Upload
others
View
30
Download
0
Embed Size (px)
Citation preview
1
0LASILIKKURAMI
www.mehmetaksarayli.com
Prof.Dr.MehmetAKSARAYLIDEUİİBF
EKONOMETRİBÖLÜMÜ[email protected]
2
OLASILIK(PROBABILITY)KAVRAMI
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır.
Bu hata payının ortaya çıkmasının sebebi seçilen örneklerin şansa bağlı olarak farklılıklar göstermesi ve bunun sonucunda her deneyde farklı sonuçlarla karşılaşılmasıdır.
Olasılık;
“Herhangi bir deneyin sonucunda gözlenebilecek farklı durumlar ile hangi sıklıkla karşılaşılacağı”,
bir başka ifadeyle;
“Ortaya çıkan olayların belirsizliğinin incelenmesi”
anlamına gelir.
2
3Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Bir diğer ifadeyle OLASILIK (Probability); Bir olayıngerçekleşme şansının sayısal değeridir.
N adet denemede s adet başarı söz konusu ise, da başarının nisbifrekansı
limiti belli bir değere ulaşıyorsa, bu değer o denemenin başarıolasılığını verir. Olasılık daima 0 ile 1 arasındadır. Tüm olayolasılıklarının toplamı 1’dir.
1
0
Kesin
İmkansız
)/(lim nsn
17 yy.’da şans oyunlarıyla birlikte kullanılmayabaşlanan olasılık, uygulamalı matematiğin birdalı olarak gelişim göstermiş ve istatistikselyorumlamada önemli uygulama alanı bulmuştur.
OLASILIK(PROBABILITY)KAVRAMI(Devam…)
4
TemelTanımlarveKavramlar‐I
Tekrarlanabilir Deney: Sonucu kesin olarakkestirilemeyen bir tek çıktı (şans değişkeni) oluşturan bireylem, gözlem ya da süreçtir.
Örnek:Madeni para atılması, içinde 5 sarı 7 lacivert bilye bulunan torbadan bir top çekilmesi.
Basit Olay: Bir deneyin çıktısı daha basit bir çıktı olarakayrıştırılamıyorsa basit olaydır.
Örnek: Hilesiz bir zarın atılması sonucu 2 gelmesi, bir deste iskambilkağıdından çekilen kağıdın maça as olması.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
3
5
TemelTanımlarveKavramlar‐II
Olay: Birden fazla basit olayın bir araya gelmesi sonucu oluşur.Örnek: Hilesiz bir zarın atılması sonucu asal sayı gelmesi,
içinde 5 sarı 7 lacivert bilye bulunan torbadan 2 top çekildiğindebirinin sarı birinin lacivert olması.
Örnek Uzayı: Bir deneyin sonucunda elde edilen tüm mümkünbasit olaylarının oluşturduğu kümedir. Genellikle S ile tanımlanır.
Örnek:Hilesiz bir zarın atılması sonucu elde edilen örnek uzayı;x: zarın üst yüzünde gelen sayıS = { x; x = 1,2,3,4,5,6 }
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
6
TemelTanımlarveKavramlar‐III
Ayrık Olay: Eğer A ve B gibi iki olay aynı anda geçekleşemiyorise bu olaylara ayrık(birbirini engelleyen) olaylar denir
Örnek: Madeni para atılması sonucunda yazı veya tura gelmesi ayrıkolaylardır.
Zarın atılması sonucu 1 ve tek sayı gelmesi olayları ayrıkolaylar değildirler. Çünkü aynı anda gerçekleşebilirler.
Eşit Olasılıklı Olaylar: Bir örnek uzayındaki tüm basitolayların ortaya çıkma olasılığı eşit ise bu olaylara eşit olasılıklıolaylar denir.
Örnek:Bir deste iskambil kağıdından bir adet kağıt çekilmesi.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
4
7
ÖrnekUzayı
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Tüm alternatif durumların içinde bulunduğu küme.
• Bir zarın tüm yüzeyleri:
• Oyun kartı destesinin tüm seçenekleri:
•1 madeni paranın atımında üst yüz : S={Y,T}
•Madeni bir çift paranın atımında üst yüzlerdeki yazı sayısı : S={0.1.2}
•Bir çift zar atışında üst yüzlerin toplamı: S={2,3,4,5,6,7,8,9,10,11,12}
OLAY: Bir deneyin ya da daha çok sonucun kümesidir.
8
ÖrnekUzayınınGörselleştirilmesi
1. Listeleme
S = {Yazı, Tura}
2. Venn Şeması
3. Kontenjans tablosu
4. Ağaç Diagramı
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Listeleme:
S = {Bay,Bayan}
Venn Şeması
Çıktı
Olay: Bayan
S
BayBayan
5
9
KontenjansTablosu
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Kesişen olay: Kadın, 20 yaşın altında
>20Toplam
47 16 63
Erkek 45 22 67
Toplam 92 38 130
Örnek
uzayı
Basit olayKadın
<20
S = {Bayan,<20; Bayan,>20;Bay,<20; Bay,>20}
10
AğaçDiyagramıGösterimi
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Olay alternatifleri:
K
<20
>20
<20
>20
E
S = {Bayan,<20; Bayan,>20;Bay,<20; Bay,>20}
6
11Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
AğaçDiyagramıÖrneği
İki Çocuğun cinsiyet durumuna göre ağaç diyagramı
12Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Doğru – Yanlış Şeklindeki Üç Sorunun Cevaplarına Göre Ağaç Diyagramı
AğaçDiyagramıÖrneği
7
13
OlasılığınTanımları
Klasik (A Priori) Olasılık
Frekans (A Posteriori) Olasılığı
Aksiyom Olasılığı
NOT:Busıralamaolasılıkteorisinintarihselgelişiminitanımlamaktadır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
14
KlasikOlasılık
Eğer bir örnek uzayı n(S) adet ayrık ve eşit olasılıklaortaya çıkan basit olaylardan oluşuyor ve örnekuzayındaki basit olaylardan n(A) adedi A olayınınözelliğine sahip ise A’nın olasılığı:
P(A) = n(A) / n(S) kesri ile elde edilir
Klasik olasılık TÜMDENGELİME dayanan çıkarımlar yaparak olasılığı bulur.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
8
15
Örnek: Bir kapta 5 sarı, 5 lacivert ve 5 adet yeşil bilyebulunmaktadır. Çekilen bir bilyenin sarı olma olasılığınedir?
A: Çekilen bir bilyenin sarı olması
n(S): Örnek uzayı eleman sayısı = 15
n(A): Örnek uzayındaki A elemanı sayısı = 5
3
1
15
5
)(
)()(
Sn
AnAP
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
KlasikOlasılıkÖrneği
16
KlasikOlasılıkNiçinYetersizdir?
Örnek uzayının eleman sayısı sonsuz olduğu durumlarda,
Eşit olasılıklı olay varsayımı yapılamadığı durumlarda , Tümdengelimçıkarımlarıyapılamadığındaklasik olasılık
ile hesaplama yapılamayacağından dolayı yetersizdir.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
NeYapılabilir?
Araştırılan anakitle üzerinde tekrarlı deneylergerçekleştirilerek sonuçlar analiz edilmek üzere kayıtedilmelidir.
9
17
FrekansOlasılığı(GöreliSıklıkKavramı‐ RelativeFreq.)
Araştırılan anakitle üzerinde n adet deney uygulanır.Yapılan bu deneylerde ilgilenilen A olayı n(A) defa gözlenmişise A olayının göreli frekansı (yaklaşık olasılığı):
P(A) = n(A) / n
olarak bulunur.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
P(Olay) = X/T
X = İstenen olayın oluşma sayısı
T = Mümkün tüm olayların sayısı
Arızalı olma olasılığı = 2/100
İncelenen 100 birimden 2’si arızalı
18
FrekansOlasılığınınKararlılıkÖzelliği
Gerçekleştirilen deney sayısı arttıkça P(A) olasılıkdeğerindeki değişkenlik azalacak ve giderek bir sabit değereyaklaşacaktır. Bu duruma kararlılık özelliği adı verilir.
Bir olayın olasılığı deneyin tekrarlama sayısı sonsuzayaklaşırken o olayın göreli frekansının alacağı limit değerolarak tanımlanır:
p= P(A) = lim n(A) / nn
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
10
19Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
FrekansOlasılığıNiçinYetersizdir?
• Olasılığın kararlılık değerine ulaştığı deneme sayısıkaçtır?
• Sonsuz adet deneme yapmak mümkün değildir.
• Aynı deney iki defa aynı tekrar sayısı ilegerçekleştirildiğinde elde edilen olasılıklardanhangisi olayın olasılığı olarak kabul görecektir?
20
AksiyomOlasılığıNedir?
Olasılığın matematiksel teorisini tanımlar.
Bu teorinin oluşturduğu ideal modeller yaşadığımız dünyanınproblemlerini çözmede kullanılır.
Olasılığın iki genel tipinin sahip olduğu önemli ortak nokta: Herikisinin de, benzer koşullarda (teorik olarak aynı koşullarda)uygulanan deneylere gereksinim duymasıdır.
Bununla birlikte benzer koşullarda tekrarlı olarak uygulanamayandurumlarda olasılıkların hesaplanmasında AKSİYOM OLASILIĞIyardımcı olur.
Örneğin; İlk aldığınızda İstatistik dersinden başarılı olma durumu veolasılığı?
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
11
21
Aksiyomlar
Aksiyom1:P(A) örnek uzayı S’deki her A olayı için P(A)0
olan bir gerçel sayıdır. Aksiyom2:
P(S)=1 { P()=0 } Aksiyom3:
Eğer S1,S2, ...Olaylarının her biri S’deki ayrık olaylar ise, diğer bir deyişle SiSj= tüm ij için ise,
P(S1S2 ...)=P(S1)+P(S2)+...
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
22
SadeceAksiyomlarYeterlimi?
HAYIR
Bu aksiyomların ve onlara bağlı teoremlerin faydalı birmodel geliştirilmesinde bize yardımcı olabilmesi için, S örnekuzayındaki her bir A olayı için olasılığın hesaplanmasındakullanılacak bir FONKSİYONA ya da bir KURALA gereksinimvardır
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
12
23
ÖrnekUzayınTipleri
Bu fonksiyonlar İlgilenilen anakütleninTanımladığı ÖRNEK UZAYINA Göre FarklılıkGösterir.Sık karşılaşılan üç farklı örnek uzayı;
Sonlu elemanlı kesikli örnek uzayı(sayılabilir sonlu) Genel kesikli örnek uzayı (sayılabilir sonsuz) Sürekli örnek uzayı (sayılamaz sonsuz)
olarak ifade edilir.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
24
ÖrnekUzayıÖrnekleri
Örnek;x : herhangi bir gün içinde yağmur yağmasıx = 0 ( yağmur yağmaz )x = 1 ( yağmur yağar )
Örnek Uzayı; S = { x / 0, 1 } veya S = { x / Yağmursuz , Yağmurlu }olarak belirlenir ve sayılabilirsonlubir örnek uzayıdır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
13
25
Örnek;x : bir zar için 6 gelinceye kadar yapılan atış sayısıÖrnek Uzayı;S = { x / 1,2,3,……….. } olarak belirlenir ve sayılabilirsonsuzbir örnek uzayıdır. (kesiklişansdeğişkeni)
Örnek;x : öğrencilerin boylarıÖrnek Uzayı;S = { x / 150 < x < 200 } olarak belirlenir ve sayılamazsonsuzbir örnek uzayıdır. (süreklişansdeğişkeni)
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
ÖrnekUzayıÖrnekleri
26
ÖrnekUzayıveOlaySayısınıBelirleyenSaymaYöntemleri
Klasik olasılığın diğer bir ifade ile eşit olasılıklı olaylarıngeçerli olduğu durumlarda:
Örnek uzayının eleman sayısı, İlgilenilen olayın eleman sayısınınbelirlenmesi gereklidir.
Kullanılan iki temel prensip;1) Toplama Yöntemi2) Çarpma Yöntemi
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
14
27
ToplamaYöntemi
Bir A olayı m farklı şekilde, başka bir B olayı da n farklışekilde oluşabilen ayrık olaylar ise;
A veya B olayı n +m farklı şekilde oluşabilir.
Örnek: İstanbul’dan İzmir’e 2 farklı tren seferi,4 farklı havayolu firması, 40 farklı otobüs firması ve 1 adetdenizyolu firması ile gidilebildiğine göre İstanbul’dan İzmir’ekaç farklı şekilde gidilir?
2 + 4 + 40 + 1 = 47
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
28
ÇarpmaYöntemi
Bir A olayı m farklı şekilde, başka bir B olayı da n farklışekilde oluşabilen ve aynı anda oluşmaları mümkünolaylar ise;
A ve B olayı n * m farklı şekilde oluşabilir.
Örnek: Bir iskambil destesinden çekilen iki kartın birininKupa diğerinin Maça olması kaç farklı şekildegerçekleşebilir?
13 * 13 =169
NOT: Çarpma yöntemi bağımsız olaylar için kullanılır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
15
29
k farklı sonuç veren bir deney r kez tekrar edilirse ortayaçıkan tüm durumların sayısı;
kr olarak hesaplanır.
Örnek: Bir zarı 3 kez attığımızda ortaya çıkabilecek tümmümkün durumların sayısı sayısı;
63 = 216 adettir.
Örnekuzayınınelemansayısı216’dır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Tekrarlı Deney Durumunda Çarpma Yöntemi
30
ÖrnekUzayıveOlaySayısınınBüyükOlduğuDurumlar
Örnek uzayı ve olay sayısının büyük olduğudurumlarda kullanılan sayma yöntemleri;
Permütasyon
Kombinasyon
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
16
31
Permütasyon Sıraya konulacak n adet nesne olsun ve her biri sadece bir
kez kullanılmak üzere kaç farklı sıralama yapılabilir?
............
n nesnenin mümkün sıralamalarının sayısı:n(n-1)(n-2)...(2)(1)=n! nPn = n!
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
n n-1 2n-2 1
32
n tane nesne arasından seçilmiş x tane nesneninpermütasyon sayısı …..olarak ifade edilir.
Toplam n tane nesne arasından x tane nesne seçilir vebunlar sıraya konulursa ortaya çıkabilecek sıralamalarınsayısıdır ve şu şekilde hesaplanır:
Kullanıldığıdurumlar
İadesiz örnekleme Örneğe çıkış sırası önemli
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
xn P
!!
xn
nPxn
Permütasyon(Devamı…)
17
33
Örnek: 8 atletin katıldığı 100 metre yarışmasında ilk üç dereceyegirenler kaç farklı şekilde belirlenir ?
3366*7*8)!38(
!838
P
3603*4*5*6)!46(
!646
P
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Örnek: 2,3,5,6,7 ve 9 sayılarını kullanarak 4 basamaklı rakamlarıbirbirinden farklı kaç sayı oluşturulur?
6 5 4 3 =360
PermütasyonÖrnekleri
34
Kombinasyon
n adet nesne arasından seçilen x tanesinin kombinasyonsayısı ile gösterilir. Sıralama önemli olmaksızın tümdurumların sayısı olarak ifade edilir. Bu sayı şu şekildehesaplanır:
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
xn C
!!
!
xxn
nC
xn
• Kullanıldığı durumlar;
– İadesiz örnekleme
– Örneğe çıkış sırası önemsiz
18
35
Örnek: Beş kişilik bir topluluktan üç kişilik birkomisyon kaç farklı şekilde seçilir ?
102*3*2
2*3*4*5
!3)!35(
!535
C
452
9*10
!2)!210(
!10210
C
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Örnek: 10 bay ve 5 bayan arasından 2 bay ve 1 bayan üyeiçeren bir kurul kaç farklı şekilde oluşturulur?
( 10 bay arasından 2 bay )
( 5 bayan arasından 1 bayan )
Çarpım kuralı uygulanarak 45 * 5 =225 farklı şekildeoluşturulur.
5!1)!15(
!515
C
KombinasyonÖrnekleri
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Örnek: 10 işletme ve 8 iktisat öğrencisi arasından 5 kişilik bir komisyonoluşturulacaktır. Rasgele bir seçim yapıldığında komisyonda çoğunluklaişletme öğrencisi olma olasılığı nedir?
5 işletme 0 iktisat, 4 işletme 1 iktisat, 3 işletme 2 iktisat
62,08568
5292
518
28310
518
18410
518
08510 C
CC
C
CC
C
CC
Örnek: Ali ve Can isimli iki arkadaş zar atarak oyun oynuyorlar.Oyuna Ali başlıyor. Zar 1 veya 2 gelirse oyunu kazanıyor. 3,4 veya 5gelirse oyuna devam etme hakkını kazanıyor. 6 gelirse zar atma sırasıCana geçiyor. Ali’nin bu oyunu kazanma olasılığı bulunuz.Ali’nin oyunu kazanma olasılığı p olsun,
• Ali 1 veya 2 atar oyunu kazanır, olasılık : 2 / 6
• 3,4 ve 5 atar oyuna tekrar devam eder ve sonra oyunu kazanır olasılık: (3/6)p
• İlk atışta 6 atar oyun Can’a geçer ve Can oyunu kaybeder olasılık (1/6)(1-p)
p = 2/6 + (3/6)p + (1/6)(1-p) → p = 3/4
19
37
AğaçDiyagramı
Her birinin sonucununsonlu sayıda olduğu birdenfazla deneyin tüm mümkünsonuçlarını görsel bir şekildeortaya koymak için kullanılır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
38
Örnek: Ali ile Can masa tenisi oynamaktadırlar. 3 set kazananın galipgeleceği maçın ortaya çıkabilecek tüm mümkün sonuçlarını gösteren ağaçdiyagramını oluşturunuz. A
A
CA
C
C
C
A
C
A
A
C
C
AA
CA
CA
C
CC
C
C
A
A
A
A
A
C
A
C
C
AA
C C
A
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Olası Durumlar;
AAA,CCC
AACA,CCAC
ACAA,CACC
ACCC,CAAA
ACACA,CACAC
AACCA,CCAAC
AACCC,CCAAA
ACACC,CACAA
ACCAA,CAACC
ACCAC,CAACA
20
ADET
AğaçDiyagramıÖrneği
20
39
OlasılıkTanımları‐ Özet
Klasik Olasılık Değerlendirmesi (Classical Probability)
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Frekans (A Posteriori - Relative Freq.) Olasılığı
Sübjektif Olasılık (Subjective Probability)
P(Ei) =Number of ways Ei can occur
Total number of experimental outcomes
Relative Freq. of Ei =Number of times Ei occurs
N
Bir olayın olasılığı hakkında karar verici tarafından bir görüş veya bir hükme dayalı…
40
OlasılığınKuralları
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Muhtemel Değerler ve
Toplam için Kurallar
Individual Values Sum of All Values
0 ≤ P(Ei) ≤ 1
Her bir olay Ei için1)P(e
k
1ii
k = Örnek Uzayı sayısıei = i. sonuç
Kural 1 Kural 2
21
41
OlasılıkKavramları:OlayTipleri
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
BasitOlay(Elementer Olay) :
Tek bir karakteristikle belirlenen olaylar
A:Bayan
B: 20 yaşın altında
C:Bir deste karttan kırmızı
kart çekilmesi
D:Bir deste karttan bir as çekilmesi
KesişenOlay:
Aynı anda gerçekleşen olaylar
A ve B, (AB): Bayan, 20 yaşın altındaC ve D, (CD): Kart destesinden kırmızı bir as çekilmesi
42
Bileşikolay(Katışık Olay) (Birbirini Engelleyen Olay):
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Olaylardan biri yada diğeri gerçekleşir, birden çok sonuçtan oluşur.
C yada D, (CD): Bir deste karttan kırmızı veya as çekme
OlasılıkKavramları:OlayTipleri
22
43
OlasılıkKavramları:OlayTipleri
BağımlıveBağımsızOlaylar BağımsızOlaylar(Independent Events) : Eğer bir olayın ortaya
çıkması (occurrence) öteki olayın ortaya çıkma olasılığını etkilemiyorsa, olaylar bağımsız olaylardır.
E1 = Madeni bir para atma deneyinde tura gelmesiE2 = Aynı paranın 2. atışında yazı gelmesi
İkinci atığın sonucu önceki atışın sonucuna bağlı değildir.
BağımlıOlaylar(Dependent Events): Bir olayın ortaya çıkması diğerinin ortaya çıkması olasılığını etkiliyorsa bağımlı olaylardır.
E1 = Meteorolojiden yağmur tahmini yapılmasıE2 = Evden çıkarken şemsiye alınması
İkinci olayın sonucu 1.olayın sonucuna bağlıdır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
44
BasitOlaylariçinToplamaKuralı
Bir Ei olayını olasılığı Ei olayını oluşturan çıktıların olasılıklarının toplamına eşittir.
Şöyle ki;
Ei = {e1, e2, e3}
dolayısıyla:P(Ei) = P(e1) + P(e2) + P(e3)
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Kural 3
23
45
Tamamlayıcı(Bütünleyici‐ Complement)Olay
Bir E olayının tamamlayıcısı E olayını içermeyen mümkün tüm basit olaylar kümesidir. Tamamlayıcı olay E ile gösterilir.
TamamlayıcıKural
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
P(E)1)EP( E
E
1)EP(P(E) veya,
İki olay kesinlikle aynı anda olamaz.Para atımında aynı anda hem yazı hem de
tura gelemez.
46
İkiOlayİçinToplamaKuralı
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
P(E1 veya E2) = P(E1) + P(E2) - P(E1 and E2)
E1 E2
P(E1 veya E2) = P(E1) + P(E2) - P(E1 and E2)Kesişimi iki kere sayma!
■ Toplama Kuralı:
E1 E2+ =
Kural 4
24
47
ToplamaKuralıÖrneği
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
P(Kırmızı or As) = P(Red) +P(As) - P(Red and As)
= 26/52 + 4/52 - 2/52 = 28/52Kesişimi iki kere sayma!Siyah
RenkTip Kırmızı Toplam
As 2 2 4
As Değil 24 24 48
Toplam 26 26 52
48
AyrıkOlaylarİçinToplamaKuralı
Eğer E1 ve E2 ayrık olaylarsa,
P(E1 ve E2) = 0
Bu yüzden,
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
P(E1 veya E2) = P(E1) + P(E2) - P(E1 ve E2)
P(E1 veya E2) = P(E1) + P(E2)
E1 E2
Kural 5
25
49
KoşulluOlasılık
Bir olayın gerçekleştiği bilindiği durumlarda diğer bir olayın gerçekleşme olasılığıdır.
P(A | B) = P(A ve B)P(B)
B olayının gerçekleştiği bilindiğine göre A olayının gerçekleşme olasılığı
P(A | B) = P(A) ise, A ve B birbirinden bağımsız olaylardır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Kural 6
50
KontenjansTablosuyardımıylakoşulluolasılıkhesabı:
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Bir desteden çekilen bir kartın siyah olduğu bilindiğine göre as olma olasılığı nedir?
RenkTip Kırmızı Siyah Top.
As 2 2 4
As değil 24 24 48
Toplam 26 26 52
26
2
52/26
52/2
P(Siyah)
Siyah) VE P(As = Siyah) | P(As
26
51
KoşulluOlasılıkÖrneği
Kliması olan bir arabanın CD çalarının olması olasılığı nedir?
P(CD | AC) = ?
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
İkinci el araba pazarındaki arabaların 70% klima (KL) ve 40% CD çalar (CD) ve 20%’sinin ise her ikisine de sahip olduğu tespit edilmiştir.
52
ConditionalProbabilityExample
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
CD YokCD Toplam
KL .2 .5 .7
KL Yok .2 .1 .3
Toplam .4 .6 1.0
İkinci el araba pazarındaki arabaların 70% klima (KL) ve 40% CD çalar (CD) ve 20%’sinin ise her ikisine de sahip olduğu…
.2857.7
.2
P(AC)
AC) veP(CDAC)|P(CD
27
53
Örnek: Bir üniversitede okuyan öğrencilerin % 70’i tiyatroya,% 35 ise sinemaya ilgi duymaktadır.
a) Bir öğrencinin sinemaya ilgi duyduğu bilindiğinde tiyatroya ilgiduyma olasılığı 0,40 ise her iki aktiviteye birden ilgi duyma olasılığınedir?
b) Bir öğrencinin tiyatro veya sinemaya ilgi duyma olasılığı nedir?
T:Tiyatroya ilgi duyma S:Sinemaya ilgi duyma P ( T ) = 0,70 P( S ) = 0,35
a) P ( T / S ) = 0,40 P (T ∩ S ) =?
b)
P(S)
S)P(TP(T/S)
0,140,35*0,40P(S)*P(T/S)S)P(T
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
91,00,14-0,350,70
S)P(T-P(S)P(T)S)UP(T
KoşulluOlasılıkÖrneği
54
BağımsızolaylarİçinKoşulluOlasılık
Bağımsız olaylar E1 , E2 için koşullu olasılık:
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
)P(E)E|P(E 121 ile şartı 0)P(E2
)P(E)E|P(E 212 ile şartı 0)P(E1
Kural 7
28
55
Örnek: Ali ve Can isimli iki avcının bir hedefi vurma olasılıkları sırasıyla0,65 ve 0,40 olarak verilmiştir. İki avcı hedefe birlikte ateş ettiğindehedefin vurulma olasılığı nedir?A = Ali’nin hedefi vurması P ( A ) = 0,65C = Can’ın hedefi vurması P ( C ) = 0,40 P ( A U C ) = ?
P( A U C ) = P ( A )+ P ( C ) – P ( A ∩ C )
Ali ile Can’nın hedefi vurmaları birbirinden bağımsız olduğundan;
P ( A ∩ C ) = P ( A ) . P ( C ) = 0,65 * 0,40 = 0,26
P( A U C ) = 0,65 + 0,40 – 0,26 = 0,79
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
KoşulluOlasılıkÖrneği
56
ŞartlıOlasılıklarınBilindiğiDurumlardaTekBirOlayınOlasılığınınBulunması
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
1B 2B
3B4B
5BA
Aşağıdaki şekilde A olayının birbiriyle ayrık olan5 farklı olayın birleşiminden meydana geldiği görülür.
29
57
A olayı her bir B olayı ile kesişimleri cinsinden ifade edildiğinde;(birbiriniengelleyen olayların birleşiminin olasılığı toplama kuralına göre)
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
)(....)()()( 521 BAPBAPBAPAP
)()./()( iii BPBAPBAP
)()/()()/(
)()/()()/()()/()(
5544
332211
BPBAPBPBAP
BPBAPBPBAPBPBAPAP
58
Örnek: Bir ilaç üç fabrika tarafından üretilmektedir.1. Fabrikanın üretimi 2. ve 3. fabrikaların üretiminin 2 katıdır. Ayrıca 1. ve2. fabrikalar % 2, 3. fabrika % 4 oranında bozuk ilaç üretmektedir.Üretilen tüm ilaçlar aynı depoda saklandığına göre bu depodan rast geleseçilen bir ilacın bozuk olma olasılığı nedir.A = Seçilen ilacın bozuk olma olasılığı P ( A ) = ?Bi= Seçilen ilacın i nci fabrikada üretilmesi
P(B1) = P(B2) + P(B3)
P(B1) + P(B2) + P(B3) = 1 olduğundan;
P(B1) = 0,50 P(B2) = P(B3) = 0,25 olarak elde edilir.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
)()/()()/()()/()( 332211 BPBAPBPBAPBPBAPAP P(A)=(0.02)(0.5)+(0.02)(0.25)+(0.04)(0.25)=0,025
Depodan seçilen 1000 ürünün 25 tanesinin hatalıdır.
KoşulluOlasılıkÖrneği
30
59
ÇarpmaKuralı
İki olay E1 ve E2 için çarpma kuralı:
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
)E|P(E)P(E)E VEP(E 12121
)P(E)E|P(E 212 Not: Eğer E1 ve E2 bağımlı olaylar ise, yani
Çarpma kuralı basit çarpma olarak oluşur:
)P(E)P(E)E VEP(E 2121
Kural
Kural
60
AğaçDiyagramÖrneği
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
DizelP(E2) = 0.2
BenzinP(E1) = 0.8
Binek: P(E4|E1) = 0.5
P(E1 and E3) = 0.8 x 0.2 = 0.16
P(E1 and E4) = 0.8 x 0.5 = 0.40
P(E1 and E5) = 0.8 x 0.3 = 0.24
P(E2 and E3) = 0.2 x 0.6 = 0.12
P(E2 and E4) = 0.2 x 0.1 = 0.02
P(E3 and E4) = 0.2 x 0.3 = 0.06
Binek: P(E4|E2) = 0.1
31
61
BayesTeoremi
1.Eski olasılıkların yeni bilgiler ışığında güncellenmesi için kullanılır.
2.Koşullu olasılığın bir çeşididir.
3.Tamamen ayrık olaylar için uygulanır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Yeni Bilgi
YenilenmişOlasılık
BayesTeoremi
İlk Olasılık
62
P(B | A) =P(A | B P(B )
P(A | B P(B ) + + P(A | B P(B )
P(B A)P(A)
ii i
1 k k
i
1
)) )
BayesTeoremininFormülü
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
Aynı olay
Tüm Bi’ler aynı olaydır. (örn. B2)!
32
63
BayesTeoremi
Sonucun bilindiği durumda sebebin hangiolasılıkla hangi olaydan meydana geldiği ileilgilenir.
Ele alınan örnekte depodan rast gele seçilen birilacın bozuk çıkması halinde 1.fabrikadangelmesinin olasılığı araştırıldığında BayesTeoremine ihtiyaç duyulmaktadır.
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri
k
iii
iii
i
BPBAP
BPBAP
AP
BAPABP
1)()/(
)()/(
)(
)()/(
64
))P(BP(A/B))P(BP(A/B))P(BP(A/B
))P(BP(A/B/A)P(B
332211
111
40,05)(0.04)(0.25)(0.02)(0.2)(0.02)(0.5
)(0.02)(0.5/A)P(B1
Depodan rasgele seçilen bir ilacın bozuk olduğu bilindiğinegöre 1 nci fabrikadan gelmiş olma olasılığı;
BayesTeoremiÖrneği
Prof. Dr. Mehmet AKSARAYLI – DEU Ekonometri