Öngörüleme (tahminleme) (Forecasting)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Öngörüleme (tahminleme) (Forecasting)"

Transkript

1 Öngörüleme (tahminleme) (Forecasting) Öngörüleme: gelecek olayların l önceden kestirilmesi süreci, sanat ve bilimidir. Öngörüleme: gelecekte olacak farklı şeyleri belirleme ve bu farklı şeylerin herbirinin nasıl olacağını ğ (neye benzeyeceğini) ğ önceden belirleme süreci. Tüm işletme kararlarının temelini oluşturur: Üretim Envanter İnsan kaynakları Tesis...

2 Yargı ve sezgi, öngörüleme için gerekli ise de günümüzde ü ü birçok öngörüleme ö yöntemi geliştirilmiş, öngörüleme falcılıktan ayrılıp yol kat etmiştir. Sales will be $200 Million!

3 Öngörüleme Öngörüleme üe e böü bölümünün ü ü sonunda neler ee öğrenilmiş olacak: Öngörüleme Öngörü türleri Öngörümlemede zaman boyutu Öngörüleme yaklaşımları Hareketli ortalamalar Üssel düzeltim Trend projeksiyonları Regresyon ve korelasyon analizi Öngörü doğruluğunun ğ ğ ölçülmesi

4 Kötü öngörünün sonuçları?? Markette istediğiniz i ürün ü yok Kitapçıda istediğiniz ğ kitap pyok Restoranda istediğiniz, menüdeki bir yemek yok... Hiçbir işletme işi şansa bırakıp, bekleyip görelim diyemez, bunların tümü yağmura hazırlıksız yakalanma gibi, kötü öngörünün sonucudur.

5 Hepimiz, i işletmede ya da yaşamımızda gelecek olaylara ilişkin tahminler yaparız ve bu tahminleri esas alarak plan yapar, adım atarız. Bir olayı planlamak, geleceği öngörmeyi gerektirir. Öngörüleme ile planlama birbirinden farklıdır. Öngörüleme gelecekte ne olabileceği ile ilgili iken, planlama gelecekte ne olması gerektiğini düşünme ile ilgilidir. Öngörü planlama faaliyetlerinde girdidir. Kötü öngörü kötü planlama ile sonuçlanır.

6 Öngörü türleri Ekonomik öngörüler Enflasyon oranı,,p para arzı,planlama göstergeleri..vs Teknolojik öngörüler Teknolojik gelişme oranı Yeni ürünlerin ü kabul görmesi Talep öngörüleri Mevcut ürünün satışlarını kestirme- öngörme (talep kısıtlanmaz ise satış öngörümü ile aynı olur)

7 Talep öngörümü Gelecekte talep edilecek mal ve hizmetlerin ve bu mal ve hizmetleri üretmek için gerekecek kaynakların önceden kestirilmesidir. Talep öngörümü üretim yönetimindeki tüm öngörülerin başlangıç noktasını oluşturmakta, üretim planlama l ve kontrol sisteminin i i fonksiyonlarına temel girdiyi sağlamaktadır. Üretim faaliyetleri i öngörüleme ö yardımı ile ne kadar uygun planlanır ise kontrolleri de o ölçüde kolaylaşır. Pazar değişikliklerine ayak uydurmaya, maliyetlerin azaltılmasına, etkinliğin artmasına olanak verir.

8 Talep öngörümü nedenleri Tüm işletme kararları öngörüler esas alınarak yapılır: Hangi pazara girilecek il Hangi ürün üretilecek Hangi süreç ile üretilecek Ne kadar kapasite gerekecek (makine ekipman..) Yerleşim düzeni nasıl olacak Ne kadar stok bulundurulacak Ne kadar işgören alınacak... İşletmede örgütün farklı düzeylerinde, farklı amaçlar için farklı zamanlarda öngörüler yapılır. Stratejik öngörüler üst düzeyde uzun döneme ilişkin Daha alt kademelerde daha kısa süreli öngörüler, haftalık satışlar gibi..

9 Zaman boyutuna göre öngörü türleri ül Kısa dönem öngörüler 1yıla kadar, genelde 3 aydan az Görevlerin programlanması, işgücü tahsisleri Orta dönem öngörüler ö 3 ay -3 yıl Satış ve üretim planlama, bütçeleme Uzun dönem öngörüler 3 yıl üzeri Yeni ürün planlama, tesis kuruluş yeri

10 Kısa dönem- uzun dönem karşılaştırma Orta/uzun dönem öngörüler planlama ve ürünlere, fabrika ve süreçlere ilişkin yönetim kararlarını destekler. Kısa dönem öngörüleme uzun dönemli öngörülemeden farklı yöntemler kullanır. Kısa dönem öngörüler uzun dönem öngörülerden daha doğru olurlar.

11 Öngörülemenin esasları Öngörüler nadiren mükemmeldir. Öngörüler geleceğe ilişkin belirsizliklere karşı yapıldığından mükemmel öngörü çok zordur. Her zaman hata vardır. Amaç öngörü hatalarını en aza indirmektir. Öngörüler, tek tek kalemler yerine ürün grupları için yapılırsa daha doğru olur. Tek bir ürün tipi için öngörü, gruba oranla daha zordur.(uzun kollu polo yaka yeşil t- shirt yerine polo t-shirt) Kısa dönem öngörüler uzun döneme oranla daha doğru, geçerlidir. Kısa dönem belirsizliği azaltır. Veriler kısa dönemde çok değişmez, süre uzadıkça belirsizlik artar. 2 yıl sonraki ürün satışını öngörme 2 hafta sonrakini öngörmeden daha zordur.

12 Ürün yaşam eğrisinin öngörülere etkisi Giriş, büyüme, olgunluk, düşüş Giriş i ve büyüme ü dönemleri, olgunluk l ve düşüş dönemlerinden daha uzun süreli öngörüler ö gerektirir. i Ürün farklı evrelere geçerken: işgücü düzeyi, stok düzeyleri, Tesis kapasitesi için yapılan öngörüler yararlı olur.

13 Strategy and Issues During a Product s Life Co ompany Strategy y/issues Introduction Growth Maturity Decline Best period to Practical to change Poor time to change image, Cost control increase market price or quality image price, or quality critical share R&D product Strengthen niche Competitive costs become critical engineering critical Defend market position Sales Color copiers Drive-thru restaurants CD-ROM Internet Fax machines 3 1/2 Floppy disks Station wagons HDTV tegy/issues OM Strat Product design and development critical Frequent product and process design changes Short production runs High production costs Limited models Attention to quality Forecasting critical Product and process reliability Competitive product improvements and options Increase capacity Shift toward product focused Enhance distribution Standardization Less rapid product changes - more minor changes Optimum capacity Increasing stability of process Long production runs Product improvement and cost cutting Little product differentiation Cost minimization Over capacity in the industry Prune line to eliminate items not returning good margin Reduce capacity Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

14 Öngörümlemede 7 adım Öngörüleme yapılacağına ğ karar verme Öngörümlenecek ece kalemleri ae e seçmee Öngörü zaman boyutunu belirle Öngörümleme model/modellerini d ll i seç Verileri topla Öngörüyü yap Sonuçların geçerliliğine bak ve uygula

15 Öngörümleme yöntemleri En çok kabul gören sınıflandırma: Kalitatif (sübjektif) yargısal nitel yöntemler Kantitatif (objektif)istatistiki- nicel yöntemler Tek bir yöntem yerine yöntemlerin birleştirilmesi, veya sonuçlarının ortalanması doğruluk derecelerini artırır. Uygulamada yönetimin yargısından gelen öngörülerle, geçmiş verilere dayanan kantitatif öngörüler birleştirilir.

16 Öngörüleme sistemi Geçmiş Veriler Kantitatif Öngörü Değerlendirme Öngörü Gözlem Kalitatif Öngörü Yönetimin (kanaati) yargısı, tecrübesi Geri Besleme Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi Analiz

17 Kalitatif yöntemler Kişi i veya grupların görüş öü ve yargılarına dayanan, çoğunlukla verilerin olmadığı veya az olduğu durumlarda veya geçmiş ş veriler geleceği ğ öngörmede duyarlı değilse ğ veya kantitatif yöntemlerle birlikte kullanılan yöntemlerdir. Yeni ürünler, ü yeni teknoloji Sübjektiftir, matematiksel değildir Çevredeki son değişiklikler ile ilişkilendirilebilir ve içimizdeki hissi, deneyimi aktarabiliriz. Öngörüyü yanıltabilir, yanlış yönlendirebilir, doğruluğu azaltabilir. Örnek: internet üzerinden satışların öngörülmesi

18 Kantitatif yöntemler Geçmiş dönemlerdeki d verileri i esas alan matematiksel tik modellere dayanır. Geçmiş veriler vardır ve durumun değişmeyeceği (dengede olacağı) kabul edilir. Mevcut ürünler, mevcut teknoloji Objektif ve açıktır. Kişiye göre değişmez. Bir defada daha çok veri ve bilgiyi dikkate alabilir. Çoğunlukla sayısal veriler elde edilemez. Öngörünün esas alındığı veriler iyi olduğu ölçüde doğrudur. ğ d Örnek: renkli televizyon satışlarının öngörülmesi

19 Yöntemleri karakterize eden 6 faktör (yöntemlerin seçilmesinde etkili) 1. Zaman dilimi: öngörünün yapılacağı, gelecekteki zaman aralığı ğ (uzun dönem- kalitatif; kısa/orta dönem-kantitatif) ve öngörülerin gelecek kaç dönem için yapılacağı (bazı yöntemler gelecek 1 dönemi bazıları birçok dönemi öngörebilir)

20 2. Verilerin i izlediği yol: verilerin i izlediği yola göre farklı yöntemler kullanılır. Veriler bir trend izleyebilir, rastgele dağılmış olabilir...vs 3. Maliyet: öngörüleme modelinin geliştirilmesi, es, verilerin e hazırlanması a as ve uygulamanın yapılması için çeşitli maliyetler gerekmektedir. Maliyetler kullanılan yönteme göre değişmektedir.

21 4. Doğruluk ğ derecesi: öngörülemede ö istenen doğruluk derecesi yöntemleri farklılaştırmaktadır 5. Basitlik, uygulama kolaylığı: kolay anlaşılan ve uygulanabilen yöntemler tercih edilmekte, anlaşılamayan yöntemlere güven azalmaktadır. 6. Bilgisayar yazılımının olması: kantitatif yöntemlerde yazılım paketi olmadan uygulama yapmak güçtür. Paketlerin kolay uygulanabilir ve yorumlanabilir olması gerekmektedir.

22 Kalitatif yöntemler e Uzmanların görüşü (tepe yönetimin görüşü) Satış elemanlarının görüşleri (öngörüsü) Delphi yöntemi Tüketici Pazar araştırması Yaşam eğrilerinin benzeşimi (geçmişle paralellik llik kurmak) k)

23 Uzmanların görüşü öü ü Küçük bir grup üst düzey yöneticiyi kapsar Grup, talebi birlikte çalışarak tahminler İstatistiki modellerle yönetsel tecrübeyi birleştirir. ii Oldukça çabuk grupça-düşünme dezavantajı 1995 Corel Corp.

24 Grup öngörüsü ö ü Grup bileşimi Uzmanların görüşü Üst düzey yöneticiler Uzmanlar Öngörü kapsamı Yeni ürünler Teknolojik öngörüler Mevcut öngörüler (Tepe Yönetimin Fikri) Dezavantajlar Pahalı Denetimi zor Sonradan yapılan müdahaleler Çözüm Konsensus 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 24 Üretim Planlaması Kontrolü Dersi

25 Satış elemanlarının l görüşleri öü Her satış elemanı kendi satışlarını tahminler Bölge ve ülke düzeyinde birleştirilir Satış elemanları müşteri isteklerini bilir Fazla iyimser olunabilir Sales 1995 Corel Corp.

26 Satış Elemanlarının Öngörüsü bireysel öngörüler Üstünlükler Talebe en yakın personel Talepte yerel farklılıklar Farklı talepler toplanabilir Dezavantajlar Bireysel önyargılar İyimserlik-kötümserlik kötümserlik Müşteri gereksinmesi- istekleri arasındaki fark Performans kaygısı 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 26 Üretim Planlaması Kontrolü Dersi

27 Delphi yöntemi Ardışık grup süreci 3 tür kişi Karar vericiler Personel(yürütücü) Cevap verenler Grup-düşüncesini azaltır Staff (What will sales be? survey) Decision Makers (Sales?) (Sales will be 50!) Respondents (Sales will be 45, 50, 55)

28 Delphi Tekniği Bir hakem ve uzmanlar grubu Birkaç turlu(raund) grup konsensüsü Üstünlükler Uzun dönemli öngörmeler Yeni ürünler için fena değil Teknolojik öngörmeler Dezavantajlar Turlar uzayabilir Yeni ürünler dışında isabetliliği su götürür İsabetliliği anket kalitesine bağlı 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 28 Üretim Planlaması Kontrolü Dersi

29 Yaşam eğrilerinin benzeşimi Bir ürünün gelecekteki satışları, benzer ürünlerin satış ş bilgilerinden esinlenerek belirlenebilir. Benzer ürünlerin yaşam eğrilerindeki çeşitli dönemlerdeki satışları, özellikle yeni üü ürünlerin satışlarını öngörmede ö kullanılır.

30 Geçmişle Parallelik Kurmak / yaşam eğrilerinin benzeşimi Acaba 4. kuşak cep telefonlarına olan talep 3. kuşak ş telefonlara benzer bir yapıda ve düzeyede mi olacak? Miktar Sunuş Gelişme Olgunluk Gerileme 3. Kuşak cep telefonları El bilgisayarları Kişisel bilgisayarlar Hesap makineleri 10/9/2007 Prof. Operasyon Dr. Üzeyme Zaman Yönetimi DOĞAN - 30 Üretim Planlaması Kontrolü Dersi

31 Müşterilere satın alma planları hakkında sor Tüketicilerin il i söyledikleri ile yaptıkları farklı olabilir. Soruları cevaplamak zor olabilir. Pazar araştırması How many hours will you use the Internet next week? 1995 Corel Corp.

32 Pazar Araştırması Öngörüye müşteri katkısı Adımlar 1. Anket Ürün bilgileri Müşteri bilgileri 2. Örnekleme 3. Anket dışı veriler 4. İstatistiksel analiz Üstünlükler Kısa dönemde çok iyi sonuç Orta dönemde iyi sonuç Dezavantajlar Uzun dönemde d şöyle-böyle ö l l sonuç Senaryo analizine elverişsizlik Müşterinin aldırmazlığı Müşteri önyargıları ve beklentileri 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 32 Üretim Planlaması Kontrolü Dersi

33 Kantitatif yaklaşımlar Naif-basit yaklaşım Hareketli ortalamalar Üssel düzeltim Trend projeksiyonu Zaman serisi modelleri Doğrusal regresyon Nedensel (ilişkisel)mod l) eller

34 Quantitative Forecasting Methods (Non-Naive) Quantitative Forecasting Time Series Models Associative Models Moving Exponential Trend Linear Average Smoothing Projection Regression

35 Zaman Serisi Kantitatif öngörüleme yöntemlerinde 1. grup: zaman serisi modelleridir. İyi yargı, sezgi, tecrübe, ekonomiden haberdar olma yöneticilere gelecekte ne olabileceğine ğ dair kabaca bir fikir verebilir. Ancak bu hissi verilere dönüştürmek güçtür. Örneğin: gelecek yıl aylık satışlar, gelecek yılın ünite başına hammadde maliyeti ne olacak??

36 Zaman serisi Gelecek yıl liçin i 3 er aylık lk satış hacmini i nasıl öngörebiliriz??? Geçmiş dönemlerdeki gerçek satış verilerini gözden geçirmemiz gerek. Son 3 yılın 3er aylık satış verileri var.. Bu verilere bakarak satışların genel düzeyini belirleyebiliriz. Artma veya azalma eğilimi i( (trend) olup olmadığını dğ görebiliriz. Daha iyi incelemeyle mevsimlik (dönemlik) durumu izleyebilir, örneğin her yıl 3. dönem satışların en yüksek olduğunu görebiliriz.

37 Zaman serisi Zaman içindeki i geçmiş verileri i gözden geçirerek, o ürün için gelecek satışları daha iyi öngörebiliriz. Satışların ş geçmiş ş dönemlerdeki verileri bir zaman serisi formundadır. Zaman serisi, zaman içinde birbiri ardı sıra noktalarda ya da zamanın birbirini izleyen dönemlerinde ölçülmüş gözlemler setidir.

38 Zaman serisi Zaman serisi verileri ile geleceğe ilişkin öngörülerde bulunulacak... Verileri analiz etmek için bazı yöntemler incelenecek.. Analizin amacı zaman dizisinin gelecek dönem değerlerinin iyi öngörülenmesini sağlamak!!!

39 Product Demand Charted over 4 Years with Trend and Seasonality Dem mand fo or produc ct or ser rvice Seasonal peaks Random variation Average demand over four years Trend component Year Year Year Year Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi Actual demand line

40 Actual Demand, Moving Average, Weighted Moving Average Sales Demand Actual sales Weighted moving average Moving average 0 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Month Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

41 What is a Time Series? Set of evenly spaced numerical data Obtained by observing response variable at regular time periods Forecast based only on past values Assumes that factors influencing past and present will continue influence in future Example Year: Sales:

42 Time Series Components Trend Cyclical Seasonal Random

43 Trend Bileşeni Persistent, t overall upward or downward d pattern Due to population, technology etc. Several years duration Response Mo., Qtr., Yr T/Maker Co.

44 Mevsim bileşeni Regular pattern of up & down fluctuations Due to weather, customs etc. Occurs within 1 year Summer Response T/Maker Co. Mo., Qtr.

45 Mevsim ler Period of Season Number of Pattern Length Seasons in Pattern Week Day 7 Month Week 4 4 ½ Month Day Year Quarter 4 Year Month 12 Year Week 52

46 Devri bileşen Repeating up & down movements Due to interactions of factors influencing economy Usually 2-10 years duration Response Cycle Mo Qtr Yr Mo., Qtr., Yr.

47 Rassal bileşen Erratic, unsystematic, residual fluctuations ti T/Maker Co. Due to random variation or unforeseen events Union strike Tornado Short duration & nonrepeating

48 Zaman serisi modelleri Any observed value in a time series is the product (or sum) of time series components Multiplicative model (çoğaltan model) Y i = T i S i C i R i (if quarterly or mo. data) Additive model (artırımlı model) Y i = T i + S i + C i + R i (if quarterly or mo. data)

49 Naive Approach Assumes demand in next period is the same as demand in most recent period e.g., If May sales were 48, then June sales will be 48 Sometimes cost effective & efficient 1995 Corel Corp.

50 Naif Yaklaşım y =y t+1 t Gelecek dönemdeki talep en yakın dönemdeki talebe eşittir. Ör. Aralık talebi, Kasım talebine eşit olacaktır. 10/9/2007 t şimdi t +1 t, zaman Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 50 Üretim Planlaması Kontrolü Dersi

51 Hareketli ortalamalar yöntemi hareketli ortalamalar(moving average- MA) aritmetik ortalamalardan oluşan bir seridir Trend yoksa veya çok az ise kullanılır. Genellikle düzeltim için kullanılır. Equation MA = Demand in Previous n n Periods

52 Basit Hareketli Ortalamalar Varsayım Talep zaman içinde görece kararlı bir yönde seyredecektir. Gerçekleşen son birkaç (n) talep düzeyi, gelecek dönemin talebi için anlamlı olacaktır. 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 52 Üretim Planlaması Kontrolü Dersi

53 Moving Average Example You re manager of a museum store that sells historical replicas. You want to forecast sales (000) for 2003 using a 3- period moving average Corel Corp. Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

54 Moving Average Solution Time Response Moving Moving Yi Total (n=3) Average (n=3) NA NA NA NA NA NA =15 15/3 = NA Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

55 Moving Average Solution Time Response Moving Moving Yi Total (n=3) Average (n=3) NA NA NA NA NA NA =15 15/3 = =14 14/3=4 4 2/ NA Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

56 Moving Average Solution Time Response Moving Moving Yi Total (n=3) Average (n=3) NA NA NA NA NA NA =15 15/3= =14 14/3= NA 5+3+7=15 15/3=5.0 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

57 Moving Average Graph Sales 8 Actual Forecast Year Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

58 Örnek 12 haftalık benzin satışları hafta satışlar HOöng (n=3) Öng. hatası I H I ( H ) Prof. Dr. Üzeyme DOĞAN - 13?? Üretim Planlaması 19 Kontrolü Dersi

59 Öngörü Hataları Amaç öngörünün ö ü az hatalı olmasıdır. Bunun için öngörü hatalarının küçük olması gerekir. Hataları toplayarak hatayı ölçmeye çalışabiliriz. Bu bizi yanıltır (+ ve ler sonucu toplam küçük çıkabilir) Hataların karelerini veya mutlak değerlerini almak daha doğru olur.

60 Öngörü hataları Hataların karelerinin toplamının ortalaması ortalama hata kare (MSE) Hataların mutlak değerlerinin ortalaması ortalama mutlak sapma (MAD) Örnek için: MSE=92/9= 10,22 MAD=24/9= 2,67

61 Ortalama mutlak yüzde hata (MAPE) Hataların mutlak değerlerinin ortalamasının, gerçek değerlerin yüzdesi olarak gösterilmesi. MAPE hatayı gerçek değerin % olarak ifade eder. MAPE = 100 n i= 1 actual i n actual Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi forecast i i

62 Örnek dönem Gerçek değer öngörü I hata I I hata I/gerçek /180=0, /168=0, , , , , , ,0220 toplam 0,4562 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

63 MAPE= ,4562 / 8 = 5,70 %

64 Forecast Error Equations Mean Square Error (MSE) n 2 (y i ŷ i ) forecast i 1 MSE = = n = n errors Mean Absolute Deviation (MAD) n y yˆ i i i forecast errors 1 MAD = = = n n Mean Absolute Percent Error (MAPE) n actual i forecast i MAPE = 100 i= 1 actual n i 2

65 Ağırlıklı hareketli ortalama yöntemi Geçmiş veriler daha az önemliyse Ağırlıklar 0-1 arasında toplamı 1 olacak şekilde (genelde son döneme daha fazla ağırlık vererek) Eşitlik: ş WMA = Σ(Weight for period n) (Demand in period n) ΣWeights

66 Ağırlıklı Hareketli Ortalamalar Varsayım Talep zaman içinde görece kararlı bir yönde seyredecektir. Gerçekleşen en son talep düzeyi, gelecek dönemin talebi için en anlamlı girdi olacaktır. Ağırlıkların belirlenmesi l i deneyime bağlı 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 66 Üretim Planlaması Kontrolü Dersi

67 Örnek 12 haftalık benzin satışları hafta satışlar AHOöng (n=3) Öng. hatası I H I ( H ) ,33 3,67 3,67 13, ,33-3,33 3,33 11, ,83-3,83 3,83 14, ,83 2,17 2,17 4, ,33-0,33 0,33 0, ,33 3,67 3,67 13, ,33-0, , , ,33-5,33 5,33 28, , , ,17 17,39 13?? 19,33 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

68 Ağırlıklı hareketli ortalama 4.hafta ağırlıklı hereketli ortalama öngörüsü=( )/6=19,33 MSE=103,43/9=11,49 MAD=26,83/9=2,

69 Actual Demand, Moving Average, Weighted Moving Average Sales Demand Actual sales Weighted moving average Moving average 0 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Month Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

70 Disadvantages of Moving Average Methods Increasing n makes forecast less sensitive to changes Do not forecast trend well Require much historical i data a T/Maker Co.

71 Üssel Düzeltim Yöntemi Ağırlıklı hareketli ortalamanın bir şekli Ağırlıklar üssel olarak azalır Son verilere daha fazla ağırlık verilir Düzeltim sabiti kullanılır (α) 0-1 arasında Deneme yanılma ile seçilebilir Geçmiş verilere ilişkin daha az kayıt gerektirir

72 Exponential Smoothing Equations F t = αa t α(1-α)a t α(1- α) 2 A t - 3 (1 ) 3 A (1 ) t 1 A + α(1- α) 3 A t α(1- α) t-1 A 0 F t = Forecast value A t = Actual value α = Smoothing constant F t = F t α(a t-11 - F t-1 1 ) Use for computing forecast

73 Üssel Düzeltim modeli F t+1 = α Y t + (1 1- α )F t Veya F t+1 = α Y t +F t - α. F t = F t + α (Y t F t ) = F t + e t α e t = hata t

74 Üstsel Düzeltim Daha gelişmiş bir yöntem Daha az veri gereksinmesi Gerçekleşen en son talep düzeyi ve o dönem için yapılmış öngörü, gelecek dönemin talebi için en anlamlı girdiler olacaktır. Düzeltim sabiti (α, alfa) yakın zamana verilen ağırlıkla ğ ters orantılıdır. 10/9/2007 Prof. Operasyon Dr. Üzeyme Yönetimi DOĞAN - 74 Üretim Planlaması Kontrolü Dersi

75 Exponential Smoothing Example During the past 8 quarters, the Port of Baltimore has unloaded large quantities of grain. (α =.10). The first quarter forecast was Quarter Actual Find the forecast for the 9 th quarter ? Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

76 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

77 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) ( F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

78 Quarter Exponential Smoothing Actual Solution F t = F t (A t-1 - F t-1 ) Forecast, F t (α =.10) (Given) ( Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

79 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, F t (α =.10) (Given) ( ) Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

80 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, F t (α =.10) (Given) ( ) = Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

81 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) ( ) = ( ) = F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

82 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) ( ) = ( ) = ( )= F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

83 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) ( ) = ( ) = ( ) = ( ) 18) = F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

84 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Quarter Actual Forecast, (α =.10) (Given) ( ) = ( ) = ( ) = ( ) 18) = ( ) = F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

85 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Time Actual Forecast, (α =.10) ( ) = ( ) = ( ) = ( ) = F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

86 Exponential Smoothing Solution F t = F t (A t-1 - F t-1 ) Time Actual Forecast, (α =.10) ( ) = ( ) = ( ) = ( ) = ( ) = ? ( ) = F t Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

87 Örnek 12 haftalık benzin satışları Hafta(t) Satışlar(Yt) Ft (α=0,2) Öng. hatası I H I ( H ) * ,80 1,2 1,2 1, ,04 4,96 4,96 24, ,03-1,03 1,03 1, ,83-2,83 2,83 8, ,26 1,74 1,74 3, ,61-0,61 0,61 0, ,49 3,51 3,51 12, , , , , ,35-4,35 4,35 18, , , ,52 12,39 13?? 19,18 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

88 MSE= 98,8/11=8,98 α=0,3 için MSE= 9,35 En iyi α= 0,2 olduğu hesaplanmış.

89 Forecast Effects of Smoothing Constant α F t = α A t α(1- α)a t α(1- α) 2 A t α= Prior Period Weights 2 periods ago 3 periods ago α α(1 - α) ) α(1 - α) ) 2 α= % α= 0.90 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

90 Forecast Effects of Smoothing Constant α F t = α A t α(1- α) A t α(1- α) 2 A t α= Prior Period Weights 2 periods ago 3 periods ago α α(1 - α) ) α(1 - α) ) 2 α= % 9% α= 0.90 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

91 Forecast Effects of Smoothing Constant α F t = α A t α(1- α)a t α(1- α) 2 A t α= Prior Period Weights 2 periods ago 3 periods ago α α(1 - α) ) α(1 - α) ) 2 α= % 9% 8.1% α= 0.90 Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

92 Forecast Effects of Smoothing Constant α F t = α A t α(1- α)a t α(1- α) 2 A t α= Prior Period Weights 2 periods ago 3 periods ago α α(1 - α) ) α(1 - α) ) 2 α= % 9% 8.1% α= % Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

93 Forecast Effects of Smoothing Constant α F t = α A t α(1- α) A t α(1- α) 2 A t α= Prior Period Weights 2 periods ago 3 periods ago α α(1 - α) ) α(1 - α) ) 2 α= % 9% 8.1% α= % 9% Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

94 Forecast Effects of Smoothing Constant α F t = α A t α(1- α) A t α(1- α) 2 A t Weights α= Prior Period 2 periods ago 3 periods ago α α(1 - α) α(1 - α) 2 α= 0.10 α= % 9% 8.1% 90% 9% 0.9% Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

95 250 Impact of α 200 Forecast (0.5) A ctua l T o n age Actual Forecast (0.1) Quarter Prof. Dr. Üzeyme DOĞAN - Üretim Planlaması Kontrolü Dersi

96 Choosing α Seek to minimize the Mean Absolute Deviation (MAD) If: Forecast error = demand - forecast Then: MAD = forecast n errors

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,

Detaylı

Tahminleme Yöntemleri

Tahminleme Yöntemleri PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü Tahminleme Yöntemleri 2012-2013 Bahar Yarıyılı 1 İçerik 1. Talep Tahmini Kavramı 2. Talep Tahminlerinin Kullanım Yeri 3. Talep Tahmin Modelleri

Detaylı

Ders Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon

Ders Planı: - Talep Yapıları. - Tahmin Etmede Önemli Kararlar. - Yargısal Yöntemler. - Nedensel Yöntemler: Doğrusal Regresyon Ders Planı: - Talep Yapıları - Tahmin Etmede Önemli Kararlar - Yargısal Yöntemler - Nedensel Yöntemler: Doğrusal Regresyon - Zaman Serisi Yöntemleri - Zaman Serisi Yönteminin Seçimi - Çoklu Tekniklerin

Detaylı

Kantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN

Kantitatif Tahmin Yöntemleri. Yrd.Doç.Dr. S.Kerem AYTULUN Kantitatif Tahmin Yöntemleri Yrd.Doç.Dr. S.Kerem AYTULUN Tahmin Nedir? Günlük hayatta bilinçli veya bilinçsiz birçok tahminde bulunuruz. Hava durumu, trafik, sınav soruları, kişisel ilişkiler... Peki Firmalar???

Detaylı

Endüstri Mühendisliğine Giriş

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

Detaylı

Nasıl Vinç Alınır? How to Buy a Crane? Recep Çimen Vice President

Nasıl Vinç Alınır? How to Buy a Crane? Recep Çimen Vice President Nasıl Vinç Alınır? How to Buy a Crane? Recep Çimen Vice President Vinç Seçim Kriterleri Crane Selection criteria Pazar / Ülke Koşulları Teknik Analiz Ürün Analizi Üretici / Bayi Analizi Finansal Analiz

Detaylı

Seçilmiş Haftalık Veriler* 3 Temmuz 2015

Seçilmiş Haftalık Veriler* 3 Temmuz 2015 Seçilmiş Haftalık Veriler* 3 Temmuz 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 26 Haziran 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1

Detaylı

Üretim Yönetimi. 3.1. Ürün Tasarımı 19.02.2012. 3.1.1. Ürün Tasarımını Etkileyen Faktörler. Bölüm 3. Üretim Sistemlerinin Tasarımı ve Kuruluşu

Üretim Yönetimi. 3.1. Ürün Tasarımı 19.02.2012. 3.1.1. Ürün Tasarımını Etkileyen Faktörler. Bölüm 3. Üretim Sistemlerinin Tasarımı ve Kuruluşu Üretim Yönetimi Bölüm 3. Üretim Sistemlerinin Tasarımı ve Kuruluşu Yrd. Doç. Dr. Selçuk ÇEBİ http://scebi.ktu.edu.tr 3.1. Ürün Tasarımı Ürün tasarımı, ürünün fiziksel özelliklerini ve fonksiyonlarını açıkça

Detaylı

Seçilmiş Haftalık Veriler* 31 Temmuz 2015

Seçilmiş Haftalık Veriler* 31 Temmuz 2015 Seçilmiş Haftalık Veriler* 31 Temmuz 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 24 Temmuz 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1

Detaylı

Seçilmiş Haftalık Veriler* 11 Eylül 2015

Seçilmiş Haftalık Veriler* 11 Eylül 2015 Seçilmiş Haftalık Veriler* 11 Eylül 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 4 Eylül 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1 Feb-11

Detaylı

NOVAPAC Ambalaj San. Tic. A.Ş

NOVAPAC Ambalaj San. Tic. A.Ş Ambalaj San. Tic. A.Ş 2014 yılında İstanbul'da 5.000 m2 lik alanda kurulan tek kullanımlık plastik ürünleri araştırıp, geliştirip, tasarlayıp üretmektedir. Uzun yılların deneyimi ile pazara yenilikçi,

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

Türk Telekom e-devlet Kapısı

Türk Telekom e-devlet Kapısı Türk Telekom e-devlet Kapısı E-Devlet Çevrimiçi tek noktadan devlet kavramı, kamu hizmetleri alıcısının (vatandaşın, özel şirket, sivil toplum örgütü gibi) bakış açısından çevrimiçi entegrasyonunu ifade

Detaylı

Seçilmiş Haftalık Veriler* 20 Temmuz 2015

Seçilmiş Haftalık Veriler* 20 Temmuz 2015 Seçilmiş Haftalık Veriler* 2 Temmuz 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 1 Temmuz 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1

Detaylı

Pazarlama araştırması

Pazarlama araştırması Pazarlama araştırması Etkin bir pazarlama kararı alabilmek için gerekli olan enformasyonun ve bilginin toplanması ve kullanılmasıdır. Bu sayede, pazarla ilgili risk ve belirsizlik azalacak ve başarı artacaktır.

Detaylı

Seçilmiş Haftalık Veriler* 24 Temmuz 2015

Seçilmiş Haftalık Veriler* 24 Temmuz 2015 Seçilmiş Haftalık Veriler* 24 Temmuz 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 16 Temmuz 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1

Detaylı

TÜKET GÜVEN ENDEKS SER N GER YE ÇEK LMES RAPORU

TÜKET GÜVEN ENDEKS SER N GER YE ÇEK LMES RAPORU TÜKET GÜVEN ENDEKS SER N YE ÇEK LMES RAPORU ÖRNEKLEME VE ANAL Z TEKN KLER DA RE BA KANLI I VER ANAL Z TEKN KLER GRUBU 18.01.2013 ANKARA TÜKET GÜVEN ENDEKS SER N YE ÇEK LMES 2004 y ndan itibaren ayl k olarak

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

Yüz Tanımaya Dayalı Uygulamalar. (Özet)

Yüz Tanımaya Dayalı Uygulamalar. (Özet) 4 Yüz Tanımaya Dayalı Uygulamalar (Özet) Günümüzde, teknolojinin gelişmesi ile yüz tanımaya dayalı bir çok yöntem artık uygulama alanı bulabilmekte ve gittikçe de önem kazanmaktadır. Bir çok farklı uygulama

Detaylı

2. 3. BÖLÜM 1: GİRİŞ. Bölümün Amaçları. İstatistik: Karar Verme Yaklaşımı. İstatistik nedir? TEMEL İSTATİSTİK YÖNTEMLER. İstatistik Sözcüğünün Kökeni

2. 3. BÖLÜM 1: GİRİŞ. Bölümün Amaçları. İstatistik: Karar Verme Yaklaşımı. İstatistik nedir? TEMEL İSTATİSTİK YÖNTEMLER. İstatistik Sözcüğünün Kökeni www.mehmetaksarayli.com 1 TEMEL İSTATİSTİK YÖNTEMLER Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayli aksarayli@deu.edu.tr KAVRAM VERİ YAPILARI VERİ TOPLAMA BÖLÜM 1: GİRİŞ TANIMLAYICI

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

BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY

BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY Monthly Magnetic Bulletin May 2015 BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeomanyetizma/ Magnetic Results from İznik

Detaylı

Seçilmiş Haftalık Veriler* 13 Kasım 2015

Seçilmiş Haftalık Veriler* 13 Kasım 2015 Seçilmiş Haftalık Veriler* 13 Kasım 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 6 Kasım 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1 Feb-11

Detaylı

Seçilmiş Haftalık Veriler* 4 Aralık 2015

Seçilmiş Haftalık Veriler* 4 Aralık 2015 Seçilmiş Haftalık Veriler* 4 Aralık 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 27 Kasım 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1

Detaylı

İŞ MAKİNALARI SERVİS ve YEDEK PARÇA

İŞ MAKİNALARI SERVİS ve YEDEK PARÇA .egeatlas.com.tr İŞ MAKİNALARI SERVİS ve YEDEK PARÇA kaliteli servis en iyi malzeme seçimi yüksek hassasiyetli makinalarda üretim .egeatlas.com.tr EGE ATLAS, kurulduğu 2012 yılından bu yana yeraltı ve

Detaylı

İŞLETME POLİTİKASI (Stratejik Yönetim Süreci)

İŞLETME POLİTİKASI (Stratejik Yönetim Süreci) İŞLETME POLİTİKASI (Stratejik Yönetim Süreci) İşletmenin uzun dönemde yaşamını devam ettirmesine ve sürdürülebilir rekabet üstünlüğü sağlamasına yönelik bilgi toplama, analiz, seçim, karar ve uygulama

Detaylı

Avrasya Ekonomik Birliği Elektrik Piyasası Entegrasyonu Kapsamında Kırgızistan ın Enerji Tüketim Projeksiyonu

Avrasya Ekonomik Birliği Elektrik Piyasası Entegrasyonu Kapsamında Kırgızistan ın Enerji Tüketim Projeksiyonu Avrasya Ekonomik Birliği Elektrik Piyasası Entegrasyonu Kapsamında Kırgızistan ın Enerji Tüketim Projeksiyonu Prof. Dr. Ahmet BurçinYERELİ Hacettepe Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

01.02.2013. Statistical Package for the Social Sciences

01.02.2013. Statistical Package for the Social Sciences Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

ENDÜSTRİ MÜHENDİSLİĞİ

ENDÜSTRİ MÜHENDİSLİĞİ 1. Bir işletmede mevcut sabit maliyetler kapsamında olmayan seçenek aşağıdakilerden hangisidir? a) Süreçte kullanılacak tezgah/tezgahların satın alma maliyeti b) Süreçte kullanılacak tezgah/tezgahların

Detaylı

Seçilmiş Haftalık Veriler* 27 Kasım 2015

Seçilmiş Haftalık Veriler* 27 Kasım 2015 Seçilmiş Haftalık Veriler* 27 Kasım 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 2 Kasım 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Nov-9 Apr-1 Sep-1 Feb-11

Detaylı

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

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

ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı

ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı ENM 525 İleri Üretim Planlama ve Kontrolü PAÜ Fen Bilimleri Enstitüsü Endüstri Mühendisliği Ana Bilim Dalı Bu ders notları, 2012-2013 ve 2013-2014 Bahar yarıyılında PAÜ Endüstri Mühendisliği bölümünde

Detaylı

Gelir Dağılımı ve Yoksulluk

Gelir Dağılımı ve Yoksulluk 19 Decembre 2014 Gini-coefficient of inequality: This is the most commonly used measure of inequality. The coefficient varies between 0, which reflects complete equality and 1, which indicates complete

Detaylı

108 0. How many sides has the polygon?

108 0. How many sides has the polygon? 1 The planet Neptune is 4 496 000 000 kilometres from the Sun. Write this distance in standard form. 44.96 x 10 8 km 4.496 x 10 8 km 4.496 x 10 9 km 4.496 x 10 10 km 0.4496 x 10-10 km 4 Solve the simultaneous

Detaylı

Eco 338 Economic Policy Week 4 Fiscal Policy- I. Prof. Dr. Murat Yulek Istanbul Ticaret University

Eco 338 Economic Policy Week 4 Fiscal Policy- I. Prof. Dr. Murat Yulek Istanbul Ticaret University Eco 338 Economic Policy Week 4 Fiscal Policy- I Prof. Dr. Murat Yulek Istanbul Ticaret University Aggregate Demand Aggregate (domestic) demand (or domestic absorption) is the sum of consumption, investment

Detaylı

DENİZ-NEHİR TAŞIMACILIĞI

DENİZ-NEHİR TAŞIMACILIĞI DENİZ-NEHİR TAŞIMACILIĞI DENİZ-NEHİR TİPİ GEMİLER Sovyet Dönemi Modern Tarz 4500 6200 DWT 8000 DWT - VOLGA AZOV MAX - VOLZHSKIY - VOLGO-DON - 2900-3500 DWT - VOLGO-BALT - SORMOSKIY - OMSKIY - SIBIRSKIY

Detaylı

TAM ZAMANINDA ÜRETİM (JUST IN TIME MANUFACTURING)

TAM ZAMANINDA ÜRETİM (JUST IN TIME MANUFACTURING) TAM ZAMANINDA ÜRETİM (JUST IN TIME MANUFACTURING) TAM ZAMANINDA ÜRETİM (JUST IN TIME MANUFACTURING) İstenilen zamanda İstenilen miktarda Her türlü kaynak israfını önleyecek şekilde yapılan üretim Tam Zamanında

Detaylı

10.7442 g Na2HPO4.12H2O alınır, 500mL lik balonjojede hacim tamamlanır.

10.7442 g Na2HPO4.12H2O alınır, 500mL lik balonjojede hacim tamamlanır. 1-0,12 N 500 ml Na2HPO4 çözeltisi, Na2HPO4.12H2O kullanılarak nasıl hazırlanır? Bu çözeltiden alınan 1 ml lik bir kısım saf su ile 1000 ml ye seyreltiliyor. Son çözelti kaç Normaldir? Kaç ppm dir? % kaçlıktır?

Detaylı

Türkiye de Petrol Sektörünün Öncelikli Konuları, Sorunları ve Dünya Piyasaları ile Etkileşimi. ICCI 2012, Nisan 2012 İstanbul

Türkiye de Petrol Sektörünün Öncelikli Konuları, Sorunları ve Dünya Piyasaları ile Etkileşimi. ICCI 2012, Nisan 2012 İstanbul Türkiye de Petrol Sektörünün Öncelikli Konuları, Sorunları ve Dünya Piyasaları ile Etkileşimi ICCI 2012, Nisan 2012 İstanbul Sunum planı Türkiye petrol piyasasına ilişkin gelişmeler 2011-2012 Dünya petrol

Detaylı

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../..

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../.. Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../../2015 KP Pompa akış sabiti 3.3 cm3/s/v DO1 Çıkış-1 in ağız çapı 0.635 cm DO2

Detaylı

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI 1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en

Detaylı

MEMBRAN KAPAK SİSTEMLERİ PVC MEMBRAN PRESS MDF DOORS. www.mksmobilya.com www.facebook.com/mkscapak

MEMBRAN KAPAK SİSTEMLERİ PVC MEMBRAN PRESS MDF DOORS. www.mksmobilya.com www.facebook.com/mkscapak www.mksmobilya.com www.facebook.com/mkscapak FİRMAMIZ ; Mobilya İmalat&Satış taki 30 yıllık tecrübemizle, MKS MOBİLYA DEKORASYON SAN. ve TİC. LTD. ŞTİ. adı altında uzun yıllardır müşterilerimize hizmet

Detaylı

Tahminleme Yöntemleri-2

Tahminleme Yöntemleri-2 PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Tahminleme Yöntemleri-2 İçerik 1. Mevsimsel Değişim Bazlı Teknik 2. Box-Jenkins Modelleri 3. Tahmin Yöntemlerini Uygulamada Dikkat Edilmesi

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

FİNANSAL YÖNETİM. Finansal Planlama Nedir?

FİNANSAL YÖNETİM. Finansal Planlama Nedir? FİNANSAL YÖNETİM FİNANSAL PLANLAMA Yrd.Doç.Dr. Serkan ÇANKAYA Finansal analiz işletmenin geçmişe dönük verilerine dayanmaktaydı ancak finansal planlama ise geleceğe yönelik hareket biçimini belirlemeyi

Detaylı

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011 SPPS Verileri Düzenleme ve Değiştirme 3 - Data Menüsü Y. Doç. Dr. İbrahim Turan Nisan 2011 Data Menüsü 1- Define Variable 1- Properties (Değişken Özelliklerini Tanımlama) Değişken özelliklerini tanımlamak

Detaylı

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin

Detaylı

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES by Didem Öztürk B.S., Geodesy and Photogrammetry Department Yildiz Technical University, 2005 Submitted to the Kandilli Observatory and Earthquake

Detaylı

(1971-1985) ARASI KONUSUNU TÜRK TARİHİNDEN ALAN TİYATROLAR

(1971-1985) ARASI KONUSUNU TÜRK TARİHİNDEN ALAN TİYATROLAR ANABİLİM DALI ADI SOYADI DANIŞMANI TARİHİ :TÜRK DİLİ VE EDEBİYATI : Yasemin YABUZ : Yrd. Doç. Dr. Abdullah ŞENGÜL : 16.06.2003 (1971-1985) ARASI KONUSUNU TÜRK TARİHİNDEN ALAN TİYATROLAR Kökeni Antik Yunan

Detaylı

Risk Yönetimi. *PMI PMBOK Chapter 11 - Project Risk Management

Risk Yönetimi. *PMI PMBOK Chapter 11 - Project Risk Management Risk Yönetimi Risk yönetimi sistematik olarak proje risklerinin belirlenmesi, analizi ve bu risklere yanıt verilmesi sürecidir.* Risk yönetimi kapsamında yapılanlar pozitif olayların proje hedeflerine

Detaylı

Zaman Serileri Tutarlılığı

Zaman Serileri Tutarlılığı Bölüm 3 Zaman Serileri Tutarlılığı Ulusal Sera Gazı Envanterleri Uygulamalı Eğitim Çalıştayı - IPCC Kesişen Konular 4-5-6 Kasım 2015, Ankara Türkiye Giriş Çok yıllı sera gazı (GHG) envanterleri, emisyonların

Detaylı

BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR

BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR İÇİNDEKİLER BÖLÜM 1 ÖLÇME VE DEĞERLENDİRMEDE TEMEL KAVRAMLAR I. Öğretimde Ölçme ve Değerlendirmenin Gerekliliği... 2 II. Ölçme Kavramı... 3 1. Tanımı ve Unsurları... 3 2. Aşamaları... 3 2.1. Ölçülecek

Detaylı

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI Kırıkkale Üniversitesi Fen-Edebiyat Fakültesi İstatistik Bölümü Lisans Programı, Kırıkkale Üniversitesi Önlisans ve Lisans

Detaylı

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011)

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) Bağlanım Çözümlemesi Temel Kavramlar Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

Acil Durum Yönetim Sistemi ICS 785 - NFPA 1600

Acil Durum Yönetim Sistemi ICS 785 - NFPA 1600 Acil Durum Yönetim Sistemi ICS 785 - NFPA 1600 Başlarken Acil Durum Yönetim Sistemi Kendilerini acil durumlarda da çalışmaya hedeflemiş organizasyon ve kurumların komuta, kontrol ve koordinasyonunu sağlama

Detaylı

Söke İlçesinde Pnömatik Ekim Makinaları Talep Projeksiyonunun Belirlenmesi*

Söke İlçesinde Pnömatik Ekim Makinaları Talep Projeksiyonunun Belirlenmesi* 91 Söke İlçesinde Pnömatik Ekim Makinaları Talep Projeksiyonunun Belirlenmesi* Hakan Destici (1) Cengiz Özarslan (2) (1) Söke Ziraat Odası, Söke / Aydın (2) ADÜ Ziraat Fakültesi Tarım Makinaları Bölümü,

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

Sayı: 2012-13 / 13 Haziran 2012 EKONOMİ NOTLARI. Belirsizlik Altında Yatırım Planları

Sayı: 2012-13 / 13 Haziran 2012 EKONOMİ NOTLARI. Belirsizlik Altında Yatırım Planları EKONOMİ NOTLARI Belirsizlik Altında Yatırım Planları Yavuz Arslan Aslıhan Atabek Demirhan Timur Hülagü Saygın Şahinöz Abstract: This note analyzes the relationship between uncertainty and firm investment

Detaylı

Gürcan Banger 21 Mayıs 17 Haziran 2012

Gürcan Banger 21 Mayıs 17 Haziran 2012 Gürcan Banger 21 Mayıs 17 Haziran 2012 Üretim Yatırımı Girişim kapsamında hedeflenen ürün veya hizmetlerin üretilmesi için gerekli işletme faaliyetleri planlanmalıdır. Girişimcinin uzmanlığına da bağlı

Detaylı

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI 2014 İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI Açıklama Staj yapılan işletmelerde

Detaylı

Beklenti Anketi ne İlişkin Yöntemsel Açıklama

Beklenti Anketi ne İlişkin Yöntemsel Açıklama Beklenti Anketi ne İlişkin Yöntemsel Açıklama İstatistik Genel Müdürlüğü Reel Sektör Verileri Müdürlüğü İçindekiler I- Amaç... 3 II- Kapsam... 3 III- Yöntem... 3 IV- Tanımlar ve Hesaplamalar... 3 V- Yayımlama...

Detaylı

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08 1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel

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

KARAR AĞAÇLARI. Prof.Dr.Aydın ULUCAN

KARAR AĞAÇLARI. Prof.Dr.Aydın ULUCAN KARAR AĞAÇLARI Prof.Dr.Aydın ULUCAN Karar Ağaçları Karar problemleri şebeke yapısı altında görsel olarak da ifade edilip çözülebilir. Karar analizinde bu yaklaşım karar ağaçları olarak adlandırılmaktadır.

Detaylı

Bankacılık, Aralık 2014. Sibel Alpsal Ekonomik Araştırmalar Müdürlüğü 4 Şubat 2015

Bankacılık, Aralık 2014. Sibel Alpsal Ekonomik Araştırmalar Müdürlüğü 4 Şubat 2015 Bankacılık, Aralık 2014 Sibel Alpsal Ekonomik Araştırmalar Müdürlüğü 4 Şubat 2015 2007/01 2007/05 2007/09 2008/01 2008/05 2008/09 2009/01 2009/05 2009/09 2010/01 2010/05 2010/09 2011/01 2011/05 2011/09

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

Stok (envanter)yönetimi

Stok (envanter)yönetimi Stok (envanter)yönetimi Stok tanımı Stok problemleri Stok noktaları Stokun önemi (finansal-üretim) Niçin stok bulundurulur? Stok problemlerini sınıflandırma Stok maliyetleri ABC analizi Bağımsız talep

Detaylı

alphanumeric journal The Journal of Operations Research, Statistics, Econometrics and Management Information Systems

alphanumeric journal The Journal of Operations Research, Statistics, Econometrics and Management Information Systems Available online at www.alphanumericjournal.com alphanumeric journal Volume 2, Issue 1, 2014 2014.02.01.STAT.01 HAVACILIKTA ÜREYEN RUTİN OLMAYAN (NON- ROUTINE) İŞLERİN ADAM X SAAT TAHMİNİ: GERÇEK ZAMANLI

Detaylı

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle

Detaylı

Neden İşletme Kurarız?

Neden İşletme Kurarız? 1 Neden İşletme Kurarız? Bağımsız çalışma isteği Miras yoluyla işletme sahipliği Yeni bir buluş veya fikri pazara sunma arzusu Başka fırsatların yokluğu Toplumsal itibar sağlama Kazanç sağlama ve ülke

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

Exercise 2 Dialogue(Diyalog)

Exercise 2 Dialogue(Diyalog) Going Home 02: At a Duty-free Shop Hi! How are you today? Today s lesson is about At a Duty-free Shop. Let s make learning English fun! Eve Dönüş 02: Duty-free Satış Mağazasında Exercise 1 Vocabulary and

Detaylı

İSTATİSTİKSEL VERİ ANALİZİ

İSTATİSTİKSEL VERİ ANALİZİ İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı

Detaylı

: Manufacturing Engineering and Management (Link) Üretim Sistemleri/Endüstri Mühendislii Bölümü ne uygun bazı dersler

: Manufacturing Engineering and Management (Link) Üretim Sistemleri/Endüstri Mühendislii Bölümü ne uygun bazı dersler : Danimarka : Technical University of Denmark (Link) : Manufacturing Engineering and (Link) Informatics and Mathematical Programming (Link) Production Technology Project System Analysis Statistical Process

Detaylı

ISO 9001:2008 ISO 22000:2005

ISO 9001:2008 ISO 22000:2005 Kökleri güçlü bir aile şirketine uzanan Görgel Metal Ltd. Şti. bugünün ve geleceğin mutfağına sunduğu hizmetine bir asıra yakın geçmişiyle bakırcılıktan başlamıştır. Geride kalan iki altın kuşağın mirası

Detaylı

Araziye Çıkmadan Önce Mutlaka Bizi Arayınız!

Araziye Çıkmadan Önce Mutlaka Bizi Arayınız! Monthly Magnetic Bulletin March 2014 z BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeofizik/default.htm Magnetic Results

Detaylı

Öğrencilere bilgisayar destekli titreşim analizi yeteğinin kazandırılması

Öğrencilere bilgisayar destekli titreşim analizi yeteğinin kazandırılması Ders Öğretim Planı Dersin Kodu 50700 4222007 Dersin Seviyesi Lisans Dersin Adı BİLGİSAYAR DESTEKLİ TİTREŞİM SİMÜLASYONU Dersin Türü Yıl Yarıyıl AKTS Seçmeli 4 8 3 Dersin Amacı Öğrencilere bilgisayar destekli

Detaylı

Asansörün olduğu her yerde ; ileri teknoloji, üstün kalite... Advanced technology, high quality.. Ürün Kataloğu Product Catalog

Asansörün olduğu her yerde ; ileri teknoloji, üstün kalite... Advanced technology, high quality.. Ürün Kataloğu Product Catalog Asansörün olduğu her yerde ; ileri teknoloji, üstün kalite... Advanced technology, high quality.. Ürün Kataloğu Product Catalog HAKKIMIZDA Boro Makine Metal Sanayi Tic. Ltd. Şti olarak CLİNDAS markası

Detaylı

Seçilmiş Haftalık Veriler* 13 Mart 2015

Seçilmiş Haftalık Veriler* 13 Mart 2015 Seçilmiş Haftalık Veriler* 13 Mart 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 6 Mart 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Oct-9 Feb-1 Jun-1 Oct-1

Detaylı

Turizm Pazarlaması. Tourism Marketing

Turizm Pazarlaması. Tourism Marketing Turizm Pazarlaması Tourism Marketing 1980 li yılların başında dünya üzerinde seyahat eden turist sayısı 285 milyon ve toplam gelir 92 milyar dolar iken, 2000 yılında bu rakam, 698 milyona ulaşmış ve bu

Detaylı

Lesson 19: What. Ders 19: Ne

Lesson 19: What. Ders 19: Ne Lesson 19: What Ders 19: Ne Reading (Okuma) What is it? (O nedir?) What is your name? (İsmin nedir?) What is the answer? (Cevap nedir?) What was that? (O neydi?) What do you want? (Ne istersin?) What did

Detaylı

AKSARAYLI TEMEL İSTATİSTİK YÖNTEMLER

AKSARAYLI TEMEL İSTATİSTİK YÖNTEMLER TEMEL İSTATİSTİK YÖNTEMLER DERS I - 1/63 İstatistik nedir? 1. 2. tanımı) 3. (En eski tanımı) (Yöntembilim olarak (Kelime anlamı) DERS I - 2/63 İstatistik nedir? 1. Veri toplama Araştırma 2. Verilerin sınıflandırılması

Detaylı

Ekonometrinin Konusu ve Yöntembilimi. Ekonometri Nedir? Ekonometrinin Konusu ve Yöntembilimi. Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011)

Ekonometrinin Konusu ve Yöntembilimi. Ekonometri Nedir? Ekonometrinin Konusu ve Yöntembilimi. Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011) Ekonometri Nedir? ve Yöntembilimi Ekonometri 1 Konu 4 Sürüm 2,0 (Ekim 2011) Ders Planı ve Yöntembilimi 1 ve Yöntembilimi Sözcük Anlamı ile Ekonometri Ekonometri Sözcük anlamı ile ekonometri, ekonomik ölçüm

Detaylı

YÜKSEKÖĞRETİM KURUMLARINDA ÖĞRENCİ SAYISI TAHMİNİ VE ETKİN KAPASİTE KULLANIMI ÖZET

YÜKSEKÖĞRETİM KURUMLARINDA ÖĞRENCİ SAYISI TAHMİNİ VE ETKİN KAPASİTE KULLANIMI ÖZET Fırat Üniversitesi Sosyal Bilimler Dergisi Fırat Universty Journal of Social Science Cilt: 9 Sayı : 1, Sayfa:19-24, ELAZIĞ-1999 YÜKSEKÖĞRETİM KURUMLARINDA ÖĞRENCİ SAYISI TAHMİNİ VE ETKİN KAPASİTE KULLANIMI

Detaylı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS 507004832007 KALİTE KONTROLÜ Seçmeli 4 7 3 Dersin Amacı Günümüz sanayisinin rekabet ortamında kalite kontrol gittikçe önem kazanan alanlardan birisi

Detaylı

Türk Tarım - Gıda Bilim ve Teknoloji Dergisi

Türk Tarım - Gıda Bilim ve Teknoloji Dergisi Türk Tarım Gıda Bilim ve Teknoloji Dergisi, 3(12): 962-968, 2015 Türk Tarım - Gıda Bilim ve Teknoloji Dergisi www.agrifoodscience.com Türk Bilim ve Teknolojisi Türkiye de Kuru Fasulye Üretiminin Mevcut

Detaylı

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I 19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle

Detaylı

AB Ülkelerinin Temel Ekonomik Göstergeleri Üye ve Aday Ülkeler

AB Ülkelerinin Temel Ekonomik Göstergeleri Üye ve Aday Ülkeler AB inin Temel Ekonomik Göstergeleri Üye ve Sayfa No Nüfus (Bin Kişi) 1 Nüfus Artış Hızı (%) 2 Cari Fiyatlarla GSYİH (Milyar $) 3 Kişi Başına GSYİH ($) 4 Satınalma Gücü Paritesine Göre Kişi Başına GSYİH

Detaylı

2013-2014 EĞİTİM ÖĞRETİM YILI 1.DÖNEM 2.SINIFLAR İNGİLİZCE BDE (Bilgisayar Destekli Eğitim) DERSİ PROJE VE KAZANIM LİSTESİ

2013-2014 EĞİTİM ÖĞRETİM YILI 1.DÖNEM 2.SINIFLAR İNGİLİZCE BDE (Bilgisayar Destekli Eğitim) DERSİ PROJE VE KAZANIM LİSTESİ 2013-2014 EĞİTİM ÖĞRETİM YILI 1.DÖNEM 2.SINIFLAR İNGİLİZCE BDE (Bilgisayar Destekli Eğitim) DERSİ PROJE VE KAZANIM LİSTESİ 1 October Introduction to computer skills November Bilgisayarın temel parçalarını

Detaylı

a trademark of ALISTONE www.compostone.com.tr

a trademark of ALISTONE www.compostone.com.tr ALISTONE OUR COMPANY Our Company ALISTONE Marble Company has founded by Mr. Ali and Mehmet Başarır in 2005 with a long business life experience started with turning machine manufacturing and respectively

Detaylı

Seçilmiş Haftalık Veriler* 27 Şubat 2015

Seçilmiş Haftalık Veriler* 27 Şubat 2015 Seçilmiş Haftalık Veriler* 27 Şubat 215 Sermaye Piyasaları ve Makro Ekonomik Araştırmalar *BDDK ve TCMB nin 2 Şubat 215 haftasına ait haftalık istatistiklerinden derlenmiştir. Jun-9 Oct-9 Feb-1 Jun-1 Oct-1

Detaylı

TOBB ETÜ Co-Op with Erasmus Placement Program

TOBB ETÜ Co-Op with Erasmus Placement Program TOBB ETÜ Co-Op with Erasmus Placement Program Dr. Erdogan Dogdu Ms. Fisun Talay Erasmus Coordinator External Relations Dept. edogdu@etu.edu.tr ftalay@etu.edu.tr 28 March 2013 Berlin TD-IHK Seminar Content

Detaylı

Aykut GÜRKAN Makine Mühendisi

Aykut GÜRKAN Makine Mühendisi Aykut GÜRKAN Makine Mühendisi Bakım nedir? İşletmede faaliyetlerin yerine getirilebilmesi için her türlü makine, ekipman ve teçhizatın belirli kurallar çerçevesinde gözden geçirilmesi, kontrol edilmesi

Detaylı

Forex Göstergeler. www.ifcmarkets.com

Forex Göstergeler. www.ifcmarkets.com Forex Göstergeler Forex piyasasında teknik analiz yaparken trader lar için ana araçlardan biri trend göstergesidir. Ataletinin bir sonucu olarak bu gösterge seti eğilimli piyasa sırasında fiyat hareketinin

Detaylı

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması 2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması Mahmut YARDIMCIOĞLU Özet Genel anlamda krizler ekonominin olağan bir parçası haline gelmiştir. Sıklıkla görülen bu krizlerin istatistiksel

Detaylı