Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri"

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 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

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk 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

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk 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/

Detaylı

KUYRUK TEORİSİ II DOĞUM-ÖLÜM SÜRECİ

KUYRUK 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

Detaylı

Ders 6: Sürekli Olasılık Dağılımları

Ders 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

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

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

Detaylı

SÜREKLİ DÜZGÜN DAĞILIM

SÜREKLİ 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.

Detaylı

Yönetimde Karar Verme Teknikleri

Yönetimde 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

Detaylı

BEKLEME HATTI MODELLERİ

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,

Detaylı

Bekleme Hattı Teorisi

Bekleme 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

Detaylı

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN

KUYRUK 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

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi 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

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

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

Detaylı

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

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

Detaylı

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

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

Detaylı

Kuyruk Sistemlerinin Benzetimi. KUYRUK & BEKLEME HATTI SİSTEMLERİ Genel nüfus Bekleme hattı Sunucu

Kuyruk 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

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK 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

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

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

Detaylı

1-2 - * 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... 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

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

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

Detaylı

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

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

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 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

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

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

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1

2016 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

Detaylı

6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e

6 (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.

Detaylı

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

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

Detaylı

1.58 arasındaki her bir değeri alabileceği için sürekli bir

1.58 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

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK 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

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

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

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk 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

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. 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

Detaylı

Dr. Mehmet AKSARAYLI

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

Detaylı

EME 3105 SISTEM SIMÜLASYONU

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

Detaylı

Veri Ağlarında Gecikme Modeli

Veri 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:

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

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

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

Detaylı

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.

ENM 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

Detaylı

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

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

Detaylı

ÇIKTI ANALİZİ BENZETİM TÜRLERİ

ÇIKTI 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

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 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

Detaylı

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

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

Detaylı

Y.Doç.Dr. Fazıl GÖKGÖZ Kuyruk Teorisi. Bölüm 1: Temel Kavramlar. Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler

Y.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

Detaylı

SİSTEM SİMULASYONU FİNAL ÇALIŞMA SORULARI-I

SİSTEM 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

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ 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

Detaylı

Kümülatif Dağılım Fonksiyonu (Sürekli)

Kümülatif 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

Detaylı

3. KUYRUK TEORİSİNE GİRİŞ ve Ulaşım Mühendisliğinde Uygulamaları

3. 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,

Detaylı

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

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

Detaylı

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

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

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

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

Detaylı

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI

SAKARYA 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

Detaylı

İSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ

İSTATİSTİK. 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

Detaylı

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

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

Detaylı

Ders 6: Kesikli Olasılık Dağılımları

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

Detaylı

EME 3105 SISTEM SIMÜLASYONU. Giriş. Arena Ortamı. Simulasyon Dilleri

EME 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

Detaylı

SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017

SIGORTA 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

Detaylı

2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018

2018 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

Detaylı

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

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 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

Detaylı

Ders 5: Kesikli Olasılık Dağılımları

Ders 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

Detaylı

Ders 5: Kesikli Olasılık Dağılımları

Ders 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

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL 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

Detaylı

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

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

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 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

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 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

Detaylı

Hatalar ve Bilgisayar Aritmetiği

Hatalar 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

Detaylı

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

ALIŞTIRMALAR. 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.

Detaylı

Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I

Aktüerlik 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

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 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

Detaylı

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak

AKT201 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

Sürekli Rastsal Değişkenler

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

Detaylı

SİGORTA MATEMATİĞİ SINAV SORULARI WEB. Belirli yaşlar için hesaplanan kommütasyon tablosu aşağıda verilmiştir.

SİGORTA 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

Detaylı

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 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)

Detaylı

Rassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Rassal 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

Detaylı

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

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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

ENM-3105 Sistem Simulasyonu Kısa Sınav 1

ENM-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)

Detaylı

SÜREKLİ OLASILIK DAĞILIMI

SÜREKLİ 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

Detaylı

Kesikli 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 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

Detaylı

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2

Örnek 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

Detaylı

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

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

Detaylı

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

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

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU 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

Detaylı

Math 322 Diferensiyel Denklemler Ders Notları 2012

Math 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

Detaylı

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

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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan 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.

Detaylı

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 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)

Detaylı

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1

BÖLÜM 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...

Detaylı

İstatistik ve Olasılık

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

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

IE 303T Sistem Benzetimi

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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

İSTATİSTİK DERS NOTLARI

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

Detaylı

Öğrenci 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 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

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

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

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar 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

Detaylı

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.

Herhangi 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

Detaylı

BAKIM-ONARIM İÇİN SIRADA BEKLEME (KUYRUK) MODELLERİ

BAKIM-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

Detaylı

HAYAT DIŞI SİGORTALARI SINAVI EKİM 2017

HAYAT 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