Professional Documents
Culture Documents
• Olasılık Dağılımları
• Beklenen Değer ve Varyans
• Olasılık Hesaplamaları
1
Şans Değişkeni: Bir dağılışı olan ve bu dağılışın
yapısına uygun frekansta oluşum gösteren değişkendir.
Şans Değişkenleri
2
Kesikli Şans Değişkeni Örnekleri
3
Kesikli Şans Değişkenlerinin Olasılık Fonksiyonları
X, şans değişkeni ve x1,x2,..,xn bu tesadüfi değişkenin
alabileceği değerler olsun X tesadüfi değişkeninin
herhangi bir x değerini alma olasılığı
Pr{X=x}
şeklinde gösterilir. Bu olasılık X in dağılım ya da
olasılık kanunu diye adlandırılır. Kesikli X değişkeninin
hangi değerleri hangi olasılıklarla alacağını gösteren
fonksiyona olasılık fonksiyonu denir. Bir dağılımın
kesikli olasılık fonksiyonu olabilmesi için
1. P(x) 0 , tüm x değerleri için
2. P ( x ) 1
Tümx
X 1 2 3 4 5 6
P ( X = xi ) 1/6 1/6 1/6 1/6 1/6 1/6
1 6 x 1
1 6 x2 İki farklı şekilde ifade edilen x
şans değişkeninin dağılımına
1 6 x3 bakıldığında P(Xi) ≥ 0 ve tüm x
P ( X x) 1 6 x4 değerleri için ∑P(X=x)= 1 şartları
sağlandığı görülmekte
1 6 x5
ve
P(X=x) ‘in bir olasılık fonksiyonu
olduğu sonucu ortaya
1 6 x6 çıkmaktadır.
0
d .d 5
Beklenen Değer
Bir şans değişkeninin herhangi bir olasılık fonksiyonunda
almış olduğu tüm değerlerin ortalaması o şans
değişkeninin beklenen değeridir.
E (x)
ile gösterilir.
• E (x) = µ
6
Beklenen Değer Kullanarak
Varyansın Elde Edilmesi
Var ( x) E ( x ) [ E ( x)]
2 2
E ( x ) [ E ( x)]
2 2 2
Var ( x) E ( x ) 2
7
Kesikli Şans Değişkenleri İçin
Beklenen Değer ve Varyans
E ( x) xi P( xi )
Tümx
E ( x ) x P( x )
2
Tümx
2
i i
Var ( x) E ( x ) [ E ( x)]
2 2
2
Var ( x) x P( xi ) xi P( xi )
2
i
tüm x tüm x 8
Kesikli şans değişkeninin beklenen değer
ve varyansı ile ilgili bir örnek
• Beklenen değer:
E ( x) x1P1 x2 P2 ... xn Pn
n
E ( x) xi Pi
i 1
X= x f(x)
• Bir zar atılıyor. Anlaşmaya göre Ali
1 1/6 babasından her atışta kaç gelirse o
2 1/6 kadar TL para alacaktır. Atış başına Ali
3 1/6 nin beklediği parayı bulunuz.
4 1/6
E( x) 1.1/ 6 2.1/ 6 ... 6.1/ 6 3.50
5 1/6
5 1/6 Ali’nin atış başına ortalama kazancı
1 9
• Varyans:
V ( X ) E[ X E ( X )]2
V ( X ) E ( X ) [ E ( X )]
2 2
Örnek: Bir kitaptaki bir sayfadaki yanlış sayısı ile ilgili X’in
olasılık fonksiyonu şöyledir:
• P(x=0)=0.81 hiç yanlış olmaması
• P(x=1)=0.17 bir yanlış olması
• P(x=2)=0.02 iki yanlış olması
Sayfa başına ortalama yanlış sayısını
bulunuz.
E ( x) xi .Pi 0.(0.81) 1.(0.17) 2.(0.02) 0.21
Sayfa başı ortalama 0.21 yanlış bulunur.
10
• Varyansını bulunuz.
x V ( X ) 0.2059 0.45
11
Örnek: Bir otomobil bayisinin günlük araba satışlarının
dağılımının aşağıdaki gibi olduğunu ifade etmektedir.
X 0 1 2 3 4 5 6 7 8
P(X) 0,02 0,08 0,15 0,19 0,24 0,17 0,10 0,04 0,01
13
Bernoulli Dağılımı
• Bir şans değişkeninin bernoulli dağılımı göstermesi için
ilgilenilen süreçte bernoulli deneyinin varsayımlarının
sağlanması gereklidir.
Bernoulli Deneyinin Varsayımları:
1. Deneyler aynı koşullarda tekrarlanabilirlik özelliğine sahip
olmalıdır.
2. Deneylerin yalnız iki mümkün sonucu olması gereklidir.
3. Başarı olasılığı (p), deneyden deneye değişmemektedir
(Başarısızlık olasılığı q = 1-p ile gösterilir)
4. Denemeler birbirinden bağımsız olmalıdır.
14
Örnekler:
• Bir fabrikada üretilen bir ürünün hatalı veya
sağlam olması,
• Bir madeni para atıldığında üst yüze yazı veya
tura gelmesi,
• Hilesiz bir zar atıldığında zarın tek veya çift
gelmesi,
• S = { x / 0,1 }
4 x 48 1 x
x 0,1
P( X x) 52 52
0 d .d 17
Binom Dağılımı
• Birbirinden bağımsız n adet bernoulli deneyinin bir
araya gelmesi sonucunda binom deneyi gerçekleşir.
• Binom deneyinin gerçekleşmesi için bernoulli
deneyinin bütün varsayımlarının sağlanması gereklidir.
• Binom şans değişkeni X, n adet denemedeki başarı
sayısını ifade etmektedir.
• n denemede en az 0, en fazla n adet başarı
gözlenebileceğinden
S = { x / 0,1,2,……,n }
18
olur.
Binom Olasılık Fonksiyonunun
Elde Edilmesi
Gerçekleştirilen her bir Bernoulli deneyi birbirinden
bağımsızdır ve olasılık fonksiyonu
P(x) p x . q1 x x 0,1
olarak ifade edilmiş idi. Bernoulli deneyi n defa
tekrarlandığı durumda toplam x adet başarı olmasının
olasılığı, x adet başarı olasılığı (p) ile
n - x adet başarısızlık olasılığının (q=1-p) çarpımını
içermelidir. 19
Başarı ve başarısızlıkların oluşum sırası yani
n
sıralama önemsiz ise n C x faklı şekilde ortaya
çıktığı için ; x
n x n x
.p .(1 p) x 0,1,2,...., n
P( X x) x
0 d .d
21
Binom Dağılımının
Karakteristikleri
Aritmetik Ortalama
E ( X ) np
Varyans
2 np(1 p) npq
22
Örnek: Bir işletmede üretilen ürünlerin % 6’sının hatalı olduğu
bilinmektedir. Rasgele ve iadeli olarak seçilen 5 üründen,
a)1 tanesinin hatalı olmasının olasılığını,
b) En az 4 tanesinin hatalı olmasının olasılığını hesaplayınız.
p = 0,06 1- p = 0,94 n = 5
a)P ( X = 1 ) = ?
5
b)P ( X ≥ 4 ) = ? P( X 1) .(0,06)1 .(0,94) 4 0,23
1
P ( X ≥ 4 ) = P ( X = 4) + P ( X = 5 )
5 5
.(0,06) .(0,94) .(0,06)5 .(0,94) 0
4 1
23
4 5
Örnek: Metal hilesiz bir para 10 kez fırlatılıyor
(n=10 p=q=1/2=0.5)
a)bir kez yazı gelmesi olasılığı
10 10! 10.9!
p x 1 . 0,5 1. 0,5 9 (0.5)10 (0.5)10
1 1!9! 9!
10
p x 0 . 0,5 0 . 0,5 10 0,5 10
0
c) en az 2 kez yazı gelmesi olasılığı
24
1 p x 2
1 p x 1
1 p x 1 p x 0
10 9 10 10
1 . 0,5 . 0,5 . 0,5 . 0,5
1 0
1 0
1 10.(0.5)10 (0.5)10 1 (0.5)10 (10 1) 1 11(0.5)10
25
Poisson Dağılımı
• Kesikli Şans değişkenlerinin olasılık
dağılımlarından en önemlilerinden biri Poisson
Dağılımıdır.
• Günlük hayatta ve uygulamada çok sayıda
kullanım alanı bulunmaktadır.
• Ünlü Fransız matematikçisi Poisson tarafından
bulunmuştur.
• Belirli bir alan içerisinde rasgele dağılan veya
zaman içerisinde rasgele gözlenen olayların
olasılıklarının hesaplanabilmesi için çok kullanışlı bir
modeldir. 26
Poisson Sürecinin Varsayımları
1. Belirlenen periyotta meydana gelen ortalama
olay sayısı sabittir.
2. Herhangi bir zaman diliminde bir olayın meydana
gelmesi bir önceki zaman diliminde meydana
gelen olay sayısından bağımsızdır.(periyotların
kesişimi olmadığı varsayımı ile)
3. Mümkün olabilecek en küçük zaman aralığında
en fazla bir olay gerçekleşebilir.
4. Ortaya çıkan olay sayısı ile periyodun uzunluğu
doğru orantılıdır.
27
Örnekler
• Bir şehirde bir aylık süre içerisinde meydana gelen
hırsızlık olayların sayısı,
• Bir telefon santraline 1 dk. içerisinde gelen telefon
çağrılarının sayısı,
• Bir kitap içindeki baskı hatalarının sayısı,
• İstanbul’da 100 m2’ye düşen kişi sayısı,
• Ege Bölgesinde 3 aylık sürede 4,0 şiddetinden
büyük olarak gerçekleşen deprem sayısı.
28
Poisson Dağılımının
Olasılık Fonksiyonu
l : belirlenen periyotta ortaya çıkan olay sayısı
x : ortaya çıkma olasılığı araştırılan olay sayısı
S = { x / 0,1, 2, 3, ….., }
e l l x
x 0,1,2,...
P( X x) x!
0
diger durumlarda
29
Poisson Dağılımının
Beklenen Değer ve Varyansı
Beklenen Değer E (x) l