Koşullu Olasılık

Olasılık, belirsizlik içeren durumları matematiksel olarak modellememizi sağlar. Peki, bir olayın gerçekleşmiş olmasının, başka bir olayın gerçekleşme ihtimalini nasıl etkilediğini hiç düşündünüz mü? Örneğin, bugün havanın bulutlu olduğunu bilmek, yağmur yağma olasılığını artırır mı? İşte bu tür soruların cevabı koşullu olasılıkta gizlidir. Bu bölümde, bir olayın belirli bir koşul altında gerçekleşme olasılığını hesaplamayı öğreneceğiz.

Koşullu Olasılığın Temelleri

Normalde bir olayın olasılığını hesaplarken, tüm olası sonuçların oluşturduğu örnek uzayı (E) dikkate alırız. Ancak bazen elimizde ek bir bilgi bulunur. Bu ek bilgi, gerçekleşebilecek sonuçların kümesini daraltır. Yani, örnek uzayımız artık E değil, bu koşulu sağlayan daha küçük bir küme olan B olur.

Kısacası, koşullu olasılık, “B olayının gerçekleştiği bilindiğine göre, A olayının gerçekleşme olasılığı nedir?” sorusuna cevap verir.

Tanım: Koşullu Olasılık
A ve B, aynı E örnek uzayına ait iki olay olsun. B olayının gerçekleşmiş olması koşuluyla A olayının gerçekleşme olasılığına A’nın B’ye bağlı koşullu olasılığı denir ve \(P(A|B)\) ile gösterilir.Bu olasılık iki temel formülle hesaplanır:

1. Olasılıklar Kullanılarak: \( \displaystyle P(A|B) = \frac{P(A \cap B)}{P(B)} \) (Burada \(P(B) \ne 0\))

2. Eleman Sayıları Kullanılarak: \( \displaystyle P(A|B) = \frac{s(A \cap B)}{s(B)} \) (Burada \(s(B) \ne 0\))

Sınav Taktikası: Soruların çoğunda ikinci formülü, yani eleman sayılarını kullanmak daha pratiktir. Koşul belirten olay (B olayı), sizin yeni “küçültülmüş” örnek uzayınız olur. Bu yeni örnek uzay içindeki istenen durumların sayısını (\(s(A \cap B)\)) bulup oranlamanız yeterlidir.
Örnek 1: Madeni Para Deneyi 
Hilesiz bir madenî para 3 kez havaya atılıyor. Bu atışlarda 2 kez yazı geldiği bilindiğine göre, ilk ve son atışta yazı gelmiş olma olasılığını bulunuz.


Adım Adım Çözüm:

1. Örnek Uzayı ve Olayları Tanımlama:
Normalde örnek uzayımız \(E = \{YYY, YYT, YTY, TYY, YTT, TYT, TTY, TTT\}\) olup \(s(E) = 8\)’dir. Ancak soruda bir koşul var.

Koşul Olayı (B): “2 kez yazı gelmesi”. Bu koşul, bizim yeni örnek uzayımızdır.
Bu durumu sağlayan sonuçlar: \(B = \{YYT, YTY, TYY\}\).
Dolayısıyla, yeni örnek uzayımızın eleman sayısı: \(s(B) = 3\).

İstenen Olay (A): “İlk ve son atışın yazı gelmesi”.
Bu durumu sağlayan sonuçlar: \(A = \{YYY, YTY\}\).

2. Kesişimi Bulma:
Formülümüz \( \frac{s(A \cap B)}{s(B)} \) olduğu için, hem A olayını (ilk ve son atış yazı) hem de B olayını (tam 2 yazı) sağlayan durumları bulmalıyız.
\(A \cap B\): B kümesindeki elemanlardan hangilerinin A koşulunu da sağladığına bakarız.
\(B = \{YYT, \underline{YTY}, TYY\}\) içinde sadece YTY’nin ilk ve son atışı yazıdır.
\(A \cap B = \{YTY\}\).
Dolayısıyla, kesişimin eleman sayısı: \(s(A \cap B) = 1\).

3. Olasılığı Hesaplama:
Artık formülü kullanabiliriz:
\[ P(A|B) = \frac{s(A \cap B)}{s(B)} = \frac{1}{3} \]
Sonuç olarak, 2 kez yazı geldiği biliniyorsa, ilk ve son atışın yazı olma olasılığı \(\frac{1}{3}\)’tür.

Örnek 2: Ailedeki Çocuklar 
3 çocuklu bir ailenin çocuklarından en az birinin erkek olduğu bilindiğine göre, diğer ikisinin kız olma olasılığını bulunuz.


Adım Adım Çözüm:

1. Örnek Uzayı Listeleme:
3 çocuk için \(2^3 = 8\) olası durum vardır:
\(E = \{KKK, KKE, KEK, EKK, EEK, EKE, KEE, EEE\}\)

Koşul Olayı (A): “En az bir çocuğun erkek olması”.
Bu, “hepsinin kız olması” durumunun dışındaki tüm durumlardır.
\(A = \{KKE, KEK, EKK, EEK, EKE, KEE, EEE\}\).
Yeni örnek uzayımızın eleman sayısı: \(s(A) = 7\).

İstenen Olay (B): “Diğer ikisinin kız olması”. Bu ifade “tam olarak 1 erkek ve 2 kız olması” anlamına gelir.
\(B = \{KKE, KEK, EKK\}\).

2. Kesişimi Bulma:
Hem A (en az bir erkek) hem de B (tam olarak 1 erkek, 2 kız) olayını sağlayan durumları bulalım.
B kümesindeki tüm elemanlar zaten en az bir erkek içerdiği için A kümesinin bir alt kümesidir.
\(A \cap B = \{KKE, KEK, EKK\}\).
Kesişimin eleman sayısı: \(s(A \cap B) = 3\).

3. Olasılığı Hesaplama:
\[ P(B|A) = \frac{s(A \cap B)}{s(A)} = \frac{3}{7} \]
En az bir çocuğun erkek olduğu bilindiğinde, ailenin 1 erkek ve 2 kız çocuğuna sahip olma olasılığı \(\frac{3}{7}\)’dir.

Bağımlı ve Bağımsız Olaylar

Koşullu olasılık kavramı, bizi olayların birbirleriyle olan ilişkisini incelemeye yönlendirir. İki olay arasında nasıl bir ilişki olabilir?

  • Bağımsız Olaylar: Bir olayın gerçekleşmesi, diğer olayın gerçekleşme olasılığını hiç etkilemiyorsa bu olaylar bağımsızdır. Örneğin, bir zar atıp 6 gelmesi ile bir para atıp tura gelmesi birbirinden tamamen bağımsızdır.
  • Bağımlı Olaylar: Bir olayın gerçekleşmesi, diğer olayın gerçekleşme olasılığını değiştiriyorsa bu olaylar bağımlıdır. Örneğin, bir torbadan geri konulmamak şartıyla iki top çekmek. İlk topun rengi, ikinci topun renginin olasılığını doğrudan etkiler.
Bağımsızlık Testi ve Çarpma Kuralı

A ve B olaylarının bağımsız olup olmadığını anlamanın en kesin yolu şu eşitliği kontrol etmektir:

\[ P(A \cap B) = P(A) \cdot P(B) \]

Eğer bu eşitlik sağlanıyorsa olaylar bağımsızdır. Sağlanmıyorsa bağımlıdır.


Bağımsız Olaylarda “ve”: A ve B olaylarının gerçekleşme olasılığı, olasılıklarının çarpımına eşittir.
\( P(A \cap B) = P(A) \cdot P(B) \)

Bağımlı Olaylarda “ve”: A ve B olaylarının gerçekleşme olasılığı, koşullu olasılık kullanılarak hesaplanır.
\( P(A \cap B) = P(A) \cdot P(B|A) \)

Örnek 3: Bağımsızlık Kontrolü 
1’den 10’a kadar sayıların yazılı olduğu 10 kart arasından rastgele bir kart seçiliyor.

  • A olayı: Seçilen sayının 4’ten büyük olması.
  • B olayı: Seçilen sayının 6’dan küçük olması.

A ve B olayları bağımlı mıdır, bağımsız mıdır?


Adım Adım Çözüm:

1. Olasılıkları Ayrı Ayrı Hesapla:
Örnek uzay E = {1, 2, …, 10}, yani \(s(E) = 10\).
A olayı: \(A = \{5, 6, 7, 8, 9, 10\}\) \(\Rightarrow\) \(s(A) = 6\).
\( P(A) = \frac{s(A)}{s(E)} = \frac{6}{10} = \frac{3}{5} \).

B olayı: \(B = \{1, 2, 3, 4, 5\}\) \(\Rightarrow\) \(s(B) = 5\).
\( P(B) = \frac{s(B)}{s(E)} = \frac{5}{10} = \frac{1}{2} \).

2. Kesişim Olasılığını Hesapla:
\(A \cap B\): Hem 4’ten büyük hem de 6’dan küçük olan sayılar.
\(A \cap B = \{5\}\) \(\Rightarrow\) \(s(A \cap B) = 1\).
\( P(A \cap B) = \frac{s(A \cap B)}{s(E)} = \frac{1}{10} \).

3. Bağımsızlık Testini Uygula:
Şimdi \( P(A \cap B) = P(A) \cdot P(B) \) eşitliği doğru mu diye kontrol edelim.
\( \frac{1}{10} \stackrel{?}{=} \frac{3}{5} \cdot \frac{1}{2} \)
\( \frac{1}{10} \ne \frac{3}{10} \)
Eşitlik sağlanmadığı için A ve B olayları bağımlı olaylardır.

Örnek 4: Koro Seçimi 
Bir okul korosunda 4’ü kalın sesli 24 kız ve 6’sı kalın sesli 16 erkek öğrenci vardır (Toplam 40 öğrenci). Solo şarkı söylemek için art arda iki öğrenci seçilecektir.
Seçilen 1. öğrencinin kalın sesli kız, 2. öğrencinin kalın sesli erkek olma olasılığı nedir?


Adım Adım Çözüm:

Bu bir “ard arda” seçim olduğu ve seçilen kişi geri konulmadığı için olaylar bağımlıdır. İkinci seçimdeki olasılık, ilk seçime göre değişecektir.

A olayı: 1. seçilenin kalın sesli kız olması.
B olayı: 2. seçilenin kalın sesli erkek olması.
Bizden istenen \(P(A \cap B)\). Bağımlı olay formülünü kullanırız: \(P(A \cap B) = P(A) \cdot P(B|A)\).

1. P(A)’yı Hesapla:
Toplam 40 öğrenci içinde 4 kalın sesli kız var.
\( P(A) = \frac{\text{Kalın Sesli Kız Sayısı}}{\text{Toplam Öğrenci Sayısı}} = \frac{4}{40} \)

2. P(B|A)’yı Hesapla:
Bu, “ilk seçilenin kalın sesli bir kız olduğu bilindiğine göre, ikinci seçilenin kalın sesli erkek olma olasılığı” demektir.
İlk seçim yapıldıktan sonra koroda artık 39 kişi kalmıştır. Kalın sesli erkeklerin sayısı (6) değişmemiştir.
\( P(B|A) = \frac{\text{Kalın Sesli Erkek Sayısı}}{\text{Kalan Öğrenci Sayısı}} = \frac{6}{39} \)

3. Sonucu Çarp:
\( P(A \cap B) = P(A) \cdot P(B|A) = \frac{4}{40} \cdot \frac{6}{39} = \frac{1}{10} \cdot \frac{6}{39} = \frac{6}{390} = \frac{1}{65} \)

Bileşik Olaylar ve Toplam Olasılık

Bazı olasılık problemleri, birden fazla olayın birleşiminden veya farklı durumların (alternatif yolların) toplamından oluşur. Bu tür olaylara bileşik olaylar denir.

Özellikle çok adımlı deneylerde ağaç diyagramı çizmek çok faydalıdır. Her bir dal, bir olayı ve üzerindeki sayı o olayın olasılığını temsil eder. Bir sonuca giden yoldaki (dallardaki) olasılıklar çarpılır. Eğer istenen sonuca birden fazla yoldan ulaşılabiliyorsa, bu yolların olasılıkları toplanır. Bu prensibe Toplam Olasılık Kuralı denir.

Örnek 5: Mağazadan Gömlek Seçimi (Toplam Olasılık ve Bayes Teoremi) 
X mağazasında 2 kırmızı, 3 yeşil gömlek; Y mağazasında 3 kırmızı, 4 yeşil gömlek vardır. Orhan, bu iki mağazadan birini rastgele seçip bir gömlek alıyor.
Orhan’ın aldığı gömleğin kırmızı olduğu bilindiğine göre, bu gömleği Y mağazasından almış olma olasılığı nedir?


Adım Adım Çözüm:

Bu soru, tipik bir “sonuç biliniyor, sebebini bul” sorusudur ve koşullu olasılığın en önemli uygulamalarından biridir (Bayes Teoremi).
Bizden istenen: \(P(Y \text{ mağazası} | \text{Kırmızı gömlek})\).

Formülümüz: \( \displaystyle P(Y|K) = \frac{P(Y \cap K)}{P(K)} \)

1. Payı Hesapla: \(P(Y \cap K)\)
Bu, “Y mağazasını seçme ve oradan kırmızı gömlek alma” olasılığıdır.
İki mağazadan birini seçme olasılığı \(\frac{1}{2}\)’dir.
\( P(Y \cap K) = P(\text{Y seçme}) \cdot P(\text{Kırmızı | Y seçildi}) = \frac{1}{2} \cdot \frac{3}{7} = \frac{3}{14} \).

2. Paydayı Hesapla: \(P(K)\) (Toplam Olasılık)
Kırmızı gömlek almanın iki yolu vardır: X’ten almak veya Y’den almak. Bu iki yolun olasılıklarını toplamalıyız.
\( P(K) = P(\text{X’ten Kırmızı}) + P(\text{Y’den Kırmızı}) \)
\( P(K) = P(X \cap K) + P(Y \cap K) \)
\( P(K) = \left( P(\text{X seçme}) \cdot P(\text{Kırmızı | X seçildi}) \right) + \left( \frac{3}{14} \right) \)
\( P(K) = \left( \frac{1}{2} \cdot \frac{2}{5} \right) + \frac{3}{14} = \frac{1}{5} + \frac{3}{14} \)
Paydaları eşitleyelim (70): \( \frac{14}{70} + \frac{15}{70} = \frac{29}{70} \).

3. Sonucu Oranla:
\( P(Y|K) = \frac{P(Y \cap K)}{P(K)} = \frac{3/14}{29/70} = \frac{3}{14} \cdot \frac{70}{29} = \frac{3 \cdot 5}{29} = \frac{15}{29} \)

“Veya” Bağlacı: Birleşim Olasılığı

“A olayı veya B olayı” dendiğinde, iki olayın birleşim kümesinin olasılığı sorulur: \(P(A \cup B)\).

Birleşim Kuralı (Toplama Kuralı)
\[ P(A \cup B) = P(A) + P(B) – P(A \cap B) \]

Eğer A ve B olaylarının ortak elemanı yoksa (yani ayrık olaylar ise), \(P(A \cap B) = 0\) olacağından formül \(P(A \cup B) = P(A) + P(B)\) haline gelir.

Örnek 6: Voleybol Maçı 
Güç Spor (G) ve Ege Spor (E) takımları arasında 3 setlik bir maç yapılıyor ve 2 set alan maçı kazanıyor. Her seti kazanma olasılıkları eşit ve \(\frac{1}{2}\)’dir.
Maçın iki sette bitmesi veya Ege Spor’un kazanması olasılığını bulunuz.


Adım Adım Çözüm:

A olayı: Maçın iki sette bitmesi.
B olayı: Ege Spor’un kazanması.
İstenen: \(P(A \cup B)\). Bu olaylar ayrık değil, çünkü Ege Spor maçı iki sette (EE) kazanabilir.

1. Tüm Olası Maç Sonuçlarını ve Olasılıklarını Listele:

  • GG (Güç Spor 2-0 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{4} \)
  • EE (Ege Spor 2-0 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{4} \)
  • GEG (Güç Spor 2-1 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{8} \)
  • EGG (Güç Spor 2-1 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{8} \)
  • EGE (Ege Spor 2-1 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{8} \)
  • GEE (Ege Spor 2-1 kazanır): \( \frac{1}{2} \cdot \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{8} \)

2. P(A), P(B) ve P(A \(\cap\) B) değerlerini bul:
P(A) – Maçın 2 sette bitmesi: GG veya EE durumları.
\( P(A) = P(GG) + P(EE) = \frac{1}{4} + \frac{1}{4} = \frac{2}{4} = \frac{1}{2} \).

P(B) – Ege Spor’un kazanması: EE, EGE veya GEE durumları.
\( P(B) = P(EE) + P(EGE) + P(GEE) = \frac{1}{4} + \frac{1}{8} + \frac{1}{8} = \frac{2}{8} + \frac{1}{8} + \frac{1}{8} = \frac{4}{8} = \frac{1}{2} \).

P(A \(\cap\) B) – Maçın 2 sette bitmesi VE Ege Spor’un kazanması: Bu sadece EE durumudur.
\( P(A \cap B) = P(EE) = \frac{1}{4} \).

3. Birleşim Formülünü Uygula:
\( P(A \cup B) = P(A) + P(B) – P(A \cap B) \)
\( P(A \cup B) = \frac{1}{2} + \frac{1}{2} – \frac{1}{4} = 1 – \frac{1}{4} = \frac{3}{4} \)

Özet Tablosu

KavramFormülAçıklama
Koşullu Olasılık\(P(A|B) = \frac{P(A \cap B)}{P(B)}\)B’nin gerçekleştiği bilindiğinde A’nın olasılığı.
Bağımsız Olaylar (VE)\(P(A \cap B) = P(A) \cdot P(B)\)Birinin sonucu diğerini etkilemez. Olasılıklar çarpılır.
Bağımlı Olaylar (VE)\(P(A \cap B) = P(A) \cdot P(B|A)\)Birinin sonucu diğerini etkiler. Koşullu olasılık kullanılır.
Birleşim (VEYA)\(P(A \cup B) = P(A) + P(B) – P(A \cap B)\)En az birinin olma olasılığı. Kesişim bir kez çıkarılır.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir