ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΑΝΑΛΥΣΗ ΣΤΑ ΔΕΔΟΜΕΝΑ ΕΠΙΒΙΩΣΗΣ ΤΗΣ ΙΣΛΑΝΔΙΑΣ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΑΝΑΛΥΣΗ ΣΤΑ ΔΕΔΟΜΕΝΑ ΕΠΙΒΙΩΣΗΣ ΤΗΣ ΙΣΛΑΝΔΙΑΣ"

Transcript

1 Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 21 ου Πανελληνίου Συνεδρίου Στατιστικής (2008), σελ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΑΝΑΛΥΣΗ ΣΤΑ ΔΕΔΟΜΕΝΑ ΕΠΙΒΙΩΣΗΣ ΤΗΣ ΙΣΛΑΝΔΙΑΣ Γεώργιος Ματαλλιωτάκης Πολυτεχνείο Κρήτης, Χανιά ΠΕΡΙΛΗΨΗ Στο άρθρο αυτό εφαρμόζεται μία μεθοδολογία στοχαστικών διαδικασιών για την ανάλυση των δεδομένων επιβίωσης του πληθυσμού διαφόρων χωρών της Ευρωπαϊκής Ένωσης και στην συγκεκριμένη εργασία για τα δεδομένα επιβίωσης της Ισλανδίας. Γίνεται μια σχετική αναφορά και εκτιμάται η συνάρτηση κατάστασης υγείας πληθυσμού. Εξάγονται σημαντικά συμπεράσματα για τα διαφορετικά χαρακτηριστικά που παρουσιάζει η θνησιμότητα των δυο φύλλων ανάμεσα στον ανδρικό και το γυναικείο πληθυσμό της Ισλανδίας, και δείκτες που αφορούν την αύξηση του μέσου όρου ζωής. Τα αποτελέσματα που προκύπτουν συγκρίνονται και συσχετίζονται με τα δεδομένα που αφορούν ειδικές περιπτώσεις καταχώρησης γεννήσεων στα σχετικά αρχεία ή καταχώρησης πληθυσμών στα δημοτολόγια των χωρών μετά από πολέμους και σημαντικές μετακινήσεις πληθυσμών ή άλλων ιστορικών γεγονότων που έλαβαν χώρα εκείνη την περίοδο. 1. ΕΙΣΑΓΩΓΗ Διάφορες προσπάθειες έχουν πραγματοποιηθεί κατά τη διάρκεια των τελευταίων αιώνων για να μοντελοποιήσουν δεδομένα επιβίωσης και την αναπόφευκτη διαδικασία της φθίνουσας πορείας ενός αρχικού πληθυσμού κατά τη διάρκεια του χρόνου. Το παρόν κείμενο μπορεί να θεωρηθεί ως μέρος του ευρύτερου αντικειμένου της μελέτης που αναλύει τα ανάλογα δεδομένα και τις μεθόδους για διάφορες χώρες που οδηγούν σε σημαντικά συμπεράσματα για την διακύμανση των δεδομένων επιβίωσης σε όλη τη γη. Σημαντικά μοντέλα για τη μελέτη αυτού του θέματος είναι τα μοντέλα που προτείνονται από τον Gompertz για να εκφράσουν το νόμο της ανθρώπινης θνησιμότητας και το μοντέλο Weibull ως μοντέλο για να εκφράσει την αποτυχία των στοιχείων σε ένα σύνολο προϊόντων. Ο στόχος αυτής της μελέτης είναι να γίνει αναφορά σε ένα μοντέλο τριών παραμέτρων που να μπορεί να εφαρμοστεί στα δεδομένα επιβίωσης, βασισμένο σε μια στοχαστική θεωρία που παρουσιάζεται σε προηγούμενες μελέτες. Αυτό το άρθρο αποτελείται από τρία μέρη. Αρχικά γίνεται μια σχετική αναφορά και εκτίμηση της συνάρτησης κατάστασης υγείας πληθυσμού. Επιπλέον, θα εξηγηθεί το μοντέλο που εισήχθη από τον Weibull το 1951, και ακολουθεί το τελευταίο

2 μοντέλο, το οποίο στις εργασίες μας το ονομάζουμε «S model» που παρουσιάζεται σε αυτό το άρθρο και έχει προταθεί από τον Χρήστο Σκιαδά. Στο δεύτερο μέρος του άρθρου, το μοντέλο του Weibull και το «S model» θα προσαρμοστούν για τις γυναίκες και το «S model» για τους άνδρες, για τα έτη Τα αποτελέσματα θα παρουσιαστούν σε πίνακες και γραφικές παραστάσεις. 2. Η ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΣΤΑΣΗΣ ΥΓΕΙΑΣ ΠΛΗΘΥΣΜΟΥ ΚΑΙ ΔΥΝΑΜΙΚΑ ΜΟΝΤΕΛΑ ΜΕΛΕΤΗΣ ΔΕΔΟΜΕΝΩΝ ΕΠΙΒΙΩΣΗΣ 2.1 Η Συνάρτηση Κατάστασης Υγείας Εισάγουμε τώρα την βασική έννοια της κατάστασης υγείας στο χρόνο t. Η κατάσταση υγείας είναι μια τυχαία μεταβλητή, S(t), που εκφράζει την υγεία ενός ανθρώπου στο χρόνο t έτσι ώστε εάν έχει μια πάρα πολύ χαμηλή τιμή, εμφανίζεται το γεγονός θάνατος. Για περισσότερη ακρίβεια το γεγονός " θάνατος " ορίζεται ως ο χρόνος στον οποίο η κατάσταση υγείας (S = S(t), t 0) προσεγγίζει για πρώτη φορά ένα ελάχιστο επίπεδο υγείας αποκαλούμενο α, που είναι ένας αυστηρά θετικός πραγματικός αριθμός και αποκαλείται τιμή φράγματος. Η διαδικασία S(t) δέχεται θετικές και αρνητικές τιμές, είναι αύξουσα και φθίνουσα, αλλά ως αποδεκτές τιμές είναι μόνο οι θετικές και μάλιστα εκείνες που είναι μεγαλύτερες από μια χαρακτηριστική ελάχιστη τιμή α που μένει να καθοριστεί. Σε πολλές εφαρμογές μπορεί να ληφθεί η τιμή α=0 ως το ελάχιστο επίπεδο επιβίωσης. Όταν το άτομο (άνθρωπος) γεννιέται, ξεκινά με μια αρχική τιμή S(0) φυσικά, όσο μεγαλύτερη η τιμή του S, καλύτερα είναι για αυτό το άτομο. Το μοντέλο που έχει προταθεί σε προηγούμενες εργασίες (Janssen and Skiadas, 1995), είναι ένα στοχαστικό μοντέλο συνεχούς χρόνου με την κατάσταση υγείας S(t) να δίνεται από την παρακάτω στοχαστική διαφορική εξίσωση: ds(t) = μ(t) dt + σ dw(t) Όπου S(t) είναι μια στοχαστική μεταβλητή που αντιπροσωπεύει την κατάσταση της υγείας ενός ατόμου, μ(t) μια συνάρτηση του χρόνου που εκφράζει την απειροελάχιστη μέση μεταβολή της κατάστασης της ανθρώπινης υγείας, ο όρος σ είναι η απειροελάχιστη τυπική απόκλιση της κατάστασης υγείας και W(t) η διαδικασία Wiener. Λαμβάνουμε την S(t) εύκολα με άμεση ολοκλήρωση της ανωτέρω στοχαστικής διαφορικής εξίσωσης. Κατόπιν η S(t) δίνεται από: t S t S (s)ds [W(t) W ] 0 0 t0 όπου S(0) είναι η τιμή της S(t) στο χρόνο t = 0. Θεωρούμε ότι η μέση τιμή της S(t) είναι μια συνάρτηση H = H(t) που παρέχεται από:

3 t H(t)=E{S(t)}=S 0+ μ(t)ds Η συνάρτηση μ(t) σχετίζεται με την H(t) από τον τύπο: μ(t)=dh(t)/dt. Η μέση τιμή H(t) ή η μέση κατάσταση της συνάρτησης υγείας κατά τη διάρκεια της ζωής είναι αναμενόμενο να ακολουθεί μια πορεία της γενικής μορφής που απεικονίζεται στο Σχήμα 1. Συμβαίνει μια γρήγορη βελτίωση της κατάστασης της ανθρώπινης υγείας μετά από τη γέννηση του ατόμου όταν η H είναι κοντά σε μια χαμηλή τιμή που παρουσιάζεται από το μηδέν στη γραφική παράσταση και έπειτα ακολουθεί μια περίοδος αργής βελτίωσης και πτώσης. Η συνάρτηση μ(t) ως παράγωγος της H(t) πρέπει να ξεκινάει από πολύ υψηλές τιμές στην αρχή της διάρκειας ζωής για το χρόνο t κοντά στο μηδέν και να μειώνεται συνεχώς φθάνοντας στο μηδέν, όταν η H είναι στο μέγιστο και μετά παίρνει αρνητικές τιμές. Αυτή η συνάρτηση, δεδομένου ότι πρέπει να έχει αρνητική παράγωγο (dμ / dt < 0), εκφράζει την αναπόφευκτη πτώση για την απειροελάχιστη μέση μεταβολή της κατάστασης της ανθρώπινης υγείας και έχει προταθεί από τους Janssen και Skiadas (1995) να καλείται συνάρτηση θνησιμότητας. Η βασική υπόθεση σχετικά με τη συνάρτηση μ(t) είναι ότι η μ(t) μπορεί να εκφράσει δύο ευδιάκριτες χρόνο-διαδικασίες που έχουν σχέση με την κατάσταση της ανθρώπινης υγείας. Η μία διαδικασία αφορά στην πρώτη περίοδο διάρκειας ζωής που μοντελοποιείται από μια συνάρτηση u = u(1/sqr(t)) που πρέπει να μειώνεται γρήγορα με το χρόνο και να εκφράζει τη γρήγορη βελτίωση της κατάστασης της ανθρώπινης υγείας κατά τη διάρκεια των πρώτων ετών μετά από τη γέννηση. Η άλλη διαδικασία είναι μια συνάρτηση v = v(t) (Janssen and Skiadas, 1995), που εκφράζει τη βαθμιαία αύξηση και έπειτα μείωση της κατάστασης της υγείας κατά τη διάρκεια της συνολικής περιόδου της διάρκειας ζωής. Ο παρακάτω τύπος αποδίδει τη συνάρτηση μ(t): μ t=u( 1 t t0 )+vt Σχήμα 1. Συνάρτηση Υγείας H(t) και Συνάρτηση Θνησιμότητας Health State Function H(t), and Deterioration Function μ(t)=dh(t)/dt μ(t) H(t) Years

4 2.2 Μοντέλα Μελέτης Δεδομένων Επιβίωσης Το μοντέλο του Weibull. Η κατανομή Weibull είναι ένα στατιστικό εργαλείο που χρησιμοποιείται συχνά για την επεξεργασία δεδομένων θνησιμότητας εξαιτίας της ευελιξίας της να μιμείται άλλες κατανομές όπως η εκθετική και η κανονική. Ο Weibull μελέτησε την αποτυχία των τεχνικών συστημάτων λόγω χρήσης και φθοράς του χρόνου, η οποία υπονοεί ότι η θνησιμότητα είναι ανάλογη με την ηλικία. Η συνάρτηση πυκνότητας πιθανότητας της κατανομής Weibull είναι: και έχει τη μορφή: g(t; c, B, k) = c(tb) k-1 exp(-tb) k ) k t f(, t k, ) k 1 e k (/ t ) όπου k>0 είναι παράμετρος του σχήματος της κατανομής και λ>0 είναι η παράμετρος κλίμακας. Συνήθως αυτό θεωρείται ως μοντέλο 2-παραμέτρων. Εντούτοις, κατά την εφαρμογή του μοντέλου στα δεδομένα όπως συμβαίνει σε αυτήν την μελέτη εισάγεται μια πρόσθετη παράμετρος c = k/l. Κατόπιν το μοντέλο παίρνει την ακόλουθη μορφή 3- παραμέτρων: k 1 t f(, t k, ) c e k (/ t ) όπου η παράμετρος c θα καθοριστεί όταν γίνει προσαρμογή του μοντέλου στα δεδομένα. Η Weibull παράμετρος k του σχήματος, δείχνει εάν το ποσοστό αποτυχίας αυξάνεται, σταθερά ή μειούμενα. Αν k <1,0 η κατανομή δείχνει ότι το προϊόν έχει ένα μειούμενο ποσοστό αποτυχίας. Αν k=1,0 η κατανομή δείχνει ένα σταθερό ποσοστό αποτυχίας. Αν k >1,0 δείχνει ένα αυξανόμενο ποσοστό αποτυχίας. Όταν k=3,4 η κατανομή Weibull εμφανίζεται παρόμοια με την κανονική κατανομή. Τέλος όταν k=1, τότε η κατανομή Weibull καταλήγει στην εκθετική κατανομή. Το προτεινόμενο μοντέλο «S model». Σε προηγούμενες μελέτες προτάθηκε ένα γενικό μοντέλο, βασισμένο στη θεωρία του hitting time μιας στοχαστικής διαδικασίας σε ένα εμπόδιο που βρίσκεται σε μια απόσταση α από τον οριζόντιο άξονα που εκφράζει την ηλικία του ατόμου (Janssen and Skiadas, 1995; Skiadas, 2006). Η στοχαστική μεταβλητή S(t) εκφράζει την κατάσταση υγείας του ατόμου ενώ, η μέση τιμή της διαδικασίας αυτής Η(t) εκφράζει την κατάσταση υγείας του πληθυσμού. Αυτό το μοντέλο, για την περίπτωση της κατάστασης της ανθρώπινης υγείας, έχει την ακόλουθη συνάρτηση πυκνότητας πιθανότητας (Skiadas, 2006):,

5 * a * 2 * (a H(t)) g(t ) k exp 3 2 2t 2 t (1) όπου α* = α-η(0) και k* είναι μια σταθερά κανονικοποίησης που καθορίζεται από τον τύπο: g(t )dt 1, όπου H(t) είναι η μέση τιμή της S(t) και σ η τυπική απόκλιση. 0 Αυτό το μοντέλο εφαρμόστηκε επιτυχώς σε δεδομένα επιβίωσης. Μια σημαντική διαφορά του μοντέλου «S model» από τα υπόλοιπα απλούστερα μοντέλα είναι ότι μοντελοποιεί τη συνολική περίοδο ζωής συμπεριλαμβανομένων των πρώτων σταδίων της ανθρώπινης ζωής. Η εφαρμογή αυτού του μοντέλου δείχνει ότι η μορφή της συνάρτησης κατάστασης υγείας για πολύ καιρό είναι κυρίως οριζόντια και αργά μειούμενη. Πρέπει να υπογραμμίσουμε τη σημασία του γεγονότος ότι όταν αναπτύξουμε την άγνωστη συνάρτηση κατάστασης υγείας H(t) σε μια σειρά Taylor, το γρήγορα μειούμενο μέρος της συνάρτησης θα μπορούσε να εκφραστεί απλά από έναν όρο που έχει έναν μεγάλο εκθέτη. Αυτό σημαίνει ότι μια συνάρτηση της ακόλουθης μορφής θα μπορούσε να αποτελεί απλή αλλά αρκετά καλή προσέγγιση της πραγματικότητας: όπου c, l και b είναι θετικές παράμετροι. Ht () c ( lt) b, Για b > 0 βλέπουμε ότι η H(t) είναι μια φθίνουσα συνάρτηση. Ειδικά για b >> 1, τότε H(t) είναι μια γρήγορα μειούμενη συνάρτηση. Η εξίσωση (1) παίρνει την ακόλουθη μορφή εάν αντικαταστήσουμε την παραπάνω έκφραση της H(t): g(t;k,l,a,b ) k(lt ) exp b 2 3/2 (a (lt) ) όπου a = a* + c, k είναι η νέα σταθερά ολοκλήρωσης και η σ συμπεριλαμβάνεται στις παραμέτρους k, a και l. Χωρίς απώλεια γενικότητας, σε πολλές εφαρμογές θα μπορούσε να υποτεθεί ότι σ = 1. 3.ΕΦΑΡΜΟΓΗ ΤΩΝ ΔΥΝΑΜΙΚΩΝ ΜΟΝΤΕΛΩΝ «S MODEL» ΚΑΙ «WEIBULL MODEL» ΣΤΑ ΔΕΔΟΜΕΝΑ ΕΠΙΒΙΩΣΗΣ ΤΗΣ ΙΣΛΑΝΔΙΑΣ. Προκειμένου να βρεθεί η συνάρτηση πυκνότητας για τα δεδομένα επιβίωσης της Ισλανδίας ( χρησιμοποιούμε το πρόγραμμα R που που μπορεί να προσαρμόζει τα δυναμικά μοντέλα «S model» και το μοντέλο του Weibull, για τους άνδρες και τις γυναίκες, κατά τη διάρκεια των τελευταίων δεκατριών t

6 περίπου ετών ( ) πραγματοποιώντας μη γραμμική παλινδρόμηση. Τα δεδομένα επιβίωσης (raw data) που χρησιμοποιούνται για την προσαρμογή είναι εκείνα που εκφράζουν το στιγμιαίο ποσοστό θνησιμότητας d(x). Αναλόγως, εάν τα δεδομένα επιβίωσης που εξετάζουμε είναι για τους ανδρικούς ή γυναικείους πληθυσμούς επιλέγεται να χρησιμοποιηθεί μια διαφορετική τιμή του b (b = 4 για άνδρες και b=5 σε γυναίκες, Skiadas και Skiadas, 2006). Πινακας 1. Αποτελέσματα του «S model» του Weibull για τις γυναίκες Πινακας 2. Αποτελέσματα του και «S model» για τους άνδρες Model '' S '' Model '' S '' Year k l α μέσο τετραγωνικό σφάλμα ,09 0,026 22, , ,075 0,025 20, , ,085 0,025 21, , ,074 0,025 19,35 872, ,085 0,025 21, , ,079 0,025 21, , ,083 0,025 20, , ,092 0,025 21, , ,087 0,025 20, , ,076 0,024 19, , ,085 0,025 21, , ,093 0,025 21, , ,086 0,025 20, , ,098 0,025 21, , ,098 0,025 21, , ,119 0,025 23, , ,103 0,025 21, , ,09 0,025 21,88 953, ,012 0,025 22, ,8 W eibull Year c k Β μέσο τετραγων ικό σ φ άλμ α ,454 0, , ,860 0, , ,744 0, ,359 μέσο τετραγωνικό σφάλμα Year k l α ,074 0,025 17, , ,069 0,025 16, , ,078 0,025 17, , ,07 0,025 17, , ,079 0,025 18, , ,071 0,025 17, , ,088 0,025 19, , ,081 0,025 17, , ,086 0,025 19, , ,08 0,025 18, , ,078 0,025 18, , ,084 0,025 18, , ,089 0,025 19, , ,093 0,025 18, , ,1 0,025 19, , ,091 0,025 18, , ,1 0,025 20, , ,093 0,025 19, , ,079 0,025 18, , ,09 0,025 19, , ,101 0,025 20, , ,096 0,025 20, ,

7 Από τους ανωτέρω πίνακες είναι σαφές ότι σε όλες τις εφαρμογές η προσαρμογή των δεδομένων ήταν αρκετά καλή δεδομένου ότι οι συντελεστές προσδιορισμού R 2 είναι από 99,7% έως 99,8%. Υπάρχει μια βελτίωση στα εκτιμηθέντα μέσα τετραγωνικά σφάλματα, στην Ισλανδία για τους άνδρες και τις γυναίκες, όσο περνά ο χρόνος. Επίσης δεν υπάρχουν σημαντικές διαφορές στις εκτιμήσεις λάθους μεταξύ των ανδρών και των γυναικών και των χρονικών περιόδων. Από την άλλη πλευρά υπάρχουν σαφείς διαφορές στις κατ' εκτίμηση παραμέτρους μεταξύ των ανδρών και των γυναικών. Η παράμετρος k είναι χαμηλότερη για τους άνδρες απ' ό,τι για τις γυναίκες ενώ η παράμετρος α παρουσιάζει πάρα πολύ υψηλότερες απόλυτες τιμές για τις γυναίκες σε σύγκριση με τους άνδρες. Αυτό σημαίνει ότι το ποσοστό θνησιμότητας για τους άνδρες και τις γυναίκες ακολουθεί διαφορετικές γραφικές παραστάσεις. Το μοντέλο S παρουσιάζει καλύτερη συμπεριφορά εφαρμογών έναντι του Weibull model για όλα τα έτη που μελετώνται. Ένα άλλο ενδιαφέρον σημείο είναι να ανακαλύψουμε πότε η τιμή της συνάρτησης κατάστασης υγείας H(t) γίνεται μηδέν, τη χρονική στιγμή αυτή την ονομάζουμε T. Αυτό επιτυγχάνεται όταν Τ = α 1/b /l. Δεδομένου ότι έχουμε υπολογίσει τις παραμέτρους του μοντέλου, είναι εύκολο να κατασκευάσουμε τις γραφικές παραστάσεις και να υπολογίσουμε τον χρόνο στον οποίο επιτυγχάνεται η μέγιστη κατάσταση υγείας. Η μέγιστη κατάσταση υγείας H max επιτυγχάνεται στο χρόνο T m, όταν μ(t) = 0. Το ακόλουθο διάγραμμα επεξηγεί τα μη επεξεργασμένα δεδομένα για την Ισλανδία για το έτος 2006, το οποίο είναι το πιο πρόσφατο έτος στην ανάλυσή μας, και περιλαμβάνει τα δύο μοντέλα για τις γυναίκες, μαζί με τις καμπύλες που εκφράζουν το S model και το Weibull model: Σχήμα 2. Συγκριτικό διάγραμμα του S model και του Weibull model για τις γυναίκες της Ισλανδίας για το έτος 2006 females of Iceland females 2006 OurPrediction W eib ullp redictio n ages

8 Για τους άνδρες ο κύριος λόγος του σφάλματος οφείλεται στις διακυμάνσεις γύρω από το σημείο μέγιστου ποσοστού θανάτου, καθώς επίσης και στους θανάτους στις ηλικίες έτη, οι οποίοι οφείλονται συνήθως στα ατυχήματα και άλλους λόγους. Όπως μπορούμε να παρατηρήσουμε, και τα δύο μοντέλα κάνουν τις ίδιες προβλέψεις για τις γυναίκες και προσεγγίζουν τους θανάτους τους κατάλληλα. Ακόμα κι αν τα δύο μοντέλα φθάνουν πολύ κοντά στην πραγματικότητα, η πρόβλεψή μας ήταν πάλι καλύτερη για αρκετό διάστημα έτη. Πίνακας 3. Κρίσιμη ηλικία T Συνάρτηση Κατάστασης Υγείας = Άνδρες 82 Γυναίκες 89 Τελικά, ο μέγιστος ρυθμός θανάτων για τους άνδρες είναι 80 έτη, ενώ των γυναικών είναι 85 έτη. Για τις γυναίκες η πρόβλεψή μας για το μέγιστο ρυθμό θανάτων είναι τα 89 έτη και από τα δύο μοντέλα. Κατά συνέπεια, ο μέγιστος ρυθμός θανάτων εμφανίζεται σε μεγαλύτερες ηλικίες στις γυναίκες από τους άνδρες και όπως και στην κρίσιμη ηλικία T. 5.ΣΥΜΠΕΡΑΣΜΑΤΑ Ο στόχος αυτού του άρθρου ήταν να αναλυθούν οι πίνακες δεδομένων επιβίωσης της Ισλανδίας από 1855 έως το 2006, προκειμένου να εξαχθούν χρήσιμα συμπεράσματα. Τα μοντέλα που εφαρμόζονται έχουν παρόμοιες ιδιότητες που τα καθιστούν χρήσιμα για την μελέτη δεδομένων επιβίωσης και αύξησης του μέσου όρου ζωής. Εξετάσαμε και συγκρίναμε το μοντέλο S και το μοντέλο του Weibull. Πρέπει να επισημάνουμε ότι όλα τα μοντέλα δείχνουν τη βαθμιαία αύξηση του μέσου όρου ζωής και για τους άνδρες και για τις γυναίκες κατά τη διάρκεια του 20ού αιώνα. Επιπλέον, αποτελεί σημαντικό επίτευγμα η βελτίωση της υγείας των πληθυσμών και η μείωση της θνησιμότητας των νηπίων. ABSTRACT In this study, a methodology of stochastic processes for life data table analysis of European Union population is applied, focusing in life data table of Iceland. In a detailed report, the ''health state function'' is evaluated. Significant conclusions about different characteristics in mortality between males and females in Iceland are recorded and some indexes related to the average rate of life are proposed. Data extracted are correlated and compared to them from special cases of birth records in life data tables or population records in countries after wars, major population shifts or other important historical events which took place during that period

9 ΑΝΑΦΟΡΕΣ Janssen J. and Skiadas C. H. (1995). Dynamic modelling of life-table data. Applied Stochastic Models and Data Analysis, 11(1), Skiadas, C., Matalliotakis G. and Skiadas C.H. (2007). An extended quadratic health state function and the related density function for life table data. Recent advances in stochastic modelling and data analysis. World Scientific, Skiadas, C.H. (2006). The Development of the Expected Life Time in Greece During Last Decades: An Application of a Dynamic Model of Life Table Data. 4th Conference in Actuarial Science & Finance on Samos, September Skiadas, C.H. (2006). Stochastic modelling of Greek life table data. Communications in Dependability and Quality Management, 9(3), Skiadas, C.H. (1985). Two generalized rational models for forecasting innovation diffusion. Technological Forecasting. & Social Change, 27, Skiadas, C.H. and Skiadas, C. (2007). A Modelling Approach to Life Table Data Sets. Recent advances in stochastic modelling and data analysis. World Scientific,

10

S T (x) = exp. (α) m n q x = m+n q x m q x. (β) m n q x = m p x m+n p x. (γ) m n q x = m p x n q x+m. tp x = S Tx (t) = S T (x + t) { x+t

S T (x) = exp. (α) m n q x = m+n q x m q x. (β) m n q x = m p x m+n p x. (γ) m n q x = m p x n q x+m. tp x = S Tx (t) = S T (x + t) { x+t ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕ ΚΑΤΕΥΘΥΝΣΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΣΗΣ ΘΝΗΣΙΜΟΤΗΤΑΣ ΙΩΑΝΝΗΣ Σ. ΣΤΑΜΑΤΙΟΥ ΣΑΜΟΣ, ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ 2013-2014

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

Διαβάστε περισσότερα

5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο

5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο 5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν

Διαβάστε περισσότερα

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ

ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ Καλύβας Θ., Ζέρβας Ε.¹ ¹ Σχολή Θετικών Επιστημών και Τεχνολογίας, Ελληνικό Ανοικτό Πανεπιστήμιο,

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Πίνακες, κατανομές, ιστογράμματα... 1 1.2 Πυκνότητα πιθανότητας, καμπύλη συχνοτήτων... 5 1.3

Διαβάστε περισσότερα

Β Γραφικές παραστάσεις - Πρώτο γράφημα Σχεδιάζοντας το μήκος της σανίδας συναρτήσει των φάσεων της σελήνης μπορείτε να δείτε αν υπάρχει κάποιος συσχετισμός μεταξύ των μεγεθών. Ο συνήθης τρόπος γραφικής

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Ντίνα Λύκα. Εισαγωγή. Εαρινό Εξάμηνο, 2018

Βιομαθηματικά BIO-156. Ντίνα Λύκα. Εισαγωγή. Εαρινό Εξάμηνο, 2018 Βιομαθηματικά BIO-156 Εισαγωγή Ντίνα Λύκα Εαρινό Εξάμηνο, 2018 lika@uoc.gr Μαθηματικά Μοντέλα στη Βιολογία Ένα μαθηματικό μοντέλο είναι ένα σύνολο υποθέσεων για κάποιο βιολογικό σύστημα, εκφρασμένες με

Διαβάστε περισσότερα

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να

Διαβάστε περισσότερα

Τμήμα Μηχανικών Παραγωγής και Διοίκησης Χειμερινό Διδάσκων: Καθηγητής Παντελής Ν. Μπότσαρης Εργαστήρια/Ασκήσεις: Δρ.

Τμήμα Μηχανικών Παραγωγής και Διοίκησης Χειμερινό Διδάσκων: Καθηγητής Παντελής Ν. Μπότσαρης Εργαστήρια/Ασκήσεις: Δρ. ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Τμήμα Μηχανικών Παραγωγής και Διοίκησης Χειμερινό 2016 2017 Διδάσκων: Καθηγητής Παντελής Ν. Μπότσαρης Εργαστήρια/Ασκήσεις: Δρ. Πέτρος Πιστοφίδης Εισαγωγή

Διαβάστε περισσότερα

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά

Διαβάστε περισσότερα

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER 4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι

Διαβάστε περισσότερα

Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων

Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Copyright 2009 Cengage Learning 8.1 Συναρτήσεις Πυκνότητας Πιθανοτήτων Αντίθετα με τη διακριτή τυχαία μεταβλητή που μελετήσαμε στο Κεφάλαιο 7, μια συνεχής τυχαία

Διαβάστε περισσότερα

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 3

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 3 (ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com ιαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ ιάλεξη 3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΨΥΧΟΛΟΓΙΑΣ Ρέθυμνο,

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ

Διαβάστε περισσότερα

Διαχείριση Υδατικών Πόρων

Διαχείριση Υδατικών Πόρων Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Είδη μεταβλητών Ποσοτικά δεδομένα (π.χ. ηλικία, ύψος, αιμοσφαιρίνη) Ποιοτικά δεδομένα (π.χ. άνδρας/γυναίκα, ναι/όχι) Διατεταγμένα (π.χ. καλό/μέτριο/κακό) 2 Περιγραφή ποσοτικών

Διαβάστε περισσότερα

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι: Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του

Διαβάστε περισσότερα

3η Ενότητα Προβλέψεις

3η Ενότητα Προβλέψεις ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων 3η Ενότητα Προβλέψεις (Μέρος 4 ο ) http://www.fsu.gr

Διαβάστε περισσότερα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 2 Η γενική ιδέα της διαδικασίας στατιστικού ελέγχου υποθέσεων Πρόκειται για μια διαδικασία απόφασης μεταξύ δύο υποθέσεων Η μια υπόθεση ονομάζεται μηδενική (Η

Διαβάστε περισσότερα

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21 ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις

Διαβάστε περισσότερα

9. Παλινδρόμηση και Συσχέτιση

9. Παλινδρόμηση και Συσχέτιση 9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας

Διαβάστε περισσότερα

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis) Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Ντίνα Λύκα. Εισαγωγικές έννοιες. Εαρινό Εξάμηνο, 2016

Βιομαθηματικά BIO-156. Ντίνα Λύκα. Εισαγωγικές έννοιες. Εαρινό Εξάμηνο, 2016 Βιομαθηματικά BIO-156 Εισαγωγικές έννοιες Ντίνα Λύκα Εαρινό Εξάμηνο, 2016 lika@biology.uoc.gr Μαθηματικά Μοντέλα στη Βιολογία Ένα μαθηματικό μοντέλο είναι ένα σύνολο υποθέσεων για κάποιο βιολογικό σύστημα

Διαβάστε περισσότερα

ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ

ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ ΚΕΦΑΛΑΙΟ 9 ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ Τα δηµογραφικά δεδοµένα τα οποία προέρχονται από τις απογραφές πληθυσµού, τις καταγραφές της φυσικής και µεταναστευτικής κίνησης του πληθυσµού

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100 Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς

Διαβάστε περισσότερα

Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις

Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις 1. Σκοπός Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις Σκοπός της άσκησης είναι να εξοικειωθούν οι σπουδαστές με τη γραφική απεικόνιση των δεδομένων τους, την χρήση των γραφικών παραστάσεων για την εξαγωγή

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων

Διαβάστε περισσότερα

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών (ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών ΠΑΝΕΠΙΣΤΗΜΙΟ

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής ΑΥΤΟΣΥΣΧΕΤΙΣΗ Στις βασικές υποθέσεις των γραμμικών υποδειγμάτων (απλών και πολλαπλών), υποθέτουμε ότι δεν υπάρχει αυτοσυσχέτιση (autocorrelation

Διαβάστε περισσότερα

Μια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα.

Μια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα. Εισαγωγή Μετρήσεις-Σφάλματα Πολλές φορές θα έχει τύχει να ακούσουμε τη λέξη πείραμα, είτε στο μάθημα είτε σε κάποια είδηση που αφορά τη Φυσική, τη Χημεία ή τη Βιολογία. Είναι όμως γενικώς παραδεκτό ότι

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ 1) Μια Σύντομη Εισαγωγή Στα Πληθυσμιακά Μοντέλα Ας θεωρήσουμε μια συγκεκριμένη κοινότητα ψαριών, για την οποία υποθέτουμε

Διαβάστε περισσότερα

Απλή Παλινδρόμηση και Συσχέτιση

Απλή Παλινδρόμηση και Συσχέτιση Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ. ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΨΗΣ - ΘΕΜΑ Ο Έστω η συνάρτηση f( ) =, 0 ) Να αποδείξετε ότι f ( ). f( ) =. ) Να υπολογίσετε το όριο lm f ( )+ 4. ) Να βρείτε την εξίσωση της εφαπτομένης

Διαβάστε περισσότερα

1ο ΣΤΑΔΙΟ ΓΕΝΕΣΗ ΜΕΤΑΚΙΝΗΣΕΩΝ

1ο ΣΤΑΔΙΟ ΓΕΝΕΣΗ ΜΕΤΑΚΙΝΗΣΕΩΝ ΠΡΟΒΛΗΜΑ 1ο ΣΤΑΔΙΟ ΓΕΝΕΣΗ ΜΕΤΑΚΙΝΗΣΕΩΝ πόσες μετακινήσεις δημιουργούνται σε και για κάθε κυκλοφοριακή ζώνη; ΟΡΙΣΜΟΙ μετακίνηση μετακίνηση με βάση την κατοικία μετακίνηση με βάση άλλη πέρα της κατοικίας

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική 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 περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Πώς συσχετίζονται δυο μεταβλητές; Ένας απλός τρόπος για να αποκτήσουμε

Διαβάστε περισσότερα

Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις

Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις 1. Σκοπός Επεξεργασία Δεδομένων - Γραφικές Παραστάσεις Σκοπός της άσκησης είναι να εξοικειωθούν οι σπουδαστές με τη γραφική απεικόνιση των δεδομένων τους, την χρήση των γραφικών παραστάσεων για την εξαγωγή

Διαβάστε περισσότερα

Ονοματεπώνυμο Φοιτητή. Εργαστηριακό Τμήμα Π.χ. Δευτέρα

Ονοματεπώνυμο Φοιτητή. Εργαστηριακό Τμήμα Π.χ. Δευτέρα Ονοματεπώνυμο Φοιτητή Εργαστηριακό Τμήμα Π.χ. Δευτέρα 11 00 13 00 Ομάδα Π.χ. 1A Πειραματική άσκηση Ελεύθερη πτώση Ημερομηνία Εκτέλεσης Άσκησης... / / 2015 Ημερομηνία παράδοσης εργαστ.αναφοράς... / / 2015

Διαβάστε περισσότερα

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α) Τμήμα Διοίκησης Επιχειρήσεων (Αγ. Νικόλαος), Τ.Ε.Ι. Κρήτης Σελίδα 1 από 13 5η Εργαστηριακή Άσκηση Σκοπός: Η παρούσα εργαστηριακή άσκηση στοχεύει στην εκμάθηση κατασκευής γραφημάτων που θα παρουσιάζουν

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗ ΤΕΧΝΙΚΩΝ ΕΡΓΩΝ

ΔΙΟΙΚΗΣΗ ΤΕΧΝΙΚΩΝ ΕΡΓΩΝ ΤΕΙ ΛΑΡΙΣΑΣ- ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΕΡΓΩΝ (ΔΔΕ) ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ (MASTER) ΣΤΗΝ «ΔΙΟΙΚΗΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΩΝ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΩΝ» ΔΙΟΙΚΗΣΗ ΤΕΧΝΙΚΩΝ ΕΡΓΩΝ Αντικατάσταση Μηχανημάτων

Διαβάστε περισσότερα

Μοντέλα Παλινδρόμησης. Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ

Μοντέλα Παλινδρόμησης. Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ Μοντέλα Παλινδρόμησης Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ Εισαγωγή (1) Σε αρκετές περιπτώσεις επίλυσης προβλημάτων ενδιαφέρει η ταυτόχρονη μελέτη δύο ή περισσότερων μεταβλητών, για να προσδιορίσουμε με ποιο

Διαβάστε περισσότερα

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,

Διαβάστε περισσότερα

Μάθημα Αστικής Γεωγραφίας

Μάθημα Αστικής Γεωγραφίας Μάθημα Αστικής Γεωγραφίας Διδακτικό Έτος 2015-2016 Παραδόσεις Διδακτικής Ενότητας: Πληθυσμιακή πρόβλεψη Δούκισσας Λεωνίδας, Στατιστικός, Υποψ. Διδάκτορας, Τμήμα Γεωγραφίας, Χαροκόπειο Πανεπιστήμιο Σελίδα

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι., Εισηγητής: Ν.Κυρίτσης, MBA, Ph.D. Candidate,, e-mail: kyritsis@ist.edu.gr

Ποσοτικές Μέθοδοι., Εισηγητής: Ν.Κυρίτσης, MBA, Ph.D. Candidate,, e-mail: kyritsis@ist.edu.gr Ποσοτικές Μέθοδοι Εισηγητής: Ν.Κυρίτσης MBA Ph.D. Candidate e-mail: kyritsis@ist.edu.gr Εισαγωγή στη Στατιστική Διδακτικοί Στόχοι Μέτρα Σχετικής Διασποράς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή Η Τυποποιημένες

Διαβάστε περισσότερα

ρ. Ευστρατία Μούρτου

ρ. Ευστρατία Μούρτου ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : - ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευστρατία Μούρτου

Διαβάστε περισσότερα

Ανάλυση και Σχεδιασμός Μεταφορών Ι Ανάλυση Διακριτών Επιλογών

Ανάλυση και Σχεδιασμός Μεταφορών Ι Ανάλυση Διακριτών Επιλογών Ανάλυση Διακριτών Επιλογών Παναγιώτης Παπαντωνίου Δρ. Πολιτικός Μηχανικός, Συγκοινωνιολόγος Πάτρα, 2017 Περιεχόμενα Αθροιστικά μοντέλα Εξατομικευμένα μοντέλα Μοντέλα Διακριτών Μεταβλητών Θεωρία Μεγιστοποίησης

Διαβάστε περισσότερα

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι

Διαβάστε περισσότερα

Κεφάλαιο 5 Κριτήρια απόρριψης απόμακρων τιμών

Κεφάλαιο 5 Κριτήρια απόρριψης απόμακρων τιμών Κεφάλαιο 5 Κριτήρια απόρριψης απόμακρων τιμών Σύνοψη Στο κεφάλαιο αυτό παρουσιάζονται δύο κριτήρια απόρριψης απομακρυσμένων από τη μέση τιμή πειραματικών μετρήσεων ενός φυσικού μεγέθους και συγκεκριμένα

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ

ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Σε αντίθεση με την διακριτή τυχαία μεταβλητή, μία συνεχής τυχαία μεταβλητή παίρνει μη-αριθμήσιμο (συνεχές) πλήθος τιμών. Δεν μπορούμε να καταγράψουμε το σύνολο των τιμών

Διαβάστε περισσότερα

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου 4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.

Διαβάστε περισσότερα

10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη

Διαβάστε περισσότερα

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα

Διαβάστε περισσότερα

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Οικονομετρία Ι Ενότητα 2: Ανάλυση Παλινδρόμησης Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commos. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2 013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ

Διαβάστε περισσότερα

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α) Τμήμα Διοίκησης Επιχειρήσεων (Αγ. Νικόλαος), Τ.Ε.Ι. Κρήτης Σελίδα 1 από 13 5η Εργαστηριακή Άσκηση Σκοπός: Η παρούσα εργαστηριακή άσκηση στοχεύει στην εκμάθηση κατασκευής γραφημάτων που θα παρουσιάζουν

Διαβάστε περισσότερα

ΜΙΓΑΔΙΚΟ ΔΥΝΑΜΙΚΟ ΓΕΝΙΚΑ. Έστω σωμάτιο, στις τρεις διαστάσεις, που βρίσκεται υπό την επίδραση μιγαδικού δυναμικού της μορφής

ΜΙΓΑΔΙΚΟ ΔΥΝΑΜΙΚΟ ΓΕΝΙΚΑ. Έστω σωμάτιο, στις τρεις διαστάσεις, που βρίσκεται υπό την επίδραση μιγαδικού δυναμικού της μορφής ΜΙΓΑΔΙΚΟ ΔΥΝΑΜΙΚΟ ΓΕΝΙΚΑ Έστω σωμάτιο, στις τρεις διαστάσεις, που βρίσκεται υπό την επίδραση μιγαδικού δυναμικού της μορφής Re Im V r V r i V r, όπου οι συναρτήσεις Re,Im V r V r είναι πραγματικές συναρτήσεις

Διαβάστε περισσότερα

ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα.

ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα. ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα. Στα παραπάνω ιστογράμματα, παρατηρούμε, ότι αν και υπάρχει διαφορά στη διασπορά των τιμών

Διαβάστε περισσότερα

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή Συνάρτηση Γάμμα: Ιδιότητες o d Γ(α+)=αΓ(α) - αναδρομική συνάρτηση Γ(α+) = α! αν α ακέραιος. Πιθανότητες & Στατιστική 5 Τμήμα Μηχανικών Η/Υ

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται

Διαβάστε περισσότερα

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0 ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής Δεσμευμένη αξιοπιστία Η δεσμευμένη αξιοπιστία R t είναι η πιθανότητα το σύστημα να λειτουργήσει για χρονικό

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ιωνυµική Κατανοµή(Binomial)

ιωνυµική Κατανοµή(Binomial) ιωνυµική Κατανοµή(Binomial) ~B(n,p) n N και 0

Διαβάστε περισσότερα

Η μεταβλητή "χρόνος" στη δημογραφική ανάλυση - το διάγραμμα του Lexis

Η μεταβλητή χρόνος στη δημογραφική ανάλυση - το διάγραμμα του Lexis Η μεταβλητή "χρόνος" στη δημογραφική ανάλυση - το διάγραμμα του Lexis Η αναφορά στο χρόνο Αναφερόμενοι στο χρόνο, θα πρέπει κατ αρχάς να τονίσουμε ότι αυτός μπορεί να είναι είτε το ημερολογιακό έτος, είτε

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

3. 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Τι κάνει η Στατιστική Στατιστική (Statistics) Μετατρέπει αριθμητικά δεδομένα σε χρήσιμη πληροφορία. Εξάγει συμπεράσματα για έναν πληθυσμό. Τις περισσότερες

Διαβάστε περισσότερα

Στατιστική, Άσκηση 2. (Κανονική κατανομή)

Στατιστική, Άσκηση 2. (Κανονική κατανομή) Στατιστική, Άσκηση 2 (Κανονική κατανομή) Στον πίνακα που ακολουθεί δίνονται οι μέσες παροχές όπως προέκυψαν από μετρήσεις πεδίου σε μια διατομή ενός ποταμού. Ζητείται: 1. Να αποδειχθεί ότι το δείγμα προσαρμόζεται

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ' ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2006 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ' ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2006 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ o ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ' ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 006 ΕΚΦΩΝΗΣΕΙΣ A. Η συνάρτηση f είναι παραγωγίσιµη στο ΙR. και c πραγµατική σταθερά. Να αποδείξετε ότι (c f(x)) =c f (x), x ΙR. Μονάδες

Διαβάστε περισσότερα

Ειδικά Θέματα Δημογραφίας: Χωρικές Διαστάσεις Δημογραφικών Δεδομένων

Ειδικά Θέματα Δημογραφίας: Χωρικές Διαστάσεις Δημογραφικών Δεδομένων ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Ειδικά Θέματα Δημογραφίας: Χωρικές Διαστάσεις Δημογραφικών Δεδομένων Ενότητα 1.2 : Η μεταβλητή χρόνος Διάγραμμα του LEXIS Βύρων Κοτζαμάνης Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας

Διαβάστε περισσότερα

Ελληνικό Ανοικτό Πανεπιστήμιο

Ελληνικό Ανοικτό Πανεπιστήμιο Διοίκηση Ολικής Ποιότητας και Διαχείριση Περιβάλλοντος Ελληνικό Ανοικτό Πανεπιστήμιο Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων και Οργανισμών Ακαδημαϊκό Έτος 2006-07 2η ΟΣΣ Ευτύχιος Σαρτζετάκης, Αναπληρωτής

Διαβάστε περισσότερα

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β;

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; σελ 1 από 5 ΚΕΦΑΛΑΙΟ 1 Ο Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; 1. Σ-Λ Η σχέση με:, είναι συνάρτηση. 2. Σ-Λ Η σχέση είναι συνάρτηση.

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΤΗΛΕΦΩΝΙΚΗΣ ΚΙΝΗΣΗΣ

ΣΤΑΤΙΣΤΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΤΗΛΕΦΩΝΙΚΗΣ ΚΙΝΗΣΗΣ ΣΤΑΤΙΣΤΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΤΗΛΕΦΩΝΙΚΗΣ ΚΙΝΗΣΗΣ Τέλεια δέσµη: όλες οι γραµµές της είναι προσπελάσιµες από οποιαδήποτε είσοδο. Ατελής δέσµη: όλες οι γραµµές της δεν είναι προσπελάσιµες από οποιαδήποτε είσοδο

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο

Διαβάστε περισσότερα

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : , Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση

Διαβάστε περισσότερα

ΔΙΑΧΡΟΝΙΚΗ ΕΞΕΛΙΞΗ ΤΗΣ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ ΝΟΜΙΣΜΑΤΙΚΟΥΣ ΚΑΙ ΤΟΥΣ ΠΡΑΓΜΑΤΙΚΟΥΣ ΔΕΙΚΤΕΣ

ΔΙΑΧΡΟΝΙΚΗ ΕΞΕΛΙΞΗ ΤΗΣ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ ΝΟΜΙΣΜΑΤΙΚΟΥΣ ΚΑΙ ΤΟΥΣ ΠΡΑΓΜΑΤΙΚΟΥΣ ΔΕΙΚΤΕΣ Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.283-290 ΔΙΑΧΡΟΝΙΚΗ ΕΞΕΛΙΞΗ ΤΗΣ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ ΤΩΝ 15 ΧΩΡΩΝ ΜΕΛΩΝ ΤΗΣ ΕΕ ΩΣ ΠΡΟΣ ΤΟΥΣ ΝΟΜΙΣΜΑΤΙΚΟΥΣ ΚΑΙ ΤΟΥΣ ΠΡΑΓΜΑΤΙΚΟΥΣ

Διαβάστε περισσότερα

Θεωρητικές Κατανομές Πιθανότητας

Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Α. ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ α) Διακριτή Ομοιόμορφη κατανομή β) Διωνυμική κατανομή γ) Υπεργεωμετρική κατανομή δ) κατανομή Poisson Β. ΣΥΝΕΧΕΙΣ

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

Διαβάστε περισσότερα

Δρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική

Δρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική Ποσοτικές Μέθοδοι Δρ. Χάϊδω Δριτσάκη MSc Τραπεζική & Χρηματοοικονομική Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR

Διαβάστε περισσότερα

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων Θνησιμότητα-πίνακες επιβίωσης-life Tables (ή πίνακες θνησιμότητας) A) Παρουσίαση των πινάκων επιβίωσης (Β. ΚΟΤΖΑΜΑΝΗΣ) Στο σημείο αυτό θα σταθούμε στη μελέτη της θνησιμότητας μέσω της παρουσίασης του ιδιότυπου

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος

Διαβάστε περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα

Διαβάστε περισσότερα