Normal Dağılımın Beklenen Değeri Hakkında Bir Tartışma Sorusu Örneği
Normal dağılım, diğer adıyla Gauss dağılımı, istatistik ve olasılıkta en sık kullanılan sürekli olasılık dağılımlarından biridir. Bu dağılım, simetri ve ortalama (µ) ve standart sapma (σ) ile parametrelendirilmesindeki benzersizlik gibi elverişli matematiksel özellikleri nedeniyle çeşitli istatistiksel çıkarımlarda temel bir varsayım olarak sıklıkla kullanılır. Bu makale, bu kavramı daha derinlemesine anlamak için örnekler ve normal dağılımın beklenen değeri üzerinde duracaktır.
Normal Dağılımı Anlamak
Normal dağılım, değerlerin çoğunun orta değer veya ortalama etrafında yoğunlaştığı simetrik bir çan eğrisi ile gösterilir. Bu dağılımda, ortalama (µ) ve standart sapma (σ), verilerdeki konumu ve yayılım miktarını belirleyen iki önemli parametredir.
Normal dağılımın olasılık yoğunluk fonksiyonu (PDF) şöyledir:
\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
Nerede:
– \( \mu \) ortalama veya aritmetik ortalamadır.
– \( \sigma \) standart sapmadır.
– \( x \) rastgele bir değişkendir
Normal Dağılımda Beklenen Değer
Normal dağılıma sahip bir rastgele değişkenin beklenen değeri, dağılımın ortalamasına eşittir. Eğer \( X \sim N(\mu, \sigma^2) \) ise, beklenen değer \( E(X) \) şöyledir:
\[ E(X) = \mu \]
Anlayışımızı pekiştirmek için normal dağılımlardaki beklenen değerlerle ilgili bazı problem örnekleriyle devam edelim.
Contoh Soal ve Pembahasan
Örnek Soru 1:
Varsayalım ki \( X \), \( \mu = 50 \) ve \( \sigma = 10 \) değerlerine sahip normal dağılımlı bir rastgele değişkendir. \( X \)'in beklenen değerini hesaplayın.
Tartışma:
Daha önce de belirtildiği gibi, normal dağılımda beklenen değer \( E(X) \) \( \mu \)'ya eşittir. Dolayısıyla,
\[ E(X) = \mu = 50 \]
Örnek Soru 2:
Normal dağılıma sahip ve μ = 120, σ = 15 olan rastgele bir değişken olan Y'nin beklenen değerini bulun.
Tartışma:
Birinci örneğe benzer şekilde, \( Y \)'nin beklenen değeri, normal dağılımın orta değeri veya ortalamasıdır, yani:
\[ E(Y) = \mu = 120 \]
Örnek Soru 3:
Eğer rastgele değişken \( Z \) \( \mu = 0 \) ve \( \sigma = 1 \) ile normal dağılımı (standart normal dağılım) izliyorsa, \( Z \)'nin beklenen değeri nedir?
Tartışma:
Standart normal dağılımın ortalaması \( \mu = 0 \) olduğundan, beklenen değer \( E(Z) \) şöyledir:
\[ E(Z) = \mu = 0 \]
Örnek Soru 4:
\( W \)'nin ortalama değeri \( \mu = 75 \) ve standart sapması \( \sigma = 20 \) olan normal dağılımlı bir rastgele değişken olduğunu varsayalım. Yeni bir rastgele değişken \( V = 2W + 3 \) tanımlarsak, \( V \)'nin beklenen değeri nedir?
Tartışma:
\( V \)'nin beklenen değerini bulmak için, beklenen değerin doğrusallık özelliğini kullanmamız gerekir. \( V = 2W + 3 \) verildiğinde:
\[ E(V) = E(2W + 3) \]
Beklenen değerin doğrusallık özelliğine dayanarak, sabit terimi rastgele değişkenden ayırabiliriz:
\[ E(V) = 2E(W) + E(3) \]
Bir sabitin beklenen değerinin, o sabitin kendisi olduğunu bilmek:
\[ E(3) = 3 \]
Ve \( W \)'nin beklenen değeri, normal dağılımın \( W \) ortalamasıdır:
\[ E(W) = \mu = 75 \]
maka,
\[ E(V) = 2 \times 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Örnek Soru 5:
Rastgele değişken \( Q \), ortalama \( \mu = 40 \) ve standart sapma \( \sigma = 5 \) ile normal dağılıma uymaktadır. \[ U = Q/2 \] ise \( Q \)'nun beklenen değeri nedir?
Tartışma:
Örnek 4'tekiyle aynı prensibi, yani beklenen değerin doğrusallık özelliğini kullanıyoruz. \( U = Q/2 \) olduğu varsayıldığında:
\[ E(U) = E\left(\frac{Q}{2}\right) \]
Beklenen değerin doğrusallık özelliğine dayanarak:
\[ E(U) = \frac{1}{2} E(Q) \]
Biliyoruz ki, \( Q \)'nun beklenen değeri, normal dağılımın \( Q \) ortalamasıdır:
\[ E(Q) = \mu = 40 \]
maka,
\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
Sonuç
Normal dağılımda, rastgele bir değişkenin beklenen değeri her zaman dağılımın ortalamasına (µ) eşittir. Yukarıdaki örnek problemler, doğrusallık özelliğini kullanarak beklenen değeri hesaplamak için çeşitli koşulları göstermektedir. Bu temel kavramı anlamak, istatistik ve olasılıkta normal dağılım problemlerini ele almayı kolaylaştırır.
Normal dağılım, hipotez testi, parametre tahmini ve çeşitli diğer istatistiksel çıkarımlar da dahil olmak üzere çok çeşitli pratik uygulamalarda kullanıldığı için istatistikte çok önemlidir. Bu dağılımın beklenen değerini iyi anlamak, veri analizinde önemli bir ilk adımdır.
Umarım bu makale, ilgili örnek sorular ve tartışmalarla birlikte normal dağılımdaki beklenen değerin açık ve faydalı bir açıklamasını sunar.
