SÜREKLİ ŞANS DEĞİŞKENLERİ

Slides:



Advertisements
Benzer bir sunumlar
Çıkarımsal İstatistik
Advertisements

BENZETİM Prof.Dr.Berna Dengiz 8. Ders.
BENZETİM Prof.Dr.Berna Dengiz 7. Ders.
İstatistik Tahmin ve Güven aralıkları
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Farklı örnek büyüklükleri ( n ) ve farklı populasyonlar için ’nın örnekleme dağılışı.
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI
Hazırlayan: Özlem AYDIN
Standart Normal Dağılım
BENZETİM Prof.Dr.Berna Dengiz 4. Ders Modelleme yaklaşımları
5 Gamma Dağılımı Gamma dağılımının yoğunluk fonksiyonu şöyledir.
BENZETİM Prof.Dr.Berna Dengiz 6. Ders.
Normal Dağılım.
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIMI
BENZETİM Prof.Dr.Berna Dengiz 9. Ders.
OLASILIK ve OLASILIK DAĞILIMLARI
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
TEORİK DAĞILIMLAR 1- Binomiyal Dağılım 2- Poisson Dağılım
SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI
OLASILIK ve KURAMSAL DAĞILIMLAR
BENZETİM Prof.Dr.Berna Dengiz 5. Ders.
DEĞİŞKENLİK ÖLÇÜLERİ.
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI
BENZETİM Prof.Dr.Berna Dengiz 5. Ders.
Kİ-KARE DAĞILIMI VE TESTİ
BİYOİSTATİSTİK UYGULAMA II
21 - ÖLÇME SONUÇLARI ÜZERİNE İSTATİSTİKSEL İŞLEMLER
ÖRNEKLEME DAĞILIMI NOKTA TAHMİNİ VE GÜVEN ARALIKLARI
DEĞİŞKENLİK ÖLÇÜLERİ.
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
Örneklem Dağılışları.
Asimetri ve Basıklık Ölçüleri
Asimetri ve Basıklık Ölçüleri
İSTATİSTİK UYGULAMALARI
Bilişim Teknolojileri için İşletme İstatistiği
Olasılık dağılımları Normal dağılım
Olasılık Dağılımları ve Kuramsal Dağılışlar
Bölüm 07 Sürekli Olasılık Dağılımları
Kesikli ve Sürekli Dağılımlar
Örneklem Dağılışları ve Standart Hata
Asimetri ve Basıklık Ölçüleri
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
Kesikli Olasılık Dağılımları
Bilişim Teknolojileri için İşletme İstatistiği Yrd. Doç. Dr. Halil İbrahim CEBECİ B.
İSTATİSTİKTE TAHMİN ve HİPOTEZ TESTLERİ İSTATİSTİK
Sürekli Olasılık Dağılımları
1 İ STATİSTİK II Tahminler ve Güven Aralıkları - 1.
Konum ve Dağılım Ölçüleri BBY252 Araştırma Yöntemleri Güleda Doğan.
Rastgele Değişkenlerin Dağılımları
İSTATİSTİK II Örnekleme Dağılışları & Tahminleyicilerin Özellikleri.
OLASILIK ve İSTATİSTİK
DERS3 Prof.Dr. Serpil CULA
3. Hipergeometrik Dağılım
TEMEL BETİMLEYİCİ İSTATİSTİKLER
DERS4 Prof.Dr. Serpil CULA
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI
Kesikli ve Sürekli Şans Değişkenleri İçin;
DEĞİŞKENLİK ÖLÇÜLERİ.
DEĞİŞKENLİK ÖLÇÜLERİ.
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları
Tıp Fakültesi UYGULAMA 2
TEORİK DAĞILIMLAR.
MERKEZİ DAĞILIM ÖLÇÜTLERİ
5 Gamma Dağılımı Gamma dağılımının yoğunluk fonksiyonu şöyledir.
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
Sunum transkripti:

SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım

Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin dağılışıdır.Bekleme kuyruğu sorunlarını çözmede kullanılır. Örnek: Bir bankada veznede yapılan işlemler arasındaki geçen süre, Bir taksi durağına gelen bekleyen müşteriler arasındaki süre, Bir hastanenin acil servisine gelen hastaların arasındaki geçen süre, Bir kumaşta iki adet dokuma hatası arasındaki uzunluk (metre).

Belirli bir zaman aralığında mağazaya gelen müşteri sayılarının dağılışı Poisson Dağılımına uygundur. Bu müşterilerin mağazaya varış zamanları arasındaki geçen sürenin dağılımı da Üstel Dağılıma uyacaktır. Üstel Dağılımın parametresi a olmak üzere Üstel ve Poisson Dağılımlarının parametreleri arasında şu şekilde bir ilişki vardır.

Üstel Dağılımın Olasılık Yoğunluk Fonksiyonu m:iki durumun gözlenmesi için gereken ortalama süre x : iki durum arasında veya ilk durumun ortaya çıkması gereken süre ya da uzaklık. f(x)’e, üstel dağılım; x’e üstel dağılan değişken denir.Üstel dağılımın parametresi a dır.

Üstel Dağılımının Beklenen Değer ve Varyansı Ortalama Varyans b = 10 parametreli bir populasyondan alınan n = 1000 hacimlik bir örnek için oluşturulan histogram.

Örnek: Bir kitaplığın danışma masasında kullanıcılara hizmeti 5dk. ortalama süre ile üstel dağılmaktadır. Bir kullanıcıya verilen hizmetin 10dk. dan uzun sürme olasılığı nedir? P(X>10)=?

Örnek: Bir servis istasyonuna her 20dk. da ortalama 4 araç gelmektedir. Servise arka arkaya gelen iki araç arasındaki zaman aralığının en çok 4 dk.olma olasılığı nedir? 20dk. da ort. 4 araç 1dk. da x

NORMAL DAĞILIM

Sürekli ve kesikli şans değişkenlerinin dağılımları birlikte ele alındığında istatistikte en önemli dağılım Normal dağılımdır. Normal dağılım ilk olarak 1733’te Moivre tarafından p başarı olasılığı değişmemek koşulu ile binom dağılımının limit şekli olarak elde edilmiştir. 1774’te Laplace hipergeometrik dağılımını limit şekli olarak elde ettikten sonra 19. yüzyılın ilk yıllarında Gauss 'un katkılarıyla da normal dağılım istatistikte yerini almıştır.

Normal dağılımın ilk uygulamaları doğada gerçekleşen olaylara karşı başarılı bir biçimde uyum göstermiştir. Dağılımın göstermiş olduğu bu uygunluk adının Normal Dağılım olması sonucunu doğurmuştur. İstatistiksel yorumlamanın temelini oluşturan Normal Dağılım, bir çok rassal süreçlerin dağılımı olarak karşımıza çıkmaktadır. Normal dağılımı kullanmanın en önemli nedenlerinden biri de bazı varsayımların gerçekleşmesi halinde kesikli ve sürekli bir çok şans değişkeninin dağılımının normal dağılıma yaklaşım göstermesidir.

Normal Dağılımın Özellikleri Çan eğrisi şeklindedir. Normal dağılımın moment çarpıklık katsayısı a3=0 dır. Yani normal dağılım simetriktir. Basıklık katsayısı a4=3 dür. Diğer tüm dağılımların basıklık ölçüsü bu katsayı ile karşılaştırılır. Normal dağılım eğrisi aşağıdaki fonksiyonla temsil edilir: = 3,14159... e = 2,71828 = populasyon standart sapması m = populasyon ortalaması

Parametreleri:

Normal eğri altındaki alan 1’e eşittir Normal eğri altındaki alan 1’e eşittir. Normal dağılımda herhangi bir X sürekli değişkeninin nokta tahmin sıfırdır. Çünkü normal eğri altında sonsuz sayıda X noktaları vardır. Bu yüzden ancak herhangi bir X değerinin X1 ile X2 arasında bulunma olasılığı hesaplanabilir. Bunun için foknksiyonun X1 den X2 ye integre edilmesi gerekir. Anakütle ortalaması ve satandart sapması farklı olduğu her problem için ayrı bir integrasyon işlemini uygulamak gerekir. Normal dağılım ortalama ve standart sapma parametrelerinin değişimi sonucu birbirinden farklı yapılar gösterir. Bu tür problemlerde kullanılmak üzere standart bir fonksiyon geliştirilmiştir.

Normal Dağılımda Olasılık Hesabı Olasılık eğri altında kalan alana eşittir!!!! ÖNEMLİ!!!

Standart Normal Dağılım Olasılık hesaplamasındaki zorluktan dolayı normal dağılış gösteren şans değişkeni standart normal dağlıma dönüştürülür. Böylece tek bir olasılık tablosu kullanarak normal dağılış ile ilgili olasılık hesaplamaları yapılmış olur. Standart normal dağılımda ortalama 0 , varyans ise 1 değerini alır. Standart normal değişken z ile gösterilir.

Standart Normal Şans Değişkeni X ~ N ( m , s2 ) Z ~ N ( 0 , 1) s s = 1 m m = 0

Olasılığın Elde Edilmesi Standart Normal Olasılık Tablosu (Kısmen) .02 Z .00 .01  = 1 Z 0.0 .0000 .0040 .0080 0.0478 0.1 .0398 .0438 .0478 0.2 .0793 .0832 .0871  = 0 0.12 Z Z 0.3 .1179 .1217 .1255 Olasılıklar

Parametre Değişikliklerinin Dağılımın Şekli Üzerindeki Etkisi 19

Standart Normal Dağılım Tablosunu Kullanarak Olasılık Hesaplama

SİMETRİKLİK ÖZELLİĞİNDEN DOLAYI 0’DAN EŞİT UZAKLIKTAKİ Z DEĞERLERİNİN 0 İLE ARASINDAKİ KALAN ALANLARININ DEĞERLERİ BİRBİRİNE EŞİTTİR.

Normal Dağılımın Standart Normal Dağılım Dönüşümü X ~ N ( m , s2 ) Z ~ N ( 0 , 1) za zb a m b

Standart Normal Dağılım Örnek P(3.8  X  5) = ? Normal Dağılım Standart Normal Dağılım  = 10  = 1 Z 0.0478 3.8  = 5 X -0.12  = 0 Z Z

Örnek P(2.9  X  7.1) = ?  = 10  = 1 2.9 5 7.1 X -.21 .21 Z .1664 X   2 . 9  5 Z     . 21  10 X   7 . 1  5 Normal Dağılım Z    . 21 Standart Normal Dağılım  10  = 10  = 1 Z .1664 .0832 .0832 2.9 5 7.1 X -.21 .21 Z

Standart Normal Dağılım Örnek P(X  8) = ? X   8  5 Z    . 30  10 Normal Dağılım Standart Normal Dağılım  = 10  = 1 Z .5000 .3821 .1179  = 5 8 X  = 0 .30 Z Z

Standart Normal Dağılım Örnek P(7.1  X  8) = ?   7 . 1  5 X Z    . 21  10 X   8  5 Normal Dağılım Z    . 30 Standart Normal Dağılım  10  = 10  = 1 Z .1179 .0347 .0832  = 5 X  = 0 Z 7.1 8 .21 .30 z =0.1179-0.0832=0.0347

Örnek: Bir işletmede üretilen vidaların çaplarının uzunluğunun, ortalaması 10 mm ve standart sapması 2 mm olan normal dağılıma uygun olduğu bilinmektedir. Buna göre rasgele seçilen bir vidanın uzunluğunun 8.9mm’den az olmasının olasılığını hesaplayınız. X ~ N ( 10 , 4 )

Normal Dağılım Düşünce Alıştırması General Electric için Kalite Kontrol uzmanı olarak çalışıyorsunuz. Bir ampulün ömrü = 2000 saat, = 200 saat olan Normal dağılım göstermektedir. Bir ampulün A. 2000 & 2400 saat arası dayanma B. 1470 saatten az dayanma olasılığı nedir? Allow students about 10-15 minutes to solve this.

Standart Normal Dağılım Çözüm A) P(2000  X  2400) = ? X   2400  2000 Z    2 .  200 Normal Dağılım Standart Normal Dağılım  = 200  = 1 Z .4772  = 2000 2400 X  = 0 2.0 Z Z

Standart Normal Dağılım Çözüm B) P(X  1470) = ? X   1470  2000  Z    2 . 65  200 Normal Dağılım Standart Normal Dağılım  = 200  = 1 Z .5000 .0040 .4960 X 1470  = 2000 -2.65  = 0 Z Z

Bilinen Olasılıklar İçin Z Değerlerinin Bulunması P(Z) = 0.1217 ise Z nedir? Standart Normal olasılık Tablosu (Kısmen)  = 1 .01 Z .00 0.2 .1217 Z 0.0 .0000 .0040 .0080 0.1 .0398 .0438 .0478  = 0 .31 Z 0.2 .0793 .0832 .0871 Z 0.3 .1179 .1217 .1255

Bilinen Olasılıklar İçin X Değerlerinin Bulunması Normal Dağılım Standart Normal Dağılım  = 10  = 1 Z .1217 .1217 ?  = 5 X  = 0 .31 Z Z