Kararların Modellenmesi ve Analizi Ders Notu III

Slides:



Advertisements
Benzer bir sunumlar
KARAR TEORİSİ.
Advertisements

Portföy Risk ve Getirisi
Hâsılat kavramları Firmaların kârı maksimize ettikleri varsayılır. Kâr toplam hâsılat ile toplam maliyet arasındaki farktır. Kârı analiz etmek için hâsılat.
Gıda Mikrobiyolojisi Eğitimi 04 Kasım 2014, Kuşadası Prof. Dr. Kadir HALKMAN Ankara Üniversitesi Gıda Mühendisliği Bölümü 04; Sonuçların değerlendirilmesi.
Prof. Dr. Ahmet Arıkan Gazi Ü niversitesi Gazi Eğitim Fakültesi OFMAE Bölümü Matematik Eğitimi Anabilim Dalı.
İnsanlar; duygu, düşünce ve isteklerini cümlelerle dile getirir. Cümleler ise sözcüklerden oluştuğu için sözcükler, dilin en önemli öğesidir. Sözcükler,
BÖLÜM 4 Finansal Tablo Analizi Bu bölümü okuduğunuz zaman, şunları yapabiliyor olmanız gerekir: Oran analizinin ne olduğunu açıklamak Beş grup oranın.
Hat Dengeleme.
Önem Testleri. Örnekleme yoluyla sağlanan bilgiden hareketle; Kliniklerde hasta hayvanlara uygulanan yeni bir tedavi yönteminin eskisine kıyasla bir farklılık.
GENÇ YETİŞKİNLERDE YAŞAM DOYUMUNUN YORDAYICISI OLARAK UMUT, DAYANIKLILIK VE İYİMSERLİK Makbule Kalı Soyer Ayşin Satan 13. Ulusal.
BÖLÜM 8 Risk ve Getiri Oranları Bu bölümü bitirdiğinizde şunları yapabilir duruma gelmelisiniz: Hisse senedinin tek başına riski ile bir portföy içindeki.
HİPOTEZ TESTLERİNE GİRİŞ 1. Şu ana kadar örneklemden elde edilmiş istatistiklerden yararlanarak, kitle parametresini kestirebilmek için nokta tahmini.
Bölüm 4 KAPALI SİSTEMLERİN ENERJİ ANALİZİ
AİLELERLE İŞBİRLİĞİ.
Parametrik ve Parametrik Olmayan Testler Ortalamaların karşılaştırılması t testleri Mann-Whitney U testi Wilcoxon İşaretli Sıra testi BBY252 Araştırma.
Hatırlatma: Olasılık Tanım (Şartlı olasılık): A olayı olduğunda B olayının olma olasılığı Bir örnek: çalışan işsiz Toplam Erkek Kadın
HİPOTEZ TESTLERİNE GİRİŞ Şu ana kadar örneklemden elde edilmiş istatistiklerden yararlanarak, kitle parametresini kestirebilmek için nokta tahmini.
Çoklu Doğrusal Bağlantı X3X3 X2X2 r X 2 X 3 = 1 Tam Çoklu Doğrusal Bağlantı.
Öğr. Gör. Dr. İnanç GÜNEY Adana MYO
MESLEĞE YÖNELTME SEMİNERİ
HİPOTEZ TESTLERİ VE Kİ-KARE ANALİZİ
Sıklık Dağılımları Yrd. Doç. Dr. Emine Cabı.
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ ÜNİTE 3
DERS2 Prof.Dr. Serpil CULA
GENEL MUHASEBE.
TAM SAYILAR.
T- Testİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ
Basit ve Kısmi Korelasyon Dr. Emine Cabı
DENEYSEL TERTİPLER VE PAZAR DENEMESİ
Bölüm 4 KAPALI SİSTEMLERİN ENERJİ ANALİZİ
ÖRNEKLEME.
Problem Çözme ve Algoritmalar
1. Bernoulli Dağılımı Bernoulli dağılımı rassal bir deneyin sadece iyi- kötü, olumlu-olumsuz, başarılı-başarısız, kusurlu-kusursuz gibi sadece iki sonucu.
Yapay Sinir Ağı Modeli (öğretmenli öğrenme) Çok Katmanlı Algılayıcı
Kesikli Olasılık Dağılımları
MODEL YETERSİZLİKLERİNİ DÜZELTMEK İÇİN DÖNÜŞÜMLER VE AĞIRLIKLANDIRMA
Ünite 8: Olasılığa Giriş ve Temel Olasılık Hesaplamaları
Çözülemiyen Matematik Soruları
MAT – 101 Temel Matematik Mustafa Sezer PEHLİVAN *
FİNANSAL PLANLAMA.
Kararların Modellenmesi ve Analizi Ders Notu II
III. FEN BİLİMLERİ ARAŞTIRMA SEMPOZYUMU
KORELASYON VE DOGRUSAL REGRESYON
PROBLEM ÇÖZME VE ALGORİTMALAR
PARAMETRİK HİPOTEZ TESTLERİ
Dr. İLKER YAKIN & Dr. HASAN TINMAZ
BENZETİM Prof.Dr.Berna Dengiz 13. Ders Çıktı Analizi
Doğrusal Mantık Yapısı İle Problem Çözme
Evren-Örneklem, Örnekleme Yöntemleri 2
B- Yaygınlık Ölçüleri Standart Sapma ve Varyans Değişim Katsayısı
Tezin Olası Bölümleri.
NİŞANTAŞI ÜNİVERSİTESİ
NİŞANTAŞI ÜNİVERSİTESİ
İŞYERİNDE MÜHENDİSLİK EĞİTİMİ (İME)
Ürün ve Hizmetler İçin Kapasite Planlaması
NİŞANTAŞI ÜNİVERSİTESİ
DİL GELİŞİMİ KURAMLARI - II
5 Esneklik BÖLÜM İÇERİĞİ Talebin Fiyat Esnekliği
Eğitim Önemlidir İKS kadrosunun ve çiftçilerin eğitimi İKS sürecinin önemli bir bölümüdür. Hedef çiftçilerin, ve proje çalışanlarının organik çiftçiliğin.
Derse giriş için tıklayın...
Kesikli Olay benzetimi Bileşenleri
Sermaye Maliyeti Sermaye maliyeti; kullanılan veya kullanılması planlanan her çeşit kaynağın, maliyetlerinin ağırlıkları dikkate alınarak ortalamasının.
NİŞANTAŞI ÜNİVERSİTESİ
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ
OLASILIK Uygulamada karşılaşılan olayların birçoğu kesin olmayan diğer bir ifadeyle belirsizlik içeren bir yapıya sahiptir. Olasılık kavramı kesin olmayan.
RASTGELE DEĞİŞKENLER Herhangi bir özellik bakımından birimlerin almış oldukları farklı değerlere değişken denir. Rastgele değişken ise tanım aralığında.
Bilimsel Araştırma Yöntemleri
Prof. Dr. Halil İbrahim Karakaş
2. HAFTA Bilimsel Araştırma Temel Kavramlar.
Bilimsel bir Bildiri veya Makale Nasıl Yazılır ve Yayımlanır?
Sunum transkripti:

0616330 Kararların Modellenmesi ve Analizi Ders Notu III Dr. Vildan Ç. ÖZKIR Endüstri Mühendisliği Bölümü, Yıldız Teknik Üniversitesi, İstanbul cvildan@yildiz.edu.tr 2012 Bahar Dönemi

Risk Altında Karar Verme 0616330 Karar Analizine Giriş Risk Altında Karar Verme

Risk Altında Karar Verme Olasılık: Belirsizliğin Ölçümü 0616330 Ders Notu III Risk Altında Karar Verme Olasılık: Belirsizliğin Ölçümü Olasılık sonuçları rastgele ortaya çıkan bir deney olarak düşünülebilir. Bu deneyin tüm sonuçlarının biraraya gelmesiyle örneklem uzayı oluşur. Bu örneklem uzayının herhangi bir alt kümesi ise olay adını alır. 𝑛 denemeli bir deneyde 𝐸 olayı 𝑚 kez meydana geliyorsa, 𝐸 olayı nın gerçekleşme olasılığı 𝑃 𝐸 matematiksel olarak şöyle ifade edilebilir: 𝑃 𝐸 = lim 𝑛→∞ 𝑚 𝑛 0≤𝑃 𝐸 ≤1 Yıldız Teknik Üniversitesi

Küme Teorisi ve Olasılık Kavramı 0616330 Ders Notu III Küme Teorisi ve Olasılık Kavramı P(E) = alan(E)/alan(S) P(E ve F) = alan(E ∩ F)/alan (S) P(E yada F) = alan (E ∪ F)/alan (S) = P(E) + P(F) – P(E ∩ F) S E F Yıldız Teknik Üniversitesi

Koşullu Olasılık Kavramı 0616330 Ders Notu III Koşullu Olasılık Kavramı 𝑃 𝐹 >0 olmak üzere, E ve F gibi iki olayı ele alalım. Burada E’nin F’ye göre koşullu olasılığı 𝑃 𝐸|𝐹 şöyle tanımlanır. 𝑃 𝐸|𝐹 = { 𝑥 | 𝑥 ∈𝐸 𝑣𝑒 𝑥 ∉𝐹} 𝑃 𝐸|𝐹 = 𝑃 𝐸∩𝐹 𝑃 𝐹 ,𝑃 𝐹 >0 Eğer E ve F olayları birbirinden bağımsızsa, bileşik (ortak) olasılıkları şöyledir: 𝑃 𝐸|𝐹 =𝑃 𝐸 = 𝑃 𝐸∩𝐹 𝑃 𝐹 𝑃 𝐸∩𝐹 =𝑃 𝐸 𝑃 𝐹 S E F Yıldız Teknik Üniversitesi

0616330 Ders Notu III Bayes Teoremi E ve F gibi iki olay verildiğinde, 𝑃 𝐸 >0 olmak üzere, 𝑃 𝐹\E = 𝑃 𝐸\F 𝑃 𝐹 𝑃 𝐸 = 𝑃 𝐹∩𝐸 𝑃 𝐸 veya 𝑃 𝐹\E = 𝑃 𝐸\F 𝑃 𝐹 𝑃 𝐸\F 𝑃 𝐹 +𝑃 𝐸\ 𝐹 𝑃 𝐹 olur. Bu formül bir olay hakkında bilgi toplanacağı zaman çok işe yarar (Baker, Ders Notları). Diğer bir deyişle, Bayes teoremi eğer F gözlemlenmiş ise, E gözlemi hakkındaki inançların ne şekilde güncelleştirilebileceğini ortaya çıkartır. Yıldız Teknik Üniversitesi

Bir Bayes Teoremi Örneği 0616330 Ders Notu III Bir Bayes Teoremi Örneği Bir tesis bir X nehrini kirletiğinden şüpheleniliyor. A tesisin kirletmesi olayı olsun P(A)’nin ise 0,6 olabileceğini düşünelim. Nehirden bir örnek alalım Örnek Kirli! Bu da B olayı olsun. P(B|A)’nin 0,9 ve P(B| 𝐴 )’nin de 0,3 olabileceğini düşünelim. Bu nehri bu tesisin kirletmiş olması olasılığı nedir? Yıldız Teknik Üniversitesi

Beklenen Değer Kriteri 0616330 Ders Notu III Beklenen Değer Kriteri En yüksek ağırlıklandırılmış ortalamaya sahip olan alternatifin seçimini içerir. 𝐸𝑉 𝑎 𝑖 = 𝑗=1 𝑛 𝑃 𝑠 𝑗 𝑣 𝑖𝑗 Davranış Biçimi Doğal Durum- Olay (Talep Seviyesi) Beklenen Değeri Düşük (0,30) Orta (0,40) Yüksek GL 25 TL 400 TL 650 TL 362,5 TL SA -10 TL 440 TL 740 TL 395TL WP -125 TL 750 TL 347,5 TL Yıldız Teknik Üniversitesi

Ortalamaların Hatası (Sam Savage’s Insight.xla’den alınmıştır) 0616330 Ders Notu III Ortalamaların Hatası (Sam Savage’s Insight.xla’den alınmıştır) Yıldız Teknik Üniversitesi

Ortalamaların Hatası Örneği 0616330 Ders Notu III Ortalamaların Hatası Örneği 10 eşzamanlı görevin bulunduğu bir projeyi yönetiyorsunuz. Tüm görevler bittiğinde, proje de bitmiş olacak. Her görev, ortalama (ve medyan) 3 ay sürmektedir. Ortalama olarak, proje ne kadar sürede tamamlanacaktır? Projenin yaklaşık 3 ayda bitmesi olasılığı nedir? Yıldız Teknik Üniversitesi

Varyans ve Standart Sapma 0616330 Ders Notu III Varyans ve Standart Sapma 𝑣𝑎𝑟 𝑋 =𝐸 𝑋−𝐸 𝑋 =𝐸 𝑋 2 −𝐸 𝑋 2 𝑆𝐷 𝑋 = 𝑣𝑎𝑟 𝑋 𝑐𝑜𝑣 𝑋,𝑌 =𝐸 𝑋−𝐸 𝑋 𝑌−𝐸 𝑌 =𝐸[𝑋𝑌]−𝐸[𝑋]𝐸[𝑌] 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝜌 𝑋𝑌 = 𝑐𝑜𝑣 𝑋,𝑌 𝑣𝑎𝑟 𝑋 𝑣𝑎𝑟 𝑌 Not: Değişkenler, istatistiksel olarak bağımsız ise korelasyon 0'dır fakat bunun tersi doğru değildir, çünkü korelasyon katsayısı yalnızca doğrusal olan ilişkiyi belirler. Yıldız Teknik Üniversitesi

Varyans ve Risk Varyans bir risk ölçüsüdür. 0616330 Ders Notu III Varyans ve Risk Varyans bir risk ölçüsüdür. … ama önemli olan tek şey değildir. Alternatif A: 0,1 olasılıkla $1.000 kazan ya da 0,9 olasılıkla $0 kaybet Alternatif B: 0,9 olasılıkla $200 kazan ya da 0,1 olasılıkla $800 kaybet Hangisini tercih edersiniz? Yıldız Teknik Üniversitesi

Mükemmel Bilginin Beklenen Değeri 0616330 Ders Notu III Mükemmel Bilginin Beklenen Değeri Bir danışman veya daha detaylı bir analiz karar vericiye gerçek durum hakkında mükemmel bilgi sağlayarak yardımcı olabilir. Böylece, risk altında karar verme problemi belirlilik altında karar verme problemine dönüşür. EVPI, ilave bilgi için karar vericinin ödeyebileceği maksimum miktardır. Yalnız, Mükemmel bilginin değeri (EVPI) nedir? EVPI = Belirlilik altında beklenen getiri ile risk altında beklenen getiri arasındaki farktır. Yıldız Teknik Üniversitesi

Mükemmel Bilginin Beklenen Değeri 0616330 Ders Notu III Mükemmel Bilginin Beklenen Değeri Davranış Biçimi Doğal Durum- Olay (Talep Seviyesi) Beklenen Değeri Düşük (0,30) Orta (0,40) Yüksek GL 25 TL 400 TL 650 TL 362,5 TL SA -10 TL 440 TL 740 TL 395TL WP -125 TL 750 TL 347,5 TL Maximum Örnekte, Mükemmel bilginin varlığında beklenen değer 25*0.3+440*.4+750*0.3 = 408,5 TL. En iyi beklenen değer = 395 TL EVPI = 408,5 – 395 = 13,5 TL Yıldız Teknik Üniversitesi

Doğal Durum- Olay (Talep Seviyesi) 0616330 Ders Notu III Minimum Beklenen Pişmanlık Kriteri (Expected Opportunity Loss Criterion) Minimum beklenen fırsat kaybına sahip olan alternatifin seçimini içerir. Davranış Biçimi Doğal Durum- Olay (Talep Seviyesi) Düşük (0,30) Orta (0,40) Yüksek GL 25 TL 400 TL 650 TL SA -10 TL 440 TL 740 TL WP -125 TL 750 TL Davranış Biçimi Olay (Talep Seviyesi) Beklenen Pişmanlık Düşük Orta Yüksek GL 0 TL 40 TL 100 TL 46 TL SA 35 TL 10 TL 14 TL WP 150 TL 61 TL Yıldız Teknik Üniversitesi

0616330 Ders Notu III Duyarlılık Analizi Duyarlılık Analizi, her bir alternatifin en iyi olduğu olasılık aralığının belirlenmesini içerir Getiriler ve olasılıklar birer tahmin ürünüdür ve hata içerebilirler. Bu verilerin bir veya birkaçındaki değişikliğe karşı seçilen alternatifin ne kadar hassas olduğunun belirlenmesinde karar verici açısından önemlidir. Yıldız Teknik Üniversitesi

Duyarlılık Analizi Örneği 0616330 Ders Notu III 3 alternatifin 1 ve 2 olayları gerçekleştiğindeki getirileri aşağıdaki karar tablosunda verilmektedir. Birinci doğa durumunun olasılığı P(1) ve ikinci doğa durumun olasılığı ise P(2) olsun. P(1)+ P(2)=1 Olay Alternatifler #1 #2 A B C 4 16 12 2 8 Yıldız Teknik Üniversitesi

Duyarlılık Analizi Örneği 0616330 Ders Notu III Duyarlılık Analizi Örneği 16 14 12 10 8 6 4 2 A B C A en iyi C en iyi B en iyi #1 Getiri #2 Getiri P(2); İkinci doğa durumun olasılığı 0.2 0.4 0.6 0.8 1 Yıldız Teknik Üniversitesi