YÖNEYLEM ARAŞTIRMASI-II Hafta 14
|
|
- Emine Karakaş
- 6 yıl önce
- İzleme sayısı:
Transkript
1 YÖNEYLEM ARAŞTIRMASI-II Hafta ERT ANALİZİ Olasılıksal roje Değerlendirme ve Gözden Geçirme Tekniği ERT (robabilistic Evaluation and Review Technique) Eğer projenin faaliyetlerinin tamamlanma süresi kesin olarak bilinmiyorsa, projelerin verilen bir termin süresi içinde tamamlanıp, tamamlanamayacağının olasılık tahmini için ERT kullanılabilir. CM de projeyi oluşturan faaliyetlerin sürelerinin kesin olarak bilindiği varsayılmakta, ve bunun sonucunda projenin tamamlanabileceği en kısa süre kesin olarak belirlenebilmektedir. Ancak gerçek yaşam problemlerinde bir projeyi oluşturan faaliyetlerin kesin sürelerini bilmek mümkün değildir, faaliyet süreleri bir olasılık dağılıma sahip Rassal Değişkenlerdir. Bu gibi durumlarda ERT Analizi kullanılır. Uygulamada proje sorumlusuna faaliyetlerin olasılık dağılımlarını sormak gerçekçi değildir. Bunun yerine her faaliyet için ayrı süre belirlenir: En İyimser Süre (a):her şey istenildiği gibi giderse faaliyetin tamamlanacağı en kısa süre. (X a)=0.99 En Kötümser Süre (b):en kötü durumda faaliyetin tamamlanacağı süredi. (X b)=0.99 En Yüksek Olasılıklı Süre(olabilir faaliyet süresi) (m): Geçmiş deneyimlere göre beklenen durumlar altında faaliyetin tamamlanma süresidir. X: Faaliyetin Tamamlanma Süresi X ~Beta Dağılımı
2 Eğer faaliyetlerin varyansı büyük ise bu durumda belirsizlik büyük olur ve faaliyetin o sürede tamamlanması belirsizlik gösterir. Varyansın büyük olduğu durumlarda ERT analizi uygundur. Eğer faaliyetlerin varyansı küçük ise iyimser ve kötümser süreler birbirinden çok farklı değildir ve bu durumda faaliyet süreleri kesin (ortalama): bir faaliyetin beklenen gerçekleşme süresi süreler olarak kabul edilip, CM uygulanabilir. s (varyans): bir faaliyetin süresinin varyansı ERT analizinde projenin başlangıcından bitimine giden yollardan en yüksek toplam beklenen (ortalama) süreye sahip, yol kritik yoldur. rojenin beklenen tamamlanma süresi, kritik yolun toplan beklenen süresidir. Her bir faaliyetin süresi aynı ve özdeş dağılmış Beta Rassal Değişkeni olduğu için, krtitik yol üzerindeki faaliyet süresi Rassal Değişkenlerinin toplamı olan proje toplam süresi de rassal değişkendir, ve kritik yol üzerindeki faaliyet sayısı sonsuza gittikçe, projenin toplam tamamlanma süresi Normal Dağılıma yaklaşır (Merkezi Limit Teoremi) Önceki slayttaki şekilden görüldüğü üzere faaliyet süreleri tek tepe noktalı, normal dağılımdan çok farklılık göstermeyen bir dağılıma sahiptir. Bu nedenle uygulamada kritik yol üzerindeki faaliyet sayısı birkaç adet olsa bile, proje toplam süresinin Normal Dağılıma uyduğu kabul edilebilir. Örnek: Aşağıda faaliyetten oluşan bir projenin ERT tahmin süreleri verilmiştir. Faaliyet a m b a) rojenin şebeke diyagramını çizin. A b) Her bir faaliyetin beklenen (ortalama) süresini ve B varyansını hesaplayın. C c) rojenin kritik yolunu bulun. D d) rojenin toplam beklenen tamamlanma süresini ve 7 E 7 F standart sapmasını yazın. G e) rojenin 9 gün veya daha kısa bir sürede tamamlanma 7 H olasılığını hesaplayın. 7 I 7 f) rojenin tamamlanması için bulunan zamanda, projenin 8 J tamamlanacağından % 9 olasılıkla emin olunması 7 8 K istendiğinde, projenin bitim süresinin ne olması gerektiğini bulun.
3 a) b) x.7 A x B x.8 C xd.7 x E xf x G xh.8 x I 7 xk x.7 J 8 Faaliyet a m b (ortalama) s varyans A B. 0. C.8 0. D E 7 0. F.8 0. G 0. 7 H 0. 7 I J K 0. x c) (.7,.7) (9,9) (.8,.8) d) rojenin Beklenen Toplam Tamamlanma Süresi, kritik yol üzerindeki faaliyetlerin beklenen (ortalama) sürelerinin toplamıdır. Kritik Faaliyetler: A-C-F-I-K : rojenin Tamamlanma Süresi T (0,0) (8.,8.8) 8 (9.8,9.8) T T T T T T A C F I K E T E T T T T T A C F I K (,.8) Kritik Yol: 7 8 : A-C-F-I-K 7 (.8,.8) E T E T E T E T E T E T E[ T ] x x x x x A C F I K A C F I K ET gün (Beklenen Değer Özelliği)
4 e) rojenin Toplam Tamamlanma Süresinin varyansı, kritik yol üzerindeki faaliyetlerin varyanslar toplamıdır. Kritik Faaliyetler: A-C-F-I-K T : rojenin Tamamlanma Süresi T T T T T T A C F I K V T V T T T T T V[ T ] s s s s s T A C F I K V T V T V T V T V T V T A C F I K A C F I K V T gün.. gün (Faaliyet süreleri birbirinden bağımsız olduğu için Varyans özelliğinden ) e) T : rojenin Tamamlanma Süresi T T ( 9)? Z z z T Tp Z ( T 9) Z T Z 9 T p 9.8 T T.. rojenin tamamlanma süresinin her ne kadar kritik yol üzerinde faaliyet sayısı az bile olsa MLT gereği Normal Dağılıma Uyduğu kabul edilebilir. FZ ( 0.7) Z 0.7 Z T Normal.. ~ 9.8,. T ( 9) 0. Minitab
5 f) T (?) 0.9 T. T 0.9 T. Z T Tp Z T T p 9.8 t? Z 0.9 T T Z. p T t z. T T t (9,8) (,).(,) p t.7 ( Z z) 0.9 ise z. 0 z. ( Z z) 0.9 ise z. (tablodan-sonraki slayt) T (?) 0.9 T Normal.. ~ 9.8,. Minitab T (.7) 0.9
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
DetaylıBÖLÜM IV: Proje Yönetimi. PERT metodu
BÖLÜM IV: Proje Yönetimi PRT metodu Kritik yol metodunun uygulanabilmesi için faaliyet sürelerinin bilinmesi gerekmektedir. Bir çok proje için ise faaliyet sürelerini belirlemek her zaman mümkün değildir.
DetaylıYÖNEYLEM ARAŞTIRMASI-II Hafta 12. Proje Yönetimi
YÖNEYLEM ARAŞTIRMASI-II Hafta Proje Yönetimi KRİTİK YOL METODU (CPM) Şebeke modelleri çok fazla sayıda faaliyet içeren büyük ölçekli, karmaşık projelerin çizelgelenmesinde etkin şekilde kullanılabilir.
DetaylıİSG PROJE YÖNETİMİ ve ACİL DURUM PLÂNI
29 İSG011 1/7 İSG PROJE YÖNETİMİ İSG PROJE YÖNETİMİ ve ACİL DURUM PLÂNI AMAÇ: İSG de Proje yönetimi ile tehlike araştırma yöntemleri hakkında bilgilendirme Slayt III BÖLÜM CPM GANT PERT YÖNTEMİLERİ VE
DetaylıKonu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi
Proje Yönetimi ölüm : Proje eğerlendirme ve özden eçirme Tekniği (PRT) Konu PRT Proje Planlamasında Olasılıksal Yaklaşım Üç zamanlı tahmin yaklaşımı a : aaliyetin iyimser gerçekleşme süresi m : aaliyetin
DetaylıWEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın
DetaylıPROJE YÖNETİMİ: PERT VE CPM ANALİZİ: Prof. Dr. Şevkinaz Gümüşoğlu (I.Üretim Araştırmaları Sempozyumu, Bildiriler Kitabı-İTÜ Yayını, Ekim1997, İstanbul
PROJE YÖNETİMİ: PERT VE CPM ANALİZİ: Prof. Dr. Şevkinaz Gümüşoğlu (I.Üretim Araştırmaları Sempozyumu, Bildiriler Kitabı-İTÜ Yayını, Ekim1997, İstanbul Proje:Belirli bir işin tamamlanabilmesi için yapılması
DetaylıZ = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ
YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.
DetaylıPERT Yöntemi: 1 t ( t 4 t t ) e 6 a m b
PERT PERT metodu, süreleri tam bilinemeyen işlemlerin programda göz önüne alınmasını sağladığından kapsamı, kritik yörünge metoduna nazaran daha geniştir. Kritik yörünge (CPM), PERT metodunun özel hallerinden
DetaylıNORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,
NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına
Detaylıİstatistik 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
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
DetaylıPROJE YÖNETİMİ PERT-I
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II PROJE YÖNETİMİ PERT-I DERS NOTLARI PERT (Program Evaluation and Review Technique Program Değerlendirme ve Gözden Geçirme Tekniği) CPM/PERT
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıDers 4: Rastgele Değişkenler ve Dağılımları
Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıPROJE HAZIRLAMA. Kritik Yol Metodu CPM
15. hafta PROJE HAZIRLAMA Kritik Yol Metodu CPM Kritik Yol Metodu CPM CPM (Critical Path Method Kritik Yol Yöntemi) ve PERT (Program Evaluation and Review Technique Program Değerlendirme ve Gözden Geçirme
DetaylıSÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım
SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
DetaylıPROJE YÖNETİM TEKNİKLERİ
PROJE YÖNETİM TEKNİKLERİ PROJE PLANLARININ HAZIRLANMASI Bir projenin başarısı; onu planlarken harcanan çaba, gösterilen özen ve yetenekler oranında gerçekleşecektir. Projeye başlarken öncelikle aşağıdaki
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıVeriye Dayalı Karar Verme (Bölüm 2) Can Akkan
Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik
DetaylıSÜREKLİ OLASILIK DAĞILIMI
SÜREKLİ OLASILIK DAĞILIMI Normal Olasılık Dağılımı Akülerin dayanma süresi, araçların belli bir zamanda aldığı yol, bir koşuya katılanların bitirme süresi gibi sayılamayacak kadar çok değer alabilen sürekli
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıSÜREKLİ RASSAL DEĞİŞKENLER
SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.
DetaylıGAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE
GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıEME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
Detaylı6-PROJE MALIYET YÖNETIMI
6-PROJE MALIYET YÖNETIMI Y R D. D O Ç. D R. K E N A N G E N Ç O L İÇERIK Giriş Maliyet kavramı ve maliyet türleri Maliyet tahmin türleri Maliyet tahmin sürecinde kullanılan yöntemler Bütçeleme GIRIŞ Proje
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
Detaylırasgele 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
Detaylı19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.
9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
DetaylıBaşarı 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
DetaylıOLASILIK ve İSTATİSTİK Hipotez Testleri
OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıTEK BOYUTLU RASSAL DEĞİŞKENLER
TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
DetaylıHipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi
ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
DetaylıKARAR TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü
KARAR TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü Karar Ortamları Karar Analizi, alternatiflerin en iyisini seçmek için akılcı bir sürecin kullanılması ile ilgilenir. Seçilen
DetaylıMerkezi Limit Teoremi
Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 10: Prof. Dr. İrfan KAYMAZ Tanım Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi ile yapılabilir. Ancak karşılaştırılacak
DetaylıÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK
ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıSİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN
SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015
RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin
DetaylıÖrneklem Dağılımları ve Merkezi Limit Teoremi
Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel
DetaylıCh. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri II Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 12: Zaman Serisi Regresyonlarında
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
DetaylıTablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01
Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
DetaylıFaaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)
ENM 316 BENZETİM ÖDEV SETİ Ödev 1. Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıGenel 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
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
DetaylıGerçek 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
DetaylıDr. 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
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıCh. 5: SEKK (OLS) nin Asimptotik Özellikleri
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıGirdi 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
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıSİMULASYON 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
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 14. HAFTA 8 Tek kanallı, Sonsuz Kapasiteli, Servis Süreleri Keyfi Dağılımlı Kuyruk Sistemi M/G/1/
DetaylıStokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.
Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman
Detaylı14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıProf. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER
Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Gözden Geçirilmiş ve Genişletilmiş 8. Baskı Frekans Dağılımları Varyans Analizi Merkezsel
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
DetaylıIE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R
IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık
DetaylıEM302 Yöneylem Araştırması 2 Proje Yönetimi. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Proje Yönetimi Dr. Özgür Kabak Proje yönetimi Organizasyonlar işlerini işlemler veya projeler olarak gerçekleştirirler. İşlemler ve projelerin ortak özellikleri: İnsanlar tarafından
DetaylıSürekli 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
Detaylı1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...
1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
Detaylı