# Örnekleme Dağılımları

**URL:** <https://sorumatik.co/t/ornekleme-dagilimlari/571021>\
**Category:** YKS Matematik\
**Tags:** ödev\
**Created:** [Kasım 26, 2025, 8:47ös UTC](https://sorumatik.co/t/ornekleme-dagilimlari/571021 "2025-11-26T20:47:53Z")\
**Posts on this page:** 2\
**Page:** 1

<div class="post-metadata">

**Author:** ![Ema\_Vlog](https://sorumatik.co/user_avatar/sorumatik.co/ema_vlog/32/61605_2.png) [@Ema\_Vlog](https://sorumatik.co/u/Ema_Vlog)\
**Post date:** [Kasım 26, 2025, 8:47ös UTC](https://sorumatik.co/t/ornekleme-dagilimlari/571021/1 "2025-11-26T20:47:53Z")

</div>

Örnekleme Dağılımları,

---

<div class="post-metadata">

**Author:** ![Egitim\_Danismani](https://sorumatik.co/user_avatar/sorumatik.co/egitim_danismani/32/86791_2.png) [@Egitim\_Danismani](https://sorumatik.co/u/Egitim_Danismani)\
**Post date:** [Kasım 26, 2025, 8:49ös UTC](https://sorumatik.co/t/ornekleme-dagilimlari/571021/2 "2025-11-26T20:49:33Z")

</div>

## **Örnekleme Dağılımları Nedir?**

* * *

**Örnekleme dağılımları** , istatistikte bir popülasyondan alınan örneklerin çeşitli istatistiksel ölçümlerinin (örneğin ortalama, varyans) dağılımını ifade eder. Bu kavram, özellikle örneklem büyüklüğü arttıkça örneklem istatistiklerinin nasıl davrandığını anlamak için çok önemlidir.

* * *

## **İçindekiler**

1. [Örnekleme Dağılımı Nedir?](#ornekleme-dagilimi-nedir)
2. [Örnekleme Dağılımının Özellikleri](#ornekleme-dagiliminin-ozellikleri)
3. [Örnekleme Dağılımı Türleri](#ornekleme-dagilimi-turleri)
4. [Merkezi Limit Teoremi](#merkezi-limit-teoremi)
5. [Örnekleme Dağılımı Tablosu](#ornekleme-dagilimi-tablosu)
6. [Örnekleme Dağılımı Örneği](#ornekleme-dagilimi-ornegi)
7. [Özet ve Önemli Noktalar](#ozet-ve-onemli-noktalar)

* * *

## **1. Örnekleme Dağılımı Nedir?**

Bir popülasyondan alınan örneklerin belirli bir istatistiksel ölçüsünün (örneklem ortalaması, örneklem varyansı gibi) olası tüm değerlerinin dağılımına **örnekleme dağılımı** denir.

Örneğin, bir sınıftaki öğrencilerin boylarının ortalaması popülasyon parametresidir. Bu sınıftan farklı farklı örnekler alınırsa, her örnek için ortalama hesaplanır. Bu ortalamaların dağılımı ise örnekleme dağılımını oluşturur.

* * *

## **2. Örnekleme Dağılımının Özellikleri**

- **Ortalama:** Örnekleme dağılımının ortalaması, popülasyon ortalamasına eşittir.  
Yani, E(\bar{X}) = \mu
- **Varyans:** Örnekleme dağılımının varyansı, popülasyon varyansının örneklem büyüklüğüne bölünmüş halidir.  
Yani, \mathrm{Var}(\bar{X}) = \frac{\sigma^2}{n}
- **Dağılım Şekli:** Örneklem büyüklüğü arttıkça örnekleme dağılımı normal dağılıma yaklaşır (Merkezi Limit Teoremi).

* * *

## **3. Örnekleme Dağılımı Türleri**

| **Örnekleme İstatistiği** | **Örnekleme Dağılımı** | **Özellikleri** |
| --- | --- | --- |
| Örneklem Ortalaması | Normal dağılıma yaklaşır (n büyükse) | Ortalama \mu, varyans \sigma^2/n |
| Örneklem Varyansı | Ki-kare dağılımına sahiptir | Serbestlik derecesi n-1 |
| Örneklem Oranı | Binom dağılımına dayanır, büyük örneklerde normal | Başarı oranı p, varyans p(1-p)/n |

* * *

## **4. Merkezi Limit Teoremi**

Merkezi Limit Teoremi (MLT), örneklem büyüklüğü yeterince büyük olduğunda, örneklem ortalamalarının dağılımının yaklaşık olarak normal dağılıma uyduğunu belirtir. Bu, popülasyon dağılımı ne olursa olsun geçerlidir.

**Matematiksel ifade:**

\bar{X} \sim N\left(\mu, \frac{\sigma^2}{n}\right) \quad \text{(n büyükse)}

Burada,

- \mu popülasyon ortalaması,
- \sigma^2 popülasyon varyansı,
- n örneklem büyüklüğüdür.

* * *

## **5. Örnekleme Dağılımı Tablosu**

| **İstatistik** | **Dağılım** | **Ortalama** | **Varyans** | **Notlar** |
| --- | --- | --- | --- | --- |
| Örneklem Ortalaması | Normal (n büyükse) | \mu | \frac{\sigma^2}{n} | Merkezi Limit Teoremi geçerli |
| Örneklem Varyansı | Ki-kare | \sigma^2 | 2\sigma^4/(n-1) | Serbestlik derecesi n-1 |
| Örneklem Oranı | Binom / Normal (yaklaşık) | p | \frac{p(1-p)}{n} | Başarı oranı, büyük örneklerde normal |

* * *

## **6. Örnekleme Dağılımı Örneği**

Bir fabrikanın ürettiği ampullerin ömrü ortalama 1000 saat ve standart sapması 100 saat olsun. 64 ampullük bir örnek alındığında, örneklem ortalamasının dağılımı nasıl olur?

- Popülasyon ortalaması: \mu = 1000
- Popülasyon standart sapması: \sigma = 100
- Örneklem büyüklüğü: n = 64

Örneklem ortalamasının ortalaması:  
E(\bar{X}) = \mu = 1000

Örneklem ortalamasının standart sapması (standart hata):  
\sigma\_{\bar{X}} = \frac{\sigma}{\sqrt{n}} = \frac{100}{8} = 12.5

Örneklem ortalaması yaklaşık olarak  
N(1000, 12.5^2)  
dağılımını takip eder.

* * *

## **7. Özet ve Önemli Noktalar**

- **Örnekleme dağılımı** , örneklem istatistiklerinin dağılımıdır.
- Örneklem ortalamasının dağılımı, örneklem büyüklüğü arttıkça normal dağılıma yaklaşır.
- Örneklem ortalamasının ortalaması popülasyon ortalamasına eşittir.
- Örneklem ortalamasının varyansı, popülasyon varyansının örneklem büyüklüğüne bölünmüş halidir.
- Merkezi Limit Teoremi, örnekleme dağılımlarının normal dağılıma yaklaşmasını sağlar.

* * *

## **Örnekleme Dağılımları Hakkında Özet Tablo**

| **Kavram** | **Tanım** | **Formül / Özellik** |
| --- | --- | --- |
| Örnekleme Dağılımı | Örneklem istatistiklerinin olası değerlerinin dağılımı | - |
| Örneklem Ortalaması | Örneklem ortalamalarının dağılımı | Ortalama: \mu, Varyans: \frac{\sigma^2}{n} |
| Merkezi Limit Teoremi | Büyük örneklerde örneklem ortalamasının normal dağılıma yaklaşması | \bar{X} \sim N(\mu, \frac{\sigma^2}{n}) |
| Örneklem Varyansı | Örneklem varyanslarının dağılımı | Ki-kare dağılımı, serbestlik n-1 |
| Örneklem Oranı | Başarı oranlarının dağılımı | Binom veya normal dağılım (büyük örneklerde) |

* * *

Eğer örnekleme dağılımları ile ilgili daha detaylı sorularınız varsa veya örnek çözümü isterseniz, yardımcı olmaktan memnuniyet duyarım! @Ema_Vlog
