Θέμα: ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΙΣ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ΚΕΦΑΛΑΙΟ 7 ΒΙΒΛΙΟ KELLER

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Θέμα: ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΙΣ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ΚΕΦΑΛΑΙΟ 7 ΒΙΒΛΙΟ KELLER"

Transcript

1 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, ΠΑΤΡΑ Τηλ.: , Φαξ: , Καθηγητής Ι. Μητρόπουλο ς TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE DEPARTMENT: BUSINESS ADMINISTRATION (PATRAS) Address: M. Alexandrou 1, PATRA Greece Tel.: ,Fax: , Professo r J. Mitropoulos Θέμα: ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΙΣ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ΚΕΦΑΛΑΙΟ 7 ΒΙΒΛΙΟ KELLER Επιμέλεια: ΜΗΤΡΟΠΟΥΛΟΣ ΙΩΑΝΝΗΣ ΒΑΣΙΟΥ ΓΕΩΡΓΙΑ Ημερομηνία: ΜΑΪΟΣ 2015

2 Α. Κατανομή Poisson ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ Στη τυχαία μεταβλητή Poisson αυτό που είναι δεδομένο είναι ο χρόνος ή ο χώρος των συμβάντων. Παραδείγματα τυχαίων μεταβλητών Poisson είναι τα παρακάτω : Το πλήθος των αυτοκινήτων που καταφθάνουν σε ένα σταθμό σε μια ώρα (δεδομένος χρόνος). Το πλήθος των ελαττωμάτων σε ένα τόπι υφάσματος (δεδομένος χώρος). Το πλήθος των τροχαίων ατυχημάτων σε ένα χιλιόμετρο αυτοκινητοδρόμου σε μια ημέρα (δεδομένος χρόνος και χώρος). Ένα πείραμα τύχης Poisson έχει τα παρακάτω χαρακτηριστικά : Ο αριθμός των επιτυχιών που μπορούν να συμβούν σε ένα διάστημα είναι ανεξάρτητος από τον αριθμό των επιτυχιών σε οποιοδήποτε άλλο διάστημα. Η πιθανότητα επιτυχίας είναι ίδια για κάθε διάστημα ίσου μήκους. Η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Αν το μήκος του διαστήματος μειώνεται, η πιθανότητα περισσότερων από μία επιτυχίες πλησιάζει στο μηδέν. Μια τυχαία μεταβλητή Poisson έχει ως τιμή το πλήθος των επιτυχιών σε συγκεκριμένο χρονικό διάστημα ή σε συγκεκριμένο χώρο σε ένα πείραμα Poisson. Η πιθανότητα που έχει μια μεταβλητή Poisson να πάρει την τιμή x είναι : e x x) x! για κάθε x=0,1,..., όπου μ είναι ο αριθμητικός μέσος των επιτυχιών στο χρονικό διάστημα και στον τόπο του πειράματος και e είναι η βάση των φυσικών λογαριθμών (ένας σταθερός αριθμός που ισούται κατά προσέγγιση με 2, ). Παρατηρήσεις 1. Σε κάθε κατανομή Poisson η διασπορά ισούται με τον αριθμητικό μέσο, δη- 2 λαδή. 2. Για την εφαρμογή του τύπου της πιθανότητας ισχύει ότι : x! x ( x 1) ( x 2) !=1 και 1!=1 3. Η πιθανότητα της μορφής X x) ονομάζεται αθροιστική πιθανότητα. 4. Υπάρχουν πίνακες που δίνουν έτοιμες τις αθροιστικές πιθανότητες Poisson για διάφορες τιμές του μ, διευκολύνοντας σε μεγάλο βαθμό τους υπολογισμούς. (Οι πίνακες αυτοί φαίνονται στο τέλος της ενότητας) Ιδιότητες πιθανοτήτων Poisson Πιθανότητα Poisson X x) P ( X x) 1 X [ x 1]), όπου [x-1] είναι το ακέραιο μέρος της αμέσως μικρότερης τιμής. Πιθανότητα Poisson X x) P ( X x) X x) X [ x 1]), όπου [x-1] είναι το ακέραιο μέρος της αμέσως μικρότερης τιμής. P ( X 0) X 0) 2

3 Ασκήσεις 1. Το πλήθος των ατυχημάτων σε μια πολυσύχναστη διασταύρωση είναι μια τυχαία μεταβλητή Poisson με μέσο μ=3,5 ατυχήματα ανά εβδομάδα. Να υπολογίσετε την πιθανότητα των εξής ενδεχομένων : α) Να μη συμβεί κανένα ατύχημα στη διάρκεια μιας εβδομάδας. β) Να συμβούν 5 ή περισσότερα ατυχήματα σε μια εβδομάδα. γ) Να συμβεί ένα ατύχημα σήμερα. e x α) Εφαρμόζουμε τον τύπο x) για x=0. x! 3,5 0 3,5 e 3,5 (2,71828) 1 P (0) 0,0302 3,02 % 0! 1 Το αποτέλεσμα προκύπτει από τον πίνακα πιθανοτήτων Poisson από την πιθανότητα P ( x 0) (αφού ισχύει P ( 0) x 0) ) για κ=0 και μ=3,5. β) Σύμφωνα με τη πρώτη ιδιότητα των πιθανοτήτων Poisson που είδαμε παραπάνω ισχύει : P ( x 5) 1 x 4) 1 0,7254 0, , 46 % Το αποτέλεσμα της πιθανότητας P ( x 4) προκύπτει από τον πίνακα πιθανοτήτων Poisson για κ=4 και μ=3,5. γ) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Μία εβδομάδα έχει 7 ημέρες. Για την εβδομάδα έχουμε μ=3,5 οπότε για την μία ημέρα θα είναι 3,5 7 0, 5. Θέλουμε να βρούμε την πιθανότητα P ( x 1) η οποία σύμφωνα με τη δεύτερη ιδιότητα των πιθανοτήτων Poisson είναι : x 1) x 1) x 0) 0,9098 0,6065 0,3033 3,033 % Οι πιθανότητες P ( x 1) και P ( x 0) προκύπτουν από τον πίνακα πιθανοτήτων Poisson για κ=1, μ=0,5 και κ=0, μ=0,5 αντίστοιχα. 2. Οι επισκέψεις σε μια ιστοσελίδα είναι αρκετά σπάνιες και συμβαίνουν τυχαία και ανεξάρτητα με μέση συχνότητα 4 ανά εβδομάδα. α) Ποια είναι η πιθανότητα να δεχτεί η ιστοσελίδα 10 ή περισσότερες επισκέψεις στη διάρκεια μιας εβδομάδας; β) Ποια είναι η πιθανότητα να δεχτεί η ιστοσελίδα 20 ή περισσότερες επισκέψεις στη διάρκεια δύο εβδομάδων; Στη συγκεκριμένη άσκηση μας δίνεται το πλήθος των επισκέψεων στην ιστοσελίδα σε μια εβδομάδα (δεδομένος χρόνος) άρα έχουμε μια τυχαία μεταβλητή Poisson με μ=4. α) Σύμφωνα με τη πρώτη ιδιότητα των πιθανοτήτων Poisson που είδαμε παραπάνω ισχύει : P ( x 10) 1 x 9) 1 0,9919 0,0081 0, 81% Η πιθανότητα P ( x 9) προκύπτει από τον πίνακα πιθανοτήτων Poisson για μ=4 και κ =9. 3

4 β) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Αφού, λοιπόν, μ=4 για το διάστημα μιας εβδομάδας, για τις δύο εβδομάδες θα είναι Σύμφωνα με τη πρώτη ιδιότητα των πιθανοτήτων Poisson που είδαμε παραπάνω ισχύει : P ( x 20) 1 x 19) 1 0,9997 0,003 0, 3 % Η πιθανότητα P ( x 19) προκύπτει από τον πίνακα πιθανοτήτων Poisson για μ=8 και κ = Οι ληστείες των τραπεζών που συμβαίνουν σε μια Αμερικανική μεγαλούπολη αποτελούν μια τυχαία μεταβλητή Poisson με μέσο 2,5 ληστείες ανά ημέρα. Να υπολογίσετε την πιθανότητα των εξής ενδεχομένων : α) Να συμβούν τρεις ή περισσότερες ληστείες την ίδια ημέρα. β) Να συμβούν από 10 μέχρι και 15 ληστείες στη διάρκεια τεσσάρων ημερών. α) Σύμφωνα με τη πρώτη ιδιότητα των πιθανοτήτων Poisson που είδαμε παραπάνω ισχύει : P ( x 3) 1 x 2) 1 0,5438 0, , 62 % Η πιθανότητα P ( x 2) προκύπτει από τον πίνακα πιθανοτήτων Poisson για μ=2,5 και κ=2. β) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Αφού, λοιπόν, μ=2,5 για μία ημέρα, για διάστημα τεσσάρων ημερών θα είναι 4 2,5 10 Μια από τις γενικές ιδιότητες των πιθανοτήτων είναι : P ( x ) x ) x ) Σύμφωνα με αυτή την ιδιότητα ισχύει : 10 x 15) x 15) x 10) 0,9513 0,5830 0, ,83 % Οι πιθανότητες P ( x 15) και P ( x 10) προκύπτουν από τον πίνακα πιθανοτήτων Poisson για κ=15, μ=10 και κ=10, μ=10 αντίστοιχα. 4. Τα αυτοκίνητα που φτάνουν σε ένα πρατήριο καυσίμων ακολουθούν μια κατανομή Poisson με μέση συχνότητα 5 αυτοκίνητα ανά ώρα. α) Ποια είναι η πιθανότητα να φτάσει την επόμενη ώρα μόνο ένα αυτοκίνητο; β) Ποια είναι η πιθανότητα να φτάσουν περισσότερα από 20 αυτοκίνητα στις επόμενες 3 ώρες; α) Η πιθανότητα που ζητάμε είναι η P (1) η οποία, σύμφωνα με τη δεύτερη ιδιότητα των πιθανοτήτων είναι ίση με : x 1) x 1) x 0) 0,0404 0,0067 0,0337 3,37 % Οι πιθανότητες P ( x 1) και P ( x 0) προκύπτουν από τον πίνακα πιθανοτήτων Poisson για κ=1, μ=5 και κ=0, μ=5 αντίστοιχα. β) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Αφού, λοιπόν, μ=5 για μία ώρα, για διάστημα τριών ωρών θα είναι Η πιθανότητα που ζητάμε είναι η P ( x 20) η οποία, σύμφωνα με τις γενικές ιδιό- 4

5 τητες των πιθανοτήτων, είναι ίση με : x 20) 1 x 20) 1 0,9170 0,083 8,3 % Η πιθανότητα P ( x 20) προκύπτει από τον πίνακα πιθανοτήτων Poisson για κ=20 και μ=15. (Ένας άλλος τρόπος να βρούμε την πιθανότητα P ( x 20) είναι να σκεφτούμε ως εξής : Όταν θέλουμε περισσότερα από 20 αυτοκίνητα, εννοούμε από 21 και πάνω, αφού η Poisson είναι διακριτή. Άρα, ισχύει x 20) x 21) και σύμφωνα με την πρώτη ιδιότητα των πιθανοτήτων Poisson έχουμε P ( x 21) 1 x 20) ) 5. Ο αριθμός των χρηστών μιας αυτόματης ταμειακής μηχανής σε μια τράπεζα είναι μια κατανομή Poisson με μέσο 1,5 χρήστες ανά 5 λεπτά. Να υπολογίσετε την πιθανότητα των εξής ενδεχομένων : α) Κανένας χρήστης στα επόμενα 5 λεπτά. β) Πέντε ή λιγότεροι χρήστες στα επόμενα 15 λεπτά. γ) Τρεις ή περισσότεροι χρήστες στα επόμενα 10 λεπτά. α) Ζητάμε την πιθανότητα P ( x 0) η οποία σύμφωνα με τη τρίτη ιδιότητα των πιθανοτήτων Poisson είναι : P ( x 0) x 0) 0, ,31% Η πιθανότητα P ( x 0) προκύπτει από τον πίνακα πιθανοτήτων Poisson για μ=1,5 και κ=0. β) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Ο μέσος για τα 5 λεπτά είναι 1,5, άρα ο μέσος για τα λεπτά θα είναι 1,5 3 4,5. Η πιθανότητα που ζητάμε είναι : P ( x 5) 0, , 29% της οποίας η τιμή προκύπτει από τον πίνακα πιθανοτήτων Poisson για κ=5 και μ=4,5. γ) Όπως αναφέρεται παραπάνω, σε ένα πείραμα Poisson η πιθανότητα επιτυχίας σε ένα διάστημα είναι ανάλογη προς το μήκος του διαστήματος. Ο μέσος για τα 5 λεπτά είναι 1,5, άρα ο μέσος για τα λεπτά θα είναι 1, Η πιθανότητα που ζητάμε, σύμφωνα με τη πρώτη ιδιότητα των πιθανοτήτων Poisson είναι : P ( x 3) 1 x 2) 1 0,4232 0, , 68 %. Η πιθανότητα P ( x 2) προκύπτει από τον πίνακα πιθανοτήτων Poisson για κ=2 και μ=3. 5

6 Β. Διωνυμική Κατανομή Η διωνυμική κατανομή είναι το αποτέλεσμα ενός διωνυμικού πειράματος τύχης, που έχει τα παρακάτω χαρακτηριστικά : Το διωνυμικό πείραμα (binomial experiment) αποτελείται από ένα πεπερασμένο αριθμό δοκιμών. Ο αριθμός αυτός συμβολίζεται ως n. Σε κάθε δοκιμή υπάρχουν δύο αποτελέσματα, που χαρακτηρίζονται ως «επιτυχία» και «αποτυχία». Η πιθανότητα της επιτυχίας σε κάθε δοκιμή συμβολίζεται ως p και η πιθανότητα της αποτυχίας ισούται με 1-p. Οι δοκιμές είναι ανεξάρτητες μεταξύ τους, δηλαδή το αποτέλεσμα μιας δοκιμής δεν επηρεάζει το αποτέλεσμα οποιασδήποτε άλλης. Μερικά παραδείγματα διωνυμικών πειραμάτων είναι τα εξής : o Ρίχνουμε ένα νόμισμα 10 φορές. Το αποτέλεσμα κάθε ρίψης είναι κορώνα ή γράμματα και μπορούμε οποιοδήποτε από αυτά να το αντιστοιχίσουμε με την «επιτυχία» και το άλλο με την «αποτυχία», ανάλογα με το ζητούμενο του προβλήματος. Αν το νόμισμα είναι ισοβαρές τότε η πιθανότητα της κάθε όψης είναι 50%, άρα p=0,5. Τέλος, κάθε ρίψη του νομίσματος είναι ανεξάρτητη από κάθε άλλη. o Επιλέγουμε τυχαία 5 χαρτιά από μια καλά ανακατεμένη τράπουλα. Μπορούμε να αντιστοιχίσουμε με την «επιτυχία» το χρώμα το οποίο θέλουμε, για παράδειγμα τα σπαθιά. Στη πρώτη δοκιμή η πιθανότητα επιτυχίας είναι 13/52=0,25. Αν όμως δεν επαναφέρουμε το χαρτί στην τράπουλα και δεν ανακατέψουμε πάλι, η δεύτερη δοκιμή δεν είναι ανεξάρτητη από την πρώτη, επειδή θα έχουν μείνει μόνο 51 χαρτιά από τα οποία 12 ή 13 σπαθιά, ανάλογα με το αποτέλεσμα της πρώτης δοκιμής. Σε κάθε περίπτωση η πιθανότητα επιτυχίας στη δεύτερη δοκιμή είναι διαφορετική από την πρώτη, συνεπώς δεν έχουμε διωνυμική κατανομή. Στα περισσότερα παιχνίδια με τράπουλα επιλέγουμε έναν αριθμό από χαρτιά χωρίς να επαναφέρουμε τα προηγούμενα, άρα τα πειράματα δεν είναι διωνυμικά. o Μια δημοσκόπηση καταγράφει τη πρόθεση ψήφου ενός δείγματος 1500 ψηφοφόρων. Στις περισσότερες εκλογές στις ΗΠΑ υπάρχουν μόνο δύο υποψήφιοι, ένας από το Δημοκρατικό και ένας από το Ρεπουμπλικανικό κόμμα. Έτσι κάθε δοκιμή, δηλαδή η απάντηση κάθε ψηφοφόρου, έχει δύο αποτελέσματα, από τα οποία το ένα μπορεί να ονομαστεί «επιτυχία». Ακόμη και αν υπήρχαν περισσότεροι υποψήφιοι θα μπορούσαμε να χαρακτηρίσουμε ως «επιτυχία» την επιλογή ενός από αυτούς (π.χ. του κόμματος που έχει παραγγείλει τη δημοσκόπηση) και ως «αποτυχία» την επιλογή οποιουδήποτε άλλου. Τέλος, οι απαντήσεις των μελών του δείγματος είναι ανεξάρτητες μεταξύ τους. Η διωνυμική τυχαία μεταβλητή έχει ως τιμή το πλήθος των επιτυχιών σε ένα διωνυμικό πείραμα. Έτσι, μπορεί να πάρει τις τιμές 0,1,2,...,n και κατά συνέπεια είναι διακριτή μεταβλητή. Σε αντίθεση με τη τυχαία μεταβλητή Poisson, στη διωνυμική τυχαία μεταβλητή, αυτό που είναι δεδομένο δεν είναι ο χρόνος ή ο χώρος των συμβάντων αλλά το πλήθος των δοκιμών του πειράματος. Σε ένα διωνυμικό πείραμα με πιθανότητα επιτυχίας p, η πιθανότητα x επιτυχιών σε n δοκιμές είναι ίση με : 6

7 n x n x P x! ( ) p (1 p x!( n x)! ) για κάθε x=0,1,2,..,n. Ισχύει : x! x ( x 1) ( x 2) και n! n( n 1) ( n 2) !=1 και 1!=1 Ιδιότητες διωνυμικής πιθανότητας Διωνυμική πιθανότητα X x) P ( X x) 1 X [ x 1]), όπου [x-1] είναι το ακέραιο μέρος της αμέσως μικρότερης τιμής. Διωνυμική πιθανότητα X x) P ( X x) X x) X [ x 1]), όπου [x-1] είναι το ακέραιο μέρος της αμέσως μικρότερης τιμής. P ( X 0) X 0) Παράμετροι της διωνυμικής κατανομής Ο αριθμητικός μέσος, η διασπορά και η τυπική απόκλιση μιας διωνυμικής τυχαίας μεταβλητής υπολογίζονται με τη βοήθεια των παρακάτω τύπων : n p 2 n p (1 p) n p ( 1 p) Παρατηρήσεις: 1. Η πιθανότητα της μορφής X x) ονομάζεται αθροιστική πιθανότητα. 2. Υπάρχουν πίνακες που δίνουν έτοιμες τις αθροιστικές διωνυμικές πιθανότητες για διάφορες τιμές των n και p, διευκολύνοντας σε μεγάλο βαθμό τους υπολογισμούς. (Οι πίνακες αυτοί φαίνονται στο τέλος της ενότητας) 3. Για να υπολογίσουμε τη πιθανότητα κάθε τιμής της διωνυμικής τυχαίας μεταβλητής μπορούμε να κατασκευάσουμε και δένδρο πιθανοτήτων, όπως φαίνεται στο παρακάτω σχήμα. Σε κάθε κόμβο του δένδρου υπάρχουν δύο κλάδοι που αντιπροσωπεύουν την επιτυχία (S=success) και την αποτυχία (F=failure) στην αντίστοιχη δομή. Κάθε διαδρομή από το αριστερό στο δεξιό άκρο του δένδρου είναι ένα δυνατό αποτέλεσμα του διωνυμικού πειράματος, αποτελείται από μια ακολουθία κλάδων και συμβολίζεται από μια ακολουθία n συμβόλων, π.χ. SFF.FS. Για να υπολογίσουμε τη πιθανότητα μιας διαδρομής που περιλαμβάνει x επιτυχίες και n-x αποτυχίες, θα πρέπει για κάθε επιτυχία να πολλαπλασιάσουμε επί τη πιθανότητα επιτυχίας p και για κάθε αποτυχία να πολλαπλασιάσουμε επί τη πιθανότητα αποτυχίας 1-p. Έτσι, κάθε ακολουθία κλάδων που περιλαμβάνει ακριβώς x επιτυχίες έχει πιx nx θανότητα p ( 1 p). Για να υπολογίσουμε την πιθανότητα P (x) θα πρέπει να γνωρίζουμε και το πλήθος των διαδρομών που περιλαμβάνουν ακριβώς x επιτυχίες. Ο υπολογισμός του πλήθους των διαδρομών γίνεται με τη βοήθεια του διωνυμικού τύπου για τον υπολογιn! σμό των συνδυασμών n στοιχείων ανά x : C n x. x!( n x)! 7

8 Ασκήσεις 1. Μια πινακίδα στις αντλίες βενζίνης μιας αλυσίδας πρατηρίων υπενθυμίζει στους πελάτες να ελέγξουν τη στάθμη του λαδιού στα αυτοκίνητά τους, υποστηρίζοντας ότι ένα στα πέντε αυτοκίνητα χρειάζεται να συμπληρώσει λάδια. Αν αυτό είναι αλήθεια, να υπολογίσετε την πιθανότητα : α) Ένα από τα επόμενα τέσσερα αυτοκίνητα να χρειαστεί να συμπληρώσει λάδια. β) Δύο από τα επόμενα οκτώ αυτοκίνητα να χρειαστεί να συμπληρώσουν λάδια. γ) Δέκα από τα επόμενα σαράντα αυτοκίνητα να χρειαστεί να συμπληρώσουν λάδια. Σε αυτό το πρόβλημα έχουμε ένα διωνυμικό πείραμα στο οποίο ως επιτυχία θεωρείται η συμπλήρωση λαδιών στο αυτοκίνητο (και ως αποτυχία η μη συμπλήρωση λαδιών). Εφόσον, θεωρούμε ότι ένα στα πέντε αυτοκίνητα χρειάζεται να συμπληρώσει λάδια, αυτό σημαίνει ότι η πιθανότητα επιτυχίας είναι p=1/5=0,2 (και της αποτυχίας είναι 1-0,2=0,8). Επίσης, έχουμε δεδομένο το πλήθος των δοκιμών το οποίο είναι στο (α) σκέλος n=4, στο (β) σκέλος n=8 και στο (γ) σκέλος n=40. α) Eφαρμόζουμε τον τύπο της πιθανότητας για x=1, n=4, p=0,2 : 4! ) (0,2) (1 0,2) 0,2 (0,8) 0,2 (0,8) 0,4096 1!(4 1)! 13! 1 23 = 40,96% Η παραπάνω πιθανότητα μπορεί να υπολογιστεί και με τη βοήθεια δένδρου πιθανοτήτων όπως φαίνεται παρακάτω : 8

9 Το πλήθος των διαδρομών που θέλουμε να έχουν μία επιτυχία υπολογίζεται από τον n! 4 4! τύπο C n x C1 4 και η πιθανότητα που ζητάμε υπολογίζεx!( n x)! 1!(4 1)! ται από τον τύπο της πιθανότητας n! x nx n x nx 1 41 P ( x) p (1 p) Cx p (1 p) 4(0,2) (1 0,2) 0,4096 x!( n x)! (Στο παραπάνω δένδρο οι διαδρομές με μία επιτυχία είναι με κόκκινο χρώμα) β) Σύμφωνα με τη δεύτερη ιδιότητα της διωνυμικής πιθανότητας έχουμε : P ( x 2) x 2) x 1) 0,7969 0,5033 0, ,36% Οι πιθανότητες P ( x 2) και P ( x 1) προκύπτουν από τον πίνακα των αθροιστικών διωνυμικών πιθανοτήτων για n=8, p=0,2, k=2 και n=8, p=0,2, k=1 αντίστοιχα. γ) Eφαρμόζουμε τον τύπο της πιθανότητας για x=10, n=40, p=0,2 : 40! 10) (0,2) 10!(40 10)! 10 (1 0,2) (0,2) ! 30! (0,2) (0,8) (0,2) (0,8) ! Ο παραπάνω υπολογισμός μπορεί να γίνει μόνο με τη χρήση υπολογιστή. 10 (0,8) 30 9

10 2. Το γνωστότερο απορρυπαντικό πλυντηρίου πιάτων έχει μερίδιο αγοράς 30%. Αν ένα πολυκατάστημα καταγράψει τις επιλογές 25 πελατών που αγόρασαν απορρυπαντικό πλυντηρίου πιάτων, ποια είναι η πιθανότητα να αγόρασαν το παραπάνω απορρυπαντικό δέκα ή λιγότεροι; Σε αυτό το πρόβλημα έχουμε ένα διωνυμικό πείραμα στο οποίο ως επιτυχία θεωρείται η αγορά του συγκεκριμένου απορρυπαντικού (και ως αποτυχία η μη αγορά του). Έχουμε n=25 δοκιμές (πελάτες) και πιθανότητα επιτυχίας p=30%=0,3 (η πιθανότητα αποτυχίας θα είναι 1-0,3=0,7). Θέλουμε να βρούμε την πιθανότητα P ( x 10) η οποία προκύπτει από τον πίνακα των αθροιστικών διωνυμικών πιθανοτήτων για n=25, p=0,3 και k=10. P ( x 10) 0, ,22 % 3. Ένας φοιτητής που σύντομα ολοκληρώνει τις σπουδές του στην ειδικότητα της λογιστικής, υπολογίζει ότι με βάση τους βαθμούς του και τη πρακτική εξάσκηση που έχει κάνει, έχει πιθανότητα 70% να δεχθεί μια προσφορά εργασίας από κάθε επιχείρηση στην οποία θα στείλει το βιογραφικό του. Αν στείλει το βιογραφικό του σε 4 μόνο επιχειρήσεις, ποια είναι η πιθανότητα να μην δεχθεί καμία προσφορά εργασίας; Εδώ έχουμε ένα διωνυμικό πείραμα στο οποίο ως επιτυχία θεωρούμε την προσφορά εργασίας (και ως αποτυχία την μη προσφορά εργασίας). Η πιθανότητα επιτυχίας είναι p=70%=0,7 (και της αποτυχίας 1-0,7=0,3) ενώ το πλήθος των δοκιμών είναι n=4 (σε 4 επιχειρήσεις στέλνει το βιογραφικό του ο φοιτητής). Η πιθανότητα που ζητάμε είναι η P ( x 0) η οποία σύμφωνα με τον τύπο της διωνυμικής πιθανότητας είναι : 4! ! 4 4 0) (0,7) (1 0,7) 1 (0,3) 1 (0,3) 0,0081 0,81% 0!(4 0)! 1 4! Η παραπάνω πιθανότητα μπορεί να υπολογιστεί και με τη βοήθεια δένδρου πιθανοτήτων όπως φαίνεται παρακάτω : 10

11 Το πλήθος των διαδρομών που θέλουμε να μην έχουν καμία επιτυχία υπολογίζεται n! 4 4! από τον τύπο C n x C0 1 και η πιθανότητα που ζητάμε x!( n x)! 0!(4 0)! υπολογίζεται από τον τύπο της πιθανότητας n! x nx n x nx 0 40 P ( x) p (1 p) Cx p (1 p) 1(0,7) (1 0,7) 0,0081 x!( n x)! (Στο παραπάνω δένδρο η διαδρομή που δεν έχει καμία επιτυχία είναι με κόκκινο χρώμα) 4. Στις ΗΠΑ οι εκλογείς που δεν ψηφίζουν ούτε το Δημοκρατικό ούτε το Ρεπουμπλικανικό κόμμα ονομάζονται Ανεξάρτητοι και υπολογίζεται ότι αποτελούν περίπου το 10% του εκλογικού σώματος. Αν επιλέξουμε τυχαία 25 εκλογείς : α) Ποια είναι η πιθανότητα, κανείς από τους 25 να μην είναι Ανεξάρτητος; β) Ποια είναι η πιθανότητα, λιγότεροι από 5 να είναι Ανεξάρτητοι; γ) Ποια είναι η πιθανότητα, περισσότεροι από 2 να είναι Ανεξάρτητοι; Σε αυτό το πρόβλημα έχουμε ένα διωνυμικό πείραμα στο οποίο ως επιτυχία θεωρούμε το να είναι ο εκλογέας που επιλέγουμε Ανεξάρτητος (και ως αποτυχία θεωρούμε το να μην είναι Ανεξάρτητος). Η πιθανότητα επιτυχίας είναι p=10%=0,1 (και της αποτυχίας 1-0,1=0,9) ενώ το πλήθος των δοκιμών είναι n=25 (25 εκλογείς). α) Η πιθανότητα που ζητάμε είναι η P ( x 0) η οποία σύμφωνα με την τρίτη ιδιότητα της διωνυμικής πιθανότητας είναι : P ( x 0) x 0) 0,0718 7, 18%. Η τιμή της παραπάνω πιθανότητας προκύπτει από τον πίνακα των αθροιστικών διωνυμικών πιθανοτήτων για n=25, p=0,1 και k=0. 11

12 β) Η πιθανότητα που ζητάμε είναι η P ( x 5) η οποία, επειδή η διωνυμική τυχαία μεταβλητή είναι διακριτή, δηλαδή παίρνει ακέραιες θετικές τιμές, ισούται με την πιθανότητα P ( x 4) της οποίας η τιμή προκύπτει από τον πίνακα των αθροιστικών διωνυμικών πιθανοτήτων για n=25, p=0,1 και k=4. Έχουμε, λοιπόν : P ( x 4) 0, ,2 % γ) Η πιθανότητα που ζητάμε είναι η P ( x 2) η οποία, επειδή η διωνυμική τυχαία μεταβλητή είναι διακριτή, δηλαδή παίρνει ακέραιες θετικές τιμές, ισούται με την πιθανότητα P ( x 3) η οποία σύμφωνα με την πρώτη ιδιότητα της διωνυμικής πιθανότητας ισούται με : P ( x 3) 1 x 2) 1 0,5371 0, ,29 % Η τιμή της πιθανότητας P ( x 2) προκύπτει από τον πίνακα αθροιστικών διωνυμικών πιθανοτήτων για n=25, p=0,1 και k=2. 5. Σύμφωνα με μια έρευνα της Αμερικανικής Ακαδημίας Κοσμητικής Οδοντιατρικής, το 75% των ενηλίκων πιστεύει ότι ένα μη ελκυστικό χαμόγελο βλάπτει την επαγγελματική τους σταδιοδρομία. Αν επιλέξουμε τυχαία 25 ενηλίκους, ποια είναι η πιθανότητα 15 τουλάχιστον από αυτούς να συμφωνεί με αυτή την γνώμη; Σε αυτό το πρόβλημα έχουμε ένα διωνυμικό πείραμα στο οποίο ως επιτυχία θεωρείται το να συμφωνεί κάποιος με αυτή την γνώμη (και αποτυχία θεωρείται το να μην συμφωνεί). Η πιθανότητα της επιτυχίας είναι p=75%=0,75 (και της αποτυχίας 1-0,75=0,25) ενώ το πλήθος των δοκιμών του πειράματος είναι n=25 (25 ενήλικοι). Η πιθανότητα που ζητάμε είναι η P ( x 15) η οποία σύμφωνα με την πρώτη ιδιότητα της διωνυμικής πιθανότητας ισούται με : P ( x 15) 1 x 14) 1 0,0297 0, ,03 % Η τιμή της πιθανότητας P ( x 14) προκύπτει από τον πίνακα των αθροιστικών διωνυμικών πιθανοτήτων για n=25, p=0,75 και k=14. 12

13 13

14 14

15 15

16 16

17 17

Θέμα: Ασκήσεις για εύρεση ολικής, συνδυασμένης και δεσμευμένης πιθανότητας. Βιβλίο Keller Κεφάλαιο 6

Θέμα: Ασκήσεις για εύρεση ολικής, συνδυασμένης και δεσμευμένης πιθανότητας. Βιβλίο Keller Κεφάλαιο 6 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου, 6 ΠΑΤΡΑ Τηλ.: 60 6905, Φαξ: 60 968, email: mitro@teipat.gr Καθ η γη τ ής Ι. Μ ητ ρ

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

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

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς Ι Πειραιάς 2008 Πιθανότητες Ι-Μ. Κούτρας 2 Δοκιμές Bernoulli Ας θεωρήσουμε μία ακολουθία (σειρά) πειραμάτων στην οποία ισχύουν τα επόμενα

Διαβάστε περισσότερα

ρ. Ευστρατία Μούρτου

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ ΚΕΦΑΛΑΙΟ 5 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ Α. Περίπτωση Ενός Πληθυσμού Έστω ότι μελετάμε μια ακολουθία ανεξαρτήτων δοκιμών κάθε μία από τις οποίες οδηγεί είτε σε επιτυχία είτε σε αποτυχία με σταθερή

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: 23 Απριλίου 2012

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: 23 Απριλίου 2012 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: Απριλίου 0 Ημερομηνία παράδοσης της Εργασίας: 8 Μαΐου 0 Πριν από τη

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 6: Kατανομή Poisson. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 6: Kατανομή Poisson. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 6: Kατανομή Poisson Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς Ι Πειραιάς 2008 Πιθανότητες Ι-Μ. Κούτρας 2 Κατανομές χρόνου αναμονής (... μέχρι να συμβεί ηπρώτη επιτυχία) 3 Ας θεωρήσουμε μία ακολουθία

Διαβάστε περισσότερα

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Χρήση τυχαίων µεταβλητών για την απεικόνιση εκβάσεων τυχαίου πειράµατος Κατανόηση της έννοιας κατανοµής πιθανοτήτων τυχαίας µεταβλητής Υπολογισµός της συνάρτηση κατανοµής πιθανοτήτων

Διαβάστε περισσότερα

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ. 1. Στον παρακάτω πίνακα δίνονται οι βαθμοί που πήραν είκοσι φοιτητές του Μαθηματικού τμήματος σ ένα μάθημα

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ. 1. Στον παρακάτω πίνακα δίνονται οι βαθμοί που πήραν είκοσι φοιτητές του Μαθηματικού τμήματος σ ένα μάθημα .. ΕΝΟΤΗΤΑ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ 8 ου ΜΑΘΗΜΑΤΟΣ 1. Στον παρακάτω πίνακα δίνονται οι βαθμοί που πήραν είκοσι φοιτητές του Μαθηματικού τμήματος σ ένα μάθημα 9 3 1 7 5 3 6 5 7 5 7 3 6 1 5 1 3 5 α. Ποια είναι η

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

Δειγματικές Κατανομές

Δειγματικές Κατανομές Δειγματικές Κατανομές Στατιστική συνάρτηση ή στατιστική Δειγματική κατανομή - Εκτιμητής Τα άγνωστα στοιχεία του πληθυσμού λέγονται παράμετροι. Τα συμπεράσματα για μια παράμετρο εξάγονται με τη βοήθεια

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 3: Αριθμητικά Περιγραφικά Μέτρα Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής ΑΔΕΙΕΣ

Διαβάστε περισσότερα

Λήψη αποφάσεων κατά Bayes

Λήψη αποφάσεων κατά Bayes Λήψη αποφάσεων κατά Bayes Σημειώσεις μαθήματος Thomas Bayes (1701 1761) Στυλιανός Χατζηδάκης ECE 662 Άνοιξη 2014 1. Εισαγωγή Οι σημειώσεις αυτές βασίζονται στο μάθημα ECE662 του Πανεπιστημίου Purdue και

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 1 Τι είναι η Στατιστική;

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 1 Τι είναι η Στατιστική; ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ

ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ ΘΕΜΑ Α Α Πότε λέμε ότι η συνάρτηση είναι παραγωγίσιμη στο σημείο 0 του πεδίου ορισμού της; Α Αν οι συναρτήσεις και g είναι παραγωγίσιμες στο

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

1.1 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

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ ΚΕΦΑΛΑΙΟ ΔΙΑΤΑΞΕΙΣ ΜΕΤΑΘΕΣΕΙΣ ΣΥΝΔΥΑΣΜΟΙ Εισαγωγή. Οι σχηματισμοί που προκύπτουν με την επιλογή ενός συγκεκριμένου αριθμού στοιχείων από το ίδιο σύνολο καλούνται διατάξεις αν μας ενδιαφέρει η σειρά καταγραφή

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ 9 ο ΜΑΘΗΜΑ ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Πότε κάνουμε ομαδοποίηση των παρατηρήσεων; Όταν το πλήθος των τιμών μιας μεταβλητής είναι αρκετά μεγάλο κάνουμε ομαδοποίηση των παρατηρήσεων. Αυτό συμβαίνει είτε

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (Θ.Ε. ΠΛΗ 12) 6Η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ - ΕΝΗΜΕΡΩΜΕΝΗ ΜΟΡΦΗ Ημερομηνία Αποστολής της εργασίας στον Φοιτητή 5 Μαϊου 2014

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

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία 4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 8: Πιθανότητες ΙΙ Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής ΑΔΕΙΕΣ ΧΡΗΣΗΣ Το

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

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής. 2.6 ΟΡΙΑ ΑΝΟΧΗΣ Το διάστηµα εµπιστοσύνης παρέχει µία εκτίµηση µιας άγνωστης παραµέτρου µε την µορφή διαστήµατος και ένα συγκεκριµένο βαθµό εµπιστοσύνης ότι το διάστηµα αυτό, µε τον τρόπο που κατασκευάσθηκε,

Διαβάστε περισσότερα

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ .4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ Η μέθοδος για τον προσδιορισμό ενός διαστήματος εμπιστοσύνης για την άγνωστη πιθανότητα =P(A) ενός ενδεχομένου A συνδέεται στενά με τον διωνυμικό έλεγχο. Ένα

Διαβάστε περισσότερα

Δισδιάστατη ανάλυση. Για παράδειγμα, έστω ότι 11 άτομα δήλωσαν ότι είναι άγαμοι (Α), 26 έγγαμοι (Ε), 12 χήροι (Χ) και 9 διαζευγμένοι (Δ).

Δισδιάστατη ανάλυση. Για παράδειγμα, έστω ότι 11 άτομα δήλωσαν ότι είναι άγαμοι (Α), 26 έγγαμοι (Ε), 12 χήροι (Χ) και 9 διαζευγμένοι (Δ). Δισδιάστατη ανάλυση Πίνακες διπλής εισόδου Σε πολλές περιπτώσεις μελετάμε περισσότερες από μία μεταβλητές ταυτόχρονα. Π.χ. μία έρευνα που έγινε σε ένα δείγμα 58 ατόμων περιείχε τις ερωτήσεις «ποια είναι

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2014-2015 ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ. Βασικά Εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας [ΔΙΠ 50]

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2014-2015 ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ. Βασικά Εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας [ΔΙΠ 50] ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2014-2015 ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ Βασικά Εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας [ΔΙΠ 50] 1η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ Προσοχή: Η καταληκτική ημερομηνία για την παραλαβή

Διαβάστε περισσότερα

Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων πειράματος (με συνδυαστικά επιχειρήματα)

Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων πειράματος (με συνδυαστικά επιχειρήματα) Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων πειράματος (με συνδυαστικά επιχειρήματα) Πείραμα: διαδικασία που παράγει πεπερασμένο σύνολο αποτελεσμάτων Πληθικός αριθμός συνόλου

Διαβάστε περισσότερα

Εισαγωγή στην Εκτιμητική

Εισαγωγή στην Εκτιμητική Εισαγωγή στην Εκτιμητική Πληθυσμός Εκτίμηση παραμέτρου πληθυσμού μ, σ 2, σ, p Δείγμα Υπολογισμός στατιστικού Ερώτηματα: Πόσο κοντά στην πραγματική τιμή της παραμέτρου του πληθυσμού βρίσκεται η εκτίμηση

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ. β) το ενδεχόμενο Α: ο αριθμός που προκύπτει να είναι άρτιος

ΠΙΘΑΝΟΤΗΤΕΣ. β) το ενδεχόμενο Α: ο αριθμός που προκύπτει να είναι άρτιος ΠΙΘΑΝΟΤΗΤΕΣ.Ένα κουτί περιέχει τέσσερις λαχνούς αριθμημένους από το εώς το 4. Εκλέγουμε έναν λαχνό στην τύχη,σημειώνουμε το αποτέλεσμα και δεν ξανατοποθετούμε τον λαχνό στο κουτί. Επαναλαμβάνουμε το πείραμα

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Όπως θα δούμε αργότερα στη Στατιστική Συμπερασματολογία, λέγοντας ότι «από έναν πληθυσμό παίρνουμε ένα τυχαίο δείγμα μεγέθους» εννοούμε ανεξάρτητες τυχαίες μεταβλητές,,..., που

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΜΕΘΟΔΟΙ ΑΠΑΡΙΘΜΗΣΗΣ

ΒΑΣΙΚΕΣ ΜΕΘΟΔΟΙ ΑΠΑΡΙΘΜΗΣΗΣ ΚΕΦΑΛΑΙΟ 3 ΒΑΣΙΚΕΣ ΜΕΘΟΔΟΙ ΑΠΑΡΙΘΜΗΣΗΣ ΜΕΘΟΔΟΙ ΑΠΑΡΙΘΜΗΣΗΣ Πολλαπλασιαστική αρχή (multiplicatio rule). Έστω ότι ένα πείραμα Ε 1 έχει 1 δυνατά αποτελέσματα. Έστω επίσης ότι για κάθε ένα από αυτά τα δυνατά

Διαβάστε περισσότερα

ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α

ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α 1. (2.5 μονάδες) Ο κ. Ζούπας παρέλαβε μία μυστηριώδη τσάντα από το ταχυδρομείο. Όταν

Διαβάστε περισσότερα

γ. Η διακύμανση είναι μέτρο διασποράς και είναι καθαρός αριθμός, δηλαδή δεν έχει μονάδες. Μονάδες 9

γ. Η διακύμανση είναι μέτρο διασποράς και είναι καθαρός αριθμός, δηλαδή δεν έχει μονάδες. Μονάδες 9 ΟΝΟΜΑΤΕΠΩΝΥΜΟ:........................................... ΤΜΗΜΑ:....... ΗΜΕΡΟΜΗΝΙΑ:.... / 0 / 20 ΘΕΜΑ A. Έστω μεταβλητή Χ, με τιμές x, x 2,...., x k, που αφορά τα άτομα ενός δείγματος μεγέθους ν, με k,

Διαβάστε περισσότερα

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή στο

Διαβάστε περισσότερα

ΣΤΟΙΧΕΙΑ ΑΛΓΕΒΡΑΣ. 1. Συνδυαστική ανάλυση. 1.1. Μεταθέσεις

ΣΤΟΙΧΕΙΑ ΑΛΓΕΒΡΑΣ. 1. Συνδυαστική ανάλυση. 1.1. Μεταθέσεις 1 ΣΤΟΙΧΕΙΑ ΑΛΓΕΒΡΑΣ 1 Συνδυαστική ανάλυση Η συνδυαστική ανάλυση είναι οι διάφοροι μέθοδοι και τύποι που χρησιμοποιούνται στη λύση προβλημάτων εκτίμησης του πλήθους των στοιχείων ενός πεπερασμένου συνόλου

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 2012 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 2012 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο R, να αποδείξετε ότι (f() + g() )=f ()+g (), R Μονάδες 7 Α. Σε

Διαβάστε περισσότερα

. Τι πρακτική αξία έχουν αυτές οι πιθανότητες; (5 Μονάδες)

. Τι πρακτική αξία έχουν αυτές οι πιθανότητες; (5 Μονάδες) Εργαστήριο Μαθηματικών & Στατιστικής Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ η Πρόοδος στο Μάθημα Στατιστική //7 ο Θέμα α) Περιγράψτε τη σχέση Θεωρίας Πιθανοτήτων και Στατιστικής. β) Αν Α, Β ενδεχόμενα του δειγματικού χώρου Ω

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

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α A Να αποδείξετε ότι η συνάρτηση f () είναι παραγωγίσιμη στο R με f () Α Αν είναι οι τιμές μιας μεταβλητής Χ ενός δείγματος παρατηρήσεων μεγέθους ν ( ) να ορίσετε την

Διαβάστε περισσότερα

Γνωστό: P (M) = 2 M = τρόποι επιλογής υποσυνόλου του M. Π.χ. M = {A, B, C} π. 1. Π.χ.

Γνωστό: P (M) = 2 M = τρόποι επιλογής υποσυνόλου του M. Π.χ. M = {A, B, C} π. 1. Π.χ. Παραδείγματα Απαρίθμησης Γνωστό: P (M 2 M τρόποι επιλογής υποσυνόλου του M Τεχνικές Απαρίθμησης Πχ M {A, B, C} P (M 2 3 8 #(Υποσυνόλων με 2 στοιχεία ( 3 2 3 #(Διατεταγμένων υποσυνόλων με 2 στοιχεία 3 2

Διαβάστε περισσότερα

ε. Το μέλος δεν έχει επιλέξει κανένα από τα δύο προγράμματα. Το μέλος έχει επιλέξει αυστηρά ένα μόνο από τα δύο προγράμματα.

ε. Το μέλος δεν έχει επιλέξει κανένα από τα δύο προγράμματα. Το μέλος έχει επιλέξει αυστηρά ένα μόνο από τα δύο προγράμματα. 1. Τα μέλη ενός Γυμναστηρίου έχουν τη δυνατότητα να επιλέξουν προγράμματα αεροβικής ή γυμναστικής με βάρη. Θεωρούμε τα ενδεχόμενα: Α = Ένα μέλος έχει επιλέξει πρόγραμμα αεροβικής. Β = Ένα μέλος έχει επιλέξει

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ υ ν δ υ α σ τ ι κ ή Πειραιάς 2007 1 Μάθημα 2ο Κανόνες Απαρίθμησης (συνέχεια) 2 ΙΣΤΟΣΕΛΙΔΑ ΜΕ ΔΙΑΦΑΝΕΙΕΣ, ΒΙΒΛΙΟ & ΔΕΙΓΜΑ ΘΕΜΑΤΩΝ www.unipi.gr/faculty/mkoutras/index.htm

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι., Εισηγητής: Ν.Κυρίτσης, MBA, Ph.D. Candidate,, e-mail: kyritsis@ist.edu.gr

Ποσοτικές Μέθοδοι., Εισηγητής: Ν.Κυρίτσης, MBA, Ph.D. Candidate,, e-mail: kyritsis@ist.edu.gr Ποσοτικές Μέθοδοι Εισηγητής: Ν.Κυρίτσης MBA Ph.D. Candidate e-mail: kyritsis@ist.edu.gr Εισαγωγή στη Στατιστική Διδακτικοί Στόχοι Μέτρα Σχετικής Διασποράς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή Η Τυποποιημένες

Διαβάστε περισσότερα

Σύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις

Σύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις Σύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις Αν το αποτέλεσμα ενός τυχαίου πειράματος είναι - ένας αριθμός R, τότε μπορεί να εκφραστεί με μία τ.μ. Χ R - αριθμοί R τότε μπορεί να εκφραστεί με ένα τ.δ. Χ

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

ιωνυµική Κατανοµή(Binomial)

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

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

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

Διαβάστε περισσότερα

Συνδυαστική Απαρίθμηση

Συνδυαστική Απαρίθμηση Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων «πειράματος» ή «γεγονότος» (με συνδυαστικά επιχειρήματα). «Πείραμα» ή «γεγονός»: διαδικασία με συγκεκριμένο (πεπερασμένο) σύνολο παρατηρήσιμων

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 4o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 00 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΘΕΜΑ Α Α. Έστω t,t,...,t ν οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν,

Διαβάστε περισσότερα

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua. Μέρος Β /Στατιστική Μέρος Β Στατιστική Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.gr/gpapadopoulos) Από τις Πιθανότητες στη Στατιστική Στα προηγούμενα, στο

Διαβάστε περισσότερα

ΜΕΘΟΔΟΛΟΓΙΕΣ & ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Α ΛΥΚΕΙΟΥ

ΜΕΘΟΔΟΛΟΓΙΕΣ & ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Α ΛΥΚΕΙΟΥ ΜΕΘΟΔΟΛΟΓΙΕΣ & ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Α ΛΥΚΕΙΟΥ Επιμέλεια : Παλαιολόγου Παύλος Μαθηματικός Αγαπητοί μαθητές. αυτό το βιβλίο αποτελεί ένα βοήθημα στην ύλη της Άλγεβρας Α Λυκείου, που είναι ένα από

Διαβάστε περισσότερα

5. 2 ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ- ΕΝΔΕΧΟΜΕΝΑ

5. 2 ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ- ΕΝΔΕΧΟΜΕΝΑ ΜΕΡΟΣ Α 5. ΔΕΙΜΑΤΙΟΣ ΧΩΡΟΣ-ΕΝΔΕΧΟΜΕΝΑ 69 5. ΔΕΙΜΑΤΙΟΣ ΧΩΡΟΣ- ΕΝΔΕΧΟΜΕΝΑ Πείραμα τύχης- Δειγματικός χώρος Ένα πείραμα το οποίο όσες φορές και αν το επαναλάβουμε, δεν μπορούμε να προβλέψουμε το αποτέλεσμα

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

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

Διαβάστε περισσότερα

2. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ

2. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ 1. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ 1. Σφάλματα Κάθε μέτρηση ενός φυσικού μεγέθους χαρακτηρίζεται από μία αβεβαιότητα που ονομάζουμε σφάλμα, το οποίο αναγράφεται με τη μορφή Τιμή ± αβεβαιότητα π.χ έστω ότι σε ένα πείραμα

Διαβάστε περισσότερα

Κατανομές Τυχαίων Μεταβλητών Προβλήματα και Ασκήσεις

Κατανομές Τυχαίων Μεταβλητών Προβλήματα και Ασκήσεις Κατανομές Τυχαίων Μεταβλητών Προβλήματα και Ασκήσεις 1. Μια διακριτή τυχαία μεταβλητή Χ έχει συνάρτηση πιθανότητας 0 1 2 3 4 f () 1/16 4/16 6/16 c 1/16 Να βρεθούν α) η τιμή της σταθεράς c β) η πιθανότητα

Διαβάστε περισσότερα

Βιοστατιστική ΒΙΟ-309

Βιοστατιστική ΒΙΟ-309 Βιοστατιστική ΒΙΟ-309 Χειμερινό Εξάμηνο Ακαδ. Έτος 2015-2016 Ντίνα Λύκα lika@biology.uoc.gr 1. Εισαγωγή Εισαγωγικές έννοιες Μεταβλητότητα : ύπαρξη διαφορών μεταξύ ομοειδών μετρήσεων Μεταβλητή: ένα χαρακτηριστικό

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1 Συστήµατα αναµονής Οι ουρές αναµονής αποτελούν καθηµερινό και συνηθισµένο φαινόµενο και εµφανίζονται σε συστήµατα εξυπηρέτησης, στα οποία η ζήτηση για κάποια υπηρεσία δεν µπορεί να

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες

Διαβάστε περισσότερα

Διακριτά Μαθηματικά. Απαρίθμηση: Εισαγωγικά στοιχεία Αρχή του Περιστεριώνα

Διακριτά Μαθηματικά. Απαρίθμηση: Εισαγωγικά στοιχεία Αρχή του Περιστεριώνα Διακριτά Μαθηματικά Απαρίθμηση: Εισαγωγικά στοιχεία Αρχή του Περιστεριώνα Συνδυαστική ανάλυση μελέτη της διάταξης αντικειμένων 17 ος αιώνας: συνδυαστικά ερωτήματα για τη μελέτη τυχερών παιχνιδιών Απαρίθμηση:

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ Πιθανότητες και Στατιστική

ΕΙΣΑΓΩΓΗ Πιθανότητες και Στατιστική ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ Πιθανότητες και Στατιστική Ο μεγάλος Γάλλος μαθηματικός Laplace έγραψε ότι οι Πιθανότητες δεν είναι τίποτα άλλο παρά η μετατροπή της κοινής λογικής σε μαθηματικές εκφράσεις. Η χρήση

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΙΙ. Ενότητα 2: ΣΤΑΤΙΣΤΙΚΗ ΙΙ (2/4). Επίκ. Καθηγητής Κοντέος Γεώργιος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

ΣΤΑΤΙΣΤΙΚΗ ΙΙ. Ενότητα 2: ΣΤΑΤΙΣΤΙΚΗ ΙΙ (2/4). Επίκ. Καθηγητής Κοντέος Γεώργιος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) ΣΤΑΤΙΣΤΙΚΗ ΙΙ Ενότητα 2: ΣΤΑΤΙΣΤΙΚΗ ΙΙ (2/4). Επίκ. Καθηγητής Κοντέος Γεώργιος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 0 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι (f() + g ()) f () + g (),. Μονάδες 7 Α. Σε ένα πείραµα µε ισοπίθανα

Διαβάστε περισσότερα

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ

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

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2010 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2010 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 00 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Έστω t, t,..., t ν οι παρατηρήσεις µιας ποσοτικής µεταβλητής Χ ενός δείγµατος µεγέθους ν, που έχουν µέση τιµή x. Σχηµατίζουµε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0 ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής Δεσμευμένη αξιοπιστία Η δεσμευμένη αξιοπιστία R t είναι η πιθανότητα το σύστημα να λειτουργήσει για χρονικό

Διαβάστε περισσότερα

Εξέταση στις ΠΙΘΑΝΟΤΗΤΕΣ I

Εξέταση στις ΠΙΘΑΝΟΤΗΤΕΣ I Εξέταση στις ΠΙΘΑΝΟΤΗΤΕΣ I ΟΔΗΓΙΕΣ Να μην αντιγράψετε τα θέματα στην κόλα σας. Να γράψετε το ονοματεπώνυμό σας και τον αριθμό μητρώου σας (ΑΜ) στα θέματα και σε κάθε κόλα που θα χρησιμοποιήσετε. Τα θέματα

Διαβάστε περισσότερα

ΔΙΑΓΩΝΙΣΜΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ( ΘΕΡΙΝΑ )

ΔΙΑΓΩΝΙΣΜΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ( ΘΕΡΙΝΑ ) 5 1 1 1η σειρά ΔΙΑΓΩΝΙΣΜΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ( ΘΕΡΙΝΑ ) ΘΕΜΑ 1 Α. Ας υποθέσουμε ότι x 1,x,...,x κ είναι οι τιμές μιας μεταβλητής X, που αφορά τα άτομα ενός δείγματος μεγέθους

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

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

Διαβάστε περισσότερα

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 4 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 Σ

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 4 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 Σ 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 Σ Ε π ι μ ε λ ε ι α : Τ α κ η ς Τ σ α κ α λ α κ ο ς Π α ν ε λ λ α δ ι κ ε ς Ε ξ ε τ α σ ε ι ς ( 0 ) o ΘΕΜΑ A. Aν n

Διαβάστε περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

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

Ενδεικτικές ασκήσεις ΔΙΠ 50

Ενδεικτικές ασκήσεις ΔΙΠ 50 Ενδεικτικές ασκήσεις ΔΙΠ 50 Άσκηση 1 (άσκηση 1 1 ης εργασίας 2009-10) Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών ενοτήτων. Πιο συγκεκριμένα, υπάρχουν

Διαβάστε περισσότερα

Η ΔΙΔΑΣΚΑΛΙΑ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΣΤΟ ΔΗΜΟΤΙΚΟ ΣΧΟΛΕΙΟ

Η ΔΙΔΑΣΚΑΛΙΑ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΣΤΟ ΔΗΜΟΤΙΚΟ ΣΧΟΛΕΙΟ Η ΔΙΔΑΣΚΑΛΙΑ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΣΤΟ ΔΗΜΟΤΙΚΟ ΣΧΟΛΕΙΟ Στόχοι- Υποστόχοι- Δραστηριότητες Ασημίνα Ασβεστά, Κωνσταντίνα Ζαχαροπούλου, Σοφία Αιζενμπαχ Πείραμα Τύχης Πιθανότητα Ενδεχομένου ΠΕΙΡΑΜΑ ΤΥΧΗΣ Α Β Γ Δ

Διαβάστε περισσότερα

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

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

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΠΑΡΑΤΗΡΗΣΕΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΠΑΡΑΤΗΡΗΣΕΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Όταν το πλήθος των παρατηρήσεων είναι μεγάλο, είναι απαραίτητο οι παρατηρήσεις να ταξινομηθούν σε μικρό πλήθος ομάδων που ονομάζονται κλάσεις (class intervals). Η ομαδοποίηση αυτή γίνεται

Διαβάστε περισσότερα

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς Πρόλογος Ο μηχανικός πρέπει να συνεχίσει να βελτιώνει την ποιότητα της δουλειάς του εάν επιθυμεί να είναι ανταγωνιστικός στην αγορά της χώρας του και γενικότερα της Ευρώπης. Μία σημαντική αναλογία σε αυτήν

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΕΘΝΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 00 Πέµπτη, Ιουνίου 00 ΓΕΝΙΚΗ ΠΑΙ ΕΙΑ Γ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΘΕΜΑ Α.. Να αποδείξετε ότι για δύο ενδεχόµενα Α και Β ενός δειγµατικού χώρου Ω ισχύει ότι P(A B) P(A)

Διαβάστε περισσότερα

Διακριτά Μαθηματικά. Απαρίθμηση: Διωνυμικοί συντελεστές

Διακριτά Μαθηματικά. Απαρίθμηση: Διωνυμικοί συντελεστές Διακριτά Μαθηματικά Απαρίθμηση: Διωνυμικοί συντελεστές Συνδυασμοί Το πλήθος των συνδυασμών r από n στοιχεία, C(n,r) συμβολίζεται και ως Ο αριθμός αυτός λέγεται και διωνυμικός συντελεστής Οι αριθμοί αυτοί

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ

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

Διαβάστε περισσότερα

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2013 ΜΑΘΗΜΑΤΙΚΑ ΚΟΙΝΟΥ ΚΟΡΜΟΥ

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2013 ΜΑΘΗΜΑΤΙΚΑ ΚΟΙΝΟΥ ΚΟΡΜΟΥ ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ Στασίνου 6, Γραφ. 102, Στρόβολος 200, Λευκωσία Τηλ. 57-2278101 Φαξ: 57-2279122 cms@cms.org.cy, www.cms.org.cy ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 201 ΜΑΘΗΜΑΤΙΚΑ ΚΟΙΝΟΥ ΚΟΡΜΟΥ Ημερομηνία:

Διαβάστε περισσότερα

P (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ).

P (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ). Υπενθυμίσεις Παραδείγματα Ασκήσεις Μελέτη 31 Οκτωβρίου 2014 Πιθανότητες και Στατιστική Διάλεξη 7 Ασκήσεις ΙΙ Δεσμευμένη πιθανότητα, Συνδυαστικά επιχειρήματα Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ

ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ 2o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ: ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδες Μαθήματος: users.auth.gr/gvasil

Διαβάστε περισσότερα

Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. Θέμα 2 ο (150)

Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. Θέμα 2 ο (150) Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ Θέμα ο (150) -- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος -3- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος ΚΕΦΑΛΑΙΟ

Διαβάστε περισσότερα