Rasgele Vektörlerde Beklenen Değer ve Kovaryans Tanım 1 (X X1, 2...,Xn) bir rasgele vektör ve g : n
ye bir fonksiyon olmak üzere, kesikli dağılımlarda
1 2 1 2 1 2 , ,..., 1 2 ... , ,..., ( , ,..., ) n n n X X X n x x x g x x x f x x x
toplamının ve sürekli dağılımlarda
1 2 1 2 , ,..., 1 2 1 2 ... g , ,..., , ,..., ... n n X X X n n x x x f x x x dx dx dx
integralinin sonlu olması halinde,
1 2 1 2 1 2 1 2 , ,..., 1 2 1 2 1 2 , ,..., 1 2 1 2 ... , ,..., ( , ,..., ) , ,..., = ... g , ,..., , ,..., ... n n n n X X X n x x x n n X X X n n g x x x f x x x E g X X X x x x f x x x dx dx dx
sayısına g X X
1, 2,...,Xn
‘nin beklenen değeri denir.Tanım 2 (X X1, 2...,Xn) bir rasgele vektör olmak üzere, j 1, 2,...,n için
1, 2,..., 1 2 1 1 1 1 2 1 1 1 , ,..., 1 2 ( )= = ... , ,..., ... ...( )
...
...
( ,
,...,
)
n j j X X X n j j n j n j n j j j j X j n j X X X x x x x x j X j j E X x f x x x dx dx dx dxx f
x
x f
x x
x
x f
x dx
sayısı Xj nin beklenen değeri olmak üzere,
( i, j) i ( i) ( j ( j)) , , 1, 2,...,
Cov X X E X E X X E X i j n
sayısına X ilei Xj ‘nin kovaryansı denir. j 1, 2,...,n için Cov X( j,Xj) Var X( j) olmak
üzere , 1 1 1 2 1 2 1 2 2 2 1 2 ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) n n n n n n
Cov X X Cov X X Cov X X
Cov X X Cov X X Cov X X
Cov X X Cov X X Cov X X
matrisine X X1, 2...,X rasgele değişkenlerinin varyans-kovaryans matrisi denir. n
. Kovaryans ij ( ij Cov X X( i, j)) ile de gösterilir. j 1, 2,...,n için
( , ) ( )
jj Cov Xj Xj Var Xj dır.
Tanım 3 (X X1, 2...,Xn) bir rasgele vektör olmak üzere,
, ( , ) , , 1, 2,..., ( ) ( ) i j i j i j X X Cov X X i j n Var X Var X
1 2 1 2 1 2 1 2 , , , , , , 1 1 1 n n n n X X X X X X X X X X X X R
matrisine X X1, 2...,X rasgele değişkenlerinin korelasyon matrisi denir. n
Teorem 1 a) Cov X X( i, j) E X X( i j) E X E X( i) ( j) b) a b c d, , , olmak üzere, ( i , j ) ( i, j) Cov aX b cX d acCov X X , , b b i j i j aX cX X X ac a c dır. İspat: (Ödev)
Örnek 1 X X X rasgele değişkenlerinin ortak olasılık fonksiyonu, 1, 2, 3
1 2 3 1 2 , , 1 2 3 1 2 3 3 1, 2 0,1, 2 1 ( , , ) ( ) , 1, 2 45 X X X x x f x x x x x x x olsun. 1 2 3 1 2 3 1 2 3 1 2 3 2 2 2 2 2 2 2 1 1 , , 1 2 3 1 1 2 3 1 2 3 1 0 1 1 0 1 1 1 ( ) ( , , ) ( ) ( ) 45 45 X X X x x x x x x x x x E X x f x x x x x x x x x x 1 2 1 2 2 2 2 2 1 2 1 1 0 1 1 1 5 (2 3) 15 45x x 45x 3 x x x
1 2 3 1 2 3 1 2 3 2 2 2 1 2 1 2 , , 1 2 3 1 2 1 2 3 1 0 1 1 ( ) ( , , ) ( ) 45 X X X x x x x x x E X X x x f x x x x x x x x 1 2 3 2 2 2 2 2 1 2 2 3 1 0 1 1 ( ) 45x x x x x x x 1 2 1 2 2 2 2 2 2 1 2 2 1 1 0 1 1 19 19 (2 3 ) 45x x 45x 9 x x x x
olmak üzere, bu değeri (X X1, 2) vektörünün marjinal dağılımından (X ile 1 X ‘nin marjinal 2 ortak dağılımından) da bulabiliriz. X ile 1 X ‘nin marjinal ortak olasılık fonksiyonu, 2
1 2 1 2 3 3 3 2 1 , 1 2 , , 1 2 3 1 2 3 1 2 1 2 1, 2 1 1 ( , ) ( , , ) ( ) (2 3) , 0,1, 2 45 45 X X X X X x x x f x x f x x x x x x x x x olmak üzere, olasılık tablosu
1 x x 2 0 1 2 fX1( )x =1 1 1 ( ) P X x 1 3/45 5/45 7/45 15/45 2 6/45 10/45 14/45 30/45 2( 2) X f x = 2 2 ( ) P X x 9/45 15/45 21/45 1 olup, 1 2 1 2 2 2 1 2 1 2 , 1 2 1 0 ( ) X X ( , ) x x E X X x x f x x 1, 2 1, 2 1, 2 1, 2 1, 2 1, 2 1 0 fX X (1, 0) 1 1 fX X (1,1) 1 2 fX X (1, 2) 2 0 fX X (2, 0) 2 1 fX X (2,1) 2 2 fX X (2, 2) 3 5 7 6 10 14 1 0 1 1 1 2 2 0 2 1 2 2 45 45 45 45 45 45 95 19 45 9 dır. Tablodan görüldüğü gibi, X ‘nin marjinal dağılımının olasılık tablosu, 2
2 x 0 1 2 2( )2 X f x 9/45 15/45 21/45 olup, 2 9 15 21 57 ( ) 0 1 2 45 45 45 45 E X 2 2 2 2 2 9 15 21 99 ( ) 0 1 2 45 45 45 45 E X 2 2 2 2 2 2 2 99 57 1206 ( ) ( ) ( ( )) ( ) 45 45 2025 Var X E X E X dır.
1 2 1 2 3 3 3 2 1 , 1 2 , , 1 2 3 1 2 3 1 2 1 2 1, 2 1 1 ( , ) ( , , ) ( ) (2 3) , 0,1, 2 45 45 X X X X X x x x f x x f x x x x x x x x x olmak üzere, olasılık tablosu
1 x x 2 0 1 2 fX1( )x =1 1 1 ( ) P X x 1 3/45 5/45 7/45 15/45 2 6/45 10/45 14/45 30/45 2( 2) X f x = 2 2 ( ) P X x 9/45 15/45 21/45 1
olduğunu bulmuştuk. Ayrıca,
1 5 ( ) 3 E X , 2 1 ( ) 3 E X , ( 1) 2 9 Var X 2 57 ( ) 45 E X , 22 76 ( ) 45 E X , 2 171 ( ) 2025 Var X 1 2 19 ( ) 9 E X X olmak üzere, 1 2 1 2 1 2 19 5 57 32 ( , ) ( ) ( ) ( ) 9 7 45 21 Cov X X E X X E X E X
değerlerini böyle bir tablodan kolayca hesapladık.
Benzer şekilde, X ile 2 X ‘ün marjinal ortak olasılık fonksiyonu, 3
2 3 1 2 3 1 1 2 2 , 2 3 , , 1 2 3 1 2 3 2 3 1 3 0,1, 2 1 1 ( , ) ( , , ) ( ) ( ) , 1, 2 45 15 X X X X X x x x f x x f x x x x x x x x x
olup, olasılık tablosu,
2 3 30 ( ) 2 15 E X X 2 3 2 3 2 3 19 8 2 ( , ) ( ) ( ) ( ) 2 15 5 75 Cov X X E X X E X E X dır. 1
X ile X ‘ün marjinal ortak olasılık fonksiyonu, 3
1 3 1 2 3 2 2 2 1 , 2 3 , , 1 2 3 1 2 3 1 3 0 3 1, 2 1 1 ( , ) ( , , ) ( ) (1 ) , 1, 2 45 15 X X X X X x x x f x x f x x x x x x x x x
olup, olasılık tablosu,
3 x x 1 1 2 fX3( )x =3 3 3 ( ) P X x 1 2/15 4/15 6/15 2 3/15 6/15 9/15 1( )1 X f x =P X( 1 x 1) 5/15 10/15 1 ve 1 5 ( ) 3 E X , 3 8 ( ) 5 E X , 1 2 40 ( ) 15 E X X 1 3 1 3 1 3 40 5 8 ( , ) ( ) ( ) ( ) 0 15 3 5 Cov X X E X X E X E X dır. 1, 2, 3
X X X rasgele değişkenlerinin varyans-kovaryans matrisi
1 1 1 2 1 3 1 1 2 1 3 2 1 2 2 2 3 2 1 2 2 3 3 1 3 2 3 3 3 1 3 2 3 ( , ) ( , ) ( , ) ( ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( )
Cov X X Cov X X Cov X X Var X Cov X X Cov X X
Cov X X Cov X X Cov X X Cov X X Var X Cov X X
Cov X X Cov X X Cov X X Cov X X Cov X X Var X
32 21 1 0 2 171 9 2025 2 32 75 21 1 2 171 171 6 9 2025 2025 25 2 75 0 1 171 6 2025 25 R = 1 0.61644 0 0.61644 1 0.18732 0 0.18732 1 elde edilir.
Tanım 4 (X X1, 2...,Xn) bir rasgele vektör olmak üzere (var olması halinde), 1 1 2 2 1 2 ... ) , ..., ( , ..., )1 2 , 1, ...,2 n n n t X t X t X X X X n n M t t t E e h t t t h
fonksiyonuna (X X1, 2...,Xn) vektörünün veya X X1, 2...,X rasgele değişkenlerinin ortak n dağılımının moment çıkaran fonksiyonu denir.
Teorem 2 X X1, 2...,X rasgele değişkenleri bağımsız olduğunda, n
1( 1) 2( 2)... (n n) 1( 1) 2( 2) ... n( n) E g X g X g X E g X E g X E g X dır. İspat: 1 2 1 2 1( 1) 2( 2)... ( ) ... 1( )1 2( )...2 ( ) , ,..., n( ,1 2,..., ) n n n n n X X X n x x x E g X g X g X g x g x g x f x x x 1 2 1 2 1( )1 ( )1 2( )2 ( ).... 2 ( ) n( ) n X X n n X n x x x g x f x g x f x g x f x E g X1( 1) E g X2( 2) ...E g Xn( n)
Sürekli haldeki ispatta toplamın yerini integral almaktadır.
1, 2..., n 1 2 ... n E X X X E X E X E X ( i, j) ( i j) ( i) ( j) ( i) ( j) ( i) ( j) 0 Cov X X E X X E X E X E X E X E X E X , i j , i j, 1, 2,...,n , ( , ) 0 , , , 1, 2,..., ( ) ( ) i j i j i j X X Cov X X i j i j n Var X Var X 1 2 1 1 2 2 1 1 2 2 1 2 1 2 ) , ...,
( , ..., )
1 2...
...
( ) ( )... n( ) n n n n n X X X n t X t X t X t X t X t X n X X X M t M t M tM
t t
t
E e
e
e
E e
E e
E e
dır.Ortak dağılıma sahip olan X Y, gibi iki rasgele değişken için tanımlanan,
, ( , ) ( ) ( ) X Y Cov X Y Var X Var Y
korelasyon katsayısına, Pearson korelasyon katsayısı denir. X Y, korelasyon katsayısı X ile Y
rasgele değişkenleri arasındaki lineer ilişkinin bir ölçüsüdür. İleride
, 1
1
X Yolduğunun ispatını da öğreneceksiniz. X Y, 0 olduğunda X ile Yrasgele değişkenlerine
ilişkisizdir denir. X Y, korelasyon katsayısı 1 yakın olduğunda X ile Y arasında güçlü pozitif ilişki, -1 ‘e yakın olduğunda güçlü negatif ilişki vardır denir. Şimdi, iki rasgele değişkenin bağımsızlığını ve X Y, korelasyon katsayısını örnekler üzerinde irdeleyelim.
Örnek 2 (X Y, ) rasgele vektörünün dağılımı, başka bir ifade ile X Y, rasgele değişkenlerinin ortak dağılımı aşağıdaki olasılık tablosu ile verilsin.
x y 0 1 2 fX( )x 0 1/8 1/8 1/8 3/8 1 1/8 0 1/8 2/8 2 1/8 1/8 1/8 3/8 ( ) Y f y 3/8 2/8 3/8 1
, 1,1 0 X Y f , (1) 2 8 X f , (1) 2 8 Y f olmak üzere,
, 1,1 1 1 X Y X Y f f f( ) 1
E XY , Cov X Y( , ) E XY( ) E X E Y( ) ( ) 0 olup,
, 0
X Y
dır. Görüldüğü gibi korelasyon katsayısı X Y, 0 olan iki rasgele değişken bağımsız olmayabilir. İki rasgele değişkenin bağımsızlığı ile ilişkisizliği arasında,
ile
X Y bağımsız X Y, 0 önermesi doğrudur.
Korelasyon katsayısının büyüklüğünü irdeleyelim
x y 0 1 2 fX( )x 0 3/8 0 0 3/8 1 0 2/8 0 2/8 2 0 0 3/8 3/8 ( ) Y f y 3/8 2/8 3/8 1 ( ) 1 E X , ( 2) 14 8 E X , ( ) 6 8 Var X ( ) 1 E Y , ( 2) 14 8 E Y , ( ) 6 8 Var Y 14 ( ) 8 E XY , ( , ) ( ) ( ) ( ) 6 8 Cov X Y E XY E X E Y olup, , 6 8 1 6 6 8 8 X Y
dır. Görüldüğü gibi, P X( Y) P X( Y 0) 1, yaniX ile Y arasında tam bir lineer ilişki olmak üzere, korelasyon katsayısı X Y, 1 dır. X ile Y rasgele değişkenleri arasında pozitif bir ilişki söz konusudur. Rasgele değişkenlerden biri büyük değer aldığında diğeri de büyük, biri küçük değer aldığında diğeri de küçük değer almaktadır.
olup, , 5 5 8 0.83 %83 6 6 6 8 8 X Y
dır. X ile Y rasgele değişkenleri arasında oldukça güçlü pozitif bir lineer ilişki söz konusudur.
x y 0 1 2 fX( )x 0 0 1/8 2/8 3/8 1 0 1/8 1/8 2/8 2 3/8 0 0 3/8 ( ) Y f y 3/8 2/8 3/8 1 olması durumunda, ( ) 1 E X , 2 14 ( ) 8 E X , ( ) 6 8 Var X ( ) 1 E Y , ( 2) 14 8 E Y , ( ) 6 8 Var Y 3 ( ) 8 E XY , ( , ) ( ) ( ) ( ) 5 8 Cov X Y E XY E X E Y olup, , 5 5 8 0.83 %83 6 6 6 8 8 X Y
dır. X ile Y rasgele değişkenleri arasında oldukça güçlü negatif bir lineer ilişki söz konusudur.
dır. X ile Y rasgele değişkenleri arasında tam negatif bir lineer ilişki söz konusudur. x y 0 1 2 fX( )x 0 1/8 1/8 1/8 3/8 1 0 1/8 1/8 2/8 2 2/8 0 1/8 3/8 ( ) Y f y 3/8 2/8 3/8 1 olması durumunda, ( ) 1 E X , ( 2) 14 8 E X , ( ) 6 8 Var X ( ) 1 E Y , ( 2) 14 8 E Y , ( ) 6 8 Var Y 7 ( ) 8 E XY , ( , ) ( ) ( ) ( ) 1 8 Cov X Y E XY E X E Y olup, , 2 1 8 0.33=-%33 3 6 6 8 8 X Y
dır. X ile Y rasgele değişkenleri arasında zayıf, negatif bir lineer ilişki söz konusudur. Marjinal dağılımları aynı olan yukarıdaki olasılık dağılımlarını, korelasyon katsayıları ile birlikte bir kez daha göz önüne alalım.
2 3/8 0 0 , %83 X Y x y 0 1 2 0 1/8 1/8 1/8 1 0 1/8 1/8 2 2/8 0 1/8 , = - %33 X Y x y 0 1 2 0 1/8 1/8 1/8 1 1/8 0 1/8 2 1/8 1/8 1/8 , =0 X Y ve x y 0 1 2 fX( )x 0 9/64 6/64 9/64 3/8 1 6/64 4/64 6/64 2/8 2 9/64 6/64 9/64 3/8 ( ) Y f y 3/8 2/8 3/8 1
olması durumunda X ile Y rasgele değişkenleri bağımsız (ortak olasılıklar marjinallerin çarpımı) olduğundan X Y, =0 dır.
Örnek 3 (X Y Z, , ) rasgele vektörünün olasılık yoğunluk fonksiyonu,
, , ( ) , 0 1 , 0 1 , 0 ( , , ) 0 , . . z X Y Z x y e x y z f x y z d y
olsun. ve (X Y Z, , ) vektörünün varyans-kovaryans matrisi ile korelasyon matrisini bulalım.
X ‘in marjinal olasılık yoğunluk fonksiyonu,
1 4 3 2 2 2 0 1 0 1 1 5 ) 2 4 2 3 12 ( ) ( ) ( x X x x x dx E X f x dx x x 2 2 5 7 2 11 ( ) ( ) ( ( )) ( ) 12 12 144 Var X E X E X dır.
Y ‘nin marjinal olasılık yoğunluk fonksiyonu,
1 0 0 ( ) ( ) z Y f y x y e dxdz 1 2 0 1 1 0 0 0 ( ) ( ) ( ) 2 1 2 z x x y x y dy e dz x y dx y , 0<x<1 ve 1 3 2 0 1 0 1 1 7 ) 2 3 2 2 12
( )
( )
(
y Y y y dyE Y
yf
y dy
y y
1 4 3 2 2 2 0 1 0 1 1 5 ) 2 4 2 3 12(
)
( )
(
y Y y y y y dyE Y
f
y dy
y
2 2 5 7 2 11 ( ) ( ) ( ( )) ( ) 12 12 144 Var Y E Y E Y dır.Z ‘nin marjinal olasılık yoğunluk fonksiyonu,
1 1 1 1 0 0 0 0 ( ) ( ) z z ( ) Z e f z x y e dxdy x y dxdy 1 1 2 1 0 0 0 ( ) 1 , 0 2 2 z z z x x y e dy e y dy e z
olup, Z rasgele değişkeni 1 parametreli üstel dağılıma sahiptir ve ( ) 1 E Z ( ) 1 Var Z dır. ile
X Y nin ortak marjinal olasılık yoğunluk fonksiyonu,
0
, ( , ) ( ) , 0 1 , 0 1
z
X Y x y e dz x y x y
olmak üzere,
, , ( , , ) , ( , ) ( )
X Y Z X Y Z
f x y z f x y f z
dır. Z rasgele değişkeni X ile Y rasgele değişkenlerinden bağımsızdır. Buna göre,
( , ) 0 ( , ) 0 Cov X Z Cov Y Z dır. ( , )
Cov X Y hesabına gelince,
, ( ) X Y( , )dxdy E XY xyf x y 1 1 1 1 2 2 0 0 0 0 ( ) ( ) 3 2 x x x xy x y dxdy y y dy 1 1 2 3 0 0 1 1 ( ) 3 2 6 6 y 3 y y y y dy olmak üzere, 1 7 7 1 ( ) ( ) ( ) ( ) 3 12 12 48 Cov XY E XY E X E Y dır.
(X Y Z, , ) rasgele vektörünün varyans-kovaryans matrisi
( ) ( , ) ( , )
( , ) ( ) ( , )
( , ) ( , ) ( )
Var X Cov X Y Cov X Z
Cov Y X Var Y Cov Y Z
Cov Z X Cov Z Y Var Z
1 48 1 0 11 11 144 144 1 48 1 0 11 11 144 144 0 0 1 R = 1 -0.27273 0 -0.27273 1 0 0 0 1
olarak elde edilir.
Teorem 3 X X1, 2...,X rasgele değişkenlerin beklenen değerleri ve kovaryansları mevcut n olsun. a a1, 2,...,an olmak üzere,
a) 1 1 ( ) n n i i i i i i E a X a E X b) 2 1 1 1 1 1 1 ( , ) ( ) 2 ( , ) n n n n n n i i i j i j i i i j i j i i j i i j i
Var a X a a Cov X X a Var X a a Cov X X
dır.
İspat: (Ödev)
Sonuç 1: X X1, 2...,X rasgele değişkenleri bağımsız olduğunda, n
1 1 ( ) n n i i i i Var X Var X dır.
Sonuç 2: X X rasgele değişkenleri bağımsız olduğunda, 1, 2
1 2 1 2
( ) ( ) ( )
Var X X Var X Var X