Kesikli Zamanlı Markov Zincirleri ve Geçiş Olasılıkları

10 questions

Question 1Question

Bir sistem, S={1,2,3}S = \{1, 2, 3\} durum uzayında tanımlı kesikli zamanlı bir Markov zinciri ile modellenmektedir. Bu zincirin bir adım geçiş olasılıkları matrisi PP, bazı elemanları bilinmeyen (a,b,ca, b, c) olarak aşağıda verilmiştir:

P=[0.2a0.30.40.1bc0.30.4] P = \begin{bmatrix} 0.2 & a & 0.3 \\ 0.4 & 0.1 & b \\ c & 0.3 & 0.4 \end{bmatrix}

Sistemin t=0t=0 anındaki (başlangıç) durum dağılımı vektörü π(0)=[0.6, 0.4, 0]\pi^{(0)} = [0.6, \ 0.4, \ 0] olarak belirlenmiştir.

Buna göre, sistemin 2. adımda (t=2t=2 anında) 3 numaralı durumda olma olasılığı olan P(X2=3)P(X_2 = 3) değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 0.406

Answer

Doğru cevap 0.406'dır.
Markov zincirlerinde geçiş matrisinin her bir satırındaki olasılıkların toplamı 1'dir. Bu kural uygulanarak matristeki bilinmeyenler sırasıyla a=1(0.2+0.3)=0.5a = 1 - (0.2+0.3) = 0.5, b=1(0.4+0.1)=0.5b = 1 - (0.4+0.1) = 0.5 ve c=1(0.3+0.4)=0.3c = 1 - (0.3+0.4) = 0.3 olarak bulunur.
Sistemin nn. adımdaki durum dağılımı π(n)=π(n1)P\pi^{(n)} = \pi^{(n-1)} \cdot P formülü ile hesaplanır.
Öncelikle 1. adımdaki dağılım bulunur:
π(1)=[0.6, 0.4, 0][0.20.50.30.40.10.50.30.30.4]=[0.28, 0.34, 0.38]\pi^{(1)} = [0.6, \ 0.4, \ 0] \cdot \begin{bmatrix} 0.2 & 0.5 & 0.3 \\ 0.4 & 0.1 & 0.5 \\ 0.3 & 0.3 & 0.4 \end{bmatrix} = [0.28, \ 0.34, \ 0.38]
Ardından 2. adımda 3 numaralı durumda olma olasılığı, π(1)\pi^{(1)} vektörü ile matrisin 3. sütunu çarpılarak elde edilir:
P(X2=3)=π1(1)P13+π2(1)P23+π3(1)P33=(0.280.3)+(0.340.5)+(0.380.4)=0.084+0.170+0.152=0.406P(X_2 = 3) = \pi^{(1)}_1 P_{13} + \pi^{(1)}_2 P_{23} + \pi^{(1)}_3 P_{33} = (0.28 \cdot 0.3) + (0.34 \cdot 0.5) + (0.38 \cdot 0.4) = 0.084 + 0.170 + 0.152 = 0.406.

Step-by-Step Solution

1
Geçiş matrisindeki (PP) eksik elemanları bulma
a=0.5a = 0.5, b=0.5b = 0.5, c=0.3c = 0.3
Markov zincirlerinde geçiş matrisinin her bir satırındaki olasılıkların toplamı daima 1'e eşit olmak zorundadır.
2
Sistemin 1. adımdaki (t=1t=1) durum dağılımını (π(1)\pi^{(1)}) hesaplama
π(1)=[0.28, 0.34, 0.38]\pi^{(1)} = [0.28, \ 0.34, \ 0.38]
Birinci adımdaki olasılık dağılımı, başlangıç dağılımı vektörü ile geçiş matrisinin çarpımına eşittir: π(1)=π(0)P\pi^{(1)} = \pi^{(0)} \cdot P
3
Sistemin 2. adımda (t=2t=2) 3 numaralı durumda olma olasılığını hesaplama
P(X2=3)=0.406P(X_2 = 3) = 0.406
İkinci adımdaki dağılım π(2)=π(1)P\pi^{(2)} = \pi^{(1)} \cdot P işlemiyle bulunur. Bize sadece 3. durum gerektiğinden, π(1)\pi^{(1)} vektörü ile matrisin 3. sütununun iç çarpımı alınır: 0.28(0.3)+0.34(0.5)+0.38(0.4)=0.4060.28(0.3) + 0.34(0.5) + 0.38(0.4) = 0.406.

Key Concept

Kesikli Zamanlı Markov Zincirlerinde Geçiş Matrisi Özellikleri ve n-Adım Olasılıkları
Estimated Time:2m 30s
Question 2Question

Bir sosyal güvenlik kurumu, sigortalıların istihdam durumlarını S={S1,S2,S3}S = \{S_1, S_2, S_3\} durum uzayına sahip kesikli zamanlı bir Markov zinciri ile modellemektedir:
- S1S_1: Tam zamanlı çalışan
- S2S_2: Kısmi zamanlı çalışan
- S3S_3: İş arayan

Haftalık geçiş olasılık matrisi (PP) aşağıda verilmiştir:
P=[0, ⁣40, ⁣40, ⁣20, ⁣30, ⁣50, ⁣20, ⁣10, ⁣50, ⁣4] P = \begin{bmatrix} 0,\!4 & 0,\!4 & 0,\!2 \\ 0,\!3 & 0,\!5 & 0,\!2 \\ 0,\!1 & 0,\!5 & 0,\!4 \end{bmatrix}

Kuruma yeni kayıt olan bir kişinin başlangıçtaki (t=0t=0) durum olasılıkları sırasıyla P(X0=S1)=0, ⁣5P(X_0=S_1)=0,\!5, P(X0=S2)=0, ⁣3P(X_0=S_2)=0,\!3 ve P(X0=S3)=0, ⁣2P(X_0=S_3)=0,\!2 olarak belirlenmiştir.

Buna göre, 2. haftada (t=2t=2) S2S_2 durumunda ve 1. haftada (t=1t=1) S1S_1 durumunda olduğu bilinen bir kişinin, başlangıçta (t=0t=0) da S1S_1 durumunda olma olasılığı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 2031\frac{20}{31}

Answer

2031\frac{20}{31}
Doğru yanıt, Markov sürecindeki koşullu bağımsızlık özelliğinin (Markov property) anlaşılmasını gerektirir. Şimdiki durum (t=1t=1) bilindiğinde, geçmiş (t=0t=0) ile gelecek (t=2t=2) koşullu olarak bağımsızdır. Bu nedenle soru aslında P(X0=S1X1=S1)P(X_0=S_1 \mid X_1=S_1) değerini sormaktadır. Toplam olasılık kuralı ile 1. haftada S1S_1 olma olasılığı 0,310,31 olarak bulunur. Geriye dönük olasılık (Bayes teoremi) uygulandığında P(X0=S1,X1=S1)P(X_0=S_1, X_1=S_1) değeri olan 0,200,20, marjinal olasılık olan 0,310,31'e bölünür ve 2031\frac{20}{31} sonucu elde edilir.

Step-by-Step Solution

1
İstenen olasılığı koşullu olasılık formülü ile ifade etme.
P(X0=S1X1=S1,X2=S2)=P(X0=S1,X1=S1,X2=S2)P(X1=S1,X2=S2)P(X_0=S_1 \mid X_1=S_1, X_2=S_2) = \frac{P(X_0=S_1, X_1=S_1, X_2=S_2)}{P(X_1=S_1, X_2=S_2)}
Verilen iki koşulun (X1=S1X_1=S_1 ve X2=S2X_2=S_2) bilindiği durumda geçmişteki (X0=S1X_0=S_1) durumun olasılığını bulmak için temel koşullu olasılık kuralı uygulanır.
2
Markov özelliğini kullanarak sadeleştirme yapma.
P(X0=S1X1=S1,X2=S2)=P(X0=S1X1=S1)P(X_0=S_1 \mid X_1=S_1, X_2=S_2) = P(X_0=S_1 \mid X_1=S_1)
Markov zincirlerinde şimdiki zaman (t=1t=1) bilindiğinde, geçmiş (t=0t=0) ve gelecek (t=2t=2) birbirinden koşullu olarak bağımsızdır. Dolayısıyla t=2t=2'deki durumun t=0t=0 olasılığına bir etkisi yoktur.
3
Bayes teoremi ile geriye dönük (backward) olasılık denklemini kurma.
P(X0=S1X1=S1)=P(X0=S1)P(X1=S1X0=S1)P(X1=S1)P(X_0=S_1 \mid X_1=S_1) = \frac{P(X_0=S_1) \cdot P(X_1=S_1 \mid X_0=S_1)}{P(X_1=S_1)}
Zamanda geriye doğru bir koşullu olasılık sorulduğu için başlangıç olasılıkları ve ileri geçiş olasılıklarını kullanarak Bayes teoremi uygulanmalıdır.
4
Toplam olasılık kuralı ile P(X1=S1)P(X_1=S_1) paydasını hesaplama.
P(X1=S1)=(0,50,4)+(0,30,3)+(0,20,1)=0,20+0,09+0,02=0,31P(X_1=S_1) = (0,5 \cdot 0,4) + (0,3 \cdot 0,3) + (0,2 \cdot 0,1) = 0,20 + 0,09 + 0,02 = 0,31
1. haftada S1S_1 durumunda olma olasılığı, başlangıçtaki tüm olası durumlardan S1S_1'e geçiş olasılıklarının ağırlıklı toplamıdır.
5
Bulunan değerleri Bayes formülünde yerine koyarak sonucu elde etme.
0,50,40,31=0,200,31=2031\frac{0,5 \cdot 0,4}{0,31} = \frac{0,20}{0,31} = \frac{20}{31}
Pay kısmına X0=S1X_0=S_1 ve X1=S1X_1=S_1 durumlarının ortak olasılığı, paydaya ise koşul olan X1=S1X_1=S_1 olasılığı yazılarak nihai orana ulaşılır.

Key Concept

Markov Özelliği (Koşullu Bağımsızlık) ve Bayes Teoremi

Alternative Method

Öğrenciler Markov özelliğini (şartlı bağımsızlık) pratik olarak uygulamak yerine Bayes kuralını tam açarak da aynı sonuca ulaşabilir: P(X0=S1X1=S1,X2=S2)=P(X0=S1)P11P12P(X1=S1)P12P(X_0=S_1 \mid X_1=S_1, X_2=S_2) = \frac{P(X_0=S_1) \cdot P_{11} \cdot P_{12}}{P(X_1=S_1) \cdot P_{12}}. Bu durumda pay 0,5×0,4×0,4=0,080,5 \times 0,4 \times 0,4 = 0,08 ve payda 0,31×0,4=0,1240,31 \times 0,4 = 0,124 olur. P12P_{12} olan 0,40,4 çarpanı her iki taraftan sadeleştiğinde sonuç değişmeden 0,080,124=2031\frac{0,08}{0,124} = \frac{20}{31} çıkar.
Estimated Time:2m 0s
Question 3Question

Bir kamu yatırım projesinin ilerleyişi, haftalık periyotlarla değerlendirilmekte ve üç farklı aşamadan birinde olduğu raporlanmaktadır: Ön Hazırlık (HH), İhale Süreci (II) ve Sözleşme/Denetim (SS).

Sürecin halden hale geçişleri, durum uzayı {H,I,S}\{H, I, S\} olan kesikli zamanlı homojen bir Markov zinciri ile modellenmiştir. Haftalık geçiş olasılıkları matrisi (PP) aşağıda verilmiştir:

P=[0.20.800xy0.500.5] P = \begin{bmatrix} 0.2 & 0.8 & 0 \\ 0 & x & y \\ 0.5 & 0 & 0.5 \end{bmatrix}

Başlangıçta (t=0t=0) Ön Hazırlık (HH) aşamasında olan bir projenin, tam 3 hafta sonra (t=3t=3) Sözleşme/Denetim (SS) aşamasında olma olasılığının 0.4160.416 olduğu bilinmektedir.

Buna göre, İhale Sürecinde (II) bulunan bir projenin bir sonraki hafta Sözleşme/Denetim (SS) aşamasına geçme olasılığı (yy) kaçtır?

Show answer & explanation

Answer: 0.4

Answer

0.4
Verilen geçiş matrisinde satır toplamlarının 1 olması zorunluluğundan 2. satır için x+y=1x + y = 1 olduğu görülür. H aşamasından başlayıp 3 adımda S aşamasına ulaşan olasılığı sıfırdan farklı üç ayrı yol mevcuttur: (HHISH \to H \to I \to S), (HIISH \to I \to I \to S) ve (HISSH \to I \to S \to S). Bu yolların olasılıkları sırasıyla 0.16y0.16y, 0.8xy0.8xy ve 0.4y0.4y'dir. Toplam olasılık 0.56y+0.8xy=0.4160.56y + 0.8xy = 0.416 olarak verildiğinden, xx yerine 1y1-y konularak denklem çözüldüğünde 0.8y21.36y+0.416=00.8y^2 - 1.36y + 0.416 = 0 kuadratik denklemi elde edilir. Denklemin kökleri 1.31.3 ve 0.40.4'tür. Olasılık değeri [0,1][0,1] aralığında olması gerektiğinden doğru değer 0.40.4'tür.

Step-by-Step Solution

1
Geçiş matrisindeki satır toplamları kuralını uygulama.
2. satır için: 0+x+y=1    x=1y0 + x + y = 1 \implies x = 1 - y denklemi elde edilir.
Markov zincirlerinde herhangi bir durumdan diğer durumlara geçiş olasılıklarının toplamı her zaman 1'e eşit olmalıdır.
2
H'den S'ye 3 adımlı tüm olası yolları belirleme.
Sıfırdan büyük olasılıklı üç yol vardır: 1) HHISH \to H \to I \to S, 2) HIISH \to I \to I \to S, 3) HISSH \to I \to S \to S.
Olasılığı 0 olan geçişler (HSH \to S ve IHI \to H) elenerek, 3 haftalık sürede gerçekleşebilecek zincirler bulunur.
3
Her bir yolun olasılığını hesaplama.
1. yol: 0.2×0.8×y=0.16y0.2 \times 0.8 \times y = 0.16y
2. yol: 0.8×x×y=0.8xy0.8 \times x \times y = 0.8xy
3. yol: 0.8×y×0.5=0.4y0.8 \times y \times 0.5 = 0.4y
Kesikli zamanlı Markov zincirinde ardışık adımların birleşik olasılığı, geçiş olasılıklarının çarpımına eşittir.
4
Bulunan olasılıkları toplayıp verilen 0.4160.416 değerine eşitleme.
Toplam olasılık: 0.16y+0.8xy+0.4y=0.56y+0.8xy=0.4160.16y + 0.8xy + 0.4y = 0.56y + 0.8xy = 0.416
3. adımda S'de olma olayının toplam olasılığı, tüm birbirinden ayrık yolların olasılıklarının toplamıdır (Chapman-Kolmogorov eşitliği).
5
Denklemde xx yerine 1y1-y koyarak 2. dereceden denklemi çözme.
0.56y+0.8(1y)y=0.416    1.36y0.8y2=0.416    100y2170y+52=00.56y + 0.8(1-y)y = 0.416 \implies 1.36y - 0.8y^2 = 0.416 \implies 100y^2 - 170y + 52 = 0. Kökler y1=1.3y_1 = 1.3 ve y2=0.4y_2 = 0.4 olarak bulunur. Olasılık 1'den büyük olamayacağı için y=0.4y = 0.4 alınır.
Bilinmeyen sayısını teke düşürmek ve olasılık aksiyomlarına (0y10 \leq y \leq 1) uygun geçerli kökü belirlemek için.

Key Concept

Kesikli Zamanlı Markov Zincirlerinde n-Adımlı Geçiş Olasılıkları ve Chapman-Kolmogorov

Alternative Method

P3P^3 matrisini doğrudan sembolik olarak çarparak bulmak da mümkündür. P2=P×PP^2 = P \times P yapılarak ve ardından P3=P2×PP^3 = P^2 \times P matris çarpımı ile 1. satır 3. sütun elemanı elde edilip 0.416'ya eşitlenebilir. Matris çarpımı da doğrudan yol analizindeki denklemin (1.36y0.8y21.36y - 0.8y^2) aynısını verecektir.
Question 4Question

Bir vergi dairesi, mükelleflerinin vergi ödeme uyumlarını her yıl değerlendirerek üç farklı durumdan birine sınıflandırmaktadır: D1D_1 (Düzenli ödeyen), D2D_2 (Gecikmeli ödeyen) ve D3D_3 (İcra takibinde olan). Mükelleflerin bu durumlar arasındaki geçişleri, zamanla değişmeyen (homojen) kesikli zamanlı bir Markov zinciri ile modellenmektedir. Bir mükellefin bir yıldan diğerine durum değiştirme olasılıklarını gösteren geçiş matrisi aşağıda verilmiştir:

P=[0,70,20,10,30,50,20,10,40,5]P = \begin{bmatrix} 0,7 & 0,2 & 0,1 \\ 0,3 & 0,5 & 0,2 \\ 0,1 & 0,4 & 0,5 \end{bmatrix}

Buna göre, bu yıl 'Gecikmeli ödeyen' (D2D_2) durumunda olduğu bilinen bir mükellefin, tam iki yıl sonra 'İcra takibinde olan' (D3D_3) durumunda olma olasılığı kaçtır?

Show answer & explanation

Answer: 0,230,23

Answer

İki adım sonrasında mükellefin D3D_3 durumunda olma olasılığı 0,230,23'tür.
İki adımlı geçiş olasılığı P23(2)P_{23}^{(2)} değeri, başlangıç durumu olan 2. satır ile hedef durum olan 3. sütunun elemanlarının karşılıklı çarpımlarının toplamıdır. Chapman-Kolmogorov denklemleri gereği bu hesaplama P21P13+P22P23+P23P33P_{21}P_{13} + P_{22}P_{23} + P_{23}P_{33} şeklinde yapılır ve (0,3)(0,1)+(0,5)(0,2)+(0,2)(0,5)=0,23(0,3)(0,1) + (0,5)(0,2) + (0,2)(0,5) = 0,23 sonucuna ulaşılır.

Step-by-Step Solution

1
İstenen olasılığın matematiksel tanımını belirleme
Başlangıç durumu D2D_2 ve hedef durum D3D_3 olduğu için 2 adım sonrasındaki geçiş olasılığı olan P23(2)P_{23}^{(2)} değeri bulunmalıdır.
Markov zincirlerinde n-adımlı geçiş olasılıkları, tek adımlı geçiş matrisinin n. kuvvetindeki ilgili elemana (satır ve sütun kesişimine) eşittir.
2
Chapman-Kolmogorov eşitliğini 2. satır ve 3. sütun için yazma
P23(2)=k=13P2kPk3=P21P13+P22P23+P23P33P_{23}^{(2)} = \sum_{k=1}^{3} P_{2k}P_{k3} = P_{21}P_{13} + P_{22}P_{23} + P_{23}P_{33}
2 adımda D2D_2'den D3D_3'e geçiş; önce D1D_1'e uğrayıp sonra D3D_3'e geçme, D2D_2'de kalıp sonra D3D_3'e geçme veya D3D_3'e geçip orada kalma senaryolarının olasılıklarının toplamıdır.
3
Matris üzerindeki değerleri formülde yerine koyarak sonucu hesaplama
P23(2)=(0,3×0,1)+(0,5×0,2)+(0,2×0,5)=0,03+0,10+0,10=0,23P_{23}^{(2)} = (0,3 \times 0,1) + (0,5 \times 0,2) + (0,2 \times 0,5) = 0,03 + 0,10 + 0,10 = 0,23
Tüm olası ayrık ara yolların olasılıkları toplanarak toplam iki adımlı geçiş olasılığı bulunur.

Key Concept

İki adımlı geçiş olasılıklarının Chapman-Kolmogorov denklemleri ile hesaplanması
Estimated Time:1m 30s
Question 5Question

Bir büyükşehir belediyesine ait otobüs filosunun haftalık operasyonel durumları, durum uzayı S={1,2,3}S = \{1, 2, 3\} olan kesikli zamanlı bir Markov zinciri ile modellenmektedir. Durumlar sırasıyla şu şekildedir:

1: Seferde
2: Rutin Bakımda
3: Arızalı

Bu Markov zincirinin tek adımlı geçiş olasılık matrisi PP aşağıda verilmiştir:
P=[0,60,30,10,80,10,10,40,40,2]P = \begin{bmatrix} 0,6 & 0,3 & 0,1 \\ 0,8 & 0,1 & 0,1 \\ 0,4 & 0,4 & 0,2 \end{bmatrix}

Başlangıçta (t=0t=0) seferde olduğu bilinen bir otobüsün, 2. haftanın sonunda (t=2t=2) arızalı duruma geçtiği gözlemlenmiştir.

Buna göre, bu otobüsün 1. haftanın sonunda (t=1t=1) rutin bakımda olma olasılığı kaçtır?

Show answer & explanation

Answer: 311\frac{3}{11}

Answer

İstenen olasılık 311\frac{3}{11}'dir.
İstenen durum, başlangıç ve bitiş noktası belli olan bir sürecin aradaki adımını sormaktadır. Markov zincirinin hafızasızlık özelliği kullanılarak Bayes teoremi uygulandığında, payda 1'den 2'ye ve 2'den 3'e geçiş olasılıklarının çarpımı olan 0,03 değeri bulunur. Paydada ise 1'den 3'e 2 adımda ulaşılabilecek tüm yolların (1->1->3, 1->2->3, 1->3->3) toplamı olan 0,11 değeri yer alır. Bu iki değerin oranı bize doğru sonucu, yani 3/11'i verir.

Step-by-Step Solution

1
İstenen olasılığı Bayes teoremi ve Markov özelliğini kullanarak matematiksel olarak ifade et.
P(X1=2X2=3,X0=1)=P(X1=2X0=1)P(X2=3X1=2)P(X2=3X0=1)P(X_1=2 | X_2=3, X_0=1) = \frac{P(X_1=2 | X_0=1) \cdot P(X_2=3 | X_1=2)}{P(X_2=3 | X_0=1)}
Markov özelliğine göre, geçmiş ve gelecek bilindiğinde aradaki bir durumun olasılığı, ardışık geçiş olasılıkları çarpımının, uçtan uca toplam geçiş olasılığına bölünmesiyle bulunur.
2
Koşullu olasılığın pay kısmındaki çarpımı hesapla.
P12P23=0,30,1=0,03P_{12} \cdot P_{23} = 0,3 \cdot 0,1 = 0,03
Bu değer, otobüsün 1. haftada 2. duruma uğrayıp ardından 3. duruma geçme (istenen yol) olasılığını verir.
3
Koşullu olasılığın paydasında yer alan 2 adımlı geçiş olasılığını (P13(2)P_{13}^{(2)}) hesapla.
P13(2)=(P11P13)+(P12P23)+(P13P33)=(0,60,1)+(0,30,1)+(0,10,2)=0,06+0,03+0,02=0,11P_{13}^{(2)} = (P_{11}\cdot P_{13}) + (P_{12}\cdot P_{23}) + (P_{13}\cdot P_{33}) = (0,6 \cdot 0,1) + (0,3 \cdot 0,1) + (0,1 \cdot 0,2) = 0,06 + 0,03 + 0,02 = 0,11
Başlangıçta 1 numaralı durumda olan sistemin 2. adımda 3 numaralı durumda olabilmesi için geçebileceği tüm olası yolların toplam olasılığı (marjinal oran) hesaplanmalıdır.
4
Payı paydaya bölerek nihai koşullu olasılığı bul.
0,030,11=311\frac{0,03}{0,11} = \frac{3}{11}
Belirli bir yoldan gitme olasılığının, koşulun sağlandığı tüm olası yolların toplam olasılığına oranı bize koşullu olasılığı verir.

Key Concept

Koşullu Olasılık ve Markov Zincirlerinde Geriye Dönük Çıkarım
Question 6Question

Bir tarım bölgesindeki günlük hava durumu 'Yağışlı' (YY) ve 'Güneşli' (GG) olmak üzere iki durumlu bir Markov zinciri ile modellenmektedir. Sürece ilişkin tek adımlı geçiş olasılıkları matrisi PP aşağıda verilmiştir:

P=[0,40,60,30,7]P = \begin{bmatrix} 0,4 & 0,6 \\ 0,3 & 0,7 \end{bmatrix}

Matristeki satır ve sütunlar sırasıyla YY ve GG durumlarını temsil etmektedir. Buna göre, bugün havanın yağışlı olduğu bilindiğine göre yarın güneşli olma olasılığı kaçtır?

Show answer & explanation

Answer: 0,6

Answer

Yağışlı durumdan güneşli duruma geçiş olasılığı 0,6'dır.
Geçiş olasılıkları matrisinde PijP_{ij}, sürecin ii durumundan jj durumuna geçme olasılığını temsil eder. Soru kökünde bugün havanın yağışlı (YY) olduğu belirtilmiştir, bu durum matrisin ilk satırına karşılık gelir. Yarın güneşli (GG) olma olasılığı ise ilk satır ile ikinci sütunun kesiştiği nokta olan 0,6 değeridir.

Step-by-Step Solution

1
Durum uzayını ve matris dizilimini belirleme
Durumlar: YY (1. durum) ve GG (2. durum). Matris 2×22 \times 2 boyutundadır.
Olasılıkları doğru satır ve sütundan okumak için indislerin karşılık geldiği durumları netleştirmek gerekir.
2
Koşullu olasılık ifadesini matris indislerine dönüştürme
İstenen olasılık P(Xt+1=GXt=Y)P(X_{t+1} = G | X_t = Y) yani PYGP_{YG}'dir.
Markov zincirlerinde PijP_{ij} ifadesi, ii durumundan jj durumuna geçiş olasılığını gösterir.
3
Matristen ilgili değeri okuma
PYGP_{YG} matrisin 1. satır ve 2. sütununda bulunan 0,6 değeridir.
Matris tanımına göre ilk satır YY durumundan çıkışları, ikinci sütun ise GG durumuna girişleri temsil eder.

Key Concept

Geçiş olasılıkları matrisinde satırlar mevcut durumu, sütunlar ise bir sonraki adımdaki durumu temsil eder.

Alternative Method

Geçiş diyagramı (durum geçiş grafiği) çizilerek YY düğümünden GG düğümüne giden okun üzerindeki değer doğrudan görülebilir.
Estimated Time:45s
Question 7Question

Bir üretim tesisindeki kritik bir makinenin günlük çalışma durumu "Faal" (1) ve "Arızalı" (2) olmak üzere iki durumlu bir Markov zinciri ile modellenmektedir. Bu sürece ait tek adımlı geçiş olasılıkları matrisi PP aşağıda verilmiştir:

P=[0,78k0,350,65]P = \begin{bmatrix} 0,78 & k \\ 0,35 & 0,65 \end{bmatrix}

Buna göre, geçiş matrisinin temel özellikleri dikkate alındığında kk parametresinin değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 0,22

Answer

Geçiş matrisinin satır toplamı kuralına göre kk değeri 0,22 olmalıdır.
Markov zincirlerinde geçiş olasılıkları matrisi (P) her bir satırı bir olasılık dağılımı temsil eder. Bu nedenle her satırdaki elemanların toplamı mutlaka 1 olmalıdır. Birinci satırda verilen 0,780,78 ve kk değerlerinin toplamı 1 olması gerektiğinden, k=10,78=0,22k = 1 - 0,78 = 0,22 sonucuna ulaşılır.

Step-by-Step Solution

1
Markov zinciri geçiş matrisinin temel özelliğini hatırla.
Stokastik bir matris olan geçiş matrisinde, her bir satırın elemanları toplamı 1'e eşit olmalıdır (sumjpij=1\\sum_{j} p_{ij} = 1).
Olasılıkların tamlığı gereği, bir durumdan çıkıldığında gidilebilecek tüm olası durumların toplam olasılığı 1 olmalıdır.
2
Bilinmeyen parametrenin bulunduğu satır için denklem kur.
0,78+k=10,78 + k = 1
Matrisin birinci satırı, birinci durumdan çıkış olasılıklarını temsil eder.
3
Denklemi kk için çöz.
k=10,78=0,22k = 1 - 0,78 = 0,22
Çıkarma işlemi yapılarak bilinmeyen geçiş olasılığı bulunur.

Key Concept

Stokastik Matrislerin Satır Toplamı Özelliği
Estimated Time:45s
Question 8Question

Bir kamu kurumunda kullanılan Elektronik Belge Yönetim Sistemi'nin (EBYS) günlük operasyonel durumu, durum uzayı S={1,2}S = \{1, 2\} olan kesikli zamanlı bir Markov zinciri ile modellenmektedir. Bu modelde "1" durumu sistemin 'çevrimiçi' (online), "2" durumu ise 'çevrimdışı' (offline) olduğunu temsil etmektedir. Sistemin tek adımlı geçiş olasılık matrisi PP aşağıda verilmiştir:

P=[0,90,10,20,8]P = \begin{bmatrix} 0,9 & 0,1 \\ 0,2 & 0,8 \end{bmatrix}

Pazartesi günü 'çevrimiçi' olduğu bilinen bu sistemin, iki gün sonraki Çarşamba günü 'çevrimdışı' olma olasılığı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 0,17

Answer

Sistemin Pazartesi günü çevrimiçi (1) durumundan Çarşamba günü çevrimdışı (2) durumuna geçme olasılığı 0,17'dir.
Sistem Pazartesi günü durum 1'dedir. İki gün sonra (Çarşamba) durum 2'de olması için iki olasılık vardır: İlk gün yine çevrimiçi kalıp (0,90,9) ikinci gün çevrimdışı olması (0,10,1) veya ilk gün çevrimdışı olup (0,10,1) ikinci gün de çevrimdışı kalması (0,80,8). Bu iki yolun olasılıkları toplamı (0,9×0,1)+(0,1×0,8)=0,17(0,9 \times 0,1) + (0,1 \times 0,8) = 0,17 değerini verir.

Step-by-Step Solution

1
Başlangıç durumu ve hedef durumu belirleme
X0=1X_0 = 1 (Pazartesi) ve X2=2X_2 = 2 (Çarşamba)
İki gün sonrası dendiği için 2 adımlı geçiş olasılığı (P12(2)P_{12}^{(2)}) hesaplanmalıdır.
2
Chapman-Kolmogorov denklemini kullanarak 2 adımlı geçiş olasılığı formülünü yazma
P12(2)=(P11×P12)+(P12×P22)P_{12}^{(2)} = (P_{11} \times P_{12}) + (P_{12} \times P_{22})
Sistem 1. adımdan sonra ya yine 1'de kalıp sonra 2'ye geçmeli ya da 1. adımda 2'ye geçip orada kalmalıdır.
3
Matris değerlerini yerine koyarak hesaplama yapma
(0,9×0,1)+(0,1×0,8)=0,09+0,08=0,17(0,9 \times 0,1) + (0,1 \times 0,8) = 0,09 + 0,08 = 0,17
Sistemin izleyebileceği tüm yolların olasılıkları toplamı toplam olasılığı verir.

Key Concept

İki adımlı geçiş olasılığı (Pij(2)P_{ij}^{(2)}), geçiş matrisinin karesinin (P2P^2) ilgili elemanıdır.

Alternative Method

Geçiş olasılık matrisinin karesini (P2P^2) hesaplayıp birinci satır ikinci sütun elemanına bakılabilir.
Estimated Time:1m 30s
Question 9Question

Bir sürecin durumlar arası geçişleri, durum uzayı S={1,2,3}S = \{1, 2, 3\} olan homojen (zamanla değişmeyen) kesikli zamanlı bir Markov zinciri ile modellenmektedir. Bu zincire ait bir adım geçiş olasılıkları matrisi (PP) aşağıda verilmiştir:

P=[1/41/21/41/31/31/31/201/2] P = \begin{bmatrix} 1/4 & 1/2 & 1/4 \\ 1/3 & 1/3 & 1/3 \\ 1/2 & 0 & 1/2 \end{bmatrix}

Sürecin başlangıç anında 1. durumda (X0=1X_0 = 1) olduğu ve 2. adımda tekrar 1. duruma (X2=1X_2 = 1) döndüğü bilinmektedir.

Buna göre, sürecin 1. adımda 2. durumda (X1=2X_1 = 2) bulunmuş olma olasılığı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 817\frac{8}{17}

Answer

İstenen olasılık 817\frac{8}{17} değeridir.
İstenen olasılık, sürecin X0=1X_0=1'den başlayıp X2=1X_2=1'de bittiği tüm olası yolların (toplam olasılığın) içinde, tam olarak X1=2X_1=2 ara durumundan geçen spesifik yolun oranını ifade eder. Paya p12p21=16p_{12} \cdot p_{21} = \frac{1}{6} ortak olasılığı yazılır. Paydaya ise X0=1X_0=1'den X2=1X_2=1'e varan üç olası yolun toplam olasılığı olan p11(2)=1748p_{11}^{(2)} = \frac{17}{48} marjinal olasılığı yazılır. Bu iki değer oranlandığında sonucun 817\frac{8}{17} olduğu açıkça görülür.

Step-by-Step Solution

1
İstenen olasılık ifadesini koşullu olasılık kurallarına göre matematiksel olarak formülleştirme.
P(X1=2X0=1,X2=1)=P(X1=2,X2=1X0=1)P(X2=1X0=1)P(X_1 = 2 \mid X_0 = 1, X_2 = 1) = \frac{P(X_1 = 2, X_2 = 1 \mid X_0 = 1)}{P(X_2 = 1 \mid X_0 = 1)}
Bayes teoremi ve koşullu olasılık tanımı gereği, verilen koşullara göre geçmişe dönük bir olasılığı hesaplamak için ortak olasılığın, gerçekleştiği bilinen olayın olasılığına bölünmesi gerekir.
2
Pay kısmında yer alan ortak olasılığı Markov özelliğini kullanarak hesaplama.
P(X1=2,X2=1X0=1)=P(X1=2X0=1)P(X2=1X1=2)=p12p21=1213=16P(X_1 = 2, X_2 = 1 \mid X_0 = 1) = P(X_1 = 2 \mid X_0 = 1) \cdot P(X_2 = 1 \mid X_1 = 2) = p_{12} \cdot p_{21} = \frac{1}{2} \cdot \frac{1}{3} = \frac{1}{6}
Markov zincirlerinde gelecekteki durum sadece mevcut duruma bağlıdır (belleksizlik özelliği). Bu nedenle ardışık bir yolun olasılığı, o yolu oluşturan bir adımlık geçiş olasılıklarının çarpımı ile bulunur.
3
Paydada yer alan 2 adımlı marjinal geçiş olasılığını Chapman-Kolmogorov eşitliği ile hesaplama.
P(X2=1X0=1)=p11(2)=p11p11+p12p21+p13p31=(1414)+(1213)+(1412)=116+16+18=348+848+648=1748P(X_2 = 1 \mid X_0 = 1) = p_{11}^{(2)} = p_{11}p_{11} + p_{12}p_{21} + p_{13}p_{31} = \left(\frac{1}{4} \cdot \frac{1}{4}\right) + \left(\frac{1}{2} \cdot \frac{1}{3}\right) + \left(\frac{1}{4} \cdot \frac{1}{2}\right) = \frac{1}{16} + \frac{1}{6} + \frac{1}{8} = \frac{3}{48} + \frac{8}{48} + \frac{6}{48} = \frac{17}{48}
1. durumdan başlayıp 2 adım sonra tekrar 1. duruma gelmek için olası tüm ara durumlar (1, 2 ve 3) üzerinden geçiş olasılıklarının toplamı alınmalıdır.
4
Elde edilen pay ve payda değerlerini formülde yerine koyarak nihai koşullu olasılığı elde etme.
P(X1=2X0=1,X2=1)=1/617/48=8/4817/48=817P(X_1 = 2 \mid X_0 = 1, X_2 = 1) = \frac{1/6}{17/48} = \frac{8/48}{17/48} = \frac{8}{17}
Payı ve paydayı sadeleştirerek oranladığımızda, 2. adımda 1. duruma dönüldüğü bilindiğinde, bu sürecin 2. durum üzerinden gerçekleşmiş olma olasılığını kesin olarak hesaplamış oluruz.

Key Concept

Koşullu Olasılık, Markov Özelliği ve Chapman-Kolmogorov Eşitliği
Estimated Time:2m 30s
Question 10Question

Bir makine öğrenmesi algoritmasının optimizasyon sürecindeki hata durumu, S={0,1,2}S = \{0, 1, 2\} durum uzayında tanımlı kesikli zamanlı homojen bir Markov zinciri ile modellenmektedir.

Durumlar sırasıyla; 0: Düşük Hata, 1: Orta Hata, 2: Yüksek Hata seviyelerini temsil etmektedir. Algoritmanın ardışık iterasyonlarındaki geçiş olasılıkları aşağıdaki PP matrisi ile verilmiştir:

P=[1/21/31/601/32/31/201/2] P = \begin{bmatrix} 1/2 & 1/3 & 1/6 \\ 0 & 1/3 & 2/3 \\ 1/2 & 0 & 1/2 \end{bmatrix}

Başlangıçta (t=0t=0) algoritmanın düşük hata (0) durumunda olduğu bilinmektedir. 2. iterasyonun sonunda (t=2t=2) algoritmanın yüksek hata (2) durumunda olduğu gözlemlenmiştir.

Buna göre, algoritmanın 1. iterasyonda (t=1t=1) orta hata (1) durumunda bulunmuş olma olasılığı kaçtır?

Show answer & explanation

Answer: 47\frac{4}{7}

Answer

47\frac{4}{7}
Doğru yanıt 47\frac{4}{7} değeridir. Soruda X0=0X_0=0 ve X2=2X_2=2 bilgisi altındaki bir ara durum olasılığı istenmektedir. Markov özelliği ve Bayes formülü gereği, bu olasılık; zincirin 0120 \to 1 \to 2 yolunu izleme olasılığının (P01P12=29P_{01}P_{12} = \frac{2}{9}), olası tüm yolların (0020 \to 0 \to 2, 0120 \to 1 \to 2, 0220 \to 2 \to 2) gerçekleşme olasılıkları toplamına (P00P02+P01P12+P02P22=718P_{00}P_{02} + P_{01}P_{12} + P_{02}P_{22} = \frac{7}{18}) bölünmesiyle bulunur. 2/97/18=47\frac{2/9}{7/18} = \frac{4}{7} elde edilir.

Step-by-Step Solution

1
Koşullu olasılık ve Bayes teoremi ile problemi formüle etme
P(X1=1X0=0,X2=2)=P(X1=1,X2=2X0=0)P(X2=2X0=0)P(X_1=1 | X_0=0, X_2=2) = \frac{P(X_1=1, X_2=2 | X_0=0)}{P(X_2=2 | X_0=0)}
Zamanın geriye doğru koşullandırılması gerektiği için hedef olasılığı, bilinen başlangıç koşuluna göre parçalara ayırmak gereklidir.
2
Payı (istenen spesifik yolun olasılığını) Markov özelliği ile hesaplama
P(X1=1,X2=2X0=0)=P01P12=1323=29=836P(X_1=1, X_2=2 | X_0=0) = P_{01} \cdot P_{12} = \frac{1}{3} \cdot \frac{2}{3} = \frac{2}{9} = \frac{8}{36}
1. iterasyonda 1'e ve 2. iterasyonda 2'ye gitme olasılığı, bu iki ardışık bağımsız geçiş olasılığının çarpımıdır.
3
Paydayı (tüm olası 2 adımlık yolların olasılıkları toplamını) hesaplama
P(X2=2X0=0)=P00P02+P01P12+P02P22=(1216)+(1323)+(1612)=112+29+112=718P(X_2=2 | X_0=0) = P_{00}P_{02} + P_{01}P_{12} + P_{02}P_{22} = (\frac{1}{2} \cdot \frac{1}{6}) + (\frac{1}{3} \cdot \frac{2}{3}) + (\frac{1}{6} \cdot \frac{1}{2}) = \frac{1}{12} + \frac{2}{9} + \frac{1}{12} = \frac{7}{18}
Sistemin 0'dan başlayıp 2 adımda 2'ye ulaşması için olası tüm ara durumlar (0, 1, 2) üzerinden geçiş olasılıklarının toplanması gerekir.
4
Koşullu olasılık sonucunu elde etmek için payı paydaya bölme
(29)/(718)=29187=47(\frac{2}{9}) / (\frac{7}{18}) = \frac{2}{9} \cdot \frac{18}{7} = \frac{4}{7}
Olası tüm gerçekleşmelerin içinden spesifik olarak 1. durumdan geçilen senaryonun oranını bulmak.

Key Concept

Markov Zincirlerinde Koşullu Olasılık ve Geçmiş Durum Çıkarımı
Kesikli Zamanlı Markov Zincirleri ve Geçiş Olasılıkları Practice Questions — KPSS İstatistik | Examkin