Güvenlik Stokları. Tedarik Zincirlerinde Belirsizlik Yönetimi: Güvenlik Stokları. Güvenlik Stokları Belirlenirken Sorulması gereken sorular

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Güvenlik Stokları. Tedarik Zincirlerinde Belirsizlik Yönetimi: Güvenlik Stokları. Güvenlik Stokları Belirlenirken Sorulması gereken sorular"

Transkript

1 Güvenl Stoları Tedar Zncrlernde Belrszl Yönetm: Güvenl Stoları Güvenl Stoğu: Herhang br dönemde, talebn tahmn edlen mtarın üzernde gerçeleşen mtarını arşılama çn elde bulundurulan sto mtarıdır Q Çevrm Stoğu Ortalama Sto üzey Güvenl Stoğu Zaman, t Ortalama Sto Mtarı= Çevrm Stoları+ Güvenl Sto Mtarı Güvenl Stoları Güvenl sto düzeyn arttırma ürün varlı ve müşter hzmet düzeylern arttırır Anca; güvenl stolarını arttırma, aynı zamanda ortalama sto düzeynn ve dolayısıyla elde bulundurma malyetlernn artmasına neden olur Yüse tenoloj veya bozulma/esmenn öneml br rs olduğu endüstrlerde öneml br eten olablr» Compaq ( Şmd HP ) ve ell Güvenl Stoları Belrlenren Sorulması gereen sorular Herhang br tedar zncrnde güvenl sto mtarlarını planlaren şu soruya yanıt verlmes gerer: Uygun güvenl stoğu düzey ne olmalıdır? Güvenl sto mtarlarını düşürüren ürün varlığını arttırma çn neler yapılablr?

2 Uygun Güvenl Stoğunun Belrlenmes Uygun güvenl stoğu düzey şeye bağlıdır: Tedar veya Talep belrszlğ İstenen Ürün Varlığı üzey Belrl br ürün varlığı düzey çn, belrszl ne adar yüsese, gerel güvenl stoğu mtarı da o adar fazla olacatır Belrl br düzeyde belrszl altında se, daha yüse düzeyde ürün varlığı, daha yüse mtarda güvenl stoğu geretrecetr Talepte Belrszlğn Ölçülmes Taleb bleşene ayırablrz: etermnst (Sstemat) bleşen Rastgele bleşen Rastgele bleşenn tahmn değer talepte belrszlğn ölçüsüdür Talebn rastgele bleşenn standart sapma le ölçerz Notasyon: = önem çnde ortalama talep = önem çnde ortalama talebn standard sapması Measurng emand Uncertanty = Tedar süres (ön süre): sparş verme le sparşn teslm alınması arasında süre Talepte belrszlğn öneml olduğu zaman ön süredr. Yan öneml olan tedar süresnde talep belrszlğdr Şmd her dönem, =,,..., çn talebn normal dağıldığını, ortalamsının, standart sampmasının da olduğunu varsayalım Talepte Belrszlğn Ölçülmes P E Var ( dönemde toplam ortalama talep) Var( ) j Cov(, j) olayısıyla, toplam talebn standart sapması, Var( ) j Cov(, j) olur j Cov(, j)

3 Talepte Belrszlğn Ölçülmes Kovaryans, Cov (, j) formülü le hesaplanablr. Burada ρ orelasyon atsayısıdır. Eğer dönem taleb arasında müemmel br poztf orelasyon varsa ρ=, müemmel br negatf orelasyon varsa ρ=- dr. Eğer dönem arasında talep bağımsız se ρ=0 olur. j Talepte Belrszlğn Ölçülmes olayısıyla, eğer dönemn her brnde talep normal, aynı ve bağımsız dağılmış se, ğer br deyşle tüm dönemlerde talebn dağılımı ortalaması ve standart sapması olan normal dağılıma uyuyor se P E Var E ( P) Var Var( ) Toplam talebn standart sapması se olur Talepte Belrszlğn Ölçülmes Belrszlğn dğer öneml br ölçüsü se değşenl atsayısı (cv) dr. cv: coeffcent of varato eğşenl atsayısı, standart sapmanın ortalamaya oranıdır: cv = eğşenl atsayısı talepte belrszlğ ortalamayı gözönünde bulundurara ölçer Measurng Product Avalablty Ürün varlığı: Br şletmenn müşter sparşlern varolan stolardan arşılama yeteneğdr Stosuz alma: Ürün olmadığında müşter sparşnn gelmes Ürün arşılama oranı (fll rate) (fr): stotan arşılanan ürün taleb oranı Sparş arşılama oranı : stotan arşılanan sparşlern oranı Çevrm hzmet düzey: Tüm müşter talebnn arşılandığı yenlenme çevrmlernn oranı 3 3

4 Sto Yenleme Poltaları Yenleme poltası: Ne zaman ve ne adar yenden sparş edleceğ le lgl poltalar Sürel gözden geçrme: sto düzey sürel gözlenr ve ROP e düştüğünde yenden sparş verlr Perod gözden geçrme: stolar düzenl aralılarla ontrol edlr ve stoları gerel düzeye ( e adar ) getrme çn sparş verlr Sürel Gözden Geçrme Poltası: Güvenl Stoları ve Çevrm Hzmet üzey : Sparş tedar süres : dönem başına ortalama talep : önem talebnn standart sapması d : Tedar süresnde ortalama talep : Tedar süresnde talebn standart sapması ÇH: Çevrm Hzmet üzey : Güvenl stoğu ROP: Yenden sparş notası d ROP ÇH F S d ( ÇH) F( ROP, d Ortalama Sto= Q/ +, ) Sürel Gözden Geçrme: Karşılama Oranı ve Çevrm Hzmet üzey Şmd Sürel gözden geçrme altında, br yenleme poltaının ÇH ve arşılama oranını nasıl hesaplayableceğmz görelm: Yenleme poltasının bleşen vardır: Part büyülüğü Q Yenden sparş notası Sto düzey x e düştüğünde Q adet sparş et Güvenl stoğu (), sto yenleme sparş geldğnde elde ortalama sto mtarıdır Tedar Süres hafta se, Tedar süresnde ortalama talep mtarı olur Mağaza yönetcs ürün mtarı ROP e düştüğünde sparş veryor se, Güvenl Stoğu, =ROP- olur 4 4

5 Örne B&M blgsayarda haftalı talep ortalaması,.500 standart sapması 500 olan normal dağılıma uymatadır. Üretc B&M n sparşn haftada hazırlayablmetedr. B&M mağaza yönetcs elnde Palm lar e düştüğünde adet Palm sparş vermetedr. B&M de güvenl stoğunu, ortalama stoğunu ve Palm ların B&M de aldığı ortalama sürey hesaplayın. Örne ( Güvenl Stoğu Mtarının Tahmn) =.500/hafta; = 500 = hafta; Q = 0.000; ROP = d = = (.500)() = = ROP - R = =.000 Çevrm Sto üzey= Q/ = 0.000/ = Ortalama Sto= Çevrm sto düzey+ = = Ortalama Aış süres= Ortalama sto/ haftalı satış= 6.000/.500 =,4 hafta Örne ( Güvenl Stoğu Mtarının Tahmn) =.500/hafta; = 500 = hafta; Q = 0.000; ROP = Çevrm Hzmet üzey, ÇH = F(d +, d, ) = = NORMIST (d +, d, ) = NORMIST(6.000,5.000,707,) = 0.9 R (500) 707 Çevrm Hzmet üzeynn Bulunması Şmd belrl br yenlenme poltası altında, çevrm hzmet düzey nn, başa br deyşle br yenleme çevrmnde stosuz almamanın olasığını nasıl hesaplanableceğn nceleyelm: at edlrse, stosuz almanın gerçeleşmes çn tedar süresnde gerçeleşen talebn ROP den büyü olması gerer: P( ROP) olayısıyla, ÇH P( ROP) P( ROP) 5 5

6 Tedar Süresnde Talebn ağılımı Bu olasılığı hesaplayablme çn tedar süresnde talep dağılımını blmemz gerer Tedar süres dönem olduğundan, talep dağılımı ortalaması d=, standart sapması olan normal dağılımdır ÇH= F(d +, d, ) Tedar Süresnde Talep dağılımı P( ROP) Örne ( Güvenl Stoğu Mtarının Tahmn) =.500/hafta; = 500 = hafta; Q = 0.000; ROP = R (500) 707 Çevrm Hzmet üzey= F( +,, ) = = NORMIST ( +,, ) = NORMIST(6.000,5.000,707,) = 0.9 (Bu değer normal dağılım tablosundan da bulunablr) d ROP Karşılama Oranı (Fll rate) Stotan arşılanan müşter talebnn oranı Stosuz alma; tedar süresnde talebn yenden sparş notasından (ROP) fazla olduğunda meydana gelr ESC, br çevrmde ortalama aybedlen talep, güvenl stoğu Q sparş mtarı ESC ESC Q { F } S S ESC Q ESC = -{-NORMIST(/, 0,, )} + NORMIST(/, 0,, 0) fr Q f Örne.3: Karşılama Oranın Bulunması =.000, Q = 0.000, = 707 Karşılama Oranı(fr) =? ESC = -{-NORMIST(/, 0,, )} + NORMIST(/, 0,, 0) = -.000{-NORMIST(.000/707, 0,, )} NORMIST(.000/707, 0,, 0) = 5,3 fr = (Q - ESC)/Q = ( )/0.000 = 0,

7 NORMIST(z,ort,varyans, brml {=evet, 0=hayır}) NORMIST(.4, 0,, ) Z=.4 P(Z <.4)=0,5 + 0,407 =0,907 Örne.3 NORMIST(.4, 0,, 0) f () z f(.4) e ( z /) e ((.4) /) Karşılama Oranını Etleyen Fatörler Güvenl Stoğu: Güvenl stoğu arttıça arşılama oranı artar. Bu çevrm hzmet düzeyn de arttırır Part Büyülüğü: Çevrm hzmet düzey değşmese ble, part büyülüğü arttıça arşılama oranı artar Örne.4: Belrl br ÇH çn Güvenl Stoğunun Bulunması =.500/hafta; = 500 = hafta; Q = 0.000; CS = 0,90 = 5.000, = 707 (önce örneten) = F S - (ÇH) = [NORMSINV(0,90)](707) = 906 (Bu değer normal dağılım tablosundan da bulunablr) ROP = + = =

8 Hedef Karşılama oranı çn gerel Güvenl stoğunun bulunması =.500, = 500, Q = Eğer stenen arşılama oranı fr = 0,975 se, ne adar güvenl stoğu tutulmalıdır? ESC = ( - fr)q = ESC 50 NORMSIST F S f S NORMIST,,,0 Çeştl Güvenl Sto Mtarlarına Karşılı Gelen Karşılama Mtarları Güvenl Stoğu Karşılama Oranı % % % % % Çözüçü Yardımıyla Karşılama Oranına Karşılı Gelen Güvenl Sto Mtarını Hesaplama Karşılama oranı e yalaştıça güvenl sto mtarı sonsuza gdecetr! 8 8

9 Hedeflenen Ürün Varlığı ve Belrszlğn Güvenl Stolarına Ürün varlığı (çevrm hzmet düzey yada arşılama oranı) arttıça, gerel güvenl stoğu mtarı da artar Talep belrszlğ ( ) arttıça, gerel güvenl stoları artar Ürün varlığını düşürmeszn güvenl stolarını azaltma çn yönetmn alableceğ önlemler: Tedar süres, nn azaltılması (tedarçlerle daha y lşler) Talepte belrszlğn azaltılması, ( daha y talep tahmn, daha y blg toplama faalyetler ve bu blgnn daha y ullanılması) Tedar Belrszlğnn Ets: Belrsz Tedar Süres, : Br dönemde ortalama talep : br dönemde talebn standart sapması : Ortalama tedar süres s : Tedar süresnn standart sapması : tedar süresnde talebn standart sapması s Tedar Süresnde Belrszlğn Ets =,500/gün; = 500 = 7 gün; Q = 0,000; ÇH = 0.90; s = 7 gün = = (500)(7) = 7500 (7) 500 (500) (7) 7500 = F - s(çh) = NORMSINV(0.90) x 7550 =,49 s Tedar Süresnde Belrszlğn Ets s = 0 en güvenl stoğu,695 s = en güvenl stoğu 3,65 s = en güvenl stoğu 6,68 s = 3 en güvenl stoğu 9,760 s = 4 en güvenl stoğu,97 s = 5 en güvenl stoğu 6,09 s = 6 en güvenl stoğu 9,98 9 9

10 0 0 Bütünleştrmenn Güvenl Stoları Üzernde Ets Bütünleştrmenn Ets Bütünleştrme Modeller Blgnn Merezleştrmes Özelleştrme Ürün ames Bleşen Ortalığı Erteleme C n n C C F s ( ÇH) C C Bütünleştrmenn Ets (Örne.7) Araba Bay: 4 farlı yerde showroom (brbrnden bağımsız) = 5 araç; = 5 araç; = hafat; hedeflenen ÇH= farlı yerde bay, bütünleştrlp te br showroom halne getlrse (bütünleştrlrse) bunun stolar üzernde ets ne olur? Bağımsız showroomlarda güvenl stoları: = hafta, = 7.07 araç = F s - (ÇH) x = F s - (0.9) x 7.07 = 9.06 Her br showroomda 4 araçlı güvenl stoğu tutulmalıdır, dolayısıyla tüm showroomlarda toplam güvenl stoğu mtarı (4)(9) = 36 araç

11 Bütünleştrmenn Ets (Örne.7) Te br Showroom (Bütünleştrlmş durum): RC = = = 00 araç/hafta R C = ( = 0 C = C = 0 = (0)(.44) = 4.4 = F - s (ÇH) x C = F - s (0.9) x 4.4 =8. yada yalaşı8 araba Talep tam olara bağımsız olmadığı durumda, bütünleştrmenn ets bu adar büyü olmaz.

DERS 12. GÜVENLİK STOKLARI ve (Q,R) STOK POLİTİKASI. (Yönetimsel Yaklaşım Yaklaşımı)

DERS 12. GÜVENLİK STOKLARI ve (Q,R) STOK POLİTİKASI. (Yönetimsel Yaklaşım Yaklaşımı) DERS 12 GÜVENLİK STOKLARI ve (Q,R) STOK POLİTİKASI (Yönetimsel Yaklaşım Yaklaşımı) Eğer Talep Stokastik ise Stok Düzeyi ÇSD=Q/2=150 Q+R=600 R=300 L=1 hafta L=1 hafta Q=300 Sipariş Verme Sipariş Varış Sipariş

Detaylı

Tek Yönlü Varyans Analizi (ANOVA)

Tek Yönlü Varyans Analizi (ANOVA) VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem

Detaylı

ANOVA. CRD (Completely Randomized Design)

ANOVA. CRD (Completely Randomized Design) ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,

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

11.1 TEDARİK ZİNCİRİNDE GÜVENLİK STOĞUNUN ROLÜ

11.1 TEDARİK ZİNCİRİNDE GÜVENLİK STOĞUNUN ROLÜ 11.1 TEARİK ZİNCİRİNE GÜVENİK STOĞUNUN ROÜ Güvenlik stoğu talebin tahmin edileni aşması durumunda oluşan talebi karşılamak için elde tutulan bir stoktur. Talep tahminlerindeki belirsizlik ve talebin tahmin

Detaylı

En Küçük Etkili Doz Düzeyini Belirleme Yöntemlerinin Karşılaştırmaları

En Küçük Etkili Doz Düzeyini Belirleme Yöntemlerinin Karşılaştırmaları S Ü Fen Fa Fen Derg Sayı 36 () 83-94, KONYA En Küçü Etl Doz Düzeyn Belrleme Yöntemlernn Karşılaştırmaları Murat HÜSREVOĞLU, Hamza GAMGAM * Gaz Ünverstes, Fen Edebyat Faültes, İstatst Bölümü, Tenoullar,

Detaylı

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

RAF ÖMRÜ KISITLI EKONOMİK PARTİ PROGRAMLAMA PROBLEMİNE TEMEL PERİYOT YAKLAŞIMI

RAF ÖMRÜ KISITLI EKONOMİK PARTİ PROGRAMLAMA PROBLEMİNE TEMEL PERİYOT YAKLAŞIMI .C İSANBUL ÜNİERSİESİ SOSYAL BİLİMLER ENSİÜSÜ İŞLEME ANABİLİM DALI ÜREİM BİLİM ADI YÜKSEK LİSANS EZİ RAF ÖMRÜ KISILI EKONOMİK PARİ PROGRAMLAMA PROBLEMİNE EMEL PERİYO YAKLAŞIMI ŞULE BOZDOĞAN 5098096 EZ

Detaylı

MAKROİKTİSAT (İKT209)

MAKROİKTİSAT (İKT209) MAKROİKTİSAT (İKT29 Ders 6: IS-LM Prof. Dr. Ferda HALICIOĞLU İtsat Bölümü Syasal Blgler Faültes İstanbul Medenyet Ünverstes Derste İncelenen Konular Mal pyasasında denge: IS eğrs Para pyasasında denge:

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

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal Korelasyon ve Regresyon Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan

Detaylı

Düşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri

Düşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,

Detaylı

Ders 10. Belirsiz Talep Durumunda Stok Kontrol-III. Sürekli Gözden Geçirme Sistemleri. Talebin Yapısı. s t 2 = s 2 t. = Dt

Ders 10. Belirsiz Talep Durumunda Stok Kontrol-III. Sürekli Gözden Geçirme Sistemleri. Talebin Yapısı. s t 2 = s 2 t. = Dt Sürekli Göden Geirme Sitemleri Der 0 Beliri Talep Durumunda Stok Kontrol-III (Q, R) Politikaları Bu modeller bir ipariş noktaı (R) ve ipariş miktarı (Q) belirleyen politikaları gerektirir. Bu tip politikalar

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

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım

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

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık Tabloları ve Tek Değişkenli Grafikler Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp

Detaylı

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

AJANDA LİTERATÜR TARAMASI

AJANDA LİTERATÜR TARAMASI AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ

Detaylı

Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I

Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I S1. Cep telefonu üreten bir fabrikada toplam üretimin % 30 u A, % 30 u B ve % 40 ı C makineleri tarafından yapılmaktadır. Bu makinelerin

Detaylı

FİNANSAL MODELLER. Yrd. Doç. Dr. Fazıl GÖKGÖZ. Tel: 595 13 37 fgokgoz@politics.ankara.edu.tr. Y. Doç. Dr. Fazıl GÖKGÖZ. Risk ve Getiri: Temel Konular

FİNANSAL MODELLER. Yrd. Doç. Dr. Fazıl GÖKGÖZ. Tel: 595 13 37 fgokgoz@politics.ankara.edu.tr. Y. Doç. Dr. Fazıl GÖKGÖZ. Risk ve Getiri: Temel Konular FİNANSAL MODELLER Yrd. Doç. Dr. Fazıl GÖKGÖZ Tel: 595 13 37 fgokgoz@politics.ankara.edu.tr Risk ve Getiri: Temel Konular Temel getiri konsepti Temel risk konsepti Bireysel risk Portföy (piyasa) riski Risk

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

ç ç Ö Ç Ş Ç ç Ç ç ç ç Ö ç Ç Ş ç ç Ş Ç Ş Ö Ö Ş ç Ö ç ç ç ç Ş Ö Ç Ç Ş ç ç Ş Ş Ş Ö ç ç ç ç Ö Ş Ç Ö Ö ç «Ö ç Ş ç Ç «ÇŞ Ş Ö Ç ç Ö ç Ç Ş Ö Ö ç ç ç Ö Ş Ö ç Ö ç Ç Ş Ç «ç Ö Ç Ş ç ç ç «ç Ç Ş Ö Ö Ç ç ç Ş ç ç Ö ç

Detaylı

Ğ Ğ ş ç ş ç ç ç ş ç ç Ş ç «ş ş Ö Ş Ş ş ş ç Ö Ş ş Ü ç ç ş ş ş ç Ş ş ç ç ç ş ç ş ş ş ç ç ç ş Ç ş ş ç ş ç ş ş Ş ş ç ş ç ç ş ç ş ç ç ş ç ç ş Ü ş çş ş ş Çş Ç Ü çş ş Ç çş ç ş Ş Ö Ö ş ç ç ç ş ç ç ç ş ş ç ç ş

Detaylı

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık

Detaylı

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür. Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk

Detaylı

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim. SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.

Detaylı

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5

BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2. Öğretim planındaki AKTS 581058202101319 2 1 0 3 5 BEYKENT ÜNİVERSİTESİ - DERS İZLENCESİ - Sürüm 2 Ders Kodu Teork Uygulama Lab. YAPI ARAŞTIRMASI VE DOKÜMANTASYON Ulusal Kred Öğretm planındak AKTS 581058202101319 2 1 0 3 5 Ön Koşullar : Önerlen Dersler

Detaylı

6. NORMAL ALT GRUPLAR

6. NORMAL ALT GRUPLAR 6. ORMAL ALT GRUPLAR G br grup ve olsun. 5. Bölümden çn eştlğnn her zaman doğru olamayacağını blyoruz. Fakat bu özellğ sağlayan gruplar, grup teorsnde öneml rol oynamaktadır. Bu bölümde bu tür grupları

Detaylı

Türk Bankacılık Sektöründe Etkinlik Analizi: 2008-2014

Türk Bankacılık Sektöründe Etkinlik Analizi: 2008-2014 Uluslararası Aya İşletme Faültes Dergs Yıl:26, C:8, S:, s.-2 Internatonal Journal of Aya Faulty of Busness Year:26, Vol:8, No: s.-2 Tür Baılı Setöründe Etnl Analz: 28-24 Effeny Analyss n Tursh Bng Setor:

Detaylı

Ğ İ öğ Ğ Ğ ö Ö ö Ğ İ İ ö Ğ İĞİ Ğ İĞ İ İ İ İ Ğİ İ İ İ İ ö Ö ö ö İ Ğ İ Ğ ö İ Ğ İ ö İ İ Ğ ö ö ö ö Ö Ğ ö ö Ğİ ö öğ öğ İĞ ö İ İ İ Ğ Ğ ö ö ö ö ö Ö ö ö ö ö ö Ö ö Ö ö ö ö Ö ö ö ö Ğ öğ Ğ öğ Ö Ğ ö İ ö ö Ö ö ö Ö

Detaylı

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

Denklem Çözümünde Açık Yöntemler

Denklem Çözümünde Açık Yöntemler Denklem Çözümünde Bu yöntem, n yalnızca başlangıç değer kullanılan ya da kökü kapsayan br aralık kullanılması gerekmez. Açık yöntemler hızlı sonuç vermesne karşın, başlangıç değer uygun seçlmedğnde ıraksayablr.

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

6. Uygulama. dx < olduğunda ( )

6. Uygulama. dx < olduğunda ( ) . Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal

Detaylı

TÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM

TÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI YÜKSEK LİSANS TEZİ TÜRKİYE DE HANELERİN KONUT TERCİHİ: EKONOMETRİK YAKLAŞIM Canan GÜNEŞ Danışman Prof. Dr. Şenay ÜÇDOĞRUK

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

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.

Detaylı

PARÇALI DOĞRUSAL REGRESYON

PARÇALI DOĞRUSAL REGRESYON HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal

Detaylı

Direct Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *

Direct Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain * BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı

Detaylı

MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, *

MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, * Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25 (1-2) 168-182 (2009) http://fbe.erciyes.edu.tr/ ISSN 1012-2354 MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı) A.1. Mll Gelr Hesaplamaları ve Bazı Temel Kavramlar 1 Gayr Saf Yurtç Hâsıla (GSYİH GDP): Br ekonomde belrl br dönemde yerleşklern o ülkede ekonomk faalyetler sonucunda elde ettkler gelrlern toplamıdır.

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

MOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM

MOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM Nur ÖZHENEKCİ O SÜPERPOZİSYONU İLE ZAAN ANI ALANINA ÇÖZÜ Aşağıda açılanaca olan ortogonall özelllernn sağlandığı yapılar çn, zaman tanım alanında çözüm, her mod çn ayrı ayrı yapılıp daha sonra bu modal

Detaylı

16. Dörtgen plak eleman

16. Dörtgen plak eleman 16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları

Detaylı

2 Mayıs 1995. ELEKTRONİK DEVRELERİ I Kontrol ve Bilgisayar Bölümü Yıl içi Sınavı Not: Not ve kitap kullanılabilir. Süre İKİ saattir. Soru 1.

2 Mayıs 1995. ELEKTRONİK DEVRELERİ I Kontrol ve Bilgisayar Bölümü Yıl içi Sınavı Not: Not ve kitap kullanılabilir. Süre İKİ saattir. Soru 1. ELEKONİK DEELEİ I Kntrl ve Blgsayar Bölümü Yıl ç Sınavı Nt: Nt ve ktap kullanılablr. Süre İKİ saattr. Sru.- r 00k 5k 5k 00Ω 5 6 k8 k6 7 k 8 y k5 0kΩ Mayıs 995 Şekl. Şekl-. de kullanılan tranzstrlar çn

Detaylı

0,5749. Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri)

0,5749. Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri) Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri) R t : t dönemlik basit getiri P t : t dönemdeki fiyat P t-1 : t dönemden önceki fiyat Örneğin, THYAO hisse senedinin

Detaylı

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y

Detaylı

Deprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.

Deprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr. Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton

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

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

Risk ve Getiri. Dr. Veli Akel 1-1

Risk ve Getiri. Dr. Veli Akel 1-1 Bölüm m 1 Risk ve Getiri Dr. Veli Akel 1-1 Risk ve Getiri urisk ve Getirinin Tanımı uriski Ölçmek Đçin Olasılık Dağılımlarını Kullanmak uportföyün Riski ve Getirisi uçeşitlendirme ufinansal Varlıkları

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

GENEL DESTEK PROGRAMI. B R NC Amaç, Kapsam, Dayanak ve

GENEL DESTEK PROGRAMI. B R NC Amaç, Kapsam, Dayanak ve LETMELER GEL T RME VE DESTEKLEME DARES BA KANLI I (KOSGEB) GENEL DESTEK PROGRAMI B R NC Amaç, Kapsam, Dayanak ve Amaç MADDE 1 - (1) Bu p kar bçmde gerçekle dares Ba uygulanacak Genel Kapsam MADDE 2 - (1)

Detaylı

T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI YÜKSEK LİSANS TEZİ

T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI YÜKSEK LİSANS TEZİ T.C. SÜLEYMAN EMİREL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM ALI YÜKSEK LİSANS TEZİ PARANIN ZAMAN EĞERİ VE ÖĞRENME ETKİSİ ALTINAKİ KESİKLİ ZAMAN-EĞİŞKEN TALEPLİ PARTİ BÜYÜKLÜĞÜ MOELLERİ

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

Communication Theory

Communication Theory Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn

Detaylı

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

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

VANTİLATÖR TASARIMI. Şekil 1. Merkezkaç vantilatör tipleri

VANTİLATÖR TASARIMI. Şekil 1. Merkezkaç vantilatör tipleri 563 VANTİLATÖR TASARIMI Fuat Hakan DOLAY Cem PARMAKSIZOĞLU ÖZET Bu çalışmada merkezkaç ve eksenel vantlatör tpler çn gelştrlmş olan matematksel modeln çözümünü sağlayan br blgsayar programı hazırlanmıştır.

Detaylı

BÖLÜM 5 İNCE PROFİLLER İÇİN SAYISAL UYGULAMALAR

BÖLÜM 5 İNCE PROFİLLER İÇİN SAYISAL UYGULAMALAR BÖLÜM 5 İE PROFİLLER İÇİ SAYISAL UYGULAMALAR 5. Grş 5. İne profl teors 5.. Analt çözümler 5.. Kamburlu eğrsne polnom şelnde eğr uydurulması 5.. Fourer ntegrallernn sayısal hesabı 5. Kümelenmş-grdaplar

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15. GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.

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

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

İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları

İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları Soru 1: Yapılan bir çalışma sonucunda yetişkinlerin günde ortalama 6.9 saat uydukları tespit edilmiştir. Standart sapmanın ise 1.2

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

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

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

Detaylı

30 %30iskonto oranı bulunur.

30 %30iskonto oranı bulunur. Örne 9: 900 TL re eğerl ve 80 gün vael br senen peşn eğer, ç soo üzernen 8000 TL olara hesaplanığına göre uygulanan soo oranı ner? çözü:.yol: =900 TL n=80 gün P 8000TL t=? P..900 8000 80t 8000( 80t).900

Detaylı

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler

İl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler İl Özel İdareler ve Beledyelerde Uygulanan Program Bütçe Sstem ve Getrdğ Yenlkler Hayrettn Güngör Mehmet Deınrtaş İlk 2 Mayıs 1990 gün ve 20506 sayılı, kncs 19 Şubat 1994 gün ve 2 ı 854 sayılı Resm Gazete'de

Detaylı

HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY

HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI 2012 Araş.Gör. Efe SARIBAY 1) Bir kafede yaz aylarında satılan limonataların satış miktarının ortalamasının 24 lt. den az olduğu iddia edilmektedir. İddiayı test etmek

Detaylı

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007 Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına

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

ÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER

ÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER Uludağ Ünverstes İtsad ve İdar lmler Faültes Dergs lt XXV, ayı, 006, s. 41-70 ÜÇ OYUTLU ÇPRZ TLOLRD LOGRİTMİK DOĞRUL NLİZ: ÇOUK İŞGÜÜ DEĞİŞKENLERİ RINDKİ ETKİLEŞİMLER erpl ÜLÜL * Özet Kategor verlerde

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:

Detaylı

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın

Detaylı

Biyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı

Biyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,

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

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı