İçeriğe atla

Kupon toplayıcısının problemi

Kupon toplayıcısının problemi bir olasılık kuramı pratik problemi olarak "bütün kuponları topla ve ödün kazan" tipli yarışmalar için olasılık modeli içerir. Sorulan soru şöyle ifade edilebilir:

Yarışma için n sayıda kupon olduğu kabul edilsin ve kuponların geri koyup tekrar seçme ile toplandığı varsayılsın. Bütün n kuponları toplamak icin t sayıda örneklem deneysel seçiminden daha fazla sayıda seçim yapılması gerekliliğinin olasılığı nedir?"

Bu problemin matematik analizi gereken deneysel seçimin beklenen sayısının haddinde büyüyeceğini açıklamaktadır. Örneğin n=50 olursa bütün 50 kuponun toplanması için gereken örneklem yaklaşık sayısı 225 olmalıdır.

Problemin anlaşılması

Bu problemi çözmeye anahtar ilk düşük sayıda kuponun toplanması zamanının çok küçük olduğudur. Son birkaç kuponun toplanması ise, buna tam karşıt olarak, gayet çok zaman alması gerekmektedir. Örnegin 50 kuponlu bir problem için 49uncu kuponu topladıktan sonra 50. kuponu bulmak için asgari 50 deneysel seçim yapmak gerekmektedir. Beklenen zaman dönemini hesap edebilmek için toplam zamanı 50 zaman aralığına bölmek gerekmektedir.

Çözüm

Bekleyişin hesaplanması

Tum n kuponu toplamak icin gerekli zaman T olarak ve ti i - 1 kupon toplandıktan sonra iinci kuponu toplamak için gerekli zaman olduğu kabul edilsin. T ve ti rassal değişkenler olarak görülebilir. i - 1 kupon elde bulunduğu verilmiş ise bir yeni kuponu toplama olasılığı
'pi = (n - i + 1)/n
olduğu gözümlenebilir. Bundan dolayı ti beklenen değeri 1/pi olan bir geometrik dağılım gösterir. beklenen değerlerin doğrusallığı dolayısıyla şu yazılabilir:

Burada Hn bir harmonik sayı olur ve harmonik sayıların "asimptotik" özelliğini kullanarak, şu ifade bulunur:

Burada Euler–Mascheroni sabiti olur.

Şimdi Markov eşitsizliği kullanarak istenilen olasılık sayısı için sınırlar konulur:

Varyansın hesaplanması

ti rassal degişkenlerinin bağımsızlığı özelliği kullanılarak şu elde edilir:

Burada son eşitlilik baz problem olarak anılan Riemann zeta fonksiyonunun değeridir.

Şimdi istenilen olasılık değerine sınırlar koymak için Çebişev eşitsizliği kullanılır:

Kuyruk kestirimleri

Diğer bir yaklaşım kullanılarak başka bir yukarı sınır ifadesi de elde etmek mümkündür: İlk sayıda deneysel seçimde -inci kuponun ele geçmeme olayı ile ifade edilsin. O zaman

Böylece, , için şu elde edilir .

Olasılık üretici fonksiyonları ile bağlantı

Kupon toplayıcısının problemini çözmek için üretici fonksiyon yaklaşımı da kullanılabilir.

Ayrıca bakınız

  • Watterson kestirmcisi

Kaynakça

  • Paul Erdős ve Alfréd Rényi, "On a classical problem of probability theory (Olasılık kuramında bir klasik problem)", Magyar Tud. Akad. Mat. Kutato Int. Kozl, 1961.(İngilizce)

Dış bağlantılar

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">Türev alma kuralları</span> Vikimedya liste maddesi

Türev, matematikteki ve özellikle diferansiyeldeki temel kavramlardan biridir. Aşağıda temel türev alma kuralları ve bazı fonksiyonların türev kuralları yer almaktadır.

Olasılık kuramı ve istatistik bilim dallarında varyans bir rassal değişken, bir olasılık dağılımı veya örneklem için istatistiksel yayılımın, mümkün bütün değerlerin beklenen değer veya ortalamadan uzaklıklarının karelerinin ortalaması şeklinde bulunan bir ölçüdür. Ortalama bir dağılımın merkezsel konum noktasını bulmaya çalışırken, varyans değerlerin ne ölçekte veya ne derecede yaygın olduklarını tanımlamayı hedef alır. Varyans için ölçülme birimi orijinal değişkenin biriminin karesidir. Varyansın karekökü standart sapma olarak adlandırılır; bunun ölçme birimi orijinal değişkenle aynı birimde olur ve bu nedenle daha kolayca yorumlanabilir.

<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.

<span class="mw-page-title-main">Gama fonksiyonu</span>

Gama fonksiyonu, matematikte faktöriyel fonksiyonunun karmaşık sayılar ve tam sayı olmayan reel sayılar için genellenmesi olan bir fonksiyondur. Г simgesiyle gösterilir.

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

Olasılık kuramı ve istatistik bilim dallarında geometrik dağılım şu iki şekilde ifade edilebilen ayrık olasılık dağılımıdır:

<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.

Olasılık kuramı ve istatistik bilim dallarında bir rassal değişken X için olasılık yoğunluk fonksiyonu bir reel sayılı sürekli fonksiyonu olup f ile ifade edilir ve şu özellikleri olması gereklidir:

Olasılık kuramı bilim dalında matematiksel beklenti veya beklenen değer veya ortalama birçok defa tekrarlanan ve her tekrarda mümkün tüm olasılıklarını değiştirmeyen rastgele deneyler sonuçlarından beklenen ortalama değeri temsil eder. Bir ayrık rassal değişkennin alabileceği bütün sonuç değerlerin olasılıklarıyla çarpılması ve bu işlemin bütün değerler üzerinden toplanmasıyla elde edilen değerdir. Bir sürekli rassal değişken için rassal değişken ile olasılık yoğunluk fonksiyonunun çarpımının aralığı belirsiz integralidir. Fakat dikkat edilmelidir ki bu değerin genel pratik anlamla rasyonel olarak beklenmesi pek uygun olmayabilir, çünkü matematiksel beklentiin olasılığı çok düşük belki sıfıra çok yakın olabilir ve hatta pratikte matematiksel beklenti bulunmaz. Ağırlıklı ortalama olarak da düşünülebilir ki değerler ağırlık katsayıları verilen olasılık kütle fonksiyonu veya olasılık yoğunluk fonksiyonudur.

<span class="mw-page-title-main">Gerçel kısım</span>

Matematikte, bir karmaşık sayısının gerçel kısmı, 'yi temsil eden gerçel sayıların sıralı çiftindeki ilk elemandır; yani ise veya denk bir şekilde ise, o zaman 'nin gerçel kısmı 'tir. İngilizce karşılığından esinlenerek, Re{z} ile veya Fraktür yazıtipindeki büyük R kullanılarak, yani {z} ile gösterilir. 'yi, 'nin gerçel kısmına gönderen karmaşık fonksiyon holomorf değildir.

Matematik'te, Hurwitz zeta fonksiyonu, adını Adolf Hurwitz'ten almıştır, çoğunlukla zeta fonksiyonu denir. Formel tanımı için kompleks değişken s 'in Re(s)>1 ve q 'nun Re(q)>0 yardımıyla

Delta metodu istatistikte, bir asimtotik normal istatistiki tahmin edicinin fonksiyonu için bu tahmin edicinin sınırlayıcı varyans bilgisi kullanılarak yaklaşık bir olasılık dağılımı türetme metodudur. Delta metodu merkezi limit teoreminin genelleştirilmiş hali olarak ele alınabilir.

Bohr-Mollerup teoremi, Matematiksel analizde adını Danimarkalı matematikçi Harald Bohr ve Johannes Mollerup'tan almıştır.

Matematikte ters trigonometrik fonksiyonlar, tanım kümesinde bulunan trigonometrik fonksiyonların ters fonksiyonudur.

Fizikte, Lorentz dönüşümü adını Hollandalı fizikçi Hendrik Lorentz'den almıştır. Lorentz ve diğerlerinin referans çerçevesinden bağımsız ışık hızının nasıl gözlemleneceğini açıklama ve elektromanyetizma yasalarının simetrisini anlama girişimlerinin sonucudur. Lorentz dönüşümü, özel görelilik ile uyum içerisindedir. Ancak özel görelilikten daha önce ortaya atılmıştır.

Doğrusal cebirde veya daha genel ifade ile matematikte matris çarpımı, bir matris çiftinde yapılan ve başka bir matris üreten ikili işlemdir. Reel veya karmaşık sayılar gibi sayılarda temel aritmetiğe uygun olarak çarpma yapılabilir. Başka bir ifade ile matrisler, sayı dizileridir. Bu yüzden, matris çarpımını ifade eden tek bir yöntem yoktur. "Matris çarpımı" terimi çoğunlukla, matris çarpımının farklı yöntemlerini ifade eder. Matris çarpımının anahtar özellikleri şunlardır: Asıl matrislerin satır ve sütun sayıları, ve matrislerin girişlerinin nasıl yeni bir matris oluşturacağıdır.

Matematikte Euler sayıları, Taylor serisi açılımıyla tanımlanan bir En tam sayı dizisidir..

<span class="mw-page-title-main">Gerçek anomali</span>

Gerçek anomali, gök mekaniğinde Kepler yörüngesinde hareket etmekte olan bir cismin pozisyonunu belirleyen açısal bir parametredir. Gerçek anomali, bir yörüngedeki çeşitli noktaların konumlarını tanımlamak için kullanılan bir terimdir. Enberi noktası yönü ile elipsin ada odağından görünen cismin mevcut konumu yani nesnenin etrafında döndüğü nokta arasındaki açıyı göstermektedir.

Trigonometride, trigonometrik özdeşlikler trigonometrik fonksiyonları içeren ve eşitliğin her iki tarafının da tanımlandığı değişkenlerin her değeri için doğru olan eşitliklerdir. Geometrik olarak, bunlar bir veya daha fazla açının belirli fonksiyonlarını içeren özdeşliklerdir. Bunlar üçgen özdeşliklerinden farklıdır, bunlar potansiyel olarak açıları içeren ama aynı zamanda kenar uzunluklarını veya bir üçgenin diğer uzunluklarını da içeren özdeşliklerdir.