END 253 Olasılık Teorisi

2020-2021 Ögretim Yılı Guz Dönemi

Dr. Öğr. Üyesi Fuat Kosanoğlu

Yalova Universitesi
Endüstri Mühendiliği Bölümü
Olasılık Teorisi VI.Hafta Ders Notları
7 Aralik-12 Aralik 2020
 Marjinal Olasılık Kütle Fonksiyonlarını (PMF)
Koşullu PMF ile Hesaplama

pX(x) = ! pX,Y (x, y) = ! pY (y)pX|Y (x | y),

" "
o Bu kurala toplam olasılık kuralı denir.

2/136
 Koşullu Beklenen Değer
o Koşullu beklenen değer hesabı normal beklenen değer hesabına
benzemektedir. Hesaplamada yeni örnek uzay ve koşullu olasılıklar
kullanılır.
o X bir rassal değişken ve A örnek uzayda bir olay olsun.
n A olayı (P(A) > 0) bilindiğinde X’in beklenen değeri:
! " # = % '()|+ ('|#)
&
n X’in fonksiyonu g(X) için:
! .(") # = % .(')()|+ ('|#)
&

3/136
 Koşullu Beklenen Değer
o X ve Y aynı deneyle ilişkili iki rassal değişken olsun.
o Y=y değeri biliniyorken X’in beklenen değeri:
! " # = % = & ()*|, ((|%)
'
o Ve toplam beklenen değer teoremi:
!["] = & ), (%) ! " # = %
1

4/136
 Toplam Beklenen Değer Teoremi
o Toplam beklenen değer teoremi toplam olasılık kuralı kullanılarak
elde edilir:
pX(x) = ! pY (y)pX|Y (x | y)
"
o Beklenen Değe:
#[%] = ! )*+ ())
(
#[%] = ! ) ! pY (y)pX|Y (x | y) = ! pY (y) ! )pX|Y (x | y) = ! *. (/) # % 0 = /
( " " ( "

5/136
Örnek:
Geometrik Rassal Değişkenin Ortalama ve Varyansı
o Bilgisayar programlama dersi projesi için bir program yazdığınızı
varsayalım. Çalışana kadar programı tekrar tekrar yazdığınız ve her
seferinde programın çalışma olasılığının p olduğu ve birbirinden
bağımsız olduğu varsayılsın. Program çalışana kadar yapılan
deneme sayısı X’in ortalama ve varyansını hesaplayınız.
o Çözüm: X geometrik rassal değişkeni ve PMF
pX(x) = (1 − p)x−1p, x = 1, 2, . . . .
o Beklenen değer ve varyans:
( (
! " = $ x(1 − p)x−1p ve var(X)= $ (+ − ! " ). (1 − p)x−1p)
%&' )&'
o Fakat sonsuz toplamları hesaplamak zor olabilir

6/136
Örnek:
Geometrik Rassal Değişkenin Ortalama ve Varyansı
o Bunun yerine toplam beklenen değer teoremini kullanarak daha
kolay bir şekilde hesaplayabiliriz.:
n A1 = {X = 1} = {Birinci deneme başarılı},
n A2 = {X > 1} = {Birinci deneme başarısız},
o Birinci deneme başarılı ise,
n X = 1, ve E[X |X = 1] = 1.
o Birinci denem başarısız ise (X > 1), bir deneme boşa gitmekte ve
başladığımız yere geri dönmekteyiz.
o Kalan deneme sayısının beklenen değeri E[X],
n ve E[X |X >1] = 1+E[X].
o Dolayısıyla:
E[X] = P(X = 1)E[X |X = 1]+P(X >1)E[X |X >1]
E[X] = p + (1 − p)(1+ E[X]) ==> E[X] =1/p
7/136
Örnek:
Geometrik Rassal Değişkenin Ortalama ve Varyansı
o Benze Şekilde:
E[X 2 |X = 1] = 1, E[X 2 |X >1] = E[(1 + X)2]= 1+2E[X] + E[X 2],

E[X 2] = p * 1 + (1 − p)(1 + 2E[X] + E[X 2])

o Dolayısıyla:
#
1 + 2 1 − ) !["] 2 1
!" = = #−
) ) )
o Ve:
# #
2 1 1 1−)
,-. " = ! " − ! " = #− − #= #
) ) ) )

8/136
Örnek: Rassal Değişkenlerin Bağımsızlığı
o Bir madeni para iki kere atılıyor. X tura gelme sayısı ve A tura sayısı
çift olma olayı olsun.
o X’in olasılık kütle fonksiyonu:
1
'( # = 0,
4
1
!" # = '( # = 1,
2
1
'( # = 2,
4
1
,- . / =
2

9/136
Örnek: Rassal Değişkenlerin Bağımsızlığı
o Koşullu olasılık kütle fonksiyonu
pX|A(x) =P(X = x ve A)/P(A):
1
+, & = 0,
2
!"|$ (&) = 0 +, & = 1,
1
+, & = 2,
2
o X ve A bağımsız değildir, çünkü pX PMF ve pX|A farklı.

10/136
 Rassal Değişkenlerin Bağımsızlığı
o X ve Y rassal değişkenleri aşağıdaki koşulu sağladığı
durumda bağımsızdır:
pX,Y (x, y) = pX(x) pY (y), her x, y için .
pX|Y(x | y) = pX(x), bütün pY(y) > 0 olan y ve x değerleri
için.

11/136
Rassal Değişkenlerin Koşullu Bağımsızlığı
o Aşağıdaki koşulun sağlandığı durumda X ve Y, pozitif
olasılık değerli A olayı biliniyorken koşullu bağımsız
denir:
o P(X = x, Y = y |A) = P(X = x |A)P(Y = y |A), ∀ " # $ %
o yada pX,Y |A(x, y) = pX|A(x)pY |A(y), ∀ " # $ %.

12/136
 Rassal Değişkenlerin Bağımsızlığı
o X ve Y birbirinden bağımsız rassal değişkeler ise:
E[XY ] = E[X]E[Y ],
o Ispat:
! "# = % % ()*+,- ((, ))
& '

= % % ()*+ ( *' ) (01ğ3453673891:)

& '

= % (*+ ( % *- ) = E[X]E[Y ]
& '
o Aynı şekilde E[g(X)h(Y )]=E[g(X)] E[h(Y )]

13/136
 Rassal Değişkenlerin Bağımsızlığı
o X ve Y birbirinden bağımsız iki rassal değişken olsun. Z = X + Y
rassal değişkeninin varyansını hesaplayalım.
o E[X + Y ] = E[X] + E[Y ],
!"# $ = &[() + + − & ) + + ).]
= & ) + + − & )] − &[+ . = & ) − & )] + + − &[+ .
= & ) − & )])2] + &[(+ − &[+ . + 2&[() − & ) )(+ − & + )]
= & ) − & )])2] + &[(+ − &[+ .
var(Z) = var(X) + var(Y ).
o İki bağımsız rassal değişkenin toplamının varyansı, rassal
değişkenlerin varyansının toplamına eşittir.
n İki rassal değişkenin toplamının beklenen değeri (bağımsız olsun yada
olmasın) bu rassal değişkenlerin beklenen değerlerinin toplamına eşittir.

14/136
 Çoklu Rassal Değişkenlerin Bağımsızlığı
o X, Y , ve Z rassal değişkenleri aşağıdaki koşulu
sağladıkları durumda bağımsızdır denir:
pX,Y,Z(x, y, z) = pX(x)pY (y)pZ(z), ∀ x, y, z.
o Ayrıca:
n X1,X2, . . . , Xn birbirinden bağımsız rassal değişkenler ise
n var(X1 + X2 + …+ Xn) = var(X1) + var(X2) + …+ var(Xn).

15/136
 Örnek:
o Haftanın 5 günü (50 hafta) işe giden bir kişinin herhangi bir günde
trafik cezası alma olasılığı diğer günlerden bağımsız olmak üzere
p=0.02 olarak verilmiştir. X bu kişinin bir yıl boyunca aldığı trafik
cezası sayısı olsun.
a. Bu kişinin aldığı ceza sayısının tam olarak X’in beklenen değerine eşit olma
olasılığı nedir?
b. Poisson dağılımını kullanarak a şıkkındaki değeri yaklaşık olarak hesaplayınız.
c. Trafik cezası tutarları 100, 200, 500 ve sırasıyla olasılıkları 0.5, 0.3, 0.2 ve
birbirinden bağımsızdır. Ödenen trafik cezası tutarının beklenen değer ve
varyansını hesaplayınız.

16/136
 Alıştırmalar
o Örn 1: Bir ürün grubuna ait stokta 100 parça bulunmaktadır. Ürün için talebin
olasılık kütle fonksiyonu P(D =90)= P(D=100)= P(D=110)=1/3 olarak
verilmiştir.
a. Satılan ürünlerin PMF, ortalama ve varyansını hesaplayınız
b. Stok yetersizliğinden dolayı karşılanmayan talebin PMF, ortalama ve varyansını
hesaplayınız
o Örn2: Bir hastalığın teşhisi için 100 kişiye kan testi yapılacaktır. Herkese teker
teker test yapmak yerine 10 kişinin testleri birleştirilip birden test ediliyor. Eğer
test negatif çıkarsa bütün 10 kişi için test negatif kabul ediliyor. Test pozitif
çıkarsa, 10 kişinin testleri teker teker incelenmesi gerekmekte olup toplamda 11
test gerekmektedir. Her kişi için testlerin bağımsız olduğunu ve testin pozitif
çıkma ihtimali 0.1 olduğu varsayılsın. Her bir grup için yapılması gereken test
sayısının beklenen değerini hesaplayınız.
o 10 kişilik gruplar yerine 2,5,20,50 kişilik gruplar olsaydı, hangisinde minim
sayıda test yapmak gerekirdi?

17/136
 Sürekli Rassal Değişkenler
o Olası sonuçları sürekli değerler alan rassal olaylar oldukça
yaygındır. Bu durumların modellenmesinde sürekli rassal
değişkenler kullanılır.
n Örnek: Bir bankaya gelen müşterilerin geliş zamanları arasında
gecen zaman.
o Sürekli rassal değişkenlerin kullanıldığı modeller aşağıdaki
nedenlerden dolayı kolaylık sağlar.
n Matematiksel işlemler daha kolaydır.
n Kesikli degiskenlerle mümkün olmayan analizler mümkündür
o Ayrık rassal değişkenlerdeki bütün kavramlar sürekli rassal
değişkenlerde de vardır (beklenen değer, koşullu olasılık
v.b.)
o . 18/136
 Sürekli Rassal Değişkenler ve PDF
o Bir rassal değişken X olasılık kanunlara uygun olasılık
yoğunluk fonksiyonuna (PDF) sahip ve aşağıdaki koşulu
sağlıyorsa, X’e sürekli rassal değişken denir.
! " ∈ $ = & () * +* ∀$ ∈ - ./.0
'
o Diğer bir ifade ile X rassal değişkenin (a, b) aralığında
olma olasılığı:
5

! 1 ≤ " ≤ 3 = & () * +*
4

19/136
 Sürekli Rassal Değişkenler ve PDF

)
o ! "≤$≤% = ∫( *+ , -, (olasilik yoğunluk fonksiyonu
(PDF) altında kalan taralı alan)

20/136
 Örnek:
o Çarkıfelek yarışmasında bir yarışmacı çarkı çeviriyor. Çark
0-1 arasında sürekli değerler almaktadır. [0,1] aralığındaki
bütün aralıklar eşit uzunluktadır. Bu oyun sürekli X rassal
değişkeni kullanılarak modellenebilir.
& '! 0 ≤ # ≤ 1
!" # = % herhangi bir c sabiti için
0 +,ℎ./0'1.
o c normalizasyon özelliği kullanılarak hesaplanabilir.
M M M

1 = K !" # N# = K & N# = & K N# = &

LM LM LM

21/136
 Sürekli Rassal Değişkenler ve PDF
o Her hangi bir a sabiti için:
'
o P(X = a) = " # ≤ % ≤ # = ∫' () * +* = 0
o Bu yüzden uç noktaların dahil edilmesi yada çıkarılması
olasılık değerine etkisi olmamaktadır. :
" # ≤ % ≤ - =" # < % < - =" # ≤ % < - =" # < % ≤ -
o Bir fonksiyonun PDF olması için fX değerlerinin negatif
olmaması gerekmektedir. fX(x) ≥ 0 ∀ x icin,
o Ayrıca normalizasyon kuralını sağlaması gerekmektedir.
4

" −∞ ≤ % ≤ ∞ = 2 () * +* = 1
34

22/136
 Düzgün Dağılım
o Bir X rassal değikeni [a, b] aralığında değerler almaktadır ve
aynı uzunluktaki bütün alt aralıkların olasılıkları eşittir.
o Bu rassal değişkenlere düzgün dağılmış değişkenler denir ve
olasılık kütle fonksiyonu (PDF) aşağıdaki gibidir:
& '! ( ≤ # ≤ *
!" # = % (& 4(*'5 *'/ 4(67 821(9 ü;./.)
0 ,'ğ./ ,0/012(/,(
o Normalizasyon özelliğinden:
@ @ @

1 = > !" # ,# = > & ,# = & > ,# = &(* − () = 1

? ? ?
1
&=
*−(

23/136
Düzgün Dağılım

24/136
 Örnek:
o Ahmet'in işe gitme süresi güneşli günlerde15-20 dk arasında
oluyorken yağmurlu günlerde ise 20-25 dk arasında sürmektedir.
Her bir durum için her zaman aralığının olması birbirinin aynıdır.
o Bir günün güneşli olma olasılığı 2/3 ve yağmurlu olma olasılığı 1/3
olsun. X Ahmet'in işe varma süresi olmak üzere X’in PDF nedir?
o Her bir durum için her zaman aralığının olması birbirinin aynı olması X’in her
bir durum için düzgün dağıldığını gösterir.
o Ayrıca, bütün olası zamanlar iki aralıkta olduğu için bunun dışındaki kısımlarda
PDF sıfır olmalıdır:

&' (! 15 ≤ # < 20
!" # = %&/ (! 20 ≤ # < 25 &' ve &/ negatif olmayan sabit sayılar olmak üzere
0 01ℎ345(63

25/136
 Örnek:
o Sabit değerleri hesaplamak için:
-. -. -.
2
! "ü$%ş'( "ü$ = * /0 1 21 = * 3+ 21 = 3+ * 21 = 53+ =
3
+, +, +,
2
3+ =
15
-, -, -,
1
! 89ğ;<='< "ü$ = * /0 1 21 = * 3- 21 = 3- * 21 = 53- =
3
-. -. -.
1
3+ =
15

26/136
 Parçalı Sabit PDF
o Önceki örneğimizi genelleyecek olursak, parçalı sabit
dağılıma sahip X rassal değişkeninin PDF:
&' (! )' ≤ # ≤ )'+, ( = 1,2, . .
!" # = %
0 2(ğ45 265678)52)
a1, a2, . . . , an sabit sayılar ve ai < ai+1 her i için, ve c1, c2, . . .
, cn negatif olmayan sabitler.

27/136
Beklenen Değer
o Sürekli X rassal değişkeninin beklenen değeri:
&

! " = $ '() ' *'

%&
o Beklenen değer hesabı kesikli rassal değişkenlere
benzemektedir.
n PMF yerine PDF kullanılmakta ve toplam yerine integral
alınmaktadır.

28/136
 Beklenen Değer
o X PDF’i bilinen sürekli rassal değişken olsun ve Y=g(X) verilmiş
olsun
)

! "($) = ' "(*)+, * -*

()
o X’in varyansı var(X), (X − E[X])2 fonksiyonun beklenen değerine
eşittir.
o Y = aX + b ise (a ve b sabit sayılar):

E[Y ] = aE[X] + b, var(Y ) = a2var(X).

29/136
 Örnek:
o [a, b] aralığında düzgün dağılan X rassal değişkenini PDF
ele alalım. Beklenen değer ve varyansı ne olur.
& ,
1 1 1 3, 1 .3 − 03 0 + .
! " = $ '() ' *' = $ ' *' = ∗ ' |+ = ∗ =
.−0 .−0 2 .−0 2 2
%& +

o Varyans:
& ,
1 1 1 7,
! "3 = $ ' 3 () ' *' = $ '3 *' = ∗ ' |+
.−0 .−0 3
%& +
− .7 07
03 + . 3 + 0.
= =
3 .−0 3
03 + . 3 + 0. (0 + .)3 (. − 0)3
809 ' = − =
3 4 12

30/136
 Üstel Rassal Değişken
o Bir üstel rassal değişken aşağıdaki gibi PDF sahiptir:
λ' ()* +! 0 ≤ #
!" # = % λ pozitif parametere değeri
0 .+ğ'0 .1012.3
o Bu bir uygun bir PDF’tir, çünkü:
5 5

4 !" # .# = 4 λ' ()* .# = −' ()* |5

6 =1
(5 6

o X rassal değişkeninin belli bir sabiti geçme olasılığı üstel

olarak azalmaktadır. Diğer bir ifade ile herhangi bir a ≥ 0
için:
5

: ;≥3 = 4 λ' ()* .# = −' ()* |5

= = '
()=

=
31/136
 Üstel Rassal Değişken
o Üstel rassal değişkenler aşağıdaki durumların modellemesinde
kullanılabilir:
n Bir ekipmanın bozulmasına kadar geçen süre
n Bir ampulün yanmasına kadar geçen süre
n Bir otoyolda trafik kazası olana kadar geçen süre

32/136
 Üstel RD Ortalama ve Varyansı
& &

! " = $ '() ' *' = $ 'λ- %./ *' =

%& +
&
(-'- %./ ) |&
+ + ∫+
- %./ *' (kısmi integrasyon)
0 − - %./ & 1
|+ =
λ λ
& &

! " 7 = $ ' 7() ' *' = $ ' 7λ- %./ *' =

%& +
&
(-' 7- %./ ) |&
+ + ∫+ 2'- %./ *' (kısmi integrasyon)
2 2
0+ ! " = 7
λ λ
2 1 1
9:; ' = 7 − 7 = 7
λ λ λ
33/136
 Örnek
o The time until a small meteorite first lands anywhere in the Sahara
desert is modeled as an exponential random variable with a mean of
10 days. The time is currently midnight. What is the probability that
a meteorite first lands some time between 6am and 6pm of the first
day?
o Solution: Let X be the time elapsed until the event of interest,
measured in days. Then, X is exponential, with mean 1/λ = 10, which
yields λ = 1/10. The desired probability is:
o P(1/4 ≤ X ≤ 3/4) = P(X ≥ 1/4) − P(X >3/4) = e−1/40 − e−3/40 = 0.0476,
o Note: P(X ≥ a) = P(X >a) = e−λa.

34/136
 Toplam Dağılım Fonksiyonu (CDF)
o X rassal değişkeninin toplam dağılım fonksiyonu yada
dağılım fonksiyonu (CDF) FX ile gösterilir ve P(X ≤ x)
değerini belirtir.
( ," - &: /0123
)*+
!" # = % & ≤ # = +

4 7" 8 98 &: :ü1<-3=

56

o FX(x), x’e kadar olan olasılıkların toplamını verir.

o Olasılık modeli bilinen her rassal değişkenin bir CDF bulunur.
o Çünkü {X ≤ x} olayı her zaman tanımlıdır ve olasılığı hesaplanabilir

35/136
 Toplam Dağılım Fonksiyonu (CDF)
o CDF’lerin Özellikleri.

36/136
 CDF’lerin Özellikleri
o FX(x) = P(X ≤ x), her x için, aşağıdaki özelliklere sahiptir.
n FX monoton azalmayan fonksiyondur: if x ≤ y, then FX(x) ≤ FX(y).
n x→−∞ iken FX(x) 0’a yaklaşır, ve x→∞ iken 1’ yaklaşır.
n X ayrık ise, FX parçalı merdiven şeklinde bie şekle sahiptir
n X sürekli ise, FX sürekli bir yapıya sahiptir.
n X ayrık ise tam sayı değerleri alır, PMF ve CDF birbirlerinden aşağıdaki gibi
hesaplanabilir:
(
!" # = % )" (+)
&'
pX(k) = P(X ≤ k) − P(X ≤ k − 1) = FX(k) − FX(k − 1),her k tam sayısı için.

37/136
 Properties of a CDF
o X sürekli ise, PDF ve ve CDF birbirlerinden aşağıdaki gibi
hesaplanabilir:
(

!" # = % )" * +*
&'
+!"
)" # = (#)
+#
o CDF her rassal değişken için tanımlı olduğundan, sürekli ve ayrık
rassal değişkenleri karşılaştırma olanağı verir.
o Örneğimizde geometrik ve üstel dağılımın benzerliği CDF ile
gösterilmiştir.

38/136
 CDF of Geometric and Exponential RV
o The PMF of Geometric Random Variable:
P(X = k) = p(1 − p)k−1
o The CDF of Geometric Random Variable:
( (
1 − (1 − p)
! " = $ p(1 − p)k−1 = ) = 1 − (1 − p) ( , /01 " = 1,2, …
1 − (1 − ))
%&'
o The PDF of Exponetial Random Variable:
λ8 9:; </ 0 ≤ 5 where λ is a positive parameter
/4 5 = 6
0 0?ℎ81A<B8
o The CDF of Exponential Random Variable:

F(x) = P(X ≤ x) = 0, for x ≤ 0,

;
! 5 = C λ8 9λt dt= −8 9λt |D; = 1−8 9λx , /01 5 > 0
D

39/136
40/136
 Rassal Değişkenlerin En Büyüğü
o Bir sınava 3 kez girebildiğiniz ve sınav notunuzun aldığınız notlardan en
büyüğü olduğu varsayılsın.
o X = max{X1,X2,X3}, (X1,X2,X3 her bir sınavdan alınan not ve X nihai not).
o Her bir sınavdan aldığınız notun 1-10 arasında, eşit olasılıkta (1/10) ve
birbirinden bağımsız olduğu varsayılsın.
o X rassal değişkeninin PMF pX hesaplayınız?
o FX(k) = P(X ≤ k) = P(X1 ≤ k, X2 ≤ k, X3 ≤ k)
! $
= P(X1 ≤ k)P(X2 ≤ k)P(X3 ≤ k)= (Olayların bağımsızlığından
"#
{X1 ≤ k},{X2 ≤ k}, {X3 ≤ k})
o pX(k) = FX(k) − FX(k − 1), k= 1, . . . , 10.
' $ '−1 $
%& ' = − , ' = 1,2, … , 10
10 10

41/136
 Örnek
o X1 ve X2 birbirinden bağımsız ve exp(λ) dağılıma sahip
iki rassal değişken olsun. max{X1, X2},ve min{X1, X2}
rassal değişkenlerinin dağılımlarını hesaplayınız.
0, "<0
! " =$
1 − * + λ, , "≥0
X=max{X1, X2}ve Y= min{X1, X2},
FX(x) = P{X ≤ x} = P{max{X1, X2}≤ x}=P{X1 ≤ x ve X2 ≤ x}
= P{X1 ≤ x , X2 ≤ x} = P{X1 ≤ x}P {X2 ≤ x}
FY (y) = P {Y ≤ y} = P {min{X1, X2} ≤ y} = 1 − P {Y > y}
= 1 − P {min{X1, X2} > y} = P{X1 > y , X2 > y} = P{X1 > y}P{X2 > y}

42/136
 Normal Rassal Değişken
o Bir normal rassal değişken aşağıdaki gibi PDF sahiptir:
% * +*, - /&( -
o !" # = ) ( µ ve σ normal dağılım
&'(
parametreleri ve σ negatif değil).
o Normalizasyon Özelliği:
4
1 - /&(-
3 ) * +*, =1
212
*4

43/136
Normal Rassal Değişkenlerin Ortalama ve Varyansı
o E[X] = µ, var(X) = σ2
& , ' + 3+4 5 /') 5
!"# $ = '() ∫+,(. − 0) 2 dx
(y = (x − µ)/σ) Eşitleyip kısmi integral alınır
,
7 '
' +< 5 /'
!"# $ = : ; 2 =;
29
+,
, ,
7' 7' 5 7 ' 5
; '2 +<5 /' |,
+, + : 2 +< /' =; = : 2 +< /' =;
29
29 +, 29 +,
= 7'

44/136
o Lineer dönüşümlerde Normal olma özelliği
korunur:
o X ortalaması µ ve varyansı σ2 olan normal rassal
değişken olsun. ve a, b sabit sayılar olmak üzere,
Y = aX + b rassal değişkeni de normal olur ve
parametreleri:
E[Y ] = aµ + b, var(Y ) = a2σ2

45/136
 Standart Normal Rassal Değişken
o Bir normal rassal değişken Y sıfır ortalama ve 1 standart sapmaya
sahipse bu rassal değişkene standart normal denir. Dağlım fonksiyonu
Φ ile gösterilir:
'
1 * /,
Φ(y) = P(Y ≤ y) = P(Y <y)= $ ( %) -.
2#
%&
o CDF değerleri tablo haline getirilmiştir ve normal rassal değişkenler ile
ilgili hesaplamalarda kolaylık sağlamaktadır.
o Tablo sadece Φ(y) (y ≥ 0) için değerleri belirtmekte, gösterilmeyen
değerler dağılımın simetrisinden hesaplanabilmektedir.
o Örnek: Y standart normal rassal değişken olsun:
Φ(−0.5) = P(Y ≤ −0.5) = P(Y ≥ 0.5) = 1 − P(Y <0.5) = 1− Φ(0.5)
= 1 − .6915 = 0.3085.

46/136
47/136
 Normal Rassal Değişkenleri
Standart Hale Getirmek
o X ortalaması µ ve varyansı σ2 olan bir normal rassal
değişken olsun.
n X rassal değişkeni tanımlanacak olan yeni We “standardize” X by
defining a new random variable Y given by:
#−%
!=
&
o Since Y is a linear transformation of X, it is normal, and:
' # −% .*+(/)
'! = =0 )*+(!) = 0
=1
& &
o Thus, Y is a standard normal random variable.

o This fact allows us to calculate the probability of any event

defined in terms of X: we redefine the event in terms of Y ,
and then use the standard normal table. 48/136
Standard Normal Distribution

49/136
 Example
o The annual snowfall at a particular geographic location is modeled
as a normal random variable with a mean of µ = 60 inches, and a
standard deviation of σ = 20. What is the probability that this year’s
snowfall will be at least 80 inches?
o Let X be the snow accumulation, viewed as a normal random
variable, and let;
# − % # − 60
!= = *+, we want to find:
& 20
# − 60 80 − 60 80 − 60
P(X ≥ 80) =- ≥ =- !≥
20 20 20
= P(Y ≥ 1) = 1−Φ(1)where Φ is the CDF of the standard normal
P(X ≥ 80) = 1 − Φ(1) = 0.1587.

50/136
o 3 yıllık ortalama pil ömrüne sahip bir bataryanın
standart sapması 0.5 olarak veriliyor. Bataryanın
ömrünün normal dağılıma sahip olduğu
bilindiğine göre bir bataryanın ömrünün 2.3
yıldan az olması olasılığı nedir?
o Bir sınıfta not ortalaması 74 ve standart sapması 7
olarak veriliyor. Sınıftaki A alanların yüzdesi
%12, ve sınıftaki not dağılımı normal dağılım ile
verildiğine göre sınıftaki en düşük A notu ve en
yüksek B notu nedir?
51/136