GENELLEŞTİRİLMİŞ POISSON

Slides:



Advertisements
Benzer bir sunumlar
MIT563 Yapay Zeka ve Makine Öğrenmesi
Advertisements

Simülasyon Teknikleri
ZAMAN SERİLERİ -1 ÖNGÖRÜ :
BENZETİM Prof.Dr.Berna Dengiz 8. Ders.
CWIZ CALL CENTER.
İstatistik Tahmin ve Güven aralıkları
Türevin Geometrik Yorumu Kim korkar matematikten?
ANOVA.
Simülasyon Teknikleri
Hazırlayan: Özlem AYDIN
İş (Job): Proses ve/veya thread
Excel’de istatistik fonksiyonları
SOME-Bus Mimarisi Üzerinde Mesaj Geçişi Protokolünün Başarımını Artırmaya Yönelik Bir Algoritma Çiğdem İNAN, M. Fatih AKAY Çukurova Üniversitesi Bilgisayar.
BENZETİM Prof.Dr.Berna Dengiz 4. Ders Modelleme yaklaşımları
BENZETİM Prof.Dr.Berna Dengiz 6. Ders.
Olasılık Dağılımları ♦ Gazın her molekülü kendi hızına ve konumuna sahiptir. ♦ Bir molekülün belli bir hıza sahip olma olasılığı hız dağılım fonksiyonu.
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
Geriden Kestirme Hesabı
SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI
OLASILIK ve KURAMSAL DAĞILIMLAR
KUYRUK TEORİSİ KUYRUK SİSTEMLERİ :
Yıldız Teknik Üniversitesi Makina Müh. Bölümü
GEOMETRİK PROGRAMLAMA
BENZETİM Prof.Dr.Berna Dengiz 5. Ders.
ÇEMBER.
Bölüm 3 BİR BOYUTLU HAREKET
ÖNGÖRÜMLEME (Forecasting)
İSTATİSTİKSEL SÜREÇ KONTROLÜ 3 (STATISTICAL PROCESS CONTROL)
Öngörü Tekniğinin Seçimi-I
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI
ORAN.
BENZETİM Prof.Dr.Berna Dengiz 5. Ders.
CALCULUS Derivatives By James STEWART.
BİYOİSTATİSTİK UYGULAMA II
21 - ÖLÇME SONUÇLARI ÜZERİNE İSTATİSTİKSEL İŞLEMLER
SÜREKLİ ŞANS DEĞİŞKENLERİ
ÖNGÖRÜMLEME (Forecasting)
Bekleme Sıralarını Yönetme
Yardımcı Tesis Doğru Çevreyi Yaratma.
BALANCED SCORECARD – DENGELİ BAŞARI GÖSTERGESİ
HAZIRLAYAN MUHAMMET UĞUZ ÇOKGENLER Dorusal olmayan 3 veya daha fazla noktanın 2 şer 2şer birleştirmek oluşturulan kapalı düzlemsel şekillere.
M/M/1 Kuyruk Modeli : Varışlar arası zamanın ve servis zamanının üstel dağılıma sahip olduğu,bir servis olanağı olan FİFO kuyruk disiplininin kullanıldığı.
Lineer Olmayan Denklem Sistemlerinin Çözüm Yöntemleri
Sayısal Analiz Sayısal İntegral 3. Hafta
İÇİNDEKİLER 2.1 Örneklem Uzayı ve Olaylar Sonucu önceden bilinmeyen bir deney göz önünde bulundurulsun. Deneyin örneklem uzayı olarak bilinen tüm olası.
Copyright © 2013 Pearson Education, Inc.. All rights reserved.
Bilişim Teknolojileri için İşletme İstatistiği Yrd. Doç. Dr. Halil İbrahim CEBECİ B.
KONU: ÇALIŞMA YAPRAĞI HAZIRLAYAN: DEMET KILIÇ MATEMATİK ÖĞRETMENİ.
İSTATİSTİKTE TAHMİN ve HİPOTEZ TESTLERİ İSTATİSTİK
Sürekli Olasılık Dağılımları
Tacettin İnandı Olasılık ve Kuramsal Dağılımlar 1.
ÜÇGEN VE YARDIMCI ELEMANLARI
Kuyruk Sistemlerinin Simülasyonu
Rastgele Değişkenlerin Dağılımları
Müşteri Yaşam Boyu Değeri
OLASILIK ve İSTATİSTİK
Teorik Dağılımlar: Diğer Dağılımlar
DERS 7 SAYISAL İNTEGRASYON DERS 7.1 TRAPEZOIDAL (YAMUK) KURAL
Mekanizmaların Kinematiği
5.1 POLİNOMİNAL REGRESSİYON
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ÇIKTI ANALİZİ Çıktı analizi benzetimden üretilen verilerin analizidir. Çıktı analizinde amaç, bir sistemin performansını tahmin etmek ya da iki veya daha.
doğal sayısındaki rakamların sayı değerleri toplamı kaçtır?
BENZETİM 2. Ders Prof.Dr.Berna Dengiz Sistemin Performans Ölçütleri
İÇİNDEKİLER Firmalarda Uzun Vadeli Yatırım Kararları (Sermaye Bütçelemesi) Sermaye Bütçelemesi ve Nakit Akımı Analizleri Projenin Nakit Akımlarının Tahmini.
NİŞANTAŞI ÜNİVERSİTESİ
ENM 316 Arena Uygulama Dersi 2
TARIM EKONOMİSİ İSTATİSTİĞİ
ENM 316 Arena Uygulama Dersi 2
OLASILIK DAĞILIMLARI Bu kısımda teorik olasılık dağılımları incelenecektir. Gerçek hayatta birçok olayın dağılımı bu kısımda inceleyeceğimiz çeşitli olasılık.
Sunum transkripti:

GENELLEŞTİRİLMİŞ POISSON KUYRUK MODELLERİ

Kuyruk analizinin amacı, bekleyen müşterilere makul düzeyde tatmin edici hizmet sunmaktır. Kuyruk teorisi bir eniyileme tekniği değildir. Tersine, daha sonra hizmet kurgusunu tasarlamada kullanılabilecek hizmet tesis verimliliği ve kuyrukta ortalama bekleme süresi gibi performans ölçülerini belirler.

POISSON KUYRUK MODELİ Geliş ve gidişlerin her ikisini birleştiren genel bir kuyruk modeli Poisson varsayımlarına (yani gelişlerarası ve hizmet süresi üstel dağılıma uyar) dayanır. Genelleştirilmiş modelin gelişimi, sistemin yeterli derecede uzun bir süre çalıştırılmasından sonra elde edilen kuyruk durumunun kararlılık durumuna veya uzun süreli işleyebilmesine dayanır.

Bu tip analizler, sistemin işletildiği ilk zamanlarda hüküm süren geçici (veya ısınma) davranışıyla çelişir. Kuyruk durumuyla ilgili çoğu çalışma kararlılık durumu koşulları altında gerçekleşir. Genelleştirilmiş model, geliş ve gidiş hızlarının tümünün durum bağımlı olduğunu varsayar. Bu da modelin, hizmet yerindeki müşteri sayısına bağlı olması anlamına gelir.

Tanım n = Sistemdeki müşteri sayısı (kuyruktaki + hizmet verilen) λn = Sistemdeki n müşterinin geliş hızı μn = Sistemdeki n müşterinin gidiş hızı Pn = Sistemdeki n müşterinin kararlılık durumu olasılığı

Poisson kuyruk geçiş diyagramı (geçiş-hızı diyagramı) Genelleştirilmiş model Pn’yi λn ve μn ’nin bir fonksiyonu olarak türetir. Bu olasılıklar daha sonra, ortalama kuyruk uzunluğu, ortalama bekleme zamanı ve ortalama hizmet yeri kullanım oranı gibi sistemin performans ölçülerini belirlemek için kullanılır. Olasılıklar geçiş hızı diyagramı kullanılarak belirlenir.

Poisson kuyruk geçiş diyagramı (geçiş-hızı diyagramı) Sistemdeki müşteri sayısı n olduğunda kuyruk sisteminin durumu da n’dir. Kararlılık durumu koşulları altında, n>0 için, n durumunda içeri ve dışarı beklenen akış hızı eşit olmalıdır.

n=0 n=1

Genel olarak, p0 değeri izleyen eşitlikten belirlenir:

Example (TAHA) Bir markette 3 yazar kasa bulunmaktadır.

Problem bilgilerinden, λ0=10 λ1=10 λ2=10 λ3=10 λ4=10 λ5=10 λ6=10 λ7=10 n 1 2 3 4 5 6 7 8 μ1=5 μ2=5 μ3=5 μ4=10 μ5=10 μ6=10 μ7=15 μ8=15 μn=15

P0 değeri izleyen eşitlikten belirlenir, ya da, eşit olarak Geometrik toplam serisi kullanarak

Bilinen P0’la, şimdi n>0 için Pn’i belirleyebiliriz. Sadece bir kasanın açık olma olasılığı sistemde en çok üç müşterinin bulunması olasılığı olarak hesaplanır: Boş kasaların ortalama sayısı:

Example (TAHA)

Answer: