Professional Documents
Culture Documents
Olasilik h7
Olasilik h7
Hafta
Sürekli Rasgele Değişkenler
• Temel Özellikler ve Beklenen Değer
• Bazı Özel Sürekli Dağılımlar
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
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
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) Beklenen değeri
1
2 𝟐
𝐸(𝑋) = ∫ 𝑥 ∙ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 ∙ 2𝑥𝑑𝑥 = 𝑥 3 |10 =
3 𝟑
0
2) [𝐸(𝑋)]2
b) Var(𝑋) = 𝐸(𝑋 −
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
1
2 2 1 4 𝟏
= ∫ 𝑥 2 ∙ 2𝑥𝑑𝑥 − ( ) = 𝑥 4 |10 − =
3 2 9 𝟏𝟖
0
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
Üstel Dağılım
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 olasılığı nedir?
b) Bir sonraki girişe kadar geçen sürenin 2 ile 3 dakika arasında olması olasılığı nedir?
c) Hiçbir girişin olmaması olasılığının 0.90 olması için geçmesi gereken süre aralığı nedir?
X, “bir saatte bilgisayar sistemine yapılan giriş sayısı” olarak tanımlanırsa =25 giriş/saat. O
halde X~Poisson(=25).
Üstel dağılımın önemli bir özelliği geçmişi hatırlamama (Markov) özelliğidir. Eğer X üstel
dağılıma sahip bir rasgele değişken ve t>0, s>0 ise
𝑃(𝑋 < 𝑡 + 𝑠|𝑋 > 𝑡) = 𝑃(𝑋 < 𝑠)
geçerlidir.
Örnek.
Bir makinenin tamiri için gerekli süre (saat), ortalaması 2 saat olan bir üstel dağılıma
uymaktadır.
a) Tamir süresinin 2 saati geçmesi olasılığı nedir?
b) Tamir süresi 9 saati geçtiği bilinen bir tamirat için tamir süresinin 10 saati geçmesi
olasılığı nedir?
Çözüm:
X, tamir süresi (saat) üstel ve ortalama tamir süresi 2 saat dağıldığına göre
1
𝐸(𝑋) = = 2 𝑠𝑎𝑎𝑡
𝜆
O halde 𝑋~ü𝑠𝑡𝑒𝑙(𝜆 = 1/2) ve
𝑥
𝐹(𝑥) = 1 − 𝑒 −2 , 𝑥 > 0
a) Tamir süresinin 2 saati geçmesi olasılığı
𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2) = 1 − 𝐹(2) = 𝒆−𝟏
b) İstenen olasılık
𝑃(𝑋 > 10|𝑋 > 9) = 𝑃(𝑋 > 9 + 1|𝑋 > 9)
yazılırsa üstel dağılımın geçmişi hatırlamama (Markov) özelliğinden
𝑃(𝑋 > 10|𝑋 > 9) = 𝑃(𝑋 > 9 + 1|𝑋 > 9) = 𝑃(𝑋 > 1)
𝟏
= 1 − 𝑃(𝑋 ≤ 1) = 𝒆−𝟐
Örnek.
Bir Geiger sayacının ardışık iki parçacığın tespit edilmesi arasında geçen süre (dakika) X ile
gösterilmektedir. Eğer X r.d., ortalaması 1.4 dakika olan bir üstel dağılıma sahip ise
a) 30 saniye içinde bir parçacık tespit etme olasılığı nedir?
b) Geiger sayacı açıldıktan sonra, herhangi bir parçacık tespit edilmeden 3 dakika
geçtiğine göre bundan sonraki 30 saniye içinde bir parçacık tespit etme olasılığı
nedir?
Çözüm:
X, Geiger sayacını ardışık iki parçacık tespiti arasında geçen süre (dakika) olsun. Bu durumda
X üstel dağıldığına ve ortalama süresi 1.4 dakika olduğuna göre
1
𝐸(𝑋) = = 1.4 𝑑𝑎𝑘𝑖𝑘𝑎
𝜆
O halde 𝑋~ü𝑠𝑡𝑒𝑙(𝜆 = 1/1.4) ve
𝑥
𝐹(𝑥) = 1 − 𝑒 −1.4 , 𝑥 > 0
0.5
a) 𝑃(𝑋 < 30 𝑠𝑎𝑛𝑖𝑦𝑒) = 𝑃(𝑋 < 0.5 𝑑𝑎𝑘𝑖𝑘𝑎) = 𝑃(𝑋 ≤ 0.5) = 𝐹(0.5) = 1 − 𝑒 −1.4 ≅ 𝟎. 𝟑𝟎
b) Burada
𝑃(𝑋 < 3 + 0.5|𝑋 > 3) = 𝑃(𝑋 < 0.5) ≅ 𝟎. 𝟑𝟎
Erlang-Gamma Dağılımı
Büyük bilgisayar sistemlerindeki merkezi işlem birimlerinin arızaları çoğu zaman Poisson dağılımı ile
modellenmektedir. Genelde arızalar bileşenlerin yıpranmasından ziyade bileşenler içindeki çok
sayıdaki yarı-iletken devrelerdeki rasgele arızalardan kaynaklanmaktadır. Arızalanan bileşenlerin
hemen tamir edildiği varsayılmaktadır. Bir saatteki ortalama arıza sayısı 0.0001 dir. T böyle bir sistemde
4 arıza meydana gelene kadar geçen süre olarak tanımlanıyor. T nin 40 bin saati geçmesi olasılığı nedir?
T nin 40 bin saati geçmesi 40 bin saat içinde en fazla 3 arızanın meydana gelmiş olması demektir. O
halde N, 40 bin saat içinde meydana gelen arıza sayısı olsun. Bu durumda 40 bin saat içinde ortalama
arıza sayısı
𝑎𝑟𝚤𝑧𝑎
𝐸(𝑁) = 40,000(0.0001) = 4
40 𝑏𝑖𝑛 𝑠𝑎𝑎𝑡
ve N~Poisson(=4). Buradan
3
𝑒 −4 4𝑛
𝑃(𝑇 > 40,000) = 𝑃(𝑁 ≤ 3) = ∑ ≅ 0.4333
𝑛!
𝑛=0
Genel olarak r>1 olmak üzere, r. arıza meydana gelene kadar geçen sürenin dağılımı benzer şekilde
𝑟−1
𝑒 −𝜆𝑡 (𝜆𝑡)𝑛
𝑃(𝑇 > 𝑡) = ∑
𝑛!
𝑛=0
Bir T r.d.nin o.y.f. (1) şeklinde ise bu r.d. Erlang dağılımına sahiptir.
Gamma Fonksiyonu
r>0 olmak üzere
∞
Γ(𝑟) = ∫ 𝑥 𝑟−1 𝑒 −𝑥 𝑑𝑥
0
olup
1
i. Γ (2) = √𝜋
ii. Γ(𝑟) = (𝑟 − 1)Γ(𝑟 − 1)
iii. Eğer r tamsayı ise Γ(𝑟) = (𝑟 − 1)!
Gamma Dağılımı
Eğer bir X r.d.nin o.y.f.
𝜆𝑟 𝑥 𝑟−1 𝑒 −𝜆𝑥
𝑓(𝑥) = , 𝑥 > 0 ve 𝑟 > 0, 𝜆 > 0
Γ(𝑟)
ise o zaman X r.d. gamma dağılımına sahiptir; 𝑋~𝑔𝑎𝑚𝑚𝑎(𝑟, 𝜆).
Normal Dağılım
Eğer X r.d.nin o.y.f.nu
1 (𝑥−𝜇)2
−
𝑓(𝑥) = 𝑒 2𝜎 2 , −∞
<𝑥<∞
√2𝜋𝜎
şeklinde ise X r.d. µ ve σ2 parametreli normal dağılıma sahiptir; 𝑋~𝑁(𝜇, 𝜎 2 ).
1 std. sapma: %68 2 std. sapma: %95 Gözlemlerim %99'u
0.4
0.4
0.4
0.3
0.3
0.3
Standart Normal
Standart Normal
Standart Normal
0.2
0.2
0.2
0.1
0.1
0.1
0.0
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
z z z
Örnek.
𝑋~𝑁(𝜇 = 65, 𝜎 2 = 225) ise
a) P(X>70)=?
b) 𝑃(85 < 𝑋 < 95) =?
Çözüm:
𝑋~𝑁(𝜇 = 65, 𝜎 2 = 225) olduğundan o.y.f.
1 (𝑥−65)2
−
𝑓(𝑥) = 𝑒 2(225) , −∞ < 𝑥 < ∞
15√2𝜋
a) O halde
𝑃(𝑋 > 70) = 1 − 𝑃(𝑋 ≤ 70)
70
1 (𝑥−65)2
−
=1− ∫ 𝑒 2(225) 𝑑𝑥 =?
15√2𝜋
−∞
Bu integral genel olarak analitik bir fonksiyonla ifade edilemez. Bu nedenle yaklaşık olarak
hesaplanmalıdır. Hesaplamalar için ya tablo ya da bilgisayar programları kullanılır. Örneğin R
programında 𝑃(𝑋 ≤ 70) olasılığını hesaplamak için
pnorm(70,mean=65,sd=15)
[1] 0.6305587
yazılabilir. O halde
𝑃(𝑋 > 70) = 1 − 0.6306 = 𝟎. 𝟑𝟔𝟗𝟒
b) Burada
𝑃(85 < 𝑋 < 95) = 𝑃(𝑋 ≤ 95) − 𝑃(𝑋 ≤ 85)
= 0.9088 − 0.7475 = 𝟎. 𝟏𝟔𝟏𝟑