Μέθοδος Newton-Raphson
|
|
- ebrew Θεοτόκης
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Κεφάλαιο 14 Μέθοδος Newton-Raphson Θα συζητήσουµε υπολογισµό της εκτιµήτριας µεγίστης πιθανοφάνειας µε τη µέ- ϑοδο Newton-Raphson. Αν και υπάρχουν περιπτώσεις για τις οποίες η λύση µπορεί να υπολογιστεί ακριβώς, στα περισσότερα παραδείγµατα η Ε.Μ.Π. πρέπει να ϐρεθεί µε αναδροµικές αριθµητικές µεθόδους, όπως η Newton-Raphson. Θα συζητήσουµε τις ϐασικές αρχές µε ένα παράδειγµα Παράδειγµα Τα δεδοµένα αναφέρονται σε ώρες επιβίωσης που µετρούν την αντοχή συγκεκριµένων πλοίων σε συνθήκες πίεσης (Τα δεδοµένα παρατίθενται στο Παράρτηµα). Ενα συγκεκριµένο µοντέλο που χρησιµοποιείται για ανάλυση δεδοµένων επιβίωσης είναι η κατανοµή Weibull. όπου, f(y; λ; θ) = λyλ 1 θ λ e ( y θ )λ, y > 0, λ : παράµετρος που καθορίζει το σχήµα της κατανοµής, και ϑ: παράµετρος που καθορίζει την κλίµακα ίνονται τα γραφήµατα της κατανοµής Weibull για λ = 1, 2 και θ = 1, 2 (Σχήµα 14.1) για κατανόηση του σχήµατος της συνάρτησης πυκνότητας πιθανότητας. > x=seq(0,10, length=100) > par(mfrow=c(1,2)) > plot(x, dweibull(x, shape=2, scale=1), type="l", ylab="density") > lines(x, dweibull(x, shape=2, scale=2), lty=2) 173
2 > title(main="weibull Distribution, shape=2") > leg.names<-c("scale=1","scale=2") > legend(locator(1),leg.names,lty=1:2,bty="n") > plot(x, dweibull(x, shape=1, scale=1), type="l", ylab="density") > lines(x, dweibull(x, shape=1, scale=2), lty=2) > title(main="weibull Distribution, shape=1") > leg.names<-c("scale=1","scale=2") > legend(locator(1),leg.names,lty=1:2,bty="n") Weibull Distribution, shape=2 Weibull Distribution, shape=1 Density scale=1 scale=2 Density scale=1 scale= x x Σχήµα 14.1: Κατανοµή Weibull για λ = 1, 2 και θ = 1, 2. Επίσης στο Σχήµα 14.2 δίνεται το ιστόγραµµα των σχετικών δεδοµένων και το QQ plot µε ϐάση την κατανοµή Weibull µε λ = 2. > par(mfrow=c(1,2)) > hist(lifetimes) > library("car") > qq.plot(lifetimes, dist="weibull", shape=2) > qqline(lifetimes, rweibull(49, shape=2)) Οπως ϐλέπουµε από το Σχήµα 14.2, µπορύµε να υποθέσουµε ότι τα δεδοµένα ακολουθούν την κατανοµή Weibull µε λ = 2 (γαιτί ) Αφού έχουµε αποδεχτεί ότι 174
3 Histogram of lifetimes Frequency lifetimes lifetimes weibull quantiles Σχήµα 14.2: Ιστόγραµµα και QQ plot των δεδοµένων. η παράµετρος λ είναι γνωστή, έστω τώρα y 1,..., y n δεδοµένα µε λ γνωστό (στην περίπτωσή µας n = 49). Τότε η από κοινού συνάρτηση πυκνότητας πιθανότητας δίνεται από f(y 1,..., y n ; θ) = οπότε η πιθανοφάνεια δίνεται από n λ 1 λy i θ λ e ( y i θ ) λ, L(θ) = log f(y 1,..., y n ; θ) = n { (λ 1) log y i + log λ λ log θ ( y i θ )λ}. Στην R η συνάρτηση λογαριθµικής πιθανοφάνειας L(θ) µπορεί να οριστεί ως α- κολούθως : > loglikelihood <- function(data, theta, lambda=2) + { + 175
4 logl<-sum((lambda-1)*log(data)+log(lambda)-lambda*log(theta)- + (data/theta)^{lambda}) + return(logl) > theta1 <- seq(7000, 15000, by=100) > loglik=rep(na, length(theta1)) > for (i in 1:length(theta1)) + { + loglik[i]=loglikelihood(lifetimes, theta1[i]) Το γράφηµα της παρουσιάζεται στο Σχήµα 14.3 και παρατηρούµε ότι υπάρχει τιµή της θ η οποία µεγιστοποιεί την L(θ). Η συνάρτηση score δίνεται από dl dθ = U = και στην R ορίζεται ως n { λθ + λy i λ } θ λ+1 = λn θ + λ n yλ i θ λ+1, > get.score <- function(data, theta, lambda=2) + { + score<--(lambda*length(data)/theta)+ + lambda*(sum(data^{lambda}))/(theta^{3}) + return(score) Παρατηρούµε ότι για λ = 2, U(θ) = 0 2n θ + 2 n y i 2 θ 3 = 0 n n θ = y i 2 n θ 3 θ 2 = y i 2 n n θ = y i 2, n δηλαδή η Ε.Μ.Π. µπορεί να υπολογιστεί ακριβώς. αποτέλεσµα µε εκείνο το οποίο δίνουν οι αναδροµικές µέθοδοι. εξηγούµε τη µέθοδο Newton-Raphson. Θα συγκρίνουµε το ακριβές Πρώτα όµως Γενικά ϑέλουµε να υπολογίσουµε την τιµή της x, για την οποία f(x) = 0. Η εφαπτοµένη της f(x) στο σηµείο x (m 1) δίνεται από [ ] df = f (x (m 1) ) = f(x(m) ) f(x(m 1) ), dx x=x x (m) x (m 1) (m 1) 176
5 log likelihood function Values of theta Σχήµα 14.3: Γράφηµα της συνάρτησης λογαριθµικής πιθανοφάνειας. όπου η απόσταση x (m) x (m 1) είναι µικρή. Αν το x (m) είναι η λύση της f(x) = 0, δηλαδή f(x (m) ) = 0, έχουµε ότι x (m) = x (m 1) f(x(m 1) ) f (x (m 1) ). Για m = 1, 2,..., και µε αρχική τιµή x (1), ϐρίσκουµε διαδοχικές προσεγγίσεις έτσι ώστε x (m) x (m 1) < ε. Ειδικά, για την εκτιµήτρια µεγίστης πιθανοφάνειας (Ε.Μ.Π), Εχουµε ότι, και θ (m) = θ (m 1) U(θ(m 1) ) U (θ (m 1) ). U(θ) = 2n θ + 2 n y i 2 θ 3 = 0, du(θ) dθ = U (θ) = n { λ θ 2 λ(λ + 1)y i θ λ+2 λ } = 2n θ yi θ 4, όπου στην τελευταία ισότητα ϑέτουµε λ = 2. Αντί να χρησιµοποιήσουµε την U (θ), ϑέτουµε στην παραπάνω αναδροµική σχέση την E(U (θ)) = J(θ). Μπορεί να 177
6 αποδειχτεί ότι J(θ) = E(U (θ)) = λ2 n θ 2. Η συνάρτηση J(θ) ονοµάζεται πληροφορία Fischer και γραφεταί στην R ως > get.information <- function(data, theta, lambda=2) + { + information <- (lambda^{2}*length(data))/(theta^{2}) + return(information) Συνεπώς, καταλήγουµε σε µια τροποποίηση του αλγορίθµου Newton-Raphson, ο οποίος ονοµάζεται Fisher scoring. ηλαδή, θ (m) = θ(m 1) + U(θ(m 1) ) J(θ (m 1) ), Χρησιµοποιώντας την πιο πάνω αναδροµική σχέση µπορούµε να ϐρούµε την εκτι- µήτρια µέγιστης πιθανοφάνειας για το θ. Το τυπικό σφάλµα για το θ δίνεται από τον τύπο s(ˆθ) = 1 J, και ένα 95% διάστηµα εµπιστοσύνης δίνεται από ˆθ ± 1.96 s(ˆθ). Στη συνέχεια παρουσιάζεται πώς εφαρµόζεται η µέθοδος αυτή στην R για να υπολογιστεί η Ε.Μ.Π. για το θ, το τυπικό του σφάλµα και ένα 95% διάστηµα εµπιστοσύνης. > ybar <- mean(lifetimes) > ybar [1] > theta <- ybar > it <- 0 ####iterative count > del <- 1 ####iterative adjustment > while(abs(del) > && (it <- it+1) < 10) + { + del<-get.score(lifetimes,theta)/get.information(lifetimes,theta) + theta <- theta+del + cat(it,theta,get.score(lifetimes,theta), 178
7 + get.information(lifetimes,theta),"\n") e e e e e e e-06 > sqrt(mean(lifetimes^{2})) ###exact value [1] > ##########Confidence Interval > sderror <- sqrt(1/ e-06) > sderror [1] > *sderror; *sderror [1] [1] Από τα παραπάνω, παρατηρούµε ότι οι αναδροµικές σχέσεις που ορίζονται από τον αλγόριθµο Fisher-scoring συγκλίνουν στην ακριβή τιµή της ˆθ. Παράρτηµα Τα δεδοµένα που χρησιµοποιούνται σε αυτό το κεφάλαιο για την εύρεση της Ε.Μ.Π. µε την µέθοδο Newton-Raphson. lifetimes
8
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 13 Μαρτίου 2017 1/31 Βασικοί ορισμοί. Ορισμός 1: Τυχαίο δείγμα. Τυχαίο δείγμα μεγέθους n από
Διαβάστε περισσότεραΑνάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραΑνάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα
Διαβάστε περισσότεραΣυστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson
Ιαν. 009 Συστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson Έστω y, y,, yn παρατηρήσεις µιας m -διάστατης τυχαίας µεταβλητής µε συνάρτηση πυκνότητας πιθανότητας p( y; θ) η οποία περιγράφεται από ένα
Διαβάστε περισσότεραA(θ) = n log θ B(x ) = 0. T (x ) = x i. Γ(n)θ n =
ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «ΣΤΑΤΙΣΤΙΚΗ Ι : ΕΚΤΙΜΗΤΙΚΗ» Πέµπτη 24 Ιουνίου 24 Εξεταστική περίοδος Ιουνίου 24 ΘΕΜΑΤΑ. Θεωρώντας ως κριτήριο το µέσο τετραγωνικό σφάλµα : (α ( µονάδες Εστω, 2 δύο εκτιµητές τού g(θ.
Διαβάστε περισσότεραΑκρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange
64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από
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 περισσότεραΚεφάλαιο 23 Παραδείγµατα Μεθόδων E-M Αλγόριθµου
Κεφάλαιο 23 Παραδείγµατα Μεθόδων E-M Αλγόριθµου Οι µέθοδοι E-M αλγόριθµου µπορούν να επεξηγηθούν πιο εύκολα στην περίπτωση ενός τυχαίου δείγµατος το οποίο αποτελείται από παρατηρηθείσες και µη παρατηρηθείσες
Διαβάστε περισσότεραΤεχνικές Αναδειγµατοληψίας
Κεφάλαιο 11 Τεχνικές Αναδειγµατοληψίας Ο στατιστικός πολύ συχνά ενδιαφέρεται να υπολογίσει µια εκτιµήτρια µαζί µε το τυπικό της σφάλµα µε σκοπό να κατασκευάσει διαστήµατα εµπιστοσύνης για την πραγµατική
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 περισσότεραΑριθµητική Ανάλυση. ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης. 21 εκεµβρίου 2015 ΕΚΠΑ
Αριθµητική Ανάλυση Κεφάλαιο 9. Αριθµητική Παραγώγιση ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 21 εκεµβρίου 2015 ιδάσκοντες:τµήµα Α ( Αρτιοι)
Διαβάστε περισσότεραΤο θεώρηµα πεπλεγµένων συναρτήσεων
57 Το θεώρηµα πεπλεγµένων συναρτήσεων Έστω F : D R R µια ( τουλάχιστον ) C συνάρτηση ορισµένη στο ανοικτό D x, y D F x, y = Ενδιαφερόµαστε για την ύπαρξη µοναδικής και ώστε διαφορίσιµης συνάρτησης f ορισµένης
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί 19Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 19 εκεµβρίου 2015 Ανάλυση (ή Επιστηµονικοί 19Υπολογισµοί
Διαβάστε περισσότεραΑσκήσεις Γενικά Μαθηµατικά Ι Οµάδα 8 (λύσεις)
Ασκήσεις Γενικά Μαθηµατικά Ι Οµάδα 8 (λύσεις) Λουκάς Βλάχος και Μανώλης Πλειώνης Άσκηση : (α) Να υπολογισθεί το γενικευµένο ολοκλήρωµα (x+)(x 2 +) (ϐ) Να υπολογισθεί το ολοκλήρωµα f(x) f(x)+f(x+) για κάθε
Διαβάστε περισσότεραΚεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. ˆθ παίρνει διαφορετικές τιµές, δηλαδή η ˆθ είναι η ίδια τ.µ. µε κάποια κατανοµή κι έχει µέση
Κεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ Οι στατιστικές δείγµατος, όπως η δειγµατική µέση τιµή x και η δειγµατική διασπορά s 2, που ϑα δούµε παρακάτω, υπολογίζονται από τα στατιστικά δεδοµένα που έχουµε συλλέξει
Διαβάστε περισσότεραΕκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE)
Εκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE) Εστω τ.δ. X={x, x,, x } με κατανομή με σ.π.π. f(x;θ). Η από-κοινού σ.π.π. των δειγμάτων είναι η συνάρτηση L f x, x,, x; f x i ; και
Διαβάστε περισσότεραΑνάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα
Διαβάστε περισσότεραΠροσοµοίωση. Κεφάλαιο 6. 6.1 Ο Ασθενής Νόµος των Μεγάλων Αριθµών. X = 1 n
Κεφάλαιο 6 Προσοµοίωση Αυτό το κεφάλαιο συµπληρώνει το προηγούµενο κεφάλαιο το οποίο αναφερόταν στο πώς µπορεί να γίνει απλός προγραµµατισµός στην R. Θα χρησιµοποιηθούν οι έννοιες του προγραµµατισµού για
Διαβάστε περισσότεραΑριθµητική Ανάλυση. Ενότητα 6 Αριθµητική Παραγώγιση και Ολοκλήρωση. Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών,
Αριθµητική Ανάλυση Ενότητα 6 Αριθµητική Παραγώγιση και Ολοκλήρωση Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αριθµητική Ανάλυση - Ενότητα 6 1 / 36 Αριθµητική Παραγώγιση
Διαβάστε περισσότεραΓραφήµατα. Κεφάλαιο Απλά Γραφήµατα. > x <- rnorm(50, mean=1, sd=2) > plot(x) > y <- seq(0,20,.1) > z <- exp(-y/10)*cos(2*y)
Κεφάλαιο 4 Γραφήµατα Τα γραφήµατα είναι πολύ χρήσιµα για την οπτική αναπαράσταση των δεδοµένων και καθοδηγούν τον στατιστικό στην διαδικασία της µοντελοποίησης και αξιολόγησης της ανάλυσης. Το κεφάλαιο
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
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 περισσότεραΟρια Συναρτησεων - Ορισµοι
Ορια Συναρτησεων - Ορισµοι Λυγάτσικας Ζήνων Βαρβάκειο Ενιαίο Πειραµατικό Λύκειο 3 Σεπτεµβρίου 205 Εισαγωγή Στην παράγραφο αυτή ϑα δούµε πως προκύπτει η ιδέα του ορίου στην προσπά- ϑεια να ορίσουµε την
Διαβάστε περισσότερα11ο Πανελλήνιο Συνέδριο της ΕΕΦ, Λάρισα 30-31/03, 1-2/04/2006. Πρακτικά Συνεδρίου
ο Πανελλήνιο Συνέδριο της ΕΕΦ, Λάρισα 30-3/03, -/04/006. Πρακτικά Συνεδρίου Έµµεσες µετρήσεις φυσικών µεγεθών. Παράδειγµα: Ο πειραµατικός υπολογισµός του g µέσω της µέτρησης του χρόνου των αιωρήσεων απλού
Διαβάστε περισσότεραη πιθανότητα επιτυχίας. Επομένως, η συνάρτηση πιθανοφάνειας είναι ίση με: ( ) 32 = p 18 1 p
ΑΣΚΗΣΗ 1 ΣΕΜΦΕ 14-15 i. Έστω yi ο αριθμός των προσπαθειών κάθε μαθητή μέχρι να πετύχει τρίποντο. Ο αριθμός των προσπαθειών πριν ο μαθητής να πετύχει τρίποντο θα είναι xi = yi - 1, i = 1,,18. 2 2 3 2 1
Διαβάστε περισσότεραΚατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram).
Ιωάννης Παραβάντης Επίκουρος Καθηγητής Τµήµα ιεθνών και Ευρωπαϊκών Σπουδών Πανεπιστήµιο Πειραιώς Μάρτιος 2010 Κατανοµές 1. Οµοιόµορφη κατανοµή Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται
Διαβάστε περισσότεραStart Random numbers Distributions p-value Confidence interval.
Υπολογιστική Στατιστική με τη γλώσσα R Κατανομές και έλεγχοι υποθέσεων Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr 19 Δεκεμβρίου 2013 1 / 33 Επισκόπηση 1 1 Start 2 Random numbers 3 Distributions
Διαβάστε περισσότεραΚεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού
Σελίδα 1 από Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Στο κεφάλαιο αυτό θα ασχοληθούµε µε τα βασικά θεωρήµατα του διαφορικού λογισµού καθώς και µε προβλήµατα που µπορούν να επιλυθούν χρησιµοποιώντας
Διαβάστε περισσότερα1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος
Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο
Διαβάστε περισσότεραόπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 10: Η γραφική παράσταση της συνάρτησης f (x) = 1/x.
3 Ορια συναρτήσεων 3. Εισαγωγικές έννοιες. Ας ϑεωρήσουµε την συνάρτηση f () = όπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 0: Η γραφική παράσταση της συνάρτησης f () = /. ϕυσικό να αναζητήσουµε την
Διαβάστε περισσότεραf x = f a + Df a x a + R1 x, a, x U και από τον ορισµό της 1 h f a h f a h a h h a R h a i i j
Το θεώρηµα Tor στις πολλές µεταβλητές Ο σκοπός αυτής της παραγράφου είναι η απόδειξη ενός θεωρήµατος τύπου Tor για συναρτήσεις πολλών µεταβλητών Το θεώρηµα για µια µεταβλητή θα είναι ειδική περίπτωση του
Διαβάστε περισσότεραΚεφάλαιο 6 Παράγωγος
Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της
Διαβάστε περισσότεραΌρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων.5. Ορισµός. Έστω, f : Α συνάρτηση συσσώρευσης του Α και b σηµείο. Λέµε ότι η f έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li = ή f b f b αν και µόνο αν, για κάθε
Διαβάστε περισσότεραΔιάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου
Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Στατιστική Συμπερασματολογία Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων εκτιμήτρια συνάρτηση, ˆ θ σημειακή εκτίμηση εκτίμηση με διάστημα εμπιστοσύνης
Διαβάστε περισσότεραΜέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)
Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics) Τυχαίο δείγμα και στατιστική συνάρτηση Χ={x 1, x,, x n } τυχαίο δείγμα μεγέθους n προερχόμενο από μια (παραμετρική) κατανομή με σ.π.π. f(x;θ).
Διαβάστε περισσότεραΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΙΑΝΟΥΑΡΙΟΥ 2010 ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ. =. Οι πρώτες µερικές u x y
ΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΙΑΝΟΥΑΡΙΟΥ ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ ΘΕΜΑ α) Καταρχήν θα µελετήσουµε την συνάρτηση f Η f γράφεται f ( ) = ( x + )( x ) ( x ) ή ακόµα f ( ) = u( x,
Διαβάστε περισσότεραΑριθµητική Ανάλυση. Ενότητα 5 Προσέγγιση Συναρτήσεων. Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών,
Αριθµητική Ανάλυση Ενότητα 5 Προσέγγιση Συναρτήσεων Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αριθµητική Ανάλυση - Ενότητα 5 1 / 55 Παρεµβολή Ας υποθέσουµε ότι δίνονται
Διαβάστε περισσότεραΕΥΡΕΣΗ ΣΥΝΟΛΟΥ ΤΙΜΩΝ ΣΥΝΑΡΤΗΣΗΣ. της f : A. Rούτε εύκολη είναι ούτε πάντοτε δυνατή. Για τις συναρτήσεις f (x) = x ηµ x και ΜΕΘΟ ΟΛΟΓΙΑ
ΕΥΡΕΣΗ ΣΥΝΟΛΟΥ ΤΙΜΩΝ ΣΥΝΑΡΤΗΣΗΣ Έστω fµια συνάρτηση µε πεδίο ορισµού το Α. Το σύνολο των τιµών της είναι f( A) { R = υπάρχει (τουλάχιστον) ένα A : f () = }. Ο προσδιορισµός του συνόλου τιµών f( A) της
Διαβάστε περισσότεραf x = f a + Df a x a + R1 x, a, x U και από τον ορισµό της 1 h f a h f a h a h h a R h a i i j
Το θεώρηµα Tor στις πολλές µεταβλητές Ο σκοπός αυτής της παραγράφου είναι η απόδειξη ενός θεωρήµατος τύπου Tor για συναρτήσεις πολλών µεταβλητών Το θεώρηµα για µια µεταβλητή θα είναι ειδική περίπτωση του
Διαβάστε περισσότεραΚρυπτογραφία και Πολυπλοκότητα
Απόδειξη του Αλγορίθµου Tonelli - Shanks Σχολή Εφαρµοσµένων και Φυσικών Επιστηµών ευτέρα 13 Φεβρουαρίου 2011 Το Πρόβληµα Να ϐρούµε x 1, x 2 Z p τέτοια ώστε: για κάποιο a Z p. x 2 i a (mod p) i 1, 2 (1)
Διαβάστε περισσότερα2. Δυναμικό και χωρητικότητα αγωγού.
. Δυναμικό και χωρητικότητα αγωγού. Σε όλα τα σηµεία ενός αγωγού, σε ηλεκτροστατική ισορροπία, το δυναµικό είναι σταθερό. Για παράδειγµα, στην φορτισµένη σφαίρα του διπλανού σχήµατος τα σηµεία Α και Β
Διαβάστε περισσότεραStatXact ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. StatXact. ΜΑΘΗΜΑ 5 ΕΡΓΑΣΤΗΡΙΟ 1 - συνέχεια ΜΕΤΡΑ ΚΙΝ ΥΝΟΥ & ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΜΕ ΤΗΝ ΧΡΗΣΗ StatXact
ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο StatXact ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ ΜΑΘΗΜΑ 5 ΕΡΓΑΣΤΗΡΙΟ 1 - συνέχεια ΜΕΤΡΑ ΚΙΝ ΥΝΟΥ & ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ
Διαβάστε περισσότερα< 1 για κάθε k N, τότε η σειρά a k συγκλίνει. +, τότε η η σειρά a k αποκλίνει.
Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο 3: Σειρές πραγµατικών αριθµών Α Οµάδα. Εστω ( ) µια ακολουθία πραγµατικών αριθµών. Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς (αιτιολογήστε
Διαβάστε περισσότερα( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η
Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν
Διαβάστε περισσότερα(X1 X 2 ) 2}. ( ) f 1 (x i ; θ) = θ x i. (1 θ) n x i. x i log. i=1. i=1 t2 i
ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΣΤΑΤΙΣΤΙΚΗ I: ΕΚΤΙΜΗΤΙΚΗ 8 Ιουνίου 005 Εξεταστική περίοδος Ιουνίου 005 ΘΕΜΑΤΑ Εστω X = (X,, X n ), n, τυχαίο δείγµα από κατανοµή Bernoull B(, θ), θ Θ = (0, ) (α) (0 µονάδες) Να δειχθεί
Διαβάστε περισσότεραΓ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )
ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΚΥΡΙΑΚΗ /0/0 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ:ΕΝΝΕΑ (9) ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΘΕΜΑ
Διαβάστε περισσότερα( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η
Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Εκτιμητική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΌρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων 5 Ορισµός Έστω, : Α συνάρτηση συσσώρευσης του Α και b σηµείο Λέµε ότι η έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li ή b b αν και µόνο αν, για κάθε ε > υπάρχει
Διαβάστε περισσότερα1 Οι πραγµατικοί αριθµοί
1 Οι πραγµατικοί αριθµοί 1.1 Σύνολα αριθµών Το σύνολο των ϕυσικών αριθµών N = {1, 2, 3,...} Το σύνολο των ακεραίων Z = {... 3, 2, 1, 0, 1, 2, 3,...}. Οι ακέραιοι διαµερίζονται σε άρτιους και περιττούς
Διαβάστε περισσότεραΑσκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό.
Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο : Ακολουθίες πραγµατικών αριθµών Α Οµάδα Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς αιτιολογήστε πλήρως την απάντησή σας α Κάθε
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε
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 περισσότεραΜαθηµατικα Γενικης Παιδειας Γ Λυκειου
Μαθηµατικα Γενικης Παιδειας Γ Λυκειου 1 ιαφορικός Λογισµός Θέµα 1. ίνεται η συνάρτηση = ln(x 1)+1. α ) Να ϐρεθεί το πεδίο ορισµού της f. ϐ ) Να ϐρεθεί η f και το πεδίο ορισµού της. γ ) Να µελετηθεί η f
Διαβάστε περισσότεραΥπολογισµός τριπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση
00 Υπολογισµός τριπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση Στην παράγραφο αυτή θα δούµε πως µπορεί να χρησιµοποιηθεί το θεώρηµα Fubini για τον υπολογισµό τριπλών ολοκληρωµάτων. Ξεκινούµε µε την διατύπωση
Διαβάστε περισσότεραΚεϕάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. {x 1,..., x n } της X από ένα δείγµα µεγέθους n. Τότε η σηµειακή εκτίµηση της θ δίνεται
Κεϕάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ Οι στατιστικές δείγµατος που υπολογίζονται από τα δεδοµένα που έχουν συλλεχθεί, όπως η δειγµατική µέση τιµή x και η δειγµατική διασπορά s 2, χρησιµοποιούνται για την εκτίµηση
Διαβάστε περισσότερα9 εύτερη παράγωγος κι εφαρµογές
9 εύτερη παράγωγος κι εφαρµογές Εστω ότι η y = f x είναι παραγωγίσιµη σε κάποιο διάστηµα το οποίο περιέχει τον x 0 και ότι η f x η οποία ορίζεται στο διάστηµα αυτό έχει µε την σειρά της παράγωγο στο x
Διαβάστε περισσότεραWinBUGS. Το BUGS (Bayesian inference Using Gibbs Sampling) είναι ένα ελεύθερο λογισµικό στο διαδίκτυο (http://www.mrcbsu.cam.ac.uk/bugs/welcome.
WinBUGS Το BUGS (Bayesian inference Using Gibbs Sampling) είναι ένα ελεύθερο λογισµικό στο διαδίκτυο (http://www.mrcbsu.cam.ac.uk/bugs/welcome.shtml) το οποίο χρησιµοποιεί MCMC µεθόδους για την επίλυση
Διαβάστε περισσότεραn + 1 X(1 + X). ) = X i i=1 i=1
ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΣΤΑΤΙΣΤΙΚΗ I: ΕΚΤΙΜΗΤΙΚΗ 6 Σεπτεµβρίου 005 Εξεταστική περίοδος Σεπτεµβρίου 005 ΘΕΜΑΤΑ 1 1. Εστω X (X 1,..., X ) τυχαίο δείγµα από γεωµετρική κατανοµή Ge(), Θ (0, 1). (α) (10 µονάδες)
Διαβάστε περισσότερα14 Εφαρµογές των ολοκληρωµάτων
14 Εφαρµογές των ολοκληρωµάτων 14.1 Υπολογισµός εµβαδών µε την µέθοδο των παράλληλων διατοµών Θεωρούµε µια ϕραγµένη επίπεδη επιφάνεια A µε οµαλό σύνορο, δηλαδή που περιγράφεται από µια συνεχή συνάρτηση.
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΚΡΥΠΤΟΛΟΓΙΑ ΣΗΜΕΙΩΣΕΙΣ #6 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΚΡΥΠΤΟΛΟΓΙΑ ΣΗΜΕΙΩΣΕΙΣ #6 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ 1. Το προβληµα του διακριτου λογαριθµου Στο µάθηµα αυτό ϑα δούµε κάποιους αλγόριθµους για υπολογισµό διακριτών λογάριθµων. Θυµίζουµε ότι στο
Διαβάστε περισσότεραΣχολικός Σύµβουλος ΠΕ03
Ασκήσεις Μαθηµατικών Θετικής & Τεχνολογικής Κατεύθυνσης Γ Λυκείου ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Στην εργασία αυτή ξεχωρίζουµε και µελετάµε µερικές περιπτώσεις
Διαβάστε περισσότερα1 Πολυωνυµική Παρεµβολή
1 Πολυωνυµική Παρεµβολή εδοµένων n + 1 ανά δύο διαφορετικών σηµείων x o, x 1, x,..., x n και των αντίστοιχων συναρτησιακών τιµών y o = f(x o ), y 1 = f(x 1 ), y = f(x ),...,y n (x n ) επιθυµούµε να προσεγγίσουµε
Διαβάστε περισσότεραΑριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και2015 Ιδιοδιανυσµάτων 1 / 50
Αριθµητική Γραµµική Αλγεβρα Κεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ΕΚΠΑ 2 Απριλίου 205 Αριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και205
Διαβάστε περισσότεραΛύνοντας ασκήσεις µε αντίστροφες συναρτήσεις ρ. Παναγιώτης Λ. Θεοδωρόπουλος πρώην Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Εισαγωγή Η αντίστροφη συνάρτηση f µιας αντιστρέψιµης συνάρτησης f είναι
Διαβάστε περισσότεραΛΙΒΑΘΙΝΟΣ ΝΙΚΟΛΑΟΣ Επιστήµη και Τεχνολογία των Υπολογιστών Α.Μ.: 403. Πρώτη Οµάδα Ασκήσεων
ΕΙ ΙΚΑ ΘΕΜΑΤΑ ΘΕΜΕΛΙΩΣΕΩΝ ΤΗΣ ΕΠΙΣΤΗΜΗΣ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΛΙΒΑΘΙΝΟΣ ΝΙΚΟΛΑΟΣ LIBATI@CEIDUPATRASGR Επιστήµη και Τεχνολογία των Υπολογιστών ΑΜ: Πρώτη Οµάδα Ασκήσεων 8// Να βρεθούν οι OGF για καθεµία από τις
Διαβάστε περισσότεραΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ
ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ Μετά από την εκτίµηση των παραµέτρων ενός προσοµοιώµατος, πρέπει να ελέγχουµε την αλήθεια της υποθέσεως που κάναµε. Είναι ορθή η υπόθεση που κάναµε? Βεβαίως συνήθως υπάρχουν
Διαβάστε περισσότεραΟρισµός: Μερική παράγωγος ως προς x (αντ. ως προς y) στο σηµείο x,y είναι η παράγωγος της f ως προς x στο x (αντ. ως προς y στο y ( + ) ( )
2 Έστω f: A, Α ανοικτό σύνολο και x,y A. 0 0 Ορισµός: Μερική παράγωγος ως προς x (αντ. ως προς y) στο σηµείο x,y είναι η παράγωγος της f ως προς x στο x (αντ. ως προς y στο y 0 0 ), όπου έχουµε κρατήσειτοy
Διαβάστε περισσότεραΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ 5.1 5.8
ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ 5. 5.8 5. Ένας υγειονοµικός σταθµός θέλει να ελέγξει αν ο µέσος αριθµός βακτηριδίων ανά µονάδα όγκου θαλασσινού νερού σε µια παραλία υπερβαίνει το επίπεδο ασφαλείας των 9 µονάδων. ώδεκα
Διαβάστε περισσότεραΑσκήσεις Γενικά Μαθηµατικά Ι Οµάδα 5 (λύσεις)
Ασκήσεις Γενικά Μαθηµατικά Ι Οµάδα 5 λύσεις) Λουκάς Βλάχος και Μανώλης Πλειώνης Άσκηση : Να υπολογιστούν τα όρια 4 + n n ) n ) n n + n + ) n + 5) n 7 n+ + ) n Θεωρούµε την ακολουθία a n ), που ορίζεται
Διαβάστε περισσότεραΕισαγωγή στη θεωρία ακραίων τιμών
Εισαγωγή στη θεωρία ακραίων τιμών Αντικείμενο της θεωρίας ακραίων τιμών αποτελεί: Η ανάπτυξη και μελέτη στοχαστικών μοντέλων με σκοπό την επίλυση προβλημάτων που σχετίζονται με την εμφάνιση «πολύ μεγάλων»
Διαβάστε περισσότεραΑριθµητική Ανάλυση 1 εκεµβρίου / 43
Αριθµητική Ανάλυση 1 εκεµβρίου 2014 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 1 / 43 Κεφ.5. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ίνεται ένας πίνακας A C n n και Ϲητούνται να προσδιορισθούν οι
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ
Κεϕάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεϕάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ
Διαβάστε περισσότεραΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΜΕΤΑΒΛΗΤΩΝ
ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΜΕΤΑΒΛΗΤΩΝ Όπως έχει αποδειχθεί (βλέπε π.χ. Ε. Ξεκαλάκη και Ι. Πανάρετο 993) οι αναµενόµενες τιµές E( ) και E( m ) παρέχουν σηµαντικές πληροφορίες σχετικά µε την κατανοµή µιας πραγµατικής
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Εκτιμητική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΚεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 4.1 Συσχέτιση δύο τ.µ.
Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 3
ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 3 ιδασκοντες: Α. Μπεληγιάννης - Σ. Παπαδάκης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt.html Τετάρτη 13 Μαρτίου 2013 Ασκηση 1. Αφού ϐρείτε την
Διαβάστε περισσότεραΜέθοδος μέγιστης πιθανοφάνειας
Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα
Διαβάστε περισσότεραΣημερινό μάθημα: Εκτιμήτριες συναρτήσεις και σημειακή εκτίμηση παραμέτρων Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή συμπερασμάτων για το σ
10ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 10ο Μάθημα
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑ.Λ. Β 16 ΜΑΪΟΥ 2011 ΑΠΑΝΤΗΣΕΙΣ
ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑΛ Β 6 ΜΑΪΟΥ ΑΠΑΝΤΗΣΕΙΣ Α Θεωρία (Θεώρ Frmat) σχολικό βιβλίο σελ 6-6 Α Θεωρία (Ορισµός) σχολικό βιβλίο σελ 8 Α3 ΘΕΜΑ Β α β γ δ ε Σ Σ Λ Λ Σ B Έχουµε από υπόθεση
Διαβάστε περισσότεραΑνάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραA2. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ
A. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ d df() = f() = f (), = d d.κλίση ευθείας.μεταβολές 3.(Οριακός) ρυθµός µεταβολής ή παράγωγος 4.Παράγωγοι βασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία
Διαβάστε περισσότερα4. Αναδροµικός τύπος Είναι ο τύπος που συσχετίζει δύο ή περισσότερους γενικούς όρους µιας ακολουθίας
5. ΑΚΟΛΟΥΘΙΕΣ ΘΕΩΡΙΑ. Ορισµός Ονοµάζουµε ακολουθία πραγµατικών αριθµών κάθε συνάρτηση µε πεδίο ορισµού το το σύνολο N * = {,, 3, 4.} και σύνολο αφίξεως το R Η ακολουθία συµβολίζεται (α ν ) ή (β ν ) κ.λ.π.
Διαβάστε περισσότερα15 εκεµβρίου εκεµβρίου / 64
15 εκεµβρίου 016 15 εκεµβρίου 016 1 / 64 Αριθµητική Ολοκλήρωση Κλειστοί τύποι αριθµητικής ολοκλήρωσης Εστω I(f) = b µε f(x) C[a, b], τότε I(f) = F(b) F(a), όπου F(x) είναι το αόριστο ολοκλήρωµα της f(x).
Διαβάστε περισσότεραΚεφάλαιο 8 ο Τ 3, 1-1, -1 Χ -1, -1 1, 3
Κεφάλαιο 8 ο Συνεχίζουµε µε τις µεικτές στρατηγικές. Θα δούµε τώρα ένα παράδειγµα στο οποίο υπάρχουνε ισορροπίες κατά Nash σε αµιγείς στρατηγικές αλλά πέρα από αυτό υπάρχει και µια ισορροπία κατά Nash
Διαβάστε περισσότεραΓια να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.
A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:
Διαβάστε περισσότεραΚεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ.
Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ
Διαβάστε περισσότεραΟικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Στατιστικής Σηµειώσεις για το µάθηµα : Ανάλυση ιακύµανσης και Σχεδιασµός Πειραµάτων
Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Στατιστικής Σηµειώσεις για το µάθηµα : Ανάλυση ιακύµανσης και Σχεδιασµός Πειραµάτων Βασίλης Βασδέκης - Στέλιος Ψαράκης Αθήνα 005 Πείραµα Είναι µια δοκιµή ή ένα σύνολο
Διαβάστε περισσότεραΑριθµητική Ανάλυση. ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ. 16 Ιανουαρίου 2015
Αριθµητική Ανάλυση ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 16 Ιανουαρίου 2015 ιδάσκοντες:καθηγητής Ν. Μισυρλής,Επίκ. Καθηγητής Φ.Τζαφέρης Αριθµητική (ΕΚΠΑ) Ανάλυση 16 Ιανουαρίου
Διαβάστε περισσότεραf (x) = l R, τότε f (x 0 ) = l. = lim (0) = lim f(x) = f(x) f(0) = xf (ξ x ). = l. Εστω ε > 0. Αφού lim f (x) = l R, υπάρχει δ > 0
Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο 5: Παράγωγος Α Οµάδα. Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς (αιτιολογήστε πλήρως την απάντησή σας). (α) Αν η f είναι παραγωγίσιµη
Διαβάστε περισσότερα4.3 Παραδείγµατα στην συνέχεια συναρτήσεων
5. Η συνάρτηση είναι συνεχής στο R. 6. Η συνάρτηση sin είναι συνεχής στο R. 7. Η συνάρτηση cos είναι συνεχής στο R. 8. Η συνάρτηση tan είναι συνεχής σε κάθε R µε k π + π/2, k Z. 9. Η συνάρτηση cotan είναι
Διαβάστε περισσότερα0 x < (x + 2) 2 x < 1 f X (x) = 1 x < ( x + 2) 1 x < 2 0 x 2
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες-Χειµερινό Εξάµηνο 6-7 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 9 Επιµέλεια : Γιαννόπουλος Μιχάλης Ασκηση Εστω X συνεχής Τ.Μ. µε Συνάρτηση Πυκνότητας
Διαβάστε περισσότερα11 Το ολοκλήρωµα Riemann
Το ολοκλήρωµα Riem Το πρόβληµα υπολογισµού του εµβαδού οποιασδήποτε επιφάνειας ( όπως κυκλικοί τοµείς, δακτύλιοι και δίσκοι, ελλειπτικοί δίσκοι, παραβολικά και υπερβολικά χωρία κτλ) είναι γνωστό από την
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Λυσεις Ασκησεων - Φυλλαδιο 1
ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Λυσεις Ασκησεων - Φυλλαδιο ιδασκοντες: Α. Μπεληγιάννης - Σ. Παπαδάκης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt.html Τετάρτη 7 Φεβρουαρίου 03 Ασκηση. είξτε ότι
Διαβάστε περισσότεραΑρµονική Ανάλυση. Ενότητα: Ολοκλήρωµα Lebesgue - Ασκήσεις. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών
Ενότητα: Ολοκλήρωµα Lebesgue - Ασκήσεις Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commos. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Να κατανοηθεί η έννοια της εκτίµησης σηµείου και της εκτίµησης διαστήµατος. Επίσης να κατανοηθεί η έννοια της δειγµατικής κατανοµής παραµέτρου και να υπολογισθούν µε χρήση της Κεντρικού
Διαβάστε περισσότεραΚανόνες παραγώγισης ( )
66 Κανόνες παραγώγισης Οι κανόνες παραγώγισης που ισχύουν για συναρτήσεις µιας µεταβλητής, ( παραγώγιση, αθροίσµατος, γινοµένου, πηλίκου και σύνθετων συναρτήσεων ) γενικεύονται και για συναρτήσεις πολλών
Διαβάστε περισσότεραΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)
ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) Θέμα ο (Παρ..3.4, Παρ..4.3, Παρ..4.8.) Εάν = ( ) τυχαίο δείγμα από την ομοιόμορφη ( 0, ) X X,, X. Δείξτε ότι η στατιστική συνάρτηση T = X = το δειγματικό
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Παρασκευή 9 Ιανουαρίου 2007 5:00-8:00 εδοµένου ότι η
Διαβάστε περισσότερα