Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
|
|
- Yağmur Gün
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ 0 KASIM 207
2 0. HAFTA 5.7 M/M/K/ / sistemi için Bekleme süresinin dağılımı j ( ) T j rastgele değişkeni j. birimin hizmet süresi olsun. Biliyoruz ki, T j Üstel dir. µ Yeni gelen bir birimin bekletilmesi için sistemde bulunan birim sayısının n K olması gerekmektedir. Bu durumda, yeni gelen birim en fazla n K + birimin hizmet görmesini bekleyecektir. Sistemde rastgele sayıda birim olduğuna göre, N rastgele değişkeni sistemde bulunan birim sayısını gösterirse, N n (n K) gözlendiğinde toplam servis n K+ zamanı S T j rastgele değişkeni ile gösterilecektir. Bu durumda, S rastgele değişkeninin dağılımı Gamma(α n K +, β ) olacaktır. S rastgele değişkeninin Kµ olasılık yoğunluk fonksiyonu ise f S (t) (Kµ)n K+ t n K e Kµt, t > 0 (n K)! şeklindedir. T q rastgele değişkeni ise sisteme yeni giriş yapan bir birimin bekleme zamanı olsun. T q rastgele değişkeninin dağılımını iki parçada inceleyeceğiz çünkü sıfır noktası (yani sistemde kanal sayısından az birim var iken bekleme yapmadan hizmet alacak) bir süreksizlik noktasıdır. F q (t) ile T q rastgele değişkeninin dağılımı gösterilirse, F q (0) K birimin serviste hiç beklememesi olasılığıdır. Bu olasılık F q (0) P n<k P n dir. İkinci olarak, T q > 0 olduğu durum düşünülecektir. Bekleme zamanının olasılık yoğunluk 76
3 fonksiyonu f q (t) ile gösterilirse, toplam olasılık formülü yardımı ile f q (t) nk nk P n P r (S t N n) P r(n n) }{{}}{{} f S (t) P 0 e Kµt ρ K (K )! µ nk (Kµ) n K+ (n K)! (λt) n K (n K)! P 0e Kµt ρ K (K )! µ ρ K P 0 µe µt(k ρ) KP K µe µt(k ρ) (K )! }{{} KP K t n K e Kµt (λt) n (n)! }{{} e λt P 0 K!K n K (57) biçiminde elde edilir. Buradan, bekleme zamanının dağılım fonksiyonunu, t K F q (t) F q (0) + KP K µ e µt(k ρ) dt P n + KP K µ e µt(k ρ) 0 µ(k ρ) nk nk P 0ρ K K! P 0ρ K K! P n + KP K e µt(k ρ) (K ρ) P 0 K!K + KP e µt(k ρ) n K K (K ρ) nk K K + KP e µt(k ρ) n K K (K ρ) K n + KP K P 0 ρ K (K ρ)(k )! + KP K e µt(k ρ) (K ρ) KP K (K ρ) + KP e µt(k ρ) K (K ρ) e µt(k ρ) (K ρ) KP K (K ρ) e µt(k ρ) (58) olarak elde edilir. Şimdi bu birim başına kuyrukta geçen ortalama süreyi teyit etmek için T q rastgele değişkeninin beklenen değerini bulalım: W q E[T q ] ( F q (t))dt KP K 0 (K ρ) KP 0ρ K K!µ(K ρ) P 0 ρ K+ 2 λ(k )!(K ρ) 2 0 e µt(k ρ) dt KP K µ(k ρ) 2 77
4 şeklinde elde edilir. Örnek 5.2. (İki pistli Havalanı örneği devam) (f) en az bir pistin dolu olması olasılığını (g) uçağın kalkış için 5 dakikadan fazla beklemesi olasılığını (h) kalkış için sırada en az iki uçağın beklemesi olasılığını bulunuz. Çözüm: (f) P n>0 P ( (g) P r T q > 5 ) 60 2P 2 (2 5/3) e 3t(2 5/3) 2 (/)(5/3)2 2 (2 5/3) e / (h) Her iki pistin de dolu olması ve en az 2 uçağın da bekliyor olması gerekmektedir. P n 4 [P 0 + P + P 2 + P 3 ] [ ] Örnek 5.3. Bir havaalanına saatte 27 uçak iniş yapmaktadır. Uçakların servis zamanı 2 dakika ortalamalı üstel dağılıma uymaktadır. Bir uçağın beklemesi olasılığının 0. i geçmemesi için kaç pist gereklidir? Çözüm: Sistem M/M/k çok kanallı sonsuz kaynaklı sistemdir. λ 27 µ 30 78
5 ρ λ µ Bir müşterinin beklemesi olasılığı sistemde en az K kişinin olmasına denktir. Bu olasılığı bulmak için aşağıdaki formülden yararlanacağız: P n K P n P 0 nk nk K!K P ρ K ( K 0 K! nk K ρ K ρ K P 0 K! ρ P 0 (K )! (K ρ) K K ρ K (K )! (K ρ) n! + ρ K (K )!(K ρ) K n! ρ K (K )!(K ρ) + ) n K K 2 için P n 2 0. değerini geçtiği için k3 alınır; K 3 için + ρ ρ 2 (2 )!(2 ρ) + ρ P n 3 + ρ + ρ2 2 ρ 3 (3 )!(3 ρ) (3 9 0) + [ ] 42 (90 + 8/2) K 3 için 0. in altında kaldığından 3 pist yeterlidir. 79
6 Örnek 5.4. Bir iş merkezinde 4 kişilik 2 asansör aynı katlara hizmet vermektedir. Saatte ortalama 20 müşteri asansörleri kullanmak için gelmektedirler. Asansörün her birinin hizmeti tamamlayıp zemin kata tekrar inmesi 3 dakika sürmektedir. Buna göre, (a) Asansörlerin her ikisinin de boş kalması olasılığını hesaplayınız. (b) Kuyrukta bekleyen ortalama müşteri sayısını bulunuz. (c) Bir müşterinin kuyrukta harcadığı zamanı dakika cinsinden hesaplayınız. (d) Servisteki ortalama müşteri sayısını bulunuz. (e) Sıra bekleyen 4 kişilik grubun kuyrukta 5 dakikadan fazla beklemesi olasılığını hesaplayınız. (f) Tam olarak bir asansörün boş kalması olasılığını hesaplayınız. Çözüm: M/M/2 sonsuz kapasiteli servis sistemidir. Ona göre, λ 30 µ 20 olup, trafik yoğunluğu ρ 3 2 şeklinde hesaplanır. (a) P 0 [ + ρ + ρ k+ (b) L q P 0 (k )!(k ρ) 2 7 ρ 2 ] [ + 3 (2 )! (2 ρ) ] 2 7 ( 3 3 2) ( 4) 8 kişi 80
7 (c) W q L q λ 2 ( 60) 4 dakika 30 (d) W servis W q L servis λw servis kişi veya grup 2 ( (e) Pr T q > 5 ) ( P 0 P ) e (2µ λ) 2 ( 7 3 ) e (40 30) e 6 (f) Tam olarak bir asansörün boş kalması demek sistemde bulunan 4 kişilik müşteri grubundan tane olmasına denktir. Bu olasılık ise, 3 4 tür. Örnek 5.5. Bir marketin manav reyonuna saatte ortalama 30 müşteri uğramaktadır. Müşterilerin aldıkları malları tarttırmak için geçen servis zamanı 3 dakika ortalamalı üstel dağılıma uymaktadır. Herhnagi bir müşterinin beklemesi olasılığının 0. i geçmemesi için kaç tartı daha gereklidir? Çözüm: M/M/K sonsuz kapasiteli servis sistemidir. Ona göre, λ 30 ve µ 20 olup, ρ 3/2 dir. Herhangi bir müşterinin beklemesi olasılığı sistemdeki müşteri sayısının en az kanal sayısı kadar olması gerekmektedir. K 2 için Öncelikle P 0 olasılığını hesaplamalıyız. P 0 K (K ρ)(k )! ( + 3/2) + (3/2)2 (2 3/2) 7 8
8 P n 2 P 0 P ( + (3/2)) 7 4 Bu olasılık 0. den büyük olduğu için tartı sayısını artırıp yeniden hesaplamalar yapılır: K 3 için P 0 K (K ρ)(k )! ( + (3/2) + (9/8) + (3/2)3 2(3 3/2) 4 9 P n 3 P 0 P P ( + 3/2 + 9/8) 9 38 Bu olasılık 0. den büyük olduğu için tartı sayısını artırıp yeniden hesaplamalar yapılır: K 4 için P 0 K (K ρ)(k )! ( + (3/2) + (9/8) + (9/6) + (3/2)4 6(4 3/2) 40 8 P n 3 P 0 P P ( + 3/2 + 9/8 + (9/6)) Bu olasılık 0. den küçük olduğu için 3 tartı daha alınmalıdır. Özet olması bakımından, M/M/K/ / kuyruk sistemi için gerekli formülleri aşağıda verilecektir. 82
9 M/M/K/ Kuyruk Sistemi için Formüller λ geliş hızı, gelişler arası zaman µ servis hızı, birimlerin servis süresi λ µ ortalamalı üstel dağılım ortalamalı üstel dağılım n sistemde bulunan birim sayısı ρ K trafik yoğunluğu λ µ sistemdeki servis kanalı sayısı bulunan birim sayısı, P 0 sistemin boş kalması olasılığı P 0 K ρ K < (K ρ)(k )! P n sistemde n birim olması olasılığı P n ρn n! P 0 n 0,, 2,..., K P n ρn P 0 n K, K +, K + 2,... K n K K! Pr (sistemde en az K birim bulunması) KP K (K ρ) L q kuyrukta olması beklenen birim sayısı P 0 ρ K+ (K ρ) 2 (K )! L servis serviste olması beklenen birim sayısı ρ L sistemde olması beklenen birim sayısı L L q + L servis P 0 ρ K+ (K ρ) 2 (K )! + ρ W q kuyrukta geçen beklenen süre L q λ P 0 ρ K µ(k ρ) 2 (K )! 83
10 M/M/K/ Kuyruk Sistemi için Formüller (devam) W servis serviste geçen beklenen süre µ W sistemde geçen beklenen süre P 0 ρ K W W q + W servis µ(k ρ) 2 (K )! + µ T q kuyrukta bekleme zamanı Pr (T q t) KP K (K ρ) e µt(k ρ) Örnek 5.6. Bir polikliniğe saatte ortalama 4 hasta gelmektedir. Bu poliklinikte 3 doktor bulunmakta olup, bir doktorun ortalama muayene süresi 5 dakikadır. Buna göre, (a) Kuyrukta bekleyen ortalama hasta sayısını bulunuz. (b) Poliklinikteki saatlik ortalama hasta sayısını bulunuz. (c) Gelen bir hastanın hemen muayene olabilmesi olasılığını hesaplayınız. (d) Sistemdeki bir hastanın harcadığı ortalama zamanı hesaplayınız. (e) En fazla iki doktorun boş kalması olasılığını hesaplayınız. (f) Sistemin dengede olup olmadığını belirleyiniz. Sistemin dengede olmaması ne anlama gelir? Çözüm: Sistem M/M/K 3/ kuyruk sistemidir. λ 4 ve µ 4 olup, ρ dir. 84
11 (a) Öncelikle sistemin boş kalması olasılığını hesaplamalıyız: P 0 K (K ρ)(k )! + + (/2) + (3 )(2)! 4 Buradan, sırada bekleyen ortalama hasta sayısı, L q P 0 ρ K+ (K ρ) 2 (K )! (4/) (3 ) 2 (3 )! olarak bulunur. (b) L olarak elde edilir. (c) Gelen bir hastanın hemen muayene olabilmesi için Poliklinikte en fazla 2 hasta olmalıdır. Bu olayın olasılığı ise, P n<3 P 0 + P + P 2 4 ( + + (/2)) olarak hesaplanır. (d) W (60) dakika olarak bulunur. (e) Pr (En fazla 2 doktorun boş kalması) P (f) ρ K 3 < olduğu için sistem dengededir. 85
12 Örnek 5.7. Bir bankanın müşteri hizmetlerinde iki kişi hizmet vermektedir. Müşteriler ortalama 5 dakikada bir arama yapmaktadır buna karşın ortalama servis süresi ise 4 dakika sürmektedir. Gelişler arası sürenin ve hizmet sürelerinin üstel dağılıma uyduğu bilindiğine göre, (a) Müşteri hizmetlerinin boş kalması olasılığını, (b) Kuyrukta aramayı bekleyen ortalama müşteri sayısını (saatte), (c) Kuyrukta geçen ortalama süreyi (dakika), (d) Herhangi bir müşterinin beklemesi olasılığını, (e) Bir müşterinin hizmet süresince kuyrukta 3 dakikadan fazla beklemesi olasılığını, hesaplayınız. Çözüm: M/M/K 2/ kuyruk sistemidir. λ 2 ve µ 5 olup, ρ 0.8 dir. Buna göre, (a) P 0 K olarak bulunur. (K ρ)(k )! + (3/5) + (3/5)2 (2 3/5) (b) L q P 0 ρ K+ (K ρ) 2 (K )! (7/3)(3/5)3 (2 3/5) müşteri. (c) W q P 0 ρ K+ µ(k ρ) 2 (K )! ( (60) 0.72 dakika olarak bulunur. 5 (d) P n 2 P 0 P 7 3 [ ] olarak elde edilir. 86
13 ( (e) Pr T q 3 ) KP K 60 (K ρ) e µt(k ρ) (2 (3/5)) e 20 5(2 (3/5)) e Örnek 5.8. İstatistik Bölümü nde ortak kullanıma ait iki yazıcı bulunmaktadır. Sisteme saatte ortalama 9 iş ulaşmaktadır. Bir yazıcının istenilen işi bitirme süresi ise ortalama 2 dakikadır. Yazıcılara iletilen iş talepleri arası geçen zaman süresi ile yazıcıların iş bitirme süresinin üstel dağılımlı olduğu varsayımı altında; (a) İlgili kuyruk modelini oluşturunuz. (b) Geliş hızı ve hizmet hızı parametrelerini belirleyiniz. (c) Trafik yoğunluğunu bulunuz. (d) Yazıcının boş kalma olasıklarını bulunuz. (e) n, 2, 3, 4 için yazıcıda n iş olma olasılıklarını bulunuz. (f) Serviste olması beklenen ortalama iş sayısını bulunuz. (g) Kuyrukta olması beklenen ortalama iş sayısını bulunuz. (h) Sistemde olması beklenen ortalama iş sayısını bulunuz. (i) Kuyrukta geçen ortalama bekleme süresini bulunuz. (j) Sistemde geçen ortalama süreyi bulunuz. (k) Bir işin kuyrukta 20 dakikadan fazla bekleme olasılığı nedir? (l) Yazıcı daha hızlı bir moda alınıp iş bitirme süresi ortalama 8 dakikaya indirilirse c-k de istenenler nasıl değişir? Hesaplayıp yorumlayınız. Çözüm: (a) Sistem M/M/2 sonsuz kuyruklu sistemdir. 87
14 (b) Geliş hızı, λ 9 (saatte 9 iş gelmektedir), servis hızı ise saatte µ 5 tir. (c) Trafik yoğunluğu ρ λ µ 9 5 olduğu görülür. (d) İki yazıcının da boş kalması olasılığı, P 0 K (K ρ)(k )! + (9/5) + (9/5)2 (2 9/5) Bir yazıcının boş kalması olasılığı, P P 0 ρ 9 (9 5 ) (e) P P 0 ρ AAAAAAAAAAAAAA P 2 P 0 ρ 2 2! 9 P 3 P 0 ρ 3 (2 3 2 )2! 9 P 4 P 0 ρ 4 (2 4 2 )2! 9 ( ) AAAAAA ( ) A ( ) (f) L servis ρ
15 (g) L q P 0 ρ K+ (K ρ) 2 (K )! (/9)(9/5)3 (2 9/5) (h) L L q + L servis (i) W q L q λ ( 60) 9 5 dakika (j) W L λ ( 60) dakika ( (k) Pr T q > 20 ) 60 KP K (K ρ) e µt(k ρ) (2 (9/5)) e 3 5(2 (9/5)) e (l-c) µ 7.5 olup, trafik yoğunluğu, ρ şeklinde bir azalma gösterir. (l-d) İki yazıcının da boş kalması olasılığı, P 0 K (K ρ)(k )! + (6/5) + (6/5)2 (2 6/5) Bir yazıcının boş kalması olasılığı, P P 0 ρ 4 (6 5 )
16 (l-e) P P 0 ρ AAAAAAAAAAAAAAAA P 2 P 0 ρ 2 2! 4 ( ) AAAAAAAAA ρ 3 P 3 P 0 (2 3 2 )2! ( ) AAAAAAA P 4 P 0 ρ 4 (2 4 2 )2! 4 ( ) AAAAAA 5000 (l-f) L servis ρ (l-g) L q P 0 ρ K+ (K ρ) 2 (K )! (/4)(6/5)3 (2 6/5) (l-h) L L q + L servis (l-i) W q L q λ ( 60) 4.5 dakika (l-j) W L λ dakika ( (l-k) Pr T q > 20 ) 60 KP K (K ρ) e µt(k ρ) (2 (6/5)) e 3 7.5(2 (6/5)) 0.45e Yazıcıların hızını /3 oranında artırmak, kuyrukta yazdırılmayı bekleyen iş sayısını yaklaşık %90 azaltmıştır. Bunun yanısıra, bir işin kuyrukta 20 dakikadan fazla beklemesi olasılığını ise yaklaşık 0 kat azaltmıştır. 90
17 Örnek 5.9. Bir devlet hastahanesinin dahiliye bölümünde 4 doktor hizmet vermektedir. Hastaların dahiliye bölümüne yönlendirilmeleri arasında geçen süre üstel dağılımlı olup ortalama 5 dakika arayla geliş yapmaktadırlar. Bir dahiliye doktorunun hizmet verme süresi ise ortalama 5 dakikadır. Buna göre, (a) En az 2 doktorun boş kalması olasılığını, (b) Muayene olmayı bekleyen ortalama hasta sayısını, (c) Muayene olmak için bir hastanın ortalama beklediği süreyi, (d) Muayene olmak için yönlendirilen herhangi bir hastanın sıra beklemesi olasılığını, (e) Muayene olmak için gelen hastanın sırada bekleme süresinin 0 dakikadan fazla olması olasılığını bulunuz. Çözüm: Sistem, 4 hizmet kanalı bulunan M/M/K 4 sonsuz kuyruklu sistemdir. Geliş hızı, λ 2 (saatte 2 hasta gelmektedir). Hizmet hızı ise µ 4 tür. Buradan trafik yoğunluğu, ρ 3 olarak bulunur. (a) 2 doktorun boş kalması, 2 hastanın muayene olmasına, 3 doktorun boş kalması, sistemde hastanın muayene olmasına, 4 doktorun boş kalması hiç hasta olmamasına denktir. Öncelikle 4 doktorun da boş kalması olasılığını yani muayene için hiç bir hastanın olmaması olasılığını hesaplayalım; P 0 K (K ρ)(k )! ! + (3)4 (4 3)3!
18 [ P n 2 P 0 + P + P 2 P 0 + ρ + ρ 2 /2 ] 2 7 [ /2] (b) L q P 0 ρ K+ (K ρ) 2 (K )! (2/53)(3)5 (4 3) 2 3! (c) W q L q λ ( 60) dakika (d) Hastanın sıra beklemesi için en az 4 hastanın muayene için bulunması gerekir P n 4 4P 4 4 ρ 4 P0ρ4 4! 4 ρ 4(2/53)34 4! ( (e) Pr T q > 0 ) 60. KP K (K ρ) e µt(k ρ) e 4 6 (4 3) e 2/ Örnek 5.0. Bir masaj salonuna saatte 8 müşteri gelmektedir. Bu salonda 5 ayrı masöz görevlerini icra etmektedirler. Ortalama hizmet süresi 30 dakika sürmektedir. Müşteriler randevu ile gelmekte ve randevu saati geçmiş olsa bile kafede vakit geçirebilmektedir. Buna göre, (a) Kuyrukta bekleyen ortalama müşteri sayısını bulunuz. (b) Kuyrukta geçen ortalama süreyi bulunuz. (c) Herhangi bir müşterinin kuyrukta [5,30) dakika beklemesi olasılığının 0.0 den az olabilmesi için masöz sayısı en az kaç olmalıdır? Çözüm: Sistem, 5 hizmet kanalı bulunan M/M/K 5 sonsuz kuyruklu sistemdir. Geliş hızı, λ 8 ve hizmet hızı ise µ 2 dir. Buradan trafik yoğunluğu, ρ 4 olarak bulunur. 92
19 (a) Kuyrukta bekleyen ortalama müşteri sayısını hesaplayabilmek için salonda veya beklemede hiç bir müşterinin olmaması olasılığını öncelikle hesaplamamız gerekir: K 5 n! 4 n n! [ (64/6)] 03 3 P 0 K (K ρ)(k )! !(5 4) L q P 0 ρ K+ (K ρ) 2 (K )! (3/23)(4)6 (5 4) 2 4! (b) W q L q λ ( 60) dakika ( 5 (c) Pr 60 < T q 30 ) KP [ K e µ 4 (K ρ) e µ (K ρ)] 2 60 (K ρ) AlAAAAAAAAAAAA KP K [ (K ρ) e 2 (K 4) e (K 4)] 2 K 5 masöz yeterli mi? kontrol edelim; ( 5 Pr 60 < T q 30 ) 5 (3/23)45 [ ] e 2 e ! 23 e [ ] 2 e olup, 5 masöz yeterli değildir. K 6 masöz için kontrol edelim; 93
20 K 6 n! 4 n n! [ (64/6) + (28/5)] P 0 K (K ρ)(k )! !(6 4) P 6 P /6! 256/2697 olarak hesaplanır. Buradan, ( 5 Pr 60 < T q 30 ) [ 2697 e e 2] < olarak hesaplanır. Bu sonuca göre en az masöz daha gereklidir. 94
Kuyruk 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
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
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 TEORİSİ II DOĞUM-ÖLÜM SÜRECİ
SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ DERS NOTLARI DOĞUM-ÖLÜM SÜRECİ Kuyruk sistemindeki t zamanındaki müşteri sayısını kuyruk sisteminin
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
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
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.
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 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,
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
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
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
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.
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
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.
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
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
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
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
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
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
DetaylıKesikli 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.
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
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.
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
Detaylı6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e
İST KUYRUK TEORİSİ ARASIAV SORULARI ( MAYIS ). Bir baaı müşteri hizmetleride te işi hizmet vermetedir. Müşteriler ortalama daiada bir arama yapmatadır bua arşı ortalama servis süresi ise daia sürmetedir.
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
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
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
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
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 1. HAFTA 1 Kuyruk Teorisi: Giriş Bir hizmete olan talep arrtıkça talebi karşılamak için hizmeti
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
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
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
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:
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.
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.
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
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
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
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
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
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
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
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
DetaylıKümülatif Dağılım Fonksiyonu (Sürekli)
Kümülatif Dağılım Fonksiyonu (Sürekli) sürekli bir rastgele değişken olsun. Bu durumda kümülatif dağılım fonksiyonu şu şekilde tanımlanır. F ( ) = Pr[ ] Tipik bir KDF şu şekilde görünür:.0 F () 0 Kümülatif
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,
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
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
DetaylıParametrik 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
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
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
Detaylı3/6/2013. 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
DetaylıDers 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
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
DetaylıSIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017
SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017 SORU 1: Hasar rassal değişkenini tanımlayan rassal X aşağıdaki dağılıma sahiptir: 150 F ( x) = 1, 0. x 150 + x Simülasyon teknikleri kullanılarak bu dağılımdan
Detaylı2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018
2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla olursa
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
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
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
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
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
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıHatalar ve Bilgisayar Aritmetiği
Hatalar ve Bilgisayar Aritmetiği Analitik yollardan çözemediğimiz birçok matematiksel problemi sayısal yöntemlerle bilgisayarlar aracılığı ile çözmeye çalışırız. Bu şekilde Sayısal yöntemler kullanarak
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
DetaylıAktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I
Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I S1. Cep telefonu üreten bir fabrikada toplam üretimin % 30 u A, % 30 u B ve % 40 ı C makineleri tarafından yapılmaktadır. Bu makinelerin
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
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
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
DetaylıSİGORTA MATEMATİĞİ SINAV SORULARI WEB. Belirli yaşlar için hesaplanan kommütasyon tablosu aşağıda verilmiştir.
SORU 1 SİGORTA MATEMATİĞİ SINAV SORULARI WEB Şimdiki yaşı 56 olan Ahmet, Bireysel Emeklilik Sistemi (BES) ile biriktirmiş olduğu 250.000 TL yi yaşam süresi boyunca sabit ödemeli dönem başı yıllık maaş
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)
DetaylıRassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde
DetaylıKESİKLİ 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
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.
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)
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
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıÖrnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2
Bir Olayın Olasılığı P(A) = n(a) n(s) = A nın eleman sayısı S nin eleman sayısı Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? Çözüm: S
DetaylıSimülasyonda 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
DetaylıLaboratuvar 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
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
DetaylıMath 322 Diferensiyel Denklemler Ders Notları 2012
1 Genel Tanımlar Bir veya birden fazla fonksiyonun türevlerini içeren denklemlere diferensiyel denklem denmektedir. Diferensiyel denklemler Adi (Sıradan) diferensiyel denklemler ve Kısmi diferensiyel denklemler
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
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.
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.
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)
DetaylıBÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1
ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...
Detaylıİstatistik 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
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
DetaylıIE 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
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.
DetaylıİSTATİSTİK 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
DetaylıÖğrenci No Ad ve Soyad İmza DENEY 2. BJT nin Bağımlı Akım Kaynağı Davranışının İncelenmesi: Sabit Akım Kaynağı İle LED Sürücü Tasarımı
Öğrenci No Ad ve Soyad İmza Masa No DENEY 2 BJT nin Bağımlı Akım Kaynağı Davranışının İncelenmesi: Sabit Akım Kaynağı İle LED Sürücü Tasarımı 1.Adım: Aşağıda verilen devreleri sırasıyla kurunuz. Dirençler
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
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıHerhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X(x ) dx Sürekli
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
DetaylıHAYAT DIŞI SİGORTALARI SINAVI EKİM 2017
HAYAT DIŞI SİGORTALARI SINAVI EKİM 2017 SORU 1: Hasar sıklığı dağılımının oranıyla possion dağılımına sahip olduğu, bireysel hasar tutarlarının ortalaması 20 olan bir üstel dağılım olduğu ve prim yüklemesinin
Detaylı