Parti Bazında Kabul Örneklemesi

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Parti Bazında Kabul Örneklemesi"

Transkript

1 KABUL ÖRNEKLEMESİ Hammadde, yarı mamul veya bitmiş (son) ürünün kabul / red kararının verilebilmesi için kullanılan bir yaklaşımdır. Kabul örneklemesi sadece partinin kabul / red kararı için kullanılır, partinin kalite seviyesini tespit etmek için kullanılmaz. Süreç kontrol tekniği değildir. MIL STD 105D askeri standardında verilen kurallar şeklinde tarif ediliyor. ANSI / ASQC Z 1. c 1 ise sivil standarttır.

2 Parti Bazında Kabul Örneklemesi Örnekleme önem taşımaktadır. Tedarikçinin kalitesi hakkında bilgiye sahip olunabilir. Örnekleme adedi tedarikçinin kalitesi iyi ise daha az, kötü ise daha fazla şeklinde değiştirilebilir. Partiden alınan örnekler, önceden tespit edilen kalite karakteristiklerine göre kontrol edilir, red edilen parça sayısına bağlı olarak partinin kabul / red kararı verilir.

3 Kabul örneklemesinde 3 önemli konu mevcuttur. 1. Kabul örneklemesinin amacı parti kalitesini tespit etmek değildir. 2. Kabul örneklemesi kalite kontrol metodu değildir. Aynı (alınan örneğe bağlı olarak) kalitede olan iki partiden biri kabul diğeri red edilebilir, kalite pekiştirme aracı olarak kullanılmaz. 3. Kabul örneklemesi, ürün kalitesini muayene etmek değil, süreç çıktılarının gereklere uygunluğunun denetlenmesini sağlayan bir araçtır.

4 Parti kabul edilmesinde 3 yaklaşım söz konusudur. 1.Herhangi bir kontrol işlemi yapılmadan kabul 2.% 100 muayene 3.Kabul örneklemesi

5 Avantajları Tamamen kontrole göre daha ucuzdur. Ürünler daha az ele alındığı için, hasarda daha az olmaktadır. Hasarlı test metodu kullanılıyorsa, Daha az test elemanı Test hatalarının miktarlarında da azalış Tedarikçileri kalite geliştirme açısından motive etmektedir.

6 Dezavantajları Kötü kalitede partiyi kabul etme, iyi kalitede partiyi red etme riski vardır. Ürün veya süreç hakkında az bilgiye sahip olunur.( Süreçten veri toplamak daha fazla bilgiyi getirir.) Kabul örneklemesinin bilinmesi, öğretilmesi, dokümante edilmesi gerekir.

7 TEK KATLI KABUL ÖRNEKLEME PLANI N= (ana kütle, parti büyülüğü) n: örnek büyüklüğü = 89 c: kabul edilebilir kusurlu sayısı = 2 d: mevcut kusurlu sayısı

8 Eğer d > c ise parti red edilir, d c ise parti kabul edilir.

9 Parti tanımı önemlidir! (Şartlı kabul kavramı) 1. Parti homojen olmalıdır. 2. Küçük küçük partiden ziyade büyük parti tercih edilir. 3. Tek seferde üretilen miktar

10 OC Eğrisi ( Operating Curve ) Kusurlu oranına bağlı olarak partinin kabul edilme olasılığını gösterir. OC eğrisi kabul örnekleme planının gücünü gösterir. p = partinin kusurlu oranı (ana kütle) n = örnek büyüklüğü olmak üzere; d= mevcut kusurlu oranının dağılımı N Binom (n, p) N teorik olarak sınırsız olduğu düşünülürse P { d kusurlu } = f(d) = n! d! n d! pd (1 p) n d ( kesikli dağılım) c P Q = P ( d c)= d=0 n! d! n d! pd (1 p) n d

11 ÖRNEK: P = 0,01, n= 89, c = 2 olsun. c 89! P Q = P ( d 2)= d=0 d! 89 d! 0,01d (1 0,01) 89 d = 89! 0! 89! 0,010 (0,99) ! 1! 88! 0,011 (0,99) ! 2! 89! 0,012 (0,99) 87 = 0,9397

12 Kusurlu oranı P Q (partinin kabul edilme olasılığı) 0,005 0,9897 0,01 0,9397 0,02 0,7366 0,03 0,4985 0,04 0,3042 0,05 0,1721 0,06 0,0919 0,07 0,0468 0,08 0,0230 0,09 0,0109 Tüketici riski = β= P (Partinin kabul edilmesi / parti kökü)

13 Genel olarak tedarikçi (yan sanayi) % 95 olasılık ile partisinin kabul edilmesini ister.

14 AQL (Acceptable Qualiy Level ) Kullanan / satın alanın kabul edebileceği tedarikçinin üretim kalitesinin en kötü kalite düzeyidir. AQL sadece partinin bir karşılaştırmasını / yargısını yapmak için kullanılır. Ana sanayi 0,01 kabul edilebilir kalite seviyesi istiyorum dediğinde bu, partideki kusurlu oranı en fazla % 1 olsun veya daha iyi olsun demektir.

15 p 1 : partinin kusurlu oranı c: kabul edilebilir kusurlu sayısı n: örnek büyüklüğü d: mevcut kusurlu sayısı iken, c d=0 n! d! n d! p 1 d (1 p 1 ) n d = 1-α (partinin kabul edilme olasılığı) p 2 : partinin kusurlu oranı (istenmeyen, kabul edilemeyen kusurlu oranı) c β = d=0 n! d! n d! p 2 d (1 p 2 ) n d

16 β: P (partinin kabul edilmesi / parti kötü) Tüketici riski α = P (partinin red edilmesi / parti iyi) Üretici riski 1-β = kabul örneklemesinin gücü

17 Çıkan Ortalama Kalite(AOQ) AOQ genellikle örnekleme planının değerlendirilmesinde kullanılır. Partinin kalitesi hakkında yorum yapılmasına çalışılır. Çeşitli p lere göre, uygulanan kabul örneklemesi planına göre kabul olasılıkları P a lar hesaplanır. AOQ = P a.p AOQ = P a.p (N n) N ( N yeterince büyük ise)

18 ÖRNEK: N: n: 89 c =2 p= 0,01 P a = 0,9397 idi. AOQ = 0,9397.0,01 ( ) = 0,0093 Çıkan ortalama kalite % 0,93 kusurlu şekline yorumlanır.

19 AOQ eğrisinin tepe noktası, çıkan ortalama kalitenin kabul edilebilir en kötü değeridir. Burada AOQL (average outgoing quality level) denir. Eğer p > 0,03 olursa zaten partinin kabul edilme olasılığı da azalacaktır.

20 Örnek alma şimdiye kadar tek parti için düşünüldü. Oysa aynı tedarikçiden pek çok kez partiler halinde hammadde veya yarı mamul alınmaktadır. Bu durumda MIL STD 105D veya ANSI / ASQC Z 1. c 1 de yapılabilecekler tartışılmıştır. Tüm kabul örneklemelerinde Normal örneklem, Gevşek muayene veya Sıkı muayene durumları söz konusudur.

21 Kabul örneklemesi ilk önce Normal örnekleme ile başlar.

22 Yöntem (Adımlar) AQL seviyesini seç. Örnekleme düzeyini seç. Parti büyüklüğünü belirle. Tablo 13-7 den uygun örnek büyüklüğü kodunu bul. Kabul örneklemesi plan tipini seç. Uygun örnekleme düzeyini seç. Tablolardan karar ver.

23

24

25

26

27 n 1 = 50 br c 1 = 1 n 2 = 100 br c 2 = 3 Çift Katlı Kabul Örnekleme Planı

28 OC Eğrisi

29 Çok Katlı Örnekleme Planı Bir partiyi red etmeden önce ikiden fazla örnekleme kullanılarak oluşturulur ve ikili örnekleme sisteminin bir uzantısıdır. İki katlı örnekleme planına benzer şekilde çalışır. 5 tane örnekleme alınıncaya kadar devam eder. Yandaki tabloda alınan örnek büyüklükleri, kabul / red sayıları verilmiştir. Birikimli örnek büyüklüğü Kabul sayısı Red sayısı

30 Çift Katlı Örnekleme Planının Tek Katlı Kabul Örnekleme Planına Göre Avantajı b. Kontrol için gerekli toplam miktar azalır. a. Parti ilk örnekte ( örnek büyüklüğü daha az) kabul / red edilebilir. c. Kontrol maliyeti azalır.

31 n 1 = 50 c 1 = 1 n 2 = 100 c 2 = 3 P Q = P Q I + P Q II 1-) n 1 = 50 c 1 = 1 için p = 0,05 için; d 1 c 1 ise P Q I = d 1=0 1 50! d 1! 50 d 1! pd 1 (1 p) 50 d 1= 0,279

32 i) P(d 1 = 2, d 2 1) = P(d 1 = 2). P(d 2 1) = 50! 2! 48! 0,052 (0,95) 48 c 1 d 1 c 2 ise 1 d 2=0 100! d 2! 100 d 2! 0,05d 2 (0,95) 100 d 2 = (0,261)(0,037) = 0,0097 ii) P(d 1 = 3, d 2 = 0) = P(d 1 = 3). P(d 2 = 0) = 50! 3! 47! 0,053 (0,95) 47. = (0,22) (0,0059)=0,001 P Q II = 0,0097+0,001=0, ! 0! 100! 0,050 (0,95) 100 P Q = P Q I + P Q II = 0, ,0107 =0,2897 0,05... P P Q 0,

Kalite Yönetimi. Kabul Örneklemesi 11. Hafta

Kalite Yönetimi. Kabul Örneklemesi 11. Hafta Kalite Yönetimi Kabul Örneklemesi 11. Hafta Parti Kabulünde Uygulanacak Yaklaşımlar Muayene uygulamamak % 100 muayene Örnekleme muayenesi Kabul Örneklemesi Yığından örnekler alınır, birimlerin belirli

Detaylı

Muayene ve Kabul Örneklemesi

Muayene ve Kabul Örneklemesi Muayene ve Kabul Örneklemesi Prof.Dr. Erhan Öner eoner@marmara.edu.tr http://mimoza.marmara.edu.tr/~eoner Prof.Dr. Erhan Öner / Kabul Örneklemesi / Aralık 2002 1/97 Seminerin İçeriği Muayene Kavramı Hataların

Detaylı

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 12: Nitelikler için Kabul Örneklemesi Yrd. Doç. Dr. Kemal SUBULAN 26.04.2018 Kabul Örneklemesi

Detaylı

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 13: Standart Örnekleme Planları & Değişkenlere Göre Örnekleme Planları Yrd. Doç. Dr.

Detaylı

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 14: Değişkenlere Göre Örnekleme Planları ve Diğer Örnekleme Yöntemleri Yrd. Doç. Dr.

Detaylı

13. Kabul Örneklemesi, Örnekleme Planları, Çalışma Karakteristiği Eğrileri

13. Kabul Örneklemesi, Örnekleme Planları, Çalışma Karakteristiği Eğrileri 3. Kabul Örneklemesi, Örnekleme Planları, Çalışma Karakteristiği Eğrileri 3.. Giriş Kalite kontrolün önemli noktalarından birisi de hammaddelerin, yarı-mamullerin ve mamullerin muayenesidir. Belirlenmiş

Detaylı

Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır.

Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. KALİTE KONTROL Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. Kontrol: Mevcut sonuçlarla hedefleri ve amaçları kıyaslama

Detaylı

NİTEL ÖZELLİKLERE GÖRE YAPILAN KABUL MUAYENELERİNDE TEKLİ ÖRNEKLEME PLANININ TASARIMI

NİTEL ÖZELLİKLERE GÖRE YAPILAN KABUL MUAYENELERİNDE TEKLİ ÖRNEKLEME PLANININ TASARIMI NİTEL ÖZELLİKLERE GÖRE YAPILAN KABUL MUAYENELERİNDE TEKLİ ÖRNEKLEME PLANININ TASARIMI Metin ÖNER Rıfat KARAMAN ÖZET Bu çalışmanın amacı iki yöntemin bir arada kullanılabileceğini göstermektir. Birinci

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

TOPLAM KALİTE YÖNETİMİ

TOPLAM KALİTE YÖNETİMİ SAKARYA ÜNİVERSİTESİ TOPLAM KALİTE YÖNETİMİ Hafta 2 Yrd. Doç. Dr. Semra BORAN Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine uygun olarak hazırlanan

Detaylı

BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ

BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ İÇİNDEKİLER BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ I. ÖRNEKLEME... 1 II. ÖRNEKLEMENİN SAFHALARI... 2 III. ÖRNEK ALMA YÖNTEMLERİ 5 A. RASYONEL ÖRNEK ALMA... 5 B. TESADÜFİ ÖRNEK ALMA... 6 C. KADEMELİ ÖRNEK ALMA...

Detaylı

Her işletmenin amacı, müşterilerin satın almaya istekli olduğu mal ve hizmet üretmektir. Ancak, müşteri ihtiyaçlarının ve tercihlerinin sürekli

Her işletmenin amacı, müşterilerin satın almaya istekli olduğu mal ve hizmet üretmektir. Ancak, müşteri ihtiyaçlarının ve tercihlerinin sürekli 1 2 Her işletmenin amacı, müşterilerin satın almaya istekli olduğu mal ve hizmet üretmektir. Ancak, müşteri ihtiyaçlarının ve tercihlerinin sürekli olarak değişmesinin yanında, rekabet ve üretim teknolojilerindeki

Detaylı

KALİTE KAVRAMI ve UNSURLARI

KALİTE KAVRAMI ve UNSURLARI KALİTE KAVRAMI ve UNSURLARI Kalite, bir ürün veya hizmet ile ilgili özelliklerin, belirlenen veya olabilecek ihtiyaçları karşılama derecesidir. Kalite Sözlüğü Kalite, genel olarak günlük konuşmalarda

Detaylı

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

Ğ ğ Ç ğ ğ ğ ö ö ğ ğ Ö ğ ğ ö ğ ğ ğ ö ğ ö ğ ö ğ ö ğ ö ğ ğ ö ğ ö ğ ğ ö ğ Ç ğ Ğ ğ ö ğ Ö ğ ö ğ ö ö ğ Ç Ç ö Ç ğ ğ Ç Ç ö Ç ğ ö ğ Ç ğ ö ğ ğ Ç Ç ö ğ ğ ö öç ğ ğ Ç ğ öç Ç ö ğ Ğ ö ö ğ ğ ö ğ ğ Ğ ğ Ö ğ Ğ ğ ğ ğ Ç ğ ğ»

Detaylı

ı ı ı ğ ş ı ı ı ı ı ı ı ı

ı ı ı ğ ş ı ı ı ı ı ı ı ı Ş Ü Ğ ö ö İ ö öç Ğ Ş ö ç İ Ö Ü Ş ö Ö ç ç ğ ö ö ğ ö İ Ş ç ç ç ğ ğ ç İ İ İİ ö ç Ş ö İİ ö ç ç İ İ ğ ö İ ğ ğ ö ğ ö ç ğ ç ğ İç Ş Ü Ş ğ Ü Ş ö İŞ Ü Ş İ ğ İ İ Ü İ ö «İ ö Ş ç ç ğ ö ğ ö ç İ ö ğ ç ö İ İ ğ ğ ğ ğ ğ

Detaylı

Hipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014

Hipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotez Testi Rehberi Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotezler Sıfır Hipotezi: H 0 Aksi kanıtlanmadığı sürece doğru olduğu düşünülen varsayımdır. H 0 ın kanıta ihtiyacı yoktur. H 0 ı ret etmek

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0 YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

MESH TİPİ LED EKRAN PROJESİ. MIL-STD-810F ve MIL-STD-810G STANDARTLARI SICAKLIK TEST RAPORU

MESH TİPİ LED EKRAN PROJESİ. MIL-STD-810F ve MIL-STD-810G STANDARTLARI SICAKLIK TEST RAPORU MESH TİPİ LED EKRAN PROJESİ MIL-STD-810F ve MIL-STD-810G STANDARTLARI SICAKLIK TEST RAPORU Hazırlayan Tarih İmza Onur PEŞKERSOY 15.01.2016 FRM-0089 / Rev: - Sayfa 1/13 İçindekiler 1 KAPSAM... 4 1.1 TANIMLAMA...

Detaylı

ÖRNEKLEME TEORİSİ 1/30

ÖRNEKLEME TEORİSİ 1/30 ÖRNEKLEME TEORİSİ 1/30 NİÇİN ÖRNEKLEME Zaman Kısıdı Maliyeti Azaltma YAPILIR? Hata Oranını Azaltma Sonuca Ulaşma Hızı /30 Örnekleme Teorisi konusunun içinde, populasyondan örnek alınma şekli, örneklerin

Detaylı

İstatistik ve Olasılık

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

Detaylı

TÜRK STANDARDI TURKISH STANDARD

TÜRK STANDARDI TURKISH STANDARD ICS 03.120.30 TÜRK STANDARDI TS ISO 2859-1/Temmuz 2012 TÜRK STANDARDI TURKISH STANDARD TS ISO 2859-1 Temmuz 2012 ICS 19.020 MUAYENE VE DENEY İÇİN NUMUNE ALMA METOTLARI - NİTEL ÖZELLİKLERE GÖRE - BÖLÜM

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

İSTATİSTİK II. Hipotez Testleri 1

İSTATİSTİK II. Hipotez Testleri 1 İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler

Detaylı

Hipotez. Hipotez Testleri. Y. Doç. Dr. İbrahim Turan Nisan 2011

Hipotez. Hipotez Testleri. Y. Doç. Dr. İbrahim Turan Nisan 2011 Hipotez Hipotez Testleri Y. Doç. Dr. İbrahim Turan Nisan 2011 Hipotez Nedir? Gözlemlenebilir (araştırılabilir) bir olay, olgu veya fikri mantıklı ve bilimsel olarak açıklamaya yönelik yapılan tahminlerdir.

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

KAMU YÖNETİMİ LİSANS PROGRAMI

KAMU YÖNETİMİ LİSANS PROGRAMI İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ KAMU YÖNETİMİ LİSANS PROGRAMI MİKRO İKTİSAT DOÇ. DR. YÜKSEL BAYRAKTAR MALİYETLER 7. Kısa ve Uzun Dönem Firma Maliyetleri 7.1. Kısa Dönem Firma Maliyetleri

Detaylı

UYGUN OLMAYAN ÜRÜN KONTROLÜ PROSEDÜRÜ

UYGUN OLMAYAN ÜRÜN KONTROLÜ PROSEDÜRÜ Sayfa No: 1 / 5 Revizyon Revizyon Sebebi No 00 İLK YAYIN 01 02 03 04 05 06 07 08 09 10 Nerede Revizyon Yapıldığı DAĞITIM YAPILAN BÖLÜMLER Sıra No Dağıtım Yapılan Bölümler Kağıt Ortam Elektronik Ortam 1

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen

Detaylı

Ders Planı - AKTS Kredileri: II. Yarıyıl Ders Planı Kodu Ders Z/S T+U Saat Kredi AKTS Mikro İktisat Zorunlu

Ders Planı - AKTS Kredileri: II. Yarıyıl Ders Planı Kodu Ders Z/S T+U Saat Kredi AKTS Mikro İktisat Zorunlu Ders Planı - AKTS Kredileri: II. Yarıyıl Ders Planı Kodu Ders Z/S T+U Saat Kredi AKTS Mikro İktisat Zorunlu 3+0 3 4 AKTS Kredisi Toplam 4 DERS BİLGİLERİ Ders Kodu Yarıyıl Z/S T+U Saat Kredi AKTS Mikro

Detaylı

Depo-Stok Yönetimi İçin Bilgi Sistemi, Malzeme İzleme

Depo-Stok Yönetimi İçin Bilgi Sistemi, Malzeme İzleme Depo-Stok Yönetimi İçin Bilgi Sistemi, Malzeme İzleme Depo-Stok yönetimi için bilgi sisteminde olması gereken bilgiler aşağıda verilmiştir. Hammadde Deposu Ara Ürün Stoğu Bitmiş Ürün Deposu Ara Yüzler

Detaylı

UZUN ÖMÜRLÜ ALT YAPI SİSTEMLERİ İÇİN KALİTE KONTROL SEVİYESİNİN YÜKSELTİLMESİ

UZUN ÖMÜRLÜ ALT YAPI SİSTEMLERİ İÇİN KALİTE KONTROL SEVİYESİNİN YÜKSELTİLMESİ UZUN ÖMÜRLÜ ALT YAPI SİSTEMLERİ İÇİN KALİTE KONTROL SEVİYESİNİN YÜKSELTİLMESİ MALZEME KABUL YÖNTEMLERİ İHALE DOSYASINDA GEREKLİ TEKNİK BELGELERİN YETERLİLİĞİNİN KONTROLÜ İLE YAPILAN KABULLER MALZEME KABUL

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen

Detaylı

TÜRK STANDARDI TURKISH STANDARD

TÜRK STANDARDI TURKISH STANDARD Page 1 of 2 TÜRK STANDARDI TURKISH STANDARD TS 2756-1 Nisan 1995 ICS 03.120.30 MUAYENE VE DENEY İÇİN NUMUNE ALMA METOTLARI- BÖLÜM 1: PARTİ MUAYENE İÇİN KABUL EDİLEBİLİR KALİTE SEVİYESİNE (AQL) GÖRE NUMUNE

Detaylı

RÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK

RÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK 4. İzmir Rüzgâr Sempozyumu // 28-30 Eylül 2017 // İzmir RÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK Prof. Dr. Barış Özerdem İzmir Ekonomi Üniversitesi Havacılık ve Uzay Mühendisliği Bölümü baris.ozerdem@ieu.edu.tr

Detaylı

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem

Detaylı

ONDOKUZ MAYIS ÜNİVERSİTESİ

ONDOKUZ MAYIS ÜNİVERSİTESİ ONDOKUZ MAYIS ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ END 304 KALİTE KONTROL DERS NOTLARI Prof. Dr. Sermin ELEVLİ Temmuz- 08 0 . TEMEL KAVRAMLAR... 3. TEMEL İSTATİSTİK... 7.. Aritmetik Ortalama... 7..

Detaylı

KAYIŞ-KASNAK MEKANİZMALARI

KAYIŞ-KASNAK MEKANİZMALARI KAYIŞ-KASNAK MEKANİZMALARI Müh.Böl. Makina Tasarımı II Burada verilen bilgiler değişik kaynaklardan derlemedir. Bir milden diğerine güç ve hareket iletmek için kullanılan mekanizmalardır. Döndürülen Eleman

Detaylı

VERİ SETİNE GENEL BAKIŞ

VERİ SETİNE GENEL BAKIŞ VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım

Detaylı

Ders içeriği (5. Hafta)

Ders içeriği (5. Hafta) 5. Elastikiyet 5.1 Elastikiyet kavramı 5.1.1. Talebin Fiyat elastikiyeti 5.1.2. Arz elastikiyeti 5.2. Arz ve taleple ilgili bazı analizler 5.2.1. Tüketici ve üretici rantı 5.2.2. Örümcek ağı kuramı 5.2.3.

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

ECZ 965 Farmasötik Ürünler İçin İyi İmalat Uygulamaları 4. HAFTA. Doç.Dr. Müge Kılıçarslan

ECZ 965 Farmasötik Ürünler İçin İyi İmalat Uygulamaları 4. HAFTA. Doç.Dr. Müge Kılıçarslan ECZ 965 Farmasötik Ürünler İçin İyi İmalat Uygulamaları 1 4. HAFTA Doç.Dr. Müge Kılıçarslan Rehberde yer alan bazı tanımlar 1: 2 Başlangıç maddesi: Bir farmasötik ürünün üretimde kullanılan ambalaj malzemeleri

Detaylı

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi

Detaylı

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez Testleri. Mühendislikte İstatistik Yöntemler Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ

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

Hipotez Testi. gibi hususlar ayrıbirer hipotezin konusudur. () Kafkas Üniversitesi May 23, / 11

Hipotez Testi. gibi hususlar ayrıbirer hipotezin konusudur. () Kafkas Üniversitesi May 23, / 11 Hipotez Testi Bu dersde anakütle parametresinin varsayılan değeri ile başlayıp, örneklem kullanarak varsayılan değerin uygunluğunun kabul edilmesi ya da reddedilmesi sonucuna karar verilecektir. Ortaya

Detaylı

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel kalite kontrol o Üretim ve hizmet süreçlerinin ölçülebilir veriler yardımıyla istatistiksel yöntemler kullanılarak

Detaylı

6.Hafta Kıyım Fonksiyonu (Hashing), BST. Doğrudan erişim tabloları Çarpışmaları ilmekleme ile çözmek Kıyım fonksiyonu seçimi Açık adresleme

6.Hafta Kıyım Fonksiyonu (Hashing), BST. Doğrudan erişim tabloları Çarpışmaları ilmekleme ile çözmek Kıyım fonksiyonu seçimi Açık adresleme 1 6.Hafta Kıyım Fonksiyonu (Hashing), BST Doğrudan erişim tabloları Çarpışmaları ilmekleme ile çözmek Kıyım fonksiyonu seçimi Açık adresleme Sembol-tablosu problemi 2 Doğrudan erişim tablosu 3 4 Çözüm

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

Farkındalılık ISO 9001 Kalite Yönetim Sistemi Eğitimi. Uygulama ve başarımın anahtarları

Farkındalılık ISO 9001 Kalite Yönetim Sistemi Eğitimi. Uygulama ve başarımın anahtarları ISO 9001 Kalite Yönetim Sistemi Eğitimi Uygulama ve başarımın anahtarları 1 Genel Eğitim Hakkında Kalite ve Yönetim Sistemi Kavramlar ve amaçlar TKY ve Kalite Yönetim Sistemi Standart maddeleri Fayda sağlamanın

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

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

Detaylı

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT

Detaylı

NAKLİYE SİGORTALARI DAHİLDE İŞLEME REJİMİ HARİÇTE İŞLEME REJİMİ

NAKLİYE SİGORTALARI DAHİLDE İŞLEME REJİMİ HARİÇTE İŞLEME REJİMİ Öğr. Gör. Fırat GÜLTEKİN İhraç veya ithal edilen eşyanın taşınması esnasında meydana gelebilecek risklerin sigortalanmasına ilişkin esasları içerir. Teslim şekilleri çerçevesinde hangi tarafın sigorta

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli

Detaylı

Kalite Kontrol Yenilikler

Kalite Kontrol Yenilikler Kalite Kontrol Yenilikler Amaç ve Fayda Kalite Kontrol modülünde ISO 2859 standardının desteklenmesine, kullanımın daha fonksiyonel ve rahat olabilmesine yönelik bazı iyileştirme çalışmaları yapılmıştır.

Detaylı

IKT Kasım, 2008 Gazi Üniversitesi, İktisat Bölümü. DERS NOTU 5 (Bölüm 7-8) ÜRETİCİ TEORİSİ

IKT Kasım, 2008 Gazi Üniversitesi, İktisat Bölümü. DERS NOTU 5 (Bölüm 7-8) ÜRETİCİ TEORİSİ DERS NOTU 5 (Bölüm 7-8) ÜRETİCİ TEORİSİ Bugünkü ders planı: 1. Kârını Maksimize Eden Firma Davranışı...1 2. Üretim Fonksiyonu ve Üretici Dengesi...5 3. Maliyeti Minimize Eden Denge Koşulu...15 4. Maliyet

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

Kalite Kontrol ve Metroloji (MFGE 577) Ders Detayları

Kalite Kontrol ve Metroloji (MFGE 577) Ders Detayları Kalite Kontrol ve Metroloji (MFGE 577) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kalite Kontrol ve Metroloji MFGE 577 Her İkisi 2 2 0 3 7.5 Ön Koşul

Detaylı

Modeli - Tarama Modelleri

Modeli - Tarama Modelleri Modeli - Tarama Modelleri Geçmişte varolmuş veya hala varolan bir durumu olduğu şekliyle betimlemeye çalışan yaklaşımdır. Araştırmacı olay, nesne, bireyleri değiştirmeden, onlara deneysel bir müdahalede

Detaylı

EME Sistem Simülasyonu. Girdi Analizi Prosedürü. Olasılık Çizgesi. Dağılıma Uyumun Kontrol Edilmesi. Dağılıma İyi Uyum Testleri Ders 10

EME Sistem Simülasyonu. Girdi Analizi Prosedürü. Olasılık Çizgesi. Dağılıma Uyumun Kontrol Edilmesi. Dağılıma İyi Uyum Testleri Ders 10 EME 35 Girdi Analizi Prosedürü Sistem Simülasyonu Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Dağılıma

Detaylı

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. 5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya

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

I. Tanışma-Dersin Gerekçesi ve Önemi-Dersin Kural ve Gerekleri II. Turizm Tanımı, Özellikleri ve Sınıflandırılması

I. Tanışma-Dersin Gerekçesi ve Önemi-Dersin Kural ve Gerekleri II. Turizm Tanımı, Özellikleri ve Sınıflandırılması Dersin Adı Dersin Kodu Dersin Türü DERS ÖĞRETİM PLANI Dersin Seviyesi Dersin AKTS Kredisi 5 Haftalık Ders Saati 3 Haftalık Uygulama Saati - Haftalık Laboratuar Saati - Turizm Ekonomisi Seçmeli Lisans Dersin

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

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 Population Belirli bir konudaki verilerin tamamıdır. Örnek Populasyonun belirli bir kesitidir. Parametre Populasyonla ilgili tanımsal

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ DÜZGÜN DAĞILIM KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda

Detaylı

**MAN 502T ĠĢletme Yönetimi için AraĢtırma Yöntemleri**

**MAN 502T ĠĢletme Yönetimi için AraĢtırma Yöntemleri** **MAN 502T ĠĢletme Yönetimi için AraĢtırma Yöntemleri** **** ARAġTIRMA YÖNTEMLERĠNE GĠRĠġ ** 1. Yarıyıl** **Hafta 6** Hazırlayan: **Dr. Özlem Ġnanç, IĢık Üniversitesi-Ġstanbul** GiriĢ Bu haftaki dersimizde

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

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü 1970 T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN Endüstri Mühendisliği Bölümü 1 Kontrol Grafiği UygulamaAdımları Kontrol edilecek uygun

Detaylı

Bu Bölümde Neler Öğreneceğiz?

Bu Bölümde Neler Öğreneceğiz? 7. MALİYETLER 193 Bu Bölümde Neler Öğreneceğiz? 7.1. Kısa Dönem Firma Maliyetleri 7.1.1. Toplam Sabit Maliyetler 7.1.2. Değişken Maliyetler 7.1.3. Toplam Maliyetler (TC) 7.1.4. Marjinal Maliyet (MC) 7.1.5.

Detaylı

2018/1. Dönem Yeminli Mali Müşavirlik Sınavı Yönetim Muhasebesi 2 Nisan 2018 Pazartesi (Sınav Süresi 2 Saat)

2018/1. Dönem Yeminli Mali Müşavirlik Sınavı Yönetim Muhasebesi 2 Nisan 2018 Pazartesi (Sınav Süresi 2 Saat) 2018/1. Dönem Yeminli Mali Müşavirlik Sınavı Yönetim Muhasebesi 2 Nisan 2018 Pazartesi 18.00 (Sınav Süresi 2 Saat) Sorular Soru 1.Batu şirketi tek bir mamulün üretimini gerçekleştirmekte ve yılda 80.000

Detaylı

KALİTE KONTROL FAALİYETLERİNDE UYGUN KABUL ÖRNEKLEMESİ PLANI KULLANIMI: BİR TEKSTİL İŞLETMESİNDE İNCELEME

KALİTE KONTROL FAALİYETLERİNDE UYGUN KABUL ÖRNEKLEMESİ PLANI KULLANIMI: BİR TEKSTİL İŞLETMESİNDE İNCELEME KALİTE KONTROL FAALİYETLERİNDE UYGUN KABUL ÖRNEKLEMESİ PLANI KULLANIMI: BİR TEKSTİL İŞLETMESİNDE İNCELEME Zeynep Gergin Cenk Özkan Burak Ayan İstanbul Kültür Üniversitesi, Endüstri Mühendisliği Bölümü

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

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

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

Detaylı

DERS BİLGİLERİ Ders Kodu Yarıyıl Z/S T+U Saat Kredi AKTS Karşılaştırmalı Kamu. KY-YB 603 Güz Zorunlu Politikaları Ön Koşul

DERS BİLGİLERİ Ders Kodu Yarıyıl Z/S T+U Saat Kredi AKTS Karşılaştırmalı Kamu. KY-YB 603 Güz Zorunlu Politikaları Ön Koşul Ders Planı - AKTS Kredileri: 2. Yarıyıl Ders Planı Kodu Ders Z/S T+U Saat Kredi AKTS KY-YB 603 Karşılaştırmalı Kamu Politikaları Zorunlu 3+0 3 8 AKTS Kredisi Toplam 8 DERS BİLGİLERİ Ders Kodu Yarıyıl Z/S

Detaylı

Prof.Dr. Ertuğrul Deliktaş, Doç.Dr. Metin Karadağ

Prof.Dr. Ertuğrul Deliktaş, Doç.Dr. Metin Karadağ Dersin Adı DERS ÖĞRETİM PLANI Mikroiktisada Giriş Dersin Kodu ECO 7/7 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 6 Haftalık Ders Saati

Detaylı

KALİTE KONTROL. Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır.

KALİTE KONTROL. Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. KALİTE KONTROL Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. Kontrol: Mevcut sonuçlarla hedefleri ve amaçları kıyaslama

Detaylı

Temel üretim sistemleri sınıflandırması:

Temel üretim sistemleri sınıflandırması: ÜRETİM SİSTEMLERİ ÜRETİM SİSTEMİ Üretim sistemi, işletme sistemi içerisinde yer alan bir alt sistemdir. Üretim sistemi; işgücü, malzeme, bilgi, enerji, sermaye gibi girdilerin belirli bir dönüştürme sürecinden

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

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi 2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel

Detaylı

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur. Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

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

1. Hafta Uygulama Soruları

1. Hafta Uygulama Soruları . Hafta Uygulama Soruları ) x ekseni, x = doğrusu, y = x ve y = x + eğrileri arasında kalan alan nedir? ) y = x 3 ve y = 4 x 3 parabolleri arasında kalan alan nedir? 3) y = x, x y = 4 eğrileri arasında

Detaylı

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma - 1 Ödevler 5 er kişilik 7 grup Hayali bir şirket kurulacak Bu şirketin kalite kontrol süreçleri raporlanacak Kalite sistem dokümantasyonu oluşturulacak

Detaylı

OLASILIK. ihtimali Seçeneği durumu. Bir zar atma olayı. Basit kesirdir. Tüm durum. Sonuçlardan biri Çıktılardan biri. Diğer sayfaya geçiniz

OLASILIK. ihtimali Seçeneği durumu. Bir zar atma olayı. Basit kesirdir. Tüm durum. Sonuçlardan biri Çıktılardan biri. Diğer sayfaya geçiniz OLASILIK ihtimali Seçeneği durumu Bir zar atma olayı Basit kesirdir. Tüm durum Sonuçlardan biri Çıktılardan biri 1 Soruyu DİKKATLİ OKU, soruyu ANLA, basit örnek kur. Cevabı işaretlemeden öce tekrar soruyu

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

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında

Detaylı

Parametrik Olmayan İstatistiksel Yöntemler

Parametrik Olmayan İstatistiksel Yöntemler Parametrik Olmayan İstatistiksel Yöntemler IST-4035 1. Ders DEÜ İstatistik Bölümü 2018 Güz 1 Dersin Amacı Yaygın olarak kullanılan parametrik olmayan istatistiksel yöntemleri tanıtmaktır. Temel kavramların

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

Açık Ekonomi Makroiktisatı

Açık Ekonomi Makroiktisatı Dersin Adı DERS ÖĞRETİM PLANI Dersin Kodu ECO 815 Dersin Türü Dersin Seviyesi Dersin AKTS Kredisi 5 Haftalık Ders Saati 3 Haftalık Uygulama Saati - Haftalık Laboratuar Saati - Açık Ekonomi Makroiktisatı

Detaylı

Cismin Ağırlığı Düzlemsel Alanda Ağırlık Merkezi - İntegrasyon Yöntemi Örnekler Düzlemsel Eğride Ağırlık Merkezi - İntegrasyon Yöntemi

Cismin Ağırlığı Düzlemsel Alanda Ağırlık Merkezi - İntegrasyon Yöntemi Örnekler Düzlemsel Eğride Ağırlık Merkezi - İntegrasyon Yöntemi 4. 4. Cismin ğırlığı Düzlemsel landa ğırlık erkezi - İntegrasyon Yöntemi Düzlemsel Eğride ğırlık erkezi - İntegrasyon Yöntemi 4.3 Bileşik Plak ve Teller 4.4 Pappus Guldinus Teoremleri 4.5 Üç Boyutlu Cisimlerde

Detaylı

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya başlanmıştır. Ders 1 Minitab da

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

Örnek metin VİZE BENZERİ SORULAR. Size sunulan metnin şekilsel formatını aşağıda verilen yönergeye göre düzenleyiniz.

Örnek metin VİZE BENZERİ SORULAR. Size sunulan metnin şekilsel formatını aşağıda verilen yönergeye göre düzenleyiniz. VİZE BENZERİ SORULAR Size sunulan metnin şekilsel formatını aşağıda verilen yönergeye göre düzenleyiniz. 1) Metin kısmının sayfa üzerindeki konumu için kenar boşlukları: a) Üst: 4,00 cm b) Alt: 2,00 cm

Detaylı