ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir."

Transkript

1 ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ Kuyruk sistemleri, Operasyon yönetiminde önemli bir alana sahiptir. Üretimde, atölye çevresi kuyruk şebekelerinin karmaşık bir ilişkisi olarak düşünülebilir. Bir iş merkezinde tamamlanan işler, bir sonraki iş merkezinde işlenebilmek için kuyruğa girerler. Bir atölyede çizelgeleme işlemi dinamik bir problemdir. Akış oranları ve diğer performans ölçütleri kuyruk teorisinden yararlanılarak bulunabilir.

2 KUYRUK SİSTEMİ Servis sistemlerinde, kuyruk problemleri ile sık sık karşılaşılmaktadır. Hizmet sistemlerindeki kuyruk olayları ile günlük yaşantımızda sık sık karşılaşmaktayız. Michael Fortina (1988), yaptığı bir araştırma sonucunda, çoğu insan tüm hayatı boyunca toplam 5 yılını kuyruklarda bekleyerek, 6 ayını da trafik ışıklarında bekleyerek geçirmektedir. Restaurantlarda, bankada, süpermarketlerde, berberlerde, çevre yolundaki gişe önlerinde devamlı olarak kuyruklarla karşılaşırız. Bir havaalanında piste uçakların inmesi bir kuyruk problemidir. Havadaki uçaklar, servis görmeyi bekleyen müşteriler, pist ise servis olarak düşünülebilir. Telefon, trafik sistemleri, karmaşık kuyruk sistemlerine örnektir. Telefon call lar switching (anahtarlama) sistemi ile yönlendirilir. Bir sonraki switching e ulaşıncaya kadar ya da son noktaya ulaşmak için kuyruk oluşturmaktadır. KUYRUK SİSTEMİ Bir kuyruk sistemi, Hizmet veren bir veya birden fazla servise sahiptir. Sisteme gelen müşteriler tüm servisleri dolu bulursa, servisin önündeki kuyruğa ya da kuyruklardan (birden fazla kuyruk varsa) birisine girer. Kesikli olay benzetim çalışmalarının büyük bir kısmını, gerçek hayatta karşılaşılan kuyruk sistemlerinin modellenmesi oluşturmakta veya benzetim edilen sistemin en azından bazı bileşenleri bir kuyruk sistemidir. Bu nedenle, Kuyruk sisteminin standart notasyonlarını ve kuyruk sistemi tarafından sağlanana servis kalitesini belirleyen performans ölçülerini bilmesi önemlidir.

3 KUYRUK SİSTEMİ Sistem Servisler Müşteriler Banka Hastane Bilgisayar Sistemi Montaj Hattı Havaalanı KUYRUK SİSTEMİNİN BİLEŞENLERİ Bir kuyruk sisteminin 5 bileşeni vardır. Bunlar; Varış prosesi (Arrival process) Servis prosesi (Service process) Kuyruk disiplini (Queueing Discipline) Sistemde izin verilen müşteri sayısı Müşterinin geldiği yığının genişliği

4 KUYRUK SİSTEMİNİN BİLEŞENLERİ 1) Varış Prosesi: Bir kuyruk sisteminde varış prosesi; müşterilerin sisteme nasıl geldiğini tanımlar. Bu durumda varış prosesi, müşterilerin varışlararası zamanları ile karakterize edilir. Varışlar, sabit zamanlarda ya da rassal zamanlarda olabilir. Varışlar rassal zamanlarda oluyorsa, varışlararası zaman bir olasılık dağılımı ile karakterize edilir. A i : (i-1). ve i. müşteri varışları arasındaki varışlararası zaman aralığı olsun. A 1, A 2, : rassal değişkenlerdir. E(A): varışlararası ortalama (beklenen) zaman λ = 1 E( A) : Müşterilerin varış oranı (Birim zamanda gelen müşteri sayısı) Örnek: Bir dakikada 5 varış olan bir sistemde varışlararası zaman aralığı ortalaması 1 1 E( A) = = = 0.20 dak λ 5 KUYRUK SİSTEMİNİN BİLEŞENLERİ 2) Servis Mekanizması: Servis prosesi, servis sayısı ve servis zamanı dağılımı ile karakterize edilir. Her servis kendisine ait bir kuyruğa veya tüm servisleri bekleyen bir kuyruğa sahip olabilir. S i : i. müşterinin servis zamanı S 1, S 2,. : rassal değişkenler E(S): Bir müşterinin ortalama servis zamanı µ = 1 E( S) : Servis oranı (Birim zamanda servis gören müşteri sayısı) Örnek: Ortalama servis zamanı 2 dakika ise, servis oranı 1 1 µ = = = 0.5 E( S) 2 servis/dak

5 KUYRUK SİSTEMİNİN BİLEŞENLERİ Kuyruk sistemlerinde en önemli parametre trafik yoğunluğudur. Varis orani λ ρ = = ( Servis orani) c µ c c: servis sayısı λ 1 E( A) E( S) ρ = = = µ c (1 E( S)) c E( A) c E( S) 0.5 Örnek: E(A)=1 ve E(S)=0.5, c=1 ρ = = = 0. 5 E( A) 1 ρ < 1 ise ρ = 1 ise ρ > 1 ise servis zamanin servis dolu sonsuz kuyruk 1 - ρ kadari olusur bos kalir KUYRUK SİSTEMİNİN BİLEŞENLERİ Örnek: 3 dakikada bir varışın olduğu bir sistemde servis zamanı 2 dakikadır. Gelişler ve servis süreleri bir zaman çizelgesinde gösterilirse;

6 KUYRUK SİSTEMİNİN BİLEŞENLERİ 3) Kuyruk Disiplini: Servise alınacak müşteri düzenini belirler. FIFO (First in First Out): ilk giren, ilk çıkar prensibine göre servis LIFO(Last in First Out): son giren, ilk çıkar prensibine göre servis SIRO(Service in Random Order): Rassal sırada servis ÖNCELİK (PRIORITY): Müşterilerin önemine göre servis verilir. Aksi belirtilmedikçe, FIFO kullanılır. KUYRUK SİSTEMİNİN BİLEŞENLERİ Kendall (1953), kuyruk sistemi modellerini sınıflandırmak için bir sistem geliştirmiştir. 1/2/3 1: Varış prosesi 2: Servis prosesi 3: Servis sayısı Bu sınıflandırma sistemi aşağıdaki gibi genişletilmiştir. 1/2/3/4/5/6 4: Paralel servis sayısı 5: Sistemde izin verilen müşteri sayısı 6: Müşterinin geldiği yığının genişliği

7 KUYRUK SİSTEMİNİN BİLEŞENLERİ KUYRUK SİSTEMLERİNDE PERFORMANS ÖLÇÜTLERİ Sınırlı sayıda kuyruk sistemleri (M/M/1, M/M/S ve M/G/1 olarak tanımlanan sistemler) için analitik çözüm mevcuttur. Bu sınıf için, servis sürelerinin üstel ve varışların poisson dağılımı söz konusudur. Sistem, bu özelliklere uymuyor ise, analitik çözümleri bulmak mümkün değildir. Bu durumda, benzetimden yararlanılır.

8 M/M/1 KUYRUK MODELİ Varışlararası zamanının ve servis zamanının üstel dağılıma sahip olduğu, FIFO kuyruk disiplininin kullanıldığı kuyruk modelidir. Kuyruk kapasitesi sonsuzdur. Bu modelin, matematiksel çözümü vardır. Sürekli zamanlı Markov prosesinden elde edilen formüller; (Bu formüller denge durumu için geçerlidir.) M/M/1 KUYRUK MODELİ P 0 : sistemde is veya musteri olmamasi olasiligi P 1 : sistemde bir is veya musteri olmasi olasiligi P 2 : sistemde P n iki is veya : sistemde n is veya musteri musteri olmasi olmasi olasiligi olasiligi λ ρ = ; µ (trafik yogunlugu,doluluk orani)

9 M/M/1 KUYRUK MODELİ P P 0 x = 1 - = ρ λ µ x P 0 1 λ λ P 1 = ρ P0 = 1 µ µ 2 2 λ λ P 2 = ρ P0 = 1 µ µ n λ P n = ρ P0 = 1 µ n λ µ M/M/1 KUYRUK MODELİ λ ρ L = = ; sistemdeki ortalama musteri sayisi µ λ 1 ρ Q = L Q 2 2 λ ρ = = ; kuyruktakiortalama musteri sayisi µ ( µ λ) 1 ρ 1 1 W = = ; bir musterinin sistemde bekleme zamani µ λ µ (1 ρ) d = W Q λ ρ = = ; bir musterinin kuyrukta ortalama bek. zamani µ ( µ λ) µ (1 ρ) Parametreler arasındaki ilişki; Q = λ. d L = λ. w W = d + E(S)

10 KESİKLİ OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde bazı noktalarda değiştiği sistemlerin modellenmesi ile ilgilenir. Sistemin zamana göre benzetimidir. Zaman içinde kesikli noktalarda bir olay ortaya çıkar. Bu olay, sitemin durumunu değiştiren ani bir oluştur. KESİKLİ OLAY BENZETİMİ (KOB) ÖRNEK 1: Bir servisli kuyruk sistemi dikkate alınsın.

11 KESİKLİ OLAY BENZETİMİ (KOB) Bu sistemin özellikleri; Bir varış kanalı Bir servis imkanı FIFO ilk gelen ilk servis Servis meşgul ise, müşteri kuyrukta bekler Varışlararası zaman ve servis süreleri bilgisayarda belirlenen dağılımlardan üretilir. Varışlararası zamanlar stokastik Servis zamanları stokastik İş veya müşteri servisleri bittiği an sistemden çıkar Bir servis tamamlandığında en yakın müşteri servise alınır. KESİKLİ OLAY BENZETİMİ (KOB) Bu sistemde performans ölçüleri: Müşterilerin kuyrukta ortalama bekleme zamanı i. musterinin kuyrukta i. musterinin servise i. musterinin sisteme = bekleme zamani baslama zamani varis zamani n Kuyrukta ortalama i. musterinin kuyrukta = bekleme zamani i =1 bekleme zamani n

12 KESİKLİ OLAY BENZETİMİ (KOB) Bu sistemde performans ölçüleri: Müşterilerin sistemde ortalama bekleme zamanı i. musterinin sistemde bekleme zamani = i. musterinin servisinin bitis zamani i. musterinin sisteme varis zamani i. musterinin kuyrukta i. musterinin = + bekleme zamani servis zamani n Sistemde ortalama i. musterinin sistemde = bekleme zamani i =1 bekleme zamani n KESİKLİ OLAY BENZETİMİ (KOB) Bu sistemde performans ölçüleri: Servisin dolu ve bos zaman yüzdeleri Servisin dolu Toplam dolu (mesgul) zaman = 100 zaman yuzdesi Toplam gecen sure Servisin bos Servisin dolu = 100 zaman yuzdesi zaman yuzdesi

13 KESİKLİ OLAY BENZETİMİ (KOB) Performans ölçüsünün tahmin edilmesinde sistemin durum değişkenlerinin izlenmesi gerekir. Durum Değişkenleri: 1) Servisin durumu: Servisin boş veya dolu olması gelen müşterinin servise veya kuyruğa girmesini belirler 2) Kuyruktaki müşteri sayısı: Bir servis tamamlandığında kuyruktaki müşteri sayısı servisin yeni durumunu belirler. Kuyrukta müşteri yoksa servis boş duruma geçer. Müşteri varsa, kuyruğun başındaki müşteri servise alınarak servis dolu durumuna geçecektir. Olaylar: 1) Müşteri varışı (Varış olayı): Sistemin durumunu değiştirir. Yani, servis boş ise dolu olacak veya kuyruktaki müşteri sayısı 1 artacak. 2) Servisin tamamlanması (Servis olayı Çıkış olayı): Sistemin durumunu değiştirir. Servis dolu iken boş olacak ya da kuyruktaki müşteri sayısı 1 azalacak. KOB DA ZAMAN İLERLETME Kesikli olay benzetim modelinin yapısı gereği, her adımda simülasyon zamanın bilinmesi gerekir. Bu nedenle, benzetim zamanının bir değerden diğer bir değere artmasını sağlayacak bir işlem gerekir. Benzetim zamanını veren değişken BENZETİM SAATİ olarak adlandırılır. Modelde zaman birimi olarak, giriş parametrelerinde kullanılan birim alınır. Simülasyon zamanı ile modelin bilgisayarda işletilmesi zamanı arasında bir ilişki yoktur. Simülasyon saatinin ilerletilmesinde iki yaklaşım kullanılmaktadır. En yakın olay zamanı ile zaman ilerletme Sabit artışlarla zaman ilerletme

14 KOB DA ZAMAN İLERLETME 1. En Yakın Olay Zamanı Kesikli olay benzetiminde genellikle en yakın olay zamanı yaklaşımı kullanılmaktadır. Bu yaklaşımla zaman ilerletme işleminde; Benzetim saati başlangıç değeri 0 alınır ve gelecekteki olayın ortaya çıkış zamanı belirlenir. Benzetim saati gelecekte ortaya çıkacak bu ilk olayın zamanına ilerletilir. Yeni bir olayın ortaya çıkışına bağlı olarak sistemin durumu yeni şekline göre düzenlenir ve gelecek olay zamanı belirlenir. Zaman ilerletme işlemi önceden belirlenmiş durdurma koşulu sağlanıncaya kadar devam eder. KOB DA ZAMAN İLERLETME ÖRNEK: Bir servisli kuyruk modeli benzetiminde en yakın olay zamanıyla zaman ilerletme Bu dağılımlar genellikle sistemde yapılan gözlemlerden elde edilen veriye istatistik teknikler kullanılarak belirlenir.

15 KOB DA ZAMAN İLERLETME KOB DA ZAMAN İLERLETME 2. Sabit Artışlarla Zaman İlerletme Bu yaklaşımda benzetim saati, önceden belirlenen bir zaman birimi kadar artırılır. Benzetim saatindeki her artış sonrası, aralığında herhangi bir olayın ortaya çıkıp çıkmadığı kontrol edilir. Bu aralıkta bir veya birden fazla olay ortaya çıkmış ise, bu olaylar aralığın sonunda olmuş gibi dikkate alınır ve sistemin durumu güncelleştirilir.

16 KOB DA ZAMAN İLERLETME e i : herhangi tipteki i olayın ortaya çıkışının gerçek zamanı KOB DA ZAMAN İLERLETME [0, t) zaman aralığında, e 1 zamanında ortaya çıkan olay, modelde zamanında olmuş gibi dikkate alınır. [ t, 2 t) aralığında hiçbir olay ortaya çıkmamıştır. Ancak, model bu durumu belirlemek için kontrol işlemini yapar. [2 t, 3 t) aralığında e 2 ve e 3 zamanında 2 olay olmuştur. Ancak her iki olayda 3 zamanında olmuş gibi dikkate alınır. Modelde, aynı zamanda birden fazla olay ortaya çıktığında olayların hangi sırada dikkate alınacağına karar verecek bir kural bulunmalıdır. Bu yaklaşımın 2 dezavantajı; 1) Gerçekte aynı anda meydana gelmeyen olayların zaman aralığı sonunda birlikte dikkate alınması ve ilk hangi olayın dikkate alınacağına karar verme işleminden dolayı hatanın ortaya çıkmasıdır. 2) Çok küçük alınarak bu hata azaltılabilir. Ancak, her aralığında yapılacak kontrol den dolayı modelin çalışma zamanı artacaktır. Bu nedenle KOB da, bu yaklaşım genellikle kullanılmaz.

17 KOB BİLEŞENLERİ En yakın olay zamanı ile zaman ilerletme tekniğinin kullanıldığı kesikli olay benzetimi modellerinde aşağıdaki bileşenler bulunmaktadır. SİSTEM DURUMU: Durum değişkenlerinin bilinmesi herhangi bir zaman için sistemin durumunun açıklanmasını sağlar. SİMÜLASYON SAATİ: Simülasyon saatinin mevcut değerini veren bir değişkendir. OLAY LİSTESİ: Olabilecek en yakın olay tipini gösteren listedir. İSTATİSTİKSEL SAYAÇLAR: Performans ölçüsüyle ilgili bilgilerin tutulması için tanımlanmış değişkenler listesi İLK DEĞER VERME İŞLEMİ: Bir alt program (SUBROUTINE) olarak hazırlanır. Simülasyon modelinde kullanılan değişkenlere ilk değerlerini verir. ZAMAN İŞLEMİ: Olay listesindeki en yakın olayı belirleyen, simülasyon saatini bir olay zamanından diğerine geçecek şekilde artıran bir alt programdır. OLAY İŞLEMİ: i. olay ortaya çıktığında sistemin durumunu ve gerekli istatistiki sayaçları yeni duruma göre düzenleyen bir alt programdır. RAPOR ÜRETECİ: Simülasyon sona erdiğinde istenilen istatistikleri hesaplatarak yazdıran bir alt programdır. ANA PROGRAM: Zaman işlemini çağırarak en yakın olayı belirleyen, olay işlemlerini kontrol ederek sistemin yeni durumunu belirler. Bu bileşenler arasındaki mantıksal ilişki aşağıdaki şekilde görülmektedir. KOB BİLEŞENLERİ

18 İSTATİSTİKSEL SAYAÇLAR KOB de üç tip istatistik vardır. 1. Değişkenlerin gözlemlenmesine dayalı istatistik (Kesikli zaman istatistiği): 2. Zamana göre ortalama 3. Bir zaman aralığı boyunca değişen değişkenler için ortalama İSTATİSTİKSEL SAYAÇLAR 1. Değişkenlerin gözlemlenmesine dayalı istatistik (Kesikli zaman istatistiği): Örnek; Bir kuyruk sisteminde, kuyrukta ortalama bekleme zamanı tahmin edilsin. - i. müşterinin bekleme zamanını hesapla (d i ) - n müşteri için toplam bekleme zamanı bul n d i i= 1 kuyrukta ortalama bekleme zamanı hesapla d n n d i i= = 1

19 İSTATİSTİKSEL SAYAÇLAR 2. Zamana göre ortalama Değişkenler değerlerini belirli zamanlarda atlamalarla değiştirir. Zaman peryotları için değişkenlerin değerleri sabittir. Bir atlama yaparak diğer bir zaman peryodu için de sabit bir değerde kalırlar. İSTATİSTİKSEL SAYAÇLAR Örnek: Kuyruk sisteminde ortalama müşteri sayısı

20 İSTATİSTİKSEL SAYAÇLAR Örnek: Kuyruk sisteminde zamana göre ortalamanın alındığı diğer bir performans ölçüsü servisin doluluk oranıdır. İSTATİSTİKSEL SAYAÇLAR 3. Bir zaman aralığı boyunca değişen değişkenler için ortalama

21 EL İLE BENZETİM ÖRNEK: Aşağıda sisteme gelen 7 iş ve her birinin sisteme varış zamanları tablo halinde verilmiştir. Sistemdeki servis işlemi için 2 alternatif düşünülmektedir. 1. Alternatif: Bir makine, bir iş için servis süresi 5 dk. 2. Alternatif: İki makine, bir iş için servis süresi 10 dk. Sisteme gelen işlerin tek bir kuyruk oluşturduğu ve her iki makineyi beslediğini düşününüz. Her bir alternatif için sistemin benzetimini yaparak 1) Boş zaman yüzdesini (ortalama boş zaman, alternatif 2. için) 2) Sistemde ortalama bekleme zamanını bulunuz. İş Varış zamanı Kuyrukta bekleme zamanı Servise başlama zamanı Servis bitiş zamanı Servis zamanı Servisin dolu zamanı

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi Prof.Dr.Berna Dengiz 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi BENZETİM DİLLERİNDE MODELLEME YAKLAŞIMLARI Tüm benzetim dilleri; ya olay-çizelgeleme

Detaylı

Olay-Tabanlı Modelleme. İlhan AYDIN

Olay-Tabanlı Modelleme. İlhan AYDIN Olay-Tabanlı Modelleme İlhan AYDIN Olay-Sürümlü Modeller Zaman sürümlü modeller düzenli zaman aralıklarında senkron bir tarzda ilerleyen sinyallere sahip sistemleri karakterize eder. Olay sürümlü modeller

Detaylı

KUYRUK SİSTEMİ VE BİLEŞENLERİ SİSTEM SİMULASYONU KUYRUK SİSTEMİ VE BİLEŞENLERİ ÖRNEKLER BİR KUYRUK SİSTEMİNİN ÖRNEKLER

KUYRUK SİSTEMİ VE BİLEŞENLERİ SİSTEM SİMULASYONU KUYRUK SİSTEMİ VE BİLEŞENLERİ ÖRNEKLER BİR KUYRUK SİSTEMİNİN ÖRNEKLER KUYRUK SİSTEMİ VE SİSTEM SİMULASYONU 5. KUYRUK SİSTEMLERİ Bi kuyuk sistemi; hizmet veen bi veya biden fazla sevise sahipti. Sisteme gelen müşteile tüm sevislei dolu bulusa, sevisin önündeki kuyuğa ya da

Detaylı

9/22/2014 EME 3105 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2

9/22/2014 EME 3105 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2 EME 3105 SİSTEM SİMÜLASYONU Simulasyon Örnekleri Ders Giriş Bu derste bilgisayar yardımı olmaksızın çalıştırılabilen birkaç simulasyon örneği verilmiştir. Bu örnekler size sistem simulasyonu metodolojisini

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz

BENZETİM. Prof.Dr.Berna Dengiz Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans

Detaylı

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN GİRİŞ Bir hizmet için beklemek günlük yaşantının bir parçasıdır. Örneğin, restoranlarda yemek yemek için bekleme, hastanelerdeki hasta kuyruğunda

Detaylı

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME GİRİŞ Bu bölümde benzetim için excel örnekleri önerilmektedir. Örnekler excel ile yapılabileceği gibi el ile de yapılabilir. Benzetim örnekleri

Detaylı

SİSTEM SİMULASYONU KUYRUK SİSTEMİ VE BİLEŞENLERİ KUYRUK SİSTEMİ VE BİLEŞENLERİ

SİSTEM SİMULASYONU KUYRUK SİSTEMİ VE BİLEŞENLERİ KUYRUK SİSTEMİ VE BİLEŞENLERİ SİSTEM SİMULASYONU KUYRUK SİSTEMLERİ KUYRUK SİSTEMİ VE BİLEŞENLERİ Bi kuyuk sistemi; hizmet veen bi veya biden fazla sevise sahipti. Sisteme gelen müşteile tüm sevislei dolu bulusa, sevisin önündeki kuyuğa

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN Ders No:2 GIRIŞ Bu derste elle ya da bir çalışma sayfası yardımıyla oluşturulacak bir simülasyon tablosunun kullanımıyla yapılabilecek simülasyon

Detaylı

ENM 316 BENZETİM GİRİŞ DERS 1 GİRİŞ GİRİŞ. Zaman içerisinde değişiklik gösteren bir sistemin tavrı, geliştirilen bir benzetim modeli ile incelenir.

ENM 316 BENZETİM GİRİŞ DERS 1 GİRİŞ GİRİŞ. Zaman içerisinde değişiklik gösteren bir sistemin tavrı, geliştirilen bir benzetim modeli ile incelenir. GİRİŞ ENM 316 BENZETİM DERS 1 Zaman içerisinde değişiklik gösteren bir sistemin tavrı, geliştirilen bir benzetim modeli ile incelenir. Model, sistemin çalışması ile ilgili kabullerin bir setinden oluşur.

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

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

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 SETİ 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

Detaylı

ENM 316 BENZETİM DERS 1 GİRİŞ. Benzetim, karmaşık sistemlerin tasarımı ve analizinde kullanılan en güçlü analiz araçlarından birisidir.

ENM 316 BENZETİM DERS 1 GİRİŞ. Benzetim, karmaşık sistemlerin tasarımı ve analizinde kullanılan en güçlü analiz araçlarından birisidir. ENM 316 BENZETİM DERS 1 GİRİŞ Benzetim, karmaşık sistemlerin tasarımı ve analizinde kullanılan en güçlü analiz araçlarından birisidir. Genel anlamda benzetim, zaman içinde sistemin işleyişinin taklididir.

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

ÇIKTI ANALİZİ BENZETİM TÜRLERİ

ÇIKTI ANALİZİ BENZETİM TÜRLERİ ÇIKTI ANALİZİ BENZETİM TÜRLERİ Çıktı analizi benzetimden üretilen verilerin analizidir. Çıktı analizinde amaç, bir sistemin performansını tahmin etmek ya da iki veya daha fazla alternatif sistemlerin performansını

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

MONTE CARLO BENZETİMİ

MONTE CARLO BENZETİMİ MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle

Detaylı

Kuyruk Sistemlerinin Benzetimi. KUYRUK & BEKLEME HATTI SİSTEMLERİ Genel nüfus Bekleme hattı Sunucu

Kuyruk Sistemlerinin Benzetimi. KUYRUK & BEKLEME HATTI SİSTEMLERİ Genel nüfus Bekleme hattı Sunucu Kuyruk Sistemlerinin Benzetimi KUYRUK & BEKLEME HATTI SİSTEMLERİ Dr. Mehmet AKSARAYLI Genel nüfus Bekleme hattı Sunucu Genel nüfus Kuyruğa giriş ve hizmetlerin yapısı Sistemin kapasitesi Kuyruk disiplini

Detaylı

Yönetimde Karar Verme Teknikleri

Yönetimde Karar Verme Teknikleri SAKARYA ÜNİVERSİTESİ Yönetimde Karar Verme Teknikleri Hafta 0 Yrd. Doç. Dr. Harun R. YAZGAN Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine

Detaylı

Rassal Değişken Üretimi

Rassal Değişken Üretimi Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.

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

Eme Sistem simülasyonu. Giriş. Simulasyonun Kullanım Alanları (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş

Eme Sistem simülasyonu. Giriş. Simulasyonun Kullanım Alanları (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş Eme 3105 Giriş Sistem simülasyonu Gerçek Dünya Sureci Sistemin davranışıyla ilişkili varsayımlar seti Modelleme & Analiz Sistem Simülasyonuna Giriş Ders 1 Simülasyon, gerçek bir dünya sureci yada sistemindeki

Detaylı

9/14/2016 EME 3117 SİSTEM SIMÜLASYONU. Giriş. (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş. Hafta 1. Yrd.Doç.Dr.

9/14/2016 EME 3117 SİSTEM SIMÜLASYONU. Giriş. (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş. Hafta 1. Yrd.Doç.Dr. EME 3117 SİSTEM SIMÜLASYONU Sistem Simülasyonuna Giriş Hafta 1 Yrd.Doç.Dr.Beyazıt Ocaktan Giriş Simülasyon, gerçek bir dünya süreci yada sistemindeki işlemlerin zamana bağlı değişimlerinin taklit edilmesidir.

Detaylı

SİMULASYON MODELLEME VE ANALİZ. Giriş. Arena Ortamı. Simulasyon Dilleri HAFTA 2. Yrd.Doç.Dr.Beyazıt Ocaktan

SİMULASYON MODELLEME VE ANALİZ. Giriş. Arena Ortamı. Simulasyon Dilleri HAFTA 2. Yrd.Doç.Dr.Beyazıt Ocaktan SİMULASYON MODELLEME VE ANALİZ 1 2 Giriş Bu derste ARENA ortamında modelleme yeteneklerini genel olarak tanıtmak için basit bir model sunulacaktır. HAFTA 2 Yrd.Doç.Dr.Beyazıt Ocaktan Simulasyon Dilleri

Detaylı

EME 3105 Giriş SISTEM SIMÜLASYONU Sistem Simülasyonuna Giriş Simülasyon Ders 1 Simülasyon, Yrd.Doç.Dr.Beyazıt Ocaktan

EME 3105 Giriş SISTEM SIMÜLASYONU Sistem Simülasyonuna Giriş Simülasyon Ders 1 Simülasyon, Yrd.Doç.Dr.Beyazıt Ocaktan EME 3105 Giriş SISTEM SIMÜLASYONU Sistem Simülasyonuna Giriş Gerçek Dünya Sureci Sistemin davranışıyla ilişkili varsayımlar seti Modelleme & Analiz Ders 1 Yrd.Doç.Dr.Beyazıt Ocaktan Simülasyon, gerçek

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

1106104 SİSTEM SİMÜLASYONU

1106104 SİSTEM SİMÜLASYONU 6 SİSTEM SİMÜLASYONU Yrd Doç. Dr. Sırma Yavuz Çarşamba : - : (F-9) Ofis: B Blok - Kat Donanım Lab. Ofis Saatleri : Çarşamba 6: - 7: İçerik Simülasyon Modeli Yaklaşımları Kuyruk Sistemlerinin Simülasyonu

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

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

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık

Detaylı

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

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

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

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

Kuyruk Sistemlerinin Simülasyonu

Kuyruk Sistemlerinin Simülasyonu Kuyruk Sistemlerinin Simülasyonu Kuyruk sistemlerinin simülasyonu sonraki adımda ne olacağını belirlemek üzere bir olay listesinin tutulmasını ve bakımını gerektirir. Simülasyonda olaylar genellikle gerçek

Detaylı

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir. BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden

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

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

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

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

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

BENZETİM. Prof.Dr.Berna Dengiz. 1. Ders. Benzetim nedir? Amaçları Avantajı Dezavantajı Uygulama Alanları Sistem Sistemin Bileşenleri

BENZETİM. Prof.Dr.Berna Dengiz. 1. Ders. Benzetim nedir? Amaçları Avantajı Dezavantajı Uygulama Alanları Sistem Sistemin Bileşenleri Prof.Dr.Berna Dengiz 1. Ders Benzetim nedir? Amaçları Avantajı Dezavantajı Uygulama Alanları Sistem Sistemin Bileşenleri 1.GİRİŞ Benzetim, karmaşık sistemlerin tasarımı ve analizinde kullanılan en güçlü

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

IE 303T Sistem Benzetimi L E C T U R E 3 : O L A Y Ç I Z E L G E L E M E A L G O R I T M A S I

IE 303T Sistem Benzetimi L E C T U R E 3 : O L A Y Ç I Z E L G E L E M E A L G O R I T M A S I IE 303T Sistem Benzetimi L E C T U R E 3 : O L A Y Ç I Z E L G E L E M E A L G O R I T M A S I İçerik Olay Çizelgeleme Algoritması Tek Servis Sağlayıcılı Kuyruk (Tekrar) Maden Ocağı Kamyonları Liste İşlemleri

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

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

Rassal Modeller (IE 324) Ders Detayları

Rassal Modeller (IE 324) Ders Detayları Rassal Modeller (IE 324) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Rassal Modeller IE 324 Güz 3 0 0 3 3 Ön Koşul Ders(ler)i IE 201 Olasılık ve İstatistik

Detaylı

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA i GENETİK ALGORİTMA YAKLAŞIMIYLA ATÖLYE ÇİZELGELEME Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2005 ANKARA ii Serdar BİROĞUL tarafından hazırlanan

Detaylı

Laboratuvar 3. Yrd.Doç.Dr.Beyazıt Ocaktan. Elektronik Montaj ve Test Örneği

Laboratuvar 3. Yrd.Doç.Dr.Beyazıt Ocaktan. Elektronik Montaj ve Test Örneği 1 SİSTEM SİMULASYONU Laboratuvar 3 Yrd.Doç.Dr.Beyazıt Ocaktan Elektronik Montaj ve Test Örneği 2 Bir elektronik devre üreticisinin kaplama atölyesini ele alalım. Bu isletmede A ve B parcaları farklı atölyelerde

Detaylı

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi

Detaylı

Endüstri Mühendisliğine Giriş

Endüstri Mühendisliğine Giriş NOT: MRP ve TAM ZAMANINDA ÜRETİM ARASINDAKİ FARKLAR ile ilgili notlar sizlere çalışmanız için derste işlenmemiştir Endüstri Mühendisliğine Giriş 26 Aralık 2012, Şişli-Ayazağa, İstanbul, Türkiye. Yard.

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

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

Olasılık ve İstatistik (IE 220) Ders Detayları

Olasılık ve İstatistik (IE 220) Ders Detayları Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin

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

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin

Detaylı

BAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ

BAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ GIRIŞ 2 BAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ D R. F E R H A T G Ü N G Ö R 1 Kuyruk teorisi; servis almak için oluşan kuyruk, sağlanan servis hizmetinden fazladır. Bunun çeşitli nedenleri

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

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

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

Çizelgeleme Nedir? Bir ürünün üretilmesi/hizmetin sunumu için

Çizelgeleme Nedir? Bir ürünün üretilmesi/hizmetin sunumu için Üretim Çizelgeleme Çizelgeleme Nedir? Bir ürünün üretilmesi/hizmetin sunumu için işgörenin nerede, ne zaman gerekli olduğunun, gerekli faaliyetlerin zamanlamasının, üretime başlama ve üretimi tamamlama

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

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

Detaylı

İşlem Yönetimi (Process Management)

İşlem Yönetimi (Process Management) İşlem Yönetimi (Process Management) 2 Bir işletim sisteminde, temel kavramlardan bir tanesi işlemdir. İş, görev ve süreç kelimeleri de işlem ile eşanlamlı olarak kullanılabilir. Bir işlem temel olarak

Detaylı

BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER

BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER Yazılımı ve Genel Özellikleri Doç.Dr. Cüneyt BAYILMIŞ Kablosuz Ağların Modellemesi ve Analizi 1 OPNET OPNET Modeler, iletişim sistemleri ve

Detaylı

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel

Detaylı

Veri Toplama, Verilerin Özetlenmesi ve Düzenlenmesi. BBY 606 Araştırma Yöntemleri

Veri Toplama, Verilerin Özetlenmesi ve Düzenlenmesi. BBY 606 Araştırma Yöntemleri Veri Toplama, Verilerin Özetlenmesi ve Düzenlenmesi BBY 606 Araştırma Yöntemleri 1 SPSS in açılması 2 SPSS programı 3 Veri giriş ekranı 4 Değişken giriş ekranı 5 Veri toplama Kayıtlardan yararlanarak Örneğin

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

3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları

3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları 3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları Kuyruk (bekleme hattı- bekleme sırası - bekleme kuyruğu) teorisi, bekleme hattının matematiksel modellerini oluşturarak kuyruk uzunluğu,

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

Y.Doç.Dr. Fazıl GÖKGÖZ Kuyruk Teorisi. Bölüm 1: Temel Kavramlar. Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler

Y.Doç.Dr. Fazıl GÖKGÖZ Kuyruk Teorisi. Bölüm 1: Temel Kavramlar. Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler Kuyruk Teorisi Bölüm 1: Temel Kavramlar KONU 8 Kuyruk Teorisi nin Bileşenleri Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler Kuyrukta Bekleme : Müşteriler sırada veya sıralarda hizmet

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

Sistem Modelleme ve Simülasyon (SE 360) Ders Detayları

Sistem Modelleme ve Simülasyon (SE 360) Ders Detayları Sistem Modelleme ve Simülasyon (SE 360) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Sistem Modelleme ve Simülasyon SE 360 Her İkisi 3 0 0 3 5 Ön Koşul

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

KUYRUK TEORİSİ III KUYRUK SİSTEMLERİ

KUYRUK TEORİSİ III KUYRUK SİSTEMLERİ SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ III KUYRUK SİSTEMLERİ DERS NOTLARI M/M/1/GD/c/ KUYRUK SİSTEMİ Geçen dersimizde sistemin kapasitesini sınırsız görmüştük.

Detaylı

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ZORUNLU DERSLER IE 201 - Operasyon Modelleme Karar vermedeki belirsizlik rolü de dahil olmak üzere işletme kararlarının matematiksel

Detaylı

İSTATİSTİK I KISA ÖZET KOLAYAOF

İSTATİSTİK I KISA ÖZET KOLAYAOF DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. İSTATİSTİK I KISA ÖZET KOLAYAOF 2 Kolayaof.com

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

ÜRETİM SİSTEMLERİ ve ÖZELLİKLERİ

ÜRETİM SİSTEMLERİ ve ÖZELLİKLERİ ÜRETİM SİSTEMLERİ ve ÖZELLİKLERİ Üretim sistemleri hammaddelerin bitmiş ürüne dönüştürüldükleri sistemlerdir. Bu sistemler için oluşturulacak simülasyon modelleri tamamen üretim sisteminin tipine ve verilecek

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

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN ÜRETİMİ Benzetimde rassallık k varsa, bir veya birden fazla ğılımdan rassal değişken üretimi yapılacakt lacaktır. Bu ğılımlar, gözlemden g elde edilen veriye giydirilmiş

Detaylı

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

Detaylı

Üretim/İşlemler Yönetimi 2. Yrd. Doç. Dr. Mert TOPOYAN

Üretim/İşlemler Yönetimi 2. Yrd. Doç. Dr. Mert TOPOYAN Üretim/İşlemler Yönetimi 2 Sistem Kavramı Belirli bir ortak amacı elde etmek için birlikte çalışan bileşenlerden oluşan bütündür. Büyük sistemler kendilerini oluşturan alt sistemlerden oluşur. Açık sistem:

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

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 7 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

Stokastik Süreçler (MATH495) Ders Detayları

Stokastik Süreçler (MATH495) Ders Detayları Stokastik Süreçler (MATH495) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Stokastik Süreçler MATH495 Güz 3 0 0 3 6 Ön Koşul Ders(ler)i Math392 veya öğretim

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

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

ÜNİTE:1. İstatistiğin Tanımı, Temel Kavramlar ve İstatistik Eğitimi ÜNİTE:2. Veri Derleme, Düzenleme ve Grafiksel Çözümleme ÜNİTE:3

ÜNİTE:1. İstatistiğin Tanımı, Temel Kavramlar ve İstatistik Eğitimi ÜNİTE:2. Veri Derleme, Düzenleme ve Grafiksel Çözümleme ÜNİTE:3 ÜNİTE:1 İstatistiğin Tanımı, Temel Kavramlar ve İstatistik Eğitimi ÜNİTE:2 Veri Derleme, Düzenleme ve Grafiksel Çözümleme ÜNİTE:3 Ortalamalar, Değişkenlik ve Dağılma Ölçüleri ÜNİTE:4 Endeksler ÜNİTE:5

Detaylı

TOPLAM KALİTE YÖNETİMİ

TOPLAM KALİTE YÖNETİMİ SAKARYA ÜNİVERSİTESİ TOPLAM KALİTE YÖNETİMİ Hafta 13 Yrd. Doç. Dr. Semra BORAN Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine uygun olarak

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: STATISTICS. Dersin Kodu: STA 1302

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: STATISTICS. Dersin Kodu: STA 1302 Dersi Veren Birim: Mühendislik Fakültesi Dersin Türkçe Adı: İSTATİSTİK Dersin Orjinal Adı: STATISTICS Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: STA 0 Dersin Öğretim

Detaylı

Yalın Üretim Sisteminde Malzeme Taşıma Mesafelerinin Benzetim Yöntemiyle Optimizasyonu. Kocaeli Üniversitesi, Endüstri Mühendisliği

Yalın Üretim Sisteminde Malzeme Taşıma Mesafelerinin Benzetim Yöntemiyle Optimizasyonu. Kocaeli Üniversitesi, Endüstri Mühendisliği Yalın Üretim Sisteminde Malzeme Taşıma Mesafelerinin Benzetim Yöntemiyle Optimizasyonu İlay GÜLER Celal ÖZKALE İpek AYRANCI Muhammet KAHRIMAN Kocaeli Üniversitesi, Endüstri Mühendisliği Yalın Üretim Malzeme

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

Detaylı

EME 3117 SİSTEM SİMULASYONU

EME 3117 SİSTEM SİMULASYONU EME 3117 SİSTEM SİMULASYONU Sonsuz Ufuk Simulasyon (Kararlı Hal Simulasyonu) Ders 14 Hatırlatma Gözleme ve Zamana Dayalı Performans Ölçümleri Gözleme Dayalı Ortalama sistem süresi Ortalama kuyruk süresi

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı