Stokastik Süreçler

147 soru

Soru 101Soru

{W(t),t0}\{W(t), t \geq 0\} standart bir Wiener süreci (Kahverengi hareket) olarak tanımlanmaktadır. Buna göre, bu sürece ait W(3)W(3) ve W(8)W(8) rastgele değişkenleri arasındaki kovaryans değeri (Cov(W(3),W(8))Cov(W(3), W(8))) aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: 33

Cevap

Kovaryans değeri 33 olarak hesaplanır.
Standart Wiener süreci {W(t),t0}\{W(t), t \geq 0\} için kovaryans fonksiyonu Cov(W(s),W(t))=min(s,t)Cov(W(s), W(t)) = \min(s, t) olarak tanımlanır. Bu özellik, sürecin başlangıçtan itibaren ortak olan zaman dilimindeki varyansını temsil eder. Soruda verilen t=3t=3 ve t=8t=8 noktaları için minimum değer 33 olduğundan, kovaryans değeri 33 olur.

Adım Adım Çözüm

1
Standart Wiener süreci için kovaryans özelliğini (Cov(W(s),W(t))=min(s,t)Cov(W(s), W(t)) = \min(s, t)) belirleyin.
Formül: Cov(W(s),W(t))=min(s,t)Cov(W(s), W(t)) = \min(s, t)
Wiener sürecinde W(s)W(s) ve W(t)W(t) arasındaki ilişki, ortak geçilen zaman dilimi olan min(s,t)\min(s, t) ile belirlenir.
2
Soruda verilen zaman noktalarını (s=3s=3 ve t=8t=8) formülde yerine koyun.
Cov(W(3),W(8))=min(3,8)Cov(W(3), W(8)) = \min(3, 8)
Sürecin t=3t=3 ve t=8t=8 anlarındaki değerleri arasındaki kovaryans istenmektedir.
3
Minimum değeri hesaplayarak sonucu bulun.
33
3<83 < 8 olduğu için min(3,8)=3\min(3, 8) = 3 olur.

Anahtar Kavram

Wiener Sürecinde Kovaryans Özelliği
Tahmini Süre:45s
Soru 102Soru

{Fn,n0}\{\mathcal{F}_n, n \geq 0\} filtrasyonuna göre bir martingal (martingale) olan {Xn,n0}\{X_n, n \geq 0\} süreci, adil bir şans oyunundaki toplam kazancı temsil etmektedir. Sürecin 8. adımdaki değeri X8=150X_8 = 150 birim olarak gözlemlenmiştir. Buna göre, sürecin bir sonraki adımı için mevcut bilgiler altındaki koşullu beklenen değeri olan E[X9F8]E[X_9 | \mathcal{F}_8] aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: 150

Cevap

Martingal tanımı gereği koşullu beklenen değer mevcut değer olan 150 birime eşittir.
Martingal (martingale) tanımı gereği, bir stokastik sürecin mevcut bilgiler (Fn\mathcal{F}_n) altındaki bir sonraki adımının beklenen değeri, sürecin o andaki değerine (XnX_n) eşittir. Soruda X8=150X_8 = 150 olarak verildiğinden, E[X9F8]=150E[X_9 | \mathcal{F}_8] = 150 olur.

Adım Adım Çözüm

1
Martingal tanımını belirle.
E[Xn+1Fn]=XnE[X_{n+1} | \mathcal{F}_n] = X_n
Bir sürecin martingal olması, gelecekteki beklenen değerinin mevcut değere eşit olması demektir.
2
Verilen değerleri formülde yerine koy.
n=8n=8 için E[X9F8]=X8E[X_9 | \mathcal{F}_8] = X_8
Soruda 8. adımdaki değer verilmiş ve 9. adımdaki beklenen değer sorulmuştur.
3
Sonucu hesapla.
150150
X8=150X_8 = 150 olarak verildiği için sonuç doğrudan bu değere eşittir.

Anahtar Kavram

Martingal Süreçlerinin Temel Özelliği

Daha Fazla Pratik

Martingal süreçlerinde koşulsuz beklenen değerin (E[Xn]E[X_n]) her nn için E[X0]E[X_0] değerine eşit olduğunu kanıtlamaya çalışın.
Tahmini Süre:45s
Soru 103Soru

Stokastik süreçlerin temel bileşenleri, tanımları ve sınıflandırılmasıyla ilgili aşağıda yer alan ifadelerden hangisi yanlıştır?

Cevabı ve açıklamayı göster

Cevap: Bir işletmede her ayın sonunda ölçülen toplam kâr miktarı süreci, sürekli zamanlı ve sürekli durumlu bir sürece örnektir.

Cevap

İşletmedeki kâr miktarının her ay sonunda ölçüldüğü senaryonun sürekli zamanlı olarak sınıflandırılması yanlıştır.
Toplam kâr miktarının her ay sonunda ölçülmesi, zamanın kesikli noktalarda (T={1,2,3,}T = \{1, 2, 3, \dots\}) gözlemlendiği anlamına gelir. Bu durum süreci 'kesikli zamanlı' yapar. Ancak ifadenin içinde sürecin 'sürekli zamanlı' olduğu iddia edildiği için bu önerme teknik olarak hatalıdır.

Adım Adım Çözüm

1
Zaman parametresi kümesini (TT) analiz edin.
Ölçümler 'her ay sonu' yapıldığı için T={1,2,3,,n}T = \{1, 2, 3, \dots, n\} şeklindedir.
Zaman noktaları sayılabilir ve ayrık olduğu için bu süreç 'kesikli zamanlı' bir süreçtir.
2
Durum uzayını (SS) analiz edin.
Kâr miktarı para birimi cinsinden (örneğin TL) sürekli bir aralıkta değer alabilir.
Değer kümesi sürekli bir aralık oluşturduğu için bu süreç 'sürekli durumlu' bir süreçtir.
3
Sonuçları birleştirerek ifadenin doğruluğunu kontrol edin.
Süreç 'kesikli zamanlı - sürekli durumlu'dur ancak ifadede 'sürekli zamanlı' denilmiştir.
Tanım hatası nedeniyle ilgili önerme yanlıştır.

Anahtar Kavram

Stokastik Süreçlerin Sınıflandırılması (TT ve SS Kümeleri)
Tahmini Süre:45s
Soru 104Soru

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?

Cevabı ve açıklamayı göster

Cevap: 0,17

Cevap

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.

Adım Adım Çözüm

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.

Anahtar Kavram

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

Alternatif Yöntem

Geçiş olasılık matrisinin karesini (P2P^2) hesaplayıp birinci satır ikinci sütun elemanına bakılabilir.
Tahmini Süre:1m 30s
Soru 105Soru

Bir üniversitenin öğrenci işleri bürosunda tek bir memur hizmet vermektedir (M/M/1M/M/1 modeli). Büroya gelen öğrencilerin varışları saatte ortalama 88 kişi olacak şekilde Poisson dağılımına, memurun bir öğrenciye hizmet verme süresi ise ortalama 66 dakika olacak şekilde üstel dağılıma uygundur. Buna göre, sisteme gelen bir öğrencinin büroda geçireceği ortalama toplam süre (kuyruk + hizmet) kaç dakikadır?

Cevabı ve açıklamayı göster

Cevap: 30

Cevap

Sisteme gelen bir öğrencinin büroda geçireceği ortalama toplam süre 30 dakikadır.
Sisteme giren bir birimin kuyrukta bekleme ve hizmet alma sürelerinin toplamı olan sistemde kalış süresi (WW), M/M/1M/M/1 modelinde W=1/(μλ)W = 1 / (\mu - \lambda) formülü ile hesaplanır. Verilen değerlere göre λ=8\lambda = 8 ve μ=10\mu = 10 (saatte 10 öğrenci) olduğundan, W=1/2W = 1/2 saat, yani 30 dakika olarak bulunur.

Adım Adım Çözüm

1
Varış ve hizmet oranlarını aynı zaman birimi (saat) cinsinden belirleyin.
λ=8\lambda = 8 öğrenci/saat; μ=606=10\mu = \frac{60}{6} = 10 öğrenci/saat.
Kuyruk modellerinde oranların tutarlı olması için hizmet süresi hizmet oranına çevrilmelidir.
2
M/M/1M/M/1 modeli için sistemde geçirilen ortalama süre (WW) formülünü uygulayın.
W=1μλ=1108=12W = \frac{1}{\mu - \lambda} = \frac{1}{10 - 8} = \frac{1}{2} saat.
WW formülü, bir birimin kuyruk ve hizmet dahil toplam süresini verir.
3
Bulunan sonucu dakikaya çevirin.
0,5×60=300,5 \times 60 = 30 dakika.
Soruda cevap dakika cinsinden istenmiştir.

Anahtar Kavram

M/M/1 modelinde sistemde kalış süresi (WW) hesaplanırken varış (λ\lambda) ve hizmet (μ\mu) oranları kullanılır ve W=1μλW = \frac{1}{\mu - \lambda} formülü uygulanır.
Soru 106Soru

Bir kamu kurumunun arşiv dairesinde kullanılan bir dijital tarayıcının lambasının kullanım ömrü, ortalaması 88 ay olan bağımsız ve aynı dağılımlı (i.i.d.i.i.d.) rastgele değişkenlerdir. Arızalanan lamba bekletilmeksizin yenisiyle değiştirilmektedir. Temel Yenileme Teoremi'ne göre, uzun dönemde bu lamba için beklenen yıllık yenileme sayısı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 1,5

Cevap

Uzun dönemde beklenen yıllık yenileme sayısı 1,5 olarak hesaplanır.
Temel Yenileme Teoremi'ne göre, uzun dönemde birim zamanda beklenen yenileme sayısı 1/μ1/\mu değerine yakınsar. Burada μ=8\mu = 8 ay olduğundan, aylık beklenen yenileme sayısı 1/81/8'dir. Yıllık değeri bulmak için bu oran 12 ay ile çarpılır: 12×(1/8)=1,512 \times (1/8) = 1,5 elde edilir.

Adım Adım Çözüm

1
Lambaların ortalama kullanım ömrünü (μ\mu) belirle.
μ=8\mu = 8 ay/lamba
Yenileme hızını hesaplamak için temel bileşen ortalama süredir.
2
Temel Yenileme Teoremi'ni kullanarak birim zamandaki (aylık) yenileme hızını hesapla.
Hız = 1/μ=1/8=0,1251 / \mu = 1 / 8 = 0,125 lamba/ay
Teoreme göre uzun dönemde birim zamandaki beklenen yenileme sayısı, ortalama sürenin çarpmaya göre tersine eşittir.
3
Aylık hızı yıllık (12 aylık) süreye ölçekle.
0,125×12=1,50,125 \times 12 = 1,5 lamba/yıl
Soruda beklenen 'yıllık' yenileme sayısı sorulduğu için aylık hız 12 ile çarpılır.

Anahtar Kavram

Temel Yenileme Teoremi (Elementary Renewal Theorem)
Soru 107Soru

Bir Galton-Watson dallanma sürecinde, her bir bireyin bir sonraki nesilde oluşturacağı yavru sayısı XX rastgele değişkeni ile gösterilmektedir. Başlangıçta bir birey (X0=1X_0 = 1) ile başlayan bu sürecin bir nesil sonrasındaki yavru dağılımı aşağıdaki tabloda verilmiştir:

xx001122
P(X=x)P(X=x)0,50,50,30,30,20,2

Buna göre, bu dallanma sürecinin nihai olarak yok olma (soyunun tükenmesi) olasılığı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 11

Cevap

Dallanma sürecinin nihai yok olma olasılığı 1'dir.
Dallanma süreçlerinde, bir bireyin ortalama yavru sayısı μ\mu olarak tanımlanır. Eğer μ<1\mu < 1 ise süreç 'alt-kritik' olarak adlandırılır ve bu durumda popülasyonun eninde sonunda yok olması kesin bir olaydır (olasılığı 1'dir). Verilen olasılık dağılımına göre μ=0,7\mu = 0,7 olarak hesaplanmıştır. 0,7<10,7 < 1 olduğu için yok olma olasılığı 1'dir.

Adım Adım Çözüm

1
Yavru dağılımının beklenen değerini (μ\mu) hesaplayınız.
μ=E[X]=(0×0,5)+(1×0,3)+(2×0,2)=0+0,3+0,4=0,7\mu = E[X] = (0 \times 0,5) + (1 \times 0,3) + (2 \times 0,2) = 0 + 0,3 + 0,4 = 0,7
Bir dallanma sürecinin karakteristiğini (alt-kritik, kritik, üst-kritik) belirlemek için ortalama yavru sayısı hesaplanmalıdır.
2
Hesaplanan beklenen değeri 11 ile kıyaslayınız.
μ=0,7<1\mu = 0,7 < 1
Beklenen değerin 1'den küçük olması sürecin alt-kritik (subcritical) olduğunu gösterir.
3
Sürecin türüne göre yok olma olasılığını (π\pi) belirleyiniz.
π=1\pi = 1
Alt-kritik (μ<1\mu < 1) ve kritik (μ=1\mu = 1, varyans >0> 0) dallanma süreçlerinde nihai yok olma olasılığı her zaman 1'e eşittir.

Anahtar Kavram

Dallanma süreçlerinde yok olma olasılığı, ortalama yavru sayısına (beklenen değer) bağlıdır; eğer μ1\mu \leq 1 ise yok olma olasılığı 1'dir.

Daha Fazla Pratik

Eğer μ>1\mu > 1 (üst-kritik) olsaydı, yok olma olasılığını bulmak için G(s)=sG(s) = s denkleminin [0,1][0,1] aralığındaki en küçük köküne bakmanız gerekecekti.
Tahmini Süre:45s
Soru 108Soru

{Fn,n0}\{\mathcal{F}_n, n \geq 0\} filtrasyonuna göre bir martingal (martingale) olduğu bilinen {Xn,n0}\{X_n, n \geq 0\} stokastik sürecinin başlangıç değeri X0=5X_0 = 5 olarak verilmiştir. Bu sürecin 10. adımdaki değeri X10=12X_{10} = 12 olarak gözlemlendiğine göre, sürecin 15. adımdaki koşullu beklenen değeri olan E[X15F10]E[X_{15} | \mathcal{F}_{10}] kaçtır?

Cevabı ve açıklamayı göster

Cevap: 12

Cevap

Sürecin 15. adımdaki koşullu beklenen değeri 12'dir.
Martingal süreçlerin temel özelliği olan E[Xn+kFn]=XnE[X_{n+k} | \mathcal{F}_n] = X_n kuralına göre, sürecin gelecekteki bir andaki beklenen değeri, eldeki en güncel bilgi kümesi olan filtrasyonun son değerine eşittir. Burada 10. adımdaki değer 12 olarak verildiği için, 15. adımdaki beklenen değer de 12 olacaktır.

Adım Adım Çözüm

1
Martingal tanımını ve temel özelliğini hatırla.
E[Xn+kFn]=XnE[X_{n+k} | \mathcal{F}_n] = X_n (her k0k \geq 0 için).
Martingal süreçlerde, mevcut tüm bilgiler ışığında gelecekteki durumun beklenen değeri, sürecin o andaki değerine eşittir.
2
Soruda verilen parametreleri formüle yerleştir.
n=10n=10 ve k=5k=5 olduğu için E[X15F10]=X10E[X_{15} | \mathcal{F}_{10}] = X_{10} olur.
10. adımdaki tüm bilgiler (filtrasyon) verildiği için özellik bu indisler üzerinden uygulanır.
3
Gözlemlenen X10X_{10} değerini yerine koy.
X10=12X_{10} = 12 olduğundan beklenen değer 12'dir.
Süreç martingal olduğu için geçmişteki değişimler veya başlangıç değeri, o andaki bilgi verildikten sonra beklentiyi değiştirmez.

Anahtar Kavram

Martingal Korunum Özelliği
Tahmini Süre:45s
Soru 109Soru

Bir bitki koruma programında yetiştirilen nadir bir türün çoğalması bir Galton-Watson dallanma süreci {Xn,n0}\{X_n, n \geq 0\} ile modellenmektedir. Her bir bireyin bir sonraki nesle bırakacağı tohum (yavru) sayısının olasılık dağılımı aşağıdaki tabloda verilmiştir:

Yavru Sayısı (kk)P(X=k)P(X=k)
00,4
10,3
20,3

Sürecin bir adet birey ile başladığı (X0=1X_0 = 1) bilindiğine göre, bu sürecin 3. neslindeki beklenen birey sayısı (E[X3]E[X_3]) kaçtır?

Cevabı ve açıklamayı göster

Cevap: 0,729

Cevap

Dallanma sürecinin 3. neslindeki beklenen birey sayısı 0,7290,729 olarak hesaplanır.
Dallanma sürecinde başlangıçta tek bir birey varsa, nn. nesildeki beklenen birey sayısı E[Xn]=μnE[X_n] = \mu^n formülü ile bulunur. Burada μ\mu, bir bireyin ortalama yavru sayısıdır. Tabloya göre μ=0(0,4)+1(0,3)+2(0,3)=0,9\mu = 0(0,4) + 1(0,3) + 2(0,3) = 0,9 bulunur. 3. nesil sorulduğu için 0,93=0,7290,9^3 = 0,729 doğru sonuçtur.

Adım Adım Çözüm

1
Yavru dağılımının beklenen değerini (μ\mu) hesaplayın.
μ=(0×0,4)+(1×0,3)+(2×0,3)=0,9\mu = (0 \times 0,4) + (1 \times 0,3) + (2 \times 0,3) = 0,9
Dallanma süreçlerinde nesiller arası büyüme oranı her bir bireyin ortalama yavru sayısına bağlıdır.
2
nn. nesil için beklenen değer formülünü (E[Xn]=μnE[X_n] = \mu^n) uygulayın.
E[X3]=(0,9)3E[X_3] = (0,9)^3
X0=1X_0 = 1 olduğunda, nesiller bağımsız ve aynı dağılımlı olduğundan beklenti geometrik olarak artar veya azalır.
3
Üslü ifadeyi hesaplayın.
0,9×0,9×0,9=0,7290,9 \times 0,9 \times 0,9 = 0,729
İstenen 3. nesil değerine ulaşmak için çarpma işlemi tamamlanır.

Anahtar Kavram

Galton-Watson dallanma süreçlerinde beklenen değerin geometrik ilerleyişi.
Tahmini Süre:45s
Soru 110Soru

Bir kamu kurumunun yürüttüğü sosyal yardım projesinde, sisteme dahil olan her bir gönüllünün bir sonraki dönemde projeye kazandırdığı yeni gönüllü sayısı bir Galton-Watson dallanma süreci ile modellenmektedir. Her bir gönüllünün kazandıracağı yeni kişi sayısına (XX) ilişkin olasılık kütle fonksiyonu aşağıda verilmiştir:

xxP(X=x)P(X=x)
00,2
10,5
20,3

Başlangıçta (n=0n=0) sisteme dahil olan 1 gönüllü olduğu bilindiğine göre, 2. nesildeki (n=2n=2) beklenen gönüllü sayısı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 1,21

Cevap

İkinci nesilde beklenen gönüllü sayısı 1,21'dir.
Verilen olasılık dağılımına göre bir gönüllünün kazandıracağı ortalama kişi sayısı 1,1 olarak hesaplanır (0×0,2+1×0,5+2×0,3=1,10 \times 0,2 + 1 \times 0,5 + 2 \times 0,3 = 1,1). Dallanma süreçlerinde n. nesildeki beklenen birey sayısı μn\mu^n formülüyle bulunduğundan, 2. nesil için 1,12=1,211,1^2 = 1,21 sonucuna ulaşılır.

Adım Adım Çözüm

1
Tek bir bireyin (gönüllünün) beklenen yavru sayısını (mu) hesaplayın.
μ=E[X]=0(0,2)+1(0,5)+2(0,3)=0+0,5+0,6=1,1\mu = E[X] = 0(0,2) + 1(0,5) + 2(0,3) = 0 + 0,5 + 0,6 = 1,1
Dallanma süreçlerinde temel büyüme katsayısı, bir bireyin oluşturacağı yeni birey sayısının beklenen değeridir.
2
n-inci nesil için beklenen değer formülünü uygulayın.
E[Xn]=μnE[X_n] = \mu^n olduğundan, n=2n=2 için E[X2]=1,12=1,21E[X_2] = 1,1^2 = 1,21
Galton-Watson süreçlerinde, başlangıçta 1 birey varsa, n-inci nesildeki birey sayısı başlangıç bireyinin beklentisinin n-inci kuvvetine eşittir.

Anahtar Kavram

Galton-Watson dallanma süreçlerinde n-inci neslin beklenen değeri E[Xn]=μnE[X_n] = \mu^n formülüyle hesaplanır.
Soru 111Soru

Bir endüstriyel tesiste, bir su pompasının çalışma durumu (çalışıyor: 11, duruyor: 00) zaman boyunca kesintisiz olarak izlenmektedir.

Pompanın durumunu temsil eden {X(t),t0}\{X(t), t \geq 0\} stokastik süreci için aşağıdakilerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Durum uzayı kesiklidir ve parametre kümesi süreklidir.

Cevap

Sürecin durum uzayı kesikli, parametre kümesi ise süreklidir.
Verilen {X(t),t0}\{X(t), t \geq 0\} sürecinde, alt indis veya parametre olan tt değerleri [0,)[0, \infty) aralığında sürekli bir değişim gösterdiği için süreç 'sürekli zamanlı' bir süreçtir. Ancak sürecin alabileceği değerlerin (durumların) kümesi olan S={0,1}S = \{0, 1\} sayılabilir bir küme olduğu için 'kesikli durumlu' bir süreçtir. Bu nedenle durum uzayı kesikli, parametre kümesi süreklidir.

Adım Adım Çözüm

1
Sürecin zaman parametresi kümesini (TT) belirlemek
T={t:t0}T = \{t : t \geq 0\} kümesi, bir zaman aralığını temsil ettiği için süreklidir.
Soruda pompanın 'zaman boyunca kesintisiz' izlendiği belirtilmiştir.
2
Sürecin durum uzayını (SS) belirlemek
S={0,1}S = \{0, 1\} kümesi, sayılabilir ve sonlu bir küme olduğu için kesiklidir.
Pompa sadece iki farklı durumda bulunabilmektedir ve ara değerler almamaktadır.

Anahtar Kavram

Stokastik süreçlerin zaman (parametre) ve durum (state) bileşenlerine göre sınıflandırılması
Tahmini Süre:45s
Soru 112Soru

Bir kamu hastanesinin girişinde bulunan otomatik dezenfektan cihazlarının pompaları, arızalandıkları anda bekletilmeksizin yenisiyle değiştirilmektedir. Bu pompaların kullanım ömürleri, ortalaması 44 gün olan bağımsız ve aynı dağılımlı (i.i.d.i.i.d.) rastgele değişkenlerdir. Temel Yenileme Teoremi'ne göre, uzun dönemde (tt \to \infty) birim günde beklenen yenileme sayısı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 0,25

Cevap

Uzun dönemde birim günde beklenen yenileme sayısı 0,25'tir.
Temel Yenileme Teoremi'ne göre, yenileme süreci uzun dönemde incelendiğinde birim zamandaki beklenen yenileme sayısı, yenilemeler arası geçen sürenin beklenen değerinin çarpmaya göre tersidir. Bu soruda ortalama süre 4 gün olduğu için yenileme hızı 1/4 = 0,25 olarak bulunur.

Adım Adım Çözüm

1
Yenilemeler arası sürenin beklenen değerini (μ\mu) belirleyin.
μ=4\mu = 4 gün
Soruda pompaların ortalama kullanım ömrünün 4 gün olduğu verilmiştir.
2
Temel Yenileme Teoremi formülünü uygulayın.
limtM(t)t=1μ\lim_{t \to \infty} \frac{M(t)}{t} = \frac{1}{\mu}
Teorem, uzun dönemdeki ortalama yenileme hızının, yenilemeler arası ortalama sürenin tersine eşit olduğunu belirtir.
3
Sayısal hesaplamayı tamamlayın.
14=0,25\frac{1}{4} = 0,25
Birim günde beklenen yenileme sayısını bulmak için 1'i ortalama süreye böleriz.

Anahtar Kavram

Temel Yenileme Teoremi (Elementary Renewal Theorem)

Daha Fazla Pratik

Yenileme fonksiyonu M(t)'nin sonlu zamanlardaki değeri ile limit değerleri arasındaki farkları incelemek konuyu pekiştirecektir.
Tahmini Süre:45s
Soru 113Soru

İstatistiksel modellemede rastgele olayların zaman veya mekân içindeki evrimini inceleyen stokastik süreçler, yapısal özelliklerine ve parametre kümelerine göre sınıflandırılırlar.

Buna göre, stokastik süreçlerin temel kavramları ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Durum uzayı (SS) ve zaman parametresi kümesi (TT) birbirlerinden bağımsız olarak kesikli veya sürekli formda tanımlanabilir; belirli bir ωΩ\omega \in \Omega için sürecin zamana bağlı gerçekleşmesine ise örneklem fonksiyonu (örneklem yolu) denir.

Cevap

Durum uzayı ve zaman parametresi kümesinin bağımsız olarak yapılandırılabileceğini ve belirli bir sonucun zamana bağlı gerçekleşmesine örneklem fonksiyonu denildiğini belirten ifadedir.
Stokastik süreçlerin en temel mimarisinde durum uzayı (SS) ve zaman parametresi kümesi (TT) yapısal olarak birbirine bağımlı değildir. İstisnasız dört olası kombinasyon da (Kesikli-Kesikli, Kesikli-Sürekli, Sürekli-Kesikli, Sürekli-Sürekli) mümkündür. Ayrıca bir süreç rastgele olaylar (ωΩ\omega \in \Omega) ve zaman (tTt \in T) olmak üzere iki değişkene bağlıdır. Olay (ω\omega) gerçekleşip sabitlendiğinde geriye sadece zamanın fonksiyonu kalır; bu fonksiyona sürecin o olay için izlediği güzergah anlamına gelen 'örneklem fonksiyonu' veya 'örneklem yolu' denir.

Adım Adım Çözüm

1
Durum uzayı (SS) ile zaman parametresi kümesinin (TT) ilişkisini analiz et.
SS ve TT birbirinden bağımsızdır. Sürekli zamanlı-kesikli durumlu (örn. Poisson süreci) veya kesikli zamanlı-sürekli durumlu seriler oluşturulabilir.
Zamanın sürekli akması, değişkenin aldığı değerlerin de aralıksız olmasını gerektirmez.
2
Bağımsız artışlı süreçlerdeki 'bağımsızlık' ve 'ayrıklık' kavramlarını incele.
Bağımsızlık P(AB)=P(A)P(B)P(A \cap B) = P(A)P(B) anlamına gelirken, ayrıklık P(AB)=0P(A \cap B) = 0 demektir. Bağımsız artışlar ayrık olayları zorunlu kılmaz, aksine dışlar.
Kavramsal hataları elemek için olasılık aksiyomlarındaki temel farklar hatırlanmalıdır.
3
Rastgele değişken ve örneklem fonksiyonu (sample path) kavramlarını ayırt et.
Zaman (tt) sabitlenirse X(t)X(t) bir rastgele değişken olur. Örnek uzay (ω\omega) sabitlenirse, zamanın bir fonksiyonu olan örneklem yolu elde edilir.
Sürecin Ω×T\Omega \times T üzerindeki iki boyutlu doğasını kavramak içindir.
4
Seçenekleri bu bilgiler ışığında değerlendir.
Sadece SS ve TT'nin kombinasyon bağımsızlığını ve örneklem yolunun tanımını doğru veren ifade geçerlidir.
Diğer seçeneklerde deterministik değişken, ayrıklık ve durum uzayı tanımlarında bilerek kavramsal hatalar yapılmıştır.

Anahtar Kavram

Stokastik Süreçlerin Temel Parametreleri (SS, TT) ve Fonksiyonel Doğası
Soru 114Soru

{W(t),t0}\{W(t), t \geq 0\} standart bir Wiener süreci (Kahverengi hareket) olsun.

Buna göre, W(1)=3W(1) = 3 koşulu altında W(4)W(2)W(4) \cdot W(2) çarpımının beklenen değeri, yani

E[\,W(4) \cdot W(2) \mid W(1) = 3\]

ifadesinin sonucu aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: 10

Cevap

Doğru sonuç 10 değeridir.
Sorunun çözümünde ilk olarak kule özelliği (tower property) ve Wiener sürecinin martingal özelliği kullanılır. E[\,W(4)W(2) \mid W(1)=3\] ifadesini bulmak için önce içeriden F2\mathcal{F}_2'ye göre koşullandırılır, bu da ifadeyi E[\,W(2)^2 \mid W(1)=3\] haline getirir. Wiener sürecinin bağımsız artışlar özelliğinden dolayı W(2)W(1)=3W(2) \mid W(1)=3 değişkeni N(3,1)N(3, 1) dağılımına sahiptir. İkinci moment formülünden (Var+E[X]2Var + E[X]^2), sonuç 1+32=101 + 3^2 = 10 olarak bulunur.

Adım Adım Çözüm

1
Koşullu beklenen değeri hesaplamak için iç içe beklenti kuralını (Kule özelliği) uygulayın.
E[\,W(4)W(2) \mid W(1)=3\] = E[\, E[W(4)W(2) \mid \mathcal{F}_2] \mid W(1)=3 \]
Gelecekteki bir durum (W(4)W(4)) ile geçmiş bir durum (W(2)W(2)) arasındaki ilişkiyi çözmek için, ifadeyi önce t=2t=2 anındaki bilgi kümesine (filtrasyonuna) göre koşullandırarak sadeleştirebiliriz.
2
İçteki beklenen değeri hesaplarken, W(2)W(2)'yi dışarı çıkarın ve Wiener sürecinin martingal özelliğini kullanın.
E[\,W(4)W(2) \mid \mathcal{F}_2\] = W(2) \cdot E[\,W(4) \mid \mathcal{F}_2\] = W(2) \cdot W(2) = W(2)^2
W(2)W(2) rastgele değişkeni F2\mathcal{F}_2 altındayken bilinen bir sabittir. Ayrıca Wiener süreci bir martingal olduğu için gelecekteki bir değerin mevcut duruma göre beklentisi mevcut değere eşittir (E[W(4)F2]=W(2)E[W(4) \mid \mathcal{F}_2] = W(2)).
3
Elde edilen yeni ifadeyi W(1)=3W(1)=3 koşulu altında varyans formülüne göre açın.
Çözülecek ifade E[\,W(2)^2 \mid W(1)=3\] şekline gelir. Bu, Var(W(2) \mid W(1)=3) + (E[\,W(2) \mid W(1)=3\])^2 formülüne eşittir.
İkinci momenti (E[X2]E[X^2]) bulmak için, sürecin koşullu varyansı ile koşullu beklenen değerinin karesini toplamak gerekir.
4
Bağımsız artışlar kuralını kullanarak W(1)=3W(1)=3 koşulu altında W(2)W(2)'nin varyansını ve beklenen değerini belirleyin.
W(2)=(W(2)W(1))+W(1)W(2) = (W(2) - W(1)) + W(1)'dir. W(2)W(1)N(0,21)W(2) - W(1) \sim N(0, 2-1) olduğundan, E[\,W(2) \mid W(1)=3\] = 0 + 3 = 3 ve Var(W(2)W(1)=3)=1Var(W(2) \mid W(1)=3) = 1'dir.
Wiener sürecinde W(t)W(s)W(t) - W(s) artışı, ss anına kadarki süreçten bağımsızdır ve varyansı (ts)(t-s)'ye eşittir.
5
Bulunan değerleri adım 3'teki denklemde yerine koyarak nihai sonucu hesaplayın.
1+32=1+9=101 + 3^2 = 1 + 9 = 10.
Koşullu varyans (11) ve koşullu beklenen değerin karesinin (99) toplamı 10 sonucunu verir.

Anahtar Kavram

Wiener sürecinde martingal kuralı, bağımsız artışlar özelliği ve koşullu ikinci moment hesabı.

Daha Fazla Pratik

Geometrik Brownian Hareketinde beklenen değer ve varyans hesaplamalarını içeren soruları çözerek dönüşüm yeteneğinizi pekiştirin.
Tahmini Süre:2m 0s
Soru 115Soru

Bir kamu kurumunun elektronik belge yönetim sistemi (EBYS) sunucusunun günlük çalışma durumu, 11 (Normal Yük) ve 22 (Yüksek Yük) olmak üzere iki durumlu bir kesikli zamanlı Markov zinciri ile modellenmektedir. Bu sisteme ait bir adımlık geçiş olasılıkları matrisi (PP) aşağıda verilmiştir:

P=[08020505]P = \begin{bmatrix} 0{}8 & 0{}2 \\ 0{}5 & 0{}5 \end{bmatrix}

Bu Markov zincirinin indirgenemez (irreducible) ve aperiyodik olduğu bilinmektedir.

Buna göre, sistemin uzun dönemde (kararlı durumda) 22 numaralı 'Yüksek Yük' durumunda bulunma olasılığı aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: \(\frac{2}{7}\)

Cevap

Sistemin uzun dönemde 'Yüksek Yük' durumunda bulunma olasılığı \(\frac{2}{7}\)'dir.
Kararlı durum olasılıkları, πP=π\pi P = \pi matris denklemi ve πi=1\sum \pi_i = 1 normalizasyon koşulu birlikte çözülerek elde edilir. Verilen sistemde 22 numaralı durum için π2=02π1+05π2\pi_2 = 0{}2\pi_1 + 0{}5\pi_2 eşitliği yazılır. Buradan π1=25π2\pi_1 = 2{}5\pi_2 ilişkisi bulunur. Olasılıkların toplamının 11 olması gerektiğinden π1+π2=1\pi_1 + \pi_2 = 1 eşitliğinde yerine konulduğunda 35π2=13{}5\pi_2 = 1 sonucuna varılır. Bu da π2=27\pi_2 = \frac{2}{7} değerini verir.

Adım Adım Çözüm

1
Kararlı durum (sınır) olasılıkları denklemini (πP=π\pi P = \pi) kurunuz.
[π1\pi_1, π2\pi_2] [08020505]\begin{bmatrix} 0{}8 & 0{}2 \\ 0{}5 & 0{}5 \end{bmatrix} = [π1\pi_1, π2\pi_2]
Sistem indirgenemez ve aperiyodik olduğundan, uzun dönem olasılıkları geçiş matrisi ile çarpıldığında değişmeden kalır.
2
22 numaralı durum (Yüksek Yük) için cebirsel denklemi yazınız.
π2=02π1+05π2\pi_2 = 0{}2\pi_1 + 0{}5\pi_2
Matris çarpımında ikinci sütun elemanları ile durum olasılıklarını çarparak π2\pi_2'yi buluruz.
3
Denklemi sadeleştirerek π1\pi_1 ve π2\pi_2 arasındaki oranı bulunuz.
π205π2=02π1    05π2=02π1    π1=25π2\pi_2 - 0{}5\pi_2 = 0{}2\pi_1 \implies 0{}5\pi_2 = 0{}2\pi_1 \implies \pi_1 = 2{}5\pi_2
İki bilinmeyenli sistemi tek bir bilinmeyen cinsinden ifade etmek için sadeleştirme gereklidir.
4
Normalizasyon kuralını (Tüm olasılıkların toplamı 1'dir) uygulayarak sonuca ulaşınız.
π1+π2=1    25π2+π2=1    35π2=1    π2=135=27\pi_1 + \pi_2 = 1 \implies 2{}5\pi_2 + \pi_2 = 1 \implies 3{}5\pi_2 = 1 \implies \pi_2 = \frac{1}{3{}5} = \frac{2}{7}
Olasılık aksiyomları gereği, sistemin herhangi bir durumda bulunma olasılıklarının toplamı her zaman 1 olmalıdır.

Anahtar Kavram

Kesikli Zamanlı Markov Zincirlerinde Kararlı Durum Olasılıklarının Hesaplanması
Soru 116Soru

Bir çağrı merkezindeki telefon santrali, kapasitesi en fazla 2 çağrı olacak şekilde tasarlanmıştır. Bu sisteme gelen çağrılar ve tamamlanan görüşmeler, durum uzayı S={0,1,2}S = \{0, 1, 2\} olan sürekli zamanlı bir doğum-ölüm süreci (birth-death process) olarak modellenmektedir.

Sistemde nn adet çağrı varken;
- Yeni bir çağrının gelme (doğum) oranları: λ0=3\lambda_0 = 3 çağrı/saat, λ1=2\lambda_1 = 2 çağrı/saat ve λ2=0\lambda_2 = 0
- Mevcut bir çağrının tamamlanma (ölüm) oranları: μ1=1\mu_1 = 1 çağrı/saat ve μ2=1\mu_2 = 1 çağrı/saat
olarak belirlenmiştir.

Buna göre, bu sistemin uzun dönemde (kararlı durumda) tam kapasite dolu olma (sistemde 2 çağrı bulunma) olasılığı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 35\frac{3}{5}

Cevap

Sistemin tam kapasite dolu olma olasılığı 35\frac{3}{5}'tir.
Kararlı durum analizi için yerel denge (local balance) denklemleri olan λnπn=μn+1πn+1\lambda_n\pi_n = \mu_{n+1}\pi_{n+1} kullanılır. Oranlar yerine konulduğunda π1=3π0\pi_1 = 3\pi_0 ve π2=6π0\pi_2 = 6\pi_0 elde edilir. Olasılıkların toplamı (π0+π1+π2=10π0\pi_0 + \pi_1 + \pi_2 = 10\pi_0) 1'e eşitlenerek π0=110\pi_0 = \frac{1}{10} bulunur. Sistemde iki müşterinin bulunması tam kapasiteyi gösterir; bu nedenle istenen π2=6×110=35\pi_2 = 6 \times \frac{1}{10} = \frac{3}{5} doğru değerdir.

Adım Adım Çözüm

1
Doğum-ölüm süreci için kararlı durum (steady-state) denge denklemlerini kurun.
λ0π0=μ1π1\lambda_0\pi_0 = \mu_1\pi_1 ve λ1π1=μ2π2\lambda_1\pi_1 = \mu_2\pi_2 eşitlikleri elde edilir.
Kararlı durumda iki komşu durum arasındaki akış hızları birbirine eşit (Rate In = Rate Out) olmalıdır.
2
Verilen oranları denklemlere yerleştirerek tüm olasılıkları π0\pi_0 cinsinden yazın.
3π0=1π1    π1=3π03\pi_0 = 1\pi_1 \implies \pi_1 = 3\pi_0 ve 2π1=1π2    π2=2π1=2(3π0)=6π02\pi_1 = 1\pi_2 \implies \pi_2 = 2\pi_1 = 2(3\pi_0) = 6\pi_0 bulunur.
Bilinmeyen sayısını teke düşürerek toplam olasılık üzerinden çözüme gitmek için ardışık yerine koyma işlemi yapılır.
3
Olasılıkların toplamının 1'e eşit olması kuralını kullanarak π0\pi_0'ı hesaplayın.
π0+π1+π2=1    π0+3π0+6π0=1    10π0=1    π0=110\pi_0 + \pi_1 + \pi_2 = 1 \implies \pi_0 + 3\pi_0 + 6\pi_0 = 1 \implies 10\pi_0 = 1 \implies \pi_0 = \frac{1}{10} elde edilir.
Bir olasılık dağılımında örneklem uzayındaki tüm olası durumların olasılıkları toplamı daima 1'dir.
4
Soruda istenen tam kapasite dolu olma (sistemde 2 çağrı bulunma) olasılığını (π2\pi_2) hesaplayın.
π2=6π0=6×110=610=35\pi_2 = 6\pi_0 = 6 \times \frac{1}{10} = \frac{6}{10} = \frac{3}{5} olarak bulunur.
Sistemin maksimum kapasitesi 2 olduğu için istenen hedef durum π2\pi_2'dir.

Anahtar Kavram

Sürekli Zamanlı Markov Süreçlerinde Denge Denklemleri ve Kararlı Durum (Steady-State) Olasılıkları
Soru 117Soru

Bir üretim tesisinde kullanılan hassas bir makinenin günlük çalışma durumu, S={1,2,3,4}S = \{1, 2, 3, 4\} durum uzayında tanımlı homojen bir Markov zinciri ile modellenmektedir. Durumlar sırasıyla; 1: Kurulum, 2: Düşük Kapasite, 3: Tam Kapasite, 4: Bakım olarak belirlenmiştir.

Makinenin günlük durum geçiş olasılık matrisi PP aşağıdaki gibi verilmiştir:

P=[0.10.40.30.20.00.40.60.00.00.30.20.50.00.00.80.2] P = \begin{bmatrix} 0.1 & 0.4 & 0.3 & 0.2 \\ 0.0 & 0.4 & 0.6 & 0.0 \\ 0.0 & 0.3 & 0.2 & 0.5 \\ 0.0 & 0.0 & 0.8 & 0.2 \end{bmatrix}

Bu Markov zincirinin durumları sınıflandırıldığında ve sistemin uzun dönem davranışı incelendiğinde, makinenin kararlı durumda (sınır olasılıklarında) 'Tam Kapasite' (3 numaralı durum) çalışma olasılığı (π3\pi_3) aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: 817\frac{8}{17}

Cevap

Makinenin kararlı durumda 'Tam Kapasite' (3 numaralı durum) çalışma olasılığı 817\frac{8}{17}'dir.
Verilen Markov zincirinde 1 numaralı durum geçicidir (transient), çünkü diğer durumlardan bu duruma geçiş söz konusu değildir (P21=P31=P41=0P_{21}=P_{31}=P_{41}=0). Bu nedenle sınır olasılığı π1=0\pi_1 = 0'dır. Sistem uzun dönemde sadece {2, 3, 4} durumlarından oluşan kapalı, indirgenemez ve öz yineli (irreducible recurrent) sınıf içinde kalır. Bu sınıf için πP=π\pi P = \pi sol özvektör denklemleri çözüldüğünde π2=12π3\pi_2 = \frac{1}{2}\pi_3 ve π4=58π3\pi_4 = \frac{5}{8}\pi_3 eşitlikleri elde edilir. Tüm olasılıkların toplamı 1'e eşitlenmek zorundadır (normalizasyon şartı). π2+π3+π4=1\pi_2 + \pi_3 + \pi_4 = 1 denkleminde değerler yerine konduğunda 178π3=1\frac{17}{8}\pi_3 = 1 denklemi ortaya çıkar ve aranan π3\pi_3 değeri 817\frac{8}{17} olarak doğru şekilde bulunur.

Adım Adım Çözüm

1
Markov zincirinin durumlarını sınıflandırarak geçici (transient) ve öz yineli (recurrent) durumları belirlemek.
1 numaralı duruma diğer durumlardan geri dönüş olasılığı sıfırdır (P21=P31=P41=0P_{21}=P_{31}=P_{41}=0). Bu nedenle 1 numaralı durum geçicidir (transient) ve kararlı durum olasılığı π1=0\pi_1 = 0 olur. Kalan {2, 3, 4} durumları kendi içinde iletişimde olan (irreducible) kapalı bir öz yineli sınıf oluşturur.
Kararlı durum olasılıkları, sadece kapalı ve öz yineli (recurrent) durum sınıfları içinde sıfırdan farklı değerler alır.
2
Öz yineli kapalı sınıf {2, 3, 4} için πP=π\pi P = \pi (sol özvektör) denklemlerini kurmak.
π2=0.4π2+0.3π3\pi_2 = 0.4\pi_2 + 0.3\pi_3
π3=0.6π2+0.2π3+0.8π4\pi_3 = 0.6\pi_2 + 0.2\pi_3 + 0.8\pi_4
π4=0.5π3+0.2π4\pi_4 = 0.5\pi_3 + 0.2\pi_4 denklemleri elde edilir.
Sınır olasılıkları vektörü π\pi, geçiş matrisinin satırlarıyla çarpıldığında kendisini vermelidir.
3
Denklem sistemini π3\pi_3 cinsinden ifade etmek.
Birinci denklemden: 0.6π2=0.3π3π2=12π30.6\pi_2 = 0.3\pi_3 \Rightarrow \pi_2 = \frac{1}{2}\pi_3
Üçüncü denklemden: 0.8π4=0.5π3π4=58π30.8\pi_4 = 0.5\pi_3 \Rightarrow \pi_4 = \frac{5}{8}\pi_3 bulunur.
Bilinmeyen sayısını tek değişkene düşürerek normalizasyon denkleminde çözüme gidebilmek.
4
Tüm olasılıkların toplamının 1 olması kuralını (πi=1\sum \pi_i = 1) uygulamak.
π2+π3+π4=1\pi_2 + \pi_3 + \pi_4 = 1 denklemine göre;
12π3+π3+58π3=1\frac{1}{2}\pi_3 + \pi_3 + \frac{5}{8}\pi_3 = 1 işlemi yapılır.
Bir sistemin uzun dönemde muhakkak öz yineli durumlardan birinde bulunması gerektiği için olasılıklar toplamı 1'e eşitlenmelidir.
5
Elde edilen denklemi çözerek π3\pi_3 değerine ulaşmak.
Ortak paydada (8) toplandığında:
48π3+88π3+58π3=1178π3=1π3=817\frac{4}{8}\pi_3 + \frac{8}{8}\pi_3 + \frac{5}{8}\pi_3 = 1 \Rightarrow \frac{17}{8}\pi_3 = 1 \Rightarrow \pi_3 = \frac{8}{17} olarak hesaplanır.
Soruda hedeflenen 'Tam Kapasite' (3 numaralı durum) için sınır olasılık değeri nihai olarak bulunmuş olur.

Anahtar Kavram

Stokastik Süreçlerde Durumların Sınıflandırılması ve Sınır (Kararlı Durum) Olasılıkları
Soru 118Soru

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?

Cevabı ve açıklamayı göster

Cevap: 817\frac{8}{17}

Cevap

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.

Adım Adım Çözüm

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.

Anahtar Kavram

Koşullu Olasılık, Markov Özelliği ve Chapman-Kolmogorov Eşitliği
Tahmini Süre:2m 30s
Soru 119Soru

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?

Cevabı ve açıklamayı göster

Cevap: 47\frac{4}{7}

Cevap

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.

Adım Adım Çözüm

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.

Anahtar Kavram

Markov Zincirlerinde Koşullu Olasılık ve Geçmiş Durum Çıkarımı
Soru 120Soru

Bir finansal risk analiz modelinde, bir yatırım portföyünün haftalık risk seviyeleri S={1,2,3,4}S = \{1, 2, 3, 4\} durum uzayında tanımlı bir homojen Markov zinciri ile modellenmektedir. Bu durumlara ilişkin geçiş olasılıkları matrisi PP aşağıdaki gibi verilmiştir:

P=[1/61/31/61/302/53/5001/32/300001] P = \begin{bmatrix} 1/6 & 1/3 & 1/6 & 1/3 \\ 0 & 2/5 & 3/5 & 0 \\ 0 & 1/3 & 2/3 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

Buna göre, sisteme 1 numaralı risk seviyesinden (başlangıç durumu) giren bir portföyün, uzun dönemde (kararlı durumda) 2 numaralı risk seviyesinde bulunma olasılığı aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: 314\frac{3}{14}

Cevap

Uzun dönemde 2 numaralı durumda bulunma olasılığı 314\frac{3}{14}'tür.
Doğru seçenekteki değer, sistemin öncelikle geçici durumdan (1) hedef kapalı sınıfa {2, 3} yutulma olasılığının (3/53/5) hesaplanması ve ardından bu olasılığın ilgili sınıfın kendi içindeki kararlı durum olasılığı (5/145/14) ile çarpılması sonucu (3/5×5/14=3/143/5 \times 5/14 = 3/14) elde edilmiştir. Birden fazla kapalı sınıf içeren matrislerde başlangıç koşuluna bağlı uzun dönem olasılıkları bu koşullu çarpım ilkesiyle bulunur.

Adım Adım Çözüm

1
Markov zincirinin durumlarını sınıflandırın.
Durum 4 yutucu (recurrent), Durum 1 geçici (transient), Durum 2 ve 3 ise kendi aralarında geçişken olan kapalı bir iletişim sınıfıdır (irreducible, recurrent).
Geçiş matrisi incelendiğinde 4'ten sadece 4'e geçiş olduğu, 2 ve 3'ün dışarıya çıkış vermediği, 1'in ise diğer tüm sınıflara geçebildiği ancak kendisine dönülemeyen yollar barındırdığı görülür.
2
C={2,3}C = \{2, 3\} kapalı alt sınıfı için kararlı durum olasılıklarını (π2,π3\pi_2, \pi_3) hesaplayın.
π2=514\pi_2 = \frac{5}{14} ve π3=914\pi_3 = \frac{9}{14} bulunur.
π=πPC\pi = \pi P_{C} eşitliği kurularak π2=25π2+13π3\pi_2 = \frac{2}{5}\pi_2 + \frac{1}{3}\pi_3 ve π2+π3=1\pi_2 + \pi_3 = 1 sistemi çözülür. 35π2=13(1π2)    π2=514\frac{3}{5}\pi_2 = \frac{1}{3}(1 - \pi_2) \implies \pi_2 = \frac{5}{14} elde edilir.
3
Sistemin 1 numaralı durumdan başlayarak C={2,3}C = \{2, 3\} sınıfına yutulma olasılığını (a1a_1) hesaplayın.
a1=35a_1 = \frac{3}{5} bulunur.
Yutulma olasılığı denklemi: a1=jCP1j+P11a1a_1 = \sum_{j \in C} P_{1j} + P_{11}a_1. Buradan a1=(13+16)+16a1    a1=12+16a1    56a1=12    a1=35a_1 = (\frac{1}{3} + \frac{1}{6}) + \frac{1}{6}a_1 \implies a_1 = \frac{1}{2} + \frac{1}{6}a_1 \implies \frac{5}{6}a_1 = \frac{1}{2} \implies a_1 = \frac{3}{5}.
4
Koşullu olasılık kurallarını kullanarak 1'den başlayan sürecin uzun dönemde 2'de bulunma olasılığını bulun.
limnP(Xn=2X0=1)=a1×π2=35×514=314\lim_{n \to \infty} P(X_n = 2 \mid X_0 = 1) = a_1 \times \pi_2 = \frac{3}{5} \times \frac{5}{14} = \frac{3}{14}.
Sistem uzun dönemde ya 4 numaralı yutucu duruma (%40) ya da {2, 3} sınıfına (%60) yerleşecektir. Eğer {2, 3} sınıfına yerleşirse, zamanının 514\frac{5}{14}'ünü 2 numaralı durumda geçirecektir.

Anahtar Kavram

Sınıflandırılmış Markov Zincirlerinde Kararlı Durum ve Yutulma Olasılıkları
ÖncekiSayfa 6 / 8Sonraki
Stokastik Süreçler Alıştırma Soruları — KPSS İstatistik — Sayfa 6 | Examkin