8. Θνησιμότητα Τύποι θνησιμότητας

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "8. Θνησιμότητα Τύποι θνησιμότητας"

Transcript

1 8. Θνησιμότητα Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται το αντικείμενο της θνησιμότητας των ψαριών, δηλαδή η απώλεια των ατόμων ενός πληθυσμού, ένα σημαντικό χαρακτηριστικό της δυναμικής των ιχθυαποθεμάτων. Συγκεκριμένα, στο κεφάλαιο αυτό θα παρουσιαστούν ο ορισμός και οι τύποι της θνησιμότητας και οι μέθοδοι εκτίμησής της. Οι φοιτητές θα αποκτήσουν δεξιότητες σχετικά με τα εργαλεία εκτίμησης όλων των τύπων θνησιμότητας. Εισαγωγή Η σωματική αύξηση που περιγράφτηκε στο Κεφάλαιο 7 αποτελεί τη θετική πλευρά της δυναμικής ενός ιχθυαποθέματος, δηλαδή την προσθήκη βιομάζας στο απόθεμα. Ένα άλλο σημαντικό χαρακτηριστικό της δυναμικής ενός ιχθυαποθέματος είναι η θνησιμότητα (mortality), δηλαδή η απώλεια των ατόμων, που ισοδυναμεί με απώλεια βιομάζας. Η θνησιμότητα αποτελεί την αρνητική πλευρά της δυναμικής ενός ιχθυαποθέματος και η εκτίμησή της κατέχει θέση κλειδί στην αλιευτική βιολογία και διαχείριση των αποθεμάτων (Sparre et al. 1989) Τύποι θνησιμότητας Τα ψάρια πεθαίνουν από εσωτερικά και εξωτερικά αίτια (Wootton 1990). Τα εσωτερικά αίτια περιλαμβάνουν θανάτους εξαιτίας θανατηφόρων αλληλόμορφων και ασθενειών (π.χ. καρκίνος), ενώ τα εξωτερικά αίτια περιλαμβάνουν τόσο την επίδραση διαφόρων αβιοτικών παραμέτρων (π.χ. θερμοκρασία, αλατότητα), όσο και την επίδραση βιολογικών παραμέτρων όπως η θήρευση, η ασιτία και ο παρασιτισμός (Pauly 1980). Ο θάνατος μπορεί να επέλθει και από το γήρας, περίπτωση ιδιαίτερα σπάνια στους εκμεταλλευόμενους πληθυσμούς, αφού, πολύ πριν προλάβουν να γεράσουν τα ψάρια πεθαίνουν πιασμένα στα αλιευτικά εργαλεία. Τα εξασθενημένα, τραυματισμένα ή αδύναμα ψάρια εξαιτίας της επαφής με κάποιο αλιευτικό εργαλείο αποτελούν τον πρώτο και εύκολο στόχο των θηρευτών. Τέλος, ο θάνατος μπορεί να οφείλεται και σε συνδυασμό δυο ή περισσότερων από τους παραπάνω παράγοντες. Έτσι για παράδειγμα, όταν ένα ψάρι δεν τρέφεται επαρκώς, είναι πιο ευαίσθητο στη θήρευση, τον παρασιτισμό και τις ασθένειες (Wootton 1990). Η θνησιμότητα που προκαλείται απ όλους τους παραπάνω παράγοντες ονομάζεται φυσική θνησιμότητα (natural mortality). Μια άλλη σημαντική αιτία θνησιμότητας είναι η αφαίρεση ατόμων ενός αποθέματος από τον άνθρωπο εξαιτίας της αλιείας (Pauly 1983, Sparre et al. 1989, Gayanilo et al. 2005). Η θνησιμότητα που προκαλείται από την αλιεία είναι γνωστή ως αλιευτική θνησιμότητα (fishing mortality). Το άθροισμα της αλιευτικής και της φυσικής θνησιμότητας αποτελεί την ολική θνησιμότητα (total mortality) ενός αποθέματος. Ο καλύτερος τρόπος για να περιγραφούν οι αριθμητικές αλλαγές ενός αποθέματος σε σχέση με τον τύπο της θνησιμότητας είναι να παρατηρηθεί η τύχη μιας γενεάς στη διάρκεια της ζωής της. Γενικά, διακρίνονται οι παρακάτω τρεις χρονικές στιγμές (Εικόνα 8.1) που σηματοδοτούν καθοριστικές φάσεις της ζωής μιας γενεάς (Beverton & Holt 1957, Sparre et al. 1989). Τα ψάρια μιας γενεάς εκκολάπτονται τη χρονική στιγμή t ο και εισέρχονται (ή ενσωματώνονται ή στρατολογούνται) στον πληθυσμό των ενήλικων ατόμων τη χρονική στιγμή t r που ονομάζεται ηλικία νεοσυλλογής ή στρατολόγησης. Το χρονικό διάστημα που μεσολαβεί από την ηλικία t o ως την ηλικία t αποτελεί τη φάση που προηγείται της εισόδου των ατόμων της γενεάς στον πληθυσμό των r ενήλικων ατόμων. Στα είδη των οποίων τα νεαρά άτομα ζουν και τρέφονται σε διαφορετικές περιοχές από αυτές που ζουν και τρέφονται τα ενήλικα άτομα η ηλικία t r είναι η ηλικία στην οποία τα νεαρά άτομα εισέρχονται στο κυρίως απόθεμα που αποτελείται από τα ενήλικα άτομα. Για παράδειγμα, στην κουτσομούρα Mullus barbatus του Ευβοϊκού Kόλπου, τα νεαρά της οποίας μεγαλώνουν κοντά στις ακτές, η ηλικία t r είναι η ηλικία που έχουν οι νεαρές κουτσομούρες τη χρονική στιγμή που αυτές μετακινούνται στα μεγαλύτερα βάθη, όπου ζουν τα ενήλικα άτομα. Στα είδη των οποίων οι περιοχές συγκέντρωσης των νεαρών ατόμων συμπίπτουν με τις περιοχές συγκέντρωσης και διατροφής των ενηλίκων ατόμων η ηλικία t r είναι η ηλικία που οι ιχθυονύμφες ολοκληρώνουν τη μεταμόρφωσή τους και αρχίζουν τη βενθοπελαγική (benthopelagic) φάση της ζωής τους. Αυτό ισχύει, για παράδειγμα, για το προσφυγάκι Micromesistius poutassou στον βόρειο Ευβοϊκό Kόλπο.

2 Στιγμή (ηλικία) εκκόλαψης t 0 Φυσική θνησιμότητα Φάση πριν τη νεοσυλλογή (pre-recruit phase) Στιγμή (ηλικία) ενσωμάτωσης (νεοσυλλογής) στον ενήλικο πληθυσμό t r Φυσική θνησιμότητα Φάση μετά τη νεοσυλλογή (post-recruit phase) Ηλικία πρώτης σύλληψης από το αλιευτικό εργαλείο t c Φυσική και αλιευτική θνησιμότητα Φάση αλιευτικής εκμετάλλευσης (exploita on phase) Μέγιστη ηλικία t max Εικόνα 8.1. Χρονικές στιγμές που σηματοδοτούν καθοριστικές φάσεις στη ζωή μιας γενεάς σε σχέση με τον τύπο της θνησιμότητας. Έχει ενδιαφέρον να σημειωθεί ότι ο όρος «διαφορετικές περιοχές» θα πρέπει να αντιμετωπίζεται με μια ευρύτητα, που περιλαμβάνει και τις τρεις διαστάσεις του χώρου, και συχνά σχετίζεται με την συμπεριφορά κάθε είδους. Για παράδειγμα, στον βλάχο Polyprion americanus τα νεαρά άτομα είναι επιπελαγικά (epipelagic) και βρίσκονται κοντά στην επιφάνεια του νερού, ενώ στη συνέχεια γίνονται βενθικά (benthic) κατεβαίνοντας σε βάθη 300m ή και βαθύτερα (Machias et al. 2003). Τα νεαρά στάδια της σαρδέλας Sardina pilchardus σχηματίζουν κοπάδια σε σχήμα λωρίδας στη μέση της στήλης του νερού και μετά την ηλικία νεοσυλλογής t r σχηματίζουν τα τυπικά ωοειδή κοπάδια της ενήλικής σαρδέλας που εκτελούν κάθετες μεταναστεύσεις στην υδάτινη στήλη (Tsagarakis et al. 2012). Οι διεργασίες που λαμβάνουν χώρα από το στάδιο του αυγού μέχρι την είσοδο των νεαρών ατόμων στον πληθυσμό των ενήλικων και η απάντηση σε ερωτήματα σχετικά με τον αριθμό των ατόμων που εισέρχονται κάθε χρόνο στο απόθεμα των ενήλικων (π.χ. από τι εξαρτάται, αν συσχετίζεται ή όχι με το γονικό απόθεμα, από τι εξαρτάται η επιβίωση των αυγών και των ιχθυονυμφών, πώς εξηγείται η εμφάνιση των ισχυρών ετήσιων κλάσεων) αποτελούν σημαντικά θέματα της αλιευτικής επιστήμης. Μόλις τα νεαρά άτομα εισέλθουν στον πληθυσμό των ενήλικων ατόμων, θεωρούμε ότι βρίσκονται στη μετά την είσοδο (ή νεοσυλλογή, ή ενσωμάτωση, ή στρατολόγηση) στην ενήλικη φάση της ζωής τους. Τα άτομα με ηλικία μεγαλύτερη από την ηλικία t r εκτίθενται για πρώτη φορά σε αλιευτικά εργαλεία και μπορούν θεωρητικά να πιαστούν εφόσον τα εργαλεία αυτά έχουν το κατάλληλο μέγεθος (π.χ. άνοιγμα ματιού, μέγεθος αγκιστριού). Στην ηλικία της πρώτης σύλληψης t c, που είναι η ηλικία από την οποία τα ψάρια αρχίζουν να πιάνονται από ένα συγκεκριμένο αλιευτικό εργαλείο, αρχίζει η φάση της αλιευτικής εκμετάλλευσης. Η φάση αυτή διαρκεί ως τη στιγμή που θα πεθάνουν, δηλαδή ως τη μέγιστη ηλικία t max. Έτσι, η ηλικία t r είναι πάντα μικρότερη ή ίση της ηλικίας t c, δηλαδή η ηλικία t r είναι η μικρότερη ηλικία στην οποία ένα άτομο εισέρχεται στην αλιευτική φάση. Θεωρητικά, τα άτομα με ηλικία μικρότερη από t r δεν υπόκεινται σε αλιευτική θνησιμότητα, γιατί δεν έχουν ακόμη εισέλθει στην αλιευτική φάση, αλλά μόνο σε φυσική θνησιμότητα, κυρίως εξαιτίας της θήρευσης, ενώ τα άτομα με ηλικία μεγαλύτερη από την t c υπόκεινται τόσο σε αλιευτική, όσο και σε φυσική θνησιμότητα (Beverton & Holt 1957, Sparre et al. 1989, Pauly 1998β) Αριθμητική έκφραση θνησιμότητας Η ολική θνησιμότητα ενός πληθυσμού μπορεί να εκφραστεί αριθμητικά με δυο διαφορετικούς τρόπους (Sparre et al. 1989, Pitcher & Hart 1982, Wootton 1990): (α) Ο πιο απλός τρόπος είναι ο ετήσιος πραγματικός ρυθμός θνησιμότητας που συμβολίζεται ως A. Ο ρυθμός αυτός εκφράζεται ως κλάσμα ή ποσοστό του αριθμού των ψαριών που πεθαίνουν στη διάρκεια ενός έτους σε σχέση με τον αριθμό των ψαριών που ήταν ζωντανά στην αρχή του έτους. Έτσι, αν Ν ο είναι ο αριθμός ψαριών στην αρχή ενός έτους και Ν t είναι ο αριθμός των ψαριών στο τέλος του έτους, τότε: Α= (Ν 0!Ν t ) =1!( Ν t )! Ν 0 Ν Αντίστοιχα, ο ετήσιος πραγματικός ρυθμός επιβίωσης, που συμβολίζεται διεθνώς ως S, είναι το κλάσμα ή το ποσοστό του αριθμού των ατόμων που επιβιώνουν στο τέλος ενός έτους σε σχέση με τον αριθμό ατόμων στην αρχή του έτους, δηλαδή: S=( Ν t Ν 0 )! 8.2

3 Έτσι, και σύμφωνα με την εξίσωση 8.1, ισχύει: και: S=1!A! 8.3 A=1!S (β) Ένας άλλος τρόπος έκφρασης της ολικής θνησιμότητας ενός πληθυσμού είναι ο ολικός στιγμιαίος ρυθμός θνησιμότητας ή, όπως έχει επικρατήσει να αναφέρεται, η ολική στιγμιαία θνησιμότητα, που συμβολίζεται διεθνώς ως Ζ. Σε αυτή την περίπτωση, ο αριθμός των ατόμων που επιβιώνουν σε ένα πολύ μικρό χρονικό διάστημα είναι εκθετική συνάρτηση της Ζ και του χρονικού διαστήματος (Ricker 1975): Ν t Ν 0 =e!zt! Αν η μονάδα του χρόνου είναι 1 έτος, τότε ισχύει: Ν t Ν 0 =e!z! Από τις εξισώσεις 8.2 ως 8.4 και 8.6 προκύπτει ότι για το S ισχύει: ενώ για το A ισχύει: S=e!Z! 8.7 A=1!e!Z! 8.8 Η φυσική στιγμιαία θνησιμότητα συμβολίζεται διεθνώς ως Μ, ενώ η αλιευτική στιγμιαία θνησιμότητα ως F. Οι αντίστοιχοι πραγματικοί ρυθμοί φυσικής και αλιευτικής θνησιμότητας δεν παρουσιάζονται εδώ. Για το Ζ ισχύει: Z=M+F! 8.9 Όλοι οι στιγμιαίοι ρυθμοί θνησιμότητας έχουν διαστάσεις 1/t (χρόνος -1 ) και εκφράζονται σε ετήσια βάση, έχουν δηλαδή τις ίδιες μονάδες με την παράμετρο Κ της εξίσωσης αύξησης. Οι ρυθμοί θνησιμότητας μπορούν να εκφραστούν και σε ημερήσια βάση. Στην περίπτωση αυτή τα Α και S θα εκφράζουν τον ημερήσιο ρυθμό θνησιμότητας και επιβίωσης αντίστοιχα. Η έννοια του στιγμιαίου ρυθμού θνησιμότητας παρουσιάζει δυσκολίες στην κατανόηση. Για να κατανοηθεί θα χρησιμοποιηθεί το παρακάτω υποθετικό παράδειγμα από το βιβλίο των Pitcher & Hart (1982). Ας υποθέσουμε ότι το ένα έτος της ζωής ενός ψαριού διαιρείται σε ένα πολύ μεγάλο αριθμό n ίσων χρονικών διαστημάτων, και ότι το κλάσμα Z/n αντιπροσωπεύει την πιθανότητα να πεθάνει ένα ψάρι στη διάρκεια ενός τέτοιου χρονικού διαστήματος (που το καθένα είναι ίσο με το 1/n του έτους). Στην περίπτωση αυτή το Ζ αντιπροσωπεύει τον στιγμιαίο ρυθμό της ολικής θνησιμότητας και εκφράζεται σε ετήσια βάση. Επειδή το n είναι πολύ μεγάλο, το χρονικό διάστημα 1/n είναι πολύ μικρό. Έτσι, ο αριθμός των ατόμων που θα πεθάνουν σε κάθε 1/n χρονικό διάστημα θα είναι πάρα πολύ μικρός. Όμως, αθροιστικά για όλα τα n χρονικά διαστήματα μαζί, ο αριθμός των ατόμων που πεθαίνουν (και άρα η μείωση που συντελείται στον πληθυσμό) θα είναι πολύ σημαντικός. Ας υποθέσουμε, για παράδειγμα, ότι το n=1000 και το Ζ=2,8. Τότε σε χρονικό διάστημα 1/1000 του έτους θα πεθάνει το 2,8/1000=0,0028, δηλαδή το 0,28% του αρχικού αριθμού των ατόμων. Αν ο αρχικός αριθμός των ατόμων του πληθυσμού είναι άτομα, τότε στο πρώτο 1/1000 διάστημα θα πεθάνουν άτομα, ενώ θα παραμείνουν ζωντανά άτομα. Στο αμέσως επόμενο 1/1000 διάστημα θα πεθάνει το 0,28% των ατόμων, δηλαδή άτομα, και έτσι θα παραμείνουν ζωντανά άτομα. Αν αυτό επαναληφθεί συνολικά 1000 φορές, τότε ο τελικός αριθμός των ζωντανών ατόμων θα είναι Έτσι, ο αριθμός των ατόμων που θα πεθάνουν σε όλο το έτος ανέρχεται σε , δηλαδή το Α είναι ( / ) = 0,940 (δηλαδή 94%). Από την εξίσωση 8.8, και θεωρώντας ότι Ζ=2,8, προκύπτει ότι Α=0,9392, δηλαδή πολύ κοντά στον αριθμό που εκτιμήθηκε παραπάνω. Προφανώς δεν υπάρχει ανώτερο όριο στο μέγεθος της Ζ, αλλά το Α δεν μπορεί να είναι μεγαλύτερο από το 1, δηλαδή δεν είναι δυνατό να πεθάνουν περισσότερα άτομα από όσα υπήρχαν αρχικά. Αντίθετα, όταν οι τιμές του Ζ είναι πολύ μικρές, τότε

4 οι τιμές του Α είναι παραπλήσιες με αυτές του Ζ. Για παράδειγμα όταν το Ζ=0,1 το Α είναι 0,0952, δηλαδή διαφέρει μόνο κατά 5% Μέθοδοι εκτίμησης ολικής θνησιμότητας Στη δυναμική των ιχθυοπληθυσμών ιδιαίτερη σημασία έχει η εκτίμηση των στιγμιαίων ρυθμών θνησιμότητας, αφού οι ρυθμοί αυτοί είναι απαραίτητοι σε διάφορα αλιευτικά μοντέλα της δυναμικής των πληθυσμών. Υπάρχουν διάφορες μέθοδοι εκτίμησης της ολικής θνησιμότητας, είτε απευθείας ως Ζ είτε ως Α ή S, και οι εκτιμήσεις αυτές μπορούν να μετατραπούν από τη μια μορφή στην άλλη με τις εξισώσεις 8.7 και 8.8 (Εικόνα 8.2). Επειδή οι διαφορετικές μέθοδοι εκτίμησης της ολικής θνησιμότητας είναι συμπληρωματικές, η καλύτερη προσέγγιση είναι η εκτίμηση ενός εύρους και της μέσης τιμής των εκτιμήσεων που προκύπτουν από αυτές. Η εκτίμηση της ολικής θνησιμότητας μπορεί να γίνει από στοιχεία μαρκαρίσματος και επανασύλληψης, στοιχεία ηλικίας και στοιχεία μήκους. Η συλλογή των στοιχείων μαρκαρίσματος και επανασύλληψης απαιτεί προγράμματα ειδικού σχεδιασμού, είναι πολυέξοδη και μακροχρόνια και η αξιολόγηση των στοιχείων δύσκολη (Ricker 1975, Annala 1979). Το θεωρητικό υπόβαθρο της εκτίμησης της ολικής θνησιμότητας από στοιχεία μαρκαρίσματος και επανασύλληψης δεν παρουσιάζεται εδώ. Όλες οι υπόλοιπες μέθοδοι εκτίμησης της ολικής θνησιμότητας στηρίζονται στην παραδοχή του σταθερού συστήματος ισορροπίας (Sparre et al. 1989). Σύμφωνα με την παραδοχή αυτή, τόσο ο αριθμός των ατόμων που εισέρχονται στο απόθεμα των ενήλικων, όσο και η ολική θνησιμότητα κάθε ηλικιακής κλάσης είναι σταθερά από έτος σε έτος. Αυτό σημαίνει ότι δεν έχει σημασία αν εξεταστεί μια γενεά στη διάρκεια της ζωής της, δηλαδή αν εξεταστεί μια γενεά στα διαδοχικά έτη t, t+1, t+2,, t+n ή αν εξεταστεί ολόκληρος ο πληθυσμός που αποτελείται από πολλές διαφορετικές γενεές, καθεμιά από τις οποίες αντιστοιχεί στις διαφορετικές ηλικιακές κλάσεις σε μια συγκεκριμένη χρονική στιγμή. Η παραδοχή του συστήματος ισορροπίας δεν αποτελεί κανόνα στη φύση, αλλά είναι απαραίτητη προσέγγιση της πραγματικότητας (Sparre et al. 1989). A Στοιχεία ηλικίας 1. Μέθοδος HEINCKE (1913) 2. Μέθοδος ROBSON & CHAPMAN (1961) 3. Μέθοδος από μέση ηλικία (RICKER 1975) 1. Kαμπύλη σύλληψης 2. Μέθοδος BEVERTON & HOLT (1957) από ηλικία πρώτης σύλληψης Εκτίμηση S και Α Από εξισώσεις 8.7 και 8.8 Εκτίμηση Z B Στοιχεία μήκους (κατά μήκος σύνθεση) 1. Μέθοδος Powell-Wetherall 2. Αθροιστική καμπύλη σύλληψης Εκτίμηση Z/K Εκτίμηση Z όταν η παράμετρος της VBGF K είναι γνωστή 1. Καμπύλη σύλληψης 2. Μέθοδος BEVERTON & HOLT (1957) από μέσο μήκος 3. Μέθοδος BEVERTON & HOLT (1957) από μήκος πρώτης σύλληψης Εκτίμηση S και Α Από εξισώσεις 8.7 και 8.8 Εκτίμηση Z Εικόνα 8.2. Μερικές από τις πιο σημαντικές μεθόδους εκτίμησης ολικής θνησιμότητας από στοιχεία ηλικίας (Α) και μήκους (Β). Για τις μεθόδους που φαίνονται στην εικόνα, αλλά δεν παρουσιάζονται στο κεφάλαιο αυτό, ο αναγνώστης μπορεί να ανατρέξει στους Sparre et al. (1989). Θεωρητικά, η αλιευτική θνησιμότητα είναι πολύ μικρή στα νεαρά άτομα, γιατί αυτά ξεφεύγουν από τα αλιευτικά εργαλεία. Αντίθετα, η φυσική θνησιμότητα πρέπει να είναι μεγάλη στα νεαρά άτομα και μικρό-

5 τερη στα μεγάλα άτομα, αφού τα μικρά σε μέγεθος ψάρια έχουν ένα πολύ μεγαλύτερο φάσμα θηρευτών απ ότι τα μεγαλόσωμα (Carpenter et al. 1985, Vetter 1988, Sparre et al. 1989). Αυτή η διαφοροποίηση της αλιευτικής και της φυσικής στιγμιαίας θνησιμότητας με το μέγεθος του σώματος πιθανώς έχει ως αποτέλεσμα η συνολική στιγμιαία θνησιμότητα να παραμένει σταθερή στις διάφορες κλάσεις μήκους και ηλικίας. Η παραδοχή του σταθερού συστήματος σε ισορροπία προσεγγίζεται με βάση την κατά μήκος ή/και κατά ηλικία σύνθεση του συνόλου των ατόμων απ όλα τα δείγματα που πιάστηκαν καθ όλη τη διάρκεια της έρευνας (Ricker 1975, Sparre et al. 1989) Εκτίμηση από στοιχεία ηλικίας Μέθοδος HEINCKE Ο Heincke χρησιμοποίησε την παρακάτω εξίσωση για την εκτίμηση του πραγματικού ετήσιου ρυθμού θνησιμότητας Α (Heincke 1913): A= N t N! 8.10 όπου N t είναι ο αριθμός των ατόμων στην ηλικία t και ΣN είναι ο συνολικός αριθμός ατόμων με ηλικία μεγαλύτερη από t. Από την εξίσωση 8.10, και με βάση την εξίσωση 8.8, προκύπτει: 1!e!Z = N t N! 8.11 ή: e!z =1! N t N = ( N!N t) N! 8.12 Η εξίσωση 8.12 λαμβάνει, μετά από λογαριθμικό μετασχηματισμό, τη μορφή:!z=ln( N!N t )!ln N! 8.13 Από την εξίσωση 8.13 είναι φανερό ότι η εκτίμηση της Ζ δεν απαιτεί να είναι γνωστός ο αριθμός ατόμων για κάθε ηλικία μεγαλύτερη από την ηλικία t, αφού στηρίζεται στον συνολικό αριθμό ατόμων που έχουν ηλικία μεγαλύτερη από t. Έτσι, η μέθοδος αυτή είναι ιδιαίτερα χρήσιμη στις περιπτώσεις που υπάρχουν υποψίες ότι ο προσδιορισμός της ηλικίας των μεγάλων σε μέγεθος ατόμων δεν είναι ακριβής. Μέθοδος ROBSON & CHAPMAN Σύμφωνα με τους Robson & Chapman (1961) η εκτίμηση του ρυθμού επιβίωσης από στοιχεία αριθμού ατόμων Ν ο, Ν 1, N 2,, Ν n ανά κλάση ηλικίας 0, 1, 2,.., n προκύπτει από την εξίσωση: T S= ( N+T!1)! 8.14 όπου: N=N 0 + N 1 +N 2 + +N n! 8.15 και: T=1N 1 +2N 2 + +nn n! 8.16 T Z=!ln( ( N+T!1) )! 8.17

6 Καμπύλη σύλληψης Η φιλοσοφία της καμπύλης σύλληψης πάει πίσω στις αρχές του προηγούμενου αιώνα (Edser 1908). Ο Baranov (1918) ήταν αυτός που παρατήρησε ότι οι λογάριθμοι της συχνότητας ατόμων ανά κλάση μήκους σχηματίζουν καμπύλη με ένα ανερχόμενο αριστερό σκέλος, ένα ανώτερο καμπύλο τμήμα και ένα κατερχόμενο δεξιό σκέλος. Αυτό το γράφημα είναι γνωστό ως καμπύλη σύλληψης από μήκη (Ricker 1975). Το ίδιο ισχύει και για το γράφημα των λογάριθμων της συχνότητας των ατόμων ανά κλάση ηλικίας που είναι γνωστό ως καμπύλη σύλληψης από ηλικίες (Ricker 1975, Sparre et al. 1989). Στην εικόνα 8.3 παρουσιάζεται ένα παράδειγμα καμπύλης σύλληψης που αφορά την κορδέλα Cepola macrophthalma στον Ευβοϊκό Kόλπο. ln(αριθμός ατόμων ανά κλάση ηλικίας ή μήκους) Ανερχόμενο σκέλος καμπύλης (δεν χρησιμοποιείται στην εκτίμηση θνησιμότητας) Κατερχόμενο σκέλος καμπύλης (χρησιμοποιείται στην εκτίμηση θνησιμότητας) Η τελευταία ηλικία ή οι 2-4 τελευταίες κλάσεις μήκους δεν χρησιμοποιούνται στην εκτίμηση της θνησιμότητας Κλάσεις ηλικίας (ή μήκους) Εικόνα 8.3. Περιγραφή της καμπύλης σύλληψης χρησιμοποιώντας ως παράδειγμα την κορδέλα Cepola macrophthalma στον Ευβοϊκό Κόλπο (από Στεργιου 1991). Γενικά, ένας πληθυσμός αποτελείται από κλάσεις ηλικίας που η καθεμιά έχει εκτεθεί σε θνησιμότητα ένα χρόνο περισσότερο από την αμέσως νεαρότερη κλάση ηλικίας. Έτσι το γράφημα του φυσικού λογάριθμου του αριθμού των ατόμων κάθε κλάσης με την ηλικία, για τις ηλικίες που έχουν πλήρη αντιπροσώπευση στο δείγμα, δηλαδή για τις ηλικίες που αποτελούν το κατερχόμενο σκέλος καμπύλης, δίνει ευθεία, η κλίση της οποίας είναι αριθμητικά ίση με τη Ζ (Εικόνα 8.3). Οι αρχικές ηλικίες, αυτές δηλαδή που αποτελούν το ανερχόμενο σκέλος καμπύλης, δεν χρησιμοποιούνται στην εκτίμηση της Ζ, γιατί, όπως αναφέρθηκε και προηγουμένως, τα μικρά ψάρια δεν αντιπροσωπεύονται πλήρως στο δείγμα, δηλαδή πιάνονται με μικρότερη συχνότητα σε σχέση με την αφθονία τους από ό,τι τα γηραιότερα άτομα (Sparre et al. 1989). Αυτό μπορεί να οφείλεται στο ότι (α) η μεγάλη πλειονότητα των νεαρών ατόμων βρίσκεται σε διαφορετική περιοχή από αυτήν όπου ψαρεύεται, (β) τα νεαρά άτομα δεν είναι ακόμα έτοιμα να αρπάξουν το δόλωμα ή να πιαστούν στα δίχτυα και (γ) τα νεαρά άτομα έχουν τέτοιο μέγεθος, ώστε να μπορούν να ξεφεύγουν από τα μάτια του αλιευτικού εργαλείου. Όταν το κατερχόμενο σκέλος της καμπύλης σύλληψης σχηματίζει ευθεία, τότε αυτό αποτελεί ένδειξη ότι δεν υπάρχουν ισχυρές διακυμάνσεις στην ένταση των ετήσιων κλάσεων στη διάρκεια της έρευνας, γεγονός που ενισχύει την παραδοχή του συστήματος ισορροπίας (Ricker 1975, Longhurst & Pauly 1987). Η καμπύλη σύλληψης από ηλικίες είναι μια από τις πιο διαδεδομένες μεθόδους υπολογισμού της ολικής στιγμιαίας θνησιμότητας Ζ (Sparre et al. 1989, Gayanilo et al. 2005). Όσον αφορά τη μαθηματική έκφραση της καμπύλης σύλληψης, η μείωση του αριθμού των ατόμων μιας γενεάς στη διάρκεια του χρόνου είναι εκθετική και περιγράφεται από την εξίσωση 8.5, από την οποία προκύπτει ότι: N t =N 0 e!zt! 8.18

7 ln N dt =a!zt! 8.21 όπου Ν ο είναι ο αριθμός των ατόμων μιας γενεάς τη χρονική στιγμή t=0, Ν t είναι ο αριθμός των ατόμων που επιζούν τη χρονική στιγμή t και Z είναι ο στιγμιαίος ρυθμός με τον οποίο μειώνεται ο αριθμός των ατόμων της γενεάς. Η εξίσωση 8.18 παίρνει, μετά από λογαριθμικό μετασχηματισμό, τη μορφή: lnn t =lnn 0!Zt#! 8.19 Η εξίσωση 8.19 είναι γραμμική της μρφής Υ = a - bx όπου a=lnn 0 και b=z και οι παράμετροι a και b υπολογίζονται με τη μέθοδο των ελαχίστων τετραγώνων. Για την εκτίμηση της Ζ με την καμπύλη σύλληψης χρησιμοποιούνται οι παρακάτω τύποι στοιχείων: (α) ο αριθμός ατόμων ανά ηλικία ή ποσοστά επί τοις εκατό, από ένα δείγμα που πιάστηκε σε μια χρονική στιγμή, (β) ο μέσος όρος του αριθμού ή του ποσοστού επί τοις εκατό, των ατόμων ανά ηλικία από πολλά δείγματα που πιάστηκαν σε διαφορετικές χρονικές στιγμές ενός ή περισσότερων ετών και (γ) η αλιευτική παραγωγή ανά μονάδα αλιευτικής προσπάθειας ανά ηλικία από παρατηρήσεις πολλών ετών, που σίγουρα παρέχουν εκτιμήσεις μεγαλύτερης ακρίβειας (Beverton & Holt 1957, Gulland 1983, Ricker 1975, Sparre et al. 1989). Σε όλες τις περιπτώσεις, τα δείγματα πρέπει να είναι αντιπροσωπευτικά της δομής του πληθυσμού Εκτίμηση από στοιχεία μήκους Καμπύλη σύλληψης Η ολική στιγμιαία θνησιμότητα Ζ μπορεί να εκτιμηθεί και από την κατά μήκος σύνθεση ενός πληθυσμού με τη μέθοδο της καμπύλης σύλληψης από μήκη (Pauly 1983, 1984β,γ). Όπως αναφέρθηκε παραπάνω, η καμπύλη σύλληψης με βάση τα μήκη χρησιμοποιήθηκε στην αλιευτική έρευνα πολύ νωρίτερα από την καμπύλη σύλληψης με βάση τις ηλικίες (π.χ. Εdser 1908). Όμως, οι πρώτες εφαρμογές της μεθόδου αυτής δεν ήταν αξιόπιστες, γεγονός που έστρεψε την προσοχή των ερευνητών στην καμπύλη σύλληψης από ηλικίες (Pauly 1987). Σήμερα η αξιοπιστία της μεθόδου αυτής είναι πολύ ικανοποιητική και η μέθοδος αυτή αποτελεί ένα σημαντικό εργαλείο της αλιευτικής βιολογίας. Η καμπύλη σύλληψης από μήκη δίνει τη δυνατότητα να υπολογιστεί η Ζ από την κατά μήκος σύνθεση και τις παραμέτρους αύξησης Κ και L. Η μέθοδος αυτή στηρίζεται στη μετατροπή του μήκους σε ηλικία με τη χρήση της αντίστροφης VBGF εξίσωσης (Pauly 1983, 1984β,γ): 1 t L =t 0! K ln(1! L t )! L 8.20 Όμως, η μετατροπή του μήκους σε ηλικία είναι προβληματική, γιατί ο χρόνος που απαιτείται για την αύξηση ενός ψαριού από μια κλάση μήκους στην αμέσως επόμενη αυξάνει συνεχώς με την ηλικία. Η προσέγγιση του προβλήματος αυτού έγινε από τον Pauly (1983, 1984β,γ, 1998β), ο οποίος αντικατέστησε τον αριθμό ατόμων σε μια κλάση μήκους Ν με τον όρο, όπου dt είναι ο χρόνος που απαιτείται για την αύξηση του ψαριού από το κατώτερο στο ανώτερο όριο μιας κλάσης μήκους. Η αντικατάσταση αυτή δίνει ξεχωριστή σημασία στο γεγονός ότι η αύξηση δεν είναι ίδια στις διαδοχικές κλάσεις μήκους. Η μαθηματική έκφραση της καμπύλης σύλληψης από μήκη έχει ως εξής (Εικόνα 8.4): όπου N είναι ο αριθμός ατόμων που πιάστηκε με μήκη από L 1 ως L 2 (όρια της κλάσης μήκους) που αντιστοιχούν στις ηλικίες t 1 και t 2, dt (= t 2 - t 1 ) είναι ο χρόνος που απαιτείται για να αυξηθεί ένα ψάρι από το μήκος L 1 ώς το μήκος L 2, a είναι μια σταθερά και t = (t 1 + t 2 )/2 είναι η σχετική ηλικία που αντιστοιχεί στο μέσο μήκος της κλάσης μήκους (δηλαδή της L 1 - L 2 ). Τα t 1 και t 2 υπολογίζονται από την αντίστροφη VBGF. Η εξίσωση 8.21 είναι γραμμική και οι παράμετροι a και Ζ υπολογίζονται με τη μέθοδο των ελαχίστων τετραγώνων. Όπως και στην περίπτωση της καμπύλης σύλληψης από ηλικίες, το ανερχόμενο σκέλος της καμπύλης (Εικόνα 8.4) δεν χρησιμοποιείται για την εκτίμηση της Ζ, αφού τα άτομα αυτά δεν έχουν πλήρη αντιπροσώπευση στο δείγμα (Sparre et al. 1989). Επιπλέον, οι τελευταίες 2-4 κλάσεις μήκους που βρίσκονται κοντά στο L δεν λαμβάνονται υπόψη στην εκτίμηση της Ζ (Εικόνα 8.4), γιατί όσο ένα ψάρι πλησιάζει το L τόσο η σχέση ανάμεσα στο μήκος και την ηλικία του γίνεται πιο ασαφής (Sparre et al. 1989).

8 9 Ln (Ν/dt) = t 7 Z = 0.93 Ln (Ν/dt) 5 3 Ανερχόμενο σκέλος καμπύλης (δεν χρησιμοποιείται στην εκτίμηση θνησιμότητας) Κατερχόμενο σκέλος καμπύλης (χρησιμοποιείται στην εκτίμηση θνησιμότητας) Oι 2-4 τελευταίες κλάσεις μήκους δεν χρησιμοποιούνται στην εκτίμηση της θνησιμότητας Ηλικία υπολογισμένη από μήκη (t, έτη) Εικόνα 8.4. Καμπύλη σύλληψης από μήκη για την κορδέλα Cepola macrophthalma στον Ευβοϊκό Κόλπο. Τα βέλη δηλώνουν τις κλάσεις μήκους που χρησιμοποιήθηκαν για την εκτίμηση της Ζ. Αθροιστική καμπύλη σύλληψης Ως αθροιστική καμπύλη σύλληψης (Jones & Van Zalinge 1981) ορίζεται το γράφημα του συνολικού αριθμού ατόμων N c που έχουν μήκος μεγαλύτερο από L με τη σχέση Log e (L - L), όπου L είναι το κατώτερο όριο κάθε κλάσης μήκους. Οι Jones & Van Zalinge (1981) έδειξαν ότι για τις κλάσεις μήκους με πλήρη αντιπροσώπευση στο δείγμα ισχύει (Εικόνα 8.5): lnn c =a+ Z K ln(l!l)! 8.22 Η εξίσωση 8.22 είναι γραμμική της μορφής και οι παράμετροι a και υπολογίζονται με τη μέθοδο των ελαχίστων τετραγώνων. Στη συνέχεια, και εφόσον είναι γνωστό το Κ, μπορεί να εκτιμηθεί το Ζ. Όπως και στην περίπτωση της καμπύλης σύλληψης από μήκη, τα αρχικά σημεία στο δεξιό μέρος της καμπύλης και οι τελευταίες 2-4 κλάσεις μήκους που βρίσκονται κοντά στο L (Εικόνα 8.5) δεν χρησιμοποιούνται για την εκτίμηση της Ζ (Sparre et al. 1989). 8 6 (Z/K) = 3.43 K = 0.24 Z = 0.82 Ln(Ν c ) 4 2 Ln(Ν c ) = Ln(L -L) Ln(L -L) Εικόνα 8.5. Αθροιστική καμπύλη σύλληψης από μήκη για την κορδέλα Cepola macrophthalma στον Ευβοϊκό Κόλπο. Τα βέλη δηλώνουν τις κλάσεις μήκους που χρησιμοποιήθηκαν για την εκτίμηση του Ζ/Κ (τροποποιημένη από Stergiou et al. 1992).

9 L =! a b! 8.24 Μέθοδος POWELL-WetheraLl Ο Powell (1979) και οι Wetherall et al. (1987) ανέπτυξαν μια μέθοδο για την εκτίμηση του L και του από κατά μήκος συνθέσεις (Sparre et al. 1989). Σύμφωνα με τη μέθοδο αυτή, το γράφημα του με το L, όπου L m είναι το μέσο μήκος όλων των ατόμων με μήκος μεγαλύτερο από L και L είναι το μήκος εκείνο για το οποίο όλα τα άτομα με μήκος μεγαλύτερο από L αντιπροσωπεύονται πλήρως στο δείγμα, σχηματίζει ευθεία που τέμνει τον οριζόντιο άξονα στο L (Εικόνα 8.6). 20 L m L = L 15 L = cm L m L (cm) L (cm) Εικόνα 8.6. Μέθοδος POWELL-WETHERALL όπως εφαρμόστηκε στην κορδέλα Cepola macrophthalma του Ευβοϊκού Κόλπου (από Στεργιου 1991). Τα βέλη δείχνουν τις κλάσεις μήκους που χρησιμοποιήθηκαν για την εφαρμογή της μεθόδου. Το γράφημα αυτό είναι γνωστό ως γράφημα Powell-Wetherall και χρησιμοποιείται επίσης και για μια πρώτη εκτίμηση του L (Sparre et al. 1989, Gayanilo et al. 2005). Η μαθηματική έκφραση της μεθόδου αυτής είναι: L m!l'"="a!+"bl'! 8.23 Η εξίσωση 8.23 είναι γραμμική της μορφής Y=a+bX και οι συντελεστές υπολογίζονται με τη μέθοδο των ελαχίστων τετραγώνων. Στη συνέχεια, το L και το Ζ/Κ υπολογίζονται από τις σχέσεις: και: Z (1+b) =! K b! 8.25 Από την εξίσωση 8.25, και εφόσον είναι γνωστό το Κ, μπορεί να εκτιμηθεί η Ζ. Όπως και παραπάνω τα αρχικά και τα τελευταία σημεία (Εικόνα 8.6) δε χρησιμοποιούνται για τις εκτιμήσεις (Sparre et al. 1989). Η εκτίμηση του Ζ/Κ αντί της εκτίμησης των δυο παραμέτρων χωριστά, που είναι πιο δύσκολη, έχει μεγάλη σημασία στην αλιευτική βιολογία, γιατί η σχέση του Ζ/Κ χρησιμοποιείται σε αρκετά αλιευτικά μοντέλα (Gulland 1983) Μέθοδοι εκτίμησης φυσικής στιγμιαίας θνησιμότητας Η εκτίμηση της φυσικής στιγμιαίας θνησιμότητας Μ, η οποία γίνεται με δυο βασικές κατηγορίες μεθόδων, τις άμεσες και τις εμπειρικές, αποτελεί ένα από τα σημαντικότερα προβλήματα στην αλιευτική επιστήμη. Όλες οι γνωστές μέθοδοι εκτίμησής της περιέχουν σφάλματα και υπόκεινται σε πολλούς περιορισμούς (Vetter 1988, Kenchington 2014). Τα σφάλματα αυτά μεγεθύνονται πολλαπλασιαστικά στα αποτελέσματα των αλιευτικών μοντέλων που στηρίζονται στη M (Vetter 1988). Έτσι, ως καλύτερη προσέγγιση θεωρείται η

10 εκτίμηση ενός εύρους της Μ που προκύπτει από τη χρήση διαφορετικών μεθόδων Άμεση εκτίμηση Στην περίπτωση που ένα ιχθυαπόθεμα δεν αλιεύεται καθόλη τη διάρκεια του έτους και δεν μεταναστεύει σε περιοχές που αλιεύονται, και εφόσον η στιγμιαία αλιευτική θνησιμότητα F=0 τότε ισχύει ότι Z=M, γιατί Z=F+M. Σε αυτή την περίπτωση η εκτίμηση της Μ μπορεί να γίνει με όλες τις μεθόδους που χρησιμοποιούνται για την εκτίμηση της Ζ (Εικόνα 8.2). Παρ όλα αυτά αυτή η περίπτωση είναι σήμερα πολύ σπάνια στη φύση, αφού τα περισσότερα είδη ψαριών υπόκεινται σε κάποια μορφή αλιείας, με πιθανή εξαίρεση ορισμένα μεσοπελαγικά και βαθυπελαγικά μη εμπορικά είδη. Μια άλλη άμεση μέθοδος εκτίμησης της Μ προκύπτει από το συνδυασμό διαχρονικών στοιχείων ολικής στιγμιαίας θνησιμότητας Ζ και αλιευτικής προσπάθειας (Beverton & Holt 1957, Gulland 1983, Sparre et al. 1989). Έτσι, όταν υπάρχουν διαθέσιμα στοιχεία της Ζ ενός αποθέματος για ένα μεγάλο αριθμό ετών και της αλιευτικής προσπάθειας (συμβολίζεται με f) για την αλίευση του αποθέματος τα έτη αυτά, τότε με βάση την εξίσωση Z=F+M και την παραδοχή ότι η F είναι ανάλογη της αλιευτικής προσπάθειας, δηλαδή ότι (Sparre et al. 1989): F"="q"f! 8.26 προκύπτει ότι: Z=M=qF 8.27 Η εξίσωση 8.27 είναι γραμμική της μορφής Y=a+bX. Η Ζ αντιπροσωπεύει την εξαρτημένη μεταβλητή και η αλιευτική προσπάθεια την ανεξάρτητη μεταβλητή. Έτσι, τα M και q, που αντιπροσωπεύουν τη σταθερά και την κλίση της γραμμικής εξίσωσης, μπορούν να υπολογιστούν με τη μέθοδο των ελαχίστων τετραγώνων. Το γράφημα της Ζ με την f για τα διάφορα έτη σχηματίζει ευθεία που τέμνει τον άξονα της θνησιμότητας στην τιμή της Μ (Εικόνα 8.7). Ολική στιγμιαία θνησιμότητα = M Αλιευτική προσπάθεια Εικόνα 8.7. Σχέση ανάμεσα στην ολική στιγμιαία θνησιμότητα Ζ και την αλιευτική προσπάθεια και εκτίμηση της φυσικής στιγμιαίας θνησιμότητας Μ. Η παράμετρος q είναι γνωστή ως συντελεστής συλληψιμότητας (Κεφάλαιο 4) και δηλώνει το ποσοστό ενός αποθέματος που πιάνεται σε μια συγκεκριμένη αλιευτική προσπάθεια (Sparre et al. 1989). Η εκτίμηση της Μ με τη μέθοδο αυτή δεν είναι μεγάλης ακρίβειας, γιατί στηρίζεται στην παραδοχή ότι το q είναι σταθερό από έτος σε έτος. Η παραδοχή αυτή, ειδικά όταν τα στοιχεία αφορούν μια μεγάλη χρονική περίοδο πολλών δεκαετιών, είναι αμφισβητήσιμη εξαιτίας των αλλαγών στην αποδοτικότητα των αλιευτικών σκαφών και εργαλείων. Για παράδειγμα, μια ώρα αλιείας το 1950 δεν έχει το ίδιο q με μια ώρα αλιείας το 2010, αφού τα αλιευτικά σκάφη το 2010 είναι καλύτερα εξοπλισμένα (π.χ. πιο αποδοτικά αλιευτικά εργαλεία, μεγαλύτερες μηχανές, εξοπλισμένα με σύγχρονα βυθόμετρα και ηχοβολιστικά) από αυτά του 1950 (Sparre et al. 1989). Τέλος, η Μ μπορεί να εκτιμηθεί και από το συνδυασμό στοιχείων που αφορούν τις αλληλεπιδράσεις θηρευτή-λείας και την ανάλυση του μελετούμενου είδους ανά γενεά (Vetter 1988). Η μέθοδος αυτή είναι ιδιαίτερα πολύπλοκη, απαιτεί πληθώρα δεδομένων και δεν παρουσιάζεται εδώ.

11 ln M K =!0,22+0,30lnT) Εμπειρικές εξισώσεις Επειδή η άμεση εκτίμηση της φυσικής θνησιμότητας Μ στις περιοχές που αλιεύονται είναι πολύ δύσκολη, έως αδύνατη, έχουν γίνει προσπάθειες για την έμμεση εκτίμησή της από άλλες βιολογικές παραμέτρους, ο προσδιορισμός των οποίων είναι σχετικά πιο εύκολος (Vetter 1988, Sparre et al. 1989, Kenchington 2014). Παρόλο που υπήρχαν διάφορες έρευνες οι οποίες, χρησιμοποιώντας δημοσιευμένα στοιχεία για ένα μεγάλο αριθμό αποθεμάτων, έδειξαν ότι υπάρχει στενή σχέση ανάμεσα στη Μ και την παράμετρο Κ της εξίσωσης αύξησης (Beverton & Holt 1959, Gunderson 1980), στην ουσία ο Pauly (1980) ήταν αυτός που διερεύνησε πιο διεξοδικά τη σχέση ανάμεσα στη Μ και τις παραμέτρους αύξησης. Ο Pauly (1980) συνέλεξε από τη βιβλιογραφία δημοσιευμένα στοιχεία για τη Μ, τις παραμέτρους αύξησης Κ και L και τη μέση θερμοκρασία του νερού (από υδρογραφικό χάρτη) για 175 αποθέματα λιμνοποτάμιων και θαλασσινών ψαριών, τα ολικά μήκη των οποίων κυμαίνονταν από 2 ως cm, ενώ η μέση θερμοκρασία κυμαινόταν από 3 έως 30 o C. Στη συνέχεια προσάρμοσε στα στοιχεία αυτά την παρακάτω πολλαπλή γραμμική παλινδρόμηση, γνωστή ως εξίσωση Pauly: lnm=!0,0152!0,279l +0,6543K+0,463lnT! 8.28 όπου το L εκφράζεται σε cm ολικού μήκους. Από την εξίσωση 8.29 μπορεί να υπολογιστεί η Μ ενός αποθέματος όταν είναι γνωστές οι παράμετροι αύξησης και η μέση θερμοκρασία του νερού (T). Η εξίσωση Pauly παρέχει μια πρώτη εκτίμηση της Μ και δηλώνει ότι ένα είδος με μικρό μήκος σώματος και μεγάλο Κ που ζει σε νερά με υψηλή θερμοκρασία χαρακτηρίζεται από μεγάλη φυσική θνησιμότητα. Ο Pauly (1980) αναφέρει ότι η εξίσωση αυτή πιθανώς υπερεκτιμά τη Μ για ορισμένα πελαγικά είδη που σχηματίζουν κοπάδια και πρότεινε για τα είδη αυτά την αντικατάσταση της τιμής Μ με 0,8Μ. Η εξίσωση Pauly έχει υποστεί κριτική από διάφορους ερευνητές (Alagaraja 1989, Kenchington 2014). Για παράδειγμα, ο Kenchington (2014) έδειξε, χρησιμοποιώντας 13 ιχθυαποθέματα των οποίων η Μ ήταν γνωστή, ότι η εξίσωση Pauly παρέχει σχετικά ακριβείς εκτιμήσεις όταν η εκτίμηση της παραμέτρου Κ είναι αξιόπιστη, αλλά αποτυγχάνει σε είδη με μεγάλη διάρκεια ζωής και σε είδη που δεν φθάνουν ποτέ το L. Παρ όλ αυτά, η εξίσωση Pauly χρησιμοποιείται ευρέως στη διεθνή βιβλιογραφία, όπως γίνεται φανερό από τον μεγάλο αριθμό των αναφορών (που το 2015 ξεπερνούσαν τις 2500) στην αρχική δημοσίευση. Οι Djabali et al. (1993) εφάρμοσαν τη μεθοδολογία του Pauly (1980) σε 56 Μεσογειακά αποθέματα ψαριών και πρότειναν την παρακάτω εξίσωση ειδικά για τα Μεσογειακά ιχθυοαποθέματα: logm=!0,736!0,114logl +0,522K+0,583logT! 8.29 Οι Longhurst & Pauly (1987) χρησιμοποιώντας τα στοιχεία του Pauly (1980) προσάρμοσαν την παρακάτω γραμμική εξίσωση παλινδρόμησης ανάμεσα στον λόγο και τη μέση θερμοκρασία του νερού: Από την εξίσωση 8.30 μπορεί να υπολογιστεί η Μ όταν είναι γνωστό το Κ ενός αποθέματος και η μέση θερμοκρασία του νερού στην περιοχή όπου ζει το απόθεμα. Οι Rikhter & Efanov (1959) συνέλεξαν δημοσιευμένα στοιχεία από τη βιβλιογραφία για τη Μ και την ηλικία πρώτης γεννητικής ωρίμασης (t m ) στην οποία το 50% των ατόμων ενός πληθυσμού είναι γεννητικά ώριμο (Κεφάλαιο 9). Στη συνέχεια προσάρμοσαν στα στοιχεία αυτά την παρακάτω γραμμική εξίσωση παλινδρόμησης: Μ= 1,521 t m 0,72!0,155! 8.31 Από την εξίσωση 8.32 μπορεί να υπολογιστεί η Μ όταν είναι γνωστή η t m ενός αποθέματος. Ο Hoenig (1983) συνέλεξε από τη βιβλιογραφία δημοσιευμένα στοιχεία σχετικά με τη μέγιστη ηλικία (t max ) και την ολική στιγμιαία θνησιμότητα για 84 ιχθυαποθέματα που ανήκαν σε 53 είδη, τα οποία όμως δεν είχαν εκτεθεί σε αλιευτική πίεση (δηλαδή Ζ=Μ). Στη συνέχεια προσάρμοσε στα στοιχεία αυτά την παρακάτω γραμμική εξίσωση: lnz=1,46!1,01lnt max! 8.32

12 Η παραπάνω εξίσωση παίρνει τη μορφή στην περίπτωση που λαμβάνονται υπόψη και άλλες ταξινομικές ομάδες όπως τα μαλάκια. Από την εξίσωση 8.32 μπορεί να υπολογιστεί η Μ (=Ζ) ενός αποθέματος που δεν υπόκειται σε αλιευτική πίεση όταν είναι γνωστή η t max του αποθέματος αυτού. Αντί του t max μπορεί επίσης να χρησιμοποιηθεί η μέση ηλικία των μεγαλύτερων σε μήκος ατόμων του δείγματος, για παράδειγμα η μέση ηλικία των 10 ή 20 μεγαλυτέρων σε μήκος ατόμων (Sparre et al. 1989). 2.0 Φυσική θνησιμότητα (Μ) Oλικό μήκος (TL, cm) Εικόνα 8.8. Η φυσική θνησιμότητα (Μ) για τα αρσενικά και θηλυκά άτομα της σαρδέλας με το μήκος για τη σαρδέλα Sardina pilchardus με βάση την εξίσωση Gislason et al (τροποποιημένη από Tsikliras & Koutrakis 2013). Ο Roff (1984) έδειξε ότι η θεωρητική εξίσωση: lnm=ln3+lnl +lnk+ ln 1! L m L!lnL m! όπου L m είναι το μήκος της πρώτης γεννητικής ωρίμασης (Κεφάλαιο 9), παρέχει ικανοποιητική εκτίμηση της Μ για 30 αποθέματα ψαριών. Οι Gislason et al. (2010) ανέπτυξαν, χρησιμοποιώντας τις διαθέσιμες μη εμπειρικές εκτιμήσεις της M για τα αποθέματα θαλάσσιων και υφάλμυρων ψαριών, την παρακάτω εμπειρική εξίσωση για την εκτίμησή της Μ από τις παραμέτρους αύξησης και το μήκος L ενός ψαριού στο εύρος της καμπύλης αύξησης του είδους (Εικόνα 8.8):!lnM!="0,55"!1,61lnL!+"1,44lnL!+"lnK! 8.34 Η εξίσωση 8.34, τροποποιήθηκε στη συνέχεια από τους Charnov et al. (2013) ως εξής: M=( L )!1,5 K! L 8.35 Ο Kenchington (2014) παρουσιάζει και διάφορες άλλες μεθόδους εκτίμησης της Μ. Γενικά, όλες οι εμπειρικές εξισώσεις έχουν πλεονεκτήματα και μειονεκτήματα και μπορεί να δίνουν διαφορετικές εκτιμήσεις για ένα είδος (Kenchington 2014, Πίνακας 8.1), ενώ καμιά μέθοδος δεν μπορεί να δίνει ακριβείς εκτιμήσεις για όλα τα είδη ψαριών (Kenchington 2014). Έτσι, και εφόσον δεν είναι δυνατή η εκτίμηση της Μ με πιο προχωρημένες μεθόδους (π.χ. με τη τηλεμετρία, μαρκάρισμα-επανασύλληψη: Kenchington 2014), είναι γενικά επιθυμητή η εκτίμηση της Μ με περισσότερες από μια μεθόδους. Σε αυτή την περίπτωση μια τελική εκτίμηση μπορεί να προέλθει από το μέσο όρο όλων των διαφορετικών εκτιμήσεων (Stergiou & Papaconstantinou 1993). Σε οποιαδήποτε περίπτωση, όλες οι εκτιμήσεις της Μ πρέπει να συνοδεύονται και από μια εκτίμηση της αβεβαιότητας των εκτιμήσεων αυτών (Kenchington 2014). 8.33

13 Πίνακας 8.1. Εκτίμηση της φυσικής θνησιμότητας Μ της κορδέλας Cepola macrophthalma, ενός μη εμπορικού είδους το οποίο μπορεί να θεωρηθεί ότι υπόκειται σε μηδενική ή χαμηλή αλιευτική πίεση, στον βόρειο και νότιο Ευβοϊκό με διαφορετικές μεθόδους (από Stergiou & Papaconstantinou 1993). Μέθοδος εκτίμησης φυσικής θνησιμότητας Μ Β Ευβοϊκός Ν Ευβοϊκός 1. Ηoenig (1983), ψάρια και άλλοι οργανισμοί 0,55 0,87 2. Hoenig (1983), μόνο για ψάρια 0,53 0,85 3. Pauly (1980) 0,38-0,41 0,62-0,68 4. Longhurst & Pauly (1987) 0,38-0,40 0,67-0,71 5. Καμπύλη σύλληψης από μήκη 0,51 0,80 6. Αθροιστική καμπύλη σύλληψης από μήκη 0,66 0,82 7. Καμπύλη σύλληψης από ηλικίες 0,75 1,22 8. Beverton & Holt (1956) 0,80 1,23 Μέσος όρος των μεθόδων 5 έως 8 0,68 1, Αλιευτική στιγμιαία θνησιμότητα και ρυθμός εκμετάλλευσης Η ορθολογική διαχείριση των ιχθυαποθεμάτων απαιτεί παρέμβαση στην αλιευτική στιγμιαία θνησιμότητα F. Στην περίπτωση που έχει υπολογιστεί η Ζ και η Μ, με τις μεθόδους που αναφέρθηκαν παραπάνω, τότε, επειδή Z=F+M, μπορεί να υπολογιστεί η F. Ο υπολογισμός της F από την αλιευτική προσπάθεια περιγράφεται στο Κεφάλαιο 4. Η F μπορεί να υπολογιστεί επίσης και με την ανάλυση γενεάς (Pope 1972, Jones 1984). Η μέθοδος αυτή απαιτεί μια ανεξάρτητη εκτίμηση της Μ και στοιχεία αλιευτικής παραγωγής ανά κλάση ηλικίας στο αλίευμα και είναι ιδιαίτερα πολύπλοκη. Ο ρυθμός εκμετάλλευσης (Ε) ενός αποθέματος εκφράζει τον αριθμό των θανάτων που προκαλούνται από την αλιεία σε σχέση με το σύνολο των θανάτων που προκαλούνται τόσο από την αλιεία, όσο και από φυσικές αιτίες (π.χ. πείνα, ασθένειες, θήρευση και γήρας) και παρέχει μια πρώτη εκτίμηση της κατάστασης ενός ιχθυαποθέματος, δηλαδή αν υπεραλιεύεται ή όχι. Ο ρυθμός αυτός ορίζεται από τη σχέση (Ricker 1975): E= F Z = F F+M! 8.36 και παίρνει τιμές από 0 ως 1. Γενικά, για ένα ορθολογικά αλιευόμενο απόθεμα, η αλιευτική θνησιμότητα πρέπει να είναι ίση με τη φυσική θνησιμότητα, δηλαδή E= 0,5. Έτσι, τιμές του Ε ενός αποθέματος μεγαλύτερες από 0,5 αποτελούν ένδειξη ότι το απόθεμα είναι υπεραλιευμένο (Gulland 1977, Pauly 1984α, Sparre et al. 1989). Παρ όλ αυτά, πρέπει να τονιστεί ότι πολλές φορές η εξίσωση 8.36 υποεκτιμά την πραγματική κατάσταση των αποθεμάτων (Beddington & Cooke 1983).

14 Προτεινόμενη βιβλιογραφία κεφαλαίου Υπάρχουν πολλά συγγράμματα και εγχειρίδια που αφορούν τη θνησιμότητα και την εκτίμησή της, τα πιο σημαντικά απο τα οποία είναι τα, κλασικά πλέον, συγγράμματα των Beverton & Holt (1957), Ricker (1975), Pitcher & Hart (1982), Pauly (1983, 1984α), Pauly & Morgan (1987), Gulland (1988), Sparre et al. (1989), στο οποίο στηρίζεται κυρίως το κεφάλαιο αυτό όσον αφορά τις μεθόδους εκτίμησης της θνησιμότητας, Sparre & Venema (1998), Hilborn & Walters (1992, 2003), Gayanilo et al. (2005) και King (2007).

15 Ασκήσεις 1. Να υπολογιστεί η μέση φυσική θνησιμότητα και η τυπική της απόκλιση (±SD) από τις εμπειρικές μεθόδους για υποθετικό είδος που σχηματίζει κοπάδια στο βόρειο Αιγαίο (μέση ετήσια επιφανειακή θερμοκρασία θάλασσας Τ=15,7 C) και στη θάλασσα της Τυνησίας (μέση ετήσια επιφανειακή θερμοκρασία θάλασσας Τ=19,1 C). Τα πληθυσμιακά χαρακτηριστικά των δύο πληθυσμών είναι ίδια (L =25,95 cm, K=0,623 έτη -1 και t m =1,47 έτη για το σύνολο των ατόμων). α. Ποια είναι η σχέση της φυσικής θνησιμότητας με το γεωγραφικό πλάτος; β. Πώς προκύπτει αυτό από την εξίσωση του Pauly; γ. Ένας οργανισμός στον ισημερινό (γεωγραφικό πλάτος 0 ) θα είχε μεγαλύτερη ή μικρότερη φυσική θνησιμότητα και γιατί; δ. Αν η ολική θνησιμότητα είναι η ίδια και στις δυο περιοχές, ποιο απόθεμα δέχεται την υψηλότερη αλιευτική πίεση και γιατί; 2. Να υπολογιστεί η φυσική θνησιμότητα για 2 είδη καρχαριών που ωριμάζουν γεννητικά στο 30% του μέγιστου μήκους τους και για 2 είδη κλουπεοειδών που ωριμαζουν γεννητικά στο 60% του μέγιστου μήκους τους. 3. Ο αριθμός ατόμων ανά ηλικία ενός είδους στις ηλικίες 1 έως 12 έτη είναι 5, 8, 12, 14, 22, 17, 14, 11, 7, 3, 1 και 1 άτομα αντίστοιχα. Να υπολογιστεί η ολική θνησιμότητα Ζ.

ΔΙΑΧΕΙΡΙΣΗ ΑΓΡΙΑΣ ΠΑΝΙΔΑΣ 8. ΓΕΝΝΗΤΙΚΟΤΗΤΑ ΘΝΗΣΙΜΟΤΗΤΑ

ΔΙΑΧΕΙΡΙΣΗ ΑΓΡΙΑΣ ΠΑΝΙΔΑΣ 8. ΓΕΝΝΗΤΙΚΟΤΗΤΑ ΘΝΗΣΙΜΟΤΗΤΑ ΔΙΑΧΕΙΡΙΣΗ ΑΓΡΙΑΣ ΠΑΝΙΔΑΣ 8. ΓΕΝΝΗΤΙΚΟΤΗΤΑ ΘΝΗΣΙΜΟΤΗΤΑ Γεννητικότητα Ρυθμός αναπαραγωγής: η παραγωγή νέων στον πληθυσμό μέσω της Γέννησης (στα θηλαστικά) Εκκόλαψης (πτηνά, ερπετά, αμφίβια, ψάρια) Γεννητικότητα:

Διαβάστε περισσότερα

Β Γραφικές παραστάσεις - Πρώτο γράφημα Σχεδιάζοντας το μήκος της σανίδας συναρτήσει των φάσεων της σελήνης μπορείτε να δείτε αν υπάρχει κάποιος συσχετισμός μεταξύ των μεγεθών. Ο συνήθης τρόπος γραφικής

Διαβάστε περισσότερα

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΑΣΙΜΟΥ ΚΑΙ ΣΤΑΘΕΡΟΥ ΠΛΗΘΥΣΜΟΥ (ΕΛΕΥΘΕΡΙΑ ΑΝΔΡΟΥΛΑΚΗ) Η εξέταση των πολύπλοκων δεσμών που συνδέουν τα δημογραφικά φαινόμενα με τους πληθυσμούς από τους οποίους προέρχονται και τους οποίους

Διαβάστε περισσότερα

5. 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 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 περισσότερα

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί

Διαβάστε περισσότερα

Περιγραφική Στατιστική

Περιγραφική Στατιστική Περιγραφική Στατιστική Παναγιώτα Λάλου. Βασικές έννοιες Ορισμός: Στατιστικός πληθυσμός ονομάζεται το σύνολο των πειραματικών μονάδων π.χ άνθρωποι, ζώα, επιχειρήσεις κ.λπ, οι οποίες συμμετέχουν στην έρευνα

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

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται

Διαβάστε περισσότερα

Στατιστική Ι. Ανάλυση Παλινδρόμησης

Στατιστική Ι. Ανάλυση Παλινδρόμησης Στατιστική Ι Ανάλυση Παλινδρόμησης Ανάλυση παλινδρόμησης Η πρόβλεψη πωλήσεων, εσόδων, κόστους, παραγωγής, κτλ. είναι η βάση του επιχειρηματικού σχεδιασμού. Η ανάλυση παλινδρόμησης και συσχέτισης είναι

Διαβάστε περισσότερα

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER 4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι

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

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

7. Αύξηση Σχέση μηκους-βάρους

7. Αύξηση Σχέση μηκους-βάρους 7. Αύξηση Σύνοψη Στο κεφάλαιο αυτό παρουσιάζονται η αύξηση σε μήκος και βάρος και η σχέση μήκους-βάρους, η ευρωστία, τα κύρια μοντέλα αύξησης και οι μέθοδοι εκτίμησης των παραμέτρων αύξησης των ψαριών

Διαβάστε περισσότερα

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β;

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; σελ 1 από 5 ΚΕΦΑΛΑΙΟ 1 Ο Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; 1. Σ-Λ Η σχέση με:, είναι συνάρτηση. 2. Σ-Λ Η σχέση είναι συνάρτηση.

Διαβάστε περισσότερα

Α) Αν η διάμεσος δ του δείγματος Α είναι αρνητική, να βρεθεί το εύρος R του δείγματος.

Α) Αν η διάμεσος δ του δείγματος Α είναι αρνητική, να βρεθεί το εύρος R του δείγματος. ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΣΥΛΛΟΓΗ ΑΣΚΗΣΕΩΝ ου ΚΕΦΑΛΑΙΟΥ Άσκηση 1 (Προτάθηκε από Χρήστο Κανάβη) Έστω CV 0.4 όπου CV ο συντελεστής μεταβολής, και η τυπική απόκλιση s = 0. ενός δείγματος που έχει την ίδια

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΕΥΑΙΣΘΗΣΙΑΣ Εισαγωγή

ΑΝΑΛΥΣΗ ΕΥΑΙΣΘΗΣΙΑΣ Εισαγωγή 1 ΑΝΑΛΥΣΗ ΕΥΑΙΣΘΗΣΙΑΣ Εισαγωγή Η ανάλυση ευαισθησίας μιάς οικονομικής πρότασης είναι η μελέτη της επιρροής των μεταβολών των τιμών των παραμέτρων της πρότασης στη διαμόρφωση της τελικής απόφασης. Η ανάλυση

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΟΙ ΠΙΝΑΚΕΣ. ΓΕΝΙΚΟΙ (περιέχουν όλες τις πληροφορίες που προκύπτουν από μια στατιστική έρευνα) ΕΙΔΙΚΟΙ ( είναι συνοπτικοί και σαφείς )

ΣΤΑΤΙΣΤΙΚΟΙ ΠΙΝΑΚΕΣ. ΓΕΝΙΚΟΙ (περιέχουν όλες τις πληροφορίες που προκύπτουν από μια στατιστική έρευνα) ΕΙΔΙΚΟΙ ( είναι συνοπτικοί και σαφείς ) Πληθυσμός (populaton) ονομάζεται ένα σύνολο, τα στοιχεία του οποίου εξετάζουμε ως προς τα χαρακτηριστικά τους. Μεταβλητές (varables ) ονομάζονται τα χαρακτηριστικά ως προς τα οποία εξετάζουμε έναν πληθυσμό.

Διαβάστε περισσότερα

Μαθηματικά. Ενότητα 2: Διαφορικός Λογισμός. Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Μαθηματικά. Ενότητα 2: Διαφορικός Λογισμός. Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Μαθηματικά Ενότητα 2: Διαφορικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

Υ: 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..

Υ: 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 περισσότερα

Μαθηματική Εισαγωγή Συναρτήσεις

Μαθηματική 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 περισσότερα

Ειδικά Θέματα Ιχθυολογίας

Ειδικά Θέματα Ιχθυολογίας Πανεπιστήμιο Ιωαννίνων Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών Ειδικά Θέματα Ιχθυολογίας Εργαστηριακός οδηγός Ιωάννης Δ. Λεονάρδος Καθηγητής 6 Η ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ : ΜΕΛΕΤΗ ΤΗΣ ΑΥΞΗΣΗΣ ΤΩΝ ΨΑΡΙΩΝ 1.

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS)

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS) ΚΕΦΑΛΑΙΟ 8 ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (OULATION ROJECTIONS) Η κύρια πηγή στατιστικών δεδοµένων που αφορούν το µέγεθος και τη σύνθεση του πληθυσµού είναι η απογραφή. Η απογραφή πληθυσµού

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ. ν 1 + ν ν κ = v (1) Για τη σχετική συχνότητα ισχύουν οι ιδιότητες:

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ. ν 1 + ν ν κ = v (1) Για τη σχετική συχνότητα ισχύουν οι ιδιότητες: Συχνότητα v i O φυσικός αριθμός που δείχνει πόσες φορές εμφανίζεται η τιμή x i της εξεταζόμενης μεταβλητής Χ στο σύνολο των παρατηρήσεων. Είναι φανερό ότι το άθροισμα όλων των συχνοτήτων είναι ίσο με το

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.

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.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος

Διαβάστε περισσότερα

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων Το κείμενο που ακολουθεί είναι απόσπασμα από το βιβλίο του Β. Κοτζαμάνη, Στοιχεία Δημογραφίας, Πανεπιστημιακές Εκδόσεις Θεσσαλίας, Βόλος, 9, σσ. 95-99. IV.5 Υποδείγματα πληθυσμού: στάσιμος και σταθερός

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

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 Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 7: Κανονική Κατανομή. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 7: Κανονική Κατανομή. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 7: Κανονική Κατανομή Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : , Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση

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

Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος

Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος Χρησιμοποιείται μόνο όταν οι τιμές της μεταβλητής έχουν ένα σταθερό άθροισμα (συνήθως 100%, όταν μιλάμε για σχετικές συχνότητες) Είναι χρήσιμο μόνο

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Χειμερινό εξάμηνο 2010-2011 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ.Μ. 436 Περιγραφική Στατιστική Ι users.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr Μέτρα θέσης Η θέση αντιπροσωπεύει τη θέση της κατανομής

Διαβάστε περισσότερα

Πρακτική µε στοιχεία στατιστικής ανάλυσης

Πρακτική µε στοιχεία στατιστικής ανάλυσης Πρακτική µε στοιχεία στατιστικής ανάλυσης 1. Για να υπολογίσουµε µια ποσότητα q = x 2 y xy 2, µετρήσαµε τα µεγέθη x και y και βρήκαµε x = 3.0 ± 0.1και y = 2.0 ± 0.1. Να βρεθεί η ποσότητα q και η αβεβαιότητά

Διαβάστε περισσότερα

Μαθηματική Εισαγωγή Συναρτήσεις

Μαθηματική 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 περισσότερα

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής ιατύπωση του προβλήματος (1) Τα συστήματα αναμονής (queueing systems), βρίσκονται

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

Διάστημα εμπιστοσύνης της μέσης τιμής

Διάστημα εμπιστοσύνης της μέσης τιμής Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑΤΙΚΑ Ι 4 ΟΚΤΩΒΡΙΟΥ 2016 ΓΡΑΜΜΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΕΙΣΑΓΩΓΗ Ι Κεντρική έννοια το μέτρο ή ρυθμός μεταβολής:

Διαβάστε περισσότερα

Εισαγωγή στην Κανονική Κατανομή. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη

Εισαγωγή στην Κανονική Κατανομή. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη Εισαγωγή στην Κανονική Κατανομή Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη Ένα πρόβλημα Πρόβλημα: Ένας μαθητής είχε επίδοση στο τεστ Μαθηματικών 18 και στο τεστ

Διαβάστε περισσότερα

Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία

Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία ΚΕΦΑΛΑΙΟ 4 ΠΙΝΑΚΕΣ ΠΟΛΛΑΠΛΩΝ ΚΙΝ ΥΝΩΝ (MULTIPLE DECREMENT TABLES) Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία αρχίζοντας από µια οµάδα γεννήσεων ζώντων που αποτελεί την ρίζα του πίνακα

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

ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ 1.Έστω ο δειγματικός χώρος Ω = { 1,,, K,10} με ισοπίθανα απλά ενδεχόμενα. Να 4 βρείτε την πιθανότητα ώστε η συνάρτηση f ( x ) = x 4x + λ να

Διαβάστε περισσότερα

Περιεχόμενα. Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14

Περιεχόμενα. Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14 Περιεχόμενα Κεφάλαιο 1 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΜΙΑ ΕΥΘΕΙΑ... 13 1.1 Οι συντεταγμένες ενός σημείου...13 1.2 Απόλυτη τιμή...14 Κεφάλαιο 2 ΣΥΣΤΗΜΑΤΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΕ ΕΝΑ ΕΠΙΠΕΔΟ 20 2.1 Οι συντεταγμένες

Διαβάστε περισσότερα

4 Το άτομο ως παραγωγός (η προσφορά των αγαθών)

4 Το άτομο ως παραγωγός (η προσφορά των αγαθών) 4 Το άτομο ως παραγωγός (η προσφορά των αγαθών) Σκοπός Στο προηγούμενο κεφάλαιο εξετάσαμε τη ζήτηση των αγαθών, η οποία προέρχεται από τα νοικοκυριά (τους καταναλωτές). Τα αγαθά αυτά παράγονται και προσφέρονται

Διαβάστε περισσότερα

Διάλεξη 4: Ραδιενέργεια

Διάλεξη 4: Ραδιενέργεια Σύγχρονη Φυσική - 216: Πυρηνική Φυσική και Φυσική Στοιχειωδών Σωματιδίων 4/4/16 Διάλεξη 4: Ραδιενέργεια Βασικοί τρόποι αποδιέγερσης Όπως γνωρίζουμε στην φύση υπάρχουν σταθερές πυρηνικές καταστάσεις αλλά

Διαβάστε περισσότερα

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21 ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις

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

ΜΕΛΕΤΗ ΑΡΜΟΝΙΚΗΣ ΤΑΛΑΝΤΩΣΗΣ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΤΟΥ ΜΑΘΗΤΗ Τάξη, τμήμα: Ημερομηνία:. Επώνυμο-όνομα:..

ΜΕΛΕΤΗ ΑΡΜΟΝΙΚΗΣ ΤΑΛΑΝΤΩΣΗΣ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΤΟΥ ΜΑΘΗΤΗ Τάξη, τμήμα: Ημερομηνία:. Επώνυμο-όνομα:.. 1 ΑΠΛΗ ΑΡΜΟΝΙΚΗ ΤΑΛΑΝΤΩΣΗ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ Multilong ΜΕΛΕΤΗ ΑΡΜΟΝΙΚΗΣ ΤΑΛΑΝΤΩΣΗΣ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΤΟΥ ΜΑΘΗΤΗ Τάξη, τμήμα: Ημερομηνία:. Επώνυμο-όνομα:.. Στόχοι: Με τη βοήθεια των γραφικών παραστάσεων των ταλαντώσεων

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

Γ. Πειραματισμός - Βιομετρία

Γ. Πειραματισμός - Βιομετρία Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ 1 ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 1. Ένα σηµείο Α(χ, ψ) ανήκει στη γραφική παράσταση της f αν f(ψ)=χ. 2. Αν µια συνάρτηση είναι γνησίως αύξουσα σε ένα διάστηµα A,

Διαβάστε περισσότερα

Ε 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 Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ Θέμα εξετάσεων 2000 Εξετάσαμε 50 μαθητές ως προς τα βιβλία που έχουν διαβάσει και διαπιστώσαμε ότι: 5 μαθητές δεν έχουν διαβάσει κανένα βιβλίο, 15 μαθητές έχουν

Διαβάστε περισσότερα

Θέμα: Ενδεικτικό Θέμα εξετάσεων: Μέτρα θέσης Παλινδρόμηση

Θέμα: Ενδεικτικό Θέμα εξετάσεων: Μέτρα θέσης Παλινδρόμηση ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, email: mitro@teipat.gr TECHNOLOGICAL

Διαβάστε περισσότερα

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα

Διαβάστε περισσότερα

X = = 81 9 = 9

X = = 81 9 = 9 Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη

Διαβάστε 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

Δ Ι Α Γ Ω Ν Ι Σ Μ Α Σ Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α Γ Ε Ν Ι Κ Η Σ Π Α Ι Δ Ε Ι Α Σ. οι τιμές μιας μεταβλητής Χ ενός δείγματος πλήθους ν με k.

Δ Ι Α Γ Ω Ν Ι Σ Μ Α Σ Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α Γ Ε Ν Ι Κ Η Σ Π Α Ι Δ Ε Ι Α Σ. οι τιμές μιας μεταβλητής Χ ενός δείγματος πλήθους ν με k. Δ Ι Α Γ Ω Ν Ι Σ Μ Α Σ Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α Γ Ε Ν Ι Κ Η Σ Π Α Ι Δ Ε Ι Α Σ ΘΕΜΑ Α A Να αποδείξετε ότι η συνάρτηση () είναι παραγωγίσιμη στο R με () Α Έστω k οι τιμές μιας μεταβλητής Χ ενός δείγματος πλήθους

Διαβάστε περισσότερα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα Δύο κύριοι τρόποι παρουσίασης δεδομένων Παράδειγμα Με πίνακες Με διαγράμματα Ονομαστικά δεδομένα Εδώ τα περιγραφικά μέτρα (μέσος, διάμεσος κλπ ) δεν έχουν νόημα Πήραμε ένα δείγμα από 25 άτομα και τα ρωτήσαμε

Διαβάστε περισσότερα

Γενικά Μαθηματικά. , :: x, :: x. , :: x, :: x. , :: x, :: x

Γενικά 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 περισσότερα

dy df(x) y= f(x) y = f (x), = dx dx θ x m= 1

dy df(x) y= f(x) y = f (x), = dx dx θ x m= 1 I. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ d df() = f() = f (), = d d.κλίση ευθείας.μεταολές 3.(Οριακός) ρυθμός μεταολής ή παράγωγος 4.Παράγωγοι ασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία 8.Στάσιμα

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ 1 Τί λέγεται πληθυσμός τι άτομα και τι μεταβλητή ενός πληθυσμού 2. Ποιες μεταβλητές λέγονται ποιοτικές ή κατηγορικές; 3.

ΣΤΑΤΙΣΤΙΚΗ 1 Τί λέγεται πληθυσμός τι άτομα και τι μεταβλητή ενός πληθυσμού 2. Ποιες μεταβλητές λέγονται ποιοτικές ή κατηγορικές; 3. .. ΣΤΑΤΙΣΤΙΚΗ 1 Τί λέγεται πληθυσμός τι άτομα και τι μεταβλητή ενός πληθυσμού 2. Ποιες μεταβλητές λέγονται ποιοτικές ή κατηγορικές; 3. Ποιες μεταβλητές λέγονται ποσοτικές; 4. Πότε μια ποσοτική μεταβλητή

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΑΛΙΕΙΑΣ 1) Μια Σύντομη Εισαγωγή Στα Πληθυσμιακά Μοντέλα Ας θεωρήσουμε μια συγκεκριμένη κοινότητα ψαριών, για την οποία υποθέτουμε

Διαβάστε περισσότερα

Υ: 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..

Υ: 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 περισσότερα

Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο

Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο «Περιγραφική & Επαγωγική Στατιστική» 1. Πάνω από το 3 ο τεταρτημόριο ενός δείγματος βρίσκεται το: α) 15%

Διαβάστε περισσότερα

ΙΕΡΕΥΝΗΣΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΥΠΟΛΟΓΙΣΜΩΝ ΚΛΩΘΟΕΙ ΟΥΣ, Ι ΙΑΙΤΕΡΑ ΣΕ ΜΗ ΤΥΠΙΚΕΣ ΕΦΑΡΜΟΓΕΣ.

ΙΕΡΕΥΝΗΣΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΥΠΟΛΟΓΙΣΜΩΝ ΚΛΩΘΟΕΙ ΟΥΣ, Ι ΙΑΙΤΕΡΑ ΣΕ ΜΗ ΤΥΠΙΚΕΣ ΕΦΑΡΜΟΓΕΣ. ΙΕΡΕΥΝΗΣΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΥΠΟΛΟΓΙΣΜΩΝ ΚΛΩΘΟΕΙ ΟΥΣ, Ι ΙΑΙΤΕΡΑ ΣΕ ΜΗ ΤΥΠΙΚΕΣ ΕΦΑΡΜΟΓΕΣ. Ν. Ε. Ηλιού Επίκουρος Καθηγητής Τµήµατος Πολιτικών Μηχανικών Πανεπιστηµίου Θεσσαλίας Γ.. Καλιαµπέτσος Επιστηµονικός

Διαβάστε περισσότερα

15, 11, 10, 10, 14, 16, 19, 18, 13, 17

15, 11, 10, 10, 14, 16, 19, 18, 13, 17 ΜΕΡΟΣ 1 0 Α Σ Κ Η Σ Ε Ι Σ Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ 1. Σε ένα Λύκειο θέλουµε να εξετάσουµε την επίδοση 10 µαθητών στο µάθηµα της Στατιστικής στο τέλος του β τετραµήνου. Πήραµε τις ακόλουθες βαθµολογίες: 15,

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ)

ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ) ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ) ΠΕΡΙΕΧΟΜΕΝΑ Μέτρα θέσης και διασποράς (Εισαγωγή) Μέση τιμή Διάμεσος Σταθμικός μέσος Επικρατούσα τιμή Εύρος Διακύμανση Τυπική απόκλιση Συντελεστής μεταβολής Κοζαλάκης

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ. ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΨΗΣ - ΘΕΜΑ Ο Έστω η συνάρτηση f( ) =, 0 ) Να αποδείξετε ότι f ( ). f( ) =. ) Να υπολογίσετε το όριο lm f ( )+ 4. ) Να βρείτε την εξίσωση της εφαπτομένης

Διαβάστε περισσότερα

Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών

Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών να αντιληφθούν τη σημασία της εν λόγω κατανομής

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C Επιμέλεια: Κ Μυλωνάκης ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΕΡΩΤΗΣΗ Τι ονομάζεται πραγματική συνάρτηση με πεδίο ορισμού το Α; Έστω Α ένα υποσύνολο του R Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το Α μια διαδικασία

Διαβάστε περισσότερα

Τα Ιχθυαποθέματα της Μεσογείου στα Όρια της Κατάρρευσης

Τα Ιχθυαποθέματα της Μεσογείου στα Όρια της Κατάρρευσης Τα Ιχθυαποθέματα της Μεσογείου στα Όρια της Κατάρρευσης Καθώς πολλά ιχθυαποθεμάτα στη Βόρεια Ευρώπη αρχίζουν να δείχνουν σημάδια ανάκαμψης, η κατάσταση στη Μεσόγειο φανερώνει μια δυσμενή εικόνα. Παρά τις

Διαβάστε περισσότερα

Διάλεξη 4 - Σημειώσεις

Διάλεξη 4 - Σημειώσεις Διάλεξη 4 - Σημειώσεις Απροσδιόριστες μορφές και ο κανόνας l'hôpital Έστω ότι ζητούμε το όριο () της συνάρτησης () = () () η οποία δίνεται ως το πηλίκο δύο συναρτήσεων (), (). Τότε, () () () = () = ()

Διαβάστε περισσότερα

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

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Το διάστημα εμπιστοσύνης είναι ένα διάστημα αριθμών

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

Οι καταιγίδες διακρίνονται σε δύο κατηγορίες αναλόγως του αιτίου το οποίο προκαλεί την αστάθεια τις ατμόσφαιρας:

Οι καταιγίδες διακρίνονται σε δύο κατηγορίες αναλόγως του αιτίου το οποίο προκαλεί την αστάθεια τις ατμόσφαιρας: ΑΝΑΛΥΣΗ ΣΥΧΝΟΤΗΤΑΣ ΡΑΓΔΑΙΩΝ ΒΡΟΧΩΝ Καταιγίδα (storm): Πρόκειται για μια ισχυρή ατμοσφαιρική διαταραχή, η οποία χαρακτηρίζεται από την παρουσία μιας περιοχής χαμηλών ατμοσφαιρικών πιέσεων και από ισχυρούς

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων Ι

Στατιστική Επιχειρήσεων Ι ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 5: Παλινδρόμηση Συσχέτιση θεωρητική προσέγγιση Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων

Διαβάστε περισσότερα

ΑΠΛΗ ΑΡΜΟΝΙΚΗ ΤΑΛΑΝΤΩΣΗ - ΜΕΛΕΤΗ ΤΑΛΑΝΤΩΣΗΣ ΕΛΑΤΗΡΙΟΥ [Π. Μουρούζης, Γ. Παληός, Κ. Παπαμιχάλης, Γ. Τουντουλίδης, Ε. Τσιτοπούλου, Ι.

ΑΠΛΗ ΑΡΜΟΝΙΚΗ ΤΑΛΑΝΤΩΣΗ - ΜΕΛΕΤΗ ΤΑΛΑΝΤΩΣΗΣ ΕΛΑΤΗΡΙΟΥ [Π. Μουρούζης, Γ. Παληός, Κ. Παπαμιχάλης, Γ. Τουντουλίδης, Ε. Τσιτοπούλου, Ι. ΑΠΛΗ ΑΡΜΟΝΙΚΗ ΤΑΛΑΝΤΩΣΗ - ΜΕΛΕΤΗ ΤΑΛΑΝΤΩΣΗΣ ΕΛΑΤΗΡΙΟΥ [Π. Μουρούζης, Γ. Παληός, Κ. Παπαμιχάλης, Γ. Τουντουλίδης, Ε. Τσιτοπούλου, Ι. Χριστακόπουλος] Για τον καθηγητή Στόχοι: Με τη βοήθεια των γραφικών παραστάσεων

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ. (iii) ln(0.5) = , (iv) e =

ΑΣΚΗΣΕΙΣ. (iii) ln(0.5) = , (iv) e = ΑΣΚΗΣΕΙΣ Να συµπληρωθεί ο παρακάτω πίνακας 47 48 49 50 5 l 348480 299692 d 43306 q 0.0 0.2 0.5 2 3 4 5 Η ένταση θνησιµότητας µ +t, 0 t, αλλάζει σε µ +t - c, όπου το c είναι θετικός σταθερός αριθµός. Να

Διαβάστε περισσότερα

Δειγματοληψία στην Ερευνα. Ετος

Δειγματοληψία στην Ερευνα. Ετος ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)

Διαβάστε περισσότερα

x 2,, x Ν τον οποίον το αποτέλεσμα επηρεάζεται από

x 2,, x Ν τον οποίον το αποτέλεσμα επηρεάζεται από Στη θεωρία, θεωρία και πείραμα είναι τα ΘΕΩΡΙΑ ΣΦΑΛΜΑΤΩΝ... υπό ισχυρή συμπίεση ίδια αλλά στο πείραμα είναι διαφορετικά, A.Ensten Οι παρακάτω σημειώσεις περιέχουν τα βασικά σημεία που πρέπει να γνωρίζει

Διαβάστε περισσότερα

Γενικές Αρχές Οικολογίας

Γενικές Αρχές Οικολογίας Γενικές Αρχές Οικολογίας Γιώργος Αμπατζίδης Παιδαγωγικό Τμήμα Ειδικής Αγωγής, Πανεπιστήμιο Θεσσαλίας ακαδημαϊκό έτος 2016-17 Στο προηγούμενο μάθημα Αντικείμενο της επιστήμης της οικολογίας Ιστορία της

Διαβάστε περισσότερα

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Ενότητα 1: Βασίλης Γιαλαμάς Σχολή Επιστημών της Αγωγής Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία Περιεχόμενα ενότητας Παρουσιάζονται βασικές

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 9/10/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 3o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Emal: gasl@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gasl

Διαβάστε περισσότερα

IV.13 ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ 1 ης ΤΑΞΕΩΣ

IV.13 ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ 1 ης ΤΑΞΕΩΣ IV.3 ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ης ΤΑΞΕΩΣ.Γενική λύση.χωριζόμενων μεταβλητών 3.Ρυθμοί 4.Γραμμικές 5.Γραμμική αυτόνομη 6.Bernoulli αυτόνομη 7.Aσυμπτωτικές ιδιότητες 8.Αυτόνομες 9.Σταθερές τιμές.διάγραμμα ροής.ασυμπτωτική

Διαβάστε περισσότερα

Τεχνική Υδρολογία (Ασκήσεις)

Τεχνική Υδρολογία (Ασκήσεις) Τμήμα Δασολογίας & Διαχείρισης Περιβάλλοντος & Φυσικών Πόρων Εργαστήριο Διευθέτησης Ορεινών Υδάτων και Διαχείρισης Κινδύνου Προπτυχιακό Πρόγραμμα Σπουδών Τεχνική Υδρολογία (Ασκήσεις) Κεφάλαιο 2 ο : Κατακρημνίσματα

Διαβάστε περισσότερα

Συμπεριφορά συναρτήσεως σε κλειστές φραγμένες περιοχές. (x 0, y 0, f(x 0, y 0 ) z = L(x, y)

Συμπεριφορά συναρτήσεως σε κλειστές φραγμένες περιοχές. (x 0, y 0, f(x 0, y 0 ) z = L(x, y) 11.7. Aκρότατα και σαγματικά σημεία 903 39. Εκτίμηση μέγιστου σφάλματος Έστω ότι u e sin και ότι τα,, και μπορούν να μετρηθούν με μέγιστα δυνατά σφάλματα 0,, 0,6, και / 180, αντίστοιχα. Εκτιμήστε το μέγιστο

Διαβάστε περισσότερα

«ΕΚΤΙΜΗΣΗ ΑΝΑΓΚΩΝ ΣΕ ΝΕΡΟ ΤΟΥ ΔΗΜΟΥ ΛΑΡΙΣΑΣ ΚΑΙ ΟΜΟΡΩΝ ΔΗΜΩΝ»

«ΕΚΤΙΜΗΣΗ ΑΝΑΓΚΩΝ ΣΕ ΝΕΡΟ ΤΟΥ ΔΗΜΟΥ ΛΑΡΙΣΑΣ ΚΑΙ ΟΜΟΡΩΝ ΔΗΜΩΝ» ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ Εργαστήριο Τεχνικής Γεωλογίας & Υδρογεωλογίας «ΕΚΤΙΜΗΣΗ ΑΝΑΓΚΩΝ ΣΕ ΝΕΡΟ ΤΟΥ ΔΗΜΟΥ ΛΑΡΙΣΑΣ ΚΑΙ ΟΜΟΡΩΝ ΔΗΜΩΝ» Χρηματοδότηση: Δ.Ε.Υ.Α.Λ Επιστημονικός Υπεύθυνος: Γ. Σούλιος

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

Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής

Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Copyright 2009 Cengage Learning 4.1 Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Δείκτες Κεντρικής Θέσης [Αριθμητικός] Μέσος, Διάμεσος, Επικρατούσα

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΘΕΜΑ A A. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι f g f g,. Μονάδες 7 Α. Σε ένα πείραμα με ισοπίθανα αποτελέσματα

Διαβάστε περισσότερα

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Πίνακας Περιεχομένων Εργασία η... Θέμα ο :... Θέμα ο :... 4 Θέμα 3 ο :...

Διαβάστε περισσότερα