KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ
|
|
- Ayla Yıldızoğlu
- 6 yıl önce
- İzleme sayısı:
Transkript
1 SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ DERS NOTLARI
2 DOĞUM-ÖLÜM SÜRECİ Kuyruk sistemindeki t zamanındaki müşteri sayısını kuyruk sisteminin t zamanındaki durumu olarak tanımlarız. t= 0 daki sistemin durumu başlangıçtaki sistemdeki müşteri sayısını göstermektedir. Pij(t) = 0 zamanında i müşteri bulunan sistemde t zamanında j müşteri olma ihtimalidir. Pij(t) markov zincirindeki Pij(n) (n-adım geçiş) olasılığıdır. Markov zincirlerinden hatırlayabileceğimiz gibi Pij(n) büyük n değerleri için kararlılık durumu olasılıklarına yakınsamakta ve başlangıç durumundan bağımsız olmaktadır. Aynı şekilde Pij(t) değeri de büyük t değeri için denge olasılığı veya kararlılık durumu olasılığı Πj olasılığına yakınsar ve başlangıç durumdan bağımsız olur. Πj = uzun bir zaman sonrasında j müşteri olma olasılığı veya uzun bir zaman sonra sistemde j müşteri olma oranı olur. Pij(t) olasılığı küçük t değerleri için başlangıç durumundan oldukça etkilenmektedir. P50,1(t) ile P1,1(t) değerleri büyük t değerleri için Π1 değerine yakındır. Pij(t) nin Kararlılık durumuna ulaşılmadan önceki davranışı geçiş davranışıdır ve en basit sistemlerin dışında geçiş davranışını analiz oldukça zordur. Bu nedenle kuyruk sisteminin davranışını analiz ederken, kararlılık durumuna erişildiğini varsayarız. Bu durumda Pij(t) değerleri yerine Πj değerleri ile çalışabiliriz.
3 DOĞUM-ÖLÜM SÜRECİ Bu derste Sürekli Zamanlı stokastik süreç sınıfında olan doğum-ölüm sürecini göreceğiz. Bir doğum-ölüm süreci sürekli zamanlı stokastik süreç olup herhangi bir zamanda sistemin durumu non-negatif (0 ve pozitif) tamsayıdır. DOĞUM-ÖLÜM SÜREÇLERİNDE HAREKET KANUNLARI Kanun 1: (λ j Δt + o(δt) ) olasılığı ile zaman t ile zaman (t+ Δt) arasında bir doğum olur. Doğum sistemin durumunu bir birim artırır. Durum j den (j+1) e değişir. λ j durum j de iken doğum oranı(hızı) dır. Pek çok kuyruk sistemlerinde doğum, basitçe geliştir. Kanun 2: (μ j Δt + o(δt) ) olasılığı ile zaman t ile zaman (t+ Δt) arasında bir ölüm olur. Ölüm sistemin durumunu bir birim azaltır. Durum j den (j-1) e değişir. μ j durum j de iken ölüm oranı(hızı) dır. Pek çok kuyruk sistemlerinde ölüm, basitçe servisin tamamlanmasıdır. (Not: μ 0 = 0 olmalıdır. Aksi taktirde negatif bir durum oluşabilir) Kanun 3: Doğumlar ve Ölümler birbirinden bağımsızdır. Eğer gelişler arası süre ve servis süreleri üstel dağılımda değilse doğum-ölüm süreci olarak modellemek uygun değildir.
4 M/M/1/FCFS/ / kuyruk sistemi doğum-ölüm süreci olarak modellenebilir. Bu kuyruk sisteminin Oran(hız) diyagramı aşağıdaki şekilde verilmiştir. Şekil 8: M/M/1/FCFS/ / Kuyruk sisteminde hız(oran) diyagramı Ölüm(Servis Tamamlanması) Doğum (Geliş) M/M/3/FCFS/ / kuyruk sistemi doğum-ölüm süreci olarak modellenebilir. Bu kuyruk sisteminin Oran(hız) diyagramı aşağıdaki şekilde verilmiştir. Şekil 8: M/M/3/FCFS/ / Kuyruk sisteminde hız(oran) diyagramı
5 DOĞUM-ÖLÜM SÜREÇLERİNDE KARARLILIK DURUMU OLASILIKLARININ BULUNMASI Doğum ölüm süreçlerinde kararlılık durumunda aşağıdaki eşitlik geçerlidir. Durum j den beklenen ayrılmalar Birim Zaman = Durum j ye beklenen girişler Birim Zaman (11) Kararlılık-durumu olasılıklarını kullanarak yukarıdaki eşitliğe göre Aşağıdakiler yazılabilir. j>=1 için eğer durum j yi terk edeceksek ya (j+1) e yada (j-1) e geçebiliriz: Durum j den beklenen ayrılmalar Birim Zaman = Πj (λj +μj) olur (12) j>=1 için eğer durum j ye gireceksek ya (j+1) den yada (j-1) den gelebiliriz: Durum j ye beklenen girişler Birim Zaman = Π j-1 λ j-1 + Π j+1 μ j+1 (13)
6 (12) Ve (13) ü birbirine eşitlersek Πj (λj +μj) = Π j-1 λ j-1 + Π j+1 μ j+1 (j=1,2, ) (14) j=0 için μ 0 =Π -1 =0 olur bu durumda aşağıdaki eşitlik geçerli olur. Π 1 μ 1 = Π 0 λ 0 (14 ) (14) Ve (14 ) doğum-ölüm sürecinde akış denge eşitlikleri veya akışların korunumu eşitlikleri olarak bilinir. (14) e göre durum j ye geçiş hızı(oranı) durum j den çıkış hızına eşittir. Eğer eşit olmasaydı bazı durumlarda yığılma olacak ve kararlılık durumuna erişilemeyecekti.
7 (12) Ve (13) ü birbirine eşitlersek Πj (λj +μj) = Π j-1 λ j-1 + Π j+1 μ j+1 (j=1,2, ) (14) j=0 için μ 0 =Π -1 =0 olur bu durumda aşağıdaki eşitlik geçerli olur. Π 1 μ 1 = Π 0 λ 0 (14 ) (14) Ve (14 ) teki eşitlikleri açıkça yazacak olursak doğum-ölüm süreci için aşağıdaki akış denge eşitliklerine ulaşırız. (j=0) ise Π 0 λ 0 = Π 1 μ 1 (j=1) ise Π 1 (λ 1 +μ 1 ) = Π 0 λ 0 + Π 2 μ 2 (j=2) ise Π 2 (λ 2 +μ 2 ) = Π 1 λ 1 + Π 3 μ 3 (15) (j inci eşitlik) Π j (λ j +μ j ) = Π j-1 λ j-1 + Π j+1 μ j+1 olur
8 DOĞUM-ÖLÜM SÜRECİNDE AKIŞ DENGE EŞİTLİKLERİNİN ÇÖZÜMÜ (15) i çözersek ve bütün Π j değerlerini Π 0 cinsinden ifade edersek j=0 için olan eşitliği şu şekilde yazabiliriz Π 1 = Π 0 λ 0 μ 1 olur (j=1) için olan eşitliği yazarsak Π 2 = Π 0 λ 0 λ 1 μ 1 μ 2 olur Eğer c j = λ 0 λ 1 λ(j 1)) edebiliriz. μ 1 μ 2 μ j şimdi kararlılık durumu olasılıklarını Π 0 cinsinden ifade Π j = Π 0 c j olur. (16) Herhangi bir zamanda muhakkak herhangi bir durumda olmamız gerektiğinden dolayı j= Π j = 1 olur. (17) j=0
9 (16) Ve (17) yi birleştirirsek Π 0 (1+ j= j=1 c j ) = 1 olur. (18) Eğer j= j=1 c j sonlu bir değerse (18) i kullanarak Π 0 değerini bulabiliriz. Π 0 = 1+ 1 j= c j j=1 olur. Buradan Π 0 değerini buluruz. Sonra Π 1, Π 2 Değerlerini buluruz j= j=1 c j sonsuz ise kararlılık-durumu dağılımı mevcut değildir. Kararlılık durumunun olmamasına en yaygın sebep geliş hızının en az, maksimum servis hızı kadar olmasıdır.
10 M/M/1/GD/ / KUYRUK SİSTEMİ VE KUYRUK FORMULÜ L = λw Yukarıdaki modelde 1/ gelişler λ parametresiyle üstel dağılıma uymaktadır /2/ servis süreleri μ parametresiyle üstel dağılmaktadır /3/ 1 tane servisçi vardır /4/ Kuyruk disiplini Genel kuyruk disiplinidir. /5/ Sistemde aynı anda izin verilen maksimum müşteri sayısı dur. /6/ Gelişlerin olduğu popülasyonun büyüklüğü dur. Bu kuyruk sistemi 3 kanunu sağladığı için doğum-ölüm süreci olarakaşağıdaki parametrelerle modellenebilir. λj = λ (j=0,1,2,.) μ 0 =0 (20) μj = μ (j=1,2,3,.)
11 M/M/1/GD/ / KUYRUK SİSTEMİ KARARLILIK DURUMU OLASILIKLARININ BULUNMASI Π j değerlerini bulmak için Eşitlik (15) ten eşitlik (19) a kadar olan eşitlikleri kullanırsak aşağıdaki eşitliklere ulaşırız. Eşitlik (20) yi Eşitlik (16) ya yazarsak Π 1 = λπ 0 μ olur Π 2 = λ2 Π 0 μ 2 olur.. Π j = λj Π 0 μ j olur. (21) ρ = λ μ olarak tanımlarsak ( ρ Kuyruk sisteminin Trafik yoğunluğu ) (21) i (17) de yazarsak Π 0 (1+ ρ + ρ 2 + ρ 3 +.) = 1 (22) şimdi 0<= ρ <1 kabul edelim. Şimdi S= (1+ ρ + ρ 2 + ρ 3 +.) değerini bulalım. Eğer S değerini ρ ile çarparsak ρ S = (ρ + ρ 2 + ρ 3 +.) olur. Şimdi S- ρ S = 1 olur. S = 1/(1- ρ) (23) olur.
12 Eğer (23) ü (22) de yazarsak Π 0 = 1- ρ (24) (0<= ρ <1) olur. Eğer (24) ü (21) de yazarsak Π j = ρ j (1- ρ) (25) (0<= ρ <1) olur. Eğer ρ >=1 olursa o zaman kararlılık durumuna erişilemez. Kuyruk patlar ve sürekli şişer. Ρ = λ/μ >= 1 ise (geliş hızı en azından servis hızı kadardır veya daha fazladır)
13 L (SİSTEMDEKİ ELEMAN(MÜŞTERİ) SAYISI) DEĞERİNİN BULUNMASI Bundan sonraki bölümlerde aksi belirtilmedikçe ρ <1 alınması koşulu ile ve (25) i kullanırsak Sistemdeki eleman sayısı = j= j=0 jπ j = j= j=0 jρ j (1 ρ) = (1 ρ) j= j=0 jρ j Eğer S = j= j=0 jρ j = ρ + 2ρ 2 + 3ρ 3 Tanımlarsak ρs = ρ 2 + 2ρ 3 + 3ρ 4 olur S - ρs = ρ + ρ 2 + ρ 3 +. = ρ /(1- ρ) olur. O zaman S = ρ /(1- ρ) 2 olur Şimdi sistemdeki eleman sayısını bulabiliriz L= (1- ρ) S dir. L= (1- ρ) ρ (1 ρ) 2 = ρ (1 ρ) olur ρ = λ μ yazarsak o zaman L = λ μ λ (26) olur
14 L q (KUYRUKTAKİ ELEMAN(MÜŞTERİ) SAYISI) DEĞERİNİN BULUNMASI Lq = j= j=1 (j 1)Π j = j= j=1 jπ j - j= j=1 Π j = L ( 1-Π 0 ) (24) ü kullanırsak Lq = L ρ olur. L = λ μ λ (26) yı kullanarak Lq = L ρ = ρ (1 ρ) - ρ = ρ2 olur (27) (1 ρ) Lq = L ρ = λ - λ = λ 2 μ λ μ μ(μ λ) olur (27) Lq = λ2 μ(μ λ) (27) olur
15 L s (SERVİSTEKİ ELEMAN(MÜŞTERİ) SAYISI) DEĞERİNİN BULUNMASI Ls servisteki beklenen müşteri sayısını bulmak isteyebiliriz. M/M/1/GD/ / kuyruk sisteminde Ls = 0 Π 0 + 1( Π 1 + Π 2 + ) = 1- Π 0 = ρ = λ μ olur Herhangi bir kuyruk sisteminde L = Ls + Lq eşitliği geçerlidir. Bu eşitliği kullanarak Ls formülünü bulacak olursak ρ L= (1 ρ) idi Lq = L ρ idi Ls=L-Lq = ρ = λ olur μ Ls =ρ = λ μ olur
16 KUYRUK FORMÜLÜ L= λw (LITTLE FORMÜLÜ) Formülden bahsetmeden önce aşağıda aradığımız değerleri ifade eden notasyonları verecek olursak. λ = Birim zamanda sisteme ortalama geliş miktarı μ = Birim zamanda ortalama servisi tamamlanan eleman sayısı L = Sistemde ortalama bulunan eleman sayısı Lq = Kuyrukta ortalama bulunan eleman sayısı Ls = Serviste ortalama bulunan eleman sayısı W = Bir müşterinin sistemde ortalama harcadığı süre Wq = Bir müşterinin kuyrukta ortalama harcadığı süre W = Bir müşterinin serviste ortalama harcadığı süre Pek çok kuyruk sisteminde Little kuyruk formülü aşağıda Teorem 3 te verildiği gibidir. TEOREM 3 : Kararlılık-durumu dağılımlarının varolduğu Herhangi bir kuyruk sisteminde aşağıdaki formüller geçerlidir. L = λ W (28) Lq = λ Wq (29) Ls = λ Ws (30)
17 Little Kuyruk Formülü, servisçi sayısı, gelişlerarası zaman dağılımı, servis disiplini, servis zamanı dağılımından bağımsızdır. Kararlılık-durumu olasılıkları var olduğu müddetçe Little kuyruk formülünü uygulayabiliriz. (Formüller (28)-(30) ) M/M/1/GD/ / kuyruk sisteminde Little Formüllerini kullanarak W, Wq ve Ws formüllerini bulacak olursak L= ρ (1 ρ) ρ ve W = L / λ W = λ(1 ρ) = 1 μ λ olur (31) Lq = λ2 μ(μ λ) ve Wq = Lq/ λ Wq = λ μ(μ λ) olur (32) Ls = λ/μ ve Ws = Ls / λ Ws = 1/μ olur.
18 ÖRNEK 2: Tek servisçili, arabaya servis yapan sisteme saatta ortalama 10 araç gelmektedir. Her bir müşteriye ortalama servis süresi 4 dakikadır. Gelişlerarası süre ve servis süresi üstel dağılıma uymaktadır. Bu durumda aşağıdaki soruları cevaplayınız. a) Servisçinin boş olma olasılığı nedir? b) Servisçi için kuyrukta bekleyen ortalama araç sayısı nedir? c) Araçların sistemde ortalama geçirdikleri süre nedir? d) Ortalama, te kaç tane müşteri servisçi tarafından hizmet görmektedir? ÇÖZÜM: Bu bir M/M/1/GD/ / kuyruk sistemidir. λ= 10 araç/saat tir μ= 15 araç/saat tir. Böylece ρ=10/15 = 2/3 < 1 dir. a) (24) ü kullanırsak Π 0 = 1- ρ = 1-2/3 =1/3 (Servisçinin boş olma olasılığı) b) ρ (27) yi kullanırsak Lq= (1 ρ) = (2/3) 2 =4/3 müşteridir. (1 2/3) c) ρ (28) i kullanırsak W = L/ λ ve L= (1 ρ) = (2/3) (1 2/3) = 2 müşteri W = 2/10 saat = 12 dakika bir aracın ortalama sistemde geçirdiği süre d) Eğer servisçi sürekli meşgul olsaydı 15 araca hizmet verirdi. Fakat 1/3 boş olduğu için 2/3 doludur ve dolu olduğu yüzdeyle ortalama (2/3)*15= 10 araca hizmet eder.
19 ÖRNEK 3: Araçların depolarının yarısının boş olduğu zaman benzin istasyonuna uğradıklarını kabul edin. Tek servisçisi olan bir benzin istasyonuna saatte ortalama 7,5 müşteri gelmektedir. Araçlara benzin doldurmak ortalama 4 dk zaman almaktadır. Gelişler arası süre ve servis süresi üstel dağılmaktadır. Bu duruma göre aşağıdaki soruları cevaplayınız. a) Aktif Durum için L ve W değerlerini hesaplayınız. b) Benzin kıtlığı olduğunu ve müşterilerde panik alımları başladığını düşünün. Bu durumda müşterilerin depolarının ¾ seviyeye indiğinde benzin istasyonuna uğradığını ve doldurmanın artık 3 1 dakika aldığını düşünün. Panik alımlarının L ve 3 W değerlerini nasıl etkilediğini bulun. ÇÖZÜM: Bu bir M/M/1/GD/ / kuyruk sistemidir. a) λ= 7,5 araç/saat tir μ= 15 araç/saat tir. Böylece ρ=7,5/15 = 1/2 < 1 dir. ρ (26) yı kullanırsak L= (1 ρ) = 0,5 =1 olur. (1 0,5) (28) i kullanırsak W=L/ λ = 1/(7,5) = 0,13 saat. Bu durumda herşey kontrol altında görülüyor. Ve uzun kuyruklar olası görünmüyor.
20 b) Bu bir M/M/1/GD/ / kuyruk sistemidir. Yeni parametreler ise ; λ= 2*7,5=15 araç/saat tir μ=60/3,33 = 18 araç/saat tir. Böylece ρ=15/18 = 5/6 < 1 dir. Dolayısı ile kararlılık durumu mevcuttur. ρ (26) yı kullanırsak L= (1 ρ) = 5/6 (1 ( 5 =5 olur. )) 6 (28) i kullanırsak W=L/ λ = 5/(15) = 1/3 saat = 20 dakika. Bu durumda paniğin uzun kuyruklara ve sistemde beklemeye yol açtığı görülmektedir.
21 Aşağıda tablo 5 te M/M/1/GD/ / sistemi için ρ ve L arasındaki ilişki verilmiştir. ρ değeri arttıkça L değerinin nasıl hızla arttığı görülmektedir. ρ M/M/1/GD/ / sistemi için L değeri 0,3 0,43 0,4 0,67 0,5 1 0,6 1,5 0,7 2,33 0,8 4 0,9 9 0, ,99 99 Tablo 5:M/M/1/GD/ / sistemi için ρ ve L arasındaki ilişki
22 KUYRUK OPTİMİZASYON MODELİ : Aşağıda, Örnek 4 kuyruk teorisinin karar vermede nasıl yardımcı olarak kullanıldığını göstermektedir. Karar vericinin alternatif kuyruk sistemlerinden birini seçtiği problemler kuyruk optimizasyon problemleri olarak adlandırılır. ÖRNEK 4: Alet-ve-Kalıp fabrikasında çalışan ustalar alet-merkezinden gerektiğinde alet almaktalar. Ortalama saatte 10 usta alet istemektedir. Alet-merkezinde 1 tane personel çalışmaktadır ve ortalama 5 dakikada bir isteği yerine getirmektedir. Personel saati $6 a çalışmakta olup ustalar saatte $10 almaktadırlar. Bu nedenle sipariş bekleyen ustaların beklemesinin maliyeti saati $10 dır. Firma personele bir yardımcı alıp almamayı düşünmektedir. Eğer yardımcı alırsa talepleri karşılamak 4 dakikaya düşecektir. Yardımcının maliyeti ise $4 / saat olacaktır. Talep gelişleri ve karşılanmaları üstel dağılıma uymaktadır. Bu durumda yardımcı alınmalımıdır?
23 ÇÖZÜM 4: Firma Beklenen Maliyet = minimize etmeye çalışmaktadır. Servis Maliyeti saat + maliyetini = ( Müşteri ) ( Beklenen Müşteri ) Müşteri = $10 Usta saat (Bir Ustanın sistemde harcadığı ortalama zaman) Müşteri = 10W = 10Wλ olur. Eğer yardımcı alınmamışsa: λ = 10 usta/saat μ=12 usta/saat (31) Kullanılırsa W = = 0,5 saat olur. Buradan = 10Wλ = 10(0,5)10 = $50 ve Servis Maliyeti saat = $6 Beklenen Maliyet = $50 + $6 = $56 olur (Eğer Yardımcı tutulmazsa)
24 ÇÖZÜM 4: devam Firma Beklenen Maliyet = minimize etmeye çalışmaktadır. Servis Maliyeti saat + maliyetini Müşteri = = ( $10 Usta(saat) Müşteri ) ( Beklenen Müşteri (Bir Ustanın sistemde harcadığı ortalama zaman) ) Müşteri = 10W = 10Wλ olur. Eğer yardımcı alınmışsa: λ = 10 usta/saat μ=15 usta/saat (31) Kullanılırsa W = = 0,2 saat olur. Buradan = 10Wλ = 10(0,2)10 = $20 ve Servis Maliyeti saat = ($6 +$4) = $10 Beklenen Maliyet = $20 + $10 = $30 olur (Eğer Yardımcı tutulursa) $30 < $56 olduğundan yardımcı tutmak karlıdır.
25
BEKLEME HATTI MODELLERİ
BEKLEME HATTI MODELLERİ Günlük yaşamımızda, kuyrukta bekleyen insanlar ve araçlar ile her zaman karşılaşırız. Bunlar arasında Maça gitmek için bilet kuyruğu, Sinema kuyruğu, Hastanelerdeki hasta kuyruğu,
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 0 KASIM 207 0. HAFTA 5.7 M/M/K/ / sistemi için Bekleme süresinin dağılımı j ( ) T j rastgele değişkeni j. birimin
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 5. HAFTA 2.7 M/M/1/ / sistemi için Bekleme zamanının dağılımı ( ) 1 T j rastgele değişkeni j. birimin
DetaylıMARKOV ZİNCİRLERİNDE DURUMLARIN SINIFLANDIRILMASI
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİNDE DURUMLARIN SINIFLANDIRILMASI DERS NOTLARI 1 Önceki derslerimizde pek çok geçişten sonra n-adım geçiş olasılıklarının
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 0 KASIM 207 8. HAFTA.7 M/M//N/ sistemi için Bekleme zamanının dağılımı ( ) T j rastgele değişkeni j. birimin
DetaylıSAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI KUYRUK TEORİSİ Her birimiz kuyruklarda bekleyerek vakit geçirmişizdir. Bu derste kuyruklarlarla ilgili
DetaylıKUYRUK TEORİSİ III KUYRUK SİSTEMLERİ
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ III KUYRUK SİSTEMLERİ DERS NOTLARI M/M/1/GD/c/ KUYRUK SİSTEMİ Geçen dersimizde sistemin kapasitesini sınırsız görmüştük.
DetaylıKUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN
KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN GİRİŞ Bir hizmet için beklemek günlük yaşantının bir parçasıdır. Örneğin, restoranlarda yemek yemek için bekleme, hastanelerdeki hasta kuyruğunda
DetaylıYönetimde Karar Verme Teknikleri
SAKARYA ÜNİVERSİTESİ Yönetimde Karar Verme Teknikleri Hafta 0 Yrd. Doç. Dr. Harun R. YAZGAN Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine
DetaylıBekleme Hattı Teorisi
Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov
DetaylıEMİCİ(YUTUCU) ZİNCİRLER
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II EMİCİ(YUTUCU) ZİNCİRLER DERS NOTLARI Pek Çok ilginç markov zinciri uygulamalarında bazı durumlar emici (yutucu) ve geri kalan durumlar
DetaylıSÜREKLİ DÜZGÜN DAĞILIM
SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıNotasyonlar ve Genel Kurallar
Notasyonlar ve Genel Kurallar BSM 445 Kuyruk Teorisi Güz 2014 Yrd. Doç. Dr. Ferhat Dikbıyık Bir kuyruğun temel bileşenleri 1. Varış Prosesi 6. Servis disiplinleri 2. Servis zamanı dağılımı 4. Bekleme yerleri
DetaylıBAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ
GIRIŞ 2 BAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ D R. F E R H A T G Ü N G Ö R 1 Kuyruk teorisi; servis almak için oluşan kuyruk, sağlanan servis hizmetinden fazladır. Bunun çeşitli nedenleri
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/
DetaylıKuyruk Sistemlerinin Benzetimi. KUYRUK & BEKLEME HATTI SİSTEMLERİ Genel nüfus Bekleme hattı Sunucu
Kuyruk Sistemlerinin Benzetimi KUYRUK & BEKLEME HATTI SİSTEMLERİ Dr. Mehmet AKSARAYLI Genel nüfus Bekleme hattı Sunucu Genel nüfus Kuyruğa giriş ve hizmetlerin yapısı Sistemin kapasitesi Kuyruk disiplini
DetaylıENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.
ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ Kuyruk sistemleri, Operasyon yönetiminde önemli bir alana sahiptir. Üretimde, atölye çevresi kuyruk şebekelerinin karmaşık bir ilişkisi olarak düşünülebilir. Bir
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)
DetaylıVeri Ağlarında Gecikme Modeli
Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:
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.
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)
DetaylıDENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS STOKASTİK SÜREÇLER ENM- / 3+0 3 3 Dersin Dili Dersin Seviyesi Dersin
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
DetaylıY.Doç.Dr. Fazıl GÖKGÖZ Kuyruk Teorisi. Bölüm 1: Temel Kavramlar. Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler
Kuyruk Teorisi Bölüm 1: Temel Kavramlar KONU 8 Kuyruk Teorisi nin Bileşenleri Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler Kuyrukta Bekleme : Müşteriler sırada veya sıralarda hizmet
DetaylıENM 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
DetaylıYıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi
Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ Doç. Dr. İhsan KAYA Markov Analizi Markov analizi, bugün çalışan bir makinenin ertesi gün arızalanma olasılığının
Detaylı0.1 Zarf Teoremi (Envelope Teorem)
Ankara Üniversitesi, Siyasal Bilgiler Fakültesi Prof. Dr. Hasan Şahin 0.1 Zarf Teoremi (Envelope Teorem) Bu kısımda zarf teoremini ve iktisatta nasıl kullanıldığını ele alacağız. bu bölüm Chiang 13.5 üzerine
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.
DetaylıEME 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
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
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
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
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
DetaylıBMÜ-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
DetaylıYÖNEYLEM ARAŞTIRMASI III Final Çalışma Soruları
YÖNEYLEM ARAŞTIRMASI III Final Çalışma Soruları Soru ) Aşağıda verilen adım geçiş matrisli Markov Zincirini ele alın..5.5..8 P=.5.75.6. a) Markov Zincirindeki haberleşen sınıfları yazın. b) Markov Zincirinin
DetaylıÜNİTE MATEMATİK-1 İÇİNDEKİLER HEDEFLER ÜSTEL VE LOGARİTMA FONKSİYONLARI. Prof.Dr.Ahmet KÜÇÜK. Üstel Fonksiyon Logaritma Fonksiyonu
HEDEFLER İÇİNDEKİLER ÜSTEL VE LOGARİTMA FONKSİYONLARI Üstel Fonksiyon Logaritma Fonksiyonu MATEMATİK-1 Prof.Dr.Ahmet KÜÇÜK Bu ünite çalışıldıktan sonra, Üstel fonksiyonun tanımı öğrenilecek Üstel fonksiyonun
DetaylıBENZETİM. 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
Detaylı9/22/2014 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
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)
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
DetaylıENM 316 BENZETİM ÖDEV SETİ
ENM 316 BENZETİM ÖDEV SETİ ÖDEV 1: El ile Benzetim Bir depo ve 7 adet müşterisi olan bir taşımacılık sisteminde müşterilerden gelen siparişler araç ile taşınmaktadır. İki tür sipariş söz konusudur. Birincisi
DetaylıDers 8 in Özeti YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 9. Bir Markov Zincirinin Sınıflandırılması. Örnek: Kumarbazın İflası
Ders 8 in Özeti YÖEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 9 Durağan Dağılım Koşulsuz olasılık dağılımı (n) P Uzun Dönem Analizi Limit (Kararlı Hal) Dağılımı,,..., Bir Markov Zincirinin Sınıflandırılması
DetaylıSAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI STOKASTİK (RASSAL) SÜREÇLER Bazen rassal değişkenlerin zamanla nasıl değiştiğiyle ilgileniriz. Örneğin
DetaylıEME 3105 SISTEM SIMÜLASYONU. Giriş. Arena Ortamı. Simulasyon Dilleri
EME 3105 SISTEM SIMÜLASYONU ARENA ya Giriş Lab-1 1 2 Giriş Bu derste ARENA ortamında modelleme yeteneklerini genel olarak tanıtmak için basit bir model sunulacaktır. Yrd.Doç.Dr.Beyazıt Ocaktan Simulasyon
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
Detaylı10. DİREKT ÇARPIMLAR
10. DİREKT ÇARPIMLAR Teorem 10.1. H 1,H 2,, H n bir G grubunun alt gruplarının bir ailesi ve H = H 1 H 2 H n olsun. Aşağıdaki ifadeler denktir. a ) dönüşümü altında dır. b) ve olmak üzere her yi tek türlü
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
DetaylıSİSTEM SİMULASYONU FİNAL ÇALIŞMA SORULARI-I
SİSTEM SİMULASYONU FİNAL ÇALIŞMA SORULARI-I Soru 1) Rassal Sayı üretme yöntemlerinden Doğrusal Eşlik Üretecinin parametrelerinin a=13, m=40 ve c=1; başlangıç değeri x 0 =3 olsun. Verilen başlangıç değerini
DetaylıENM-3105 Sistem Simulasyonu Kısa Sınav 1
ENM-3105 Sistem Simulasyonu Kısa Sınav 1 Sınav Tarihi ve Yeri: 06 Kasım 2014, Perşembe, İlk ders, B203 No lu Derslik) (Kısa Sınav 1 de aşağıda verilen sorulardan birinin benzeri sorulacaktır.) Soru 1)
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
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.
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
DetaylıNormallik Varsayımı ve Ençok Olabilirlik Yöntemi
Normallik Varsayımı ve Ençok Olabilirlik Yöntemi EO Açıklayıcı Örnekler Ekonometri 1 Konu 14 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike
DetaylıYÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-
YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- Hazırlayan Yrd. Doç. Selçuk Üniversitesi Mühendislik Fakültesi - Endüstri Mühendisliği Bölümü Giriş Zaman içerisinde tamamen önceden kestirilemeyecek şekilde
DetaylıKuyruk 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
DetaylıSevdiğim Birkaç Soru
Sevdiğim Birkaç Soru Matematikte öyle sorular vardır ki, yanıtı bulmak önce çok zor gibi gelebilir, sonradan saatler, günler, aylar, hatta kimi zaman yıllar sonra yanıtın çok basit olduğu anlaşılır. Bir
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.
Detaylı1203608-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
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıRISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:
RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma
DetaylıOBEB OKEK ÇÖZÜMLÜ SORULAR
OBEB OKEK ÇÖZÜMLÜ SORULAR 1) 4, 36 ve 48 sayılarının ortak bölenlerinin en büyüğü kaçtır? A) 1 B)16 C) 18 D) 4 E) 7 1) Sayılarınhepsini aynı anda asal çarpanlarına ayıralım; 4 36 48 1 18 4 6 9 1 3 9 6
DetaylıENM 316 BENZETİM ÖDEV SETİ
ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki
DetaylıRasgele Sayılar Rasgele Basamaklar
Rasgele Sayılar Rasgele Basamaklar Gerçek hayatı taklit etmek için ihtiyaç duyulan rasgeleliği elde etmek rasgele sayılar ın kullanılması ile mümkündür. Rasgele sayıların oluşturulmasında rasgele basamaklar
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
DetaylıEXCEL 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
DetaylıOLASILIKLI ENVANTER MODELLERİ
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II OLASILIKLI ENVANTER MODELLERİ DERS NOTLARI KAYNAK-WINSTON OLASILIKLI STOK MODELLERİ Bir önceki dersteki bütün modellerde herhangi bir
Detaylı2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1
Soru Günde 8 saat çalışan bir bankanın müşterilerinin sayısı ile ilgili olarak şu bilgi verilmektedir: Müşteri sayısı, bankanın açıldığı an 9 müşteri ile başlayıp, her saat başı 9 oranı ile doğrusal artarak
Detaylı3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları
3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları Kuyruk (bekleme hattı- bekleme sırası - bekleme kuyruğu) teorisi, bekleme hattının matematiksel modellerini oluşturarak kuyruk uzunluğu,
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı
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
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.
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
DetaylıElektrik Devre Temelleri 3
Elektrik Devre Temelleri 3 TEMEL KANUNLAR-2 Doç. Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Kocaeli Üniversitesi ÖRNEK 2.5 v 1 ve v 2 gerilimlerini bulun. (KGK) PROBLEM 2.5 v 1 ve v 2 gerilimlerini
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
Detaylı9/28/2016 EME 3117 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2
EME 3117 SİSTEM SİMÜLASYONU Simulasyon Örnekleri Ders Giriş Bu derste bilgisayar yardımı olmaksızın çalıştırılabilen birkaç simulasyon örneği verilmiştir. Bu örnekler size sistem simulasyonu metodolojisini
DetaylıMAT 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
Detaylıİleri 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
DetaylıÇIKTI ANALİZİ BENZETİM TÜRLERİ
ÇIKTI ANALİZİ BENZETİM TÜRLERİ Çıktı analizi benzetimden üretilen verilerin analizidir. Çıktı analizinde amaç, bir sistemin performansını tahmin etmek ya da iki veya daha fazla alternatif sistemlerin performansını
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
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)
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıDiferansiyel denklemler uygulama soruları
. Aşağıdaki diferansiyel denklemleri sınıflandırınız. a) d y d d + y = 0 b) 5 d dt + 4d + 9 = cos 3t dt Diferansiyel denklemler uygulama soruları 0.0.3 c) u + u [ ) ] d) y + = c d. y + 3 = 0 denkleminin,
DetaylıMatematik Ders Notları. Doç. Dr. Murat Donduran
Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları
DetaylıAyrık Fourier Dönüşümü
Ayrık Fourier Dönüşümü Tanım: 0 n N 1 aralığında tanımlı N uzunluklu bir dizi x[n] nin AYRIK FOURIER DÖNÜŞÜMÜ (DFT), ayrık zaman Fourier dönüşümü (DTFT) X(e jω ) nın0 ω < 2π aralığında ω k = 2πk/N, k =
DetaylıDiğer sayfaya geçiniz. 2012 KPSS / GYGK CS 33. 31. işleminin sonucu kaçtır? işleminin sonucu kaçtır? A) B) C) A) B) C) 34. 32.
31. 33. işleminin sonucu kaçtır? işleminin sonucu kaçtır? 32. 34. işleminin sonucu kaçtır? işleminin sonucu kaçtır? A) 84 B) 80 C) 72 64 60 9 35. 37. x ve y gerçel sayıları işleminin sonucu kaçtır? eşitsizliklerini
DetaylıKESİN PROJE RAPORU PROJENİN ADI PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ DANIŞMAN ÖĞRETMEN
KESİN PROJE RAPORU PROJENİN ADI HANGİ ADAYI SEÇELİM? PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ ÖZEL KÜLTÜR FEN LİSESİ ATAKÖY 9.-10. KISIM, 34156 BAKIRKÖY - İSTANBUL DANIŞMAN ÖĞRETMEN
DetaylıProgramlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları
Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura
DetaylıTEOG. Sayma Sayıları ve Doğal Sayılar ÇÖZÜM ÖRNEK ÇÖZÜM ÖRNEK SAYI BASAMAKLARI VE SAYILARIN ÇÖZÜMLENMESİ 1. DOĞAL SAYILAR.
TEOG Sayma Sayıları ve Doğal Sayılar 1. DOĞAL SAYILAR 0 dan başlayıp artı sonsuza kadar giden sayılara doğal sayılar denir ve N ile gösterilir. N={0, 1, 2, 3,...,n, n+1,...} a ve b doğal sayılar olmak
DetaylıİSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ
İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık
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.
Detaylıİleri 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
DetaylıULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU
ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ZORUNLU DERSLER IE 201 - Operasyon Modelleme Karar vermedeki belirsizlik rolü de dahil olmak üzere işletme kararlarının matematiksel
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
DetaylıDERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar
DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL Zamanlama Kararları Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman
DetaylıMimar Sinan Güzel Sanatlar Üniversitesi, Fizik Bölümü Fizik II Dersi Birinci Ara Sınavı
Mimar Sinan Güzel Sanatlar Üniversitesi, Fizik Bölümü Fizik II Dersi Birinci Ara Sınavı 27 Mart 2010 Hazırlayan: Yamaç Pehlivan Başlama saati: 11:00 Bitiş Saati: 12:20 Toplam Süre: 80 Dakika Lütfen adınızı
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
Detaylı8.04 Kuantum Fiziği Ders V ( ) 2. = dk φ k
Geçen Derste ψ( x) 2 ve φ( k) 2 sırasıyla konum ve momentum uzayındaki olasılık yoğunlukları Parseval teoremi: dxψ( x) 2 = dk φ k ( ) 2 Normalizasyon: 1 = dxψ( x) 2 = dk φ k ( ) 2 Ölçüm: x alet < x çözünürlüğü
DetaylıYÖNEYLEM ARAŞTIRMALARI 1
YÖNEYLEM ARAŞTIRMALARI 1 1.HAFTA Amacı:Karar vericiler işletmelerde sahip oldukları kaynakları; insan gücü makine ve techizat sermaye kullanarak belirli kararlar almak ister. Örneğin; en iyi üretim miktarı
DetaylıEEM211 ELEKTRİK DEVRELERİ-I
EEM211 ELEKTRİK DEVRELERİ-I Prof. Dr. Selçuk YILDIRIM Siirt Üniversitesi Elektrik-Elektronik Mühendisliği Kaynak (Ders Kitabı): Fundamentals of Electric Circuits Charles K. Alexander Matthew N.O. Sadiku
Detaylı