3. Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "3. Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας"

Transcript

1 3 Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας Όπως ήδη έχουμε αναφέρει στην εισαγωγική ενότητα αλλά και όπως θα διαπιστώσουμε στις ενότητες που ακολουθούν, βεβαιότητες για συμπεράσματα που αφορούν σε στοχαστικά φαινόμενα και πειράματα δεν υπάρχουν Συνεπώς, συμπεράσματα για στοχαστικά φαινόμενα ή πειράματα, έχουν αξία και μπορούν να αξιοποιηθούν μόνο εφόσον μπορούμε να πούμε κάτι για το πόσο βέβαιοι είμαστε για αυτά ή αλλιώς, για το μέγεθος της εγγενούς αβεβαιότητας που αναπόδραστα αυτά εμπεριέχουν Τα επιστημονικά εργαλεία για την εκτίμηση αυτής της αβεβαιότητας μάς τα προσφέρει η Θεωρία Πιθανοτήτων Θυμηθείτε τη διαδικασία μετάβασης από τον πληθυσμό στο δείγμα και αντίστροφα, που (σε αδρές γραμμές) περιγράψαμε στην εισαγωγική ενότητα όταν αναφερθήκαμε στη στατιστική προσέγγιση προβλημάτων Σχήμα 3 Ο ρόλος των πιθανοτήτων σε αυτή τη διαδικασία είναι διπλός: Υποθέτοντας κάποιο μοντέλο για τον πληθυσμό, ή αλλιώς, θεωρώντας ότι ο πληθυσμός είναι γνωστός, μπορούμε, με τα εργαλεία που μας προσφέρει η Θεωρία Πιθανοτήτων, να υπολογίσουμε πόσο πιθανό είναι να παρατηρηθεί «ορισμένη συμπεριφορά» σε ένα δείγμα που θα πάρουμε από τον πληθυσμό Οι μέθοδοι της Στατιστικής Συμπερασματολογίας αξιοποιούν εργαλεία της Θεωρίας Πιθανοτήτων επίσης Δηλαδή, η μετάβαση από το δείγμα στον πληθυσμό ή αλλιώς, το συμπέρασμά μας για τον πληθυσμό με βάση αυτό που παρατηρήθηκε/εμφανίσθηκε στο δείγμα, και το πόσο βέβαιοι είμαστε για αυτό το συμπέρασμα, προκύπτει με αξιοποίηση των εργαλείων που προσφέρει η Θεωρία Πιθανοτήτων! Για να μπορούμε βέβαια να χρησιμοποιούμε σωστά στη στατιστική συμπερασματολογία τα εργαλεία που μας προσφέρουν οι πιθανότητες, πρέπει να κατανοήσουμε πώς αυτά δουλεύουν Στο Α Μέρος αυτό επιδιώκουμε Ας αρχίσουμε όμως με τα βασικά Πρέπει κατ αρχάς, να εξοικειωθούμε με τη «γλώσσα» των πιθανοτήτων 3 Βασικές Έννοιες Όπως ήδη έχουμε αναφέρει, τυχαία/στοχαστικά φαινόμενα και πειράματα ονομάζουμε τα φαινόμενα και πειράματα των οποίων το αποτέλεσμα (σε μια πραγματοποίησή τους/εκτέλεσή τους) δε μπορεί να προβλεφθεί με βεβαιότητα γιατί δεν καθορίζεται με βάση την αρχή της αιτιότητας (όπως στα αιτιοκρατικά φαινόμενα και πειράματα) αλλά αποδίδεται στην τύχη Η έννοια του τυχαίου συνδέεται με το πολυσύνθετο και το περιορισμένο της γνώσης των αιτίων που προκαλούν το αποτέλεσμα (υπάρχει «έλλειμμα αιτιότητας») Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 53

2 Για τα στοχαστικά/τυχαία φαινόμενα και πειράματα στα οποία βρίσκουν εφαρμογή τα αποτελέσματα της Θεωρίας Πιθανοτήτων (και αποκτά νόημα το αξιωματικό πιθανοθεωρητικό οικοδόμημα), χρησιμοποιούμε τον όρο πείραμα τύχης (random experiment) και εννοούμε μια διαδικασία () που μπορεί να επαναληφθεί υπό τις ίδιες συνθήκες όσες φορές θέλουμε (θεωρητικά άπειρες φορές), () σε μια επανάληψή της δε μπορούμε να προβλέψουμε με βεβαιότητα το αποτέλεσμα που θα εμφανισθεί, όμως, (3) μπορούμε να καταγράψουμε όλα τα δυνατά αποτελέσματά της, ή αλλιώς, έχει ένα καλά ορισμένο σύνολο δυνατών αποτελεσμάτων Το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος τύχης ονομάζεται δειγματικός χώρος (sample space) του πειράματος και συμβολίζεται (συνήθως) με Ω ή με S Κάθε στοιχείο ενός δειγματικού χώρου, δηλαδή κάθε δυνατό αποτέλεσμα ενός πειράματος τύχης, ονομάζεται δειγματικό σημείο (sample outcome/sample point) Σύνολα από δειγματικά σημεία ή αλλιώς, συγκεκριμένα υποσύνολα του δειγματικού χώρου Ω, συμπεριλαμβανομένων του κενού, και του δειγματικού χώρου Ω, ονομάζονται ενδεχόμενα (events) και συμβολίζονται με κεφαλαία γράμματα Α, Β, Γ, κτλ Αν ένα ενδεχόμενο έχει μόνο ένα στοιχείο ονομάζεται απλό ενδεχόμενο (simple/atomic event) ενώ αν έχει περισσότερα από ένα στοιχεία ονομάζεται σύνθετο ενδεχόμενο (compound event) Το πλήθος των στοιχείων ενός ενδεχομένου, έστω Α, θα το συμβολίζουμε με N ( Σε μια εκτέλεση/επανάληψη ενός πειράματος τύχης εμφανίζεται κάποιο από τα δυνατά αποτελέσματά του, δηλαδή κάποιο στοιχείο του δειγματικού χώρου Ω του πειράματος και μάλιστα μόνο ένα (ακριβώς ένα) Έστω Α ένα ενδεχόμενο του Ω Αν το αποτέλεσμα, έστω ω Ω, που πήραμε σε μια εκτέλεση του πειράματος είναι ένα από τα στοιχεία του Α, δηλαδή αν ω A, τότε λέμε ότι εμφανίσθηκε (ή αλλιώς, πραγματοποιήθηκε, συνέβη) το ενδεχόμενο Α Ο δειγματικός χώρος Ω ενός πειράματος τύχης ονομάζεται βέβαιο ενδεχόμενο (certain/sure event) γιατί εμφανίζεται/πραγματοποιείται πάντοτε (αφού περιέχει όλα τα δυνατά αποτελέσματα του πειράματος) Το κενό ενδεχόμενο,, ονομάζεται αδύνατο ενδεχόμενο (impossible event) γιατί δεν εμφανίζεται/πραγματοποιείται ποτέ (αφού δεν περιέχει κανένα στοιχείο) Αν ένα πείραμα τύχης έχει πεπερασμένο πλήθος δυνατών αποτελεσμάτων, έστω ω, ω,, ω N, τότε ο δειγματικός χώρος Ω = { ω, ω,, ω N } του πειράματος ονομάζεται πεπερασμένος δειγματικός χώρος (finite sample space) Αν το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος τύχης είναι αριθμήσιμο απειροσύνολο 3, ο δειγματικός χώρος του πειράματος ονομάζεται αριθμησίμως Ένα πείραμα διαφέρει από την παρατήρηση ενός φαινομένου κατά το ότι ο ερευνητής που εκτελεί το πείραμα παρεμβαίνει ενεργά, επιβάλλοντας μια συγκεκριμένη μεταχείριση στα άτομα ή στα αντικείμενα (γενικότερα, στα υποκείμενα) επί των οποίων εξελίσσεται το πείραμα Αντιθέτως, κατά την παρατήρηση ενός φαινομένου, μετράμε ή παρατηρούμε την κατάσταση των ατόμων ή των αντικειμένων (γενικότερα των υποκειμένων) επί των οποίων συμβαίνει το φαινόμενο χωρίς να προσπαθούμε να αλλάξουμε αυτή την κατάσταση με κάποια ειδική μεταχείριση Ή «περίπου τις ίδιες συνθήκες» Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 54

3 άπειρος δειγματικός χώρος (countably infinite sample space) Στην περίπτωση αυτή ο δειγματικός χώρος έχει άπειρα στοιχεία που όμως μπορούν να αριθμηθούν Έτσι, αν συμβολίσουμε τα στοιχεία του (τα δυνατά αποτελέσματα) με ω, ω, ω3,, ο δειγματικός χώρος γράφεται, Ω = ω, ω,,} { ω3 Aν ο δειγματικός χώρος ενός πειράματος τύχης είναι άπειρο αλλά μη αριθμήσιμο σύνολο, ονομάζεται συνεχής δειγματικός χώρος (continuous sample space) Αν ένας δειγματικός χώρος είναι είτε πεπερασμένος είτε αριθμησίμως άπειρος ονομάζεται διακριτός δειγματικός χώρος (discrete sample space) Σημειώνουμε τέλος, ότι αν ο δειγματικός χώρος ενός πειράματος τύχης είναι διακριτός, τότε κάθε υποσύνολο του θεωρείται ότι είναι ένα ενδεχόμενο Αν ο δειγματικός χώρος του πειράματος είναι συνεχής κάποια υποσύνολα του δε μπορεί να είναι αποδεκτά ως ενδεχόμενα 4 Όμως τέτοιες περιπτώσεις δε θα συναντήσουμε στα προβλήματα που θα μελετήσουμε γι αυτό και δε θα αναφερθούμε περισσότερο σε αυτή τη «λεπτομέρεια» Πριν συνεχίσουμε με την εισαγωγή νέων εννοιών (και ορολογίας), ας δούμε μερικά πειράματα τύχης που θα μας βοηθήσουν να αποσαφηνίσουμε καλύτερα τα προηγούμενα Παράδειγμα 3: (α) Επιλέγουμε από τη γραμμή παραγωγής μιας βιομηχανίας τροφίμων ένα προϊόν και ελέγχουμε αν αυτό είναι εντός προδιαγραφών ή αν είναι ελαττωματικό Προφανώς πρόκειται για πείραμα τύχης, αφού η διαδικασία «επιλέγω ένα προϊόν, το ελέγχω και το χαρακτηρίζω εντός προδιαγραφών ή ελαττωματικό» μπορεί να επαναληφθεί υπό τις ίδιες συνθήκες πολλές φορές, σε κάθε επανάληψη το αποτέλεσμα του ελέγχου δεν είναι γνωστό πριν ο έλεγχος πραγματοποιηθεί και τα δυνατά αποτελέσματά του είναι γνωστά, τα εξής δύο: εντός προδιαγραφών (κ), ελαττωματικό (ε) Επομένως ο δειγματικός χώρος, Ω, του πειράματος είναι, ο Ω = { κ, ε} και πρόκειται για πεπερασμένο δειγματικό χώρο με N ( Ω) = Ένα πείραμα με μόνο δύο δυνατά αποτελέσματα όπως το συγκεκριμένο, ονομάζεται δοκιμή Bernoulli Το ένα αποτέλεσμα έχει επικρατήσει να ονομάζεται «επιτυχία» και το άλλο «αποτυχία» Στη συνέχεια, θα ασχοληθούμε ιδιαίτερα με αυτή την κατηγορία τυχαίων πειραμάτων Όπως θα διαπιστώσουμε, παρότι η δοκιμή Bernoulli είναι ένα πολύ απλό πείραμα, ίσως το απλούστερο, βρίσκεται στον πυρήνα πολλών προβλημάτων με ευρύτατο φάσμα εφαρμογών (β) Επιλέγουμε ένα θετικό ακέραιο μικρότερο ή ίσο του 50 Πρόκειται για πείραμα τύχης (σκεφθείτε γιατί) με δειγματικό χώρο το πεπερασμένο σύνολο Ω = {,, 3,,50}, δηλαδή, πρόκειται για πεπερασμένο δειγματικό χώρο με N ( Ω) = 50 3 Δηλαδή, αν τα στοιχεία του μπορούν να αντιστοιχισθούν ένα προς ένα με τα στοιχεία του συνόλου των φυσικών αριθμών, ή αλλιώς, αν έχει τον ίδιο πληθικό αριθμό με το σύνολο των φυσικών αριθμών 4 Με την έννοια ότι δε μπορεί να τους αποδοθεί πιθανότητα (ονομάζονται μη μετρήσιμα ενδεχόμενα) Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 55

4 Ας θεωρήσουμε τα ενδεχόμενα, A = {,, 3}, B = {,3,4,5,6 } και Γ = {4} του Ω Το Γ είναι ένα απλό ενδεχόμενο αφού έχει μόνο ένα στοιχείο (δειγματικό σημείο), το 4, ενώ τα Α και Β είναι σύνθετα ενδεχόμενα αφού το καθένα περιέχει περισσότερα από ένα στοιχεία ( N ( = 3, N ( B) = 5 ) Σε μια εκτέλεση του πειράματος, το ενδεχόμενο Α πραγματοποιείται όταν επιλεγεί θετικός ακέραιος μικρότερος του 4 (ή αλλιώς, μικρότερος ή ίσος του 3) Το Β πραγματοποιείται όταν επιλεγεί θετικός ακέραιος μεγαλύτερος του και μικρότερος του 7 και το Γ πραγματοποιείται όταν επιλεγεί ο αριθμός 4 (γ) Επιλέγουμε την καρτέλα ασθενείας ενός παιδιού από αυτά που μεταφέρθηκαν μια ημέρα εφημερίας στο τμήμα επειγόντων περιστατικών του Νοσοκομείου Παίδων «Αγία Σοφία» και καταγράφουμε το φύλο και την ομάδα αίματος του παιδιού Οι ομάδες αίματος είναι τέσσερις Α, Β, ΑΒ και Ο Προφανώς πρόκειται για πείραμα τύχης με οκτώ δυνατά αποτελέσματα 5, τα διατεταγμένα ζεύγη, ( α,, ( α, B), ( α, AB), ( α, O), ( κ,, ( κ, B), ( κ, AB), ( κ, O), όπου, το πρώτο στοιχείο του ζεύγους δίνει το φύλο και το δεύτερο την ομάδα αίματος του παιδιού Για παράδειγμα, με το ζεύγος ( α, B) συμβολίζουμε το αποτέλεσμα «το παιδί είναι αγόρι και έχει ομάδα αίματος Β» ενώ με το ζεύγος ( κ, AB) το αποτέλεσμα «το παιδί είναι κορίτσι και έχει ομάδα αίματος ΑΒ» Άρα ο δειγματικός χώρος του πειράματος είναι ο Ω = {( α,, ( α, B), ( α, AB), ( α, O), ( κ,, ( κ, B), ( κ, AB), ( κ, O)} και είναι πεπερασμένος Ένα παράδειγμα ενδεχομένου του δειγματικού χώρου Ω είναι το σύνολο, {( κ,, ( κ, B), ( κ, O)} το οποίο (σε μια επανάληψη) πραγματοποιείται αν η καρτέλα που θα επιλεγεί αφορά σε κορίτσι που δεν έχει ομάδα αίματος ΑΒ (δ) Eπαναλαμβανόμενες δοκιμές Bernoulli Πρόκειται για σύνθετο πείραμα το οποίο αποτελείται από επαναλαμβανόμενες εκτελέσεις μιας δοκιμής Bernoulli, δηλαδή, από διαδοχικές εκτελέσεις ενός πειράματος που έχει δύο μόνο δυνατά αποτελέσματα Όπως θα διαπιστώσουμε στη συνέχεια, τέτοια πειράματα κατέχουν σημαντική θέση στη θεωρία πιθανοτήτων γιατί αφενός συναντώνται σε ευρύτατο φάσμα πραγματικών προβλημάτων και αφετέρου γιατί θέτουν ενδιαφέροντα μαθηματικά προβλήματα Για παράδειγμα, ο έλεγχος προϊόντων (που επιλέγονται πχ από τη γραμμή παραγωγής ενός εργοστασίου) μέχρι να βρεθεί ένα ελαττωματικό είναι ένα πείραμα επαναλαμβανόμενων δοκιμών Bernoulli, επίσης, ο έλεγχος καθενός από 0 προϊόντα για να διαπιστωθεί αν είναι ελαττωματικό ή όχι ή η εξέταση καθενός από 5 παιδιά για να διαπιστωθεί αν έχει ή δεν έχει προσβληθεί από συγκεκριμένο ιό ή η υποβολή ερώτησης σε καθέναν από 50 πολίτες για το αν συμφωνεί ή διαφωνεί με την απαγόρευση του καπνίσματος σε κλειστούς δημόσιους χώρους, είναι σύνθετα πειράματα επαναλαμβανόμενων δοκιμών Bernoulli Ας δούμε δύο τέτοια παραδείγματα πιο αναλυτικά 5 Θυμηθείτε την πολλαπλασιαστική αρχή! Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 56

5 α) Εξετάζεται (σε ένα Κέντρο Υγείας) καθένα από ν παιδιά για να διαπιστωθεί αν έχει ή δεν έχει προσβληθεί από ένα συγκεκριμένο ιό Πρόκειται προφανώς για ν επαναλαμβανόμενες εκτελέσεις του πειράματος «εξετάζεται ένα παιδί για να διαπιστωθεί αν έχει ή δεν έχει προσβληθεί από συγκεκριμένο ιό» το οποίο προφανώς είναι μια δοκιμή Bernoulli αφού έχει δύο μόνο δυνατά αποτελέσματα «το παιδί έχει προσβληθεί» και «το παιδί δεν έχει προσβληθεί», αντίστοιχα Το ένα αποτέλεσμα μιας δοκιμής Bernoulli όπως έχουμε πει το ονομάζουμε «επιτυχία» και το άλλο «αποτυχία» και τα συμβολίζουμε, αντίστοιχα, με «ε» και «α» Ας θεωρήσουμε ως «επιτυχία» το αποτέλεσμα «το παιδί έχει προσβληθεί» και ως «αποτυχία» το αποτέλεσμα «το παιδί δεν έχει προσβληθεί» Ο δειγματικός χώρος Ω του (σύνθετου) πειράματος (εξέταση ν παιδιών) αποτελείται προφανώς από ν-άδες της μορφής αεεαε 4443 K 4 εαε ν το πλήθος οι οποίες είναι ν το πλήθος, δηλαδή, ν N ( Ω) = (σκεφθείτε γιατί) Ας θεωρήσουμε το ενδεχόμενο Α: έχουν προσβληθεί ακριβώς r παιδιά (στα ν) Προφανώς το ενδεχόμενο αυτό αποτελείται από εκείνα τα στοιχεία του Ω, δηλαδή από εκείνες τις ν-άδες, της μορφής αεεαε 4443 K 4 εαε, που περιέχουν ακριβώς r το ν το πλήθος πλήθος «ε» (και επομένως ν r το πλήθος «α») Άραγε πόσες είναι αυτές οι ν- άδες; Είναι απλό Αυτές οι ν-άδες είναι τόσες, όσες είναι οι μεταθέσεις ειδών στοιχείων από τα οποία r είναι του ενός είδους («ε») και ν r είναι του άλλου είδους («α») ν! ν Eπομένως, υπάρχουν = διατεταγμένες ν-άδες που περιέχουν r r!( ν r)! r (ακριβώς) το πλήθος «ε» και ν r το πλήθος «α», δηλαδή, ν N( = r (Θυμηθείτε ότι το πλήθος των μεταθέσεων k ειδών στοιχείων από τα οποία ν είναι ν! είδους, ν είναι είδους,, ν k είναι είδους k, δίνεται από τον τύπο ν! ν! K ν! ) k β) Ρίχνουμε ένα νόμισμα μέχρι να εμφανισθεί για πρώτη φορά κεφαλή Πρόκειται προφανώς για σύνθετο πείραμα τύχης που αποτελείται από επαναλαμβανόμενες δοκιμές Bernoulli Ας συμβολίσουμε την ένδειξη «κεφαλή» με «κ» και την ένδειξη «γράμματα» με «γ» Εφόσον οι διαδοχικές ρίψεις σταματούν όταν εμφανισθεί για πρώτη φορά «κεφαλή», τα αποτελέσματα του πειράματος είναι της μορφής, κ, γκ, γγκ, και επομένως ο δειγματικός χώρος του πειράματος είναι ο Ω = { κ, γκ, γγκ, γγγκ, γγγγκ, } και πρόκειται για αριθμησίμως άπειρο δειγματικό χώρο Ας θεωρήσουμε τα ενδεχόμενα, A = {κ }, B = { γκ, γγγκ}, = {γγγκ} Δ = { κ, γκ, γγκ, γγγκ} και Ε = { γγγκ, γγγγκ, γγγγγκ, } του δειγματικού χώρου Ω Γ, Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 57

6 Το ενδεχόμενο Ε πραγματοποιείται όταν απαιτηθούν τουλάχιστον τέσσερις ρίψεις για να εμφανισθεί για πρώτη φορά «κεφαλή», ενώ το Γ πραγματοποιείται όταν απαιτηθούν ακριβώς τέσσερις ρίψεις για να εμφανισθεί για πρώτη φορά «κεφαλή» Σκεφθείτε πότε πραγματοποιείται (τι εκφράζει) καθένα από τα ενδεχόμενα Α, Β και Δ (ε) Ένας ελεγκτής ποιότητας τροφίμων μετράει και καταγράφει το χρόνο από τη στιγμή που παράγεται ένα νωπό προϊόν συγκεκριμένης εταιρείας (και συντηρείται σε ελεγχόμενες συνθήκες) μέχρι να αρχίσει η αλλοίωσή του Πρόκειται προφανώς για πείραμα τύχης, αφού η συγκεκριμένη διαδικασία μέτρησης του χρόνου μέχρι την έναρξη αλλοίωσης ενός προϊόντος της συγκεκριμένης εταιρείας μπορεί να επαναληφθεί υπό τις ίδιες συνθήκες πολλές φορές, ο χρόνος έναρξης της αλλοίωσης (το αποτέλεσμα) δε μπορεί να είναι γνωστός εκ των προτέρων με βεβαιότητα, όμως γνωρίζουμε ότι είναι κάποιος μη αρνητικός πραγματικός αριθμός Έτσι, αν θεωρήσουμε ότι μπορούμε να μετρήσουμε το χρόνο με απόλυτη ακρίβεια, ο χρόνος μέχρι την έναρξη της αλλοίωσης του προϊόντος θα μπορούσε να πάρει οποιαδήποτε μη αρνητική πραγματική τιμή και άρα ο δειγματικός χώρος, Ω, του πειράματος είναι ο Ω = { t : t 0} = [0, + ) και είναι ένας συνεχής δειγματικός χώρος Το διάστημα A = (48, 7) είναι ένα ενδεχόμενο του δειγματικού χώρου Ω το οποίο, σε μια επανάληψη του πειράματος, πραγματοποιείται αν η αλλοίωση αρχίσει μετά τις 48 ώρες από την παραγωγή του και πριν τις 7 ώρες (από την παραγωγή του) Το διάστημα B = [ 48, + ) είναι επίσης ένα ενδεχόμενο του δειγματικού χώρου Ω το οποίο, σε μια επανάληψη του πειράματος, πραγματοποιείται αν η αλλοίωση αρχίσει αφού παρέλθουν τουλάχιστον 48 ώρες από την παραγωγή του Σχόλιο 3: Στη συνέχεια θα δούμε πολλά παραδείγματα συνεχών δειγματικών χώρων Πρόκειται για πειράματα τύχης που αναφέρονται στη μέτρηση μηκών, χρόνων, βαρών, θερμοκρασιών, γενικά φυσικών μεγεθών, κτλ, όπως, μέτρηση του ύψους βροχής, του χρόνου μεταξύ δύο συμβάντων, του χρόνου ζωής ενός έμβιου ή ενός προϊόντος, του χρόνου μέχρι την αποθεραπεία ασθενούς, της απόδοσης μιας καλλιέργειας ανά στρέμμα, του ύψους ενός φυτού, της ξηρής μάζας ενός φυτού, της ποσότητας μιας ουσίας που περιέχεται σε ένα προϊόν, της ποσότητας ενός ρύπου στην ατμόσφαιρα, της τιμής ενός αιματολογικού δείκτη πχ χοληστερίνης, της ποσότητας κατανάλωσης ενός προϊόντος, της διατομής ή του μήκους ενός εξαρτήματος (πχ μιας βίδας), της αντοχής ενός υλικού ή προϊόντος, κτλ Σημειώνουμε ότι πρακτικά, τέτοιες μετρήσεις υπόκεινται σε περιορισμούς που σχετίζονται με την ακρίβεια των οργάνων μέτρησης Έτσι, αν για παράδειγμα, έχουμε στη διάθεσή μας ένα χρονόμετρο που μετράει με ακρίβεια δύο δεκαδικών ψηφίων τότε ο δειγματικός χώρος στο προηγούμενο παράδειγμα θεωρητικά είναι βέβαια ο Ω = [ 0, + ), δηλαδή, ένας συνεχής δειγματικός χώρος αφού ο ακριβής χρόνος μέχρι την αλλοίωση μπορεί θεωρητικά να πάρει οποιαδήποτε μη αρνητική πραγματική τιμή, όμως πρακτικά, οι τιμές που μπορεί να αποδοθούν είναι οι 0 00, 00, 00, 003,, δηλαδή, ο κατά προσέγγιση χρόνος μέχρι την αλλοίωση, παίρνει ένα αριθμησίμως άπειρο σύνολο τιμών, { 000, 00, 00, 003, } το οποίο, βέβαια, γίνεται όλο και πιο «πυκνό» όσο η ακρίβεια της μέτρησης βελτιώνεται Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 58

7 (στ) Από τα αρχεία του Εθνικού Αστεροσκοπείου μετράμε (και καταγράφουμε) πόσοι σεισμοί έντασης τουλάχιστον 3 Richter συνέβησαν με επίκεντρο στο Ιόνιο στη διάρκεια ενός έτους (που επιλέγουμε τυχαία) Πρόκειται για πείραμα τύχης με δειγματικό χώρο, Ω = {0,,, } που είναι αριθμησίμως άπειρος Ερώτηση: Αν αντί του πόσοι είναι αυτοί οι σεισμοί μετράμε το χρονικό διάστημα μεταξύ δύο διαδοχικών σεισμών, ποιος θα είναι τώρα ο δειγματικός χώρος του πειράματος; Σχόλιο 3: Αρκετά συχνά μας ενδιαφέρουν πειράματα τύχης που θεωρούμε ότι έχουν ως δειγματικό χώρο ένα αριθμησίμως άπειρο σύνολο Για παράδειγμα, πειράματα τύχης όπου μετράμε και καταγράφουμε τον αριθμό των αυτοκινήτων που εισέρχονται στην αττική οδό με κατεύθυνση την Ελευσίνα 6-9 το πρωί μια (οποιαδήποτε) εργάσιμη ημέρα από τον κόμβο Κύμης ή των πελατών που μπαίνουν σε ένα κατάστημα μια (οποιαδήποτε) εργάσιμη ημέρα ή 3 των κλήσεων σε ένα τηλεφωνικό κέντρο - το μεσημέρι μια (οποιαδήποτε) εργάσιμη ημέρα 4 των βακτηριδίων σε cm 3 νερού που πήραμε από την κοίτη του ποταμού Καλαμά Θεωρώντας ότι ο δειγματικός χώρος ας πούμε του ου πειράματος είναι ο Ω = {0,,,}, προφανώς κάνουμε την παραδοχή ότι ο μέγιστος αριθμός των αυτοκινήτων που μπορεί να εισέλθουν στην αττική οδό με κατεύθυνση την Ελευσίνα 6-9 το πρωί μια (οποιαδήποτε) εργάσιμη ημέρα από τον κόμβο Κύμης, είναι πρακτικά πολύ μεγάλος ώστε να λαμβάνεται ως Αν δεν κάνουμε μια τέτοια παραδοχή, τότε ο δειγματικός χώρος είναι το πεπερασμένο σύνολο Ω = { 0,,,, M} (όπου Μ, το σημείο κορεσμού που με κάποιο τρόπο μάς είναι γνωστό) (ζ) Το ο, το ο, και το 6 ο βραβείο ποιότητας ελαιολάδου απονέμονται σε έξι παραγωγούς ελαιολάδου (από ένα βραβείο σε καθέναν παραγωγό) Ας συμβολίσουμε τους 6 παραγωγούς με α, β, γ, δ, ε και στ Ένα δυνατό αποτέλεσμα του πειράματος είναι, για παράδειγμα, το εξής: ο βραβείο ο παραγωγός γ, ο ο ε, 3 ο ο α, 4 ο ο δ, 5 ο ο στ και 6 ο ο β, το οποίο μπορούμε να το συμβολίσουμε (γιατί είναι) ως τη μετάθεση γ ε α δ στ β των στοιχείων του συνόλου { α, β, γ, δ, ε, στ} (το γ στην πρώτη θέση σημαίνει ότι ο γ παραγωγός πήρε το ο βραβείο, το ε στη δεύτερη θέση σημαίνει ότι ο ε παραγωγός πήρε το ο βραβείο, κοκ) Πρόκειται επομένως για ένα πείραμα τύχης του οποίου ο δειγματικός χώρος αποτελείται από όλες τις μεταθέσεις των στοιχείων του συνόλου { α, β, γ, δ, ε, στ} άρα είναι ένας πεπερασμένος δειγματικός χώρος με 6! = 70 το πλήθος δειγματικά σημεία 6 Βέβαια, δεν είναι εύκολο να καταγράψουμε ένα προς ένα όλα τα δυνατά αποτελέσματα του πειράματος, όμως όπως είδαμε, μπορούμε να τα περιγράψουμε και γνωρίζουμε πόσα είναι Στη συνέχεια, όταν θα μάθουμε να υπολογίζουμε 6 Έχουμε μάθει να απαριθμούμε; Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 59

8 πιθανότητες ενδεχομένων, θα δούμε πόσο χρήσιμο είναι να γνωρίζουμε τον πληθικό αριθμό του δειγματικού χώρου και των ενδεχομένων του που μελετάμε Ας θεωρήσουμε το ενδεχόμενο Α: «ο παραγωγός α παίρνει ένα από τα τρία πρώτα βραβεία» και το ενδεχόμενο Β: «ο παραγωγός β παίρνει το ο βραβείο» Μπορείτε να δείξετε ότι, N ( = 3 5! = 360 και N ( B) = 0 ; (είναι ένα ενδιαφέρον πρόβλημα απαρίθμησης, προσπαθήστε) (η) Επιλέγουμε από τα αρχεία του Δήμου Αθηναίων την οικογενειακή μερίδα μιας (οποιαδήποτε) τρίτεκνης οικογένειας και καταγράφουμε πόσα από τα τρία παιδιά της οικογένειας είναι αγόρια Πρόκειται για πείραμα τύχης Το σύνολο Ω = {0,,, 3} είναι προφανώς ένας κατάλληλος δειγματικός χώρος του πειράματος αφού το αποτέλεσμα του πειράματος είναι ο αριθμός των αγοριών μιας τρίτεκνης οικογένειας η οποία προφανώς μπορεί να έχει ή κανένα, ή ένα, ή δύο ή τρία αγόρια Όμως, κατάλληλος δειγματικός χώρος αυτού του πειράματος είναι προφανώς και το σύνολο, Ω = { κκκ, ακκ, κακ, κκα, αακ, ακα, καα, ααα}, όπου, τώρα, ως αποτέλεσμα/δειγματικό σημείο του πειράματος καταγράφουμε το φύλο και τη σειρά γέννησης των παιδιών Για παράδειγμα, το δειγματικό σημείο «κακ» σημαίνει ότι η οικογένεια έχει ένα αγόρι και ότι το πρώτο παιδί που γεννήθηκε είναι κορίτσι, το δεύτερο αγόρι και το τρίτο κορίτσι Δηλαδή, σε ένα πείραμα τύχης μπορεί να έχουμε εναλλακτικούς τρόπους για να ορίσουμε τα δυνατά αποτελέσματά του, άρα και τον δειγματικό χώρο του Φυσικά, και τα ενδεχόμενα πρέπει να ορίζονται σε αντιστοιχία με τον τρόπο ορισμού των αποτελεσμάτων του πειράματος Για παράδειγμα, το ενδεχόμενο «η οικογένεια έχει ακριβώς δύο αγόρια», ενώ όταν αναφερόμαστε στο δειγματικό χώρο Ω είναι το απλό ενδεχόμενό του, A = {}, όταν αναφερόμαστε στο δειγματικό χώρο Ω είναι το σύνθετο ενδεχόμενό του, A = { αακ, ακα, καα} Προσοχή λοιπόν! Πολλά σφάλματα και παράδοξα στις πιθανότητες, οφείλονται σε παρανοήσεις που σχετίζονται με τον τρόπο ορισμού του δειγματικού χώρου και την περιγραφή των κατάλληλων ενδεχομένων Παρατηρείστε ότι αν το πείραμα ήταν «επιλέγουμε από τα αρχεία του Δήμου Αθηναίων την οικογενειακή μερίδα μιας (οποιαδήποτε) τρίτεκνης οικογένειας και καταγράφουμε κατά σειρά γέννησης το φύλο κάθε παιδιού», τότε προφανώς κατάλληλος δειγματικός χώρος του πειράματος θα ήταν μόνο ο Ω Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 60

9 3 Πράξεις μεταξύ ενδεχομένων Τα ενδεχόμενα, όπως είδαμε, ορίζονται ως σύνολα, και συγκεκριμένα, ως υποσύνολα του συνόλου των δειγματικών σημείων, δηλαδή του δειγματικού χώρου ενός πειράματος τύχης Αυτό σημαίνει ότι τόσο οι πρωταρχικές για τη θεμελίωση της Θεωρίας Πιθανοτήτων έννοιες, «δειγματικό σημείο» και «δειγματικός χώρος», όσο και η έννοια του «ενδεχομένου» που προκύπτει από αυτές, συνδέονται με την έννοια του συνόλου και επομένως «για να κάνουμε πιθανότητες» έχουμε στη διάθεσή μας ένα κατάλληλο μαθηματικό πλαίσιο, αυτό της Θεωρίας Συνόλων Έτσι, μπορούμε να κάνουμε πράξεις μεταξύ ενδεχομένων (από τις οποίες προκύπτουν νέα ενδεχόμενα) αλλά και να εκφράσουμε σχέσεις μεταξύ ενδεχομένων, εργαζόμενοι με γνωστά από την άλγεβρα συνόλων εργαλεία Επίσης, για την εποπτική αναπαράσταση δειγματικών χώρων και ενδεχομένων μπορούμε, όπως και στη θεωρία συνόλων, να χρησιμοποιούμε τα γνωστά διαγράμματα Venn Ας θυμηθούμε λοιπόν κάποια στοιχεία άλγεβρας συνόλων (μόνο τα αναγκαία για τη συνέχεια) διατυπωμένα στη γλώσσα των πιθανοτήτων με όρους πραγματοποίησης (εμφάνισης) ενδεχομένων Έστω δύο ενδεχόμενα Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης Λέμε ότι το ενδεχόμενο Α συνεπάγεται το ενδεχόμενο Β ή ότι το ενδεχόμενο Α είναι υποσύνολο του ενδεχομένου Β, αν όταν πραγματοποιηθεί το Α πραγματοποιείται και το Β (Σχήμα 3) Η σχέση αυτή συμβολίζεται με A B Αν ισχύει και το αντίστροφο, δηλαδή αν επιπλέον και το Β είναι υποσύνολο του Α ( B τότε λέμε ότι τα ενδεχόμενα Α και Β είναι ίσα και η σχέση αυτή συμβολίζεται με A = B Συμπλήρωμα ή αντίθετο (Complement) ενός ενδεχομένου Α του δειγματικού χώρου Ω ενός πειράματος τύχης είναι ένα ενδεχόμενο το οποίο πραγματοποιείται αν και μόνο αν c δεν πραγματοποιείται το Α (Σχήμα 33) και συμβολίζεται με A ή A ή A Είναι φανερό ότι το συμπλήρωμα/αντίθετο του A είναι το Α, γι αυτό τα Α και A ονομάζονται αντίθετα ενδεχόμενα Τα και Ω είναι προφανώς αντίθετα ενδεχόμενα Ένωση (Union) δύο ενδεχομένων Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης είναι ένα ενδεχόμενο το οποίο πραγματοποιείται όταν πραγματοποιηθεί ένα τουλάχιστον από τα ενδεχόμενα Α, Β (Σχήμα 34) Συμβολίζεται με A B Είναι προφανές ότι: A = A, A A = A, A Ω = Ω, A A = Ω Επίσης, αν A B τότε προφανώς A B = B Η πράξη της ένωσης δύο ενδεχομένων επεκτείνεται εύκολα για τρία ή περισσότερα ενδεχόμενα Έτσι, ένωση των ενδεχομένων A, A,, Aν του δειγματικού χώρου Ω ενός πειράματος τύχης είναι ένα ενδεχόμενο το οποίο πραγματοποιείται όταν πραγματοποιηθεί ένα τουλάχιστον από τα ενδεχόμενα A i, i =,,, ν και συμβολίζεται με A ν U ν A i i= A A = Ανάλογα ορίζεται η ένωση άπειρου πλήθους ενδεχομένων, A, A,, A, και συμβολίζεται με U = i A i ν Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 6

10 Τομή ή γινόμενο (Intersection) δύο ενδεχομένων Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης είναι ένα ενδεχόμενο το οποίο πραγματοποιείται όταν πραγματοποιηθούν ταυτόχρονα και τα δύο ενδεχόμενα Α, Β (Σχήμα 35) Συμβολίζεται με A B ή με AB Είναι προφανές ότι: προφανώς AB = A A =, A AA =, A Ω = A, A A = Επίσης, αν A B τότε Η πράξη της τομής δύο ενδεχομένων επεκτείνεται εύκολα για τρία ή περισσότερα ενδεχόμενα Έτσι, τομή των ενδεχομένων A, A,, Aν του δειγματικού χώρου Ω ενός πειράματος τύχης είναι ένα ενδεχόμενο το οποίο πραγματοποιείται αν πραγματοποιηθούν ταυτόχρονα όλα τα ενδεχόμενα A i, i =,,, ν και συμβολίζεται με I ν ν A A Aν = A i ή με A Aν = A i i= i= A Ανάλογα ορίζεται η τομή άπειρου πλήθους ενδεχομένων, A, A,, A, και συμβολίζεται με I = i A i ή με i= A i ν Δύο ενδεχόμενα Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης ονομάζονται ξένα ενδεχόμενα (disjoint events) αν δεν είναι δυνατόν να πραγματοποιηθούν συγχρόνως, (Σχήμα 36), δηλαδή αν η πραγματοποίηση του ενός αποκλείει την πραγματοποίηση του άλλου, ή αλλιώς, αν η τομή τους είναι το αδύνατο ενδεχόμενο ( AB = ), γι αυτό ονομάζονται και ασυμβίβαστα ή αμοιβαίως αποκλειόμενα (mutually exclusive) Έστω δύο ενδεχόμενα Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης Διαφορά (Difference) του ενδεχομένου Β από το ενδεχόμενο Α, είναι ένα ενδεχόμενο το οποίο πραγματοποιείται όταν πραγματοποιηθεί το Α και δεν πραγματοποιηθεί το Β (Σχήμα 37) Συμβολίζεται με A B και προφανώς ισχύει, A B = AB Αν A B τότε A B = (σκεφθείτε γιατί) Συμμετρική Διαφορά (Difference) δύο ενδεχομένων Α, Β του δειγματικού χώρου Ω ενός πειράματος τύχης, είναι ένα ενδεχόμενο το οποίο πραγματοποιείται όταν πραγματοποιηθεί μόνο ένα (ακριβώς ένα) από τα ενδεχόμενα Α, Β, ή αλλιώς, όταν πραγματοποιηθεί ένα από τα Α, Β χωρίς να πραγματοποιηθεί το άλλο (Σχήμα 38) Συμβολίζεται με AΔ B και προφανώς ισχύει, A Δ B = AB BA Σχήμα 3 A B Σχήμα 33 Σχήμα 34 Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 6

11 Σχήμα 35 Σχήμα 36 AB = Σχήμα 37 Σχήμα 38 A B BA Σχήμα 39 ( A B) Σχήμα 30 ( AB ) Για την ένωση και την τομή ενδεχομένων ισχύουν επίσης, η αντιμεταθετική, η προσεταιριστική και η επιμεριστική ιδιότητα: Αντιμεταθετική A B = B A AB = BA Προσεταιριστική A ( B Γ) = ( A B) Γ A ( BΓ) = ( AB) Γ Επιμεριστική A ( BΓ) = ( A B)( A Γ) και A ( B Γ) = ( AB) ( AΓ) Τέλος, για το συμπλήρωμα της ένωσης, και αντίστοιχα, της τομής δύο ενδεχομένων Α, Β, αποδεικνύονται οι παρακάτω πολύ χρήσιμοι, όπως θα διαπιστώσουμε στη συνέχεια, τύποι που είναι γνωστοί ως Τύποι De Morgan Τύποι De Morgan: Αν Α, Β είναι δύο ενδεχόμενα του δειγματικού χώρου Ω ενός πειράματος τύχης, τότε αποδεικνύεται ότι, ( A B) = A B και ( AB ) = A B Το ενδεχόμενο ( A B), δηλαδή, το συμπλήρωμα της ένωσης δύο ενδεχομένων Α, Β, πραγματοποιείται όταν δεν πραγματοποιηθεί ούτε το Α ούτε το Β (δες και Σχήμα 39) ενώ το ενδεχόμενο ( AB ), δηλαδή, το συμπλήρωμα της τομής δύο ενδεχομένων Α, Β, πραγματοποιείται όταν πραγματοποιηθεί το πολύ ένα από τα Α, Β (δες και Σχήμα 30) Οι τύποι De Morgan γενικεύονται για ν > ενδεχόμενα, A, A,, Aν (αλλά και για άπειρα το πλήθος ενδεχόμενα) ( A A Aν ) = A A A ν και ( A A Aν ) = A A A ν Διαμέριση του δειγματικού χώρου Ω: Μια οικογένεια B, B,, Bν ν ενδεχομένων του δειγματικού χώρου Ω ενός πειράματος τύχης, ονομάζεται διαμέριση (partition) του Ω, αν B = (για κάθε i j ) και B B B = Ω i B j ν, δηλαδή, αν τα ενδεχόμενα B i Ω, i =,, K, ν είναι ανά δύο ξένα μεταξύ τους και η ένωσή τους είναι όλος ο δειγματικός χώρος (Σχήμα 3) Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 63

12 B B Bν = Ω & B = Σχήμα 3 Αυτό σημαίνει ότι σε μια εκτέλεση του πειράματος, πάντοτε πραγματοποιείται ένα από τα B, B,, Bν (αφού B B Bν = Ω ) και μάλιστα ακριβώς ένα (αφού B = για κάθε i j ) i B j Αν Α ένα (οποιοδήποτε) ενδεχόμενο του Ω τότε προφανώς (δες και Σχήμα 3) A = AΩ = A( B B Bν ) = AB AB AB ν και (AB )(AB ) = A( B B = A = για κάθε i j i j i j ) i B j Σχήμα 3 Δηλαδή, τα ενδεχόμενα AB, AB, K, ABν αποτελούν μια διαμέριση του Α Αυτό σημαίνει ότι όταν πραγματοποιείται το ενδεχόμενο Α, πραγματοποιείται σε συνδυασμό με ακριβώς ένα (μόνο ένα) από τα B, B, K, Bν Παρατήρηση 3 Μια ειδική περίπτωση διαμέρισης του δειγματικού χώρου Ω παίρνουμε αν θεωρήσουμε ένα οποιοδήποτε ενδεχόμενο, έστω Β, του Ω και το συμπλήρωμά του Β Είναι φανερό ότι τα Β και Β αποτελούν μια διαμέριση του Ω αφού, B B = Ω και B B = Έτσι αν Α ένα άλλο (οποιοδήποτε) ενδεχόμενο του Ω τότε με βάση όσα αναφέραμε προηγουμένως (δες και Σχήμα 33) τα ενδεχόμενα ΑΒ και ΑΒ είναι ξένα και ισχύει, A = AB AB, δηλαδή, αν σε μια εκτέλεση του πειράματος πραγματοποιηθεί το ενδεχόμενο Α, ή αλλιώς, αν το αποτέλεσμα βρίσκεται στο ενδεχόμενο Α τότε είτε θα βρίσκεται και στο ενδεχόμενο Β είτε δε θα βρίσκεται Αντίστοιχα, τα ενδεχόμενα ΒΑ και ΑΒ είναι ξένα και ισχύει B = BA BA, δηλαδή, αν το αποτέλεσμα βρίσκεται στο ενδεχόμενο Β τότε είτε θα βρίσκεται και στο ενδεχόμενο Α είτε δε θα βρίσκεται Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 64

13 (α) Σχήμα 33 (β) Επίσης, προφανώς ισχύει ότι A B = AB B = A BA = AB AB BA Στη συνέχεια, όταν θα μάθουμε να υπολογίζουμε πιθανότητες ενδεχομένων, θα διαπιστώσουμε πόσο πολύ διευκολύνει τον υπολογισμό πιθανοτήτων η διαμέριση του δειγματικού χώρου και ενδεχομένων του σε δύο ή περισσότερα ενδεχόμενα Ας δούμε τώρα μερικά παραδείγματα που θα βοηθήσουν να εξοικειωθούμε με τις πράξεις μεταξύ ενδεχομένων και τις ιδιότητές τους Παράδειγμα 3: α) Ας θεωρήσουμε τα ενδεχόμενα A = {,, 3} και B = {,3,4,5,6 } του δειγματικού χώρου Ω = {,, 3,,50} του πειράματος τύχης που συζητήσαμε στο Παράδειγμα 3(β) και έστω ότι σε μια επανάληψη του πειράματος το αποτέλεσμα είναι, δηλαδή, ότι από τους θετικούς ακέραιους που είναι μικρότεροι ή ίσοι του επελέγη το Στην περίπτωση αυτή, πραγματοποιείται το ενδεχόμενο Α αφού A και δεν πραγματοποιείται το ενδεχόμενο Β, αφού B Επίσης, πραγματοποιείται και η ένωση A B (αφού για να πραγματοποιηθεί η ένωση δύο ενδεχομένων αρκεί η πραγματοποίηση του ενός) η διαφορά, A B, του Β από το Α (από τον ορισμό της διαφοράς ενδεχομένων) το συμπλήρωμα B του Β (από τον ορισμό του συμπληρώματος ενδεχομένου) ενώ δεν πραγματοποιείται (σκεφθείτε γιατί), το συμπλήρωμα A του Α η τομή AB το συμπλήρωμα ( A B) της ένωσης A B το συμπλήρωμα ( A B) της διαφοράς A B Ας επαληθεύσουμε (παρότι δεν είναι απαραίτητο) αυτά τα συμπεράσματα Πράγματι, A B = {,,3,4,5,6}, A B = { }, B = {,7,8,,50}, A = {4,5,,50}, AB = {,3}, ( A B) = {7,8,,50}, ( A B) = {,3,,50} β) Έστω τα ενδεχόμενα A = (48, 7) και B = [ 48, + ) του δειγματικού χώρου Ω = { t : t 0} = [0, + ) του πειράματος τύχης που συζητήσαμε στο Παράδειγμα 3(ε) Παρατηρείστε ότι: A B, A B = [ 48, + ) = B, AB = ( 48, 7) = A, A B = Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 65

14 Έστω επίσης τα ενδεχόμενα i =,,,k A, A,, A του Ω = [ 0, + ) με A i = { t :0 t < i}, k Για τα ενδεχόμενα, A A Ak και A A Ak ισχύει αντίστοιχα, A A A = k A και A A A k = Ak Σκεφθείτε γιατί (Παρατηρείστε ότι, A = [0, ), A = [0, ), 3) A 3 = [0, κοκ) Παράδειγμα 33: Έστω Α, Β, Γ τρία ενδεχόμενα ενός δειγματικού χώρου Ω Στα διαγράμματα Venn που ακολουθούν (Σχήμα 34) φαίνεται πώς μπορούν να εκφρασθούν τα παρακάτω ενδεχόμενα, (α)-(στ), με χρήση πράξεων μεταξύ των Α, Β, Γ α) Τουλάχιστον ένα από τα Α, Β, Γ πραγματοποιείται β) Δεν πραγματοποιείται κανένα από τα Α, Β, Γ γ) Και τα τρία ενδεχόμενα Α, Β, Γ πραγματοποιούνται δ) Πραγματοποιούνται το πολύ δύο από τα Α, Β, Γ ε) Πραγματοποιείται ακριβώς ένα από τα Α, Β, Γ στ) Πραγματοποιείται το Α και δεν πραγματοποιείται ούτε το Β ούτε το Γ α A B Γ β ( A B Γ ) = A B Γ γ AB Γ δ ( ABΓ ) ε A B Γ A BΓ A B Γ στ A ( B Γ ) = AB Γ Σχήμα 34 Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 66

15 Ερώτηση: Σκεφθείτε ποια ενδεχόμενα εκφράζουν οι σκιασμένες περιοχές στα διαγράμματα Venn που φαίνονται στα Σχήματα 35 και 36 Σχήμα 35 Σχήμα 36 Παράδειγμα 34: Ας θεωρήσουμε το ενδεχόμενο Α: «ο παραγωγός α παίρνει ένα από τα τρία πρώτα βραβεία» και το ενδεχόμενο Β: «ο παραγωγός β παίρνει το ο βραβείο» του δειγματικού χώρου του πειράματος τύχης που συζητήσαμε στο Παράδειγμα 3(ζ) Περιγράψτε τα ενδεχόμενα AB και N ( A B) = 43 A B και δείξτε ότι N ( AB) = 4! = 48 και Παράδειγμα 35: Στο διάγραμμα που ακολουθεί, φαίνεται σχηματικά το σύστημα λήψης απόφασης σε μια γενική διεύθυνση ενός οργανισμού (πρόκειται για τμήμα του οργανογράμματος του οργανισμού) Ο γενικός διευθυντής εγκρίνει μια εισήγηση εφόσον συμφωνήσει τουλάχιστον μια από τις διευθύνσεις, καθώς και η διεύθυνση 3 (πρόκειται για τη διεύθυνση που καλύπτει το οικονομικό κόστος των εισηγήσεων) Σχήμα 37 Εδώ η διαδικασία (το πείραμα) που επαναλαμβάνεται είναι, «κατατίθεται μια εισήγηση προς έγκριση και καταγράφεται ποια διεύθυνση συμφωνεί και ποια δε συμφωνεί με την εισήγηση» Αν συμβολίσουμε τη «συμφωνία» με και τη «μη συμφωνία» με «0», το αποτέλεσμα μπορούμε να το συμβολίσουμε με μια διατεταγμένη τριάδα από και «0» όπου η θέση στην τριάδα δείχνει τη διεύθυνση ( η θέση αντιστοιχεί στην διεύθυνση, η θέση στην διεύθυνση και 3 η θέση στην διεύθυνση 3) Έτσι, για παράδειγμα, η διατεταγμένη τριάδα 0 περιγράφει το αποτέλεσμα: η διεύθυνση συμφωνεί, η διαφωνεί και η 3 συμφωνεί Έτσι ένας κατάλληλος δειγματικός χώρος του πειράματος είναι το σύνολο όλων των διατεταγμένων τριάδων α α α 3, όπου α i = 0 ή για κάθε i =,, 3 Δηλαδή, Ω = { α α α 3 : α i {0,}, i =,,3} Πρόκειται για πεπερασμένο δειγματικό χώρο με N ( Ω) = 8 (σκεφθείτε γιατί) Αν μας ενδιαφέρει, μπορούμε με ένα συστηματικό τρόπο, να καταγράψουμε αναλυτικά όλα τα στοιχεία του Ω Κατασκευάζοντας κατάλληλο δενδρόγραμμα, επαληθεύστε ότι Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 67

16 Ω = {,0,0,00, 0, 00, 00, 000} Έστω το ενδεχόμενο E: η εισήγηση εγκρίνεται Με βάση τη διαδικασία λήψης αποφάσεων και τον τρόπο που ορίσαμε και συμβολίσαμε τα αποτελέσματα του πειράματος, το ενδεχόμενο E περιλαμβάνει τις διατεταγμένες τριάδες που στις δύο πρώτες θέσεις έχουν τουλάχιστον ένα και στην τρίτη θέση Δηλαδή, E = {,0, 0} Αν ορίσουμε τα ενδεχόμενα, Σ i : η διεύθυνση i =,, 3 συμφωνεί, τότε το E μπορεί να εκφρασθεί με πράξεις μεταξύ των Σ i ως εξής: E = (Σ Σ ) (σκεφθείτε γιατί) Σ 3 Σκεφθείτε επίσης, πώς μπορεί να εκφρασθεί με πράξεις μεταξύ των ενδεχόμενο: η εισήγηση δεν εγκρίνεται Σ i το Σημείωση 3: Συνδεσμολογίες όπως αυτές του Σχήματος 37 μπορεί να αφορούν σε ένα συστήματα μεταφοράς κάποιου υγρού ή αερίου (πχ νερού, πετρελαίου, φυσικού αερίου), ηλεκτρικής ενέργειας, ηλεκτρονικού ή μαγνητικού σήματος, κά Δηλαδή, σε ένα δίκτυο/σύστημα, μπορεί να διασυνδέονται κατά περίπτωση, αντλίες μεταφοράς κάποιου υγρού ή αερίου, σταθμοί ηλεκτρικής ενέργειας, διακόπτες, πομποί, κεραίες, κτλ που λειτουργούν ή δε λειτουργούν, δηλαδή που έχουν δύο καταστάσεις (ή και περισσότερες) Ορίζεται βέβαια και η συνθήκη λειτουργίας του συστήματος Ο τρόπος που εργαζόμαστε σε τέτοια προβλήματα, φυσικά δεν επηρεάζεται από το είδος των εξαρτημάτων που διασυνδέονται (δες και την άσκηση 3) Στην εισαγωγική ενότητα, στη γενική επισκόπηση που κάναμε, αναφέραμε ότι αντικείμενο της Θεωρίας Πιθανοτήτων είναι η έρευνα των νόμων που διέπουν τα τυχαία φαινόμενα και πειράματα Με την εισαγωγή των εννοιών, πείραμα τύχης, δειγματικό σημείο, δειγματικός χώρος και ενδεχόμενο, που μόλις γνωρίσαμε, δημιουργείται το πλαίσιο εντός του οποίου γίνεται η «διερεύνηση των νόμων που διέπουν το τυχαίο» Ας δούμε λοιπόν πώς 33 Η Έννοια της Πιθανότητας Σε ένα πείραμα τύχης δεν είμαστε ποτέ βέβαιοι αν, σε μια συγκεκριμένη εκτέλεσή του, ένα ενδεχόμενο Α του δειγματικού χώρου του Ω, θα εμφανισθεί ή δε θα εμφανισθεί Ενδέχεται να εμφανισθεί αλλά ενδέχεται και να μην εμφανισθεί Βέβαια, ένα εύλογο ερώτημα που αβίαστα προκύπτει είναι το εξής: σε αυτές τις συνθήκες αβεβαιότητας, υπάρχει κάποιος τρόπος να ορίσουμε ένα μέτρο «προσδοκίας» για την εμφάνιση του ενδεχομένου Α; Μπορούμε, δηλαδή, και πώς, σε κάθε ενδεχόμενο του δειγματικού χώρου ενός πειράματος τύχης να αντιστοιχίσουμε έναν αριθμό που να εκφράζει το «βαθμό βεβαιότητας» που έχουμε για την εμφάνισή του; Το ερώτημα αυτό απαντήθηκε μέσα από μια μακρά, όμως ενδιαφέρουσα και δημιουργική πορεία Παρότι οι προσπάθειες άρχισαν από τον 5 ο αιώνα, η θεμελίωση της Θεωρίας Πιθανοτήτων ολοκληρώθηκε πολύ πρόσφατα, τον 0 ο αιώνα (μόλις το 933) και χρειάσθηκε γι αυτό πολύς μόχθος πολλών γενεών Μαθηματικών 7 Από τους πρώτους που ασχολήθηκαν με προβλήματα υπολογισμού πιθανοτήτων ήταν οι Ιταλοί μαθηματικοί Paccioli, Tartaglia, Peverone, Cardano αλλά και ο Galileo Galilei (το 494 ο Paccioli έθεσε το πρόβλημα των μεριδίων με το 7 Αναμενόμενες οι δυσκολίες αφού η αναζήτηση νόμων που διέπουν το «τυχαίο» δεν ήταν (και δεν είναι) και το πιο απλό εγχείρημα! Δε συμφωνείτε; Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 68

17 οποίο ασχολήθηκαν και οι Tartaglia και Peverone το 556 και το 58 αντίστοιχα, όλοι όμως απέτυχαν να δώσουν σωστή λύση 8 Επίσης ο Cardano σε εργασία που δημοσιεύθηκε μετά το θάνατό του (το 663) αλλά και ο Galileo Galilei υπολόγισαν πιθανότητες σε προβλήματα τυχερών παιχνιδιών με ζάρια) Συστηματικά, με τη διατύπωση γενικών μεθόδων υπολογισμού πιθανοτήτων, ασχολήθηκαν (για πρώτη φορά το 654) οι διάσημοι Γάλλοι μαθηματικοί Pascal και Fermat ενώ το πρώτο βιβλίο πιθανοτήτων, το οποίο και επηρέασε την εξέλιξη της θεωρίας αλλά κέντρισε και το ενδιαφέρον μεγάλων μαθηματικών και προκάλεσε την ενασχόλησή τους με προβλήματα πιθανοτήτων, δημοσιεύθηκε το 657 από τον Ολλανδό μαθηματικό, αστρονόμο και φυσικό Huyghens, με τον λατινικό τίτλο «De ratiociniis in ludo aleae» 9 Στη συνέχεια, σημαντική ήταν η συμβολή (σε θεμελιώδη ζητήματα) των James Bernoulli και Abraham de Moivre αλλά και του Pierre de Laplace ο οποίος εισήγαγε νέες ιδέες για το μαθηματικό λογισμό πιθανοτήτων και δημοσίευσε (το 8) το βιβλίο-σταθμό στην εξέλιξη της θεωρίας των πιθανοτήτων «Theorie Analytique de Probabilites» Στην εξέλιξη της θεωρίας αλλά και στη διεύρυνση των εφαρμογών των πιθανοτήτων κατά τον 9 ο και τον 0 ο αιώνα, εξέχουσα θέση κατέχουν οι Gauss, Chebysev, Markov, Liapounov, Mises και Kolmogorov Στον Kolmogorov οφείλεται και η αξιωματική θεμελίωση της Θεωρίας Πιθανοτήτων Στη μακρά αυτή πορεία θεμελίωσης και ανάπτυξης της Θεωρίας Πιθανοτήτων, η έννοια της πιθανότητας προσεγγίσθηκε με περισσότερους από έναν τρόπους και δόθηκαν τρεις ορισμοί, γνωστοί ως κλασικός, στατιστικός και αξιωματικός ορισμός της πιθανότητας αντίστοιχα, όχι γιατί στην πορεία διαπιστώνονταν ανακολουθίες ή αντιφάσεις, αλλά ως ανταπόκριση στην ανάγκη γενίκευσης και (περισσότερης) μαθηματικής αυστηρότητας 0 Ας δούμε με τη σειρά που προτάθηκαν αυτούς τους τρεις ορισμούς 33 Κλασικός ορισμός της πιθανότητας Ας θεωρήσουμε ότι για το δειγματικό χώρο Ω, ενός πειράματος τύχης ισχύει ότι: () είναι πεπερασμένος με έστω Ν το πλήθος δειγματικά σημεία (αποτελέσματα), δηλαδή, έστω ότι N ( Ω) = N και () μεταξύ των Ν δειγματικών σημείων του υπάρχει μια εγγενής συμμετρικότητα, με την έννοια ότι δεν υπάρχει λόγος να δεχθούμε ότι κάποιο δειγματικό σημείο είναι περισσότερο ή λιγότερο πιθανό από τα υπόλοιπα, και έτσι μπορούμε να τα θεωρήσουμε όλα εξίσου πιθανά (ισοπίθανα), Έστω επίσης ένα ενδεχόμενο Α του Ω, με k δειγματικά σημεία, δηλαδή, με N ( = k Το ενδεχόμενο Α πραγματοποιείται όταν από τα Ν δυνατά αποτελέσματα του πειράματος εμφανισθεί οποιοδήποτε από τα k αποτελέσματα που περιέχονται στο Α Δηλαδή, το Α πραγματοποιείται στις k από τις Ν δυνατές περιπτώσεις αποτελεσμάτων του πειράματος Γι αυτό, ενώ τα στοιχεία του Ω ονομάζονται δυνατά αποτελέσματα 8 Τα επιτεύγματα (ο πλούτος) του ανθρώπινου πολιτισμού κατακτήθηκαν (και κατακτώνται) με συνεχή προσπάθεια, μόχθο, δυσκολίες, αλλά και λάθη, αποτυχίες και απογοητεύσεις Βέβαια, στο ελληνικό εκπαιδευτικό σύστημα το λάθος απαγορεύεται και τιμωρείται αυστηρά ενώ τα σχολικά εγχειρίδια, κατά κανόνα, δίνουν την ψευδή εικόνα ότι οι κατακτήσεις του ανθρώπινου πολιτισμού προέκυψαν, περίπου, «εξ επιφοιτήσεως» Με το λάθος να προβάλλει και να επικρέμεται ως απειλή, πώς θα τολμήσουν άραγε οι νέοι να αμφισβητούν και να αμφιβάλλουν ώστε να μάθουν να σκέφτονται και να ενεργούν δημιουργικά; 9 «On Reasoning in Games of Chance» 0 Πέραν αυτών των τριών ορισμών έχει προταθεί και η υποκειμενική πιθανότητα ως αποτέλεσμα φιλοσοφικής θεώρησης και ερμηνείας της ως «βαθμού πίστης» Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 69

18 ή δυνατές περιπτώσεις, τα στοιχεία του Α ονομάζονται ευνοϊκά αποτελέσματα ή ευνοϊκές περιπτώσεις για το Α Είναι επομένως λογικό να θεωρήσουμε ότι το κλάσμα N( k = N(Ω) N μπορεί να αποτελέσει ένα μέτρο για το πόσο πιθανό είναι να πραγματοποιηθεί το ενδεχόμενο Α αφού εκφράζει τις ευνοϊκές περιπτώσεις ως ποσοστό επί των δυνατών Έτσι φθάνουμε στον κλασικό ορισμό της πιθανότητας Κλασικός ορισμός της πιθανότητας: Αν ο δειγματικός χώρος Ω ενός πειράματος τύχης είναι πεπερασμένος και μεταξύ των απλών ενδεχομένων του υπάρχει μια εγγενής συμμετρικότητα, με την έννοια ότι δεν υπάρχει λόγος να δεχθούμε ότι κάποιο απλό ενδεχόμενο είναι περισσότερο ή λιγότερο πιθανό από τα υπόλοιπα, και έτσι μπορούμε να τα θεωρήσουμε όλα εξίσου πιθανά (ισοπίθανα), τότε η πιθανότητα εμφάνισης ενός (οποιουδήποτε) ενδεχομένου A Ω, την οποία συμβολίζουμε με P (, δίνεται από τον τύπο, N( P ( = (3) N ( Ω) Επισήμανση: Παρατηρείστε ότι το «ισοπίθανο» που τίθεται ως προϋπόθεση στον κλασικό ορισμό της πιθανότητας, εύλογα ορίζεται ανεξάρτητα από την έννοια της πιθανότητας (ορίζεται με επίκληση της αρχής της «έλλειψης επαρκούς λόγου») Ο κλασικός ορισμός της πιθανότητας προτάθηκε από τον Laplace το 8 και μέχρι τις αρχές του 0 ου αιώνα απετέλεσε το θεμέλιο της θεωρίας των πιθανοτήτων, γι αυτό και ονομάσθηκε κλασικός Αξίζει να αναφερθεί ότι ο ορισμός αυτός είχε διατυπωθεί τόσο από τον Moivre το 7 όσο και από τον Bayes (σε δημοσίευση που έγινε το 763, δύο χρόνια μετά το θάνατό του) αλλά και πολύ πριν, οι Pascal και Fermat αλλά και ο Cardano, κ ά, με αυτόν τον τρόπο προσέγγισαν την έννοια της πιθανότητας Παρατηρείστε ότι η πιθανότητα ορίσθηκε ως μια συνολοσυνάρτηση P ( ) η οποία σε κάθε ενδεχόμενο A του συνόλου όλων των ενδεχομένων του δειγματικού χώρου Ω N( αντιστοιχίζει τον πραγματικό αριθμό, P ( = N ( Ω) Εύκολα μπορεί να αποδειχθεί ότι: P ( 0, για κάθε ενδεχόμενο Α του συνόλου των ενδεχομένων του Ω P ( Ω) = 3 P ( A B) = P( + P( B), για οποιαδήποτε ξένα ενδεχόμενα Α, Β του συνόλου των ενδεχομένων του Ω H () και η () προκύπτουν άμεσα από την (3) Η (3) ονομάζεται ιδιότητα της πεπερασμένης προσθετικότητας και αποδεικνύεται ως εξής: αν το ενδεχόμενο Α έχει κ στοιχεία και το Β έχει λ στοιχεία, δηλαδή αν N ( = κ και N (B) = λ, τότε το ενδεχόμενο A B θα έχει κ + λ, δηλαδή N ( A B) = κ + λ, διότι τα Α, Β είναι ξένα μεταξύ τους και επομένως δε θα έχουν κοινά στοιχεία Δηλαδή, Τα πρώτα προβλήματα υπολογισμού πιθανοτήτων που απασχόλησαν τους Cardano, Pascal, Fermat κά, αφορούσαν τυχερά παιχνίδια τα οποία κατά κανόνα είναι πειράματα τύχης με πεπερασμένους δειγματικούς χώρους και ισοπίθανα απλά ενδεχόμενα Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 70

19 N ( A B) = N( + N( B) και επομένως P ( A B) = P( + P( B) N( A B) N( Ω) = N( + N( Ω) N( B) N( Ω) ή Σημειώνουμε ότι εύκολα αποδεικνύονται και κάποιες άλλες ενδιαφέρουσες και πολύ χρήσιμες ιδιότητες της πιθανότητας, όμως κρίνουμε σκόπιμο να μην επεκταθούμε περισσότερο σε αυτό σημείο Στις ιδιότητες της πιθανότητας θα επανέλθουμε αργότερα Ας δούμε ( επιτέλους) μερικά παραδείγματα υπολογισμού πιθανοτήτων με χρήση του κλασικού ορισμού Παράδειγμα 36: Τα τυχαία πειράματα που αναφέρονται σε τυχερά παιχνίδια συνήθως αποτελούν χαρακτηριστικές περιπτώσεις πειραμάτων με πεπερασμένους δειγματικούς χώρους και ισοπίθανα απλά ενδεχόμενα Μια τέτοια περίπτωση πειράματος τύχης είναι το παιχνίδι της ρουλέτας Ο τροχός της ρουλέτας διαιρείται σε 37 ίσα τόξα που φέρουν τους αριθμούς 0,,, 3,, 36 Το μηδέν έχει πράσινο χρώμα και από τους υπόλοιπους 36 αριθμούς, οι 8 έχουν κόκκινο και οι υπόλοιποι (επίσης 8) έχουν μαύρο χρώμα Ο τροχός μπαίνει σε περιστροφική κίνηση και μια μεταλλική μπίλια ρίχνεται μέσα στον (περιστρεφόμενο) τροχό Όταν η μπίλια σταματήσει, παρατηρούμε σε ποιον αριθμό σταμάτησε Πρόκειται προφανώς για πείραμα τύχης Σε μια εκτέλεσή του, η μπίλια μπορεί να σταματήσει σε οποιονδήποτε από τους 37 αριθμούς του τροχού, επομένως το πείραμα έχει 37 δυνατά αποτελέσματα, τους αριθμούς, 0,,,, 36, δηλαδή, ένας κατάλληλος δειγματικός χώρος του πειράματος είναι το σύνολο Ω = {0,,,,36} και πρόκειται προφανώς για πεπερασμένο δειγματικό χώρο με N ( Ω) = 37 δειγματικά σημεία τα όποια δεν έχουμε λόγο να μην τα θεωρούμε εξίσου πιθανά Μπορούμε επομένως, για τον υπολογισμό πιθανοτήτων να χρησιμοποιήσουμε τον τύπο (3) Έστω, για παράδειγμα, τα ενδεχόμενα του Ω, Α: η μπίλια σταματάει στο 5 ή στο, Β: η μπίλια σταματάει σε περιττό αριθμό, Γ: η μπίλια σταματάει σε κόκκινο αριθμό Σε μια επανάληψη του πειράματος, οι ευνοϊκές περιπτώσεις για την πραγματοποίηση του ενδεχομένου A = {5, } είναι δύο, οι αριθμοί 5 N( και, και επομένως, P ( = = = N ( Ω) 37 για την πραγματοποίηση του ενδεχομένου Β είναι όλοι οι περιττοί αριθμοί από το έως το 35 δηλαδή, B = {, 3,5,,33,35} με N ( B) = 8 και επομένως, N( B) 8 P ( B) = = = N ( Ω) 37 για την πραγματοποίηση του ενδεχομένου Γ είναι όλοι οι αριθμοί που έχουν κόκκινο χρώμα και γνωρίζουμε ότι N ( Γ) = 8 και επομένως, N( Γ) 8 P( Γ ) = = = N ( Ω) 37 Στο Λας Βέγκας και σε άλλες αμερικανικές πόλεις ο τροχός διαιρείται σε 38 ίσα τόξα που φέρουν τους αριθμούς 00, 0,,, 36 και πράσινο χρώμα έχουν το 0 και το 00 Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 7

20 Σχόλιο 33: Ας δούμε πώς μπορούμε να ερμηνεύσουμε, για παράδειγμα, την πιθανότητα να συμβεί το ενδεχόμενο Β που μόλις υπολογίσαμε (ανάλογα ερμηνεύονται και οι P ( και P (Γ) ) Το ότι η πιθανότητα του ενδεχομένου Β υπολογίσθηκε ίση με 04865, σημαίνει ότι αν ένας παίκτης στοιχηματίσει μια φορά σε περιττό αριθμό, η πιθανότητα να κερδίσει είναι Προκύπτει βέβαια το ερώτημα, τι πρακτική αξία μπορεί να έχει για έναν παίκτη αυτή η πληροφορία Η απάντηση είναι η εξής: για τον παίκτη που θα σκεφθεί να ποντάρει συνεχώς σε περιττό αριθμό για μεγάλο αριθμό επαναλήψεων 3, έστω ν, αναμένεται να κερδίσει ν φορές, δηλαδή, να κερδίσει λιγότερες φορές από αυτές που θα χάσει, για παράδειγμα, αν ποντάρει 00 φορές αναμένεται να κερδίσει φορές και να χάσει φορές ή αν ποντάρει 000 φορές σε περιττό αριθμό, αναμένεται να κερδίσει περίπου τις 486 και να χάσει περίπου τις 54 Δηλαδή, ο παίκτης πρέπει να γνωρίζει, ότι το «απώτερο μέλλον», οι «μακράς προοπτικής νόμοι», δεν είναι με το μέρος του αλλά με το καζίνο! Πρόκειται για άδικο παιχνίδι! Αργότερα, όταν θα μιλήσουμε για την έννοια της μέσης τιμής θα επανέλθουμε στα περί δίκαιου και άδικου παιχνιδιού Παράδειγμα 37: Από τα 80 κοντέινερ που εκφορτώθηκαν από ένα πλοίο, τα 0 περιέχουν λαθραία τσιγάρα Οι τελωνειακές αρχές επιλέγουν τυχαία 5 από τα 80 κοντέινερ για να ελέγξουν το περιεχόμενό τους Ποια είναι η πιθανότητα α) καθένα από τα 5 κοντέινερ που επελέγησαν να μην περιέχει λαθραία τσιγάρα β) ακριβώς τρία από τα 5 κοντέινερ που επελέγησαν να περιέχουν λαθραία τσιγάρα Εδώ, το πείραμα τύχης συνίσταται στην τυχαία επιλογή 5 κοντέινερ από 80, επομένως ο δειγματικός χώρος, έστω Ω, του πειράματος, αποτελείται από όλες τις δυνατές συλλογές των 5 κοντέινερ που είναι δυνατόν να σχηματισθούν όταν επιλέγονται 5 κοντέινερ από 80 Στις συλλογές αυτές δεν ενδιαφέρει κάποιου είδους διάταξη, δηλαδή, πρόκειται για τους συνδυασμούς που σχηματίζονται όταν επιλέγουμε 5 στοιχεία από 80 και επομένως τα δυνατά αποτελέσματα του πειράματος είναι τόσα, όσοι είναι οι 80 80! συνδυασμοί των 80 κοντέινερ ανά 5, δηλαδή, N ( Ω) = = = !75! Επειδή οι συλλογές αυτές των 5 στοιχείων μπορούν να θεωρηθούν εξίσου πιθανές να επιλεγούν, αφού δεν έχουμε κάποιο λόγο για το αντίθετο, και επειδή ο δειγματικός χώρος είναι πεπερασμένος, για τον υπολογισμό των πιθανοτήτων που μας ενδιαφέρουν μπορούμε να χρησιμοποιήσουμε τον τύπο (3) Επισημαίνουμε ότι για να υπολογίσουμε με τον τύπο (3) πιθανότητες ενδεχομένων δε χρειάζεται να έχουμε καταγράψει ποια είναι τα στοιχεία του Ω και των ενδεχομένων των οποίων τις πιθανότητες ζητάμε, αλλά μόνο πόσα είναι α) Τα ευνοϊκά αποτελέσματα για το ενδεχόμενο, Α: καθένα από τα 5 κοντέινερ που επελέγησαν δεν περιέχει λαθραία τσιγάρα σχηματίζονται αν και τα 5 κοντέινερ επιλεγούν από τα 70 που δεν περιέχουν λαθραία τσιγάρα Αυτό μπορεί να γίνει με και επομένως, ! τρόπους, δηλαδή, N ( = = = !65! Όταν θα μιλήσουμε για το νόμο της στατιστικής ομαλότητας θα προκύψει αβίαστα γιατί αναφερόμαστε σε «μεγάλο αριθμό» επαναλήψεων Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 7

21 70 N( P ( = = = = N ( Ω) β) Τα ευνοϊκά αποτελέσματα για το ενδεχόμενο, Β: ακριβώς τρία από τα 5 κοντέινερ που επελέγησαν περιέχουν λαθραία τσιγάρα σχηματίζονται αν από τα 80 κοντέινερ επιλέξουμε 3 που περιέχουν λαθραία τσιγάρα και που δεν περιέχουν λαθραία τσιγάρα Οι τρόποι επιλογής των 3 κοντέινερ με 0 λαθραία τσιγάρα από τα 0 που περιέχουν λαθραία τσιγάρα είναι και για 3 70 καθέναν από αυτούς τους τρόπους υπάρχουν τρόποι για να επιλέξουμε τα κοντέινερ που δεν περιέχουν λαθραία τσιγάρα από τα 70 που δεν περιέχουν λαθραία τσιγάρα Επομένως, σύμφωνα με την πολλαπλασιαστική αρχή, μπορούν να 0 70 σχηματισθούν συλλογές των 5 κοντέινερ εκ των οποίων τα 3 να 3 περιέχουν λαθραία τσιγάρα και τα να μην περιέχουν λαθραία τσιγάρα Δηλαδή, 0 70 N (B) = και επομένως, N( B) P ( B) = = = = 000 N ( Ω) Σχόλιο 34: Με το παράδειγμα αυτό, αναδεικνύεται και προκύπτει με προφανή νομίζουμε τρόπο, η αξία των μεθόδων απαρίθμησης (που μια καλή ιδέα πήραμε στην προηγούμενη ενότητα) Όσο συστηματικά και μεθοδικά και αν εργαζόμασταν, μάλλον δεν θα ήταν εύκολο να καταγράψουμε όλα τα στοιχεία του Ω προκειμένου να καταφέρουμε να τα μετρήσουμε και έτσι να υπολογίσουμε τον πληθικό αριθμό του, N (Ω), και αντίστοιχα τους πληθικούς αριθμούς N ( και N (B) που μας χρειάσθηκαν για να υπολογίσουμε τις πιθανότητες P ( και P (B) Δείτε επίσης, ότι και στο παράδειγμα που ακολουθεί, η εφαρμογή μεθόδων απαρίθμησης είναι απαραίτητη Παράδειγμα 38 (συνέχεια του παραδείγματος 6): Ένα τμήμα της αλυσίδας του DNA παριστάνεται ως μια σειρά με στοιχεία A, C, G, T που συμβολίζουν τις 4 βάσεις Αδενίνη, Κυτοσίνη, Γουανίνη και Θυμίνη αντίστοιχα Ας θεωρήσουμε όλες τις διαφορετικές συνθέσεις που μπορούν να προκύψουν για ένα τμήμα μήκους 4 αν σε αυτό υπάρχουν 3 στοιχεία ίσα με Α, 4 στοιχεία ίσα C, στοιχεία ίσα με G και 5 ίσα με Τ και έστω ότι όλες οι τέτοιου τύπου συνθέσεις (σειρές, ακολουθίες) έχουν την ίδια πιθανότητα εμφάνισης Ποια είναι η πιθανότητα να προκύψει μια ακολουθία, για την οποία τα στοιχεία που αντιστοιχούν σε κάθε μια από τις 4 βάσεις να είναι συγκεντρωμένα όλα μαζί; Εδώ, το πείραμα τύχης συνίσταται στην τυχαία δημιουργία μιας σύνθεσης για ένα τμήμα DNA μήκους 4 που αποτελείται από 3 στοιχεία ίσα με Α, 4 στοιχεία ίσα με C, Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 73

22 στοιχεία ίσα με G και 5 ίσα με T, επομένως ο δειγματικός χώρος του πειράματος, έστω Ω, αποτελείται από όλες αυτές τις δυνατές συνθέσεις, δηλαδή, από όλες τις διατεταγμένες 4-άδες της μορφής, ΑCTΑΑCTCGCGTTT Όπως εξηγήσαμε στο Παράδειγμα 6, η απαρίθμηση αυτών των 4-άδων είναι ένα πρόβλημα απαρίθμησης μεταθέσεων 4 ειδών στοιχείων, από τα οποία, τα ν = 3 είναι είδους Α, τα ν = 4 είναι είδους C, τα ν 3 = είναι είδους G και τα ν = 4 5 είναι 4! είδους Τ, επομένως, N ( Ω) = = 550 3!4!! 5! Τα ευνοϊκά αποτελέσματα για το ενδεχόμενο, Α: τα στοιχεία που αντιστοιχούν σε κάθε μια από τις 4 βάσεις είναι συγκεντρωμένα είναι όλες οι διατεταγμένες 4-άδες της μορφής, CCCCGGΑΑΑTTTTT, GGΑΑΑCCCCTTTTT, κτλ και όπως, επίσης στο Παράδειγμα 6 εξηγήσαμε, υπάρχουν 4! το πλήθος τέτοιες διαφορετικές 4-άδες Δηλαδή, N ( = 4! Σύμφωνα με τα δεδομένα του προβλήματος, όλες οι διαφορετικές συνθέσεις «μήκους 4 με 3 στοιχεία ίσα με Α, 4 στοιχεία ίσα C, στοιχεία ίσα με G και 5 ίσα με T», θεωρούνται εξίσου πιθανές, επομένως η ζητούμενη πιθανότητα μπορεί να υπολογισθεί από τον τύπο (3), δηλαδή, N( 4! 4 P ( = = = N ( Ω) 4! 550 3!4!!5! Επισήμανση: Επισημαίνουμε ότι ο κλασικός ορισμός της πιθανότητας μπορεί να χρησιμοποιηθεί μόνο σε πειράματα των οποίων ο δειγματικός χώρος, είναι πεπερασμένος και αποτελείται από εξίσου πιθανά δυνατά αποτελέσματα (δειγματικά σημεία) Ένα παράδειγμα λανθασμένης εφαρμογής του κλασικού ορισμού, δίνουμε στην Άσκηση 34 (πρόκειται για ένα γνωστό ιστορικό παράδειγμα) 33 Στατιστικός ορισμός της πιθανότητας Οι δυο προϋποθέσεις εφαρμογής του κλασικού ορισμού είναι προφανώς αρκετά περιοριστικές Για παράδειγμα, ο κλασικός ορισμός δε μπορεί να χρησιμοποιηθεί (δεν είναι κατάλληλος) για να απαντήσουμε σε ερωτήματα όπως, ποια είναι η πιθανότητα σε μια ρίψη ενός ζαριού να έρθει «6» αν το ζάρι δεν είναι αμερόληπτο ή ποια είναι η πιθανότητα μια συσκευή να λειτουργήσει πέραν των 0 ωρών συνεχούς λειτουργίας ή γενικότερα, σε προβλήματα πιθανοτήτων που αναφέρονται σε χρόνους ζωής, βάρη ουσιών, αριθμούς εκπεμπόμενων σωματιδίων, αριθμούς βακτηριδίων και σε πολλά άλλα προβλήματα με μη πεπερασμένους δειγματικούς χώρους που καλύπτουν ευρύτατο φάσμα εφαρμογών Προέκυψε επομένως ανάγκη γενικότερης θεώρησης της έννοιας της πιθανότητας απαλλαγμένης από τους περιορισμούς του «ισοπίθανου» των δυνατών αποτελεσμάτων και του «πεπερασμένου» του δειγματικού χώρου Η έννοια της πιθανότητας ως ένα μέτρο του «βαθμού βεβαιότητας» για την εμφάνιση ενός ενδεχομένου, θα μπορούσε να προσεγγισθεί από τη σκοπιά του πόσο συχνά ένα ενδεχόμενο εμφανίζεται αφού όσο πιο συχνά ένα ενδεχόμενο εμφανίζεται, τόσο ο βαθμός βεβαιότητας για αυτό είναι λογικό να θεωρούμε ότι αυξάνεται Έτσι, για παράδειγμα, λέμε ότι από την εμπειρία μας «είναι πολύ πιθανόν» να συναντήσουμε Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 74

23 κυκλοφοριακό πρόβλημα στη λεωφόρο Κηφισού 7-8:30 το πρωί μιας εργάσιμης ημέρας γιατί το τελευταίο εξάμηνο ήταν πολύ περισσότερες οι εργάσιμες ημέρες που στη λεωφόρο Κηφισού υπήρχε κυκλοφοριακό πρόβλημα 7-8:30 το πρωί από αυτές που δεν υπήρχε ή «είναι πολύ πιθανόν» ένα που φθάνει στον mail server του Πανεπιστημίου Αιγαίου να είναι spam (δηλαδή ανεπιθύμητο) γιατί την τελευταία εβδομάδα από τα που έφθασαν στον mail server του Πανεπιστημίου Αιγαίου τα 4000 ήταν spam ή μια εταιρεία εγγυάται ότι οι λυχνίες που κατασκευάζει μπορούν να λειτουργήσουν τουλάχιστον για 30 ώρες συνεχώς χωρίς να καούν γιατί στις δοκιμές που έκανε το τμήμα ποιοτικού ελέγχου, από τις 00 λυχνίες που ελέγχθηκαν οι 95 «έζησαν» τουλάχιστον 30 ώρες Επίσης, ένας παίκτης τυχερών παιχνιδιών, το ισοπίθανο των δυνατών αποτελεσμάτων στη ρίψη ενός ζαριού, δεν το θεωρεί εκ των προτέρων δεδομένο αλλά βασίζεται σε αποτελέσματα πολλών επαναλαμβανόμενων ρίψεων που επιβεβαιώνουν κάτι τέτοιο 4 Είναι επομένως λογικό, να σκεφθούμε την πιθανότητα ενός ενδεχομένου με όρους σχετικής συχνότητας εμφάνισής του Έτσι, αν σε ν επαναλήψεις ενός πειράματος τύχης ένα ενδεχόμενο Α του δειγματικού χώρου του πειράματος πραγματοποιηθεί ν A φορές, ως ένα μέτρο για το πόσο πιθανό είναι να εμφανισθεί σε μια επανάληψη του πειράματος το Α, θα μπορούσαμε να χρησιμοποιήσουμε το λόγο, f A =, ν δηλαδή τη σχετική συχνότητα με την οποία εμφανίζεται το Α Υπάρχει μάλιστα μια σημαντική εμπειρική παρατήρηση που λέει ότι, όταν ένα πείραμα τύχης επαναλαμβάνεται πολλές φορές η σχετική συχνότητα εμφάνισης ενός ενδεχομένου σταθεροποιείται γύρω από κάποια τιμή η οποία ονομάζεται οριακή σχετική συχνότητα του ενδεχομένου Το εμπειρικό αυτό αποτέλεσμα, είναι γνωστό ως στατιστική ομαλότητα (statistical regularity) και επιβεβαιώνεται και θεωρητικά από ένα πολύ σημαντικό αποτέλεσμα της θεωρίας πιθανοτήτων (από τα πιο σημαντικά), το νόμο των μεγάλων αριθμών (law of large numbers) Φθάνουμε έτσι στον στατιστικό ορισμό της πιθανότητας, ο οποίος δόθηκε από τον Richard von Mises στις αρχές του 0 ου αιώνα (το 99) Στατιστικός ορισμός της πιθανότητας: Έστω Α ένα ενδεχόμενο του δειγματικού χώρου Ω ενός πειράματος τύχης Αν σε ν επαναλήψεις (υπό τις ίδιες συνθήκες) του πειράματος, το ενδεχόμενο Α πραγματοποιηθεί ν A φορές, ορίζουμε ως πιθανότητα εμφάνισης του ενδεχομένου Α το όριο, ν A P( = lim (3) ν + ν Η πιθανότητα που υπολογίζεται ως οριακή σχετική συχνότητα, στη βιβλιογραφία συναντάται και ως στατιστική ή εμπειρική πιθανότητα 5 Διευκρινίζουμε ότι το όριο στην (3) συμβολίζει την οριακή σχετική συχνότητα, δηλαδή, αποδίδει συμβολικά τη ν A 4 Διευκρινίζουμε ότι δεν αναφερόμαστε στην υποκειμενική πιθανότητα, δηλαδή, σε περιπτώσεις δηλώσεων όπως, «είναι πολύ πιθανόν η Ιλιάδα να γράφτηκε από περισσότερους από έναν συγγραφείς» που αποτελούν προσωπικές κρίσεις ή «πιστεύω» και δεν επιδέχονται πειραματική επαλήθευση 5 Λογικό! Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 75

24 σταθεροποίηση της σχετικής συχνότητας όταν αυξάνεται αρκούντως ο αριθμός των επαναλήψεων του πειράματος 6 Στο Σχήμα 38 φαίνεται (μέσα από ένα συγκεκριμένο παράδειγμα επαναλήψεων) πώς μπορεί να προκύψει ως οριακή σχετική συχνότητα η πιθανότητα να εμφανισθεί «κεφαλή» όταν στρίψουμε ένα αμερόληπτο νόμισμα μια φορά Παρατηρείστε πώς η αρχική «ανώμαλη συμπεριφορά» των τιμών της σχετικής συχνότητας «διορθώνεται» όσο ο αριθμός των επαναλήψεων αυξάνεται και πώς τελικά οι τιμές της σταθεροποιούνται στο ½ Επαληθεύεται έτσι εμπειρικά, ότι η πιθανότητα να εμφανισθεί κεφαλή όταν στρίψουμε ένα αμερόληπτο νόμισμα μια φορά είναι ½ Σχήμα 38 Σχόλιο 35: Με βάση τον κλασικό ορισμό, η πιθανότητα να εμφανισθεί «κεφαλή» αν «ρίξω ένα αμερόληπτο νόμισμα μια φορά», όπως είδαμε ορίζεται εκ των προτέρων ίση με ½ (γιατί τα δύο απλά ενδεχόμενα του πειράματος θεωρούμε ότι είναι ισοπίθανα αφού το νόμισμα είναι αμερόληπτο) Με βάση το στατιστικό ορισμό, η ίδια πιθανότητα υπολογίζεται εκ των υστέρων, μετά από αρκούντως μεγάλο αριθμό επαναλήψεων του πειράματος Με τον κλασικό ορισμό, αυτή η πιθανότητα δε μπορεί να υπολογισθεί αν το νόμισμα δεν είναι αμερόληπτο ενώ με το στατιστικό ορισμό μπορεί, αρκεί να επαναλάβουμε το πείραμα πολλές φορές μέχρι να επιτευχθεί σταθεροποίηση των σχετικών συχνοτήτων του ενδεχομένου «εμφανίσθηκε κεφαλή» Γενικότερα, η πιθανότητα ενός ενδεχομένου του δειγματικού χώρου ενός πειράματος τύχης, μπορεί να υπολογισθεί ως οριακή σχετική συχνότητα, είτε τα απλά ενδεχόμενά του είναι ισοπίθανα είτε όχι (και χωρίς να απαιτείται ο χώρος να είναι πεπερασμένος) Για την εμπειρική πιθανότητα προκύπτουν, μεταξύ άλλων, οι ακόλουθες ιδιότητες οι οποίες, όπως είδαμε, προκύπτουν και από τον κλασικό ορισμό: P ( 0, για κάθε ενδεχόμενο Α του συνόλου των ενδεχομένων του Ω P ( Ω) = 3 P ( A B) = P( + P( B), για οποιαδήποτε ξένα ενδεχόμενα Α, Β του συνόλου των ενδεχομένων του Ω Οι ιδιότητες αυτές προκύπτουν άμεσα από τις προφανείς σχέσεις: f A 0, για κάθε ενδεχόμενο Α του συνόλου των ενδεχομένων του Ω f Ω = 3 f A B = f A + f B, για οποιαδήποτε ξένα ενδεχόμενα Α, Β του συνόλου των ενδεχομένων του Ω 6 Η σύγκλιση αυτή, στη σύγχρονη (αξιωματική) θεωρία πιθανοτήτων νοείται ως «σύγκλιση κατά πιθανότητα» Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 76

25 Παράδειγμα 39: Ελέγχθηκαν 3000 spam (ανεπιθύμητα ) που έφθασαν στον mail server του Πανεπιστημίου Αιγαίου και διαπιστώθηκε ότι σε 600 από αυτά υπήρχε η λέξη «Rolex», σε 500 η λέξη «offer» ενώ και οι δύο αυτές λέξεις υπήρχαν σε 300 από αυτά τα μηνύματα Πρόκειται για 3000 επαναλήψεις του πειράματος τύχης, «ελέγχω αν ένα spam που φθάνει στον mail server του Πανεπιστημίου Αιγαίου περιέχει τις λέξεις Rolex ή offer» Ας θεωρήσουμε τα ενδεχόμενα, Α: το μήνυμα περιέχει τη λέξη «Rolex» και Β: το μήνυμα περιέχει τη λέξη «offer» Εφόσον στις ν = 3000 επαναλήψεις βρέθηκε ότι ν A = 600, ν B = 500 και ν AB = 300, οι σχετικές συχνότητες των ενδεχομένων Α, Β και ΑΒ (στις επαναλήψεις) είναι, f A = = 0, f B = = 0 5 και f AB = = 0, αντίστοιχα Θεωρώντας ότι στις ν = 3000 επαναλήψεις έχει επιτευχθεί η σταθεροποίηση των σχετικών συχνοτήτων, οι f A = 0, f B = 0 5 και f AB = 0 είναι οι οριακές συχνότητες των ενδεχομένων Α, Β και ΑΒ, αντίστοιχα και επομένως, P ( = 0, P ( B) = 0 5 και P ( AB) = Αξιωματικός ορισμός της πιθανότητας Είναι προφανές ότι ο στατιστικός-εμπειρικός ορισμός της πιθανότητας έχει έναντι του κλασικού ορισμού πλεονεκτήματα, αφού μας δίνει έναν τρόπο να υπολογίζουμε πιθανότητες ενδεχομένων χωρίς τους περιορισμούς που θέτει ο κλασικός ορισμός Εντούτοις, και αυτός ο τρόπος προσέγγισης της πιθανότητας, λόγω του εμπειρικού χαρακτήρα του, δεν είναι απαλλαγμένος από προβλήματα Σημείο κριτικής για τον στατιστικό ορισμό, απετέλεσε η παραδοχή/υπόθεση ότι ένα πείραμα τύχης μπορεί να επαναληφθεί υπό τις ίδιες συνθήκες απεριόριστο αριθμό φορών Πράγματι, σε κάποιες περιπτώσεις πειραμάτων υπάρχει πρόβλημα με το «απεριόριστο» των επαναλήψεων Για παράδειγμα, υπάρχουν περιπτώσεις όπου η επανάληψη συνεπάγεται πολύ χρόνο (πχ σε σπάνια φαινόμενα) ή περιπτώσεις όπου η επανάληψη απαιτεί μεγάλο κόστος, με συνέπεια η επανάληψη και μάλιστα, «αρκούντως πολλές φορές», να καθίσταται πρακτικά αδύνατη Επίσης, το ερώτημα, «πόσο μεγάλο πρέπει να είναι τον ν για μια καλή προσέγγιση της πιθανότητας ως lim ( ν ν )» πώς απαντάται; Δηλαδή, τι μπορούμε να πούμε για το σφάλμα που ν + A κάνουμε όταν χρησιμοποιούμε τη σχετική συχνότητα για να προσεγγίσουμε την πιθανότητα; Στο σημείο αυτό, αξίζει να αναφέρουμε ότι στις αρχές του 0 ου αιώνα, όταν προτάθηκε από τον Richard von Mises ο στατιστικός ορισμός της πιθανότητας, είχε ήδη αναδειχθεί 7 η ανάγκη για τη μαθηματική ωρίμανση της θεωρίας των πιθανοτήτων Αναφέρουμε χαρακτηριστικά, ότι ένα από τα 3 προβλήματα που πρότεινε προς λύση το 900 ο Hilbert, ήταν το πρόβλημα της αξιωματικής θεμελίωσης της θεωρίας των πιθανοτήτων 8 Όμως, είναι φανερό, ότι ο εμπειρικός/πειραματικός χαρακτήρας του στατιστικού ορισμού, έθετε περιορισμούς 7 Σαν απόηχος και των γενικότερων εξελίξεων στα μαθηματικά τον 9 ο αιώνα 8 Τα 3 αυτά προβλήματα προτάθηκαν από τον Hilbert ως προβλήματα των οποίων η λύση θα συνέβαλε σημαντικά στην πρόοδο της μαθηματικής επιστήμης Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 77

26 στην αξιοποίησή του για τη θεμελίωση της θεωρίας των πιθανοτήτων σε πιο αυστηρή μαθηματική βάση, αφού πώς θα μπορούσε να οικοδομηθεί σε εμπειρική βάση μια απαγωγική (παραγωγική) μαθηματική θεωρία Απάντηση στο πρόβλημα της αξιωματικής θεμελίωσης της θεωρίας πιθανοτήτων έδωσε, μόλις το 933, ο Ρώσος Μαθηματικός Andrei N Kolmogorov ( ) Ο ορισμός που πρότεινε για την πιθανότητα έχει καθολική αποδοχή και στη βιβλιογραφία είναι γνωστός ως αξιωματικός ορισμός της πιθανότητας Αξιοποιώντας τα αποτελέσματα των προσπαθειών που προηγήθηκαν, ο Kolmogorov πρότεινε μια αυστηρά μαθηματική θεμελίωση της θεωρίας πιθανοτήτων η οποία όχι μόνο δεν απέρριψε/ανέτρεψε τον κλασικό και τον στατιστικό ορισμό που προηγήθηκαν, αλλά αντίθετα, τους ενσωμάτωσε στο δικό της οικοδόμημα Συγκεκριμένα, ο κλασικός ορισμός προκύπτει όπως θα δούμε ως ειδική περίπτωση και ο στατιστικός ως οριακό θεώρημα, γνωστό ως νόμος των μεγάλων αριθμών Αξιωματικός ορισμός της πιθανότητας: Έστω Ω ένας δειγματικός χώρος ενός πειράματος τύχης Μια συνάρτηση P ( ) η οποία σε κάθε ενδεχόμενο Α του Ω αντιστοιχίζει έναν πραγματικό αριθμό P (, ονομάζεται πιθανότητα στον δειγματικό χώρο Ω και ο αριθμός P ( θα ονομάζεται πιθανότητα του ενδεχομένου Α, αν ικανοποιεί τα αξιώματα: () P ( 0, για κάθε ενδεχόμενο Α του συνόλου των ενδεχομένων του Ω () P ( Ω) = (3) P A A A ) = P( A ) + P( A ) + + P( A ) ( ν ν + για οποιαδήποτε ακολουθία, A,,, A Aν,, ξένων ανά δύο ενδεχομένων του συνόλου των ενδεχομένων του Ω Παρατηρείστε ότι ο Kolmogorov όρισε την πιθανότητα ως μια συνολοσυνάρτηση που έχει πεδίο ορισμού το σύνολο των ενδεχομένων του Ω και παίρνει τιμές στο σύνολο των πραγματικών αριθμών Παρατηρείστε επίσης, ότι οι τρεις ιδιότητες που έθεσε ως αξιώματα είναι τρεις «εύλογες» για πιθανότητα ιδιότητες που μάλιστα, όπως είδαμε, οι δύο πρώτες απορρέουν και από τον κλασικό αλλά και από τον εμπειρικό ορισμό Η τρίτη ιδιότητα που έθεσε ως αξίωμα ο Kolmogorov, ονομάζεται αριθμήσιμη προσθετικότητα ή άπειρη προσθετικότητα ή σ-προσθετικότητα (countable additivity) γιατί αφορά αριθμησίμως άπειρο πλήθος ενδεχομένων A,,, A Aν, Θυμηθείτε ότι από τον κλασικό αλλά και από τον εμπειρικό ορισμό, όπως είδαμε, προκύπτει η ιδιότητα της πεπερασμένης προσθετικότητας (finite additivity) Στην Πρόταση 3 που ακολουθεί αποδεικνύουμε βασικές ιδιότητες της πιθανότητας που απορρέουν από τα τρία αξιώματα Πρόταση 3: Έστω Ω ένας δειγματικός χώρος (α) P ( ) = 0 (β) Για οποιαδήποτε ξένα ανά δύο ενδεχόμενα, A, A,, Aν, του συνόλου των ενδεχομένων του Ω, ισχύει P ( A A Aν ) = P( A ) + P( A ) + + P( Aν ), (πεπερασμένη προσθετικότητα) (γ) Αν A = { a,, a } είναι ένα αριθμησίμως άπειρο ενδεχόμενο του Ω τότε, P ( = P({ a }) + P({ a}) + A = a a,, πεπερασμένο ενδεχόμενο του Ω τότε, a ν Επίσης αν { }, Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 78

27 P ( = P({ a}) + P({ a}) + + P({ aν }) (δ) Για οποιοδήποτε ενδεχόμενο Α του Ω, ισχύει P( A ) = P( (ε) Για οποιαδήποτε ενδεχόμενα Α, Β του Ω, ισχύει P( A B) = P( AB ) = P( P( AB) (στ) Αν Α, Β δύο ενδεχόμενα του Ω με A B, τότε P( P( B) (ζ) Για οποιοδήποτε ενδεχόμενο Α του Ω, ισχύει P ( (η) Για οποιαδήποτε ενδεχόμενα Α, Β του Ω ισχύει P( A B) = P( + P( B) P( AB) (θ) Για οποιαδήποτε ενδεχόμενα Α, Β του Ω, ισχύει P ( A B) P( + P( B) (υποπροσθετική ιδιότητα ή ανισότητα Boole) Γενικότερα, για οποιαδήποτε ν ενδεχόμενα, A, A,, Aν, του Ω, ισχύει P ( A A Aν ) P( A ) + P( A ) + + P( Aν ) Απόδειξη: (α) Από το τρίτο αξίωμα, για A = A = = έχουμε, P ( ) = P( ) + P( ) + ή P ( ) = P( ) + P( ) +, και επειδή λόγω του πρώτου αξιώματος P ( ) 0, προφανώς πρέπει, P ( ) = 0 (β) Αν στο τρίτο αξίωμα θεωρήσουμε ότι A ν + = Aν + = = τότε, επειδή P ( ) = 0 έχουμε, P( A A Aν ) = P( A ) + P( A ) + + P( Aν ) + P( ) + ή P A A A ) = P( A ) + P( A ) + + P( A ) ( ν ν Για ν = δηλαδή, για δύο ξένα ενδεχόμενα A, A του Ω ή αν τα συμβολίσουμε αντίστοιχα με Α, Β έχουμε, P ( A B) = P( + P( B) (γ) Επειδή τα ενδεχόμενα a }, { a }, { }, είναι ανά δύο ξένα μεταξύ τους και { a3 A = { a} { a} { a3},, τότε, από το τρίτο αξίωμα προφανώς έχουμε, P = P { a } { a } { a } = P({ a }) + P({ a }) + P({ a }) ( { 3 } 3 + Αν A { a a,, } =, a ν πεπερασμένο ενδεχόμενο τότε, επειδή τα { a }, { a},, { aν } είναι ανά δύο ξένα μεταξύ τους, από την ιδιότητα της πεπερασμένης προσθετικότητας (ιδιότητα (β)) έχουμε, P = P({ a }) + P({ a }) + + P({ a }) ( ν (δ) Για τα A, A ισχύει ότι A A = Ω και άρα P ( A A ) = P( Ω) ή P ( A A ) = και επειδή τα A, A είναι ξένα μεταξύ τους, έχουμε P ( + P( A ) =, άρα P( A ) = P( Ο τύπος αυτός είναι πολύ χρήσιμος σε περιπτώσεις όπου είναι δύσκολος ο υπολογισμός της πιθανότητας ενός ενδεχομένου ενώ είναι σχετικά πιο εύκολος ο υπολογισμός της πιθανότητας του συμπληρωματικού ενδεχομένου ή αντίστροφα (ε) Το ενδεχόμενο Α, όπως έχουμε επισημάνει (Παρατήρηση 3), μπορεί προφανώς να γραφεί ως ένωση των ξένων ενδεχομένων A B και AB (δες και Σχήμα 39), δηλαδή, Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 79

28 A = AB AB και επομένως, P( = P( AB AB) ή P ( = P( AB ) + P( AB) άρα, P( AB ) = P( P( AB) Σχήμα 39 (στ) Επειδή A B, τότε B = A A B (δες και Σχήμα 30) και επομένως, P( B) = P( A B ή P( B) = P( A B) P( ή P ( B) P( = P( A B) 0, άρα, P( P( B) Σχήμα 30 (ζ) Επειδή A Ω, λόγω της (στ) έχουμε, P ( P( Ω) ή P ( (η) Η ένωση A B μπορεί να γραφεί ως ένωση των ξένων ενδεχομένων A B και Β (δες και Σχήμα 3), δηλαδή, A B = AB B και επομένως, P ( A B) = P( AB ) + P( B) και λόγω της (ε) έχουμε, P ( A B) = P( P( AB) + P( B) ή P( A B) = P( + P( B) P( AB) Σχήμα 3 (θ) Προκύπτει άμεσα από την (η) σε συνδυασμό με το πρώτο αξίωμα και η γενική περίπτωση επαγωγικά Πόρισμα 3: α) Αν Ω = { ω, ω, ω3, } είναι ένας αριθμησίμως άπειρος δειγματικός χώρος, τότε για τις πιθανότητες p = P({ ω}), p = P({ ω}), p3 = P({ ω3}), των απλών ενδεχομένων του, ω }, { ω }, { },, ισχύει ότι { ω3 p + p + p + ή p = 3 = i= i Γεωπονικό Πανεπιστήμιο Αθηνών/Γ Παπαδόπουλος (wwwauagr/gpapadopoulos) 80

3. Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας

3. Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας 3 Η Έννοια και Βασικές Ιδιότητες της Πιθανότητας Όπως ήδη έχουμε αναφέρει στην εισαγωγική ενότητα αλλά και όπως θα διαπιστώσουμε στις ενότητες που ακολουθούν, βεβαιότητες για συμπεράσματα που αφορούν σε

Διαβάστε περισσότερα

3/10/2016. Στατιστική Ι. 1 η Διάλεξη

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

Διαβάστε περισσότερα

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

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

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

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

Διαβάστε περισσότερα

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

ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ

ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ ΛΓΕΡ ΛΥΚΕΙΟΥ ΠΙΘΝΟΤΗΤΕΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΙ 1 Tα πειράματα των οποίων δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνονται (φαινομενικά τουλάχιστον) κάτω από τις ίδιες συνθήκες

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηματικών, ο οποίος παρουσιάζει πολλά ιδιαίτερα χαρακτηριστικά στοιχεία. Επειδή η ιδιαιτερότητα

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

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

Διαβάστε περισσότερα

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

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

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

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

Πιθανότητες & Στατιστική. Μέρος I. Εισαγωγή στις Πιθανότητες. Τυχαία Πειράματα (φαινόμενα)

Πιθανότητες & Στατιστική. Μέρος I. Εισαγωγή στις Πιθανότητες. Τυχαία Πειράματα (φαινόμενα) Πιθανότητες & Στατιστική Μέρος I. Εισαγωγή στις Πιθανότητες. 3 βασικές έννοιες Τυχαία Πειράματα (φαινόμενα) Δειγματικός χώρος Ενδεχόμενα Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής,

Διαβάστε περισσότερα

ΧΑΡΑΛΑΜΠΟΣ.ΣΠ. ΛΥΚΟΥΔΗΣ - ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ

ΧΑΡΑΛΑΜΠΟΣ.ΣΠ. ΛΥΚΟΥΔΗΣ - ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Θεωρία Πιθανοτήτων Εάν οι συνθήκες τέλεσης ενός πειράματος καθορίζουν πλήρως το αποτέλεσμα του, τότε το πείραμα λέγεται αιτιοκρατικό. Είναι γνωστό ότι το αποσταγμένο νερό βράζει στους 100 βαθμού κελσίου.

Διαβάστε περισσότερα

Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ

Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Π ι θ α ν ό τ η τ ε ς : Ο τομέας των Εφαρμοσμένων Μαθηματικών, που ασχολείται με την αξιολόγηση κατάλληλων στοιχείων έτσι ώστε να είναι μετρήσιμη η προσδοκία μας για την πραγματοποίηση

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version ) 2001

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version ) 2001 ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version 17-4--2016) 2001 ΘΕΜΑ 1ο Α.1. Να αποδείξετε ότι για δύο ενδεχόμενα Α και Β ενός δειγματικού χώρου Ω ισχύει ότι: Ρ (Α Β) = Ρ (Α) Ρ (Α Β). Μονάδες 8,5 Απόδειξη: Επειδή τα ενδεχόμενα

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

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

2. Πιθανότητα και Δεσμευμένη Πιθανότητα

2. Πιθανότητα και Δεσμευμένη Πιθανότητα Μάθημα: Στατιστική (Κωδ 105) Διδάσκων: Γιώργος Κ Παπαδόπουλος 2 Πιθανότητα και Δεσμευμένη Πιθανότητα Σύντομη ανασκόπηση βασικών εννοιών, προτάσεων και τύπων Πείραμα τύχης - Η έννοια του τυχαίου Δειγματικός

Διαβάστε περισσότερα

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων

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

Διαβάστε περισσότερα

1.1 Πείραμα Τύχης - δειγματικός χώρος

1.1 Πείραμα Τύχης - δειγματικός χώρος 1. ΠΙΘΑΝΟΤΗΤΕΣ 1.1 Πείραμα Τύχης - δειγματικός χώρος Κάθε πείραμα στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως το αποτέλεσμα λέγεται αιτιοκρατικό πείραμα. Τέτοια πειράματα

Διαβάστε περισσότερα

Πιθανότητες. Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd

Πιθανότητες. Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd 1 Πιθανότητες Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd 1 2 Ενότητα 2 η Πιθανότητες Σκοπός Ο σκοπός της 2 ης ενότητας είναι οι μαθητές να αναγνωρίζουν ένα πείραμα τύχης

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

Στοχαστικές Στρατηγικές

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Στα προηγούμενα (σελ. 7), δώσαμε μια πρώτη, γενική, διατύπωση του Κεντρικού Οριακού Θεωρήματος (Κ.Ο.Θ.) και τη γενική ιδέα για το πώς το Κ.Ο.Θ. εξηγεί το μεγάλο εύρος εφαρμογής

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Στα προηγούμενα (σελ. 7), δώσαμε μια πρώτη, γενική, διατύπωση του Κεντρικού Οριακού Θεωρήματος (Κ.Ο.Θ.) και τη γενική ιδέα για το πώς το Κ.Ο.Θ. εξηγεί το μεγάλο εύρος εφαρμογής

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 15 Οκτωβρίου 2009 ΚΛΑΣΙΚΗ ΠΙΘΑΝΟΤΗΤΑ De Moivre Ο κλασικός ορισµός της πιθανότητας αφορά πεπερασµένους δειγµατικούς χώρους και

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 3: Πιθανότητες. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 3: Πιθανότητες. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 3: Πιθανότητες Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

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

Διαβάστε περισσότερα

Α ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας

Α ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας Α ΕΝΟΤΗΤΑ Πιθανότητες Α.1 (1.1 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα Α.2 (1.2 παρ/φος σχολικού βιβλίου) Η έννοια της πιθανότητας Α.1 Δειγματικός Χώρος. Ενδεχόμενα. Απαραίτητες γνώσεις

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

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

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ (ημιτελές Version )

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ (ημιτελές Version ) ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ (ημιτελές Version 24-3-2016) 2001 2001 επαναληπτικές 2002 2002 επαναληπτικές 2003 2003 επαναληπτικές 2006 2006 επαναληπτικές 2005 2005 επαναληπτικές 2006 2006 επαναληπτικές 2007 2007

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

Τυχαία μεταβλητή (τ.μ.)

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

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ Χαράλαµπος Α. Χαραλαµπίδης 12 Οκτωβρίου 2009 ΠΡΑΞΕΙΣ ΣΤΑ ΕΝ ΕΧΟΜΕΝΑ Ενωση ενδεχοµένων Η ένωση δύο ενδεχοµένων A και B (ως προς ένα δειγµατικό χώρο Ω), συµβολιζόµενη

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

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

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

Διαβάστε περισσότερα

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Εισαγωγικά Βασικοί Ορισµοί Πράξεις Γεγονότων Σχεδιάγραµµα της Υλης Βασικές Εννοιες της Θεωρίας Πιθανοτήτων

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων και Στατιστική

Θεωρία Πιθανοτήτων και Στατιστική Θεωρία Πιθανοτήτων και Στατιστική 2 ο Εξάμηνο Ασκήσεις Πράξης 1 Θεωρία Συνόλων - Δειγματικός Χώρος Άσκηση 1: Να βρεθούν και να γραφούν με συμβολισμούς της Θεωρίας Συνόλων οι δειγματοχώροι των τυχαίων πειραμάτων:

Διαβάστε περισσότερα

ΓΕΛ ΝΕΑΣ ΠΕΡΑΜΟΥ ΠΙΘΑΝΟΤΗΤΕΣ ΚΛΑΣΙΚΟΣ ΟΡΙΣΜΟΣ-ΛΟΓΙΣΜΟΣ. Στατιστική ομαλότητα ή Νόμος των μεγάλων αριθμών

ΓΕΛ ΝΕΑΣ ΠΕΡΑΜΟΥ ΠΙΘΑΝΟΤΗΤΕΣ ΚΛΑΣΙΚΟΣ ΟΡΙΣΜΟΣ-ΛΟΓΙΣΜΟΣ. Στατιστική ομαλότητα ή Νόμος των μεγάλων αριθμών ΠΙΘΑΝΟΤΗΤΕΣ ΚΛΑΣΙΚΟΣ ΟΡΙΣΜΟΣ-ΛΟΓΙΣΜΟΣ Στατιστική ομαλότητα ή Νόμος των μεγάλων αριθμών Οι σχετικές συχνότητες πραγματοποίησης των ενδεχομένων ενός πειράματος σταθεροποιούνται γύρω από κάποιους αριθμούς

Διαβάστε περισσότερα

1 ο Κεφάλαιο : Πιθανότητες. 1. Δειγματικοί χώροι 2. Διαγράμματα Venn. Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. 3. Κλασικός ορισμός. 4.

1 ο Κεφάλαιο : Πιθανότητες. 1. Δειγματικοί χώροι 2. Διαγράμματα Venn. Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. 3. Κλασικός ορισμός. 4. ο Κεφάλαιο : Πιθανότητες. Δειγματικοί χώροι. Διαγράμματα Venn Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. Κλασικός ορισμός πιθανότητας 4. Κανόνες λογισμού πιθανοτήτων η Κατηγορία : Δειγματικοί χώροι ) Ρίχνουμε

Διαβάστε περισσότερα

1 ΠΙΘΑΝΟΤΗΤΕΣ Εισαγωγή

1 ΠΙΘΑΝΟΤΗΤΕΣ Εισαγωγή 1 ΠΙΘΑΝΟΤΗΤΕΣ Εισαγωγή Υπάρχει σε πολλούς η εντύπωση ότι το κύριο κίνητρο για την ανάπτυξη της Θεωρίας των Πιθανοτήτων προήλθε από το ενδιαφέρον του ανθρώπου για τα τυχερά παιχνίδια. Σημαντική μάλιστα

Διαβάστε περισσότερα

Εισαγωγή στο μάθημα Πιθανότητες - Στατιστική. Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας

Εισαγωγή στο μάθημα Πιθανότητες - Στατιστική. Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας Εισαγωγή στο μάθημα Πιθανότητες - Στατιστική Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας 1 Πειραματικά Μοντέλα Μοντέλα:» Καθοριστικά» (π.χ. ο νόμος του Ohm)» Στοχαστικά ή πιθανοτικά» (π.χ. ένταση

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 2: Θεωρία Πιθανοτήτων Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες Χρήσης

Διαβάστε περισσότερα

Η έννοια του συνόλου. Εισαγωγικό κεφάλαιο 27

Η έννοια του συνόλου. Εισαγωγικό κεφάλαιο 27 Εισαγωγικό κεφάλαιο 27 Η έννοια του συνόλου Σύνολο είναι κάθε συλλογή αντικειμένων, που προέρχονται από την εμπειρία μας ή τη διανόησή μας, είναι καλά ορισμένα και διακρίνονται το ένα από το άλλο. Αυτός

Διαβάστε περισσότερα

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Βασικά στοιχεία της θεωρίας πιθανοτήτων Η έννοια του Πειράµατος Τύχης. 9 3 Το σύνολο των πιθανών εκβάσεων ενός πειράµατος τύχης καλείται δειγµατοχώρος ήδειγµατικόςχώρος (sample space)καισυµβολίζεταιµεωήµε S.Έναστοιχείοω ή s του δειγµατικού χώρου

Διαβάστε περισσότερα

Περί της Ταξινόμησης των Ειδών

Περί της Ταξινόμησης των Ειδών Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής 541 24 Θεσσαλονίκη Καθηγητής Γεώργιος Θεοδώρου Tel.: +30 2310998051, Ιστοσελίδα: http://users.auth.gr/theodoru Περί της Ταξινόμησης

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Τυχαία Μεταβλητή (Random variable-variable aléatoire)

Τυχαία Μεταβλητή (Random variable-variable aléatoire) Τυχαία Μεταβλητή (Random varable-varable aléatore) Σε πολλούς τύπους πειραμάτων τα αποτελέσματα είναι από τη φύση τους πραγματικοί αριθμοί. Παραδείγματα τέτοιων πειραμάτων αποτελούν οι μετρήσεις των υψών

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ. Ερωτήσεις του τύπου «Σωστό - Λάθος»

ΠΙΘΑΝΟΤΗΤΕΣ. Ερωτήσεις του τύπου «Σωστό - Λάθος» ΠΙΘΑΝΟΤΗΤΕ Ερωτήσεις του τύπου «ωστό - άθος» 1. * Αν είναι δειγματικός χώρος ενός πειράματος τύχης, τότε Ρ () = 1. 2. * Αν Α είναι ενδεχόμενο ενός πειράματος τύχης τότε, 0 Ρ (Α) 1. 3. * Για το αδύνατο

Διαβάστε περισσότερα

Θέμα 1 ο (ΜΑΪΟΣ 2004, ΜΑΪΟΣ 2008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Απόδειξη

Θέμα 1 ο (ΜΑΪΟΣ 2004, ΜΑΪΟΣ 2008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Απόδειξη ΕΚΔΟΣΕΙΣ ΚΕΛΑΦΑ 59 Θέμα 1 ο (ΜΑΪΟΣ 004, ΜΑΪΟΣ 008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Έχουμε f (x+h) - f (x) = c - c = 0 και για h 0 είναι f (x + h) - f (x) 0 m

Διαβάστε περισσότερα

Εισαγωγικά Παραδείγματα: Παρατηρήσεις:

Εισαγωγικά Παραδείγματα: Παρατηρήσεις: 1 Εισαγωγικά Η έννοια του συνόλου είναι πρωταρχική στα Μαθηματικά, δεν μπορεί δηλ. να οριστεί από άλλες έννοιες. Γενικά, μπορούμε να πούμε ότι σύνολο είναι μια συλλογή αντικειμένων. υτά λέμε ότι περιέχονται

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ Πιθανότητες και Αρχές Στατιστικής (3η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 38 Περιεχόμενα

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2016

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2016 Βιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 06 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολο υποθέσεων και του οποίου

Διαβάστε περισσότερα

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ 3ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 3ο Μάθημα Πιθανότητες

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

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 19 Οκτωβρίου 2009 ΑΞΙΩΜΑΤΙΚΗ ΘΕΜΕΛΙΩΣΗ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Εστω Ω δειγµατικός χώρος στοχαστικού (τυχαίου) πειράµατος (ή ϕαινοµένου).

Διαβάστε περισσότερα

Πιθανότητες. Κεφάλαιο Δειγματικός χώρος - Ενδεχόμενα Κατανόηση εννοιών - Θεωρία

Πιθανότητες. Κεφάλαιο Δειγματικός χώρος - Ενδεχόμενα Κατανόηση εννοιών - Θεωρία Κεφάλαιο 1 Πιθανότητες 1.1 Δειγματικός χώρος - Ενδεχόμενα 1.1.1 Κατανόηση εννοιών - Θεωρία 1. Ποιό πείραμα λέγεται αιτιοκρατικό και ποιό πείραμα τύχης; 2. Τι ονομάζουμε δειγματικό χώρο ενός πειράματος

Διαβάστε περισσότερα

K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων

K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Στοιχεία προτασιακής λογικής Περιεχόμενα

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΙΚΟ ΚΕΦΑΛΑΙΟ. a β a β.

ΕΙΣΑΓΩΓΙΚΟ ΚΕΦΑΛΑΙΟ. a β a β. ΕΙΣΑΓΩΓΙΚΟ ΚΕΦΑΛΑΙΟ Ε.1 ΤΟ ΛΕΞΙΛΟΓΙΟ ΤΗΣ ΛΟΓΙΚΗΣ Στη παράγραφο αυτή θα γνωρίσουμε μερικές βασικές έννοιες της Λογικής, τις οποίες θα χρησιμοποιήσουμε στη συνέχεια, όπου αυτό κρίνεται αναγκαίο, για τη σαφέστερη

Διαβάστε περισσότερα

Πιθανότητες. Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους

Πιθανότητες. Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους Πιθανότητες Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους «Πείραμα» Tύχης Οτιδήποτε συμβαίνει και δεν γνωρίζουμε από πριν το ακριβές αποτέλεσμά του. Απασχόλησαν

Διαβάστε περισσότερα

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Βασικά στοιχεία της θεωρίας πιθανοτήτων Η έννοια του Πειράµατος Τύχης. 9 3 6 Το σύνολο των πιθανών εκβάσεων ενός πειράµατος τύχης καλείται δειγµατοχώρος ή δειγµατικόςχώρος (sample space)καισυµβολίζεταιµεωήµε S.Έναστοιχείοωήsτου δειγµατικού χώρου

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

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

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

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

Διαβάστε περισσότερα

B A B A A 1 A 2 A N = A i, i=1. i=1

B A B A A 1 A 2 A N = A i, i=1. i=1 Κεφάλαιο 2 Χώρος πιθανότητας και ενδεχόμενα 2.1 Προκαταρκτικά Εστω ότι κάποιος μας προτείνει να του δώσουμε δυόμισι ευρώ για να παίξουμε το εξής παιχνίδι: Θα στρίβουμε ένα νόμισμα μέχρι την πρώτη φορά

Διαβάστε περισσότερα

5.3 Η ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ

5.3 Η ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ 1 5.3 Η ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ ΘΕΩΡΙΑ 1. Ισοπίθανα απλά ενδεχόµενα Είναι τα απλά ενδεχόµενα για τα οποία κάποιο εξ αυτών δεν έχει πλεονέκτηµα έναντι των άλλων όσον αφορά την επιλογή του. Με άλλα λόγια

Διαβάστε περισσότερα

ΣΧΕΔΙΟ ΔΙΔΑΣΚΑΛΙΑΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 2 Α ΛΥΚΕΙΟΥ

ΣΧΕΔΙΟ ΔΙΔΑΣΚΑΛΙΑΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 2 Α ΛΥΚΕΙΟΥ Page1 ΣΧΕΔΙΟ ΔΙΔΑΣΚΑΛΙΑΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 2 Α ΛΥΚΕΙΟΥ ΔΙΔΑΚΤΙΚΗ ΕΝΟΤΗΤΑ: 1.1 Δειγματικός χώρος Ενδεχόμενα i. ΔΙΔΑΚΤΙΚΟΙ ΣΤΟΧΟΙ: 1. Προσδιορίζουν το δειγματικό χώρο ενός πειράματος τύχης και ενδεχόμενα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ Σηµειώσεις για το µάθηµα ΣΥΝ ΥΑΣΤΙΚΗ Θεοδόσης ηµητράκος e-mail: dimitheo@aegean.gr

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 26 Οκτωβρίου 2009 Η διερεύνηση, σε γενικές γραµµές, της δεσµευµένης πιθανότητας και η σύγκρισή της µε την απόλυτη πιθανότητα αποκαλύπτει

Διαβάστε περισσότερα

5.2 ΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝ ΕΧΟΜΕΝΑ

5.2 ΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝ ΕΧΟΜΕΝΑ 1 5.2 ΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝ ΕΧΟΜΕΝΑ ΘΕΩΡΙΑ 1. Πείραµα τύχης : Το πείραµα του οποίου δε µπορούµε να προβλέψουµε µε ακρίβεια το αποτέλεσµα. 2. ειγµατικός χώρος : Το σύνολο των δυνατών αποτελεσµάτων ενός πειράµατος

Διαβάστε περισσότερα

5. 3 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ

5. 3 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ ΜΕΡΟΣ Α. ΕΟΙΑ ΤΗΣ ΠΙΘΑΟΤΗΤΑΣ 77. ΕΟΙΑ ΤΗΣ ΠΙΘΑΟΤΗΤΑΣ Κλασικός ορισμός πιθανότητας Αν ένα στοιχείο του συνόλου του δειγματικού χώρου επιλέγεται στην τύχη και δεν έχει κανένα πλεονέκτημα έναντι των άλλων,

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

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

HY118-Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

Ας θεωρήσουμε δύο πραγματικούς αριθμούς. Είναι γνωστό ότι:,. Αυτό σημαίνει ότι: «=», «

Ας θεωρήσουμε δύο πραγματικούς αριθμούς. Είναι γνωστό ότι:,. Αυτό σημαίνει ότι: «=», « .1 Στη παράγραφο αυτή θα γνωρίσουμε μερικές βασικές έννοιες της Λογικής, τις οποίες θα χρησιμοποιήσουμε στη συνέχεια, όπου αυτό κρίνεται αναγκαίο, για τη σαφέστερη διατύπωση μαθηματικών εννοιών, προτάσεων

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ

ΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ ΚΕΦΛΙΟ Ο ΠΙΘΝΟΤΗΤΕΣ. Εισαγωγή Στην Θεωρία Πιθανοτήτων, ξεκινάµε από το λεγόµενο πείραµα δηλαδή µια διαδικασία η οποία µπορεί να επαναληφθεί θεωρητικά άπειρες φορές, κάτω από τις ίδιες ουσιαστικά συνθήκες,

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

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

Θέματα ενδοσχολικών εξετάσεων Άλγεβρας Α Λυκείου Σχ. έτος , Ν. Δωδεκανήσου ΘΕΜΑΤΑ ΕΝΔΟΣΧΟΛΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΤΑΞΗ: Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΛΓΕΒΡΑ

Θέματα ενδοσχολικών εξετάσεων Άλγεβρας Α Λυκείου Σχ. έτος , Ν. Δωδεκανήσου ΘΕΜΑΤΑ ΕΝΔΟΣΧΟΛΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΤΑΞΗ: Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΛΓΕΒΡΑ Θέματα ενδοσχολικών εξετάσεων Άλγεβρας Α Λυκείου Σχ. έτος 013-014, Ν. Δωδεκανήσου ΘΕΜΑΤΑ ΕΝΔΟΣΧΟΛΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΤΑΞΗ: Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΛΓΕΒΡΑ ΣΧΟΛΙΚΟ ΕΤΟΣ: 013-014 Επιμέλεια: Καραγιάννης Ιωάννης Σχολικός

Διαβάστε περισσότερα

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά Εισαγωγή Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά μοντέλα, είτε σε στοχαστικά ή αλλοιώς πιθανοτικά μοντέλα. προσδιοριστικά μοντέλα : επιτρέπουν προσδιορισμό

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@fme.aegean.gr Τηλ: 7035468 σ-άλγεβρα

Διαβάστε περισσότερα

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

Μαθηματικά στην Πολιτική Επιστήμη:

Μαθηματικά στην Πολιτική Επιστήμη: ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά στην Πολιτική Επιστήμη: Εισαγωγή Ενότητα 4.1: Πιθανότητα Δεσμευμένη Πιθανότητα- Όρια (Ι). Θεόδωρος Χατζηπαντελής Άδειες Χρήσης

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

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 2 η : Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες. Γεώργιος Ζιούτας Τμήμα

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156

Βιομαθηματικά BIO-156 ιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 03 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολουποθέσεωνκαιτουοποίουτο αποτέλεσμα

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

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές μέθοδοι και προσεγγίσεις για την επιστημονική έρευνα ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ Α Λυκείου

ΠΙΘΑΝΟΤΗΤΕΣ Α Λυκείου ΠΙΘΑΝΟΤΗΤΕΣ Α Λυκείου Εργασία των μαθητριών: Αγαλιώτη Κωνσταντίνα, Αλεξοπούλου Γερασιμούλα, Αποστολοπούλου Χριστίνα, Βλαχοπούλου Φλώρα, Βλάχου Ουρανία Υπεύθυνος καθηγητής: κ. Ζούμας 2 ο Λύκειο Πεύκης [Ιανουάριος

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

Πιθανότητες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Γενικής κεφάλαιο 3 94 ασκήσεις. Kglykos.gr. εκδόσεις. Καλό πήξιμο. Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α

Πιθανότητες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Γενικής κεφάλαιο 3 94 ασκήσεις. Kglykos.gr. εκδόσεις. Καλό πήξιμο. Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α Πιθανότητες Κώστας Γλυκός 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 7 / 0 / 0 6 Γενικής κεφάλαιο 3 94 ασκήσεις και τεχνικές σε 8 σελίδες εκδόσεις Καλό πήξιμο ΓΛΥΚΟΣ ΚΩΝ/ΝΟΣ τηλ.

Διαβάστε περισσότερα

Περιεχόμενα. Πρόλογος 3

Περιεχόμενα. Πρόλογος 3 Πρόλογος Τα πρώτα μαθήματα, σχεδόν σε όλους τους κλάδους των μαθηματικών, περιέχουν, ή θεωρούν γνωστές, εισαγωγικές έννοιες που αφορούν σύνολα, συναρτήσεις, σχέσεις ισοδυναμίας, αλγεβρικές δομές, κλπ.

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017 Βιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 07 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολο υποθέσεων και του οποίου

Διαβάστε περισσότερα