Professional Documents
Culture Documents
Ehtimal Nəzəriyyəsi Mühazirə
Ehtimal Nəzəriyyəsi Mühazirə
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.
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.
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.
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.
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
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:
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
3. AA = A
4. AU = A, AV = V
( 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.
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 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)
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;
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
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:
P U 1 .
P V P 0
0 ≤ P(A) ≤ 1.
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
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
W=m/n
Asanlıqla göstərmək olar ki,klassik ehtimalın bütün xassələri statistik ehtimal üçün də
doğrudur.
W=m/n=n/n=1
olar. Əgər hadisə mümkün olmayandırsa, onda m = 0 və ,deməli,
W=0/n=0
0 ≤ m / n ≤ 1,
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.
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.
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
Misal. 1435 ədədindən təkrar olmayan neçə iki rəqəmli ədəd yazmaq olar?
Birləşmə (kombinezon).
n!
C nm
m! n m!
qədərdir.
n! n!
C nn m Cm
Xassə 1. n m ! n n m ! m! n m ! n .
m1
Xassə 2. C n C n1 C n1 (Paskal qaydası).
m m
Xassə 3. C n C n C n .... C n 2 .
0 1 2 n n
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.
C nm C Nnmn C Mm C NnmM
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 pB ,
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 pB 1 p AB p A pB 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 pB p AB pB p A pB
1 p A pB p A pB .
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.
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),
P( Ai A j A k ) = P( Ai )P( A j)P( A k) ,
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
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
pB A 4 2
çıxarılanın qara rəngli olması şərti daxilində, 14 7 olar. Deməli,
p AB p A pB A 1 2 2
3 7 21 .
Bu misaldan göründüyü kimi B hadisəsinin pB Aehtimalı 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
pB 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 pA B pA və
pB A pB ( 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 pA 1 p 1 0,001 0,999 .
10 10 10
Mühazirə 4
Ehtimalların toplanması və vurulması. Hadisələrin tam qrupu.
Xüsusi halda, əgər A və B hadisələri uyuşmayan olarsa, onda (2) - dən (1) alınır, belə ki,
p(AB) = 0 olur.
Qeyd 2. (2) düsturu istənilən n sayda hadisə üçün də doğrudur. Məsələn, n=3 olduqda
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
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
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;
4. Tam ehtimal düsturu. Fərz edək ki, H i i 1,2,..., n hadisələri tam qrup təşkil edir,
pH 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 pA 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
pH k 0, k 1,2,..., n , A pH i
onda istənilən hadisəsinin ehtimalı hipotezlərin
ehtimallarının A -nın hipotezlərə nəzərən uyğun pA 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 pH 1 0,25, pH 2 0,35, pH 1 0,40 . A hadisəsinin
H1 , H 2 , H 3
hipotezlərinə nəzərən şərti ehtimalları isə
j j
j 1
(2)
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 pAAA pAA A pA 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
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.
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
0! 1! 2! 7!
1! 2! 3! 4! 5! 6! 7!
Mühazirə 6
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.
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
F x p x , - x . (2)
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
p x 1
kimi təyin etməklə və pxi pi verməklə, burada i 1 , təsadüfi kəmiyyətini
i
x funksiyası, yəni xi xi şəklində başa düşmək olar. Çünki pi pxi 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, . . .
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 … 1k 2 k …
p 1 1 1 … 1 …
2 22 23 2k
k 1 k 1 k 1
1 1 1 1 ... 1 ...
n
M M M .
və ya
X̅ = x1w1 + x2 w2 + . . . + xk wk (6)
w1 ≈ p1, w2 ≈ p2, . . . , wk ≈ pk
X̅ = x1p1 + x2 p2 + . . . + xk pk
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
X = X1 + X2 +. . . +Xn
Bir sınaqda hadisənin baş vermə sayının riyazi gözləməsi p-yə bərabər olduğundan
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
k 1 (2)
yazarıq.
2) Əgər X diskret təsadüfi kəmiyyəti hesabi sayda qiymətlər alırsa ,onda yenə də (2)
düsturu doğrudur.
X = X1 + X2 + …+ Xn
olar. X1,X2, …,Xn təsadüfi kəmiyyətləri asılı olmadığından
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
İsbatı. Riyazi gözləmənin xassəsinə əsasən M c cM olduğunu nəzərə alsaq, onda
Dc M c M c c 2 M M c 2 D .
2 2
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.
kəmiyyətdir.
Tərif 3. Əgər təsadüfi kəmiyyətinin riyazi gözləməsi M varsa və sonludursa, onda
n 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 .
n
Belə ki, ∑ pi=1.
i=1
∞
Belə ki, sıra mütləq yığılır və ∑ pi =1 şərti ödənir.
i=1
Variantların sayı cüt olduqda isə variasiya sırası 2 bərabər hissəyə bölünür və median
aşağıdakı düsturla hesablanır:
Me = (xk + xk+1) /2
Mühazirə 9
Kəsilməz təsadüfi kəmiyyətin paylanma və sıxlıq funksiyaları,
onların xassələri və növləri
9.1. Kəsilməz təsadüfi kəmiyyətin paylanma və sıxlıq funksiyaları.
F(x) = P(X˂x)
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.
Px x x
f x lim
x 0 x (1)
olsun, onda təsadüfi kəmiyyətinin paylanması kəsilməz adlanır. Digər tərəfdən, (1) limiti
varsa, onda
F x x F x Px x x f x x ,
Px1 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.
növləri və xassələri
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
şərti ödənilir.
Normal paylanmanın sıxlıq funksiyasının bəzi xassələri:
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 )
P(α ¿ X < β ) =∫ f ( x ) dx
α
kimi təyin olunursa, onda deyirlər ki, kəmiyyəti a, b parçasında müntəzəm paylanır.
Sıxlıq funksiyasının xassəsindən:
b
f x dx c dx cb a 1
a
c 1
alınır və buradan da b a olur.
F x x a , a x b
ba
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.
(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
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
b b
M 1 x2
xf x dx a x b a dx b a 2
1 ab
2
. a
∫ f ( x ) dx=1
−∞
µk = ∫ ( x−m) k f ( x ) dx
−∞
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),
−∞
∞ ∞ ∞
k =2 olduqda:
∞
ⱱ2 = ∫ x 2 f ( x ) dx =M (x2 ),
−∞
µ2 = ∫ ( x−m)2 f ( x ) dx=D ( 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.
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.
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.
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.
Ümumi çoxluğu təşkil edən elementlərin sayına onun həcmi deyilir. Çoxluğun ele-
mentlərinin sayı sonlu olduqda ona sonlu çoxluq, əks halda isə sonsuz çoxluq deyilir.
Ümumi çoxluq müəyyən əlamətə görə bircins qruplara ayrıla bilər. Ümumi çoxluğu
bircins qruplara ayıran əlamətə qruplaşdırma əlaməti deyilir.
16-ya qədər 2
16-18 5
18-20 4
20-22 6
22-dən yuxarı 3
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.
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.
( 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,
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 .
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.
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.
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
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
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.
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)
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
k
F ( x )=P ( X < x )≈ =F n ( x )
n (12.3)
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)
(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.
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
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.
K(t) funksiyasına Kolmoqorov funksiyası deyilir. Onun qiymətlər cədvəli, Dn –in isə faiz
nöqtələri cədvəli həm kiçik, həm də böyük seçmələr üçün işlənmişdir.
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 .
x <5 qiyməti, yəni z 1=2 qiyməti 1 dəfə müşahidə olunmuşdur. Deməli, 2 ¿ x≤5
1
=0 , 1
olduqda F n ( x ) = 10 .
4
F n ( x ) = 10 =0 , 4
0,4
Mühazirə 13
0,1
Sıxlıq funksiyasının
0
qiymətləndirilməsi. Poliqon
x və histoqram
2 5 7
Burada ni −tezlik , wi−nisbi tezlikdir . Tərifdən görünür ki, nisbi tezliklərin poliqonu
tezliklərin poliqonunu OY oxu boyunca n dəfə sıxmaqla alınır.
Eyni qayda ilə nisbi tezliklərin histoqramı təyin edilir. Bu halda uyğun pilləvarı
fiqurun sahəsi 1- ə bərabərdir.
Tezliklər:
10 20 50 12 8
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.
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
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.
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
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.
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.
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.
Seçmə orta, seçmə moda və seçmə median ən çox istifadə edilən yerləşmə
xarakteristikalarıdır.
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)
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.
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
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.
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.
xi wi
0.6 600
0.4 2000
0.2 800
60+ 40+20
=40
Həlli. 1 kq- ın orta qiymətini 3 qəpik kimi götürsək, bu səhv addım
olar. Doğrudan da, cəmi
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
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
Buradan isə əlamətin orta qiymətinin hesablanması üçün həndəsi ortanın düs-turu
alınır:
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
Tezliklər: 1 2 4 2 1 1
zi 2 4 6 8 10 12
ni 1 2 4 2 1 1
k k
1 1
x̄= ∑
n j=1
zjnj
n
∑ n j=1
, j=1
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.
Mühazirə 15
Təsadüfi seçimin səpələnmə xarakteristikaları
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.
və
n
σ 2=∑ ( x i−EX )2 pi
i=1
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 ( 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
Tələbələrin 17 18 19 20 21 22 23 24 Cəmi
yaşı, il
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
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
√ var ( x ) =+ √3 . 42≈1. 85
5) Variasiya əmsalı
1 .85
V= ⋅100 %=8 ,8 %
21
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
√ 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.
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
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.
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 .
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
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
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:
^
Bu kəmiyyətə θn qiymətləndirməsinin kvadratik orta xətası və ya kvadratik riski 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
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 .
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.
( )
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→∞
dəyişməyəndir. Belə fərz edək ki, baş yığım normal paylanır, yəni X =N ( m, σ ) , burada
Beləliklə,
X 1 , X 2 ,...,X n seçməsində X i təsadüfi kəmiyyətləri asılı deyildirsə və normal
qiyməti olaraq
n
1
S2 = ∑ ( x − x̄ )2
n i =1 i
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?
ni 2 5 3
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
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.
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
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.
n n
1 1
b^ 1= ∑ X i= X̄ b^ 2= ∑ X 2i =var ( X )−( X̄ )
2
n i=1 , n i=1 .
{ a= X̄ ¿ ¿¿¿
2
^ X̄ , σ^ 2=var ( X )
sisteminə çevrilir. Onu axtarılan a və σ parametrlərinə görə həll etsək, a=
olduğunu alırıq.
Tutaq ki,
X 1 , X 2 ,...,X n sıxlıq funksiyası f ( x , θ ) olan X təsadüfi kəmiyyətinin müşa-
L ( X 1 , X 2 ,. . ., X n ; θ ) =p i (θ ) pi2 ( θ ) .. . p in ( θ )
1 (3)
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 )
{
∂ln ( θ1 ,θ2)
∂θ1
=0,¿¿¿¿
(6)
l n ( θ 1 ,θ 2 ) =ln L ( θ1 , θ2 )
kimi yaza bilərik, burada
L ( X 1 , X 2 ,. . ., X n ; p )= p k q n−k
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.
dl n ( λ ) 1
n
dλ
=−n+ ∑ X =0
λ i=1 i
^
şəklində olur. Buradan isə λ= X̄ olduğunu alırıq.
və
n
1
σ^ 2= ∑
n i=1
( X i − X̄ ) 2=S 2
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 ,
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
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.
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.
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.
2) a< b –2-ci təsadüfi kәmiyyәtin orta qiymәti birincidәn böyükdür (ikinci növ buğda
birinciyә nisbәtәn daha mәhsuldardır).
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.
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
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.
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.
HİPOTEZLƏRİN YOXLANILMASI
Statistiк hipotezləri onların vasitәsi həll olunan mәsәlәlərin növündәn asılı olaraq iki
qrupa bölmәк olar:
Mühazirə 20
Dispersiya və korrelyasiya analizi
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.
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.
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
p ni
1
x̄= ∑ ∑ xij
Ümumi orta: n i=1 i=1
∑ ∑ ( x ij− x̄ ) =∑ ∑ ( x ij− x̄ i )2 +∑ ( x̄ i− x̄ )2 ni
2
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.
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.
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.
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.
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.
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
- müxtəlif üsulların köməyi ilə, məsələn, seçmə korrelyasiya əmsalına görə asılılığın ilkin
tədqiqi;
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.
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
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
Məhsul vahidinin maya dəyəri və əmək məhsuldarlığı arasında əlaqə. Cədvəl 7.2
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
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.
KORRELYASİYA MEYDANI
Seçmə kovariasiya əmsalı iki əlamət arasındakı qarşılıqlı əlaqənin ölçüsüdür. O, nəzəri
kovariasiya (ümumi kovariasya) əmsalının bütün xassələrinə malikdir.
cov ( X , Y )
r XY =
S X SY (3)
√[ ( ) ][ ( )]
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.
qiyməti uyğundur
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.
MÜHAZİRƏ 21
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.
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
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
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.
n n n
Q=∑ ( y i−~
y ) 2=∑ ( y i− β0 −β 1 x i )2 =∑ ε 2i
i= i=1 i =1
{
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)
{ xy
b1= 2 ¿ ¿¿¿
x (21.5)
sy
^y x− ȳ =r ( x− x̄ )
sx (21.6)
Misal 1. Cədvəl 1-in məlumatlarına görə əhalinin ərzaq xərclərinin pul gəlirlərindən
reqressiya asılılığını quraq.
Gəlirlər, 3 7 10 15 19
X
Ərzaq 2 3 4 12 15
xərcləri, Y
İllər x y x2 xy
2006 3 2 9 6
2007 7 3 49 21
2008 10 4 100 40
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
Dε i=Mε 2i =σ 2 , i=1 ,2 , . .. , n
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.
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
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 ,
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.
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.
Y =3+4 ∙ X 2 + X 3+u
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
8 3,5 38,5 +u 4
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.
şəklində qəbul edək. Reqressiya tənliyinin parametrlərinin təyini üçün hesablama cədvəli
quraq:
Cədvəl 3
3 29 8 1 232 64 841 8 1 29
{6β0+83β1+9β2=169¿{83β0+1363β1+136β2=2540 ¿ ¿
Buradan,
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.
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.
{ 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.
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
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.
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.