Bernoulli Dağılımı

Bernoulli dağılımı, istatistik ve olasılık teorisinde en temel dağılımlardan biridir. Adını İsviçreli matematikçi Daniel Bernoulli’den alan bu dağılım, yalnızca iki sonuçlu deneylerin olasılıklarını modellemek için kullanılır. Bu iki sonuç genellikle “başarı” ve “başarısızlık” olarak adlandırılır ve sonuçlardan biri başarı (1) diğeri ise başarısızlık (0) olarak temsil edilir.

Bernoulli Dağılımının Tanımı

Bernoulli dağılımı, bir deneme sonucunda başarı elde edilme olasılığının p, başarısızlık olasılığının ise 1-p olduğu durumlarda kullanılır. Bu dağılımda rastgele değişken X, 1 (başarı) veya 0 (başarısızlık) değerlerini alır. Bernoulli dağılımının olasılık kütle fonksiyonu (pmf) aşağıdaki gibidir:

P(X = x) = p^x * (1 – p)^(1 – x), burada x ∈ {0,1}

Bernoulli Dağılımının Özellikleri

1. Beklenen Değer (Ortalama):

E(X) = p

Başarı olasılığına eşittir.

2. Varyans:

Var(X) = p(1 – p)

3. Parametre:

Bernoulli dağılımı tek bir parametreye sahiptir, o da başarı olasılığı p’dir. p, 0 ile 1 arasında bir değerdir.

Bernoulli Dağılımının Kullanım Alanları

• Deney sonuçlarının iki olası duruma sahip olduğu durumlar: Örneğin, bir madeni paranın yazı mı tura mı geldiği, bir ürünün defolu mu değil mi olduğu gibi durumlar Bernoulli dağılımı ile modellenir.
• Makine öğrenmesi ve yapay zekada, özellikle sınıflandırma problemlerinde, temel model olarak kullanılabilir.
• İstatistiksel hipotez testlerinde, başarı veya başarısızlık durumlarının olasılıklarını hesaplamak için kullanılır.

Bernoulli Denemeleri ve Binom Dağılımı

Bir Bernoulli denemesi, tek bir başarı veya başarısızlık sonucu veren deneydir. Birden fazla bağımsız Bernoulli denemesinin toplamı ise binom dağılımı ile modellenir. Örneğin, 10 kez madeni para atıldığında kaç kez yazı geleceği binom dağılımı ile ifade edilir.

Sonuç

Bernoulli dağılımı, basit yapısı ve geniş uygulama alanlarıyla istatistik ve olasılık teorisinin temel taşlarından biridir. Tek parametreli olması ve sadece iki olası sonucu modellemesi, onu çeşitli alanlarda pratik ve etkili bir araç haline getirir. Temel olasılık kavramlarını anlamak ve daha karmaşık dağılımlara geçiş yapmak için Bernoulli dağılımını iyi kavramak önemlidir.