Binom Dağılımının Beklenen Değeri
Binom dağılımı, istatistik ve olasılıkta en sık karşılaşılan ayrık olasılık dağılımlarından biridir. Bu dağılım, bir dizi bağımsız ikili denemede (sadece iki sonucu olan denemeler: başarı veya başarısızlık) elde edilen başarı sayısını tanımlar. Binom dağılımını daha iyi anlamak için, uzun vadede tekrarlanan bir denemenin ortalama değerini tanımlayan beklenen değer kavramını anlamak önemlidir. Bu makale, binom dağılımı bağlamında beklenen değer kavramını inceleyecektir.
Binom Dağılımının Tanımı
Binom dağılımı, birbirinin aynısı ve bağımsız birçok deneme yaptığımız ve her denemenin genellikle "başarı" ve "başarısızlık" olarak adlandırılan iki karşılıklı dışlayıcı sonucu olduğu bağlamlarda ortaya çıkar. Örneğin, madeni para atmak (tura veya yazı), sınav sorusuna cevap vermek (doğru veya yanlış) veya tıbbi bir deneme (iyileşti veya iyileşmedi).
Binom dağılımı iki parametre ile tanımlanır:
– n, deneme sayısı.
– p, her denemede başarı olasılığı.
Kabaca söylemek gerekirse, eğer X, n denemede elde edilen başarı sayısını temsil eden rastgele bir değişken ise, X, n ve p parametreleriyle binom dağılımını izler ve bu durum X ~ Binomial(n, p) şeklinde gösterilir.
Olasılık Fonksiyonu
Binom dağılımının olasılık fonksiyonu aşağıdaki gibidir:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Nerede:
– \( \binom{n}{k} \) binom katsayısıdır ve \( \frac{n!}{k!(nk)!} \) olarak hesaplanır.
– \( k \) istenen başarı sayısıdır.
– \( n \) deneme sayısıdır.
– \( p \) her denemede başarı olasılığıdır.
– \( (1-p) \) her denemede başarısızlık olasılığıdır.
Beklenen Değer
Olasılık dağılımının beklenen değeri veya ortalaması, merkezi konumun en önemli ölçütlerinden biridir. Binom dağılımı için, Binomial(n, p) dağılımını izleyen rastgele bir değişken X'in beklenen değeri şöyledir:
\[ E(X) = np \]
Beklenen Değerin Kanıtı
Binom dağılımının beklenen değerinin neden np olduğunu anlamak için, beklenen değerin doğrusallık özelliğini kullanabilir ve ikili değişkenlerin katkılarının nasıl toplandığını görebiliriz.
n ikili denemede başarı sayısını \( X \) olarak tanımlayalım. Daha açık olmak gerekirse, i-inci denemenin sonucunu gösteren rastgele değişken \( X_i \) olsun; i-inci deneme başarılıysa \( X_i = 1 \) ve başarısızsa \( X_i = 0 \) olsun. O halde, \( X \)'i şu şekilde yazabiliriz:
\[ X = X_1 + X_2 + \ldots + X_n \]
Her bir \( X_i \) başarı olasılığı p olan ikili bir değişken olduğundan, \( X_i \)'nin beklenen değeri şöyledir:
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
X'in beklenen değeri için beklenen değerin doğrusallık özelliğini kullanabiliriz:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
Bu, binom dağılımının beklenen değerinin np olduğunu gösterir.
Örnek Açıklama
Adil bir madeni parayı 10 kez attığımızı varsayalım. Yazı gelme olasılığının beklenen değerinin ne olacağını soralım.
Bu durumda:
– n = 10 (para atma sayısı)
– p = 0.5 (paranın hilesiz olduğu varsayılarak, yazı gelme olasılığı)
Dolayısıyla beklenen değer şöyledir:
\[ E(X) = np = 10 \times 0.5 = 5 \]
Bu, uzun vadede bir madeni parayı 10 kez üst üste atarsak, ortalama olarak 5 kez tura geleceği anlamına gelir.
Varyans ve Standart Sapma
Beklenen değerin yanı sıra, binom dağılımının varyansını ve standart sapmasını anlamak da önemlidir.
Binom dağılımı için varyans \( \sigma^2 \) ve standart sapma \( \sigma \) aşağıdaki gibidir:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Varyans, verilerin beklenen değerden ne kadar uzaklaştığını ölçer. Standart sapma ise varyansın kareköküdür ve verilerin yayılımını ölçer, ancak orijinal verilerle aynı birimlerde.
Sonuç
Binom dağılımı, istatistik ve olasılıkta temel bir kavram olup, iş dünyasından sosyal bilimlere ve biyolojiye kadar çeşitli gerçek dünya uygulamalarında sıklıkla karşımıza çıkar. Binom dağılımının beklenen değeri (np olarak hesaplanır), bir dizi ikili denemede ortalama başarı sayısına ilişkin önemli bir fikir verir. Beklenen değer, varyans ve standart sapma kavramlarını anlayarak, binom dağılımının özelliklerini ve günlük yaşamdaki belirli olayları nasıl açıkladığını daha net bir şekilde kavrayabiliriz.
Bu bilgi, yalnızca veri analizi ve istatistikte değil, aynı zamanda olasılık ve belirsizliğin değerlendirilmesini gerektiren karar verme süreçlerinde de son derece faydalıdır. Beklenen değer ve binom dağılımını anlamak, daha doğru tahminler yapmamıza ve daha bilinçli kararlar almamıza yardımcı olabilir.
