Bileşik Olasılık Dağılım Fonksiyonu

Slides:



Advertisements
Benzer bir sunumlar
BENZETİM Prof.Dr.Berna Dengiz 10. Ders.
Advertisements

LİMİT.
BENZETİM Prof.Dr.Berna Dengiz 8. Ders.
FONKSİYONLAR Hazırlayan:Ogün İçel.
BENZETİM Prof.Dr.Berna Dengiz 7. Ders.
Beklenen değer ve Momentler
İstatistik Tahmin ve Güven aralıkları
Baz Değişimi Bir sorun için uygun olan bir baz, bir diğeri için uygun olmayabilir, bu nedenle bir bazdan diğerine değişim için vektör uzayları ile çalışmak.
Bölüm 3 Kesikli Rassal Değişkenler ve Olasılık Dağılımları
BÖLÜM 7 : SAYIMLA ELDE EDİLEN SINIFLANMIŞ VERİLERİN ÇÖZÜMLENMESİ
Hafta 10: Sürekli Rassal Değişkenler (Yrd.Doç.Dr. Levent AKSOY)
Hafta 07: Kesikli Değişkenler (Yrd.Doç.Dr. Levent AKSOY)
Hazırlayan: Özlem AYDIN
ÖZEL TANIMLI FONKSİYONLAR
3. Hipergeometrik Dağılım
Rassal Değişken S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. Şu halde.
FONKSİYONLAR ve GRAFİKLER
END 503 Doğrusal Programlama
5 Gamma Dağılımı Gamma dağılımının yoğunluk fonksiyonu şöyledir.
Olasılık Dağılımları ♦ Gazın her molekülü kendi hızına ve konumuna sahiptir. ♦ Bir molekülün belli bir hıza sahip olma olasılığı hız dağılım fonksiyonu.
Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu
Sürekli Olasılık Dağılımları
BENZETİM Prof.Dr.Berna Dengiz 9. Ders.
OLASILIK ve OLASILIK DAĞILIMLARI
Şartlı Olasılık Bir olayın olasılığından söz edebilmek için bir alt kümeyle temsil edilen bu olayın içinde bulunduğu örnek uzayının belirtilmesi şarttır.
İŞLEM TANIM: A boş olmayan bir küme olmak üzere,A×A nın bir R alt kümesinden A ya tanımlanan her fonksiyona, işlem denir.İşlemi tanımlarken,’’
SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI
OLASILIK ve KURAMSAL DAĞILIMLAR
GEOMETRİK PROGRAMLAMA
İŞLEM ve MODÜLER ARİTMETİK.
BENZETİM Prof.Dr.Berna Dengiz 3. Ders Monte Carlo Benzetimi
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI
Yrd. Doç. Dr. Mustafa Akkol
2 Birinci Mertebeden Adi Diferansiyel Denklemler
Hafta 08: Binom Dağılımı (Yrd.Doç.Dr. Levent AKSOY)
Diferansiyel Denklemler
Hafta 05: Olasılık Kuramı (Yrd.Doç.Dr. Levent AKSOY)
Hafta 06: Olasılık Kuramı (Yrd.Doç.Dr. Levent AKSOY)
Bilişim Teknolojileri için İşletme İstatistiği
Olasılık dağılımları Normal dağılım
Olasılık Dağılımları ve Kuramsal Dağılışlar
Bölüm 07 Sürekli Olasılık Dağılımları
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
İSTATİSTİK YGULAMALARI: SINAVA HAZIRLIK
KESİKLİ RASSAL DEĞİŞKENLER
İÇİNDEKİLER 2.1 Örneklem Uzayı ve Olaylar Sonucu önceden bilinmeyen bir deney göz önünde bulundurulsun. Deneyin örneklem uzayı olarak bilinen tüm olası.
Kesikli Olasılık Dağılımları
Bilişim Teknolojileri için İşletme İstatistiği Yrd. Doç. Dr. Halil İbrahim CEBECİ B.
Sürekli Olasılık Dağılımları
Tanım: Bir x 0  A = [a,b] alalım. f : A  R ye veya f : A -{x 0 }  R ye bir Fonksiyon olsun Terimleri A - {x 0 } Cümlesine ait ve x 0 ’a yakınsayan.
İLERİ GERİ Sayfa:2 GERİ Tanım: Bir x 0  A = [a,b] alalım. f : A  R ye veya f : A -{x 0 }  R ye bir Fonksiyon olsun Terimleri A - {x 0 } Cümlesine.
Tacettin İnandı Olasılık ve Kuramsal Dağılımlar 1.
Korelasyon testleri Pearson korelasyon testi Spearman korelasyon testi Regresyon analizi Basit doğrusal regresyon Çoklu doğrusal regresyon BBY252 Araştırma.
Rastgele Değişkenlerin Dağılımları
OLASILIK ve İSTATİSTİK
ÇOK DEĞİŞKENLİ FONKSİYONLAR
Lineer Vektör Uzayı ‘de iki
DERS3 Prof.Dr. Serpil CULA
DERS4 Prof.Dr. Serpil CULA
Kesikli ve Sürekli Şans Değişkenleri İçin;
Sistem Özellikleri: Yönetilebilirlik, Gözlenebilirlik
Sistem Özellikleri: Yönetilebilirlik, Gözlenebilirlik ve Kararlılık
Uzay ve Uzay Çalışmaları.
2 Birinci Mertebeden Adi Diferansiyel Denklemler
Ö RNEK 1 Rasgele olarak seçilen 10 ailenin gelir ve tüketimleri 100 TL cinsinden aşağıdaki gibi verilmiştir: X ve Y ortak olasılık tablosunu düzenleyiniz.
5 Gamma Dağılımı Gamma dağılımının yoğunluk fonksiyonu şöyledir.
1- Değişim Aralığı (Menzil) Bir serideki en büyük değer ile en küçük değer arasındaki fark olarak tanımlanır. R= X max –Xmin 2 – Ortalama Sapma Seriyi.
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
Sunum transkripti:

Bileşik Olasılık Dağılım Fonksiyonu Tanım (Bileşik Dağılım Fonksiyonu) (X,Y) iki boyutlu (kesikli veya sürekli) bir rassal değişken olsun. (X,Y)’nin bileşik olasılık dağılım fonksiyonu: F(x,y)=P(X ≤ x,Y ≤ y) eşitliği ile tanımlanır. Kesikli rassal değişkenler için bileşik dağılım fonksiyonu şöyle yazılır. Benzer şekilde sürekli bir bileşik dağılım fonksiyonu da şöyle yazılır.

Bileşik Olasılık Dağılım Fonksiyonu Bileşik olasılık dağılım fonksiyonu için önemli özellikler şöyle yazılabilir. 1) X ve Y rassal değişkenlerinin bileşik dağılım fonksiyonu F(x,y) olmak üzere; 2) X ve Y sürekli rassal değişkenlerin olasılık dağılım fonksiyonu olmak üzere olasılık yoğunluk fonksiyonu şöyle yazılır.

Bileşik Olasılık Dağılım Fonksiyonu Örnek: X,Y sürekli rassal değişkeninin olasılık yoğunluk fonksiyonu şöyle verilmiştir. a) Yukarıdaki bileşik fonksiyonun oyf olabilmesi için k ne olmalıdır? b) Olasılık dağılım fonksiyonunu belirleyiniz. Çözüm a) Fonksiyonun oyf olabilmesi için iki şart sağlanmalıdır. 1) f(x)≥0 olmalıdır. Bunun için k>0 şartı yeterlidir. 2) şartının sağlanması gerekir.

Bileşik Olasılık Dağılım Fonksiyonu Bu durumda olasılık yoğunluk fonksiyonu şöyle olur.

Bileşik Olasılık Dağılım Fonksiyonu b) Olasılık dağılım fonksiyonu Şu halde odf şöyle yazılır.

Marjinal Olasılık Fonksiyonları (Marjinal olasılık yoğunluk fonksiyonu) Örnek: Aşağıdaki bileşik olasılık yoğunluk fonksiyonundan hareketle marjinal olasılık yoğunluk fonksiyonlarını belirleyiniz. fx(x) marjinal olasılık yoğunluk fonksiyonu

Marjinal Olasılık Fonksiyonları (Marjinal olasılık yoğunluk fonksiyonu) fy(y) marjinal olasılık yoğunluk fonksiyonu

Marjinal Olasılık Fonksiyonları (Marjinal olasılık dağılım fonksiyonu) Marjinal dağılım fonksiyonları bileşik bir olasılık dağılım fonksiyonundan hareketle bir rassal değişkenin alacağı değerlerin kümülatif olasılıklarını diğer değişkene bağlı olmaksızın veren fonksiyondur. Marjinal dağılım fonksiyonları şöyle tarif edilir. Kesikli dağılımlarda Sürekli dağılımlarda

Marjinal Olasılık Fonksiyonları (Marjinal olasılık dağılım fonksiyonu) Örnek: Aşağıdaki bileşik olasılık yoğunluk fonksiyonundan hareketle marjinal olasılık dağılım fonksiyonlarını belirleyiniz.

Marjinal Olasılık Fonksiyonları (Marjinal olasılık dağılım fonksiyonu) Fy(y) marjinal olasılık dağılım fonksiyonu

Marjinal Olasılık Fonksiyonları (Marjinal olasılık dağılım fonksiyonu) Marjinal olasılık dağılım fonksiyonları marjinal olasılık yoğunluk fonksiyonlarından hareketle de bulunabilir. Bunun için dönüşüm işlemi şöyle yapılır.

Şartlı Olasılık Yoğunluk Fonksiyonu (X,Y), f(x,y) ortak olasılık yoğunluk fonksiyonuna sahip iki boyutlu sürekli rassal değişken olsun. fx(x) X’in, fy(y) Y’nin marjinal yoğunluk fonksiyonları olmak üzere Y=y verildiğinde X’in şartlı olasılık yoğunluk fonksiyonu: X=x verildiğinde Y’nin şartlı olasılık yoğunluk fonksiyonu:

Şartlı Olasılık Yoğunluk Fonksiyonu Örnek: Aşağıdaki bileşik olasılık yoğunluk fonksiyonundan hareketle soruları cevaplandırınız. a) P(X<2, Y<0.5) olasılığını, b) P[(X+Y)<2)] olasılığını, c) P(X>2/Y>0.5) olasılığını, d) P(Y<0.4/X>2) olasılığını bulunuz.

Şartlı Olasılık Yoğunluk Fonksiyonu b)

Şartlı Olasılık Yoğunluk Fonksiyonu c) d) P(Y<0.4/X>2)

Bileşik olasılık fonksiyonu örnek Örnek: Aşağıda bir bileşik fonksiyon verilmiştir. a) Yukarıdaki fonksiyonun bir olasılık yoğunluk fonksiyonu olabilmesi için c ne olmalıdır? (cevap c=3 ) b) Bileşik olasılık dağılım fonksiyonunu belirleyiniz.

Bileşik olasılık fonksiyonu örnek c) Marjinal olasılık yoğunluk fonksiyonlarını belirleyiniz. d) Marjinal olasılık dağılım fonksiyonlarını belirleyiniz. e) P(X>2, Y<1) olasılığını bulunuz.

Bileşik olasılık fonksiyonu örnek f) P[(X+Y)<4] olasılığını bulunuz. g) P[X>2/(Y>1)] şartlı olasılığını belirleyiniz.

İki Rassal Değişkenin Bağımsızlığı Tanım: (X,Y), bir S örnek uzayında tanımlanan iki boyutlu kesikli rassal değişken olsun. (xi,yj) i=1,2,…, M; j=1,2,…,N, (X,Y)’ nin mümkün sonuçları ise X ve Y rasgele değişkenlerinin bağımsız olmaları için gerek ve yeter koşul tüm (xi,yj) çiftleri için Benzer şekilde X,Y Sürekli rassal değişkenlerinin bileşik olasılık yoğunluk fonksiyonu f(x,y) ve marjinal olasılık fonksiyonları fx(x) ve fy(y) iken; oluyorsa istatistik olarak X ve Y değişkenlerine bağımsız rassal değişkenler denir. Bu şart sağlanmıyorsa bu değişkenlere bağımlı rassal değişkenler denir.

Bileşik olasılık fonksiyonu örnek Örnek: X, Y rassal değişkenlerinin bileşik olasılık dağılım fonksiyonu aşağıda verilmiştir. a) Yukarıdaki fonksiyonun olasılık dağılım fonksiyonu olması için c ne olmalıdır? b) Olasılık yoğunluk fonksiyonunu yazınız. c) Marjinal yoğunluk fonksiyonlarını yazınız. d) Marjinal dağılım fonksiyonlarını yazınız. e) X ve Y rassal değişkenlerinin bağımsızlığını araştırınız. f) P(X<1/Y>0.5) şartlı olasılığını bulunuz.