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

Διακριτές Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Διακριτές Κατανομές. τεχνικές. 42 άλυτες ασκήσεις.

Διακριτές Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Διακριτές Κατανομές. τεχνικές. 42 άλυτες ασκήσεις. Διακριτές Κατανομές Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Διακριτές Κατανομές τεχνικές 4 άλυτες ασκήσεις Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α 6 9 7. 3 0 0. 8 8. 8 8 Kglyos.gr 3 / 1 0 / 0 1 6 εκδόσεις

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, email: mitro@teipat.gr Καθηγητής

Διαβάστε περισσότερα

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές) 07/11/2016 Στατιστική Ι 6 η Διάλεξη (Βασικές διακριτές κατανομές) 1 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα

Διαβάστε περισσότερα

Θέμα: ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ (Συνδυασμένη, ολική και δεσμευμένη) ΚΕΦΑΛΑΙΟ 6 KELLER

Θέμα: ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ (Συνδυασμένη, ολική και δεσμευμένη) ΚΕΦΑΛΑΙΟ 6 KELLER ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου, 6 4 ΠΑΤΡΑ Τηλ.: 60 6905, Φαξ: 60 9684, email: mitro@teipat.gr Καθηγητής Ι. Μητρόπουλο

Διαβάστε περισσότερα

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

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου, 63 34 ΠΑΤΡΑ Τηλ.: 60 36905, Φαξ: 60 39684, email: mitro@teipat.gr Καθηγητής Ι. Μητρόπουλος

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

Θέμα: ΑΣΚΗΣΕΙΣ ΣΤΑ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΚΕΦΑΛΑΙΑ 10,12 KELLER

Θέμα: ΑΣΚΗΣΕΙΣ ΣΤΑ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΚΕΦΑΛΑΙΑ 10,12 KELLER ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 63 34 ΠΑΤΡΑ Τηλ.: 610 369051, Φαξ: 610 396184, email: mitro@teipat.gr Καθ η γη τ

Διαβάστε περισσότερα

Κεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

Κεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων Κεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων Τυχαίες Μεταβλητές Τυχαία μεταβλητή είναι μια συνάρτηση ή ένας κανόνας που αντιστοιχίζει έναν αριθμό σε κάθε αποτέλεσμα ενός τυχαίου πειράματος.

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

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

ΚΑΤΑΝΟΜΈΣ. 8.1 Εισαγωγή. 8.2 Κατανομές Συχνοτήτων (Frequency Distributions) ΚΕΦΑΛΑΙΟ

ΚΑΤΑΝΟΜΈΣ. 8.1 Εισαγωγή. 8.2 Κατανομές Συχνοτήτων (Frequency Distributions) ΚΕΦΑΛΑΙΟ ΚΑΤΑΝΟΜΈΣ ΚΕΦΑΛΑΙΟ 8 81 Εισαγωγή Οι κατανομές διακρίνονται σε κατανομές συχνοτήτων, κατανομές πιθανοτήτων και σε δειγματοληπτικές κατανομές Στη συνέχεια θα γίνει αναλυτική περιγραφή αυτών 82 Κατανομές

Διαβάστε περισσότερα

Θέμα: ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ - ΑΣΚΗΣΕΙΣ ΣΤΑ ΠΟΛΥΠΛΟΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ

Θέμα: ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ - ΑΣΚΗΣΕΙΣ ΣΤΑ ΠΟΛΥΠΛΟΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, TECHNOLOGICAL EDUCATIONAL INSTITUTE

Διαβάστε περισσότερα

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο ΘΕΜΑ 1 ο (ΜΟΝΑΔΕΣ 10) Μια βιοτεχνία καθαρισμού ρούχων λειτουργεί καθημερινά 8 ώρες. Η βιοτεχνία δέχεται κατά μέσο όρο 4 παραγγελίες την ημέρα για καθαρισμό ενδυμάτων. (ι). Να υπολογισθεί η πιθανότητα να

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

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

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 12: Ασυνεχείς Κατανομές Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής ΑΔΕΙΕΣ ΧΡΗΣΗΣ

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

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ ΦΡΟΝΤΙΣΤΗΡΙΑ 6-7: ΔΙΑΚΡΙΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΕΠΙΜΕΛΕΙΑ: ΓΙΑΝΝΟΠΟΥΛΟΣ ΜΙΧΑΛΗΣ Τυχαία Μεταβλητή (Τ.Μ.): Συνάρτηση πραγματικών τιμών

Διαβάστε περισσότερα

Η Διωνυμική Κατανομή. μαθηματικών. 2 Ο γονότυπος μπορεί να είναι ΑΑ, Αα ή αα.

Η Διωνυμική Κατανομή. μαθηματικών. 2 Ο γονότυπος μπορεί να είναι ΑΑ, Αα ή αα. Η Διωνυμική Κατανομή Η Διωνυμική κατανομή συνδέεται με ένα πολύ απλό πείραμα τύχης. Ίσως το απλούστερο! Πρόκειται για τη δοκιμή Bernoulli, ένα πείραμα τύχης με μόνο δύο, αμοιβαίως αποκλειόμενα, δυνατά

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

Περιπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός.

Περιπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός. ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, email: mitro@teipat.gr Καθ η γη

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ TECHNOLOGICAL EDUCATIONAL INSTITUTE OF WESTERN GREECE ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου, 263 34 ΠΑΤΡΑ Τηλ.: 260 36905, Φαξ: 260 39684, email: mitro@teipat.gr Καθηγητής Ι. Μητρόπουλος

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο

Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο Copyright 2009 Cengage Learning 15.1 Ένα Κοινό Θέμα Τι πρέπει να γίνει; Τύπος Δεδομένων; Πλήθος Κατηγοριών; Στατιστική Μέθοδος; Περιγραφή ενός πληθυσμού Ονομαστικά Δύο ή

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι Ονοματεπώνυμο: Όνομα Πατρός:... ΑΜ:. Ημερομηνία: Σ Παρακαλώ μη γράφετε στα παρακάτω τετράγωνα Μέρος

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

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

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

Κεφάλαιο 9 Κατανομές Δειγματοληψίας

Κεφάλαιο 9 Κατανομές Δειγματοληψίας Κεφάλαιο 9 Κατανομές Δειγματοληψίας Copyright 2009 Cengage Learning 9.1 Κατανομές Δειγματοληψίας Μια κατανομή δειγματοληψίας δημιουργείται, εξ ορισμού, από δειγματοληψία. Η μέθοδος που θα χρησιμοποιήσουμε

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

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

Στατιστική Επιχειρήσεων Ι

Στατιστική Επιχειρήσεων Ι ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 3: Χρήσιμες Κατανομές Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΩΝ ΓΕΩΛΟΓΙΚΟΥ

ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΩΝ ΓΕΩΛΟΓΙΚΟΥ ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΙΑ ΣΕΤ ΑΣΚΗΣΕΩΝ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ Στο Σετ αυτό περιλαμβάνονται θέματα Πιθανοτήτων που έχουν δοθεί σε εξετάσεις παρελθόντων ετών στα Τμήματα Γεωλογικό

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

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Πίνακας Περιεχομένων Εργασία η... Θέμα ο :... Θέμα ο :... 4 Θέμα 3 ο :...

Διαβάστε περισσότερα

Κεφάλαιο 3 Κατανομές. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 3 Κατανομές. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο Κατανομές Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς - - Χρησιμοποιώντας την Στατιστική Έστω οι διαφορετικές διατάξεις ενός αγοριού (B) και ενός κοριτσιού (G) σε τέσσερις

Διαβάστε περισσότερα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Ορισμός τυχαίας μεταβλητής Τυχαία μεταβλητή λέγεται η συνάρτηση

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

Ασκήσεις στις κατανομές και ειδικά στην διωνυμική κατανομή και κανονική κατανομή

Ασκήσεις στις κατανομές και ειδικά στην διωνυμική κατανομή και κανονική κατανομή Ασκήσεις στις κατανομές και ειδικά στην διωνυμική κατανομή και κανονική κατανομή Όπου χρειάζεται να γίνει χρήση του μικροϋπολογιστή 3xi -2 1) Για την τυχαία διακριτή μεταβλητή Χ ισχύει Ρ(Χ=x i )= 5, x

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

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f =

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f = ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 16 (version 9-6-16) 1. A Να δώσετε τον ορισμό της παραγώγου μιας συνάρτησης σε ένα σημείο x του πεδίο ορισμού της. Απάντηση: Παράγωγος μιας συνάρτησης σε ένα σημείο x του πεδίο

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 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

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

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

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

P (X = x) = (0.001) x (0.999) 1000 x

P (X = x) = (0.001) x (0.999) 1000 x Τμημα Επιστημης Υπολογιστων, Πανεπιστημιο Κρητης ΗΥ-7: Πιθανότητες 5ο Φροντιστήριο Επιμέλεια: Καράλας Κώστας 9 Οκτωβρίου 04 Πρόβλημα Παρακολουθείτε ένα βίντεο στο YouTube το οποίο περιέχει 0 καρέ το δευτερόλεπτο.

Διαβάστε περισσότερα

Α (i) Από την έκφραση «το πολύ 85 λεπτά», δηλαδή λιγότερο από 85 λεπτά συμπεραίνουμε ότι η ζητούμενη πιθανότητα είναι η P X 85. Χ = 85 μ = 100 Επομένως από τον τύπο της κανονικής κατανομής (σχετικό βίντεο

Διαβάστε περισσότερα

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

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

Διαβάστε περισσότερα

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

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

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

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

Διαβάστε περισσότερα

Διάλεξη 5: Τυχαία Μεταβλητή Κατανομές Πιθανότητας

Διάλεξη 5: Τυχαία Μεταβλητή Κατανομές Πιθανότητας Διάλεξη 5: ΑΣΚΗΣΕΙΣ 1. Έστω η ποιότητα ενός προϊόντος που παίρνουμε από ένα σύνολο προϊόντων με απλή τυχαία δειγματοληψία. Ανάλογα με το αν το προϊόν είναι ελαττωματικό, καλο ή άριστο, η παίρνει τις τιμές,

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

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

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

Διαβάστε περισσότερα

ΚΩΣΤΑΣ ΤΣΑΒΕΣ & ΧΡΗΣΤΟΣ ΤΣΑΒΕΣ

ΚΩΣΤΑΣ ΤΣΑΒΕΣ & ΧΡΗΣΤΟΣ ΤΣΑΒΕΣ 1 1) Δίνεται ο διπλανός πίνακας 43 παρατηρήσεων της μεταβλητής Χ και οι αντίστοιχες συχνότητές τους ν i. Αν 116 η μέση τιμή των παρατηρήσεων είναι x =, η διάμε- 43 σος είναι δ=3 και ισχύει κ>10, να υπολογιστούν

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

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

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

Διαβάστε περισσότερα

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

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

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

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

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1 ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1 5.1: Εισαγωγή 5.2: Πιθανότητες 5.3: Τυχαίες Μεταβλητές καθ. Βασίλης Μάγκλαρης

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

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

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΑΛΓΕΒΡΑ - Α ΛΥΚΕΙΟΥ ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Επιμέλεια: Παπαδόπουλος Παναγιώτης Πείραμα τύχης 1 η δραστηριότητα Ρίξτε ένα κέρμα 5 φορές και καταγράψτε την πάνω όψη του: 1 η ρίψη:, 2 η ρίψη:, 3 η ρίψη:

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων ΑΓΡΙΝΙΟ ΣΤΑΤΙΣΤΙΚΗ Φραγκίσκος Κουτελιέρης Αναπληρωτής

Διαβάστε περισσότερα

2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)

2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test) .5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test) Ο διωνυμικός έλεγχος μπορεί να χρησιμοποιηθεί για τον έλεγχο υποθέσεων αναφερομένων στα ποσοστιαία σημεία μίας τυχαίας μεταβλητής. Στην

Διαβάστε περισσότερα

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

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

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

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

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

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

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

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

Στατιστικοί πίνακες. Δημιουργία κλάσεων

Στατιστικοί πίνακες. Δημιουργία κλάσεων Στατιστικοί πίνακες Δημιουργία κλάσεων Τι είναι οι κλάσεις; Κλάσεις είναι ημιανοικτά διαστήματα της μορφής [α i, b i ), τα οποία είναι ταυτόχρονα και διαδοχικά, έτσι ώστε να μην υπάρχει κάποια τιμή του

Διαβάστε περισσότερα

Ασκήσεις στην διωνυμική κατανομή

Ασκήσεις στην διωνυμική κατανομή Ασκήσεις στην διωνυμική κατανομή Όπου χρειάζεται να γίνει χρήση του μικροϋπολογιστή 1) Επιλέγουμε ένα τυχαίο δείγμα τεσσάρων μεταχειρισμένων ραδιοφώνων. Αν γνωρίζουμε ότι η πιθανότητα να μην υπάρχει ελαττωματικό

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

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται

Διαβάστε περισσότερα

Μάθημα 3 ο a. Τυχαία Μεταβλητή-Έννοιες και Ορισμοί

Μάθημα 3 ο a. Τυχαία Μεταβλητή-Έννοιες και Ορισμοί Μάθημα 3 ο a Τυχαία Μεταβλητή-Έννοιες και Ορισμοί Στο μάθημα αυτό θα ορίσουμε την έννοια της τυχαίας μεταβλητής και θα αναφερθούμε σε σχετικές βασικές έννοιες και συμβολισμούς. Ross, σσ 135-151 Μπερτσεκάς-Τσιτσικλής,

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

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

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80.

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80. ΠΑΝΕΠΙΣΗΜΙΟ ΑΙΓΑΙΟΤ ΧΟΛΗ ΕΠΙΣΗΜΩΝ ΣΗ ΔΙΟΙΚΗΗ ΣΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑ ΚΑΙ ΔΙΟΙΚΗΗ ΣΑΣΙΣΙΚΗ Ακαδ. Έτος -3 Διδάσκων: Βασίλης ΚΟΤΣΡΑ Διδάσκων επί Συμβάσει Π.Δ 47/8 v.kouras@fμe.aegea.gr Σηλ: 735457 Διωνυμικό

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

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C Επιμέλεια: Κ Μυλωνάκης ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΕΡΩΤΗΣΗ Τι ονομάζεται πραγματική συνάρτηση με πεδίο ορισμού το Α; Έστω Α ένα υποσύνολο του R Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το Α μια διαδικασία

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

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

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 5-6 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές

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

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

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

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

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΕΠΙΜΕΛΕΙΑ : ΓΕΡΓΙΟΣ Ε. ΚΑΡΑΦΕΡΗΣ ΠΕ03 ΜΑΘΗΜΑΤΙΚΟΣ [] ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΡΙΑ: Πείραμα Τύχης Κάθε πείραμα κατά στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

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

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 5o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil

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

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΕΦΑΛΑΙΟ 3 ο ΠΙΘΑΝΟΤΗΤΕΣ Συνοπτική Θεωρία Όλες οι αποδείξεις Ερωτήσεις αντικειμενικού τύπου Ασκήσεις από την Τράπεζα Θεμάτων του Υπουργείου και προτεινόμενες Διαγωνίσματα

Διαβάστε περισσότερα