MONTE CARLO BENZETİMİ

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "MONTE CARLO BENZETİMİ"

Transkript

1 MONTE CARLO BENZETİMİ U(0,) rassal değişkeler kullaılarak (zamaı öemli bir rolü olmadığı) stokastik ya da determiistik problemleri çözümüde kullaıla bir tekiktir. Mote Carlo simülasyou, geellikle statik simülasyo modelleride kullaılır. Bazı yazarlar Mote Carlo simülasyouu, rassal sayı kullaımıı içere bir simülasyo olarak taımlamaktadırlar. Burada kullaıla taım ise daha kısıtlıdır. Yai, zamaı öemli bir rolüü olmadığı stokastik ve determiistik problemler içi kullaıla bir simülasyo tekiğidir. Mote Carlo metodu ilk defa II. Düya Savaşı sırasıda atom bombasıı geliştirilmesi ile ilgili problemlere uygulamıştır. b = ÖRNEK: I g( x ) dx itegralii çözmek istiyoruz. a g(x) foksiyou, aalitik çözümü olmaya bir foksiyo olsu Bu determiistik problemi, Mote Carlo Bezetimi ile çözümüü iceleyelim. Yei bir rassal değişke olarak Y taımlası. Y = ( b a) g( X ) a X b X, [a,b] aralığıda düzgü dağılıma sahip bir rassal değişkedir. Araıla itegrali değeri, Y i beklee değerie eşit çıktı. Burada yararlaarak bezetimi ile buluabilir. E( Y ) = Y = b a g ( x ) dx i değeri Mote Carlo Yi = ( b a) i= i= g( X X, X,..., 2 X ~ U ( a, ) rassal değişkeler. b i)

2 ÖRNEK: π sayısıı buluması ÖRNEK: Kearları birim uzulukta ola bir kare düşüüüz. Bu kare içide rassal seçile A ve B oktaları olsu. A ve B arası d uzuluğudadır. d i 0.8 de küçük olma olasılığı edir? Mote Carlo tekiğiyle rassal olarak 000 adet A ve B oktaları üreterek d i 0.8 de küçük olma olasılığıı buluuz. Kullaacağıız yaklaşımı açıklayarak, akış şemasıı çiziiz.

3 ÖRNEK: ~ (0,) rassal değişkeler içi; U i N = mi : i= U i > N, toplamı i geçtiği rassal sayıları sayısıa eşittir. 000 adet deeme yaparak E(N) i hesaplaya algoritma; K=Deeme sayısı K Top=Geel toplam Ni i= E( N) = K N=toplamları i geçe rassal sayı sayacı

4 GENEL AMAÇLI DİLLER- BENZETİM DİLLERİ Bir bezetim çalışmasıda verilmesi gereke kararlarda birisi, uygu programlama dilii seçilmesidir. BENZETİM DİLİ AVANTAJLARI: Programlama zamaı azalır. Modeli programlamasıda gerekli özellikleri birçoğu bezetim dilide mevcuttur. Değiştirilmesi kolaydır. Programlama hatasıı bulmak kolaydır. Bu programlarda hata türleri belirlemiş ve kodlamıştır. Çoğu bezetim dili, programı çalışması sırasıda diamik depolama özelliğie sahiptir. Bu durum, özellikle büyük boyutlu problemleri çalıştırılmasıda öemlidir. BENZETİM YAZILIMLARININ SINIFLANDIRILMASI Bezetim yazılımları; diller (laguages) ve bezeticiler (simulator) olmak üzere iki ayrı sııfa ayrılır. DİLLER: Çeşitli uygulamalar içi gerekli kodlama özelliklerie sahip olabile, geel bir bilgisayar paketidir. Öreği; SIMAN ve SLAM II, koveyörler ve otomatik yöledirile araçlar içi üretim modüllerie sahiptir. Bir bezetim modelii programlamasıda, kullaıla dili modelleme yapısı kullaılır. Bezetim dillerii e öemli özelliği; değişik tipteki sistemleri modelleme kabiliyetie sahip olmalarıdır. E büyük dezavatajı ise programlamayı yapabilecek bilgiye sahip olumasıı gerektirmesi ve karmaşık sistemleri modellemeside kodlamaı ve programı doğruluğuu belirlemesii uzu zama almasıdır. Diğer tarafta, birçok bezetim modeli GENEL AMAÇLI DİLLER ile yazılır. AVANTAJLARI; Birçok aalist, geel amaçlı dilleri bilmektedir. Acak bu, bezetim dilleri içi geçerli değildir. FORTRAN veya BASIC, heme her bilgisayarda buluabilir. Acak, bezetim dilie erişim bu kadar kolay değildir. Dilii kullaılacağı bilgisayara göre (maiframe, micro computer) kodlamada düzeltmeler yapmak gerekebilir. Öreği, GPSS. Geel amaçlı dillerle çok iyi yazılmış bir programı çalışma zamaı, bezetim dili kullaılarak yazılmış programı çalışma zamaıda daha az olabilir. Acak, güümüzde bilgisayar tekolojisideki hızlı gelişimde dolayı bu faktörü öemi azalmıştır. Geel amaçlı diller, bezetim dillerie azara programlamada büyük eseklik sağlar. Öreği, karmaşık hesaplamalar içi bezetim dilleri uygu değildir. BENZETİCİLER: Belirli sistemleri bezetime ala bir bilgisayar paketidir. Kullaıldığıda, modeli kodlamasıa gerek kalmayabilir ya da çok az ihtiyaç duyulur. Üretim, bilgisayara ve haberleşme sistemlerii belirli tipleri içi piyasada çeşitli bezeticiler vardır. Bir sistemi bezetimi meüler ve grafikler yardımı ile gerçekleştirilir. Avatajları: Modeli kodlama zamaı, dile göre çok azdır. Çoğu bezetici kullaıldıkları sistemlerle ilgili özel modelleme yapısıa sahiptir. Bu özellik, programlama bilgisie sahip olmaya kişiler içi tercih sebebi olmaktadır. Dezavatajı: o Belirli sistemler içi geliştirildikleride dolayı kullaımları kısıtlıdır.

5 BAZI BENZETİM DİLLERİ GPSS: Geeral Purpose Simulatio System SIMAN: SIMulatio ANalysis (Pegde ve arkadaşları,990) Ciema; SIMAN ı tüm özelliklerie sahip bir dildir. Ayı zamada aimasyo özelliği vardır. SIMSCRIPT II.5 SLAM II: Simulatio Laguage for Alterative Modellig ( Pegde ve Pritsker, 979) BİR YAZILIMDAN NELER BEKLENİR? Bir bezetim paketide isteile özellikler 5 grupta toplaabilir.. Geel Özellikler: Eseklik Model gelişimii kolaylığı Hız İzi verile model geişliği; micro bilgisayarlar kullaıldığıda öem kazamaktadır. Bazı paketler içi maksimum model geişliği 00 KB da küçüktür. Farklı bilgisayarlarda kullaılabilirlik Kesikli ve sürekli bezetim içi kullaılabilirlik Üretim Uygulamaları içi Geliştirilmiş Bazı Bezeticiler: AutoMod II ProModel SIMFACTORY II.5 WITNESS XCELL+ Bilgisayar Sistemleri NETWORK II.5 CACI COMNET II.5 2. Aimasyo: Bir simülasyo modelii popülaritesii artmasıdaki öemli sebeplerde birisi aimasyo kullaımıı kolay olmasıdır. Aimasyo ile, bir sistemi zama içideki değişimi grafiksel olarak görülebilir. Avatajları: Bir bezetim programıı doğruluğuu kotrol edilebilir, Bezetim modelii geçerli olmadığıı gösterilebilir, Sistem içi yei prosedürleri öerilebilir, Sistemi diamik tavrıı alaşılabilir. Dezavatajları: o Aimasyo, bezetim çıktısıı istatistiksel aalizii yerii alamaz. o Kısa bir zama aimasyoa bakarak, sistemi çok iyi taımladığı soucua varılamaz. o Bir bezetim modelii modelleme zamaıı artırır ve aimasyo özelliğie sahip bezetim paketleri pahalıdır.

6 3. İstatistiksel Kabiliyetler: Gerçek sistemler rassal özelliklere sahip olduğuda, bu sistemleri bezetime tabi tutulduğu bir bezetim paketi de gerekli istatistiksel özelliklere sahip olmalıdır. Öreği; stadart dağılımlar pakette bulumalıdır. Modeli otomatik olarak bağımsız tekrarlamaları, farklı başlagıç değerleri kullaarak yapılabilmelidir. 4.Müşterii Desteklemesi: Paketi kullaımıda ortaya çıka problemlerde, satıcı firmaı kullaıcıya gerekli yardımı yapmasıdır. 5.Çıktı Raporları: Paket, modeli performas ölçütleri ile ilgili istatistikleri (doluluk oraı, kuyruk geişliği, bekleme ve çıktı gibi) içi stadart raporları kullaıcıya verebilmelidir.

MONTE CARLO BENZETİMİ

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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

Detaylı

Tek Bir Sistem için Çıktı Analizi

Tek Bir Sistem için Çıktı Analizi Tek Bir Sistem içi Çıktı Aalizi Bezetim ile üretile verile icelemesie Çıktı Aalizi deir. Çıktı Aalizi, bir sistemi performasıı tahmi etmek veya iki veya daha fazla alteratif sistem tasarımıı karşılaştırmaktır.

Detaylı

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

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

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz

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

Detaylı

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)

Detaylı

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 ..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2 LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık

Detaylı

Benzetim 13. Ders. Benzetim Paketleri ve Promodel e Giriş

Benzetim 13. Ders. Benzetim Paketleri ve Promodel e Giriş Benzetim 13. Ders Benzetim Paketleri ve Promodel e Giriş BENZETİM PAKETİNDEN BEKLENEN ÖZELLİKLERİ Genel Özellikler: Modelleme esnekliği (bir modelin değişik parametrelerle yenilenebilmesi), Yeni model

Detaylı

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı 5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler... İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı

Detaylı

SİSTEM SİMÜLASYONU BENZETIM 1 SİMÜLASYON MODEL TÜRLERİ 1. STATİK VEYA DİNAMİK. Simülasyon Modelleri

SİSTEM SİMÜLASYONU BENZETIM 1 SİMÜLASYON MODEL TÜRLERİ 1. STATİK VEYA DİNAMİK. Simülasyon Modelleri SİSTEM SİMÜLASYONU SİMÜLASYON MODELİ TÜRLERİ BİR SİMÜLASYON ÇALIŞMASINDA İZLENECEK ADIMLAR ve SİMÜLASYON MODEL TÜRLERİ Simülasyon Modelleri Üç ana grupta toplanabilir; 1. Statik (Static) veya Dinamik (Dynamic),

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6. Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit

Detaylı

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ 5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii

Detaylı

ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ

ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 4, Sayı, 3 97 ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ Yalçı KARAGÖZ Cumhuriyet Üiversitesi

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık

Detaylı

İSTATİSTİK TAHMİN TEORİSİ

İSTATİSTİK TAHMİN TEORİSİ İSTATİSTİK TAHMİN TEORİSİ Yrd. Doç. Dr. Bület İ. GONCALOĞLU Geellikle iki tür tahmide yararlaılmakta Nokta tahmii (Tek değer tahmii) Aa kitle parametreleri bilimediği hallerde öreklerde elde edilmiş değerlerde

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

İstatistik Nedir? Sistem-Model Kavramı

İstatistik Nedir? Sistem-Model Kavramı İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+... MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız

Detaylı

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme SAYISAL ÇÖZÜMLEME Saısal Çözümleme SAYISAL ÇÖZÜMLEME 8. Hafta İNTERPOLASYON Saısal Çözümleme 2 İÇİNDEKİLER Ara Değer Hesabı İterpolaso Doğrusal Ara Değer Hesabı MATLAB ta İterpolaso Komutuu Kullaımı Lagrace

Detaylı

Yrd.Doç. Dr. Mustafa Akkol

Yrd.Doç. Dr. Mustafa Akkol komşuluğu: Taım: ; isteildiği kadar küçük seçilebile poziti bir sayı olmak üzere a a açık aralığıa a R sayısıı komşuluğu deir Örek : Taım: a a a a ve 0 00 olsu ' i 0 00 0 00 999 00 : Z R bir dizi deir

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. Ders. Bazı Kesikli Olasılık Dağılımları Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.

Detaylı

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X

Detaylı

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi 3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada

Detaylı

DENEYĐN AMACI: Bu deneyin amacı MOS elemanların temel özelliklerini, n ve p kanallı elemanların temel uygulamalarını öğretmektir.

DENEYĐN AMACI: Bu deneyin amacı MOS elemanların temel özelliklerini, n ve p kanallı elemanların temel uygulamalarını öğretmektir. DENEY NO: 7 MOSFET ÖLÇÜMÜ ve UYGULAMALARI DENEYĐN AMACI: Bu deeyi amacı MOS elemaları temel özelliklerii, ve p kaallı elemaları temel uygulamalarıı öğretmektir. DENEY MALZEMELERĐ Bu deeyde 4007 MOS paketi

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

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

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

Detaylı

DENEY 4 Birinci Dereceden Sistem

DENEY 4 Birinci Dereceden Sistem DENEY 4 Birici Derecede Sistem DENEYİN AMACI. Birici derecede sistemi geçici tepkesii icelemek.. Birici derecede sistemi karakteristiklerii icelemek. 3. Birici derecede sistemi zama sabitii ve kararlı-durum

Detaylı

SİSTEMİN PERFORMANS ÖLÇÜTLERİ

SİSTEMİN PERFORMANS ÖLÇÜTLERİ SİSTEMİN PERFORMANS ÖLÇÜTLERİ Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( Belirli ) & Stokastik ( Olasılıklı) Kesikli & Sürekli Statik Monte Carlo Benzetimi İLHAN AYDIN BENZETİM

Detaylı

ASTROİSTATİSTİK 4. KONU

ASTROİSTATİSTİK 4. KONU ASTROİSTATİSTİK 4. KONU Hazırlaya: Doç. Dr. Tolgaha KILIÇOĞLU 4. VERİLERİN YAYILIMININ BELİRLENMESİ Bir veri taımlaırke orta değer (ortalama, medya veya mod) verilmesii yaıda verileri yayılımıa (saçılmasıa)

Detaylı

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül BİR ÇUBUĞUN MODAL ANALİZİ A.Saide Sarıgül DENEYİN AMACI: Akastre bir çubuğu modal parametrelerii (doğal frekas, titreşim biçimi, iç söümü) elde edilmesi. TANIMLAMALAR: Modal aaliz: Titreşe bir sistemi

Detaylı

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin 4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii

Detaylı

SİSTEMLERİN ZAMAN CEVABI

SİSTEMLERİN ZAMAN CEVABI DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MM306 SİSTEM DİNAMİĞİ SİSTEMLERİN ZAMAN CEVABI Kutuplar, Sıfırlar ve Zama Cevabı Kavramı Birici Mertebede Sistemleri Zama Cevabı İkici

Detaylı

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

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

Detaylı

AKT202 MATEMATİKSEL İSTATİSTİK II ÖDEV 2 ÇÖZÜMLERİ. için gerekli en küçük örneklem büyüklüğünü Neyman-Pearson teoremi yardımıyla saptayınız.

AKT202 MATEMATİKSEL İSTATİSTİK II ÖDEV 2 ÇÖZÜMLERİ. için gerekli en küçük örneklem büyüklüğünü Neyman-Pearson teoremi yardımıyla saptayınız. AKT0 MATEMATİKSEL İSTATİSTİK II ÖDEV ÇÖZÜMLERİ 1. σ = 4 varyası ile ormal dağılıma sahip bir kitlede büyüklüğüde bir rasgele öreklem seçilsi. H 0 : μ = 14 ve H s : μ = 16 hipotezleri içi 1. tür hata α

Detaylı

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER Bölüm 5 Olasılık ve Olasılık Dağılışlaı Doç.D. Suat ŞAHİNLE Olasılık ve Olasılık Dağılışlaı Olasılık: Eşit saşla meydaa gele tae olayda A taesi A olayı olsu. Bu duumda A olayıı meydaa gelme olasılığı;

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki

Detaylı

TÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi

Detaylı

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI Uludağ Üiversitesi ühedislik-imarlık Fakültesi Dergisi, Cilt 3, Sayı, 008 YENĐ BĐR ADAPĐF FĐLRELEE YÖNEĐ: HĐBRĐD GS-NLS ALGORĐASI Sedat ĐRYAKĐ * eti HAUN ** Osma Hilmi KOÇAL ** Özet: Bu makalede, adaptif

Detaylı

SİSTEM SİMÜLASYONU

SİSTEM SİMÜLASYONU 1106104 SİSTEM SİMÜLASYONU Yrd Doç. Dr. Sırma Yavuz Çarşamba 13:00-15:30 (F-19) Ofis: B Blok - Kat 4 Donanım Lab. Ofis Saatleri : Çarşamba 16:00-17:00 Ders İçeriği Simülasyona Giriş: Simülasyonun avantaj

Detaylı

EME 3105 SISTEM SIMÜLASYONU

EME 3105 SISTEM SIMÜLASYONU 1 EME 3105 SISTEM SIMÜLASYONU ARENA ya Giriş Lab-1 Dr.Beyazıt Ocaktan Giriş 2 Bu derste ARENA ortamında modelleme yeteneklerini genel olarak tanıtmak için basit bir model sunulacaktır. Simulasyon Dilleri

Detaylı

KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ

KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ M. Turha ÇOBAN Ege Üiversitesi, Mühedislik Fakultesi, Makie Mühedisliği Bölümü, Borova, İZMİR Turha.coba@ege.edu.tr Özet: Kimyasal degei

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

SU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle

SU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle SU KYNKLRI EKONOMİSİ TEMEL KVRMLRI Su kayakları geliştirmesii plalamasıda çeşitli alteratif projeleri ekoomik yöde birbirleriyle karşılaştırılmaları esastır. Mühedis öerdiği projei tekik yöde tutarlı olduğu

Detaylı

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

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

Detaylı

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük

Detaylı

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı Veri edir? p Veri edir? Geometrik bir bakış açısı p Bezerlik Olasılıksal bir bakış açısı p Yoğuluk p Veri kalitesi p Veri öişleme Birleştirme Öreklem Veri küçültme p Temel bileşe aalizi (Pricipal Compoet

Detaylı

GAZİ ÜNİVERSİTESİ MÜHENDİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ. KM 482 Kimya Mühendisliği Laboratuarı III

GAZİ ÜNİVERSİTESİ MÜHENDİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ. KM 482 Kimya Mühendisliği Laboratuarı III GAZİ ÜNİVERSİTESİ MÜHENİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENİSLİĞİ BÖLÜMÜ KM 482 Kimya Mühedisliği Laboratuarı III eey No : 2-a eeyi adı : Kesikli istilasyo eeyi amacı : a) Kolodaki basıç kaybıı belirlemek,

Detaylı

Kontrol Sistemleri Tasarımı

Kontrol Sistemleri Tasarımı Kotrol Sistemleri Tasarımı Frekas Yaıtı Prof. Dr. Bület E. Plati 3 Ağustos 0 Eylül 06 Taım Kararlı bir sistemi siüs girdisie sürekli rejim yaıtı Bu taımda 3 temel boyut bulumaktadır:. Kararlı bir sistem

Detaylı

TOPOLOJİK TEMEL KAVRAMLAR

TOPOLOJİK TEMEL KAVRAMLAR TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.

Detaylı

5. BORULARDAKİ VİSKOZ (SÜRTÜNMELİ) AKIM

5. BORULARDAKİ VİSKOZ (SÜRTÜNMELİ) AKIM 5. ORURKİ İSKOZ (SÜRTÜNMEİ) KIM 5.0. oru Sistemleri Çözüm Yötemleri oru sistemleriyle ilgili problemleri çözümüde tip çözüm yötemi vardır. ular I. Tip, II. Tip ve III. Tip çözüm yötemleridir. u çözüm yötemleride

Detaylı

MAK312 ÖLÇME ve DEĞERLENDİRME OTOMATİK KONTROL LABORATUARI 1. Elektriksel Ölçümler ve İşlemsel Kuvvetlendiriciler

MAK312 ÖLÇME ve DEĞERLENDİRME OTOMATİK KONTROL LABORATUARI 1. Elektriksel Ölçümler ve İşlemsel Kuvvetlendiriciler MAK32 ÖLÇME ve DEĞELENDİME OTOMATİK KONTOL LABOATUAI Elektriksel Ölçümler ve İşlemsel Kuvvetlediriciler AMAÇLA:. Multimetre ile direç, gerilim ve akım ölçümleri, 2. Direç ölçümüde belirsizlik aalizii yapılması

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI VE FONKSİYON BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı

Detaylı

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1 Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault

Detaylı

Analiz II Çalışma Soruları-2

Analiz II Çalışma Soruları-2 Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II

Detaylı

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük

Detaylı

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz. YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp

Detaylı

6. BÖLÜM VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR UZAYLARI -BOYUTLU (ÖKLİT) UZAYI Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a, a,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

İNTERNET SERVİS SAĞLAYICILIĞI HİZMETİ SUNAN İŞLETMECİLERE İLİŞKİN HİZMET KALİTESİ TEBLİĞİ BİRİNCİ BÖLÜM

İNTERNET SERVİS SAĞLAYICILIĞI HİZMETİ SUNAN İŞLETMECİLERE İLİŞKİN HİZMET KALİTESİ TEBLİĞİ BİRİNCİ BÖLÜM 17 Şubat 01 CUMA Resmî Gazete Sayı : 807 TEBLİĞ Bilgi Tekolojileri ve İletişim Kurumuda: İNTERNET SERVİS SAĞLAYICILIĞI HİZMETİ SUNAN İŞLETMECİLERE İLİŞKİN HİZMET KALİTESİ TEBLİĞİ BİRİNCİ BÖLÜM Amaç, Kapsam,

Detaylı

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

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

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER

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

Detaylı

Yrd.Doç.Dr..Ceyda ŞEN-Üretimde Simülasyon ve Uygulamaları 1

Yrd.Doç.Dr..Ceyda ŞEN-Üretimde Simülasyon ve Uygulamaları 1 Simülasyonun Temelleri DERS : SİMÜLASYONUN TEMELLERİ VE SİMÜLASYONDA BİLGİSAYAR KULLANIMI Bölüm : Simülasyon Model Çeşitleri, Simülasyon Modelleme Süreci Girdiler: Karar değişkenleri Simülasyon Modeli

Detaylı

FİBER BRAGG IZGARA TABANLI OPTİK SENSÖRÜN ANALİZİ

FİBER BRAGG IZGARA TABANLI OPTİK SENSÖRÜN ANALİZİ FİER RAGG IZGARA TAANLI OPTİK SENSÖRÜN ANALİZİ Lale KARAMAN 1 N. Özlem ÜNVERDİ Elektroik ve Haberleşme Mühedisliği ölümü Elektrik-Elektroik Fakültesi Yıldız Tekik Üiversitesi, 34349, eşiktaş, İstabul 1

Detaylı

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN ÖRNEKLEME YAPILIR? İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek

Detaylı

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri =2. Kısmı Başı= 14. Kümeleri Niceliklerii Kıyaslaışı ve Sosuzluğu Mertebeleri Sosuz kümeleri iceliklerii kıyaslamak içi, öğe sayısı yaklaşımı yetersizdir. Farklı bir yaklaşım gereklidir. İki küme A, B

Detaylı

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler

Detaylı

ON THE TRANSFORMATION OF THE GPS RESULTS

ON THE TRANSFORMATION OF THE GPS RESULTS Niğde Üiversitesi Mühedislik Bilimleri Dergisi, Cilt 6 Sayı -, (00), 7- GPS SONUÇLARININ DÖNÜŞÜMÜ ÜZERİNE BİR İNCELEME Meti SOYCAN* Yıldız Tekik Üiversitesi, İşaat Fakültesi, Jeodezi Ve Fotogrametri Mühedisliği

Detaylı

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası) 4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması Örekte ele eile

Detaylı

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R İ H S A N T İ M U Ç İ N D O L A P C İ, Y İ Ğ İ T A K S O Y M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R P U B L I S H E R O F T H I S B O O K Copyright 13 İHSAN TİMUÇİN DOLAPCİ, YİĞİT AKSOY

Detaylı

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon 6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı 6..3. Biom Dağılışı 6..4. Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) 6..5. Geometrik

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.tekolojikarastirmalar.com ISSN:34-44 Makie Tekolojileri Elektroik Dergisi 7 () 35-4 TEKNOLOJĐK ARAŞTIRMALAR Makale Polivili Klorür (Pvc) Malzemeleri Sıcaklığa Bağlı Titreşim Özelliklerii Đcelemesi

Detaylı

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

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

Detaylı

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir.

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir. 2. DOĞRUSAL PROGRAMLAMA (DP) 2.1. DP i Taımı ve Bazı Temel Kavramlar Model: Bir sistemi değişe koşullar altıdaki davraışlarıı icelemek, kotrol etmek ve geleceği hakkıda varsayımlarda bulumak amacı ile

Detaylı

Nümerik Analiz. Bilgisayar Destekli. Ders notları 2014. PROGRAMLAR: Doğrusal denklem sistemi Çözücüler

Nümerik Analiz. Bilgisayar Destekli. Ders notları 2014. PROGRAMLAR: Doğrusal denklem sistemi Çözücüler ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ Mühedilik Mimarlık Fakültei İşaat Mühediliği Bölümü E-Pota: ogu.ahmet.topcu@gmail.com We: http://mmf.ogu.edu.tr/atopcu Bilgiayar Detekli Nümerik Aaliz Der otları 014 Ahmet

Detaylı

DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA

DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA Filiz KARDİYEN (*) Özet: Portföy seçim problemi içi klasik bir yaklaşım ola karesel programlama yötemi,

Detaylı

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ

Detaylı

Öğrenci Numarası İmzası: Not Adı ve Soyadı

Öğrenci Numarası İmzası: Not Adı ve Soyadı Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar

Detaylı

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla Foksiyolarda Limit Foksiyolarda it: Bu bölümde y f ( ) foksiyou ve sayısı verildiğide, bağımsız değişkei sayısıa (solda veya sağda) yaklaşırke ya da sosuza yaklaşırke, foksiyou da bir L sayısıa (veya ya

Detaylı

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir BÖLÜM 1: VEKTÖRLER Vektörleri taımlamak içi iki yol vardır: uzayda oktalara karşılık gele bir koordiat sistemideki oktalar veya büyüklük ve yöü ola eseler. Bu kısımda, ede iki vektör taımıı buluduğu açıklaacak

Detaylı

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ Öğreme Etkili Hazırlık ve Taşıma Zamalı Paralel Makieli Çizelgeleme Problemi HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2006 CİLT 2 SAYI 4 (67-72) ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL

Detaylı

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 1 3 5} { 2 4 6} OLASILIK HESABI OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {

Detaylı

Mekânsal Karar Problemleri İçin Coğrafi Bilgi Sistemleri ve Çok Ölçütlü Karar Analizinin Bütünleştirilmesi: TOPSIS Yöntemi

Mekânsal Karar Problemleri İçin Coğrafi Bilgi Sistemleri ve Çok Ölçütlü Karar Analizinin Bütünleştirilmesi: TOPSIS Yöntemi Mekâsal Karar Problemleri İçi Coğrafi Bilgi Sistemleri ve Çok Ölçütlü Karar Aalizii Bütüleştirilmesi: TOPSIS Yötemi Derya Öztürk Odokuz Mayıs Üiversitesi Harita Mühedisliği Bölümü, 55139 Samsu. dozturk@omu.edu.tr

Detaylı

2.2. Fonksiyon Serileri

2.2. Fonksiyon Serileri 2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m

Detaylı

Depolamanın imalatçı tarafından yapıldığı doğrudan sevkiyat. Depolama imalatçı, sevkiyat sırasında birleştirme

Depolamanın imalatçı tarafından yapıldığı doğrudan sevkiyat. Depolama imalatçı, sevkiyat sırasında birleştirme Dağıtım Ağı Tasarımı Seçimi Uygu ağ seçimide ürü karakteristiklerii yaısıra dağıtım ağıı güçllü ve zayıf yöleri de göz öüüe alımalıdır. Geçe hafta ele aldığımız tasarımları hem güçlü hem de zayıf yöleride

Detaylı