ARIZA/KAZA (HAZARD) FONKSİYONU VE İLGİLİ DAĞILIMLAR: GİRİŞ; İstatistiğin günlük hayatla en yakından ilişkili ve en ilginç konularından birinden bahsedeceğiz. Her gün duyduğumuz pek çok söz, bu bölümde en basit biçimi ile ele alacağımız ARIZA/KAZA FONKSİYONU ve BAŞARISIZLIK ORANI kavramları ile yakından ilişkilidir. Matematik tanımlara geçmezden önce kullandığımız Arıza/Kaza Fonksiyonu terimi üzerinde kısaca duracağız. Bu terimin batı dillerindeki karşıtı Hazard Function veya eşdeğeri. Buradaki Hazard kelimesinin gelişimi, etimolojik sözlüklerin bir çoğuna göre, Arapça al zar İspanyolca azar Fransızca hasart İngilizce hazard biçiminde veriliyor ve talih oyunlarında kayıp/zarar veya kaybetme olasılığı ya da genel olarak tehlike olasılığı biçiminde açıklanıyor. Türkçe’de bazı yazarlar bu kelimeyi aynen alarak Hazard Fonksiyonu biçiminde kullanıyor. Burada günümüz türkçesine en yakın olduğunu düşündüğümüz ARIZA/KAZA FONSİYONU terimini kullanacağız. Çünkü hayata başladığımız andan itibaren karşımıza çıkan hemen her olumsuz şeyin bir ‘arıza veya kaza’ olduğunu düşünürüz. Örneğin sevmediğimiz birine kazara rastlarız, trafikte kazara çarpışırız ya da yoldan çıkarız, sınavda kazara yanlış cevabı yazarız, otobüste kazara bir gevezenin ya da bulaşıcı hastalığı olan birinin yanına otururuz, Bilgisayarımız veya arabamız arızalanır. Elektrik ya da su kesilmesinin nedeni şebeke arızasıdır... Bu örnekleri istediğimiz kadar çoğaltabiliriz. Arıza/Kaza Fonksiyonu sözü biraz uzun; istenirse bu sözcüğü, örneğin, ARKAZ Fonksiyonu biçiminde kısaltmak ve türkçeye HAZARD yerine kullanılacak bir kelime kazandırmak mümkün. Biz yine Arıza/Kaza terimini kullanmaya devam edeceğiz. İşte bu bölümde bu olumsuz olayların gerçekleşme (yani arızalanma veya kaza yapma) olasılığını hesaplayacağız. Bu nedenle burada kullanacağımız ‘arıza/kaza’ kelimesini tanımlayarak başlamalıyız. ARIZA/KAZA: Bir sistemin ya da bir programın tümünün ya da bir bölümünün, herhangibir nedenle, işlevini yapamaz hale gelmesi. Kaza sözü ile genellikle sistemimizin dışındaki etmenlerin ortaya çıkardığı işlevsizlikleri belirtirken; arıza deyince de sistemimizin kendi yapısından, ya da elemanlarının herhangibirinden kaynaklanan işlevsizlikleri anlayacağız. Burada söz edilen sistem bir canlı organizma ya da tamamen fiziksel bir yapı olabilir. Program sözünden kasit ise planlanmış eylemlerdir. Aslında kaza geçiren eleman ya da elemanların ait oldukları sistemi gözönüne alırsak elemanlar için kaza olan olayın sistem için de bir arıza olduğunu hemen görebiliriz. Bunun en 1 güzel örneği kaza yapan bir ya da daha fazla aracın yolları tıkamasıdır. Kaza yapan araçlar trafik sistemi için bir arıza oluşturmuştur. İncelememize temel kavramları tanımlayarak ve bunların matematik ifadelerini yazarak başlayacağız. Sonra bu ifadelerin pratikte nasıl kullanılabileceğini açıklamak amacı ile, daha önce incelediğimiz Olasılık Dağılımlarından yararlanarak örnekler oluşturacağız. Aşağıdaki çalışmamızda da göreceğimiz, veya günlük tecrübelerimizden bildiğimiz gibi Arıza/Kaza olayları hemen bütün hallerde zamana bağlıdır. Dolayısı ile bu bölümde serbest değişkenimiz zaman (t-) olacaktır. Bu çalışmade Arıza/Kaza Fonksiyonu ve Başarısızlık Fonksiyonu kavramlarını eşanlamlı kabul edeceğiz ve her iki terimi de kullanacağız. Bu iki terimin farkları ile ilgili son yıllarda ileri sürülmüş değişik görüşler mevcut ise de henüz kesinleşmiş ve yaygınlaşmış bir ayrım yoktur. Aslında Arıza/Kaza Olasılığı kavramına daha önce de değinmiştik (Bkz. ÖZEL OLASILIK DAĞILIMLARI). Burada bu konuyu daha sistemli ve daha ayrıntılı bir biçimde yeniden inceleyeceğiz. Bu bize Özel Olasılık Dağılımları bölümünde yalnızca tanımını verdiğimiz WEİBULL ve GAMMA Dağılımlarını daha yakından inceleme fırsatını da verecek. Son olarak şunu da belirtelim. Günümüzde endüstrinin kullandığı ve bilimsel araştırmaların ilgilendiği Arıza/Kaza Fonksiyonları bu bölümde verileceklere göre çok daha karmaşık ve ayrıntılıdır. Ancak burada verilecek temel bilgilerin güncel Arıza/Kaza Fonksiyonlarını anlamak için gerekli bir başlangıç olduğu düşünülmüştür. 2 ARIZA/KAZA FONKSİYONUNUN TANIMI: Bu bölümde yalnızca sürekli Olasılık Fonksiyonlarından bahsedeceğiz. Süreksiz ya da kesikli Olasılık Fonksiyonlarından sadece birini, üstel fonksiyon yardımı ile hesaplanabilen, POISSON Dağılımını zaman zaman konu edeceğiz. Ana fikri her ne kadar Arıza/Kaza Fonksiyonunu incelemek ise de daha önce (Bkz. Özel Dağılım Fonksiyonları) sadece tanımlarını vermekle yetindiğimiz WEIBULL ve GAMMA Dağılımlarını bu bölümde oldukça ayrıntılı bir biçimde ele alacağız. Bunun sebebi bu dağılımların en geniş uygulama alanının burada inceleyeceğimiz Arıza/Kaza Fonksiyonu olması. Diğer sözlerle bu bölüm, Normal Dağılım ve Uygulamaları Bölümü gibi. Özel Dağılım Fonksiyonları Bölümünün devamı olarak düşünülebilir. Şimdi biyolojik ya da fiziksel bir sistem ya da planlı bir olaylar süreci düşünelim. Bu sistem ya da program için iki olasılık söz konusudur. A: Bir t- anında sistem çalışamaz hale gelmiştir. (Arıza/Kaza oluşmuştur.) B: Bir t- anında sistem çalışmaktadır. (Arıza/Kaza oluşmamıştır.) Bu iki olasılığın birbirini engellediği, diğer sözlerle ikisinin birden aynı t- anında gerçekleşemeyeceği açıktır. Öte yandan bir sistem için iki olasılık da her t- anı için geçerlidir. Şu halde: P[A B] = 1 : A ya da B den birisi mutlaka gerçekleşecektir. P[A B] = 0 : A ve B birlikte gerçekleşemez. Şimdi Arıza/Kaza fonksiyonu açısından ilginç olan noktaya geldik. Arıza/Kaza analizi için incelediğimiz sistemin çalışabilir olması yani hiç olmazsa bir t- anı için B nin gerçekleşmiş olması gereklidir. Diğer sözlerle zaten asla çalışamayacak şekilde oluşturulmuş bir sistem için Arıza/Kaza analizi söz konusu olamaz. O halde Arıza/Kaza analizi ancak ‘çalışabilecek’ bir sistem için yapılacaksa çalışabilirlik yani P(B) bir ön koşuldur ve kaza analizi bir koşullu olasılık problemidir. Buna göre Arıza/kaza Fonksiyonunun (Başarısızlık Oranının) Olasılık formülünü şöyle ifade edebiliriz: P A / B P A B P B Yukarıda A ve B yi tanımlarken bu iki olayın da, kendilerine özgü, bir t- anında gerçekleşeceğini yani t- ye bağlı büyüklükler olduğunu söylemiştik. O halde bu ifade, yani Arıza/Kaza Olasılığını t- ye bağlı bir fonksiyon olarak belirledik; bunu h(t) ile gösterelim. ht P At Bt P Bt 3 Bundan sonraki görevimiz bu eşitliğin sağ tarafını da matematik bir ifade haline getirmek. Aşağıdaki çalışmamızı daha iyi anlamak için şuna dikkat etmeliyiz. A(t) ve B(t) nin aynı tanında gerçekleşemeyeceğini söyledik. Bu ana, örneğin, T diyelim. Yukarıdaki orantının paydası, ancak, T civarındaki bir t aralığında sıfırdan farklı olabilir. Diğer sözlerle t < T iken B(t) geçerlidir (sistem çalışıyor); t > T iken A(t) geçerlidir (sistem işlevsizdir). Şu halde yukarıdaki orantı bir t- anı için değil fakat T civarındaki bir t aralığında anlamlıdır. Kuşkusuz bu aralığı istediğimiz kadar küçültebiliriz; düğer sözlerle h(t) değerini ancak bir t 0 limit işlemi ile bulabiliriz. Önce P[B(t)] ye bakalım. B(t) sistemin çalışma durumudur. Yalnızca çalışan sistemleri incelemek istediğimize göre başlangıç anında P[B(t=0)] = 1 olmak zorundadır. Ancak tbüyüdükçe yani t > 0 olan bir yerde sistem, bir sebeple, çalışamaz hale geleceğine göre (Sonsuza kadar çalışabilecek canlı ya da cansız sistem bilmiyoruz.) bir yerde P[B(t>0)] = 0 olacaktır. Diğer sözlerle B(t=0) ve B(t>0) aralığındaki bütün t- değerleri için sistem çalışmaktadır ya da daha renkli bir ifadeyle ‘yaşamaktadır’. Bu nedenle P[B(t)] yi temsil etmek için kullanacağımız matematik ifadeye ÖMÜR (SURVİVAL) FONKSİYONU adını veriyoruz ve S(t) ile gösteriyoruz. Şu halde S(t) nin tanımını şöyle de yazabiliriz. P[B(t)] = S(t) veya t = T ile gözönüne aldığımız sistem ya da programın ömrünü gösterdiğimizi düşünürsek: S t P t T F t f t dt 0 yazabiliriz. Burada: f(t), birazdan belirleyeceğimiz şartlar altında, seçebileceğimiz bir fonksiyondur. Kuşkusuz , gerçek hayatta, ele aldığımız sistem ister fiziksel ister organik olsun T değerini bilmemiz olanaksızdır. Her t değerinde sistemimiz bir Arıza/Kaza yaşayabilir. Zaten bu çalışmamızın amacı Arıza/Kaza olasılığını yani P(t=T+) değerini hesaplamaktır. f(t) öyle seçilmelidir ki S(t) fonksiyonu S(t = 0)=1 ve S(t T+)=0 şartlarını sağlasın, Şimdi h(t) ifadesindeki t>T terimine bakalım. Sistemimizin ömrünü T kabul ettiğimize göre t > T sistemin herhangibir t+t > T anında arızalanacağını ya da kaza oluşacağını göstermektedir. Çok küçük kabul edeceğimiz (t, t + t) aralığında ise sistem çalışmaktayken bir nedenle çalışamaz duruma geçmektedir.. Şu halde bu düşünceden yararlanarak PAt Bt olasılığının matematik ifadesini bulabiliriz. 4 Yalnız burada dikkat etmemiz gereken bir nokta var. Sistemin çalışabilir B konumundan çalışamaz A konumuna geçmesi bir t+ noktasında gerçekleşecektir. Diğer sözlerle t = t+ anında sistemimiz hem A hem de B olasılıklarını gerçekleştirmektedir. Şu halde F(t+) değerini hesaplamalıyız. Halbuki verilen herhangi bir t- noktası için F(t) = 0 olduğunu Sürekli Olasılıkların temel özelliklerinden biri olarak iyi biliyoruz. Bu nedenle önce aşağıdaki gibi sonlu bir t aralığındaki olasılığı hesaplayacağız., Buna göre f(t+) değerini belirlemek için Taylor Serisini düşünelim: f t f t t ' 1! f ' t t ' 2 2! f ' ' t ... Burada ( t)’ , t den de küçük bir aralıktır ve dolayısı ile bir ilk yaklaşım olarak f(t+) f(t) kabul edebileceğimizi söylemektedir. Biz yine f(t+) yı kullanmaya devam edelim. Madem ki t, t+ t aralığında sistemimiz hem çalışır hem de çalışamaz durumdadır. O halde: Bt P t t P( t t / t T ) P A t t t f t dt f t t t t t yazabiliriz. Bu, en sondaki, yaklaşık eşitlik ifadesi bir kabul içeriyor. Kabul ediyoruz ki, integre edildiği zaman, f(t) nin biçimi bozulmayacak yani gene f(t) biçiminde kalacak. Diğer sözlerle f(t) veya aşağıda belirleyeceğimiz S(t) fonksiyonları üstel fonsiyon biçiminde fonksiyonlar olacak.. Böylece t aralığında geçerli bir ifade bulduk. Öte yandan, olasılıklar toplamının 1 olduğunu kabul eden temel kuralımızı hatırlarsak: t>T için S(t) = P[t>T] ise t T için: St PBt 1 Pt T 1 F t olmak zorundadır. Bu son iki ifadeyi birleştirirsek t aralığında geçerli olmak üzere: ht P At Bt f t t f t t P Bt S t 1 F t bağıntısını buluruz. Açıkça görüldüğü gibi bu ifade: t aralığında oluşacak Arıza/kazanın Ömür Fonksiyonuna bölünmesi ile elde edilmiştir. Bu büyüklüğe ARIZA/KAZA ORANI ya da BAŞARISIZLIK ORANI adını veriyoruz. 5 Peki bu S(t) nin veya tanımında kullandığımız f(t) fonksiyonunun matematik ifadesi nedir? Tabii ki S(t=0) = 1 ve S(t>0) = 0 şartlarını sağlayan sınırsız sayıda matematik ifade bulunabilir. Örneğin S(t) = 1 – t (0 t 1) bunların en basitidir; ancak bunun gerçek hayattaki kazaları açıklama yeteneği hemen hemen yoktur. S(t) yi seçebilmek için f(t+) değeri için bir kabul yapacağız daha doğrusu yukarıda yaptığımız kabulün limitte de geçerli olduğunu yani t0 için lim t0 ( f(t+)t f(t) varsayacağız. .Şu halde Başarısızlık Oranı ifademiz, t t+ veya t0 limitinde: f t S t ht biçimini alacaktır. Ayrıca: S(t) = 1 – F(t) dS/dt = - dF/dt = - f(t) olduğuna göre Başarısızlık Oranının son biçimi şöyle olacaktır. ht ÖmürFonksiyonununTürevi S t ÖmürFonksiyonu S t Aslında yukarıda yaptığımız f(t+) f(t) kabulü ve sonuçta elde ettiğimiz h(t) = - S’(t)/S(t) bağıntısının doğrudan özetini yapmak istersek şunu söyleyebiliriz: Arıza/Kaza fonksiyonu [S(t)] olarak üstel bir fonksiyon ya da üstel fonksiyon içeren bir fonksiyon seçmek istiyoruz. Nitekim Başarısızlık Oranını şöyle yazarak bunu hemen görebiliriz. S' t d lnS t ht olduğuna göre S t dt t S t exp ht dt 0 Böylece Arıza/Kaza fonksiyonumuzun OLASILIK KÜTLE DAĞILIMINI elde etmiş olduk. Artık bu ifadede yer alan h(t) için bazı kabuller yaparak çeşitli Arıza/Kaza Olasılık Dağılımları elde edebiliriz. Ancak daha önce Arıza/Kaza Fonksiyonumuzun OLASILIK YOĞUNLUK DAĞILIMI nı bulmalıyız. Madem ki Olasılık Kütle Fonksiyonunu S ile gösterdik; o halde Olasılık Yoğunluk Fonksiyonunu da s ile gösterelim. st S' t d 1 F t dt 6 S(t) için yukarıda bulduğumuz ifadeyi h(t) nin tanımında kullanarak: t st S' t ht exp ht dt 0 ifadesini hemen yazabiliriz. Böylece Arıza/Kaza Olasılık Dağılımı için hem Yoğunluk ve hem de Kütle Dağılımı fonksiyonlarını elde ettik. Bu ifadelerden hemen görüleceği gibi S(t) nin belirlenmesi için h(t) nin verilmesi gerek. Arızaya Kadar Beklenen Ömür: Yukarıdaki çalışmamız bizi hemen yeni bir kavrama götürüyor. Varsayalım ki bir sistemin Ömür Fonksiyonu bilinen bir Dağılım Fonksiyonu f(t) cinsinden ifade edilebilmektedir. İlk arızaya kadar geçecek zamanı Ömür Fonksiyonu cinsinden ifade edebilir miyiz? Hemen cevaplayalım. f(t) = - dS(t)/dt olduğunu bulmuştuk. Öte yandan f(t) olasılık dağılımı için İstatistik Ortalama (Beklenen Değer) ifadesinin : tf t dt 0 olduğunu biliyoruz. Bu iki denklemi birleştirir ve kısım kısım integrasyonla integre edersek: t S' t dt tSt 0 S t dt 0 0 elde ederiz ve S(t)0 olduğuna göre: Arızaya Kadar Beklenen Ömür: t S' t dt 0 0S t dt olarak elde edilir. Koşullu Ömür Fonksiyonu: Ömür Fonksiyonunu çıkarırken, ancak çalışmakta olan sistemler için Ömür Fonksiyonu yazabileceğimizi ve dolayısı ile Ömür Fonksiyonunun ancak koşullu bir olasılık problemi olabileceğini belirtmiştik. 7 Şimdi yukarıdaki ifademizi biraz daha netleştirelim ve sistemimizin bir zamanı kadar çalıştığını ve Ömür fonksiyonumuzun bu t = zamanından itibaren geçerli olmasını isteyelim. Diğer sözlerle S(t/) veya S( + t) ifadesini bulmaya çalışalım. Bunu matematik olarak yazalım. S(t/) = P[Sistem + t için çalışmaktadır / Sistem t çalışmıştır] S(t/) = P[T > + t / T >] = P[T > + t] / P[T >] = S( + t) / S(t) t = anına kadar çalışmış bir sistemin Ömür Fonksiyonu: S(t/) = S( + t) / S(t) ifadesini elde ettik. Bunu yorumlamazdan önce bir adım daha atalım. f(t) = - dS(t)/dt ifadesinde bu S(t/) yu kullanalım ve türevi alalım. f t / d d S t S' t S t S t S' t S t / 2 dt dt S t S t S' t S t S' t 2 S t S t t > için S’(t) = 0 olacağına göre: t = anına kadar çalışmış bir sistem için Olasılık yoğunluk Fonksiyonu: f t / S' t f t S t S t biçiminde elde edilir. 8 SİSTEMLER İÇİN ÖMÜR FONKSİYONU: Bu paragrafta birden fazla elemana sahip en basit sistemler için Ömür Fonksiyonunun nasıl kurulduğunu inceleyeceğiz. Aynı sistemde yer alan ve sistemin çalışması için herbirinin çalışması şart olan elemanların, sistemi oluştururken, birbirlerine bağlanma şekillerini üç grupta ele alacağız. Paralel Bağ Seri Bağ Karma Bağ Bu adlandırma hemen elektrik/elektronik devrelerini çağrıştıracaktır. Gerçekten de inceleciğimiz konu elektrik/elektronık mühendisleri için çok önemlidir. Bununla beraber elektrik/elektronik devrelerine benzetebileceğimiz Kara/Hava/Deniz Yolu sistemleri, Hertürlü İmalat Hatları, Kan Dolaşımı gibi Hava/Sıvı/Katı madde taşınan her türlü Biyolojik Mekanizma ve daha pek çok sistem burada inceleyeceğimiz konu yardımı ile incelenebilir. Paralel Bağlı İki elemanlı Sistem: Basit bir yol şeması çizelim. 2 A 1 B Soldan sağa aktığını düşündüğümüz trafik 1 ve 2 kollarına ayrıldıktan sonra tekrar birleşerek devam etmektedir. A ve B kesitleri arasındaki trafiği düşünüyoruz. Öncelikle şu açık saptamayı yapalım. 1 veya 2 yollarından yalnız biri kapanırsa sistem (trafik) yavaşlar ama çalışmaya devam eder, Bu özellik bize şu tanımı yapma olanağı sağlar. Paralel Bağ: Bütün elemanların durması (arızalanması) halinde sistemi durduran bağlanma, Varsayalım ki bütün sistemin Ömür Fonksiyonu S(t) ve A-B arasında kalan bölümlerin ayrı ayrı Ömür Fonksiyonları S1(t) ve S2(t) olsun ve de bir t- anında sistem tümüyle çalışıyor olsun. Buna göre: Tüm sistem için 9 S(t) = P(T>t) = 1 – P(T t) 1 ve 2 kolları için ise S1(t) = P(T1>t) = 1 – P(T1 t) , S2(t) = P(T2>t) = 1 – P(T2 t) yazabiliriz. S(t) = P(T>t) = 1 – P(T t) ifadesinde P(T t) birbirinden bağımsız iki elemanın da durması halinde gerçekleşecektir. Yani: P(T t) = P(Hem T1 t) hem de T2 t) S(t) = P(T>t) = 1 – P[(Hem (T1 t) hem de (T2 t)] anlamına gelmektedir. Ayrık ve bağımsız olayların birlikte gerçekleşmesi olasılığı ile ilgili kuralımızı hatırlarsak şunu hemen yazabiliriz. S(t) = 1 - [1 – S1(t)][1 – S2(t)] = S1(t) + S2(t) – S1(t)S2(t) Böylece paralel bağlı iki elemandan oluşan bir sistemin Ömür Fonksiyonunu nasıl yazabileceğimizi gördük. Açıkça görülüyor ki sistemimiz iki yerine n adet paralel bağlı elemandan oluşsaydı bu ifade: S(t) = 1 - [1 – S1(t)][1 – S2(t)]...[1 – Sn(t)] biçimini alacaktı. Pratikte çok karşımıza çıkan bir özel hal S1 S2... fonksiyonlarının birbirine eşit olmasıdır. Örneğin yukarıdaki 1 ve 2 yollarının aynı genişlikte ve aynı trafik özelliğinde olması gibi... Bu durumda S1 = S2 =...Sn = S* yazarak: S(t) = 1 - [1 – S*(t)]n ifadesini elde ederiz. Seri Bağlı İki Elemanlı Sistem: Gene basit bir şema çizelim. A B 1 2 10 Yolumuz bu defa arka arkaya iki köprüden geçmektedir. Köprülerden yalnız birinin kapalı olması halinde sistem çalışamaz olacaktır. Yukarıdaki gibi tanımımızı yapabiliriz. Seri Bağ: Elemanlarından durduran bağlama. yalnızca birinin çalışmaması (arızalanması) halinde sistemi Burada durum yukarıdakinden şöyle farklı. Köprülerden biri kapanınca diğeri açık da olsa yol kapanıyor. Yani köprüler birbirinden bağımsız değil. Yalnızca her ikisinin de açık olduğu hallerde yol açık. Öyleyse, yukarıdaki notasyonu kullanarak, hemen: S(t) = P(T>t) = P(T1>t) P(T2>t) = S1(t) S2(t) S(t) = P(T>t) = S1(t) S2(t) yazabiliriz. Açıktır ki böyle n köprü varsa: S(t) = S1(t) S2(t)... Sn(t) ve S1 = S2 =...Sn(t) = S*(t) ise S(t) = [S*(t)]n olacaktır. Yukarıdaki olayı daha iyi anlamak için bir zar atma örneği düşünelim. Paralel bağlama iki zarı aynı anda atıp toplamda, örneğin, 9 tutturmayı hedeflemek gibidir. Seri bağlama ise tek zarla iki atış yapıp toplamda 9 tutturmak gibidir. Tek zarla ilk atışta 1 ya da 2 atmışsanız ikinci atışa gerek kalmaz. Karma Bağlı Sistemler: Bu halde ikiden fazla eleman olması gerektiği açıktır. Sistemin bağlanma biçimine göre seri ve paralel bağlı bölümleri ayrı ayrı incelenerek birbiriyle yine bağlanma biçimine göre birleştirilecektir. Aşağıda İlgili Dağılım Fonksiyonlarını incelerken örnek problemler de çözeceğiz. Şimdi Arıza/Kaza Fonksiyonu için verilen bu genel ifadeleri kullanarak, uygulamada kullanılan bazı Arıza/Kaza Fonksiyonlarını inceleyebiliriz. 11 HAFIZASIZ ARIZA/KAZA DAĞILIMI FONKSİYONLARI: Bu paragrafta yukarıda verdiğimiz genel tanımın en basit örnekleri olan Üstel Dağılım ve Poisson Dağılımlarını inceleyeceğiz. ÜSTEL DAĞILIM/POISSON (GEOMETRİK) DAĞILIMI: En iyi bilinen Kaza fonksiyonunu ÜSTEL DAĞILIMI örnek alarak çalışacağız. ÖZEL OLASILIK DAĞILIMLARI bölümünde bu dağılımın POİSSON DAĞILIMI ile ilişkisini açıklamıştık. Dolayısı ile söyleyeceklerimizin tamamı bu iki özel dağılım biçimi için de geçerli olacaktır. Daha önce (Özel Olasılık Dağılımları bölümünde) Üstel Dağılımı kısaca incelemiştik. Kaza fonksiyonunun en basit ve ilk incelenen biçimi olan bu dağılım şöyle tanımlanmıştı. f(t) = (1/)exp(-t/) , F(t) = 1 – exp(-t/) , = st. , 0 t Poisson Dağılımı için de e k f k k! , k 0 ,1,2 ,3 ,.... 0 , k 0 ,1,2 ,3 ,... tanımını kullanmıştık. Bu son bağıntıda ilk arıza anını belirleyen k = 1 değerini kullanırsak Üstel Dağılım için verdiğimiz ifadenin Poisson Dağılımı için de (kesikli aralıklarla) aynen geçerli olacağını görürüz. Birazdan göreceğiz ki bu iki Olasılık Dağılımı için de ilk ya da n.nci kaza arasında fark yoktur ve dolayısı ile k = 1 almak bir kısıtlama değildir. Bu açıklamaya göre Poisson Dağılımı için de (süreksizliği unutmamak şartı ile) aynı Olasılık Dağılımı ifadelerini kullanabiliriz. Yani: f(t) = exp(-t) , F(t) = 1 – exp(-t) , = st. , 0 t, t = 1,2,... Bu nedenle aşağıda yalnızca Üstel Dağılımı ele alacağız ve temel tanımların daha iyi anlaşılmasını sağlayabilmek için bunları bir de bu özel hal için yeniden açıklayacağız. Diğer sözlerle bu paragrafın başlangıcı önceki paragraftaki genel ifadelerin Üstel Dağılım özel halinde tekrarı niteliğinde olacaktır. 12 ÜSTEL/POİSSON DAĞILIMLI ÖMÜR FONKSİYONLARI: Şimdi = 1 için bu fonksiyonun tablosunu yapalım ve grafiğini çizelim. t 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 f(t)=EXP(-t) 1 0,818731 0,67032 0,548812 0,449329 0,367879 0,301194 0,246597 0,201897 0,165299 0,135335 0,110803 0,090718 0,074274 0,06081 0,049787 F(t)=1-EXP(-t) 0 0,181269247 0,329679954 0,451188364 0,550671036 0,632120559 0,698805788 0,753403036 0,798103482 0,834701112 0,864664717 0,889196842 0,909282047 0,925726422 0,939189937 0,950212932 f(t)=EXP(-t) F(t)=1-EXP(-t) 1,2 1 0,8 0,6 0,4 0,2 0 0 0,5 1 1,5 2 2,5 3 3,5 Önceki paragrafta verdiğimiz tanımları, herhangi için Olasılık Yoğunluk ve Kütle Fonksiyonu: f(t) = (1/) exp(-1/ ve F(t) = 1 – exp(-1/) olan bu fonksiyona uygularsak: S(t) = 1 – F(t) = 1 – [1 – exp(-t/)] P[B(t)] = S(t) = exp(-t/ ) İlginç bir sonuca ulaştık. Sistemimizin P[B(t)] çalışabilirlik ya da ömür (survival) olasılığını Üstel Dağılımla ilişkilendirdik. O halde şimdi aynı sistemin P[A B] çalışabilir/çalışamaz olasılığını da Üstel Dağılım yardımı ile –yeniden- açıklayabilmeliyiz. Sistemimiz T noktasına kadar çalışır durumdadır; T noktasını geçtiği anda kaza gerçekleşmiş ve sistem çalışamaz olmuştur. Şu halde t + t aralığında, t çok küçük olmak şartı ile, aradığımız P[A B] olasılığı gerçekleşmiştir. Diğer sözlerle aradığımız S(t+) değeri S(t) ve S(t+t) değerleri arasında bir yerdedir ve t nin çok küçük olması istenmektedir. Şimdi S(t+t) için Taylor serisini kullanarak bir yaklaşım yapalım: S t t S t t 1! S' t t 2 S' ' t ... 2! Yalnızca birinci mertbeden terimi almamız yeterli çünkü t çok küçük 13 S t t S t t 1! S' t Buna göre aradığımız noktada seçtiğimiz S(t) fonksiyonunun sürekli ve en az birinci mertebeden türetilebilir olması gerektiği görülüyor. Örnek fonksiyonumuz S(t) = exp( - t/ ) bu şartı rahatlıkla sağlıyor. Şu halde: P A B lim t 0 S t t S t dS t 1 exp t t dt ifadesine ulaşırız. Böylece sistemimizin çalışır/çalışmaz durumu için S(t) nin değil S’(t) nin değerini kullanmamız gerektiği sonucuna varmış bulunuyoruz. Şu halde genel olarak Arıza/Kaza Fonksiyonu: ht S t 1 exp t 1 S t exp t yazabiliriz. Yukarıdaki çalışmamızı bir de şöyle özetleyelim. Varsayalım ki bir sistem için beklenen ömür T ve başarısızlık oranı h(t) verilmiştir. Bir an için h(t) nin zamana bağlı bir fonksiyon olduğunu düşünelim. Bu bilinen h(t) ve T değerlerini kullanarak herhangibir t- değerine kadar sorunsuz çalıştığını varsaydığımız elimizdeki problem için bir koşullu olasılık bağıntısını bir dt aralığı için yazalım: ht dt P t T t dt / t T P t T t dt P t T Bu ifadeyi f(t) ve F(t) fonksiyonları cinsinden yazılımı: ht dt P t T t dt / t T dF t f t dt d dt ht log1 F t 1 F t 1 F t dt İki tarafını integre edelim. t log1 F t ht dt c 1 F t e c exp 0 0 ht dt t S(t) = 1 – F(t) fonksiyonu için S(t=0) = 1 şartımızı hatırlarsak sonuç: t S t exp ht dt 0 olacaktır. 14 Eğer bu paragrafta kabul ettiğimiz gibi h(t) zamana bağlı olmayan yani sabit bir değere sahipse ve bu değeri h(t) = 1/ olarak belirtmişsek S(t) = exp(-t/ ), > 0 0 t ifadesine tekrar ulaşırız. Bu basit dağılım fonksiyonu için bazı temel istatistik parametreleri hesaplayalım. İstatistik Ortalama/Beklenen Değer: Tanım gereği E f t tf t dt t 1 exp t dt 0 0 Bu ifadede, u =t ve dv = (1/ )exp(-t/ ) yazarak kısım kısım integrasyon yardımı ile kolayca Beklenen Değer: E[f(t)] = sonucuna ulaşırız. Varyans/Değişkenlik ve Standart Sapma: Yine tanım gereği ve benzer işlemlerle E 2 f t 0 t 2 f t dt 2 2 0 t 1 exp t dt 2 VAR f t E 2 f t E f t 2 2 Değişkenlik: VAR[f(t)] = 2 Standart Sapma: SD[f(t)] = {VAR[f(t)}] = elde ederiz. POİSSON DAĞILIMLI ÖMÜR FONKSİYONU: Yukarıdaki analizi tamamen aynı yolu izleyerek Poisson Dağılımlı Ömür Fonksiyonu için de yapabiliriz. Ancak daha önce bir tanım yapmamız ve inceleyeceğimiz olayların özelliklerini belirleyerek matematik ifadelere dönüştürmeliyiz. POISSON OLAYLARI: Özelliklerini sıralayacağımız olayları kolayca anlayabilmek için ‘müşteri bekleyen bir dükkan’, topun kendisine gelmesini bekleyen bir sporcu’, ‘çağrı merkezinde telefon bekleyen bir çalışan’ veya bu fikrin ilk kullanıldığı gerçek tarihi olaydaki gibi ‘ atların tekmesini bekleyen askeri bir seyisi’ düşünebiliriz. 15 t = 0 anında hiçbir olay olmamıştır. Zaman t = 0 dan itibaren t aralıklarına bölünmüştür. Bu zaman dilimleri birbirinden ayrık ya da birbiri ile çakışık değildir. Her t aralığında gerçekleşen olaylar birbirinden bağımsızdır fakat aynı dağılım özelliğine sahiptir. Bir t aralığında gerçekleşen olayların sayısı yalnızca t nin uzunluğuna bağlıdır. Şimdilik t = st. kabul edeceğiz ve HOMOJEN POISSON OLAYLARI nı inceleyeceğiz. İleride Gamma Dağılımını incelerken bu t = st. şartına gerek olmayacak. Artık matematik ifadeleri kurabiliriz. Bu amaçla t nin kesikli değerler aldığını unutmayarak ve POISSON Dağılımının tanımında m = t yazarak e mmk P X k f k k! , k 0 ,1,2 ,3 ,.... 0 , k 0 ,1,2 ,3 ,... ifadesini e t t k , k 0 ,1,2 ,3,.... P X k f k k! 0 , k 0 ,1,2 ,3,... biçimine getirelim. Üstel Dağılımla bu dağılım arasında bir ilişki kurmak istiyoruz. O halde, yukarıdaki kabullerimize uygun olarak, zamanı sıfırdan başlatalım ve ilk arızaya kadar olan aralığı düşünelim. P T t 0 P ( Olayyok k 0 ) e t t e t 0! 0 Ancak bir t = T t +t anında bir olay gerçekleştiğini düşünürsek: P t T P İlkolay k 1 1 P k 0 1 e t Bu sonuç bizi doğrudan POISSON Dağılımı (k=0,1) için Ömür Fonksiyonuna götürür: S(t) = exp(-t), 0 t, k =1,2, ... Ancak bazı noktalara dikkat etmemiz lazım. 16 a. Öncelikle k = 0 ya da 1 kabullerinin gerekli olmadığını belirtmeliyiz. Çünkü POISSON Dağılımının temel kabulleri nedeniyle her olay kendisinden önceki olaya (k = 0 ) göre yeni bir olay (k = 1 ) dır. Bu nedenle yukarıdaki ifadede k = 1,2,3,... yazılmıştır. Öte yandan k = 0 ve 1 kullanarak yaptığımız bu çalışma POISSON Dağılımının bir özel hali olan GEOMETRİK Dağılımı tanımlamaktadır. b. Aslında bu analizi az aşağıda Gamma Dağılımını incelerken yeniden yapacağız ve orada herhangibir k değeri için yukarıdaki Ömür Fonksiyonunun nasıl değiştiğini göreceğiz. c. Zaten az ileride Üstel Dağılımın HAFIZASIZLIK Özelliğini göstermek için kullandığımız yöntemin POISSON (k=0,1) Dağılımı için de geçerli olduğunu, dolayısı ile (a) da söylediklerimizin her k için geçerli olduğunu göstereceğiz. Poisson Dağılımı için temel istatistik büyüklükleri de hatırlayalım. Beklenen Değer: E[f(t)] = Değişkenlik: VAR[f(t)] = Standart Sapma: SD[f(t)] = VAR[f(t)] = Üstel/Poisson Dağılımlı Arıza/Kaza Fonksiyonlarının Hafızasızlık Özelliği: Aslında bu özelliği yukarıda ispat ettik. Hatırlayalım: Arıza/Kaza Fonksiyonu: ht S t 1 exp t 1 S t exp t ifadesi açıkça gösteriyor ki bir arızadan ikinciye geçerken sistemin özelliklerinde bir değişme olmadığı varsayılıyor. Çünkü yeni işlemeye başlayan bir sistemle, örneğin, onuncu arızadan sonra çalıştırılan aynı sistem için aynı (sabit) Arıza/Kaza Oranı geçerli varsayılıyor. Diğer sözlerle, örneğin. onuncu kazadan çıkmış bir sistem sanki yeni işlemeye başlamış bir sistem gibi düşünülüyor. Bu özelliği matematik olarak bir de şöyle gösterebiliriz. Varsayalım ki bir sistem n inci (n = 0, 1, 2,...) arızadan sonra t>T için hala işlemektedir. Yukarıda yaptığımız gibi, bu sistem için koşullu olasılık ifadesini olasılık dağılımını üstel/Poisson olarak kabulederek yazalım. Arıza/Kazanın t>T den sonra fakat t+t den önce gerçekleştiğini düşündüğümüze göre: P t T t t / T t exp t exp t t 1 exp t exp t buluruz. Açıkça görülüyor ki yeni Arıza/Kaza olasılığı t- değerine bağlı değildir fakat, belki de onuncu arıza/kazadan sonraki, herhangibir t- anında çalışmakta olduğunu varsaydığımız bu sistemin hangi t zamanı kadar çalışmasını beklediğimize yani t ye bağlıdır. 17 Yukarıda yaptıklarımızın hepsini POISSON (k=0,1) Dağılımı halinde de yapabileceğimiz açıktır. Önceki arıza/kazaların etkisini görmeyen (bu nedenle birçok olayda gerçekçi olmayan) bu özelliğinden ötürü Üstel/Poisson dağılımlı Arıza/Kaza Fonksiyonlarına HAFIZASIZ ARIZA/KAZA FONKSİYONLARI denilmektedir. Yalnızca iki tane hafızasız Arıza/Kaza Dağılımı biliyoruz. Sürekli Dağılımlar içinde Üstel Dağılım. Süreksiz Dağılımlar içinde Geometrik Dağılım 18 ÜSTEL DAĞILIMLA İLGİLİ PROBLEMLER: 1. Bir iş makinasının imalatçısı, makinasının her gün, arızalanmadan, sürekli olarak 8 saat çalıştırılabileceğini söylüyor. Bu makinanın Arızalanma Olasılığının üstel fonksiyonla ifade edilebileceği kabul edildiğine göre: Bu makina için S(t) ömür fonksiyonunu yazınız; h(t), f(t) ve F(t) fonksiyonlarını belirleyihiz, grafiklerini çiziniz. Ömür fonksiyonu S(t) = exp(-t) olduğunu hemen yazabiliriz. Bu makina için 8 saatlik bir arızasız çalışma garantisi veriliyor. Şu halde bu makina için arızasız çalışma Beklenen Değeri: E[f(t)] = 8 alınabilir. Bu durumda E[f(t)] = = 8 1/ = 1/8 = 0,125 ve Olasılık Yoğunluk Fonksiyonu = f(t) = 0,125exp(-0,125t) , 0 t Olasılık Kütle Fonksiyonu F(t) = 1 – S(t) = 1 – exp(-0,125t) , 0 t Ömür Fonksiyonu = S(t) = exp(-0,125t) Arıza/Kaza Fonksiyonu: ht S t 1 0 ,125 S t olarak bulunur. Bu makina için bulduğunuz fonsiyonların grafiğini çiziniz. S(t) h(t) f(t) F(t) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Bu grafikler şu ana kadar yaptıklarımız için iyi bir yorumlama fırsatı getiriyor. Ömür Fonksiyonu ve Olasılık Yoğunluk Fonksiyonu 1/8 = 0,125 lik bir ölçek farkı ile sabit bir sayıdan başlayarak sıfıra yaklaşıyor. Kaza Fonksiyonu 1/8 = 0,125 değerinde sabit kalıyor. Olasılık Kütle Fonksiyonu 0 dan başlayarak 1 e yaklaşıyor. 19 Bu makinanın arızasız olarak 4 saat ve 12 saat arızasız çalışabilme olasılıklarını hesaplayınız. P(tT = 4) = S(t=4) = exp(-0.125x4) 0,606 P(tT = 12) = S(t=12) = exp(-0.125x12) 0,223 Bu makinanın 6 saat çalıştıktan sonra bir 6 saat daha arızasız çalışma olasılığını bulunuz. Koşullu bir olasılık problemi; o halde, üstel fonksiyonun özelliklerini kullanarak, hemen sonucu bulabiliriz: P(t>T=12/t>T=6) = exp(-0.125x12)/ exp(-0.125x6) = exp[-0.125x(12-6)] P(t>T=12/t>T=6) = exp(-0.125x6) 0,472 20 2. Bir ülkede ortalama ömür 70 yıl olarak kabul ediliyor. Yeni doğan bir bireyin 10, 20, ... 100 yaşına erişme olasılıklarını hesaplayınız ve grafiğini çiziniz. Tabii burada tek bir arıza veya kazadan söz ediyoruz: ölüm. Doğumla ölüm arasında geçmesi beklenen süre = 70 yıl olarak verildiğine göre Ömür fonksiyonu: S(t) = exp[(-1/70)t] = exp(-0,015t) olacaktır. Buna göre: t 0 10 20 30 40 50 60 70 80 90 100 exp(-0.015t) 1 0,860708 0,740818 0,637628 0,548812 0,472367 0,40657 0,349938 0,301194 0,25924 0,201897 Tabloyu ve grafiği şöyle okuyabiliriz. Bugün doğan bebeklerin %86 sı 10 yaşına, %74 ü 20 yaşına ... %20 si 100 yaşına erişecek. Birazdan bu problemi daha gerçekçi hale getireceğiz. Aynı ülkede 200 yıl önce ortalama omür 50 yıl olarak tahmin ediliyor. Aynı soruyu yukarıdaki şıkla karşılaştırarak yanıtlayınız. t 0 10 20 30 40 50 60 70 80 90 100 exp(-0.015t) 1 0,860708 0,740818 0,637628 0,548812 0,472367 0,40657 0,349938 0,301194 0,25924 0,201897 exp(-0,02t) 1 0,818730753 0,670320046 0,548811636 0,449328964 0,367879441 0,301194212 0,246596964 0,201896518 0,165298888 0,135335283 21 3. Bir caddede trafik yoğunluğunu belirlemek amacı ile aynı yöne giden araçların sayımı yapılıyor ve 24 saatlik süresde 360 aracın geçiş yaptığı belirleniyor. İlk aşamada bu araçların eşit aralıklarla geçtiğini düşünerek Ömür fonksiyonunu yazınız. POİSSON DAĞILIMI halinde de, olayın süreksizliğini unutmadan, Ömür Fonksiyonunun S(t) = exp(-t) olduğunu hemen yazabiliriz. Ancak şuna dikkat etmaliyiz. Önceki problemde arızalar arasındaki süre verilirken burada geçen araçların yani bir anlamda arızaların sayısı veriliyor. Bu caddeden 24 saat içinde 360 aracın eşit(!) zaman aralıklarında geçtiğini varsaydığımıza göre bir saatte geçecek araba sayısı için = 360/24 = 15 araç/saat alınabilir. Bu durumda S(t) = exp(-15t) olarak bulunur. Bu caddeden, bir araç geçtiği andan itibaren, ikinci bir aracın 20 dakika, 30 dakika ve 2 saat içinde geçmeme olasılıklarını hesaplayınız. S(t=20/60 0.33) = exp(-15x0,33) 0,007 S(t=30/60 0.5) = exp(-15x0,5) 5,53x10-4 S(t=2) = exp(-15x2) 9x10-14 Görüldüğü gibi, yukarıdaki problemle karşılaştırınca, bu problemde araç geçmesi sanki bir arızaya tekabül ediyor. Şimdi aynı süreler için tersini soralım. 20, 30 dakika ve 2 saat içinde yeni bir aracın geçme olasılığı nedir? Olasılıklar toplamı 1 olacağına göre yanıt basittir. 1 - S(t= 0.33) = 1 - 0,007 = 0,993 1 - S(t= 0.5) = 1 - 5,53x10-4 1 1 - S(t=2) = 1 - 9x10-14 1 . 0 t 60 dakika için, 5 dakika aralarla 1 – S(t) diyagramını çiziniz 1-EXP(-15T) 1 0,8 0,6 0,4 0,2 0 0 5 10 15 20 25 22 30 35 40 45 50 55 60 4. Gerçek hayatta Beklenen Değer/İstatistik Ortalama, yukarıdaki problemlerde olduğu gibi, baştan verilemez. Bir makinaya 8 saatlik çalışma garantisi vermek imalatçının senelerce uğraştıktan sonra yapabileceği birşeydir. Benzer şekilde, ve ikinci problemde işaret edildiği gibi Beklenen Ömür tahmini, İstatistikçilerin senelerine mal olmuş çalışmaların sonucudur. Şimdi biraz daha gerçeğe benzeyen –hayali- bir problem çözelim. Ekonomik zorluklar içerisindeki bir ülkenin para biriminin bir gram altının, aynı para birimi cinsinden, değerine oranı 12 ay boyunca aşağıdaki tabloda verildiği gibi değişmiştir. Ay 1 1 2 3 4 5 6 7 8 9 10 11 12 0,85 0,70 0,65 0,57 0,40 0,34 0,30 0,28 0,26 0,25 0,25 Bu değişimin üstel dağılımla uyumlu olduğunu varsayarak(!) bu olaydan birbirinden tamamen farklı iki problem çıkarabiliriz. Bu ülkenin para biriminin önümüzdeki aylar içinde nasıl değişeceğini araştırabiliriz. Kuşkusuz bu bir Olasılık problemi değildir ve incelememizin dışında kalmaktadır. Ancak Olasılık problemi ile sıkça karıştırıldığı için ve farknıı belirginleştirmek amacı ile bir çözümü verilecektir. Bu, açıkça bir Eğri Uydurma problemidir ve değişimin gerçekten bir üstel değişim olduğu kabulü ile Gerçek Değişimin Yaklaşımı = exp[-0,175604(1-t)] gibi bir ifadeyle bir çözüm elde edilebilir. Aşağıda bu çözümün tablosu ve grafiği verilmiştir. Gerçek Değer Ay 1 2 3 4 5 6 7 8 9 10 11 12 1 0,85 0,7 0,65 0,57 0,4 0,34 0,3 0,28 0,26 0,25 0,25 G.D.Yaklaş. 1 0,83895 0,703837 0,590484 0,495387 0,415605 0,348672 0,292518 0,245408 0,205885 0,172728 0,14491 Aslında burada incelediğimiz problemle doğrudan ilgisi olmayan bu sonucun fena bir yaklaşım olmadığı tablodan ve grafikten görülmektedir. Tekrar belirtelim yukarıdaki tablo ya da grafik olasılık hesaplamamaktadır. Sadece para birimi değerinin 1 gram altına göre nasıl değişeceğini tahmin eden bir matematik ifade belirlemektedir. Şimdi buradan, sanki bu problemi çözmemişiz gibi davranarak, bir olasılık problemi çıkaralım. 23 Bu para birimi için 1 gram altına eşit kalma olasılığını tahmin eden ve Üstel olduğu kabul edilen Ömür Fonksiyonu yaklaşımını yazınız ve gerçek değerle birlikte grafiğini çiziniz. Bu problem bir kesikli olasılık (yani bir Poisson) dağılımıdır. Gerçek değerin ortalamasını (Beklenen Değeri) bulmalıyız ve bu değeri olarak kabul etmeliyiz. Aşağıdaki tabloda bu işlem özetlenmiş ve bulunan 0,4875.. değeri ile grafikler çizilmiştir. Bu problem için Ömür Fonksiyonu S(t) = exp[(1-t)*0,4875...], 0 < t = 1,2,.. biçiminde yazilabilir. Gerçek Değer Ay 1 0,85 0,7 0,65 0,57 0,4 1 0,61416 0,377192 0,231656 0,142274 0,087379 7 8 9 10 11 12 0,34 0,3 0,28 0,26 0,25 0,25 0,4875 0,053665 0,032959 0,020242 0,012432 0,007635 0,004689 G.D.Ortal. Olasılık 1 2 3 4 5 6 Bu ülke para biriminin bir gram altın değerinde kalma olasılığını t = 5, 10, 15 için hesaplayınız. S(t=5) = exp[(1-5)*0.4875..] = 0,14227 S(t=10) = exp[(1-10)*0.4875..] = 0,012432 S(t=15) = exp[(1-15)*0.4875..] = 0.001086 Aynı para biriminin 4,5 ay sonra 1 gram altına eşit kalma olasılığını hesaplayınız. Yukarıda da belirtildiği gibi t = 4,5 için ömür fonksiyonunu kullanmaya hakkımız yok. Yapabileceğimiz en iyi şey S(t=4) ve S(t=5) değerleri arasında bir enterpolasyon uygulamaktır. En basit enterpolasyon olan ortalama almak yolu ile soruya yanıt verelim. S t 4 ,5 S t 4 S t 5 0,231656 0,142274 0,186965 2 2 24 5. Bir sekreter çalan telefona ortalama 2 saniye içinde cevap vermektedir. Telefona en çok 10 saniye içinde cevap verme olasılığını bulunuz. = 2 verilmiş; o halde 1/ = 0,5 F(t;0,5) = 1 - exp(-0,5t) t = T = 10 verilmiş; o halde P(t T = 10) = 1 - exp(-0,5*10) = 1 – e-5 0,9932 Bu sonuçla şu soruya da cevap verebiliriz. 10 saniye içinde cevap vermeme olasılığını bulunuz P(t > T = 10) = exp(-0,5*10) 0,0067 Bu sekreterin telefona 3 ila 5 saniye arasında cevap verme olasılığını bulunuz. P(3 t 5) = P(t T = 5) - P(t T = 3) = [1 - exp(-0,5*5)] – [1 - exp(-0,5*3)] P(3 t 5) = exp(-0,5*3) - exp(-0,5*5) = 0,223 - 0,082 = 0,141 Bu sekreterin telefon performansı ile ilgili Ömür ve Başarısızlık Fonksiyonlarını yazınız. Tanımları kullanarak hemen: f(t) = (1/)exp(-t/) = 0,5exp(-0,5t) F(t) = 1 - exp(-0,5t) Ömür Fonksiyonu S(t) = 1 – F(t) = exp(-0,5t) h(t) = f(t)/F(t) = 0,5 Aynı numaralı telefona, iki ayrı cihazla, cevap verebilen ve özellikleri yukarıdakine eşit iki sekreter olması halinde telefon performansının Ömür Fonksiyonunu yazınız. Bu fonksiyonu kullanarak P(t T = 10) değerini yeniden hesaplayınız. Sekreterlerin paralel çalıştıklarını düşünebiliriz; n = 2 için paralel sistem halinde, Ömür Fonksiyonunun, yukarıdaki bir sekreterlik halini S*(t) ile ve iki sekreterin birlikte çalışması halini S(t) ile göstererek: S(t) = 1 - [1 – S*(t)] n = 1 - [1 – S*(t)] 2 = S*(t)2 – 2S*(t) = [exp(-0,5t)] 2 – 2*exp(-0,5t) biçiminde hemen yazabiliriz. P(t > T = 10) = S(t=10) = 1 – { [exp(-0,5*10)] 2– 2*exp(-0,5t)} P(t > T = 10) = 1 - { 4,53999E-05 -2*0,0067} = 0,013430494 P(t T = 10) = 0,986569506 25 6. Bir futbol takımının kalecisi genelde kaleyi bulan 7 şuttan 6 sını kurtarabilmektedir. Yani ortalama olarak 1/7 0,15 düzeyinde ‘arıza’ yapmaktadır. Ancak maçın başlangıcındaki ‘soğuk’ dönemde başarısızlık (arıza) oranının 1 den 0,15 düzeyine h(t)=exp(-0,2t) formülüne uygun olarak ulaştığı gözlemlenmiştir. 0 t 10 aralığını t = 1 aralığı ile inceleyiniz. Bu bölge için Ömür Fonksiyonunu yazınız. Belirtilen bölge için hesap yaparak grafik çizelim. h(t)=exp(0,2t) t 0 1 2 3 4 5 6 7 8 9 10 1 0,8187308 0,67032 0,5488116 0,449329 0,3678794 0,3011942 0,246597 0,2018965 0,1652989 0,1353353 h(t) = exp(-0,2t) verildiğine göre t t 1 exp 0 ,2t 1 S t exp h t dt exp exp(-0,2t) dt exp 0 0 0 ,2 sonucunu hemen yazabiliyoruz. Üstel fonksiyonun üstel fonksiyonu alınarak belirlenen bir Ömür Fonksiyonu bulduk, Son yıllarda bilimsel literatürde üstünde önemle durulan bu ‘Üstüstel’ Ömür Fonksiyonları bu makalenin sınırları dışında kaldığı için konuyu burada bırakacağız. Biz yine kalecimize dönelim ve artık = 7 1/ = 0,15 değerini kullanarak bu kaleci için f, F, S ve h eğrilerini çizelim. f(t:0,15) = 0,15exp(-0,15t), F(t;0,15) = 1 – exp(-0,15t), h(t;0,15) = = 0,15 = f(t;0,15)/S(t;0,15) S(t;0,15) = 1- F(t;0,15) = exp(-0,15t), t 10 20 30 40 50 60 70 80 90 f(t;0,15) 0,03347 0,007468 0,001666 0,000372 8,3E-05 1,85E-05 4,13E-06 9,22E-07 2,06E-07 F(t;0,15) S(t;0,15) 0,77687 0,950213 0,988891 0,997521 0,999447 0,999877 0,999972 0,999994 0,999999 0,22313 0,049787 0,011109 0,002479 0,000553 0,000123 2,75E-05 6,14E-06 1,37E-06 26 h(t;0,15) 0,15 0,15 0,15 0,15 0,15 0,15 0,15 0,15 0,15 Tablodaki son sütun h(t) = f(t)/S(t) şeklinde kontrol amaçlı hesaplanmıştır. Büyüklükleri dolayısı ile ilgili eğrileri iki ayrı grafikte göstereceğiz. Kalecimizin sportif karakteristiğini sürekli bir fonksiyonla yani Üstel Fonksiyonla belirtmemiz doğaldır. Öte yandan kalede top bekleyen kalecinin oyundaki durumu tam bir POISSON Olayı örneğidir. Çünkü maç boyunca rakip takımın bütün oyuncularından ve bazen kendi takımının bazı oyuncularından, herhangi anlarda gelebilecek şutları beklemek durumundadır. Şu halde kalecinin top yakalama işlevi süreksiz (kesikli) bir olaydır. Şimdi bir maçta kaleye 40 top gönderildiğini varsayalım ve bunu POISSON Dağılımı ile ifade edelim. = 40/90 = 0,44 S(t) = exp(-0,44t), 10 t 90 Sorumuzu sormadan önce bir noktaya daha dikkat çekelim. Kaleye top gönderen oyuncu ile kaleci, bir sistemin, seri bağlanmış iki elemanı gibi çalışmaktadır. Çünkü kimse kaleye top göndermezse kaleci bir işe yaramaz; ya da kaleci gelen topların tümünü yakalarsa top göndermenin anlamı olmaz. Şimdi sorumuzu soralım: Kalecimizin gol yeme olasılığı ne kadardır? Yukarıda seri bağlılık için basit bir analiz yapmıştık. Hemen uygulayalım. S(t) = P(T>t) = S1(t) S2(t) = [exp(-0,15t)][ exp(-0,44t)] Örneğin 40.ncı dakikadan sonra kalecimizin ‘arıza’ yapma yani gol yeme olasılığı: S(40) = P(T>40) = [exp(-0,15*40)][ exp(-0,44*40)] = 0,0025* 2,3*10-8 = 5,6*10-11 olacaktır. 27 NORMAL DAĞILIMLI ÖMÜR FONKSİYONU: Ömür Fonksiynu olarak kullanıldığında Normal Dağılım veya Lognormal Dağılım, gerçek problemleri incelemede pek başarılı değil. Bazı toplumsal araştırmalar ya da çok sayıda bileşeni olan sistemlerin Arıza/Kaza Problemlerinin incelenmesinde kısıtlı bir kullanım alanları var. Yine de kısaca ele alalım. Öncelikle temel fonksiyonlarımızı yazalım. Normal Dağılımla ilgili Olasılık Yoğunluk ve Kütle Fonksiyonları şöyle verilmişti. : İstatistik Ortalama ya da Beklenen Değer : Standart Sapma değerlerini göstermek üzere: t 2 f t ; , exp t R, t 2 2 2 1 F t : , 1 t 1 erf 2 2 t R, t Bu bölümde incelediğimiz iki fonksiyon, bu ifadeleri kullanarak şöyle yazılabilir. Ömür Fonksiyonu : S(t) = 1 – F(t) Başarısızlık Oranı: h(t) = f(t)/S(t) Normal Dağılımla ilgili çalışmamızdan biliyoruz ki F için kapalı bir formülümüz yok ve onu sayısal değeri verilmiş her ve için nokta nokta hesaplamak zorundayız. Bu yüzden Ömür Fonksiyonunu ya da Başarısızlık Oranını ancak ukarıdaki biçimde yazabiliyoruz. Şimdi bu fonksiyonları gözümüzde canlandırabilmek için keyfi olarak = 6, = 4 değerlerini seçelim ve, örneğin 0 t 20 için tablolarını hazırlayarak grafiklerini çizelim. 28 t 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 f(t:6,4) F(t:6,4) S(t) h(t) 0,032379 0,045662 0,060493 0,075284 0,088016 0,096667 0,099736 0,096667 0,088016 0,075284 0,060493 0,045662 0,032379 0,021569 0,013498 0,007935 0,004382 0,002273 0,001108 0,000507 0,000218 0,066807201 0,105649774 0,158655254 0,226627352 0,308537539 0,401293674 0,5 0,598706326 0,691462461 0,773372648 0,841344746 0,894350226 0,933192799 0,959940843 0,977249868 0,987775527 0,993790335 0,997020237 0,998650102 0,999422975 0,999767371 0,933193 0,89435 0,841345 0,773373 0,691462 0,598706 0,5 0,401294 0,308538 0,226627 0,158655 0,10565 0,066807 0,040059 0,02275 0,012224 0,00621 0,00298 0,00135 0,000577 0,000233 0,034697 0,051056 0,0719 0,097346 0,12729 0,16146 0,199471 0,240888 0,285269 0,332194 0,381284 0,432204 0,484669 0,538437 0,593304 0,649101 0,705686 0,762943 0,820775 0,879099 0,937848 S(t) h(t) f(t:6,4) F(t:6,4) 1 0,8 0,6 0,4 0,2 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Bu grafiği önceki paragrafta verdiğimiz Üstel Dağılımlı Olasılık grafiği ile karşılaştırırsak bazı ilginç farklar görürüz. Bunları kısaca özetleyelim. t = 0 anında Üstel Dağılımlı Ömür Fonksiyonu tam 1 değerini alırken Normal Dağılım halinde bu değer 1 den küçük. Bunu şöyle yorumlayabiliriz. Yeni oluşturulmuş ya da imal edilmiş bir sistemin ‘çalışır’ olması olasılığı Normal Dağılım kabul edildiğinde 1 den küçük. Diğer sözlerle, yukarıdaki örneğe göre, fabrikadan yeni çıkan 100 üründen ancak 93 tanesi mutlaka ‘çalışır’ olacaktır. t > 0 için Üstel Dağılım halinde h(t) değeri t = 0 daki değerine eşit kalırken Normal Dağılım halinde bu değerin hızla büyüdüğü görülmektedir. Buna göre Üstel Dağılım 29 halinde yeni ya da onarılmış (veya çalıştırılmış) sistemlerin farkı yoktur. Normal Dağılım halinde ise onarılmış (veya çalıştırılmış) şiştemler için Arıza/Kaza oranı hızla büyümektedir. t > 0 için t- büyüdükçe her iki dağılım halinde de f(t) 0, F(t) 1 ve S(t) 0 değerlerine yaklaşılmaktadır. Ancak h(t) değeri Üstel Dağılım halinde sabit olduğu fakat Normal Dağılım halinde hızla arttığı için Normal Dağılımda S(t) 0 daha çabuk gerçekleşmektedir. İlk bakışta Normal Dağılım kabulünün daha gerçekçi olduğu görülüyor. Ancak sayısal uygulanalarda Normal Dağılımın da yetersiz kaldığı ortaya çıkınca çok daha karmaşık ve ilginç Dağılım Fonksiyonlarına ihtiyaç duyulmuştur. Aşağıdaki paragraflarda bunlardan bazılarını inceleyeceğiz. 30 NORMAL DAĞILIMLA İLGİLİ PROBLEMLER: 1. Bir kentte her ay kent sorunlarını tartışmak ve kararlaştırmak amacı ile toplantılar yapılıyor. Toplantıya katılanların sayısı 100 kişi ve biliniyor ki tartışılan konu ne olursa olsun ortalama 40 kişi ileri sürülen önerilere itiraz ediyor. Normal Dağılıma uygun değiştiği kabul edilen itirazcı sayısının standart sapması 15. Şıklara geçmezden önce şunu belirtelim. Bir toplantıda ileri sürülen teklife itiraz etmekle aleyhinde oy kullanmak mutlaka birebir eşleştirilemez. Diğer sözlerle bireyler hiç hoşlanmadıklarını beyan ettikleri bir öneriye ‘kerhen’ olumlu oy verebilirler veya çok beğendikleri bir öneri için aleyhte oy kullanabilirler. Politika dünyasının neşesi işte. Toplantı ile ilgili Ömür (Karar) Fonksiyonunu ve Başarısızlık Oranını yazınız, grafiklerini çiziniz. Herhangibir karara itiraz edenlerin sayısını, zamana doğrudan bağımlı olmadığı için, x- ile gösterelim. Normal Dağılım sözkonusu olduğu için 0 x 100 için =40 ve = 15 değerlerini kullanarak f(x:40,15) ve F(x:40,15) tablo ve grafiklerini nokta nokta çizdikten sonra S(x) = 1 – F(x) ve h(x) = f(x)/S(x) formüllerini kullanarak tablo ve grafiklerimizi, aşağıdaki gibi, hazırlayabiliriz. X 0 10 20 30 40 50 60 70 80 90 100 f(x:40,15) F(x:40,15) S(x) h(x) 0,00076 0,003599 0,010934 0,021297 0,026596 0,021297 0,010934 0,003599 0,00076 0,000103 8,92E-06 0,003830381 0,022750132 0,09121122 0,252492538 0,5 0,747507462 0,90878878 0,977249868 0,996169619 0,99957094 0,999968329 0,99617 0,97725 0,908789 0,747507 0,5 0,252493 0,091211 0,02275 0,00383 0,000429 3,17E-05 0,000763 0,003683 0,012031 0,02849 0,053192 0,084345 0,119876 0,158214 0,198344 0,239637 0,281707 f(x:40,15) F(x:40,15) S(x) h(x) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 10 20 30 40 31 50 60 70 80 90 100 Bulduğunuz sonuçları yorumlayın. Yukarıda yaptığımız işlem sadece formülleri yazmak ve hesaplamaktan ibaret. Şimdi bulduklarımızın anlamını açıklamaya çalışalım. Tablodaki satırlara göre devam edelim. x = 0 ise yani ortadaki teklife hiç kimse itiraz etmemişse teklifin ret olasılığı F(x=0:40,15) = 0,003830381 ve kabul olasılığı S(x=0) = 1 – F = 0,99617, başarısızlık olasılığı h(x=0) = 0,000763. İlginç bir sonuç. Teklife kimse itiraz etmiyor. Ama ret edilme olasılığı küçük fakat sıfır değil. Tabii bunun iki sebebi olabilir: birincisi yukarıda belirttğimiz gibi oy verme ve itiraz etme birebir eş olmayabilir. Bizim açımızdan ikinci sebep daha önemli ve yaptığımız Normal Dağılım kabulünün sonucu. Eğe bu analizi Üstel Dağılım kabulü ile yapsaydık sıfır itiraz tam da sıfır olumsuz oy demek olacaktı. x = 40 halini alalım. Yine ilginç bir sonuç. F(x=40:40,15) = 0,5 ve kabul olasılığı S(x=40) = 1 – F = 0,5, başarısızlık olasılığı h(x=0) = 0,053192. Yüz kişilik bir toplantıda önerilen karara 40 kişinin itiraz etmesi halinde, Normal Dağılım kabulü altında, kararın kabul ya da reddi olasılığı eşit! x = 100: ise toplantıya katılan herkesin öneriye itiraz ettiğini düşünüyoruz ve önerinin ret olasılığı F = 0,999968329, kabul olasılığı S = 0,0000316709. 32 2. Bir otobüs şirketi 40 kişilik otobüslerle şehirler arası çalışmaktadır. Yolcu sayısının Normal Dağılıma uygun değiştiği varsayılan otobüslerin ortalama doluluk oranı 30, standart sapması 8 dir. Bu şirketle ilgili Ömür Fonksiyonunu ve Başarısızlık Oranını, bir otobüs için, yazınız ve grafiklerini çiziniz. Önceki problemde izlediğimiz yoldan giderek tablo ve grafiklerimiz aşağıdaki gibi bulunabilir. x 0 5 10 15 20 25 30 35 40 f(x:30,8) F(x:30,8) S(x) h(x) 4,41E-05 0,000378 0,002191 0,008598 0,022831 0,04102 0,049868 0,04102 0,022831 8,84173E-05 0,000889025 0,006209665 0,030396362 0,105649774 0,265985529 0,5 0,734014471 0,894350226 0,999912 0,999111 0,99379 0,969604 0,89435 0,734014 0,5 0,265986 0,10565 4,40784E-05 0,000378118 0,002204728 0,008867834 0,025528182 0,055884622 0,09973557 0,154219371 0,216102078 f(x:30,8) F(x:30,8) S(x) h(x) 1 0,8 0,6 0,4 0,2 0 0 5 10 15 20 25 30 35 40 Bu tablo ve grafiği yorumlayınız. Otobüsümüz 40 kişilik olduğu için tablo ve grafiğimizi 0 x 40 arasında çizdik. Tablo ve grafiğimiz ilginç. x 30 değerine kadar Ömür Fonksiyonu S(x) 0.5 değerini alıyor. x = 40 içinse S(x) = 0,10 oluyor. Şu halde, bu problem için, S(x) Ömür Fonksiyonu Otobüsün kalkmama olasılığını ya da kalkış saati belli olan bir otobüste yer bulma olasılığını gösteriyor. Örneğin 25 kişi bilet aldıktan sonra otobüsün kalkmama olasılığı veya bilet bulma olasılığı 0,73 olarak görünüyor. 33 3. Bir akarsu debisi bir yıl boyunca ölçülüyor. Sonuçlar100m3 lük veriler haline getirildikten sonra Aylık Ortalama Debi ve Standart Sapma hesaplanarak, aşağıdaki gibi, tablolanıyor. DEBİ M^3/SN t 1 2 3 4 5 6 7 8 9 10 11 12 Ort.D. debi/100m^3 211 2,11 381 3,81 583 5,83 723 7,23 662 6,62 585 5,85 503 5,03 437 4,37 352 3,52 285 2,85 190 1,9 132 1,32 420,3333 4,203333333 St.S. 1,860194136 Değişk. 3,460322222 Tabloya uygun Normal Dağılım için f,F,S,h fonksiyonlarını yazarak grafiklerini çiziniz. Tablonun alt satırlarında verilen değerlerden bulunan Ortalama Değer ve Standart Sapma yazılmıştır. Bunları tanımlarda yerine koyarak ve normal dağılım için f ve F yerine n ve N harflerini kullanarak: nt ; , t 4 ,2 2 t 4.2 1 exp N t : , 1 erf , 2 2 1,9 2 21,9 1,9 2 1 S=1–N, t debi/100m^3 1 2 3 4 5 6 7 8 9 10 11 12 2,11 3,81 5,83 7,23 6,62 5,85 5,03 4,37 3,52 2,85 1,9 1,32 h=n/S n(t;4,2,1,9)*10 N(t;4,2,1,9) S(t;4,2,1,9) h(t;4,2,1,9) 0,508398406 1,074045718 1,720038527 2,088095711 1,921584324 1,340495352 0,708872285 0,284162982 0,086350295 0,019891016 0,003473337 0,000459763 0,046070495 0,123453498 0,263831023 0,458083498 0,663141675 0,828274462 0,929716682 0,977249868 0,994236709 0,998865779 0,99982751 0,999979807 0,953929505 0,876546502 0,736168977 0,541916502 0,336858325 0,171725538 0,070283318 0,022750132 0,005763291 0,001134221 0,00017249 2,01927E-05 0,053295176 0,122531516 0,233647244 0,385316871 0,570442878 0,780603377 1,008592515 1,249060807 1,498281019 1,753715645 2,013640043 2,276870779 Grafiklerde kaybolmaması için n yerine 10*n değeri kullanılmıştır. 34 debi/100m^3 S(t;4,2,1,9) n(t;4,2,1,9)*10 h(t;4,2,1,9) N(t;4,2,1,9) 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 Grafiğe baktığımız zaman (n ile gösterilen) Normal Dağılım Yoğunluk Fonksiyonunun yıllık debi dağılımını oldukça iyi izlediğini görüyoruz. Tabii grafikte 1 den büyük değerler alıyormuş gibi görünmesi n yerine 10*n almamızdan kaynaklanıyor. S, beklediğimiz gibi 9. ncu aydan sonra hızla sıfıra yaklaşıyor. Buna karşılık gittikçe büyüyen bir Başarısızlık Oranı (h) görüyoruz. 35 4. Yukarıdaki (3.ncü) problemi zamana göre değil fakat akarsuyun debisini esas alarak çözünüz. Verilen dağılımın ortalaması ve standart sapması değişmez. Sadece serbest değişkenimizin t- değil fakat d- ile göstereceğimiz debi olması gerekir. Buna göre fonksiyonlarımızı yeniden hesaplayarak grafiklerimizi çizebiliriz. nt ; , t 4 ,2 2 t 4.2 1 , N t : , 1 erf exp 2 2 1,9 2 21,9 1,9 2 1 S=1–N, debi 0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 h=n/S n(d;420,186)*100 N(d;420,186) S(d;420,186) 0,016756941 0,029656693 0,048827827 0,074787462 0,106563114 0,141254314 0,174186003 0,199821171 0,213248733 0,211713294 0,195535904 0,168004769 0,13428683 0,09985319 0,069072819 0,04444973 0,011970819 0,023336956 0,042677144 0,073304634 0,118445063 0,180364073 0,259411334 0,353330554 0,4571855 0,564067628 0,666441287 0,757700465 0,833413366 0,891874601 0,933886326 0,961984429 0,988029181 0,976663044 0,957322856 0,926695366 0,881554937 0,819635927 0,740588666 0,646669446 0,5428145 0,435932372 0,333558713 0,242299535 0,166586634 0,108125399 0,066113674 0,038015571 n(d;420,186)*100 S(d;420,186) h(d;420,186)*100 0,01696 0,030365 0,051005 0,080703 0,120881 0,172338 0,235199 0,309 0,392857 0,485656 0,586211 0,693376 0,806108 0,923494 1,044758 1,169251 N(d;420,186) h(d;420,186)*100 1,2 1 0,8 0,6 0,4 0,2 0 0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 Bu akarsuyun debisinin sıfırdan büyük olma olasılığını bulunuz. 36 Debinin sıfırdan büyük olma olasılığı yani akarsuyumuzda su bulunma olasılığı: P(d > 0) = S(d = 0) = 0,98 Tabii akarsunun kuruma olasılığı da P(d = 0) = 1 – 0,98 = 0,02 olacaktır. Bu akarsuyun her zaman en az 200m3 su sağlama olasılığını bulunuz. P(d > 200) = S(d = 200) = 0,88 Tabii 200m3 ten az su sağlama olasılığı da P(d < 200) = 1 – 0,88 = 0,12 olur. 37 WEİBULL DAĞILIMLI ÖMÜR FONKSİYONU: Bu paragrafta, en çok kullanılan Ömür Fonksiyonlarından biri olan WEİBULL dağılımlı Ömür Fonksiyonunu inceleyeceğiz. WEİBULL Dağılımının ilginç bir hikayesi var. WEİBULL çalışmasını önce ünlü bir İstatistik dergisine göndermiş ve ‘ilginç ama yararsız’ denilerek yayımlanması reddedilmiş. Sonra ‘Bilmemneredeki erkeklerin boylarının dağılımı’, ‘Bezelye tanelerinin boyutlarının dağılımı’, ‘Çeliğin Akma Noktası dağılımı’ gibi örneklerle ASME (Amerikan Makina Mühendisleri Dergisi) ye göndermiş. Bu dergide yayım tarihi olan 1951 den günümüze WEİBULL Dağılımı ile ilgili çalışmaların sayısı binlerceye ulaşmış durumda! Yukarıdaki paragraflarda şunu görmüştük: Başarısızlık Oranı h(t) üstel dağılım halinde sabit bir değerde kalırken, normal dağılımda sürekli artıyordu. İşte WEİBULL dağılımının en önemli yararı bazı parametreler için azalan, sabit kalan ve artan h(t) değerleri bulmamıza olanak sağlamasıdır. Bu amaca ulaşmak için WEİBULL Dağılımında, Üstel dağılımda bir sabitten ibaret olan (t) = ()t( - 1) biçiminde iki parametreli bir fonksiyon olarak tanımlanır. Böylece tanımlanan (t) nin < 1 için (t) azalan ve > 1 için (t) artan bir fonksiyon olduğu hemen görülüyor. WEİBULL Dağılımını aşağıdaki gibi tanımlamıştık (Bkz. Özel Dağılımlar). Şimdi tanımımızı tekrar verelim; > 0 ve > 0 sabit ve gerçel sayılar olmak üzere:. t 1 exp t , 0 , 0 , t 0 f t ; , 0, t 0 Bu çalışmada, yukarıdaki tanımda 1 ve t t yazılarak elde edilen t 1 t exp , 0 , 0 , t 0 f t ; , 0, t 0 tanımını kullanacağız. Görüldüğü gibi iki ( ve ) parametreli bir olasılık dağılımı sözkonusu. Aslında WEIBULL Dağılımının biraz daha genel bir biçimi: 1 ve 38 t t koyarak şöyle yazılabilir. t f t , , , 1 t t 0 veya exp , ve 0 , 0, t 0 Bu ise üç parametreli bir dağılımdır. Bu parametreler genellikle şöyle adlandırılır: : Biçim parametresi veya bazen WEİBULL eğimi : Ölçek parametresi : Zaman(t-) ekseninde yer belirleyici Aşağıdaki çalışmamızda daha çok iki parametreli ve f(t;, ) biçiminde yazılmış ikinci ifadeyi kullanacağız. Bu iki ifadeden ilkinde =1 aldığımızı düşünelim: t 1 1 exp t exp , 0 , 1, t 0 f t ; , 0, t 0 bağıntısını elde ederiz ki, açıkça görüldüğü gibi bu, Üstel Dağılım fonksiyonudur. Şu halde WEİBULL Dağılımı Üstel Dağılımın genelleştirilmiş bir biçimidir. İki parametreli hal için Olasılık Yoğunluk Fonksiyonunu yeniden yazalım ve Olasılık Kütle Fonksiyonunu hesaplayalım. t f t ; , 1 t exp F t ; , f t ; , dt 0 t t 0 t 1 t exp dt Bu integrasyon işleminde t = u yazarsak t-1 = du/dt veya du = t-1dt elde ederiz. Bunu yerine koyduğumuzda integralimiz: F t ; , 1 u exp 0 t u du exp t t 1 exp 0 t F t ; , 1 exp 39 biçiminde elde edilmiş olur. Daha ileri gitmeden önce WEİBULL Dağılımının bazı ve değerleri için grafiklerini çizelim. t 0 0,5 1 1,5 2 2,5 3 f(t;1,0,5) f(t;1,1) 0 0,348652 0,18394 0,119957 0,085955 0,065061 0,051073 0 0,60653066 0,367879441 0,22313016 0,135335283 0,082084999 0,049787068 f(t;1,0,5) f(t;1,1) f(t;1,3) f(t;1,7) 0 0 0,661873 0,108523837 1,103638 2,575156088 0,230972 3,02913E-06 0,004026 1,15235E-53 3,07E-06 1,4468E-262 5,07E-11 0 f(t;1,3) f(t;1,7) 3 2,5 2 1,5 1 0,5 0 0 0,5 t 0 0,5 1 1,5 2 2,5 3 1 1,5 F(t;1,0,5) F(t;1,1) 0 0,506931 0,632121 0,706167 0,756883 0,794259 0,823079 0 0,39346934 0,632120559 0,77686984 0,864664717 0,917915001 0,950212932 F(t;1,0,5) F(t;1,1) 2 F(t;1,3) 2,5 3 F(t;1,7) 0 0 0,117503 0,007782062 0,632121 0,632120559 0,965782 0,999999962 0,999665 1 1 1 1 1 F(t;1,3) F(t;1,7) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 0,5 1 1,5 40 2 2,5 3 Grafiklere baktığımızda F(t;, ) eğrisinin t < 1 bölgesinde 1 için dışbükey fakat > 1 için içbükey bir biçim aldığını kabaca gözlemliyoruz. Diğer sözlerle t = 0 civarında F(t;, ) eğrisinin eğimi ya bağlı olarak hızla değişmektedir ve bu nedenle için bazen WEIBULL Eğimi tabiri kullanılmaktadır. Bu özelliğin Başarısızlık Oranı üzerindeki etkisini birazdan göreceğiz. Ayrıca > 1 için F(t;, ) eğrisinin kazandığı ‘S’ biçimi bu dağılımın karakteristik özelliklerinden biridir. Şimdi WEIBULL Dağılımının bazı istatistik özelliklerini anımsayalım. İstatistik Ortalama (Beklenen Değer): E f t ; , tf t ; , dt 0 0 t t exp dt Bu integrali hesaplamak için fonksiyonunun tanımını hatırlamalıyız. t 1e t dt 0 İntegralde u = t ve du = t-1dt bağıntılarını kullanarak işlemleri yaparsak: E f t ; , ( 1 1 ) sonucuna ulaşırız. Varyans (Değişkenlik): Tamamen yukarıdaki gibi integrasyonda u = t ve du = t-1dt bağıntılarını kullanarak ve aşağıdaki ifadedeki şşlemleri yaparak: V f t ; , 0 t f t ; , dt 2 0 t 1 t 2 exp dt 1 1 / 2 2 1 V f t ; , 1 1 2 sonucuna ulaşırız. WEIBULL Dağılımının, belki de, en kullanışsız yanı bu son iki bağıntıdır. Çünkü gerçek hayatta bize bir parametreye (örneğin t-) bağlı olarak bir seri sayı verilir ve biz bu sayıların İstatistik Ortalamasını, Değişkenliğini ve Standart Sapmasını bulduktan sonra uygun 41 gördüğümüz Olasılık Dağılımının parametrelerini bu büyüklükler yardımı ile hesaplama yoluna gideriz. Fakat yukarıdaki iki formülü kullanarak. verilmiş E ve V değerleri için ve değerlerini bulmak, fonksiyonunun kapalı bir formülü olmadığı için. kolayca yapılamaz. Bu yüzden aşağıdaki peoblemlerde yalnızca ve değerleri verilmiş örnekleri inceleyeceğiz. Artık WEIBULL Dağılımı için Ömür ve Başarısızlık Oranı fonksiyonlarını yazabiliriz. Ömür Fonksiyonu : S(t) = 1 – F(t) t t S t ; , 1 F t ; , 1 1 exp exp t S t ; , exp Başarısızlık Oranı: h(t) = f(t)/S(t) ht ; , f t ; , S t ; , 1 t exp t 1 t exp t t ht ; , 1 1 t WEİBULL Dağılımına başlarken Üstel Dağılımın = st. olan değerini (t) = ( )t( - 1) olarak değiştireceğimizi söyleyerek başlamıştık ve 1 ve t t dönüşümünü kullanmıştık. Hemen görüyoruz ki h(t) için başlangıçta kabul ettiğimiz h(t) = (t) = ( )t( - 1) bağıntısına geri döndük. 42 Tepsi (Küvet) Biçimli Hata Eğrisi: Yukarıda WEIBULL Dağılımı halinde elde edilen Başarısızlık Oranı eğrisinin eğiminin < 1 için (t) azalan = 0 için sabit kalan > 1 için (t) artan değerler aldığını belirtmiştik. Canlı veya cansız herhangibir sistemin bütün ömrü düşünüldüğünde bir çok işlevinde Başarısızlık Oranı eğrisinin önce hatalarının (Arıza, Kaza, Başarısızlık...) azaldığı sonra aşağı yukarı sabit kaldığı ömrün sonuna doğru tekrar yükseldiği gözlemlenebilir. Örneğin konuşmayı öğrendiğimiz ilk yıllarda gittikçe azalan oranda fakat çok sayıda başarısızlık yaparız. Sonraları hatalarımız azalır ve seyrekleşerek çok küçük bir değerde sabitleşir. Yaşlandığımızda çeşitli nedenle hatalarımız artma eğilimi gösterir. Bu yürüme, yüzme, yemeiçme, okuma, düşünme gibi pek çok işlemimiz için geçerlidir. Yeni aldığımız bir otomobil belli bir süre (rodaj süresi) kısıtlı kullanılmalıdır. Sonra uzun bir süre Başarısızlık Oranı küçük bir değerde sabit kalır. Uzun süre kullanılan otomobilin Başarısızlık Oranı hızla yükselir. Bu gözlem bizi Tepsi (Küvet) Eğrisi düşüncesine getirir. Bir şekil çizerek konuyu daha açık hale getirelim A D B C t Şekil üzerinden takip edersek: AB eğrisi < 1 değerine sahiptir. Buraya, örneğin ‘Alışma’ ya da ‘Isınma’ evresi diyebiliriz. BC doğrusu = 0 değeri için ortaya çıkar. Bu aslında Üstel Dağılım Başarısızlık Eğrisi ne tekabül eder. Bu bölüme Normal Hal ya da Rejim Hali diyebiliriz. CD eğrisi > 1 değerleri için elde edilir. Bu hali de ‘İhtiyarlık’ ya da ‘Yıpranmışlık’ dönemi olarak adlandırabiliriz. 43 Başarısızlık Oranı Eğrisinin bu değişken eğim özelliği yalnızca WEIBULL Dağılımına has değildir. Bu özelliğe ship olan bir çok Dağılım bulunabilir. Nitekim az sonra inceleyeceğimiz Gamma Dağılımında da bu özelliği bulacağız. Tabii AB, BC, CD bölgelerinde farklı Dağılımlar kullanmalıyız. Uygulamada BC bölümü için Üstel Dağılımın kullanılması standarttır. AB ve CD bölümleri için ise en çok kullanılan dağılımlar WEIBULL ve Gamma Dağılımlarıdır. 44 WEIBULL DAĞILIMI İLE İLGİLİ PROBLEMLER: 1. Bir kreşte yeni yürümeye başlayan çocukların ellerini kullanmadan adım atarak geçirdikleri süreler ölçülüyor ve çocukların hiç düşmeden ayakta kaldıkları sürenin 15 dakikayı geçmesi halinde artık o çocuk ‘yürüyebilir’ kabul ediliyor. Bütün çocukların 0 dan 15 dakika ayakta kalmak için geçirdikleri zamanların ortalaması 9 dakika olarak ölçülüyor. Buna göre çocukların ‘Yürüyebilme Ömür Fonsiyonu’nu yazınız. Problem böyle sorulduğunda WEİBULL değil fakat Üstel Dağılım problemi oluşturuyor; çünkü sabit bir E = 9 dakikalık ortalama verilmiş. Yukarıdaki Üstel Dağılım problemlerinden yararlanarak sonucu hemen yazabiliriz. = 1/E = 1/9 0,111 S(t) = exp(-0,111t) Ayrıntılara daha çok dikkat eden bir gözlemci çocukların 0 – 15 dakika arasındaki ayakta kalamama sürelerinin h(t;2,0,7) = 0,35(0,5t)(-0,3) olduğunu saptıyor. Buna göre Ömür Fonksiyonunu yazınız. Problemin ifadesi WEİBULL Dağılımını kullanabileceğimizi gösteriyor. = 1/0,5 = 2 , - 1 = - 0,3 = 0,7 alarak bu kabule uygun t ht ; , 1 1 t 0 ,7 t ht ; , 2 2 0 ,7 1 0 , 3 0 ,35 0 ,5 t Ömür Fonksiyonu: t S t ; , exp S t ;2 ,0 ,7 exp( ( 0 ,5 t )0 ,7 ) Bulduğunuz WEİBULL Dağılımı için f, F, S ve h eğrilerini 1 t 10, (t = 1) aralığında hesaplayarak grafiğini çiziniz. 45 t 1 2 3 4 5 6 7 8 9 10 f(t;2,0,7) F(t;2,0,7) S(t;2,0,7) h(t;2,0,7) f/S 0,232829 0,128758 0,082113 0,056007 0,039801 0,029098 0,021728 0,016495 0,012691 0,009874 0,459668375 0,632120559 0,735046579 0,802990789 0,850303367 0,884405775 0,909600758 0,928568464 0,94306352 0,954277708 0,540332 0,367879 0,264953 0,197009 0,149697 0,115594 0,090399 0,071432 0,056936 0,045722 0,430900545 0,35 0,309913623 0,284288339 0,265880228 0,251728083 0,24035194 0,230913884 0,222897034 0,215961852 0,430900545 0,35 0,309913623 0,284288339 0,265880228 0,251728083 0,24035194 0,230913884 0,222897034 0,215961852 F+S 1 1 1 1 1 1 1 1 1 1 (Tablonun en sağındaki iki sütun bulunan değerlerin kontrolu için eklenmiştir.) f(t;2,0,7) F(t;2,0,7) S(t;2,0,7) h(t;2,0,7) 1,2 1 0,8 0,6 0,4 0,2 0 1 2 3 4 5 6 7 8 9 10 WEİBULL Dağılımı için İstatistik Ortalama/Beklenen Değer büyüklüğünü bularak önceki İstatistik Ortalama değer olan 9 la karşılaştırınız. E f t ; , ( 1 1 / ) E f t ;2 ,0 ,7 2 ( 1 1 / 0 ,7 ) 2 2,428 2 x1,26 2 ,52 Buradaki (2,428) 1,26 değeri ilgili tablodan alınmıştır. Tamamen hayal ürünü olan bu örnekteki Üstel ve WEİBULL yaklaşımlarına ait ortalamaların yakın çıkması en çok problemi uyduranı şaşırtacaktı! 46 2. Bir otomobil üreticisi onbeş yıl önce ürettiği otomobillerin son beş yıl içinde hurdaya çıkış dağılımının h(t;1,0,4) = 0,4 t -0,6 olduğunu ve = 1, - 1= - 0,6 = 0,4 parametre değerlerine sahip WEİBULL Dağılmına uygun ‘hurdalaştığını’ belirliyor. Bu otomobiller için f, F, S, h fonksiyonlarını yazınız ve grafiklerini çiziniz. t f t ; , 1 t exp 0 ,4 t 0 ,6 exp t 0 ,4 t F t ; , 1 exp 1 exp t 0 ,4 t S t ; , exp exp t 0 ,4 t ht ; , t 1 2 3 4 5 1 1 t 0 ,4 t 0 ,6 f(t;1,0,4) F(t;1,0,4) S(t;1,0,4) h(t;1,0,4) f/S 0,147152 0,070532 0,043836 0,030526 0,022695 0,632120559 0,732733211 0,788143384 0,824672763 0,850976898 0,367879441 0,267266789 0,211856616 0,175327237 0,149023102 0,4 0,263901582 0,206912743 0,174110113 0,152292315 0,4 0,263901582 0,206912743 0,174110113 0,152292315 (Tablonun en sağındaki sütun bulunan rakamların kontrolu için hesaplanmıştır.) 47 3. Bir orman arazisine dikilen ağaçların ilk 5 yılda h(t;0,5,0,2) bağıntısına uygun olarak kayba uğradığı belirleniyor. Bu ağaçlar için f, F, S, h fonksiyonlarını yazınız ve grafiklerini çiziniz. t f t ; , 1 t 0 ,2 t 0 ,8 t 0 ,2 exp exp 0 ,5 0 ,5 0 ,5 t 0 ,2 t F t ; , 1 exp 1 exp 0 , 5 t 0 ,2 t S t ; , exp exp 0 ,5 t ht ; , 1 1 0 ,2 t t 0 ,2 1 0 ,23 t 0 ,8 0 ,2 0 ,5 Yukarıdaki ifadeler, tabii ki, basitleştirilenilir. Ancak iyi bir bilgisayar işletim sistemi yalnızca t- nin değerleri ile ve parametrelerini kullanarak aşağıdaki tabloyu ve grafikleri bir kaç dakika içinde hesaplayabilir. Burada yaptığımız da budur. t 0 1 2 3 4 5 6 7 8 f(t;0,5,0,2) F(t;0,5,0,2) S(t;0,5,0,2) h(t;0,5,0,2) 0 0,1194932 0,0334642 0,0134239 0,0063856 0,003369 0,0019083 0,0011392 0,0007083 0 0,893122 0,957671 0,979204 0,988577 0,993262 0,995819 0,997304 0,998208 1 0,106878 0,042329 0,020796 0,011423 0,006738 0,004181 0,002696 0,001792 0 1,118033989 0,790569415 0,645497224 0,559016994 0,5 0,456435465 0,422577127 0,395284708 Bu tablonun söyledikleri ilginç. İlk sene (yani fidanların toprağa gömüldüğü sıfırıncı sene) Başarısızlık Oranı sıfır. Bu da, insan ya da hayvan biri fidanları sökmedikçe, çok doğal; yaklaşımımız şimdilik gerçekçi. İkinci yıl fidanlarımızın yaklaşık %10 u çeşitli nedenlerle ölüyor. Ağaçlarla uğraşanlar bilir bu oldukça gerçekçi hattâ biraz iyimser bir tablo. O halde ikinci sene için de yaklaşımımız oldukça gerçekçi. 7 ve 8 nci yıllarda Başarısızlık oranımız yaklaşık 0,4 gibi bir değerde sabitleniyor. h(t) nin bir süre sonra belli bir değerde sabit kalması da beklenen bir şeydir ve dolayısı ile bu da gerçekçi sayılabilir. Ancak 0,4 çok yüksek bir oran ve herhangibir canlı topluluğunun 0,4 oranında eksilmesi fevkalade haller dışında beklenemez. Dolayısı ile yaklaşımımızın limit değeri gerçekçi değil. Bir an için daha gerçekçi bir değere yaklaştığımızı ve h(t) nin sabit kaldığını düşünelim. Bu sabit h(t) değeri ortaya çıktığı andan itibaren artık WEİBULL 48 Dağılımını değil fakat Üstel Dağılımı kullanabilir ve hesap işlemlerimizi basitleştirebiliriz. Pratikte en çok yapılan da budur. Şimdi grafiklerimizi çizelim. f(t;0,5,0,2) F(t;0,5,0,2) 1 0,8 0,6 0,4 0,2 0 0 1 2 3 4 S(t;0,5,0,2) 5 6 7 8 7 8 h(t;0,5,0,2) 1,2 1 0,8 0,6 0,4 0,2 0 0 1 2 3 4 5 6 Bu dağılım için İstatistik Ortalamayı hesaplayınız. E f t ; , ( 1 1 / ) E f t ;0 ,5 ,0 ,2 0 ,5 1 1 / 0 ,2 0 ,5 6 0 ,5 * 5! 60 49 GAMMA DAĞILIMLI ÖMÜR FONKSİYONU: Gamma Dağılımını ve bazı temel özelliklerini daha önce kısaca incelemiştik. (Bkz. Özel Dağılımlar) Öncelikle oradaki bilgilerimizi buraya aktaralım. Olasılık Yoğunluk Fonksiyonu: p x p 1 x x e x p 1 e ,x 0 f x ; , p p p 0, x 0 Aşağıdaki çalışmamızda Gamma Fonksiyonunun mühendislik, ekonomi ve sağlık problemlerinde kullanılan biçimini tercih edeceğiz ve notasyonumuzu buna göre x- yerine tve = 1/ yazarak azıcık değiştireceğiz. Buna göre: Olasılık Yoğunluk Fonksiyonu: f t ; p , 1 t t p 1 exp , t 0 p p Burada p>0 Biçim Parametresi >0 Ölçek Parametresi olarak adlandırılacaktır. Bu notasyonu kullanarak aşağıdaki ifadeleri hemen yazabiliriz. Olasılık Kütle Fonksiyonu: 1 t p, p F t ; p , İstatistik Ortalama (Beklenen Değer): E[f(t;p,)] = p Varyans (Değişkenlik): V[f(t;p,)] = p 2 Aynı notasyonu kullanarak ve tanımlarını da yazalım. p 1 p t p 1e t dx 0 50 Üst Gamma Parçası: p , t p, t Alt Gamma Parçası: 1 p 1 p x p1e t dt t t x p1e t dt 0 p , t p , t p Artık Ömür Fonksiyonunu ve Başarısızlık Oranını yazabiliriz. Bu amaçla f t ; p , 1 t t p 1 exp , p p F t ; p , 1 t p, p ifadelerini Ömür Fonksiyonu ve Başarısızlık Oranı tanımlarında kullanarak: Ömür Fonksiyonu: S t ; p , 1 F t ; p , 1 Başarısızlık Oranı: ht ; p , p, t p p1 f t ; p , t exp t S t ; p , p p, t bağıntılarını hemen elde ederiz. Gamma Dağılımı ile ilgili önceki çalışmamızdan (Bkz.Özel Dağılım Fonksiyonları) bir bilgiyi daha buraya alacağız. ERLANG DAĞILIMI: Gamma Dağılımının çok önemli bir özel hali p bir tamsayı olduğu zaman karşımıza çıkar. Bunu da kısaca gözden geçirelim. Biçim parametresi p nin bir tamsayı olması halinde t p p y p e y dy p! t p t p1 t e t t k ... 1e t p 1! p k ! 1! k 0 bağıntısının geçerli olduğunu göstermiştik; bu bize Olasılık Yoğunluk veKütle Fonksiyonunu aşağıdaki gibi basitleştirmek şansı veriyor. f t ; p , k t k 1 k 1! exp t t k 1 exp t k 1! 51 k p1 1t 1t F t ; p , 1 exp t 1 exp t k! k! k 0 k p k ERLANG Dağılımı halinde Ömür Fonsiyonu: 1 t S t ; p , 1 F t ; p , exp t k! k p k ERLANG Dağılımı halinde Başarısızlık Oranı: ht ; p , t k 1 exp t k 1! 1 t exp t k! k p k t p 1 exp t k 1! k 1 exp t t p k ! k 1! k p t p 1 ht ; p , exp t p 52 t p 1 exp t p GAMMA DAĞILIMI İLE İLGİLİ PROBLEMLER: 1. Bir ülkede tarım çalışanlarının uğradığı (her türlü) kazaların t- ayları göstermek üzere f(t;2,5)/100 Gamma Dağılımına uygun bir biçimde gerçekleştiği düşünülüyor. f, F, S, h fonksiyonlarını yazınız ve grafiklerini çiziniz. p=2 o halde ERLANG Dağılımı (n+1) = n(n) (2) = 1(1) = 1 olduğuna göre: f t ; p , 1 1 t t t p 1 exp t 2 1 exp p 2 p 2 5 5 f(t;2,5) = 0,04t exp(-0,2t) k p1 k 2 1 1 t 1 0 ,2 t F t ; p , 1 exp t 1 exp 0 ,2 t k! k! k 0 k 0 1 1 0 ,2 texp 0 ,2 t F t ;2 ,5 1 1 0 ,2texp 0 ,2t St ;2 ,5 1 Ft ;2 ,5 ) 1 0 ,2texp 0 ,2t ht ;2 ,5 t 1 2 3 4 5 6 7 8 9 10 11 12 f t ;2 ,5 0,04t exp(-0,2t) 0,04t S t ;2 ,5 1 0 ,2 texp 0 ,2 t 1 0 ,2 t f(t;2,5) F(t;2,5) S(t;2,5) h(t;2,5) 0,032749 0,053626 0,065857 0,071893 0,073576 0,072287 0,069047 0,064607 0,059508 0,054134 0,048753 0,043545 0,017523096 0,061551935 0,121901381 0,191207864 0,264241117 0,337372728 0,408167283 0,475069037 0,537163105 0,59399415 0,645429893 0,691558959 0,982477 0,938448 0,878099 0,808792 0,735759 0,662627 0,591833 0,524931 0,462837 0,406006 0,35457 0,308441 0,033333333 0,057142857 0,075 0,088888889 0,1 0,109090908 0,116666666 0,123076919 0,128571426 0,133333333 0,1375 0,141176471 f(t;2,5) F(t;2,5) S(t;2,5) h(t;2,5) 1,2 1 0,8 0,6 0,4 0,2 0 1 2 3 4 5 53 6 7 8 9 10 11 12 f(t;2,5)/100 ifadesinin paydasındaki 100, ülke çapındaki kaza sayısının 100 e bölünerek istatistiklere konulduğunu göstermektedir. Buna göre 3.ncü aydaki ve ilk üç aydaki kaza sayısı olasılığını bulunuz. f(t=3;2,5) = 100*0,065857 = 6,58 F(t3;2,5) = 100*0,264241117 = 26,42 Bir işçinin üçüncü ayda kazaya uğrama olasılığı % 6,58, ilk üç ayda kazaya uğrama olasılığı % 26,42 Bir işçinin ‘hiç bir’ kazaya uğramaksızın altıncı aya ve sene sonuna kadar çalışabilme olasılığını bulunuz. Tabii Ömür fonksiyonuna bakacağız. S(t=6;2,5) = 100*0,662627 = 66 % 66 S(t=12;2,5) = 100*0,308441 = 30 % 30 Bu dağılımla ilgili beklenen değer (İstatistik Ortalama) ve Değişkenlik (Varyans) değerlerini bulunuz. İstatistik Ortalama (Beklenen Değer): E[f(t;p,)] = E[f(t;2,5)] = p = 2*5 = 10 Varyans (Değişkenlik): V[f(t;p,)] = V[f(t;2,5)] = p 2 = 2*52 = 50 54 2. Bir kaza sonucu bir nehre zehirli atık karışıyor. Karışma noktasından nehir akış hızıyla bir gün sonraki bir noktadan iki günde bir örnek alınarak nehirdeki kirliliğin f(t;5,3) gamma dağılımı ile orantılı değiştiği belirleniyor. f, F, S, h fonksiyonlarını yazınız ve grafiklerini çiziniz. p= 5 ERLANG Dağılımı (n+1) = n! (5) = 4! = 4*3*2*1 = 24 olduğuna göre: 1 1 t4 t t t p 1 5 1 f t ; p , t exp t exp exp p 5 p 5 3 3 5832 3 p1 k k 5 1 1t 1 0 ,33t F t ; p , 1 exp t 1 exp 0 ,33t k ! k ! k 0 k 0 F t ;5 ,3 1 1 0 ,2 t 0 ,5 0 ,33t 0 ,17 0 ,33t 0 ,0420 ,33t exp 0 ,33t 2 3 4 S t ;5 ,3 1 0 ,2t 0 ,50 ,33t 0 ,17 0 ,33t 0 ,0420 ,33t exp 0 ,33t ht ;2 ,5 2 3 4 t4 5832 1 0 ,2 t 0 ,5 0 ,33t 0 ,17 0 ,33t 0 ,0420 ,33t 2 3 4 Görüldüğü gibi p büyüdükçe formüllerdeki terimler hızla artıyor. Tabii buradaki bazı yarım bırakılan işlemleri de yaparak formülleri azıcık daha kısaltabiliriz ve hesaplama işlemine geçebiliriz. Ancak çözüme devam etmek için, herzaman yaptığımız gibi, bilgisayarlarda hazır bulunan programları kullanmayı tercih edeceğiz. Aşağıdaki tablo ve grafikler (aslına bakarsanız yukarıdakiler de) bu yolla hazırlanmıştır. 55 t 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 f(t;5,3) F(t;5,3) S(t;5,3) h(t;5,3) 0 0,001409 0,011571 0,030075 0,0488 0,061169 0,065122 0,061942 0,054253 0,044618 0,034915 0,026245 0,019084 0,013496 0,00932 0,006306 0,004191 0,002742 0,00177 0,001128 0,000711 0 0,000632521 0,011781922 0,052653017 0,132171706 0,243505809 0,371163055 0,499211896 0,615929624 0,7149435 0,794372753 0,855304598 0,900367599 0,932694044 0,955293425 0,970747312 0,981114544 0,987953862 0,992399609 0,995251762 0,997060179 1 0,999367 0,988218 0,947347 0,867828 0,756494 0,628837 0,500788 0,38407 0,285057 0,205627 0,144695 0,099632 0,067306 0,044707 0,029253 0,018885 0,012046 0,0076 0,004748 0,00294 0 0,001409443 0,011708745 0,031746032 0,056232839 0,080859046 0,103559869 0,123689559 0,141258428 0,156521739 0,169795142 0,181381203 0,19154508 0,200510385 0,208462551 0,215554406 0,221911829 0,227638753 0,232821342 0,237531384 0,241829013 F(t;5,3) S(t;5,3) 1 0,8 0,6 0,4 0,2 0 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 f(t;5,3) h(t;5,3) 0,25 0,2 0,15 0,1 0,05 0 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 56 Bu dağılım için Beklenen Değeri ve Değişkenliği hesaplayınız. İstatistik Ortalama (Beklenen Değer): E[f(t;p,)] = E[f(t;5,3)] = p = 5*3 = 15 Varyans (Değişkenlik): V[f(t;p,)] = V[f(t;5,3)] = p 2 = 5*32 = 45 57 3. Yukarıdaki iki problemde p tamsayı olduğu için f ve F için, uzun da olsa açık formüller yazabildik. Bu problemde p = 0,2 değerini kullanacağız ve formüllerimiz ancak sayısal yöntemlerle hesaplanabilen ve simgesel , işaretlerini içeren biçime girecek. Ayrıca p < 1 seçtiğimiz için Başarısızlık Oranı nın azalmasını da gözlemleyebileceğiz. Bir otomobil fabrikası ürettiği araçların arızalanma olasılığını ‘rodaj’ döneminde p = 0,2, ve = 7 değerleri ile Gamma Dağılımına uygun değiştiğini düşünüyor. Satılan otomobillerin %85 inin ‘rodaj 1000Km’ dönemini geçtiğini bilerek bu süreyi 10 eşit zaman dilimine ayırarak aşağıdaki tablo ve grafikleri elde ediyor. 1 1 t t t p 1 exp f t ;0 ,2 ,7 t 0 ,2 1 exp p 0 ,2 p 0 ,2 7 1 1 t t F t ; p , p , F t ;0 ,2 ,7 0 ,2 , p 0 ,2 7 f t ; p , St ;0 ,2 ,7 1 F t ;0 ,2 ,7 , t 0,3 0,6 0,9 1,2 1,5 1,8 2,1 2,4 2,7 3 ht ;0 ,2 ,7 f t ;0 ,2 ,7 / St ;0 ,2 ,7 f(t;0,2,7) F(t;0,2,7) S(t;0,2,7) h(t;0,2,7) 0,370492 0,203865 0,141207 0,107471 0,086129 0,071317 0,060398 0,052002 0,04534 0,039927 0,575976899 0,657027363 0,707656794 0,744524701 0,773350462 0,796845657 0,816526521 0,833335166 0,847900194 0,86066363 0,424023 0,342973 0,292343 0,255475 0,22665 0,203154 0,183473 0,166665 0,1521 0,139336 0,873753124 0,59440461 0,483017659 0,420671885 0,380011671 0,351049246 0,329193163 0,312013907 0,298094955 0,286549847 f(t;0,2,7) F(t;0,2,7) S(t;0,2,7) h(t;0,2,7) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0,3 0,6 0,9 1,2 1,5 58 1,8 2,1 2,4 2,7 3 Bu dağılım için Beklenen Değeri ve Değişkenliği hesaplayınız. İstatistik Ortalama (Beklenen Değer): E[f(t;p,)] = E[f(t;0.2,7)] = p = 0.2*7= 1,4 Varyans (Değişkenlik): V[f(t;p,)] = V[f(t;0,2,7)] = p 2 = 0,2*72 = 9,8 59 5. Normal Dağılımı kullanarak çözdüğümüz Akarsu problemini bu defa Gamma Dağılımı yardımı ile yenden çözeceğiz. Bir akarsu debisi bir yıl boyunca ölçülüyor. Sonuçlar100m3 lük veriler haline getirildikten sonra Aylık Ortalama Debi ve Standart Sapma hesaplanarak, aşağıdaki gibi, tablolanıyor. DEBİ M^3/SN t 1 2 3 4 5 6 7 8 9 10 11 12 Ort.D. debi/100m^3 211 2,11 381 3,81 583 5,83 723 7,23 662 6,62 585 5,85 503 5,03 437 4,37 352 3,52 285 2,85 190 1,9 132 1,32 420,3333 4,203333333 St.S. 1,860194136 Değişk. 3,460322222 Bu Akarsu debisi problemi için f(g), F(G), S, h fonksiyonlarını bularak grafiklerini çiziniz. Bu problemde İstatistik Ortalama ve Değişkenlik değerleri eldeki gözlem sonucundan hesaplanmış ve yukarıdaki tabloda gösterilmiştir. Bize düşen Gamma Dağılımının parametrelerini bu değerleri kullanarak hesaplamaktır. Yapalım: İstatistik Ortalama (Beklenen Değer): E[f(t;p,)] = p 4,2 Varyans (Değişkenlik): V[f(t;p,)] = p 2 3,5 Bu bağıntılardan hemen = 3,5/4,2 0,8232... 0,82 p = 4,2/0,82 5,1058... 5,1 Şu halde aradığımız fonksiyonlar şöyle belirlenmiş oldu. 60 f t ; p , 1 p 1 exp t t p p g t ;5 ,1,0 ,82 F t ; p , 1 5 ,10 ,82 5 ,1 t t 5 ,11 exp 0 ,82 1 1 t t p , G t ;5 ,1,0 ,82 5 ,1, p 5 ,1 0 ,82 St ;5 ,1,0 ,82 1 Gt ;5 ,1,0 ,82 , ht ;5 ,1,0 ,82 gt ;5 ,1,0 ,82 / St ;5 ,1,0 ,82 Artık tablolarımızı hazırlayarak grafiklerimizi çizebiliriz. Bir karşılaştırma yapabilmek amacı ile önce Normal Dağılım (n ve N) ile Gamma Dağılımı (g ve G) tablo ve grafiklerini birlikte ele alalım. t 1 2 3 4 5 6 7 8 9 10 11 12 DEBİ M^3/SN debi/100m^3 211 381 583 723 662 585 503 437 352 285 190 132 2,11 3,81 5,83 7,23 6,62 5,85 5,03 4,37 3,52 2,85 1,9 1,32 n(t;4,2,1,9)*10 N(t;4,2,1,9) g(t;5,1,0,82)*10 G(t;5,1,0,82) 0,508398406 1,074045718 1,720038527 2,088095711 1,921584324 1,340495352 0,708872285 0,284162982 0,086350295 0,019891016 0,003473337 0,000459763 0,046070495 0,123453498 0,263831023 0,458083498 0,663141675 0,828274462 0,929716682 0,977249868 0,994236709 0,998865779 0,99982751 0,999979807 0,290953598 1,473734657 2,294912027 2,204892627 1,625889706 1,014160691 0,563587295 0,287806607 0,137783967 0,062686927 0,02736904 0,011549555 0,007075 0,092068 0,288123 0,519547 0,712885 0,843971 0,921288 0,962575 0,983038 0,99261 0,996884 0,998723 Grafik çizerken yalnızca Olasılık Yoğunluk Dağılımlarını kullanalım. debi/100m^3 n(t;4,2,1,9)*10 g(t;5,1,0,82)*10 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 Grafikten hemen görüldüğü gibi bu hayali problem için Normal Dağılım Gamma Dağılımından daha iyi bir yaklaşım sağlıyor. Şimdi artık bu problem için f(g), F(G), S, h fonksiyonlarını hesaplayalım ve grafiklerini çizelim. 61 t debi/100m^3 g(t;5,1,0,82)*10 G(t;5,1,0,82) S(t;5,1,0,82) h(t;5,1,0,82) 2,11 3,81 5,83 7,23 6,62 5,85 5,03 4,37 3,52 2,85 1,9 1,32 0,290953598 1,473734657 2,294912027 2,204892627 1,625889706 1,014160691 0,563587295 0,287806607 0,137783967 0,062686927 0,02736904 0,011549555 0,007075395 0,092067971 0,288123391 0,519547251 0,712885319 0,843970612 0,921288451 0,962574915 0,983037975 0,992609667 0,996884436 0,998722718 0,992924605 0,907932029 0,711876609 0,480452749 0,287114681 0,156029388 0,078711549 0,037425085 0,016962025 0,007390333 0,003115564 0,001277282 0,293026878 1,623177297 3,223749733 4,589197649 5,662858142 6,499805615 7,160160123 7,690205877 8,123085011 8,482287236 8,784617693 9,042290946 1 2 3 4 5 6 7 8 9 10 11 12 debi/100m^3 g(t;5,1,0,82)*10 G(t;5,1,0,82) 8 6 4 2 0 1 2 3 4 5 6 7 S(t;5,1,0,82) 8 9 10 11 12 10 11 12 h(t;5,1,0,82) 10 8 6 4 2 0 1 2 3 4 5 6 62 7 8 9