19.11.2013 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar 1 EME 3105 • • • • • • • • • SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Dağılımlar (1) Sürekli Dağılımlar (2) 3 Dağılım 4 Birikimli Dağilim Fonksiyonu F(x) Uniform (a,b) x- a b- a Normal (µ,σ2) Kapalı form yok Üstel (λ) 1- å n=0 Gamma (β,α) a<x<b 1- e- l x k-1 Erlang (λ, k) Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential) Dağılım Erlang Dağılımı Gamma Dağılımı Weibull Dağılımı Lognormal Dağılım Beta Dağılımı Üçgen (Triangular) Dağılım - kl x e E[X] a+ b 2 (b - a)2 12 m s2 1/ l (kl x) n! n k pozitif tamsayı ise , Erlang k Değilse , Kapalı form yok V[X] 1/ l2 Birikimli Dağılım Fonk. F(x) Dağılım k / l2 ab ab 2 1- e-(x/b ) Kapalı form yok ( Lognormal (µl,σl2) m = ln ml / s l2 + ml2 ( ) s 2 = ln (s l2 + ml2 ) / ml2 Beta (α1,α2) k/l b æ 1ö Gç ÷ a èaø a Weibull (β,α) Üçgensel a=minimum b= maksimum m= mode 1 m+ ) Kapalı form yok ì (x - a)2 ï ï ( b - a) ( m- a) í (b - x)2 ï 1ï ( b - a) ( b - m) î a £x£m m£x£b V[X] E[X] e s2 2 b 2 ìï æ 2 ö 1 æ æ 1 ö ö Gç ÷ í2G ç ÷ a îï è a ø a çè è a ø ÷ø 2 üï ý ï ý 2 2 m +s 2 æç es -1ö÷ è ø e a1a 2 a1 a1 + a 2 (a 1 + a 2 )2 (a1 + a 2 +1) a+ b+ m 3 a2 + b2 + m2 - ab - am- bm 18 19.11.2013 Normal Dağılım ve Lognormal Dağılım Sürekli Düzgün Dağılım ve Üçgensel Dağılım 5 6 Sürekli Düzgün Dağılım Üçgensel Dağılım Normal Dağılım Üstel Dağılım ve Erlang Dağılımı 7 Üstel Dağılım ve Weibull Dağılımı 8 Üstel Dağılım Lognormal Dağılım Erlang Dağılımı 2 19.11.2013 Beta Dağılımı Normal Dağılım 9 Tanım: Sürekli bir X rasgele değişkeni için olasılık yoğunluk fonksiyonu aşağıdaki gibi ise X normal dağılımı sahiptir denir. 1 x 1 f ( x) .e 2 2 2 ,-<x<, -< , 2 0 Normal dağılımı ortalaması:µ ve varyansı: σ2 olan X~N(µ, σ2) simgesiyle göstereceğiz. f(z) Standart Normal Eğrinin Özellikleri Standart Normal Tablo Z Z Örnek: Belli bir üniversitedeki erkek öğrencilerin ağırlıkları 68,5 kg. ortalamalı ve 2,3 kg standart sapmalı normal dağılıma sahiptir. a) Bu üniversitede herhangi bir erkek öğrencinin 72 kg. dan daha ağır olması olasılığı nedir? z=1,52 P(Z<1,52)=0,9357 P(Z1>1,52)=0,0643 b) Üniversitedeki erkek öğrencilerin yüzde kaçının ağırlığı 70 kg. ve 72 kg. Arasındadır? 3 19.11.2013 Standart Normal Tablo z=1,52 (Düzgün Dağılım) Tanım : X rassal değişkeninin olasılık fonksiyonu aşağıda verildiği gibiyse X rassal değişkeni [a,b] kapalı aralığında düzgün dağılıma sahiptir. P(Z<1,52)=0,5+0,4357 =0,9357 (Düzgün Dağılım) f ( x) f ( x; a, b) (Düzgün Dağılım) Örnek: Belli bir üniversitedeki erkek öğrencilerin ağırlıkları minimum 68, maksimum 74 kg. olan düzgün dağılıma uymaktadır. a) Bu üniversitede herhangi bir erkek öğrencinin 72 kg. dan daha ağır olması olasılığı nedir? b) Üniversitedeki erkek öğrencilerin yüzde kaçının ağırlığı 70 kg. ve 72 kg. Arasındadır? 4 1 ba axb 19.11.2013 Üstel Dağılımın Hafızasızlık Özelliği Üstel Dağılımın Hafızasızlık Özelliği 17 18 Örnek: ìï l .e- l x x>0 f (x) = í 0 baska yerlerde ïî Varsayalım ki X marka florasan lambaların ömrü λ=0,5 yıl parametreli üstel dağılıma uyan bir rassal değişken olsun. Rasgele seçilen bir X marka florasan lambanın a) Beklenen ömrü ne kadardır? (Diğer bir deyişle bu lambanın ortalama ömrü ne kadardır?) b) Lambanın 1 yıldan daha kısa bir sürede tükenme olasılığı nedir? c) Lambanın ömrünün en az 1,5 yıl olması olasılığı nedir? d) Lambanın 1 yıldır çalıştığını varsayın. Lambanın en az 1,5 yıl daha çalışması olasılığı nedir? ì x - lt - lx x ³ 0 için ï l .e dt = 1- e F(x) = P( X £ x) = í ò0 ï 0 x<0 için î Bu durumda P( X > x) = e- l x bulunur. (Üstel dağılımın hafızasızlık özelliği gereğince c ve d sıkkının yanıtı aynı olmalıdır.) Üstel Dağılımın Hafızasızlık Özelliği Üstel Dağılımın Hafızasızlık Özelliği 19 20 X : Lambanın ömrünü göstersin (yıl). X : Lambanın ömrünü göstersin (yıl). X~Üstel(l = 0.5) X~Üstel(l = 0.5) d)P(X > 1,5) = ? a)E[ X ] = ? E[ X ] = m = +¥ +¥ ò x. f (x)dx = ò x.le -¥ -lx +¥ dx = -¥ ò x.0.5e -0.5 x 0 b)P(X < 1) = ? 1 P(X < 1) = ò x=0 l = 2yıl p(X > 1,5) = P(X < 1,5) = 1- F(1,5) = 1- (1- e-(0,5).(1,5) ) = e -0,75 » 0, 47 b)P(X > 2,5 X > 1) = ? 1 f (x)dx = dx = 1 ò 0.5e -0.5.1 -0.5 dx = 1- e x=0 P(X < 1) = F(1) = 1- e- l x = 1- e-0.5 » 0.40 P(X > 2,5 X > 1) = P(X > 1,5) (Hafızasızlık Özelligi) P(X > 1,5) » 0, 47 (c sıkkından) 5 19.11.2013 Gelişlerarası Süre ve Servis Süresinin Modellenmesi (1) 21 Gelişlerarası Süre ve Servis Süresinin Modellenmesi (2) 22 Teorem: Olayların gerceklesmesi ortalaması λ(olay/br.zaman) olan poisson sürecine uyuyorsa, olayların olusları arasında geçen süre ortalaması 1/λ (br.zaman/olay) olan Üstel dağılıma uyar. • Eğer süreler tamamen rassalsa, simulasyonda çoğu zaman Üstel dağılımla modellenir. • Süreleri modellemek için Gamma ve Weibull dagilimlari da kullanilabilir (Üstel dağılım, bu iki dağılımın özel bir durumudur). Örnek: Müşteriler sisteme ortalaması 10 (müşteri/saat) olan Poisson Sürecine uygun olarak geliyorsa, müşteri gelişleri arasında geçen süre ortalaması 1/10 (saat/musteri) olan Üstel dağılıma uyar. Gelişlerarası Süre ve Servis Süresinin Modellenmesi (3) 23 Arızaya Kadarki Sürenin Modellenmesi (1) 24 • Pratikte servis süreleri Üstel Dağılımın açıklayabildiginden daha uzunsa, servis süresinin modellenmesinde Weibull dağılımı daha uygun olabilir. • Sürekli Rassal Değişkenleri modellemede Normal Dağılım kullanılırken negatif değerler alabildiği göz önünde bulundurulmalıdır. Arıza zamanları Üstel, Gamma ve Weibull gibi bir cok dağılımla modellenebilir. • Eğer arızalar tamamen rassal olarak oluyorsa, arızaya kadarki süre Üstel dağılımla modellenebilir. • Gamma dağılımı, her parçanın arızaya kadarki sürelerinin üstel oldugu yedek parcaların bulundurulduğu durumda modellemede kullanılır. 6 19.11.2013 Veri Seti Yetersiz yada Veri Yoksa Arızaya Kadarki Sürenin Modellenmesi (2) 25 26 Sistemde bir çok parça varsa ve arıza seri bağlı bir çok parcadaki hatalardan dolayı oluşuyorsa genellikle arızaya kadarki süreyi modellemek icin Weibull dağılımı uygundur. Gelişlerarası yada servis süresinin rassal oldugu biliniyorsa, fakat dağılımıyla ilgili bilgi yoksa Rassal degiskenin en küçük, en büyük ve en sık gerçekleşen değerleri hakkında varsayım yapılabılıyorsa Çoğu arıza aşınmadan kaynaklanıyorsa, normal dağılım modelleme için oldukça uygun olabilir. Bazı parça tipleri için arızaya kadarki süreleri modellemek için Lognormal dağılım kullanılabilir. Ceşitli dağılım formlari sağladiği için veri yoksa Beta dağılıma da kullanılabilir. 7