YAPI İŞLETMESİ VE ŞANTİYE TEKNİĞİ 11 MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "YAPI İŞLETMESİ VE ŞANTİYE TEKNİĞİ 11 MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI"

Transkript

1 MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI Simülasyon gerçek yaşamı taklit etme sürecidir. Simülasyon Çeşitleri Fiziksel simülasyon Bilgisayarlı simülasyon Bilgisayarlı simülasyon kullanım nedenleri Problemlerin/ sistemlerin karmaşık olması Sistemin bileşenleri arasındaki raslantısallık Simülasyonun ile problem/sistem analizinin yararları Kullanımın kolay, açık, güvenli, ve ucuz olması Farklı senaryolara gore sonuçların irdelenmesi Simülasyonun ile problem sistemin analizine ilişkin sınırlamalar Optimum çözüme ilişkin sonuç vermemesi Zaman alıcı olması Simülasyon ve raslantısallık ilkesi Sistemin girdileri ve raslantısallık Sistemin çıktıları ve raslantısallık Raslantısal sayı Raslantısal sayı 0 ile 1 arasında değişir Raslantısal Sayıların Üretilmesi Ticari Yazılımlar Mathlab, Ecel, Simul 8 ve Matcad Bireysel Yazılan Algoritmalar Visual Basic, Pascal, Fortran 1

2 Olasılık Dağılımları 1. Parçalı Olasılık Dağılımı pmd p() p() = P(X = ), P() 2

3 1.1 Binom Olasılık Dağılımı (BOD) n n P( X ) p (1 p), 0,1, 2,..., n n = deneme sayısı, p = gerçekleşme olasılığı X = n deneme sonunda gerçekleşme sayısı 1.2 Poisson Olasılık Dağılımı (POD) e P( X ),! 0,1, 2,... = ortalama gerçekleşme olasılığı, e = X = gerçekleşme sayısı 2. Sürekli Olasılık Dağılımları pdf p() P() P(a X b) f() a b 3

4 2.1 Uniform Olasılık Dağılımı (UOD) L: Alt sınır U: Üst sınır R: Raslantısal sayı RV: Raslantısal Değişken P() L U RV = R*(U-L) +L Örnek A noktasından B noktasına yürümek en az 10 dakika ve en fazla 15 dakika sürüyor. Bu süreci 10 defa simüle ediniz. Raslantısal Sayı (R) Raslantısal Değişken (RV)

5 2.2 Üçgensel Olasılık Dağılım (ÜOD) L: Alt sınır H: Üst sınır M: Mod değeri R: Raslantısal sayı RV: Raslantısal değişken P() L Mod Değeri U Raslantısal değişkenin, (RV), değerinin hesaplanmasında raslantısal sayının (R) değerine bağlı olarak iki farklı formül kullanılır. (Mod - L) Eğer, R ise (H - L) RV L (Mod - L) (H - L) R (Mod - L) Eğer, R ise (H - L) RV H (H - Mod) (H - L) ( 1 - R) Örnek 2. Bir kapının montajı genellikle 20 dakika sürüyor fakat 15 dakikada veya 30 dakikada montajının yapıldığı da oluyor. Bu montaj sürecini 10 defa simüle ediniz. Raslantısal Sayı (R) Raslantısal Değişken (RV)

6 2.3 Normal Olasılık Dağılımı (NOD) : Ortalama : Standard sapma R: Raslantısal sayı RV: Raslantısal değişken f ( ) e 2 2 ( ) / 2, Normal dağılım, olasılık dağılımları içerisinde en önemli bir yere sahiptir. P() RV 2log R *( COS2 R)* Örnek: 10m2 lik bir duvarın sıvanması 10 dakikalık sapma ile 60 dakikada tamamlanıyor. 6

7 2.4 Eksponansiyel Olasılık Dağılım (EOD) : Ortalama R: Raslantısal sayı RV: Raslantısal değişken f ( ) 1 e P() X RV = - * log R Örnek: Bir buldozerin bozulması 100 saatlik bir ortalama ile eksponansiyel dağılımı sahiptir. 7

8 Örnek 1: Aşağıda şebeke diyagramı verine inşaat projesinin 45gün içerisinde tamamlanma olasılığını Monte Carlo simülasyonu analizini kullanarak bulunuz? Eylem C Eylem D UOD (18,22) UOF (10,15) Eylem E UOD (10,12) 5 Eylem A UOD (8,9) Eylem B UOD (10,12) 2 a) Projede yer alan eylemlerin 10 defa simüle edilmesi ile projenin süre analizi SİMÜLASYON A B C D E PROJE SÜRESİ SAYISI UOD (8,9) UOD (10,12) UOF(18,22) UOD (10,15) UOD (10,12) ORTLAMA PROJE SÜRESİ: STANDART SAPMA: P() =1.697 Z = /1.697 =

9 Projenin 45 gün içerisinde tamamlanma olasılığı = %69 b) Projende yer alan eylemlerin 500 defa simüle edilmesi ile projenin süre analizi Projeye ait ortalama süre, Projeye ait standart sapma, Maksimum Proje süresi Minimum Proje süresi Projenin İstenen Tamamlanma Süresi 45 Projenin İstenen Sürede Tamamlanma Olasılığı 74.61% Frekans Aralığı Gözlem Sayısı (n) Toplam Ğözlem Sayısı (n) Gözlem Sayısı (%) Toplam Gözlem Sayısı (%) 30~ ~ % 0.60% 42~ % 18.60% 44~ % 50.40% 46~ % 86.60% 47~ % 97.60% 48~ % 99.60% 49~ % % Toplam= 500 Toplam = 100% n= 500 9

10 ~40 40~42 42~44 44~46 46~47 47~48 48~49 49~ % 99.60% % % % % 0.60% 18.60% 30~40 40~42 42~44 44~46 46~47 47~48 48~49 49~50 10

11 11

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

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

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.

Detaylı

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

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

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat

Detaylı

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

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

Detaylı

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

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

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

Detaylı

ELEKTRİK PİYASASI YAN HİZMET PERFORMANS TESTLERİ. Ahmet Kürşad Çanakçı SGS Türkiye Endüstri Grup Müdürü 25 Nisan 2012

ELEKTRİK PİYASASI YAN HİZMET PERFORMANS TESTLERİ. Ahmet Kürşad Çanakçı SGS Türkiye Endüstri Grup Müdürü 25 Nisan 2012 ELEKTRİK PİYASASI YAN HİZMET PERFORMANS TESTLERİ Ahmet Kürşad Çanakçı SGS Türkiye Endüstri Grup Müdürü 25 Nisan 2012 Ajanda Yan Hizmetlerin Mevzuat Altyapısı Yan Hizmet Performans Testlerine Genel Bakış

Detaylı

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.

Detaylı

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen

Detaylı

IE 303 SİSTEM BENZETİMİ

IE 303 SİSTEM BENZETİMİ IE 303 SİSTEM BENZETİMİ DERS 2 : S I M U L A S Y O N Ö R N E K L E R I...making simulations of what you're going to build is tremendously useful if you can get feedback from them that will tell you where

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Simülasyonda İstatiksel Modeller

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

Detaylı

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var :

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var : Rasgele Sayı Üretme Rasgele Sayıların Özellikleri İki önemli istaiksel özelliği var : Düzgünlük (Uniformity) Bağımsızlık R i, rasgele sayısı olasılık yoğunluk fonksiyonu aşağıdaki gibi olan uniform bir

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI Yrd. Doç.Dr. İrfan Yolcubal Kocaeli Üni. Jeoloji Müh. Random Değişken: Nümerik olarak ifade edilen bir deneyin sonuçları Süreksiz(Discrete) Random Değişken: Randomdeğişken

Detaylı

YAPIM YÖNETİMİ 10 = 6 = 6 TEI

YAPIM YÖNETİMİ 10 = 6 = 6 TEI Performans Değerlendirme ve Gözden Geçirme Tekniği - PERT 1. Performans Değerlendirme ve Gözden Geçirme Tekniği (PERT) projelerinin planlaması, eylemlerin ve proje sürelerinin tahmini için olasılık kavramlarının

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

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

RÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK

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

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME

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

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

Konu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi

Konu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi Proje Yönetimi ölüm : Proje eğerlendirme ve özden eçirme Tekniği (PRT) Konu PRT Proje Planlamasında Olasılıksal Yaklaşım Üç zamanlı tahmin yaklaşımı a : aaliyetin iyimser gerçekleşme süresi m : aaliyetin

Detaylı

Rasgele Sayıların Özellikleri

Rasgele Sayıların Özellikleri Rasgele Sayı Üretme Rasgele Sayıların Özellikleri İki önemli istaiksel özelliği var : Düzgünlük (Uniformity) Bağımsızlık R i, rasgele sayısı olasılık yoğunluk fonksiyonu aşağıdaki gibi olan uniform bir

Detaylı

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

IE 303T Sistem Benzetimi

IE 303T Sistem Benzetimi IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı

Detaylı

MONTE CARLO BENZETİMİNİN BİR KARAR PROBLEMİNE UYGULANMASI

MONTE CARLO BENZETİMİNİN BİR KARAR PROBLEMİNE UYGULANMASI PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 2001 : 7 : 1 : 145-149

Detaylı

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri

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

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3616

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3616 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: SİSTEM SİMÜLASYONU Dersin Orjinal Adı: SİSTEM SİMÜLASYONU Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 366

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

BİLGİSAYAR DESTEKLİ PROJE PLANLAMASI VE PROGRAMLAMASI DERSÝ Proje Planlama ve Programlama Teknikleri

BİLGİSAYAR DESTEKLİ PROJE PLANLAMASI VE PROGRAMLAMASI DERSÝ Proje Planlama ve Programlama Teknikleri Ý.T.Ü. FEN BİLİMLERİ ENSTİTÜSÜ * BİNA YAPIM YÖNETİMİ PROGRAMI BİLGİSAYAR DESTEKLİ PROJE PLANLAMASI VE PROGRAMLAMASI DERSÝ Proje Planlama ve Programlama Teknikleri Dr. Alaattin KANOÐLU BAHAR, 2001-02 02

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

AKT 418 Aktüeryal Sistem Benzetimi

AKT 418 Aktüeryal Sistem Benzetimi AKT 418 Aktüeryal Sistem Benzetimi Ders 1 Sistem, model, Monte Carlo simülasyonu Dr. Murat BÜYÜKYAZICI muratby@hacettepe.edu.tr Hacettepe Üniversitesi Aktüerya Bilimleri Bölümü Anlamlı bir söz! Sadece

Detaylı

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

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

İSTATİSTİK EXCEL UYGULAMA

İSTATİSTİK EXCEL UYGULAMA İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri

Detaylı

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

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

Detaylı

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 5 3. kişi için iki durum

Detaylı

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 = 5 3. kişi için iki durum

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

Rassal Değişken Üretimi

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

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi

Detaylı

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r OLASILIK ve İSTATİSTİĞE GİRİŞ Yrd. Doç. Dr. Hüsey n Dem r Yrd. Doç. Dr. Hüseyin Demir OLASILIK VE İSTATİSTİĞE GİRİŞ ISBN 978-605-318-470-6 DOI 10.14527/9786053184706 Kitap içeriğinin tüm sorumluluğu yazarlarına

Detaylı

Sistem Temel. Genel Fonksiyonlar. Sistemleri. Tam Adaptif Trafik Kontrol Sistemi ( j\iti'1)

Sistem Temel. Genel Fonksiyonlar. Sistemleri. Tam Adaptif Trafik Kontrol Sistemi ( j\iti'1) Tam Adaptif Trafik Kontrol Sistemi ( j\iti'1) Akıllı Trafik Ağı ve Adaptif Trafik Yönetim Sistemi, hızlı ve güvenli trafik akışını sağlar. /o95 doğruluk oranı ile ölçümler gerçekleştirerek uygun kavşak

Detaylı

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Giriş Modeller Uygulamalar Risk analizi Olası Analiz Simülasyon Yöntemi Envanter Simülasyonu Bekleme Hatları Avantajlar ve dezavantajlar Referanslar SUNUM

Detaylı

1. Süreç nedir? 2. Süreç nedir? 3. Temel süreç unsurları nelerdir? 4. Süreçler nasıl sınıflandırılabilir? Süreç tipleri nelerdir?

1. Süreç nedir? 2. Süreç nedir? 3. Temel süreç unsurları nelerdir? 4. Süreçler nasıl sınıflandırılabilir? Süreç tipleri nelerdir? 1. Süreç nedir? Girdileri çıktı haline getiren birbiriyle ilgili ve etkileşimli faaliyetler takımı dır. 2. Süreç nedir? Tanımlanabilirlik Tekrarlanır olması Ölçülebilirlik Bir sahibi ve sorumluları olması

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü Bölüm

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim

Detaylı

İŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ

İŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 İŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ Metin ÖNER Celal

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Türkiye Kömür Madenciliği Yatırımları için Bir Risk Analiz Modeli

Türkiye Kömür Madenciliği Yatırımları için Bir Risk Analiz Modeli Türkiye Kömür Madenciliği Yatırımları için Bir Risk Analiz Modeli A Risk Analysis Model for Coal Mining Investments in Turkey Neş'e ÇELEBİ * Tünay SEYRANTEPE ** ÖZET Bu yazıda, Türk Kömür Madenciliği koşullarına

Detaylı

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

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

Detaylı

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

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

Geçici ISO 9613-2 Standardının Detayları

Geçici ISO 9613-2 Standardının Detayları TR2009/0327.03-01/001 Technical Assistance for Implementation Capacity for the Environmental Noise Directive () Çevresel Gürültü Direktifinin Uygulama Kapasitesi için Teknik Yardım Projesi Geçici ISO 9613-2

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

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

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

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

Detaylı

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

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

Detaylı

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

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

Detaylı

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ SORU 1. ASMALI BAKKAL Asmalı Bakkal'ın sahibi Nuri Amca, bir hafta boyunca satacağı ekmeklere ilişkin olarak ekmek fırınına vereceği günlük sipariş miktarı için hafta başında karar vermek zorundadır. Bunun

Detaylı

Yazılım Çeşitleri. Uygulama Yazılımları. İşletim Sistemleri. Donanım

Yazılım Çeşitleri. Uygulama Yazılımları. İşletim Sistemleri. Donanım Yazılım Yazılım Bilgisayarlar üretildikleri anda içlerinde herhangi bir bilgi barındırmadıkları için bir işlevleri yoktur. Bilgisayarlara belirli yazılımlar yüklenerek işlem yapabilecek hale getirilirler.

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

TEMEL BİLGİSAYAR BİLİMLERİ. Programcılık, problem çözme ve algoritma oluşturma

TEMEL BİLGİSAYAR BİLİMLERİ. Programcılık, problem çözme ve algoritma oluşturma TEMEL BİLGİSAYAR BİLİMLERİ Programcılık, problem çözme ve algoritma oluşturma Programcılık, program çözme ve algoritma Program: Bilgisayara bir işlemi yaptırmak için yazılan komutlar dizisinin bütünü veya

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

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

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

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

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin

Detaylı

Algoritma ve Akış Diyagramları

Algoritma ve Akış Diyagramları Algoritma ve Akış Diyagramları Bir problemin çözümüne ulaşabilmek için izlenecek ardışık mantık ve işlem dizisine ALGORİTMA, algoritmanın çizimsel gösterimine ise AKIŞ DİYAGRAMI adı verilir 1 Akış diyagramları

Detaylı

CARRIER ve ENERJİ VERİML

CARRIER ve ENERJİ VERİML Carrier HAP e20 programı ile yapılan enerji simülasyonlarında yılın 8.760 saatlik hava verileri kullanılarak gerçek bir saatlik enerji analizi gerçekleştirilir. Program, bina ısı akışını hesaplamak için

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

İstatistik ve Olasılık

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

Detaylı

Genel Bakış. Dünyanın yalnızca 30 dakika boyunca aldığı güneş ışınımı, dünya üzerinde harcanan toplam yıllık enerjinin tamamını karşılayabilir.

Genel Bakış. Dünyanın yalnızca 30 dakika boyunca aldığı güneş ışınımı, dünya üzerinde harcanan toplam yıllık enerjinin tamamını karşılayabilir. Genel Bakış Dünyanın yalnızca 30 dakika boyunca aldığı güneş ışınımı, dünya üzerinde harcanan toplam yıllık enerjinin tamamını karşılayabilir. Giriş Fotovoltaik Güç Sistemleri Tasarımı kolay Kurulumu kolay

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Probability Density Function (PDF, Sürekli fonksiyon)

Probability Density Function (PDF, Sürekli fonksiyon) Varyans Bir serideki her elemanın ortalamadan farklarının karelerinin toplamının, serideki eleman sayısına bölümü ile elde edilir. Standart Sapma Varyansın kareköküdür. Eğer birçok veri ortalamaya yakın

Detaylı

Kuyruk Simulasyonu (Qeue Simulation)

Kuyruk Simulasyonu (Qeue Simulation) Kuyruk Simulasyonu (Qeue Simulation) Prof. Dr. E. Murat ESİN Argeritma Teknoloji Geliştirme ve Danışmanlık Hizmetleri San. ve Tic. Ltd. Şti. Sistem analizi çalışmalarında kuyruk simulasyonu özel bir yer

Detaylı

YÖNEYLEM ARAŞTIRMASI-II Hafta 14

YÖNEYLEM ARAŞTIRMASI-II Hafta 14 9.0.07 YÖNEYLEM ARAŞTIRMASI-II Hafta ERT ANALİZİ Olasılıksal roje Değerlendirme ve Gözden Geçirme Tekniği ERT (robabilistic Evaluation and Review Technique) Eğer projenin faaliyetlerinin tamamlanma süresi

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYILARIN ÜRETİLMESİ Rastgele değişimler yapay tablolardan veya parametreleri verilen teorik dağılım fonksiyonlarından elde edilir.

Detaylı

İNŞAAT PROJELERİNDE RİSK YÖNETİMİ : TEMEL KAVRAMLAR. Prof. Dr. İrem Dikmen Toker ODTÜ İnşaat Mühendisliği Bölümü Ankara

İNŞAAT PROJELERİNDE RİSK YÖNETİMİ : TEMEL KAVRAMLAR. Prof. Dr. İrem Dikmen Toker ODTÜ İnşaat Mühendisliği Bölümü Ankara İNŞAAT PROJELERİNDE RİSK YÖNETİMİ : TEMEL KAVRAMLAR Prof. Dr. İrem Dikmen Toker ODTÜ İnşaat Mühendisliği Bölümü Ankara RİSK YÖNETİMİ RİSK! İNŞAAT PROJELERİNDE OLDUKÇA FAZLA VARDIR. YÜKLENİCİLER ÜSTLENİR,

Detaylı

Geometrik Optik ve Uniform Kırınım Teorisi ile Kapsama Alanı Haritalanması

Geometrik Optik ve Uniform Kırınım Teorisi ile Kapsama Alanı Haritalanması Geometrik Optik ve Uniform Kırınım Teorisi ile Kapsama Alanı Haritalanması - ST Mühendislik Dr. Mehmet Baris TABAKCIOGLU Bursa Teknik Üniversitesi İçerik Hesaplamalı Elektromanyetiğe Genel Bakış Elektromanyetik

Detaylı

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV 1: Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması için gereken

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r OLASILIK ve İSTATİSTİĞE GİRİŞ Yrd. Doç. Dr. Hüsey n Dem r Yrd. Doç. Dr. Hüseyin Demir OLASILIK VE İSTATİSTİĞE GİRİŞ ISBN 978-605-318-470-6 DOI 10.14527/9786053184706 Kitap içeriğinin tüm sorumluluğu yazarlarına

Detaylı

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I Geçen Ders Sürekli Dağılımlar Uniform dağılımlar Üssel dağılım ve hafızasızlık özelliği (memoryless property) Gamma Dağılımı

Detaylı

DAVRANIŞ KAYDI TEKNİKLERİ Kesin Kayıt Teknikleri Olay Kaydı

DAVRANIŞ KAYDI TEKNİKLERİ Kesin Kayıt Teknikleri Olay Kaydı DAVRANIŞ KAYDI TEKNİKLERİ Kesin Kayıt Teknikleri Olay Kaydı En pratik ve en kullanışlı kayıt etme süreçlerinden biri sıklık sayma ya da olay kaydıdır. Bu kayıt türünde gözlemci belirlenen gözlem zamanı

Detaylı

Simülasyon ile Modelleme. Prof.Dr. Aydın Ulucan

Simülasyon ile Modelleme. Prof.Dr. Aydın Ulucan Simülasyon ile Modelleme Prof.Dr. Aydın Ulucan İş dünyasında cevabı aranan karar problemlerinin çoğunda modeli oluşturan bileşenlerin değerleri kesin olarak belirli değildir. Böyle bir durumda karar verici,

Detaylı

BMÜ-421 Benzetim ve Modelleme MATLAB SIMULINK. İlhan AYDIN

BMÜ-421 Benzetim ve Modelleme MATLAB SIMULINK. İlhan AYDIN BMÜ-421 Benzetim ve Modelleme MATLAB SIMULINK İlhan AYDIN SIMULINK ORTAMI Simulink bize karmaşık sistemleri tasarlama ve simülasyon yapma olanağı vermektedir. Mühendislik sistemlerinde simülasyonun önemi

Detaylı

EK 4 PRİMER FREKANS KONTROLÜ

EK 4 PRİMER FREKANS KONTROLÜ EK 4 PRİMER FREKANS KONTROLÜ E.4.1. Amaç Üretici, primer frekans kontrolü yükümlülüğü kapsamında, Elektrik Enerjisi üretim ve tüketimin birbirine eşit olmaması durumunda sapmaya uğrayan sistem frekansını,

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı