← Ünite 11
Yöneylem Araştırması

Ünite 11: Markov Analizi

Markov Analizinin Doğuşu (1905)
A.A. Markov, 1905 yılında kapalı bir kutu içindeki gaz moleküllerinin hareketlerini (Brownian hareketi) matematiksel olarak modellemek amacıyla bu analizi geliştirmiştir.
Matematiksel Altyapının Kurulması (1923)
Markov süreçlerinin ilk tutarlı ve doğru matematiksel yapısı, 1923 yılında ünlü matematikçi N. Wiener tarafından formüle edilerek literatüre kazandırılmıştır.
Teorinin Genişletilmesi (1930-1940)
Markov süreçlerinin genel teorisi 1930 ve 1940'lı yıllarda Kolmogorov, Feller, Doeblin, Levy ve Doob gibi matematikçiler tarafından geliştirilmiştir.
İş Makinesi Örneği Verileri
Metinde sunulan iş makinesinin 10 günlük durum serisi {0,0,0,1,0,0,1,1,1,0} olarak verilmiş olup, 0 çalışır ve 1 arızalı durumu temsil etmektedir.

Anahtar Kavramlar

DurumBir rastgele değişkenin belirli bir t anında alabileceği her bir değere veya sistemin o andaki karakteristiğine verilen addır.
AdımSistemin bir durumdan diğer duruma geçişi esnasında geçen her bir zaman birimi veya aşamadır.
Başlangıç OlasılığıSistemin başlangıçta (t = 0 anında) belirli bir durumda bulunma olasılığıdır ve q_i ile ifade edilir.
Başlangıç Olasılık VektörüSistemin başlangıç anındaki tüm durum olasılıklarını bir arada gösteren tek satırlık olasılık dağılım vektörüdür.
Geçici DurumSistemin belirli bir süre kaldıktan sonra terk ettiği ve geri dönmeme olasılığının bulunduğu durumlardır.
Tek Adımlı GeçişSistemin t anındaki durumundan t+1 anındaki durumuna doğrudan geçişini tanımlayan koşullu olasılıktır.
Markov AnaliziMevcut durum olasılıklarını kullanarak, sistemlerin gelecekteki durum olasılıklarını tahmin etmede kullanılan güçlü bir matematiksel modelleme ve analiz tekniğidir.
Stokastik SüreçZaman içerisinde rastgele sonuçlar doğuran ve olasılık kurallarına göre gelişen olaylar serisini veya rastsal değişkenler dizisini ifade eder.
Durum (State)Bir rastgele değişkenin veya sistemin belirli bir t anında alabileceği her bir değere ya da kategorilerden her birine verilen isimdir.
Durum UzayıBir sistemin veya rastsal değişkenin alabileceği olası tüm durumların oluşturduğu kümedir; kesikli veya sürekli olabilir.
Markov ÖzelliğiSistemin gelecekteki durumunun, geçmiş durumlarından bağımsız olup yalnızca ve sadece mevcut (bir önceki) durumuna bağlı olması özelliğidir.
Markov ZinciriMarkov özelliğine sahip, eşit ve kesikli zaman aralıklarında (t = 0, 1, 2, ...) tanımlanmış stokastik süreçlerdir.
Geçiş OlasılığıSistemin bir dönemde belirli bir durumdayken, bir sonraki dönemde başka bir duruma (veya aynı duruma) geçme olasılığıdır.
Geçiş Olasılıkları MatrisiSistemdeki tüm durumlardan diğer tüm durumlara geçiş olasılıklarını gösteren, satır toplamları 1'e eşit olan kare matristir.
Bir Adımlı GeçişSistemin t anındaki durumundan hemen bir sonraki t+1 anındaki durumuna geçişini tanımlayan koşullu olasılık ilişkisidir.
Çok Adımlı GeçişSistemin t anındaki durumundan n adım sonraki t+n anındaki durumuna geçiş olasılıklarını ifade eden süreçtir.
Denge DurumuYeterince uzun bir geçiş sürecinden sonra, geçiş olasılıklarının adım sayısı arttıkça sabit bir değere yaklaşması ve kararlı hale gelmesidir.
Ergodik Markov ZinciriZincirdeki her bir durumdan diğer herhangi bir duruma belirli sayıda adım sonunda ulaşılabilen geçiş yapısına sahip zincirdir.
Yutan Markov Zinciriİçerisinde en az bir adet yutan durum (sistemin bir kez girince bir daha çıkamadığı durum) barındıran Markov zinciridir.
Yutan DurumKendinden başka hiçbir duruma geçiş olasılığı olmayan, yani kendi kendine geri dönme olasılığı 1.00 olan özel durumdur.
Kesikli Zamanlı SüreçZaman parametresinin tamsayılarla (t = {0, 1, 2, ...}) sınırlandırıldığı ve gözlemlerin belirli anlarda yapıldığı süreçtir.
Sürekli Zamanlı SüreçSistemin durumunun zaman ekseninde herhangi bir anda kesintisiz olarak değişebildiği stokastik süreç türüdür.
Kararlı Durum VektörüDenge durumuna ulaşmış bir sistemde, uzun dönemde durumların gerçekleşme olasılıklarını gösteren sabit olasılık vektörüdür.
Ortalama İlk Geçiş SüresiSistemin belirli bir durumdan başlayıp diğer bir duruma ilk kez ulaşması için geçmesi gereken ortalama adım sayısıdır.
Chapman-Kolmogorov DenklemiÇok adımlı geçiş olasılıklarının, ara adımların olasılıkları üzerinden matris çarpımı yoluyla hesaplanmasını sağlayan temel matematiksel özelliktir.

Diğer Önemli Bilgiler

İş Makinesi Geçiş Matrisi

10 günlük veriye göre oluşturulan geçiş matrisinde, arızalı durumdan arızalıya geçiş 0.6, çalışır durumdan arızalıya geçiş ise 0.5 olarak hesaplanmıştır.

Atatürk Havalimanı Örneği

Metinde, 4. gün saat 12:00'de kaydedilen sıcaklık değerleri üzerinden stokastik süreçlerin sınıflandırılması örneklendirilmiştir.

Market Tercihi Örneği

Kasabadaki A ve B marketlerinden alışveriş yapan toplam 1000 müşterinin geçiş olasılıkları ve pazar payı değişimleri analiz edilmiştir.

Market Örneği Başlangıç Dağılımı

A ve B marketleri örneğinde başlangıç durumundaki müşteri sayıları sırasıyla 260 ve 350 kişi olarak sisteme dahil edilmiştir.

Market Örneği 3 Dönem Sonrası

Üç dönemlik geçiş matrisi kuvveti (P^3) kullanılarak yapılan hesaplamada müşteri dağılımı yaklaşık 397 ve 213 kişi olarak bulunmuştur.

Bisküvi Markaları Rekabeti

A, B ve C rakip bisküvi markalarının başlangıç pazar payları sırasıyla 0.5, 0.3 ve 0.2 olarak araştırmaya dahil edilmiştir.

Bisküvi Örneği 4. Dönem Sonucu

4. dönem sonunda A ve B markalarının pazar payları azalırken, C markasının pazar payı 0.20'den 0.273'e yükselmiştir.

Alacak Tahsili Durumları

Bir mağazanın alacak takibinde; Ödemiş (Durum 1) ve Cezalı (Durum 4) yutan durumlar, 1 ve 2 hafta gecikmiş borçlar ise geçici durumlardır.

Kumarbazın İflası Kuralları

Oyuncunun 2 TL ile başlayıp, tura gelirse 1 TL kazandığı, yazı gelirse 1 TL kaybettiği ve 0 veya 4 TL'de oyunun bittiği bir Markov zinciridir.

Üç Durumlu Kola Örneği

Kola 1, Kola 2 ve Kola 3 markalarının geçiş olasılıkları matrisi üzerinden kararlı durum olasılıkları hesaplanmıştır.

Kola Örneği Kararlı Durum Sonuçları

Kola örneğinde kararlı durum olasılıkları Kola 1 için 7/21, Kola 2 için 4/21 ve Kola 3 için 10/21 olarak bulunmuştur.

A.A. Markov ve 1905 Gaz Molekülleri Deneyi

Rus matematikçi Andrei Andreyevich Markov, 1905 yılında kapalı bir kutu içindeki gaz moleküllerinin rastgele hareketlerini (Brownian hareketi) matematiksel olarak açıklamak amacıyla bu analizi geliştirmiştir.

Norbert Wiener'in 1923 Katkısı

Markov süreçlerinin ilk tutarlı ve doğru matematiksel yapısı, Amerikalı matematikçi Norbert Wiener tarafından 1923 yılında kurulmuş ve olasılık teorisine entegre edilmiştir.

1930 ve 1940'lı Yıllardaki Gelişmeler

Markov süreçlerinin genel teorisi A.N. Kolmogorov, W. Feller, W. Doeblin, P. Levy ve J.L. Doob gibi bilim insanları tarafından 1930 ve 1940'lı yıllarda geliştirilerek bugünkü halini almıştır.

İş Makinesi Örneğindeki Geçiş Matrisi

Metinde verilen 10 günlük iş makinesi verisinde, makinenin arızalı kalma olasılığı 0.6 iken çalışır duruma geçme olasılığı 0.4; çalışır durumdan arızalanma olasılığı ise 0.5 olarak hesaplanmıştır.

İki Marketli Kasaba Örneği

A ve B marketlerinin bulunduğu, toplam 1000 müşterisi olan bir kasabada, başlangıçta A marketinde 260, B marketinde 350 müşteri varken, 3 dönem sonra bu dağılım sırasıyla 397 ve 213 kişiye dönüşmüştür.

Bisküvi Markaları Pazar Payı Analizi

A, B ve C rakip bisküvi markalarının başlangıç pazar payları sırasıyla 0.5, 0.3 ve 0.2 iken, 4 dönem sonunda A'nın payı 0.466'ya, B'nin payı 0.261'e gerilemiş, C'nin payı ise 0.273'e yükselmiştir.

Kumarbazın İflası Problemi

Başlangıçta 2 TL'si olan bir kumarbazın, her adımda 1 TL kazanıp kaybettiği ve parası 0 TL veya 4 TL olduğunda oyunun bittiği durum uzayı {0, 1, 2, 3, 4} olan klasik bir Markov zinciri örneğidir.

Kola Tercihleri Uygulaması

Üç farklı kola markasının geçiş olasılıkları matrisi analiz edildiğinde, uzun dönemde Kola 1'in kararlı durum olasılığı 7/21, Kola 2'nin 4/21 ve Kola 3'ün 10/21 olarak bulunmuştur.

Kola Örneğinde Ortalama İlk Geçiş Sayıları

Kola tercihleri modelinde, Kola 1 için ortalama ilk geçiş sayısı m11 = 3, Kola 2 için m22 = 5.25 ve Kola 3 için m33 = 2.1 olarak hesaplanmıştır.

Mağaza Alacakları ve Cezalı Müşteri Örneği

Borcunu ödeyenler ile borcu 2 haftadan fazla gecikip yasal yola (cezalı) düşenlerin yutan durumlara geçtiği, 4 durumlu bir yutan Markov zinciri modelidir.

Atatürk Havalimanı Sıcaklık Örneği

Metinde, havalimanında 4. gün saat 12:00'de kaydedilen sıcaklık değerlerinin zaman içindeki değişimi kesikli zamanlı stokastik sürece örnek olarak gösterilmiştir.

Zar Atma Deneyi

Bir zarın ardışık olarak 4. kez atılması durumunda gelen sayıların oluşturduğu dizi, geçmiş atışlardan bağımsız olduğu için Markov zinciri yapısına somut bir örnektir.

Kafedeki Müşteri Sayısı Örneği

Öğle saatlerinde bir kafede bulunan müşteri sayısının t = 0, 1, 2, 3 anlarında gözlenmesi, kesikli zamanlı stokastik süreçlerin davranışını tanımlamak için kullanılmıştır.

Denge Durumu Limit Formülü

n adımı sonsuza giderken, durum olasılıkları vektörünün başlangıç durumundan bağımsız olarak Pi = Pi * P eşitliğine yakınsaması Markov analizinin en temel teoremlerindendir.

Market Örneğinde Uzun Vade Müşteri Dağılımı

Kasaba marketi örneğinde uzun vadeli denge durumuna ulaşıldığında, A marketinin müşteri payı 3/4 (195 kişi), B marketinin müşteri payı ise 1/4 (87.5 kişi) olmaktadır.

Sınavda Dikkat Et

  • Geçiş matrisinin satır toplamlarının her zaman 1.00 olması gerektiğini unutmayın; sınavlarda eksik olasılık değerini bulmak için bu kuralı kullanabilirsiniz.
  • n. adımdaki geçiş olasılıklarını hesaplarken matrisin kuvvetini almanız gerekir; doğrudan n ile çarpmak en sık yapılan hatadır.
  • Denge (kararlı) durum sorularında, adım sayısı sonsuza giderken olasılıkların sabitlendiğini ve başlangıç değerlerinin önemini yitirdiğini hatırlayın.
  • Yutan durumların kendi kendine geçiş olasılığı (p_ii) her zaman 1'dir; matriste satırında sadece tek bir 1 olan durumları hızlıca yutan durum olarak teşhis edebilirsiniz.
  • Markov özelliğinin 'geçmişten bağımsızlık, sadece şu anki duruma bağlılık' anlamına geldiğini sınav teorik soruları için mutlaka ezberleyin.
  • Geçiş matrisinin her bir satır toplamının her zaman 1'e eşit olması gerektiğini unutmayın; bu kural sınavda eksik olasılıkları bulmada hayat kurtarır.
  • İki veya daha fazla adım sonraki geçiş olasılıkları sorulduğunda, geçiş matrisinin kendisiyle çarpılarak kuvvetinin (P^2, P^3) alınması gerektiğini hatırlayın.
  • Denge durumu (steady-state) sorularında, adım sayısı çok büyük verildiğinde (örneğin 10 veya daha fazla adım), olasılıkların sabitlendiği denge vektörünü arayın.
  • Markov özelliğinin temel tanımına dikkat edin: Gelecekteki durum sadece mevcut duruma bağlıdır, geçmişteki adımlardan tamamen bağımsızdır.
  • Yutan durumların (absorbing states) kendi kendilerine geçiş olasılıklarının 1.00 olduğunu ve bu duruma giren sistemin bir daha çıkamayacağını aklınızda bulundurun.
  • Sınavda pazar payı değişim soruları gelirse, başlangıç pazar payı vektörü ile geçiş matrisinin çarpım sırasına (Vektör x Matris) dikkat edin.