Olasılık Ve İstatistik - Ders Notları

om
.c
ri
rs
no
tla
Olaslk ve Istatistik
ee
de
2014
om
tla
ri
.c
cindekiler
I
IS
1 GIR
rs
no
cme, Olaslk ve Istatisti
1.1 Ol
ge Genel Baks . . . . . . . . . . . . . . . .
1.2 Deney Tasarm: Anak

utle ve Orneklem
Uzay . . . . . . . . . . . . .
Orneklem
s
ureci . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Istatistik
T
urleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1
Betimsel istatistik . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2
C
karmsal istatistik
de
1.3.1
. . . . . . . . . . . . . . . . . . . . . . .
2 TEMEL OLASILIK
2.1 Giris . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Tanm . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Olaslgn Iki
ee
2.3 Rasgele olaylar icin cebirsel islemler . . . . . . . . . . . . . . . . . . . 12

2.3.1
Temel Olaslk Onermeleri

. . . . . . . . . . . . . . . . . . . . 14
2.3.2
Kosullu Olaslk . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3
Bagmsz Olaylar . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.4
Bayes Kuram . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Ileri
Saym Teknikleri . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1
Agac C
izgeleri . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
ii
cindekiler
I
2.4.2
Perm
utasyon . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.3
Kombinasyon . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
om
IS
KENLER ve OLASILIK DAGILIMLARI
3 RASGELE DEG
25
3.1 Rasgele Degisken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Rasgele Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Olaslk Yogunluk Fonksiyonu . . . . . . . . . . . . . . . . . . 27
3.2.2
Ayrk Daglm Fonksiyonu . . . . . . . . . . . . . . . . . . . . 28
3.2.3
S
urekli Daglm Fonksiyonu . . . . . . . . . . . . . . . . . . . 29
ri
.c
3.2.1
3.3 Rasgele Degiskenin Beklenen Degeri ve Momenti . . . . . . . . . . . . 31

Beklenen Deger ve Agrlkl Ortalama . . . . . . . . . . . . . . 31
3.3.2
Varyans ve Standart Sapma . . . . . . . . . . . . . . . . . . . 34
3.3.3
Moment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
tla
3.3.1
rs
no
cu
3.4 Diger Merkezi Egilim ve Saclm Ol
tleri . . . . . . . . . . . . . . . . 38
3.5 Birlesik Rasgele Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . 42
3.5.1
3.5.2
3.5.3
S
urekli Durum . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Bagmsz Rasgele Degiskenler . . . . . . . . . . . . . . . . . . 47
Kosullu Olaslk Daglmlar . . . . . . . . . . . . . . . . . . . 48
de
3.5.4
Ayrk Durum . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5.5
Kovaryans ve Korelasyon . . . . . . . . . . . . . . . . . . . . . 49
4 BAS
LICA OLASILIK DAGILIMLARI
55
ee
4.1 Ayrk Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.1.1
Bernaulli ve Binom Daglmlar . . . . . . . . . . . . . . . . . 55
4.1.2
Ayrk Uniform
Daglm . . . . . . . . . . . . . . . . . . . . . . 58
4.1.3
Poisson Daglm . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 S
urekli Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.1
Normal Daglm . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.2
Chi-Kare Daglm . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2.3
t Daglm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
s.2014.02.21
iii
cindekiler
I
Fisher Daglm . . . . . . . . . . . . . . . . . . . . . . . . . . 68
ee
de
rs
no
tla
ri
.c
om
4.2.4
s.2014.02.21
om
cme, Olaslk ve Istatisti
Ol
ge Genel Baks
rs
no
1.1
IS
GIR
tla
ri
.c
B
ol
um 1
de
cme, fiziksel bir b

Ol
uy
ukl
ugu
n onceden belirlenmis birim b
uy
ukl
ukler yardmyla
cme sonucu elde edilen saysal veriye olcu
olceklendirilmesi eylemidir. Ol
veya gozlem
ad verilir. Tekrarl olcu
sonuclar birbirine benzer saysal degerleri isaret etse de,
bilim ve m
uhendislikte olcme, rasgele (kontrol edilemeyen) olaylarn sonuclardr.
Bu nedenle, istatistikte olcu
ve gozlemlere rasgele degisken goz
uyle baklr. Tekrar
edilen her olcu
, farkl zaman veya mekann ozelliklerini yanstr. C
evresel kosullar
istenildigi kadar ayn tutulmaya calslsn, yine de insan duyularnn ve olcme
sistemlerinin yetersizligi, birbirinden az ya da cok sapan olcme sonuclarn dogurur.
Sonuc olarak, m
ukemmel veya kesin degeri verecek bir olcme isleminden soz etmek
olanakl degildir.
ee
Dogada gozlenebilen olaylardan belirli bir sonuc (bilgi) ckarmak icin verileri belli
kurallar altnda saysal anlamda toplamak, bilim ve m
uhendislik calsmalarnn
en onemli gorevleri arasndadr. Yukarda anlan nedenlerle olcme sonuclarnn
raslantsal olaylara bagl olmas, gereginden fazla olcu
n
un toplanmasn zorunlu
yandan, belli bir ygn olusturan veriler arasnda raslantsallktan
klmaktadr. Ote
kaynaklanan tutarszlklar gor
ulmesine ragmen, bunlar baz grafiklere tasndgnda
ortak (k
utlesel) bir davrans sergilerler. Bu davrans bicimi kuramsal olarak iyi
ste bu y
bilinen olaslk fonksiyonlar ile uyum icindedir. I
uzden veri ygnlarnn tek
anlaml sonuclara don
ust
ur
ulmesi, matematiksel istatistigin konusudur.
T
urk Dil Kurumu sozl
ugu
ne1 gore istatistik tanm;
1
ozl
uk (2005) T
urk Dil Kurumu, Ankara.
T
urkce S
IS
GIR
bir sonuc ckarmak icin olgular y

ontemli bir bicimde (olaslk kuram
ilkelerine dayanarak) toplayp say olarak belirtme isi, saym bilimi
tla
ri
.c
om
biciminde verilmektedir. Tanmdan anlaslacag u

zere, olaslk kuram istatistigin
temelini olusturmaktadr. Olaslk kuram, tpk bir olcme islemindeki kontrol
edilemeyen cevresel etkenlerde oldugu gibi, belirsizlik durumunu inceler. Sans
oyunlar olaslk uygulamalarnn en tipik ornegidir.
Bilim ve m
uhendislik
uygulamarnda ise deney ya da olay sonuclar (olcu
ler), genellikle kontrol
edilemeyen ancak varlg belli olaslk degerleriyle ortaya ckan (stokastik) olaylar
kadar, geometrik ve fiziksel yasalarn sonuclar olarak nicelikleri onceden belli
gin, agrlk (gravite) ivmesini olcen bir
(deterministik) olgular da icerir. Orne
gravimetreden okunan saysal deger, yeryuvarnn toplam k
utlesi ve olcu
m
un
yapldg noktann yerin agrlk merkezine gore konumuna bagldr. Onceden, belirli
bir yaklaskla bilinen k
utle ve konum bilgisi icin gravite ivme degeri deterministik
yolla hesaplanabilir. Ancak, deterministik sistemler baslangc kosullar altnda
hep ayn sonuclar verdiginden stokastik s
ureclerden farkldrlar, dolaysyla olaslk
kuramnn dsnda yer alrlar. Bu acklamalardan yola cklarak tek basna olaslk
kavramndan soz edildiginde; rasgele olaylar analiz eden bir matematik dal,
matematiksel anlamda bir olayn gerceklesebilme durumunu gosteren say (0 ile 1
arasnda) anlaslr. Burada 0 imkansz olay, 1 kesin olay anlamndadr.
de
rs
no
Veri analizinde istatistik, sonuclarn yorumlanmas ve gosterimi icin gereklidir.

Stokastik olaylarn fonksiyonel davransn tanmlayan olaslk daglmlar kul
lanlmakszn istatistik sonuclarn yorumlamak zorlasr. Istatistik,
gecmis verilerin
tekrarlanma (frekans, sklk) durumunu ortaya koyarken; olaslk ayn olayn
gelecekteki gerceklesebilme durumunu acklar. Soz konusu iliski, bir yaz-tura
oyunuyla orneklendirilebilir. Para atsnda yaz veya tura gelme olaslg, var olan
secenekler goz on
une alnarak hesaplanabilir: normal kosullar altnda her ikisi de
esit, 1/2. Buna karsn 100 kez atlms bir para icin 47 tura ve 53 yaz gelmesi, tam
ayn olmasa da olaslk daglmndan elde edilen 1/2 degerini isaret ederler. Buradan,
istatistik sonuclar tutarllk acsndan olaslk daglm degerleriyle irdelenmelidir
onermesi yaplabilir. Ayrca, verilen ornege iliskin uygulama esaslar ve sonuclar
karslastrldgnda olaslgn kuramsal, istatistigin deneysel acdan degerlendirilmesi
gerektigi hemen anlaslmaldr.
ee
1.2
Deney Tasarm:
Uzay
Anak
utle ve Orneklem
Bilimsel arastrmann amac snrl bir veriden evrenin nasl isledigine iliskin bilgi
ckarmaktr. Deney ve istatistiksel analiz burada cok onemli bir sac ayag islevi
gor
ur. Arastrmann cks noktas gozlenen olgu ve bagl oldugu parametreler
u
zerinden kurulmus hipotezdir. Hipotezin gecerliligi, ancak bir deneysel calsmayla
snanabilir. Sekil 1.1 doga bilimlerinde bilimsel yontemin nasl isletildigini ve
retilecek bilginin
deneyin bir bilimsel yaklasmdaki yerini ozetlemektedir. Sonucta u
s.2014.02.21
Deney Tasarm: Anak

utle ve Orneklem
Uzay
om
dogrulugunu ya da bilimsel arastrmadan bir sonuca ulaslp ulaslamayacagn,

eldeki ornekleme (veri toplama) plan belirler. Olas ornekleme hatalarnn sonuclar
(kestirilen parametreler) u
zerindeki etkisi sistematik kayklk (bias) olarak gor
ul
ur.
.c
Doa olaylar
ve
Gzlemler
tla
Test edilebilir
tahminler
ri
Hipotez
rs
no
Deney
ve
Veri analizi
Deney sonular
hipotezi
doruluyor mu?
Hipotezi
yeniden kur
Hayr
ee
de
Evet
Kuram/Bilgi
Sekil 1.1: Bilimsel yontem kullanarak doga olaylarndan bilgi edinimi
Istatistikte
ise gozlenen bir olgu hakknda sonuc ckarabilmek icin anak
utle (evren,
pop
ulasyon ya da uzay) hakknda veri toplamak yerine, sonuclara anak
utleyi temsil
eden orneklem uzay u
zerinden ulasmak pratik bir zorunluluktur. Amaclanan
istatistiksel calsmann basaryla gerceklestirilmesi deney tasarmna bagldr. Deney
sonuclarn etkileme potansiyeline sahip kosullarn onceden belirlenmesi tasarmn
en kritik asamas olarak gor
ulmelidir. Anak
utle yerine secilen orneklem uzayndaki
orneklem (denek) daglm, anak
utleyi eksiksiz bicimde temsil edecek nitelikte olmas
esastr. Bu beklenti, ancak iyi bir deney tasarm ile karslanabilir.
s.2014.02.21
1.2.1
IS
GIR
Orneklem
s
ureci
om
Orneklem
s
urecini olusturan asamalar basarl bir istatistiksel calsmann sonuc
u
r
un
u icin dogruluk ve tutarllgn saglanmasna zemin hazrlar. Bu asamalar ve
temel ozellikleri hakknda ksa bilgi maddeler halinde asagda verilmektedir.
tla
ri
.c
Anak
utlenin tanmlamas: Anlaslmak istenen olgu ve onun nicelik tanmnn
yaplmasn ifade eder. Bu tanmlar arastrma konusu ana k
utleyi ack bir sekilde
ortaya ckarmaldr. Ornegin, bir u

lkedeki okur-yazarlk oran belirlenmek istensin.
Okur-yazarlk, okul cagna gelmis veya baska bir deyisle okuma-yazma yetisine sahip
bireyler ile ilgili bir kavramdr. Dolaysyla, anak
utle (n
ufus veya ygn olarak da
adlandrlr), okur-yazar olup olmadg belirlenecek t
um bireylerdir. Okul oncesi yas
grubu ve bu yetiye sahip olmayanlar anak
utlenin dsnda saylrlar.
rs
no
Ornekleme
cercevesinin belirlenmesi: C
ogu kez anak
utleyi olusturan
t
um bireylere ulasmak ya pratik olarak olanaksz ya da uygulama maliyeti
karslanamayacak boyuttadr. Boyle bir durumda, anak
utleyi olusturan her ornegin
icinde bulunabilecegi bir altk
utle (orneklem k
umesi) arastrmasna gidilebilir.
Orneklem
k
umesi ile anak
utle hacminin anlaml olcu
de daraltlacak olmas
calsmann uygulanabilirligini kolaylastran en onemli unsurdur.

Ornekleme
cercevesi anak
utle icerisinde snrlar belirlenmis altk
utleyi temsil eder. Yukardaki
okur-yazarlk ornegini ele alacak olursak, ornekleme cercevesi bir veya birkac il veya
mahalle ve bu snrlar icinde kalan bireylerdir.
ee
de
Ornekleme
y
onteminin belirlenmesi: Yukarda snrlar belirtilen orneklem
cercevesinden orneklemlerin nasl secilecegini acklar.
Basit rasgele, d
uzenli
(sistematik), katmanl, k
ume, cok asamal ve alan olaslk ornekleme tekniklerinden
biri veya kombinasyonlar kullanlabilir. Ornekleme

tekniginin seciminde uygulama
maliyetinden dogruluk beklentilerine, istatistik calsmasnn gereksinimlerinden
yontemin uygulanabilirligine kadar degisik etkenler belirleyici rol oynar. Hangi
yontem secilirse secilsin, olaslk daglm kurallarna gore ornekleme cercevesi icinde
kalan orneklem cesitliliginin ve bu secimle uygulamaya gececek erisilebilirligin ana
k
utleyi yanstmas esastr.
Ornekleme
saysnn belirlenmesi: Basitce olcu
(gozlem) saysnn belirlenmesi
olarak degerlendirilebilir. Deneysel calsmada ilgilenilen parametre ve onlarn says
ile yakn iliskiye sahiptir. Parametre saysndan az olmamak kosuluyla sonuclarn
g
uven ve anlamllk d
uzeyi toplanan verilerin saysna bagldr. Anak
utle hakkndaki
yorum ve ckarmlarn g
uc
u orneklem saysndan gelir. Bir calsmada ne kadarlk
veriye gereksinim oldugu baz test g
uc
u cizelgelerinden ve birikimli (k
um
ulatif)
daglm fonksiyonu esitliklerinden hesaplanabilir.
s.2014.02.21
Istatistik
T
urleri
1.3
om
Ornekleme
(veri toplama): Yukardaki tasarm asamalarnn uygulanmasyla
veri toplama s
urecine gecilmis olur. Tasarmda belirlenen cercevenin dsna
cklmamasnn yan sra gozlem srasnda cevresel etkenlerin de kayt altna
alnmas veri analizini ve ckarlacak sonuclarn kalitesini arttracag goz on
unde
bulundurulmaldr.
Istatistik
T
urleri
Betimsel istatistik
tla
1.3.1
ri
.c
Orneklem
k
umesinden elde edilen verilerin istatistiksel analizi bizi iki istatistik
t
ur
une got
ur
ur: betimsel (acklayc) istatistik ve ckarmsal (t
umevarmc, sonuc
ckarc) istatistik.
rs
no
Eldeki verilerin ozetlenmis bicimi ya da baska bir deyisle niceliklendirilmesi betimsel

istatistigi acklar. Verilerin snflandrlmas, snf toplamlar veya tekrarlanma
saylar, ortalamalar, saclm (yaylm) degerleri, veri snflar arasndaki iliski
(korelasyon) degerleri, bunlara ait cizelge ve grafik gosterimler betimsel istatistigin
uygulama ornekleridir. Analiz s
urecinin olaslk kuramndan bagmsz ilerlermesi
betimsel istatistigin ayrtkan ozelligidir. Betimsel istatistik icin kullanlan analiz
teknikleri degisik bicimlerde snflandrlabilir. Degisken saylarna gore analiz
araclar ve baz ornekler asagdaki gibi sralanabilir:
Tek degiskenli (univaryat)
de
C
izelgeler: saym, frekans (sklk)
Grafik ve cizgeler: cubuk, pasta, agac, histogram
ee
Merkezsel konum araclar: ortalama, mod, ortanca (medyan)

Yaylm ve saclm (sapma) olcu
tleri: varyans, standart sapma, carpklk,
basklk
degiskenli (bivaryat)
Iki
C
apraz cizelgeler
Saclm haritalar
Bagmllk olcu
tleri (korelasyon, kovaryans)
C
ok degiskenli (multivaryat)
Korelasyon matrisleri
Regresyon analizleri
s.2014.02.21
IS
GIR
.c
om
Betimsel istatistik ornegi olarak, bir ogrenci grubunun belirli bir dersteki basars
acklayc bir bilgi olarak degerlendirilebilir. Snav notlarnn ortalamas bir basar
gostergesidir. T
urkiye Istatistik
Kurumu (http://www.tuik.gov.tr) tarafndan
toplanan ve yllk bazda yaymlanan verilerin t
um
u (cizelge, grafik vb.) acklayc
istatistik niteligindedir. Ornegin, 19902009 yllar arasnda T

urkiyede gerceklesen
sera gaz emisyon (salnm) verileri hem cizelge (C
izelge 1.1) hem de sekil (Sekil
1.2) olarak sunulabilir. Atmosferde sera etkisi yaratan bu gazlarn yllk rakamlar
u
zerinden toplam emisyon icindeki ortalama paylar (merkezsel konumlar) pasta
dilimleriyle Sekil 1.3deki gibi gosterilebilir.
CH4
33.50
37.56
41.02
43.33
43.71
46.87
49.31
50.59
51.90
53.14
53.30
52.74
50.43
51.63
49.37
52.38
53.33
55.58
54.29
54.37
N2 O F Gazlar Toplam
11.57
0.60
187.03
12.51
0.74
199.13
14.58
0.68
210.23
15.10
0.69
221.66
12.02
0.60
217.15
16.22
0.52
237.51
16.40
0.89
258.62
14.98
1.13
271.88
16.65
1.18
274.05
16.93
1.03
274.78
16.62
1.66
297.01
14.69
1.70
278.11
15.32
2.41
286.20
15.67
2.80
302.75
16.00
3.46
312.26
14.18
3.73
329.90
15.55
4.05
349.64
12.35
4.13
379.98
11.57
3.51
366.50
12.53
3.64
369.65
tla
CO2
141.36
148.31
153.95
162.55
160.82
173.90
192.01
205.18
204.32
203.68
225.43
208.99
218.04
232.64
243.43
259.61
276.72
307.92
297.12
299.11
de
rs
no
Yl
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
ri
urkiyenin sera gaz emisyon degerleri

C
izelge 1.1: 19902009 yllar arasnda T
IK,
birim: milyon ton CO2 esdegeri)
(Kaynak: TU
ee
1.3.2
C
karmsal istatistik
C
karmsal istatistik, orneklemden elde edilen (betimsel) istatistiksel sonuclar
kullanarak anak
utle hakknda yargda bulunmay amaclar. Gozlem altna alnan
anak
utlenin beklenen davrans hakknda bir yargda bulunabilmek icin bir dizi
islem y
ur
ut
ul
ur. Betimsel istatistik analiziyle t
uretilmis ortalama, standart sapma,
korelasyon vb. degerler temel veri olarak kullanlr. Bu bilgilere dayanarak
anak
utle icin bir hipotez (varsaym) ileri s
urmek ilk asamadadr. Olaslk daglmlar
s.2014.02.21
Istatistik
T
urleri
400
F Gazlar
N2 O
CH4
CO2
om
300
250
200
.c
150
100
ri
Emisyon (milyon ton CO2 esdegeri)
350
50
tla
0
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Yl
rs
no
IK)
urkiyenin sera gaz emisyonu degisimi (Kaynak: TU

Sekil 1.2: Yllara gore T
kullanlarak hipotezler testlerden gecirilir ve sonuc olarak gelecege iliskin bir
ongor
ulerde bulunulur. Gerektiginde bu islem degisik veri gruplar arasndaki
iliskilerin tanmlanmas ve buradan model u
retilmesine (regresyon analizi) dogru
got
ur
ulebilir. B
ut
un bu s
urecler ckarmsal istatistik baslg altnda ele alnr. Bu
haliyle bilim, m
uhendislik ve u
retim sektor
u ckarmsal istatigi en cok kullananlarn
basnda gelir.
ee
de
Neden sonuc iliskisi en iyi bicimde ckarmsal istatistikle acklanabilir. Jeodezik

uygulamalarda atmosferik olaylarn dogrultu, d
usey ac, elektro-manyetik dalgalar
(ornegin GNSS sinyalleri) u
zerindeki etkilerinin arastrlmas, uyusumsuz olcu
lerin
analizi, deformasyon analizinde noktasal yer degistirmelerin deformasyon saylp
CO2
%76.26
F Gazlar
%0.64
CH4
%17.72
N2 O
%5.39
IK)
Sekil 1.3: Sera gazlarnn yllk ortalama emisyon oranlar (Kaynak: TU
s.2014.02.21
IS
GIR
ee
de
rs
no
tla
ri
.c
om
saylamayacag, koordinat don

usu
mlerinde nokta uyusum testleri, dengeleme
hesabnda kestirilen parametrelerin g
uven ve anlamllk d
uzeyleri ckarmsal
istatistigin en cok karslaslan ornekleridir.
s.2014.02.21
om
ri
.c
B
ol
um 2
Giris
rs
no
2.1
tla
TEMEL OLASILIK
de
Rasgele olaylarn deney sonuclar u

zerindeki etkileri belli olaslk degerleri goz on
une
alnarak degerlendirilir (bkz. [1.3.2]). Bilim ve m
uhendislik uygulamalarnda
bunun en basit orneklerini g

uven aralg hesaplamalar olusturur. Istatistiksel
bir calsmann kestirilmis baz parametrelerine (ornegin ortalama ve saclm
degerlerine) baklarak, sonuclarn g
uvenirligi hakknda yorum yaplabilir. Olaslk
hesaplarnn uygulama buldugu alanlardan bir baskas sans oyunlardr. Sans
oyunlarnn tamamen raslantsal olaylar u
zerine kurgulanmas, olaslk kuramna
iliskin orneklerin neden bu t
ur uygulamalardan secildigine en iyi cevaptr.
ee
Srasyla, saylabilir ve saylamayan orneklem uzaylarn kullanan ayrk ve s

urekli
olaslk daglmlar, olaslk kuramnn temel ozelliklerinin anlaslmasnda anahtar rol
oynarlar. Bu bol
umde olaslk kuram acsndan rasgele olaylar, rasgele degiskenler
ve onlarn beklenen degerleriyle, sonuclarn daglm ozellikleri ele alnacaktr.
2.2
Tanm
Olasl
gn Iki
Deneysel bir calsmada ardsk gozlemlerin yakn degerler olarak tekrar etmesi
belli fiziksel ve geometrik yasalarn sonucudur.
Bu yasalar ayn girdi
verileriyle ayn sonuclar verirler. Gercekte gozlem degerlerinin benzerligi belirli
bir mertebeye kadardr ve genellikle olcme sisteminin yetenegiyle iliskilidir.
cu
Ol
len b
uy
ukl
uklerdeki tekrar eden rakamlar ds etkenlerin kontrol edilebildigi
10
TEMEL OLASILIK
.c
om
(deterministik) kesimi temsil eder. Geriye kalan kesim ise tek bir olcu
icin
degiskenligi (b
uy
ukl
ugu
ve isareti) onceden kestirilemeyen, ancak kitlesel olarak
davrans bilinen rasgele (stokastik) s

ureclerle acklanr. Insana
ait hatalardan
arndrlms, en gelismis teknolojinin kullanldg olcme sistemlerinde bile stokastik
cme
b
uy
ukl
ukler kacnlmaz olarak gozlem degerlerinde kendilerini belli ederler. Ol
uygulamarnda gozlenen b
uy
ukl
ukler, bir yere kadar kontrol altnda tutulabilir.
Ozetle, kusursuz veya m

ukemmel olcu
yoktur. Bu ozellikleriyle olcu
ler, sans
oyunlarndaki raslantsallkla bire bir benzer davrans gosterirler. Sonuc olarak,
deneysel bir calsmann degiskenlerinin alacag degerlerin, zar atsndan fark yoktur
denilebilir. C
evresel kosullarn ayn kaldg deneysel bir calsmada, tekrarl gozlemler
birbirinden farkl raslantsal degerler alyorsa bu t
ur deneylere rastgele deneyler
denir.
tla
ri
Rasgele deneylerin olas t

um sonuclar bir k
ume (uzay) ile tanmlanr. Buradan
itibaren orneklem uzay S sembol

u ile gosterilecektir. Orneklem
uzaynn elemanlar
sozel olabilecegi gibi bu k
ume her biri icin atanms saylar da icerebilir. K
ume
elemanlar saylabilir (sonlu ya da sonsuz) veya saylamaz nitelikte olur. Rasgele
deneyler ve orneklem uzaylar asagda baz ornekler verilmektedir.
Ornek
2.1
rs
no
Bir para atsnda, deney sonucu tura T (1) ya da yaz Y (0) ile sonuclanr. Buna g
ore
para ats oyununun k
ume elemanlar,
S = {0, 1} veya S = {Y, T }
olarak gerceklesir (sonlu saylabilir).
Ornek
2.2
de
Para ats iki kez yaplsn. Sembolik veya saysal olarak,

S = {Y Y, Y T, T Y, T T } veya S = {0, 1, 2, 3}
k
ume elemanlaryla ifade edilen 4 sonuctan biriyle karslaslr (sonlu saylabilir).
Ornek
2.3
ee
Zar atsnda deney sonucunu olusturan k

ume elemanlar (sonlu saylabilir):
S = {1, 2, 3, 4, 5, 6}
Ornek
2.4
Bir oyun parknda roket oyunu icin boy cetveli testi uygulansn (sonlu saylabilir):
S = {ksa, uzun} veya S = {0, 1}
s.2014.02.21
11
Tanm
Olasl
gn Iki
om
Ornek
2.5
Sonucu do
gal saylar k
umesi,
N = {0, 1, 2, . . . }
olan deney (sonsuz saylabilir).
.c
Ornek
2.6
Bir hedefe yaplan 10 do

grultu gozleminin aritmetik ortalamas (sonsuz saylamaz):
ri
S = {0g t < 400g }
rs
no
tla
Yukarda verilen orneklerden anlaslacag u

zere herhangi bir deneyin olas t
um
cktlar onceden bilinebilmektedir. Para atsnda tura gelme olaslg esit yaz
gelme olaslg da hesaba katldgnda 1/2 olacaktr. Benzer sekilde zar atsnda
u
c gelme olaslg 1/6, tek say gelme olaslg 1/2 olacaktr. Olaslgn geleneksel
tanmna gore; bir deneyin karslkl olarak dsarmal (mutually exclusive) ve esit
olaslkl n farkl ckts varsa, says nA olan bir olayn gerceklesme olaslg,
nA
(2.1)
P (A) =
n
esitliginden hesaplanabilir.
de
Yukardaki kuramsal sonuca deneysel yolla ulasmak m

umk
und
ur. Para veya zarn
hilesiz, tekrar atslarn esit kosullar altnda yaplmas durumunda, herhangi bir A
olaynn gerceklesme says t
um atslarn saysna bol
unerek bagl tekrarlanma says,
nA
(2.2)
h(A) =
n
ee
elde edilir. h(A) degerine, gecmiste gozlenmis olaylarn sklgna dayandgndan

olaslgn frekans acklamas goz
uyle baklr. P (A) ve h(A) degerleri birbirine esit
ckmas beklenen b
uy
ukl
uklerdir. Deney says arttkca sonuclarn birbirine daha da
yaklastg gor
ul
ur. Buna sonuca gore; A olaynn gerceklesme olaslg P (A), bagl
tekrarlanma saysnn limit durumudur:
P (A) = lim h(A)
n
(2.3)
(2.3)ten,
bir
olayn
olaslg,
bagl
tekrarlanma
saylarna
baklarak tanmlanabilecegi anlaslmaldr. Ancak, pratikte deney saysnn sonlu
olusu ve kuramsal olaslk degerlerine sadece sonsuzda ulaslabilmesi, tanm icin bu
yontemin tercih edilmesini zora sokar. Bu y
uzden olaslk tanmlar ve onermeleri
daha cok kuramsal olaslk sonuclar icin gecerlidir.
Ornek
2.7
s.2014.02.21
12
TEMEL OLASILIK
om
Bir hastanedeki dogum kaytlarna gore Ocak aynda 68 erkek, 71 kz bebek d

unyaya
gelmistir. Bu verilere gore, erkek ve kz cocuk meydana gelme olaslklar, srasyla h(E) =
68
71
68+71 = 0.489, h(K) = 68+71 = 0.511dir.
Rasgele olaylar icin cebirsel islemler
ri
2.3
.c
Olaslk hesab, 0 ve 1 arasndaki degerlerle sonuclanr. Baz durumlarda bu sonuclar

y
uzdesel karslklaryla da verilebilmektedir: son ornek icin erkek ve kz cocuk
d
unyaya gelme olaslklarnn %48.9 ve %51.1 olmas gibi.
rs
no
tla
Rasgele deneyin olas t

um sonuclarn iceren S k
umesine orneklem uzay, bu deneyin
cktsna ya da S k
umesinin elemanlarndan birine orneklem veya elementer olay
ad verilir. Orneklem
uzaynn elemanlaryla olusturulmus (alt)k
ume bir olayn
karslgdr. Buna gore; {1,3,5} k
umesi zar atsnda tek say gelme olaynn
elemanlardr. Orneklem
uzaynn herhangi bir alt k
umesi A, rasgele olay veya ksaca
olay olarak tanmlanr: A S. Gerceklesmesi m
umk
un olmayan olay icin alt k
ume
A = , bos k
umedir.
S orneklem uzaynda her hangi iki rasgele olaya karslk gelen alt k
umeler A ve
B olsun. A ve B, yeni rasgele olaylar t
uretmek icin kullanlabilir. Sekil 2.1de
gor
uld
ugu
gibi, Venn diyagramlaryla gosterilebilen birlesim (), kesisim (), degil
() ve fark () islemleri olaylar cebri ad verilen matematik yontemi tanmlar:
de
A B, A ve B olaylarnn birlesimi anlamndadr; her iki k

umenin sonuclarn
icerir. Mantk islemlerinde veya operator
un
un karslgdr.
A B, A ve B olaylarnn kesisimi anlamndadr; her iki k

umenin ortak
sonuclarn icerir. Mantk islemlerinde ve operator
un
un karslgdr.
Mantk islemlerinde degil
ee
A olaynn dsndaki sonuclar ifade eder.

A,
operator
un
un karslgdr.
B A, Bnin Ada olmayan sonuclarn kapsar. S A biciminde yazlrsa, A

islemine don
usu
r (Sekil 2.1).
Ornek
2.8
s.2014.02.21
13
Zar ats icin rasgele olaylar A = {1, 2, 3, 5} ve B = {3, 4, 5, 6} verilsin. Cebirsel olaylar,
A B = {1, 2, 3, 4, 5, 6}
A veya B (birlesim)
A B = {3, 5}
om
A ve B (kesisim)
A = S A = {4, 6}
= S B = {1, 2}
B
A haric (degil)
B haric (degil)
A B = {1, 2}
B haric A (fark)
B A = {4, 6}
A haric B (fark)
A B B A = {1, 2, 4, 6}
.c
ri
rs
no
tla
A ve B karslkl dsarmal
AB
S
ABBA
A B = B A
A
ee
de
AB
S
A = S A
Sekil 2.1: S orneklem uzaynda rasgele olaylar (A, B S) icin cebirsel islemler
s.2014.02.21
14
TEMEL OLASILIK
2.3.1
om
A ve B olaylarna karslk gelen k

umelerde herhangi bir eslesme yoksa yani k
ume
isleminden AB = sonucu ckyorsa, bu olaylar karslkl olarak dsarmaldr denir.
A1 , A2 , , An olaylarnn karslkl dsarmal olmas icin bu ozelligin herhangi iki cift
icin de gecerli olmas gerekir.
Temel Olaslk Onermeleri
.c
S orneklem uzay u
zerinden acklanan her olay A ve onun olaslgn gosteren say
P (A) olsun. Asagdaki temel onermeler (aksiyomlar) kant gerektirmeksizin her
zaman gecerlidir:
tla
P (A) 0
ri
Onerme
2.1 Ann olaslk degeri,
art tanmldr.
(2.4)
Onerme
2.2 S olmas kesin olaydr:
rs
no
P (S) = 1
(2.5)
Onerme
2.3
A1 , A2 , . . . , An karslkl olarak dsarmal olaylar dizisi ise
birlesimlerinin olaslg, ayr ayr olaslklarnn toplamna esittir:
de
P (A1 A2 An ) =
n
X
i=1
P (Ai ) = P (A1 ) + P (A2 ) + + P (An )
(2.6)
Yukardaki temel onermelere dayanlarak ileride yararlanmak u

zere baz teoremler
ileri s
ur
ulebilir.
ee
Teorem 2.1 A olaynn gerceklesmeme olaslg,

= 1 P (A)
P (A)
(2.7)
ile hesaplanr.
Kant: A olaynn gerceklememesi bu k
umenin dsndakileri A = S A ilgilendirir
(sonuclar A k
umesinin dsndan ckar). Karslkl olarak dsarmal A ve A olaylarnn
toplamlar S orneklem uzayn olusturdugundan yukardaki temel onermeler goz
on
une alndgnda (2.7) ckar.
s.2014.02.21
15
Teorem 2.2 A veya B olaylarnn (birlesim) olaslg,

P (A B) = P (A) + P (B) P (A B)
om
dir.
(2.8)
Kant: Sekil 2.1e gore;
+ P (A B) + P (A B)
P (A B) = P (A B)
+ P (A B)
P (A) = P (A B)
.c
P (B) = P (A B) + P (A B)
+ P (A B) + 2P (A B)
P (A) + P (B) = P (A B)
ri
esitlikleri yazlabilir. Son esitlikte sag ve soldaki terimlerden P (A B) ckarlrsa,

+ P (A B) + P (A B)
P (A) + P (B) P (A B) = P (A B)
= P (A B)
tla
elde edilir.
Ornek
2.9
rs
no
Okey taslar arasndan rasgele bir secim yapld

g varsaylsn. Tasn sar renkli veya 13
olma olasl
gn hesaplayalm.
1den 13e kadar 4 renk ve cift seri taslarn says 104t
ur (joker taslar haric). Buradan
secilen tasn,
P (13)
= 8/104
13 olasl
g
P (sar)
= 26/104
P (13 sar) = 2/104

bulundugundan 13 veya sar tas olaslg,
sar renk olasl

g
13 ve sar renk olasl
g
de
P (13 sar) = P (13) + P (sar) P (13 sar)

8
26
2
32
4
=
+
=
=
104 104 104
104
13
ckar.
ee
Teorem 2.3 A1 , A2 ve A3 olaylarnn birlesimi,

P (A1 A2 A3 ) = P (A1 ) + P (A2 ) + P (A3 ) P (A1 A2 ) P (A1 A3 )
(2.9)
P (A2 A3 ) + P (A1 A2 A3 )
ile elde edilir.
Teorem 2.4 Her A olay icin,

0 P (A) 1
(2.10)
esitsizligi gecerlidir. Burada P (A) = 0 olanaksz olayn (A = ), P (A) = 1 kesin

olayn (A = S) olaslgdr.
(2.4) ve Teorem (2.7).

Kant: Onerme
s.2014.02.21
16
2.3.2
TEMEL OLASILIK
Kosullu Olaslk
om
Ornek
2.10
kez atlan para icin orneklem uzay S = {T T, T Y, Y T, Y Y }dr. Iki
atsn da tura
Iki
gelme olay A = {T T } ve olasl
g P (A) = 1/4t
ur. Buna karsn atslardan birinin tura
oldu
gu onceden biliniyorsa, B = {T T, T Y, Y T } olay ile kars karsyayzdr. A B = {T T }
oldu
guna gore, Bden A olaynn ckma olasl
g 1/3t
ur.
ri
.c
Verilen ornegi dikkate alacak olursak, daha once gerceklesmis (onsel) bir olaya iliskin
bilginin olaslk hesabnda kullanlmas durumu soz konusudur. Olaslk hesabnda
boylesi uygulamalar, kosullu olaslk ad altnda incelenir. Kosullu olaslk hesab
birbirine bagml iki olay gerektirir. A ve B iki olay olsun. Daha once Bnin bilinen
gerceklesmesi icinde (P (B) > 0 kosuluyla) Ann olaslg P (A|B) ile gosterilir.
K
ume islemleri u
zerinden bu degere,
P (A B)
P (B)
tla
P (A|B) =
(2.11)
Ornek
2.11
rs
no
islem sonucu ile ulaslr. Genel olarak bilinen B icin Ann kosullu olaslg P (A|B),
bilinen A icin Bnin kosullu olaslgndan P (B|A) farkldr.
Bir zar atsnda gelen saynn 4ten k

ucu
k olma olasl
gn hesaplayalm.
a) Baska bilgi verilmemis olsun.
b) Atsn tek say ile sonucland
g biliniyor olsun.
de
a) A, 4ten k
ucu
k gelme olayn g
ostersin: A = {1, 2, 3}. Bu durumda Anin olasl
g (her
bir orneklemin esit olasl
ga sahip oldu
gu d
usu
n
ulerek),
P (A) = P (1) + P (2) + P (3) = 1/6 + 1/6 + 1/6 = 3/6 = 1/2
ckar.
b) Gelen saynn tek say oldu

gu biliniyorsa, baska bir deyisle B = {1, 3, 5} ise,
A B = {1, 3}
P (A B) = 2/6
ee
ve kosullu olaslk,
P (A|B) =
P (A B)
2/6
=
= 2/3
P (B)
3/6
elde edilir.
2.3.3
Ba
gmsz Olaylar
A ve B olaylar icin,
P (A|B) = P (A)
(2.12)
s.2014.02.21
17
Ileri
Saym Teknikleri
esitliginin gecerli oldugu olaylar dizisinde, Ann gerceklesmesinin Bden etkilenmedigi soylenebilir. Buna gore A ve B bagmsz olaylardr deriz.
P (A B) = P (A)P (B)
bagmsz A ve B olaylarnn gerceklesme olaslgn verir.
Ornek
2.12
om
(2.13)
A1 , A2 , A3 olaylar bagmsz, baska bir deyisle,

i 6= j
(i, j = 1, 2, 3)
ri
P (Ai |Aj ) = P (Ai )
.c
Tavla oyuncusunun zarlar ats ba

gmsz iki olay isaret eder. D
uses (6,6) gelme olasl
g
1
bu ba
gmsz olaylardan hesaplanabilir: 16 16 = 36
(2.14)
tla
esitligini saglyorsa u
cu
n
un de ayn olay altnda gerceklesme olaslg,
P (A1 A2 A3 ) = P (A1 )P (A2 )P (A3 )
2.3.4
rs
no
esitligiyle hesaplanr.
(2.15)
Bayes Kuram
Birlesimleri orneklem uzaynn alt k

umesini olusturan A1 , A2 , A3 , An in karslkl
olarak dsarmal olaylar oldugunu varsayalm.
de
Teorem 2.5 Herhangi bir onsel A olaynn gerceklesmesinin (P (A) > 0) sonucuna
bagl A1 , A2 , , An olaylarnn olaslklar Bayes Kural,
ee
yardmyla belirlenir.
P (Ai )P (A|Ai )
P (Ai |A) = Pn
j=1 P (Aj )P (A|Aj )
(2.16)
Bayes teoremi birden fazla kosullu olaslk degerleri arasndaki iliskiyi acklar. (2.16)
ile P (A|B) ve P (B|A) ile birbirine don
ust
ur
ulebilir b
uy
ukl
ukler haline gelir:
2.4
P (A|B) =
P (A)P (B|A)
P (B)
(2.17)
Ileri
Saym Teknikleri
Bir orneklem uzay genellikle saylabilir sonlu sayda eleman icerir. Eleman
saysnn k
ucu
k oldugu durumlarda, olaslk hesaplamak icin secenekleri sralamak
s.2014.02.21
18
TEMEL OLASILIK
om
zor degildir. Eleman saysnn artmasyla secenekleri sralamak veya saymak zorlasr.
gin 0dan 9a kadar olan saylar kac degisik bicimde sralanabilir sorusunun
Orne
cevabn, saymak yerine secenekleri faktoriyel hesab ile bulmak daha kolaydr:
10! = 3 628 800.
A
ga
cC
izgeleri
ri
2.4.1
.c
Saym isleminin belli kuramlara dayandrldg matematik dalna katsmsal analiz
(kombinatoryal analiz, Ingilizce

combinatorial analysis) ad verilir. Faktoriyel,
perp
utasyon, kombinasyon varyasyon gibi ileri saym teknikleri b
uy
uk orneklem
saysna sahip veri k
umeleri icin karmask olaslk hesaplar yapmann en etkili
araclardr.
tla
A1 , A2 , . . . , Ak birbirinden bagmsz olaylar, n1 , n2 , . . . , nk srasyla eleman saylar

olsun. k saydaki ardsk olayn gerceklesmesiyle ortaya ckacak seceneklerin says,
n1 n2 n3 nk
(2.18)
rs
no
eleman saylarnn carpm ile bulunur. Orneklem

degerleri s
urekli ayn k
umeden
ckyorsa ya da ayn bagmsz olayn k kez tekrarlanmas soz konusu ise bu durumda
secenek says,
n n n (k kez) = nk
(2.19)
olur. Bir zarn ya da parann k sayda atlmas buna ornektir.
Ornek
2.13
Bir dondurmacdan de
gisik dondurma ve sos secenekleriyle siparis vermek isteyelim.
Bagmsz olaylar,
de
Kremal dondurma grubu K

Meyveli dondurma grubu M
Sos grubu
S
= {S
utl
u, Kakaolu}
= {Karadut, Visne, Limon}
= {C
ikolata, Bogu
rtlen}
orneklem k
umeleri ile verilsin.
Her orneklem k
umesinden birer secim yaplarak
verilebilecek siparislerin says 2 3 2 = 12dir.
ee
Ornek
2.14
Bir parann u
c kez arka arkaya atlmasyla elde edilebilecek sonuclarn says 2 2 2 =
3
2 = 8dir.
Ardsk olaylar dizisine ait seceneklerin ve olaslklarn belirlenmesinde agac cizgeleri

(zaman zaman olaslk cizgeleri de denilmektedir), hem problemin anlaslmasn hem
de hesap kolaylg saglar. Ornek

2.13, bir agac cizgesi (Sekil 2.2) yardmyla da
gosterilebilir. Benzer sekilde u
c kez tekrarlanan para ats icin Sekil 2.3te gor
ulen
secenekler ve olaslklar ortaya ckar.
s.2014.02.21
19
Ileri
Saym Teknikleri
ikolata
Karadut
Bgrtlen
ikolata
Visne
om
Stl
Bgrtlen
ikolata
Limon
Bgrtlen
Dondurma
.c
ikolata
Karadut
Bgrtlen
ri
ikolata
Kakaolu
Visne
tla
Bgrtlen
ikolata
Limon
Bgrtlen
rs
no
Sekil 2.2: Agac cizgesi u

zerinden dondurma siparis secenekleri
Verilen iki ornek esit olaslkl orneklem uzaylar icindir. Orneklemlerin

esit
olaslklarla temsil edilmedigi uygulamalar icin de agac cizgeleri kullanlabilir ve
olaslk hesaplar gerceklestirilebilir. Bunun icin, bir noktadan ckan agac dallarnn
t
um
u bagmsz bir olay, dallarn her biri ckmas muhtemel sonucun olaslklarn
gosterecek sekilde cizge olusturulmaldr. Ardsk olaylarn beklenen sonuclar agac
dallar boyunca gidilerek bagmsz olaslklarn carpmndan hesaplanabilir.
de
Ornek
2.15
Bir torbada ayn b

uy
ukl
ukte 1 krmz, 2 yesil ve 3 mavi top bulunsun. Torbadan arka
arkaya iki kez top cekilsin. Secenekler ve olaslklarn agac cizgesi yardmyla bulalm.
Torbadan cekilen ilk topun tekrar geriye konulmadg durumda orneklem k
umesi,
S = {KY, KM, Y K, Y Y, Y M, M K, M Y, M M }
olur. C
ekis onceli
gi d
usu
n
ulmeksizin toplarn krmz ve mavi ckma olasl
g, S
ekil 2.4e
gore KM ve M K olaslklar toplamna esittir:
ee
3
3
6
1
+
=
=
30 30
30
5
2.4.2
Perm
utasyon
Perm
utasyon bir k
umedeki elemanlarn tamamn ya da bir ksmn kulla
s.2014.02.21
20
TEMEL OLASILIK
0.5
0.5
TY
YT
0.25
0.25
0.25
YY
0.25
.c
TT
om
TTT
TTY
TY T
TY Y
Y TT
Y TY
YYT
YYY
0.125
0.125
0.125
0.125
0.125
0.125
0.125
0.125
ri
Sekil 2.3: Yaz-tura oyununda u

c kez atlan para icin secenekler ve olaslklar
b
tla
2
6
1
6
Y
2
30
Y
3
5
1
5
1
5
3
5
rs
no
2
5
3
6
1
5
2
5
2
5
3
30
2
30
2
30
6
30
3
30
6
30
6
30
cinde 1 krmz (K), 2 yesil (Y ) ve 3 mavi (M) top bulunan torbadan

Sekil 2.4: I
arka arkaya yaplan iki cekilisin olaslk degerleri
de
narak, sadece yerlerini degistirme yoluyla farkl sonuclar u

retme islemidir.
Sralama sonucu olusacak her oge bir perm
utasyon olarak degerlendirilir.
gin, {abc, bca, cab, acb, cba, bac} k
Orne
umesinin elemanlar a, b ve c harflerinin
perm
utasyonudur. Farkl sralama sonuclarna karslk gelen perm
utasyonlarn
says, n eleman saysnn faktoriyeli n! ile bulunabilir.
ee
Perm
utasyon icin kullanlacak elemanlarn, belli bir grubun arasndan snrl sayda
rasgele secimle belirlenmesi istenebilir. n elemanl bir k
umede ilk secimde n secenek,
ikinci secimde n 1 secenek, u
cu
nc
u secimde n 2 secenek vardr. Sra r. secime
geldiginde n r + 1 sayda secenek kalr. Bu d
uzenle; ortaya ckacak sralama says,
n Pr
= n(n 1)(n 2) (n r + 1) =
n!
(n r)!
(2.20)
ile hesaplanr. n Pr , nnin r. perm

utasyonu olarak okunur.
Dikkat edilirse, (2.20) ile elde edilen sonuc, sralamada herhangi bir elemann sadece
utasyon).
bir kez kullanlmas, tekrar etmemesi kural icin gecerlidir (tekrarsz perm
s.2014.02.21
21
Ileri
Saym Teknikleri
om
Aksi durumda, perm

utasyon hesab degisir. Tekrarl perm
utasyon sralamada bir
elemann birden fazla gectigi secenekleri de kapsar. Bu, secim isleminin s
urekli ayn
sayda secenek arasndan yaplmas anlamna gelir. Olas seceneklerin saysn (2.19)
verir.
Ornek
2.16
.c
0, 1, 2, 3, 4, 5, 6 saylarndan rasgele 3
u secilerek (tekrarsz perm
utasyon) yaplabilecek
farkl dizilimlerinin says,
7!
= 7 6 5 = 210
7 P3 =
4!
ri
olur. 000,112 gibi icinde birden fazla saynn gectigi tekrarl perm
utasyonlarn says ise
3
7 = 343t
ur.
tla
Secimin yaplacag k
ume elemanlar farkl alt gruplardan olusabilir. n1 sayda birinci
grup, n2 sayda ikinci grup, devamla nk sayda k. grup olsun. Toplam eleman saynn
n = n1 + n2 + + nk oldugu bu k
umeden ckabilecek perm
utasyon says,
n P(n1 ,n2 , ,nk )
n!
n1 !n2 ! nk !
(2.21)
rs
no
ile belirlenir (Speigel vd., 2009, s. 9).
Ornek
2.17
11 kelimeden olusan MISSISSIPPI kelimesinin harfleri gruplandrld

gnda, 1 M, 4 I, 4 S
ve 2 Pnin bulundugu gor
ul
ur. Bu durumda 11 harfin perm
utasyonu,
=
11!
= 34650
1!4!4!2!
de
11 P(1,4,4,2)
dir.
Kombinasyon
ee
2.4.3
Farkl elemanlarn, sra gozetilmeden bir araya getirilmesi islemine kombinasyon ad

verilir. Perm
utasyonun aksine, abc ve bca ayn kombinasyonlardr. n elemanl bir
k
umenin rli (r n) kombinasyonlarnn says,

n
n!
=
n Cr =
r
r!(n r)!
(2.22)
ile hesaplanr. (2.22) kombinasyon degeri binom kuvvet dizilerinin,

n nr r
(x + y) =
x y
r
r
(2.23)
s.2014.02.21
22
TEMEL OLASILIK
katsaylarna esittir. r = 0 ve r = n icin kombinasyon,

n
n
=
=1
0
n
om
(2.24)
sonucunu verir.
.c
Bir k
umeden esit sayda secime karslk gelen kombinasyon ve perm
utasyon saylar
arasnda,

n
n Pr
=
(2.25)
n Cr =
r
r!
iliskisi vardr.
ri
Ornek
2.18
Bir basketbol takmnn sahadaki 12 kisilik kadrosundan kac de

gisik 5 oyuncu ckar?
Ornek
2.19
rs
no
tla
Birbirinden farkl 5 kisilik takm says (sralamann onemi yok):

12
12!
12 11 10 9 8 7!
=
=
= 792
12 C5 =
5
5!(12 5)!
5 4 3 2 1 7!
Saysal Loto oyununda bir oyuncunun 6 tutturma olasl

gn hesaplayalm.
Toplam 49 topun bulundu
gu k
umeden rasgele 6 secim yapld
gnda,

49
49!
49 48 47 46 45 44
C
=
=
=
= 13 983 816
49 6
6
6!(49 6)!
654321
de
secenek ortaya ckar. Bir oyuncunun oynayacag tek kolonla 6 sayy tutturma olasl
g,
P =
1
1
=
13 983 816
49 C6
dr.
ee
n sayda farkl secenegin k sayda alt gruba ayrldgn kabul edelim: n1 + n2 + +

nk = n. Her alt k
umeden srasyla r1 , r2 , . . . , rk sayda yaplacak secimden (2.18)e
gore,

n1
n2
nk
(2.26)
n1 C r1 n2 C r2 nk C rk =
r1
r2
rk
farkl kombinasyon ckar. Secim islemi t
um gruplarn birlikte bulundugu k
umeden
yaplacaksa beklenen sonucun olaslg da kombinasyon hesab ile bulunabilir. Bu
durumda r1 + r2 + + rk = r toplam secim miktarn gostermek u
zere, (2.26)
sonucunun olaslg,

n1 n2
nrkk
n1 Cr1 n2 Cr2 nk Crk
r1
r2

P (A) =
=
(2.27)
n
n Cr
r
s.2014.02.21
23
Ileri
Saym Teknikleri
esitliginden bulunur. Burada A, nnin r.

gerceklesmesi anlamndadr.
kombinasyonu icinde ri olaylarnn
om
Ornek
2.20
Ornek
2.21
tla
farkl sayda proje grubu olusturulabilir.
ri
.c
grenciler arasnda 2si kz,

Bir snfta 12 kz, 36 erkek ogrenci bulundugunu varsayalm. O
6s erkek 8 kisilik proje grubu olusturulmak isteniyor. Soz konusu snftan kac degisik
kombinasyon ckar?

12
kz ogrenciler arasndaki kombinasyon saysn, 36
erkek ogrenciler arasndaki
2
6
kombinasyon saysn temsil ettiginden,

12 36
12 11 36 35 34 33 32 31
=
= 66 1 947 792 = 128 554 272

2
6
2
654321
Ornek
2.15teki krmz (1), yesil (2) ve mavi (3) toplar arasndan rasgele krmz ve mavi
top secme olasl
gn kombinasyon hesab ile bulalm.
rs
no
Krmz, yesil ve mavi alt k

umelerin eleman saylar ve kombinasyona girecek elemanlar,
n = n1 + n2 + n3 = 1 + 2 + 3 = 6
r = r1 + r2 + r3
= 1+0+1 = 2
olarak bilindigine gore, 6 top arasndan krmz ve mavi top secme olaslg (2.27)den,
1 2 3
113
1
P (K ve M ) = 1 06 1 =
=
15
5
2
ee
de
ckar.
s.2014.02.21
24
ee
de
rs
no
tla
ri
.c
om
TEMEL OLASILIK
s.2014.02.21
om
.c
B
ol
um 3
3.1
rs
no
tla
ri
IS
KENLER ve OLASILIK
RASGELE DEG
DAGILIMLARI
Rasgele De
gisken
ee
de
Gozlenen fiziksel, geometrik ya da buna benzer bir olaya belli saylarla ya da bu

saylara karslk gelen belli fonksiyonlarla nicelik kazandrlabilir. Para ats gibi
raslantsal olaylar u
zerine kurgulanms deneyler icin bile, S orneklem uzaynn her
eleman icin saysal bir karslk bulunabilir. Bunlardan bazlar, ornegin zar atsnn
sonuclar, dogal olarak saylardan olusurken; bazlar da saylara don
ust
ur
ulerek
ifade edilebilir. Para atsnda tura icin 1, yaz icin 0 kabul edilmesi gibi:
(
0 s1 = Y icin
X : S [0, 1] , X(si ) =
1 s2 = T icin
Verilen orneklerden hareketle, tanml alan (domain) orneklem uzay olan
fonksiyonlara rasgele (stokastik) fonksiyon denir (Papoulis, 1984, s. 63). X rasgele
fonksiyonu (degiskeni) orneklem uzaynn gercek degerli saylara izd
usu
m
un
u,
X :SR
(3.1)
saglar. Gercek degerli rasgele fonksiyonlar ya da rasgele degiskenler, genellikle X

veya Y gibi b
uy
uk harflerle gosterilir. Rasgele degiskenler kullanlarak S sral
orneklem uzaynda belli olaylarn tanm yaplabilir. Baz gosterimler ve anlamlar
C
izelge 3.1de verilmektedir.
Orneklem
uzayndaki elementer olaylar (si ) kullanlarak t
uretilecek degerlerin
26
IS
RASGELE DEG
C
izelge 3.1: Sral orneklem uzaynda rasgele degisken X yardmyla olay tanmlama
Olay tanm
X = xin gecerli oldugu elementer olaylar
x ve onun solundaki elementer olaylar
xin sagndaki elementer olaylar
x1 ve x2 aralgndaki elementer olaylar
om
Notasyon
{X = x}
{X x}
{X > x}
{x1 X x2 }
.c
(degisken) tanm icin belli bir kural yoktur. Ayn orneklem k

umesinden farkl
rasgele fonksiyon tanmlar yaplabilir.
Ornek
3.1
rs
no
tla
Elementer olaylar X
YYY
0
T Y Y, Y T Y, Y Y T 1
T T Y, T Y T, Y T T
2
TTT
3
Orneklem
ri
c kez atlan para oyununda, tura icin 1, yaz icin 0 atamas yapalm.
U
uzayndaki seceneklere karslk, rasgele degisken X icin degerler,
seklinde gerceklesir.
Ornek
3.2
Baska bir ornekte, tavla oyununda bir kez atlarak elde edilen iki say toplam X rasgele
degiskeni, toplam veren seceneklerin says Y rasgele de

giskeni ile gosterilsin. Orneklem
k
umesine karslk degiskenler,
ee
de
Elementer olaylar
X Y
(1, 1)
2 1
(1, 2), (2, 1)
3 2
(1, 3), (2, 2), (3, 1)
4 3
(1, 4), (2, 3), (3, 2), (4, 1)
5 4
(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)
6 5
(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) 7 6
(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)
8 5
(3, 6), (4, 5), (5, 4), (6, 3)
9 4
(4, 6), (5, 5), (6, 4)
10 3
(5, 6), (6, 5)
11 2
(6, 6)
12 1
sonuclaryla karsmza ckar.
Bir deneyin gercek saylarla kaydedilen sonuclar veya yukarda tanmlandg gibi
orneklem uzaynn gercek saylara izd
usu
m
u olcu
, gozlem olarak adlandrlr.
cu
Ol
ler bir baska deyisle rasgele degiskenler ayrk (discrete) ve s
urekli (continous)
s.2014.02.21
27
Rasgele Da
glmlar
3.2.1
Rasgele Da
glmlar
Olaslk Yo
gunluk Fonksiyonu
X rasgele degiskeni ve olaslgndan soz edildiginde,
.c
3.2
om
olarak snflandrlrlar. Sonlu ya da sonsuz saylabilir deger alan degiskene ayrk;

saylamayan, sonsuz deger alan degiskene s
urekli (ayrk olmayan) rasgele degisken
denir. Ilerleyen
konularda, ayrk ve s
urekli rasgele degiskenler ve onlarn daglm
fonksiyonlar ayr ayr ele alnmaktadr.
ri
f (x) = P ({s S}|X = x)
(3.2)
tla
olaylarnn olaslg anlaslr. f (x)e olaslk daglm, olaslk yogunluk fonksiyonu

ya da sadece olaslk fonksiyonu denir. (3.2), hem ayrk hem de s
urekli rasgele
degiskenler icin ayndr. Genel olarak,
f (x) 0
(3.3)
rs
no
ve xin olas b
ut
un degerlerini kapsamak u
zere, ayrk ve s
urekli rasgele degiskenler
icin, srasyla,
Z
X
f (xi ) = 1 ,
f (x)dx = 1.
(3.4)
kosullar gerceklesiyorsa f (x) bir olaslk fonksiyonudur.
Ornek
3.3
ee
de
Ornek
3.2nin X rasgele degiskenine karslk gelen olaslk fonksiyonunu bulalm. Iki
secenegin bulundugu 3 kez tekrarlanan olaydan 8 secenegin ckaca

gn Ornek
3.1de
belirlemistik. Buna gore elementer olaylarn olaslklar,
P (si ) =
1
8
(i = 1, 2, . . . , 8)
esit degerlere sahip olacaktr. Buradan, olas de

gerler 0, 1, 2, 3 icin X rasgele de
giskeninin
olaslk fonksiyonu,
f (0) = P (X = 0) = P (Y Y Y ) =
1
8
1 1 1
3
+ + =
8 8 8
8
1 1 1
3
f (2) = P (X = 2) = P (T T Y ) + P (T Y T ) + P (Y T T ) = + + =
8 8 8
8
1
f (3) = P (X = 3) = P (T T T ) =
8
f (1) = P (X = 1) = P (T Y Y ) + P (Y T Y ) + P (Y Y T ) =
sonuclarn verir.
s.2014.02.21
28
IS
RASGELE DEG
3.2.2
Ayrk Da
glm Fonksiyonu
om
X rasgele degiskeni icin birikimli (k

um
ulatif) daglm fonksiyonu ya da ozetle daglm
fonksiyonu,
F (x) = P (X x)
(3.5)
esitligi ile tanmldr. Burada x herhangi bir gercek saydr ( < x < +).
Daglm fonksiyonu F (x) asagdaki ozelliklere sahiptir:
xy
F (x) F (y).
(3.6)
ri
2. Imkansz
ve kesin olaylarn daglm fonksiyonlar,
.c
1. F (x) artan (azalmayan) bir fonksiyondur:
lim F (x) = 0 ,
lim F (x) = 1
x+
tla
(3.7)
3. F (x) sagdan s
urekli bir fonksiyondur:
lim F (x + ) = F (x) t
um x degerleri icin
rs
no
0+
(3.8)
Ayrk rasgele degisken Xin daglm fonksiyonu, olas x1 , x2 , . . . icin bilinen olaslk
fonksiyonu degerlerinden,
F (xk ) = P (X xk ) =
k
X
f (xi )
k = 1, 2, . . .
(3.9)
i=1
de
hesaplanr. (3.7) geregince, ilk veriden onceki daglm fonksiyonu degerleri F (x) = 0
kabul edilir. Ayrk degerlerin sonuncusuna gelindiginde, F (x) = 1 degerine ulaslms
olur.
Ornek
3.4
ee
Ornek
3.3
un olaslk ve da
glm fonksiyonunu bulalm ve grafi
gini olusturalm. X rasgele
degiskeninin, sonucu sadece 0, 1, 2, 3 olan olaylara ba
gml oldu
gunu biliyoruz. Bu aral
gn
dsnda, X imkansz olaylara karslk geldi
ginden,
x < x1
=0
f (x) > 0
x1 x x4
=0
x > x4
durumu gecerlidir. Bu sonuclarla (3.9)dan da
glm fonksiyonu icin,
i
1
2
3
4
f (xi )
f (x1 = 0)
f (x2 = 1)
f (x3 = 2)
f (x4 = 3)
=
=
=
=
1/8
3/8
3/8
1/8
F (xi )
F (0)
F (1)
F (2)
F (3)
=
=
=
=
=
P (X
P (X
P (X
P (X
P (X
xi )
0)
1)
2)
3)
=
=
=
=
1/8
1/2
7/8
1
s.2014.02.21
29
Rasgele Da
glmlar
F (xi ) = P (xi X < xi+1 )
f (xi ) = P (X = xi )
0.75
0.75
0.50
0.50
0.25
0.25
xi
om
1.00
f (1) = F (1) F (0) = 3/8
.c
1.00
xi
ri
c kez atlan para icin f (x) olaslk ve F (x) daglm fonksiyonlarnn

Sekil 3.1: U
gor
un
um
u
tla
cizelge de
gerleri elde edilir. Sonuclarn grafik gosterimi Sekil 3.1de verilmektedir.
Daglm fonksiyonu hakknda asagdaki gerceklerden soz edilebilir:
rs
no
1. Ayrk rasgele degiskenler icin daglm fonksiyonunun gor

un
um
u Sekil 3.1de
oldugu gibi her zaman artan merdiven basamag fonksiyonu bicimindedir.
2. Gozlem noktalarndaki scramalarn b
uy
ukl
ugu
o noktadaki olaslk degerlerine
esittir. Buna gore olaslk fonksiyonu degerleri, ardsk daglm fonksiyonu
degerlerinden t
uretilebilir:
f (xi ) = F (xi ) F (x
i )
(3.10)
de
Burada F (x
glm fonksiyonunun sagdan limitidir; F (xi1 ) sonucunu verir
i ), da
(Sekil 3.1).
S
urekli Da
glm Fonksiyonu
ee
3.2.3
f (x) art tanml olaslk yogunluk fonksiyonu olmak u

zere, s
urekli rasgele degisken
Xin [a, b] aralgndaki olaslg,
P (a X b) =
f (x)dx
(3.11)
integrali ile verilir. Integral

snrlar (, x] olarak degistirilirse k
um
ulatif (artan)
olaslk daglm fonksiyonu,
Z x
F (x) = P (X x) =
f (x)dx
(3.12)
s.2014.02.21
30
IS
RASGELE DEG
f (x)
.c
f (x)
om
elde edilir. F (x), rasgele degiskenin xe kadar alabilecegi t

um degerlerin (orneklem
uzayndaki olaylarn) olaslgdr. Sekil 3.2de f (x) egrisi altndaki alan daglm
fonksiyonunun geometrik yorumunu verir. (3.12)de k
ucu
k esit () isaretinin sadece
ayrk degiskenler icin anlam bulunmasna karsn, s
urekli fonksiyonlarda kullanlmas
gelenektir.
F (x) = P (X x)
P (a X b)
= F (b) F (a)
ri
tla
urekli rasgele degisken X icin F (x) daglm fonksiyonu ve geometrik

Sekil 3.2: S
yorumu
rs
no
(3.6)(3.8) ile ozellikleri sralanan F (x), mutlak fonksiyon niteligindedir. Bu sayede,

(3.11) ve (3.12)den, {X a} ve {a < X b} olaylarnn bagmsz olma ozellikleri
kullanlarak s
urekli fonksiyonlar icin gecerli,
F (b) F (a) = P (a < X b)
(3.13)
de
Ra
esitligi yazlabilir (Sekil 3.2). a = b icin daglm fonksiyonundan a f (x)dx = 0
sonucu ckar. Baska bir deyisle, s
urekli rasgele degiskenlerin belli bir degere esit
yandan, (3.13)te a ve b noktalar
olma olaslg yoktur (P (X = a) = 0) denir. Ote
birbirine cok yakn secilir (x = b a) ve fonksiyondaki degisimin limit durumu
incelenirse,
P (a < X b)
d
=
F (x = a) = f (a)
(3.14)
lim
x0
x
dx
daglm fonksiyonunun t
urevi, X rasgele degiskeninin olaslk yogunluk fonksiyonu
elde edilir.
Ornek
3.5
P (X > x) = 1 F (x) oldu

gunu gosterelim.
ee
{X > x} ve {X x} karslkl olarak dsarmal (bagmsz) olaylardr. Birlesimleri,

{X > x} {X x} = S
P (X > x) + P (X x) = 1
sonucu verdi
ginden P (X x) yerine F (x) yazld
gnda,
F (x) = P (X > x) = 1 F (x)
bulunur. F (x) tamamlayc da
glm fonksiyonu olarak da bilinir.
s.2014.02.21
31
Rasgele De
giskenin Beklenen De
geri ve Momenti
Ornek
3.6
om
S
urekli rasgele de
giskenin olaslk yogunluk fonksiyonu,
k
1x4
f (x) = x
0
Diger
ile tanml olsun.
ri
sonucunu sa
glamaldr. Tanml integral,
.c
a) Sabit k saysn belirleyelim. Olaslk yogunluk fonksiyonu (3.4)ten,

Z +
Z 4
1
f (x)dx = k
dx = 1
x
1
x=4

k(ln x)
=1
hesabndan k =
1
ln 4
tla
x=1
0.721 elde edilir.
b) Yukardaki sonuca gore yogunluk ve daglm grafiklerini olusturalm ve F (2.5) =

P (X 2.5) icin olaslk de
gerini hesaplayalm. Sekil 3.3,
rs
no
0.721
x
F (x) = 0.721 ln x
f (x) =
de
[1, 4] aral
gnda yo
gunluk ve da
glm fonksiyonlarnn grafiklerini gostermektedir.
E
gri altndaki dolu alan {X < 2.5} olaylarnn olas
gdr:
Z 2.5
Z 2.5
0.721
F (x = 2.5) =
f (x)dx =
dx = 0.66
x
ee
3.3
3.3.1
Rasgele De
geri ve Momenti
Beklenen De
ger ve A
grlkl Ortalama
Bir rasgele degiskenin olas t

um degerleri, yogunluk fonksiyonu degerleri de hesaba
katlarak, ortalama olusturmak u
zere bir araya getirilirse rasgele degiskenin beklenen
degeri elde edilir. Tanm geregince, beklenen deger ortalama deger ya da kcaca
ortalama olarak gor
ul
ur (Koch, 1999, s. 93).
X rasgele degiskeninin yogunluk fonksiyonu f (x) olsun. Beklenen deger, ayrk veriler
icin,
X
= E(X) =
xi f (xi )
,
i = 1, 2, . . . , n veya
(3.15)
i
s.2014.02.21
32
IS
RASGELE DEG
f (x) =
0.721
x
F (x) = 0.721 ln x
om
1.00
0.66
x
x = 2.5
1
0.721
x
fonksiyonu ve onun daglm grafigi.
tla
Sekil 3.3: [1, 4] kapal aralgnda, f (x) =

Boyal alan, P (X x = 2.5) icin olaslk.
x = 2.5
ri
.c
P (X 2.5) = 0.66
ve s
urekli veriler icin,
= E(X) =
xf (x)dx
(3.16)
Ornek
3.7
rs
no
esitlikleriyle tanmlanr. E(X), Xin matematiksel beklentisi (ortalama degeri)

olarak okunur; ile gosterilir. Zaman zaman, oteki rasgele degiskenlerle karsmasn
diye yerine, X kullanlr. (3.15) ve (3.16) esitlikleri orneklem uzaynn t
um
olaylarn (S) kapsar. Bu nedenle, agrlk (yogunluk fonksiyonu) degerleri toplam
P (S) = 1 esitligini sagladgndan beklenen deger agrlkl ortalama anlamndadr.
de
Ornek
3.1 ve 3.3teki rasgele degisken ve olaslk de
gerlerini kullanarak beklenen de
geri
hesaplayalm.
Rasgele degisken icin olas t
um de
gerlerin says (g
ozlem says) n = 4 oldu
guna gore,
(3.15)den,
= E(X) =
4
X
i=1
elde edilir. Bu uygulamada
xi f (xi ) = 0
i f (xi )
3
3
1
12
1
+1 +2 +3 =
= 1.5
8
8
8
8
8
= 1 oldu
guna dikkat ediniz.
ee
Ayrk rasgele degiskenin n saydaki olas t

um degerleri esit olaslkl ise,
P (X = x1 ) = P (X = x2 ) = = P (X = xn ) =
beklenen deger,
1
n
1X
x1 + x2 + + xn
= E(X) =
xi =
n i
n
(3.17)
basit aritmetik ortalamaya don

usu
r.
s.2014.02.21
33
Rasgele De
geri ve Momenti
Ornek
3.8
= E(X) =
1+2+3+4+5+6
21
7
=
=
6
6
2
ckar.
om
Zar atsnn sonuclar rasgele de

gisken kabul edilirse, gelen saynn olaslklar esit (P (X =
1
xi ) = 6 ) oldu
gundan beklenen de
ger,
ri
.c
Beklenen de
gerin
ozellikleri: Beklenen deger hesab yukardaki ornekler gibi
sadece bir rasgele degisken ve onun olaslk yogunluk degerlerinden baska, birden
fazla degisken ve onlarn fonksiyonlar ile baz sabit saylar ilgilendirebilir. Bu
y
uzden beklenen degere iliskin asagdaki ozelliklerin bilinmesi yararldr.
tla
Beklenen degerin en onemli ozelligi dogrusal operator olmasdr. X ve Y bagmsz

rasgele degiskenler, a ve b sabit saylar olmak u
zere asagdaki ozellikleri gecerlidir:
(3.18)
E(X + a) = E(X) + a
E(aX) = aE(X)
E(aX + bY ) = aE(X) + bE(Y )
(3.19a)
(3.19b)
(3.19c)
rs
no
E(X + Y ) = E(X) + E(Y )
Baz uygulamalar, rasgele degiskenin beklenen degerini degil onun fonksiyonunu

ilgilendirir. X rasgele degiskeninin fonksiyonu Y = g(X) ise, Y nin beklenen degeri,
ayrk ve rasgele degiskenler icin srasyla,
X
E(Y ) = E[g(X)] =
g(x)f (x)
(3.20)
de
ve
E(Y ) = E[g(X)] =
g(x)f (x)dx
(3.21)
ee
olur. Esitliklerden anlaslacag u

zere X rasgele degiskene iliskin olaslk fonksiyonu
degerleri, t
uretilen Y rasgele degiskeni icin de gecerli olmaktadr.
Ornek
3.9
Ornek
3.7de X rasgele de
giskeni ve olaslk de
gerlerini kullanarak Y = 2X 2 nin beklenen
degerini hesaplayalm.
i X = xi P (X = xi ) Y = 2X 2 = 2x2i yi P (X = xi )
1
0
1/8
0
0
2
1
3/8
2
3/4
3
2
3/8
8
3
4
3
1/8
18
9/4
P
6
s.2014.02.21
34
IS
RASGELE DEG
om
Ornek
3.10
f (x) yogunluk fonksiyonu ile verilen bir k
urenin yarcap X rasgele de
giskeni olsun.
K
urenin hacmi icin beklenen degeri (Y ) hesaplayalm.
K
urenin yarcap (X) ve beklenen de
geri,
Z
X =
xf (x)dx
.c
ri
integral esitli
giyle tanmlanr. Buna karslk hacminin beklenen de
geri, (3.21) g
oz on
une
alnarak,
Z +
Z
4 3
4 + 3
Y =
x f (x)dx
x f (x)dx =
3
3
3.3.2
tla
biciminde yazlabilir.
Varyans ve Standart Sapma
rs
no
Rasgele degiskenin genel egilimini ortaya koymak, agrlk degerlerini goz on

une
alarak olas t
um sonuclar tek bir degere don
ust
urmek istedigimizde beklenen deger
veya agrlkl ortalama en uygun b
uy
ukl
uk olarak degerlendirilebilir. Ancak bu
say, olas degerlerin (verilerin) nasl sacldg veya ortalamadan ne kadar saptklar
hakknda bilgi icermez. Verilerin istatistik yontemlerle analizinde bir kalite olcu
t
u
olarak varyans, rasgele degiskenin ortalamadan ne kadar uzaklastgn acklar.
Sapma miktarnn karesel bicimi Xin fonksiyonu yeni bir degisken olacaktr. Soz
konusu degiskenin beklenen degeri,
de
Var(X) = E[(X )2 ] = E(X 2 ) 2E(X) + 2

= E(X 2 ) 2
= E(X 2 ) [E(X)]2
(3.22)
ee
varyans olarak tanmlanr ve karesel bicimi ifade edebilmek amacyla 2 ile gosterilir.
(3.22)deki varyans hesabnn, rasgele degiskeninin bir fonksiyonu olarak X ile
ayn daglma dayandg kolayca anlaslabilir. f (x), X rasgele degiskenin yogunluk
fonksiyonu ise (3.20) ve (3.21)den varyans icin, srasyla,
X
2 = E[(X )2 ] =
(x )2 f (x)
(3.23)
ve
= E[(X ) ] =
(x )2 f (x)dx
(3.24)
yazlabilir.
s.2014.02.21
35
Rasgele De
geri ve Momenti
Varyansn karekok
u,
=
p
Var(X)
(3.25)
om
standart sapma olarak adlandrlr. B

uy
uk standart sapma degerleri, X rasgele
degiskenin ye gore daha genis alana yayldgn (tanm aralgnn genisledigini),
k
ucu
k olanlar ise saclmann daraldgn (olas degerlerin ye yaklastgn) gosterir.
Buradan hareketle, bir olcme uygulamasnda standart sapma, sonuclarn d
usu
k ya
da y
uksek duyarlk (Ingilizce precision) olarak yorumlanmasnda kullanlr. Farkl
1 ve 2 degerlerinin olaslk yogunluk fonksiyonu ve olcme kalitesi ile iliskisi Sekil
3.4te anlatlmstr.
2 > 1
Y
uksek duyarlk
tla
ri
.c
f (x)
D
usu
k duyarlk
+ 1 + 2
rs
no
2 1
Sekil 3.4: 1 ve 2 standart sapma degerlerinin beklenen deger ye gore olaslk

yogunluk fonksiyonuna etkisi
Ornek
3.11
de
oz
um icin
Ornek
3.7nin devam olarak varyans ve standart sapma de
gerlerini bulalm. C
iki yol izlenebilir:
a) (3.22) esitligi kullanlarak. Oncelikle,
ee
E(X 2 ) =
4
X
i
x2i P (X = xi ) = 02
1
3
3
1
24
+ 12 + 22 + 32 =
=3
8
8
8
8
8
hesaplanr; = E(X) = 1.5 olarak bilindigine g

ore,
2 = E[(X )2 ] = E(X 2 ) [E(X)]2 = 3 1.52 = 0.75
ckar.
b) Ikinci
coz
um yolu dogrudan (3.23)
u kullanmaktr:
X
1
3
3
1
2 =
(X )2 f (x) = (01.5)2 +(11.5)2 +(21.5)2 +(31.5)2 = 0.75
8
8
8
8
Her iki hesaptan ayn varyans de
geri 2 = 0.75 ckmaktadr. Buradan standart sapma
= 0.866 olarak elde edilir.
s.2014.02.21
36
IS
RASGELE DEG
Varyans hesabnn
ozellikleri: Beklenen degerin aksine karesel bicime
dayandgndan, varyans operator
u dogrusal degildir. X ve Y bagmsz degisken,
a ve b sabit katsaylar olsun. Varyans hesab icin asagdaki esitlikler gecerlidir:
(3.26a)
(3.26b)
(3.26c)
om
Var(b) = 0
Var(X + b) = Var(X)
Var(aX + b) = a2 Var(X)
(3.27)
.c
Var(X + Y ) = Var(X) + Var(Y )
tla
Z=
ri
Standartlastrlms rasgele de
gisken birim standart sapma ( = 1) ve sfr
beklenen degere sahip = 0 rasgele degiseni ifade eder. Bilinen > 0 ve degerleri
yardmyla X rasgele degiskeni,
(3.28)
3.3.3
rs
no
standartlastrlabilir. Z rasgele degiskenin olas degerlerine z-saylar veya normal
saylar denir. Orneklem

daglmnn normal daglmla karslastrlmasn gerektiren
uygulamalarda z-saylar (birimsiz) kullanlr.
Moment
de
Istatistikte
moment kavram, X rasgele degiskeni ve aldg degerler hakknda
ayrntl analizler yaplmas istendiginde g
undeme gelir. Moment belli bir kitlenin
(veri ygnn) sekilsel gor

un
um
u icin olcu
t tanmlar. Istatistiksel
ckarmn on
planda oldugu ve karar verme amac tasyan analizlerde momentler anlam kazanr.
gin, istatistikte merkezsel ikinci moment varyansa karslk gelir ve yogunluk
Orne
fonksiyonunun genisligini ortaya koyar.
Genel olarak, olaslk yogunluk fonksiyonun sfr etrafndaki n. momenti,

n
mn = E(X ) =
xn f (x)dx
(3.29)
ee
X n fonksiyonunun beklenen degerini verir.

Sfr yerine Xin beklenen degeri kullanlrsa merkezsel moment,
n
n = E[(X ) ] =
(x )n f (x)dx
soz konusu olur. Ayrk rasgele degisken icin merkezsel moment,

X
n = E[(X )n ] =
(x )n f (x)
(3.30)
(3.31)
s.2014.02.21
37
Rasgele De
geri ve Momenti
f (x)
Pozitif carpklk
Y
uksek
basklk
Negatif carpklk
om
f (x)
D
usu
k
basklk
.c
ri
Sekil 3.5: Daglmn carpklg (sol) ve basklg (sag)
rs
no
tla
ile tanmldr. Sfr etrafndaki moment ve merkezsel moment degerlerine, genel

esitlikler yardmyla ulaslabilir (Papoulis, 1984, s. 110):
n
X
n
n =
mk ()nk
(3.32)
k
k=0
n
X
n
mn =
k nk
(3.33)
k
k=0
Beklenen deger ve varyans ozel moment b

uy
ukl
ukleri arasnda yer alr:
0 = m0 = 1 ,
m1 = ,
1 = 0 ,
2 = 2
de
C
arpklk u
cu
nc
u merkezsel momente karslk gelen ve daglmn simetrik
olmaktan ne kadar uzak oldugunu gosteren bir olcu
tt
ur. C
arpklg sfr olan daglm
simetriktir. Standartlastrlms u
cu
nc
u merkezsel moment,
3 =
E[(X )3 ]
3
= 3
3
(3.34)
ee
ksaca carpklk (skewness) ad ile anlr. Sol kuyrugu daha uzun daglm negatif
carpklg, sag kuyrugu daha uzun daglm pozitif carpklg isaret eder (Sekil 3.5).
Basklk (kurtosis) olarak adlandrlan standartlastrlms dord
unc
u merkezsel
moment,
E[(X )4 ]
4
4 =
= 4
(3.35)
4
ikinci merkezsel moment (varyans) gibi art degerlidir. Ancak, basklg 3 olan
normal daglm baz alnarak eksi ve art degerli yeni bir basklk tanm yaplabilir.
Yogunluk fonksiyonu grafiginin yanlardan ne kadar bask oldugunu acklar. Basklg
y
uksek daglmlarn en dikkat cekici ozelligi sivri tepeleri ve uzun kuyruklardr (Sekil
3.5).
s.2014.02.21
38
3.4
IS
RASGELE DEG
cu
Di
ger Merkezi E
gilim ve Saclm Ol
tleri
.c
om
istatistikte, beklenen deger ya da baska bir deyisle ortalama deger merkezi egilim
olcu
t
ud
ur. Orneklem
k
umesinin, anak
utlenin ya da olaslk yogunluk fonksiyonunun
nerede konumlandgn gosterir. Geometrik anlamda, n
un x ekseni u
zerindeki
yerini tanmlar. Rasgele degiskenin yerini tanmlamak icin baska olcu
tler de
kullanlabilir. Degisik merkezi egilim olcu
tleri daglmn ozellikleri hakknda baz
ipuclar verdiginden uygulamada sadece ortalama () ile yetinilmez. Medyan ve
mod ye secenek iyi bilinen merkezi egilim araclardr.
F (1/2 ) = 0.5
ri
Medyan ortanca veya orta deger anlamna gelir. Sral bir bicimde d
uzenlenmis
daglm k
utlesel olarak iki esit parcaya ayrr. Buna gore; daglm fonksiyonu icin,
(3.36)
1
1
ve P (X > 1/2 )
2
2
(3.37)
rs
no
P (X < 1/2 )
tla
kosulunu saglayan x = 1/2 degerine medyan denir. Medyan degeri, ayrk rasgele
degisken icin asagdaki olaslk esitsizliklerini saglamaldr:
X rasgele degiskeninin alacag degerler k

ucu
kten b
uy
uge x1 x2 xn
sralanms olsun. n olcu
saysna bagl olarak medyan,
(
n tek ise
x n+1
1/2 = 1 2
(3.38)
(x n2 + x n2 +1 ) n cift ise
2
esitliginden bulunur.
de
(3.36)ya gore s
urekli rasgele degiskenin olaslk fonksiyonu egrisi altnda kalan alan,
1/2 = sb. dogrusu ile snrldr. Bu durum,
Z x=1/2
1
P (X < 1/2 ) = P (X > 1/2 ) =
f (x)dx =
(3.39)
2
integral esitligi ile tanmlanr.
ee
Normal daglm gibi simetrik (unimodal) daglmlarda medyan ortalama degere

esittir: 1/2 = . Buradan hareketle daglmn carpklg ortaya ckarlabilir.
1/2 < sonucu pozitif carpklg, tersi negatif carpklg tanmlar. Medyan
icin gecerli en onemli ozelliklerden biri rasgele degiskenin mutlak sapmalarn en
k
ucu
klestirmesidir: E[|X 1/2 |] = min. Ortalama deger ise sapmalarn karelerini
en k
ucu
klestirir: E[(X )2 ] = min.
Mod daglm k
umesinde olaslg en y
uksek degerdir:
= arg max(f (x)) := {x | y : f (y) f (x)}
(3.40)
s.2014.02.21
39
cu
Di
ger Merkezi E
gilim ve Saclm Ol
tleri
.c
(3.41a)
(3.41b)
(3.41c)
tla
ri
|
|
3
|1/2 |
0.6
|
1/2 |
3
om
Burada f (x) olaslk yogunluk fonksiyonudur. (3.40) ayrk durum icin en cok tekrar
eden veriyi isaret eder. Daglmda en y
uksek olaslk degeri birden fazla nokta ile
temsil ediliyorsa, mod bu degerlerin hepsine karslk geldiginden sonuc tek anlaml
olmaktan ckar. Boylesi durumlarda daglmn bimodal, trimodal ya da multimodal
oldugundan soz edilir. Unimodal baska bir deyisle tek global maksimuma sahip
simetrik daglmlarda (ornegin normal) mod, medyan ve ortalama deger birbirlerine
esittir (Sekil 3.6). Genel olarak unimodal daglmlar icin hesaplanan ortalama,
medyan ve mod degerleri asagdaki esitsizlikleri saglar:
rs
no
f (x)
= 1/2 =
ee
de
1/2
= 1/2
Sekil 3.6: Simetrik unimodal (mavi), carpk unimodal (krmz) ve simetrik bimodal
(yesil) daglm icin ortalama, medyan ve mod hesab
Ornek
3.12
Test snavna giren 98 ogrencinin ald
g notlar asa
gda listelenmistir. Veri k
umesine iliskin
ortalama, medyan ve mod de
gerlerini hesaplaynz.
s.2014.02.21
40
IS
RASGELE DEG
40
24
40
56
36
60
56
52
48
32
44
44
40
28
36
56
32
48
44
44
24
56
72
48
64
28
24
24
48
36
28
64
52
44
20
48
32
48
36
44
40
56
28
40
36
60
60
40
28
52
40
32
32
52
60
52
36
36
52
52
28
20
56
40
48
64
36
48
24
36
44
28
60
56
44
56
32
52
om
12
24
36
28
32
52
76
36
40
8
.c
40
48
32
36
36
48
24
56
40
68
C
oz
um: Verilen notlara iliskin olaslk yogunlugu ve da
glm cizelgelerini olusturalm:
F (xi )
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
12 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76
1 2 7 8 8 13 11 8 10 9 9 5 3 1 1 1
1
98
1
98
1
98
2
98
2
98
4
98
7
98
11
98
8
98
19
98
8
98
27
98
13
98
40
98
11
98
51
98
8
98
59
98
10
98
69
98
ri
1
8
1
9
98
78
98
9
98
87
98
5
98
92
98
3
98
95
98
tla
i
xi
ni
f (xi )
1
98
96
98
1
98
97
98
1
98
98
98
Yukardaki cizelgeye g
ore; daglmn ortalamas ya da beklenen de
geri,
17
X
xi f (xi ) = 42.12
rs
no
= E(X) =
i=1
ckar. Medyan de
gerini bulmak icin toplam n = 98 olcu
k
ucu
kten b
uy
uge sralanmaldr.
(3.38) esitlikleri gore medyan 49 ve 50. sradaki basar notunun ortalamasdr. Yukardaki
yogunluk ve da
glm cizelgesinden bu de
gerlerin 40 oldu
gu anlasld
gndan,
de
1
1
1/2 = (x49 + x50 ) = (40 + 40) = 40
2
2
bulunur. Mod de
geri ise 13 kez tekrar edilen,
= 36
sonucunu g
ostermektedir. Hesaplanan merkezi egilim olcu
tlerinin konumu Sekil 3.7deki
sklk-daglm grafi
ginde gosterilmektedir. Sekilde medyan de
gerinin k
um
ulatif da
glmn
0.5 seviyesine cktg konuma cok yakn oldu
guna dikkat edilmelidir.
ee
Ortalama sapma verilen bir merkezi egilim olcu

t
une gore rasgele degiskenin
mutlak sapmalarnn beklenen degeridir; bir saclm olcu
t
u olarak standart sapmaya
secenektir. Genel esitlik,
(P
|xi m(X)|f (xi ) Ayrk durum
md(X) = E[|X m(X)|] = R
(3.42)
|x m(X)|f (x)
S
urekli durum
biciminde yazlabilir. Burada m(X) merkezi egilim olcu

t
un
u tanmlar; ortalama,
medyan veya mod degerlerinden birine karslk gelir.
Ornek
3.13
s.2014.02.21
41
cu
Di
ger Merkezi E
gilim ve Saclm Ol
tleri
14
0.875
0.750
Daglm (F (xi))
om
12
Sklk (ni)
1.000
Mod
Medyan
Ortalama
16
10
0.625
0.500
0.375
0.250
.c
0.125
ri
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100
Notlar
tla
Sekil 3.7: Basar notlarnn sklk-daglm grafigi

Son ornekte verilenleri kullanarak;
rs
no
Standart sapmay
, 1/2 ,
de
gerlerine g
ore ortalama sapmay
hesaplaynz.
de
C
oz
um: Basar notlarnn varyans
2 = E[(X )2 ] = E(X 2 ) [E(X)]2
ee
ile hesaplanabilir. Bunun icin

E(X 2 ) =
17
X
= x2i f (xi ) = 1948.1
i=1
elde edilir ve yukarda yerine yazlrsa varyans,

2 = E[(X )2 ] = E(X 2 ) [E(X)]2 = 1948.1 42.122 = 173.78
ckar. Daglmn standart sapmas,

=
bulunur.
Var(X) = 13.183
Daglmn ortalamas, medyan ve modu icin onceki ornekten bilinen de

gerler srasyla
s.2014.02.21
42
IS
RASGELE DEG
om
(3.42)de yerine konularak ortalama sapma icin,
17
=
|xi |f (xi ) = 10.862
E[|X
|]
i=1
17
X
md(X) = E[|X 1/2 |] =
|xi 1/2 |f (xi ) = 10.776
i=1
17
E[|X
|]
=
|xi
|f (xi ) = 11.510
i=1
Birlesik Rasgele Da
glmlar
ri
3.5
.c
sonuclarna ulaslr.
rs
no
tla
Simdiye kadar anlatlan konularda olaslk daglmn tek degiskenli (univaryat)

ele aldk.
Olaslk degerini iki (bivaryat) ya da daha fazla (multivaryat)
rasgele degiskene bagl olarak hesaplamak istedigimizde, birlesik daglm kavram
on
um
uze gelir. Bir grup insann kilosu ve boyu iki ayr rasgele degisken olarak
yandan bu iki rasgele degisken birbirini etkileyen b
gor
ulebilir. Ote
uy
ukl
ukler oldugu
degerlendirildiginde, grup elemanlarnn fiziksel gelisimi, saglk durumu gibi degisik
olaylarn olaslklarnn bu iki parametreye bagl olmas gerektigi sonucu ortaya ckar.
Gerektiginde bu ornek cinsiyet, yas gibi baska parametrelerle (degiskenlerle) de
genisletilebilir. Konunun kolay anlaslmas acsndan, bu bol
umde tanm alan iki
boyutlu rasgele degisken ile belirtilen olaslk uzaylar acklanacaktr. Kovaryans, iki
boyutlu birlesik daglmn en onemli uygulamasdr.
Olaslk yogunluk fonksiyonu,
de
f = f (x, y)
(3.43)
iki degiskene bagl olarak ifade edilen daglmlara, ksaca (iki boyutlu) birlesik
daglm denir. Ayn anda gerceklesmesi istenen {X x} ve {Y y} olaylarnn
olaslgn gosteren birlesik daglm fonksiyonu,
F (x, y) = P (X x, Y y) = P (D) ,
pozitif tanml, artan fonksiyondur:
lim F (x, y) = lim F (x, y) = 0
D = {X x, Y y} R2
(3.44)
(3.45)
lim F (x, y) = 1
x,y
ee
(3.44)de R2 iki boyutlu d

uzlem uzay, D bu uzayn icinde X ve Y ye iliskin
olaylarn kesisim alann gosterir. Bolge tanm Sekil 3.8daki gibi birkac degisik
sekilde yaplabilir. D1 , D2 , D3 , D4 bolgeleri icin srasyla, asagdaki olaslk esitlikleri
gecerlidir:
P (X x, Y y)
= F (x, y)
(3.46a)
P (X x, y1 Y y2 )
= F (x, y2 ) F (x, y1 )
(3.46b)
P (x1 X x2 , y1 Y y2 )
= F (x2 , y2 ) F (x1 , y2 ) F (x2 , y1 ) + F (x1 , y1 ) (3.46d)
P (x1 X x2 , Y y)
= F (x2 , y) F (x1 , y)
(3.46c)
s.2014.02.21
43
Birlesik Rasgele Da
glmlar
y
y2
y
b
y1
y1
D1 = {X x, Y y}
om
y
y2
x
x
x1
x
b
x2
x1
x2
D3 = {x1 X x2 , Y y} D4 = {x1 X x2 , y1 Y y2 }
D2 = {X x, y1 Y y2 }
.c
ri
boyutlu rasgele degisken (R2 ) uzaynda olay (alan) tanm (Papoulis,

Sekil 3.8: Iki
1984, s. 124)
02
0.
6
12
0.
.5
2
0.
0.
0.14
.0
0.08
0.1
.5
1
0.02
12
06
0.0
0.0
08
0.
0.1
.0
.5
0
0.06
0.0
0.0
0.5
02
0.
1.0
1.5
2.0
2.5
ee
0.0
0.0
de
0.15 0.10 0.05 0.00
0.05
0.10
0.15
rs
no
tla
boyutlu birlesik daglmlarn geometrik yorumu x, y, z u

Iki
c boyutlu koordinat
sistemi icinde kolayca yaplabilir. Ilgili tanm bolgesi icin z = f (x, y) noktalar
u
c boyutlu koordinat sisteminde bir y
uzeyi (kesikli ya da s
urekli), (3.46) esitlikleri
uzeyin altndaki hacim miktarn verir. z = sabit noktalar esit olaslkl
de bu y
noktalar k
umesini, ksaca es-olaslk egrilerini tanmlar. Sekil 3.9 D = {2.5
X 2.5, 2.5 Y 2.5} R2 alannda (iki boyutlu) Gaussun olaslk daglmn
bir y
uzey ile gostermektedir. Es y
ukseklik egrileri ayn olaslk degerlerinin d
uzleme
izd
usu
m
un
u temsil etmektedir.
2.5
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
degiskenli Gauss (normal) olaslk fonksiyonu f (x, y) =

Sekil 3.9: Iki
2.5
1 x
e
2
2 +y 2
2
Tek degiskenli olaslk fonksiyonlarna benzer bicimde birlesik daglmlar da ayrk ve

s
urekli olmak u
zere iki ayr baslk altnda incelenir.
s.2014.02.21
44
IS
RASGELE DEG
fX (xn )
1
Ayrk Durum
ri
3.5.1
f (xn , y1 ) f (xn , y2 ) f (xn , y3 ) f (xn , ym )

fY (y1 )
fY (y2 )
fY (y3 ) fY (ym )
.c
xn
P
om
C
izelge 3.2: Ayrk rasgele degisken X ve Y icin marjinal ve birlesik olaslklar
P
X\Y
y1
y2
y3
ym
x1
f (x1 , y1) f (x1 , y2 ) f (x1 , y3 ) f (x1 , ym) fX (x1 )
x2
x3
..
..
..
..
..
..
..
.
.
.
.
.
.
.
X ve Y ayrk rasgele degiskenlerin birlesik olaslk fonksiyonu,
tla
f (x, y) = P (X = x, Y = y)
(3.47)
rs
no
esitligi ile verilir. Xin n ve Y nin m saydaki olas degerine karslk f (xi , yj )nin
alacag degerler C
izelge 3.2deki gibi gosterilebilir. Degiskenlerden biri gozard
edildiginde veya degiskenlerden biri ile calsmak istenildiginde marjinal olaslklar
P (X = xi ) ve P (Y = yj ) ortaya ckar. Burada, {X = xi } ve {Y = yj } birlesik
rasgele olaylarn alt-k
umeleridir. Bu olaylara karslk gelen olaslklar (cizelgede
satr-s
utun toplamlar),
P (X = xi ) = fX (xi ) =
m
X
f (xi , yj )
(3.48a)
f (xi , yj )
(3.48b)
j=1
P (Y = yj ) = fY (yj ) =
n
X
de
i=1
ile gosterilirler. Olaslk yogunluk fonksiyonlarnn ozelliklerine uygun olarak

marjinal olaslklar,
n
X
fX (xi ) =
i=1
m
X
j=1
fY (yj ) =
n X
m
X
f (xi , yj ) = 1
(3.49)
i=1 j=1
esitligini saglar.
ee
D R2 tanm bolgesinde konumu x, y ile belli herhangi bir noktann birlesik daglm
fonksiyonu,
XX
F (x, y) = P (X x, Y y) =
f (x, y)
(3.50)
x
ve ayn noktadaki marjinal daglm fonksiyonlar,

X
X
FX (x) =
fX (x) , FY (y) =
fY (y)
x
(3.51)
s.2014.02.21
45
Birlesik Rasgele Da
glmlar
toplamlarndan ckar.
Ornek
3.14
om
Ayn boyutlarda 3 krmz, 2 mavi ve 5 yesil top arasndan 3

u rasgele secilsin.
X rasgele de
giskeni krmzlarn, Y mavilerin saysn gostersin. Daglmn yogunluk
fonksiyonu cizelgesini olusturalm ve birlesik da
glmn F (2, 1), FX (2) ve FY (1) de
gerlerini
belirleyelim.
Verilen bilgilere g
ore X ve Y rasgele de
giskenlerinin alacag de
gerler,
.c
X = {0, 1, 2, 3}
Y = {0, 1, 2}
ri
olur. X = xi ve Y = yj (i = 1, 2, 3, 4, j = 1, 2, 3) icin olaslk yogunluk fonksiyonu

degerleri,
f (xi , yj ) = P (X = xi , Y = yj )
onceki bol
umde Ornek
2.21de anlatld
g gibi (2.27)ye g
ore hesaplanabilir. Bu ornekte,
r=3
tla
n = n1 + n2 + n3 = 3 + 2 + 5 = 10
oldu
guna gore X = x ve Y = y olaylarnn olaslg,
n2
n1
n3
r2 =y r3 =rxy

n
r
rs
no
P (X = x, Y = y) =
r1 =x
3
x
5
3xy

10
3
2
y
de
esitli
giyle genellestirilebilir. Yukardaki esitlikten hesaplanacak olaslk degerleri cizelgede
gosterilecek olursa,
P
X = xi \Y = yj
0
1
2
0
10/120 20/120 5/120 35/120
1
30/120 30/120 3/120 63/120
2
15/120 6/120
0
21/120
3
1/120
0
0
1/120
P
56/120 56/120 8/120
1

sonuclar elde edilir.
Paydadaki 120 degeri 10un 3l
u 10
kombinasyonlarn
3
gostermektedir. C
izelgedeki sfr degerleri xi + yj > 3 esitsizli
ginin sa
gland
g durumlara
karslk gelmektedir (en fazla u
c top secilebildi
gi icin). Son satr ve son s
utun, srasyla Y
ve X rasgele de
giskeninin marjinal yo
gunluk fonksiyonu de
gerleridir.
ee
F (2, 1), FX (1) ve FY (2) da

glm fonksiyonu de
gerleri, (3.50) ve (3.51) esitliklerinden,
ckar.
F (2, 1) = P (X 2, Y 1)
3 X
2
X
f (xi , yi ) =
i=1 j=1
FX (2) = P (X 2)
FY (1) = P (Y 1)
3
X
i=1
2
X
j=1
111
120
fX (xi )
119
120
fY (yj )
112
120
s.2014.02.21
46
3.5.2
IS
RASGELE DEG
S
urekli Durum
om
Birlesik s
urekli rasgele degiskenler X ve Y icin D R2 bolge tanm yaplsn.
ZZ
P (D) =
f (x, y)dxdy
(3.52)
D
.c
integrali D bolgesi icindeki olas raslantsal olaylarn olaslgn verir. Buna gore
(3.45)den, birlesik daglm fonksiyonu,
Z x Z y
F (x, y) =
f (x, y)dxdy
(3.53)
tla
ri
yazlabilir. Ayrk durumda oldugu gibi, birlesik daglmdan marjinal yogunluk ve

daglm fonksiyonlarna gecis,
Z
Z
fX (x) =
f (x, y)dy
fY (y) =
f (x, y)dx
(3.54)
Z x
Z y
FX (x) =
fX (x)dx
FY (y) =
fY (y)dy
(3.55)
rs
no
integral esitlikleriyle saglanr.

Marjinal yogunluk fonksiyonu hangi degisken
icin tanmlanmak isteniyorsa integralin diger degisken icin (, ) aralgnda
uygulandgna dikkat edilmelidir.
Bu islem C
izelge 3.2de satr veya s
utun
fazla degiskenin oldugu multivaryat daglmlarda

toplamlarna karslktr. Ikiden
(3.54) integrali, secilenin dsndaki degiskenlerin hepsi icin uygulanr.
Birlesik yogunluk ve daglm fonksiyonlar arasndaki iliskiyi,
de
f (x, y) =
F (x, y)
xy
(3.56)
diferansiyel esitligi tanmlar. Benzer diferansiyel esitlikler marjinal fonksiyonlar

arasnda da olusturulabilir:
fX (x) =
FX (x)
x
fY (x) =
FY (y)
y
(3.57)
ee
Ornek
3.15
X ve Y rasgele de
giskenin birlesik olaslk yogunluk fonksiyonu ve tanm alan,
(
2ex e2y
0 < x < , 0 < y <
f (x, y) =
0
Diger
olsun. Asagdaki olaslk de
gerlerini bulunuz (Ross, 1999, s. 99):
a) P (X > 1, Y < 1)
s.2014.02.21
47
Birlesik Rasgele Da
glmlar
b) P (X < Y )
C
oz
um:
a)
y=1 Z x=
= e1
1
=e
y=0
=
=
Z0
y
2e2y ex 0 dy
P (X < a) =
2e
1
3
de
m
ee
1e
dy =
2y
2e
dy

2
2
+ ey 0 = 1
3
3
y= Z x=a
y=0
3.5.3
2y

ey 0
1
e2y
2ex e2y dxdy
rs
no
=
c)
2e2y dy = e1

1 e2
0

2e2y ex 1 dy
x=0
y= Z x=y
dxdy =
tla
P (X < Y ) =
x=1
b)
2e
.c
y=0
x 2y
ri
P (X > 1, Y < 1) =
om
c) P (X < a)
x 2y
2e
dxdy =
x=0

= 1 ea

= 1 ea
2e2y dy = 1 ea
2e3y dy
0
a
2e2y ex 0 dy

ey 0
Ba
gmsz Rasgele De
giskenler
Rasgele olaylarn bagmszlg, daha once Bol

um 2.3.3te acklanmst. Bagmszlk
ume elemanlarnn gercek saylardan secildigi X ve Y rasgele degiskenleri
kavram, k
icin de incelenebilir. A R ve B R, srasyla X ve Y rasgele degiskeni icin gercek
saylar k
umesini belirtsin. X ve Y bagmsz rasgele degiskenler ise, (2.13)e gore,
P (X A Y B) = P (X A)P (Y B)
(3.58)
esitligi gecerli olur. Olaslk yogunluk fonksiyonlar cinsinden yukardaki esitlik,

f (x, y) = fX (x)fY (y)
(3.59)
s.2014.02.21
48
IS
RASGELE DEG
biciminde ifade edilir. Soz konusu iliski, ayn anlamda marjinal daglm fonksiyonlar
arasnda da yazlabilir:
(3.60)
om
F (x, y) = FX (x)FY (y)
Verilen esitliklerden {X x} olaylarnn {Y y} olaylarndan (ya da tersi)

etkilenmedigi seklinde alglanmaldr.
Ornek
3.16
1
2
ri
fX (x = 0) = fX (x = 1) =
.c
Para (X) ve zar (Y ) ats nasl bagmsz olaylar ise bu olaylar icin kullanlan rasgele
degiskenlerin olas degerleri arasnda da bir iliski yoktur:
1
6
tla
fY (y = 1) = fY (y = 2) = = fY (y = 6) =
Herhangi bir xi (i = 1, 2) ve yj (j = 1, 2 . . . , 6) de
geri, (3.59)ye g
ore;
11
1
=
26
12
f (xi , yj ) = fX (x = xi )fY (y = yj ) =
3.5.4
rs
no
sonucunu verir.
Kosullu Olaslk Da
glmlar
de
(2.11) ve (2.12) kosullu olaslk ve ona bagl olarak bagmsz olaylar tanmlayan
esitliklerdir. A ve B olaylarna karslk olarak X ve Y rasgele degisikenlerinin
birbirlerine bagmllg kosullu olaslk daglmlar yardmyla acklanabilir. X ve
Y rasgele degiskenleri icin,
f (x, y)
fX (x)
f (x|y) =
f (x, y)
fY (y)
(3.61)
f (y|x) =
ee
esitliklerinden elde edilen olaslk fonksiyonlarna kosullu olaslk fonksiyonlar ad

verilir. Bu esitliklerde, ornegin f (y|x) bilinen X rasgele degiskeni icin Y nin olaslg
diye okunur. (3.62)te marjinal olaslk degerlerinin fX (x) > 0 ve fY (y) > 0
esitsizliklerinin saglanmas gerektigi acktr.
Kosullu olaslk daglmlarndan soz edildiginde, s
urekli fonksiyonlar icin,
F (y|x) =
Ry
f (x, y)dy
fX (x)
F (x|y) =
Rx
f (x, y)dx
fY (y)
(3.62)
esitlikleri yazlabilir (Koch, 1999, s. 91).
s.2014.02.21
49
Birlesik Rasgele Da
glmlar
3.5.5
Kovaryans ve Korelasyon
om
Olaslk yogunluk fonksiyonu f (x, y) ile verilen birlesik daglmda, X ve Y rasgele

degiskenlerine bagml g(X, Y )nin beklenen degeri,
Z Z
E[g(X, Y )] =
g(x, y)f (x, y)dxdy
(3.63)
.c
genel esitligi ile ifade edilir. g(X, Y ) icin degisik fonksiyonlar ongor
ulebilir. Olaslk
olarak,
ve istatistik kuramnda, bunlardan bazlarnn onemi b
uy
ukt
ur. Ilk
g(X, Y ) = X
ve g(X, Y ) = Y
rs
no
tla
ri
esitliklerini ele alalm ve yukardaki genel esitlikte yerine yazlm. (3.54) goz on
une
alnrsa,
Z Z
Z Z
E(X) =
xf (x, y)dydx
E(Y ) =
yf (x, y)dxdy

Z Z
Z Z
=
x
f (x, y)dydx
=
y
f (x, y)dxdy
Z
Z
X =
xfX (x)dx
Y =
yfY (y)dy
(3.64)
sonuclar ckar. Benzer sekilde bu kez,
g(X, Y ) = (X X )2
ve g(X, Y ) = (Y Y )2
fonksiyonlarn inceleyelim:
de
2
X
= E[(X X )2 ]
Z Z
=
(x X )2 f (x, y)dydx
=
(x X )2 fX (x)dx
Y2 = E[(Y Y )2 ]
Z Z
=
(y Y )2 f (x, y)dxdy
=
(y Y )2 fY (y)dy
(3.65)
ee
(3.64) ve (3.65) esitlikleri X ve Y rasgele degiskenleri icin X , Y beklenen

2
degerleri ve X
, Y2 varyanslarnn birlesik daglmlardan da t
uretilebilecegini ortaya
koymaktadr. Son olarak, rasgele degiskenlerin ortalama degerlerinden sapmalarnn
carpmn,
g(X, Y ) = (X X )(Y Y )
(3.66)
olusturalm. Yazlan fonksiyon esitliginin beklenen degerini bulmak istedigimizde,
XY
Cov(X, Y ) = E[(X X )(Y Y )]

Z Z
= Cov(X, Y ) =
(x X )(y Y )f (x, y)dxdy
(3.67)
esitligi soz konusu olur.
s.2014.02.21
50
IS
RASGELE DEG
Cov(X, Y ) = E[(X X )(Y Y )]

= E[XY XY X Y + X Y ]
= E(XY ) Y E(X) X E(Y ) + X Y
= E(XY ) E(X)E(Y )
om
Kovaryansn
ozellikleri: (3.66) esitliginin sag icin beklenen deger operator
u,
(3.68)
kovaryans degerinin farkl bir yoldan hesaplanabilecegini gosterir. (3.22) ve (3.68)

karslastrldgnda, varyansn kovaryansn ozel bir durumu,
2
X
= Var(X) = Cov(X, X)
.c
(3.69)
ri
oldugu anlaslr ve aralarndaki iliski genellikle Cauchy-Schwarz esitsizligi,

p
|Cov(X, Y )| Var(X)Var(Y ) |XY | X Y
(3.70)
tla
ile acklanr. Bu ozelliklerin dsnda, X ve Y rasgele degiskenler, a ve b sabit saylar

olmak u
zere asagdaki esitlikler gecerlidir:
(3.71)
(3.72)
(3.73)
rs
no
Cov(X, a) = 0
Cov(aX, bY ) = abCov(X, Y )
Var(X Y ) = Var(X) + Var(Y ) 2Cov(X, Y )
de
Birlesik daglmn varyans olarak degerlendirilebilecek kovaryans XY , X ve

Y rasgele degiskenlerinin birbirlerinden nasl etkilendiklerini, ksaca aralarndaki
bagmllk bilgisini verir. Deneysel uygulamalarda olcu
len bir b
uy
ukl
uk cogu kez
ds (cevresel) kosullardan etkilenir. Jeodezik olcmelerde uzunluk ve dogrultu
olcmelerinin hemen hepsi gozlem snlarnn icinden gectigi atmosferin az ya da cok
etkisi altndadr. Gozlem b
uy
ukl
ugu
(olcu
) ve atmosferik etki arasndaki bagmllk
deneysel yontemler ile ortaya konulabilir. Genellikle es zamanl toplanms, iki farkl
rasgele degiskene (ornegin uzunluk ve atmosferik scaklga) ait olcu
ler kovaryans
degerinin hesaplanmasna yeterlidir.
ee
Orneklem
saysnn sonlu ya da saylabilir nitelikte oldugu birlesik daglmlarda
beklenen deger, varyans ve kovaryans b
uy
ukl
uklerinin hesab icin ayrk durum goz
on
unde alnmaldr. Boylesi veri t
ur
unde kovaryans hesab,
XX
XX
X =
xf (x, y)
Y =
yf (x, y)
x
xfX (x)
2
X
=
yfY (y)
(3.74)
XX
(x X )2 f (x, y)
2
(x X ) fX (x)
Y2 =
XX
x
X
y
(y Y )2 f (x, y)
(y Y )2 fY (y)
(3.75)
s.2014.02.21
51
Birlesik Rasgele Da
glmlar
0.8
0.4
-0.4
-0.8
-1
-1
-1
-1
om
.c
XX
x
toplam esitlikleriyle ifade edilir.
(x X )(y Y )f (x, y)
(3.76)
tla
XY =
ri
Sekil 3.10: X, Y rasgele degiskenleri baz birlesik daglm ornekleri ve daglmn

korelasyon degerleri (Wikipedia, 2011)
rs
no
2
Varyans degerlerinin (X
, Y2 > 0) aksine, kovaryans degerleri < XY <
deger aralgndadr. Art degerli kovaryans, X ve Y nin ayn yonl
u, eksi
degerli kovaryans zt yonl
u egilimlerini acklar. Kovaryans degerinin b
uy
umesi
degiskenler arasndaki bagmllgn artmas, sfra yaklasmas bagmllgn azalmas
olarak yorumlanabilir. Ancak, bu konuda kesin bir yargda bulunabilmek icin
XY nin standartlastrlmas gerekir.
X ve Y ye iliskin standart sapma degerleri yardmyla standartlastrlan kovaryans

degerine,
XY
XY =
1 XY 1
(3.77)
X Y
XY = XY = 0
(3.78)
ee
de
korelasyon ad verilir. Bagmsz degiskenler arasndaki iliskinin anlamllg, en

iyi sekilde korelasyon degeriyle yorumlanabilir. Bire yakn korelasyon degiskenler
arasndaki y
uksek bagmllg; ote yandan,
sonucu bagmsz rasgele degiskenleri isaret eder. Kovaryans birimini, X Y

ile degiskenlerin birimi belirlerken; korelasyon degeri birimsizdir. Sekil 3.10
korelasyonun, iki boyutlu X ve Y degiskenlerinin daglm ozelliklerine gore hangi
degerleri aldgn gostermektedir.
Ornek
3.17
X ve Y rasgele de
giskenleri icin Ornek
3.14de elde edilen yogunluk cizelgesini kullanarak
asagdaki sorular cevaplandrnz.
a) X ve Y nin ba
gml degiskenler oldu
gunu g
osteriniz.
s.2014.02.21
52
IS
RASGELE DEG
b) X , Y =?
2 , 2 =?
c) X
Y
om
d) XY , XY =?
C
oz
um:
a) X ve Y ba
gmsz de
giskenler ise,
P (X = xi , Y = yj ) = P (X = xi )P (Y = yj )
.c
esitli
gi sa
glanmaldr. Orne
gin i = 3, j = 1 ve i = j = 1 icin
56
1
120 120
30
63
56
P (1, 1) = P (x = 1)P (y = 1)
6=
120
120 120
esitsizlikleri sa
gland
gndan X ve Y bagml de
giskenlerdir.
0 6=
b) (3.74) esitlikleri yardmyla,

4
X
xi fX (xi )
=0
35
63
21
1
+1
+2
+3
120
120
120
120
108
120
56
56
8
+1
+2
120
120
120
72
120
i=1
3
X
yi fY (yj )
=0
4
X
x2i fX (xi )
= 02
35
63
21
1
+ 12
+ 22
+ 32
120
120
120
120
156
120
yi2 fY (yj )
= 02
56
56
8
+ 12
+ 22
120
120
120
88
120
rs
no
X =
tla
ri
P (3, 1) = P (x = 3)P (y = 1)
Y =
j=1
c) E(X 2 ) ve E(Y 2 )
2
E(X ) =
i=1
de
E(Y 2 ) =
3
X
j=1
beklenen de
gerlerini kullanarak (3.22) esitli
gi yardmyla,

156
108 2
2
X
= E(X 2 ) [E(X)]2 =
120
120

88
72 2
Y2 = E(Y 2 ) [E(Y )]2 =
120
120
7056
14400
5376
14400
ee
bulunur.
d) (3.68)den,
E(XY ) =
4 X
3
X
xi yi f (xi , yi )
i=1 j=1
10
20
5
30
+01
+02
+10
+
120
120
120
120
30
3
15
6
1
48
+11
+12
+20
+21
+30
=
120
120
120
120
120
120
=00
s.2014.02.21
53
Birlesik Rasgele Da
glmlar
kovaryans
XY = E(XY ) E(X)E(Y ) =
108 72
2016
48
=
120 120 120
14400
XY =
om
ve (3.77) yardmyla korelasyon,
2016
XY
2016
3
= q 14400
=
=
X Y
7056 5376
7056 5376
2 21
14400 14400
ee
de
rs
no
tla
ri
.c
ckar.
s.2014.02.21
54
ee
de
rs
no
tla
ri
.c
om
IS
RASGELE DEG
s.2014.02.21
om
.c
B
ol
um 4
tla
ri
BAS
rs
no
Rasgele deneyin olas t

um sonuclar icin tanml olaslk degerleri belirli bir olaslk
yogunluk ya da daglm fonksiyonundan t
uretilen saylardr. Rasgele degiskenin
alacag degerler gibi daglm fonksiyonlar da ayrk ve s
urekli olarak snflandrlrlar.
Olaslk k
utle fonksiyonu ve olaslk yogunluk fonksiyonu bu snflara ait t
urleri isaret
eder. Degisken (parametre) says bir baska snflandrma yontemidir: tek degiskenli
veya cok degiskenli daglmlar.
de
Literat
urde y
uzden fazla olaslk daglm biliniyor olmasna ragmen bunlarn cok
aznn uygulamada bir onemi vardr. Binom daglm, normal daglm, t-ogrenci
daglm, ki-kare daglm bunlardan bazlardr.
ee
4.1
4.1.1
Ayrk Da
glmlar
Bernaulli ve Binom Da
glmlar
Bir kez tekrar edilen deneyin olumlu/olumsuz, basarl/basarsz veya evet/hayra

creli bilim adam Jacob
benzer iki sonucu varsa Bernaulli daglmndan soz edilir. Isvi
Bernaullinin kendi adyla anlan deneylerine atfen daglma bu isim verilmistir.
Bernaulli deneylerinde, yeni dogan bebegin kz ya da erkek olmas, para ats (bir
kez), sonuclar arasnda esitlik olmayan spor t
urleri (ornegin basketbol), bir hastaya
uygulanan ilac tedavisinin sonucu gibi benzer olaylar ele alnr. Bu olaylarn olaslk
degerleri Bernauli daglmndan elde edilir. X rasgele degisken degeri icin ongor
ulen
56
BAS
1 (istenen) ve 0 degerlerine karslk olaslk degerleri,

p
x = 1 icin
q = 1 p x = 0 icin
(4.1)
om
f (x) = P (X = x) =
veya
f (x) = px (1 p)1x
x {1, 0}
(4.2)
.c
esitlikleriyle gosterilen olaslk (k

utle) fonksiyonundan hesaplanr.
Bernaulli
daglmnn olaslk ve daglm fonksiyonlar Sekil 4.1de gosterilmektedir.
f (xi ) = P (X = xi )
F (xi )
ri
tla
1p
1p
rs
no
xi
xi
Sekil 4.1: Bernaulli daglm
Daglmn beklenen degeri ve varyans icin
= E(X)
=p
2
2
= E[(X ) ] = pq = p(1 p)
ee
de
esitlikleri gecerlidir. Medyan ve modu ise
0
1/2 = 1/2
= 0, 1
(4.3)
(4.4)
q > p icin
q = p icin
p > q icin
(4.5)
q > p icin
q = p icin
p > q icin
(4.6)
degerlerini alr.
Bernaulli deneyi n kez yinelensin. Her biri bagmsz bu deneyler icin p olaslkl
basarl (Xi = 1) sonuclarn says,
X=
n
X
i=1
Xi Bin(n, p)
(4.7)
s.2014.02.21
57
Ayrk Da
glmlar
.c
om
Binom daglmldr. Xin olas x = 0, 1, . . . , n degerleri icin olaslk k

utle fonksiyonu,

n x
f (x) = P (X = x) =
p (1 p)nx
x
n!
=
px (1 p)nx
(4.8)
x!(n x)!

ile tanmldr. (4.8) (p+q)n ye uygulanan (2.23) binom aclmnn terimlerini, nx ise
bunlarn katsaylarn baska bir deyisle Paskal u
cgeni elemanlarn temsil etmektedir.
p + q = 1 nedeniyle dizi toplamnn da bizi,
n
X
n x nx
n
p q
=1
(4.9)
(p + q) =
x
x=0
tla
ri
sonucuna got
urecegi acktr. Daglmn beklenen degerini,

n
X
n x nx
E(X) =
x
p q
x
x=0
(4.10)
esitligi verir. Sonucu bulmak icin daha kolay bir yontem, beklenen degeri (4.7) icin
ack yazmaktr:
rs
no
E(X) = E(X1 ) + E(X2 ) + + E(Xn )
(4.11)
Bagmsz n sayda Bernaulli deneyinin her biri icin beklenen deger, (4.4)den, pye
esit olduguna gore Binom daglmnn beklenen degeri,
= E(X) = E[Bin(n, p)] = np
(4.12)
de
ckar. Benzer bir yaklasmla varyans degeri,
2 = E[(X )2 ] = npq
(4.13)
olarak bulunur.
Ornek
4.1
ee
Para atsnn 5 kez yapld

g bir sans oyununda X gelen turalarn says olmak u
zere olaslk
daglm,
x nx
n
1
1
f (x) =
,
x = 0, 1, 2, 3, 4, 5
x
2
2
esitli
ginden asagdaki gibi elde edilir:
x
0
1
2
3
4
5
f (x) 0.03125 0.15625 0.3125 0.3125 0.15625 0.03125
(3.15)den veya (4.12)den beklenen de
ger,
=
n=5
X
xf (x) = np = 2.5
x=0
s.2014.02.21
58
BAS
ve varyans,
n=5
X
2 =
om
x=0
(x )2 f (x) = npq = 1.25
sonucunu verir.
P (X = x)
.c
Daha y
uksek deney saylar icin daglmn nasl bir gor
un
um alacag Sekil (4.2)de
gor
ulmektedir. Srasyla 25, 50 ve 75 ardsk atsn daglmlar iki olaslk degeri
(p = 0.5 ve 0.8) icin elde edilmis ve beklenen degerleri sekilde kesik cizgilerle
gosterilmistir. p = 0.8 icin bile, daglmn simetrik gor
un
um sergiledigi ve normal
daglma cok yaklastg anlaslmaktadr.
P (X = x)
b
b
n = 25
0.15
tla
0.15
p = 0.8
n = 25
ri
p = 0.5
n = 50
n = 50
b
0.10
b
b
b
b
0.10
n = 75
n = 75
b
b
b
0.05
0
b
10
20
b
b
40
x
50
b
10
20
b
b
b
b
b
30
b
b
0.05
rs
no
b
b
30
b
b
40
b
b
50
60
b
b
b
b
70
de
Sekil 4.2: Degisik deney ve olaslk saylar altnda Binom daglmlar
4.1.2
Ayrk Uniform
Da
glm
ee
Ayrk u
niform daglm, rasgele degisken degerlerinin belirli bir aralkta d
uzenli ve
esit olaslkla gosterildigi parametrik olmayan bir daglm t
ur
ud
ur. Olaslk k
utle
fonksiyonu,
1
f (x) =
,
x {x1 , x2 , . . . , xn }
(4.14)
n
gin {1, 2, 3, 4, 5, 6} degerlerine sahip hilesiz bir

Xin t
um degerleri icin esittir. Orne
zarn t
um sonuclar ayn olaslktadr ( 16 ).
Beklenen deger,
E(X) =
n
X
i=1
1
1X
xi =
xi
n
n i=1
(4.15)
basit aritmetik ortalama ile gosterilir.
s.2014.02.21
59
Ayrk Da
glmlar
X zar ornegindeki gibi 1, 2, . . . , n sral tamsay dizilerinden olusuyorsa (4.15)

k
um
ulatif olaslk fonksiyonu,
xi
n
(4.16)
ve beklenen deger,
1 n(n + 1)
n+1
=
n
2
2
esitligine don
usu
r. Benzer yaklasmla varyans icin,
(4.17)
E(X) =
n2 1
12
(4.18)
.c
2 = E(X 2 ) [E(X)]2 =
om
F (x) = P (X xi ) =
ri
bulunur.
Ornek
4.2
4.1.3
n+1
7
=
2
2
2 =
n2 1
35
=
12
12
rs
no
tla
Zar atsnn beklenen degerini ve varyansn hesaplayalm:
Poisson Da
glm
de
Belirli bir zaman diliminde, belirli bir bolgede ya da miktar belli ygn olaylar
icerisinde baz olaylarn gerceklesme olaslg Poisson daglm ile hesaplanr. Burada,
gin, bir bolgedeki
olaylar dizisinin ardsk gerceklesmeleri raslantsal olmaldr. Orne
deprem olaylarnn ya da bir kavsaktaki trafik kazalarnn veya bir hastanedeki
dogum saylarnn birim zaman icerisindeki sklg Poisson daglmnn konusudur.
Binom ve u
niform daglmdan sonra en uygulamada sk kullanlan ayrk daglm
t
ur
ud
ur.
ee
art degerli ( > 0) gercek say olmak u

zere olaslk fonksiyonu,
f (x) =
x
e
x!
xi = 0, 1, 2, . . .
(4.19)
ile tanml X rasgele degiskeni Poisson daglmldr. Daglmn beklenen degeri ve

varyans , birim zamanda gerceklesen olay says olsun ve
t = = np
esitligi olusturulsun. p = n olaslg n
fonksiyonunda yerine yazlrsa,
"
x
n
lim
1
n
x
n
(4.20)
limit durumu icin Binom olaslk
nx #
x
e
x!
(4.21)
s.2014.02.21
60
BAS
bulunur. (4.21)den, Poisson daglmnn Binom daglmnn ozel durumu (n

) oldugu anlaslr. Bu kosullar altnda Poisson daglmnn, Binom daglmna
yaklasmak icin kullanlabilecegi sonucu ckar:
x
e
x!
om
Bin(x; n, p)
(4.22)
.c
Sekil 4.3 beklenen degeri birim olay says u

zerinden beklenen degeri = 12.5 olan
rasgele degiskenin daglmn gostermektedir. Verilen ornek 25 para atsna iliskin
daglma (bkz. Sekil 4.2) karslk gelmektedir.
0.15
tla
= pn = 12.5
ri
P (X = x)
0.10
0
0
rs
no
0.05
10
15
x
20
25
Sekil 4.3: Poisson daglm
de
Ornek
4.3
Y
ukseklik farklarn geometrik nivelman teknigi ile olcen bir nivelman ekibinin her 100
olcu
s
unden yaklask 6s kaba hatal (uyusumsuz) ckmaktadr. 25 y
ukseklik farknn
olcu
lece
gi bir nivelman agnda, s
oz konusu ekibin a
g (kaba) hatasz olcme olasl
gn
hesaplaynz. Bes uyusumsuz olcu
ye kadar olaslklar Poisson ve binom da
glm icin elde
ediniz ve sonuclar karslastrnz.
ee
saylar) ozerinden uyusumsuz oranlar,

C
oz
um: Degisik birimler (olcu
6
= 0.06
1.5
n = 100 olcu
icin
n = 1 olcu
icin
n = 25 olcu
icin
ile tanmlanabilir. Birim olcu

says 25 oldu
guna gore = 1.5 olur. Uygulamay Bernaulli
deneyleri ile acklamak icin birim olcu
saysnn 1e indirgenmesi gerekir. Bu durumda
para atsnda oldu
gu gibi bir olcu
icin iki secenek vardr ve hatal olcu
(aranan) oran
p = = 0.06dr. X rasgele de
giskeni 25 olcu
deki kaba hatal olcu
says ise, nivelman
s.2014.02.21
61
S
urekli Da
glmlar
a
gnn hatasz olcu
lmesi (x = 0) olasl
g, srasyla Poisson ve Binom daglmlarndan,
0 1.5
e
= 0.22313
0!

25
Bin(0; 25, 0.06) =
0.060 (1 0.06)25 = 0.21291
0
om
f (x) =
sonuclar ile bulunur.
.c
cme ekibinin 25 olcu

Ol
arasnda 5 olcu
ye kadar uyusumsuz olcu
yapma olaslklar
asagdaki cizelgede gosterilmistir:
ri
x
0
1
2
3
4
5
f (x)
0.223130 0.334695 0.251021 0.125511 0.047067 0.014120
Bin(x; 25, 0.06) 0.212910 0.339750 0.260234 0.127349 0.044708 0.011985
tla
Ornek
4.4
um
T
urkiyede her ay b
uy
ukl
ugu
4ten fazla ortalama 4 deprem olmaktadr. On
uzdeki ay
u
lkemizde (b
uy
ukl
ugu
4ten fazla) deprem olmama olasl
gn hesaplaynz.
rs
no
C
oz
um: Birim zamanda gerceklesen deprem says X rasgele degiskeni ve onun da
glmn
beklenen de
geri,
xi {0, 1, 2, ...} = 4
oldu
guna gore ayn s
urede deprem olmama olaslg,
Pois(0; 4) = P (X = 0) =
0 4
e = 0.018316
0!
de
en az bir deprem olma olaslg,
P (X 1) = 1 P (X = 0) = 0.98168
ee
sonucuna karslk gelir.
4.2
4.2.1
S
urekli Da
glmlar
Normal Da
glm
Normal ya da Gauss daglm can egrisi adyla bilinen fonksiyon,

(x)2
1
f (x) = e 22
2
< x < +
(4.23)
ile tanmldr.
Istatistik,
bilim ve m
uhendislikte en sk kullanlan olaslk
daglmdr. Uygulamada normal daglm bu kadar onemli klan, cok sayda tekrar
s.2014.02.21
62
BAS
iceren birbirinden bagmsz gozlemlerin veya onlarn hatalarnn normal daglm

fonksiyonuna uyumlu olmasdr. Gercek degerli s
urekli rasgele degisken X bir
deneyin (olcme) sonucu olarak normal daglml ise
X N(, 2 )
om
(4.24)
.c
biciminde ifade edilir. ve 2 daglmn parametreleridir; srasyla X rasgele

degiskeninin beklenen degerini ve varyansn gosterir. Degisken degerlerinin belirli
bir x degerinden k
ucu
k (ya da ona esit) degerler alma olaslgn veren birikimli
daglm fonksiyonu icin,
Z x
(x)2
1
F (x) = P (X < x) =
e 22 dx
(4.25)
2
f (x)
Xi
X1
X2
X3
X4
0.8
i
0
0
1
1.5
F (x)
i2
1
0.25
0.25
0.5625
1.00
0.75
rs
no
0.6
tla
ri
integral esitligi gecerlidir. Sekil 4.4, ve 2 paremetreleri farkl X1 , X2 , X3 , X4

rasgele degiskenlerinin olaslk yogunluk ve daglm grafiklerini ortaya koymaktadr.
Bu sonuclara gore normal daglm hakknda asagdaki saptamalarda bulunulabilir:
0.4
0.2
0.50
b
0.25
1
de
Sekil 4.4: Degisik daglm parametreleri altnda normal daglm egrileri
ye gore simetrik ve unimodal (tek modlu) daglm ozelligine sahip olmasnn

sonucu olarak, daglmn beklenen degeri, medyan ve modu esittir.
ee
Daglmn x ekseni u
zerindeki konumunu belirler. Xin alacag degerlerde
art yonl
u sistematik degisim daglm saga, eksi degerli degisim daglm sola
kaydrr:
4 < 1 = 2 < 3
cu
Ol
lerde baska bir deyisle deney sonuclarnda sistematik hatalar varsa, bu
durum kendini de belli eder.
Daha k
ucu
k varyans degerleri birbirine daha yakn (beklenen degerden daha
az uzaklasan, saclan veya daha duyarl) sonuclar u
retir:
22 = 32 < 42 < 12
Normal daglmdan cktg varsaylan gozlem hatalar ( = E(X) = 0) icin,

b
uy
uk hata yapma olaslg k
ucu
k hata yapma olasgndan daha d
usu
kt
ur.
s.2014.02.21
63
S
urekli Da
glmlar
Daglmn parametreleri X rasgele degiskenini standartlastrmak icin kullanlabilir:

X
Z N(0, 1)
(4.26)
om
Z=
Normal ya da standartlastrlms rasgele degiskenin beklenen degeri 0, varyans

1e esittir. Bu durumda Znin olaslk yogunluk ve daglm fonksiyonu daha basit
esitliklere,
(4.27)
.c
z2
1
f (z) = e 2
2 Z
z
1
z2
F (z) =
e 2 dz
2
(4.28)
ri
don
usu
r. (4.27) ve (4.28) normal daglm icin olaslk hesaplarn kolaylastran
esitliklerdir. (4.25) integralinde X = Z + esitligi goz on
une alnrsa,
tla
P (X < x) = P (Z + < x)
x
= P (Z <
)
F (x) = P (Z < z) = F (z)
(4.29)
rs
no
sonucu ortaya ckar. Benzer bicimde rasgele degiskenin belirli [x1 , x2 ] aralgndaki
olaslg icin,
P (x1 < X < x2 ) = F (x2 ) F (x1 )
x1
x2
= F(
) F(
)
= F (z2 ) F (z1 )
(4.30)
de
veya dogrudan standart daglm u

zerinden,
1
P (z1 < Z < z2 ) =
2
z2
z2
e 2 dz
(4.31)
z1
ee
integral esitligi gecerli olur. Buradan daglmn simetrik ozelligi sayesinde,

F (z) = 1 F (z)
(4.32)
yazlabilir.
(4.28)-(4.32) esitlikleri icin aranan F (z) degerleri genellikle cizelgelerden ya da snrl

yaklasm saglayan polinom esitliklerinden saglanr (Abramovitz ve Stegun, 1972;
Koch, 1999).
Ornek
4.5
X normal daglml rasgele de
gisken olsun: X N (, 2 ). Asa
gdaki aralklara karslk
gelen olaslk de
gerlerini hesaplaynz, sonuclar normal da
glm grafi
gi u
zerinde irdeleyiniz.
s.2014.02.21
64
BAS
P (X < + 0.75)
P ( < X < + )
om
P ( 2 < X < + 2)
P ( 3 < X < + 3)
.c
C
oz
um: Z = X
grusal don
usu
m
unden sonra znin (4.29)daki de
gerleri C
izelge ??dan
do
alnabilir. Buna gore x, z ve F (z),
ri
x
3 2
+ 0.75 + + 2 + 3
z
3
2
1
0
0.75
1
2
3
F (z) 0.0013 0.0228 0.1587 0.5000
0.7734
0.8413 0.9772 0.9987
de
gerlerini alr.
tla
Yukardaki cizelgeye g
ore P (X < + 0.75) olasl
g icin,
P (X < + 0.75) = P (Z < 0.75)

F (z = 0.75) = 0.7734
rs
no
sonucu ckar. Elde edilen sonuc znin 0.75den k

ucu
k de
gerlerinin toplam olasgn verir;
geometrik anlamda Sekil 4.5de egri altnda kalan alan ile acklanr.
f (z)
0.4
de
0.2
Sekil 4.5: z = 0.75 icin birikimli olaslk: P (Z < 0.75)
ee
X rasgele de
giskeninin belli aralklardaki olaslk seviyelerine genel olarak 1 ile g
uven
d
uzeyi ; bunu snrlandran x degerlerine de g
uven snrlar ad verilir. C
ogu zaman bu
snrlar arasndaki alana, sonucu istenmeyenlerden (yanlma) arta kalan olaslklar goz
uyle
baklr. G
uven snrlarnn dsndaki olaslklara ise yanlma olaslg denir. Normal
daglm icin X = , 2, 3 veya standart normal daglm icin bunlara karslk
gelen Z = 1, 2, 3 snrlar kuramsal acdan anlamldr. Yukarda verilen cizelgeye g
ore
bu aralklardaki g
uven d
uzeyleri,
P ( z < X < + z) = P (z < Z < z)
= F (z) F (z)
s.2014.02.21
65
S
urekli Da
glmlar
esitliklerinden hesaplanabilir. z = 1, 2, 3 degerleri icin,
om
P ( < X < + ) = F (1) F (1) = 0.6827

P ( 2 < X < + 2) = F (2) F (2) = 0.9545
P ( 3 < X < + 3) = F (3) F (3) = 0.9973
.c
elde edilir. Sekil 4.6 ile bu sonuclarn geometrik yorumu sunulmaktadr. Y

uzdelik saylar
Xin alaca
g de
gerlerin aralk veya tekrarlanma anlamnda olasl
gn temsil etmektedir.
Orne
gin, normal da
glmdan cktg bilinen bir g
ozlem dizisinde her 1000 olcu
den 997sinin
3 aralgnda kalmas beklenmelidir.
tla
ri
f (z)
%34.1
%13.6
%13.6
%2.1
rs
no
%2.1
%34.1
3
3
2
2
1
+
2
+ 2
3
+ 3
z
x
%68.3
%95.4
%99.7
de
Sekil 4.6: Standart normal daglm ve belli aralklar icin g

uven olaslg d
uzeyleri
4.2.2
Chi-Kare Da
glm
ee
Z1 , Z2 , . . . , Z standart normal daglml bagmsz rasgele degiskenler Zi N(0, 1)

olsun. Karelerinin toplamndan t
uretilen,
X = Z12 + Z22 + + Z2
(4.33)
rasgele degiskeni, serbestlik derecesiyle, 2 (okunusu: ki-kare) daglmldr ve 2

biciminde gosterilir. Daglma iliskin olaslk yogunlugu,
f (x) = c x
fonksiyonu ile verilir. Burada,
2
2
e 2
(4.34)
2 2
c =
( 2 )
x>0
(4.35)
s.2014.02.21
66
BAS
serbestlik derecesinin bir fonksiyonu olarak sabit katsaydr. Gama fonksiyonunun

pozitif tam ve yar sayl arg
umanlara karslk gelen degerleri,
()
= ( 1)!

(2)!
1
+ =
2
4 !
om
(4.36a)
(4.36b)
esitliklerinden hesaplanr.
.c
(4.34) istatistikte onemli baz dagmlarn kokeni Gama daglmnn ozel durumudur.
2 daglmnn beklenen degeri ve varyans,
= E(2 ) =
2 = Var(2 ) = 2
ri
degerlerine esit ckar.
tla
f (x)
0.5
0.2
0.1
0
rs
no
0.4
0.3
(4.37a)
(4.37b)
de
Sekil 4.7: = 1, 2, . . . , 10 serbestlik derecelerine karslk gelen 2 daglmlar (acktan

koyuya)
ee
2 daglmn standart normal daglmdan ayran en onemli ozellik; rasgele degiskenin

art degerli baska bir deyisle, f (x)in x > 0 bolgesi icin tanml olmasdr.
Bunun dsnda, serbestlik derecesinin d
usu
k kaldg durumlarda daglm belirgin bir
carpklk ve basklga sahiptir. arttkca yogunluk fonksiyonu daha bask, buna
karslk daha simetrik bir gor
un
um alr (Sekil 4.7). icin rasgele degisken X
normal daglmldr.
Teorem 4.1 X1 , X2 , . . . , Xn rasgele degiskenleri 1 , 2 , . . . , n serbestlik dereceleriyle bir dizi bagmsz deneyin Xi 2 daglml rasgele degiskenleri olsun. S
oz
konusu degiskenlerin toplam da 2 daglmldr:
X1 + X2 + + Xn =
n
X
i=1
Xi = V
V 2v
(4.38)
s.2014.02.21
67
S
urekli Da
glmlar
Burada v toplamn serbestlik derecesidir:
2 daglm fonksiyonu,
F (x) = c
2
2
e 2 du ,
u>0
t Da
glm
(4.39)
.c
4.2.3
om
v = 1 + 2 + + n
tla
ri
Ingiliz
istatistikci William S. Gosset (18761937) calstg bira fabrikasnda bira
u
retim ve kalite olcu
m s
ureclerinde kullanlmak u
zere, gor
un
um
u ve ozellikleri
normal daglma cok benzeyen ancak k
ucu
k hacimli orneklem k
umelerine dayal bir
daglm t
uretti. Sirketin calsanlarna koydugu yasak nedeniyle
ogrenci takma adyla
yaymlanan makalesinde Gosset, T rasgele degiskenli daglm serbestlik derecesinin
bir fonksiyonu olarak tanmlad. Herhangi bir rasgele degisken icin f = n 1
serbestlik derecesine bagl sonsuz sayda t-daglm ortaya konulabilir. Daglmn
en onemli ozelligi n olcu
says ve buna bagl serbestlik derecesi arttkca standart
normal daglma yaklasmasdr.
rs
no
Uygulamada normal daglmn varyansna dogrudan ulasmak olanakl degildir; snrl

sayda veri ile t
um uzayn parametrelerine yaklaslmaya calslr. X1 , X2 , . . . , Xn
bagmsz, ote yandan ayn normal daglm parametrelerine sahip rasgele degiskenler
olsun: Xi N(, 2 ). Orneklem

ortalamas,
n
1X
X=
Xi
n i=1
de
ve onun varyans,
1 X
(Xi X)2
S =
n 1 i=1
2
(4.41)
ile hesaplanr (yukardaki toplamn neden n 1e bol

und
ugu
Bol
um ??de
2
2
acklanacaktr). X ve S , toplumun parametrelerine (, ) yaklasan deneysel
(orneklem) parametrelerdir:
ee
(4.40)
= E(X)
2 = E(S 2 )
(4.42a)
(4.42b)
Orneklem
ortalamasn standart normal degere don
ust
uren,
Z=
/ n
(4.43)
esitliginde yerine yukardaki deneysel varyans kullanlrsa t-daglml,

T =
S/ n
(4.44)
s.2014.02.21
68
BAS
om
rasgele degisken ortaya ckar. Daglmn olaslk yogunluk fonksiyonunu f serbestlik

derecesi belirler:

f +1
2
t2
f (t) = cf 1 +
<t<, f >0
(4.45)
f
Burada cf katsays () gama fonksiyonu u
zerinden,

f +1
1 2

cf =
f f2
(4.46)
.c
esitligiyle tanmlanabilir. f nin tek ve cift say durumuna gore (4.46),

(
42 1
f tek ise
1 (f 1)(f 3)
cf =
53
53 1
f (f 2)(f 4)
f cift ise
42 2
ri
(4.47)
degerlerini alr.
tla
f (x)
N (0, 1)
0.4
T (f = 4)
0.3
rs
no
T (f = 1)
0.2
0.1
Sekil 4.8: Standart normal daglm ve f = 1, 4 icin t-yogunluk daglm
de
Sekil 4.8den gor

uld
ugu
gibi = 0 gore simetrik daglmnn varyans,
2 = Var(T ) =
f
f 2
f 3
(4.48)
ee
her zaman 1den b

uy
ukt
ur. Bu olaslk yogunlugun, normal daglma kyasla
kuyruklara daha fazla yayldg anlamna gelir (Sekil 4.8). Serbestlik derecesi
arttkca yogunluk fonksiyonu standart normal daglma yaklasr; limit durum f
icin varyans 1e esitlenir. C
izelge 4.1 degisik serbestlik dereceleri altnda tdaglmlarnn standart normal daglm N(0, 1) ile iliskisini gostermektedir. f > 30
icin normal ve t yogunluk degerleri arasndaki fark 102 den k
ucu
kt
ur.
t-daglmnn kullanm bicimi standart normal daglma benzerdir. Daglmn
yanlma olaslg ve f serbestlik derecesine bagl tek yanl g
uven snrlar (tf,1 )
Ek ??de verilmektedir.
4.2.4
Fisher Da
glm
s.2014.02.21
69
tla
ri
.c
om
S
urekli Da
glmlar
C
izelge 4.1: Standart normal daglma karslk degisik serbestlik dereceleri icin tdaglm yogunluk degerleri
f =1
0.31831
0.25465
0.15915
0.09794
0.06366
0.04390
0.03183
0.02402
0.01872
f =5
0.37961
0.32792
0.21968
0.12452
0.06509
0.03333
0.01729
0.00924
0.00512
t-da
glm: T (x; f )
f = 10 f = 30
0.38911 0.39563
0.33970 0.34788
0.23036 0.23799
0.12744 0.12896
0.06115 0.05685
0.02694 0.02106
0.01140 0.00678
0.00478 0.00196
0.00203 0.00052
0.39894
0.35207
0.24197
0.12952
0.05399
0.01753
0.00443
0.00087
0.00013
f = 100
0.39795
0.35080
0.24077
0.12937
0.05491
0.01863
0.00513
0.00116
0.00022
f = 1000
0.39884
0.35194
0.24185
0.12950
0.05409
0.01764
0.00450
0.00090
0.00014
ee
de
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
N (x; 0, 1)
rs
no
s.2014.02.21
70
ee
de
rs
no
tla
ri
.c
om
BAS
s.2014.02.21
om
tla
ri
.c
Kaynaklar
Abramovitz, M. ve Stegun, I. A. (1972). Handbook of Mathematical Functions with

Formulas, Graphs and Mathematical Tables. Dover Publications, New York.
rs
no
Koch, K. R. (1999). Parameter Estimation and Hypothesis Testing in Linear Models.

Springer, 9th edition.
Papoulis, A. (1984). Probability, Random Variables, and Stochastic Processes.
McGraw Hill, New York, 2nd edition.
Ross, S. M. (1999). Introduction to Probability and Statistics for Engineers and
Scientists. Academic Press, 2nd edition.
de
Speigel, M. R., Schiller, J., ve Srinivasan, R. A. (2009). Probability and Statistics.

McGraw Hill, New York, 3rd edition.
ee
Wikipedia
(2011).
Pearson
product-moment
correlation
coefficient
Wikipedia,
the
free
encyclopedia.
http://http://en.wikipedia.org/wiki/Pearson_coefficient
[Erisim:
06.04.2012].

Olasılık Ve İstatistik - Ders Notları

Uploaded by

Document Information

Copyright

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Olasılık Ve İstatistik - Ders Notları

Uploaded by

Copyright:

om

cme, Olaslk ve Istatisti

1.2 Deney Tasarm: Anak

2.3 Rasgele olaylar icin cebirsel islemler . . . . . . . . . . . . . . . . . . . 12

Temel Olaslk Onermeleri

3.1 Rasgele Degisken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.2 Rasgele Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

Olaslk Yogunluk Fonksiyonu . . . . . . . . . . . . . . . . . . 27

Ayrk Daglm Fonksiyonu . . . . . . . . . . . . . . . . . . . . 28

3.3 Rasgele Degiskenin Beklenen Degeri ve Momenti . . . . . . . . . . . . 31

Varyans ve Standart Sapma . . . . . . . . . . . . . . . . . . . 34

4.1 Ayrk Daglmlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Bernaulli ve Binom Daglmlar . . . . . . . . . . . . . . . . . 55

cme, fiziksel bir b

bir sonuc ckarmak icin olgular y

biciminde verilmektedir. Tanmdan anlaslacag u

Veri analizinde istatistik, sonuclarn yorumlanmas ve gosterimi icin gereklidir.

Deney Tasarm: Anak

dogrulugunu ya da bilimsel arastrmadan bir sonuca ulaslp ulaslamayacagn,

Sekil 1.1: Bilimsel yontem kullanarak doga olaylarndan bilgi edinimi

ortaya ckarmaldr. Ornegin, bir u

calsmann uygulanabilirligini kolaylastran en onemli unsurdur.

biri veya kombinasyonlar kullanlabilir. Ornekleme

Eldeki verilerin ozetlenmis bicimi ya da baska bir deyisle niceliklendirilmesi betimsel

Grafik ve cizgeler: cubuk, pasta, agac, histogram

Merkezsel konum araclar: ortalama, mod, ortanca (medyan)

istatistik niteligindedir. Ornegin, 19902009 yllar arasnda T

urkiyenin sera gaz emisyon degerleri

Emisyon (milyon ton CO2 esdegeri)

urkiyenin sera gaz emisyonu degisimi (Kaynak: TU

Neden sonuc iliskisi en iyi bicimde ckarmsal istatistikle acklanabilir. Jeodezik

Sekil 1.3: Sera gazlarnn yllk ortalama emisyon oranlar (Kaynak: TU

saylamayacag, koordinat don

Rasgele olaylarn deney sonuclar u

bunun en basit orneklerini g

Srasyla, saylabilir ve saylamayan orneklem uzaylarn kullanan ayrk ve s

davrans bilinen rasgele (stokastik) s

Ozetle, kusursuz veya m

Rasgele deneylerin olas t

itibaren orneklem uzay S sembol

olarak gerceklesir (sonlu saylabilir).

Para ats iki kez yaplsn. Sembolik veya saysal olarak,

Zar atsnda deney sonucunu olusturan k

Bir hedefe yaplan 10 do

S = {0g t < 400g }

Yukarda verilen orneklerden anlaslacag u

Yukardaki kuramsal sonuca deneysel yolla ulasmak m

elde edilir. h(A) degerine, gecmiste gozlenmis olaylarn sklgna dayandgndan

Bir hastanedeki dogum kaytlarna gore Ocak aynda 68 erkek, 71 kz bebek d

Rasgele olaylar icin cebirsel islemler

Olaslk hesab, 0 ve 1 arasndaki degerlerle sonuclanr. Baz durumlarda bu sonuclar

Rasgele deneyin olas t

A B, A ve B olaylarnn birlesimi anlamndadr; her iki k

A B, A ve B olaylarnn kesisimi anlamndadr; her iki k

Mantk islemlerinde degil

A olaynn dsndaki sonuclar ifade eder.

B A, Bnin Ada olmayan sonuclarn kapsar. S A biciminde yazlrsa, A

Rasgele olaylar icin cebirsel islemler

A ve B olaylarna karslk gelen k

Temel Olaslk Onermeleri

P (Ai ) = P (A1 ) + P (A2 ) + + P (An )

Yukardaki temel onermelere dayanlarak ileride yararlanmak u

Teorem 2.1 A olaynn gerceklesmeme olaslg,

Rasgele olaylar icin cebirsel islemler

Teorem 2.2 A veya B olaylarnn (birlesim) olaslg,

Kant: Sekil 2.1e gore;

esitlikleri yazlabilir. Son esitlikte sag ve soldaki terimlerden P (A B) ckarlrsa,