Ανάλυση Επιβίωσης. Κεφάλαιο Συνάρτηση Επιβίωσης. S(t) ορίζεται ως η πιθανότητα επιβίωσης ενός ατόµου πέραν τη χρονική
|
|
- Διδώ Καλογιάννης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Κεφάλαιο 19 Ανάλυση Επιβίωσης Η ανάλυση επιβίωσης (survival analysis) αναφέρεται στην ανάλυση δεδοµένων που αφορούν στο χρόνο που µεσολαβεί µέχρι κάποιο συγκεκριµένο συµβάν. Αρχικά η ανάλυση αναφερόταν στο χρόνο µεταξύ της ϑεραπείας µέχρι τον ϑάνατο και για αυτό το λόγο πήρε και το συγκεκριµένο όνοµα. Η ανάλυση επιβίωσης όµως µπορεί να εφαρµοστεί σε αρκετές περιπτώσεις, όπως για παράδειγµα στη µηχανολογία, για την ανάλυση του χρόνου µέχρι την εµπλοκή ενός µηχανήµατος ή τη γεωργία, για την ανάλυση του χρόνου µέχρι την στιγµή να ϐγάλει καρπό ένα δέντρο. Στην περίπτωση της µηχανολογίας η ανάλυση αναφέρεται και ως ϑεωρία αξιοπιστίας (reliability theory). Ο χρόνος επιβίωσης χρίζει ειδικής µεταχείρισης για το λόγο ότι είναι περιορισµένος στο να είναι πάντα ϑετικός, και γιατί τα δεδοµένα περιέχουν λογοκριµένες (cencored) παρατηρήσεις. Τα λογοκριµένα δεδοµένα είναι αυτά για τα οποία δεν είναι γνωστός ο χρόνος που συµβαίνει το γεγονός. Το µόνο που µπορεί να λεχθεί είναι ότι ο χρόνος επιβίωσής τους είναι µεγαλύτερος από την τιµή που έχει καταγραφεί. Στην ανάλυση επιβίωσης είναι πολύ σηµαντικές δύο συναρτήσεις οι οποίες περιγράφουν την κατανοµή του χρόνου επιβίωσησ: η συνάρτηση επιβίωσης και η συνάρτηση κινδύνου Συνάρτηση Επιβίωσης Συµβολίζοντας το χρόνο επιβίωσης µε T, η συνάρτηση επιβίωσης (survival function) S(t) ορίζεται ως η πιθανότητα επιβίωσης ενός ατόµου πέραν τη χρονική 207
2 στιγµή t και δίνεται από τη σχέση : S(t) = P (T > t) = 1 F (t) Η συνάρτηση επιβίωσης είναι µη αρνητική και µη αύξουσα συνάρτηση του t µε S(0) = 1 και S( ) = 0. Η γραφική παράσταση της S(t) συναρτήσει του t είναι γνωστή ως καµπύλη επιβίωσης και είναι πολύ σηµαντική στην ανάλυση δεδοµένων χρόνου επιβίωσης Συνάρτηση Κινδύνου Η συνάρτηση κινδύνου, h(t), ορίζεται ως η πιθανότητα αποβίωσης (ή πραγµάτωσης του γεγονότος που εξετάζεται) τη χρονική στιγµή t, δεδοµένου ότι το άτοµο έχει επιβιώσει µέχρι τη χρονική στιγµή t. ηλαδή, h(t) = lim s 0 P (t T t + s T t) s Η συνάρτηση κινδύνου δίνει ένα µέτρο του πόσο πιθανό είναι ένα άτοµο να απο- ϐιώσει ως συνάρτηση της ηλικίας του ατόµου, για παράδειγµα ο κίνδυνος ϑανάτου ανάµεσα σε αυτούς που είναι Ϲωντανοί τη συγκεκριµένη στιγµή Μοντέλο αναλόγων συναρτήσεων κινδύνου Στην ανάλυση επιβίωση παίζει µεγάλο ϱόλο η εξεύρεση παραγόντων οι οποίοι να σχετίζονται µε το χρόνο επιβίωσης. Αυτοί οι παράγοντες ϑα πρέπει να συ- µπεριληφθούν στο µοντέλο που ϑα χρησιµοποιηθεί για τη σχετική ανάλυση των δεδοµένων. Αφού η συνάρτηση κινδύνου είναι µη αρνητική, ο λογάριθµός της µπορεί να εκφραστεί ως γραµµική συνάρτηση επεξηγηµατικών µεταβλητών : ln h(t) = β 0 + β 1 x 1 + β 2 x β p x p Το µοντέλο αυτό όµως είναι πολύ περιοριστικό αφού υποθέτει ότι η συνάρτηση κινδύνου δεν εξαρτάται από το χρόνο. Υπάρχουν διάφορες µέθοδοι µε τις οποίες το µοντέλο ϑα µπορούσε να υιοθετήσει την εξάρτηση του χρόνου, µε την πιο γνωστή να είναι το µοντέλο αναλόγων συναρτήσεων κινδύνου (Cox 1972). Το µοντελό αυτό δίνεται από ln h(t) = α(t) + β 1 x 1 + β 2 x β p x p 208
3 όπου α(t) είναι οποιαδήποτε συνάρτηση του χρόνου. Ο όρος αναλόγων συναρτήσεων κινδύνου είναι λόγω του γεγονότος ότι για οποιαδήποτε άτοµα για οποιδήποτε σηµείο του χρόνου, ο λόγος των συναρτήσεων κινδύνου είναι σταθερός. Εξαιτίας του ότι η συνάρτηση κινδύνου α(t) δεν είναι ανάγκη να οριστεί εξ ολοκλήρου, το µοντέλο αναλόγων συναρτήσεων κινδύνου ϑεωρείται ως ηµιπαραµετρικό. Ο Cox εισηγήθηκε µια µέθοδο δεσµευµένης πιθανοφάνειας για εκτίµηση των παραµέτρων. Το σηµαντικό στοιχείο αυτής της µεθόδου είναι οι εκτιµήσεις ε- ξαρτώνται από τη σειρά µε την οποία συµβαίνει το γεγονός και όχι τον ακριβή χρόνο Παράδειγµα Τα δεδοµένα του παραδείγµατος, τα οποία δίνονται στο παράρτηµα στο τέλος του κεφαλαίου, αναφέρονται σε 51 ασθενείς οι οποίοι πάσχουν από οξεία µυελοβλαστική λευχαιµία και που δεν έχουν µέχρι τώρα δεχθεί οποιαδήποτε ϑεραπεία. Οι ασθενείς αυτοί υποβάλλονται σε µια σειρά ϑεραπείας, στο τέλος της οποίας έχουν εξετασθεί αν έχουν ανταποκριθεί ή όχι. Εχουν καταγραφεί πριν τη ϑεραπεία έξι µεταβλητές : 1. η ηλικία διάγνωσης, Age, 2. το ποσοστό επίστρωσης των ϐλαστοκυττάρων, Smear, 3. το ποσοστό των κυττάρων από τη λευχαιµία που εισήλθαν στο µυελό των οστών, Infil, 4. το ποσοστό των κυττάρων που προήλθαν από το µυελό των οστών, Index, 5. τα απόλυτα ϐλαστοκύτταρα, Blasts, και 6. η ψηλότερη ϑερµοκρασία σώµατος πριν τη ϑεραπεία, Temp. Επίσης, καταγράφεται ο χρόνος επιβίωσης του ατόµου, Time, και η ανταπόκρισή του στη ϑεραπεία, Resp. Τέλος, η µεταβλητή Status δείχνει αν οι παρατηρήσεις ενός ατόµου είναι λογοκριµένες ή όχι. Η προς εξέταση ερώτηση είναι το κατά πόσο σηµαντικές είναι στη πρόβλεψη του χρόνου επιβίωσης οι έξι µεταβλητές που καταγράφηκαν πριν από τη ϑεραπεία. Για να απαντηθεί η ερώτηση αυτή ϑα χρησιµοποιηθεί το µοντέλο αναλόγων συναρτήσεων κινδύνου. Στην R οι αναγκαίες συναρτήσεις για την ανάλυση επιβίωσης ϐρίσκονται στη ϐιβλιοθήκη survival. Το µοντέλο αναλόγων συναρτήσεων κινδύνου εφαρµόζεται χρησιµοποιώντας την εντολή coxph. Η περιγραφή του µοντέλου στην coxph 209
4 γίνεται µε παρόµοιο τρόπος όπως και στην περίπτωση των γραµµικών µοντέλων µε την lm, µε τη διαφορά ότι το αριστερό µέρος της είναι αντικείµενο επιβίωσης που δηµιουργείται από τη συνάρτηση Surv. Στην περίπτωση που τα δεδοµένα είναι δεξιά-λογοκριµένα, η συνάρτηση Surv έχει τη µορφή Surv(time,event), µε time να είναι είτε ο χρόνος µέχρι το γεγονός ή ο χρόνος λογοκρισίας, και event να είναι µια δείκτρια µεταβλητή µε τιµή ίση µε 1 αν το γεγονός παρατηρείται ή ίση µε 0 αν αν η παρατήρηση είναι λογοκριµένη. Εφαρµόζοντας το µοντέλο αναλόγων συναρτήσεων κινδύνου µε τις 6 επεξηγηµατικές µεταβλητές παίρνονται τα ακόλουθα αποτελέσµατα : > library(survival) > cancer.dat <- read.table("cancer.dat", col.names=c("age","smear", + "Infil","Index","Blasts","Temp","Resp","Time","Status")) > time<-cancer.dat[,"time"] > status<-1-cancer.dat[,"status"] > attach(cancer.dat) > cancer.cox<-coxph(surv(time,status)~age+smear+infil+index+blasts) > summary(cancer.cox) Call: coxph(formula = Surv(time, status) ~ Age + Smear + Infil + Index + Blasts) n= 51 coef exp(coef) se(coef) z p Age Smear Infil Index Blasts exp(coef) exp(-coef) lower.95 upper.95 Age Smear Infil Index Blasts
5 Rsquare= (max possible= ) Likelihood ratio test= 19.1 on 5 df, p= Wald test = 17.6 on 5 df, p= Score (logrank) test = 18.9 on 5 df, p= Είναι ϕανερό ότι η ηλικία διάγνωσης, Age, είναι η πιο σηµαντική µεταβλητή για την πρόβλεψη του χρόνου επιβίωσης, αφού έχει p-value πολύ κοντά στο 0. Για το λόγο αυτό εφαρµόζεται ένα νέο µοντέλο µε µόνο αυτή τη µεταβλητή ως επεξηγηµατική και δίνει τα ακόλουθα αποτελέσµατα : > cancer.cox1<-coxph(surv(time,status)~age) > cancer.cox1 Call: coxph(formula = Surv(time, status) ~ Age) coef exp(coef) se(coef) z p Age Likelihood ratio test=11.8 on 1 df, p= n= 51 Η ερµηνεία του εκτιµηµένου συντελεστή του µοντέλου είναι ότι κάθε επιπρόσθετος χρόνος Ϲωής αυξάνει το λογάριθµο της συνάρτησης κινδύνου κατά Μια πιο σωστή προσέγγιση της ερµηνείας µπορεί να γίνει αφού πρώτα ϐρεθεί η εκθετική συνάρτηση του συντελεστή. Επειτα για κάθε αύξηση κατά µία µονάδα της επεξηγηµατική µεταβλητής, η συνάρτηση κινδύνου πολλαπλασιάζεται µε τον εκθετικό συντελεστή. Η τιµή της 100(exp(coef f icient) 1) δίνει την ποσοστιαία αλλαγή στη συνάρτηση κινδύνου για κάθε µοναδιαία αύξηση στην επεξηγηµατική µεταβλητή. Συνεπώς, αύξηση ενό χρόνου στην ηλικία διάγνωσης οδηγεί σε αύξηση 3% της συνάρτησης κινδύνου. Το επόµενο στάδιο της ανάλυσης η ανάλυση των υπολοίπων από το µοντέλο µε τη ϐοήθεια διαγνωστικών γραφηµάτων για την εξεύρεση αποµακρυσµένων τι- µών, παρατηρήσεων επιρροής κ.α. Θα χρησιµοποιηθούν τρία διαφορετικά είδη υπολοίπων : martingale: χρήσιµα στο να αποκαλύπτουν τη συναρτησιακή µορφή των επεξηγηµατικών µεταβλητών, 211
6 deviance: χρήσιµα στην αναγνώριση των λιγότερο καλών εκτιµώµενων πα- ϱατηρήσεων, Schoenfeld: χρήσιµα στο να υποδεικνύουν αν το µοντέλο αναλόγων συναρτήσεων κινδύνου είναι κατάλληλο ή όχι. Στην αρχή κατασκευάζεται το γράφηµα των υπολοίπων martingale συναρτήσει της ηλικίας διάγνωσης χρησιµοποιώντας τις πιο κάτω εντολές, > cancer.cox1.mart<-residuals(cancer.cox1,type="martingale") > plot(age,cancer.cox1.mart,ylab="martingale residual") > abline(h=0) > lines(lowess(age,cancer.cox1.mart)) Το γράφηµα παρουσιάζεται στο Σχήµα Η τελευταία εντολή δίνει τη γραµµή εξοµάλυνσης lowess, η οποία υποδεικνύει ότι ίσως να πρέπει να ϑεωρηθεί ο τετραγωνικός παράγοντας της ηλικίας διάγνωσης στο µοντέλο, ή εναλλακτικά, να ϑεωρηθούν ξεχωριστά οι ηλικίες µικρότερες και µεγαλύτερες του 45. Martingale residual Age Σχήµα 19.1: Ηλικία διάγνωσης συναρτήσει των υπολοίπων martingale µαζί µε τη γραµµή εξοµάλυνσης lowess. Στη συνέχεια, κατασκευάζεται µε παρόµοιο τρόπο το γράφηµα των υπολοίπων deviance συναρτήσει της ηλικίας διάγνωσης και παρουσιάζεται στο Σχήµα
7 Μόνο το υπόλοιπο το οποίο αντιστοιχεί στην 22η παρατήρηση παρουσιάζεται ως αποµακρυσµένη τιµή. Αυτό αντιστοιχεί σε άτοµο µε µηδενικό χρόνο επιβίωσης. > cancer.cox1.dev<-residuals(cancer.cox1,type="deviance") > plot(age,cancer.cox1.dev,ylab="deviance residual") > abline(h=0) > lines(lowess(age,cancer.cox1.dev)) > identify(age,cancer.cox1.dev,n=1) [1] Deviance residual Age Σχήµα 19.2: Ηλικία διάγνωσης συναρτήσει των υπολοίπων deviance µαζί µε τη γραµµή εξοµάλυνσης lowess. Τέλος, δίνεται το γράφηµα των υπολοίπων Schoenfeld συναρτήσει του χρόνου επιβίωσης µε την προσθήκη της γραµµής εξοµάλυνσης lowess (Σχήµα 19.3). > cancer.cox1.shoen<-residuals(cancer.cox1,type="schoenfeld") > plot(age[status==1],cancer.cox1.shoen,xlab="survival time", + ylab="schoenfeld residual") > abline(h=0) > lines(lowess(age[status==1],cancer.cox1.shoen)) 213
8 Το πιο σηµαντικό συµπέρασµα είναι ότι όσο µικραίνει ο χρόνος επιβίωσης οι τιµές των υπολοίπων τείνουν να είναι αρνητικές. Αυτό αντιστοιχεί στους νεαρότε- ϱους ασθενείς και συνεπώς, υπάρχει και εδώ ένδειξη ότι ίσως να είναι καλύτερα να γίνει διαχωρισµός των ασθενών κατά ηλικία. Schoenfeld residual Survival time Σχήµα 19.3: Χρόνος επιβίωσης συναρτήσει των υπολοίπων Schoenfeld µαζί µε τη γραµµή εξοµάλυνσης lowess. Λαµβάνοντας υπόψη την ένδειξη από την ανάλυση υπολοίπων, ϑα γίνει προσπάθεια ανάλυσης των δεδοµένων εξετάζοντας τους ασθενείς ϐάσει της ηλικίας τους, διαχωρίζοντάς τους σε δύο κατηγορίες, µικρότερους και µεγαλύτερους από 45 ετών. Με τη ϐοήθεια των ακόλουθων εντολών κατασκευάζεται το γράφηµα των καµπυλών διαβίωσης των δύο ηλικιακών κατηγοριών στο ίδιο γράφηµα (Σχήµα 19.4). > agroup<-cancer.dat[,"age"]-45 > agroup[agroup>=0]<-1 > agroup[agroup<0]<-0 > plot(survfit(surv(time,status)~agroup),xlab="survival Time in months", + ylab="proportion surviving",lty=1:2) > legend("topright",c("under 45","45 and over"),lty=1:2) 214
9 Proportion surviving Under and over Survival Time in months Σχήµα 19.4: Καµπύλη επιβίωσης για τα άτοµα µε ηλικία διάγνωσης κάτω και πάνω από 45 χρονών. Οπως διαφαίνεται από το γράφηµα, υπάρχει σηµαντική διαφορά στις καµπύλες διαβίωσης των δύο κατηγοριών.αυτό εξετάζεται και µε τη ϐοήθεια του ελέγχου log-rank, ό οποίος είναι έλεγχος X 2 και εφαρµόζεται στην R µε την εντολή survdiff. > survdiff(surv(time,status)~agroup) Call: survdiff(formula = Surv(time, status) ~ agroup) N Observed Expected (O-E)^2/E (O-E)^2/V agroup= agroup= Chisq= 11 on 1 degrees of freedom, p= Ο έλεγχος δίνει τιµή για την ελεγχοσυνάρτηση ίση µε 11 µε 1 ϐαθµό ελευθερίας. Το p-value του ελέγχου είναι πολύ κοντά στο 0 µε αποτέλεσµα να απορρίπτεται η υπόθεση ότι οι δύο ηλικιακές κατηγορίες έχουν την ίδια συνάρτηση διαβίωσης. 215
10 Παράρτηµα Τα δεδοµένα που χρησιµοποιούνται σε αυτό το κεφάλαιο για εφαρµογή της ανάλυσης διαβίωσης. > cancer.dat Age Smear Infil Index Blasts Temp Resp Time Status
11
12 218
Λογιστική Παλινδρόµηση
Κεφάλαιο 10 Λογιστική Παλινδρόµηση Στο κεφάλαιο αυτό ϑα δούµε την µέθοδο της λογιστικής παλινδρόµησης η οποία χρησιµεύει στο να αναπτύξουµε σχέση µίας δίτιµης ανεξάρτητης τυχαίας µετα- ϐλητής και συνεχών
Διαβάστε περισσότεραΜη Παραµετρική Παλινδρόµηση
Κεφάλαιο 18 Μη Παραµετρική Παλινδρόµηση Το παραδοσιακό παραµετρικό µοντέλο δίνεται από την εξίσωση y i = f(β, x i ) + ε i, όπου β = (β 1,..., β p ) το διάνυσµα των παραµέτρων που ϑα εκτιµηθούν, και x i
Διαβάστε περισσότεραΛογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Διαβάστε περισσότεραΑνάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών
Κεφάλαιο 22 Ανάλυση Χρονοσειρών 22.1 Ανάλυση Χρονοσειρών Με τον όρο Χρονοσειρά εννοούµε µια σειρά από παρατηρήσεις που παίρνονται σε ορισµένες χρονικές στιγµές ή περιόδους που ισαπέχουν µεταξύ τους. Υπάρχουν
Διαβάστε περισσότεραΕκτίµηση Μη-Γραµµικών Μοντέλων
Κεφάλαιο 16 Εκτίµηση Μη-Γραµµικών Μοντέλων 16.1 Περιγραφή των εδοµένων Τα δεδοµένα που ϑα χρησιµοποιηθούν στο κεφάλαιο αυτό λήφθηκαν από µια δοκιµή µε δέκτη-ορµονών σχετικά µε τον όγκο στο στήθος στους
Διαβάστε περισσότερα5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο
5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε
Διαβάστε περισσότεραΑνάλυση επιβίωσης (survival analysis)
Hippokratia 2014 Ανάλυση επιβίωσης (survival analysis) Κων/νος Α. Τουλής, MD MRes MSc PhD Ενδοκρινολόγος, 424 ΓΣΝΕ Τι είναι η ανάλυση επιβίωσης; Η ανάλυση επιβίωσης (survival analysis) είναι μια ομάδα
Διαβάστε περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science»
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science» ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Βιοστατιστική: Η περίπτωση της χρήσης της
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 205 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Κατερίνα Καραγιαννάκη Ασκηση. Η τυχαία µεταβλητή X έχει αθροιστική
Διαβάστε περισσότεραΓραµµική Παλινδρόµηση
Κεφάλαιο 8 Γραµµική Παλινδρόµηση Η γραµµική παλινδρόµηση είναι ένα από τα πιο σηµαντικά ϑέµατα της Στατιστική ϑεωρείας. Στη συνέχεια αυτή η πολύ γνωστή µεθοδολογία ϑα αναπτυχθεί στην R µέσω των τύπων για
Διαβάστε περισσότερα4.3 Παραδείγµατα στην συνέχεια συναρτήσεων
5. Η συνάρτηση είναι συνεχής στο R. 6. Η συνάρτηση sin είναι συνεχής στο R. 7. Η συνάρτηση cos είναι συνεχής στο R. 8. Η συνάρτηση tan είναι συνεχής σε κάθε R µε k π + π/2, k Z. 9. Η συνάρτηση cotan είναι
Διαβάστε περισσότεραΒ Γραφικές παραστάσεις - Πρώτο γράφημα Σχεδιάζοντας το μήκος της σανίδας συναρτήσει των φάσεων της σελήνης μπορείτε να δείτε αν υπάρχει κάποιος συσχετισμός μεταξύ των μεγεθών. Ο συνήθης τρόπος γραφικής
Διαβάστε περισσότεραDoes anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis
Does anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis Xue Han, MPH and Matt Shotwell, PhD Department of Biostatistics Vanderbilt University School of Medicine March 14, 2014
Διαβάστε περισσότεραΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ: ΑΣΚΗΣΕΙΣ
ΜΕΜ264: Εφαρμοσμένη Στατιστική 1 ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ: ΑΣΚΗΣΕΙΣ 1. Σε μελέτη της επίδρασης γεωργικών χημικών στην προσρόφηση ιζημάτων και εδάφους, δίνονται στον πιο κάτω πίνακα 13 δεδομένα για το δείκτη
Διαβάστε περισσότερακαι y και κατά συνέπεια SST=SSE. Μονάδες 2.5 (i) Δείξτε ότι το άθροισμα τετραγώνων λόγω παλινδρόμησης είναι SSR=y'(H- J
ΣΕΜΦΕ- ΕΜΠ- Ανάλυση Παλινδρόμησης- Εξετάσεις Χειμερινού Εξαμήνου 015-016 1!! Επιλέξτε 4 θέματα από τα 7!! Διάρκεια εξέτασης : 1/ ώρες Καλή Επιτυχία! ΘΕΜΑ 1 ο (α) Στο γενικό γραμμικό μοντέλο y=xβ+ε, ε ~
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Διαβάστε περισσότερα«Εφαρμογή της ανάλυσης επιβίωσης για την αξιολόγηση της θνησιμότητας των δέντρων στο δάσος Ελατιάς Δράμας»
Δημοκρίτειο Πανεπιστήμιο Θράκης Τμήμα Δασολογίας Μεταπτυχιακή διατριβή «Εφαρμογή της ανάλυσης επιβίωσης για την αξιολόγηση της θνησιμότητας των δέντρων στο δάσος Ελατιάς Δράμας» Αποστολοπούλου Ευαγγελία
Διαβάστε περισσότερα4 Συνέχεια συνάρτησης
4 Συνέχεια συνάρτησης Σε αυτή την ενότητα ϑα µελετήσουµε την έννοια της συνέχειας συνάρτησης. Πιο συγκεκριµένα πότε ϑα λέγεται µια συνάρτηση συνεχής σε ένα σηµείο το οποίο ανήκει στο πεδίο ορισµού της
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
Διαβάστε περισσότεραΑνάλυση της ιακύµανσης
Κεφάλαιο 9 Ανάλυση της ιακύµανσης Η ανάλυση της διακύµανσης είναι µια από τις πλέον σηµαντικές µεθόδους για ανάλυση δεδοµένων. Η µέθοδος αυτή αναφέρετε στη διαµέριση του συνολικού αθροίσµατος τετραγώνων
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ. Εαρινό εξάµηνο ακαδηµαϊκού έτους 2003-2004 ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. Εργασία 4 - Ενδεικτική λύση
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ Εαρινό εξάµηνο ακαδηµαϊκού έτους 34 ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 5 Μαΐου 4 Εργασία 4 - Ενδεικτική λύση Το κείµενο απευθύνεται στους φοιτητές και αιτιολογεί και περιγράφει
Διαβάστε περισσότεραΤΟ ΜΟΝΤΕΛΟ ΑΝΑΛΟΓΙΚΩΝ ΚΙΝΔΥΝΩΝ ΤΟΥ COX ΚΑΙ ΕΦΑΡΜΟΓΗ ΣΤΗΝ R
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΤΟ ΜΟΝΤΕΛΟ ΑΝΑΛΟΓΙΚΩΝ ΚΙΝΔΥΝΩΝ ΤΟΥ COX ΚΑΙ ΕΦΑΡΜΟΓΗ ΣΤΗΝ R ΠΡΟΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
Διαβάστε περισσότεραΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ
F3W.PR09 Όνομα: Επίθετο: Ημερομηνία: 7/0/07 Πρωί: Απόγευμα: Θεματική ενότητα: Αναλογιστικά Πρότυπα Επιβίωσης Ερώτηση Εάν η τυχαία μεταβλητή Τ έχει συνάρτηση πυκνότητας f ep 3 3 να υπολογίσετε το 90 ο εκατοστημόριο
Διαβάστε περισσότεραΜαθηματική Εισαγωγή Συναρτήσεις
Φυσικός Ραδιοηλεκτρολόγος (MSc) ο Γενικό Λύκειο Καστοριάς A. Μαθηματική Εισαγωγή Πράξεις με αριθμούς σε εκθετική μορφή Επίλυση βασικών μορφών εξισώσεων Συναρτήσεις Στοιχεία τριγωνομετρίας Διανύσματα Καστοριά,
Διαβάστε περισσότεραcov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. σε μη γραμμικές μορφές. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 7: Επεκτάσεις του γραμμικού υποδείγματος σε μη γραμμικές μορφές Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότερα0 x < (x + 2) 2 x < 1 f X (x) = 1 x < ( x + 2) 1 x < 2 0 x 2
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες-Χειµερινό Εξάµηνο 6-7 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 9 Επιµέλεια : Γιαννόπουλος Μιχάλης Ασκηση Εστω X συνεχής Τ.Μ. µε Συνάρτηση Πυκνότητας
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΤμήμα Μηχανικών Παραγωγής και Διοίκησης Χειμερινό Διδάσκων: Καθηγητής Παντελής Ν. Μπότσαρης Εργαστήρια/Ασκήσεις: Δρ.
ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Τμήμα Μηχανικών Παραγωγής και Διοίκησης Χειμερινό 2016 2017 Διδάσκων: Καθηγητής Παντελής Ν. Μπότσαρης Εργαστήρια/Ασκήσεις: Δρ. Πέτρος Πιστοφίδης Εισαγωγή
Διαβάστε περισσότεραΓενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση
Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση Γενική μορφή g( E[ Y X ]) Xb Κατανομή της Υ στην εκθετική οικογένεια Ανεξάρτητες παρατηρήσεις Ενας όρος για το σφάλμα g(.) Συνδετική συνάρτηση (link function)
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Είδη μεταβλητών Ποσοτικά δεδομένα (π.χ. ηλικία, ύψος, αιμοσφαιρίνη) Ποιοτικά δεδομένα (π.χ. άνδρας/γυναίκα, ναι/όχι) Διατεταγμένα (π.χ. καλό/μέτριο/κακό) 2 Περιγραφή ποσοτικών
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών
Διαβάστε περισσότερα5.1 Ο ΕΛΕΓΧΟΣ SMIRNOV
5. Ο ΕΛΕΓΧΟΣ SMIRNOV Έστω δύο ανεξάρτητα τυχαία δείγματα, 2,..., n και, 2,..., m n και m παρατηρήσεων πάνω στις τυχαίες μεταβλητές και, αντίστοιχα. Έστω, επίσης, ότι F (), (, ) και F (y), y (, ) είναι
Διαβάστε περισσότεραόπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 10: Η γραφική παράσταση της συνάρτησης f (x) = 1/x.
3 Ορια συναρτήσεων 3. Εισαγωγικές έννοιες. Ας ϑεωρήσουµε την συνάρτηση f () = όπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 0: Η γραφική παράσταση της συνάρτησης f () = /. ϕυσικό να αναζητήσουµε την
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4. Προσφορά των Αγαθών
ΚΕΦΑΛΑΙΟ 4 Προσφορά των Αγαθών Καμπύλη Προσφοράς Υποθέσεις 1. Η επιχείρηση είναι αποδέκτης τιμών (price taker) και όχι διαμορφωτής τιμών (price maker). 2. H επιχείρηση στοχεύει στην μεγιστοποίηση του κέρδους.
Διαβάστε περισσότεραΓια την τοπική μελέτη μιας συνάρτησης f ενδιαφέρον έχει η συμπεριφορά της συνάρτησης γύρω απο κάποια θέση x 0
5 Όριο συνάρτησης Α ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Για την τοπική μελέτη μιας συνάρτησης f ενδιαφέρον έχει η συμπεριφορά της συνάρτησης γύρω απο κάποια θέση (δηλαδή όταν το βρίσκεται πολύ κοντά στο ) ή στο
Διαβάστε περισσότεραΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ
A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΣΥΓΚΡΙΤΙΚΗ ΣΤΑΤΙΚΗ ΑΝΑΛΥΣΗ ΠΑΡΑΓΩΓΟΣ- ΚΑΝΟΝΕΣ ΠΑΡΑΓΩΓΙΣΗΣ
ΣΥΓΚΡΙΤΙΚΗ ΣΤΑΤΙΚΗ ΑΝΑΛΥΣΗ ΠΑΡΑΓΩΓΟΣ- ΚΑΝΟΝΕΣ ΠΑΡΑΓΩΓΙΣΗΣ Η Συγκριτική Στατική Ανάλυση ασχολείται με την σύγκριση διαφόρων καταστάσεων ισορροπίας οι οποίες συνδέονται με διαφορετικά σύνολα τιμών των παραμέτρων
Διαβάστε περισσότεραΠερίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων
Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων 6 Απριλίου 2009 1 Συνδυαστική Η ϐασική αρχή µέτρησης µας λέει ότι αν σε ένα πείραµα που γίνεται σε δύο ϕάσεις και στο οποίο υπάρχουν n δυνατά αποτελέσµατα
Διαβάστε περισσότεραΚεφάλαιο 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 περισσότεραΜάθημα Αστικής Γεωγραφίας
Μάθημα Αστικής Γεωγραφίας Διδακτικό Έτος 2015-2016 Παραδόσεις Διδακτικής Ενότητας: Πληθυσμιακή πρόβλεψη Δούκισσας Λεωνίδας, Στατιστικός, Υποψ. Διδάκτορας, Τμήμα Γεωγραφίας, Χαροκόπειο Πανεπιστήμιο Σελίδα
Διαβάστε περισσότερααx αx αx αx 2 αx = α e } 2 x x x dx καλείται η παραβολική συνάρτηση η οποία στο x
A3. ΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ. εύτερη παράγωγος.παραβολική προσέγγιση ή επέκταση 3.Κυρτή 4.Κοίλη 5.Ιδιότητες κυρτών/κοίλων συναρτήσεων 6.Σηµεία καµπής ΠΑΡΑΡΤΗΜΑ 7. εύτερη πλεγµένη παραγώγιση 8.Χαρακτηρισµός
Διαβάστε περισσότεραΜαθηματική Εισαγωγή Συναρτήσεις
Φυσικός Ραδιοηλεκτρολόγος (MSc) ο Γενικό Λύκειο Καστοριάς Καστοριά, Ιούλιος 14 A. Μαθηματική Εισαγωγή Πράξεις με αριθμούς σε εκθετική μορφή Επίλυση βασικών μορφών εξισώσεων Συναρτήσεις Στοιχεία τριγωνομετρίας
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 1ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 3: ΟΡΙΑ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ
ΚΕΦΑΛΑΙΟ ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ : ΟΡΙΑ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ Η έννοια του ορίου στο x ο Υπάρχουν συναρτήσεις οι τιμές των οποίων πλησιάζουν ένα πραγματικό αριθμό L, όταν η ανεξάρτητη μεταβλητή
Διαβάστε περισσότεραΤΑΛΑΝΤΩΣΕΙΣ ΜΕ ΑΠΟΣΒΕΣΗ ΚΑΙ ΔΙΕΓΕΡΣΗ
ΤΑΛΑΝΤΩΣΕΙΣ ΜΕ ΑΠΟΣΒΕΣΗ ΚΑΙ ΔΙΕΓΕΡΣΗ ΑΣΚΗΣΗ 1 d x dx Η διαφορική εξίσωση κίνησης ενός ταλαντωτή δίνεται από τη σχέση: λ μx. Αν η μάζα d d του ταλαντωτή είναι ίση με =.5 kg, τότε να διερευνήσετε την κίνηση
Διαβάστε περισσότεραA2. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ
A. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ d df() = f() = f (), = d d.κλίση ευθείας.μεταβολές 3.(Οριακός) ρυθµός µεταβολής ή παράγωγος 4.Παράγωγοι βασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία
Διαβάστε περισσότερα2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ
.5. ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ Η μέθοδος κατασκευής διαστήματος εμπιστοσύνης για την πιθανότητα που περιγράφεται στην προηγούμενη ενότητα μπορεί να χρησιμοποιηθεί για την κατασκευή διαστημάτων
Διαβάστε περισσότερα2.7 ΤΟΠΙΚΑ ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΗΣ
.7 ΤΟΠΙΚΑ ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΗΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ I. Αν μια συνάρτηση παρουσιάζει τοπικό ακρότατο σε ένα εσωτερικό σημείο του πεδίου ορισμού της και είναι παραγωγισιμη σε αυτό τότε ( ).(Θεώρημα Fermat) II.
Διαβάστε περισσότερα----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------
----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς
Διαβάστε περισσότεραΑσκήσεις Γενικά Μαθηµατικά Ι Λύσεις ασκήσεων Οµάδας
Ασκήσεις Γενικά Μαθηµατικά Ι Λύσεις ασκήσεων Οµάδας 1 013-014 Λουκάς Βλάχος και Μανώλης Πλειώνης Άσκηση 1: υο ευθείες [ɛ 1 : y = m 1 x + a 1,ɛ 1 : y = m x + a ], τέµνονται και σχηµατίζουν γωνία θ (ϐλέπε
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 5ο: ΕΚΘΕΤΙΚΗ-ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΑΛΓΕΒΡΑ Β ΛΥΚΕΙΟΥ
ΚΕΦΑΛΑΙΟ 5ο: ΕΚΘΕΤΙΚΗ-ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΑΛΓΕΒΡΑ Β ΛΥΚΕΙΟΥ ) Copyright 2015 Αποστόλου Γιώργος Αποστόλου Γεώργιος apgeorge2004@yahoo.com Αδεια χρήσης η Εκδοση, Ιωάννινα, Σεπτέµβριος 2015 Περιεχόµενα
Διαβάστε περισσότερα1. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η
Ερωτήσεις ανάπτυξης. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η συνάρτηση G () = F (α + β) είναι µια παράγουσα της h () = f (α + β), α α στο R. β + γ α+ γ. ** α) Να δείξετε ότι
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORRELATION)
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORRELATION) Μέθοδοςεκθετικήςεξομάλυνσης Μια άλλη τεχνική για δεδομένα με
Διαβάστε περισσότεραΜ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ
Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΚΑΙ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ (Α ΜΕΡΟΣ: ΣΥΝΑΡΤΗΣΕΙΣ) Επιμέλεια: Καραγιάννης Ιωάννης, Σχολικός Σύμβουλος Μαθηματικών
Διαβάστε περισσότερα6.2 Ο ΜΟΝΟΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ
6.2 Ο ΜΟΝΟΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ Ο έλεγχος της ενότητας αυτής αποτελεί μία επέκταση του μονόπλευρου ελέγχου Smirnov στην περίπτωση περισσοτέρων από δύο δειγμάτων. Ο έλεγχος αυτός
Διαβάστε περισσότεραS T (x) = exp. (α) m n q x = m+n q x m q x. (β) m n q x = m p x m+n p x. (γ) m n q x = m p x n q x+m. tp x = S Tx (t) = S T (x + t) { x+t
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕ ΚΑΤΕΥΘΥΝΣΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΣΗΣ ΘΝΗΣΙΜΟΤΗΤΑΣ ΙΩΑΝΝΗΣ Σ. ΣΤΑΜΑΤΙΟΥ ΣΑΜΟΣ, ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ 2013-2014
Διαβάστε περισσότεραf f x f x = x x x f x f x0 x
1 Παράγωγος 1. για να βρω την παράγωγο της f σε διάστηµα χρησιµοποιώ βασικές παραγώγους και κανόνες παραγωγισης. για να βρω την παράγωγο σε σηµείο αλλαγής τύπου η σε άκρο διαστήµατος δουλεύω µε ορισµό
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.
Διαβάστε περισσότερα10. Η επιδίωξη της μέγιστης χρησιμότητας αποτελεί βασικό χαρακτηριστικό της συμπεριφοράς του καταναλωτή στη ζήτηση αγαθών.
ΚΕΦΑΛΑΙΟ 2 : Η ΖΗΤΗΣΗ Να σημειώσετε το σωστό ή το λάθος στο τέλος των προτάσεων: 1. Όταν η ζήτηση ενός αγαθού είναι ελαστική, η συνολική δαπάνη των καταναλωτών για το αγαθό αυτό μειώνεται καθώς αυξάνεται
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΙV. ΤΜΗΜΑ ΙΕΘΝΟΥΣ ΕΜΠΟΡΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι Μονοβασίλης Θεόδωρος
ΤΜΗΜΑ ΙΕΘΝΟΥΣ ΕΜΠΟΡΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι Μονοβασίλης Θεόδωρος ΕΡΓΑΣΤΗΡΙΟ ΙV Συναρτήσεις στο Mathematica Στο Mathematica υπάρχουν ορισμένες πολλές βασικές συναρτήσεις όπως ημίτονο, συνημίτονο,
Διαβάστε περισσότεραΠΡΟΒΛΗΜΑ ΣΥΓΓΡΑΜΜΙΚΟΤΗΤΑΣ
ΠΡΟΒΛΗΜΑ ΣΥΓΓΡΑΜΜΙΚΟΤΗΤΑΣ Η συγγραμμικότητα (collinearity) ή πολυσυγγραμμικότητα (multicollinearity) είναι εκείνη η ανεπιθύμητη κατάσταση (εμφανίζεται στην πολυμεταβλητή παλινδρόμηση) όπου μία ανεξάρτητη
Διαβάστε περισσότεραy 1 (x) f(x) W (y 1, y 2 )(x) dx,
Συνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 07/1/017 Μέρος 1ο: Μη Ομογενείς Γραμμικές Διαφορικές Εξισώσεις Δεύτερης Τάξης Θεωρούμε τη γραμμική μή-ομογενή διαφορική εξίσωση y + p(x) y + q(x) y = f(x), x
Διαβάστε περισσότεραΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Γ ΛΥΚΕΙΟΥ
ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Γ ΛΥΚΕΙΟΥ 3. Σωστό 4. Λάθος 5. Σωστό 6. Σωστό 7. Λάθος 8. Σωστό 9. Λάθος 10. Σωστό 11. Σωστό 12. Σωστό 13. Λάθος 14. Λάθος 15. Σωστό 1. δ 2. α 3. β 4. γ 5. δ 6. α 7. δ 1 ο ΚΕΦΑΛΑΙΟ
Διαβάστε περισσότεραΕΡΕΥΝΑ ΑΠΟΔΟΧΗΣ ΑΥΤΟΝΟΜΩΝ ΟΧΗΜΑΤΩΝ ΑΠΟ ΤΟΥΣ ΕΛΛΗΝΕΣ ΟΔΗΓΟΥΣ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΜΕΤΑΦΟΡΩΝ ΚΑΙ ΣΥΓΚΟΙΝΩΝΙΑΚΗΣ ΥΠΟΔΟΜΗΣ ΕΡΕΥΝΑ ΑΠΟΔΟΧΗΣ ΑΥΤΟΝΟΜΩΝ ΟΧΗΜΑΤΩΝ ΑΠΟ ΤΟΥΣ ΕΛΛΗΝΕΣ ΟΔΗΓΟΥΣ Χαράλαμπος Σουρής Επιβλέπων: Γιώργος Γιαννής,
Διαβάστε περισσότεραΕφαρμοσμένη Βιοστατιστική: Ανάπτυξη Web Λογισμικού για τον Καρκίνο του Μαστού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΝΑΛΟΓΙΣΤΙΚΩΝ- ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ Διπλωματική Εργασία: Εφαρμοσμένη Βιοστατιστική: Ανάπτυξη
Διαβάστε περισσότεραΚεφάλαιο 6 Παράγωγος
Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της
Διαβάστε περισσότεραΙΙΙ. ΕΠΩΝΥΜΟΙ ΝΟΜΟΙ ΘΝΗΣΙΜΟΤΗΤΑΣ Α. ΓΕΝΙΚΑ. x Ο πρώτος νόµος θνησιµότητας οφείλεται στον De Moivre, είναι γραµµικός, s(x)
ΙΙΙ. ΕΠΩΝΥΜΟΙ ΝΟΜΟΙ ΘΝΗΣΙΜΟΤΗΤΑΣ Α. ΓΕΝΙΚΑ Ο πρώτος νόµος θνησιµότητας οφείλεται στον D Moivr, είναι γραµµικός, s(), ω ω, ή ισοδύναµα κ( ω ), ω και κ θετική σταθερά, και φυσικά δεν έχει καµιά εφαρµογή
Διαβάστε περισσότεραΕ π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ
Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ 1 Συναρτήσεις Όταν αναφερόμαστε σε μια συνάρτηση, ουσιαστικά αναφερόμαστε σε μια σχέση ή εξάρτηση. Στα μαθηματικά που θα μας απασχολήσουν, με απλά λόγια, η σχέση
Διαβάστε περισσότερα(a) = lim. f y (a, b) = lim. (b) = lim. f y (x, y) = lim. g g(a + h) g(a) h g(b + h) g(b)
1 ΑΝΑΛΥΣΗ ΙΙ Μερική Παράγωγος Μερικές Παράγωγοι Ορισμός 1: a) Εστω f(x y) : U R R μία συνάρτηση δύο μεταβλητών και (a b) ένα σημείο του U. Θεωρούμε ότι μεταβάλλεται μόνο το x ένω το y παραμένει σταθερό
Διαβάστε περισσότεραΣτατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )
Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 2 Η γενική ιδέα της διαδικασίας στατιστικού ελέγχου υποθέσεων Πρόκειται για μια διαδικασία απόφασης μεταξύ δύο υποθέσεων Η μια υπόθεση ονομάζεται μηδενική (Η
Διαβάστε περισσότεραΧρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΕρωτήσεις αντιστοίχισης
Ερωτήσεις αντιστοίχισης. * Σε κάθε γραφική παράσταση C f της στήλης Α του πίνακα Ι να αντιστοιχίσετε τη γραφική παράσταση C f από τη στήλη Β, συµπληρώνοντας τον πίνακα ΙΙ. : C f : C f. - α. 2. β. 2π 3.
Διαβάστε περισσότεραΟι τιμές των αγαθών προσδιορίζονται στην αγορά από την αλληλεπίδραση των δυνάμεων της ζήτησης και της προσφοράς.
ΤΙΜΗ ΚΕΦΑΛΑΙΟ ΔΕΥΤΕΡΟ: Η ΖΗΤΗΣΗ Οι τιμές των αγαθών προσδιορίζονται στην αγορά από την αλληλεπίδραση των δυνάμεων της ζήτησης και της προσφοράς. Χρησιμότητα ενός αγαθού, για τον καταναλωτή, είναι η ικανοποίηση
Διαβάστε περισσότεραg 0 5 0, των Παναγιώτη Χριστόπουλου Κώστα Βακαλόπουλου
ΜΑΘΗΜΑΤΙΚΑ Α ΛΥΚΕΙΟΥ ΠΡΟΣΗΜΟ ΤΡΙΩΝΥΜΟΥ ή ΑΝΙΣΩΣΕΙΣ ου ΒΑΘΜΟΥ των Παναγιώτη Χριστόπουλου Κώστα Βακαλόπουλου Με τη φράση «πρόσημο τριωνύμου» δηλώνουμε τη μέθοδο με την οποία μπορούμε να γνωρίζουμε ποιο πρόσημο
Διαβάστε περισσότερα3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων
Διαβάστε περισσότεραA6. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ
A6. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ.Ελαστικότητα.Χαρακτηρισµός ελαστικότητας 3.Ελαστικότητα αντίστροφης 4. ιαφορικά 5.Οµογενείς συναρτήσεις 6.Λογισµός ρυθµών και διαφορικών 7.Λογαριθµική κλίµακα. 8.Σχετικός
Διαβάστε περισσότερα2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών
Διαβάστε περισσότεραΑκαδημαϊκό έτος ΘΕΜΑ 1. Η κινητική εξίσωση της αντίδρασης Α + Β = Γ είναι: r = k[a] α [B] β
Ακαδημαϊκό έτος 4-5 ΘΕΜΑ Η κινητική εξίσωση της αντίδρασης Α + Β = Γ είναι: r = [] α [B] β Χρησιμοποιώντας τη μέθοδο των αρχικών ταχυτήτων βρήκαμε ότι η αντίδραση είναι δεύτερης τάξης ως προς Α και πρώτης
Διαβάστε περισσότεραΤΕΙ 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 περισσότεραΛογαριθµιστική εξάρτηση
Είδη δεδοµένων Σε µία επιδηµιολογική έρευνα, καταγράφονται τα παρακάτω δεδοµένα για κάθε άτοµο: Λογαριθµιστική εξάρτηση Βάνα Σύψα Επίκουρη Καθηγήτρια Επιδηµιολογίας και Προληπτικής Ιατρικής Εργαστήριο
Διαβάστε περισσότεραΑπλή 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 περισσότεραΚΥΚΛΩΜΑ RC ΜΕ ΚΡΟΥΣΤΙΚΗ ΔΙΕΓΕΡΣΗ
ΚΥΚΛΩΜΑ ΜΕ ΚΡΟΥΣΤΙΚΗ ΙΕΓΕΡΣΗ Εννοούμε την απόκριση ενός γραμμικού, χρονικά αμετάβλητου κυκλώματος σε μια μοναδιαία κρουστική συνάρτηση δ() εφαρμοζόμενη στον χρόνο = 0 (απόκριση μηδενικής κατάστασης). Η
Διαβάστε περισσότερα1. Τετραγωνικές μορφές. x y 0. 0x y 0 1α 1β 2α 2β 3. 0x + y 0
Β4. ΕΣΣΙΑΝΟΣ ΠΙΝΑΚΑΣ-ΚΥΡΤΟΤΗΤΑ 1.Τετραγωνικές μορφές.χαρακτηρισμός συμμετρικών πινάκων 3.Δεύτερες μερικές παράγωγοι-εσσιανός πίνακας 4.Συνθήκες για ακρότατα 5.Κυρτές/κοίλες συναρτήσεις 6.Ολικά ακρότατα
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4 Ο ΕΚΘΕΤΙΚΗ ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ - ΑΣΚΗΣΕΙΣ
ΚΕΦΑΛΑΙΟ 4 Ο ΕΚΘΕΤΙΚΗ ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ - ΑΣΚΗΣΕΙΣ ΚΕΦΑΛΑΙΟ 4 Ο ΕΚΘΕΤΙΚΗ ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΙΔΙΟΤΗΤΕΣ ΔΥΝΑΜΕΩΝ Από προηγούμενες τάξεις γνωρίζουμε τις παρακάτω ιδιότητες
Διαβάστε περισσότεραΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ
ΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ Τα μη γραμμικά μοντέλα έχουν την πιο κάτω μορφή: η μορφή αυτή μοιάζει με τη μορφή που έχουμε για τα γραμμικά μοντέλα ( δηλαδή η παρατήρηση Y i είναι το άθροισμα της αναμενόμενης
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότερα1 Μερική παραγώγιση και μερική παράγωγος
Περίγραμμα διάλεξης 5 Βιβλίο Chiang και Wainwright (κεφ 74,75,76) 1 Μερική παραγώγιση και μερική παράγωγος Έστω η συνάρτηση (x) όπου x R ή εναλλακτικά γράφουμε ( 1 2 ) Το διάνυσμα x περιέχει τις ανεξάρτητες
Διαβάστε περισσότεραΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ
ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ 1. Έστω συνάρτηση ζήτησης με τύπο Q = 200 4P. Να βρείτε: α) Την ελαστικότητα ως προς την τιμή όταν η τιμή αυξάνεται από 10 σε 12. 1ος τρόπος Αν P 0 10 τότε Q 0 200 410
Διαβάστε περισσότεραΓενικά Μαθηματικά. , :: x, :: x. , :: x, :: x. , :: x, :: x
Γενικά Μαθηματικά Κεφάλαιο Εισαγωγή Αριθμοί Φυσικοί 0,,,3, Ακέραιοι 0,,, 3, Ρητοί,, 0 Πραγματικοί Αν, με, :: x, :: x, :: x, :: x, :: x, :: x, :: x, :: x Συνάρτηση Κάθε διαδικασία αντιστοίχησης η οποία
Διαβάστε περισσότεραIV.11 ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ
IV. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ.Ελαστικότητα.Χαρακτηρισμός ελαστικότητας 3.Σχετικά διαφορικά 4.Ελαστικότητα αντίστροφης 5.Ομογενείς συναρτήσεις 6.Λογισμός ρυθμών και διαφορικών 7.Λογαριθμική κλίμακα.
Διαβάστε περισσότεραΣυσχέτιση 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 περισσότερα5 Παράγωγος συνάρτησης
5 Παράγωγος συνάρτησης Ας ϑεωρήσουµε µια συνάρτηση f µε πεδίο ορισµού το [a, b]. Για κάθε 0 [a, b] ορίζουµε µια νέα συνάρτηση µε τύπο µε πεδίο ορισµού D(Π 0 ) = D(f ) { 0 }. Την συνάρτηση Π 0 Π 0 () =
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ
ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ Ι. Δημόπουλος Τμήμα Διοίκησης Μονάδων Υγείας και Πρόνοιας -ΤΕΙ Καλαμάτας ΚΑΠΟΙΟΙ ΒΑΣΙΚΟΙ ΣΥΜΒΟΛΙΣΜΟΙ ΚΑΙ ΕΝΝΟΙΕΣ Ν = {1,2,3,...} το σύνολο των φυσικών αριθμών Ζ = {0, ±1, ±2, ±3,..
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ
ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ Ερώτηση : Εξηγείστε τη διαφορά µεταξύ του συντελεστή προσδιορισµού και του προσαρµοσµένου συντελεστή προσδιορισµού. Πώς µπορεί να χρησιµοποιηθεί
Διαβάστε περισσότερααπό την ποσοστιαία μεταβολή της ζητούμενης ποσότητας προς την ποσοστιαία Σχέση ελαστικότητας ζήτησης και κλίση της καμπύλης ζήτησης.
ΕΛΑΣΤΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Ορισμός: Η ελαστικότητα ζήτησης, ενός αγαθού ως προς την τιμή του δίνεται από την ποσοστιαία μεταβολή της ζητούμενης ποσότητας προς την ποσοστιαία μεταβολή της τιμής του. Δηλαδή %
Διαβάστε περισσότεραΓΙΑΓΚΟΥ ΔΗΜΗΤΡΙΟΣ. Επιβλέπων: Γιώργος Γιαννής, Καθηγητής ΕΜΠ. Αθήνα, Ιούλιος 2018 ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΜΕΤΑΦΟΡΩΝ ΚΑΙ ΣΥΓΚΟΙΝΩΝΙΑΚΗΣ ΥΠΟΔΟΜΗΣ ΓΙΑΓΚΟΥ ΔΗΜΗΤΡΙΟΣ Επιβλέπων: Γιώργος Γιαννής, Καθηγητής ΕΜΠ Αθήνα, Ιούλιος 2018 Η διερεύνηση της επιρροής
Διαβάστε περισσότερα