7.

Hafta
Sürekli Rasgele Değişkenler
• Temel Özellikler ve Beklenen Değer
• Bazı Özel Sürekli Dağılımlar

X sürekli bir r.d. olsun. Bu durumda, 𝑎, 𝑏 ∈ ℝ ve a<b olmak üzere,

𝑏

𝑃(𝑎 < 𝑋 < 𝑏) = ∫ 𝑓𝑋 (𝑥)𝑑𝑥

𝑎

olup 𝑓𝑋 (𝑥) fonksiyonuna X r.d.nin olasılık yoğunluk fonksiyonu denir.

Teorem.
X sürekli bir r.d. ve f(x) de onun o.y.f. ise
1) Her 𝑥 ∈ ℝ için 𝑓(𝑥) ≥ 0
2) ∫ 𝑓(𝑥)𝑑𝑥 = 1
𝑥
3) 𝑥 ∈ ℝ için 𝐹(𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡

Temel Özellikleri ve Beklenen Değer

X sürekli bir r.d. ve f(x) de onun o.y.f. ise beklenen değeri
𝐸(𝑋) = ∫ 𝑥 ∙ 𝑓(𝑥)𝑑𝑥
olarak tanımlanır.

Örnek.
X sürekli r.d.nin olasılık yoğunluk fonksiyonu (o.y.f.)
𝑐(4𝑥 − 2𝑥 2 ), 0 < 𝑥 < 2
𝑓(𝑥) = {
0, aksi halde
ise
a) c=?
b) 𝑃(𝑋 > 1) =?
c) 𝐸(𝑋) =?
Çözüm:

a) Temel özelliklerden
2

∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑐(4𝑥 − 2𝑥 2 )𝑑𝑥 = 1

0
2
2 16
= 𝑐 (2𝑥 2 − 𝑥 3 )| = 𝑐 (8 − ) = 1
3 0 3
𝟑 3 2
olduğunda 𝒄 = . O halde 𝑓(𝑥) = (4𝑥 − 2𝑥 ), 0 < 𝑥 < 2.
𝟖 8
 3
b) 𝑓(𝑥) = 8 (4𝑥 − 2𝑥 2 ), 0 < 𝑥 < 2 olduğuna göre
3 2 3 4 𝟏
𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≤ 1) = 𝐹(1) = (2 ∙ 12 − ∙ 13 ) = ∙ =
8 3 8 3 𝟐
c) E(X)=?
2
3
𝐸(𝑋) = ∫ 𝑥 ∙ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 ∙ (4𝑥 − 2𝑥 2 )𝑑𝑥
8
0
2
2
3 3 1 3
= ∫ ( 𝑥 2 − 𝑥 3 ) 𝑑𝑥 = ( 𝑥 3 − 𝑥 4 )|
2 4 2 16 0
0
𝐸(𝑋) = 4 − 3 = 𝟏

Örnek.
X r.d.nin o.y.f.
2𝑥, 0 ≤ 𝑥 ≤ 1
𝑓(𝑥) = {
0, aksi halde
ise
a) 𝐸(𝑋) =?
b) Var(𝑋) =?

Çözüm:
a)
1
2 𝟐
𝐸(𝑋) = ∫ 𝑥 ∙ 2𝑥 ∙ 𝑑𝑥 = 𝑥 3 |10 =
3 𝟑
0

b) Var(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

1
2 1
𝐸(𝑋 2)
= ∫ 𝑥 2 ∙ 2𝑥 ∙ 𝑑𝑥 = 𝑥 4 |10 =
4 2
0
olduğundan
Var(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
1 2 2 𝟏
= −( ) =
2 3 𝟏𝟖

Bazı Özel Sürekli Dağılımlar

• Düzgün/Tekdüze (Uniform)
• Üstel
• Normal
• Gamma
• Ki-Kare
Düzgün/Tekdüze Dağılım
𝑎, 𝑏 ∈ ℝ ve 𝑎 < 𝑏 olmak üzere X r.d [𝑎, 𝑏] aralığında tanımla ve o.y.f.
1
𝑓(𝑥) = {𝑏 − 𝑎 , 𝑎 ≤ 𝑥 ≤ 𝑏
0, aksi halde
şeklinde ise X r.d düzgün/tekdüze dağılıma sahiptir ve bu durumda 𝑋~𝑈(𝑎, 𝑏) ile yazılacaktır.

f(x)

1/(b-a)

x
a x b

Eğer 𝑋~𝑈(𝑎, 𝑏) ise

𝑎+𝑏
𝐸(𝑋) =
2
(𝑏 − 𝑎)2
𝑉𝑎𝑟(𝑋) = ⋯ =
12
ve
𝑥−𝑎
𝐹(𝑥) = ,𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎

Üstel Dağılım

Eğer X r.d.nin o.y.f.

𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥 ,
𝑥 > 0, 𝜆 > 0
şeklinde ise X r.d. üstel dağlıma sahiptir ve kısaca 𝑋~ü𝑠𝑡𝑒𝑙(𝜆) yazılır.

Eğer 𝑋~ü𝑠𝑡𝑒𝑙(𝜆) ise

1
𝐸(𝑋) =
𝜆
1
𝑉𝑎𝑟(𝑋) = 2
𝜆
ve
𝐹(𝑥) = 1 − 𝑒 −𝜆𝑥 , 0 ≤ 𝑥

Not:
1) Üstel dağılımın bazı önemli özellikleri vardır. Bunlardan bir tanesi Poisson dağılımı ile
ilişkisidir. Ardışık Poisson olayları arasındaki süre üstel dağılıma sahip olmaktadır.
2) Ayrıca üstel dağılım “geçmişi hatırlamama” özelliği denen (Markov özelliği) bir özelliği
de vardır.
Örnek.
Büyük bir şirketin bilgisayar sistemine giriş yapılan kullanıcı sayısı (log-ons), ortalaması saatte 25 giriş
(log-ons) olan bir Poisson sürecine uymaktadır.
a) Altı dakikalık bir süre içinde hiçbir giriş (log-on) olmaması olasığı nedir?
b) Bir sonraki girişe kadar geçen sürenin 2 ile 3 dakika arasında olması olasılığı nedir?
c) Giriş olma olasılığının 0.90 olması için geçmesi gereken süre aralığı nedir?

X, “bir saatte bilgisayar sistemine yapılan ortalama giriş sayısı” olarak tanımlanırsa =25
giriş/saat. O halde X~Poisson(=25).

a) T, “bir sonraki girişe kadar geçen süre (saat)” tanımlanırsa T~üstel(=25).

𝑃(𝑇 > 6 dak) = 𝑃(𝑇 > 0.1 saat)
= 1 − 𝑃(𝑇 ≤ 0.1 saat) = 1 − 𝐹(0.1)
= 1 − [1 − 𝑒 −25(0.1) ] = 𝑒 −2.5 ≅ 𝟎. 𝟎𝟖𝟐
b) Benzer şekilde
2 3
𝑃(2 < 𝑇 < 3 dak) = 𝑃( saat < 𝑇 < saat)
60 60
= 𝑃(𝑇 ≤ 3/60 saat) − 𝑃(𝑇 ≤ 2/60 saat)
3 2
= 𝐹( )−𝐹( )
60 60
5 5
= 𝑒 −6 − 𝑒 −4 ≅ 𝟎. 𝟏𝟒𝟖
c) Bu süre aralığı t (saat) olsun. O halde
𝑃(𝑇 > 𝑡) = 0.90
=> 1 − 𝑃(𝑇 ≤ 𝑡) = 0.90
ve
1 − 𝐹(𝑡) = 𝑒 −25𝑡 = 0.90
Buradan
ln(0.90)
𝑡=− ≅ 0.00421 saat ≅ 0.2526 dakika
25