4.3. Çözümlü Problemler
4.3.1 a a
1, ,...,
2a
n
olmak üzere, bu a
ireel sayılarının aritmetik, geometrik ve harmonik ortalamaları
1
1
nA i
i
a a
n
,
1/
1 n n
G i
i
a a
,
1
1
1
n1
H i i
a n a
şeklinde hesaplanır. a
H a
G a
Aolduğunu gösteriniz (Casella ve Berger (2002), sayfa 191).
Çözüm: Değer kümesi { , ,..., } a a
1 2a
nolan herhangi bir X rasgele değişkeninin olasılık fonksiyonu
(
i) 1 , 1, 2,3,...,
P X a i n
n
olarak verilmiş olsun. ( ) log( ) g x x fonksiyonu konkavdır ( g x ( ) 1/ x
2olup her zaman negatiftir). Bu durumda, X rasgele değişkeninin beklenen değeri
1 1
( )
n i(
i) 1
n i Ai i
E X a P X a a a
n
olup
1/
1 1
log( ) log 1 log( ) log( )
n n n
G i i
i i
a a a E X
n
ve
1
log ( ) log 1
n ilog(
A)
i
E X a a
n
dir. Jensen eşitsizliğine göre, (log( )) log( ( )) E X E X olduğundan,
1 1
1 1
log(
G)
nlog( )
i(log( )) log( ( )) log
n ilog(
A)
i i
a a E X E X a a
n
n
yazılabilir. Yani, log a
G log( a
A)
eşitsizliği elde edilir. Logaritma fonksiyonunun
özelliğinden ise a
G a
Adir. Yine ( ) log( ) g x x fonksiyonunun konkav olduğundan,
1
1 1 1 1
log(1/
H) log
nlog log (log( ))
i i
a E E E X
n
a X X
Eşitsizliği yazılır. log a
G E log( ) X
olup E (log( )) X log( a
G) log(1/ a
G) dir.
Yani, log(1/ a
H) log(1/ a
G) olup logaritmanın özelliğinden, (1/ a
H) (1/ a
G) yani,
H G
a a elde edilir. Bu iki eşitsizlik birleştirildiğinde a
H a
G a
Aelde edilir.
4.3.2 Sonlu beklenen değere sahip bir rasgele değişken X olsun. ( ) E X ve g de azalmayan konveks bir fonksiyon ise, ( ( ) ( E g X X )) 0 olduğunu gösteriniz.
Çözüm: X in olasılık yoğunluk fonksiyonu ( ) f x olsun (kesikli ise integral yerine
toplam gelir). ( ) g x konveks olduğundan Jensen eşitsizliğine göre, E g X ( ) g E X ( )
dir. Ayrıca, ( ) g x azalmayan ( x y ise, ( ) g x g y ( ) ) olduğundan,
0
0 0
0
( ) ( ) ( ) ( ) ( )
( )( ) ( ) ( ) ( ) ( )
( )( ) ( ) ( ) ( ) ( )
E g X X g x x f x dx
g x x f x dx g x x f x dx
g x f x dx g x f x dx
( ) ( ) ( ) ( ) ( ) 0
g x f x dx g E X
şeklinde aranan eşitsizlik elde edilir.
1
X olacak şekilde bir rasgele değişken için, E X (
n1) E X E X ( ) (
n) eşitsizliği
( ) ( ) 0
E g X X
nin bir sonucu olarak elde edilir. Bunun için g x ( ) x
ndenirse, ( ) ( 1)
n 20
g x n n x
olup g x ( ) x
nkonveks ve x 1 için azalmayandır. Yukarıdaki
eşitsizlik g x ( ) x
nfonksiyonuna uygulandığında,
1 1
0 ( ( ) ( )) ( ( )) ( ) ( )
( ) ( ) ( )
n n n
n n
E g X X E X X E X E X
E X E X E X
elde edilir. Buradan her n için,
1 1
0 E X (
n) E X E X ( ) (
n) E X (
n) E X E X ( ) (
n)
eşitsizliği yazılır. Yani, E X (
n1) E X E X ( ) (
n) dir.
4.3.3 X sürekli bir rasgele değişken ve ( ) 0 E X , Var X ( )
2olsun. Buna göre, a) 0 ise P X
2/ (
2
2)
b) 0 ise P X 1
2/ (
2
2)
eşitsizliklerinin doğru olduğunu gösteriniz.
Çözüm: Sorunun çözümüne geçmeden önce , t olmak üzere önce 0
( ) /
2
2P X E X t t
eşitsizliğinin doğru olduğunu gösterelim. Buradaki beklenen değer
2 2 2
2 2 2
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
E X t x t f x dx x t f x dx
t f x dx t f x dx t P X
şeklinde yazılabildiğinden, P X ( ) E X t ( ) / (
2 t )
2bulunur. Bu eşitsizlik yardımı ile istenen eşitsizlikler kolayca gösterilir.
a) 0 ise 0 olup,
2/
2P X P X E X t t
eşitsizliği yazılır. Buradan, t
2/ için ( ) 0 E X ve Var X ( )
2olduğundan,
(
22/ )
22(
2)
22( ) /
2 2 2(
4/
2)
( / ) ( ) /
E X E X E X
P X P X
2 2 4 2 2 2 2
2 2 2 2 2 2 2 2
( )
( ) ( ) ( )
şeklinde aranan eşitsizlik elde edilmiş olur.
b) 0 olsun. X sürekli olduğundan ( P X ) P X ( ) dir (kesikli ise
( ) ( )
P X P X dir). Buradan,
1 1 ( ) 1 ( ) /(
2)
2P X P X P X E X t t eşitsizliğinde t
2/ yazıldığında aranan eşitsizlik,
2 2 4 2 2 2 4 2
2 2 2 2
2 2 2 2 2
( ) / /
1 1 1
( )
/
E X E X
P X
şeklinde elde edilir.
Burada, t
2/ alınmasının nedeni, E X t ( ) / (
2t )
2oranının bu noktada minimum olmasıdır. Yani, E X t ( ) / (
2t )
2fonksiyonu (
tfonksiyonudur) t
2/ noktasında minimumdur. ( ) 0 E X ve Var X ( )
2olduğundan,
2 2 2 2 2
( ) / ( ) ( ) / ( )
E X t t t t olup,
2 2 2 2 2
2 2 2
2 t 0
E X t
d d t
d t t dt t t t
bulunur. İkinci türev bu noktada
2
22 2 2 2 2
2 2 2 2 0
t t
E X t
d d t
d t t d t t
pozitif olup, E X t ( ) / (
2t )
2oranının
t
2/noktasında minimum olduğu görülür.
4.3.4 Markov eşitsizliğini kullanılarak, 0 için p 1 (1 p )
n 1/ ( ) np olduğunu gösteriniz.
Çözüm: Kesikli bir X rasgele değişkeninin olasılık fonksiyonu q olmak üzere, 1 p ( )
x 1, 1, 2,3,...
P X x p q
x
şeklinde verilmiş olsun. Bu durumda, ( ) 1/ E X p ve ( P X n ) olasılığı,
1 1
1 1 0
( ) 1 ( ) 1
n( ) 1
n x1
n xx x x
P X n P X n P X x p q
p
q
1 1
1 1 (1 )
1
n n
n n
q q
p p q p
q p
dir. Markov eşitsizliğinden,
(1 p )
n P X ( n ) E X n ( ) / 1/( ) np veya (1 p )
n 1/ ( ) np şeklinde aranan eşitsizlik elde edilir.
Aynı olasılık fonksiyonu kullanılarak Jensen eşitsizliğine göre 0 için p 1 log( ) ( p p eşitsizliği de yazılabilir. Bunun için 1) x 0 için ( ) 1/ g x x fonksiyonu konveks olup, Jensen eşitsizliğine göre (1/ E X ) 1/ ( ) E X dir. ( ) 1/ g X X in beklenen değeri
1 1
1 1 1
1 1 log(1 )
( ) log( )
x x
x x x
p q q q p
E P X x p p p
X x x x q q
olup, ( ) 1/ E X p dir. Yani, Jensen eşitsizliğinden (1/ E X ) 1/ ( ) E X olup,
1 1 1
log( )
( ) 1/
E p p p
X q E X p
elde edilir. Buradan da, ( / ) log( ) p q p p dir. Ayrıca,
( / ) log( ) p q p p log( ) p q log( ) p q (1 p ) p 1
olduğundan log( ) ( p p elde edilir. 1)
4.3.5 a) Her n için ( n 1) 2 e
n/ n olduğunu gösteriniz.
b) Her n için (1/ 2
n1) (1/ ) n olduğunu gösteriniz.
Çözüm: a) X rasgele değişkeninin olasılık yoğunluk fonksiyonu,
, 0
( ) 0 , . .
x e
xx
f x d y
olarak verilmiş olsun. Buna göre,
( )
x(
x x)
n nx n x n
P X n
x e dx
x e
e
n e
e
dir. Ayrıca, ( ) E X (3) 2 olup Markov eşitsizliğinden, ( ) ( ) / 2 /
n n
n e
e
P X n E X n n
eşitsizliği yazılır. Eşitsizlik biraz daha düzenlendiğinde ( 1) 2 /
e
nn n veya ( n 1) 2 e
n/ n şeklinde aranan eşitsizlik elde edilir.
b) X rasgele değişkeninin olasılık fonksiyonu, P X ( x ) 1/ 2 ,
xx 1, 2,3,...
şeklinde verilmiş olsun. ( P X n ) olasılığı,
1 1
1 1
( ) ( )
2
x2
nx n x n
P X n
P X x
dir. Ayrıca,
1 1
( ) ( ) 2
2
xx x
E X
x P X x
x
olup yine Markov eşitsizliğinden,
1/ 2
n P X ( n ) E X ( ) / n 2 / n veya (1/ 2
n1) (1/ ) n eşitsizliği elde edilir.
4.3.6 Sonlu beklenen değere sahip herhangi iki rasgele değişken X ve Y olsun. Buna göre,
a) (min{ , }) min{ ( ), ( )} E X Y E X E Y b) (max{ , }) max{ ( ), ( )} E X Y E X E Y c) (min{ , } max{ , }) E X Y X Y E X ( ) E Y ( )
eşitsizliklerinin doğru olduğunu gösteriniz.
Çözüm: Önce,
min{ , } 0.5[( X Y X Y ) | X Y |] ve max{ , } 0.5[( X Y X Y ) | X Y |]
olduğunu hatırlayalım. ( ) | | g x x fonksiyonu konveks olup Jensen eşitsizliğinden,
| ( E X Y ) | E X Y (| |) dir. Buradan da
E X Y(| |) | (E X Y )|olup
( ) ( ) ( )E X Y E X Y E X E Y
eşitsizliği yazılabilir. Şimdi eşitsizliklerin ispatına geçebiliriz.
a) min{ , } X Y nin ifadesi Jensen eşitsizliği ile beraber kullanıldığında ( ( ) | | g x x fonksiyonu konvekstir),
(min{ , }) 0.5 ( ) (| |)
0.5[ ( ) ( ) | ( ) ( ) |] min{ ( ), ( )}
E X Y E X Y E X Y
E X E Y E X E Y E X E Y
elde edilir. Yani, (min{ , }) min{ ( ), ( )} E X Y E X E Y dir.
b) Benzer şekilde max{ , } X Y nin yukarıdaki ifadesi Jensen eşitsizliği ile beraber kullanıldığında,
(max{ , }) 0.5[ ( ) (| |)]
0.5[ ( ) ( ) | ( ) ( ) | max{ ( ), ( )}
E X Y E X Y E X Y
E X E Y E X E Y E X E Y
bulunur. Dolayısı ile, (max{ , }) max{ ( ), ( )} E X Y E X E Y dir.
c) min{ , } max{ , } X Y X Y X Y olduğundan, kolayca görüleceği gibi
(min{ , } max{ , }) ( ) ( ) ( )
E X Y X Y E X Y E X E Y dir.
4.3.7 Değer kümesi D
X { , ,..., } x x
1 2x
nolan X herhangi bir kesikli rasgele değişken, f ve g azalmayan fonksiyonlar olsun. Bu durumda
[ ( )] [ ( )] [ ( ) ( )]
E f X E g X E f X g X olduğunu gösteriniz.
Çözüm: X in olasılık fonksiyonu, x
1 x
2 ... x
niçin P X ( x
i) p
iolsun.
Buradan eşitsizliğin ispatı için,
1 1 1
( ) ( ) ( ) ( ) ( ) ( ) ( )
n n n
k k k k k k k
k k k
f x P X x g x P X x f x g x P X x
olduğunun gösterilmesi gerekir. f ve g azalmayan fonksiyonlar olduğundan 1 ve j n 1 k n için 0 { ( ) f x
k f x ( )}{ ( )
jg x
k g x ( )}
jdir. Buradan da,
f x g x ( ) ( )
k j f x g x ( ) ( )
j k f x g x ( ) ( )
j j f x g x ( ) ( )
k kyazılabilir. P X ( x
i) p
i 0 olduğundan, eşitsizliğin sol tarafı P X ( x P X
j) ( x
k) ile çarpılıp toplandığında
1 1
[ ( ) ( ) ( ) ( )] ( ) ( )
n n
k j j k j k
j k
f x g x f x g x P X x P X x
1 1
2
n n( ) ( ) (
k j j) (
k)
j k
f x g x P X x P X x
1 1
2
n( ) (
j k)
n( ) (
k k) ( ( )) ( ( ))
j k
f x P X x g x P X x E f X E g X
eşitliği elde edilir. Benzer şekilde, yukarıdaki eşitsizliğin sağ tarafı kullanıldığında
1 1
1 1 1 1
1
[ ( ) ( ) ( ) ( )] ( ) ( )
[ ( ) ( )] ( ) ( ) [ ( ) ( )] ( ) ( )
2 [ ( ) ( )] ( ) 2 [ ( ) ( )]
n n
j j k k k j
k j
n n n n
k k k j j j j k
k j j k
n
j j j
j
f x g x f x g x P X x P X x
f x g x P X x P X x f x g x P X x P X x f x g x P X x E f X g X
eşitliği elde edilir. Buradan da, bu iki eşitlik
( ) ( )
k j( ) ( )
j k( ) ( )
j j( ) ( )
k kf x g x f x g x f x g x f x g x
eşitsizliğinde kullanıldığında, [ ( )] [ ( )] E f X E g X E f X g X [ ( ) ( )] eşitsizliği elde edilir. Bu eşitsizlik literatürde, Chebyshev Lemması olarak bilinir (Chebyshev eşitsizliği ile karıştırılmasın). Fonksiyonlardan biri azalmayan diğer artmayan ise eşitsizlik yön değiştirir.
4.3.8. Beklenen değeri sıfır, varyansı
2olan bağımsız rasgele değişkenler
1 2
, ,...,
ne e e olsun ( E e ( ) 0
i ve Var e ( )
i
2). x i
i, 1, 2,3,..., n
rasgele olmayan değişkenler olmak üzere, Y
i x
i e i
i, 1, 2,3,..., n
modelini göz önüne alalım.
Buradan,
1 1 2
1 1
ˆ
n ni i i
i i
x x Y
1
2 1 1
ˆ
n ni i
i i
x Y
31
ˆ 1
n( / )
i ii
n Y x
rasgele değişkenlerinin varyansları sırası ile,
1 2 2 11
ˆ
ni i
Var x
,
2 2 21
ˆ
ni i
Var n x
,
3 22 21
ˆ
n1
i i
Var n x
dir. Bu varyansları küçükten büyüğe doğru sıralayınız.
Çözüm: Cauchy-Schwartz eşitsizliğinden
1 2
2
1 1
n n
i i
i i
x n x
ve
2 1
2 2
1 1
1 1
n n
i i i i
x n x
olduğunu biliyoruz (Örnek (4.2.1)). Buradan Var ( ) ˆ
1 Var ( ˆ
2)
ve Var ( ˆ
1) Var ( ˆ
3)
dir. Yani, Var ( ˆ
1)
diğer iki varyansdan da küçüktür. Var ( ˆ
2)
ve Var ( ˆ
3)
arasındaki sıralamaya bakalım. X rasgele değişkeninin olasılık fonksiyonu,
(
i) 1 , 1, 2,3,...,
P X x i n
n
olarak verilmiş olsun. Buna göre, g x ( ) 1/ x
2fonksiyonu konvekstir. Jensen eşitsizliğinden ( ( )) E g X g E X ( ( )) olup beklenen değerler,
21 1
1 1
( )
n( ) (
i i)
ni i i
E g X g x P X x
n x
ve
1 1( )
n i(
i) 1
n ii i
E X x P X x x
n
şeklinde hesaplanmıştır. Jensen eşitsizliğine göre,
2
2 2 21 1 1
1 1 1
( )
n( )
n i n ii i i i
E g X g E X x n x
n x n
eşitsizliği yazılabilir. Buradan,
2 2
2
2 2 2
1 1 1 1
1
n1
n n1
n1
i i
i i i i i i
n x n x
n x n x
bulunur. Yani, Var ( ˆ
2) Var ( ˆ
3)
dır. Bu eşitsizlikler birleştirildiğinde,
1 2 2 1
2 2 2 22 2
31 1 1
ˆ
nˆ
n n1 ˆ
i i
i i i i
Var x Var n x Var
n x
sıralaması elde edilir. Yani, Var ( ˆ
1) Var ( ˆ
2) Var ( ˆ
3) dir.
4.3.9 X ve Y rasgele değişkenleri için ( ) E X E Y ( ) 0 , Var X ( ) Var Y ( ) 1 ve X ile Y arasındaki korelasyon olsun. Bu durumda,
2 2 2
(max{ , }) 1 1 E X Y
olduğunu gösteriniz (Öztürk, 1993, sayfa 298).
Çözüm: Önce, Problem (4.3.7) de verilen max{ , } 0.5 [( X Y X Y ) | X Y |] ifadesi X
2ve Y
2rasgele değişkenleri için
2 2 2 2 2 2
max{ X Y , } 0.5[( X Y ) | X Y |]
şeklinde düzenlendiğinde, X
2 Y
2 X Y X Y olup Cauchy-Schwartz eşitsizliği de X
2ve Y
2rasgele değişkenleri için,
2 2 2 2 2
[ (| E X Y |)] [ (| E X Y |) ][ (| E X Y |) ] şeklinde yazılır. Buradan da,
2 2 2 2 2 2
2 2 2 2
(max{ , }) 1 [ ( ) (| |)]
2
1 1
[ (| |) 2] 1 (( ) ) (( )
2 2
E X Y E X Y E X Y
E X Y E X Y E X Y
eşitsizliğine ulaşılmış olur. Ayrıca,
2 2
2 2 2 2
2
(( ) ) (( ) )
[ ( ) 2 ( ) ( )][ ( ) 2 ( ) ( )]
2 2 2 2 4(1 )
E X Y E X Y
E X E XY E Y E X E XY E Y
dir. Dolayısı ile aranan eşitsizlik,
max 2,
2 1 1 2 ( )2 ( )
2 1 1 2 4 1
2 1 1
2
( )
2 1 1 2 4 1
2 1 1
2E X Y E X Y E X Y
den E (max{ X Y
2,
2}) 1 1
2olarak bulunmuş olur.
4.3.10 X ve Y aralarındaki korelasyon olan herhangi iki rasgele değişken olsun.
0 için E X ( )
x, ( ) E Y
y, Var X ( )
x2ve Var Y ( )
2yolmak üzere,
|
x|
xveya |
y|
y 1
21 1
2P X Y
olduğunu gösteriniz (Öztürk, 1993, sayfa 299).
Çözüm: Eşitsizliğin sol tarafındaki olasılık açık olarak
2 2
2 2
2 2 2
veya
veya max ,
x x y y
y y
x x
x y x y
P X Y
Y Y
X X
P P
şeklinde yazılır. Markov eşitsizliğinden de,
2 2
2 2
2 2
2 2
max , 1 max ,
1 1 1
y y
x x
x y x y
Y Y
X X
P
E
bulunur. Böylece,
2 2