Τυχαία Διανύσματα και Ανεξαρτησία

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Τυχαία Διανύσματα και Ανεξαρτησία"

Transcript

1 Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα σε τυχαία διανύσματα. Τέλος, θα ασχοληθούμε με την ανεξαρτησία τυχαίων μεταβλητών. Τυχαίο Διάνυσμα Όπως έχουμε πει, η τυχαία μεταβλητή ορίζεται ως μια συνάρτηση που μεταφέρει ένα χώρο πιθανότητας στον R. Κατ επέκταση μπορούμε να ορίσουμε και το τυχαίο διάνυσμα ως μια συνάρτηση η οποία μεταφέρει ένα χώρο πιθανότητας στον χώρο R n. Μπορούμε να σκεφτούμε μία συνάρτηση f : Ω R n ως ένα διάνυσμα αποτελούμενο από n πραγματικές συναρτήσεις f i : Ω R. Δηλαδή για ω Ω μπορούμε να γράψουμε: f ω f ω fω. f n ω Επομένως, έστω χώρος πιθανότητας Ω, Σ Ω, P και συνάρτηση X : Ω R n. Το X λέγεται τυχαίο διάνυσμα αν A BR n, X A Σ Ω, όπου BR n B R B }{{ R όπου θυμηθείτε ότι το B } R συμβολίζει όλα τα μετρήσιμα υποσύνολα του R. n-φορές Σύμφωνα με τα παραπάνω, ένα τυχαίο διάνυσμα διάστασης n είναι απλά ένα διάνυσμα αποτελούμενο από n τυχαίες μεταβλητές, δηλαδή: X X X. όπου X,..., X τυχαίες μεταβλητές. Ισοδύναμα, η προϋπόθεση για να είναι το X τυχαίο διάνυσμα είναι να οι X,..., X να είναι τυχαίες μεταβλητές δηλαδή A B R, X A Σ Ω.

2 Αθροιστική Συνάρτηση F X : R n R με F X z P X z, X z,..., z z z όπου z. Rn. Ιδιότητες: z n Δεξιά συνεχής a R n. lim z i,i,...,n F Xz 0. lim z i,i,...,n F Xz. Αύξουσα. Παράδειγμα: Διμεταβλητή Κανονική Κατανομή X µ Έστω τυχαίο διάνυσμα X, µ R X µ σ σ και Σ σ σ θετικά ορισμένη μήτρα. Τότε αν X Nµ, Σ η αθροιστική θα είναι: F X z z π Σ / για οποιοδήποτε z z z z exp x µ Σ x µ dx dx R, όπου x x Σε αυτή την περίπτωση λέμε ότι το X ακολουθεί την διμεταβλητή κανονική κατανομή με μέσο µ και μήτρα διακυμάνσεων-συνδιακυμάνσεων Σ. Τα στοιχεία της μήτρας δίνουν τις συνδιακυμάνσεις μεταξύ των τυχαίων μεταβλητών οι οποίες αποτελούν το τυχαίο διάνυσμα. Συγκεκριμένα, x. σ ij CovX i, X j E{X i EX i X j EX j } Βάσει αυτής της σχέσης είναι εύκολο να δούμε ότι θα ισχύει σ σ, επομένως η μήτρα Σ είναι πάντα συμμετρική. Στήριγμα Το στήριγμα της κατανομής ενός τυχαίου διανύσματος θα ορίζεται ως το μικρότερο υποσύνολο του R n στο οποίο η κατανομή αποδίδει πιθανότητα. Επιπλέον θα ισχύει ότι το στήριγμα του τυχαίου διανύσματος X θα είναι ίσο με το

3 καρτεσιανό γινόμενο των στηριγμάτων των τυχαίων μεταβλητών που το αποτελούν. Στο παράδειγμα της διμεταβλητής κανονικής κατανομής το στήριγμα θα είναι το R. Συνάρτηση Πυκνότητας Πιθανότητας Αν η F X είναι παντού συνεχής και σχεδόν παντού παραγωγίσιμη ως προς τα x, x,..., x n τότε ορίζεται η συνάρτηση πυκνότητας της κατανομής ως η συνάρτηση f X : R n R όπου f X n F X z z... z n όπου η F X είναι παραγωγίσιμη ενώ παίρνει αυθαίρετες τιμές αλλού. Επίσης, θα ισχύει: α f X z 0, z R n β... f X zdz dz... dz n Παράδειγμα: Διμεταβλητή Κανονική Κατανομή f X x f X x, x exp { x π Σ / µ Σ x µ } l, u l, u αν A. όπου l i < u i R {, }, i,..., n τότε l n, u n P X A P X l, u,..., X l, u u u Οριακή συνάρτηση πυκνότητας l l... u n l n f X x, x,..., x n dx n... dx Γνωρίζοντας την συνάρτηση πυκνότητας ενός n-διάστατου διανύσματος X είναι δυνατόν να υπολογίσουμε την συνάρτηση πυκνότητας οποιασδήποτε τυχαίας μεταβλητής το αποτελεί, η οποία και θα ονομάζεται οριακή συνάρτηση πυκνότητας. Για οποιοδήποτε i,,..., n θα έχουμε f Xi x i... f Xn x, x,..., x n dx dx... dx i dx i+... dx n 3

4 σ 0 Στο παράδειγμά μας, στην περίπτωση όπου σ 0 έχουμε Σ 0 σ και, επομένως, Σ Τότε f X x, x πσ / σ / σ 0 0 σ πσ exp και Σ / σ / σ /. { exp [ x µ x µ σ + x ]} µ σ σ πσ exp Επομένως η οριακή συνάρτηση πυκνότητας της X θα ορίζεται ως: f X x f X x, x dx exp πσ exp πσ exp πσ x µ σ x µ σ x µ σ exp πσ exp πσ x µ σ x µ σ x µ σ dx dx απ όπου προκύπτει ότι X Nµ, σ. Αναλόγως προκύπτει ότι X Nµ, σ. Ροπές τυχαίων διανυσμάτων Γενικεύοντας την έννοια της ροπής στις τυχαίες μεταβλητές, μπορούμε να υπολογίσουμε ροπές τυχαίων διανυσμάτων. π.χ. Ροπή πρώτης τάξης: EX EX EX... xdf X. E Διακύμανση: V arx CovX, X CovX, CovX, X V arx CovX, V arx η οποία Cov, X Cov, X V ar 4

5 είναι συμμετρική και θετικά ορισμένη μήτρα. Ροπογεννήτριες συναρτήσεις M X : R n R με M X t Eexpt X... expt xdf X... expt x + t x t n x n df X } {{ } n φορές ενώ αν υπάρχει η συνάρτηση πυκνότητας:... expt x + t x t n x n f X dx dx... dx n Για X Nµ, Σ έχουμε EX µ και V arx Σ. Επιπλέον, αν σ 0 μπορούμε να δείξουμε ότι M X t exp t µ + t µ + t σ + t σ Ανεξαρτησία τυχαίων μεταβλητών Έστω χώρος πιθανότητας Ω, Σ Ω, P Ω. Αν A, B Σ Ω μετρήσιμα υποσύνολα του Ω τότε τα A, B λέγονται ανεξάρτητα ενδεχόμενα ανν P Ω A B P Ω AP Ω B. Επεκτείνοντας το παραπάνω σε τυχαίες μεταβλητές έχουμε το ακόλουθο θεώρημα: Θεώρημα: Δύο τυχαίες μεταβλητές X, X : Ω R θα ονομάζονται ανεξάρτητες ανν P Ω X A X A P Ω X AP Ω X A για κάθε μετρήσιμο A R. Παρατήρηση. Το παραπάνω θεώρημα μπορεί να επεκταθεί και για n τυχαίες μεταβλητές. Λέμε ότι είναι ανεξάρτητες μεταξύ τους αν είναι ανά δύο ανεξάρτητες. Θεώρημα: Οι X, X,..., : Ω R n θα είναι ανεξάρτητες ανν P X A P X z,..., z n P X z P X z P z n F X z F X z... F Xn z z z i R, i,,..., n όπου z z, z ] X z., A., X X, z n ]. z n 5

6 Λήμμα: Αν η f X υπάρχει τότε το παραπάνω είναι ισοδύναμο με f X f X... f X, όπου f Xi η pdf της X i για i,,..., n. Σημείωση: η f Xi υπάρχει εξαιτίας της ύπαρξης της f X. Παρατήρηση. Έχουμε καταφέρει επομένως να εκφράσουμε την έννοια της ανεξαρτησίας ως δυνατότητα παραγοντοποίησης της από κοινού κατανομής πιθανότητας, και συνεπώς και της από κοινού αθροιστικής συνάρτησης. Και, επιπροσθέτως, εφόσον υπάρχει, και της από κοινού συνάρτησης πυκνότητας πιθανότητας. X X Θεώρημα: Οι X, X είναι ανεξάρτητες τυχαίες μεταβλητές ανν f, g : R R ισχύει ότι EfX gx EfX EfX Θεώρημα: Αν X, X,..., ανεξάρτητες τότε εφόσον υπάρχει η ροπογεννήτρια του τυχαίου διανύσματος X θα ισχύει. M X M X M X... M Xn Απόδειξη. Αν υπάρχει η M X t : R n R όπου M X t : Eexpt x σε κατάλληλο υποσύνολο του R n τότε εξαιτίας του προηγούμενου θεωρήματος: M X t E exp i t i x i Eexpt x expt x expt n x n Eexpt x Eexpt x Eexpt n x n M X t M X t M Xn t n Independent and Identically Distributed IID τυχαίες μεταβλητές Για συντομία θα λέμε ότι n τυχαίες μεταβλητές είναι iid όταν είναι μεταξύ τους ανεξάρτητες και ακολουθούν όλες μία προς μία την ίδια κατανομή. Στο εξής θα ασχοληθούμε μόνο με περιπτώσεις τυχαίων μεταβλητών που είναι iid. X X Άσκηση. Έστω X, X,..., ανεξάρτητες τυχαίες μεταβλητές με X i Nµ i, σi, µ i R, σi > 0, i,,..., n. Να βρεθεί η συνάρτηση πυκνότητας πιθανότητας του τυχαίου διανύσματος X.. 6

7 Λύση. πσ i Η pdf της κανονικής κατανομής: f Xi x i ; µ, σ exp x i µ i. σi Λόγω ανεξαρτησίας θα ισχύει: f X z, z,..., z n f X z f X z... f Xn z n z, z,..., z n R Άρα: fz, z,..., z n π n n i π n n σ i σi i exp πσ exp exp i i z i µ i σ i z i µ i σ i z µ σ exp z π Σ / µ Σ z µ µ µ όπου µ., z z. µ n και Σ διαγώνια μήτρα με στοιχεία τα σ, σ,..., σ n. Παρατηρήσεις: z z n exp πσn z n µ σ. Στην περίπτωση της κανονικής κατανομής, μηδενική συνδιακύμανση μεταξύ τυχαίων μεταβλητών συνεπάγεται ανεξαρτησία.. Στο παραπάνω παράδειγμα, οι τυχαίες μεταβλητές θα είναι iid ανν µ µ... µ n, σ σ... σ n. 3. Σύμφωνα με το τελευταίο θεώρημα, λόγω ανεξαρτησίας, η ροπογεννήτρια t του X θα είναι, t. Rn, M X M X t M Xn exp t µ + t σ n exp t i µ i + t i σ i i τότε: M X t exp µ n t i + σ t t i t t n exp ενώ αν µ i µ και σ i t n µ n + t nσ n σ i περίπτωση iid 7

8 Στη συνέχεια θα δούμε παραδείγματα συναρτήσεων πυκνότητας πιθανότητας τυχαίων διανυσμάτων που ακολουθούν πολυμεταβλητές κατανομές, τις οποίες έχουμε δει στην απλή μονομεταβλητή τους μορφή. Σε κάθε περίπτωση θα υποθέτουμε ότι τυχαίες μεταβλητές που αποτελούν το τυχαίο διάνυσμα είναι iid, το οποίο θα μας επιτρέπει να γράψουμε την συνάρτηση πυκνότητας πιθανότητας ως γινόμενο οριακών συναρτήσεων πυκνότητας οι οποίες προέρχονται από την ίδια μονομεταβλητή κατανομή. Άσκηση. Έστω X, X,..., iid τυχαίες μεταβλητές με X Binomialn, p. Να βρεθεί η συνάρτηση πιθανότητας του τυχαίου διανύσματος X.. Δίνεται η συνάρτηση πιθανότητας της διωνυμικής: fx; n, p X X n p x x p n x Λύση. Δεδομένου ότι οι τυχαίες μεταβλητές είναι iid θα ακολουθούν όλες την ίδια κατανομή, άρα X i Binomialn, p, i,,..., n. Επίσης, λόγω ανεξαρτησίας, η συνάρτηση πιθανότητας του X θα είναι ίση με το γινόμενο των συναρτήσεων πιθανότητας καθεμίας από τις τυχαίες μεταβλητές. Επομένως f X x; n, p f X x, x,..., x n ; n, p f X x ; n, pf X x ; n, p f Xn x n ; n, p n fx i ; n, p i n n p x i p n x i Άσκηση 3. Έστω X, X,..., iid τυχαίες μεταβλητές και X P oissonλ. Να βρεθεί η συνάρτηση πιθανότητας του τυχαίου διανύσματος X.. Δίνεται η συνάρτηση πιθανότητας της μονομεταβλητής Poisson: px; λ λx x! e λ. Λύση. Δεδομένου ότι οι τυχαίες μεταβλητές είναι iid θα ακολουθούν όλες την ίδια κατανομή, άρα X i P oissonλ, i,,..., n. Επίσης, η συνάρτηση πιθανότητας του X θα είναι ίση με το γινόμενο των συναρτήσεων πιθανότητας καθεμίας από τις τυχαίες μεταβλητές. i x i X X 8

9 Άρα η συνάρτηση πιθανότητας του διανύσματος X θα είναι: p X x, x,..., x n px ; λpx ; λ px n ; λ n px i ; λ n e λn n i λ x i. x i! i i λ x i x i! e λ Άσκηση 4. Έστω X, X,..., iid τυχαίες μεταβλητές με X Nµ, σ, µ R, σ > 0. Να βρεθεί α η συνάρτηση πυκνότητας πιθανότητας και β η X X ροπογεννήτρια του τυχαίου διανύσματος X.. Παρατήρηση: η λύση του α μπορεί να προκύψει απλά αν στο αποτέλεσμα της Άσκησης θέσουμε µ i µ και σi σ. { Δίνεται η pdf της μονομεταβλητής κανονικής κατανομής fx; µ, σ exp πσ Λύση. α Λόγω ανεξαρτησίας θα ισχύει: f X z, z,..., z n f X z f X z... f Xn z n z, z,..., z n R Επίσης, από iid οι τυχαίες μεταβλητές θα έχουν ταυτόσημη κατανομή, άρα: f X z, z,..., z n fz ; µ, σ fz ; µ, σ fz n ; µ, σ πσ exp πσ n exp πσ n exp z µ σ i i exp πσ z i µ σ z i µ σ. z n µ σ β Λόγω ανεξαρτησίας θα ισχύει M X t M X t M X t M Xn t n. Αλλά όπως έχουμε δει M Xi t e µt+ t σ, i,..., n. Άρα M X t e µt + t σ e µt + t σ e µt n+ t n σ exp µ t i + σ i Άσκηση 5. Έστω X, X,..., iid τυχαίες μεταβλητές με X Expλ, λ > 0. Να βρεθεί α η συνάρτηση πυκνότητας πιθανότητας και β η ροπογεννήτρια i t i }. x µ σ 9

10 X X του τυχαίου διανύσματος X.. Δίνεται η pdf της εκθετικής fx; λ Λύση. α Όπως πριν, λόγω iid θα έχουμε: { λe λx, x > 0 0, αλλιώς f X x, x,..., x n fx ; λfx ; λ fx n ; λ λe λx λe λx λe λx n λ n exp λ x i β Λόγω ανεξαρτησίας θα ισχύει M X t M X t M X t M Xn t n. Αλλά όπως έχουμε δει M Xi t λ, i,..., n. λ t Άρα i M X t λ λ λ λ t λ t λ t n λ n n λ t i i 0

X 1 X 2. X d X = 2 Y (x) = e x 2. f X+Y (x) = f X f Y (x) = f X (y)f Y (x y)dy. exp. exp. dy, (1) f X+Y (x) = j= σ2 2) exp x 2 )

X 1 X 2. X d X = 2 Y (x) = e x 2. f X+Y (x) = f X f Y (x) = f X (y)f Y (x y)dy. exp. exp. dy, (1) f X+Y (x) = j= σ2 2) exp x 2 ) Εστω X : Ω R d τυχαίο διάνυσμα με ΠΟΛΥΔΙΑΣΤΑΤΗ ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ X Εχουμε δει ότι η γνώση της κατανομής καθεμιάς από τις X, X,, X d δεν αρκεί για να προσδιορίσουμε την κατανομή του X, αφού δεν περιέχει

Διαβάστε περισσότερα

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

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2014 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής Με λόγια, η f ( x, y) δίνει την πιθανότητα να εμφανισθεί

Διαβάστε περισσότερα

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής

Διαβάστε περισσότερα

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1 ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Συνάρτηση Κατανομής: Έστω Χ=(Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ.

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3. ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη

Διαβάστε περισσότερα

Βασικά μαθηματικά εργαλεία

Βασικά μαθηματικά εργαλεία Παράρτημα Αʹ Βασικά μαθηματικά εργαλεία Σύνοψη Παρατίθενται μια επανάληψη σε βασικές γνώσεις που αφορούν βασικά μαθηματικά εργαλεία, για την αντιμετώπιση προβλημάτων που παρουσιάζονται στο σύγγραμμα, και

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης. ΑΝΑΛΥΣΗ 2 Μ. Παπαδημητράκης. ΔΕΚΑΤΟ ΕΚΤΟ ΜΑΘΗΜΑ Τώρα θα μας απασχολήσουν τρία ερωτήματα σε σχέση με την κατά σημείο σύγκλιση ακολουθίας συναρτήσεων. Και για τα τρία ερωτήματα θα υποθέσουμε ότι f f στο

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Είδη τυχαίων διανυσµάτων 1. ιακριτού τύπου X = (X 1, X 2,...,X k ) ονοµάζεται διακριτό τυχαίο διάνυσµα αν το πεδίο τιµών του είναι της µορφής, S = {x 1 x 2 n,,...,x,...}.

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 15/1/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 10 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος:

Διαβάστε περισσότερα

Στατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή

Στατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή Γεώργιος Ζιούτας Άδειες

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

Φροντιστήριο 3o. όπου x = max{m N 0 : m x} και N 0 = {0, 1, 2,...} Λύση. Ιδιότητες αθροιστικής: lim F (x) = 0 αφού F (x) = 0 για x < 1.

Φροντιστήριο 3o. όπου x = max{m N 0 : m x} και N 0 = {0, 1, 2,...} Λύση. Ιδιότητες αθροιστικής: lim F (x) = 0 αφού F (x) = 0 για x < 1. Φροντιστήριο 3o Όπως έχουμε πει, αναλόγως με τη μορφή που έχει το στήριγμα, διακρίνουμε τις κατανομές σε διακριτές και μη διακριτές. Συγκεκριμένα, μια κατανομή ονομάζεται διακριτή όταν έχει διακριτό στήριγμα,

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

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

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

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΚΤΟ ΜΑΘΗΜΑ, Μ. Παπαδημητράκης.

ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΚΤΟ ΜΑΘΗΜΑ, Μ. Παπαδημητράκης. ΑΝΑΛΥΣΗ ΕΙΚΟΣΤΟ ΕΚΤΟ ΜΑΘΗΜΑ, 5--3 Μ. Παπαδημητράκης. Είδαμε στο προηγούμενο μάθημα ότι για να έχει νόημα το όριο f(x) x ξ πρέπει το ξ να είναι σε κατάλληλη θέση σε σχέση με το πεδίο ορισμού A της συνάρτησης

Διαβάστε περισσότερα

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή: Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον

Διαβάστε περισσότερα

(a + b) + c = a + (b + c), (ab)c = a(bc) a + b = b + a, ab = ba. a(b + c) = ab + ac

(a + b) + c = a + (b + c), (ab)c = a(bc) a + b = b + a, ab = ba. a(b + c) = ab + ac Σημειώσεις μαθήματος Μ1212 Γραμμική Άλγεβρα ΙΙ Χρήστος Κουρουνιώτης ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ 2014 Κεφάλαιο 1 Διανυσματικοί Χώροι Στο εισαγωγικό μάθημα Γραμμικής Άλγεβρας ξεκινήσαμε μελετώντας

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Στοιχεία Θεωρίας Συνόλων Θεωρούµε Ω το σύνολο αναφοράς. σ-άλγεβρα Εστω A είναι µια κλάση υποσυνόλων του Ω. τ.ω. A είναι µη κενή. 2 A A A c A. 3 A, A 2,... A A A 2...

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ Τµ. Επιστήµης των Υλικών ειγµατοληψία Με ιάταξη ειγµατοληψία Χωρίς ιάταξη Χωρίς Επανατοποθέτηση (n)k Με Επανατοποθέτηση n k Χωρίς Επανατοποθέτηση ( n k) Με Επανατοποθέτηση ( n+k 1 ) k ειγµατοληψία Με ιάταξη

Διαβάστε περισσότερα

P(200 X 232) = =

P(200 X 232) = = ΕΝΔΕΙΚΤΙΚΑ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΕΣ. Το μέγεθος ενός αναλογικού σήματος, που λαμβάνεται από έναν ανιχνευτή και μετράται σε microvolts, είναι τυχαία μεταβλητή που ακολουθεί την Κανονική κατανομή Ν(00, 6) σε συγκεκριμένη

Διαβάστε περισσότερα

ιωνυµική Κατανοµή(Binomial)

ιωνυµική Κατανοµή(Binomial) ιωνυµική Κατανοµή(Binomial) ~B(n,p) n N και 0

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

Πανεπιστήμιο Πελοποννήσου Πανεπιστήμιο Πελοποννήσου Τυχαίες μεταβλητές Κατανομές Τυχαία Μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) ονομάζεται η συνάρτηση που απεικονίζει το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος στο σύνολο

Διαβάστε περισσότερα

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

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

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

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

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

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές (τ.µ.)

Τυχαίες Μεταβλητές (τ.µ.) Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

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

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

Σημειώσεις Στατιστική & Πιθανότητες

Σημειώσεις Στατιστική & Πιθανότητες Σημειώσεις Στατιστική & Πιθανότητες https://github.com/kongr45gpen/ece-notes 26, Εαρινό εξάμηνο Περιεχόμενα I Πιθανότητες 2 2. Πείραμα τύχης.......................................... 2.. Πράξεις..........................................

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης. ΑΝΑΛΥΣΗ 2 Μ. Παπαδημητράκης. 1 ΔΩΔΕΚΑΤΟ ΜΑΘΗΜΑ Έστω συνάρτηση f ορισμένη σε διάστημα I. Λέμε ότι η F είναι αντιπαράγωγος της f στο I αν ισχύει F = f στο I. ΠΡΟΤΑΣΗ. Αν η F είναι αντιπαράγωγος της f στο

Διαβάστε περισσότερα

1 και Ρ(Β) = τότε η Ρ (Α Β) είναι ίση µε: 2 δ και Ρ(Α Β) = 4

1 και Ρ(Β) = τότε η Ρ (Α Β) είναι ίση µε: 2 δ και Ρ(Α Β) = 4 ΘΕΜΑ ο Α.. Να αποδείξετε ότι για δύο ενδεχόµενα Α και Β ενός δειγµατικού χώρου Ω ισχύει ότι: Ρ (Α Β) Ρ (Α) Ρ (Α Β). Μονάδες 8, Α.. Να µεταφέρετε στο τετράδιό σας τις παρακάτω σχέσεις και να συµπληρώσετε

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

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

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

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

Διαβάστε περισσότερα

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση)

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση) TETY Εφαρμοσμένα Μαθηματικά Ενότητα ΙΙ: Γραμμική Άλγεβρα Ύλη: Διανυσματικοί χώροι και διανύσματα, μετασχηματισμοί διανυσμάτων, τελεστές και πίνακες, ιδιοδιανύσματα και ιδιοτιμές πινάκων, επίλυση γραμμικών

Διαβάστε περισσότερα

5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ

5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ 48 49 5 ΣΥΝΑΡΤΗΣΕΙΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ 5 ΕΙΣΑΓΩΓΗ ΟΡΙΣΜΟΣ: Κάθε συνάρτηση : A B με Α R n και Β R ονομάζεται πραγματική συνάρτηση n μεταβλητών ΠΑΡΑΤΗΡΗΣΕΙΣ: Ι Αν Α R n και Β R n τότε έχουμε διανυσματική συνάρτηση

Διαβάστε περισσότερα

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 28 ιδάσκων: Π. Τσακαλίδης Λύσεις Εβδοµης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης: 3/2/28 Ηµεροµηνία Παράδοσης: 7/2/28

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

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

Διαβάστε περισσότερα

Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ

Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 12 Δεκεμβρίου 2012 Περιγραφή 1 Θεωρητικές Κατανομές ΙΙ Περιγραφή 1 Θεωρητικές

Διαβάστε περισσότερα

Στατιστική. Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

Στατιστική. Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής Γεώργιος Ζιούτας Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2003

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2003 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 00 ΘΕΜΑ ο Α Να αποδείξετε ότι η παράγωγος της συνάρτησης f(x) x είναι f (x) Β Πότε µια συνάρτηση f σε ένα διάστηµα του πεδίου

Διαβάστε περισσότερα

Μιχάλης Παπαδημητράκης. Αναλυτική χωρητικότητα Συνεχής αναλυτική χωρητικότητα

Μιχάλης Παπαδημητράκης. Αναλυτική χωρητικότητα Συνεχής αναλυτική χωρητικότητα Μιχάλης Παπαδημητράκης Αναλυτική χωρητικότητα Συνεχής αναλυτική χωρητικότητα 1 Παράγωγος στο. Ας θυμηθούμε ότι μια μιγαδική συνάρτηση f ορισμένη σε ένα υποσύνολο του μιγαδικού επιπέδου λέμε ότι είναι

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

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης Πιθανότητες & Τυχαία Σήματα Διγαλάκης Βασίλης Τυχαία Σήματα Γενίκευση τυχαίων διανυσμάτων Άπειρο σύνολο πιθανά αριθμήσιμο από τυχαίες μεταβλητές Παραδείγματα τυχαίων σημάτων: Τηλεπικοινωνίες: Σήμα πληροφορίας

Διαβάστε περισσότερα

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες Πινάκες συνάφειας εξερεύνηση σχέσεων μεταξύ τυχαίων μεταβλητών. Είναι λογικό λοιπόν, στην ανάλυση των κατηγορικών δεδομένων να μας ενδιαφέρει η σχέση μεταξύ δύο ή περισσότερων κατηγορικών μεταβλητών. Έστω

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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 2016-2017 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegean.gr Τηλ: 2271035468

Διαβάστε περισσότερα

Apì ton diakritì kôbo ston q ro tou Gauss

Apì ton diakritì kôbo ston q ro tou Gauss Apì ton diaritì Ôbo ston q ro tou Gauss 1 Isoperimetri anisìthta sto diaritì Ôbo Θεωρούμε την οικογένεια J των συναρτήσεων J : [0 1] [0 ) που ικανοποιούν τα εξής: J0) = J1) = 0. Για κάθε a b [0 1] a +

Διαβάστε περισσότερα

x P (x) c P (x) = c P (x), x S : x c

x P (x) c P (x) = c P (x), x S : x c Κεφάλαιο 9 Ανισότητες, από κοινού κατανομή, Νόμος των Μεγάλων Αριθμών 9.1 Ανισότητες Markov και Chebychev Ξεκινάμε αυτό το κεφάλαιο με δύο σημαντικά αποτελέσματα τα οποία, πέραν της μεγάλης χρησιμότητάς

Διαβάστε περισσότερα

ευτέρα, 18 Μα ου 2009 Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ

ευτέρα, 18 Μα ου 2009 Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΕΘΝΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 009 ευτέρα, 8 Μα ου 009 Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΘΕΜΑ o Α. Να αποδείξετε ότι για οποιαδήποτε ασυμβίβαστα μεταξύ τους ενδεχόμενα Α και Β ισχύει ότι Ρ(Α Β)=Ρ(Α)+Ρ(Β) Μονάδες

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

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

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι) HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά

Διαβάστε περισσότερα

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

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

Διαβάστε περισσότερα

Λύσεις μερικών ασκήσεων του τρίτου φυλλαδίου.

Λύσεις μερικών ασκήσεων του τρίτου φυλλαδίου. Λύσεις μερικών ασκήσεων του τρίτου φυλλαδίου.. Έστω 0 < a

Διαβάστε περισσότερα

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5 ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5 5.10: Θόρυβος (Πηγές Θορύβου, Κατανομή Poisson, Λευκός Θόρυβος, Ισοδύναμο

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Αναγνώριση Προτύπων Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern Recognition A Matlab Approach, S. Theodoridis,

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Τυχαίες μεταβλητές: Βασικές έννοιες Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (σε αντίθεση με τις

Διαβάστε περισσότερα

Κεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο 4 Κανονική Κατανομή Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 4-4-1 Εισαγωγή Όσο το n αυξάνει, η διωνυμική κατανομή προσεγγίζει... n = 6 n = 1 n = 14 Binomial Distribution:

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 8 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gasil

Διαβάστε περισσότερα

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ ΚΕΦΑΛΑΙΟ 11 ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ Θα εισαγάγουμε την έννοια του τυχαίου αριθμού με ένα παράδειγμα. Παράδειγμα: Θεωρούμε μια τυχαία μεταβλητή με συνάρτηση πιθανότητας η οποία σε

Διαβάστε περισσότερα

Επεξεργασία Στοχαστικών Σημάτων

Επεξεργασία Στοχαστικών Σημάτων Επεξεργασία Στοχαστικών Σημάτων Τυχαίες μεταβλητές Σεραφείμ Καραμπογιάς Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ Η απεικόνιση των εκβάσεων ενός πειράματος

Διαβάστε περισσότερα

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ Περιεχόμενα Προειδοποίηση 2 2 Συνδυαστική 3 3 Αξιωματική Πιθανότητα 5 4 Δεσμευμένη Πιθανότητα 7 5 Τυχαίες

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1 Απόδειξη Τύπου Little Ιδιότητα PASTA (Poisson Arrivals See Time Averages) Βασικοί

Διαβάστε περισσότερα

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4 ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4 5.9 Η Στοχαστική Ανέλιξη Gauss (οι διαφάνειες ακολουθούν διαφορετική

Διαβάστε περισσότερα

Ορισμός και Ιδιότητες

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

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

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

Παναγιώτης Ψαρράκος Αν. Καθηγητής

Παναγιώτης Ψαρράκος Αν. Καθηγητής Ανάλυση Πινάκων Κεφάλαιο 1: Νόρμες Διανυσμάτων και Πινάκων Παναγιώτης Ψαρράκος Αν. Καθηγητής Δ.Π.Μ.Σ. Εφαρμοσμένες Μαθηματικές Επιστήμες Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Τομέας Μαθηματικών

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

Παραδείγματα (2) Διανυσματικοί Χώροι

Παραδείγματα (2) Διανυσματικοί Χώροι Παραδείγματα () Διανυσματικοί Χώροι Παράδειγμα 7 Ελέγξτε αν τα ακόλουθα σύνολα διανυσμάτων είναι γραμμικά ανεξάρτητα ή όχι: α) v=(,4,6), v=(,,), v=(7,,) b) v=(,4), v=(,), v=(4,) ) v=(,,), v=(5,,), v=(5,,)

Διαβάστε περισσότερα

Κανόνας της αλυσίδας. J ανοικτά διαστήματα) ώστε ( ), ( ) ( ) ( ) fog ' x = f ' g x g ' x, x I (2)

Κανόνας της αλυσίδας. J ανοικτά διαστήματα) ώστε ( ), ( ) ( ) ( ) fog ' x = f ' g x g ' x, x I (2) 8 Κανόνας της αλυσίδας Από τον Απειροστικό Λογισμό για συναρτήσεις μιας μεταβλητής γνωρίζουμε ότι: Αν g : I R R και f : J R R είναι συναρτήσεις ( όπου I, J ανοικτά διαστήματα ώστε, g( τότε η : I g I J

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων. Διάλεξη 2

HMY 795: Αναγνώριση Προτύπων. Διάλεξη 2 HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Θεωρία πιθανοτήτων Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (αντίθετα με τις ντετερμινιστικές μεταβλητές)

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

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.

Διαβάστε περισσότερα

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας. Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς

Διαβάστε περισσότερα

Πίνακες Διασποράς. Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h. Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση

Πίνακες Διασποράς. Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h. Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση Πίνακες Διασποράς Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση κλειδί k T 0 1 2 3 4 5 6 7 U : χώρος πιθανών κλειδιών Τ : πίνακας μεγέθους

Διαβάστε περισσότερα

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0.

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0. ΦΡΟΝΤΙΣΤΗΡΙΟ Άσκηση Έστω X, X,..., X d τυχαίες μεταβλητές με ~ Posso ( ), Να εξάγετε α) τη συνάστηση πιθανοφάνειας στις 3 μορφές τις και β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο

Διαβάστε περισσότερα

Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου

Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου wwwaskisopolisgr έκδοση 5-6 wwwaskisopolisgr ΣΥΝΑΡΤΗΣΕΙΣ 5 Τι ονομάζουμε πραγματική συνάρτηση; Έστω Α ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση

Διαβάστε περισσότερα

Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων

Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Copyright 2009 Cengage Learning 8.1 Συναρτήσεις Πυκνότητας Πιθανοτήτων Αντίθετα με τη διακριτή τυχαία μεταβλητή που μελετήσαμε στο Κεφάλαιο 7, μια συνεχής τυχαία

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

ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 7: ΣΥΝΕΠΕΙΕΣ ΘΕΩΡΗΜΑΤΟΣ ΜΕΣΗΣ ΤΙΜΗΣ

ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 7: ΣΥΝΕΠΕΙΕΣ ΘΕΩΡΗΜΑΤΟΣ ΜΕΣΗΣ ΤΙΜΗΣ ΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 7: ΣΥΝΕΠΕΙΕΣ ΘΕΩΡΗΜΑΤΟΣ ΜΕΣΗΣ ΤΙΜΗΣ [Κεφ..6: Συνέπειες του Θεωρήματος της Μέσης Τιμής πλην της Ενότητας Μονοτονία Συνάρτησης του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΚΩΝΣΤΑΝΤΙΝΟΣ Γ. ΑΓΓΕΛΟΥ ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ

ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ 4.. Εισαγωγή Στην προσομοίωση σε πολλές περιπτώσεις είναι απαραίτητη η δημιουργία δειγμάτων τυχαίων μεταβλητών που ακολουθούν κάποια καθορισμένη

Διαβάστε περισσότερα

Διαφορικές Εξισώσεις.

Διαφορικές Εξισώσεις. Διαφορικές Εξισώσεις. Εαρινό εξάμηνο 05-6. Λύσεις δεύτερου φυλλαδίου ασκήσεων.. Βρείτε όλες τις λύσεις της εξίσωσης Bernoulli x y = xy + y 3 καθορίζοντας προσεκτικά το διάστημα στο οποίο ορίζεται καθεμιά

Διαβάστε περισσότερα

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Στατιστική Συμπερασματολογία Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων εκτιμήτρια συνάρτηση, ˆ θ σημειακή εκτίμηση εκτίμηση με διάστημα εμπιστοσύνης

Διαβάστε περισσότερα

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ .5. ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ Η μέθοδος κατασκευής διαστήματος εμπιστοσύνης για την πιθανότητα που περιγράφεται στην προηγούμενη ενότητα μπορεί να χρησιμοποιηθεί για την κατασκευή διαστημάτων

Διαβάστε περισσότερα

Βάση και Διάσταση Διανυσματικού Χώρου

Βάση και Διάσταση Διανυσματικού Χώρου Βάση και Διάσταση Διανυσματικού Χώρου Έστω V ένας διανυσματικός χώρος επί του σώματος F. Ορισμός : Ένα υποσύνολο S του διανυσματικού χώρου V θα λέμε ότι είναι βάση του V αν ισχύει Α) Η θήκη του S παράγει

Διαβάστε περισσότερα

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5 5ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Βασικές έννοιες θεωρίας πιθανοτήτων

Βασικές έννοιες θεωρίας πιθανοτήτων Βασικές έννοιες θεωρίας πιθανοτήτων Ορισµός πιθανότητας Έστω Ω το σύνολο των δυνατών αποτελεσµάτων ενός πειράµατος Συµβολίζουµε µε ω τα στοιχεία του Ω Ονοµάζουµε ενδεχόµενο (evet ένα υποσύνολο του Ω Για

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

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 5 Κατανομές πιθανότητας και εκτίμηση παραμέτρων δυαδικές τυχαίες μεταβλητές Bayesian decision Minimum misclassificaxon rate decision: διαλέγουμε την κατηγορία Ck για

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΒΔΟΜΟ ΜΑΘΗΜΑ, Μ. Παπαδημητράκης.

ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΒΔΟΜΟ ΜΑΘΗΜΑ, Μ. Παπαδημητράκης. ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΒΔΟΜΟ ΜΑΘΗΜΑ, 6-12-13 Μ. Παπαδημητράκης. 1 Τώρα θα δούμε την απόδειξη του Θεωρήματος που διατυπώσαμε στο τέλος του προηγούμενου μαθήματος. Απόδειξη. [α] Θεωρούμε συνάρτηση f : A R και

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 ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι

Διαβάστε περισσότερα