Sürekli dağılımlar ve stokastik süreçler: normal, üstel, gama, Markov zinciri

Ölçerek elde edilen değişkenlerin dağılımları, ortak dağılımlar, dönüşümler ve zamana yayılan rastgelelik: Markov zincirleri ile Poisson süreci.

6 durakKPSS A
12 etkinlikeşleştir · sırala · doldur · çöz
0 / 12tamamlanan etkinlik
Sorularuygulamaya ekleniyor
DAĞILIM · KAVRAM

Olasılık yoğunluk fonksiyonu: olasılık bir alandır

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 5 dk · 2 etkinlik

Önce hatırlaKesikli rastgele değişkenin olasılık fonksiyonu nedir, Bernoulli ve kesikli düzgün dağılımın ortalaması ve varyansı nasıl bulunur?Bu konunun bağlandığı sayfadan (Kesikli dağılımlar). Önce kendin cevapla, sonra aç.

Kesikli rastgele değişken sayılabilir değerler alır; olasılık fonksiyonu p(x) = P(X = x) her değerde negatif değildir ve toplamı 1'dir. Bernoulli dağılımı tek denemelik başarı/başarısızlıktır: E(X) = p, Var(X) = p(1 − p). {1, …, n} üzerinde kesikli düzgün dağılımda E(X) = (n + 1)/2, Var(X) = (n² − 1)/12'dir.

Olasılık fonksiyonu, Bernoulli, kesikli düzgün

Hatırladın mı?

✎Konu anlatımı

Olasılık yoğunluk fonksiyonu nedir, sürekli değişkende olasılık nasıl hesaplanır?

Kısa cevap: Sürekli rastgele değişkenin olasılığı, olasılık yoğunluk fonksiyonu (oyf) f(x) altındaki alanla hesaplanır: P(a < X < b) = ∫ f(x) dx. f(x) ≥ 0 ve toplam alan 1'dir; tek bir noktanın olasılığı sıfırdır. Dağılım fonksiyonu F(x) = P(X ≤ x)'in türevi oyf'dir. Düzgün U(a, b)'de ortalama (a + b)/2, varyans (b − a)²/12'dir.

Bir durağa otobüs tam 20 dakikada bir geliyor ve yolcu durağa rastgele bir anda varıyor. Bekleme süresinin tam 7 dakika olma olasılığı kaçtır? 15 dakikadan uzun olma olasılığı ne kadar?

Kesikli dağılımlar sayfasında olasılığı tek tek değerlere dağıttık. Bekleme süresi gibi ölçülen bir değişkende ise sonsuz sayıda değer vardır; her birine pozitif olasılık verilse toplam 1'i aşardı. Çözüm, olasılığı aralıklara vermektir: oyf bir olasılık değil, bir yoğunluktur ve olasılık onun altındaki alandır. Bu yüzden P(X = 7) = 0'dır ve sürekli değişkende < ile ≤ aynı sonucu verir.

f(x) ≥ 0 ∫ f(x) dx = 1 F(x) = ∫−∞x f(t) dt F′(x) = f(x)E(X) = ∫ x f(x) dx, E(X²) = ∫ x² f(x) dx; varyans ve doğrusal birleşim kuralları Olasılık temelleri sayfasında gördüğümüz gibidir. f(x) 1'den büyük olabilir; alan 1'i aşamaz.
Çözümlü örnek

Giriş sorusunda bekleme süresi X ~ U(0, 20). P(X = 7), P(X > 15), E(X) ve Var(X) kaçtır?

  1. Düzgün yoğunluk f(x) = 1/20; tek nokta: P(X = 7) = 0.
  2. Alan = taban × yükseklik: P(X > 15) = 5 · 1/20 = 0,25.
  3. E(X) = 10; Var(X) = 20²/12 ≈ 33,3.

Cevap: 0 · 0,25 · 10 dk · 33,3 dk²

Çözümlü örnek · sınav düzeyi

X'in oyf'si 0 ≤ x ≤ 3 için f(x) = kx², diğer yerlerde 0'dır. k, P(X < 1) ve E(X) kaçtır?

  1. ∫₀³ kx² dx = 9k = 1 ⇒ k = 1/9.
  2. P(X < 1) = ∫₀¹ x²/9 dx = 1/27.
  3. E(X) = ∫₀³ x³/9 dx = 81/36 = 2,25.

Cevap: k = 1/9 · P(X < 1) = 1/27 · E(X) = 2,25

Kesikli ve sürekli değişken yan yana
KesikliSürekli
Olasılık nerede?noktalarda: p(x)aralıklarda: alan
ToplamΣ p(x) = 1∫ f(x) dx = 1
P(X = a)p(a), pozitif olabilirher zaman 0
P(X ≤ a) ile P(X < a)farklı olabiliraynı
F ile ilişkiF basamaklıF sürekli, F′ = f
Akılda kalsın: Oyf olasılık değil, yoğunluktur; olasılık alandır. İlk iş yine toplam alanı 1'e eşitle. Düzgün dağılımda alan = taban × yükseklik; ortalama orta nokta, varyans (b − a)²/12.
Sınavda

Nasıl sorulurSabit içeren bir oyf verilip sabit, bir aralığın olasılığı ya da beklenen değer istenir; F(x) verilip türevle oyf ya da olasılık sorulur.

TuzakF(a)'yı P(X = a) sanmak, oyf'nin 1'i aşamayacağını düşünmek ve düzgün dağılım varyansında 12 yerine 6 ya da (b − a) yazmaktır.

?Soru çöz

X'in olasılık yoğunluk fonksiyonu 0 ≤ x ≤ 4 için f(x) = k(4 − x), diğer yerlerde 0'dır. Buna göre P(X ≤ 2) kaçtır?

✓ C. Toplam alan 8k = 1, k = 1/8; P(X ≤ 2) = ∫₀² (4 − x)/8 dx = 6/8 = 0,75. A dağılımı düzgün sanmış (2/4); B öteki kuyruğu, P(X > 2)'yi hesaplamış (aynı sayı f(2)'dir, yoğunluk olasılık sanılırsa da çıkar); D k'yı olasılık sanmış.

▭Boşluk doldurma X ~ U(2, 8)

X ~ U(2, 8) için E(X) = , Var(X) = ve P(3 < X < 6) = olur.

530,5612
DAĞILIM · FORMÜL

Normal dağılım: standartlaştırma ve 68-95-99,7 kuralı

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 5 dk · 2 etkinlik

Önce hatırlaÖrneklem varyansında neden n − 1'e bölünür, değişim katsayısı ve z puanı nasıl hesaplanır?Bu konunun bağlandığı sayfadan (Tanımlayıcı istatistik). Önce kendin cevapla, sonra aç.

Örneklem varyansı s² = Σ(x − x̄)²/(n − 1)'dir; anakütle varyansı σ²'de payda N'dir. Paydanın n − 1 olması, sapmaların toplamı sıfır olduğu için yalnız n − 1 sapmanın serbest olmasındandır. Değişim katsayısı DK = s/x̄ birimsizdir ve farklı birimli verileri karşılaştırır. z = (x − x̄)/s, bir gözlemin ortalamadan kaç standart sapma uzakta olduğunu verir.

Varyans, standart sapma, değişim katsayısı

Hatırladın mı?

✎Konu anlatımı

Normal dağılımda olasılık nasıl hesaplanır, standartlaştırma ve 68-95-99,7 kuralı nedir?

Kısa cevap: X ~ N(μ, σ²) simetrik, çan biçimli bir dağılımdır; ortalama, medyan ve mod μ'dür. Olasılık Z = (X − μ)/σ ile standart normale çevrilip Φ tablosundan okunur: Φ(−z) = 1 − Φ(z). Değerlerin yaklaşık %68'i μ ± σ, %95'i μ ± 2σ, %99,7'si μ ± 3σ içindedir. Bağımsız normallerin doğrusal birleşimi de normaldir.

Bir il müdürlüğünde bir başvurunun işlem süresi ortalaması 30, standart sapması 4 dakika olan normal dağılıma uyuyor. Bir başvurunun 36 dakikadan uzun sürme olasılığı kaçtır, en uzun %10'luk dilim kaç dakikadan başlar?

Her normal dağılım iki sayıyla belirlenir: μ yeri, σ genişliği. Tanımlayıcı istatistik sayfasında gördüğümüz z puanı, herhangi bir normali tek bir tabloya indirir: Z ~ N(0, 1). Tablo yalnız Φ(z) = P(Z ≤ z) verir; geri kalan her şey simetri ve tümleyenle bulunur. Gösterimde ikinci parametre varyanstır: N(30, 16)'da σ = 4'tür.

Z = X − μσ P(X ≤ x) = Φ(x − μσ) Φ(−z) = 1 − Φ(z) x = μ + zσBağımsız X ~ N(μ₁, σ₁²), Y ~ N(μ₂, σ₂²) için aX + bY ~ N(aμ₁ + bμ₂, a²σ₁² + b²σ₂²). Mçf: exp(μt + σ²t²/2).
Kural yaklaşıktır (tam değerler 0,6827; 0,9545; 0,9973). Chebyshev her dağılım için ±2σ'da en az %75 garanti ederken normal %95 verir.Görsel: Sınav Defteri
Çözümlü örnek

Giriş sorusunda X ~ N(30, 16). P(X > 36) ve en uzun %10'un alt sınırı kaçtır? (Φ(1,5) = 0,9332; z0,10 = 1,28)

  1. z = (36 − 30)/4 = 1,5; P(X > 36) = 1 − 0,9332 = 0,0668.
  2. Ters yön: x = 30 + 1,28 · 4 ≈ 35,1 dakika.

Cevap: 0,0668 · yaklaşık 35,1 dk

Çözümlü örnek · sınav düzeyi

İki memurun bir dosyayı inceleme süreleri bağımsız: X ~ N(50, 9), Y ~ N(40, 16). Birinci memurun ikinciden uzun sürmesi olasılığı kaçtır? (Φ(2) = 0,9772)

  1. D = X − Y ~ N(50 − 40, 9 + 16) = N(10, 25); varyanslar farkta da toplanır.
  2. P(D > 0) = P(Z > −10/5) = Φ(2) = 0,9772.

Cevap: 0,9772

Akılda kalsın: Standartlaştır, çiz, tümleyeni düşün. N(μ, σ²)'de ikinci sayı varyanstır; z hesabında karekökünü al. 68-95-99,7 kuralı ±1, ±2, ±3 standart sapmadır. İki bağımsız normalin farkının varyansı toplamdır.
Sınavda

Nasıl sorulurOrtalama ve varyans verilip bir aralığın olasılığı, bir yüzdeliğin değeri ya da iki bağımsız normalin farkına ilişkin olasılık istenir; Φ değerleri soruda verilir.

TuzakVaryansı standart sapma gibi paydaya yazmak, Φ(z)'yi sağ kuyruk sanmak ve X − Y'nin varyansını farkla hesaplamaktır.

?Soru çöz

X ~ N(50, 9) ve Y ~ N(40, 16) bağımsız rastgele değişkenlerdir. Buna göre P(X > Y) yaklaşık kaçtır? (Φ(2) = 0,9772; Φ(1,43) = 0,9236; Φ(0,4) = 0,6554)

✓ A. X − Y ~ N(10, 25), σ = 5; P(X − Y > 0) = Φ(10/5) = Φ(2). B standart sapmaları toplamış (3 + 4 = 7, z ≈ 1,43); C varyans 25'i standart sapma gibi kullanmış (z = 0,4); D kuyruğun yönünü ters almış, P(X < Y)'yi vermiş.

⇄Bilgi eşleştirme X ~ N(100, 225)

DAĞILIM · MODEL

Üstel, gama ve beta: bekleme süresi ve oran dağılımları

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 6 dk · 2 etkinlik

Önce hatırlaGeometrik dağılımın belleksizlik özelliği nedir, negatif binom dağılımı ne zaman kullanılır?Bu konunun bağlandığı sayfadan (Kesikli dağılımlar). Önce kendin cevapla, sonra aç.

Geometrik dağılım, bağımsız denemelerde ilk başarıya kadar geçen deneme sayısıdır: P(X = k) = (1 − p)ᵏ⁻¹p, E(X) = 1/p, Var(X) = (1 − p)/p². Belleksizdir: P(X > m + n | X > m) = P(X > n). Negatif binom r. başarıya kadarki deneme sayısıdır: E = r/p, Var = r(1 − p)/p².

Geometrik ve negatif binom

Hatırladın mı?

✎Konu anlatımı

Üstel dağılımın belleksizlik özelliği nedir, gama ve beta dağılımları ne zaman kullanılır?

Kısa cevap: Üstel dağılım (oyf λe−λx, x > 0) olaylar arası bekleme süresini modeller: E(X) = 1/λ, Var(X) = 1/λ², P(X > x) = e−λx. Sürekli dağılımlar içinde belleksiz olan tek dağılımdır. r bağımsız Üstel(λ)'nın toplamı Gama(r, λ)'dır: E = r/λ, Var = r/λ². Beta dağılımı [0, 1] aralığındaki oranlar içindir.

Bir kamu binasındaki jeneratörün arızaya kadar çalışma süresi ortalaması 500 saat olan üstel dağılıma uyuyor. 1.000 saat sorunsuz çalışmış bir jeneratör, yeni takılmış birinden daha mı risklidir?

Poisson dağılımını ve geometrik dağılımın belleksizliğini Kesikli dağılımlar sayfasında gördük. Üstel dağılım ikisinin sürekli karşılığıdır: olaylar Poisson hızıyla geliyorsa iki olay arasındaki süre üsteldir; geometrik gibi o da belleksizdir. λ oran parametresidir (birim zamandaki olay sayısı); ortalama onun tersidir. Ortalaması 500 saat ise λ = 1/500 = 0,002'dir.

f(x) = λe−λx F(x) = 1 − e−λx E(X) = 1/λ, Var(X) = 1/λ² P(X > s + t | X > s) = P(X > t)Medyan ln 2/λ ≈ 0,693/λ; ortalamadan küçüktür (sağa çarpık).
Çözümlü örnek

Giriş sorusunda yeni bir jeneratörün 1.000 saatten fazla çalışma olasılığı ve 1.000 saat çalışmış birinin 500 saat daha çalışma olasılığı kaçtır? (e−2 ≈ 0,135, e−1 ≈ 0,368)

  1. P(X > 1000) = e−0,002 · 1000 = e−2 ≈ 0,135.
  2. Belleksizlik: P(X > 1500 | X > 1000) = P(X > 500) = e−1 ≈ 0,368.

Cevap: 0,135 · 0,368. Çalışmış jeneratör yenisiyle aynı risktedir; yıpranan parçalarda bu varsayım bozulur ve üstel model uygun olmaz.

Gama ve beta

Gama(r, λ), r. olaya kadar geçen toplam süredir: r bağımsız üstel beklemenin toplamı. Kesikli taraftaki karşılığı negatif binomdur. Dakikada ortalama 0,5 müşteri geliyorsa üçüncü müşteriye kadarki sürenin ortalaması 3/0,5 = 6, varyansı 3/0,25 = 12 dakikadır. Ki-kare dağılımı da gamanın özel bir hâlidir (χ²k = Gama(k/2, 1/2)). Beta(α, β) yalnız 0 ile 1 arasında değer alır; oran ve yüzde (vergi uyum oranı, doluluk oranı) modellemede kullanılır, ortalaması α/(α + β)'dır.

Durum → sürekli dağılım
DurumDağılımE(X) · Var(X)
Aralıkta her değer eşit olasıU(a, b)(a + b)/2 · (b − a)²/12
Simetrik, çok etkenin toplamı; ölçüm hatasıN(μ, σ²)μ · σ²
İlk olaya kadar bekleme; belleksiz ömürÜstel(λ)1/λ · 1/λ²
r. olaya kadar toplam beklemeGama(r, λ)r/λ · r/λ²
0 ile 1 arasında oranBeta(α, β)α/(α + β) · —
Akılda kalsın: Üstelde λ oran, ortalama 1/λ; kuyruk e−λx. Belleksizlik: kesiklide geometrik, süreklide üstel. Gama = r tane üstelin toplamı (ortalama r/λ).
Sınavda

Nasıl sorulurÜstel oyf ya da ortalama verilip bir sürenin aşılma olasılığı, belleksizlikle koşullu olasılık ya da medyan istenir; üstellerin toplamının dağılımı gama olarak sorulur.

TuzakOyf'deki λ'yı ortalama sanmak, koşullu olasılıkta geçen süreyi yeniden saymak ve medyanı ortalamaya eşit sanmaktır.

?Soru çöz

X'in olasılık yoğunluk fonksiyonu x > 0 için f(x) = 0,25e−0,25x'tir. Buna göre aşağıdakilerden hangileri doğrudur?
I. E(X) = 4 ve Var(X) = 16'dır.
II. X'in medyanı ortalamasına eşittir.
III. P(X > 8 | X > 4) = P(X > 4)'tür.

✓ D. λ = 0,25: ortalama 1/λ = 4, varyans 1/λ² = 16 (I); belleksizlik gereği geçen 4 birim hesaba girmez (III). II yanlıştır: medyan 4 ln 2 ≈ 2,77 < 4; dağılım sağa çarpıktır. A belleksizliği görmez; B üstelin ortalama ve varyansını (1/λ ve 1/λ²) kaçırır; C üsteli simetrik sanıp medyanı ortalamaya eşitler.

⇄Bilgi eşleştirme dağılım ↔ beklenen değer

DAĞILIM · MODEL

Ortak yoğunluk ve dönüşüm: iki değişken, yeni değişken

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 5 dk · 2 etkinlik

Önce hatırlaOrtak olasılık tablosundan marjinal dağılım, koşullu beklenen değer ve kovaryans nasıl bulunur?Bu konunun bağlandığı sayfadan (Kesikli dağılımlar). Önce kendin cevapla, sonra aç.

Ortak olasılık fonksiyonu p(x, y) = P(X = x, Y = y)'dir. Satır ve sütun toplamları marjinal dağılımları verir. Koşullu dağılım p(y | x) = p(x, y)/pX(x), koşullu beklenen değer E(Y | X = x) = Σ y · p(y | x)'tir. Her hücrede p(x, y) = pX(x)pY(y) ise değişkenler bağımsızdır. E[E(Y | X)] = E(Y).

Ortak kesikli dağılım ve koşullu beklenen değer

Hatırladın mı?

✎Konu anlatımı

Ortak olasılık yoğunluk fonksiyonundan marjinal dağılım ve kovaryans nasıl bulunur, rastgele değişkenin dönüşümü nasıl yapılır?

Kısa cevap: Ortak oyf f(x, y)'den marjinal yoğunluk öteki değişken üzerinden integral alınarak bulunur: fX(x) = ∫ f(x, y) dy. f(x, y) = fX(x)fY(y) ise X ile Y bağımsızdır. Y = g(X) birebir bir dönüşümse fY(y) = fX(x) · |dx/dy| olur; iki değişkende bu çarpan Jacobian determinantının mutlak değeridir.

Bir şubede X bir dosyanın hazırlanma, Y onaylanma süresini (saat, 0 ile 1 arası) gösteriyor ve ortak yoğunlukları f(x, y) = x + y. Bu iki süre bağımsız mıdır, birlikte nasıl değişirler?

Ortak kesikli dağılımı Kesikli dağılımlar sayfasında tabloyla gördük: marjinal satır toplamıydı. Sürekli durumda toplamın yerini integral alır; tablo yerine bir yüzey vardır ve olasılık, bir bölge üzerindeki hacimdir. Koşullu yoğunluk da aynı oranla kurulur: f(y | x) = f(x, y)/fX(x).

fX(x) = ∫ f(x, y) dy E(XY) = ∬ xy f(x, y) dx dy Cov(X, Y) = E(XY) − E(X)E(Y)Bağımsızlık için çarpanlara ayrılma, değişkenlerin tanım bölgesinin de dikdörtgen olmasını ister.
Çözümlü örnek

Giriş sorusunda 0 ≤ x, y ≤ 1 için f(x, y) = x + y. fX(x), E(X), E(XY) ve Cov(X, Y) nedir?

  1. fX(x) = ∫₀¹ (x + y) dy = x + 1/2; simetriden fY(y) = y + 1/2. Çarpımları x + y değildir ⇒ bağımlı.
  2. E(X) = ∫₀¹ x(x + 1/2) dx = 1/3 + 1/4 = 7/12 = E(Y).
  3. E(XY) = ∬ (x²y + xy²) = 1/6 + 1/6 = 1/3.
  4. Cov = 1/3 − 49/144 = −1/144.

Cevap: x + 1/2 · 7/12 · 1/3 · −1/144 (zayıf bir ters yönlü ilişki)

Dönüşüm: Y = g(X)'in dağılımı

En güvenli yol dağılım fonksiyonudur: FY(y) = P(g(X) ≤ y)'yi X cinsinden yaz, sonra türev al. g birebirse kısayol fY(y) = fX(g⁻¹(y)) · |dx/dy|'dir; |dx/dy| çarpanı, aralıkların gerilip büzülmesini dengeler ve toplam alanın 1 kalmasını sağlar. X ~ U(0, 1) ve Y = X² ise FY(y) = P(X ≤ √y) = √y, yani fY(y) = 1/(2√y), 0 < y < 1.

Ek bilgi: iki değişkenli dönüşüm

(U, V) = g(X, Y) birebirse fU,V(u, v) = fX,Y(x, y) · |J|; J, (x, y)'nin (u, v)'ye göre kısmi türevlerinden kurulan 2 × 2 matrisin determinantıdır. Toplamın dağılımı genellikle V = Y gibi yardımcı bir değişken eklenip sonra integralle bulunur.

Akılda kalsın: Marjinal = öteki değişken üzerinden integral. Bağımsızlık = ortak yoğunluk çarpanlara ayrılır. Dönüşümde önce FY'yi yaz, sonra türev al; kısayolda |dx/dy| çarpanını unutma.
Sınavda

Nasıl sorulurOrtak oyf verilip sabit, marjinal yoğunluk, bir bölgenin olasılığı, bağımsızlık ya da kovaryans istenir; tek değişkenli dönüşümle yeni değişkenin oyf'si sorulur, şıklar formüldür.

TuzakMarjinalde yanlış değişkene göre integral almak, dönüşümde |dx/dy| çarpanını atlamak ve Y'nin tanım aralığını güncellememektir.

?Soru çöz

X, (0, 1) aralığında düzgün dağılmış bir rastgele değişkendir. Y = −2 ln X olduğuna göre y > 0 için Y'nin olasılık yoğunluk fonksiyonu aşağıdakilerden hangisidir?

✓ B. FY(y) = P(−2 ln X ≤ y) = P(X ≥ e−y/2) = 1 − e−y/2; türevi (1/2)e−y/2, yani ortalaması 2 olan üstel. A katsayı 2'yi oran sanmış; C |dx/dy| = (1/2)e−y/2 çarpanını atlamış, alanı 2 olur; D dağılım fonksiyonunda kalmış, türev almamış.

⇄Bilgi eşleştirme f(x, y) = x + y, 0 ≤ x, y ≤ 1

DAĞILIM · TEOREM

Büyük sayılar yasası ve merkezi limit teoremi: neden her yerde normal?

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 6 dk · 2 etkinlik

Önce hatırlaBeklenen değer ve varyansın özellikleri nelerdir, Var(aX + bY) nasıl hesaplanır?Bağlantılı konudan (Olasılık temelleri). Önce kendin cevapla, sonra aç.

Beklenen değer doğrusaldır: E(aX + bY + c) = aE(X) + bE(Y) + c. Varyans ise kareyle ölçeklenir ve sabitten etkilenmez: Var(aX + bY + c) = a²Var(X) + b²Var(Y) + 2ab·Cov(X, Y). X ile Y bağımsızsa kovaryans 0'dır; bu durumda Var(X − Y) = Var(X) + Var(Y) olur.

Beklenen değer ve varyans

Hatırladın mı?

✎Konu anlatımı

Merkezi limit teoremi nedir, binom dağılımına normal yaklaşım ve süreklilik düzeltmesi nasıl yapılır?

Kısa cevap: Büyük sayılar yasasına göre örneklem ortalaması n büyüdükçe anakütle ortalamasına yaklaşır. Merkezi limit teoremine göre ortalaması μ, varyansı σ² olan herhangi bir anakütleden çekilen bağımsız gözlemlerin ortalaması, n büyükken yaklaşık N(μ, σ²/n) dağılır. Binom için np ve n(1 − p) yeterince büyükse N(np, np(1 − p)) kullanılır; sınıra ±0,5 süreklilik düzeltmesi eklenir.

Bir vergi dairesinde tek bir dosyanın işlem süresi çarpık dağılıyor: ortalama 50, standart sapma 12 dakika. Rastgele 36 dosyanın ortalama süresinin 53 dakikayı aşma olasılığını, dağılımı bilmeden hesaplayabilir miyiz?

Chebyshev eşitsizliğini Olasılık temelleri sayfasında gördük; ondan çıkan sonuç büyük sayılar yasasıdır: x̄'ın varyansı σ²/n olduğu için n büyüdükçe x̄, μ çevresinde daralır. Bu yasa x̄'ın nereye gittiğini söyler; merkezi limit teoremi (MLT) ise yolda nasıl dağıldığını: anakütle çarpık, kesikli, hatta düzgün olsa da ortalamanın dağılımı çana döner. Yaygın kural n ≥ 30'dur; anakütle simetrikse daha küçük n yeter, normal ise her n için kesindir.

x̄ ≈ N(μ, σ²/n) ΣXi ≈ N(nμ, nσ²) Z = x̄ − μσ/√nσ/√n'ye ortalamanın standart hatası denir. x̄'ın örnekleme dağılımını ve onun üzerine kurulan tahmini Örnekleme dağılımları ve tahmin sayfasında göreceğiz.
Çözümlü örnek

Giriş sorusunda n = 36 için P(x̄ > 53) kaçtır? (Φ(1,5) = 0,9332)

  1. Standart hata 12/√36 = 2; MLT ile x̄ ≈ N(50, 4).
  2. z = (53 − 50)/2 = 1,5 ⇒ P = 1 − 0,9332 = 0,0668.

Cevap: 0,0668. Tek bir dosya için bu hesap yapılamazdı (dağılım çarpık); 36 dosyanın ortalaması için yapılabilir.

Binoma normal yaklaşım ve süreklilik düzeltmesi

Binom, n Bernoulli'nin toplamıdır; MLT gereği n büyüyünce normale yaklaşır (yaygın koşul np ≥ 5 ve n(1 − p) ≥ 5). Kesikli bir değeri sürekli eğriyle temsil ederken her tam sayı, ±0,5 genişliğindeki bir çubuk olarak düşünülür: P(X ≤ 45) için sınır 45,5, P(X ≥ 90) için 89,5 alınır. Kesikli dağılımlar sayfasında gördüğümüz Poisson yaklaşımı küçük p içindi; normal yaklaşım p ortalardayken daha iyidir.

Çözümlü örnek · sınav düzeyi

Bir ankette 100 kişinin her biri bir öneriyi 0,5 olasılıkla destekliyor. En çok 45 kişinin destekleme olasılığı yaklaşık kaçtır? (Φ(−0,9) = 0,1841)

  1. μ = 50, σ = √(100 · 0,5 · 0,5) = 5; koşul: np = 50 ≥ 5.
  2. Süreklilik düzeltmesi: P(X ≤ 45) ≈ P(Y < 45,5).
  3. z = (45,5 − 50)/5 = −0,9 ⇒ 0,1841 (kesin binom değeri de 0,1841).

Cevap: yaklaşık 0,184

Süreklilik düzeltmesi (X kesikli, Y onun normal yaklaşımı)
İstenenNormalde kullanılan
P(X ≤ k)P(Y < k + 0,5)
P(X < k)P(Y < k − 0,5)
P(X ≥ k)P(Y > k − 0,5)
P(X = k)P(k − 0,5 < Y < k + 0,5)
Akılda kalsın: BSY: x̄ → μ. MLT: x̄ ≈ N(μ, σ²/n), anakütle ne olursa olsun. Standart hata σ/√n, σ/n değil. Binomu normalle yaklaştırırken ±0,5: "en çok k" için k + 0,5, "en az k" için k − 0,5.
Sınavda

Nasıl sorulurAnakütle ortalaması ve standart sapması verilip örneklem ortalamasına ya da toplamına ilişkin olasılık istenir; binom normal yaklaşımla süreklilik düzeltmesi yapılarak hesaplatılır; MLT'nin koşulları öncüllerle yoklanır.

TuzakStandart hatada √n yerine n kullanmak, süreklilik düzeltmesini ters yöne yapmak ve MLT'nin anakütlenin normal olmasını gerektirdiğini sanmaktır.

?Soru çöz

X ~ Binom(400; 0,2) olduğuna göre süreklilik düzeltmesiyle normal yaklaşım kullanılarak P(X ≥ 90) yaklaşık kaçtır? (Φ(1,19) = 0,8830; Φ(1,25) = 0,8944; Φ(1,31) = 0,9049)

✓ C. μ = 80, σ = √64 = 8; P(X ≥ 90) ≈ P(Y > 89,5), z = 9,5/8 ≈ 1,19, sonuç 1 − 0,8830 = 0,1170. A süreklilik düzeltmesini atlamış (z = 1,25); B düzeltmeyi ters yöne yapmış (90,5, z ≈ 1,31); D Φ değerini cevap sanmış, sağ kuyruğa geçmemiş.

↕Normal yaklaşımın adımlarını sırala

  1. Sınırı süreklilik düzeltmesiyle ±0,5 kaydır
  2. Φ tablosundan olasılığı oku, gerekirse tümleyenini al
  3. np ≥ 5 ve n(1 − p) ≥ 5 koşulunu denetle
  4. z = (sınır − μ)/σ ile standartlaştır
  5. μ = np ve σ = √[np(1 − p)] hesapla
OLASILIK · MODEL

Stokastik süreçler: Markov zinciri, Poisson süreci, rastgele yürüyüş

İstatistik · Olasılık ve Stokastik Süreçler · Okuma 5 dk · 2 etkinlik

Önce hatırlaPoisson dağılımı ne zaman kullanılır, binom dağılımına Poisson yaklaşımı nasıl yapılır?Bağlantılı konudan (Kesikli dağılımlar). Önce kendin cevapla, sonra aç.

Poisson dağılımı, belirli bir zaman ya da alan aralığında bağımsız ve sabit hızla gerçekleşen olayların sayısını modeller: P(X = k) = e−λλᵏ/k!. Ortalaması da varyansı da λ'dır. Aralık değişince λ orantılı ölçeklenir. n büyük, p küçükken Binom(n, p) yerine λ = np olan Poisson kullanılır.

Poisson dağılımı ve binom yaklaşımı

Hatırladın mı?

✎Konu anlatımı

Markov zincirinde geçiş matrisi ve durağan dağılım nasıl bulunur, Poisson sürecinde bekleme süreleri nasıl dağılır?

Kısa cevap: Markov zincirinde bir sonraki durum yalnız şimdiki duruma bağlıdır. Geçiş matrisi P'nin satırları 1'e toplanır; n adımlık geçişler Pⁿ'dir. Durağan dağılım πP = π ve Σπ = 1'i sağlar. Poisson sürecinde t süredeki olay sayısı Poisson(λt) dağılır, olaylar arası süreler bağımsız Üstel(λ), k. olayın zamanı Gama(k, λ)'dır.

Bir belediyede vatandaşların %90'ı bu ay e-Devlet'ten işlem yaptıysa gelecek ay da e-Devlet'i, %10'u şubeyi seçiyor; şubeye gidenlerin %30'u gelecek ay e-Devlet'e geçiyor. Uzun dönemde vatandaşların ne kadarı e-Devlet'i kullanır?

Stokastik süreç, zamanla dizilmiş rastgele değişkenlerdir: X₀, X₁, X₂, … Markov özelliği, geleceğin yalnız bugüne bağlı olmasıdır; geçmişin bütün etkisi şimdiki durumda saklıdır. Bu, geometrik ve üstel dağılımdaki belleksizliğin süreç düzeyindeki karşılığıdır. Geçiş olasılıkları bir matriste toplanır: satır = bugünkü durum, sütun = yarınki durum.

Geçiş matrisi P = [[0,9; 0,1], [0,3; 0,7]]. Uzun dönemde akışlar dengelenir: 0,75 · 0,1 = 0,25 · 0,3.Görsel: Sınav Defteri
Çözümlü örnek

Giriş sorusundaki zincirde e-Devlet kullanan birinin iki ay sonra yine e-Devlet'te olma olasılığı ve durağan dağılım nedir?

  1. İki adım: P²₁₁ = 0,9 · 0,9 + 0,1 · 0,3 = 0,84 (ya iki ay e-Devlet, ya şubeye gidip dönüş).
  2. Durağan: π₁ · 0,1 = π₂ · 0,3 ve π₁ + π₂ = 1 ⇒ π₁ = 0,75, π₂ = 0,25.

Cevap: 0,84 · uzun dönemde %75 e-Devlet

Bir kez girilince çıkılamayan duruma soğurucu durum denir (pii = 1): ör. "dosya kapandı". Soğurucu durumu olan zincir uzun dönemde orada toplanır.

Poisson süreci ve rastgele yürüyüş

Olaylar bağımsız ve sabit λ hızıyla geliyorsa sayma süreci N(t) bir Poisson sürecidir: t süredeki olay sayısı Poisson(λt), iki olay arası süre Üstel(λ), k. olayın zamanı Gama(k, λ)'dır. Saatte 3 başvuru gelen bir masada ilk başvuru ortalama 20 dakikada gelir; 30 dakikadan geç gelme olasılığı e−1,5 ≈ 0,223'tür. Rastgele yürüyüş ise bağımsız adımların toplamıdır: Sₙ = X₁ + … + Xₙ. Adım p olasılıkla +1, 1 − p olasılıkla −1 ise E(Sₙ) = n(2p − 1), Var(Sₙ) = 4np(1 − p).

Akılda kalsın: Markov: satır toplamı 1, n adım = Pⁿ, durağan πP = π. Soğurucu: pii = 1. Poisson süreci: sayı Poisson(λt), bekleme Üstel(λ), k. olay Gama(k, λ).
Sınavda

Nasıl sorulurGeçiş matrisi verilip iki adımlık geçiş olasılığı, durağan dağılım ya da soğurucu durum sorulur; Poisson sürecinde belirli sürede k olay olasılığı ya da bekleme süresi istenir.

Tuzakİki adımlık olasılıkta yalnız "hep aynı durumda kalma" yolunu saymak (0,9²), matrisi sütun toplamı 1 diye okumak ve bekleme süresinin ortalamasını λ sanmaktır.

?Soru çöz

İki durumlu bir Markov zincirinin geçiş matrisinin birinci satırı (0,6; 0,4), ikinci satırı (0,2; 0,8)'dir. Buna göre aşağıdakilerden hangileri doğrudur?
I. Durağan dağılım (1/3; 2/3)'tür.
II. 1. durumdan başlayan zincirin iki adım sonra 1. durumda olma olasılığı 0,36'dır.
III. 2. durum soğurucu durumdur.

✓ A. Denge: 0,4π₁ = 0,2π₂ ve π₁ + π₂ = 1 ⇒ (1/3; 2/3) (I). II yanlıştır: P²₁₁ = 0,6 · 0,6 + 0,4 · 0,2 = 0,44; 0,36 yalnız iki adım yerinde kalma yoludur. III yanlıştır: p₂₂ = 0,8 ≠ 1. B ikinci yolu unutmuş; C ve D en büyük olasılıklı durumu soğurucu sanmış.

▭Boşluk doldurma saatte λ = 3 başvuru

Poisson sürecinde 20 dakikada beklenen başvuru sayısı , ilk başvuruya kadar ortalama bekleme dakika, üçüncü başvurunun beklenen zamanı dakikadır.

1206039

Karma tekrar

Önceki 3 sayfadan karışık 10 soru. Sınavdaki gibi konular karışık gelir; hangi konudan olduğunu çözümde görürsün. Birkaç gün sonra yeniden çöz.

?Soru 1

80 dosyanın sonuçlanma süreleri beş sınıflı bir frekans tablosunda özetleniyor. Sınıfların göreli frekansları sırasıyla 0,10; 0,25; x; 0,20 ve 0,15'tir. Buna göre üçüncü sınıfın frekansı kaçtır?

✓ A. Göreli frekanslar toplamı 1'dir: x = 1 − 0,70 = 0,30; frekans 0,30 · 80 = 24. B göreli frekansta durmuş, n ile çarpmamış; C birikimli frekansı (0,65 · 80) vermiş; D yüzdeyi (%30) frekans sanmış.Kaynak: Tanımlayıcı istatistik · Frekans dağılımı ve histogram

?Soru 2

X ~ Poisson(3) ve Y ~ Poisson(2) bağımsız rastgele değişkenlerdir. Buna göre aşağıdakilerden hangileri doğrudur?
I. Var(X − Y) = 1'dir.
II. X + Y, λ = 5 parametreli Poisson dağılımına sahiptir.
III. P(X + Y = 0) = e−5'tir.

✓ C. Bağımsız Poisson'ların toplamı Poisson'dur, λ'lar toplanır (II); bu yüzden P(X + Y = 0) = e−5 (III). I yanlıştır: Var(X − Y) = Var(X) + Var(Y) = 5; varyanslar farkta da toplanır. A III'ün II'den doğrudan çıktığını görmez; B ve D farkın varyansını çıkarmış, B ayrıca toplamın Poisson olduğunu görmez.Kaynak: Kesikli dağılımlar · Poisson dağılımı ve binom yaklaşımı

?Soru 3

A ve B aynı örnek uzayda tanımlı iki olaydır. Buna göre aşağıdakilerden hangileri her zaman doğrudur?
I. P(A ∩ B) ≤ P(A)
II. P(A ∪ B) ≤ P(A) + P(B)
III. P(A) + P(B) > 1 ise A ile B ayrık olamaz.

✓ D. I: A ∩ B ⊂ A olduğundan olasılığı büyük olamaz. II: toplama kuralında çıkarılan P(A ∩ B) ≥ 0'dır (Boole eşitsizliği). III: ayrık olsalardı P(A ∪ B) = P(A) + P(B) > 1 olurdu, bu da P(S) = 1 aksiyomunu çiğner. A II ile III'ü, B III'ü eksik bırakır: P(S) = 1 sınırı ayrıklığı da yasaklar; C, A ∩ B ⊂ A ilişkisini gözden kaçırır.Kaynak: Olasılık temelleri · Örnek uzay ve aksiyomlar

?Soru 4

Tek tepeli bir dağılımda aritmetik ortalama 40, medyan 45 ve mod 48'dir. Buna göre aşağıdakilerden hangileri doğrudur?
I. Dağılım sola (negatif) çarpıktır.
II. Basıklık katsayısı 3'ten küçüktür.
III. Pearson çarpıklık katsayısı negatiftir.

✓ B. x̄ < Me < Mo sırası sola çarpıklıktır (I); x̄ − Mo = −8 ve x̄ − Me = −5 olduğu için Pearson katsayısı negatiftir (III). II bu bilgilerden çıkmaz: basıklık dördüncü momente bağlıdır, merkez ölçülerinin sırası onu belirlemez. A katsayının işaretinin sıradan okunabileceğini görmez; C ve D çarpıklığı basıklıkla karıştırır, C ayrıca sıradan çarpıklığın yönünü okumaz.Kaynak: Tanımlayıcı istatistik · Çarpıklık ve basıklık

?Soru 5

50 personelin 10'unun yabancı dil belgesi vardır. Rastgele ve iadesiz olarak 5 kişilik bir komisyon seçiliyor. Komisyondaki dil belgeli kişi sayısının varyansı yaklaşık kaçtır?

✓ D. Hipergeometrik: 5 · 0,2 · 0,8 · 45/49 ≈ 0,7347 ≈ 0,73. A binom varyansıdır, iadesiz çekilişin düzeltmesini atlamış; B ortalamayı (nK/N = 1) varyans sanmış; C düzeltmede paydaya N − 1 yerine N yazmış (45/50).Kaynak: Kesikli dağılımlar · Hipergeometrik dağılım ve dağılım seçimi

?Soru 6

X ortalaması 3 olan Poisson, Y ise n = 10 ve p = 0,2 parametreli binom dağılımına sahip bağımsız rastgele değişkenlerdir. Buna göre Var(2X − 3Y + 5) kaçtır? (Poisson dağılımında varyans ortalamaya eşittir; binom dağılımında Var(Y) = np(1 − p)'dir.)

✓ B. Poisson'da Var(X) = λ = 3, binomda Var(Y) = np(1 − p) = 1,6; Var = 4 · 3 + 9 · 1,6 = 26,4. A katsayıların karesini almamış ve varyansları çıkarmış (6 − 4,8); C karesini almış ama eksi işaretiyle çıkarmış (12 − 14,4), varyans negatif olamaz; D sabit 5'i varyansa eklemiş.Kaynak: Olasılık temelleri · Beklenen değer ve varyans

?Soru 7

X rastgele değişkeninin olasılık yoğunluk fonksiyonu x > 0 için f(x) = 2e−2x, diğer durumlarda 0'dır. Buna göre X'in karakteristik fonksiyonu aşağıdakilerden hangisidir?

✓ D. X ~ Üstel(λ = 2); φ(t) = ∫ eitx 2e−2x dx = 2/(2 − it). A mçf'dir, t yerine it yazılmamış; B integralde üsteki işaret ters alınmış; C λ = 2'yi ortalama sanıp ortalaması 2 olan üstelin fonksiyonunu yazmış (oysa ortalama 1/2).Kaynak: Olasılık temelleri · Moment çıkaran ve karakteristik fonksiyon

?Soru 8

X ve Y, 0 ve 1 değerlerini alan rastgele değişkenlerdir; ortak olasılıklar p(0, 0) = 0,2, p(0, 1) = 0,3, p(1, 0) = 0,2 ve p(1, 1) = 0,3'tür. Buna göre aşağıdakilerden hangileri doğrudur?
I. X ile Y bağımsız değildir.
II. E(Y | X = 1) = 0,6'dır.
III. Cov(X, Y) = 0,3'tür.

✓ A. Marjinaller pX = 0,5; 0,5 ve pY = 0,4; 0,6; dört hücre de marjinallerin çarpımına eşittir, yani X ile Y bağımsızdır ve I yanlıştır. E(Y | X = 1) = 0,3/0,5 = 0,6 (II). III yanlıştır: 0,3 E(XY)'dir; Cov = 0,3 − 0,5 · 0,6 = 0. B ve D E(XY)'yi kovaryans sanmış, B ayrıca koşullu beklenen değeri atlamış; C bağımsızlığı hücreleri marjinal çarpımlarıyla karşılaştırmadan reddetmiş.Kaynak: Kesikli dağılımlar · Ortak kesikli dağılım ve koşullu beklenen değer

?Soru 9

X'in olasılık fonksiyonu x = 1, 2, 3, 4 için p(x) = x/10, diğer değerlerde 0'dır. Buna göre Var(2X + 1) kaçtır?

✓ D. E(X) = 3, E(X²) = (1 + 8 + 27 + 64)/10 = 10, Var(X) = 10 − 9 = 1; Var(2X + 1) = 2² · 1 = 4. A katsayının karesini almamış; B sabit 1'i varyansa eklemiş; C E(X²)'yi varyans sanmış.Kaynak: Kesikli dağılımlar · Olasılık fonksiyonu, Bernoulli, kesikli düzgün

?Soru 10

Ölçme düzeyleriyle ilgili aşağıdaki ifadelerden hangileri doğrudur?
I. Celsius cinsinden 30 °C, 15 °C'nin iki katı sıcaklıktır.
II. İl plaka kodları sınıflama ölçeğindedir; aritmetik ortalamaları anlamsızdır.
III. Aylık gelir için değişim katsayısı hesaplanabilir.

✓ C. II: plaka kodu yalnız etikettir. III: gelirde sıfır gerçek yokluktur, oran ölçeğidir; DK anlamlıdır. I yanlıştır: Celsius'ta sıfır keyfîdir, aralık ölçeğinde oran kurulamaz. A, B ve D Celsius'u oran ölçeği sanır; A ayrıca II ile III'ü atlar, B plaka kodlarının ortalamasını anlamlı sanıp II'yi eler.Kaynak: Tanımlayıcı istatistik · Ölçme düzeyleri
+
Daha fazla soru çözmek ister misin?Sürekli dağılımlar ve stokastik süreçler soruları uygulamaya ekleniyor; şimdilik diğer derslerin sorularını çözebilirsin. Yanlışların Hata Defteri'ne kaydedilir.
Soru çöz →