🎓 10. Sınıf Tema 7: Veriden Olasılığa Test 2 - Ders Notu
Bu ders notu, 10. sınıf "Veriden Olasılığa" temasının 2. testinde karşılaşabileceğin veri analizi ve olasılık konularını sade bir dille özetler. Özellikle merkezi yayılım ölçüleri, koşullu olasılık ve bağımlı/bağımsız olaylar üzerinde duracağız.
📌 Merkezi Eğilim Ölçüleri (Kısa Tekrar)
Veri setindeki sayıların nerede toplandığını gösteren ölçülerdir. Genellikle veri setini temsil etmek için kullanılırlar.
- Aritmetik Ortalama: Tüm verilerin toplamının veri sayısına bölünmesiyle bulunur. Günlük hayatta "ortalama not" veya "ortalama hız" gibi kullanılır.
- Medyan (Ortanca): Veriler küçükten büyüğe sıralandığında tam ortadaki değerdir. Eğer veri sayısı çiftse, ortadaki iki sayının ortalaması alınır. Aşırı uç değerlerden etkilenmez.
- Mod (Tepe Değer): Veri setinde en çok tekrar eden değerdir. Bir veri setinin birden fazla modu olabilir veya hiç modu olmayabilir.
📌 Merkezi Yayılım Ölçüleri
Verilerin birbirine ne kadar yakın veya uzak olduğunu, yani ne kadar dağınık olduğunu gösteren ölçülerdir. Veri setinin homojenliği hakkında bilgi verir.
- Açıklık (Ranj): Veri setindeki en büyük değer ile en küçük değer arasındaki farktır. Verinin ne kadar geniş bir aralığa yayıldığını gösterir.
- Çeyrekler Açıklığı: Veri setini dört eşit parçaya bölen değerlerdir. Üçüncü çeyreklik ($Q_3$) ile birinci çeyreklik ($Q_1$) arasındaki farktır. $Q_3 - Q_1$ şeklinde hesaplanır. Aşırı uç değerlerden daha az etkilenir.
- Standart Sapma: Verilerin aritmetik ortalamadan ne kadar saptığını, yani ne kadar uzaklaştığını gösteren en önemli yayılım ölçüsüdür. Standart sapma küçükse veriler ortalamaya yakın, büyükse veriler ortalamadan uzaktır ve daha dağınıktır.
💡 İpucu: Standart sapma hesaplaması biraz karışıktır ama mantığını anlamak önemlidir. Küçük standart sapma, daha tutarlı ve güvenilir veri anlamına gelir (örneğin, bir sporcunun atışları daha tutarlıdır).
⚠️ Dikkat: Standart sapma hesaplamak için önce aritmetik ortalamayı ($\bar{x}$) bulmalı, her bir verinin ($x_i$) ortalamadan farkının karesini alıp toplamalı, veri sayısının ($n$) bir eksiğine bölüp karekökünü almalısın. Formülü: $s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}$
📌 Olasılık Kavramları ve Koşullu Olasılık
Olasılık, bir olayın gerçekleşme şansını ölçer. Koşullu olasılık ise, bir olayın başka bir olayın gerçekleştiği bilindiğinde meydana gelme olasılığıdır.
- Örnek Uzay ($E$): Bir deneyde ortaya çıkabilecek tüm olası sonuçların kümesidir. Örneğin, bir zar atıldığında örnek uzay $E = \{1, 2, 3, 4, 5, 6\}$'dır.
- Olay ($A$): Örnek uzayın herhangi bir alt kümesidir. Örneğin, zarın çift gelmesi olayı $A = \{2, 4, 6\}$'dır.
- Basit Olasılık: Bir olayın gerçekleşme olasılığı, o olayın eleman sayısının ($s(A)$) örnek uzayın eleman sayısına ($s(E)$) oranıdır. $P(A) = \frac{s(A)}{s(E)}$
- Koşullu Olasılık: $A$ olayının, $B$ olayı gerçekleştiği bilindiğinde gerçekleşme olasılığı $P(A|B)$ şeklinde gösterilir ve şu formülle hesaplanır: $P(A|B) = \frac{P(A \cap B)}{P(B)}$, burada $P(B) \neq 0$ olmalıdır.
Günlük hayatta "Hava yağmurluysa şemsiye alma olasılığım nedir?" gibi düşünülebilir.
💡 İpucu: Koşullu olasılıkta, örnek uzayın $B$ olayının gerçekleştiği durumla sınırlı olduğunu düşünmek işini kolaylaştırır.
📌 Bağımlı ve Bağımsız Olaylar
İki olayın birbirini etkileyip etkilemediği bu kavramlarla açıklanır.
- Bağımsız Olaylar: Bir olayın gerçekleşmesi veya gerçekleşmemesi, başka bir olayın gerçekleşme olasılığını etkilemiyorsa bu olaylar bağımsızdır.
Örneğin, bir madeni parayı atmak ile bir zar atmak bağımsız olaylardır.
İki bağımsız olayın birlikte gerçekleşme olasılığı: $P(A \cap B) = P(A) \cdot P(B)$
- Bağımlı Olaylar: Bir olayın gerçekleşmesi, başka bir olayın gerçekleşme olasılığını etkiliyorsa bu olaylar bağımlıdır.
Örneğin, bir torbadan çekilen topun rengine bakılıp geri konulmaması, ikinci çekilişin olasılığını etkiler.
İki bağımlı olayın birlikte gerçekleşme olasılığı: $P(A \cap B) = P(A) \cdot P(B|A)$ (A'nın gerçekleştiği bilindiğinde B'nin olasılığı)
⚠️ Dikkat: Koşullu olasılık ile bağımlı olaylar arasında yakın bir ilişki vardır. Eğer $P(A|B) = P(A)$ ise, $A$ ve $B$ olayları bağımsızdır. Yani $B$'nin gerçekleşmesi $A$'nın olasılığını değiştirmiyorsa bağımsızlardır.
📌 Bileşik Olayların Olasılığı
Birden fazla olayın bir araya gelmesiyle oluşan olayların olasılıklarıdır.
- Birleşim Olayı ($A \cup B$): $A$ olayının veya $B$ olayının veya her ikisinin birden gerçekleşme olasılığıdır.
$P(A \cup B) = P(A) + P(B) - P(A \cap B)$
Eğer $A$ ve $B$ ayrık olaylarsa (yani aynı anda gerçekleşemiyorlarsa, $A \cap B = \emptyset$), o zaman $P(A \cup B) = P(A) + P(B)$ olur.
- Kesişim Olayı ($A \cap B$): $A$ olayının ve $B$ olayının aynı anda gerçekleşme olasılığıdır.
Bağımsız olaylar için $P(A \cap B) = P(A) \cdot P(B)$ olduğunu yukarıda belirtmiştik.
Bağımlı olaylar için $P(A \cap B) = P(A) \cdot P(B|A)$ veya $P(A \cap B) = P(B) \cdot P(A|B)$ kullanılır.
- Tümleyen Olay ($A'$ veya $A^c$): Bir $A$ olayının gerçekleşmeme olasılığıdır.
$P(A') = 1 - P(A)$
📝 Unutma: Olasılık değerleri her zaman $0$ ile $1$ arasında olmalıdır ($0 \le P(A) \le 1$). $0$ imkansız olayı, $1$ kesin olayı temsil eder.
