!n k. Ιστογράμματα. n k. x = N = x k

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "!n k. Ιστογράμματα. n k. x = N = x k"

Transcript

1 Ιστογράμματα Τα ιστογράμματα αποτελούν ένα εύχρηστο οπτικό τρόπο για να εξάγουμε την κατανομή που ακολουθούν μια σειρά μετρήσεων ενός μεγέθους αλλά και παράλληλα δίνουν τη δυνατότητα για εύκολη στατιστική ανάλυση των μετρήσεων Αν έχουμε μια σειρά από μεγάλο αριθμό μετρήσεων ενός μεγέθους τότε μπορούμε να ταξινομήσουμε τις μετρήσεις και να βρούμε τη συχνότητα εμφάνισης κάθε τιμής Συνήθως δεν κρατάμε κάθε μέτρηση ξεχωριστά αλλά χωρίζουμε το εύρος των τιμών σε κατάλληλα ίσα υποδιαστήματα και αθροίζουμε τις τιμές που πέφτουν σε κάθε υποδιάστημα. Με το τρόπο αυτό πέρνουμε τη κατανομή της συχνότητας εμφάνισης κάθε τιμής Για παράδειγμα έστω ότι μετρήσαμε κάποιο μέγεθος 30 φορές και βρήκαμε: Δηλαδή κάθε τιμή εμφανίζεται n i φορές H μέση τιμή μπορεί να γραφεί:!! x x k n k!n k Oι τιμές του μετρήσεων εμφανίζονται με την ακόλουθη συχνότητα: Τιμή Τιμή Τιμή ΦΥΣ 4 - Διαλ.04

2 f k Ιστογράμματα Ομαδοποιώντας τις μετρήσεις τότε βρίσκουμε ευκολότερα πόσο συνεισφέρει κάθε τιμή στο άθροισμα της μέσης τιμής, Σx k n k Στο παράδειγμα οι τιμές όλες οι τιμές βρίσκονται στο διάστημα και άρα η ακριβής τιμή θα βρίσκεται στο διάστημα. Εφόσον οι τιμές είναι οι πιο συχνές περιμένουμε ότι και η πραγματική τιμή θα είναι στο υποδιάστημα αυτό. Όντως η μέση τιμή είναι 8.5. Συνήθως χωρίζουμε το διάστημα σε ίσα υποδιαστήματα κατάλληλου μήκους ώστε στο καθένα να συμπεριλαμβάνεται μεγάλος αριθμός μετρήσεων και βρίσκουμε το ποσοστό των μετρήσεων σε κάθε διάστημα F k n k Συχνότητα εμφάνισης μιας μέτρησης x k. f k F k Πυκνότητα Πιθανότητας μεταβλητής x να βρεθεί στο k-διάστημα Δx,!x k το ποσοστό δηλαδή των μετρήσεων στο διάστημα Δx k Το ιστόγραμμα αποτελεί τη γραφική παράσταση της f k ως προς το x H ολική επιφάνεια των ορθογωνίων θα είναι ίση με την μονάδα:! F k! f k "x k x x ΦΥΣ 4 - Διαλ.04 F k x k Στη περίπτωση αυτή χρησιμοποιούμε σα Δx0.04cm Αν αριθμός των μετρήσεων γίνει αρκετά μεγάλος τότε το ιστόγραμμα πέρνει τη μορφή της κατανομής από την οποία προέρχονται οι μετρήσεις. Η καμπύλη αποτελεί την οριακή κατανομή! k

3 Ιστογράμματα - Οριακή κατανομή ΦΥΣ 4 - Διαλ.04 3 Η οριακή κατανομή είναι μια θεωρητική καμπύλη που δεν μπορεί να προκύψει ποτέ από τις μετρήσεις Το εμβαδό κάθε παρ/μου του ιστογράμματος είναι ισοδύναμο με τον αριθμό μετρήσεων που περιλαμβάνεται στο διάστημα αυτό. f xdx b πιθανότητα μια μέτρηση να περιλαμβάνεται μεταξύ x και x+δx! f xdx ποσοστό μετρήσεων μεταξύ xα και xb, η πιθανότητα a δηλαδή μια μέτρηση να «πέσει» στο διάστημα α,b +" f xdx Η πιθανότητα μια μέτρηση να βρίσκεται μεταξύ - και +!" Λέμε τότε ότι η fx είναι κανονικοποιημένη

4 ΦΥΣ 4 - Διαλ.04 4 Ιστογράμματα - Οριακή κατανομή πολλών μετρήσεων Αν ξέρουμε την οριακή κατανομή μπορούμε να υπολογίσουμε τη μέση τιμή +% x! x k F k " και ανάλογα! x x " x lim!x k x xf xdx "0 & % + " f xdx Αν οι μέτρησεις επηρεάζονται από πολλές πηγές μικρών τυχαίων σφαλμάτων τότε η οριακή κατανομή προσεγγιζει αυτή της κατανομής Gauss Για πολύ μεγάλο αριθμό μετρήσεων και για τυχαία μικρά σφάλματα οι τιμές που αποκλίνουν πολύ από τη μέση τιμή κατανέμονται συμμετρικά ως προς τη μέση τιμή τότε στην άθροιση της εύρεσης της μέσης τιμής αυτές οι τιμές αλληλοαναιρούνται και η τελική τιμή πλησιάζει την πιστή τιμή του μεγέθους f x Gx +! " ex µ!! Gxdx " Η πιθανότητα να πάρουµε µια τιµή x στο διάστηµα x και x +dx είναι: Px! " e x µ " Η πιθανότητα να πάρουµε µια τιµή x στο διάστηµα x και x +dx είναι: Px! " e x µ " Αν συνεχίσουµε για όλες τις τιµές x τότε η πιθανότητα για την x : Px! " e x µ "

5 ΦΥΣ 4 - Διαλ.04 5 Mέση τιµή σα καλύτερος υπολογισµός αληθινής τιµής H πιθανότητα να παρατηρήσουµε το συγκεκριµένο δείγµα των Ν µετρήσεων είναι το γινόµενο των πιθανοτήτων: Px, x,!, x Px! Px!!! Px! Px, x,!, x " & xi % µ e% Δεδοµένων Ν παρατηρούµενων τιµών x, x,, x o καλύτερος υπολογισµός της πραγµατικής τιµής είναι αυτός που πέρνουµε αν µεγιστοποιήσουµε την πιθανότητα Αυτό θα συµβεί όταν το άθροισµα στον εκθέτη είναι ελάχιστο! µ " Εποµένως θα πρέπει: d! µ " dµ 0! µ " 0 µ Ανάλογα ο καλύτερος υπολογισµός της τυπικής απόκλισης βρίσκεται ότι είναι: dpx, x,!, x d! 0 "! % x

6 Gaussian κατανομή ΦΥΣ 4 - Διαλ.04 6 Είδαμε ότι τα τυχαία σφάλματα υπάρχουν ακόμα και όταν όλες οι πηγές άλλων σφαλμάτων έχουν εξαλοιφθεί. Συχνά χρειάζεται να επαναλάβουμε μετρήσεις αρκετές φορές ώστε να εκτιμήσουμε την πιθανότητα κάποιος που επαναλαμβάνει μια πανομοιότυπη μέτρηση θα βρει διαφορετικό αποτέλεσμα Οι εκτιμήσεις αυτές στηρίζονται σε κάποιο μαθηματικό μοντέλο το οποίο και περιλαμβάνει τις περισσότερες περιπτώσεις. Το μοντέλο αυτό περιγράφεται από την Gaussian ή κανονική normal κατανομή f x Το γράφημα του σχήματος δίνεται από τη συνάρτηση Συχνότητα εμφάνισης τιμών x f x!" e % & x µ ' " Η συνάρτηση περιγράφεται από δύο παραμέτρους, μ και σ μ-σ μ μ+σ Η μεταβλητή μ περιγράφει που βρίσκεται η κορυφή της καμπύλης στον άξονα x Η μεταβλητή σ περιγράφει τη διασπορά των τιμών του x, δηλαδή το εύρος της καμπύλης Ουσιαστικά η καμπύλη αυτή δείχνει την συχνότητα με την οποία θα εμφανίζονταν διάφορες τιμές του x αν επαναλαμβάναμε μια μέτρηση πολλές φορές

7 ΦΥΣ 4 - Διαλ.04 7 Κανονική κατανομή Η μέση τιμή, μ, μας δίνει ουσιαστικά την περισσότερο πιθανή τιμή των x και αυτή είναι η μέση τιμή. Παραπλήσιες τιμές έχουν μια μικρότερη αλλά αρκετά μεγάλη πιθανότητα H κατανομή εκτείνεται σε άπειρες τιμές του x με μικρή ωστόσο πιθανότητα. Αποδεικνύεται ότι εμβαδό της καμπύλης μεταξύ μ-σ και μ+σ ισούται με το 68.3% του συνολικού εμβαδού της καμπύλης [-,+ ]. To εμβαδό της καμπύλης που περικλύεται μεταξύ μ-σ και μ+σ ισούται με το 95.4% του εμβαδού της καμπύλης. Ενώ για ±3σ το ποσοστό είναι 99.7% Όπως γράψαμε την παραπάνω εξίσωση το ολοκλήρωμά της από -,+ +" Gxdx +* % & x µ ' " + dx ˆµ x x + x +!+ x Για Ν μεγάλο ˆµ µ ˆ!!!" e!" * ˆ! ˆµ " Πολλές φορές χρησιμοποιούμε αντί για την ποσότητα σ, το πλήρες εύρος της κατανομής στο μέσο του μέγιστου ύψους της FWHM που συμβολίζεται με Γ. " Από τον ορισμό, G µ ±! % & ' Gµ έχουμε ότι! " ln.35"

8 Εύρεση καλύτερης ευθείας προσαρμογής Μέθοδος ελαχίστων τετραγώνων μέθοδος χ Όπως είδαμε στη γραφική εύρεση της καλύτερης ευθείας προσαρμογής, αυτό που ενδιαφερόμαστε είναι ο καθορισμός των παραμέτρων της συνάρτησης π.χ. μιας ευθείας που περιγράφει τα δεδομένα Δύο μεθόδοι: Ελαχίστων τετραγώνων ή χ Μέγιστης πιθανότητας - maximum likelihood Υποθέτουμε ότι έχουμε μια συνάρτηση y μιας μεταβλητής x και μια σειρά παραμέτρων!!!,!,",! " y yx;!! Έστω ότι μετρήσαμε διάφορες τιμές του y για κάποιες τιμές της ανεξάρτητης μεταβλητής x. Επομένως θα έχουμε Ν ζεύγη τιμών Ορίζουμε σαν χ τη ποσότητα:! x;! ", y i ±! yi όπου ι,,ν +, % y i y ;! " ' * & i ΦΥΣ 4 - Διαλ.04 8 H μέθοδος των ελαχίστων τετραγώνων δηλώνει ότι η καλύτερη εκτίμηση των παραμέτρων θ i επιτυγχάνεται όταν βρεθεί μια ομάδα τιμών θ i για τις οποίες η συνάρτηση χ είναι ελάχιστη

9 Μέθοδος ελαχίστων τετραγώνων - χ Αν οι αποκλίσεις κάθε μέτρησης, σ i, είναι ίσες τότε η σχέση απλουστεύεται! * % y " i y ;! & ' Είναι σημαντικό να προσέξετε ότι η μέθοδος όπως ορίστηκε χρειάζεται τη γνώση των αβεβαιοτήτων σ i και ότι υποθέτει ότι δεν υπάρχουν αβεβαιότητες στη γνώση της ανεξάρτητης μεταβλητής x. Aβεβαιότητες στις τιμές μπορούν να αγνοηθούν εφόσον: ΦΥΣ 4 - Διαλ.04 9! xi <<! yk y k µ" i,,...,, k,,..., Αγνοώντας τις αβεβαιότητες, η μέθοδος ελαχίστων τετραγώνων είναι απλά το άθροισμα των αποστάσεων κάθε μέτρησης y i από τα σημεία της θεωρητικής καμπύλης,y i. Ελαχιστοποιώντας τη συνάρτηση ψάχνουμε τα σημεία της καλύτερης καμπύλης για τα οποία αυτή η απόσταση ελαχιστοποιείται H εισαγωγή των αβεβαιοτήτων είναι απαραίτητη αν θέλουμε να κάνουμε στατιστική ανάλυση των αποτελεσμάτων διαφορετικά είναι απλό γεωμετρικό πρόβλημα

10 Εφαρμογή χ - εύρεση παραμέτρων ευθείας Ας υποθέσουμε ότι η συνάρτηση την οποία θέλουμε να προσαρμόσουμε στα σημεία των μετρήσεων μας είναι της μορφής ax + b y x Θα υποθέσουμε ακόμα ότι οι αβεβαιότητες σ i των y i είναι όλες ίσες μεταξύ τους Επομένως το πρόβλημα εύρεσης των παραμέτρων α και b έγγυται στην ελαχιστοποίησης της συνάρτησης χ ως προς α και b ΦΥΣ 4 - Διαλ.04 0 Η ελαχιστοποίηση γίνεται πέρνοντας τη μερική παράγωγο της χ ως προς α και b και εξισώνοντας με μηδέν:!"!a 0!" και!b 0 και λύνοντας το σύστημα των γραμμικών εξισώσεων που προκύπτει προς α και b!!a!!b & % & % y i " a " b ' " y " ax " b i i 0 y i " a " b ' " y " ax " b i i 0! y i a! + b!! y i a! + b b! y i " a! Αντικαθιστούμε στην η εξίσωση και λύνουμε ως προς α:! y i a! +! y i " a * '!!! a,! "! % & +, - /! y i "!! y i./

11 ΦΥΣ 4 - Διαλ.04 Εύρεση παραμέτρων ευθείας με μέθοδο χ Από την τελευταία εξίσωση παίρνουμε το α και αντικαθιστώντας στην εξίσωση του b παίρνουμε το b! y i "!! y i a! xy "! x! y &, / +! "! % '. * + -. και b! y i! "!! y i &, +! "! % '. * + -.! x y! "! x! xy / Αν διαιρέσουμε με Ν τον αριθμητή και παρονομαστή στις παραπάνω σχέσεις a yx! x y x! x και b y x! x xy x! x όπου x! y! y i

12 Παράδειγµα Έστω ότι κάποιος φοιτητής θέλει να µετρήσει τις µάζες διαφόρων σωµάτων µε µια ζυγαριά ελατηρίου. Θα πρέπει πριν µετρήσει τις µάζες να βαθµονοµήσει τη ζυγαριά. Για να το κάνει αυτό χρησιµοποιεί 5 γνωστές µάζες των kgr τις οποίες τοποθετεί διαδοχικά πάνω στη ζυγαριά και µετρά κάθε φορά το αντίστοιχο µήκος του ελατηρίου l k. Υποθέτοντας ότι το ελατήριο υπακούει στο νόµο του Hooke, περιµένει ότι l A + Bm Η σταθερά A είναι το φυσικό µήκος τους εκκρεµούς και Β είναι Βg/k, k η σταθερά ελατηρίου Χρησιµοποιόντας την γραµµική σχέση l A + Bm µπορεί µετρώντας το µήκος του ελατηρίου για µια άγνωστη µάζα m να βρει τη µάζα. Χρειάζεται εποµένως τις τιµές Α και Β. Μέτρηση Μάζα m Μήκος, l m m i l i ! m i 30! l i 56.6! m i 0! m i l i 6 Η σταθερά Β θα είναι! ml " m l ΦΥΣ 4 - Διαλ.04 Εποµένως:! m " m! " Η σταθερά Α είναι:! m! l "! m! l A A 0! 56.6 " 30! 6 00 A 39.0cm 5 % 6 " 30 % 56.6! B.06cm / kgr 00

13 Γραφική παράσταση Το γράφηµα των προηγούµενων µετρήσεων θα είναι: ΦΥΣ 4 - Διαλ.04 3 Μήκος, l cm Μάζες, m kgr l m Εποµένως αν κάποια µάζα επιµηκύνει το ελατήριο κατά 53.cm τότε σύµφωνα µε την εξίσωση της χ ευθείας: m 53.! kg Χρειάζεται να υπολογίσουµε τις αβεβαιότητες των Α και Β. Αρχικά όµως ποια είναι η αβεβαιότητα των µετρήσεων y? Έχουµε 5 µετρήσεις αλλά η διασπορά τους δεν µας δίνει την αβεβαιότητα τους. Ωστόσο κάθε µέτρηση περιµένουµε να κατανέµεται σύµφωνα µε την Gaussian κατανοµή γύρω από την αληθινή τιµή ya + B µε εύρος σ i Εποµένως όλες οι αποκλίσεις y i A B θα είναι κατανεµηµένες Gaussian µε κεντρική τιµή 0 και το ίδιο εύρος σ y. Το εύρος σ y δίνεται από την σχέση! y y i " A " Bx "

14 Εύρεση αβεβαιότητας παραµέτρων ευθείας Οι αβεβαιότητες των α και b βρίσκονται από εφαρμογή διάδοσης σφαλμάτων και πολύ άλγεβρα " % " % x a i! x y i ' *, +a / x! x ' a * yi -. +y &' i 0 * x a * i! x ' & y x! x ' * & &' & Αλλά '! " x a " i + x x y x x % " x i + x! x " + x "! x"! + x " x x! " x i ΦΥΣ 4 - Διαλ.04 4 Αντικαταστούμε την τελευταία σχέση στον αριθμητή της εξίσωσης για! a x i " x! a! y x " x x " x! y x " x x " x x " x x " x! y! y! a Ανάλογα βρίσκουμε και την αβεβαιότητα του b! b! y x! y " y i " A " Bx x " x οπότε

15 ΦΥΣ 4 - Διαλ.04 5 Περίπτωση με σφάλμα σε x και y Aν οι μετρήσεις έχουν σφάλμα σε x, σ x και y, σ y, τότε μπορούμε να βρούμε ένα ισοδύναμο σφάλμα στην διεύθυνση y που προκαλεί το ίδιο αποτέλεσμα Δx Δy new x,y Υποθέτοντας αρχικά ότι σ y 0!y new dy dx!x! " y dy new dx " x Αν σ y δεν είναι 0 τότε το νέο σφάλµα µπορεί να γραφεί! y new! " y + dy dx! % x & ' αφού οι δυό αβεβαιότητες είναι ανεξάρτητες µεταξύ τους

16 ΦΥΣ 4 - Διαλ.04 6 Περίληψη Μέθοδος χ Οπότε συνοψίζοντας τη μέθοδο των ελαχίστων τετραγώνων για την περίπτωση της ευθείας και υποθέτοντας ότι τα σφάλματα των Ν επιμέρους μετρήσεων, y i, είναι ίσα μεταξύ τους ότι :! y i "!! y i κλίση a τεταγμένη b! y i! "!! y i! a! y "! b! y " ' όπου:! " " x % & i αβεβαιότητα μετρήσεων:! y " y i " A " Bx Η συσχέτιση μεταξύ των x και y: r "! x y i! y "! x " y i! y % " & " y i! x y % ' & & x i! x ' " y i! y % '

17 ΦΥΣ 4 - Διαλ.04 7 Μέθοδος ελαχίστων τετραγώνων -! yi άνισα Αν τα σφάλματα των μετρήσεων είναι διαφορετικά μεταξύ τους τότε η συνάρτηση που θα πρέπει να ελαχιστοποιήσουμε είναι! * + y i " ax i " b ' & % i Η ελαχιστοποιήση δίνει τις ίδιες εξισώσεις μόνο που στη περιπτώση αυτή οι μέσες τιμές των μεγεθών αντιστοιχούν σε αυτές που προκύπτουν με το να ζυγίσουμε τις τιμές με τα ανάλογα βάρη /σ i και η κανονικοποίηση δεν γίνεται ως προς Ν αλλά ως προς το συνολικό βάρος "! i Οι σχέσεις που δίνουν τις παραµέτρους α και b γίνονται y αx + b: " " " " wx wy! wx wxy b! w! wxy "! wx! wy a! b! a "wx "w! " w" wx " wx

18 ΦΥΣ 4 - Διαλ.04 Μετρήσεις ίδιου μεγέθους με διαφορετικά σφάλματα Θεωρούμε κάποιο μέγεθος x το οποίο μετρήθηκε από διαφορετικούς παρατηρητές ή από τον ίδιο παρατηρητή κάνοντας διαφορετικά set μετρήσεων Οι μετρήσεις οι οποίες βρέθηκαν ήταν : x x A ±! " και x x B ±! B Αφού έχουμε πληροφορίες για το μέγεθος αυτό, θέλουμε να εξάγουμε από αυτές τις μετρήσεις το καλύτερο αποτέλεσμα για το μέγεθος x. Αλλά πως? Αν η διαφορά των τιμών x A -x B είναι περισσότερο από ±maxσ Α,σ Β τότε κάποια από τις μετρήσεις υποφέρει από κάποιο σφάλμα συνήθως συστηματικό το οποίο και θα πρέπει να απαλοίψουμε πριν συγκριθούν και συνδυαστούν Από τη στιγμή που οι δύο μετρήσεις έχουν διαφορετικό σφάλματα δεν μπορούν να συνδυαστούν απευθείας για την εύρεση της μέσης τιμής. Θα δίναμε την ίδια βαρύτητα και στις δυο μετρήσεις. Η λογική λύση είναι να συνδυαστούν με τέτοιο τρόπο ώστε η τιμή με την καλύτερη ακρίβεια συνεισφέρει περισσότερο από τη λιγότερο ακριβή μέτρηση Θεωρώντας ότι οι δυό μετρήσεις προκύπτουν από κατανομές Gauss και με με εύρος σ Α και σ Β αντίστοιχα και οι κατανομές έχουν αναμενόμενη μέση τιμή την άνωστη τιμή Χ του μεγέθους που θέλουμε να μετρήσουμε τότε οι πιθανότητα να μετρήσουμε x A και x B είναι Px A! " A e x A X " και Px B! " B e x B X " B 8

19 ΦΥΣ 4 - Διαλ.04 9 Μετρήσεις ίδιου μεγέθους με διαφορετικά σφάλματα Η πιθανότητα για τα δυό αποτελέσματα ταυτόχρονα είναι Px A, x B Px A Px B! " e x A X " A " B e x B X " B e " " B y % x A X ' ' & " A + x B X " B * * e y! "! B Αυτή η πιθανότητα θέλουμε να είναι μέγιστη πρέπει να είναι ελάχιστο dy Αλλά y ελάχιστο όταν dx 0 Επομένως παραγωγίζοντας και εξισώνοντας με 0 έχουμε: x d % x A! X + x! X ' * dx &' " " *! x! X A +! x! X A B " + x B,! X A " B! x A " " B " + x " + "! % & " + /. ' " * A " B Θέτοντας w A! A και w B! B σημαντικότητα ή βάρος της κάθε μέτρησης X x w + x w A A B B Με το τρόπο αυτό η συμβολή της πιο ακριβής μέτρησης είναι w A + w B μεγαλύτερη από της λιγότερο ακριβής Για πολλές διαφορετικές μετρήσεις γράφουμε: X! w i!w i όπου w i! i

20 ΦΥΣ 4 - Διαλ.04 0 Αβεβαιότητα της τιμής Χ συνδυασμού μετρήσεων Χρησιμοποιώντας το γενικό τύπο διάδοσης σφαλμάτων για τις μετρήσεις έχουμε! X "X & % "x '! + "X & % "x '! +!+ "X & % "x '! αλλά X! w i!w i oπότε θα έχουμε:! X w! "w i + w "w i!! +!+ w "w i αλλά w i! " w i i! " w 4 i! i i! i! X! "w i +! "w i +!+! "w i! " X w i " + " +!+ "! " X w w + w +!+ w! " X i w i / w i! " X w i Επομένως έχουμε: X! X Θα μπορούσαμε να γράψουμε: " w i με αβεβαιότητα! X! +! +!+!! X " w i! +! +!+ H αβεβαιότητα της συνσυασμένης τιμής Χ μοιάζει σα το τύπο της ολικής αντίστασης Ν αντιστάσεων συνδεδεμένων παράλληλα!

21 Παράδειγμα ΦΥΣ 4 - Διαλ.04 Έστω ότι μετρήθηκε μια ωμική αντίσταση πολλές φορές από τρια άτομα και βρέθηκε R ±Ω, R ±Ω και R 3 0±3Ω. Ποιά η καλύτερη τιμή της R και ποια η αβεβαιότητα της; Θα έχουμε w! " w! " και w 3! 3 9 " Οπότε εφαρμόζοντας το τύπο: X! w i!w i παίρνουμε! +! + 0! X H αβεβαιότητα θα είναι: 4...4"! X! +! +!+!! " X + + 9! ". X! " x Έπομένως το τελικό αποτέλεσμα είναι: Χ.4±0.7 Ω Αγνοώντας τη τρίτη μέτρηση με το μεγαλύτερο σφάλμα βρίσκουμε Χ.5±0.7Ω Δηλαδή η τρίτη και χειρότερη μέτρηση ουσιαστικά δεν συνεισφέρει στη τελική τιμή του μεγέθους

22 Κριτήριο απόρριψης τιμών ΦΥΣ 4 - Διαλ.04 Έστω ότι κάποιος μετρώντας ένα μέγεθος 7 φορές βρήκε τις ακόλουθες τιμές και 49.3 Η τελευταία μέτρηση φαίνεται αρκετά μεγαλύτερη από όλες τις υπόλοιπες και έξω από το διάστημα το οποίο περιέχει τις περισσότερες μετρήσεις Στην περίπτωση αυτή ελέγχουμε για κάποιο λάθος. Αν δεν μπορεί να αποδοθεί λάθος μπορούμε να την απορρίψουμε σύμφωνα με το ακόλουθο κριτήριο Αν πληρούνται οι προυποθέσεις για κάνουν την κατανομή των μετρήσεών μας Gaussian τότε μπορούμε να υπολογίσουμε την πιθανότητα να προκύψει κάποια τιμή πολύ διαφορετική από τις υπόλοιπες. Θεωρούμε όλες τις μετρήσεις αξιόπιστες και υπολογίζουμε τη μέση τιμή τους και τυπική απόκλιση x 33.7 και! x 7 H μέτρηση που δεν συμφωνεί με τις υπόλοιπες διαφέρει από τη μέση τιμή κατά 49.3! x 5.6 " 7.3 H πιθανότητα να προκύψει μια μέτρηση από μια Gaussian κατανομή με τιμή ίση ή και μεγαλύτερη από την μέση τιμή κατά t.3σ δίνεται από: x +t"! Gxdx x!t" Το ολοκλήρωμα της Gaussian βρίσκεται από πίνακες. Στη περίπτωσή μας η πιθανότητα αυτή είναι.57%. Δηλαδή Αν είχαμε 00 μετρήσεις τότε.57 θα διέφεραν από τη μέση τιμή τουλάχιστον.3σ. Για 7 μετρήσεις έχουμε πιθανότητα 0.8.

23 Ολοκλήρωμα Gaussian κατανομής. ΦΥΣ 4 - Διαλ.04 3 Πίνακας των % πιθανοτήτων για κάποια τιμή να βρίσκεται μεταξύ ορισμένων αριθμών σ από τη μέση τιμή

24 ΦΥΣ 4 - Διαλ.04 4 Κριτήριο απόρριψης τιμών Θεωρώντας αυθαίρετα σα κριτήριο απορριψημότητας την πιθανότητα 0.5 ή μικρότερη μπορούμε να απορρίψουμε τη συγκεκριμένη μέτρηση. Στη περίπτωση αυτή αφού απορρίψουμε τη μέτρηση θα πρέπει να υπολογίσουμε και πάλι τη μέση τιμή και απόκλιση των υπόλοιπων μετρήσεων Μπορούμε να επαναλάβουμε τη διαδικασία για τις υπόλοιπες τιμές χρησιμοποιόντας την νέα μέση τιμή και απόκλιση. Συνήθως όμως προσπαθούμε να αποφύγουμε τη μεταγενέστερη απόρριψη τιμών γιατί μπορούμε να κάνουμε το σφάλμα μας τεχνικά πολύ μικρό

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ ΦΥΣ 114 ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ Φθινόπωρο 010 Διδάσκων/Υπεύθυνος: Φώτης Πτωχός e-mail: fotis@ucy.ac.cy Τηλ:.89.837 Γραφείο: B35 web-page: http://www.ucy.ac.cy/~fotis/phy114/phy114.htm Γραφικές παραστάσεις

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

Σχετικό συστηματικό σφάλμα Το σφάλμα του γινομένου 2 μεταβλητών με επιμέρους συστηματικά σφάλματα.

Σχετικό συστηματικό σφάλμα Το σφάλμα του γινομένου 2 μεταβλητών με επιμέρους συστηματικά σφάλματα. 1 Σχετικό συστηματικό σφάλμα Το σφάλμα του γινομένου 2 μεταβλητών με επιμέρους συστηματικά σφάλματα. Παράδειγμα: αν m = (0.53 ± 0.01) kg και υ = (9.1 ± 0.3) m/s, Προσδιορίστε την ορμή (p = mυ ) ΛΥΣΗ Άρα

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

Δηλαδή η ρητή συνάρτηση είναι πηλίκο δύο ακέραιων πολυωνύμων. Επομένως, το ζητούμενο ολοκλήρωμα είναι της μορφής

Δηλαδή 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 περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

Κεφάλαιο 4 Εισαγωγή στη στατιστική ανάλυση μετρήσεων

Κεφάλαιο 4 Εισαγωγή στη στατιστική ανάλυση μετρήσεων Κεφάλαιο 4 Εισαγωγή στη στατιστική ανάλυση μετρήσεων Σύνοψη Στο κεφάλαιο αυτό παρουσιάζονται οι βασικές έννοιες της στατιστικής ανάλυσης των μετρήσεων που υπόκεινται σε τυχαία σφάλματα. Παρουσιάζεται μέσω

Διαβάστε περισσότερα

Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες

Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες Είπαμε ότι γενικά τα συστηματικά σφάλματα που υπεισέρχονται σε μια μέτρηση ενός φυσικού μεγέθους είναι γενικά δύσκολο να επισημανθούν και να διορθωθούν.

Διαβάστε περισσότερα

Πρακτική µε στοιχεία στατιστικής ανάλυσης

Πρακτική µε στοιχεία στατιστικής ανάλυσης Πρακτική µε στοιχεία στατιστικής ανάλυσης 1. Για να υπολογίσουµε µια ποσότητα q = x 2 y xy 2, µετρήσαµε τα µεγέθη x και y και βρήκαµε x = 3.0 ± 0.1και y = 2.0 ± 0.1. Να βρεθεί η ποσότητα q και η αβεβαιότητά

Διαβάστε περισσότερα

159141,9 64 x n 1 n

159141,9 64 x n 1 n Πιθανότητες Στατιστική: Λύσεις θεμάτων. Φεβρουάριος 9. Σειρά Α Ζήτημα ο : Μία ομάδα φοιτητών μετρά 64 φορές μία απόσταση s που δεν γνωρίζουν. Τα αποτελέσματα των μετρήσεων εμφανίζονται στον διπλανό πίνακα

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

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

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ 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 περισσότερα

Πίνακας 4.4 Διαστήματα Εμπιστοσύνης. Τιμές που Επίπεδο εμπιστοσύνης. Διάστημα εμπιστοσύνης

Πίνακας 4.4 Διαστήματα Εμπιστοσύνης. Τιμές που Επίπεδο εμπιστοσύνης. Διάστημα εμπιστοσύνης Σφάλματα Μετρήσεων 4.45 Πίνακας 4.4 Διαστήματα Εμπιστοσύνης. Τιμές που Επίπεδο εμπιστοσύνης Διάστημα εμπιστοσύνης βρίσκονται εκτός του Διαστήματος Εμπιστοσύνης 0.500 X 0.674σ 1 στις 0.800 X 1.8σ 1 στις

Διαβάστε περισσότερα

Μαθηματικά. Ενότητα 3: Ολοκληρωτικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Μαθηματικά. Ενότητα 3: Ολοκληρωτικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Μαθηματικά Ενότητα 3: Ολοκληρωτικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

,, δηλαδή στο σημείο αυτό παρουσιάζει τη μέγιστη τιμή της αν α < 0 2α 4α και την ελάχιστη τιμή της αν α > 0. β Στο διάστημα,

,, δηλαδή στο σημείο αυτό παρουσιάζει τη μέγιστη τιμή της αν α < 0 2α 4α και την ελάχιστη τιμή της αν α > 0. β Στο διάστημα, Γενικής Παιδείας 1.4 Εφαρμογές των παραγώγων Το κριτήριο της πρώτης παραγώγου Στην Άλγεβρα της Α Λυκείου μελετήσαμε τη συνάρτηση f(x) = αx + βx + γ, α 0 και είδαμε ότι η γραφική της παράσταση είναι μία

Διαβάστε περισσότερα

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8 ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,

Διαβάστε περισσότερα

Διαφορικός λογισµός. y(x + Δx) y(x) dy dx = lim Δy

Διαφορικός λογισµός. y(x + Δx) y(x) dy dx = lim Δy Διαφορικός λογισµός ΦΥΣ 111 - Διαλ.5 1 Έστω y = f(x) µια συναρτησιακή σχέση της µεταβλητής y ως προς την µεταβλητή x: y = f(x) = αx 3 + bx 2 + cx + H παράγωγος του y ως προς το x ορίζεται ως το όριο των

Διαβάστε περισσότερα

ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΛΥΜΕΝΑ ΘΕΜΑΤΑ ΘΕΜΑ Α

ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΛΥΜΕΝΑ ΘΕΜΑΤΑ ΘΕΜΑ Α ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΛΥΜΕΝΑ ΘΕΜΑΤΑ Ερώτηση θεωρίας 1 ΘΕΜΑ Α Τι ονομάζουμε πραγματική συνάρτηση

Διαβάστε περισσότερα

Περιεχόμενα. Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14

Περιεχόμενα. Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14 Περιεχόμενα Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14 Κεφάλαιο 2 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΕΝΑ ΕΠΙΠΕΔΟ 20 2.1 Οι συντεταγμένες

Διαβάστε περισσότερα

Κεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines

Κεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines Κεφ. 3: Παρεμβολή 3. Εισαγωγή 3. Πολυωνυμική παρεμβολή 3.. Παρεμβολή Lagrage 3.. Παρεμβολή Newto 3.3 Παρεμβολή με κυβικές splies 3.4 Μέθοδος ελαχίστων τετραγώνων 3.5 Παρεμβολή με ορθογώνια πολυώνυμα 3.

Διαβάστε περισσότερα

ΚΕΦ. 1. ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Εισαγωγή.

ΚΕΦ. 1. ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Εισαγωγή. 1 ΚΕΦ. 1. ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ 1.1. Εισαγωγή. Σε ότι ακολουθεί με τον όρο συνάρτηση θα εννοούμε μια πραγματική συνάρτηση πραγματικής μεταβλητής, ορισμένη σε ένα διάστημα πραγματικών αριθμών. Σε

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

Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ

Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ Δημήτριος Νικολόπουλος, Καθηγητής Περιβαλλοντική και Ιατρική Φυσική Εξίσωση και κλίση ευθείας Έστω ότι έχουμε δυο σταθερές α και

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

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

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ Οι πραγματικοί αριθμοί αποτελούνται από τους ρητούς και τους άρρητους αριθμούς, τους φυσικούς και τους ακέραιους αριθμούς. Δηλαδή είναι το μεγαλύτερο σύνολο αριθμών που μπορούμε

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΘΕΜΑ A A. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι f g f g,. Μονάδες 7 Α. Σε ένα πείραμα με ισοπίθανα αποτελέσματα

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 0 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι (f() + g ()) f () + g (),. Μονάδες 7 Α. Σε ένα πείραµα µε ισοπίθανα

Διαβάστε περισσότερα

1 x-μ - 2 σ. e σ 2π. f(x) =

1 x-μ - 2 σ. e σ 2π. f(x) = Κανονική κατανομή Η πιο σημαντική κατανομή πιθανοτήτων της στατιστικής είναι η κανονική κατανομή. Η κανονική κατανομή είναι συνεχής κατανομή, σε αντίθεση με την διωνυμική που είναι διακριτή κατανομή. Τα

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

Τυχαία 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 περισσότερα

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x)

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x) ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΤΕΤΑΡΤΗ 3 ΜΑΪΟΥ 01 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ

Διαβάστε περισσότερα

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο

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

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 ) Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι

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

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί

Διαβάστε περισσότερα

x, όπου c σταθερός πραγματικός αριθμός. Μονάδες 10

x, όπου c σταθερός πραγματικός αριθμός. Μονάδες 10 ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ - ΕΣΠΕΡΙΝΩΝ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ ΤΑΞΗΣ ΕΣΠΕΡΙΝΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΤΕΤΑΡΤΗ 23 ΜΑΪΟΥ 2012 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΣΥΝΟΛΟ

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23 Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα

Διαβάστε περισσότερα

ΜΑΣ 371: Αριθμητική Ανάλυση ΙI ΑΣΚΗΣΕΙΣ. 1. Να βρεθεί το πολυώνυμο Lagrange για τα σημεία (0, 1), (1, 2) και (4, 2).

ΜΑΣ 371: Αριθμητική Ανάλυση ΙI ΑΣΚΗΣΕΙΣ. 1. Να βρεθεί το πολυώνυμο Lagrange για τα σημεία (0, 1), (1, 2) και (4, 2). ΜΑΣ 37: Αριθμητική Ανάλυση ΙI ΑΣΚΗΣΕΙΣ Να βρεθεί το πολυώνυμο Lagrage για τα σημεία (, ), (, ) και (4, ) Να βρεθεί το πολυώνυμο παρεμβολής Lagrage που προσεγγίζει τη συνάρτηση 3 f ( x) si x στους κόμβους

Διαβάστε περισσότερα

Πολλαπλασιαστές Lagrange Δυνάμεις δεσμών

Πολλαπλασιαστές Lagrange Δυνάμεις δεσμών ΦΥΣ - Διαλ.08 Πολλαπλασιαστές Lagrange Δυνάμεις δεσμών q q Το μεγάλο πλεονέκτημα του Lagrangian φορμαλισμού είναι ότι δεν χρειάζεται να υπολογισθούν οι δυνάμεις των δεσμών Ø Υπάρχουν περιπτώσεις που χρειαζόμαστε

Διαβάστε περισσότερα

ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% )

ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% ) ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ (0-6-005) ΟΜΑΔΑ Α ( 40% ) ) Έστω μια τυχαία μεταβλητή Χ και ένα δείγμα x, x,, x n. Θεωρούμε την τιμή k = n i= ( x && x) i.να διευκρινιστεί

Διαβάστε περισσότερα

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2015 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2015 1 / 68 Αριθμητικές Μέθοδοι

Διαβάστε περισσότερα

Β Λυκείου - Ασκήσεις Συστήματα. x = 38 3y x = 38 3y x = x = = 11

Β Λυκείου - Ασκήσεις Συστήματα. x = 38 3y x = 38 3y x = x = = 11 Να λυθεί το σύστημα: Β Λυκείου - Ασκήσεις Συστήματα x+ 3y= 38 3x y = 2 Θα λύσουμε το σύστημα με τη μέθοδο της αντικατάστασης: x+ 3y= 38 x = 38 3y x = 38 3y x = 38 3y 3x y = 2 338 ( 3y) y= 2 3 38 9y y =

Διαβάστε περισσότερα

c(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

c(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 περισσότερα

ΣΥΣΤΗΜΑΤΑ. 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις)

ΣΥΣΤΗΜΑΤΑ. 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις) 6 ΣΥΣΤΗΜΑΤΑ 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις) Η εξίσωση αx βy γ Στο Γυμνάσιο διαπιστώσαμε με την βοήθεια παραδειγμάτων ότι η εξίσωση αx βy γ, με α 0 ή β 0, που λέγεται γραμμική εξίσωση,

Διαβάστε περισσότερα

Ιωάννης Σ. Μιχέλης Μαθηματικός

Ιωάννης Σ. Μιχέλης Μαθηματικός 1 Άλγεβρα 1 ο Κεφάλαιο Ερώτηση 1 : Τι ονομάζεται αριθμητική και τι αλγεβρική παράσταση; Μία παράσταση, που περιέχει πράξεις με αριθμούς ονομάζεται αριθμητική παράσταση. Μία παράσταση, που περιέχει πράξεις

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

ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ

ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 1 ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ 1. Πότε µια συνάρτηση f σε ένα διάστηµα του πεδίου ορισµού της λέγεται γνησίως αύξουσα και πότε γνησίως φθίνουσα; 2. Να αποδείξετε ότι η παράγωγος

Διαβάστε περισσότερα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια

Διαβάστε περισσότερα

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης 1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από

Διαβάστε περισσότερα

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ. ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ http://www.physicslab.tuc.gr https://www.eclass.tuc.gr/courses/sci123/ Επιμέλεια παρουσίασης: Ά.Καλλιατάκη,

Διαβάστε περισσότερα

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ. ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΡΓΑΣΤΗΡΙΟ ΔΟΜΗΣ ΤΗΣ ΥΛΗΣ ΚΑΙ ΦΥΣΙΚΗΣ ΛΕΪΖΕΡ http://www.physicslab.tuc.gr https://www.eclass.tuc.gr/courses/sci123/ Επιμέλεια παρουσίασης: Ά.Καλλιατάκη,

Διαβάστε περισσότερα

Μαθηματική Ανάλυση Ι

Μαθηματική Ανάλυση Ι Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Μαθηματική Ανάλυση Ι Ενότητα 8: Ολοκληρώματα Επίκουρος Καθηγητής Θ. Ζυγκιρίδης e-mil: tzygiridis@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών

Διαβάστε περισσότερα

x y z xy yz zx, να αποδείξετε ότι x=y=z.

x y z xy yz zx, να αποδείξετε ότι x=y=z. ΑΣΚΗΣΕΙΣ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΚΕΦ. ο A. Ταυτότητες, ιδιότητες δυνάμεων, διάταξη.1 Να παραγοντοποιήσετε τις παρακάτω παραστάσεις: 1. 15a x 15a y 5a x 5a y. a x a x a x a x 3 3 4 3 3 3 3. x 4xy 16 4 y

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

Άλγεβρα 1 ο Κεφάλαιο ... ν παράγοντες

Άλγεβρα 1 ο Κεφάλαιο ... ν παράγοντες 1 Άλγεβρα 1 ο Κεφάλαιο Ερώτηση 1 : Τι ονομάζεται δύναμη α ν με βάση τον πραγματικό αριθμό α και εκθέτη το φυσικό αριθμό >1; H δύναμη με βάση έναν πραγματικό αριθμό α και εκθέτη ένα φυσικό αριθμό ν, συμβολίζεται

Διαβάστε περισσότερα

f x g x f x g x, x του πεδίου ορισμού της; Μονάδες 4 είναι οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν και w

f x g x f x g x, x του πεδίου ορισμού της; Μονάδες 4 είναι οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν και w ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 0 ΜΑΪΟΥ 015 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α Α1 Αν οι συναρτήσεις f,g

Διαβάστε περισσότερα

2. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ

2. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ 1. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ 1. Σφάλματα Κάθε μέτρηση ενός φυσικού μεγέθους χαρακτηρίζεται από μία αβεβαιότητα που ονομάζουμε σφάλμα, το οποίο αναγράφεται με τη μορφή Τιμή ± αβεβαιότητα π.χ έστω ότι σε ένα πείραμα

Διαβάστε περισσότερα

Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ. ΚΕΦΑΛΑΙΟ 4 ο ΠΟΛΥΩΝΥΜΑ-ΠΟΛΥΩΝΥΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ

Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ. ΚΕΦΑΛΑΙΟ 4 ο ΠΟΛΥΩΝΥΜΑ-ΠΟΛΥΩΝΥΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Α Λ Γ Ε Β Ρ Α Β Λ Υ Κ Ε Ι Ο Υ ΚΕΦΑΛΑΙΟ 4 ο ΠΟΛΥΩΝΥΜΑ-ΠΟΛΥΩΝΥΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Συνοπτική Θεωρία Ασκήσεις της Τράπεζας Θεμάτων Ερωτήσεις Σωστού-Λάθους Διαγωνίσματα Επιμέλεια: Συντακτική ομάδα mathp.gr Συντονισμός

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34 Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης

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

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

Αριθμητική Ανάλυση & Εφαρμογές

Αριθμητική Ανάλυση & Εφαρμογές Αριθμητική Ανάλυση & Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Υπολογισμοί και Σφάλματα Παράσταση Πραγματικών Αριθμών Συστήματα Αριθμών Παράσταση Ακέραιου

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

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

ΑΣΚΗΣΕΙΣ Γ.Π. ΚΕΦ 1,2,3

ΑΣΚΗΣΕΙΣ Γ.Π. ΚΕΦ 1,2,3 Ασκηση 1 ΑΣΚΗΣΕΙΣ Γ.Π. ΚΕΦ 1,2,3 Δίνεται η συνάρτηση α. Να εξετάσετε την f ως προς τα ακρότατα. β. Να βρείτε την εξίσωση της εφαπτομένης της C f στο (1,f(1)). γ. Αν το α παίρνει τιμές που προκύπτουν από

Διαβάστε περισσότερα

ÖÑÏÍÔÉÓÔÇÑÉÏ ÈÅÌÅËÉÏ ÇÑÁÊËÅÉÏ ÊÑÇÔÇÓ

ÖÑÏÍÔÉÓÔÇÑÉÏ ÈÅÌÅËÉÏ ÇÑÁÊËÅÉÏ ÊÑÇÔÇÓ ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ (ΑΛΓΕΒΡΑ) ΕΠΑ.Λ. 8 ΙΟΥΝΙΟΥ 07 ΕΚΦΩΝΗΣΕΙΣ Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι: ( f (x) + g (x)) = f (x) + g(x) Μονάδες 0 Α. Να χαρακτηρίσετε τις προτάσεις

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

3. 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 περισσότερα

Διάστημα εμπιστοσύνης της μέσης τιμής

Διάστημα εμπιστοσύνης της μέσης τιμής Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:

Διαβάστε περισσότερα

ΠΡΟΣΑΡΤΗΜΑ IΙΙ (III-1.1) όπου x i η τιµή της µέτρησης i και Ν ο αριθµός των µετρήσεων.

ΠΡΟΣΑΡΤΗΜΑ IΙΙ (III-1.1) όπου x i η τιµή της µέτρησης i και Ν ο αριθµός των µετρήσεων. ΠΡΟΣΑΡΤΗΜΑ IΙΙ IΙΙ-1. Αξιολόγηση Αναλυτικών εδοµένων ύο όροι που χρησιµοποιούνται ευρύτατα στη διερεύνηση της αξιοπιστίας των δεδοµένων είναι η επαναληψιµότητα (precson) και η ακρίβεια (accurac). Επαναληψιµότητα

Διαβάστε περισσότερα

ΦΥΣ 145 Μαθηµατικές Μέθοδοι στη Φυσική. 5 Μαίου 2012

ΦΥΣ 145 Μαθηµατικές Μέθοδοι στη Φυσική. 5 Μαίου 2012 ΦΥΣ 145 Μαθηµατικές Μέθοδοι στη Φυσική 5 Μαίου 2012 Συµπληρώστε τα στοιχεία σας στο παρακάτω πίνακα τώρα Ονοµατεπώνυµο Αρ. Ταυτότητας Username Password Δηµιουργήστε ένα φάκελο στο home directory σας µε

Διαβάστε περισσότερα

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ 1 Συναρτήσεις Όταν αναφερόμαστε σε μια συνάρτηση, ουσιαστικά αναφερόμαστε σε μια σχέση ή εξάρτηση. Στα μαθηματικά που θα μας απασχολήσουν, με απλά λόγια, η σχέση

Διαβάστε περισσότερα

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας. Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς

Διαβάστε περισσότερα

P(200 X 232) = =

P(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 περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Ι Β ΜΕΡΟΣ

ΜΑΘΗΜΑΤΙΚΑ Ι Β ΜΕΡΟΣ ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΜΑΘΗΜΑΤΙΚΑ Ι Περιληπτικές Σημειώσεις-Ασκήσεις Β ΜΕΡΟΣ ΦΩΤΟΥΛΑ ΑΡΓΥΡΟΠΟΥΛΟΥ KAΘ. ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑΤΟΣ ΔΕΟ Msc. Θεωρητικά Μαθηματικά ΚΑΛΑΜΑΤΑ 2016 0 ΠΕΡΙΕΧΟΜΕΝΑ

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος 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 περισσότερα

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ 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 περισσότερα

Κεφάλαιο 6. Αριθμητική παρεμβολή

Κεφάλαιο 6. Αριθμητική παρεμβολή Κεφάλαιο 6. Αριθμητική παρεμβολή Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται η μέθοδος της Αριθμητικής Παρεμβολής, δηλαδή η εύρεση της τιμής y k μιας συνάρτησης για ένα δεδομένο x k, όταν δεν γνωρίζουμε την

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ ΦΥΣ 114 ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Ι ΜΗΧΑΝΙΚΗ Φθινόπωρο 2014 Διδάσκων/Υπεύθυνος: Φώτης Πτωχός e-mail: fotis@ucy.ac.cy Τηλ: 22.89.2837 Γραφείο: B235 web-page: http://www2.ucy.ac.cy/~fotis/phy114/phy114.htm ΦΥΣ

Διαβάστε περισσότερα

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2016 ΜΑΘΗΜΑΤΙΚΑ ΘΕΩΡΗΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 4-ΩΡΟ ΤΕΧΝΙΚΩΝ ΣΧΟΛΩΝ

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2016 ΜΑΘΗΜΑΤΙΚΑ ΘΕΩΡΗΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 4-ΩΡΟ ΤΕΧΝΙΚΩΝ ΣΧΟΛΩΝ ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ Στασίνου 6, Γραφ. 102, Στρόβολος 200, Λευκωσία Τηλ. 7-2278101 Φαξ: 7-2279122 cms@cms.org.cy, www.cms.org.cy ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2016 ΜΑΘΗΜΑΤΙΚΑ ΘΕΩΡΗΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ -ΩΡΟ

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,

Διαβάστε περισσότερα

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x)

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x) ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΤΕΤΑΡΤΗ 3 ΜΑΪΟΥ 01 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ

Διαβάστε περισσότερα

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x)

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x) ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΤΕΤΑΡΤΗ 3 ΜΑΪΟΥ 01 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ 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 περισσότερα

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x)

ΘΕΜΑ Α Α1. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι ( f (x) + g(x) ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΤΕΤΑΡΤΗ 3 ΜΑΪΟΥ 01 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ

Διαβάστε περισσότερα

5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα

5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα 5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα Θέμα της δραστηριότητας Η δραστηριότητα εισάγει τους μαθητές στο ολοκλήρωμα Riemann μέσω του υπολογισμού του εμβαδού ενός παραβολικού χωρίου. Στόχοι

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 Πεπερασμένες και Διαιρεμένες Διαφορές Εισαγωγή Θα εισάγουμε την έννοια των διαφορών με ένα

Διαβάστε περισσότερα

Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΕΩΝ

Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΕΩΝ Πα.Δα. Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών Εισαγωγή στην Εργαστηριακή Φυσική ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΕΩΝ Δημήτριος Ν.Νικολόπουλος Καθηγητής Περιβαλλοντική και Ιατρική Φυσική Μέτρηση Η σύγκριση ενός μεγέθους

Διαβάστε περισσότερα

4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ-

4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- Κεφάλαιο 4 ΟΛΟΚΛΗΡΩΜΑ 4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- µατα Ορισµός 4.1.1. Αρχική ή παράγουσα συνάρτηση ή αντιπαράγωγος µιας συνάρτησης f(x), x [, b], λέγεται κάθε συνάρτηση F (x) που επαληθεύει

Διαβάστε περισσότερα

Κεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines

Κεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines Κεφ. 3: Παρεμβολή 3. Εισαγωγή 3. Πολυωνυμική παρεμβολή 3.. Παρεμβολή Lagrage 3.. Παρεμβολή Newto 3.3 Παρεμβολή με κυβικές splies 3.4 Μέθοδος ελαχίστων τετραγώνων 3.5 Παρεμβολή με ορθογώνια πολυώνυμα 3.

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.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού

Διαβάστε περισσότερα

ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ 1.Έστω ο δειγματικός χώρος Ω = { 1,,, K,10} με ισοπίθανα απλά ενδεχόμενα. Να 4 βρείτε την πιθανότητα ώστε η συνάρτηση f ( x ) = x 4x + λ να

Διαβάστε περισσότερα

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Β. Διαφορικός Λογισμός

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Β. Διαφορικός Λογισμός Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Β. Διαφορικός Λογισμός Κεφάλαιο Β.: Η Παράγωγος Συνάρτησης Όνομα Καθηγητή: Γεώργιος Ν. Μπροδήμας Τμήμα Φυσικής Γεώργιος Νικ. Μπροδήμας Κεφάλαιο Β.: Η Παράγωγος

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

Ασκήσεις κέντρου μάζας και ροπής αδράνειας. αν φανταστούμε ότι το χωρίζουμε το στερεό σώμα σε μικρά κομμάτια, μόρια, μάζας m i και θέσης r i

Ασκήσεις κέντρου μάζας και ροπής αδράνειας. αν φανταστούμε ότι το χωρίζουμε το στερεό σώμα σε μικρά κομμάτια, μόρια, μάζας m i και θέσης r i Κέντρο μάζας Ασκήσεις κέντρου μάζας και ροπής αδράνειας Η θέση κέντρου μάζας ορίζεται ως r r i i αν φανταστούμε ότι το χωρίζουμε το στερεό σώμα σε μικρά κομμάτια, μόρια, μάζας i και θέσης r i. Συμβολίζουμε

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ 1 ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 1. Ένα σηµείο Α(χ, ψ) ανήκει στη γραφική παράσταση της f αν f(ψ)=χ. 2. Αν µια συνάρτηση είναι γνησίως αύξουσα σε ένα διάστηµα A,

Διαβάστε περισσότερα

Κεφάλαιο 8. Αριθμητικός υπολογισμός ορισμένου ολοκληρώματος

Κεφάλαιο 8. Αριθμητικός υπολογισμός ορισμένου ολοκληρώματος Κεφάλαιο 8. Αριθμητικός υπολογισμός ορισμένου ολοκληρώματος Σύνοψη Στο κεφάλαιο αυτό παρουσιάζονται οι αριθμητικές μέθοδοι τον υπολογισμό των ορισμένων ολοκληρωμάτων. Παρουσιάζονται οι μέθοδοι του παραλληλογράμμου,

Διαβάστε περισσότερα