarlamayan örnek üretilebilir
61. Toplum Varyansı=[(NT-1)/(NT-N)]*[N/(N-1)]*Örnek Ortalamalarının Varyansı,
(σT)2=[(NT-1)/(NT-N)]*[N/(N-1)]*(σXORT)2
62. lim n→nT (xORT)=µ , lim n→nT (σORT)=0
63. Ana toplumdan alınan örneklerin (σXORT)2 varyanslarının µ aritmetik ortalaması, örneklerin eleman sayısı
yeterli büyüklükte olmak koşuluyla, ana toplumun (σT)2 varyansına eşittir. µÖRN.VARY.= (σT)2
64. . Binominal toplumdan örnekleme dağılımı; µT=p σT=√[p*q/N]=√[p*(1-p)/N]
65. İki toplumun farkların ve toplamların örnekleme dağılımı; µZ=µX-Y=µX-µY µZ=µX+Y=µX+µY
σZ=σX-Y=√[(σX)2+(σY)2] σZ=σX+Y=√[(σX)2+(σY)2]
66. Geri verilerek örnekleme yapılmış ise, sonlu toplumlar için, µX1-X2=µX1-µX2=µ1-µ2
σX1-X2=√[(σX1)2+(σX2)2]=√[(σ1)2/N1+(σ2)2/N2]
67. Binominal dağılmış toplumların farkları; µP1-P2=µP1-µP2=p1-p2
σP1-P2=√(σP1)2+(σP2)2=√[p1*q1/N1+p2*q2/N2]

7.Bölüm İstatistiksel Tahmin (Öngörme, Kestirim) Teorisi;

68. Ortalamalar için güvenlik araliği tahminleri;
∆µ=XORT±zC*(σT/√N), ∆µ=XORT±zC*(σT/√N)*√[(NT-N)/(NT-1)]
d=│X-µ│ aralığını sağlamak üzere, en az kaç elemanlı bir örnek almamız gerektiği
NMİN=[zC*σT/(X-µ)]2=(zC*σT/d)2 formülü ile hesaplanır.
69. Binominal toplum için güvenlik aralığı: Eğer S istatistiği, başarı oranı (başarı olasılığı) p olan bir
binominal toplumdan N tane çekişte elde edilen başarı oranı ise, p için güvenlik limitleri p±zC*σP olarak
belirlidir. P:N büyüklüğündeki örnek içinde başarıların oranı
a) Örnekleme, sonlu toplumdan geri vermek suretiyle veya sonsuz bir toplumdan örnekleme
yapılmakta ise ∆p=p±zC*[√p*q/N]=p±zC*√[p*(1-p)/N]
b) Örnekleme, NT büyüklüğündeki sonlu bir toplumdan yapılmakta ise;
∆p=p±zC*√[p*q/N]*√[(NT-N)/(NT-1)]=p±zC*√[p*(1-p)/N]*[√(NT-N)/(NT-1)]
70. Minimum örnek sayısının belirlenmesi (binominal toplum); NMİN=(zC)2*p*(1-p)/(d)2
Maksimum p için (p=0.50) p*(1-p)=0.50*0.50=0.25=1/4 olursa NMİN=[zC/(2*d)]2 halini alır.
71. Farklar ve toplamlar için güvenlik aralığı; İki ayrı toplumdan alınmış örneklerin ortalama değerleri;
∆µ(S1-S2)= X1ORT -X2ORT ±zC*σ(S1-S2)=X1ORT-X2ORT±zC*√[(σS1)2+(σS2)2]
∆µ(S1+S2)=X1ORT+X2ORT±zC*σ(S1+S2)=X1ORT+X2ORT±zC*√[(σS1)2+(σS2)2]
 5
72. a) “İki Normal Dağılı Toplum”; İki toplumdan alınan örneklerin eleman sayıları birbirinden farklı ve N1
ve N2 ise, ortalamalarının farkı için güvenlik aralığı, toplumlar sonsuz olduğu durumda veya geri
verilerek örnekleme yapıldığında,
∆µ(S1-S2)=X1ORT-X2ORT±zC*σ(S1-S2)=X1ORT-X2ORT±zC*√[(σS1)2/N1+(σS2)2/N2]
b) “Binominal dağılmış toplum olasılığının farkı” için güvenlik aralığı, toplumlar sonsuz olduğunda,
∆P=P1-P2±zC*σP1-P2=P1-P2±zC*√{[p1*(1-p1)]/N1+[p2*(1-p2)]/N2}
P1 ve P2, örneklerin olasılıkları, N1 ve N2, toplumdan alınan örneklerin büyüklükleri, p1 ve p2’de iki
toplumun olasılıkları
73. Standart sapma için güvenlik aralığı (büyük örnekler) ; s=σT±zC*σT/√[2*N]=σT*[1±zC/√(2*N)]
74. Muhtemel hata (probable error) ; µ±0.6745*σS=µ±0.6745*σXORT/√N

Bölüm 8. Statistiksel Karar Verme Teorisi;

75. Sıfır hipotezi (null hypotheses), H0: Gözlenen farklılıkların, basit bir şekilde, sadece aynı toplumdan
yapılan örneklemedeki dalgalanmalardan ileri geldiği, şans eseri olduğu ve istatistiksel bir anlam
taşımadığı hipotezlerdir.
Alternatif (almaşık, karşı) hipotez, HA veya H1 : Sıfır hipotez reddedildiğinde (kabul edilmediğinde)
kabul edilecek hipotezdir ve daima sıfır hipotez ile birlikte formüle edilmelidir.
1. Normal dağılımda ortalamalar: z=(XORT-µ)/(σXORT)=(XORT-µ)/(σT/√N)
2. Binominal dağılımda olasılık: z=(P-p)/[√p*(1-p)/N]
X örneğin gerçek başarı sayısı olmak üzere, P=X/N olduğunda,
z=(X-N*p)/[√N*p*(1-p)] , ( µ=N*p ve σ=√N*p*(1-p) )
76. Normal dağılmış bir toplum için; α ve β tip hataların verilen değerlerde olması için rastgele alınması
gereken en az örnek sayısı,
a) hipotez tek taraflı ise, nMİN=[σ*(zα+zβ)/(µA-µ0)]2
b) çift taraflı ise, nMİN=[σ*(zα/2+zβ)/(µA-µ0)]2
77. Binominal dağılmış bir toplum için; NMİN={zα*[pH*(1-pH)]1/2+zβ*[pT*(1-pT)]1/2}/(pT-pH)2
78. Örnek farkları ile ilgili anlamlılık testleri ;
Normal dağılmış toplumlarda, ortalama farklarının örnekleme dağılımı;
µ1-2= 0 σ1-2={√[(σT,1)2/N1+(σT,2)2/N2]}
Standart değer z=[(X1ORT-X2ORT)-µ1-2]/σ1-2
Binominal dağılım farkları; µ1-2=0 σ1-2={√p*q*[(1/N1)+(1/N2)]}
p=(N1*P1+N2*P2)/(N1+N2) (ağırlıklı ortalama değer) , q=1-p
Standart değişken z=(p1-p2)/(σP1-P2)
 6
Bölüm 9. Küçük Örnekler Teorisi “Student’s” T Ve “Chi (Ki) -Kare”
Kare” Dağılımları
Dağ
79. “Student’s” t dağılımı; ti={[(XORT)İ-µT]/sİ}*√N=[(XORT)İ-µT]/[sİ/(√N)]
Y=Y0/[1+t2/(N-1)]N-2=Y0/[1+(t2/ν)](ν+1)/2
aralı t için % 95 güvenlik aralığı; -t0.975,ν< {[(X
80. Küçük örnekler için güvenlik aralığı: (XORT-µT)/s]*√(N)}< t0.975,ν
% 95 güvenle µ toplum ortalaması;
ortalaması [XORT-t0.975,ν*s/√(N)]< µT < [XORT+t0.975,ν*s/√
√(N)]
aralığı : [s-t*s/√(2*N)] ≤ σT ≤[s+t*s/√(2*N)]
Toplumun standart sapma aralığ (2*N)] yada
s*[1-t/√(2*N)]≤ σT ≤s[1+t/√(2*N)]
Toplum ortalaması için güvenlik sınırları : µ±∆µ=XORT±tC,ν*s/√(N)
81. Hipotezlerin test edilmesi ve anlamlılık; µ ortalama değerine
erine sahip bir normal topluma ilişkin H0
hipotezini test etmek için, t sayısı veya t istatisti
istatistiğinden
inden yararlanılır. Ortalamanın standart hatası:
SE Mean=s/√N t=[(XORT-µT)/s]*√(N)
82. İki
ki toplum ortalamaların farkı için t dağılımı;
da
t=[(X1ORT-X2ORT)-(µT1-µT2] /{sK*√[(1/N1)+(1/N2)]}
standart sapma için ortak tahmin edici, sK=√{[N1*(s1)2+N2*(s2)2]/[N1+N2-2]}, serb. derecesi,ν=N
derecesi, 1+N2-2

σT1=σT2) iki normal dağılmış toplum için

Standart sapmaları eşit olmayan (σ
t’=[(X1ORT-X2ORT)-(µT1-µT2] /{√[(s12/N1)+(s22/N2)]} ν=(α1+α2)2/{[α12/(N1-1)+ [α22/(N2-1)]} αİ=(sİ)2/Nİ
83. İkili data (data çifti, bağımlı
ımlı örnekler) için ortalamaların farkı, dİ=X1-X2=(X) ÖNCE-(X)SONRA
dORT=Σdİ/N dORT)2/(N-1)]=√{[Σdİ2-N*dORT2]/[(N-1)]}
s=√[Σ(dİ-d 1)]} t=dORT/[s/√(N)]
XORT)2+(X2-XORT)2+.....+(XN-XORT)2]/σ2=[Σ(Xİ-X
84. CHİ-KARE dağılımı; χ2 =[(X1-X XORT)2]/σ2
Pay [Σ(Xİ-XORT)2]=N*s2 ise toplam büyüklük, χ2 =N*s2/σ
σ2
Y=Y0*(χ2)1/2*(ν-2)*exp(-χ2/2)=Y0*(χ)ν-2*exp(-χ2/2)
Aritmetik ortalama: E(χ2)=ν , Varyans (σχ2)2=2*ν Standart sapma σχ2 =√(2*ν)
Örnek standart sapmasından toplum standart sapması değer
de aralığının
ının hesaplanması;
2 2 2 2
% 95 güvenle χ2’nin kritik değer
de aralığı, (χ0.025,ν) < N*s /σ < (χ0.975,ν) ve
σ değer aralığı, s*[√(N)/χ0.975,ν]<
< σ < s*[√(N)/χ0.025,ν]
2 2 2 2
85. CHİ-KARE testleri; χ2 =[(G1-T1) /T1]+[(G2-T2) /T2]+…+[(GN-TN) /TN]= ∑ (Gİ-Tİ) /Tİ]
Gİ : gözlenen değerler
erler ve Tİ : olasılık kurallarına göre hesaplanmış umulan değerler
de
2
ΣGİ=ΣTİ=N, toplam frekans sayısı olduğundan
oldu χ2 =[Σ(Gİ /Tİ)] – N ve serbestlik derecesi, ν=k-1
86. (r*k) olasılık tabloları ; Gözlenen ve umulan frekanslar arasındaki uyumu yargılamak için istatistik,
χ2 = ∑ (Gİ-Tİ)2/Tİ] bu toplam (r*k) sayıda terim içerir ve serbestlik derecesi , ν=(r-1)*(k-1) dir.
(r*k) olasılık tabloları: [Teorik (umulan) frekans]İ,J=[Sıra toplamı]İ*[Kolon toplamı]J/[Total toplam]

87. F dağılım fonksiyonu: İki örneklerin

rneklerin dağılım
da farkları: (X1ort - X2ort) , varyanslarının farkları (S12 – S22), ve
ğılımlı toplumdan alınan örneklerin büyüklükleri, σ12 and σ22 varyansları ise,
toplum N1 ve N2, normal dağılımlı
ν1 = N1 - 1 ve ν2 = N2 - 1, C; 1 eğrisi
eğ altında kalan ν1 ve ν2 ye bağlı
lı sabit sayı; Y da
dağılımı: