Mühazirə 1

Fənnin predmeti. Təsadüfi sınaqlar və elementar hadisələr

fəzası. Təsadüfi hadisələr və onlar üzərində əməllər

Ehtimal nəzəriyyəsi - müasir riyaziyyat elminin tərkib hissəsi olub təsadüfi hadisələri
və onların baş verib-verməməsi qanunauyğunluqlarını əvvəlcədən seçilmiş hər hansı bir
riyazi model vasitəsilə öyrənir.

Ehtimal nəzəriyyəsində riyaziyyat elminin bir çox sahələrində istifadə olunan üsullardan
və alınan nəticələrdən kombinator analizdə, riyazi analizdə, cəbrdə, məntiqdə və s. geniş
istifadə olunur. Ancaq ehtimal nəzəriyyəsinin sırf özünəməxsus öyrənmə üsulları var. Çünki
onun öyrəndiyi məsələlərin əksəriyyətində dəqiq riyazi quruluş olmur və belə məsələlərin
riyazi modelini qurmaqda nəzəri ehtimal intuisiyadan istifadə oluna bilər.

Ehtimal nəzəriyyəsinin mühüm tətbiq sahələrindən biri də iqtisadiyyatdır. Belə ki, hal-
hazırda iqtisadi proseslərin tədqiqi və proqnozlaşdırılmasını ehtimal nəzəriyyəsinə əsaslanan
ekonometrik proqnozlaşdırma, korrelyasiya və reqressiya analizi, trend və hamarlaşdırma
modelləri və digər üsullardan istifadə etmədən təsəvvür etmək mümkün deyil.

Iqtisadiyyatın sığorta ehtiyatları, ehtiyat mənbələri, dövlət ehtiyatı və bu kimi anlayışları

statistik qanunauyğunluqların mövcudluğunu təsdiq edir. Bu isə ehtimal nəzəriyyəsinin
tətbiqini zəruri edir. Eyni zamanda qeyd etmək lazımdır ki, təsadüfsüz inkişaf mümkün
deyil. Bazar iqtisadiyyatı şəraitində iqtisadiyyatın ayrı-ayrı sahə-lərinin əlaqələri daha da
mürəkkəbləşir. Beləliklə, dinamik sistemin inkişaf qanunauyğunluqlarına görə sosial-iqtisadi
hadisələri təsvir edən qanunların statistik xarakteri güclənir. Bütün bunlar iqtisadi hadisə və
proseslərin statistik analizinin bir vasitəsi kimi ehtimal nəzəriyyəsi və riyazi statistikanın
metodlarının tətbiqini zəruri edir.

Ehtimal nəzəriyyəsində analitik üsulların yaranmasında və inkişafında Muavr, Laplas,

Qauss, Puasson, Çebışev, Markov və Lyapunovun böyük xidmətləri olmuşdur. Müasir
ehtimal nəzəriyyəsini aksiomlar sistemi əsasında yaratmağa cəhd edən S.N. Bernşteyn, lakin
tam quran A.N. Kolmoqorov olmuşdur.

Riyazi statistika ehtimal nəzəriyyəsindən bir sıra cəhətləri ilə, müstəqil riyazi elm kimi
seçilir, lakin əsas tədqiq üsulları və mühakimə vasitələri ehtimal nəzəriyyəsinə əsaslanır. Bu
onunla izah oluna bilər ki, riyazi statistikanın öyrəndiyi məsələlər ehtimal nəzəriyyəsinin
öyrəndiyi məsələlərin tərsidir. Yəni, əgər ehtimal nəzəriyyəsində hadisə və proseslərin əv-
vəlcədən verilmiş hər hansı riyazi modeli məlum idisə, riyazi statistikada hadislərin
realizəsindən statistik əldə edilən verilənlərə görə hadisələrin nəzəri-ehtimal modelini
qurmaq lazım gəlir.
 Qeyd etdiyimiz kimi,hər bir riyazi nəzəriyyə kimi ehtimal nəzəriyyəsi də ayrı-ayrı
konkret təsadüfi hadisə və kəmiyyətləri deyil, onların ümumi xassələrini və
qanunauyğunluqlarını öyrənir. Bu məqsədlə uyğun riyazi model qurulur.Bu riyazi modeldə
təcrübə,müşahidə və s. anlayışların əvəzinə ümumi sınaq anlayışı işlədilir.

Təsadüfi (stoxastik) sınaqlar ehtimal nəzəriyyəsinin əsas anlayışlarından biridir.

Nəticəsini əvvəlcədən söyləmək mümkün olmayan sınaqlara təsadüfi sınaqlar deyilir.
Məsələn, hədəfə atəş açılması,hər hansı fiziki kəmiyyətin ölçülməsi və s.

Hər bir sınaq müəyyən şərtlər kompleksi daxilində aparılır.Sınağın aparılma şərtləri
dəyişdikdə həmin sınaq dəyişir, başqa sınaq alınır.Sınağın nəticələri kəmiyyət və keyfiyyət
xarakteristikaları ilə ifadə edilə bilər.

Misallar. 1. Əgər sınaq zamanı bir zər atılırsa onda sınağın nəticəsi 1,2, . . . ,6
rəqəmlərindən biri ilə ifadə edilir.

2. Alınmış lotereya biletinin uduşlu və ya uduşsuz olması təsadüfi sınaqdır.

3. İmtahana hazır olmayan tələbənin imtahandan qiymət alması təsadüfi sınaqdır.

Tutaq ki, təkrarən aparıla bilən hər hansı U sınağının icrasında cüt-cüt uyuşmayan ω i (i =
1,2, . . .) nəticələrindən ancaq biri baş verir. Bu halda ω i nəticələrindən hər biri U sınağının
elementar hadisəsi (elementar nəticəsi) adlanır. Elementar hadisələr çoxluğuna isə U sına-
ğının elementar hadisələr fəzası deyilir və Ω ilə işarə olunur.

Ümumiyyətlə,İxtiyari təbiətli ω elementlərinin Ω çoxluğu – elementar hadisələr fəzası,

onu təşkil edən ω elementləri isə elementar hadisələr adlanır. Hər bir real prosesi və
hadisəni öyrənmək üçün elementar hadisələr fəzası qurulur. Misallar.

1. Metal pulun bir dəfə atılmasından ibarət olan sınaq aparılır. Bu sınağın elementar
hadisələr fəzası Ω ={G,R } olar.
2. Metal pul iki dəfə atılır.Bu sınağın elementar hadisələr fəzası Ω = {GG,GR,RG,RR}
olar.
3. Bir oyun zəri bir dəfə atılır və düşən xallar sayı müşahidə edilir.Bu sınağın elementar
hadisələr fəzası Ω = {1,2,3,4,5,6 } çoxluğu olar.

4. Görüş haqqında məsələ. Tutaq ki,iki nəfər [0,T] zaman kəsiyində görüşməyi
qərara alırlar. X,y ilə müvafiq olaraq birinci və ikinci şəxsin görüş yerinə gəlmə müddət-
lərini işarə edək.Onda sınağın elementar hadisələr fəzası

Ω = {(x,y): 0 ≤ x ≤T , 0 ≤ y ≤T} olar.

Ehtimal nəzəriyyəsində əsas anlayışlardan biri hadisə anlayışıdır. Aparılan müşa-hidə

və ya təcrübələrin nəticəsinə hadisə kimi baxmaq olar. Aydındır ki, hər bir müşahidə və ya
təcrübə müəyyən kompleks şərtlər daxilində aparılır. Bu cür aparılan müşahidə və ya
təcrübənin nəticəsi kimi gözlənilən hadisə ya baş verə bilər, ya da baş verə bilməz, yəni
hadisə təsadüfi ola bilər. Məsələn, tutaq ki, müəyyən şəraitdə bir zər atılır və üç rəqəmli
üzün düşməsi gözlənilir. Aydındır ki, üç rəqəmli üz düşə də bilər, düşməyə də bilər, lakin
altı üzdən biri düşəcəkdir (zərin tili üzərində qalması halının olmayacağı nəzərdə tutulur),
yəni hadisə kimi baş verəcəkdir, əlavə qeyd edək ki, məhz hansı üzün düşəcəyi qabaqcadan
məlum deyil.

Qanunauyğun hadisə dedikdə münasib şəraitdə hökmən baş verən hadisə başa
düşülür. Lakin elə hadisələr də var ki, onların baş verib-verməməsi təsadüfi xarakterlidir.
Məsələn, bir atəş zamanı atılan güllə hədəfə dəyə də bilər, dəyməyə də bilər. Belə
hadisələrin qanunauyğunluğunu qabaqcadan söyləməkdə seçilən riyazi model böyük rol
oynayır, yəni ehtimal nəzəriyyəsi, əslində, təsadüfi hadisələrin riyazi modellərini öyrənən
riyazi elmdir. Başqa sözlə, ehtimal nəzəriyyəsi riyazi modellərdə təsadüfi hadisələrin
ehtimalları arasında elə əlaqəni təyin edir ki, bu əlaqələr mürəkkəb hadisələrin ehtimallarını
daha sadə hadisələrin ehtimalları vasitəsilə hesablamaq imkanını verir.

Təsadüfi hadisələri latın əlifbasının böyük hərfləri A, B, C, D,… ilə (ya da belə – A1, A2,
A3, … ) işarə edəcəyik. Müəyyən kompleks şərtlər daxilində təsadüfi A hadisəsinin baş verib-
verməməsini yoxlamaq üçün aparılan müşahidələr və ya təcrübələr sınaqlar adlanır. Deməli,
hər bir sınağın nəticəsinə təsadüfi hadisə kimi baxmaq olar. Belə hadisələr içərisində eləsi
var ki, aparılan təcrübə nəticəsində heç zaman baş verə bilməz, ya da hökmən baş verəcək.

Tərif 1. Aparılan sınaq zamanı hökmən baş verəcək hadisəyə yəqin hadisə deyilir və
onu U (yaxud Ω) hərfi ilə işarə edək.

Misal 1. Atılan bir zərdə altı üzdən biri hökmən düşəcək. Bu yəqin hadisədir.

Tərif 2. Müəyyən kompleks şərtlər daxilində aparılan sınaq zamanı heç cür baş
verməyən hadisəyə mümkün olmayan hadisə deyilir və belə hadisəni V ilə işarə edək.
Bəzən  kimi də işarə edirlər.

Misal 2. Atılan bir zərdə düşəcək üzdə 7 xalının olması hadisəsi mümkün olmayan
hadisədir, çünki zərin 7 xalı olan üzü yoxdur.

Gələcəkdə hadisə dedikdə təsadüfi hadisə başa düşülür. Hadisələr üzərində bir sıra
əməllər təyin etməklə onların cəbrini yaratmaq olar.
I. Cəm (birləşmə) əməli. A və B hadisələrindən heç olmazsa biri baş verdikdə baş
verən hadisəyə bu hadisələrin cəmi və ya birləşməsi olan hadisə deyilir və belə işarə olunur:
A  B və ya A  B . Birləşmə əməli aşağıdakı xassələrə malikdir:

1. AUB = BUA (kommutativlik)

 2. (AUB)UC = AU(BUC) (assosiativlik)
3. (AUB)C = ACUBC (distributivlik)
4. AU(BC) = (AUB)(AUC)
5. A ⊂ C,B ⊂ C olarsa ,onda (AUB) ⊂ C olar.
6. Ak ⊂ A1UA2U . . . UAn , k =1,2, . . . ,n.
7. AUΩ = Ω, AUØ = A

II. Vurma (kəsişmə) əməli. Eyni zamanda həm A , həm də B hadisəsi baş verdikdə baş
verən hadisəyə bu hadisələrin hasili (kəsişməsi) olan hadisə deyilir və belə işarə olunur:
A  B və ya A  B . Vurma əməli aşağıdakı xassələrə malikdir:

1. AB = BA

2. (AB)C = A(BC) = ABC

3. AA = A

4. AU = A, AV = V

5. C ⊂ A, C ⊂B olarsa, onda C⊂AB olar.

6. A1A2 . . . An ⊂Ai, i= 1,2, . . . ,n

III. Fərq və inkar (tamamlama) əməlləri. A və B hadisələrinin fərqi A \ B

( A  B ) kimi işarə olunur və yalnız A hadisəsi baş verib, B hadisəsi baş vermədikdə baş
verən hadisəyə deyilir.

A hadisəsinə əks olan hadisə A kimi işarə olunur və A hadisəsi baş verdikdə A baş
vermir və tərsinə. A hadisəsinin baş verməməsi A- nın tamamlayıcısı ( A ¿adlanır.

Hadisələrin fərqi və tamamlama əməlləri ilə bağlı aşağıdakı eyniliklər doğrudur:

1. A ⊂ B⇔ B⊂ A
2. Ω=∅ , ∅ =Ω
3. A A=∅
4. A ∪ A=Ω
5. A−B= A B

}
n n
∑ Ai=∏ Āi¿ ¿}¿¿¿
6.
i=1 i=1 de Morqan qaydaları.
Aşağıdakı münasibətlər doğrudur:

1. A  B  B  A .
2. Əgər A  B, B  C , onda A  C .

3. Əgər A  B , onda B  A  B  A .

4. A − (A – B) = AB

5. A  B  A  B  A .

6. U  A  A , V  U , U  V   U , U   .

Qeyd edək ki, yuxarıdakı əməlləri, sonlu və ya hesabi sayda təsadüfi hadisələr üçün də
vermək mümkündür.

Qeyd. Beşinci eynilik onu göstərir ki, hadisələr üzərində əməllərdə oxşar hədləri islah
etmək olmaz.

Buradan göründüyü kimi, A və ona əks olan A hadisələri eyni zamanda baş verə
bilməz. Belə hadisələrə birgə olmayan hadisələr deyilir.

Əgər B  A - dırsa, onda deyirlər ki, B hadisəsinin baş verməsi ilə A hadisəsi də baş
verir.

Əgər eyni zamanda A  B və B  A olarsa, onda A və B hadisələri eynigüclü

hadisələr adlanır və A  B yazılır.

Əgər B hadisəsinin baş verməsi ilə A hadisəsi baş verərsə, yəni B  A olarsa, onda B
hadisəsi A hadisəsi üçün əlverişli adlanır. Məsələn, bir dəfə atılan zərdə 2, 4, 6 xallarına
uyğun üzlərdən hər hansı birinin düşməsi hadisəsi düşən zərdə cüt rəqəmin olması
hadisəsinə əlverişli hadisədir.

Tutaq ki, A1 , A2 ,..., An hadisələri cüt - cüt birgə deyil və aparılan sınaq və ya müşahidə
zamanı onlardan biri hökmən baş verir, yəni bu hadisələr qrupu üçün

1) Ai ≠ Ø, i ≥ 1,

2) A1  A2  A3  ...  An  U ,

Ai  A j  V , i  j , i, j  1, n
3)

şərtləri ödənilərsə, onda bu hadisələr qrupu tam qrup adlanır.

 Məsələn, bir zərin altı üzü A1 , A2 , A3 , A4 , A5 , A6 tam qrup təşkil edir. Qeyd edək ki,
ehtimal nəzəriyyəsində ortaya çıxan məsələlərin həllində hadisələrin tam qrupunun seçilməsi
mühüm rol oynayır. Əgər baxılan məsələlərdə hadisələrin tam qrup təşkil etməsi
müəyyənləşibsə, onda belə məsələlərin həlli xeyli asanlaşır. Cüt-cüt birgə olmayan və tam
qrup təşkil edən hadisələrə sınağın nəticəsi kimi baxaraq belə hadisələri elementar
hadisələr adlandırırlar. Onlar üzərində belə şərtlər qoymaq olar:

1) Onlardan birinin baş verməsi digərinin baş verməsini inkar edir və onlardan hər
hansı birinin baş verməsi yerdə qalanlara görə heç bir üstünlüyə malik deyildir, yəni onlar
eyni şanslıdır;

2) Aparılan sınaq zamanı onlardan ixtiyari biri şərtsiz baş verməlidir.

Ümumi halda hər bir nəzəri-ehtimal modelində əsas olan müəyyən U    çoxluğuna
baxılır və bu çoxluğa elementar hadisələr fəzası deyilir. Bu çoxluğun istənilən A altçoxlu-
ğuna isə hadisə deyilir.

Mühazirə 2
Təsadüfi hadisənin ehtimalının tərifləri. Kombinatorikanın iki
əsas qaydası və elementləri

1. Ehtimalın klassik tərifi.

Tərif 1. Təsadüfi A hadisəsinin baş verməsi üçün əlverişli halların m sayının, yəni A
hadisəsini təşkil edən eyni imkanlı, simmetrik və birgə olmayan elementar hadisələrin m
sayının bütün mümkün olan elementar hadisələrin n sayına olan nisbətinə A hadisəsinin
ehtimalı deyilir və belə işarə olunur:

m
P A  
n . (1)

Məsələn, bir zərin altı üzü birgə olmayan, eyni imkanlı, simmetrik və tam qrup təşkil
edən

1 , 2 , 3 , 4 , 5 , 6

elementar hadisələridir. Bir dəfə zər atılarkən düşən üzdə cüt xalın olması hadisəsinin
ehtimalı

3 1
P C   
6 2,
çünki C hadisəsi  2 , 4 , 6 kimi üç m  3 elementar hadisədən ibarətdir, yəni

C  2  4  6 .

Laplas tərəfindən verilmiş ehtimalın (1) tərifi - klassik tərif adlanır. Bu tərifdən görün-
düyü kimi:

1) Yəqin hadisənin ehtimalı ( m  n olduğundan)

P U   1 .

2) Mümkün olmayan hadisənin ehtimalı ( m  0 olduğundan)

P V   P    0

3) Təsadüfi hadisənin ehtimalı

0 ≤ P(A) ≤ 1.

2. Ehtimalın həndəsi tərifi

Tutaq ki, klassik tərifdə olduğu kimi, elementar adlanan hadisələr yenə də «eyni
imkanlıdır», lakin klassik tərifdə olduğundan fərqli cəhət budur ki, belə elementar
hadisələrin sayı sonsuzdur.

Klassik ehtimal sonsuz sayda nəticəsi olan sınaqlara tətbiq oluna bilmədiyindən ,bu
çatışmazlığı aradan qaldırmaq üçün həndəsi ehtimal daxil edirlər – nöqtənin oblasta düşməsi
(parça, müstəvi hissəsi və s.) .

1) Tutaq ki, l parçası L parçasının müəyyən hissəsidir.L parçasında təsadüfən bir nöqtə
qeyd olunub.Belə ki, bu nöqtə L-in istənilən nöqtəsində ola bilər, nöqtənin l parçasına düşmə
ehtimalı onun uzunluğu ilə mütənasibdir və L parçasına nəzərən onun yerləşməsindən asılı
deyil. Bu fərziyyələr daxilində nöqtənin l parçasına düşmə ehtimalı

P = l -in uzunluğu / L-in uzunluğu

kimi təyin olunur.

2) Tutaq ki, müstəvi üzərində G oblastına və bu oblasta daxil olan D oblastına baxılır
(şəkil 2).
 G

Şəkil 2
21.2.

G oblastından təsadüfi bir nöqtə seçək. Bu nöqtənin D oblastından olması ehtimalı nəyə
bərabərdir? Məsələnin belə qoyuluşu kürəciyin qutudan çıxarılması məsələsinə ox-
şardır.Nöqtənin təsadüfən seçilməsi belə bir şərti ödəyir ki, nöqtələrin seçilməsi zamanı on-
lardan hər biri eyni imkanlıdır və təsadüfi seçilən nöqtənin kiçik D oblastına düşməsi
təsadüfi hadisənin baş verməsidir.

Hadisələrin tam qrupu G oblastının nöqtələr çoxluğudur, baş verəcək hadisəyə əlverişli
S
p( A )= D
halların sayı isə kiçik D oblastının nöqtələr çoxluğudur. SG

3. Ehtimalın statistik tərifi

Məlum olduğu kimi,təsadüfi hadisələr müəyyən qanunauyğunluqlara tabedir.Bu

qanunauyğunluqlar ehtimal qanunauyğunluqları adlanır. Bunu aydın təsəvvür etmək üçün
tutaq ki, eyni bir kompleks şərtlər daxilində ardıcıl sınaqlar aparılır və hər belə sınağın
nəticəsi təsadüfi hadisədir. Belə fərz edək ki, aparılan n sınaq zamanı hər hansı təsadüfi A
n1
hadisəsi n1dəfə müşahidə olunur. Onda n1 ədədi A hadisəsinin tezliyi adlanır, ədədi isə
n
bu hadisənin nisbi tezliyi adlanır. Eyni bir kompleks şərtlər daxilində aparılan müxtəlif saylı
müşahidələr göstərir ki, təsadüfi A hadisəsinin nisbi tezliyi dayanıqlı xarakter daşıyır, yəni
müxtəlif sayda aparılan sınaqlar və ya müşahidələr nəticəsində təyin olunan nisbi tezliklər
təqribən biri-birinə yaxın olan ədədlərdir. Bu ədədlərin hamısına yaxın qalan ədədə A
hadisəsinin statistik ehtimalı deyilir:

W=m/n

Asanlıqla göstərmək olar ki,klassik ehtimalın bütün xassələri statistik ehtimal üçün də
doğrudur.

Doğrudan da əgər hadisə yəqindirsə,onda m = n və nisbi tezlik

W=m/n=n/n=1
olar. Əgər hadisə mümkün olmayandırsa, onda m = 0 və ,deməli,

W=0/n=0

İstənilən hadisə üçün 0 ≤ m ≤ n və deməli,

0 ≤ m / n ≤ 1,

Hadisənin statistik ehtimalının varlığı üçün aşağıdakılar tələb olunur:

a) Hər birində A hadisəsınin baş verib-vermədiyi qeyri-məhdud sayda sınaqların

aparılması imkanının olması;
b) Çoxlu sayda sınaqlardan ibarət olan müxtəlif seriyalarda A hadisəsinin baş
verməsinin nisbi tezliyinin dayanıqlığı.
Gələcəkdə isbat edəcəyik ki, təcrübə və ya müşahidələrin n sayı sonsuz artdıqda,
n1
təsadüfi A hadisəsinin nisbi tezliyi sabit bir ədədə (A hadisəsinin ehtimalına) yaxınlaşır
n
(Y. Bernulli). Bu qanun bir çox tədqiqatçılar tərəfindən dəfələrlə yoxlanılmışdır.

Qeyd edək ki, ehtimalın statistik tərifinin də müəyyən çatışmayan tərəfləri vardır.
Məsələn, müəyyən səbəblərdən hər hansı sınaqlar ardıcıllığının həmişə aparıla bilməməsi və
statistik ehtimalın birqiymətli olmaması.

4. Kombinatorikanın əsas qaydaları

Bir çox məsələlərin həllində müəyyən sayda obyektlərin mümkün yerləşmə-lərinin

sayını və yaxud hər hansı bir hərəkətin yerinə yetirilməsinin mümkün hallarının sayını
tapmaq lazım gəlir.Belə məsələlərə kombinator məsələlər deyilir. Kombinator məsələlərin
əksəriyyəti kombinatorikanın iki əsas qaydası – vurma və toplama qaydalarının köməyilə
həll olunur.

Vurma qaydası. Tutaq ki, k sayda hərəkəti bir-birinin ardınca yerinə yetirmək
lazımdır. Əgər birinci hərəkəti n1 üsulla, ikincini n2 üsulla və s. k-nıncını nk üsulla yerinə
yetirmək olarsa, onda k sayda hərəkəti n1 ∙ n2 ∙ ⋯ ∙ nk üsulla yerinə yetirmək olar.

Xüsusi hal. Əgər hər hansı bir hərəkəti (məsələn, A şəhərindən B şəhərinə yolun
seçilməsi) m üsulla, bundan sonra başqa bir hərəkəti (B şəhərindən C şəhərinə yolun
seçilməsi) n üsulla yerinə yetirmək mümkün olarsa onda iki hərəkəti birlikdə m ∙n üsulla
yerinə yetirmək olar.

Məsələ 1. A şəhərindən B şəhərinə gəmi, qatar, təyyarə və avtobusla getmək olar. B

şəhərindən C şəhərinə isə avtobus və təyyarə ilə getmək olar. A şəhərindən C şəhərinə neçə
üsulla getmək olar.
 Həlli.A şəhərindən B şəhərinə 4 yolla getmək olar.Bu yollardan birini seçdikdən sonra
C şəhərinə 2 yolla getmək olar.Deməli, A şəhərindən C şəhərinə 4∙2=8 yolla getmək olar.

Məsələ2. Futbol çempionatında 12 komanda iştirak edir.Qızıl və gümüş medallar neçə

üsulla paylana bilər ?

Həlli. Qızıl medalı 12 komandadan hər biri (birinci hərəkət) ala bilər.Gümüş medalı isə
(ikinci hərəkət) qalan 11 komandadan hər biri ala bilər. Beləliklə, qızıl və gümüş medallar
12∙11=132 üsulla paylana bilər

Toplama qaydası. Əgər iki hərəkət eyni zamanda bir-birini inkar edirsə və onlardan
birini m sayda üsulla, digərini n sayda üsulla yerinə yetirmək olarsa, onda onlardan ixtiyari
birini m+n üsulla yerinə yetirmək olar.

Məsələ 3. Kitab rəfində 10 ədəd ehtimal və 20 ədəd riyazi statistika dərsliyi vardır.Eyni
adlı iki dərsliyi seçmək lazımdır.Bunu neçə üsulla etmək olar ?

Həlli. Birinci hərəkət ehtimal, ikinci hərəkət isə riyazi statistika dərsliyinin seçilməsi
olsun. Göründüyü kimi hər iki hərəkət eyni zamanda bir-birini inkar edir. Ehtimaldan iki
dərsliyi 10∙9 = 90 üsulla, riyazi statistikadan isə 20 ∙19 = 380 üsulla və toplama qaydasına
görə eyni adlı iki dərsliyi 90 + 380 = 470 üsulla seçmək olar.

5. Kombinatorikanın elementləri

Yerləşmə (aranjeman). n elementdən təkrarı olmayan m elementli yerləşmələrin sayı

Anm  nn  1n  2    n  m  1 qədərdir.

Misal. 1435 ədədindən təkrar olmayan neçə iki rəqəmli ədəd yazmaq olar?

Həlli. n  4 ,m  2 olduğundan A4  4  4  1  4  3  12 olar.

2

Yerdəyişmə (permutasiya). n sayda elementin istənilən nizamlanmış çoxluğuna

(elementləri nizamlanmayan) bu elementlərin yerdəyişməsi (permutasiyası) deyilir və Pn
kimi işarə olunur:

Təklif. n sayda elementin müxtəlif yerdəyişmələrinin say Pn  n! qədərdir.

Birləşmə (kombinezon).

Tərif 2. n elementdən təkrarı olmayan m elementin birləşməsi (kombinasiyası) m

m
elementin ixtiyari çoxluğuna deyilir və belə işarə olunur: C n .
 Təklif. n elementdən təkrarı olmayan m elementin birləşmələri sayı

n!
C nm 
m! n  m!

qədərdir.

n! n!
C nn  m    Cm
Xassə 1. n  m ! n  n  m ! m! n  m ! n .
m1
Xassə 2. C n  C n1  C n1 (Paskal qaydası).
m m

Xassə 3. C n  C n  C n  ....  C n  2 .
0 1 2 n n

Ehtimalın klassik tərifi çərçivəsində hadisələrin ehtimalı hesablanarkən bu təsadüfi

hadisələrin eyni imkanlı, yəni simmetrik olması nəzərdə tutulur.

6. Qaytarılmayan kürəciklər sxemi

Misal 1. Tutaq ki, qutuda N sayda kürəcik var və onlar 1,2 ,3,..., N kimi nöm-rələnib.
Belə fərz edək ki, 1,2 ,3,...,M ağ rəngli kürəciklərdir, qalan N  M sayda isə qara rəngli
kürəciklərdir. Qutudan təsadüfən n sayda kürəcik ardıcıl çıxarılır və çıxarılan kürəciklər
qutuya qaytarılmır. Təsadüfən çıxarılan n kürəciklər içərisində m qədər ağ rəngli
kürəciklərin olması ehtimalını tapın.

Həlli. Elementar hadisələr çoxluğu nizamlanmış   1 , 2 ,..., n  şəklində ədədlərin

yığımları olar, burada  i ədədləri bərabər deyildir və 1   i  N şərtini ödəyir. Belə
mümkün olan yığımların sayı C Nn qədərdir. Təsadüfən ardıcıl çıxarılan n kürəciklər
m
içərisində m qədər ağ rəngli kürəciklərin olması üçün əlverişli halların sayı isə C n qədər
n m
olar, qalan n  m qədər qara rəngli kürəciklərin çıxarılması C N n sayda baş verə bilər.
n m
Deməli, bizi maraqlandıran hadisənin baş verməsi üçün əlverişli olan halların sayı C n  C N n
m

qədərdir və bu hadisənin ehtimalı:

C nm  C Nnmn C Mm  C NnmM
P 
C Nn C NM .
 Mühazirə 3
Hadisələrin asılı olmaması. Şərti ehtimal və onun xassələri

Məlumdur ki, hər bir təsadüfi hadisəyə müəyyən kompleks şərtlər daxilində aparılan
sınağın, təcrübənin və ya müşahidənin nəticəsi kimi baxmaq olar və belə hadisənin ehtimalı
həmin kompleks şərtlər çərçivəsində təyin olunur.
Elə təsadüfi hadisələr də vardır ki, birinin baş verib-verməməsi digərinin baş verib-
verməməsindən blavasitə asılıdır. Belə olduqda asılı və ya asılı olmayan hadisələr anlayışını
vermək zərurəti ortaya çıxır.
Tərif. Əgər müəyyən kompleks şərtlər daxilində A və B hadisəsinin eyni zamanda baş
verməsi ehtimalı bu hadisələrin ehtimalları hasilinə bərabərdirsə, yəni
p AB   p A  pB  ,
onda A və B hadisələri asılı olmayan hadisələr adlanır.
Misal 1. Tutaq ki, ardıcıl iki dəfə atılan bir zərdə birinci dəfə düşən üzdə 6 xalın olması
A , ikinci dəfə də düşən üzdə 6 xalının olması B hadisəsidir. Onda
p A  pB   1 p AB   p A  pB   1  1  1
6 və 6 6 36 .
Belə bir təklif doğrudur.
Misal. Əgər A və B hadisələri asılı deyildirsə, onda A və B , A və B , A və B
hadisələrinin asılı olmadığını göstərmli.
Həlli.
1) Onda B  AB  A B və  AB   A B    olduğundan
p AB   pB   p AB   pB   p A  pB  
 1  p A pB   p A  pB .
Deməli, A və B hadisələri asılı deyildir-qarşılıqlıdır, yəni A hadisəsi B - dən asılı
deyildirsə, onda B hadisəsi də A -dan asılı deyildir.

Qeyd 1. Real gerçəklikdə fiziki proseslərin bir-birindən asılılığı kifayət qədər zəif
olduqda, onları asılı olmayan proseslər kimi qəbul etmək olar, yəni onların asılı olmamasını
statistik mənada başa düşmək lazımdır.

2) Əgər A və B hadisələri asılı deyilsə,onda A  BA  B A və BA  B A   olduğun-

dan pA  pBA  p B A,
p B A  p A  pBA  p A  pB   p A 
 p A  1  pB   p A  p B .
Deməli, A və B asılı hadisələr deyildir.
3) A  A B  A B , A B  A B    olduğundan
p A   p A B   p A B  ,
 p A B   p A  1  pB   p A  p B  .
Yəni A̅ və B̅ hadisələri asılı deyildir.

Qeyd 2. A1,A2,...,An hadisələrindən istənilən ikisi asılı olmadıqda onlara cüt-cüt asılı
olmayan hadisələr deyilir.

P( Ai A j) = P( Ai )P( A j), i ≠ j; i,j =1,2,…,n.

Qeyd 3. Əgər A1,A2,…,An hadisələri üçün

P( Ai A j) = P( Ai )P( A j),

P( Ai A j A k ) = P( Ai )P( A j)P( A k) ,

... ... ...

P( A1 A 2 ... An ) = P( A1)P( A2 ) ... P( An )

bərabərlikləri ödənilərsə, onda bu hadisələr qarşılıqlı asılı olmayan hadisələr adlanır.

Təsadüfi hadisələrin asılı olmaması münasibətini ikidən çox hadisələr üçün də vermək olar.

Təklif. A1 , A2 ,..., An hadisələrinin asılı olmaması üçün zəruri və kafi şərt

P( A1 , A2 ,..., An ) = P( A1)P( A2) ... P( An )
olmasıdır.
Qeyd 4. Qarşılıqlı asılı olmayan hadisələr eyni zamanda cüt-cüt asılı olmayan
hadisələrdir.
Qeyd 5. Ancaq hadisələrin cüt-cüt asılı olmamasından onların qarşılıqlı asılı olmaması
alınmır.
Bernşteyn misalı. Üç üzü uyğun olaraq qırmızı, yaşıl və mavi rənglərlə rənglən-
miş,dördüncü üzünə isə hər üç rəng çəkilmiş tetraedr müstəviyə atılır.
A,B və C ilə uyğun olaraq tetraedri müstəviyə atdıqda qırmızı,yaşıl və mavi rəngli
üzlərin düşməsi hadisələrini işarə edık.
2 1
Hər üç rəng iki üzə çəkildiyinə görə P(A) = P(B) = P(C) = = .
4 2
1
Digər tərəfdən P(AB) = P(AC) = P(BC) = olduğundan A,B və C hadisələri cüt-cüt
4
asılı olmayan hadisələrdir.
1 1
P(ABC) = ≠ = P(A)P(B)P(C)
4 8
bərabərliyi isə onların qarşılıqlı asılı olduğunu göstərir.
Nəticə 1. A1,A2, . . . ,An asılı olmayan hadisələr olarsa, onlardan götürülən ixtiyari r (r ˂
n) sayda Ai1, . . . . ,Air hadisələri də asılı olmayacaqdır.
Nəticə 2. Asılı olmayan A1, A2, . . . ,An hadisələrindən heç olmasa birinin baş verməsi
ehtimalı
P(A1+...+An ) = 1−¿ [1 – P(A1)][1 – P(A2)] . . . [1−¿ P(An)]
kimi hesablanır.
Nəticə 3. Asılı olmayan A1,A2, . . . ,An hadisələrindən heç birinin baş verməməsi
ehtimalı
P0 = (1 – P(A1))(1 – P(A2)) . . . (1 – P(An)) olar.

Misal 2. Üç atıcı hədəfə atəş açır.Onların hədəfi vurma ehtimalları uyğun olaraq p 1 =
0.9, p2 = 0.8, və p3 = 0.7 –yə bərabərdir. Hədəfin məhv olması üçün ona bir güllə dəyməsi
kifayətdir. Atıcılar eyni zamanda atəş açarsa hədəfin məhv olma ehtimalını tapın.
Həlli. A1- birinci atıcının, A2- ikinci atıcının və A3- üçüncü atıcının hədəfi vurma
hadisəsi olsun. Bu hadisələr asılı deyillər. Hədəfə heç olmasa bir güllə dəymə hadisəsini A
ilə işarə edək. Onda üç hadisədən heç olmasa birinin baş vermə ehtimalı
P(A) = 1 – P( A1 ¿ ¿ P¿ 1 – (1−¿0.9)(1−¿0.8)(1−¿0.7) = 0.994 olar.

Şərti ehtimal

Tutaq ki, A və B təsadüfi hadisələrdir. Belə ki, pB   0 . Onda A hadisəsinin B

hadisəsi baş verdikdə hesablanmış ehtimalı p B  A və ya p A B  kimi işarə olunur və A
hadisəsinin şərti ehtimalı adlanır.
Tərif. A təsadüfi hadisəsinin B baş verdikdə hesablanan p A B  şərti ehtimalı bu
hadisələrin eyni zamanda baş verməsi p AB  ehtimalının B hadisəsinin pB  ehtimalına
olan nisbətinə deyilir, yəni
p AB 
pA B  
pB  . (1)
Əgər B hadisəsinin ehtimalı A hadisəsi baş verdikdə hesablanarsa, onda B hadisəsinin
şərti ehtimalını ( p A  0 olduqda)
p AB 
pB A 
p  A (2)
münasibəti ilə təyin edirik.
Əgər təsadüfi hadisələrdən birinin baş verib-verməməsi digərinin baş verməsinə təsir
göstərirsə, onda belə hadisələr asılı hadisələr adlanır. Biri-birindən asılı hadisələri də
onların ehtimalları vasitəsi ilə müəyyən etmək olar.

Şərti ehtimalın xassələri

1. İstənilən A hadisəsinin ehtimalı mənfi olmayan ədəd olduğundan p A B   0 ;
2. 0 ≤ P(A/B) ≤ 1;
3. P(Ω/A) =1;
4. P(A/B) + P( A /B) =1;
5. P(V/B) = 0;
pBB  pB 
pB B    1
6. (1) – də A = B olduqda (3) münasibətindən alırıq: pB  pB  ;
 7. Əgər A1 A2   -dirsə, onda  A1 B    A2 B    və
p A1 B  A2 B  p A1 B   p A2 B 
p A1  A2  B    
pB  pB 
p A1 B  p A2 B 
   p A1 B   p A2 B 
pB  pB 
8. Əgər A1⊂ A2 olarsa p(A1/B) ≤ p(A2/B).

Beləliklə, şərti ehtimallar üçün ehtimal fəzasını {U , G , P B } üçlüyü ilə verə bilərik.
Misal 3. Qutuda 5 qara rəngli və 10 ağ rəngli kürəcik vardır. Ardıcıl çıxarılan iki
kürəciyin qara rəngli olması ehtimalını tapın.
Həlli. Birinci çıxarılan kürəciyin qara rəngli olması hadisəsi A , ikinci çıxarılan
kürəciyin qara rəngli olması hadisəsi isə B olsun. Qara rəngli kürəciklər üçün əlverişli
halların sayı m  5 -dir, ümumi halların sayı isə n  15 . Onda birinci çıxarılan kürəciyin qara
p  A  m  5  1
rəngli olması ehtimalı n 15 3 . İkinci kürəciyin də qara olması ehtimalı, birinci
pB A  4  2
çıxarılanın qara rəngli olması şərti daxilində, 14 7 olar. Deməli,
p AB   p A  pB A  1  2  2
3 7 21 .
Bu misaldan göründüyü kimi B hadisəsinin pB Aehtimalı A hadisəsinin baş verib-
verməməsindən asılıdır. Əgər birinci çıxarılan kürəcik qara rəngli kürəcik olmasaydı və
p B A   5
kürəcik qutuya yenidən qaytarılmasaydı, onda 14 olardı, yaxud birinci kürəcik
qara rənglidirsə və qutuya qaytarılmışsa, onda ikinci dəfə çıxarılacaq kürəciyin də qara
5 1
pB A  
rəngli kürəcik olması ehtimalı 15 3 olar.
Şərti ehtimalın köməyi ilə hadisələrin asılı olub - olmamasını təyin etmək olar.
Başqa sözlə, əgər iki A və B hadisəsinin şərti ehtimalları üçün pA B   pA və
pB A  pB  ( P ( B ) >0 , P ( A )> 0 ) ödənilərsə, onda A və B hadisələrinə asılı hadisələr, əks
halda isə asılı olmayan hadisələr deyilir.

Əgər A1 , A2 ,..., An hadisələri asılı hadisələrdirsə, onda onların eyni zamanda baş verməsi
ehtimalı (3) münasibətinə görə
p A1 A2 ...An   p A1  p A2 A1  p A3 A1 A2 ...
... p An A1 A2 ...An 1  (3)
düsturu ilə verilir.
Bu düsturun doğruluğunu induksiya ilə isbat etmək olar.
Əgər A1 , A2 ,..., An hadisələri asılı deyildirsə, onda (3) düsturu asılı olmayan A1 , A2 ,..., An
hadisələrinin eyni zamanda baş verməsi ehtimalı üçün
p A1 A2 ... An   p A1   p A2     p An  (4)
olar, yəni asılı olmayan A1 , A2 ,..., An hadisələrinin eyni zamanda baş verməsi ehtimalı bu
hadisələrin ehtimalları hasilinə bərabərdir.
Misal 4. Bir lotoreya biletinin uduş ehtimalı p  0,001 -dir. 10 lotoreya biletindən heç
olmazsa birinin udması ehtimalını tapın.
Həlli. Tutaq ki, A hadisəsi heç olmazsa bir lotoreyanın uduşa düşməsidir. 10 lotoreyanın
hər birinin uduşa düşməsi digərindən asılı deyildir. A hadisəsinə əks olan hadisəni A işarə
etsək, onda A hadisəsi o deməkdir ki, 10 biletdən heç birisi uduşa düşmür, (4) düsturuna
görə pA   1  p   1  0,001  0,999 .
10 10 10

Onda axtarılan p A ehtimalını pA  p A   1 münasibətindən tapa bilərik, yəni

p A  1  p A   1  0,999 .
10

Mühazirə 4
Ehtimalların toplanması və vurulması. Hadisələrin tam qrupu.

Tam ehtimal və Bayes düsturları

1. Ehtimallarn toplanması teoremi. A və B hadisələrinin cəmi elə A+B hadisəsinə
deyilir ki,o ya A, ya B, ya da A və B hər ikisi baş verdikdə baş versin. Əgər A və B uyuş-
mayan hadisələrdirsə, onda A+B hadisəsi bu hadisələrdən hər hansı birinin baş verməsidir.
Tutaq ki, A və B uyuşmayan hadisələrdir, P(A) və P(B) məlumdur. P(A+B) – ni necə
tapmalı?

Teorem 1. Uyuşmayan A və B hadisələrindən hər hansı birinin baş verməsi ehtimalı

onların ehtimalları cəminə bərabərdir:

p(A + B) = P(A) + P(B) (1)

Teorem 2. Uyuşan A və B hadisələrindən heç olmazsa birinin baş vermə ehtimalı

onların ehtimalları cəmi ilə onların birgə baş verməsi ehtimallarının fərqinə bərabərdir:

p(A + B) = P(A) + P(B) – p(AB) (2)

Xüsusi halda, əgər A və B hadisələri uyuşmayan olarsa, onda (2) - dən (1) alınır, belə ki,
p(AB) = 0 olur.

Əgər A və B hadisələri asılı olmazsa, onda (2) - dən

p(A + B) = P(A) + P(B) – p(A)p(B) ,

əgər A və B hadisələri asılı olarsa, onda alarıq:

p(A + B) = P(A) + P(B) – p(A) p A (B).

 Qeyd 1. (1) düsturu istənilən n sayda uyuşmayan hadisələr üçün də doğrudur:

p(A + B + . . . + C) = P(A) + P(B) + . . . + P(C)

Qeyd 2. (2) düsturu istənilən n sayda hadisə üçün də doğrudur. Məsələn, n=3 olduqda

p(A + B + C) = P(A) + P(B) + P(C) – P(AB) – P(AC) – P(BC) + P(ABC)

Nəticə 1. Əgər B⊂ A olarsa, onda

P(A – B) = P(A) – P(B) .

Nəticə 2. P(AUB) ≤ P(A) + P(B).

Bu xassə istənilən n sayda hadisələr üçün də doğrudur.

Misal 1. Qabda 20 kürəcik var. Onlardan 10 –u qırmızı, 6- sı sarı və 4- ü ağdır. Qabdan

bir şar çıxarılır,onun rəngli olma ehtimalını tapın.

Həlli: A- qırmızı , B- sarı şarın çıxma hadisələri olsun. Onda

10 6
P(A) = = 0.5, P(B) = = 0.3 ,
20 20

P(A+B) = P(A) + P(B) = 0.8.

2. Ehtimalların vurulması teoremi. Şərti ehtimalın tərifindən ehtimalların vurulması

haqqında təklif alırıq.
Teorem 3 (Ehtimalların vurulması teoremi). A və B hadisələrinin eyni zamanda baş
verməsi ehtimalı bu hadisələrdən birinin ehtimalı ilə digərinin birinci baş verdikdə
hesablanmış şərti ehtimalı hasilinə bərabərdir.

p AB   p A  pB A  pB   p A B  (3)

Qeyd 3. Vurma haqqında teorem hadisələrdən biri mümkün olmayan hadisə olduqda da
doğrudur. Bu halda p A  0 ehtimalı ilə yanaşı p A B   0 və pAB   0 olur.
Qeyd 4. Vurma haqqında teorem istənilən sayda hadisələr üçün də doğrudur. Məsələn,
əgər A1 , A2 ,..., An hadisələri asılı hadisələrdirsə, onda onların eyni zamanda baş verməsi
ehtimalı (3) münasibətinə görə

p A1 A2 ...An   p A1  p A2 A1  p A3 A1 A2 ...
... p An A1 A2 ...An 1 
düsturu ilə verilir.
Misal 2. Birinci silahdan nişana dəymə ehtimalı 0.7, ikincidən isə 0.5 olarsa, hər iki
silahdan atəş açıldıqda onların hər ikisinin nişana dəymə ehtimalını tapın.
 Həlli: A - I silahdan, B - II silahdan nişana dəymə hadisələri olsun.Onda

P(AB) = P(A)∙P(B) = 0.35.

3. Hadisələrin tam qrupu Tutaq ki, A1 , A2 ,..., An hadisələri cüt-cüt birgə deyil və
aparılan sınaq və ya müşahidə zamanı onlardan biri hökmən baş verir, yəni bu hadisələr
qrupu üçün

A  A  V , i  j , i, j  1, n
1) A1  A2  A3  ...  An  U , 2) i j

şərtləri ödənilərsə, onda bu hadisələr qrupu tam qrup adlanır.

Məsələn, bir zərin altı üzü A1 , A2 , A3 , A4 , A5 , A6 tam qrup təşkil edir. Qeyd edək ki,
ehtimal nəzəriyyəsində ortaya çıxan məsələlərin həllində hadisələrin tam qrupunun seçilməşi
mühüm rol oynayır. Əgər baxılan məsələlərdə hadisələrin tam qrup təşkil etməsi müəy-
yənləşibsə, onda belə məsələlərin həlli xeyli asanlaşır.

Cüt-cüt birgə olmayan və tam qrup təşkil edən hadisələrə sınağın nəticəsi kimi baxaraq
belə hadisələri elementar hadisələr adlandırırlar. Onlar üzərində belə şərtlər qoymaq olar:

1) Onlardan birinin baş verməsi digərinin baş verməsini inkar edir və onlardan hər
hansı birinin baş verməsi yerdə qalanlara görə heç bir üstünlüyə malik deyildir, yəni onlar
eyni şanslıdır;

2) Aparılan sınaq zamanı onlardan ixtiyari biri şərtsiz baş verməlidir.

4. Tam ehtimal düsturu. Fərz edək ki, H i i  1,2,..., n  hadisələri tam qrup təşkil edir,
pH i 
ehtimalları məlumdur və bu hadisələrdən hər hansı birinin baş verməsi ilə A hadisəsi
baş verir. Bu halda H 1 , H 2 ,..., H n hadisələri hipotezlər adlanır və
A  AU  AH 1  AH 2  ...  AH n .
AH i  AH j  , i  j
Burada nəzərə alsaq ki, , yəni cüt-cüt birgə olmayandırlar, onda A
hadisəsinin H i hipotezlərinə nəzərən pA H i , i  1,2,..., n şərti ehtimalları məlum olduqda A
hadisəsinin p A ehtimalını tapmaq olar.
Teorem 4. Əgər H 1 , H 2 ,..., H n tam qrup təşkil edən sistemdirsə və bütün
pH k   0, k  1,2,..., n  , A pH i 
onda istənilən hadisəsinin ehtimalı hipotezlərin
ehtimallarının A -nın hipotezlərə nəzərən uyğun pA H i  şərti ehtimalları hasillərinin
cəminə bərabərdir:
n
p  A   p H i   p  A H i 
i 1 . (1)
 (1) düsturuna tam ehtimal düsturu deyilir.
Misal 1. Ümumi məhsulun 25%-i a maşınında, 35%-i b maşınında, 40%-i isə c
maşınında istehsal olunur. Maşınlarda zay məhsulun istehsalı uyğun olaraq 5%, 4% və 2%-
dir. Təsadüfən götürülmüş bir məhsulun zay olması ehtimalını tapın.
Həlli. Təsadüfən götürülən məhsulun zay olması hadisəsi A , məhsulların a ,b,c
maşınlarında istehsal olunması hadisələri uyğun olaraq H 1 , H 2 , H 3 olsun. Bu hadisələr tam
qrup təşkil edir və onların ehtimalları pH 1   0,25, pH 2   0,35, pH 1   0,40 . A hadisəsinin
H1 , H 2 , H 3
hipotezlərinə nəzərən şərti ehtimalları isə

p A H 1   0,05, p A H 2   0,04, p A H 3   0,02 .

Onda tam ehtimalın (1) düsturuna görə

3
p ( A )=∑ p ( H i ) ∙ p ( A / H i )= p ( H 1 ) ∙ p ( A /H 1) + p ( H 2 ) ∙ p ( A / H 2 ) + p ( H 3 ) ∙ p ( A/ H 3 ) =0.25 ∙0 , 05+ 0 ,35 ∙ 0 , 04+0 ,
i =1
olar.
5. Bayes düsturu. Bir çox praktiki məsələlərdə A hadisəsi baş verdikdə H 1 , H 2 ,..., H n
hipotezlərinin A -ya nəzərən şərti ehtimallarını tapmaq lazım gəlir. Başqa sözlə, tutaq ki,
aparılan sınaq və ya müşahidə nəticəsində A hadisəsi baş vermişdir. Bu sınaqdan əvvəl H i
hipotezləri haqqında irəli sürülən mülahizələr təcrübədən sonra necə dəyişmişdir?
Teorem 5 (Bayes). Tutaq ki, H 1 , H 2 ,..., H n tam qrup təşkil edir və ( k ) , p A  0 .
P H >0
Onda belə bir düstur doğrudur:
p H k   p A H k 
p H k A  , k  1,2,..., n 
 pH  pA H 
n

j j
j 1
(2)

Qeyd edək ki, təcrübəyə qədər H 1 , H 2 ,..., H n hadisələrinin pH k  k  1,2,..., n 

ehtimalları aprior (latınca apriori – «əvvəlcə» deməkdir) ehtimallar adlanır. Həmin
hadisələrin pH k A k  1,2,..., n  şərti ehtimalları təcrübədən sonrakı, yəni aposterior
(latınca aposteriori– «sonrakı» deməkdir) ehtimallar adlanır.
Misal 2. Tutaq ki, misal 1-in şərtləri daxilində təsadüfən götürülən məhsul zaydır ( A
hadisəsi baş vermişdir). Bu zay məhsulun a ,b,c maşınlarından hansında istehsal olunma
ehtimalını tapın.
Tapmalı :
pH 1 A  ? pH 2 A  ? pH 3 A  ?
Həlli. Verilir: pH 1   0,25, pH 2   0,35, pH 1   0,40 .
p A H 1   0,05, p A H 2   0,04, p A H 3   0,02 .
 Tam ehtimal düsturuna görə
n
p  A   p H i   p  A H i 
i 1 = 0.0345
alırıq. Axtarılan ehtimalları Bayes düsturu ilə hesablayaq:

pH 1   p A H 1  0 ,25  0 ,05 125 25

pH 1 A     ,
p  A 0 ,0345 345 69
pH 2   p A H 2  0 ,35  0 ,04 140 28
pH 2 A     ,
p  A 0 ,0345 345 69
pH 3   p A H 3  0 ,40  0,02 80 16
pH 3 A     .
p  A 0 ,0345 345 69
Mühazirə 5
Təkrar sınaqlar ardıcıllığı. Bernulli, Muavr - Laplas və
asimptotik Puasson teoremi

1. Təkrar sınaqlar ardıcıllığı. Tutaq ki, müəyyən kompleks şərtlər daxilində ardıcıl
sınaqlar aparılır. Əgər hər hansı bir sınağın nəticəsi digər sınağın nəticəsinə təsir etmirsə,
onda ardıcıl aparılan belə sınaqlar asılı olmayan sınaqlar adlanır.
Aparılan asılı olmayan hər sınağın nəticəsi «uğurlu» və ya «uğursuz» ola bilər, yəni
gözlənilən təsadüfi A hadisəsi baş verə, yaxud baş verməyə bilər. Asılı olmayan sınağın iki
nəticəsindən («uğurlu» və «uğursuz») birinin baş verməsi halına Y. Bernulli baxmışdır və
onu Bernulli sxemi adlandırırlar.
2. Bernulli düsturu. Tutaq ki, n sayda asılı olmayan sınaq aparılır və hər hansı sınaqda
A hadisəsinin baş verməsi ehtimalı sabit p-dir, baş verməməsi ehtimalı isə q = 1-p ədədinə
bərabərdir.
n asılı olmayan təkrar sınaqlar zamanı A hadisəsinin m dəfə baş verməsi ehtimalını
p n m 
ilə işarə edək və bu ehtimalı tapaq.
Sadəlik üçün tutaq ki, n=3 və m=2. Ardıcıl aparılan 3 sınağın mümkün olan nəticələrini
yazaq:
AAA, AAA , AA A, A AA, AA A , A AA , A A A, A A A .
(1)
Bu ardıcıllıqlardan göründüyü kimi 3 sınaq zamanı A hadisəsi m=2 dəfə (onların
C 32  3! 3
altından xətt çəkilib) baş verir: AAA , AA A, A AA . Belə ardıcıllıqların sayı 2!3  2 !
kimi təyin olunur. Digər tərəfdən, sınaqlar deməli, hadisələr asılı olmadığından ehtimalların
vurulması teoreminə görə
p AAA   p  A  p  A  p A   p  p  q  p 2 q ,
p AA A  p  A  p A  p  A  p  q  p  p 2 q ,
p A AA  p A  p  A  p  A  q  p  p  p 2 q .
Sınaqların nəticələri birgə olmayan hadisələr olduğundan toplama teoreminə görə
 p3 2  pAAA   pAA A  pA AA  p 2 q  p 2 q  p 2 q  C 32 p 2 q
İndi isə konkret misalda apardığımız mülahizəni ümumiləşdirək.
Tutaq ki, asılı olmayan n ardıcıl sınaq aparılır və bu sınaqların nəticəsi B1 , B2 , B3 ,..., Bn
hadisələr ardıcıllığıdır. Bu ardıcıllıqların m hissəsində A hadisəsi baş verib, qalan n−¿m
n!

hissəsində isə A olarsa, belə ardıcıllıqların sayı C  m! n  m ! qədər olar.
m
n

Sınaqlar asılı olmadığından onların nəticələri–hadisələr də asılı deyildir və ehtimalların

m n 1
vurulması teoreminə görə belə ardıcıllığın ehtimalı p q ədədinə bərabər olar. Onda birgə
olmayan hadisələrin ehtimalları haqqında teoremə görə m qədər A - dan və n−¿m qədər A -
dən ibarət ardıcıllıqların ehtimalları cəmi

pn(m ¿ = C mn p m q n−m (2)

burada p  q  1, m  0,1,2,..., n : Bu isə axtarılan ehtimaldır.

Qeyd edək ki, (2) ehtimalları üçün
n

 p m   p 0  p 1  ...  p n   1

n n n n
m 0 .
Bu münasibətin doğruluğunu iki mülahizədən almaq olar.
Birincisi, n ardıcıl asılı olmayan sınaqlar zamanı hadisələr ardıcıllıqları tam qrup təşkil
edir və onlardan hər hansının baş verməsi yəqini U hadisəsidir, deməli, pU   1 .
İkincisi, axırıncı münasibətin doğruluğu
n n
1n  ( p  q ) n   C nm p m q n  m   p n m 
m 0 m0 . (3)
Nyuton binomunun açılışından alınır.
(2) münasibəti ilə təyin olunan p n m  ehtimallarına binomial paylanma deyilir. Bu
paylanma m=0,1,2,…,n ədədləri ilə p n m  -lər arasında uyğunluq şəklində verilir.
Misal. n dəfə zər atıldıqda m dəfə 6 xalı olan üzün düşməsi ehtimalını tapın.
Həlli.
m nm m nm
p n m   C nm p m q n  m  C nm  1  1  1   C nm  1   5 
6  6 . 6 6
Bir çox praktiki məsələlərdə ardıcıl asılı olmayan sınaqlar zamanı A hadisəsinin
verilən k ədədindən kiçik (böyük) olmayan ədəd dəfə və yaxud heç olmazsa bir dəfə baş
verməsi ehtimalını tapmaq lazım gəlir. Bu ehtimalları verək.
a) Tutaq ki, A hadisəsinin k ədədindən az olmayan sayda baş verməsi hadisəsi n – (k –
1) sayda birgə olmayan hadisələrin birləşməsidir, yəni A hadisəsi k dəfə, k+1 dəfə və s. n
dəfə baş verməlidir.
Bu halda axtarılan ehtimalı Rn m  k  kimi işarə etsək, onda
n
Rn m  k   pn k   pn k  1  ...  pn n    pn m 
mk (4)
olar.(4) ehtimalını əks hadisənin ehtimalı kimi də hesablaya bilərik, yəni
 k 1
Rn m  k   1  Rn m  k   1   p n m  
m 0

 1   p n 0   p n 1  ...  p n k  1 (5)

Aydındır ki, (5) düsturu daha əlverişlidir.
b) Tutaq ki, n asılı olmayan ardıcıl sınaqlar zamanı A hadisəsinin heç olmazsa bir dəfə
baş verməsi ehtimalını hesablamaq lazımdır. Başqa sözlə, bir və bir dəfədən çox A
hadisəsinin baş verməsi ehtimalını hesablamaq lazımdır, yəni (5) düsturundan k = 1 olduqda
Rn m  1  1  Rn m  1  1  p n 0  1  q n (6)
alınır, burada q  1  p və m  0 olması o deməkdir ki, A hadisəsi n sınaq zamanı baş
A A ...A
vermir, yəni hər sınaqda A -nın əksi olan A hadisəsi baş verir. Deməli n hadisələr
ardıcıllığı alınır. Onda ehtimalların vurulması teoreminə görə
p A A    A   p A  p A    p A   q  q    q  q n
   
n

olar, yəni p n 0  q .

n

3. Asılı olmayan sınaqlarda hadisənin baş verməsi sayının

ən ehtimallı qiyməti

Tutaq ki, asılı olmayan sınaqların hər birində hadisənin baş vermə ehtimalı p - dir.
Əgər bu sınaqlarda hadisənin k0 dəfə baş vermə sayının ehtimalı sınaqların qalan mümkün
nəticələrinin ehtimalını aşırsa (və yaxud heç olmazsa kiçik deyilsə) onda k0 ədədi ən ehti-
mallı qiymət adlanır .
Ən böyük ehtimallı k0 ədədi aşağıdakı bərabərsizlikdən təyin olunur:
np−q≤k 0≤np+ p
belə ki:
a) əgər np + p kəsr ədəd olarsa, onda ən ehtimallı bir k 0= [ np + p ] ədədi var;
b) əgər np + p tam ədəd olarsa, onda iki k 0=np+ p və k 0−1 ən ehtimallı ədədləri
var;
c) əgər np – tam ədəddirsə, onda ən ehtimallı ədəd k0 = np- dir.

4. Muavr – Laplasın lokal limit teoremi

İlk baxışdan sadə görünən Bernulli düsturu

p n k   C nk p k q n  k
sınaqların sayı n və k ədədləri kifayət qədər böyük olduqda mürəkkəb hesablamalara gətirib
çıxarır. Ona görə də bu düsturu əvəz edəcək, müəyyən dəqiqliklə hesablamanı verəcək
təqribi (asimptotik) düsturların axtarılması zərurəti ortaya çıxır. Belə asimptotik düsturları
Muavr - Laplasın lokal limit teoremindən və Puasson teore-mindən almaq olur.
Teorem (Muavr - Laplas). Əgər asılı olmayan sınaqlar zamanı hər hansı A
hadisəsinin baş verməsi ehtimalı p sabitdirsə və 0 < p <1 -dirsə, onda A hadisəsinin n sınaq
zamanı k dəfə baş verməsi ehtimalı üçün
x2
lim npq p n k   1 e 2
n 
2 (9)
k  np
x
npq
doğrudur, burada və x müəyyən sonlu parçada dəyişdikdə bütün k  0,1,2,..., n
qiymətlərində (9) yığılması müntəzəmdir.
Nəticə. (9) münasibətindən belə bir asimptotik düstur alınır:
2
 k  np 
1 
Pn k   1  1 e 2  npq 
 

2 npq
(10)
x2
 x   1 e 2
Qeyd. 2 funksiyasının qiymətlər cədvəli var və bu cədvəl dərsliyin axırın-
da verilir. Bu funksiyanın qrafiki Qauss əyrisi adlanır. n sonsuz artdıqda npqPn k  - lar
Qauss əyrisinin ordinatlarına yaxınlaşır.
x2
1 
e 2

2

О х
Şəkil 1

5. Asimptotik Puasson teoremi

Bir çox nəzəri və praktiki məsələlərdə p n k  ehtimallarını hadisənin baş verməsi

ehtimalı p kifayət qədər kiçik olduqda hesablamaq lazım gəlir.
Teorem. Əgər n  , p  0, np  const  a  0 , onda ardıcıl asılı olmayan sınaqlar
a k e a
p n k 
zamanı hadisənin k dəfə baş verməsi ehtimalı istənilən k  0,1,2,... üçün k!
ifadəsinə yığılır, yəni
a k a
lim p n k   e
n  k! . (11)
Bu teoremdən asimptotik belə bir düstur alınır:
 k
p n k   a e  a
k! .
Qeyd . Puasson teoremi k   olduqda da doğrudur.
Misal. Telefon stansiyası 1000 abunəçiyə xidmət edir. Hər bir abunəçi bir-birindən asılı
olmayaraq p  0,005 ehtimalı ilə stansiyaya sifariş verə bilər. Verilən zaman intervalında
stansiyaya 7-dən çox olmayan sifarişin daxil olması ehtimalını tapın.
Həlli. Şərtə görə, n  1000, p  0,005, k  7 . Onda a  np  1000  0.005  5 .
7
p n k  7    p n k   p n 0   p n 1  p n 2   p n 3  p n 4  
k 0

 p n 5  p n 6   p n 7    a  a  a  ...  a e  a 

0 1 2 7

 0! 1! 2! 7! 

 1  5  5  5  5  5  5  5 e 5  0,867.

2 3 4 5 6 7

 1! 2! 3! 4! 5! 6! 7! 

Mühazirə 6

Təsadüfi kəmiyyətlər, onların növləri. Diskret təsadüfi

kəmiyyətin paylanma qanunu və bəzi diskret paylanmalar

1. Təsadüfi kəmiyyətlər, onların növləri. Qeyd edək ki, hər bir sınaq və ya müşahi-
dənin nəticəsinə təsadüfi hadisə kimi baxa bilərik. Belə nəticəni keyfiyyət və kəmiyyətcə
xarakterizə etmək olar.

Təcrübə və ya sınağın nəticəsini keyfiyyətcə xarakterizə etmək o deməkdir ki, belə bir
təcrübə vaxtı konkret fakt qeyd olunur, yəni təcrübənin nəticəsinin müəyyən bir xassəyə
malik olub - olmadığı müəyyənləşdirilir. Qeydə alınan bu fakt hadisə adlanır və deyirlər:
«hadisə baş verdi», ya da «hadisə baş vermədi».
Təcrübə və ya sınağın nəticəsini kəmiyyətcə xarakterizə etmək o deməkdir ki, belə bir
təcrübə vaxtı hər hansı kəmiyyətin ala biləcəyi qiymətlər müəyyən olunur, belə ki, təcrübəyə
qədər həmin qiymətləri təyin etmək mümkün deyildir. Belə kəmiyyətlər təsadüfi adlanır.
Məsələn, hər hansı sistemin və ya qurğunun fasiləsiz işləmə vaxtı, təsadüfi seçilən bir
adamın boyunun ölçüsü və ya çəkisi və s. təsadüfi kəmiyyətlərdir.
Deməli, təsadüfi kəmiyyət təsadüfi sınağın və ya təcrübənin nəticəsində bu və ya digər
qiyməti ala biləcək dəyişən kəmiyyətə deyilir.Təsadüfi kəmiyyətlər latın əlifbasının böyük
hərfləri X,Y,Z, . . ilə , onların qiymətləri isə x1,x2, . . . ilə işarə olunur.
Təsadüfi kəmiyyətin ala biləcəyi qiymətlər sonlu, hesabi və qeyri-hesabi ola bilər.
Sonlu və ya hesabi sayda təsadüfi qiymətlər ala bilən kəmiyyətlərə diskret təsadüfi
kəmiyyətlər deyilir.
Əgər təsadüfi kəmiyyət hər hansı parçadan bütün qiymətləri alırsa, onda o kəsilməz
təsadüfi kəmiyyət adlanır.

2. Diskret təsadüfi kəmiyyətin paylanma qanunu və funksiyası. Təsadüfi kəmiyyəti

təsadüfi sınağın nəticəsindən asılı funksiya kimi təyin etmək olar.
Tutaq ki, sınağın hər bir Ai nəticəsinə müəyyən xi həqiqi ədədi qarşı qoyulur. Bu halda
deyirlər ki, diskret təsadüfi kəmiyyət verilir.
Əgər diskret təsadüfi kəmiyyəti  kimi işarə etsək, onda   xi  hadisəsinə müəyyən pi
ehtimalı uyğun olar, yəni p  xi   pi , burada i  I və (1) – (2) şərtlərini nəzərə alaraq
genişlənmiş toplama aksiomuna görə
n n
∑ p ( ξ=xi )=∑ p i=1
1 i=1 (1)
yaza bilərik.
Beləliklə, aparılan təsadüfi sınaq zamanı təsadüfi  kəmiyyətinin hər hansı xi qiymətini
almasına Ai hadisəsi kimi baxacağıq və bu hadisənin ehtimalını pi ilə işarə etsək, onda
diskret adlanan təsadüfi kəmiyyəti xi , pi , x  I , cütləri ilə xarakterizə edə bilərik.
Tərif. Əgər  diskret təsadüfi kəmiyyəti xi qiymətini uyğun pi ehtimalı ilə alırsa, onda
həqiqi ədədlərin xi , pi  cütlər çoxluğuna  kəmiyyətinin paylanması qanunu deyilir.
Diskret təsadüfi kəmiyyətin paylanması qanununu xi və pi ədədləri arasındakı qarşılıqlı
uyğunluğu göstərən cədvəl şəklində də vermək olar.

 x1 x2 … x n 1 xn
p p1 p2 … p n 1 pn

p 1
. Əgər  diskret təsadüfi kəmiyyətinin aldığı xi qiymətləri hesabi
i
burada i 1

saydadırsa, yəni onlar natural 1,2,3,…,n,… ədədlərinin artan sırası ilə nömrələnmişsə, onda


p i
bu qiymətlərə uyğun pi ehtimallarının cəmi olan i 1 sırası yığılır və bu sıranın cəmi
vahidə bərabərdir.
Diskret təsadüfi kəmiyyətin paylanması qanununu qrafiki olaraq da vermək olar. Bunun
üçün OX oxu üzərində xi qiymətlərini, OY oxu üzərində isə pi ehtimallarını qeyd etsək,
onda M i xi , pi  nöqtələrini düz xətt parçaları ilə birləşdirib nəticədə paylanma
çoxbucaqlısını alarıq.
Misal 1.  diskret kəmiyyəti paylanma qanunu

 2 4 5 6
p 0,1 0,3 0,2 0,4
ilə verilir. Paylanma çoxbucaqlısını qurun.
Düzbucaqlı koordinat sistemində M 1 2;0,1, M 2 4;0,3 M 3 5;0,2  və M 4 6;0,4 nöqtələrini
qururuq və bu nöqtələri M 1 M 2 , M 2 M 3 , M 3 M 4 düz xətt parçaları ilə birləşdiririk. Alınan
çoxbucaqlı paylanmanı xarakterizə edir (şəkil 1).

M4
0,4
M2

M1
0,3 M3

x
0 2 4 5 6
Şəkil 1

Diskret təsadüfi  kəmiyyətini onun ehtimallarının paylanması funksiyası adlanan

funksiya ilə də xarakterizə etmək olar.
Tutaq ki, x - qabaqcadan qeyd olunmuş ixtiyari həqiqi ədəddir. Onda  təsadüfi kəmiy-
yətinin x - dən kiçik qiymət alması ehtimalına, yəni   x  hadisəsinin ehtimalına 
kəmiyyətinin paylanma funksiyası deyilir və belə işarə olunur:

F x   p  x , -   x   . (2)

Bu tərifdən göründüyü kimi, əgər  diskret təsadüfi kəmiyyətdirsə və p  xi   pi -

dirsə, onda onun paylanma funksiyası belə olar
 F x   p  x   p i
xi  x
(3)

Bu isə qrafiki o deməkdir ki, (3) ehtimalı x,0 nöqtəsindən keçən və ordinat oxuna
paralel düz xətdən solda yerləşən şaquli parçaların uzunluqları cəminə bərabərdir, yəni
elementar hadisələrin U çoxluğunda təyin olunan ehtimala nəzərən  kəmiyyəti ölçülə
biləndir. ξ təsadüfi kəmiyyətinin F(x) paylanma funksiyasını qrafiki olaraq belə göstərmək
olar (şəkil 2).

1
y=f(x)

0 х1

х2 х3 х4 … хn x

Şəkil 2 Beləliklə, elementar ha-

disələrin diskret fəzasını U  xi 
n

 p x   1
kimi təyin etməklə və pxi   pi verməklə, burada i 1 , təsadüfi  kəmiyyətini
i

   x  funksiyası, yəni  xi   xi şəklində başa düşmək olar. Çünki pi  pxi  funksiyası
belə təyin olunan təsadüfi  kəmiyyətinin paylanması qanununu da müəyyən edir.
3. Bəzi diskret paylanmalar. Diskret paylanma qanunlarına misal olaraq aşağıdakı
qanunları göstərmək olar.
1) Binomial paylanma. Bernulli sxeminə görə n asılı olmayan sınaqlar zamanı təsadüfi
hadisənin  dəfə baş verməsini təsadüfi kəmiyyət kimi təyin etsək, onda

p  m   C nm p m q n  k , m  0,1,2,..., n
2) Puasson paylanmasını təyin edən ehtimal

a k −k
p ( ξ=k )= e , k=0,1,2,...; a>0
k! ,
a k e k  0
burada k! və
 a k a
  ak
 p  k    e  e    e a  e a  1.
a

k 0 k 0 k ! k 0 k !
 3) Həndəsi paylanma.Tutaq ki, asılı olmayan sınaqlar aparılır və hər bir sınaqda
hadisənin baş verməsi ehtimalı p-dir. A hadisəsi baş verdikdə sınaq başa çatır. Beləliklə əgər
hadisə k-cı sınaqdı baş verirsə , onda əvvəlki k-1 sayda sınaqda o baş vermir. X ilə A
hadisəsinin baş verməsinə qədər aparılan sınaqların sayını göstərən diskret təsadüfi
kəmiyyəti işarə edək. Aydındır ki, X-in mümkün qiymətləri natural ədədlərdir: x 1 =1 , x2 = 2
və s.
Tutaq ki, ilk k-1 sayda sınaqda hadisə baş verməyib, k-cı sınaqda isə baş
verir.Ehtimalların vurulması teoreminə görə bu mürəkkəb hadisənin ehtimalı

P(X = k) = qk-1 p
olar. Bu düsturda k=1,2, . . . götürsək ilk həddi p olan və ortaq vuruğu q ( 0˂q˂1 ) olan
həndəsi silsilə alırıq:

p, qp, q2 p, . . . ,qk-1p, . . .

Buna görə sonuncu paylanma həndəsi paylanma adlanır.

Asanlıqla yoxlamaq olar ki, sonuncu sıra yığılır və onun cəmi 1-ə bərabərdir. Doğrudan
da onun cəmi

S = p / (1-q) = p/p =1.

4) Hiperhəndəsi paylanma. Qutuda N kürəcikdən M qədəri ağ rəngli, N – M qədəri isə

qara rənglidir. Qaytarılmayan sxem üzrə qutudan ardıcıl olaraq n kürəcik çıxarılır. Çıxarılan
n kürəcik içərisində m qədər ağ rəngli kürəciyin olması ehtimalı

C Mm  C Nn mM
p  m   , m  0,1,2,..., min n, M 
C Nn
ağ rəngli kürəciklərin sayı  -nin paylanmasını təyin edir.
Burada m təsadüfi kəmiyyət olduğundan belə demək olar ki,hiperhəndəsi paylanma
N,M,n üçlüyü ilə təyin olunur. Bəzən bu paylanmanın parametrləri olaraq N,n və P = M /N
götürülür. P –ilk çıxarılan kürəciyin ağ rəngli olma ehtimalıdır.
Qeyd edək ki, əgər n N-dən kifayət qədər kiçik olarsa , yəni praktik olaraq n<0.1N
olarsa ,onda hiperhəndəsi paylanma binomial paylanmaya yaxın ehtimal verir.

Mühazirə 7
Diskret təsadüfi kəmiyyətin riyazi gözləməsi və onun xassələri
Nəzəri və praktiki elə məsələlər var ki, onların həlli zamanı təsadüfi kəmiyyətin
paylanması qanunu əvvəlcədən məlum olmur. Bu qanun haqqında təsəvvür yaratmaq üçün
ona daxil olan parametrləri öyrənmək zərurəti ortaya çıxır. Belə parametrlər təsadüfi kə-
miyyətin ədədi xarakteristikaları adlanır.
Ədədi xarakteristikalara təsadüfi kəmiyyətin riyazi gözləməsi, dispersiyası, habelə
müxtəlif tərtibli başlanğıc və mərkəzi momentləri və s. daxildir.
1. Riyazi gözləmə. Tutaq ki,  təsadüfi kəmiyyəti diskret kəmiyyətdir və bu kəmiyyət
x1 , x 2 ,..., x n ,... (1)
qiymətlərini uyğun olaraq
p1 , p 2 ,..., p n ,... (2)
ehtimalları ilə alır.


x p
ədədi sırası mütləq yığılandırsa, onda bu sıranın cəminə  təsadüfi
k k
Tərif. Əgər k 1
kəmiyyətinin riyazi gözləməsi deyilir və belə işarə olunur:

M   x k p k
.
k 1 (3)
Təsadüfi kəmiyyətin riyazi gözləməsi onun qiymətlərinin nəzəri ədədi ortasıdır. Bunu
aydın təsəvvür etmək üçün mexaniki analogiyaya baxaq.
Paylanma qanunları məlum olduqda təsadüfi kəmiyyətlərin uyğun riyazi gözləmələrinin
tapılmasına dair bir neçə misala baxaq.
Misal 1. Puasson qanunu ilə paylanan  təsadüfi kəmiyyətinin riyazi gözləməsini
tapmalı.
k
P  k   a e  a , k  0,1,2,...
Həlli: Şərtə görə k! . Onda (3) düsturuna görə
  k  k 1
M   k  P  k    k  a e  a   a  ae  a 
k 0 k 0 k ! k 1 k  1 !
 k
 ae  a  a  ae  a  e a  a
k  0 k!

alırıq.
Misal 2. Tutaq ki, diskret  təsadüfi kəmiyyətinin paylanması qanunu aşağıdakı şəkildə
verilir:

 2 22  23 …  1k 2 k …
p 1 1 1 … 1 …
2 22 23 2k

Bu kəmiyyətin riyazi gözləməsini tapmalı.

Həlli: Riyazi gözləmənin (3) tərifinə görə
  
M   x k p k    1 2 k  2  k    1 
k k

k 1 k 1 k 1

 1  1  1  1  ...   1  ...
n

Bu sıra dağılandır. Deməli,  kəmiyyətinin riyazi gözləməsi yoxdur.

 2. Riyazi gözləmənin xassələri

Xassə 1. Sabit c kəmiyyətinin riyazi gözləməsi bu kəmiyyətin özünə bərabərdir.

Doğrudan da, əgər   const  c -dirsə, onda
 ∞
M   x k p k ∑ cp
k 1 = 1 k =c.1=c
Deməli, M c   c .
Xassə 2. Sabit vuruğu riyazi gözləmə simvolunun xaricinə çıxarmaq olar:
M c   cM .
Doğrudan da,
 
M c    cx k  p k  c  x k p k  cM
k 0 k 0 .
Xassə 3.  və  təsadüfi kəmiyyətlərinin xətti kombinasiyasının riyazi gözləməsi bu
kəmiyyətlərin riyazi gözləmələrinin xətti kombinasiyasına bərabərdir:
M c1  c 2   c1 M  c 2 M ,

burada c1 , c 2 - ixtiyari təsadüfi olmayan məlum sabitlərdir.

Nəticə. Əgər sonlu sayda  1 ,  2 ,...,  n təsadüfi kəmiyyətlərinin M k riyazi gözləmələri
varsa, onda
 n  n
M    k    M k
 k 1  k 1
doğrudur.
Xassə 4.Tutaq ki,  və  kəmiyyətlərinin M , M sonlu riyazi gözləmələri var. Onda
M      M  M
Xassə 5. M[X- M(X)] = 0; Burada X – M(X) fərqinə təsadüfi kəmiyyətin meyli deyilir.
İsbatı. M[X – M(X)] = M(X) – M(M(X)) = M(X) – M(X) = 0.
Xassə 6. Əgər  və  təsadüfi kəmiyyətlərinin sonlu M və M riyazi gözləmələri
varsa və bu kəmiyyətlər asılı deyilsə, onda

M      M  M .

Qeyd. Təklifin tərsi doğru olmaya da bilər. Yəni M    M  M şərtindən  və 

kəmiyyətlərinin asılı olmaması alınmaya bilər.
Nəticə. 6 - cı xassə n sayda qarşılıqlı asılı olmayan təsadüfi kəmiyyətlər üçün də doğ-
rudur:
M ( X1X2 . . . Xn ) = M (X1)∙ M (X2)∙ . . . ∙M (Xn)

3. Təsadüfi kəmiyyətdən asılı funksiyanın riyazi gözləməsi. Tutaq ki,  x  - ixtiyari

X  xi , Y  y j 
funksiyadır,  , - təsadüfi kəmiyyətlərdir, çoxluqları isə  və  kəmiyyət-
lərinin uyğun qiymətlər çoxluqlarıdır. Tutaq ki,      funksiyası X çoxluğunu Y
çoxluğuna inikas etdirir. Onda
 M      x k  p k
k (4)
(4) - də sağ tərəfdəki sıra mütləq yığılan olmalıdır.

4. Riyazi gözləmənin ehtimal mənası.

Tutaq ki, n sayda sınaq aparılır və bu sınaqlarda X təsadüfi kəmiyyəti x 1 qiymətini m1
dəfə, x 2 qiymətini m2 dəfə və s. x k qiymətini mk dəfə alır. Belə ki, m 1 +m2 + .. .+m k =m . Onda
x m +x m +. ..+x k mk olar.
X-in aldığı bütün qiymətlərin cəmi 1 1 2 2
Təsadüfi kəmiyyətin aldığı bütün qiymətlərin ədədi ortasını tapaq. Bunun üçün
sonuncu cəmi sınaqların ümumi sayına bölək:
X̅ = ( x 1 m1 +x 2 m2 +. ..+x k mk ) ̸ n

və ya

X̅ = x1 (m1/n) + x2 (m2/n) + . . . + xk(mk/n ) (5)

Aydındır ki, m1 ̸ n1 = w1, m2 ̸ n2 = w2, . . . , mk / n = wk

Onda (5) –i belə yazmaq olar:

X̅ = x1w1 + x2 w2 + . . . + xk wk (6)

Fərz edək ki, sınaqların sayı kifayət qədər böyükdür. Onda

w1 ≈ p1, w2 ≈ p2, . . . , wk ≈ pk

(6) – da nisbi tezlikləri uyğun ehtimallarla əvəz etsək alarıq:

X̅ = x1p1 + x2 p2 + . . . + xk pk

Sonuncu bərabərliyin sağ tərəfi M(x) olduğundan X̅ ≈ M(X) alarıq.

Alınan nəticənin ehtimal mənası belədir: riyazi gözləmə təqribi olaraq təsadüfi kəmiyyətin
müşahidə olunan qiymətlərinin ədədi ortasına bərabərdir.

Teorem. Asılı olmayan n sayda sınaqlarda hadisənin baş verməsi sayının riyazi
ğözləməsi

M(X) = np

olar, burada p – hər sınaqda hadisənin baş vermə ehtimalıdır.

 İsbatı. X təsadüfi kəmiyyəti olaraq A hadisəsinin n sayda asılı olmayan sınaqda baş
verməsi sayını ğötürək. Əgər X1 -birinci sınaqda, X2 – ikinci sınaqda, . . . , Xn – n-ci sınaqda
hadisənin baş vermə sayı olarsa , onda hadisənin ümumi baş vermə sayı

X = X1 + X2 +. . . +Xn

olar. Riyazi ğözləmənin tərifinə əsasən

M(X) = M(X1) + M(X2) +. . . +M(Xn)

Bir sınaqda hadisənin baş vermə sayının riyazi gözləməsi p-yə bərabər olduğundan

M(X1) = M(X2) = . . . = M(Xn) = p.

Onda M(X) = np olar. Deməli, binomial paylanmanın riyazi gözləməsi M(X) = np-dir.

Mühazirə 8
Diskret təsadüfi kəmiyyətin dispersiyası və onun xassələri.
Başlanğıc və mərkəzi momentlər. Moda və median

1. Diskret təsadüfi kəmiyyətin dispersiyası.Təsadüfi kəmiyyətin təsadüfən aldığı

qiymətlərin onun riyazi gözləməsinə nəzərən səpələnmə dərəcəsini müəyyən etmək üçün
təsadüfi kəmiyyətin dispersiyası anlayışını vermək lazımdır. Bununla əlaqədar mərkəz-
ləşmiş təsadüfi kəmiyyət anlayışını təyin edək.
Tərif 1. Təsadüfi X kəmiyyətinin öz riyazi gözləməsindən yayınmasının kvadratının
riyazi gözləməsinə bu kəmiyyətin dispersiyası deyilir və belə işarə olunur:
0
D x  Dx  M  X  m x   M | X |2 .
2
(1)

Tərif 2. Təsadüfi X kəmiyyətinin dispersiyasının kvadrat kökünə bu kəmiyyətin orta

kvadratik və ya standart meyli deyilir və belə işarə olunur:
 x  D x  DX
.
Qeyd edək ki, X təsadüfi kəmiyyətinin paylanma qanunu məlumdursa, onda onun
dispersiyasını hesablamaq olar.
1) Tutaq ki, X təsadüfi kəmiyyəti diskretdir və onun paylanması verilir:
x x1 x2 x3 … xn
p p1 p2 p3 … pn
burada PX  x k   p k , k  1, n . Onda riyazi gözləmənin tərifindən istifadə etməklə
n
D x  M  X  m x    x k  m x  p k
2 2

k 1 (2)
yazarıq.
2) Əgər X diskret təsadüfi kəmiyyəti hesabi sayda qiymətlər alırsa ,onda yenə də (2)
düsturu doğrudur.

Misal 1. Binomial paylanan X diskret kəmiyyətinin dispersiyasını və orta kvadratik

meylini tapmalı.
Həlli. Tutaq ki, X təsadüfi kəmiyyəti A hadisəsinin n sayda asılı olmayan sınaqlarda baş
vermə sayıdır.Aydındır ki, bu sınaqlarda hadisənin ümumi baş vermə sayı

X = X1 + X2 + …+ Xn
olar. X1,X2, …,Xn təsadüfi kəmiyyətləri asılı olmadığından

D(X) = D(X1) + D(X2) +…+ D(Xn)

və
D ( X 1 ) =M ( X 12 )−[M ( X 1) ]
2

olduğundan
D(X1) = p – p2 = p(1 – p) = pq , çünki M ( X 12 ) =12∙p + 02∙q = p

Beləliklə, qalan hər bir təsadüfi kəmiyyətin dispersiyası da qp -yə bərabər olduğundan
D x  npq və  x  D x  npq alarıq.

2. Dispersiyanın xassələri

Teorem 1. Sabit kəmiyyətin dispersiyası sıfra bərabərdir.

İsbatı. Dispersiyanın tərifinə görə və Mc  c olduğunu nəzərə alsaq, onda
D(c )=M (c−M (c ))2=M (c−c )2 =M (0)=0 .
Teorem 2. Sabit vuruq dispersiya işarəsi xaricinə kvadratı ilə çıxarılır.
Dc   c 2 D .

İsbatı. Riyazi gözləmənin xassəsinə əsasən M c   cM olduğunu nəzərə alsaq, onda
Dc   M c  M c   c 2 M   M   c 2 D .
2 2

Teorem 3. Asılı olmayan  və  təsadüfi kəmiyyətlərinin cəbri cəminin dispersiyası bu

kəmiyyətlərin dispersiyaları cəminə bərabərdir:
D     D  D .

Teorem 4. D(C + ξ) = D(ξ)

 Isbatı. C və ξ asılı olmadığından teorem 3-ə görə
D(C + ξ) = D(C) + D(ξ).
Teorem 1- ə görə D(C) = 0 olduğundan teorem isbat olundu.
Teorem 5. Əgər X və Y asılı olmayan təsadüfi kəmiyyətlər, və m = M(X), n = M(Y)
olarsa ,onda
D (XY) = D(X) . D(Y) + n2D(X) + m2D(Y)
Nəticə . Sonlu sayda cüt - cüt asılı olmayan  1 ,  2 ,...,  n təsadüfi kəmiyyətlərinin
cəminin dispersiyası onların dispersiyaları cəminə bərabərdir:
 n  n
D   i    D i
 i 1  i 1 .
  M
D
Qeyd 1. nisbətinə  təsadüfi kəmiyyətinin normallaşmış meyli deyilir.
Dispersiyanın xassəsinə əsasən alarıq:

   M  1 1
D   D  M   D  0  1
 D 
   D 
2
D
Teorem. Eyni qanunla paylanmış asılı olmayan təsadüfi kəmiyyətlərin ədədi ortasının
dispersiyası
D( X ) = D /n
Burada D – hər bir kəmiyyətin dispersiyasıdır.

İsbatı. D( X ) = D((X1+X2+…+Xn) /n) = D (X1+ ... +Xn ) /n =

= (D(X1) + … + D(Xn)) /n2

olduğundan
D( X ) = nD /n2 = D /n .

3. Başlanğıc və mərkəzi momentlər

Təsadüfi kəmiyyətin riyazi gözləməsi və dispersiyası onun daha ümumi ədədi xarak-
teristikalarının xüsusi hallarıdır. Belə ədədi xarakteristikalar təsadüfi kəmiy-yətlərin
başlanğıc və mərkəzi momentləridər.
Tutaq ki,  təsadüfi kəmiyyətdir. Onda istənilən tam n ədədi üçün  də təsadüfi
n

kəmiyyətdir.
Tərif 3. Əgər  təsadüfi kəmiyyətinin riyazi gözləməsi M varsa və sonludursa, onda
n n

bu ədədə  təsadüfi kəmiyyətinin n tərtibdən başlanğıc momenti deyilir və belə işarə

olunur:
 n  M n .

  m  M
Buradan n  1 olduqda 1 riyazi gözləmə alınır. Deməli, təsadüfi 
kəmiyyətinin birinci tərtibdən başlanğıc momenti onun riyazi gözləməsidir.
Əgər ξ diskret təsadüfi kəmiyyəti sonlu sayda qiymətlər alırsa, onda tərifə görə
n
α n= ∑ x i n P i
i=1

n
Burada ∑ pi=1.
i=1

Əgər ξ diskret təsadüfi kəmiyyəti hesabi sayda qiymətlər alırsa, onda tərifə görə
∞
α n= ∑ x i n P i
i=1

∞
Asağdakı sıra mütləq yığilan olduqda, belə ki, ∑ pi=1.
i=1

Tərif 4. Əgər
  m n kəmiyyətinin sonlu riyazi gözləməsi varsa, onda bu riyazi
gözləməyə  təsadüfi kəmiyyətinin n tərtibdən mərkəzi momenti deyilir və belə işarə
olunur:
 n  M   M n .

Buradan alınır ki,  təsadüfi kəmiyyətinin dispersiyası onun ikinci tərtibdən mərkəzi
momentidir:
 2  D  M   M 2 .

Əgər ξ diskret təsadüfi kəmiyyəti sonlu sayda qiymıtlər alırsa, onda

n
μn=∑ (ξ i−Mξ )n P i
i=1

n
Belə ki, ∑ pi=1.
i=1

Əgər ξ diskret təsadüfi kəmiyyəti hesabi sayda qiymətlər alırsa, onda

∞
μn=∑ (ξ i−Mξ )n P i
i=1

∞
Belə ki, sıra mütləq yığılır və ∑ pi =1 şərti ödənir.
i=1

Təsadüfi  kəmiyyətinin başlanğıc və mərkəzi momentləri arasında əlaqə vardır. Bunu,

məsələn, n  4 olduqda göstərək.
  0  1,
1  M   M   M  M  0,
 2   2   12   2  M 2 ,
 3   3  3 2 1  2 13 ,
 4   4  4 3 1  6 2 12  3 14 .
Praktikada 3 və 4 tərtibli momentlərdən istifadə olunur.
Qeyd 2. Variasiya əmsalı kvadratik orta yayınmanın riyazi gözləməyə faiz nisbətinə
deyilir
σ
V= 100٪
m

5. Paylanmanın modası və medianı

Tutaq ki,  təsadüfi kəmiyyəti diskretdir və onun paylanması verilir:

 x1 , x 2 ,..., x n 
 
 p1 , p 2 ,..., p n  .

Tərif 5.  təsadüfi kəmiyyətinin paylanmasının modası onun ən ehtimallı x k qiymətinə,

yəni ehtimalı ən böyük olan qiymətinə deyilir, belə işarə olunur: Mo  x k .
Misal.  diskret kəmiyyətinin paylanması cədvəllə verilir:
 1,  2, 3, 2 
 
 0,1; 0,1; 0,6; 0,2 
Buradan göründüyü kimi, bu kəmiyyətin paylanmasının modası Mo  3 -dür.
Tərif 6. Median (Me) – nizamlanmış variasiyanın tən ortasına düşən varianta deyilir.
Variantların sayı tək olduqda mediani tapmaq üçün variantların sayının üstünə 1 gəlib, 2-yə
bölmək lazımdır. Yəni n=2k+1 olduqda Me=x k+1; Məsələn, 2 3 5 6 7 sırası üçün Me=5
olur.

Variantların sayı cüt olduqda isə variasiya sırası 2 bərabər hissəyə bölünür və median
aşağıdakı düsturla hesablanır:

Me = (xk + xk+1) /2

Məsələn, 2, 3, 5, 6, 7, 9 sırası üçün isə

Me = (5 +6) /2 = 5,5 olur.

Mühazirə 9
 Kəsilməz təsadüfi kəmiyyətin paylanma və sıxlıq funksiyaları,
onların xassələri və növləri
9.1. Kəsilməz təsadüfi kəmiyyətin paylanma və sıxlıq funksiyaları.

Tərif 1. Əgər X təsadüfi kəmiyyətinin

F(x) = P(X˂x)

paylanma funksiyası kəsilməz diferensiallanan olarsa , onda ona kəsilməz təsadüfi

kəmiyyət deyilir.

Əgər  təsadüfi kəmiyyətinin təsadüfən ala biləcəyi qiymətlər hesabi deyilsə, onda belə
kəmiyyətin paylanmasını onun ayrı-ayrı qiymətlərinin ehtimalları ilə vermək mümkün
deyildir. Bu paylanmanı ehtimalın nisbi sıxlığı vasitəsi ilə vermək daha əlverişlidir.

Tərif 2. Təsadüfi  kəmiyyətinin ala biləcəyi qiymətin x, x  x  intervalına düşməsi

ehtimalının bu intervalın uzunluğuna olan nisbətinə, yəni,
P x    x  x 
x

nisbətinə  kəmiyyətinin paylanmasının nisbi sıxlığı və ya ehtimalının nisbi sıxlığı

deyilir.

Nisbi sıxlığın x  0 olduqda limitinə  kəmiyyətinin x nöqtəsində sıxlığı deyilir və

f x  ilə işarə olunur:

Px    x  x 
f x   lim
x 0 x (1)

Tərif 3. Əgər    x   şərtini ödəyən istənilən x üçün elə inteqrallanan f x 

funksiyası varsa ki,
x
F x    f t dt
 (2)

olsun, onda  təsadüfi kəmiyyətinin paylanması kəsilməz adlanır. Digər tərəfdən, (1) limiti
varsa, onda
F x  x   F x   Px    x  x   f x x ,

yəni f x  sıxlıq funksiyası x nöqtəsində kəsilməzdirsə, onda f x dx diferensialı 

kəmiyyətinin təsadüfən ala biləcəyi qiymətin x, x  x  intervalına düşməsi ehtimalına
bərabərdir. Başqa sözlə, əgər  kəmiyyətinin F x  paylanma funksiyası diferen-
siallanandırsa, onda
dF x   f x dx .

Beləiklə, əgər f x   kəmiyyətinin sıxlıq funksiyasıdırsa, onda istənilən x1  x 2 üçün

x2

Px1    x 2    f x dx
x1
(3)
9.2. Paylanma funksiyasının xassələri
1) Paylanma funksiyasının qiymətlər çoxluğu [0,1] parçasına daxildir:
0 ≤ F(x) ≤ 1
2) Əgər X təsadüfi kəmiyyətinin bütün mümkün qiymətləri (a,b) intervalına daxildirsə,
onda
F(x) = 0, x ≤ a olduqda, F(x) = 1 , x ≥ b olduqda.
x
F x    f t dt
3)  ;
4) Paylanma funksiyası azalmayan funksiyadır:
F(x2) ≥ F(x1), əgər x2 ˃ x1 olarsa;
5) X kəsilməz təsadüfi kəmiyyəti üçün onun müəyyən bir qiymət alması hadisəsinin
ehtimalı sıfra bərabərdir
P(X = α) = 0
və ona görə də onun (a,b) intervalından qiymət alması hadisəsinin ehtimalı paylanma
funksiyasının bu intervaldakı artımına bərabərdir:
P(a ˂ X ˂ b) = F(b) – F(a);
6) Paylanma funksiyası soldan kəsilməzdir:
F(xo-0) = F(xo)
7) Əgər X təsadüfi kəmiyyətinin bütün mümkün qiymətləri (−∞ , ∞ ) intervalına
daxildirsə, onda aşağıdakı limit münasibətləri doğrudur:

F     lim F x   0, F     lim F x  
x   x   1.

9.3. Sıxlıq funksiyası aşağıdakı xassələrə malikdir:

1) f x  sıxlıq funksiyası (1) tərifinə görə ehtimal vasitəsilə təyin olunduğundan, mənfi
deyildir, yəni f x   0 .
2) Nəzərə alsaq ki,       münasibəti yəqin hadisədir, onda (3) düsturuna görə
 
P         f x dx  1
 . (4)
dF (x )
3) f ( x )= .
dx

Beləliklə, bu 3 xassəni ödəyən istənilən funksiya təsadüfi kəmiyyətin sıxlıq funksiyası

ola bilər.

9. 4. Kəsilməz təsadüfi kəmiyyətin paylanma və sıxlıq funksiyalarının

növləri və xassələri

Kəsilməz təsadüfi kəmiyyətin paylanmasına misal olaraq aşağıdakı paylanmalara baxaq.

1. Normal (və ya Qaus) paylanma.

Əgər  təsadüfi kəmiyyətinin sıxlıq funksiyası


 x  a 2
f x   1 e 2b 2
, b  0,    a  
b 2

kimi təyin olunursa, onda deyirlər ki,  kəmiyyəti normal qanunla paylanır və ya Qaus
paylanmasına tabedir, burada a və b sabitləri parametrlərdir. Xüsusi halda, a  0, b  1 ol-
duqda, yəni
x2
f x   1 e 2
2

standart normal paylanma adlanır və sıxlıq funksiyası f x  üçün

  2
x
 f x dx  1
e 2
dx  1  2  1
 2  2

şərti ödənilir.
Normal paylanmanın sıxlıq funksiyasının bəzi xassələri:

a) a = M(x) parametrinin qiymətinin dəyişməsi normal əyrinin formasını dəyişmir,

yalnız onun OX oxu boyunca yerdəyişməsinə gətirir: sağa - a artırsa, sola – a azalırsa.
 f(x)

σ
b) artdıqca normal əyrinin maksimal ordinatı azalır, əyrinin özü isə daha yastıvari
σ
olur, yəni OX oxuna sıxılır; azaldıqca isə normal əyri daha itiuclu olur və OY oxunun
müsbət istiqamətində dartılır.
c) X təsadüfi kəmiyyətinin [α,β] parçasından qiymət alması hadisəsinin ehtimalı
α −a
P(α ¿ X < β ) =Φ ¿ ) – 𝚽( σ )

kimi hesablanır. Burada

x
1
𝚽(x) =
√2 π
∫ (e ¿ ¿−t2 /2 ¿ )¿ ¿ dt
0

Laplas funksiyası, a X - in riyazi gözləməsi,σ isə orta kvadratik meylidir .

d) Əgər təsadüfi kəmiyyət f(x) sıxlıq funksiyası ilə verilərsə, onda X təsadüfi kəmiy-
yətinin (α, β ) intervalından qiymət alması ehtimalı:
β

P(α ¿ X < β ) =∫ f ( x ) dx
α

Qeyd. Normal paylanmada moda və median Mo = a, Me = a olur, burada a = M(X).

2. Müntəzəm paylanma.

Əgər  təsadüfi kəmiyyətinin sıxlıq funksiyası

const  c , a  x  b olduqda,
f x   
0 , x  a вя x  b olduqda

kimi təyin olunursa, onda deyirlər ki,  kəmiyyəti a, b parçasında müntəzəm paylanır.
Sıxlıq funksiyasının xassəsindən:
 b

 f x dx  c  dx  cb  a   1
 a

c 1
alınır və buradan da b  a olur.

Müntəzəm paylanan  kəmiyyətinin F x  paylanma funksiyası

F x   x  a , a  x  b
ba

kimidir. Belə ki,

x x
dt xa
F x    f t dt    ;
 aba ba
0, x  a olduqda
x a
F x    , a  x  b olduqda
 b  a
1, x  b olduqda

3. Üstlü (eksponensial) paylanma.

Üstlü paylanma funksiyası və onun sıxlıq funksiyası aşağıdakı şəkildədir:

f ( x )=ke−kx , F ( x )=1−e−kx , x>0 olduqda .

Mühazirə 10
Kəsilməz təsadüfi kəmiyyətin ədədi xarakteristikaları
Nəzəri və praktiki elə məsələlər var ki, onların həlli zamanı təsadüfi kəmiyyətin
paylanması qanunu əvvəlcədən məlum olmur. Bu qanun haqqında təsəvvür yaratmaq üçün
ona daxil olan parametrləri öyrənmək zərurəti ortaya çıxır. Belə parametrlər təsadüfi
kəmiyyətin ədədi xarakteristikaları adlanır. Ədədi xarakteristikalara təsadüfi kəmiyyətin
riyazi gözləməsi, dispersiyası, habelə müxtəlif tərtibli başlanğıc və mərkəzi momentləri və s.
daxildir.

10.1. Riyazi gözləmə və onun xassələri

Əgər  təsadüfi kəmiyyəti kəsilməzdirsə,bütün qiymətləri (-∞, ∞) aralığına daxildirsə və

f x  bu kəmiyyətin ehtimal sıxlıq funksiyasıdırsa, onda
  
M   xf x dx   xdF x 
 .  (1)
 kəmiyyətinin riyazi gözləməsi adlanır.
Əgər  təsadüfi kəmiyyəti kəsilməzdirsə, bütün qiymətləri (a, b) aralığına daxildirsə və
f x  bu kəmiyyətin ehtimal sıxlıq funksiyasıdırsa, onda  kəmiyyətinin riyazi gözləməsi
belə təyin olunur
b b

Mξ =∫ xf ( x ) dx=∫ xdF (x) (2)

a a

Qeyd 1. Təsadüfi kəmiyyətin riyazi gözləməsi onun qiymətlərinin nəzəri ədədi

ortasıdır.
Qeyd 2. Əgər M(X) riyazi gözləməsi varsa və paylanma əyrisi x = C düz xəttinə nəzə-
rən simmetrikdirsə, onda M(X) = C olur.
Riyazi gözləmənin diskret təsadüfi kəmiyyətlər üçün deyilən bütün xassələri kəsilməz
təsadüfi kəmiyyətlər üçün də doğrudur
Xassə 1. Sabit c kəmiyyətinin riyazi gözləməsi bu kəmiyyətin özünə bərabərdir.
Doğrudan da, əgər   const  c -dirsə, onda
 
M   xf x dx  c  f x dx  c  1  c
  .
Deməli, M c   c .
Xassə 2. Sabit vuruğu riyazi gözləmə işarəsi xaricinə çıxarmaq olar:
M(cξ) = cM(ξ)
.
Xassə 3.  və  təsadüfi kəmiyyətlərinin xətti kombinasiyasının riyazi gözləməsi bu
kəmiyyətlərin riyazi gözləmələrinin xətti kombinasiyasına bərabərdir:
M c1  c 2   c1 M  c 2 M ,

burada c1 , c 2 - ixtiyari təsadüfi olmayan məlum sabitlərdir.

Xassə 4. Əgər  və  təsadüfi kəmiyyətlərinin sonlu M və M riyazi gözləmələri
varsa və bu kəmiyyətlər asılı deyilsə, onda
M      M  M .

10.2. Dispersiya və onun xassələri

1) Tutaq ki, X kəsilməz təsadüfi kəmiyyətdir, bütün qiymətləri (-∞,∞ ) aralığına

daxildir və f x  onun paylanması ehtimalının sıxlıq funksiyasıdır. Onda kəsilməz təsadüfi
kəmiyyətin dispersiyası

D x  M  X  m x    x  m x  f x dx
2 2

 (3)
kəmiyyətinə deyilir.
 2) Tutaq ki, X kəsilməz təsadüfi kəmiyyətdir, bütün qiymətləri (a,b ) aralığına daxildir
və f x  onun paylanması ehtimalının sıxlıq funksiyasıdır. Onda kəsilməz təsadüfi
kəmiyyətin dispersiyası
b

Dx=M(X - mx )2=∫ ( x −mx ) f ( x ) dx

2
(4)
a

kimi olur. Dispersiyanı belə də hesablamaq olar:

b

D(x)=∫ x f ( x ) dx−(M ( x ))
2 2
(5)
a

Kəsilməz təsadüfi kəmiyyətin orta kvadratik meyli diskret təsadüfi kəmiyyətin orta
kvadratik meyli ilə eynidir:
Ϭ(X) = √ D(X )
Dispersiyanın diskret təsadüfi kəmiyyətlər üçün deyilən bütün xassələri kəsilməz
təsadüfi kəmiyyətlər üçün də doğrudur.
Qeyd 1. Variasiya əmsalı kvadratik orta yayınmanın riyazi gözləməyə faiz nisbətinə
deyilir:
σ
V= 100٪
m

Paylanma qanunları məlum olduqda təsadüfi kəmiyyətlərin uyğun riyazi gözləmələrinin

və dispersiyalarının tapılmasına dair bir misala baxaq.
Misal 1. a, b  intervalında müntəzəm paylanan  kəmiyyətinin riyazi gözlə-məsini və
dispersiyasını tapmalı.
Məlumdur ki, müntəzəm paylanan təsadüfi kəmiyyətin ehtimal sıxlıq funksiyası belə
təyin olunur:
0, xa olduqda ,
 1
f x    , a xb olduqda ,
0b,  a x  b olduqda.

Onda (4) düsturuna əsasən yaza bilərik ki,

 b b
M  1 x2
xf x dx  a x  b  a dx  b  a  2
1  ab
2
. a

Göründüyü kimi, a, b  intervalında müntəzəm paylanan təsadüfi  kəmiyyətinin riyazi

gözləməsi onun bu intervalda ala biləcəyi mümkün qiymətlərin ədədi ortasına bərabərdir.
Dispersiyanı (9) düsturuna əsasən tapırıq:

D(X) = (b−¿a)2 /12

Misal 2. Normal paylanmada M(X) = a, D(X) = Ϭ2 olur.
1 1
, D( X )= 2 .
Misal 3. Üstlü paylanmada M(X) = k k
 10.3. Moda və median

Tərif 1. Kəsilməz X təsadüfi kəmiyyətinin modası - M0 onun elə mümkün qiy-

mətlərini adlandırırlar ki, ona paylanma sıxlığının lokal maksimumu uyğun olsun. Xüsusi
halda, əgər paylanma iki eyni maksimuma malik olarsa , onda onu bimodal adlandırırlar.
Tərif 2. Kəsilməz X təsadüfi kəmiyyətinin medianı - Me(X) onun aşağıdakı
bərabərliklə təyin olunan mümkün qiymətləri adlandırılır:
P[X˂Me(X)] = P[X˃Me(X)]
Həndəsi olaraq medianı paylanma əyrisi ilə hüdudlanmış sahəni f(x) ordinatı ilə yarıya
bölən nöqtə kimi şərh etmək olar. Onda bu nöqtə eyni zamanda həm riyazi gözləmə, həm də
paylanmanın medianı olar. Paylanma simmetrik
olmadıqda onlar üst-üstə düşmürlər f(х)
Misal 3. X təsadüfi kəmiyyətinin normal pay-
lanması

 x  a 2
f x   1 e 2b 2
, b  0,    a  
b 2

sıxlığı ilə verilir. X - in moda və medianını tapın.

Həlli. Moda M0(X) X - in elə mümkün qiymətidir О Me х
ki,f(x) maksimum qiymət alsın. x = a olduqda fʹ(a) =0 ,
x˂a olduqda fʹ(x)˃0, x˃a olduqda isə fʹ(x)˂0 olur.
Deməli, x = a nöqtəsi maksimum nöqtəsidir. Onda Şəkil 1
M0(X) = a olur.
Normal paylanma (f(x) - in qrafiki) x = a düz xəttinə nəzərən simmetrik olduğundan,
onda f(a) ordinatı normal əyri ilə hüdudlanmış sahəni yarıya bölür.Deməli, Me(X) = a.
Beləliklə, normal paylanmada M0(X) = Me(X) = M(X) = a.
Qeyd 2. Medianın riyazi gözləmədən əsas üstün cəhəti odur ki, kəsilməz təsadüfi
kəmiyyətlərin riyazi gözləməsi olmaya da bilər, lakin onların medianları isə həmişə vardır.

10.4. Kəsilməz təsadüfi kəmiyyətin başlanğıc və mərkəzi momenti

I. Kəsilməz X təsadüfi kəmiyyətinin k-cı tərtib başlanğıc momenti

∞
ν k =M ( x ) =∫ x f ( x ) dx
k k
(6)
−∞
olur (əgər inteqral mütləq yığılırsa). Bu zaman aşağıdakı şərt ödənir.
∞

∫ f ( x ) dx=1
−∞

II. Kəsilməz X təsadüfi kəmiyyətinin k-cı tərtib mərkəzi momenti

 ∞

µk = ∫ ( x−m) k f ( x ) dx
−∞

olur (əgər inteqral mütləq yığılırsa). Məsələn,

k = 0 olduqda:
∞ ∞

ⱱ0 = ∫ x f ( x ) dx=∫ f ( x ) dx =1,
0

−∞ −∞

∞ ∞

µ0 = ∫ ( x−m) 0
f ( x ) dx= ∫ f ( x ) dx=1 .
−∞ −∞

k =1 olduqda :
∞

ⱱ1 = ∫ xf ( x ) dx=M (x),
−∞

∞ ∞ ∞

µ1= ∫ ( x− M ( x ) ) f ( x ) dx=∫ xf ( x ) dx−M ( x ) ∫ f ( x ) dx=M ( X )−M ( X )=0.

−∞ −∞ −∞

k =2 olduqda:
∞

ⱱ2 = ∫ x 2 f ( x ) dx =M (x2 ),
−∞

µ2 = ∫ ( x−m)2 f ( x ) dx=D ( x ) .
−∞

10.5. Asimmetriya və eksses

Normal paylanmadan fərqli paylanmaları öyrənərkən bu fərqliliyi kəmiyyətcə

qiymətləndirmək zərurəti yaranır.Bu məqsədlə xüsusi xarakteristika – asimmetriya və eksses
daxil edilir.Normal paylanma üçün bu xarakteristikalar sıfra bərabərdir.Ona görə də əgər
öyrənilən paylanma üçün asimmetriya və eksses kiçik qiymətlər alarsa onda baxılan
paylanmanın normal paylanmaya yaxınlığını fərz etmək olar. Əksinə, bu xarakteristikaların
böyük qiymətləri normal paylanmadan kifayət qədər meylliliyi göstərir.
  
 1  33  33  33 ,  2  D
 D2  2
 2
. (7)

kəmiyyətinə təsadüfi kəmiyyətinin asimmetriyası deyilir.
Əgər paylanma əyrisinin uzun hissəsi riyazi gözləmədən sağda yerləşərsə asimmetriya
əmsalı müsbət, əks halda isə mənfi olur (şəkil 1):
. f (x)

a)

Υ 1 >0
¿

f (x)

b) Υ 1 <0
¿

M 0(x) x

Şəkil 1

m
Təsadüfi kəmiyyətin dispersiyası verildikdə simmetrik paylanmanın  nöqtəsində
maksimum qiymət almasının, yəni paylanma əyrisinin bu nöqtədə «şiş uclu» və ya «yastı»
olması vəziyyətini təyin edəcək ölçüsüz kəmiyyət olaraq

4
2  3
 22 (8)

təyin olunur. Bu kəmiyyətə təsadüfi kəmiyyətinin paylanmasının ekssesi deyilir.
Qeyd3 . Təbiətdə və ya təcrübədə öyrənilən bir çox təsadüfi proseslərin paylanması
normal paylanmaya çox yaxındır. İstənilən təsadüfi kəmiyyətin paylanma əyrisini normal
paylanma əyrisi (Qauss əyrisi) ilə müqayisə edirlər. Ona görə də asimmetriya və eksses
anlayışlarının köməyilə hər hansı təsadüfi kəmiyyətin paylanmasının normal paylanmadan
yayınmasını xarakterizə edirlər.
Qeyd 4. Normal paylanmada asimmetriya  1  0 və eksses  2  0 olur. Ona ğörə də
əgər hər hansı paylanmada eksses sıfırdan fərqlidirsə onda bu paylanmanın əyrisi normal
əyridən fərqlənir. Əgər eksses müsbətdirsə, onda əyri normala nəzərən daha iti və hündür
təpəyə malik olur.Əgər eksses mənfidirsə, onda müqayisə olunan əyri normala nəzərən daha
aşağı və yastı təpəyə malik olur (şək.2):
 f (x)

Υ 2> 0 ¿
¿

a)

f (x)

Υ 2 <0
¿

b)

Şəkil 2.

Mühazirə 11
Riyazi statistikanın predmeti, əsas məsələləri və anlayışları.

Təsadüfi seçmə üsulları

1. Riyazi statistikanın predmeti və əsas məsələləri. Hər bir elmin son nəticədə əsas
məsələsi real proseslərin tabe olduqları qanunauyğunluqların tədqiq və aşkar edilməsindən
ibarətdir. Hər bir belə qanunauyğunluğu aşkar etmək üçün kifayət qədər sınaqlar
(müşahidələr, ölçmələr, təcrübələrin qoyulması və s.) aparılır və araşdırılan prosesin hər
hansı xarakteristikası müşahidə olunur və ya ölçülür.
 Sınaqların nəticələri eksperimental verilənlər adlanır. Təsadüfi kəmiyyət üzərində
aparılmış müşahidələrin nəticələri isə statistik verilənlər adlanır. Alınmış nəticələr sistem-
ləşdirilir, müəyyən əlamətlərə görə qruplaşdırılır, analiz edilir və nəticədə öyrənilən
hadisələr üçün səciyyəvi olan qanunauyğunluqlar aşkar edilir.

Sınaqların nəticələri və həm də başqa yolla əldə olunmuş statistik verilənlərin analizi
metodları riyazi statistikanın predmetini təşkil edir.

Riyazi statistika təsadüfi proseslərin qanunauyğunluqlarını öyrənən ehtimal

nəzəriyyəsinə əsaslanır. Riyazi statistikanın metodları statistik və eksperimental verilənlərin
təsadüfi kəmiyyətin realizasiyası, müşahidə və yaxud təsadüfi sınaqların aparılması
nəticəsində əldə edildiyini fərz edir. Bu isə riyazi statistikanın ehtimal nəzəriyyəsi ilə
əlaqəsini şərtləndirir.

Beləliklə, riyazi statistikanın əsas məsələsi kütləvi hadisələr və proseslər üzərində

aparılmış müşahidə və sınaqların nəticələrinə əsasən onların qanuna-uyğunluqlarını
öyrənməkdən, yəni statistik qərarlar qəbul etməkdən ibarətdir. Statistik qərarlar ayrı-ayrı
sınaqlara aid olmayıb, hadisənin ümumi xarakteristikaları haqqında təkliflərdir.
Ümumiyyətlə, statistikanın məzmununu üç bölməyə ayırmaq olar:

1. Statistik müşahidə və yaxud sınaq nəticəsində alınmış verilənlərin top-lanması,

sistemləşdirilməsi və qruplaşdırılması üsullarını müəyyən etmək;
2. Toplanılmış məlumatların statistik tədqiqi. Yəni müşahidənin nəticələri əsasında
aşkar edilmiş qanunauyğunluqların aydınlaşdırılması;
3. Tədqiqatın məqsədindən asılı olaraq statistik məlumatların riyazi metodlarla
toplanması, sistemləşdirilməsi, üzərində yenidən işlənməsi, interpretasiyası və analiz
edilməsi, bunlardan həm elmi, həm də praktiki nəticələr çıxarılması üçün metodların işlənib
hazırlanması, əldə olunan məlumatlar əsasında çıxarılan nəticələrin dəqiqliyi və etibarlığının
qiymətləndirilməsi.
Məhz 3 - cü bölmə riyazi statistikanın məzmununu təşkil edir. Buraya aşağıdakılar
aiddir:

 hadisənin naməlum baş vermə ehtimalının qiymətləndirilməsi; növü məlum olan

paylanmanın naməlum parametrlərinin qiymətləndirilməsi; təsadüfi kəmiyyətin bir və ya bir
necə təsadüfi kəmiyyətdən asılılığının qiymətləndirilməsi.
 paylanma funksiyasının növü haqqında və növü məlum olan paylanma
funksiyasının parametrləri haqqında hipotezlərin yoxlanılması.
Riyazi statistika tədqiqatın başlanğıcına qədər (sınaqların planlaşdırılması) və
tədqiqat zamanı (ardıcıl analiz) sınaqların zəruri sayının müəyyən edilməsi üçün metodlar
işləyib hazırlamışdır.

Müasir riyazi statistika qeyri - müəyyənlik şəraitində qərarların qəbul edilməsində

mühüm rol oynayan bir elm sahəsidir.

2. Statistik modellər. Riyazi statistika ehtimal nəzəriyyəsi ilə sıxı şəkildə əlaqədə olan
tətbiqi riyazi elmdir. O, ehtimal nəzəriyyəsinin anlayışları və metod-larına əsaslanaraq öz
spesifik məsələlərini həll edir. İstənilən riyazi nəzəriyyə onun öyrəndiyi real prosesləri əks
etdirən müəyyən modellər çərçivəsində qurulur. Riyazi model gerçəkliyi riyazi ifadələrin
köməyilə riyazi dildə təsvir edir. Riyazi statistikanın məsələlərinin spesifikliyini anlamaq və
statistik modellərlə tanış olmaq üçün ehtimal nəzəriyyəsinin bəzi məsələlərini xatırlayaq.

Təsadüfi hadisələrin riyazi modelləri ehtimal nəzəriyyəsində öyrənilir. Bu modellər

( Ω, F , P ) – ehtimal fəzasına əsaslanır. Burada hər bir A ∈ F hadisəsinin p ehtimalının
məlum olduğu fərz edilir. Ehtimal nəzəriyyəsinin əsas məsələsi verilmiş modelə görə
müxtəlif mürəkkəb hadisələrin ehtimallarının tapılması üsullarını işləyib hazırlamaqdan
ibarətdir.

Təcrübədə isə konkret sınaqla bağlı olan hadisənin p ehtimalı çox nadir hallarda
məlum olur. Məhz bu anlamda riyazi statistikada bir növ ehtimal nəzəriyyəsinin tərs
məsələlərinə baxılır. Məsələn, ehtimal nəzəriyyəsinin ilk məsələlərindən birində – metal
pulun n dəfə atılmasından ibarət olan sınaqda metal pulun “gerb” üzünün m dəfə düşməsi
hadisəsinin ehtimalını tapmaq tələb olunur. Riyazi statistikada isə “gerb” üzünün m dəfə
düşməsi məlum olduqda, naməlum p ehtimalını qiymətləndirmək tələb olunur.

Beləliklə, ehtimal modelində bu və ya digər qeyri-müəyyənlik olduqda statistik

model tətbiq edilir. Riyazi statistikanın əsas məsələsi sınağın nəticələri əsasında əldə edilmiş
məlumatlara əsasən qeyri-müəyyənliyi aradan qaldırmaqdan və ya onu kifayət qədər
azaltmaqdan ibarətdir.

Riyazi statistika - statistik qərarlar haqqında elmdir. O, statistik modellərin

strukturunu sınaqların nəticələrinə əsasən aşkar edir, dəqiqləşdirir və yuxarıda deyildiyi kimi
müəyyən mənada ehtimal nəzəriyyəsinin tərs məsələlərini həll edir.

Riyazi statistikanın yaranması və inkişafı praktiki məsələlərin həllinə tələ-batdan irəli

gəlmişdir. Onun metodları elm və texnikanın müxtəlif sahələrində müvəffəqqiyyətlə tətbiq
edilir. Bu metodlar iqtisadi, bioloji, kənd təsərrüfatı, tibbi, sosioloji tədqiqatlarda, müxtəlif
elm sahələrində, o cümlədən, fizika, geologiya, psixologiya və hərbi işdə geniş surətdə
istifadə edilir.

3. Riyazi statistikanın əsas anlayışları. Ümumi və seçmə çoxluq

İstənilən fəaliyyət sahəsində sınaqların nəticələri verilənlər çoxluğu şəklində təsvir

edilir. Kəmiyyət və keyfiyyət əlamətləri ilə səciyyələnən, müəyyən mənada bircins olan ha-
disələr (obyektlər) toplusu ümumi çoxluq (baş yığım) adlanır. İstənilən ümumi çoxluq özü-
nəməxsus təbiətə və konkret məzmuna (keyfiyyətə) malikdir. Məsələn, hər hansı rayonda
ailə-kəndli təsərrüfatları çoxluğu, hər hansı sahənin müəssisələr çoxluğu, yaşayış məntəqə-
sinin sakinləri çoxluğu və s. haqqında danışmaq olar.

Ümumi çoxluq əlamətlərinin ümumiliyinə görə birləşdirilmiş ayrı-ayrı elementlərdən

(vahidlərdən) ibarətdir. Onun bütün elementlərini baxılan əlamətin artma və ya azalma isti-
qamətinə görə bir sıraya düzməklə nizamlamaq olar. Bu zaman alınan ardıcıllığa paylan-
manın variasiya sırası deyilir.

Ümumi çoxluğu təşkil edən elementlərin sayına onun həcmi deyilir. Çoxluğun ele-
mentlərinin sayı sonlu olduqda ona sonlu çoxluq, əks halda isə sonsuz çoxluq deyilir.

Statistikada sonsuz çoxluqlarda qanunauyğunluqların öyrənilməsinə tez-tez təsadüf

edilir. Sonsuz çoxluqların bütün elementləri haqqında məlumat əldə etmək mümkün deyildir.
Hətta sonlu çoxluqlara baxılarkən təcrübədə əksər hallarda tədqiqatçı onun bütün elementləri
haqqında məlumata malik olmur. Bu cür hallarda ümumi çoxluqdan məhdud sayda
elementlər götürülür və onlar tədqiq edilir.

Ümumi çoxluq və ondan seçmə anlayışlarını bir - birindən fərqləndirirlər. Ümumi

çoxluqdan müəyyən üsulla götürülmüş elementlər çoxluğuna seçmə çoxluq deyilir. Seçmə
çoxluğa sadəcə olaraq ümumi çoxluqdan seçmə də deyilir. Ümumi çoxluq seçmənin aparıl-
dığı çoxluq kimi də anlaşıla bilər.

Ümumi çoxluq müəyyən əlamətə görə bircins qruplara ayrıla bilər. Ümumi çoxluğu
bircins qruplara ayıran əlamətə qruplaşdırma əlaməti deyilir.

Bircins qruplara statistik çoxluqlar deyilir. Statistik çoxluq statistik metodlarla

tədqiq edilən, bir və ya bir neçə eyni əlamətə malik, lakin digər əlamətlərə görə bir-birindən
fərqlənən elementlər çoxluğudur. Məsələn, əmək məhsuldarlığının statistik öyrənilməsində
müəssisənin fəhlələri çoxluğuna statistik çoxluq kimi baxmaq olar. Bu zaman çoxluğun
elementi və ya vahidi fəhlədir, fəhlələrin ümumi sayı isə onun həcmidir. Statistik çoxluğa
başqa bir misal olaraq rayonun 20 təsərrüfatının dənli bitkilərin məhsuldarlığına görə
paylanmasını göstərmək olar (cədvəl 11.1.).

Təsərrüfatların dənli bitkilərin məhsuldarlığına görə paylanması Cədvəl 11.1

Dənli bitkilərin məhsuldarlığı, s/ha Təsərrüfatların sayı

16-ya qədər 2

16-18 5

18-20 4

20-22 6

22-dən yuxarı 3

Əlamətlər keyfiyyət və kəmiyyət əlamətlərinə bölünür. Ayrı - ayrı qiymətləri mühüm

xüsusiyyətlərinə, xassələrinə görə bir-birindən fərqlənən əlamətlər keyfiyyət əlamətləri adla-
nır. Keyfiyyət əlamətinə misal olaraq tələbələrin cinsini – oğlan, qız; təhsil pillələri – baka-
lavr, magistr, doktorantura; məhsulun keyfiyyətini – keyfiyyətsiz, keyfiyyətli və s. göstər-
mək olar. Keyfiyyət əlamətlərinə atributiv əlamətlər də deyilir. Atributiv əlamət bir-birinin
əksi olan iki mümkün qiymətdən ancaq birini ala bilirsə, ona alternativ əlamət deyilir
(savadlı və savadsız; kişi və qadın; sınaqda hadisənin baş verməsi və baş verməməsi və s. ).

Ayrı -ayrı qiymətləri kəmiyyətcə bir-birindən fərqlənən əlamətlərə kəmiyyət əla-

mətləri deyilir. İşçilərin əmək haqqı, yaşı, məhsul istehsalının həcmi, əsas fondların dəyəri,
məhsul vahidinin maya dəyəri və s. kəmiyyət əlamətləridir.

Kəmiyyət əlamətləri dəyişmə xarakterinə uyğun olaraq kəsilməz və diskret ola bilər.
Kəmiyyət əlaməti müəyyən intervalda bütün qiymətləri alırsa, ona kəsilməz əlamət, əks
halda isə diskret əlamət deyilir.

Statistik çoxluq eyni zamanda bir və ya bir neçə əlamətə görə bircins qruplara ayrıla
bilər. Bununla əlaqədar olaraq bir, iki və çoxölçülü statistik çoxluqları fərqləndirirlər.
İkiölçülü statistik çoxluğa misal olaraq cədvəl 11.2- də verilmiş paylanmanı göstərmək olar.

Təsərrüfatların dənli bitkilərin məhsuldarlığı və məhsul vahidinin maya

dəyəri səviyyəsinə görə paylanması Cədvəl 11.2

Kartofun məhsuldarlığı, Bir sentnerin maya dəyəri, man

s/ha 23 23-24 24-25 25-26 26 Yekun

16 - - 2 4 7 13

16-18 - - 1 3 2 6

18-20 - - 6 2 1 9

20-22 - 1 3 1 1 6

22-24 2 3 - 4 5 14
 24 3 1 2 - 6 12

Yekun 5 5 14 14 22 60

Təcrübədə təsadüf olunan statistik verilənlər çoxluğu içərisində elə siniflər vardır ki,
onların işlənilməsində xüsusi terminologiyadan istifadə olunur. Deyilənləri izah etmək
üçün belə bir sınağa baxaq:

Tutaq ki, hər hansı sonlu Ω çoxluğu verilmişdir. Çoxluqdan təsadüfi olaraq bir
element götürülür, onun müəyyən X xarakteristikası qeyd edilir, o, yenidən çoxluğa qayta-
rılır və proses bu qayda ilə davam etdirilir. Seçmə prosesində hər bir elementin seçilmə
ehtimalının eyni olduğu fərz edilir. Bu halda verilmiş Ω çoxluğu ümumi çoxluq və ondan
təsadüfi şəkildə götürülən kiçik həcmli elementlər çoxluğu isə ümumi çoxluqdan seçmə
çoxluq və yaxud sadəcə olaraq n həcmli təsadüfi seçmə, təsvir edilən proses isə təsadüfi
seçmə adlanır.

Əksər hallarda tədqiqatçını ümumi çoxluğun elementlərinin özləri deyil, onların mü-
əyyən xarakteristikaları və ümumi çoxluqda paylanması maraqlandırır. Belə hallarda ümumi

çoxluğa elementlər toplusu kimi deyil, paylanma funksiyası F ( x ) olan hər hansı X təsa-
düfi kəmiyyətinin qiymətlər çoxluğu kimi baxılır. X təsadüfi kəmiyyətinin müşahidə

olunmuş
x 1 , x2 ,..., x n qiymətlərinə isə paylanma funksiyası F ( x ) olan ümumi çoxluqdan
təsadüfi seçmə deyilir. Başqa sözlə desək, təsadüfi seçmə təsadüfi kəmiyyət üzərində ardıcıl
aparılmış n asılı olmayan müşahidənin nəticələri kimi qəbul olunur.

Təsadüfi kəmiyyətin müşahidə olunan qiymətlərinə paylanma funksiyası F ( x ) olan

ümumi çoxluqdan təsadüfi seçim kimi baxıldığına görə onlar ümumi çoxluqla eyni qanunla

paylanırlar. Təsadüfi kəmiyyətin müşahidə olunmuş

x 1 , x2 ,..., x n qiymətlərinə paylanma

funksiyası F ( x ) olan ümumi çoxluqdan seçmə verilənlər çoxluğu da deyilir.

4. Tezlik anlayışı. Paylanma və variasiya sırası.

 x , x ,..., x n seçmə götürülmüşdür.
Tutaq ki, X ümumi çoxluğundan n həcmli təsadüfi 1 2

( 1) ( 2) (n )
Tərif 11.1. Əgər x ≤x ≤. ..≤ x olarsa, onda seçmənin elementlərinin

x(1) , x (2 ) , ...., x(n) ardıcıllığı şəklində yazılışına variasiya sırası, R=x( n ) −x (1 ) fərqinə isə
seçmənin boyu deyilir.

Tutaq ki,
x 1 , x2 ,..., x n seçmənin elementləri içərisində k ( k <n ) sayda müxtəlif
z 1 , z2 ,..., z k elementləri vardır. ni ilə z i elementinin təkrarlanma sayını işarə edək. Elementin
təkrarlanma sayına onun tezliyi (çəkisi) deyilir. Aydındır ki, tezliklərin cəmi seçmənin
k
n= ∑ n i
həcminə bərabərdir, yəni i= 1 .

Tərif 11.2. (
z i , ni ) , i=1 ,2 , .. . , k
cütləri ardıcıllığına seçmənin statistik sırası və ya
paylanma sırası deyilir.

Adətən, statistik sıra iki sətirdən ibarət olan bir cədvəl şəklində verilir. Belə ki,

cədvəlin birinci sətrində

z i elementləri, ikinci sətrində isə uyğun ni tezlikləri yazılır:

zi z 1 z 2 ... z k
ni n1 n2 ... n k

ni
w i=
Riyazi statistikada tezlik anlayışı ilə yanaşı nisbi tezlik – n , anlayışından da
n
∑ w i=1
istifadə edilir. Aydındır ki, nisbi tezliklərin cəmi birə bərabərdir, yəni i= 1 .

5. Təsadüfi seçmə üsulları.

Öyrənilən hadisələrin mahiyyətindən, ümumi çoxluğun həcmindən, müşahidə edilən

əlamətlərin variasiyasından və paylanmasından asılı olaraq müxtəlif seçmə üsullarından
istifadə edilir. Statistik tədqiqatlar təcrübəsində ən geniş yayılmış seçmə üsulları aşağı-
dakılardır:
 1) təsadüfi; 2) mexaniki; 3) tipik; 4) seriyalı; 5) kombinə edilmiş.

Təsadüfi seçmə ümumi Ω çoxluğundan vahidlərin təsadüfi olaraq seçilməsini

nəzərdə tutur. Təsadüfi seçmə prosesində hər şeydən əvvəl ümumi çoxluğun vahidlərinin
seçməyə düşməsi imkanlarının eyni olduğuna əmin olmaq lazımdır. Həmçinin ümumi
çoxluğun sərhədlərini elə dəqiqləşdirmək lazımdır ki, ayrı-ayrı vahidlərin ona daxil edilməsi
və ya edilməməsi şübhə doğurmasın. Məsələn, tələbələrin tədqiq edilməsi zamanı akademik
məzuniyyətdə olan şəxslərin, qeyri-dövlət ali məktəb tələbələrinin nəzərə alınıb-alın-
mamasını göstərmək lazımdır.

Təsadüfi seçmə texniki olaraq püşkatma metodu və ya təsadüfi ədədlər cədvəli

əsasında həyata keçirilir.

Püşkatma üçün ümumi çoxluğun həcminə uyğun gələn sayda püşklər şarlar və ya
kartoçkalar hazırlanmalıdır. Hər bir püşk ümumi çoxluğun ayrıca vahidi haqqında informa-
siyaya (şəxsin sıra sayı, soyadı və ya ünvanı; hər hansı fərqləndirici əlamət) malik olmalıdır.
Seçmənin müəyyən edilmiş faizinə müvafiq olaraq ümumi çoxluqdan zəruri sayda püşk
təsadüfi qaydada götürülür.

Təsadüfi ədədlər cədvəlinə görə ümumi çoxluğun hər bir vahidi sıra nömrəsinə malik
olmalıdır. Təsadüfi ədədlər cədvəli xüsusi proqramın köməyi ilə EHM-dan alınır və ixtiyari
ədədlər sütunu kimi ifadə olunur. Seçməyə sıra nömrəsi seçilmiş sütundakı ədədlərə uyğun
gələn vahidlər daxil edilir.

Təsadüfi seçmə prosesində qaytarmamaq və qaytarmaq şərtilə aparılan seçmə

sxemlərini fərqləndirirlər. Qaytarmamaq (təkrarı olmayan) şərti ilə təsadüfi seçmədə –
ümumi Ω çoxluğundan ixtiyari qaydada obyektlərin bir-bir ardıcıl surətdə götürülməsilə
aparılır və seçilmiş obyektlər sonrakı seçmədə iştirak etmir, seçilməmiş bütün obyektlərin
seçilməsi ehtimalları eyni hesab olunur.Ω n elementli çoxluqdursa, onda qaytarmamaq

şərtilə m həcmli seçmələrin sayı:n ( n−1 ) . . . ( n−m+1 ) , 1≤m≤n olar.

Qaytarmaq şərti ilə təsadüfi seçmə ( təkrarı olan seçmə) – Ω -dan ixtiyari qaydada
seçilən obyekt hər dəfə məhz bu çoxluqdan götürülür, belə ki, eyni bir obyekt təkrar götürülə
 m
bilər. Ω n elementli çoxluq olarsa, qaytarmaq şərtilə m həcmli seçmələrin sayı n
olacaqdır. Əgər seçmədə hər bir obyektin hər hansı bir qaydadan asılı olmadan eyni p
ehtimalı ilə seçilməsi qərarı qəbul edilirsə, onda alınan statistik seçmə binomial seçmə
adlanır.

Tipik seçmə o halda tətbiq olunur ki, ümumi çoxluğun bütün vahidlərini bir neçə
tipik qruplara bölmək mümkün olur. Məsələn, əhalinin tədqiq olunması zamanı belə qruplar
rayonlar, sosial, yaş və ya təhsil qrupları ola bilər. Tipik seçmə hər bir tipik qrupdan
vahidlərin təsadüfi və ya mexaniki üsulla seçilməsini nəzərdə tutur.

Ümumi çoxluq hər hansı qaydada nizamlanmış olduqda, yəni vahidlər müəyyən
ardıcıllıqla düzüldükdə (işçilərin tabel nömrəsi, seçicilərin siyahısı, respondentlərin telefon
nömrələri, evlərin telefon nömrələri, binaların və mənzillərin nömrələri və s.) mexaniki
seçmə tətbiq edilir.

Mexaniki seçmə aparmaq üçün seçimin həcminin ümumi çoxluğun həcminə nisbəti
ilə müəyyən olunan seçim proporsiyası müəyyənləşdirilir. Məsələn, əgər 100000 vahiddən
ibarət olan çoxluqdan 2% - li seçim götürmək nəzərdə tutulursa, yəni 2000 vahid götürül-
1 1
( )
məlidirsə, onda seçim proporsiyası 50 100000:2000 olar. Vahidlərin seçilməsi müəyyən
olunmuş proporsiyaya müvafiq olaraq bərabər fasilələr (intervallar) üzrə həyata keçirilir.
Məsələn, 1:50 proporsiyasında (2 % - li seçim) hər bir 50 - ci vahid, 1:25 proporsiyasında isə
(4 % - li seçim) – hər bir 25 - ci vahid götürülür.

Ümumi çoxluğun vahidləri böyük olmayan qruplarda və ya seriyalarda birləşmiş

olduqda seriyalı seçmə üsulunun tətbiqi əlverişli olur. Belə seriyalar kimi əmtəə partiyası,
tələbə qrupları, briqadalar və başqa birləşmələr götürülə bilər. Seriyalı seçimin mahiyyəti
təsadüfi və ya mexaniki üsulla seriyaların seçilməsindən və onlar daxilində vahidlərin
ucdantutma tədqiqinin həyata keçirilməsindən ibarətdir.

Statistik tədqiqat təcrübəsində yuxarıda qeyd olunan üsullardan başqa onların kombi-
nasiyası da tətbiq edilir. Məsələn, seriyalar müəyyən olunmuş qaydada bir neçə tipik qrup-
dan götürülürsə, onda tipik və seriyalı seçimləri birləşdirmək olar. Ayrı-ayrı vahidlər seriya-
lar daxilindən təsadüfi qaydada götürüldükdə isə təsadüfi və seriyalı seçimlərin kombina-
siyası mümkündür. Belə seçimin xətası seçimin pilləliyi ilə müəyyən olunur.

Ümumi çoxluqdan əvvəlcə iri həcmli, sonra bir qədər kiçik həcmli qruplar
götürülməklə və bu qaydada davam etməklə tədqiq edilən vahidlər seçilirsə, bu cür seçmə
çoxpilləli adlanır. Çoxpilləli seçimdən fərqli olaraq çoxfazalı seçmə onun aparılmasının
bütün mərhələlərində eyni vahidlərin saxlanmasını nəzərdə tutur.

Mühazirə 12

Empirik paylanma funksiyası və onun xassələri

Tutaq ki,
X i , i=1,2, .. ,n paylanma funksiyası F ( x ) olan X təsadüfi kəmiyyətinin

x , x ,..., x n bu
ala biləcəyi qiymətlər çoxluğu olan ümumi çoxluqdan n həcmli seçmə, 1 2
(1) (2 ) (n)
təsadüfi kəmiyyətlərin müşahidələr nəticəsində aldığı qiymətlər, x , x , ...., x isə uyğun

variasiya sırasıdir. F ( x ) paylanma funksiyasının seçmə üzrə qiymətləndirməsini quraq.

1
x , x ,..., x n qiymətlərinə uyğun olaraq
Tərif 1. 1 2 n ehtimalını qarşı qoyan diskret

paylanmaya
X i , i=1,2, .. ,n təsadüfi kəmiyyətlərinə uyğun empirik paylanma deyilir.

Müşahidənin nəticələri arasında təkrarlananları ola bilər. Məsələn, hər hansı

x i qiy-

məti k dəfə təkrar olunarsa, onda təkrarlanan qiymətdən qonşu qiymətə keçdikdə empirik
k
(k) ( k +1 )
paylanma funksiyasının artımı n olar. Aydındır ki, x < x≤x şərtini ödəyən ixtiyari x
üçün X < x bərabərsizliyini ödəyən sınaqların sayı k – ya bərabər olacaqdır. Beləliklə, em-
pirik paylanma funksiyası

k
F n ( x )=
n (12.1)
bərabərliyi ilə təyin olunur. F n ( x ) funksiyası kumulyativ tezliklər vasitəsilə aşağıdakı kimi
təyin olunur:

1
F n ( x )= ∑n
n zi ≺x i
(12.2)

burada cəmləmə əməli seçimin

z i < x şərtini ödəyən elementlərinin tezlikləri üzrə

aparılır. Qeyd etdiyimiz kimi, i - ci sınaqda X təsadüfi kəmiyyəti müşahidə oluna bilən

təsadüfi kəmiyyətdir və
X i ,i=1,2,...,n kəmiyyətlərinin paylanma qanunları X təsadüfi

kəmiyyətinin paylanma qanunu ilə eynidir, yəni i -nin ixtiyari qiymətində

P ( X < x )=P ( X i < x )=F ( x )

k
F ( x )=P ( X < x )≈ =F n ( x )
n (12.3)

(12.3) münasibətilə təyin olunan F n ( x ) funksiyasını F ( x ) nəzəri paylanma funksi-

yası üçün statistik qiymət kimi götürmək təbiidir, burada k kəmiyyəti n sayda aparılan
(k)
müşahidədə x < x şərti ödənilən k – ların sayıdır.

x , x ,..., x n təsadüfi
Tərif 2. (12.3) münasibətilə təyin olunan F n ( x ) funksiyasına 1 2
seçiminin empirik paylanma funksiyası deyilir. Beləliklə,

( 1)
n {
k (k) (k+1)
Fn ( x )=¿ {0 , x≤x , ¿ , x ≤x<x , ¿ ¿¿¿
(12.4)

münasibətilə təyin olunan F n ( x ) empirik paylanma funksiyası həmişə pilləvari funksiyadır,

x( 1)≤x( 2)≤. ..≤ x (n ) nöqtələri funksiyanın kəsilmə nöqtələridir, funksiyanın sıçrayışları
1
x 1 , x2 ,..., x n kəmiyyətlərilə təyin olunur və bu sıçrayışların qiymətləri x ( k ) > x ( k +1 ) olduqda n -
 ( 1) ( 2) (n )
ə bərabər olur, x ≤x ≤. ..≤ x nöqtələri içərisində k sayda bərabər olan nöqtələr olduqda
k
isə funksiyanın sıçrayışı n - ə bərabərdir.

F n ( x ) funksiyası adi paylanma funksiyasının bütün xassələrini ödəyir.

Doğrudan da, F n ( x ) soldan kəsilməz , monoton azalmayan funksiyadır; x≤x

( 1)

(n )
olduqda ixtiyari x üçün X < x bərabərsizliyi ödənilən sınaqların sayı sıfıra, x > x olduqda
(k) ( k +1 )
X < x bərabərsizliyini ödəyən sınaqların sayı n - ə bərabər olur, x < x≤x olduqda isə
k
F n ( x )=
n olduğundan (12.4) empirik paylanma funksiyasının ifadəsidir.

Empirik paylanma funksiyası riyazi statistikada fundamental rol oynayır. O, təsadüfi

seçməni, yəni statistik məlumatları kifayət qədər yaxşı təsvir edir. Sınaqların sayı qeyri -
məhdud olaraq artdıqca empirik paylanma funksiyası ümumi çoxluğun ümumi (nəzəri)
paylanma funksiyasına yaxınlaşır.

Teorem 1. Qlivenko - Kantelli teoremi. İxtiyari qeyd edilmiş −∞< x <∞ üçün
empirik paylanma funksiyası ümumi paylanma funksiyasına ehtimala görə yığılır. Yəni
ixtiyari ε > 0 və ixtiyari −∞< x <∞ üçün

P {|F n ( x )−F ( x )|< ε }→1

(12.5)

Beləliklə, seçmənin həcmi kifayət qədər böyük olduqda hər bir x nöqtəsində empirik
paylanma funksiyasının qiyməti həmin nöqtədə ümumi paylanma funksiyasının təqribi

qiyməti olaraq götürülə bilər, yəni F ( x )≈F n ( x ) . Bu mənada empirik paylanma funksiyası
nəzəri paylanma funksiyasının statistik analoqu olaraq qəbul edilir.

Empirik paylanma funksiyası üçün aşağıdakı limit teoremi doğrudur.

Teorem 2 (Kolmoqorov teoremi). Əgər ümumi çoxluğun F(x) paylanma funksiyası

kəsilməz olarsa, onda empirik paylanma funksiyası F(x) - ə vahid ehtimalla x - ə görə
müntəzəm yığılır:
 p( √ n Dn <t )→K (t ), n→∞ ,

Burada t > 0 ixtiyari qeyd edilmiş ədəddir və

∞
K (t )= ∑ (−1)n e−2 n t .
2 2

Dn =sup|F n ( x)−F ( x)|, −∞< x<∞ , n=1

K(t) funksiyasına Kolmoqorov funksiyası deyilir. Onun qiymətlər cədvəli, Dn –in isə faiz
nöqtələri cədvəli həm kiçik, həm də böyük seçmələr üçün işlənmişdir.

Misal 2. Seçmənin verilmiş paylanma sırasına görə empirik paylanma funksiyasını

tapın və qrafikini qurun.

zi 2 5 7 8
ni 1 3 2 4

Həlli:
z i variantlarını absis oxu üzərində, uyğun ni tezliklərini isə ordinat oxu üzə-
4
n= ∑ n i= 1+ 3+ 2+ 4= 10
rində ayıraq. Seçmənin həcmini tapaq: i= 1 .

Ən kiçik variant 2- yə bərabərdir. Deməli, x≤2 olduqda F n ( x )=0 .

x <5 qiyməti, yəni z 1=2 qiyməti 1 dəfə müşahidə olunmuşdur. Deməli, 2 ¿ x≤5
1
=0 , 1
olduqda F n ( x ) = 10 .

x <7 qiyməti, yəni z 1=2 və z 2 =5 qiymətləri 1 + 3 = 4 dəfə müşahidə olunmuşdur.

Deməli, 5< x≤7 olduqda

4
F n ( x ) = 10 =0 , 4

x <8 qiyməti, yəni z 1=2 , z 2 =5 və z 3 =7 qiymətləri 1 + 3 + 2 = 6 dəfə müşahidə

6
=0 , 6
olunmuşdur. Onda 7< x ≤8 olduqda F n ( x ) = 10 .
x=8 ən böyük qiumətdir. Onda x >8 olduqda F n ( x )=1 olur.

Beləliklə, aşağıdakı empirik paylanma funksiyasını alırıq:

F n ( x ) =¿ { 0 , x ≤2 , ¿ { 0 . 1 , 2 < x ≤5 , ¿ { 0 . 4 , 5 < x ≤7 , ¿ { 0 . 6 , 7 < x ≤8 , ¿

Fn ( x )
0,6

0,4

Mühazirə 13
0,1

Sıxlıq funksiyasının
0
qiymətləndirilməsi. Poliqon
x və histoqram
2 5 7

Sıxlıq funksiyasının qiymətləndirməsi olaraq tezliklər poliqonu və histoqramı götürülür

Tərif 1. Təpə nöqtələri uyğun olaraq ( i i ) və ( i

z,n z , wi ) i=1 ,2,...,n
, olan sınıq
xətlərə müvafiq olaraq tezliklər poliqonu və nisbi tezliklər poliqonu deyilir.

Burada ni −tezlik , wi−nisbi tezlikdir . Tərifdən görünür ki, nisbi tezliklərin poliqonu
tezliklərin poliqonunu OY oxu boyunca n dəfə sıxmaqla alınır.

Seçmənin həcmi kifayət qədər böyük olduqda paylanma funksiyasının qiymətlən-

dirməsinin qurulması çətinlik yaradır. Qarşıya çıxan çətinliyi aradan qaldırmaq üçün qrup-
laşdırılmış seçmələrdən istifadə edilir..

Tərif 2. Təpə nöqtələri uyğun olaraq

( ) və (
zi ,
ni
b
zi ,
ni
)
nb ,i=1,2,...,n olan pilləvari

funksiyaya müvafiq olaraq tezliklərin histoqramı və nisbi tezliklərin histoqramı deyilir.

 ni
Tərif 3. i - ci i=1 ,2,...,n qruplaşdırma intervalında sabit b qiymətini alan pilləvari
funksiyaya qruplaşdırılmış seçmənin tezliklərinin histoqramı deyilir.

Histoqram statistik məlumatların əyani təsvir üsullarından biridir. Histoqramın qrafiki

altında qalan pilləvarı fiqurun sahəsi seçmənin həcminə bərabərdir.

Eyni qayda ilə nisbi tezliklərin histoqramı təyin edilir. Bu halda uyğun pilləvarı
fiqurun sahəsi 1- ə bərabərdir.

Qeyd edək ki, seçmənin həcmi artdıqca və qruplaşdırma intervalının uzunluğu

kiçildikcə nisbi tezliklərin histoqramı ümumi sıxlıq funksiyasının statistik analoqu kimi
qəbul olunur.

Misal 1. Həcmi n=100 olan seçmənin paylanma sırası verilmişdir:

Qruplaşdırma intervalları: [1,5) [5,9) [9,13) [13,17) [17 ,21)

Tezliklər:
10 20 50 12 8

Tezliklər histoqramını quraq.

Həlli. Qruplaşdırma intervalının üzunluğu b=4 - dür. Məsələnin şərtinə görə

n1 n2 n3 n4 n5
=2 , 5 ; =5 ; =12 , 5; =3 =8
b b b b və b

ni
b
12,5

3
2,5
2

0 1 5 9 13 17 21 x
 Qeyd edək ki, histoqramın bir sıra çatışmazlıqları vardır. Bu çatışmazlıqlara
qruplaşdırma intervallarının qurulması üsullarının qeyri-müəyyənliyini və qruplaşdırma
zamanı informasiyanın itirilməsini (bu zaman seçimi məlumatlar əvəzinə onların
tezliklərindən istifadə edilir) misal göstərmək olar. Ona görə də histoqramdan statistik
məlumatların ilkin analizində istifadə etmək məqsədəuyğundur.

Misal 2. Seçmənin verilmiş paylanma sırasına görə tezliklər və nisbi tezliklər

poliqonunu qurun

zi 2 5 7 8
ni 1 3 2 4

Həlli:
z i variantlarını absis oxu üzərində, uyğun ni tezliklərini isə ordinat oxu üzə-

A i ( z i , ni )
rində ayıraq. nöqtələrini düz xətt parçaları ilə birləşdirsək, onda axtarılan tezliklərin
4
n= ∑ n i= 1+ 3+ 2+ 4= 10
poliqonunu alarıq. Seçimin həcmini tapaq: i= 1 .

ni
w i=
Nisbi tezlikləri tapırıq: n ,i=1,4. B( z i , wi ) nöqtələrini qurub, onları sınıq xətlə

birləşdirsək, nisbi tezliklər poliqonunu alarıq.

Qeyd edək ki, histoqramın bir sıra çatışmazlıqları vardır. Bu çatışmazlıqlara:

1) Qruplaşdırma intervallarının qurulması üsullarının qeyri - müəyyənliyini,

2) qruplaşdırma zamanı informasiyanın itirilməsini (bu zaman seçimi məlumatlar əvəzinə

onların tezliklərindən istifadə edilir) misal göstərmək olar.

Ona görə də histoqramdan statistik məlumatların ilkin analizində istifadə etmək

məqsədəuyğundur.

Empirik paylanma funksiyası vahid ehtimalla ümumi çoxluğun paylanma funksiyasına

yığılır. Buradan aydın olur ki, qruplaşdırma intervallarının uzunluqları sonsuz olaraq
kiçilərsə və hər bir belə intervalda elementlərin sayı kifayət qədər olarsa, onda paylanmanın
poliqon və histoqramı bu və ya digər formaya malik səlis əyriyə yaxınlaşacaqdır. Empirik
paylanmanın yaxınlaşdığı limit əyrisinə paylanma əyrisi deyilir.

Adətən məhdud həcmli seçmələr üçün statistik material qrqfiki olaraq poliqon və
histoqramla təsvir edilir. Onlar isə ümumi çoxluğun paylanma əyrisinin yaxınlaşması kimi
qəbul edilir. Seçmənin verilənlərinə görə ümumi çoxluğun paylanma əyrisinin tapılması
riyazi statistikanın əsas məsələlərindən biridir.

Praktiki məsələlərin həllində paylanmaların müxtəlif formalarına təsadüf olunur.

Məsələn, birtəpəli və çoxtəpəli (bir modalı və çox modalı) paylanmalar. Çoxtəpəli
paylanmalarda növbələşən maksimum və minimumların mövcudluğu xarakterikdir.
Paylanmanın çoxtəpəliliyi öyrənilən ümumi çoxluğun qeyri bircinsliyini göstərir.

Birtəpəli paylanma əyrilərini aşağıdakı qruplara bölürlər:

1) Simmetrik, 2) orta simmetrik, 3) müntəzəm, 4) kəsilməz, 5) kəskin asimmetrik (J-

surətli), 6) U- surətli (çökük).

Məsələn, normal paylanma simmetrik paylanmadır. Empirik paylanmalar isə adətən

asimmetrik olurlar. Statistika sahəsində bəzən çökük formaya malik və U hərfini
xatırladan paylanmaya da rast gəlinir. Ona U - surətli paylanma deyilir. Belə paylanmada
minimal tezlik səpələnmə mərkəzinə yaxın olur və mərkəzdən paylanmanın uclarına
doğru tezliklər artır.

Mühazirə 14
Təsadüfi seçmənin yerləşmə xarakteristikaları
1. Statistik paylanmaların tədqiqinin əsas məsələləri. Statistik paylanmanın əsas
xüsusiyyətlərinin ədədi xarakteristikalar vasitəsilə ifadə edilməsi, baxılan ümumi çoxluğa
xas olan qanunauyğunluqların daha dərindən və hərtərəfli öyrənilməsinə imkan verir.

Bu xarakteristikalar isə obyektiv bir göstərici olaraq ümumi çoxluğun əsas xüsusiy-
yətlərini və verilmiş paylanma haqqında məlum olan bütün məlumatları özündə əks etdir-
məlidir

Məntiqi cəhətdən bu xarakteristikaların paylanmanın hansı xüsusiyyətlərini əks

etdirməsinin zəruriliyi ilə tanış olaq. Bunun üçün 1-ci şəkildə göstərilən A və B
paylanmalarına baxaq:
 Şəkil 1. Müxtəlif ortalara və dispersiyalara malik paylanmalar

Bu paylanmaların ədədi xarakteristikalar vasitəsilə ifadə edilə bilən mühüm xüsusiy-

yətləri aşağıdakılardır:

1. Şəkildən göründüyü kimi hər iki paylanmada ümumi çoxluğun elementləri əlamə-
tin müəyyən mərkəzi qiyməti, yəni orta səviyyəsi ətrafında topalanırlar. Qeyd edək ki, bu
xüsusiyyət bir qayda olarq bütün statistik paylanmalara aiddir. Ona görə də statistik pay-
lanmaların xüsusiyyərtlərinin tədqiqində birinci mərhələ onların mərkəzi qiymətinin
tapılmasından ibarətdir. Bunun üçün paylanmanın yerləşmə xarakteristikalarından (mərkəzi
meyl xarakteristikaları) istifadə olunur.

2. Paylanmalar mərkəzi qiymətlərlə yanaşı əlamətin qiymətlərinin mərkəzi qiymət

ətrafında səpələnməsinə görə də fərqlənirlər.

Beləliklə, paylanma sıralarının tədqiqində ikinci mərhələ əlamətin səpələnmə xarak-

teristikalarının axtarılmasından ibarətdir.

3. Müxtəlif paylanma əyrilərinin müqayisəsi göstərir ki, onlar simmetriyaya görə də

fərqlənirlər. Belə ki, təpədən başlayaraq, paylanmanın bir tərəfi digərinə nəzərən daha uzun
(meylli enişə) malik olar. Bununla əlaqədar olaraq üçüncü mühüm məsələ paylanmaların
çəplik dərəcəsini ölçməkdən ibarətdir.

4. Müxtəlif paylanma əyrilərinin normal əyri ilə müqayisəsi göstərir ki, bəzi paylan-
ma əyriləri normal əyriyə nəzərən absis oxu boyunca ’’sıxılmış’’, digərləri isə ordinat oxu
boyunca ’’dartılmış’’ olurlar. Ona görə də paylanmaların diklik dərəcəsini qiymətləndirmək
lazım gəlir.

Beləliklə, ümumi şəkildə paylanma sıralarının statistik təsviri məsələsi əlamətin

mərkəzi qiymətinin tapılmasından və variasiyasını qiymətləndirməkdən, paylanma-nın
çəplik və diklik dərəcəsini qiymətləndirən xarakteristikaların tapılmasınadan ibarətdir.
Bunun üçün paylanmanın uyğun kəmiyyət xarakteristikalarından istifadə olunur.

2. Təsadüfi seçmənin ədədi xarakteristikaları. Burada statistik verilənlərin işlənil-

məsində istifadə olunan statistik xarakteristikalar verilir.

Tutaq ki,
x 1 , x2 ,…, x n paylanma funksiyası F ( x ) olan ümumi çoxluqdan n həcmli
X 1 , X 2 ,. . . , X n təsadüfi seçmənin realizasiyasıdır.

1
x , x ,…, x n qiymətlərini uyğun olaraq n ehtimalları ilə alan diskret təsadüfi
Tərif 1. 1 2
X , X ,. . . , X n təsadüfi kəmiyyətlərinə uyğun
kəmiyyətin ədədi xarakteristikalarına seçimin 1 2
ədədi xarakteristikaları deyilir.

Ədədi xarakteristikalar iki qrupa – yerləşmə və səpələnmə xarakteristikalarına

bölünür.

2.1. Yerləşmə xarakteristikaları. Paylanmaların statistik xarakteristikalarından ən

sadəsi yerləşmə xarakteristikalarıdır.
Tərif 2. Seçmənin yerləşmə xarakteristikası elə sabitə deyilir ki, onun bütün element-
ləri bu sabit ətrafında toplanmış olsun.

Seçmə orta, seçmə moda və seçmə median ən çox istifadə edilən yerləşmə
xarakteristikalarıdır.

Tərif 1- dən istifadə edərək təsadüfi seçmənin yerləşmə xarakteristikalarının hesab-

lanmasının uyğun düsturlarını verək.

Ehtimal nəzəriyyəsindən məlumdur ki,

x 1 , x2 ,…, x n qiymətlərini uyğun olaraq
pi =P { X=x i } , i=1 ,2 , .. . , n
ehtimalları ilə alan X diskret təsadüfi kəmiyyətinin riyazi
gözləməsi
n n
EX=∑ x i P ( X =x i )=∑ x i pi
i =1 i=1

1
pi =P { X=x i }=
düsturu ilə hesablanır. İxtiyari i=1,2,...,n üçün n olduğunu nəzərə
n
1
EX = ∑x
n i=1 i olur. Axırıncı düsturun sağ tərəfindəki ifadə seçmə orta adlanır və x̄
alsaq,
ilə işarə olunur:
 n
1
x̄= ∑x
n i=1 i (14.1)

Tutaq ki, təsadüfi seçmənin

x 1 , x2 ,…, x n elementləri içərisində k ( k < n ) sayda müxtəlif

olan
z 1 , z2 ,..., z k elementləri vardır və z i elementinin tezliyi ni ədədinə bərabərdir. z i

elementinin
ni tezliyinə onun çəkisi də deyilir.
ni
pi =P { X=z i }=
Onda n, i=1,2,...,k

və
k
1
x= ∑ z i ni
n i=1 (14.2)

olduğunu alarıq. (14.1) düsturuna seçmə ortanın sadə, (14.2) düsturuna isə çəkili düsturu
deyilir. Təcrübədə seçmə ortanı hesabladıqda seçmənin bütün elementləri müxtəlif və yaxud
eyni tezliklərə malik olduqda sadə, əks halda isə çəkili düsturdan istifadə etmək
məqsədəuyğundur.

Qruplaşdırılmış seçmələrin seçmə ortasını çəkili düstur ilə hesablamaq olar. Bu

zaman
z i əvəzinə i - ci qruplaşdırma intervalının orta nöqtəsi, ni əvəzinə isə seçmənin bu
intervalda yerləşən elementlərinin sayı, yəni intervalın tezliyi götürülür.
Teorem 1. Seçmənin elementlərinin seçmə ortadan yayınmaları cəmi sıfıra bərabərdir.
k
∑ ( z i−x ) ni =0
Yəni i=1

Isbatı. Doğrudan da,

k k k
∑ ( z i−x ) ni =∑ z i⋅n i− x̄⋅∑ n i
i=1 i =1 i =1

k
∑ ni=n
Bu bərabərlikdə i=1 olduğunu nəzərə alsaq,
k
∑ ( z i−x ) ni =0
i=1 olduğunu alarıq.
Orta qiymətlərin hesablanması düsturları.
1) Təsadüfi seçmənin həndəsi ortası
 x̄ hən =√n x1⋅x 2 .. . x n , (14.3)

2) harmonik ortası
n
X har= n
∑ x i−1
i =1 , (14.4)
3) kvadratik ortası

√
n
1
x̄ kv = ∑
n i=1
x 2i
(14.5)
düsturu ilə hesablanır. Aydındır ki, eyni bir seçməyə görə hesablanmış müxtəlif seçmə or-
talar da müxtəlif olacaqdır. Deyilənləri aşağıdakı misalların üzərində izah edək.
Misal 1. Fəhlələrin aylıq əmək haqqı haqqında aşağıdakı məlumatlar verilmişdir.

Cədvəl 2. Fəhlələrin aylıq əmək haqqı

Tabel nömrəsi 15 16 27 30 20 41 25 32 18 49 Cəmi

Aylıq əmək haqqı, manat 54 56 60 71 85 89 90 107 120 125 900

Orta aylıq əmək haqqını tapaq.

Həlli. Orta aylıq əmək haqqını tapdıqda nəzərə almaq lazımdır ki, ümumi əmək haqqı
fondunda
x i -ləri, x̄ ilə əvəz etdikdə ümumi əmək haqqı fondu dəyişmir (əmək haqqı
n n
∑ x i =∑ x̄=n x̄
fondunun təyinedici xassəsi). Deməli, i=1 i=1 , buradan isə
n
1
x̄ hes = ∑x
n i =1 i olduğunu alarıq. Beləliklə, fəhlələrin orta aylıq əmək haqqı

1
x̄= ⋅900 man=90 manat
10

təşkil edir. Bu isə onu göstərir ki, baxılan halda əlamətin orta qiyməti, yəni orta aylıq əmək
haqqı hesabi ortanın düsturu ilə hesablanmalıdır.

Məsələ 2. Bazarda müəyyən miqdarda meyvə satılmışdır:

Satış haqqında məlumat Cədvəl 3
 1 kq-ın qiyməti, man Satışdan daxil olan pul, man

xi wi

0.6 600

0.4 2000

0.2 800

1 kq meyvənin orta satış qiymətini tapaq.

60+ 40+20
=40
Həlli. 1 kq- ın orta qiymətini 3 qəpik kimi götürsək, bu səhv addım
olar. Doğrudan da, cəmi

(600 :0 , 6 )+(2000 :0 , 4 )+(800 : 0 ,2 )=10000 kq

meyvə satılmışdır. Onda orta satış qiyməti ilə satışdan daxil olan pul 0 . 4⋅10000=4000 ma-
nat təşkil edər. Ancaq satışdan faktiki daxil olan pul 3400 manat təşkil edir.

Baxılan məsələdə əlamətə (1 kq-ın orta satış qiymətinə) nisbətən çoxluğun təyinedici
3 3
∑ wi =∑ x i ni=3400
xassəsi satışdan daxil olan pulun məbləğinin ( i=1 i=1 man.) dəyişməzliyidir.
Beləliklə, orta satış qiyməti
3 3 3
∑ wi =∑ x i ni=∑ x̄ ni
i=1 i=1 i=1

bərabərliyindən tapılmalıdır. Beləliklə, 1 kq meyvənin orta satış qiyməti

3 3
∑ wi ∑ wi
i=1 i=1 3400
x̄ har = 3
= 3
= =0 . 34
wi 10000
∑ ni ∑ xi
i =1 i =1

manat təşkil edir.

Misal 3. Müəssisədə son 5 ildə istehsalın həcmi haqqında aşağıdakı məlumatlar

verilmişdir:

İstehsalın həcmi haqqında məlumat. Cədvəl 4

İllər 2007 2008 2009 2010 2011

 İstehsal, ədəd 3000 8000 25000 37000 52000

Orta artım sürətini tapaq.

Həlli. Əvvəlcə illər üzrə artım sürətini hesablayaq:

8000 25000
≈2 .7 ≈3 .1
2008-ci ildə: 3000 ; 2009-cu ildə: 8000 ;

37000 52000
≈1 .5 ≈1 . 4
2010-cu ildə: 25000 ; 2011-ci ildə: 37000

Burada əvvəlki məsələdən fərqli olaraq təyinedici xassə

x 1⋅x 2⋅x3⋅x 4 =2 . 7⋅3 . 1⋅1. 5⋅1 . 4≈17 .6 hasilinin dəyişməzliyidir:

x 1⋅x 2⋅x3⋅x 4 = x̄⋅x̄⋅x̄⋅x̄

Buradan isə əlamətin orta qiymətinin hesablanması üçün həndəsi ortanın düs-turu
alınır:

x̄=√4 x 1⋅x 2⋅x3⋅x 4 ≈2

Beləliklə, orta artım sürəti təxminən 2 –yə bərabərdir.

2.2. Təsadüfi seçmənin modası və medianı.

Tərif 2. Təsadüfi seçmənin ən böyük tezliyə malik olan elementinə onun modası
deyilir.
Qruplaşdırılmamış seçmələrin modasını tapmaq üçün heç bir hesablama aparmaq
lazım gəlmir. Belə ki, tərifə görə paylanma sırasında ən böyük tezliyə uyğun olan element
seçmə moda olacaqdır.
Tərif 3. Seçmənin variasiya sırasını hər birində təxminən eyni sayda element olan iki
bərabər hissəyə ayıran elementə seçmənin medianı deyilir.
Məsələ 5. Qruplaşdırma

intervalları: ( 1, 3 ) ( 3,5 ) ( 5,7 ) ( 7, 9 ) ( 9, 11) ( 11,13 )

Tezliklər: 1 2 4 2 1 1

Qruplaşdırılmış seçmənin seçmə modasını və medianını hesablayaq.

 Həlli. Seçmə moda və seçmə medianı əvvəlcə 1- ci üsul ilə hesablayaq. Bunun üçün
qruplaşdırılmış seçmənin paylanma sırasını quraq:

zi 2 4 6 8 10 12
ni 1 2 4 2 1 1

Aydındır ki, seçmənin modası d=6 olar.

6
∑ n1 = 11= 2⋅ 5+ 1
Seçmənin həcmi i= 1 tək ədəd olduğuna görə seçmənin modası

h=x (5+1 )=x ( 6 ) =6 ,

Seçmənin medianı isə (6 + 8) /2 = 7 olur

2.3. Seçmə ortanın xassələri. Orta qiymət haqqında teorem.Tutaq ki, X və Y

ümumi çoxluqları arasında Y =aX +b xətti asılılığı vardır, burada a və b ixtiyari sabitlərdir.

Teorem 2. Tutaq ki, Y =aX +b .Onda ȳ=a x̄+ b .

İsbatı. X və Y ümumi çoxluqları arasında Y =aX +b xətti asılılığı olduğuna görə
y j=az j +b , y=1 ,2 , .. . , k
Tərifə görə
k k k k
1
ȳ= ∑ y ⋅n = 1 ∑ (az j +b )n j =a⋅1n ∑ z j n j + b 1n ∑ n j
n j=1 j j n j=1 j=1 j=1

k k
1 1
x̄= ∑
n j=1
zjnj
n
∑ n j=1
, j=1

olduğunu nəzərə alsaq, ȳ=a x̄+b

Teorem 2 - dən hesabi ortanın aşağıdakı xassələrini almaq olar:

1. Seçmənin elementlərini b qədər artırsaq (azaltsaq), hesabi orta da b qədər artar

(azalar).

2. Seçmənin elementlərini a dəfə artırsaq (azaltsaq), hesabi orta da a dəfə artar

(azalar). Bu xassələrə hesabi ortanın monotonluq xassəsi deyilir.

3. Seçmənin elementlərinin bir hissəsini onların xüsusi ortası ilə əvəz etsək hesabi orta
dəyişməz.

4. Hesabi ortadan kiçik olan elementlərin hesabi ortadan yayınmaları cəmi, hesabi
ortadan böyük olan elementlərin hesabi ortadan yayınmaları cəminə bərabərdir.

Ümumiliyi pozmadan fərz edək ki, seçimin elementləri artan sıra ilə düzülmüşdür:
x 1≤x 2 ≤. ..≤x n . Tutaq ki, m sayda olan element x̄ - dən kiçik, qalan n−m sayda element
isə ondan böyükdür. Onda
m n
∑ ( x̄−x i )= ∑ ( x i− x̄ )
i=1 i=m+1

doğrudur.

5. Seçmənin elementlərinin tezliklərini d dəfə artırsaq (azaltsaq), onda hesabi orta

dəyişməz. Doğrudan da,
k k k ni k
1
∑ z i⋅( dni ) d ∑ zi n i ∑ z i⋅
d
∑z n
d i =1 i i
i=1 i=1 i=1
k
= k
= x̄ k
= k
= x̄
ni 1
∑ dn i d ∑ ni ∑ d
∑n
d i=1 i
i =1 i =1 və i=1

Mühazirə 15
Təsadüfi seçimin səpələnmə xarakteristikaları

1. Səpələnmə xarakteristikaları haqqında anlayış.

Tərif 1. Seçmənin elementlərinin onun hər hansı yerləşmə xarakteristikası ətrafında
nə dərəcədə sıx səpələnməsinin ölçüsünü göstərən sabit ədədə onun səpələnmə xarak-
teristikası deyilir.
Əlamətin mərkəzi qiymətinə nəzərən seçim elementlərinin səpələnməsinin kəmiyyət
xarakteristikaları – seçmənin boyu, seçmənin orta mütləq yayınma, seçmə dispersiya, seçmə
kvadratik orta yayınma və seçmə variasiya əmsalı seçimin səpələnmə xarakteristikaları
adlanır.
Tərif 2. Seçmənin ən böyük elementi ilə ən kiçik elementi arasındakı fərqə seçmənin
boyu deyilir. Seçmənin boyunu R ilə işarə etsək,
( n) (1 )
R=x −x (15.1)
olduğunu yaza bilərik. Deməli, seçmənin boyu onun elementlərinin bir – birindən
meyllərinin maksimal sərhəddini göstərir.
 Yuxarıda qeyd edildiyi kimi seçmə median seçmənin variasiya sırasını iki bərabər
hissəyə bölür. Alınmış hissələri yenidən iki bərabər hissəyə bölməklə əlamətin elə
qiymətlərini tapmaq olar ki, onlar variasiya sırasını dörd bərabər hissəyə bölsün və s.
Əlamətin variasiya sırasını eyni sayda variantlardan ibarət olan hissələrə bölən qiymətlərinə
seçmə kvantil və ya qradiyent deyilir. Seçmə kvantil, seçmə desil və seçmə sentil –
seçmə kvantilin xüsusi hallarıdır.

Əlamətin variasiya sırasını dörd bərabər hissəyə ayıran qiymətlərinə seçmə kvantil
deyilir. Seçmə desil və sentil isə uyğun olaraq əlamətin variasiya sırasını on və yüz bərabər
hissələrə bölən qiymətlərinə deyilir.
Seçmənin boyu göstəricisi ancaq əlamətin kənar qiymətlərini nəzərə alır. Bu catış-
mazlığı aradan qaldırmaq üçün onu seçmə kvantil ilə əvəz etmək olar.
2. Seçmənin orta mütləq yayınması və dispersiyası.

Ehtimal nəzəriyyəsindən məlumdur ki, 1 2

x , x ,…, x n qiymətlərini uyğun olaraq
pi =P { X=x i } , i=1 ,2 , .. . , n
ehtimalları ilə alan X diskret təsadüfi kəmiyyətinin orta mütləq
yayınması və dispersiyası uyğun olaraq
n
Е=∑ |x i−EX|p i
i=1

və
n
σ 2=∑ ( x i−EX )2 pi
i=1

düsturları ilə verilir.

Seçmənin orta mütləq yayınması E ilə, dispersiyası isə var ( X ) və ya S kimi işarə
2

1
pi = ,
olunur. Baxılan halda n i=1,2,...,n və EX= x̄ olduğunu nəzərə alsaq, seçmənin orta
mütləq yayınması və dispersiyasının uyğun olaraq
n
1
Е= ∑ |x i−x|
n i =1 (15.2)
n
1
var ( X )= ∑ ( x i− x̄ )2
n i=1 (15.3)
düsturlarını alarıq. Əgər seçmə paylanma sırası şəklində verilərsə, onda seçmə orta mütləq
yayınmanın çəkili düsturu
 k
1
Е= ∑|z −x|ni
n i =1 i , (15.4)
Seçmə dispersiyanın çəkili düsturu isə
n
1
var ( X )= ∑ ( z i− x̄ )2 ni
n i=1 (15.5)
n
S^ 2 = S2
şəklində yazılır. n−1 kəmiyyətinə korrektə edilmiş seçmə dispersiya deyilir.

√2
Tərif 3 . S = S kəmiyyətinə seçmənin kvadratik orta yayınması,
S
V = 100 %
x̄ (15.6)
kəmiyyətinə isə onun variasiya əmsalı və ya seçmənin orta nisbi yayınması deyilir.
Tərifə görə variasiya əmsalı seçimin kvadratik orta yayınmasının seçmə ortaya faiz
nisbətidir. Seçmənin orta mütləq yayınması və dispersiyası hadisələrin təbii xüsusiy-
yətlərinə uyğun ölçü vahidləri ilə ifadə olunduqlarına görə onlar müxtəlif kəmiyyətlərin orta
tərəddüd dərəcələrini bir-biri ilə müqayisə etməyə imkan vermir. Variasiya əmsalı isə
müxtəlif ölçü vahidləri ilə ifadə olunan bir neçə kəmiyyətin orta tərəddüd dərəcələrini
müqayisə etməyə imkan verir.
Təcrübədə ən çox istifadə edilən xarakteristika variasiya əmsalıdır. Ondan müxtəlif
əlamətlərin variasiyasını müqayisə etməklə yanaşı, çoxluğun bircinsliyini müəyyən etmək
üçün də istifadə edilir. Belə ki, ümumi çoxluq normal qanunla və ya ona yaxın qanunla
paylanırsa və variasiya əmsalı 33% -i aşmırsa, onda ümumi çoxluq bircins hesab olunur.
Qeyd etmək lazımdır ki, bəzi hallarda seçmə dispersiyanı
k
1
var ( X )= ∑ z2 n − x̄ 2
n i=1 i i (15.7)
düsturu ilə hesablamaq daha əlverişli olur.
3. Seçmə dispersiyanın xassələri.
Teorem 4. Tutaq ki, X və Y ümumi çoxluqları arasında Y =aX +b xətti asılılığı
vardır. Onda

var ( Y )=a 2 var ( X )

Nəticə 1. Seçmənin bütün elementlərini eyni kəmiyyət qədər artırsaq (azaltsaq) seçmə
dispersiya dəyişməz:

var ( X )=var ( X ±a ) .
2
Nəticə 2. Seçmənin bütün elementlərini k dəfə artırsaq (azaltsaq) dispersiya k dəfə
artar (azalar):

2
var ( kX )=k var ( X ) ,
var ( Xk )= k1 var ( X )
2

Nəticə 3. Elementlərin tezliklərini d dəfə artırsaq (azaltsaq) seçmə dispersiya

dəyişməz. Doğrudan da,
k k
∑ ( z i− x̄ ) 2 ( dni ) d ∑ ( zi − x̄ )2 ni n
1
i=1
k
= i =1
k
= ∑ z − x̄ ) 2 ni =var ( X )
n i=1 ( i
∑ dni d ∑ ni
i=1 i=1

Nəticə 4. Dispersiyanın minimallıq xassəsi.

n
U =∑ ( x i−a)2
i=1 cəmi özünün ən kiçik qiymətini a= x̄ olduqda alır.

Doğrudan da, ekstremumun zəruri şərtinə görə

n
dU
=−2 ∑ ( x i −a ) =0
da i=1 .
n
1
a= ∑ x = x̄
n i =1 i
Axırıncı tənlikdən isə olduğunu tapırıq.

Misal 2. Cədvəldə fakültələrdən birində tələbələrin yaşa görə paylanması verilmişdir.

Tələbələrin yaşa görə paylanması Cədvəl 2.

Tələbələrin 17 18 19 20 21 22 23 24 Cəmi
yaşı, il

Tələbələrin sayı, 10 40 45 100 65 85 45 30 420

nəfər

Səpələnmə xarakteristikalarını hesablayaq.

 ( n) (1 )
Həlli: 1) Seçmənin boyu R=x −x =24−17=7 .

Seçmə orta mütləq yayınmanı hesablamaq üçün əvvəlcə seçmə ortanı hesablayaq:

1
x̄= (17⋅10+18⋅40+19⋅45+20⋅100+21⋅65+
420
1
+22⋅85+23⋅45+24⋅30)= ⋅8735≈21
420

2) Seçmə orta mütləq yayınma

1
E= (|17−21|⋅10+|18−21|⋅40+|19−21|⋅45+
420
+|20−21|⋅100+|21−21|⋅65+|22−21|⋅85+|23−21|⋅45+
1
+|24−21|⋅30)= ⋅615=1 . 46
420
3) Seçmə dispersiya

1
var ( x ) =
420
[ ( 17−21 )2⋅10+ ( 18−21 )2⋅40+ ( 19−21 )2⋅45+ (20−21 )2⋅100 ] +

1 1
+
420
[ ( 21−21 )2⋅65+ ( 22−21 )2⋅85+ ( 23−21 )2⋅45+ (24−21 )2⋅30 ] =
420
⋅1435≈3 , 42

4) Seçmə kvadratik orta yayınma

√ var ( x ) =+ √3 . 42≈1. 85
5) Variasiya əmsalı

1 .85
V= ⋅100 %=8 ,8 %
21

4. Alternativ əlamətin dispersiyası

Statistik analizdə tez - tez alternativ əlamətin dispersiyasını öyrənmək lazım gəlir.
Statistika əlamətin variasiyasını öyrənməklə yanaşı əlamətə malik olan və ya malik olmayan
vahidlərin hissəsini də öyrənir.

Tutaq ki, həcmi n olan seçmədə m sayda element X əlamətinə malikdir, qalan
n−m sayda element isə X əlamətinə malik deyildir. Onda əlamətə malik olanların hissəsi
m n−m
p= q=
n , malik olmayanların hissəsi isə n olar. Aydındır ki, p+q=1 .
 Alternativ əlamətin variasiyasının kəmiyyət ölçüsünü tapmaq üçün şərti olaraq
əlamətin varlığını “1” ilə, yoxluğunu isə “0” ilə işarə edək. Onda alternativ əlamətin
paylanma sırasını aşağıdakı kimi təsvir etmək olar:

X 0 1
P q p
Alternativ əlamətin:

1) orta qiyməti

0⋅q+1⋅p
x̄= =p
p+q
2) dispersiyası

(0− p)2⋅q+(1− p )2⋅p p2 q +q 2 p

var ( X )= = = pq
q+ p p+q .

Buradan isə əlamətin kvadratik orta yayınmasının

√ var ( X )=√ pq
1
p=q=
olduğunu alırıq. Aydındır ki, pq hasili özünün maksimum qiymətini 2 olduqda alır.
Ona görə də alternativ əlamətin dispersiyasının maksimal qiyməti 0 . 25 olar.

5. Səpələnmə xarakteristikaları arasında əlaqə düsturları

Əgər ümumi çoxluq normal qanunla paylanırsa, onda səpələnmə xarakteristikaları
arasında müəyyən əlaqələr mövcud olur. Əvvəlcə seçmənin boyu ilə seçmə kvadratik orta
yayınma arasındakı əlaqəni tapaq. Üç siqma qanununa görə
P(|X −EX|<3 σ )=0 , 9973

Bu isə o deməkdir ki, ümumi çoxluğun bütün elementləri praktiki olaraq (−3 σ , 3 σ ) inter-
valında yerləşir. Ona görə də seçmənin boyunun təqribi olaraq 6 S -ə bərabər olduğunu, yəni
R=x( n)−x( 1)≈6 S
qəbul etmək olar, S burada seçmənin kvadratik orta yayınmasıdır.
Beləliklə, ümumi coxluq normal qanunla paylanırsa və onun həcmi kifayət qədər
böyük ədəd olarsa, onda kvadratik orta yayınma
 R x( n)−x( 1)
S= =
6 6
R̄
S=
düsturu ilə hesabalanır. Kiçik seçimlər halında , kvadratik orta yayınma D N düsturu
(n ) (1 )
x −x
D N=
ilə hesablanır. Burada S .
Bu düsturdan statistik məlumatların operativ sürətdə işlənilməsində və məhsulun
keyfiyyətinin operativ surətdə müəyyən edilməsində istifadə olunur.

Mövzu № 16
Empirik paylanmanın tədqiqi. Təsadüfi seçmənin momenti.
Seçmə asimmetriya və eksses əmsalları

1. Empirik paylanmanın tədqiqi. Əgər empirik paylanmanın nəzəri forması mə-

lumdursa, onda yerləşmə və səpələnmə xarakteristikaları paylanmanın əsaslı xarakteristika-
larıdır. Beləliklə, bu halda birtərtibli və ikitərtibli momentləri bilmək kifayətdir. Belə ki, əgər
tədqiq edilən hadisə kifayət qədər yaxşı öyrənilibsə və onun normal paylanmaya malik
olduğu məlumdursa, onda bu paylanma birinci iki mərkəzi momentlə tamamilə müəyyən
olunur.
Əgər öyrənilən hadisə Puasson qanununa tabedirsə, onda paylanma bir momentlə (bir-
tərtibli başlanğıc və ya ikitərtibli mərkəzi) tamamilə müəyyən olunur.
Ancaq əksər hallarda paylanmanın nəzəri forması məlum olmur. Ona görə də empirik
paylanmaya görə nəzəri paylanmanın bəzi xassələrinin öyrənilməsi məsələsi meydana çıxır.
Empirik paylanmanın qrafiki, poliqon və ya histoqramı nəzəri paylanma qanunu
haqqında təxmini təsəvvür yaradır. Onlar isə ümumi çoxluqdan götürülmüş təsadüfi seçimə
görə qurulur və empirik məlumatlar müəyyən dərəcədə qiyməti məlum olmayan təsadüfi
xətalarla bağlı olur. Bu təsadüflərin təsiri əlamətin variasiyasının tendensiyasını, yəni
qanunauyğunluğunu müəyyənləşdirməyi çətinləşdirir.
Riyazi analizin məlum yaxınlaşma teoremlərinə görə seçimin həcminin artması və
qruplaşdırma intervalının uzunluğunun kiçilməsilə poliqon hamarlanır və limitdə paylanma
əyrisi adlanan səlis əyriyə çevrilir.
Paylanma əyrisinin formasının tədqiqi aşağıdakı üç məsələnin həllini nəzərdə tutur:
 1) Paylanmanın ümumi xarakterinin aydınlaşdırılması;
2) Empirik paylanmanın hamarlanması, yəni verilmiş formaya malik əyrisinin qurulması;
3) Tapılmış nəzəri paylanmanın empirik paylanma ilə uzlaşmasının yoxlanılması.

x , x ,..., x n
2. Təsadüfi seçmənin momenti. Tutaq ki, X ümumi çoxluğundan n həcmli 1 2
seçmə götürülmüşdür və onun paylanma sırası
zi z1 z 2 ... z k
ni n1 n2 ... n k
şəklindədir.
n
^ s ( c )=∑ ( x i−c )s
m
Tərif 1. i=1 kəmiyyətinə seçmənin c ədədinə görə s - ci tərtib seçmə
momenti deyilir. Burada с >0 və s natural ədəddir.
Əgər seçmənin elementlərinin tezlikləri müxtəlif olarsa, yəni seçmə paylanma sırası
şəklində verilərsə, onda s tərtibli momentin çəkili düsturu
k
1
^ s ( c )=
m ∑ ( z −c )s n i
n i=1 i

şəklində olar.
n
^ s ( c )=∑ ( x i−c )s
m
Tərif 2. Əgər c=0 olarsa, i=1 momentinə seçmənin s tərtibli başlan-
ğıc momenti, c= x̄ olduqda isə seçmənin s tərtibli mərkəzi momenti deyilir.
Başlanğıc moment aşağıdakı düsturlarla hesablanılır:
n
1
α^ s = ∑ x si
n i =1 (sadə düstur)
və
k
1
α^ s = ∑ z si⋅ni
n i =1 (çəkili düstur)
Mərkəzi momentin uyğun düsturları isə
n
1
^ s=
m ∑ ( x −x )s
n i=1 i (sadə düstur )
və
 k
1
^ s=
m ∑ ( z −x )s⋅n i
n i=1 i (çəkili düstur)
şəklində olur.
Seçmənin başlanğıc və mərkəzi momentləri arasında əlaqə düsturları təsadüfi
kəmiyyətlərin momentləri arasındakı əlaqə düsturları kimi verilir.

Məsələ 1. 1, 2, 3, 4, 3, 5, 5, 12 təsadüfi seçməsinin iki və üç tərtibli başlanğıc və

mərkəzi momentlərini tapaq.

Həlli: Seçmənin paylanma sırasını quraq:

zi 1 2 3 4 5 12
ni 1 1 2 1 2 1
6
n=∑ ni =8
Seçmənin həcmi i=1 olar. Momentlərin uyğun düsturlarına görə alarıq:

1
α^ 1= (1+2+6+ 4+10+ 12)=4 , 375 ;
8
6
1 1
α^ 2 = ∑ z 2i ni = ( 1+4 +18+16+50+144 )=29 . 1
8 i=1 8 ;
6
1 1
α^ 3 = ∑
8 ix 1
z 3i ni = ( 1+8+54 +64+ 250+1726 )=310. 25
8 ;

μ^ 2 =α^ 2− α^ 21 =9 . 7 ;

μ^ 3 =2 α^ 31−3 α^ 1 α^ 2 + α^ 3 =−33 . 76 .

2. SEÇMƏ ASİMMETRİYA VƏ EKSSES ƏMSALLARI

Statistik tədqiqatlarda müxtəlif növ paylanmalara təsadüf edilir. Bircins ümumi

çoxluqlar bir qayda olaraq birtəpəli paylanmalara malik olurlar. Çoxtəpəlilik isə ümumi
çoxluğun bircins olmamasına dəlalət edir. Paylanmanın ümumi xarakterinin aydın-
laşdırılması, onun bircinslik dərəcəsinin qiymətləndirilməsini, asimmetriya (əyilmə) və eks-
ses (dikzirvəlik) əmsallarının hesablanmasını nəzərdə tutur.
Simmetrik paylanmalarda müsbət və mənfi yayınmaların tək dərəcəli qüvvətləri
qarşılıqlı islah olunur. Odur ki, tək tərtibli mərkəzi momentlərin sıfıra bərabərliyi paylanm-
anın simmetrikliyini sübut edir. Bu momentlərin sıfırdan fərqli olması isə simmetriyadan
yayınmanı, yəni asimmetriyanı (əyilməni) göstərir. Ona görə də asimmetriyanın ölçmək

üçün üç tərtibli
m3 mərkəzi momentindən istifadə edilir.
Momentlər qəbul edilmiş ölçü vahidlərindən asılı olduqlarına görə asimmetriyanın ölçüsü
m3
3
olaraq S normallaşmış nisbətindən istifadə edilir.
Tərif 2. Aşağıdakı kimi təyin olunan
m3
a=
S3

kəmiyyətinə seçmə asimmetriya əmsalı deyilir.

Seçmənin asimmeriya əmsalı variasiya sırasının poliqonunu xarakterizə edir. Əgər
asimmetriya əmsalı müsbətdirsə, onda asimmetriya sağ tərəflidir, yəni poliqonun təpədən
başlayaraq, sağ tərəfi sol tərəfə nisbətən daha meylli enişə malikdir. Başqa sözlə desək,
seçmənin variasiya sırasında seçmə ortadan böyük olan elementlərin tezlikləri, ondan kiçik
olan elementlərin tezliklərindən böyük olurlar, yəni seçmə ortadan böyük olan elementlərin
sayı, ondan kiçik olan elementlərin sayından daha çox olurlar.
Əgər asimmeriya əmsalı mənfidirsə, onda asimmetriya sol tərəflidir, yəni poliqonun
təpədən başlayaraq, sol tərəfi daha meylli enişə malikdir. Başqa sözlə desək, seçimin
variasiya sırasında seçimi ortadan böyük olan elementlərin tezlikləri, ondan kiçik olan
elementlərin tezliklərindən kiçik olurlar. Bu isə o deməkdir ki, seçimi ortadan böyük olan
elementlərin sayı, ondan kiçik olan elementlərin sayından daha az olurlar.
Simmetrik paylanmaların asimmetriya əmsalı sıfra bərabərdir.
Seçmə asimmetriya əmsalı empirik paylanmanın asimmetriyasının ölçüsü olmaqla
yanaşı, əlamətin ümumi çoxluqda paylanmasında asimmetriyanın olub-olmamasını da
müəyyən etməyə imkan verir:
Asimmetriya əmsalının mühümlük dərəcəsi

var ( A s ) =
√ 6(n−1)
( n+1)(n+3 )
kvadratik orta xəta ilə qiymətləndirilir.
 |A s|
>3
var ( A s )
Əgər olarsa, onda asimmetriya mühümdür və əlamətin ümumi çoxluqda
paylanması simmetrik deyildir.
|A s|
<3
var ( A s )
Əgər olarsa, onda asimmetriya əhəmiyyətsizdir və onun varlığı ancaq
təsadüfi amillərin təsiri ilə izah olunur.
Seçmənin eksses əmsalı empirik paylanmanın poliqonunun normal sıxlığın qrafiki ilə
müqayisədə dikzirvəli (dikvari) və ya yastı (yastıvari) olduğunu ifadə edən xarakteristikadır.
Ekssesin ən sadə və daha çox istifadə edilən ölçüsü dörd tərtibli seçmə mərkəzi
m4
4
moment ilə təyin olunan S kəmiyyətidir.
Tərif 3. Aşağıdakı kimi təyin olunan
m4
e= −3
S4

kəmiyyətinə seçmənin eksses əmsalı deyilir.

Əgər e >0 olarsa, onda seçmənin poliqonunun qrafiki moda ətrafında normal sıxlığın
qrafiki ilə müqayisədə daha yüksək və şiş, e <0 olduqda isə daha alçaq və yastı olur.

MÜHAZIRƏ 17
STATISTIK QIYMƏTLƏR VƏ ONLARIN ƏSAS XASSƏLƏRI

1. Məsələnin qoyuluşu. Məlumdur ki, praktikada təsadüf olunan əsas paylanmalar adə-
tən müəyyən sayda naməlum parametrlərdən asılı olurlar. Ona görə də naməlum para-
metrlərin qiymətləndirilməsi məsələsi meydana çıxır. Riyazi statistikanın əsas məsələ-
lərindən biri naməlum paylanma parametrlərinin qiymətləndirilməsi və onların etibarlı
intervallarının qurulmasından ibarətdir. Paylanma parametrlərinin statistik qiymətləndi-
rilməsi məsələsinin qoyuluşu aşağıdakı kimidir:

Tutaq ki, araşdırılan X təsadüfi kəmiyyətinin ( X ümumi çoxluğunun) paylanma funk-

siyası məlum deyil, lakin onun naməlum θ parametrindən asılı olan funksiyalar ailəsinə
daxil olduğu, yəni F ( x ,θ ) şəklində funksiya olduğu məlumdur. Fərz olunur ki, θ parametri
hər hansı bir sonlu və ya sonsuz Θ çoxluğundan ixtiyari qiyməti ala bilər.

Naməlum θ parametrini qiymətləndirmək üçün X təsadüfi kəmiyyəti üzərində sonlu

sayda asılı olmayan müşahidələr aparılır ( X ümumi çoxluğundan sonlu həcmli təsadüfi
seçim götürülür). Tutaq ki, X 1 , X 2 ,. . . , X n - lər X təsadüfi kəmiyyətinin müşahidə olunmuş
qiymətləridir. Aydındır ki, X 1 , X 2 ,. .. , X n təsadüfi kəmiyyətləri X təsadüfi kəmiyyəti ilə eyni
qanun ilə paylanmış asılı olmayan təsadüfi kəmiyyətlərdir.
^
Naməlim θ parametrini qiymətləndirilməsi θ≈ θn təqribi bərabərliyinin qurulma-
^
sından ibarətdir. Burada θn müşahidələrin nəticələrinin hər hansı funksiyasıdır.

Göründüyü kimi baxılan məsələ paylanmanın naməlum parametrinin təqribi qiymətinin

tapılması məsələsinə – statistik qiymətləndirmə məsələsinə gətirilir.

Statistik qiymətləndirmə riyazi statistikanın əsas bölmələrindən biri olub, təsadüfi

kəmiyyət üzərində aparılmış müşahidələrin nəticələrinə görə onun paylanmasının bu və ya
digər xarakteristikalarının qiymətləndirilməsini öyrənir.

θ≈ θ^ n təqribi bərabərliyinin dəqiqliyi Rn ( θ^ n ,θ )= E (θ^ n −θ ) kəmiyyətilə qiymətləndirilir.

2

^
Bu kəmiyyətə θn qiymətləndirməsinin kvadratik orta xətası və ya kvadratik riski deyilir.

2. Statistik qiymətləndirmənin əsas anlayışları. Statistik qiymətlər.

^
Tərif 1. Naməlum θ parametrinin X 1 , X 2 ,. .. , X n seçməsinə əsasən alınmış θn təqribi
qiymətinə onun nöqtəvi statistik qiyməti deyilir.

Aydındır ki, statistik qiymət qiymətləndirilən parametrin əsl qiymətindən fərqli olacaqdır,
yəni müəyyən reprezentativ xəta (seçimlər üzrə hesablanmış xarakteristikalar və ümumi
çoxluğun xarakteristikaları arasındakı fərqin kəmiyyəti) müşahidə ediləcəkdir:

ε=|θ^ n−θ|, ε ≥0

Ona görə də naməlum parametrlərin statistik qiymətləndirilməsində əsas məsələlərdən

biri reprezentativ xətanın minimallaşdırılmasından ibarətdir. Riyazi statistikada xətanın
kəmiyyətinin və sərhədlərının müəyyən edilməsi, eyni zamanda xətanın kiçildilməsi üçün
seçmənin təşkili üsullarının tədqiqinə xüsusi diqqət yetirilir.

Reprezentativ xətanın minimallaşdırılması üçün aşağıdakılar vacibdir:

 1) Seçmənin təşkili zamanı müəyyən şərtlərə riayət olunmalıdır;
2) Statistik qiymətlər keyfiyyətli olmalı, yəni müəyyən tələblərə cavab verməlidirlər.
Seçmə metodun əsas şərtlərindən biri seçmənin təşkilində onun reprezentativliyini təmin
etməkdən ibarətdir. Yəni seçim ümumi çoxluğun əsas xüsusiyyətlərini özündə təmsil etməli
və onun ilə eyni paylamaya malik olmalıdır. Ona görə də seçimin təşkilində təsadüfi seçim
prinsipinə riayət olunması, yəni ümumi çoxluğun hər bir elementinin seçimi çoxluğa
düşməsi şanslarının eyni imkanlı olması zəruri şərtdir. Təsadüfi seçim prinsipinə riayət olun-
ması müşahidələrin nəticələrinin riyazi işlənilməsində ehtimal nəzəriyyəsinin üsullarından
istifadə etməyə imkan verir.
^
Qeyd etdiyimiz kimi θn statistik qiyməti seçimin elementlərinin müəyyən funksiyasıdır.
Seçmə çoxluq təsadüfi seçim prinsipinə görə təşkil edildiyi üçün onun elementləri və
^
xarakteristikaları da təsadüfi kəmiyyətlərdir. Beləliklə, θn statistik qiymətinin paylanma
qanunu təsadüfü kəmiyyətin paylanmasından və təsadüfi seçimin həcmindən asılı olacaqdır.

Seçmənin elementlərindən asılı olan istənilən funksiyaya statistika deyilir. Bu

statistikalar isə naməlum parametrin statistik qiyməti olaraq götürülür. Məsələn, ümumi
çoxluğun naməlum orta qiymətinin statistik qiyməti olaraq seçmə orta, seçmə moda və ya
seçmə median götürülə bilər.

3. Qiymətləndirmənin təsnifatı. Tutaq ki, baş yığımdan təsadüfi

x 1 , x2 ,..., x n seçməsi
x i variantlarından hər birisi üzərində müşahidə və ya təcrübə
götürülür. Belə fərz olunur ki,
aparılan kəmiyyətin paylandığı qanunla təsadüfi
X i kəmiyyətləri kimi paylanır.
Paylanmanın nəzəri parametri α -nı (bir ölçülü və ya çox ölçülü ola bilər) statistik üsulla
qiymətləndirmək lazımdır. Aydındır ki, hər aparılan müşahidənin köməyi ilə götürülən
¿ ¿
seçməyə görə α parametrinin α n ədədi qiymətini almaq olar, yəni α kəmiyyəti təsadüfi
¿ ¿
kəmiyyət kimi seçmədən asılıdır, yəni n n ( 1 2 n ) olar. Deməli, seçməni elə təyin
α =α x , x ,. . ., x
etmək lazımdır ki, onun köməyilə parametrin statistik alınan qiyməti, yəni onun empirik
qiymətləndirilməsi daha dəqiq olsun.
Parametrin qiymətləndirilməsini onun bir neçə cəhəti ilə xarakterizə etmək olar. Bu
cəhətləri parametrin empirik qiymətləndirilməsinin optimallıq (ən yaxşı təmsil etmək
mənada) xassələri də adlandırmaq olar. Başqa sözlə desək, nəzəri α parametrinin statistik
¿
α n ( x 1 , x 2 , .. . , x n )
qiymətləndirilməsi yerini dəyişməyən (ədəd oxu üzərində hər hansı
nöqtədəki qiyməti mənada), təminedici (α parametrinin həqiqi qiymətinə kifayət qədər
yaxın olmaq mənada) və effektiv olmalıdır.
Bu xassələrin ehtimal nəzəriyyəsi anlamında təriflərini verək.
¿
Tərif 1. Əgər α parametrinin empirik təyin olunan n ( 1 2
α x , x , .. . , x n )
qiymətlən-
¿
dirilməsinin riyazi gözləməsi α parametrinə bərabər olarsa, yəni M (α n )=α olarsa, onda
 ¿
α n ( x 1 , x 2 , .. . , x n )
qiymətləndirilməsi yerini dəyişməyən (sürüşməyən) adlanır.

Qeyd edək ki, qiymətləndirmənin yerini dəyişməməzliyi ona qarşı qoyulan minimal
şərtdir.
Bn =M ( α ¿n ) −α
¿
fərqi qiymətləndirmənin yerdəyişməsi adlanır. Deməli, α qiymətləndirməsi yerini dəyiş-

məyəndirsə, onda
Bn =0 .

Tərif 2. Əgər baş yığımdan götürülmüş istənilən

x 1 , x2 ,..., x n seçməsi üçün

M ( α ¿n −α ) 2
¿
α n ( x 1 , x 2 , .. . , x n )
minimum olarsa, onda nəzəri α parametrinin statistik qiymətləndirilməsi
effektiv adlanır. Qiymətləndirmənin bu xassəsini aydınlaşdıraq.
¿
′ ″
¿
Tutaq ki, eyni bir α parametrinin iki statistik α n və α n qiymətləndirilməsini almışıq,
yəni
′
¿ ¿
′ ″
¿ ¿
″
α n =α n ( x 1 , x 2 , . .. , x n ) və α n =α n ( x 1 , x 2 ,. .. , x n )

¿ ¿
′ ″
və hər iki qiymətləndirmə yerini dəyişməyəndir: Mα n =α və Mα n =α
Bu qiymətləndirmələrdən hansı «yaxşıdır»? Aydındır ki, təsadüfi kəmiyyətin riyazi
gözləməsi ətrafında onun təsadüfən aldığı qiymətlərin səpələnmə dərəcəsinin əsas xarakte-
ristikası bu kəmiyyətin dispersiyasıdır. Deməli, dispersiyası ən kiçik olan qiymətləndirmə
′
¿
″
¿ ¿
′
daha «yaxşıdır». Beləliklə, α n <α n şərti ödənilərsə, onda α n qiymətləndirməsi daha
effektivdir.
x , x ,..., x n
Tərif 3. Baş yığımın (X təsadüfi kəmiyyətinin) nəzəri α parametrinin 1 2
¿
α n ( x 1 , x 2 , .. . ,x n )
seçməsinə görə qiymətləndirilməsi müşahidələrin sayı sonsuz artdıqda α
parametrinə ehtimala görə yığılırsa, yəni
lim P (|α ¿n −α|< ε )=1
n→∞ ,
¿
α n ( x 1 , x 2 , .. . ,x n )
onda qiymətləndirməsi təminedici adlanır.
 «Yaxşı» qiymətləndirmə parametri yaxşı təmsil etməlidir, yəni onun həqiqi qiymətinə
daha yaxın olmalıdır. Bunu almaq üçün sınaqların, müşahidələrin sayını kifayət qədər
artırmaq lazımdır.
4. Riyazi gözləmənin qiymətləndirilməsi.

Riyazi gözləmənin təqribi qiyməti olaraq

x 1 , x2 ,..., x n seçməsinin ədədi ortası
n n
1 1
x̄= ∑x
n i=1 i ,
S2 = ∑ ( x − x̄ )2
n i =1 i
dispersiyası isə götürülür:
Bu qiymətlərin yerini dəyişməyən, təminedici və effektiv olub-olmadığını aydınlaşdarıq.
Əvvəlcə riyazi gözləməni hesablayaq.
1) Seçməyə görə riyazi gözləmənin qiymətləndirilməsi yerinidəyişməyəndir.
Tutaq ki,
X 1 , X 2 ,...,X n asılı olmayan, eyni qanunla paylanan təsadüfi kəmiyyətlərdir və

MX 1=MX 2 =. ..= MX n =m.

( )
n n
1 1 1
M ( X̄ )=M ∑ X = ∑ M ( X i ) = n⋅nm=m
n i=1 i n i=1
Onda .
2) Seçməyə görə riyazi gözləmənin qiymətləndirilməsi təminedicidir.

Tutaq ki,
MX 1=MX 2 =. ..=MX n =m və DX 1 , DX 2 , ..., DXn dispersiyaları sonludur. Onda
Çebışev teoreminə əsasən

( ( ) )
n n
1 1
lim P | ∑ X i −M ∑ X |<ε =1
n→∞ n i =1 n i =1 i

( )
n n
1 1 1
M ∑
n i=1
X i = ∑ M ( X i )= ⋅nm=m
n i =1 n
və ya olduğundan
lim P (|X̄ −m|< ε )=1
n→∞

Deməli, riyazi gözləmənin X̄ qiymətləndirməsi təminedicidir.

3) Seçməyə görə riyazi gözləmənin X̄ qiymətləndirməsi effektivdir.
Tutaq ki, nəzəri m parametrinin (riyazi gözləmənin) X̄ qiymətləndirilməsi yerini

dəyişməyəndir. Belə fərz edək ki, baş yığım normal paylanır, yəni X =N ( m, σ ) , burada

MX=m , σ= √ DX . Əlavə fərz edək ki, MX i =m , DX i =σ 2 , i=1 ,2 , . .. , n .

Onda
 ( )
n n
1 1 1 σ2
D ( X̄ )=D ∑
n i =1
X i = 2 ∑ D ( X i ) = 2⋅nσ 2 =
n i=1 n n
.
σ2
Alınan n ədədi riyazi gözləmənin müxtəlif yerini dəyişməyən qiymətləndirilmələrinin
dispersiyalarının aşağı sərhəddidir.

Beləliklə,
X 1 , X 2 ,...,X n seçməsində X i təsadüfi kəmiyyətləri asılı deyildirsə və normal

paylanırsa, onda riyazi gözləmənin bu seçmə ilə qiymətləndirilməsi, yəni X̄ qiyməti

effektivdir.
5. Dispersiyanın qiymətləndirilməsi.
İndi isə dispersiyanın qiymətləndirilməsinin yerini dəyişən (sürüşən), təminedici və
effektiv olub-olmamasını yoxlayaq.
2
1) Seçməyə görə dispersiyanın S qiymətləndirməsi yerini dəyişəndir (sürüşəndir).

Doğrudan da, tutaq ki,

X 1 , X 2 ,...,X n seçməsi verilir və nəzəri DX dispersiyasının

qiyməti olaraq
n
1
S2 = ∑ ( x − x̄ )2
n i =1 i

götürülür. Nəzəri dispersiyanın xassəsindən bilirik ki,

DX =MX 2 −( MX )2=ν 2−ν 21
yəni X təsadüfi kəmiyyətinin dispersiyası bu kəmiyyətin 2-ci tərtib başlanğıc momenti ilə
2
riyazi gözləməsinin kvadratı fərqinə bərabərdir. Lakin S –nın riyazi gözləməsi bu ifadədən
fərqli alınır.
n
1
׿ ¿ ¿ ∑ ( x i − x̄ )
2 2
S¿ =
2) Seçməyə görə nəzəri dispersiyanın n−1 i =1 kimi qiymətləndirilməsi

təminedicidir, yəni X 1 , X 2 ,. .. , X n - lər asılı olmayan təsadüfi kəmiyyətlərdirsə və

MX i =MX , DX i=DX , i=1, 2 ,. .. ,n , onda istənilən ε > 0 üçün

lim P (|S 2¿ −DX|< ε )=1

n→∞ .
n
1
S2¿ = ∑ ( x − x̄ )2
n−1 i=1 i
3) Seçməyə görə dispersiyanın yerini dəyişməyən kimi qiymətlən-
dirilməsi effektiv deyildir.
Beləliklə, naməlum θ parametrinin çoxlu sayda statistik qiymətlərini qurmaq olar. Onda
aşağıdakı suallar qarşıya çıxır:

1) Keyfiyyətli statistik qiymət qurmaq üçün təsadüfi seçimdən necə istifadə edilməlidir?
^
2) Hansı şərtləri ödəyən θn funksiyasını naməlum θ parametrinin ən yaxşı statistik
qiymət hesab etmək olar?

Qoyulan suallara cavab vermək üçün seçimi xarakteristikaların əsas xüsusiyyətlərini

^
öyrənmək lazımdır. θn statistikası müəyyən şərtləri ödədikdə o, digərləri ilə müqayisədə
müəyyən mənada “yaxşı” statistik qiymət hesab edilir.

Qeyd. Parametrləri qiymətləndirərkən variantlar kifayət qədər böyük olduqda şərti

variant düzəldilir, yəni

ui =x i−c təyin olunur, burada c sabiti variantların «gözəyarı»
götürülmüş ədədi ortasıdır. Belə olduqda
n n n n n n
1
∑ u i=∑ x i −∑ c=∑ x i −nc ū= ∑ u = 1 ∑ x − c= x̄−c
n i=1 i n i =1 i
i=1 i =1 i=1 i =1 və ya .
Buradan da x̄=ū+ c alınır.
Misal. Verilir:
xi 1250 1270 1290

ni 2 5 3

n = 2 + 5 + 3 = 10, c = 1270, ui = x i−c , u1 =1250 – 1270= -20, u2 = 1270-1270=0,

u3 = 1290-1270 =20,

ui -20 0 20

ni 2 5 3
Deməli,
2⋅(−20 ) +5⋅0+3⋅20
x̄=ū+ c=1270+ =1270+ 2=1272 , { ū= x̄−c=1270−2=1268 ,¿
10

MÜHAZIRƏ 18
 STATİSTİK QİYMƏTLƏRİN QURULMASI ÜSULLARI. MOMENTLƏR VƏ
MAKSİMAL HƏQİQƏTƏOXŞARLIQ ÜSULLARI

1. STATİSTİK QƏRARLARIN XÜSUSIYYƏTLƏRİ

Yuxarıda qeyd edildiyi kimi riyazi statistikanın əsas məsələlərindən biri də müşa-
hidənin nəticələrinə əsasən təsadüfi kəmiyyətin naməlum paylanmasının statistik qiymət-lən-
dirməsidir. Əksər hallarda təsadüfü kəmiyyətin paylanma funksiyasının növü məlum olur və
ona görə də baxılan məsələ naməlum paylanma parametrinin statistik qiymətinin tapılmasına
gətirilir. Ümumi halda statistik qərarlar müşahidənin məhdud sayda nəticələrinə əsasən
alınmış nəticələrin ümumiləşdirilməsi və onların bütövlükdə ümumi çoxluğa şamil edilməsi
ilə bağlı məsələlərin analizindən ibarətdir.

Qeyd etdiyimiz kimi tapılmış statistik qiymətin mümkün qiymətlərdən ən yaxşısı

olması üçün o, müəyyən optimallıq şərtlərini ödəməlidir. Bu cür qiymətlərin qurulması
metodlarını verməzdən əvvəl, müşahidənin nəticələri əsasında çıxarılan qərarların bəzi
xüsusiyyətlərini verək.

Statistik qərarların xarakteri tədqiq edilən konkret məsələdən asılıdır.

Statistik qərarların iki növünü fərqləndirirlər:

1) statistik qiymətləndirmə, 2) statistik hipotezlərin yoxlanılması.

Bu qərarların xüsusiyyətləri ilə tanış olaq:

1. Statistik qiymətləndirmənin əsas məsələsi isə ən yaxşı statistik qiymətin seçilməsindən

və onun ümumi çoxluğun naməlum parametrinin təqribi qiyməti olaraq qəbul olunması və ya
olunmaması üçün statistik qərarın çıxarılmasından ibarətdir.

2. Statistik hipotezlərin yoxlanılmasının əsas məsələsi mümkün olan alternativ

^
qərarlardan birinin seçilməsinin əsaslandırılmasıdır. Buna misal olaraq, məsələn θ -nın θ -
dan böyük olmasının əsaslandırılmasını; yeni və ənənəvi texnologiyaların səmərəliliyinin
müqayisəsini, verilmiş təsadüfi seçimin parametrləri məlum olan ümumi çoxluğa və ya iki
müxtəlif seçimin eyni bir ümumi çoxluğa aid edilməsini, onlar arasında fərqin əhəmiy-
yətliyinin müəyyən edilməsini və s. göstərmək olar.
Riyazi statistikada müxtəlif alternativ qərarlardan birinin qəbul olunmasını əsaslandıran
kriterilər işlənib hazırlanmışdır.

Naməlum parametrlərin qiymətləndirilməsi iki üsulla aparılır:

1) Naməlum parametrin təqribi qiyməti tapılır;

2) Verilmiş ehtimalla naməlum parametri öz daxilində saxlayan interval qurulur.
Bununla əlaqədar olaraq statistik qiymətləndirmənin iki üsulunu-nöqtəvi qiymətlən-
dirmələr və etibarlı intervalların qurulması metodlarını fərqləndirirlər.
 Beləliklə, naməlum parametrlərin qiymətləndirilməsi və statistik hipotezlərin yoxlanıl-
ması statistik qərarların çıxarılmasının iki müxtəlif növüdür.

2. STATİSTİK QİYMƏTLƏRİN QURULMASI ÜSULLARI

Bu paraqrafda statistik qiymətlərin qurulması metodları-əvəzetmə (anoloji), ən kiçik

kvadratlar, momentlər və maksimal doğruyaoxşarlıq (həqiqətəoxşarlıq) metodları verilir.

Əvəzetmə metodu. Bu metodun mahiyyəti ondan ibarətdir ki, naməlum parametrin

statistik qiyməti olaraq uyğun seçimi xarakteristika götürülür. Məsələn, ümumi çoxluğun
naməlum riyazi gözləməsinin statistik qiyməti olaraq seçimi orta; dispersiyası üçün seçimi
dispersiya; üç tərtibli mərkəzi moment üçün üç tərtibli seçimi mərkəzi moment və s.
götürülür.

Ən kiçik kvadratlar metodu. Statistik qiymətlərin qurulmasının ən geniş yayılmış

metotlarından biridir. Bu metodu ilk dəfə Qauss təklif etmişdir. Bu metoda görə naməlum
parametrin statistik qiyməti seçimin elementlərinin parametrin əsl qiymətindən
yayınmalarının kvadratları cəminin minimiallaşdırılması şərtindən tapılır:
n
∑ ( x i−θ ) 2 →min
y= i=1

Misal 1. X ümumi çoxluğunun naməlum EX=a riyazi gözləməsinin ən kiçik

kvadratlar metodu ilə statistik qiymətini tapaq.

Həlli. X ümumi çoxluğundan

X 1 , X 2 ,...,X n seçimini götürək. Bu metoda görə a para-
metrinin statistik qiyməti
n
∑ ( X i −a ) 2 →min
y= i=1

şərtindən tapılır. Ekstremumun zəruri şərtinə görə

n
dy
=−2 ∑ ( X i−a )=0
da i=1

olduğunu alırıq. Buradan isə axtarılan statistik qiymətin

n
1
^
a= ∑ X = X̄
n i =1 i

seçimi orta olduğu alınır.

 Momentlər üsulu. Statistik qiymətlərin qurulmasının ümumi metodunu K. Pirson tək-
lif etmişdir. Bu metoda momentlər metodu deyilir.

Momentlər metoduna görə seçimi momentlər naməlim ümumi paylanmanın uyğun

nəzəri momentlərinə bərabər edilir. Baxılan momentlərin sayı isə naməlum parametrlərin
sayına bərabər götürülür. Alınan tənliklər sistemini naməlum parametrlərə görə həll edərək
axtarılan statistik qiymətlər tapılır.

f ( x , θ1 , . .. , θn )
Tutaq ki, ümumi paylanmanın sıxlıq funksiyası şəklindədir. Ümumi
paylanmanın n sayda başlanğıc momentlərini təyin edək:
∞
b m (θ 1 ,θ2 ,...,θ n )=EX = ∫ xm f ( x,θ1 ,θ2 ,...,θn )dx
m
−∞ , m=1 , 2 ,. .. , n

Uyğun seçimi momentləri hesablayaq:

n
1
b^ m= ∑ X m
n i =1 i

Nəzəri momentləri uyğun seçimi momentlərə bərabər götürsək,

{bm(θ1,...,θn)=b^m ¿ ¿¿¿ (1)

tənliklər sistemini alırıq. Alınmış tənliklər sistemini naməlum 1 2

θ , θ ,. .. , θ
n parameterlərinə
^ ^ ^
görə həll edərək, onların axtarılan θ1 , θ2 ,. .. , θn statistik qiymətlərini tapırıq.

Tutaq ki, ümumi çoxluq üstlü qanun ilə paylanır. Onda

f ( x )=λe− λx (x ≥0);
n
1 1
b 1 ( λ )=EX= b^ 1= ∑ X i
λ, n i=1

1 ^ 1
=X λ=
Baxılan halda (1) tənliklər sistemi λ tənliyinə çevrilər, buradan isə X̄
olduğunu alırıq. Deməli,  parametrinin axtarılan qiyməti seçimi ortanın tərs qiymətidir.

Ümumi çoxluq normal qanun ilə paylandqda

 ( x−a )2
−
1 2
e 2σ ,b 1 ( a , σ ) =EX=a
2
f ( x )=
σ √2 π
b 2 ( a , σ 2 )=DX −( EX ) =σ 2−a2
2

n n
1 1
b^ 1= ∑ X i= X̄ b^ 2= ∑ X 2i =var ( X )−( X̄ )
2
n i=1 , n i=1 .

Bu halda (1) tənliklər sistemi

{ a= X̄ ¿ ¿¿¿
2
^ X̄ , σ^ 2=var ( X )
sisteminə çevrilir. Onu axtarılan a və σ parametrlərinə görə həll etsək, a=
olduğunu alırıq.

Maksimal doğruyaoxşarlıq (həqiqətəoxşarlıq) üsulu. Müəyyən mənada daha “yaxşı”

statistik qiymətlərin qurulmasının optimal metodu R. Fişer tərəfindən təklif edilmiş mak-
simal doğruyaoxşarlıq metodudur. Maksimal doğruyaoxşarlıq metodu müşahidələrin nəti-
cələrinə görə parametrlərin statistik qiymətlərinin qurulmasının ən geniş yayılmış metod-
larından biridir.

Tutaq ki,
X 1 , X 2 ,...,X n sıxlıq funksiyası f ( x , θ ) olan X təsadüfi kəmiyyətinin müşa-

hidə edilən qiymətləridir. X - diskret təsadüfi kəmiyyət olduqda f ( x , θ ) ehtimal, kəsilməz

olduqda isə paylanmanın sıxlıq funksiyasıdır.
L ( X 1 , X 2 ,. . ., X n ; θ ) =f ( X 1 ;θ ) f ( X 2 ; θ ) . .. f ( X n ; θ )
(2)

funksiyasını R. Fişer maksimal doğruyaoxşarlıq funksiyası adlandırmışdır.

Diskret halda doğruyaoxşarlıq funksiyası

L ( X 1 , X 2 ,. . ., X n ; θ ) =p i (θ ) pi2 ( θ ) .. . p in ( θ )
1 (3)

münasibətilə təyin edilir.

Bu metoda görə verilmiş paylanmanın naməlum parametrlərinin statistik qiymətləri

həmin parametrlərdən asılı funksiyanın maksimumunun axtarılması məsələsinə gətirilir.
Doğruyaoxşarlıq funksiyasının θ -nın funksiyası kimi maksimum nöqtəsinə maksimal
doğruyaoxşarlıq metodu ilə alınmış maksimal doğruyaoxşarlıq statistik qiymət deyilir.
 Tutaq ki, X təsadüfi kəmiyyətinin sıxlıq funksiyası n sayda naməlum
θ1 ,θ2 ,...,θn
parametrlərindən asılıdır. Doğruyaoxşarlıq funksiyasının maksimum nöqtələri

{∂L ( X 1 , X 2 ,...,X n ;θ1 ,θ2 ,...,θn )

∂θi
=0,¿ ¿¿¿
(4)

tənliklər sistemindən tapılır. (4) tənliklər sisteminə doğruyaoxşarlıq tənliklər sistemi

deyilir və sistemin həlləri uyğun parametrlərin statistik qiymətləri olaraq götürülür.

Riyazi analizdən məlumdur ki, L ( θ ) əvəzinə l n ( θ )=ln L (θ ) funksiyasına baxdıqda

maksimum nöqtəsi dəyişmir. Ona görə də təcrübədə adətən L ( θ ) əvəzinə l n ( θ )=ln L (θ )
funksiyasından istifadə edilir. Belə ki, bu zaman hesablamaların aparılması əhəmiyyətli
dərəcədə sadələşir.

Əvvəlcə fərz edək ki, f ( x , θ ) bir naməlum parametrdən asılıdır. Bu halda l n ( θ )

funksiyasının maksimumu (4.8) -ə görə
d l n (θ )
=0
dθ (5)

tənliyindən tapılır.

d 2 ln ( θ )
<0 , θ=θ^ ^
Yenə riyazi analizdən məlumdur ki, əgər dθ olarsa, onda θ maksimum
^
nöqtəsidir. Tapılmış θ maksimum nöqtəsi naməlum  parametrinin maksimal doğruya-
oxşarlıq statistik qiyməti olaraq götürülür.

İndi isə fərz edək ki, kəsilməz X - təsadüfi kəmiyyətinin sıxlıq funksiyası naməlum θ1
və θ2 parametrlərindən asılıdır. Maksimal doğruyaoxşarlıq funksiyası naməlum θ1 və θ2
parametrlərinin funksiyasıdır:
L ( θ1 , θ2 )=f ( x 1 ; θ1 , θ2 )⋅f ( x 2 ; θ 1 ,θ 2 )

Baxılan halda (4) tənliklər sistemini

{
∂ln ( θ1 ,θ2)
∂θ1
=0,¿¿¿¿
(6)
 l n ( θ 1 ,θ 2 ) =ln L ( θ1 , θ2 )
kimi yaza bilərik, burada

(6) tənliklər sisteminin həlləri naməlum θ1 və θ2 parametrlərinin statistik qiymətləri

olaraq götürülür.

Praktikada təsadüf olunan əksər paylanmaların parametrlərinin maksimal doğruyaox-

şarlıq metodu ilə tapılan statistik qiymətləri tutarlı statistik qiymətlər olur və onlar
asimptotik normal təsadüfi kəmiyyətlər olaraq qiymətləndirilən parametrin digər statistik
qiymətləri ilə müqayisədə ən kiçik dispersiyaya malik olur.

Maksimal doğruyaoxşarlıq metodu ilə tapılmış statistik qiymətlərin səciyyəvi xüsusiy-

yətlər aşağıdakılardır:

1) Doğruyaoxşarlıq tənliyinin həlli vardır və bu həll naməlum parametrin tutarlı

qiymətidir;
2) Doğruyaoxşarlıq tənliyinin həlli naməlum parametrin asimptotik effektiv statistik
qiymətdir;
3) Doğruyaoxşarlıq tənliyinin həlli asimptotik normal kəmiyyətdir, yəni n→ ∞ olduqda
tapılmış statistik qiymət uyğun normalanmadan sonra normal paylanmaya yığılır;
4) Əgər naməlum parametrin effektiv statistik qiyməti vardırsa, onda doğruyaoxşarlıq
tənliyinin bu effektiv qiymət ilə üst-üstə düşən yeganə həlli vardır.
Misal 2. Maksimal doğruyaoxşarlıq metodu ilə ( n , p ) parametrli binomial paylanmanın
parametrinin statistik qiymətini hesablayaq.

Həlli. X - təsadüfi kəmiyyəti 0 və 1 qiymətlərini uyğun olaraq q və p , p+q=1

ehtimalları ilə alır. Bu halda n həcmli seçimdə k sayda 1, n−k sayda sıfırlar olacaqdır.
Onda doğruyaoxşarlıq funksiyası

L ( X 1 , X 2 ,. . ., X n ; p )= p k q n−k

olur. Baxılan halda (5)

dl n k n−k k
= − =0 ^p=
dp p 1− p ⇒ n.

tənliyinə çevrilir. Bu tənliyin yeganə həlli isə maksimal doğruyaoxşarlıq statistik qiymətdir.
k k
^p= M ( )= p
Beləliklə, n . Məlumdur ki, n . Deməli ^p meylsiz statistik qiymət eyni za-
manda tutarlı statistik qiymətdir.

Misal 3. Puasson paylanmasının maksimal doğruyaoxşarlıq metodu ilə naməlum 

^
parametrinin λ statistik qiymətini tapaq.
 Həlli. Bu halda maksimal doğruyaoxşarlıq funksiyası
n
∑ Xi
n −λ Xi −nλ
e λ e λi =1
L( λ )= Π = n
i=1 Xi !
Π Xi !
i=1

şəklində olar. Axırıncı bərabərlikdən

n n
l n ( λ )=InL( λ )=−nλ+ ∑ X i⋅In λ−In Π X i !
i =1 i=1

olduğunu alarıq. (6) tənliklər sistemi

dl n ( λ ) 1
n

dλ
=−n+ ∑ X =0
λ i=1 i

^
şəklində olur. Buradan isə λ= X̄ olduğunu alırıq.

Beləliklə, Puasson paylanmasının  parametrinin maksimal doğruyaoxşarlıq metodu ilə

tapılmış qiyməti seçimi ortadır.
2
Misal 4. Normal paylanmanın a və σ naməlum parametrlərinin maksimal doğruya-
oxşarlıq metodu ilə statistik qiymətləri üçün
n
1
^
a= ∑ X = X̄
n i =1 i

və
n
1
σ^ 2= ∑
n i=1
( X i − X̄ ) 2=S 2

olduğu alınır. Göründüyü kimi normal paylanma parametrlərinin maksimal doğruyaoxşarlıq

və momentlər metodları ilə tapılmış statistik qiymətləri üst-üstə düşür.

3. EHTİMALIN NİSBİ TEZLİYƏ GÖRƏ NÖQTƏVİ

QİYMƏTLƏNDİRİLMƏSİ

Tutaq ki, aparılan asılı olmayan sınaqlarda A hadisəsinin p baş vermə ehtimalı
naməlumdur. Nisbi tezliyə əsasən naməlum p parametrinin statistik qiymətlini tapaq.
Naməlum p ehtimalının statistik qiyməti olaraq
 m
w=
n

nisbi tezliyini götürək, burada n aparılan sınaqların, m isə A hadisəsinin baş vermə sayıdır.
Məlumdur ki,

Em=np , Dm=npq ,

burada q=1− p . Onda

1 1
Ew= Em= np= p
n n

və
1 pq
DW = Dm=
n2 n

m
lim Dw=0 w=
olduğunu alırıq. və n→∞ olduğuna görə n nisbi tezliyi hadisənin
naməlum p ehtimalının meylsiz və tutarlı statistik qiymətidir.

MÜHAZIRƏ 19
Statistik hipotezlər və onların növləri. Statistik hipotezlərin
yoxlanılmasının ümumi sxemi

1. Statistik hipotezlər haqqında ümumi anlayış.

Hipotez termini yunancadan (hypothesis) tərcümədə hipotez, güman, fərziyyə vә ya
ehtimal anlamına gəlir.

Təsadüfi hadisə və ya proseslər üzərində aparılmış müşahidələrin nəticələrin statistik

işlənilməsi əsasında onların qanunauyğunluğu və ya inkişaf tendensiyası haqqında müəyyən
fərziyyə (mülahizə şəklində söylənilən fikir) irəli sürülür. Fərziyyələrin statistik
yoxlanılmasının böyük praktiki əhəmiyyəti vardır. Bir çox təklif olunan fərziyyələırin statis-
tik yoxlanılması nəticəsində kəşflər alınır. Belə ki, təcrübə və ya müşahidələr nəticəsində
əldə edilən məlumatların statistik işlənilməsi təklif olunan fərziyyənin doğru və ya təxminən
həqiqətə yaxınlığını aşkar etməyə imkan verir.
 İrəli sürülən fərziyyəyə hipotez deyilir. İrəli sürülən hipotezin qəbul olunması və ya
təkzib olunması adətən hipotezin irəli sürülməsindən dərhal sonra baş vermir. Əksər hallarda
hipotezin irəli sürülməsindən onun sübutuna qədər kifayət qәdәr uzun zaman keçir. Mәsәlən,
kainatın mənşəyi haqqında elmi hipotez indiyə kimi yoxlanılmamışdır. Kopernikin günəş
sistemi haqqında təlimi isә yarandığı dövrdən keçən üç yüz il ərzində yalnız hipotez olaraq
qalmışdır. Yalnız XIX əsrin ortalarında mәşhur fransız astronomu Leverye və alman
astromomu Halle bu hipotezin doğru olduğunu sübuta yetirmişlər. Bәzən hipotezin yoxlanıl-
ması kiçik zaman kəsiyində mümkün olur. Mәsәlәn, 1846-cı ildә Leverye Uran planetinin
tәdqiqinә әsaslanaraq namәlum planetin mövcud olması haqqında hipotez irәli sürmüşdür.
O, Neptun adlandırılan bu planetin orbitini və koordinatlarını müəyyən etdi. Elә hәmin il
Leveryenin hipotezi təsdiqini tapdı. Bu planeti isə Halle kәşf etdi.

İrəli sürülən hipotezin yoxlanılması tədqiqatın məqsədinə uyğun olaraq xüsusi təşkil
edilmiş elmi müşahidə vә ya tədqiqatın məqsədinə uyğun aparılmış eksperiment nəticəsində
alınmış məlumatların kömәyi ilә mümkün ola bilәr. Bunun üçün aparılmış müşahidənin,
eksperimentin vә ya tәdqiqatın nәticәləri haqqında kütlәvi məlumatlara malik olmaq
lazımdır. Bu məlumatların kəmiyyət xarakteristikaları, adətən təsadüfi kəmiyyətlərin reali-
zasiyası kimi qəbul olunur, başqa sözlə desək, kütlәvi məlumatların kəmiyyətcə ifadəsi
təsadüfi kәmiyyәtlәrlә xarakterizə edilir.

Elmi hipotez dedikdə müəyyən hadisəlәr və ya proseslər toplusunu izah edәn,

bilavasitə müşahidə olunmayan faktlar və qanunauyğunluqlar haqqında elmi cәhәtdәn
әsaslandırılmış fərziyyə başa düşülür. Statistik hipotez isə bu təsadüfi kəmiyyətlərin birgə
paylanmasının hər hansı bir paylanmalar sinfinə aid olması haqqında mülahizə kimi
formalaşır.

Təsadüfi kәmiyyət üzərində aparılmış müşahidələrin nəticələrinə əsasən qeyri-

müәyyәnlik şәraitindә irəli sürülən nəzəri fərziyyənin doğru və ya yalan olması statistik
hipotezlərin köməyilə yoxlanıla bilәr. Təsadüfi kәmiyyәtlərin vә ya onların qiymətləri
çoxluğu kimi qəbul olunan ümumi çoxluqların paylanma qanunları və ya məlum paylanma
qanunlarının parametrləri haqqında irəli sürülən mülahizə statistik hipotez adlanır.

Statistik hipotez elmi hipotezin xüsusi halıdır. O, elmi hipotez anlayışına nisbәtәn
mәhdud anlayışdır. Məsələn, Marsda canlı materiyanın mövcud olması haqqında hipotez
elmi hipotezdir, lakin statistik deyildir. Vaxtilə Stalinin ölümü haqqında irəli sürülən bir
hipotez - Stalin zəhərlənmədən ölmüşdür hipotezi də statistik hipotez deyildir. Çünki hər bir
belə hipotez hər hansı təsadüfi kəmiyyətin nə paylanma qanununa, nə də onun paylanma
qanununun parametrlərinə aid deyildir. Əlavə olaraq deyək ki, belə hipotezlər statistik
üsullarla yoxlanıla bilməz. Ancaq “Bitkiçilik məhsulları istehsalı ilә məşğul olan ailə-kəndli
tәsәrrüfatlarında rentabellik səviyyәsi heyvandarlıq məhsulları istehsal edən ailə kəndli
tәsәrrüfatlarına nisbәtәn yüksəkdir” hipotezi statistikdir. Ona görə ki, bu halda orta
rentabellik sәviyyәsinә tәsәrrüfatlar çoxluğuna nәzәrәn təsadüfi kәmiyyәt kimi baxılır vә o,
paylanmanın parametri kimi qәbul olunur.

Statistik hipotezlərin yoxlanmasına gətirilən aşağıdakı mәsәlәlərə baxaq:

Misal 1. İnsanların karonaya yoluxması yoluxanların hissәsi ilә ölçülür vә adi şәraitdә
müәyyәn
p0 =0 . 1 sәviyyәsinә malik olur. Fәrz edәk ki, peyvәnd aparıldıqdan sonra

insanların yoluxması
0 . 5= p1 < p 0 sәviyyәsinә qәdәr azalmışdır. İnsanların müayinәsinә
әsasәn peyvəndin səmərəliliyini yoxlamaq tələb olunur.

Misal 2. Tutaq ki, mәhsuldarlığı a 0 olan buğda növü mәhsuldarlığı a 1 olan buğda növü
ilә әvәz edilir. İkinci növ buğdanı rayonlaşdırdıqda, onun birinci növə nisbətәn daha
mәhsuldar olduğunu yoxlamaq tәlәb olunur.

Statistik hipotezlərin yoxlanması metodları təcrübədә geniş tәtbiq edilir. Mәsәlәn,

müәssisәlərin әmәk məhsuldarlığına görə planı yerinә yetirmәlərinә nәzarәt; yeni və ənənəvi
texnologiyanın səmərəliliklərinin müqayisəsi; kәnd təsərrüfatı bitkilərinin mәhsuldarlıq-
larının müqayisәsi; istehsal edilәn mәhsulun keyfiyyәtinə nəzarət vә s. kimi məsələlər sta-
tistik hipotezlərin yoxlanılmasına әsaslanır.

Yuxarıda göstәrilәn mәsәlәlәrdә hipotezlərin şifahi tәsvir forması verilmişdir. Riyazi

statistikada isә şifahi tәsvir formasını riyazi dildə ifadə etmək lazımdır. Şifahi tәsvir
formasının riyazi dildə ifadəsini ikinçi misalın üzәrindә izah edək.

Mәlumdur ki, bitkilərin mәhsuldarlığı müxtәlif amillərdәn (torpağın keyfiyyәtindən,

hektara verilәn gübrәnin miqdarından, yağıntının orta illik miqdarından, müxtəlif aqrotex-
niki tədbirlərdən vә s.) asılıdır. Onda mərkəzi limit teoremlərinə görә məhsuldarlığı normal
təsadüfi kәmiyyәt kimi qəbul etsək, 1-ci növ buğdanın mәhsuldarlığına ( a , σ ) parametrli, 2-
ci növ buğdanın məhsuldarlığına isә ( b , σ ) parametrli normal təsadüfi kəmiyyət kimi
baxmaq olar. Belәliklә, buğdanın məhsuldarlığı haqqında iki hipotez irəli sürmək olar:

1) a=b – normal paylanmaya malik təsadüfi kәmiyyətlərin orta qiymətləri bәrabәrdir

(hәr iki buğda növünün mәhsuldarlığı eynidir);

2) a< b –2-ci təsadüfi kәmiyyәtin orta qiymәti birincidәn böyükdür (ikinci növ buğda
birinciyә nisbәtәn daha mәhsuldardır).

Yuxarıda deyilәnlәrә әsasәn statistik hipotezin yoxlanılması mәsәlәsinin riyazi qoyulu-

şuna aşağıdakı mәsәlә kimi baxa bilərik:

Araşdırılan ümumi çoxluğun (və ya müşahidə edilən X təsadüfi kәmiyyәtinin)

paylanma parametrləri və ya paylanma funksiyasının növü bәzәn mәlum olmur. Lakin
aparılan müşahidəlәrә vә digər mülahizələrə әsasәn bu paylanmanın a parametrinin
a a
müәyyәn 0 ədədinə bәrabәr olması; 0 - dan böyük vә ya kiçik qiymәtlәr alması; ümumu
çoxluğun normal paylanma qanunu ilə paylandığı vә s. haqqında müәyyәn mülahizələr
söylәmәk olar.

Tərif 1. Ümumi çoxluğun paylanma parametrləri vә yaxud paylanma funksiyasının

növü haqqında hipotezlərə statistik hipotezlər deyilir.

Mәsәlәn, “ X ümumi çoxluğu normal qanun ilə paylanır”; “Paylanmanın parametri 0

a
ədədinə bәrabәrdir”; “ X vә Y ümumi çoxluqlarının dispersiyaları müxtәlifdir” və s.
statistik hipotezlərdir.

2. Statistik hipotezlərin yoxlanılmasının əsas anlayışları

Statistik hipotezlərin yoxlanılması-müşahidə edilən təsadüfi hadisə və ya təsadüfi kə-

miyyəti təsvir edən ehtimal paylanması haqqında əvvəlcədən irəli sürülən statistik hipotez-
lərdən birinin qəbul və ya təkzib olunması haqqında qərar qəbul olunması problemidir.

Statistik hipotezlər təsadüfi kəmiyyət üzərində aparılmış sonlu sayda müşahidələrin

nəticələrinə, yəni statistik verilənlərə əsasən yoxlanılır. Belə ki, müşahidələrin nəticələrinə
əsasən hesablanmış ehtimal paylanmasının müәyyәn bir qayda ilә ümumi çoxluğun
paylanma parametrləri və yaxud onun paylanma funksiyasının növü haqqında hipotez ilə
uzlaşdığı və yaxud onlar arasındakı fərqin təsadüfi seçim mexanizmi ilә bağlı olan təsadüfi
xəta ilə əlaqədar olduğu yoxlanılır.

İrəli sürülən hipotezin qәbul va ya qəbul olunmamasını göstərən qaydaya uzlaşma

kriterisi deyilir.

Statistik hipotezlərin yoxlanılmasının əsas anlayışları ilә tanış olaq.

İrәli sürülәn hәr bir başlanğıc hipotezə әsas və ya ilkin hipotez deyilir. Әsas hipotez
H0
kimi işarә edilir.

Әsas hipotezə zidd olan hәr bir hipotezə alternativ hipotez deyilir. Alternativ hipotez
H 1 kimi işarə edilir.

Hipotezləri riyazi olaraq tәsvir etmәk üçün hipotezin işarәsindən sonra iki nöqtə (:)
qoyulur və ondan sonra hipotezin mәzmunu yazılır. Mәsәlәn, normal paylanmaya malik
ümumi çoxluğun riyazi gözləməsi a әdәdinә bәrabәrdir әsas hipotezi
H 0 : EX =a kimi, “ X -
ümumi çoxluğu normal paylanmaya malik deyil” alternativ hipotezi isə H 1 : “ X -normal
paylanmaya malik deyil” kimi yazılır.

Hipotezlər sadә vә mürәkkәb olur. Parametri birqiymətli olaraq tәyin edәn hipotezə
sadә hipotez deyilir. Mәsәlən, 1-ci mәsәlədәki hipotezlər sadәdir. Çünki burada 2 hal
mümkündür: p=0. 1 heyvanlar peyvәnd edilmәyib; p=0. 05 heyvanlar peyvәnd edilmişdir.
Deməli, paylanma parametrinin verilmiş bir әdәdә bәrabәr olması haqqında hipotez
yoxlanılır, yәni təsadüfi kәmiyyәtin paylanması tamamilә müәyyәndir.

Sadә olmayan hipotezlərə mürәkkәb hipotezlәr deyilir. Mürәkkәb hipotezlәrdә

parametrin ehtimal edilәn qiymәtlәr çoxluğu verilir. 2-ci mәsәlәdәki alternativ hipotezi
H 1 : b> a şәklindә yaza bilәrik. Bu mürәkkәb hipotezdir. Çünki b parametri a -dan böyük
istәnilәn qiymәti ala bilәr. Mürәkkәb hipotezlər sonlu vә ya sonsuz sayda sadә hipotezlәrdәn
ibarәtdir. Mәsәlәn, H 1 : b> a hipotezi sonsuz sayda sadә
b=b k (b k ,a -dan böyük istәnilәn
әdәddir) hipotezlərindәn ibarәtdir.

3. Kritik oblast və hipotezin qəbulu oblastı.

Kritik nöqtələr

Müəyyən kriterinin seçilmsindən sonra onun bütün müm-kün qiymətlər çoxluğunu iki
kəsişməyən altçoxluğa bölürlər: onlardan birincisi kriterinin sıfırıncı hipotezin inkar edildiyi,
ikincisi isə onun qəbul edildiyi qiymətlərini özündə saxlayır.
Kritik oblast - kriterinin sfırıncı hipotez inkar edilən qiy-mətlərinə deyilir.
Hipotezin qəbulolunma oblastı (mümkün qiymətlər oblastı) - kriterinin hipotezin
qəbul olunan qiymətlər küllisidir.
Statistik hipotezlərin yoxlanılmasının əsas prinsipi belə-dir: əgər kriterinin müşahidə
olunan qiyməti kritik oblasta daxildirsə, hipotez inkar edilir; əgər kriterinin müşahidə olunan
qiyməti hipotezin qəbulolunma oblastına daxildirsə, hipotez qəbul olunur.
K kriterisi birölçülü təsadüfi kəmiyyət olduğundan, onun bütün mümkün qiymətləri
müəyyən intervala daxildir. Ona görə də kritik oblast və kriterinin qəbul oblastı da interval
olurlar, demləi, onları ayıran nöqtələr var.
Kritik nöqtələr k kr(sərhədlər)- kritik oblastı hipotezin qəbul oblastından ayıran nöqtələrə
deyilir.
Birtərəfli (sağ və ya sol tərəfli), ikitərəfli kritik oblastları fərqləndirirlər.
Sağtərəfli - K > k krbərabərsizliyi ilə təyin olunan kritik oblasta deyilir. Burada k kr >0 - dır
(şəkil 1,a).

a)
0 Kkr
b) K
Kkr 0
 c) K
Kkr 0 Kkr
Şəkil 1

Soltərəfli - K < k krbərabərsizliyi ilə təyin olunan kritik oblasta deyilir. Burada k kr <0 - dır
(şəkil 1,b).
Birtərəfli - sağ və ya sol tərəfli kritik oblastı adlandırırlar.
İkitərəfli - K < k 1 , K >k 2 bərabərsizlikləri ilə təyin olu-nan kritik oblasta deyilir.
Xüsusi halda, əgər kritik nöqtələr sıfıra nəzərən sim-metrikdirsə, ikitərəfli kritik oblast
K ←k kr , K >k kr (və ya-xud |K|> k kr ) bərabərsizlikləri ilə təyin olunur (şəkil 1,c).
Bəs kritik oblastı necə tapmalı? Məslən, sağtərəfli kritik oblastın K > k kr, k kr >0
tapılmasına baxaq. Buradan görünür ki, sağtərəfli kritik oblastı tapmaq üçün kritik nöqtəni
tapmaq kifayətdir.
Onun tapılması üçün isə kifayət qədər kiçik α əhəmiyyətlilik dərəcəsi verir, sonra isə

P ( K >k kr ) =α
şərtindən k kr−i tapırlar. Sol tərəfli kritik oblast
P ( K <k kr ) =α

şrtindən tapılır.
İkitərəfli kritik oblast K < k 1 , K >k 2 bərabərsizlikləri ilə təyin olunduğundan, kritik
nöqtələri bu tələbdən tapırlar: sıfı-rıncı hipotez doğru olduqda, kriteri k 1−dən kiçik və ya k 2-
dən böyük qiymət alır ehtimalları cəmi qəbul olunmuş əhəmiyyətlilik dərəcəsinə bərabər
olsun:

P ( K >k kr ) + P ( K < k kr )=α (1)

Aydındır ki, kritik nqtələr sonsuz sayda üsulla tapıla bilərlər.

Qeyd 1. Əgər paylanma kriterisi sıfıra nəzərən sim-metrikdirsə və sıfıra nzərən
simmetrik −k kr və k kr (k kr > 0) nöqtələrini seçməyə əsas varsa, onda

P ( K >k kr ) =P ( K ←k kr )

α
və (1)-ə əsasən alırıq: P ( K >k kr ) = .
2

Qeyd 2. Qeyd edək ki, hər bir kriteri üçün uyğun cədvəl var və bu cədvəldən bu tələbi
ödəyən kritik nöqtə tapılır.

4. STATİSTİK HİPOTEZLƏRİN YOXLANILMASININ

ÜMUMİ SXEMİ

Statistik hipotezlərin yoxlanılmasında aşağıdakı mәrhәlәlәr yerinә yetirilmәlidir:

 1. Tәdqiq edilәn mәsәlә statistik hipotez şәklindә dürüst ifadә edilir.

2. Baxılan məsələnin mahiyyətinə uyğun olaraq əsas və alternativ hipotezin məzmunu

ifadə edilir. Alternativ hipotez adәtən, tәdqiq edilәn mәsәlәnin mahiyyətinə әsasәn seçilir.
Mәsәlәn, mәhsulun 5%-nin keyfiyyətsiz olması haqqında 0
H : p=0 . 05hipotezi yoxlanılırsa,
onda alternativ hipotez H 1 : p>0 . 05 kimi seçilmәlidir. Çünki məhsulun qüsurlu olma faizi 5-
dәn kiçik olarsa, onda mәhsul onsuz da keyfiyyәtli mәhsul kimi qәbul edilәcәkdir.

3. γ mühümlük ölçüsünün qiyməti verilir.

4. Əsas vә alternativ hipotezin məzmunundan asılı olaraq birtәrәfli vә yaxud ikitәrәfli

kritik oblast seçilir. Əgər alternativ hipotez H 1 : θ1 ≠θ2 olrsa, onda bizi öyrәnilәn θ
parametrinin θ1 -dən hәr iki tәrәfә meyli maraqlandırdığına görə θ<θ 1 və θ>θ 2 ikitәrәfli
H :θ<θ 1 olarsa, onda sol tərәfli, H 1 : θ>θ 2
kritik oblast qurulur. Əgər alternativ hipotez 1
olduqda isə sağ tәrәfli kritik oblast qurulur.

5. Əsas hipotezi yoxlamaq üçün statistik kriteri seçilir. Kriteri elə seçilməlidir ki, səhv
qərar qəbul olunması ehtimalı mümkün qədər kiçik olsun.Bunun üçün seçilmiş kriteri bir
sıra optimallıq (meylsiz, tutarlı, effektiv) şərtlərini ödəmәlidir.

Meylsizlik xassəsi əsas hipotezin qәbul oblastının simmetrikliyini tәmin edir. Tutarlılıq
xassәsi paylanmanın mərkәz әtrafında daha yığcamlılığını təmin edir. Effektivlik xassәsi isə
birinci vә ikinci növ səhvin ehtimalının kiçildilməsini təmin edir.

6. Seçilmiş kriterinin paylanma qanunu tapılır. Qeyd edәk ki, bu mәrhәlә riyazi cәhətdәn
hipotezlərin yoxlanılmasında әn çәtin mәrhәlәdir.

7. Həcmi nәzәrdә tutulan seçim götürülür vә ona әsasәn kriterinin müşahidə olunan
qiyməti hesablanır.

8. Kriterinin məlum paylanma qanununa və kritik oblastın növünә uyğun olaraq müvafiq
şərtlərdən kritik nöqtәlər tapılır.

9. Statistik hipotezin yoxlanılması qaydası ifadә edilir və bu qaydaya әsasən statistik qәrar
qәbul edilir. Belә ki, əgər kriterinin müşahidə olunan qiymәti kritik oblasta düşürsә, onda
əsas hipotez seçimi mәlumatlarla ziddiyyət təşkil edir və ona görə də qəbul olunmur. Kriteri-
nin müşahidә olunan qiyməti qәbul oblastına düşdükdә isə əsas hipotez qәbul edilir. Çünki o
seçimi mәlumatlarla uzlaşır.

Qeyd edәk ki, yoxlanılan hər bir hipotez üçün uyğun kriterilər işlənib hazırlanmışdır və
bu kriterilərin kritik nöqtələri cədvəli tərtib olunmuşdur.
 Kriterinin qurulması üçün ən çox normal ( Z− paylama), Styudent (t -paylanma), Fişer-
2
Snedekor ( F - paylanma) vә Pirson ( χ - paylanma) paylanmalarından istifadə edilir.

5. PAYLANMA PARAMETRLƏRİ HAQQINDA

HİPOTEZLƏRİN YOXLANILMASI

Statistiк hipotezləri onların vasitәsi həll olunan mәsәlәlərin növündәn asılı olaraq iki
qrupa bölmәк olar:

1. Ümumi çoxluğun paylanma funкsiyasının növü haqqnda hipotezlərin yoхlanılması.

2. Məlum paylanma qanunu ilə paylanmış ümumi coxluğun paylanma parametrləri
haqqında hipotezlərin yoxlanılması.

Aşağıda baxacağımız hipotezlərin yoxlanılmasında ümumi çoxluğun normal paylanma

qanununa tabe olduğu fərz olunur.

Hipotezlər ümumi çoxluqdan götürülmüş təsadüfi seçimlərə әsasәn yoхlanılır. Кonкret

hipotezin yoxlanılması proseduru seçimin хüsusiyyәtindәn asılıdır. Ona görə dә hipotezlәr
yoхlanarкәn aşağıdaкıları fәrqlәndirmәк lazımdır:

1) böyüк (n ¿ 30 ) vә кiçiк seçimlәr (n<30 ). Böyüк seçimlәr halında кriteri normal

paylanmaya maliк seçimi хaraкteristiкa кimi götürülә bilәr. Кiçiк seçimlәr halında isә
Styudent paylanmasına maliк кriterilərdən istifadә edilir;

2) eyni vә müхtәlif həcmli seçimlәr;

3) normal paylanma parametrləri-riyazi gözləmə vә dispersiya mәlum olan və məlum

olmayan hallar.

Bu fәsildә paylanma parametrləri haqqında aşağıdaкı hipotezlərin yoхlanılması öyrənilir:

I. Əlamәtin hissәsi haqqında hipotezlər:

a) әlamәtin hissәsi haqqında hipotezlәr;

b) iki ümumi çoxluqda әlamәtin hissәləri haqqında hipotezlər;

II. Dispersiyalar haqqında hipotezlər:

1) ümumi dispersiya haqqında hipotezlər:

a) ümumi orta mәlumdur;

 b) ümumi orta namәlumdur;

2) iki ümumi çoxluğun dispersiyalarının müqayisәsi haqqında hipotezlər:

a) ümumi orta mәlumdur;

b) ümumi orta namәlumdur;

3) üç vә daha çoх ümumi çoxluğun dispersiyalarının müqayisәsi haqqında hipo-tezlər:

a) eyni hәcmli seçimlәr;

b) müхtәlif həcmli seçimlәr.

III. Orta qiymәtlәr haqqında hipotezlər:

1) ümumi orta haqqında hipotezlər:

a) ümumi dispersiya mәlumdur;

b) ümumi dispersiya mәlum deyil.

2) iki orta qiymәt haqqında hipotezlər:

a) ümumi dispersiya mәlumdur;

b) ümumi dispersiya mәlum deyil.

Mühazirə 20
Dispersiya və korrelyasiya analizi

1. Dispersiya analizi modelləri. Riyazi statistikanın metodları müxtəlif eksperimental

tədqiqatların aparılmasında geniş tətbiq edilir. Bu metodlar sınaqların planlaşdırılmasında və
onların nəticələrinin analizində də mühüm əhəmiyyət kəsb edir. Belə metodlardan biri də
dispersion analiz metodudur. Bu metod ilk dəfə R.Fişer tərəfindən aqronomik təcrü-
bələrdən alınan nəticələrin araşdırılması üçün təklif olunmuşdur.
Dispersiya analizi - nəticələri müxtəlif keyfiyyət faktorlarının təsirindən asılı olan
sınaqların statistik analizi metodudur. Bu metodun köməyi ilə nəticə əlamətinə təsir edən
faktorlardan mühüm olanları seçilir və hər bir faktorun təsir dərəcəsi qiymətləndirilir.

Dispersiya analizi metodunun mahiyyəti ondan ibarətdir ki, nəticə əlamətinin

dispersiyası asılı olmayan təsadüfi toplananların cəmi şəklində göstərilir. Bu toplananlar
uyğun olaraq bu və ya digər faktorun təsirini, onların birgə təsirini və təsadüfi faktorların
təsir dərəcəsini xarakterizə edirlər. Təsadüfi toplananların dispersiyalarının müqayisəsi
keyfiyyət faktorunun nəticə əlamətinə təsir dərəcəsini qiymətləndirməyə imkan verir.
 Tutaq ki, X tədqiq edilən əlamət, A isə ona təsir edən faktordur. Bu cür modelə
birfaktorlu dispersiya modeli deyilir. X əlamətinin orta kəmiyyətini Х̄ ilə işarə edək.
Onda əlamətin müşahidə olunan qiymətinin orta kəmiyyətdən yayınmasını Х − Х̄ =α+γ
şəklində göstərmək olar. Burada α - A faktorunun təsiri hesabına yayınmanı, γ isə modelə
daxil edilməyən və ya təsadüfi faktorların təsiri hesabına yayınmanı xarakterizə edir. α və
σ 2=σ 2α + σ 2
γ -nın asılı olmayan təsadüfi kəmiyyətlər olduğu fərz olunur. Onda x γ olduğunu

yaza bilərik. Burada

σ 2α faktor dispersiyadır, σ 2γ isə modelə daxil edilməyən və ya təsadüfi
2
faktorların təsiri ilə şərtlənən qalıq dispersiyadır. σ α və
σ 2γ dispersiyalarını müqayisə
etməklə A faktorunun X əlamətinə təsir dərəcəsini qiymətləndirmək olar. Belə ki, dispersi-
yalar əhəmiyyətli dərəcədə fərqlənərsə, onda A faktorunun təsir dərəcəsi də əhəmiyyətli
olar. Əks halda isə onun əhəmiyyətsiz olduğu qəbul olunur.

2. BİRFAKTORLU DSİPERSİYA ANALİZI

2
Tutaq ki, eyni σ dispersiyasına və müxtəlif
EX 1 =EX 2 =...=EX p riyazi gözləmələrinə
malik normal paylanmış ümumi çoxluqlardan p sayda asılı olmayan təsadüfi seçimlər gö-
türülmüşdür.

H 0 : EX 1 =EX 2 =. . .=EX p əsas hipotezini yoxlamaq tələb edilir. Təcrübədə bu cür

məsələlərə keyfiyyət faktorlarının nəticə əlamətinə təsirinin qiymətləndirilməsində-buğdanın
növünün məhsuldarlığa, müəssisədə istehsal prosesinin təşkilinin istehsalın həcminə,yeni
texnologiyanın tətbiqinin istehsalın səmərəliliyinə, mal-qaranın cinsinin onların məhsuldar-
lıq səviyyəsinə, cihazın dəqiqliyinin ölçmələrin nəticələrinə, tədris metodikasının tələbələrin
müvəffəqiyyətinə və s. məsələlərdə təsadüf edilir.

Baxılan məsələ p=2 olduqda iki orta qiymətin müqayisəsi haqqında hipotezin
yoxlanılması məsəsləsi ilə üst – üstə düşür.

Tutaq ki, hər hansı normal paylanmaya malik X əlamətinə F keyfiyyət faktoru təsir
F 1 ,F 2 ,...,F p ilə işarə edək. Fərz edək ki, faktorun F i ,i=1,2,..., p
edir. Faktorun səviyyələrini
n x F
səviyyəsində i sayda sınaq aparılmışdır. ij ilə faktorun i səviyyəsində aparılmış j -cu
sınağın nəticəsini işarə edək.

Sınaqların nəticələrini aşağıdakı cədvəldə əks etdirək:

Sınaqların nəticələri. Cədvəl 1

 Faktorun Əlamətin müşahidə
Sınaqların sayı Qrup ortaları
səviyyəsi olunan qiymətləri
n1
x 11 , x12 ,. . ., x 1n 1
F1 n1 x̄ 1= ∑ x 1 j
1
n1 j=1

n2
x 21 , x 22 , . .. , x2 n n2 1
F2 x̄ 2 = ∑ x 2 j
2
n 2 j=1
… … … …

np
Fp x p 1 , x p 2 , .. . , x pn np 1
x̄ p = ∑ x pj
p
n p j =1

p p ni
1
n=∑ ni
n∑ ∑ xij
Yekunu __ x̄=
i=1 i=1 i=1

Aşağıdakı kəmiyyətləri təyin edək:

ni
1
x̄ i= ∑ x ij , i=1 ,2 , .. . , p
Səviyyədaxili (qrupdaxili) ortalar: n i j=1

p ni
1
x̄= ∑ ∑ xij
Ümumi orta: n i=1 i=1

Əlamətin müşahidə olunan qiymətlərinin ümumi ortadan yayınmalarının kvadratları

cəmini aşağıdakı kimi yaza bilərik:
p ni p ni p

∑ ∑ ( x ij− x̄ ) =∑ ∑ ( x ij− x̄ i )2 +∑ ( x̄ i− x̄ )2 ni
2

i=1 j=1 i=1 j=1 i=1 (1)

Axırıncı bərabərliyin sağ tərəfindəki birinci cəm, yəni əlamətin səviyyə daxilində
müşahidə olunan qiymətlərinin səviyyədaxili ortadan yayınmalarının kvadratları cəmi
səviyyədaxilində səpələnməni xarakterizə edir və səviyyədaxili (qrupdaxili və ya qalıq) cəm
adlanır. İkinci toplanan isə səviyyələrarası (qruplararası) səpələnməni xarakterizə edir və
səviyyələrarası (qruplararası və ya faktor) cəm adlanır.

Başqa sözlə, səviyyələrarası cəm faktorun X əlamətinə təsirini, səviyyədaxili cəm isə
təsadüfi amillərin təsirini xarakterizə edir.

Axırıncı bərabərliyə dsipersiya analizinin əsas tənliyi deyilir.

 3. KORRELYASİYA ASILILIQLARI

Məlumdur ki, xalq təsərrüfatının bütün sahələri arasında qarşılıqlı əlaqə və asılılıqlar
vardır. Məsələn, kənd təsərrüfatının inkişafı sənayenin inkişafı ilə sıx əlaqədardır. Belə ki,
sənaye kənd təsərrüfatını müxtəlif kənd təsərrüfatı maşınları və avadanlıqları ilə, mineral və
üzvi gübrələrlə və s. təmin edir. Kənd təsərrüfatı isə öz növbəsində sənayenin bir sıra
sahələrini, o cümlədən, yüngül və yeyinti sənayesi sahələrini müxtəlif xammallarla təmin edir.

Sosial-iqtisadi hadisələrin özləri kimi onların göstəriciləri arasında da qarşılıqlı əlaqələr

vardır. Belə ki, əmək məhsuldarlığı ilə məhsul vahidinin maya dəyəri, əməyin enerji ilə
silahlanma səviyyəsi ilə əmək məhsuldarlığı səviyyəsi, əhalinin gəlirləri ilə ərzaq xərcləri,
əmək məhsuldarlığı ilə məhsul istehsalının həcmi, firmada satışın həcmi ilə reklam xərcləri
və s. arasında sıx əlaqə mövcuddur. Aydındır ki, iqtisadi göstəricilərin özləri də bir sıra
amillərdən asılı olaraq dəyişir. Məsələn, dənli bitkilərin məhsuldarlığına torpağın keyfiyyəti,
bir hektar sahəyə verilən üzvi gübrənin miqdarı, şumun dərinliyi, yağıntının orta illik
miqdarı və bir sıra digər amillər təsir edir. Deməli, hadisələr bir-biri ilə sıx əlaqəlidirlər və
bir-birindən asılıdırlar. Məhz bu səbəbə görə də hadisələr və onları xarakterizə edən
göstəricilər arasındakı qarşılıqlı əlaqələri, asılılıqları öyrənmək və onların asılılıq (sıxlıq)
dərəcələrini qiymətləndirmək, yəni statistik analiz aparmaq olduqca vacibdir.

Korrelyasiya analizi riyazi statistikanın əsas metodlarından biri olub, hadisələr və

onların əlamətləri arasındakı qarşılıqlı əlaqələrin statistik analizində mühüm əhəmiyyət kəsb
edir. Korrelyasion termini latın sözü “correlatio”-dan əmələ gəlmişdir ki, bu da “münasibət”
və yaxud “qarşılıqlı əlaqə” deməkdir.

Hadisələr və onların əlamətləri arasındakı asılılıqlar funksional və korrelyasiya

asılılıqlarına bölünürlər. Funksional asılılıqlara adətən təbiət elmlərində təsadüf edilir. Bu
cür asılılıqların mühüm cəhəti ondan ibarətdir ki, amil əlamətinin kəmiyyəti ilə nəticə
əlamətinin kəmiyyəti arasında birqiymətli uyğunluq olur. Məsələn, kvadratın a tərəfi ilə
onun S sahəsi arasında funksional asılılıq mövcuddur. Belə ki, kvadratın sahəsi onun tərə-
finin kvadratı ilə düz mütənasibdir, yəni S  a . Burada tərəf -amil əlaməti, sahə isə nəticə
2

əlamətidir. Qeyd edək ki, təsadüfi kəmiyyətlər arasında da funksional asılılıq ola bilər.
2
Məsələn, tutaq ki, Y = X , burada X zərin bir dəfə atılışında yuxarı düşən üzündəki
1
rəqəmdir. Onda X təsadüfi kəmiyyətdir və 0, 1, 2,…, 6 qiymətlərinin hər birini 6 ehtimalı
ilə alır. X verildikdə Y birqiymətli olaraq təyin edilir.

Sosial-iqtisadi hadisələr arasında funksional asılılıqdan fərqli olan asılılıqlar

mövcuddur. Bu cür asılılıqlarda funksional asılılıqlardan fərqli olaraq, amil əlamətinin qeyd
edilmiş hər hansı bir qiymətinə nəticə əlamətinin bir deyil, çoxlu sayda qiymətləri uyğun
gəlir. Məsələn, aydındır ki, əmək məhsuldarlığının səviyyəsi əməyin enerji ilə silahlanma
səviyyəsindən bilavasitə asılıdır. Yəni əməyin enerji ilə silahlanma səviyyəsi nə qədər yuxarı
olarsa, əmək məhsuldarlığının səviyyəsi də bir o qədər yuxarı olar. Ancaq bu asılılığın
birqiymətliliyi haqqında heç nə demək olmaz. Eyni ilə mal-qaranın yemləmə səviyyəsinin
artırılması və yemin keyfiyyətinin yaxşılaşdırılması bilavasitə məhsuldarlığa təsir edir. La-
kin, məlumdur ki, ayrı-ayrı heyvanların məhsuldarlıq artımı müxtəlif olacaqdır.

Bu cür asılılıqlarda X amil əlamətinin hər bir qiymətinə Y nəticə əlamətinin bir neçə
qiymətinin uyğun gəlməsi onunla izah edilir ki, Y əlamətinə X amilindən başqa obyektiv və
subyektiv səbəblərə görə sınaq aparan şəxs tərəfindən nəzərə alınmayan digər amillər də təsir
edir. Bundan başqa, ola bilsin ki, X Y -ə bilavasitə deyil, dolayısı ilə, yəni digər amillərin
vasitəsilə təsir edir. Ona görə də baxılan asılılıqlarda amil əlamətinin hər bir qiymətinə nəticə
əlamətinin bir deyil, çoxlu sayda qiymətləri uyğun gəlir.

Tutaq ki, Y təsadüfi kəmiyyətinin paylanma funksiyası X təsadüfi kəmiyyətinin aldığı

qiymətlərdən asılıdır. Y və X təsadüfi kəmiyyətləri arasındakı bu cür asılılığa statistik
asılılıq deyilir. Bu halda Y asılı, X isə asılı olmayan təsadüfi kəmiyyət adlanır. Yuxarıda
göstərilən asılılıqların hər biri statistik asılılıqdır.

Təsadüfi kəmiyyətlər arasındakı statistik asılılığın öyrənilməsi böyük əhəmiyyət kəsb

edir. Bu asılı olmayan kəmiyyətin müəyyən qiymət alması şərtində asılı kəmiyyətin ala
biləcəyi qiymət barədə proqnoz verməyə imkan verir.

Xüsusi halda E ( Y / X ) şərti riyazi gözləməsi X kəmiyyətindən funksional asılı olarsa,

Y və X kəmiyyətləri arasındakı asılılıq korrelyasiya asılılığı adlanır.

Hadisələr arasındakı asılılığı öyrənən zaman iki mühüm hala baxılır. Birinci halda
müşahidəçi və ya sınaq aparan şəxs asılı olmayan dəyişənin müəyyən X qiymətlərini verir
və asılı dəyişənin uyğun qiymətlərini müşahidə edir. Beləliklə, X kəmiyyəti təsadüfi deyil
2
və onun hər bir qiymətinə σ dispersiyalı Y ümumi çoxluğu uyğun gəlir. Bu zaman
müşahidə edilən Y qiymətlərinə bu ümumi çoxluqdan təsadüfi seçim kimi baxılır və Y asılı
dəyişəninin X asılı olmayan dəyişənindən asılılığı x
^y =α + βx (əgər asılılıq xəttidirsə)
reqressiya tənliyi vasitəsi ilə verilir. Bu cür modelə reqressiya modeli deyilir.

İlkin məlumatlar başqa xarakterə də malik ola bilər. Belə ki, müşahidə edilən X ,Y
qiymətlərinə ikiölçülü ( X , Y ) ümumi çoxluğundan təsadüfi seçim kimi baxmaq olar.

Beləliklə, əvvəlki haldan fərqli olaraq artıq X qeyd edilməyən və yaxud nəzarət
edilməyən dəyişəndir. Bu cür modelə korrelyasiya modeli deyilir.
 Bu halda iki reqressiya tənliyi qurmaq olar: EY riyazi gözləməsi E ( Y / X )=α+ βx (Y -
in X -ə reqressiyası) düz xəttinin, EX isə E ( X /Y )=α 1 + β 1 x düz xəttinin üzərində yerləşir.
Bu iki model arasındakı fərq mühüm əhəmiyyətə malikdir. Bununla yanaşı analiz üçün
tətbiq edilən statistik aparat hər iki halda əsasən eynidir. Fərq isə alınan bəzi nəticələrin
müxtəlifliyində olacaqdır.

Qeyd edək ki, ümumiyyətlə təcrübədə, xüsusilə iqtisadi məlumatların analizində bu

modellər arasında fərqi dəqiq müəyyən etmək olmur.

Korrelyasiya analizi müşahidələrin və ya sınağın nəticələrinin təsadüfi kəmiyyət

olduğunu və onların çoxölçülü normal paylanmaya malik ümumi çoxluqdan götürüldüyünü
qəbul edir.

Çoxamilli modelə hansı amillərin daxil edilməsini müəyyən etmək üçün əlamətlər
arasında əlaqənin sıxlığının qiymətləndirilməsi korrelyasiya analizinin əsas məsələsidir.

Şərti riyazi gözləmənin statistik qiyməti olaraq şərti ortalar qəbul edilir. Şərti orta Y -in
X =x qiymətlərində müşahidə edilən qiymətlərinin hesabi ortası kimi hesablanır. Məsələn,
x 1=2 olduqda Y kəmiyyəti y 1 =5 , y 2=6 , y 3 =10 qiymətlərini alırsa, onda şərti orta

5+6+ 10
^y x= =7
3

kimi hesablanır. Korrelyasiya analizi aşağıdakı ardıcıl mərhələlərdən ibarətdir:

- ilkin nəzəri analiz;

- məsələnin qoyuluşu, amil və nəticə əlamətlərinin seçilməsi;

- statistik məlumatların toplanılması, korrelyasiya cədvəlinin tərtib edilməsi və korrel-

yasiya meydanının qurulması;

- müxtəlif üsulların köməyi ilə, məsələn, seçmə korrelyasiya əmsalına görə asılılığın ilkin
tədqiqi;

- asılılığın mühümlüyü haqqında hipotezin yoxlanması;

- korrelyasiya modelinin qurulması;

- alınmış nəticələrin interpretasiyası və analizi.

4. KORRELYASİYA CƏDVƏLI
 Tutaq ki, ( X , Y ) ümumi çoxluğundan n həcmli ( x i , y i ) , i=1 , 2, . .. , n seçimi götürülmüşdür.
n n
Seçimin həcmi böyük olarsa, x - in eyni bir qiyməti x dəfə, y -in eyni bir qiyməti y dəfə,
( x , y ) cütləri isə n xy dəfə müşahidə oluna bilər. Ona görə də n x ,n y və n xy tezlikləri hesablanır,
yəni müşahidələrin nəticələri qruplaşdırılır. Qruplaşdırılmış məlumatlar isə cədvəl şəklində
verilir. Bu cədvəldə amil əlamətinin qiymətləri sətirlərdə, nəticə əlamətinin qiymətləri isə
sütunlarda yazılır və beləliklə, hər iki əlamətin variasiya sırası qurulur.

İki ölçülü variasiya sırasının aşağıdakı cədvəl şəklində yazılışına korrelyasiya cədvəli
deyilir.

Korrelyasiya cədvəl. Cədvəl 7.1

X x1 x2 . . x
i
xk ny
.
Y . . .

y1 n11 n21 . . ni 1 . . . n k1 n y1
.

y2 n12 n22 . . ni 2 . . . nk 2 ny
2
.

. . . . . . . . . . . . . . . . . . . .
. . . .

n1 l n2 l . . nil . . . n kl ny
l
.

. . . . . . . . . . . . . . . . . . .
. . . . .

ym n1 m n2 m . . nim . . . n km ny
m
.

nx nx
1
nx
2
nx
i
. . . nx
k
n

Korrelyasiya cədvəlinin X sətrində X -in;Y sətrində isə Y -in müşahidə olunan

qiymətləri artan sıra ilə düzülmüşdür. i-cı sütunun və l -ci sətrin kəsişməsində isə ( i l )
x ,y

cütlərinin sayı, yəni

nil tezliyi yazılmışdır. n sütununda birölçülü Y variasiya sırasının, n x
y
sətrində isə X variasiya sırasının tezlikləri yazılmışdır. Bütün tezliklərin cəmi seçimin
həcminə bərabərdir:
m k
n=∑ n y =∑ n x
j j
j=1 j=1

n y , i=1 , 2 ,. .. , m n ,i=1 , 2 ,. .. , m i
i tezliyi i -ci sətrdəki, xi -ci sütundakı tezliklərin cəminə
bərabərdir:
k m
n y =∑ n jk n x =∑ n kj
k
j=1 , k j=1

40 müəssisədə əmək məhsuldarlığının səviyyəsi və məhsul vahidinin maya dəyəri haqqında

toplanmış məlumatlara görə korrelyasiya cədvəlinin tərtib edilməsi qaydasını izah edək.

Məhsul vahidinin maya dəyəri və əmək məhsuldarlığı arasında əlaqə. Cədvəl 7.2

Məhsul vahidinin Əmək məhsuldarlığı( X )

maya dəyəri ( Y ) , min Yekunu
man 10-12 12-14 14-16 16-18 18-20

6-8 – – 1 2 1 4

8-10 – – 4 3 1 8

10-12 – 3 4 7 – 14

12-14 2 4 5 – – 11

14-16 1 2 – – – 3

Yekunu 4 8 16 9 3 40

Cədvəlin birinci sətrində X əlamətinin, birinci sütununda isə Y əlamətinin müşahidə

edilən qiymətləri verilmişdir. Sətir və sütunların kəsişməsində əlamətlərin müşahidə olunan
qiymətlər cütünün tezliyi yazılmışdır. Məsələn, 7 ədədi göstərir ki, əmək məhsuldarlığının
səviyyəsi (16, 18), məhsul vahidinin maya dəyəri isə (10, 12) intervalında dəyişən 7
müəssisə vardır. (–) xətti göstərir ki, uyğun cütlər müşahidə olunmamışdır. Cədvəlin axı-
n
rıncı sütununda sətirlərin tezlikləri cəmi yazılmışdır. Məsələn, 3-cü sətrin tezlikləri cəmi y3
= 3 + 7 + 4 = 14 ədədinə bərabərdir. Bu ədəd onu göstərir ki, məhsul vahidinin maya dəyəri
(10, 12) intervalında dəyişən müəssisələr 14 dəfə müşahidə olunmuşdur. Axırıncı sətirdə isə
sütunların tezlikləri cəmi yazılır. Məsələn, 16 ədədi göstərir ki, əmək məhsuldarlığının
səviyyəsi (14, 16) intervalında dəyişən müəssisələrin sayı 16-dır.

Korrelyasiya cədvəli ilə ilkin tanışlıq əlamətlər arasında korrelyasiya aslılığının olub-
olmaması və onun istiqaməti haqqında mülahizələr söyləməyə imkan verir. Əgər cədvəldə
tezliklər yuxarı sol küncdən aşağı sağ küncə çəkilmiş diaqonal üzrə yerləşərsə, onda əlamətlər
arasında düzxətli korrelyasiyanın olduğunu; tezliklər yuxarı sağ küncdən aşağı sol küncə
çəkilmiş diaqonal üzərində yerləşərsə tərs əlaqənin olduğunu; tezliklər korrelyasiya cəd-
vəlinin hər yerində nizamsız, dağınıq, müntəzəm yerləşərsə əlamətlər arasında asılılığın
olmadığını fərz etmək olar.

5. SEÇMƏ KOVARİASİYA VƏ KORRELYASİYA ƏMSALLARI.

KORRELYASİYA MEYDANI

Korrelyasiya analizində əlamətlər arasındakı asılılığın sıxlığının qiymətləndirilməsi

mühüm əhəmiyyət kəsb edir. Asılılığın sıxlığını ölçmək, yəni X amil əlamətinin Y nəticə
əlamətinin variasiyasına təsir dərəcəsini qiymətləndirmək mühüm nəzəri və təcrübi
əhəmiyyətə malikdir. Asılılığın sıxlığını ölçməklə hər bir amil əlamətinin nəticə əlamətinə
təsir dərəcəsini qiymətləndirmək olur.
X və Y əlamətlərinin müşahidə olunan qiymətlərinin öz orta qiymətlərindən yayın-
malarının hasillərinin hesabi ortasına seçimi kovariasiya əmsalı deyilir və aşağıdakı kimi
hesablanır:
n
1
cov ( X , Y )= ∑ ( xi − x̄ )( y i − ȳ )
n i=1

Sadə çevirmələrdən sonra bu əmsalın hesablanması üçün aşağıdakı düsturu alarıq.

cov ( X , Y )=xy− x̄⋅ ȳ (2)

Seçmə kovariasiya əmsalı iki əlamət arasındakı qarşılıqlı əlaqənin ölçüsüdür. O, nəzəri
kovariasiya (ümumi kovariasya) əmsalının bütün xassələrinə malikdir.

Əlamətlər arasındakı asılılığın öyrənilməsi onlara uyğun ikiölçülü seçimi verilənlərin

işlənilməsindən başlayır. Bu asılılıqların tədqiqində korrelyasiya meydanı vasitə rolunu
oynayır. Korrelyasiya meydanını qurmaq üçün düzbucaqlı koordinat sistemində absisi amil
əlamətinin qiymətlərinə, ordinatı isə nəticə əlamətinin qiymətlərinə uyğun nöqtələr qurulur.

Seçmə verilənlərə uyğun nöqtələri koordinat sistemində qurduqda korrelyasiya meydanı

alınır. Meydanda nöqtələrin topalanma xarakterinə görə əlamətlər arasındakı asılılığın
forması haqqında öncədən müəyyən mülahizələr söyləmək olur.

Şəkil 1. Korrelyasiya meydanı

Korrelyasiya meydanında ( x̄ , ȳ ) nöqtəsi x , y dəyişənlərinin səpələnmə mərkəzidir. x= x̄

və y= ȳ düz xətləri korrelyasiya meydanını dörd oblasta bölür. 1-ci və 3-cü oblasta uyğun
müşahidələr üçün ( i )( i
x − x̄ y − ȳ ) >0
. Yayınmaların hasilləri cəmi müsbət kovariasiyanı
zənginləşdirir. 2-ci və 4-cü oblastlarda isə ( x i − x̄ )( y i− ȳ ) <0 . Bu isə öz növbəsində mənfi
kovariasiyanı zənginləşdirir.

Əlamətin müşahidə olunan qiymətlərinin öz orta qiymətlərindən müsbət yayınmaları

mənfi yayınmalara nisbətən üstünlük təşkil edərsə, onda kovariasiya müsbət, əksinə mənfi
yayınmalar üstünlük təşkil etdikdə isə kovariasiya mənfi olacaqdır.

Əlamətlər arasında əlaqənin xarakteri və gücü haqqında ən dəqiq informasiya korrel-

yasiya əmsalı və korrelyasiya nisbəti xarakteristikalarına əsaslanır.

Seçmə korrelyasiya əmsalı aşağıdakı düsturla verilir.

cov ( X , Y )
r XY =
S X SY (3)

Seçmə korrelyasiya əmsalı ümumi çoxluğun ρ XY korrelyasiya əmsalının statistik

qiymətidir və ona görə də kəmiyyət əlamətləri arasında xətti asılılıq ölçüsüdür. Ümumi
çoxluqdan götürülmüş seçim təsadüfi olduğu üçün seçimi korrelyasiya əmsalı da təsadüfi
kəmiyyətdir və onun qiymətlər oblastı [ −1,1 ] parçasıdır. Aşağıdakı şəkildə korrelyasiya
əmsalının həndəsi mənası əks olunmuşdur:
 Şəkil 2. Korrelyasiya meydanı

Şəkildə müşahidələrin nəticələrinə uyğun olan ( xi , yi ) , i=1,2,...,n nöqtələrinin paylan-

masının üç variantı göstərilmişdir.

Birinci variantda nöqtələrin əsas hissəsi korrelyasiya meydanında absis oxunun

müsbət istiqaməti ilə iti bucaq əmələ gətirən düz xətt ətrafında topalanırlar. Bu müsbət
korrelyasiyanın qrafikdir. Paylanmanın ikinci variantı mənfi korrelyasiyaya uyğun gəlir.
Üçüncü variantda nöqtələr korrelyasion meydanda müntəzəm şəkildə paylanmışdır, bu isə
əlamətlər arasında korrelyasiya əlaqəsinin olmadığını və yaxud zəif olduğunu göstərir.

Seçimin verilənlərinin xarakterindən asılı olaraq korrelyasiya əmsalını

n n n
n ∑ x i yi −∑ x i ∑ y i
i=1 i =1 i=1
r XY =

√[ ( ) ][ ( )]
n n 2 n n 2
n ∑ x 2i − ∑ xi n ∑ y 2i − ∑ yi
i =1 i=1 i=1 i =1

düsturu ilə də hesablamaq olar. Əlamətlər arasındakı xətti korrelyasiya əlaqəsinin qiymətlən-
dirilməsi aşağıdakı cədvəldə verilmişdir.

Xətti korrelyasiya əlaqəsinin qiymətləndirilməsi. Cədvəl 7.3

Xətti korrelyasiya Əlaqənin Əlaqənin xarakteri

əmsalı növü
r XY =0 Əlaqə
yoxdur

0< r XY < 1 Düz X -in artması

(azalması) ilə Y artır
(azalır)
X -in artması
(azalması) ilə Y
−1<r XY <0 Tərs
azalaır (artır)
 Amil əlamətinin hər
bir qiymətinə nəticə
r XY =±1 Funksional
əlamətinin bir

qiyməti uyğundur

r XY =0 olması əlamətlərin statistik asılı olmaması anlamına gətirmir və yalnız onlar

arasında xətti əlaqənin olmadığını göstərir. Bu halda əlamətlər arasında asılılığın başqa
forması ola bilər.

Beləliklə, əgər ümumi çoxluq normal qanunla paylanırsa, onda korrelyasiya əmsalı
əlamətlər arasında xətti asılılığın ölçüsüdür. Onun vahidə yaxın olması əlamətlər arasında
xətti əlaqənin mövcudluğunu sübut edir.

Korrelyasiya analizində elə hallara təsadüf olunur ki, əlamətlər arasında səbəb əlaqəsi
olmur, ancaq onlar arasında kifayət qədər güclü əlaqənin mövcudluğu aşkar edilir. Belə
korrelyasiyaya yalan və yaxud mənasız korrelyasiya deyilir.

Korrelyasiya analizində əlaqənin sıxlığı aşağıdakı təqribi sxem üzrə qiymətləndirilir:

Əlaqənin sıxlığının qiymətləndirilməsi. Cədvəl 7.4

Əlaqənin Korrelyasiya əmsalının qiyməti

sıxlığı

Düz əlaqə Tərs əlaqə

Zəif 0,1 – 0,4 (– 0,1) – (– 0,4)

Orta 0,4 – 0,7 (– 0,4) – (– 0,7)

Güclü 0,7 – 1 (– 0,7) – (– 1 )

MÜHAZİRƏ 21

Reqressiya analizi və reqressiya əmsallarının təyini

1. Məsələnin qoyuluşu. Riyazi statistikanın metodlarının tətbiqlərində bir çox hallarda
aşağıdakı məsələyə rast gəlinir:
 Tutaq ki, y təsadüfi kəmiyyəti 1 2
x , x ,..., x
k dəyişənlərindən və naməlum 1 2 k β , β ,..., β
parametrlərindən asılıdır. Naməlum parametrlərin statistik qiymətlərini tapmaq tələb olunur.
Bu məsələyə cüt reqressiya analizi deyilir.

Burada ( y , x 1 , x 2 , . .. , x k )
təsadüfi vektoruna ( k +1 ) - ölçülü ümumi çoxluq kimi, i -ci
sınağın nəticəsinə isə ümumi çoxluqdan həcmi ( k +1 ) olan təsadüfi seçim kimi baxmaq
olar.

x , x ,..., x k dəyişənlərindən asılılığını

Reqressiya analizi - y təsadüfi kəmiyyətinin 1 2
öyrənən statistik analiz metodudur. Burada 1 2
x , x ,..., x
k dəyişənləri təsa-düfi kəmiyyətlər

hesab edilmir. Bu metodun tətbiqində y təsadüfi kəmiyyətinin normal paylanmaya malik

olduğu fərz olunur.

Qeyd edək ki, reqressiya tənliyinin və 1 2

β , β ,..., β
k əmsallarının mühümlüyünün

yoxlanılması, onların etibarlı intervalının qurulması üçün y təsadüfi kəmiyyətinin normal

paylanmaya malik olması zəruridir. Ancaq bu şərtin ödənilməsi
β i əmsallarının statistik
qiymətlərinin tapılması üçün vacib deyildir.

Reqressiya analizində xətti model dedikdə naməlum

β 1 , β 2 ,..., β k parametrlərindən
x , x ,..., x k dəyişənlərindən
xətti asılı olan model başa düşülür. Naməlum parametrlərdən və 1 2
xətti asılı olan model isə xüsusi xətti model adlanır.

Ümumi şəkildə reqressiya analizinin xətti modeli aşağıdakı şəkildədir:

k
y= ∑ β j ϕ j ( x 1 , x 2 , .. . , x k ) +ε
j=0 ,

burada
ϕ j , x 1 , x2 ,..., x k dəyişənlərinin müəyyən funksiyası, ε isə təsadüfi kəmiyyətdir:

Eε=0 , Dε=σ 2
Reqressiya tənliyinin növü öyrənilən hadisənin təhlilinə əsasən müəyyən edilir.
Təcrübədə adətən reqressiya tənliyinin aşağıdakı növlərinə rast gəlinir:
~
y =β 0 + β1 x ;
1. Xətti –
~ k
2. Polinomial – y =β 0 + β1 x +. ..+ β k x ;
 ~ 1
y =β 0 + β1
3. Hiperbolik – x;

~
y =β 0 + β1 x 1 +. . .+ β k x k ;
4. n – ölçülü xətti hipermüstəvi –
~ β β
– y =β 0 x 1 . .. x k
1 k
5. Üstlü

Üstlü reqressiya tənliklərini loqarifmləmə əməliyyatının köməyi ilə parametrlərə görə

xətti tənliyə gətirmək olar.

Doğrudan da,
lq ~
y=lq β 0 + β1 lq x 1 +.. .+β k lq x k .

Onda

lq x i =ui , i=1 , 2 ,. .. , k ; lq ~
y =~z , lq β 0 =β 10

~ 1
işarə etsək, əvəzləmədən sonra z =β 0 + β1 u1 +.. .+ β k uk olduğunu alırıq. Eyni qayda ilə

1
u= , ui =x i ,i=1 , 2 ,. . ., k
x

əvəzləmələrinin köməyi ilə hiperbоlik və polinomial reqressiya tənlikləri xətti tənliklərə

gətirilir.

2. Cüt xətti reqressiya modelləri. Reqressiya əmsallarının təyini

Tutaq ki, öyrənilən hadisənin təhlili əsasında demək olar ki, y x – in xətti
funksiyasıdır
~
y =E ( y / x )=β 0 + β1 x + ε , (21.1)

β
burada 0 və β 1 sınağın nəticələrinə (seçimi verilənlərə) görə qiymətləndirilməsi tələb edilən
naməlum parametrlərdir.

Fərz edək ki,

β 0 və β 1 parametrlərinin statistik qiymətlərini tapmaq üçün ( X , Y )
ümumi çoxluğundan həcmi n olan təsadüfi seçim götürülmüşdür. i -ci sınağın nəticəsini
( x i , y i ) , i=1 , 2,.. ., n ilə işarə edək. Bu halda reqression analiz modeli
y i =β 0 +β 1 x i +ε i (21.2)

şəklində olur. Burada

ε i diskret bəyaz küydür. Başqa sözlə desək, ε i normal qanunla
paylanmış cüt-cüt asılı olmayan eyni dispersiyalı və qeyri – korrelyar təsadüfi kəmiyyətlər
ardıcıllığıdır:

Eε i=0; Dε i =σ 2 ; Eεi ε j =0 ; i≠ j ; i=1 , 2, . .. , n

Ən kiçik kvadratlar metoduna görə naməlum

β 0 və β 1 əmsalları

n n n
Q=∑ ( y i−~
y ) 2=∑ ( y i− β0 −β 1 x i )2 =∑ ε 2i
i= i=1 i =1

kvadratik formasının minimiallaşdırılması şərtindən tapılır. Q funksiyasının minimumunu

β
tapmaq üçün 0 və β 1 parametrlərinə görə xüsusi törəmələri hesablayaq:

{
n
∂Q
=−2 ∑ ( yi−β 0−β1 xi) ¿ ¿¿¿
∂β0 i=1
Ekstremumun zəruri şərtinə əsasən
β 0 və β 1 naməlum parametrləri

{∑ (
n
yi −b0−b1 xi )= 0 ¿ ¿¿¿
i=1

b β
tənliklər sisteminin həllidir. Burada 0 və b 1 uyğun olaraq naməlum 0 və β 1 para-
metrlərinin statistik qiymətləridir. Sadə çevirmələrdən sonra

{
n n
nb0 +b 1∑ xi =∑ y i ¿ ¿¿¿
i=1 i=1 (21.3)

tənliklər sistemini alırıq. Bu tənliklər sisteminə normal tənliklər sistemi deyilir.

Tənliklər sistemini b0 və b1-ə görə həll edərək

^y =b0 +b1 x (21.4)

reqressiya tənliyinin qiymətləndirməsini alırıq.

 Reqressiya xətti ( x̄ , ȳ ) nöqtəsindən keçir. b 1 reqressiyanın bucaq əmsalıdır və X
vahid qədər artdıqda Y -in orta hesabla neçə vahid artdığını göstərir. Qeyd edək ki, əgər
n
∑ x i =0 b 0 və b 1 aşağıdakı tənliklər sistemindən tapılır:
i=1 olarsa, onda

{ xy
b1= 2 ¿ ¿¿¿
x (21.5)

Beləliklə, (21.4) reqressiya tənliyini (seçimi reqressiya tənliyini)

sy
^y x− ȳ =r ( x− x̄ )
sx (21.6)

şəklində yaza bilərik, burada r əmsalı - X və Y kəmiyyətlərinin müşahidə olunan

qiymətləri arasındakı seçimi korrelyasiya əmsalı,
S x və S y isə müşahidə olunan qiymətlərin
kvadratik orta yayınmalarıdr.

Misal 1. Cədvəl 1-in məlumatlarına görə əhalinin ərzaq xərclərinin pul gəlirlərindən
reqressiya asılılığını quraq.

İlkin məlumatlar cədvəli. Cədvəl 1

İllər 2006 2007 2008 2009 2010

Gəlirlər, 3 7 10 15 19
X

Ərzaq 2 3 4 12 15
xərcləri, Y

Həlli. Hesablamaları aşağıdakı cədvəldə aparaq:

Reqressiya əmsallarının hesablanması cədvəli. Cədvəl 2

İllər x y x2 xy

2006 3 2 9 6

2007 7 3 49 21
 2008 10 4 100 40

2009 15 12 225 180

2010 19 15 361 285

Cəmlər 54 36 744 532

Ortalar 10.8 7.2 148.8 106.4

Cədvəlin məlumatlarına görə (21.5)-ə əsasən reqressiya əmsallarının statistik

qiymətləri

28 . 64
b 1= =0 . 891 b =7.2−0.891⋅10 .8=−2.42
32 .16 ; 0

olur və beləliklə, x
^y =−2. 42+0. 891x alırıq. Göründüyü kimi əhalinin pul gəlirlərinin artması
ilə ərzaq xərcləri də artır.

Mühazirə 22

Reqressiya analizinin ilkin şərtləri. Multikollinearlıq.

Xətti modelin adekvatlığının yoxlanılması

1. Reqressiya analizinin ilkin şərtləri. Ən kiçik kvadratlar metoduna əsaslanan
reqressiya analizinin mümkün nəticələrdən ən yaxşısını verməsi üçün müəyyən şərtlər, yəni
Qaus – Markov şərtləri ödənilməlidir. Bu şərtlər aşağıdakılardan ibarətdir:

1. İstənilən müşahidədə təsadüfi həddin riyazi gözləməsi sıfıra bərabərdir:

Mεi =0 , i=1 ,2, . .. , n

2. Bütün müşahidələr üçün təsadüfi həddin dispersiyası sabit ədəd olur:

Dε i=Mε 2i =σ 2 , i=1 ,2 , . .. , n

3. Təsadüfi hədlər qeyri – korrelyar kəmiyyətlərdir:

Mεi ε j =0 , i≠ j

4.
x i - təsadüfi kəmiyyət deyildir və o sınaq aparan şəxs tərəfindən verilir.
 Qaus–Markov şərtləri ödənildikdə model klassik normal reqressiya modeli adlanır.
Bu şərtlərlə yanaşı adətən, təsadüfi həddin ( 0 , σ ) parametrli normal paylanmaya malik oldu-
ğu fərz edilir.

Qeyd.Təsadüfi hədd normal paylanmaya malik olduqda qeyri–korrelyarlıq şərti asılı

olmamazlıq şərti ilə eynigüclüdür. Təsadüfi həddin normal paylanmaya malik olması şərti
isə reqressiya əmsallarının mühümlüyü haqqında hipotezlərin yoxlanılması və onların
etibarlı intervallarının qurulması üçün vacibdir.

Aşağıdakı reqressiya modelində

~
y =E ( y / x )=β 0 + β1 x +ε

Y təsadüfi kəmiyyəti iki toplananın cəmindən ibarətdir:

1. Təsadüfi olmayan
β 0 +β 1 x kəmiyyəti;

2. Təsadüfi ε kəmiyyəti.

Beləliklə, reqressiya əmsallarını iki toplananın cəmi şəklində göstərmək olar. Birinci
toplanan reqressiya əmsallarının əsil qiymətinə bərabər olan təsadüfi olma-yan kəmiyyətdir,
ikincisi isə ε -dan asılı təsadüfi kəmiyyətdir

Reqressiya əmsallarının ən kiçik kvadratlar metodu ilə alınmış statistik qiymətləri

εi
təsadüfi hədlərinin xətti funksiyası kimi normal paylanmaya malikdirlər.

Teorem (Qaus –Markov). Qaus – Markov şərtləri ödənildikdə reqressiya əm-

sallarının ən kiçik kvadratlar metodu ilə alınmış statistik qiymətləri xətti qiymətlər sinfində
ən yaxşı statsitik qiymətlərdir.

2. Multikollinearlıq. Iki və daha çoxdəyişəndən asılı reqressiya asılılığında para-

metrlər arasında korrelyasiya nə qədər çoxdursa, əmsalların paylanmasının nəzəri disperse-
yası bir o qədər böyük olur. Bu zaman reqressiya funksiyasının dəqiq olmaması riski artır və
bəzən hətta model yararsız olur. Müşahidə qiymətlərinin sayı kifayət qədər çoxdursa və
təsadüfi həddin dispersiyası kiçikdirsə, müəyyən hallarda tutarlı qiymətləndirmə müm-
kündür. Ümumiyyətlə, sərbəst dəyişənlərin bir-birindən asılılığı həmişə təhlükəlidir və o,
multikollienarlıq adlanan problem yaradır.

Fərz edək ki, istehlak üçün sərf olunan vəsait aşağıdakı ifadə ilə təyin olunur:
 C=β 0 + β 1 ∙ M + β 2 ∙ N + β 3 ∙ S+u ,

Burada M - maaş, N -əlavə gəlir, S -ümumi gəlirdir.

Aydındır ki, S = M + N olduğuna görə əslində istehlaka sərf olunan vəsait cəmisi iki
sərbəst dəyişəndən asılıdır. Ona görə də

C=b 0+ b1 ∙ M +b2 ∙ N + b3 ∙ S

reqressiya asılılığını qurmaq istəsək, əmsalların təyin edilməsi üçün alınan xətti tənliklər
sisteminin əsas determinantı sıfıra bərabər olacaq və əmsalları təyin etmək mümkün
olmayacaq. Bu hal tam kollinearlıq adlanır və praktikada az rast gəlinir. Sistemin əsas
determinantı kifayət qədər kiçik olduqda isə multikollinearlıq alınır.

Tam kollinearlığın statistikada az rast gəlinməsi təsadüfi amillərin təsiri ilə əlaqədardır
və sistemin əsas determinantının sıfırdan fərqli olması hələ reqressiya əmsallarının düzgün
təyin edilməsini göstərmir.

Multikollinearlığın aradan qaldırılması üçün müxtəlif üsullardan istifadə olunur:

1) Müşahidə qiymətlərinin artırılması. Bu üsuldan o vaxt istifadə olunur ki, əslində

sərbəst dəyişənlər arasında xətti asılılıq yoxdur, lakin müşahidə qiymətlərinin az olması guya
belə asılılığın olmasını göstərir. Dinamik sıralar verilirsə, seçmə hissəni ayırmaq daha
asandır. Məsələn, illik müşahidə qiymətləri əvəzinə aylıq, ongünlük, həftəlik və s.
qiymətlərə keçmək olar. Modeldə ərazi bölgüsü nəzərdə tutulduqda isə daha kiçik bölgü
aparmaqla informasiya artırılır.

2) Artıq sərbəst dəyişənlərin aradan çıxarılması. Əvvəlcədən iki sərbəst dəyişənin

asılı ola biləcəyi ehtimalı varsa, onlar bir dəyişənlə əvəz edilir. İki dəyişən arasında seçmə
korrelyasiya əmsalı böyük olduqda da dəyişənlərdən biri aslılıqdan çıxarılır. Lakin bu aradan
çıxarma əməliyyatında ehtiyatlı olmaq lazımdır, çünki dəyişənin səhvən aradan çıxarılması u
kəmiyyətinə ciddi təsir göstərə bilər.

3) Yeni dəyişənlərə keçilməsi. Bu üsulun tətbiqi o deməkdir ki, əvvəlcə qəbul edilmiş
sərbəst dəyişənlər yeniləri ilə əvəz edilir. Lakin bu əvəzetmə elə aparılmalıdır ki, u təsadüfi
kəmiyyətinin dispersiyası əvvəlkindən az olsun. Bu təsadüfi kəmiyyət əslində bütün digər
asılı olmayan dəyişənlərin təsirini əks etdirdiyindən, modelə daxil edilməmiş yeni sərbəst
dəyişən aşkara çıxarılsa və modeldə nəzərə alınsa, σ 2u azalacaq.

Misal 1. Tutaq ki, Y iqtisadi parametri

Y =3+4 ∙ X 2 + X 3+u

şəklində göstərilir və X 2 ilə X 3 arasında X 2 =2 X 3+ 1asılılığı mövcuddur. Tam kolli-nearlığın

prosesə təsirini araşdırmalı.

Həlli: Asanlqla görmək olar ki, X 2 dəyişəni hər müşahidədə 1 vahid dəyişərsə, X 3
dəyişəni 0,5 vahid, Y parametri 4,5 vahid dəyişir. Onda məsələn, aşağıdakı ardıcıl qiymətlər
alınır:

X2 X3 Y

5 2,0 25,0 +u1

6 2,5 29,5 +u2

7 3,0 34,0 +u3

8 3,5 38,5 +u 4

9 4,0 43,0 +u5

10 4,5 47,5 +u6

Bunun belə olduğunu görmək üçün X 2 və X 3- ün ifadələrini Y −¿ifadəsində yerinə yazmaq

olar:

Y = 2 , 5+4 ,5 X 2 +u ,

Y = 7 , 0+9 , 0 X 3 +u .
 Hər iki asılılıq əslində eyni asılılıqlardır. Deməli, baxılan funksiya bir dəyişənlidir,
ikidəyişənli reqressiya funksiyasını qurmaq mümkün deyil: b 2 əmsalının ifadəsində həm
surət, həm də məxrəc sıfra bərabər olacaq.

3. Xətti modelin adekvatlığının yoxlanılması. Əgər reqressiya modelinə əsasən

dəyişənin proqnoz qiymətləri müşahidələrin nəticələri ilə uzlaşarsa, onda belə modelə
adekvat model deyilir. Reqressiya modelinin adekvatlığının qiymətləndirilməsi bilavasitə
y i müşahidə edilən qiymətləri ilə y^ i nəzəri qiymətlərinin fərqinə, yəni qalıqlar qrafikinə
e ε
əsasən aparıla bilər. Model adekvat olduqda i qalıqları müşahidənin təsadüfi i , i=1,2,...,n
ε
xətalarının realizasiyasıdır. i təsadüfi hədləri Qaus – Markov şərtlərinə görə ( 0 , σ ) para-
metrli normal qanunla paylanırlar. Qalıqlar qrafikinə əsasən modelin adekvatlığı haqqında
hipotezlər müxtəlif statistik üsullarla yoxlanıla bilər.

Misal 2. Kommersiya banklarının aktivlərinin məbləğinə, kredit qoyuluşuna və

xüsusi kapitalının həcminə görə reqressiya tənliyini qurun (cədvəl 3 –ün məlumatlarına
görə).

Həlli: Əlaqə tənliyini

~
y =β 0 + β1 x 1 +β 2 x 2

şəklində qəbul edək. Reqressiya tənliyinin parametrlərinin təyini üçün hesablama cədvəli
quraq:

Cədvəl 3

Aktivlərin Kredit Xüsusi

dəyəri (Y qoyuluşları( kapital( X 2 ) YX 1 X1 X2
Bank ), min X 1 ), min X 12 Y2 X 22 YX 2
, min man.
man. man.

1 37 25 2 925 625 1369 50 4 74

2 31 18 2 558 324 961 36 4 62

3 29 8 1 232 64 841 8 1 29

4 39 13 1 507 169 1521 13 1 39

5 21 10 2 210 100 441 20 4 42

 6 12 9 1 108 81 144 9 1 12

Yekunu 169 83 9 2540 1363 5277 136 15 258

{6β0+83β1+9β2=169¿{83β0+1363β1+136β2=2540 ¿ ¿
Buradan,

b 0=16 .3845;b1 =1.0282;b 2=−1.6275

Beləliklə, reqressiya tənliyi

^y =16 . 3845+1 . 0282 x 1 −1. 6275 x 2

İqtisadi təhlil aparmaq məqsədilə xüsusi elastiklik əmsalları hesablanır.

x̄1 x̄ 2
e 1=b1 ≈0 .5 e 2 =b2 ≈−0 . 87
ȳ ȳ

Bu isə o deməkdir ki, kredit qoyuluşunu 1 % artırdıqda aktivlərin dəyəri 0,5 % artır,
xüsusi kapital isə 1 % artdıqda aktivlərin dəyəri 0,87 % azalır.

Mövzu 23. Zaman sıraları

1. Zaman sıralarının analizi məsələləri

Tərif 1. Zaman sırası dedikdə zamana görə nizamlanmış müşahidələr ardıcıllığı başa
düşülür.
Zaman sıralarının analizini statistik analizin digər üsullarından fərqləndirən əsas cəhət
müşahidələrin aparıldığı zaman anların mühüm əhəmiyyət kəsb etməsidir. Belə ki, bir
çox məsələlərdə müşahidələrin nəticələri statistik asılı deyillərsə, zaman sıralarında onlar
bir qayda olaraq asılı olurlar və bu asılılığın xarakteri müşahidələrin düzümündən, yəni
müşahi-dələrin aparıldığı zaman anlarından asılı olurlar.
 Bu və ya digər iqtisadi qanunauyğunluğu aşkar etmək üçün statistik analiz aparan
tədqiqatçının əldə etdiyi təcrübi verilənlər adətən zaman sıraları şəklində verilmiş olur. Bu
sıralar isə hər hansı xarakteristikanın zaman etibarı ilə dəyişilməsini təsvir edir. Sıranın hər
bir həddi (səviyyəsi) müəyyən zaman anı və ya zaman fasiləsi ilə əlaqədardır.
Zaman əlamətinə görə zaman sıraları an və fasiləli zaman sıralarına ayrılır. An zaman
sıralarında sıranın səviyyəsi müəyyən tarixə verilir.Fasilə zaman sıralarında isə sıranın
səviyyəsi xarakteristikanın kəmiyyətini müəyyən dövr ərzində ifadə edir. Məsələn, müşahidə
nəticəsində əhalinin sayı, ticarətdə əmtəə qalığı və s. an zaman sırası şəklində; bitkiçilik və
heyvandarlıq məhsulları istehsalı, neft hasilatı, ümumi daxili məhsulun həcmi və s. isə
fasiləli zaman sıraları şəklində verilir.
İqtisadiyyatda səviyyələrinin orta qiymətlərində və dispersiyalarında müntəzəm
dəyişilmə müşahidə edilən sıralara, yəni stasionar sıralara az təsadüf edilir.
Qeyd edək ki, iqtisadiyyatda təsadüf edən sıralar əsas etibarı ilə qeyri – stasionar
sıralardır.Yəni burada zaman öyrənilən hadisə üçün əsas təyinedici amillərdən biri kimi
çıxış edir. Aydındır ki, belə sıraların analizi üsulları riyazi statistikanın paylanma sıralarının
öyrənilməsində tətbiq edilən üsullarından fərqli olmalıdır. Bununla yanaşı zaman sıralarının
işlənilməsində tətbiq edilən üsullar əsasən riyazi statistikanın paylanma sıralarının
işlənilməsi üsullarına əsaslanır.
Zaman sıralarının tədqiqində aşağıdakı üç məsələni fərqləndirmək lazımdır:
1. Sıranın səviyyəsinin zamana görə təkamülünü təsvir etmək və onun bu və ya digər
xassəsini aşkar etmək. Bunun üçün müxtəlif üsullar tətbiq edilir:
a) Səviyyələrin zamana görə dəyişməsinin ümumiləş-dirici göstəricisinin – orta
artım sürətinin hesablanması;
b) Səviyyələrin zamana görə variasiyasının kiçildilməsinə və hadisənin inkişaf mey-
lini daha dəqiq müəyyən etməyə imkan verən müxtəlif hamarlaşdırıcı süzgəclərin (filtr-
lərin) tətbiqi;
c) Hadisənin inkişaf meylini təsvir edən əyrinin seçil-məsi; mövsümi, dövrü və
təsadüfi tərəddüdlərin seçilməsi və sıranın səviyyələri arasında asılılığın qiymətləndirilməsi.
2. Sıranın səviyyələrinin dəyişmə mexanizmini izah etmək. Bunun üçün adətən
reqressiya analizindən istifadə edilir.
3. Zaman sırasının səviyysinin dəyişməsini təsvir etmək və onun formalaşması
mexanizmini müəyyən etmək, aşkar edilmiş meylin ekstrapolyasiyasını vermək.
y , y ,..., y
Tutaq ki, 1 2 T müşahidə olunan zaman sırasıdır , burada 1 2 y , y ,..., y
T hər hansı

əlamətin bərabər addımlı T sayda anlarda müşahidə edilmiş qiymətləri kimi anlaşılır.
Sıranın səviyyələri zamanın funksiyası olduğu üçün bu anlar 1,2,...,T ilə işarə edilmişdir.
Yuxarıda qeyd edildiyi kimi, zaman sıralarının səviyyələri müxtəlif amillərin təsiri
nəticəsində formalaşır. Bu amilləri komponentlər adlanan üç əsas qrupa bölmək olar:
inkişaf meyli (trend), müvəqqəti (mövsümi) və təsadüfi komponentlər.
Bu komponentlərdən sıranın səviyyələrinin uzun müddət ərzində dəyişməsini təyin
edən meyl komponenti əsas hesab edilir. Beləliklə, meyl uzunmüddətli kom-ponentdir.
 Müvəqqəti (mövsümi) komponent zamana görə müntəzəm təkrarlanan dəyişmələrə
aid edilir. Bu komponent xalq təsərrüfatının bütün sahələrində, xüsusilə kənd təsərrüfatında
və kənd təsərrüfatı məhsullarının emalı ilə məşğul olan yüngül və yeyinti sənayesi
sahələrində, əhalinin bu və ya digər əmtəə növünə tələbatında və s. daha çox müşahidə
edilir.
Təsadüfi komponent isə bir – biri ilə əlaqəsi olmayan çoxlu sayda və müqayisədə o
qədər də əhəmiyyətli olmayan amillərin sıranın səviyyəsinə təsirini səciyyələndirir. Təsadüfi
komponentlər müşahidə olunmayandırlar, onlar nəzəri kəmiyyətlərdir.
Ümumi halda təsadüfi zaman sırası iki komponentdən – müntəzəm və təsadüfi
komponentlərdən ibarətdir. Sadəlik üçün onların additiv olduğunu qəbul edək:

y t =f ( t ) + ε t t=1,2,...,T (23.1)
burada
Mε t =0 , Dε t =σ 2 ,cov ( ε t , ε s ) =0
şərtlərinin ödənildiyi fərz olunur.

2. Zaman sıralarının əsas məsələsi – Sıranın məlum

{ y t :t=1 ,2 , .. . ,T } (23.2)
parçasına görə müntəzəm və təsadüfi komponentin ayrılması və onların xarak-teristikalarının
qiymətləndirilməsindən ibarətdir.
Müvəqqəti və təsadüfi komponentlərin məlum xarakteristikalarına görə zaman sırasının
və onun tərkib hissələrinin gələcək dövr üçün qiymətlərinin proqnozunu vermək olar.

3. Təsadüfi komponentin statistik analizi

Trendin aşkar edilməsi zaman sıralarında əks olunan müntəzəm amillərin sıranın inki-
şafına təsirini müəyyən etməyə imkan verir. Faktiki səviyyələr hamarlaşdırılmış səviyyə-
lərdən bu və ya digər tərəfə yayınmaqla qalıqlar əmələ gətirir. Bu qalıqlar isə zaman
sırasının təsadüfi komponentini təşkil edirlər.
Təsadüfi komponentin analizinə zaman sırasının faktiki səviyyələrinin hamarlaş-
dırılmış səviyyələrə nəzərən yayınmasının öyrənilməsindən başlanır.
Zaman sıralarının səviyyələrinin yayınma dərəcəsini ölçmək üçün
T
1
var ( y )= ∑ ( y − ^y )2
n i =1 i i (23.3)
^y
dispersiyasından istifadə edilir, burada i -lər hamarlaş-dırılmış səviyyələrdir.
Dispersiya sıranın səviyyəsinin ölçü vahidinin kvadratı ilə ifadə edildiyinə görə
√ var ( y )kvadratik orta yayınmadan istifadə etmək məqsədəuyğundur. Bununla yanaşı
statistik analizdə
 V=
√ var ( y ) 100 %
ȳ (23.4)
variasiya əmsalı göstəricisindən də istifadə edilir.

4. Zaman siralarinin inkişaf meylinin aşkar edilməsi üsulları

Orta artım sürəti üsulu. Zaman sıralarının dəyişilməsini xarakterizə etmək üçün
tətbiq edilən üsullardan biri orta artım sürəti üsuludur.
Tutaq ki, zaman sırası (23.2) şəklindədir. Onda silsiləvi artım əmsalları
y2 y y
k 1= , k 2 = 3 , .. . , k T−1 = T
y1 y2 y T −1
(23.5)
nisbətləri kimi tapılır. Artım əmsallarını 100 % -ə vurmaqla artım sürəti alınır. Nisbətlərin
vahidin hissələri və yaxud % -lə ifadə olunmasından asılı olmayaraq biz orta artım sürəti
terminindən istifadə edəcəyik. Çünki bu göstəricinin hansı şəkildə hesablanması təhlilin
nəticəsinə təsir etmir.
Silsiləvi artım sürətlərinin

k̄ =T−1√ k 1⋅k 2⋅.. .⋅k T−1

həndəsi ortası orta artım sürəti adlanır.

T−1
Buradan alırıq: y T = y 1⋅k̄
Orta artım sürəti ümumiləşdirici göstərici kimi bir sıra qüsurlara malikdir:
Birincisi, orta artım surəti sıranın 1-ci və axırıncı səviyyələrinə, yəni iki kənar
səviyyəsinə görə hesablanır. Onun qiy-məti dövrün seçilməsindən əhəmiyyətli dərəcədə
asılıdır. Belə ki, dövrün hətta bir addım sürüşdürülməsi orta artım surətinin əhəmiyyətli
dərəcədə dəyişməsinə səbəb ola bilər. Qeyd edək ki, sıra uzun dövrü əhatə etdikdə, yəni T
böyük olduqda sıranın hüdudları daxilində müxtəlif zaman intervalları seçməklə orta artım
surətinin çoxlu sayda qiymətlərini hesablamaq olar. Bu halda o, müəyyən mənada təsadüfi
xarakter daşıyacaqdır. Sıranın dəyişilməsində ardıcıl olaraq artım və azalmanın müşahidə
olunması bu göstəricinin dayanaqsız olmasına gətirib çıxaracaqdır.
İkincisi, orta artım surətinin hesbalanılmasında sıranın aralıq hədləri nəzərə alınmır və
bu zaman təhlil üçün mühüm informasiyalar itirilir. Sıranın əsas inkişaf meylini isə bu hədlər
xarakterizə edir. Buradan aydın olur ki, sıranın uzunluğu böyük olduqda daha çox
informasiya itirilir və nəticədə orta artım surəti bir ümumiləşdirici göstərici olaraq daha az
əhəmiyyət kəsb edir.
Üçüncüsü, orta artım surətinin tətbiqi sıranın həndəsi silsilə üzrə dəyişməsini nəzərdə
tutur, bu halda onun dəyişməsi təxminən eksponensial əyri ilə təsvir olunur.
 5. Üstlü əyrilərin parametrlərinin qiymətləndirilməsi

Statistika təcrübəsində təsadüf edilən bir sıra trend modellərinin parametrlərini ən kiçik
kvadratlar üsuluna görə qiymətləndirdikdə naməlum parametrlərə nisbətən transendent tən-
liklər alınır. Bu tənliklərin həlli isə müəyyən çətinliklərlə bağlıdır. Ona görə də trend əyrisini
elə çevirmək lazım gəlir ki, o öz parametrlərinə nəzərən xətti olsun. Sonda isə naməlum pa-
rametrlərin statistik qiymətlərini ən kiçik kvadratlar üsulu ilə tapmaq mümkün olur.
Misal 1.Tutaq ki, analitik hamarlaşdırma üstlü funksiyaya görə aparılır:
~
y t =α 0 α
1t
Bu bərabərliyin hər iki tərəfini loqarifmləsək,

lg { ~y t =lg α0 +t lg α 1 ¿
alarıq. Göründüyü kimi, sıranın səviyyələrinin loqarifmi zamana görə xətti funksiyadır.
Onda naməlum parametrlərin statistik qiymətləri ən kiçik kvadratlar üsuluna görə
T
∑ ( y t − ^y t )2 →min
t =1
şərtindən tapılır.

Ədəbiyyat
1. Ə.Ə.Hüseynov, S.Y.Qasımov. Ehtimal nəzəriyyəsi və riyazi statistika. Dərs vəsaiti .Bakı,
“Çaşoğlu”,2005.-305s.

2. S.Ö.Ömərov,N.Ə.Cavadov. Ehtimal nəzəriyyəsi və riyazi statistika. Dərs vəsaiti. I, II hissələr,

Bakı, 2013.-413 s.

3. Гмурман В.Е. Теория вероятностей и математическая статистика. М. «Высшая школа»,

2005.-479 с.

4. Гмурман В.Е. Ehtimal nəzəriyyəsi və riyazi statistika məsələlərinin həllinə rəhbərlik. Bakı,
“Maarif” 1980. -458 s.

5. Məmmədov R.H. Ali riyaziyyat kursu, III hissə. Bakı, “Maarif”, 1984-534 s.

6.. Əhmədova H.M. Ehtimal nəzəriyyəsi və riyazi statistika. Bakı, “Gənclik”,2002,-320 s.

7. Şahbazov Ə.Ə. Ehtimal nəzəriyyəsi və riyazi statistika, Bakı, “Maarif” 1973.-578 s.