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

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

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

Transcript

1 Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P ( ), που αντιστοιχεί σε υποσύνολα του Ω έναν αριθμό στο [ 0, ], με τις εξής ιδιότητες:. P ( Ω ). 2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων. Συμβολίζουμε με το πεδίο ορισμού (που περιέχει υποσύνολα του Ω ) του P : 0, είναι μία μέτρου πιθανότητας. Δηλαδή το μέτρο πιθανότητας [ ] συνολοσυνάρτηση- από το στο [ 0, ] τέτοια ώστε για A να έχουμε 0 P( A). Ποία είναι όμως η δομή του? Για παράδειγμα εάν AB,, είναι λογικό, εκτός P B να θέλουμε να μπορούμε να υπολογίζουμε των πιθανοτήτων P( A ) και ( ) πιθανότητες της μορφής P( A ), P( B ) είτε P( A B) πιθανότητες P( A ), ( ) P( A ) P( A) και P( B ) P( B) έχουμε και A, B. Για την πιθανότητα P( A B) P( A B) P( AB ) + P( AB ) + P( AB) P( A B) P( A) + P( AB ) P( A B) P( B) + P( AB ). Για να υπολογίσουμε τις P B μας αρκεί το γεγονός ότι AB, εφόσον. Από την άλλη μεριά αυτό σημαίνει ότι θα έχουμε ότι: Προσθέτοντας κατά μέλη την 2 η και 3 η εξίσωση και αφαιρώντας την η παίρνουμε την γνωστή σχέση P A B P A + P B P AB. ( ) ( ) ( ) ( ) Είναι εμφανές λοιπόν ότι για να μπορούμε να υπολογίσουμε τις πιθανότητες P( A ), P( B ), και P( A B) θα πρέπει να ανήκουν στο εκτός από τα A και B, και τα υποσύνολα του Ω A B, A, B, AB, AB, A B. Για πρακτικούς λόγους, θα θέλαμε να μπορούμε να βρούμε την πιθανότητα κάθε ενδεχομένου A Ω δηλαδή θα θέλαμε να έχουμε πεδίο ορισμού της Ο χώρος Ω που καθορίζει το τυχαίο πείραμα ή φαινόμενο. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

2 συνάρτησης P το δυναμοσύνολο του Ω, δηλαδή το σύνολο όλων των Ω. Αυτό όμως μπορεί να υποσυνόλων του Ω, που συμβολίζουμε με 2 Ω είτε ( ) γίνει μόνο για διακριτά σύνολα Ω. Εάν για παράδειγμα το Ω είναι κάποιο πεπερασμένο υποσύνολο του, τότε το αξίωμα της επιλογής 2 μας λέει ότι εάν θέσουμε σαν μέτρο πιθανότητας 3 P ( A) legth( A) / legth( Ω) για υποσύνολα A του Ω 4, τότε υπάρχουν παθολογικά υποσύνολα του Ω στα οποία η έννοια της πιθανότητας δεν μπορεί να οριστεί (για παράδειγμα σύνολα τύπου Vtal δεν έχουν μήκος). Δηλαδή σε αυτήν την περίπτωση, το θα είναι μικρότερο από το δυναμοσύνολο (power set) του Ω. Έτσι το πεδίο ορισμού του μέτρου πιθανότητας, είναι μια οικογένεια μετρήσιμων υποσυνόλων του Ω, που όμως γενικά δεν περιέχει όλα τα δυνατά υποσύνολα του Ω δηλαδή 2 Ω. Ορισμός: Ένα σ πεδίο (σ feld ή σ algebra ή Borel feld) πάνω στο δειγματικό χώρο Ω, είναι μια οικογένεια υποσυνόλων του Ω τέτοια ώστε:. Ω 2. A A 3. A, I A, ( ) I card I 5. Από τον ορισμό είναι εμφανές το είναι κλειστό κάτω από τις πράξεις ( ),., Δηλαδή χρησιμοποιώντας αυτές τις προηγούμενες πράξεις πάνω στα στοιχεία του, το σύνολο που θα πάρουμε θα βρίσκεται και πάλι μέσα στο. Κάθε σ πεδίο πάνω στον δειγματικό χώρο Ω βρίσκεται μεταξύ των, Ω, 2 Ω. σ πεδίων { Ω (το τετριμμένο σ πεδίο) και 2 Ω, δηλαδή { 2 Το αξίωμα της επιλογής μας λέει ότι από κάθε οικογένεια συνόλων { I ακριβώς στοιχείο x Sαπό κάθε σύνολο της οικογένειας, δηλαδή δοθέντος της { κατασκευάσουμε το { x. I S μπορούμε να διαλέξουμε ένα S μπορούμε να 3 Για παράδειγμα εάν A ( ab, ) τότε ορίζουμε σαν legth( A) ( b a) 2 b a τη μονοδιάστατη ευκλείδεια απόσταση. 4 Δηλ. η πιθανότητα εδώ είναι το κανονικοποιημένο μήκος του A (κανονικοποιημένο μέτρο Lebesgue). 5 Ο πληθάριθμος του A (cardalty) συμβολίζεται σαν card ( A ) πλήθος των στοιχείων του A. I Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 2

3 Παράδειγμα. Εάν οι οικογένεια υποσυνόλων είναι σ πεδίο, τότε το περιέχει και τις αριθμήσιμες τομές των στοιχείων του A A A A A { { ( ) I I I I I 2. Εάν η ακολουθία ενδεχομένων { lmsup A Παράδειγμα A ανήκει στο, τότε τα ενδεχόμενα A και lm f A A Εάν { F, SF, FSF,, F S, S F,, S ανήκουν στο. Ω τότε ( ) 2 card Ω, με F και S συμπληρωματικές καταστάσεις (π.χ. Falure, Success), όπου P S P F p. Εάν ορίσουμε την συνάρτηση X : Ω, έτσι ώστε ( ) ( ) X ( ω ) ο αριθμός των S στο ω, παρατηρούμε ότι ο χώρος καταστάσεων της X είναι X ( ) { 0,,, θέτοντας 2 Ω έχουμε ότι X ( B) { ω : X ( ω) B { X B Ω και Ω για κάθε μετρήσιμο υποσύνολο του (λέμε τότε ότι η συνάρτηση X είναι μια τυχαία B /2,3/2 τότε επειδή B θα έχουμε μεταβλητή). Για παράδειγμα εάν ( ) 2 { X B { SF, FSF,, F S Η κατανομή της τ.μ. X είναι διωνυμική, δηλαδή X ~ (, ) B p με x x p ( p ), x { 0,,, px ( x) P{ X x B ( x, p ) x. 0, elsewhere Για ({ ) ω ( ω) { { X : X SF, FSF 2,, F S Ω, έχουμε P X P X P S P F p p ( ({ )) { ( ) ( ) ( ) ενώ, Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

4 ({ ) Ω X 0,,, X { x X ({ x ) x 0 x 0 P( Ω ) P X ({ x ) P( { X 0 { X ) x 0 x x P{ X x p ( p) ( p+ ( p) ) x 0 x 0 x 2. Για τον δειγματικό χώρο { S, FS,, F S, Ω μπορούμε να θέσουμε 2 Ω, X : Ω έτσι ώστε X ( ω ) ο αριθμός των F στο ω αριθμός των αποτυχιών έως την πρώτη επιτυχία, Y : Ω έτσι ώστε Y( ω) X ( ω) + ο αριθμός των S και F στο ω αριθμός των δοκιμών έως την πρώτη επιτυχία. Για παράδειγμα x ( ({ )) { { ότι X ~ Geo( p ), x ( ) ( ) ( ) ( ) PX x P X x P FS PF PS p px, 0 και γνωρίζουμε x P( Ω ) P X ({ x ) p( p) p. x 0 x 0 ( p) Ισοδύναμα y y ( ({ )) { ( ) ( ) ( ) ( ) ~ ( ) ~+ ( ). y PY y PY y PF S PF PS p py,,ενώ X Y Geo p Y Geo p Για τον δειγματικό χώρο Ω { S, FS,, SFS,, S FS, F S,, S FS, θα έχουμε 2 Ω μπορούμε να θέσουμε: X : Ω έτσι ώστε X ( ω ) ο αριθμός των F στο ω αριθμός των αποτυχιών έως την οστη επιτυχία, X ( Ω ) { 0,, 2,, Y : Ω έτσι ώστε Y( ω) X ( ω) + ο αριθμός των δοκιμών έως την Y Ω, +, + 2,. οστη επιτυχία, ( ) { x Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 4

5 ( ) { py y PY y P{ επιτυχίες στις πρώτες y δοκιμές, επιτυχία στην y δοκιμή P{ επιτυχίες στις πρώτες (, ) (, ) B y p B p y δοκιμές P{ επιτυχία στην y δοκιμή y ( ) ( ) ( ) y y y p ( p), y {,, 2, p p p + + 0, elsewhere Παρατηρούμε ότι x+ p p x P{ X x PY { x+ 0, elsewhere x ( ), { 0,, 2, Παρατήρηση Το Ω αποτελείται από τα στοιχειώδη αποτελέσματα ενός τυχαίου πειράματος (είναι ο χώρος του πειράματος) ή τυχαίου φαινομένου. Ω { δειγματικά σημεία { οι δυνατές ερωτήσεις μου μπορούμε να απαντήσουμε με τα δεδομένα που έχουμε από το τυχαίο πείραμα Το λοιπόν έχει δομή πληροφορίας. Εάν μάλιστα όσο περνάει ο χρόνος η πληροφορίας που διαθέτουμε αυξάνεται, το μπορεί να αντικατασταθεί με μία αύξουσα δομή πληροφορίας 2 3, τη διήθηση (fltrato). Θεώρημα Για κάθε οικογένεια υποσυνόλων του Ω υπάρχει σ πεδίο σ ( ), που περιέχει όλα τα σύνολα της και είναι το μικρότερο σ πεδίο με αυτήν την ιδιότητα. Λέμε ότι το σ ( ) είναι το σ πεδίο που παράγεται από την οικογένεια υποσυνόλων του Ω. Παράδειγμα Εάν AB Ω, ενδεχόμενα που βρίσκονται σε γενική θέση. Να βρεθεί το σ πεδίο σ { AB, που παράγεται από την οικογένεια {, AB. Εάν τα ενδεχόμενα AB, βρίσκονται σε γενική θέση. Δηλαδή AB αλλά και A B Ω. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 5

6 2. Ποία η μορφή του { AB, 3. Ποία η μορφή του { AB, έχουμε ότι και A B. 4. Ποία η μορφή του { AB, AB.. Αρχίζουμε να χτίζουμε το { AB, σ στην ειδική περίπτωση που έχουμε ότι AB. σ στην ακόμα πιο ειδική περίπτωση (2.) όπου σ στην ειδική περίπτωση που A BΩ αλλά σ από τον ορισμό του σ πεδίου. { AB A B Ω,,,,, A B, A B, A B, A B, 2. AB, AB, A B, A B Η οικογένεια 2 δεν είναι ακόμα κλειστή κάτω από τις πράξεις ( ),., Παρατηρούμε ότι τα σύνολα που μπορούμε να παράγουμε με ενώσεις από τις τομές AB, AB, A B, A B είναι: ( ) 3 ( ) 3 AB AB A B B A AB A B A A B B AB A B A B 6 3 ( ) 3 ( ) 3 ( ) 3 AB A B A B AB A B A A B B AB AB A B B A { Δεν είναι δύσκολο να δείξουμε τώρα ότι το σύνολο A B ( A B) κλειστό ως προς τις πράξεις ( ),,, ή ότι: είναι 4 3, 6 Η συμμετρική διαφορά A B των A και B, ορίζεται σαν η ένωση των A και B εκτός των κοινών τους σημείων: A B A B \ AB A B AB A B A B AB A B ( ) ( ) ( )( ) ( )( ) ( ) ( ) ( A B) ( A B) ( AB) ( A B ) ( AB) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 6

7 σ { AB, Ω,, ABA,,, B, A BA, B, A BA, B,. AB, AB, A B, A B, ( AB ) ( A B), ( A B ) ( AB) 4 2. Στην ειδική περίπτωση που AB ( A B B A ) έχουμε: τότε από το (.) Ω,, ABA,,, B, A B, A B, A B, A B B A AB A B Ω,,,,,, {, AB, AB, A B, A B, ΩABA B σ AB. A B A B, AB ( AB ) ( A B),( A B ) ( AB) A B ( AB ) 3. Στην ακόμα πιο ειδική περίπτωση όπου έχουμε AB, αλλά και A B A B σ AB, από το (2.) έχουμε: ( ), χρησιμοποιώντας το { σ Ω,, ABA,,, B,,,,, A B, AB AB Ω Ω AA { AB { 4. Όταν A BΩ και ταυτόχρονα AB θα έχουμε ότι A B B A, τότε σ { AB, Άσκηση Ω,, ABA,,, B, A B, A B, A B, A B Ω A B A B Ω,, ABA,,, B, AB, AB, A B, A B, A B, AB B A ( A B ) A B, ( A B) Να βρεθεί το { AB, σ όταν:. Ω { abcd,,, και A { ab,, B { bc, Ω ότι σ { AB, 2 ).. (σε αυτή την περίπτωση δείξτε και Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 7

8 2. Ω { abcde,,,, και A { abc,,, B { cde,,.. Τα AB, βρίσκονται σε γενική θέση στο Ω. Γνωρίζουμε όμως ότι σε αυτή την card A, B 6 card 2 Ω 6 ενώ και οι δύο περίπτωση ( { ) οικογένειες είναι σ πεδία, οπότε και σ { AB σ { AB σ και εμφανώς ( ), 2 A { ab B { bc A { cd B { ad {,,, {,,, {,,, {,, {, {, {, {, {,,( ) {, Ω,,,,,,,,,, A B abc A B abd A B bcd A B acd, 2 AB b AB a A B c A B d A B ac A B bd 2. Σε αυτή τη περίπτωση τα AB, δεν βρίσκονται σε γενική θέση εφόσον A BΩ και AB. Αυτή είναι ακριβώς η περίπτωση (4.) της προηγούμενης άσκησης σ { AB, Πρόταση { { { { Ω,, A abc,,, B cde,,, A de,, B ab,, A B, A B A, A B B, A B { a, b, d, e { c Ω. AB { c, AB B, A B A, A B, A B { c, ( A B) { c. Δίνεται ότι τα για I είναι σ πεδία πάνω στον Ω, όπου το I είναι ένα πεπερασμένο είτε άπειρο σύνολο δεικτών. Δείξτε ότι και η οικογένεια είναι σ πεδίο πάνω στον Ω. I 2. Δείξτε ότι γενικά η ένωση σ πεδίων δεν είναι σ πεδίο.. Ω, I Ω I, A A, I A, I A, I I,,,, A j J A j J I A I A. j I j j j I j J j J 2. Δείχνουμε το (2.) με ένα αντιπαράδειγμα. Επειδή σ { A {,, AA, σ { B { Ω,, BB, και παρατηρούμε ότι { AB, σ{ A σ{ B σ{ AB, Επειδή το { AB, Ω Ω και. σ είναι το μικρότερο σ πεδίο που περιέχει την οικογένεια Ω Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 8

9 { AB,, το σ{ A σ{ B δεν είναι σ πεδίο. Εμφανώς ( { A { B ) { AB, σ πεδίων σ { A και σ { B το συμβολίζουμε με σ{ A σ{ B σ σ σ σ. Το σ πεδίο που παράγεται από την ένωση των. Ορισμός B( ) : Το σύνολο Borel του είναι το σ πεδίο που παράγεται από όλα τα διαστήματα της μορφής (, x] για x. Δηλαδή ( ) σ {(, x]: x B. Το B ( ) περιέχει όλα τα μετρήσιμα υποσύνολα (Borel sets) του. Δηλαδή B( ) 2 \{ παθολογικά υποσύνολα του Ορισμός: Το μέτρο πιθανότητας P ( ) είναι μια συνάρτηση P : [ 0,] ώστε: τέτοια P( A) 0, A P ( Ω ) P A P A, A : A A j, j I ( ) ( ) { I I Ονομάζουμε την τριάδα ( Ω,,P( ) ) χώρο πιθανότητας. Ορισμός { A : Μια ακολουθία ενδεχομένων λέμε ότι είναι μονότονη όταν: Μη φθίνουσα (expadg A ) όταν A A 2 A 3. Μη αύξουσα (cotractg A ) όταν A A2 A3. Ορισμός { : Το όριο μονότονης ακολουθίας ενδεχομένων A ορίζεται με τον εξής τρόπο: sup ( ) A, A lm A. f ( ) A, A Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 9

10 Ορίζουμε την οστης τάξης ουρά (tal) της ακολουθίας { A ακολουθία ( ) { T A σαν την. Επίσης ορίζουμε την τομή και την ένωση των στοιχείων της οστης τάξης ουράς της ακολουθίας σαν M ( ) meet of the tal T ( ) ) και J( ) A (the jot of the tal ( ) Πρόταση Η ακολουθίες τομής A (the T ). { M { A και ένωσης { J { A ενδεχομένων της οστης τάξης ουράς της ακολουθίας { (και έτσι έχουν όριο). A, είναι μονότονες M A A A A M M J A A A A J J Αυτό που μας λέει η προηγούμενη πρόταση είναι ότι οι ακολουθίες ενδεχομένων M και J έχουν όριο. Ορίζουμε τα ενδεχόμενα:. lm f A lm M, 2. lm sup A lm J. Επειδή έχουμε: lm M sup( ) M A, και επειδή έχουμε ότι: lm J f J A. Πρόταση ( ). Έστω ότι πραγματοποιείται το ενδεχόμενο, τότε αυτό είναι ισοδύναμο με την πραγματοποίηση άπειρων από τα ενδεχόμενα της ακολουθίας 8. 7 Σημειώστε ότι η αρχική ακολουθία δεν χρειάζεται να είναι μονότονη. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 0

11 2. Εάν πραγματοποιηθεί το ενδεχόμενο, τότε αυτό είναι ισοδύναμο με την πραγματοποίηση όλων των ενδεχομένων της ακολουθίας εκτός ίσως από κάποιο αρχικό πεπερασμένο πλήθος 9.. Η πραγματοποίηση άπειρων από τα ενδεχόμενα της ακολουθίας είναι ισοδύναμη με το εξής: εάν ω τότε υπάρχει υπακολουθία { A ω A,. Πράγματι ( ) ( 2 ) { ω ω A ω A ω A 2 : : ω A και ω A και A : ω A,. 2 τέτοια ώστε 2. Εάν ω τότε υπάρχει N τέτοιο ώστε για N να έχουμε ω A. Πράγματι A ( A A 2 ) ( N : ω A ω A, N N ). ω ω ω ω Παράδειγμα Δίνεται η ακολουθία ενδεχομένων { 2 m { A { b { b { b { α { β { α { β { α { β,,,,,,,,,,,, όπου b διαφορετικά μεταξύ τους και διαφορετικά των α και β, τότε ( ) M A M, 8 Το ενδεχόμενο lmsup A συμβολίζεται και ως { A,.. o δηλαδή τα ενδεχόμενα στην ακολουθία πραγματοποιούνται απείρως συχνά (ftely ofte). 9 Το ενδεχόμενο lmf A συμβολίζεται και ως { A,.. aa δηλαδή τα ενδεχόμενα A από κάποιο N και μετά, θα πραγματοποιηθούν όλα. Ισοδύναμα λέμε ότι τα ενδεχόμενα A πραγματοποιούνται σχεδόν πάντα (almost always). Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων

12 { αβ b, bm, bm,,, J A J {, αβ { bm, αβ,, { αβ,, > m Εύκολα παρατηρούμε ότι εάν ορίσουμε α, β, α, β,, α, β, τότε και πάλι έχουμε {{ { { { { { B { αβ lm sup, δηλαδή η μη ύπαρξη του πεπερασμένου bloc { b { b { b 2,,, m στην ακολουθία, δεν επηρεάζει το τελικό αποτέλεσμα. { b { b { b Παρατηρείστε ότι εάν τα, 2,, m βρίσκονταν σε οποιεσδήποτε θέσεις μέσα στην ακολουθία, και πάλι θα είχαμε το ίδιο lmt superor αβ,. { Επίσης παρατηρούμε ότι για κάθε στοιχείο του { αβ, υπάρχει υπακολουθία της { A υπακολουθίες { A 2 {{ α,{ α, + και { A { { β β που το περιέχει. Για παράδειγμα εάν m 2, οι { 2 +,,. Πρόταση Όταν η ακολουθία { είναι μονότονη ισχύει ότι: A lmf A lm A lmsup A. Εάν A τότε γνωρίζουμε ότι lm A A. A M A AA A A ( ) lmf A sup A A lm A 2 A A, A A,, A A A A ( ) lmsup A f A A A lm A, Εάν A τότε γνωρίζουμε ότι lm A A. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 2

13 A A A A A A A A lmsup A A lmf A. Λήμμα: Ισχύει ότι. τρόπος: Εάν τότε υπάρχει N τέτοιο ώστε ω ή ότι ος ω A A N A ω A, N, αυτό όμως σημαίνει ότι το ω ανήκει σε όλες τις ενώσεις για, που δίνει 2 ος τρόπος: Εμφανώς έχουμε ότι. ω A A A για κάθε, ή ότι M J. Όμως M και J παίρνοντας το όριο όταν έχουμε ότι lm. Άσκηση Να βρεθεί, εάν υπάρχει, το όριο των ακολουθιών ενδεχομένων: M lm J ή ότι A A A B, 2, C, 2,2 +, /2, /2, 4. A (, / 2 ],. J A B C A B C M A B C A B C Επειδή δεν υπάρχει το όριο της ακολουθίας A. Σε αυτή την περίπτωση lm A B C, B C. θα μπορούσαμε να πούμε ότι { Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 3

14 2. J A, 2 0, επειδή 0, A, f ( ) J 0, 2 ( 0, 2] +, επειδή 2 A,. M A,2,2 +, sup ( ) M, 2 ( 0, 2]. Ενώ η δεν είναι μονότονη, έχει όριο, διότι ( 0,2] τους τιμή lm A ( 0, 2]. 3. Παρατηρούμε ότι [ ]. Το όριο είναι η κοινή A, v, v, v v,, v, < 2 2. J ( ) A,, f ( ) J, (,) 2 M, 2 2 ( ) A ( ) M sup Ενώ η δεν είναι μονότονη, έχει όριο διότι τα lmf A και lmsup A ταυτίζονται. Το όριο είναι η κοινή τιμή lm A. 4. Η A (, / 2 ], είναι lm A A (, /2 ] (, 0 Άσκηση Δίνεται η ακολουθία ενδεχομένων για θετικά κ και λ. Να βρεθεί το lm { A, με A [ a, b] και κ < a < κ < b < λ A, εάν υπάρχει, στις εξής περιπτώσεις: a a, b b, a, a b b, a, a b b, a, a b b. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 4

15 . a, b [ ] ( ( ) ( ( [, ], sup ( ), (, J a, b a, b f J a, b a, b M a b a b a b a b + + μονότονη, αλλά το όριο της υπάρχει και είναι lm A ( a, b. 2. a, b J ( ) [ a, b ] ( a, b ) f ( ) ( a, b ) a, b ) M a, b a, b sup a, b a, b μονότονη, αλλά το όριο της υπάρχει και είναι lm A a, b ). ( ) [ ] ( ) ) 3. a, b A [ a, b ] lm A [ a, b ] a, b + 4. a, b A a, b lm A a, b a, b [ ] [ ] ( + ) Πρόταση. Δίνεται ακολουθία ενδεχομένων { A. Δείξτε ότι η ακολουθία ενδεχομένων { B που ορίζεται σαν A B A( A A ) A \ A j j > έχει τις ιδιότητες BB, j και A B j. 2. Δείξτε την ανισότητα του Boole για άπειρα ενδεχόμενα, δηλαδή ότι για κάθε ακολουθία { A ισχύει P ( A ) P ( A ). < < και B A \ ( A A ) ( ). Υποθέτουμε j ενώ Bj Aj \ A A A, τότε BB j. Το ίδιο για < j Παρατηρούμε επίσης ότι { ( ) A ( AA 2) ( AAA 2 3) ( AAAA 2 3 4) B A A 2 A A Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 5

16 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) A A AAA AAAA A A A A A AAAA ( ) ( ) ( ) ( ) A A A AA A A A A A A A A A A A A A. 2 3 ενώ B A P ( B ) P ( A ) 2. P ( A ) P ( B ) P ( B ). που δίνει P ( A ) P ( B ) P ( A ) Παράδειγμα Δείξτε την ανισότητα του Boole για πεπερασμένα ενδεχόμενα, δηλαδή ότι P A P A για κάθε ( ) ( ) Για 2 ισχύει P( A A ) P( A ) P( A ) P( AA ) P( A ) P( A ) Δεχόμαστε ότι P ( A ) P ( A ) + ( ) ( ) και αποδεικνύουμε την ανισότητα για ( + ) ( ) ( + ). + + P( A) ( ) ( ) P A P A + P A P A A P A P A + Άσκηση Χρησιμοποιώντας την ανισότητα του Boole για πεπερασμένα ενδεχόμενα δείξτε την ανισότητα του Boole για άπειρα ενδεχόμενα κάνοντας χρήση της συνέχειας του μέτρου πιθανότητας πάνω σε μονότονες ακολουθίες ενδεχομένων, Από την ανισότητα του Boole για πεπερασμένα ενδεχόμενα, έχουμε ότι ( ) ( ) P A P A για κάθε. Παίρνοντας το όριο για έχουμε ότι lm P( A) P( A) U A παίρνουμε ( lm ) ( ) ( ) ( ) P A P A P A P A +. και επειδή Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 6

17 Επειδή A A παίρνουμε τελικά P ( A ) P ( A ). Πρόταση (Η πιθανότητα είναι μια συνεχής συνολοσυνάρτηση πάνω σε μονότονες ακολουθίες ενδεχομένων) Θέλουμε να δείξουμε ότι εάν η { A είναι μια μονότονη ακολουθία ενδεχομένων, τότε Εάν ( ) ( lm ) lm P A P A. { + A, έχουμε lm A A A ( A \ A) και τα ενδεχόμενα B A, B A \ A, B A \ A, είναι ξένα μεταξύ τους. ( ) ( ) ( ) ( ) ( ) ( lm ) { ( \ ) \ { ( ) ( ) { ( ) + + P A P A A A P A P A A lm P A + P A \ A lm P A A \ A lm P A Εάν A τότε A και από τα προηγούμενα lm P ( A ) P ( lm A ) P ( A ) lm ( P( A) ) P ( A ) P ( A ) Με αποτέλεσμα lm P ( A ) P ( lm A ) P ( A ). Άσκηση Δίνεται ακολουθία ενδεχομένων { A. Εάν P( A ), Δείξτε ότι:. P( M ),. 2. P( ) P( )., εφόσον ( ) 0. P ( M ) P ( A ) P ( A ) P ( A ) P A. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 7

18 2. Παίρνοντας το όριο για στην εξίσωση P( M ) και επειδή M,. Το γεγονός ότι τελικά μας δίνει έχουμε lm P( M ) P( lm M ) P( ) ( ) ( ), ή ότι P ( ) P P Πρόταση Ισχύουν οι ανισότητες:. ( ) ( ) ( ) P lmf A lmf P A lmsup P A P lmsup A. { ( ) ( ) ( ) ( ) P P lm M lm P M sup P M :. { P M P A f P A : για κάθε, έχουμε Επειδή ( ) ( ) ( ) { ( ) { ( ) P sup f P A : :. Εμφανώς f { P( A) : sup { P( A) : αλλά η ακολουθία ως προς στα αριστερά της ανισότητας είναι και στα δεξιά της είναι, οπότε παίρνοντας το και από τα δύο μέλη έχουμε: lm ( ) { { ( ) { ( ) { sup f P A : : f sup P A : :, ή ισοδύναμα lmf P( A ) lmsup P( A ). Έως τώρα λοιπόν έχουμε δείξει ότι ισχύει: ( ) lmf ( ) lmsup ( ) P P A P A. { P A P ( A ) P ( J ) Επειδή sup ( ) : για κάθε στα δύο μέλη της προηγούμενης ανισότητας έχουμε: ( ) { ( ) { { ( ) lm sup P A f sup P A : : f P J : ( ) ( lm ) ( ) lm P J P J P., παίρνοντας f ( ) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 8

19 Έτσι παίρνουμε τελικά P( ) lmf P( A) lmsup P( A) P( ). Παρατήρηση A { X x : Εάν θέσουμε, τότε, lmf A { lmf X x από την ανισότητα P( lmf A ) lmf P( A ) έχουμε και x x { lmf lmf { lmf X ( ) lmf ( ) X. P X x P X x f u du f u du u Το προηγούμενο αποτέλεσμα ονομάζεται Λήμμα Fatou. Πρόταση. Εάν για τις ακολουθίες { a και { u b με a 0 > και b > 0, ισχύει a l 0 b > όταν, τότε και οι δύο σειρές a και b ή και οι δύο συγκλίνουν ή και οι δύο αποκλίνουν. 2. Εάν { a με 0 a a < ( a ) < < και a 0 τότε: 0 > είτε a ( a ) 0. a Για το (.), επειδή l > 0 όταν σημαίνει ότι για b ε > 0 υπάρχει 0 a τέτοιο ώστε για 0 να έχουμε l < ε ( l ε) b < a < ( l+ ε) b. Εάν b διαλέξουμε ε < l, τότε έχουμε: ( ε ) ( ε ) ( ε ) ( ε ) a l b a l b < + < +. b < l a b < l a Για το (2.), θεωρούμε τις ακολουθίες { a με 0< a < και { b με a b log, τότε b > 0, ενώ l όταν. Δηλαδή από το (.) a b έχουμε ότι οι δύο σειρές a και b, συγκλίνουν ή αποκλίνουν ταυτόχρονα. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 9

20 < < > Εάν a log log ( a ) a ( ( a )) ( ) a. log > > 0 Εάν a log log ( a ) a ( ( a )) ( ) a. log 0 (Λήμματα των Borel Catell) Δίνεται ακολουθία ενδεχομένων { A. Εάν P( A) < P. τότε ( ) 0 και τα ενδεχόμενα 2. Εάν P( A). Εάν θέσουμε S P( A) ( ) ( ) <, θα έχουμε. A είναι ανεξάρτητα, τότε P ( ) ( lm ) lm ( ) lm ( ) lm ( ) { ( ) P A ( ) P A S S, από όπου P ( ) 0. P P J P J P A P A lm 0 2. Έχουμε ότι ( ( )) ( ) ( ) ( ( ) ) P M P A P A P A. Επειδή P( A) με P( A ) 0< < θα έχουμε ( P ( A )) ( P ( A ) ) ( P ( A ) ), 0, ( ) και επειδή P( A ) οπότε ( P( A )) 0, παίρνουμε ότι 0, ( P( A )) P( A ) P( A ). 0 Παίρνοντας το όριο όταν δίνει. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 20

21 ( ) ( ) ( ) 0 lm P A P lm A P A, από όπου και P( A ), ή ότι P ( ). Παράδειγμα Εάν για οι τ.μ. X είναι Beroull με P{ X p και P{ X δηλαδή X ~ B (, p ), ορίζουμε για A { X. την ακολουθία ενδεχομένων 0 p, p <, για παράδειγμα p 2 Εάν P( A ) έχουμε: ( ) { { P P A,.. o P X,.. o 0 ( ) { { P P A, aa.. P X 0, aa.. δίνει p 2 π 6, θα Σε αυτή την περίπτωση λέμε ότι lm X 0 με πιθανότητα, και γράφουμε: { { ω ( ω) P lm X 0 P Ω : lm X 0. Παράδειγμα 2 Εάν για οι τ.μ. X είναι ανεξάρτητες Beroull με P{ X d P{ X 0 p, δηλαδή ~ (, ) ενδεχομένων A { X. Εάν P( A ) τ.μ. p, για παράδειγμα p και X B p, θεωρούμε την ίδια ακολουθία p δίνει A p X είναι ανεξάρτητες, που σημαίνει ότι τα ενδεχόμενα { X μεταξύ τους ανεξάρτητα, έχουμε: ( ) { ( ) { P P X,. o. P P X 0, a. a. 0. Σύγκλιση ακολουθίας τ.μ. με πιθανότητα ισχυρή σύγκλιση Λέμε ότι η ακολουθία τ.μ. { X, επειδή οι είναι συγκλίνει στην τ.μ. X με πιθανότητα, ή ότι η X συγκλίνει σχεδόν βεβαίως (almost surely) στην X και γράφουμε Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 2

22 as.. X X,, όταν τα ενδεχόμενα για τα οποία η X δεν συγκλίνει στην X, έχουν μηδενική πιθανότητα, δηλαδή το ενδεχόμενο { lm X X { ω : lm X( ω) X ( ω) Ω, έχει μέτρο μηδέν. Η σύγκλιση της ακολουθίας τ.μ εξής: για κάθε 0 X στην τ.μ. X με πιθανότητα ορίζεται ως ε > ορίζουμε την ακολουθία ενδεχομένων ( ε) { A ( ε) { { ( ) : ( ) ( ) A ε ω Ω X ω X ω < ε X X < ε, τότε as.. { X X P lm X X ( ) { ( ) P X X < ε, aa.., ε > 0 P lmf A ε, ε > 0 P A ε, ε > 0 P X X < ε, ε > 0 ( ) { P { X X ε 0, ε 0 P lm sup A( ε) > 0, ε > 0 { ε P X X, o.. 0, ε > 0. Παρατήρηση Γνωρίζουμε από τα προηγούμενα ότι εάν P ( A ), { lmf A( ε r) r με { A, με P( A ),. Έτσι θεωρώντας την ακολουθία ενδεχομένων έχουμε, όπου ε r 0 όταν r, τότε P lmf A( ε r). Έτσι ο r ορισμός της σύγκλισης με πιθανότητα, σε πιο συμπαγή μορφή είναι: { ( εr) { εr P lm X X P lmf A P X X <. r r Για παράδειγμα θα μπορούσαμε να θέσουμε ε / r. Πρόταση r Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 22

23 Μια ικανή συνθήκη για σύγκλιση της ακολουθίας τ.μ { X P X X ε <, ε > 0. πιθανότητα είναι { στην τ.μ. X με Θέτουμε m A m X X m για m, έχουμε P( A m ) <, m. ε και για τα ενδεχόμενα ( ) από υπόθεση, ότι ( ) θεώρημα των Borel Catell έχουμε P lm sup A m 0, m. B lm sup A m για m και επειδή P( B ) παίρνουμε Από το ο ( ) Θέτουμε ( ) m P B P B P B m m ( m), δηλαδή m m m P X X < από όπου και X m m as.. m P Bm ή ισοδύναμα m X Παράδειγμα (Πιθανότητα ενδεχομένων σε πεπερασμένο και άπειρο χρονικό ορίζοντα). Κάποια, καθημερινά, ρίχνει m 5 νομίσματα του ενός ευρώ και εκείνα που προσγειώνονται κεφαλή τα κάνει δωρεά. Την πρώτη φορά όμως που όλα τα νομίσματα προσγειωθούν γράμματα, σταματάει οποιαδήποτε δωρεά για πάντα. Έστω { X η ακολουθία του αριθμού των κεφαλών, δηλαδή X # των κεφαλών την οστ ημέρα. Τότε, τουλάχιστον διαισθητικά, είμαστε σίγουροι ότι κάποια μέρα το ποσό δωρεάς θα μηδενιστεί, δηλαδή ότι υπάρχει για το οποίο X 0. Όμως, εάν θεωρήσουμε οποιοδήποτε πεπερασμένο ορίζοντα ημερών, ας πούμε, η πιθανότητα του ενδεχομένου A { την οστ ημέρα έγινε μη μηδενική δωρεά { > 0, θα παραμένει θετική για κάθε. Για να το δούμε αυτό πρέπει πρώτα να παρατηρήσουμε ότι τα ενδεχόμενα A δεν είναι μεταξύ τους ανεξάρτητα { 0 { 0, 0 { 0, 0 P X > P X > X + P X > X >, επειδή P{ X > 0, 0 0, έχουμε X X Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 23

24 { 0 { 0, 0 P X > P X > X >, και επαγωγικά P{ X > 0 P{ X > 0, X > 0,, X > 0. Επειδή P{ X 0, X 0 P{ X 0 P{ X 0 X 0 > > > > >, με P{ X X P{ X X > 0 > 0 0 > 0 2 m, όπου m ο αριθμός των νομισμάτων και παρατηρούμε ότι ( X x X > 0 ) ~ B m,. Τότε η πιθανότητα P{ X 2 0 > γίνεται m { 0 ( 2 ) P{ X 0 P X > >. Ανακυκλώνοντας την προηγούμενη σχέση παίρνουμε τελικά m { > 0 ( 2 ) P{ X > 0 m m ( ) ( P{ X ) ( ) P X > 0,. Δηλαδή η πιθανότητα του ενδεχομένου A { την οστ ημέρα έγινε μη μηδενική > 0 είναι θετική για κάθε. δωρεά { X Όταν όμως το ζητούμενο είναι ο άπειρος χρονικός ορίζοντας (δηλαδή θέλουμε να απαντήσουμε στην ερώτηση: «το πείραμα μπορεί να πραγματοποιείται για πάντα;») θα πρέπει να χρησιμοποιήσουμε το ο Λήμμα των Borel Catell: m P( A) P{ X ( ) m > < ( ) ( ) { { { P 0 P P A, aa.. P X 0, aa.. P lmx 0, δηλαδή ο αριθμός των ω Ω για τα οποία X ( ω) lm 0 είναι πεπερασμένα. Έτσι είμαστε σίγουροι με πιθανότητα, ότι κάποια μέρα το ποσό δωρεάς θα γίνει 0 και θα παραμείνει 0 για πάντα. Άσκηση (Θεωρητική) P Η σύγκλιση ακολουθίας τ.μ. ως προς πιθανότητα X X όταν (covergece probablty) ορίζεται με τον εξής τρόπο: Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 24

25 P { { X X lm P X X ε 0 lm P X X < ε, ε > 0. Να δειχθεί ότι { P lm X X X X. lm P{ X X ε lm P { X X ε P { X X ε, επειδή { X X ε P lmsup { X X ε P{ X X ε, o.., ε > 0. Επειδή P{ X X P{ X X ε o lm,.. 0, ε > 0 P από όπου και { lm P X X ε 0, ε > 0. Άσκηση (Θεωρητική) Να δειχθεί ότι εάν X { P lm X X P X τότε υπάρχει υπακολουθία { τέτοια ώστε, δηλαδή υπάρχει υπακολουθία { X συγκλίνει ισχυρά στην τ.μ. X. { ε X X lm P X X 0, ε > 0 P της { X { P{ X { X { P X X { { που : 2 2 : 2 2 < P X X < 2, aa.., P lm X X. Παράρτημα Α lmf και lmsup για ακολουθίες πραγματικών αριθμών. Έστω { a f ( ) f a ακολουθία πραγματικών αριθμών. Τότε το μεγαλύτερο κάτω φράγμα της (greatest lower boud), Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 25

26 sup ( ) supa το μικρότερο άνω φράγμα της (lowest upper boud). f a το έχει μικρότερο στοιχείο m a f a supa το έχει μεγαλύτερο στοιχείο max a sup a f ( ) sup( ) Παραδείγματα { x x { x x f : 0 < < f : { x x sup : < 2 2 f ( ) :, sup ( ) : Ορίζουμε τις ακολουθίες z f a και Z sup a για. Έχουμε ότι ( ) { { z lm z lm f a sup f a sup f a : : lmf a, { { Z lm Z lm sup a f sup a f sup a : : lmsup a. Ισχύουν τα παρακάτω:. lmf a lmsup( a ). 2. Εάν a a lmf a lm a a lmsup a 3. f a lm f a lm sup a sup a. Για να δείξουμε την τελευταία ανισότητα παρατηρούμε ότι: f a f a sup f a και f sup a sup a sup a ενώ ( ) f a sup a lm f a lm sup a sup f a f sup a. Παρατηρήσεις:. Έστω ότι lm a L lmf a f ( L), lmsup a sup( L) f ( L) sup( L) τότε L { a. Εάν και το όριο της a υπάρχει, δηλαδή a a. Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 26

27 2. Το σύνολο L αποτελείται από τα όρια όλων των συγκλινουσών υπακολουθιών,. a στο { Παράδειγμα Α. { ( ) { {,,,, {, { lm 2, lm 2 a L a a από όπου lm f a f ( L) και a ( L) lm sup sup. Παράδειγμα Α.2 s( π / 2) { a { a, a2, a3, a4, a5 5, a6, a7, a8, a9 9, 3 7 { L a4 m a4 2 lm 3 l, lm lm, lm a4 lm 0, lm a4 lm { 0,,, από όπου lm f a f ( L) 0, lm sup a sup( L). Παράδειγμα Α.3, odd + Θέτουμε { a με a, eve + 2 a2, a2 0 L { 0,, 2 2+ lm f a f L 0, lm sup a sup L. από όπου ( ) ( ) Παράδειγμα Α.4 π { a s 3 Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 27

28 από όπου L, 0, lm f a f ( L), lm sup a sup( L) Σπυρίδων Ι. Χατζησπύρος Πιθανότητες ΙΙ Ακολουθίες ενδεχομένων 28

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

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

Διαβάστε περισσότερα

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

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

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

Διαβάστε περισσότερα

( 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

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

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

Διαβάστε περισσότερα

Απειροσ τικός Λογισμός ΙΙ Πρόχειρες Σημειώσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

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

Διαβάστε περισσότερα

II. Τυχαίες Μεταβλητές

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

Διαβάστε περισσότερα

Στοχαστικές Στρατηγικές

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

Διαβάστε περισσότερα

Παράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης.

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές. Ορισμός

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

Διαβάστε περισσότερα

Μέρος ΙΙ. Τυχαίες Μεταβλητές

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

Διαβάστε περισσότερα

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

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

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

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΠΡΑΓΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

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

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

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

Διαβάστε περισσότερα

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων

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

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

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

Διαβάστε περισσότερα

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

Ισότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών

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

Διαβάστε περισσότερα

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

ΜΕΓΙΣΤΙΚΟΣ ΤΕΛΕΣΤΗΣ 18 Σεπτεμβρίου 2014

ΜΕΓΙΣΤΙΚΟΣ ΤΕΛΕΣΤΗΣ 18 Σεπτεμβρίου 2014 ΜΕΓΙΣΤΙΚΟΣ ΤΕΛΕΣΤΗΣ 18 Σεπτεμβρίου 2014 Περιεχόμενα 1 Εισαγωγή 2 2 Μεγιστικός τελέστης στην μπάλα 2 2.1 Βασικό θεώρημα........................ 2 2.2 Γενική περίπτωση μπάλας.................. 6 2.2.1 Στο

Διαβάστε περισσότερα

Όριο και συνέχεια πραγματικής συνάρτησης

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

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

Διαβάστε περισσότερα

3/10/2016. Στατιστική Ι. 1 η Διάλεξη

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

Διαβάστε περισσότερα

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

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

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

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

EukleÐdeiec emfuteôseic: ˆnw frˆgmata

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

Διαβάστε περισσότερα

HY118-Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης Μάθημα 7 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες

Διαβάστε περισσότερα

Αλγόριθμοι για αυτόματα

Αλγόριθμοι για αυτόματα Κεφάλαιο 8 Αλγόριθμοι για αυτόματα Κύρια βιβλιογραφική αναφορά για αυτό το Κεφάλαιο είναι η Hopcroft, Motwani, and Ullman 2007. 8.1 Πότε ένα DFA αναγνωρίζει κενή ή άπειρη γλώσσα Δοθέντος ενός DFA M καλούμαστε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

sup(a + B) = sup A + sup B inf(a + B) = inf A + inf B.

sup(a + B) = sup A + sup B inf(a + B) = inf A + inf B. Ασκήσεις, Φυλλάδιο. Βρειτε το συνολο Φ A ολων των ανω ϕραγματων του A, και το συνολο φ A ολων των κατω ϕραγματων του A, οταν: a) A = m :, m N}, b) A = + m 2. Βρειτε το if και sup οποτε υπαρχουν) των συνολων

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Το φασματικό Θεώρημα

Το φασματικό Θεώρημα Το φασματικό Θεώρημα 1 Το φάσμα ενός τελεστή Λήμμα 1.1 Έστω A B(H) φυσιολογικός τελεστής. Αν x H είναι ιδιοδιάνυσμα του A με ιδιοτιμή λ, τότε A x = λx. Έπεται ότι οι ιδιόχωροι ενός φυσιολογικού τελεστή

Διαβάστε περισσότερα

Ακολουθίες πραγματικών αριθμών

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Ask seic kai Jèmata sth JewrÐa Mètrou kai Olokl rwsh

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

5 Σύγκλιση σε τοπολογικούς χώρους

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Πρόταση. f(x) ομοιόμορφα συνεχής στο I. δ (ɛ) > 0 : x, ξ I, x ξ < δ (ɛ, ξ) f(x) f(ξ) < ɛ. ɛ > 0, δ > 0 : ΜΗ ομοιόμορφα συνεχής.

Πρόταση. f(x) ομοιόμορφα συνεχής στο I. δ (ɛ) > 0 : x, ξ I, x ξ < δ (ɛ, ξ) f(x) f(ξ) < ɛ. ɛ > 0, δ > 0 : ΜΗ ομοιόμορφα συνεχής. f(x) ομοιόμορφα συνεχής στο I ɛ > 0, δ (ɛ) > 0 : x, ξ I, x ξ < δ (ɛ, ξ) f(x) f(ξ) < ɛ f(x) ΜΗ ομοιόμορφα συνεχής ɛ > 0, δ > 0 : x, ξ I, x ξ < δ f(x) f(ξ) ɛ f(x) συνεχής στο [a, b] f(x) ομοιόμορφα συνεχής

Διαβάστε περισσότερα

Απειροστικός Λογισμός Ι Ασκήσεις

Απειροστικός Λογισμός Ι Ασκήσεις Απειροστικός Λογισμός Ι Ασκήσεις Μ. Παπαδημητράκης . Για καθεμία από τις ανισότητες ΠΡΑΓΜΑΤΙΚΟΙ ΑΡΙΘΜΟΙ ΚΑΙ ΣΥΝΑΡΤΗΣΕΙΣ + >, +, + > +3 3+, ( )( 3) ( ) 0 γράψτε ως διάστημα ή ως ένωση διαστημάτων το σύνολο

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά ΙΙ 5ο Σετ Ασκήσεων (Λύσεις) Πίνακες Επιμέλεια: I. Λυχναρόπουλος

Εφαρμοσμένα Μαθηματικά ΙΙ 5ο Σετ Ασκήσεων (Λύσεις) Πίνακες Επιμέλεια: I. Λυχναρόπουλος Εφαρμοσμένα Μαθηματικά ΙΙ 5ο Σετ Ασκήσεων (Λύσεις) Πίνακες Επιμέλεια: I. Λυχναρόπουλος 3. Αν A 5 4, B 4, C να υπολογίσετε τις ακόλουθες πράξεις 4 3 8 3 7 3 (αν έχουν νόημα): α) AB, b) BA, c) CB, d) C B,

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3. Στοιχεία Θεωρίας Μέτρου - Πιθανοτήτων

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

Διαβάστε περισσότερα

Ακουλουθίες ρ. Κωνσταντίνα Παναγιωτίδου

Ακουλουθίες ρ. Κωνσταντίνα Παναγιωτίδου Ακουλουθίες ρ. Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Εισαγωγικά Βασικοί Ορισµοί Μονοτονία Ακολουθίας Φραγµένη Ακολουθία Υπακολουθίες Σύγκλιση - Απόκλιση Ακολουθιών N = {1, 2,

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

x \ B T X. A = {(x, y) R 2 : x 0, y 0}

x \ B T X. A = {(x, y) R 2 : x 0, y 0} ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΕΜ Χειμερινό εξάμηνο 2017-18 ΜΕΜ231-ΤΟΠΟΛΟΓΙΑ, 6Η ΔΙΑΛΕΞΗ ΚΛΕΙΣΤΑ ΣΥΝΟΛΑ, ΕΣΩΤΕΡΙΚΑ ΚΑΙ ΚΛΕΙΣΤΟΤΗΤΕΣ, ΟΡΙΑΚΑ ΣΥΝΟΛΑ, ΧΩΡΟΙ HAUSDORFF ΔΙΔΑΣΚΩΝ: Ι.Δ. ΠΛΑΤΗΣ 1. Κλειστα συνολα Εχοντας

Διαβάστε περισσότερα

f x 0 για κάθε x και f 1

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

Διαβάστε περισσότερα

Στατιστική. Εκτιμητική

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1: Πρότυπα. x y x z για κάθε x, y, R με την ιδιότητα 1R. x για κάθε x R, iii) υπάρχει στοιχείο 1 R. ii) ( x y) z x ( y z)

ΚΕΦΑΛΑΙΟ 1: Πρότυπα. x y x z για κάθε x, y, R με την ιδιότητα 1R. x για κάθε x R, iii) υπάρχει στοιχείο 1 R. ii) ( x y) z x ( y z) ΚΕΦΑΛΑΙΟ 1: Πρότυπα Στο κεφάλαιο αυτό θα υπενθυμίσουμε τις βασικές έννοιες που αφορούν πρότυπα πάνω από ένα δακτύλιο Θα περιοριστούμε στα πλέον απαραίτητα για αυτά που ακολουθούν στα άλλα κεφάλαια Η κατευθυντήρια

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

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

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

Διαβάστε περισσότερα

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

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 4 η Ημερομηνία Αποστολής στον Φοιτητή: 5 Φεβρουαρίου 008 Ημερομηνία παράδοσης της Εργασίας: 4 Μαρτίου 008

Διαβάστε περισσότερα

1 Ορισµός ακολουθίας πραγµατικών αριθµών

1 Ορισµός ακολουθίας πραγµατικών αριθµών ΜΑΣ 02. Απειροστικός Λογισµός Ι Ορισµός ακολουθίας πραγµατικών αριθµών Ορισµός.. Ονοµάζουµε ακολουθία πραγµατικών αριθµών κάθε απεικόνιση του συνόλου N των ϕυσικών αριθµών, στο σύνολο R των πραγµατικών

Διαβάστε περισσότερα

sin(5x 2 ) sin(4x) e 5t 2 1 (ii) lim x 0 10x 3 (iii) lim (iv) lim. 10t sin(ax) = 1. = 1 1 a lim = sin(5x2 ) = 2. f (x) = sin x. = e5t 1 = 1 0 = 0.

sin(5x 2 ) sin(4x) e 5t 2 1 (ii) lim x 0 10x 3 (iii) lim (iv) lim. 10t sin(ax) = 1. = 1 1 a lim = sin(5x2 ) = 2. f (x) = sin x. = e5t 1 = 1 0 = 0. ΑΣΚΗΣΕΙΣ ΑΠΕΙΡΟΣΤΙΚΟΥ ΛΟΓΙΣΜΟΥ Ι, Φυλλάδιο 3 Λύσεις Ασκήσεων. Να υπολογίσετε τα παρακάτω όρια. sia) i) ποιες συνθήκες πρέπει να ισχύουν για τα a, β ώστε να έχει νόημα το όριο;) 0 siβ) si5 ) si4) cos cos

Διαβάστε περισσότερα

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

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

Διαβάστε περισσότερα

1 Χώροι πηλίκα { } x = y x y Y. Με τις πράξεις της πρόσθεσης και του βαθμωτού πολλαπλασιασμού που ορίζονται με τον

1 Χώροι πηλίκα { } x = y x y Y. Με τις πράξεις της πρόσθεσης και του βαθμωτού πολλαπλασιασμού που ορίζονται με τον Χώροι πηλίκα Έστω διανυσματικός χώρος και Y διανυσματικός υπόχωρος του. Για κάθε θεωρούμε το σύμπλοκο σχετικά με τον Y, = + y y Y = + Y ορ { : } δηλαδή το είναι η παράλληλη μεταφορά του Y κατά το διάνυσμα.

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος

Διαβάστε περισσότερα

Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις

Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις Ορισμός: Έστω Α, Β R. Πραγματική συνάρτηση πραγματικής μεταβλητής από το σύνολο Α στο σύνολο Β ονομάζουμε την διαδικασία κατά την οποία κάθε στοιχείο του συνόλου

Διαβάστε περισσότερα

d k 10 k + d k 1 10 k d d = k i=0 d i 10 i.

d k 10 k + d k 1 10 k d d = k i=0 d i 10 i. Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε

Διαβάστε περισσότερα

Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.

Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017. HY118-Διακριτά Μαθηματικά Τρίτη, 02/05/2017 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 04-May-17 1 1 04-May-17 2 2 Γιατί πιθανότητες; Γιατί πιθανότητες; Στον προτασιακό και κατηγορηματικό

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

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

Διαβάστε περισσότερα

Για την κατανόηση της ύλης αυτής θα συμβουλευθείτε επίσης το: βοηθητικό υλικό που υπάρχει στη

Για την κατανόηση της ύλης αυτής θα συμβουλευθείτε επίσης το: βοηθητικό υλικό που υπάρχει στη ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 4 η Ημερομηνία Αποστολής στον Φοιτητή: Φεβρουαρίου Ημερομηνία παράδοσης της Εργασίας: 6 Μαρτίου Πριν από την λύση κάθε άσκησης καλό είναι να

Διαβάστε περισσότερα

Εισαγωγή στη διακριτή πιθανότητα

Εισαγωγή στη διακριτή πιθανότητα Κεφάλαιο 11 Εισαγωγή στη διακριτή πιθανότητα Κύριες βιβλιογραφικές αναφορές για αυτό το Κεφάλαιο είναι οι Ross 1976, Grinstead and Snell 2012 και Hoel, Port, and Stone 1971. 11.1 Πειράματα 11.1.1 Ρίψη

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα