Professional Documents
Culture Documents
5 4 3 2 1
NE, EN, NZ, ZN, Nİ, İN, NH, HN, EZ, ZE, Eİ, İE,
EH, HE, Zİ, İZ, ZH, HZ, İH, Hİ (20 tane kelime)
Tekrarlı Permütasyon: n1+n2+…+nr=n ve herbir
grup kendi arasında özdeş olmak üzere n tane
nesnenin farklı permütasyonlarının sayısı
aşağıdaki ifadeden hesaplanır.
n!
n1!.n2!.......nr !
Örnek: SAKARYA kelimesinin harflerinin yerini
değiştirerek kaç farklı kelime yazabilirsiniz?
Cevap : 7!/(3!.1!.1!.1! .1!)=5040/6=840
Kombinasyon: A kümesinin r elemanlı alt
kümelerinin sayısına A’nın r’li kombinasyonu
denir.
n n!
C ( n, r )
r r !.( n r )!
Kombinasyonla permütasyon arasında arasında
aşağıdaki eşitlik vardır.
n
P ( n, r ) .r ! r !.C ( n, r )
r
Örnek: 6 kişilik bir öğrenci grubundan 3 kişilik ekipler
oluşturulacaktır. Kaç farklı seçim yapılabilir?
Cevap :
6 6!
C (6, 3)
3 3!.(6 3)!
6 5 4 3!
20
3! 3 2 1
Örnek: 6 erkek 5 kız öğrenci arasından 2’si erkek 3
kişilik ekipler oluşturulacaktır. Kaç farklı seçim
yapılabilir?
Cevap :
6! 6.5.4!
6 Erkek arasından 2 erkek C(6, 2) 15
2!.(6 2)! 2.4!
5! 5.4!
5 Kız arasından 1 kız C(5,1) 5
1!.(5 1)! 1.4!
3 kişilik ekip C(6, 2).C(5,1) 15.5 75 farklı şekilde.
1. Hafta
TANIMLAR
Olasılığa ait yaklaşımlardan iki tanesi
önemlidir. Bunlar Bağıl Frekans Yaklaşımı
ve Aksiyom yaklaşımıdır.
NA
P(A)=
N
olduğu varsayılır. N deney içerisinde A olayının
NA kez olması gerekmez. Ancak deney
hakkındaki ön yargımız bunu kabul etmiştir.
Önyargımız doğru ise NA/N oranı, N büyüdükçe
P(A)’ya yaklaşacaktır.
Örneğin yazı tura olayında 1 deney
yaparsanız, Y gelmeyebilir. NA/N=0/1=0
dır. Ancak P(A)=1/2 dir. Deney sayısı
arttıkça NA/N oranı P(A)’ya yaklaşacaktır.
NA ve N gerçel sayılar olduğundan,
NA
N A N ve 0 1 dir.
N
Bir deneyde oluşların A,B,C,….,M
olduğunu varsayalım. Bu deney
sonuçlarından yalnızca biri olayımız olsun.
Bir deneyde olası oluşlardan yazlınızca biri
meydana gelebiliyorsa bu tip sorunlarda
bütün olayların her biri “karşılıklı seçkin
olaylar” adını alır. Örneğin zar deneyinde
zarın yalnızca bir yüzünü görebiliriz. İki
yüzünü görmek imkânsızdır.
N deney içerisinde A olayı NA, B olayı NB,
…………., M olayı NM kez olmuş ise,
N A +N B .......+N M =N
ve
NA NB NM N
+ .......+ = =1
N N N N
150
P(10,5W ) 0,15 olarak hesaplanır.
1000
olur.
Bu durumda yeni bir kavrama ihtiyaç
vardır. Koşullu olasılık, sonuçlanmış bir B
olayına göre A olayının olasılığıdır. P(A/B)
ile gösterilir.
A A ve A A S dir .
P (A A ) P(A ) P (A ) P(S) 1
P(A)=1-P (A ) bulunur .
Eğer A ve B olayları karşılıklı seçkin
değillerse P(AUB)=P(A)+P(B) eşitliği
geçerli değildir. Ancak daha genel bir sonuç
elde edilebilir.
A B A (A B) dir. Burada A ile (A B) karşılıklı seçkindirler.
P(A B) P(A (A B)) P( A) P(A B) yazılabilir. B ise,
B=(A B) (A B) dir ve (A B) ile (A B) karşılıklı seçkindirler.
P(B)=P((A B) (A B))=P(A B)+P(A B) buradan,
P(A B)=P(B)-P(A B) olur. Bu durumda,
P(A B) P( A) P(B)-P(A B)elde edilir.
1
S= 1,2,3,4,5,6 P( i )
6
i 1, 2,3, 4,5, 6 dır.
1 1 1 1 1 1
P(A)=P(1)+P(3)= tür P(B)=P(5)+P(3)= tür.
6 6 3 6 6 3
1 1 1 1
P(A B)=P(1)+P(3)+P(5)= olur .
6 6 6 2
1
(A B)= 3 ve P(A B)=P(3)=
6
1 1 1 1
P(A B)=P(A)+P(B)-P(A B)= olur.
3 3 6 2
Ödev 2. Altı yüzlü bir zarın olasılık uzayında
A={1}, B={tek sayılar} ve C={Çift
Sayılar}olarak verilmiştir. Buna göre,
a)P(A B)=? b) P(A B)=?
c)P(A C)=? d )P(C B)=?
Aksiyom Yaklaşımı
Aksiyom yaklaşımında küme teorisinden
faydalanılır. Olası tüm oluşların kümesine
“olasılık uzayı” denir.
Olasılık uzayında A olayının olasılığı P(A)
ile ifade edilir. Verilen bu sayısal değer
aşağıdaki 3 koşulu (aksiyomu)
sağlamalıdır.
i)P(A)≥0
ii)P(S)=1
iii)Eğer A∩B=Ø ise P(AUB)=P(A)+P(B)
Olasılığın tüm yapısı bu aksiyomlardan
elde edilir. Bu aksiyomlar birer postulat
olup ispatlamaya çalışmak anlamsızdır.
A A ve A A S dir .
P (A A ) P(A ) P (A ) P(S) 1
P(A)=1-P (A ) bulunur .
Eğer A ve B olayları karşılıklı seçkin
değillerse P(AUB)=P(A)+P(B) eşitliği
geçerli değildir. Ancak daha genel bir sonuç
elde edilebilir.
A B A (A B) dir. Burada A ile (A B) karşılıklı seçkindirler.
P(A B) P(A (A B)) P( A) P(A B) yazılabilir. B ise,
B=(A B) (A B) dir ve (A B) ile (A B) karşılıklı seçkindirler.
P(B)=P((A B) (A B))=P(A B)+P(A B) buradan,
P(A B)=P(B)-P(A B) olur. Bu durumda,
P(A B) P( A) P(B)-P(A B)elde edilir.
1
S= 1,2,3,4,5,6 P( i )
6
i 1, 2,3, 4,5, 6 dır.
1 1 1 1 1 1
P(A)=P(1)+P(3)= tür P(B)=P(5)+P(3)= tür.
6 6 3 6 6 3
1 1 1 1
P(A B)=P(1)+P(3)+P(5)= olur .
6 6 6 2
1
(A B)= 3 ve P(A B)=P(3)=
6
1 1 1 1
P(A B)=P(A)+P(B)-P(A B)= olur.
3 3 6 2
Ödev 2. Altı yüzlü bir zarın olasılık uzayında
A={1}, B={tek sayılar} ve C={Çift
Sayılar}olarak verilmiştir. Buna göre,
a)P(A B)=? b) P(A B)=?
c)P(A C)=? d )P(C B)=?
Koşullu Olasılık
Bir olayın meydana geldiği kesinleşmiş
olduğunda, diğer bir olayın bağıl frekans
yaklaşımına göre koşullu olasılığı bölüm
1.1 de anlatılmıştı. Aksiyom yaklaşımında
koşullu olasılık tanımlanmış bir niceliktir.
Eğer bir B olayı sıfırdan farklı bir değere
sahipse o halde B’ye göre A’nın koşullu
olasılığı,
P(A B)
P(A / B) ; P( B ) 0
P( B)
olarak tanımlanır.
Eğer A kümesi B kümesinin alt kümesi ise
A B=A olur. Bu durumda,
P(A B) P(A)
P(A / B) P(A)
P(B) P(B)
ve
(B A) A B=B olur. Bu durumda,
P(A B) P(B)
P(A / B) 1 olur.
P(B) P(B)
P(A j ).P(E/A j )
P( Aj / E ) k
olur.
P(A ).P(E/A )
i 1
i i
Örnek 1.8 Bir atölyede belirli bir ürün T1 ,
T2 ve T3 tezgahlarında üretilmektedir.
Üretimin %20 si T1 ,%30’u T2 ve %50 si
ise T3 de yapılmaktadır. Söz konusu
tezgahların kusurlu mamul üretme
olasılıkları sırasıyla 0.08, 0.06 ve 0.03 tür.
Seçilen bir ürünün kusurlu olduğu
görülmüştür. Bu ürünün T2 de üretilmiş
olma olasılığını hesaplayınız.
P(T1 )=0,20, P(T2 )=0,30 ve P(T3 )=0,50
P(T2 ).P(K/ T2 )
P(T2 / K)
P(T1 ).P(K/ T1 ) P(T2 ).P(K/ T2 ) P(T3 ).P(K/ T3 )
0,30.0, 06 18
P(T2 / K) 0,367347
0, 20.0, 08 0,30.0, 06 0,50.0, 03 49
K=%8 0,2x0,08=0,016
T1=%20
K=%6 0,3x0,06=0,018
T2=%30
T3=%50
K=%3 0,5x0,03=0,015
Toplam K=0,016+0,018+0,015=0,049
T2 olma=0,018/0,049=18/49
Bağımsızlık
P(A/B)=P(A) ve P(B/A)=P(B)
P(A B)=P(A).P(B) olur.
Bağımsızlık
P(A/B)=P(A) ve P(B/A)=P(B)
P(A B)=P(A).P(B) olur.
Örnek 1.9 Kusursuz bir para 3 kez atılmış
ve A, B, C olayları aşağıdaki şekilde
tanımlanmıştır.
A={ilk iki atışın yazı gelmesi}
B={üçüncü atışın tura gelmesi}
C={üç atışta iki tura gelmesi}
a)A ve B olaylarının,
b)B ve C olaylarının bağımsız olaylar olup
olmadığını araştırınız.
S YYY , YYT , YTY , YTT , TYY , TYT , TTY , TTT
A YYY , YYT
A B YYT 2 4 3
B YYT ,, YTT ,, TYT , TTT P(A)= P(B)= P(C)=
B C YTT , TYT 8 8 8
C YTT , TYT , TTY
1 2
P (A B)= P(C B)=
8 8
? ?
a ) P (A B) = P(A).P(B) b)P(C B) = P(C).P(B)
1 2 4 2 ?3 4
. = .
8 8 8 8 8 8
1 1 1 3
8 8 4 16
bağımsız bağımsız değil
Eğer birden çok olay karşılıklı bağımsız
iseler,
P(A1 A 2 .................. A n ) P(A1 ).P(A 2 ).........P(A n )
benzer şekilde A ve B b ağımsız iseler,
P(A B) P(A)+P(B)-P(A B)
P(A B) P(A)+P(B)-P(A).P(B) olur.
Birleştirilmiş Deneyler
İki deneyin yapıldığı bir durumu
inceleyelim. Deneylerden biri zar atma
diğeri ise madeni para atma olsun. Birlikte
ele alınan bu iki deneye “Birleşik Deney”
denir. Bu deneylerin uzayları S1 ve S2
olsun. S1={α1, α2, α3,……., αn,} ve
S2={β1, β2, β3,……., βm} olsun. Bu
durumda yeni bir Kartezyen Çarpım Uzayı
tanımlanabilir. Bu uzay,
( 1 , 1 ), ( 1 , 2 ),...., ( 1 , m ), ( 2 , 1 ),...
S=S1 x S 2 olur .
.., ( i , j ),......., ( n , m )
Örneğin,
S1 1, 2,3, 4, 5, 6 ve S2 Y , T olsun. Bu durumda ,
(1, Y ), (1, T ), (2, Y ), (2, T ), (3, Y ), (3, T ),
S=S1 x S2 olur .
(4, Y ), (4, T ), (5, Y ), (5, T ), (6, Y ), (6, T )
RASSAL DEĞİŞKENLER
VE
OLASILIK DAĞILIMLARI
Olasılık kuramının günlük uygulamalarında
çoğu kez deney ya da gözlemlerin belirli bir
özelliği ile ilgileniriz. Bir deney ya da
gözlemin şansa bağlı aldığı değere “rassal
(raslantı) değişken” denir.
Her biri 100 olarak etiketlenmiş bir kutu
direnç düşünelim. Toleransları nedeniyle
kutudaki her bir direncin değeri diğerinden
farklıdır. Dirençlerin 99,99 ile 100,01
arasında olduğu bilinse bile bu aralıkta
dahi sonsuz sayıda oluş vardır. Yani tam
100’luk direnç çekme olasılığı 0 dır.
Diğer yandan 99,999 ile 100,001
aralığında bir direnç çekme olasılığı 0’dan
farklı bir değerdir.
Rassal değişkenleri zaman fonksiyonları
gibi düşünebiliriz. Şekilde tipik bir zaman
fonksiyonu gösterilmiştir
2.1 Rassal Değişken
Örnek Uzayı S’yi gerçel (reel) sayılar kümesine
görüntüleyen fonksiyona “rassal değişken” denir.
X :S A R
Burada A kümesi X fonksiyonunun değer kümesidir.
X’e bağlı olarak tanımlanan olasılık modellerinde A,
ilgili olasılık ya da yoğunluk fonksiyonunun tanım
kümesidir.
Genel olarak rassal değişkenler X,Y,Z gibi büyük
harflerle ve bu değişkenlerin aldığı değerleri ise x,y,z
gibi küçük harflerle gösterilir.
Eğer bir X rassal değişkeninin R’deki
görüntüsü A, ayrık küme ise “Ayrık Rassal
Değişken”, bir aralık ya da aralıkların
birleşimi şeklinde ise X’e “Sürekli Rassal
Değişken” denir.
A xi | i 1, 2,......... Ayrık
A x | a x b Sürekli
Örnek 2.1 Kusursuz bir para 3 kez
atılmıştır ve X yazı gelme sayısı olarak
belirlenmiştir. X’in ayrık bir rassal
değişken olduğunu gösteriniz.
=
k j 1
P ( xk ) (I)
i ) P ( xi ) 0 , xi A
ii ) P( x ) 1
xi A
i
a)
2 42 2 2
4 1 2 4! 1 2 8
P ( x 2) .
2 3 3 2!.2! 3 3 27
b)
P ( x 2) P ( x 0) P ( x 1) P ( x 2)
0 40 1 4 1 2 42
4 1 2 4 1 2 4 1 2
0 3 3 1 3 3 2 3 3
16 32 24
81 81 81
8
9
4 1
x
2
4 x
, x 0,1, 2, 3, 4
P( x) x 3 3
0 , diğer durumlarda ( d .d )
c)
8 1
P ( x 2) 1 P ( x 2) 1
9 9
d)
32
P (1 x 3) P ( x 2) P ( x 3)
81
Örnek 2.4 Hileli bir zar atılmıştır. Bu zarın üste
gelen yüzün 1,2,3,4,5,6 gelme olasılıkları sırasıyla,
1/4, 0 , 0, 1/8, 1/8, 1/2 dir. P(x) olasılık ve F(x)
dağılım fonksiyonlarını elde ederek çiziniz.
1 1 1
A 1, 2,3, 4,5, 6 ve P (1) , P(2) P (3) 0, P(4) P (5) , P(6)
4 8 2
1
P( x 1) 0 P( x 1) P( x 1) P( x 1)
4
1 1
P( x 2) P( x 1) P( x 2) P( x 2) P( x 2)
4 4
1 1
P( x 3) P( x 2) P( x 3) P( x 3) P( x 3)
4 4
1 1 1 3
P( x 4) P( x 3) P( x 4) P( x 4) P( x 4)
4 4 8 8
1 1 1 3
P( x 4) P( x 3) P( x 4) P( x 4) P( x 4)
4 4 8 8
3 3 1 1
P( x 5) P( x 4) P( x 5) P( x 5) P( x 5)
8 8 8 2
1 1 1
P( x 6) P( x 5) P( x 6) P( x 6) P( x 6) 1
2 2 2
P( x 7) P( x 6) 1 P( x 7) P( x 7) P( x 7) 1 0 1
..................................................................................................................
..................................................................................................................
0 x 1
1
1 x 4
4
3
F ( x) 4 x5
8
1
5 x6
2
1 x6
X 1 2 3 4 5 6
P(X) 1/4 0 0 1/8 1/8 1/2
P(x)
0,5
0,25
0,125
0 1 2 3 4 5 6 7 8 x
Örnek 2.5 Bir işyerinde 4 kadın 4 erkek işçi
çalışmaktadır. İşçiler arasından rastgele 3 işçi
seçilecektir. X seçimdeki erkek işçi sayısı
olduğuna göre X’in olasılık fonksiyonu elde
ediğiniz ve olasılık dağılımını çiziniz.
x
F ( x) f (t ).dt olarak verilir.
a
F dağılım fonksiyonu ifade eder. En genel hali ile
dağılım fonksiyonu aşağıdaki şekilde verilir.
x
F ( x) P( X x)
f (t ).dt
Tanım gereği olasılık fonksiyonu f pozitif değerler
alacağından F(X) azalmayan bir fonksiyondur. F
fonksiyonun grafiği genel olarak aşağıdaki şekilde
verilir.
F(x)
1
x
F(x) türevlenebilir bir fonksiyon olsun. Her X
eleman gerçel sayı olmak üzere F(x)’ in x’e göre
türevi,
d
F ( x) f ( x )
dx
fonksiyonuna yoğunluk fonksiyonu adı verilir.
f ( x) 0 xR
f ( x) dx 1
f ( x) bir yoğunluk fonksiyonu iken A= x|a<x<b
olayının olasılığı,
P(a x b) F (b) F (a)
b a
f ( x)dx f ( x)dx
b
f ( x)dx ile hesaplanır.
a
f(x)
P(a<x<b)
x
a b
t | x t x x olayını göz önüne alalım. Bu olayın ortaya
çıkma olasılığı,
x x
P( x t x x)
x
f (t )dt dir.
Lim F ( x0 x) F ( x0 )
x 0 f (t )dt 0 olur.
x0
2.3 Sürekli Rassal Değişkenler ve
Dağılımları
X değer kümesi gerçel sayılar olan sürekli bir
rassal değişken iken F(x)=P(X≤x) fonksiyonunu
göz önüne alalım. F(x) dağılım fonksiyonudur ve
X’in verilen bir değere eşit ya da küçük olma
olasılığını verir.
x
F ( x) f (t ).dt olarak verilir.
a
F dağılım fonksiyonu ifade eder. En genel hali ile
dağılım fonksiyonu aşağıdaki şekilde verilir.
x
F ( x) P( X x)
f (t ).dt
Tanım gereği olasılık fonksiyonu f pozitif değerler
alacağından F(X) azalmayan bir fonksiyondur. F
fonksiyonun grafiği genel olarak aşağıdaki şekilde
verilir.
F(x)
1
x
F(x) türevlenebilir bir fonksiyon olsun. Her X
eleman gerçel sayı olmak üzere F(x)’ in x’e göre
türevi,
d
F ( x) f ( x )
dx
fonksiyonuna yoğunluk fonksiyonu adı verilir.
f ( x) 0 xR
f ( x) dx 1
f ( x) bir yoğunluk fonksiyonu iken A= x|a<x<b
olayının olasılığı,
P(a x b) F (b) F (a)
b a
f ( x)dx f ( x)dx
b
f ( x)dx ile hesaplanır.
a
f(x)
P(a<x<b)
x
a b
t | x t x x olayını göz önüne alalım. Bu olayın ortaya
çıkma olasılığı,
x x
P( x t x x)
x
f (t )dt dir.
Lim F ( x0 x) F ( x0 )
x 0 f (t )dt 0 olur.
x0
Örnek 2.6 aşağıda verilen f(x) fonksiyonunun
yoğunluk fonksiyonu olduğunu gösteriniz.
1
( x 10) 0 x2
f ( x) 22
0 d .d .
8k 1 k 1 / 8
Örnek 2.8 Aşağıda verilen f(x) fonksiyonu için
istenilen olasılık değerlerini hesaplayınız.
2e 2 x x0
f ( x)
0 d .d .
3
x(2 x) 0 x 2
f ( x) 4
0 d .d .
x i İşçi Maaş
i 1
X1 = 2.540,00 ₺
N X2 = 2.700,00 ₺
Örnek 2.9 Bir fabrikada
çalışan işçilerden seçilen X3 = 2.760,00 ₺
8 tanesinin maaşları X4 = 2.880,00 ₺
yandaki tabloda X5 = 3.020,00 ₺
verildiğine göre 8 işçinin X6 = 3.060,00 ₺
ortalama maaşını X7 = 3.460,00 ₺
hesaplayınız. X8 = 3.580,00 ₺
İşçiler bir ana kütleden seçilen örneklem
olduğundan ortalama aşağıdaki şekilde hesaplanır.
n
__ x i
X i 1
n
2540 2700 2760 2880 3020 3060 3460 3580
8
İşçi Maaş
3000TL X1 = 2.540,00 ₺
X2 = 2.700,00 ₺
X3 = 2.760,00 ₺
X4 = 2.880,00 ₺
X5 = 3.020,00 ₺
X6 = 3.060,00 ₺
X7 = 3.460,00 ₺
X8 = 3.580,00 ₺
Örnek 2.10 Bir fabrikada İşçi
X1 =
Maaş
2.540,00 ₺
çalışanların maaşları yandaki X2 = 2.700,00 ₺
X3 = 2.760,00 ₺
tabloda verildiğine göre ortalama X4 = 2.880,00 ₺
maaşı hesaplayınız. X5 = 3.020,00 ₺
X6 = 3.060,00 ₺
X7 = 3.460,00 ₺
Fabrikada çalışan tüm işçilerin X8 =
X9 =
3.580,00 ₺
2.490,00 ₺
maaşı verildiğinden ortalama maaş X10 = 2.650,00 ₺
X11 = 2.710,00 ₺
aşağıdaki şekilde hesaplanır. X12 = 2.830,00 ₺
N
X13 = 2.970,00 ₺
x i X14 = 3.010,00 ₺
i 1
X15 = 3.510,00 ₺
N X16 = 3.630,00 ₺
2540 2700 ........ 2970 ...... 2880 X17 = 2.540,00 ₺
X18 = 2.700,00 ₺
20
X19 = 2.760,00 ₺
2934TL X20 = 2.880,00 ₺
n
Eğer gözlem değerleri arasında önem
derecesine göre farklar varsa ağırlıklı X i1
__
xi .ti
1 10 2 20 __ X .n i i
2 20 3 60 X i 1
k
3
4
30
40
4
2
120
80
n
i 1
i
5 50 1 50
k=5 Toplam= 330
5
__ X .n i i
330
X i 1
27,5
5
12
n i 1
i
Gruplandırılmış serilerde aritmetik ortalama;
Gözlem değerlerinin sayısı çok fazla olduğunda,
veriler, gerek sunum kolaylığı gerekse
hesaplama kolaylığı nedeniyle gruplandırılmış
seri şeklinde düzenlenir. Gruplandırılmış
serilerin aritmetik ortalamasını hesaplayabilmek
için seri önce frekans serisine dönüştürülür.
Sonra da frekans serisi için aritmetik ortalama
hesaplamada kullanılan formül uygulanır.
Örnek 2.13 Bir ilde faaliyette bulunan 100
firmanın 2010 yılında ödedikleri vergi tutarlarının
dağılımı aşağıda verilmiştir. Firmaların ödedikleri
2010 yılı ortalama vergi tutarı nedir?
__ x .t i i
38800
Xt i 1
388TL
n
100
t
i 1
i
MEDYAN (Ortanca)
Küçük değerden büyük değere doğru sıralanmış
gözlem değerlerinden oluşan seriyi, gözlem
sayısı bakımından iki eşit kısmi seriye ayıran
değer, medyan ortalamadır. Dizilerde ve
frekans serilerinde medyan hesabında bir formül
yoktur. Ancak medyanın serideki kaçıncı gözlem
değeri olduğunu veya hangi gözlem değerleri
arasında bulunduğunu belirlemek için basit bir
formül yazılabilir.
Dizilerde medyan hesabı; gözlem değerleri küçükten
büyüğe doğru sıralanmış bir seride, tam ortadaki değer
medyandır. Medyan hesaplama sürecinin adımları;
• Derlenen veriler küçükten büyüğe sıralanır.
• Hesaplanacak medyan ortalama değerine karşı
gelecek gözlem değeri sırası şöyle belirlenir. Eğer
gözlem sayısı (n) tek sayıda ise (n+1)/2 hesaplanır.
Bu değer medyan ortalamasının sıra numarasını
gösterir.
• Eğer serideki gözlem sayısı (n) çift sayıda ise sıra
sayısı bakımından tam ortadaki bir yerine iki değer
bulunur. (n+1)/2 değerinin önce ve sonra gelen u
iki gözlem değerinin aritmetik ortalaması medyan
ortalamadır.
Yukarıda verilin dizide n=5 tir. Dizi küçükten büyüğe
yeniden sıralanır. 3 , 5 , 8 , 10 , 19 Sonra (n+1)/2
hesaplanır. (5+1)/2=3 Baştan 3. eleman medyandır.
Med(x)=8 olur.
f ( x)dx 1
f ( x)dx f ( x)dx
c
c
1
f ( x)dx
c
f ( x)dx
2
Şartını sağlayan c değeri medyandır. Med (x) = c olur.
i
( x X ) 2
S x2 i 1
n 1
Anakütle (evren) varyansı ise σ2 ya da Var(x) ile
gösterilir.
N
i
( x ) 2
x2 i 1
N
Varyansın pozitif kareköküne standart sapma
veya standart hata denir.
n __
(x i X) 2
Sx i 1
n 1
(x i ) 2
x i 1
N
Asimetri Ölçüleri
Bir serinin ortalaması ve değişkenlik ölçütünün
bilinmesi kadar, dağılım şeklinin bilinmesi de
önemlidir. Seriler incelendiğinde bazılarının
ortadaki gözlem değeri etrafında toplandıklarını,
bazılarının yüksek değerlere eğimli olduğunu,
bazılarının ise küçük değerlere eğimli oldukları
gözlenebilir. Simetriden uzaklaşarak bir yana
çarpık (eğik) olan serilerin bu özellikleri
asimetri ölçütleri ile belirlenebilir.
Eğer Ortalama=Med=Mod ise seri simetriktir.
Örnek 2.14 X rassal değişkeninin yoğunluk
fonksiyonu aşağıdaki şekilde verildiğine göre
medyanını bulunuz.
3 x 2
0 x 1
f ( x)
0 d .d
c c
1
Med ( x ) 3 x dx 3 x dx
2 2
0
2
3 c 1 1
x c 3
0 2 2
Örnek 2.15 Hileli bir zar atılmıştır. Zarın sırası
ile 1,2,3,4,5,6 gelme olasılıkları 1/6, 1/6, 1/6, 1/3
1/6 ve 0 dır. Med(x)’i bulunuz.
c c
P ( x ) P ( x ) c 1 için P (1) 1 / 6
1
i 1
x i .P ( xi ) 3 / 2
X sürekli ya da ayrık bir rassal değişken iken
beklenen değer, dağılım fonksiyonu F(x)
kullanılarak ta hesaplanabilir.
0
E ( x)
F ( x)dx
0
(1 F ( x )) d x
Var ( x ) E (( x ) ) E ( x 2 x )
2 2 2
E ( x ) E (2 x ) E ( )
2 2
E ( x ) 2 E ( x)
2 2
E ( x ) 2
2 2
E(x )
2 2
Örnek 2.15 X sürekli rassal değişkeninin
olasılık yoğunluk fonksiyonu aşağıdaki şekilde
verildiğine göre X’in beklenen değerini ve
standart sapmasını hesaplayınız.
.e , x 0, 0
x
f ( x)
0 , d .d
x . . e
x
E (x) x. f ( x )d x dx
0
1 1
E ( x) ( .
x
e x .e x d x
0 0
1
E (x)
( ) . f ( x)dx ( ) . . d x
2 2 x
Var ( x) x x e
0
1 1
Var ( x) V ar( x )
2
2.4.5 Momentler
(tx ) r
M x (t ) . f ( x ).dx
r 0
r!
(tx ) r
M x (t ) f ( x ).dx
r 0 r !
tr
M x (t ) x f ( x ).dx .....( II )
r
r 0 r !
(I) ve (II) eşit olduğundan,
(r )
M (0).t t r
r
r!
x
x f ( x ).dx
r 0 r !
r
r 0
x
(r ) r
M x (0) f ( x ).dx
(r )
M x (0) M r olur .
r 0 r !
tr
M (t ) r olur.Sıfır ve ortalama etrafındaki momentler
r 0 r !
j 0 j
0 M 0 1 1 0
2 M 2 M 12
3 M 3 3 M 2 M 1 2 M 13
4 M 4 4 M 3 M 1 6 M 2 M 12 3 M 14 olur .
2.4.7 Asimetri ve Basıklık
Asimetriye ilişkin sağlıklı sonuçlar momentler
yardımıyla elde edilir. Tek modlu ve simetrik bir
dağılımda ortalama etrafındaki tek mertebeli
momentler 0 (sıfır) değerini alır.
E (( x ) 2 r 1
)0
Eğer bu değer sıfıra eşit değilse simetriden
uzaklaşmanın bir ölçüsüne ihtiyaç vardır. Karl
Pearson ve R.A. Fisher asimetriye ilişkin
ölçütleri tanımlamışlardır.
K . Pearson R . A.Fisher
2
3
Eğiklik 1 3
1 3/ 2
3
2 2
4 4
Basıklık 2 2 2 2 3
2 2
1 ve 1 negatif ise eğri sola, pozitif ise sağa
eğiktir. Sıfıra eşit ise simetriktir.
Sola Eğik
Simetrik
Örnek 2.16 Bir alternatif akım devresinde kaynaktan
çekilen akım rassal olarak 10 farklı anda ölçülüyor ve
3, 2, 1, 0, -2 , -4, -5, -8, -9, -8 değerleri okunuyor.
a) Ortalama akım değerini,
b) Ortanca akımı,
c) Akımın varyansını,
d) Akımın standart sapmasını,
e) Akımın ortalama sapmasını hesaplayınız.
Çözüm
a) X 3 2 1 0 (2) (4) (5) (8) (9) (8) 3
10
b) 9 8 8 5 4 2 0 1 2 3
(4) (2)
Med ( x) 3
2
c) 10
i
( x ( 3)) 2
s2 i 1
19, 778
10 1
10
e) | x i ( 3) |
OS i 1
0
10
Örnek 2.17 Bir zar atılıyor ve X rassal değişkeni üst
yüze gelen sayının karesi ve Y rassal değişkeni ise üst
yüze gelen sayı 3’e eşit veya küçükse 0 değilse 1
olarak tanımlanıyor. Buna göre,
a) X b) Y c) X+Y d) X.Y
6
1
E ( X ) P( xi ) xi (1 4 9 16 25 36) 15,167
i 1 6
6
1 2
E ( X ) P( xi ) xi (1 42 92 162 252 362 ) 379,167
2 2
i 1 6
Var ( X ) E ( X 2 ) E ( X ) 2 379,167 230, 038 149,129
( X ) 149,129 12, 212
b)
yi 0 1
P(yi) 1/2 1/2
2
1 1 1
E (Y ) P( yi ) yi 0 1
i 1 2 2 2
2
1 2 1 2 1
E (Y ) P( yi ) yi 0 1
2 2
i 1 2 2 2
2 2 1 1 1
Var (Y ) E (Y ) E (Y ) 2
2 2 4
1 1
(Y )
4 2
c) Zar 1 2 3 4 5 6
xi 1 4 9 16 25 36
yi 0 0 0 1 1 1
X+Y 1 4 9 17 26 37
1
E ( X Y ) P ( x y ) ( x y ) (1 4 9 17 26 37) 15, 667
6
2
1
E (( X Y ) ) P ( x y ) ( x y ) 2 (12 42 92 17 2 262 37 2 )
2
i 1 6
405,333
Var ( X Y ) E (( X Y ) 2 ) E ( X Y ) 2 405,333 15, 667 2 159,878
( X Y ) 159,878 12, 644
d) Zar 1 2 3 4 5 6
xi 1 4 9 16 25 36
yi 0 0 0 1 1 1
X.Y 0 0 0 16 25 36
1 1
E ( X Y ) P( x y ) ( x y) 0 (16 25 36) 12,833
2 6
2
1 1
E (( X Y ) ) P ( x y ) ( x y )2 02 (162 252 362 )
2
i 1 2 6
362,833
Var ( X Y ) E (( X Y ) 2 ) E ( X Y ) 2 362,833 12,8332 198,147
( X Y ) 198,147 14, 076
Örnek 2.18 Bir X rassal değişkeni aşağıda verilen
olasılık değerlerine sahiptir. Buna göre istenen
beklenen değerleri hesaplayınız.
P (2) 1 / 6 P ( X 2) 1 / 3 P ( X 6) 1 / 2
ÇÖZÜM
1 1 1 20
a ) E ( X ) 2 2 6 3, 333
6 3 2 6
2 2 1 2 1 2 1 120
b) E ( X ) ( 2) 2 6 20
6 3 2 6
1 1 1 24
c) E (| X |) 2 2 6 4
6 3 2 6
Örnek 2.19 X sürekli rassal değişkeninin yoğunluk
fonksiyonu aşağıda verilmiştir. X’in beklenen değerini
ve varyansını bulunuz.
3(1 2 x 2 )
, 1 x 1
f ( x) 2 a) E ( X ) ? Var ( X ) ?
0, dd
ÇÖZÜM
1 2 1 2 4 1
3(1 2 x ) 3 3 x x
1 2
3
a) E ( X ) x dx ( x 2 x ) dx ( ) 0
2 1 2 2 2 1
1 2 1 3 5 1
3(1 2 x ) 2 3 3 x x 1
b) E ( X )
2
x dx ( x 2 x ) dx ( 2 )
2 4
1
2 2 1 2 3 5 1 5
1
Var ( X ) E ( X 2 ) E ( X ) 2 ????? Varyans nasıl negatif çıkar ?
5
BÖLÜM 3
AYRIK DAĞILIMLAR
AYRIK DAĞILIMLAR
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
30 35 40 45 50 55 60 65 70
Örnek 3.1 Kusursuz bir para deneyi aynı
koşullarda 3 kez tekrarlanmıştır. X yazı
gelme sayısı olduğuna göre X’in binom
dağılmış bir rassal değişken olduğunu
göstererek olasılık fonksiyonunu yazınız.
x 0 x 0 x
n
n t x n x
M (t ) (e p) q t
e p r alınırsa,
x 0 x
n
n x n x
M (t ) E[e ] r q (r q) ( pe q)
tX n t n
x 0 x
Moment çıkaran fonksiyonun kullanılarak
aritmetik ortalama ve varyans bulunabilir.
Fonksiyonun t=0’da 1. türevi alınırsa ortalama
bulunur.
' t n 1 t
M (t ) n( pe q ) pe
M (t 0) E ( X ) n( pe q)
' 0 n 1 0
pe np
3 3
p 1/ 3 , q 2 / 3 ve n 5 olur.
1 t 25
M (t ) p.e q ( e ) olduğundan,
t n
3 3
p 1/ 3 , q 2 / 3 ve n 5 olur.
5 1 x 2 5 x
( ) ( ) x 0,1, 2,3, 4,5
a) P( x) x 3 3
0 d.d.
b) P( x 3) P(0) P(1) P(2)
P( x 2) P(0) P(1) P(2)
5 1 0 2 50 5 1 1 2 51 5 1 2 2 52
( ) ( ) ( ) ( ) ( ) ( )
0 3 3 1 3 3 2 3 3
P( x 3) 0,1317 0,3292 0,3292
0,7901
P(1 x 3)
c) P( x 3 / x 1)
P( x 1)
P( x 2)
1 (P( x 0) P( x 1))
0,3292
1 (0,1317 0,3292))
0,3292
0,5151
0,6391
Örnek 3.5 Bir firmanın ürettiği lambaların %2
si kusurludur. Firma ürettiği mallardan rastgele
100 tane seçerek kontrol etmektedir. Kusurlu
ürünlerin firmaya maliyeti M=4X2+2X+15
fonksiyonu ile hesaplanmaktadır. Kusurlu
ürünlerin beklenen maliyetini bulunuz.
P(x)
1
x x1 , x2 ,..., x6 n 6
P( x) n
0 dd 1/6
1
x 1, 2,3, 4,5, 6
P( x) 6
0 dd
1 2 3 4 5 6 x
Ayrık Düzgün Dağılımın Beklenen
Değeri ve Varyansı
n
1 1 n( n 1) n 1
n
E ( x) x.P ( x) x.
x 1 x 1 n n 2 2
n
n x 2
p
p q 1
q
0
-1 0 1 2 3 …….. x
Bernoulli Dağılımı
Bernoulli Dağılımının Moment Üreten
Fonksiyonu Beklenen Değeri ve Varyansı
1
M (t ) E (etx ) etx . p x (1 p )1 x (1 p ) et p
x 0
1
E ( x) x. p x (1 p)1 x 0 p p
x0
1
Var ( x) E (( x p ) 2 ) ( x p ) 2 . p x (1 p)1 x p 2 q q 2 p
x 0
Var ( x) pq ( p q ) pq
ÖRNEK 3.7 Ahmet’in olasılık dersinden
geçme ihtimali 0,7 olduğuna göre olasılık
fonksiyonunu yazınız.
0, 3 x0
P ( x) 0, 7 x 1
0 dd
E ( x) p 1 / 5
1 4 4
Var ( x ) p.q .
5 5 25
ÖRNEK 3.9 Moment üreten fonksiyonu
aşağıda verilen rassal değişkenin P(x<2)
olasılığını hesaplayınız.
7 5 t
M (t ) e
12 12
7 5
p ve q dir.
12 12
5 7
P( x 2) P( x 0) P ( x 1) 1
12 12
3.4 Çok Terimli (multinominal) Dağılım
Binom dağılımında sadece iki mümkün
sonuca sahip n bağımsız deneyler süz
konusu idi. Bir deneyin ikiden fazla sayıda
sonuca sahip olması durumu gözönüne
alınsın. Bu deney n kez tekrar edilirse bu
durumda Çokterimli (Multinomial)
dağılım kullanılır. Bu dağılıma
Genelleştirilmiş Binom dağılımı adı da
verilir.
n kez deneme sonunda A1 olayının x1 kez.
A2 olayının x2 kez, .... Ak olayının xk kez
ortaya çıkma olasılığı,
n! x1 x2 xk
P ( X 1 , X 2 ,....., X k ) p1 . p2 ....... pk
x1 !.x2 !.....xk !
k k
Burada xi 0 x
i 1
i n ve p
i 1
i 1 dir.
p
2
2 '' Kq K
E ( x ) M (0) 2
p
2 2
Kq K K Kq
Var ( x) E ( x )
2 2
2
2 2
p p p
ÖRNEK 3.11 Bir zar deneyinde zarı 4 veya 4
den küçük gelmesi başarı sayılmaktadır.
a) 5 kez başarılı olmak için Olasılık
fonksiyonunu yazınız.
b) 5 kez başarılı olmak için 8 atış yapma
olasılığını bulunuz.
c) 5 kez başarılı olmak için en çok 10 atış
yapma olasılığını bulunuz.
d) 5 kez başarılı olmak için en az 7 atış yapma
olasılığını bulunuz.
x 1 2 5 1 x 5
x 5, 6, 7,...
a ) P ( x) 5 1 3 3
0 dd
5 85
8 1 2 1
b) P ( x 8) 0,17
5 1 3 3
c) P( x 10) P( x 5) P( x 6) ..... P( x 10)
0, 42
d ) P( x 7) 1 ( P ( x 5) P ( x 6)) 0, 65
3.7 Hipergeometrik Dağılım
N elemanın N1 tanesi A türünden, N2 tanesi B
türünden olsun. Yerine iade etmeden n eleman
çekilsin. Çıkan A türünden elemanların sayısı
olan X’e hipergeometrik değişken denir. Bu
değişkenin sahip olduğu dağılım
hipergeometrik dağılım adını alır. Olasılık
fonksiyonu ise; N1 N2
x
n x x 0,1, 2,...N1 ve x N1 N
P( x) N
n
0 dd
Bu fonksiyonda N1+N2=N olup olasılık
fonksiyonu N, N1 ve n gibi üç parametreye
sahiptir. Hipergeometrik dağılımı
kullanabilmek için deneylerden birinin
sonucunun diğer deneyleri etkiliyor olması
gerekir. Yani arka arkaya yapılan deneyler
bağımlıdır.
P(x)
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0 5 10 15 20 25
n=5 n=10 n=20
Ortalama ve Varyans
N1 N 2
n
x n x
E ( x) x. n. p
x0 N
n
N1 N 2
n
2 x n x N1 n
E(x ) x .
2
[[ N1 1)( n 1) ( N 1)]
x 0 N N ( N 1)
n
N n
Var ( x) E ( x ) n. p.q.
2 2
N 1
Görüldüğü gibi Binom dağılımı ve
hipergeometrik dağılımın aritmetik ortalamaları
birbiri ile aynı iken varyansları farklıdır.
Hipergeometrik dağılımın çarpanı bu
farklılığı oluşturur. Buna düzeltme faktörü denir.
N sonsuza giderse katsayı bir olur ve dağılımın
varyansı Binom dağılımının varyansına eşit olur.
n/N oranı 0,05 den küçük olursa Hipergeometrik
dağılım yerine Binom dağılımı kullanılabilir.
ÖRNEK 3.12 Bir kutuda 3 kırmızı toplam 12
top bulunmaktadır. İadesiz olarak 5 çekiliş
yapıldığına göre,
a) Olasılık fonksiyonunu yazınız.
b) 1 kırmızı top çekme olasılığını bulunuz.
c) Kırmızı olmama olasılığını kaçtır ?
d) Varyansı hesaplayınız.
3 9
x
5 x x 0,1, 2,3
a) P( x) 12
5
0 dd
3 9
1 5 1
b) P( x 1) 0,47
12
5
3 9
0 5 0
c) P( x 0) 0,16
12
5
N n
d ) Var ( x) n. p.q 0,60
N 1
3.8 Poisson Dağılımı
Bu dağılım belirli bir aralıkta gerçekleşme
olasılığının çok küçük olduğu durumlarda
kullanılır. Örneğin belli bir yılda meydana
gelen doğal afetler, az rastlanan hastalıklar gibi.
Burada sözü edilen aralık birim zaman, birim
hacim, birim alan veya birim uzunluk olabilir;
e x
x 0,1,2,...
P( x) x!
0 dd
Olasılık fonksiyonu şekilde verilen X ayrık
rassal değişkeni Poisson rassal değişkeni adını
alır. X’in dağılımına da Poisson dağılımı adı
verilir. Bu dağılımın bir tek parametresi vardır.
O da dır. gerçekleşen ortalama olay sayısı
olup = np dir.
P(x), n=20, p=0,02
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 10 20 30
Moment Üreten Fonksiyonu, Ortalama
ve Varyans
e
x
M (t ) E (e ) e .
tx
e ( et 1)
tx
x 0 x!
E ( x) M (0)
'
E ( x ) M (0) (1 )
2 ''
Var ( x) E ( x ) (1 )
2 2 2
ÖRNEK 3.13 Bir santralda herhangi bir
zamanda gelen telefonların sayısı saniyede 0,25
ortalamaya sahiptir.
a) Herhangi bir 20 saniyede gelen telefonlara
ilişkin olasılık fonksiyonu nedir?
b) 90 saniyelik bir zaman diliminde telefon
sayısına ilişkin beklenen değer ve standart
sapmanın değeri nedir?
a)20 sn ' deortalama 20x0, 25 5 telefon gelir.
e5 5x
x 0,1, 2,3,... b) E( x) Var ( x) 90.0, 25 22,5
P( x) x!
0 dd 22,5 4,74
ÖRNEK 3.14 Türkiyede covid-19 dan ölenlerin
oranı yılda 100.000 kişide 2 olarak tespit edilmiştir.
Buna göre Sakarya’da (1.000.000 nüfus),
a) Bir yılda en az 3 kişinin ölme olasılığı kaçtır?
b) Bir yılda en çok 2 kişinin ölme olasılığı kaçtır?
a) p 0,00002 ven 1000000 20
P( x 3) 1 (P(0) P(1) P(2))
e20 200 e20 201 e20 202 20
1 1 221e 0,9999
0! 1! 2!
b) P( x 2) (P(0) P(1) P(2))
e20 200 e20 201 e20 202 20 7
221e 4,555.10
0! 1! 2!
CHEBYSHEV TEOREMİ
Bir X rassal değişkeninin olasılık veya olasılık yoğunluk
fonksiyonu bilinmiyorken, bu X rassal değişkenini belli
aralıkta aldığı değerlerin olasılığı hakkında bilgi sahibi
olmak için Chebyshev eşitsizliğinden yararlanılır.
3 3 3 3 3 3 3 3 3 3
45 48 51 54 57 60 63 66 69 72 75
µ
ÖRNEK 3.15 Bir sınıftaki öğrencilerin olasılık ve
istatistik dersinin vizesinden aldıkları notların
ortalaması 60 ve standart sapması 3’tür. 48 ile 72
arasında not alan öğrencilerin oranı en az kaçtır.
=3 µ=60 P(48<x<72)=?
ÇÖZÜM
1
P (48 x 72) 1 2
k
P ( k x k ) P (60 k 3 x 60 k 3)
60 k 3 48 k 4 ve 60 k 3 72 k 4
1 1 15
P (48 x 72) 1 2 1 2
k 4 16
ÖRNEK 3.16 Bir üretim bandında Y malının ortalama
ağırlığı 10gr dır. Bu malın 8gr ile 12 gr arasında
üretilme olasılığı en az 0,50 olduğuna göre Y malının
varyansını hesaplayınız.
ÇÖZÜM
1 2 1
P (8 y 12) 1 2 0,50 k k 2
k 0,50
P ( k y k ) P (10 2 y 10 2 )
2
10 2 8 2
2
2
2
veya 10 2 12 2 2
2
BÖLÜM 4
SÜREKLİ DAĞILIMLAR
SÜREKLİ DAĞILIMLAR
1
, 1 x 6
f ( x) 5
0 , dd
6 6
1 1 6 1
P(1 x 6) d ( x) x 1
1
5 5 1 5 5
6 6
1 1 6 3 3
P( x 3) d ( x) x
3
5 5 3 5 5 5
3 3
1 1 3 1 2
P (1 x 3) 1 5 d ( x) x
5 1
5 5 5 2
P (1 x 3 / x 1) 6
P ( x 1) 1 1
6
6 1 1 5
1 5 d ( x) 5 x 1 5 5
a b 1 6 (b a) 2 (6 1) 2 25
E ( x) 3,5 Var ( X )
2 2 12 12 12
f(x)
1
P (1 x 6) .(6 1) 1
1/(6-1) 6 1
1 6 x
F(x)
F(x=6)=1
P(x≥3)=F(6)-F(3)=3/5
F(x=3)=2/5
1 3 6 x
4 4
1 1
4 2 2
P (2 x 4) 2 5 d ( x) x
5 2
5 5 5 1
P (2 x 4 / x 2) 6
P ( x 2) 1 1
6
6 2 4 2
2 5 d ( x) 5 x 2 5 5 5
f(x)
P(2 x 4) 1
P (2 x 4 / x 1)
P( x 2) 2
1/(6-1)
1 2 4 6 x
NORMAL DAĞILIM
X sürekli rassal değişkeninin varyansı σ2 ve ortalaması
µ olmak üzere yoğunluk fonksiyonu aşağıdaki şekilde
veriliyorsa bu rassal değişkene normal dağılmış
sürekli rassal değişken denir. X~N(µ, σ2 ) ile gösterilir.
Dağılımın 2 parametresi vardır. Bunlar ortalama ve
varyanstır. Oldukça yaygın kullanılan bir dağılımdır.
1 x 2
1 ( )
f ( x) e 2
, x
2
i) σ>0 olduğundan f(x)>0 olur.
1 x 2
1 ( )
ii )
f ( x)dx
2
e 2
dx 1
Taralı alan toplam alanın %68,26 sına eşittir. Toplam
alan 1’e eşit olduğundan taralı alan 0,6826 olur.
Normal Dağılımın moment üreten fonksiyonu,
beklenen değeri ve varyansı aşağıda verilmiştir.
b 1 x 2 t 2 2
1 ( ) t
M x (t ) E (e ) e . f ( x).dx
tx tx
e
tx
e 2
dx e 2
,
a 2
E( X ) beklenen değer
Var ( X ) 2
2
1
Bu eğrinin maksimum noktası z=0’dadır ve değeri 0, 3987
2
’dir. Normal dağılımda, Standart Normal Dağılıma geçmek için
x
z
dönüşümü yapılır. Standart Normal Dağılımda hesaplamalarda
önceden hazırlanmış dağılım tablosundan yararlanılır ve
Z~(0,1) olarak gösterilir.
Örnek: Olasılık ve İstatistik dersi vize sınavında
öğrencilerin not ortalaması 55 ve standart sapması 15
olarak hesaplanmıştır. Buna göre öğrencilerin % kaçı
70 ve üzeri not almıştır(En yüksek not 100’dür).
Çözüm: Öncelikli olarak notlar standart notlara
çevrilmelidir. Bunun için x dönüşümü
z
kullanılır.
x 70 55 15
Z1 1
15 15
P( X 70) 1 P( X 70) 1 P( Z 1)
1 (0,5 0,3413) 1 0,8413 0,1587
Örnek: Normal Dağılan bir X sürekli rassal
değişkeninin %10 u 50’nin altında %20 ise 100’ün
üzerinde ise bu dağılımın Ortalaması ve standart
sapması kaçtır?
50 50
P( Z ) 0,90 1, 28
100 100
P( Z ) 0,80 0,84
1, 28 50
0,84 100
x 38 50 12
Z1 2, 4
25 5
x 50 50 0
Z2 0
25 5
P(2, 4 z 0) 0, 4918
İRDELEME
Chebyshev Kullanılması
1
P (38 x 62) 1 2
k
P (50 k 5 x 50 k 5)
50 k 5 38 k 2, 4 ve 50 k 5 62 k 2, 4
1 1
P (38 x 62) 1 2 1 2
0,826
k 2, 4
0,826
P (38 x 50) 0, 413
2
n=100, p=0,50 Binom
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
30 40 50 60 70
n=100 p=1/2 Binom Dağılım Grafiği
1,2
0,8
0,6
0,4
0,2
0 0 20 40 60 80 100 120
-0,2
GAMMA DAĞILIMI
>0 ve >0 olmak üzere yoğunluk fonksiyonu
aşağıdaki şekilde verilen X sürekli rassal değişkenine
Gamma Dağılmış Rassal Değişken denir.
x 1e x
, x0
f ( x ) ( )
0 , x0
( ) : gamma fonksiyonu
1. 1 ( ) ( 1)( 1)
2. 2 ( ) ( 1)!(1) ( 1)! ((1) 1 ve (0) 0)
1
3. ( )
2
4. n r r tamsayı kesirli sayı olmak üzere,
(n) (r ) (r 1 )(r 1) (r 1 )(r 2 )(r 2)
(r 1 )(r 2 )...........( )( )
E ( x) 1
2 2
ÜSTEL DAĞILIM
Üstel Dağılım =1 gamma dağılımın özel bir
halidir. Gamma dağılımında =1 alınırsa,
2 1 1
Var ( X ) M (t 0)
2 '' 2
2
2
2
Örnek: =3 olan bir üstel dağılım için P(X≤3) ,
P(1≤X≤3) ve P(X≤3/X>1) olasılıklarını hesaplayınız.
3e 3 x
, x0
f ( x)
0 , x0
3
P X 3 3.e 3 x dx 1 e 9 0,99987
0
3
P 1 X 3 3.e 3 x dx e 3 e 9 0, 04966
1
P 1 X 3 e 3 e 9 0, 04966
P X 3 / X 1 0,99759
P ( X 1)
0,04978
3 x
3 .e dx
1
Örnek: Bir telefon santraline ortalama her 5 saniyede
ortalama 4 çağrı gelmektedir. Çağrılar arasında geçen
sürenin dağılım fonksiyonunu bulunuz ve bundan
faydalanarak,
a)5 saniye içerisinde çağrı gelmeme olasılığını,
b)Birbirini izleyen iki çağrı arasında en fazla 2 saniye
geçmesi olasılığını,
c) İki çağrı arasındaki sürenin en az 3 saniye olma
olasılığını hesaplayınız.
ÇÖZÜM: Birim olarak 1 saniye alırsak, 1 saniyedeki
ortalama çağrı sayısı 4/5 olur. Yani =4/5 olur.
Dağılım fonksiyonu,
0 , x0
4 x /5
F ( x) 1 e , x0
1 , x
a)Belli bir süre içerisinde belli sayıdaki çağrı olasılığı
sorulduğundan dağılım Poisson dağılımına uyar.
4
4 x
e ( )
5
P( X ) 5
x!
4
4 0
e ( ) 5
P ( X 0) 5 0, 449
0!
b) İki çağrı arasındaki zaman sorulduğundan dağılım
sürekli ve üsteldir. Dağılım fonksiyonundan,
P ( X 2) F X 2 F X 0 (1 e 4.2/5
)0
1 e 8/5 1 0, 2019 0, 7981
c)
P ( X 3) F X F X 3
4.3/5 12/5
1 (1 e )e 0, 090718
Kİ-KARE DAĞILIMI
Ki-Kare Dağılımı =r/2 ve =2 için gamma
dağılımın özel bir halidir.
x .e
r/2 x/2
, x0
f ( ) (r / 2).2
2 r/2
0 , x0
r ‘ye dağılımın serbestlik derecesi denir ve pozitif tamsayıdır.
Ki-Kare dağılımına sahip sürekli rassal değişkenlerin
serbestlik derecelerine bağlı olarak olasılıkları hesaplanarak
tablo olarak verilmiştir.
Ki-Kare dağılmış sürekli rassal değişkenin moment üreten
fonksiyonu, ortalaması ve varyansı aşağıda verilmiştir.
tx 1
M x (t ) E (e )
(1 2t ) r /2
E( X ) r
Var ( X ) 2r
Ki-Kare Dağılımı İstatistikte parametrik olmayan
testlerde sıklıkla kullanılır.
r=1
r=2
r=3
r=4
r=5
STUDENT –t DAĞILIMI
1908 yılında student adını kullanan William Gosset
tarafından geliştirilmiştir.
X rassal değişkeni standart normal dağılıma ve U
rassal değişkeni ise ki-kare dağılımına sahip olsun.
Ayrıca bu iki rassal değişken bağımsız olsunlar. Bu iki
değişken kullanılarak bir T rassal değişkeni aşağıdaki
şekilde tanımlansın.
X
T
U /r
STUDENT –t DAĞILIMI
1908 yılında student adını kullanan William Gosset
tarafından geliştirilmiştir.
X rassal değişkeni standart normal dağılıma ve U
rassal değişkeni ise ki-kare dağılımına sahip olsun.
Ayrıca bu iki rassal değişken bağımsız olsunlar. Bu iki
değişken kullanılarak bir T rassal değişkeni aşağıdaki
şekilde tanımlansın.
X
T
U /r
T rassal değişkeninin olasılık yoğunluk fonksiyonu
aşağıdaki şekilde verilir.
r 1 v 1
( 2 ) t 2 2
f (t ) 1 , t
(r / 2). .r r
0 , dd
Bu dağılım normal dağılmış bir örneklemin eleman
sayısı yetersiz olduğunda kullanılır. Serbestlik derecesi
büyüdükçe normal dağılıma yaklaşılır. r=1 olursa
Cauchy dağılımı elde edilir. Dağılımın ortalaması µ=0
ve varyansı r>2 için Var(T)=r/(r-2) dir.
r=1
r=2
r=5
r=10
r=∞
F DAĞILIMI
Ki-Kare Dağılımına sahip birbirinden bağımsız iki
rassal değişken alınsın . Bu iki rassal değişken
kullanılarak tanımlanan,
/ r1
2
r1
F
/ r2
2
r2
( )
B( , )
( ).( )
( ) ( 1)!( 1)!
B( , ) ( ve tamsayı)
( ).( ) ( 1)!
E( X ) ortalama
.
2
varyans
( ) ( 1)
2
Beta dağılımı genelde oranlar için bir dağılım modeli
olarak kullanılır.
BÖLÜM 6. BİRLEŞİK OLASILIK
FONKSİYONLARI
P(X = x, Y = y) = P(x, y)
P ( X ) P ( x, y ) ve P (Y ) P ( x, y )
y x
X 0 1 2
P(x) 0,189 0,330 0,481
Benzer şekilde Y’nin marjinal olasılık fonksiyonu
bulanabilir.
P(Y 0) P(x, y) 0,047 0,236 0,472 0,755
x
Y 0 1
P(y) 0,755 0,245
6.1.3 Koşullu Olasılık
P ( X 1, Y 1) 0,5 5
P ( X 1 / Y 1)
P (Y 1) 0, 6 6
P ( X 2, Y 1) 0,1 1
P ( X 2 / Y 1)
P (Y 1) 0, 6 6
Örnek 6.4: Aşağıda verilen fonksiyonunun ortak
olasılık fonksiyonu olması için k ne olmalıdır?
3 2
k. .
P ( X .Y ) x y , x 0,1, 2,3 ve y 0,1, 2
0 , d .d
3 2
3 2
P ( X , Y ) k . . 1 olmalı.
x 0 y 0 x y
3 2 2 2 3 3 3 2 2 2
P ( X , Y ) k . . ....... . ....... .
0 0 1 2 1 2 3 0 1 2
3! 2! 2! 2! 3! 3! 3!
k. . ..... ..... .....
3!.0! 2!.0! 1!.1! 0!.2! 2!.1! 1!.2! 0!.3!
k . 1. 1 2 1 3 1 2 1 3 1 2 1 11 2 1
k (4 12 12 4)
1
k .32 1 k
32
Örnek 6.5: Aşağıda verilen ortak olasılık
fonksiyonunu kullanarak,
a)Marjinal olasılık fonksiyonlarını bulunuz.
b)P(X/Y) koşullu olasılık fonksiyonunu bulunuz.
c)P(Y/X) koşullu olasılık fonksiyonunu bulunuz
1 3 2
. . , x 0,1, 2,3 ve y 0,1, 2
P ( X , Y ) 32 x y
0 , d .d
2
1 3 2 1 3 2 2 2 4 3
a ) P ( X ) .
y 0 32 x y 32 x 0 1 2 32 x
3
1 3 2 1 2 3 3 3 3 8 2
P (Y ) .
x 0 32 x y 32 y 0 1 2 3 32 y
1 3 2
. .
P ( X , Y ) 32 x y 1 3
b) P ( X / Y )
P (Y ) 8 2 8 x
32 y
1 3 2
. .
P ( X , Y ) 32 x y 1 2
c ) P (Y / X )
P( X ) 4 3 4 y
32 x
Örnek 6.6 Tura gelme olasılığı 0,40 olan hileli bir
para 2 kez atılıyor. X, ilk atışta gelen tura sayısını, Y
ise iki atışta gelen toplam tura sayısını göstersin.
a) X ve Y’nin ortak olasılık fonksiyonunu,
b) Y’nin marjinal olasılık fonksiyonunu,
c) X’nin marjinal olasılık fonksiyonunu,
d) En az 1 tura gelme olasılığını bulunuz.
Çözüm:
a) S={TT,TY,YT,YY}, X={0,1} ve Y={0,1,2} olur.
Y
0 1 2
X
0 0,6.0,6 0,6.0,4 0
1 0 0,4.0,6 0,4.0,4
Y
0 1 2
X
0 0,36 0,24 0
1 0 0,24 0,16
b)
y 0 1 2
c)
x 0 1
x.P( x / y )
x
2
Var ( X / Y y ) E X E X / Y y / Y y E X 2 / Y y E X / Y y
2
X E X / Y y .P( x / y )
2
x
Örnek 6.8 X ve Y’nin ortak olasılık foksiyonu
aşağıdaki gibi verilmiştir. Buna göre,
a)X rassal değişkeninin marjinal olasılık fonksiyonunu
elde ediniz.
b)Y rassal değişkeninin marjinal olasılık fonksiyonunu
elde ediniz.
c)X’in ve Y’nin beklenen değerini bulunuz.
d)E(X.Y) yi bulunuz.
e)X ve Y bağımsız mıdır?
f) E(3X+1) ve E(2X+4Y) yi hesaplayınız
g)E(X2+Y) bulunuz.
h)E(Y/X=0) hesaplayınız.
i) Var(Y/X=0) hesaplayınız.
a) X rassal değişkeninin marjinal olasılık fonksiyonunu elde ediniz.
b) Y rassal değişkeninin marjinal olasılık fonksiyonunu elde ediniz.
c) X’in ve Y’nin beklenen değerini bulunuz.
d) E(X.Y) yi bulunuz.
e) X ve Y bağımsız mıdır?
f) E(3X+1) ve E(2X+4Y) yi hesaplayınız
g) E(X2+Y) bulunuz.
h) E(Y/X=0) hesaplayınız.
i) Var(Y/X=0) hesaplayınız.
Y
1 2 3 4 Toplam
X
-1 0 0 0,1 0,2 0,3
0 0,1 0,1 0 0,1 0,3
1 0,2 0 0,1 0,1 0,4
Toplam 0,3 0,1 0,2 0,4 1
Çözüm: X -1 0 1
a)
P(X=x) 0.3 0,3 0,4
b)
Y 1 2 3 4
P(Y=y) 0,3 0,1 0,2 0,4
c) E ( X ) x.P( x) (1).0,3 0.0,3 1.0, 4 0,1
x
h) E (Y / X 0) y.P(Y / X 0)
y
Aşağıdaki tablo hazırlanır. Böylece sonuç 7/3
olarak bulunur 7
E (Y / X 0)
3
P(Y , X 0)
Y/X=0 P (Y / X 0)
P( X 0)
E(Y/X=0)
1 0,1/0,3 1.(0,1/0,3)
2 0,1/0,3 2.(0,1/0,3)
3 0,0/0,3 3.(0,0/0,3)
4 0,1/0,3 4.(0,1/0,3)
Toplam 1 0,7/0,3
i) Var (Y / X 0) E (Y / X 0) E (Y / X 0)
P (Y , X 0)
P (Y / X 0)
P ( X 0) 2 2
f ( x, y ) f ( x, y )
f ( x / y) ve f ( y / x)
f ( y) f ( x)
6.2.4 Ortak Dağılım Fonksiyonu
( x y ) , 0 x 1 ve 0 y 1
f ( x, y )
0 , dd
Çözüm:
a) 1
1
f ( x) f ( x, y )dy ( x y )dy x
0
2
1
1
f ( y)
f ( x, y )dx ( x y ) dx y
0
2
b) f ( x, y ) x y
f ( x / y)
f ( y) 1
y
2
x y x y x y2
c) F ( x, y ) 0 0 f (t1 , t2 )dt2 dt1 0 0 (t1 t2 )dt2 dt1 (t1 . y )dt1
0 2
x 2 y xy 2 xy ( x y )
2 2 2
d) f ( x, y ) x y 0,5 y
f ( y / x) 0,5 y
f ( x) 1 0,5 0,5
x
2
e) f ( x, y ) x y 0, 36 x 0, 36 x
f ( x / y)
f ( y) 1 0, 36 0,5 0,86
y
2
f) f (x, y) f (x). f ( y) koşulu sağlanıyorsa X ve Y bağımsızdır.
(x y) (x 0,5)( y 0,5) olduğundan bağımsız değil.
g) x y xy ( x y )
F ( x, y ) f (t1 , t2 )dt2 dt1
0 0 2
0, 5.0,8.(0, 5 0,8)
0, 26
2
6.3 İki Rassal Değişkenin Kovaryansı ve
Korelasyonu
X ve Y gibi iki rassal değişkenden biri artarken veya
azalırken diğeri de buna bağımlı olarak artıyor veya
azalıyorsa bu iki rassal değişken bağımlıdır.
Bağımlılık kovaryans ve korelasyon ile ölçülür.
6.3.1 Kovaryansı
İki değişkenin birlikte değişimlerinin ölçüsü kovaryans olarak
da ifade edilir. Cov(X,Y) ya da Kov(X,Y) ile gösterilir.
( , ) = [( − ( )) − ( − ( ))] = ( )− ( ) ( )
7 15 52 26 2 2 7 2 15 142 71
E (Y ) 1. 3. E (Y ) 1 . 3 .
22 22 22 11 22 22 22 11
71 26 2 105
y E (Y ) E (Y ) ( )
2 2 2
11 11 121
40 17 26 2
Kov( X , Y ) E ( XY ) E ( X ).E (Y ) .
11 11 11 121
2
Kov( X , Y ) 121 2 2
xy -0,0356
x y
2 2
30 105 3150 56,1249
121 121
Örnek 6.11 X ve Y değişkenlerinin bileşik olasılık yoğunluk
fonksiyonu ( , ) = + ,0< <1 0< < 1 verilmiş
olsun. ( , ) ve değerlerini hesaplayınız.
1 1 1 1
7 7
E ( X ) x ( x y )dxdy E (Y ) y ( x y )dxdy
0 0
12 0 0
12
1 1 1 1
5 5
E ( X 2 ) x 2 ( x y )dxdy E (Y 2 ) y 2 ( x y ) dxdy
0 0
12 0 0
12
2 2
5 7 11 5 7 11
x
2
y
2
12 12 144 12 12 144
1 1
1
E ( XY ) xy( x y ) dxdy
0 0
3
1 7 7 1
Kov( X , Y ) E ( XY ) E ( X ) E (Y )
3 12 12 144
Kov( X , Y ) 1 / 144
XY 0, 091
x y (11 / 144)(11 / 144)
TEOREM
X ve Y bağımsız rassal değişkenler ise
Kov(X,Y)=E(XY)-E(X).E(Y) = 0 olur. Bunun tersi
her zaman doğru olmayabilir. Kovaryansın 0 olması X
ve Y arasında doğrusal bir ilişkinin olmadığını
gösterir, bağımsız olduğunu göstermez.
i 1 i 1 j 1
n n n
Var (U 2 ) bi .Var ( X i ) 2. bi .b j .Kov( X i , X j )
2
i 1 i 1 j 1
n n
Kov(U1 , U 2 ) ai .b j .Kov (Yi , X j ) olur.
i 1 j 1
Örnek 6.13 X,Y, Z gibi üç rassal değişken alınsın. E(X)=-2,
E(Y)=1, E(Z)=3, Var(X)=1, Var(Y)=1, Var(Z)=4,
Kov(X,Y)=-0,05, Kov(X,Z)=0,10, Kov(Y,Z)=1 olarak
verildiğine göre,
a) U1=X-2Y-3Z nin beklenen değerini ve varyansını bulunuz.
b) U2= 5X-2Y ise Kov(U1,U2) değerini hesaplayınız.
b1 5 ve b2 2
Kov(U1 , U 2 ) a1b1 Kov ( X , X ) a1b2 Kov ( X , Y ) a2 b1 Kov(Y , X ) a2 b2 Kov(Y , Y )
a3 b1 Kov ( X , Z ) a3b2 Kov (Y , Z )
Kov( X , X ) Var ( X ) 1 Kov (Y , Y ) Var (Y ) 1 ve Kov ( Z , Z ) Var ( Z ) 4
Kov( X , Y ) 0, 05 Kov( X , Z ) 0,10 ve Kov(Y , Z ) 1
Kov(U1 , U 2 ) 1.5.1 1.(2).(0,05) (2).5.(0, 05) (2).( 2).1 ( 3).5.0,10 (3).(2).1 14,1
Kov(U1 , U 2 ) 0 olmadığından U1 ve U2 bağımlıdır.
Alıştırmalar
i
j 1 2 3 4 5 6
A olayı
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
j 1 2 3 4 5 6
i
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
d) C={i+j>12}={ } = φ
S2. Bir telefon üreticisi aşağıda belirtilen özelliklere sahip
telefon ürettiğine göre olası kaç farklı telefon mevcuttur?
Çözünürlük
kamera
Sim kart
123 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
S3. Aşağıda verilen anahtar devrelerinde her s1 anahtarının
kapalı olması A1, s2 anahtarının kapalı olması A2 ve s3
anahtarının kapalı olması A3 olayı olsun. a, b noktaları
arasında kapalı bir yol olması ise Aab ile gösterilsin buna göre
her bir devre için Aab’yi A1, A2 ve A3 cinsinden ifade ediniz.
C3.
a) Aab’nin kapalı olması için tüm anahtarların kapalı yani tüm
olayların birlikte başarılı olması gerekir.
Aab A1 A2 A3
C3.
b) Aab’nin kapalı olması için herhangi bir anahtarın kapalı yani
herhangi bir olayın başarılı olması gerekir. Kısaca en az bir
anahtar kapalı olmalıdır.
Aab A1 A2 A3
C3.
c) Aab’nin kapalı olması için s1 anahtarı ile birlikte s2 veya S3
anahtarının birinin veya ikisinin birlikte kapalı olması gerekir.
Aab A1 ( A2 A3 ) ( A1 A2 ) ( A1 A3 )
C3.
d) Aab’nin kapalı olması için s1 ve s2’nin birlikte kapalı veya s3
ün kapalı yahut ta tüm anahtarlar kapalı olmalıdır.
Aab ( A1 A2 ) A3 ( A1 A3 ) ( A2 A3 )
S4a. Bir torbada aynı büyüklükte üzerine 1’den 4’e kadar
numara yazılmış 4 top vardır. İadeli olarak arka arkaya 3 top
çekilmektedir. Buna göre;
a) Üç topunda 1 nolu top olma ihtimali nedir?
b) Üç topunda 1 veya 2 nolu top olma ihitimali nedir?
c) Üç topunda aynı olma ihtimali nedir?
d) Üç topunda bir birinden farklı olma ihtimali nedir?
e) En az iki topun aynı olma ihtimali nedir?
1 2 3 4 1 2 3 4 1 2 3 4
C4a.
1 1 1
1-1-1 durumu 64 farklı durumdan sadece bir tanesidir.
a) P(A)=(1/4)(1/4)(1/4)=1/64
S4a. Bir torbada aynı büyüklükte üzerine 1’den 4’e kadar
numara yazılmış 4 top vardır. İadeli olarak arka arkaya 3 top
çekilmektedir. Buna göre;
a) Üç topunda 1 nolu top olma ihtimali nedir?
b) Üç topunda 1 veya 2 nolu top olma ihitimali nedir?
c) Üç topunda aynı olma ihtimali nedir?
d) Üç topunda bir birinden farklı olma ihtimali nedir?
e) En az iki topun aynı olma ihtimali nedir?
1 2 3 4 1 2 3 4 1 2 3 4
C4a.
1 1 1
1-1-1 durumu 64 farklı durumdan sadece bir tanesidir.
a) P(A)=(1/4)(1/4)(1/4)=1/64
C4a. 1 2 3 4 1 2 3 4 1 2 3 4
b)
Muhtemel 64 durumdan 1 1 1
1 2 2
2 1 1
2 1 2
2 2 1
2 2 2
C4a. 1 2 3 4 1 2 3 4 1 2 3 4
c)
Muhtemel 64 durumdan 1 1 1
4 4 4
C4a. 1 2 3 4 1 2 3 4 1 2 3 4
d)
1 3
Muhtemel 64 durumdan 2
P(E)=1-P(D)=1-3/8=5/8
S4b. Olasılık ve İstatistik dersini alan 240 öğrenci vardır.
a)Bu 240 öğrenciden aynı doğum gününe sahip en az 2
öğrenci olma olasılığı nedir?
b) Bu olasılığın 0,5’den küçük olmaması için dersi alan en az
kaç kişi olmalıdır?
n( A) 365.364.....(365 n 1)
P( B) 1 P( A) 1 1
n( S ) 365 n
365.364.....(365 240 1)
1 240
365
365! 46
1 240
1 1, 49.10
365 125!
1
C4.
b)
n( A) 3003
P( A) 0,1937
n( S ) 15504
C5.
n ekibin büyüklüğü ve X ekibe giren erkek sayısı olmak üzere
olasılık fonksiyonu aşağıda gösterildiği gibi yazılır.
5 15
x n x , x 0,..., n
P( x) 15
n
0 , d .d .
S6. Şekilde 4 anahtar, 1 lamba ve 1 kaynaktan oluşan devre
verilmiştir. Her bir anahtarın kapalı ya da açık olma olasılığı
eşittir. Her hangi bir anda lambanın etrafını aydınlatma
olasılığını hesaplayınız.
E
C6. Lambanın odayı aydınlatması için sadece s1 kapalı
diğerleri açık ya da s1 açıkken ; s2 kapalı-s3 kapalı, s2 kapalı-s4
kapalı, s2 kapalı-s3 kapalı- s4 kapalı yahut ta s1 kapalı iken ;
s2 kapalı-s3 kapalı, s2 kapalı-s4 kapalı, s2 kapalı-s3 kapalı- s4
kapalı olmalıdır.
E
C6.
A (( A4 A3 ) A2 ) A1 A1 (( A3 A2 ) ( A3 A2 ))
P( A) P( A1 ( A3 A2 ) ( A3 A2 )) P( A1 ) P( A2 A3 ) P( A2 A4 )
P( A1 A2 A3 ) P( A1 A2 A4 ) P(( A2 A3 ) ( A2 A4 ))
P( A1 A2 A3 A4 )
P( A1 ) P( A2 ) P( A3 ) P( A2 ) P( A4 ) P( A1 ) P( A2 ) P( A3 )
P( A1 ) P( A2 ) P( A4 ) P( A2 ) P( A3 ) P( A4 ) P( A1 ) P( A2 ) P( A3 ) P( A4 )
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
1 2 3 1 8 8 6 1 11
0, 6875
2 4 8 16 16 16 16 16 16
C6.
S1 S2 S3 S4 L
A A A A A
A A A A A
16 E
A A A A A
A A A A A
olası
A A A A A durumdan n( s )) 2 x 2 x 2 x 2 16
A A A A A
A A A A A 11 Anahtarların açık ya da
A A A A A
tane kapalı olma olasılıkları eşit
A A A A A
sağlamakta olduğundan,
A A A A A
dır
A A A A A
A A A A A - n( A) 11
P ( A) 0, 6875
A A A A A - n( S ) 16
A A A A A -
A A A A A -
A A A A A -
S7. _
P (A /B) 1 P (A/B) olduğunu gösteriniz.
C7. __ __
A A=S ve A A= dir.
__ _
P((A A )/B)=P(S/B) 1 P(A/B)+P( A /B)
_
P( A /B)=1-P(A/B) olur.
S8. Zeynep’in 2 çocuğu vardır. Çocuklarından biri kız olduğuna
göre diğerinin erkek olma olasılığı kaçtır?
C8.
S={(E,E), (E,K), (K, E), (K, K)} olasılık uzayı
A={(E,K), (K, E), (K, K)} en az 1 Kız durumları
B={(E,K), (K, E), (E, E)} en az 1 Erkek durumları
AႶB={(E,K), (K, E)}
3 2
P ( A) , P ( B ) ve P ( A B )
4 4
2
P ( A B )) 4 2
P ( B / A)
P ( A) 3 3
4
S9. 50 tane diyotun içerisinde 10 tanesi kusurludur. İadesiz
olarak 2 tane diyot seçiliyor. Buna göre?
a) İlk seçilenin kusurlu olma olasılığı kaçtır?
b) Birincisi kusurlu olduğuna göre, seçilen ikincisinin kusurlu
olma olasılığı nedir?
c) Her ikisinin de kusurlu olma olasılığı nedir?
2 1
C9. a) P ( A)
50 25
1
b) P ( B / A)
49
1 1 1
c) P ( A B ) P ( B / A).P ( A) .
49 25 1225
S10. {1, 2, …, 50) arasından rassal olarak seçilen bir sayı 2 ye
kalansız olarak bölündüğüne göre bu sayının 3 veya 5’de
kalansız olarak bölünme olasılığını hesaplayınız.
P(( A2 A3 ) A1 ) P(( A2 A1 ) ( A1 A3 ))
P( A2 A3 / A1 )
P( A1 ) P( A1 )
P( A2 A1 ) P( A1 A3 ) P( A1 A2 A3 )
P( A1 )
8 5 1
50 50 50 12
0,48
25 25
50
S11. Elektrik rölesi üreten bir şirketin 3 farlı üretim bandı
ürünlerin sırası ile %50, %30 ve %20 sini üretmektedir.
Üretim bantarından çıkan ürünlerin hatalı olma olasılıkları ise
sırasıyla 0.02, 0.05 ve 0.01'dir.
b) P( x1 / y1 )
P( y1 / x1 ) P( x1 ) 0,5.0,8
0,889
P( y1 ) 0,45
c) P( y0 / x0 )P( xo ) 0,5.0,9
P( x0 / y0 ) 0,818
P( y0 ) 0,55
C13. 0,2
B
0,1
A
0,2
A alt biriminin hatasız çalışması için her iki biriminde hatasız çalışması
gerekir. Bu durumda hatasız çalışma olasılığı P(A)=(1-0,2)(1-0,3)=0,56
olur. P(Â)=1-P(A)=1-0,56=0,44 hatalı çalışma olasılığı olur. Sistemin
indirgenmiş hali aşağıda gösterilmiştir.
B
0,1
İndirgenmiş sistemdeki 3
Paralel elemanın hatasız
Çalışma olasılığı hesaplanır. > 0,44 0,3 0,1 >
3 elemanın 3’üde aynı anda
Hatalı çalışırsa B alt birimi 0,2
hatalı çalışır.
P(C)=0,9912.(1-0,10)=0,8921 olur.
Problemi küme teorisi kullanarak ta çözebiliriz.
C
B1 B
0,1
A
C1
A1 A2
> 0,2 0,3 0,1 >
B2
0,2
C C1 B C1 ( B1 B2 A) C1 ( B1 B2 ( A1 A2 ))
P(C ) P(C1 ( B1 B2 ( A1 A2 ))) P(C1 ) P( B1 B2 ( A1 A2 ))
P (C1 )( P ( B1 ) P ( B2 ) P ( A1 A2 ) P( B1 ) P( B2 ) P ( B1 ) P ( A1 A2 )
P ( B2 ) P ( A1 A2 ) P ( B1 ) P( B2 ) P ( A1 A2 )
P(C1 )( P ( B1 ) P( B2 ) P( A1 ) P ( A2 ) P ( B1 ) P( B2 ) P ( B1 ) P ( A1 ) P( A2 )
P ( B2 ) P ( A1 ) P ( A2 ) P ( B1 ) P ( B2 ) P( A1 ) P ( A2 )
0,9.(0,9 0,8 0,8.0, 7 0,9.0,8 0,9.0,8.0, 7 0,8.0,8.0,7 0,9.0,8.0,8.0,7)
0,9.0,9912 0,8921
S14. Bir zarın iki yüzüne 1, diğer iki yüzüne 2, ve diğer yüzlerine ise
sırasıyla 3 ve 4 yazılmıştır. Bu zar atıldığında üst yüzün 1, 2, 3, 4 olma
olasılıkları sırasıyla P(1)=0,5, P(2)=0,25, P(3)=0,125 ve P(4)=0,125 dir. Bu
zar iki defa atılmıştır ve X üstte gelen sayıların toplamı olaak
tanımlanmıştır. Buna göre,
C14.
X2
X1
1 2 3 4
a) P( x 1) 0
0,078125
0,03125 0,015625
0 1 2 3 4 5 6 7 8 9 x
F(x)
1 0,984375
0,953125
0,875
0,6875
0,5
0,25
0 1 2 3 4 5 6 7 8 9 x
S15. X rassal değişkeninin dağılım fonksiyonu aşağıda verilmiştir. Buna
göre ;
0, x0
F ( x) x 0,5 , 0 x 0,5
1, x 0,5
a) F(x) grafiğini çiziniz.
b) P ( x 0, 25) , P (0,5) , P ( x 0, 2 / x 0, 3), P( x 0)
olasılıklarını hesaplayınız.
C15. F(x)
0,75
0,5
0 0,25 0,5 x
P ( x 0, 25) F (0, 25) F () 0,5 0, 25 0 0, 75
P (2 x 5 P (3) P(4)
P( x 2 / x 5)
P ( x 5) P(0) P (1) P (2) P (3) P (4)
3 1 1
( 3 4)
4 4 4 15
0, 0146 olur
1 1024
S17. X rassal değişkeninin olasılık yoğunluk fonksiyonu aşağıda
verilmiştir. Buna göre ; kx , 0 x 1
f ( x)
0 , dd
a) f(x)’in olasılık yoğunluk fonksiyonu olması için k ne olmalıdır?
b) P ( x 1) , P (2 x 2,5), P ( x 0, 2 / x 0, 5) olasılıklarını hesaplayınız.
P (0, 2 x 0,5)
2 xdx
0,2 0,105
P ( x 0, 2 / x 0,5) 0,84
P (0 x 0,5) 0,5
0,125
2 xdx
0
S18. X rassal değişkeninin fonksiyonu aşağıda verilmiştir. f(x)’in olasılık
yoğunluk fonksiyonu olması için k ne olmalıdır?
1 ( x2 x a )
f ( x) e x
C18. Toplam olasılık 1’e eşit olmalıdır.
1 1
2
( x xa ) ( x 2 x 1/ 4 a 1/ 4)
f ( x)dx 1 e dx e dx
1 1 1
e e
2 2
( x x 1/ 4 a 1/ 4) ( x 1/2) a 1/ 4 a 1/4 ( x 1/2)2
e dx e dx e dx 1
a 1/4
e 1 ln(e a 1/4 ) ln(1) a 1 / 4 0 a 1 / 4
1.77245
S19. Bir para deneyinde yazı (Y) gelme ihtimali 0,6 ve tura (T) gelme
ihtimali ise 0,4 dır. Para 5 defa atıldığına göre,
a) 2 tane yazı 3 tane tura gelme olasılığını hesaplayınız.
b) En az 3 tane yazı gelme olasılığını hesaplayınız.
5 3 5 4 5 5
b) P( x 3) P( x 3) P( x 4) P( x 5) 0, 6 .0, 4 0, 6 .0, 4 0, 6 .0, 40
2 1
3 4 5
0, 683
S20. Deney sayısının (n) büyük , ilgilendiğimiz durumun ortaya çıkma
olasılığının (p) küçük olduğu durumlarda binom dağılımı yerine poission
dağlımın kullanılabileceğini gösteriniz.
10
P( x 1) 1 P( x 1) 1 P( x 0) 1 0, 010.(1 0, 01)100 0, 09562
0
Bu problemi Poissionile de çözebiliriz.
C22. Söz konusu dağılım geometrik dağılımdır. İki zar atıldığından toplam
6x6=36 durum vardır. Bu 36 durumdan sadece {(3,6)(4,5),(5,4),(6,3)}
durumları vardır. Yani p=4/36=1/9 dur.
1 2 3 4 5 6 a) P( x 6) P( x 5) 1 (1 1 )5
1 2 3 4 5 6 7 9
2 3 4 5 6 7 8 1 0,5549 0, 4451
3 4 5 6 7 8 9 b) P( x 6) 1 P( x 6) 1 (1 (1 1 )6 )
4 5 6 7 8 9 10 9
5 6 7 8 9 10 11 1 (1 0, 4933) 0, 4933
6 7 8 9 10 11 12
S23. Hilesiz bir para 6 kez yazı gelinceye kadar atılacaktır. 10 atışta 6.
Yazıyı bulma olasılığı nedir?
1 e0,1s , x0
F ( x)
0 , x0
1 e0,1s , x0
F ( x)
0 , x0
a) P( x 10000) 1 P( x 10000) 1 F (10000) 1 (1 e 10000 ) 0,36787 e1
e 10000 e1 104 olur.
104 x 104 x ln(0,95)
b) P( X x) 1 e 0,05 e 0,95 x 4
512,93h
10
S26. Bir kutudaki 100 ohm’luk dirençler %10’lik toleransa sahiptir. X
rassal değişkeni dirençlerin değerini göstersin. X rassal değişkenin
ortalaması 100 ve varyansı 25 olan bir normal dağılım olsun. Kutudan
rastgele seçilen bir direncin tolerans dışında olma olasılığını
hesaplayınız.
%95,44
90 100 110 x
-2 0 2 z
S26. Bir kutudaki 100 ohm’luk dirençler %10’lik toleransa sahiptir. X
rassal değişkeni dirençlerin değerini göstersin. X rassal değişkenin
ortalaması 100 ve varyansı 25 olan bir normal dağılım olsun. Kutudan
rastgele seçilen bir direncin tolerans dışında olma olasılığını
hesaplayınız.
%95,44
90 100 110 x
-2 0 2 z
S27. Kompakt floresan lamba kullanan meskenlerin oranın 5/8
olduğu ön görülmektedir. Söz konusu ön görünün doğruluğunu
araştırmak için her biri 5 mesken ile görüşmek üzere 200
anketörün kullanıldığı bir araştırma yapılmıştır. Anketörlerden 9
tanesi kompakt floresan lamba kullanan mesken sayısını 0, 40
anketör 1, 67 anketör 2, 56 anketör 3, 24 anketör 4 ve 4 anketör
ise 5 bulmuştur. Sahadan elde edilen sonuçların öngörülen binom
dağılımına uyup uymadığını gösteriniz.