Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
|
|
- Μαρία Μανωλάς
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας Τηλ:
2 Σημειακή Διαδικασία 0 T 1 T 2 T 3 T T k-1 T k Χρόνος μεταξύ δύο γεγονότων U k = T k T k-1 0 αριθμός γεγονότων : N(t) t
3 Στοχαστική Διαδικασία Μια διαδικασία περιγράφεται επίσης από τον αριθμό των γεγονότων Ν(t) που συμβαίνουν σε ένα χρονικό διάστημα Ν(t): ο αριθμός των γεγονότων στο χρ. διάστημα [0,t] Ν((α,β])=Ν(β)-Ν(α) N = 1 ( t) 1{ T t} = 1{ T1 t} + 1{ T2 t} + K+ { T t} 1 { N( t) = } = { T t < T+ 1 } Μέσος αριθμός γεγονότων πριν την στιγμή t: [ N ( )] m ( t) = E t
4 Στοχαστική Διαδικασία Θεωρείστε ένα σύστημα το οποίο εξελίσσεται τυχαία στο χρόνο και έστω ότι παρατηρούμε το σύστημα στους χρόνους = 0, 1, 2, 3,. Έστω X η (τυχαία) κατάσταση του συστήματος στο χρόνο. Η ακολουθία των τυχαίων μεταβλητών {X 0, X 1, X 2, } ονομάζεται στοχαστική διαδικασία διακριτούχρόνου και γράφεται {Χ, 0} Αν με Ε συμβολίσουμε το σύνολο όλων των δυνατών τιμών που μπορεί να πάρει η X για όλα τα, τότε το Ε ονομάζεταιχώροςκαταστάσεων της στοχαστικής διαδικασίας {Χ, 0}
5 Στοχαστική Διαδικασία Παραδείγματα σ.δ.δ.χ. X : η θερμοκρασία στην πόλη της Χίου την ημέρα στις 12:00 το μεσημέρι. Ο χώρος καταστάσεων της σ.δ.δ.χ. {Χ, 0} είναι Ε =(-20,50) X : το αποτέλεσμα της -οστής ρίψης ενός κανονικού ζαριού. Ο χώρος καταστάσεων της σ.δ.δ.χ. {Χ, 0} είναι Ε = {1, 2, 3, 4, 5, 6} X : ο δείκτης του Χ.Α.Α. την ημέρα. Ο χώρος καταστάσεων της σ.δ.δ.χ. {Χ, 0} είναι Ε = [0, ) X : ο αριθμός των εφημερίδων «ΕΝΗΜΕΡΩΣΗ» που πουλάει ένα περίπτερο την ημέρα. Ο χώρος καταστάσεων της σ.δ.δ.χ. {Χ, 0} είναι Ε = {0, 1, 2, 3,.} διακριτή σ.δ. με διακριτό χώρο καταστάσεων διακριτή σ.δ. με συνεχή χώρο καταστάσεων
6 Στοχαστική Διαδικασία Θεωρείστε ένα σύστημα το οποίο εξελίσσεται τυχαία στο χρόνο και έστω ότι παρατηρούμε το σύστημα σε όλες τις χρ. στιγμές t 0και έστω X(t) η κατάσταση του συστήματος χρ. στιγμή t. Το σύνολο των καταστάσεων στις οποίες μπορεί να βρεθεί το σύστημα σε οποιαδήποτε χρ. στιγμή t καλείται χώρος καταστάσεων και συμβολίζεται με Ε. Η διαδικασία {X(t), t 0} καλείται στοχαστική διαδικασία συνεχούς χρόνου με χώρο καταστάσεων Ε.
7 Στοχαστική Διαδικασία Παραδείγματα σ.δ.σ.χ. Έστω μια μηχανή η οποία μπορεί να λειτουργεί ή να μην λειτουργεί. Εάν θεωρήσουμε ως X(t) την κατάσταση της μηχανής στο χρόνο t τότε η {X(t), t 0} είναι μια σ.δ.σ.χ με χώρο καταστάσεων Ε =(λειτουργία, μη-λειτουργία) Έστω X(t) ο αριθμός των πελατών που μπαίνουν σε ένα εμπορικό κατάστημα στο χρόνο t τότε η {X(t), t 0} είναι μια σ.δ.σ.χ με χώρο καταστάσεων Ε =(0, 1, 2, } Έστω X(t) η θερμοκρασία στην πόλη της Χίου στο χρόνο t τότε η {X(t), t 0} είναι μια σ.δ.σ.χ με χώρο καταστάσεων Ε =(-20,50) συνεχής σ.δ. με διακριτό χώρο καταστάσεων συνεχής σ.δ. με συνεχή χώρο καταστάσεων
8 Στοχαστική Διαδικασία Μια διαφορετική προσέγγιση: Ορισμός: Η συνάρτηση Χ(ω,t) όπου ω το αποτέλεσμα ενός πειράματος τύχης και t ο χρόνος, λέγεται στοχαστική διαδικασία. Αν t = t 0 μια συγκεκριμένη χρονική στιγμή, τότε η Χ(ω,t 0 ) = Χ (ω) είναι τ.μ. Αν ζ = ζ 0 είναι ένα συγκεκριμένο αποτέλεσμα του πειράματος τύχης, τότε η Χ(ζ 0, t) = x(t) είναι μια συνάρτηση του χρόνου Χ(ζ 1, t) * Χ(ζ 1, t 0 ) Χ(ζ 2, t) Χ(ζ 3, t) * Χ(ζ 2, t 0 ) t 0 * Χ(ζ 3, t 0 )
9 Διαδικασία Poisso Ο αριθμός των γεγονότων Ν(t) ακολουθεί την κατανομή Poisso αν οι χρόνοι U i ακολουθούν εκθετική κατανομή { } { } 1 ) ( + > = t T t N { } { } όπου ) ( = > = U U U U T T t T t N K ( ) ( ) ( ) t T t T t N > > = = + Pr Pr ) ( Pr 1 ( )! ) ( Pr e t N t λ λ = =
10 Διαδικασία Poisso Poisso λ 1 Υπέρθεση Poisso (λ 1 + λ 2 ) Poisso λ 2 Poisso λp Διαχωρισμός Poisso λ Poisso λ(1-p) ΠΑΡΑΔΕΙΓΜΑ: Ανεξάρτητες τ.μ. Χ, Υ Pr k λ λ 1 λ 1 λ2 2 ( X = k) = e, Pr( Y = k) = e, Pr( X + Y = ) =? k! k k!
11 ΜΑΡΚΟΒΙΑΝΕΣ ΔΙΑΔΙΚΑΣΙΕΣ Μαρκοβιανές Αλυσίδες Δικριτού Χρόνου
12 Ορισμός (Μαρκοβιανή Αλυσίδα) Μια ακολουθία τ.μ. (X ) με τιμές στο Ε, είναι μια Μαρκοβιανή Αλυσίδα αν για οποιοδήποτε k > 0 και για οποιαδήποτε ακολουθία i, j, i 0, i 1,, i -1 στοιχείων του Ε, έχουμε: ( X + 1= j X0 = i0, X1= i1, X2 = i2, K, X = i) = Pr( X+ = j X = i) Pr 1 Μαρκοβιανή ιδιότητα Αν p ( ) = Pr( X j) τότε η δεσμευμένη συνάρτηση μάζας πιθανότητας j = p jk ( m,) = Pr( X = k X = j) 0 m ονομάζεται συνάρτηση πιθανοτήτων μετάβασης της ΜΑ Ομογενής ΜΑ m
13 Για μια ομογενή ΜΑ χρησιμοποιούμε την p jk = m+ m = ( ) Pr( X = k X j) και ονομάζεται πιθανότητα μετάβασης -βημάτων Λόγω της Μαρκοβιανής ιδιότητας μπορούμε να ορίσουμε την από κοινού πιθανότητα ( X0 = i0,x1= i1,x2 = i, K,X ) = i =... = p i (0) p i i K p i 1 i Pr 2 Αυτό ουσιαστικά σημαίνει ότι μπορούμε να υπολογίσουμε οποιαδήποτε από κοινού πιθανότητα θέλουμε αρκεί να γνωρίζουμε την αρχική κατανομή ( α() ) p i ( 0) = Pr( X0= i) i και τις πιθανότητες μετάβασης μεταξύ των καταστάσεων
14 Δηλαδή: [ p (0) p (0) K ] ή [ a(0) (1) K] α= p( 0) = 1 p00 p01 K P = [ p ] ij = p 10 p 11 K M M M 0 a Το άθροισμα κάθε γραμμής του πίνακα P είναι j E p ij = Pr( X = 0 X 1 = i) + Pr( X = 1 X 1= i) + K= 1 Ένας τέτοιος τετραγωνικός πίνακας ονομάζεται στοχαστικός Παραδείγματα 1-5
15 Πιθανότητα -βημάτων: Γνωρίζουμε ότι p ij = m+ m = ( ) Pr( X = j X i) Pr(η διαδικασία πάει στην κατάσταση k στοm-οστό βήμα, δοθέντος ότιχ 0 = i) = p ik (m) Pr(αν η διαδικασία φτάνει στην κατάσταση j μετά από (m+) βήματα, δοθέντος ότιχ m = k)=p kj () Η μαρκοβιανή ιδιότητα υποδεικνύει ότι τα δύο παραπάνω γεγονότα είναι ανεξάρτητα. Από το θεώρημα ολικής πιθανότητας: ij( m+ ) = k E p p ( m) p ( ) ik Chapma-Kolmogorov kj
16 Αν τώρα συμβολίσουμε με P() τον πίνακα με στοιχεία p ij (), τότε με βάση τα προηγούμενα προκύπτει : P ( ) = P P( 1) = P Μπορούμε ακόμα να υπολογίσουμε την περιθώρια σ.μ.π. της τ.μ.χχ, με βάση τις πιθανότητες -βημάτων και την αρχική κατανομή p Η περιθώρια σ.μ.π. της.χ σαν διάνυσμα: και με βάση τα προηγούμενα Παραδείγματα 6, 7 j( ) = Pr( X = j) = Pr( X0 = i) Pr( X = j X0 i E = i E a( i) p ij ( ) ή i E = i) a( i) p ( i,j) [ p ( ) p ( )...] p( ) = 1 0 p( ) = α P( ) p( ) = α P
17 Για πολλές περιπτώσεις αλλά όχι για όλες τις Μ.Α. ισχύει: π Ταξινόμηση Καταστάσεων j = p = j lim ( ) j 01,, 2 Ορισμός: Μια κατάσταση i ονομάζεται μεταβατική (ή μη-επαναληπτική) αν και μόνο αν υπάρχει θετική πιθανότητα η διαδικασία να μην ξαναγυρίσει σε αυτή Γενικά για μια πεπερασμένη Μ.Α. περιμένουμε ότι μετά από ένα μεγάλο αριθμό βημάτων, η πιθανότητα η αλυσίδα να βρεθεί σε μια μεταβατική κατάσταση τείνει στο 0, ανεξάρτητα από την αρχική κατάσταση. ΈστωΧ ji ο αριθμός των επισκέψεων στην i από την j. Τότε Αν η i είναι μεταβατική τότε E[ X ji ] = =0 p ji ( ) =0 p ji( ) < j και άρα p ( ) ji 0
18 Ορισμός: Μια κατάσταση i ονομάζεται επαναληπτική αν και μόνο αν ξεκινώντας από την i η διαδικασία θα επιστρέψει κάποια στιγμή σε αυτή με πιθανότητα 1. Για τις επαναληπτικές καταστάσεις είναι σημαντικός ο χρόνος επιστροφής σε αυτές Έστω f ij ()=Pr(ηπρώτηεπίσκεψηαπότην iστην jγίνεταιμεακριβώς βήματα) τότε p ij ( ) = k= 1 f ij ( k) p jj ( k) 1
19 Έστω f ij = Pr(ξεκινώνταςαπότην iναφτάσωκάποιαστιγμήστην j) τότε f ij = =1 f ij ( ) Αν f ii = 1 τότε η i είναιεπαναληπτική* Αν f ii <1 τότε η i είναιμεταβατική* Έστω f ii = 1 τότε ορίζεται ομέσοςχρόνοςεπανάληψης της i (µ i ή m i ή v i ) µ i = fii( ) = 1 Αν µ i = τότε η i είναιμηδενικάεπαναληπτική Αν µ i < τότε η i είναιθετικάεπαναληπτική*
20 Ορισμός: Για μια επαναληπτική κατάσταση i ισχύει p ii () > 0 για κάποιο 1. Ορίζουμε ως περίοδο της i και συμβολίζουμε με d i, το μέγιστο κοινό διαιρέτη των θετικών ακεραίων για τους οποίους p ii () > 0 Ορισμός: Μια επαναληπτική κατάσταση i είναι απεριοδική αν d i = 1 και περιοδική αν d i > 1* Ορισμός: Μια κατάσταση i είναιαπορροφητική αν p ii = 1 i μεταβατική επαναληπτική μηδενικά θετικά περιοδική απεριοδική περιοδική απεριοδική
21 Ορισμός: Δύο καταστάσεις i και j λέμε ότι επικοινωνούν, αν υπάρχει τουλάχιστον ένα μονοπάτι που οδηγεί από την i στην j και αντίστροφα. Ορισμός: Ένα σύνολο C από καταστάσεις που επικοινωνούν είναι ένα κλειστό σύνολο αν καμία κατάσταση έκτος του C δεν είναι προσβάσιμη από καμία κατάσταση εντός τουc.* Ορισμός: Μια Μ.Α. ονομάζεται μη-διαχωρίσιμη (ή μη-αναγωγίσιμη ή αμετάπτωτη) αν κάθε κατάστασή της είναι προσβάσιμη από οποιαδήποτε άλλη σε πεπερασμένο αριθμό βημάτων. Αν μια κατάσταση μιας μη-διαχωρίσιμης Μ.Α, είναι απεριοδική τότε όλες της οι καταστάσεις είναι απεριοδικές και η Μ.Α. λέγεται απεριοδική. Ομοίως περιοδικη, μεταβατική, επαναληπτική. Παράδειγμα 8
22 Οριακή Κατανομή Οι πιθανότητες μετάβασης -βημάτων μιας πεπερασμένης, μη διαχωρίσιμης και απεριοδικής Μ.Α. (εργοδικής) γίνονται ανεξάρτητες από την κατάσταση i και από το όταν ö Όταν ö η οριακή πιθανότητα είναι: π j = lim pj( ) = lim α( i) pij ( ) = ( i) α i i = 1 ( ) lim p ( ) = lim p ( ) ij ( ) lim p ( ) Αυτό σημαίνει ότι όταν ö ο P συγκλίνει σε έναν πίνακα Π με όμοιες γραμμέςπ=[π 0 π 1 ] Αν ισχύει και τότε το π ονομάζεται οριακή κατανομή j E π = 1 j ij ij
23 Από το Θεώρημα Ολικής Πιθανότητας έχουμε ότι : και αφού παίρνουμε π lim j p j ( ) = π = lim p ( 1) = π p ή i i ij j Προκύπτει λοιπόν το σύστημα γραμμικών εξισώσεων: j π= π P j = i p ( ) p ( -1) p π= π P π = 1 i i i ij Οποιοδήποτε διάνυσμα x ικανοποιεί το σύστημα ονομάζεται στάσιμη κατανομή
24 Θεώρημα: Για μια απεριοδική Μ.Α. το lim p υπάρχει Θεώρημα : Για οποιαδήποτε μη-διαχωρίσιμη και απεριοδική Μ.Α. οι οριακές πιθανότητες π j = lim p j π j = ( ) = lim p ( ) ij j () υπάρχουν και είναι ανεξάρτητες από την αρχική κατανομή α Θεώρημα : Για μια εργοδική Μ.Α. η οριακή κατανομή πιθανοτήτων ονομάζεταιπ=[π 0 π 1 ] είναι η μοναδική στάσιμη κατανομή. Παραδείγματα 9-12
Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοοίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 207-208 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Εικ. Καθηγητής v.kouras@fme.aegea.gr
Διαβάστε περισσότεραMarkov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov
Γ. Κορίλη, Αλυσίδες Markov 3- http://www.seas.upe.edu/~tcom5/lectures/lecture3.pdf Αλυσίδες Markov Αλυσίδες Markov ιακριτού Χρόνου Υπολογισµός Στάσιµης Κατανοµής Εξισώσεις Ολικού Ισοζυγίου Εξισώσεις Λεπτοµερούς
Διαβάστε περισσότεραΜαρκοβιανές Αλυσίδες
Μαρκοβιανές Αλυσίδες { θ * } Στοχαστική Ανέλιξη είναι μια συλλογή τ.μ. Ο χώρος Τ (συνήθως είναι χρόνος) μπορεί να είναι είτε διακριτός είτε συνεχής και καλείται παραμετρικός χώρος. Το σύνολο των δυνατών
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις (3) Αγγελική Αλεξίου
Στοχαστικές Ανελίξεις (3) Αγγελική Αλεξίου alexiou@unipi.gr 1 Αλυσίδες Markov 2 Παράδειγμα 1: παιχνίδι τύχης Στοχαστικές Ανελίξεις Α. Αλεξίου 3 Παράδειγμα 2: μηχανή Έστω μηχανή που παράγει ένα προϊόν με
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων ο Σετ Ασκήσεων - Λύσεις Νοέμβριος - Δεκέμβριος 205 Ερώτημα (α). Η νοσοκόμα ακολουθεί μια Ομογενή Μαρκοβιανή Αλυσίδα Διακριτού Χρόνου με χώρο καταστάσεων το σύνολο
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής
Διαβάστε περισσότεραΔιαδικασίες Markov Υπενθύμιση
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Επίδοση Υπολογιστικών Συστημάτων Α.-Γ. Σταφυλοπάτης Διαδικασίες Markov Υπενθύμιση Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοοίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@fme.aegean.gr Τηλ: 7035468 σ-άλγεβρα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ Ακαδ. Έτος 2011-2012 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Διδάσκων επί Συμβάσει Π.Δ 407/80 v.koutras@fme.aegean.gr
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Μοντέλα Στατιστικής Μηχανικής, Κινητικότητα & Ισορροπία Αλυσίδες Markov: Καταστάσεις, Εξισώσεις Μεταβάσεων καθ. Βασίλης Μάγκλαρης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ ΑΛΥΣΙΔΕΣ ΜΑΡΚΟΦ & ΕΦΑΡΜΟΓΕΣ Ν. ΔΕΡΒΑΚΟΥ Σημειώσεις Παραδόσεων Αθήνα 23 ΑΛΥΣΙΔΕΣ ΜΑΡΚΟΦ & ΕΦΑΡΜΟΓΕΣ Ι. ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ Ορισμός : Στοχαστική διαδικασία ή ανέλιξη είναι η διατεταγμένη
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής Γαροφαλάκης Ιωάννης Πολυτεχνική Σχολή Τμήμα Μηχ/κών Η/Υ & Πληροφορικής Σκοποί ενότητας Κατά τη διάρκεια των καθημερινών μας
Διαβάστε περισσότερα0 1 0 0 0 1 p q 0 P =
Στοχαστικές Ανελίξεις - Σεπτέμβριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ Τομέας Οργάνωσης Παραγωγής & Βιομηχανικής Διοίκησης Σημειώσεις του μαθήματος: ΣΤΟΧΑΣΤΙΚΑ ΠΡΟΤΥΠΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Γιώργος Λυμπερόπουλος
Διαβάστε περισσότεραΝικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου
Νικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου Θεωρημα 1 Εστω s S μια οποιαδήποτε κατάσταση μιας αδιαχώριστης Μαρκοβιανής αλυσίδας.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Παραμέτρων
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ
ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ ΠΑΝΕΠΙΣΤΗΜΙΑΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΟΦΙΑ ΠΑΝΑΓΙΩΤΙΔΟΥ ΣΕΠΤΕΜΒΡΙΟΣ 05 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ.... Στοχαστικές
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
Διαβάστε περισσότεραΝικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου
Νικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου Λημμα Εστω A ένα σύνολο άπειρου πλήθους θετικών ακέραιων αριθμών των οποίων
Διαβάστε περισσότερα0 + a = a + 0 = a, a k, a + ( a) = ( a) + a = 0, 1 a = a 1 = a, a k, a a 1 = a 1 a = 1,
I ΠΙΝΑΚΕΣ 11 Σώμα 111 Ορισμός: Ενα σύνολο k εφοδιασμένο με δύο πράξεις + και ονομάζεται σώμα αν ικανοποιούνται οι παρακάτω ιδιότητες: (Α (α (Προσεταιριστική ιδιότητα της πρόσθεσης (a + b + c = a + (b +
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις- Φεβρουάριος 2015
Στοχαστικές Ανελίξεις- Φεβρουάριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.kouras@fm.aga.gr Τηλ: 7035468 Κίνηση
Διαβάστε περισσότεραΤ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Θεωρία Συνόλων Σύνολο: Το σύνολο εκφράζει μία συλλογή διακριτών μονάδων οποιασδήποτε φύσης.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΣυλλογή ασκήσεων στην διδαχθείσα ύλη του μαθήματος. 532 Στοχαστικές Διαδικασίες. Επιμέλεια Ασκήσεων: Απόστολος Μπατσίδης
Συλλογή ασκήσεων στην διδαχθείσα ύλη του μαθήματος 532 Στοχαστικές Διαδικασίες Επιμέλεια Ασκήσεων: Απόστολος Μπατσίδης Κύρια Βιβλιογραφία 1. Στοχαστικές μέθοδοι στις επιχειρησιακές έρευνες, Βασιλείου Παναγιώτης
Διαβάστε περισσότερα1 + ρ ρ ρ3. iπ i = Q = λ λ i=0. n=0 tn. n! Qn, t 0
Στοχαστικές Διαδικασίες ΙΙ Ιανουάριος 07 Διαδικασίες Markov σε Συνεχή Χρόνο - Παραδείγματα Μ. Ζαζάνης Πρόβλημα. Εστω ένα σύστημα M/M//3 στο οποίο οι αφίξεις είναι Poisson με ρυθμό λ και οι δύο υπηρέτες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΚεφάλαιο 3: Μαρκοβιανές Αλυσίδες
Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο Στοχαστικές Ανελίξεις Κεφάλαιο 3: Μαρκοβιανές Αλυσίδες Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΠιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης
Πιθανότητες & Τυχαία Σήματα Διγαλάκης Βασίλης Τυχαία Σήματα Γενίκευση τυχαίων διανυσμάτων Άπειρο σύνολο πιθανά αριθμήσιμο από τυχαίες μεταβλητές Παραδείγματα τυχαίων σημάτων: Τηλεπικοινωνίες: Σήμα πληροφορίας
Διαβάστε περισσότεραΤμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα
Διαβάστε περισσότεραP (M = n T = t)µe µt dt. λ+µ
Ουρές Αναμονής Σειρά Ασκήσεων 1 ΑΣΚΗΣΗ 1. Εστω {N(t), t 0} διαδικασία αφίξεων Poisson με ρυθμό λ, και ένα χρονικό διάστημα η διάρκεια του οποίου είναι τυχαία μεταβλητή T, ανεξάρτητη της διαδικασίας αφίξεων,
Διαβάστε περισσότεραΕπισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας
Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2014 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής Με λόγια, η f ( x, y) δίνει την πιθανότητα να εμφανισθεί
Διαβάστε περισσότεραΠανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π.
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Λύσεις 3ης Σειράς Ασκήσεων Ασκηση 1. Χρησιµοποιούµε µια αλυσίδα
Διαβάστε περισσότεραΣχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 3. Κοκολάκης Γεώργιος
Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Ενδεικτικές Λύσεις Ασκήσεων Κεφάλαιο 3 Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ -ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ(τελικές εξετάσεις πλη12)
ΠΙΘΑΝΟΤΗΤΕΣ -ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ(τελικές εξετάσεις πλη) Για διακριτή τυχαία μεταβλητή ισχύει μία συνάρτηση πιθανότητας ικανοποιεί τις ακόλουθες δύο ιδιότητες: (α) ( ) 0, για κάθε i,, i (β) ( i ) i S Παράδειγμα
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές
ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΜΣ στη «Ναυτιλία» Τμήμα Β art time Χαράλαμπος Ευαγγελάρας hevangel@unipi.gr Η έννοια της Πιθανότητας Ο όρος πιθανότητα είναι συνδέεται άμεσα με τη μελέτη
Διαβάστε περισσότερα2
ΑΝΑΛΥΣΗ ΕΠΙΔΟΣΗΣ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Αναλυτικά μοντέλα, προσομοίωση, μετρήσεις ΚΕΦΑΛΑΙΟ 2 Τυχαίες Μεταβλητές και Στοχαστικές Διαδικασίες Α.-Γ. ΣΤΑΦΥΛΟΠΑΤΗΣ Καθηγητής Ε.Μ.Π. Γ. ΣΙΟΛΑΣ Ε.ΔΙ.Π. Ε.Μ.Π.
Διαβάστε περισσότεραΑσκήσεις 3 ου Κεφαλαίου
Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο Στοχαστικές Ανελίξεις Ασκήσεις 3 ου Κεφαλαίου Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΑριθμητική 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 περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 7: Θεωρία Πιθανοτήτων (Πείραμα Τύχης) Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής
Διαβάστε περισσότεραΜερικές φορές δεν μπορούμε να αποφανθούμε για την τιμή του άπειρου αθροίσματος.
Σειρές Σειρές και μερικά αθροίσματα: Το πρόβλημα της άθροισης μιας σειράς άπειρων όρων είναι πολύ παλιό. Μερικές φορές μια τέτοια σειρά καταλήγει σε πεπερασμένο αποτέλεσμα, μερικές φορές απειρίζεται και
Διαβάστε περισσότεραDEPARTMENT OF STATISTICS
SCHOOL OF INFORMATION SCIENCES & TECHNOLOGY DEPARTMENT OF STATISTICS POSTGRADUATE PROGRAM Elements of Markovian Processes and Queueing Processes with Numerical Applications By Erold Ajdini A THESIS Submitted
Διαβάστε περισσότερα5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ
48 49 5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ 5 ΕΙΣΑΓΩΓΗ ΟΡΙΣΜΟΣ: Κάθε συνάρτηση : A B με Α R n και Β R ονομάζεται πραγματική συνάρτηση n μεταβλητών ΠΑΡΑΤΗΡΗΣΕΙΣ: Ι Αν Α R n και Β R n τότε έχουμε διανυσματική συνάρτηση
Διαβάστε περισσότεραΣτην Ξένια και στην Μαίρη
Στην Ξένια και στην Μαίρη Περιεχόμενα 3 ΠΡΟΛΟΓΟΣ Πολλές φορές θέλουμε να μελετήσουμε φαινόμενα ή συστήματα τα οποία εξελλίσονται, κυρίως αναφορικά με τον χρόνο, και των οποίων η μελλοντική συμπεριφορά
Διαβάστε περισσότεραΣχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο. Στοχαστικές Ανελίξεις. Κεφάλαιο 1: Εισαγωγή. Κοκολάκης Γεώργιος
Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο Στοχαστικές Ανελίξεις Κεφάλαιο 1: Εισαγωγή Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΟρισµός. (neighboring) καταστάσεων. ηλαδή στην περίπτωση αλυσίδας Markov. 1.2 ιαµόρφωση µοντέλου
200-04-25. ιαδικασίες γεννήσεων-θανάτων. Ορισµός Οι διαδικασίες γεννήσεων-θανάτων (birth-death rocesses) αποτελούν µια σπουδαία κλάση αλυσίδων Markov (διακριτού ή συνεχούς χρόνου). Η ιδιαίτερη συνθήκη
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2015-16 ιδάσκων : Π Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Σοφία Σαββάκη Ασκηση 1 Μία Μαρκοβιανή
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι
Διαβάστε περισσότεραΠεριεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ
Πιθανότητες και Αρχές Στατιστικής (3η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 38 Περιεχόμενα
Διαβάστε περισσότεραΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.
ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη
Διαβάστε περισσότεραΕπισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας
Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά
Διαβάστε περισσότεραΠεριεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ
3ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 3ο Μάθημα Πιθανότητες
Διαβάστε περισσότεραΑντίστροφη & Ιδιάζουσα μήτρα. Στοιχεία Γραμμικής Άλγεβρας
Αντίστροφη & Ιδιάζουσα μήτρα Στοιχεία Γραμμικής Άλγεβρας Γιατί όμως μελετάμε τις μήτρες Συνήθως τα επιστημονικά δεδομένα (παρατηρήσεις, αποτελέσματα πειραμάτων κ.λπ.) οργανώνονται σε γραμμές και σε στήλες,
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις- Ιούλιος 2015
Στοχαστικές Ανελίξεις- Ιούλιος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία είναι
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ
ΚΕΦΑΛΑΙΟ ΔΙΑΤΑΞΕΙΣ ΜΕΤΑΘΕΣΕΙΣ ΣΥΝΔΥΑΣΜΟΙ Εισαγωγή. Οι σχηματισμοί που προκύπτουν με την επιλογή ενός συγκεκριμένου αριθμού στοιχείων από το ίδιο σύνολο καλούνται διατάξεις αν μας ενδιαφέρει η σειρά καταγραφή
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ
ΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος Τµ. Επιστήµης των Υλικών Στοχαστικές ιαδικασίες Ορισµός Μία στοχαστική διαδικασία είναι µία οικογένεια τυχαίων µεταβλητών
Διαβάστε περισσότεραΠερίληψη μαθημάτων Ι. ΣΥΝΑΡΤΗΣΕΙΣ. Με N θα συμβολίζουμε το σύνολο των φυσικών αριθμών, δηλ. N = {1, 2, 3, 4, }.
Περίληψη μαθημάτων Ι. ΣΥΝΑΡΤΗΣΕΙΣ Με N θα συμβολίζουμε το σύνολο των φυσικών αριθμών, δηλ. N = {1, 2, 3, 4, }. Με Z θα συμβολίζουμε το σύνολο των ακεραίων αριθμών, δηλ. Z = N {0, 1, 2, 3, 4, }. Με Q θα
Διαβάστε περισσότερα«ΔΙΑΚΡΙΤΕΣ ΜΑΡΚΟΒΙΑΝΕΣ ΑΛΥΣΙΔΕΣ»
ΤΕΙ ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ «ΔΙΑΚΡΙΤΕΣ ΜΑΡΚΟΒΙΑΝΕΣ ΑΛΥΣΙΔΕΣ» Του σπουδαστή ΣΤΑΜΟΥΛΗ ΓΕΩΡΓΙΟΥ Επιβλέπων Δρ ΓΕΡΟΝΤΙΔΗΣ ΙΩΑΝΝΗΣ Αναπληρωτής Καθηγητής ΚΑΒΑΛΑ 006 ΠΕΡΙΕΧΟΜΕΝA Σελίδα ΕIΣΑΓΩΓΗ 3
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραΚΕΦΑΛΑΙΟ 5: ΓΡΑΜΜΙΚΕΣ ΑΠΕΙΚΟΝΙΣΕΙΣ
ΚΕΦΑΛΑΙΟ 5: 5. ΟΡΙΣΜΟΙ Έστω U και V δύο διανυσματικοί χώροι. Μια συνάρτηση F : U V θα λέγεται γραμμική απεικόνιση (ή ομομορφισμός, ή απλά μορφισμός εάν ικανοποιεί τις συνθήκες (i F ( u + = u + για κάθε
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.
ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος Το σύνολο των δυνατών αποτελεσμάτων λέγεται δειγματικός χώρος (sample space) και συμβολίζεται συνήθως με το γράμμα Αν δηλαδή ω,,, ω2 ωκ είναι τα δυνατά αποτελέσματα ενός πειράματος
Διαβάστε περισσότερα1 Επανάληψη εννοιών από τον Απειροστικό Λογισμό
1 Επανάληψη εννοιών από τον Απειροστικό Λογισμό 1.1 Όρια ακολουθιών Λέμε ότι η ακολουθία { n } συγκλίνει με όριο R αν για κάθε ϵ > 0 υπάρχει ακέραιος N = N(ϵ) τέτοιος ώστε (1.1) n < ϵ για κάθε n > N, και
Διαβάστε περισσότερα17/10/2016. Στατιστική Ι. 3 η Διάλεξη
Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε
Διαβάστε περισσότεραΕπεξεργασία Στοχαστικών Σημάτων
Επεξεργασία Στοχαστικών Σημάτων Σεραφείμ Καραμπογιάς Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Η Έννοια της τυχαίας Διαδικασίας Η έννοια της τυχαίας διαδικασίας βασίζεται στην επέκταση
Διαβάστε περισσότερα5 Σύγκλιση σε τοπολογικούς χώρους
121 5 Σύγκλιση σε τοπολογικούς χώρους Στο κεφάλαιο αυτό πρόκειται να μελετήσουμε την έννοια της σύγκλισης σε γενικούς τοπολογικούς χώρους, πέραν των μετρικών χώρων. Όπως έχουμε ήδη διαπιστώσει ( πρβλ.
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου
Στοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου alexiou@unipi.gr 1 Στοχαστικές Διαδικασίες 2 Στοχαστική Διαδικασία Στοχαστικές Ανελίξεις Α. Αλεξίου 3 Στοχαστική Διαδικασία ως συλλογή από συναρτήσεις χρόνου
Διαβάστε περισσότεραΜέρος ΙΙ. Τυχαίες Μεταβλητές
Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές
Διαβάστε περισσότεραa n = 3 n a n+1 = 3 a n, a 0 = 1
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΔΟΜΟΣΤΑΤΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΑΝΑΛΥΣΗ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΔΟΜΟΣΤΑΤΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΑΝΑΛΥΣΗ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΚΗΣ ΚΑΙ ΑΝΤΙΣΕΙΣΜΙΚΩΝ ΕΡΕΥΝΩΝ Ανάλυση
Διαβάστε περισσότεραΣύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις
Σύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις Αν το αποτέλεσμα ενός τυχαίου πειράματος είναι - ένας αριθμός R, τότε μπορεί να εκφραστεί με μία τ.μ. Χ R - αριθμοί R τότε μπορεί να εκφραστεί με ένα τ.δ. Χ
Διαβάστε περισσότεραΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ
ΤΜΗΜΑ ΔΙΕΘΝΟΥΣ ΕΜΠΟΡΙΟΥ ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ ΚΕΦΑΛΑΙΑ: ) ΠΙΝΑΚΕΣ ) ΟΡΙΖΟΥΣΕΣ ) ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ 4) ΠΑΡΑΓΩΓΟΙ ΜΑΡΙΑ ΡΟΥΣΟΥΛΗ ΚΕΦΑΛΑΙΟ ΠΙΝΑΚEΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΡΙΘΜΩΝ ΟΡΙΣΜΟΣ Πίνακας
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ. ρ Χρήστου Νικολαϊδη
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ ρ Χρήστου Νικολαϊδη Δεκέμβριος Περιεχόμενα Κεφάλαιο : σελ. Τι είναι ένας πίνακας. Απλές πράξεις πινάκων. Πολλαπλασιασμός πινάκων.
Διαβάστε περισσότεραII. Τυχαίες Μεταβλητές
II. Τυχαίες Μεταβλητές τυχαία μεταβλητή (τ.μ.) Χ : Αναφέρεται πάνω σε μία μετρούμενη ποσότητα του τυχαίου πειράματος Εκφράζει μία συνάρτηση (απεικόνιση) από τον δειγματικό χώρο (Ω) σε έναν αριθμητικό χώρο
Διαβάστε περισσότεραΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ Έστω ότι επιθυμούμε να μελετήσουμε ένα τυχαίο πείραμα με δειγματικό χώρο Ω και έστω η πιθανότητα να συμβεί ένα ενδεχόμενο Α Ω Υπάρχουν περιπτώσεις όπου ενώ δεν γνωρίζουμε
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2016-2017 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
Διαβάστε περισσότερα(1) L{a 1 x 1 + a 2 x 2 } = a 1 L{x 1 } + a 2 L{x 2 } (2) x(t) = δ(t t ) x(t ) dt x[i] = δ[i i ] x[i ] (3) h[i, i ] x[i ] (4)
Πανεπιστήμιο Θεσσαλίας ΗΥ240: Θεωρία Σημάτων και Συστημάτων Γραμμικά χρονικά μεταβαλλόμενα συστήματα Συνάρτηση συστήματος Ένα σύστημα L απεικονίζει κάθε σήμα εισόδου x σε ένα σήμα εξόδου y, δηλ., συνεχής
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων Κατανομή Poisson & Εκθετική Κατανομή Διαδικασία Markov Γεννήσεων Θανάτων (Birth Death Markov Processes) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραείναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές
Ένα τυχαίο π.γ.π. maximize/minimize z=c x Αx = b x 0 Τυπική μορφή του π.γ.π. maximize z=c x Αx = b x 0 b 0 είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραX = = 81 9 = 9
Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη
Διαβάστε περισσότεραΌταν η s n δεν συγκλίνει λέμε ότι η σειρά αποκλίνει.
Όταν η s δεν συγκλίνει λέμε ότι η σειρά αποκλίνει. Παρατήρηση: Το αντίστροφο του προηγουμένου θεωρήματος δεν ισχύει. Παράδειγμα η σειρά με νιοστό όρο α = +-. Τότε lim α =0. Όμως s =α +α + +α = - + 3- +...+
Διαβάστε περισσότεραΤυχαίες Μεταβλητές. Ορισμός
Τυχαίες Μεταβλητές Ορισμός Μία τυχαία μεταβλητή (τ.μ.) είναι μία συνάρτηση (ή μία μεταβλητή) η οποία καθορίζει αριθμητικές τιμές σε μία ποσότητα που σχετίζεται με το αποτέλεσμα ενός πειράματος, όπου μία
Διαβάστε περισσότεραΤμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Ορισμός τυχαίας μεταβλητής Τυχαία μεταβλητή λέγεται η συνάρτηση
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - 02/07/08) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ
Ονοματεπώνυμο:......... Α.Μ....... Ετος... ΑΙΘΟΥΣΑ:....... I. (περί τις 55μ. = ++5++. Σωστό ή Λάθος: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - //8 ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ (αʹ Αν AB = BA όπου A, B τετραγωνικά και
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις Έννοια τυχαίας μεταβλητής Κατά τον υπολογισμό πιθανοτήτων, συχνά συμβαίνει τα ενδεχόμενα που μας ενδιαφέρουν να μετρούν
Διαβάστε περισσότερα3.1. ΠΙΘΑΝΟΤΗΤΕΣ ΜΕΤΑΒΑΣΗΣ
ΓΕ Κοκολάκης, Σηµειώσεις Στοχαστικών Ανελίξεων Κεφ ΙΙI Μαρκοβιανές Αλυσίδες Κεφ ΙΙΙ Μαρκοβιανές Αλυσίδες 3 ΠΙΘΑΝΟΤΗΤΕΣ ΜΕΤΑΒΑΣΗΣ Μαρκοβιανή Αλυσίδα (ΜΑ) είναι µια Μαρκοβιανή ανέλιξη {Χ t : t } µε διακριτό
Διαβάστε περισσότεραX i = Y = X 1 + X X N.
Κεφάλαιο 6 Διακριτές τυχαίες μεταβλητές Σε σύνθετα προβλήματα των πιθανοτήτων, όπως π.χ. σε προβλήματα ανάλυσης πολύπλοκων δικτύων ή στη στατιστική ανάλυση μεγάλων δεδομένων, η λεπτομερής, στοιχείο-προς-στοιχείο
Διαβάστε περισσότεραΚεφάλαιο 2 ΣΥΝΑΡΤΗΣΕΙΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ. 2.1 Συνάρτηση
Κεφάλαιο 2 ΣΥΝΑΡΤΗΣΕΙΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ 2.1 Συνάρτηση Η έννοια της συνάρτησης είναι ϐασική σ όλους τους κλάδους των µαθη- µατικών, αλλά και πολλών άλλων επιστηµών. Ο λόγος είναι, ότι µορφοποιεί τη σχέση
Διαβάστε περισσότεραΞέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β.
Η έννοια της ακολουθίας Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β. Δηλαδή: f : A B Η ακολουθία είναι συνάρτηση.
Διαβάστε περισσότεραi=1 i=1 i=1 (x i 1, x i +1) (x 1 1, x k +1),
Κεφάλαιο 6 Συμπάγεια 6.1 Ορισμός της συμπάγειας Οπως θα φανεί στην αμέσως επόμενη παράγραφο, υπάρχουν διάφοροι τρόποι με τους οποίους μπορεί κανείς να εισάγει την έννοια του συμπαγούς μετρικού χώρου. Ο
Διαβάστε περισσότεραX 1 X 2. X d X = 2 Y (x) = e x 2. f X+Y (x) = f X f Y (x) = f X (y)f Y (x y)dy. exp. exp. dy, (1) f X+Y (x) = j= σ2 2) exp x 2 )
Εστω X : Ω R d τυχαίο διάνυσμα με ΠΟΛΥΔΙΑΣΤΑΤΗ ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ X Εχουμε δει ότι η γνώση της κατανομής καθεμιάς από τις X, X,, X d δεν αρκεί για να προσδιορίσουμε την κατανομή του X, αφού δεν περιέχει
Διαβάστε περισσότερα/ / 38
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-37: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 205-6 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 0 Επιµέλεια : Σοφία Σαββάκη Ασκηση. Ο Κώστας πηγαίνει
Διαβάστε περισσότεραΚατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )
Κατανομή συνάρτησης τυχαίας μεταβλητής =() Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ3 ( ) Κατανομή συνάρτησης τυχαίας μεταβλητής Έστω τ.μ. Χ με γνωστή κατανομή. Δηλαδή
Διαβάστε περισσότερα07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)
07/11/2016 Στατιστική Ι 6 η Διάλεξη (Βασικές διακριτές κατανομές) 1 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ΙΙ (ΠΕΡΙΤΤΟΙ) Ασκησεις - Φυλλαδιο 9 Επαναληπτικες Ασκησεις
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ΙΙ Τµηµα Β ΠΕΡΙΤΤΟΙ Ασκησεις - Φυλλαδιο 9 Επαναληπτικες Ασκησεις ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebraii/laii8/laii8html Παρασκευή 4 Ιουνίου
Διαβάστε περισσότερα