İçeriğe atla

Pareto ilkesi

Pareto ilkesi (80-20 kuralı, önemli azın yasası ve etken seyrekliliği ilkesi olarak da bilinir), çoğu olay için, etkilerin kabaca %80'inin etkenlerin %20'sinden kaynaklandığını belirtir.[1][2] İş yönetimi düşünürü Joseph Juran bu ilkeyi önermiş ve İtalya'daki arazilerin yaklaşık %80'inin, nüfusun %20'sine ait olduğunu gözleyen İtalyan ekonomist Vilfredo Pareto'nun adıyla isimlendirmiştir.[2]

İş dünyasında yaygın bir kuraldır; örn. "satışların %80'i müşterilerin %20'sinden gelir."

Matematiksel olarak, yeterince fazla sayıda katılımcının paylaştığı bir şey olması durumunda, her zaman 50 ile 100 arasında öyle bir k sayısı olacaktır ki %k, %(100-k) katılımcı tarafından paylaşılmış olsun. k, eşit dağılım olan 50'den, az sayıda katılımcının kaynakların neredeyse tamamına sahip olduğu 100'e kadar değişebilir. 80 sayısı ile ilgili özel bir durum yoktur fakat çoğu sistemde dağılımda dengesizliğin orta noktası olan bu civarda bir k değeri görülür.

Pareto ilkesi, Vilfredo Pareto tarafından ortaya konulmuş Pareto verimliliği ile sadece yüzeysel olarak ilgilidir. Pareto her iki kavramı da nüfustaki gelir ve zenginlik dağılımı bağlamında geliştirmiştir.

Ekonomide

Başlangıçta gözlenenler gelir ve zenginlik ile bağlantılıydı. Pareto, İtalya'nın %80 zenginliğinin nüfusun %20'sine ait olduğunu fark etti.[3] Daha sonra diğer ülkelerdeki araştırmaları inceledi ve benzer bir dağılımın olduğunu gözlemledi.

Güç yasası ilişkisinin büyüklükle değişmeyen doğası nedeniyle, bu ilişki gelir sınıflarının diğer alt kümelerinde de geçerlidir. Dünyanın en zengin on insanı ele alındığında bile, en yüksek üç servetin (Warren Buffett, Carlos Slim Helú ve Bill Gates) diğer yedinin toplamı kadar olduğu görülebilir.[4]

Şampanya bardağı etkisi[5] adı verilen, eşitsizliği gözle görülebilir ve anlaşılabilir şekilde ortaya koyan, dünyanın gelirinin %82,7'sini kontrol edenlerin nüfusun % 20'sini oluşturduğunu ortaya koyan ve küresel gelirin dağılımının büyük dengesizliğini gösteren eğri, 1992 Birleşmiş Milletler Kalkınma Programı Raporu'nda yer almıştı.[6]

Dünya GSMH'sinin dağılımı, 1989[7]
Nüfus yüzdesi Gelir
En zengin %20 %82,7
İkinci %20 %11,7
Üçüncü %20 %2,3
Dördüncü %20 %1,4
En fakir %20 %1,2

Pareto İlkesi aynı zamanda ABD'deki artan ekonomik eşitsizliğin 'beceri-önyargılı teknik değişim' ile ilişkisini vurgulamak için kullanılmaktadır - yani gelir artışı yeni teknolojilerden ve küreselleşmeden yararlanmak için gereken eğitim ve becerilere sahip olanların payına düşmektedir. Fakat, Paul Krugman New York Times'ta bu "80-20 yanılgısı"na, son 30 yıldaki ekonomik büyümenin yararlarının en büyük % 20'den çok en büyük % 1'de yoğunlaştığından yola çıkarak "doğru olduğu için değil, ama rahatlatıcı" diyerek izin vermiştir.[8]

Diğer uygulamaları

Pareto İlkesi ayrıca diğer önemsiz konular için de geçerlidir: biri düşünebilir ki en sevdiğimiz giysilerimizin % 20'sini zamanın % 80'inde giymekteyiz, hatta zamanımızın % 80'ini tanıdıklarımızın % 20'siyle geçirmekteyiz, v.s.

Pareto ilkesinin kalite kontrolde birçok uygulaması mevcuttur.[] bütüncül kalite kontrol ve altı sigma için anahtar araçlardan biri olan Pareto grafiği için temel oluşturur. Pareto ilkesi, taşımacılık ve mal saklama ve yenileme maliyetleri ile birlikte mal depolarının eniyileştirilmesi amacıyla yapılan tedarik işlemlerinde yaygın olarak kullanılan ABC-çözümlemesi ve XYZ-çözümlemesi için temel teşkil eder (Rushton et al. 2000, pp. 107–108).

Bilgisayar biliminde ve elektromekanik enerji çeviricileri gibi mühendislik kontrol kuramında Pareto ilkesi eniyileme uygulamalarında kullanılır. (M. Gen & R. Cheng, Generic Algorithms and Engineering Optimisation. New York, Wiley, 2002)

Microsoft belirtmiştir ki en fazla raporlanan hataların ilk % 20'sini çözerek, hataların ve çökmelerin % 80'inin engellenmesi mümkündür.[9]

Bilgisayar grafikleri konusunda Pareto ilkesi ışın-izleme amacıyla kullanılır: ışınların % 80'i geometrinin % 20'siyle çarpışır.[10]

Pareto ilkesi 2007'nin en çok satanlarından Tim Ferriss tarafından yazılan The 4-Hour Workweek'in göze çarpan noktalarından biriydi. Ferriss, bir kişinin gelirinin % 80'inin oluşturan işlerinin % 20'sine odaklanmasını önerdi. Ayrıca en fazla soruna yol açan ve birilerinin en çok zamanını alan müşterilerin % 20'sinin def edilmesini önermekteydi.[11]

Matematiksel notlar

Bu fikrin birçok alanda uygulaması vardır, ama genellikle yanlış uygulanır. Örneğin bir soruna bulunan çözüm için sadece durumların % 80'ine uyduğu için "80-20 kuralına uyar" diye düşünülürse hata yapılmış olur, aynı zamanda çözüm, kaynakların sadece % 20'sini gerektirmelidir.

Matematiksel olarak, yeterince büyük sayıda katılımcının paylaştığı bir şey için, her zaman % k'nın katılımcıların % (100 - k) kadarı tarafından paylaşıldığı, 50 ile 100 arasında bir k sayısı olacaktır, fakat k değeri eşit dağılımdaki 50'den (örn. insanların % 50'sinin kaynakların % 50'sine sahip olduğu) çok küçük sayıda katılımcının neredeyse kaynakların tamamına sahip olduğu yaklaşık 100'e kadar değişebilir. 80 sayısıyla ilgili özel bir durum yoktur, ama çoğu sistem dağılımdaki dengesizlikte ortalamayı temsil eden bu aralıkta bir k değerine sahiptir.

Bu, Pareto dağılımının özel bir durumudur. Eğer Pareto dağılımındaki parametreler uygun seçilirse, sadece etkilerin % 80'i nedenlerin % 20'sinden kaynaklanmaz aynı zamanda bu % 80 etkinin en yüksek % 80'i de % 20 nedenin en yüksek % 20'sinden kaynaklanır ve bu böyle devam eder (% 80'in % 80'i % 64'tür, % 20'nin % 20'si % 4'tür, böylece bir "64-4 yasası" ortaya çıkar).

İş hayatında 80-20 sadece genel bir ilke için kısayoldur. Ayrı ayrı durumlarda, dağılım aynı şekilde 80-10 ya da 80-30 gibi de olabilir. (İki sayının toplamının % 100 olması gerekmez, çünkü bunlar farklı şeylerin ölçüleri olabilirler, örn. 'müşteri sayısı'na karşılık 'harcanan miktar'). Klasik 80-20 dağılımı eşit ölçekli eksenlere sahip log-log üzerine çizildiğinde eğrinin eğiminin -1 olduğu durumda ortaya çıkar. Pareto kuralları birbirini dışlayan değildir. Aslında 0-0 ve 100-100 kuralları her zaman doğrudur.

100'e toplamak hoş bir simetriye yol açar. Örneğin, eğer etkilerin % 80'i kaynakların en yüksek % 20'sinden geliyorsa, o zaman kalan % 20 etki daha düşük % 80 kaynaktan gelmektedir. Buna "birleşik oran" denir ve dengesizliğin derecesini ölçmek için kullanılabilir: 96:4 birleşik oranı çok dengesizken, 80/20 büyük ölçüde dengesiz (Gini indeksi: % 60), 70:30 ise orta düzeyde dengesiz (Gini indeksi: % 40) ve 55:45 sadece biraz dengesizdir.

Pareto İlkesi aynı zamanda ufak orman yangınlarında ve depremlerde de görülen "Güç yasası"nın bir gösterimidir. Geniş bir büyüklük menzilinde kendine benzerlik gösterdiği için Gauss Dağılımı fenomeninden çok farklı çıktılar gösterir. Bu gerçek, -örneğin- borsa hareket büyüklüklerinin Gauss ilişkisine uygun olduğu varsayılımıyla modellenen karmaşık finansal araçların sık çöküşünü açıklar.[12]

Eşitsizlik ölçüleri

Gini katsayısı ve Hoover endeksi

” gösterimi kullanılarak (örneğin : ) ve ile birlikte, Gini endeksi ve Hoover endeksi gibi eşitsizlik ölçekleri hesaplanabilir. Bu durumda her ikisi de aynıdır.

Theil endeksi

Theil endeksi adaletsizliklere değer biçmek için kullanılan bir entropi ölçeğidir. 50:50 dağılımlarda 0 değerini alır ve 82:18 Pareto dağılımında 1 değerine ulaşır. Daha yüksek adaletsizlikler 1'den yüksek Theil endeksine yol açar.[13]

Ayrıca bakınız

Kaynakça

  1. ^ "Joseph Juran, 103, Pioneer in Quality Control, Dies". New York Times. 3 Mart 2008. 8 Haziran 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Mart 2009. 
  2. ^ a b "What is 80/20 Rule, Pareto's Law, Pareto Principle",". www.80-20presentationrule.com. 18 Mayıs 2013 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Mart 2009. .
  3. ^ Vilfredo Pareto, Alfred N Page. Translation of Manuale di economia politica. A.M. Kelley yıl=1971. ISBN 9780678008812. 
  4. ^ "Arşivlenmiş kopya". 13 Haziran 2011 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Mart 2009. 
  5. ^ "Xabier Gorostiaga,"World has become a 'champagne glass' globalization will fill it fuller for a wealthy few' National Catholic Reporter, Jan 27, 1995 '". 11 Temmuz 2012 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Mart 2009. 
  6. ^ United Nations Development Program. 1992 Human Development Report, 1992 (New York, Oxford University Press)
  7. ^ "Human Development Report 1992, Chapter 3". 15 Mart 2015 tarihinde kaynağından arşivlendi. Erişim tarihi: 8 Temmuz 2007. 
  8. ^ Krugman, Paul (27 Şubat 2006). "Graduates versus Oligarchs". New York Times. ss. A19. 
  9. ^ "Microsoft's CEO: 80-20 Rule Applies To Bugs, Not Just Features". 6 Mart 2009 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Mart 2009. 
  10. ^ Philipp Slusallek, Ray Tracing Dynamic Scenes[]
  11. ^ Ferris, Tim (2006.) The 4-Hour Workweek. Crown Publishing
  12. ^ "The Black Swan" (2007) Nassim Taleb pp228-252 and 274-285.
  13. ^ "On Line Calculator: Inequality". 26 Eylül 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 10 Mart 2022. 

Dış bağlantılar

Makaleler

İnternet siteleri

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">Student'in t dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında t-dağılımı ya da Student'in t dağılımı genel olarak örneklem sayısı veya sayıları küçük ise ve anakütle normal dağılım gösterdiği varsayılırsa çıkartımsal istatistik uygulaması için çok kullanılan bir sürekli olasılık dağılımıdır. Çok popüler olarak tek bir anakütle ortalaması için güven aralığı veya hipotez sınaması ve iki anakütle ortalamasının arasındaki fark için güven aralığı veya hipotez sınamasında, yani çıkarımsal istatistik analizlerde, uygulama görmektedir.

<span class="mw-page-title-main">Ki-kare dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında ki-kare dağılım özellikle çıkarımsal istatistik analizde çok geniş bir pratik kullanım alanı bulmuştur.

<span class="mw-page-title-main">Normal dağılım</span> sürekli olasılık dağılım ailesi

Normal dağılım, aynı zamanda Gauss dağılımı veya Gauss tipi dağılım olarak isimlendirilen, birçok alanda pratik uygulaması olan, çok önemli bir sürekli olasılık dağılım ailesidir.

<span class="mw-page-title-main">Lorenz eğrisi</span>

Lorenz Eğrisi, ekonomide, çoğunlukla olasılık gelir dağılımının birikimli dağılım fonksiyonunu ifade eden bir grafiktir. Bu grafiğin her iki ekseninde de yüzde değer bulunur. 1905 yılında Max Otto Lorenz tarafından gelir dağılımının ifade edilmesi amacıyla geliştirilmiştir.

<span class="mw-page-title-main">İnsani Gelişme Endeksi</span> Yaşam beklentisi, eğitim ve gelir endekslerinin birleşik istatistiği

İnsani Gelişme Endeksi, Dünya'daki ülkeler için yaşam uzunluğu, okur yazar oranı, eğitim ve yaşam düzeyi doğrultusunda hazırlanan bir ölçümdür. İnsanların düzgün yaşaması, özellikle çocuk hakları için bir ölçün teşkil eder. Bu araştırma sonucunda bir ülkenin gelişmiş, gelişmekte olan ya da gelişmemiş bir ülke olduğu; bunun yanı sıra ekonomisindeki etkinin yaşam niteliği ne düzeyde etkilediğini gösterir. Dağılım ilk olarak 1990 yılında Pakistanlı ekonomist Mahbub ul Haq tarafından geliştirilmiştir ve 1993 yılından bu yana Birleşmiş Milletler Kalkınma Programı tarafından yıllık Gelişme Raporu'nda sunulur.

Merkezi limit teoremi büyük bir sayıda olan bağımsız ve aynı dağılım gösteren rassal değişkenlerin aritmetik ortalamasının, yaklaşık olarak normal dağılım göstereceğini ifade eden bir teoremdir. Matematiksel bir ifadeyle, bir merkezi limit teoremi olasılık kuramı içinde bulunan bir zayıf yakınsama sonucu setidir. Bunların hepsi, birçok bağımsız aynı dağılım gösteren rassal değişkenlerin herhangi bir toplam değerinin limitte belirli bir "çekim gücü gösteren dağılıma" göre dağılım gösterme eğiliminde olduğu gerçeğini önerir.

<span class="mw-page-title-main">Poisson dağılımı</span>

Poisson dağılımı, olasılık kuramı ve istatistik bilim kollarında bir ayrık olasılık dağılımı olup belli bir sabit zaman birim aralığında meydana gelme sayısının olasılığını ifade eder. Bu zaman aralığında ortalama olay meydana gelme sayısının bilindiği ve herhangi bir olayla onu hemen takip eden olay arasındaki zaman farkının, önceki zaman farklarından bağımsız oluştuğu kabul edilir.

<span class="mw-page-title-main">Geometrik dağılım</span>

Olasılık kuramı ve istatistik bilim dallarında geometrik dağılım şu iki şekilde ifade edilebilen ayrık olasılık dağılımıdır:

<span class="mw-page-title-main">Zeta dağılımı</span>

Olasılık kuramı ve istatistik bilim kollarında, zeta dağılımı bir ayrık olasılık dağılımıdır. Eğer X s parametresi ile zeta dağılımı gösteren bir bir rassal değişken ise, Xin k tam sayısı değerini almasının olasılığı şu olasılık kütle fonksiyonu ile belirtilir:

<span class="mw-page-title-main">Gamma dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında gamma dağılımı iki parametreli bir sürekli olasılık dağılımıdır. Bu parametrelerden biri ölçek parametresi θ; diğeri ise şekil parametresi k olarak anılır. Eğer k tam sayı ise, gamma dağılımı k tane üstel dağılım gösteren rassal değişkenlerin toplamını temsil eder; rassal değişkenlerin her biri nin üstel dağılımı için parametre olur.

<span class="mw-page-title-main">Üstel dağılım</span>

Olasılık kuramı ve istatistik bilim dallarında üstel dağılımı bir sürekli olasılık dağılımları grubudur. Sabit ortalama değişme haddinde ortaya çıkan bağımsız olaylar arasındaki zaman aralığını modelleştirirken bir üstel dağılım doğal olarak ortaya çıkar.

<span class="mw-page-title-main">Skellam dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Skellam dağılımı bir ayrık olasılık dağılım tipidir. Skellam dağılımı iki tane beklenen değerleri ve olan Poisson dağılımı gösteren rassal değişken ve arasında bulunan fark olan nin gösterdiği olasılık dağılımdır.

<span class="mw-page-title-main">Tekdüze dağılım (sürekli)</span> Özel olasılık dağılımı

Sürekli tekdüze dağılım (İngilizce: continuous uniform distribution) olasılık kuramı ve istatistik bilim dallarında, her elemanı, olasılığın desteklendiği aynı büyüklükteki aralık içinde bulunabilir, her sürekli değer için aynı sabit olasılık gösteren bir olasılık dağılımları ailesidir. Desteklenen aralık iki parametre ile, yani minimum değer a ve maksimum değer b ile, tanımlanmaktadır. Bu dağılım kısa olarak U(a,b) olarak anılır.

<span class="mw-page-title-main">Laplace dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Laplace dağılımı Pierre-Simon Laplace anısına isimlendirilmiş bir sürekli olasılık dağılımıdır. Arka arkaya birbiriyle yapıştırılmış şekilde ve bir de konum parametresi dahil edilerek birleştirilmiş iki üstel dağılımdan oluştuğu için, çift üstel dağılımı adı ile de anılmaktadır. İki bağımsız ve tıpatıp aynı şekilde üstel dağılım gösteren bir rassal değişken bir Laplace dağılımı ile işlev görürler. Bu, aynen üstel dağılım gösteren rassal zamanda değerlendirilen Brown devinimine benzer.

Olasılık kuramı içinde herhangi bir rassal değişken için karakteristik fonksiyon, bu değişkenin olasılık dağılımını tüm olarak tanımlar. Herhangi bir rassal değişken X için, gerçel doğru üzerinde, bu fonksiyonu tanımlayan formül şöyle yazılır:

<span class="mw-page-title-main">Büyük sayılar yasası</span>

Büyük Sayılar Kanunu ya da Büyük Sayılar Yasası, bir rassal değişkenin uzun vadeli kararlılığını tanımlayan bir olasılık teoremidir. Sonlu bir beklenen değere sahip birbirinden bağımsız ve eşit dağılıma sahip bir rassal değişkenler örneklemi verildiğinde, bu gözlemlerin ortalaması sonuçta bu beklenen değere yakınsayacak ve bu değere yakın bir seyir izleyecektir.

<span class="mw-page-title-main">Pareto dağılımı</span>

Pareto dağılımı, olasılık kuramı ve istatistik bilim dallarında birçok pratik uygulaması bulunan ve "küçük" bir nesnenin bir "büyük" nesneye dağılımında kararlılık elde edildiği hallerde kullanılan bir sürekli olasılık dağılımı veya bir güç kuramıdır. İlk olarak bir İtalyan iktisatçısı olan Vilfredo Pareto tarafından ekonomilerde bireylerin servet dağılımını göstermek için kullanılmıştır. İktisat bilim dalı dışında bu dağılım Bradford dağılımı adı altında da bilinmektedir.

Genelleştirilmiş Pareto dağılımı ailesi, olasılık kuramı ve istatistik bilim dallarında geliştirilen ve özellikle iktisat incelemelerinde gelir ve servet dağılımı analizi için kullanılan iki parametreli Pareto dağılımının daha geliştirilmiş üç parametreli bir şekli olur. Bu dağılım da sürekli olasılık dağılımıdır

<span class="mw-page-title-main">Cauchy dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Cauchy-Lorentz dağılımı bir sürekli olasılık dağılımı olup, bu dağılımı ilk ortaya atan Augustin Cauchy ve Hendrik Lorentz anısına adlandırılmıştır. Matematik istatistikçiler genel olarak Cauchy dağılımı adını tercih edip kullanmaktadırlar ama fizikçiler arasında Lorentz dağılımı veya Lorentz(yen) fonksiyon veya Breit-Wigner dağılımı olarak bilinip kullanılmaktadır.

<span class="mw-page-title-main">Zipf yasası</span>

Zipf yasası veya dilde tutumluluk yasası, matematiksel istatistik bilimi kullanılarak ortaya çıkartılan bir empirik yasa olarak formüle edilmiştir. Yasaya ad olarak, 1930'da Amerika'da Harvard Üniversitesi'nde dilbilim profesörü olan George Kingsley Zipf tarafından yayımlanması üzerine, onun adı verilmiştir. Bu empirik yasa herhangi bir insan dili ile yazılmış bir metinde bulunan sözcüklerin sıklılıkları hakkındadır.