EME 3117 SİSTEM SİMULASYONU. Yineleme (Replikasyon) Kavramı. Yineleme İçi Veri Tipleri. Simulasyonun Yineleme Sayısının Belirlenmesi

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

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI.

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

t Dağılımı ve t testi

6.046J/18.401J DERS 9. Post mortem (süreç sonrası) Prof. Erik Demaine

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

Sisteme gire aışaı eerjisi; ieti, potasiyel, aış eerjileri ile i eerjii toplamıda oluşmata olup, Q m& g m& Z g Z z0 ref. E g E + E p + u+ E A + gz +u+

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

Tek Bir Sistem için Çıktı Analizi

t Dağılımı ve t testi

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1)

İSTATİSTİK DERS NOTLARI

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

biliniyordu: Eğer 2 a 1 bir asal sayıysa, o zaman S = 2 a 1 (2 a 1) yetkin bir sayıdır. Bunu toplayalım: O halde

[ ]{} []{} []{} [ ]{} g

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1

NİÇİN ÖRNEKLEME YAPILIR?

Ele Alınacak Ana Konular. Hafta 3: Doğrusal ve Zamanla Değişmeyen Sistemler (Linear Time Invariant, LTI)

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

D( 4 6 % ) "5 2 ( 0* % 09 ) "5 2

Box ve Whisker Grafiği

BÖLÜM II. Asal Sayılar. p ab ise p a veya p b dir.

Sistem Modellerinin Zaman Cevabı ve Performans Kriterleri

BÖLÜM III. Kongrüanslar. ise a ile b, n modülüne göre kongrüdür denir ve

Elektrik&Elektronik Müh. Böl. İşaret İşleme Uygulamaları Deney 2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İstatistiksel Proses Kontrol - Seminer Notları -

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ


PARÇALI ARİTMETİK DEĞİŞİMLİ GERİ ÖDEMELERE SAHİP ORTAKLIĞA DAYALI KONUT FİNANSMAN MODELİ

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

Bir Sınıf Jacobi Matrisi İçin Özdeğer Problemi 1

= + ise bu durumda sinüzoidal frekansı. genlikli ve. biçimindeki bir taşıyıcı sinyalin fazının modüle edildiği düşünülsün.

PI KONTROLÖR TASARIMI ÖDEVİ

: Boş hipotez, sıfır hipotezi : Alternatif hipotez

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

İSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri)

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

Sınır Koşullarının Spektral Parametreyi İçerdiği İmpulsive Sturm-Liouville Sınır-Değer Problemi İçin Düz ve Ters Problemler

İstatistik ve Olasılık

ISO M. Görkem Erdoğan. Bu sunuya ve konunun pdf dosyasına adresinden erişilebilir.

Öğrenci Numarası İmzası: Not Adı ve Soyadı

İspatlarıyla Türev Alma Kuralları

MONTE CARLO BENZETİMİ

v = ise v ye spacelike vektör,

σ σ τ τ ; σ 4τ s σ FBr F em 1 10 N t d x A Makine Tasarımı I-Formüller 2017/2018 Mukavemet Varsayımları: Maksimum şekil değiştirme enerjisi varsayımı

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

DENEY 4 Birinci Dereceden Sistem

İSTATİSTİKSEL HİPOTEZ TESTLERİ

Yataklı vanalar (PN 16) VF 2-2 yollu vana, flanşlı VF 3-3 yollu vana, flanşlı

ç ü ü ü ü ü ç ü ğ ö İ ö ö ğ ğ ğ ğ ğ İ ç İ ç ğ ü ü ç ç ç ğ ü ü üğü ğ ç ç ö ö ü ü ü İ ç ü ü ğ ğ ü ü ğ ü ü üğü ü ğ ö ö ç ç ğ ğ ü üğ ü ü üğü ö ö ö ğ ö ğ ü

KANTOROVICH-STANCU TİP OPERATÖRLER İLE YAKLAŞIM. Neslihan KOZAN BAŞAK YÜKSEK LİSANS TEZİ MATEMATİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

İstatistik Nedir? Sistem-Model Kavramı

Gibi faktörlerin alt kümlerindeki kritik faktörler (mali ve operasyonel) dikkate alınarak her bir yöntem için ayrı ayrı olmak üzere ;

3. Bir kabı, biri 17 diğeri 55 litre su alan ölçeklendirilmemiş iki kap yardımıyla tam olarak 1 litre suyla nasıl doldurursunuz açıklayınız. (10 P.

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

YILLAR ÖSS-YGS

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

İstatistik ve Olasılık






Ders 10. Belirsiz Talep Durumunda Stok Kontrol-III. Sürekli Gözden Geçirme Sistemleri. Talebin Yapısı. s t 2 = s 2 t. = Dt

Değişkenlik (Yayılım) Ölçüleri

Stok Yönetimi. M. Görkem Erdoğan. Bu sunuya ve konunun pdf dosyasına adresinden erişilebilir.

Sistem Dinamiği ve Modellemesi

TÜME VARIM ve DİZİLER ÜNİTE 4. ÜNİTE 4. ÜNİTE 4. ÜNİTE 4. ÜNİT

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 1: Posta Arabası Problemi. Örnek 1: Posta Arabası Problemi. Hafta 1

Kollektif Risk Modellemesinde Panjér Yöntemi

Aralığın İç Noktasında Süreksizliğe Sahip Dirac Operatörünün Spektral Özellikleri

SEZGİSEL BULANIK CHOQUET İNTEGRAL OPERATÖRÜ YARDIMI İLE OPTİMAL ÜRETİM FAKTÖR SEÇİMİ

tanımlanabilir. Bu nedenle olasılık konusu küme teorisini bir araç olarak kullanmaktadır.

n, 1 den büyük bir sayma sayısı olmak üzere,

MIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *

EGE ÜNİVERSİTESİ-MÜHENDİSLİK FAKÜLTESİ-MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ 1 MK371 ISI TRANSFERİ (2+2) DERSİ

Bandırma rüzgar enerjisi potansiyelinin araştırılması ve seçilen rüzgar türbinlerinin ekonomik analizi

) ile algoritma başlatılır.

DİKGEN FREKANS BÖLMELİ ÇOĞULLAMA SİSTEMLERİNDE PİLOT TON TABANLI SENKRONİZASYON TEKNİĞİ ÖZET

6. Uygulama. dx < olduğunda ( )

DENEY 3. HOOKE YASASI. Amaç:

DENEY 1: ÖRNEKLEME KURAMI

ÖzelKredi. İsteklerinize daha kolay ulaşmanız için

DİFERANSİYEL DENKLEMLER ve UYGULAMALARI

SU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle

Yrd.Doç.Dr.İstem Köymen KESER

Transkript:

EME 37 SİSTEM SİMULASYONU Simulayou Yieleme Sayııı Belirlemei Der 3 Yieleme (Repliayo) Kavramı Bir yieleme, başlagıç oşullarıda oladırma oşullarıa adar itemi evrimii temil ede bir örelem patiaı üretimidir. Te bir yielemede toplaa itatitilere, yieleme içi itatitiler (witi replicatio tatitic) deir. Birde ço yielemelerde toplaa itatitilere ie yielemeler araı itatitiler (acro replicatio tatitic) deir. Replicatio 3 i- i i+ - Zama Time Replicatio 3 i- i i+ - Zama Time Witi Yieleme İçi Replicatio İtatitiler Statitic i X i i X i Yielemelere Acro Araı Replicatio İtatitileri Statitic Y X j j Yieleme İçi Veri Tipleri Gözleme dayalı veriler: Bu veri tipi, bir eei belli bir durumda aldığı üre yada zama aralığıyla ilgilidir. Neei duruma girdiği a ve durumda çıığı a işaretleere gözleir. Öre: Ortalama Kuyruta Beleme Sürei Zamaa dayalı veriler: Replicatio r X r i i r Y j X j Bu veri tipi ılıla model içidei durum değişeleriyle ilgilidir ve varlığı içide buluduğu durumda aldığı zama ağırlıladırılır. Öre: Ortalama Kuyruta Beleye Müşteri Sayıı 3 i- i i+ - Zama Time

Bağımız Yielemeler Metodu (Solu Ufu Simulayo) r Her bir yielemei (repliayo) bir oladırma oşuluyla bitirildiği ve ayı başlagıç oşullarıyla terar başladığı R yielemeli bir imulayo gerçeleştirdiğiizi düşüü. Y, ri i,,, =, olma üzere r.,, r, = ve R yielemei i. gözlem değeri olu. Her bir yielemedei örelem ortalamaı aşağıdai formülde eaplaır: Y r = r å Y ri i = r Eğer veriler zamaa dayalıya, ò, r =,,, R TE Yr ( t) dt Yr = TE Stadart itatitiel teileri ulla. Y r, yieleme içi itatitilerii örelem ortalamaıdır. Bu ortalama, er bir yielemei ouda gözleebile bir raal değişedir ve bu edele Y r ( r =,,, R), raal bir örelem oluşturur. q(t) 3 A=, D=, W= W=7 W= W6= W3=8 W7=6 A=, D=3, W= W ( ) t A8=3, D8=3, W8= Gözleme ve Zamaa Dayalı Veriler İçi Örelem Patiaı Ai ; i... olma üzere i. müşterii uyruğa girme zamaı Di ; i... olma üzere i. müşterii uyruta çıış zamaı Wi Di Ai ; i... olma üzere i. müşterii uyruta geçirdiği üre Gözleme dayalı veriler Area da TALLY i W i Zamaa dayalı veriler Area da DSTAT q() t dt t Lq ( ) t t t qv t t q ( t t ) t t qv v 7 Simulayoda Zama Ufuları Solu Ufu: Solu ufulu imulayoda, imulayou ouu işaret ede, iyi bir şeilde taımlamış olama zamaı yada olama oşulu belirleebilir. Solu ufu imulayoları ılıla, olaa imulayolar şelide iimledirilir; çüü bu tür imulayolarda oladırma oşulları açıtır. Baa: Baa 9. da açılır, 7. de apaır. Bir müşteri iparişii azırlama: ürü üretme içi yei bir alaşma imzaladığıızı abul edi. Maliyeti, telim zamaıı vb. görme içi ürüü üretimii imule edebiliriz 8 Öreler Souz Ufu: Bir ouz ufu imulayoda iyi bir şeilde taımlamış olama zamaı yada olama oşulu yotur. Plalama periyodu, itemi ömrüdür ve avramal baış açııyla ouza adar ürer. Souz ufu imulayoları ılıla, ararlı durum (teady tate) imulayoları diye iimledirilir. Çüü ouz ufu imulayouda itemi uzu döemdei yada ararlı aldei davraışıyla ilgileilir. Kararlı al çıtııı ölçmele ilgilediğimiz bir fabria Haftaı 7 güü, aat açı ola bir ataei il yardım bölümü Her zama çalışır durumda ola bir teleomüiayo itemi

Örelem Büyülüğüü Belirlemei Örelem Büyülüğüü Belirlemei ( Biliiyor) Tüm itleyle ilgili veri toplama içi büyü örelem eçme paalıdır. Diğer tarafta itle parametrelerii iyi tamilerii elde etme içi yeterli büyülüte örelem eçilmelidir. Örelem büyülüğü e olmalıdır oruuu yaıtı temel olara fatöre bağlıdır:. Güve aralığı e adar dar olmalı?. Güve aralığı e adar güvele itle parametreii içie almalı? Çoğu ez x, µ ye tam olara eşit olmaz ve ota tamiide ata vardır. Bu ataı büyülüğü µ ve x araıdai fartır. X tami edicii ve µ parametrei araıdai x far, tamii örelem ataıdır. E z. / Örelem Büyülüğüü Belirlemei ( Biliiyor) Souç : ataı E E X X z. / X z. / x, µ ü bir tamii olara ullaılıra, -α güvele E z. / x de üçü oluğu öyleebilir. Souç :, µ ü bir tamii olara ullaılıra, ataı belli bir E değeride üçü olacağıı -α güvele öyleyebilme içi örelem büyülüğü aşağıdai gibi olmalıdır: Z / E Örelem Büyülüğüü Belirlemei ( Bilimiyor) %( ) güvele arşılaılabilece e büyü öreleme ataı [E], yarı güve geişligi adardır. t E, t E, Alteratif olara, Normal dağılım ullaılara da gereli örelem büyülügüe yalaşılabilir. z E 3

Yarı Geişlili Güve Aralığı ( Bilimiyor) Yarı Geişlili Güve Aralığı (Excel Hedef Ara) parametrei içi % (- ) Güve Aralığı: x t /, Güve Aralığıı yarı geişliği: =t /, Yarı Geişlili Güve Aralığı (Excel Hedef Ara) Yarı Güve Aralığı Oraı Metodu, yielemede olua pilot imulayo çalışmaıde elde edile yarı güve aralığı içi başlagıç değeri olu. t, t, yieleme içi başa bir çözüm bulalım. t, t 'ı yalaşı olara t,, olduğuu abul edere, 'e ve 'i yalaşı olara 'e eşit

7 Souçlar 8 Yarı Güve Aralığı Oraı Metodu (Excel Çözüm), 7. 7, ve ile yarı güve aralığı metoduda gereli riteri ağlama içi yalaşı 6 yieleme gerelidir.