İçeriğe atla

F-dağılımı

Fisher-Snedecor
Olasılık yoğunluk fonksiyonu
Yığmalı dağılım fonksiyonu
Parametreler serbestlik derecesi
Destek
Olasılık yoğunluk fonksiyonu (OYF)
Birikimli dağılım fonksiyonu (YDF)
Ortalama eğer
Medyan
Mod eğer
Varyans eğer
Çarpıklık
burada
Fazladan basıklıkMetine bakın
Entropi
Moment üreten fonksiyon (mf) Momentler icin metine bakın
Karakteristik fonksiyon

Olasılık kuramı ve istatistik bilim kollarında, F-dağılımı bir sürekli olasılık dağılımdır. Bu dağılımı ilk bulan istatistikçiler olan R.A. Fisher veGeorge W. Snedecor adlarına bağlı olarak Snedecor'un F dağılımı veya Fisher-Snedecor dağılımı olarak da anılmaktadir.

F-dagılımı için rassal değişir, iki ki-kare dağılım gösteren değişirin oranı olarak ortaya çıkar:

burada

  • U1 ve U2 aynı sırayla d1 ve d2 serbestlik derecesi gösteren ki-kare dağılımları ve
  • U1 ve U2 bağımsızdırlar (Bir uygulama için Cochran'in teoremine bakın).

Böylelikle F-dağılımı. d1 birinci veya alt serbestlik derecesi ve d2, ikinci veya üst serbestlik derecesi parametreleri ile tam olarak tanımlanır.

F-dağılımı çok sık olarak bir test istatistiğinin sıfır hipotezi olarak pratikte kullanılır. Bu pratik kullanış en çok tanınmış şekilde, çok zaman F-testi olarak anılarak, varyanslar analizindedir. Daha az tanınmış kullanış alanları ise olunabilirlilik-oranı testlerindedir.

F-dağılımı için beklenen değer, varyans ve çarpıklık katsayısı için formüüller yukarıdaki bilgi-kutusunda verilmiştir. İkinci serbestlik derecesi ise basıklık katsayısı şöyle ifade edilir:

F(d1, d2) ifadesi ile açıklanan F-dağılımı gösteren bir rassal değişken için olasılık yoğunluk fonksiyonu şöyledir:

Burada x ≥ 0 bir reel; d1 ve d2 serbestlik dereceleri adı ile anılan pozitif tamsayılar; ve B bir beta fonksiyonu olur.

Yığmalı dağılım fonksiyonu şöyle ifade edilir:

Burada I tanzim edilmiş tamam olmayan beta fonksiyonu olur.

Genelleştirme

(Merkezsel) F-dağılımının bir genelleştirilmesi merkezsel olmayan F-dağılımıdır.

İlişkili dağılımlar ve özellikler

  • Eğer o zaman ifade edilen bir ki-kare dağılımı gosterir.
  • ölçeği değiştirilmiş Hotelling'in T-kare dağılımı ile, yani ile tıpatıp aynıdır.
  • F-dağılımının ilgi çeken bir özelliği, ise olmasıdır.

Dış bağlantılar

  • [1] 17 Şubat 2021 tarihinde Wayback Machine sitesinde arşivlendi. F-dağılımı için kritik değerler tablosu.
  • [2] 17 Şubat 2021 tarihinde Wayback Machine sitesinde arşivlendi. F-dağılımı kullanarak online hipotez sınama.
  • [3]29 Ocak 2007 tarihinde Wayback Machine sitesinde arşivlendi. Dağılım hesaplayıcısı: Normal dağılım, t-dağılımı, ki-kare-dağılımı and F-dağılımı için olasılıklar ve kritik değerler hesaplayıcısı
  • [4] Fisher'in F-dağılımı için yığmalı olasılık fonksiyonu hesaplayıcısı.
  • [5] Fisher'in F-dağılımı için olasılık yoğunluk fonksiyonu hesaplayıcisı.

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">Student'in t dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında t-dağılımı ya da Student'in t dağılımı genel olarak örneklem sayısı veya sayıları küçük ise ve anakütle normal dağılım gösterdiği varsayılırsa çıkartımsal istatistik uygulaması için çok kullanılan bir sürekli olasılık dağılımıdır. Çok popüler olarak tek bir anakütle ortalaması için güven aralığı veya hipotez sınaması ve iki anakütle ortalamasının arasındaki fark için güven aralığı veya hipotez sınamasında, yani çıkarımsal istatistik analizlerde, uygulama görmektedir.

<span class="mw-page-title-main">Ki-kare dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında ki-kare dağılım özellikle çıkarımsal istatistik analizde çok geniş bir pratik kullanım alanı bulmuştur.

<span class="mw-page-title-main">Normal dağılım</span> sürekli olasılık dağılım ailesi

Normal dağılım, aynı zamanda Gauss dağılımı veya Gauss tipi dağılım olarak isimlendirilen, birçok alanda pratik uygulaması olan, çok önemli bir sürekli olasılık dağılım ailesidir.

Rassal değişken kavramının geliştirilmesi ile, sezgi yoluyla anlaşılan şans kavramı, soyutlaştırarak teorik matematik analiz alanına sokulmuş ve bu geliştirilen matematik kavram ile olasılık kuramı ve matematiksel istatistiğin temeli kurulmuştur.

<span class="mw-page-title-main">Logistik dağılım</span> Olasılık dağılımı

Olasılık kuramı ve istatistik bilim kollarında, logistik dağılım bir sürekli olasılık dağılımdır. Logistik dağılımın yığmalı dağılım fonksiyon bir logistik fonksiyondur ve bu fonksiyon logistik regresyon ve ileriye-geçiş-sağlayan sinirsel ağlar konularında da rol oynar.

Bir olasılık dağılımı bir rassal olayın ortaya çıkabilmesi için değerleri ve olasılıkları tanımlar. Değerler olay için mümkün olan tüm sonuçları kapsamalıdır ve olasılıkların toplamı bire eşit olmalıdır. Örneğin, bir rassal olay olarak madeni paranın tek bir defa havaya atılıp yere düşmesi ele alınsın; değerler 'yazı' veya 'tura' veya bunlar isimsel değişken ölçeğinde ifade edilirse 0 (yazı) veya 1 (tura) olur; olasılıklar ise her iki değer için ½ olacaktır. Böylece madeni bir paranın tek bir defa atılma olayı için iki değer ve ilişkili iki olasılık bu rassal olayın olasılık dağılımı olur. Bu dağılım ayrık olasılık dağılımıdır; çünkü sayılabilir şekilde ayrı ayrı sonuçlar ve bunlara bağlı olan pozitif olasılıklar vardır.

<span class="mw-page-title-main">Beta dağılımı</span>

Olasılık kuramı ve istatistikte, beta dağılımı, [0,1] aralığında iki tane pozitif şekil parametresi ile ifade edilmiş bir sürekli olasılık dağılımları ailesidir. Çok değişkenli genellemesi Dirichlet dağılımıdır.

<span class="mw-page-title-main">Gamma dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında gamma dağılımı iki parametreli bir sürekli olasılık dağılımıdır. Bu parametrelerden biri ölçek parametresi θ; diğeri ise şekil parametresi k olarak anılır. Eğer k tam sayı ise, gamma dağılımı k tane üstel dağılım gösteren rassal değişkenlerin toplamını temsil eder; rassal değişkenlerin her biri nin üstel dağılımı için parametre olur.

<span class="mw-page-title-main">Üstel dağılım</span>

Olasılık kuramı ve istatistik bilim dallarında üstel dağılımı bir sürekli olasılık dağılımları grubudur. Sabit ortalama değişme haddinde ortaya çıkan bağımsız olaylar arasındaki zaman aralığını modelleştirirken bir üstel dağılım doğal olarak ortaya çıkar.

<span class="mw-page-title-main">Weibull dağılımı</span> Olasılık dağılımı

Olasılık kuramı ve istatistik bilim dallarında Weibull dağılımı ) bir sürekli olasılık dağılımı olup olasılık yoğunluk fonksiyonu şöyle ifade edilir:

<span class="mw-page-title-main">Tekdüze dağılım (sürekli)</span> Özel olasılık dağılımı

Sürekli tekdüze dağılım (İngilizce: continuous uniform distribution) olasılık kuramı ve istatistik bilim dallarında, her elemanı, olasılığın desteklendiği aynı büyüklükteki aralık içinde bulunabilir, her sürekli değer için aynı sabit olasılık gösteren bir olasılık dağılımları ailesidir. Desteklenen aralık iki parametre ile, yani minimum değer a ve maksimum değer b ile, tanımlanmaktadır. Bu dağılım kısa olarak U(a,b) olarak anılır.

<span class="mw-page-title-main">Laplace dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Laplace dağılımı Pierre-Simon Laplace anısına isimlendirilmiş bir sürekli olasılık dağılımıdır. Arka arkaya birbiriyle yapıştırılmış şekilde ve bir de konum parametresi dahil edilerek birleştirilmiş iki üstel dağılımdan oluştuğu için, çift üstel dağılımı adı ile de anılmaktadır. İki bağımsız ve tıpatıp aynı şekilde üstel dağılım gösteren bir rassal değişken bir Laplace dağılımı ile işlev görürler. Bu, aynen üstel dağılım gösteren rassal zamanda değerlendirilen Brown devinimine benzer.

Olasılık teorisi ya da ihtimaliyet teorisi rastgele olayların analizi ile ilgilenen bir matematik bilim dalıdır. Olasılık teorisinin ana ögeleri rassal değişkenler, saf rassal süreçler, olaylar olarak sayılabilir. Bunlar ya tek olarak ortaya çıkan veya bir zaman dönemi içinde gelişerek meydana gelen, ilk görünüşü rastgele bir şekilde olan deterministik olmayan olayların veya ölçülebilir miktarların matematiksel soyutlamalarıdır. Bir madeni parayı yazı-tura denemesi için havaya atmak veya bir zarı atmak ile ortaya çıkan sonuç ilk bakışta rastgele bir olay olarak görülebilirse bile eğer birbirini takip eden rastgele olaylar tekrar tekrar ortaya çıkartılırsa incelenebilecek ve tahmin edilebilecek belirli bir istatistiksel seyir takip ettikleri görülecektir. Bu türlü olaylar ve sonuçların seyirlerini betimleyen iki temsilci matematiksel sonuç büyük sayılar yasası ve merkezsel limit teoremidir.

<span class="mw-page-title-main">Ayrık olasılık dağılımları</span>

Olasılık kuramı içinde bir olasılık dağılımı eğer bir olasılık kütle fonksiyonu ile karakterize edilmiş ise ayrık olarak anılır. Böylelikle bir rassal değişken olan X için dağılım ayrık ise o zaman X bir ayrık rassal değişken olarak bilinir. Bu halde

Olasılık kuramı içinde herhangi bir rassal değişken için karakteristik fonksiyon, bu değişkenin olasılık dağılımını tüm olarak tanımlar. Herhangi bir rassal değişken X için, gerçel doğru üzerinde, bu fonksiyonu tanımlayan formül şöyle yazılır:

Genelleştirilmiş Pareto dağılımı ailesi, olasılık kuramı ve istatistik bilim dallarında geliştirilen ve özellikle iktisat incelemelerinde gelir ve servet dağılımı analizi için kullanılan iki parametreli Pareto dağılımının daha geliştirilmiş üç parametreli bir şekli olur. Bu dağılım da sürekli olasılık dağılımıdır

<span class="mw-page-title-main">Cauchy dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Cauchy-Lorentz dağılımı bir sürekli olasılık dağılımı olup, bu dağılımı ilk ortaya atan Augustin Cauchy ve Hendrik Lorentz anısına adlandırılmıştır. Matematik istatistikçiler genel olarak Cauchy dağılımı adını tercih edip kullanmaktadırlar ama fizikçiler arasında Lorentz dağılımı veya Lorentz(yen) fonksiyon veya Breit-Wigner dağılımı olarak bilinip kullanılmaktadır.

Matematik bilimi içinde moment kavramı fizik bilimi için ortaya çıkartılmış olan moment kavramından geliştirilmiştir. Bir bir reel değişkenin reel-değerli fonksiyon olan f(x)in c değeri etrafında ninci momenti şöyle ifade edilir:

Medyan bir anakütle ya da örneklem veri serisini küçükten büyüğe doğru sıraladığımızda, seriyi ortadan ikiye ayıran değere denir. İstatistiğin bir alt dalı olan betimsel istatistikde medyan bir merkezsel konum ölçüsü kabul edilir.

Matematikte Radon-Nikodym teoremi, aynı ölçülebilir uzayda tanımlanmış iki ölçü arasındaki ilişkiyi ifade eden bir sonuçtur. Burada ölçü ile kastedilen ölçülebilir bir uzayın ölçülebilir alt kümelerine tutarlı bir büyüklük atayan bir küme fonksiyonudur. Ölçü örnekleri arasında alan ve hacim verilebilir.