Εισαγωγή στη θεωρία ακραίων τιμών

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Εισαγωγή στη θεωρία ακραίων τιμών"

Transcript

1 Εισαγωγή στη θεωρία ακραίων τιμών Αντικείμενο της θεωρίας ακραίων τιμών αποτελεί: Η ανάπτυξη και μελέτη στοχαστικών μοντέλων με σκοπό την επίλυση προβλημάτων που σχετίζονται με την εμφάνιση «πολύ μεγάλων» ή «πολύ μικρών» τιμών σε τυχαία πειράματα. Η θεωρία αυτή μπορεί χοντρικά να χωριστεί σε δύο μέρη: - το πιθανοθεωρητικό μέρος που αφορά τη μελέτη της στοχαστικής συμπεριφοράς ακραίων παρατηρήσεων και - το στατιστικό μέρος που αποτελείται από μοντέλα ερμηνείας εκτιμήσεων και προβλέψεων ακραίων συμβάντων με βάση πραγματικά δεδομένα. Etreme Value Theory sles Boutskas Mhael

2 Γενικό Πρόβλημα: Έχουμε τ.μ. Χ Χ Χ m ~ F άγνωστη και θέλουμε να μελετήσουμε τη μορφή της δεξιάς ουράς της F. Π.χ. Etreme Value Theory sles Boutskas Mhael

3 Επειδή δεν γνωρίζουμε την κατανομή F από την οποία προέρχονται οι παρατηρήσεις X X θα βασιστούμε στην οριακή κατανομή G της μέγιστης παρατήρησης των Χ Χ Χ η οποία δεν εξαρτάται από την άγνωστη F. Συγκεκριμένα θέτουμε M ma X X... X η οποία όμως συγκλίνει για στο F = δεξιό άκρο του στηρίγματος της F. Για να αποφύγουμε το παραπάνω εκφυλισμένο όριο θεωρούμε την κανονικοποίηση M για κατάλληλα επιλεγμένες ακολουθίες. Το ερωτήματα που προκύπτουν τώρα είναι : - πότε η παραπάνω τ.μ. συγκλίνει σε μια οριακή κατανομή G - ποιά μπορεί να είναι αυτή η οριακή κατανομή G Την απάντηση στο δεύτερο ερώτημα δίνει το ακόλουθο θεώρημα: Etreme Value Theory sles Boutskas Mhael 3

4 Το Θεμελιώδες Θεώρημα των Fsher-Tppett Έστω Χ Χ... μια ακολουθία από τ.μ. Αν υπάρχουν ακολουθίες > 0 R και μια μη-εκφυλισμένη κατανομή G ώστε M ma{ X X... } G τότε η G θα είναι του ιδίου τύπου με μια από τις τρείς ακόλουθες κατανομές: Frehet: 0 0 a a a > 0 e 0 Webull: Gumbel: a e 0 a a > 0 0 e e R. Οι κατανομές Φ α Ψ α Λ καλούνται τυπικές κατανομές ακροτάτων ενώ κατανομές που είναι του ιδίου τύπου με αυτές καλούνται κατανομές ακροτάτων. Δηλαδή G = Λ / ή Φ α / ή Ψ α / για κάποια. Etreme Value Theory sles Boutskas Mhael 4

5 0.8 a = 3 a = 3 a = a = a = a = Frehet Φ a Webull Ψ a Gumbel Λ Οι κατανομές Φ a και Λ έχουν F = ενώ η Ψ a έχει F = 0. Etreme Value Theory sles Boutskas Mhael 5

6 - Για τα πρώτο ερώτημα: πότε η M / συγκλίνει σε μια οριακή κατανομή G Αν X ~ F F τότε προκύπτουν τα παρακάτω a Αν F = και F L τότε G = a Frehet π.χ. Pareto Cauhy Loggamma MDAΦ a L : συνάρτηση βραδείας κύμανσης δηλαδή L t / L για κάθε t > 0 a a Αν F < και F L ισοδύναμα F y y L G = F a Webull π.χ. Uform Beta MDA a F y F Αν g t t z a t F e 0 g a 0 για F π.χ. F e τότε G = Λ Gumbel π.χ. Gamma Normal Logormal EpoetalMDAΛ Etreme Value Theory sles Boutskas Mhael 6

7 ΚΕΦ. Στατιστική ανάλυση ακραίων παρατηρήσεων μοντέλα ερμηνείας εκτιμήσεων - προβλέψεων ακραίων συμβάντων με βάση πραγματικά δεδομένα Θα προσπαθήσουμε με βάση ιστορικά δεδομένα και μόνο να δώσουμε απαντήσεις σε ερωτήσεις της μορφής: - Ποια είναι η πιθανότητα τα επόμενα a χρονικά διαστήματα οι παρατηρήσεις να μην υπερβούν ένα προκαθορισμένο υψηλό κατώφλι u; - Ποια είναι η πρόβλεψη για την μεγαλύτερη παρατήρηση στα επόμενα a χρονικά διαστήματα; - Ποια είναι η στάθμη u την οποία δεν θα υπερβεί καμία παρατήρηση στα επόμενα a χρονικά διαστήματα με πιθανότητα p; κ.ο.κ. Οι βασικές μέθοδοι είναι:. Μέθοδος Blok Mama βασιζόμαστε στις μέγιστες τιμές ανά χρονικές περιόδους. Μέθοδος POT βασιζόμαστε στις τιμές πάνω από ένα κατώφλι Etreme Value Theory sles Boutskas Mhael 7

8 . Η Mέθοδος Blok Mama Έστω παρατηρήσεις Χ Χ Χ m ~ F άγνωστη - Μπορούμε να θεωρήσουμε ότι οι Χ Χ Χ m m = k χωρίζονται σε k το πλήθος υποσύνολα bloks από παρατηρήσεις το καθένα. X X... X X X... X... X k X k... X k Συμβολίζουμε με Υ Υ.. Υ k τις μέγιστες τιμές σε καθένα από αυτά τα k υποσύνολα οι οποίες καλούνται blok mama = 50 k = 00 Etreme Value Theory sles Boutskas Mhael 8

9 Από το Θ. Fsher-Tppett εάν το είναι αρκετά μεγάλο τότε κανονικοποιημένα blok mama ~ Λ / ή Φ α / ή Ψ α / ανάλογα με το αν FMDAΛ ή MDAΦ a ή MDAΨ a αντίστοιχα. Ι Αν FMDAΛ τότε F < ή F = και η F έχει λεπτή ή μέτρια βαριά ουρά η ουρά της ίδιας της Λ μειώνεται εκθετικά. ΙΙ Αν FMDAΦ a τότε F = και η F έχει βαριά ουρά. Μάλιστα F L a ΙΙΙ Αν FMDAΨ a τότε F < με ουρά F L. F F a Etreme Value Theory sles Boutskas Mhael 9

10 Μια πρώτη προσέγγιση: Προσδιορίζουμε από ποια από τις τρείς κατανομές ακροτάτων προέρχονται τα blok mama Υ Υ.. Υ k ανάλογα με το MDA που ανήκουν τα Χ Εκτιμούμε τις παραμέτρους a σχήματος θέσης και κλίμακας. ΠΑΡΑΤΗΡΗΣΗ: Η παραπάνω διαδικασία ακολουθείται όταν υπάρχει βεβαιότητα για τον τύπο της οριακής κατανομής Λ Φ ή Ψ των Χ. Διαφορετικά χρειάζεται μια μέθοδος για την επιλογή της κατάλληλου τύπου της οριακής κατανομής ακροτάτων. MEIONEKTHMA: Mια λανθασμένη επιλογή του τύπου της οριακής κατανομής α- κροτάτων μπορεί να οδηγήσει στη συνέχεια σε εντελώς εσφαλμένα αποτελέσματα. Etreme Value Theory sles Boutskas Mhael 0

11 Συνήθως ακολουθείται μια ασφαλέστερη διαδικασία: - Οι τρεις οικογένειες κατανομών ακροτάτων ενοποιούνται σε μία οικογένεια κατανομών η οποία καλείται κατανομή GEV - Αν το είναι αρκετά μεγάλο μπορούμε να θεωρήσουμε ότι τα blok mama Υ Υ.. Υ k ~ GEV και να εκτιμήσουμε τις παραμέτρους της. ΠΛΕΟΝΕΚΤΗΜΑΤΑ: Δεν είμαστε αναγκασμένοι να επιλέξουμε a-pror κάποιον από τους τρεις τύπους Λ Φ Ψ και να παραμείνουμε σε αυτόν. Η αβεβαιότητα που ενδεχομένως θα υπάρχει για τον τύπο της οριακής κατανομής ακροτάτων θα εκφράζεται φυσιολογικά μέσα από την αβεβαιότητα της εκτίμησης της παραμέτρου σχήματος ξ π.χ. από το εύρος διαστήματος εμπιστοσύνης για το ξ. Etreme Value Theory sles Boutskas Mhael

12 Etreme Value Theory sles Boutskas Mhael Θεώρημα Fsher-Tppett ενοποιώντας τους τρείς τύπους κατανομών ακροτάτων Έστω Χ Χ... μια ακολουθία από ανεξ. ισον. τ.μ. Αν υπάρχουν ακολουθίες > 0 R και μια μη-εκφυλισμένη κατανομή G ώστε G X X M }... ma{ τότε η G θα είναι της μορφής ; e G 0 : όπου μ ξ R σ > 0. Για ξ = 0 θεωρούμε ως G το όριό της για ξ 0 δηλαδή e e G 0 R.

13 Η συγκεκριμένη παραμετρική οικογένεια κατανομών με σ.κ. G καλείται κατανομή GEV Geeralze Etreme Value Dstrbuto με παραμέτρους μ ξ R σ > 0. ξ = 0.5 σ.π.π. της κατανομής GEV μ = 0 σ = 0.4 ξ = ξ = 0 ξ = Etreme Value Theory sles Boutskas Mhael 3

14 Etreme Value Theory sles Boutskas Mhael 4 Για κατάλληλες τιμές των παραμέτρων μ σ ξ προκύπτουν και πάλι οι τρείς τύποι κατανομών ακροτάτων: Ι Frehet Αν ξ > 0 και θέσουμε ξ = /a σ = /a μ = + τότε 0 0 e e G a a ΙΙ Webull Αν ξ < 0 και θέσουμε ξ = /a σ = /a μ = + τότε 0 0 e e G a a ΙII Gumbel Αν ξ = 0 δηλ. θεωρήσουμε ότι ξ 0 και θέσουμε σ = μ = τότε R e e G e 0

15 Επομένως η κατανομή GEV: / για ξ > 0 έχει F = με βαριά ουρά: G L αν ξ γίνεται βαρύτερη L - Αν π.χ. ξ = 0.5 τότε G όπου L 0 π.χ. σταθερή L - Αν π.χ. ξ = τότε G όπου L 0 π.χ. σταθερή για ξ = 0 έχει F = με λεπτή ουρά: G e όπου για για ξ < 0 έχει F = μ σ/ξ < με ουρά: / G F / L G y y L - Αν π.χ. ξ = 0.5 τότε G y y L όπου L 0 F F y - Αν π.χ. ξ = τότε G y yl όπου L 0 F y F F F y Etreme Value Theory sles Boutskas Mhael 5

16 Etreme Value Theory sles Boutskas Mhael 6 Από το Θεώρημα Fsher-Tppett: Τα κανονικοποιημένα blok mama k Y Y Y... ~ GEV Δηλαδή ; 0 0 G M P Y P Από την παραπάνω σχέση θέτοντας y = + προκύπτει ότι ; ; y y G e y G y Y P όπου 0 0 και άρα και τα μη-κανονικοποιημένα blok mama Υ Υ.. Υ k ~ GEV.

17 Συνοψίζουμε: Προκειμένου να μελετήσουμε την κατανομή της μέγιστης παρατήρησης Μ = ma{x X X m } πράττουμε τα εξής: Χωρίζουμε τα X X X k σε k ομάδες bloks και λαμβάνουμε τις μέγιστες παρατηρήσεις Y M = k μέσα σε κάθε ομάδα blok mama. X X... X X X... X... X k X k... X k Υ Υ... Υ k Αν το είναι αρκετά μεγάλο τα blok mama Y Y Y k ~ GEVμ σ ξ Εκτιμούμε τις παραμέτρους μ σ ξ της GEV οι οποίες όπως είδαμε «περιέχουν» και τις σταθερές κανονικοποίησης. Όταν έχουμε ένα συγκεκριμένο σύνολο δεδομένων το θεωρείται σταθερό. Για το λόγο αυτό στη συνέχεια θα γράφουμε τις παραμέτρους μ σ χωρίς τον δείκτη. Etreme Value Theory sles Boutskas Mhael 7

18 Εκτίμηση των παραμέτρων της GEV Έχουν προταθεί αρκετές μέθοδοι για αυτό το σκοπό: - μέσω κατάλληλων γραφημάτων παραλλαγές των Q-Q plots - με τη μέθοδο των ροπών - μέσω κατάλληλων συναρτήσεων διατεταγμένων παρατηρήσεων orer statsts - μέσω εκτιμητριών μεγίστης πιθανοφάνειας. Θα βασιστούμε κυρίως στη μέθοδο μέγιστης πιθανοφάνειας που ασυμπτωτικά δίνει τις καλύτερες δυνατές εκτιμήτριες ελαχίστης διασποράς που ακολουθούν γνωστή κατανομή πολυδιάστατη κανονική. Οι έλεγχοι υποθέσεων και τα δ.ε. για τις παραμέτρους μπορούν σχετικά εύκολα να γίνουν χρησιμοποιώντας τη γνωστή profle Devae Futo. Etreme Value Theory sles Boutskas Mhael 8

19 Etreme Value Theory sles Boutskas Mhael 9 Ε.Μ.Π. των μ σ ξ της κατανομής GEV. Έστω τα blok mama Υ Υ Υ k ~ GEV. H log-lkelhoo των Υ θα είναι ξ 0 k k Y G Y G l ; l ; l k k Y k Y k Y I l l l Το άθροισμα των liy μσξ είναι ίσο με 0 αν τα μ σ ξ ικανοποιούν την + ξυ μ/σ > 0 για όλα τα όλα τα Y και διαφορετικά. Στην περίπτωση που ξ = 0 αντίστοιχα θα είναι k Y k e Y k l l 0. Οι ε.μ.π. ˆ ˆ ˆ είναι οι τιμές των μ σ ξ που μεγιστοποιούν την lμ σ ξ. Δυστυχώς δεν υπάρχουν αναλυτικές εκφράσεις για τις ε.μ.π. Δεδομένου όμως ενός συγκεκριμένου τυχαίου δείγματος y y k μπορούμε να βρούμε τις τιμές που μεγιστοποιούν την lμσξ με αριθμητικές μεθόδους βελτιστοποίησηςπ.χ. Newto-Raphso

20 Ιδιότητες των ε.μ.π. Οι ˆ ˆ ˆ θα ακολουθούν ασυμπτωτικά μία πολυδιάστατη κανονική με μέση τιμή μ σ ξ Τ και πίνακα διασποράς τον αντίστροφο του πίνακα πληροφορίας ο οποίος εκτιμάται από τον I l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ l ˆ ˆ ˆ Αν s είναι το -διαγωνιο στοιχείο του I προσεγγιστικά ισχύει ότι και άρα τα ˆ ~ N s ˆ ~ ˆ N s ~ N s3 3 s z ˆ s z ˆ s z ˆ a / a / 33 a / είναι προσεγγιστικά διαστήματα εμπιστοσύνης συντελεστού a για τις παραμέτρους μ σ ξ αντίστοιχα. Etreme Value Theory sles Boutskas Mhael 0

21 Profle Devae Futo Για την κατασκευή δ.ε. μπορούμε εναλλακτικά να χρησιμοποιήσουμε τις profle Devae Futos D p μ D p σ D p ξ. Αν θέλουμε δ.ε. για το ξ αποδεικνύεται ότι ασυμπτωτικά D p και επομένως το σύνολο { : D p l ˆ ˆ ˆ ma l ~. a} { : ma l l ˆ ˆ ˆ a / } είναι ένα δ.ε. συντελεστού a για το ξ. Το παραπάνω δεν λύνεται ως προς ξ και για αυτό κατασκευάζεται το γράφημα της συνάρτησης ma μσ lμσξ για διάφορες τιμές του ξ σε ένα διάστημα γύρω από το ˆ και προστίθεται στο η οριζόντια γραμμή με τεταγμένη l ˆ ˆ ˆ a /. Etreme Value Theory sles Boutskas Mhael

22 ΣΤΑΘΜΗ ΑΠΟΔΟΣΗΣ Στάθμη απόδοσης z p για /p χρονικές περιόδους απόδοσης: το κατώφλι z p το ο- ποίο υπερβαίνει ένα blok mamum με πιθανότητα p. z p G l p 0 p l l p 0 Ισοδύναμα: Το κατώφλι z p το οποίο υπερβαίνουν τα blok mama κατά μέσο όρο κάθε /p bloks. ΕΚΤΙΜΗΣΗ ΤΗΣ ΣΤΑΘΜΗΣ ΑΠΟΔΟΣΗΣ Σημειακή Εκτίμηση. Ισχύει ότι z p = G p; μ σ ξ := g. Επομένως ˆ ˆ wp ˆ e ˆ 0 zˆ ˆ ˆ ˆ ˆ p g w p = l l p. ˆ ˆ w ˆ p 0 Etreme Value Theory sles Boutskas Mhael

23 Δ.Ε. ΓΙΑ ΤΟ z p ΜΕΣΩ ΤΗΣ PROFILE DEVIANCE FUNCTION Πραγματοποιούμε νέα παραμετροποίηση ώστε η z p να είναι μια από τις παραμέτρους της GEV π.χ. θέτουμε z p l p. Αν l η πιθανοφάνεια των blok mama ως προς την νέα παραμετροποίηση τότε z p Συνεπώς το σύνολο { z p : D z p p D z l zˆ ˆ ˆ ma l z ~ p p p a} { z p : ma l z p l zˆ p ˆ ˆ a / } είναι ένα δ.ε. συντελεστού a για το z p. Συνήθως κατασκευάζεται το γράφημα της ma l και προστίθεται η οριζόντια γραμμή με τεταγμένη l z ˆp ˆ ˆ /. a p z p Etreme Value Theory sles Boutskas Mhael 3

24 ΈΛΕΓΧΟΣ ΚΑΛΗΣ ΠΡΟΣΑΡΜΟΓΗΣ ΤΩΝ ΔΕΔΟΜΕΝΩΝ ΣΤΗΝ GEV Θα πρέπει να βεβαιωθούμε ότι τα blok mama προσαρμόζονται ικανοποιητικά σε κάποια GEV ώστε να έχει νόημα η εκτίμηση των παραμέτρων μ σ ξ. Χρησιμοποιούμε Q-Q plot ή P-P plot των blok mama ως προς την GEV ˆ ˆ ˆ το οποίο αποτελείται από τα σημεία Y G k ; ˆ ˆ ˆ Y ˆ ˆ l ˆ ˆ k όπου Υ <Y < <Y k είναι τα διατεταγμένα blok mama. = k - Εάν τα blok mama ακολουθούν μία GEV θα πρέπει τα k σημεία του Q-Q plot να βρίσκονται κοντά στην διαγώνιο. Etreme Value Theory sles Boutskas Mhael 4

25 ΕΚΤΙΜΗΣΗ ΤΩΝ μ σ ξ ΜΕΣΩ Q-Q PLOT Το Q-Q plot των blok mama ως προς την GEV 0 ˆ αποτελείται από τα σημεία ˆ Y l = k ˆ k - Εάν τα blok mama ακολουθούν μία GEV θα πρέπει τα k σημεία του παραπάνω Q-Q plot να βρίσκονται «κοντά» στην ευθεία: y = μ/σ. - Δηλαδή τα μ σ μπορούν πρόχειρα να εκτιμηθούν από το γράφημα Πρόχειρη εκτίμηση του ξ: Δοκιμάζουμε διάφορες τιμές του ξ μέχρι να δούμε για ποια τιμή τα k σημεία περίπου ευθυγραμμίζονται. - Συνήθως ξεκινάμε από το ξ = 0 Q-Q plot των blok mama ως προς την Λ0: Y l l = k k - Εάν το γράφημα των σημείων είναι κοίλο oave τότε δοκιμάζουμε ξ > 0 - Εάν το γράφημα των σημείων είναι κυρτό ove τότε δοκιμάζουμε ξ < 0 Etreme Value Theory sles Boutskas Mhael 5

26 Παράδειγμα. Θεωρούμε το παράδειγμα με τις k = 0000 τιμές των Χ που έχουμε χρησιμοποιήσει παραπάνω. Κρατάμε τα blok mama Υ Υ Υ k με k = 00 = 50: Etreme Value Theory sles Boutskas Mhael 6

27 Το γράφημα των σημείων στο Gumbel Q-Q plot φαίνεται να είναι κοίλο και υποπτευόμαστε ότι το ξ πιθανόν να είναι θετικό. Mπορούμε φτιάξουμε το Q-Q plot της GEV με μ = 0 σ = δοκιμάζοντας διάφορες τιμές του ξ έως ότου τα σημεία περίπου ευθυγραμμιστούν: GEV Q-Q plot ξ = 0. GEV Q-Q plot ξ = 0.3 GEV Q-Q plot ξ = 0.4 Μάλλον ξ 0.3. Επίσης τα σημεία θα βρίσκονται πάνω στην ευθεία y = μ/σ. Από εδώ προκύπτει εύκολα από το μεσαίο παραπάνω σχήμα ότι το μ 6 σ 7. Etreme Value Theory sles Boutskas Mhael 7

28 Μέθοδος μέγιστης πιθανοφάνειας. Η εκτίμηση των παραμέτρων μ σ και ξ από τα blok mama μέσω της μεθόδου μέγιστης πιθανοφάνειας είναι από το πακέτο EtRemes του R: ˆ = ˆ = ˆ = με εκτιμήσεις των τυπικών αποκλίσεών τους αντίστοιχα και Μπορούμε τώρα να κατασκευάσουμε και τα αντίστοιχα προσεγγιστικά δ.ε. συντελεστού a: s z ˆ s z ˆ s z. ˆ a / a / 33 a / Π.χ. για το ξ το δ.ε. 95% θα είναι το Etreme Value Theory sles Boutskas Mhael 8

29 Δ.Ε. μέσω της profle Devae Futo Ένα δ.ε. 95% για το ξ μέσω της profle Devae Futo θα είναι το { : D p a } όπου D p l ˆ ˆ ˆ ma l ~ - Κατασκευάζουμε το γράφημα της συνάρτησης Profle log-lkelhoo ma μσ lμσξ για ξ0.0.5 κατασκευάζεται αριθμητικά π.χ. λαμβάνοντας 00 τιμές του ξ μέσα στο προσθέτουμε την οριζόντια γραμμή με τεταγμένη l ˆ ˆ ˆ a / : Etreme Value Theory sles Boutskas Mhael 9

30 Eκτίμηση της στάθμης απόδοσης z p για /p χρονικές περιόδους blok = μία χρονική περίοδος zˆ p ˆ ˆ e ˆ e 0.56 ˆ w p 0.56w p όπου w p = l l p. Επίσης μπορούμε να εκτιμήσουμε την στάθμη απόδοσης από την profle log-lkelhoo: για /p = 0 και 00 αντίστοιχα: - ένα blok mamum υπερβαίνει την τιμή 7 με πιθ. p = /00 ή ισοδύναμα - ένα blok mamum υπεβαίνει την τιμή 7 κατά μέσο όρο κάθε 00 χρονικές περιόδους. Etreme Value Theory sles Boutskas Mhael 30

31 Διαγνωστικά γραφήματα καλή προσαρμογή των blok mama στην GEV Etreme Value Theory sles Boutskas Mhael 3

ΚΕΦΑΛΑΙΟ 1, Εισαγωγή στη θεωρία ακραίων τιμών

ΚΕΦΑΛΑΙΟ 1, Εισαγωγή στη θεωρία ακραίων τιμών ΚΕΦΑΛΑΙΟ 1, Εισαγωγή στη θεωρία ακραίων τιμών Αντικείμενο της θεωρίας ακραίων τιμών αποτελεί: Η ανάπτυξη και μελέτη στοχαστικών μοντέλων με σκοπό την επίλυση προβλημάτων που σχετίζονται με την εμφάνιση

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

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

Διαβάστε περισσότερα

Ζημιοκατανομές και Θεωρία Ακραίων Τιμών

Ζημιοκατανομές και Θεωρία Ακραίων Τιμών Ζημιοκατανομές και Θεωρία Ακραίων Τιμών Χατζηκωνσταντής Παναγιώτης ΜΑΕ/07023 Τμήμα Στατιστικής Επιστήμης και Ασφαλίσεων Υγείας M.Sc. Aναλογιστικής Επιστήμης και Risk Mgemet Πανεπιστήμιο Πειραιώς (2007)

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,

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

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

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

Διαβάστε περισσότερα

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

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό

Διαβάστε περισσότερα

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής Ενότητα 2 Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής Ένας από τους βασικούς σκοπούς της Στατιστικής είναι η εκτίμηση των χαρακτηριστικών ενός πληθυσμού βάσει της πληροφορίας από ένα δείγμα.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 8. Εισαγωγή στη Μέθοδο Bootstrap

ΚΕΦΑΛΑΙΟ 8. Εισαγωγή στη Μέθοδο Bootstrap ΚΕΦΑΛΑΙΟ 8 Εισαγωγή στη Μέθοδο Bootstrap Υπενθυμίζεται ότι έως τώρα ασχοληθήκαμε με το πρόβλημα της εκτίμησης μιας ποσότητας μέσω ενός (ψευδο)τυχαίου δείγματος που παρήχθη με την βοήθεια ενός H/Y. Στο

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

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

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

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

Διαβάστε περισσότερα

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis) Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει

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

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Σύντομη Εισαγωγή στις Στοχαστικές Ανελίξεις

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Ορισμός και Ιδιότητες

Ορισμός και Ιδιότητες ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Ορισμός και Ιδιότητες H κανονική κατανομή norml distriution θεωρείται η σπουδαιότερη κατανομή της Θεωρίας Πιθανοτήτων και της Στατιστικής. Οι λόγοι που εξηγούν την εξέχουσα θέση της,

Διαβάστε περισσότερα

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες Πινάκες συνάφειας εξερεύνηση σχέσεων μεταξύ τυχαίων μεταβλητών. Είναι λογικό λοιπόν, στην ανάλυση των κατηγορικών δεδομένων να μας ενδιαφέρει η σχέση μεταξύ δύο ή περισσότερων κατηγορικών μεταβλητών. Έστω

Διαβάστε περισσότερα

ΤΕΧΝΙΚΗ ΥΔΡΟΛΟΓΙΑ Πιθανοτική προσέγγιση των υδρολογικών μεταβλητών

ΤΕΧΝΙΚΗ ΥΔΡΟΛΟΓΙΑ Πιθανοτική προσέγγιση των υδρολογικών μεταβλητών ΤΕΧΝΙΚΗ ΥΔΡΟΛΟΓΙΑ Πιθανοτική προσέγγιση των υδρολογικών μεταβλητών Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Εργαστήριο Υδρολογίας και Αξιοποίησης Υδατικών Πόρων ΣΥΛΛΟΓΙΣΜΟΣ-ΕΠΑΓΩΓΗ (DEDUCTION

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

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

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Διαστήματα εμπιστοσύνης Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική

Εισαγωγή στη Στατιστική Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων

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

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

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

Διαβάστε περισσότερα

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

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα

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

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

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Τυχαίες μεταβλητές: Βασικές έννοιες Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (σε αντίθεση με τις

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

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

Διαβάστε περισσότερα

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

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για τον καθορισμό του καλύτερου υποσυνόλου από ένα σύνολο

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων ΙΙ

Στατιστική Επιχειρήσεων ΙΙ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

9. Παλινδρόμηση και Συσχέτιση

9. Παλινδρόμηση και Συσχέτιση 9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε

Διαβάστε περισσότερα

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.) 3 Οριακά θεωρήµατα Κεντρικό Οριακό Θεώρηµα (ΚΟΘ) Ένα από τα πιο συνηθισµένα προβλήµατα που ανακύπτουν στη στατιστική είναι ο προσδιορισµός της κατανοµής ενός µεγάλου αθροίσµατος ανεξάρτητων τµ Έστω Χ Χ

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

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΣΙΜΟΣ ΜΕΙΝΤΑΝΗΣ, Αναπληρωτής Καθηγητής Τμήμα Οικονομικών Επιστημών, ΕΚΠΑ ΓΙΑΝΝΗΣ Κ. ΜΠΑΣΙΑΚΟΣ, Επίκουρος Καθηγητής Τμήμα Οικονομικών

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

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

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική

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

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΚΩΝΣΤΑΝΤΙΝΟΣ Γ. ΑΓΓΕΛΟΥ ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

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

Διαβάστε περισσότερα

Ενδεικτικές ασκήσεις ΔΙΠ 50

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

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα

Διαβάστε περισσότερα

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ )

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΑΣΚΗΣΗ 1 Μια εταιρεία ταχυμεταφορών διατηρεί μια αποθήκη εισερχομένων. Τα δέματα φθάνουν με βάση τη διαδικασία Poion με μέσο ρυθμό 40 δέματα ανά ώρα. Ένας υπάλληλος

Διαβάστε περισσότερα

Στατιστική Ι. Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr

Στατιστική Ι. Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr Στατιστική Ι Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr Παρασκευή, 30 Νοεμβρίου 2012 Στατιστική Ι Έννοιες - Κλειδιά Μεταβλητότητα Εύρος (range) Εκατοστημόρια

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.

Διαβάστε περισσότερα

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Το διάστημα εμπιστοσύνης είναι ένα διάστημα αριθμών

Διαβάστε περισσότερα

Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα

Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ Α Δημήτρης Κουγιουμτζής e-mail: dkugiu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://users.auth.gr/~dkugiu/teach/civiltrasport/ide.html Στατιστική: Δειγματοληψία

Διαβάστε περισσότερα

Παράδειγμα. Χρονολογικά δεδομένα. Οι πωλήσεις μιας εταιρείας ανά έτος για το διάστημα (σε χιλιάδες $)

Παράδειγμα. Χρονολογικά δεδομένα. Οι πωλήσεις μιας εταιρείας ανά έτος για το διάστημα (σε χιλιάδες $) Χρονολογικά δεδομένα Ένα διάγραμμα που παριστάνει την εξέλιξη των τιμών μιας μεταβλητής στο χρόνο χρονόγραμμα (ή χρονοδιάγραμμα). Κύρια μέθοδος παρουσίασης χρονολογικών δεδομένων είναι η πολυγωνική γραμμή

Διαβάστε περισσότερα

3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)

3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling) 3 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratfed Radom Samplg) Είναι προφανές από τα τυπικά σφάλματα των εκτιμητριών των προηγούμενων παραγράφων, ότι ένας τρόπος να αυξηθεί η ακρίβεια τους είναι να αυξηθεί

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ. f (x) =, x 0, (1), x. lim f (x) = lim = +. x

ΣΗΜΕΙΩΣΕΙΣ. f (x) =, x 0, (1), x. lim f (x) = lim = +. x ΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 2: ΑΣΥΜΠΤΩΤΕΣ - ΚΑΝΟΝΕΣ DE L HOSPITAL - ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ [Κεφ. 2.9: Ασύμπτωτες Κανόνες de l Hospital Μέρος Β του σχολικού βιβλίου]. ΣΗΜΕΙΩΣΕΙΣ ΑΣΥΜΠΤΩΤΕΣ-ΚΑΝΟΝΑΣ

Διαβάστε περισσότερα

5. Έλεγχοι Υποθέσεων

5. Έλεγχοι Υποθέσεων 5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (ΘΕ ΠΛΗ ) ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΤΕΛΙΚΗΣ ΕΞΕΤΑΣΗΣ 9 Ιουνίου (διάρκεια ώρες και λ) Διαβάστε προσεκτικά και απαντήστε

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ. Το 1ο Θέμα στις πανελλαδικές εξετάσεις

ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ. Το 1ο Θέμα στις πανελλαδικές εξετάσεις Επιμέλεια Καραγιάννης Β. Ιωάννης Σχολικός Σύμβουλος Μαθηματικών ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Το ο Θέμα στις πανελλαδικές εξετάσεις Ερωτήσεις+Απαντήσεις

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται

Διαβάστε περισσότερα

ΠΡΟΣΟΧΗ : Νέα Ύλη για τις Κατατακτήριες από 2012 και μετά στην Φυσική Ι. Για το 1ο εξάμηνο. ΕΞΕΤΑΣΤΕΑ ΥΛΗ στο μάθημα ΦΥΣΙΚΗ Ι -ΜΗΧΑΝΙΚΗ

ΠΡΟΣΟΧΗ : Νέα Ύλη για τις Κατατακτήριες από 2012 και μετά στην Φυσική Ι. Για το 1ο εξάμηνο. ΕΞΕΤΑΣΤΕΑ ΥΛΗ στο μάθημα ΦΥΣΙΚΗ Ι -ΜΗΧΑΝΙΚΗ στην Φυσική Ι ΕΞΕΤΑΣΤΕΑ ΥΛΗ στο μάθημα ΦΥΣΙΚΗ Ι -ΜΗΧΑΝΙΚΗ 1. Κινηματική (ευθύγραμμη και καμπυλόγραμμη κίνηση) 2. Σχετική κίνηση-μετασχηματισμοί Lorentz 3. Δυναμική ενός σωματιδίου (Νόμοι της δυναμικής-ορμή-στροφορμήσυστήματα

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων ΠΡΑΓΜΑΤΙΚΟ ΚΟΣΤΟΣ ΣΥΛΛΟΓΗ ΠΛΗΡΟΦΟΡΙΩΝ ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ ΕΠΙΛΟΓΗ ΚΑΤΑΝΟΜΗΣ Υπολογισμός πιθανοτήτων και πρόβλεψη τιμών από τις τιμές των παραμέτρων και

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

Χ. Εμμανουηλίδης, 1

Χ. Εμμανουηλίδης, 1 Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι) HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά

Διαβάστε περισσότερα

Υ ΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ. Πιθανοτική προσέγγιση υδρολογικών µεταβλητών

Υ ΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ. Πιθανοτική προσέγγιση υδρολογικών µεταβλητών Υ ΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ Πιθανοτική προσέγγιση υδρολογικών µεταβλητών Νίκος Μαµάσης Εργαστήριο Υδρολογίας και Αξιοποίησης Υδατικών Πόρων Αθήνα ΣΥΛΛΟΓΙΣΜΟΣ-ΕΠΑΓΩΓΗ (DEDUCTION INDUCTION) Ο Αριστοτέλης

Διαβάστε περισσότερα

5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling)

5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling) 5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling) Συχνά, είναι ταχύτερη και ευκολότερη η επιλογή των μονάδων του πληθυσμού, αν αυτή γίνεται από κάποιο κατάλογο ξεκινώντας από κάποιο τυχαίο αρχικό σημείο

Διαβάστε περισσότερα

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6.1 Το Πρόβλημα του Ελέγχου Υποθέσεων Ενός υποθέσουμε ότι μία φαρμακευτική εταιρεία πειραματίζεται πάνω σε ένα νέο φάρμακο για κάποια ασθένεια έχοντας ως στόχο, τα πρώτα θετικά

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ EXCEL. , και οι γραμμές συμβολίζονται με 1,2,3, Μπορούμε να αρχίσουμε εισάγοντας ορισμένα στοιχεία ως εξής.

ΕΙΣΑΓΩΓΗ ΣΤΟ EXCEL. , και οι γραμμές συμβολίζονται με 1,2,3, Μπορούμε να αρχίσουμε εισάγοντας ορισμένα στοιχεία ως εξής. ΕΙΣΑΓΩΓΗ ΣΤΟ EXCEL Το πακέτο Excel είναι ένα πρόγραμμα φύλλου εργασίας (spreadsheet) με το οποίο μπορούμε να κάνουμε υπολογισμούς και διαγράμματα που είναι χρήσιμοι στα οικονομικά. Στο Excel το φύλλο εργασίας

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα

Διαβάστε περισσότερα

ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ 2003 Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α

ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ 2003 Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α ) Έχουμε κατασκευάσει 4 δοκίμια. Να βρεθεί προσεγγιστικά ο αριθμός των δοκιμίων που περιέχονται μεταξύ των σημείων

Διαβάστε περισσότερα

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Να κατανοηθεί η έννοια της εκτίµησης σηµείου και της εκτίµησης διαστήµατος. Επίσης να κατανοηθεί η έννοια της δειγµατικής κατανοµής παραµέτρου και να υπολογισθούν µε χρήση της Κεντρικού

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή Συνάρτηση Γάμμα: Ιδιότητες o d Γ(α+)=αΓ(α) - αναδρομική συνάρτηση Γ(α+) = α! αν α ακέραιος. Πιθανότητες & Στατιστική 5 Τμήμα Μηχανικών Η/Υ

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Εισαγωγή Στα προβλήµατα που έχουµε ασχοληθεί µέχρι τώρα, υποστηρίζουµε ότι έχουµε ένα δείγµα X = (X 1, X 2,...,X n ) F(,θ). π.χ. X 1, X 2,...,X n τ.δ. N(µ,σ 2 ),

Διαβάστε περισσότερα

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής ΕΚΤΙΜΗΣΗ ΔΙΑΣΤΗΜΑΤΟΣ Δ.Ε. της παραμέτρου θ: ˆ θ cv σ < θ < ˆ θ + cv σ ˆ θ ˆ θ θ = η παράμετρος που θέλουμε να εκτιμήσουμε, ˆ θ = η εκτίμηση της θ που προκύπτει από το τ.δ. cv = κατάλληλη κριτική (κρίσιμη)

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

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

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

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

Διαβάστε περισσότερα

4.3.3 Ο Έλεγχος των Shapiro-Wilk για την Κανονική Κατανομή

4.3.3 Ο Έλεγχος των Shapiro-Wilk για την Κανονική Κατανομή 4.3.3 Ο Έλεγχος των Shapro-Wlk για την Κανονική Κατανομή Ένας άλλος πολύ γνωστός έλεγχος καλής προσαρμογής για την κανονική κατανομή, ο οποίος μπορεί να χρησιμοποιηθεί στην θέση του ελέγχου Lllefors, είναι

Διαβάστε περισσότερα

Πρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1

Πρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 Πρόλογος... xv Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 1.1.Ιστορική Αναδρομή... 1 1.2.Βασικές Έννοιες... 5 1.3.Πλαίσιο ειγματοληψίας (Sampling Frame)... 9 1.4.Κατηγορίες Ιατρικών Μελετών.... 11 1.4.1.Πειραµατικές

Διαβάστε περισσότερα

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2016-2017 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών

Διαβάστε περισσότερα

Για να εκφράσουμε τη διαδικασία αυτή, γράφουμε: :

Για να εκφράσουμε τη διαδικασία αυτή, γράφουμε: : Η θεωρία στα μαθηματικά προσανατολισμού Γ υκείου Τι λέμε συνάρτηση με πεδίο ορισμού το σύνολο ; Έστω ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το μία διαδικασία (κανόνα), με την

Διαβάστε περισσότερα

Συνοπτικά περιεχόμενα

Συνοπτικά περιεχόμενα b Συνοπτικά περιεχόμενα 1 Τι είναι η στατιστική;... 25 2 Περιγραφικές τεχνικές... 37 3 Επιστήμη και τέχνη των διαγραμματικών παρουσιάσεων... 119 4 Αριθμητικές μέθοδοι της περιγραφικής στατιστικής... 141

Διαβάστε περισσότερα

f(x) = και στην συνέχεια

f(x) = και στην συνέχεια ΕΡΩΤΗΣΕΙΣ ΜΑΘΗΤΩΝ Ερώτηση. Στις συναρτήσεις μπορούμε να μετασχηματίσουμε πρώτα τον τύπο τους και μετά να βρίσκουμε το πεδίο ορισμού τους; Όχι. Το πεδίο ορισμού της συνάρτησης το βρίσκουμε πριν μετασχηματίσουμε

Διαβάστε περισσότερα

ΟΡΙΣΜΟΣ ΠΑΡΑΓΩΓΟΥ ΟΡΙΣΜΟΣ ΕΦΑΠΤΟΜΕΝΗΣ

ΟΡΙΣΜΟΣ ΠΑΡΑΓΩΓΟΥ ΟΡΙΣΜΟΣ ΕΦΑΠΤΟΜΕΝΗΣ ΟΡΙΣΜΟΣ ΠΑΡΑΓΩΓΟΥ. Mια συνάρτηση λέμε ότι είναι παραγωγίσιμη σε ένα σημείο του πεδίου ορισμού ( της, αν υπάρει το lim και είναι πραγματικός αριθμός. Το όριο αυτό λέγεται παράγωγος της στο και συμβολίζεται

Διαβάστε περισσότερα

Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις

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

Διαβάστε περισσότερα

3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ

3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ 3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑΤΙΚΑ Ι 11 ΟΚΤΩΒΡΙΟΥ 2016 ΜΗ ΓΡΑΜΜΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΕΙΣΑΓΩΓΗ Οικονομικές Συναρτήσεις με μεταβλητούς ρυθμούς

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

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

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

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

Διαβάστε περισσότερα

ΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

ΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΚΕΦΑΛΑΙΟ 13 ΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Στις προηγούμενες ενότητες ασχοληθήκαμε με μεθόδους που οδηγούν σε εκτιμήτριες των τιμών μιας ή και περισσοτέρων αγνώστων παραμέτρων. Αυτό έγινε με την κατασκευή

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική

Εισαγωγή στη Στατιστική Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων

Διαβάστε περισσότερα

Μελέτη και γραφική παράσταση συνάρτησης

Μελέτη και γραφική παράσταση συνάρτησης 7 Μελέτη και γραφική παράσταση συνάρτησης Α ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Η διαδικασία με την οποία προσδιορίζουμε τα ιδιαίτερα χαρακτηριστικά μιας συνάρτησης ονομάζεται μελέτη συνάρτησης Αυτή συνίσταται

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα