OLASILIKLI ENVANTER MODELLERİ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "OLASILIKLI ENVANTER MODELLERİ"

Transkript

1 SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II OLASILIKLI ENVANTER MODELLERİ DERS NOTLARI KAYNAK-WINSTON

2 OLASILIKLI STOK MODELLERİ Bir önceki dersteki bütün modellerde herhangi bir periodda talep kesin olarak bilinmektedir. Bu derste verilen zaman periodunda talebin belirsiz veya olasılıklı olduğu modelleri ele alacağız. TEK PERİYODLU KARAR MODELLERİ Pek çok durumda karar verici bir periyod için q değerine karar verecektir (q stoklanacak ürün miktarını gösteren değerdir). d ise rassal değişken D ye göre değer almaktadır. Gazeteci problemi tek periyodlu problemdir. Burada karar verici q değerine karar verdikten sonra, q ve d değerlerine bağlı olarak c(d,q) maliyeti oluşur. Burada bu maliyetin beklenen değerini minimize etmeye çalışırız.

3 MARJINAL ANALİZ KAVRAMI D tamsayı değerli bir kesikli bir değişken olsun ve P(D=d)=p(d) olsun. E(q) karar vericinin q değerini seçtiğinde beklenen değeri olsun. E(q) = d p d c(d, q) Pek çok pratik uygulamada E(q) fonksiyonu konveks bir fonksiyondur. q* E(q) değerini minimize eden q değeri olsun. Bu durumun grafiği Şekil 1 deki gibidir.

4 q değerine her seferinde bir marjinal birim ilave eder ve E(q) değerlerine bakarız. q* optimum değerine gelene kadar E(q+1)-E(q) <=0 olur. q* değerine geldiğimizde ilk defa E(q*+1)-E(q*) >=0 olur. Bu nokta dönüm noktasıdır. Minimum noktadır Şekil 1. Marjinal birim ekleyerek kontrol ettiğimiz için bu analize marjinal analiz denir.

5 GAZETE SATICISI PROBLEMİ (KESİKLİ TALEP) Organizasyonlar aşağıdaki olayların oluştuğu durumlarda envanter problemleriyle karşılaşır. 1. Organizasyonlar ne kadar birim sipariş vereceklerine karar verirler. q sipariş verilen birim miktarını göstermektedir 2. p(d) olasılıkla d birim talep oluşur. d nonnegatif tamsayıdır. D ise talebi gösteren rassal değişkendir. 3. d ve q değerlerine bağlı olarak c(d,q) maliyeti oluşmaktadır. c o = Fazla stok tutma maliyeti c u = Eksik stok tutma maliyeti F(q) = P (D<= q) Talep dağılım fonksiyonu olsun. Marjinal analiz uygulanabilir olduğundan E(q) aşağıdaki eşitsizliği sağlayan en küçük q değeriyle minimize olacaktır. F(q*) >= c u c u +c 0 (3)

6 ÖRNEK 1: Kampüs Kırtasiye Ağustos ayında gelecek yıl için ne kadar takvim sipariş edeceğine karar verecektir. Her bir takvim kırtasiyeye 2 TL ye malolmakta ve 4,5 TL ye satılmaktadır. Satılmayan takvimler 75 krş a iade edilebilmektedir.kırtasiye Ocak 1 tarihine kadar aşağıdaki tablodaki (Tablo 1) olasılık yoğunluk fonksiyonuna göre takvimlerin satılacağına inanmaktadır. Kırtasiye takvim satışlarından beklenen net karı maksimize etmeye çalışmaktadır. Kırtasiye ağustos ayında ne kadar takvim siparişi vermelidir? Ocak 1 tarihine kadar satılması beklenen takvim adedi Satılması beklenen takvim adedi Olasılık 100 0, , , , ,05 Tablo 1: Takvim satışları ile ilgili Olasılık Yoğunluk Fonksiyonu

7 ÇÖZÜM 1: q = Ağustos ayında sipariş verilen takvim sayısı d = Ocak 1 tarihine kadar talep edilen takvim sayısı F(q*) = P (D<= q) >= c u = 2,5 c u +c 0 3,75 =2 olur. 3 c u c u +c 0 P (D <= 100) = 0,30 P(D<= 150) = 0,50 P(D<=200) = 0,80 böylece F(200) = P (D<= 200) >= 2 3 0,80 >= 2 3 (200 takvim eşitsizliği sağlayan en küçük q değeridir) 200 takvim siparişi verilmelidir.

8 GAZETE SATICISI PROBLEMİ: SÜREKLİ TALEP Talep D, f(d) olasılık yoğunluk fonksiyonuna sahip sürekli rassal değişken olsun. Kesikli talep durumunda olduğu gibi, Karar vericinin beklenen maliyeti aşağıdaki eşitsizliği ilk sağlayan en küçük q* değeri için minimize olur. F(q*) = P(D<=q*) >= c u c u +c 0 (4) Talep sürekli rassal değişken olduğundan yukarıdaki eşitsizliğin eşitliğe dönüşerek gerçekleştiği ilk noktada optimum q* sipariş değerini buluruz. P(D<=q*) = c u c u +c 0 veya P(D>=q*) = c 0 c u +c 0 (5) olur.

9 ÖRNEK 2: Tabipler Birliği Antalya da bir toplantı düzenleyecektir. Toplantıdan 6 ay önce Tabipler birliği ne kadar odanın rezerv edileceğine karar vermelidir. Şimdi Odayı tanesi 50 TL ye kiralayabilmektedirler. Dernek toplantıya kaç kişinin katılacağını bilmemektedirler fakat dernek oda talebinin normal dağılıma uyacağını ortalamasının 5000 oda ve standart sapmasının 2000 oda olacağını hesaplamaktadır. Gereken oda sayısı rezerv edilen sayıdan fazla olursa komşu otellerden 80 TL ye oda ayarlanabilmektedir. Toplantıya katılanlar için komşu otellerde kalmak çok da pratik değildir. Bu uygunsuzluk oda başına 10 TL olacak şekilde fiyatlandırılmıştır. Eğer dernek toplam maliyeti minimize edecek sayıda oda rezerv etmek isterse kaç oda rezervasyonu yapmalıdırlar.

10 ÇÖZÜM 2: q = rezerv edilen oda sayısı d= gerçekte gereken oda sayısı Eğer d<=q ise sadece rezervasyonla maliyet oluşur Toplam maliyet = 50q olur. Eğer d>=q ise maliyetler aşağıdaki gibi olur q odayı rezerv etme maliyeti = 50q d-q odayı komşu otelden kiralama maliyeti = 80 (d-q) Komşu otelden kiramalanın uygunsuz olma maliyeti = 10 (d-q) + Toplam Maliyet = 90d -40q olur. Şu halde c u =40 ve c 0 =50 TL olur P(D<=q*) = c u c u +c 0 = = 4 9 olur.

11 P(D<=q*) = c u = 40 = 4 = 0,444 c u +c P(D<=q*) = 0,444 ise P( D <=q ) = 0,444 P(Z<= q 5000 q 5000 ) = 0,444 P(Z - 0,14) = 0,444-0,14 = ise q* = 4720 oda olur. Şekil 2: Otel odası rezervasyonu için q* değerine karar verme

12 ÖRNEK 3: THY İstanbul Paris seferi 200 Euro dur. Her bir uçak 100 yolcuya kadar almaktadır. Genellikle bilet alan bazı yolcular gelmemektedir. Gelmeyen yolculardan dolayı firma 100 den fazla bilet satmaktadır. Bu durumda da fazla yolcu geldiğinde kanunlar bileti olup ta binemeyen her bir yolcu için 100 Euro teselli ücreti ödettirmektedir. Geçmiş veriler bileti olupta gelmeyen yolcuların ortalaması 20 ve standart sapması 5 olan normal dağılıma uyduğunu göstermektedir. Beklenen gelir teselli ücretini maksimize edilen bilet sayısı kaç adet olmalıdır. Not: Bileti olupta gelmeyen yolcular 200 euronun tamamını geri alabilmektedirler.

13 ÇÖZÜM 3: q=firma tarafından satılan bilet adedi q-100 = Ekstra satılan bilet adedi d=bileti olupta gelmeyen yolcu sayısı Bu durumda Tablo 9 daki maliyetler oluşur. q-d Toplam Maliyet q-d <= 100 (-200(q-d)) q-d >=100 (100(q-d-100) - 200*100) Tablo 9: Toplam maliyetin (q-d) değerine göre hesaplanması Eğer q-100 karar değişkeni olarak düşünülürse Şu halde c u =200 ve c 0 =100 euro olur P(D<=q*-100) = c u = 200 = 2 c u +c = 0,667 olur. P( D 20 5 <=q ) P (Z<= q olur. ) =0,667 ise q =0,43 q*=122,15

14 Şekil 3: Havayolu rezervasyonunda q* değerine karar verilmesi

15 BELİRSİZ TALEBİN OLDUĞU DURUMDA ESM : (r,q) MODELİ Bu durumda talep rassal olup tedarik süresi 0 dan büyüktür. Büütn talebin sonradanda olsa karşılandığını kabul ediyoruz. Sürekli gözden geçirme modelini çalışıyoruz. Envanter r seviyesine düşene kadar gözden geçirilip, r seviyesine gelince q kadar sipariş verilir. Aşağıdaki notasyonları bu derste kullanacağız. K = Sipariş Maliyeti h= Stok tutma (Elde bulundurma) maliyeti/birim/yıl L=Her bir sipariş için tedarik süresi (Aksi belirtilene kadar bilinmektedir) q=sipariş Miktarı D= Rassal değişken (sürekli), Yıllık talebi göstermekte ortalaması E(D) ve varyansı var D ve standart sapması σ D dir. c B = Yok satma maliyeti (Ne kadar sürede tedarik edileceğinden bağımsız) B(t) = t zamanında karşılanmamış miktar ES(t) = t zamanında eldeki stoğu gösterir. I(t) = t zamanında net stok (t=es(t) B(t)) r= Sipariş noktası (Envanter seviyesi r seviyesine erişince sipariş verilir)

16 Şekil 5 : Sipariş noktası modelinde stok seviyesinin zamana göre seyri

17 X = Tedarik süresindeki talebi gösteren rassal değişken E(X) = L * E(D) var X = L *(var D) σ x = σ D L olur (8) Eğer Tedarik süresi deterministik değilde rassal değişken ise L = tedarik süresini gösteren rassal değişken ise Ortalama = E(L) Varyans = var L Standart Sapma = σ L olur. Eğer Tedarik süresi (L) rassal değişmekte ve X tedarik süresince talep ise ve tedarik süresinin uzunluğu ile tedarik süresinin her bir birimindeki talep bağımsızsa Tedarik süresince ortalama (beklenen) talep E(X) = E(L)E(D) Varyans var X = E(L)(var D) + E(D) 2 (var L) (8 ) Standart sapma σ x = var X olur.

18 SİPARİŞ NOKTASININ, SONRADAN TESLİMİN (TEDARİĞİN) İZİN VERİLDİĞİ DURUMDA BELİRLENMESİ: q* = ( 2KE(D) ) 1/2 h (13) P (X >= r*) = hq c B E(D) hq Eğer > 1 ise (13) çözümsüzdür, Stok tutma maliyeti stok boşalması maliyetine c B E(D) göre oldukça yüksektir ve sipariş noktası izin verilen en küçük stok seviyesi olarak belirlenmelidir. Eğer (13) çözüldüğünde r* değeri negatif çıkarsa, sipariş noktası en küçük kabul edilebilir seviye olarak belirlenmelidir.

19

20 ÖRNEK 5-1: Her bir yıl kampüs kırtasiye ortalama 1000 kutu CD satmaktadır. Yıllık talep normal dağılıma uymakta ve standart sapması 40.8 kutudur. Kırtasiye CD leri bölgesel bir dağıtıcıdan tedarik etmekte ve her bir sipariş iki hafta içinde gelmektedir. Sipariş verme maliyeti 50 TL olup bir kutu CD yi bir yıl elde tutma maliyeti 10 TL dir. Stok boşalması (Yok Satma) maliyeti ise 20 TL/kutu dur. Yok satma maliyeti içerisinde müşteri memnuniyetsizliği ve özel sipariş açma maliyetleri bulunmaktadır. Bütün taleplerin sonradan karşılanmasına izin verildiği durumda a) Sipariş miktarına b) Sipariş verme noktasına c) Emniyet stoğu seviyesine d) Yok satma durumunun oluşma ihtimaline karar verin.

21 ÇÖZÜM 5-1: h=10 TL /kutu/yıl, K = 50 TL /sipariş E(D)=1000 /yıl ESM değerini bularak işe başlayalım q* = ( 2KE(D) h ) 1/2 = ( ) 10 ) 1/2 = 100 (Sipariş Miktarı Cevap a) Şimdi q*= 100 değerini eşitlik (13) te kullanarak sipariş noktasını buluruz. Bunu yaparken tedarik süresinin olasılık dağılımına karar vermemiz gerekir. Bu arada L=2 hafta verilmiştir. E(X) = E(D)/26 = 1000/26 = σ x = σ D L = 40.8 * 2/56 = 8 c B = 20 TL şimdi eşitlik (13) kulanılırsa P (X >= r*) = hq = c B E(D) =.05 (14) Sipariş noktası öyle ayarlanmalıdır ki yok satma olasılığı %5 olsun. (Yok satma ihtimali %5 Cevap d)

22 (14) ü X rassal değişkenine göre standardize edersek P ( X >= r P ( Z >= r ) =.05 8 ) =.05 Standart normal dağılım tablosundan P ( Z <= 1.65) =.9505 bulunur Öyleyse P ( Z >= 1.65) = =.0495 olur. r = 1.65 ise r*= *1.65 = olur. (Sipariş noktası cevap b) Emniyet stoğu = r* - E(X) = = (Emniyet stoğu Cevap c )

23 SORU 5-2: Şimdi sipariş noktası ve emniyet stoğunun değişken tedarik süresinden nasıl etkileneceğini görelim. Şimdi tedarik süresinin ortalaması 2 hafta standart sapması 1 hafta olduğunu kabul edelim. CEVAP 5-2: (8 ) Eşitliklerini kullanırsak Tedarik süresince ortalama (beklenen) talep E(X) = E(L)E(D) = (2/56)*1000 =38.46 Varyans σ x2 = var X= E(L)(var D)+E(D) 2 (var L)=(2/56)*(40.8) *(1/52) 2 = Standart sapma σ x = var X = = olur. r* = *(20.83) = (Yeni sipariş Noktası - Eski idi) Emniyet stoğu = 1.65*(20.83) = ( Eski emniyet stoğu = idi) Görüldüğü gibi tedarik süresi değişken olunca sipariş noktası eskiye göre yükselmiş ve belirsizlikten dolayı emniyet stoğu neredeyse üç katına çıkmıştır.

24 SATIŞ KAYBI DURUMUNDA SİPARİŞ NOKTASINA KARAR VERME: Şimdi ise stok boşalması durumunda oluşan bütün taleplerin kaybedildiğini kabul edersek bu durumda sipariş noktası ne olur? Bu durum sonradan teslimin olduğu duruma benzer. Benzer şekilde ESM ye karar veririz ve ardından sipariş noktasına aşağıdaki formülleri kullanarak karar veririz. Yeni durumda c B değeri yerine c LS değerini kullanır ve aşağıdaki yeni formülleri uygularız. c B = Sonradan teslime izin verilen durumda ceza maliyeti /birim c LS = Sonradan teslime izin verilmeyen durumda satış kaybı maliyeti/birim q* = ( 2KE(D) ) 1/2 h (15) P (X >= r*) = hq hq +c LS E(D)

25 ÖRNEK 5-3: Örnek 5-1 deki örneği tekrar ele alırsak; Her bir CD kutusu 50 TL ye satılmakta ve 30 TL ye alınmakta olsun. Stok boşalması maliyeti (müşteri memnuniyetsizliği ) 20 TL idi şimdi buna kaybolan karıda (50-30=20) eklersek c LS = = 40 olur. Örnek 5-1 den hatırlayacak olursak E(D)=1000/yıl h=10/kutu/yıl K=50/sipariş ve q*=100 (100 bulmuştuk. q* aynı şekilde bulunduğu için satış kaybı durumundada 100 olur) Şimdi formül (15) i kullanarak r* (Sipariş noktasına karar verelim) P (X >= r*) = hq hq +clse(d) = = (15 ) olur. E(X) = E(D)/26 = 1000/26 = σ x = σ D L = 40.8 * 2/56 = 8 (15 ) Eşitliğini standardize edersek P ( X >= r ) = P (Z >= r ) = Standart normal dağılım tablosundan P (Z <= 1.98) = böylece

26 P (Z >= 1.98) = = olur. r =1.98 r* = *1.98 = Satış kaybı durumunda Emniyet Stoğu = r* - E(X) = = olur.

27 STOK POLİTİKALARI : (r,q) sürekli gözden geçirme politikası : Stok seviyesi sürekli kontrol edilir ve r* (Sipariş noktası ) seviyesine indiğinde q* (Sipariş miktarı) kadar sipariş verilir. (s,s) sürekli gözden geçirme politikası : Bazen talepler birden fazla olmaktadır. O zaman stok birden yukarıdaki (r,q) politikası kullanıldığında r nin altına düşmektedir. Bu durumda (r,q) uygun olmayabilir. (s,s) politikasında stok seviyesi s değerine yada aşağıya düşerse bu seviyeyi S değerine eşitleyecek şekilde sipariş verilir. Eğer talepler birer birer oluşuyorsa o zaman s ile r benzer ve S-s ile de q değerleri benzer düşünülebilir ve (s,s) politikası ile (r,q) politikası aynı olur. (R,S) periodik gözden geçirme modeli : Bu durumda stok sürekli gözlenmez sadece belli periodlarda gözlemlenir ve bu periodlarda stok seviyesi tekrar S seviyesine çıkacak kadar sipariş verilir. Örneğin (0.25, 100) politikası kullanılıyorsa stok her bir çeyrekte gözden geçirilir ve tekrar 100 seviyesine kadar sipariş verilir. Örneğin çeyrekte stoğu kontrol ettiğimizde stokta 27 ürün varsa o zaman = 73 birim sipariş verilir.

28 ABC SINIFLANDIRMA SİSTEMİ Stoktaki ürünler A sınıfı B sınıfı ve C sınıfı diye sınıflandırılır. A sınıfı ürünler en önemli ürünlerdir. Stok yüzdesinin az bir bölümünü oluşturmasına karşın satış geliri hacminin yüksek bir bölümünü oluşturur. B sınıfı ürünler orta derecede önemli ürünler olup, stok yüzdesi ve satış geliri yüzdesi ortalama olan ürünlerdir. C sınıfı ürünler en az önemli ürünlerdir. Stok yüzdesinin büyük bir kısmını oluşturmasına karşılık satış gelirinin düşük bir yüzdesini oluşturur. Aşağıdaki tablo ürün sınıflarını ve stok yüzdesi ile satış geliri yüzdesi değerlerini yaklaşık vermektedir. Ürün Sınıfı Stok Yüzdesi Satış Geliri Yüzdesi A %5-%20 %55-%65 B %20-%30 %20-%40 C %50-%75 %5-%25 Tablo : ABC Sınıflandırma Sistemi En önemli ürünler örneğin A sınıfı ürünler sürekli veya daha sık kontrol edilirken, Az önemli ürünler Örneğin C sınıfı ürünler daha seyrek veya periyodik olarak kontrol edilir.

29

30 SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II OLASILIKLI ENVANTER MODELLERİ DERS NOTLARI KAYNAK-DİĞER KAYNAKLAR

31 Giriş Olasılıklı Stok Modelleri Talebin sabit olmadığı ve belirsiz olduğu durumlarda kullanılır. Yok satmayı engellemek ve belirli bir hizmet düzeyini sağlamak için emniyet stoku bulundurulur.

32 Olasılıklı Stok Modelleri Yeniden Sipariş Noktası: R = d x L + em; em (emniyet stok miktarı) Yıllık yok satma maliyeti = Elde bulunmama miktarı x olasılık x ürün başına yok satma maliyeti x yıllık sipariş sayısı

33 Stok seviyesi Olasılıklı Stok Modelleri Olasılıklı Talep Tedarik süresince minimum talep Tedarik süresince maksimum talep Tedarik süresince ortalama talep R = emniyet stoku (16,5) = 366,5 R Tedarik süresince talep olasılığının normal dağılımı Tedarik süresince beklenen talep (350) Emniyet stoku 16,5 adet 0 Sipariş verme L Sipariş alma Zaman

34 Olasılıklı Stok Modelleri Olasılıklı Talep Zamanın % 95 inde yok satmama ihtimali Yok satma riski (normal eğri alanının % 5 i) Ortalama talep 350 Emniyet stoku R =? 0 z Miktar Standart sapma sayısı

35 Olasılıklı Stok Modelleri Olasılıklı Talep Yok satma maliyeti belirlenemiyorsa, emniyet stokunu hesaplamak için hizmet düzeyi kullanılabilir. Z = Standart sapma sayısı s dlt = Tedarik süresince talebin standart sapması Emniyet stoku = Zs dlt L = Tedarik süresi boyunca beklenen talep miktarı R = L + Zs dlt

36 Örnek: Olasılıklı Stok Modelleri Tedarik süresince ortalama talep = L = 350 adet Tedarik süresince talebin standart sapması = s dlt = 10 Hizmet düzeyi % 95 (% 5 yok satma ihtimali) Normal dağılım tablosundan Z 0,95 = 1,65 bulunur. Emniyet stoku = Zs dlt = 1,65*10 = 16,5 adet R = Tedarik süresince talep + Emniyet stoku R = ,5 = 366,5 367 adet

37 Olasılıklı Stok Modelleri Tedarik süresince talebin belirlenemediği durumlarda kullanılabilecek diğer modeller bulunmaktadır. 1. Talebin değişken, tedarik süresinin sabit olması, 2. Tedarik süresinin değişken, talebin sabit olması, 3. Talebin ve tedarik süresinin değişken olması.

38 Olasılıklı Stok Modelleri 1. Talebin değişken, tedarik süresinin sabit olması s d = Talebin standart sapması (gün) s dlt = s d tedarik süresi R = ortalama günlük talep x tedarik süresi + Zs dlt R = x L + Zs d L

39 Olasılıklı Stok Modelleri 1. Talebin değişken, tedarik süresinin sabit olması Örnek: Günlük talebin normal dağıldığı ve ortalamasının 15, standart sapmasının 5, tedarik süresinin sabit ve 2 gün olduğu bilinmektedir. % 90 hizmet düzeyine göre yeniden sipariş noktası R yi bulunuz. Tablodan Z 0,90 = 1,28 bulunur. R = xl + Zs d L => 15*2 + 1,28*5* 2 R = ,02 39 adet (emniyet stoku = 9 adet)

40 Olasılıklı Stok Modelleri 2. Tedarik süresinin değişken, talebin sabit olması s LT = Tedarik süresinin standart sapması (gün) R = günlük talep x ortalama tedarik süresi + Z x günlük talep x s LT R = d x L + Z x d x s LT

41 Olasılıklı Stok Modelleri 2. Tedarik süresinin değişken, talebin sabit olması Örnek: Günlük talep 10 adet olarak sabittir. Tedarik süresinin ortalaması 6 gün ve standart sapması 3 gündür. % 98 hizmet düzeyi için yeniden sipariş noktası R yi bulunuz. Tablodan Z 0,98 = 2,055 bulunur. R = d x L + Z x d x s LT R = 10*6+2,055*10*3 R = 121, adet

42 Olasılıklı Stok Modelleri 3. Talebin ve tedarik süresinin değişken olması s d = Talebin standart sapması (gün) s LT = Tedarik süresinin standart sapması (gün) s dlt = Lxs d2 + 2 xs LT 2 R = ortalama günlük talep x ortalama tedarik süresi + Z x s dlt R = L + Zs dlt => R = L + Z Lxs d2 + 2 xs LT 2

43 Olasılıklı Stok Modelleri 3. Talebin ve tedarik süresinin değişken olması Örnek: Günlük talep ortalaması 150 ve standart sapması 16 olan normal dağılıma uymaktadır. Tedarik süresi ortalaması 5 ve standart sapması 1 olan normal dağılıma uymaktadır. % 95 hizmet düzeyi için yeniden sipariş noktasını bulunuz. Tablodan Z 0,95 = 1,65 bulunur. R = L + Z Lxs d2 + 2 xs LT 2 R = 150*5 + 1,65 5* x1 2 R = 1004 adet

44

DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar

DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar Zamanlama Kararları DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman

Detaylı

DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar

DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL Zamanlama Kararları Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman

Detaylı

1.58 arasındaki her bir değeri alabileceği için sürekli bir

1.58 arasındaki her bir değeri alabileceği için sürekli bir 7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

DETERMİNİSTİK ENVANTER MODELLERİ

DETERMİNİSTİK ENVANTER MODELLERİ SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II DETERMİNİSTİK ENVANTER MODELLERİ DERS NOTLARI DETERMİNİSTİK ENVANTER MODELLERİ Bu derste deterministik envanter modelleri görülecektir.

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

Envanter Neden Önemlidir? Envanter Neden Önemlidir? Envanter Yönetimi 10.10.2013. Bölüm II Envanter Yönetimi ve Risk Havuzu Oluşturma

Envanter Neden Önemlidir? Envanter Neden Önemlidir? Envanter Yönetimi 10.10.2013. Bölüm II Envanter Yönetimi ve Risk Havuzu Oluşturma Envanter Neden Önemlidir? Bölüm II Envanter Yönetimi ve Risk Havuzu Oluşturma Doç. Dr. Kazım Sarı Uluslararası Lojistik ve Taşımacılık Bölümü Beykent Üniversitesi Dağıtım ve lojistik maliyetleri oldukça

Detaylı

TEK BOYUTLU RASSAL DEĞİŞKENLER

TEK BOYUTLU RASSAL DEĞİŞKENLER TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 4: Rastgele Değişkenler ve Dağılımları Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla

Detaylı

13. Olasılık Dağılımlar

13. Olasılık Dağılımlar 13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki

Detaylı

Stok Yönetimi. Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları

Stok Yönetimi. Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları Stok Yönetimi Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları Stok nedir? Stok, işletmenin ihtiyaçlarını karşılamak üzere bulundurduğu bitmiş ürün veya çeşitli düzeylerden

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

SÜREKLİ OLASILIK DAĞILIMI

SÜREKLİ OLASILIK DAĞILIMI SÜREKLİ OLASILIK DAĞILIMI Normal Olasılık Dağılımı Akülerin dayanma süresi, araçların belli bir zamanda aldığı yol, bir koşuya katılanların bitirme süresi gibi sayılamayacak kadar çok değer alabilen sürekli

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

Ders 6: Kesikli Olasılık Dağılımları

Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

EME Sistem Simülasyonu. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme

EME Sistem Simülasyonu. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme EME 7 Giriş Sistem Simülasyonu Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok Simulasyon Örnekleri Ders kontrol sistemi ele alınıp, sistemin isleyişi

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

Ders 5: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

Ders 5: Kesikli Olasılık Dağılımları

Ders 5: Kesikli Olasılık Dağılımları Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

DERS 9. Belirsiz Talep Durumunda Stok Kontrol-II. Terminoloji. Describing Demand. Zamanlama Kararları. Bir Seferlik Kararlar

DERS 9. Belirsiz Talep Durumunda Stok Kontrol-II. Terminoloji. Describing Demand. Zamanlama Kararları. Bir Seferlik Kararlar 1 DES 9 lama Kararları Belirsiz Talep Durumunda Stok Kontrol-II Bir Seferlik Kararlar Sürekli Kararlar Sürekli Gözden Geçirme Sistemleri Kesikli lı Kararlar Periyodik Gözden Geçirme Sistemleri EO, EP EO

Detaylı

KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ

KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ DERS NOTLARI DOĞUM-ÖLÜM SÜRECİ Kuyruk sistemindeki t zamanındaki müşteri sayısını kuyruk sisteminin

Detaylı

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal

Detaylı

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik 6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında

Detaylı

EME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi

EME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi ..4 EME 7 Rassal Sayı ve Rassal Değer Üretimi SİSTEM SİMÜLASYONU Rassal Sayı ve Rassal Değer Üretimi Ders Girdi Analizi bölümünde gözlemlerden elde edilen verilere en uygun dağılımı uydurmuştuk. Bu günkü

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

EME SISTEM SİMÜLASYONU. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme

EME SISTEM SİMÜLASYONU. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme .. Giriş EME SISTEM SİMÜLASYONU Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok kontrol sistemi ele alınıp, sistemin isleyişi elle simule Simulasyon

Detaylı

YÖNEYLEM ARAŞTIRMASI-II Hafta 14

YÖNEYLEM ARAŞTIRMASI-II Hafta 14 9.0.07 YÖNEYLEM ARAŞTIRMASI-II Hafta ERT ANALİZİ Olasılıksal roje Değerlendirme ve Gözden Geçirme Tekniği ERT (robabilistic Evaluation and Review Technique) Eğer projenin faaliyetlerinin tamamlanma süresi

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

cevap verebilmek için hazır olarak elinde bulundurduğu madde ve malzemelerin en genel

cevap verebilmek için hazır olarak elinde bulundurduğu madde ve malzemelerin en genel ÖZET Stok yönetimi İşletmelerin faaliyet alanına göre ya üretimi gerçekleştirmek için ya da müşterilerin isteğine cevap verebilmek için hazır olarak elinde bulundurduğu madde ve malzemelerin en genel adına

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

Stok Yönetimi. UTL510 Lojistik Yönetimi Doç. Dr. Dilay Çelebi Stok Yönetimi. UTL 510 Lojistik Yönetimi

Stok Yönetimi. UTL510 Lojistik Yönetimi Doç. Dr. Dilay Çelebi Stok Yönetimi. UTL 510 Lojistik Yönetimi UTL510 Lojistik Yönetimi Doç. Dr. Dilay Çelebi 13.11.2012 1 Stok yönetiminin amacı envanter yatırımı ile müşteri hizmet seviyesi arasındaki dengeyi sağlamaktır. 2 Stokların Önemi Toplam sermayenin 50%

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar 9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın

Detaylı

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018

2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye

Detaylı

Merkezi Limit Teoremi

Merkezi Limit Teoremi Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

Detaylı

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar 0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

İŞLETMECİLER İÇİN İSTATİSTİK II

İŞLETMECİLER İÇİN İSTATİSTİK II İŞLETMECİLER İÇİN İSTATİSTİK II UYGULAMA I SORU 1 Bir maden işletmesi kazılan madendeki ton başına ortalama bakır cevheri miktarının değeri tahminlemek istemektedir. Rastsal olarak seçilen 50 tonluk örnekten

Detaylı

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir Normal Dağılım Ortalaması İçin Testler Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı... İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE

Detaylı

RD lerin Fonksiyonları

RD lerin Fonksiyonları RD lerin Fonksiyonları Diğer değişkenler gibi rastgele değişkenlerin de fonksiyonları olur Örneğin 0 ile 1 arasında rastgele seçilmiş bir çap uzunluğu ile oluşturulan dairenin alanı bir RD olarak çap uzunluğunun

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

IE 303 SİSTEM BENZETİMİ

IE 303 SİSTEM BENZETİMİ IE 303 SİSTEM BENZETİMİ DERS 2 : S I M U L A S Y O N Ö R N E K L E R I...making simulations of what you're going to build is tremendously useful if you can get feedback from them that will tell you where

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 316 BENZETİM ÖDEV SETİ ÖDEV 1: El ile Benzetim Bir depo ve 7 adet müşterisi olan bir taşımacılık sisteminde müşterilerden gelen siparişler araç ile taşınmaktadır. İki tür sipariş söz konusudur. Birincisi

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim

Detaylı

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

Ders 6: Sürekli Olasılık Dağılımları

Ders 6: Sürekli Olasılık Dağılımları Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal

Detaylı

Sağlık Kurumlarında Kaynak Planlaması DERS-5

Sağlık Kurumlarında Kaynak Planlaması DERS-5 Sağlık Kurumlarında Kaynak Planlaması DERS-5 Sağlık Kurumlarında Tahmini Stok Hesaplamaları (devam) ÖĞR. GÖR. HÜSEYİN ARI Malzeme Yönetimi Uygulama Senaryosu KANAL KURULAMA M.15 Kod Malzemeler Temin KAĞIDI

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

Detaylı

Konu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi

Konu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi Proje Yönetimi ölüm : Proje eğerlendirme ve özden eçirme Tekniği (PRT) Konu PRT Proje Planlamasında Olasılıksal Yaklaşım Üç zamanlı tahmin yaklaşımı a : aaliyetin iyimser gerçekleşme süresi m : aaliyetin

Detaylı

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ SORU 1. ASMALI BAKKAL Asmalı Bakkal'ın sahibi Nuri Amca, bir hafta boyunca satacağı ekmeklere ilişkin olarak ekmek fırınına vereceği günlük sipariş miktarı için hafta başında karar vermek zorundadır. Bunun

Detaylı

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... 1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar

Detaylı

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının

Detaylı

IE 303T Sistem Benzetimi

IE 303T Sistem Benzetimi IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı

Detaylı

ENM-3105 Sistem Simulasyonu Kısa Sınav 1

ENM-3105 Sistem Simulasyonu Kısa Sınav 1 ENM-3105 Sistem Simulasyonu Kısa Sınav 1 Sınav Tarihi ve Yeri: 06 Kasım 2014, Perşembe, İlk ders, B203 No lu Derslik) (Kısa Sınav 1 de aşağıda verilen sorulardan birinin benzeri sorulacaktır.) Soru 1)

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

KARAR TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü

KARAR TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü KARAR TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü Karar Ortamları Karar Analizi, alternatiflerin en iyisini seçmek için akılcı bir sürecin kullanılması ile ilgilenir. Seçilen

Detaylı

BELİRSİZ TALEPLER İLE ENVANTER KONTROLU. Yrd.Doç.Dr.S.Kerem AYTULUN

BELİRSİZ TALEPLER İLE ENVANTER KONTROLU. Yrd.Doç.Dr.S.Kerem AYTULUN BELİRSİZ TALEPLER İLE ENVANTER KONTROLU Yrd.Doç.Dr.S.Kerem AYTULUN Rasgelelik Örnek-1 2 Envanter Modelleri bağlamında rasgeleliği bir örnek üzerinde açıklamaya çalışacağız. Bir gazete bayii, her Pazar

Detaylı

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

Portföy Yönetimi. Yatırım Kumar Adil Oyun

Portföy Yönetimi. Yatırım Kumar Adil Oyun Portföy Yönetimi 1 Yatırım Kumar Adil Oyun 2 1 Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! 3 Getiri Kavramı Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye

Detaylı

Yatırım Kumar Adil Oyun

Yatırım Kumar Adil Oyun Portföy Yönetimi Yatırım Kumar Adil Oyun 1 2 Getiri Kavramı Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye Kazancı

Detaylı

Yatırım Kumar Adil Oyun

Yatırım Kumar Adil Oyun Portföy Yönetimi 1 Yatırım Kumar Adil Oyun 2 Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! 3 Getiri Kavramı Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV 1: Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması için gereken

Detaylı

Stok Kontrolü 1 (Inventory Control)

Stok Kontrolü 1 (Inventory Control) PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Stok Kontrolü 1 (Inventory Control) Amaç Ürüne olan talep bilindiğinde (yani talep tahmin hatasının sıfır olduğu durumda) stok kontrolü

Detaylı

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI KUYRUK TEORİSİ Her birimiz kuyruklarda bekleyerek vakit geçirmişizdir. Bu derste kuyruklarlarla ilgili

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

Ekonomik Sipariş Miktarı (EOQ) Nasıl Hesaplanıyor ve Sürekli İyileştirme Çalışmalarının Yönünü Nasıl İşaret Ediyor?

Ekonomik Sipariş Miktarı (EOQ) Nasıl Hesaplanıyor ve Sürekli İyileştirme Çalışmalarının Yönünü Nasıl İşaret Ediyor? Ekonomik Sipariş Miktarı (EOQ) Nasıl Hesaplanıyor ve Sürekli İyileştirme Çalışmalarının Yönünü Nasıl İşaret Ediyor? Hazırlayan : Cengiz Pak EOQ Economic Order Quantity Nedir? EOQ Ekonomik Sipariş Miktarı

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Giriş Modeller Uygulamalar Risk analizi Olası Analiz Simülasyon Yöntemi Envanter Simülasyonu Bekleme Hatları Avantajlar ve dezavantajlar Referanslar SUNUM

Detaylı

SÜREKLİ DÜZGÜN DAĞILIM

SÜREKLİ DÜZGÜN DAĞILIM SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.

Detaylı

SÜREKLİ( CONTINUOUS) OLASILIK

SÜREKLİ( CONTINUOUS) OLASILIK SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki

Detaylı

Endüstri Mühendisliğine Giriş

Endüstri Mühendisliğine Giriş Endüstri Mühendisliğine Giriş 5 ve 19 Aralık 2012, Şişli-Ayazağa, İstanbul, Türkiye. Yard. Doç. Dr. Kamil Erkan Kabak Endüstri Mühendisliği Bölümü,, Şişli-Ayazağa, İstanbul, Türkiye erkankabak@beykent.edu.tr

Detaylı