Transcript Sürekli Olasılık Dağılımları
Sürekli Olasılık Dağılımları
• Bir rassal değişkenin sayılamayacak sayıda sınırsız değerler alabiliyorsa bu değişkene aldığı değerler sayılabilir olmayıp, “Sürekli rassal değişken” adı verilmektedir. Sürekli rassal değişkenin gerçek sayılar eksenindeki bütün değerleri alabilir.
• Sürekli rassal bir değişkenin tanım aralığındaki herhangi bir değeri tam olarak alması imkansızdır. Çünkü gerçek sayılar ekseninin her aralığında sonsuz sayıda sayı (nokta) mevcuttur. Sonsuz noktadan birinin çekilmesi olasılığı 1/∞=0 dır. O halde sürekli tesadüfi bir değişkenin her hangi bir değeri tam olarak alma olasılığı sıfır olduğundan, her hangi bir olasılıktan bahsedebilmek için belli bir aralığın olasılığının araştırılması gerekir.
Sürekli Olasılık Dağılımları
• X sürekli rassal değişkenin dağılım fonksiyonu F(x) (kümülatif yoğunluk fonksiyonu) olsun. Bunun türevi olan F’(x)=f(x) ’e olasılık fonksiyonu (olasılık yoğunluk fonksiyonu ) diyebilmek için şu iki şartın birlikte sağlanması gerekir.
• 1)
f
(
x
) 0 • 2)
f
(
x
)
dx
1 • 1. şart X’in olasılığının sıfır veya pozitif alacağını • 2. şart ise bütün örnek uzayın olasılığının 1’e eşit olacağını ifade eder.
• Buradan hareketle , a ve b aralığında bulunan X değişkenin olasılığı şöyle tarif edilir.
b P
(
a
X
b
)
F
(
b
)
F
(
a
)
a f
(
x
)
dx
Sürekli Olasılık Dağılımları
Örnek:
Aşağıdaki fonksiyonun olasılık yoğunluk fonksiyonu olabilmesi için a) k sabiti ne olmalıdır ?
b) P(1 c) Grafiğini çiziniz. f ( x ) kx 0 2 x 0 x 0; x 4 4 Çözüm: a) fonksiyonun olasılık fonksiyonu olabilmesi için şu iki şartı sağlaması gerekli idi 1 ) f ( x ) o 2 ) f ( x ) dx 1 Şartlardan 1. si için k>0 şartı yeterlidir. 2. Şart için şu işlem yapılarak k bulunur. f ( x ) dx 1 4 0 kx 2 dx 1 kx 3 3 4 0 1 64 k 3 1 k 3 64 b ) P ( 1 x 3 ) 3 1 f ( x ) dx 3 1 3 64 x 2 dx 3 64 x 3 3 1 3 3 64 27 3 1 3 3 64 x 26 3 26 64 13 32 olasılık yoğunluk fonksiyonu 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 X Olasılık dağılım fonksiyonu 0,6 0,4 0,2 1,2 1 0,8 0 -0 ,8 -0 ,4 0 0, 4 0, 8 1, 2 1, 6 2 2, 4 2, 8 3, 2 3, 6 4 4, 4 4, 8 X 5, 2 Örnek: Aşağıda verilen fonksiyonunun olasılık yoğunluk fonksiyonu olabilmesi için • a) k ne olmalıdır. • b) P(X>0,5) i bulunuz. f ( x ) kx kx 0 2 x 0 x 0; x 1 1 Çözüm: a) f ( x ) dx 1 1 0 ( kx kx 2 ) dx 1 kx 2 2 - kx 3 3 1 0 k 2 k 3 3 k 6 2 k k 6 1 k 6 b) P(0,5 x 1) = 0 , 1 5 ( 6 x 6 x 2 ) dx 6 x 2 2 3 2 0,75 0,25 0,5 6 x 3 3 1 0 , 5 3 x 2 2 x 3 1 0 , 5 Örnek: X tesadüfi değişkenin dağılım fonksiyonu aşağıdaki şekildedir. F ( x ) 1 e -2x 0 x x 0 0 a) Olasılık yoğunluk fonksiyonunu bulunuz. b) P(X>2) olasılığını, c) P( 3 Çözüm: a) b) f ( x ) P ( X 2 ) d dx F ( x ) 2 2 e 2 u du 2 e 2 x x 0 x 0 0 e 2 u 2 e 4 0 , 018 1 e 2 4 1 e 8 1 0 , 00034 c) P(-3 Sürekli Düzgün (Uniform) dağılım • X sürekli değişkeninin tanım aralığındaki olasılıkları eşit ise X in dağılımı uniform dağılım olarak kabul edilir. • Bu dağılımın olasılık yoğunluk fonksiyonu şöyledir. f ( x ) 1 0 x x • Burada ve dağılımın parametreleri olup gerçek sabitlerdir. ( ) • Bu dağılımın dağılım fonksiyonu şöyle yazılır. F ( x ) P ( X x ) 0 1 x x x x Sürekli Düzgün (Uniform) dağılım Örnek: X tesadüfi değişkeni -2 a) P(X<1) olasılığını bulunuz. b) yi hesaplayınız. 2 Çözüm: a) P(X 1) 1 2 1 4 dx 1 4 x 1 2 1 4 2 4 3 4 b ) P ( X 1 1 2 ) P ( 2 x 0 , 5 ) P ( 1 , 5 x 2 ) 1 P ( 0 , 5 x 1 , 5 ) 1 1 , 0 5 , 5 1 4 dx 1 ( 1 4 x ) 1 , 5 0 , 5 1 4 0 , 5 1 1 4 3 4 0,03 0,025 0,02 0,015 0,01 0,005 0 Düzgün dağılım olasılık fonksiyonu grafikleri Olasılık Yoğunluk Fonk X 0,6 0,4 0,2 0 1,2 1 0,8 Olasılıkdağılım fonksiyonu X • Düzgün dağılım fonksiyonu: f ( x ) 1 x • Düzgün dağılımın beklenen değeri: E ( X ) x 1 dx 2 ( x 2 ) 2 ( 2 2 ) E ( X ) ( )( 2 ( ) ) E ( X ) 2 olur . • Varyans için önce E(X 2 ) hesaplanır. E ( X 2 ) x 2 1 dx 3 ( x 3 ) 3 3 ( 3 ) E ( X 2 ) ( )( 3 ( 2 ) 2 ) E ( X 2 ) 2 2 3 • Düzgün dağılımın varyansı: Var ( X ) E ( X 2 ) [ E ( X )] 2 idi Var ( X ) 2 2 3 [ ] 2 2 Var ( X ) ( ) 2 12 • Bu dağılımın olasılık yoğunluk fonksiyonu şöyledir. f ( x ) 1 e ( x ) x 0 diger 0 için haller Dağılımın tek parametresi µ olup, dağılımın ortalamasıdır (beklenen değeri). µ>0 olduğundan f(x)>0 olup olasılık fonksiyonunun 1. şartı yerine gelmiş olur. 2. Şart için dağılımın tanım aralığında integrali alınır. 0 0 0 0 1 e ( x ) dx e ( x ) 0 1 Böylece fonksiyonun olasılık fonksiyonu olduğu görülür. Üstel dağılımın olasılık dağılım fonksiyonu F ( x ) 1 e x 0 x aksi 0 durum Üstel dağılımın olasılık yoğunluk ve dağılım fonksiyonu grafikleri • • • Bir işletmenin üretilmiş olduğu elektronik cihazların arızasız çalışma sürelerinin (saat cinsinden ) ve ortalama üstel dağılıma uyduğu görülmüştür arızasız çalışma süresinin 24 saat olduğu hesaplanmıştır. Buna göre a )Rastgele seçilen bir cihazın en az 12 saat arızasız çalışma olasılığını hesaplayınız b) En fazla 36 olasılığını bulunuz ? saat arızasız çalışması c) Seçilen cihazın 30 saatten fazla çalışma olasılığı %80 olabilmesi için bu cihazların ortalama arızasız çalışma süresi ne olmalıdır? f ( x ) 1 24 x e 24 x 0 P ( X 12 ) 12 1 24 e x 24 dx e x 24 12 e 12 24 e 0 , 5 0 , 6065 P ( 0 x 36 ) 36 0 1 24 e x 24 dx e x 24 0 36 1 e 1 , 5 1 0 , 2231 0 , 7769 30 1 e ( x ) dx -e e 30 1 e ( x ) 0,8 e 30 30 0,8 e ( x ) 0,8 30 ln 0,8 30 0,8 134 saat • Üstel dağılım fonksiyonu: f ( x ) 1 e x x 0 • Beklenen değer: E ( X ) 0 x 1 e x dx 1 0 xe x dx u x dv e x dx udv uv vdu kismi integrasyo n islemi E E ( ( X X ) ) 1 x e elde x 0 edilir . 0 e x dx ile xe x 0 du dx v e x e x 0 Var ( X ) olur. • Problem: Bir otomobil servis istasyonuna gelen otomobillerin servis süresinin üstel olduğu ve en çok 60 dk servis görme olasılığı %40 olduğuna göre; • a) Ortalama servis süresini hesaplayınız • b) En az 100 dk. süreyle servis görme olasılığını bulunuz. • c) Servis süresinin en az 20dk. ve ortalamasının 70dk olan uniform dağılıma uyması durumunda en fazla servis süresi ve herhangi bir otomobilin 85 dk. dan fazla servis görme olasılığını bulunuz.Sürekli Olasılık Dağılımları
Sürekli Olasılık Dağılımları
Sürekli Olasılık Dağılımları
Düzgün dağılımın beklenen değer ve varyansı
Düzgün dağılımın varyansı
2. Üstel (Exponential) dağılım
Üstel (Exponential) dağılım
Üstel (Exponential) dağılım
Örnek:
Üstel (Exponential) dağılım Çözüm: a)
b)
c)
Üstel dağılımın beklenen değer ve varyansı
Üstel (Exponential) dağılım
Üstel (Exponential) dağılım