BENZETİM

Prof.Dr.Berna Dengiz

12. Ders
Benzetimde cıktı Analizi

04/11/21 1
 Benzetimde Çıktı Analizi
 BİR SİSTEMİN ÇIKTI ANALİZİ
 Çıktı analizi, benzetimden üretilen verilerin (çıktıların)
analizidir. Çıktı analizinde amaç, bir sistemin
performansını tahmin etmek ya da iki ya da daha fazla
alternatif sistem tasarımlarınının performansını
karşılaştırmaktır.
 Girdi değişkenlerinin değerlerini üretmek için rassal sayı
üreteçleri kullanıldığından, bir benzetimden elde edilen
çıktı da rassal değişkendir. Çünkü farklı başlangıç
değerleri kullanılarak elde edilen çıktılar birbirinden farklı
olacaktır.
 Bu nedenle istatistiksel çıktı analizine ihtiyaç duyulur.

04/11/21 2
 Neden Çıktı Analizi

 Sistemin performansı  parametresi ile ölçülürse,

benzetim deneylerinin sonucunda ’nın tahmini
elde edilecektir.
 Tahmincinin hassasiyeti,  ’nın varyansı (ya da
standart hata) ile ölçülebilir.
 İstatistiksel analizin amacı, bu varyansı tahmin etmek
ya da istenilen hassasiyeti sağlamak için gerekli
gözlemlerin sayısını belirlemektir.

04/11/21 3
 BENZETİM TÜRLERİ

sonlu
simulasyon sonsuz (bitissiz)
simulasyon

denge durumu denge durumu diger

parametreleri çevrim parametreler
parametreleri
04/11/21 4
 Bitişli Benzetim :
 İstenilen performans ölçülerinin tahmini değerlerini ,
önceden belirtilen bir E olayı ortaya çıkıncaya kadar
geçen benzetim süresi için tahmin eder. Bu süre
(0,TE) aralığı ile gösterilsin; TE ; E olayının ortaya
çıktığı zaman olarak dikkate alındığında, TE rassal
değişken olabilir.
 Örneğin; E={beklemeleri tamamlanmış m müşteri}
olarak tanımlansın. Örneğin bir kuyruk sisteminde m
müşteriye hizmet verilecekse bu sistemin bitiş
zamanı, TE ; m. müşterinin hizmet alarak sistemden
çıktığı zamandır.
04/11/21 5
 Örnek 1:
 Bir banka sisteminin benzetimini ele alalım.
Banka sabah 900’da açılmakta ve akşam 500’ de
kapanmaktadır. Bu sistemin benzetimi ile,
verilen zaman aralığı için, müşteri servisinin
kalitesinin tahmin edilmek isteniyor olabilir.
E = {benzetim 8 saat için yapılacak }
 Benzetin için başlangıç koşulu; ”0” anındaki
müşteri sayısıdır.

04/11/21 6
Örnek 2:
 Bir uçak üreticisi sipariş üzerine 18 ay içerisinde
100 uçak üretmek zorundadır. Şirket, alternatif
üretim modellerinden en düşük maliyetli olanına
karar vermek istiyor.
 Araç olarak her bir üretim modeli ile 100 uçağı
üretecek alternatif benzetim modelleri kurulur.
 Buradaki E olayı E = {100 uçağın üretimi} ve
 TE zamanı da 100. uçağın üretildiği an olur.

04/11/21 7
 Örnek3:
 Bir günde 16 saat (2 vardiya) çalışan bir üretim sistemini
dikkate alalım. 16 saat sonunda kalan işler bir sonraki
gün kalındığı yerden devam edilerek işlenmektedir.
 Bu sistemin benzetimi, bir bitişli benzetim olarak
dikkate alınabilir mi?
 E = {16 saatlik üretim}
 Alınamaz. Çünkü, bu üretim sistemi gerçekte sürekli bir
sistemdir. Bir gün için bitiş koşulları bir sonraki gün için
başlangıç koşulları olacaktır.

04/11/21 8
Örnek 4:
 Bir ürün satan bir işletme, 120 aylık bir süre içinde
aylık stok politikasını belirlemek istiyor olsun.
Başlangıç stok düzeyi verildiğinde amaç; aylık
beklenen maliyeti enküçük yapacak aylık sipariş
miktarını belirlemektir. Bu durumda ;
E = { 120 ay için sistemi izlemek }
 Benzetim , mevcut stok düzeyi ile başlatılır.

04/11/21 9
Bitişli olmayan benzetim:
 İstenilen performans ölçütlerinin tahminini, benzetim
zamanının istatistiksel olarak yeterli uzunluğa ulaştığı
(sonsuza) durum için tahmin eder. Benzetim çalışma
süresini belirleyecek herhangi bir E olayı yoktur.
 Bu tür benzetim için performans ölçütü , “denge durumu
parametresi” olarak adlandırılır. Eğer bu parametre ;
y1,y2,,,, stokastik çıktı prosesinin bir karakteristiği ise
denge durumu parametresinden söz edilir

04/11/21 10
 1.durum:
Y rassal değişkeni denge durumu dağılımına sahip ise
benzetim =E(y) denge durumu ortalamsının tahmini
ile ilgilenir.
 Örnek 5: Bir işletmede yeni bir üretim sistemi
kuruluyor olsun. İşletme, işçiler yeni sisteme
alıştıktan, işlerini öğrendikten ve mekanik zorluklar
ortadan kalktıktan sonra bu sistem için (denge
durumunda) bir saatlik ortalama çıktısını
belirlemek istiyor.

04/11/21 11
 Bu sistemle ilgili kabuller

 Üretim sistemi günde 16 saat, haftada 5 gün çalışmaktadır ,

 Vardiya sonunda ya da başında üretim kaybı ihmal
edilmektedir.
 Günün belirli zamanlarında üretimi kesen bir ara (öğle yemeği
gibi) yoktur.
 Hafta sonu ve 16 saatlik vardiya dışındaki boş zaman (8 saatlik
boş zaman) ihmal edilerek sistemin 16 saatlik benzetimi
yapılabilir.

04/11/21 12
  Ni: i. Saatte üretilen parçaların sayısı olsun . N1, N2,…..
stokastik prosesi, ilgilenilen N rassal değişkeni ile denge durumu
dağılımına sahipse,  =E(N) ortalamanın tahmini ile ilgileniriz.
 Bir çok gerçek sistem için stokastik proses , denge durumu
dağılımına sahip değildir. Çünkü, sistemin karakteristikleri
zaman içinde sürekli olarak değişir.
 Örneğin; bir üretim sisteminde; üretim çizelgeleme kuralları ve
fabrika yerleşimi (yani; makinların sayısı ve yerleşimi) zamanla
değişebilir.
 Diğer taraftan, gerçeğin bir özet gösterimi olan benzetim modeli
denge durumu dağılımlarına sahip olabilir. Çünkü modelin
karakteristiklerinin zaman içinde değişmediği kabul edilir.

04/11/21 13
  Örnek 5’te işletme; başlangıçtan normal duruma
(yani işçiler işlerini öğrenip mekanik problemlerin
ortadan kalktığı durum) gelinceye kadar geçen süreyi
bilmek isterse, benzetim sonlu bir benzetimdir.
Çünkü, benzetimi bitiren bir E olayı vardır.
E = {sistem normal duruma gelinceye kadar
benzetim}

 Bu örneklerden görüldüğü gibi bir sistem için

benzetim; benzetim çalışmasının amaçlarına bağlı
olarak bitişli veya bitişli olmayan benzetim olabilir.

04/11/21 14
  Denge durumu dağılımına sahip olmayan bir sonsuz
benzetim için y1, y2,,,, stokastik prosesini dikkate
alalım . Zaman eksenini eşit uzunlukta , çevrim olarak
adlandırılan , ardışık zaman aralıklarına böldüğümüzü
kabul edelim.
 Örneğin ; bir üretim sisteminde bir çevrim 8 saatlik bir
vardiyanın çalışma zamanı olabilir.
 YIc; i. Çevrimde tanımlanan bir rassal değişken olsun.

 Benzetim denemeleri sonucunda

Y1c, y2c, ….. Prosesi elde edilir.
04/11/21 15
 2.durum
 y1c, y2c,….. C boyutunda bir çevrim prosesinin bir
denge durumu dağılımına (Fc) sahip olduğunu kabul
edelim. Yc~ Fc .
 Bu durumda performans ölçütü
“denge durumu çevrim parametresi” olarak adlandırılır.
c = E(yc)
 Bir denge durumu çevrim parametresi , y 1c, y2c,…
çevrim prosesinin denge durumu parametresidir.

04/11/21 16
3.durum:
 Bitişli olmayan benzetim için y1, y2, y3, …..
stokastik prosesin denge durumuna sahip olmadığını
kabul edelim.
 Aynı zamanda uygun bir çevrim tanımlaması olmasın.
Yani y1c, y2c,… prosesinin bir denge durumuna
sahip bir çevrim tanımlaması olmasın.
 Bu durum, modelin parametreleri zaman içinde
değiştiğinde söz konusudur.

04/11/21 17
Örnek
 Bir telefon şirketinde telefon aramalarının varış oranı
haftadan haftaya, yıldan yıla değişiyorsa, denge durumu
parametreleri tanımlanamayacaktır.
 Bu durumda , girdi parametrelerinin zaman içinde nasıl
değiştiğini tanımlayan bir veri mevcut değildir.
 Benzetimi bitirecek bir E olayı vardır.
 Sonlu benzetim için kullanılan analiz teknikleri , bu tür
sistemlerin benzetim çıktılarının analizinde kullanılabilir.

04/11/21 18
 Örnek 7:
 Mikrobilgisayarlar için bir montaj hattından ve bir test
alanından oluşan bir üretim sistemini dikkate alalım. Her
hafta üretilecek bilgisayarların sayısını ve tiplerini
tanımlayan 3’er aylık çizelgenin mevcut olduğunu kabul
edelim. Bu çizelge, yeni bilgisayarların pazara girmesi ve
satışlardaki değişikliklerden dolayı haftadan haftaya
değişmektedir. Böyle bir durumda, haftalık ya da aylık
çıktılar denge durumu dağılımına sahip olmayacaktır. Her
hafta için gerçek ortalama çıktıyı tahmin etmek üzere
uzunluğu 3 ay olan sonlu benzetim kullanılır.

04/11/21 19
BİTİŞLİ BİR SİSTEM İÇİN ÇIKTI ANALİZİ
 Bitişli bir sistemin sonlu benzetimi için n bağımsız tekrarlama yaptığımızı
varsayalım.
 Her tekrarlama bir E olayı ile bitirilmekte ve aynı başlangıç koşulu ile
başlamaktadır.
 Tekrarlamaların bağımsızlığı, her tekrarlamada farklı başlangıç değerleri
kullanarak sağlanmaktadır.
 Benzetim çalışmasında bir performans ölçütü ile ilgilenildiğini kabul
edelim.
 J=1,2,3, .... ,n için Xj ; j. Tekrarlamadaki bir rasal değişken (çıktı) olsun.

04/11/21 20
  Xj’ler bağımsız özdeş dağılıma sahip rassal değişkenlerdir. M/M/1
kuyruk sistemi için ;


 j. tekrarlamadaki ortalama beklemedir.

 N; müşteri sayısıdır.

04/11/21 21
Ortalama Tahmini :
 X; bir benzetim tekrarlamasında tanımlanan rassal
değişken olmak üzere;
 =E(x) ortalama için bir nokta tahminini ve güven
aralığını elde edelim.
 Benzetimin n bağımsız tekrarlamasını yap.
 x1,x2,....,xn ; bağımsız özdeş dağılmış rassal değişken
olsun.
 Xj: j. tekrarlamasda elde edilen tahmin.
 Bu durumda ;
04/11/21 22
 Buradan 1- güvenlik katsayısınadüzeyinde  (ortalama)

için güven aralığı ;

 s 
x  n  tn1,1 . 
 2 n
04/11/21 23
 Örnek :
 M/M/1 kuyruk sistemi benzetim modelinin 10 deneme
(tekrar) sonuçları aşağıda verilmektedir. Bir gün sonunda
bir müşterinin ortalama bekleme zamanını tahmin ederek
%90 güvenlik düzeyinde güven aralığını elde edin.

Tekrarlama 1 2 3 4 5 6 7 8 9 10

Kuyrukta Ort. 1,53 1,66 1,24 2,34 2,00 1,69 2,69 2,86 1,70 2,60
Bek.

04/11/21 24
 n  N

 x j  i  1 i 
D
x 1 0   j1
 2 .0 3 E X   E  
n  N 
 
n  
 x  x n 
2
j
j1
s2   0 .3 1
n  1

 s2 
G A   x  n   t 9 , 0 .9 5 .   2 .0 3  0 .3 2
n 
 G A  1 . 7 1 , 2 . 3 5 


B u s o n u c a g ö re ; % 9 0 g ü v e n lik d ü z e y in d e g e rç e k o rta la m a [ 1 .7 1
2 .3 5 ] a r a lığ ın d a b u lu n m a k ta d ır .

04/11/21 25
 Örnek:
 Bir stok sisteminde, 120 aylık planlanan aralıkta
beklenen ortalama maliyet için nokta tahmini ve %90
güvenlik düzeyinde güven aralığı oluşturulmak
isteniyor. Bunun için 10 bağımsız deneme tekrarı
yapılmış ve aşağıdaki maliyetler elde edilmiştir.

Tekrarlama 1 2 3 4 5

Ort. maliyet 129.35 127.11 124.03 122.13 120.44

Tekrarlama 6 7 8 9 10

Ort. maliyet 118.39 130.17 129.77 152.52 133.75

04/11/21 26
  120 
 
10


D i 
E X   E  i1
 x j
 120 
x 1 0  
j1
   1 2 6 .0 7
10
  10
  x j  x 1 0 
2

j1
s2   2 3 .5 5
9

% 9 0 g ü v e n lik d ü z e y in d e G A ;

 s2 
G A   x  n   t 9 , 0 .9 5 .   1 2 6 . 0 7  2 . 8 1 
 n 

G A  1 2 3 . 2 6 , 1 2 8 . 8 8 
04/11/21 27
Belirli Bir Hassaslığın Elde Edilmesi ( Law &
Kelton ,1991)
n tekrarlamaya dayalı bu metodun bir dezavantajı
analistin güven aralığının yarı uzunluğu [ya da
ortalamanın hassalığını] kontrol
edememesidir.
 Sabit n değeri için, yarı uzunluk

 .

04/11/21 28
  Xj ‘in tahminindeki hatayı ölçmek için 2 yol vardır.
 Mutlak Hata :

 ise , ort(x)’in mutlak hatasının  kadar olduğu

söylenebilir.
 1- güvenlik düzeyinde güven aralığının yarı
uzunluğu nun ’ya eşit ya da daha küçük oluncaya
kadar tekrarlama yapılırsa;

04/11/21 29
 Bu durumda, yaklaşık 1-α olasılığı ile , en fazla β kadar mutlak
hataya sahip olacaktır (diğer bir anlatımla, %90 güvenlik düzyinde
100 bağımsız güven aralığı oluşturduğumuızda, 100 güven
aralığının 90’ında en fazla β kadar mutlak hataya sahip olacaktır.
Yaklaşık 10 güven aralığında mutlak hata β’dan büyük olacaktır).

04/11/21 30
 n tekrarlamaya dayalı olarak μ için bir güven aralığı oluşturduğumuzu
kabul edelim. Tahmin edilen yığın varyansı s2’nin tekrarlama sayısı
arttıkça değişmeyeceğini kabul edersek, β mutlak hatayı elde etmek
için istenilen toplam tekrarlama sayısı n*a(β) ;


 (1)

 şartını sağlayan en küçük i değeri olarak alınabilir.

04/11/21 31
  Diğer bir yol ise;

ti 1,1 / 2 s 2 (n) / i  

şartını sağlayıncaya kadar i’ yi birer birer

artırmaktır.

04/11/21 32
 Örnek:
K u y ru k ta o rta la m a b e k le m e iç in n = 5 te k ra rla m a y a p ılm ış v e

x (n )  15 . 58 dak . s ( n )  ( 2 . 46 )
2 2

β = 1 iç in g ü v e n a ra lığ ı o lu ş tu rm a k is te n iy o r. G e re k li te k ra rla m a n
y a k la ş ık d e ğ e ri ;   0 . 05 iç in
z 1 z
i  s ( n )(
2 / 2
)  ( 2 . 46 ) (
2 2 0 . 975
) 2

 1
 23 . 23  i  24

t 23 , 0 . 975 ( 2 . 46 )
i  24 ;
04/11/21
 1 . 039    1 33
24
 t 2 4 , 0 .9 7 5 ( 2 .4 6 )
i  25 ;  1 .0 1 5    1
25
t 2 5 , 0 .9 7 5 ( 2 .4 6 )
i  26 ;  0 .9 9    1
26
n a* (  )  26  n a* (  )  n  26  5  21  e k t e k r a r la m a s a y ıs ı

04/11/21 34
 Göreli hassasiyet
n te k ra rla m a s a y ıs ın a b a ğ lı o la r a k  iç in b ir g ü v e n a ra lığ ın ın
o l u şn t u r u l a c a ğ ı n ı k a b u l e d e l i m . T e k r a r l a m a s a y ı s ı a r t a r k e n y ı ğ ı n
*
r

o rta la m a s ı v e y ığ ın v a ry a n s ın ın ta h m in le rin in d e ğ iş m e y e c e ğ i
k a b u lu a ltın d a ;  g ö re li h a ta iç in g e re k li te k ra rla m a s a y ıs ı
;

 2
sn  
 t  .

 n  1 ,1  i '
n r     m in  i  n :
* 2
  
 xn 
 
04/11/21   35
 Örnek: 5
te k ra rla m a s o n u c u n d a e ld e e d ile n g ö z le m le rin o rta la m a s ı v e v a ry a n s ı
2
o rt(x (n )) = 1 5 .5 8 , s (n )= ( 2 .4 6 ) 2 . G ö re li h a ta n ın  = 0 .1 0 ‘ a e ş it o lm a s ı iç in

g e r e k li o la n g ö z le m s a y ıs ın ı b u lu n u z .  = 0 .0 5

2
 z  
2  1 .9 6 
2 
2
.4 6    9 .5 8
i  s 2 n   1 2    0 . 1 0  . 1 5 . 5 8  
  'x 
n 
  i= 1 0

04/11/21 36
 i= 1 0
2 .4 6
i= 1 0 iç in t 9 ,0 .9 7 5 .
1 0  0 .1 2 9 9   '  0 .1 0
1 5 .5 8

2 .4 6
i= 1 1 iç in t 1 0 ,0 .9 7 5 .
1 1  0 .1 2 7  0 .1 0
1 5 .5 8

2 .4 6
t 1 1 ,0 .9 7 5 .
i= 1 2 iç in 12   0 .1 0
1 5 .5 8

04/11/21 37
 2 .4 6
i= 1 3 için t1 2 ,0 .9 7 5 .
1 3   0 .1 0
1 5 .5 8
n     13
*
r

1 3 -5 = 8 a d e t ek te k ra rla m a y a p ılm a sı g e re k ir.

04/11/21 38
DENGE DURUMU PARAMETRELERİ İÇİN
İSTATİSTİKSEL ANALİZ
Bitişli Olmayan Sistemler
•Başlangıç Yanlılığı Etkisini Azaltmmak İçin Metodlar
•Benzetime denge durumu koşulunu gösteren bir
başlangış koşulu ile başlamak
•Benzetim modelini başlangıç yanlılığının etkisini ortadan
kaldıracak kadar uzun çalıştırmak.
•Başlangıç periyodunu tahmin etmek ve bu periyotta
kaydedilen gözlemleri sildikten sonra denge durumu
parametresini tahmin etmek.

04/11/21 39
 TB

T  TB ise ; veri seti başlangıç periodundan veri içerir. Elde edilen tahmin
B'

yanlıdır.

T TB
B'

T  TB ise ; gereksiz miktarda veri atılmaktadır. Bu bilgisayar zamanı açısından

B'

önemlidir.

04/11/21 TB T 40
B'
 Kümülatif ortalamanın grafiği çizilerek benzetimin dengeye girdiği TB

noktası belirlenir.

TB

04/11/21 41
Denge Durumu Parametrsini Tahmin
Etmek İçin Metotlar
 Literatürde 5 metot vardır.
 Tekrarlama / silme metodu (Replication / Deletion)
 Küme Ortalamaları Metodu
 Regenerative Metod
 Otoregressive Metod
 Standartlaştırılmış Zaman Serileri Metodu.

04/11/21 42
1. Tekrarlama Silme Metodu

S o n lu b e n z e t im in ç ık t ı a n a liz in d e k u lla n ı la n t e k r a r la m a m e t o d u ile a y n ıd ır . T e k

f a r k lı l ık ; h e r t e k r a r la m a d a b a ş la n g ıç y a n l ı l ığ ın ı o r t a d a n k a ld ır m a k iç in L g ö z le m in
s il in m e s id ir . L g ö z le m d e n s o n r a k i g ö z le m le r o r t a la m a n ın t a h m in e d i il m e s in d e k u lla n ı l ır .

ru n 1  x1

run 2  x2
B e n z e tim
M o d e li

run n  xn

04/11/21 43
 m n

 y ji 
j1
xj
xj  i l1
j  1, 2 , ...., n x n  
m  l n

G ü v e n A r a lığ ı

 sn 2 
G A  x n   t  .

 n  1 ,1  n 
 2


04/11/21 44
 Örnek :

 Varış oranı saatte 10 müşteri ve ortalama servis

zamanının 0.08 saat olduğu M/M/1 kuyruk
sisteminde denge durumunda sistemde bekleyen
ortalama müşteri sayısı tahmin edilmek isteniyor.
sistemin benzetimi 500 saat için yapılacaktır.

04/11/21 45
 B u s is te m in d e n g e d u r u m u b e n z e t im i iç in ö n c e lik le b a ş la n g ıç p e r iy o d u n u n ta h m in
e d ilm e s i g e r e k ir . Y a p ıla n ç a lış m a so nu cu b a ş la n g ıç p e r iy o d u ilk 50 s a a t o la r a k
b e lir le n m iş t ir .

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 s a a t

B a ş la n g ıç P e r y o d u D enge D urum u
04/11/21 46
 Tekrarlama/silme metodu kullanılarak 25 tekrarlama yapılmıştır. Her
tekrarlamada 500 saat için benzetim yapılarak ilk 50 saat içindeki gözlemler başlangıç
yanlılığını ortadan kaldırmak için dikkate alınmamıştır.

J 1 2 3 4 5 6 7 8 9 10

Sistemdeki 17 5 11 0 0 1 2 14 19 1
Müş. Say.

J 11 12 13 14 15 16 17 18 19 20

Sistemdeki 0 0 5 4 5 0 0 1 0 3
Müş. Say.

04/11/21 47
 s n    5 .5 7 
2
x n   3 .8 4 2

% 9 5 g ü v e n lik d ü z e y in d e g ü v e n a ra lığ ı;

 s n 2 
G A   x n   t  .

 n  1 ,1  n 
 2


  3 . 8 4   2 . 0 6 4  .  1 . 1 1 4     3 . 8 4  2 . 2 9 
 1 . 5 5 , 6 . 1 3 
04/11/21 48
Küme Ortalamaları (Batch-
Means) Metodu

 Tekrarlama / silme metodunun bir dezavantajı ; her

tekrarlamada başlangıç yanlılığını ortadan kaldırmak
için L adet verinin silinmesidir. Bu durumda ise
harcanan bilgisayar zamanı artmaktadır.

04/11/21 49
 X 1
1 . R u n 'd a s ilin e n g ö z le m le r
1 . R u n

X 2

2 . R u n 'd a s ilin e n g ö z le m le r

2 . R u n

s
x n   t  .
n  1 ,1 
2 n

X n
n . R u n 'd a s ilin e n g ö z le m le r

n . R u n

04/11/21 50
  Küme ortalamaları metodunda , n adet tekrarlama
yapmak yerine benzetim modeli bir kere çok uzun
çalıştırılarak başlangıç yanlılığını ortadan kaldırmak
için l adet gözlem silindikten sonra geri kalan
gözlemler kümelere bölünür.
 Denge durumu parametresi bu kümeler kullanılarak
tahmin edilir.

04/11/21 51
 p e r fo r m a n s
ö lç ü s ü
s ilin e n g ö z le m le r

x 1 .....x 2 ......x 3 .........................x n

zam an

K ü m e le r b a ğ ım s ız is e G A ;
 s n 2 
x n   t  .

 n  1 ,1  n 
04/11/21  2
 52
U z u n lu ğ u m o la n b ir b e n z e tim ç a lış m a s ı y a p ıld ığ ın d a ilk L

a d e t g ö z le m s ilin d ik te n s o n ra k i g ö z le m le r k g e n iş liğ in d e k ü m e le re

b ö lü n ü r. B u d u ru m d a ;
k

 x l i
1 .k ü m e ; x l 1 , x l 2 , ............, x l k  x 1   i 1

k k

 x l k  i
2 .k ü m e ; x l k  1 , x l k  2 , ............, x l  2 .k  x 2   i 1

n .k ü m e ; x l   n  1 . k  1
,x l   n  1 . k  2
,............, x l n .k

04/11/21 m 53
 Birden Fazla Performans Ölçüsü
Ş
imd
iyek
ada
ran
latılanm
eto
dla
rdab
irp
erfo
rman
sölçü
sün
ünta
hmin
iiçing
üven
a
ralığ
ıolu
ştu
rulm
ak
tad
ır. A
nca
kgerç
ekh
aya
ttab
enz
etimu
ygu
lam
ala
rın
daay
nı an
da
b
ird
enfa
zlap
erfo
rman
sölçü
süileilg
ilen
ilir.

x
kuy
ru kta
kio rta la m abe k le
m eza
m a
n ı
 s n 2
G
A    t .
1xn

B
enz
etim  
n1 
,1 n
Modeli  2

 s 2
y  n 
se
rvisindo luluko ran G
ı 2  A  
xn   t  .
n1
,1 n
 2


04/11/21 54
 Is :  s  1 , 2 , ..., k 
p e r fo r m a n s ö lç ü s ü iç in 1  
s
s g ü v e n lik

d ü z e y in d e g ü v e n a r a lığ ı o ls u n .

K a d e t g ü v e n a r a lığ ın ın a y n ı a n d a g e r ç e k d e ğ e r le r i k a p s a m a

o la s ılığ ı ;

k
P  s  1 , 2 , ..., k iç in  s  I s   1  
s1
 s
 B a n te r r a n i
 E ş its iz liğ i
 E  T o p la m H a ta

 P  A ll   1   E

04/11/21 55
 P ( B ir y a d a b ird e n fa z la G A ’n ın g e rç e k d e ğ e ri k a p s a m a m a )=

1  P  A ll 

P ( B ir y a d a b ird e n fa z la )=

1  P  A ll   1   E

P ( B ir y a d a d a h a fa z la )    h a ta s o n u ç iç in ü s t s ın ır
E

04/11/21 56
 Ö r n e k : 4 p e rfo rm a n s ö lç ü s ü iç in g ü v e n a ra lık la rı o lu ş tu ru la c a k tır.

T ü m s is te m g ü v e n ilirliğ in in % 9 0 o lm a s ı iç in h e r b ir g ü v e n a ra lığ
iç in h a ta o ra n ı n e d ir?
4
1  
s  1
 s  0 .9 0   1   2   3   4  0 .1 0

 1   2   3   4
o ld u ğ u iç in

4 E  0 .1 0   E  0 .0 2 5

h e r b ir g ü v e n a r a lığ ı % 9 7 ,5 g ü v e n lik d ü z e y in d e o lu ş tu r u lm a lıd ır .

04/11/21 57