Sonlu Ufuk Simulasyon

17.12.2014
Yineleme (Replikasyon) Kavramı
EME 3105
2
• Bir yineleme, başlangıç koşullarından sonlandırma
koşullarına kadar sistemin evrimini temsil eden bir
örneklem patikası üretimidir.
Simulasyonun Yineleme Sayısının
Belirlenmesi
• Tek bir yinelemede toplanan istatistiklere, yineleme
içi istatistikler (within replication statistics) denir.
Ders 13
• Birden çok yinelemelerden toplanan istatistiklere ise
yinelemeler arası istatistikler (across replication
statistics) denir.
i anındaki x durum değiskeni
SİSTEM SİMULASYONU
Yineleme İçi
İstatistikler
Başlangıç
Koşulları
Yinelemelere Arası
İstatistikleri
Sonlandırma
Koşulları
X
1
Yineleme İçi Veri Tipleri
1 n
åX
n i =1 i
=
4
• Gözleme dayalı veriler:
i anındaki x durum değiskeni
Zaman
Sonlandırma
Koşulları
Başlangıç
Koşulları
X
2
=
1 n
å Xi
n i =1
Y
=
1 2
åXj
n j =1
Bu veri tipi, bir nesnenin belli bir durumda kaldığı süre yada zaman
aralığıyla ilgilidir. Nesnenin duruma girdiği an ve durumdan çıkığı an
işaretlenerek gözlenir.

• Zamana dayalı veriler:
i anındaki x durum değiskeni
Zaman
Başlangıç
Koşulları
Örnek: Ortalama Kuyrukta Bekleme Süresi
Sonlandırma
Koşulları
X
r
=
1 n
å Xi
n i =1
Y
=
1 r
åX
n j =1
j
Bu veri tipi sıklıkla model içindeki durum değişkenleriyle ilgilidir ve
varlığın içinde bulunduğu durumda kaldığı zaman ağırlıklandırılır.

Örnek: Ortalama Kuyrukta Bekleyen Müşteri Sayısı
Zaman
1
17.12.2014
Bağımsız Yinelemeler Metodu
(Sonlu Ufuk Simulasyon)
Gözleme dayalı veriler– Arena’da TALLY
n
åW
5
W ( n) =
Her bir yinelenmenin (replikasyon) bir sonlandırma koşuluyla bitirildiği ve
aynı başlangıç koşullarıyla tekrar başladığı R yinelemeli bir simulasyon
gerçekleştirdiğinizi düşünün. Y , i = 1,2, , n ve r = 1,2, , R , olmak üzere r.
yinelemenin i. gözlem değeri olsun. Her bir yinelemedeki örneklem
ortalaması aşağıdaki formülden hesaplanır:
ri
i
i =1
n
Zamana dayalı veriler – Arena’da DSTAT
r
Lq ( n) =
nr
åY
ri
Yr =
i =1
nr
k =1

0
n
k k
=
Yr (t )dt
TE
qk (tk  tk 1 )
t n  t0
åq v
Gözleme ve Zamana Dayalı Veriler İçin Örneklem Patikası
Yr =
q (t ) dt
tn  t0
=å
Standart istatistiksel
teknikleri kullan.
TE
tn
t0
n
, r = 1, 2,, R
Eğer veriler zamana dayalıysa,

Ai ; i = 1...n olmak üzere i. müşterinin kuyruğa girme zamanı
Di ; i = 1...n olmak üzere i. müşterinin kuyruktan çıkış zamanı
t n  t0
n
åq v
Wi = Di  Ai ; i = 1...n olmak üzere i. müşterinin kuyrukta geçirdiği süre
, yineleme içi istatistiklerinin örneklem ortalamasıdır. Bu ortalama, her bir
yinelemenin sonunda gözlenebilen bir rassal değişkendir ve bu nedenle Yr
( r = 1,2, , R ), rassal bir örneklem oluşturur.
Yr
k =1
k k
=
k =1
n
åv
k
k =1
Örnekler
Simulasyonda Zaman Ufukları
7
8
Sonlu Ufuk: Sonlu ufuklu simulasyonda, simulasyonun sonunu işaret
eden, iyi bir şekilde tanımlanmış sonlanma zamanı yada sonlanma koşulu
belirlenebilir.
Sonsuz Ufuk: Bir sonsuz ufuk simulasyonda iyi bir şekilde tanımlanmış
sonlanma zamanı yada sonlanma koşulu yoktur. Planlama periyodu,
sistemin ömrüdür ve kavramsal bakış açısıyla sonsuza kadar sürer.
• Sonlu ufuk simulasyonları sıklıkla, sonlanan simulasyonlar şeklinde
isimlendirilir; çünkü bu tür simulasyonlarda sonlandırma koşulları
açıktır.
• Sonsuz ufuk simulasyonları sıklıkla, kararlı durum (steady state)
simulasyonları diye isimlendirilir. Çünkü sonsuz ufuk simulasyonunda
sistemin uzun dönemdeki yada kararlı haldeki davranışıyla ilgilenilir.

Banka: Banka 09.00’da açılır, 17.00’ de kapanır.

Bir müşteri siparişini hazırlama: 100 ürün üretmek için yeni bir
anlaşma imzaladığınızı kabul edin. Maliyeti, teslim zamanını vb.
görmek için 100 ürünün üretimini simule edebiliriz

Kararlı hal çıktısını ölçmekle ilgilendiğimiz bir fabrika

Haftanın 7 günü, 24 saat açık olan bir hastanenin ilk yardım bölümü

Her zaman çalışır durumda olan bir telekomünikasyon sistemi
2
17.12.2014
Örneklem Büyüklüğünün Belirlenmesi
Örneklem Büyüklüğünün Belirlenmesi
( s 2 Biliniyor)
Tüm kitleyle ilgili veri toplamak için büyük örneklem seçmek pahalıdır.
Çoğu kez
Diğer taraftan kitle parametrelerinin iyi tahminlerini elde etmek için
hata vardır. Bu hatanın büyüklüğü µ ve
yeterli büyüklükte örneklem seçilmelidir.
tahmin edicisi ve µ parametresi arasındaki
x
, µ’ ye tam olarak eşit olmaz ve nokta tahmininde
x arasındaki farktır. X
x 
fark, tahminin
örneklem hatasıdır.
Örneklem büyüklüğü ne olmalıdır sorusunun yanıtı temel olarak 2 faktöre
bağlıdır:
s
E = z /2 .
1. Güven aralığı ne kadar dar olmalı?
n
2. Güven aralığı ne kadar güvenle kitle parametresini içine almalı?
Örneklem Büyüklüğünün Belirlenmesi
Örneklem Büyüklüğünün Belirlenmesi
( s 2 Biliniyor)
( s 2Bilinmiyor)
E
X  z /2 .
Sonuç 1:
hatanın
x,
s
%100(1   ) güvenle karşılasılabilecek en büyük örnekleme hatası [E],
E
X
X  z / 2 .
n
s
yarı güven genişligi kadardır.
n
h = t
µ’ nün bir tahmini olarak kullanılırsa, 1-α güvenle
E = z / 2 .
s
, n 1
s
E
n
 t ,n 1s 

n 2
 E 


den küçük oluğu söylenebilir.
n
Sonuç 2: x , µ’nün bir tahmini olarak kullanılırsa, hatanın belli bir
E değerinden küçük olacağını 1-α güvenle söyleyebilmek için
örneklem büyüklüğü aşağıdaki gibi olmalıdır:
2
2
Alternatif olarak, Normal dağılım kullanılarak da gerekli örneklem büyüklügüne yaklaşılabilir.
2
Z s 
n =   /2 
 E 
 z s 
n 2 
 E 


2
3
12
17.12.2014
Yarı Genişlikli Güven Aralığı
( s 2 Bilinmiyor)
Yarı Genişlikli Güven Aralığı
(Excel Hedef Ara)
 parametresi için % 100 (1-  ) Güven Aralığı:
x  t /2,n 1
s
n
Güven Aralığının yarı genişliği:
s
h=t / 2,n 1
n
Yarı Genişlikli Güven Aralığı
(Excel Hedef Ara)
Yarı Güven Aralığı Oranı Metodu
h0 , n 0 yinelemeden olusan pilot simulasyon çalışmasınden elde edilen
yarı güven aralığı için başlangıç değeri olsun.
h0 = t
2
, n0 1
s0
n0
n0 = t2
n = t2
2 , n0 1
2 , n 1
s02
h02
s2
h2
n yineleme için başka bir çözüm bulalım.
t
2
, n 1
' nın yaklaşık olarak t
2
, n0 1
'e ve s2 ' nin yaklaşık olarak s02 'e eşit
olduğunu kabul ederek,
n  n0
4
h02
h2
17.12.2014
Yarı Güven Aralığı Oranı Metodu
(Excel Çözüm)
Sonuçlar
17
n 0 = 10 , h0 = 47.27 ,
18
ve
h = 20
ile

n  n0 h02 h 2
 yarı güven aralığı metodundan
gerekli kriteri sağlamak için yaklaşık
n = 56
yineleme gereklidir.
5