Ενότητα 3 Επιτηρούµενος διαχωρισµός
|
|
|
- Φυλλίς Μπότσαρης
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Ενότητα 3 Επιτηρούµενος διαχωρισµός Δρ. Δηµήτριος Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας Τµήµα Διοίκησης Επιχειρήσεων Οι διαλέξεις χρησιµοποιούν το βιβλίο Data Science for Business των Foster Provost καιtom Fawcett, Οι διαφάνειες και οι εικόνες χρησιµοποιούνται µε την άδεια των συγγραφέων.
2 Περιεχόµενα n Ορολογία n Ψάχνοντας για ιδιότητες µε πληροφορία n Διαχωρισµός βασισµένος σε δένδρα
3 Ορολογία των δεδοµένων Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
4 Ορολογία των δεδοµένων Dataset Πίνακας δεδοµένων (οριζόντιο αρχείο) Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
5 Ορολογία των δεδοµένων Μεταβλητές (στήλες) Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
6 Ορολογία των δεδοµένων Ιδιότητες Χαρακτηριστικά Εξερευνητικές ή ανεξάρτητες µεταβλητές Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
7 Ορολογία των δεδοµένων Μεταβλητή στόχος Τάξη δεδοµένων Εξαρτηµένη µεταβλητή Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
8 Ορολογία των δεδοµένων Εγγραφές (Δεδοµένα) Instances Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
9 Ορολογία των δεδοµένων (17824, 49, M, 12000, -3000) διάνυσµα χαρακτηριστικών Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
10 Βρίσκοντας µεταβλητές που έχουν πληροφορία n Υπάρχουν µία ή περισσότερες µεταβλητές που µειώνουν την αβεβαιότητα µας για την τιµή της µεταβλητής στόχου; Ατοµικό ID Ηλικία Φύλο Εισόδηµα Υπόλοιπο Πληρωµή δανείου F Y M N F Y M Y......
11 Πολλά ερωτήµατα n Πως µπορώ να καταλάβω ποια πληροφορία είναι σηµαντική για τη µεταβλητή στόχο; n Πως µπορούµε (αυτόµατα) να αποκτήσουµε την επιλογή από πολλές µεταβλητές για να προβλέψουµε την τιµή της µεταβλητής στόχου; n Ακόµη καλύτερα, µπορούµε να βρούµε µια βαθµολογική σειρά αυτών των µεταβλητών;
12 Επιτηρούµενος διαχωρισµός n Ιδιότητες: n κεφάλι-σχήµα: τετράγωνο, κύκλος n σώµα-σχήµα: ορθογώνιο, οβάλ n σώµα-χρώµα: µαύρο, άσπρο n Μεταβλητή στόχος: Ναι, Όχι
13 Επιτηρούµενος διαχωρισµός n Ποια ιδιότητα έχει περισσότερη πληροφορία; Ή ποια είναι προτιµότερη για το διαχωρισµό των δεδοµένων; n Αν χωρίσουµε τα δεδοµένα σύµφωνα µε αυτή τη µεταβλητή, θα θέλαµε οι οµάδες που δηµιουργούνται να είναι όσο το δυνατό πιο ξεκάθαρες. n Ξεκάθαρες σηµαίνει οµοιογενείς όσον αφορά τη µεταβλητή στόχο. n Αν κάθε µέλος της οµάδας έχει την ίδια τιµή για το στόχο, τότε η οµάδα είναι συνολικά ξεκάθαρη.
14 Παράδειγµα n Αν αυτό είναι το σύνολο δεδοµένων: n Τότε, µπορούµε να έχουµε δυο οµάδες κάνοντας τ διαχωρισµό µε βάση το σχήµα του σώµατος:
15 Ερωτήµατα n Οι ιδιότητες σπάνια διαχωρίζουν τέλεια µια οµάδα. n Ακόµη και αν µια υποοµάδα συµβαίνει να είναι ξεκάθαρη, η άλλη µπορεί να µην είναι. n Αν έχουµε µια µικρή ξεκάθαρη οµάδα είµαστε ικανοποιηµένοι; n Πως πρέπει να χειριστούµε συνεχείς και κατηγορηµατικές µεταβλητές;
16 Εντροπία και Κέρδος Πληροφορίας n Η µεταβλητή στόχος έχει δύο (ή περισσότερες) κατηγορίες: 1, 2 (, m) n Πιθανότητα P1 για την κατηγορία 1 n Πιθανότητα P2 για την κατηγορία 2 n n Εντροπία: H 2 ( X ) = p1 log2 p1 p2 log2 p2 p m log p m
17 Εντροπία H 2 ( X ) = p1 log2 p1 p2 log2 p2 p m log p m H ( 2 X ) = 0.5 log log 0.5 = 1 H ( 2 X ) = 0.75log log 0.25 = 0.81 H ( X ) = 1log2 1 = 0
18 Κέρδος πληροφορίας n Υπολογισµός του Κέρδους Πληροφορίας (IG): n IG (γονέας, παιδιά) = εντροπία(γονέας) [p(c1) εντροπία (c1)+p(c2) εντροπία (c2) + ] Γονέας Παιδί 1 (c1) Παιδί 2 (c2) Παιδί Σηµείωση: Υψηλότερο IG σηµαίνει καλύτερος διαχωρισµός.
19 Κέρδος πληροφορίας Ατοµικό id Ηλικία>50 φύλο κατοικία υπόλοιπο Πληρωµή δανείου N F own delayed Y M own OK N F rent delayed Y M other delayed......
20 Κέρδος πληροφορίας - καθυστέρηση - OK
21 Κέρδος πληροφορίας Εντροπία (γονέα) = [p( ) log2 p( ) +p( ) log2 p( )] = [0.53 ( 0.9) ( 1.1)] = 0.99 (εντελώς µη ξεκάθαρο!) - καθυστέρηση - OK Αριστερό παιδί: εντροπία (Υπόλοιπο< 50K) = [p( ) log2 p( ) + p( ) log2 p( )] = [0.92 ( 0.12) ( 3.7)] = 0.39 Δεξί παιδί: εντροπία (Υπόλοιπο 50K) = [p( ) log2 p( ) + p( ) log2 p( )] = [0.24 ( 2.1) ( 0.39)] = 0.79
22 Κέρδος πληροφορίας Εντροπία(γονέα) = 0.99 Αριστερό παιδί: εντροπία(υπόλοιπο< 50K) = 0.39 Δεξί παιδί: εντροπία (Υπόλοιπο 50K) = 0.79 IG για το διαχωρισµό που βασίζεται στη µεταβλητή Υπόλοιπο : IG = εντροπία (γονέα) [p(υπόλοιπο< 50K) εντροπία (Υπόλοιπο< 50K) +p(υπόλοιπο 50K) εντροπία (Υπόλοιπο 50K)] = 0.99 [ ] = 0.37
23 Κέρδος πληροφορίας εντροπία(parent) =0.99 εντροπία(κατοικία=own) =0.54 εντροπία(κατοικία=rent) =0.97 εντροπία(κατοικία=other) =0.98 IG = delay - OK
24 Μέχρι τώρα n Έχουµε µετρήσεις για: n Καθαρότητα των δεδοµένων (εντροπία) n Πόσο πληροφοριακά γίνεται ένας διαχωρισµός από µια µεταβλητή. n Μπορούµε να αναγνωρίσουµε και να βαθµολογήσουµε το πόσο πληροφορία µας δίνει µια µεταβλητή. n Συνέχεια θα χρησιµοποιήσουµε τη µέθοδο για να φτιάξουµε τον πρώτο δικό µας επιτηρούµενο διαχωριστή ένα δένδρο αποφάσεων.
25 Σύνολο δεδοµένων Καθυστέρηση Υπόλοιπο> πληρωµής Ατοµικό id Ηλικία>50 φύλο κατοικία =50,000 δανείου N F own N delayed Y M own Y OK N F rent N delayed Y M other N delayed Με βάση αυτό σύνολο δεδοµένων θα φτιάξουµε ένα δενδροειδή διαχωριστή.
26 Δενδροειδής δοµή Όλοι οι πελάτες Υπόλοιπο 50,000 Υπόλοιπο<50,000 Κατοικία= Own OK Κατοικία= Rent OK Κατοικία= other Delay Ηλικία 50 OK Ηλικία<50 Delay
27 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK)
28 Δενδροειδής δοµή balance residence gender age cust id Κέρδος Πληροφορίας Όλοι οι πελάτες (14 Delay,16 OK)
29 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay)
30 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay)
31 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay) Ηλικία 50 OK (1 delay,2 OK) Ηλικία<50 Delay (11 delay,0 OK)
32 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay) Κέρδος Πληροφορίας residence gender age cust id Ηλικία 50 OK (1 delay,2 OK) Ηλικία<50 Delay (11 delay,0 OK)
33 Δενδροειδής δοµή Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay) Κατοικία= Own OK (0 delay, 5 OK) Κατοικία= Rent OK (1 delay, 5 OK) Κατοικία= Other Delay (3 delay, 2 OK) Ηλικία 50 OK (1 delay,2 OK) Ηλικία<50 Delay (11 delay,0 OK)
34 Δενδροειδής δοµή Όλοι οι πελάτες Υπόλοιπο 50,000 Υπόλοιπο<50,000 Κατοικία= Own OK Κατοικία= Rent OK Κατοικία= Other Delay Ηλικία 50 OK Ηλικία<50 Delay Ατοµικό ID Ηλικία>50 Φύλο Κατοικία Υπόλοιπο>=50K Καθυστέρηση Y F own <50K???
35 Ανοικτά ζητήµατα Όλοι οι πελάτες (14 Delay,16 OK) Υπόλοιπο 50,000 (4 delay, 12 OK) Υπόλοιπο<50,000 (2 OK, 12 delay) Κατοικία= Own OK (0 delay, 5 OK) Κατοικία= Rent OK (1 delay, 5 OK) Κατοικία= Other Delay (3 delay, 2 OK) Ηλικία 50 OK (1 delay,2 OK) Ηλικία<50 Delay (11 delay,0 OK)
36 Ευχαριστώ!
Διακριτικές Συναρτήσεις
Διακριτικές Συναρτήσεις Δρ. Δηµήτριος Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας Τµήµα Διοίκησης Επιχειρήσεων Θερµικός χάρτης των XYZ ξενοδοχείων σε σχέση µε τη γεωγραφική περιοχή τους P. Adamopoulos New
Ασκήσεις μελέτης της 16 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 16 ης διάλεξης 16.1. (α) Έστω ένα αντικείμενο προς κατάταξη το οποίο
Εισαγωγή στην Επιστήµη Δεδοµένων
Εισαγωγή στην Επιστήµη Δεδοµένων Δρ. Δηµήτριος Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας Τµήµα Διοίκησης Επιχειρήσεων Οι διαλέξεις χρησιµοποιούν το βιβλίο Data Science for Business των Foster Provost καιtom
Τεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 16η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 422: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 2004 2005, Χειµερινό Εξάµηνο Φροντιστηριακή Άσκηση 3: Εντροπία, κωδικοποίηση Quadtree 1. Εντροπία 22 Σεπτεµβρίου 2004
Ασκήσεις μελέτης της 19 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 19 ης διάλεξης 19.1. Δείξτε ότι το Perceptron με (α) συνάρτηση ενεργοποίησης
Ανάλυση ιακύµανσης Μονής Κατεύθυνσης
24 Μεθοδολογία Επιστηµονικής Έρευνας & Στατιστική Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Όπως ακριβώς συνέβη και στο κριτήριο t, τα δεδοµένα µας θα πρέπει να έχουν οµαδοποιηθεί χρησιµοποιώντας µια αντίστοιχη
ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. Κατηγοριοποίηση. Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD
Τμήμα Πληροφορικής με Εφαρμογές στη Βιοϊατρική Σχολή Θετικών Επιστημών Πανεπιστήμιο Θεσσαλίας ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Κατηγοριοποίηση Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD Κατηγοριοποιητής K πλησιέστερων
o AND o IF o SUMPRODUCT
Πληροφοριακά Εργαστήριο Management 1 Information Συστήματα Systems Διοίκησης ΤΕΙ Τμήμα Ελεγκτικής Ηπείρου Χρηματοοικονομικής (Παράρτημα Πρέβεζας) και Αντικείµενο: Μοντελοποίηση προβλήµατος Θέµατα που καλύπτονται:
Π Ε Ρ Ι Ε Χ Ο Μ Ε Ν Α
Π Ε Ρ Ι Ε Χ Ο Μ Ε Ν Α ΚΕΦΑΛΑΙΟ A Υλικά, Γραμμές και Τεχνικές στο Ελεύθερο Σχέδιο...15 Σκοπός... 15 Υλικά... 15 Γραφές... 16 Γραμμές...19 Ανακεφαλαίωση...22 Ερωτήσεις...22 Εργαστηριακές ασκήσεις...22 Φύλλο
Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 15/1/2008
Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 5//008 Πρόβληµα ο Στα παρακάτω ερωτήµατα επισηµαίνουµε ότι perceptron είναι ένας νευρώνας και υποθέτουµε, όπου χρειάζεται, τη χρήση δικτύων
ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση
ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης
Αρχίστε αµέσως το πρόγραµµα xline Εσόδων Εξόδων.
Αρχίστε αµέσως το πρόγραµµα xline Εσόδων Εξόδων. Βήµα 1 ο ηµιουργία Εταιρείας Από την Οργάνωση\Γενικές Παράµετροι\ ιαχείριση εταιρειών θα δηµιουργήσετε την νέα σας εταιρεία, επιλέγοντας µέσω των βηµάτων
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
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
Γνωριµία µε τη Microsoft Access
Γνωριµία µε τη Microsoft Access ηµιουργία νέας βάσης δεδοµένων Έναρξη - Προγράµµατα - Microsoft Access - ηµιουργία νέας βάσης δεδοµένων µε χρήση Κενής βάσης δεδοµένων - ΟΚ Επιλέγουµε Φάκελο και στο Όνοµα
ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ
ΑΛΓΕΒΡΑ - Α ΛΥΚΕΙΟΥ ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Επιμέλεια: Παπαδόπουλος Παναγιώτης Πείραμα τύχης 1 η δραστηριότητα Ρίξτε ένα κέρμα 5 φορές και καταγράψτε την πάνω όψη του: 1 η ρίψη:, 2 η ρίψη:, 3 η ρίψη:
ErmisWIN v 2.0.1.7 & 8.0.0.12 Οδηγίες Τέλους Έτους ( 31/12/2014 )
ErmisWIN v 2.0.1.7 & 8.0.0.12 Οδηγίες Τέλους Έτους ( 31/12/2014 ) Αγαπητοί κύριοι, Θα θέλαµε να σας ενηµερώσουµε για τις ενέργειες που πρέπει να γίνουν από τους χειριστές του προγράµµατος ErmisWIN για
Πόσες µαύρες τελείες βλέπετε ; Οι οριζόντιες γραµµές δείχνουν να είναι παράλληλες ;
Πόσες µαύρες τελείες βλέπετε ; Οι οριζόντιες γραµµές δείχνουν να είναι παράλληλες ; και όµως είναι! 1 Το παρακάτω σχήµα δείχνει για ελικοειδές ; και όµως δεν είναι! Οι κύκλοι είναι ανεξάρτητοι. Πόσα χρώµατα
Διοίκηση Ολικής Ποιότητας ΔΙΑΛΕΞΗ 2 η : Εργαλεία και Τεχνικές
Διοίκηση Ολικής Ποιότητας ΔΙΑΛΕΞΗ 2 η : Εργαλεία και Τεχνικές ΔΙΑΧΕΙΡΙΣΗΣ Τµήµα Διοίκησης Επιχειρήσεων Τει Δυτικής Ελλάδας Μεσολόγγι Δρ. Α. Στεφανή Διοίκηση Ολικής Ποιότητας Τι είναι η Διοίκηση Ολικής
400 = t2 (2) t = 15.1 s (3) 400 = (t + 1)2 (5) t = 15.3 s (6)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2016 ιδάσκων : Γ. Καφεντζής Πρώτη Σειρά Ασκήσεων - Λύσεις Ασκηση 1. Θεωρούµε ως χρονικό σηµείο αναφοράς τη στιγµή που
Κατηγοριοποίηση βάσει διανύσματος χαρακτηριστικών
Κατηγοριοποίηση βάσει διανύσματος χαρακτηριστικών Αναπαράσταση των δεδομένων ως διανύσματα χαρακτηριστικών (feature vectors): Επιλογή ενός
Οδηγίες για το Βιβλίο Κοστολογίου στα Γ κατηγορίας βιβλία
Οδηγίες για το Βιβλίο Κοστολογίου στα Γ κατηγορίας βιβλία Για τις οικοδοµικές εταιρίες στις οποίες τηρούµε βιβλίο Κοστολογίου θα πρέπει να ακολουθήσουµε τα παρακάτω βήµατα: 1. Από το menu Παράµετροι &
Σεραφείµ Καραµπογιάς. Πηγές Πληροφορίας και Κωδικοποίηση Πηγής 6.3-1
Ο αλγόριθµος Lempel-iv Ο αλγόριθµος Lempel-iv ανήκει στην κατηγορία των καθολικών universal αλγορίθµων κωδικοποίησης πηγής δηλαδή αλγορίθµων που είναι ανεξάρτητοι από τη στατιστική της πηγής. Ο αλγόριθµος
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Data Mining - Classification
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Data Mining - Classification Data Mining Ανακάλυψη προτύπων σε μεγάλο όγκο δεδομένων. Σαν πεδίο περιλαμβάνει κλάσεις εργασιών: Anomaly Detection:
Διοίκηση Ποιότητας Έργων 6 η Διάλεξη. Δηµήτριος Τσέλιος Μεταπτυχιακό πρόγραµµα στη Διαχείριση Έργων και Προγραµµάτων
1 Διοίκηση Ποιότητας Έργων 6 η Διάλεξη Δηµήτριος Τσέλιος 29-04-2017 Μεταπτυχιακό πρόγραµµα στη Διαχείριση Έργων και Προγραµµάτων 2 Περιεχόµενα της 6 ης Διάλεξης Κόστος Ποιότητας Συνάρτηση Απώλειας Ποιότητας
ΘΕΩΡΙΑ ΧΡΗΣΙΜΟΤΗΤΑΣ ΚΑΤΑΝΑΛΩΤΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ
ΘΕΩΡΙΑ ΧΡΗΣΙΜΟΤΗΤΑΣ ΚΑΤΑΝΑΛΩΤΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ Κεφάλαιο 3 Οικονοµικά των Επιχειρήσεων Ε. Σαρτζετάκης 1 Καταναλωτική συµπεριφορά! Σκοπός αυτής της διάλεξης είναι να εξετάσουµε τον τρόπο µε τον οποίο οι καταναλωτές
Θεματολογία. Δεδομένα και αβεβαιότητα. Αντικείμενο της Στατιστικής. Βασικές έννοιες. Δεδομένα και αβεβαιότητα. Στατιστική Ι
Ενότητα η : Εισαγωγή στη Στατιστική Θεματολογία Στατιστική Ι Ενότητα : Εισαγωγή Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Αντικείμενο της Στατιστικής : μεταβλητές,πληθυσμός,
Διάλεξη 5 η : ΕΠΙΛΟΓΗ ΕΡΓΟΥ. Δρ. Β. Βασιλειάδης ΔΙΚΣΕΟ, ΑΤΕΙ Μεσολογγίου
Διάλεξη 5 η : ΕΠΙΛΟΓΗ ΕΡΓΟΥ Δρ. Β. Βασιλειάδης ΔΙΚΣΕΟ, ΑΤΕΙ Μεσολογγίου Εngineering Economic Analysis Η εκπλήρωση των στόχων ενός έργου µπορεί να επιτευχθεί µε πολλούς τρόπους, Εξαρτάται από n τεχνικούς
( ) = T 1 ) (2) ) # T 3 ( ) + T 2 ) = T 3. Ισορροπία Παράδειγµα. ! F! = m! a = 0. ! F y. # F g = 0! T 3 ! T 2. sin( 53 0
Ισορροπία Παράδειγµα Δεν υπάρχει κίνηση στο σηµατοδότη οπότε βρίσκεται σε ισορροπία και η επιτάχυνση είναι µηδέν.! F! = m! a!! F!! F Ανάλυση του προβλήµατος 2 σώµατα (σηµατοδότης σηµείο ένωσης σχοινιών)
ΚΕΦΑΛΑΙΟ 6 ΚΕΝΤΡΟ ΒΑΡΟΥΣ-ΡΟΠΕΣ Α ΡΑΝΕΙΑΣ
ΚΕΦΑΛΑΙΟ 6 ΚΕΝΤΡΟ ΒΑΡΟΥΣ-ΡΟΠΕΣ Α ΡΑΝΕΙΑΣ 6.. ΕΙΣΑΓΩΓΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Για τον υπολογισµό των τάσεων και των παραµορφώσεων ενός σώµατος, που δέχεται φορτία, δηλ. ενός φορέα, είναι βασικό δεδοµένο ή ζητούµενο
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ 2012 ΕΚΦΩΝΗΣΕΙΣ ΟΜΑ Α ΠΡΩΤΗ ΘΕΜΑ Α Α1. Να χαρακτηρίσετε τις προτάσεις που ακολουθούν, γράφοντας στο τετράδιό σας δίπλα στο γράµµα που αντιστοιχεί σε κάθε πρόταση
Σ F x = 0 T 1x + T 2x = 0 = T 1 cos(θ 1 ) = T 2 cos(θ 2 ) (2) F g cos(θ 2 ) (sin(θ 1 ) cos(θ 2 ) + cos(θ 1 ) sin(θ 2 )) = F g cos(θ 2 ) T 1 =
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2015 ιδάσκων : Γ. Καφεντζής εύτερη Σειρά Ασκήσεων - Λύσεις Ασκηση 1. Σχεδιάζουµε τις δυνάµεις επάνω στο σάκο όπως στο
Σημειώσεις στο PowerPoint
Σημειώσεις στο PowerPoint Τι είναι το PowerPoint; Το PowerPoint 2010 είναι μια οπτική και γραφική εφαρμογή που χρησιμοποιείται κυρίως για τη δημιουργία παρουσιάσεων. Με το PowerPoint, μπορείτε να δημιουργήσετε
Κεφάλαιο 13. Εισαγωγή στην. Η Ανάλυση ιακύµανσης
Κεφάλαιο 13 Εισαγωγή στην Ανάλυση ιακύµανσης 1 Η Ανάλυση ιακύµανσης Από τα πιο συχνά χρησιµοποιούµενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές µέσων όρων, όπως και
Παλαιότερες ασκήσεις
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY6 - Συστήµατα Ανάκτησης Πληροφοριών Παλαιότερες ασκήσεις η Σειρά Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Άσκηση ( η σειρά ασκήσεων
ΔΙΑΧΕΙΡΙΣΗ ΠΡΟΓΡΑΜΜΑΤΩΝ ΚΑΙ ΧΑΡΤΟΦΥΛΑΚΙΩΝ ΕΡΓΩΝ. Διάλεξη 1 η Εισαγωγικές έννοιες και ορισμοί Δημήτρης Τσέλιος
ΔΙΑΧΕΙΡΙΣΗ ΠΡΟΓΡΑΜΜΑΤΩΝ ΚΑΙ ΧΑΡΤΟΦΥΛΑΚΙΩΝ ΕΡΓΩΝ Διάλεξη 1 η Εισαγωγικές έννοιες και ορισμοί Δημήτρης Τσέλιος Συχνές ερωτήσεις ενός διαχειριστή έργων Γιατί υλοποιούμε αυτό το έργο; Τι υποτίθεται ότι θα
Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις
Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου (νέο βιβλίο Πληροφορικής Γυµνασίου Αράπογλου, Μαβόγλου, Οικονοµάκου, Φύτρου) Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις 1. Τι είναι ο Αλγόριθµος;
ΚΕΦΑΛΑΙΟ 1 ο ΠΑΙΧΝΙ ΙΑ ΣΤΗΝ ΚΑΤΑΣΚΗΝΩΣΗ. Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους:
ΚΕΦΑΛΑΙΟ 1 ο Υπενθύµιση Τάξης ΠΑΙΧΝΙ ΙΑ ΣΤΗΝ ΚΑΤΑΣΚΗΝΩΣΗ Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους: Να θυµηθείς πώς αντιµετωπίζουµε προβλήµατα της καθηµερινής µας ζωής µε τη βοήθεια
Διάλεξη 6 η :Δένδρα Αποφάσεων. Β. Βασιλειάδης Τµ. Διοικ. Επιχειρήσεων, ΤΕΙ ΔΥΤ. ΕΛΛΑΔΑΣ
Διάλεξη 6 η :Δένδρα Αποφάσεων Β. Βασιλειάδης Τµ. Διοικ. Επιχειρήσεων, ΤΕΙ ΔΥΤ. ΕΛΛΑΔΑΣ Τι είναι τα Δένδρα Αποφάσεων (ΔΑ) Εργαλείο που υποστηρίζει τη λήψη αποφάσεων σε στρατηγικό, διοικητικό και οικονοµικό
Μάθηµα Θεωρίας Αριθµών Ε.Μ.Ε
Μάθηµα Θεωρίας Αριθµών Ε.Μ.Ε 1. Να αποδειχθεί ότι κάθε ϑετικός ακέραιος αριθµός n 6, µπορεί να γραφεί στη µορφή όπου οι a, b, c είναι ϑετικοί ακέραιοι. n = a + b c,. Να αποδειχθεί ότι για κάθε ακέραιο
ΠΑΡΑ ΕΙΓΜΑΤΑ ΓΡΑΦΗΣ ΕΞΙΣΩΣΕΩΝ ΚΑΤΑΣΤΑΣΕΩΣ ΣΕ ΗΛΕΚΤΡΙΚΑ ΙΚΤΥΑ
ΣΧΟΛΗ. Ν. ΟΚΙΜΩΝ ΜΑΘΗΜΑ: ΘΕΩΡΙΑ ΚΥΚΛΩΜΑΤΩΝ ΙΙ ΕΙΣΑΓΩΓΗ ΣΤΑ Σ.Α.Ε. ΠΑΡΑ ΕΙΓΜΑΤΑ ΓΡΑΦΗΣ ΕΞΙΣΩΣΕΩΝ ΚΑΤΑΣΤΑΣΕΩΣ ΣΕ ΗΛΕΚΤΡΙΚΑ ΙΚΤΥΑ ρ. Α. Μαγουλάς Οκτώβριος 4 Παράδειγµα ίδεται το ακόλουθο δίκτυο: E Είσοδος:
ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ
ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α A Να αποδείξετε ότι η συνάρτηση f () είναι παραγωγίσιμη στο R με f () Α Αν είναι οι τιμές μιας μεταβλητής Χ ενός δείγματος παρατηρήσεων μεγέθους ν ( ) να ορίσετε την
Πάνω στον πίνακα έχουµε γραµµένο το γινόµενο 1 2 3 4 595. ύο παίκτες Α και Β παίζουν το εξής παιχνίδι. Ο ένας µετά τον άλλο, διαγράφουν από έναν παράγοντα του γινοµένου αρχίζοντας από τον παίκτη Α. Νικητής
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ( , c Ε. Γαλλόπουλος) ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. Ε. Γαλλόπουλος. ΤΜΗΥΠ Πανεπιστήµιο Πατρών. ιαφάνειες διαλέξεων 28/2/12
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ε. Γαλλόπουλος ΤΜΗΥΠ Πανεπιστήµιο Πατρών ιαφάνειες διαλέξεων 28/2/12 Μαθηµατική Οµάδα Οµάδα είναι ένα σύνολο F µαζί µε µία πράξη + : F F F έτσι ώστε (Α1) α + (β + γ) = (α + β) + γ για
ÖÑÏÍÔÉÓÔÇÑÉÏ ÈÅÌÅËÉÏ ÇÑÁÊËÅÉÏ ÊÑÇÔÇÓ
ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ Γ ΛΥΚΕΙΟΥ ΙΟΥΝΙΟΥ 07 ΕΚΦΩΝΗΣΕΙΣ Α. Αν οι συναρτήσεις f και g είναι παραγωγίσιµες στο, να αποδείξετε ότι f ( x) + g( x) = f ( x) + g ( x), για κάθε
5.1.1 Η ΖΗΤΗΣΗ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΥΠΗΡΕΣΙΩΝ
ΚΕΦΑΛΑΙΟ 5 ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ 5.1 ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΕΣ ΥΠΗΡΕΣΙΕΣ Ο κλάδος των Τηλεπικοινωνιών είναι από τους ταχέως αναπτυσσόµενους κλάδους σχεδόν σε κάθε χώρα. Οι υπηρεσίες τέτοιου είδους αποτελούν το πιο απλό
ροµολόγηση πακέτων σε δίκτυα υπολογιστών
ροµολόγηση πακέτων σε δίκτυα υπολογιστών Συµπληρωµατικές σηµειώσεις για το µάθηµα Αλγόριθµοι Επικοινωνιών Ακαδηµαϊκό έτος 2011-2012 1 Εισαγωγή Οι παρακάτω σηµειώσεις παρουσιάζουν την ανάλυση του άπληστου
ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΑΣ. Αρμάου Ανδριάνα
ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΑΣ Τίτλος εργασίας: Πόσες ώρες εξωσχολικών μαθημάτων έχουν οι μαθητές του Λυκείου ανάλογα με την τάξη που βρίσκονται και το φύλο τους και πως κατανέμονται οι ώρες αυτές. Αρμάου Ανδριάνα
= γ + δ P απαιτεί γ > 0
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ ΟΛΩΝ ΤΩΝ ΚΑΤΕΥΘΥΝΣΕΩΝ ΙΑΓΩΝΙΣΜΑ 10 (για καλά διαβασµένους) ΟΜΑ Α Α Να απαντήσετε στις επόµενες ερωτήσεις πολλαπλής επιλογής: Α1. Η τιµή ενός αγαθού Χ αυξάνεται.
ΑΣΚΗΣΗ 5. Χρώµα στην Αστρονοµία
ΑΣΚΗΣΗ 5 Χρώµα στην Αστρονοµία Περιεχόµενα Χρώµα στην Αστρονοµία o Χρώµα άστρων o Χρώµα και θερµοκρασία Ο νόµος του Planck o Ακτινοβολία Μέλανος Σώµατος O νόµος της µετατόπισης του Wien Στόχος της άσκησης
Κατάτµηση εικόνας σε οµοιόµορφες περιοχές
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη
Στην αυτοσωμική υπολειπόμενη κληρονομικότητα: κυστική ίνωση Στη φυλοσύνδετη υπολειπόμενη κληρονομικότητα: αιμορροφιλία
ΑΠΑΝΤΗΣΕΙΣ ΒΙΟΛΟΓΙΑΣ ΚΑΤΕΥΘΥΝΣΗΣ 1-2-2015 ΘΕΜΑ Α Α1. γ Α2. γ Α3. β Α4. γ Α5. δ ΘΕΜΑ B B1. Στήλη Ι Στήλη ΙΙ 1. στ 2. ζ 3. ε 4. α 5. δ 6. β 7. γ Β2. Τα άτομα μπορεί να χαρακτηρίζονται ως φορείς στην αυτοσωμική
Η δυναμική ενέργεια ελαστικότητας και το μονωμένο σύστημα..
Η δυναμική ενέργεια αστικότητας και το μονωμένο σύστημα.. Έστω ένα ατήριο, το ένα άκρο του οποίου είναι σταθερά δεµένο. Αν στο άλλο άκρο του ασκήσουµε µια δύναµη F µπορούµε να το επιµηκύνουµε κατά, ενώ
ΗΈνταξητουλογισµικού SalsaJσε. σεµιαδιαθεµατική προσέγγισητης Αστρονοµίας. Γρηγόρης Ζυγούρας Φυσικός Τεχνολόγος 2 ο Γυµνάσιο Χαλανδρίου
ΗΈνταξητουλογισµικού SalsaJσε σεµιαδιαθεµατική προσέγγισητης Αστρονοµίας Γρηγόρης Ζυγούρας Φυσικός Τεχνολόγος 2 ο Γυµνάσιο Χαλανδρίου ΧΡΗΣΗΤΟΥ ΤΟΥΛΟΓΙΣΜΙΚΟΥ SALSAJ ΓΙΑΤΟΝ ΤΟΝΥΠΟΛΟΓΙΣΜΟ ΤΗΣΜΑΖΑΣ ΜΑΖΑΣΤΟΥ
Τεχνητή Νοημοσύνη. 17η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 17η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται: στο βιβλίο Artificia Inteigence A Modern Approach των S. Russe και
Λύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης)
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών ΗΥ-6 Συστήµατα Ανάκτησης Πληροφοριών 7-8 Εαρινό Εξάµηνο Άσκηση Λύσεις ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Θεωρείστε µια
Ασκήσεις στο µάθηµα «Επισκόπηση των Τηλεπικοινωνιών»
Ασκήσεις στο µάθηµα «Επισκόπηση των Τηλεπικοινωνιών» Άσκηση 1 Πρόκειται να µεταδώσουµε δυαδικά δεδοµένα σε RF κανάλι µε. Αν ο θόρυβος του καναλιού είναι Gaussian - λευκός µε φασµατική πυκνότητα W, να βρεθεί
Κεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ
Κεφάλαιο ο Μεικτές Στρατηγικές Τώρα θα δούµε ένα παράδειγµα στο οποίο κάθε παίχτης έχει τρεις στρατηγικές. Αυτό θα µπορούσε να είναι η µορφή που παίρνει κάποιος µετά που έχει απαλείψει όλες τις αυστηρά
Ανάλυση ποσοτικών δεδομένων
Εισαγωγή στην κοινωνική έρευνα Earl Babbie Κεφάλαιο 13 Ανάλυση ποσοτικών δεδομένων 13-1 Σύνοψη κεφαλαίου Ποσοτικοποίηση δεδομένων Μονομεταβλητή ανάλυση Σύγκριση υποομάδων Διμεταβλητή ανάλυση Εισαγωγή στην
Πανεπιστήµιο Πατρών Τµήµα ιοίκησης Επιχειρήσεων. Ανδρέας Νεάρχου 2
ιοίκηση Λειτουργιών ιοίκηση Έργων IΙΙ (Χρονοπρογραµµατισµός συνέχεια) - 7 ο µάθηµα - Άσκηση επανάληψης CPM Θεωρείστε το έργο που φαίνεται στον επόµενο πίνακα. Χρησιµοποιώντας τη µέθοδο της κρίσιµης διαδροµής
2.3. Ασκήσεις σχ. βιβλίου σελίδας 100 104 Α ΟΜΑ ΑΣ
.3 Ασκήσεις σχ. βιβλίου σελίδας 00 04 Α ΟΜΑ ΑΣ. Έξι διαδοχικοί άρτιοι αριθµοί έχουν µέση τιµή. Να βρείτε τους αριθµούς και τη διάµεσό τους. Αν είναι ο ποιο µικρός άρτιος τότε οι ζητούµενοι αριθµοί θα είναι
Βασικά Στοιχεία Διαχείρισης Έργων
Βασικά Στοιχεία Διαχείρισης Έργων Ενότητα 4- Σχεδιασμός της ποιότητας και της διαχείρισης κινδύνου Δρ. Δημήτριος Τσέλιος Καθηγητής Εφαρμογών Τμήμα Μηχανικών Πληροφορικής Τ.Ε.- ΤΕΙ Θεσσαλίας Μεταπτυχιακό
ΘΕΜΑΤΑ ΤΕΧΝΗΣ Β και Γ ΛΥΚΕΙΟΥ. Ηρεμία, στατικότατα, σταθερότητα
ΘΕΜΑΤΑ ΤΕΧΝΗΣ Β και Γ ΛΥΚΕΙΟΥ (μάθημα κατεύθυνσης) Τι είναι η δομή και η σύνθεση ενός εικαστικού έργου. Είναι η οργάνωση όλων των στοιχείων ενός έργου σε ένα ενιαίο σύνολο με στόχο να εκφράσουν κάποια
ΦΥΣ Διαλ Κινηµατική και Δυναµική Κυκλικής κίνησης
ΦΥΣ - Διαλ.4 Κινηµατική και Δυναµική Κυκλικής κίνησης Κυκλική κίνηση ΦΥΣ - Διαλ.4 Ορίζουµε τα ακόλουθα µοναδιαία διανύσµατα: ˆ βρίσκεται κατά µήκος του διανύσµατος της ακτίνας θˆ είναι εφαπτόµενο του κύκλου
Θα συµπληρώσετε τα απαραίτητα στοιχεία που βρίσκονται µε έντονα γράµµατα για να δηµιουργήσετε την νέα εταιρεία.
Αρχίστε αµέσως το πρόγραµµα xline Γενική Λογιστική. Βήµα 1 ο ηµιουργία Εταιρείας Από την Οργάνωση\Γενικές Παράµετροι\ ιαχείριση εταιρειών θα δηµιουργήσετε την νέα σας εταιρεία, επιλέγοντας µέσω των βηµάτων
ζωγραφίζοντας µε τον υπολογιστή
ζωγραφίζοντας µε τον υπολογιστή Μια από τις εργασίες που µπορούµε να κάνουµε µε τον υπολογιστή είναι και η ζωγραφική. Για να γίνει όµως αυτό πρέπει ο υπολογιστής να είναι εφοδιασµένος µε το κατάλληλο πρόγραµµα.
ιαδικαστικά θέµατα HY118- ιακριτά Μαθηµατικά Συνάρτηση: Τυπικός ορισµός Ορολογία 17 - Η αρχή του περιστερώνα
HY118- ιακριτά Μαθηµατικά Τρίτη, 21/04/2015 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 4/21/2015
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες -Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις : Τέταρτη Σειρά Ασκήσεων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-217: Πιθανότητες -Χειµερινό Εξάµηνο 212 ιδάσκων : Π. Τσακαλίδης Λύσεις : Τέταρτη Σειρά Ασκήσεων Ηµεροµηνία Ανάθεσης : 5/11/212 Ηµεροµηνία Παράδοσης :
ΕΞΕΤΑΣΕΙΣ στο τέλος του εξαμήνου με ΑΝΟΙΧΤΑ βιβλία ΕΞΕΤΑΣΕΙΣ ο καθένας θα πρέπει να έχει το ΔΙΚΟ του βιβλίο ΔΕΝ θα μπορείτε να ανταλλάσετε βιβλία ή να
N161 _ (262) Στατιστική στη Φυσική Αγωγή Βιβλία ή 1 ΕΞΕΤΑΣΕΙΣ στο τέλος του εξαμήνου με ΑΝΟΙΧΤΑ βιβλία ΕΞΕΤΑΣΕΙΣ ο καθένας θα πρέπει να έχει το ΔΙΚΟ του βιβλίο ΔΕΝ θα μπορείτε να ανταλλάσετε βιβλία ή να
ΜΑΘΗΜΑΤΙΚΑ MATHEMATICS
ΜΑΘΗΜΑΤΙΚΑ MATHEMATICS LEVEL: 9 10 (Γ Γυμνασίου Α Λυκείου) 10:00 11:00, 20 March 2010 THALES FOUNDATION 1 3 βαθμοί 1. Ποιο από τα ακόλουθα είναι το αποτέλεσμα της διαίρεσης του αριθμού 20102010 με τον
ΠΕΡΙΕΧΟΜΕΝΑ. Εικονίδια ιαχείρισης Φορολογικών ηλώσεων. ηµιουργία Φορολογούµενου. ηµιουργία και υπολογισµός του εντύπου ΕΣΠ
ΠΕΡΙΕΧΟΜΕΝΑ Εικονίδια ιαχείρισης Φορολογικών ηλώσεων ηµιουργία Φορολογούµενου ηµιουργία και υπολογισµός του εντύπου Ε1 ηµιουργία και υπολογισµός του εντύπου Ε2 ηµιουργία και υπολογισµός του εντύπου Ε3
Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.
Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική
Ενότητα 6: Μη θερµική ακτινοβολία σε blazars: Αντίστροφη Σκέδαση Compton Φύλλο Φοιτητή
ΑστροφυσικήΥψηλώνΕνεργειών Διδάσκ.:Β.Παυλίδου Ενότητα6:ΑντίστροφηΣκέδασηCompton 1 Ενότητα 6: Μη θερµική ακτινοβολία σε blazars: Αντίστροφη Σκέδαση Compton Φύλλο Φοιτητή Σκοπός της ενότητας αυτής: Όπως
Βασικό Επίπεδο στο Modellus
Βασικό Επίπεδο στο Modellus Το λογισµικό Modellus επιτρέπει στον χρήστη να οικοδοµήσει µαθηµατικά µοντέλα και να τα εξερευνήσει µε προσοµοιώσεις, γραφήµατα, πίνακες τιµών. Ο χρήστης πρέπει να γράψει τις
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
Άρα, Τ ser = (A 0 +B 0 +B 0 +A 0 ) επίπεδο 0 + (A 1 +B 1 +A 1 ) επίπεδο 1 + +(B 5 ) επίπεδο 5 = 25[χρονικές µονάδες]
![Άρα, Τ ser = (A 0 +B 0 +B 0 +A 0 ) επίπεδο 0 + (A 1 +B 1 +A 1 ) επίπεδο 1 + +(B 5 ) επίπεδο 5 = 25[χρονικές µονάδες]](/thumbs/27/10818274.jpg "Άρα, Τ ser = (A 0 +B 0 +B 0 +A 0 ) επίπεδο 0 + (A 1 +B 1 +A 1 ) επίπεδο 1 + +(B 5 ) επίπεδο 5 = 25[χρονικές µονάδες]")
Α. Στο παρακάτω διάγραµµα εµφανίζεται η εκτέλεση ενός παράλληλου αλγόριθµου που λύνει το ίδιο πρόβληµα µε έναν ακολουθιακό αλγόριθµο χωρίς πλεονασµό. Τα Α i και B i αντιστοιχούν σε ακολουθιακά υποέργα
ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK
ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK ρ. Γεώργιος Φ. Φραγκούλης Καθηγητής Ver. 0.2 9/2012 ιανύσµατα & ισδιάστατοι πίνακες Ένα διάνυσµα u = (u1, u2,, u ) εισάγεται στη MATLAB ως εξής : u=[ u1, u2,, un ] ή u=[ u1
Μάθηµα 12. Κεφάλαιο: Στατιστική
Μάθηµα 12 Κεφάλαιο: Στατιστική Θεµατικές Ενότητες: 1. Γραφικές Παραστάσεις Κατανοµής Συχνοτήτων Γραφικές παραστάσεις κατανοµής συχνοτήτων. Οι πίνακες κατανοµής συχνοτήτων παρουσιάζουν πλήρως και αναλυτικά
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,
Γενική Επισκόπηση. Διοίκηση Έργων Πληροφορικής ΤΕΙ Δυτικής Ελλάδας Τµήµα Διοίκησης Επιχειρήσεων (Μεσολόγγι)
Γενική Επισκόπηση Διοίκηση Έργων Πληροφορικής ΤΕΙ Δυτικής Ελλάδας Τµήµα Διοίκησης Επιχειρήσεων (Μεσολόγγι) Έργο Ø «Ένα προσωρινό εγχείρημα που στοχεύει στη δημιουργία ενός μοναδικού προϊόντος, υπηρεσίας
ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΞΙΟΛΟΓΗΣΗΣ/ΣΥΓΚΡΙΣΗΣ ΕΝΑΛΛΑΚΤΙΚΗΣ ΔΟΜΗΣΗΣ ΣΕ ΣΧΕΣΗ ΜΕ ΤΗ ΣΥΜΒΑΤΙΚΗ ΔΟΜΗΣΗ
ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΞΙΟΛΟΓΗΣΗΣ/ΣΥΓΚΡΙΣΗΣ ΕΝΑΛΛΑΚΤΙΚΗΣ ΔΟΜΗΣΗΣ ΣΕ ΣΧΕΣΗ ΜΕ ΤΗ ΣΥΜΒΑΤΙΚΗ ΔΟΜΗΣΗ ΦΟΙΤΗΤΡΙΕΣ ΤΜΗΜΑΤΟΣ ΠΟΛΙΤΙΚΩΝ ΔΟΜΙΚΩΝ ΕΡΓΩΝ : ΕΜΜΑΝΟΥΕΛΑ ΜΥΓΙΑΚΗ ΝΙΚΗΤΑ ΜΑΡΙΑ Το παρόν ερωτηματολόγιο έχει ως σκοπό
ΧΡΗΣΗ ΚΙΝΗΤΟΥ ΤΗΛΕΦΩΝΟΥ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΚΥΚΛΟΦΟΡΙΑΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΜΕΤΑΦΟΡΩΝ ΚΑΙ ΣΥΓΚΟΙΝΩΝΙΑΚΗΣ ΥΠΟ ΟΜΗΣ ΧΡΗΣΗ ΚΙΝΗΤΟΥ ΤΗΛΕΦΩΝΟΥ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΚΥΚΛΟΦΟΡΙΑΣ Παπαντωνίου Παναγιώτης και Πετρέλλης Νικόλαος Επιβλέπων:
SPSS Statistical Package for the Social Sciences
SPSS Statistical Package for the Social Sciences Ξεκινώντας την εφαρμογή Εισαγωγή εδομένων Ορισμός Μεταβλητών Εισαγωγή περίπτωσης και μεταβλητής ιαγραφή περιπτώσεων ή και μεταβλητών ΣΤΑΤΙΣΤΙΚΗ Αθανάσιος
ΚΕΦΑΛΑΙΟ 3 ο. Οι Έλληνες της διασποράς. Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους:
ΚΕΦΑΛΑΙΟ 3 ο Οι αριθµοί µέχρι το 1..000..000..000 Οι Έλληνες της διασποράς Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους: Να γράφουµε µεγάλους αριθµούς µε λέξεις, µε ψηφία και µε
Σηµαντικές παρατηρήσεις σχετικά µε το backround:
ΠΕΡΙΓΡΑΦΗ ΛΕΙΤΟΥΡΓΙΑΣ SOFTWARE SAE10 Το software της αναγγελίας ορόφων είναι απαραίτητο για τη δηµιουργία των USB flash που θα χρησιµοποιηθούν στην πλακέτα SAE10. Προσφέρει ταχύτητα, ευελιξία και πολλές
3.1 ΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ - ΕΝ ΕΧΟΜΕΝΑ. 1. Πείραµα τύχης : Το πείραµα του οποίου δε µπορούµε να προβλέψουµε µε ακρίβεια το αποτέλεσµα.
1 3.1 ΕΙΓΜΤΙΚΟΣ ΧΡΟΣ - ΕΝ ΕΧΟΜΕΝ ΘΕΡΙ 1. Πείραµα τύχης : Το πείραµα του οποίου δε µπορούµε να προβλέψουµε µε ακρίβεια το αποτέλεσµα. 2. ειγµατικός χώρος : Το σύνολο των δυνατών αποτελεσµάτων του πειράµατος
Κανονικοποίηση Σχήµατος. Βάσεις εδοµένων Ευαγγελία Πιτουρά 1
Κανονικοποίηση Σχήµατος Ευαγγελία Πιτουρά 1 Λογικός Σχεδιασµός Σχεσιακών Σχηµάτων - Αποσύνθεση (διάσπαση) καθολικού σχήµατος Επιθυµητές ιδιότητες - διατήρηση εξαρτήσεων (F + = F + ) - όχι απώλειες στη
Σχήµα 3.1: Εισαγωγή shift register σε βρόγχο for-loop.
Η δοµή «Shift register» 1. Η δοµή «Shift register» εισάγεται στο βρόγχο for-loop αλλά και σε άλλους βρόγχους που θα δούµε στη συνέχεια, όπως ο βρόγχος «While loop». Ο τρόπος εισαγωγής και λειτουργίας της
ΝΕΟ ΑΣΦΑΛΙΣΤΙΚΟ - ΦΟΡΟΛΟΓΙΚΟ
ΠΙΝΑΚΑΣ 1:ΕΠΙΒΑΡΥΝΣΕΙΣ ΓΙΑ ΚΕΡΔΗ ΠΡΟ ΟΑΕΕ 12.000,00 Κέρδη προ ασφαλιστικών εισφορών & φόρων 12.000,00 12.000,00 12.000,00 12.000,00 12.000,00 12.000,00 Ασφαλιστικές εισφορές (Από 2017 και μετά 26,95%)
Παράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο εξαρτημένων δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως
Κώδικες µεταβλητού µήκους
6 Κώδικες µεταβλητού µήκους Στο κεφάλαιο αυτό µελετώνται οι κώδικες µεταβλητού µήκους, στους οποίους όλες οι λέξεις δεν έχουν το ίδιο µήκος και δίνονται οι µέ- ϑοδοι Fano-Shannon και Huffman για την κατασκευή
Ροπή αδράνειας. q Ας δούµε την ροπή αδράνειας ενός στερεού περιστροφέα: I = m(2r) 2 = 4mr 2
ΦΥΣ 131 - Διαλ.22 1 Ροπή αδράνειας q Ας δούµε την ροπή αδράνειας ενός στερεού περιστροφέα: m (α) m (β) m r r 2r 2 2 I =! m i r i = 2mr 2 1 I = m(2r) 2 = 4mr 2 Ø Είναι δυσκολότερο να προκαλέσεις περιστροφή
Αποθήκες εδομένων και Εξόρυξη εδομένων:
Αποθήκες εδομένων και Εξόρυξη εδομένων: Κατηγοριοποίηση: Μέρος Α http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές ακολουθούν
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΒΕΣ 04: ΣΥΜΠΙΕΣΗ ΚΑΙ ΜΕΤΑ ΟΣΗ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 2007 2008, Χειµερινό Εξάµηνο 6 Νοεµβρίου 2007 Φροντιστηριακή Άσκηση 2: (I) Εντροπία,
Τα Γενετικά πειράματα του Mendel με την μπιζελιά
Τα Γενετικά πειράματα του Mendel με την μπιζελιά Διαδικασία διασταύρωσης του μοσχομπίζελου. Τα επτά ζεύγη χαρακτήρων του μοσχομπίζελου που μελέτησε ο Mendel στις πειραματικές τους διασταυρώσεις Δημιουργία
6.1 Η ΕΝΝΟΙΑ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ
6. Η ΕΝΝΟΙΑ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ ΘΕΩΡΙΑ. Ορισµός της συνάρτησης Συνάρτηση από ένα σύνολο Α σε ένα σύνολο Β λέγεται µια διαδικασία (κανόνας τρόπος ), µε την οποία κάθε στοιχείο του συνόλου Α αντιστοιχίζεται σε
Τεχνητή Νοημοσύνη. 15η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 15η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των
Κος ΣΤΑΥΡΙΝΟΥΔΗΣ: Καλησπέρα. Η δική μας εισήγηση θα είχε άμεση σχέση και θα είχε ενδιαφέρον να ακολουθούσε την εισήγηση του κυρίου Λέλεκα.
Κος ΣΤΑΥΡΙΝΟΥΔΗΣ: Καλησπέρα. Η δική μας εισήγηση θα είχε άμεση σχέση και θα είχε ενδιαφέρον να ακολουθούσε την εισήγηση του κυρίου Λέλεκα. Δεν είναι πάντα εφικτό να το προγραμματίζουμε κατά προτεραιότητα.
Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Γραµµική Αλγεβρα Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.