[ ] = ( ) ( ) ( ) = { }

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "[ ] = ( ) ( ) ( ) = { }"

Transcript

1 Πρόταη: Δίνεται η θετική τμ, δηλαδή 1 [ ] ανιότητα Mrkov: P{ } P > = Εάν >, έχουμε την Εάν υποθέουμε ότι η ~ f είναι υνεχής, τότε για κάθε > ιχύει ότι x f x dx x f x dx f x dx P [ ] = = { } Παρατηρείτε ότι: εάν αντικατατήουμε την τμ με την τμ Y g τέτοια ώτε P{ g( ) > } = 1 και g το τήριγμα της, θα έχουμε: = g g x f x dx g x f x dx g f x d x= g P Όπου χρηιμοποιήαμε ότι x g( x) g( ), και έτι g P{ } = P{ g g( )} g tx Για παράδειγμα εάν g( x) e, t = > τότε για x : t e P P e e e M t t e t t t { } = { } = Η ανιότητα Chebyshev =, Πρόταη: Δίνεται ότι η τμ έχει πεπεραμένη μέη τιμή µ = [ ] και Vr [ ] διαπορά = Vr [ ] Τότε για κάθε > ιχύει ότι P{ µ } [ ] = ( µ ) Vr x f x dx µ µ + µ µ µ µ µ + = x f x dx + x f x dx + x f x dx Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 1

2 µ ( µ ) ( µ ) x f x dx + x f x dx µ + + µ f ( x) dx f ( x) dx µ + { { µ } { µ }} { µ } = + + = P P P Εναλλακτικά, θέτοντας Y = g = ( µ ) η ανιότητα Mrkov για το ενδεχόμενο { µ } { µ } Y = = μας δίνει: P{ µ } = PY { } = = [ ] ( ) Y µ Παράδειγμα Εάν ο αριθμός των μονάδων παραγωγής ε μια εβδομάδα μοντελοποιείται με την τμ με µ = 5 1 Ποία η πιθανότητα ε μια υγκεκριμένη εβδομάδα η παραγωγή να είναι μεγαλύτερη των 75 μονάδων? Εάν η διαπορά της είναι = 5, τότε ποία η πιθανότητα ε μια υγκεκριμένη εβδομάδα η παραγωγή να είναι μεγαλύτερη των 4 και να μην υπερβαίνει τις 6 μονάδες? Από την ανιότητα Mrkov έχουμε P{ } P{ } [ ] 5 > = 67, P 4 < < 6 = P 1 < µ < 1 = P µ < 1 ενώ = 1 P{ µ 1} Από την ανιότητα Chebyshev έχουμε P{ µ 1} = 5 P { 4 < < 6} 75 1 Η ανιότητα Mrkov και η ανιότητα Chebyshev μας επιτρέπουν να υπολογίουμε φράγματα για πιθανότητες όταν μόνο η μέη τιμή, ή όταν μόνο η μέη τιμή και η διαπορά της κατανομής είναι γνωτά Εάν η υγκεκριμένη κατανομή ήταν γνωτή, οι υγκεκριμένες πιθανότητες θα μπορούαν να υπολογιτούν ακριβώς και δεν θα χρειαζόματε τις ανιότητες Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες

3 Παράδειγμα Δίνεται για την τμ ότι ~ (,1) βρείτε: 1 Άνω φράγμα της πιθανότητας του ενδεχομένου B { 5 4} ανιότητα Chebyshev Την ακριβή πιθανότητα του ενδεχομένου B [ ] = ( ) = με την ~, b Vr b /1, από όπου με τη χρήη της ανιότητας 5/ 3 P Chebyshev παίρνουμε Οι ακριβείς υπολογιμοί δίνουν P 5 4 = x,1 dx + x,1 dx = dx + dx = : Η ανιότητα Chebyshev μας δίνει P 5 4 < 5 Το άνω φράγμα 5 όμως απέχει πολύ από την πραγματική τιμή της πιθανότητας που είναι Σχόλιο P{ 5 4} = Αυτό κατά κάποια έννοια είναι αναμενόμενο γιατί η Chebyshev είναι μια πολύ γενική ανιότητα που μπορεί να εφαρμοθεί ε οποιαδήποτε κατανομή, διακριτή ή υνεχή Παράδειγμα ~ N ( µ, ) βρείτε 1 Άνω φράγμα της πιθανότητας του ενδεχομένου B= { µ 3} Δίνεται ότι η τμ χρηιμοποιώντας την ανιότητα Chebyshev την πιθανότητα του ενδεχομένου B Από την Chebyshev παίρνουμε: P 3 = 1111 { µ } ( 3 ) Γνωρίζουμε όμως, ότι η μάζα της κανονικής είναι ουιατικά µ 3, µ + 3, δηλαδή θα πρέπει η υγκεντρωμένη το διάτημα [ ] πιθανότητα P{ µ 3} να είναι κοντά το μηδέν Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 3

4 Πράγματι µ P P P Z = P Z 3 + P Z 3 = P Z 3 { µ 3} = 3 = { 3} ( ) = 1 Φ 3 = = 6 Άκηη Να αποδειχθεί η ανιότητα Bieyme:, όπου Z ~ N (,1) ϑµ + P{ ϑµ }, ϑ,, Επίης δείξτε ότι οι ανιότητες Mrkov και η Chebyshev είναι ειδικές περιπτώεις της ανιότητας Bieyme ϑµ = x ϑµ f x dx = + + x ϑµ f ( x) dx (, + ϑµ ) [ + ϑµ, + ϑµ ] ( + ϑµ, ) + x ϑµ f ( x) dx (, + ϑµ ) ( + ϑµ, ) + ϑµ x ϑµ f ( x) dx x ϑµ f ( x) dx + ϑµ = + Επειδή { x: x ϑµ } { x: x ϑµ } { x: x ϑµ } > = < > έχουμε ότι: Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 4

5 + ϑµ x ϑµ f ( x) dx + x ϑµ f ( x) dx + + ϑµ { ϑµ } { ϑµ } { ϑµ } = = P P P Όταν = 1 και 1 ϑ = έχουμε είναι και θετική τμ, δηλαδή Mrkov Για = και 1 + ϑµ f x dx f x dx + ϑµ P Ειδικότερα, εάν η P > = 1, παίρνουμε την ανιότητα ϑ = η Bieyme δίνει είναι η ανιότητα Chebyshev Μονόπλευρες ανιότητες Chebyshev P µ µ που Σε πολλές περιπτώεις ενδιαφερόματε για άνω φράγματα πιθανοτήτων της μορφής P{ µ }, με > ενώ γνωρίζουμε μόνο τη μέη τιμή και την διαπορά της Επειδή µ µ { µ } { µ } >, μπορούμε να P P, > χρηιμοποιήουμε την Chebyshev { µ } { µ } Μπορούν να επιτευχθούν όμως καλύτερα άνω φράγματα για την µ πιθανότητα του ενδεχομένου Πρόταη: Εάν είναι μια τμ με P{ > } = 1, μέο µ = και διαπορά τότε για κάθε > έχουμε την ανιότητα P{ } + Εάν b > τότε P{ } P ( b) ( b) για την Y = ( + b) έχουμε = + + και από την ανιότητα Mrkov [ Y ] ( + b ) P{ } = PY { ( + b) } = + b + b Επειδή µ = θα έχουμε: Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 5

6 + b ( + b) = + b P{ } g( b) = + ( b) Έτι P{ } g( b), b> P{ } mi g( b) = g = b> + b( + b) ( + b )( + b) εφόον g ( b) = = 4 + b ( ) + b b b b + + = b = Παράδειγμα και g > Είναι γνωτό ότι ο αριθμός των μονάδων παραγωγής ε μια εβδομάδα είναι τμ με μέο µ = 1 και διαπορά = 4 Να βρεθεί άνω φράγμα της πιθανότητας του ενδεχομένου, η παραγωγή να είναι τουλάχιτον 1 μονάδες Η τμ Y µ = έχει μέο έτι P{ } PY Η Mrkov δίνει το αθενέτερο φράγμα { 1} 4 1 = = ( ) [ ] 5 P = 1 6 Λήμμα Εάν είναι τμ με μέο το µ και διαπορά τότε για κάθε > έχουμε τις μονόπλευρες ανιότητες Chebyshev: P{ µ + } P{ µ } + Οι δύο παραπάνω ανιότητες γίνονται προφανείς από την προηγούμενη πρόταη και το γεγονός ότι οι τμ µ µ έχουν μέο το και διαπορά και Εάν προθέουμε τις παραπάνω δύο ανιότητες θα έχουμε, P{ µ } + Η παραπάνω ανιότητα όμως δεν είναι πάντα ιχυρότερη της Chebyshev, εφόον ιχύει ότι < μόνον εάν < < + Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 6

7 Εφαρμογή Ένα ύνολο από =1 άντρες και = 1 γυναίκες, χωρίζεται με τυχαίο τρόπο ε 1 ζεύγη Να βρεθεί άνω φράγμα την πιθανότητα το πολύ m = 3 ζευγάρια να αποτελούνται από άνδρα και γυναίκα Αριθμούμε τους άντρες αυθαίρετα από το 1 το 1 και ορίζουμε τις δίτιμες τμ Z = 1 = { Ο i άντρας βρίκεται ε ζεύγος με γυναίκα}, 1 i = 1 ενώ Z = i ημαίνει ότι το ζεύγος δεν είναι τύπου άντρας γυναίκα i S = Z = ο αριθμός των ζευγαριών τύπου άντρα γυναίκα i= 1 i Ζητάμε να υπολογίουμε άνω φράγμα για την πιθανότητα { 3} P S και για αυτό το λόγο θα πρέπει να υπολογίουμε μέο και διαπορά της S { 1} P Z i {( αi γ j) } {( αi γ j) } ( αi α j) #, :1 j 1 = = = = #, :1 j, :1 j, j i [ Z ] P{ Z } 1 P{ Z 1} 1 = = + = = = i i i Z Z = z z P Z = z, Z = z = P Z = 1, Z = 1 i j i j i i j j i j zi {,1} zj {,1} = P{ Zi = 1} P{ Z j = 1 Zi = 1} = = [ S] = [ Zi] = = ( 1) 55 i= [ ] = [ i] + ( i, j) Vr S Vr Z Cov Z Z i= 1 1 < i j 1 i { i } 1 { i 1} Z = P = + P = = = ( 1) 1 99 Vr [ Zi] = Z i Z i = = = ( 1) Cov( Zi, Z j) = ZiZ j [ Zi] Z j = = = ( 1) ( 3) Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 7

8 έτι παίρνουμε για την διαπορά της Vr [ S ] = + = 1 ( 1) ( 3) = Χρηιμοποιώντας την Chebyshev και επειδή { S µ } = { S µ } { S µ + } θέτοντας µ = 3 = 55 3 έχουμε { S 55 5} { S 85} { S 3} = και έτι { } P{ S } P S Vr [ S ] ( 5) Χρηιμοποιώντας μονόπλευρη Chebyshev, παίρνουμε το ιχυρότερο άνω φράγμα P S [ ] 516 [ ] ( 5) Vr S 3 = P S 55 5 = 58 µ Vr S Ανιότητες Cheroff: Εάν υπάρχει η ροπογεννήτρια M κάθε ιχύουν οι παρακάτω ανιότητες: t { } mi όταν η P e M t t> t { } mi όταν η P e M t t< Για την δεξιά ανιότητα, για t > P P t t P e e e e t t t t = = Για την αριτερή ανιότητα και t < t t t t P = P t t = P e e e e M t υπάρχει για t > (δεξιά) t της τότε για M t υπάρχει για t < (αριτερή) Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 8

9 Παίρνοντας το mi ως προς t > και t < αντιτοίχως τις δύο προηγούμενες ανιότητες έχουμε τις ανιότητες Cheroff Παράδειγμα (Φράγματα Cheroff για την Norml) Εάν ~ N µ, δείξτε ότι: 1 P exp µ, µ, 1 P exp µ, µ Δεξιά: Αριτερή: 1 M t = exp µ t+ t Επειδή για τη δεξιά ανιότητα Cheroff έχουμε { } mi t = mi exp ( ) = exp mi P e M t g t g t t> t> t>, t g t = µ t+ με Τότε * µ 1 mi g( t) = g t = ( µ ) t> = και επειδή το miimum είναι για όλα τα µ t > ζητάμε t * = > ή ότι > µ, έτι 1 exp P µ, µ Για την αριτερή ανιότητα { } mi t = mi exp ( ) = exp mi P e M t g t g t t< t< t< * µ 1 mi µ g t = g t = = µ t< και επειδή t < ζητάμε t * = < ή 1 ότι < µ, έτι παίρνουμε exp P µ, µ Παράδειγμα (Τυπική κανονική κατανομή) Εάν ~ N(,1) να βρεθούν άνω φράγματα για την πιθανότητα P{ } με Chebyshev, Μονόπλευρη Chebyshev και Cheroff, και να υγκριθούν με την προεγγιτική τιμή από τους πίνακες, P = 1 Φ = 8 που είναι Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 9

10 Chebyshev: P{ } P{ } [ ] Vr = 5 Vr [ ] P = Vr + Μονόπλευρη Chebyshev: Cheroff: P{ } / e = 1353 [ ] Δηλαδή το ιχυρότερο άνω φράγμα για την πιθανότητα P{ } έρχεται από την ανιότητα Cheroff Για να χρηιμοποιήουμε Mrkov P{ } P{ } υπολογίουμε και την, θα έπρεπε να για ~ N (,1) Παράδειγμα Εάν ~ Poisso( λ ) πιθανότητα P{ } να βρεθεί το φράγμα Cheroff για την mi t t = mi exp + λ ( 1) t t exp ( mi t λ ( e 1) ) Έτι εάν g ( t) t λ ( e 1) P e M t t e t< t< = + t< * δίνεται για t ( λ ) * = l / < ή ότι < λ Έτι λ λe P exp g t = e, < λ = +, το ελάχιτο της g Σπυρίδων Ι Χατζηπύρος Πιθανότητες ΙΙ Ανιότητες 1

1. Η κανονική κατανοµή

1. Η κανονική κατανοµή . Η κανονική κατανοµή Η κανονική κατανοµή είναι η ηµαντικότερη κατανοµή πιθανοτήτων µε τις περιότερες εφαρµογές. Μελετήθηκε αρχικά από τον De Moire (667-754) και από τον Lple (749-87) οι οποίοι απέδειξαν

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ) (ΣΥΝΕΧΕΙΑ) Χαράλαµπος Α. Χαραλαµπίδης 9 εκεµβρίου 2009 Η ηµαντικότερη κατανοµή πιθανότητας της Θεωρίας Πιθανοτήτων και της Στατιτικής, µε µεγάλο πεδίο εφαρµογών, είναι η κανονική κατανοµή. Η κατανοµή αυτή

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 13 Ιουνίου 2010

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 13 Ιουνίου 2010 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Ιουνίου Θέμα ( μονάδες) Έτω αβγδ,,, και V = αβγδ,,,, όπου α= (,,), β= (,,), γ= (,5,), δ= (5,,). i)

Διαβάστε περισσότερα

ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions)

ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions) ΚΕΦΑΛΑΙΟ 0 ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (amplig Distibutios) Ένα χαρακτηριτικό των επιτημονικών μελετών τις οποίες απαιτείται η χρήη των διαδικαιών της Στατιτικής Συμπεραματολογίας είναι η ύπαρξη τυχαιότητας

Διαβάστε περισσότερα

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2012

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2012 Εργατήριο Μαθηματικών & Στατιτικής Μάθημα: Στατιτική Γραπτή Εξέταη Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. 6// ο Θέμα [] Η ποότητα, έτω Χ, φυτικών ινών που περιέχεται ε ψωμί ολικής άλεης με

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

3. Κατανομές πιθανότητας 3. Κατανομές πιθανότητας Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ. ( είναι μια υνάρτηη που ε κάθε απλό ενδεχόμενο (ω ενός δειγματικού χώρου (Ω αντιτοιχεί έναν αριθμό. Ω ω (ω R ιακριτή τ.μ. : παίρνει πεπεραμένο

Διαβάστε περισσότερα

ρ. Ευστρατία Μούρτου

ρ. Ευστρατία Μούρτου ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : 009-010 ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. 4 ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευτρατία

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

Πανεπιστήμιο Πελοποννήσου Πανεπιτήμιο Πελοποννήου Εκτιμήεις Διατήματα Εμπιτούνης Έλεγχοι Υποθέεων Stefao G. Giakoumato Εκτιμητική Οι κατανομές των τατιτικών έχουν άγνωτες παραμέτρους, οι οποίες πρέπει να εκτιμηθούν Εκτιμητές ε

Διαβάστε περισσότερα

ηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1

ηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1 Στατιτική υµπεραµατολογία για τη διαδικαία της ποιότητας Στο προηγούµενο κεφάλαιο κάναµε την παραδοχή και υποθέαµε ότι οι παράµετροι των κατανοµών των πιθανοτήτων άρα και οι παράµετροι της διαδικαίας ήταν

Διαβάστε περισσότερα

05_01_Εκτίμηση παραμέτρων και διαστημάτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.

05_01_Εκτίμηση παραμέτρων και διαστημάτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Ν161_Στατιτική τη Φυική Αγωγή 05_01_Εκτίμηη παραμέτρων και διατημάτων Γούργουλης Βαίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. 1 Για την περιγραφή μιας μεταβλητής, που μετριέται ε έναν πληθυμό ή ε ένα

Διαβάστε περισσότερα

5. ιαστήµατα Εµπιστοσύνης

5. ιαστήµατα Εµπιστοσύνης 5 ιατήµατα Εµπιτούνης Στο προηγούµενο κεφάλαιο αχοληθήκαµε εκτενώς µε την εκτίµηη των παραµέτρων διαφόρων κατανοµών Για παράδειγµα είδαµε ότι η καλύτερη εκτιµήτρια για την εκτίµηη της µέης τιµής ενός κανονικού

Διαβάστε περισσότερα

Εκτιµητική. Boutsikas M.V. (2003), Σηµειώσεις Στατιστικής ΙΙΙ, Τµήµα Οικονοµικής Επιστήµης, Πανεπιστήµιο Πειραιώς.

Εκτιµητική. Boutsikas M.V. (2003), Σηµειώσεις Στατιστικής ΙΙΙ, Τµήµα Οικονοµικής Επιστήµης, Πανεπιστήµιο Πειραιώς. 4 Εκτιµητική Σύνδεη θεωρίας πιθανοτήτων - περιγραφικής τατιτικής H περιγραφική τατιτική (ΣΤΑΤΙΣΤΙΚΗ Ι αφορά κυρίως τη µελέτη κάποιων «µεγεθών» (πχ µέη τιµή, διαπορά, διάµεος, κοκ ενός «δείγµατος» υγκεκριµένων

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ

ΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ ΚΕΦΑΛΑΙΟ Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ. Τυχαίες µεταβητές Ποές φορές ε ένα πείραµα τύχης δεν µας ενδιαφέρει ο δειγµατοχώρος του ο οποίος όπως είδαµε µπορεί να είναι και µη-αριθµητικό ύνοο αά

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης

Διαβάστε περισσότερα

οι ενήλικες στην περιοχή Β, ο φοιτητής γνωρίζει ότι X ~ N(

οι ενήλικες στην περιοχή Β, ο φοιτητής γνωρίζει ότι X ~ N( Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Αρκετά τρόφιμα περιέχουν το ιχνοτοιχείο ελήνιο το οποίο, όταν προλαμβάνεται ε μικρές ποότητες ημερηίως,

Διαβάστε περισσότερα

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Μεθοδολογία των Επιτημών του Ανθρώπου: Στατιτική Ενότητα 2: Βαίλης Γιαλαμάς Σχολή Επιτημών της Αγωγής Τμήμα Εκπαίδευης και Αγωγής την Προχολική Ηλικία Περιεχόμενα ενότητας Παρουιάζονται οι βαικές έννοιες

Διαβάστε περισσότερα

ΕΟ31 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ. Τόμος : Θεωρία Χαρτοφυλακίου

ΕΟ31 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ. Τόμος : Θεωρία Χαρτοφυλακίου ΕΟ3 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ Τόμος : Θεωρία Χαρτοφυλακίου Μάθημα 0: Απόδοη και κίνδυνος Σε αυτή την ενότητα θα μάθουμε να υπολογίζουμε την απόδοη και τον κίνδυνο κάθε αξιόγραφου. Ειδικότερα θα διαχωρίουμε

Διαβάστε περισσότερα

ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ

ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ Ιχύς P 10 KW Στροφές ειόδου n 1450 τρ./λεπτό Σχέη μετάδοης i 4 Α. ΥΠΟΛΟΓΙΣΜΟΙ ΟΔΟΝΤΩΤΩΝ ΤΡΟΧΩΝ 1. Προωρινή εκλογή υλικού δοντιού: Για την επιλογή του υλικού

Διαβάστε περισσότερα

Ψηφιακός Έλεγχος. 8 η διάλεξη Σφάλματα. Ψηφιακός Έλεγχος 1

Ψηφιακός Έλεγχος. 8 η διάλεξη Σφάλματα. Ψηφιακός Έλεγχος 1 Ψηφιακός Έλεγχος 8 η διάλεξη Σφάλματα Ψηφιακός Έλεγχος Δυαδική αριθμητική και μήκος λέξης Ένας αριθμός μπορεί να αναπαραταθεί απο C+ bits που ονομάζονται λέξη. Το μήκος της λέξης είναι πάντα πεπεραμένο,

Διαβάστε περισσότερα

Το θεώρηµα του Green

Το θεώρηµα του Green 57 58 Το θεώρηµα του Green :, Υπενθυµίζουµε ότι µια απλή κλειτή καµπύλη [ ] κλειτή καµπύλη ( = ) ώτε ο περιοριµός [, ) R είναι µια να είναι απεικόνιη Μια απλή κλειτή καµπύλη του επιπέδου ονοµάζεται και

Διαβάστε περισσότερα

Έλεγχος Υποθέσεων II. Στατιστική IΙ, Τμήμα Ο.Ε. ΑΠΘ. Χ. Εμμανουηλίδης, 1

Έλεγχος Υποθέσεων II. Στατιστική IΙ, Τμήμα Ο.Ε. ΑΠΘ. Χ. Εμμανουηλίδης, 1 Έλεγχος Υποθέεων II Στατιτική IΙ, Τμήμα Ο.Ε. ΑΠΘ Στατιτική ΙΙ Συμπεραματολογία Βαιμένη ε Ένα Δείγμα: Έλεγχοι υποθέεων Μέρος ο Εϖιλογή Μεγέθους είγατος για Έλεγχο του Μέου - 1 - Παράδειγα Δειγματοληψία

Διαβάστε περισσότερα

4 e. υ (Γ) υ (Δ) 1 (Ε) 1+ i

4 e. υ (Γ) υ (Δ) 1 (Ε) 1+ i . Αν τα 4 6 8 δ, i, d, i και d αντιτοιχούν όλα το ίδιο αποτελεματικό επιτόκιο, τότε i 6 i 6 4 4 d 4 8 d 8 6 4 e δ (Α) 3 υ (Β) υ (Γ) υ (Δ) (Ε) + i . Ένα 0ετές αφαλιτικό προϊόν εγγυάται απόδοη 7% τα πρώτα

Διαβάστε περισσότερα

4. Ειδικές Διακριτές, Συνεχείς Κατανομές

4. Ειδικές Διακριτές, Συνεχείς Κατανομές 4. Ειδικές Διακριτές, Συνεχείς Κατανομές 4.. Η ομοιόμορφη διακριτή κατανομή. Εμφανίζεται τις περιπτώεις όπου η υπό εξέταη τ.μ. Χ παίρνει πεπεραμένο πήθος τιμών π.χ. Χ {,,...,} και όες οι πιθανότητες P

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΚΕΦΑΛΑΙΟ 16 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ Α. Περίπτωη Ενός Πληθυμού Αν μας ενδιαφέρει να κατακευάουμε ένα διάτημα εμπιτούνης για την διακύμανη ενός πληθυμού, χρηιμοποιούμε το γεγονός ότι αν

Διαβάστε περισσότερα

σ.π.π. της 0.05 c 0.1

σ.π.π. της 0.05 c 0.1 6 Έλεγχοι Υποθέεων Σε αρκετές εφαρµογές παρουιάζεται η ανάγκη λήψης αποφάεων χετικών µε την κατανοµή ενός πληθυµού Πιο υγκεκριµένα, ε πολλές περιπτώεις πρέπει, βάει ενός τδ Χ, Χ,, Χ από έναν πληθυµό µε

Διαβάστε περισσότερα

5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ

5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ 5 5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ ΠΛΗΘΥΣΜΟΣ ΚΑΙ ΕΙΓΜΑ. ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στην πράξη θέλουµε υχνά να βγάλουµε υµπεράµατα για µια µεγάλη οµάδα ατόµων ή αντικειµένων. Αντί να µελετήουµε ολόκληρη την οµάδα,

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΚΕΦΑΛΑΙΟ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΔΙΑΚΥΜΑΝΣΗ ΕΝΟΣ ΠΛΗΘΥΣΜΟΥ Έχουμε ήδη δει την εκτιμητική ότι αν ο υπό μελέτη πληθυμός είναι κανονικός, τότε: [ Χi Χ] ( n 1) i= 1 = =

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ ΚΕΦΑΛΑΙΟ 14 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ Έτω Χ 1, Χ,..., Χ και Υ 1, Υ,..., Υ m δύο τυχαία δείγματα μεγέθους και m αντίτοιχα από δύο ανεξάρτητους κανονικούς πληθυμούς

Διαβάστε περισσότερα

05_02_t-κατανομή. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.

05_02_t-κατανομή. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Ν161_(262)_Στατιτική τη Φυική Αγωγή 05_02_t-κατανοή Γούργουλης Βαίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. 1 Αν δεν είναι γνωτή η τυπική απόκλιη του πληθυού (), τότε θα πρέπει να χρηιοποιηθεί ένας

Διαβάστε περισσότερα

Διαφορές μεταξύ Ασφαλίσεων Ζωής και Γενικών

Διαφορές μεταξύ Ασφαλίσεων Ζωής και Γενικών Διαφορές μεταξύ Αφαλίεων Ζωής και Γενικών Ζωής Αφαλιμένο κεφάλαιο (γνωτό Ένα υμβάν 3 Μικρή εξέλιξη ζημιάς (πχ άνατος, το μααίνεις αμέως Γενικές Μπορεί να είναι γνωτό, μπορεί και όχι (πχ το πίτι αν κατατραφεί

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. Η τυχαία μεταβλητή Χ έχει συνάρτηση πιθανότητας που δίνεται από τον πίνακα: x f(x) / / / / / Να βρεθεί η μέση τιμή και η διασπορά.. Η τυχαία μεταβλητή

Διαβάστε περισσότερα

Άσκηση 19 Εξαναγκασμένες ηλεκτρικές ταλαντώσεις και συντονισμός

Άσκηση 19 Εξαναγκασμένες ηλεκτρικές ταλαντώσεις και συντονισμός Μιχάλης Καλογεράκης 9 ο Εξάμηνο ΣΕΜΦΕ ΑΜ:987 Υπεύθυνος Άκηης: Κα Μανωλάτου Συνεργάτις: Ζάννα Βιργινία Ημερομηνία Διεξαγωγής:8//5 Άκηη 9 Εξαναγκαμένες ηλεκτρικές ταλαντώεις και υντονιμός ) Ειαγωγή: Σκοπός

Διαβάστε περισσότερα

( t) ( ) ( 0,1) ( ) ( ) ( ) ( ) Κεντρικό Οριακό Θεώρημα (Central Limit Theorem Lindeberg Levy) τότε η τ.μ. Sn

( t) ( ) ( 0,1) ( ) ( ) ( ) ( ) Κεντρικό Οριακό Θεώρημα (Central Limit Theorem Lindeberg Levy) τότε η τ.μ. Sn Κεντρικό Οριακό Θεώρημα (Cetral Lmt Theorem Leberg Levy Εάν ~ f (, με [ ] µ, Var [ ] σ < και S τότε η τμ S ( S S µ συγκίνει ως προς κατανομή (coverges strbuto στη Var S σ ( N ( 0,, δηαδή N( 0, ή ισοδύναμα

Διαβάστε περισσότερα

S AB = m. S A = m. Υ = m

S AB = m. S A = m. Υ = m χολή αγρονόµων και τοπογράφων µηχανικών ο εξάµηνο Άκηη Απλοί γεωµετρικοί υπολογιµοί ίνεται το τετράπλευρο ΑΒΓ που φαίνεται το χήµα. Στο ύπαιθρο µετρήθηκαν οι οριζόντιες πλευρές (µήκη) ΑΒ και Α. Επίης είναι

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης που

Διαβάστε περισσότερα

ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ. 4.1 Εισαγωγή

ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ. 4.1 Εισαγωγή Κεφάλαιο 4 ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ 4. Ειαγωγή Στο προηγούμενο κεφάλαιο εξετάαμε πώς ένας επενδυτής που αποτρέφεται τον κίνδυνο απώλειας ειοδήματος επιλέγει επενδυτικά χέδια κάτω από υνθήκες αβεβαιότητας.

Διαβάστε περισσότερα

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και 9 Έτω U R ανοικτό ύνολο και Επικαµπύλια ολοκληρώµατα f : U R R C καµπύλη :[, ] U υνεχής πραγµατική υνάρτηη. Θεωρούµε µια ώτε ( t) x( t), y( t), z( t) ύνθετη υνάρτηη fo :[, ] R t [, ] f x( t), y( t), z(

Διαβάστε περισσότερα

, της Χ που έχουμε διαθέσιμες μετά από μια πραγματοποίηση του τυχαίου δείγματος X, X, 2

, της Χ που έχουμε διαθέσιμες μετά από μια πραγματοποίηση του τυχαίου δείγματος X, X, 2 Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στην ενότητα «Από τις Πιθανότητες τη Στατιτική» εξηγήαμε ότι τη Στατιτική «όλα αρχίζουν από τα

Διαβάστε περισσότερα

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και 9 Έτω U R ανοικτό ύνολο και Επικαµπύλια ολοκληρώµατα f : U R R C καµπύλη :[, ] U υνεχής πραγµατική υνάρτηη Θεωρούµε µια ώτε ( t) x( t), y( t), z( t) ύνθετη υνάρτηη fo :[, ] R t [, ] f x( t), y( t), z(

Διαβάστε περισσότερα

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε.

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε. ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ Γ Ε Ω Ρ Γ Ι Κ Ο Σ Π Ε Ι Ρ Α Μ Α Τ Ι Σ Μ Ο Σ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε. Αν. Καθηγητής.Π.Θ. Υπ. ιδάκτορας Ορετιάδα 007 ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο ο

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ

ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ Ενέργειας Η ανάλυη του προβλήµατος γίνεται µε την χρήη του διαγράµµατος Ειδικής (α) Υποκρίιµη ροή τα ανάντη επί Ήπιας Κλίεως Πυθµένα το Σχήµα 1 Έτω ότι οµοιόµορφη,

Διαβάστε περισσότερα

X = συνεχης. Είναι εμφανές ότι αναγκαία προϋπόθεση για την ύπαρξη της ροπογεννήτριας

X = συνεχης. Είναι εμφανές ότι αναγκαία προϋπόθεση για την ύπαρξη της ροπογεννήτριας Ροπογεννήτριες (mome geerig fucios), πιθανογεννήτριες (robbiliy geerig fucios) και χαρακτηριστικές συναρτήσεις (chrcerisic fucios) Η ροπογεννήτρια συνάρτηση της τμ είναι η πραγματική συνάρτηση πραγματικής

Διαβάστε περισσότερα

Γ D µε αρχικό σηµείο το ( a, ( ) ( ) είναι µια άλλη και καταλήγει στο ( x, τότε (1) Γ ξεκινούν από το σηµείο (, ) και ( x,

Γ D µε αρχικό σηµείο το ( a, ( ) ( ) είναι µια άλλη και καταλήγει στο ( x, τότε (1) Γ ξεκινούν από το σηµείο (, ) και ( x, 69 Θα αποδείξουµε την υνέχεια- ως εφαρµογή του θεωρήµατος του Greenτην κατεύθυνη (ιι (ι του θεωρήµατος που χαρακτηρίζει τα υντηρητικά πεδία F : R R, όπου απλά υνεκτικός τόπος του R ( Θεώρηµα Αν R είναι

Διαβάστε περισσότερα

Το θεώρηµα του Green

Το θεώρηµα του Green 58 Το θεώρηµα του Green :, Υπενθυµίζουµε ότι µια απλή κλειτή καµπύλη [ ] κλειτή καµπύλη ( = ) ώτε ο περιοριµός [, ) R είναι µια να είναι απεικόνιη Μια απλή κλειτή καµπύλη του επιπέδου ονοµάζεται και καµπύλη

Διαβάστε περισσότερα

ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ

ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ Η ερµιονική εκποµπή ηλεκτρονίων είναι ένα φαινόµενο το οποίο βαίζεται η λειτουργία της λυχνίας κενού. Η δίοδος λυχνία κενού αποτελεί ορόηµο τον πολιτιµό του ύγχρονου ανρώπου

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ IΙ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΑΣΕΩΝ ΚΥΡΙΕΣ ΤΑΣΕΙΣ 1. Τάεις γύρω από ένα Σηµείο Όπως αναφέρθηκε ε προηγούµενη ενότητα, υχνά είναι πιο εύχρητο να αναλύονται οι τάεις γύρω από ένα ηµείο

Διαβάστε περισσότερα

Αποδοτικότητα Χαρτοφυλακίου

Αποδοτικότητα Χαρτοφυλακίου Αποδοτικότητα Χαρτοφυλακίου n E( R ) ΣWE( R ) P i i i όπου: E(Ri) : αντιπροωπεύει την προδοκώµενη αποδοτικότητα από το τοιχείο i. Wi : το ποοτό που αντιπροωπεύει η αξία του τοιχείου αυτού τη υνολική αξία

Διαβάστε περισσότερα

Γιατί; Το παραδοσιακό υπόδειγμα: y t = β 1 + β 2 x 2t β k x kt + u t, ή y = Xβ + u. Υποθέτουμε u t. N(0,σ 2 ).

Γιατί; Το παραδοσιακό υπόδειγμα: y t = β 1 + β 2 x 2t β k x kt + u t, ή y = Xβ + u. Υποθέτουμε u t. N(0,σ 2 ). Υποδείγματα GARCH Γιατί; Κίνητρο: υποδείγματα που υποθέτουν γραμμική δομή δεν μπορούν να εξηγήουν ημαντικά χαρακτηρίτηκα των χρηματοοικονομικών χρονοειρών - λεπτοκύρτοη - volaili clusering Το παραδοιακό

Διαβάστε περισσότερα

1. Έλεγχος Υποθέσεων. 1.1 Έλεγχοι για την µέση τιµή πληθυσµού

1. Έλεγχος Υποθέσεων. 1.1 Έλεγχοι για την µέση τιµή πληθυσµού . Έλεγχος Υποθέεων. Έλεγχοι για την µέη τιµή πληθυµού Ας υποθέουµε ένα πληθυµό µε µέη τιµή (µ.τ.) µ και τυπική απόκλιη (τ.α.). Έχει δειχτεί το κεφ.0 ο έλεγχος µιας µηδενικής υπόθεης H 0 δεδοµένης µιας

Διαβάστε περισσότερα

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών 3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών Βασικά χαρακτηριστικά τυχαίας μεταβλητής: Μέση Τιμή (Me Vlue) Διακύμανση (Vrice) Γενικά χαρακτηριστικά: Ροπές μεταβλητών / Ροπογεννήτριες Χαρακτηριστικές συναρτήσεις

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ίνεται το παρακάτω ύνολο εκπαίδευης: ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάεις 3 Ιουνίου 005 ιάρκεια:

Διαβάστε περισσότερα

Στατιστικοί Ελεγχοι. t-έλεγχος για την σύγκριση των µέσων δύο πληθυσµών. Έλεγχος 5: Έλεγχος της οµοιογένειας δύο πληθυσµών µε διακυµάνσεις σ 1

Στατιστικοί Ελεγχοι. t-έλεγχος για την σύγκριση των µέσων δύο πληθυσµών. Έλεγχος 5: Έλεγχος της οµοιογένειας δύο πληθυσµών µε διακυµάνσεις σ 1 Στατιτικοί Ελεγχοι Έλεγχος 1: Ζ-Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος : t - Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος 3: I -τετράγωνο Έλεγχος για την διακύµανη Έλεγχος 4: t-έλεγχος για την ύγκριη

Διαβάστε περισσότερα

ιάστηµα εµπιστοσύνης της µ 1

ιάστηµα εµπιστοσύνης της µ 1 ιάτηµα εµπιτούνης της µ - µ δύο ανεξάρτητων τ.µ. X και X Μέες τιµές: µ και µ ιαπορές: και είγµα µεγέθους, από τον πληθυµό τηςx, X ειγµατικές µέες τιµές: και ειγµατικές διαπορές: και Θέλουµε ναεκτιµήουµε

Διαβάστε περισσότερα

Γραπτή Εργασία 2 Διαχείριση Χαρτοφυλακίου. Γενικές οδηγίες

Γραπτή Εργασία 2 Διαχείριση Χαρτοφυλακίου. Γενικές οδηγίες ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ 3 Χρηματοοικονομική Διοίκηη Ακαδημαϊκό Έτος: 009-0 Γραπτή Εργαία Διαχείριη Χαρτοφυλακίου Γενικές

Διαβάστε περισσότερα

ο εκτιμητής LS είναι n 1 x y 2 t Οι βασικές ιδιότητες του εκτιμητή είναι: ( ) = β, αμεροληψία, . Αν έχουμε n x C, τότε Var Τότε, θα έχουμε Var (

ο εκτιμητής LS είναι n 1 x y 2 t Οι βασικές ιδιότητες του εκτιμητή είναι: ( ) = β, αμεροληψία, . Αν έχουμε n x C, τότε Var Τότε, θα έχουμε Var ( Στο γραμμικό υπόδειγμα y = β + u, =,,, ο εκτιμητής LS είναι = β = = y Οι βαικές ιδιότητες του εκτιμητή είναι: E ( β ) = β, αμεροληψία, Var ( β ) = = Αν έχουμε =, τότε y = β =, ο δειγματικός μέος του y

Διαβάστε περισσότερα

S συµβολίζονται ως. Είδη φορτίων: (α) επιφανειακά (π.χ. λόγω επαφής του θεωρούµενου σώµατος µε άλλα σώµατα),

S συµβολίζονται ως. Είδη φορτίων: (α) επιφανειακά (π.χ. λόγω επαφής του θεωρούµενου σώµατος µε άλλα σώµατα), ΑΝΑΛΥΣΗ ΤΩΝ ΤΑΣΕΩΝ Η έννοια του ελκυτή (tracto): M(υνιταµένη ροπή) F (υνιταµένη δύναµη) Θεωρείται παραµορφώιµο τερεό ε ιορροπία υπό εξωτερική φόρτιη (αποκλείονται ταχέως µεταβαλλόµενες φορτίεις και εποµένως

Διαβάστε περισσότερα

Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, T ( ) μεταξύ τους ανεξάρτητα. Τότε

Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, T ( ) μεταξύ τους ανεξάρτητα. Τότε Η πολυδιάστατη κανονική κατανομή Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, διανύσματος =, όπου ~ N ( 0, και όλα τα μεταξύ τους ανεξάρτητα Τότε = (,, = ( 0, ( 0, f x f

Διαβάστε περισσότερα

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο ΘΕΜΑ 1 ο (ΜΟΝΑΔΕΣ 10) Μια βιοτεχνία καθαρισμού ρούχων λειτουργεί καθημερινά 8 ώρες. Η βιοτεχνία δέχεται κατά μέσο όρο 4 παραγγελίες την ημέρα για καθαρισμό ενδυμάτων. (ι). Να υπολογισθεί η πιθανότητα να

Διαβάστε περισσότερα

Επεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων

Επεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων Υπολογιτικές Εφαρμογές την Στατιτική Επεξεργαία Δεδομένων Στα πλαίια του μαθήματος ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ & ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Δ. Φαουλιώτης, Ε. Στυλιάρης ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, 3 3 Μέθοδοι Monte

Διαβάστε περισσότερα

ΕΙΣΗΓΗΤΗΣ Κωνταντινος Πετροπουλος Επικουρος Καηγητης Τμημα Μαηματικων Πανεπιτημιου Πατρων ΕΠΙΤΡΟΠΗ Φιλιππος Αλεβιζος Αναπληρωτης Καηγητης Τμημα Μαηματ

ΕΙΣΗΓΗΤΗΣ Κωνταντινος Πετροπουλος Επικουρος Καηγητης Τμημα Μαηματικων Πανεπιτημιου Πατρων ΕΠΙΤΡΟΠΗ Φιλιππος Αλεβιζος Αναπληρωτης Καηγητης Τμημα Μαηματ ΚΥΡΙΑΚΗ Σ. ΓΕΩΡΓΙΑΔΟΥ ΕΚΤΙΜΗΣΗ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ ΑΠΟ ΕΝΑΝ ΕΠΙΛΕΓΜΕΝΟ ΚΑΝΟΝΙΚΟ ΠΛΗΘΥΣΜΟ Μεταπτυχιακη Διατριβη ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Διατμηματικο Προγραμμα Μεταπτυχιακων Σπουδων «Μαηματικα

Διαβάστε περισσότερα

όπου Z 1,Z 2,,Z n ανεξ. τ.μ. που ακολουθούν N(0,1), δηλαδή μ Δt + σ Δt Zi σ 2 Δt) για κάποιες σταθερές μ, σ 2. Οι τ.μ. Δ t Z1, Δt

όπου Z 1,Z 2,,Z n ανεξ. τ.μ. που ακολουθούν N(0,1), δηλαδή μ Δt + σ Δt Zi σ 2 Δt) για κάποιες σταθερές μ, σ 2. Οι τ.μ. Δ t Z1, Δt 5.3. Προομοίωη τιμών χρηματοοικονομικών προϊόντων Σε αυτή την παράγραφο θα εξετάουμε ένα μοντέλο που μπορεί να χρηιμοποιηθεί για την μελέτη της εξέλιξης των τιμών χρηματοοικονομικών προϊόντων (π.χ. μετοχές,

Διαβάστε περισσότερα

1 N N 1 N ( ) x dx (1) , (2) N xi. i= 1. = A exp , (3) dx = 1. (4) x σ 68% 2. (5) σ x x x . (6) . (7)

1 N N 1 N ( ) x dx (1) , (2) N xi. i= 1. = A exp , (3) dx = 1. (4) x σ 68% 2. (5) σ x x x . (6) . (7) Περί φλµάτων µετρήεων κι ποτελεµάτων Προδιοριµός φάλµτος (ή ειότητς) ενός ποτελέµτος Σφάλµ µις µετρήεως: φάλµ νγνώεως, π.χ. ±/ υποδιιρέεως κλίµκος. Σφάλµ πολλπλών, επνληπτικών µετρήεων: ( ) ( ) Πρόκειτι

Διαβάστε περισσότερα

Συµπληρωµατικές Ασκήσεις Στατιστικής ΙΙΙ

Συµπληρωµατικές Ασκήσεις Στατιστικής ΙΙΙ Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς Συµπηρωµατικές Ακήεις Στατιτικής ΙΙΙ ΚΕΦΑΛΑΙΑ -3 Άκ Η κατανοµή των βαρών των µαθητών ενός χοείου είναι κανονική

Διαβάστε περισσότερα

Τυχαία Διανύσματα και Ανεξαρτησία

Τυχαία Διανύσματα και Ανεξαρτησία Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα

Διαβάστε περισσότερα

(α) (β) (γ) Σχήμα Error! No text of specified style in document.-1: Ελικοειδή ελατήρια διαφόρων διατομών και μορφών

(α) (β) (γ) Σχήμα Error! No text of specified style in document.-1: Ελικοειδή ελατήρια διαφόρων διατομών και μορφών 11.6 Ελικοειδή θλιπτικά ελατήρια Στα προηγούμενο κεφάλαιο είδαμε αναλυτικά τα ελικοειδή κυλινδρικά ελατήρια υμπίεης, κυκλικής διατομής ύρματος. Στο Σχήμα 11-7 φαίνονται (α) κυλινδρικό ελατήριο υμπίεης

Διαβάστε περισσότερα

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { } Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το

Διαβάστε περισσότερα

6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π.

6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π. 6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π. ΑΣΚΗΣΗ 1 Θα χρηιμοποιηθούν οι χέεις που προκύπτουν από τη θεώρηη γραμμικής ιότροπης

Διαβάστε περισσότερα

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. Μέση Τιµή Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: E( ) µ xf ( x) E( ) µ xf ( x) dx Παραδείγµατα: = = x = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Διαβάστε περισσότερα

G G. = - +kr. 4 as. σ α s. Για τις ισχυρές αλληλεπιδράσεις ισχύει: 2. Η μορφή του δυναμικού μεταξύ δύο κουάρκ που χρησιμοποιείται συνηθέστερα είναι:

G G. = - +kr. 4 as. σ α s. Για τις ισχυρές αλληλεπιδράσεις ισχύει: 2. Η μορφή του δυναμικού μεταξύ δύο κουάρκ που χρησιμοποιείται συνηθέστερα είναι: Για τις ιχυρές αλληλεπιδράεις ιχύει: s gs 00 s = π Η μορφή του δυναμικού μεταξύ δύο κουάρκ που χρηιμοποιείται υνηθέτερα είναι: s V s = - kr r e - e Πειραματική μαρτυρία και για τους δύο όρους. Εγκλωβιμός

Διαβάστε περισσότερα

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { } Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ VIII. ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΣΕ ΥΝΑΜΙΚΕΣ ΚΑΤΑΠΟΝΗΣΕΙΣ 1. Ειαγωγή Ήδη από το 180 είχε διαπιτωθεί ότι τα µεταλλικά υλικά, όταν καταπονούνται από επαναλαµβανόµενες ή χρονικά µεταβαλλόµενες

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο ΚΕΦΑΛΑΙΟ 7 Ροπή και Στροφορµή Μέρος πρώτο Μέχρι εδώ εξετάαµε την κίνηη ενός υλικού ηµείου υπό την επίδραη µιας δύναµης. Τα πράγµατα αλλάζουν δραµατικά αν αντί υλικού ηµείου έχοµε ένα τερεό ώµα. Η µελέτη

Διαβάστε περισσότερα

12.1 Σχεδιασμός αξόνων

12.1 Σχεδιασμός αξόνων 1.1 Σχεδιαμός αξόνων Επιδιώκοντας τον χεδιαμό αξόνων αναζητούμε τις διαμέτρους τα διάφορα ημεία αλλαγής διατομών ή επιβολής φορτίων και τα μήκη του άξονα που αντιτοιχούν τις διαμέτρους, την ακτίνα καμπυλότητας

Διαβάστε περισσότερα

Θηκόγραμμα (box-plot) Γραφική παρουσίαση των μέτρων θέσης μιας μεταβλητής

Θηκόγραμμα (box-plot) Γραφική παρουσίαση των μέτρων θέσης μιας μεταβλητής Έχουε δει ότι ένα βαικό ειονέκτηα του αριθητικού έου είναι ότι είναι ευαίθητος ε ακραίες παρατηρήεις. Θηκόγραα (bo-plot) Γραφική παρουίαη των έτρων θέης ιας εταβλητής Ένας ιοταθιένος (p %) αριθητικός έος

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6. Τιμολόγηση Δικαιωμάτων σε συνεχή χρόνο Το μοντέλο των Black and Scholes

ΚΕΦΑΛΑΙΟ 6. Τιμολόγηση Δικαιωμάτων σε συνεχή χρόνο Το μοντέλο των Black and Scholes ΚΕΑΛΑΙΟ 6 Τιμολόγηη Δικαιμάτν ε υνεχή χρόνο Το μοντέλο τν Blk nd hol 6.. Το Μοντέλο τν Blk hol ή Blk hol Mon Έτ μια χρηματοοικονομική αγορά εξεταζόμενη το χρονικό διάτημα [0 ] για κάποιο δεδομένο Τ. Συμβολίζουμε

Διαβάστε περισσότερα

5. Έλεγχοι Υποθέσεων

5. Έλεγχοι Υποθέσεων 5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος

Διαβάστε περισσότερα

Κεφάλαιο 1: Εισαγωγή... 11

Κεφάλαιο 1: Εισαγωγή... 11 Περιεχόμενα Πρόλογος... 7 Ειαγωγικό ημείωμα... 9 Κεφάλαιο : Ειαγωγή.... Η Παγκόμια Χρηματοπιτωτική Κρίη.... Το Αντικείμενο και ο Στόχος του Βιβλίου... 9.3 Η Δομή του Βιβλίου... 0 Κεφάλαιο : Η ιαχείριη

Διαβάστε περισσότερα

ειγματοληπτικές κατανομές

ειγματοληπτικές κατανομές ειγματοληπτικές καταομές Σκοπός της τατιτικής υμπεραματολογίας: η εξαγωγή ατικειμεικώ υμπεραμάτω για έα πληθυμό από περιοριμέο αριθμό δεδομέω (δείγμα). Με τη περιγραφική τατιτική υχά μπορούμε α βγάλουμε

Διαβάστε περισσότερα

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Φωτεινή Κολυβά - Μαχαίρα Ευθυμία Μπόρα - Σέντα ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Παλινδρόμηη του y το x 500 00 y 900 600 300 0 0 40 80 0 x 60 00 40 Επιμέλεια: Φ. Κολυβά - Μαχαίρα Ε. Μπόρα - Σέντα Επιτρέπεται η χρήη

Διαβάστε περισσότερα

Κεφάλαιο 2. Αξιοπιστία μονάδων - συστημάτων στο χρόνο. Κατανομές χρόνων ζωής

Κεφάλαιο 2. Αξιοπιστία μονάδων - συστημάτων στο χρόνο. Κατανομές χρόνων ζωής Κεφάαιο Αξιοπιτία μονάδων - υτημάτων το χρόνο Κατανομές χρόνων ζωής Στο προηγούμενο κεφάαιο εξετάαμε την αξιοπιτία μονάδων ή υτημάτων τατικά δηαδή υποθέταμε ότι η μεέτη γίνονταν πάντα ε κάποια υγκεκριμένη

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι Ονοματεπώνυμο: Όνομα Πατρός:... ΑΜ:. Ημερομηνία: Σ Παρακαλώ μη γράφετε στα παρακάτω τετράγωνα Μέρος

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως

Διαβάστε περισσότερα

3. Βασικά µαθηµατικά µεγέθη, συµβολισµοί και σχέσεις

3. Βασικά µαθηµατικά µεγέθη, συµβολισµοί και σχέσεις ρ.χ. Στρουθόπουλος, e-mail: stch@teise.g ΑΤΕΙ Σερρώ 3. Βαικά µαθηµατικά µεγέθη, υµβολιµοί και χέεις 3.. Πίακας τήλης Α το πλήθος τω προτύπω, το πλήθος τω χαρακτηριτικώ που µετράµε ε κάθε πρότυπο και Τ

Διαβάστε περισσότερα

Ορισμός και Ιδιότητες

Ορισμός και Ιδιότητες ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Ορισμός και Ιδιότητες H κανονική κατανομή norml distriution θεωρείται η σπουδαιότερη κατανομή της Θεωρίας Πιθανοτήτων και της Στατιστικής. Οι λόγοι που εξηγούν την εξέχουσα θέση της,

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΚΕΦΑΛΑΙΟ 4 ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ ΚΕΦΑΛΑΙΟ ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Ειαγωγή Υπάρχουν προβήµατα πιθανοτήτων τα οποία θα πρέπει να µεετηθούν δύο ή περιότερες τυχαίες µεταβητές από κοινού για να µπορεί να περιγραφεί επαρκώς και πήρως το αντίτοιχο

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΕΚΣΚΑΦΩΝ ΣΕ ΣΥΜΠΑΓΕΣ ΠΕΤΡΩΜΑ

ΑΝΑΛΥΣΗ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΕΚΣΚΑΦΩΝ ΣΕ ΣΥΜΠΑΓΕΣ ΠΕΤΡΩΜΑ ΑΝΑΛΥΣΗ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΕΚΣΚΑΦΩΝ ΣΕ ΣΥΜΠΑΓΕΣ ΠΕΤΡΩΜΑ. ΜΕΘΟΔΟΛΟΓΙΑ. Τα υπόγεια τεχνικά έργα έχουν γενικά μεγάλη διάρκεια ζωής. Τέτοια είναι οι ήραγγες, οι άλαμοι, οι αποήκες καυίμων, τα

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ 20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ

ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ ΚΕΦΑΛΑΙΟ 5 ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ 5. Ειαγωγικά Στα προηγούµενα κεφάλαια, αχοληθήκαµε µε τη µελέτη πεδίων που η δηµιουργία τους οφείλονταν την παρουία ακίνητων ηλεκτρικών φορτίων.

Διαβάστε περισσότερα

X 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 )

X 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

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ Τµ. Επιστήµης των Υλικών Συνάρτηση Κατανοµής Ορισµός F(x) = P(X x) = f(t) x t x f(t)dt, X διακριτή τ.µ., X συνεχής τ.µ. Ιδιότητες 0 F(x). 2 F είναι αύξουσα συνάρτηση. 3 F είναι συνεχής εκ δεξιών. 4 lim

Διαβάστε περισσότερα

Νόμος των Wiedemann-Franz

Νόμος των Wiedemann-Franz Άκηη 38 Νόμος των Widmann-Franz 38.1 Σκοπός Σκοπός της άκηης αυτής είναι η μέτρηη της ταθεράς Lorntz ε δύο διαφορετικά μέταα οι ιδιότητες των οποίων διαφέρουν ημαντικά. Η ταθερά του Lorntz μετράται μέω

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ: «ΜΕΤΡΟΛΟΓΙΑ»

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ: «ΜΕΤΡΟΛΟΓΙΑ» ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ: «ΜΕΤΡΟΛΟΓΙΑ» ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΑΤΙΣΤΙΚΟΙ ΕΛΕΓΧΟΙ ΓΙΑ ΤΗΝ ΑΞΙΟΠΙΣΤΙΑ ΤΩΝ ΟΡΓΑΝΩΝ.-.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2. Μετρήσεις, Σφάλµατα και Στατιστικά Μεγέθη

ΚΕΦΑΛΑΙΟ 2. Μετρήσεις, Σφάλµατα και Στατιστικά Μεγέθη ΚΕΦΑΛΑΙΟ. Μετρήεις, Σφάλµατα και Στατιτικά Μεγέθη . Ειαγωγή Αχοληθήκαµε το προηγούµενο Κεφάλαιο µε τον οριµό µαθηµατικών εργαλείων για την περιγραφή της πιθανότητας ή της πυκνότητας πιθανότητας ώτε µία

Διαβάστε περισσότερα

Απόκλιση και στροβιλισµός ενός διανυσµατικού πεδίου. R και ( ) y z z x x y

Απόκλιση και στροβιλισµός ενός διανυσµατικού πεδίου. R και ( ) y z z x x y 5 Απόκλιη και τροβιλιµός ενός διανυµατικού πεδίου Έτω F ένα C διανυµατικό πεδίο του R, δηλαδή υνάρτηη µε D ανοικτό το F = F, F, F. R και F : D R R Στο διανυµατικό πεδίο F αντιτοιχούµε ένα άλλο διανυµατικό

Διαβάστε περισσότερα

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής. 2.6 ΟΡΙΑ ΑΝΟΧΗΣ Το διάστηµα εµπιστοσύνης παρέχει µία εκτίµηση µιας άγνωστης παραµέτρου µε την µορφή διαστήµατος και ένα συγκεκριµένο βαθµό εµπιστοσύνης ότι το διάστηµα αυτό, µε τον τρόπο που κατασκευάσθηκε,

Διαβάστε περισσότερα

Σχ. 1 Eναλλασσόμενες καταπονήσεις

Σχ. 1 Eναλλασσόμενες καταπονήσεις Πανεπιτήμιο Θεαλίας Διδάκων: Αλ. Κερμανίδης Σχεδιαμός Στοιχείων Μηχανών ε μεταβαλλόμενα φορτία Μεταβαλλόμενα με τον χρόνο φορτία χαρακτηρίζονται τα φορτία που μεταβάλλουν το μέγεθος ή την διεύθυνη τους

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010 ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 1 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα 1 Θέμα Θέμα 3 Θέμα 4 Θέμα 5 Θέμα 5* Βαθμός ΝΠΣ ΠΠΣ / / / / / /1 / / / / / / /1 ΘΕΜΑ 1: Στο ράφι

Διαβάστε περισσότερα

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.) 3 Οριακά θεωρήµατα Κεντρικό Οριακό Θεώρηµα (ΚΟΘ) Ένα από τα πιο συνηθισµένα προβλήµατα που ανακύπτουν στη στατιστική είναι ο προσδιορισµός της κατανοµής ενός µεγάλου αθροίσµατος ανεξάρτητων τµ Έστω Χ Χ

Διαβάστε περισσότερα

Σχήµα 5.1 : Η κανονική κατανοµή, όπου τ = (x-μ)/σ

Σχήµα 5.1 : Η κανονική κατανοµή, όπου τ = (x-μ)/σ 5 Μοντέλα θυάνου του Gauss Όπως προαναφέρθηκε η δηµοφιλέτερη µεθοδολογία υπολογιµού της ατµοφαιρικής διαποράς ε πρακτικές εφαρµογές βαίζεται την εξίωη θυάνου του Gauss. Κάτω από υγκεκριµένες υνθήκες, τα

Διαβάστε περισσότερα