6. Στατιστικές μέθοδοι εκπαίδευσης

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "6. Στατιστικές μέθοδοι εκπαίδευσης"

Transcript

1 6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι, πράγμα που ως γνωστό είναι οτι κατά την διάρκεια της εκπαίδευσης πρέπει να αλλάξουν οι τιμές των βαρών w έτσι ώστε το δίκτυο να δίδει το σωστό αποτέλεσμα κάθε φορά που παρουσιάζεται ένα πρότυπο. Η στατιστική φυσική είναι μία περιοχή της φυσικής που χρησιμοποιεί την τυχαιότητα ως την κεντρική ιδέα, αλλά με τέτοιο τρόπο ούτως ώστε στο τέλος το αποτέλεσμα να είναι κοντά στην πραγματικότητα. Αυτό συμβαίνει διότι θεωρεί ένα πολύ μεγάλο αριθμό δειγμάτων, από τα οποία παίρνει μέσες τιμές των ιδιοτήτων (μέσοι όροι), μετά από πολλές πραγματοποιήσεις του φαινομένου που μελετά. Είναι η κατ' εξοχήν περιοχή της φυσικής που χρησιμοποιεί τους υπολογιστές. Η διαφορά των στατιστικών μεθόδων από τις άλλες μεθόδους, όπως π.χ. την μέθοδο της οπισθοδιάδοσης, έγκειται στο ότι στις άλλες μεθόδους ακολουθούμε μία αυστηρή διαδικασία, χρησιμοποιώντας μαθηματικές εξισώσεις όπου αλλάζουμε τα βάρη w ανάλογα με τα σφάλματα που παίρνουμε στην έξοδο, ενώ στις στατιστικές μεθόδους αλλάζουμε τα βάρη w τυχαία, με βάση το εξής κριτήριο: Αν η τυχαία αλλαγή κάνει το σφάλμα μικρότερο, τότε την κρατάμε, αν το μεγαλώνει τότε την απορρίπτουμε, και προχωράμε σε μία άλλη τυχαία αλλαγή. Ένας τέτοιος αλγόριθμος περιλαμβάνει τα εξής στάδια: Θεωρούμε μία ομάδα προτύπων, τα οποία εισέρχονται στο επίπεδο εισόδου. Με μία μη-γραμμική συνάρτηση βρίσκουμε την έξοδο. Συγκρίνουμε έξοδο με στόχο, για κάθε πρότυπο. Βρίσκουμε το άθροισμα των τετραγώνων της διαφοράς, και πρέπει το άθροισμα αυτό να ελαχιστοποιηθεί. Διαλέγουμε ένα w τυχαία και το αλλάζουμε επίσης τυχαία, κατά ένα μικρό όμως ποσοστό. Αν η αλλαγή αυτή ελαττώνει το άθροισμα των τετραγώνων, τότε την κρατάμε, εάν όχι τότε το w αυτό δεν αλλάζει καθόλου, αλλά συνεχίζει να έχει την προηγούμενη τιμή του. Διαλέγουμε τυχαία ένα άλλο w, και επαναλαμβάνουμε την συνολική διαδικασία των παραπάνω τριών βημάτων τόσες φορές όσες χρειάζεται το δίκτυο για να εκπαιδευθεί. Η διαδικασία αυτή εκ πρώτης όψης φαίνεται σωστή ότι εξασφαλίζει την λύση που εκπαιδεύει το δίκτυο. Υπάρχει όμως πάντα το πρόβλημα των τοπικών ελαχίστων, που είδαμε στα προηγούμενα κεφάλαια. Συγκεκριμένα, έστω ότι μειώνοντας το σφάλμα το σύστημα βρίσκεται στο σημείο Α. Εάν οι τυχαίες αλλαγές στο w είναι μικρές, τότε κάθε αλλαγή θα απορρίπτεται διότι μεγαλώνει το σφάλμα. Το w θα παραμένει για πάντα στο Α και δεν θα βρει το Β, που είναι το πραγματικό σημείο που θέλουμε. Λέμε ότι το σύστημα παγιδεύεται σε ένα τοπικό ελάχιστο. Εάν, για να αποφύγουμε την δυσκολία 1

2 αυτή, κάνουμε τις μεταβολές στα w να είναι μεγάλες, τότε και το Α και το Β θα επισκέπτονται συχνά, αλλά το σύστημα δεν θα κατασταλάξει στο ελάχιστο, γιατί λόγω της μεγάλης μεταβολής θα ξεφεύγει συχνά και θα επισκέπτεται όλα τα σημεία στην καμπύλη του σφάλματος. Ποτέ δεν θα μπορεί να παγιδευθεί σε ένα ελάχιστο, με αποτέλεσμα το δίκτυο να μην μπορεί να εκπαιδευθεί. Ίσως η καλύτερη τακτική είναι να αρχίσουμε με μεγάλα βήματα, τα οποία όμως σιγάσιγά μικραίνουν, και έτσι το σύστημα απο-παγιδεύεται από τοπικά ελάχιστα, αλλά τελικά παραμένει στο χαμηλότερο ελάχιστο. ΣΧΗΜΑ 6.1 Τοπικά και ολικό ελάχιστο Εκπαίδευση Boltzmann Οι στατιστικές μέθοδοι, από την φύση τους, μπορούν να αποφύγουν το πρόβλημα αυτό, το οποίο όπως είδαμε υπάρχει και στις μεθόδους των προηγουμένων κεφαλαίων. Και το πετυχαίνουν αυτό ακριβώς με το να μεταβάλλουν (να μην κρατούν σταθερό) το μέγεθος της αλλαγής των w. Στην αρχή έχουμε μεγάλες μεταβολές, από τις οποίες κρατάμε μόνο αυτές που ελαττώνουν το σφάλμα. Ακολούθως το μέγεθος του βήματος μικραίνει και τελικά φθάνουμε στο παγκόσμιο ελάχιστο. Η διαδικασία αυτή είναι ανάλογη μιας γνωστής διεργασίας στην φυσική που λέγεται προσομοίωσης ανόπτησης (simulated annealing), και η οποία χρησιμοποιείται σε πολλές διαφορετικές περιπτώσεις. Η πιο συνηθισμένη είναι η κρυστάλλωση, δηλ. η δημιουργία του στερεού κρυστάλλου από τον υγρό κρύσταλλο. Όταν ένα υλικό είναι στην υγρή κατάσταση τα μόρια του έχουν υψηλή σχετικά ενέργεια και κάνουν πολλές βίαιες κινήσεις. Καθ' όσον σιγά-σιγά πέφτει η θερμοκρασία του 2

3 συστήματος, πέφτει και η ενέργεια των μορίων, των οποίων οι κινήσεις τώρα είναι πιο μικρές, και αργά το υγρό σύστημα μετατρέπεται σε στερεό. Όπως είναι γνωστό, σε οποιαδήποτε κατάσταση όλα τα μόρια δεν έχουν ακριβώς την ίδια ενέγεια, αλλά άλλα έχουν μεγαλύτερη και άλλα μικρότερη ενέργεια. Η κατανομή των ενεργειών των μορίων υπακούει τον γνωστό νόμο του Boltzmann: P( E) e E / kt (1) όπου Ε είναι η ενέργεια, P(E) η πιθανότητα ότι το σύστημα βρίσκεται σε ενέργεια Ε, k η σταθερά Boltzmann, και Τ η θερμοκρασία. Σε υψηλές θερμοκρασίες, κάθε μόριο λέμε ότι έχει μεγάλη θερμική ενέργεια, λόγω της θερμοκρασίας, και έτσι P(E)=1, δηλ. κάθε ενεργειακή κατάσταση είναι πιθανή. Καθ' όσον η θερμοκρασία ελαττώνεται η πιθανότητα να έχουμε μεγάλη Ε πέφτει, και το σύστημα πέφτει σε μικρές ενεργειακές καταστάσεις. Η εκπαίδευση λοιπόν με στατιστική μέθοδο ακολουθεί την παρακάτω διαδικασία: Δίνουμε μία τεχνητή θερμοκρασία στο σύστημα, Τ. Στην αρχή έχουμε μεγάλες τιμές του Τ. Βάζουμε στο επίπεδο εισόδου τα πρότυπα, και υπολογίζουμε την έξοδο και το σφάλμα. Κάνουμε μία τυχαία αλλαγή στα βάρη w, και υπολογίζουμε πάλι την έξοδο. Εάν το σφάλμα μικραίνει κρατάμε την αλλαγή. Εάν το σφάλμα μεγαλώνει τότε υπολογίζουμε την πιθανότητα P(c) να δεχθούμε την αλλαγή αυτή. P( c) e c / kt (2) Διαλέγουμε έναν τυχαίο αριθμό r, από μία ομαλή κατανομή όπου 0<r<1. Εάν P(c)>r, τότε κρατάμε την αλλαγή. Εάν P(c)<r, τότε η αλλαγή απορρίπτεται, και πάμε στον επόμενο υπολογισμό. Με την διαδικασία αυτή σε μερικές περιπτώσεις το σύστημα πηγαίνει σε κατάσταση υψηλότερης ενέργειας. Το δίκτυο απομακρύνεται περισσότερο από το σημείο εκπαίδευσης, και θα πάρει μεγαλύτερο χρόνο για να βρούμε τελικά τα σωστά w. Αλλά το πλεονέκτημα που έχουμε είναι ότι το δίκτυο μπορεί να ξεφύγει από ένα τοπικό ελάχιστο. Η διαδικασία αυτή γίνεται για όλα τα βάρη w, ένα προς ένα, μέχρις ότου το δίκτυο εκπαιδευθεί. Κατά την διάρκεια της διαδικασίας ελαττώνουμε σιγά- 3

4 σιγά την θερμοκρασία Τ, μέχρις ότου το σφάλμα ελαχιστοποιηθεί. Ακολούθως παρουσιάζουμε τα επόμενα πρότυπα, και ακολουθούμε τα ίδια βήματα. Το μέγεθος την αλλαγής στο w μπορεί να υπολογισθεί από την κατανομή Gauss: P w e w / ( ) T 2 2 (3) όπου P(w) είναι η πιθανότητα η αλλαγή να έχει μέγεθος w. Βρίσκουμε την συνάρτηση πιθανότητας που αντιστοιχεί στο P(w). Αυτό είναι το ολοκλήρωμα: w P( w) (4) 0 Το ολοκλήρωμα αυτό υπολογίζεται αριθμητικά. Μετά παίρνουμε έναν τυχαίο αριθμό r, από μία ομαλή κατανομή τυχαίων αριθμών με όρια το διάστημα αυτό. Αυτή είναι η τιμή του P(w), δηλ. P(w)=r, και ακολούθως βρίσκουμε σε ποια τιμή του Δw αντιστοιχεί η τιμή αυτή. Η μεθοδος εκπαίδευσης αυτής λέγεται μέθοδος Boltzmann, και το δίκτυο λέγεται και μηχανή Boltzamann. Έχουν γίνει πολλές εργασίες πάνω στο μοντέλο αυτό. Έχει αποδειχθεί ότι ο ρυθμός με τον οποίο πρέπει να ελαττώνεται η θερμοκρασία είναι ανάλογος με το αντίστροφο του λογαρίθμου του χρόνου: T( t) T o log( 1 t) (5) όπου T(t) είναι η θερμοκρασία ως συνάρτηση του χρόνου t, To είναι η αρχική θερμοκρασία. Το αποτέλεσμα βέβαια αυτό σημαίνει ότι το δίκτυο χρειάζεται μεγάλους χρόνους εκπαίδευσης, πράγμα που το καθιστά όχι πολύ χρήσιμο. ΣΧΗΜΑ 6.2 Οι κατανομές Boltzmann και Cauchy. 4

5 Εκπαίδευση Cauchy Η μέθοδος αυτή χρησιμοποιεί την κατανομή Cauchy αντί της κατανομής Boltzmann που είδαμε προηγουμένως. Η κατανομή C έχει τον τύπο: T( t) P( x) T ( t) x 2 2 (6) όπου P(x) είναι η πιθανότητα για ένα βήμα μεγέθους x. Η κατανομή C πέφτει πιο αργά από του Β. Αυτό έχει ως αποτέλεσμα να έχουμε πιθανότητες για μεγαλύτερα βήματα. Στην περίπτωση C έχουμε ότι: T0 T( t) 1 t (7) αντί του λογαρίθμου που είχαμε στον παρανομαστή στην περίπτωση Β. Αυτό μικραίνει το χρόνο εκπαίδευσης. Ολοκληρώνουμε το P(x), και λύνοντας ως προς x έχουμε: xc { T( t) tan[ P( x)]} (8) όπου ρ είναι ο ρυθμός εκπαίδευσης (σταθερά), και x c είναι η αλλαγή βάρους. Για να βρούμε το x, διαλέγουμε έναν τυχαίο αριθμό r από μία ομαλή κατανομή στο διάστημα -π/2<r<π/2, διότι αυτό είναι το διάστημα ορισμού της εφαπτομένης. Αντικαθιστούμε με την τιμή του P(x), και υπολογίζουμε το μέγεθος του βήματος x. Μέθοδος ειδικής θερμότητας. Η ειδική θερμότητα (specific heat) C στην θερμοδυναμική ορίζεται ως η παράγωγος της ενέργειας ως προς την θερμοκρασία: C de (9) dt Δηλαδή, το C δηλώνει κατά πόσο αλλάζει η ενέργεια του συστήματος με οποιαδήποτε αλλαγή της θερμοκρασίας. Το C αλλάζει απότομα όταν το σύστημα αλλάζει φάση (π.χ. από υγρό σε στερεό). Η αλλαγή φάσης γίνεται σε μία θερμοκρασία που λέγεται κρίσιμη θερμοκρασία Τc. Στα νευρωνικά δίκτυα η απότομη αλλαγή υποδηλώνει ότι το σύστημα βρέθηκε ξαφνικά σε ένα τοπικό ελάχιστο. Εδώ το ανάλογο του C είναι η μέση αλλαγή της θερμοκρασίας ως προς την αλλαγή του σφάλματος. Όταν η θερμοκρασία είναι πολύ χαμηλή, η ειδική θερμότητα είναι σχεδόν σταθερή, και έτσι η θερμοκρασία μπορεί να αλλάζει με μεγάλο ρυθμό χωρίς πρόβλημα. 5

6 Στην κρίσιμη θερμοκρασία, Τc, μία μικρή μεταβολή θερμοκρασίας προκαλεί μεγάλη μεταβολή στην μέση τιμή του σφάλματος. Στο σημείο αυτό χρειάζεται προσοχή. Το σημείο αυτό είναι κρίσιμο, γιατί το δίκτυο μπορεί να πάει από το σημείο Α στο σημείο Β, αλλά δεν μπορεί να πάει από το Β στο Α, δηλ. ακριβώς αυτό που θέλουμε. Το σύστημα μπορεί να ξεφύγει από το τοπικό ελάχιστο, αλλά εάν βρεθεί στο παγκόσμιο ελάχιστο, τότε δεν μπορεί να ξεφύγει. Στο σημείο αυτό πρέπει να αλλάζουμε την θερμοκρασία με πολύ αργό ρυθμό. Σημασία έχει να αναγνωρίσουμε πότε είμαστε κοντά όταν έχουμε απότομη ελάττωση στο C, δηλ. έχουμε απότομη αλλαγή στο ρυθμό αλλαγής θερμοκρασίας ως προς το σφάλμα. Μόλις όμως φθάσουμε κοντά στο σημείο αυτό της κρίσιμης θερμοκρασίας, από εδώ και πέρα θα αλλάζουμε την θερμοκρασία σιγά-σιγά, ώστε να βρούμε το παγκόσμιο ελάχιστο. Σε θερμοκρασίες μακριά από την Τc, μπορούμε να χρησιμοποιούμε μεγαλύτερους ρυθμούς ελάττωσης Τ, πράγμα που επιταχύνει την διαδικασία εκπαίδευσης του δικτύου. Μη-γραμμικά προβλήματα βελτιστοποίησης (optimization) Η βελτιστοποίηση είναι μία τεχνική η οποία λύνει διάφορα προβλήματα, στα οποία το ερώτημα που τίθεται έχει την μορφή: Ποιός είναι ο καλύτερος τρόπος για να γίνει μια διεργασία, η οποία υπόκειται σε κάποιους συγκεκριμένους όρους; Προφανώς, σε τέτοια προβλήματα υπάρχουν πολλές λύσεις, αλλά μία μόνο λύση είναι η βέλτιστη, και ικανοποιεί πλήρως τους όρους που τίθενται στο πρόβλημα που εξετάζουμε. Μερικές άλλες λύσεις είναι πολύ καλές, δηλ. χωρίς να είναι ίσες με την βέλτιστη, είναι όμως πολύ κοντά σε αυτήν. Ένα τέτοιο από μαθηματικό πρόβλημα συνάρτησης y=f(x), είναι να βρούμε για ποια τιμή του x έχουμε το μέγιστο (ή το ελάχιστο) στην συνάρτηση y. Η βελτιοστοποίηση θα γίνει στην συνάρτηση y, και η λύση είναι να βρούμε την κατάλληλη τιμή της ανεξάρτητης μεταβλητής x. Υπάρχουν γνωστές μέθοδοι στον διαφορικό λογισμό που λύνουν το πρόβλημα αυτό, και αποτελούν "κλασσικές" λύσεις, που είναι γνωστές στα μαθηματικά από πολύ καιρό. Πάντοτε όμως υπάρχουν περιπτώσεις που αναζητούμε μια νέα τεχνική για ειδικές περιπτώσεις. Εάν ο αριθμός των μεταβλητών είναι πολύ μεγάλος τότε και η "κλασσική" λύση δεν είναι εύκολη. Άλλες φορές δεν έχουμε την μορφή της συνάρτησης με ακριβή τρόπο, αλλά μόνον ποιοτικά. Σε τέτοιες περιπτώσεις τα νευρωνικά δίκτυα μπορεί να δώσουν πιο ικανοποιητικές λύσεις, με την στατιστική μέθοδο της κατανομής Caushy. Η διαδικασία που ακολουθείται είναι ανάλογη της γνωστής μας εκπαίδευσης ενός νευρωνικού δικτύου και είναι η εξής: Βρίσκουμε ορισμένα πρότυπα, τα οποία αποτελούνται από ζεύγη εισόδουεξόδου. Το νευρωνικό δίκτυο εκπαιδεύεται στα ζεύγη αυτά με την γνωστή διαδικασία της αλλαγής των βαρών w. Ουσιαστικά το νευρωνικό δίκτυο 6

7 δημιουργεί μία εσωτερική δομή ενός αγνώστου συστήματος. Όσο μεγαλύτερος είναι ο αριθμός των προτύπων που παρουσιάζουμε τόσο καλύτερη και σωστότερη θα είναι η δομή που θα βρεί το νευρωνικό δίκτυο. Τώρα, εάν παρουσιάσουμε ένα άγνωστο πρότυπο στο επίπεδο εισόδου, το νευρωνικό δίκτυο θα πρέπει να δώσει την ίδια απάντηση όπως θα έδινε το σύστημα, του οποίου βρήκαμε την δομή. Τέλος προσπαθούμε να βρούμε μία συνάρτηση που αναπαριστά πόσο επιτυχής είναι η δομή που βρήκαμε, και ακολούθως η συνάρτηση αυτή μεγιστοποιείται. Οι τιμές των εισόδων τώρα μεταβάλλονται, όπως προηγουμένως μεταβάλλονταν τα βάρη, με τον ίδιο ακριβώς αλγόριθμο. Η εκπαίδευση λοιπόν συνίσταται, αντί να βρούμε τα βάρη που ελαχιστοποιούν το σφάλμα, στο να βρούμε τις εισόδους που μεγιστοποιούν την συνάρτηση δομής. 7

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Πέτρος Ρούσσος, Τμήμα Ψυχολογίας, ΕΚΠΑ Η λογική της διαδικασίας Ο σάκος περιέχει έναν μεγάλο αλλά άγνωστο αριθμό (αρκετές χιλιάδες) λευκών και μαύρων βόλων: 1 Το

Διαβάστε περισσότερα

1.1. Διαφορική Εξίσωση και λύση αυτής

1.1. Διαφορική Εξίσωση και λύση αυτής Εισαγωγή στις συνήθεις διαφορικές εξισώσεις 9 Διαφορική Εξίσωση και λύση αυτής Σε ότι ακολουθεί με τον όρο συνάρτηση θα εννοούμε μια πραγματική συνάρτηση μιας πραγματικής μεταβλητής, ορισμένη σε ένα διάστημα

Διαβάστε περισσότερα

Φυσική ΜΕΤΑΛΛΟΥΡΓΙΑ. Ενότητα 4: Θερμοδυναμική και Κινητική της Δομής. Γρηγόρης Ν. Χαϊδεμενόπουλος Πολυτεχνική Σχολή Μηχανολόγων Μηχανικών

Φυσική ΜΕΤΑΛΛΟΥΡΓΙΑ. Ενότητα 4: Θερμοδυναμική και Κινητική της Δομής. Γρηγόρης Ν. Χαϊδεμενόπουλος Πολυτεχνική Σχολή Μηχανολόγων Μηχανικών Φυσική ΜΕΤΑΛΛΟΥΡΓΙΑ Ενότητα 4: Θερμοδυναμική και Κινητική της Δομής Γρηγόρης Ν. Χαϊδεμενόπουλος Πολυτεχνική Σχολή Μηχανολόγων Μηχανικών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Το άθροισµα των εισερχόµενων σηµάτων είναι:

Το άθροισµα των εισερχόµενων σηµάτων είναι: 7. ίκτυα Hopfeld Σε µία πολύ γνωστή εργασία το 982 ο Hopfeld παρουσίασε µια νέα κατηγορία δικτύων, τα οποία έχουν µεγάλες υπολογιστικές ικανότητες και είναι χρήσιµα σε δύο κατηγορίες προβληµάτων. Πρώτα,

Διαβάστε περισσότερα

κλασσική περιγραφή Κλασσική στατιστική

κλασσική περιγραφή Κλασσική στατιστική Η κανονική κατανομή στη κλασσική περιγραφή Κλασσική στατιστική φυσική Βίγκα Ελένη (ttp://users.aut.gr/vinga) Στατιστική Φυσική Διαφάνεια o o Μια πολύ απλή περίπτωση για να ξεκινήσουμε είναι: Na θεωρήσουμε

Διαβάστε περισσότερα

Αριθμητικές Προσομοιώσεις του πρότυπου ISING στις Τρεις Διαστάσεις

Αριθμητικές Προσομοιώσεις του πρότυπου ISING στις Τρεις Διαστάσεις Αριθμητικές Προσομοιώσεις του πρότυπου ISING στις Τρεις Διαστάσεις Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο ΚΟΡΝΑΡΟΣ ΕΥΑΓΓΕΛΟΣ Εισαγωγή ό ή ί ί μ έ ά μ έ Ising μ

Διαβάστε περισσότερα

5. Μέθοδος oπισθοδιάδοσης (backpropagation) του λάθους

5. Μέθοδος oπισθοδιάδοσης (backpropagation) του λάθους 5. Μέθοδος oπισθοδιάδοσης (backpropagation) του λάθους Σκοπός: Προσδοκώμενα αποτελέσματα: Λέξεις Κλειδιά: Η μέθοδος οπισθοδιάδοσης του λάθους είναι η πιο δημοφιλής μέθοδος σήμερα για την εκπαίδευση ενός

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ

Διαβάστε περισσότερα

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για

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

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 5 ου κεφαλαίου Ελεγχοσυναρτήσεις για τις Παραμέτρους της Κανονικής Κατανομής Σταύρος Χατζόπουλος 08/05/207, 5/05/207 Εισαγωγή Στις παραγράφους που ακολουθούν παρουσιάζονται

Διαβάστε περισσότερα

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΦΥΣΙΚΟΧΗΜΕΙΑ ΦΥΕ22

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΦΥΣΙΚΟΧΗΜΕΙΑ ΦΥΕ22 Λυμένες ασκήσεις Στατιστική Θερμοδυναμική Οκτώβριος ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΦΥΣΙΚΟΧΗΜΕΙΑ ΦΥΕ Άσκηση.: Το άθροισμα καταστάσεων της δονητικής κίνησης των μορίων του Ι αποτελείται από

Διαβάστε περισσότερα

Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο

Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται η ιδέα του συμπτωτικού πολυωνύμου, του πολυωνύμου, δηλαδή, που είναι του μικρότερου δυνατού βαθμού και που, για συγκεκριμένες,

Διαβάστε περισσότερα

Κάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών. Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων

Κάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών. Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων Κάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων Αν κάναμε ένα τεστ νοημοσύνης στους μαθητές και θέταμε την ερώτηση: Πως μπορεί να μετρηθεί το

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Στατιστική Ι Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ

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

Διαβάστε περισσότερα

Στατιστικοί Ελεγχοι. t - Έλεγχος για τον μέσο μ ενός πληθυσμού. t-έλεγχος για την σύγκριση των μέσων δύο πληθυσμών

Στατιστικοί Ελεγχοι. t - Έλεγχος για τον μέσο μ ενός πληθυσμού. t-έλεγχος για την σύγκριση των μέσων δύο πληθυσμών Στατιστικοί Ελεγχοι Έλεγχος 1: Ζ-Έλεγχος για τον μέσο μ ενός πληθυσμού Έλεγχος : t - Έλεγχος για τον μέσο μ ενός πληθυσμού Έλεγχος 3: I -τετράγωνο Έλεγχος για την διακύμανση Έλεγχος 4: t-έλεγχος για την

Διαβάστε περισσότερα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα Περιεχόμενα Κεφάλαιο - Ενότητα σελ 1. Ειδικές συναρτήσεις 1.0 Εισαγωγή 1.1 Εξίσωση του Laplace Συστήματα συντεταγμένων 1.2 Συνάρτηση δ του Dirac 1.3 Συνάρτηση του Heaviside 1.4 Οι συναρτήσεις Β, Γ και

Διαβάστε περισσότερα

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Dr. Christos D. Tarantilis Associate Professor in Operations Research & Management Science http://tarantilis.dmst.aueb.gr/ ΕΦΑΡΜΟΓΕΣ ΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Ι - 1- ΜΕΙΟΝΕΚΤΗΜΑ

Διαβάστε περισσότερα

οµή δικτύου ΣΧΗΜΑ 8.1

οµή δικτύου ΣΧΗΜΑ 8.1 8. ίκτυα Kohonen Το µοντέλο αυτό των δικτύων προτάθηκε το 1984 από τον Kοhonen, και αφορά διαδικασία εκµάθησης χωρίς επίβλεψη, δηλαδή δεν δίδεται καµία εξωτερική επέµβαση σχετικά µε τους στόχους που πρέπει

Διαβάστε περισσότερα

ΜΕΤΡΑ ΚΕΝΤΡΙΚΗΣ ΤΑΣΗΣ

ΜΕΤΡΑ ΚΕΝΤΡΙΚΗΣ ΤΑΣΗΣ Μέτρα Περιγραφικής Στατιστικής Πληθυσμιακοί παράμετροι: τα αριθμητικά μεγέθη που εκφράζουν τις στατιστικές ιδιότητες ενός πληθυσμού (που προσδιορίζουν / περιγράφουν τη φυσιογνωμία και τη δομή του) Στατιστικά

Διαβάστε περισσότερα

Μικροκανονική- Kανονική κατανομή (Boltzmann)

Μικροκανονική- Kανονική κατανομή (Boltzmann) Κεφάλαιο 2: Βασικές αρχές της στατιστικής φυσικής- Μικροκανονική- Kανονική κατανομή (Boltzmann) Ανακεφαλαίωση (Με τι ασχοληθήκαμε) ώσαμε τις έννοιες της μακροκατάστασης, της μικροκατάστασης και του στατιστικού

Διαβάστε περισσότερα

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Γ. Ολοκληρωτικός Λογισμός

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Γ. Ολοκληρωτικός Λογισμός 1/8 Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Γ. Ολοκληρωτικός Λογισμός Κεφάλαιο Γ.05: Ολοκλήρωση Ρητών Συναρτήσεων Όνομα Καθηγητή: Γεώργιος Ν. Μπροδήμας Τμήμα Φυσικής Άδειες Χρήσης Το παρόν εκπαιδευτικό

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

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΘΕΡΜΟΤΗΤΑΣ ΜΕΤΑΦΟΡΑ ΘΕΡΜΟΤΗΤΑΣ Ι ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΘΕΡΜΟΤΗΤΑΣ ΜΕΤΑΦΟΡΑ ΘΕΡΜΟΤΗΤΑΣ Ι ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΘΕΡΜΟΤΗΤΑΣ ΜΕΤΑΦΟΡΑ ΘΕΡΜΟΤΗΤΑΣ Ι ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΘEMA ο Επίπεδο κατακόρυφο σώµα από αλουµίνιο, µήκους 430 mm, ύψους 60 mm και πάχους

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 3: Στοχαστικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες

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

Μοντέλο Perceptron πολλών στρωμάτων Multi Layer Perceptron (MLP)

Μοντέλο Perceptron πολλών στρωμάτων Multi Layer Perceptron (MLP) Μοντέλο Perceptron πολλών στρωμάτων Multi Layer Perceptron (MLP) x -0,5 a x x 2 0 0 0 0 - -0,5 y y 0 0 x 2 -,5 a 2 θ η τιμή κατωφλίου Μία λύση του προβλήματος XOR Multi Layer Perceptron (MLP) x -0,5 Μία

Διαβάστε περισσότερα

6.2. ΤΗΞΗ ΚΑΙ ΠΗΞΗ, ΛΑΝΘΑΝΟΥΣΕΣ ΘΕΡΜΟΤΗΤΕΣ

6.2. ΤΗΞΗ ΚΑΙ ΠΗΞΗ, ΛΑΝΘΑΝΟΥΣΕΣ ΘΕΡΜΟΤΗΤΕΣ 45 6.1. ΓΕΝΙΚΑ ΠΕΡΙ ΦΑΣΕΩΝ ΜΕΤΑΤΡΟΠΕΣ ΦΑΣΕΩΝ Όλα τα σώµατα,στερεά -ά-αέρια, που υπάρχουν στη φύση βρίσκονται σε µια από τις τρεις φάσεις ή σε δύο ή και τις τρεις. Όλα τα σώµατα µπορεί να αλλάξουν φάση

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

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

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

Διαβάστε περισσότερα

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

Στις εξισώσεις σχεδιασμού υπεισέρχεται ο ρυθμός της αντίδρασης. Επομένως, είναι βασικό να γνωρίζουμε την έκφραση που περιγράφει το ρυθμό.

Στις εξισώσεις σχεδιασμού υπεισέρχεται ο ρυθμός της αντίδρασης. Επομένως, είναι βασικό να γνωρίζουμε την έκφραση που περιγράφει το ρυθμό. Βασικές Εξισώσεις Σχεδιασμού (ΣΔΟΥΚΟΣ 2-, 2-) t = n i dn i V n i R και V = n i dn i t n i R Στις εξισώσεις σχεδιασμού υπεισέρχεται ο ρυθμός της αντίδρασης. Επομένως, είναι βασικό να γνωρίζουμε την έκφραση

Διαβάστε περισσότερα

Το μοντέλο Perceptron

Το μοντέλο Perceptron Το μοντέλο Perceptron Αποτελείται από έναν μόνο νευρώνα McCulloch-Pitts w j x x 1, x2,..., w x T 1 1 x 2 w 2 Σ u x n f(u) Άνυσμα Εισόδου s i x j x n w n -θ w w 1, w2,..., w n T Άνυσμα Βαρών 1 Το μοντέλο

Διαβάστε περισσότερα

Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή

Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΜΥ 795: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Ακαδημαϊκό έτος 2010-11 Χειμερινό Εξάμηνο Practice final exam 1. Έστω ότι για

Διαβάστε περισσότερα

Περιεχόμενα. σελ. Πρόλογος 1 ης Έκδοσης... ix Πρόλογος 2 ης Έκδοσης... xi Εισαγωγή... xiii

Περιεχόμενα. σελ. Πρόλογος 1 ης Έκδοσης... ix Πρόλογος 2 ης Έκδοσης... xi Εισαγωγή... xiii Περιεχόμενα Πρόλογος 1 ης Έκδοσης... ix Πρόλογος 2 ης Έκδοσης... xi Εισαγωγή... xiii 1. Ειδικές συναρτήσεις 1.0 Εισαγωγή... 1 1.1 Εξίσωση του Laplace Συστήματα συντεταγμένων... 2 1.2 Συνάρτηση δ του Dirac...

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

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα η : Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών

Διαβάστε περισσότερα

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών Χρονοσειρές, Μέρος Β Πρόβλεψη Χρονικών Σειρών Ο βασικός σκοπός της μελέτης των μοντέλων για χρονικές σειρές (όπως AR, MA, ARMA, ARIMA, SARIMA) είναι η πρόβλεψη (predicio, forecasig) Η πρόβλεψη των μελλοντικών

Διαβάστε περισσότερα

ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)

ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n) ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) Θέμα ο (Παρ..3.4, Παρ..4.3, Παρ..4.8.) Εάν = ( ) τυχαίο δείγμα από την ομοιόμορφη ( 0, ) X X,, X. Δείξτε ότι η στατιστική συνάρτηση T = X = το δειγματικό

Διαβάστε περισσότερα

7. Αν υψώσουμε και τα δύο μέλη μιας εξίσωσης στον κύβο (και γενικά σε οποιαδήποτε περιττή δύναμη), τότε προκύπτει

7. Αν υψώσουμε και τα δύο μέλη μιας εξίσωσης στον κύβο (και γενικά σε οποιαδήποτε περιττή δύναμη), τότε προκύπτει 8 7y = 4 y + y ( 8 7y) = ( 4 y + y) ( y) + 4 y y 4 y = 4 y y 8 7y = 4 y + ( 4 y) = ( 4 y y) ( 4 y) = 4( 4 y)( y) ( 4 y) 4( 4 y)( y) = 0 ( 4 y) [ 4 y 4( y) ] = 4 ( 4 y)( y + 4) = 0 y = ή y = 4) 0 4 H y

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Παλινδρόμηση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΘΕΡΜΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ. όπου το κ εξαρτάται από το υλικό και τη θερμοκρασία.

ΘΕΡΜΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ. όπου το κ εξαρτάται από το υλικό και τη θερμοκρασία. Εισαγωγή Έστω ιδιότητα Ρ. ΘΕΡΜΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ α) Ρ = Ρ(r, t) => μη μόνιμη, μεταβατική κατάσταση. β) P = P(r), P =/= P(t) => μόνιμη κατάσταση (μη ισορροπίας). γ) P =/= P(r), P(t) σε μακροσκοπικό χωρίο =>

Διαβάστε περισσότερα

2 η ΕΡΓΑΣΙΑ Παράδοση

2 η ΕΡΓΑΣΙΑ Παράδοση η ΕΡΓΑΣΙΑ Παράδοση --8 Οι ασκήσεις είναι βαθμολογικά ισοδύναμες Άσκηση η Υπολογίστε τα κάτωθι όρια: cos α) β) γ) δ) ε) sin 5 α) Εφαρμόζουμε τον κανόνα L Hospital μια φορά (απροσδιοριστία της μορφής /)

Διαβάστε περισσότερα

Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών

Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης). Μέθοδος Euler 3. Μέθοδοι

Διαβάστε περισσότερα

Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών

Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών 7. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης) 7. Μέθοδος Euler 7.3

Διαβάστε περισσότερα

Φυσική Κατεύθυνσης Β Λυκείου.

Φυσική Κατεύθυνσης Β Λυκείου. Φυσική Κατεύθυνσης Λυκείου. Διαγώνισμα στην Θερμοδυναμική. Ζήτημα 1 o. ) Να επιλέξτε την σωστή απάντηση. 1) Ορισμένη ποσότητα ιδανικού αερίου μεταβάλλεται από κατάσταση σε κατάσταση. Τότε: α) Η μεταβολή

Διαβάστε περισσότερα

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις) ΜΑΘΗΜΑ 6ο Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις) Είδαμε στους παραπάνω ελέγχους (DF και ADF) που κάναμε προηγουμένως ότι εξετάζουμε στη μηδενικήυπόθεσημόνοτοσυντελεστήδ 2. Δεν αναφερόμαστε

Διαβάστε περισσότερα

1 η ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ

1 η ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ ΑΕΙ ΠΕΙΡΑΙΑ ΤΤ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ Τ.Ε. ΕΡΓΑΣΤΗΡΙΟ ΜΗΧΑΝΙΚΗΣ ΤΩΝ ΡΕΥΣΤΩΝ Σκοπός της άσκησης 1 η ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ Σκοπός αυτής της άσκησης είναι η εξοικείωση των σπουδαστών με τα σφάλματα που

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ

ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ ΜΑΘΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΙΙ Ακρότατα Δρ. Ιωάννης Ε. Λιβιέρης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. TEI Δυτικής Ελλάδας 2 Ακρότατα συνάρτησης Έστω συνάρτηση f A R 2 R και ένα σημείο P(x, y ) A. Η τιμή f(x, y )

Διαβάστε περισσότερα

Σύστημα με μεταβλητό αριθμό σωματιδίων (Μεγαλοκανονική κατανομή) Ιδανικό κβαντικό αέριο

Σύστημα με μεταβλητό αριθμό σωματιδίων (Μεγαλοκανονική κατανομή) Ιδανικό κβαντικό αέριο Κεφάλαιο : Σύστημα με μεταβλητό αριθμό σωματιδίων (Μεγαλοκανονική κατανομή) Ιδανικό κβαντικό αέριο Ανακεφαλαίωση (Με τι ασχοληθήκαμε) Ασχοληθήκαμε με συστήματα με μεταβλητό αριθμό σωματιδίων. Τον τρίτο

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

Παντελής Μπουμπούλης, M.Sc., Ph.D. σελ. 2 math-gr.blogspot.com, bouboulis.mysch.gr

Παντελής Μπουμπούλης, M.Sc., Ph.D. σελ. 2 math-gr.blogspot.com, bouboulis.mysch.gr VI Ολοκληρώματα Παντελής Μπουμπούλης, MSc, PhD σελ mth-grlogspotcom, ououlismyschgr ΜΕΡΟΣ Αρχική Συνάρτηση Ορισμός Έστω f μια συνάρτηση ορισμένη σε ένα διάστημα Δ Αρχική συνάρτηση ή παράγουσα της στο Δ

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

3 ος ΘΕΜΟΔΥΝΑΜΙΚΟΣ ΝΟΜΟΣ- ΘΕΡΜΟΔΥΝΑΜΙΚΑ ΔΥΝΑΜΙΚΑ ΘΕΩΡΙΑ

3 ος ΘΕΜΟΔΥΝΑΜΙΚΟΣ ΝΟΜΟΣ- ΘΕΡΜΟΔΥΝΑΜΙΚΑ ΔΥΝΑΜΙΚΑ ΘΕΩΡΙΑ ΦΡΟΝΤΙΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΗΣ Π.Φ. ΜΟΙΡΑ 6932 946778 3 ος ΘΕΜΟΔΥΝΑΜΙΚΟΣ ΝΟΜΟΣ- ΘΕΡΜΟΔΥΝΑΜΙΚΑ ΔΥΝΑΜΙΚΑ ΘΕΩΡΙΑ Περιεχόμενα 1. Ο τρίτος θερμοδυναμικός Νόμος 2. Συστήματα με αρνητικές θερμοκρασίες 3. Θερμοδυναμικά

Διαβάστε περισσότερα

Φύλλο Εργασίας 5 Από τη Θερμότητα στη Θερμοκρασία - Η Θερμική Ισορροπία

Φύλλο Εργασίας 5 Από τη Θερμότητα στη Θερμοκρασία - Η Θερμική Ισορροπία Φύλλο Εργασίας 5 Από τη Θερμότητα στη Θερμοκρασία - Η Θερμική Ισορροπία α. Παρατηρώ, Πληροφορούμαι, Ενδιαφέρομαι Στο βιβλίο των φυσικών του δημοτικού σχολείου της Ε τάξης υπάρχει η παρακάτω αναφορά στη

Διαβάστε περισσότερα

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

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

Διαβάστε περισσότερα

4.3.3 Ο Έλεγχος των Shapiro-Wilk για την Κανονική Κατανομή

4.3.3 Ο Έλεγχος των Shapiro-Wilk για την Κανονική Κατανομή 4.3.3 Ο Έλεγχος των Shapro-Wlk για την Κανονική Κατανομή Ένας άλλος πολύ γνωστός έλεγχος καλής προσαρμογής για την κανονική κατανομή, ο οποίος μπορεί να χρησιμοποιηθεί στην θέση του ελέγχου Lllefors, είναι

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία 4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 12ο ΑΙΤΙΟΤΗΤΑ Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή

Διαβάστε περισσότερα

ΑΝΩΤΕΡΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΕΣ ΣΧΕΣΕΙΣ

ΑΝΩΤΕΡΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΕΣ ΣΧΕΣΕΙΣ ΑΝΩΤΕΡΗ ΘΕΡΜΟΔΥΝΑΜΙΚΗ ΘΕΡΜΟΔΥΝΑΜΙΚΕΣ ΣΧΕΣΕΙΣ Η ΚΑΤΑΣΤΑΤΙΚΗ ΕΞΙΣΩΣΗ ΣΤΟ ΠΡΟΗΓΟΥΜΕΝΟ ΜΑΘΗΜΑ ΑΝΑΦΕΡΘΗΚΑΜΕ ΣΤΙΣ ΚΑΤΑΣΤΑΤΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΤΗΣ ΜΟΡΦΗΣ f(p,v,t)=0 ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΟΥΝΤΑΙ ΓΙΑ ΝΑ ΣΥΝΔΕΟΥΝ ΤΗΝ ΠΙΕΣΗ,

Διαβάστε περισσότερα

Είδη Διορθωτών: Υπάρχουν πολλών ειδών διορθωτές. Μία βασική ταξινόμησή τους είναι οι «Ειδικοί Διορθωτές» και οι «Κλασσικοί Διορθωτές».

Είδη Διορθωτών: Υπάρχουν πολλών ειδών διορθωτές. Μία βασική ταξινόμησή τους είναι οι «Ειδικοί Διορθωτές» και οι «Κλασσικοί Διορθωτές». ΔΙΟΡΘΩΣΗ ΣΑΕ Είδη Διορθωτών: Οι Διορθωτές έχουν την δική τους (Σ.Μ). Ενσωματώνονται στον βρόχο του ΣΑΕ και δρουν πάνω στην αρχική Σ.Μ κατά τρόπο ώστε να της προσδώσουν την επιθυμητή συμπεριφορά, την οποία

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

Βελτιστοποίηση εναλλακτών θερμότητας

Βελτιστοποίηση εναλλακτών θερμότητας Βελτιστοποίηση εναλλακτών θερμότητας Το πρώτο βήμα για την εύρεση των βέλτιστων διαστάσεων ή/και συνθηκών λειτουργίας, είναι ο καθορισμός του μεγέθους που θα βελτιστοποιηθεί, δηλαδή της αντικειμενικής

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ο. ΓΕΩΜΕΤΡΙΚOΣ ΤΟΠΟΣ ΤΩΝ PIZΩN ή ΤΟΠΟΣ ΕVANS

ΚΕΦΑΛΑΙΟ 5 ο. ΓΕΩΜΕΤΡΙΚOΣ ΤΟΠΟΣ ΤΩΝ PIZΩN ή ΤΟΠΟΣ ΕVANS ΚΕΦΑΛΑΙΟ 5 ο ΓΕΩΜΕΤΡΙΚOΣ ΤΟΠΟΣ ΤΩΝ PIZΩN ή ΤΟΠΟΣ ΕVANS Εισαγωγή Η μελέτη ενός ΣΑΕ μπορεί να γίνει με την επίλυση της διαφορικής εξίσωσης που το περιγράφει και είναι τόσο πιο δύσκολο, όσο μεγαλυτέρου βαθμού

Διαβάστε περισσότερα

ΘΕΜΑ 1o A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR. και c πραγματική σταθερά. Να αποδείξετε ότι

ΘΕΜΑ 1o A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR. και c πραγματική σταθερά. Να αποδείξετε ότι ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΠΕΜΠΤΗ 25 ΜΑΪΟΥ 2006 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΘΕΜΑ 1o A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR.

Διαβάστε περισσότερα

I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ

I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ.Δεύτερη παράγωγος.παραβολική προσέγγιση ή επέκταση 3.Κυρτή 4.Κοίλη 5.Ιδιότητες κυρτών/κοίλων συναρτήσεων 6.Σημεία καμπής ΠΑΡΑΡΤΗΜΑ 7.Δεύτερη πλεγμένη παραγώγιση 8.Χαρακτηρισμός

Διαβάστε περισσότερα

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #8: Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #8: Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #8: Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες

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

1 IΔΑΝΙΚΑ ΑΕΡΙΑ 1.1 ΓΕΝΙΚΑ

1 IΔΑΝΙΚΑ ΑΕΡΙΑ 1.1 ΓΕΝΙΚΑ 1 1 IΔΑΝΙΚΑ ΑΕΡΙΑ 1.1 ΓΕΝΙΚΑ Θα αρχίσουμε τη σειρά των μαθημάτων της Φυσικοχημείας με τη μελέτη της αέριας κατάστασης της ύλης. Η μελέτη της φύσης των αερίων αποτελεί ένα ιδανικό μέσο για την εισαγωγή

Διαβάστε περισσότερα

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις

Διαβάστε περισσότερα

Επιστημονικοί Υπολογισμοί (ή Υπολογιστική Επιστήμη)

Επιστημονικοί Υπολογισμοί (ή Υπολογιστική Επιστήμη) Επιστημονικοί Υπολογισμοί (ή Υπολογιστική Επιστήμη) Ασχολoύνται με την κατασκευή μαθηματικών μοντέλων και με τεχνικές ποσοτικής ανάλυσης και τη χρήση υπολογιστών για την ανάλυση και την επίλυση επιστημονικών

Διαβάστε περισσότερα

Τμήμα Διοίκησης Επιχειρήσεων

Τμήμα Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 2: Γραφική επίλυση προβληµάτων γραµµικού προγραµµατισµού(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com

Διαβάστε περισσότερα

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ ΚΕΦΑΛΑΙΟ 11 ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ Θα εισαγάγουμε την έννοια του τυχαίου αριθμού με ένα παράδειγμα. Παράδειγμα: Θεωρούμε μια τυχαία μεταβλητή με συνάρτηση πιθανότητας η οποία σε

Διαβάστε περισσότερα

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΕΠΤΕΜΒΡΙΟΣ 2011 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α ΘΕΜΑ 1 ο Σε ένα διαγωνισμό για την κατασκευή μίας καινούργιας γραμμής του

Διαβάστε περισσότερα

2.1 Αριθμητική επίλυση εξισώσεων

2.1 Αριθμητική επίλυση εξισώσεων . Αριθμητική επίλυση εξισώσεων Στο κεφάλαιο αυτό διαπραγματεύεται μεθόδους εύρεσης των ριζών εξισώσεων γραμμικών ή μη-γραμμικών για τις οποίες δεν υπάρχουν αναλυτικές 5 4 3 εκφράσεις. Παραδείγματα εξισώσεων

Διαβάστε περισσότερα

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη:

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη: 4. ΔΙΑΧΕΙΡΙΣΗ ΑΠΟΘΕΜΑΤΩΝ ΥΠΟ ΑΒΕΒΑΙΑ ΖΗΤΗΣΗ Στις περισσότερες περιπτώσεις η ζήτηση είναι αβέβαια. Οι περιπτώσεις αυτές διαφέρουν ως προς το μέγεθος της αβεβαιότητας. Δηλαδή εάν η αβεβαιότητα είναι περιορισμένη

Διαβάστε περισσότερα

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Περίληψη ιδακτορικής ιατριβής Τριχακης Ιωάννης Εργαστήριο

Διαβάστε περισσότερα

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται

Διαβάστε περισσότερα

ΦΑΙΝΟΜΕΝΑ ΜΕΤΑΦΟΡΑΣ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ

ΦΑΙΝΟΜΕΝΑ ΜΕΤΑΦΟΡΑΣ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ ΦΡΟΝΤΙΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΗΣ Π.Φ. ΜΟΙΡΑ 693 946778 ΦΑΙΝΟΜΕΝΑ ΜΕΤΑΦΟΡΑΣ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ Περιεχόμενα. Φαινόμενα μεταφοράς Ορισμοί. Ενεργός διατομή 3. Ενεργός διατομή στο μοντέλο των σκληρών σφαιρών

Διαβάστε περισσότερα

ΘΕΡΜΙΚΕΣ & ΨΥΚΤΙΚΕΣ ΜΗΧΑΝΕΣ ΘΕΩΡΙΑ

ΘΕΡΜΙΚΕΣ & ΨΥΚΤΙΚΕΣ ΜΗΧΑΝΕΣ ΘΕΩΡΙΑ ΦΡΟΝΤΙΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΗΣ Π.Φ. ΜΟΙΡΑ 6932 946778 www.pmoiras.weebly.om ΘΕΡΜΙΚΕΣ & ΨΥΚΤΙΚΕΣ ΜΗΧΑΝΕΣ ΘΕΩΡΙΑ Περιεχόμενα 1. Κυκλικές διαδικασίες 2. O 2ος Θερμοδυναμικός Νόμος- Φυσική Ερμηνεία 2.1 Ισοδυναμία

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

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

Διαβάστε περισσότερα

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

Μικροκανονική- Kανονική κατανομή (Boltzmann)

Μικροκανονική- Kανονική κατανομή (Boltzmann) Κεφάλαιο 2: Βασικές αρχές της στατιστικής φυσικής- Μικροκανονική- Kανονική κατανομή (Boltzmann) Ανακεφαλαίωση (Με τι ασχοληθήκαμε) Δώσαμε τις έννοιες της μακροκατάστασης, της μικροκατάστασης και του στατιστικού

Διαβάστε περισσότερα

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν

Διαβάστε περισσότερα

ΤΕΣΤ Α2 ΟΜΑΔΑ Ι. παράγωγος είναι αρνητική: f (x) = 1 2x, f

ΤΕΣΤ Α2 ΟΜΑΔΑ Ι. παράγωγος είναι αρνητική: f (x) = 1 2x, f ΤΕΣΤ Α ΟΜΑΔΑ Ι Θεωρούμε την συνάρτηση: f() = pln(+ ) για, με p>. Να διερευνηθεί αν είναι κυρτή η κοίλη. Να βρεθούν οι τιμές της παραμέτρου p για τις οποίες η μέγιστη τιμή της βρίσκεται στο =.. Η συνάρτηση

Διαβάστε περισσότερα

Γ. Ν. Π Α Π Α Δ Α Κ Η Σ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ ( M S C ) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ. ΠΡΟΓΡΑΜΜΑ: Σπουδές στις Φυσικές Επιστήμες

Γ. Ν. Π Α Π Α Δ Α Κ Η Σ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ ( M S C ) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ. ΠΡΟΓΡΑΜΜΑ: Σπουδές στις Φυσικές Επιστήμες Γ. Ν. Π Α Π Α Δ Α Κ Η Σ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ ( M S C ) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΠΡΟΓΡΑΜΜΑ: Σπουδές στις Φυσικές Επιστήμες ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΦΥΕ10 (Γενικά Μαθηματικά Ι) ΠΕΡΙΕΧΕΙ ΤΙΣ

Διαβάστε περισσότερα

ΧΗΜΙΚΗ ΚΙΝΗΤΙΚΗ. Εισαγωγή. 3.1 Γενικά για τη χημική κινητική και τη χημική αντίδραση - Ταχύτητα αντίδρασης

ΧΗΜΙΚΗ ΚΙΝΗΤΙΚΗ. Εισαγωγή. 3.1 Γενικά για τη χημική κινητική και τη χημική αντίδραση - Ταχύτητα αντίδρασης 3 ΧΗΜΙΚΗ ΚΙΝΗΤΙΚΗ 3 ΧΗΜΙΚΗ ΚΙΝΗΤΙΚΗ Εισαγωγή Στην μέχρι τώρα γνωριμία μας με τη χημεία υπάρχει μια «σημαντική απουσία»: ο χρόνος... Είναι λοιπόν «καιρός» να μπει και ο χρόνος ως παράμετρος στη μελέτη ενός

Διαβάστε περισσότερα

Stochastic Signals Class Estimation Theory. Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory

Stochastic Signals Class Estimation Theory. Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory Stochastic Signals Class Estimation Theory Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory 1 Τι ειναι «Εκτιμηση» (Estimation)? Γενικο Πλαισιο: Θεωρια και Πραξη Συμπερασματων

Διαβάστε περισσότερα

Ένωση Ελλήνων Φυσικών ΔΙΑΓΩΝΙΣΜΟΣ ΦΥΣΙΚΗΣ ΓΥΜΝΑΣΙΟΥ 2014 Πανεπιστήμιο Αθηνών Εργαστήριο Φυσικών Επιστημών, Τεχνολογίας, Περιβάλλοντος.

Ένωση Ελλήνων Φυσικών ΔΙΑΓΩΝΙΣΜΟΣ ΦΥΣΙΚΗΣ ΓΥΜΝΑΣΙΟΥ 2014 Πανεπιστήμιο Αθηνών Εργαστήριο Φυσικών Επιστημών, Τεχνολογίας, Περιβάλλοντος. A Γυμνασίου 29 Μαρτίου 2014 Όνομα και Επώνυμο:.. Όνομα Πατέρα: Όνομα Μητέρας:... Σχολείο:... Τάξη/Τμήμα:. Εξεταστικό Κέντρο:. Πειραματικό Μέρος Θέμα 1 ο H μέτρηση του μήκους γίνεται, συνήθως, με μετροταινία

Διαβάστε περισσότερα

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν

Διαβάστε περισσότερα

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

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 015 Ανάλυση Διακύμανσης Η Ανάλυση Διακύμανσης είναι μία τεχνική που

Διαβάστε περισσότερα

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

Ογενικός(πλήρης) έλεγχος των Dickey Fuller ΜΑΘΗΜΑ 7ο Ογενικός(πλήρης) έλεγχος των Dickey Fuller Είδαμε προηγουμένως ότι οι τιμές της στατιστικής Τ 2δ0, Τ 3δ0 και Τ 3δ1 που χρησιμοποιήθηκαν στην παραπάνω παράγραφο εξαρτώνται από τη μορφή της εξίσωσης

Διαβάστε περισσότερα

!n k. Ιστογράμματα. n k. x = N = x k

!n k. Ιστογράμματα. n k. x = N = x k 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

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΚΕΦΑΛΑΙΟ 17

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΚΕΦΑΛΑΙΟ 17 ΚΕΦΑΛΑΙΟ 17 ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ Στο κεφάλαιο αυτό θα αναφερθούμε σε ένα άλλο πρόβλημα της Στατιστικής που έχει κυρίως (αλλά όχι μόνο) σχέση με τις παραμέτρους ενός πληθυσμού (τις παραμέτρους της κατανομής

Διαβάστε περισσότερα

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης

Διαβάστε περισσότερα

Af(x) = και Mf(x) = f (x) x

Af(x) = και Mf(x) = f (x) x ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Ι. Λύσεις 9 Διάρκεια εξέτασης: ώρες και 5' (4 μονάδες) (α). Η συνάρτηση f() έχει το παραπλεύρως γράφημα με πλάγια ασύμπτωτο. Να δοθούν, στο ίδιο σύστημα συντεταγμένων,

Διαβάστε περισσότερα