ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ
|
|
- Πάτροκλος Φωτόπουλος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1 ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Συνάρτηση Κατανομής: Έστω Χ=(Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x=(x 1,,x ) Ιδιότητες: 1. 0 F(x) 1, x.. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3. lim F(x) = 0 (i =1, ), F(+,,+)=1. xi P (α < X β ) = F(β, β,..., β ) F(α, β..., β )... F(β, β.., β, α ) + i=1 4. i i i F(α 1, α, β 3,..., β )+...+F(β 1, β,..., β -, α -1, α )-...+(-1) F(α 1, α,..., α ) 0. Διακριτά Τυχαία Διανύσματα: Ένα τ.δ. Χ=(Χ 1,,Χ ) T καλείται διακριτό αν παίρνει με πιθανότητα 1 πεπερασμένο ή αριθμήσιμο σύνολο τιμών {x 0, x 1,.} δηλαδή: P(X {x 0, x 1,.}) = P(X=xk) = k=0 P(X 1=x k,, X= x k ) = 1. 1 k=0 Η συνάρτηση f(x k ) = P(X=x k ), k=0,1,. καλείται συνάρτηση μάζας πιθανότητας (σ.μ.π.) του τ.δ. Χ ή από κοινού σ.μ.π. των τ.μ. Χ 1,,Χ και έχει τις ακόλουθες ιδιότητες:
2 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1. f(x k ) 0, k=0,1,,. f(xk) = 1. κ = 0 Η περιθώρια συνάρτηση πιθανότητας μιας εκ των συνιστωσών του τ.δ. Χ, έστω X i, δίνεται αθροίζοντας τις πιθανότητες για όλες τις δυνατές τιμές των άλλων συνιστωσών. f (x k ) = P(Xi=x ) = X i i k i k=0 1 k =0 i-1 P(X 1=x k,, Xi=x k,, X= 1 i i+1 k =0 k =0 x k ). Τέλος οι τ.μ. Χ 1,, Χ καλούνται ανεξάρτητες όταν: f(x k ) = P(X=x k ) = f X (x k ), x {x i i 0, x 1,.}. i=1 Συνεχή Τυχαία Διανύσματα: Ένα τ.δ. Χ=(Χ 1,,Χ ) T καλείται συνεχές αν υπάρχει πραγματική συνάρτηση f με πεδίο ορισμού το : 1. f(x) 0 x.. f(x)dx = 1. και y,..., y με y < y, i = 1,.., 1 : 1 i i+ 1 y y P(y X y, y X y,..., y X y )... f (x,..., x )dx...dx. < < < = y1 y 1 Η συνάρτηση f καλείται συνάρτηση πυκνότητας πιθανότητας (σ.π.π.) του τ.δ. Χ ή από κοινού σ.π.π. των τ.μ. Χ 1,,Χ. Ισχύουν οι εξής σχέσεις:
3 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 3 F(x) = P(X 1 x 1,, X x ) = x 1 x f(y)dy, x F(x 1,..,x ) f(x)=, όπου η μικτή παράγωγος υπάρχει. x x 1 Η περιθώρια συνάρτηση πιθανότητας μιας εκ των συνιστωσών του τ.δ. Χ, έστω της X i, δίνεται ολοκληρώνοντας την σ.π.π. για όλες τις δυνατές τιμές των άλλων συνιστωσών. + f X (x)= i f(x)dx 1 dx. dx i-1 dx i+1 dx + + Τέλος οι τ.μ Χ 1,, Χ καλούνται ανεξάρτητες όταν: f(x) = f X (x), x. i i=1 Δεσμευμένες Κατανομές: A) Έστω Χ, Υ διακριτές τ.μ. με από κοινού συνάρτηση πιθανότητας f(x i, y j ), i, j=0, 1, Ορίζουμε την δεσμευμένη σ.π.π. μιας διακριτής τ.μ. X, όταν γνωρίζουμε ότι η τ.μ. Υ έχει την τιμή y j, j=0, 1,.. ως: f X Y (x i y j ) = f(x,y ) i j f Y(y j), όπου f (y ) είναι η περιθώρια συνάρτηση πιθανότητας της τ.μ. Y. Y j B) Έστω Χ, Υ συνεχείς τ.μ. με από κοινού συνάρτηση πιθανότητας f(x, y), x, y. Ορίζουμε την δεσμευμένη σ.π.π. μιας διακριτής τ.μ. X, όταν γνωρίζουμε ότι η τ.μ. Υ έχει την τιμή y ως:
4 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 4 f X Y (x y) = f(x,y) f (y), Y όπου f Y (y) είναι η περιθώρια συνάρτηση πιθανότητας της Y. Παρατήρηση: Έστω το τ.δ. (Χ,Υ) Τ ακολουθεί τη διμεταβλητή Κανονική, δηλαδή: (x μx) (x μx)(y μy) (y μy) ρ σx σxσy σ Y exp πσ (1 ρ ) XσY f(x,y) = 1 p. Τότε η περιθώρια σ.π.π. της τ.μ. X είναι η N(μ X, σ X ) και η περιθώρια σ.π.π. της τ.μ. Y, είναι η N(μY, σ Y ). Επιπρόσθετα η δεσμευμένη σ.π.π. της τ.μ. X, όταν γνωρίζουμε ότι η τ.μ. Υ έχει την τιμή y, είναι η N(μ X +ρ(y-μ Y )σ X /σ Y, ), ενώ η δεσμευμένη σ.π.π. της Y, όταν γνωρίζουμε ότι η τ.μ. X έχει την τιμή x, είναι η N(μY+ρ(x-μ X )σ Y /σ X, σ Y ). σ X Παράμετροι κατανομής Πολυδιάστατων τ.μ. 1 : Α) Έστω Χ, Υ διακριτές τ.μ. με από κοινού συνάρτηση πιθανότητας f(x i, y j ), i, j=0,1, Αν z=g(x,y) είναι μια συνεχής συνάρτηση, τότε η μέση τιμή της τ.μ. Ζ=g(X,Y) δίνεται: E(Z) = g(x i, y i ) f(x i, y i ), j=0 i=0 με την προϋπόθεση ότι η διπλή σειρά συγκλίνει απολύτως. Β) Έστω Χ, Υ συνεχείς τ.μ. με από κοινού συνάρτηση πιθανότητας f(x,y), x, y. Αν z=g(x, y) είναι μια πραγματική συνάρτηση, τότε η μέση τιμή της τ.μ. Z=g(X,Y) δίνεται: E(Z) = g(x, y) f(x, y) dxdy, με την προϋπόθεση ότι το διπλό ολοκλήρωμα συγκλίνει απολύτως.
5 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 5 Θεώρημα: Έστω Χ, Υ ανεξάρτητες τ.μ. με πεπερασμένες μέσες τιμές E(X), E(Y). Τότε Ε(ΧΥ)=Ε(Χ)Ε(Υ). Έστω X, Y τ.μ. με πεπερασμένες μέσες τιμές μ Χ =E(X), μ Υ =Ε(Υ). Ορίζουμε ως συνδιακύμανση των X, Y την ποσότητα: Cov(X, Y) = E{(X- μ Χ )(Y- μ Υ )}, εφόσον υπάρχει η τελευταία μέση τιμή. Ιδιότητες: Cov(X, c)=0, με c σταθερά, Cov(X, Y)=Cov(Y, X), Cov(X+Y, Z)=Cov(X, Z)+Cov(Y, Z), Cov(αΧ+β, γy+δ)=αγcov(x, Y), με α, γ, Cov(X, Χ)=V(X). Πρόταση: Αν η Cov(X, Y) είναι πεπερασμένη τότε: Cov(X, Y)=Ε(ΧΥ)-Ε(Χ)Ε(Υ). Όταν Cov(X, Y)=0 οι X, Y καλούνται ασυσχέτιστες. Άμεση συνέπεια της παραπάνω πρότασης είναι ότι αν X, Y ανεξάρτητες τότε X, Y ασυσχέτιστες. Το αντίστροφο δεν ισχύει πάντα. Θεώρημα: Αν οι X, Y έχουν από κοινού σ.π.π. τη διμεταβλητή Κανονική και είναι ασυσχέτιστες, τότε είναι και ανεξάρτητες. Θεώρημα: Έστω Χ, Υ τ.μ. με E(X ), E(Y ) <. Τότε: 1 Όλα τα παρακάτω που θα δώσουμε για διδιάστατες τ.μ. επεκτείνονται σε -διάστατες τ.μ.
6 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 6 και γενικότερα: V(X+Y) = V(X)+V(Y)+Cov(X, Y), V(αX+βY) = α V(X)+β V(Y)+αβCov(X, Y), με α, β. Αν Χ,Υ ασυσχέτιστες τότε: V(X±Y)=V(X)+V(Y). Αν Χ,Υ τ.μ. με πεπερασμένες διασπορές τότε ορίζουμε ως συντελεστή συσχέτισης αυτών την ποσότητα: Ιδιότητες: ρ(x,y)= Cov(X,Y) V(X)V(Y). -1 ρ 1 (όταν ρ<0 οι X,Y καλούνται αρνητικά συσχετισμένες, όταν ρ>0 οι X,Y καλούνται θετικά συσχετισμένες, ενώ όταν ρ=0 οι X,Y είναι ασυσχέτιστες), ρ(x,x)=1, ρ(αx+β,γy+δ)= { ρ(x,y), αν αγ>0, με α,β,γ,δ : αγ 0. -ρ(x,y), αν αγ<0 Δεσμευμένη Μέση Τιμή και Δεσμευμένη Διασπορά: Α) Έστω Χ, Υ διακριτές τ.μ. και f X Y (x i y j ), i=0,1, η δεσμευμένη συνάρτηση πιθανότητας της X δεδομένου ότι Y=y j, j=0,1.τότε η δεσμευμένη μέση τιμή της X δεδομένου ότι Y=y j ορίζεται από την σχέση: μ X Y (y j )=E(X Y=y j )= x if X Y (x i y j ), i=0 με την προϋπόθεση ότι η σειρά συγκλίνει απολύτως. Όμοια ορίζουμε την μ Y X (x i ). Περαιτέρω αν z=g(x,y) μια συνεχής συνάρτηση, τότε η δεσμευμένη μέση τιμή της διακριτής τ.μ. Z=g(X,Y) δεδομένου ότι Y=y j δίδεται από την σχέση: μ Ζ Υ (y j )=E(Z Υ=y j )= g(x i,y j )f X Y (x i y i ), i=0
7 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 7 με την προϋπόθεση ότι η σειρά συγκλίνει απολύτως. Με την προϋπόθεση ότι υπάρχει η δεσμευμένη μέση τιμή, ορίζουμε την δεσμευμένη διασπορά της τ.μ. X δεδομένου ότι Y=y j ως: σ X Y (y j )=V(X Υ=y j )=E{[X- μ X/Y (y j )] y j }, με την περαιτέρω προϋπόθεση ότι υπάρχει η μέση τιμή στο δεξιό μέλος. Όμοια ορίζουμε την σ (xi). Y X Β) Έστω Χ, Υ συνεχείς τ.μ. και f X Y (x y) η δεσμευμένη συνάρτηση πυκνότητας πιθανότητας της X δεδομένου ότι Y=y. Τότε η δεσμευμένη μέση τιμή της X δεδομένου ότι Y=y ορίζεται από την σχέση: μ X Y (y)=e(x Υ=y)= xf X Y (x y)dx, με την προϋπόθεση ότι το ολοκλήρωμα συγκλίνει απολύτως. Όμοια ορίζουμε την μ Y X (x). Περαιτέρω αν z=g(x,y) μια πραγματική συνάρτηση, τότε η δεσμευμένη μέση τιμή της συνεχούς τ.μ. Z=g(X,Y) δεδομένου ότι Y=y δίδεται από την σχέση: μ Ζ Υ (y)=e(z Υ=y)= g(x,y)f X Y (x y)dx, με την προϋπόθεση ότι το ολοκλήρωμα συγκλίνει απολύτως. Με την προϋπόθεση ότι υπάρχει η δεσμευμένη μέση τιμή, ορίζουμε την δεσμευμένη διασπορά της X δεδομένου ότι Y=y ως: σ X Y (y)=v(x y)=e{[x- μ X/Y (y)] Υ=y}, με την περαιτέρω προϋπόθεση ότι υπάρχει η μέση τιμή στο δεξιό μέλος. Όμοια ορίζουμε την σ Y X (x). Η καμπύλη με εξίσωση y= μ Y X (x) καλείται καμπύλη παλινδρόμησης της Y στην X. Παρατήρηση: Παρατηρούμε ότι η δεσμευμένη μέση τιμή, π.χ. μ X Y είναι σύμφωνα με τους παραπάνω ορισμούς πραγματική συνάρτηση. Για την διακριτή περίπτωση π.χ. η συνάρτηση αυτή ορίζεται για κάθε y = y j, j=0,1. και εκχωρεί στο σημείο y j τον πραγματικό αριθμό μ X Y (y j )=E(X Y=y j ). Έτσι η W = E(X Y) είναι μία διακριτή τ.μ. η οποία παίρνει τις τιμές μ X Y (y j ). Γενικότερα η μ Ζ Υ (y j ) = E(Z Υ=y j ) = E(g(X,Y) Υ=y j ) είναι μια πραγματική συνάρτηση οριζόμενη για κάθε y = y j, j=0,1.,
8 Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 8 ενώ η W = E(g(X,Y) Y) είναι μία διακριτή τ.μ. η οποία παίρνει τις τιμές μ Z Y (y j ). Ανάλογα συμπέρασμα προκύπτουν και στην συνεχή περίπτωση, καθώς επίσης και για την δεσμευμένη διασπορά. Θεώρημα: Έστω Χ, Υ τ.μ. με E(X ) <. Τότε: και E(X)=E[E(X Y)] V(X)=E[V(X Y)]+V[E(X Y)]. Ιδιότητες: 1) Ε(α 1 Χ 1 + α Χ Y) = α 1 Ε(Χ 1 Υ) + α Ε(Χ Υ), α 1, α. ) Αν Χ = h(y) τότε Ε(Χ Υ) = Χ. 3) Αν Χ, Υ ανεξάρτητες τ.μ. τότε Ε(Χ Υ) = Ε(Χ).
ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.
ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη
Διαβάστε περισσότεραΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών
Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Είδη τυχαίων διανυσµάτων 1. ιακριτού τύπου X = (X 1, X 2,...,X k ) ονοµάζεται διακριτό τυχαίο διάνυσµα αν το πεδίο τιµών του είναι της µορφής, S = {x 1 x 2 n,,...,x,...}.
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
(Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 εκεµβρίου 29 5.1. Στο τυχαίο πείραµα της ϱίψης δύο διακεκριµένων κύβων έστω X η ένδειξη του πρώτου κύβου και Y η µεγαλύτερη από τις δύο ενδείξεις. Να προσδιορισθούν
Διαβάστε περισσότεραΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 9 Νοεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Μία τυχαία µεταβλητή X καλείται διακριτή ή απαριθµητή αν παίρνει
Διαβάστε περισσότεραΕπισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας
Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής
Διαβάστε περισσότεραΜέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 )
Μέρος IV Πολυδιάστατες τυχαίες μεταβλητές Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Παν. Ιωαννίνων Δ5 ( ) Πολυδιάστατες μεταβλητές Πολλά ποσοτικά χαρακτηριστικά που σχετίζονται με
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 11 Ιανουαρίου 21 Η δεσµευµένη µέση τιµή µιας τυχαίας µεταβλητής Y σε δεδοµένο σηµείο µιας άλλης τυχαίας µεταϐλητής X = x, συµϐολιϲόµενη
Διαβάστε περισσότεραΤυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος.
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Τυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος. Εναλλακτικά η τιμή της τυχαίας μεταβλητής είναι ένα αριθμητικό γεγονός.
Διαβάστε περισσότεραΤυχαία Διανύσματα και Ανεξαρτησία
Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 21 εκεµβρίου 2009 ΑΝΕΞΑΡΤΗΣΙΑ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Ορισµός (α) Εστω (X, Y) διακριτή διδιάστατη τυχαία µεταβλητή µε συνάρτηση πιθανότητας
Διαβάστε περισσότερα3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ
20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας
Διαβάστε περισσότεραΤυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου
Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Τυχαίες Μεταβλητές Συνάρτηση Κατανοµής ιακριτές Τυχαίες Μεταβλητές Παράµετροι τ.µ. Συνεχείς Τυχαίες
Διαβάστε περισσότεραPr (a X b, c Y d) = c. f XY (x, y) dx dy, (15.1) Pr ((X, Y ) R) = f XY (x, y) dx dy. (15.2)
Κεφάλαιο 5 Συνεχής από κοινού κατανομή Στα Κεφάλαια 9 έως συναντήσαμε μια σειρά ιδιοτήτων της από κοινού κατανομής δύο ή περισσοτέρων διακριτών Τ.Μ. Εδώ θα αναπτύξουμε τις αντίστοιχες ιδιότητες για συνεχείς
Διαβάστε περισσότεραΕπισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας
Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2014 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής Με λόγια, η f ( x, y) δίνει την πιθανότητα να εμφανισθεί
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ
Τµ. Επιστήµης των Υλικών ειγµατοληψία Με ιάταξη ειγµατοληψία Χωρίς ιάταξη Χωρίς Επανατοποθέτηση (n)k Με Επανατοποθέτηση n k Χωρίς Επανατοποθέτηση ( n k) Με Επανατοποθέτηση ( n+k 1 ) k ειγµατοληψία Με ιάταξη
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι
Διαβάστε περισσότεραX 1 X 2. X d X = 2 Y (x) = e x 2. f X+Y (x) = f X f Y (x) = f X (y)f Y (x y)dy. exp. exp. dy, (1) f X+Y (x) = j= σ2 2) exp x 2 )
Εστω X : Ω R d τυχαίο διάνυσμα με ΠΟΛΥΔΙΑΣΤΑΤΗ ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ X Εχουμε δει ότι η γνώση της κατανομής καθεμιάς από τις X, X,, X d δεν αρκεί για να προσδιορίσουμε την κατανομή του X, αφού δεν περιέχει
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 16 εκεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ενδιαφέρον τόσο από ϑεωρητική άποψη, όσο και από άποψη εφαρµογών, παρουσιάζει και η από κοινού µελέτη
Διαβάστε περισσότεραP (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)
Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα
Διαβάστε περισσότεραc(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών Θεωρία Πιθανοτήτων ιδάσκων : Π. Τσακαλίδης Λύσεις Τελικής Εξέτασης - 9 Ιανουαρίου 05 Θέµα. α Η γραφική παράσταση της σ.π.π. f X x ϕαίνεται στο σχήµα :
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.
Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 2017-. Λύσεις του όγδοου φυλλαδίου ασκήσεων. 1. Έστω F X, F Y οι συναρτήσεις κατανομής των τ.μ. X, Y και F X,Y η από κοινού συνάρτηση κατανομής τους. Αποδείξτε ότι (i)
Διαβάστε περισσότερα12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων: Π. Τσακαλίδης Λύσεις 6ης Σειρά Ασκήσεων Ασκηση. α) Η περιθωριακή σ.π.π. της f X,Y για την τ.µ X γίνεται:
Διαβάστε περισσότεραΒιομαθηματικά BIO-156
Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 013 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ
ΚΕΦΑΛΑΙΟ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ Σκοπός Οι δειγματικοί χώροι, ανάλογα με τη φύση και τον τρόπο έκφρασης των ενδεχομένων τους κατατάσσονται σε ποσοτικούς και ποιοτικούς. Προφανώς ο υπολογισμός πιθανοτήτων
Διαβάστε περισσότερα4. ΔΙΜΕΤΑΒΛΗΤΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΣΕΙΡΕΣ
36 4. ΔΙΜΕΤΑΒΛΗΤΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΣΕΙΡΕΣ Στα προηγούμενα εξετάστηκαν απλές μονομεταβλητές στατιστικές σειρές, δηλ. ενός στατιστικού πληθυσμού που εξετάζεται ως προς μια μεταβλητή. Όπως ήδη έχει αναφερθεί
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26 ΙΟΥΛΙΟΥ 2008 ΕΥΤΕΡΟ ΜΕΡΟΣ :
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΑΛΓΕΒΡΑ - ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ ΑΝΑΛΥΣΗ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ
Διαβάστε περισσότεραΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ
ΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ Τα μη γραμμικά μοντέλα έχουν την πιο κάτω μορφή: η μορφή αυτή μοιάζει με τη μορφή που έχουμε για τα γραμμικά μοντέλα ( δηλαδή η παρατήρηση Y i είναι το άθροισμα της αναμενόμενης
Διαβάστε περισσότεραΜέρος ΙΙ. Τυχαίες Μεταβλητές
Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
Στατιστική Συμπερασματολογία Διαφάνειες 1 ου κεφαλαίου Βιβλίο: Κολυβά Μαχαίρα, Φ. & Χατζόπουλος Στ. Α. (2016). Μαθηματική Στατιστική, Έλεγχοι Υποθέσεων. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών
Διαβάστε περισσότεραp(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 206-207 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Από κοινού συναρτήσεις Τυχαίων Μεταβλητών Επιµέλεια : Κατερίνα Καραγιαννάκη
Διαβάστε περισσότεραΤυχαίες Μεταβλητές (τ.µ.)
Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική
Διαβάστε περισσότεραc(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων : Π. Τσακαλίδης Λύσεις 6ης Σειρά Ασκήσεων Ασκηση. (α) Εχουµε ότι : 6 5 x= y= 6 x= 6 x= c(x + y)dxdy = ) c
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότεραP(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 28 ιδάσκων: Π. Τσακαλίδης Λύσεις Εβδοµης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης: 3/2/28 Ηµεροµηνία Παράδοσης: 7/2/28
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ
ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ Στα πλαίσια του προπτυχιακού μαθήματος Χρονικές σειρές Τμήμα μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα 1 Μονοδιάστατες τυχαίες μεταβλητές Τυχαία μεταβλητή είναι
Διαβάστε περισσότεραΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π
ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς ΙΙ Πειραιάς 2007 1 2 Από κοινού συνάρτηση πυκνότητας μιας δισδιάστατης συνεχούς τυχαίας μεταβλητής Μία διδιάστατη συνεχής τυχαία μεταβλητή
Διαβάστε περισσότεραΟρίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, T ( ) μεταξύ τους ανεξάρτητα. Τότε
Η πολυδιάστατη κανονική κατανομή Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, διανύσματος =, όπου ~ N ( 0, και όλα τα μεταξύ τους ανεξάρτητα Τότε = (,, = ( 0, ( 0, f x f
Διαβάστε περισσότεραΛύσεις 4ης Ομάδας Ασκήσεων
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. Ζυγοβίστι Λύσεις 4ης Ομάδας Ασκήσεων Τμήμα Α Λ αʹ Το συνολικό πλήθος των τερμάτων που θα σημειωθούν είναι X + Y, και η μέση
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)
(Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 Νοεµβρίου 2009 Γεωµετρική κατανοµή Ορισµός Εστω X ο αριθµός των δοκιµών µέχρι την πρώτη επιτυχία σε µια ακολουθία ανεξαρτήτων δοκιµών Bernoulli µε πιθανότητα επιτυχίας
Διαβάστε περισσότεραΒιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017
Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 17 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ» ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Θέμα: «Γραμμικά μοντέλα παλινδρόμησης
Διαβάστε περισσότεραΣυνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 19/10/2017. Ακριβείς Διαφορικές Εξισώσεις-Ολοκληρωτικοί Παράγοντες. Η πρώτης τάξης διαφορική εξίσωση
Συνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 19/10/2017 Ακριβείς Διαφορικές Εξισώσεις-Ολοκληρωτικοί Παράγοντες Η πρώτης τάξης διαφορική εξίσωση M(x, y) + (x, y)y = 0 ή ισοδύναμα, γραμμένη στην μορφή M(x,
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Τυχαίες μεταβλητές: Βασικές έννοιες Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (σε αντίθεση με τις
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 2016-2017 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegean.gr Τηλ: 2271035468
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ
ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ Ακρότατα Δρ. Ιωάννης Ε. Λιβιέρης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. TEI Δυτικής Ελλάδας 2 Ακρότατα συνάρτησης Έστω συνάρτηση f A R 2 R και ένα σημείο P(x, y ) A. Η τιμή f(x, y )
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΕΙΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΚΕΦΑΛΑΙΟ 6 ΣΥΝΑΡΤΗΣΕΙΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ ΠΟΛΥΜΕΤΑΒΛΗΤEΣ ΚΑΤΑΝΟΜEΣ Σε πολλά προβλήματα, ενδιαφερόμαστε για περισσότερα από ένα χαρακτηριστικά ενός πληθυσμού. Τα χαρακτηριστικά αυτά είναι πιθανό να αλληλοεξαρτώνται
Διαβάστε περισσότεραΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010
ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 1 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα 1 Θέμα Θέμα 3 Θέμα 4 Θέμα 5 Θέμα 5* Βαθμός ΝΠΣ ΠΠΣ / / / / / /1 / / / / / / /1 ΘΕΜΑ 1: Στο ράφι
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5.4: Στατιστικοί Μέσοι Όροι 5.5 Στοχαστικές Ανελίξεις (Stochastic Processes)
Διαβάστε περισσότεραxp X (x) = k 3 10 = k 3 10 = 8 3
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο 07 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 ιακριτές Τυχαίες Μεταβλητές ( ΙΙ ) Ασκηση. Ρίχνουµε ένα αµερόληπτο εξάεδρο
Διαβάστε περισσότερα1.1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ
Κεφ. I Εισαγωγή.. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ Η ανάγκη µαθηµατικής περιγραφής και µοντελοποίησης συστηµάτων τα οποία εξελίσσονται χρονικά κατά τρόπο που περιέχει, σε µικρό ή µεγάλο βαθµό, τυχαιότητα,
Διαβάστε περισσότεραΣτατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες
Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού
Διαβάστε περισσότεραΑριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβλητής
Αριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβητής (Α) Mέση τιµή Ορισµός Η µέση τιµή ή µαθηµατική επίδα µιας τ.µ. Χ µε πυκνότητα πιθανότητας f (x) είναι ο αριθµός: µ E() + xf (x) xf (x)dx διακριτή συνεχής
Διαβάστε περισσότερα10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό
ο Φροντιστηριο ΗΥ7 - Επαναληπτικό Επιµέλεια : Γ. Καφεντζής 7 Ιανουαρίου 4 Ασκηση. Το σήµα s µεταδίδεται από ένα δορυφόρο αλλά λόγω της επίδρασης του ϑορύβου το λαµβανόµενο σήµα έχει τη µορφή X s + W. Οταν
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΟρισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }
Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συναρτήσεις πολλών μεταβλητών Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Συναρτήσεις πολλών μεταβλητών Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΠερίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων
Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων 6 Απριλίου 2009 1 Συνδυαστική Η ϐασική αρχή µέτρησης µας λέει ότι αν σε ένα πείραµα που γίνεται σε δύο ϕάσεις και στο οποίο υπάρχουν n δυνατά αποτελέσµατα
Διαβάστε περισσότεραΚατανομές Πιθανοτήτων. Γεωργία Φουτσιτζή, Καθηγήτρια, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων Ακαδ.
Κατανομές Πιθανοτήτων Γεωργία Φουτσιτζή, Καθηγήτρια, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων Ακαδ. Έτος 2018-2019 1 Περιεχόμενα Ενότητας Βασικές έννοιες από τη θεωρία Πιθανοτήτων
Διαβάστε περισσότεραΤυχαίες Μεταβλητές. Ορισμός
Τυχαίες Μεταβλητές Ορισμός Μία τυχαία μεταβλητή (τ.μ.) είναι μία συνάρτηση (ή μία μεταβλητή) η οποία καθορίζει αριθμητικές τιμές σε μία ποσότητα που σχετίζεται με το αποτέλεσμα ενός πειράματος, όπου μία
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ-ΕΙΣΑΓΩΓΙΚΟ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 011-01
Διαβάστε περισσότεραΤμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Ορισμός τυχαίας μεταβλητής Τυχαία μεταβλητή λέγεται η συνάρτηση
Διαβάστε περισσότερα1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες -Χειµερινό Εξάµηνο 01 ιδάσκων : Π. Τσακαλίδης Λύσεις : Πέµπτη Σειρά Ασκήσεων Ηµεροµηνία Ανάθεσης : 14/11/01 Ηµεροµηνία Παράδοσης : 8/11/01
Διαβάστε περισσότεραΠεριεχόμενα. Ιδιότητες του cov(x, Y) Ιδιότητες των εκτιμητών Παράδειγμα. 1 Συσχέτιση Μεταβλητών. 2 Εκτιμητές και κατάλοιπα
Περιεχόμενα 1 Συσχέτιση Μεταβλητών Ιδιότητες του cov(x, Y 2 Ιδιότητες των εκτιμητών BEΠ (UPatras Γραμμικά Μοντέλα 4η, 5η Διάλεξη, 2018-19 1 / 12 Συσχέτιση Μεταβλητών Ιδιότητες του cov(x, Y Ένα μέτρο της
Διαβάστε περισσότερα4. Απαγορεύεται η χρήση υπολογιστή χειρός. Απαγορεύεται η χρήση κινητού, και ως υπολογιστή χειρός.
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ, ΙΩΑΝΝΗΣ ΚΟΝΤΟΓΙΑΝΝΗΣ, ΣΤΑΥΡΟΣ ΤΟΥΜΠΗΣ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ, ΙΟΥΝΙΟΣ 207 ΟΝΟΜΑ ΦΟΙΤΗΤΗ:.............................. Οδηγίες. Συμπληρώστε το όνομά
Διαβάστε περισσότεραΟρισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }
Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το
Διαβάστε περισσότεραΌταν η s n δεν συγκλίνει λέμε ότι η σειρά αποκλίνει.
Όταν η s δεν συγκλίνει λέμε ότι η σειρά αποκλίνει. Παρατήρηση: Το αντίστροφο του προηγουμένου θεωρήματος δεν ισχύει. Παράδειγμα η σειρά με νιοστό όρο α = +-. Τότε lim α =0. Όμως s =α +α + +α = - + 3- +...+
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.
Διαβάστε περισσότεραa n n! = ea e y2 2 y 0 10E(n A) = = 100 E(k) = n p = = 4.6
Πιθανότητες και Τυχαία Σήματα Λύσεις Θεμάτων Ιουνίου 200 Ασκηση (20 μονάδες) Οι 7 νάνοι ψάχνουν για διαμάντια στα ορυχεία τους. Στο ορυχείο A τα διαμάντια ανακαλύπτονται σύμφωνα με την κατανομή Poisson
Διαβάστε περισσότεραP(200 X 232) = =
ΕΝΔΕΙΚΤΙΚΑ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΕΣ. Το μέγεθος ενός αναλογικού σήματος, που λαμβάνεται από έναν ανιχνευτή και μετράται σε microvolts, είναι τυχαία μεταβλητή που ακολουθεί την Κανονική κατανομή Ν(00, 6) σε συγκεκριμένη
Διαβάστε περισσότεραVar(X 1 + X 2 ) = σ 2 X 1. E(Y ) = np (3) xf X (x) xp(x = x) (x 1 + x 2 )f X1 X 2. x 1 f X1 X 2. (x 1, x 2 ) + x 2 f X1 X 2. (x 1, x 2 ) + x 1,x 2
Ροπές πίνακας περιεχομένων Πότε χρειάζεται η ανεξαρτησία;....................... 3 Ιδιότητες κλιμάκωσης.............................. 8 Μέση τιμή και ccdf.............................. 1 Ο νόμος των μεγάλων
Διαβάστε περισσότεραP( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο ιδάσκων: Π. Τσακαλίδης 9ο Φροντιστήριο Επιµέλεια: Κωνσταντίνα Φωτιάδου Ασκηση. Η τ.µ. X ακολουθεί την κανονική κατανοµή
Διαβάστε περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΣτοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές
Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο
Διαβάστε περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Κατανόηση της έννοιας κατανοµής πιθανοτήτων συνεχούς τυχαίας µεταβλητής Υπολογισµός της συνάρτησης κατανοµής πιθανοτήτων τυχαίων µεταβλητών καθώς και την µέση τιµή και διασπορά τους
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26 ΙΟΥΛΙΟΥ 2009 ΕΥΤΕΡΟ ΜΕΡΟΣ :
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΑΛΓΕΒΡΑ-ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ ΑΝΑΛΥΣΗ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων Ι
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 4: Πολυδιάστατες Τυχαίες Μεταβλητές Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες
Διαβάστε περισσότεραΣτατιστική. Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας Γεώργιος Ζιούτας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότερα17/10/2016. Στατιστική Ι. 3 η Διάλεξη
Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
15/1/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 10 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος:
Διαβάστε περισσότεραΑναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ
Αναγνώριση Προτύπων Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern Recognition A Matlab Approach, S. Theodoridis,
Διαβάστε περισσότεραΑκολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50
Άσκηση 1 η 1 η Εργασία ΔΙΠ50 Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50 Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ
Τµ. Επιστήµης των Υλικών Συνάρτηση Κατανοµής Ορισµός F(x) = P(X x) = f(t) x t x f(t)dt, X διακριτή τ.µ., X συνεχής τ.µ. Ιδιότητες 0 F(x). 2 F είναι αύξουσα συνάρτηση. 3 F είναι συνεχής εκ δεξιών. 4 lim
Διαβάστε περισσότεραΣτατιστική. Εκτιμητική
Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια
Διαβάστε περισσότεραΚεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων
Κεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων Τυχαίες Μεταβλητές Τυχαία μεταβλητή είναι μια συνάρτηση ή ένας κανόνας που αντιστοιχίζει έναν αριθμό σε κάθε αποτέλεσμα ενός τυχαίου πειράματος.
Διαβάστε περισσότεραΑΣΚΗΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΤΙΚΗ
Φουσκάκης- Ασκήσεις στην Εκτιµητική ΑΣΚΗΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΤΙΚΗ ) Έστω Χ,, Χ και Υ,,Υ ανεξάρτητα τµ από πληθυσµούς µε µέση τιµή θ και γνωστές διασπορές σ και σ είξτε ότι για c [0,] η U = c X +(-c) Y είναι
Διαβάστε περισσότεραΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
- - ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ3 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 009-0 ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ - - ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΥΝΟΨΗΣ
Διαβάστε περισσότεραcov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα
Διαβάστε περισσότεραΟρίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, T ( ) μεταξύ τους ανεξάρτητα. Τότε
Η πολυδιάστατη κανονική κατανομή Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, διανύσματος X X X ), όπου X ~ N (,) και όλα τα X μεταξύ τους ανεξάρτητα Τότε ( ) (,, ) (, )
Διαβάστε περισσότεραΣυνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις.
Συνεχείς Κατανομές Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Συνεχείς Κατανομές τεχνικές 0 ασκήσεις Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α 6 9 7. 0 0. 8 8. 8 8 Kglos.gr / 0 / 0 6 εκδόσεις Καλό πήξιμο τηλ. Οικίας
Διαβάστε περισσότεραΧρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραf(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)
Κεφάλαιο 11 Συνεχείς κατανομές και ο Ν.Μ.Α. Στο προηγούμενο κεφάλαιο ορίσαμε την έννοια της συνεχούς τυχαίας μεταβλητής, και είδαμε τις βασικές της ιδιότητες. Εδώ θα περιγράψουμε κάποιους ιδιαίτερους τύπους
Διαβάστε περισσότεραΟλοκληρωτικός Λογισμός
Ολοκληρωτικός Λογισμός Ορισμένο Ολοκλήρωμα Αόριστο Ολοκλήρωμα o Ιδιότητες Αόριστου Ολοκληρώματος o Βασικά Αόριστα ολοκληρώματα o Τεχνικές Ολοκλήρωσης o Ολοκλήρωση ρητών συναρτήσεων Εφαρμογές Ολοκληρώματος
Διαβάστε περισσότερα2. Στοιχεία Πολυδιάστατων Κατανοµών
Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε
Διαβάστε περισσότεραn i P(x i ) P(X = x i ) = lim
Κεϕάλαιο 2 Πιθανότητες και Τυχαίες Μεταβλητές Μπορούµε να καταλάβουµε την έννοια της πιθανότητας από τη σχετική συχνότητα εµϕάνισης n i κάποιας τιµής x i µιας διακριτής τ.µ. X. Αν είχαµε τη δυνατότητα
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)
(ΣΥΝΕΧΕΙΑ) Χαράλαµπος Α. Χαραλαµπίδης 9 εκεµβρίου 2009 Η ηµαντικότερη κατανοµή πιθανότητας της Θεωρίας Πιθανοτήτων και της Στατιτικής, µε µεγάλο πεδίο εφαρµογών, είναι η κανονική κατανοµή. Η κατανοµή αυτή
Διαβάστε περισσότεραΔηλαδή η ρητή συνάρτηση είναι πηλίκο δύο ακέραιων πολυωνύμων. Επομένως, το ζητούμενο ολοκλήρωμα είναι της μορφής
D ολοκλήρωση ρητών συναρτήσεων Το θέμα μας στην ενότητα αυτή είναι η ολοκλήρωση ρητών συναρτήσεων. Ας θυμηθούμε πρώτα ποιες συναρτήσεις ονομάζονται ρητές. Ορισμός: Μία συνάρτηση ονομάζεται ρητή όταν μπορεί
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 205 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Κατερίνα Καραγιαννάκη Ασκηση. Η τυχαία µεταβλητή X έχει αθροιστική
Διαβάστε περισσότεραΤυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ. Το 1ο Θέμα στις πανελλαδικές εξετάσεις
Επιμέλεια Καραγιάννης Β. Ιωάννης Σχολικός Σύμβουλος Μαθηματικών ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Το ο Θέμα στις πανελλαδικές εξετάσεις Ερωτήσεις+Απαντήσεις
Διαβάστε περισσότερα