İşletme ve İktisat için

İstatistik

Bölüm 5

Sürekli Rassal Değişkenler ve

Olasılık Dağılımları
Bölüm. 5-1
 Amaçlar

Bu bölüm tamamlandığında:
 Sürekli ve kesikli rassal değişkenler arasındaki farkları
açıklayabileceksiniz
 normal dağılımların özelliklerini açıklanmış olacaktır
 Normal dağılım problemlerini standart normal dağılım
problemlerine dönüştürmeyi öğrenmiş olacaksınız
 Normal dağılım tablosunu kullanarak olasılıkları
bulabileceksiniz
 Normallik varsayımı değerlendirilecektir

Bölüm. 5-2
 Olasılık Dağılımları
Probability
Distributions

4. Kesikli Sürekli 5.
Bölüm Olasılık olasılık Bölüm
dağılımları

Binoml Uniform

Hipergeometrik Normal

Poisson Üstel
(Exponential)
Bölüm. 5-3
 Sürekli Olasılık Dağılımlar
5.1

 Sürekli rassal değişken (continuous random

variable), belirli bir aralıktaki herhangi bir değeri
alabilen bir değişkendir
 Bir işi tamamlamak için gerekli zaman
 Sıcaklık
 Yükseklik, cm olarak
 Bu değişkenler, ölçümün hassasiyet düzeyine
bağlı olarak, potansiyel olarak herhangi bir
değeri alabilir.

Bölüm. 5-4
 Olasılık Yoğunluk Fonksiyonu
(Probability Density Function)
X rassal değişkeninin olasılık yoğunluk fonksiyonu,
aşağıdaki özellikleri taşıyan bir fonksiyondur:

1. x’in bütün değerleri için f(x) > 0

2. Rassal değişken X’in alabileceği bütün değerleri içeren
olasılık yoğunluk fonksiyonun altında kalan alanın
toplamı 1’dir
3. X’in a ve b gibi alabileceği iki değer arasında kalma
olasılığı , olasılık fonksiyonunun altında bu iki değer
arasında kalan alandır

Bölüm. 5-5
 Olasılık Yoğunluk Fonksiyonu
(Probability Density Function)
(devamı)
X rassal değişkeninin olasılık yoğunluk fonksiyonu,
aşağıdaki özellikleri taşıyan bir fonksiyondur:

4. Birikimli olasılık fonksiyonunun, F(x0), değeri, olasılık

yoğunluk fonksiyonunun, f(x), en küçük değeri ile x0
değeri arasındaki alanın toplamına eşittir.
x0

f(x 0 )   f(x)dx
xm

Formülde yer alan xm rassal değişken x’in alabileceği

minimum değeri gösterir

Bölüm. 5-6
 Birikimli Olasılık Fonksiyonu
(Cumulative Distribution Function)

 Sürekli rassal değişken X için birikimli olasılık

fonksiyonu, F(x), X’in x’i aşmama olasılığını x’in
bir fonksiyonu olarak verir

F(x)  P(X  x)
 a ve b, X’in iki muhtemel değerini ifade ediyor ve
a < b olsun. Bu durumda, X’in a ve b arasında
olma olasılığı:

P(a  X  b)  F(b)  F(a)

Bölüm. 5-7
 Bir alan olarak Olasılık

Eğrinin altında kalan taralı alan, X’in a

ve b arasında olma olasılığıdır
f(x)
P (a ≤ x ≤ b)
= P (a < x < b)
(Not: tek bir değerin
olasılığı sıfırdır)

a b x

Bölüm. 5-8
5.2 Sürekli Rassal Değişkenlerin
Beklenen Değerleri

 X’in ortalaması, μX, olarak tanımlandığında, X’in

beklenen değeri:
μX  E(X)
 X’in varyansı, σX2 , ise, rassal değişkenin değerlerinin
ortalamasından sapmalarının karelerinin beklenen
değeri, (X - μX)2,:

σ  E[(X  μX ) ]
2
X
2

Bölüm. 5-9
Değişkenlerin Lineer Fonksiyonları
 W = a + bX , X’in ortalaması: μX ve
varyansı σX2 , ve a ve b sabit sayılar iken:
 W’nun ortalaması:

μW  E(a  bX)  a  bμX

 Varyansı:

σ  Var(a  bX)  b σ
2
W
2 2
X

 W’nun standart sapması:

σW  b σX
Bölüm. 5-10
 Değişkenlerin Lineer Fonksiyonları
(devamı)

 Yukarıdaki sonuçların çok önemli bir durumu, standart

rassal değişkendir:

X  μX
Z
σX
 Ortalaması 0 ve varyansı 1 dir.

Bölüm. 5-11
5.3
Normal Dağılım
Olasılık
Dağılımları

Sürekli
Olasılık
Dağılımları

Tekdüze
(Uniform)
Normal

Üstel
(Exponential)
Bölüm. 5-12
 Normal Dağılım

 ‘Çan şeklindedir’
 Simetriktir f(x)
 Ortalama, Ortanca ve Mod’u
eşittir
 Konumunu, ortalaması, μ, σ
belirler, x
 Değerlerin ortalama μ
etrafındaki dağılımını standart
sapması, σ, gösterir, Ortalama
 Teorik olarak rassal değişken = Ortanca
sonsuz aralığına sahiptir: = Mod
+  to  
Bölüm. 5-13
 Normal Dağılım
(devamı)
 Normal dağılım, çok geniş bir yelpazedeki rassal
değişkenlerin olasılık dağılımlarını yaklaşık olarak
değerlerinin bulunmasında yardımcı olur
 Örneklem ortalamalarının dağılımı, örneklem
büyüklüğü yeterince «büyük» ise, normal dağılıma
yaklaşır
 Olasılıkların hesaplanması doğrudan ve kolayca
yapılabilir
 Normal olasılık dağılımı çok sayıdaki uygulama
alanlarında doğru kararların alınmasına yardımcı olur

Bölüm. 5-14
 Çok sayıda Normal Dağılım

μ ve σ, parametrelerini değiştirdiğimizde, farklı

normal dağılımlar elde ederiz

Bölüm. 5-15
 Normal Dağılımın Şekli
f(x) μ değiştiğinde dağılım
sola veya sağa doğru
kayar.
σ değişmesi değerlerin
ortalama etrafındaki
dağılımını arttırır veya
σ azaltır.

μ x

Ortalama μ ve varyans σ veri iken, normal dağılım aşağıdaki

şekilde gösterilir
X ~ N(μ,σ 2 )
Bölüm. 5-16
 Normal Olasılık Yoğunluk
Fonksiyonu

 Normal olasılık yoğunluk fonksiyonunun

formülü:

1 (x μ) 2 /2σ 2

f(x)  e
2π

e = 2.71828
π = 14159
μ = anakütle ortalaması
σ = anakütle standart sapması
x = sürekli değişkenin herhangi bir değeri,  < x < 
Bölüm. 5-17
 Birikimli (Cumulative) Normal Dağılım

 Ortalaması μ ve varyansı σ2 olan normal rassal

değişkenin birikimli (cumulative) dağılım fonksiyonu
, X~N(μ, σ2):

F(x0 )  P(X  x 0 )

f(x)

P(X  x 0 )

0 x0 x

Bölüm. 5-18
 Normal Olasılıkların Bulunması

Belirli değerler arasındaki olasılık, eğrinin

altında kalan o değerler arasındaki alan
olarak hesaplanır:
P(a  X  b)  F(b)  F(a)

a μ b x

Bölüm. 5-19
 Normal Olasılıkların Bulunması
(devamı)

F(b)  P(X  b)

a μ b x

F(a)  P(X  a)

a μ b x

P(a  X  b)  F(b)  F(a)

a μ b x
Bölüm. 5-20
 Standart Normal Dağılım
 Herhangi bir normal dağılım (farklı ortalama ve
varyansa sahip), ortalaması 0 ve varyansı 1 olan
standart normal dağılıma dönüştürülebilir:
f(Z)

Z ~ N(0 ,1) 1
Z
0
 X değişkenini Z biriminde bir değişkene dönüştürmek için X’ten
ortalaması çıkartılır ve standart sapmasına bölünür

X μ
Z
σ
Bölüm. 5-21
 Örnek

 Şayet X, ortalaması 100 ve standart sapması

50 olan normal bir dağılıma sahipse, X = 200
için Z değeri:

X  μ 200  100
Z   2.0
σ 50
 Bunun anlamı, X = 200 ortalama olan 100’ün
iki strandart sapma üzerindedir (50 birimin 2
kat arttırılmasına eşittir.

Bölüm. 5-22
 X ve Z birimlerinin karşılaştırılması

100 200 X (μ = 100, σ = 50)

0 2.0 Z ( μ = 0 , σ = 1)

Dağılımın aynı dağılım olduğuna dikkat ediniz,

değişen sadece ölçektir. Problem, orijinal birimi (X)
ile olduğu gibi (Z) ile de ifade edilebilir.

Bölüm. 5-23
 Normal Olasılıkların Bulunması
 a μ b μ
P(a  X  b)  P Z 
 σ σ 
f(x)  b μ  a μ
 F   F 
 σ   σ 

a µ b x
a μ b μ
0 Z
σ σ

Bölüm. 5-24
 Olasılık: Eğrinin Altındaki Alan
Olarak
Eğrinin altındaki alanın toplamı 1.0’dir, ve eğri
simetriktir. Haliyle, yarısı ortalamanın altında ve yarısı
da ortalamanın üzerindedir
f(X) P(   X  μ)  0.5
P(μ  X   )  0.5

0.5 0.5

μ X
P(   X   )  1.0
Bölüm. 5-25
 Ek Çizelge 2
 Kitapta yer alan Standart Normal tablo (Ek
Çizelge 2) birikimli (cumulative) normal dağılım
fonksiyonun değerini göstermektedir

 Veri olan «a» için Z-değeri, tabloda F(a) olarak

gösterilmektedir
(Eğrinin altındaki negatif sonsuzdan a’ya kadar olan
alanın toplamı)
F(a)  P(Z  a)

0 a Z
Bölüm. 5-26
 Standart Normal Tablo

 Ek çizelge 2, değeri 2 olan a için (A=2) olasılığı

F(a) aşağıdaki gibi vermektedir

.9772
Örnek:
P(Z < 2.00) = .9772

0 2.00 Z

Bölüm. 5-27
 Standardize Edilmiş Normal Tablo
(devamı)

 Negatif Z-değerleri için, dağılımın simetrik

olduğu gerçeğinden hareketle istenen olasılık
değeri bulunabilir:
.9772

Örnek: .0228

P(Z < -2.00) = 1 – 0.9772

0 2.00 Z
= 0.0228
.9772
.0228

-2.00 0 Z
Bölüm. 5-28
 Olasılıkların Bulunmasında
İzlenecek Süreç

Normal dağılıma sahip X için, P(a < X < b)

olasılığını bulmak için:
 Normal dağılım eğrisi X için çizilir

 X-değerleri, Z-değerlerine çevrilir

 Birikimli (Cumulative) Normal Tablo kullanılır

Bölüm. 5-29
 Normal Olasılıkların Bulunması

 X, ortalaması 8.0 ve standart sapması 5.0

olan normal bir dağılıma sahiptir.
 P(X < 8.6) bulalım

X
8.0
8.6
Bölüm. 5-30
 Normal Olasılıkların Bulunması
(devamı)
 X , ortalama 8.0 ve standart sapma 5.0 ile
dağılıyorsa, P(X < 8.6) şu şekilde bulunur:
X  μ 8.6  8.0
Z   0.12
σ 5.0

μ=8 μ=0
σ=5 σ=1

8 8.6 X 0 0.12 Z

P(X < 8.6) P(Z < 0.12)

Bölüm. 5-31
 Çözüm: P(Z < 0.12) Bulunması

Standardize Normal Olasılık P(X < 8.6)

Tablosunda = P(Z < 0.12)
z F(z) F(0.12) = 0.5478
.10 .5398

.11 .5438

.12 .5478
Z
.13 .5517 0.00
0.12

Bölüm. 5-32
Üst Kuyruk (Upper Tail) Olasılıkları

 X, ortalama 8.0 ve standart sapma 5.0 ile

normal bir değişkendir.
 P(X > 8.6) değerini nasıl bulursunuz?

X
8.0
8.6
Bölüm. 5-33
Üst Kuyruk (Upper Tail) Olasılıkları
(devamı)

 Şimdi P(X > 8.6) bulalım

P(X > 8.6) = P(Z > 0.12) = 1.0 - P(Z ≤ 0.12)
= 1.0 - 0.5478 = 0.4522

0.5478
1.000 1.0 - 0.5478
= 0.4522

Z Z
0 0
0.12 0.12
Ch. 5-34
 Bilinen bir Olasılık için X
Değerinin Bulunması

 Bilinen bir olasılık için X değerinin

bulunabilmesi için izlenmesi gereken
basamaklar:
1. Önce bilinen bir olasılığa karşılık gelen Z
değerini buluruz
2. Aşağıdaki formül yardımı ile verileri X
değerine dönüştürürüz:

X  μ  Zσ
Ch. 5-35
 Bilinen bir Olasılık için X değerinin
Bulunması
(devamı)

Örnek:
 X, ortalama 8.0 ve standart sapma 5.0 ile

normal dağılmaktadır.
 Şimdi, bütün değerlerin %20’nin kendisinden
küçük olduğu X değerini bulalım:

.2000

? 8.0 X
? 0 Z
Bölüm. 5-36
 Alt Kuyrukta (Lower Tail) yer alan
%20 için Z değeri

1. Bilinen bir olasılık için Z değerini bulalım

Standardize Normal Olasılık  Alt kuyruk %20’lik alan
Tablosundan için Z değeri: -0.84
z F(z)

.82 .7939 .80

.20
.83 .7967

.84 .7995
? 8.0 X
.85 .8023 -0.84 0 Z

Bölüm. 5-37
 X Değerinin Bulunması

2. Aşağıdaki formül yardımı ile X’e dönüştürürüz

X  μ  Zσ
 8.0  ( 0.84)5.0
 3.80

Sonuç olarak, ortalaması 8.0 ve standart

sapması 5.0 olan dağılımın değerlerinin %20’si,
3.80’den daha küçüktür

Bölüm. 5-38
 Normalliğin Değerlendirilmesi

 Sürekli rassal değişkenlerin tamamı normal

dağılmamaktadır
 Verilerin normal dağılım tarafından hangi
ölçüde temsil edilebileceğinin ölçümünün
değerlendirilmesi çok önemlidir

Bölüm. 5-39
 Normal Olasılık Grafiği

 Normal olasılık grafiği

 Verileri en küçükten en büyüğe doğru sırala
 Bütün değerler için birikimli normal olasılıkları bul
 Gözlenen değerler grafiği ile birikimli olasılıklar
grafiğini karşılaştır ( birikimli normal olasılıklar dikey
eksende ve gözlenen veri değerleri yatay eksende)
 Grafiğin lineer olup olmadığını araştır

Bölüm. 5-40
 Normal Olasılık Grafiği
(devamı)

Normal dağılımdan gelen bir veri için

normal olasılık grafiği lineer bir
doğruya yakındır:

100

Yüzde

0
veri

Bölüm. 5-41
 Normal olasılık grafiği
(devamı)

Sola-Çarpık Sağa-Çarpık
100 100
yüzde

yüzde
0 0
veri veri

Tekdüze (Uniform)
100
Lineer olmayan
grafikler normallikten
yüzde

sapmayı gösterirler
0
veri
Bölüm. 5-42