DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar
|
|
- Gülbahar Behçet
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Zamanlama Kararları DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman sipariş verilecek? kararı stok düzeyleri, stok maliyetleri, sağlanılan servis düzeyi Modeller: Bir seferlik kararlar Sürekli gözden geçirme sistemleri Periyodik gözden geçirme sistemleri Bir Seferlik Kararlar Zamanlama Kararları Sürekli Kararlar Sürekli Gözden Geçirme Sistemleri EOQ, EPQ (Q, R) Sistemi Temel Stok Kesikli Zamanlı Kararlar Periyodik Gözden Geçirme Sistemleri EOQ (S, T) Sistemi (s, S) Sistemi Bir Seferlik Karar Bu durum perakende ve imalatta yaygındır. Sadece kısa bir peryot süresince talep edilen mevsimsel ürünleri düşünün. Ürün, mevsimin sonunda değer kaybeder. Tedarik süresi satış mevsiminden daha uzun olabilir. Bu durumda eğer talep orijinal sipariş miktarında daha yüksekse, ek ürünler için yeni sipariş verilemez. Örnek gazete standı Noel süsleri perakendecisi Noel ağacı son ürün stoğu gazeteci çocuk modeli yada Noel ağacı modeli Zamanlama kararlarının yapısı İki Kutu Opsiyonel Yenileme Eğer talep biliniyorsa (deterministik durum) problem basittir. Stokastik durumda ise talebin ne olacağı tam olarak bilinmez, ancak bir rassal değişken olarak tanımlanır. 1
2 Örnek: Bir Seferlik Karar (Kesikli Versiyon) Mrs. Kandell yıllardır Noel ağacı işiyle uğraşmakta ve satış miktarlarını yıllık olarak kaydetmektedir. Aşağıda verilen tablo kayıtlardan elde edilen yıllık Noel ağacı talebini ve olasılıklarını göstermektedir. Talep, d Olasılık, f D (d) Çözüm: Q sipariş miktarı; Q * - optimal D talep: f D (d) olasılık fonksiyonlu rassal değişken F D (d) birikimli dağılım fonksiyonu: F D (d) = P (D d) c o fazla (pozitif) birim stok başına maliyet π karşılanmayan birim talep başına maliyet Fazla stok bulundurma maliyeti ile karşılanamayan talep maliyeti dengelenmeli Marjinal Analiz Kavramı Marjinal analiz, bir birim daha fazla sipariş vermenin beklenen karını bulmak anlamına gelir. Stoktaki son ürünü satmama ve periyot sonunda elde ekstra stok bulundurma olasılığı P(D < Q) m Q Tüm ürünleri satma ve stoksuz kalmayla yüzyüze kalma olasılığı P(D Q) Gazeteci Çocuk İçin Kritik Oran Örnek: Bir Kerelik Karar (devam) P(D<Q) (C o uygulanır) P(D>Q) (π uygulanır) Eksik stok = kâr kaybı + memnuniyet kaybı Aşırı (fazla) stok = birim maliyet + elden çıkarma maliyeti Satın alma maliyeti optimal çözümü etkilemez, bu nedenle satın alma maliyetini ya ihmal et yada dolaylı olarak fazla Tek Periyot Stok Model Marjinal Analizi: E (son satış geliri) = E (son satış kaybı) yada eksik stok içinde bulunduğunu düşün. 2
3 Örnek: Bir Kerelik Karar (devam) Q * siparişin beklenen aşırı stok maliyeti: P(D < Q*) c o = F D (Q * )c o Beklenen eksik stok bulundurma maliyeti: P(D > Q*) π = [1-F D (Q*)] π Q * için bu iki maliyet eşit olmalıdır: F D (Q * )c o = (1-F D (Q * ))π P( D < Q * ) = F D ( Q * ) = Periyot boyunca talebin karşılanma olasılığı (kritik oran) Q * ı hesaplamak için birikimli olasılık dağılımını kullanmalıyız. p p + c o Örnek: Bir Kerelik Karar (devam) Talep d Olasılık f D (d) Birikimli Olasılık F D (d) F D ( Q * ) = p = p + c o Mrs.Kandell satabileceğinden daha fazla ağaç alması durumunda, ağaç ve ağacın elden çıkarma maliyetinin yaklaşık 40 $ olacağını tahmin etmektedir. Eğer talebin sipariş verdiği ağaç sayısından fazla olması durumunda ise ağaç başına 40 $ kâr kaybı olacaktır. = 0.50 Q 28 Tek Periyot & Kesikli Talep: Lively Lobsters (L.L.) her gün taze, canlı ıstakoz tedarik etmektedir. L.L. firmasına her bir ıstakoz $ a mal olmakta ve satılan her ıstakoz için 7.50$ kar etmektedir. 1 gün bekleyen ıstakozun değeri ise 8.50 $ a düşmektedir. L.L. nin birim stoksuz kalma maliyeti: π = 7.50 = kâr kaybı Elde fazla ıstakoz kalmasının birim maliyeti: C o = = maliyet hurda değer = 6 L.L. nin hedef hizmet düzeyi CR = π/(π+ C o ) = 7.5 / ( ) = 0.56 Talep yanda verilen kesikli bir dağılım izler: Sonuç: 25 ıstakoz sipariş et. Çünkü talebin en % 56 sına kafi gelen en küçük miktar 25 ıstakozdur. Göreceli Frekans (pmf) Birikimli Göreceli Frekans (cdf) Talebin x'e eşit yada daha az olacağı olasılık Talep 19 0,05 0,05 P(D < 19 ) 20 0,05 0,10 P(D < 20 ) 21 0,08 0,18 P(D < 21 ) 22 0,08 0,26 P(D < 22 ) 23 0,13 0,39 P(D < 23 ) 0,14 0,53 P(D < ) 25 0,10 0,63 P(D < 25 ) 26 0,12 0,75 P(D < 26 ) 27 0,10 P(D < 27 ) 28 0,10 P(D < 28 ) 29 0,05 P(D < 29 ) * pmf = prob. mass function (olasılık yoğunluk fonk.) 3
4 Eğer L.L., optimal büyüklükte sipariş verirse beklenen (ortalama) kar ne olur? Q*=25 adet X= Elde kalan ıstakoz sayısı olsun (x=0,1,2,3,4,5,6). P(X=x Q=25): sipariş miktarı 25 iken x tane ıstakozun elde kalması olasılığı P(X=0 Q=25)=P(D=25)=0,10 (Q=25 iken talep 25 olursa elde ürün kalmaz. ) P(X=1 Q=25)=P(D=)=0,14 P(X=2 Q=25)=P(D=23)=0,13 P(X=3 Q=25)=P(D=22)=0,08 6 P(X=4 Q=25)=P(D=21)=0,08 P(X=5 Q=25)=P(D=20)=0,10 P(X=6 Q=25)=P(D=19)=0,05 E X = x X x. P(X = x) = x=1 x. P(X = x) E[X]=0.0,10+1.0,14+2.0,13+3.0,08+4.0,08+5.0,10+6.0,05=1,44 ıstakoz. Eğer L.L., optimal büyüklükte sipariş verirse beklenen (ortalama) kar ne olur? Q*=25 adet Y= Karsılanamayan talep (y=0,1,2,3,4). P(Y=y Q=25): sipariş miktarı 25 iken y tane ıstakoz talebinin karşılamama olasılığı P(Y=0 Q=25)=P(D=25)=0,10 (Q=25 iken talep 25 tüm talep karşılanır. ) P(Y=1 Q=25)=P(D=26)=0,12 P(Y=2 Q=25)=P(D=27)=0,10 P(Y=3 Q=25)=P(D=28)=0,10 P(Y=4 Q=25)=P(D=29)=0,05 E Y = y Y y. P(Y = y) = y. P(Y = y) E[Y]=0.0,10+1.0,12+2.0,10+3.0,10+4.0,05=0,82 ıstakoz. 4 y=1 Ortalama elde kalan ıstakoz miktarı=1,44 Ortalama karşılanamayan ıstakoz talebi= 0,82 π=7,5 $/adet C o =6 $/adet Ortalama kâr=(25*7,5)-(1,44*6)-(0,82*7,5) =187,5 (8,64) (6,15) =172,71 $ Bir Kerelik Karar: Sürekli Versiyon Bu derste talebin F D (d) birikimli dağılım ve f D (d) olasılık yoğunluk fonksiyonuna sahip rassal değişken olduğunu varsayıyoruz. D Normal rassal değişken olsun N(μ, σ) Geçmiş talep verisinden tahmin edilebilir. Çoğu zaman talebi doğru bir şekilde modeller Amaç: Beklenen maliyeti minimize et 4
5 Örnek: Gazeteci Çocuk Modeli Her günün başında, bir gazeteci saatin alacağı gazete sayısına karar vermek zorundadır. Günlük satışlar tam olarak tahmin edilemez ve geçmiş satış rakamlarından talebin (D) ortalaması µ=11.73 ve standart sapması σ=4.74 olan Normal dağılıma uyduğu tahmin edilmiştir. Gazete satış fiyatı 75 kuruş ve maliyeti 25 kuruştur. Gün sonunda elde kalan gazeteler, adedi 10 kuruştan geri iade edilmektedir. Optimal sipariş miktarını belirleyin. Örnek: Gazeteci Çocuk Modeli (devam) Kritik oran, matematiksel olarak türetilebilir ve optimal satın alınacak gazete sayısının F D (Q*) = π/ (π + c o ) ile bulunduğu gösterilebilir. Burada birim kar kaybı = satış fiyatı - alış fiyatı π = = 50 Fazla gazete başına kayıp = alış fiyatı - geri iade fiyatı c 0 = =15 F D (Q*) = π / (π + c o ) = 0.77 P( D < Q* ) = 0.77 Q* ı nasıl bulabiliriz? Optimal Sipariş Miktarının Belirlenmesi Optimal Siparis Miktarinin Belirlenmesi f(z) z = 0.74, μ = ve σ = 4.74 Z Z Q z m 15. Q * = zs + m Gazeteci her gün 15 gazete sipariş etmelidir. 5
6 Optimal Siparis Miktarinin Belirlenmesi Örnek: Talep Düzgün Dağılım Öğrenciler düzenleyecekleri etkinliğe katkı sağlamak amacıyla t-shirt satmayı planlıyor. T-shirt talebinin 48 ile 72 arasında eşit olasılıklı olarak dağıldığı varsayılıyor. Her bir t-shirt 3.50 $ a mal olmakta ve 5.00 $ dan satılacaktır. Yeterince t-shirt satın alınmaması durumunda katlanılan maliyet sadece kâr kaybı olacaktır. T-shirtler üzerine etkinliğin logosu basılı olduğu için etkinlik öncesinde satılamayan ve elde kalan t-shirtler tanesi ancak 2.50 $ dan satılabilecektir. Sipariş maliyetinin çok yüksek olması nedeniyle yalnızca tek sefer sipariş verilebilmektedir. Öğrencilerin 66 adet t-shirt sipariş etmesi halinde beklenen (ortalama) kârı bulun. Örnek: Talep Düzgün Dağılım Örnek: Talep Düzgün Dağılım f(d) 1/ X=Elde kalan tişört sayısı X=Q-d Q=66 adet π=1,5 TL/adet 48 Q=66 72 d Y=Karşılanamayan tişört talebi Y=d-Q E[X]=6,75 adet E[Y]=0,75 det C o = 1 TL/adet E X x. f ( x) dx Q 66 1 (Q d). f (d) dd (66 d) dd d48 d d dd d dd d 2 d48 d48 6,75 EY y. f (y) dy (d Q). f (d) dd ( d 66) dd d Q d d. dd 66. dd d 66. d ,75 E[kâr]=(66*1,5)-(6,75*1)-(0,75*1,5) =(99)-(6,75)-(1,125) =91,125 TL 6
DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar
DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL Zamanlama Kararları Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman
DetaylıOLASILIKLI ENVANTER MODELLERİ
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II OLASILIKLI ENVANTER MODELLERİ DERS NOTLARI KAYNAK-WINSTON OLASILIKLI STOK MODELLERİ Bir önceki dersteki bütün modellerde herhangi bir
DetaylıDERS 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
DetaylıEME Sistem Simülasyonu. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme
EME 7 Giriş Sistem Simülasyonu Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok Simulasyon Örnekleri Ders kontrol sistemi ele alınıp, sistemin isleyişi
DetaylıEME 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
DetaylıEME SISTEM SİMÜLASYONU. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme
.. Giriş EME SISTEM SİMÜLASYONU Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok kontrol sistemi ele alınıp, sistemin isleyişi elle simule Simulasyon
DetaylıDERS 9. Belirsiz Talep Durumunda Stok Kontrol-II. Terminoloji. Describing Demand. Zamanlama Kararları. Bir Seferlik Kararlar
1 DES 9 lama Kararları Belirsiz Talep Durumunda Stok Kontrol-II Bir Seferlik Kararlar Sürekli Kararlar Sürekli Gözden Geçirme Sistemleri Kesikli lı Kararlar Periyodik Gözden Geçirme Sistemleri EO, EP EO
DetaylıKLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ
SORU 1. ASMALI BAKKAL Asmalı Bakkal'ın sahibi Nuri Amca, bir hafta boyunca satacağı ekmeklere ilişkin olarak ekmek fırınına vereceği günlük sipariş miktarı için hafta başında karar vermek zorundadır. Bunun
DetaylıHerhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X(x ) dx Sürekli
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıRASSAL 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
DetaylıSÜREKLİ DÜZGÜN DAĞILIM
SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi
..4 EME 7 Rassal Sayı ve Rassal Değer Üretimi SİSTEM SİMÜLASYONU Rassal Sayı ve Rassal Değer Üretimi Ders Girdi Analizi bölümünde gözlemlerden elde edilen verilere en uygun dağılımı uydurmuştuk. Bu günkü
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıBELİRSİZ TALEPLER İLE ENVANTER KONTROLU. Yrd.Doç.Dr.S.Kerem AYTULUN
BELİRSİZ TALEPLER İLE ENVANTER KONTROLU Yrd.Doç.Dr.S.Kerem AYTULUN Rasgelelik Örnek-1 2 Envanter Modelleri bağlamında rasgeleliği bir örnek üzerinde açıklamaya çalışacağız. Bir gazete bayii, her Pazar
DetaylıSÜREKLİ OLASILIK DAĞILIMI
SÜREKLİ OLASILIK DAĞILIMI Normal Olasılık Dağılımı Akülerin dayanma süresi, araçların belli bir zamanda aldığı yol, bir koşuya katılanların bitirme süresi gibi sayılamayacak kadar çok değer alabilen sürekli
DetaylıBirden Fazla RDnin Bileşik Olasılık Fonksiyonları
Birden Fazla RDnin Bileşik Olasılık Fonksiyonları Birden fazla x 1, x 2,..., x n gibi RDlerimiz olsun. Bunların bileşik olasılık fonksiyonları kesikli ve rastgele RDler için sırasıyla şu şekilde tanımlanır
DetaylıZ = 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.
DetaylıAppendix 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
DetaylıYTÜ 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
DetaylıYTÜ 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
DetaylıANADOLU 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
DetaylıDers 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
DetaylıSÜREKLİ 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.
DetaylıWEIBULL 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
DetaylıRD lerin Fonksiyonları
RD lerin Fonksiyonları Diğer değişkenler gibi rastgele değişkenlerin de fonksiyonları olur Örneğin 0 ile 1 arasında rastgele seçilmiş bir çap uzunluğu ile oluşturulan dairenin alanı bir RD olarak çap uzunluğunun
DetaylıENM 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
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
Detaylı19.11.2013 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)
DetaylıParametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER
Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi
DetaylıTEK BOYUTLU RASSAL DEĞİŞKENLER
TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıEME 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
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
DetaylıStok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Örnek (Ekonomik Sipariş Miktarı Modeli)(1)
Stok Kontrol Önceki Derslerin Hatırlatması Ders 7 Farklı Bir Stok Yönetimi Durumu Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
DetaylıStok Kontrol. Ders 6. Farklı Bir Stok Yönetimi Durumu. Önceki Derslerin Hatırlatması
Stok Kontrol Ders 6 Farklı Bir Stok Yönetimi Durumu Önceki Derslerin Hatırlatması Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi
DetaylıStok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(1) Örnek (Ekonomik Sipariş Miktarı Modeli)(2)
Stok Kontrol Önceki Derslerin Hatırlatması Ders 5 Farklı Bir Stok Yönetimi Durumu Uzun Dönemli Stok Problemi Talep hızı sabit oranlı, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik
DetaylıSimülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation
Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri
DetaylıENM-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)
DetaylıEME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıGAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE
GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.
DetaylıSİMÜLASYON 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.
Detaylı1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...
1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar
DetaylıMerkezi 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
DetaylıANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun
DetaylıStok Kontrolü 1 (Inventory Control)
PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Stok Kontrolü 1 (Inventory Control) Amaç Ürüne olan talep bilindiğinde (yani talep tahmin hatasının sıfır olduğu durumda) stok kontrolü
Detaylı2018 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
DetaylıİÇİNDEKİLER. 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
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıVeriye 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
DetaylıKonu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi
Proje Yönetimi ölüm : Proje eğerlendirme ve özden eçirme Tekniği (PRT) Konu PRT Proje Planlamasında Olasılıksal Yaklaşım Üç zamanlı tahmin yaklaşımı a : aaliyetin iyimser gerçekleşme süresi m : aaliyetin
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıSÜREKLİ 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
DetaylıSimülasyonda İstatiksel Modeller
Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun
DetaylıANADOLU 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
DetaylıFaaliyet 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
DetaylıİSTATİSTİK I KAVRAMLARININ
YTÜ-İktisat İstatistik II İstatistik I Gözden Geçirme İSTATİSTİK I KAVRAMLARININ GÖZDEN GEÇİRİLMESİ Hüseyin Taştan Yıldız Teknik Üniversitesi, İktisat Bölümü, email: tastan@yildiz.edu.tr YTÜ-İktisat İstatistik
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
DetaylıKESİKLİ 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
Detaylı2. 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
DetaylıKümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X (x ) dx Sürekli
DetaylıKi- 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
Detaylı3 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
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıStokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.
Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman
DetaylıEME 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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
Detaylı8. Uygulama. Bazı Sürekli Dağılımlar
8. Uygulama Bazı Sürekli Dağılımlar : Bir tür böcek 6 gün yaşadıktan sonra iki gün içinde aynı miktarlarda azalıp ölmektedir. X rasgele değişkeni bu türden bir böceğin ömrü olmak üzere, X U (6,8) dır.
DetaylıTablo (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
DetaylıIE 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
DetaylıFaktöriyel: 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.
DetaylıSTOK VE STOK YÖNETİMİ.
STOK YÖNETİMİ STOK VE STOK YÖNETİMİ. Bir işletmede gereksinim duyulana kadar bekletilen malzemelere stok denir. Her kuruluş talep ile arz arasında bir tampon görevini görmesi için stok bulundurur. Stok
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıYÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-
YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- Hazırlayan Yrd. Doç. Selçuk Üniversitesi Mühendislik Fakültesi - Endüstri Mühendisliği Bölümü Giriş Zaman içerisinde tamamen önceden kestirilemeyecek şekilde
DetaylıANADOLU 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
DetaylıPARAMETRİK OLMAYAN TESTLER
PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin rassal seçilmesi varsayımına dayanmaktaydı ve parametrik testler kullanılmıştı. Parametrik olmayan testler
DetaylıSÜREKLİ( CONTINUOUS) OLASILIK
SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize
DetaylıARALIK 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
DetaylıBekleme Hattı Teorisi
Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov
DetaylıRİSK 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
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıGirişimcilikte Simülasyon: Eğitimcinin Eğitimi
Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Giriş Modeller Uygulamalar Risk analizi Olası Analiz Simülasyon Yöntemi Envanter Simülasyonu Bekleme Hatları Avantajlar ve dezavantajlar Referanslar SUNUM
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
DetaylıOlasılık ve İstatistik Hatırlatma
Olasılık ve İstatistik Hatırlatma BSM 445 Kuyruk Teorisi Güz 014 Yrd. Doç. Dr. Ferhat Dikbıyık Bir olayın olasılığı bize ne anlatır? Verilen bir olasılığın manası nedir? Örnek: Tavlada düşeş atma olasılığı
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
Detaylı2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018
2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla olursa
DetaylıMATEMATİK-II dersi. Bankacılık ve Finans, İşletme, Uluslararası Ticaret. Bölümleri için FİNAL Çalışma Soruları
MATEMATİK-II dersi Bankacılık ve Finans, İşletme, Uluslararası Ticaret Bölümleri için FİNAL Çalışma Soruları ] e d =? = u d= du du d= udu u u e d= e d= e = edu= e + c= e + c ] e d =? = + = e + c e d e
DetaylıANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar vermek
DetaylıBenzetim 9. Ders. Stok Yönetim Sistemlerinde Benzetim
Benzetim 9. Ders Stok Yönetim Sistemlerinde Benzetim Giriş Stok; belirli bir yerde bulunan ve gelecekte kullanılacak olan malzemelerin tümüdür. Müşteriden bir talep geldiğinde, bu talebi karşılamak için
DetaylıYÖNEYLEM ARAŞTIRMASI III Final Çalışma Soruları
YÖNEYLEM ARAŞTIRMASI III Final Çalışma Soruları Soru ) Aşağıda verilen adım geçiş matrisli Markov Zincirini ele alın..5.5..8 P=.5.75.6. a) Markov Zincirindeki haberleşen sınıfları yazın. b) Markov Zincirinin
Detaylı11.1 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
DetaylıNormallik Varsayımı ve Ençok Olabilirlik Yöntemi
Normallik Varsayımı ve Ençok Olabilirlik Yöntemi EO Açıklayıcı Örnekler Ekonometri 1 Konu 14 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike
Detaylı