Professional Documents
Culture Documents
OLASILIK
n Sübjektif görüş: Bir olayın gerçekleşeceğine olan inanç,
Deney ve Örneklem Uzayı
olaylar hakkındaki bilgi derecesine bağlıdır.
n Klasik görüş: bir olayın olasılığı, gözlem ve deneye
dayanmadan, teorik bir modelden elde edilen sonuçlarla Deney Örnek Uzayı
belirlenebilir. Yazı-Tura atılır Tura,Yazı
n Ampirik görüş: bir olayın olasılığı, bir veya birçok 2 Para Yazı-Tura atılır TT, YZ, TY, YY
gözlem ve deneyden elde edilen sonuçlardan
belirlenebilir. Kart Seçildiğinde, 2♥, 2♦, ..., A♠ (52)
Yani, A olayının n sayıdaki denemede x kere Kart Seçildiğinde Kırmızı, Siyah
gerçekleşmesi halinde olasılık Kaliteye Bakılınca Kalitesiz, Kaliteli
P(A)=x/n’dir Cinsiyete Bakılınca Erkek,Bayan
Müsabaka Yapıldığında Kazanır, Kaybeder, Berabere
Basit ve Bileşik Olay Olasılık Tablosu
n Bir tek çıktısı olan ve kendisinden başka olaylara
ayrıştırılamayan olaylara basit olay; birden fazla
basit olaydan oluşan olaylara bileşik olay denir.
n Ör. Bir zar atıldığında 3 gelmesi basit bir olayken
atılan zarın çift gelmesi bileşik bir olaydır.
n Muhtemel olay: bir deneyden çıkabilecek her
basit olay.
n Ayrık olay: arakesitleri boş olan olaylar
(A ∩ B) ={3, 5}
Birleşik olaylar
Olasılık Kuralları
(Bir Arada Oluşabilen Olaylar)
n Toplama Kuralı n 52’lik bir deste oyun kağıdından rasgele seçilen 2
n Ayrık olaylar kağıdın kupa veya as olma olasılığı nedir?
n P(A U B)=P(A)+P(B) n P(K)=13/52
n Birleşik olaylar n P(A)=4/52
n P(A U B)=P(A)+P(B)-P(A ∩ B) n P(A ∩ K)=1/52
n P(A U K)=P(A)+P(K)-P(A ∩ K)
=13/52+4/52-1/52=16/52=4/13
Olasılık Kuralları Bağımlı ve Bağımsız olaylar
İki veya daha fazla olay meydana geldiğinde bir
Tümleme: olayın meydana gelmesi diğerinin meydana
gelmesini etkiliyor ise bağımlı, etkilemiyor ise
P(A) + P(A) = 1 bağımsız olay olarak adlandırılır.
Koşullu Olasılık
ve Olasılık Kuralları
P(A ∩ B) n Çarpma Kuralı
P(B A) = S={1, 2, 3, 4, 5, 6}
P(A) n Bağımlı olaylar
B ={2}
n P(A ∩ B)=P(A).P(B|A)
A olayının olması durumunda A ={2, 4, 6}
n Bağımsız olaylar
B olayının olması olasılığı A∩B={2}
Bir zar deneyinde sonucun bir çift sayı P(A)=3/6=1/2 n P(A ∩ B)=P(A).P(B)
olduğu bilindiğine göre 2 olma olasılığı
nedir? P(A∩B)=1/6
P(B | A)=[1/6]/[3/6]
=1/3
Bağımlı Olay Bayes Teoremi
n Bir makinenin üretmiş olduğu 50 parçadan 10 tanesinin
kusurlu olduğu bilinmektedir. Bu parçalardan rasgele 2 Çeşitli sebeplerin aynı sonucu verebildiği durumlarda
parça çekildiğinde (yerine koymaksızın) her ikisinin de bazen sonuç bilindiği halde bunun hangi sebepten ileri
kusurlu olma olasılığı nedir? gelmiş olduğu bilinmeyebilir. Sözkonusu sonucun
hangi olasılıkla hangi sebepten ortaya çıktığı
n P(A): çekilen birinci parça kusurlu =10/50 araştırılmak istendiğinde Bayes Teoremi kullanılır.
n P(B): çekilen ikinci parça kusurlu
n P(B|A)=9/49
n x n − x
p q x = 0,1, 2 ....., n
p( x , n, p) = x
0
diğer x ' ler için
Örnek:
Binom Dağılımı n Bir makinenin ürettiği parçaların %5’nin kusurlu olduğu
bilinmektedir. Bu makinenin ürettiği parçalardan 6 tanesi
x = 0, 1, 2, . . ., n incelenmiştir. 6
( 0.05 ) ( 0.95)
x 6− x
x = 0,1, 2....., 6
n! p( x , 6, 0.05) = x
P(x) = (n – x )!x!
• px • qn-x
0 diğer x ' ler için
a)Hiç birinin kusursuz olma ihtimali
6 6!
p( x = 0) = ( 0.05 ) ( 0.95 ) =
0 6−0
n denemede x adet başarılı (0.95)6 = 0.7351
x (6 − 0)!0!
tam x adet sonuç elde etme
başarılı sonuç olasılığı b) 1’nin kusurlu çıkma ihtimali
6 6!
sayısı p( x = 1) = ( 0.05 ) ( 0.95 ) =
1 6−1
(0.05)(0.95)6 = 0.2321
x (6 − 1)!1!
c) En az ikisinin kusurlu çıkma olasılığı
ortalama µ = n • p
2 p( x ≥ 2) = 1 − [ p( x = 0) + p( x = 1)] = 0.0328
Varyans σ = n•p•q
Standart sapma σ = n•p•q
Örnek:
Poisson Dağılımı (ender olaylar dağılımı) n Günde 1500 parça üreten bir makinenin kusurlu parça
üretim oranı %0.01 dir. Her saat başında üretim hattından
alınan 100 parçanın incelenmesi sonucu 2’den fazla bozuk
bulunduğu durumda üretim durdurulacaktır. Üretimin
durdurulma ihtimali nedir?
P(x) = λx • e-λ
x!
E(X)= λ = σ 2 =n.p=100 .0.01=1
p( x > 2) = 1 − p( x ≤ 2) = 1 − [ p( x = 0) + p( x = 1) + p( x = 2)]
e −1 ( 1) 0 e −1 ( 1) 1 e −1 ( 1) 2
= 1− + + = 0.0803
0! 1! 2!
DİKDÖRTGEN OLASILIK
DAĞILIMI
Bir sürekli değişkenin herhangi bir aralıkta değerler
SÜREKLİ OLASILIK alma olasılığı konu edilen aralığın genişliği ile
DAĞILIMLARI orantılı ise bu değişkenin dağılımı dikdörtgen
dağılımdır denir.
- Uniform olasılık yoğunluk fonksiyonu
X 'in ortalaması
μ=E(x) = (a + b)/2
X 'in varyansı:
σ2 = Var(x) = (b - a)2/12
a = X 'in en küçük değeri
b = X 'in en büyük değeri
( x − µ )2
1 −
f ( x ) = N ( x, µ , σ ) = e 2σ 2
σ 2π
e = 2.718, π = 3.14
Normal dağılıma sahip bir seride Standart Normal Dağılım
n Ampirik (68-95-99.7) kuralı ( z )2
1 −
f (z) = e 2
σ 2π
5% or 0.05
1.645