1

İki Rastgele Değişken

K1 ve K2 kesikli rastgele değişkenlerdir
Ki = i. bit ten sonra oluşan hata sayısı.
Başlangıçta Pr[E] =0.2 ve Pr[Ec]=0.8

K1 K2 olasılık
12 (0.2)(0.6)=0.12
11 (0.2)(0.4)=0.08
01 (0.8)(0.1)=0.08
00 (0.8)(0.9)=0.72

İki r.d. nin oluşumu ortak olasılığın tanımlanmasını gerektirir.

 2

K1 K2 probability
12 (0.2)(0.6)=0.12
Ortak OKF 11 (0.2)(0.4)=0.08
01 (0.8)(0.1)=0.08
ffKK11,,KK22[k Pr[[ K11 
[k11,,kk22]] = Pr = k11 ,,KK22=kk22]] 00 (0.8)(0.9)=0.72

∑∑ f K1 , K 2 [k1 , k2 ] = 1

Marjinal OKF:

ffKK1 [[k
1
=∑
k11]]  ffKK1,,KK2[k[k11,,kk2 2]]
1 2
kk22
 3

Rastgele Değişkenlerin Bağımsızlığı

İki rd bağımsız ise f K1, K 2 [k1 , k2 ] = f K 1[k1 ]  f K 2[k2 ]
f K1 [ k1 ]
0.8 k2
0.2
0.72 0.16 0.12
k1
0 1

f [ k2 ] kk11 0.8 0.576 0.128 0.096

K2 0.72 0.2 0.144 0.032 0.024
0.16
0.12
k22
k2
0 1 2

0.720 0.080 0
k1k1
0 0.080 0.120

bu rd’ler bağımsız mı?

 4

Şartlı OKF
Tanım:
Definition: f K1 |Kf K2 [k
1 ,K
[k , k ]  Pr[ K1 |Kk2 1=Kk22 ] k2 ]
12| k 21] =2Pr [ K1 = k1

f K1 f, KK2 K[k[k
1 , 1k,2k]2 ]
, k12|]k2] =
f K1 ,fKK2 [|Kk1[k 1 2
1 2
f K2f[Kk2[k] 2]
2

fK1 K 2[ k1 | 0] fK1 K 2[ k1 |1] f K1 |K 2 [k1 | 2]

1.0 1.0

0.5
0.5

k1 k1 k1
0 0 1 0
1 1

∑ffk1k1
KK1 |K
[k11 | k22 ]] =11
[k
1 | K22

Bağıntılar:
∑ff
k2
k2
K |K
1 2
K1 |K 2
[k1 | k22 ]] =??!!?
[k1
??!!?
 5

OKF ları için Bayes Kuralı

f K2 |K1 [kf2 | k[k

1 ]f K|1 [
k k]f
1 ] [k ]
f K1 , K2 [k1f | k2 ][k | k ] = K |K 2 2 1 1 K 1 1
K |K
1 2 1 2 f K2 [k2f] [k ]
K2 2

f K2 |K1 [k2 | k1 ]f K1 [k1 ]



=
f K22|K [k | k ]f [k ]
| K11[k 22| k1 ]f
1 K1K[k ]
1 1 1

∑f
k1
K 2 |K1 [k2 | k1 ]f K1[k1 ]
k1

Check this out for the present example!

 6

İki Rastgele Değişken

Sürekli rastgele değişkenler.
X1, X2 gibi iki rastgele değişken olsun,
Ortak oyf
 2
FX1 , X 2 ( x1 , x2 )
f X1 , X 2 ( x1 , x2 ) 
∂ F
2
( x1 , x2 )
, x1x2
( ) 1
2

f X1 , X 2 x1 , x2 = X X

Ortak kdf
Pr[XX 1≤xx,1 ,XX 2≤x x]2 
FFXX1 1, X, X2 2((xx11,,xx22))=Pr 1 1 2 2
x1x1 x2x2
=  f f X1 , X(2 (zz,1 z, z)2 dz
∫ ∫
) dzdz2 dz1
X1 , X 2 1 2 2 1
−∞ −∞
 7

KDF ve OYF
 8

Ortak oyf nin özellikleri

∞ ∞

∫ ∫ ffXX1 ,,XX2 (( xx11,, xx22)) dx dx = 1, ffXX11, X, X22((x1x,1x, 2x)2 

) ≥0 0
 
dx dx
11 22  1,
1.
−∞
 −∞
 1 2

2. Pr  a1  X 1  b1 , a2  X 2  b2   
b1 b2

2. Pr [ a < X ≤ b , a < X ≤ b ] =
 f X1 , X 2 ( x1 , x2 ) dx2 dx1
f X1 , X 2 ( x1 , x2 ) dx2 dx1
b b

∫ ∫
a11 a22
1 1 1 2 2 2 a1 a2

3. Pr  a1  X 1  a1  1 , a2  X 2  a2   2   f X1 , X 2 (a1 , a2 )1 2
3. Pr [ a1 < X 1 ≤ a1 + δ1 , a2 < X 2 ≤ a2 + δ 2 ] ≅ f X , X ( a1 , a2 ) δ1δ 2
1 2

Not: Benzer özellikler kesikli rastgele değişkenler için de

geçerlidir.
 9

Ortak OYF’nin olasılık olarak yorumu

ffXX1 X, X2 ((xx11,,xx22)) Pr  a  X  b , a  X  b 
Pr [ a11< X 11 ≤ b11, a22 < X 22 ≤ b22]
1 2

b1 b2
 b1 b2 f X1 , X 2 ( x1 , x2 ) dx2 dx1
= ∫ a∫1 a2f X1 , X 2 ( x1 , x2 ) dx2 dx1
a1 a2

a2 b2
x2

δ1

a1
δ2

b1

Pr  a1  X1  a1  1 , a2  X 2  a2   2   f X1 , X 2 (a1 , a2 )1 2
x1
 10

Marjinal oyf’ler


∞
ffXX11(( x11)) = ∫ f XX11,,XX22 (( x1 , x2 ))dx
dx22
−∞

ff X ((x22 )) =
∫ f XX11,,XX22 (( x11 , x22 ))dx

∞
dx11
X 22
−∞

Hatırlatma:
∞
  ∞
 ∫ ff X ( x( x)dx
 X1
1
1
1 ) dx
1
1 ∫  X (
 = f ( fx )dx
X2 x2
)1dx = 1
2
22
2

−∞ −∞
 11

Marjinal oyf’nin projeksiyon olarak yorumu:

ff XX1 ((xx11))
f X1X 2 ( x1 , x2 )
1

x2

∞
f X1 ( x1 ) fX1 ( x1f)X1=, X 2 (−∞
∫ X 2 2( x1 , x2 ) dx2

x1 , fxX2 1),dx
x1 
X1
 12

Örnek:

⎧cece− x1 ee−2 x2 ,, 00 ≤ x1 ≤ x2 < ∞

 x 2 x

f Xf 1XX ,2X( x(1x,1x, 2x)2 )=⎨
1 2

⎩0, 0,
1 2
diğer
otherwise
(a) c nedir?

∞ ∞
( )e
x2 x2 
1  c   e e− x1 dx1dxdx
1 = c0 0 e e
 x1 2 x2
2 1 2
dx = c  x2
1 − edx− x22
2 x2
dx2
∫∫ ∫
c (1 e ) e
0
0 02 x2 x2 x2
3−2 0 −2 x2
e e 
1 c  
  2 3 0
c ∞
 1 ⎡ e−2 x2c  6e −3 x2 ⎤
16 = c ⎢ − ⎢
⎣−2 6
c
=1 ⇒
 13

Örnek: (devam)
0≤ x ≤ x <∞
⎧6e
 − x11 −2

6e e ,, 0  x1  x2  
2 xx22

f X11X, X22((xx11,, xx22)) = ⎨

⎩0, 0, diğer
otherwise

X1 (
(b) f X1 ( x1f)'i
(b) x1 ) nedir?
bulun
∞
f X 1f X( x(1x)1=
1
) 66∫ee  x1 ee 2 x 2dx
− x −2 x
1 2 1 3 x−3 x1
dx2 2=3e3e , , 0  x01 ≤
x1 < ∞
x1x1

X 2 ( x2 )
(c)Find
(c) f X 2 ( x2f)'yi bulun
x2

f X1 ( x1 )  6  e  x1 e 2 x2 dx1  6e 2 x2 (1  e x2 ),
x2
0  x2  
0
 14

Ortak kdf’nin özellikleri

( −∞,
1.1. FFXX1 1,,XX2 2( −∞
,  ) ) =
FXF (
1 , X 21, X 2
( −∞,
, x2 ) x2 )F= ( x1), −∞0 ) = 0
X 2X(1,xX1 ,2 
X1 , F

1 2
( ∞,
FFXX1 , X, X2 ( ) ) 1= 1
, ∞

2. Marginal cdfs
2. Marjinal kdf ler
FFXX1 1( (x1x)=
1) =
FXF , X
( x1), ∞ )
2 ,
X 1, (X x
1

FXX 2 ((xx22)=
) =FXFX, X1, X(2(,∞,
x2 )x2 )
1 2

F
2 1 2

3. If a1 > a2 and b1 > b2

3. Eğer a1  a2 ve b1  b2 
FX1 , X 2F( a1 , b(1a) ,≥b F) X1 , F
X 2 ( a2 (,a
b2,)b )
X ,X
1 2 1 1 X ,X
1 2 2 2

⇒ monotonically
monotonik olarak azalmayanfunction
non-decreasing fonksiyon
 15

Ortak kdf’nin özellikleri (devam)

4. lim F X 1 X 2 ( x1 , x2 ) = F X X (a, x 2 ), Sağdan sürekli

x1 → a +

lim+ FX X1, XX2 ((x11 , x22 )) 

=FFXX 1,XX 2 ((x11, b)), Üstten sürekli
x →b
x22 b 1 2 1 2

Pr[aa11 <
5. Pr  XX1 1≤b1b, 1a,2a2 X<2   bF2 X] =, X F
Xb22 ≤ (bX1 , ,bX2 ) ( bF1X, b, X2 )(a−1 , F
1 2 1
b2X) , X ( a1 , b2 )
2
1 2 1 2

− FX1 , X 2 ( b1 , a2 ) + FX 1, X 2 ( a1 , a2 )
 FX , X (b1 , a2 )  FX , X (a1 , a2 )
1 2 1 2

x2
(a1,b2) (b1,b2)
b2

(a1,a2) (b1,a2)
a2

x1
a1 b1
 16

Örnek:
⎧0.5, 0 0 x≤1 0
0.5,
0.5, 1≤
x1, 0x11, ≤0
x201, 2x2b<
x22b 22 4ac
( )
f XffXX1X, X1 ,2xX(12x,(1,xx122,)x=2 )⎨ 
1 2
⎩0, 
0, 0, otherwise
diğer diğer 2a
Ortak kdf'yi bulun
Ortak kdf'yi bulun
Find the joint cdf.
FX1 , X 2 ( x1 , x2 )  Pr  X 1  x1 , X 2  x2   
x1 x2
 f ( z , z )dz dz
[ X1 X≤ 1x1, Xx12, ≤X x2 2]=x2∫−∞
 −∞f X, X f( Xz1,, Xz 2()zdz1 , 2zdz2 )1dz2dz1
x x
FXF,XX , X( x(1,xx1 ,2 x) 2=) Pr
 Pr  x1 X1 ,xX2 2 1 1 2 2 1 2

1 12 2 1 2 1 2

x2
(iii) (v)
2

(i) (ii) (iv)

x1
(i) (i) 1

Durum i x1 < 0 veya x2 < 0 veya x1, x2 < 0

FXX11,,XX22 (( x11 , xx22 )) = 00

 17

Durum ii 0 ≤ x1 ≤ 1, 0 ≤ x2 ≤ 2
x x
FFXX1 , X, X2 ( x(1x,1x2 ), x2 ) =  dz
1 1x1 1 x22 11
1 2 22 0
0 0
0∫ dz22dzdz1 1= x1 x21 x2
22 x2
(iii) (v)
Durum iii 0 ≤ x1 ≤ 1, x2 > 2 2
x
1 1x1 1 22
FFX1X, X, 2X( x(1x, 1x,2 x) 2) =   dzdz
∫∫ 1 x=1 x1
dz (i) (ii) (iv)
2 2 dz
1
1 2 2 20 0
00 x1
(i) (i) 1
Durum iv x1 > 1, 0 ≤ x2 ≤ 2
1 x2
( )
1 1 x2
FX1X, X1 ,2X(2x1 , xx21),x2 =  dzdz ∫
1 1
1 1 = x2 x2
1
F 2 dz
2 dz
2 2 00
0 0 2 2
Durum v x1 > 1, x2 > 2

11 11 2 2
X 1 , 1X 2 2( x1 , x 2 ) = 2 0 0 dz2 dz1 = 1
X , X ( x1 , x2 )  dz2 dz1  1
FF
2 ∫∫ 00
 18

Rastgele değişkenlerin bağımsızlığı

X1 , X2 gibi iki rastgele değişken aşağıdaki özellik sağlanırsa bağımsızdır denir

ffXX1 ,,XX2 ((xx11,,xx22))= ff XX1 ((xx11))f fX 2X ( x(2x),2 )  x1 , x2

1 2 1 2

for all x1 , x2
or
veya

FXF X ,(
1 X x (,xx1 , )x2) F
2
= F(Xx ()xF1) F(Xx (),x2 )  x , x
1 2
1 , X 2 1 2 X1 1 X2 2 1 2
for all x1 , x2
 19

Örnek:
⎧ −xx1 e−2
6e e , 00≤x1x1≤x2x
2 xx 2 ,
2 < ∞
ff XX 1X, X2 ((xx11,, xx22 )) =
6e 1 2

 ⎨
⎩0, 0, otherwise
1 2
diğer
0 ≤ x x12<x ∞
∞
ffXX 1((xx11))= 6  e e dx2 23e 3 x , 0  x1  
1 2 1

( )
1

f X 2 ( x2 ) = 6x∫ e − x1 e −2 x2 dx = 6e −2 x2 1 − e − x2 , 0 ≤ x2 < ∞
x1

f X ( x1 )  6  e e dx1 6e 2 x (1  e  x ), 0  x2  
1
0  x 2 x 1 2 2 2
1
0
(a) X1, X2 bağımsız mı?

fX 1 X 2 ( x1 , x2 ) = f X 1 ( x1 ) f X 2 ( x2 )
?

6e−xx1 e
6e e 1 2−2
x x2
2
≠1818e
−3 x −2 x
1 2
( −x
e3 x e12ex (121e− xe) 2 2

⇒bağımzsız değil
 20

Örnek:
11−ee ax−ax
1
−
 bx2
+
 ( ax1  bx2 )
1 e −bx2 e − ( ax1 +bx2, ) x1x ≥0,0,xx2 ≥00
FXX11,,XX22 ((xx11, ,xx22) )=⎨
F e e 1 2
 0,0 diğer
otherwise

(a) Marjinal kdf’leri bulun

FXF1 X( x1()x
1 )F= F
X1 , XX
2
(X
x1( 1
, 
x ), 
∞ )
1 =e1
 ax1 −ax
− ,e 1x1  0 x1 ≥ 0
1 1 2

FFX 2 ( x(2x) ) F
=X F
1 , X 2
( (
, ∞,
x2 ) 
x )
1 
= e
1
 bx2
− e,−bx2 x2  0x ≥ 0
X2 2 X1 X 2 2 2

(b) Marginal oyf’leri (a) şıkkından bulun

X1 (Xx11 () 1 )
dFdF x
f X1f(Xx1 1()x
1 ) =  =
ae  ax1 −ax1
ae , x1 x01 ≥ 0
dx1dx1
X 2 (Xx2 2()x2 )
dFdF
f Xf1 X(2x1( )x2) =  be  bx
= be2 −bx
, 2 x2 x02 ≥ 0
dx2dx2
 21

Örnek: (devam)

(c) X1, X2 bağımsız mı? kdf’leri kullanın

?
FFXX1 X,2X ((xx11,,xx22)) = FX 1 ((xx11) F
1 2 1
) FX X(2x(2 x) 2 )
2

eeax−ax
1 e−bxe2−bx2 e+ ( ax1−( bx 2 )(1  e
( )( )
 ax1 − ax  bx2 −bx
1 1 − 1
e
)

ax21 +bx
= 1− e )(1 
1 e
1 −)e 2
Evet, bağımsız...
Yes, they are independent

(d) Bağımsızlığı oyf’leri kullanarak gösterin

FX1X,1XX22((xx1 ,1 x2 ))
∂F
ffXX1 ,1XX22 ((xx11,,xx22) )= = abe −axax11ee−bx
 bx22
, x1x1≥0,0,x2x 2≥00
∂x x11∂x
x22
??
ffXX1 , XX 2 ((xx11,,xx22))=f fXX1 ( x(1x)1 f)Xf2 X( x2( )x2 )
1 2 1 2
−ax
ax1  −bx  ax1  bx
2  ae −ax
= ae be −bx2 2
bx2
abe
abe e e
1 be
1 Evet, bağımsız...
Yes, they are independent
 22

Şartlı oyf
Verilen X1 ve X2 gibi iki rastgele değişken için şu şartlı
yoğunluklar yazılabilir:
f Xf1X, X, X2 ( x(1x,1 x, x2 2))
f Xf1 XX 2| X( x(1 x1x2x)2 )= 1 2

f Xf 2X ( x( 2x)2 )
1 2
2

f X1f,XX ,2X( x(1 ,x1x,2x)2 )

f X 2fXX12 |(Xx1 2( xx21 )x1) =
1 2

f Xf1 X( x(1 x)1 )

1

Note that:
∞ ∞
Burada
∫ f X 1| X 2 (x
1 x2 ) dx1 = 1 while
 ∫ f X1| X 2 ( x1 x2 ) dx2 = ???

 
−∞ −∞
f X1 X 2 ( x1 x2 )dx1  1, f X1 X 2 ( x1 x2 )dx2  ???
 
 23

Şartlı oyf’nin ortak oyf’den bir dilim olarak yorumu:

fX1X 2 ( x1, x2 )

Kesit x 20
f X1 X 2 ( x1 , x20 )
f X1 X 2 ( x1 x20 ) 
2
( f ( x20 )
fX1 X2 x1 x02 =
XX 12 2

(x )
X 2
0
xx020 fX2
x2

X1

x1
 24

Örnek:
⎧6e − x1 −2 x2
00 ≤ xx1 ≤ xx2 < ∞
ff X 1X 2 ((xx1 ,,xx2 ))=⎨
 x1e 2 x2,
6 e e , 
0,
1 2
X1 , X 2 1 2
⎩ 0, otherwise
diğer
∞
((xx1 )) = 66∫ ee−xx ee−22 xx dx

= −3 x
dx 2 3e 3 x , ,
3e 0 ≤ x1 < ∞

1

ff XX11 0  x1  
1 2
1 2 1
1 2
x1
x1

2 x (1 − e x ),
x2

( )
x2

f X ( x21 )  6∫ e e dx11 6e (1  e ),

− x −2 x −2 x −x
= = 00 ≤ xx2 <∞

X2  x e 2 x x
x 6 e 6e1
1
2
2 2
2
2
2

1 2
0
Şartlı oyf’leri bulun
f X1 , X f2 ( x1 , x(2x) , x ) 6e x1 e6e
2 x2− x −2 x
1
e
x
2 e 1
e − x1
f Xf1 X 2 ( x1( xx2 |) x ) = X X
1 2 1  =2 x2
2
 x2
  x=
, 0  x1 , 0x2≤ x ≤ x
X1| X 2 1 2 f X 2 ( xf 2 ) ( x ) 6e 6e (1 −2ex2 (1)− e1−x2 e) 1 − e − x2
2 1 2
X2 2

f X 2 X1 ( x2 x1 |) x ) = f X 1 X 2 ( x1 ,x2 ) 6e
 x1 2 x2
f X1 , X 2 ( x1 , x2 )
6 e e − x1 −2 x2 x1 2 x2
e 2e = e 2e,2 x1 xe1−2x2x,2 x ≤ x < ∞
f X 2 | X 1 ( x2 1 f X1 ( x1 ) 3=e 3 x1
−3 x1 1 2
f (x ) 3e
 25

Yoğunluklar için Bayes kuralı

X1 ve X2 gibi iki rd için şu yazılabilir:

f X 2| X 1 (f xX 2 X| x(1x) 2f Xx11()xf1)X ( x1 )
f X 1 | X 2 (fx1 | x(2 )x =x )  2 1 1
X1 X 2 1 2 f X 2 ( xf2) ( x )
X2 2

Now since:  

(x ) = =
f X 2 ( x2 )  f∞X1 X 2 ( x1 , x2 )dx1  ∞
f X 2 X1 ( x2 x1 ) f X1 ( x1 )dx1
f X2
−∞
2  ∫f X1 X 2 ( x1 , x2 )dx1  ∫f
−∞
X 2 | X1 ( x2 | x1 ) f X 1 ( x1 )dx1
olduğundan
we have:
f X 2| X 1 ( x2f X|2 xX11)(fxX21 (xx11) f X1 ( x1 )
f X 1 | X 2 ( xf1 X| xX2 )(=
x1 ∞x2 )  
∫ f X 2 | X1 ( xf2 X| xX1 )(fxX21 (xx11))dx
1 2

−∞


2 1
f X1 ( x1 )dx1
1
 26

Örnek:
Şartlı oyf ve marjinal oyf’ler biliniyorsa:

e  x1 e − x1
f x1 (fxX11 (xx21)| x2 ) = x2 , − x20, 0x≤1 x1 x≤2 x2
1 e 1− e
 ∞
f x1f(Xx1 1()x1) =6 6e∫ e e e dxdx
 x1− x12 −2
x2 x2
2 
=
2 3e
 x1−3 x1 ,
3e , 0 0≤x1x1<∞
x1 x1

( )
x2 x2
f ( x )
f x2X(2x2 )2  6  ∫e e dx1 1 6e (1  e ),, 0 0≤x2x<2 
= 6  x−1x1 2−2
e e x2x2
x = 2−2
6e x2x2
1 −  −x2x2
e ∞
0
Bayes kuralını kullanarak ters şartlı oyf yi bulun:
f X X f(Xx1| Xx22() xf1X | (xx22 )) f X 2 ( x2 )
f Xf XX2 | X(1x(2 xx21 )| x1 ) =
1 2 2

2 1
f X ( x1 )f X 1 ( x1 )

( )
1

−xx11 −2
2 xx2  x2 x
2(1  e −

6
6ee e
e 1 − e )2
 2 x1 2 x2
= 3e−33xx11 (1  e −x2x)2 = 2ee2 x1 e,−2 x2 x, 1 x1x≤2 x 
2e
2 <∞
3e (1 − e )
 27

İki rastgele değişkenin 1. ve 2. Momentleri

ortalama
m2 ∫
 
mi i E  X i     x fXX1XX 2 ( x1 , 1x2 )dx dx , i2  1, 2
−∞  i i 1 2 21 21

variance
 i2  Var  X i   E  X i  m2i   ,
Var [ X ] = E ( X − m )
2
 ii=1,
1, 2
2
ilinti

] ( )
 

j  xj, =xx1,2
rij  E  X=i Xfj   i, i xdx
 i  j f X idx
j
X j ( xi , x j )dxi dx j ,
i j
i, j  1, 2

covariance

ccijij =Cov Xii,,XXj j =EE X( X

Cov  X i  m   X  m  j,) i, ji, j1,=21, 2
i −i mi )( jX j −j m
 28

İlinti/Kovaryans Bağıntıları
ccij ij=rijr −im
ij m mijm j
X i ,, XXj ⎤=EE X iXX jX ⎤E− X i X
Cov  X
Cov i j⎦ i j⎦ E [ i]
 E ⋅XEj  X
j

Cov[Xi,Xj] = 0 olmasi durumunda then Xi ve Xj ilintisizdir denir.

Bu durumda

E [ X1 X 2 ] = E [ X1 ] E [ X 2 ]

olur.

(E[XiXj] = 0 olması durumunda rastgele değişkenler ortogonal dir denir.)

 29

İki rastgele değişken için diğer bağıntılar

Bağımsız rastgele değişkenler ilintisizdir:

Proof:
İspat ∞ ∞
E [ X1 X 2 ] = ∫ ∫
 1 2 x x f X 1X 2 ( x1 , x2 ) dx1dx2
E  X 1 X 2  ∞  ∞  x1 x2 f X1 X 2 ( x1 x2 )dx1dx2
−∞ −∞

( x1 ) f X ( x2 ) dx1dx2
 
=∫ ∫
  xx f
 
−∞ −∞ 1 2 X 1

2
x1 x2 f X1 ( x1 ) f X 2 ( x2 ) dx1dx2
 
( since X 1 , X 2 are independent )
∞ ∞
(bağımsızlıktan dolayı)
E [ X 1 X 2 ] = ∫ x1 f X 1 ( x1 ) dx1 ∫ x2 f X2 ( x2 ) dx2 = E [ X 1 ] E [ X 2 ]
E  X 1 X 2  −  x1 f X1 ( x1 )dx1−∞
 x2 f X 2 ( x2 )dx2  E  X1  E  X 2 
 

 X 1 ve X 2 ilintisizdir
vice versa is not
tersi doğru değildir (Gausyen
true (except for
Gaussian rastgele değişkenler hariç)
random
variables)
 30

İlinti Bağıntılarının Özeti

• Cov [X1, X2] =0 ⇒ X1 ve X2 ilintisizdir

• E [X1X2] =0 ⇒ X1 ve X2 ortogonaldir

• X1 ve X2 nin ilinti katsayısı şu şekilde tanımlanır

E  X 1  m1  X 2  m2   Cov  X 1 , X 2 
 
X X
1 2
X X
1 2

1    1