SÜREKLİ

RASSAL DEĞİŞKENLER
 Sürekli Rassal Değişkenler

Sürekli Rassal Değişken:

Değerleri ölçüm ya da tartımla elde edilen, bir başka anlatımla sayımla

elde edilemeyen, değişkene “sürekli rassal değişken” denir. Sürekli
rassal değişkenin değerleri aralıklar halinde tanımlanır. Bu aralığa
“tanım aralığı” adı verilmektedir.
Örneğin; Bir kişinin boy uzunluğu,
Sınavda bir sorunun çözülme süresi,
A bileşiğinin içindeki bir bileşenin yüzdesi,
Bir şişe sütün ağırlığı.

2
 Sürekli Olasılık Dağılımı

Sürekli Olasılık Dağılımı:

Sürekli bir rassal değişkenin olasılık dağılımı iki önemli özelliğe

sahiptir:

1. Bir aralıkta herhangi bir değer alan

x ‘in olasılığı 0 – 1 arasındadır.

2. x ’in aldığı tüm değerlerin olasılıkları

toplamı 1’dir (%100).

3
 Sürekli Olasılık Dağılımı

 Sürekli bir rassal değişkenin olasılık dağılım eğrisine, “olasılık

yoğunluk fonksiyonu” da denmektedir.

Sürekli bir rassal değişkenin bir aralıkta aldığı varsayılan değerlerin

olasılığı, bir aralığın iki limiti arasında ve eğri altındaki alandır.

Şekildeki a ve b arasındaki taralı alan, X ‘in a ve b arasında olma

olasılığını [ P (a ≤ x ≤ b) ] vermektedir.

4
 Sürekli Olasılık Dağılımı

Örneğin; bir üniversitede öğrenim gören 5000 öğrencinin ağırlıkları

(X) kg cinsinden aşağıda verilmektedir.

5
 Sürekli Olasılık Dağılımı

 Bu gruptan rassal seçilen bir öğrencinin ağırlığının 65 – 68 kg

arasında olması olasılığı [ P (65 ≤ x ≤ 68) ] ağırlıkların dağılım eğrisi
altındaki alan olarak gösterilmektedir.

6
 Sürekli Olasılık Dağılımı

 Sürekli bir olasılık dağılımında olasılık, her zaman bir aralık için
hesaplanmaktadır. X gibi bir sürekli rassal değişkenin alabileceği tek
bir değerin olasılığı her zaman sıfırdır. Çünkü; verilen bir noktanın
alanı sıfırdır.

Örneğin; rassal seçilen bir öğrencinin ağırlığının 67 kg olma olasılığı

sıfırdır ve; P ( x = 67) = 0 , biçiminde gösterilir.

7
 Sürekli Olasılık Dağılımı

 a ve b, X sürekli rassal değişkeninin aldığı iki değer olmak üzere, bu

değerlere ilişkin olasılıklar;

P (a) = 0 ve P (b) = 0 dir.

O halde sürekli bir rassal değişken için; P (a ≤ x ≤ b) = P (a < x < b)

yazılabilir.

Bir başka ifadeyle, verilen sınır

değerlerine eşitlik

(olasılık değeri sıfır olduğundan) sonucu değiştirmemektedir.

8
 Olasılık Yoğunluk Fonksiyonu

Olasılık Yoğunluk Fonksiyonu:

X, sürekli bir rassal değişken olmak üzere;

b
P a  x  b    f  x  dx
a

özelliğini gerçekleyen f(x)’e X’in olasılık yoğunluk fonksiyonu adı

verilmektedir.

9
 Olasılık Yoğunluk Fonksiyonu

Olasılık yoğunluk fonksiyonu aşağıdaki özellikleri sağlar:

 Tanım aralığı dışında fonksiyonun değeri sıfırdır.

 Olasılık değeri, eğri altında kalan alan hesabından bulunur.

b
 P a  x  b   f  x  dx  0

a

  f x  dx 1
A

10
 Olasılık Yoğunluk Fonksiyonu

Örnek 1: X rassal değişkeninin verilen olasılık yoğunluk fonksiyonuna

göre aşağıdaki olasılıkları hesaplayınız.

2x 0x1
f(x) =
0 diğer durumlarda

a) P ( 0.5  x  1 ) = ?

b) P ( x  3/4 ) = ?

c) P ( x  1/5 ) = ?

11
 Olasılık Yoğunluk Fonksiyonu

Örnek 2: X rassal değişkeninin olasılık fonksiyonu aşağıdaki gibi

tanımlansın. Buna göre;

a) P(x  3)=?

b) P(2  x  4)=?

c) P(2  x  4)=?

x/15 x=1,2,3,4,5
f(x) =
0 diğer durumlarda

12
 Beklenen Değer ve Varyans

Beklenen Değer: Sürekli bir rassal değişkenin beklenen değeri;


E( X )   x f ( x) dx

(-∞  x  ∞) , şeklinde hesaplanmaktadır.

 g(x) , X rassal değişkeninin bir fonksiyonu ise beklenen değer;


E g ( x)   g x  f ( x) dx , şeklinde hesaplanmaktadır.


13
 Beklenen Değer ve Varyans

Varyans: Ölçülen değerlerin ortalamadan sapmalarının karelerinin

beklenen değeri X sürekli rassal değişkeninin varyansını verir.

Var(X) = σ2 = E[(X-μ)2]

Var(X) = σ2 = E(X2) – [E(X)]2

14
 Beklenen Değer ve Varyans

Örnek 3: X rassal değişkeninin olasılık yoğunluk fonksiyonu aşağıdaki

gibi olduğuna göre;

a) X’in beklenen değerini ve varyansını bulunuz.

b) Y=2X+3 olduğuna göre Y’nin beklenen değerini ve varyansını

bulunuz.

3x2 0 x 1
f(x) =
0 diğer durumlarda

15
SÜREKLİ RASSAL DEĞİŞKENLERİN
OLASILIK DAĞILIMI
 Normal Dağılım

Normal Dağılım:

Sürekli rassal değişkenlerin uyduğu olasılık dağılımlarından en

önemlisidir.
* Normal dağılım * Üssel dağılım
* Gama dağılımı * Beta dağılımı

Günlük yaşamda karşılaşılan pek çok değişken normal dağılır.

Örneğin; insanların boy uzunlukları, ağırlıkları, sınav sonuçları,

paketlerin ağırlıkları, bir şişedeki sütün miktarı, ampul - pil gibi
nesnelerin ömrünün hep (yaklaşık) normal dağıldığı kabul edilir.
17
 Normal Dağılım

Normal olasılık dağılımı ya da normal eğri (curve), çan biçiminde bir

şekille gösterilmektedir.

Bu eğrinin ortalaması “μ” ve standart sapması “σ” dır.

Normal dağılım gösteren sürekli bir rassal değişkene, “normal rassal

değişken” denir.

18
 Normal Dağılım

Normal dağılımın taşımak zorunda olduğu üç önemli özellik vardır:

1. Normal dağılım eğrisi altındaki toplam alan 1.0 ya da %100 dür.

2. Bir normal dağılım eğrisi ortalamaya göre simetrik olup, eğri

altındaki toplam alanın yarısı ortalamanın sağında, yarısıysa solunda
yer alır.
19
 Normal Dağılım

3. Bir normal eğrinin iki ucu yatay eksene asimptottur, yani sonsuza
gitmektedir. Bir normal dağılım eğrisi hiçbir zaman yatay eksene
dokunmamakla birlikte; (μ , - 3σ) dan küçük ve (μ , + 3σ) dan büyük
aralıkta eğri altında kalan alanın sıfır olduğu düşünülmektedir.

Normal dağılımın parametreleri; μ (ortalama) ve σ (standart sapma)

dır. Bu parametrelerden μ, yatay eksen üzerinde bir normal
dağılımın merkezini belirtirken, σ ‘da dağılımın yayılımını ifade
etmektedir.

20
 Normal Dağılım

Normal olasılık dağılımına uyan X rassal değişkeninin olasılık yoğunluk

fonksiyonu;

2
1  x 
1  
2  

f ( x)  e şeklindedir.
 2

Genelde bu eşitlik yerine, bu eşitlik kullanılarak oluşturulan “standart

normal dağılım tabloları” kullanılmaktadır.

21
Normal Dağılım

22
Normal Dağılım

23
 Normal Dağılım

Standart Normal Dağılım:

Standart normal dağılım, normal dağılımın μ = 0 ve σ = 1 olduğu özel bir

durumudur.

Standart normal dağılımda rassal değişken

“z” ile gösterilmektedir. Standart normal

dağılımın birimi olan z değerlerine

standart birimler ya da standart skorlar

-Standart normal dağılım eğrisi-
denir.
24
 Normal Dağılım

z değerleri:

Yatay eksen üzerindeki bir noktanın z değeri, ortalamayla o nokta

arasındaki uzaklığın standart sapma cinsinden değeridir.

Örneğin; z = 2 ’nin anlamı, sağ tarafta o noktanın ortalamaya iki

standart sapma (+2σ) uzaklıkta olduğudur.

Aynı şekilde z = - 2 ‘nin anlamıysa sol tarafta yine iki standart sapma
(-2σ) uzaklıkta olduğudur.

Standart normal eğri altında, iki nokta arasındaki alan z değerinin bu

aralık içerisindeki değerleri alabilme olasılığıdır.

25
 Normal Dağılım

Örnek 4: Standart normal eğri altında; z = 0 ile z = 1.95 arasındaki

alanı bulunuz.

26
 Normal Dağılım

Örnek 5: Standart normal eğri altındaki z = - 2.17 den z = 0 ‘a kadar

olan alanı bulunuz.

27
 Normal Dağılım

Örnek 6: Standart normal eğri altında kalan;

a) z = 2.32’nin sağındaki alanı bulunuz.

b) z = - 1.54’ün solundaki alanı bulunuz.

28
 Normal Dağılım

Örnek 7: Standart normal eğri altındaki aşağıda verilen olasılıkları

bulunuz.

a) P ( 1.19 < z < 2.12 ) = ?

b) P (-1.56 < z < 2.31 ) = ?

c) P ( z > -0.75 ) = ?

29
 Normal Dağılım

Örnek 8: Standart normal eğri için aşağıda verilen olasılıkları bulunuz.

a) P (0 < z < 5.67 ) = ?

b) P (z < -5.35 ) = ?

30
 NORMAL DAĞILIMIN
STANDARTLAŞTIRILMASI
 Normal Dağılım

Normal Dağılımın Standartlaştırılması:

Gerçek uygulamalarda, sürekli bir rassal değişken standart normal

olmayan, sıfırdan farklı ortalama ve birden farklı standart sapma
değeriyle, normal dağılım göstermektedir. Böylesi durumlarda
tablonun kullanılabilmesi için, normal dağılım gösteren sürekli bir
rassal değişkenin (x), standart normal dağılımlı bir değişkene (z)
çevrilmesi gerekmektedir. Bu dönüştürmeye “standartlaştırma” adı
verilmektedir.

32
 Normal Dağılım

“x” normal dağılım gösteren sürekli rassal bir değişkenin herhangi bir
değerinin “z” değeri cinsinden ifadesinde

x 
z formülünden yararlanılmaktadır.

Burada μ ve σ, sırasıyla ilgili normal dağılımının ortalama ve standart
sapmasıdır.

33
 Normal Dağılım

Örneğin; x sürekli rassal değişkeni μ = 50 ve σ = 10 olan bir normal

dağılım göstermektedir. Buna göre, aşağıdaki x değerlerini standart
normal dağılım gösteren z değerlerine dönüştürünüz.
x  55  50
a) x = 55 , z   z  0.50
 10
Şekilden de görüleceği gibi x rassal
değişkenin dağılımıyla z rassal değişkenin
dağılımı arasında, standart sapmalar
açısından fark yoktur.
x dağılımında x noktası ortalamanın 0.5σ
sağında iken, z = 0.5 değeri yine μ=0 ve σ=1
olan z standart normal dağılımında
ortalamanın 0.5σ sağındadır.
34
 Normal Dağılım

b) x = 35 ,

x  35  50
z   z   1.50
 10

35
 Normal Dağılım

Örnek 9: x sürekli rassal değişkeni 25 ortalama (μ) ve 4 standart

sapmayla (σ) normal dağılmaktadır. Aşağıda verilen noktalar arasındaki
alanı bulunuz.

a) x = 25 ve x = 32 arası

b) x = 18 ve x = 34 arası

36
 Normal Dağılım

Örnek 9:

(a) (b)

37
 Normal Dağılım

Örnek 10: X rassal değişkeni, 40 ortalama ve 5 standart sapmayla

normal dağılım göstermektedir. Aşağıdaki olasılıkları normal dağılım
için bulunuz.

a) P ( x > 55 ) b) P ( x < 49 )

38
 Normal Dağılım

Örnek 11: Bir ülkede aile başına düşen gelir, 44.483 $ ortalama ve
10.500 $ standart sapmayla normal dağılım göstermektedir. Bu
ülkeden rassal seçilen bir ailenin 30.000 – 50.000 $ arasında gelire
sahip olma olasılığını bulunuz.

39
 Normal Dağılım

Örnek 12: Oyuncak üreten bir firmada, bir işçinin, bir oyuncağı
tamamlama süresi; 55 dakika ortalama ve 4 dakika standart sapmayla
normal dağılmaktadır. İşyerinin saat 17:00’de kapandığı bilindiğine
göre, saat 16:00’da montaja başlayan bir işçinin kapanış saatine kadar
işi tamamlama olasılığını bulunuz.

40
 Normal Dağılım

Örnek 13: Meşrubat üreten bir firmada, üretilen sodaların 12 cl

olması gerekmektedir. Ancak otomatik makinelerce yapılan
şişelemede, şişe içerisindeki soda miktarı bazen 12 cl’den çok ya da az
olabilmektedir. Firmaca üretilen sodaların incelenmesinde şişe içindeki
soda miktarının 12 cl ortalama ve 0.015 cl standart sapmayla normal
dağıldığı bulunmuştur.

a) Rassal seçilen bir şişe içerisindeki soda miktarının 11.97 ile 11.99 cl
arasında olma olasılığı nedir ?

b) Şişelerin 12.02 ile 12.07 cl arasında, soda bulundurma yüzdesi

nedir?
41
 Normal Dağılım

Örnek 13:

(a) (b)

42
 Normal Dağılım

Örnek 14: Standart normal eğri altında 0 ile bir “z” değeri arasında
kalan alan 0.4251 dir. Bu alanın üst sınırı olan pozitif “z” değerini
bulunuz.

43
 Normal Dağılım

Örnek 15: Standart normal dağılım eğrisi altında, sağ uçtaki (kuyruk)
0.005 alanını belirleyen “z” değerini bulunuz.

44
 Normal Dağılım

Örnek 16: Bir firma tarafından üretilen hesap makinelerinin ömürleri

54 ay ortalama ve 8 ay standart sapmayla normal dağılmaktadır. Firma
yetkilileri satışları artırmak için bir garanti süresi uygulamak
istemektedir. Ancak garanti kapsamında değiştirilecek hesap
makinesinin, toplam satışın %1’inden daha fazla olması da
istenmemektedir. Garanti uygulanacak bu süreyi bulunuz.

45
 Normal Dağılım

Örnek 17: Bir Fen Lisesinin, öğrenci seçmek amacıyla, geçen yıllarda
uyguladığı sınav sonuçlarının 904 puan ortalama ve 153 puan standart
sapmayla normal dağıldığı ve bu liseye her yıl yapılan sınav sonucunda
ilk % 10’a giren öğrencilerin kaydını yaptırdığı bilinmektedir. Bu sınava
hazırlanan bir öğrencinin (puanların geçen yıllarla aynı olacağı
varsayımı altında) bu liseye girebilmesi için en az kaç puan alması
gerekir?

46
 Normal Dağılım

Binom Dağılımına Normal Dağılım Yaklaşımı:

Binom deneyinde, n denemede x başarılı sonuç elde etme olasılığı,

binom formülüyle hesaplanmaktadır.

n deneme sayısının çok büyük olması durumunda, binom formülüyle

olasılık hesaplamak oldukça güç olduğundan, böylesi durumlarda normal
dağılımdan yararlanarak, yaklaşık olasılıklar elde edilebilmektedir.

* p = 0.50 olması durumunda binom dağılımı da simetrik olduğundan,

yine simetrik bir dağılım olan normal dağılıma çok benzeyecektir.

47
 Normal Dağılım

 ( n . p > 5 ) veya ( n . q > 5 ) olması durumunda, binom dağılımına

yaklaşım amacıyla, normal dağılım kullanılabilmektedir.

Örneğin; n = 12 ve p = 0.5 ( n . p > 5 ) için binom

dağılımının biçimi, normal dağılma çok yakın olmaktadır.

48
 Normal Dağılım

Örnek 18: Bir araştırmaya göre Ankara’da yaşayan erişkinlerin

% 50’sinin en az bir kredi kartı bulunmaktadır. Bu gruptan rassal
seçilen 30 erişkinden 19 tanesinde en az bir kredi kartı bulunması
olasılığı nedir?

49
 Normal Dağılım

Örnek 18:

Binom dağılımı kesikli rassal değişkenlere, normal dağılım sürekli

değişkenlere uygulanır. Bu nedenle binom dağılımının normal dağılıma
yaklaşımını sağlamak amacıyla “süreklilik düzeltmesi” yapılmaktadır.

Süreklilik için Düzeltme Faktörü

Binom dağılımının normal dağılıma yaklaşımını sağlamak için “n”

denemede “x” başarılı sonuç sayısına “ ± 0.5 ” değeri eklenir.

50
 Normal Dağılım

Örnek 19: Yapılan bir pazar araştırması neticesinde, çamaşır

makinesi kullanan ev hanımlarından % 63’ünün yerli malı çamaşır
makinesini tercih ettikleri bulunmuştur. Bu gruptan, rassal seçilen 100
ev hanımından, 55 – 60 tanesinin, yerli malı çamaşır makinesi tercih
etme olasılığını bulunuz.

51