Για παράδειγµα έστω ότι σε κάθε ανεξάρτητη πραγµατοποίηση

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Για παράδειγµα έστω ότι σε κάθε ανεξάρτητη πραγµατοποίηση"

Transcript

1 Μέθοδοι Monte Carlo Οι µέθοδοι Monte Carlo είναι µια κλάση από υπολογιστικούς αλγόριθµους που βασίζονται στην επαναλαµβανόµενη τυχαία δειγµατοληψία για τον υπολογισµό αποτελεσµάτων. Συχνά χρησιµοποιούντα στην προσοµοίωση φυσικών και µαθηµατικών συστηµάτων και προβληµάτων. Επειδή τέτοιοι αλγόριθµοι εξαρτώνται από την χρήση τυχαίων ή ψευδοτυχαίων αριθµών, οι αλγόριθµοι Monte Carlo ονοµάζονται και στοχαστικοί αλγόριθµοι και πρακτικά χρησιµοποιούνται στην περίπτωση που το µοντέλο µας για κάποιο σύστηµα είναι τόσο πολύπλοκο που η παραγωγή αναλυτικών λύσεων, είτε η χρήση αιτιοκρατικών (deterministic) αλγορίθµων είναι αδύνατη. Στην ουσία µε την χρήση στοχαστικών αλγορίθµων θέλουµε να αναπαραστήσουµε ένα στοχαστικό φαινόµενο στον υπολογιστή όσο πολύπλοκο και αν είναι κάνοντας τον µικρότερο δυνατό αριθµό απλουστεύσεων, δηµιουργώντας έτσι ρεαλιστικά µοντέλα. Εάν καταφέρουµε να δηµιουργήσουµε ένα υπολογιστικό µοντέλο που είναι πολύ κοντά στο αντίστοιχο φυσικό σύστηµα, δεν χρειάζεται να περιµένουµε το φαινόµενο να πραγµατοποιηθεί µε φυσικό τρόπο είτε γιατί χρειάζεται µεγάλο χρονικό διάστηµα για την επανάληψη του, είτε λόγω κόστους δεν µπορούµε να έχουµε µεγάλο αριθµό από πραγµατικές εργαστηριακές πραγµατοποιήσεις. Για παράδειγµα έστω ότι σε κάθε ανεξάρτητη πραγµατοποίηση X j, j =, K, n του υπολογιστικού µοντέλου ενδιαφερόµαστε για την πραγµατοποίηση ενδεχοµένου A. Τότε ο νόµος των µεγάλων αριθµών µας εξασφαλίζει ότι ( X j A) E ( X A) = P{ X A, n n j= n Παρατηρώντας λοιπόν χιλιάδες είτε ακόµα και εκατοµµύρια πραγµατοποιήσεις της στοχαστικής προσοµοίωσης µπορούµε να εξάγουµε συµπεράσµατα για το πραγµατικό σύστηµα. Παραγωγή (ψευδο)τυχαίων αριθµών Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α

2 iid Έστω ότι Ui ~ U (,) τότε µια πεπερασµένη πραγµατοποίηση της ακολουθίας { U K U είναι µια ακολουθία τυχαίων αριθµών.,, n Στην πραγµατικότητα όµως µόνο να προσοµοιώσουµε µια τέτοια ακολουθία µπορούµε µέσα σε ένα υπολογιστή για αυτό και λέµε ότι µε έναν υπολογιστή µπορούµε να παράγουµε ακολουθία ψευδοτυχαίων αριθµών που όµως έχουν κοινά χαρακτηριστικά µε ακολουθίες πραγµατικά τυχαίων αριθµών. Ψευδοτυχαίες ακολουθίες { U j συνήθως παράγονται µε την χρήση linear congruencies, δηλαδή µη στοχαστικών, γραµµικών αναδροµικών σχέσεων της µορφής (linear congruencies) ( ) ( ) Xi = C Xi = axi + b mod m, i, για δοθέν X (seed), θέτουµε τότε Ui Xi / m Η τριάδα ( abm,, ) ζητάµε να είναι τέτοια ώστε: = όπου x mod m= m( x/ m x/ m ). { () i Η περίοδος του X να είναι µεγάλη δηλαδή το min i: C ( X) = X να είναι της τάξης του m. Η ψευδοτυχαία ακολουθία να περνάει αρκετούς από τους γνωστούς ελέγχους τυχαιότητας (tests for randomness). Για παράδειγµα το information entropy test, autocorrelation test, Kolmogorov Smirnov test κλπ. Παρατήρηση Η χρησιµοποιεί τον αλγόριθµο Mersenne Twister για δειγµατοληψία από την U (,). Η µέθοδος Mersenne Twister βασίζεται σε matrix linear congruence σχέσεις και Mersenne πρώτους. Για παράδειγµα εάν θέλουµε να θέσουµε νέο seed στην > set.seed() Για να πάρουµε δείγµα από την U (,) > runif() Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 2

3 [] Εάν στην συνέχεια θέσουµε και πάλι το ίδιο seed η ακολουθία των δειγµάτων από την οµοιόµορφη επαναλαµβάνεται > set.seed() > runif() [] ## script για τη δηµιουργία ψευδοτυχαίας ακολουθίας αριθµών ## στο (,), για δοθείσα τριάδα ( abm,, ) και αρχική συνθήκη X. myrng<-function(xseed=42, SS=4, a=5, b=7, m=2){ x<-xseed v<-ull for(i in :SS){ x<- (a*x+b) %% m v<-append(v, x/m) return(v) Ας δούµε µια περίπτωση που η περίοδος είναι µικρή για ( abm,, ) = ( 5,7,2) και x = 42 v<-myrng( ); v [] [9] [7] [25] [33] hist(v, breaks=2,main="a=5, b=7, m=2", col="black") Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 3

4 (ADU) Το linear congruence ( abm,, ) = ( ,,2 3 ) χρησιµοποιήθηκε από την IBM στις αρχές τι δεκαετίας του 7. Το 963 όµως ανακαλύφθηκε ότι ισχύει η σχέση xn+ 2 6xn+ + 9xn = κ όπου κ { 5, 4, K,9. Αυτό σηµαίνει ότι συνεχόµενες τριάδες ( un, un+, un+ 2) µε ui = xi / m βρίσκονται αποκλειστικά σε 5 επίπεδα του µοναδιαίου κύβου (, ) 3. ηλαδή η συσχέτιση µεταξύ των ( un, un+, un+ 2) είναι πολύ µεγάλη και δεν µπορεί να χρησιµοποιηθεί για την παραγωγή ψευδοτυχαίων αριθµών. Χρήση της ADU για προσοµοίωση οδηγεί σε εσφαλµένα συµπεράσµατα. Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 4

5 Μια καλή επιλογή είναι η τριάδα ( abm,, ) = ( 7 5,,2 32 ) v<-myrng(3,, 7^5-,, 2^32-) hist(v, breaks=2,main="a=7^5-, b=, m=2^32-", col="black") # To variance της X ~ U ( ab, ) είναι ( b a) 2 /2 εδώ /2 =.8333 > var(v) [] χρήση του random number generator της v<-runif(, min=, max=) hist(v, breaks=2,main=" Mersenne Twister ", col="black") > var(v) [] Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 5

6 Άσκηση 6 3 Να δειχθεί ότι εάν (,, ) ( 2 3,,2 ) abm = + τότε un+ 2 6un+ + 9un = κ όπου κ Z = ( + ) + = ( + ) = ( + + ) ( ) xn ( ) xn xn+ xn x 2 3 x mod2 2 3 x mod x mod n n n n ( ) ( ) = mod 2 = mod 2 = 6 9 mod 2 ή ότι x 6x + 9x = κ 2 u 6u + 9u = κ 3 n+ 2 n+ n n+ 2 n+ n Άσκηση είξτε µε προσοµοίωση ότι το κ στην προηγούµενη σχέση µπορεί να πάρει µόνο τιµές στο σύνολο { 5, 4, K,9. Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 6

7 ## THE ADU POBLEMATIC ACOM UMBE GEEATO randudecode<-function(v){ u<-ull for(i in :length(v)-2){ x<-v[i+2]-6*v[i+]+9*v[i] u<-append(u, x) return(u) getsampledistr<-function(sample){ D<- ULL P<- ULL L<-sample while(length(l)!=){ D<-append(D, L[]) L<-L[L!=L[]] for(i in :length(d)){ x<-d[i] counter<- for(j in :length(sample)) if(x==sample[j]) counter<-counter+ P<-append(P, counter/length(sample)) v<-c(d, P) return(v) > u<-myrng(3,, 2^6+3,, 2^3) > u [] e e e e e-2 [6] e e e e e-2 [] e e e e e- [6] e e e e e- [2].87852e e e e e- [26] e e e e e- [3] e e e-.2963e e- [36].88273e e e e e- [4] e-.844e e e e- [46] e e e e e- [5] e e e e-.65e- [56] e e e e e- Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 7

8 [6] e e e e e- [66] 7.249e e e e e- [7] e e-.9824e e e-2 [76] e e-.289e e e- [8] e e e- 6.84e e- [86] e e e e e- [9] 5.423e e e e e- [96] e e e e e- > mysample<-randudecode(u) > mysample [] [26] [5] [76] > v<-getsampledistr(mysample) > v [] [7] [3] [9] [25] > D<-v[:(length(v)/2)] > D [] > P<-v[(length(v)/2+):length(v)] > P [] [] >plot(d, P, type="h", lwd=2, col="red", ylim=c(,.3)) >points(d, P, pch=6, cex=, col="black") Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 8

9 Ολοκλήρωση Monte Carlo Έστω ότι θέλουµε να υπολογίσουµε το ολοκλήρωµα I = g( x) dx. Συµβολίζουµε την χαρακτηριστική συνάρτηση του διαστήµατος (, ) ( a< x< b) που είναι όταν x ( ab, ) και όταν x ( ab, ). Τότε το ολοκλήρωµα I µπορεί να γραφεί ε τον εξής τρόπο ab µε I = g( x) ( < x< ) dx= g( x) U( x, ) dx= E g( u), u ~ U (,). iid Από τον ισχυρό νόµο των µεγάλων αριθµών έχουµε ότι εάν ui ~ U (,) και E g( u i ) <, τότε ( ) = E ( ) = ( ) n lim i n i= n g u g u g x dx Μια εκτίµηση του I θα είναι Iˆ = g( ui), iid u ~ (, ) i U για µεγάλο, επειδή ( Iˆ ) i= var g( u) = όταν var b Εάν έχουµε να υπολογίσουµε ολοκληρώµατα της µορφής g ( x ) dx είτε a ( ) g x dx b a ( ) ( ) ( ) ( ) gy % ( ) ( ) g x dx= b a g a+ b a y dy, x= a+ b a y ( ) ( ) gy % ( ) g x dx= y g / y dy, x= / y ( ) ( ) ( ) ( ) gy % ( ) ( ) 2 a g x dx= a y g a y dy, x= a y Για πολλαπλά ολοκληρώµατα της µορφής = ( ) έχουµε k E g( u, K, u ) = L g( x, K, x ) U ( x,) dx L dx k k k i= i k I L g x, K, xk dx L dxk θα Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 9

10 k (,, ) ( ) (,, ) L g x K x k k x i dx i Ldx g x x x xk k dx dx = L = K L = k = < < = ενώ n i i lim (,, ) = E (,, ) (,, ) i n = n = x = x k = Μια εκτίµηση του I, για µεγάλο, θα είναι ˆ i i I g( u,, uk) g u K u g u K u L g x K x dx L dx i iid u j ~ U (,) για j k και i k k k k. ## Υπολογισµός του εκτιµητή I ˆ για το I = g( x) dx MCIntegral<-function(, g) { sum<- for(i in :) sum=sum+g(runif()) return(sum/) ## ( ) log x dx= > MCIntegral(, log) [] ## ( ) ( ( )) Exp x 5 dx = 5x exp 5 / x dx = = K, όπου i= myfun<-function(x) return(x^(-2)*5*exp(-5*(x^(-)-))) > MCIntegral(, myfun) [].9865 ##################################################### ## Υπολογισµός του εκτιµητή I ˆ για το I = 2 exp (( x + y ) ) dxdy =;s= for(i in :) { x<-runif();y<-runif() Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α

11 s=s/ s<-s+exp((x+y)^2) > s [] #Με αριθµητική ολοκλήρωση ## Το διάνυσµα v περιέχει το running average trajectory. =;s=;v<-c() for(i in :) { x<-runif();y<-runif() s<-s+exp((x+y)^2) if(i>2) v<-append(v, s/i) s=s/ > s [] plot(v, type='l', pch=".") #plot the running average of the MC integration abline(4.9,, ylim=c(2, )) # add the line y=4.9 Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α

12 Άσκηση είξτε ότι η συνάρτηση h( x, y) την πολλαπλασιάσουµε µε το 8, δηλαδή ( ) script που να υπολογίζει το ολοκλήρωµα (, ) xy < x < y < = γίνεται πυκνότητα εάν αλλου 8 h x, y dxdy =. Να γραφτεί 2 h x y dxdy y (, ) = ( < < < ) = y= { x= h x y dxdy xy x y dxdy xydx dy y = dy = y= 2 8 Για το script έχουµε ( ) ( ) E ( ) xy < x < y < dxdy = xy x y dxdy XY X Y < = < g X Y όπου X και Y ανεξάρτητες (,) 2 (, ) U τυχαίες µεταβλητές. i Από τον ισχυρό νόµο των µεγάλων αριθµών έχουµε ότι εάν u j iid ~ U (,) τότε i i g u u E XY X Y i= (, 2) ( < ) =;s= for(i in :) { x<-runif();y<-runif() if(x<y) s<-s+x*y s=s/ > s [] Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 2

13 Άσκηση Να υπολογιστεί το εµβαδόν του µοναδιαίου κύκλου µε ολοκλήρωση Monte Carlo. Εάν ( ) {, : D= x y x + y τότε D 2 x 2 2 dxdy = dy dx = x dx = x dx x= y= x ( ) π /2 π /2 2 + cos 2ϑ = 4 cos ( ϑ) dϑ = 4 dϑ 2 ϑ sin( 2ϑ) = π ( ( ) ( )) /2 = 2 ϑ + sin ϑ cos ϑ = π π /2 Για την ολοκλήρωση Monte Carlo έχουµε D 2 2 ( ) ( ) ( ) dxdy = x + y < x < dx < y < dy x= y= ( x y ) ( x ) dx ( y ) dy ( X Y ) x= U U E y= = 4 +,, = 4 + όπου X και Y ανεξάρτητες U (,) τυχαίες µεταβλητές. g u i u i E g X Y u i iid ~ U i= (, 2) (, ) j (,) (, ) g X Y =;s= for(i in :) { x<- -+2*runif(); y<- -+2*runif() if(x^2+y^2<) s<-s+ s=s/ > 4*s [] Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 3

14 Παρατήρηση Το συγκεκριµένο ολοκλήρωµα δίνει εκτίµηση του π = 3.459K, δηλαδή ˆ π i i i iid = ( ( u) + ( u2) < ) u (,) i j ~ U = U ( ab, ) = d a+ ( b a) U (,) Η βελόνα του Buffon Χωρίζουµε το επίπεδο µε παράλληλες ευθείες που έχουν απόσταση t και πετάµε µε τυχαίο τρόπο βελόνες µήκους l < t. Η θέση κάθε βελόνας ως προς την κοντινότερη σε αυτήν ευθεία καθορίζεται από την απόσταση του κέντρου της βελόνας από την ευθεία και από την γωνία που σχηµατίζει η βελόνα µε την ευθεία σύµφωνα µε το σχήµα Έστω ότι πετάµε n βελόνες και m από αυτές τέµνουν κάποια από τις ευθείες τότε µια εκτίµηση του π είναι 2l n ˆn π = t m l Πράγµατι η βελόνα τέµνει την ευθεία όταν x sin ( ϑ ). Εµφανώς 2 PX ( dx) = U ( x, t/2) dx και PΘ ( dϑ ) = U ( ϑ, π /2) dϑ ενώ X Θ έτσι το από κοινού µέτρο είναι PX, Θ ( dx, dϑ ) = U( x, t/2 ) U ( ϑ, π /2) dxdϑ. Θα βρούµε την πιθανότητα του ενδεχοµένου { ( ) { X l ( Θ ) = ω Ω X ( ω) l Θ ( ω) sin / 2 : sin / 2 { sin ( Θ )/ 2 = E { sin ( Θ) / 2 Θ P{ X lsin ( )/ 2 ϑ PΘ( dϑ) ( x lsin ( ϑ) / 2) P X ( dx) PΘ( dϑ) P X l P X l = Θ Θ= = ϑ ϑ X Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 4

15 ηλαδή { ( ) ( ϑ) ϑ X ( ) X ( ) Θ ( ϑ) E ( ( ) ) P X lsin Θ / 2 = x lsin / 2 P dx P d = X lsin Θ / 2 και ϑ π /2 l sin ( ϑ) /2 2 2 ( x l sin ( ϑ )/2) PX ( dx) PΘ ( dϑ) = dx dϑ ϑ= x= t π X 2l 2l sin ( ϑ) dϑ = tπ tπ π /2 ϑ= έτσι 2l = < sin, ~ U, /2 ~ U, /2 t ˆ π n i= ( xi l ( ϑi) ) xi ( t ) ϑi ( π ) m ## The script for the Buffon needle estpi<- function(n, l=, t=2) { m <- for (i in :n) { x <- runif() theta <- runif(, min=, max=pi/2) if (x < l/2 * sin(theta)) m <- m + return(2*l*n/(t*m)) > estpi() [] > estpi() [] > estpi() [] > estpi() [] > estpi() [] Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 5

16 Buffon s needle animation Πρώτα θα πρέπει να κάνουµε download το package animation και στην συνέχεια να δώσουµε τον αριθµό των επαναλήψεων nmax για την ολοκλήρωση Monte Carlo. Το option interval= δίνει µέγιστη ταχύτητα στο animation > ani.options(nmax = 2, interval = ) animation option 'nmax' changed: --> 2 Στην συνέχεια καλούµε την συνάρτηση buffon.needle() όπου l =.8 είναι το µήκος της βελόνας και d = η απόσταση των παράλληλων ευθειών buffon.needle(l =.8, d =, redraw = TUE, mat = matrix(c(, 3, 2, 3), 2), heights = c(3, 2), col = c("lightgray", "red", "gray", "red", "blue", "black", "red"), expand =.4, type = "l") το αποτέλεσµα είναι Για να βρούµε περισσότερες πληροφορίες για την συνάρτηση buffon.needle() χρησιµοποιούµε το query >?ani.options starting httpd help server... done Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 6

17 Άσκηση n ίνεται η στοχαστική διαδικασία{ Kt t [,] µε Kt = inf { n: u i i > t =, όπου για κάθε i τα u i είναι ανεξάρτητες τυχαίες µεταβλητές από την U (,). είξτε ότι E ( K ) t t = e, t. Γράψτε script για την εκτίµηση της µέσης τιµής E ( K t ). Γράψτε script που να προσοµοιώνει ω - τροχιές της διαδικασίας { Kt t [,] () = E( t) = E{ E[ t ] = E[ t = ] (, ) = E[ t = ] mt K K u K u yu y dy K u ydy. Επειδή [ t ] ( ) ( t y) { ( ) E K u = y = y > t + + E K y t θα έχουµε { ( ) () = ( > ) + ( ) + E t y t t t E( t y) E ( t y) mt y tdy K y tdy = dy + dy + K dy = + K dy t και έτσι t () = + ( ). mt mt ydy Παραγωγίζοντας και τα δύο µέλη της προηγούµενης σχέσης έχουµε t () = ( ) + ( ) m t m t m t y dy Θέτοντας u = t y παίρνουµε ( ) = ( ) + t ( ) = ( ) + ( ) ( ) = ( ) m t m m u du m m t m m t Ολοκληρώνοντας την προηγούµενη εξίσωση έχουµε ( ()) ( ( )) log mt log m = t Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 7

18 και επειδή { ( ) ( ) t P K = = m = m t = e. Kestimation<-function(x=, =) { est<- for(i in :) { s<- counter= while(s<x){ s<-s+runif(); counter<-counter+ est<-est+counter return(est/) > Kestimation() [] 2.69 > Kestimation(=) [] > Kestimation(=) [] > Kestimation(x=2) [] 4.65 > Kestimation(x=2, =) [] Παρατήρηση Στην προηγούµενη άσκηση κάναµε χρήση του τύπου του Leibnitz t () bt () at bt () f ( t, x) dx = b () t f ( b() t, x) a () t f ( a() t, x) + f ( t, x) dx at () t. orbit<-function(dx=., M=) { orbit <- c(); X <- c(); x<- for(j in :M) { x<-x+dx; X<-append(X, x) s<-; counter <- while(s<x) {s<-s+runif(); counter <- counter + orbit<-append(orbit, counter) plot(x, orbit, type='l', pch=".") Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 8

19 orbit(dx=., M=25) Σπύρος Ι. Χατζησπύρος Σηµειώσεις στην Υπολογιστική Στατιστική µέρος Α 9

5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών

5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών Κεφάλαιο 5 ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών Οταν ένα µεταβλητό µέγεθος εξαρτάται αποκλειστικά από τις µεταβολές ενός άλλου µεγέθους, τότε η σχέση που συνδέει

Διαβάστε περισσότερα

( ) Δειγματοληψία από discrete uniform. Έστω τυχαία µεταβλητή Θ που ακολουθεί την διακριτή κατανοµή ( ) = 1, σχηµατικά. 1 2 i i.

( ) Δειγματοληψία από discrete uniform. Έστω τυχαία µεταβλητή Θ που ακολουθεί την διακριτή κατανοµή ( ) = 1, σχηµατικά. 1 2 i i. Δειγματοληψία από discrete uiform Έστω τυχαία µεταβλητή Θ που ακολουθεί την διακριτή κατανοµή π ϑ = ϑ = π για i i i και π i= i =, σχηµατικά ϑ ~ π ϑ ϑ ϑ 2 = π π2 K π Το samplig scheme για την παραπάνω διακριτή

Διαβάστε περισσότερα

Ολοκλήρωση - Μέθοδος Monte Carlo

Ολοκλήρωση - Μέθοδος Monte Carlo ΦΥΣ 145 - Διαλ.09 Ολοκλήρωση - Μέθοδος Monte Carlo Χρησιμοποίηση τυχαίων αριθμών για επίλυση ολοκληρωμάτων Η μέθοδος Monte Carlo δίνει μια διαφορετική προσέγγιση για την επίλυση ενός ολοκληρώμτατος Τυχαίοι

Διαβάστε περισσότερα

4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ-

4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- Κεφάλαιο 4 ΟΛΟΚΛΗΡΩΜΑ 4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- µατα Ορισµός 4.1.1. Αρχική ή παράγουσα συνάρτηση ή αντιπαράγωγος µιας συνάρτησης f(x), x [, b], λέγεται κάθε συνάρτηση F (x) που επαληθεύει

Διαβάστε περισσότερα

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 ) Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 4 Ιουνίου 7 Από τα κάτωθι Θέµατα καλείστε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ Η μελέτη διαφόρων στοχαστικών φαινομένων μπορεί γενικά να γίνει χρησιμοποιώντας

ΕΙΣΑΓΩΓΗ Η μελέτη διαφόρων στοχαστικών φαινομένων μπορεί γενικά να γίνει χρησιμοποιώντας ΕΙΣΑΓΩΓΗ Η μελέτη διαφόρων στοχαστικών φαινομένων μπορεί γενικά να γίνει χρησιμοποιώντας κυρίως τρεις μεθόδους:. Αναλυτικές Μέθοδοι: πραγματοποιείται κατάλληλη μαθηματική μοντελοποίηση του στοχαστικού

Διαβάστε περισσότερα

5. Γεννήτριες Τυχαίων Αριθµών.

5. Γεννήτριες Τυχαίων Αριθµών. 5. Γεννήτριες Τυχαίων Αριθµών. 5.1. Εισαγωγή. Στο Κεφάλαιο αυτό θα δούµε πώς µπορούµε να δηµιουργήσουµε τυχαίους αριθµούς από την οµοιόµορφη κατανοµή στο διάστηµα [0,1]. Την κατανοµή αυτή, συµβολίζουµε

Διαβάστε περισσότερα

ΤΟ ΟΛΟΚΛΗΡΩΜΑ ΕΙΣΑΓΩΓΗ

ΤΟ ΟΛΟΚΛΗΡΩΜΑ ΕΙΣΑΓΩΓΗ ΤΟ ΟΛΟΚΛΗΡΩΜΑ ΕΙΣΑΓΩΓΗ Ο κύριος στόχος αυτού του κεφαλαίου είναι να δείξουµε ότι η ολοκλήρωση είναι η αντίστροφη πράξη της παραγώγισης και να δώσουµε τις βασικές µεθόδους υπολογισµού των ολοκληρωµάτων

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 Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα

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 στη

Διαβάστε περισσότερα

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Σελίδα 1 από Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Στο κεφάλαιο αυτό θα ασχοληθούµε µε τα βασικά θεωρήµατα του διαφορικού λογισµού καθώς και µε προβλήµατα που µπορούν να επιλυθούν χρησιµοποιώντας

Διαβάστε περισσότερα

Κεφάλαιο 6 Παράγωγος

Κεφάλαιο 6 Παράγωγος Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στα πλαίσια της ΣΤΑΤΙΣΤΙΚΗΣ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑΣ προσπαθούµε να προσεγγίσουµε τα χαρακτηριστικά ενός συνόλου (πληθυσµός) δια της µελέτης των χαρακτηριστικών αυτών επί ενός µικρού

Διαβάστε περισσότερα

Μέθοδος Newton-Raphson

Μέθοδος Newton-Raphson Κεφάλαιο 14 Μέθοδος Newton-Raphson Θα συζητήσουµε υπολογισµό της εκτιµήτριας µεγίστης πιθανοφάνειας µε τη µέ- ϑοδο Newton-Raphson. Αν και υπάρχουν περιπτώσεις για τις οποίες η λύση µπορεί να υπολογιστεί

Διαβάστε περισσότερα

Προσοµοίωση. Κεφάλαιο 6. 6.1 Ο Ασθενής Νόµος των Μεγάλων Αριθµών. X = 1 n

Προσοµοίωση. Κεφάλαιο 6. 6.1 Ο Ασθενής Νόµος των Μεγάλων Αριθµών. X = 1 n Κεφάλαιο 6 Προσοµοίωση Αυτό το κεφάλαιο συµπληρώνει το προηγούµενο κεφάλαιο το οποίο αναφερόταν στο πώς µπορεί να γίνει απλός προγραµµατισµός στην R. Θα χρησιµοποιηθούν οι έννοιες του προγραµµατισµού για

Διαβάστε περισσότερα

Π.Μ.Σ. Μαθηµατικού 2001-02 «Αριθµητική Ανάλυση» -

Π.Μ.Σ. Μαθηµατικού 2001-02 «Αριθµητική Ανάλυση» - Π.Μ.Σ. Μαθηµατικού 00-0 «Αριθµητική Ανάλυση» -. ΕΙΣΑΓΩΓΗ.... ΤΙ ΕΙΝΑΙ MOTE CARLO.... ΠΟΥ ΕΦΑΡΜΟΖΕΤΑΙ....3 ΠΟΙΑ ΕΙΝΑΙ Η ΠΡΟΕΛΕΥΣΗ ΤΗΣ....4 ΓΙΑΤΙ ΤΗΝ ΧΡΗΣΙΜΟΠΟΙΟΥΜΕ....5 ΠΟΙΑ ΕΙΝΑΙ Η ΑΠΛΟΥΣΤΕΡΗ ΜΟΡΦΗ ΤΗΣ

Διαβάστε περισσότερα

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή. Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2010 ΕΚΦΩΝΗΣΕΙΣ

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

Διαβάστε περισσότερα

Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC

Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Περιεχόμενα Μαθήματος Εισαγωγή στο Πρόβλημα. Monte Carlo Εκτιμητές. Προσομοίωση. Αλυσίδες Markov. Αλγόριθμοι MCMC (Metropolis Hastings & Gibbs Sampling).

Διαβάστε περισσότερα

Γενικά Μαθηµατικά Ι Θέµατα Ιανουαρίου 2015

Γενικά Μαθηµατικά Ι Θέµατα Ιανουαρίου 2015 Γενικά Μαθηµατικά Ι Θέµατα Ιανουαρίου 215 Άσκηση 1: (α) Να υπολογισθεί το γενικευµένο ολοκλήρωµα (ax+b)(x 2 +1) αν το a είναι ϑετικός αριθµός. (ϐ) Το µεσηµέρι, ένα σαλιγκάρι που ϐρίσκεται στο κέντρο ενός

Διαβάστε περισσότερα

Σηµειώσεις στις συναρτήσεις

Σηµειώσεις στις συναρτήσεις Σηµειώσεις στις συναρτήσεις 4 Η έννοια της συνάρτησης Ο όρος «συνάρτηση» χρησιµοποιείται αρκετά συχνά για να δηλώσει ότι ένα µέγεθος, µια κατάσταση κτλ εξαρτάται από κάτι άλλο Και στα µαθηµατικά ο όρος

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

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

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ηµήτρης Κουγιουµτζής http://users.auth.gr/dkugiu/teach/civilengineer E mail: dkugiu@gen.auth.gr 1/11/2009 2 Περιεχόµενα 1 ΠΕΡΙΓΡΑΦΙΚΗ

Διαβάστε περισσότερα

Κ. Χριστοδουλίδης: Μαθηµατικό Συµπλήρωµα για τα Εισαγωγικά Μαθήµατα Φυσικής 61. 12. Ολοκληρώµατα διανυσµατικών συναρτήσεων

Κ. Χριστοδουλίδης: Μαθηµατικό Συµπλήρωµα για τα Εισαγωγικά Μαθήµατα Φυσικής 61. 12. Ολοκληρώµατα διανυσµατικών συναρτήσεων Κ Χριστοδουλίδης: Μαθηµατικό Συµπλήρωµα για τα Εισαγωγικά Μαθήµατα Φυσικής 6 Ολοκληρώµατα διανυσµατικών συναρτήσεων Υπάρχουν διαφόρων ειδών ολοκληρώµατα διανυσµάτων, ανάλογα µε τη µορφή που έχει η ολοκληρωτέα

Διαβάστε περισσότερα

Κεφάλαιο M3. Διανύσµατα

Κεφάλαιο M3. Διανύσµατα Κεφάλαιο M3 Διανύσµατα Διανύσµατα Διανυσµατικά µεγέθη Φυσικά µεγέθη που έχουν τόσο αριθµητικές ιδιότητες όσο και ιδιότητες κατεύθυνσης. Σε αυτό το κεφάλαιο, θα ασχοληθούµε µε τις µαθηµατικές πράξεις των

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07)

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07) ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07) Επιµέλεια Σηµειώσεων : Βασιλειάδης Γεώργιος Καστοριά, εκέµβριος 2006

Διαβάστε περισσότερα

Κεφάλαιο M11. Στροφορµή

Κεφάλαιο M11. Στροφορµή Κεφάλαιο M11 Στροφορµή Στροφορµή Η στροφορµή παίζει σηµαντικό ρόλο στη δυναµική των περιστροφών. Αρχή διατήρησης της στροφορµής Η αρχή αυτή είναι ανάλογη µε την αρχή διατήρησης της ορµής. Σύµφωνα µε την

Διαβάστε περισσότερα

Κεφάλαιο 5ο: Εντολές Επανάληψης

Κεφάλαιο 5ο: Εντολές Επανάληψης Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 5ο: Εντολές Επανάληψης Η διαδικασία της επανάληψης είναι ιδιαίτερη συχνή, αφού πλήθος προβληµάτων µπορούν να επιλυθούν µε κατάλληλες

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

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

Διαβάστε περισσότερα

Μαθηματική Ανάλυση ΙI

Μαθηματική Ανάλυση ΙI Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Μαθηματική Ανάλυση ΙI Ενότητα 8: Διπλά ολοκληρώματα Επίκουρος Καθηγητής Θ. Ζυγκιρίδης e-mail: tzygiridis@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΚΙΝΗΜΑΤΙΚΗ ΤΩΝ ΡΕΥΣΤΩΝ

ΚΙΝΗΜΑΤΙΚΗ ΤΩΝ ΡΕΥΣΤΩΝ ΚΙΝΗΜΑΤΙΚΗ ΤΩΝ ΡΕΥΣΤΩΝ ΕΙΣΑΓΩΓΗ Σκοπός της κινηματικής είναι η περιγραφή της κίνησης του ρευστού Τα αίτια που δημιούργησαν την κίνηση και η αναζήτηση των δυνάμεων που την διατηρούν είναι αντικείμενο της

Διαβάστε περισσότερα

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής:

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής: ΣΕΙΡΕΣ TAYLOR Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων Πολυώνυµο είναι κάθε συνάρτηση της µορφής: p( ) = a + a + a + a + + a, όπου οι συντελεστές α i θα θεωρούνται

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤEΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤEΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤEΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ ΙΑΓΩΝΙΣΜΑ ΘΕΜΑ ο A. Έστω µια συνάρτηση f, η οποία είναι συνεχής σε ένα διάστηµα. Αν f () > σε κάθε εσωτερικό σηµείο του, τότε να αποδείξετε ότι η f είναι γνησίως

Διαβάστε περισσότερα

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γιώργος Πρέσβης ΜΑΘΗΜΑΤΙΚΑ B ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΚΕΦΑΛΑΙΟ Ο : ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΕΠΑΝΑΛΗΨΗ Φροντιστήρια Φροντιστήρια ΜΕΘΟΔΟΛΟΓΙΑ ΑΣΚΗΣΕΩΝ 1η Κατηγορία : Εξίσωση Γραμμής 1.1 Να εξετάσετε

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ

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

Διαβάστε περισσότερα

e-mail@p-theodoropoulos.gr

e-mail@p-theodoropoulos.gr Ασκήσεις Μαθηµατικών Κατεύθυνσης Γ Λυκείου Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος Μαθηµατικών e-mail@p-theodoropoulos.gr Στην εργασία αυτή ξεχωρίζουµε και µελετάµε µερικές περιπτώσεις ασκήσεων

Διαβάστε περισσότερα

(f(x)+g(x)) =f (x)+g (x), x R

(f(x)+g(x)) =f (x)+g (x), x R ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑ ΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 0 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ΘΕΜΑ Α Α. Αν οι συναρτήσεις, g είναι παραγωγίσιµες στο IR, να αποδείξετε ότι (()+g()) ()+g (), R Μονάδες 7 Α.

Διαβάστε περισσότερα

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

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

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΑ 3,4. Συστήµατα ενός Βαθµού ελευθερίας. k Για E 0, η (1) ισχύει για κάθε x. Άρα επιτρεπτή περιοχή είναι όλος ο άξονας

ΚΕΦΑΛΑΙΑ 3,4. Συστήµατα ενός Βαθµού ελευθερίας. k Για E 0, η (1) ισχύει για κάθε x. Άρα επιτρεπτή περιοχή είναι όλος ο άξονας ΚΕΦΑΛΑΙΑ,4. Συστήµατα ενός Βαθµού ελευθερίας. Να βρεθούν οι επιτρεπτές περιοχές της κίνησης στον άξονα ' O για την απωστική δύναµη F, > και για ενέργεια Ε. (α) Είναι V και οι επιτρεπτές περιοχές της κίνησης

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK ρ. Γεώργιος Φ. Φραγκούλης Καθηγητής Ver. 0.2 9/2012 ιανύσµατα & ισδιάστατοι πίνακες Ένα διάνυσµα u = (u1, u2,, u ) εισάγεται στη MATLAB ως εξής : u=[ u1, u2,, un ] ή u=[ u1

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΙΠΛΑ ΟΛΟΚΛΗΡΩΜΑΤΑ. είναι διαµερίσεις των κλειστών διαστηµάτων [α,b] και [c,d] αντιστοίχως της µορφής

ΚΕΦΑΛΑΙΟ 4 ΙΠΛΑ ΟΛΟΚΛΗΡΩΜΑΤΑ. είναι διαµερίσεις των κλειστών διαστηµάτων [α,b] και [c,d] αντιστοίχως της µορφής . Ορισµοί-Ιδιότητες ΚΕΦΑΛΑΙΟ 4 ΙΠΛΑ ΟΛΟΚΛΗΡΩΜΑΤΑ Έστω f : R είναι µία φραγµένη συνάρτηση πάνω σε µία κλειστή ορθογώνια περιοχή Εστω (, y ) { } R =,y :a b, c y d. = είναι µια διαµέριση της ορθογώνιας περιοχής

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

ΕΥΡΕΣΗ ΣΥΝΟΛΟΥ ΤΙΜΩΝ ΣΥΝΑΡΤΗΣΗΣ. της f : A. Rούτε εύκολη είναι ούτε πάντοτε δυνατή. Για τις συναρτήσεις f (x) = x ηµ x και ΜΕΘΟ ΟΛΟΓΙΑ

ΕΥΡΕΣΗ ΣΥΝΟΛΟΥ ΤΙΜΩΝ ΣΥΝΑΡΤΗΣΗΣ. της f : A. Rούτε εύκολη είναι ούτε πάντοτε δυνατή. Για τις συναρτήσεις f (x) = x ηµ x και ΜΕΘΟ ΟΛΟΓΙΑ ΕΥΡΕΣΗ ΣΥΝΟΛΟΥ ΤΙΜΩΝ ΣΥΝΑΡΤΗΣΗΣ Έστω fµια συνάρτηση µε πεδίο ορισµού το Α. Το σύνολο των τιµών της είναι f( A) { R = υπάρχει (τουλάχιστον) ένα A : f () = }. Ο προσδιορισµός του συνόλου τιµών f( A) της

Διαβάστε περισσότερα

CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ

CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Θεώρηµα Cramer-Rao Θεώρηµα Cramer-Rao Εστω X = (X 1, X,...,X n ) ένα δείγµα µε από κοινού πυκνότητα πιθανότητας f X

Διαβάστε περισσότερα

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

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

Διαβάστε περισσότερα

Προγραμματιστικές Ασκήσεις, Φυλλάδιο 1

Προγραμματιστικές Ασκήσεις, Φυλλάδιο 1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΕ C Προγραμματιστικές Ασκήσεις, Φυλλάδιο Εκφώνηση: 9/3/0 Παράδοση: 5/4/0,.59 Άσκηση 0 η : Το πρόβλημα της βελόνας του Buffon Θέμα της εργασίας

Διαβάστε περισσότερα

1.1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ

1.1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ Κεφ. I Εισαγωγή.. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ Η ανάγκη µαθηµατικής περιγραφής και µοντελοποίησης συστηµάτων τα οποία εξελίσσονται χρονικά κατά τρόπο που περιέχει, σε µικρό ή µεγάλο βαθµό, τυχαιότητα,

Διαβάστε περισσότερα

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές Κ Ι ΠΑΠΑΧΡΗΣΤΟΥ Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ Ιδιότητες & Εφαρµογές ΠΕΙΡΑΙΑΣ 2013 ΟΡΙΖΟΥΣΕΣ Έστω 2 2 πίνακας: a b A= c d Όπως γνωρίζουµε, η ορίζουσα του Α είναι ο αριθµός a

Διαβάστε περισσότερα

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΜΕΤΑΒΛΗΤΩΝ

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΜΕΤΑΒΛΗΤΩΝ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΜΕΤΑΒΛΗΤΩΝ Όπως έχει αποδειχθεί (βλέπε π.χ. Ε. Ξεκαλάκη και Ι. Πανάρετο 993) οι αναµενόµενες τιµές E( ) και E( m ) παρέχουν σηµαντικές πληροφορίες σχετικά µε την κατανοµή µιας πραγµατικής

Διαβάστε περισσότερα

9o Γεν. Λύκειο Περιστερίου ( 3.1) ΚΥΚΛΟΣ. ΚΕΦΑΛΑΙΟ 3 ο : KΩΝΙΚΕΣ ΤΟΜΕΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤ/ΝΣΗΣ Β ΛΥΚΕΙΟΥ

9o Γεν. Λύκειο Περιστερίου ( 3.1) ΚΥΚΛΟΣ. ΚΕΦΑΛΑΙΟ 3 ο : KΩΝΙΚΕΣ ΤΟΜΕΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤ/ΝΣΗΣ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙ 3 ο : KΩΝΙΚΕΣ ΤΜΕΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤ/ΝΣΗΣ Β ΛΥΚΕΙΥ ( 3.) ΚΥΚΛΣ Γνωρίζουµε ότι ένας κύκλος (, ρ) είναι ο γεωµετρικός τόπος των σηµείων του επιπέδου τα οποία απέχουν µια ορισµένη απόσταση ρ από ένα

Διαβάστε περισσότερα

ΣΥΝ ΥΑΣΤΙΚΗ ΑΝΑΛΥΣΗ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών

ΣΥΝ ΥΑΣΤΙΚΗ ΑΝΑΛΥΣΗ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών Τµ. Επιστήµης των Υλικών Χώρος Πιθανότητας Συµµετρικός Χώρος Πιθανότητας 1 Θεωρούµε ότι ο δειγµατοχώρος Ω είναι πεπερασµένος, Ω= {ω 1,ω 2,...,ω n }. 2 Κάθε δειγµατοσηµείο έχει τις ίδιες ευκαιρίες εµφάνισης

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ II ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ II ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ II ΕΠΑΛ (ΟΜΑ Α Β ) ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α A Έστω f µια συνάρτηση ορισµένη σε ένα διάστηµα Αν F είναι µια παράγουσα της f στο, τότε να αποδείξετε ότι: όλες οι συναρτήσεις της µορφής G() F() + c, c

Διαβάστε περισσότερα

Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι:

Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι: Κατανοµές ειγµατοληψίας 1.Εισαγωγή Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι: 1. Στατιστικής και 2. Κατανοµής ειγµατοληψίας

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών

Διαβάστε περισσότερα

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1)

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1) ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΟΛΟΓΙΣΜΟΣ I (22 Σεπτεµβρίου) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ 1ο ΘΕΜΑ 1. Αφού ορίσετε ακριβώς τι σηµαίνει πίσω ευσταθής υπολογισµός, να εξηγήσετε αν ο υ- πολογισµός του εσωτερικού γινοµένου δύο διανυσµάτων

Διαβάστε περισσότερα

Περίθλαση από µία σχισµή.

Περίθλαση από µία σχισµή. ρ. Χ. Βοζίκης Εργαστήριο Φυσικής ΙΙ 71 7. Άσκηση 7 Περίθλαση από µία σχισµή. 7.1 Σκοπός της εργαστηριακής άσκησης Σκοπός της άσκησης είναι η γνωριµία των σπουδαστών µε την συµπεριφορά των µικροκυµάτων

Διαβάστε περισσότερα

Παράρτηµα 3 Εξισώσεις Διαφορών και Στοχαστικές Διαδικασίες

Παράρτηµα 3 Εξισώσεις Διαφορών και Στοχαστικές Διαδικασίες Γιώργος Αλογοσκούφης, Θέµατα Δυναµικής Μακροοικονοµικής, Αθήνα 0 Παράρτηµα 3 Εξισώσεις Διαφορών και Στοχαστικές Διαδικασίες Στο παράρτηµα αυτό εξετάζουµε τις ιδιότητες και τους τρόπους επίλυσης των εξισώσεων

Διαβάστε περισσότερα

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο

Διαβάστε περισσότερα

ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ. ΛΥΣΕΙΣ 3 ης. Άσκηση 1. , z1. Παρατηρούµε ότι: z0 = z5. = + ) και. β) 1 ος τρόπος: Έστω z = x+ iy, x, = x + y.

ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ. ΛΥΣΕΙΣ 3 ης. Άσκηση 1. , z1. Παρατηρούµε ότι: z0 = z5. = + ) και. β) 1 ος τρόπος: Έστω z = x+ iy, x, = x + y. ΛΥΣΕΙΣ ης ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ Άσκηση 6 6 Λύση: α) 7z + z (cosπ + isi π ) π+ kπ π+ kπ Κατά συνέπεια z (cos + isi ), k,,, 5 Παίρνουµε τις ρίζες 6 6 z (cos + isi ) ( + i ) + i, π π 6 6 6 z (cos + isi ) (cos

Διαβάστε περισσότερα

ηµιουργία αρχείου στον matlab editor Πληκτρολόγηση ακολουθίας εντολών

ηµιουργία αρχείου στον matlab editor Πληκτρολόγηση ακολουθίας εντολών Προγραµµατισµός Αρχεία εντολών (script files) Τυπικό hello world πρόγραµµα σε script ηµιουργία αρχείου στον matlab editor Πληκτρολόγηση ακολουθίας εντολών disp( ( 'HELLO WORLD!'); % τυπική εντολή εξόδου

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΗ ΙΑΤΥΠΩΣΗ ΚΑΙ ΛΥΣΗ ΦΥΣΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ

ΜΑΘΗΜΑΤΙΚΗ ΙΑΤΥΠΩΣΗ ΚΑΙ ΛΥΣΗ ΦΥΣΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ ΜΑΘΗΜΑΤΙΚΗ ΙΑΤΥΠΩΣΗ ΚΑΙ ΛΥΣΗ ΦΥΣΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ Στις φυσικές επιστήµες για να λύσουµε προβλήµατα ακολουθούµε συνήθως τα εξής βήµατα: 1. Μαθηµατική διατύπωση. Για να διατυπώσουµε µαθηµατικά ένα πρόβληµα

Διαβάστε περισσότερα

Εισαγωγή στους Αλγόριθµους. Αλγόριθµοι. Ιστορικά Στοιχεία. Ο πρώτος Αλγόριθµος. Παραδείγµατα Αλγορίθµων. Τι είναι Αλγόριθµος

Εισαγωγή στους Αλγόριθµους. Αλγόριθµοι. Ιστορικά Στοιχεία. Ο πρώτος Αλγόριθµος. Παραδείγµατα Αλγορίθµων. Τι είναι Αλγόριθµος Εισαγωγή στους Αλγόριθµους Αλγόριθµοι Τι είναι αλγόριθµος; Τι µπορεί να υπολογίσει ένας αλγόριθµος; Πως αξιολογείται ένας αλγόριθµος; Παύλος Εφραιµίδης pefraimi@ee.duth.gr Αλγόριθµοι Εισαγωγικές Έννοιες

Διαβάστε περισσότερα

1. ΕΙΣΑΓΩΓΗ. 1.1 Τι είναι η αριθµητική ανάλυση

1. ΕΙΣΑΓΩΓΗ. 1.1 Τι είναι η αριθµητική ανάλυση 1 ΕΙΣΑΓΩΓΗ 11 Τι είναι η αριθµητική ανάλυση Στα µαθητικά και φοιτητικά µας χρόνια, έχουµε γνωριστεί µε µία ποικιλία από µαθηµατικά προβλήµατα των οποίων µαθαίνουµε σταδιακά τις λύσεις Παραδείγµατος χάριν,

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ 6. Βέλτιστες προσεγγίσεις σε ευκλείδειους χώρους Στο κεφάλαιο αυτό θα ασχοληθούµε µε προσεγγίσεις που ελαχιστοποιούν αποστάσεις σε διανυσµατικούς χώρους, µε νόρµα που προέρχεται

Διαβάστε περισσότερα

Κεφάλαιο 1 ο : Τυποποιηµένες συναρτήσεις στο MATLAB. Κεφάλαιο 2 ο :Τριγωνοµετρικές Συναρτήσεις. Κεφάλαιο 4 ο : ιαφορικές εξισώσεις

Κεφάλαιο 1 ο : Τυποποιηµένες συναρτήσεις στο MATLAB. Κεφάλαιο 2 ο :Τριγωνοµετρικές Συναρτήσεις. Κεφάλαιο 4 ο : ιαφορικές εξισώσεις ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ Εισαγωγή Κεφάλαιο 1 ο : Τυποποιηµένες συναρτήσεις στο MATLAB Κεφάλαιο ο :Τριγωνοµετρικές Συναρτήσεις Κεφάλαιο 3 ο :Πίνακες Κεφάλαιο 4 ο : ιαφορικές εξισώσεις Κεφάλαιο 5 ο :Ολοκληρώµατα

Διαβάστε περισσότερα

Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας.

Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας. Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας. Περιεχόµενα ιακριτές τυχαίες µεταβλητές Συνεχείς τυχαίες µεταβλητές Μέση τιµή τυχαίων µεταβλητών Ροπές, διασπορά, και τυπική απόκλιση τυχαίων µεταβλητών

Διαβάστε περισσότερα

Βασικά στοιχεία του MATLAB

Βασικά στοιχεία του MATLAB ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΕΡΓΑΣΤΗΡΙΟ Εξοικείωση µε το περιβάλλον του MATLAB και χρήση βασικών εντολών και τεχνικών δηµιουργίας προγραµµάτων, συναρτήσεων

Διαβάστε περισσότερα

ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 2001. + mu 1 2m. + u2. = u 1 + u 2. = mu 1. u 2, u 2. = u2 u 1 + V2 = V1

ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 2001. + mu 1 2m. + u2. = u 1 + u 2. = mu 1. u 2, u 2. = u2 u 1 + V2 = V1 ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 00 ΘΕΜΑ : (α) Ταχύτητα ΚΜ: u KM = mu + mu m = u + u Εποµένως u = u u + u = u u, u = u u + u = u u (β) Διατήρηση ορµής στο ΚΜ: mu + mu = mv + mv u + u = V + V = 0 V = V

Διαβάστε περισσότερα

ιανύσµατα στον 2-διάστατο και στον 3-διάστατο χώρο

ιανύσµατα στον 2-διάστατο και στον 3-διάστατο χώρο Κεφάλαιο 3 ιανύσµατα στον -διάστατο και στον 3-διάστατο χώρο 3.1 Εισαγωγή στα ιανύσµατα (Γεωµετρική) Πολλές ϕυσικές ποσότητες, όπως το εµβαδόν, το µήκος, η µάζα και η ϑερµοκρασία, περιγράφονται πλήρως

Διαβάστε περισσότερα

Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος;

Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος; Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος; Για να εξετάσουµε το κύκλωµα LC µε διδακτική συνέπεια νοµίζω ότι θα πρέπει να τηρήσουµε τους ορισµούς που δώσαµε στα παιδιά στη Β Λυκείου. Ας ξεκινήσουµε

Διαβάστε περισσότερα

Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 2000

Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 2000 Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 000 ΕΚΦΩΝΗΣΕΙΣ Ζήτηµα ο Α.α) ίνεται η συνάρτηση F() f() + g(). Αν οι συναρτήσεις f, g είναι παραγωγίσιµες, να αποδείξετε ότι: F () f () + g

Διαβάστε περισσότερα

Σηµειώσεις Γραµµικής Άλγεβρας

Σηµειώσεις Γραµµικής Άλγεβρας Σηµειώσεις Γραµµικής Άλγεβρας Κεφάλαιο Συστήµατα Γραµµικών Εξισώσεων και Πίνακες Εισαγωγή στα Συστήµατα Γραµµικών Εξισώσεων Η µελέτη των συστηµάτων γραµµικών εξισώσεων και των λύσεών τους είναι ένα από

Διαβάστε περισσότερα

Δ/νση Β /θµιας Εκπ/σης Φλώρινας Κέντρο ΠΛΗ.ΝΕ.Τ. Λογάριθµοι ΛΟΓΑΡΙΘΜΟΙ ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΛΟΓΑΡΙΘΜΟΥΣ

Δ/νση Β /θµιας Εκπ/σης Φλώρινας Κέντρο ΠΛΗ.ΝΕ.Τ. Λογάριθµοι ΛΟΓΑΡΙΘΜΟΙ ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΛΟΓΑΡΙΘΜΟΥΣ ΛΟΓΑΡΙΘΜΟΙ ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΛΟΓΑΡΙΘΜΟΥΣ Παραθέτουµε αρχικά τις βασικές ιδιότητες των δυνάµεων µε βάση έ- ναν θετικό πραγµατικό αριθµό και εκθέτη έναν ρητό αριθµό. α x.α y = α x+y (α.β) x = α x.β x α x :α

Διαβάστε περισσότερα

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν . ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ Η επιλογή των συναρτήσεων βάσης ( ) φ για την εφαρµογή της µεθόδου Galrkn δεν είναι τόσο απλή, και στην γενική περίπτωση είναι µία δύσκολη διαδικασία.

Διαβάστε περισσότερα

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ)

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ) ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ) 0. Εισαγωγή Τα αποτελέσµατα πεπερασµένης ακρίβειας οφείλονται στα λάθη που προέρχονται από την παράσταση των αριθµών µε µια πεπερασµένη ακρίβεια. Τα αποτελέσµατα

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά. Παράδειγµα άµεσης απόδειξης. Μέθοδοι αποδείξεως για προτάσεις της µορφής εάν-τότε. 08 - Αποδείξεις

HY118- ιακριτά Μαθηµατικά. Παράδειγµα άµεσης απόδειξης. Μέθοδοι αποδείξεως για προτάσεις της µορφής εάν-τότε. 08 - Αποδείξεις HY118- ιακριτά Μαθηµατικά Παρασκευή, 06/03/2015 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 3/8/2015

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Ο.Π. ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ. Γιάννης Ζαµπέλης Μαθηµατικός

ΜΑΘΗΜΑΤΙΚΑ Ο.Π. ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ. Γιάννης Ζαµπέλης Μαθηµατικός ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ 4 5 Γιάννης Ζαµπέλης Μαθηµατικός 867 (Αναρτήθηκε 8 4 ) ίνονται τα διανύσµατα a και b µε µέτρα, 6 αντίστοιχα και ϕ [, π] a b+ x+ a b y 5= () δίνεται η εξίσωση ( ) ( ) α) Να αποδείξετε

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Ασκήσεις και Θέµατα στη Μαθηµατική Ανάλυση Ι

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Ασκήσεις και Θέµατα στη Μαθηµατική Ανάλυση Ι ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΕΑΣ ΜΑΘΗΜΑΤΙΚΩΝ Ασκήσεις και Θέµατα στη Μαθηµατική Ανάλυση Ι Γιάννης Σαραντόπουλος Αθήνα 7 Οκτωβρίου 5 Περιεχόµενα Συµβολισµός

Διαβάστε περισσότερα

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012. Ηµεροµηνία: Κυριακή 1 Απριλίου 2012 ΕΚΦΩΝΗΣΕΙΣ

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012. Ηµεροµηνία: Κυριακή 1 Απριλίου 2012 ΕΚΦΩΝΗΣΕΙΣ ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 0 Ε_3.ΜλΑ(ε) ΤΑΞΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α A.. Α.. Α.3. ΘΕΜΑ Β Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΛΓΕΒΡΑ Ηµεροµηνία: Κυριακή Απριλίου

Διαβάστε περισσότερα

Ροπή αδράνειας. q Ας δούµε την ροπή αδράνειας ενός στερεού περιστροφέα: I = m(2r) 2 = 4mr 2

Ροπή αδράνειας. q Ας δούµε την ροπή αδράνειας ενός στερεού περιστροφέα: I = m(2r) 2 = 4mr 2 ΦΥΣ 131 - Διαλ.22 1 Ροπή αδράνειας q Ας δούµε την ροπή αδράνειας ενός στερεού περιστροφέα: m (α) m (β) m r r 2r 2 2 I =! m i r i = 2mr 2 1 I = m(2r) 2 = 4mr 2 Ø Είναι δυσκολότερο να προκαλέσεις περιστροφή

Διαβάστε περισσότερα

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης Πιθανότητες & Τυχαία Σήματα Διγαλάκης Βασίλης Στατικές (Στάσιμες) Διαδικασίες Στατική (Stationary) ορίζεται η διαδικασία της οποίας οι στατιστικές ιδιότητες δεν μεταβάλλονται με την πάροδο του χρόνου.

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΕΛΛΗΝΙΚΟ ΑΝΟΙKΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΕΛΛΗΝΙΚΟ ΑΝΟΙKΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΕΛΛΗΝΙΚΟ ΑΝΟΙKΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ΕΡΓΑΣΙΑ 4 η Ημερομηνία Αποστολής στον Φοιτητή: 9 Φεβουαρίου 007 Ημερομηνία Παράδοσης της Εργασίας

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς

Διαβάστε περισσότερα

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012 Ε_3.Μλ3Γ(ε) ΤΑΞΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ / ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ Ηµεροµηνία: Κυριακή 1 Απριλίου 01 ΕΚΦΩΝΗΣΕΙΣ Α1. Για δύο ενδεχόµενα Α και Β ενός δειγµατικού χώρου

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης

Διαβάστε περισσότερα

Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4

Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4 Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4 ιδασκοντες: Ν Μαρµαρίδης - Α Μπεληγιάννης Βοηθος Ασκησεων: Χ Ψαρουδάκης Ιστοσελιδα Μαθηµατος : http://wwwmathuoigr/ abeligia/linearalgebrai/laihtml

Διαβάστε περισσότερα

4. Μιγαδική Ολοκλήρωση. Το Θεώρηµα Cauchy και εφαρµογές. ( ) ( ) ( )

4. Μιγαδική Ολοκλήρωση. Το Θεώρηµα Cauchy και εφαρµογές. ( ) ( ) ( ) 4 Μιαδική Ολοκλήρωση Το Θεώρηµα Cauchy και εφαρµοές Καµπύλες στο Μιαδικό επίπεδο Oρισµός 4 Αν, :[, ] xy a είναι συνεχείς πραµατικές συναρτήσεις τότε κάθε απεικόνιση :[ a, ] : t = x t + iy t, καλείται (προσανατολισµένη)

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Laplace Μετασχηµατισµός Z Εφαρµογές Παράδειγµα ενός ηλεκτρικού συστήµατος Σύστηµα Παράδειγµα

Διαβάστε περισσότερα

για τις οποίες ισχύει ( )

για τις οποίες ισχύει ( ) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ ΕΠΙΜΕΛΕΙΑ : ΜΗΤΑΛΑΣ ΓΙΑΝΝΗΣ, ΔΡΟΥΓΑΣ ΑΘΑΝΑΣΙΟΣ ΕΠΙΜΕΛΕΙΑ . Έστω οι συναρτήσεις f, g: για κάθε. α) Να αποδείξετε ότι η g είναι -. β) Να αποδείξετε ότι

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ

ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ 6.1 Εισαγωγή Σε πολλές στατιστικές εφαρµογές συναντάται το πρόβληµα της µελέτης της σχέσης δυο ή περισσότερων τυχαίων µεταβλητών. Η σχέση

Διαβάστε περισσότερα

Κεφάλαιο 2 Κίνηση σε µία διάσταση. Copyright 2009 Pearson Education, Inc.

Κεφάλαιο 2 Κίνηση σε µία διάσταση. Copyright 2009 Pearson Education, Inc. Κεφάλαιο Κίνηση σε µία διάσταση Copyright 9 Pearson Education, Inc. Περιεχόµενα Κεφαλαίου Συστήµατα Αναφοράς και µετατόπιση Μέση Ταχύτητα Στιγµιαία Ταχύτητα Επιτάχυνση Κίνηση µε σταθερή επιτάχυνση Προβλήµατα

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Γ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΜΑΘΗΜΑΤΙΚΑ ΑΠΑΝΤΗΣΕΙΣ. Εποµένως η f είναι κοίλη στο διάστηµα (, 1] και κυρτή στο [ 1, + ).

Γ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΜΑΘΗΜΑΤΙΚΑ ΑΠΑΝΤΗΣΕΙΣ. Εποµένως η f είναι κοίλη στο διάστηµα (, 1] και κυρτή στο [ 1, + ). 1 Γ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΘΕΜΑ 1 ΜΑΘΗΜΑΤΙΚΑ ΑΠΑΝΤΗΣΕΙΣ Α. Βλέπε σχολικό βιβλίο σελίδα 194, το θεώρηµα ενδιάµεσων τιµών. Β. Βλέπε τον ορισµό στη σελίδα 279 του σχολικού βιβλίου. Γ. Βλέπε

Διαβάστε περισσότερα

.339981043584856.652145154862456.861136311594053.347854845137454.183434642495650.362683783378632.525532409916239.313706645877887

.339981043584856.652145154862456.861136311594053.347854845137454.183434642495650.362683783378632.525532409916239.313706645877887 Ολοκλήρωση κατά Gauss Ενώ στους τύπους Newton-Cotes χρησιµοποιούσαµε τις τιµές της συνάρτησης σε ισαπέχοντα σηµεία, στους τύπους ολοκλήρωσης κατά Gauss τα σηµεία xj και τα βάρη wj επιλέγονται, έτσι ώστε

Διαβάστε περισσότερα