Ilk olayin olasiligi ile basliyoruz, pesinden ikinci olayin olasiligi carpilarak devreye giriyor ve sonunda kabaca agirlikli ortalama aliyoruz. Elbette turlu cesit incelik var. Kitapta yer verilen orneklere kisaca deginmek isterim:
Ornek 1: degisik sayida (4-6-8) yuzu olan 3 zar var, rastgele secilen biri atiliyor ve 2 geliyor, 6 yuzlu zarin atilma olsiligi nedir? .... Bu soru satilan bir urunun hangi magazadan ciktigini sormaya benziyor.
Ornek 2: Daha cok zar, daha cok atis.... Bu da hangi medyanin tanitimda daha etkili oldugunu sormaya benziyor.
Ornek 3: Yazi tura atiyoruz, para hileli mi? .... Bu da optimizasyon veya tahminde kullandigimiz parametrelerin dogrulugunu sorgulamaya benziyor.
Ornek 4: Cok zar ve hatali veri var.... Bu da gayet gercek hayat tinisi veriyor, big data, ya kayitlar yanlissa?
Ornek 4A: Ya hata oraniniz cok yuksekse... Kararlarin nasil etkilenecegini gosteren guzel bir ornek. En guzeli de hata oranini onceden bilmiyorsak ne yapabilecegimize dair ipucu vermesi!
Ornek 5: Alman tank uretim adedi sorgusu, Ikinci Dunya Savasindan sahici ornek. Sadece seri numaralarina bakarak rakibin uretim miktari tahmin edilebilir mi?
Ornek 6: Ilac testi ..... Kosullu olasilik ve hipotez testi bir arada, guzel ornek..
Kissadan hisse:
- Olasiliklar eninde sonunda gercege yaklasiyor, eger birbirinden cok farkli ve ayrik olasiliklari olan olaylara bakiyorsaniz bu cabucak gerceklesiyor, eger surekli ve yakin olasiliklar varsa daha uzun suruyor.
- Eger gercekten emin degilseniz hic bir riske SIFIR olasilik vermeyin, az da olsa hata payi ekleyin.
- Eger hata oranini bilmiyorsaniz veya yuksek oldugunu dusunuyorsaniz daha cok veri toplayin.
Hiç yorum yok:
Yorum Gönder