2. Η πιθανότητα της ένωσης δύο ξένων μεταξύ τους (ασυμβίβαστων) ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "2. Η πιθανότητα της ένωσης δύο ξένων μεταξύ τους (ασυμβίβαστων) ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων."

Transcript

1 Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P, που αντιστοιχεί σε υποσύνολα του Ω έναν αριθμό στο [ 0, ] και έχει τις εξής ιδιότητες:. P ( Ω ).. Η πιθανότητα της ένωσης δύο ξένων μεταξύ τους (ασυμβίβαστων) ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων. Συμβολίζουμε με το πεδίο ορισμού (που περιέχει υποσύνολα του συνάρτησης P. Δηλαδή το μέτρο πιθανότητας Ω ) της [ ] P : 0, είναι μία συνολοσυνάρτηση από το στο [ 0, ] τέτοια ώστε για κάθε A να έχουμε 0 P( A). H δομή του Για παράδειγμα εάν AB,, είναι λογικό, εκτός των πιθανοτήτων P( A ) και P( B ) να θέλουμε να μπορούμε να υπολογίζουμε πιθανότητες της μορφής P( A ), P( B ) είτε P( A B). Για να υπολογίσουμε τις πιθανότητες P( A ), P( B ) μας αρκεί το γεγονός ότι AB, εφόσον P( A ) P( A) και P( B ) P( B). Από την άλλη μεριά αυτό σημαίνει ότι θα έχουμε και A, B. Για την P A B έχουμε ότι: πιθανότητα ( ) P( A B) P( AB ) + P( AB ) + P( AB) P( A B) P( A) + P( AB ) P( A B) P( B) + P( AB ) Προσθέτοντας κατά μέλη την η και 3 η εξίσωση και αφαιρώντας την η παίρνουμε την γνωστή σχέση P A B P A + P B P AB. ( ) ( ) ( ) ( ) Είναι εμφανές λοιπόν ότι για να μπορούμε να υπολογίσουμε τις πιθανότητες P( A ), P( B ), και P( A B) θα πρέπει να ανήκουν στο εκτός από τα A και B, και τα υποσύνολα του Ω Ο χώρος Ω που καθορίζει το τυχαίο πείραμα ή φαινόμενο. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

2 A B, A, B, AB, AB, A B. Για πρακτικούς λόγους, θα θέλαμε να μπορούμε να βρούμε την πιθανότητα κάθε ενδεχομένου A Ω δηλαδή θα θέλαμε να έχουμε σαν πεδίο ορισμού της συνάρτησης P το δυναμοσύνολο του Ω, δηλαδή το σύνολο όλων των υποσυνόλων του Ω, που συμβολίζουμε με Ω είτε ( Ω). Αυτό όμως μπορεί να γίνει μόνο για διακριτά σύνολα Ω. Εάν για παράδειγμα το Ω είναι κάποιο πεπερασμένο υποσύνολο του, τότε το αξίωμα της επιλογής μας λέει ότι εάν θέσουμε σαν μέτρο πιθανότητας 3 P( A) µ ( A) / µ ( Ω), µ ( A) το μήκος του A, τότε υπάρχουν παθολογικά υποσύνολα του Ω στα οποία η έννοια της πιθανότητας δεν μπορεί να οριστεί (για παράδειγμα τα σύνολα τύπου Vtal δεν έχουν μήκος). Δηλαδή σε αυτήν την περίπτωση, το θα είναι μικρότερο από το δυναμοσύνολο του Ω, δηλαδή Ω Έτσι το πεδίο ορισμού του μέτρου πιθανότητας, είναι μια οικογένεια μετρήσιμων υποσυνόλων του Ω, που όμως γενικά δεν περιέχει όλα τα δυνατά υποσύνολα του Ω. Ορισμός: Ένα σ πεδίο (σ feld ή σ algebra ή Borel feld) πάνω στο δειγματικό χώρο Ω, είναι μια οικογένεια υποσυνόλων του Ω τέτοια ώστε:. Ω. A A A, A A A. 3. Στα παρακάτω όταν αναφερόμαστε σε πεδίο του Ω θα εννοούμε σ πεδίο του Ω. Άσκηση Εάν το Ω είναι δειγματικός χώρος και το πεδίο ενδεχομένων του, τότε 4 : ( ), { A ( A ) I επίσης { A I ( A ) I. I Το αξίωμα της επιλογής μας λέει ότι από κάθε οικογένεια συνόλων { I ακριβώς στοιχείο x Sαπό κάθε σύνολο της οικογένειας, δηλαδή δοθέντος της { κατασκευάσουμε το { x. I 3 Για παράδειγμα εάν A ( ab, ) τότε ορίζουμε σαν ( ) ( ) ευκλείδεια απόσταση. 4 Ο συμβολισμός { A σημαίνει ότι A, I I S μπορούμε να διαλέξουμε ένα S μπορούμε να µ A b a b a τη μονοδιάστατη. I Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

3 Παρατηρήσεις. Από τον ορισμό φαίνεται ότι η οικογένεια είναι κλειστή κάτω από τις πράξεις ( ),., Δηλαδή χρησιμοποιώντας τις πράξεις ( ),, πάνω στα στοιχεία του, το αποτέλεσμα είναι και πάλι στοιχεία που ήδη ανήκουν στο πεδίο.. Κάθε πεδίο πάνω στον δειγματικό χώρο Ω βρίσκεται μεταξύ των πεδίων Ω, (το τετριμμένο πεδίο) και Ω (το δυναμοσύνολο του Ω ). { Παραδείγματα. Εάν οι οικογένεια υποσυνόλων είναι ένα πεδίο του Ω, τότε το περιέχει και τις αριθμήσιμες τομές των στοιχείων του A A A A A. { { ( ) I I I I I. Εάν η ακολουθία ενδεχομένων { lm f A A ανήκει στο, τότε τα ενδεχόμενα και lmsup A που ορίζονται σαν lm f A A, lm sup A A ανήκουν στο. Παράδειγμα. Εάν { F, SF, FSF,, F S, S F,, S Ω όπου F και S με P S P F p τότε Ω. Εάν συμπληρωματικές καταστάσεις 5 ( ) ( ) ορίσουμε την συνάρτηση X : Ω, έτσι ώστε X ( ω ) ο αριθμός των S στο δειγματικό σημείο ω, παρατηρούμε ότι ο χώρος καταστάσεων S της X θα είναι: ( ) { 0,,, S X Ω. Θέτοντας Ω έχουμε ότι 5 Falure, Success Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

4 { { ( ) ω : ( ω) X B X B X B Ω, για κάθε μετρήσιμο υποσύνολο του (τότε λέμε ότι η συνάρτηση X : Ω B /,3/ τότε επειδή B είναι μια τυχαία μεταβλητή). Για παράδειγμα εάν ( ) θα έχουμε { X B { SF, FSF,, F S Γνωρίζουμε τότε ότι η κατανομή της τ.μ. X είναι διωνυμική, δηλαδή X ~ B, p με ( ) px ( x) P{ X x B ( x, p ) x Για { ω ( ω) p x p x x ( ), { 0,,, { { X : X SF, FSF,, F S { X 0, elsewhere. Ω και εφόσον, παίρνουμε ( { ) { ( P X P X p p), ενώ Ω X { 0,,, X { x X { x x 0 x 0 P( Ω ) P X { x P { X 0 { X P X x x 0 x 0 x x p ( p ) ( p + ( p )) x 0 x ( ) {. Για τον δειγματικό χώρο { S, FS,, F S, πάλι Ω. Ορίζουμε τις τυχαίες μεταβλητές Ω μπορούμε να θέσουμε και X : Ω έτσι ώστε X ( ω ) ο αριθμός των F στο ω αριθμός των αποτυχιών έως την πρώτη επιτυχία, Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 4

5 Y : Ω έτσι ώστε Y( ω) X ( ω) + ο αριθμός των S και F στο ω αριθμός των δοκιμών έως την πρώτη επιτυχία. Για παράδειγμα x ( { ) { { ( ) ( ) P X x PX x P FS p px, 0, και γνωρίζουμε ότι η τ.μ. X ~ ( ) x Geo p ακολουθεί την γεωμετρική κατανομή με πιθανότητα επιτυχίας p, παραμετρικοποιημένη ως προς τον αριθμό των αποτυχιών x. Φυσικά και ισχύει ότι x P( Ω ) P X ({ x ) p( p) p. ( p) Ισοδύναμα x 0 x 0 y ( ({ )) { ( ) ( ) ~ ( ) ~+ ( ). PY y PY y PF S p p, y,ενώ X Y Geo p Y Geo p Δηλαδή η τ.μ. Y ~ Geo( p) y + ακολουθεί την γεωμετρική κατανομή με πιθανότητα επιτυχίας p, παραμετρικοποιημένη όμως, ως προς τον αριθμό των δοκιμών Beroull x. 3. Για τον δειγματικό χώρο Ω S, FS, SFS,, S F, F S, FS F,, S FS, + + έχουμε Ω και θέτουμε: X ( ω ) ο αριθμός των F στο ω αριθμός των αποτυχιών έως την οστη επιτυχία, S X Ω, +, +,, X ( ) { ( ω) ( ω) Y ( ) { 0,,, Y X ο αριθμός των δοκιμών έως την οστη επιτυχία, Ω. SY { x P X Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 5

6 P{ επιτυχίες στις πρώτες x δοκιμές, επιτυχία στην x δοκιμή P{ επιτυχίες στις πρώτες x δοκιμές P{ επιτυχία στην x δοκιμή (, ) (, ) B x p B p x ( ) ( ) ( ) x x p ( p), x {, +, +, x p p p, και γνωρίζουμε ότι η τ.μ. X~ ( p, ) 0, elsewhere ακολουθεί την αρνητική διωνυμική κατανομή με πιθανότητα επιτυχίας p και αριθμό επιτυχιών, παραμετρικοποιημένη ως προς τον αριθμό των δοκιμών x έως τις πρώτες επιτυχίες. Η παραμετρικοποίηση ως προς τον αριθμό των αποτυχιών έως τις πρώτες επιτυχίες είναι y+ p p y PY { y PY { x 0, elsewhere. y ( ), { 0,,, Το Ω λοιπόν αποτελείται από τα στοιχειώδη αποτελέσματα ενός τυχαίου πειράματος (είναι ο χώρος του πειράματος ή του τυχαίου φαινομένου). Ω { δειγματικά σημεία { οι δυνατές ερωτήσεις που μπορούμε να απαντήσουμε με τα δεδομένα που έχουμε από το τυχαίο πείραμα Το πεδίο λοιπόν έχει δομή πληροφορίας. Εάν μάλιστα όσο περνάει ο χρόνος η πληροφορία που διαθέτουμε αυξάνεται, το μπορεί να αντικατασταθεί με μία αύξουσα δομή πληροφορίας (αύξουσα ακολουθία πεδίων), που συχνά ονομάζεται διήθηση (fltrato). 3 Θεώρημα Για κάθε οικογένεια υποσυνόλων του δειγματικού χώρου Ω υπάρχει πεδίο σ, που περιέχει όλα τα σύνολα της και είναι το μικρότερο πεδίο με αυτήν ( ) την ιδιότητα. Λέμε ότι το σ ( ) είναι το πεδίο που παράγεται από την οικογένεια υποσυνόλων του Ω. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 6

7 Παράδειγμα Εάν A και B ενδεχόμενα του Ω, να βρεθεί σε κάθε περίπτωση το πεδίο σ { AB, που παράγεται από την οικογένεια { AB,. AB και A B Ω.. AB και A B Ω. 3. AB και A B Ω. 4. AB και A B Ω.. Όταν AB και A B Ω, θα έχουμε {, AB,,, A, B Ω A B, A B, A B, A B,. AB, AB, A B, A B Η οικογένεια δεν είναι ακόμα κλειστή κάτω από τις πράξεις ( ),., Παρατηρούμε ότι τα σύνολα που μπορούμε να παράγουμε με ενώσεις από τις τομές AB, AB, A B, A B είναι: ( ) ( ) AB AB A B B A AB A B A A B B AB A B A B 6 ( ) ( ) ( ) AB A B A B AB A B A A B B AB AB A B B A Δεν είναι δύσκολο να δείξουμε τώρα ότι το σύνολο 3, { A B ( A B) 6 Η συμμετρική διαφορά A B των A και B, ορίζεται σαν η ένωση των A και B εκτός των κοινών τους σημείων: ( ) \ ( ) ( )( ) ( )( ) ( ) ( ) A B A B AB A B AB A B A B AB A B ( A B) ( A B) ( AB) ( A B ) ( AB) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 7

8 είναι κλειστό ως προς τις πράξεις ( ),,, ή ότι: σ { AB, Ω,, ABA,,, B, A BA, B, A BA, B,. AB, AB, A B, A B, ( AB ) ( A B), ( A B ) ( AB) 3. Στην ειδική περίπτωση που AB ( A B B A ) τότε από το (.) έχουμε: Ω,, ABA,,, B, A B, A B, A B, A B B A AB A B Ω Ω,, ABA,,, B, σ { AB, AB, AB, A B, A B, A B,. A B AB ( AB ) ( A B),( A B ) ( AB) A B ( AB ) 3. A B Ω, AB ( A B B A) Ω,, ABA,,, B, A B, A B, A B, A B Ω,, ABA,,, B, Ω A B A B σ { AB,, AB, AB, A B, A B, A B B A ( A B ) AB A B, ( A B) 4. Όταν A B σ { AB Ω και AB ( A B A B) Ω,, ABA,,, B,, {,,, A B, AB AB Ω. Ω AA Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 8

9 Άσκηση Να βρεθεί το πεδίο { AB, σ στις εξής περιπτώσεις:. Ω { abcd,,, και A { ab,, B { bc, πεδίο σ { AB, είναι ίσο με το Ω ).. Ω { abcde,,,, και A { abc,,, B { cde,,. Σε αυτή την περίπτωση { AB Πράγματι σ { AB (σε αυτή την περίπτωση δείξτε ότι το. σ, 6 και γνωρίζουμε ότι Ω Ω 6. A { ab B { bc A { cd B { ad {,,, {,,, {,,, {,, {, {, {, {, {,,( ) {, Ω,,,,,,,,,, A B abc A B abd A B bcd A B acd, AB b AB a A B c A B d A B ac A B bd. Σε αυτή τη περίπτωση έχουμε ότι A BΩ και AB. Αυτή είναι ακριβώς η περίπτωση (4.) της προηγούμενης άσκησης σ { AB, Πρόταση { { { { Ω,, A abc,,, B cde,,, A de,, B ab,, A B, A B A, A B B, A B { a, b, d, e { c Ω. AB { c, AB B, A B A, A B, A B { c, ( A B) { c. Δίνεται ότι τα για I είναι πεδία πάνω στον Ω, όπου το I είναι ένα πεπερασμένο είτε άπειρο σύνολο δεικτών. Δείξτε ότι και η οικογένεια I είναι πεδίο πάνω στον Ω.. Δείξτε ότι γενικά η ένωση πεδίων δεν είναι πεδίο.. () Ω, I Ω I, () A A, I A, I A I I, () Aj, j J Aj, j J, I I Ω Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 9

10 A, I A. j J j j I j J. Δείχνουμε το (.) με ένα αντιπαράδειγμα. Επειδή σ { A { Ω,, AA, και σ { B { Ω,, BB, και παρατηρούμε ότι { AB, σ{ A σ{ B σ{ AB,. Επειδή το σ { AB, είναι το ελάχιστο πεδίο που περιέχει την οικογένεια {, σ{ A σ{ B δεν είναι πεδίο. Παρατήρηση Εμφανώς σ ( σ{ A σ{ B ) σ{ AB, των πεδίων σ { A και σ { B το συμβολίζουμε με σ{ A σ{ B AB, το. Το πεδίο που παράγεται από την ένωση. Πρόταση Εάν,, A A τότε σ { A,, A. A j Έστω ότι Ej και A το σύνολο όλων των δυνατών τομών μεταξύ j 0 των A, A και των συμπληρωμάτων τους, δηλαδή, { B : B E, E, E,, j { 0,, j j j Εάν όλες οι τομές είναι διαφορετικά σύνολα, τότε ενώ εάν τα ενδεχόμενα,, A A αποτελούν διαμέριση του Ω ( A Ω και AA για j) τότε θα j έχουμε μόνο διαφορετικά σύνολα, δηλαδή. Γενικά λοιπόν εάν, τότε χρησιμοποιώντας ενώσεις, μπορούμε να πάρουμε διαφορετικά σύνολα. Έτσι έχουμε ότι { { σ A,, A, σ A,, A Ορισμός B( ) : Το σύνολο Borel του είναι το σ πεδίο που παράγεται από όλα τα διαστήματα της μορφής (, x] για x. Δηλαδή ( ) σ {(, x]: x B, Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 0

11 και μπορεί να αποδειχθεί ότι το B ( ) περιέχει όλα τα μετρήσιμα υποσύνολα (τα Borel υποσύνολα) του. B( ) \{ υποσύνολα του που δεν έχουν μέτρο Ορισμός: Το μέτρο πιθανότητας P είναι μια συνάρτηση P : τέτοια ώστε:. P( A) 0, A. P ( Ω ) (κανονικοποίηση του μέτρου πιθανότητας) P A P A, A : A A j, j I 3. ( ) ( ) { I I Ονομάζουμε την τριάδα ( Ω,,P) χώρο πιθανότητας. : Μια ακολουθία ενδεχομένων A λέμε ότι είναι μονότονη όταν: Ορισμός {. Αύξουσα A A A A3. Φθίνουσα A A A A3 : Το όριο μονότονης ακολουθίας ενδεχομένων A ορίζεται με τον εξής τρόπο: sup A, lm A f A, Ορισμός { Ορίζουμε την ενδεχομένων οστης τάξης ουρά (tal) της ακολουθίας σαν την ακολουθία ( ) { T A. Επίσης ορίζουμε την τομή και την ένωση των στοιχείων της οστης τάξης ουράς της ακολουθίας σαν M J ( ) A (the meet of the tal ( ) T ) ( ) A (the jot of the tal ( ) T ). Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

12 Πρόταση Η ακολουθίες τομής { M και ένωσης { J τάξης ουράς της ακολουθίας { ενδεχομένων της οστης A, είναι πάντα μονότονες M A A A A M M J A A A A J J Αυτό που μας λέει η προηγούμενη πρόταση είναι ότι οι ακολουθίες ενδεχομένων M και J έχουν όριο. Ορίζουμε τα ενδεχόμενα: Επειδή έχουμε: lm f A lm M, lm sup A lm J lm f A lm M sup M A, και επειδή έχουμε ότι: lm sup A lm J f J A. Πρόταση. Έστω ότι πραγματοποιείται το ενδεχόμενο, τότε αυτό είναι ισοδύναμο με την πραγματοποίηση άπειρων από τα ενδεχόμενα της ακολουθίας 8.. Εάν πραγματοποιηθεί το ενδεχόμενο, τότε αυτό είναι ισοδύναμο με την πραγματοποίηση όλων των ενδεχομένων της ακολουθίας εκτός ίσως από κάποιο αρχικό πεπερασμένο πλήθος 9. 7 Η αρχική ακολουθία δεν χρειάζεται να είναι μονότονη. 8 Το ενδεχόμενο lmsup A συμβολίζεται και ως { A, o. ά. { ω : ω A για πειρα Ω δηλαδή τα ενδεχόμενα στην ακολουθία πραγματοποιούνται απείρως συχνά (ftely ofte). Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

13 . Η πραγματοποίηση άπειρων από τα ενδεχόμενα της ακολουθίας είναι ισοδύναμη με το εξής: εάν ω τότε υπάρχει υπακολουθία { A τέτοια ώστε ω A,. Πράγματι ( ) A A A ( ) { ω ω ω ω ( ) : ω A και : ω A και A : ω A,.. Εάν ω τότε υπάρχει N τέτοιο ώστε για N να έχουμε ω A. Πράγματι A ( A A ) ( N : ω A ω A, N N ) ω ω ω ω Παράδειγμα Δίνεται η ακολουθία ενδεχομένων { m { A { b { b { b { α { β { α { β { α { β,,,,,,,,,,,, όπου b διαφορετικά μεταξύ τους και διαφορετικά των α και β, τότε ( ) M A M, 9 Το ενδεχόμενο lmf A συμβολίζεται και ως { A, aa. ά. { ω Ω: ω A τελικ δηλαδή τα ενδεχόμενα πραγματοποιηθούν όλα. Ισοδύναμα λέμε ότι τα ενδεχόμενα πραγματοποιούνται σχεδόν πάντα (almost always). A, από κάποιο πεπερασμένο N και μετά, θα A Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

14 { αβ b, bm, bm,, J A J { bm, αβ, m { αβ, > m { αβ, Εύκολα παρατηρούμε ότι εάν ορίσουμε α, β, α, β,, α, β, τότε και πάλι έχουμε {{ { { { { { B { αβ lm sup, δηλαδή η μη ύπαρξη του πεπερασμένου bloc { b,{ b,,{ bm αποτέλεσμα. Παρατηρείστε ότι εάν τα { b { b { b στην ακολουθία, δεν επηρεάζει το τελικό,,, m βρίσκονταν σε οποιεσδήποτε θέσεις μέσα στην ακολουθία, και πάλι θα είχαμε το ίδιο αβ, (αυτό διότι το m είναι πεπερασμένο). lmt superor { Επίσης παρατηρούμε ότι για κάθε στοιχείο ω του { αβ, υπακολουθία της { ω + A υπάρχει που το περιέχει. Για παράδειγμα εάν ω α τότε A, m και εάν ω β τότε ω A, m+. Πρόταση Όταν η ακολουθία { είναι μονότονη ισχύει ότι: A lmf A lm A lmsup A Εάν A τότε γνωρίζουμε ότι lm A A. A M A AA A A + + lm f A sup A A lm A A A, A A,, A A A A ( ) lmsup A f A A A lm A, Εάν A τότε γνωρίζουμε ότι lm A A. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 4

15 A A A A A A A A lmsup A A lmf A. Λήμμα: Ισχύει ότι. ος τρόπος: Εμφανώς έχουμε ότι A A για κάθε, ή ότι M J. Όμως M και J παίρνοντας το όριο όταν έχουμε ότι lm. M lm J ή ότι ος τρόπος: ω ω A ( ω A ω A ) ( N : ω A) ( ω A, N) N ω N N A A N A A N ω ω AN A N A N A N+ ω ω ω Άσκηση Να βρεθεί, εάν υπάρχει, το όριο των ακολουθιών ενδεχομένων:.. 3. A A A B,, C,, +, /, /, 4. A (, / ],. J A B C A B C M A B C A B C Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 5

16 Επειδή δεν υπάρχει το όριο της ακολουθίας A. Σε αυτή την lm A B C, B C. περίπτωση ένας καταχρηστικός συμβολισμός θα ήταν {. J A, 0, + + επειδή 0 A,, f J 0, ( 0,] +, επειδή A,. M A,, +, sup M, ( 0,]. Ενώ η δεν είναι μονότονη, έχει όριο, διότι ( 0,] τους τιμή lm A ( 0, ]. 3. Παρατηρούμε ότι [ ]. Το όριο είναι η κοινή A, v, v, v v,, v, <. J A,, J, (,) M A, sup M Ενώ η δεν είναι μονότονη, έχει όριο διότι τα lmf A και lmsup A ταυτίζονται. Το όριο είναι η κοινή τιμή lm A. 4. Η A (, / ], είναι lm A A (, / ] (, 0 Άσκηση Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 6

17 Δίνεται η ακολουθία ενδεχομένων { A, με A [ a, b] για θετικά κ και λ. Να βρεθεί το lm A και κ < a < κ < b < λ, εάν υπάρχει, στις εξής περιπτώσεις: a a, b b, a, a b b, a, a b b, a, a b b.. a, b J + [ a, b] ( a, b f J (, (, a b a b M [ a, b ] a, b + sup a, b + ( a +, b μονότονη, αλλά το όριο της υπάρχει και είναι lm A ( a, b.. a, b J ( ) [ a, b ] a, b ) f a, b ) a, b ) M ( ) [ a, b ] a, b sup a, b a, b ) μονότονη, αλλά το όριο της υπάρχει και είναι lm A a, b ). 3. a, b A [ a, b ] lm A [ a, b ] a, b + 4. a, b A [ a, b ] lm A [ a, b ] ( a +, b ). Άσκηση Δίνεται ότι X ~ Exp ( λ ) και { A, με ισχύει η ισότητα lm P{ X A P{ X lm A A., +,. Επαληθεύστε ότι Παράδειγμα. Δίνεται ακολουθία ενδεχομένων { B ενδεχομένων { BB, j και j με B A B. A. Δείξτε ότι για την ακολουθία A, έχουμε A \ A j j > Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 7

18 . Δείξτε την ανισότητα του Boole για άπειρα ενδεχόμενα, δηλαδή ότι για κάθε ακολουθία { A ισχύει P ( A ) P ( A ).. Υποθέτουμε < j και έχουμε ότι B A A A και Bj A A A A + A j Aj, από όπου και BB j. Παρατηρούμε επίσης ότι ( ) ( ) ( 3 3 4) ( A A) ( AAA ) ( AAAA ) B A AA AAA AAAA ( A A) ( A A) A 3 ( AA A 3A4) ( A A A) ( AAAA ) ( A A A3) ( A A A3) A 4 A A A A 3 ενώ B A P ( B ) P ( A ). P ( A ) P ( B ) P ( B ). που δίνει P ( A ) P ( B ) P ( A ) Παρατήρηση Εάν { A τότε A j j A και B A A. A \ A \ j > A A j > Παράδειγμα Δείξτε την ανισότητα του Boole για πεπερασμένα ενδεχόμενα, δηλαδή ότι P A P A για κάθε ( ) ( ) ισχύει P( A A ) P( A ) P( A ) P( AA ) P( A ) P( A ) Για + +. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 8

19 και αποδεικνύουμε την ανισότητα για Δεχόμαστε ότι P ( A ) P ( A ) + ( ) ( ) ( + ) ( ) ( + ) P A P A A P A + P A + P( A) P( A+ ) P( A) Πρόταση Η πιθανότητα είναι μια συνεχής συνολοσυνάρτηση πάνω σε μονότονες ακολουθίες ενδεχομένων. Δηλαδή θέλουμε να δείξουμε ότι εάν η { A είναι μια μονότονη ακολουθία ενδεχομένων, τότε Εάν ( ) ( lm ) lm P A P A. { + A, έχουμε lm A A A ( A \ A) 3 3 και τα ενδεχόμενα B A, B A \ A, B A \ A, είναι ξένα μεταξύ τους. ( ) ( ) ( ) ( ) ( lm ) { ( \ ) \ lm { P( A) P( A \ ) lm { ( \ ) + A P A A + A P A P A A A P A P A A + ( ( ) ( ) ( 3 3 4) ( ) ) lm ( ) lm P A AA A A A A A A P A Εάν A τότε A και από τα προηγούμενα lm P( A ) P( lm A ) ( ) ( ) ( ) ( ) P( A) P( A) P( A) P( A) lm P A P A lm P A P A lm lm lm lm, Εφαρμογή, που δίνει Χρησιμοποιώντας την ανισότητα του Boole για πεπερασμένα ενδεχόμενα δείξτε την ανισότητα του Boole για άπειρα ενδεχόμενα κάνοντας χρήση της συνέχειας του μέτρου πιθανότητας πάνω σε μονότονες ακολουθίες ενδεχομένων, Από την ανισότητα του Boole για πεπερασμένα ενδεχόμενα, έχουμε ότι ( ) ( ) P A P A για κάθε. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 9

20 Παίρνοντας το όριο για έχουμε ότι ( ) ( ) lm P A P A, και επειδή C A έχουμε ( lm ) ( ) ( ) ( ) P A P A P A P A Άσκηση. Δίνεται ακολουθία ενδεχομένων { A. Εάν P( A ), M M ( ), δείξτε ότι:. P( M ),.. P( ) P( )... P ( M ) P ( A ) P ( A ) P ( A ) 0. Παίρνοντας το όριο για στην εξίσωση ( ) έχουμε ( ) ( ) ( ) lm P M P lm M P. και P M και επειδή M, Το γεγονός ότι τελικά μας δίνει P( ) P( ), ή ότι P ( ). Παράδειγμα (,, PX ) 0,, δηλαδή ~ ( 0,) Ας θεωρήσουμε το χώρο πιθανότητας Ω ( ) X ( ) { ( ) P A P X A < x < dx A A όπου X. Έχουμε ότι: A ( 0, ), B { / A\ B, τότε και + PX ( A\ B) PX, P X < < + + Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 0

21 όμως και PX ( A ) από όπου και P ( B ) 0 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) X PX A\ B PX A PX A PX AB PX A PX AB 0 PX ( B) 0. PX A PX A B PX A + PX B PX AB Το Λήμμα του Fatou ( lm f ) lm f ( ) lm sup ( ) lm sup (*) P A P A P A P A P( ) P( lm M) lm P( M) sup P( M ) P( ) sup f P( A ) P( M) P( A) P( A), P( M) f P( A) P( ) P( lm J) lm P( J) f P( J) P( ) f sup P( A ) P( J) P( A) P( A), P( J) sup P( A) lm ( ) f P A sup P A sup f P A f sup P A ( ) ( ) ( ) ( ) ( ) ( ) Από τις ανισότητες ( ) και ( ) παίρνουμε την τριπλή ανισότητα (*). Παρατήρηση Εάν lmf A lmsup A και ονομάσουμε την κοινή τους τιμή lm A, από την τριπλή ανισότητα ( ) * έχουμε: ( lm ) lm f ( ) lm sup ( ) ( lm ) P( A) P( A) P( A) P( A) P( A) P A P A P A P A lm lm f lm sup lm lm. lm PA ( ) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

22 Το λήμμα Fatou μας λέει ότι μπορούμε να έχουμε P( lm A ) lm P( A ) ακόμα και όταν η ακολουθία { ότι lmf A Παρατήρηση : lmsup A. Εάν θέσουμε A { X x A δεν είναι μονότονη, αρκεί να ισχύει, τότε, lmf A { lmf X x ανισότητα P( lmf A ) lmf P( A ) παίρνουμε: { lm f lm f { P X x P X x x u Πρόταση ( ) ( ) lm f f u du lm f f u du. X x u. Εάν για τις ακολουθίες { a και { X και από την b με a 0 > και b > 0, ισχύει a l 0 b > όταν, τότε και οι δύο σειρές a και b ή και οι δύο συγκλίνουν ή και οι δύο αποκλίνουν.. Εάν { a a < ( a ) a με 0 < < και a 0 τότε: > 0 είτε a ( a ). a. Επειδή l > 0 όταν σημαίνει ότι για b ε > 0 υπάρχει 0 τέτοιο ώστε a για 0 να έχουμε l < ε ( l ε) b < a < ( l+ ε) b. Εάν διαλέξουμε ε < l, b τότε έχουμε: ( ε ) ( ε ) ( ε ) ( ε ) a l b a < l+ b b l a b l a < + < <. Θεωρούμε τις ακολουθίες { τότε b > 0 (εφόσον 0< a < ), ενώ a με 0. < a < και { b με b log, a Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

23 a x a lm lm, ή ότι l 0 b x 0+ b > με l όταν. log x Από τα προηγούμενα έχουμε ότι οι δύο σειρές a και b, συγκλίνουν ή αποκλίνουν ταυτόχρονα. < < > Εάν a log log ( a ) a ( ( a )) ( ) a. log > > 0 Εάν a log log ( a ) a ( ( a )) ( ) a. log 0 A. (Λήμματα των Borel Catell) Δίνεται ακολουθία ενδεχομένων { < τότε P lmsup A 0.. Εάν P( A) και τα ενδεχόμενα A είναι ανεξάρτητα, τότε. Εάν P( A) P lm sup A.. Θέτουμε s P( A) <, θα έχουμε ( ) ( ) ( ) ( ) { ( ) P A ( ) ( ) P A s s P. P lm sup A P lm J lm P J lm P A lm P A lm 0 0. ( P( A) ( ) ) ( ) P A P A ( P( A) ) ( P( A) ) 0,, ( ),0< < 0 Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

24 ( ) και επειδή P( A ), έχουμε ότι P( A ) οπότε 0 ( ) 0,, ( P( A )) P( A ) P( A ) P( M ( )) και M ( ) 0. Παίρνοντας το όριο όταν δίνει ( ( )) ( ) ( ) ( ) ( ) ( ) 0 lm P M P lm M P A P lm f A P A P lm sup A. Παράδειγμα Σε καλλιέργεια βακτηριδίων (petry dsh) κάθε δευτερόλεπτο τα βακτηρίδια πολλαπλασιάζονται και πεθαίνουν.. Εάν η πιθανότητα τα βακτηρίδια να έχουν πεθάνει όλα έως χρόνο είναι f( ) e, να βρεθεί η πιθανότητα εξάλειψης γ των βακτηριδίων. Για αριθμητική 7 εφαρμογή θέστε f ( ) log, f ( ) Εάν η πιθανότητα να έχουν επιζήσει βακτηρίδια την περίοδο είναι το πολύ, ποία η πιθανότητα εξάλειψης γ των βακτηριδίων.. A { έως την ή οστ γενιά έχουν πεθάνει όλα τα βακτηρίδια A { τα βακτηρίδια τελικά πεθαίνουν Παρατηρούμε ότι A από όπου ( ) ( lm ) lm ( ) exp{ lm ( ) γ P A P A P A f ( ) f log / e f ( ). { B υπάρχουν ζωντανά βακτηρίδια την περίοδο P( B ) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 4

25 π P ( B BC ) lm sup 0 P B < 6 ( B ) P lm f ( με πιθανότητα, υπάρχει N έτσι ώστε να πραγματοποιείται το B για κάθε N) γ. Παράδειγμα Ρίχνουμε ένα μεροληπτικό νόμισμα με πιθανότητα επιτυχίας (κεφαλή) p Παράδειγμα. Εάν για οι τ.μ. : P X 0 p, δηλαδή { ( ) X ~ B, p, X Ω είναι Beroull με P{ X ορίζουμε για την ακολουθία ενδεχομένων { { ω ( ω) p και A X Ω : X (τα A δεν χρειάζεται να είναι ανεξάρτητα). p < (για παράδειγμα Εάν P( A ) τότε από το ο Λήμμα των Borel-Catell έχουμε: p δίνει p /6 π ), P lmή sup Aά P A Ω : { ω το ω αν κεισε πειρα { ά ω X ( ω) για πειρα {,.. {,.. 0 P Ω : 0 P A o P X o ( lmή f ) ό{ ωό Ω : τοaω αν κεισε σχεδ ν λατα P A P { ό ω ό X ( ω ) για σχεδ ν λατα {,.. { 0,.. P Ω : 0 P A aa P X aa Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 5

26 Σε αυτή την περίπτωση λέμε ότι lm X 0 με πιθανότητα, και γράφουμε: { { ω ( ω) P lm X 0 P Ω : lm X 0. Παρατήρηση P lmή sup Aά P{ ωa Ω : το ω αν κει σε πειρα 0 Pή Ω : έ A P ή Ω : ά A { ω το ω αν κει σε πεπερασµ να { ω το ω αν κεισε πειρα. Εάν για οι τ.μ. X υποθέσουμε τώρα ότι είναι και ανεξάρτητες Beroull P X p P X 0 p, δηλαδή με { και { d ~ (, ) X B p, και θεωρήσουμε και πάλι την ακολουθία ενδεχομένων A { X ενδεχόμενα A τώρα είναι ανεξάρτητα). (για παράδειγμα Εάν P( A ) p p οι τ.μ. X είναι ανεξάρτητες, τα ενδεχόμενα A { X δίνει (όλα τα p είναι μεταξύ τους ανεξάρτητα και από το ο Λήμμα των Borel-Catell έχουμε: ), επειδή P lmsup ή Aά P{ ωa Ω : Pτο Xω αν o κεισε πειρα {,... P lmf A P Ω : 0,.. 0 ( ή ) ό{ ωό τοaω ανpκεισε X σχεδ aaν λατα { Σύγκλιση ακολουθίας τ.μ. με πιθανότητα ισχυρή σύγκλιση X συγκλίνει στην τ.μ. X με πιθανότητα, ή ότι η Λέμε ότι η ακολουθία τ.μ. { X συγκλίνει σχεδόν βεβαίως (almost surely) στην X και γράφουμε X as.. ό X ταν, όταν τα ενδεχόμενα για τα οποία η πιθανότητα, δηλαδή { { ω ( ω) ( ω) P lm X X P Ω: lm X X 0, X δεν συγκλίνει στην X έχουν μηδενική Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 6

27 Η σύγκλιση της ακολουθίας τ.μ εξής: για κάθε 0 X στην τ.μ. X με πιθανότητα ορίζεται ως A ε με { ε > ορίζουμε την ακολουθία ενδεχομένων ( ) { { ( ) : ( ) ( ) A ε ω Ω X ω X ω < ε X X < ε, τότε X as.. { ό X ταν P X lm X ( ) { ( ) ε > 0, P X X < ε, aa.. ε > 0, P lmf A ε ε > 0, P lmsup A ε 0 ε > 0, P X X ε, o.. 0 ε > 0, µ όνο για πεπερασµ ένο αριθµ όαπόισχύει ότι X X ε ( ) { Παρατήρηση Γνωρίζουμε από τα προηγούμενα ότι εάν { A, με P( A ), P ( A ), { lmf A( ε r) r. Έτσι θεωρώντας την ακολουθία ενδεχομένων έχουμε, όπου ε r 0 όταν r, τότε P lmf A( ε r). Έτσι ο r ορισμός της σύγκλισης με πιθανότητα, σε πιο συμπαγή μορφή είναι: { ( εr) { εr P lm X X P lmf A P X X <. r r Για παράδειγμα θα μπορούσαμε να θέσουμε ε / r. Πρόταση r Μια ικανή συνθήκη για σύγκλιση της ακολουθίας τ.μ { P X X ε <, ε > 0. πιθανότητα είναι { X στην τ.μ. X με Θέτουμε m A m X X m για m, έχουμε P( A m ) <, m. ε και για τα ενδεχόμενα ( ) από υπόθεση, ότι ( ) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 7

28 Λήμμα των Borel Catell έχουμε P lm sup A m 0, m. B lm sup A m για m και επειδή P( B ) παίρνουμε Από το ο ( ) Θέτουμε ( ) m P B P B P B m m ( m), δηλαδή m m m P X X < από όπου και X m m as.. m P Bm ή ισοδύναμα m X Παράδειγμα (Πιθανότητα ενδεχομένων σε πεπερασμένο και άπειρο χρονικό ορίζοντα). Κάποια, καθημερινά, ρίχνει m 5 νομίσματα του ενός ευρώ και εκείνα που προσγειώνονται κεφαλή τα κάνει δωρεά. Την πρώτη φορά όμως που όλα τα νομίσματα προσγειωθούν γράμματα, σταματάει οποιαδήποτε δωρεά για πάντα. X Έστω { η ακολουθία του αριθμού των κεφαλών, δηλαδή X # των κεφαλών την οστ ημέρα. Τότε, τουλάχιστον διαισθητικά, είμαστε σίγουροι ότι κάποια μέρα το ποσό δωρεάς θα μηδενιστεί, δηλαδή ότι υπάρχει για το οποίο X 0. Όμως, εάν θεωρήσουμε οποιοδήποτε πεπερασμένο ορίζοντα ημερών, ας πούμε, η πιθανότητα του ενδεχομένου A { την οστ ημέρα έγινε δωρεά { > 0, θα παραμένει θετική για κάθε. Για να το δούμε αυτό πρέπει πρώτα να παρατηρήσουμε ότι τα ενδεχόμενα A δεν είναι μεταξύ τους ανεξάρτητα { 0 { 0, 0 { 0, 0 P X > P X > X + P X > X >, X επειδή P{ X > 0, 0 0, έχουμε X { 0 { 0, 0 P X > P X > X >, και επαγωγικά P{ X > 0 P{ X > 0, X > 0,, X > 0. Επειδή P{ X 0, X 0 P{ X 0 P{ X 0 X 0 > > > > >, Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 8

29 με P{ X X P{ X X > 0 > 0 0 > 0 m, όπου m ο αριθμός των νομισμάτων και παρατηρούμε ότι ( X x X > 0 ) ~ B m,. Τότε η πιθανότητα P{ X 0 > γίνεται m { 0 ( ) P{ X 0 P X > >. Ανακυκλώνοντας την προηγούμενη σχέση παίρνουμε τελικά m { > 0 ( ) P{ X > 0 m m ( ) ( P{ X ) ( ) P X 0 > 0,. Δηλαδή η πιθανότητα του ενδεχομένου A { την οστ ημέρα έγινε μη μηδενική > 0 είναι θετική για κάθε. X δωρεά { Όταν όμως το ζητούμενο είναι ο άπειρος χρονικός ορίζοντας (δηλαδή θέλουμε να απαντήσουμε στην ερώτηση: «το πείραμα μπορεί να πραγματοποιείται για πάντα;») θα πρέπει να χρησιμοποιήσουμε το ο Λήμμα των Borel Catell: m P( A) P{ X ( ) m > 0 < ( ) ( ) { { { P 0 P P A, aa.. P X 0, aa.. P lmx 0, δηλαδή ο αριθμός των ω Ω για τα οποία X ( ω) lm 0 είναι πεπερασμένα. Έτσι είμαστε σίγουροι με πιθανότητα, ότι κάποια μέρα (για πεπερασμένο ) το ποσό δωρεάς θα γίνει 0 (και θα παραμείνει 0 για πάντα). Άσκηση (Θεωρητική) P Η σύγκλιση ακολουθίας τ.μ. ως προς πιθανότητα X X όταν (covergece probablty) ορίζεται με τον εξής τρόπο: P { { X X lm P X X ε 0 lm P X X < ε, ε > 0. Να δειχθεί ότι { P lm X X X X. P Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 9

30 lm P{ X X ε lm P { X X ε P { X X ε, επειδή { X X ε P lmsup { X X ε P{ X X ε, o.., ε > 0. Επειδή P{ X X P{ X X ε o lm,.. 0, ε > 0 από όπου και { lm P X X ε 0, ε > 0. Άσκηση (Θεωρητική) P Να δειχθεί ότι εάν X X τότε υπάρχει υπακολουθία { τέτοια ώστε { P lm X X, δηλαδή υπάρχει υπακολουθία { X της { X που συγκλίνει ισχυρά στην τ.μ. X. { ε X X lm P X X 0, ε > 0 P { P{ X { X { P X X : : < { { P X X <, aa.., P lm X X. Παράρτημα Α lmf και lmsup για ακολουθίες πραγματικών αριθμών Έστω { a ακολουθία πραγματικών αριθμών. Τότε f f a το μεγαλύτερο κάτω φράγμα της (greatest lower boud), sup supa το μικρότερο άνω φράγμα της (lowest upper boud). Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 30

31 f a το έχει μικρότερο στοιχείο m a f a supa το έχει μεγαλύτερο στοιχείο max a sup a f ( ) sup( ) Παραδείγματα { x x { x x f : 0 < < f : 0 0 { x x { x x { x x sup : < sup : < <, f : < f ( ) + :, sup ( ) : Ορίζουμε τις ακολουθίες z f a και Z sup a για. Έχουμε ότι: ( ) { { z lm z lm f a sup f a sup f a : : lmf a, { { Z lm Z lm sup a f sup a f sup a : : lmsup a. Ισχύουν τα παρακάτω:. lmf a lmsup( a ).. lm a a lmf a lmsupa a 3. f a lm f a lm sup a sup a. Για να δείξουμε την τελευταία ανισότητα παρατηρούμε ότι: f a f a sup f a supa supa f supa ( ) f a supa lm f a lm supa sup f a f supa Παρατηρήσεις: lm f a f. Έστω ότι lm a lm supa sup και εάν f sup τότε { a και το όριο της a υπάρχει, δηλαδή a a. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

32 . Το σύνολο αποτελείται από τα όρια όλων των συγκλινουσών υπακολουθιών,. Παράδειγμα Α. a στο { { ( ) { {,,,, {, { lm, lm a a a από όπου lmf a f και lmsupa sup. Παράδειγμα Α. s( π / ) { a { a, a, a3, a4, a5 5, a6, a7, a8, a9 9, 3 7 { lm a l lm a lm 4 3 m, 4, lm a4 lm 0, lm a4 lm { 0,,, από όπου lmf a f 0, lmsupa sup. Παράδειγμα Α.3, odd + Θέτουμε { a με a, eve + a, a 0 { 0,, + από όπου lmf a f 0, lmsupa sup. Παράδειγμα Α.4 Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

33 π { a s 3 π π 3π 4π 5π 6π 7π 8π s,s,s,s,s,s,s,s, ,,0,,,0,,,0,,,0, ,0, lm f a f, lm supa sup. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 33

2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.

2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων. Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P ( ), που αντιστοιχεί σε υποσύνολα του Ω έναν αριθμό στο [ 0, ], με τις εξής ιδιότητες:. P ( Ω ). 2. Η πιθανότητα της αριθμήσιμης

Διαβάστε περισσότερα

2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.

2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων. Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P ( ) που αντιστοιχεί σε υποσύνολα του Ω, έναν αριθμό στο [ 0, ], με τις εξής ιδιότητες: P ( Ω ) 2 Η πιθανότητα της αριθμήσιμης ένωσης

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.

ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }. ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος Το σύνολο των δυνατών αποτελεσμάτων λέγεται δειγματικός χώρος (sample space) και συμβολίζεται συνήθως με το γράμμα Αν δηλαδή ω,,, ω2 ωκ είναι τα δυνατά αποτελέσματα ενός πειράματος

Διαβάστε περισσότερα

1 1 + nx. f n (x) = nx 1 + n 2 x 2. x2n 1 + x 2n

1 1 + nx. f n (x) = nx 1 + n 2 x 2. x2n 1 + x 2n Οι ασκήσεις αυτές έχουν σκοπό να βοηθήσουν τους φοιτητές στην μελέτη τους για το μάθημα «Ανάλυση ΙΙ» του Τμήματος Μαθηματικών του Πανεπιστημίου Αιγαίου. Συνιστούμε στους φοιτητές να επεξεργαστούν αυτές

Διαβάστε περισσότερα

n = r J n,r J n,s = J

n = r J n,r J n,s = J Ανάλυση Fourer και Ολοκλήρωμα Lebesgue (2011 12) 4ο Φυλλάδιο Ασκήσεων Υποδείξεις 1. Εστω E [a, b] με µ (E) = 0. Δείξτε ότι το [a, b] \ E είναι πυκνό υποσύνολο του [a, b]. Υπόδειξη. Θεωρήστε ένα μη κενό

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 6: Πιθανότητες Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 7: Θεωρία Πιθανοτήτων (Πείραμα Τύχης) Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής

Διαβάστε περισσότερα

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Περίληψη 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 περισσότερα

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

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

Διαβάστε περισσότερα

Απειροσ τικός Λογισμός ΙΙ Πρόχειρες Σημειώσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών

Απειροσ τικός Λογισμός ΙΙ Πρόχειρες Σημειώσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Απειροστικός Λογισμός ΙΙ Πρόχειρες Σημειώσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών - Περιεχόμενα Υπακολουθίες και βασικές ακολουθίες. Υπακολουθίες. Θεώρημα Bolzno Weierstrss.αʹ Απόδειξη με χρήση της

Διαβάστε περισσότερα

Σπυρίδων Χατζησπύρος Εισαγωγή στη Συνδυαστική και τις Πιθανότητες 5/16/2017

Σπυρίδων Χατζησπύρος Εισαγωγή στη Συνδυαστική και τις Πιθανότητες 5/16/2017 Σπυρίδων Χατζησπύρος Εισαγωγή στη Συνδυαστική και τις Πιθανότητες 5/6/07 Εισαγωγή Από την πλευρά της θεωρίας πιθανοτήτων και της στατιστικής τα φαινόμενα-διεργασίες χωρίζονται σε δύο γενικές κατηγορίες:

Διαβάστε περισσότερα

Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β.

Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β. Η έννοια της ακολουθίας Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β. Δηλαδή: f : A B Η ακολουθία είναι συνάρτηση.

Διαβάστε περισσότερα

f(t) = (1 t)a + tb. f(n) =

f(t) = (1 t)a + tb. f(n) = Παράρτημα Αʹ Αριθμήσιμα και υπεραριθμήσιμα σύνολα Αʹ1 Ισοπληθικά σύνολα Ορισμός Αʹ11 (ισοπληθικότητα) Εστω A, B δύο μη κενά σύνολα Τα A, B λέγονται ισοπληθικά αν υπάρχει μια συνάρτηση f : A B, η οποία

Διαβάστε περισσότερα

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ Έστω ότι επιθυμούμε να μελετήσουμε ένα τυχαίο πείραμα με δειγματικό χώρο Ω και έστω η πιθανότητα να συμβεί ένα ενδεχόμενο Α Ω Υπάρχουν περιπτώσεις όπου ενώ δεν γνωρίζουμε

Διαβάστε περισσότερα

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B) Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων . Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων Tα διάφορα επιστημονικά μοντέλα ή πειράματα ή γενικότερα τα φυσικά φαινόμενα μπορεί να θεωρηθεί ότι εντάσσονται σε δύο μεγάλες κατηγορίες: τα προσδιοριστικά

Διαβάστε περισσότερα

Μέρος ΙΙ. Τυχαίες Μεταβλητές

Μέρος ΙΙ. Τυχαίες Μεταβλητές Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης;

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης; ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α Ερώτηση θεωρίας α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης; =. β) Για δύο συμπληρωματικά ενδεχόμενα Α και Α να αποδείξετε

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 7: Ανεξάρτητα ενδεχόμενα Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως

Διαβάστε περισσότερα

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΜΣ στη «Ναυτιλία» Τμήμα Β art time Χαράλαμπος Ευαγγελάρας hevangel@unipi.gr Η έννοια της Πιθανότητας Ο όρος πιθανότητα είναι συνδέεται άμεσα με τη μελέτη

Διαβάστε περισσότερα

a n = sup γ n. lim inf n n n lim sup a n = lim lim inf a n = lim γ n. lim sup a n = lim β n = 0 = lim γ n = lim inf a n. 2. a n = ( 1) n, n = 1, 2...

a n = sup γ n. lim inf n n n lim sup a n = lim lim inf a n = lim γ n. lim sup a n = lim β n = 0 = lim γ n = lim inf a n. 2. a n = ( 1) n, n = 1, 2... ΜΑΘΗΜΑΤΙΚΗ ΑΝΑΛΥΣΗ Β.ΒΛΑΧΟΥ, Α. ΣΟΥΡΜΕΛΙΔΗΣ Τμήμα Μαθηματικών, Πανεπιστήμιο Πατρών Φθινόπωρο 2013 1 Θα θέλαμε να αναφέρουμε ότι για την συγγραφή αυτών των σημειώσεων χρησιμοποιήσαμε ιδιαίτερα α)το βιβλίο

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές. Ορισμός

Τυχαίες Μεταβλητές. Ορισμός Τυχαίες Μεταβλητές Ορισμός Μία τυχαία μεταβλητή (τ.μ.) είναι μία συνάρτηση (ή μία μεταβλητή) η οποία καθορίζει αριθμητικές τιμές σε μία ποσότητα που σχετίζεται με το αποτέλεσμα ενός πειράματος, όπου μία

Διαβάστε περισσότερα

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

17/10/2016. Στατιστική Ι. 3 η Διάλεξη Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε

Διαβάστε περισσότερα

1. Πείραμα τύχης. 2. Δειγματικός Χώρος ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ

1. Πείραμα τύχης. 2. Δειγματικός Χώρος ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ 1 ΣΤΟΙΧΕΙ ΠΟ ΤΗ ΘΕΩΡΙ ΠΙΘΝΟΤΗΤΩΝ 1. Πείραμα τύχης Πείραμα τύχης (π.τ.) ονομάζουμε κάθε πείραμα που μπορεί να επαναληφθεί όσες φορές επιθυμούμε υπό τις ίδιες συνθήκες και του οποίου το αποτέλεσμα είναι

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΝΝΟΙΑ ΠΙΘΑΝΟΤΗΤΑΣ Μαθηματική περιγραφή συστημάτων με αβεβαιότητα Παραδείγματα από την οργάνωση παραγωγής Διάρκεια παραγωγής προϊόντων

Διαβάστε περισσότερα

II. Τυχαίες Μεταβλητές

II. Τυχαίες Μεταβλητές II. Τυχαίες Μεταβλητές τυχαία μεταβλητή (τ.μ.) Χ : Αναφέρεται πάνω σε μία μετρούμενη ποσότητα του τυχαίου πειράματος Εκφράζει μία συνάρτηση (απεικόνιση) από τον δειγματικό χώρο (Ω) σε έναν αριθμητικό χώρο

Διαβάστε περισσότερα

V x, y W x, y, y συνιστούν προφανώς ένα ανοικτό

V x, y W x, y, y συνιστούν προφανώς ένα ανοικτό 81 3.2 Το θεώρημα Tychooff. Στην παράγραφο αυτή θα ασχοληθούμε με το θεώρημα Tychooff, δηλαδή ότι ένα αυθαίρετο καρτεσιανό γινόμενο συμπαγών χώρων είναι, με την τοπολογία γινόμενο, συμπαγής χώρος. Το θεώρημα

Διαβάστε περισσότερα

Παράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης.

Παράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης. Παράρτηµα Α Στοιχεία θεωρίας µέτρου και ολοκλήρωσης Α Χώροι µέτρου Πέραν της «διαισθητικής» περιγραφής του µέτρου «σχετικά απλών» συνόλων στο από το µήκος τους (όπως πχ είναι τα διαστήµατα, ενώσεις/τοµές

Διαβάστε περισσότερα

Ενα δεύτερο μάθημα στις πιθανότητες Περιεχόμενα Μέρος I Γνώσεις Θεωρίας Μέτρου 1 1 σ-άλγεβρες 3 1.1 σ-άλγεβρες 3 1.2 Παραγόμενη σ-άλγεβρα 5 1.3 Τα σύνολα Borel 6 Ασκήσεις 7 2 Μέτρα 9 2.1 Μέτρα σε μετρήσιμο

Διαβάστε περισσότερα

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }.

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }. 3 ΠΙΘΑΝΟΤΗΤΕΣ 3.1 ΔΕΙΓΜΑΤΙΚΟΣ ΧΡΟΣ - ΕΝΔΕΧΟΜΕΝΑ Πείραμα Τύχης Ένα πείραμα του οποίου δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνεται φαινομενικά τουλάχιστον κάτω από

Διαβάστε περισσότερα

Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την

Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την Μαθηματικά Πληροφορικής 8ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε

Διαβάστε περισσότερα

Στοχαστικές Στρατηγικές

Στοχαστικές Στρατηγικές Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο

Διαβάστε περισσότερα

G n. n=1. n=1. n=1 G n) = m (E). n=1 G n = k=1

G n. n=1. n=1. n=1 G n) = m (E). n=1 G n = k=1 ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΕΑΣ ΜΑΘΗΜΑΤΙΚΩΝ Επαναληπτικές Εξετάσεις στη Θεωρία Μέτρου και Ολοκλήρωση Θέμα. Εστω R Lebesgue μετρήσιμο σύνολο. (αʹ) Να αποδειχθεί ότι για κάθε ε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@fme.aegean.gr Τηλ: 7035468 σ-άλγεβρα

Διαβάστε περισσότερα

Ισότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών

Ισότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών Ισότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών Συμβολισμοί Σε αναλογία με τους ορισμούς συμβολίζουμε μια ακολουθία: 1 είτε μέσω του διανυσματικού ορισμού, παραθέτοντας αναγκαστικά

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

4 Ασθενείς τοπολογίες σε χώρους με νόρμα. 4.1 θεωρήματα Mazur, Alaoglou, Goldstine.

4 Ασθενείς τοπολογίες σε χώρους με νόρμα. 4.1 θεωρήματα Mazur, Alaoglou, Goldstine. 8 Έστω (, ) 4 Ασθενείς τοπολογίες σε χώρους με νόρμα 4. θεωρήματα Mazur, Alaoglou, Goldste. χώρος με νόρμα. Υπενθυμίζουμε ότι η ασθενής τοπολογία T του έχει ως βάση ( ανοικτών ) περιοχών του όλα τα σύνολα

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

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

Διαβάστε περισσότερα

B = F i. (X \ F i ) = i I

B = F i. (X \ F i ) = i I Κεφάλαιο 3 Τοπολογία μετρικών χώρων Ομάδα Α 3.1. Εστω (X, ρ) μετρικός χώρος και F, G υποσύνολα του X. Αν το F είναι κλειστό και το G είναι ανοικτό, δείξτε ότι το F \ G είναι κλειστό και το G \ F είναι

Διαβάστε περισσότερα

EukleÐdeiec emfuteôseic: ˆnw frˆgmata

EukleÐdeiec emfuteôseic: ˆnw frˆgmata EukleÐdeiec emfuteôseic: ˆnw frˆgmata Εστω f : X Y μια εμφύτευση του μετρικού χώρου (X, ρ) στο χώρο με νόρμα (Y, ). Η παραμόρφωση της f ορίζεται ως εξής: f(x) f(y) ρ(x, y) dist(f) = sup sup x y ρ(x, y)

Διαβάστε περισσότερα

3/10/2016. Στατιστική Ι. 1 η Διάλεξη

3/10/2016. Στατιστική Ι. 1 η Διάλεξη Στατιστική Ι 1 η Διάλεξη 1 2 Φαινόμενα Πειράματα Αιτιοκρατικά Προσδιοριστικά Τυχαία Στοχαστικά Ένα αιτιοκρατικό πείραμα, κάθε φορά που εκτελείται, έχει το ίδιο αποτέλεσμα το οποίο μπορεί να προβλεφθεί

Διαβάστε περισσότερα

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό.

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό. Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο : Ακολουθίες πραγµατικών αριθµών Α Οµάδα Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς αιτιολογήστε πλήρως την απάντησή σας α Κάθε

Διαβάστε περισσότερα

f(f 1 (B)) f(f 1 (B)) B. X \ (f 1 (C)) = X \ f 1 (C) = f 1 (Y \ C) X \ (f 1 (C)) f 1 (Y \ C). f 1 (Y \ C) = f 1 (Y \ C ) = X \ f 1 (C ).

f(f 1 (B)) f(f 1 (B)) B. X \ (f 1 (C)) = X \ f 1 (C) = f 1 (Y \ C) X \ (f 1 (C)) f 1 (Y \ C). f 1 (Y \ C) = f 1 (Y \ C ) = X \ f 1 (C ). Κεφάλαιο 4 Συναρτήσεις μεταξύ μετρικών χώρων 4.1 Συνεχείς συναρτήσεις Εστω (X, ρ) και (Y, σ) δύο μετρικοί χώροι. Στην 2.2 δώσαμε τον ορισμό της συνέχειας μιας συνάρτησης f : X Y σε κάποιο σημείο x 0 X:

Διαβάστε περισσότερα

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Θεωρία Συνόλων Σύνολο: Το σύνολο εκφράζει μία συλλογή διακριτών μονάδων οποιασδήποτε φύσης.

Διαβάστε περισσότερα

Στατιστική. Εκτιμητική

Στατιστική. Εκτιμητική Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια

Διαβάστε περισσότερα

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο 2 Πιθανότητες Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 2-2 2 Πιθανότητες Χρησιμοποιώντας την Στατιστική Βασικοί ορισμοί: Ενδεχόμενα, Δειγματικός χώρος και Πιθανότητες

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 1 η : Βασικές Έννοιες Πιθανότητας Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ. Άδειες

Διαβάστε περισσότερα

HY118-Διακριτά Μαθηματικά

HY118-Διακριτά Μαθηματικά HY118-Διακριτά Μαθηματικά Παρασκευή, 02/03/2018 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 02-Mar-18

Διαβάστε περισσότερα

Όταν η s n δεν συγκλίνει λέμε ότι η σειρά αποκλίνει.

Όταν η s n δεν συγκλίνει λέμε ότι η σειρά αποκλίνει. Όταν η s δεν συγκλίνει λέμε ότι η σειρά αποκλίνει. Παρατήρηση: Το αντίστροφο του προηγουμένου θεωρήματος δεν ισχύει. Παράδειγμα η σειρά με νιοστό όρο α = +-. Τότε lim α =0. Όμως s =α +α + +α = - + 3- +...+

Διαβάστε περισσότερα

Τάξη A Μάθημα: Άλγεβρα

Τάξη A Μάθημα: Άλγεβρα Τάξη A Μάθημα: Άλγεβρα Ερωτήσεις Θεωρίας Θέματα Εξετάσεων Επαναληπτικά Θέματα Επαναληπτικά Διαγωνίσματα Περιεχόμενα Α. Θεωρία - Αποδείξεις.. Σελ. Β. Θεωρία-Ορισμοί. Σελ.16 Γ. Ερωτήσεις Σωστού Λάθους...

Διαβάστε περισσότερα

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με

Διαβάστε περισσότερα

Περιεχόμενα 1 Πρωτοβάθμια Λογική Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων ) / 60

Περιεχόμενα 1 Πρωτοβάθμια Λογική Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων ) / 60 Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων

Διαβάστε περισσότερα

Θεωρητικές Κατανομές Πιθανότητας

Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Α. ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ α) Διακριτή Ομοιόμορφη κατανομή β) Διωνυμική κατανομή γ) Υπεργεωμετρική κατανομή δ) κατανομή Poisson Β. ΣΥΝΕΧΕΙΣ

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Φυσικής Σημειώσεις Ανάλυσης Ι (ανανεωμένο στις 5 Δεκεμβρίου 2012)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Φυσικής Σημειώσεις Ανάλυσης Ι (ανανεωμένο στις 5 Δεκεμβρίου 2012) ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Φυσικής Σημειώσεις Ανάλυσης Ι (ανανεωμένο στις 5 Δεκεμβρίου 2012) Τμήμα Θ. Αποστολάτου & Π. Ιωάννου 1 Σειρές O Ζήνων ο Ελεάτης (490-430 π.χ.) στη προσπάθειά του να υποστηρίξει

Διαβάστε περισσότερα

Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA

Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA Eisagwg Οι δυναμοσειρές είναι μια πολύ ενδιαφέρουσα κατηγορία σειρών. Βρίσκουν πολύ σημαντικές εφαρμογές στον ορισμό συναρτήσεων καθώς και σε διάφορες

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ ΙΙ. αντιστοιχίζεται ο αριθµός Χω= ω+ ω δηλαδή ορίζεται η συνάρτηση Χ : Ω µε Χω,ω ω ω Α 3, 2, 2,3, 4,1, 1, 4

ΚΕΦΑΛΑΙΟ ΙΙ. αντιστοιχίζεται ο αριθµός Χω= ω+ ω δηλαδή ορίζεται η συνάρτηση Χ : Ω µε Χω,ω ω ω Α 3, 2, 2,3, 4,1, 1, 4 ΚΕΦΑΛΑΙΟ ΙΙ. Η έννοια της τυχαίας µεταβλητής Συχνά αυτό το οποίο παρατηρούµε σε ένα πείραµα τύχης δεν είναι το όποιο αποτέλεσµα ω Ω αλλά µια µαθηµατική ποσότητα Χ εξαρτώµενη από το αποτέλεσµα ω Ω. Ας εξετάσουµε

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

3. Κατανομές πιθανότητας 3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.

Διαβάστε περισσότερα

ι3.4 Παραδείγματα T ) έχει την ιδιότητα Heine-Borel, αν κάθε κλειστό και φραγμένο υποσύνολό του είναι συμπαγές.

ι3.4 Παραδείγματα T ) έχει την ιδιότητα Heine-Borel, αν κάθε κλειστό και φραγμένο υποσύνολό του είναι συμπαγές. 6 ι3.4 Παραδείγματα Στην παράγραφο αυτή θα μελετήσουμε κάποια σημαντικά παραδείγματα, για τις εφαρμογές, χώρων συναρτήσεων οι οποίοι είναι τοπικά κυρτοί και μετρικοποιήσιμοι αλλά η τοπολογία τους δεν επάγεται

Διαβάστε περισσότερα

Ασκήσεις Απειροστικού Λογισμού ΙΙ Πρόχειρες Σημειώσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Περιεχόμενα Υπακολουθίες και ακολουθίες Cuchy Σειρές πραγματικών αριθμών 3 3 Ομοιόμορφη συνέχεια 3 4 Ολοκλήρωμα

Διαβάστε περισσότερα

ΑΚΟΛΟΥΘΙΕΣ ΣΕΙΡΕΣ. Ορισμός 1. Μια 1 1 (ένα προς ένα) συνάρτηση με πεδίο ορισμού το και πεδίο τιμών ένα υποσύνολο X του, δηλαδή μία 1 1 συνάρτηση

ΑΚΟΛΟΥΘΙΕΣ ΣΕΙΡΕΣ. Ορισμός 1. Μια 1 1 (ένα προς ένα) συνάρτηση με πεδίο ορισμού το και πεδίο τιμών ένα υποσύνολο X του, δηλαδή μία 1 1 συνάρτηση ΑΚΟΛΟΥΘΙΕΣ ΣΕΙΡΕΣ 1. ΑΚΟΛΟΥΘΙΕΣ Ορισμός 1. Μια 1 1 (ένα προς ένα) συνάρτηση με πεδίο ορισμού το και πεδίο τιμών ένα υποσύνολο X του, δηλαδή μία 1 1 συνάρτηση : 1 λέγεται ακολουθία πραγματικών αριθμών ή

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 3 η : Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών

Διαβάστε περισσότερα

Σ. Ι. Χατζησπύρος - Πιθανότητες 03-Dec-13. Εισαγωγή

Σ. Ι. Χατζησπύρος - Πιθανότητες 03-Dec-13. Εισαγωγή Σ. Ι. Χατζησπύρος - Πιθανότητες 03-Dec-3 Εισαγωγή Από την πλευρά της θεωρίας πιθανοτήτων και της στατιστικής τα φαινόμενα χωρίζονται σε κατηγορίες: Αιτιοκρατικά: Οι συνθήκες διεξαγωγής ενός πειράματος

Διαβάστε περισσότερα

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΠΡΑΓΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΠΡΑΓΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΠΡΑΓΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ Περιεχόμενα 1. Το εξωτερικό μέτρο Lebesgue 2 2. Mετρήσιμα σύνολα 4 3. Η κανονικότητα του μέτρου Lebesgue

Διαβάστε περισσότερα

Πεπερασμένες Διαφορές.

Πεπερασμένες Διαφορές. Κεφάλαιο 1 Πεπερασμένες Διαφορές. 1.1 Προσέγγιση παραγώγων. 1.1.1 Πρώτη παράγωγος. Από τον ορισμό της παραγώγου για συναρτήσεις μιας μεταβλητής γνωρίζουμε ότι η παράγωγος μιας συνάρτησης f στο σημείο x

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 5 η : Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών

Διαβάστε περισσότερα

h(x, y) = card ({ 1 i n : x i y i

h(x, y) = card ({ 1 i n : x i y i Κεφάλαιο 1 Μετρικοί χώροι 1.1 Ορισμός και παραδείγματα Ορισμός 1.1.1 μετρική). Εστω X ένα μη κενό σύνολο. Μετρική στο X λέγεται κάθε συνάρτηση ρ : X X R με τις παρακάτω ιδιότητες: i) ρx, y) για κάθε x,

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

i=1 i=1 i=1 (x i 1, x i +1) (x 1 1, x k +1),

i=1 i=1 i=1 (x i 1, x i +1) (x 1 1, x k +1), Κεφάλαιο 6 Συμπάγεια 6.1 Ορισμός της συμπάγειας Οπως θα φανεί στην αμέσως επόμενη παράγραφο, υπάρχουν διάφοροι τρόποι με τους οποίους μπορεί κανείς να εισάγει την έννοια του συμπαγούς μετρικού χώρου. Ο

Διαβάστε περισσότερα

n 5 = 7 ε (π.χ. ορίζοντας n0 = 1+ ε συνεπώς (σύμϕωνα με τις παραπάνω ισοδυναμίες) an 5 < ε. Επομένως a n β n 23 + β n+1

n 5 = 7 ε (π.χ. ορίζοντας n0 = 1+ ε συνεπώς (σύμϕωνα με τις παραπάνω ισοδυναμίες) an 5 < ε. Επομένως a n β n 23 + β n+1 Θέμα 1 (α) Υποθέτουμε (προς απαγωγή σε άτοπο) ότι το σύνολο A έχει μέγιστο στοιχείο, έστω a = max A Τότε, εϕόσον a A, έχουμε a R Q και a M Ομως ο αριθμός μητρώου M είναι ρητός αριθμός, άρα (εϕόσον ο a

Διαβάστε περισσότερα

Α. ΘΕΩΡΙΑ Εστω μια συνάρτηση f και x. του πεδίου ορισμού της. Θα λέμε ότι η f είναι συνεχής στο x., όταν

Α. ΘΕΩΡΙΑ Εστω μια συνάρτηση f και x. του πεδίου ορισμού της. Θα λέμε ότι η f είναι συνεχής στο x., όταν Α ΘΕΩΡΙΑ Εστω μια συνάρτηση και ένα σημείο του πεδίου ορισμού της Θα λέμε ότι η είναι συνεχής στο όταν Για παράδειγμα η συνάρτηση είναι συνεχής στο αφού Σύμφωνα με τον παραπάνω ορισμό μια συνάρτηση δεν

Διαβάστε περισσότερα

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα

Διαβάστε περισσότερα

Περιεχόμενα 2ης Διάλεξης 1 Σύνοψη προηγούμενου μαθήματος 2 Αξιωματικός ορισμός και απαρίθμηση 3 Διατάξεις - Συνδυασμοί 4 Παραδείγματα υπολογισμού πιθα

Περιεχόμενα 2ης Διάλεξης 1 Σύνοψη προηγούμενου μαθήματος 2 Αξιωματικός ορισμός και απαρίθμηση 3 Διατάξεις - Συνδυασμοί 4 Παραδείγματα υπολογισμού πιθα Πιθανότητες και Αρχές Στατιστικής (2η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 54 Περιεχόμενα

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q Πιθανότητες και Αρχές Στατιστικής (7η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Πιθανότητες Πληροφορία Μέτρο

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q 7ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 7ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Όριο και συνέχεια πραγματικής συνάρτησης

Όριο και συνέχεια πραγματικής συνάρτησης ΚΕΦΑΛΑΙΟ 4 Όριο και συνέχεια πραγματικής συνάρτησης Αγνοώ το πώς με βλέπει ο κόσμος αλλά στον εαυτό μου, φαίνομαι σαν να μην ήμουν τίποτα άλλο από ένα αγοράκι που παίζει στην ακρογιαλιά και κατά καιρούς

Διαβάστε περισσότερα

ιδιαιτεραμαθηματα.gr ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ

ιδιαιτεραμαθηματα.gr ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΘΕΩΡΙΑ & ΑΣΚΗΣΕΙΣ [Δεν είναι σκόπιμο να αποκαλύψεις στο παιδί σου ότι οι μεγάλοι άντρες δεν είχαν ιδέα από άλγεβρα] ΕΠΙΜΕΛΕΙΑ ΣΗΜΕΙΩΣΕΩΝ: ΠΑΠΑΔΟΠΟΥΛΟΣ Μ. ΕΠΙΜΕΛΕΙΑ ΣΗΜΕΙΩΣΕΩΝ: ΠΑΠΑΔΟΠΟΥΛΟΣ

Διαβάστε περισσότερα

Ακολουθίες πραγματικών αριθμών

Ακολουθίες πραγματικών αριθμών ΚΕΦΑΛΑΙΟ Ακολουθίες πραγματικών αριθμών Όταν διαδοχικές τιµές που παίρνει µία μεταβλητή προσεγγίζουν απεριόριστα µία συγκεκριµένη τιµή έτσι ώστε τελικά να διαφέρουν από αυτήν λιγότερο από όσο επιθυµεί

Διαβάστε περισσότερα

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 5 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 5 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 0 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Ε π ι μ ε λ ε ι α : Τ α κ η ς Τ σ α κ α λ α κ ο ς o ΘΕΜΑ Π α ν ε λ λ α δ ι κ ε ς Ε ξ ε τ α σ ε ι ς ( 0 ) A. Aν οι συναρτησεις

Διαβάστε περισσότερα

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Κατανομές Πιθανότητας Ως τυχαία μεταβλητή ορίζεται το σύνολο των τιμών ενός χαρακτηριστικού

Διαβάστε περισσότερα

Για να εκφράσουμε τη διαδικασία αυτή, γράφουμε: :

Για να εκφράσουμε τη διαδικασία αυτή, γράφουμε: : Η θεωρία στα μαθηματικά προσανατολισμού Γ υκείου Τι λέμε συνάρτηση με πεδίο ορισμού το σύνολο ; Έστω ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το μία διαδικασία (κανόνα), με την

Διαβάστε περισσότερα

f x 0 για κάθε x και f 1

f x 0 για κάθε x και f 1 06 4.2 Το Λήμμα του Uysoh το Λήμμα της εμφύτευσης και το θεώρημα μετρικοποίησης του Uysoh. Ο κύριος στόχος αυτής της παραγράφου είναι η απόδειξη ενός θεμελιώδους αποτελέσματος γνωστού ως το Λήμμα του Uysoh.

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ - ΠΙΘΑΝΟΤΗΤΕΣ

ΑΣΚΗΣΕΙΣ - ΠΙΘΑΝΟΤΗΤΕΣ ΑΣΚΗΣΕΙΣ - ΠΙΘΑΝΟΤΗΤΕΣ Οµάδα η. Αν Ω={ω,ω,,ω 6 } είναι ο δ.χ ενός πειράµατος τύχης να βρείτε τις πιθανότητες Ρ(ω ),,Ρ(ω 6 ) αν είναι γνωστό ότι αυτές αποτελούν διαδοχικούς όρους αριθµητικής προόδου µε

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 4 ου κεφαλαίου Ελεγχοσυναρτήσεις Γενικευμένου Λόγου Πιθανοφανειών Σταύρος Χατζόπουλος 27/03/2017, 03/04/2017, 24/04/2017 1 Εισαγωγή Έστω το τ.δ. X,,, από την κατανομή

Διαβάστε περισσότερα

Επιμέλεια: xr.tsif Σελίδα 1 ΠΡΟΤΕΙΝΟΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΓΙΑ ΜΑΘΗΤΙΚΟΥΣ ΔΙΑΓΩΝΙΣΜΟΥΣ ΤΕΥΧΟΣ 6ο ΑΣΚΗΣΕΙΣ 501-600 Αφιερωμένο σε κάθε μαθητή που ασχολείται ή πρόκειται να ασχοληθεί με Μαθηματικούς διαγωνισμούς

Διαβάστε περισσότερα

Α ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας

Α ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας Α ΕΝΟΤΗΤΑ Πιθανότητες Α.1 (1.1 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα Α.2 (1.2 παρ/φος σχολικού βιβλίου) Η έννοια της πιθανότητας Α.1 Δειγματικός Χώρος. Ενδεχόμενα. Απαραίτητες γνώσεις

Διαβάστε περισσότερα

5 Σύγκλιση σε τοπολογικούς χώρους

5 Σύγκλιση σε τοπολογικούς χώρους 121 5 Σύγκλιση σε τοπολογικούς χώρους Στο κεφάλαιο αυτό πρόκειται να μελετήσουμε την έννοια της σύγκλισης σε γενικούς τοπολογικούς χώρους, πέραν των μετρικών χώρων. Όπως έχουμε ήδη διαπιστώσει ( πρβλ.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3. Στοιχεία Θεωρίας Μέτρου - Πιθανοτήτων

ΚΕΦΑΛΑΙΟ 3. Στοιχεία Θεωρίας Μέτρου - Πιθανοτήτων ΚΕΦΑΛΑΙΟ 3 Στοιχεία Θεωρίας Μέτρου - Πιθανοτήτων Υπενθυμίζουμε συνοπτικά κάποιες βασικές έννοιες που θα μας χρειαστούν σε επόμενα κεφάλαια 3 σ-άλγεβρα: Έστω ένα μη κενό σύνολο Μία κλάση υποσυνόλων F του

Διαβάστε περισσότερα

Ask seic kai Jèmata sth JewrÐa Mètrou kai Olokl rwsh

Ask seic kai Jèmata sth JewrÐa Mètrou kai Olokl rwsh Ask seic kai Jèmata sth JewrÐa Mètrou kai Olokl rwsh Ginnhc K. Sarant pouloc jnik Mets bio Poluteqne o Sqol farmosmłnwn Majhmatik n & Fusik n pisthm n TomŁac Majhmatik n 22 Febrouar ou 28 Perieqìmena Συμβολισμός

Διαβάστε περισσότερα

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2) Κεφάλαιο 10 Συνεχείς τυχαίες μεταβλητές Σε αυτό το κεφάλαιο θα εξετάσουμε τις ιδιότητες που έχουν οι συνεχείς τυχαίες μεταβλητές. Εκείνες οι Τ.Μ. X, δηλαδή, των οποίων το σύνολο τιμών δεν είναι διακριτό,

Διαβάστε περισσότερα

ΠΡΑΓΜΑΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΠΡΑΓΜΑΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 1 ΚΕΦΑΛΑΙΟ 1 : ΠΡΑΓΜΑΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 11 ΕΙΣΑΓΩΓΗ Σε ότι ακολουθεί συμβολίζουμε με το σύνολο των φυσικών αριθμών και με και R τα σύνολα των ακεραίων των ρητών και των πραγματικών αριθμών

Διαβάστε περισσότερα

Λύσεις 4ης Ομάδας Ασκήσεων

Λύσεις 4ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. Ζυγοβίστι Λύσεις 4ης Ομάδας Ασκήσεων Τμήμα Α Λ αʹ Το συνολικό πλήθος των τερμάτων που θα σημειωθούν είναι X + Y, και η μέση

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 15 Οκτωβρίου 2009 ΚΛΑΣΙΚΗ ΠΙΘΑΝΟΤΗΤΑ De Moivre Ο κλασικός ορισµός της πιθανότητας αφορά πεπερασµένους δειγµατικούς χώρους και

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ Στα πλαίσια του προπτυχιακού μαθήματος Χρονικές σειρές Τμήμα μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα 1 Μονοδιάστατες τυχαίες μεταβλητές Τυχαία μεταβλητή είναι

Διαβάστε περισσότερα

R ισούται με το μήκος του. ( πρβλ. την ιστορική σημείωση 3.27 στο τέλος

R ισούται με το μήκος του. ( πρβλ. την ιστορική σημείωση 3.27 στο τέλος 73 3. Συμπαγείς χώροι 3. Συμπαγείς χώροι και βασικές ιδιότητες Οι συμπαγείς χώροι είναι μια από τις πιο σημαντικές κλάσεις τοπολογικών χώρων. Η κλάση των συμπαγών χώρων περιλαμβάνει τα κλειστά διαστήματα,b

Διαβάστε περισσότερα

ΓΕΝΙΚΟ ΛΥΚΕΙΟ Λ. ΑΙΔΗΨΟΥ ΣΧΟΛ. ΕΤΟΣ ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ ΙΟΥΝΙΟΥ ΑΛΓΕΒΡΑ Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ

ΓΕΝΙΚΟ ΛΥΚΕΙΟ Λ. ΑΙΔΗΨΟΥ ΣΧΟΛ. ΕΤΟΣ ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ ΙΟΥΝΙΟΥ ΑΛΓΕΒΡΑ Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΓΕΝΙΚΟ ΛΥΚΕΙΟ Λ. ΑΙΔΗΨΟΥ ΣΧΟΛ. ΕΤΟΣ 01-013 ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ ΙΟΥΝΙΟΥ ΑΛΓΕΒΡΑ Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ Θέμα 1 ο Α. Έστω a ένας πραγματικός αριθμός. Να δώσετε τον ορισμό της απόλυτης

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1.

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1. Γ ΛΥΚΕΙΟΥ-ΓΕΝΙΚΗ ΠΑΙΔΕΙΑ ΜΑΘΗΜΑΤΙΚΑ ο ΔΙΑΓΩΝΙΣΜΑ ΘΕΜΑ ο Δίνεται η συνάρτηση f Ι. Το πεδίο ορισμού της f είναι:., υ -, B., Γ. -,.,., ΙΙ. Το όριο f lm 0 είναι ίσο με: Α. 0 Β. Γ. Δ. Ε. Τίποτε από τα προηγούμενα

Διαβάστε περισσότερα