Συµπληρωµατικές Ασκήσεις Στατιστικής ΙΙΙ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Συµπληρωµατικές Ασκήσεις Στατιστικής ΙΙΙ"

Transcript

1 Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς Συµπηρωµατικές Ακήεις Στατιτικής ΙΙΙ ΚΕΦΑΛΑΙΑ -3 Άκ Η κατανοµή των βαρών των µαθητών ενός χοείου είναι κανονική µε µ6kg και 5kg Να υποογιτεί η πιθανότητα επιέγοντας τυχαία έναν µαθητή να είναι βαρύτερος από 7kg Άκ Σε µία παραία το βάρος Χ των χαικιών ακοουθεί κανονική κατανοµή Ν3, Αν πάρουµε τυχαία ένα χαίκι α Ποια η πιθανότητα να έχει βάρος Χ > 3gr β Ποια η πιθανότητα να έχει βάρος 8 < Χ < 4gr γ Πήραµε χαίκια τυχαία Ποια η πιθανότητα το υνοικό βάρος τους να είναι πάνω από 3gr Αν πάρουµε 4 χαίκια τυχαία, ποια η πιθανότητα να βρούµε ακριβώς µε βάρος 8 < Χ < 4gr Άκ 3 Τα αποτεέµατα ε ένα τετ δεξιοτήτων ακοουθούν κανονική κατανοµή µε µ5 και Ποιος είναι ο µεγαύτερος βαθµός που µπορεί να έχει ένας µαθητής, ώτε να βρίκεται το % της µικρότερης βαθµοογίας της κατανοµής; Άκ 4 Από το αρχείο ενός ιατρείου προκύπτει ότι η πιθανότητα αναµονής ενός αθενούς για χρόνο περιότερο από επτά είναι,39 Αν ο χρόνος αναµονής ακοουθεί κανονική κατανοµή µε 3,75 επτά, να υποογίετε: α το µέο χρόνο αναµονής το ιατρείο, β την πιθανότητα, ένας αθενής να περιµένει το ιατρείο για χρόνο µεταξύ και 5 επτών Άκ 5 Τα ανδρικά πουκάµια ταξινοµούνται ανάογα µε το µέγεθός τους ε 4 κατηγορίες, M, L, και L που αντιτοιχούν ε µήκος περιφέρειας αιµού ανδρών ιγότερο από 5 ίντες για το, µεταξύ 5 ιντών και 6 ιντών για το M, µεταξύ 6 ιντών και 7 ιντών για το L, και περιότερο από 7 ίντες για το L Έτω ότι το µήκος της περιφέρειας του αιµού των ανδρών ε ίντες είναι τµ Χ που ακοουθεί την κατανοµή Ν575, 49 α Να βρεθεί πόα πουκάµια ανά κατηγορία πρέπει να κατακευάει µια βιοτεχνία αν η παραγωγή της είναι πουκάµια β Να καθοριθούν τα όρια του µήκους της περιφέρειας του αιµού των ανδρών για κάθε µια από τις 4 κατηγορίες, M, L, και L, έτι ώτε ε κάθε µια κατηγορία να αντιτοιχεί το 5% του πηθυµού των ανδρών Άκ 6 Η ηµερήια ζήτηη κρέατος ε κιά την Κεντρική Αγορά Αθηνών ΚΑΑ ακοουθεί την κανονική κατανοµή µε µέη τιµή 5Κg και τυπική απόκιη 3Kg α Αν ε µια ηµέρα η ΚΑΑ εφοδιατεί µε 53Kg τότε ποια είναι η πιθανότητα να καυφθεί όη η ζήτηη; β Ποιά είναι η ποότητα q που πρέπει να εφοδιατεί η ΚΑΑ ε µια ηµέρα έτι ώτε να καυφθεί η ζήτηη µε πιθανότητα 9; Άκ 7 Από τα τατιτικά τοιχεία που εξέδωε το υπουργείο εθνικής αµύνης των ΗΠΑ προκύπτει ότι το 88% των αµερικανών τρατιωτών έχει ύψος µικρότερο από 67 ίντες, ενώ το 357% των αµερικανών τρατιωτών έχει ύψος µεγαύτερο από 7 ίντες Αν υποτεθεί ότι το ύψος των αµερικανών τρατιωτών ε ίντες είναι τµ Χ που ακοουθεί την κανονική κατανοµή, να βρεθεί η µέη τιµή και η διακύµανη της τµ Χ 6 Άκ 8 Η διάρκεια ζωής Χ ε τροφές ενός ανταακτικού κινητήρα εωτερικής καύης ακοουθεί την κατανοµή Ν5,5 αν είναι τύπου Α, και την κατανοµή Ν3,5 αν είναι τύπου Β Αν το 5% των κινητήρων είναι εφοδιαµένα µε ανταακτικό τύπου Β, να βρεθεί η πιθανότητα να έχει ένας κινητήρας ανταακτικό τύπου Β αν η διάρκεια ζωής του ήταν µικρότερη από 4 6 τροφές Άκ 9 Το βάρος των ατόµων ενός πηθυµού ακοουθεί κανονική κατανοµή Ν8, Από τον πηθυµό, επιέγουµε τυχαία 6 άτοµα Να βρεθεί η πιθανότητα το υνοικό τους βάρος να υπερβαίνει τα 5kgr Άκ Έτω Χ, Υ ανεξάρτητες τµ µε Χ ~ Νµ Χ, Χ, Υ ~ Νµ Υ, Υ είξτε ότι Vr Y Y µ Y µ Y Άκ Έτω Χ, Υ είναι δύο τµ οι οποίες παίρνουν τις τιµές ή Αν ΕΧ ΕΥ, να δείξετε ότι P, Y, Y και P, Y, Y Αν επιπέον είναι γνωτό ότι p, Y βρείτε την V, VY και CovΧ,Υ Άκ Έτω Χ και Υ είναι ανεξάρτητες τµ οι οποίες ακοουθούν διωνυµική κατανοµή µε παραµέτρους, p και m, p αντίτοιχα Αποδείξτε µε επιχειρήµατα, χωρίς να κάνετε υποογιµούς ότι η νέα τµ ΧΥ ακοουθεί και αυτή διωνυµική κατανοµή µε παραµέτρους m, p Υπόδ Χρηιµοποιήτε το γεγονός ότι οι Χ, Υ εκφράζουν το αριθµό των επιτυχιών ε και m δοκιµές αντίτοιχα Άκ 3 Έτω Χ,Χ, µία ακοουθία από ανεξάρτητες τµ που ακοουθούν την ίδια υνεχή κατανοµή Θα έµε ότι ένα «ρεκόρ» υµβαίνει το χρόνο αν ιχύει ότι Χ > m{,,, - } ηαδή η τµ Χ αποτεεί «ρεκόρ» αν είναι µεγαύτερη από όες τις προηγούµενες τµ,,, - είξτε ότι παρατηρείται ρεκόρ το χρόνο / 4

2 Αν R είναι µία τµ που εκφράζει το πήθος των ρεκόρ έως και το χρόνο, δείξτε ότι E R και V R Άκ 4 Ρίχνουµε δύο ζάρια 8 φορές και καταγράφουµε το άθροιµα των εδρών του α Να βρεθεί προεγγιτικά η πιθανότητα το άθροιµα 9 να εµφανιτεί τουάχιτον 3 φορές, το πού 3 φορές, από έως 3 φορές β Να βρεθεί προεγγιτικά η πιθανότητα, το υνοικό άθροιµα των εδρών και των 8 ζαριών να είναι µεγαύτερο από 3 Άκ 5 Σε µία µεγάη πόη θέουµε να εκτιµήουµε το ποοτό των ψηφοφόρων ενός κόµµατος Α και για το κοπό αυτό ρωτήθηκαν τυχαία επιεγµένοι ψηφοφόροι Ποια είναι προεγγιτικά η πιθανότητα η πειοψηφία των ψηφοφόρων του δείγµατος να είναι υπέρ του κόµµατος Α, ενώ την πραγµατικότητα µόις το 45% των ψηφοφόρων της πόης να είναι υπέρ του κόµµατος Α Άκ 6 Το % από τα προϊόντα µιας µηχανής είναι εαττωµατικά Υποογίτε προεγγιτικά την πιθανότητα ανάµεα ε 4 τυχαία επιεγµένα κοµµάτια του προϊόντος να είναι εαττωµατικά α το πού 3, β 3 έως 5, γ 35 έως 45, δ 55 ή περιότερα Άκ 7 Έτω ότι ο αριθµός των εαττωµάτων µιας µαγνητικής ταινίας µήκους t µέτρων ακοουθεί την κατανοµή Posso µε µέη τιµή t/ Να υποογιτεί κατά προέγγιη η πιθανότητα όπως ο υνοικός αριθµός εαττωµάτων ταινιών µήκους 8 µέτρων η κάθε µία δεν υπερβαίνει τα 43 Άκ 8 Το πήθος των κήεων ε ένα τηεφωνικό κέντρο κατά τη διάρκεια επτού ακοουθεί την κατανοµή Posso µε µέη τιµή Αν κάθε τηεφώνηµα αφήνει κέρδος τον ΟΤΕ 5, να βρεθεί προεγγιτικά η πιθανότητα, το κέρδος του ΟΤΕ από τη υνεχή ειτουργία ωρών να είναι τουάχιτον 8 Άκ 9 Μία µεγάη εταιρία διαθέτει 5 πεάτες Έχει βρεθεί ότι η πιθανότητα να καέει κάποιος πεάτης την εταιρία για υποτήριξη µία υγκεκριµένη ώρα της ηµέρας είναι % Να βρεθεί ο µικρότερος αριθµός υπαήων το τµήµα υποτήριξης ώτε το ιγότερο το 9% των πεατών να εξυπηρετούνται άµεα Άκ Σε ένα πουκατάτηµα πραγµατοποιήθηκε µετατροπή των τιµών των προϊόντων από δραχµές ε ευρώ Μετά την µετατροπή έγινε και τρογγυοποίηη «προς τα άνω» το άνω πηιέτερο δέκατο του ευρώ δη αν ένα προϊόν κότιζε πχ 55δρχ 649, τώρα θα κοτίζει 7 Ένας πεάτης αγοράζει τυχαία 5 προϊόντα που πριν την µετατροπή κότιζαν δρχ 9347 Θεωρούµε ότι οι «διαφορές» Χ, Χ,, Χ τις τιµές ε ευρώ πριν και µετά την «προς τα άνω» τρογγυοποίηη των προϊόντων είναι ανεξάρτητες τµ η κάθε µία από τις οποίες ακοουθεί την οµοιόµορφη κατανοµή το διάτηµα α,β δηαδή θεωρούµε ότι µία «διαφορά» είναι το ίδιο πιθανό να πάρει οποιαδήποτε τιµή µεταξύ του α και του β Αφού προδιορίετε µε ογικά επιχειρήµατα τα α και β, να βρείτε: το αναµενόµενο ποό που θα κηθεί τώρα να πηρώει ο πεάτης την κατανοµή του ποού αυτού προεγγιτικά την πιθανότητα να πηρώει τώρα περιότερο από 3 Άκ Ο χρόνος εξυπηρέτηης Χ ενός πεάτη από τον ταµία µιας τράπεζας είναι τµ µε µέη τιµή µ 5 επτά και τυπική απόκιη επτά Αν το χώρο αναµονής της τράπεζας περιµένουν να εξυπηρετηθούν 55 πεάτες, ποια είναι προεγγιτικά η πιθανότητα να χρειατεί ο ταµίας περιότερες από 5 ώρες για να τους εξυπηρετήει όους υποθέτουµε ότι οι πεάτες εξυπηρετούνται διαδοχικά ο ένας µετά τον άο, και οι χρόνοι εξυπηρέτηής τους είναι ανεξάρτητοι Άκ Μία τυχαία µεταβητή Χ έχει µέη τιµή 3 και διαπορά Χρηιµοποιώντας την ανιότητα του Chebyshev υποογίτε ένα άνω φράγµα για τις Χ3, Χ3 Άκ 3 Έτω Χ,Χ,,Χ ανεξάρτητες τµ που ακοουθούν την κατανοµή Posso µε µέη τιµή α Χρηιµοποιήτε την ανιότητα Mrkov για να βρείτε ένα φράγµα για την β Χρηιµοποιήτε το ΚΟΘ για να βρείτε µία προέγγιη για την ΚΕΦΑΛΑΙΟ 4 Άκ 4 Έτω Χ,Χ,, ένα τδ από έναν πηθυµό µε µέη τιµή µ και διαπορά Να βρείτε το c για το οποίο η τατιτική υνάρτηη c είναι αµερόηπτη εκτιµήτρια του Άκ 5 Έτω Χ, Χ,, Χ και Υ, Υ,, Υ k δύο ανεξάρτητα µεταξύ τους τδ, το πρώτο από µία κατανοµή µε µέη τιµή µ και διαπορά, και το δεύτερο από µία κατανοµή µε µέη τιµή c µ και διαπορά d c R, d > γνωτά Να βρεθούν να και b έτι ώτε η εκτιµήτρια της µορφής by να είναι η «καύτερη δυνατή» αµερόηπτη εκτιµήτρια του µ Άκ 6 Έτω ένα τδ,,, από µία κατανοµή F;,b Nα βρεθούν οι εκτιµήτριες ροπών των παραµέτρων,b αν Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 5

3 είναι γνωτό ότι ΕΧ /b, Vr /b Άκ 7 Έτω ένα τδ,,, από µία κατανοµή F;,b Nα βρεθούν οι εκτιµήτριες ροπών των παραµέτρων,b αν είναι γνωτό ότι ΕΧ b, Vr 4b, α,b> Άκ 8 Έτω ένα τδ,,, από την κατανοµή Gα, Γάµµα µε παραµέτρους α, Αν έχει βρεθεί ότι, 45, 553, να εκτιµηθούν τα α, χρηιµοποιώντας τις εκτιµήτριες ροπών των α, υπενθυµίζεται ότι η µέη τιµή και η διαπορά της Gα, είναι α/ και α/ αντίτοιχα Άκ 9 Έτω Χ,Χ,,Χ τδ από κατανοµή µε ππ 3 f ; e, > Βρείτε την εµπ του Άκ 3 Έτω Χ,Χ,,Χ τδ από κατανοµή µε ππ f ; e, > Βρείτε την εµπ του Άκ 3 Έτω Χ,Χ,,Χ τδ από κατανοµή µε ππ l µ f e, π Βρείτε την εµπ του µ Άκ 3 Έτω ότι το πήθος των προπαθειών µέχρι και την επιτυχία ενός τόχου από έναν κοπευτή ακοουθεί την γεωµετρική κατανοµή µε π f ; p p p,,, Αν ε 5 αγώνες ο κοπευτής πέτυχε για πρώτη φορά το τόχο την 3 η, 4 η, η, 3 η και η προπάθεια αντίτοιχα, να εκτιµήετε την πιθανότητα επιτυχίας p του τόχου από τον υγκεκριµένο κοπευτή Να χρηιµοποιήετε αφού πρώτα βρείτε την εκτιµήτρια µέγιτης πιθανοφάνειας του p Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς ΚΕΦΑΛΑΙΟ 5 Άκ 33 Έτω ότι επιθυµούµε να εκτιµήουµε το µέο χρόνο που κάνει ένα τρένο του Μετρό για να µεταβεί από το ταθµό Α το ταθµό Β Χρονοµετρώντας τη διαδροµή αυτή 5 φορές ηµειώνουµε τους χρόνους ε secods 37, 5, 57, 5, 6 α Να δοθεί ένα δε υντεετού 99% για το µέο χρόνο µετάβαης β Να δοθεί ένα δε υντεετού 99% για την τυπική απόκιη του χρόνου µετάβαης Υποθέτε ότι οι χρόνοι είναι κανονικοί Άκ 34 Έτω ότι οι αποδοχές των εργαζοµένων ε µία µεγάη επιχείρηη ακοουθούν την κανονική κατανοµή µε µέη τιµή µ και διαπορά Οι µηνιαίες αποδοχές ε ευρώ 7 τυχαία επιεγµένων εργαζοµένων είναι 98,,, 5, 3, 977, 89 Να κατακευάετε ένα διάτηµα εµπιτούνης υντεετού 95% για τον µέο µιθό µ όων των εργαζοµένων την επιχείρηη Ποιό θα ήταν το αντίτοιχο δε αν ήταν γνωτό ότι 7; Πόο δείγµα πρέπει να πάρουµε ε αυτή την περίπτωη για να κατακευάουµε δε µε εύρος ευρώ; Άκ 35 Έτω ότι θέουµε να εκτιµήουµε την µέη τιµή πώηης µ ενός καφέ υγκεκριµένου τύπου που ερβίρεται τις καφετέριες του εκανοπεδίου των Αθηνών Για το κοπό αυτό καταγράφηκαν ε ευρώ οι αντίτοιχες τιµές Χ, Χ,, Χ ε 5 τυχαία επιεγµένες καφετέριες Βρέθηκε ότι, 5, 35 α Να βρείτε ένα προεγγιτικό δε υντεετού 95% για τη µέη τιµή πώηης µ και β Να βρείτε ένα προεγγιτικό δε υντεετού 95% για την τυπική απόκιη των Χ Άκ 36 Σε µία έρευνα αγοράς επιθυµούµε να εκτιµήουµε το ποοτό p των καταναωτών µιας περιοχής που χρηιµοποιούν ένα υγκεκριµένο προϊόν Για το κοπό αυτό επιέχθηκαν τυχαία καταναωτές από τους οποίους απάντηαν ότι χρηιµοποιούν το προϊόν ενώ οι υπόοιποι 8 δεν το χρηιµοποιούν α Να δώετε ένα δε για το πηθυµιακό ποοτό p µε υντεετή εµπιτούνης 95% β Πόο περίπου παραπάνω δείγµα πρέπει να επιέξουµε για να πάρουµε δε υντεετού εµπιτούνης 95% και εύρους 5% Άκ 37 Σε µία έρευνα απαχοήεως επιθυµούµε να προδιορίουµε το ποοτό των ανέργων p µιας πόης Το αντίτοιχο ποοτό ε ένα τυχαίο δείγµα ατόµων βρέθηκε ίο µε % α Μεταξύ ποιων ορίων βρίκεται το πραγµατικό ποοτό p µε υντεετή εµπιτούνης 95%; β Αν η πόη έχει εργατικό δυναµικό m άτοµα, να δώετε δε 95% για το πήθος των ανέργων την πόη γ Πόο περίπου παραπάνω δείγµα πρέπει να πάρουµε για να έχουµε δε 95% εύρους 3% 6

4 Άκ 38 Μετά από δειγµατοηπτική έρευνα ε 4 κατατήµατα µιας περιοχής Α και 3 κατατήµατα µιας περιοχής Β βρέθηκε ότι το ίδιο προϊόν κοτίζει ε ευρώ 5, 8,, 34 περιοχή Α και 35, 9, 3 περιοχή Β αντίτοιχα Υποθέτοντας ότι οι τιµές κατανέµονται κανονικά Νµ, και Νµ, αντίτοιχα, βρείτε ένα διάτηµα εµπιτούνης υντεετού 95% για το πηίκο / Μπορούµε από αυτό το δε να πούµε ε ε 5% ότι οι τιµές του προϊόντος παρουιάζουν διαφορετική µεταβητότητα τις δύο περιοχές; ΚΕΦΑΛΑΙΟ 6 Άκ 39 Από κανονικό πηθυµό Νµ, 4 αµβάνεται τυχαίο δείγµα µεγέθους 6, προκειµένου να εεγχθεί η υπόθεη Η : µ έναντι της H : µ > ε επίπεδο ηµαντικότητας α 5 Να προδιοριτεί η περιοχή απόρριψης Αν ίχυε ότι µ µε τι πιθανότητα θα παίρναµε ωτή απόφαη; Άκ 4 Θέοντας να εκτιµήουµε τη µέη τιµή µ του ίτρου της βενζίνης τα πρατήρια των Αθηνών επικεφτήκαµε τυχαία βενζινάδικα από όπου καταγράψαµε τις τιµές ε δρχ: 83, 88, 785, 83, 9, 849, 844, 798, 9, 867 Να εέγξετε ε επίπεδο ηµαντικότητας 5 την υπόθεη µ9 έναντι της µ<9 α την περίπτωη που το είναι άγνωτο και β την περίπτωη που γνωρίζουµε ότι 4 Άκ 4 Έτω ότι επιθυµούµε να εκτιµήουµε το µέο χρόνο µ που κάνει ένα τρένο του Μετρό για να µεταβεί από το ταθµό Α το ταθµό Β Χρονοµετρώντας τη διαδροµή αυτή φορές ηµειώνουµε τους χρόνους ε secods 357, 337, 35, 357, 35, 35, 36, 353, 377, 37 α Να εέγξετε ε επίπεδο ηµαντικότητας την υπόθεη µ36 έναντι της µ 36 β Να εέγξετε ε επίπεδο ηµαντικότητας την υπόθεη 3 έναντι της <3 Άκ 4 Έτω ότι θέουµε να εκτιµήουµε το µέο χρόνο ζωής των αρρένων κατοίκων µιας υγκεκριµένης περιοχής Για το κοπό αυτό εήφθη τδ µεγέθους ανδρών Βρέθηκε ότι, 39596, Υποθέτοντας ότι οι χρόνοι ζωής είναι κανονικοί, α Να εέγξετε ε επίπεδο ηµαντικότητας 5 την υπόθεη µ7 έναντι της µ<7 β Να εέγξετε ε επίπεδο ηµαντικότητας 5 την υπόθεη 4 έναντι της 4 Άκ 43 Έτω Y, Y,,Y οι τιµές κειίµατος µιας µετοχής Α ε ένα χρηµατιτήριο διαδοχικές ηµέρες Υποθέτουµε ότι ιχύει Y Y e για,,, όπου Χ,Χ,,Χ είναι ανεξάρτητες τµ που ακοουθούν την Νµ, και Y Αν ε 5 διαδοχικές ηµέρες έχουν καταγραφεί οι τιµές Y έως Y , 8778, 85, 885, 994 α να εέγξετε αν µ ε ε 5% έναντι της µ < β Να κάνετε τον ίδιο έεγχο γνωρίζοντας ότι Σε αυτή την περίπτωη, να βρεθεί το p-vlue και η υνάρτηη ιχύος Αν ίχυε ότι µ µε τι πιθανότητα θα παίρναµε ωτή απόφαη; Υπόδειξη: από τα παραπάνω Υ να προδιορίετε πρώτα τα αντίτοιχα Χ Άκ 44 Έτω Χ µία τµ από την Nµ, 9 Επιθυµούµε µε βάη αυτή να εέγξουµε την υπόθεη Η : µ έναντι της Η : µ Βρείτε, χρηιµοποιώντας το ήµµα Neym - Perso τον βέτιτο έεγχο για την παραπάνω υπόθεη ε επίπεδο ηµαντικότητας α Ποια είναι η ιχύς του εέγχου; Εάν Χ 4 δεχόµατε ή απορρίπτουµε την Η ; ε α5 Άκ 45 Έτω ότι ένα µεγάο κόµµα θέει να εκτιµήει το ποοτό p των ψηφοφόρων µιας µεγάης πόης που προτίθενται να το ψηφίουν τις επερχόµενες βουευτικές εκογές Το αντίτοιχο ποοτό ε ένα τυχαίο δείγµα 5 ψηφοφόρων βρέθηκε ίο µε 4% Να εέγξετε ε επίπεδο ηµαντικότητας 5 την υπόθεη p 35% έναντι της p > 35% Άκ 46 Ένας υποψήφιος δήµαρχος ιχυρίζεται ότι τις εκογές που έγιναν ήµερα θα εκεγεί από τον πρώτο γύρο δη θα άβει ποοτό µεγαύτερο του 5% Έχουµε αρκετά τοιχεία για να απορρίψουµε τον παραπάνω ιχυριµό, αν ε ένα τδ 3 ψηφοφόρων που εήφθη µε et poll, δηαδή οι ψηφοφόροι ρωτήθηκαν αµέως µετά την έξοδό τους από τυχαία επιεγµένα εκογικά τµήµατα µόνο το 44% δήωαν ότι ψήφιαν τον υγκεκριµένο υποψήφιο α Αν βρεθεί ότι δεν έχουµε αρκετά τοιχεία, πόο θα έπρεπε να είναι το εάχιτο µέγεθος του δείγµατος ώτε, µε το ίδιο δειγµατικό ποοτό, να Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 7

5 απορρίπταµε τον παραπάνω ιχυριµό; Άκ 47 Έτω µ και µ οι µέοι χρόνοι εξυπηρέτηης των πεατών από δύο ταµίες µιας τράπεζας Αν 34, 99, 34, 74, 88, 7, 73, 7 και 5, 94, 77, 33, 59, 5, 67, 7, 69, 66 είναι δειγµατοηπτικά κάποιοι χρόνοι ε sec εξυπηρέτηης των δύο αυτών υπαήων αντίτοιχα, µπορούµε ε επίπεδο ηµαντικότητας α5 α να πούµε ότι οι δύο υπάηοι έχουν διαφορετική απόδοη; β να πούµε ότι ο πρώτος υπάηος έχει µεγαύτερη απόδοη από το δεύτερο; είναι γνωτό ότι 4 Άκ 48 Έτω µ η µέη τιµή πώηης ενός προϊόντος ε µία περιοχή Α και µ η µέη τιµή πώηης του ίδιου προϊόντος ε µία περιοχή Β Υποθέτουµε ότι οι τιµές κατανέµονται κανονικά και µε ίη διαπορά τις δύο περιοχές Επιέγουµε τυχαία 3 τιµές από την περιοχή Α και 3 τιµές από την περιοχή Β Αν οι τιµές αυτές είναι, 6, περιοχή Α και 7, 93, 97 περιοχή Β, µπορούµε, ε επίπεδο ηµαντικότητας 5%, να πούµε ότι η µέη τιµή πώηης την περιοχή Α είναι υψηότερη από την αντίτοιχη την περιοχή Β; Η : µ µ, H :µ > µ Άκ 49 Έτω µ η µέη τιµή πώηης ενός προϊόντος ε µία περιοχή Α και µ η µέη τιµή πώηης του ίδιου προϊόντος ε µία περιοχή Β Η µέη τιµή και η διαπορά ενός τδ τιµών πώηης από την περιοχή Α βρέθηκε 9 και αντίτοιχα Επίης, η µέη τιµή και η διαπορά ενός τδ τιµών πώηης από την περιοχή Β βρέθηκε 445 και 9974 αντίτοιχα Αν υποθέουµε ότι οι τιµές κατανέµονται κανονικά και µε ίη αά άγνωτη διαπορά και τις δύο περιοχές, να εέγξετε ε επίπεδο ηµαντικότητας 5% α αν η µέη τιµή πώηης την Α είναι διαφορετική από την αντίτοιχη την Β β αν η µέη τιµή πώηης την Α είναι χαµηότερη από την αντίτοιχη την Β Άκ 5 Στην προηγούµενη άκηη που αφορούε τις τιµές πώηης ενός προϊόντος ε δύο περιοχές Α και Β υποθέαµε ότι οι διαπορές και των τιµών τις περιοχές αυτές είναι ίες Να εέγξετε ε επίπεδο ηµαντικότητας 5% αν όντως οι δύο αυτές διαπορές είναι ίες Άκ 5 Έτω ότι οι χρόνοι ζωής δύο τύπων εξαρτηµάτων A, B ακοουθούν κανονική κατανοµή Nµ, και Nµ, αντίτοιχα Αν ε ένα τδ από εξαρτήµατα τύπου Α βρέθηκε ότι 5 και ε ένα τδ από εξαρτήµατα τύπου Β βρέθηκε ότι 5, µπορούµε ε ε 5% να απορρίψουµε ότι οι χρόνοι ζωής των εξαρτηµάτων παρουιάζουν όµοια µεταβητότητα; Η : έναντι της Η : < Άκ 5 Από τα 4 εξαρτήµατα που παίρνουµε την τύχη από µία µηχανή που τα κατακευάζει, τα 6 είναι εαττωµατικά, ενώ από τα 3 µιας άης µηχανής, τα 4 βρέθηκαν εαττωµατικά Να εέγξετε ε επίπεδο ηµαντικότητας % α αν υπάρχει διαφορά την παραγωγή εαττωµατικών µεταξύ των δύο µηχανών και β αν η δεύτερη µηχανή είναι χειρότερη από την πρώτη Άκ 53 Βρέθηκε ότι 78 από τυχαία επιεγµένους ψηφοφόρους µιας µεγάης πόης Α προτίθενται να ψηφίουν ένα υγκεκριµένο κόµµα, ενώ 4 από 5 τυχαία επιεγµένους ψηφοφόρους µιας άης µεγάης πόης Β προτίθενται να ψηφίουν το ίδιο κόµµα Μπορούµε, να πούµε ότι το ποοτό την πόη Β είναι «ηµαντικά» µεγαύτερο του ποοτού την πόη Α ε επίπεδο ηµαντικότητας 5; Άκ 54 Ένας δηµοιογράφος ε µία τηεοπτική υζήτηη ιχυρίζεται ότι υµβαίνει κάτι ύποπτο την εταιρία µέτρηης τηεθέαης AGB Η εταιρία έχει διαθέει 5 µηχανάκια ε ιάριθµους τηεθεατές, 5 από τα οποία έχουν δοθεί ε νέους υνεργάτες τηεθεατές που έχουν ξεκινήει τη υνεργαία τους µε την AGB το τεευταίο εξάµηνο Ο δηµοιογράφος διαπιτώνει ότι, ύµφωνα µε την AGB, το κανάι ALPHA παρουιάζει τηεθέαη 3% το ύνοο τους 5 τηεθεατές ενώ έχει µόνο % τους νέους τους 5 τηεθεατές Ο δηµοιογράφος το θεωρεί αυτό πού ύποπτο και κάποιος ποιτικός µάιτα δηώνει ότι «οι δύο αυτές τιµές δεν υµφωνούν καθόου» πρόκειται για πραγµατικό περιτατικό Είναι πράγµατι αυτό «πού ύποπτο»; Θα µπορούε δηαδή η διαφορά αυτή να είναι τυχαία; Συγκεκριµένα, αν p, p είναι τα ποοτά της τηεθέαης του ALPHA τους πηθυµούς από τους οποίους προέρχονται οι δύο οµάδες τηεθεατών «νέοι» και «πααιοί» υνεργάτες, εέγξτε ε ε α την υπόθεη H : p p έναντι της H : p > p αν απορρίψουµε την Η µπορούµε πράγµατι να µιήουµε για κάτι «ύποπτο», διότι το ογικό είναι να ιχύει p p αφού και οι δύο οµάδες υνεργατών προέρχονται από τον ίδιο πηθυµό Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 8

6 Λύεις Συµπηρωµατικών Ακήεων Στατιτικής ΙΙΙ ΚΕΦΑΛΑΙΑ -3 Λύη Ακ Έτω Χ ~ Ν6, 5 το βάρος του τυχαία επιεγµένου µαθητή άρα Χ6/5 ~ Ν, Ζητείται η πιθανότητα > 7 > Φ Φ Λύη Άκ Αν Χ είναι η τµ που εκφράζει το βάρος των ενός χαικιού ε gr τότε Z ~ N, α P > 3 > Z Φ β P 8 < < 4 < < < Z < Φ Φ Φ Φ γ Έτω Χ,Χ,,Χ το βάρος των χαικιών Είναι γνωτό ότι το άθροιµα κανονικών τµ ακοουθεί και πάι κανονική τµ Εποµένως, αν W είναι το υνοικό βάρος των χαικιών τότε η W ακοουθεί κανονική κατανοµή µε E W E E E 3 3 και Vr W Vr Vr Vr οι τµ Χ,Χ,,Χ είναι ανεξάρτητες τµ Άρα W ~ N3, και υνεπώς η τµ W 3 Y ~ N, Ζητείται η πιθανότητα W P W > 3 > Y > Φ 5 Αν υµβοίουµε µε U την τµ που εκφράζει το πήθος των χαικιών το δείγµα µε βάρος 8 < Χ < 4gr, τότε Y ~ B4, p 8 < Χ < 4 46 Άρα τεικά, 4 4 P Y p p Λύη Άκ 3 Έτω Χ ~ Ν5, ο βαθµός του µαθητή Θα είναι ΖΧ5/ ~ Ν, Έτω επίης c ο µεγαύτερος βαθµός που µπορεί να έχει, ώτε να βρίκεται το % της µικρότερης βαθµοογίας της κατανοµής Για το c θα πρέπει να ιχύει ότι, 5 c 5 5 P c Φ c 8 Φ84 Φ 84 c 5 84 c Λύη Άκ 4 α Έτω Χ ο χρόνος αναµονής ενός πεάτη το ιατρείο Γνωρίζουµε ότι Χ ~ Νµ, 375 και υνεπώς Χµ/375 ~ Ν, Επίης, γνωρίζουµε ότι µ µ µ µ > 39 > 39 Φ 39 Φ 976 Φ Συνεπώς, η Φ είναι υνάρτηη γνήια αύξουα και άρα - µ 98 µ ηαδή, Χ ~ Ν575, 375 β Η πιθανότητα, ένας αθενής να περιµένει το ιατρείο για χρόνο µεταξύ και 5 επτών, είναι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 9

7 P < < 5 < < Φ Φ Φ,6466 Φ 6866 Φ,6466 Φ ,495 Λύη Άκ 5 Γνωρίζουµε ότι Χ ~ Ν575, 7 και υνεπώς η τµ Ζ Χ575/7 ~ Ν, Αρχικά θα υποογίουµε τι πιθανότητες P 5 Z 7 Φ 7 Φ , M 5 < 6 < 7 < Z Φ357 Φ 7 Φ357 Φ , L 6 < 7 < 357 < Z Φ786 Φ , P L > 7 > Z > 786 Φ Θεωρούµε ότι τα πουκάµια θα αγορατούν από ιάριθµους πεάτες άνδρες Ας δούµε πόοι περίπου από αυτούς θα χρειατούν πουκάµιο κατηγορίας Έτω Υ το πήθος των πεατών από τους που θα χρειατούν πουκάµιο κατηγορίας Η τµ Υ µπορεί να θεωρηθεί ότι εκφράζει το πήθος των επιτυχιών ε ανεξάρτητες δοµικές πεάτες µε πιθανότητα επιτυχίας p επιτυχία: «ο πεάτης χρειάζεται πουκάµιο» Εποµένως, Υ ~ Β,p και άρα ΕΥ p Συνεπώς, η αναµενόµενη ζήτηη πουκαµίων κατηγορίας θα είναι P πουκάµια Όµοια, η αναµενόµενη ζήτηη πουκαµίων κατηγορίας M, L, L θα είναι αντίτοιχα, P M , P L 33 33, P L πουκάµια Άρα, για να καυφθεί η αναµενόµενη ζήτηη θα πρέπει να κατακευατούν 43, 4977 M, 33 L και 37 L πουκάµια Εναακτικά, θα µπορούαµε να θεωρήουµε δίτιµες τµ Υ, Υ,, Υ, έτι ώτε Υ αν ο -πεάτης χρειάζεται πουκάµιο και Υ διαφορετικά Προφανώς, Υ Υ Υ Υ Από το νόµο των µεγάων αριθµών, γνωρίζουµε τότε ότι Y Y E Y Y Y Y και άρα η ζήτηη Υ πουκαµίων κατηγορίας θα είναι περίπου ίη µε Y 43 πουκάµια Όµοια εργαζόµατε και για τις υπόοιπες κατηγορίες Μ, L, L β Έτω α, α, α 3 τα όρια του µήκους της περιφέρειας του αιµού των ανδρών για τις 4 κατηγορίες, δηαδή,α ], Μα,α ], Lα,α 3 ], Lα 3, Τα α, α, α 3 θα πρέπει να είναι τέτοια ώτε P 5 5 Z και επειδή 5 75 Φ675 Φ 675 θα πρέπει Όµοια, θα πρέπει και Φ Φ P M < 5 < Φ Φ 5 Φ Φ P L < 3 5 < Φ Φ 5 Φ 75 Φ Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

8 Λύη Άκ 6 Έτω Χ ~ Ν5, 3 ή ζήτηη κρέατος ε κιά την ΚΑΑ την ηµέρα που εξετάζουµε άρα Χ5/3 ~ Ν, α Η πιθανότητα να καυφθεί όη η ζήτηη θα είναι Φ Φ β Για την ποότητα q θα πρέπει να ιχύει ότι 5 q 5 q 5 P q 9 9 Φ 9 Φ Συνεπώς, θα πρέπει η Φ είναι υνάρτηη γνήια αύξουα και άρα -, q 5 8 q kgr 3 Λύη Άκ 7 Έτω ότι Χ ~ Νµ, Σύµφωνα µε την εκφώνηη θα πρέπει µ 67 µ 67 µ Φ µ 67 µ Φ Φ4 Φ 4 4 και µ 7 µ 7 µ P > > 357 Φ µ 7 µ Φ 8643 Φ Λύνοντας τις παραπάνω δύο εξιώεις ως προς µ και βρίκουµε ότι µ7, Λύη Άκ 8 Έτω A, B τα ενδεχόµενα να είναι εφοδιαµένος ο κινητήρας µε ανταακτικό τύπου Α ή Β αντίτοιχα Ζητείται η πιθανότητα P B < 4 Από το Θεώρηµα Byes προκύπτει ότι < 4 B B B < 4 < 4 A A < 4 B B Αά, < 4 B < 4 ~ N3,5 < ~ N3,5 Φ Φ και < 4 A < 4 ~ N5,5 < ~ N3, Φ Φ Φ ενώ από την εκφώνηη γνωρίζουµε ότι Β 5 και άρα A B 75 Εποµένως τεικά θα είναι B < Λύη Άκ 9 Έτω Χ,Χ,,Χ 6 οι τµ που εκφράζουν τα βάρη των 6 ατόµων που επιέχθηκαν τυχαία από τον πηθυµό Ζητείται η πιθανότητα το υνοικό τους βάρος να υπερβαίνει τα 5kgr, δηαδή η 6 P > 5 Γνωρίζουµε ότι το άθροιµα ανεξάρτητων κανονικών τµ ακοουθεί και αυτό κανονική κατανοµή Συνεπώς η τµ Χ Χ Χ 6 ακοουθεί κανονική κατανοµή Ν486, 6 διότι, 6 6 E E , V V 6 6 Άρα από γνωτή πρόταη η τµ Z Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

9 θα ακοουθεί τυπική κανονική κατανοµή Ν, Εποµένως τεικά, η πιθανότητα που ζητείται θα είναι > 5 > Z > 575 Φ Λύη Άκ Λόγω του ότι Χ, Υ είναι ανεξάρτητες, θα ιχύει ότι ΕΧΥ ΕΧΕΥ Επίης, οι τµ Χ, Υ θα είναι και αυτές ανεξάρτητες και άρα ΕΧ Y ΕΧ ΕY Εποµένως, Vr Y Y E Y E Y E E Y E E V E V Y E Y E E Y V V Y V E Y E V Y E E Y E E Y το οποίο είναι και το ζητούµενο Λύη Άκ Η µέη τιµή των τµ Χ, Υ είναι ίη µε V V Y V E Y E V Y E, E Y Y Y Y Y, και επειδή ΕΧ, ΕΥ, υµπεραίνουµε ότι P και P Y Y Από το γεγονός τώρα ότι P, Y, Y, P, Y, Y P Y, Y, Y, P Y, Y, Y θα έχουµε, Y, Y, Y, Y, Y, Y, Y, Y Αφαιρώντας τις δύο παραπάνω εξιώεις κατά µέη προκύπτει ότι P, Y, Y, ενώ προθέτοντας τις δύο παραπάνω εξιώεις κατά µέη προκύπτει τεικά ότι P, Y, Y Έτω τώρα ότι p, Y Άρα και p, Y Επίης, επειδή P, Y, Y, Y, Y θα ιχύει και ότι, Y, Y p, Y, Y p Εποµένως, είναι εύκοο να δούµε ότι P Y Y / Η διαπορά V της τµ θα είναι V E E και όµοια, V Y Τέος, Cov, Y E Y E E Y E Y y, Y y,, y,, Y, Y, Y, Y p Λύη Άκ Η τµ Χ ακοουθεί διωνυµική κατανοµή B,p και εποµένως µπορεί να θεωρηθεί ότι εκφράζει το πήθος των επιτυχιών ε ανεξάρτητες δοκιµές µε πιθανότητα επιτυχίας p Όµοια, η τµ Υ µπορεί να θεωρηθεί ότι εκφράζει το πήθος των επιτυχιών ε m ανεξάρτητες δοκιµές µε πιθανότητα επιτυχίας p Μάιτα, εφόον οι τµ Χ, Υ είναι ανεξάρτητες, µπορού- µε να θεωρήουµε ότι οι δοκιµές για την Χ και οι m δοκιµές για την Υ είναι µεταξύ τους ανεξάρτητες Άρα, µπορούµε να θεωρήουµε υνοικά m ανεξάρτητες δοκιµές η κάθε µία από τις οποίες είναι «επιτυχία» µε πιθανότητα p Η τµ ΧΥ τώρα εκφράζει το πήθος των επιτυχιών τις πρώτες δοκιµές, υν το πήθος των επιτυχιών τις m τεευταίες δοκιµές Με άα όγια η ΧΥ εκφράζει το υνοικό πήθος των επιτυχιών τις m δοκιµές Γνωρίζουµε όµως ότι το πήθος των επιτυχιών ε m ανεξάρτητες δοκιµές µε πιθ επιτ p ακοουθεί διωνυµική κατανοµή µε παραµέτρους m, p Άρα τεικά ΧΥ ~ Βm,p Λύη Άκ 3 Έτω Α το ενδεχόµενο να είναι η τµ η µεγαύτερη από τις Χ,Χ,,Χ Τα ενδεχόµενα Α,Α,,Α είναι ιοπίθανα διότι δεν υπάρχει κάποια διάκριη µεταξύ των τµ Χ,Χ,,Χ όες προέρχονται από την ίδια κατανοµή Επίης, A A A και άρα A A / Εποµένως και παρατηρείται ρεκόρ το χρόνο A / Η τµ R µπορεί να γραφεί τη µορφή R Y Y Y όπου Υ αν παρατηρείται ρεκόρ το χρόνο και Υ διαφορετικά Από το γνωρίζουµε ότι EY Y /,,,, και υνεπώς E R E Y E Y Επίης, αποδεικνύεται * ότι οι τµ Υ, Υ,, Υ είναι ανεξάρτητες οπότε Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

10 V R V Y V Y * Έτω Β η τµ που δείχνει τη χετική θέη της -παρατήρηης ανάµεα τις,,,, δηαδή B αν η Χ είναι η µεγαύτερη από τις,,,, B αν η Χ είναι η δεύτερη µεγαύτερη από τις,,, κοκ, B αν η Χ είναι η µικρότερη από τις,,, Παρατηρούµε ότι κάθε µία από τις! δυνατές διατάξεις των,,, έχει την ίδια πιθανότητα εµφάνιης µε πιθανότητα δεν εµφανίζονται "ιοπαίες" µεταξύ των Χ,,Χ διότι είναι υνεχείς τµ Παρατηρούµε επίης ότι υπάρχει µία - χέη µεταξύ των δυνατών διατάξεων και των ενδεχοµένων [ B b, B b,, B b ], b {}, b {,},, b {,,, } πχ αν 3 τότε Χ 3 <Χ <Χ αν και µόνο αν Β, Β, Β 3 3 Άρα τεικά B b, B b,, B b, b {}, b {,},, b {,,, }! Επίης, παρατηρούµε ότι B B B / διότι η Χ έχει την ίδια πιθανότητα να είναι µεγαύτερη, δεύτερη µεγαύτερη,, µικρότερη από τις Χ,Χ,,Χ διαιθητικά αυτό φαίνεται διότι δεν υπάρχει κάποια διάκριη µεταξύ των τµ Χ,Χ,,Χ Άρα τεικά P B b, B b,, B b B b B b B b,! για b { }, b {,},, b {,,, }, το οποίο υποδηώνει ότι οι τµ Β,Β,,Β είναι ανεξάρτητες Συνεπώς και οι Υ,Υ,,Υ θα είναι ανεξάρτητες ως υναρτήεις των Β,,,, Y ή ανάογα µε το αν Β ή Β > αντίτοιχα Λύη Άκ 4 Έτω τµ Ζ,Ζ,,Ζ, 8, έτι ώτε Z ή ανάογα µε το αν την -ρίψη εµφανίτηκε άθροιµα 9 ή όχι Θα είναι Z άθροιµα ζαριών 9 ο ζάρι 3, ο ζάρι 6 ο ζάρι 4, ο ζάρι 5 ο ζάρι 5, ο ζάρι 4 ο ζάρι 6, ο ζάρι 3 4/36 /9 α Η τµ Z εκφράζει το πήθος των εµφανίεων του 9 τις 8 ρίψεις Εποµένως, ζητείται η πιθανότητα P Z 3 Η τµ Z µπορεί να θεωρηθεί ως το πήθος των επιτυχιών ε 8 ανεξάρτητες δοκιµές µε πιθ επιτυχίας p /9 και εποµένως θα ακοουθεί διωνυµική κατανοµή Β,p Επειδή όµως το είναι αρκετά µεγάο θα χρηιµοποιήουµε προέγγιη από κανονική κατανοµή Με βάη το ΚΟΘ θα ιχύει ότι προεγγιτικά οι τµ Ζ,,Ζ είναι ανεξάρτητες και ιόνοµες, Z E Z Z p ~ N,, V Z p p και υνεπώς, Z p 3 p 3 8/9 Z 3 Φ Φ37 89 p p p p 8/ 98/ 9 Θα είναι, P Z < 3 Z Όµοια µε το θα είναι p Z p Z < 3 < p p p p 3 p p p 3 8/9 8/9 Φ Φ Φ37 Φ / 9 / 9 8/9 / 9 β Έτω Χ,Y το αποτέεµα της -ρίψης των δύο ζαριών,,,,8, και W Y Ζητείται η πιθανότητα P W >3 Από το ΚΟΘ θα ιχύει ότι προεγγιτικά, οι τµ W,,W είναι ανεξάρτητες και ιόνοµες, W E W ~ N, V Αά, E E Y / 6 35, E E Y / 6 9/ 6 και V V Y 9/ 6 35, 96 Άρα, E W E E Y 7, V W V V Y 5 83 και υνεπώς, Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 3

11 W 8 7 W 6 ~ N, Τεικά, αµβάνουµε ότι W W > 3 > Φ Φ, Λύη Άκ 5 Έτω Χ,Χ,,Χ, οι απαντήεις των τυχαία επιεγµένων ψηφοφόρων δηαδή, Χ αν ο - ψηφοφόρος του δείγµατος είναι υπέρ του κόµµατος Α και Χ διαφορετικά Εφόον το 45% των ψηφοφόρων της πόης να είναι υπέρ του κόµµατος Α, θα ιχύει ότι 45 p, 55 p H πιθανότητα η πειοψηφία των ψηφοφόρων του δείγµατος να είναι υπέρ του κόµµατος Α εκφράζεται ως εξής: > / Για τον προεγγιτικό υποογιµό αυτής της πιθανότητας θα χρηιµοποιήουµε το ΚΟΘ Συγκεκριµένα θα ιχύει ότι προεγγιτικά οι Χ,Χ,,Χ είναι ανεξάρτητες και ιόνοµες τµ E p ~ N, V p p και άρα τεικά, p / p / p 5 45 > > Φ Φ Φ4 788 p p p p p p Λύη Άκ 6 Έτω οι τµ Χ,Χ,,Χ, 4 έτι ώτε Χ αν το κοµµάτι του δείγµατος είναι εαττωµατικό και Χ διαφορετικά,,,, Το % από τα προϊόντα µιας µηχανής είναι εαττωµατικά και υνεπώς p α Ζητείται η πιθανότητα P 3 Από το KOΘ θα ιχύει ότι προεγγιτικά, και άρα E V p ~ N, p p p 3 p 3 Φ p p p p p Όµοια ύνονται και τα ερωτήµατα β, γ και δ Φ p 3 4 Φ Φ 66 p 6 Λύη Άκ 7 Έτω Χ,Χ,,Χ, οι αριθµοί των εαττωµάτων την η, η,, -οτή ταινία, αντίτοιχα Οι τµ Χ,Χ,,Χ είναι ανεξάρτητες προέρχονται από ανεξάρτητα πειράµατα και ακοουθούν κατανοµή Posso µε µέη τιµή 8/ 4 Ζητείται η πιθανότητα P 43 Από το ΚΟΘ θα ιχύει προεγγιτικά ότι, E / V ~ N, και άρα Φ Φ Λύη Άκ 8 Χωρίζουµε το χρόνο των ωρών ε 6 επτά και έτω Χ η τµ που εκφράζει το πήθος των τηεφωνηµάτων κατά τη διάρκεια του -επτού,,,6 Οι τµ Χ,Χ,,Χ είναι ανεξάρτητες και ακοουθούν κατανοµή Posso µε και άρα ΕΧ VΧ Από το ΚΟΘ θα ιχύει ότι προεγγιτικά, και για τη ζητούµενη πιθανότητα θα ιχύει ότι E ~ N, V Φ Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 4

12 56 6 Φ Φ 6 Φ και υνεπώς το κέρδος θα είναι µεγαύτερο των 8 µε πιθανότητα 79% Λύη Άκ 9 Αν θέουµε Χ αν ο -πεάτης καεί την εταιρία µία υγκεκριµένη τιγµή και διαφορετικά,,,,5, τότε το πήθος των πεατών που καούν την εταιρία θα είναι ίο µε Αν c είναι ο αριθµός των υπαήων το τµήµα υποτήριξης, θα πρέπει χρηιµοποιώντας και το ΚΟΘ να ιχύει ότι p c p P c p p p p c p Z p p c p p p Φ Z c p p p Z α9% και από το α θα είναι p% Άρα τεικά c 8 c p p p Ζ Ζ Λύη Άκ Προφανώς θα είναι α και β Συνεπώς ο πεάτης θα κηθεί να πηρώει Y η µέη τιµή του οποίου είναι β E Y 9347 E Από το ΚΟΘ, θα ιχύει προεγγιτικά ότι E β / Z ~ N, V β / και αν γράψουµε την τµ Υ ως εξής β Y β Z υµπεραίνουµε ότι αυτή θα ακοουθεί προεγγιτικά κανονική κατανοµή ως γραµµική υνάρτηη µιας κανονικής τµ µε µέη τιµή και διαπορά E Y 9347 β / β / E Z 9347 β / 397 β β V Y V 9347 β / β / Z V β / Z V Z Τέος, η πιθανότητα να πηρώει τώρα περιότερα από c 3 είναι Υ Y > 3 Φ Φ 74 Φ Λύη Άκ Έτω Χ,Χ,,Χ, 55 οι τµ που εκφράζουν τους χρόνους εξυπηρέτηης των 55 πεατών Οι τµ Χ,,Χ είναι ανεξάρτητες και ιόνοµες µε E 5, Vr Η τµ εκφράζει το υνοικό χρόνο εξυπηρέτηης Σύµφωνα µε το ΚΟΘ θα ιχύει, µε µεγάη προέγγιη, οτι Z ~ N, 55 Ζητείται η πιθανότητα > 3 > Z > 6855 Z 6855 Φ Λύη Άκ Θα ιχύει άµεα ότι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 5

13 V V P 3 5 και P 3 Παρατηρούµε ότι τη δεύτερη περίπτωη δεν εξάγουµε κάποια χρήιµη πηροφορία αφού έτι και αιώς Χ3 Λύη Άκ 3 α Η τµ Χ είναι θετική και άρα από την ανιότητα Mrkov θα ιχύει ότι E E E P Επίης, χρηιµοποιώντας την ανιότητα Chebyshev προκύπτει ακόµη καύτερα ότι 833 V V V P 4 β Από το ΚΟΘ θα έχουµε ότι, προεγγιτικά E ~ N, V και άρα τεικά Φ Φ Λύη Άκ 4 θα είναι ΚΕΦΑΛΑΙΟ 4 E c E E c V E V c E µ µ c µ µ c και άρα c / Λύη Άκ 5 Θα αναζητήουµε µία αµερόηπτη εκτιµήτρια της µορφής by που να έχει τη µικρότερη δυνατή διαπορά Θα πρέπει E by µ E be Y µ µ bcµ µ b / c Επίης, d k c d Vr by Vr b Vr Y b k kc Αρκεί να βρούµε το α που εαχιτοποιεί την παράταη f k c d Ιχύει ότι d f kc d kc d d f kc d > kc d και εποµένως η εκτιµήτρια d by kc d c d d kcy Y kc d kc d είναι αµερόηπτη και έχει τη µικρότερη διαπορά ανάµεα τις εκτιµήτριες της µορφής by Λύη Άκ 6 Έχουµε δύο άγνωτες παραµέτρους θ α, θ b και εποµένως θα πάρουµε δύο εξιώεις µε δύο αγνώτους k: m µ θ,θ m E b m µ θ,θ m E Vr E b b Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 6

14 Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς ~ ~ b b b b b Λύη Άκ 7 Έχουµε δύο άγνωτες παραµέτρους θ α, θ b και εποµένως θα πάρουµε δύο εξιώεις µε δύο αγνώτους k: 4,θ θ µ,θ θ µ b b b E Vr E m E m m m b b b Λύη Άκ 8 Έχουµε δύο άγνωτες παραµέτρους θ α, θ και εποµένως θα πάρουµε δύο εξιώεις µε δύο αγνώτους k: E Vr E m E m 886 ~ 4 ~ Λύη Άκ 9 Ο ογάριθµος της υνάρτηης πιθανοφάνειας του δείγµατος θα δίνεται από τον τύπο e f f L 3 l l 3l l ; l ; l l l l l 3 Παρατηρούµε ότι η παραπάνω υνάρτηη του είναι παραγωγίιµη ε όο τον παραµετρικό χώρο, Εποµένως, τα πιθανά για τα οποία µεγιτοποιείται η ll θα είναι ρίζες της εξίωης ll Ειδικότερα θα έχουµε ότι 3 l l l 3 l L και εποµένως 3 Αποµένει φυικά να επαηθεύουµε ότι η παραπάνω τιµή αποτεεί µέγιτο Πράγµατι, ιχύει ότι 3 l < L Λύη Άκ 3 Ο ογάριθµος της υνάρτηης πιθανοφάνειας του δείγµατος θα δίνεται από τον τύπο e f f L l l l l ; l ; l l l l l Παρατηρούµε ότι η παραπάνω υνάρτηη του είναι παραγωγίιµη ε όο τον παραµετρικό χώρο, Εποµένως, τα πιθανά για τα οποία µεγιτοποιείται η ll θα είναι ρίζες της εξίωης ll Ειδικότερα θα έχουµε ότι l l l l L και εποµένως Αποµένει φυικά να επαηθεύουµε ότι η παραπάνω τιµή αποτεεί µέγιτο Πράγµατι, ιχύει ότι

15 l L < Λύη Άκ 3 Ο ογάριθµος της υνάρτηης πιθανοφάνειας του δείγµατος δίνεται από τον τύπο l L µ l f ;µ l f ;µ l π e l µ l l π l µ l l π l µ Παρατηρούµε ότι η παραπάνω υνάρτηη του είναι παραγωγίιµη ε όο τον παραµετρικό χώρο, Εποµένως, τα πιθανά για τα οποία µεγιτοποιείται η ll θα είναι ρίζες της εξίωης llµ Ειδικότερα θα έχουµε ότι και εποµένως l l l µ µ L µ µ µ µ l Αποµένει φυικά να επαηθεύουµε ότι η παραπάνω τιµή αποτεεί µέγιτο Λύη Άκ 3 Θα είναι και υνεπώς, l L p l d dp f ; p l L p p l f ; p p l p p p l p l p 5 3 ΚΕΦΑΛΑΙΟ 5 Λύη Άκ 33 Από τις παραπάνω παρατηρήεις βρίκουµε ότι 5 4 και 78 3 α Το δείγµα είναι χετικά µικρό και για αυτό θα χρηιµοποιήουµε την κατανοµή t Ένα δε υντεετού 99% µια το µ θα είναι 783 /, t / ] [54 46, 54 5 [ t ] [3397,6963] 5 όπου α 99% και t β Ένα δε για το όταν µ άγνωτο είναι χ /, χ ] [, ] [, ] [7,494] / χ 5 χ [ 4 4 Εποµένως ένα δε για το υντεετού 99% θα είναι το [ 7, 494] [459, 386] Λύη Άκ 34 Από τις παραπάνω 7 παρατηρήεις βρίκουµε ότι 38 7 και 67 4 α Το δείγµα είναι χετικά µικρό και για αυτό θα χρηιµοποιήουµε την κατανοµή t Ένα δε υντεετού 95% µια το µ ό- ταν το είναι άγνωτο θα είναι 674 /, t / ] [387± 447,] [96339,494] 7 [ t όπου α95% και t Στην περίπτωη που είναι γνωτό ότι 4, θα έχουµε το δε 95% για το µ: 7 7 [ Z, Z / ] [387 96, ] 7 7 / [9873,93] Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 8

16 Τέος, θα πρέπει: Z / 4 Z / / / 744 Λύη Άκ 35 Πριν προχωρήουµε θα πρέπει να υποογίουµε τις εκτιµήτριες και Για το δειγµατικό µέο θα ιχύει ότι ενώ για τη δειγµατική διαπορά θα έχουµε α Σύµφωνα µε τα παραπάνω, ένα δε υντεετού 95% για το µ θα είναι [ t /, t / ] [ 5 t 495, 5 t495] 5 5 Επειδή το µέγεθος του δείγµατος είναι αρκετά µεγάο >3, προκύπτει ότι t 5 49 Ζ 5 96 και άρα τεικά το παραπάνω δε υντεετού 95% για το µέο χρόνο ζωής θα είναι: [ 5 96, 5 96] [36, 64] 5 5 β Ένα δε για το όταν µ άγνωτο είναι χ /, χ ] [, ] / χ 5 χ 975 [ και αντικαθιτώντας θα έχουµε τεικά το δε [, ] [75, 387] Τέος, ένα δε για το υντεετού 95% θα είναι το [ 75, 387] [484, 6] Λύη Άκ 36 α Έτω Χ,Χ,,Χ, οι απαντήεις των ατόµων του τδ ώτε Χ αν o -καταναωτής χρηιµοποιεί το υγκεκριµένο προιόν και Χ διαφορετικά Προφανώς, το τδ Χ, Χ,, Χ προέρχεται από Β,p κατανοµή p, p Ζητάµε δε υντεετού 95% για το p Θα είναι: 8 8 [ Z /, Z / ] [ 96, 96] [6, 784] Άρα το πραγµατικό ποοτό p βρίκεται µεταξύ του 6% και του 78% µε υντεετή εµπιτούνης 95% β Το εύρος του διατήµατος το α είναι ίο µε 78%6% 5% Έτω ότι για να γίνει ίο µε 5% πρέπει να πάρουµε δείγµα µεγέθους Έτω επίης το αντίτοιχο δειγµατικό ποοτό από το δείγµα αυτό Θα πρέπει να ιχύει ότι Z / ή ιοδύναµα 4 Z /, 5 και αν υποθέουµε ότι θα βρούµε και πάι περίπου ίο µε % θα έχουµε τεικά ότι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς Λύη Άκ 37 Έτω Χ,Χ,,Χ, οι απαντήεις των ατόµων του τδ ώτε Χ αν τo -άτοµο προτίθεται να είναι ά- νεργος και Χ διαφορετικά Ζητάµε δε υντεετού 95% για το p To δε θα είναι: [ Z /, Z / ] [ 96, 96] [4867, 73] 9

17 Το πήθος των ανέργων την πόη θα είναι m p και εποµένως ζητάµε δε 95% για το m p Γνωρίζουµε ότι και εποµένως L p U, όπου L Z /, U Z / ml mp mu Άρα ένα δε 95% για τον αριθµό των ψήφων του κόµµατος θα είναι το m [ L, U ] [4867, 73] [4867, 73] Έτω ότι για να έχουµε εύρος 3% θα πρέπει να πάρουµε δείγµα µεγέθους Έτω επίης το αντίτοιχο δειγµατικό ποοτό από το δείγµα αυτό Θα πρέπει να ιχύει ότι Z / 3 ή ιοδύναµα 4 Z /, 3 και αν υποθέουµε ότι θα βρούµε και πάι περίπου ίο µε % θα έχουµε τεικά ότι Λύη Άκ 38 Γνωρίζουµε ότι το δε υντεετού α για το πηίκο / είναι F,,, ] F [ Από πίνακες των άνω α-ηµείων της κατανοµής F βρίκουµε ότι: F, F3, 5 396, F, F3, και υνεπώς το δε θα είναι 565, [ 6, 396] [7, 6798] 9 9 Το διάτηµα αυτό δεν περιέχει το και άρα µπορούµε να απορρίψουµε ότι / µε υντεετή εµπιτούνης 95% Λύη Άκ 39 Η περιοχή απόρριψης θα είναι ΚΕΦΑΛΑΙΟ 6 µ K : > Z / δηαδή K : > µ Z Η ιχύς θα είναι θα είναι π απόρριψη της Η / ιχύει η Η P > 85 / µ P > / µ Φ Φ 355 Φ / / / 4 Λύη Άκ 4 Υπενθυµίζεται ότι από την άκηη 5 είχαµε βρει ότι 846 και 7587 α Πρόκειται για τον έεγχο Η :µµ, Η :µ<µ όπου µ 9 όταν το είναι άγνωτο Από την παράγραφο 6β έχουµε την περιοχή απόρριψης της Η : µ Κ: < t ή ιοδύναµα < µ / t Βρίκουµε ότι µ / 7587 / Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

18 και επειδή t t τεικά θα έχουµε ότι 444 < 833, δηαδή απορρίπτουµε την Η :µ9 έναντι της Η :µ<9 ε ε 5% Το p-vlue του δείγµατος που έδωε 846 θα είναι µ 846 µ p-vlue < / Η F t F t / / 758/ Συνεπώς, η πιθανότητα να πάρουµε ένα τόο «ακραίο» δείγµα ενώ ιχύει η Η είναι µόις 855% φαίνεται ότι το δείγµα που πήραµε είναι αρκετά ακραίο αν ιχύει η Η Παρατηρούµε ότι είναι κατά πού µικρότερη του 5 και υνεπώς απορρίπτουµε την Η Αντί να εέγξουµε αν µ < t θα µπορούαµε να ιοδύναµα εέγξουµε αν p-vlue < / β Πρόκειται για τον έεγχο Η :µµ, Η :µ<µ όπου µ 9 όταν το είναι γνωτό και ίο µε 4 Από την παράγραφο 6α έ- χουµε την περιοχή απόρριψης της Η : Βρίκουµε ότι µ Κ: < Z ή ιοδύναµα < µ Ζ α / µ / 4 / και επειδή Z Z τεικά θα έχουµε ότι 46 < 645, δηαδή απορρίπτουµε και πάι την Η :µ9 έναντι της Η :µ<9 ε ε 5% Η πιθανότητα φάµατος τύπου Ι θα είναι ίη µε α5 ενώ η II θα είναι A / H µ Z / µ µ > µ µ µ Φ / 9 µ Φ 4 / Z µ µ µ P Z / µ µ > / / µ 645 Η ιχύς του εέγχου θα είναι ίη µε πµ II Επίης το p-vlue του δείγµατος που έδωε 846 θα είναι p-vlue P µ 846 µ < / Η Φ Φ 46 / / 4/ Συνεπώς, η πιθανότητα να πάρουµε ένα τόο «ακραίο» δείγµα ενώ ιχύει η Η είναι µόις % φαίνεται ότι το δείγµα που πήραµε είναι πού ακραίο αν ιχύει η Η Παρατηρούµε ότι είναι κατά πού µικρότερο του 5 και υνεπώς απορρίπτουµε την Η αντί να εέγξουµε αν µ < Z θα µπορούαµε ιοδύναµα να εέγξουµε αν p-vlue < / Λύη Άκ 4 Υπενθυµίζεται ότι από την άκηη 5 είχαµε βρει ότι 3566 και 87 α Πρόκειται για τον έεγχο Η :µµ, Η :µ µ όπου µ 36 όταν το είναι άγνωτο Από την παράγραφο 6β έχουµε την περιοχή απόρριψης της Η : µ Κ: > t / / Βρίκουµε ότι µ / 87 / και επειδή t / t τεικά θα έχουµε ότι 94 < 35, δηαδή δεν µπορούµε να απορρίψουµε την Η :µ36 έναντι της Η :µ 36 ε ε % Το p-vlue του δείγµατος που έδωε 3566 θα είναι µ 3566 µ µ p-vlue P > / H > 94 / H / 87/ / µ P / µ µ F t 94 F / t t F Συνεπώς, η πιθανότητα να πάρουµε ένα τόο «ακραίο» δείγµα ενώ ιχύει η Η είναι 37% φαίνεται ότι το δείγµα που πήρα- µε δεν είναι καθόου ακραίο αν ιχύει η Η Παρατηρούµε ότι είναι αρκετά µεγαύτερη του και υνεπώς δεχόµατε ή καύτερα, έµε ότι δεν έχουµε αρκετά τοιχεία ώτε να απορρίψουµε την Η Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

19 β Πρόκειται για τον έεγχο Η :, Η :< όπου 3 όταν το µ είναι άγνωτο Από την παράγραφο 6δ έχουµε την περιοχή απόρριψης της Η : Κ: < χ Βρίκουµε ότι και επειδή χ χ 9 67 > 87 τεικά απορρίπτουµε την Η :3 έναντι της Η :<3 ε ε % Λύη Άκ 4 Από την άκηη 44 έχουµε ότι 69798, και α Ζητείται ο έεγχος Η : µµ, Η : µ<µ, µ 7 µε άγνωτο Η κρίιµη περιοχή αυτού του εέγχου γνωρίζουµε ότι είναι: µ Κ: < t / Αντικαθιτώντας θα έχουµε ότι: µ / 463/ ενώ t t995 Z < 4 44 και άρα απορρίπτουµε την Η ε ε 5 β Ζητείται ο έεγχος Η :, Η :, 4 µε µ άγνωτο Η κρίιµη περιοχή αυτού του εέγχου γνωρίζουµε ότι είναι: Κ: < χ ή > χ Αντικαθιτώντας θα έχουµε ότι: ενώ χ χ Z Z και χ χ Z Z 5 38 και επειδή 5989 < 896 < 38 δεχόµατε ή καύτερα, έµε ότι δεν έχουµε αρκετά τοιχεία ώτε να απορρίψουµε την Η Λύη Άκ 43 Επειδή Y Y e, θα είναι ly ly και υνεπώς, τα Χ, Χ,,Χ 5 θα είναι , -9659, , 77, 36 Βρίκουµε ότι -8994, 488 Ζητείται ο έεγχος Η : µµ, Η : µ<µ, µ Η κρίιµη περιοχή θα είναι T < t t45 3 όπου µ T 88 / και άρα απορρίπτουµε την Η Στη υγκεκριµένη περίπτωη έχουµε ένα τδ Χ,Χ,,Χ, 5 από την Νµ, και ζητείται ο έεγχος της υπόθεης H : µµ έναντι της Η : µ<µ ε επίπεδο ηµαντικότητας α H κρίιµη περιοχή είναι η Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς

20 Κ: < Z Z 645 T 5 µ όπου τώρα, T -44 και άρα και πάι απορρίπτουµε την Η Η πιθανότητα να έχουµε απορρίψει ανθαµένα είναι / α5% Το p-vlue του εέγχου θα είναι Επίης, η ιχύς του εέγχου θα είναι µ P < 44/ H Φ 44 / µ µ µ π µ II µ Z / H Z / H / / µ µ µ Φ Z Φ 645 / / 5 Τέος, αν ίχυε η Η µε µ - τότε π Φ 645 Φ59 77, / 5 η οποία είναι την ουία η πιθανότητα ορθής απόρριψης της Η πιθανότητα ωτής απόφαης αν ίχυε ότι µ - Λύη Άκ 44 ιαπιτώνουµε ότι πρόκειται για τον έεγχο απής υποθέεως έναντι απής οπότε µπορούµε να εφαρµόουµε το Λήµµα N - P Θα έχουµε ότι K : π π ep ep µ µ ep ep µ µ µ µ µ µ e e Παρατηρούµε τη υνέχεια ότι < c µ µ > l c c µ µ µ > c µ µ µ > c µ c και υνεπώς, επειδή µ µ >, υµπεραίνουµε ότι η ανιότητα Χ < c είναι ιοδύναµη µε την µ c > c µ µ Άρα η κρίιµη περιοχή του εέγχου περιοχή απόρριψης θα έχει τη µορφή Κ: > c για κάποιο c το οποίο θα καθορίζεται από την Ι Χ Κ / H α Εποµένως, το c θα πρέπει να είναι τέτοιο ώτε µ c µ P I > c / H > / H µ και επειδή, κάτω από την Η, η τµ Z ~ N, υµπεραίνουµε τεικά ότι c µ Z c µ Z Άρα, ύµφωνα µε το Λήµµα N-P, ο βέτιτος έεγχος ε επίπεδο ηµαντικότητας α θα έχει περιοχή απόρριψης: µ > µ Z ή ιοδύναµα Κ: > Z Επειδή οιπόν Χ 4, δεχόµατε την Η Η πιθανότητα φάµατος τύπου ΙΙ θα είναι ίη µε µ µ µ µ Z / H µ Z / µ µ Z / µ µ και επειδή κάτω από την Η, ιχύει ότι Z µ ~ N,, προκύπτει ότι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 3

21 µ µ II Φ Z Τέος, η ιχύς του εέγχου θα είναι µ µ µ µ πµ II Φ Z Φ Z Φ 645 Φ Λύη Άκ 45 Ζητείται ο έεγχος της υπόθεης Η : p p έναντι της Η : p > p, p 35% Η κρίιµη περιοχή αυτού του ε- έγχου γνωρίζουµε ότι είναι: p K: > Z p p / Αντικαθιτώντας θα έχουµε ότι: p p p / / ενώ Z Z < 344 και υνεπώς απορρίπτουµε την Η ε ε α5 Λύη Άκ 46 Στη υγκεκριµένη περίπτωη ζητείται ο έεγχος της υπόθεης H : p > p έναντι της Η : p < p όπου p 5% Γνωρίζουµε ότι η κρίιµη περιοχή θα είναι Αντικαθιτώντας βρίκουµε ότι p Κ: < Z p p / p p p / / 3 7 > Z 33 Εποµένως δεν έχουµε αρκετά τοιχεία για να απορρίψουµε τον παραπάνω ιχυριµό Παρατηρούµε ότι για να απορρίπταµε την Η : p5 αµβάνοντας ένα µεγαύτερο δείγµα θα έπρεπε να ιχύει ότι p < Z δηαδή p p / p p > p Z όπου είναι το αντίτοιχο δειγµατικό ποοτό που θα βρίκαµε Βρίκοντας, ύµφωνα µε την εκφώνηη, και πάι 44 θα έπρεπε p p > Z p Λύη Άκ 47 Υποογίζουµε από τα δύο δείγµατα ότι 7 65 και Y 34 7 α Ζητείται ο έεγχος της µορφής Η : µ µ, H :µ µ όταν, είναι γνωτά ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι Y Αντικαθιτώντας θα έχουµε ότι Ενώ Z / Z 5 96 < και άρα απορρίπτουµε την Η Κ: Τ >Ζ α/ όπου Τ 377 Y T β Ζητείται ο έεγχος της µορφής Η : µ µ, H :µ >µ όταν, είναι γνωτά ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 4

22 Αντικαθιτώντας θα έχουµε ότι Y Τ >Ζ α όπου Τ T Y Ενώ Z Z < και άρα απορρίπτουµε και πάι την Η Λύη Άκ 48 α Ζητείται ο έεγχος της µορφής Η : µ µ, H :µ > µ όταν, είναι άγνωτά αά ία, ε ε α5 Υποογίζουµε ότι 3, Y 99, 57, 5 και η κρίιµη περιοχή του εέγχου θα είναι Κ: Τ > t όπου Τ Y Αντικαθιτώντας θα έχουµε ότι T 36, ενώ t / t 45 3 < 36 και άρα απορρίπτουµε την Η Λύη Άκ 49 α Ζητείται ο έεγχος της µορφής Η : µ µ, H :µ µ όταν, είναι άγνωτά αά ία, ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι Αντικαθιτώντας θα έχουµε ότι Κ: Τ > t / όπου Τ Y T Ενώ t / t < 68 και άρα απορρίπτουµε την Η β Ζητείται ο έεγχος της µορφής Η : µ µ, H :µ <µ όταν, είναι άγνωτά αά ία ε ε α 5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι Κ: Τ < t όπου Τ 68 Επειδή t t > 68 απορρίπτουµε την Η Λύη Άκ 5 α Ζητείται ο έεγχος της µορφής Η :, H : όταν τα µ, µ είναι άγνωτα ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι Αντικαθιτώντας θα έχουµε ότι Ενώ Κ: Τ < F, / ή Τ > F, / όπου Τ Y Y 8766 T j j F, F9, , F, F9, 95 84, και επειδή 73<6748<84 δεχόµατε την Η δη οι πηθυµοί είναι οµοκεδατικοί ε ε 5 Λύη Άκ 5 Είναι Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 5

23 Κ: Τ < F F 95 6, 49, 49 όπου Τ 6944 και εποµένως δεν µπορούµε να απορρίψουµε την Η Λύη Άκ 5 α Ζητείται ο έεγχος της µορφής Η : p p, H :p p ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι, >3 Y Y Κ: Τ > Z / όπου T, P P / / Αντικαθιτώντας θα έχουµε ότι P και T Ενώ Ζ α/ Ζ 5 58 και επειδή 57 < 58 δεχόµατε ή καύτερα, έµε ότι δεν έχουµε αρκετά τοιχεία ώτε να απορρίψουµε την Η β Ζητείται ο έεγχος της µορφής Η : p p, H :p <p ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι, >3 Κ: Τ < Z όπου T 57 ενώ Ζ α Ζ 33 και επειδή T 57 > 33 δεχόµατε ή καύτερα, έµε ότι δεν έχουµε αρκετά τοιχεία ώτε να απορρίψουµε την Η Λύη Άκ 53 α Ζητείται ο έεγχος της µορφής Η : p p, H :p <p ε ε α5 Η κρίιµη περιοχή του εέγχου ύµφωνα µε τα παραπάνω θα είναι, >3 Αντικαθιτώντας θα έχουµε ότι Κ: Τ < Z όπου Y T, P / / Y P P και T Ενώ Ζ α Ζ και επειδή T 6 < 645 απορρίπτουµε την Η Λύη Άκ 54 Πρόκειται για δύο ανεξάρτητα δείγµατα Χ,Χ,,Χ ~ Β,p και Υ,Υ,,Υ m ~ Β,p µε, m5 Θέουµε να πραγµατοποιήουµε το έεγχο H : p p, H : p > p έχοντας δειγµατικά ποοτά 3, Y διότι Y my m Y 3 m my 3 Η κρίιµη περιοχή του εέγχου θα είναι, m >3 Y Κ: Τ > Z όπου T, P / / m Αντικαθιτώντας θα έχουµε ότι P και T 3 7 my P m ενώ Ζ α Ζ 33 και επειδή T 9 < 33 δεχόµατε ή καύτερα, έµε ότι δεν έχουµε αρκετά τοιχεία ώτε να απορρίψουµε την Η Boutsks MV 3, Σηµειώεις Στατιτικής ΙΙΙ, Τµήµα Οικονοµικής Επιτήµης, Πανεπιτήµιο Πειραιώς 6

5. ιαστήµατα Εµπιστοσύνης

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

Διαβάστε περισσότερα

1. Η κανονική κατανοµή

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

Διαβάστε περισσότερα

σ.π.π. της 0.05 c 0.1

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ

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

Διαβάστε περισσότερα

4. Ειδικές Διακριτές, Συνεχείς Κατανομές

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

Διαβάστε περισσότερα

ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions)

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

Διαβάστε περισσότερα

ηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1

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

Διαβάστε περισσότερα

5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ

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

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

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

Διαβάστε περισσότερα

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

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

Διαβάστε περισσότερα

ρ. Ευστρατία Μούρτου

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

Διαβάστε περισσότερα

ιάστηµα εµπιστοσύνης της µ 1

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

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)

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

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2012

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

Διαβάστε περισσότερα

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

[ ] = ( ) ( ) ( ) = { } Πρόταη: Δίνεται η θετική τμ, δηλαδή 1 [ ] ανιότητα Mrkov: P{ } P > = Εάν >, έχουμε την Εάν υποθέουμε ότι η ~ f είναι υνεχής, τότε για κάθε > ιχύει ότι x f x dx x f x dx f x dx P [ ] = = { } Παρατηρείτε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

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

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

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

Διαβάστε περισσότερα

Νόμος των Wiedemann-Franz

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

0. Σύντοµη επισκόπηση θεωρίας πιθανοτήτων

0. Σύντοµη επισκόπηση θεωρίας πιθανοτήτων . Σύντοµη επισκόπηση θεωρίας πιθανοτήτων Α. Τυχαίες µεταβητές Τυχαία µεταβητή καείται µια µεταβητή η τιµή της οποίας καθορίζεται από το αποτέεσµα κάποιου στοχαστικού πειράµατος. Αν Ω ο δειγµατικός χώρος

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος β) Υλικό σηµείο µάζας m κινείται στον άξονα Οx υπό την επίδραση του δυναµικού

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος β) Υλικό σηµείο µάζας m κινείται στον άξονα Οx υπό την επίδραση του δυναµικού ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος 1 ΘΕΜΑ 1 α) Υλικό ηµείο µάζας κινείται τον άξονα x Οx υπό την επίδραη του δυναµικού V=V(x) Αν για t=t βρίκεται τη θέη x=x µε ενέργεια Ε δείξτε ότι η κίνηή του δίνεται από

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Νόµος των Wiedemann-Franz

Νόµος των Wiedemann-Franz Άκηη 7 Νόµος των Wiedemann-Franz 7.1 Σκοπός Σκοπός της άκηης αυτής είναι η µέτρηη της ταθεράς Lorentz ε δύο διαφορετικά µέταα οι ιδιότητες των οποίων διαφέρουν ηµαντικά. Η ταθερά του Lorentz µετράται µέω

Διαβάστε περισσότερα

4 e. υ (Γ) υ (Δ) 1 (Ε) 1+ i

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Παρουσίαση 4 η : Στοιχεία στατιστικής αξιολόγησης εκτιμήσεων

Παρουσίαση 4 η : Στοιχεία στατιστικής αξιολόγησης εκτιμήσεων Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 4 η : Στοιχεία τατιτικής αξιολόγηης εκτιμήεων Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

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

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

2. Στοιχεία Πολυδιάστατων Κατανοµών Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε

Διαβάστε περισσότερα

Επεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Λύσεις Προαιρετικής Eργασίας Τεχνικές Εκτίμησης

Λύσεις Προαιρετικής Eργασίας Τεχνικές Εκτίμησης Λύσεις Προαιρετικής Eργασίας Τεχνικές Εκτίμησης 2010-2011 kolako@ced.upatras.gr 10 Μαρτίου 2011 Πρόβημα 1 Ερώτημα ) Έστω W S και W B ο μέσος χρόνος αναμονής στην ουρά του σταθμού S και B αντίστοιχα. Λαμβάνοντας

Διαβάστε περισσότερα

Άσκηση 19 Εξαναγκασμένες ηλεκτρικές ταλαντώσεις και συντονισμός

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

Διαβάστε περισσότερα

ειγματοληπτικές κατανομές

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

Διαβάστε περισσότερα

ΕΟ31 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ. Τόμος : Θεωρία Χαρτοφυλακίου

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

Διαβάστε περισσότερα

Αποδοτικότητα Χαρτοφυλακίου

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

Διαβάστε περισσότερα

3. Χαρακτηριστικές Παράμετροι Κατανομών

3. Χαρακτηριστικές Παράμετροι Κατανομών . Χαρακτηριστικές Παράμετροι Κατανομών - Αναμενόμενη ή μέση τιμή μιας διακριτής τυχαίας μεταβητής. Θα ήταν αρκετά χρήσιμο να γνωρίζουμε γύρω από ποια τιμή «κυμαίνεται» η τ.μ. Χ. γύρω από την οποία «απώνεται»

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

( 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

ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I

ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I Ευτάθιος Στυλιάρης Αναπληρωτής Καθηγητής Συντονιτής Εργατηρίων Φυικής I Με την υνδρομή των: Α. Καραμπαρμπούνη, Κ.Ν. Παπανικόλα, Ν. Μαμαλούγκου ΕΡΓΑΣΤΗΡΙΟ

Διαβάστε περισσότερα

Σχ. 1 Eναλλασσόμενες καταπονήσεις

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΠΙΘΑΝΟΓΕΝΝΗΤΡΙΕΣ, ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ

ΚΕΦΑΛΑΙΟ 4 ΠΙΘΑΝΟΓΕΝΝΗΤΡΙΕΣ, ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΚΕΦΑΛΑΙΟ 4 ΠΙΘΑΝΟΓΕΝΝΗΤΡΙΕΣ ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ 4 Ειαγωγή Σ αυτό το κεφάαιο θα δούµε ότι οι ροές µιας τυχαίας µεταβητής µορούν να υοογιτούν µε τη βοήθεια κατάηων υναρτήεων Αυτές

Διαβάστε περισσότερα

Πιθανότητες & Τυχαία Σήματα

Πιθανότητες & Τυχαία Σήματα Πιθανότητες & Τυχαία Σήματα Συχέτιη Διγαλάκης Βαίλης Η έννοια της υχέτιης Για τυχαίες μεταβλητές ΧΥ: Συχέτιη: ΕΧ Υ Συμμεταβλητότητα: Συντελετής υχέτιης: ρ / Έτω ΧΥ Τ.Μ. με ΥΧb και ΕΧμ Χ ΕΧ-μ Χ Χ Υπολογίτε

Διαβάστε περισσότερα

Χάραξη γραφηµάτων/lab Graphing

Χάραξη γραφηµάτων/lab Graphing Χάραξη γραφηµάτων/lb Grphng Η χάραξη ή γραφηµάτων (ή γραφικών παρατάεων είναι µια πολύ ηµαντική εργαία τη πειραµατική φυική. Γραφήµατα παρέχουν ένα αποδοτικό τρόπο για να απεικονίζεται η χέη µεταξύ των

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2. Μετρήσεις, Σφάλµατα και Στατιστικά Μεγέθη

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

Διαβάστε περισσότερα

Υπόδειγμα αποτίμησης κεφαλαιακών Περιουσιακών Στοιχείων (CAPM)

Υπόδειγμα αποτίμησης κεφαλαιακών Περιουσιακών Στοιχείων (CAPM) άθημα 2 Υπόδειγμα αποτίμηης κεφαλαιακών Περιουιακών Στοιχείων (CAP) Ο υνολικός κίνδυνος μιας μετοχής διαχωρίζεται το υτηματικό κίνδυνο και το μη υτηματικό κίνδυνο Συτηματικός κίνδυνος : o κίνδυνος που

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ ΧΙΟΣ 009 ΠΕΡΙΕΧΟΜΕΝΑ. Ειαγωγή... 3. ιαιθητική ειγµατοληψία... 6 3. ειγµατοληψία Κατά Πιθανότητα...

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34 Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης

Διαβάστε περισσότερα

Το θεώρηµα του Green

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

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ

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

Διαβάστε περισσότερα

( ) 2. Β3) Βέλτιστος Οµοιόµορφος Κβαντιστής µε Κώδικα σταθερού µήκους (R=log 2 (N)). ΛΥΣΗ. R bits/sample. = 10 log10. Θεώρηµα Shannon: = H log 2 (N)

( ) 2. Β3) Βέλτιστος Οµοιόµορφος Κβαντιστής µε Κώδικα σταθερού µήκους (R=log 2 (N)). ΛΥΣΗ. R bits/sample. = 10 log10. Θεώρηµα Shannon: = H log 2 (N) ΠΡΟΒΛΗΜΑ 1 Α)Με βάη το θεώρηµα Shannon για την κωδικοποίηη αναλογικού ήµατος να χαράξετε το διάγραµµα της χέης (S/N) =(), =bit/sample για ένα ήµα µε Gaussian κατανοµή. Β) Χρηιµοποιείτε τους Πίνακες 6.

Διαβάστε περισσότερα

Παρουσίαση 3 η : Αρχές εκτίμησης παραμέτρων Μέρος 2 ο

Παρουσίαση 3 η : Αρχές εκτίμησης παραμέτρων Μέρος 2 ο Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 3 η : Αρχές εκτίμηης παραμέτρων Μέρος ο Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας και

Διαβάστε περισσότερα

Διαφορές μεταξύ Ασφαλίσεων Ζωής και Γενικών

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

Διαβάστε περισσότερα

Ακολουθίες στον R n. ακολουθία διανυσµάτων στον. 1 1 ακολουθία στον 2 k. εφόσον 1+ e. k + R δεν είναι συγκλίνουσα. Πράγµατι αν

Ακολουθίες στον R n. ακολουθία διανυσµάτων στον. 1 1 ακολουθία στον 2 k. εφόσον 1+ e. k + R δεν είναι συγκλίνουσα. Πράγµατι αν Ακοουθίες στον.4. Ορισµός Έστω ( ) ακοουθία διανυσµάτων στον 9, θα έµε ότι η ακοουθία ( ) συγκίνει στο θα γράφουµε, li = ή αν η ακοουθία πραγµατικών 0 Ισοδύναµα: li ( ε) + 0 0 : 0 = για κάθε ε > 0 υπάρχει

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο

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

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων α) Σημειοεκτιμητική β) Εκτιμήσεις Διαστήματος ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Παράδειγμα

Διαβάστε περισσότερα

Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ

Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ 5.1. Ειαγωγή Στο κεφάλαιο αυτό γίνεται µία ύντοµη περιγραφή µερικών επιπλέον θεµάτων τα οποία οι βιοηλεκτρικές αρχές έχουν εφαρµογή. Τα θέµατα που περιγράφονται

Διαβάστε περισσότερα

6. ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΗ ΓΡΑΜΜΙΚΗ ΣΥΣΧΕΤΙΣΗ

6. ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΗ ΓΡΑΜΜΙΚΗ ΣΥΣΧΕΤΙΣΗ 6. ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΗ ΓΡΑΜΜΙΚΗ ΣΥΣΧΕΤΙΣΗ Είναι φυικό ότι ο δειγματικός υντελετής R, ως μια τατιτική υνάτηη, είναι μιά τυχαία μεταβλητή. Οπως είπαμε ήδη μποεί να χηιμοποιηθεί αν εκτιμήτια του. Για να

Διαβάστε περισσότερα

Γραπτή Εργασία 2 Διαχείριση Χαρτοφυλακίου. Γενικές οδηγίες

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

Διαβάστε περισσότερα

Αριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβλητής

Αριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβλητής Αριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβητής (Α) Mέση τιµή Ορισµός Η µέση τιµή ή µαθηµατική επίδα µιας τ.µ. Χ µε πυκνότητα πιθανότητας f (x) είναι ο αριθµός: µ E() + xf (x) xf (x)dx διακριτή συνεχής

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ

ΚΕΦΑΛΑΙΟ 5 ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ ΚΕΦΑΛΑΙΟ 5 ΡΟΠΟΓΕΝΝΗΤΡΙΕΣ 5 Εισαγωγή Σ αυτό το κεφάαιο θα δούµε ότι οι ροπές µιας τυχαίας µεταβητής µπορούν να υποογιστούν µε τη βοήθεια κατάηων συναρτήσεων Αυτές οι συναρτήσεις καούνται ροπογεννήτριες

Διαβάστε περισσότερα

ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ. 4.1 Εισαγωγή

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

Διαβάστε περισσότερα

ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ

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

Διαβάστε περισσότερα

Ασκήσεις για έκτες PIN και έκτες µε Οπτική Προενίσχυση

Ασκήσεις για έκτες PIN και έκτες µε Οπτική Προενίσχυση ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟ ΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΙΚΤΥΑ ΟΠΤΙΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Καθηγητής. Συβρίδης Ακήεις για έκτες PIN και έκτες µε Οπτική Προενίχυη

Διαβάστε περισσότερα

«Αλληλεπίδραση Εδάφους Κατασκευής»

«Αλληλεπίδραση Εδάφους Κατασκευής» ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΤΕΧΝΙΚΗΣ ΕΠΟΠΤΙΚΟ ΥΛΙΚΟ ΔΙΑΛΕΞΕΩΝ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «Αηεπίδραη Εδάφους Κατακευής» 8ο Εξ. ΠΟΛ. ΜΗΧ. - Ακαδ. Ετος 5-6 ΔΙΑΛΕΞΗ Διάνοιξη και προωρινή

Διαβάστε περισσότερα

10. Στατιστικές συναρτήσεις και δειγματοληπτικές κατανομές

10. Στατιστικές συναρτήσεις και δειγματοληπτικές κατανομές Στατιτικές Συαρτήεις και Δειγματοληπτικές Καταομές 0 Στατιτικές υαρτήεις και δειγματοληπτικές καταομές Στο ειαγωγικό κεφάλαιο του Β Μέρους (8 ο Κεφάλαιο εξηγήαμε ότι τη Στατιτική «όλα αρχίζου από τα δεδομέα»

Διαβάστε περισσότερα

Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ

Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ Η απεικόνιη των εκβάεων ενός πειράµατος τύχης την ευθεία των πραγµατικών αριθµών οδηγεί την τυχαία µεταβλητή. 9 3 6 ( ω ω 9 36 44 Τα αποτελέµατα ενός πειράµατος τύχης ορίζουν

Διαβάστε περισσότερα

ΔΕΟ31 ΕΝΔΕΙΚΤΙΚΗ ΑΠΑΝΤΗΣΗ

ΔΕΟ31 ΕΝΔΕΙΚΤΙΚΗ ΑΠΑΝΤΗΣΗ ΔΕΟ31 ΕΝΔΕΙΚΤΙΚΗ ΑΠΑΝΤΗΣΗ 2 ης ΓΕ ΤΟΜΟΣ Δ Επιμέλεια : Γιάννης Σαραντής Ημερoμηνία : 15-12-16 1 ΔΕΟ31 Λύη 2 ης γραπτής εργαίας 2016-17 ΘΕΜΑ 1ο Λύη Α) Αναμενόμενη απόδοη του αξιογράφου x Ε(r x ) = P i r

Διαβάστε περισσότερα

εξαρτάται από το θ και για αυτό γράφουµε την σ.π.π. στην εξής µορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ.

εξαρτάται από το θ και για αυτό γράφουµε την σ.π.π. στην εξής µορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ. Άσκηση : Έστω Χ,,Χ τυχαίο δείγµα µεγέους από την κατανοµή µε σππ 3 p (,, >, > 0 α είξτε ότι η στατιστική συνάρτηση Τ( Χ : Χ ( m είναι επαρκής για την παράµετρο και πλήρης κ β Βρείτε ΑΕΕ του α Το στήριγµα

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύσεις

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύσεις ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύεις ΘΕΜΑ Υλικό ηµείο κινείται τον άξονα x ' Ox υπό την επίδραη του δυναµικού ax x V( x) = a x, a > α) Βρείτε τα ηµεία ιορροπίας και την ευτάθειά τους β) Για

Διαβάστε περισσότερα

S AB = m. S A = m. Υ = m

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

Διαβάστε περισσότερα

ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ

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

Διαβάστε περισσότερα

, όπου x = 0,1,...,300000. Έτσι, για την πιθανότητα σε ένα έτος να μην υπάρξουν θάνατοι ζώων από τον εμβολιασμό έχουμε, 2! 299998!

, όπου x = 0,1,...,300000. Έτσι, για την πιθανότητα σε ένα έτος να μην υπάρξουν θάνατοι ζώων από τον εμβολιασμό έχουμε, 2! 299998! Η Κατανομή Poisso Ας δούμε ένα πρόβημα: Σε μια κτηνοτροφική περιοχή υπάρχουν 3 αιγοπρόβατα. Κάθε χρόνο όα τα αιγοπρόβατα εμβοιάζονται για προστασία από κάποια ασθένεια. Σύμφωνα με την άδεια χρήσης του

Διαβάστε περισσότερα

12.1 Σχεδιασμός αξόνων

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

Διαβάστε περισσότερα

Κανονική Κατανομή. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Κανονική Κατανομή. τεχνικές. 73 άλυτες ασκήσεις.

Κανονική Κατανομή. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Κανονική Κατανομή. τεχνικές. 73 άλυτες ασκήσεις. Κανονική Κατανομή Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Κανονική Κατανομή τεχνικές 73 άλυτες ασκήσεις Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α 6 9 7. 3 0 0. 8 8. 8 8 Kglykos.gr 3 / 1 0 / 0 1 6 εκδόσεις Καλό

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ ΠΑΝΕΠΙΣΗΜΙΟ ΑΙΓΑΙΟΥ ΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ Σηµειώσεις Μη Γραµµικού Προγραµµατισµού Β Κούτρας ΧΙΟΣ Β Κούτρας ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΙΣΜΟΣ ΕΙΣΑΓΩΓΗ Στο κοµµάτι αυτό

Διαβάστε περισσότερα

11. Η έννοια του διανύσµατος 22. Πρόσθεση & αφαίρεση διανυσµάτων 33. Βαθµωτός πολλαπλασιασµός 44. Συντεταγµένες 55. Εσωτερικό γινόµενο

11. Η έννοια του διανύσµατος 22. Πρόσθεση & αφαίρεση διανυσµάτων 33. Βαθµωτός πολλαπλασιασµός 44. Συντεταγµένες 55. Εσωτερικό γινόµενο Παραουσίαση βιβίου Μαθηµατικών Προσαναταισµού Β Λυκείου. Η έννοια του διανύσµατος. Πρόσθεση & αφαίρεση διανυσµάτων 33. Βαθµωτός ποαπασιασµός 44. Συντεταγµένες 55. Εσωτερικό γινόµενο Παραουσίαση βιβίου

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 9. Σχετική κίνηση

ΚΕΦΑΛΑΙΟ 9. Σχετική κίνηση ΚΕΦΑΛΑΙΟ 9 Σχετική κίνηη 1 Υλικό ηµείο µάζας m=1 κινείται πάνω ε επίπεδο Ο που περιτρέφεται γύρω από τον άξονα Ο µε γωνιακή ταχύτηταω = ωk, όπου ω=1/ s -1 Αν κάποια τιγµή το ώµα βρίκεται ε απόταη r=1 m

Διαβάστε περισσότερα

Το θεώρηµα του Green

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

Διαβάστε περισσότερα

Στραγγίσεις (Εργαστήριο)

Στραγγίσεις (Εργαστήριο) Ελληνική Δημοκρατία Τεχνολογικό Εκπαιευτικό Ίρυμα Ηπείρου Στραγγίεις (Εργατήριο Ενότητα 6 : Η κίνηη του νερού το έαφος IV Δρ. Μενέλαος Θεοχάρης Άκηη Ένας κλειτός υπό πίεη υροφορέας έχει μεταβλητό πάχος

Διαβάστε περισσότερα