Professional Documents
Culture Documents
Ankara, 1985
eemdersnotlari.com
eemdersnotlari.com
MATEMATKSEL
STATSTE
GR
(III. Bas)
Ankara, 1985
eemdersnotlari.com
eemdersnotlari.com
ANNEM'e ve BABAM'
tten
sevgi
ve teekkrlerimle
eemdersnotlari.com
eemdersnotlari.com
NSZ
"Matematiksel istatistie Giri", uzu saylabilecek bir dnemin
rn. 1963-1965 yllarnda ABD'de Michigan niversitesinde statistik
ve ekonometri ile ilgili almalarm ve 1965-1966 akademik ylnda
yazlm ve oaltlm ders notlarm kitabn temelini tekil etti. 1965
1969 arasmda SBF III. snf ve DE Eitim Merkezi'nde bu yaklam
ile istatistik okutmak, bir ders kitabnn yazlmas srasnda byk
lde yararlandm bir tecrbe oldu. Baka deyile kitabn nvesi
snfta test edildi. 1
Kitabn 1969 ve 1970 yllarnda tamamiyle yeniden yazlnda,
amacn esas itibariyle sosyal bilimlerle ilgili rencilere temel bir istatistik formasyonu vermek olduunu dikkate alarak matematik ngereini,
yabanc dillerde bu tip kitaplarda aklagelmi seviyenin altda tutmaya
altk. ktisatlar iin zel nemini dikkate alarak Regresyon ile ilgili
iki blm, ders kitabnn hacmine oranla geni tuttuk.
Kitabmzn temel istatistik ve ekonometri ile ilgili kurlarda, bu
derslerin okutulduu muhtelif niversite ve akademilerde, lisans ve
lisans st seviyede faydal olabileceini umuyoruz.
Akademik ynden kitaba ilikin olarak, ABD'deki hocalarma,
zellikle D. B. Suits. S. H. Hymans, L. Kish ve W. A. Erickson'a ve
bibliyografyada belirttiim kitaplarn yazarlarna teekkr borluyum.
Dier almalarmda olduu gibi bunda da deerli eim Sevil'in
byk destei bana yardmc oldu. Uzun saylabilecek bir kitabn daktilo
iini, aylarca sren sabrl ve titiz bir alma ile baararak, kendi almalarna ayrabilecei deerli zamanndan byk fedakrlk yapt.
Kendisine minnettarm.
Son derecede titiz ve baarl almalar ile kitab, ekil olarak,
yabanc dillerdeki yaynlarn seviyesine ulatran Ankara niversitesi
Matbaas'nn deerli elemanlarn tebrik etmek ve iten teekkrlerimi
sunmak isterim.
V
eemdersnotlari.com
Uur KORUM
VI
eemdersnotlari.com
NDEKLER
Sayfa
GR
1-3
BLM I
" SETLER
4-20
Set kavranlan
Eitlik, Elenildik
Set ilemleri
Set cebri ve kurallar
Sral ikililer ve kartezyen arpm
liki ve fonksiyon kavramlar
Setlerle ilgili problemler
*....
4
6
7
10
13
14
17
BLM II
OLASILIK
21-47
Giri
Olaslk aksiyomlar
artl olaslk
Stokastik bamszlk
3 olayn artl olasl ve bamszl
n tane olayn artl olaslk ve bamszl
Bayes forml
Sralama ve birletirme
Olaslk ile ilgili problemler
21
23
2S
28
29
31
^2
00
38
BLM III
TESADF DEKENLER
I. Tek boyutlu tesadfi deikenler
1. Kesikli tesadfi deikenler
YII
eemdersnotlari.com
48-88
50
50
j..
53
55
59
59
62
70
72
72
73
77
BLM IV
BEKLENEN DEER Ve MOMENTLER
Beklenen deer cebri
Korrelasyon katsayu
artl beklenen deer
Momentler
Moment karan fonksiyon . j
Beklenen deer ve momentlerle ilgili problemler
89-128
94
103
108
113
117
118
BLM V
BRKA NEML D A I L I M :
129-168
eemdersnotlari.com
129
132
135
136
138
140
145
148
153
153
164
167
BLM VI
RNEKLEME
169-192
rnek momentleri
Byk saylar kanunu
Chebyshev eitsizlii
Merkezi limit teoremi
rnekleme ile ilgili problemler
174
178
179
181
187
BLM VII
S T A T S T K TAHMN
193-263
229
230
234
235
eemdersnotlari.com
BLM VIII
HPOTEZLERN TEST'
i
264-318
264
264
270
274
279
280
280
287
290
291
292
295
297
299
301
304
307
310
311
BLM IX
B A S T REGRESYON
Giri
!
iki deikenli dorusal regresyon modeli
Basit dorusal regresyon modelinin stokastik tanm
LS tahmin edicilerinin zellikleri, Gauss Markov teoremi
Esneklikler
Regresyonda istatistiki istidlal
Korrelasyon katsays
Uyma baars test'i
r* ile F arasndaki iliki
nceden tahmin ve yeni gzlemler
Stokastik tanm artlarnn kritii
X
eemdersnotlari.com
319-390
319
321
323
332
341
343
348
353
357
360
366
367
369
370
375
376
BLM X
OKLU REGRESYON
391-439
428
BBLYOGRAFYA
441-443
KAVRAM NDEKS
445-148
OLASILIK TABLOLARI:
Standart Normal Dalm: Birikimli Dalm Fonksiyonun . . . 156 L->7
Standart Normal Dalm: Sklk Fonksiyonu
158-159
Birikimli V- Dalm
232
Birikimli t Dalm Alan Yzdesi
236
.95 Birikmi olasla Tekabl Eden F Deerleri
237
XI
eemdersnotlari.com
eemdersnotlari.com
GR
istatistik teorisi ve teknii, eitli bilim dallarndaki gelimeye
paralel olarak, zamanmzda bilim metodunun ortak teknolojisi haline
gelmi bulunuyor. Esas itibariyle matematiin bir alt ihtisas dal olan
istatistik teorisi, pek ok bilim dahnda aratrmalarn yapdabilmesi
iin kullanlmas zorunlu temel bilgileri kapsyor. Belirsizlik ve tesadfliin hakim olduu artlar altnda karar vermede kullandabilecek
aletleri gelitiriyor.
Teorik ve uygulamal istatistik eklinde yaplan ayrm, uygulama
alanlarnda aratrmalarda ulalmas gereken seviye ve kullanlacak
aletlerin gerektirdii bilgiler karsnda eski kesinliini kaybediyor.
Bugn herhangi bir bilim dalndaki (Bu bilim dal fizik, kimya, meteoroloji, tp, psikoloji, eitim, iktisat, sosyoloji, endstri mhendislii, botanik ... olabilir) aratrc, baarl olabilmek iin istatistik teorisi ile ilgili
asgari bir temele sahip olmak zorunda, istatistik teorisine yaplan pek
ok katknn, eitli alanlarda almalar yaparken kardalan problemleri zme abasnn rn olduu grnyor. Bu kitabn amac
aratrma iin zorunlu ngerei salamaya yardmc olmak.
istatistiin en baarl ekilde kullanld alanlardan biri iktisat.
Iktisat'n bir alt ihtisas dal olan ekonometride son yllarda Trkiye de
dahil, byk gelime grnyor. Regresyon analizinin iktisatta kullanlan teknikler arasnda ayr bir yeri var. Kitabmzda bu durumu dikkate alarak regresyon'a zel bir arlk tandk. Fakat bu, kitabn hibir
zaman sadece iktisatlara h'tap ettii anlamna gelmiyecek. Aksine,
belirsizlik ve tesadflik unsurlarnn rol oynad her yerde geerli
olabilecek ortak bilgileri verme amacna ynelecek.
Kitabmzn bah muhtevasn ve hitap ettii seviyeyi belirtiyor.
"Giri" szcn kullanmamzn nedeni, matematiksel ngerek olarak
sadece bir miktar "Calculus" ve matriks ilemleri hakknda bilgiyi gerektirmesi ve ok deikenli istatistik teorisini aa yukar tamamen ihmal
1
eemdersnotlari.com
eemdersnotlari.com
eemdersnotlari.com
BLM I
SET'LER
eemdersnotlari.com
eemdersnotlari.com
A C H
A c
ETLK, SLENKLK
A ve B gibi iki set, tamamiyle ayn elemanlar ihtiva ediyorlarsa
eit saylrlar. Elemanlarn sralan fark set eitliini bozmaz.
r n e k : 3 karde var, isimleri Ali, Aye, Ama. Orta okulda ngilizce dersinden birinci karne ders notlan 8, 7, 5. Matematik notlan ise
5,8,7.
A ngilizce dersinden alnan notlar set'i, B matematikten alnan
notlar set'i olsun.
A = {8,7,5},
B = {5,8,7}
A= B
A = B <-> B = A
iii) Geililik:
A= B )
B= C )
>- A'= C
A B
BC)
-As C
eemdersnotlari.com
bu, ayn sayda elemana sahip olmalarnn iki setin eleniklii iin gerekli
art olduu anlamna gelmez. Bunu gstermek iin her ikisi de snrsz
olan
R = {1,2,3,4,...}
setlerini alalm.
ve
E = {2,4,6,8,...}
R setindeki her tabii sayya E setinde 2 misli bir say tekbl etmektedir, bu sebeple R ve E setleri eleniktir. Halbuki eleman saysnn
eitliini kriter olarak alsaydk bu iki set'in elenik olduunu gsteremezdik.
K u v v e t s e t ' i : A, snrl sayda eleman ihtiva eden bir set olsun. A'nn btn alt setlerinin tekil ettii set'e Kuvvet set'i denir ve
P 4 eklinde gsterilir.
A = {1,2, C} olsun.
P A = {0,{I},{2},{q,{I,2},{I,q,{2,q,{I,2,q }
Belli bir snrl setten ka tane alt set retilebilecei aadaki teorem'den anlalr:
Teorem: A, n eleman ihtiva eden snrl bir set ise PA'nn 2 n tane
eleman vardr, baka deyile A'nn 2 n tane alt set'i vardr (4).
Teoremi mislimize uygularsak, A'nn 3 eleman olduuna gre 8 tane
alt set'i akla gelebilecektir.
SET LEMLER
i) Tamamlayc set, A'
Tarif:
A' = {x : x A\
eemdersnotlari.com
AnB={x:xeA
ve
xeB }
veya
x eB }
n B) =
A n B' = { x : x eA, x
eemdersnotlari.com
A ve B nin simetrik fark', AB ise A veya B den sadece bir tanesinin elemanlarndan meydana gelecektir. Baka deyile, A U B den
A n B nin kardmas suretiyle bulunur.
Formel olarak tarif edilirse;
AB = { x : (x 6 A ve
x B) veya
(x eB ve
A) }
AB = (AB) u (BA)
Mislimizde AB seti; nc snftaki erkek rencilerle dier snflardaki kz rencilerden meydana gelir. Yani ya nc snftaki bir
erkek renci olmak veya dier snflarda bir kz renci olmak bu setin
eleman olmak iin yeterlidir.
imdi, buraya kadar deindiimiz set ilemlerini Venn diyagramlar yardm ile 'gsterelim. Her ekilde taral alan sz konusu olan seti
gstersin.
AD B
A'
A-8
A- 6
B-A
{1,2,3}
9
eemdersnotlari.com
B = {2,4,6}
C = {1,3,5,7}
olsun.
A' = {4,5,6,7}
B' = {1,3,5,7} = C
C = {2,4,6} =- B
Au B =,{1,2,3,4,6}
Au C= {1,2,3,5,7}
Bu G = U
.A n B = {2}
AnC={l,3}
BnC = 0
(A')' = A
(Au B)' = {1,2,3,4,6}' = {5,7}
(B nC)'= 0' = U
(A nB)u C = {2} U {1,3,5,7} = {1,2,3,5,7}
(Au C) n(A nC) = {1,2,3,5,7} n {1,3} = {1,3} = A nC
A nCcAuC
A0B = {1,3,4,6}
AC = {2,5,7}
BC = {1,2,3,4,5,6,7} = U
Set Cebri ve K u r a l l a r :
Set cebrinin kurallar, set eitlii tarifini ve 0 , U , ' , fi, U iaretlerini kullanmak suretiyle bulunabilir.
A, B ve C setleri universal set'in birer alt set'i olsunlar. Aadaki
tablo set cebri kurallarn birleim ve kesiim iin ayr ayr gstermektedir. Bu tablodaki ilikiler, set cebrinin zelliklerini ve allm cebirden
farkl olan taraflarn anlamamz salayacaktr.
Bu kurallar Venn diyagramlar yoluyla gzle grmek mmkndr,
ancak bu diyagramlar bir ispat arac sayamayz. Bu kurallarn lojik
olarak ispatlar yaplabilir.
10
eemdersnotlari.com
Kural
Kapanma
Birleim
Kesiim
(2a) A (J A = A
(2b) Afi A = A
Assosiyasyon
(3a) A U (B (J C) = (A (J B) U C
Komutatif
(4a) A (J B = B U A
(4b) A f i B = Bf)A
Hudut'lar
(5a) A U 0 = A
(5b) A f| U = A
(6a) A U U = U
(6b) A fi
Distribsyon
(7a) A fi (B U C) = (A f| B) U (A fi C)
0 = 0
(7b) A u ( B n C ) = ( A u B ) n ( A U C )
Tamamlama
(8a) A U A' = U
De Morgan
Involsyon
(10) (A')' = A
Au 0 = A
Au A' = U
AfiU=A
A n A' = 0
A u (Bfi C) = (A U
B) n (A U
C)
x e(A u B)
xe(Au C)
ve
x e(Au C)
eemdersnotlari.com
x e(A u B) J
xe[(Au B) n(Au C)]
x e(A u C) 5
Bylelikle, x e [A U (B nC)] - > x e[(Au B) n(AU C)]
o halde
i) y eA >- y e [A u (B nC)]
ii) y eA, y eC * y e [A u (B nC)]
olsun.
x G(A U B)' x
x.$B
x ^A > x eA' \
xe(A'nB')
x ^B > x eB' )
Bylece x
, -y^(AuB)-.ye(AuB)
y eB' > y B )
e(A' n B') > y e(A U B)'
A'nB'c(AuB)'
(AuB)' = (A'nB')|
y
12
eemdersnotlari.com
\
(b= d
Analitik geometride dzlem zerindeki noktalar koordinatlar ile
belirleriz. (5,1) noktas absis'i 5, ordinat 1 olan, (1,5) ise absisi 1, ordinat 5 olan birbirinden farkl iki noktadr.
A seti m, B seti n tane eleman ihtiva etsin. A'nn elemanlar sral
ikilide birinci, B'ninkiler de ikinci elemanlar olsun. A'nn birinci olan
her elemanna karlk ikinci eleman n farkl ekilde yerletirilebilir.
A'nn verecei birinci eleman iin de m farkl hal dnlebdeceine
gre mn tane sral ikili tekil edilebecek demektir.
Buradan kartezyen arpm kavramna kolayca geebdiriz. A ve
B iki seit olsun. Bu iki setin elemanlarndan tekil edilecek btn sral
ikdiler kartezyen arpm setini tekil ederler. Formel olarak;
AXB = {(a,b) : a eA, b eB}
Kartezyen arpm bir set olduuna gre sral ikililerin sras bir
fark meydana getirmeyecektir.
R reel saylar seti olsun. R X R, dzlem zerindeki btn noktalar ihtiva edecektir.
A = {a, a 2 , a 3 } , B = {b, b 2 , b 3 , b 4 , b5} olsun. A X B nin elemanlar aadaki ekilde gsterilebilir.
\
A
\\
b2
b4
b3
b5
(a, b)
(a, b 2 )
(a,b 3 )
(a, b 4 )
(a, bs)
a2
(a 2 , b)
(a 2 , b 2 )
(a 2 , b 3 )
(a 2 , b 4 )
(a 2 , b 5 )
a3
(a 3 ,b.)
(a 3 , b 2 )
(a 3 , b 3 )
(a 3 , b 4 )
(a 3 , b 5 )
13
eemdersnotlari.com
Sral ikili ve kartezyen arpm kavramlarn n boyuta genelleyebiliriz. (a,a 2 , . . . a n ) n boyutlu uzayda bir noktann koordinatlar, ve
A reel saylar seti olmak zere A X A X . . . X A da n boyutlu uzayn
kendisidir.
Aj. . .A setleri sras ile m,. . .m n eleman ihtiva ederse A X A 2
X . . .XA n kartezyen arpm seti m m 2 . . .m n sayda sral n'li ihtiva
edecektir.
LK ve FONKSYON KAVRAMLARI
A ve B iki set olsun. R ilikisi A X B kartezyen arpm setinin bir
alt setidir ve a,b elemanlarnn belli bir kurala gre birbirleri ile ilikili
olduu sral ikilileri kartezyen arpm setinin dier elemanlarndan
ayrd etmeyi salar.
A = {1,2,4,6,8} , B = {1,2,3,4} olsun. R ilikisinin a = 2b artnn
saland sral ikilileri bir araya getirdiini dnelim. Bu durumda,
A X B kartezyen arpm seti, sral ikililer eklinde 20 eleman ihtiva
ettii halde R sadece 4 tane sral ikili ihtiva edecektir. R c A X B. Bu
mislde,
R = {(2,1), (4,2), (6,3), (8,4)}
ilikiyi tarif etmek iin nce A ve B gibi iki seti belirlememiz ve
sonra da hangi (a,b) sral ikililerinin R'ye dahil olduunu belirtmemiz
gerekir.
R'ler birer set olduuna gre, ilikiler btn set ilemlerine tbi
tutulabilir. Mesel R ilikisi ab nin 3'e blnebildii (a,b) sral ikililerini; S ise ab nin 7'ye blnebildii (a,b) sral ikililerini ihtiva etsin.
Bu taktirde R fi S ab nin hem 3 hem de 7'ye blnebildii sral ikilileri ve R (J S ise ab nin ya 7 veya 3'e blnebildii sral ikilileri kapsayacak ve R f | S < R < R u S olacaktr.
A ve B iki set v e R c A X B ise, R' aadaki gibi tanmlanr.
R' = {(b,a), a eA, b eB}
Aralarnda bir R ilikisinin sz konusu olduu setlerden A ya genellikle "domain" B ye de "range" ad verilir.
S, R X R de (yani kartezyen dzlem zerinde bir iliki olsun. S'in
grafii, kartezyen dzlem zerinde koordinatlar (sral ikililer olarak)
S'e dahil olan noktalarn geometrik yeridir.
14
eemdersnotlari.com
rnek: x S y : 4 x 2 + 9 y 2 = 36
x S' y : 9 x 2 + 4 y 2 = 36
olsun,
olacaktr.
V4
Ya
= 3<:
4-*- +f
F
A >- B
eklinde gsterilebilir.
ve
( * * , ) eF
(*.y2
olan bir fonksiyondur.
)eF
=> y, y,
Kavramn geometrik bir yorumunu yle yapabiliriz: R X R dzlemi zerinde bir F ilikisi "eer ve ancak" F'in grafiini herhangibi
dikey hat 1 den fazla noktada kesmiyorsa fonksiyon saylabilir. Mesel
y = \/9x2 veya y = x birer fonksiyon olduu halde x 2 -f- y 2 = 9
bir ilikidir. (6)
6 Eski tarihli matematik kitaplarnda son rnek "iki deerli fonksiyon" olarak adlandrlr. Modern matematikte yeni eilim fonksiyon kavramm daha dar tutmak eklinde beliriyor.
eemdersnotlari.com
V 4
(fonksiyon)
(fonksiyon)
(iliki)
A setinin a.elemamna B setinde tekabl eden ve tek olan b elemanna
" i r n j " denir v e b = F(a) olarak gsterilir.
er hem F hem de F' birer fonksiyon ise bu taktirde aralarnda
"bire bir karlkllk" hali var demektir. Bu taktirde F' ye F in tersi
denir ve {?- olarak gsterilir.
bt ln a e A iin: (FF~ l ) (a) = F
(F(a)) = a
olur.
eemdersnotlari.com
>
V7
(7b)
(8b)
(5a)
17
eemdersnotlari.com
2. A ve B set'ler olsun.
a) A(AB) hangi settir?
b) C n (AB) = (C n A) (C n B) ifadesi doru mu?
C e v a p : a) A(AB) = {x : x eA, x (AB)}
AB = AnB'cB'
x eA n B' => x B' => x eB
(7)
= CnAnC'nCnAnB'
= C'nCnAuCnAnB'
= CnAnB' = c n (AB)
o halde ifade dorudur.
3.
s p a t : A = {a, a 2 , . . .a m }
B=
{b,b 2 ,...b n }
= {(ab1),(a2,bi)...(am,bi)}
(a i ,b 1 ) = ({a1|XB)n(AX{bi}).
4. A seti n elemanh bir set olsun. Aadaki setlerin her biri ka
tane eleman ihtiva eder?
7 Baka bir zm yola: A (AB) = A n (A fl B")' = A Q (A' U B)
= (AnA')u(An)= 0U(AnB)
= AnB
18
eemdersnotlari.com
a)
AX A
b)
c)
A X A X A
d)
C e v a p : a)
n2
b)
n 2 n = n (n1)
c)
n'
d)
n3 _ 3 n 2 + 2n = n(n1) (n2).
5. a) A = B A X B = B X A yazlabilir.
A X B = B X A >- A = B yazmak doru olur mu ?
b)
A C
BD
i
a eC \
[ olduuna gre
5 (a,b) e(C X D)
)
beD)
A X B s CX D
Ters ifade ancak
(i) A = 0 , B = 0
(ii) A ^ 0 , B
19
eemdersnotlari.com
9. AnB = 0 =>(AnD)n(BnD) =
0 ispat ediniz.
H = Yakkllar.
Set teorisi sembollerini kullanarak aadaki ifadeleri set notasyonu ile
gsteriniz.
a)
b)
c)
d)
e)
f)
g)
h)
i)
eemdersnotlari.com
BLM II
OLASILIK
GR
Olaslk teorisi, eitli bilim dallarnda pek ok kullanm olan bir
matematik daldr. Tesadflik, evremizin belirgin niteliidir. Olasla
ksaca tesadfliin ilmi demek yard olmaz.
Olaslk, istatistiin de temel kavramlarndan biridir ve istatistik
geliimini byk lde buna borludur. XVII. asrdan zamanmza
kadarki geliimin sonucu olan klsik olaslk teorisi esas itibariyle az
sayda aksiyoma dayanr ve bu aksiyomlar da belli olasbk ilikilerini
(teoremleri) ortaya koymamz temin eder.
Matematiksel st yaplar ayn olmakla beraber olaslk teorisyenleri arasnda iki farkl yaklamdan sz edilebilir. Klsik teori ve nisbi
okluk teorisi.(l) Klsik teori a priori bilgiye, nisbi okluk teorisi ise
gzleme dayanr. Aksiyomatik yaklam klsik teoriyle daha iyi badar,
buna karlk pratikte elde edilen olaslklar nisbi okluklar veya oranlardr. Biz bu blmdeki izahlarmzda teorik plandaki gr farkllklarna daha fazla atf yapmadan olaslk ilikilerini belirlemeye alacaz. Ayrca bu seviyedeki bir ders kitabnda ad geen grlerin
tartlmasna yer vermeyi de gerekli grmyoruz.
Olasl matematiksel olarak inceleyebilmek baz kavramlarn
anlalmasn gerektirir. Bunlardan biri rnek uzay'dr. Herhangi
bir reel veya farazi deney ile ilgili bir rnek uzay, S, bir settir, yle ki;
i) S'in her eleman deneyin bir sonucunu gsterir,
ii) Deneyin herhangi bir sonucu S'in bir ve sadece bir elemanna tekabl eder.
1 Bu konuda daha fazla bilgi iin baknz: G. P. Wadsworth, J. G. Bryan, Mosteller,
Rourke, Thomas.
21
v
eemdersnotlari.com
2 Olaslk ile ilgili misllerde para, zar ve 52 lik kt destesinin ok kullanlmas birer
tesadf deildir, aksine olasln ilk geliiminde ans oyunlarnn etkisi phe gtrmez bir gerektir.
22
eemdersnotlari.com
1.
2.
3.
4.
5.
Bir olaslk uzaynda her A olayna tekabl eden bir P(A) reel says da bulunur ve bu saynn 0 ile 1 arasndaki deeri P fonksiyonu tarafndan tayin edilir.
OLASILIK AKSYOMLARI
I
A . l ) Btn A olaylar iin P(A);0 yani olaslk pozitif veya sfr
olan yani negatif deer alamayan bir saydr.
A.2) P(S) = 1. Kesin olayn olash l'e eittir.
A.3) Saylabilir sayda ayn anda' imknsz olayn birleiminin
olasl olaslklar toplamna eittir.
\
A J , A 2 , . . . A n olaylar olsun.
A ; n Aj = 0 i j i,j = 1 , 2 , . . . .N ise
= SPM
(3)
co
P ( u A i ) j = SP(A.)
rnek uzay ayn anda imknsz e olaslkl N tane ilkel olaydan
meydana gelmi olsun. S = {Dj,... DN}
1
P(D) = ' . , = P ( D n ) =
N
n(A)
A'nin hacmi (A'ya dahil ilkel olaylar says)
P(A) =
=
N rnek uzaynn hacmi (rnek uzaymdaki ilkel olay toplam)
3
N
U
i=l
A. =
A.U^U---UA
n A^A.nA^.-.nAN
i=l
'
23
eemdersnotlari.com
Olaslk ile ilgili olarak yukardaki 3 aksiyomdan yararlanarak eitli teoremleri ispat edebiliriz.
1. P ( 0 ) = O
i s p a t : S ve 0 ayn anda imknsz olaylardr.
Su0 = s
(5a)
1 = P(S) = P(S U 0 ) == P(S) -f P ( 0 ) (2 ve 3'nc aksiyomlardan)
P ( 0 ) = O.
2. Bir olasbk uzaynda A ve B setleri arasndaki farkn, yani
A B = A f| B'
nn olasl.
(A
n0 = 0
AnS= A
A u A' = S
P(A u A') - P(A) + P(A') = P(S) = 1
P(A') = 1 P(A).
4. Bir olasbk uzaynda A ve B gibi iki olayn birleiminin,
A U B nin olasl.
P(A U B) = P(A) + P(B) P(A
n B).
n A') =
(A u B)
n (A U A') =
(A u B)
24
eemdersnotlari.com
n (S) =
A u B dir.
P(B) g P(A)
i
dr.
spat:
P(A)^P(B)
P(B) ^ P(A)
6. 0 ^P(A)
ispat:
P(A) ^ 0
A c S => P(A) ^ P(S)
P(S) = 1
0 ^ P(A) ^ 1
ARTLI OLASILIK
artl olaslk, olasbk ile ilgili en nemli kavramlardan biridir. Bir
ksm olaylar veri olarak, baka olaylarn cereyan, gnlk hayatta pek
ok defa karmza kar. Mesel, siz grmeksizin bir arkadanz iki
4 Bu ve dier teoremlerin sa duyuya uygunluunu Venn diyagramlarnda grebiliriz.
/
25
eemdersnotlari.com
dir. Fa-
18
kat size arkadanzn iki zar att ve toplam olarak 7 geldii bildirilirse,
7 veri olarak zarlarn birinde 3 dierinde 4 gelmesi artl olasl
2
1
=
tr.
6
3
Bu misl zerinde biraz daha duralm. ki zarn atlmas halinde
sral ikili eklinde e olaslkl 36 ilkel olay dnlebilir.
A
i
b/ 'H
/
/
6/ /
' 8
5
/
<1 S
''9
s ' ' i
/
5
/
lo
(> rV>
lo
//
//
v n(A)
n(S)
36
1
6
dir.
18
eemdersnotlari.com
1
36
dr.
P(A) = 6p =
6
36
1
6
dr.
2p
p(A)
2p
6p
- -
elde edilir.
p(A n B)
P ( A ) > 0 eklinde tanmlanr.
p(A)
P(A) = 0
p(A n B)
P(A\B) =
p(B)
P(B)
> 0
eemdersnotlari.com
Bu kural P(A) ve P(B) nin her deeri iin dorudur. P(A) veya
P(B) sfr olduu taktirde P(A n B) = 0 olur. Gerekten yukardaki
1 1 1
misle dnersek P(A fi B) = -.
=
deeri kolaylkla elde
edilir.
3 6
18
x
STOKASTK BAIMSIZLIK
artl olaslk ile ilgili izahlarmz srasnda, bir olayn artl olasl
ile mutlak veya artsz olasl arasnda genellikle mevcut olan farkll ve artl olaslk kavramnn kapsad rnek uzay deitirme fonksiyonunu belirtmeye almtk.
Eer A olaynn olmu olmas B'nin artl olaslnda mutlak olasla gre bir deiiklik meydana getiriyorsa A ve B olay stokastik
baml saylr. Aksi durum sz konusu olduu taktirde ise A ve B stokastik bamszdr denir. Bamszlk halinde,
t
P ( A \ B ) = P(A)
P ( B \ A ) = P(B)
olur. Bamszlk karlkl olaca iin A, B den bamsz ise B de A
dan bamsz olur.
Stokastik bamszlk halinde set kesiimi olaslnn alaca ekli
grebilmek iin artl olaslklar yerine yukardaki eitlerini yazarsak,
P(A n B) = P(B\A) P(A) = P(B) P(A)
= P(A\B) P(B) = P(A) P(B) olur. O halde,
Tarif: Eer ve ancak P(A f| B) =.P(A) P(B) ise A ve B olaylar
stokastik bamszdr.
Bu tarifin eer ksm: P(A D B) = P(A) P(B) ise A ve B bamszdr.^)
Bu tarifin ancak ksm: A ve B bamsz ise P(A n B) P(A) P(B)
dir.
Bamszlk halinde olaylardan birinin olmas veya olmamas dierinin olaslm etkilemez. Acaba ayrk ya da ayn anda imknsz olaylar bamsz mdr?
5 Bundan sonra kitapta aksi belirtilmedike "bamszlk"tan, stokastik bamszlk anlalmaldr. Stokastik bamszlk yerine baz yazarlar istatistiki bamszlk tabirini de kullanmaktadrlar.
'
28
eemdersnotlari.com
P(C\A,B) =
P(A\B,C) =
P(B\A,C) =
P(A n B n C)
P(A n B)
P(A n B n )
P(B n C)
P(A n B n C)
P(A n C)
P(A n B) > 0
P(B n C) > 0
P(A n C) > 0
artl olashklardan 3 olay iin set kesiimi olaslnn genel kuraln elde edebiliriz.
'
i
P(A\B,C) P(B n C)
eemdersnotlari.com
n C) =
P(A) P(C)
P ( B n C ) - P ( B ) P(C),
Bu artlardan sadece bir tanesinin gereklemesi 3 olayn Bamszlna yetmez. Bunu aadaki iki mislle saysal olarak gsterebiliriz.^)
(i) artnn tek bana yeterli olmamas ile ilgili olarak u misl
zerinde durulabilir: Hatasz bir zarn atmnda; A ift gelmesi olay,
B 2'den byk bir say gelmesi olay, C 3 Veya 5'e tam blnebilir bir
say gelmesi olay olsun.
A = {2,4,6}
P(A) = |
B = {3,4,5,6}
P(B) = |
C -
P(C) =
{3,5,6}
1
1 2
1
A n B n C = {6} P(A n B n C) = = ( ) ( ) ( ) Grld
6
2
3
2
gibi (i) saland. Fakat acaba bu durum (ii) nin salanmasn garanti
eder mi?
1
1
2
= ()(
A n B = {4,6}
P(AnB) =
A n C = {6}
1
1
1
P(AnC) = ^ ( ) ( )
B n c - {3,5,6}
P(B n C) = ^ () ()
2
3 2
30
eemdersnotlari.com
P(A) =
B = {7,8,9} P(B) =
C tek veya tam kare olan bir say ekme olay
C ,= {1,3,4,5,7,9} P(C) = |
ve
n B = {9}
P(A n B) = A- =
A n C = {3,9}
P(A n C) = =
Bf|C = {7,9}
P(BnC) = =
Halbuki,
^^j
)
)
()
)
1
) () ()
31
eemdersnotlari.com
{V..AJ
= {B p .. .,Bm}
AX B = {(A Bj) AsA, B} eB
i=l,...,n
j = l,...,m j
BAYES FORML
\
Partisyon:
i) AjCS
i=l,2,...n
ii) A, n Aj = 0
i^ j
iii) A, u A2 u U An S
Bu zelliklere sahip olmalar halinde Aj'ler bir partisyon tekil
ederler. Szle ifade edersek, A,'ler ayrk ve birleimleri de S'in tamamn
kapsayan alt setlerdir. Aadaki Yenn diyagram partisyon'u gstermektedir.
eemdersnotlari.com
P(Aj\K) =
P(Aj) P(K\Aj)
S P(A,) P(K\A,)
Bu forml, bu kitapta kapsam d tutulmu olan Bayes'ci yaklamda nemli bir yer tutar.
s p a t : artl olasln tarifi gereince,
P( A J \K)=
P(Aj n K)
P(K)
K = S nK= (A u A 2 . . . u A J n K
= (A nK)u (A2nK)u ... u (An nK)
=
(Aj n'K)
1=1
P(K) =
P(Ai fi K)
O halde,
P(Aj nK)
P(Aj\K) =
i P(A, n K)
i=l
eemdersnotlari.com
P(A\B.) = i
n A) +
P(A) = P(B,
P(B 2
n A) + P(B3 n A)
3 4
3 2
P^VA)^
=
1
3 4
12
12
Benzer ekilde P ( B 2 \ A ) =
P ( B 3 \ A ) = \ elde edilir.
Misl 2: Tam anlamda gvenilir saylmamas gereken bir sna
kontrol ileminin gvendirlii hakknda elimizde yle bir bilgi bulunsun: Kabul edilir nitelikteki paralarn %95'i kontrolda kabul edilmekte
ve % 5'i reddeddmektedir. Bozuk paralarn ise % 90 kontrol sonucu
reddedilmekte ve % 10'u kabul edilmektedir. % 1 bozuk para ihtiva
eden bir kmeden tesadfi olarak bir para ekilmi ve bozuk bulunmutur. Bu parann gerekten bozuk olmas olasl nedir?
34
eemdersnotlari.com
A kontrol edilen parann gerekte bozuk olmas A 2 ise salam olmas olaylarn gstersin. P(A t ) = .01, P(A 2 ) = .99.
K parann kontrol sonunda reddedilmesi olay olsun.
Mevcut bilgimize gre,
P(K\A) .90, P ( K \ A I ) = .05
Bayes formln kullanarak,
P(A,\K) =
P(A) P(K\A)
P(A) P(K\A) + P(A 2 ) P(K\A 2 )
(.01) (.90)
(.01) ( . 9 0 ) + (.99) (.05)
= .1538
eemdersnotlari.com
(n-r)!
Pn.r
Cn,r = ( n )
r!
n!
(nr)! r!
r tane unsur kendi iinde r! kadar farkl ekde sralanabilir. Birletirme formlnde unsurlarn sadece seimi ile yetinildii ve sralanmas da gerekmedii iin sralama formln r! ile blmemiz gerekir.
(j 1 ), binomial dalm katsaylardr.
Binomial teorem: a ve b iki reel say ve n pozitif bir tam say olsun.
(a+b) n = ( r n ) a n - r b r
r=o
36
eemdersnotlari.com
eemdersnotlari.com
spat: ( A ) + O )=
(rl)!(nr+1)!
(nr)!r!
r n ! + (nr+1) n!
(nr+l)!r!
'
rn!+[(nfl)-r]n!
(nr+1)! r!
r n ! + (n+1)! m !
(nr+1)! r!
(n+1)!
(nr+1)! r!
P(AuBuC) = P[(AuB)uC]
= P(AuB) + P(C) P[(AuB)nC]
Halbuki,
(A u B) n C = (A n C) U (B n C)
38
eemdersnotlari.com
)k = 0
k=l
k =: 2
ii) en az
" "
" "
1 P ( A u B ) = l P(A) + P(A-nB)
P(A n B') U (B n A') = P(A) + P(B) 2P (A n B) (9)
P(AnB)
k= 0
k= 1
k= 2
iii) en" ok k = 0
" " k= 1
" " k= 2
P(A U B)
P(A n B)
1 P(A u B) = 1 P(A) P(B) + P(A n B)
l-P(AnB)
1
i) P(S\C) = 1
v) P(A'\C) = 1 P(A\C)
9 Bu olasln iki olaydan sadece birinin olmas olasln gsterdii Vem diyagramlarndan da kolayca grlebilir.
P(A N B - ) U ( B N A-) = P(A N BO + P<B N AO -
. .
P<A N B ' N B
n A')
39
eemdersnotlari.com
Cevap:
P(s n C)
i) P(S\C)
P(C)
P(C)
P(C)
P(AnC)
P(C) . '
ii) P(A\C) = - =
1
P(C)
iii)
P(A\C) =
P(C)
P(AnC)
Halbuki
P(C)
= O
P[(AuB)nC[
P[(AnC)u(BnC)]
iv) P(A u B\C) =
P(C) "
P(C);
P(A n c) + P(B n c) P(A n B n C)
<
P(A n c)
=
P(C)
P(C)
P(B
n C)
P(C)
P(A n B r c)
P(C)
P(AnC),
P(C)
P(AnC)
= 1
P(C)
P(C)
= 1 P(A\C).
'
4. P(A) > O, P(B) > O kabul ederek aadaki ifadelerin doru veya
yanl olduunu gsteriniz.
i) P ( A \ B ) + P(A'\B) = 1
ii) P ( A \ B ) + P(A\B') = 1
iii) P ( A \ B ) + P(A'\B') = 1
40
eemdersnotlari.com
Cevap:
P(A n B)
)P(A\B)=
' p(A' n B)
P(A'\B)
P(B)
P(A\B) + P(A'\B) =
P(A n
P(B)
B) + P(A' n B)
P(B)
P(A n B ) P ( B ) P(A n B)
P(B)
P(B)
P(A n B')
P(A fi B)
ii) P ( A \ B ) + P ( A \ B ' ) =
P(B)
+
P(B)
P(A
P(B')
n B)
P(A)
P(A
n B)
P(B)
P(B')
P(B')
P(B')P(A n B)+P(A)P(B)P(B)P(A n B)
P(B) P(B')
P(A n B) [P( B')P(B) ]+P(A)P(B)
P(B) P(B')
P(A n B) [1 - 2P(B)] 4- P(A) P(B)
P(B) P(B')
P ( A \ B ) [12P(B)] + P(A)
P(B')
fadenin l ' e eit olmas ancak pay ve paydann eit olmas de mmkndr. Pay ve paydann eitliini zorunlu klan bir art verilmediine
gre ifade genellikle doru dedir.
|
i) P ( A \ B ) + P ( A ' \ B ) = 1
P(A'\B') + P(A\B') = 1
f-
eemdersnotlari.com
A'
B
B'
S
0
BnA
B'nA
SnA
0 nA
B n A'
B'nA'
SnA'
0 nA'
BnS
B'nS
SnS
0 nS
Bn0
B' n 0
Sn0
0 n0
A n s = A, P(S) = 1
P(A n S) = P(A) = P(A) P(S)
A ve S bamsz. (B ve S bamsz.)
An
0 = 0 P(0) = o
P(An 0) = P(0) = P(A)P(0) = o
.'.
A ve 0 bamsz. (B ve 0 bamsz.)
P(A') = 1 - P ( A )
P(B') = 1 P(B)
42
eemdersnotlari.com
P(A')P(B')= [1-P(A)][1-P(B)]=1-P(A)-P(B)+P(A)P(B)
= 1 [P(A) + P(B) P(A n B)] = 1 P(A u B)
= P(A u B)' = P(A' n B')
A' ve B' bamsz.
.i"
r
-f .
= 1-P(A' 2 )[1-P(A,)]
= 1 P(A'2)P(A',)
43
eemdersnotlari.com
eemdersnotlari.com
olsun.
1
3
, P(K\A 2 ) =
1
, P(K\A,) =
1
6
P(A3) P(K\A 3 )
P(A) P(K\A,) + P(A 2 ) P ( K \ A 2 ) + P(A 3 ) P(K\A 3 )
(T)(T).-
=
= 9
eemdersnotlari.com
stenen olaslk
J.l
P(A,\K) =
1/3
2
:
= = _ tr.
i-l+M+M
3/6
3
10.
i) (n )
==
yazlabilir,
nk = 11
k = 7
n =
18
olduuna gre
18 k = r
k+ 2 = r
k + 2 = 18 k
2 k = 16
k = 8
r = k = 18 8 = 10
Gerekten:
() =
(g 8 )
11. Bir derginin 1000 abonesi zerinde yaplan bir aratrmada cinsiyet, medeni hal ve eitim duru mlar incelenmi ve aadaki veriler bilgi
olarak verilmitir: 312 erkek, 470 evli, 525 niversite mezunu, 42 erkek
niversite mezunu, 147 evli niversite mezunu, 86 evli erkek, 25 evli
erkek niversite mezunu. Bu bdgder birbiri de tutarh m? Niin?
12. Chevalier de Mere, 17 inci asrda Pascal'dan aadaki iki
olaslktan hangisinin daha byk olduunu sordu.
i) Hatasz bir zarn 4 atmnda en az 1 defa 6 gelmesi olash.
ii) Hatasz iki zarn 24 atmnda en az 1 defa 6 - 6 gelmesi olash.
Siz Pascal'n yerinde olsaydnz ne cevap verirdiniz?
13. Kapal poker'de Bay T tek kart ald ve ful bularak oyunu kazand. Rakipleri tek kart almadan nce elinde dper mi olduunu yoksa
46
eemdersnotlari.com
3'e tek mi aldn bilmek istiyorlar. Tek ala bir kimsenin elinde ya
dper veya 3 olduu kabul edilirse, bunun dper olmas olasl .696 ve
dper'e tek kart ahndmda fur bulma olasl .085, 3'e tek akndmda
ise ful bulma olasl .064. Bay T'nin elinde balangta dper olmas
ihtimalini bulunuz.
14. ki torba var. Birinin iinde 3 beyaz, 7 krmz, 15 siyab top
var. Dierinde ise 10 beyaz, 6 krmz, 9 siyah top bulunuyor. Her torbadan 1 top ekiliyor. Her iki topun da ayn renk olmas olasln
bulunuz.
15. Her odaya 3 veya daha fazla insan koymak art ile 8 kiiyi
iki oda arasnda ka farkl ekilde yerletirebilirsiniz?
i
'
47
eemdersnotlari.com
BLM III
TESADF DEKENLER
Stokastik olu evremizdeki ilikilerin ortak bir zelliidir. (1)
Belli olaylara ilikin olarak gzlediimiz deerler stokastik vetirelerin
sonulandr. Tesadflii incelemek istatistiin en nemli urasdr
demek herhalde fazla mbalaa olmaz.
Tesadfi deikenler bir olaslk uzayndaki ilkel olaylarn almas
muhtemel olan deerleri gsterir. Kavramn formel tanmn aadaki
gibi yapabiliriz.
Tarif: Tesadfi deiken, bir olashk uzaynn ilkel olaylar zerinde, her ilkel olaya, tesadfi deikenin o olay iin kymetini tekil
eden reel bir say tahsis eden bir fonksiyon'dur.
X fonksiyonu olaslk uzayndaki noktalar (iAel olaylar) ile X ekseni (reel saylar) arasnda bir iliki kurar. Olaslk fonksiyonunun ilkel
olaylar ile, 0 1 arasndaki reel saylar arasnda iliki kuruu gibi.
Bunu aadaki ekilde ifade edebiliriz.
P"
P
1 Deikenler arasndaki ilikilerin stokastik olu nedenleri ile ilgili olarak baknz:
U. Koram, "Ekonometrik Modeller ve Trk Ekonomisi iin Bir Deneme" SBF Yaynlan, No. 268,
Sh: 5-6.
48
eemdersnotlari.com
P(X = 7) = 0
P(20 <X <7) = i
49
eemdersnotlari.com
Deikenler:
= P(X=x,)
veya
1 =
t
1,2,...N
= 1,2...
2 f(x,)
a< Xi <b
X'in olaslk dalmnn f(x) olduunu gstermek iin X ~ f(x)
"X, f(x) olaslk fonksiyonu ile dalmtr" notasyonunu kullanrz.
Herhangi bir fonksiyonun, kesikli bir tesadfi deiken iin olasbk
fonksiyonu olabilmesi, aadaki artlara baldr.
)f(x,)^0
ii) Sf(x,) = 1
i = 1,2,...
(3)
50
eemdersnotlari.com
-f (x)j
i "
-o
-IO
ekilde her noktaya tekbl eden olaslk dikey uzunluklar cinsinden ifade edilmitir. Olaslk fonksiyonunun bilinmesi halinde eitli
sorular cevaplayabiliriz.
Mesel
P(15<X<0) =
P(X<15) = 1 gibi.
Misl 2: Elimizdeki paray 3 defa veya 3 paray ayn anda atarak tura gelme saysnn kaydedelim. X tesadfi deikeni tura gelme
saysn gstersin. X; 0,1,2 veya 3 olabilir. Her parann atlnda 2 ihtimal olduuna gre 3 para 2 3 = 8 farkl ekilde atlabilir. 3 at veya 3
parann atlnda x tane tura gelme says
farkl ekilde gerekleebileceine gre;
f(x) =
23
duu x'in btn deerleri iin negatif olmamas ve f(Xi) lerin toplamnn
l'e eitlii ile grlebilir.
51
eemdersnotlari.com
3
2f(x)=
o
o
8
f(0) =
, f(l) =
1
= _
(1+3+3+1) = 1
8
, f(2) =
, f(3) -
1
, f(x) = O dier btn
x'ler. 3 paray sonsuz sayda attmzda tura gelme saylar ile ilgili
nisb okluMarn limit deerleri yukardaki olaslklar olacaktr.
imdi bu deiken iin olaslk fonksiyonunu izelim. Burada da
eitli sorulan olaslk fonksiyonu yardm ile cevaplandralm.
S/8-
eemdersnotlari.com
A = {x~: x = 0,1,2}
A n B = {x : x = 0,1}
B {x : x = 0,1}
P(B\A)
P(AnB)
P(A)
f(0)+f(l)
f(0)+f(l)+f(2)
+ +
8
8
8
1/2
7/8
(4)
FCO
1-
10
i Ayn sonucu, artl olaslklarla mutlak olaslklar arasndaki ilikiyi kullanarak da elde
edebilirdik. 3 ten az tura geldii veri olunca yeni rnek uzaymz 0,1 ve 2 yi kapsyacak, mutlak
olaslklar P = 1 /8, P, = 3/8, P, = 3 /8 olduu halde, artl olaslklar bulmak iin, bunlarn
her birini 8/7 e arpacaz. P 0 * = 1/7, P,* = 3 /7, P,* = 3 /7 ve ZP* = 1. Bu olaslklar bilinince artl olarak 0 veya 1 tane tura gelmesi olash, P 0 * + P,* = 1/7 + 3/7 = 4/7 den ibaret
olacaktr.
53
eemdersnotlari.com
Rx)"
1/8..
<18
o
F(x) = 0
F(x) = 1/2
F(x) = 1
-t
3
x < 10
X < 10
X ^ 10
F(x)
F(x)
F(x)
F(x)
F(x>
=
=
=
=
.X
0
1/8
4/8
7/8
1
X<
x <
X<
x <
x ^
0
1
2
3
3
(a <b)
spat:
a <b
ise,
eemdersnotlari.com
dir.
Deikenler:
Devaml tesadfi deikenler snrsz sayda muhtemel deer alabilen tesadfi deikenlerdir. Byle olunca P(X=x) = 0 eitlii devaml
deikenler iin geerli yani tek bir nokta iin olaslk sfrdr.
Kesikli deikenlerdeki olasdk fonksiyonu burada s k l k fonks i y o n u olarak karmza kacaktr. Herhangi bir f(x) fonksiyonunun
devaml bir X tesadfi deikeni iin sklk fonksiyonu olabilmesi aadaki iki artn gereklemesine baldr.
i) f(x) g 0
<x<
00
ii)
f f(x) dx = 1.
J co
eemdersnotlari.com
Mesel,
A {x : a <x <b}
b
= J f(x) dx = j f(x) dx
P(A) =
(5)
0
x^l
c(3x-f2) 1 < x <3
0
x ^ 3
c(3x-f-2)
l<x<3
= 0
aksi halde
C J (3x+2) dx=c
x 2 + 2 x|3 ^ = c ^
+ 6
2^
= c(16)
Buradan da,
1
c =
bulunur.
16
O halde,
f(x) =
1
16
(3x+2) =
x H
16
1<x <3
= 0
aksi halde,
X iin bir sklk fonksiyonudur.()
/
5 Devaml tesadfi deikenler iin P(X=x) = 0 olduundan < ile ^ ve > ile ^ arasnda fark olmaz, nk belli bir nokta iin entegral deeri (alan) sfrdr. Herhangi bir aralk
ak, kapah, solda veya sada ak olsa olasl ayn olur.
6 Bunun salanmas (1,3) aralnda f(x) in ^ 0 olduunu ve
| (3
(3x f 2) dx=l'i
F
gstermek suretiyle yaplabilir.
16
16 J,
56
eemdersnotlari.com
H/ti.
P(1<X<2)=
f2
i
(3x+2)dx =
16 J ,
16
1
13
/3 2
P"\
(
x + 2x ) =
V2
/
32
=e <x<co
J-CO
lim F(x) = O
x -* - co
lim F(x) = 1
X--OO
F( co) = 1
3
1
( x + ) d x =
J, 16
3
32
x2+
1
8
x
37
eemdersnotlari.com
7
32
= 1
32
1 <x <3
x ^ 3
13
128
32
F(x>
58
eemdersnotlari.com
Misl:
F(x) = 0
x ^ 1
3
- c(
7
x 2 + 2x
2
= 1
)
1 <x <3
2
veriliyor, c ve f(x)'i bulalm.
d
F(x) = 3 cx + 2c = c(3x+2)
dx
r3
/3
(3x+2)dx=c(
J
|3\
x2+2x
\2
2 7
) =
1 / 2
2 =16 =>c =
1-6
2
16
1
f(x) =
(3x-|-2)
16
= 0
1 <x<3
59
eemdersnotlari.com
rnek uzayndaki noktalar ile reel saylar seti arasnda iliki kuran bir
fonksiyon olduunu grmtk. Benzer ekilde (X,Y) bileik kesikli
tesadfi deikeni de reel say sral ikililerinin ilkel olaylar tekil ettii
R 2 seti zerinde bir olaslk uzay meydana getirir. R 2 kartezyen
dzlemindeki her aralk veya dikdrtgen bir olaydr. ( a < X < b,
c < Y < b) dikdrtgeni bir olaydr ve olasl da kendi iindeki ilkel
olaylara den olaskklarn toplamna eittir.
v
Herhangi bir nokta iin olasbk f(x,y) = P(X=x, Y = y ) eklinde
gsterilir ve bu olaslklar dzlemi zerinde dikmeler eklinde bilinir.
Bileik bir (X,Y) tesadfi deikeni iin b i r l e i k o l a s l k fonksiyonu f(x,y) srah ikililerinin tekil ettii rnek uzayndaki noktalar ile
0 1 arasnda fonksiyonel bir iliki tekil eder ve her (X,Y) sral ikilisinin olasbn gsterir.
imdi kesikli bileik tesadfi deikenler ile ilgili bir misl zerinde
durabm.
Misl: Bir para atkyor. Tura gelirse daha sonra bir zar atlyor,
yaz gelirse para yeniden atlyor. Tura 1 yaz 0 olsun. X birinci atta,
Y de ikinci atta gelen sayy gstersin. X ve Y nin birleik olasbk
dahmn veren bir tablo yapabm ve bunu grafik ile gsterelim.
Birinci at bir para at olduuna gre X, 1 veya 0 olabilir. kinci
at iin ya tekrar bir para ya da bir zar atlmas sz konusu. Birinci
atda yaz gelirse yeniden para atbyor, o halde 0 veya 1 gelebilir. Birinci atda para tura ise, zar atlyor yani 1,2,3,4,5 veya 6 dan biri gelebilir fakat 0 gelemez.
imdi her iki at iin dnlecek ihtimalleri ve bunlara tekbl
eden olaslklar aadaki tabloda gsterelim.
\\
f(x)
1/4
1/4
1/2
1/12
1/12
1/12
1/12
1/12
1/12
1/2
1/4
1/3
1/12
1/12
1/12 1/12
1/12
g(y)
60
eemdersnotlari.com
f(x,y) bilindii taktirde X ve Y nin olaslk fonksiyonlann bulabiliriz. Eer X ve Y bir kesikli bileik tesadfi deiken tekil ediyorsa
X veya Y den sadece birinin olaslk fonksiyonu M a r j i n a l o l a s l k
d a l m adn alr.
{X
= x} = U y {X=x} n {Y=y}
P(X=x) = y P( {X=x}
f(x) = S y f(x,y)
ve benzer ekilde
g(y) = S x f(x,y)
Szle ifade edersek marjinal olaslklar bulmak iin birleik olaslk
dabm tablosunda sralar veya stunlar itibariyle toplama yapmamz
gerekecek. X sra, Y de stun eleman olarak gsterilmise sra toplaml 1
eemdersnotlari.com
= 2
X<x
2
X<x
G(y) = P(Y<y) =
f(x) =
S
X<x
2 g(y)= 2
Y<y
f(x,y)
Y<y
Y<y
2 f(x,y)
y
2 f(x,y)
x
x < 0 , y <0
x<0
y<0
x<l, y<l
x 2:1, y <1
" y<2
" ,y<3
" ,y<4
" ,y<5
" ,y<6
F(x) = 0 x < 0
= 1/2 x < l
- 1
G(y) =
=
' =
=
=
=
=
-
0
1/4
7/12
8/12
9/12
10/12
11/12
1
y<0
y<l
y<2
y<3
y<4
y<5
y<6
y^6
2. D e v a m l B i l e i k Tesadfi Deikenler
Ayn olaslk uzaynda tanmlanm (X,Y) tesadfi deikenleri
ifti eer f(x,y) gibi bir fonksiyon R 2 zerinde tanmlanm bir A olay
62
eemdersnotlari.com
f(x,y) nin grafii (x,y) dzlemi zerine izilir ve bir hacim meydana
getirir. Bu hacim l'e eittir. Herhangi bir A olaynn olask da, birleik
sklk fonksiyonunun grafii altnda kalan hacmin xy dzlemi zerindeki
A olayna tekabl eden ksmdr.
f
J
g(y) =
f(x,y)dy
00
f(x,y)dx.
63
eemdersnotlari.com
Szle ifade edelim: X'in marjinal dalm, birleik skbk fonksiyonunun absis deeri x olan dikey doru zerinde Y'ye gre entegrali
ahnarak, Y'nin marjinal skbk dalmda ordinat y olan yatay bir doru
zerinde f(x,y)'nin X'e gre entegrali ahnarak bulunur.
f(x,y) bdindiinde birikimli dadmlar,
F(x,y) = P(X <x, Y <y) = [*
J _<a
F(x)==H
f
f(x,y)dy dx
J oo
G(y) = T
T f
f(x,y)dxl dy = f y
g(y)dy
J _co
J _a>
oo
S 2 F(x,y)
8x 8y
P(a<X<b)=J
[J
f(x,y)dy ] d x = J
f(x)dx
(x~y +
d x =
I! [
(x y + 4 ) d y ] dx
64
eemdersnotlari.com
t,
y+4) dy = xy
(2x+6)d>x = x 2 + 6x
4y
= 2x 2 + 8 = 2 x + 6
9 + 1 8 1 6 = 20
1
O halde (xy+4)' c = gibi bir say ile arparsak sonu 1
kacaktr. Yani,
20
f(x, y ) =
(xy+4)
20
aksi halde
= 0
bir birleik sklk fonksiyonudur. imdi bu fonksiyonu kullanarak eitli
A olaylar iin olaslklar bulalm, ayrca birikimli dalmlar elde edelim.
65
eemdersnotlari.com
P(X<2,Y<1)
1
= "T
(x-y+4)dydx
r
J , (* +
7
>
1 v
1
= (5) =
20
4
p(Y< -io 1!
1 , 25
F(x,y) =
(9)
[ 1!
20
ly
\2
I
-y 2
23
23
20
40
P(X<2\Y<1) =
d x
&]ioll
P(X<2, Y<1)
F(2,l)
1/4
10
P(Y<1)
G(l)
23 /40
23
(T
* ry
f | (xy+4) dy dx
>n J , J
1.
2.
3.
6>
7.
F(x,y)
F(x,y)
F(x,y)
F(x,y)
F(x,y)
=0
=0
=0
=0
=0
x
x
x
x
x
F(x,y)
^1
^1
^1
>
y
y
y
y
y
^ 0
>0
^ 2
^0
^0
-y+4)dy | dx
+ 4y | )
y2
2
d x
9 P(X<2, Y < 1 ) + P ( X < 2 , Y > 1 ) + P ( X > 2 , Y > 1 ) + P ( X > 2 , Y < 1 ) = 1 olduunu gsteriniz.
66
eemdersnotlari.com
2 Y
D Y
rx /
20- 1 !
I xy
\
+ 4xy
y2
,x 2 y
/y
h 4y ) dx =
'
20
xy2
+ 4xy
20
^ 2
20
y
20
+ 4x+
/X2xy+y9
.
V
y2
+
y /x2y xy2
(
x2
V2
y2*
4y)
'
2 '
+4x
/
y
(x 2 +8xxy+y9)
40
67
eemdersnotlari.com
4.
F(x,y) =
1
40
1
40
(x2y+8xyxy2+y29y)
(2 X 2+16X4x+418)
l<x<3,
1
0<Y<2
(2x2+12x14)
40
1
=
(x+7)(x1)
1 < x < 3,
y^2
20
Bu deeri 5 iin yazdmz F(x,y) de y yerine 2 koyarak elde ediyoruz.
1
8.
F(x,y) =
1
(9y+24y3y+y29y) =
40
(24y2y 2 )
40
= (12-y)
20
x ^ 3, 0 < y < 2.
Bu deeri 5 iin yazdmz F(x,y) de x yerine 3 koyarak elde ediyoruz.
9.
F(x,y) = 1
x ^ 3, y ^ 2.
20
1
20
= 0
f2
f ( x - y + 4 ) dy =
20 J 0
(2x2+8)
(2x+6)
I
1 <x <3
aksi halde
68
eemdersnotlari.com
(xy
20
y2
+ 4y
n
r3
g(y) =
| ( * - y + 4 ) d x = - ( 1
20 J,
20 \ 2
1
(12 2y)
20 ^ - - 3 y + 12
x y + 4 x
\
+ y-4
0 <y < 2
--
20
= 0
aksi halde
F(x) = j
f(x,y)dy] ]
rr
(x+3)dx =
10 >,
F(x) = 0
=
10
dx =
f(x)dx
R \
(
+3x
) =
V2
I, /
10
X 2
/X2
(
+3x
\ 2
2-'
1
20
(x2+6x7)
1 <x <3
= 1
x >3
1 < x < 3 iin bulduumuz F(x) deeri 4. nmarab alan iin F(x,y)
deerine eittir.
G(y) = 0
1
=
10
y ^0
11
fy
(6 y) dy =
Jo
(12y)
10
n
(6y
y2 y
) = (6y
10
y2
2
0 <y <2
20
= 1
y ^ 2
eemdersnotlari.com
x2y
Eer F(x,y) =
40
-f-
8xy
xy 2
40
40
x
d
3y
F(x,y) =
20
y2
40
9y
40
"
8
xy -)
F(x,y)] =
4"
dan hareketle
,
1
y
40
0 2 F(x,y)
8y 3x
40
y*
20
3
2
, 1 < Y < 2 ) = F(
=
17
80
3
2
, 2) F(l,2) F (
0
19
160
3
2
, 1) + F ( l , l )
h 0
3
32
artl
Dalmlar:
^ f(x,y)
g(yV) =
f(x)
Benzer ekdde,
f(x\y) =
70
f(x,y)
f(x) > o
g(y) > 0
g(y)
eemdersnotlari.com
P(Y = 1 \ X = 0) =
G(1\0) =
P(X = 0)
f(l,0)
1/4
f(0)
1 /2
g(y V) =
f(x)
1/20 (xy-f 4)
1 /20 (2x+6)
s y + 4
l<x<3,
2x + 6
= 0
f(x\y)
0<y<2
aksi halde.
f(x,y)
l/20(x-y+4)
g(y)
1 /20 (122y)
x y + 4
2(6y)
= 0
1 <x<3,
0<y<2
aksi halde.
i = 1 . . .N
aksi halde.
eemdersnotlari.com
JJ
f(x,y) dy dx =
II
f(x) =
-co
f(x) g(y\x)dx
f(x\y)
dy
g(y)dx dy
f(x\y)g(y)dy
g(y) =
J
JJ
g(y\x) f ( x ) dx
as
B i l e i k Tesadfi D e i k e n l e r d e S t o k a s t i k B a m s z l k :
X ve Y tesadfi deikenleri,
f(x\y) = f(x)
ve g ( y \ x ) = g(y) ise bamszdr. artl olaslk yerine deerleri konarak;
g(y) =
f(x)
f(x,y) = f(x)g(y)
veya
f(x,y)
= g(y)
f(x-y)
= f(x) g(y)
bulunur.
f(x)
Yani stokastik bamszlk artl ve artsz olaslklarn eitlii veya ayni
anlama gelen, birleik olaslk veya sildik fonksiyonunun, marjinal olaslk veya skbk fonksiyonlarnn arpmna eit olmas demektir.
k i d e n ok B o y u t l u B i l e i k Tesadfi D e i k e n l e r :
k boyutlu bir (Xx,...X k ) tesadfi deikeni, k boyutlu bir reel
uzayda snrl veya saylabdir sayda noktada sfrdan farkl bir (k+1)
inci boyuta, yani olasha sahipse bu (X,. . .X k ) deikeni kesiklidir.
72
eemdersnotlari.com
= S
f(xx2...xk)
X l, X 2" , X i-l, Xi+1'Xj-1, Xj+1Xk
Devaml bileik tesadfi deikenlerde,
P { ( X t . . . X k ) eA} = J {
f(x1...xk)dx1...dxk
A
artl olaslk ve bamszbk:
t boyutlu bir ( X ; , . . . X i t ) deikeninin S boyutlu bir ( X j i , . . . X j s )
deikeni veri olarak artl dalm,
fjl,. . .t, ji,. . , j s (Xii. . .X l t ,Xjl,. . . x j s )
g(xji,.. . x l t \ x j , , . . , x j s ) =
fj,...JS(xJ1,...xJs)
Bamszlk halinde,
f ( x , , . . . x k ) = f,(x,)...f k (x k )
=
k
II fi( X i )
>=1.
olur.
Dalmlar:
X ve Y tesadfi deikenler ve Y = u(x) olsun. X'in sklk fonksiyonu bilindiinde Y'nin de sklk fonksiyonu elde edilebdir. Bunun
eitli metotlarndan (10) biri birikimli dalm fonksiyonlarn bu
amala kullanmaktr. Bunu misllerle aklamaya abahm.
Misal 1: X tesadfi deikeni [a,b] aralnda birrnek (veya
dikdrtgen) dalm olsun. Birrnek dalm sz edilen aralkta f(x) in
sabit olmasn gerektirir.
73
eemdersnotlari.com
O halde,
f(x) = k
a <x <b
= O
c
iin | k dx = 1 olmaldr.
k | 1 dx = 1 => kl x
f(x) =
b a
= 0
aksi halde.
x ^ a
1
Jfczr)
dx
^b a 1
= 1
x 2b
/
Is
ba ^
x a
x a
=
b a
< x <b
a
f(>
X
b - o
eemdersnotlari.com
y+s
2
( y ~r >> \
y + 5
= 0
y + 5 2a
y + 5 2a
y + 5
a <
2(ba)
< b
2
y + s
= 1
d
dy
dy V 2(ba) >
v
= 0
2a<y+5<2b
2a 5 < y <2b5
^b > 4-5 2b y 2b 5
, y+52a v
g(y) - G(y)= (
y ^ 2a 5
2(ba)
)=
4(ba)2
4(bi
2(ba)
2a 5 < y < 2 b 5
aksi halde.
eemdersnotlari.com
2b5
1
2b5
1
J 1 dy =
(y |
)=
(2b-(-2a+5)
2(ba) 2a5
2(ba)
2a5
2(ba)
1
2(ba)
(2b2 a) = 1
y'
= 1
1
y .
ba
by 1
y(ba)
a <
1
y
<b
I"
b
1
= 1 1 = 0
1 ^ by
by1
1
<y <
y(ba)
y ^
b
1
y ^
b
< y<
1
^ b
y
G(y) = 0
76
eemdersnotlari.com
1
a
y^
a
g(y)=
/ by1 v
1
d
b
,
G(y) = _ (
) = _
/
dy \ y(ba)'
dy \ ba
1
1
< y <
b
a
= O
aksi halde.
x
=
'
(ba)y
1
dy =
J 1 /b (ba)y 2
pl/a
l/a
1
(y- 1
y - 2 dy =
l/b
ba J l/b
ba
1
1
[ (a b)] =
(b-a) = 1
(11)
ba
ba
77
eemdersnotlari.com
1
6
P(W = 25) =
P(0<W<14) =
P(0<W<1) = 0
x <0
= c(xz + ^ x)
o^ x < 1
= 1
x > 1
d
dx
F(x) = 2 ex H
c
3
= e(2x -\
1
3
) 0<x<l
<
aksi halde.
c= I
aksi halde.
Z= W
Z<0
f(Z) = l
O^Z^l
Z>1
F(Z) = 0
Z<0
F(Z) = Z
0<Z<1
F(Z) = 1
Z>1
78
eemdersnotlari.com
w 2 <0
0gw<l
w>l
w2>l
4. Aadaki birleik olasbk fonksiyonu verilmi ve X ve Y tesadfi deikenlerinin marjinal dalmlar bulunmak istenmitir. Tablodaki her gzde bulunan deer (X,Y) noktasnda, birleik olaslk fonksiyonu deerini (olasl) gstermektedir.
\y
X
1
2
3
g(y)
2
1
1/8 1/8
3/8
1/8
1/2 ' 2/8
f(x) = E y f(x,y)
1/2
3/8
1/8
1
2/8
f(x)
2/8
1
8
2
+ _
1
_
2
aksi halde.
f(x) = 0
g(2) = f(l,2)
g(y) = E,f(x,y)
f(2,2)
f(3,2)
1
8
1
=
8
+ _
3
8
1
_
2
+ 0 +
1
8
1
4
1
g(3) = f(l,3)+f(3,2) + f(3,3) =
g(x) = 0
aksi halde.
79
eemdersnotlari.com
5. f(x,y) -
e -(*+ y )
= O
Cevap:
P(X>2) = 1 P ( X ^ 2 ) = 1 F(2)
r CO
f(x) = I
/CO
e~( x + y )
e - x (e- y
dy = 1
e~x dx ==
P(X>2) =
dy = e - x I e~y dy
e -
~ e - x + e = 11 e~x
o
=
e~y
-) = e-
) = e - x (1
X
F(x) =
P(Xsg2)
/ CO
e~x
e-
1 + e-2 = e-
e2
6. X ve Y kesikli tesadfi deikenlerinin birleik olaslk fonksiyonu, f(x,y) aadaki tabloda verilmitir:
X
1
1/8
a/2
1/8
1/4
a) f x ( - l ) = i
fx(D = I
f(x,y)
f
80
3/4
g(-l\l) =
eemdersnotlari.com
1/4
g(0\l)'= =
3/4
1
_
3
O
= = 0
3/4
g(l\l)
i =
0<x<l,
= 0
0<y<l
a) c'yi bulunuz.
b) X ve Y'nin marjinal skhk fonksiyonlarm bulunuz.
c) P(X>Y) yi bulunuz.
d) g ( y \ x ) i bulunuz.
|
81
eemdersnotlari.com
Cevap:
a)
c f f (x+y) dy dx = 1 olmal.
Jo jo
f (x+y)dy = xy + \ y*
Jo
= x+ i
f1 ( x + i ) d x = i x 2 + I
Jo
c = 1 olmal.
1 =
b)
f(x) =
(x+y) dy = x + i
= 0
<K < 1
aksi halde.
g(y) = j (*+y)dy = y + i
-
O <y < 1
aksi halde.
c)
P(X>Y) == \
d) g(y\x)
f(x,y)
x+y
f(x)
x+l/2
= O
0<x<l, 0<y<1
aksi halde.
eemdersnotlari.com
eemdersnotlari.com
d)
b)
R ve S stokastik bamsz m?
Cevap:
a)
f(r) = | e - r e - s d s = e ~ r J e~ 8 ds = e ~ e ~
= 0
Benzer ekilde,
JL)
g(s) = e - 8
| ^
r>0
aksi halde.
s>0
= 0
b)
aksi halde,
Bamszlk art;
.'.
R ve S bamsz.
xg0
x^l
0<x<l
ve Y = 2 X + 1 olduu bilini-
yor.
Y'nin birikimli dalm ve sklk fonksiyonlarn bulunuz ve grafiklerini iziniz.
Cevap:
Y = 2X + 1
G(y) = P(Y <y) = P ( 2 X + K y ) = P(2X<y 1) = P ( X <
y 1
G(y) = 0
g 0
/y- \ /
y \
- ( ) ( 2 " )
ygl
y
'
0 <
84
eemdersnotlari.com
< 1
1 < y < 3
y - 1
= 1
g(y) =
d
<HY)=
dy
d
7^3
dy V 2
-y
y - 1
dy
4 /
l<y<3
- 2 (3y)
= o
1
)]
aksi halde.
1 /
r3,
j (3-y)dy= (3y
J1
2 V
y2 \ 13
1 /
)
=
9
2 /11
2 V
9
2
v
3+ _ ) = ]
2 /
85
eemdersnotlari.com
x>0
ajksi halde, dalml bir ktleden 2 birimlik bir
x,>0, x2>0
aksi halde
yazabdiriz.
G(y) = P(Y<y) = P ( X , + X 2 ^ y )
G(y) = 0
y^O
y
y-*
y :
e-* (1e-y+x )= e-x e~
(o.y)
86
eemdersnotlari.com
X,
= 1 (1+y) e-y
g(y)
y>0
d
= G(y)
dy
g(y) = O
'
y<0
0<x<l, 0<y<l
aksi halde
veriyor.
f(x) =
x 2:0
2X
gre, G(y) ve g(y)'yi bulunuz.
17.
F(x) = 0
x<l
= c { 3x H
5)
1 <x<3
x
87
eemdersnotlari.com
x^3
veriliyor,
i) c ve f(x)'i bulunuz.
ii) Y = X 2 + 3 ve Z = 1 X veriliyor. Y'nin ve Z'nin sklk ve
birikimli dalm fonksiyonlarm bulunuz.
iii) Y ve Z'nin bamsz olmas mmkn m?
eemdersnotlari.com
BLM IV
B E K L E N E N DEER VE MOMENTLER
Bir nceki blmde tesadfi deikenleri ve dabmlann grdk.
Bu blmde, tesadfi deikenlerin dabmlarmn parametrelerini, yani
herhangi bir dalm dierinden ayrd etmeyi sakyan sabitleri (1) greceiz. Tarifsel istatistikteki, merkezi eilim, dadma ve arpldk lleri, bir dalm dierinden ayrdetmemizi sakyan ller olarak
incelenmitir. Burada bu lleri daha matematikli bir yaklam ile ele
alacaz.
Merkezi edim lleri iinde (ktle ortalamas, medyan, mod) en
ok kullanlan ortalamadr. Kesikli veya devaml bir tesadfi deikenin dadmnn yani olaslk ya da sklk fonksiyonunun ortalamas
o tesadfi deikenin beklenen deerini verir.
Daha formel olarak, kesikli bir X tesadfi deikeninin beklenen
deeri, o deikenin alabilecei muhtemel deerlerin, o deerlere tekabl
eden olaslklarla arpmlarnn toplanmas yoluyla bulunur.
X, x , , . . . x N (veya x,, x 2 ) deerlerini p t , p 2 . . .p N (veya p, , p 2 - )
olaslklar ile alan bir tesadfi deiken olsun.
X'in beklenen deeri E(X) ile gsterdsin.
E(X) = E x i P i
i=
veya E(X) = 2 x i P i
i-
f(x), X'in olaslk fonksiyonu ise yani x deerlerine tekbl eden olas
lklan gsteriyorsa, p, = f(xj) ve dolaysyla,
E(X) = S , x f ( x )
X'in devamb bir tesadfi deiken olmas halinde ise,
x f(x)dx
olacaktr.
-00
89
eemdersnotlari.com
/Md
f co
f(x)dx =
f(x)dx = i
J Md
Yani Md, X'in sklk fonksiyonu altnda kalan alam iki eit paraya blen x deeri oluyor.(2)
J -30
[x-E(X)]* f(x)
X devamb ise,
Var(X) = f
'oo
T x E(X) 1 2 f(x)dx
90
eemdersnotlari.com
Beklenen deer ve varyans kavramlarna kesikli ve devaml tesadfi deikenlerden misller verelim.
V
1-1.
3
8
1-2.
3
8
1-3.
1
8
12
= - = 1 . 5
8
+ (1-1.5)2
3
8
+ (21.5)
3
8
+ (31.5)2
8
1
8
f(x)
10
10
10
10
10
10
91
eemdersnotlari.com
E(X) = ( - 2 ) ( ) + ( - 1 ) ( ) + (1) ( ) + 2 ( ) + 3 ( )
MO/
Vio/
V10 /
V 10 / v 10 /
, 2 s 20
+ 5(
) =
V o /
=2
[x-E(X)]2
16
10
10
10
10
10
10
f(x)
Var(X) = E[XE(X)] 2 =
16+9+2+3+18
10
3
16
x -|
= 4.8
1 <x<3
aksi halde.
= 0
E(X) = f
x f(x)dx = f x ( x H \ dx = [ (
x 2 -|
x ) dx
J -co
J , \ 16
8/
J! \ 16
8 '
1
=
X3
16
27
X2
16
16+16
16
34
17
16
16
eemdersnotlari.com
C3
, j
(
X3
j X v 16
3
64
43
X4 -
2907
192
323
xH
1024
64
X3 +
323
x> +
2048
xH
289
512
64
43
323
289
2048
512
64
192.
2048
512
240
1118
64
192
2584
2048
dx
1161
243
=
8 /
289 \
)dx
512'
867
192
578
+
512
,3
1\
r3 / 3
(x + )dx =
(x+
j.
V 16
16
3
32
8 '
X+ 1
JMd v
8 '
) dx =
1 / Md
R
X
X2 H
16
^ \
)dx=
yi alalm.
2
3
1
7
(Md)2 + Md
32
8
32
2
93
eemdersnotlari.com
eemdersnotlari.com
O
Misal 1:
f(x) =
ve
u(x) = X 2 2
8
1
X2
X22
f(x)
olsun.
E[u(x)] = 2 x (x 2 2) f(x)
1
3
3
1
= ( - 2 ) + (1)(-) + (2) + (7) ( )
8
8
8
8
Misal 2:
23+6+7
f(x) =
16
xH
= 1
1 <x<3
aksi halde,
ve u(x) = 2X 2 + 3 olsun.
3
3
1
E [2X 2 +3] = f ( 2 x + 3 ) (
x +
)dx
Jl
\ 16
8 '
=
, 33 /, 33
1
9
3v
( x- 3' H
x2 H
x -\
)dx
16
h \8
a/
H
9
3
x3 + x2 H
.12
32
8
13
l
eemdersnotlari.com
32
x 4
243
32
27
+
81
12
2432
192
32
32
12
32
38
(4)
f
-a.
Q(x,y)f(x,y)dxdy
^ -D
... J
Q ( x 1 , . . . x k ) f ( x 1 , . . . x k ) j l dx
Misal 1: III. blmde (X,Y) bileik tesadfi deikeni iin aadaki birleik olaslk fonksiyonu verdmiti:
0
0
1
1/4
0
1/4
1/12
0
1/12
0
1/12
0
1/12
0
1/12
0
1/12
t4 Bu beklenen deer 5 den az veya 21 den fazla olabilir miydi? (Hayr. Niin?).
96
eemdersnotlari.com
1 1
1 w
1 v
/
2v 1
.f (2 + ) ( ) + (2 + )
3 4
\
3 / \ 12'
V
3 ' 12
1
4
5
1
/
\ 1
/
\ 1
+ ( 2 + 1 ) + ( 2 + ) + ( 2+ ) + ( 2 + 2 )
12
\
3 > 12 \
3 / l 2
12
5
3
Misal 2: f(x,y)
1
20
(xy+4)
l<x<3, 0<y<2
= 0
Q(x,y) = X 2 + Y
E[Q(x,y)] = E [ X 2 + Y ] = f
f (x 2 +y) [ ( x - y + 4 ) ] dy dx
1
20
1
olsun.
2 0
f3 f2
I I (x3x 2 y+4x 2 +xyy 2 +4y) dy dx
1
J0
'
16
(2x3+6x 2 +2xH
9.0 J,
332
=
= 5.533
60
)dx
1
1
1
3 1
r 3 f2
r3
l x(xy+4)dy dx =
(2x 2 +6x) dx =
(5)
20 J 1 J o
20 J ,
15
Teorem 3: Bir sabitin beklenfen deeri kendisine eittir, c bir
sabit olsun. E(c) = c dir, nk
1
E(X)=
E(c) = f
c f(x) dx = e [ f(x) dx = c . l = c
J _ CD
J CO
S Ayn sonuca, dorudan doruya X*in marjinal sklk fonksiyonu f(x)'i kullanarak da
ulaabileceimiz aktr.
97
eemdersnotlari.com
(6)
09
E(X+Y) = I
(x+y)f(x,y)dydx
J 00 ^ 06
6 X devaml ise nasl?
98
eemdersnotlari.com
p05
00
x f(x.y)
y f(x,y) dy dx
J
-00
x[
00
.35
dy dx +
_oo
_oo
f(x,y)dy]dx+
y [I
00
x f(x) dx +
-00
= .E(X) + E(Y)
oo
f(x,y)dx]dy
50
y g(y) dy
j 00
(8)
xyf(x)g(y)dxdy
j co * co
x f(x) dx
J co
= E(X) E(Y)
y g(y) dy
^ co
(9)
eemdersnotlari.com
olur.
spat:
E(e) = c
Var(c) = E [eE(c)]2 = E(cc)2 = E(0) = 0
Var(X+c) = E [X+cE(X+c)] 2 = E [X+cE(X)c] 2
= E [XE(X)] 2 = Var(X)
Teorem 9: X ve o teorem 8'deki gibi ise,
Var(cX) = e 2 Var(X)
spat:
Var(cX) = E [eXE(cX)]2 = E [eXeE(X)] 2
= E [e(XE(X)] 2 = E {e2 [XE(X)]2}
= c 2 E[XE(X)] 2
= c 2 Var(X)
imdi varyansn pratik yoldan hesaplanmasna imkn veren bir
forml grelim.
Teorem 10:
.
spat:
Yar(X) = E [XE(X)] 2 = E [X22X E(X)+ [E(X)] 2 ]
Beklenen deer dorusal bir operatr olduuna gre,
= E(X 2 ) 2E(X) E(X) + [E(X)]
= E(X 2 ) [E(X)] 2
E(X 2 ) = Var(X) + [E(X)] 2
'
imdi bu teoremi kullanarak daha nce hesapladmz baz varyanslar yeniden hesaplayalm.
(>)
f(x) =
100
eemdersnotlari.com
eemdersnotlari.com
= O
v 16
8 /
J , v 16
3
1
.3
=
64
X"H
24
= 243
+ 27
64 24
Var(X) =
29
6
X3
xA dx
8 /
l
3
1 = 240
_ + _26 = 29_
24
64 - 24
6
64
/ 17 \ 2
29
289
V 8 '
64
X 3+
) =
18561734
384
122
=.318
384
Bu misl teorem 10'daki ksa formln iimizi ne denli kolaylatrdn gsteriyor. Varyans hesaplamalar d a i m a bu ksa forml
kullanlarak yaplmahdr.
imdi de iki tesadfi deikenin toplam veya farknn varyansn
ve bamszkk halinde teoremin alaca zel ekli grelim.
Teorem 11:
Var(X+Y) = Var(X) + Var(Y) + 2 Cov(X,Y)
Var(XY) = Var(X) + Yar(Y) 2 Cov(X,Y)
s p a t : Tarif gerei,
Var(X+Y) = E [X+YE(X+Y)] 2 = E [ [XE(X)] -f [YE(Y)]] 2
= E [ [XE(X)] 2 + 2[XE(X)] [YE(Y)]
+ [YE(Y)] 2 ]
= E [XE(X)] 2 + E [YE(Y)] 2 +
+ 2 E [XE(X)] [YE(Y)]
Eer E [XE(X)] [YE(Y)] = Cov(X,Y) eklinde isimlendirilirse,
Var(X+Y) = Var(X) + Var(Y) + 2 Cov(X,Y) forml elde edilir.
Cov(X,Y), (Kovaryans(X,Y) eklinde okunmaldr) X ve Y deikenleri arasndaki ilikiyi gsterir.
102
eemdersnotlari.com
p'nn iareti Cov(X,Y)'ye bal olarak deiir. X ve Y nin l birimlerindeki deiiklikler pay ve payday eit oranda etkiledikleri iin
10 Teoremi daha genel olarak yle ifade edebiliriz:
Var(aX+bY) = aVar(X) + b s Var(Y) + 2ab Cov(X,Y)
Var(aXbY) = a 2 Var(X) + b ! Var(Y) 2ab Cov(X,Y)
103
eemdersnotlari.com
p deimez.. Cov(X,Y) = O olduunda p x , y = 0 olur. p x , Y nin alabilecei minimum ve maksimum deerler de aadaki eitsizlikte belirir.
1
Px,Y 1
imdi de bu eitsizliin nereden geldiini grelim. U ve V gibi iki deiken tarif edelim.
XE(X)
U=
ax
V=
YE(Y)
<7y
U ve V s t a n d a r t l a t r l n tesadfi deikenler'dir. Herhangi bir tesadfi deikenden beklenen deerini karr ve standart
sapmasna blersek o deikenin standartlatrln ekli bulunur. Bu
eldlde isimlendirmenin nedeni; tesadfi deiken hangi beklenen deer
ve varyans ile dadm olursa olsun standart form'unun dadmmn beklenen deerinin sfir ve varyansnm da 1 olmasdr. (11)
Cv(D.V) = E [ - ]
1
[ _ _ ]
JX
Uy
E[XE(X)] [YE(Y)]=
Cov(X,Y)
Px,y
ffX <7y
Teorem ll'den,
Var(U+V) = Var(U) + Var(V) + 2 Cov(U,V)
Var(UV) = Var(U) + Var(V) 2Cov(U,V)
Var(U) ve Var(Y) nin 1 olduunu grmtk,
Var(TV) = 2[l=FCov(U,V)]
ti
E(U) = E
|-XE(X)-
L OX J
Var(U) = Var
1
1
= E [ X - E ( X ) ] = [E(X)E(X)] = 0
<X
X-E(X) -
AX
1
= Var [ X - E ( X ) J
cl
104
eemdersnotlari.com
YE(Y)
Gy
yaparsak,
X(7y
Gy
E(X)
CTX Y
C <7X C7y
<Ty
olur.
E(Y> 4- c o, Y
y
CTy
12 Bu iliki |Cov(X,Y)|^|o x [ (a Y | eklinde Schwartz eitsizliinden gidilerek de
karlabilir. Ad geen eitsizlik iin herhangi bir calculus kitabna baklabilir.
Mesel R. . Buck "Advanced Calculus" II. Edition Mc Graw Hill, 1965 Sh. 11.
105
eemdersnotlari.com
X = a bY
a=E(X)+
X
Y
E(Y) + c a x
Jb =
(13)
bX ise,
E(X)] ]
= + bE [XE(X)] [XE(X)]
= + bVar(X)
Cov(X,Y)
?X'Y
+ b Var(X)
=
= ^ 1 elde edilir.
ba2x
(Jy
<Ty
E(X) H
AX
Dikkat edildii gibi burada sadece X,Y arasndaki ilikinin dorusalb zerinde duruluyor,
bir sebep-sonu ilikisi zerinde deil. Bu konuya, regresyon ile ilgili blmde tekrar dneceiz.
106
eemdersnotlari.com
X>
25
36
1.5
.5
.5
Y*
2.25
1.5
.25
I
1.5
XY
E(X) =
E(Y) =
17
2.5
6
75
E(X) =
*
5
1.5
E(Y*) =
=15
5
4.75
5
289
86
\=
25
25
Var(X) = 15
Var(Y) =
.25
4.75
2.25
25
veya
Var(Y) = b 2 Var(X) =
21.50
25
1
86
25
21,50
25
3.5
E(XY)=
5
Cov(XY) = E [XE(X)] ] [YE(Y)] = E[XYX E ( Y ) - Y E(X)
+ E(X) E(Y)]
= E(XY) E(X) E(Y) E(X) E(Y) + E(X) E(Y)
= E(XY) E(X) E(Y)
107
eemdersnotlari.com
eemdersnotlari.com
g(l\0) =
= _ = __
f(0)
f(0,0)
g(0\0) =
1/4
f(0)
olduunu biliyoruz.
E(Y\X=0) =
1/2
1 /4
= =
112
2
1
y g ( y \ x ) = 1. \ + 0 . * = i
f(x\y)
= 0
aksi halde,
dx
r3
1
v)
I (x 2 xy4-4x)dx =
J,
2(6v)
+ 2x
7412y
/1
(
x3
\ 3
x-
2(6y)
376y
183y
Mesel y = 0 iin E ( X \ y ) =
37
, y = 2 iin E ( X \ y ) =
25
18
12
olacaktr. Veri y deeri formlde yerine konduunde E ( X \ y ) nin bir
sabit say olaca, baka deyile bu artl beklenen deerin y'nin bir
109
eemdersnotlari.com
j
[yE(Y\x)
J -co
g ( y \ x ) dy
benzer ekilde,
Var(X\y) = S , [ x - E ( X \ y ) ] 2 f(x\y)
=
J _co
[x-E(X\y)]2f(x\y)dx
E(Y\x), x'in belli bir deeri iin sabit, fakat x'in deien deerlerine bal olarak deitii iin bir tesadfi deiken addedilebilir.
E ( Y \ x ) in dalmnn beklenen deerine E ( Y \ X ) diyoruz. E ( Y \ X )
regresyon fonksiyonu olarak adlandrlr ve zellikle iktisatlar bakmndan byk nem tar.
Teorem 12:
E(Y) = E [ E ( Y \ X ) ]
spat:
f(x) > 0
E[E(Y\X)] = Exf(x)Syy'g(y\x)
= 2yySlg(y\x)f(x)
Halbuki, f(x) g ( y \ x ) = f(x,y)
= Hy y
X, Y devaml ise,
E[E(Y\X)]= f
dir.
f(x,y) =
y g(y) = E(Y)
E(Y\x) f(x) dx
110
eemdersnotlari.com
E(Y\x) = J
E[E(Y\X)] = j ^
g ( y \ x ) f(x)
yg(y\x)dy
=o
f(x) > O
y g ( y \ x ) d y ] f(x)dx
y g ( y \ x ) f(x) dy dx
J 00 J -oo
= f(x,y) olduundan,
= f
J -00
Benzer ekilde,
E [E(X\Y)J = J ^
= f
J -00
f
-as
y f(x,y) dy dx = E(Y)
x f(x\y) dx ] g(y) dy
x f(x,y) dx dy = E(X)
J -00
bulmutuk.
21
21
12
Gerekten
1
1 1
1
1
E(Y) = 2 y y g ( y ) = 1 . + 2 . + 3 . + 4 .
+5.
+6.
3
12
12
12
12
12
Misal 2:
E [E(X\Y)] = j
[ |
=2
x f(x\y) dx ] g(y) dy
3(6y)
eemdersnotlari.com
111
f 2 376y
f 1
E[E(X\Y)]=
I
(6y) | dy
J
3(6y) L 10
2
376y
30
,1 /
(37y
30 V
1
dy =
30
f2
(376y) dy
,2 x 1
31
3y 2
) = E(X)
'o /
15
nk gene nc blmden,
f(x) =
(2x+6) =
20
(x+3)
bulunmutu.
10
Bu bdgiye dayanarak,
E(X) =
,3
10 J ,
(x 2 +3x) dx =
1 . 1
3
.3
(
x3 H
-x 2
)
10 V 3
2
h '
x
27
31
10
15
E(Y)] 2
112
eemdersnotlari.com
olur.
E(X\y)=.Sxxf(x\y)
g(y) > 0
yg(y\x)dy= J ^
y g(y) dy = E(Y)
113
eemdersnotlari.com
xrf(x)dx
= E(X) = 2 x x f ( x )
veya
(x' = I
J
x f(x) dx
-CO
J co
E [(X[i')r] = f
(x-fx')< f(x) dx
J _oo
00
-co
(xfx') f(x) dx =
(Al
-co
x f(x) dx(X',
J ao
00
f(x) dx
CO
\l'i [i.' = O
Bu tarifsel istatistikten bildiimiz, aritmetik ortalamadan sapmalarn cebrik toplamnn sfr olmasndan baka birey deildir.
(12 = f
( x - y , ) * f(x) dx
co
jL2'ye de X'in varyans diyoruz.
Beklenen deer cebrinde grdmz Var(X) = E(X 2 ) [E(X)] 2
ifadesini momentler cinsinden elde edelim.
[LZ=
=
(xfi',)2 f(x) dx = f
j CO
f
J CO
J co
x 2 f(x) dx2(1', f
^ -CO
114
eemdersnotlari.com
f
- CO
f(x)dx
(2 = (J.'2([i'O2
[JI' yerine ok kullanld
iin genellikle j kullanlr. Bundan sonra
ktle ortalamas iin fi\ yerine jj. kullanlacaktr.
jj.3, ortalama etrafndaki nc moment arpkln lsdr.
Simetrik dalmlarda (x3 = 0 olur.(I6) Aadaki ekilde dk eri sola
doru arpktr, ve 1x3 <0 tir. Buna karlk ikinci eri saa doru arpk
ve [x 3 >0 dr. Bununla beraber (j3'n bdinmesi dalmn ekli hakknda
bizi kesin bir sonuca ulatramaz.(17) nc eri iin [x3 = 0 olduu
halde simetri sz konusu deildir.
16 M. G. Kendall A. Stuart "The Advanced Theory of Statistics" Vol. I Sec. Ed. 1963
Sh. 85'te arpklk (sk) iin u forml verilmektedir:
.(P.+a)!'/1
v-,
Sk =
Bu formlde P, =
, & =
2(5(3-6(3,-9)
(x'2
Grld gibi (3, de,
= 0 olduunda (3, dolaysyla Sk sfr olmaktadr.
^ = JI/ 3(JL,' (JL/ + 2JI,'
y.2'l'
115
eemdersnotlari.com
X devaml ise
1 etxf(x)dx
J -CO
t2
t3
e'* = 1 -f- tx -fx2 +
x 3 + eklinde yazlabileceine gre,
2!
3!
r
mx(t) = E l + tx+
t2
x2+...
cc
= S
(i'
J
i=1
2!
i!
(x'r, m x (t)'nin t'ye gre r'nc trevinde t = 0 deeri konularak elde
edilir.(18)
L
18 m x (t), t = 0 iin l'e eittir. Baz dalmlarda t'nin btn deerleri iin m x (t) hesaplanabilir, mislimizde olduu gibi baz hallerde se mv(t) ancak t'nin belli bir aralktaki deerleri
D bulunabilir.
116
eemdersnotlari.com
Misal: f(x) = a
olsun.
eu|ae-"dx
\ =
ta
t <a
at
'
d / a \
= ( ) U
dt \at'
Var(X) = n'2 ((i') 2
E(X) =
d2
|2 = dt 2
a
=
lt-a =
(at)2
a2
/ a v
d , a
( ) L = (
)
dt \\ at)
at)22 '
'\aV
at'
dt
2a(at)
2a 2
lt=0
(a1)
2
Var(X) =
a2
X
\ a
a
1
a2
a4
=
a2
a2
a 22 '
a
e t u ( x ) f(x) dx
ao
117
eemdersnotlari.com
E(X,) =
E(Xj 2 )
mx,x2(0,0)
at 2
81d2
= m x ,x 2 (0,0), E(X 2 2 ) =
m X X 2 (0,0)
at, 2
at 2 2
E(X 1 X 2 ) = _ ! _ m x l X 2 ( 0 , 0 )
at,at 2
a2
Var(X 1 ) =
mx-(xx,,
x - ( i x 2 (0,0)
m<rP],
x 2 -,x 2
at, 2
02
Var(X 2 ) =
(0,0)
K
02
Cov(X1,X2)=
m _ i x
(0,0)
0t 0t 2
Son olarak moment karan fonksiyonlar birbirine eit olan dalmlarn, momentlerinin birbirine eit olmas sebebiyle aynln belirten
aadaki teoremi verelim.
T e o r e m : X,Y olaslk veya sklk fonksiyonlar f(x) ve g(y) olan
iki tesadfi deiken olsn. Eer,
m x (t) = m Y (t) ise f(x) ve g(y) birbirlerinin ayn olan dalmlardr.
Moment karan fonksiyona ilve misaller bir sonraki blmde yer almaktadr.
x
x ( X X ,
LGL
eemdersnotlari.com
w <0
= 2w
= 0
w>l
bulmutuk.
E(w) = f 2w 2 dw =
Jo
Var(w) = E [w E(w)] 2 = j" [wE(w)] 2 f(w) dw
= f (w 2 2wE(w)+[E(w)]2)2wdw
Jo
p
Jo
=
(2W3
1
2
w) d w
W4
W' 4"
4
W2
,
o
1
18
2WJ
dW
w4
18
(14-2 + 3 + 4+5 + 6) =
7
2
=7
7
2
7n
2
119
eemdersnotlari.com
91
49
35
=
12
Var(X) =
49 =
36
210
36
35
6
35n
12
3. f(x) = 2 2x
0<x<l
bulunuz.
Cevap:
r-Md
/Ma
(22x)dx = |
Jo
2xx2
Md
= \
2 Md (Md)2 = |
(Md)2 2(Md) + | = 0
2 + V2
Md,,, =
Bu kklerden
2+V2
.295
tir.
120
eemdersnotlari.com
deer
y/T
(22x)dx = 2xx 2
_
(2-V2)
(2y/2) -|
=
A.
2 - y/T
2
_
= (2-V2)
(2A/2)2
42
1
=
d.
2y/2
Grld gibi
r'
E(X) =
(2x2x 2 )dx = x 2 | X 3
J0
2
E(X2) = f (2X22X3) dx
" l\
3
Var(X)
4.
= 1 = ~ .333
0
1
2
x4
54
f(x,y) = x + y
= 0
eemdersnotlari.com
E(Y\x)'i bulunuz.
b)
E(Y)'i bulunuz.
Cevap:
a)
E ( Y \ x ) = j" ^ y g(y\x)dy
f(x,y)
g(y\*)=
f(x) = J
f(x)
f(x,y) dy = J (x+y)dy = x + \
f(x) = x-f-
0<x<l
= 0
aksi halde.
x+y
g(y\x)=
0<y<l\0<x<l
x+l/2
= 0
aksi halde.
2
2xy-f
. x-f
x-f-yy
z , 2yx y ^
r
E ( Y \ x ) = I y(
)dy = I
dy =
f (xy+y 2 )dy
J0
x+l/2
J 0 2x+l
2x+lJ0
r
,xy>
2x+l \ 2
ya ,,
3 L'
\2x+l/ \
b) E(Y) = E [ E ( Y \ X ) ] = j ^ [
-r.
, ,3x+2 .
6
3x+2
3(2x+l)
y g(y\x)dy ] f(x) dx
3x+2 2x + l
dx
3(2x+l)
13
p,
1 7
6
7
2
12
(
x*+2x ) =
phesiz E(Y)'yi bulmann6 direkt
V 2 bir yolutoda/ nce g(y) yi bulmak
sonra da bundan yararlanmaktr.
122
eemdersnotlari.com
E(Y) = f
yg(y)dy
J en
x2
r1 /
I1 \
(x+y)dx =
|-xy ) =
Jo V
2
lo /
2y+l
0<y<l
g(y)
)-y
2
aksi halde.
1 ,
1/2
1 ,, x
1 / 2
v
E(Y) =
2y2+y)dy = ( y 3 + _ y 2
)=
( +)
2 J0
2 V3
2
lo / 2 \ 3
2/
7
12
olduunu gsteriniz.
Cov(X X 2 ) = 0 ve
= Var(X,) + Var(X 2 )
Var(X,+X 2 ) = E(X,X2)2
6. ki bamsz tesadfi deikenin toplamnn moment karan
fonksiyonunun, deikenlerin her birinin moment karan fonksiyonlarnn arpmna eit olduunu ispatlaynz.
m x+y
(t,t2)= mx(t,)my(t2)
spat:
m I + y (t,,t2) = E [E1'
X+'2Y]
123
eemdersnotlari.com
r CO
= 1
pco
co
CO
r CO
CO
e x e , 2 y f ( x ) g ( y ) d x d y
00
J -co
= [
e'"f(x)
j -00
dx
f
J -co
e'2yg(y)dy
= mx(t)my(t2)
7. X, moment karan fonksiyonu m x (t) olan bir tesadfi deiken
olsun. Aadaki eitliklerin doruluunu gsteriniz.
m + cW =
W =
eC
'
mxW
m*(ct)
Cevap:
mx+c(t)=
E [ e ( x + c ) t ] = E [e x t e c t ] = e c , E [ e x ' ] = e c t m x ( t )
mcx(t) = E [ e c ' x ]
ct = a
olsun.
= E [ e a x ] = m x (a) = m x (ct)
x
0<x<2
2
I
00
/ X
f 2
f 2
(x 2 )'
dx = (
.2
\ 2
22r 4
22r
4r
4(r+l)
r+1
r+1
x 2 r + 1 dx=
124
eemdersnotlari.com
(
\2r+2
x2r+2
F(x) = P(X<x) = j
F(x) = 0
1
dx = - x 2
2
4
x^0
= x 2
0 <x<2
= 1
x l
y^O
G (y)
0<y<4
y^4
g(y)
= (Vy)2=y
= 1
d
=
dy
=: 0
f4
1
G(y) =
0 <y <4
aksi halde.
1
yr
J0
14 v
4r+1
dy =
y- ) =
=
4 \r+l
lo /
4(r+l)
r+1
9. nc blmdeki misalden,
1
f(x,y) =
f(x) =
20
10
(xy+4)
(x+3)
1 <x<3
(6y)
0<y<2
1
g(y) =
10
31
E(X) =
Cevap:
Cov(X,Y)
P"y
4'
E(XY)E(X) E(Y)
VVar(X) Var(Y)
eemdersnotlari.com
E(Y) =
f (6yy 2 )dy =
10
J"
12
15
46
[* (x 3 +3x 2 )dx =
10 -'l
10
46
961
74
10
225
225
.2
6
1 (6y 2 y 3 )dy =
10 J'o
5
E(Y 2 )
Var(Y) =
16
14
25
25
>
3 - 2
E(XY) = f f xy ( x - y + 4 ) d y dx
1 r3
(x 2 yxy 2 -f 4xy)dy dx
20J, J0
1
,,-33
20 J .
Cov(X,Y)
PX'Y
16
3
x)dx =
29
, 31 v . 4 x
15
V 15 / \ S /
21 /75
21
/V\ V'H
75
V 15 /'
10.
(2x 2 -j
15
29
21
75
75
15
75
sj
124
1036
21
21
32.2
29
x>0, y > 0
aksi halde,
eemdersnotlari.com
Cevap:
mx+Y(t,,t2) = Efe'^+^j
JC
.O
=
e(t2-a)y
-03
a2
etx+t2y-a-aydxdy
= a2
e(t,-a)xeftl-,)'rdxdy
J -03 J -00
e ( ' r a ) x dx = e ( ' 2 - a ) y ( e ( t l - a > x
o (z- a )y
\ta
ft
s
e
t <a iin.
ta
r
:f
ta 'o
'
1 / 1
(
. e ('2- a > y
ta Vt2a
-a
e(,2-a>J'dy=
= (
\
) (
t!a ' \
))
t 2 a '
t 2 < a iin
(t,a) (t2 a)
mx + Y (t,t 2 ) =
a2
(t,a) (t 2 a)
t,<a, t2<a
E(X+Y+Z)
b)
E[X(Y+Z)]
c)
Var(3Y-)-Z) yi bulunuz.
eemdersnotlari.com
13. f(x) = 2
0<x< \
= O
aksi halde
verdiyor.
Ogxgygl
aksi halde,
veriliyor.
px,Y'yi bulunuz.
(6xy)
0<x<2, 2<y<4
8
= 0
d)
b)
c)
aksi halde
verdiyor.
E(Y\x)'i bulunuz.
E(Y*\x)'i bulunuz.
Var(Y\x) = E ( Y 2 \ x ) [E(Y\x)] 2
bulunuz.
128
eemdersnotlari.com
BLM y
B R K A NEML D A I L I M
(BNOMAL, POISSON, NORMAL)
/
129
eemdersnotlari.com
olacaktr.
Bu formln bir olasbk fonksiyonu iin gerekli artlara sahip olduunu kolaylkla grebiliriz. Bir defa olashklar negatif deildir. kinci
olarak,
S x ( ) p x q n - x = (p+q) n = [ p + ( l - p ) ] n = 1
(2)
b)
a)
b)
(.97)4
130
eemdersnotlari.com
p o q i-o
Xj = 0,1
-)-p1q0=q-)-p=l
= np
[E(X )] 2
Xj 2
(X,'lerin
Xt
(4)
pq
n pq =
nz
3 17'inci asrda yaam ve binomial dalm zerinde ilk almalar yapm olan ahsn
1
ismine izafeten.
.
4 Moment karan fonksiyon kullanarak ayn sonulan nasl elde edebilirdik? (Problem 1).
131
eemdersnotlari.com
lim ,
X
n - co ( 1 y
\
n
5 B tablolar ile ilgili olarak baknz: Mosteller, Rourke, Thomes a.g.e Sh. 258.
6 H.D. Brunb, Ek Tablo: 2. binomial ve birikimli binamial olaslklar muhtelif n ve p
deerleri iin vermektedir.
132
eemdersnotlari.com
P(X=0)
1-p
n -> co , p -> o
>
lim
u-KX>
P(X=0) = Xe
1p
n(n1)
P(X=2) = (f) p* q n _ 2 =
2
n1 p
= P ( X = 1 )
2
q
1
X(1
n1
p 2 q n -2 =
2
p
q
np q a -
)
P(X=1)
n->co,
p ->o
2(1P)
1
X(1
)
n
lim
n ->oo
P(X= 1) =
2(1p)
Xe
'
X2
*
e" X
x k
giderek P(X=k) =
k!
ey deddir.
T a r j f : Eer X tesadfi deikeni,
f(x) =
x!
lml bir kesikli tesadfi deikendir. Dalmn tek parametresi X'dir
ve biraz sonra grlecei gibi X'in hem beklenen deeri hem de varyansdr.
f(x)'in bir olasdk fonksiyonu olduunu yle gsterebdiriz:
f(x)
x = 0,1. . .
133
eemdersnotlari.com
co
05
S
*=0
Xx
f(x) = 2
= e
X*
Halbuki
X*
2
xO
03
22
*=0
= e
(7)
f(x) = e - X e X = 1
m x (t) = 2
/x=0
= eX
etx
X! t
= e
(e 1 )"
2
u
X!
(eX-1}
dt
d m x (t)
dt
= E(X) = X
t=0
dz m x (t)
d t2
= X+X2
t=0
134
eemdersnotlari.com
Cevap:
a) 8 saatlik ign iinde 15 dakikalk 32 sre vardr. Herhangi
bir kitap isteyicinin 15 dakikabk bir sre iinde gelmesi olash
1
p =
olacaktr.
P ( X ^ 1 ) = 1 P(X = 0)
X
P(X=0) =
X
X
= e
e~x
e-s/* =
0!
e5/*
1
P(X ^1) = 1 e - 5 / 4 = 1
e=/4
ektir
Binomial dahmda olduu gibi poisson dalm iin de olasbk
fonksiyonu ve birikimli dahm fonksiyonu deerleri yani istenilen olaslklar tablolar yardm ile bulunabilir. (8)
-X
F(x) =
E e
x<x
x!
135
eemdersnotlari.com
Normal dalm ile ilgili izahlarmzda nce tek deikenli daha sonra
da iki deikenli normal dalm zerinde duracak, fakat ok deikenli
normal dalm, gerektirdii matematik aletler dolaysyla kapsam d
brakacaz.
i)
Tek D e i k e n l i Normal D a l m :
f(x) == n(x) =
:
\/2ITG-
co <x < co
eemdersnotlari.com
9 Bunun ispat esas itibariyle kutupsal koordinatlara dntrmeyi iine alan ve her
matematiksel istatistik kitabnda yer alan bir yaklamdr. Eri altndaki alana A diyelim.
A =
y =
r
I
y/lr.a
x[i
olsun.
o
a/2TT(
2 o
e
dy
J- dx
dx
1
o
dx = a dy
e i y 2
I
e
dy
J -
A=
-V/27T
V2TT
A = 1 olduunu ispat yerine A 2 = 1 olduunu gsterip f(x) pozitif olduu iin A = l'e
buradan gidelim.
1
A2 = ( -
f o 5
1
dy) (
y 2
V2jt J-
f 0 0
dz) =
V 2 * *' _ 0
(y'-M')
dy dz
2n
oo
2tt J o
f 2re
ir2
I
2jtr e
d dr =
Jo
Jo
ir2
re
dr = 1
137
eemdersnotlari.com
B i r i k i m l i Normal D a l m : N(x)
N(x) =
\/27t a
P e
J - co
N( oo) = 0
N( ee) = 1
/< + 2r
/<+3T
138
eemdersnotlari.com
Burada x' mutlak deeri x'e eit ve pozitif bir saydr. Mesel
x = 4 ise x' 4 olur.
Sklk fonksiyonu iin verdiimiz bilgileri kullanarak, |x'ye kadar
birikmi olasln .5, [A-fa'ya kadar birikmi olasln .8413, |i.+ 2<r'ya
kadar birikmi olasln .9772 ve (i+3<y'ya kadar birikmi olasln da
.9987 olduunu belirtelim.
[i ve o 2 'nin muhtelif deerleri sonsuz sayda normal dabm akla
getirir, y. ve cr2 nin eksenleri tekil ettii bir koordinat sisteminde belli
bir X
n(u, cr2) deikeni sadece bir noktadr.
eemdersnotlari.com
- i Z2
e 2
V2TT
<(z) =
T"
V^T
_ 2i g2
dz
CD(00 ) = 0
0(co) = l
n(x) =
18
x(x
<t
x = 2 => z =
x = 5 =? z =
2 3
3
53
3
140
eemdersnotlari.com
=
2
3
5
3
0 halde
P(2<X<5) = P
K-h-4)(TMr)
eemdersnotlari.com
p(
H"<t)= ""(T)+(T)- 1
V,
^ tr.
Dolaysyla,
/
P(2<X<5) = P(
V
10
P(
2
< z < ) = P(
3
3
5
3
< z<
\
) = .4525+.2486=.7011 (10)
% '
2
3
) = P(0<z <
142
eemdersnotlari.com
5
3
) + P(0<z<
2
3
Misal 2: X ^ n(5,9) ise n(x)'in sol tarafnda yle bir ( <= , 1) arab bulunuz ki, bu arala tekabl eden olasbk . 10 olsun.
P( < X < 1 ) = .10
Dikkat edddii zere burada aranan ey baka. Misal 1 de belli bir z
deerine tekabl eden olash aryorduk. Bu misalde ise. belli bir olasba cevap veren z deerini bulmaya alacaz. Yani misal l'de nce
tablolarda z deerini buluyor sonra bu deerlere tekabl eden olaslk-.
lara bakyorduk. Misal 2 de ise nce tesbit edilen olasdklara bakacaz,
bu olaslklara tekabl eden z deerleri istendeni verecek. imdi zme
geelim. Tabiatyla Uk i standart normale dntrmek.
X-fx
X5
P( oo <X <1) = P
oo <z <
l -5
90
143
eemdersnotlari.com
simetri sonucu, P ^
iin, P
5~l\
z<
X ~ n((i, a 1 )
m x (t) = e
t(x-|
ise
<r2t2
2
(11)
m J C ( t ) = E [ e ] = e ' l i Efe'fT*)] =
t(jt
1- o=
f
[(x[i)2 2crt(x[/,)]
2ct2
dx
aV
tji
m x (t) = e
1
r oo
e 2o2
V2TC <R
2a'
(x-(za2t)2
_
dx
J-O
O
Burada,
(x(icr2t)2
co
2 er2
e
dx;
<
144
eemdersnotlari.com
E(X) = ^
dmx(t)
dt
E(X 2 ) - (l 2 ' =
d2mx(t)
dt 2
c2t2
t[i +
= [e
2
] ({x+a2t)
= eo( [1 +0)= ! x
a2t2
tjjl-\ -fa 2
= (n+a 2 t) (fi;+<T2t)e
2
t[x+
2 '
a2t2
H
= e
([X+CT2t)2 + a 2 ]
. = e((i,2+cr2) = (i2+(T2
Var(X) = (j2 + a 2 [i 2 = a 2
Bu sonu dadm belirlerken E(X) ve Var(X) yerine moment
notasyonu kullanmamzn da sakncas olmadn gstermektedir.
ii)
ki D e i k e n l i Normal D a l m :
n(x,y)=
2rarxffyV'l-p2
eemdersnotlari.com
(13)
146
eemdersnotlari.com
cm^tuta)
E(X) =
t.=t.=o ~ ^
at,
^n^^tt.tz)
E(Y) =
8t2
E(X*) =
S2 m I y ( t , , t 2 )
9t 2
, = t 2 = 0 = V-S+c 2
Var(X) = |A2x+2x[>?x = 2 x
Benzer ekilde E(Y*) = [ l 2 y + g \ ve Var(Y) = cry2
cov(X,Y) = E [ ( X - ( z x ) ( Y - [ x y ) ] = E [ X Y - X f J L y - Y ( x x + ! x x [ z y ]
= E(XY)[xx[xy(i.y(xx+[iyHx
= E(XY)[i. x[Ay
=
?axj
n((i x , ffx2)
Y v^ n(j y , (Ty2)
arth dalmlar:
Px
n(x\y) =
2 f f x 2(l_p2)
e
T/2tc ctx \/lP2
[xfi*
(yUy)]2
n ( x \ y ) ; ortalamas fi.x+p
n(y\x) =
[yiAyP
\/2tz Gy \/lp2
eemdersnotlari.com
( x ~(Ax)] 2
y
n(y\x); ortalamas fi y +p
= ht+P
<7y
(y
8 S.H. Hymans a.g.e Sh. 149., Veya baka bir l: p ^ olduu zama
148
eemdersnotlari.com
Xnp
VVarX
ynpq
z
(0,1) dadmh olacaktr. Bu ise standart normal dalmn
parametre deerlerinin ayndr.
n'in bymesi halinde binomial olasbk fonksiyonu yatay olarak
geniler, ortalama ve mod deerleri ykselir, mod deeri olash azalr,
dalmn u ksmlar nisbi nemlerini gittike kaybeder ve dabm
beklenen deer etrafnda gittike daha simetrik bir grnm kazanr.
Btn bu zellikler normal dahmm sahip olduu zelliklerdir.
Blm VI. da greceimiz merkezi limit teoreminin sonucu olarak,
lim 0 (z) = n(0,l)
n-co
yani z'nin asimptotik dalm normal olacaktr. Bununla beraber n'in
olduka byk (30 veya daha yukar) deerleri iin normal eriyi binomial olasdklar elde etmek iin kullanmamz mmkn olacaktr.(15)
Bir m i s a l de aklamamza devam edelim: Bir torba iinde beyaz
ve krmz toplar bulunsun ve beyaz top ekme olash p = .4 olsun.
Her ekiten sonra ekilmi toplan tekrar torbaya atmak ve bylelikle
ekdiler arasnda bamszl salamak suretiyle 15 top ekelim. X
ekden beyaz top saysn gstersin.
X = {0,1,2... 15}
P(X=x) = (") ( . 4 ) x ( 6 ) , 5 - x
Bu binomial olashklan, binomial dalm ile dgili tablolardan yararlanarak aadaki tabloda gsterelim: n=15, p = . 4 iin;
15
Xnp
z =
V^PI
z'nin moment karan fonksiyonunun n -> co iin limitinin, standart normal dalmn moment
karan fonksiyonuna eit olduunu gstermek suretiyle yaplabilir. Bu ispat iin P.G. Hoel
a.g.e Sh. 107.
119
eemdersnotlari.com
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
P(X=x)
NOT: Elimizde bir tablo olmad zaman binomial
olaslklardan sadece mesel birincisini hesaplamak daha sonraki olaslklar, binomial
dadm formln kullanmadan elde etmemizi salayabilir.
yle ki;
.0005
.0047
.0219
.0634
.1268
.1859
.2066
.1771
.1181
.0612
.0245
.0245
.0074
.0003
.0000
.0000
f(x+l)
f(x)
(;) p x q n _ x
n!
(x-j-l)!(nx1)!
n!
p x +iq n -*-
pxqn-x
x!(nx)!
1.0000
f(x+l) =
(x + 1 ) px+iqn-<*+>
nx
x+l
x!(nx)!
nx p
(x+l)!(nx1)!
x+l
lunan olaslklarn daha hassas ekde hesaplanm olan tablo olasdklarna ok yakn olduu grlecektir.
Aadaki grafik, tablodaki ordinat deerlerini (f(x)) alanlar eklinde
gstermektedir. Bunu salamak iin, orta noktas 1 , 2 , . . . gibi saylar
zerinde olmak zere taban 1 birim ve ykseklii de bu deere tekabl
eden olaslk deeri olan dikdrtgenlerden meydana gelmi bir histogram
kullanlmtr.
Grafikten aka grld gibi normal eri istenilen olasdklar
olduka baard ekilde verebecektir. imdi normal eriyi kullanarak
aadaki sorular cevaplandralm ve sonular binomial olaslklarla
kardatrahm.
i) P(X>11)
ii) P(X = 2) 150
eemdersnotlari.com
151
eemdersnotlari.com
) P(X = 8)
iv)
P(4<X<11)
(Xnp
11.5np\
>
Vnpq
T = ~
V11??
,
11.56 X
,
5.5\
P(X>11.5)
z > (.4) (.6) )= =3.6P ( z >
) = P(z>2 .89)
np = 6, npq= =P((15)
'
\
A/3.6 /
\
1.9'
11.56\
,
5.5\
Normal dalm ile dgdi sklk fonksiyonu tablosundan P(0 <z <2.89)
= .4981 o halde P ( z > 2 . 8V
9 )O
= " .0019 bulunur. Binomial olaslklarn
toplam da .0019 dur.
ii) P(X=2) = P ( 1 . 5 < X < 2 . 5 ) -
P(
/1.56
1.9
<z<
2.56\
)
1.9 '
eemdersnotlari.com
n
X
/ pq \
nl p,
I dolaysyla,
^ n /
P
n
n(0,l)
pq
n
olacaktr.
Dalm:
Y~ nv
153
eemdersnotlari.com
EK T A B L O
I
NEML DAILIMLAR, MOMENTLER VE MOMENT IKARAN FONKSYONLARI
Parametreler
Dalm
KESlKL
Nokta Binomial
(Bernoulli)
Binomial
Poisson
0 ^p ^ 1
n = 1,2. . . -
ogpgl
f(x) = e
0
aksi halde
f(x) = p q x - 1 x = 1,2...
0
aksi halde
=
ogp^l
-
Negatif
Binomial
r > 0
0 =gp
f(x) =
(pe'+q)
pq
(pe,+q)n
np
npq
x = 0,1
x'
Geometrik
Beklenen deer
Varyans
= E(x) a*=E(x2)
[E(x)]2
() p"qn_x
X = 0,1
0 aksi halde
X > 0
( r + -')p r q x
(Y)pr(q)x
x = 0,1,2
0
aksi halde
eX(el1)
p e*
1qe
P2
<p
Vl qe'^
rq
rq
rp
p/
= rPQ
P2
(Q = - )
\
p '
Hipergeometrik
N = 1,2,,..
n = 1,2.. .N f(x) =
p = 0,1/N,.. .1
=
DEVAMLI
Birrnek
(a,b aralnda)
/ N>
np
x = 0,1.. .n
0 aksi halde
n p q
VN1/
a<x<b
ba
0
aksi halde
e t b -- e t a
a+b
(b-a)2
t(b-- a )
12
(i
CT2
(XYI)*
Normal
stel
Gamma
co < a < co
cr2>0
X > 0
r > 0
f(x) =
\/2na
<x<
f(x) = Xe~Xx
x > 0
0 aksi halde
=
f(x) =
=
r(r)
0
H-t + i
2(J2
X-- t
1
V*
)
X/
X2
X*
- *
(Xx) r - 1 e X
x > 0
aksi halde
(l-\
\"r
X/
,2
0(z) =
z
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
.00
. 5000
.5398
.5793
.6179
.6554
.6915
.7257
.7580
.7881
.8159
.8413
.8643
.8849
.9032
.9192
.9332
.9452
.9554
.9641
.9713
.01
.5040
.5438
.5832
.6217
.6591
.6950
.7291
.7611
.7910
.8186
.8438
.8665
.8869
.9049
.9207
.9345
.9463
.9564
.9649
.9719
.02
.5080
.5478
.5871
.6255
.6628
.6985
.7324
.7642
.7939
.8212
.8441
.8686
.8888
.9066
.9222
.9357
.9474
.9573
.9656
.9726
.03
.5120
.5517
.5910
.6293
.6664
.7019
.7357
.7673
.7967
.8238
.8485
.8708
.8907
.9082
.9236
.9370
.9484
.9582
.9664
.9732
J_oo V ^ T
.04
.5160
.5557
.5948
.6331
.6700
.7054
.7389
.7704
.7995
.8264
.8508
.8729
.8925
.9099
.9251
.9382
.9495
.9591
.9671
.9738
.05
.5199
.5596
.5987
.6368
.6736
.7088
.7422
.1734
.8023
.8289
.8531
.8749
. 8944
.9115
.9265
.9394
.9505
.9599
.9678
.9744
dz
.06
.5239
.5636
.6026
.6406
.6772
.7123
.7454 '
.7764
.8051
.8315
.8554
.8770
.8962
.9131
.9279
.9406
.9515
.9608
.9686
.9750
.07
.5279
.5675
.6064
.6443
.6808
.7157
.7486
.7794
.8078
.8340
.8577
.8790
.8980
.9147
.9292
.9418
.9525
.9616
.9693
.9756
.08
.5319
.5714
.6103
.6480
.6844
.09
.5350
.5753
.6141
.6517
.6879
.7190
.7717
.7823
.8106
.8365
.7224
.7549
7852
.8133
.8389
.8599
.8810
.8997
.9162
.9306
.8621
.8830
.9015
.9177
.9319
.9429
.9535
.9625
.9699
.9761
.9441
,.9554
.9633
.9706
.9767
2.0
2.1
2.2
2.3
2.4
.9772
.9821
.9861
-.9893
.9918
.9778
.9826
.9864
.9896
.9920
.9783
.9830
.9868
.9898
.9922
.9788
.9834
.9871
.9901
.9925
.9793
.9838
.9875
.9904
.9927
.9798
.9842
.9878
.9906
.9929
.9803
.9846
.9881
.9909
.9931
.9808
.9850
.9884
.9911
.9932
.9812
.9854
.9887
.9913
.9934
.9817
.9857
.9890
.9916
9936
2.5
2.6
2.7
2.8
2.9
.9938
.9953
.9965
.9974
.9981
.9940
.9955
.9966
.9975
.9982
.9941
.9956
.9967
.9976
.9982
.9943
.9957
.9968
.9977
.9983
.9945
.9959
.9969
.9977
.9984
.9946
.9960
.9970
.9978
.9984
.9948
.9961
.9971
.9979
.9985
.9949
.9962
19972
.9979
.9985
.9951
.9963
.9973
.9980
.9986
.9952
.9964
.9974
.9981
.9986
3.0
3.1
3.2
3.3
3.4
.9987
.9990
.9993
.9995
.9997
.9987
.9991
.9993
.9995
.9997
.9987
.9991
.9994
.9996
.9997
.9988
.9991
.9994
.9996
.9997
.9988
.9992
.9994
.9996
.9997
.9989
.9992
.9994
.9996
.9997
.9989
.9992
.9994
.9996
.9997
.9989
.9992
.9995
.9996
.9997
.9990
.9993
.9995
.9996
.9997
.9990
.9993
.9995
.9997
.9998
1.282
1.641
1.960
2.576
3.090
3.291
3.891
4.417
0 (z)
0.90
.95
.975
.99
.995
.9995
.99995
.999995
2 (1-<I> (z)]
.20
.10
.05
.02
.002
.001
.0001
.00001
.00
.01
.02
.03
.04
0.0
0.1
0.2
0.3
0.4
.
.
.
.
.
0000
0398
0793
1179
1554
.0040
.0438
.0832
.1217
.1591
.0080
.0478
.0871
.1255
.1628
.0120
.0517
.0910
.1293
.1664
.0159
.0557
.0948
.1331
.1700
0.5
0.6
0.7
0.8
0.9
.
.
.
.
.
1915
2257
2580
2881
3159
.1950
.2291
.2612
.2910
.3186
.1985
.2324
.2642
.2939
.3212
.2019
.2357
.2673
.2967
.3238
.2054
.2389
.2704
.2995
.3264
1.0
1.1
1.2
1.3
1.4
.
.
.
.
.
3413
3643
3849
4032
4192
3438
.3665
.3869
.4049
.4207
.3461
.3686
.3888
.4066
.4222
.3485
3718
.3907
.4083
.4236
.3508
3729
.3925
.4099
.4251
1.5
1.6
1.7
1.8
1.9
.
.
.
.
.
4332
4452
4554
4641
4713
.4345
.4463
.4564
.4649
.4719
.4357
.4485
.4582
.4656
.4726
.4370
.4485
.4582
.4664
.4732
.4382
.4495
.4591
.4671
.4738
eemdersnotlari.com
V2n
.05
.06
.07
.08
.09
.0199
.0596
.0987
.1368
.1736
.0239
.0636
.0279
.0675
.1064
.1443
.1808
.0319
.0714
.1103
.1480
.1844
.0359
.0753
.1141
.1517
.1879
.2088
.2422
.2734
.3023
.3289
.2123
.2453
.2764
.3071
.3315
.2157
.2486
.2794
.3178
.3340
.2190
.2518
.2823
.3106
.3365
.2224
.2549
.2852
.3233
.3389
.3531
.3749
.3944
.4115
.4265
.3554
.3770
.3962
.4131
.4279
.3577
.3790
.3980
.4147
.4292
.3599
3810
.3997
.4162
.4306
.3621
.3830
.4015
.4177
.4319
.4394
.4505
.4599
.4678
.4744
.4406
.4515
.4608
.4686
.4750
.4418
.4525
.4616
.4693
.4758
.4430
.4535
.4625
.4699
.4762
.4441
.4545
.4633
.4706
.4767
.1026
.1406
.1772
eemdersnotlari.com
2.0
2.1
2.2
2.3
2.4
.
.
.
.
.
4773
4821
4861
4893
4918
.4778
.4826
.4865
.4896
.4920
.4783
.4830
.4768
.4898
.4922
2.5
2.6
2.7
2.8
2.9
.
.
.
.
.
4938
4953
4965
4974
4981
.4940
.4955
.4966
.4975
.4982
.4941
.4956
.4967
.4976
.4983
3.0
3.1
3.2
3.3
3.4
.49865
.49903
.49931
.49952
.49966
.4987
.4991
.4987
.4991
3.5
3.6
3.7
3.8
3.9
.49977
.49984
.49989
.49993
.49995
4.0
.49997
.4788
.4834
.4871
.4901
.4925
.4793
.4838
.4875
.4904
.4927
.4798
.4842
.4878
.4906
.4929
.4803
.4846
.4881
.4909
..4931
.4808
.4850
.4884
.4911
.4932
.4812
4854
.4887
.4913
.4934
.4817
.4857
.4890
.4916
.4936
.4943
.4957
.4968
.4977
.4984
.4945
.4959
.4969
.4977
.4984
.4946
.4960
.4970
.4978
.4984
.4948
.4961
.4971
.4979
.4985
.4949
.4962
.4972
.4980
.4985
4951
.4963
.4973
.4980
4986
.4952
.4964
.4974
.4981
.4986
.4988
.4991
.4988
.4992
.4988
.4992
.4989
.4992
.4989
.4992
.4989
.4993
.499
.4993
p+q = 1 idi.
E(X) = np
d 2 m x (t)
= n(n
dt 2
= n(n1) (peo-f q) n - 2 (peo) 2 -f n(pe+q) n ~ 1 pe
=~ n(nl)p 2 + np = n 2 p 2 np 2 -f- np
Var(X) = E(X 2 ) [E(X)] 2 = n 2 p 2 np 2 + np (np)2
= np np 2 = np(lp) = npq
2. Bir dairede 10 sekreter alyor. Her biri 7 haftada bir yeni bir
daktilo eridi istiyor. Levazm memurunun, hafta banda sadece 4 erit
varsa, o hafta iinde erit taleplerine cevap verememe olasl nedir?
Cevap:
n=10, p =
1
7
q =
P(X^5) = 2 O
X^5
- ( ' > ( T )
6
7
(Y
W /
(~Y~X
\ 7 '
+ <
'
! )
( T ) ' ( T ) '
.008
160
eemdersnotlari.com
=
27
19
27
q2
0 ^ q 2 (l4q+3q 2 )
0 ^ q2(l q) (13q)
q = 0, q = 1, q = i iin eitsizliin sa taraf sfr olur.
Aadaki grafik y = q2(lq) (13q) nun deiimini gsteriyor.
0 < q < aralnda eitsizliin sa taraf sfrdan byk oluyor, dolaysyla 4 motorlu tercih eddmeli. Buna karlk J <q <1 aralnda 2
motorlu uaklar daha emniyetli.
161
eemdersnotlari.com
* IM^uUA.
Z A\o~\otLvy*.
4-eiui,
P(Y=0) = p
P(Y=1) = pq
Giderek;
P(Y=y) = pqy
co
y pq y = pq S
y=o
y qy_1
162
eemdersnotlari.com
Halbuki,
d
S y q'- =
S qy =
dq
/
(
\
) =
dq \lq/
pq
(1q) 2
p,2
E(Y) = 2 ==
p
p
/
co
S VfTy_2
y=0
nk,
d co
S yqydq y=0
d
co
y=0
1 ) q y - 2 = S y 2 q y ~ 2 S y q y -2
y=0
y=0
.1
oo
dq
1
CO
Z y qy-2 =
r
= p
q2
2q2
Var(Y) =
(l_q)3
p3
p3
1 n
+
p2q
2q 2
= _
+
p2
q2
+
p2
2 y qy-> =
p2q
Sonu:
dq L ( l _ q ) 2 J
CO
E(Y 2 )
p2
/q
q \
q(q+p)
=
p
=
p2
p2
I
,
)
\ p
p2 /
6. Ydlar boyunca fizyoloji laboratuvanna gelen 10.000 deney
faresinden sadece 5'inde i kulak dtibab olduu grlmtr. Bu bilgiye
dayanarak, 25 deney faresi iinde 2 veya daha fazla farede i kulak iltihab kmas olasln bulunuz.
163
eemdersnotlari.com
'
CO
E(X) = 2 x
e
x=0
x!
e
x1 = y
-x S
2
x=0
= e
X*
( x 1)!
~k *
A
2 x
*=0
x!
= Xe
-x
A
2
x=
(x1)!
olsun.
-xA w
E(X) = Xe
2
y=o
yx
yt
CO
X"
y!
eX = X
164
eemdersnotlari.com
= e deerini ye-
Benzer ekilde,
E(X*)=
X*
x2 e
x=0
x=0
eo
2J x(x1)
+ 2 x
x=0
x!
*=0
= e
X
X*
00
-x
= e
x!
= e
OO
] X2 S
*=2
(x2)!
X* ;
x! !
co
X1"1
bX 2
*=1 ( x _ ) t
0!
-x
= e
-x
P ( X ^ 1 ) = 1 P(X=0) = 1 e~X<.05
e
-x
olmab.
eemdersnotlari.com
Cevap:
i) nce 5'er ktlk ka farkl terkip dnlebileceini bulmamz
gerekir. Bunu ise ( 5 s) = 2,598,960 binomial dalm katsays verir.
Acaba bu 2,598,960 muhtemel elden ka tanesi ful'dur. Ful olmas iin
elin XXXYY eklinde olmas gerekir. Ayni cins 4 kttan 3', (3) = 4
farkl ekilde, ayn cins 4 kattan 2'si ( 2) = 6 farkl ekde kabdir.
Birinci cins iin 13, birinci belli olduktan sonra ikinci cins iin 12 farkl
ihtimal olabileceine gre ful olan el says 13.12.4.6 = 3744 tr.
O halde 52 kt de oynanan poker oyununda,
P(ful) =
- 3744
2,598,960
700
\ /
6 9
) ( ~ )
1
700
Xx
l1
x!
1!
=1
1
e
r
_X X _
0!
_X
=1e
1
= 1
.63
14. 500 byk insandan l'inde kulak arzas ktn kabul edelim.
Eer araba ehliyeti alma bakmndan kulak arzas bir mahzur tekil
etmiyorsa,
a) 5000 fr arasnda kulak arzas olanlarn beklenen says ne
kadardr ?
b) En az 5 tane kulak arzas olan fr kmas olasl ne kadardr ?
166
eemdersnotlari.com
b)
P(X<a) = .95
P ( X + 3 < a + 3 ) = .95
P(z<a+3)=.95
/
a + 3 = 1.645 =>
17. Tablolar yardm ile yle bir c says bulunuz ki, ortalamas
sfr, varyans 1 olan normal dalm bir X tesadfi deikeninin c ve
c arasnda deerler almas olasl .8 olsun.
.
Cevap:
X
eemdersnotlari.com
19.
i)
ii)
)
iv)
v)
X ^ n(12,4) veriliyor.
P(X<14)
P(X>15)
P(X<11)
P(14<X<15) '
P(7<X<14)
olaslklarm bulunuz.
20.
a)
b)
c)
21. log X
n(l,4) veriliyor.
P(| < X < 2 ) yi bulunuz.
22. z standart normal dalm olsun.
i)
ii)
iii)
iv)
P(z<.3)
P(z<.3)
P(12 <z<3.6)
P(l<z<2).
23. z standart normal dalm olsun, yle bir k says bulunuz ki,
P(|z|<k)
i).4 olsun,
) . 8 olsun.
iii) .9 olsun.
iv) .05 olsun.
24. niversite giri imtihanlarnda alnan puanlarn ortalamasnn
250 ve varyansmn 100 olduu bilinmektedir. (Farzedelim)
a) Tesadfi olarak seilmi bir rencinin 300 veya daha fazla puan
alm olmas olasl nedir?
b) 180 veya daha az olmas olasl nedir?
c) Tesadfi olarak seilen 3 rencinin hepsinin 300 den fazla puan
alm olmas olasl nedir?
d) Tesadfi olarak seilmi 3 renciden en az 2 sinin 300 den fazla
puan alm olmas olash nedir?
25. Yetikin erkeklerin boylarnn dalmnn n(1.70, .30) olduunu kabul edelim. Eer bir kimsenin boyunun 1.75 den fazla olduu
biliniyorsa, 1.80 m. den fazla olmas artl olasl ne kadardr?
168
eemdersnotlari.com
BLM VI
RNEKLEME
rnekleme tabii ve sosyal bilimlerin aa yukar her dalnda aratrcnn ara kutusunun en nemli unsurlarndan biridir. lgili olduumuz
tesadfi deiken veya deikenlerin zerinde dadm olduu ktleler
hakknda bdgi elde etmenin ve ktle parametreleri hakknda istidlaller
yapmann en pratik yolu rneklemedir.
Bu blmde, bugn nemli bir alt ihtisas alan olarak istatistik
iinde ayrcalkl bir yer igal eden rneklemenin sadece teorik prensipleri zerinde ksaca durulacaktr, rnek dzenlemesi hereyden nce bir
seme ve tahmin problemini ihtiva eder. rnek seimi ve muhtelif rnek
dzenleri iin varyans hesaplar konunun esasn meydana getirir.
Ktlelerin tam saym yannda rneklemeye gittike daha ok ba
vurulmasnn eitli nemli nedenleri arasnda; masrafn rneklemede
daha az olmas, sonularn daha abuk alnabdmesi, hem saym hem de
rneklemeler iin sz konusu olabilecek hatalar bakmndan, dikkatli
bir alma ile rneklemede daha baarl sonular elde edilebilmesi, baz
durumlarn (mesel muayenenin tahripkr olmas gibi) rneklemeyi
zorunlu klmas zellikle zikredilebilir.
Bu avantajlar yannda rneklemenin saymdan ayrlan en nemli
yan tam saym halinde sz konusu olmayan "rnekleme hatas"n ihtiva etmesidir. Herhangi bir rnek dzeninde rnekleme hatasnn objektif llerle hesaplanabilmesi gerekir. Bu ise ktledeki elemanlarn
rnee girme olaslklarnn bilinmesini zorunlu klar. Bu zellie sahip
rnekleme tiplerine yani ktledeki her birimin rnee girme olaslnn
bdindii rnekleme tiplerine olaslk rneklemesi diyoruz.
Olaslk rneklemesinin rnekleme hatasnn llmesine imkn
vermesi aratrmalarda kullanlmalar halinde baary garantileyen bir
lf>9
eemdersnotlari.com
unsur deildir. Eer rnekleme hatas ok byk ise, bu tip rneklemeleri baarl ekde istidlallerde kullanamayz. Ayrca rnekleme hatas
dmda sapma unsurunun da dikkate alnmas gerekecektir. Bu noktalar
zerinde istatistiki tahmin ksmnda ayrntl ekde duracaz. Olasbk
rneklemesi dnda ktleler hakknda bilgi elde etme ve istidlller yapma
metotlanmnda varlna ve Trk sosyal bdim literatrnn bu tip almalarla dolu olduunu belirtmekle yetinelim.
Olaslk rneklemesinin eitli tipleri ayr bir alt disiplinin konusunu tekil edecek geniliktedir. Birka kritere gre bir snflandrma
emas gelitirmemiz mmkndr.(l)
1. a) Ktle birimlerinin her birinin rnee girme ansnn eit
olduu rnekleme tipleri.
i) Bu olaslklar ya rneklemenin her safhasnda eit alnr,
ii) veya muhtelif safhalarnda birbirini telfi edici byklkte eit
olmyan olaslklar, sonunda her birim iin eit seme ans verir.
b) Ktle birimlerinin seilme (rnee girme) olaslklarnn farkb
olduu rnekleme tipleri. Bu durum mesel optimum tahsis konusuna
ilikin olarak sz konusu olabdecei gibi, seme ilemlerinin mkemmellikten uzak oluunun zaruri bir sonucu da olabdir.
2. rnek birimlerinin ktlenin tek tek elemanlar olmas veya rnek birimlerinin kmelerden meydana gelmesi. Kme rneklemesi de
eit veya farkl byklkte kmeleri rnekleme birimi olarak kullanabdecei gibi, kme seimini de tek veya ok safhada yapabdir.
3. Ktlenin bir btn olarak rnekleme ilemine tabi tutulduu
haller veya ktlenin kademelere ayrlmas.
4. rnek seimi ileminin tesadfi olmas (Mesel tesadfi saylar
tablolar yoluyla, ya da sistematik rnekleme yoluyla olmas).
5. rneklemenin tek safhal olmas yani nihai rnein tek bir safhada semesi ya da rneklemenin ok safhal olmas.
Grld gibi bu kriterler muvacehesinde pek ok rnek dzeni
dnlebilir. Bunlarn herbiri iin de pek ok formln gelitirdmesi
gerekir.(2)
1 L. Kish Survey Sampling Wiley 1965, Sh. 20.
2 Maalesef bu konu memleketimizde gerei gibi aratnnacdarca incelenememi ve kullanlabilir bir bilgi halinde kullanclarn istifadesine sunulamamtr.
170
eemdersnotlari.com
f(x,)
eemdersnotlari.com
olma anslar da
1
N
1
N
"'
n
N
n
Yerine konmadan rneklemede dk rnek birimi olarak ekilme
1
olasl
dir. rnein ikinci eleman olabilmesi iin dk ekite rnee
N
girmemesi ve ikinci ekite de girmesi gerekir, tik ekiteki olaslk
1
dir. kinci eki N1 eleman arasndan yaplacana gre ekdme
N
1
N1
olasl
dir. O halde ilk ekilite seilmeme olasd olan
ile
N1
N
bunu arparsak ikinci ekili olasd elde eddecektir, bu ise,
N1
1
1
:
=
dir.
N
N1
eemdersnotlari.com
.
2
S2
i=1
=
n1
i=1
(Xj(i)2
i=1
rneklemenin temel problemi rnek statistiklerini kullanarak bilinmeyen ktle parametreleri hakknda tahmin ve istidlllerde bulunmak
olunca rneklemeden bulunan rnek momentlerinin daha yakndan incelenmesi gerekecektir. nk sz konusu statistikler ou zaman rnek
momentleri eklinde belirmektedir.
3 Mesel ktle parametrelerinin bilindii Monte Carlo deneyleri.
4 Eer [i'y biliyor olsaydk ve sadece varyans tahmin etmek isteseydik bu tip bir forml
bize faydal olabilir miydi?
173
eemdersnotlari.com
rnek
Momentleri:
.
m' r =
E
X,r
l
n i=
Balang noktas etrafndaki birinci rnek momenti, rnek ortalamasn verir;
1 a
E
m', = x =
X:
mr =
(X1-x)r
(Xtx)2
EX,*
n
forml de gsterdecektir.(5)
Balang noktas etrafndaki rnek momentlerinin nemli bir zellii birer tesadfi deiken olarak bu momentlerin dalmlarnn beklenen deerlerinin ktle momentlerine eit olmas, yani bir sonraki blmde grlecei gibi, bunlarn ktle momentlerinin sapmasz tahmin
edicileri olmalardr. X t , . . .X n , f(x) dalmh bir ktleden alnmas sz
konusu olan n hacimli bir rnek, m' r da bulunacak balang noktas
etrafndaki rnek momenti olsun.
E(m'r)
= n'r
5 Bu tahmin edicinin beklenen deerinin ktle varyansma eit olmamas dolaysyla yaplan dzeltmeyi istatistiki tahmin blmnde greceiz. Yapacamz ilem n yerine nl'e blmek olacak.
' i
eemdersnotlari.com
spat:
m'r =
n
Xjr
m' r ,
n
sadfi deikendir.
i=1
E(m' r ) = E [ S
L n i-l
X4 r l =
J
E E
i=l
Xir =
n
S
=1
E[(X,)r]
E(x) = E (
S X,) =
S E(X,)
i=l
/
i=l
\n
n
Btn Xj'ler ayn dadm olduundan, E(Xi) = E(X) yazlabilir.
1
n
1
=
S E (X) =
n E(X) = E(X) = fx
n '"=' '
n
Bir tesadfi deiken olarak rnek ortalamas x'm dalmnn
beklenen deerini grm bulunuyoruz. imdi de yerine koyarak ekilen
bir basit tesadfi rnekte rnek ortalamasnn dalmnn varyansn
grelim.
a2
O2
spat:
Var(x) = Var
= Var
eemdersnotlari.com
1
n2
. Var(X) =
, 1
n2
n Var(X) =
Var(X)
n
a2
n
(T2
X
II dxj
i=l
n
Birinci ifadeyi yani j"... / aX f(x t .. .x) II dx, yi alalm.
176
eemdersnotlari.com
dx t
S [ /. . ./ X, f ( x , . . . x n )
^ r r
= a J [x / . . . / f ( x , . . . x n )
n d x , ] dx,
i=2
n dxj] dx
=2
yani
x,'in
>=2
marjinal dalmdr. Formlde yerine koyarak,
= a J" x f(x) d x t = a, E(X)
dier terimlerden de benzer eldlde aj E(X,) ifadeleri kar. Bylece
n
E (E ajX,) = E aiE(Xj)
i=l
i=l .;
E{ S a 1 2 (X 1 E(X i ))z-(-2 E a a j [ ( X 1 - E ( X 1 ) ) ( X j - E ( X J ) ) ]
i=l
'
i<j
= E{ S a i ( X i - E ( X i ) ) 2 } + 2E E a 1 a J ( X 1 - E ( X 1 ) ( X r E ( X J ) )
=1
i<j
= E a, 2 E(X,E(X,)) 2 -)- 2 S a.a, E ( X , E ( X , ) ) ( X J - E ( X J ) )
=l
i<j
= S a, 2 Var(Xj) + 2 a ^ j Cov(X X j )
1=1
i<j
Teoremin sonulan:
i)
a)
E (S a ^ , ) = E a,
ja.
eemdersnotlari.com
b)
kovaryans
b)
a E(Xi)
= fi 2 a,
i=l
i= l
Var (2 a , X , ) = <j2 2 a, 2
i=
i=l
E (x) = (i
b)
Var (x) =
<T2
n
Bu sonucu (ii)'de
a4 =
1
n
f(x) dabmnn beklenen deeri E(X) = |i. olsun, [x'y talimin etmek istiyoruz, jj., sonsuz saydaki X deikeni deerlerinin bir ortalamasdr ve pratik olarak bunu bulmamza imkn yoktur. Ancak ktleden
alacamz n hacimli bir rnekle, hakknda hata payn bileceimiz
gvenilir bir tahmin yapmamz mmkn olamaz m? Bu soruya olabilecei eklinde cevap vereceiz.
yle bir rnek hacmi, n, tayin edebiliriz ki, ortalamas fj. olan f(x)
dalml bir ktleden aldmz n veya daha byk hacimli bir rnekte
rnek ortalamas x'n (jt'den mutlak farkmn, istenildii kadar kltlmesi mmkn olan bir miktardan daha fazla olmamas olash l'e
ok yaklatnlabir. Bu kark ifadeyi matematik kullanarak basitletirelim: 6>0, 0 < 8 < 1 olsun, yle bir rnek hacmi n, alnabdir ki,
P( | x(X | < e)>lS olabilir. Bu, byk saylar kanununun ifadesidir.
Bu teoremin ispat aadaki nemli teoremin ispatm gerekli klar.
178
eemdersnotlari.com
Chebyshev
Eitsizlii:
E(X14)1=
(x|fx)2 f(x) dx
p(JL-k<7
^[X+kc7
* CO
(x-[x) 2 f(x)dx+
(xft)*f(x)dx-f . ( x - ^ f(x) dx
J -M
J [X_k(7
J [X+k(7
Sa taraftaki ikinci ifade daima pozitif veya sfr olduundan,
<r2 ^
p[l.-k(7
JO
.T
(x|x)2 f(x) dx 4(xfx)2 f(x) dx
J |X+k(T
^ -co
(x_kff
" )dx+ I
V+kcr
(X_kff
-,
feo
Keli parantez iindeki ifade P( |X[x | rkcr) olduuna
gre,
f(x) dx
-
179
eemdersnotlari.com
Sonular:
1)
P(|Xn|<ka)^l
2)
k2
(6)
E X,
i=l
a)
b)
1
kz
C2
P( | X(XI ^ e) <
eta
spat:
e=
ka
\/n"
alalm.
ey/n kff
k =
e-^
k2 =
e2n
er2
a1
k2
e2n
veya,
lim
n-co
P( | xn | ^ e) = 0
P( | Xy. | <
e) =
a2
} olmas iin n ^
P(|x|i|<e)^lS I
8e2
olmaldr.
6 |X-fi | belli bir deer, ka dan ya byk veya eit veya kk olabilir. Ayn anda imknsz
ve birleimleri univer.tal seti veren bu iki olayn olaslklar toplam 1 olmaldr.
180
eemdersnotlari.com
a2
S e2
a2
konursa,
e2
a2
CT2
e2n
<r28
a1
olduunu grmtk.
8 e*
Istatistiki tahmin ile ilgili bir sonraki blmde grlecei gibi, herhangi bir tahmin edicinin rnek hacmi sonsuz iken ktle parametresine
eit olmas zelliine tutarllk diyoruz. |x'nn bir tahmin edicisi olarak
X ile [j. arasndaki mutlak fark gittike azalarak n->-co iin P lim(x) = (X
oluyor.
Dikkat edilmesi gereken nokta, byk saylar kanununun ilemesi
iin f(x)'in, yani dalmn ekli de dgili bir bilgiye ihtiya olmamas ve
sadece varyansn snrh bir deer olduunu bilmenin yeterli olacadr.
Tesadfi deikenlerin dalmlarnn ekli hakknda herhangi bir bdgiyi
gerektirmeyen bir yaklam muhakkak ki ilk bakta pek byk bir
pratik kolayl ihtiva eder. Ancak imdi greceimiz merkezi limit
teoremi ile belli bir bykln stndeki (mesel 30 veya daha fazla)
rnek hacimleri iin rnek ortalamasnn dahmn normal kabul ederek
ok daha etkinlii yksek sonulara ulaabdeceiz.
MERKEZ LMT TEOREM
T e o r e m : f(x), beklenen deeri jj. ve varyans cr2 olan bir sklk fonksiyonu olsun. x, f(x) dalmndan alnacak n hacimli bir basit tesadfi
rnein ortalamasn gstersin.
h m
n-co
g(x) ^ n
^
X[i
181
eemdersnotlari.com
\<yl^n/
E [e
KcIVn/
]=J
e
-co
Vtr/Vn/
] = E [e
^
]== E [e
0(x)
dx
\ Ver /
]
r oo
mz(t) = J
-co
f(x,)
roo
...J
-co
Vn
= n
[T
=I
y =
J
f(x,) dxiJ
J - co
[z
\ o
f( Xj )d Xl
,.00
olsun. m y (t) i
J -03
i=r)
e
f(y) dy
m z (t) =
182
eemdersnotlari.com
/ 1 \
M - - ) =
1
l
V' n
/ t \2
1
( - ) + - -
2!
Vn
+
<J VT
fi., / t
()+
3! ff
\ \/n"'
1
2
12 H
1
3!yn"
(i,
13+ . . .
alnrsa,
V = eu
'
eemdersnotlari.com
n = 36,
x = 52
(t2
e^n
10
36
V10
X(X
z =
^n(0,l)
184
eemdersnotlari.com
26
36
P(/
\/o
\) = P ( 1 . 9 0 < z < l . y o ;
<z<
V '
(t2
<t2
"
(t2
P( I Xfi. I < e)
= .95
62n
10
G236
e2n
= .05
e2n
6e
P(\
6x
<z<
VT
) = .95
V'
.95
= 1.96
e=
VT
1.96VT
= 1.03
.4750
elde eddir.
d)
i) P( I Xfj.j>l)<.05 olmas iin n ^
n^
10
ff2
S e2
gerektiine gre,
05
n^200
ui) yle bir n deeri bulalm ki,
P(| Xfx|>l) 05
veya
P(1<
il < l ) = -95
eemdersnotlari.com
olsun.
y/'
V~
Vn~\
-<z<
j = .95
Vo
\/'
= 1.96
= (1.96)2.10 = 39
y/
zet olarak ifade edersek verdiimiz mislde,
1) Belli bir e deerine tekabl eden olasdk,
2) Belli bir olasba tekabl eden e deeri,
3) Belli bir e deerini, belli bir olaslkla salayan rnek hacmini,
Cheb. eitsizlii ve Merkezi limit teoremini kullanarak hesapladk.
Aadaki kk tablo hesaplamalarmzn sonularn bir arada
gsteriyor:
Cheb.
Merkezi
istenen
Yeri
Eitsizlii
Limit Teoremi
P
e
n
e,n
P, n
P, e
.722
2.2
200
.943
1.03
39
eemdersnotlari.com
E(x) =
Var (x) =
pq
/ 11
n
f j
! / _n_ \ _L f V pq
.1
,lim
n->co \
/_n_
V pq
< z <
pq /
V^j
dz
v pq
Tablolarn herhangi birinden yararlanarak,
.1
/
Hpq
v pq
1.96
n>(19.6) 2 pq
187
eemdersnotlari.com
PC|xp|<.i)== P(|xpl^.1)
1 ^p | yerine |Snp |de yazabdiriz.
S = X4
1=1
P(|Snp|<.ln)^.95
P(|Snp|^.ln)g.05
Cheb. eitsizliinden yararlanarak,
npq
P(|Snpl^.ln)^
pq<
(n y
npq
(. 1 n) 2
(. l) 2 n
25
n
<.05 ->n^
25
n
25
.05
= 500
) = P(z <
y/s"
188
eemdersnotlari.com
.2
2
V^"
.2
= v r = -707
2/VsT
P(|z|<.707) = P(,707<z<.707) = <D(. 707) <&(. 707)
= 2 $(.707) 1 = 2 (.760) 1 = .52
ii) P( | x[i| < . 2 ) {= .90
2
P(|Z|<__)
2/Vn"
y/T
|
|
<
P( Z
10
\/h*
'
.90 = 2 <D() 1
10
vV
. 95 = O (
y/Z
)-
10
n = 100(1.645) 2 .
=1.645
10
a 10
9
a)
P( | X |
O
S e ) S
e*
aP( I X[J. | ^ 2 )
4
<4
T2
.2
* o i = .8
= 8
4
n
oo
.8 =
n 125
n
189
eemdersnotlari.com
b)
P( I
X-|JL
2 v V
2 Vn~ \
) = .80
10
10 /
2 0 (.2 VT ) 1 = .80
<z <
O (.2v^") = .9
> . 2 y T = 1 . 2 8 m = 41
S2
S olmas iin n j
ve varyans 1 ise,
olmaldr.
S 2
1 8 = . 9 5 > 8 = .05
n^
'
(.05) (.5) 2
1
(.0125)
= 80
5. Varyans 9 olan bir ktleden 64 birimlik bir rnek abnyor. rnek ortalamas x'n, j'den mutlak farknn hangi deerden fazla olmas
olash en ok .2'dir? Ayn ktleden alnan rnekte .95 olaslkla, x
ile (X arasndaki mutlak fark .25 ten az yapmak iin rnek hacmi ne
olmaldr ?
Cevap:
P( | x [ < e) >. 80
i) P ( 6 < x ( x < e ) 80
SVn"
<z<
a
6Vn" \
1^.80
a '
8e
8ev
P(
<z<
1^.80
V 3
3 /
8e
3
= 1.28-- e =
3.84
8
olmaldr.
190
eemdersnotlari.com
i) P(|x|i|<.25)'fe= .95
P(.25<x[jl<.25)= .95
/25 yT"
.25v^~
P(
<z<
\
3
3
.95
= .4750 Sklk fonksiyonu tablosundan, . 4750 ye tekabl eden
2
z deeri 1.96.
25\/n"
= 1.96
3
. 25 y/V = 5.88
n = (23.52)* - n ^ 554
olmaldr.
eemdersnotlari.com
N
S (X,ji)2
N *=
rn eit olduunu farzediniz.
<r =
Nn
2
aX
X
n
N1
Nn
\
Burada
snrl ktle dzeltme faktrdr.
N1
192
eemdersnotlari.com
BLM VII
STATSTK
TAHMN
eemdersnotlari.com
Red hipotezi:
H 0 : 0 ew
eemdersnotlari.com
T a r i f : Karar alma kural, d; domain'i rnek uzay S, range'i aksiyon uzay A olan bir fonksiyondur.
d : S -> A
a = d(s)
195
eemdersnotlari.com
iin de dier bir karar kural daha kk risk verebilir. Herhangi bir
karar kurak, baka bir karar kural kendisine baskn kmad srece
"kabul eddebdir" bir kuraldr. Byk ihtimalle kabul edilebdir karar
kurallar seti pek ok eleman ihtiva edecektir.
imdiye kadar dikkatten uzak tuttuumuz pek nemli bir pratik
glk de zarar fonksiyonunun kesin eklini bdmeye imkn olmamasdr.
Bunun nedeni fonksiyonun bdinmeyen ktle parametresi 0'y ihtiva etmesidir. c(09)2 eklindeki her fonksiyon zarar fonksiyonu olabdir.
nk 0 = 0 halinde bu'fonksiyonun deeri sfr, aksi halde pozitiftir.
Bu kadratik zarar fonksiyonu risk hesaplamalarnda en ok kullanlan
ekdir.
Kabul edilebilir karar kurallar arasndaki tercihte kullanabdeceimiz bir kriter m i n i m a x kural'dr. Her kabul edilebilir kural iin
max R(d,0) y bulur ve max R'i en kk olan kabul eddebdir karar
kuraln seersek bu kurala uymu oluruz. Bu kural dikkati ektii zere,
ktmser bir yaklamla konuya yaklamaktadr. Daha ok oyun teorisinde, rakiplerin birbirleri aleyhinde uurlu olarak davran gstereceklerinin farzedilecei hallerde kullanlmaktadr. Bizim konumuz bakmndan 0'nn belli bir deer olmas bizim dmzda ve ne lehimize ne de
aleyhimize olan bir durum'dur.
Minimax kural dnda birok kural ortaya atlabilir ve atdmtr.
Mesel sapmasz tahmin edicdere(2) arlk tanmak ve bunlar arasndan
risk'i minimum olann semek gibi.
ki karar alma kuralnn risklerinin mukayesesi b i z i n i s b i e t k i n l i k
kavramna gtrr, d in d 2 ye gre nisbi etkinlii r(d,d 2 ) aadaki gibi
tarif eddir:
r(dd 2 ) =
R(d 2 ,0)
R(d0)
r(d,d 2 )>l ise belli 0 deerleri iin d,d 2 den daha iyi bir kural, dolaysyla 0, 0 2 den daha baarl bir tahmin edicidir.
Giri ksmnda, karar teorisi yaklamn kullanarak istatistiki tahmin ve istidllin temel kavramlarm, mmkn olduu kadar basit ekilde,
izaha altk. imdi nokta tahmin zerinde daha ayrntl ekilde durmamz gerekiyor. Fakat bundan nce karar alma problemine ilikin
2 Nokta tahmin ksmnda zerinde durulacaktr.
196
eemdersnotlari.com
R(d8) = E[l(d,8)] = E [ (
0) ]
/*
X2
x=0
e-n0
n2
+
e-n0 n 2 0 2
n2
x2
x!
e- n 0 2n0
x!
n2
3
nk,
x!
x!
(n0) x
x!
h2
x
*=
(n0) x_
2
+
x =0
(x1)!
<n0>*= e nO
x!
(n0) x
(n0) x
[ 2
x(x1)
*=0
e-"9 2n0 n0
n2
n2
0^ f(x)
(n 0)*
(n0) x
2
*=0
x!
2
(xn 0)2
x=0
n2
= 1
e-9(n 0) s
e-n9
(n0) x
n202
(3)
n2
dr.
197
eemdersnotlari.com
e-n9
U2
co M r 2
0=
( n 0)2 2
+ n0 S
L
(x2)!
x =0
( x _ l^J
co ( * e r
e-n 20 2 E
x = 0
e -n0
n2
1- 02
(x1)!
[ ( n 0 ) 2 en + n 0 en] _
n 2 02
n0
n2
n2
e-n6
202 e*9 + 02
20x
x
b
n+1
e-n0
oo
M)'
E x2
yI
(n+1) 2 LL xy =n0
x!
02)
x
n+1
alalm ve d
v2
(n0) x
0 ) e-n9
'
x!
(n0) x
e-n6
'
x!
co
2(n+l)0 E x
vx.-O
=n
x!
00 M)"-,
+
(n+l) 2
e-"0
(n+1) 2
S
x =0 x !
(n0) x
M
E x2
x =0
x!
+ e-n0 0 2
02
M)"
E
x =0
x!
20 e-"0
n+1
198
eemdersnotlari.com
fn0)x
S x
x =0
r!'
oo
(n0) x
S x2
x =0
x!
x!
e-n9
-
=
20e-n9
n+1
S x
x =0
(n0) x
x!
(n+1) 2 L
fn-t-lU
e-9
(n+1) 2
e0(n2 0 2 + n 0 ) =
e-*0 2n0 2
n+1
E
x =0
n0(n0+l)
(n+1) 2
(n) 1 -'
x!
2n0 2
n+1
O halde,
n0(n0+l)
2n0 2
R(d 2 ,0) =
+ 02
(n+1) 2
n+1
n0(n0+l)2n0 2 (n+l)+(n+l) 2 0 2
(n+1) 2
n 2 0 2 +n02u 2 2 2n0 2 +n 2 0 2 +2n0 2 +0 2
(n+1) 2
n0+0 2
(n+1) 2
O(n+0)
(n+1) 2
0(n+0)
(n+1) 2
199
eemdersnotlari.com
Vc -
&(nArG
l
2
)
9
C/j
0 =
0<
0=
2n+l
n
2n+l
n
(n+1)*
(n+l)2
n
n=
2n+l
n
200
eemdersnotlari.com
COllrft
uj
2n+l
6>
iin d dahakiyi.
n
iki karar kurabndan hibiri dierine baskn kmyor.
Misl 2: Fiyat 500 TL olan bir dayankl tketim maln alp almamak konusunda karar vermemiz gerekiyor. Maln bozuk kmas
mmkn ve garanti eddmi deil. Karar vermeden nce bu aletlerden
birini test etmek imknna sahibiz. Maalesef mal yapan fabrikann bu
mamul iin bozuk yzdesi p bdinmiyor. Test creti de ihmal edilecek
kadar nemsiz.
Ayn ite kullanmak zere daha dikkatli bir ekdde istihsal eddmi,
kalite kontrolundan gemi, bozuk kmayaca garanti edilmii bir
baka firma mamul 1000 TL den sathyor. Eer 500 TL lik mal alr ve
bozuk olduunu grrsek bu takdirde hemen 1000 TL daha vererek br
firmann maln alacaz.
Alc bakmndan kullanlabilecek karar alma kurallarndan 3 tanesi
aada sralanmtr:
Kural 1: Test yapmadan 500 TL lik mal almak.
Kural 2: Test yapmadan 1000 TL lik mal almak.
Kural 3: Bir tane 500 TL lik test etmek, salam ise 500 lii almak,
bozuk ise 1000 TL verip garantdi olann satn almak.
imdi bu kurallar arasnda nasl tercih yapabileceimizi inceleyelim. Cj, j kurabn uygulamann TL cinsinden maliyetini gsteren bir
tesadfi deiken olsun.
Kural l'de alet salam ise maliyet sadece 500 TL, fakat bozuk ktnda 1000 TL lik mal alnmak zorunda kalnacandan maliyet 1500
TL'ye kyor. 500 TL lik maln bozuk kma olasl p olduu taktirde,
C = 500 TL
= 1500 TL
(1p) olaslkla
p olaslkla
E(c2) = 1000 TL
Kural 3 iin,
201
eemdersnotlari.com
eemdersnotlari.com
Kural 2:
Kural 3:
c(0)>0
A
eemdersnotlari.com
E[(0)*]'ye " o r t a l a m a
Gerekten ifadede, 0 ile 0 arasmdaki fark hata olarak alnrsa (ki yledir),
yapdan ilem hata karelerinin dadmmn beklenen deerini yani ortalamasn bulmaktan baka birey deildir.
MSE'yi pratikte hesaplamamz mmkn deildir, nk O'y bilmiyoruz. Ayrca parametre uzayndaki muhtemel btn 0 deerleri iin
MSE'si minimum olan tahmin ediciler bulmak da genellikle mmkn
deddir. Bu durum tahmin edicderde baka zellikler aranmasn zorunlu
klmtr.
Nokta tahmine ilikin olarak tahmin edicderde aranan bahca zellikler:
i) Sapmaszlk
ii) Tutarllk
iii) Etkinlik, asimptotik etkinlik, en iyi asimptotik normallik
iv) Minimum varyansl sapmaszlk
v) Yeterldik'tir.
imdi bunlarn zerinde daha ayrntl olarak duralm,
i) Sapmaszlk:
Ortalama hata karesi, E [(00)2]'yi biraz daha yakndan inceleyelim.
E [ ( 0 - 0 ) 2 ] = E[(0E(0)) (0E(0))]2
= E {[0E(0)]22 [0E(&)] [0E(0)]+[0E(0)]2}
= E[0E(0)] 2 + [0E(6)]22E [000E(0)OE(0)
+ [E(0)] 2 J
Son terimi ele alalm:
0E(0) [E(0)]2 0E(0)+ [E(*0)]2 = 0 olduu iin,
E [(66)2] = E [0E(0)]2+ [0E(0)]2
1 Mean Squaed Error karl.
204
eemdersnotlari.com
eemdersnotlari.com
iI
ekilde 9 iin 4 tane tahmin edici var; 6, 02, 03, 04. Bunlar iinde
0 ve 03 sapmasz tahmin ediciler. Yani E(0) = E(0 3 ) = 0. 0 2 ve 0 4 sapmal. 0 2 sapmal fakat varyans kk, 0 3 sapmasz fakat varyans byk. Bu tahmin ediciler arasnda O gibi bir talimin edici varsa tabii o
tercih edilir. nk hem sapmasz hem de varyans kk. 04 ok kt
206
eemdersnotlari.com
bir tahmin edici. Fakat ya 0, gibi bir tahmin edici mevcut deil ve tercih
82 ve 0 3 arasnda yaplacaksa durum ne olacaktr ?
Grld gibi sorun'un zm kolay deildir. Bu durum nceleri
sadece sapmasz tahmin edicileri kullanma eklinde kendini gsteriyordu.
Fakat yakn yllarda edim sapmah tahmin edicderi de yerine gre kullanmak eklindedir.
Sapmaszlk kavramn bir misl zerinde aklamaya alalm:
' Misl: (X,,. . -X n ), ortalamas [z(fx'y bilmiyoruz) olan bir ktleden
alnacak n hacimli bir rnek ise, hem x hem de Xj'Ierin herbiri [i'nn
sapmasz tahmin edicileridir. Bunlardan baka mesel,
n
Y= 2
aj Xj ve
E(Y) = E ( S
i=l
a, = 1 olsun.
a, X,) - S a, E(Xj) = S
1i
i=l
a i ( = [i. S
j=l
a, = p
Sapmaszlk:
t
Tahmin ediciler arasndaki seme ilemini sadece sapmasz tahmin
edicdere inhisar ettirdiimiz takdirde MSE kriteri yerine varyans kriterini ikame edebiliriz, nk daha nce de belirttiimiz gibi sapmasz
bir tahmin edicinin varyans, MSE'sine eittir.
Sapmasz tahmin ediciler arasnda varyans minimum olan tahmin
ediciyi semek bize optimum seimi salayacaktr. Pratikte MSE (ya da
sapma) hesaplanamad iin varyanslann mukayesesi byk kolaylk
salar.
Bir tahmin edicinin minimum varyansl sapmasz (MVU) olabilmesi
iin,
i) E (0) = 0
ii) E (6*) = 0
eemdersnotlari.com
n ->co
E [( 0)2] = lim
n -oo
[Yar (0 n ) + [0 E(0)]2] = 0
olmas
yani rnek hacminin sonsuz deerleri iin hem varyans hem de sapmann sfr olmas haline k a r e h a t a t u t a r l l k diyoruz.
5 Matematiksel istatistikte minimum varyansl sapmasz tahmin edicilerin bulunmasna
ilikin olarak esas itibariyle iki yaklam kullanlmaktadr:
i) Cramer - Rao aa snn.
ii) Blackvvell - Rao teoremi.
Kapsam d braktmz bu yaklamlar iin baknz, A. M. Mood, F. A. Graybill a.g.e. Sh. 175.
208
eemdersnotlari.com
n->co
= lim
P (0 e < 0 < 0 + e ) = l
n -*co
0gO
ise 0 n b a s i t t u t a r l ' d r denir. Bunu ou zaman sadece tutarblk eklinde belirtiriz. Kare hata tutarlhk, basit tutarlkn da salanm olduu anlamna gelir. Sapmasz bir tahmin edicinin mutlaka tutarl olmas gibi bir zorunluluk yoktur.
Tutarlhk zellii zellikle ekonometri teorisinde simltane denlem
sistemleri ile dgili tahmin edicilere Uikin olarak zerinde nemle durulan
bir zelliktir.(6)
iv) A s i m p t o t i k E t k i n l i k ve En y i A s i m p t o t i k N o r m a l l i k
(BAN)
Etkinlik, giri ksmnda belirtddii gibi tahmin edicilerin risklerinin
karlatrlmasn ihtiva eder. Asimptotik etkinlik rnek hacminin ok
byk deerleri iin ayn mukayeseyi yapar. Elimizde d ve d* gibi iki
karar kural olsun. Bu karar kurallarn uygulayarak rnek hacmini
arttrdmzda {} ve {n*} gibi iki tahmin edici serisi elde ederiz.
Eer,
lim
E[(6 n *6)2]
> 1
0 n *,
0 eft
E[(0n-0)a]
yazlabiliyorsa yani ktle parametresi ne olursa olsun 0 n 'nin riski dier
btn 0 n * tahmin edicilerinin riskinden kkse {0n} asimptotik etkin
bir tahmin edicidir.
6 Snrl bilgi maksimum likelihood, iki safbal en kk kareler... gibi metotlar lehine ne
srlen nemli argmanlardan biri bu metotlarn verdii tahmin edicilerin tutarllk zelliidir.
Pratikte genellikle zerinde allan rneklet fazla byk deildir. Kk rnekler zerinde alrken tutarll bir seme kriteri olarak kullanmak byk sakncalara yol aabilir. Ayrca
rnek hacmi bydke tahmin edicinin nasl bir O'va yaklama oluumu iinde bulunduu da
ou zaman bilinmez. Bu dncelerle; "tutarllk ou kere gerektiinden fazla arl olan bir
nitelik grnmndedir" diyebiliriz.
B kunuya ilikin olarak baknz. U. Kurum "Ekononetrik Modeller i t Trk Ekonomici
iin bir Deneme" Sh. 18-23.
209
eemdersnotlari.com
co V(0 n 8)
n(0, a*)
b)
c)
v e
"
2*
> 1 olsun.
2
8n
n
S Xj tahmin edicisini (rnek ortalamas) alrsak,
n
i=l
bunun BAN olduunu ifade edebiliriz.
Gerekten, n
co y T ( X[jl) n(0, a 2 )
> 4 v n6
v) Y e t e r l i l i k :
f(x,8) dalml bir ktleden aldmz n hacimli bir rnekten 8'y
tahmin etmek istediimiz zaman rnek deerlerinin fonksiyonu olan
eitli statistikleri birer tahmin edici olarak kullanabiliriz. Mesel X,, 6
iin bir tahmin edici olabilir. Fakat byle bir durumda n hacimli bir rnek
1
eemdersnotlari.com
X ( rnekte mev-
211
eemdersnotlari.com
L(0)= n f(Xj,o)
' i=l
0'i bulmak iin, nce likelihood fonksiyonunun yazlmas; daha
sonra bir fonksiyonun maksimumuna ilikin belli "regularite" faraziyeleri
d
yapdmak suretiyle,
L(0) = 0 denkleminin 0'i verecek ekilde d0
zlmesi gerekir. Baz hallerde L(0) yerine n L(0)'y kullanmak daha
pratik olur. (9)
n L(0) = n f(x0)
i=l
d
n L(0) = 0
d0
Logaritma dntrmesi sebebiyle arpmlar toplam haline gelince
trev almak daha kolay olacaktr.
9 L(0) ve n L(0), 0'nn ayn deerinde maksimum olacaklar iin, 0 bakmndan bir farkllk sz konusu olmaz.
212
eemdersnotlari.com
n
i=l
f^A.-.k)
8, = d ^ , . . . ^ )
9i e 2
0k = d k ( X , . , . X n )
olsun. Likelihood fonksiyonunu maksimum yapan ( 0 t . . . 0 k ) tahmin
ediciler seti, (belli faraziyelerle) aadaki ksm trev denklemleri setinin eanl zm suretiyle bulunur.
8
L(0,...0k) = O
20,
S
8dk
L(0,...0k) = 0
eemdersnotlari.com
(X, x ) 2
i=
a mn ML tahmin edicisi
=Ja2==J
i=1
Xix)2
olacaktr.
n2 mn tahmin edicisi,
A
n ct2 = n
"
1
S
olacaktr.
(Xix) 2 J
214
eemdersnotlari.com
rnekler:
P(0) =
, P(l) =
5
da P(l) =
, P(0) =
olacaktr.
f(x,0) parametresinin
4 v
1
- ) =
, 5) '
5
ve
,
4 x
f ( l , _ )
f \
( ' ' t5 ) '
/ 1\ 4
(T-) "T
4
=
/1 1 \= 1
( 't) T
imdi at yaptmz ve TYT geldiini dnelim; rnek kymetleri, X 1, x 2 = 0, Sc3 = 1 Likelihood fonksiyonunu yazalm.
L(0) =
f(x,,x2,x3;
0 =
0) = f(l,0,l; 0)
f(l,0)f(O,0)f(l,0)
4
/4 \
/ 4
x /
x /
4 s
16
= (T) (T)(T)-
215
eemdersnotlari.com
0 deerlerinden
O<x<0
= 0
aksi halde,
x = 0,1
Ogp^l
olsun.
216
eemdersnotlari.com
L* = n L(p) = y n p -f (ny) n q
d ^
ny
dp
= O
ny
y(ip) = p(ny)
y = pn
7
= =
Xj = x
n
n i1
rnek ortalamas p'nin ML tahmin edicisidir.
1
1
E(x) =
2 E(Xj) =
n
i=1
tahmin edicisi.
4. Normal dalm bir ktleden alnm n hacimli bir tesadfi
rnekten [x ve a 2 iin ML tahmin edicerini bulalm. Likelihood fonksiyonu,
(x(!)2
L([x,
II
2a2
e
1
- ( a2)
n L([i, a 2 ) =
= (3-) e
^y/zeJ
- 2
2c* i = 1
2 (x,(i)2
2a 2
n
n 2tc
2
*
ln<r^
2
1
n L =
dy.
[n 1ln(2ror2)]
2
=
, 1 v 2<J2 =
Vna
v 2
5=1
1
2<t 2
2 ( Xl fi) 2
1=1
2 (x,(z)
a2
i=l
I
eemdersnotlari.com
217
da2
n L =
n
2
<y2 i=l
a2
S (Xi-|x)2
i=l
2 a*
fi) = O
Denklem sistemini zelim.
2a*
=O
2a1
=1
Birinci denklemde,
"
n
2 Xi
S
i=l
(x,(i) = O => 2
i=l
= x
n
2a* >=1
(x,-x)2 -
2na*=2a2 2
i=l
na 2
S
i=
s
i=l
2a*
(xt x)2
( X j _ x )2
(x,-x)2
eemdersnotlari.com
[E(X)]2
a2
+ ^
XI
E(o) = E [
2
n
1=1
a2
E(<J
+
2
1
(Xi-x)2] =
=1
n
2
E [2 x,2 -nx2]
i=l
1
E(X2)E(X2) =
d2
|x2
n
a
ff2
fi.2 = a 2
a2
2
(<72 +[A 2)_(
+
i=l
n
n
= ,
a2
n
n
S2
'
2 (xs-x)2
i=l
11
n1
de arpalm.
n1
elde edden sapmasz tahmin edicisidir.
rnekten giderek ktle varyansn tahmin gerektiinde tahmin
edici olarak genellikle S 2 , nin kullanlmasnn sebebi sapmasz oluudur.
NOKTA TAHMN LE LGL PROBLEMLER
1. X X 2 ortalamas bilinmeyen bir jx ve varyans 1 olan normal
dalm bir ktleden alnmas dnlen iki birimlik bir tesadfi rnek olsun, |x'y tahmin etmek istiyoruz. Bu amala aadaki 3 tahmin
ediciyi kullanmay dnyoruz.
[2 = d(X,X 2 ) = X 1 + X 2
[22 = d 2 (X,,X 2 )
i X , -f X 2
[Xj = dj(X,X 2 ) = J X + \ X 2
Kullandmz zarar fonksiyonu
eemdersnotlari.com
Bu bilgileri kullanarak;
i) Aksiyon ve parametre uzaylarn tanmlaynz.
ii) R(d,(x), R(d2,[z), R(d3,[x)'y bulunuz.
iii) Bu tahmin edicderden hangisinin risk'i en kktr?
iv) Tahmin edicderin hepsinin sapmasz olduunu gsteriniz.
v) d'in d 2 ve d 3 , d 2 'nin ds'e nazaran nisbi etkinliini bulunuz.
Cevap:
i) Aksiyon uzay A = {j, co <(i< co }
^
A A
><
= |X, (12, (i 3 ;
CO <(Xi < co}
= {p: co <(i<co}
Parametre uzay
_1 _
i (x,(i)2
e
VZtc
f(x,x 2 ) = f ( x ) f(x?)
R(d, (j.) = E [ % , * ) ] = // S ^ r - t f f(xx 2 ) dx, dx 2
= 3(j,2 J J (u.122p.(jt+(x2) f(x,x 2 ) dx dx 2
E([i) = (x olduundan, (x = J'J [i, f(x,x 2 ) dx dx 2
E [[ il 2_2(I I (i+ (J L2]
/
E(|A,2)= J'J (
(^2) (1.2
x, +
\ 3
J'J' (
'
4
x|2-l
\
x 2 2 f( X l ) f(x2) dx, dx 2
4
=
1
x xH
4
=
x 2 2) f(x) f(x2) dx dx 2
4
J x,2 f(x,) dxH
J x, f(x,) dx J x 2 f(x2) dx 2
9
1
J" X22 f( X2 ) dx 2
9
eemdersnotlari.com
5
= _Jx2f(x)dx+
9
4
^
E(|A,2) =
(1 + |X2) +
R(d,,tl) = 3[A2 (
fA2=
+ {A2
9
15
1_ ^2^2) =
[i.2
1
=.
16
1
J" * 2 f(x) dxH
10
16
Jx 2 f(x)dxH
10
=
16
10
15
10
15
<
(A2
16
10
^ =
+ H2
16
<
16
-fp2|a2) =
3
iii)
16
R(d2,fj) = 3(j.2 (
J X22 f(x2) dx 2
16
6
(1+H 2 )+
J X f(x) dx t / x 2 f (x 2 ) dx 2
16
9
jx2
15
8
[i 2
(11)
15
8
eemdersnotlari.com
/
Bu duruma gre d 3 yan iki deerin basit ortalamas risk'i en az
olan tahmin edicidir.
iv) E(j) - E(X,) + i E(X2) = |
E(2) =
E(X)
-f
I E(X 2 ) =
+ i pL = y.
i ii + f (X = ji
r(d, d 2 ) ' =
r(dd,) =
r(d 2 ,d 3 ) =
d, d 2
d 3 , d,
(dj.e)
R(d 6)
R(d 2 , (x)
15
R(d, fi.)
15
R(d 3> ^
15
R(d, ji.)
10 15
10
R(d 3 , |x)
15
R(d 2 , (i)
10
15
10
1
f(x) =
P
rnek aldk ve 1.3, .6, 1.7, 2 .2, .3, 1.1 deerlerini elde ettik. Ktle
ortalamas ve varyansmn ML tahminlerini bulunuz.
C e v a p : f(x) 0<x<(3 arabnda birrnek bir dalmdr.
L(p) = f ( x I . . . x n ; p ) =
1
n f (x (J) =
eemdersnotlari.com
dx =
2(1
fi
9ft
Jo
Var(Xj) =
Y d * = f ( l ^ + i - ) d*
2 / P
Jo \ p
4. /
Jo \
1
3p
'
p2
pz
12
*-
_ !2=
1.1
I2
(2.2) 2
12
12
= .4033
e-V
X!
L(X) - f ( x , . . . x n ; X ) = II
=t
n L =
e-V
x!
' X 2 X,
e~
Xi=l
n X;!
i=l
S n f(xf; X)
i=l
= l n ( e - n X ) + n ( *,) n ( fi x,!)
Xi-1
223
eemdersnotlari.com
nX +
dnL
= _
n
2
i=l
Xj lnX
=l
X
a
2 x,
i=l
X=
E(X) =
lnXj!
d\
rt
2
i=l
=0
= x
2 E(x f )
>=1
nX
unu gsteriyor.
n
2 x,
1
= 1
Var(X) = Var(
)=
n
2
n2
Var(X,)
i = 1
n Var(X)
n2
X
nX =
n2
[E(x)] 2
= Var(x) +
=
+ X2 X2
n
.
O halde X2, X2 nin sapmasz bir tahmin edicisi deildir. Eer x 2
X
yerine, (x 2
) eklinde bir tahmin edici kullanrsak,
n
X
1
X
1
E(x 2
) = E (x 2 )
E(x) - +
X = }.-
eemdersnotlari.com
2(J2
=
s/2-k a
(i biliniyor.
n
S
L(Xj.. , x n ; (x,0) =
2/n
n/2
(2tc)
= (27i)
n L =
n
2
n (2~)
d n L
30
20
S (xi-tx)i
i=l
(Xi_[A)2
20 i=
2(xr-|x)>
20 i=i
n
2
e
1
n 0
S (xfi)2
20 i=l
2 S (Xi-(x)2
i=l
+
402
= 0
02
2
n0 2 = 0 S( X i fi) 2
i=l
=> 0
i=l
(X-(X)2
eemdersnotlari.com
x,+V
J
n
2 E(X S 2 ) 2fi2 + [i2 = E(Xj2) [l2
i=l
Bu durumda, c?2 =
S (x i
i=l
a, 2
az2
Var(xX2) = h
(iki rnein bamszl sonucu)
n
n2
n 2 = n n
(Tl2
22
Ya:(a) =
+
n
nn
d Yar (a)
<i2
a22
d n
n 2
(nn)2
= 0
226
eemdersnotlari.com
<T2
<J2
n 2
(nn) 2
<Tl
<T2
n2
tf2
n
n2
m
a
Bu duruma gre, n tane gzlemi iki ktle arasnda o ekilde blmeliyiz ki, yukardaki eitlikler salanabdsin. Yani, rnek hacimlerinin
oram standart sapmalarn oranna eit olursa, a'in varyansn minimum
yapm oluruz.
1
6.
f(x; a, p) =
xa
a! p a +'
= 0
0<x<p
aksi halde.
ft
= (
f(x; a, p)
) n
a! p a + 1
(xa) e
a
(a!) n
pna+n
( n xa
\
i=l
) e
'
n
n L = a ln(a!) (na+n) n p + l n ( n x )
S x,
i=
227
eemdersnotlari.com
3 n L
na -f
n
S X,
i=
n-f-n
X,
11
P2
p 2
=O
x. =
(axn)
2 x, = p(na-(-n)
i1
n
p =
2 x,
i=l
na 4" n
2 E(xj)
E(P) =
na-f-n
(t-)"
na+n
n[3(a-ri)]
3<a-fl)
n(a-(-l)
*-fl
- P
f(x; 0) = 0 e-6*
= 0
x>0
aksi halde,
2
f(x,a) = ( a - x )
a2
0<x<a
eemdersnotlari.com
. I
""-)'
rnek ortalamasnn dalmnn e k l i normal olacaktr. Bu bdgi, yukarda szn ettiimiz dalmlara gemede en nemli rol oynayacaktr.
ispat:
Y=
n
S X,
i=l
\ i=l
(t) = E [ e
my(t)=mn
S x,
i=l
'
/
]
(x,+ . . . + x n ) t
= E [e
= E [exl] E[eV], . . E [ e V ]
Xj'ler ayn dalm olduu iin,
[m x (t)]1
X=
X,
olduuna gre,
eemdersnotlari.com
m_ (t) = m
(t) = m
*
Z
(12)
y
Xj
i=l
Z,
xr
i=l
n
<r2t2
M-t H
2
Normal dalm de dgdi blmden m x (t)= e
b diyoruz.
X,
X =
xn
+ ...+
/t v
m xi/ a
olduunu
W =
m*i
, [At
a2t2 v
(+)
m - ( t ) = e\ n
[At
ff2t2
2n 2
a2t2
2n 2 ' = e
2n
Bu ise ortalamas [a ve
varyans a 2 /n olan normal dalm bir deikenin moment karan fonksiyonudur. Moment karan fonksiyonlar eit olan iki dalm biimce
birbirinin ayn olacandan, x w n^ [A,
X2 D a l m :
X t <*-' n ([A;, <jj2) ve X t 'ler stokastik bamsz olsun.
X(X,
Y, =
dntrmesini yaparsak Y,
230
eemdersnotlari.com
H-i \ 2
2 (
=1
1 = 2
ff,
Yj 2
deikenini tanmlayalm,
i=l
Szle ifade edersek U, standart normal dalm deikenlerin karelerinin toplamdr. Moment karan fonksiyonlardan yararlanarak(13)
n2
f(n) =
n2
[ ] '
Z 2
t,
(,
231
eemdersnotlari.com
S. D
1
2
3
4
3
.01
a
.020
.115
.297
.554
.05
.004
.103
.352
.711
1.15
.10
.016
.211
.584
1.064
1.61
.90
2.71
4.61
6.25
7.78
9.24
.95
3.84
5.99
7.81
9.49
11.07
.99
6.63
9.21
11.34
13.28
15.09
6
7
8
9
10
.872
1.24
1.65
2.09
2.56
1.64
2.17
2.73
3.33
3.94
2.20
2.83
3.49
4.17
4.87
10.64
12.02
13.36
14.68
15.99
12.59
14.07
15.51
16.92
18.31
16.81
18.48
20.09
21.67
23.21
11
12
13
14
15
3.05
3.57
4.11
4.66
5.23
4.57
5.23
5.89
6.57
7.26
5.58
6.30
7.04
7.79
8.55
17.28
18.55
19.81
21.06
22.31
19.68
21.03
22.36
23.68
25.00
24.73
.26.22
27.69
29.14
30.58
16
18
20
22
24
5.81
7.01
8.26
9.54
10.86
7.96
9.39
10.85
12.34
13.85
9.31
10.86
12.44
14.04
15.66
23.54
25.99
28.41
30.81
33.20
26.30
28.87
31.41
33.92
36.42
32.00
34.81
37.57
40.29
42.98
25
30
35
40
45
11.52
14.95
18.50
22.16
25.90
14.61
18.49
22.50
26.51
30.60
16.47
20.60
24.80
29.05
33.40
34.38
40.26
46.10
51.81
57.50
37.65
43.77
49.80
55.76
61.70
44.31
50.89
57.30
63.69
70.00
50
60
70
80
90
29.71
37.48
45.44
53.54
61.75
34.76
43.19
51.74
60.39
69.13
37.69
46.46
55.33
64.28
73.29
63.17
74.40
85.53
96.58
107.56
67.50
79.08
.90.53
101.88
113.14
76.15
88.38
100.42
112.33
124.12
100'
120
70.06
86.92
77.93
95.70
82.26
100.62
118.50
140.23
124.34
146.57
135.81
158.95
a = ..00016
S. D. Serbestlik derecesi
14 Saylar 1,3,6,8 ve ortalama da 4 ise beinci saynn 2 olmas zorunludur.
232
eemdersnotlari.com
<
m X 2 (t) = (12t)
dir. (15)
(t) = (12t)
v ..
^ Li
= (12t)
n2
(12t)
m+n2+...+nm
nm
...(12t)
S fi dalmnn moment karan fonksiyonunun elde edilii iin baknz: \lood, Graybill,
a.g.e Sh. 226.
233
eemdersnotlari.com
rnek
Ortalamas
ve
Y, =
olsun. Y n(0,l)
<T
n
V = S (Yjy) 2
i=1
b)
Y w n(0,
c)
Y ve V
1
n
bamszdr.(l)
ve
U ve X bamsz olsun.
X-(A
Y=
T=
Y
=
/T
v
YVT
f~~
V
234
IBmHH
eemdersnotlari.com
f(t) =
oo < t <00
Vk TC
k2>\
t2
(k+l)/2
-i1
") ! [ 1 + T
V/n
F ~ F(m,n) F dalmnn iki parametresi mevcuttur. Pay ve paydadaki y2 dalm deikenlerin serbestlik dereceleri.
F dalmnn sklk fonksiyonu,
(m-j-n2 ,
h(F) =
2
m2 v
)!
m m/2
()
n2X
n
()!(-)!
,m2 \
F
V 2
.
- )
'
mF ,(m+n)/2
( 1+ r)
eemdersnotlari.com
F >O
90
.95
975
.99
.995
1
2
3
4
5
1.000
.816
.765
.741
.727
3.078
1.886
1.638
1.533
1.476
6.134
2.920
2.353
2.132
2.015
12.706
4.303
3.182
2.776
2.571
31.821
6.965
4.541
3.747
3.365
63.657
9.925
5.841
4.604
4.032
6
7
8
9
10
.718
.711
.706
.703
.700
1.440
1.415
1.397
1.383
1.372
1.943
1.895
1.860
1.833
1.812
2.447
2.365
2.306
2.262
2.228
3.143
2.998
2.896
2.821
2.764
3.707
3.499
3.355
3.250
3.169
11
12
13
14
15
.697
.695
.694
.692
.691
1.363
1.356
1.350
1.345
1.341
1.796
1.782
1.771
1.761
1.753
2.201
2.179
2.160
2.145
2.131
2.718
2.681
2.650
2.624
2.602
3.106
3.055
3.012
2.977
2.974
16
18
20
22
24
.690
.688
.687
.686
.685
1.337
1.330
1.325
1.321
1.318
1.746
1.734
1.725
1.717
1.711
2.120
2.101
2.086
2.074
2.064
2.583
2.552
2.528
2.508
2.492
2.921
2.878
2.845
2.819
2.797
25
30
35
40
45
.684
.683
.682
.681
.680
1.316
1.310
1.306
1.303
1.301
1.708
1.697
1.690
1.684
1.680
2.060
2.042
2.030
2.021
2.014
2.485
2.457
2.438
2.423
2.411
2.787
2.750
2.724
2.704
2.690
50
60
70
80
90
.679
.678
.678
.677
.677
1.299
1.296
1.294
1.293
1.291
1.676
1.671
1.667
1.665
1.662
2.008
2.000
1.994
1.989
1.986
2.403
2.390
2.382
2.375
2.368
2.678
2.660
2.648
2.638
2.631
100
200
500
CO
.677
.675
.674
.674
1.290
1.286
1.284
1.282
1.661
1.653
1.648
1.645
1.982
1.972
1.965
1.960
2.363
2.345
2.333
2.326
2.625
2.601
2.586
2.576
(-).25
(-).IO
(-). 05
(-).025
(-).Ol
236
eemdersnotlari.com
<-).005
5
230
19.3
9.01
6.26
5.05
6
234
19.3
8.94
6.16
4.95
7
237
19.4
8.89
6.09
4.88
8
239
19 4
8. 85
6 04
4 82
9
241
19.4
8.81
6.00
4.77
10
242
19.4
8.79
5.96
4.74
12
244
19.4
8.74
5.91
4.68
15
246
19.4
8.70
5.86
4.62
20
248
19.4
8.66
5.80
4.56
24
249
19.5
8.64
5.77
4.53
30
250
19.5
8.62
5.75
4.50
4. 7b
4.35
4.07
3. 8t>
3.71
t. 53
1.12
3.84
3.63
3.48
4.39
3.97
3.69
3.48
3.33
4.28
3.87
3.58
3.37
3.22
4.21
3.79
3.50
3.29
3.14
4. 15
3 73
3. 44
3,,23
3. 07
4.10
3.68
3.39
3.18
3.02
4.06
3.64
3.35
3.14
2.98
4.00
3.57
3.28
3.07
2.91
3.94
3.51
3.22
3.01
2.85
3.87
3.44
3.15
2.94
2.77
3.84
3.41
3.12
' 2.90
2.74
3.81
3.38
3.08
2.86
2.70
3.98
3.89
3.81
3.74
3.68
3.59
3.49
3.41
3.31
3.29
3.36
3.26
3.18
3.11
3 IK
3.20
3.11
3.03
2.96
2.90
3.09
3.00
2.92
2.85'
2.79
3.01
2.91
2.83
2.76
2.71
2..95
2. 85
2 77
2. 70
2 64
2.90
2.80
2V71
2.65
2.59
2.85
2.75
2.67
2.60
2.54
2.79
2.69
2.60
2.53
2.48
2.72
2.62
2.53
2.46
2.40
2.65
2.54
2.46
2.39
2.33
2.61
2.51
2.42
2.35
2.29
2.57
2.47
2.38
2.31
2.25
4.49
4.45
4.41
4.38
4.35
3.63
3.59
3.55
3.52
3.49
3.24
3.20
3.16
3.13
3.10
3.01
2.'10
2.93
2.90
2.87
2.85
2 81
2.77
2.74
2.71
2.74
2.70
2.66
2.63
2.60
2.66
2.61
2.58
2.54
2.51
2. 59
2 55
2. 51
2. 48
2 45
2.54
2.49
2.46
2.42
2.39
2.49
2.45
2.41
2.38
2.35
2.24
2.19
2.15
2.11
2.08
2.19
2.15
2.11
2.U7
2.04
4.32
4.30
4.28
4.26
4.24
3.47
3.44
3.42
3.40
3.39
3.07
3.05
3.03
3.01
2.99
2.84
2.82
2.80
2.78
2.76
2.68
2.66
2.64
2.62
2.60
2.57
2.55
2.53
2.51
2.49
2.49
2.46
2.44
2.42
2.40
2 .42
2 .40
2.37
2.36
2.34
2.37
2.34
2.32
2.30
2.28
2.32
2.30
2.27
2.25
2.24
2.35
2.31
2.27
2.23
2.20
2.18
2.15
2.13
2.11
2.09
2.28
2.23
2. !9
2.16
2.12
21
22
23
21
25
2.42
2.38
2.34
2.31
2.28
2.25
2.23
2.20
2.18
2.16
2.10
2.07
2.05
2.03
2.01
2.05
2.03
2.01
1.98
1.96
2.01
1.98
1 .96
1.94
1.92
30
ttl
MI
12li
CC
4.17
4.08
4.00
3.92
3 84
3.32
3.23
3.15
3.07
3.00
2 92
2.84
2.76
2.68
2.60
2.69
2.61
2.53
2.45
2.37
2.53
2.45
2.37
2.29
2.21
2.42
2.34
2.25
2.18
2.10
2.33
2.25
2.17
2.09
2.01
2. 27
2. 18
2. 10
2. 02
1. 94
2.21
2.12
2.04
1.96
1.88
2.16
2.08
1.99
1.91
1.83
2.09
2.00
1.92 1.83
1.75
2.01
1.92
1.84
1.75
1.67
1.93
1.84
1.75
1.66
1.57
1.89
1.79
1.70
1.61
1.52
1.84
1.74
1.65
1.55
1.46
m
n 1
2
3
4
5
1
161
18.5
10.1
7.71
6.61
2
200
19.0
9.55
6.94
5.79
6
7
8
9
10
5.99
5.59
5.32
5.12
4.96
5.14
4.74
4.46
4.26
4.10
11
12
13
14
15
4.84
4.75
4.67
4.60
4.54
lt>
17
18
19
20
3
216
19 2
9.28
6.59
5 41
02>8T
fS H
020 gven aralma uzunluunu verecektir. Belli bir (1a)
gven katsays ne kadar dar bir gven arak ile salanrsa tahmin o
lde baarl olur.
Birer istatistiki tahmin metodu olarak nokta ve aralk eklinde
tahminler birbirlerinin alternatifi olan yaklamlar eklinde dnlmemelidir. Bir parametreyi aralk eklinde tahmin etmek, yanlma ve
hatay dnce modeline dahil ettii iin bdimsel nitelii nokta tahmine
nazaran daha gl kabul eddebdir. Bir gven aralnn, ya da ileride
grlecei zere, araln tekiline imkn verecek bdgerin verdmesi
halinde nokta tahminin ne lde gvenilir olduu anlakr. Fakat
bu izahlar nokta tahminin gereksizlii eklinde yorumlayanlayz. Pratikte pek ok karar ve politika probleminde ya da nceden tahminlerde
B y 2 , t ve F dalmlarna ilikin teorik nitelikte problem vermeyiimizi nedeni b dalmlar iin L' dalmnn bilinmesi gerei ve ilemlerin gerektirdii matematik seviyesidir. Lygulana ile ilgili altrmalar ise zaten sonraki blmlerde yaplaca iin gereksizdir.
eemdersnotlari.com
239
eemdersnotlari.com
verilebilir.
Normal dalm ktlelerin parametreleri yani jx ve a 2 ile dgili tahminler veya oranlarla dgdi tahminler zerinde ayrca durulmas ve
spesifik arabk formllerinin verilmesi gerekir. Biz de bu uygulamay
izleyerek nce fj. ve a 2 iin (tabii normal dalm ktlelerde) sonra da
oranlar iin iki tarafl ve tek tarafl gven aralklar ve ksaca gven
blgeleri zerinde duracaz.
Normal D a l m n O r t a l a m a s , [i iin Gven A r a l k l a r :
Burada iki hali ayrdedeceiz.
i) a 2 'nin bdindii hal,
ii) Daha realist bir yaklam ile a 2 'nin bdinmedii hal.
lk nce ilk ik zerinde duralm:
i) a 2 b i l i n i y o r .
iin en uygun nokta tahmin pek ok halde rnek ortalamas x'dir.
X
(X
z=
n(0,l) dalmtr.
G
\/iT
<rr
Ktle varyans, dolaysyla standart sapmas (a) bilindiinden |x
etrafnda bir gven arabn kolayca tekil edebiliriz.
Normal dadmn simetri zellii sonucu, gven arabmn boyu
ortalamann iki yanna 1a alannn eit ekilde datld durumda
minimum olur.
Gven .katsays 1a olduu taktirde, iki tarafl bir gven aral
iin,
P( za/2 < z < za/2) = 1 a
yazabiliriz.
240
eemdersnotlari.com
xa
z yerine
\ =1 a
G
X Za/2
<IX < X +
Za/2
) =
'
vV
p ( x Za/2
<fX<X+
Za/2
) = 1
rs
olacaktr.
v
rnek ahndktan sonra ise gven snrlar birer saydan ibaret olacaktr. Mesel P(.5<[x<2) = .95 eklindeki bir ifadenin yanll
nceki blmde belirtilmiti. [x bu aralk iinde olduunda bu olaslk 1,
dnda olduunda ise sfr olacaktr, rnekleme sonucu elde edden spesifik gven snr deerleri "(1a) gven aral prensibinden yararlanlarak bulunmu gven snrlarnn o rnek iin spesifik deerleri" olarak
yorumlanmak ve bir olaslk ifadesi yerine, mesel (. 5, 2) gibi bir ifade
tercih edilmelidir.(21)
13
bir gven araln belli bir gven snn ile elde etmek iin, a sabit iken,
rnek hacminin nasl deitirilmesi gerekeceini de verecektir. Baka
deyile, araln boyu, gven katsays ve rnek hacminden 2 si istenden
seviyede tutularak, a sabit iken, deimesine izin verilen deerin bykl tayin edebdecektir.
21 Bu basit yorum hatas zellikle tarifsel nitelikteki birok istatistik kitabnda ve istatistik
uygulamalarnda grlr. Mesel DE 1965 Nfus Saym % 1 rnekleme sonularnda olduu
gibi.
241
eemdersnotlari.com
'
/
Gven aralnn tek tarafl olmas halinde de benzer ilemlerle,
P(0<0 2 ) = 1 - a
iin
P(V<X+za
) = 1 a
) = 1 a aralklar te-
kil edilecektir. Burada a'nn tamamnn, dalmn bir tarafna toplandna dikkat edilmelidir.
imdi bir rnek zerinde yaplacak hesaplamalar grelim:
eemdersnotlari.com
= 2
** 16
iii)
4
v'T
= 2,
Za/2
Za/2
= 1.225
VT
2
1.225 z deerine tekabl eden olaslk, sklk fonksiyonu tablosundan
. 39 olarak bulunur. O halde rnek hacmi 6 iken 4 boyunda gven arab . 78 gven katsays ile elde edilebdecektir.
Tek t a r a f l gven aralklarna misl olmak zere aadaki sorular cevaplandrabm.
i) Yukardaki mislde ktle ortalamas % 95 lik tek tarafl gven
aralna gre hangi deerden kk olacaktr?
ii) Ayn mislde % 95 lik gven snrnn 3 olmas iin gerekli rnek
hacmi nedir?
iii) rnek hacmi 6 iken gven snn 3 olduunda gven katsays
ne olacaktr?
Cevap:
a
i) P(fi.<x+z a
) = 1 x
Vn
1.6+1.65
= 1.6+2.7 = 4.3
VT
4
ii) 1.65
= 1 . 4 - - * V^" = 4.71
23 olmaldr.
V"
4
iii) z a
= 1 . 4 - * z a = 875
243
eemdersnotlari.com
X|
Vn(x-fi)
' n(0,l)
V*
n
rnek varyans
S2
(X,-X)2
n1
(X,x) 2 = 2
(n1) S 2 = 2
(n1) S 2
a2
(X,x) 2
[(X,jx) - ( x - i x ) ] 2
(X,-(x) 2 + n(x-ix) 2 - 2 2
=
( X , - [ x ) (x-fx)
244
eemdersnotlari.com
Oysa,
S
(X,fx) (x(t) =
(XjXX,ji.|xx+. fx2)
_
X -Xj
(X S X, nx X+na2
i=l
i1
= n X 2 -f nx2x XnuX
= n(x;JL)2
(II1)
S2 = E
(-1)S2
(X,jx)2n(x;x)2
_ |
<r2
(X-V
=;
A = BC
\ a
V
'
/X-;x\2
WVn/
(22)
B = A+ C
m B (t) = m A + c ( t )
S 2 ve x'm bamsz olduunu bildiimiz iin bunlarn fonksiyonu
olan A ve C de bamszdr. Bamsz iki tesadfi deikenin toplamnn
moment karan fonksiyonu terimlerin m..f. lar arpmna eittir. Yani;
m A+cW
= mA(l) m c ( l )
m B (t) = m A (t) m c (t)
mBW
m A (t) =
mc(t)
n
m B (t) = (l2t)
n /X
^l
.5, y
)
22
olduunu biliyoruz. nk
Xjji
->^n(0,l)
dir-
(n1) S*
S(X(n(X(i)1
a'
d2
/ X(x \ 2
/Xfi\2
215
eemdersnotlari.com
m c (t) = l - 2 t )
Buradan
- k
m A (t) =
n
(12t)
n_l
2
= (12t)
(l-2t)
Bu
(n1)S2
ise
^ X2n-'
a2
<7
T =
(n1)S2
J[
(nI)2
X[i
fi
SB (X,X)2
i i=
V^r
j
n(n
(n-1)
246
eemdersnotlari.com
/ta/2
J _ta/2
f(t; n 1 ) d t = 1 a
X(i
P(ta/2,n-l <
< t a /2,n-l) = 1 a
2
i=l
(Xl-x)2
n(n-l)
buradan, gerekli ilemleri yaparak,
| S. ( X r x ) 2
P(xta/2. n-1
(n1)
n(n1)
| s
<(JL<X+ta/2,n-l
(X,-x) 2
n(n1)
)=l-a
n(n1)
(Xix) 2
, i=l
P(|A<X+ta,n-l
= 1 a
n(n1)
2 (X,x) 2
i=l
P(tl>Xta,n-l
(n-l)
n(n-
247
eemdersnotlari.com
Normal D a l m Ktlelerde O r t a l a m a l a r
F a r k ile i l g i l i Gven A r a l k l a r :
Arasndaki
n(jxy, <ry2)
Burada kesin aralk deerlerinin elde eddebdecei iki hali ayrdetmemiz gerekir.
i) Ktle varyanslarnn b dinmesi hali,
ii) Ktle varyanslarnn saysal deeri bilinmemekle beraber eit
olduklar faraziyesinin yapdmas (ki ou kere realist bir faraziye olabilir)
<TX2 = <Ty2 = d 2
imdi bu iki hali teker teker inceleyelim.
i) X, Y ktlelerinden, birbirinden bamsz olarak aknacak iki rnekten (n x , n y rnek hacimlerini gstersin) bulunacak rnek ortalamalar
arasndaki X Y fark (jxjxy) nin sapmasz bir tahmin edicisidir.
2
<r =
bamszdr.
nx
2
, Gy ~
ny
n* v e ny
bamsz seddiklerinden x, Y
(T 2
Var(xY) = Var(x) + Var(Y) = +
nx
(X-Y) ((*,uy)
n(0,l)
<J
ny
n.
P(Za/2 <
(XY) ([i,{iy)
a2
< Za/2 ) = 1
csy2
n.
248
eemdersnotlari.com
P(X - Y-za/2 ^
<V
+
n
/ crx2
<(jlx_(iy<x_Y+Za/2
n
J
nx
y 2
)= 1_
ny
Tek tarafl gven aralklar iin de tek bir ktlenin ortalamas iin
dzenlenen gven aralklarnda olduu gibi hareket eddecektir.
) <tx2 = cry2 = o 2 deeri bdinmediine gre bundan bamsz
dalm statistikler elde etmemiz gereklidir. Bunun iin t dalmndan
yararlanrz.
( n - 1 ) Sx2
( n y - l ) Sy2
V ,
^P"
a2
(xY) (ixxfXy)
n(0,l)
+
nx
ny
(XY) (fXx(iy)
a
T=
nn xx
nn y
(nx-l)Sx2+(ny-l)Sy2
t ny+ny-2
a 2 (n x +n y 2)
(nx-l)Sx2+(ny-l)Sy2
Bu ifadede
= S2
nx+ny2
araya getirilmi tahminidir. S 2 yi denklemde yerine koyarak.
119
eemdersnotlari.com
( x Y ) (fXxFXY)
T=
- -
ax+ny-2
+
P( t
<T < t
) = 1 a dan istenilen ga/2, u x 4-n y 2
a/2, n x -fn y 2
ven aral elde edilir:
P ](x-Y)-t
a/2,n x -)-n y 2
/nx+ny
SJ
nxny
+ t
x +
<(xx-.y
SJ
a/2,nx-f-ny2
<(X-Y)
= l-oc
nxny
Normal D a l m n V a r y a n s i i n Gven A r a l k l a r :
s
(x{-x)2
i=l
^ y}_
cr2
P(X2
<
n1,
2
l (X,-x)2
ct2
<X2
n1, 1
) = 1 a gven ara-
ln tekil ederiz. Daha nceki normal ya da t dalmlar simetrik olduklar iin iaret fark ile dalmn iki ucunda ayn mutlak byklk
t veya z deeri olarak alnyordu. Burada ise iki farkl deer bulmak
zorunludur. Mesel a .05 ise x 2 n-i .025 deeri dalmn sol tarafnda
bu deerin solunda kalan alan .025 yapan; y 2 a - u -975 de bu deerin
sanda kalan alan .025 yapan y2 deerleridir.
Olaslk ifadesinde a 2 'yi yalnz brakmaya akarak ileme devam
edelim.
250
eemdersnotlari.com
P(
<
(XtX)2
<
=, 1 -
i=l
(X,-x)a
P(
< 92 <
X2
n 1, 1
) = 1
X2
n1,
a
2
(J2
932
932
< a2 <
932
X2
< 27,. 01
P(CT2 <
(X,-x)2
i=l
X2n->
veya
) = 1 a
2 (X,x) 2
1i
P( a 2 >
X2n-1'
mz gerekecektir.
eemdersnotlari.com
Normal D a l m K t l e l e r d e O r t a l a m a ve V a r y a n s i i n
Gven B l g e l e r i :
Ne iz, ne de er2 hakknda bir bdgiye sahip deilsek iki boyutlu
dzlem zerinde, snrlar tesadfi olan bir blge, fx ve <r2 nin belli olaslkla iinde bulunaca deerleri verecektir.
Eer gven blgesi iin; fx'ye uyguladmz t ve <r2 iin uyguladmz x 2 dalmlarn olduu gibi kullanmaya kalkar ve,
P(xta/2,n-l
2 (XJX)2
n(n1)
n
2 (Xix) 2
l=i
X2
1
<[X <X+ta/2,n-l
S (XTX)2
I l=i
/
V
n(n1)
2 (Xjx) 2
l=i
.<(j2<
P
X2
P
-,n1
n1,
2
2
S (X,X)2
I ii
S = /
V
n1
) = (1a) ( - P )
i yerine koyarak,
P(Xta/2,n-l
<[X <X+ta/2,D-l
-\/iT
,
-y/n
(n1) S 2
(n1) S 2
-<a2<
X2
n1, 1
) = ( l - ) (1p)
X2
P
n1,
fx)
X2n->
tf2
i}e
t n _
S
eemdersnotlari.com
l=i
ba-
L, =
(n-l)S2
X2
n1, 1
(n1)S 2
2
< <7
< X2n-l.l-|3/2 )
, u =X
(n1)S2
P
n-1,
VS" (x(i)
(Xti)2 ^ z2a/2
^ Za/2
<T2
ekilde taral alan (JJL, cr2) sral ikilisi iin gven blgesini verecektir.
Gven blgeleri ikiden fazla parametre iin sz konusu olduunda
"gven elipsoid" leri sz konusu olur ki bu ok deikenli istatistik teorisi
ve matriks bilgisini gerektirdiinden konumuz dnda kalmaktadr.
253
eemdersnotlari.com
O r a n l a r l a i l g i l i Gven
Aralklar:
SX
>
pp
~ n(0,l)
Bu durumda,
pf
n
pp
P (Za/2 <
< Za/2) S 1 *
^p(lp)
n
Bu ifade ileme tabi tutulursa,
/p(i-p)
(pp) = Za/2 ^
n
np 2 2npp + np 2 (za/2)2 p+(z/2)2 p 2 = 0
(n + z2a/2) p 2 (2np+z 2 a /2) p + n p 2 = 0
2np + z2a/2 V / (2np+z 2 a /2) 2 4np2(n+z2x/2)
P=
2np+(z a /2) 2
2 (n+Z2a/2)
-Fza/2 \/4np(l p)-f-(za/2)2
her iki taraf 2n'e blersek
2(n + z2a/'i)
eemdersnotlari.com
(za/2)2
PH
P=
2n
p(lp)
Za/2
\f
\J
1 +
(za2y-
4n 2
(Za/2)2
n
P
P'P S P za/2\J
> -~
n
yazlabilecektir.
<p<p+z a /2
P)
J ^
n
Bu olaslk ifadesi,
p(i-p)
n
i=. X,
p =
n
48
=
80
.6
eemdersnotlari.com
'p(l-p)
/ (.6) (.4)
/ .24
i /
80
'V
a .05 alnrsa:
= V -003 = .055
80
.6 ( 1 . 9 6 ) ( . 0 5 5 ) = .49
.6 + (1.96) ( . 0 5 5 ) = .71
. 95 gven aral esas alnrsa bu aday kendisini bu seviyede emniyette hissedemez, nk aralk . 50 nin altnda p deerleri de ihtiva
etmektedir. Buna karlk
a = .10 alnrsa
M M
/p(i-p)
/
) = 1 a
veya
p(l-p)
P(p<p + z*
) = 1 a
O r a n l a r F a r k ile l g i l i Gven
Aralklar:
n(p,,
)
n
p2q2
p2
n(p2,
)
n2
p , p
^ n |
- p
,pq
) , (
V n
pzq2 \ ) i
n2 '
256
eemdersnotlari.com
" v
|(p>P2)'z/2
/Pl
'
,
1
P2 q2
n2
- .
/P' *
<pp 2 <(p.p 2 )+z/2 /
\
nt
P2
+
n2
= *
olacaktr. Tek tarafl gven aralklarn da ncekilerde olduu gibi kolaylkla yazmamz mmkndr.
ARALIK EKLNDE TAHMN LE iLGLl PROBLEMLER
1. Ortalama ve varyans bdinmeyen normal dalm bir ktlenin
ortalamas u. hakknda aralk eklinde bir tahmin yaplmak isteniyor.
Bu amala 12 birimlik bir rnek alnarak, rnek ortalamas x = 18 ve
. (X,x) 2 = 144 elde ediliyor.
i1
i) .95 gven katsays de aralk eklinde tahminin bu rnekten
bulunan gven snn deerlerini hesaplaynz.
ii) Ayn rnek hacmi ile, 3 birim boyunda bir gven aral hangi
gven katsays ile mmkn olabilir?
Cevap:
i)
P(X ta/2,n-l J
^
/Z(X x) 2
_ J
L
n(n1)
_ ,
/ S(Xjx) 2
.
<(l < X+t a /2,n-l J J _ j
1 = 1a
^
n(n1)
Bu rnek iin;
alt snr:
18t. 02s , J
st snr:
18t'.,.,,
/ 144
^
1 8
eemdersnotlari.com
= 1.5
t = 1.44
11.5
1.44'e tekabl eden t deeri t dalm tablosundan t 0 9 n olarak
bulunduu iin gven katsays 1 . 1 8 = .82 olur.
Gerekten rnek hacmi deimeksizin daha dar bir gven aral
ancak daha kk bir gven katsays e birlikte dnlebilir.
2. Belli bir sigaradan 12 sigaralk bir tesadfi rnek alnm ve nikotin miktarlar (migram olarak) aadaki gibi bulunmutur:
21.27
16.22
14.32
20.56
18.76
18.85
16.90
22.28
22.99
19.23
19.32
20.01
Bu gzlemler iin;
i2 1 X, = 230.71
ve
i 21
X ( 2 = 4508.66
dr.
n
S Y, = 24.7
10 i=
1
2
(Y,Y)2 = 1 5 . 2
n1 >=1
Bu puro markas iin (xy ve a y 2 deerlerini bmiyoruz. Elimizdeki
Sy2 =
y2
258
eemdersnotlari.com
Cevap:
i)
bilindiine gre,
v
(Xi-u)2
i=l
(X,-JX) 2
i=l
P(
<ax2<
) = .90
X212"05
X 2 U..95
(Xt(Ji)2 ,= i
i=l
i=l.
X ; 2 2(i S
i=l
Xi+n!2
80.26
< X
<
21.03
5.23
yl
9 Sy2
~ X2
a v2
S
(X,20) 2
2
~ X 12
n 2
ki rnek birbirinden bamsz olduu iin,
i=l
( X P - 20) 2
12 a,2
F,
9Sy2/9 t,2
259
eemdersnotlari.com
2 (X, 20)2
=X
P(F.2,9,.025
<
< F , , 7 5 ) = "95
12 S y 2
12 Sy2 '
P(
l2
2 (X,20)2
" i=
(Jy2
F12;,..025 < <
C7X2
12 Sy2
F 1 2 a . 9 7 5 ) = .95
12
2 (X,20)2
i=
Fn'm'l - a
1
ilikisini kullanalm.
F.
^9O
' 12,
,-975Q7r
L 9.12,.025
3 . 07
12
2 (X,20)2
i=
F(
ax2
2 (X,20)2
i=
F9 i2> 0 2 5
12
F 9 , 2 975) -95
Sy2
<7y2
12
Sy2
(12)(15.2)
3.07
80.26
(12)(15.2)
86
;87
56
93
84
93
75
79
B :
80
79
58
91
77
82
74
66
260
eemdersnotlari.com
Tohum verimlerinin normal dalm olduunu ve bilinmeyen varyans1 arnn eitliini farzederek; iki tohumun ortalama verimleri arasndaki
fark iin % 95'lik bir gven aral tekd ediniz ve bu iki rnekten nasl
bir sonuca ulalabdeceini belirtiniz.
Cevap:
Kullanlacak forml,
P((x-Y)-t
,n x -fn y 2
S J+
-
2
+t
a
2
-J-
s j ~ + )
ny
n*
-,n x +n y 2
= 1-
E(X-X)2+S(Y1-Y)2
nx+ny2
2(Xix) 2 = SXj 2
(2 X,) 2
n
x=81.625
(S Y,) 2
2(YY)2
= SY,2
1735
-J-
14
Y =75.875
= V123 93 = 11.13
t.025,14 = 2.145
JJLX [ly fark iin % 95'lik gven arabmn bu iki rnekten elde
edilen alt ve st snr deerleri:
eemdersnotlari.com
<p<.6+(1.96) J
^
40
'
L2
^
.019
40
n =
zo2 p(lp)
E2
.25 zo2
E2
(.25)(1.96)
n =
.97
=
(,05) 2
= 388
olmaldr.
.0025
262
eemdersnotlari.com
388
iin . 10 kacaktr.
10V3.88
.6.05 = .55
263
eemdersnotlari.com
;s:
BLM VIII
HPOTEZLERN
TEST'
Istatistiki tahmin ve hipotez testleri konumuzun en nemli blmlerini tekil etmektedir. Bu blmden sonra greceimiz regresyon analizi de dgdi blmler esas itibariyle istatistiki tahmin ve istidllin uygulama alanlarndan biridir.
Hipotez testleri de dgdi blmn pln iki ksm eklindedir, nce
karar teorisi yaklam e hipotezlerin test'inin genel mant izah eddmeye allacak, daha sonra uygulamada en ok kullanlan, zellikle
normal dalm ktlelerin parametrelerine ilikin testler zerinde ayrntd ekilde durulacaktr.
I. HPOTEZ TEST'NE GENEL BR YAKLAIM
statistiki tahmin blmnde parametre, aksiyon, rnek uzaylarm
tammlamtk. Hipotez testlerinde de aym kavramlardan yararlanacaz,
nce hipotez test'inden ne anladmz belirtelim.
Tarif: Hipotez, parametre uzaynn bir partisyonu (bolnm)
dur. parametre uzay, Ho red hipotezi, H alternatif hipotezi gsterirse,
Ho:
6 ew
w(-
Hi :
)-Q
6 ew
Hipotez Q y ayrk iki blme, (w ve 2w), ayryor. H 0 hipotezinde, bdinmeyen ktle parametresi 0'nn w ksmnda deerler aldn,
alternatif H hipotezinde ise w iinde bulunmadn postle ediyoruz.
Basit X Karmak
Hipotezler:
Herhangi bir hipotezin w ya da fiw iinde tek bir deer iin kurulmas halinde bahis konusu hipotez basit bir hipotezdir. Mesel,
264
eemdersnotlari.com
H 0 : (jl = 2
Ho : [x = [o
H : [x ^ jxo da H 0 basit bir hipotezdir, nk w, parametre
uzaynda tek bir nokta tarafndan temsd eddmektedir. Buna karlk
H, karmak bir hipotezdir, nk fx0 dndaki btn muhtemel (X deerleri bu alt setin elemanlardr.
Daha az rastlanmakla beraber, karmak bir hipotezin basit bir alternatife kar test'i de mmkndr; mesel,
Ho : cr2<4
H : er2 = -4
Nihayet hem H 0 hem de H karmak olabdir. Mesel,
H : (x < [Xo
H : |x g jxo
bu ekdde kurulmutur.
H : [x ^ 2 hipotezini test etmek istiyoruz. Burada dk bakta basit bir hipotez alternatif bir karmak hipotez ile test ediliyor
gibi grnyor. Ht'n karmak olduu ak. H 0 'in basit veya karmak
olmas ise ktle varyans a 2 'nin deerinin bdinmesi veya bilinmemesine
bal, a 2 = (T2O bilindiinde H 0 basit bir hipotez, aksi halde karmak bir
hipotezdir.
2t>
eemdersnotlari.com
>
r
|i = 2 deerine tekabl eden doru zerinde sonsuz a 2 deeri vardr.
Sadece jjl = 2 olduunu bilmek dalmn eklini tayin etmez.
Bu misl basit hipotezlerin bir zelliini anlamamza yardm etti.
Basit hipotezler olaslk veya sklk dahmnn kesin eklini tayin eden
hipotezlerdir, a 2 bilindiinde, X'in dalmnn ekli normal olduundan
[i = 2 dabmn kesin eklini tayin eder. ar2'nin bilinmemesi halinde,
ortalamas 2 olan pek ok dadm olabdeceine gre dalmn kesin ekli
ortaya kmaz.
Dikkat edddi ise, tesadfi deikenin dalmnn eklinin (normal,
binomial, poisson . . . gibi) bdindiini farzettik. Dalmn eklinin bilinmedii ya da bu konuya dikin bir faraziye yaplmad hallerde bu blmdeki hipotez test'i teknikleri uygulanamaz. Bu hallerde bizim kitabmzda kapsam d tutacamz "parametrik olmayan istatistik" yaklam uygulanr.
Test edilecek hipotezlerin kurulmas bal bana nemlidir. Her
bilim dalnn kendi sahasnda salam teknik bdgiyi gerektirir. Hipotezin
rnek alnmadan nce kurulmas gerekir, rnek alndktan sonra mutlaka red ya da kabul edilecek hipotezler kurulabdir. Bunu bir mislle
aklayalm: Belli bir iin ne kadar zamanda yapldn tesbit iin rnek
aldnz, rnek ortalamas 40 sn. kt, rnek standart sapmas da 2 olsun. Camnz belli bir olaslkla reddetmek istediimiz bir hipotez kurmak
isterse (i = 50 der ve red edersiniz. Kabul etmek isterseniz jjl = 42 der
ve kabul edersiniz. Byle bir uygulama gerekli objektiflikten yoksun
olmas nedeni ile tavsiye eddemez.
Neyin red hipotezi olarak konaca da ok nemlidir. Genellikle
rtmek istediimiz hipotezi red hipotezi yaparz. Mesel erkeklerin
266
eemdersnotlari.com
boylarnn kzlarn boylarndan anlaml ekilde farkl olduu dncesinde isek Ho hipotezini arada bir boy fark bulunmad eklinde kurarz.
Red hipotezi; ancak reddi sz konusu olan, reddeddmesi imknn
salayacak rnek verderinin yokluu halinde kabul etmek zorunda olduumuz hipotezdir. Red hipotezini kurarken mutlaka reddeddecek ekde kurmak hi anlaml olmaz. Baz iktisatlar regresyon analizi srasnda katsaydar iin uyguladklar t testlerinde sk sk bu hatay yaparlar.
Buna bir rnek verelim:
C p = f(Y d ) yani zel tketim harcanabilir gelirin bir fonksiyonu
olsun ve fonksiyonel ilikinin eklinin de dorusal olduu kabul edilsin.
C p = {3o -f- (3 Y d denkleminde (1) (3 marjinal tketim eiminin bir
tahminini verir. Marjinal tketim edimi (3 hakknda aadaki gibi bir
hipotez kurarsak hi de anlaml olmaz:
H 0 : (3 = 0
H, : (3 > 0
Marjinal tketim ediminin sfrdan pek anlamk ekdde farkl olaca aktr. H 0 burada mutlaka reddeddecektir. Buna kardk,
Ho : [3 = 3/4
H : (3 > 3/4
eklinde, iinde daha ok iktisat bulunan bir hipotez kurduumuz zaman
Ho'n kabul veya reddi (3'in dadmnn varyansna bal olacaktr.
imdi de t e s t kelimesinin tarifini yapabm:
/
0 ^ 0 ( x , . . .xn) ^ 1
267
eemdersnotlari.com
: 0 ( x , . . . x n ) = 1}
SA={x...xn
: 0 ( X ! . . . x n ) = 0}
Bu set ifadelerinin anlam aktr: SR hipotezin reddine sebep olacak rnek deerlerini S A da H 0 hipotezinin kabul eddecei (ya da reddedilmeyecei) rnek deerlerini kapsar.
Eer 0 ( x . . . x n ) sadece 0 veya 1 deerlerini akyorsa t e s a d f i l e t i r i l m e m i t e s t , aksi halde t e s a d f i l e t i r i l m i t e s t adn alr.
Pratikte genel olarak tesadfdetirilmemi testler kullandr.
Test rnek alnmadan nce bir tesadfi deiken, rnek alndktan
sonra ise Ho'm reddi veya kabuln gsteren 1 veya 0 gibi bir saydr.
Test, istatistiki tahmin blmnde grdmz karar alma kuralna
bir rnek tekd eder.
;
v
zetlersek; kendi bilim dalmzda incelemelerimiz sonucu test etmek
istediimiz hipotezler elde ediyoruz. Yeterli hacimde bir tesadfi rnek
alyoruz. rnekten elde edden sonuca gre Ho' kabul veya reddediyoruz.
Ho'm kabul veya reddi a ve a 2 eklinde ifade edeceimiz iki a k s i y o n ' dur. Her aksiyona dikin olarak zarar kavram zerinde nceki blmde
durmutuk. imdi a ve a 2 aksiyonlarnn zararm inceleyelim.
S rnek deerlerini gstersin.
S = (Xi.. .xj
Eer s eSA ise a! aksiyonunu gsteriyor, yani H 0 ' kabul ediyoruz,
s eS R ise a 2 aksiyonunu gsteriyor, yani H 0 ' reddediyoruz.
Aksiyonlarmz sonucu uramamz mmkn olan zarar aksiyona
ve bilinmeyen ktle parametresine bahdr.
Eer 6 ew ise l(a t , 0) = 0
0 eQ w ise l(a 2 , 0) = 0 olur.
P(s SSA\ 0) A( aksiyonunu; P(s eSR\0) d a a 2 aksiyonunu gsterme
olaslklardr. Zarar fonksiyonunun beklenen deeri Risk iin,
R(d,0) = E[l(a,0)] = l(a,,0) P(s 6SA\0) + l(a 2 ,0) P ( s e S R \ 0 )
yazabdiriz. Bunun ifade ettii ey udur: Belli bir ktle parametresi 0
bir veri olarak rnekten aknan sonulara gre P(s eS A\0) olask ile
a aksiyonunu, P(s eSR\0) olasd ile de a 2 aksiyonunu gsterir ve bu
davranlarmz karl l(a,0) ve l(a 2 ,0) kadar zarar grrz.
eemdersnotlari.com
a (Ho'm kabul)
Tip II
a 2 (Ho'n reddi)
Tip I
Tekrar edelim: Tip I h a t a , kabul edilmesi gereken bir red hipotezinin rnek sonularna dayanlarak reddedilmesi, Tip II h a t a , red
edilmesi gereken bir red hipotezinin kabul edilmesi halinde sz konusu
oluyor.
Bizim iin ideal olan test prosedr, 0'nn btn muhtemel deerleri iin Risk'i asgari yapan bir test (karar fonksiyonu) bulmaktr. Bu
genellikle r^mkn olmaz. Bir test 0'nn baz deerleri, baka bir test de
0'nn baka deerleri iin minimum Risk'i salayabilir. 6'y bilmediimiz iin, hangi testin belli bir problemde minimum Risk'i verebileceini
tayin eden ak seik bir metot bulunmayabilir.
Risk'i hesaplarken dier bir glk de zarar fonksiyonunun bilinmemesidir. Bu durumda, hata olaslklarn minimum yapan testleri
kullanmak en makul yoldur.
I. tip hataya a(9), II. tip hataya (3(0) diyelim.
Uvgulanamz gereken yol, rnek hacmi veri iken, hatalardan herlanui iin irin belli bir olaslk tesbit etmek ve dier tip hatay minimum
269
eemdersnotlari.com
Kuvveti:
H 0 : p 5 .5
H! : p > .5
eemdersnotlari.com
- ,
S r = {18,19,20}
0 ( x 1 / . . x n ) ^ = l 1 eer
I
SA = {O 17}
Test'in kuvveti:
P(p) = a(p)
20
P(p) =
0 "
S
20
i=Sl
Xj
^18
Xjgl7
(p ew)
2 0
(S,) p S 1
(p e Ow)
x=18
eemdersnotlari.com
p
.50
.55
.60
.65
.70
.75
.80
.85
.90
.95
1.00
P(H 0 , n reddi)
.0002
.0009
.0036
.0121
.0355
.0912
.2061
.4049
.6769
.9245
1.0000
eemdersnotlari.com
kinci test'te a(p) biraz artt, fakat .5 f p < 1 aralnda her noktada ikinci test'in kuvveti ok daha fazla.
Bu mislde bir nokta dikkati ekmi olmaldr: test'in kuvvetini
hesaplamak iin (ya da elenik bir ifade ile ikinci tip hatay hesaplamak
iin) alternatif hipotezdeki parametre deerinin belli olmas gereklidir.
Misl 2: n(fx,l) dalml bir ktlenin bdmediimiz ortalamas {i.
hakknda, belli iki deerden birini veya dierini ald eklinde bir hipotezi test etmek istiyoruz. Parametre uzay:
D = {fi: 0,1}
ve
H 0 : fx = 0
Hj : [i = 1
w = {|x : jx = 0}
O w = {[i : jx = 1}
e w) = 0
eemdersnotlari.com
Qw
ja = 0
a H 0 ' kabul
a2
Ho' red
(i. = 1
.50
T i p l i P((i.) = .0454
Tip I
oc(JA) = .50
Test'in kuvveti:
a(u) = .50
(3(u) = .0454
.9546
^ ew
iin
P(;J.)
= a(|x) = .50
= 1 .0454 = .9546 (4)
P ( X 0 ) = p(
(A \
P(z20)- .5000
\<JV n a/V n /
X(A
3
z=
01
=
o/yT
= 2
|z| =2-*.4773
P ( X < 0 1 (A = 1)=.5000.4773
=.02"
4 Bu test ileminin bir kritiini yapnz. Alternatif testler ya da karar kurallar teklif ediniz
ve bunlar iin de a^fi), (3(|A), p((A) y hesaplaynz.
274
eemdersnotlari.com
Bu test'in kullanlabilmesi likelihood fonksiyonunun yazlabdmesini gerektirir. Basit hipotezler, tesadfi deikenin olasbk veya skhk
fonksiyonunun kesin eklini anlamamza imkn veren hipotezler eklinde
de tanmlandna gre, basit hipotezlerin birbirine kar test'indebu
metodu uygulayabiliriz. imdi test'i formel olarak tarif edelim.
Tarif: f(x,0) dalml bir ktleden,
Ho : 8 = 9,
H : 8 = 82 hipotezini test etmek iin n birimlik bir tesadfi
rnek alndnda likelihood oran X,
X=
f(x0,)f(x2,0)...f(xn,0)
f(X I ,0 2 )f(X 2 ,0 2 ),..f(X n ,0 2 )
yazalm.
H0 : n = 1
H : fi. =
Likelihood oran: X =
f(x,l)
f(x,0)
-M*+i)2
v^
1
y/c
- J x*
e
\ (x2+2x+lx2)
\ (2x+1)
= e
= e
e
-x
5 Bu tesadfiletirilmemi bir test'i ifade eder. Eer X k halinde belli bir olaslkla
H'n kabul veya reddi sz konusu olsayd, bu taktirde test tesadfiletirilmi olacakt.
6 Mood, Graybill a.g.e. Sh. 86.
eemdersnotlari.com
k= e
alalm.
X > k - e
>e
. *
e~* > e
Hangi x deerleri bu eitsizlii salayacaktr: Her iki tarafn tabii
logaritmas abnrsa, x > 1; Buradan da x < 1 bulunur.
O halde 1 birimlik bir rnekte x < 1 ise H 0 ' kabul edeceiz, aksi
halde red edeceiz. S a = {x : x < 1}, S a = {x : x > 1}
Misl 2: n([x,l) dalml bir ktlenin ortalamas y. de dgili olarak,
Ho : [X = 2
H : (X = 0 hipotezini test etmek iin n birimlik bir rnek ahnvor.
1
n
i=l
f( Xl ,2)
Likelihood oran X =
-JS(Xi-2)2
V2S
=
1
n f(x[,o)
\ [E X l 24Sx 1 +4nS X i 2]
22x t 2n
= e
= e
2n x2n
= e
2n x2n
Eer e
> k olursa Ho' kabul edeceiz. Her iki tarafn
logaritmasn alarak ve basitletirerek;
2n X > n k + 2n
1
1
X >
n k -f- 1
2n
n k + 1 = c
diyelim.
2n
X> c
ise
X< c
ise
eemdersnotlari.com
a( fi ) = P(I) = P ( x < c V = 2)
P(|x) = P(II) = P ( x > o V = 0)
Eer rnek hacmi ve P(I)'i belirtirsek mesel n = 4, a([i) = .05 ise
standart normal dadm tablosunda ,4500'e tekabl eden z deeri
1.645'tir. (x = 2 ise;
a
c = |A 1.645 = 2
y/n
1.645
= 2 .8225 = 1.1775
(i = 0 ise 2 =
(7)
1.1775
=
277
eemdersnotlari.com
Hem a((x) hem de J3(JA) nn ayn anda kontrol ise ancak rnek hacmini gerekli seviyesine karmakla salanabilir. Mesel, P(I) = .02 ve
P(II) = .01 olmasn isteyelim:
P(I)'in-.02 olmas iin,
2.054
c = [Ao
2.054
=2
olmaldr.
y/n
Vn
2.323
==
olmaldr.
Va
Vn
O halde her iki tip hatay da istenilen seviyelerinde kontrol edecek rnek
hacmi,
2.054
2
2 ==
V'n
2.323
=
4.377
/.4.37
"v
Vn
2.323
Vn
\ 2
= 1.06
V3
Bylelikle, 5 birimlik bir rnek hacmi iki hatay da istenilen seviyede
tutmamz salayacak ve test,
Kabul
H 0 : [A = 2 eer
X > 1.06
ise,
Red
H 0 : (A = 0 eer
X < 1.06
eemdersnotlari.com
i=l
f(x, : 8 . . ,0 k )
tir.
L(Q)
279
eemdersnotlari.com
n(fz,
i) ki tarafl test:
1
H 0 : jz = (Zo
G2 = G02
H : (x
a 2 Go2 biniyor.
[Zo
biniyor.
eklinde ise nce standart normal dabm kullanabmek iin bir dntrme yaparz.
X [Zo
z -
n(0,l)
Gol y/
280
eemdersnotlari.com
Ho : [A
[Ao
A2 = AO2 bdiniyor.
H : [A < fzo
Ho : [A ^ [Ao
a 2 a2 bdiniyor.
H : (A > [Ao
a 2 do2 biliniyor,
veya
2)
bdir.
Her iki halde uygulanacak test ilemlerini sra ile grelim.
X
(Ao
heCTo / Vn
saplanr.
281
eemdersnotlari.com
reddedilir,
H 0 kabul edilir.
ise H 0
ise
reddedilir.
H 0 kabul eddir.
Bu testlerde
ve test'in kuvveti P([i)'y bulamadk, nk bu
deerler ancak alternatif hipotezde tesadfi deikenin dalmnn eklinin tam olarak bilinmesi ile mmkndr.
Mesel; H 0 : fi = fio
s 2 e 0 2 bdiniyor.
H : jx = (i t 2 = cro2 biliniyor, eklinde hipotezler ortaya konmu olsayd, o zaman a ve 'y ve test'in kuvvetini hesaplamamz mmkn olurdu.
Mesel, (io > [At ise;
Burada verden bir rnek hacmine gre a ve (i bulunabilir, ya da a
ve (i nm belli deerlerini salayacak rnek hacmi tesbit edilebilir.
282
eemdersnotlari.com
Ked
Kabul
Hipotez test'inde yaptmz ilemi zetlersek; bir anlamllk seviyesi, dolaysyla bir tab z deerini buluyoruz ve bu deerle cal z deerini
karlatryoruz. Bu yaklam hipotez test'lerie ou zaman sakncal
olabilecek bir rijidlik veriyor. Bunun yerine yine bir cal z deeri bulabiliriz ve bunun hangi seviyede Ho' anlaml olarak red etmemizi salayacam buluruz. Mesel caiz = 1 . 4 0 kt ise Ho' reddetmemiz, tek
tarafl bir test yapyorsak x
.08 seviyesinde, iki tarafl bir test yapyorsak a
.16 seviyesinde kabildir. Dolaysyla srasyla .92 ve .84
seviyelerinde anlamllk salanabilir. Bu yaklam bize a'nm ex ante
ded, ex post olarak tayini imknn verir ve aldmz rnein sonularn daha seyyal ekilde test etmemizi salar. Herhangi bir test yapmak
<70
yerine sadece er =
deerini vermekle yetinmek bile mmkn\J n
dr. steyen bu bilgiyi, herhangi bir hipotezi, herhangi bir anlamllk
seviyesinde test etmede kullanabilir. Regresyon analizi ile ilgili blmlerde, regresyon katsaylar ile ilgili t test'lerinde bu yaklamn ok kullanldn greceiz.
imdi bir ka misl zerinde aklamalarmza devam edelim.
Misl 1: GMA, bir biskvi fabrikasna 50 biskvilik kutular sipari
etmitir. Gelen partiyi kontrol amac de 36 kutuluk bir rnek alnyor.
Mutlaka reddi gereken ktle nitelii kutu iinde 45 biskvi olmasdr.
GMA'nn karar kural yle olsun: 36 birimlik rnekte ortalama 48 veya
283
eemdersnotlari.com
H 0 :-u 50
H, : |x = 45
n = 36
/a = 9
TUU
|cal z |
M.'*
X (0
48 50
oj-y/n
9/6
kabul
= 1.33
! .33 deerine tekabl eden tab z olash .4082 olduuna gre,
P(I) = ((x) = .5000 .4082 = .0918
284
eemdersnotlari.com
Cal z =
X' (i
Vn
Uo\
fV-
k=L{
d(/)-.o2S
i)
a = .025 olduuna gre x = 5 0 1 . 9 6 olmaldr.
Vn
P([i) = . 025 olduuna gre x = 45 -f- 1.96 olmaldr.
Vn
Buradan,
9
9
50 1.96 = 45 -f- 1.96
eitliinin zm bize n ^ 50
Vn
Vn
deerini verecektir. O halde 50 birimlik bir rnek alnacak ve
9
X = 50 1.96
eemdersnotlari.com
halde Ho kabul edilecektir. Bu karar verme kural, her iki tip hatay da
. 025 olarak tahdit etmi olacaktr.
Misl 2f: Bir kablo firmas, ortalama gerdim kuvveti 200 kg. ve
varyans 144 kg. olan kablolar imal etmektedir. Uygulanmas dnlen
yeni bir istihsal prosesinin gerilim kuvvetini arttrp arttrmayaca
aratrlmaktadr.
i) 49 birimlik bir rnekte eski istihsal prosesinin .95 anlamllk
seviyesinde reddi hangi halde mmkn olabdecektir ?
ii) Birinci ktaki karar verme kural uygulandnda, yeni prose
gerilim kuvvetini 205 kg.ma. kard halde eski proseye devam etmeye
karar verme (H 0 ' kabuk etme) olasl ne kadardr?
iii) Bu problem de ilgili ileyen karakteristik ve kuvvet erderini
iziniz.
C e v a p : i) Test edilmek istenen hipotez yeni istihsal prosesinde
ktle ortalamas ile ilgili:
Ho : (i = 200 kg.
a 0 2 = 144 kg.
1.65 =
x = 202.83
12
202.83 205
= 1.266
eemdersnotlari.com
iii) OC ve kuvvet ererini izmek amac ile yeni proseni ortalamas iin muhtelif deerler verelim ve her deere tekabl eden !3(tz) ve
P([i) 1 (3([z) yi hesaplayalm. Aadaki tablo birka farazi deer
iin sonular gstermektedir.
195
200
202
205
210
1.000
.95
.488
.1030
.000
.05
.512
.8970
1.000
Hali:
Ktle varyansnn bilinmedii hallerde istatistiki istidllde t dalmnn kullanldn daha nceki blmde grmtk. Bunun sebebi
287
eemdersnotlari.com
288
eemdersnotlari.com
t dalm statistii ergden bamsz olmas idi. zellikle kk rneklerde normal ve t dahmlar arasnda daha fazla fark olduundan, baz
kitaplarda bu hal "kk rnek yaklam" eklinde ifade eddmitir.
( X j . . .X); f(x)
n(a.er-) dalml bir ktleden alnacak n birimlik
bir tesadfi rnek ve test etmek istediimiz hipotez;
Hn :
== txo
0 <o 2 < co
uo
0 <g2 < co
H[ : n
olsun.
T =
X (Xo
1X0
/Si-i(Xix)2
V
V
n(n-l)
s
w
n1,
i cal T j g tab t
n1,
S
U. t
x/2
y'.r
a/2 - ve
V
eklinde iki deer bulur ve jx,*n deerine bakarz. Eer ^ bu iki deer ara-
,mla ver alyor-. U,*' tabol ederiz, aksi halde H0' reddederiz.
289
eemdersnotlari.com
H : (i
1260 c hipotezi test edilmek isteniyor. Bu amala 4
birindik bir rnek alnyor ve 1269,1271,1263,1265 bulunuyor. % 95
anlamllk seviyesinde test'i yapnz.
Cevap:
X
= 1267, n = 4
cal T =
1267 1260
=
yj40/12
1.862
= 3.83
Ho :
^ Jio
0 < a2 <
H : [j < (lo
0 < o2 < m
Ho : ji g (jto
H : > fx
0 < a2 < =
"
eemdersnotlari.com
iilerin belli bir ii yapma sreleri arasnda anlaml bir fark olup olma-1
d, istihsal prosesine eklenen yeni bir aletin verimldii arttrp arttrmad gibi... ktisattan da bir ka misl verelim: 1923-1938 devresi de
1945-1969 devreleri arasnda byme hzlar arasnda anlaml bir fark
var mdr? 1950-1958 devresi ve 1959-1969 devresi arasnda marjinal
tketim eiliminde anlaml bir dme meydana gelmi midir... gibi.
Hipotez test'lerinde genellikle yapld gibi burada da ktlenin dadmlan hakknda belli faraziyeler yaplr ve iki ktleden, birbirinden
bamsz rnekler alnr. Ktle varyanslanmn bdinip bdinmediine gre
farkl yaklamlar uygulanr.
a) Ktle V a r y a n s l a r n n B i l i n m e s i H a l i :
,
1
\
Elimizde X ve X 2 tesadfi deikenlerinin meydana getirdii iki
normal dalm olsun.
X,
n([A,<7 2 )
n([A 2 ,<X 2 2 )
[x [A2 = 0
|[A- [X2 J > 0
Z=
n([A[A2,
(XX2)
CF22
n,
([i
/ (Tl*
<T22
n2
n2
t^ 2 )
) eklinde dalr.
n(0,l)
291
eemdersnotlari.com
Ho : [i ^ y.2 veya
H : (t! <
veya
[ij (i 2 <; 0
fi (i 2 < 0
Test: cal z < tab z a , ise H 0 reddeddir, aksi halde kabul, edilir.
ii)
H 0 : (X Sa [iz veya
JAI ji.2 0
[x fi2 > 0
Test: cal z > tab z a ' i s e H 0 reddedilir, aksi halde kabul edilir.
b) Ktle V a r y a n s l a r n n B i l i n m e m e s i
Hali:
[ ( X X 2 ) (fJU;JL2) ]
nn.2
\l n -f -n;
T "=
S
(Kii-c,)2^- S
=L
i=l
(X 2I -X2)
n t + n22
292
eemdersnotlari.com
Kurduumuz hipotezlerin ekline gre cal t ve tab t deerlerini karlatrarak iki ve tek tarafl test'leri yapabdiriz.
1) ki tarafl
Ho : (A (i.2 = 0
H : (x, jx2 jiz 0 .
H 0 : (A (x2 :> O
Test: cal T stab t a , n +n 2 -2 ise H 0
H : (X (a2 < O
ii)
Ho
: (A
(A 2
Test: cal T tab ta,11,4-11,-2 ise H0 reddedilir, aksi halde kabul edilir.
(X..X
= '' 2
x
. 05
Ho : |AL > (A
H : a ". [iz
293
eemdersnotlari.com
(X,X2) J
cal T
/
+n2
(.25)(V8)
2(x,ix,)2+i(X2i-X2)2
nl+n22
= 4.23
2r . 5 + 2 . 2
70
V "
tab t. 0 5 , 7 0 = 1.667
4.23 > 1.667 olduu iin Ho' kabul eder ve iki ehirdeki saat
bana cretler arasnda gzlenen .25 TL. lik ortalama cret farknn
% 95 seviyesinde anlaml olduunu belirtiriz.
\
a 2 = cr22 bdiniyor.
H : (i ^ [i 2
a 2 = <r22 bdiniyor.
(X -x
2)
cal T =
S
i=
l
n+n 2
(Xx,) 2 +
i 12
(107-112)J.
y
(X 2 jx 2 ) 2
16.14
16+14
15(10) 2 +13(8) 2
16+142
n + n22
1.5
(11)
Test: |caIT| < tab ta/2,n,+n-2 ise H 0 kabul edilir, aksi halde
reddeddir.
11 S =
/2(X-x,)J
/
V
nt 1
formlnden yararlanarak.
294
eemdersnotlari.com
(XX2) (ji.{JL2)
2
S, + s 2 *
n2
deerini bulmak ve bunu test'in iki veya tek tarafl olmasna gre
tab za/2 veya tab z a de daha nce nasl yaplaca belirtddii ekilde
karlatrmaktr.
3. N o r m a l D a l m n V a r y a n s (a 2 ) i l e i l g i l i T e s t ' l e r :
Bu test de daha nce grdmz test'ler gibi, genelletirilmi
ldelihood oran test'inden kar. Arabk eklinde tahmin blmnde,
a 2 iin;
(X;x) 2
(X,x) 2
i=
X2
n1,1
X2
n1,
2
eklinde gven
H : a 2 =
H : a 2
S
i=l
U=
i=
= 1 0c
se
295
eemdersnotlari.com
n1,
ise
cr02
cal U
"
cal U < tab x 2 n -ti- ise H 0 ' kabul ederiz.
Misl: Manganez'in erime noktasna dikin olarak 4 lme yaplm
ve 1269,1271,1263,1265 bulunmutur. Bu rnek sonularn kullanarak
ve lmelerin dalmnn normalliini farzederek,
Ho : <r2 = 2
H : <J2 ^ 2'yi .95 anlamklk ile test ediniz.
Cevap:
(X,x) 2
40
i=l
cal U =
=20
(To2
a*
P(
<
b
<
(n1)S!
) = 1 a veya P(
(n1)S2 . a : (n1)S2
a = y2
, b = X2
' a l,a/2
a1,1 a/2
296
(n 1)S*
<a2<
) = 1 a bulunur.
br
a
koyarak metindeki test ifadeleri elde edilmi
olur.
'
eemdersnotlari.com
tab x 2
nl,
a = tab x 2
3,.025
2
tab x 2
n1,1
= -216
= tab x 2
= 9.35
,
3,.975
cal U > tab x23-975 olduu iin Ho' reddeder ve llerin dabmmn varyansnm 2'den farkl olduu sonucuna ularz.
4. Normal D a l m ki K t l e n i n
sndaki Farkla ilgili Testler:
Varyanslar
Xl
n({X,<T|2)
X2
Ara-
Ho : (T2 = <i22
H, : (T2 ^ <T22
Bu test iin F dadmn kullanacaz. Birinci ktleden m, ikinci ktleden n 2 hacimli iki bamsz rnek alnm ise;
S
i=l
(X,,X)2/m1
S
i=l
F =
(XX)(n21)
=
S
i=l
(X 2i x 2 ) 2 /n 2 1
F n - l , o,1
5
i=l
(X 21 x 2 )(n,1)
2
1
tab F
a
2
,nl,n 2 1
f
x
,nl,n 2 1
ise H 0 '
,nl,n 2 1
kabul ederiz.
297
eemdersnotlari.com
Ho : eri2
(T22
iin,
Ho : eri2 ^ <r22
H : (T2 < ct22 iin,
cal F tab Fa, n,-l,2-l ise H 0 ' reddederiz, aksi halde kabul ederiz.
Misl: Normal dalm iki ktlenin varyanslannn eit olup olmadn % 10 anlamllk seviyesinde -test etmek amac de n = 10 ve
n2 = 17 hacimlik iki bamsz rnek aknyor ve S 2 = 10.24 ve S 2 2 = 9.0
bulunuyor. Bu rnek deerlerini kullanarak test'i yapnz ve sonucu
belirtiniz.
t
,
Cevap:
_ .
(ml)S 2 /n,1
9(10.24)/9
10.24
cal F =
=
=
= 1.14
(n 2 1) S 2 2 / n r - 1
tab F
a
2
= tab F
,nl,n 2 1
tab F
1
tab F
a
2
x
2
16.9/16
1
= (tab F
)"=
=.335
.05,9,16
.95,16,9
2.98
= tab F
,n 11 ,n21
.95,9,16
^ cal F ^ tab F
,nl,n 2 1
=2.54
a
2
ise Ho'
,nl,n 2 1
kabul ederiz.
Burada . 335 < 1.14 < 2.54 olduuna gre H 0 ' kabul eder ve % 10
birinci tip hata riski ile iki ktlenin varyanslar arasnda anlaml bir fark
bulunmad sonucuna varrz.
298'
eemdersnotlari.com
5. O r a n l a r l a l g i l i T e s t ' l e r :
Oranlarla ilgili test'ler, zellikle endstride, sosyal bdim dallarnda
pek yaygn kullanm olan test'lerdir. Bu test'lerde binomial dalma
byk rneklerde normal dalm de yaklalabdmesi zelliinden yararlandr. Bu ksmda binomial dalmn kullanmn ihtiva eden kk
rnekler zerinde durmayarak, sadece byk rneklerde normal dalmdan yararlanarak oranlarla dgdi iki ve tek tarafl test'lerin nasl
yaplacan gstereceiz.
i) ki tarafl Test:
Test etmek istediimiz hipotez,
Ho : p = p 0
H : p
'
p0
30 veya daha byk hacimde bir rnekte p'nin tahmin edicisi olar
rak p =
S
i=l
Xi
ppo
J-
) olacaktr.
n(0.1)
Po<o!
O halde test cal z ve tab za/2 deerlerini bddiimiz ekdde mukayese etmek suretiyle yaplacaktr. Yani,
Eer
|cal z |
Hn : p > po
H : p "j p 0
cal z
eemdersnotlari.com
2.
Hipotez;
H0 : p < p0
H : p ^ p 0
S X 4 = S bir tesadfi
i=l
n(np, npq) eklinde dal-
Vnpq
Bu duruma gre iki ve tek tarafl test formllerini yazabiliriz:
ki tarafl:
S npo
Ho : S = npo
cal z =
H : S
np 0
Vnpoqo
Test: |calz| < tab z
ise H 0 kabul eddir, aksi halde reddeddir.
a/2
Tek tarafl: i) H 0 : S > np 0
H, : S g np 0
Test: cal z < tab z a ise H 0 reddeddir, aksi halde kabul edilir,
ii) H 0 : S < np 0
H, : S np 0
Test: caiz > tab z a ise Ho reddedilir, aksi halde kabul edilir.
imdi bir ka mislle bu test'lerin yapl tarzn izaha devam edelim.
Misl 1: renci dernei bakanlk seimleri ncesinde. Faklte
rencileri arasnda yaplan bir nabz yoklamasnda 100 rencilik bir
basit tesadfi rnekte 62 renci adaylardan birini desteklediini belirtmitir. Bu aday .95 olaslkla kendisini seimi kazanm addedebilir mi?
Cevap : Hipotezi tek tarafl bir hipotez eklinde kurmamz gerekir.
H 0 : p > .5
H, : p .5
eemdersnotlari.com
pPo
cal z =
.62.5
J^-
J'
.12
(.5)(.5)
V-0025
.12
= 2.4
05
100
6250
cal
H, : S
12
7. =
50
=2.4
<
">)(-5)
V25
.784.750
calz =
/(. 75)(. 25)
H, : p 96 .75
^
p =
627
800
= .784
.0340
=
= 2.208
-0154
800
a/2
301
eemdersnotlari.com
X;
i=
S .
ve
^
p2 =
n2
2
i=
n(
Xj
=
n2
S2
rnek deer-
n2
lerini kullanalm.
i) ki tarafl test:
H 0 : p = p 2 = p
H, : p
p2
p p 2
S2
n2
p<j
q2\\
Pi4i
Pp2242
//
(pP2,
1
)
\N
nn
.
n->
n 2'
cal z =
//S-f-S2\
n2
S+S2\
, 1
1 \
Test:
) 1
) (
N n + n 2 '
\
n + n 2 ' \ n
n2 '
|cal z | < tab za/2 ise Ho kabul edilir.
eemdersnotlari.com
olacaktr.
Test: cal z < tab z a ise H 0 reddedilir, aksi halde H kabul edilir,
2)
H 0 : p, < p 2
H, : p,
Test: cal z> tab z a ise H 0 reddeddir, aksi halde kabul edilir.
Birka mislle aklamalarmza devam edelim:
Misl 1: Dk gelir grubuna giren aile reisleri arasndan seden
100 kiilik bir rnekte 62 kii, parlementoya verilen bir kanun tasarsnn
lehinde, 38 i aleyhinde; yksek gelir grubuna giren ade reisleri arasndan
seilen 100 kiilik rnekte ise 41 kii lehte, 59 kii aleyhte olduunu bddirmitir. Bu rnek verilerinden yararlanarak dk gelir grubunda
tasary destekleme orannn yksek gelir grubundan daha yksek olduu hipotezini .95 anlamllk seviyesinde test ediniz.
Cevap:
Ho : p > p 2
H : p
p2
.62.41
.21
cal z =
/ 62+41
J()d
N
200
62+41
T
) ()
200
100
i 103
97 2~~
J ( ) ()()
v
200
200
100
.21
.21
420
420
-=
=
= = 2.98
19982
V9882 V19882 141
=
I
V
1.000.000
2000
Bu durumda her iki gelir grubu arasnda konuya ilikin olarak .95
seviyesinde anlaml bir dnce farkll mevcut olduu sonucuna varyoruz.
Misl 2: A markal bir makina ile imal edilen 200 paradan 19'u,
B markal makina ile imal edilen 100 paradan 6's hatal kmtr. Bu
duruma gre iki makinann imalt kalitesi bakmndan, .95 seviyede
anlaml ekilde farkl olduu sonucunu karabilir misiniz?
Cevap:
Ho : p = p 2
Il : p
p2
303
eemdersnotlari.com
19
200
100
7 /200
= ~HZZZIZ
16875 3
J
()
v 9000 200
c a l z =
1
1
/ 25 275
*/() () ( + )
v
300 300 200 100
|cal z | < tab za/2
35VB
=1.033
V20625
1.033 < 1 . 9 6 olduundan H 0 ' kabul eder ve bu iki makina arasnda .95 anlamlhkta bir kalite fark bulunmad sonucuna varrz.(14)
7. k Tane Oran A r a s n d a k i F a r k :
Parametreleri p(.. p k olan k tane binomial dalm ktleden birbirinden bamsz olarak n . . ,n k hacimli byk rnekler alnm olsun.
S ; her rnekte rnek toplamn gstersin.
S i a iPi
n(0,l)
V
i=l..,k
niPi(lPi)
.. =
/A
Pk
= p
9= . . . =pk
sonu deiir
miydi?
304
eemdersnotlari.com
cal y 2 = 2
i=l
(SQi"p)2
n iP (lp)
v Test: Eer cal y 2 ^ x2<*> k-1 ise H 0 reddedilir, aksi halde kabul eddir.
Burada serbestlik derecelerinden birini kaybetmemizin nedeni p
yerine tahminini (p) kullanm olmamzdr.
n tane bamsz byk rnek iin, incelediimiz problemi aadaki
ekilde de formle edebdiriz:
rnekler:
baanb
s,
S2
Sk
nS
n2S2
n k S k
n2
nk
..
de gsterebiliriz.
H 0 : p = p 2 = . . . = Pk = P hipotezi altnda
o k l u k l a r ' n hesaplayalm.
Birinci sra iin ,
kinci sra iin
p verine
p =
ijp
gz
j = 1. . .k
' n^lp)
S1+S2+...
sk
n-fn2+...
nk
Beklenen gz okluklar
beklenen
j = l...k
y kullanalm
e^ = n. p
e2j =
Qj(l
p)
(fjie u) 2
eu
Bu cal y2 deerini x2(2_) ( k _) de karlatracaz. Bu da y\.. olacana gre bir nceki sonuca aynen ulaacamz aktr.(15)
2
cal x 2 : 2
i1
aklayacaz.
305
eemdersnotlari.com
avn meslek
farkl meslek
Toplam:
retmen
28
152
180
Avukat
19
81
100
108
522
630
108
n+ . .. +n4
630
Beklenen gz okluklar
108
e,, = 200 = 34.3
630
e 1 2 = 150
e 1 3 = 180
108
630
108
630
e 1 4 = 100
cal
108
630
e 2 1 = 165.7
34.3
25.7
30.9
17.1 108
= 25.7
e 2 2 = 124.3
165 7
124.3
149.1
82.9522
= 30.9
e 2 3 = 149.1
200
150
180
100 |630
17.1
108.0
e24 =
82.9
522.0
(.3)2
(1.3)2
(2.9)2
(1.9)2
(.3)2
(1.3)2
(2.9)2
(1.9)2
34.3
25.7
30.9
17.1
165.7
124.3
149.1
82.9
= .666
eemdersnotlari.com
Tablolar:
B2 . . . . B k
f.
f2,
fa . . f l k
f 2 2 . . f 2 k
f.
f2.
-O
frl
fr2
fr-
Toplam
f.
f-2 . . f. k
- A,
A2
Toplam
Snflandrma kriterleri iin okuyucu pek ok misli akbna getirebilmelidir: Gelir gruplar ve kredi de alveri hakkndaki dnceler,
eitim seviyesi ve evlilikte eler arasnda uyuma derecesi, eitim ve
gelir, uyku ilc alma ve uyuma... Genellikle bu snflandrma kriterlerinin birbirinden bamsz olup olmad aratnbr. Mesel, uyku ilc
alma uyumaya yardm ediyor mu, eitim seviyesi ve gelir arasnda balant var m?... gibi sorular cevaplandrmak iin contingency tablolarm
kullanyoruz.
f u lere gzlenen okluklar diyoruz, f hacminde bir rnek A ve B
snflandrma kriterlerine gre gruplandnlarak matriks eklinde bir tablo
tekil ediyorlar.
Sada ve altta yer alan toplamlar marjinal toplamlar,
R
2 f ( J = f,.
j=t
sra toplamlar,
16 Contmgency'ain lgat manas, bitime, temas, rasgele olan ey, ihtimal, tesadf ekillerimle veriliyor.
307
eemdersnotlari.com
2 fjj = f.j
i=r
stun toplamlar
i = 1,. . .r
H : P u ^ (P,.) (P.j)
j=l,...k
(17)
fi= __
f
(f i -)(f- J )
e 4 j = (P(-) (P-j) f =
olacaktr. Bu formle gre e,, 1er hesapf
landktan sonra,
k ( f j e u) 2
cal -f} = 2
2
hesaplanacak ve bu deer
i=t j - l
eu
X 2 a,( t _t) fk_) de mukayese edilecektir.
Test: cal y 2
kabul edilecektir.
r _)
Burada serbestlik derecesinin (rl) (k1) olmasn yle izah edebiliriz: sra ve stunlarda, gzlerden birinde bulunacak birim says,
ayn sra ve stundaki dier gzlerdeki eleman saylar bdindiinde otomatik olarak bulunacandan (nk sra ve stun toplamlar veridir);
(r1) sra ve (k1) stun iin serbestlik sz konusudur.(18)
17 Tesadfi deikenlerde bamszlk halinde birleik olasln, marjinal olasdklar arpmna eit olacan grmtk. H hipotezinde bu eitlii ifade etmi oluyoruz.
18 Serbestlik derecesinin bir baka izah tarz iin bk. Freund a.g.e. Sh. 284.
308
eemdersnotlari.com
EVLLKTE
ok dk
Dk
Eitim
Seviyesi
Yksek Okul
Orta retim
ilk Okul
Toplam
18 (27)
17 (13)
11 ( 6)
46
UYUMA
Yksek
29 (39)
28 (19)
10 ( 9)
67
70 (64)
30 (32)
11 (14)
111
ok
yksek
"115 (102)
41 (51)
20 (23)
176
Toplam
232
116
52
400
(f-> (f.)
f
(232) (46)
M
400
27
Tablodaki gzlenen ve beklenen okluklar kullanarak hesapladmz cal y2 deeri 20.7 dir.
tab x2.os,(j-i) U_) = tab -.05,6 = 12.59
cal y} > tab yz.05,6 olduundan eitim seviyesi ve evldikte uyuma
arasnda bir balant bulunmad hipotezini .95 anlamllkta reddediyoruz. Tablonun tetkiki yksek okul mezunlarnn evlilie daha iyi uyabildiim ortaya koyuyor.
Bu konuda son olarak K. Pearson'un contingency katsays zerinde
duralm.
n
(.ontigency katsays,
C= ./
(20)
(Ar/}
I 20.7
Misalimizde C = . /
= .22
^ 420.7
19 Misli P.G. HoeL, Elemetary Statistics Sh. 241'den alyoruz.
'/ '
\ \
'
2) Tschpruff'u ait eontiniienev kat-avs ise T =
_ _ _ _ _
Millimizde l>u deer .148 >iir.
'
\ f v (rl) (k i)/
eklindedir.
'
eemdersnotlari.com
9. U y m a i y i l i i ( B a a r s ) T e s t ' i :
Uyma iyilii test'i, gzlenen bir veri setinin, belli ekilde dalm
bir tesadfi deikene ait deerler saylp saylmayacan kararlatrmada kullanbr.
x . . . x n , olasbk ya da sklk fonksiyonu bdinmeyen bir tesadfi
deikenin gzlenen deerleri olsun. Test etmek istediimiz hipotez:
H 0 : f(x) = f 0 (x)
H, : f(x) ^ fo(x)
Burada eer f 0 (x) btn parametreleri de belirleniyorsa hipotez
basit bir hipotezdir. Dadmn sadece eklinin belirtdmesi fakat parametrelere saysal deerler atfedilmemesi halinde ise karmak hipotezler
sz konusudur.
imdi uyma baars test'inin nasl yapdacan mislle aklavahm.(21)
Stanford-Binet zek testinin 2970 ocuk zerindeki sonular, zek
dalmnn normal olduu sonucuna bizi gtrebdir mi? Bu soruyu
cevaplandrmak iin vapdan ilemlerin sonular aadaki tabloda gsterdmitir:
Stanford-Biet zek testi sonularnn normal eriye uyma baars
Zek
Derecesi
160
150
X-(x
l)
xf
140
55
130
120
120
330
110
610
toO.
719
2.645
2.057
1.468
.879
.291
.298
, 90
592
80
338
70
130
60
48
50
40
30
.886
4} 12
1.475
2.064
2.652
Normal
Erideki
alan
.0041
12
1.33
.0158
47
1.36
.0512
152
6.74
.1186
352
1.38
.1958
582
1.35
.2316
688
1.40
.1950
579
.29
.1177
350
.41
.0506
150
2.67
.0155
16
.09
.0040
12
.00
.9999
2970
= 17.02
N = 2970
21 Misl, Quinn Mc Nernar. Psychological Statistics III. Ed. Wiley 1962 Sh. 232 den alnmtr.
310
eemdersnotlari.com
a
= 2
p=i
(f-e)2
forml uygulanarak x 2 = 17.02 bulunuyor.
e
Bulduumuz hesaplanm y 2 deerini; snf says-kullandan parametre says (N,[i.,a2) serbestlik dereceli bir y2 deeri de mukayese etmemiz gerekiyor. Burada 11 tane snf var. N,(JL ve a 2 dolaysyla 3 serbestlik derecesi kaybediyoruz. O halde y 2 .05,8 deerine bakmamz gerekh.
tab X.2-05*8 15.507
cal x 2 > tab y 2 olduundan verderde mahade edden normal eriden uzaklama marjnn .95 anlamllk de ansa balanamayaca,
baka deyile normal erinin test sonularna uygun dmedii sonucuna
varyoruz.(22)
HPOTEZ TEST'LER LE LGL PROBLEMLER
1.
X n(ix,l)
Ho : u. = 6
H : [I. = 7
311
eemdersnotlari.com
fonksiyon
d,
d2
d,
d*
d5
X
X
X
X
X
a 2 fonksiyonu
eer
< 6.0
< 6.5
< 7.0
< 7.5
> 6.5
X
X
X
X
X
^ 6.0
^ 6.5
7.0
^ 7.5
^ 6.5
g) Bu karar fonksiyonlar (strateji) lerden bazlar, dierleri tarafndan stn kdyor mu?
t
Cevap:
d)
b)
c)
Q = {6,7}
0 (x,x 2 ,x 3 )
{6}
w = {7}
3
1 eer
2
i=l
eer
S
i=l
Xi > 20 ise
xi = 20 ise
0 eer
E X| < 20
eemdersnotlari.com
ise
eer
x<7
"
x ^ 7
= 1
X n(fi,
karsa
"
n(u.,
X ^
z =
= 2(x6)
n(0,l)
<jX
rs-
- = 2(x-7)n (0.1)
karsa
Ho : (i = 6 yi kabul etmek.
a2 : x ^ 7
karsa
Ho : (i = 6 y reddetmek.
[L 6
u.
= 7
a.
.9773
.5000
a2
.0227
.5000
1.0000
1.0000
Misk
Hata Olasl
dt
d2
d3
<h
.1
P(I)
P(II)
( X = <>
11
.5000
.3085
.1587
.0668
6915
.1587
.3085
.5000
.6915
.6915
1
.6170
.3174
.1336
1.3830
.1587
. 3085
. 5000
6915
.><>15
eemdersnotlari.com
11
1"
. 6f/j-
5"a o
d.
O
O
X n(jx,l)
Ho : [ i < 0
H, : [i^O
Zarar fonksiyonu: l(a; |a<0) = 0, l(ai; [x^0) = [a2, l(a 2 ; [a<0) = ja2
l(a2;jx^0) = 0
d : X < 2 karsa a aksiyonu (Ho'n kabul); X 2: 2 karsa a 2 aksi
yonu (Ho'n reddi).
d 2 : X < 3 karsa a aksiyonu; X ^ 3 karsa a 2 aksiyonu.
Bu iki karar verme kuralnn her biri iin risk'i hesaplaynz ve
risk'leri u'nn fonksiyonu olarak grafikte gsteriniz.
3 . Bir torbada 6 kp var. Bunlardan 6 tanesi beyaz, dierleri siyah
boyal. H0 : 8 = 3 hipotezini, H : 0 ^ 3'e kar test etmek iin, yerine
koymadan 2 kp ekiliyor ve her iki kp ayn renkte karsa Ho reddediliyor, aksi halde Ho kabul ediliyor.
a) Bu test kriterine gre birinci tip hata olasl ne kadardr?
31 t
eemdersnotlari.com
Kablo imalinde 2 farkl metod uygulanabiliyor. Yletodlarn orkopma kuvveti zerindeki tesirlerinin farkl olup olmadn
istiyoruz. Laboratuar testleri sonular aadadr: (cr2'lerin eit
biliniyor)
X, = 8.17, . x z 11.29, S 2 = 5.29, n, = O, 2 = 7
Hipotezleri kurunuz ve test'i yapnz.
315
eemdersnotlari.com
64
62
56
67
70
68
75
72
!Sonra
61
57
57
65
66
65
67
-71
2
49
3 . 4
56
45
5
66
316
eemdersnotlari.com
6
41
15 x 2 =
k
(S,n;p)2
2
=1
-
x2 =
v e
niP(l-P)
2
2
i=l
2
i=l
(f,je u )2
e..
G,j
Normal
Renk Kr
Erkek
Kadn
442
514
38
P 2 f- pq
2
q2
dk
43
24
15
orta
31
46
37
yksek
12
20
49
317
eemdersnotlari.com
tablosundaki
( a + b + c + d ) (adbe)*
(a+b)(c+d)(b+d)(a+c)
rakamlar
olduunu ispatlaynz.
:;renc says
1.60-1.65
1.66-1.70
1.71-1.75
1.76-1.80
1.81-1.85
,5
18
42
27
8
100
Bu veriye bir normal eri uydurunuz. /} kriterinden yararlanarak verilerin normal dalma ne derece uyduunu tayin ediniz.
20. Aadaki tabloda gzlenen ve normal dalm faraziyesine gre
okluklar verilmitir:
12
14
43
36
61
71
105
102
103
109
89
85
54
50
19
21
7
7
2
2
318
eemdersnotlari.com
BLM IX
BAST
REGRESYON
GR
nceki iki blmde istatistik analizinin en nemli iki konusu, istatistiki tahmin ve istidll zerinde durduk. Kitabn son iki blm,
ilgdi blmlerde genel prensipleri verilmeye allan analizlerin, deikenler arasndaki ilikderin belirlenmesi amac de kullanmna ayrlacak.
Deikenler arasndaki ilikderin analizinde, zellikle ekonometri'de en
ok kullanlan yaklam olarak regresyon analizini iki ana blmde
inceleyeceiz: Blm IX. basit regresyon yani tek aklayc deikeni
ihtiva eden regresvon analizini, Blm X ise oklu regresyon analizini
kapsayacak.
ktisadi deikenler arasndaki dikilerin incelenmesi, iktisat biliminin temel uralarndan biridir. Davranlar (bu davranlar bir
ferdin, bir firmann, bir bankann, mali otoritenin, btn tketicderin,
btn firmalarn... davranlar olabilir) fonksiyonel ikder eklinde
incelemek ve "ne neye bahdr" sorusunu cevaplandrmaya almak,
iktisat alan bir kimsenin temel grevidir.(1) ktisat kafasnda test
edilebilir hipotezler eklinde fonksiyonel iliki modelleri gelitirir. Mesel
belli bir mala kar talebin: o maln fiyatnn, tketici gelirinin ve ilgili
(rakip ya da tamamlayc) mallarn fiyatnn bir fonksiyonu olduunu
dnr. Ya da mesel t devresindeki veni sipariler, snai istihsal indeksi,
reel net krlar, uzun vade faiz haddi ve nceki devreler sipari seviyeleri
de dikilendirdir.
Bu safhada, yani test edilebilir hipotezleri formle ederken uralan bilim dal (bizim iin iktisat) de dgdi bilgi ve olgunluk birinci dere1 "e neyin fonksiyonudur" sorusuna ekonometrik modellerde aM cevap arand ile
ikili olarak t' Korum a.tt.e. Biilm 2 ve eklerine baklabilir.
eemdersnotlari.com
eklindedir.
Burada dikinin ekli ile dgdi nemli bir problem ortaya kar.
likileri babca iki ksma ayrabiliriz:
i) Determinist ilikiler. Bu tip ilikilerde aklayc deikenler
set'inin baml deikendeki deimenin tamamn izah edebilecei
dnlr. Buna fonksiyonel iliki de diyebdiriz. Matematikte genellikle
determinist ilikiler zerinde ahrz.
ii) Stokastik dikder. Bu tip ilikide eitli nedenlerle(2) aklayc
deikenin baml deikenin deimesinin tamamn izah edemiyecei
ve bir hata teriminin fonksiyonel ilikide yer almas gerektii kabul edilir.
Y = f(X...Xk)6)
Fonksiyonel form'da zerinde durulmas gerekli bir problemdir.
Bu fonksiyonel form eitli ekillerde belirebdir. Biz bu ve sonraki blmde dorusal ilikiler zerinde duracaz. lk bakta byk bir kaytllk olarak grlen bu konu, gerekli dntrmeleri yaparak pek ok
ilikinin dorusal hale getirilebilecei grldnde ksmen de olsa
nemini kaybedecektir.
2 Ekonometrinin mevcut olu sebebinin bu E terimi olduunu iddia etmek mbalaa saylmamaldr. Deikenler arasndaki ilikinin determinist deil, stokastik ekilde tanmlanmasnn
hakl gsterici sebepleri unlardr:
i) Terimlerin hi bir zaman, her unsuru dikkate alan ve her eyi izah eden eksiksiz ilikilerden
ibaret olmamal,
ii) Tanmlanan ilikilerin fmk-ivoel ekli ile ilgili vanlrnalar. Mesel hiporbolik bir ilikiyi
dorusal kabul efrek gibi.
iii) Deikenlerde lenen daima mevcut olau lme hatalar. liki fonksiyonel bile olsa lme,
hatalar ebebi ile fonksiyonu ifade eden eri etrafnda bir serpilme meydaua gelir. (Serpme
diyagramnda greceimiz gibi)..
Mesel fonksiyonel iliki z = a + (3X olsun, z'yi hatasz olarak lmek imkn yoksa ve ancak
Y = z + v eklinde gzlenen hatal bir terimi lebiliyorsak; Y = | v = | (3X + v olacaktr.
iv) statistik verilerde mevcut olan agregasyonlar. Bu konu ile ilgili olarak bk. U. Korum
a.g.e Sh. 6.
320
eemdersnotlari.com
olsun.
321
eemdersnotlari.com
es
i) Y = a +
1
X
j- e
iv) Y = x + % X + |32 X 2 + e
imdi gerekli dntrmeleri yapalm:
i) n Y = n a + X + 6
n Y = Y \ lna = a*
olsun.
eemdersnotlari.com
den
Y 2 e 2 = a + (3 X 2
|3 =
(Y, e,)(Y 2 e 2 )
X,X 2
deerini
bulabilirdik.
Oysa gerekte e'larn deerlerini bdmiyoruz. Byle bir durum baka
tahmin metotlarn zorunlu klyor. te imdi zerinde duracamz
En Kk K a r e l e r Metodu bu ihtiyac karlyor.
En kk kareler metodu yoluyla a ve (3'mn tahmin edicderi a ve
(3'in (Y = a -f- (3 X) kanhn grmeden nce basit dorusal regresyon
modelinin stokastik tanmn formel olarak yapmamz gereklidir. Burada
stokastik tanm'dan anlalmas gereken ey modelde sz konusu tesadfi deikenlerin dadmlar ile ilgili faraziyeler ve Y, X ve e'un birbirlerine kar durumlarnn incelenmesidir.
B a s i t Dorusal R e g r e s y o n Modelinin S t o k a s t i k T a n m :
Y t a -f- (3X, + Sj
l a ) Xj
i = 1 . . .n
denkleminde,
ei\X,)
eemdersnotlari.com
i-apX,\X,]2
= E [ e,\X;]J
= 4
zet olarak;
(0,4)
Y^(ac+3X,<rJ)
Cov(Yi, Y.) = 0
i^j
SX
i=l
x=
SY,
Y \=
eemdersnotlari.com
e;
<
dir.
e? i=l
= S (Y Y.) = (Yl-$Xty
i=l
;
S'i min. yapmak iin S'in x ve [3'e gre ksmi trev denklemlerini
elde etmek bunlar O'a eitlemek ve denklem sistemi eklinde e anl
eemdersnotlari.com
as
imdi,
as
= 0 ve
SOL
AP
olarak zelim.
1)
SS
= 2
(YjOLpXj) = 0
= 2
2 X,(Y 1 *pX t ) == 0
SOL
2}
2 X,Y, = a S X , + p 2 Xi
i=l
=l
i=l
Bu denklem sisteminde bilinmeyenler a ve p, rnek deerlerinden bulunan
deerler ise,
S Y 2 X 2 X,Y,
1=1
i=l
i=l
ve
2 Xi 2
i=l
dir. (8)
326
eemdersnotlari.com
Y = a -(- (3x bulunur. Bu regresyon dorusunun X ve Y lerin ortalamalarnn koordinatlarn tekil ettii (x, Y) noktasndan mutiaka
geeceini gsterir ve regresyon dorusunun grafikle iziminde kullanacamz bir nokta olur (ikinci nokta a yani Y eksenini kesim noktas
olabdir) Buradan a bulunur.
r%
v . vi i
v V
---i
[ i=l
,= 1
1
S X,
i=l
S Y,
il
X i
i=l
+ p s
p ( i X4)2
=1
xt;
i=l
+ p s X,!
(X X) (YY)
n EXMSX)2
S(XX) 2
X t x = x,
Y[ Y = yj
cinsinden)
y,
sapmalar
elde eddir.
i=
Bylelikle a ve (3'in LS tahmin edicilerinin formllerini elde etmi
etmi olduk. imdi realist bir misl zerinde x ve (3'in nasd hesaplana327
eemdersnotlari.com
cam grelim. Hesaplama tarzmz oklu regresyon ile ilgili hesaplamalara otomatik geii salayacak tarzda olacak. Bu sebepten ilk bakta
gereksiz gibi grnecek bir dzen iinde hesaplafaay gstereceiz.
Elektronik hesaplamann yaylmas ile masa hesap makinalar ile hesaplamaya ilikin "format"ler nemlerini kaybetmi bile olsa, bu hesaplamalarn ihtiva ettii ilemlerin gene de btn akl ile bilinmesi gerekir. Bu, gerektiinde hesaplamalar elle yapma imkn yannda, elektronik hesaplamada programn yaplmas ve gerekli deiikliklerin eklenmesi
bakmndan da zorunludur.
Misl: Bilindii gibi ekonomide masraf enflasyonu basitletirilmi
ekli de yle olur:
a) Ekonominin bir k sektrnde mteebbisler ve irketler fiyatlar, ortalama masrdflara belli bir yzde ekleyerek tesbit ederler. Ortalama masraf ykselirse fiyatlara akseder.
b) Ortalama masrafn en nemli unsurlarndan biri istihsal birimi
bana denen crettir.
c) Para bana den cret, igcnn ortalama verimi ve ortalama crete baldr.
d) Ortalama cret aaya doru hareketlere kari direnlidir. Yukarya doru hareketi ise byk lde iverenin direnme ve iilerin
srarna, yani nisbi pazarlk durumlarna babdr.
e) Taraflarn nisbi pazarbk durumlar ekonomideki isizlik oranndan etkilenir. sizlik oran de cret deiimi arasnda bir balant
kurulabdir. Bu ilikiyi dorusal olarak ifade edelim.
Awt
100
Ut
= a + P(
w,_,
) +
e,
Lt
328
eemdersnotlari.com
(X)
U/L
3.9
3.8
5.9
5.3
3.3
3.1
2.9
5.6
4.4
4.2
4.3
6.8
5.5
5.6
6.7
100(
w
1.22
1.33
1.38
1.44
1.56
1.65
1.74
1.78
1.86
1.95
2.05
2.11
2.19
2.26
2:32
w t _
9.0
3.8
4.3
8.3
5.8
5.5
2.3
~~ 4 . 5
4.8
5.1
2.9
3.8
3.2
2.7
X+Y=K
12.8
9.7
9.6
11.6
8.9
8.4
7.9
8.9
9.0
9.4
9.7
9.3
8.8
9.4
67.4
66.0
133.4
stenenler: bir serpme diyagramnda bu noktalar gsteriniz, regresyon
dorusunu hesaplaynz ve ayn diyagram zerinde iziniz.
Tablodaki son stun bir kontrol toplamdr. Bu toplam hesaplama
ileminin doruluunu kontrol etmede kullanacaz, zellikle veri problemi fazla olan lkelerde, hele elektronik hesaplama imkn varsa iin
en nemli safhas verilerin istihsali safhasdr. Deikenlerin uygun
ekde tarif edilmeleri, bu tariflere en uygun llerin bulunmas aratrcnn zamannn byk ksmn alr. Ayrca verderi hesaplamalarn
yapdaca kda doru kopya etmeye de dikkat eddmelidir. Aksi halde
gerek ilikileri temsil etmeyen sonulara ulabr. zellikle birinci farklar
arasnda regresyonlarda bu hususlara dikkat edilmelidir.
Verilerin hesaplamalara uygun boyutlarda tanzimi de zorunludur.
Genellikle tam say hanesi 2,3 kesir hanesi de 2 veya 3' amamaldr.
Rakamn btnn azami 5,6 hane olacak ekilde ayarlamaldr. Aksi
halde hele oklu regresyonda hesaplama imknsz hale gelebdir.
Verileri hesaplama kdna geirdikten sonra ZK = EX + SY
olup olmadna baklr. Byle ise bu safhada hi hata yaplmam demektir. (y/) iareti ile bu kontroln yapld belirtilir.
329
fi
eemdersnotlari.com
-%M
X = 4.814
Y = 4.714
K = 9.528
a ve (3'i hesaplamak iin her safhasnda kontrola imkn veren ve
oklu regresyona otomatik geii salayan aadaki hesaplama tarzn
uygulayacaz:
n c e " b a l a n g n o k t a s e t r a f n d a k i momentleri"bulunuz.
X
X
Y
K
Y
SXY
EY 2
K
SXK
SYK
EK2
X
Y
K
X
345.84
292.20
361.68
K
638.04
633.88
1291.78^
eemdersnotlari.com
ZXK = 2X2 + S X Y
SYK = S X Y + ZY 2 olmaldr. Eer hem EXK hem de EYK
yanl ise hata XY de demektir. Sadece biri tutmuyorsa bu taktirde
ona tekabl eden diyagonal elemann (yerine gre S X 2 veya ZY 2 ) hatab
olduu ortaya kar.
Bundan sonra sra " o r t a l a m a
gelmitir.
etrafndaki
momentler"e
= I X (SY) 2
Sy2
EY 2
x
y
k
x
Sx2
y
Exy
Sy2
k
2xk
Syk
S k 2 -'
(SX) (SY)
Zxy = SXY
n
Sk 2 = 2K 2
(SK) 2
n
Misalimizde,
x
21.36
x
y
k
y
25.61
50.54
20.68 A/
Sxy
2x2
a= Y
25.61
21.36
= 1.198
eemdersnotlari.com
dmeye sebep tekil edecektir, a ve (3 'in baml deikenin l birimleri cinsinden yorumlandna dikkat eddmelidir.
K
9=2
i=
c, Y,
A
9 BLU ingilizce best, linear, unbiased (en iyi, dorusal, sapmasz) kelimelerinin ba harfleridir.
332
eemdersnotlari.com
a
( X t - x) (Y t y)
P =
2(X1-x)2
x) Y 1 - S ( X 1 - X)Y
S(X,-x)2
;{X, x) YjvS(Xix)
Oysa, 2(Xix) = 0
dr.
.
S(X1-x)Yl
|3 _
_
" 2(X,-x)2
X,x
Y
S(Xi-x)2
X,-x
=
diyelim.
-(Xs x)2
P = 2
=1
w, Y,
Ewi =
S(X,-x)*
= 0
S(X x) 2
Swi 2
[2(X, x ) 2 ] 2
S(X,-x)2
(Xi-x)Xi
SwjX f = S
Z(X,-x) 2
(SX)2
n
2(X, x)2
vWjXi
S(X, x) 2
= 1
S(X l -x) 2
a'in dorusall:
SY
n
SX
1
3 = S Y x
n
=S(
eemdersnotlari.com
1
n
Y,w, xY,)
1
= (
x w , ) Y,
n
Vj =
X w-,
olsun.
a = VjYj
Svj = 1 xSwj = 1
.
xt
2v,X t = S (
xwjX|) = x x(Sw,Xj) - x x = 0
n
Bylelikle GM teoreminin dorusalln ispatlam olduk,
ii) Sapmaszlk:
(3 iin:
p = -W.Yj
Y, = * + 3X ( 4- Si
= S w i ( a + p X i + j) = aZw,-f-(3XwiXi -f
6j
p = (3 +
6 i = (3 + Sf,(x) e,
E(p) = E(f3) + E(If i (x) e,)
= (3 + SEf 1 (x) e,
Bu ifadede son terim (la) ve (lb) tanm artlarnn ikisi iin de sfrdr.(lO)
E(|) = 3
x iin:
SY
EX
M
n
E()
1
= _ S E ( Y , ) XE(P)
n
1
= S(x+(3X,) x(3 =
n
= a
1
n
(n+[3ZX,)x|3=a+[3 x-[3x
10 Eer X'ler kontrol edilebilen deikenler ise beklenen deerleri kendilerine eit olacak
ve f i (x)SE(e i ) yazlacak. E(Sj) = 0 olduundan terim sfr olacak. X ( 'ler tesadfi deiken,
fakat e'dan bamsz ise, S E(f(x)ej] = SE [f(x)) E(e ( ) = 0 salanacaktr.
331
eemdersnotlari.com
Z(X, x)2
Ex 2
2
Formlde grld gibi, ag g ile birlikte byyor. X'in varyans bydke |3'in varyans klyor.
Var(0*) = E[0*p]2
(0*p)2= [ 2 K + 8 , ) e i ] 2 = s ( W i + s t ) 2 ? +2 S ( w i + S i ) ( w J + S J ) e, e,
E(0*p)2 = E[I(w i +8 i )2 e,2] nk stokastik
i
tanm
gerei
2w,8, = 28,
Var(0*) =
rrQ4 =
2 K + 8 , ) 2 = a ] 2 ^ 2 + ^ + 2 w,8,)
er2 Zw,2
(X, x)
2(X,x)2
G\ 2 W J 2 +
G\
CT2
28.2
4-
2 a ] 2w,8,
28,X,
2(X, x) 2
x28,
2(X, x) 2
= 0
2S, 2
a\
28,2 ^ 0 dr.
eemdersnotlari.com
Zorundadr. a a
a?
hali ancak
= 0 dolavsvla 8, = 0 halinde
ti*
p
mmkndr. Bu taktirde ise.
0* = E(w,+0) Yj = S ^ Y , = p olacaktr.
yle ise p, P'mn dorusal sapmasz tahmin edicileri set'i iinde varyans minimum olan y e g n e tahmin edicidir.
Benzer bir ispat da a iin yapabiliriz.(ll)
Bylelikle GM teoreminin ispat tamamlanm olur.
GM teoremi iin e'larn dabmnn ekli ile dgdi herhangi bir faraziye yapdmadna tekrar dikkati ekelim, e'larn dalm normal
olursa, bu taktirde a ve p dorusal olsun olmasn btn sapmasz talimin
edicder iinde minimum varyansl olandr.
P'in varyansm grmtk a'in varyans ve cov(a, P)i de grelim.
ac =
SVJYJ
= S v i ( + p X i + e,) = a S v . + p S v ^ + S v , e,
= a + S v et
g^ == E(xY = E(Svi 6j) 2 = E(Svi 2 e ( 2 + S apraz terimler)
4 X 2
nEX 2 (SX) 2
cov(,p) = E [ ( a - a ) ( p - p ) ]
aa = Svj Gj
p - p = Sw, e,
cov(,p)= E[(Sv, e,)(w, e,)]
l
^ t = I (
xw,) e, = i
e,
n
cov(a,p) = E ["eEw|
e;)2
e S w l e , = e(w, ,+ . . . + w n e n )
=
eS e,+ . . . 4
Wn
e n z e(
11 Nasl?
eemdersnotlari.com
cov(a,(3) = E [
n
(Sw,
e,) 2
.. . +wn en)
+ S apraz terimler.
1
cov(oc,|3) = E [
e, 2 x
apraz terimler.
n
apraz terimlerde 6j 6j ifadeleri, E( e, Gj) = O olduundan terimlerin dmesine sebep olur.
1
=
Sw,E( 6{)x
e, 2 )
n
1
Os S w ,
X (Tg
n
1
Sw, = 0 ve
Cov(a,p) = X <re Sw t * =
olduundan.
= nSXMSX)2
.
- 4 (SX)
Cov(,p) =
n 2 x 2
2
2
eemdersnotlari.com
= E [Y,E(Y,)] 2
-(p-p)^]2
.= ^(YiapXi)2+n(a) 2 +S(pp)2Xj2
-2E(Yi-a-pXi)(a-)-2S(Y1--pXi)(p-p)Xi
+2S(a-a)(p-p)Xl
E(Se i z ) =
=
2E(ei2)+n^+2Xi2oV+2(2Xt)cov(,p)242^(12)
I+
n " f2
x 2
alSXf2
2a* (XX,) 2
nSx2
^S X 2
(SX) 2
LSx2
nlx2
nX 2 (ZX) 2
nEx 2
nSx2
nZx 2
= n a l - 4 a l + 2 a 2 e = (n-2)<r*
E ( ) =
S2
Set2
n2
4
S(Y ( Y) 2
S(Y,apX,) 2
nl
S(Y(<xpx,)(aa) = 2e,(a)
SCSjSvjg;) = Zv^Se,
"
r.
aa=w Vje,
338
eemdersnotlari.com
4 al
2
,
w
'nin rnee dayanan sapmasz tahmin edicisidir. Blmn
n2
daha sonraki ksmnda Eej 2 nin hesaplanmas iin pratik formller verilecektir. Burada aklamakszn bir hesaplama formln verelim:
Se^ = Ey 2 fJ2Ex2 = Ey 2 (3Sxy
grld gibi, ortalama etrafndaki moment matriksi deerlerinden
kolaykkla karlabilecek bir deerdir.
e ' l a r n d a l m n n e k l i n i n n o r m a l olmas h a l i n d e ,
a ve p iin ML tahmin edicileri elde edilebilecektir. Normal dabm faraziyesi de, e'larn sklk fonksiyonu,
2
2a 2e
f( 6i) =
y"2z <r
e iin Likelihood fonksiyonu,
1
2a 2
Se(2
f(6l...en) =
(2tt
= (*,)
E e, 2
2<x2
E
(2)
en = Y n - * - f X n
a e
a e
aY
o ... 1
339
eemdersnotlari.com
2a 2
2(YiapXj) 2
2
L ' ( Y l . . . Y n ) = (a^)
n
n L' =
(2*)
n
n a*
ln(27t)
e
1
2a 1
2(Y,apX,) 2
s
Bu fonksiyonu max. yapan a, p, er* deerleri aadaki 3 ksmi
trev denkleminin e anl zm sonucu elde eddir:
d
n L'
8ol
n L'
ap
d
n L'
8(c'e)
G2
e
S(Y1-a-pX1)Xi
n
2G2
(4 )~2 2(Y(3Xi)2
2
e
Bu ksmi trev denklemlerini sfra eitleyip e anl zm yaparken ilk iki denklem daha nce grdmz normal denklemlerin aynm
bize verecektir, a ve ^ nin ML tahmin edicilerine ve (3 dersek,
(Y,a(3X,) = 0 \
w**
> =>
a= x
(Y,-a-pX,) = 0 )
p= p
eemdersnotlari.com
Se, 2
cisi sapmahdr, bu sebeple kullanlmaz, bunun yerme
kullanlr.
n2
. ,
yv
e
n(0, <re ) olduunda, Y ^ n ( a + p X , ) , er e ) olur. (3, normal
dadm olan Yelerin dorusal bir terkibi olduuna gre bu durumda
(3'in dalm da normal olur.
(3 ^ n I [3,
L
eemdersnotlari.com
8Y
\xi
X,
v- '
OXJ Y
X
Y
olacaktr.
Pratikte esneklik genellikle ortalamalarda (X,Y) llr. Esnekliin ortalamalarda llen tahmini, 7] = (3
olacaktr.(13)
Y
dY/Y
=
= P
dX.Y
dX
Burada dY /Y, Y'nin % byme nisbetidir. (3'da X deki 1 birimlik
deime bana Y'nin % byme nisbetidir.
Yar logaritmik ifadede esneklik:
dY X
X
.
= Y(3
= (3X
dX Y
Y
Grld gibi bu fonksiyonel ekdde esneklik sabit olmayp, X'in deerine gre deimektedir. Baz hallerde sabit bir esneklik deeri veren bir
fonksiyonel eklin kullanlmas zellikle istenir. Byle durumlarda ift
logaritmik dntrme uygulanr.
ii) ift logaritmik dntrme:
Y = a XP e s
dY
dX
13 Esnekliklerin kullanm ile ilgili olarak ou zaman uygulanan bir yaklam, regresyon
denklemlerinde katsaylarla ilgili standart hatalarn altnda esnekliklerin de (ou kere ortalamalarda llen) verilmesi eklindedir.
342
eemdersnotlari.com
*) =
dY X
X
. =eeXP-1
dX
a X
pe.e
= (3
(14)
(0,
i ~
<xj),
Y.-^a+^i)
Y,
n( + pX o*)
n(0,l)
n
e
2 (Yi--pXi)2
i=
Sn
i=
(Y,a(3X|)2 = S
i=1
I
=
(Y,pX,++pX 1 a
[Y,Y+pxX,+Yocpx
i=l
+(_(*) ( X , - x ) ] *
I
(15)
verir.
15 a = Y
= Y, p x , + Y - a - ! J X + p x j p X p x , + p X
= Yj + ( Y p X) a PX
Y , + a pX,
= Y, x pXj.
343
eemdersnotlari.com
-= I
i=l
E(Y)=E( S
n
Y,) =
i-1
2 E(Y,) =
n
2
n
iI
(A+px,)
'-1
=
1
Var(y)=
n2
V n( Yapx)
(na+ 2
Var(Yj) =
i=1
X,)=a+px
<5
na*
n2
=
n
n(0,l)
a ( Y olpx)2
x2,
2
p^n(p,
2(X,-x) 2
CP-P) VS(X i -x) 2
n(0,l)
<Ts
(P-P)2S(X-X)2
(YjapX,)2
(Y i --pX 1 ) 2
n(Yapx)
at
16 2(XjX) = O olaca iin btn apraz terimler sfir olur, dolaysyla der.
344
eemdersnotlari.com
(X;x) 2
i=I
Ge
S (YiaPX)2
i=l
X2n =
S
i1
+ Z + X
a t2
(Yi(3Xi)2
2e, 2
(17)
YVk
n(0,l), U ^
n(0,l),
Se, 2
ve U ve Y bamsz ise
x2n-2
v e
v e
^ e 2 bamsz
CTp
V
olduklanna gre bunlarn fonksiyonu olan iki ifade de bamszdr, dolaysyla,
M
(Vn-2)
a (3
tn_2
elde eddir.
.oO32"
a 2^ =
P Zx 2
Sx
(p-p)Vn-2
V ^
CTE
'
deerini yerine kovalm.
pp
P-P
p - p
Isl
/_!!
^ n2 2x*
^ Zx 2
p - p
SP
345
eemdersnotlari.com
< tn-2,a/2) = 1 a
P(Ptn-2,a/2 S . g p g (3 -f tn-2,a/2 S * ) = I a
(3 iin gven araln verecektir. Tek tarafl gven aralklar ise;
veya
P ( t o - t n _ 2 , a S ) = ol
a
P(P < p + t n _ 2 , x S p ) = 1 a ekillerinde olacaktr.
(3 ile ilgili iki ve tek tarafl testler:
Ho : (3 = [3
H, : p zfr p 0
P[3o
cal T =
sp
|cal T | > tn-2,or/2 ise Ho' reddederiz, aksi halde Ho' kabul
ederiz.
Ho : p g po
H : p > p0
Ho : p ^ po
H : p < p0
1_2 ve
S- =
a
(Zef
ln-2)
Ix=
kullandr. (18)(19)
18 a ile ilgili aralk tahmin ve hipotez testlerini ayrca gstermeyi lzumlu bulmadk.
Okuyucu daha nceki blmlerde elde ettii bilgiyi kullanarak, a ile ilgili olarak normal, y 2 ve
t dalmlarm karabilmeli ve a iin arabk tahmin ve testlerin nasl yaplacan grebilmelidir.
19 statistiki istidlal ksmnda belirtilen hususlar regresyon modelinin tanmnda X ile
ilgili olarak (la) ve (1b) artlarnn ikisi iin de geerlidir.
346
eemdersnotlari.com
3 = (30
X22
(20)
Ze, 2
X2n-2
v e
bu iki
2
d iin,
Q/2
F =
(n2)
_
=
S2
4 (n-2)
Q/2
F 2 , n _2.
S2
^
F2,n_2
<
<
X2a
-,n2
2
X2
1
= 1 x gven aral
*
,n2
2
kullanlr.
20 Bunun ispatm yapmak, ''quadratik form"Iar hakknda bilgi sahibi olmay gerektirdii
iin. ispat konu d tuttuk.
347
eemdersnotlari.com
Uygulamada e ok katsaydarla dgdi t testleri ve biraz ileride greceimiz uyma iyilii de dgdi testler kullanhr. Regresyon denklemlerinde
katsaylarn altna parantez iinde S~ ve S deerleri yazlr. Okuyucu
isterse, rnekteki gzlem says, dolaysyla serbestlik derecesi hakknda
bdgi sahibi olaca iin (21) isterse belli bir anlamllk seviyesinde
(.95, . 9 9 , . . . gibi) test yapabdir, isterse standart hatalarna bakarak
a ve p'in hangi seviyede anlaml olabdeceini, dolaysyla birinci tip
hatay tayin eder. Bazen okuyucuyu t tablosuna bakma klfetinden
kurtarmak iin belli bir anlamllk seviyesindeki tab t n _ 2 deeri de verilir. ((3P)/Sp deeri de verilen rakam karlatrlarak hipotezler kabul
veya reddeddir. Biz kendi aratrmalarmzda dier pek ok ekonometri
uygulaycs gibi, yukarda belirttiimiz, okuyucuya daha fazla deerlendirme serbestlii tamyan yaklam uygularz.
KORRELASYON KATSAYISI
Korrelasyon katsays ve bunun karesi olan determinasyon katsays, regresyon dorusunun uyma baarsnn bir ls olarak regresyon analizi iinde nemli bir yer tuttuu gibi, korrelasyon katsaysnn
regresyon analizi dnda nemli bir grevi vardr: Herhangi bir sebep
netice dikisi kurmakszn iki deiken arasnda dorusal bir bantnn
bulunup bulunmadm ortaya koymak.
Regresyon analizi "ne neyin fonksiyonudur" sorusuna cevap arayan bir yaklamdr. Bu yaklamda Y = f(x) veya X = g(Y) arasnda
sebep netice dikisi ynnden farkllk aktr. Korrelasyon analizi ise
X ve Y arasnda dikinin istikameti konusunda tamamiyle ntr ve
simetriktir. Dolaysyla iki deiken arasnda kan yksek bir korrelasyon
ne Y nin X'in sebebi olduunu, ne X'in Y nin sebebi olduunu ve ne de
X ve Y nin sebeplerinin ortak olduunu gstermez. Sadece iki deiken
arasndaki dorusal assosiyasyonu ifade eder.
Korrelasyon analizi sosyal bilimlerin iktisat dahd pek ok dalnda
nemli aratrma aletlerinden biridir. Fakat ekonometrideki cari edimler asndan korrelasyon bugn nemini regresyona kaptrm ve regresyonun uyma baarsn lme fonksiyonu, aletin faydalarndan balcasn tekd etmeye balamtr.
21 Regresyon denklemleri ile birlikte, rnekteki gzlem saysn da vermek veya zaman
serileri iin rnek devresini (mesel 1948-1967) vermek dettir.
348
eemdersnotlari.com
X; = X; x
Yi = Yi "
l
I
o
X;
'
O
o
y
o
0
o
o
a:
Serpme diyagramnda;
I. kadranda
II.
"
III.
"
IV.
"
Xjyi > 0
xyi<0
x,y,>0
x,yi<0
349
eemdersnotlari.com
ok I ve III. kadranlarda, Ex 1 y 1 < 0 karsa, daha ok II ve IV. kadranlarda toplandn syleyebdiriz. Exjyj, sfra yakn karsa o zaman
noktalarn kadranlar arasnda olduka dengeli dadd anladr.
Sxjyj eklinde bir lnn tek bana kullanlmasna mani olacak
derecede nemli bir sakncas var: Gzlem saysn ve/veya l birimini
deitirerek Exy'nin deerinin deitirdebmesi. 0 halde amacmz l
birimlerinden artlm bir deer kullanmak olmal. Bunun iin ortalamadan standart sapma cinsinden llmesi en doru yoldur. Bu ekdde
ifade edilince,
Sxiy,
r= ,
nS x S y
x
Sx =
vA
Sx22
//Ex
/ ',
n
Sy v = = \
/Ev
/E
y 22
/
>'i
*
ve
Sx
Sy
mek.(22)
Ex,yi
Sx 1 y 1
/EXi2 Ey42
V ^ r Eyi2
n2
Grld gibi, forml r'n ortalama etrafndaki moment deerlerinden hemen karlmasna imkn veriyor. Balang noktas etrafndaki momentleri kullanarak hesaplama yaplmak istenirse;
n I X Y (EX)(EY)
V [nEX 2 (EX) 2 ] [nSY 2 (EY) 2 ]
r, ktlede X de Y arasndaki dorusal assosiyasyonu gsteren p'nun
tahmin edicisi oluyor.
0 jr | g l
veya
- l g r g l
0 ^ r2 ^ 1
r 2 'ye d e t e r m i n a s y o n k a t s a y s ad verilir.
Dikkat edilmesi gereken nokta r'nin X ve Y arasndaki d o r u s a l assosiyasyonu gstermesidir. X ve Y arasnda mesel dairesel ve ok kuvvetli bir iliki bulunabilir ve r sfra yakn kabilir. Bu sebepten r'nin
22 Yani, yaptmz ilem bir "deflasyon" ilemi.
350
eemdersnotlari.com
o
o
^
^
PXY
Sx2
V
. '
(r<Y,x) (PX.T) = J
2xy
=
Sy2
/ (Zxy)*
=
Sx2Syz
Zxy
= *
VSx2Sy2
r\.Y
351
eemdersnotlari.com
1 + p
z s n (
,
)
2
1 p n3
10 gzlemlik rnekler iin bile z'nin dalm normale yakndr.
Z dntrmesi kullanarak p ile ilgili testlerin yaplna bir misl
verelim:
Misl: 50 birimlik bir rnekte X de Y arasnda r = .2 bulduk.
Bu deer .95 seviyesinde anlaml m? Farzedelim ki (X,Y) iki deikenli
normal dalm bir ktle tekil ediyor ve p da, ktledeki korrelasyon
katsays.
Ho : p = 0
p^O
1
47
1
E(z) =
1+P
1 p
H 0 : p = 0 => E(z) = 0
.203
V/47
= 1.39
1.39; 1.96 ve 1.96 arasnda yer aldndan Ho' reddedemiyoruz. Mislimizde p iin gven aralm tekil edelim.
352
eemdersnotlari.com
1+P
.489 <
n
2
< .083
lo
1+P
.978 < n
< .166
1-p
1-p
Eitsizlikleri zersek;
1 _ e""978
<p <
1 + e-'978
e166 1
e166 + 1
H 0 : p = p0
H : p
dur.
T=
-tn_2
VIr 2
Test'i:
eemdersnotlari.com
Qw
(Y,Y)2 = 2
i=l
(YYi) + (YiY)2
yazabdiriz.
= 2(Y,YJ) 2 + 2(Y,Y)2 + 2 2 ( Y - Y , ) ( Y . - Y )
Y , - Y = y,
YJ-Y
= y,
Y i - Y , = e,
X,-x =
2yi 2 = Se, 2 + 2 V + 22e,
Y ( = x + "(3X, idi.
eemdersnotlari.com
__
YjY = P(Xjx)
Yi =
Sy.e, = p E x i e i = p" Z x i ( y i - p x i ) = p [ S x i y i - p S x i 2 ]
=
PSxyp2Ix,2
P =
olduuna gre,
Sx2
(Sxyi)2
SXj2 = o
O halde,
Vi 2 = S e t 2 + S y : 2
2y = S(Y 1 y) 2 = SSR diyelim. (Regresyon kare toplam) (26)
TSS = SSE + SSR
Kelimelerle ifade edersek; Y deerlerinin kendi rnek ortalamalar
etrafndaki toplam dalmas iki ksma ayrlabilir. Bir ksm Y deerlerinin kendi ortalamalar etrafndaki dalmaydr. (27) Buna SSR diyoruz. Y'deki toplam deimenin SSR kadar X deikeni tarafndan izah
edilebiliyor. SSE kadar ise regresyon dorusu etrafnda X tarafndan
izah eddemiyen artk hata olarak kalyor.
SSR
Sy'i2
S(px,) 2
TSS
Sy,2
Sy,2
P 2 Sx, 2
p2xy
Ey, 2
Syi2
(Sxiyi)2
Zx, 2 Sy, 2
27 Y = Y
dr. nk:
v , = + px(
Yt = - t - ( i X = Y
= Y
355
eemdersnotlari.com
halde, Y'deki toplam deimenin X tarafndan izah edilen ksmnn toplam deimeye oran determinasyon katsaysn veriyor. X,
Y'deki deimeleri izahta ne lde baarl ise r 2 o kadar l'e yakn kacaktr. r 2 dorusal ilikinin uyma baarsnn bir lsdr.
"er
r2 = 1
Sy, 2
P~P
(P-P) J
1
ere
n(0,l) ,
VSx,2
Ve,2
Ex 2
T
*6
birinden bamszdr. O halde,
[(P-P)2Ex2]/4
(P-P)2SX2
F=
F,_2
2
4 Ee,
(n-2)
2
Ee,
n-2
(3 = 0 faraziyesi altnda,
F =
p 2 Ex 2
Ee^/n2
Eyr
Se,2 jn2
J-,
(n2) Ex?
356
eemdersnotlari.com
P 2 Sx ; 2
Ze;2 jn2
liki:
(3Ixy
Le? /n2
Halbuki S e 2 = Sy ; 2 Sy 4 2 = Zy ; 2 pEx i y r
F'te yerine koyarak,
([3Ixy)n2
(p2xy) (n2)
zxy r L _
n 2
[3Zxy
Oysa r 2 =
F =
pZxy
syi2
[3Sxy
olduunu biliyoruz.
n 2
1
y
r~
F =
(n-2)
r2
1 r2>
357
eemdersnotlari.com
Analizi
Kareler Toplam SS
s.d.
Tablosu (ANOVAR
2y ; 2 = 2y, 2 + 2e, 2
Ortalama Kare MS
MSR = SSR /I
n2
n1
MST = TSS/n2
[32 xy
SSR
2y, 2
TSS
2 y, 2
cal F =
PS xy
2e, 2
MSR
MSE
(cal F > tab F,a^2,x ise Ho: P = 0 reddedilir, aksi halde kabul edilir.)
n2
jj
pdr.
MSE
2x2
2X, 2
S * = MSE
n2x,:
SSE
1
TSS
TSS
SSE /n2
? = 1
MSE
MST
MST
SSE
>
TSS/n1
MSE
=
eemdersnotlari.com
Devam:
SSR = 30.68
SSE = 19.86
TSS = 50.54
Cal F =
r- =
MSR
TSS
r= 1
SSE
= 1
TSS
MSE
MST
/MSEIx2
1
12
13
= J
19.86
= 1
50.54
1.655
= 1
/
ZX2
S - = J MSE
=
a
^
n Ex 2
>~ = J
Ortalama Kare MS
MSR = 30.68
MSE = 1.655
MST = 3.89
= 18.54
MSE
SSR
s.d.
3.89
= 1 .425 = .575
1(1.655) (345.84)
/ 1.655
21.36
= 1 .39 = .61
14(21.36)
= 1.384
= .278
359
eemdersnotlari.com
Y = 10.48 1.198X
* (1.384) (2.278)
r 2 = .575
Aw t
(100
Ut
) = 10.48 1.198
w,_,
(1.384) (.278) L t
r 2 = .575
1948-1961
(1.12)
eemdersnotlari.com
<7,SX,2
a.
- T 3 S T + (*')
a"
E +
^ p^X i 2
xa. \
+ (X*)*-2xX*-x 2 +x 2
= y~
^
1
L an
Y* - a(Y*, 4
r
L
n x2
(X*-x)2
x 2
Vv2
1
(X*x) 2
( +
)
n
Sx2
301
eemdersnotlari.com
(n2) S 2
;
2
Z2n-2
Y* E(Y*)
n(0,l)
<X*-x 2 )
n
Sx 2
Y* E(Y*)
/ 1 (X*-x2)
CTE V +
n
Lx 2
Y* E(Y*)
S
S
/1
V~
n
(X*
x2)
2 x2
S y
^Xo
= Yo (ot+ px 0 )
(XoX)2 ,
362
eemdersnotlari.com
(n2)S2
a e1
S e,*
_
as3
7}a
/
1
(X0X)2
Su= s ^ 1 + +
n
uo
tn-2
Su,
Yo iin gven aral:
P[(*+Xo>tu-2. j/2 Su 0 gYo^(*-rPXo) + tn-2,a/2 Su] = l *
Bu aralk E(Y*) ile ilgili olandan St*/2 kadar daha geni olacaktr.
Var(uo) = Var(Y) + Var(Y)
Bu ifadeden, nceden tahmin hatasnn iki kayna olduu anlalyor.
i) Var(Yo) yani Yo'm beklenen deeri E( Yo) de ilgili olarak sz konusu
olan hata.
ii) Var(Yo) yani Yo'lann, ortalamalar etrafndaki yaylmasndan
doan hata.
imdi nceden tahmin ve veti gzlemlerle ilgili olarak daha nce
verdiimiz misle dnelim:
Mislin d e v a m :
i) 1948 ve 1951 villan, serpme diyagrammla da grld gibi
regresyon dorusunun uyma iyiliini bozuyor. Bu yllar hari tutarak
regresyon ile ilgili hesaplamalar yeniden yapnz.
ii) 1962 de
eemdersnotlari.com
5.025
4.058
9.083
12
X
320.51
X
Y
K
2xy
S =
Y
230.54
211.79
x
y
k
x 17.50 14.18
v
14.15
993.38 y k
3.29 /
14.18
=
2x2
17.50
= .810
a = y p x = 8.128
ANOVAR tablosu:
Deime Kayna
SS
X
hata
toplam
S S R = 11.49
SSE = 2.66
T S S = 14.15
cal F =
MSR
MSE
11.49
.266
s.d.
MS
1
10
11
MSR = 11.49
MSE = .266
MST = 1.286
= 43.195
SSE
r2 = 1
= 1 .188 = .812
TSS
MSE
T- = 1
= 1 .207 = .793
MST
2X2
MSE = 1.712
Y = 8.128.810 X
(1.712)(.123)
= .793
364
eemdersnotlari.com
ii)
Y = 10.48 1 . 1 9 8 X
Y = 8.128 .810 X
Y* = 3.77
iii)
100
Aw 62
w61
Y* = 3.59
= 100
.07
2.32
1
{H
V
n
S2Y0Y = MSE
= 3.02 %
,
1
S 2 3 02 _3. 77 = 1.655 ( 1 +
\
14
Yo = 3.02
(XoX)2 \
H
)
Sx2 /
(5.64.814)2
+
) = 1.821
21.36
'
S = VI-821 = 1.349
cal t
YoY0
Sy Yo
.75
1.349
= .556
~ = .266(1 +
+
*o-*o
12
Sv
^ = V-293 = .54
(5.65.025)2
S2
=.293
17.50
ioio
cal t =
.57
.54
= 1.056,
Y* = 5.(>9
1
a)
S 2 Y = MSE (
(X*x)2
H
Sx2
, 1
(44.814K
= 1.655(
+
)
\ 14
21.36 >
= 169
S t =y/~69 = .411
eemdersnotlari.com
6.59
X* = 4 => Y* = 4.888
=
266 (
1
12
(45.025) 2
17.50
.038
S t * = -v/^38 = .197
4.88 (2.228) (.197) ^ E(Y*) ^ 4.888 + 2.228 (.197)
4.449 <- 5.327
7. ve 3 iin gven aralklar:
d)
b)
"
Y = 5.93
Yo = 9
S y 0 - Y 0 = 1364
cal t = 2.25
tab t,2,.025 = 2 . 18
cal t > tab t yleyse bu gzlem ayn yapdan gelmiyor.
kinci regresyonun birinciye nazaran avantaj, a ve p iin verilen
gven aralklarnn byklklerinde de beliriyor.
B a s i t Dorusal R e g r e s y o n : S t o k a s t i k T a n m a r t l a r n n
Kritii:
Bu blmde basit dorusal regresyon modelinin stokastik tanmm
yaptk. Bu tanm artlan altnda tahmin edicilerin (a, p ve cs\ iin) nasd
hesaplanacan ve sahip olacaklar zellikleri (GM teoremi) inceledik.
indi, stokastik tanm artlarnn gereklememesi halinde ortaya
kacak durumu ksaca grelim.
366
eemdersnotlari.com
eemdersnotlari.com
367
1953
52
56
57
55
50
59
60
2 .9
3 .1
4 .2
4 .3
4.4
53
55
56
56
59
67
6 8
5.5
5.8
4.8
5.1
4.5
4.3
3.8
3.2
2.3
3.8
2.7
2.9
5.78
5.62
4.73
4.65
4.56
3.84
3.67
3.59
3.59
3.35
2.70
2.62
.28
.18
.07
.45
.06
.46
.13
.39
1.29
54
49
61
58
y =.8.m
-J u
.45
.00
.28
r
b
3
1
X
Grafikte belirdii gibi bu mislde, X ile e arasnda sistematik iliki
kalplarnn mevcudiyeti sz konusu deildir. O halde bu faraziyemizin
mislimiz bakmndan geerli olduu sonucuna varlabilir.
368
eemdersnotlari.com
0 ... 0
1 ... 0
olmaldr. Bu artn yarln incelemenin pratik bir yolu, serpme diyagramn inceleyerek X'in deien deerlerine gre regresyon dorusu etrafn0 0 ... 0
daki yaylmann sistematik deiikr _
liklere urayp uramadma bakmaktr. Yaryansn sabit kalmamas haline ekonometride heteroscedasticity
denilmektedir. Aadaki ekiller, bu duruma misl olarak verilmitir.
Vt
O O
E(Aee'A')
e
salanr.
Bu kotluda standart ekonometri kitaplarnn hepsinde bilgi verilmitir.
369
eemdersnotlari.com
./
Yani [
X /
) ile
d =
S (e t -^e t _,)2
t=2
et
Y,
Yt
n
2 e*,
t=l
32 Bu konuda bk. E. J. Kane a.g.e Sh. 376., J. Johnston a.g.e Sh. 211.
370
eemdersnotlari.com
d =
t=l
2
1
et2
e.'+e. 2
2 S e,et_,
a
2 et2
n
2 et2
i
= 2
e t e t_,
2 et2
1
e.2+ea2
2 et2
1
.
V
e, e,
2 et2
'
2etet_
Formlde
d ^ 2(1p)
33 Burada sabit terim bulunmad iin dorudan doruya balang noktas etrafndeki momentleri kullanarak a'i hesaplyoruz.
371
eemdersnotlari.com
p 1 => d
Sfr otokorrelasyon
p 0 => d
Negatif otokorrelasyon
1 => d 4
1948
49
50
51
52
53
54
55
56
57
58
59
60
6
9.0
3.8
4.3
8.3
5.8
5.5
2.3
4.5
4.8
5.1
2.9
3.8
3.2
2.7
5.93
3.41
* 4.13
6.53
6.77
7.01
3.77
5.21
5.45
5.33
2.33
3.89
3.77
2.45
v-%
3.07
.39
.17
1.77
.97
1.51
1.47
.71
.65
.23
.57
.09
.57
.25
e t e f _,
(eJ
2.68
.22
1.60
2.74
.54
.04
.76
.06
.42
.80
.66
.48
.82
e t-)'
7.18
.05
2.56
7.51
.29
.002
.58
.004
.18
.64
.45
.23
.67
20.34
d =
20.34
19.79
9.42
.15
.03
3.13
.94
2 28
2.16
.50
.42
.05
.32
.01
.32
.06
19.79 '
= 1.028
372
eemdersnotlari.com
dL
OSd^d L
dL<d<dy
djj
4d u <d<4d L
d4d L
(II)
du
2(111)
4 - d (IV)
4d L (V) 4
eemdersnotlari.com
t = P6t-i+^t
P ^
X, P x t _,
at+pXt+P(Y,_1-a-pXt_l)+t
Y t pY t _j = ( i _ p ) + p ( X t - p X , . , ) + ,
Y , ' = a(l-p)+pX',+,
Grld gibi dntrlm Y,' ve X t ' deerleri arasnda en
kk kareler metodu yardm de (3 ve a(lp) elde eddir. p bdindiinden
a de elde eddmi olur.
Birinci farklar arasnda regresyon ilikisi arand yani otokorrelas35 p<0 ise. ifadeler t ve t1 devrelerindeki deerlerin arlkl toplam haline dnr.
374
eemdersnotlari.com
yon katsays 1 kabul edildii zaman denklemde sabit terim yer almaz(36)
Y t = x + p X t + e,
Y,_, = a + p X t _ , + 6 t _
Y t - Y t _ , = p(X t X t _,)+( e - 6 t _)
AY, = pAX t +v,
AY t = (3AX,
Hemen belirtelim ki birinci farklar kullanm dnda, tavsiye edden
bu metotlarn kullanm yaygn deildir. Aklayc deikenler setini
deitirme ve bu metotlar birlikte de uygulanabilir, ve eitli iterasyonlarla otokorrelasyon giderdmeye allabilir. Bu konularda daha fazla
bdgiyi kitabmzn amalar ynnden gerekli bulmuyoruz.
iv) Deikenlerde lme Hatalar
LS tahmin edicilerinin sz edden zellikleri, deikenlerde lme
hatas bulunmadm varsayar. Oysa pratikte hem aklanan hem de
aklayc deikenlerde lme hatalar vardr. Bu gibi hallerde alnabdecek tedbirlerle dgdi baarl metotlarn varl iddia eddemez. Ekonometri literatr bu konuyu aa yukar tamamen ihmal eden uygulamalardan meydana gelir.
Stokastik tanm artlarnn salanmamas hallerinde ortaya kan
problemler ve dnlebilecek metotlar de dgdi ok ksa izahlarmz,
gelien bir bilim dab olarak ekonometrinin nnde halleddmesi gereken
pek ok meselenin var olduunu gsteriyor, timizi zorlatran unsurlardan biri, sz edden problemlerin ou hallerde ayn anda mevcut
olmalar, buna kardk tavsiye edilen metotlarn problemleri teker teker
ele almas. Mesel, heteroscedasticity iin otokorrelasyon olmadm,
otokorrelasyon halini incelerken de heteroscedasticity bulunmadn
kabul ediyoruz. Acaba lme hatalarnn varlnda ve e'larn dalm
hem heteroscedastic hem de serisel korrelasyonlu olduunda durum ne
olacaktr? Denklem sistemleri ele alndnda, tek denklemler iin tavsiye
ettiimiz metotlar henz pratikilerin alet kutusunun paralar haline
36 Birinci farklar cinsinden ifade edilmi regresyonlarda sabit terim bulunursa bu terim,
zaman trendinin etkisini gsterir. T zaman gstersin ve 1, 2... olarak ifade edilsin
Yt - a + px t + Y T t + e t
eemdersnotlari.com
gelememitir. Btn bunlardan anlald gibi ekonometri ile uraanlarn nnde katedilmesi gereken nemli bir mesafe ve halli beklenen pek
ok problem mevcuttur. Bilimi ve aratrmay ekici yapan da zaten
zor olan baarmaktr.
BAST DORUSAL REGRESYON LE LGL PROBLEMLER
1. a'in varyansnn minimum olduunu gsteriniz.
Cevap:
Y = a+(3X+ e
1
X, x
= E ( n XWj) Y(
Wj =
(SXi)2
Sxj2
ZXi 2
n
X w, = v,
olsun.
oc = 2v f Y,
= 0
1
1
X W;)2 = 2 ( + x 2 Wi 2
1
+ X2 Zwi2
-y 1
Var (a) = <r* (
+
\ n
2x
n
2wi=
1
n
2 x
Wj)
X2
SXi2
X2 \
)
Sx; 2 /
eemdersnotlari.com
= S ( V i + Y i ) E ( Gj) = O
= 0
E [tE(t)] 2
olmal.
E(t a) 2
t = a + S ( v , + Y l ) e, '
E(ta) 2 = E [S(vi+Y,) i ] 2 =
apraz terimler, cov(
Var(t) = S( V i +Yi) 2 E( e 2 ) = 4
= 4 Svr + 4
S Yi
Z^+rf
2 2v
i Yi
Halbuki,
S v i Y i = 2Yi (
1
n
xwi) =
SYi
n
xS Yi X ;
Sxi 2
x2SYi
- = O
2x;
^ o
eemdersnotlari.com
E (Yj\Xi) = E ( P X + s \X ; ) = E (PX,\X,) + E ( e ^ )
- PX,
^ = b X,
ei=Yi-Y
= Yi-bXi
e i 2 = (Y;b X0 2
i=l
i=l
(S e, 2 ) = 2 2
( Y l - b X , ) X i => O
i=1
d b i=>
SYj X t bSX, 2 = O
d
b =
SXj Yt
SX, 2
Xj
= S
SXi2
Yi
2Xi 2
XI
W[' =
olsun.
SX, 2
w'nn zellikleri:
S^Vj' =
b = Swj' Yj
2X,
SX, 2
Xj
wi'2= s (
\sx,2 '
X,
2w t ' X, = S
SXi 2
x2
1
=
(SX,2)2
X, - 1
ZX, 2
eemdersnotlari.com
SX,2
Gl]
= p + 2 E f(X,)
2f t (X) E( ,)=()
E(b) = p
3.
Y = aX +
P
Y = aX H
X x
D
B
G = 2
(Y,Yi) 2 = S
&
2
= 2 [ 2
ap
PV
P \)2\
P
=2
SG
/
(Y1-aX1
=22
i = 1
(Y,X,
) X,
X,Y t a 2
(YiaX,
X l 2 np]
P
*
Xi
379
eemdersnotlari.com
na
2 [E
X,
2
X, 2
i=I
dG
dG
=> O,
=> O yaparak;
da.
ap
(1) 2
i=l
XjYj = a 2
i=l
, v 2
(2)
i 1
Y i
X,
Xi2 + n(3
- n a --|
^
2 Xf
=
n2
(3 =
I
'='
X, Yj ( 2
='
n1
Yi
)
X,
2Xi2
n
2X, Y, n(3
a =
2X,2
n
i) b = 2
ii)
/
aj Z, nin varyansm bulunuz.
Y| = a+pXi+Z t
Eer X deerleri
*
X X 2 X3 X4 Xs X 6 ise ve
1 2 3 4 5 6
(3'nn
LS
1
tahmin edicisi yerine
(Y 6 -t-Y 5 Y 2 Y)
8
380
eemdersnotlari.com
olarak kullanrsak bu tahmin edicinin varyans ne olur? Bunu LS tahmin edicisinin varyans ile karlatrnz.
Cevap:
i) Var(b) = Var(2
i=l
a,Z,) = 2
Var^Z,) = 2
i=l
= 2 afo 2 = <r2 2
i=l
a, 2
X,
(X|x)
1
2
3
4
5
6
2.5
1.5
.5
.5
1.5
2.5
6.25
2.25
.25
.25
2.25
6.25
X = 21
17.5
a,* Var(Z,)
(X,-X):
x = 3.5
.
(Xt-x)Y,
1
P =
=
(. 5 Y+1.5 Yj-f 2.5 Y 6 . 5 Y 3
(X,X)2
17.5
1.5Y 2 2.5Y,)
1
=
(Y 4 +3Y 5 +5Y 6 Y 3 3Y 2 5Y,)
35
1
3 = 23.Y,
35
Var(P) =
1
(35)2
1
1225
Var (2
=I
2
1=1
a ( Y,) =
2
1225 ='
2
a, 2 Var(Yj)=
1225
Var(a,Y,)
.
2i = 1 a, 2
2 a, 2 = 1 + 9 + 2 5 + 1 + 9-1-75 = 70
eemdersnotlari.com
Var(p) =
(37)
17.5
1
P =
(Y.+Y-YZ-Y,)
olsun.
8
1
Var(p) =
Var ( S J..Y,) =
64
^
1
64 =
64
.
S VarfoY.)
=l
n
Var(Y.) =
2 b, 2
64 * = l
S V = 1+1+1+1 = 4
i=1
Var() =
16
i)
Y=ocl+p,X+e,
1950-1960
Y = 2 + p 2 X + e2
e,
n(0, a^)
e2
n(0, a | )
1961-1966
= a^ = a
H 0 : P = p 2
H : P
leri kartmz.
17.5
ile de varabilirdik.
382
eemdersnotlari.com
S Y = 117.25,
S y 2 = 4.78,
xy=1.84
Zx 2 = 1.27
S Y = 78.75,
Ey 2 = 2.48,
2xy=1.10
Sx2=1.03
Cevap:
i)
),
Zx, 2
n(p 2 ,
.
)
Zx22
Sx2
2
+1
)
Sx22'
(8,-32)O.-P2)
0,-32)(|3.(3 2 )
n(0,l)
sl\ (+)
VSx, 2
S e2,
2
J{+)
Sx22/
X 2"1n,- 2 '
^Sx,2
2 e2j
72
c
Sx22
X"22 n 2 - 2
Se, 2 + S e 2 2
X 2 r n 2 -
T2
383
eemdersnotlari.com
T =
^ t
/(S e 2+2e 2 2)
\Sx,2
n+n 2 4
n + n2-
Ev,2 /
Se2 = Sy 2 p, S x ( y
Se22 = Sy2-p"2 I x 2 y 2
Bylelikle tamamiyle iki bamsz rnekten elde edilen deerlerden yararlanarak,
Ho : p,p2 = O
H : P(p2 7i O hipotezini test edebiliriz (veya tek tarafl hipotezleri)
ii)
A srs: n, = 16,
p, =
xy
Sx2
1.84
1.27
= 1.4488
1.10
1.03
= 1.068,
eemdersnotlari.com
1.4491.068
cal T =
.381
(3.416){1.758)
J^
22-
/(2.11+1.306)
/y
.27
1.03'
16+104
.381
= .733
.52
.381
tab t.025,22 = 2.074
cal T < tab
V.271
.8
1.2
1.5
1.8 - 2.2
2.3
2.6
Vo
1.7
2.7
3.6
4.6
6.7
8.1
Cevap:
log 10 Vo
V|
.23045
.43136
.55630
.66276
.75587
.82607
.90849
1.07918
.8
1 .2
1 .5
1. 8
2..2
2 .3
2 .6
3 .1
5.45048
15 .5
fj =
1.43951
= 2.77823
.51814
n= 8
5.7
3.1
12.0
logo vo = .68131
vj = 1.9375
V,
11.99982
34.07
385
eemdersnotlari.com
SS
3.99929
.03946
4.03875
hata
toplam
R2Vj,logo vo =
s.d
3.99929
4.03875
= .99023
Vj = .0447+1.2066 l o g e v u
R 2 v l o g e v 0 =..99023
(39)
Esneklik: v, = a + p log v 0
dv,
dvo
p
Vo
vo dvj
Vo
Vj dvo
V| Vo
a = log e 10 = 2.30259
Slog e v 0 = aSlog 1 0 v,
2(log e v,) = S(alog, 0 v,Y = a ! S(log, 0 v 0 )'
Balang noktas etrafndaki momentler:
a : (4.23161)
39
(5 =
a(l.43951)
2.77823
a (11.99982)
34.07
a (1.43951)
4.03875
a 2 (. 51814)
= 1.2066
a(. 51814)
a = v ( 3(log e v)
a 2 log,o v
log e v 0 =
= " (logo Vo)
a 1.9375
2.77823
(alog 1 0 v 0 )
a
= 1.9375 (2.77823) (.68131)= .0447
386
eemdersnotlari.com
E=
.
a+piogev0
1.2066
E =
=
Vj
a+plogvo'
.0447+1.2066 l o g e v 0
v 0 : haftada 5 pound => log e v 0 = log e 5 = 1.60944
1.2066
E=
= .602
1.98665
Haftada 5 pound'luk gelir seviyesinde i malnn gelir esneklii .602
dir. Bu sonuca gre, bu gelir seviyesinde i mal zaruri bir ihtiya maddesidir.
7. Aadaki tablo 100 rencinin matematik ve fizikten ald
notlar gsteriyor. (40)
/
MATEMATK
40-49
c
-2
o
rfj
M
E
50-59
| 60-69
90-99
80-89
70-79
60-69
50-59
40-49
1
3
3
4
6
5
1
5
9
6
4
Toplam
15
25
NOTLARI
| 70-79
80-89
90-99
Toplam
2
4
10
5
2
4
6
8
2
4
5
1
10
16
24
21
17
12
23
20
10
100
eemdersnotlari.com
387
P#Z"k A/o-l-lar
sJ?
-t-s
V
c
- o (T +- K t
<
c
9 Q_ t
tf. t '
f-
Ca>
^c
-K
Vf
1
kl
o
\
Cn
<
<
SJ
t
o
VjJ
K
U
K*
Ul
w
0
.1 M
*
\\ O
O
0
K
1
>
Ot
C
VX
n
o
<
-t>
e*
>
t->
K>
(T
-X.
i*
i?
-C"
e-
CJJ
eemdersnotlari.com
u:
<C
j
f fCA
<
P- p
-C
as
l> M
s>
2i
II M
a ve ^
1
tu
Ki
-s
-V
c-
1 -tr
M "i
N
O
1U,
tc /
-v
1 IX
< C
c/
<
K
0i
Oo
-V. M
K
-o
"V ^
v
-e
oo
1
-t
lO
-tO O O o
<-
-c
-vl
-C
-c-
r-
Q_ n
{T
r* 5-
. - '
16020
V(19504) (22275)
Yl
1955
1956
1957
1958
1959
1960
1961
74.0
73.1
65.5
61.5
65.9
62.7
58.3
109.5
105.4
95.9
95.6
108.5
102.1
101.3
C p = .3415 + .9235 Y d
R2=.999
d = 1.918
1951-1965 (41)
389
eemdersnotlari.com
n = ?)
.54
.51
.49
.49
.48
.48
.48
.47
.44
.44
.43
.42
.41
.40
.39
Qdt
12
10
13
12.5
12
13
12
12
12
13
13.5
14
13.5
14.5
13
390
eemdersnotlari.com
BLM X
OKLU R E G R E S Y O N *
nceki blmde, regresyon analizinin temel yaklam ve iktisat
analizi iindeki yeri hakknda ksaca bilgi vermitik. Tek aklayc deikenli regresyon analizi de dgdi izahlar da, ok aklayc deikenli,
ksaca oklu regresyona geii kolaylatracak eldlde yapmtk.
k tane aklayc deiken ihtiva eden stokastik bir regresyon ilikisinin varln farzedelim:
Y = f(Xl,...Xk,e)
Bu fonksiyonel dikinin eklinin dorusal olduunu kabul edersek;
Y = p,X,+p2X2+... + pkXk+ e
X, ou hallerde 1 olarak alnr ve dolaysyla P denklemin sabit
terimini tekil eder. Sabit terimi [3 de gstermek istersek regresyon
ilikimiz;
Y = p 1 + f c X + J X , + . . . + p k _ 1 X k _,+ p k X k + e
eklinde k aklayc deiken ihtiva ederek gsterdebilir.
Bu blmde zerinde ksaca duracamz balca konular; katsaylarn tahmini, katsaylara ilikin istatistiki istidlal, hesaplanan regresyon
denkleminin nceden tahminde kullanlmas ve stokastik tamm artlarndan sapmalarn etkileri ve ahnabdecek tedbirler eklinde zetlenebilir.
* Bu blmde, matriks cebri ile ilgili asgari bilginin varl farzedilmitir. Aadaki kitaplardan herhangi biri bu konuda, blm takibe imkn verecek kadar dorusal cebir temelini
salayabilir:
T. Bulutay: Dorusal Proglamlama: Giri SBF yayn; T. avdar: Ekonomiye Uygulanm
Genel Matematik DE yaym No: 605, 1970; J . Johnston: a.g.e Blm 3; A. S. Goldberger: a.g.e
C. Chirst: a.g.e.
Sz edilen kaynaklar dnda matriks cebri ile ilgili mevcut pek ok kitap favdab olabilir.
(Mesel, G. Hadley, Linear Algebra, Addison-Wesley, 1961).
391
eemdersnotlari.com
Y = X[3 + e
Bu denklemde Y, (nXl) lik bir stun vektr (baml deikinin
gzlenen deerleri), X, (nXk) lk bir matriks (k tane aklayc deikenin n devrede gzlenen deerleri), (3 (kXl) lik bir stun vektr (regresyon
katsaylar) ve Q, (nXl) lik bir stun vektr (hata terimleri) dr.
Y=
Y,
Yn
X=
1 x21.,.xkl
1 X2n.
e =
en
3) E(s) = 0
4) E(ee') = <r21
Bu faraziye, homoscedasticity (evaryanslbk) ve hata terimleri arasnda
isel bant olmamas hallerini ifade ediyor.
E(ee') = Ee
(e...6n)
e 2 GS .
261 e^ .
eze
eGt ee2
e2
1 Tam rank faraziyesi, (X'X)'in sra veya stunlarnn dorusal bamsz olmas demek.
Bu ise ancak X'lerin birbirlerinden bamsz olmalar ile mmkn. Pratikte (X'X) _ I hesaplanabse bile, X'lerin birbirlerinden bamsz olmamasnn ortaya karaca problemlere (oklu
bant, multicollinearity) ileride deineceiz.
392
eemdersnotlari.com
E(ee') =
er2 . . . O
(I burada nXn lik bir kare matrikstir.)
O
E(Y\X) =
f72
Regresyon Fonksiyonu.
= (Y'p'X') (YXp)
= 2 X'Y + 2 (X'X)p
ep
denklemler diyoruz.
Buradan: = (X'X)~ X'Y
elde edilir.
edicisini elde ettikten sonra, basit regresyondakine paralel olarak ^ vektrnn zelliklerini grelim:
393
eemdersnotlari.com
GM T e o r e m i :
Y = X(3 - ( - e v e X sabit saylar olsun. Stokastik tanm artlan
altnda LS tahmin edicileri minimum varyansl, dorusal, sapmasz tahmin edicilerdir.
ispat:
J*
yS
P = (X'X)_> X'Y ifadesi p'in Y'nin dorusal bir fonksiyonu olduunu gsteriyor.
E(p) = E [(X'X)-> X'Y] = E [(X'X)~ X'Xp + (X'X)- X'e]
dolaysyla (3
sapmaszdr.
olsun.
eemdersnotlari.com
(2)
= S g + ff2 D D'
P
= E[(p-p)(p-p)']
= <t2(X'X)-
= , E x MX'X)-] =
E(X'X)- = <7J(X'X)->
tahmin
395
eemdersnotlari.com
diyelim.
(3)
i# j
E (e'Me) = 2 m H E(e\) + 2
2 m,,
i* j
i1
j=l
Stokastik tanm artlan gereince; E(e?) = n2, E ^ e p = 0. B sebepten,
E(e'Me) =
2 m = cr2 tr(M)
i=l
396
eemdersnotlari.com
E(e'e)
= d2
veya,
nk
e'e
E(
) = o*2
nk
e'e iin bir hesaplama forml gelitirirsek bu deeri nk'ya blerek e'n varyansnn bir tahmin edicisine sahip olabileceiz. Bunu p'in
varyanslannn hesabnda kullanabileceiz.
e = YY = YXj3
e'e = (YX(3)' (YX(3) = (Y'p'X') (YXp)
=
Katsays:
:Y =
eemdersnotlari.com
R2 =
P'X'Y-n Y2
Y'Yn y 2
Y'Yn Y2
= 1
e'e / nk
olacaktr.
(Y'YnY 2 )/n1
Y = p I + p2Xa+.-.. + fcXk+e
y = p, + p 2 x 2 +... + p k x k + e
Y-Y = p 2 (X 2 -x 2 )+.. . + p k (X k -x k ) + (ee)
y = p2
+ . . . + pk x k + e
( 1 = 0 olduu iin)
y
Y =
-
Y2
yn
X=
xkn
P2
6 =
en
398
eemdersnotlari.com
SSR = p'X'Y
P = Y -
S & X
i=2
SSE = Y'Yp'X'Y
P'X'Y
R2 =
Y'Y
= 1
e'e
Y'Y
e'e /nk
R = 1
Y'Y/n1
= ff2(X'X)-
i
e'e
Cf2
nk
e'e = Y'Yp'X'Y
(5)
P'X'Y
_2
R = 1
R2 =
Y'Y
oklu R e g r e s y o n ' d a s t a t i s t i k i
e'e/nk
Y'Y/n1
Istidll:
Y'Y jJTCY
399
eemdersnotlari.com
H 0 : a'(3 = r
H, a ' p ^ t r
(7)
a'fj a'(3
' N(0,1)
a Va'(X'X)" a
e'e
x2n-k
v e e e
dan (8)
6 Mesel, Cobb-Douglas tipi bir retim fonksiyonunun, gerekli logaritma dntrmeleri
yapldktan sonra elde edilmi dorusal eklinde katsaylar toplamnn 1 e eit olup olmad
test edilmek isteniyorsa, a = (1, 1 . . .1) ve r = 1 olacaktr.
7 Veya hipotezin tek tarafl olarak ifade edilmi ekilleri.
8 nk, a'(X'X)-' X'M = a'(X'X)-' X'[IX(X'X)-'X'J
=a'(X'X) _ l X'a'(X'X)-' X'X(X'X)-' X' = 0
100
eemdersnotlari.com
a'pa'p
a Vnk
cr <\/a'(X'X)- a
<v/e'e
a'pa'P
= T
J
/ e'e
nk
= s
/ e'e
nk
(Va'(X'X)-ia)
diyelim.
a'Pa'|3
=
tn_k
s Va'(X'X)- a
(T|Ho)-tn_k
= 1 a
Bu sorulara cevap verdikten sonra herhangi bir katsay ile ilgili hipotez
testleri veya aralk eklinde tahminler bizim iin zor olmyacaktr.
Ho
: p, = p,0
H : p,
p,0
Pi-PiO
T =
tn_k
^P
olsun. (10)
_
SS = s v a ' i Burada a", (X'X)~''in i'inci
diyogonal elemandr.
t Burada d, merkezi olmayan t dalm (non central t) nin merkezi olmama parametresi
ve (a'3 r) nin bir fonksiyonudur.
t, y7 ve F dalmlarnn daha nce incelediimiz ekilleri merkezi olanlar idi. Merkezi
olmayan tiplerini bu kitap bakmndan kapsam d tutuyoruz. Test'in kuvvetinin hesaplanabilmesi iin T'nin alternatif hipotezin geerlilii halindeki dalmna da ihtiya var. Merkezi
olmama parametresi bu konuda bize yardm ediyor. Bu konuda daha fazla bilgi iin Bk. F.A
Craybil], a.g.e. Blm 4
10 Bu halde a' = (0.. . 1 . . .0) ve r = 3 ( 0 dr.
401
eemdersnotlari.com
Test: | Cal T | > ta/2, n-k ise H 0 reddedilir, aksi halde kabul edilir.
Arabk eklinde tahmin;
P(Pi1ta/2, n-k
S pO
=1 a
Katsaylar ile dgdi olark tek tek testler yaplabilecei gibi bir btn veya bir alt grup olarak aklayc deikenlerin baarsn F test'i
yoluyla lebdeceimizi bdiyoruz. R 2 lsnn bir elenii olan F test'i
iin, F dalml bir Statistie ihtiya var. Basit regresyon blmnde,
F =
MSR
MSE .
p'X'Y
k1
ve
e'e
Y'Yp'X'Y
MSE. =
=
olduuna gre,
_
nk
nk
P'X'Y/k1
Y'Yp'X'Y
nk
p'X'Y/k1
P'X'Y
Y'Y(1
Y'Y
p'X'Y/k1
Y'Y(1R 2 )
)
nk
nk
P'X'Y
nk
p'X'Y /Y'Y nk
k1
Y'Y(1R 2 )
1R2
R 2 (nk)
k1
(1R2)k1
R2/k1
(1R2)/nk
elde edilir.
eemdersnotlari.com
ANOVAR tablosu:
Kareler Toplam
Deime Kayna
X2 . . . X k
(SS)
p'X'Y = SSR
Serbestlik
" Derecesi
k1
Artk
e'e -= Y'Yj3'X'Y
nk
= MSR
Y'Y p'X'Y
nk
Toplam
Y'Y = TSS
n1
MST =
= MSE
Y'Y
n1
lemleri:
403
eemdersnotlari.com
yazmak veya deitirmek yapdmas sz konusu ilemlerin btn ayrntlar de bdinmesini gerektirir.
Burada izaha ahacamz metotlar ortalama etrafndaki moment
matriksini kullananlar olacaktr. Bunun nedeni7 bylelikle hesaplama
ilemlerinden nemli lde tasarruf salanmasdr. Balca iki hesaplama metodu incelenecektir.
i) Direkt matriks evirimi
ii) Ksaltlm Doolittle metodu.
Her iki metod iin de ortalamalar etrafndaki moment matriksine
kadar yaplacak ilemler ayndr, nce, basit regresyonda verdiimiz
form'a uygun olarak balang hesaplamalarnn nasl yaplacan, sabit
terim hari 3 aklayc deikenli bir regresyon iin gsterelim.
Regresyon ilikisi; Y = (3o + PX, + p 2 X 2 -f (33Xj -f e (12) eklinde olsun. Y = (30 + PX, + p 2 X 2 + (3X3 denklemini elde etmek iin
yaplacak ilemleri sralyalm.
(1) Verileri dikkatle hazrlayarak aadaki sra ile yerletiriniz:
X,
X,
X,
2X,
2X 2
SX3
2Y
X2
X3
Kontrol
Toplam K
Kontrol:
2K y/
K
-y/
2X, + S X 2 + 2 X , + 2 Y = 2K
X - f X 2 +
X) + Y = K
404
eemdersnotlari.com
X!
x2
xY 3
K
X,
SX,2
(SX,X 2 )
(SX,X 3 )
(SX,Y)
(EX,K)
x2
sx,x
SX 2
22
(SX 2 X 3 )
(EX 2 Y)
(EX 2 K)
33
EX,X
EX 2 X 3
EX 3 2
(EX 3 Y)
(EX 3 K)
Y
SX,Y
EX 2 Y
EX 3 Y
EY 2
EYK
K
EX,K
EX 2 K
EX 3 K
EYK
EK2 Y
x ,
x
x
Ek 2 V
Ex, 2
Exx 2
ex[x3
Sxx 2
Ex 2 2
Sx2x3
Sxx 3
Ex 2 x 3
Ex 3 2
X'Y =
EXY
Sx2y
Ex 3 y
Y'Y
405
eemdersnotlari.com
Metodu:
P=
Po=
P2
YPX!p2Xrp3Xj
Sxy
Xx 2 y
Sx3y
Sx1y+pSx2y+P'3Sx3y
(burada
SSE
n4
) = MSE = s 2
13 Ters matriksi bulmak iin kofaktr (iaretli minr) matriksi elemanlarn determinanta
blyoruz. (X'X) simetrik olduu iin kofaktr ve adjoint birbirine eit oluyor. Determinantn
doru hesaplandna emin olmak iin en az iki sra veya kolon zerinde determinant hesaplamak
ve eit olduunu grmek gerekli.
406
eemdersnotlari.com
sV/a11.
sp2
= sy/^ s ^ = sy/^
(J'X'Y
YY
ve
_
R2 = 1
s2
Y'Y/n1
olarak hesaplanr.
R 2 , R2
( Sp/
.)
S j ; =8"|
ak ekli;
s2
i=l
i<j
+ S X'j a" + 2 Xj X ,a'
j
407
eemdersnotlari.com
xt
1
X
x2
4
1
3
2
8
22
24
18
18
82V
4.4
4.8
3.6
3.6
16.4-y/
8
Toplamlar
2.
3
24
3
6
2
5
6
6
5
11
Ortalamalar
x3
-
10
11
22
19
20
n= 5
Xt
x2
x3
x2
124
126
x3
Y
58
83
80
94
75
88
74
Y
K
1466 V
x2
x3
X,
59. 2
x2
18.4
10.8
X,
-4.2
1.6
9.2
Y
K
Kontrol:
Y
21.2
3.4
15.2
29.2
121.2V
59.2+10.8+9.2+29.2+2(18.44.221.2+1.63.4
+ 15.2) = 121.2
408
-V.^- '
eemdersnotlari.com
L.
59.2
18.4
4.2
(X'X)
i
96.8
-176.0
74.8
Adjoint:
18.4
-4.2
10.8
1.6
9.2
1.6
-176.0
527.0
-172.0
74.8
-172.0
300.8
(X'X)- =
5.
l
2178
X Adjoint =
44.444
-80.808
34.343
-80.808
241.965
-78.971
34.343
-78.971
138.108
X10-3
pj ve Po'n hesaplanmas.
+(34.343)(15.2)10-3 =
_.1455
$2 = .3099
= 1.6396
= 3.6+(.1455) (4.4)+(.3099) (4.8)(1.6396) (3.6) = .1748
6.
54
= .1398
7.
I
= .1398(X'X)- =
6.2133
11.2970
33.8267
4.8012
-10.9180
19.3075
x 10-3
409
eemdersnotlari.com
S A . = V- 0062133 = .079
P,
S = V- 0338267 = .184
S
8. Rz =
9.
= V-0193075 = .139
03
29.0602
_
29.2
= .9952
R2 =
.1398
1
29.2/4
(.184)
.9808
R2=.9952
(.139)
Misl 2:
C, = aC t l -f [3(Y t *Y t l ) -j- e t eklinde ifade edilmi bir tketim
teorisinin geerliliini istatistiki olarak kontrol etmek istiyoruz. Burada
C t , t devresindeki zel tketimi, Y* mit edilen geliri, Y ise fiilen elde
edilen geliri gsteriyor. Teori, zel tketimin ksmen daha nceki tketim kalplarna ve ksmen de gelir seviyesi ile ilgili cari bekleyilere dayand iddiasnda. Y t * nin belirlenmesi aadaki ekilde oluyor:
Y t * = Y,_ l
(Yt_I-Yt_2) +
dt
t-1
Grld gibi bu eitlikte t devresinde beklenen gelir t1 devresindeki gelir seviyesine, bir nceki devrede gelirde kaydedilen art
eklenmek suretiyle elde ediliyor, d ise bir kukla deiken, daha nceki
dnemlerde grlen resesyonlarn ksa sreceini ifade ediyor. (15).
Aadaki verileri kullanarak modelin parametrelerini tahmin ediniz ve elde edilen sonular, teorinin geerldii ile dgdi olarak yorumlaynz. Veriler er aylk dnemler iin verilmitir.
15 Kukla deikenler, kategorik ya da saysal deerleri hemen elde edilemeyen deikenleri dorusal regresyon analizine dahil etmenin tekniklerinden biridir.
410
eemdersnotlari.com
Y (Kullanlabilir
Gelir)
Zama
1956
1957
1958
1959
1960
C (zel
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
Tketim)
298
303
309
313
311
311
314
322
325
330
338
339
342
344
350
352
353
280
282
293
292
299
310
315
324
325
325
330
335
337
342
347
344
(not: Y ve C mevsimlik hareketin etkilerine gre yllk deerler zerinden dzeltilmi serderdir.)
Cevap:
C, = C t _, + 3 ( Y , * Y t ] ) + e,
Y , = Y,_ l
C, = C,_, +
(Yt_1-Yt_2) +
dt
+ (Y t _,Y,_ 2 ) + y d t - Y,_, + e,
= C t _, + p ( Y u , - Y J +
d, +
6l
lll
eemdersnotlari.com
Zaman
1957
1958
1959
1960
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
(X.)
(X,)
Y t _, Y t _,
(X5)
dr
(Y)
Ct
(K)
Kontrol
567
581
589
590
610
628
647
652
655
663
666
675
681
695
693
280
282
293
292
299
310
315
324
325
325
330
335
337
342
347
5
6
4
2
0
3
8
3
5
8
l
3
2
6
2
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
282
293
292
299
310
315
324
325
325
330
335
337
342
347
344
4736
54
4800
9592 s/'
Y,_Y
dt
t_2 591
17082
306
Y,_Yt_2
4t
c, .
K
2
2
ct
1521766
17315
609
1541992
6159078 V
17.082
306
2
. 591
X'Y =
|X'X| = 182.398766
412
eemdersnotlari.com
1.521766
17.315
.609
Kofaktrler:
608
35.346
215.010
3.333356
.193784
-1.178791
(X'X)-> =
-35.346
2.654831
13.099574
-215.010
13.099574
167.834412
.193784
.014555
.071818
-1.178791
.071818
.920151
(X'X)- (X'X) = I
5.
.99933415
.00086308
.01005657
c
= i +
1000
1000
(Y,_Y t _ 2 ) + (PY)' 1.
(3'X'Y = (.99933415
.00086308
.01005657)
1.521766
17.315
.609
= 1.541844
Y'Y = 1,541992
e'e = Y'Y {J'X'Y = .000148
s2
7.
ee
.000148
12
.0000123
s* A/.000041 = .0064
r*
s , = .0064
a
= y'.000000179 = .000424 s ^ = .424
"
s . = -v/.00001132 = .0034
V
rpy)'
s . = 3.4
Py
413
eemdersnotlari.com
1-541844
8.
R2 =
9.
C, = . 9993 C
(.0064
1.541992
=.9999
+ . 8631 ( Y Y , _
(.424)
fi2=l
2
.0000123
1.541992
=.99988
) + 10.0566 d, R 2 = . 99988
(3.4)
114
eemdersnotlari.com
a
I a.
a3
25
100
500
50
100
1050
75
100
250
1
0
0
0
1
0
0
0
1
151
801
851
II A,
B,
25
1
100
4
50
2
75
3
1
.04
0
0
0
0
151
6.04
100
1
300
3
200
2
4
.04
1
.01
0
0
197
1.97
50
1
500
10
14
.28
3
.06
1
.02
562
11.24
III A,
B,
IV A 3
B,
'
c2
ct
c3
Kontrol
(mislde A n = 25)
III. A 2 J = a 2 j ( A ! 2 ) ( B , J ) = a 2 j ( A , j ) ( B 1 2 )
B 2 j = A 2 J /A 2 2
(mislde A 2 2 = 100)
(A 3
mislde 50).
Btn ilemleri aym zamanda kontrol stununda da yapnz. Kontrol iin hesaplanan srann toplam ile, kontrol stununda o sraya tekabl eden toplamn eit olup olmadna baknz.
2. G e r i y e Doru zm:
Regresyon katsaylarnn bulunmas:
p 3 = B 3 y = 10.
p 2 = p 2 y - ( M (PJ) = - 2 - (3) (10) = - 3 2
p, = B y - ( B ) (p 3 ) - (B, 2 ) (p 2 ) = 3(2) (10) - (4) ( - 3 2 ) =
- 151
115
eemdersnotlari.com
c 3 [ = B3c= .28
C2, = B 2 C l (B 2 3 ) (c 3 1 ) = . 04 (3) (. 28) = . I
c,, = BC (B 1 3 ) (c 3 J ) (B, a ) (c 21 )
= .04 (2) (.28) (4) (.88) = 4.12
2'inci stun
c32 = B3C2 =
.06
c 2 2 = B 2 c 2 (B 2 3 ) (C m ) = 01 (3) (. 06) = . 19
c 1 2 = c 2 = .88
3'nc stun:
c 3 3 = B 3 c 3 = .02
c 2 3 = c 3 2 = .06
cu = c 3 l = .28
(X'X)->
4.12
-.88
.19
.88
-.06
.28
.28
-.06
.02
10)
75
100 = (151) (75) + (32)(100)
250
+ (10) (250) = 5625
416
eemdersnotlari.com
= 140
10
Y = 300, X = 3, x 2 = 10 ve x 3 = 16 farzedersek,
p 0 = 300 (151) (3) (32) (10) (10) (16) = 7
s \ = s 2 c = (140) (4.12) = 576.8
P,
s 2 ,, = s 2 c 2 2 = (140)(.19) = 26.6
fc
s 2 = s 2 c 3 3 = (140) (.02) = 2.8 ..
fc
\1
3 2
Po
=
82
x,2cu+2
W , ,
' n
n=l
i<j
)
(
HO
+ (9) (4.12) + (100) (.19) +(256) (.02)
( 14
+ (2) [30 ( .88) + 48 (.28) + (160)(.06)] J =226.12
Y = 7 + 151 X 32 X 2 + 10 X 3
(15.05)
(24)
(15.15)
(1.69)
Misl 2:
Aadaki verileri kullanarak A lkesi iin ahs bana likit st
talep fonksiyonunu tahmin etmek istiyoruz.
D : Tketici fiyatlar indeksi ile deflasyona tabi tutulmu ahs
bana kullanlabilir gelir.
P : Likit st iesi fiyatnn tketici fiyatlar indeksi de deflasyona tabi tutulmu ekli.
C : ahs bana likit st tketimi.
2 kukla deiken (Z ve Z 2 ) kullanarak (a) II. Dnya Sava ncesi ve
sonrasnn (Z), (b) 1955 ylnda uygulanmaya balanan zel bir st
programnn etkilerini de hesaba katmak istiyoruz.
417
eemdersnotlari.com
DI
z,
1929
1930
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
940
840
800
670
660
730
790
870
900
840
920
970
1100
1250
1250
1330
1320
1330
1380
1370
1440
1500
1500
1470
1520
18.7
18.9
18.5
17.5
17.7
18.7
19.1
19.4
19.5
19.9
19.7
20.5
20.7
20.5
19 8
19.3
19.9
20.4
19.9
19.5
19.7
20.1
20.1
19.8
19.8
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
27690
487.6
12
z,
0
0
0
0
0 '
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
Kontrol
252
249
243
245
244
227
231
238
238
237
238
238
241
277
280
277
277
278
276
277
284
295
297
296
1210.7
1107-9
1061.5
932.5
921.7
975.7
1040.1
1127.4
1157.5
1096.9
1177.7
1228.5
1361.7
1548.5
1550.8
1627.3
1617.9
1629.4
1676.9
1667.5
1745.4
1817.1
1821.1
1788.8
1837.8
6534
34728 6 /
DI
DI
P
32771900
z,
z.
G
K
Ortalamalar
1170.6
z,
Z,
543815
9526.04
16660
238.80
12.00
7430
99.50
5.00
5.00
7395970
127629.70
3413.00
1471.00
1721514.00
.48
19.504
.2
261.36
Kontrol
40735775 00
681309.04
20328.80
9010 50
9249997 70
50696421 U4
34728.6 y |
n = 25
ORTALAMA ETRAFINDAK MOMENTLER
DI
DI
P
z,
z,
c
K
2102456
P
3749.24
15.8896
z,
3368.8
4.752
6.24
z*
1892 0
1 98
2 60
C
6
564
276 68
161 20
13787 76
Kmtrni
158911
190
418
eemdersnotlari.com
2153394.64 /
lek deitirme:
DI
"
z.
1.
Z,
DI
p
2 10246 3.74924
15.88960
3.36880
4.75200
6.24000
II
A,
B,
2 10246 3.74924
I
1.78327
III
A.
B,
IV
A,
A,
B,
z,
Z2
1.89200
1.98000
2.60000
4.00000
1.58912
1.90564
2.76680
1.64200
"
1
0
0
0
"
"
h
.67085 .62172
.92676
-
Katsaylar:
1.51009
y2
.10490
Y, =
.23722
I4
Kontrol
0
1
0
0
0
0
1
0
0
0
0
1
13.70162
29.27648
20.72760
13.11400
1
0
.47563 0
0
0
0
0
13.70162
6.51694
0
0
0
0
4.84287
.52619
.55303
.84384
B,
I,
.15841
.10490
.99280
.65643
p 0 = .05260
P, =
.37514
-=
3.09015
= .66221
A44
(B 1 4 ) = - 1-90742
3'nc stun,
C43 c34 = .61371
c i 3 = 1/A 33 c 3 4 B 3 4 = 2 .05941
419
eemdersnotlari.com
11.39087
1.09807
4.51882
1.90742
-1.09807
.18753
.37387
.18401
.51882
.37387
2.05941
.61371
1.90742
.18401
.61371
.66221
ANOVAR TABLOSU:
Deime
Kayna
S S
s.d.
MSR = .33112
Regresyon
Hata
20
Toplam
24
.03087
S =
00298
.00051
M S
SSE
MSE = .00271 = 20
MST =.057449
01225
.00101
.00558
A/-03087 = .17565
S^ = V.00051 = .02259
eemdersnotlari.com
.00517
.00050
.00166
.00179
S x = V-00558 = .07470
Yi
S^ =
00179 = .04230
r2
S . = V-H080 = .33288
a
1-32449
_
1e'e /nk
R2=
= .9606 R 2 =
= 1
1.37878
Y'Y/n1
.00271
.05745
=.9528
= a* + p, (
100
DI
) + p 2 (P) + f Z, + y 2 Z2
100
(.02259)
(.07470)
(.04230)
R 2 = .9528
Cal F =
MSR
.33112
=
= 122.185
MSE
.00271
Ho : p! = p2 = yi = Y2 =
Tab
2.87 Tab F4,2o,-o = 4.43
duundan Ho' reddederiz.
Z2
Cal F =
.02977
MSR Z
MSE
tab F 2 I 2 0 =
MSR Z = .01489
.01489
.00271
= 5.493
.3.49
a = .05
(5.85
a =.01
eemdersnotlari.com
Tahmin:
= e 0 X 0 (X'X)- X'e
E(e 0 ) = 0
E(eo\X, X 0 ) = 0
Yar(eo) = Var(e 0 ) + Var X u (X'X)- X'e
= a' + [Xo(X'X)- X'X(X'X)- X0't<J2
= 02(l + Xo(X'X)-lXo')
Hata teriminin dahmmn eklinin normallii faraziyesi yapldnda,
e o - N ( 0 , ffJ(l+Xo(X'X)-'
X')
E(Yo\Xo) = X0p
nceden tahmin hatasnn 2 kayna var:
i) Yo'n beklenen deerini nceden tahmin etme srasnda yaplabdecek hata.
ii) Yo'n gzlenen deerinin beklenen deeri etrafndaki yaylmas
sonucu sz konusu olan hata.
422
eemdersnotlari.com
eo
(0,l)
<rVl+(Xo(X'X)-X'o
ee
X2n-k
e0
v e
/[l+X(X'X)-Xo']e'e
tn-k
a/2,n-k
st^Y0^Y0+t
s ^ ] = l a
0
a/2,n-k
Bant
eemdersnotlari.com
18)
CP
VA
= 1.9396 + 1.0379
h
PCNP
(.5395) (.1338) P y
ve
X 2 = 2 X,
WNA
.6452
b
(,1922)PY
olsun.
NWNA
.8844
1951-1965
(,1331)*P Y
R 2 = .9966
NA
NA d =2.478
424
eemdersnotlari.com
X,
x2
1
0
1
3
5
4
7
9
5
7
6
9
11
3
4
5
2
3
15
28
38 V
55
25
15
98
42
180
312 V
" 10 10 "
10
14
14
23.2
23.2V
10
10
10
X,
x2
1
2
3
4
5
15
10
1
0
1
2
3
5
4
7
9
5
7
6
9
12
28
55
98
33
-20
10
180
335 V
39 V
10
8
. 6.8
14
10.6
23.2
(X'X)- =
P =
1.7
2.5
1.7
2.5
14
2.6
10.6
1.5
eemdersnotlari.com
30.8V
|3'X'Y = 20.5
Y'Y = 23.2
R2 =
20.5
23.2
R2 = 1
e'e = 2.7
S . = 1.35
s2 =
1.7
e'e
2.7
nk
= .884
1.35
= 1.35
s v = 1.52
r
2-5
.767
5.8
.83
R 2 = .884
F =
10.25
1.35
= 7.59
tab F 2 , 2 = 19.00
(20)
Y = .3 + 2 . 6 X , + 1.5 X 2
(1.52)
(1.83)
Grld gibi, X de X 2 arasndaki oklu bant nedeni ile R 2
tatmin edici byklkte olduu halde, katsaydarn standart hatalar,
zellikle X 2 'ye ait olan byktr. Burada X 2 'nin katsaysnn iareti de
beklenenin aksine, fakat sfrdan zaten anlaml ekdde farkl deil. X 2 'nin
standart hatasnn, mutlak ve daha doru bir mukayese ile katsayya
gre nisbi olarak byk kmas tesadfi deddir. oklu bant halinde,
baml deikene daha fazla etkisi olan deikenler, tesiri az olanlara
gre oklu bantdan daha az etkilenir.
oklu bant'nn LS tahmin edicilerinin zellikleri zerindeki etkileri nelerdir? Hemen belirtelim ki, oklu bant sapmaya sebep olmaz.
Sapmaya sebep, aklayc deikenlerle hata teriminin ilikdi olmasdr.
oklu bantya sebep olduu iddias ile denklem d braklan ihmal
edilmi deikenler ise tahminlerde sapmaya sebep olurlar. Bu sebepten
denklemi "ayaklayarak" oklu banty ortadan kaldrmak tavsiye edilemez.
oklu bantnn zarar da incelenen problemin mahiyetine gre
deiir. Ama nceden tahmin ise, gemite aklayc deikenler arasnda mevcut olan iliki kalplarnn nceden tahmin yaplan devrede de
20 Serbestlik derecelerinin, n'in ok kk (5) olmas nedeni ile kkl sebebiyle 7.59'luk bir F deeri istatUtilu olarak misalimizde anlaml kmyor. Aslnda n > 10 iin bu byklkte
bir F deeri katsaylarn ?fr olduu eklinde bir hipotezi red iin fazlas ile yeterlidir.
426
eemdersnotlari.com
Koymak
eemdersnotlari.com
eemdersnotlari.com
Net Yatrm
Hasla
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
21.7
17.1
22.8
9.8
21.7
25.2
16.3
13.5
8.3
17.3
17.9
14.3
4.3
12.1
11.5
245.5
251.0
260.4
258.6
278.6
300.2
308.9
323.1
315.4
341.7
351.4
359.3
349.5
372.6
384.9
Sermaye Stoku
323.2
340.3
363.1
372.9
394.6
419.8
436.1
449.6
457.9
475.2
493.1
507.4
511.7
523.8
535.3
1960
1960
1960
S
Y, , = 1316.2.
1 K t _ ( - 6068 7 X I, = 212.1 n=14
t1947
t =-17
t = 17
Balang noktas etrafndaki momentler:
Y t _
K,_
It
K
Y,_
1355299.70
1908069.34
63506.96
K,_
2687716.07
89217.73
I,
3652.39
K
8168256.22
eemdersnotlari.com
1
(X'X)]- = (X'X)- (
)-> = 1000 (X'X)-
1000
1000
1000 (X'X)- =
(X'X)-' =
1.39103
-.98752
.70144
1.39103
.98752
X 10-3
.70144
1.39105
.98752
63506.96
-.98752
.70144
89217.73
63506.96
89217.73
.2358
X10-3
-.1335
= 3064.37
e'e = 588.2
e'e
S2 =
nk
= 49.0017
3064.37
3652.39
-.04839
.03437
= .839
, = .2358 Y , . , .1335 K t _ t
(.2611)
.06816
R 2 = .839
(.1854)'
eemdersnotlari.com
It = S(K*t_,-Kt_,)
Hesapladmz regresyon'da S'nn tahmini olarak p 2 = . 1335 ve
nin tahmini olarak J3| = .2358'dir. Buradan sermaye hasla oran
iin bir tahmin yapabiliriz.
=
.2358
1335
e,_i) = 0
i ^ 1
7*0
i > 1
i ^ 1
Jt 0
i> 1
Grld gibi Y,_ ve K,_, e'dan bamsz deil. Bu durum tahmin edicilerin BLU olmasna imkn vermez.
Dier bir problem de oklu bant hali. Bu durum standart hatalarn byklnde aka beliriyor.
2. KimyasaL bir istihsal prosesinde nihai rnn iindeki yabanc
madde oran; katalizrn konsetrasvonu ve reaksiyonu ssnn bir fonksiyonu olarak dnlmektedir. Bu unsurlarn yabanc madde oran
zerindeki etkilerini tayin etmek iin yaplm olan bir deney aadaki
sonular vermitir.
131
eemdersnotlari.com
Yabanc
Konsentrasmadde yzdesi
yon
(Y)
5
2
2
4
2
0
0
2
1
Is
(X.)
(X2)
1
1
1
o
o
o
1
I
1
1
0
1
1
0
1
1
o
1
XX =
o
6
0
SX 2
SX,X 2
0
0
6
0
0
0
1
6
0
0
0
1
6
Y
X'Y =
2X,Y
ZX 2 Y
432
eemdersnotlari.com
18
=
6
6
9
JC
p =
Po
l'
P2
18
Y'Y = 58
p'X'Y = (2
18
6
1 1)
= 48
e'e = 10
10
93
5
-
27
S^ = s2(X'X)- =
18
18
P.-Pi
Vs
c ii
Ho : p, = 0
cal T
10
tab t. 0 2 5 4 = 2.447
V5/18
cal T < tab t olduundan p ( = 0 hipotezi kabul edilir,
po iin de test sonular P'in ayndr.
433
eemdersnotlari.com
) ANOVAR Tablosu
Kaynak
s.d
S S
MS
l,X,Xa
k=3
p'X'Y48
48/3 = 16 v
Sabit terim r = l
p 0 'X'Y = 36
X X 2
t a b
12 12/2 = 6
nk=6
10
n= 9
Y'Y = 58
Test statistiimiz
10
36/1 = 36 u =
k - r = 0 (p, P,)
Hata
48
12
10
w=
36
10
12
10
= 9.6
=21.6
=3.6
10/6
= 3.6
w1
' 2,6
F 2 ,.,5 = 5.14
Zek
295
152
214
171
131
178
225
141
116
173
okuma hz
41
18
45
29
28
38
25
26
22
Kur ortalamas
Zek
Okuma hz
37
434
eemdersnotlari.com
Y
X,
x2
Cevap:
Y = .8970 + .0079 X, + .0115 X 2
(1.174)
(.007)
cal F =
tab F 3 7
r 2 = .552
(0.425)
P'X'Y/k
e'e/ nk
05
R 2 = .641
3.2996
.7916
= 4.168
= 4.35
P'
1920
1922
1924
1926
1928
1930
1932
1934
1936
1938
307
155
363
273
383
232
626
124
255
117
26.8
26.6
16.3
14.5
13.9
12.5
10.0
18.4
13.2
19.0
13.1
7.8
10.8
7.4
8.0
5.7
8.0
6.2
7.5
6.8
Q:
eemdersnotlari.com
Cevap:
Q
f(P, P', t)
P2 p31 + e
Q t = A P P' e
lnQ t = n A + p, n P + p2 n P' + p 3 t + e
P = p2 alalm.
lnQ t = n A + p,(ln Pn P') + p 2 1 + e
lnQ, = Y
nA = p0
n P n P' = X
Y = p0 + p, X + p 2 1 + e
Veriler:
Yl
1920
2
4
6
8
1930
2
4
6
.71578
1.22680
..41162
.67267
.55244
.78576
.22314
1.08781
.56531
1
3
5
7
9
11
13
15
17
5.72685
5.04343
5.89440
5.60947
5.94803
5.44674
6.43935
4.82831
5.54126
1938
1.02752
19
4.76217
7.26835
100
55.24001
.726835
10
5.524001
10
t
Y
K
X
6.169613
73.12391
1330
Y
38.763972
543.86069
307.650771
2955.317527V
136
eemdersnotlari.com
.440410
1.386401
330
8.539410
2.504901
314.420820V
|X'X| = 292.61826
/ 1.127749 .001505 x
(X'X)- J = (
) Kontrol: (X'X) ( X ' X p = I
\ .001505
.003030 '
t 0 \
^ p2 '
\ .023787 /
1 5 5 0 6 6
A,
B,
A,
B2
A,
B,
X,
4
X,
2
3
4
1
2
-1/2
2
1
X,
4
1
9
4
1
1
1/2
9/2
1
Y
12
10
11
12
3
16
8
9
2
C|
1
0
0
1
1/4
1/2
1/4
5/4
5/18
c2
0
1
0
0
0
1
1/2
1/2
1,9
Cj
0
0
1
0
0
0
0
1
2/9
n = 12, Y = 65, X, = 4, x 2 = 5, x 3 = 14
<
'
437
eemdersnotlari.com
Cp
Ya
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
9.164
10.565
12.622
12.932
15.053
17.886
22.877
28.359
35.409
37.667
39.729
44.396
52.127
54.430
57.480
5.564
6.193
7.235
5.927
7.638
9.096
12.005
16.144
18.495
19.238
19.048
21.779
25.143
25.800
25.434
W NA
1.897
2.148
2.374
2.839
3.820
4.723
5.586
6.951
9.424
10.064
11.597
12.482
13.412
15.032
16.792
NWna
PGNP
3.233
4.083
4.997
6.019
6.742
7.378
9.032
10.778
13.859
15.057
15.842
17.792
21.034
23.042
26.114
.3679
.3952
.4179
.4679
.5349
.5787
.6829
.7701
.9148
.9542
1.0000
1.0551
1.1218
1.1496
1.1801
1
1
1
1
1
YA
3811
3985
4252
4339
5125
5616
7231
8274
9512
9778
0000
0802
1588
1893
2124
N A
.3518
.3862
.4100
. 1867
.5472
.5928
.6558
.7376
.8987
.9412
1.0000
1.0317
1.0881
1.1160
1.1523
I, = S a Y t 8K t _,
0 < S<1
eemdersnotlari.com
10.
y
para arznn gelir srati
M
DI harcanabilir geliri gstersin.
P = f(DI, Pr,- , e)
M
(3,
|32 Pr
y/M + e
P = (3o DI 10
10
denklemini aadaki verileri
kullanarak hesaplaynz. Bu fonksiyonel form'un geerliliini tartnz.
Toptan eya fiyatlar indeksinin aklayc deikenlerdeki deimelere
kar ortalamalarda llen esnekliklerini Pr.7'den de faydalanarak
hesaplaynz.(25)
Yl
DI
Pr
y/M
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
10.229
11.908
14.033
13.952
17.003
19.853
25.114
29.330
35.381
38.819
38.532
44.175
50.677
54.266
58.071
77.8
88.0
100.0
85.6
101.1
103.9
123.0
123.3
123.4
130.1
124.0
133.9
153.3
164.7
173.1
5.30
5.13
4.99
4.38
4.32
3.95
3.88
4.24
4.41
4.54
4.22
4.36
4.49
4.16
3.82
97
98
100
111
119
139
165
190
227
239
246
260
271
269
293
P = 1.829 D
.9454
(.0639)
10
,0020 Pr
(.0006)
.0163 y/M
(.0142)
RJ=.942
10
d = 1.47
baknz: S. Korum "Trkiye'de Toptan Eya Fiyatlar Endeksi" SBF yayn No. 260. Maliye
Enstits Yaynlar 30, Ankara 1968. Problemle ilgili veriler iin; a.g.e Sh. 60.
139
eemdersnotlari.com
eemdersnotlari.com
BBLYOGRAFYA
to Mathematical
Calculus
T. Bulutay: Ekonometrik
T. Bulutay: Dorusal
Bir
Deneme,
T. avdar: Ekonomiye
605, 1970.
of
Statistics,
Analysis,
and Methods,
techniques
Statistical
Models
W . G. Cochran: Sampling
Mc. Graw
Programlama
C. F. Christ: Econometric
in Research,
to Multivariate
H. D. Brunk: An Introduction
R. C. Buck: Advanced
Theory
Probability
Uygulanm
Wiley, 1966.
Theory
Genel
Matematik,
to Statistical
DE Yaynlar No:
Analysis,
Mc. Gravv
Computations,
Wiley, 1951.
of
W. Feller: An Introduction
Wiley 1957.
to Probability
D. A. S. Frazer: Statistics:
Squares
Correlation
An Introduction,
and Regression
Analysis,
Theory
Applications,
and Its
Wiley 1958.
411
eemdersnotlari.com
3.
H. Freeman: Introduction
To Statistical
J . E. Freund: Mathematical
Statistics,
A. S. Goldberger: Ecoometric
Addison-Wesley, 1963.
Theory,
F. A. Graybill: An Introduction
Inference,
Wiley, 1964.
to Linear
Statistical
Models,
Mc. Graw
Hill, 1961.
G. Hadley: Linear
Algebra,
P. G. Hoel: Introduction
to Mathematical
Statistics
P. G. Hodb Elementary
Statistics,
Wiley, 1961.
R. Hogg, A. Craig: Introduction
to Mathematical
1959.
S. H. Hymans: Probability
metrics
and Decision
J . Johnston: Econometric
E. J . Kane: Economic
L. Kish: Survey
Methods,
Statistics
Vergi
and Econometrics
to Econo-
Theory
of Statistics
Ekonomik
Analizi,
Vol. I, 2. Ed.
S B F Yaynlar
Wiley 1965.
Toptan
Eya
U. Korum: Ekonometrik
Modeller
S B F Yaynlar No: 268, 1969.
J . R. Li: Introduction
MacMillan,
Sisteminin
Sampling,
S. Korum: Trkiye'de
No: 260, 1968.
Statistics,
Theory
With Statistical
Applications
Making
Prentice Hail, 1967.
ve
to Statistical
B. W. Lindgren: Statistical
Theory,
T. C. Liu: Underiden'ification,
Econometrica Oct. 1960.
Fiyatlar
Trk
Endeksi,
Ekonomisi
Inference,
S B F Yaynlar
iin
Bir
Deneme,
MacMillan, 1962.
Structural
to The
with
Estimation
Theory
of Stutistics,
Statistical
eemdersnotlari.com
and
Forecasting,
2. Ed.
Applications
India,
North
in Probability
Statistic
and Statistics
in InrppropriHolt,
B. Ostle: Statistics
in Research
E. Parzen: Modern
Probability
Theory
Statistics,
Foundations
G. W. Snedecor: Statistical
Methods,
To
Applications,
Wiley, 1960.
of Statistics,
Wiley, 1954.
D. B. Suits: Statistics:
An Introduction
Rand Mc. Nally, 1963.
J . Uspensky: Introduction
1937.
and Its
Rinehart and
to uantitative
Mathematical
Probability,
to Probability
Economic
oOo
143
eemdersnotlari.com
Research,
eemdersnotlari.com
KAVRAM
A
Aklayc deiken 319
Aksiyon 194, 268
Aksiyon uzay 194
Alternatif hipotez 193
.Aralk eklinde tahmin 193, 238
Artk'lar 325
Ayrk olay 28, 264
NDEKS
oklu bant 423, 427
oklu regresyon 391
O
Determinasyon Katsays 350, 397
Determinist tlikiler 320
Dorusallk 322, 332, 394
Doolittle metodu 404, 414
Durbin-Watson Statistii 370
B
Baml deiken 320
Balang noktas etrafndaki momentler 330
Baskn kma 195
Bayes forml 32
Bayes'ci yaklam 195
Beklenen deer 89
Beklenen deer cebiri 94, 176
artl beklenen deer 108
Binomial dalm 129, 154
Nokta binomial 131, 154
Baar yzdesi 131
Normal eri ile yaklama 148
negatif binomial 154
Binomial teorem 36
Birebir karlkllk 16
Birinci farklar 374
Birletirme (Kombinasyon) 35
Birrnek Dalm 155
Byk saylar kanunu 178, 180
c
Chebvshev eitsizlii 179, 183
Chi kare
dalm 230
Contingency tablolar 307
arpklk 115
ift logaritmik dntrme
312
E
Ekonometri 320
En iyi asimptotik normallik 210
En kk kareler metodu 323
Esneklik 341
Etkinlik 204
Asimptotik etkinlik 204, 209
F
F dalm 235
Fonksiyon 15
Domain 15
Range 15
Fonksiyonel form 320
G
Gamma dalm 154
Gauss-Markov teoremi 332, 394
Geometrik Dalm 154
Gruplandrlm verilerde korrelasyon
Gven aral 240
Ortalama iin 240
Ortalamalar fark iin 248
Varyans iin 250
Oranlarla ilgili 254
Oranlar fark ile ilgili 256
Gven blgeleri 252
eemdersnotlari.com
- ,-
O
Olasbk 21
tarif 22
Aksiyomlar 23
Teoremler 24
artl olaslk 25, 53
Mutlak Olaslk 27, 53
Olasdk rneklemesi 169
Ortalama etrafndaki momentler 331
Ortalama hata karesi (MSE) 204
Otokorrelasyon 324, 370
1
liki 14
lkel olay 22
Invariance 214
statistik! tahmin 193
leyen karakteristik 270,
288
K
Karar alma kural 195
Kabul edilebilir kural 196
Karar alma problemi 193
Kartezyen arpm 13
Korrelasyon Katsays 103, 146, 348
Kovaryans 102
L
Likelihood fonksiyonu 339
Likelihood oram test'i 274
Genelletirilmi 279
M
Maksimum likelihood metodu 211, 324
zellikleri 213
Marjinal Olaslk dalm 61
Marjinal sklk fonksiyonu 63
Medyan 90, 93
Merkezi limit teoremi 135, 181, 183
Minimaks kural 196
Minimum varyangl lanmaszlk 204, 335
Mod 90
Momentler 113, 154
Moment karan fonksiyon 116, 144, 154, 245
ur
I
eemdersnotlari.com
Schvvartz eitsizlii OS
Serbestlik derecesi 232
Serpme diyagram 324, 349
Set 4
Tarif 48
Kesikli 50
Olaslk fonksiyonu 50
Birikimli dalm fonksiyonu 53, 57,
66, 74
Devaml 55
ok boyutlu 59
Birleik olaslk fonksiyonu 61
Birleik sklk fonksiyonu 63
Tesadfi deikenlerin fonksiyonlar 73
Test fonksiyonu 194, 267
Test'in kuvveti 220, 288
Tip I hata 269
Tip II hata 269
Tutarllk 204
Kare hata tutarllk 208
Basit tutarllk 209
Universal set 5
Bo set 5
Snrl set 4
Snrsz set S
Eitlik 6
Eleniklik 6
Kuvvet set'i 7
Tamamlayc set 7
Kesiim 7
Birleim 8
Fark 8
Simetrik fark 8
Set cebri kurallar 10
Snrl ktle dorultucu arpan 172
Sralama (permutasyon) 35
Sral ikili 13
Simltane zm 213
Standartlatrlm tesadfi deikenler
Statistik 173
Stokastik bamszlk 28, 72, 103, 367
Stokastik ilikiler 320
Strateji 194
U
Uyma iyilii test'i 310, 353
104
artl dalmlar 70
Yeterlilik 204, 210
Z
Zarar 195, 268
117
eemdersnotlari.com
eemdersnotlari.com
eemdersnotlari.com
A.. S.B.F. ve Basn - Yayn Yksekokulu Basmevi, Ankara -1985 F i y a t 1000 TL.
eemdersnotlari.com