Ομόλογα (bonds) Μετοχές (stocks) Αμοιβαία κεφάλαια (mutual funds)

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ομόλογα (bonds) Μετοχές (stocks) Αμοιβαία κεφάλαια (mutual funds)"

Transcript

1 Θέµα 1 Έχουμε τρεις εναλλακτικές επένδυσης των κερδών μιας εταιρείας και η απόφασή εξαρτάται από τις γενικότερες συνθήκες της οικονομίας (αναπτυσσόμενη, σταθερή, επιβραδυνόμενη), για τις οποίες δεν είναι δυνατόν να προσδιοριστούν πιθανότητες, μπορεί με τη βοήθεια ειδικών να φτιαχτεί όμως ένας αξιόπιστος πίνακας αναμενόμενων αποπληρωμών κατά περίπτωση όπως φαίνεται πιο κάτω: Οικονομία Εναλλακτική Αναπτυσσόμενη Σταθερή Επιβραδυνόμενη Ομόλογα (bonds) Μετοχές (stocks) Αμοιβαία κεφάλαια (mutual funds) Χρησιμοποιήστε τα κριτήρια maximin, maximax, Hurwicz (για δείκτη αισιοδοξίας α= 0.5 εξηγήστε τι σημαίνει), minmax regret (διαφυγόντος κέρδους) και Laplace. Στο τέλος δώστε και μια τελική απάντηση σε ποια εναλλακτική επένδυσης καταλήγετε και γιατί (με μια πρόταση). Λύση Maximin Το χειρότερο της 1ης γραµµής είναι: 5 Το χειρότερο της 2ης γραµµής είναι: -13 Το χειρότερο της 3ης γραµµής είναι: -5 Το καλύτερο από τα 3 αυτά χειρότερα κάθε γραµµής είναι το 5 Ομόλογα (bonds) Maximax Αναζητούµε τώρα το καλύτερο κάθε γραµµής και επιλέγουµε το καλύτερο όλων: max {45, 70, 53} = 70 Μετοχές (stocks)

2 Min-max Regret Βρίσκουµε το καλύτερο ανά στήλη και το αφαιρούµε από τα άλλα της στήλης. Στον νέο πίνακα διαφυγόντος κέρδους που προκύπτει βρίσκουµε το µέγιστο κάθε γραµµής και επιλέγουµε το ελάχιστο αυτών που είναι το ελάχιστο διαφυγόν κέρδος. Πίνακας διαφυγόντος κέρδους max 1ης γραµµής : max 2ης γραµµής : max 3ης γραµµής : 17 min {30, 18, 17} = 17 Αμοιβαία κεφάλαια (mutual funds) Hurwicz µε α=0.5 Θα υπολογίζουµε για κάθε γραµµή την ποσότητα 0.5 * (min γραµµής) * (max γραµµής) και θα επιλέξουµε την µεγαλύτερη όλων Η(bonds) = 0.5 * (5) * (45) = 25 Η(stocks) = 0.5 * (70) * (-13) = 28.5 Η(mutual funds) = 0.5 * (53) * (-5) = 24 max {25, 28.5, 24} = 28.5 Μετοχές (stocks) Laplace Θεωρούµε τα ενδεχόµενα ισοπίθανα και ουσιαστικά βρίσκουµε ένα µέσο όρο κάθε γραµµής. Μετά επιλέγουµε το καλύτερο όλων. Γραµµή 1 : (1/3) * ( ) = 90/3 = 30 Γραµµή 2 : (1/3) * ( ) = 87/3 = 29 Γραµµή 3 : (1/3) * ( ) = 93/3 =31 max {30, 29, 31} = Αμοιβαία κεφάλαια (mutual funds) Γενικο Σχόλιο για το συγκεκριμένο πρόβλημα απόφασης Οι συντηρητικές προσεγγίσεις υποδεικνύουν επένδυση σε οµόλογα. Οι πιο ριψοκίνδυνες προσεγγίσεις (maximax, ελαχιστοποίηση διαφυγόντος κέρδους) υποδεικνύουν επένδυση σε αµοιβαία κεφάλαια ή µετοχές. Τέλος οι πιο ενδιάµεσες προσεγγίσεις που ισορροπούν ανάµεσα σε συντηρητική και επιθετική στρατηγική στη ληψη αποφάσεων (Hurwicz µε α=0.5, κριτήριο Laplace) προτείνουν επίσης αµοιβαία κεφάλαια ή µετοχές.

3 Θέµα 2 Η Mariah Carey θα δώσει συναυλία στις 2 Μαίου 2018 στα πλαίσια παγκόσµιας περιοδείας της. Τα έσοδα που θα προκύψουν εξαρτώνται από τον καιρό που µπορεί να είναι αίθριος ή βροχερός. Αν ο καιρός είναι αίθριος τα κέρδη θα είναι 1.2 εκ. Ευρώ ενώ αν είναι βροχερός αναµένεται ζηµία 2.0 εκ. Ευρώ. Οι υπεύθυνοι της τραγουδίστριας έχουν το δικαίωµα να ακυρώσουν την παράσταση αλλά τότε θα χάσουν την προκαταβολή των 500 χιλ. Ευρώ. Η πιθανότητα βροχής στις αρχές Μαίου είναι 15% σύµφωνα µε ιστορικά δεδοµένα. Ποια είναι η βέλτιστη απόφαση από την οπτική γωνία του µάνατζερ της τραγουδίστριας; Φτιάξτε το δέντρο και διατυπώστε τη βέλτιστη λύση. Στη συνέχεια, αν υπάρχει δυνατότητα λήψης εξειδικευµένης πληροφορίας από µετεωρολογική εταιρεία µε δορυφόρο και ξέρετε ότι η εταιρεία αυτή προβλέπει σωστά τον αίθριο καιρό σε ποσοστό 95% και τον βροχερό σε ποσοστό 85%, ποια η νέα βέλτιστη στρατηγική για τον µάνατζερ της τραγουδίστριας; Μέχρι πόσα θα ήταν διετεθειµένος να πληρώσει για να έχει την πληροφορία αυτή για τον καιρό; Τέλος, αν θεωρήσετε (α) µια συντηρητική συνάρτηση χρησιµότητας και (β) µια ριψοκίνδυνη συνάρτηση χρησιµότητας, πως πιστεύετε ότι µπορεί να αλλάξουν οι σχετικές αποφάσεις του µάνατζερ; ώστε απλά τη γνώµη σας και δείξτε σχεδιαστικά τι µορφή περίπου θα έχουν οι συναρτήσεις. Ποια είναι η βέλτιστη απόφαση από την οπτική γωνία του µάνατζερ της τραγουδίστριας; Φτιάξτε το δέντρο και διατυπώστε τη βέλτιστη λύση. Το πρώτο ερώτηµα του θέµατος λύνεται σχεδιάζοντας το απλό δέντρο απόφασης, βάσει των δεδοµένων του προβλήµατος. Αρχικά, µας δίνεται ότι: P βροχής =0,15 Άρα: P αίθριου καιρού =1 P βροχής =0,85 Το δέντρο που πρέπει να σχεδιάσουµε είναι:

4 αίθριος 0.85 βροχερός 0.15 Οπότε, για να υπολογίσουµε την αναµενόµενη απόδοση του κόµβου (), έχουµε: = α ο αβ ς αίθριου P αίθριου καιρού α ο αβ ς βροχ ρού P βροχής = , ,15 = = Άρα το δέντρο γίνεται: αίθριος βροχερός 0.15 και προφανώς η βέλτιστη απόφαση του µάνατζερ είναι να γίνει η συναυλία. Σωστή απάντηση: Η βέλτιστη απόφαση του µάνατζερ ειναι να µην ακυρώσει τη συναυλία. Αυτή η απόφαση έχει πιθανότητα 85% να αποφέρει κέρδη 1,2 εκ., αλλά και ρίσκο 15% να αποφέρει ζηµία ύψους 2 εκ. αν υπάρχει δυνατότητα λήψης εξειδικευµένης πληροφορίας από µετεωρολογική εταιρεία µε δορυφόρο και ξέρετε ότι η εταιρεία αυτή προβλέπει σωστά τον αίθριο καιρό σε ποσοστό 95% και τον βροχερό σε ποσοστό 85%, ποια η νέα βέλτιστη στρατηγική για τον µάνατζερ της τραγουδίστριας; Από τα δεδοµένα του δεύτερου ερωτήµατος µπορούµε να εξάγουµε τις εξής πιθανότητες: P ρ β ς αίθριου αίθριος =0, 5 P ρ β ς βροχ ρού αίθριος =0,05 P ρ β ς βροχ ρού βροχ ρ ς =0,85 P ρ β ς αίθριου βροχ ρ ς =0,15 Το δέντρο τώρα αποκτάει ένα ακόµη κλαδί στον αρχικό κόµβο απόφασης, αφού υπάρχει η δυνατότητα να πάρουµε µια πληροφορία.

5 ΠΛΗΡΟΦΟΡΙΑ ΑΙΘΡΙΟΣ ΑΙΘΡΙΟΣ 0.15 ΠΡΟΒΛΕΨΗ ΑΙΘΡΙΟΥ ΠΡΟΒΛΕΨΗ ΒΡΟΧΕΡΟΥ ΑΙΘΡΙΟΣ Άρα πρέπει να υπολογίσουµε την πιθανότητα πρόβλεψης αίθριου καιρού και την πιθανότητα πρόβλεψης βροχερού καιρού. ΠΡΟΣΟΧΗ!!! εν είναι ίδιες µε τις αντίστοιχες πιθανότητες σωστής πρόβλεψης καιρικών φαινοµένων της µετεωρολογικής εταιρείας. Εδώ ισχύει η γενικευµένη σχέση: P ρ β ς αι ο ου = P ρ β αι ο ου υ β ι ο αι ο P αι ο ου P ρ β αι ο ου υ β ι ο αι ο P α ακ ικού αι ο ου

6 Οπότε έχουµε: P ρ β ς αίθριου = P ρ β αίθριου αίθριος P αίθριος P ρ β αίθριου βροχ ρ ς P βροχ ρού = 0, 5 0,85 0,15 0,15 =0,80 5 0,0 5=0,8 και άρα: P ρ β ς βροχ ρού =1 P ρ β ς αίθριου =1 0,8 =0,1 Τώρα πρέπει να υπολογίσουµε και τις δεσµευµένες πιθανότητες των τελικών κλαδιών του δέντρου απόφασης. Χρησιµοποιώντας τον κανόνα του Bayes: = P αίθριος ροβ α αίθριο = P ρ β αίθριου αίθριος P αίθριος P ρ β ς αίθριου = 0, 5 0,85 0,8 0, P αίθριος ροβ α βροχ ρ ς = P ρ β βροχ ρ ς αίθριος P αίθριος P ρ β ς βροχ ρού Κατ επέκταση, υπολογίζουµε: = 0,05 0,85 0,1 =0, 5 P βροχ ρ ς ροβ α αίθριο =1 P αίθριος ροβ α αίθριο =0,0 1 P βροχ ρ ς ροβ α βροχ ρ =1 P αίθριος ροβ α βροχ ρ ς =0, 5 Και τώρα µπορούµε να υπολογίσουµε τους κόµβους: ρ β αίθριου = α ο αβ ς αίθριου P αίθριος ροβ α αίθριο α ο αβ ς βροχ ρού P βροχ ρ ς ροβ α αίθριο = , ,0 1 = = ρ β βροχ ρού

7 = α ο αβ ς αίθριου P αίθριος ροβ α βροχ ρ ς α ο αβ ς βροχ ρού P βροχ ρ ς ροβ α βροχ ρ = , , 5 = = ΠΛΗΡΟΦΟΡ = α α ς α ο αβ ς ρ β ς αίθριου P ρ β ς αίθριου α α ς α ο αβ ς ρ β ς βροχ ρού P ρ β ς βροχ ρού = , ,1 = 4 0, =8 0,4

8 ΑΙΘΡΙΟΣ ΑΙΘΡΙΟΣ ΠΡΟΒΛΕΨΗ ΑΙΘΡΙΟΥ ΠΛΗΡΟΦΟΡΙΑ ΑΙΘΡΙΟΣ ΠΡΟΒΛΕΨΗ , ΒΡΟΧΕΡΟΥ Σωστή απάντηση: Η βέλτιστη απόφαση του µάνατζερ ειναι να αγοράσει την πληροφορία και η πληροφορία προβλέπει αίθριο καιρό, να κάνει την συναυλία, αλλιώς αν προβλέπει βροχερό καιρό, να την ακυρώσει.

9 Μέχρι πόσα θα ήταν διετεθειµένος να πληρώσει για να έχει την πληροφορία αυτή για τον καιρό; Το ποσό αυτό υπολογίζεται από τη διαφορά των αναµενόµενων αποδόσεων της ΠΛΗΡΟΦΟΡΙΑΣ και του να κάνει τη συναυλία χωρίς να πάρει την πληροφορία (). = =8 0, =11 0,4 Η διαφορά των δύο επιλογών είναι µικρή, οπότε σε κάθε περίπτωση δεν θα άξιζε να αγοράσει την πληροφορία. Τέλος, αν θεωρήσετε (α) µια συντηρητική συνάρτηση χρησιµότητας και (β) µια ριψοκίνδυνη συνάρτηση χρησιµότητας, πως πιστεύετε ότι µπορεί να αλλάξουν οι σχετικές αποφάσεις του µάνατζερ; ώστε απλά τη γνώµη σας και δείξτε σχεδιαστικά τι µορφή περίπου θα έχουν οι συναρτήσεις. (α) Συντηρητική συνάρτηση χρησιµότητας Σε µια συντηρητική συνάρτηση χρησιµότητας, η απόφαση του µάνατζερ θα άλλαζε εφόσον θα είχε µεγάλο ρίσκο. Αν οι πιθανότητες των φαινοµένων του καιρού ήταν ανάποδα, ο µάνατζερ θα επέλεγε να µην πάρει το ρίσκο να κάνει τη συναυλία και θα ήταν πολύ διαφορετικό το δέντρο όσων αφορά τις απολαβές πλέον. (β) Ριψοκίνδυνη συνάρτηση χρησιµότητας Αντιθέτως, σε µια ριψοκίνδυνη συνάρτηση χρησιµότητας, εφόσον οι πιθανότητες των φαινοµένων του καιρού ήταν εξίσου ανάποδα, ο µάνατζερ θα επέλεγε να κάνει τη συναυλία παρόλο το υψηλό ρίσκο. Στην περίπτωση αυτή, ο λήπτης απόφασης αναζητά το ρίσκο, καθώς έχει µεγαλύτερη απόδοση.

«Ανάλυση κινδύνων και λήψη αποφάσεων: Αναμενόμενη τιμή»

«Ανάλυση κινδύνων και λήψη αποφάσεων: Αναμενόμενη τιμή» «Ανάλυση κινδύνων και λήψη αποφάσεων: Αναμενόμενη τιμή» Κηρυττόπουλος Κωνσταντίνος PhD, Dipl. Eng., PMP Η αναφορά σε αυτές τις διαφάνειες είναι: Κηρυττόπουλος, Κ. 213, Ανάλυση κινδύνων και λήψη αποφάσεων:

Διαβάστε περισσότερα

Ποσοτική Ανάλυση Κινδύνων

Ποσοτική Ανάλυση Κινδύνων 27 Ποσοτική Ανάλυση Κινδύνων Αναμενόμενη τιμή Δένδρα σφαλμάτων Δένδρα γεγονότων Προσομοίωση Monte Carlo Ανάλυση Ευαισθησίας Τεχνική PERT 28 Αναμενόμενη Τιμή 29 Παράδειγμα υπολογισμού Αναμενόμενης Τιμής

Διαβάστε περισσότερα

3 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΕΜΠΤΗ 12 ΔΕΚΕΜΒΡΙΟΥ 2013, ώρα ΑΣΚΗΣΗ 1 Ένα μεγάλο ακτινοδιαγνωστικό κέντρο θέλει να

3 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΕΜΠΤΗ 12 ΔΕΚΕΜΒΡΙΟΥ 2013, ώρα ΑΣΚΗΣΗ 1 Ένα μεγάλο ακτινοδιαγνωστικό κέντρο θέλει να 3 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΕΜΠΤΗ 12 ΔΕΚΕΜΒΡΙΟΥ 2013, ώρα 15.00-18.00 ΑΣΚΗΣΗ 1 Ένα μεγάλο ακτινοδιαγνωστικό κέντρο θέλει να αντιμετωπίσει την αυξημένη ζήτηση για εξετάσεις μαγνητικής

Διαβάστε περισσότερα

Α) Κριτήριο Προσδοκώμενης Χρηματικής Αξίας Expected Monetary Value (EMV)

Α) Κριτήριο Προσδοκώμενης Χρηματικής Αξίας Expected Monetary Value (EMV) 5. ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ (Decision Analysis) Επιχειρήσεις, Οργανισμοί αλλά και μεμονωμένα άτομα αντιμετωπίζουν σχεδόν καθημερινά το δύσκολο πρόβλημα της λήψης αποφάσεων. Τα προβλήματα αυτά έχουν σαν αντικειμενικό

Διαβάστε περισσότερα

2 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΑΡΑΣΚΕΥΗ 2 ΔΕΚΕΜΒΡΙΟΥ 2016, ώρα ΑΣΚΗΣΗ 1 Ένα ιδιωτικό κέντρο τεχνικού ελέγχου

2 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΑΡΑΣΚΕΥΗ 2 ΔΕΚΕΜΒΡΙΟΥ 2016, ώρα ΑΣΚΗΣΗ 1 Ένα ιδιωτικό κέντρο τεχνικού ελέγχου 2 Η ΠΡΟΟΔΟΣ ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΓΝΩΣΕΩΝ ΠΑΡΑΣΚΕΥΗ 2 ΔΕΚΕΜΒΡΙΟΥ 2016, ώρα 15.00-18.00 ΑΣΚΗΣΗ 1 Ένα ιδιωτικό κέντρο τεχνικού ελέγχου οχημάτων (ΙΚΤΕΟ) θέλει να αντιμετωπίσει την αυξημένη ζήτηση

Διαβάστε περισσότερα

Β. Βασιλειάδης Αν. Καθηγητής. Επιχειρησιακή Ερευνα Διάλεξη 6 η - Θεωρεία Παιγνίων

Β. Βασιλειάδης Αν. Καθηγητής. Επιχειρησιακή Ερευνα Διάλεξη 6 η - Θεωρεία Παιγνίων Β. Βασιλειάδης Αν. Καθηγητής Επιχειρησιακή Ερευνα Διάλεξη 6 η - Θεωρεία Παιγνίων Περιεχόμενα Θεωρία Αποφάσεων o Αποφάσεις χωρίς πιθανότητα o Αποφάσεις με πιθανότητα Θεωρία Παιγνίων o Παίγνια Μηδενικού

Διαβάστε περισσότερα

Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3. Ενισχυτικές διαφάνειες

Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3. Ενισχυτικές διαφάνειες Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3 Ενισχυτικές διαφάνειες Πρόβλημα απόφασης υπό το καθεστώς αβεβαιότητας (decision making under uncertainty) Ένα πρόβλημα τοποθετείται γενικά ως πρόβλημα

Διαβάστε περισσότερα

Πληροφοριακά Συστήματα Διοίκησης. Θεωρία Αποφάσεων

Πληροφοριακά Συστήματα Διοίκησης. Θεωρία Αποφάσεων Πληροφοριακά Συστήματα Διοίκησης Θεωρία Αποφάσεων Εισαγωγή στην θεωρία αποφάσεων Στα μέχρι τώρα μοντέλα και τεχνικές υπήρχε η προϋπόθεση της βεβαιότητας. Στην πράξη, τα προβλήματα είναι περισσότερο πολύπλοκα,

Διαβάστε περισσότερα

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών

Διαβάστε περισσότερα

Αβεβαιότητα (Uncertainty)

Αβεβαιότητα (Uncertainty) Αβεβαιότητα (Uncertainty) Παράδειγμα κατασκευής μοντέλου προβλήματος στο Excel και διαχείρισης της αβεβαιότητας που το ίδιο το πρόβλημα εμπεριέχει. Ανάλυση προβλήματος Βήμα 1: Καθορισμός του προβλήματος

Διαβάστε περισσότερα

Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος

Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος Βασικές Παράμετροι: Στόχοι του αποφασίζοντα Τεχνικά δεδομένα Οικονομικά δεδομένα Καταστάσεις

Διαβάστε περισσότερα

Λήψη αποφάσεων υπό αβεβαιότητα

Λήψη αποφάσεων υπό αβεβαιότητα Διαχείριση Αβεβαιότητας Λήψη αποφάσεων υπό αβεβαιότητα Όταν έχω να αντιμετωπίσω ένα πρόβλημα λήψης αποφάσεων υπό αβεβαιότητα, μπορώ να ακολουθήσω τις ακόλουθες στρατηγικές: 1. Η λάθος προσέγγιση: «Βελτιστοποίηση

Διαβάστε περισσότερα

Κεφ. 9 Ανάλυση αποφάσεων

Κεφ. 9 Ανάλυση αποφάσεων Κεφ. 9 Ανάλυση αποφάσεων Η θεωρία αποφάσεων έχει ως αντικείμενο την επιλογή της καλύτερης στρατηγικής. Τα αποτελέσματα κάθε στρατηγικής εξαρτώνται από παράγοντες, οι οποίοι μπορεί να είναι καταστάσεις

Διαβάστε περισσότερα

Λήψη αποφάσεων υπό αβεβαιότητα

Λήψη αποφάσεων υπό αβεβαιότητα ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΕΧΝΟΟΙΚΟΝΟΜΙΚΑ Λήψη αποφάσεων υπό αβεβαιότητα ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Διαχείριση

Διαβάστε περισσότερα

Λήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο

Λήψη αποφάσεων υπό αβεβαιότητα. Παίγνια Αποφάσεων 9 ο Εξάμηνο Λήψη αποφάσεων υπό αβεβαιότητα Παίγνια Αποφάσεων 9 ο Εξάμηνο Επιχειρηματική Αβεβαιότητα Αβεβαιότητα είναι, η περίπτωση η οποία τα ενδεχόμενα μελλοντικά γεγονότα είναι αόριστα και αδύνατον να υπολογιστούν

Διαβάστε περισσότερα

ΜΕΘΟΔΟΙ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ ΜΕ ΑΓΝΩΣΤΕΣ ΠΙΘΑΝΟΤΗΤΕΣ ΕΚΒΑΣΗΣ ΤΩΝ ΔΙΑΦΟΡΩΝ ΕΝΔΕΧΟΜΕΝΩΝ

ΜΕΘΟΔΟΙ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ ΜΕ ΑΓΝΩΣΤΕΣ ΠΙΘΑΝΟΤΗΤΕΣ ΕΚΒΑΣΗΣ ΤΩΝ ΔΙΑΦΟΡΩΝ ΕΝΔΕΧΟΜΕΝΩΝ ΜΕΘΟΔΟΙ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ ΜΕ ΑΓΝΩΣΤΕΣ ΠΙΘΑΝΟΤΗΤΕΣ ΕΚΒΑΣΗΣ ΤΩΝ ΔΙΑΦΟΡΩΝ ΕΝΔΕΧΟΜΕΝΩΝ ΤΟ ΠΡΟΒΛΗΜΑ ΤΟΥ ΕΦΗΜΕΡΙΔΟΠΩΛΗ Ένα μικρό μαγαζί πωλεί μια εφημερίδα. Πληρώνει 30 χ.μ. ανά φύλλο για να τα προμηθευτεί, ενώ

Διαβάστε περισσότερα

Μιατρίτη µέθοδος προσδιορισµού αρχικής λύσης σε προβλήµατα µεταφοράς είναι

Μιατρίτη µέθοδος προσδιορισµού αρχικής λύσης σε προβλήµατα µεταφοράς είναι Η µέθοδος Vogel Μιατρίτη µέθοδος προσδιορισµού αρχικής λύσης σε προβλήµατα µεταφοράς είναι η µέθοδος Vogel Η προσεγγιστική µέθοδος Vogelείναι µια πιο πολύπλοκη µέθοδος σε σχέση µε τις προηγούµενες, αλλά

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ ΠΝΕΠΙΣΤΗΜΙΟ ΜΚΕ ΟΝΙΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜ ΕΦΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙ ΠΙΓΝΙΩΝ Εξετάσεις 13 Φεβρουαρίου 2004 ιάρκεια εξέτασης: 2 ώρες (13:00-15:00) ΘΕΜ 1 ο (2.5) α) Για δύο στρατηγικές

Διαβάστε περισσότερα

Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος

Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Ορισμός: Τα Δ.Α. Είναι μια μέθοδος για ορθολογική λήψη αποφάσεων σε συνθήκες αβέβαιου μέλλοντος Βασικές Παράμετροι: Στόχοι του αποφασίζοντα Τεχνικά δεδομένα Οικονομικά δεδομένα Καταστάσεις

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 3 Κεφάλαιο ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ο ΜΕΡΟΣ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 6. Λ 8. Λ. Σ 7. Σ 9. Λ 3. Λ 8. Λ 3. Σ 4. Σ 9. Σ 3. α) Σ 5. Σ. Σ β) Σ 6.

Διαβάστε περισσότερα

Ανάλυση Αποφάσεων ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Αθήνα Επιχειρησιακή Έρευνα

Ανάλυση Αποφάσεων ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Αθήνα Επιχειρησιακή Έρευνα Ανάλυση Αποφάσεων Αθήνα 2005 Η παρουσίαση προετοιµάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόµενα Παρουσίασης 1. Εισαγωγικά Στοιχεία 2. Πρότυπο Ανάλυσης Αποφάσεων

Διαβάστε περισσότερα

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Β

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Β Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Β Νίκος Τσάντας Τμήμα Μαθηματικών Πανεπιστημίου Πατρών, Ακαδημαϊκό έτος 2011-12 Ένα άλλο πρόβλημα Ο Θωμάς κληρονόμησε $1000 από κάποιο

Διαβάστε περισσότερα

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Α

Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Α Ειδικά Θέματα Πιθανοτήτων και Στατιστικής Θεωρία Αποφάσεων. Μέρος Α Νίκος Τσάντας Τμήμα Μαθηματικών Πανεπιστημίου Πατρών, Ακαδημαϊκό έτος 2011-12 Αντικείμενο της ΘΕΩΡΙΑΣ ΑΠΟΦΑΣΕΩΝ με τη λέξη ΑΠΟΦΑΣΗ εννοούμε

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Λύσεις 1ης σειράς ασκήσεων Προθεσμία παράδοσης: 22 Απριλίου 2015 Πρόβλημα 1.

Διαβάστε περισσότερα

Simplex µε πίνακες Simplex µε πίνακες

Simplex µε πίνακες Simplex µε πίνακες Μορφή Πινάκων max z =cx s.t. Ax = b x 0 Μορφή Πινάκων max z =cx s.t. Ax = b x 0 [ A c x = b ] Μορφή Πινάκων max z =cx s.t. Ax = b x 0 A x = b [ ] c Επιλογή αντιστρέψιµου υποπίνακα m m (Βάση) Συµβολισµοί

Διαβάστε περισσότερα

Ασκήσεις μελέτης της 16 ης διάλεξης

Ασκήσεις μελέτης της 16 ης διάλεξης Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 16 ης διάλεξης 16.1. (α) Έστω ένα αντικείμενο προς κατάταξη το οποίο

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Εξεταστική περίοδος Ιουνίου 2015 16 Ιουνίου 2015 Διάρκεια εξέτασης: 2,5 ώρες

Διαβάστε περισσότερα

Πρακτική µε στοιχεία στατιστικής ανάλυσης

Πρακτική µε στοιχεία στατιστικής ανάλυσης Πρακτική µε στοιχεία στατιστικής ανάλυσης 1. Για να υπολογίσουµε µια ποσότητα q = x 2 y xy 2, µετρήσαµε τα µεγέθη x και y και βρήκαµε x = 3.0 ± 0.1και y = 2.0 ± 0.1. Να βρεθεί η ποσότητα q και η αβεβαιότητά

Διαβάστε περισσότερα

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

ροµολόγηση πακέτων σε δίκτυα υπολογιστών ροµολόγηση πακέτων σε δίκτυα υπολογιστών Συµπληρωµατικές σηµειώσεις για το µάθηµα Αλγόριθµοι Επικοινωνιών Ακαδηµαϊκό έτος 2011-2012 1 Εισαγωγή Οι παρακάτω σηµειώσεις παρουσιάζουν την ανάλυση του άπληστου

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ Τελικές Εξετάσεις Παρασκευή 16 Οκτωβρίου 2007 ιάρκεια εξέτασης: 3 ώρες (15:00-18:00) ΘΕΜΑ 1

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ Τελικές Εξετάσεις 1 Φεβρουαρίου 26 ιάρκεια εξέτασης: 3 ώρες (15:-18:) ΘΕΜΑ 1 ο (2.5) Κάθε ένας

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 4 o Κεφάλαιο ΑΝΑΛΥΣΗ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 0. Σ 9. Λ. Λ. Σ 40. Σ. Σ. Σ 4. Λ 4. Λ. Σ 4. Σ 5. Σ 4. Σ 4. Λ 6. Σ 5. Λ 44.

Διαβάστε περισσότερα

4 η δεκάδα θεµάτων επανάληψης

4 η δεκάδα θεµάτων επανάληψης 1 4 η δεκάδα θεµάτων επανάληψης 31. Έστω Α, Β δύο ενδεχόµενα του ίδιου δειγµατικού χώρου. Αν Ρ(Α ) 0,8 και Ρ(Β ) 0,71 δείξτε ότι Ρ( Α Β) 1,01 Ρ( Α Β) i Το ενδεχόµενο Α Β δεν είναι το κενό. Έχουµε Ρ( Α

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΠΛΗΡΟΦΟΡΙΚΗ (ΘΕ ΠΛΗ ) ΠΡΟΤΕΙΝΟΜΕΝΕΣ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ TEΛΙΚΗΣ ΕΞΕΤΑΣΗΣ 7 Ιουνίου 8 Θέµα ο ( µονάδες) α) ( µονάδες) yz yz του διανυσµατικού

Διαβάστε περισσότερα

4 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 31.

4 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 31. ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ η ΕΚΑ Α. Οι µηνιαίες αποδοχές, σε, ν υπαλλήλων είναι x, x,, x ν και αυτές αποτελούν οµοιογενές δείγµα µε µέση τιµή 000. Αν το 8% έχει µισθό Α, το 6% Β και οι υπόλοιποι Γ : Να βρείτε το

Διαβάστε περισσότερα

ΤΣΑΝΤΑΣ ΝΙΚΟΣ 4/6/2009

ΤΣΑΝΤΑΣ ΝΙΚΟΣ 4/6/2009 Επιχειρησιακή Έρευνα Θεωρία Αποφάσεων. Μέρος Α Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών και των Αποφάσεων Ακαδημαϊκό έτος 6-0 Αντικείμενο της

Διαβάστε περισσότερα

2 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ και. Έστω Α, Β ενδεχόµενα ενός δειγµατικού χώρου Ω µε Ρ(Α) = 8

2 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ και. Έστω Α, Β ενδεχόµενα ενός δειγµατικού χώρου Ω µε Ρ(Α) = 8 1 ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ η ΕΚΑ Α. Έστω Α, Β ενδεχόµενα ενός δειγµατικού χώρου Ω µε Ρ(Α) = 8 5 και Ρ(Β) = Ρ(Α ). Αν τα Α, Β είναι ασυµβίβαστα, να εξετάσετε αν είναι ασυµβίβαστα και τα Α, Β 5 i είξτε ότι Ρ(Α Β)=

Διαβάστε περισσότερα

Λήψη Αποφάσεων σε Συνθήκες Αβεβαιότητας. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Λήψη Αποφάσεων σε Συνθήκες Αβεβαιότητας. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Λήψη Αποφάσεων σε Συνθήκες Αβεβαιότητας Περιβάλλον Λήψης Αποφάσεων Χαρακτηρίζεται από: Βεβαιότητα (certainty) Αβεβαιότητα (uncertainty) Κίνδυνο (risk) Σύγκρουση (conflict) Περιβάλλον Λήψης Αποφάσεων Χαρακτηρίζεται

Διαβάστε περισσότερα

1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( )

1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( ) Ερωτήσεις ανάπτυξης. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι β ( f () f () ) + α ηµ d β α = [f () ηµ] - [f () συν] β α. ( ) β) Αν f () = ηµ, να αποδείξετε ότι f () + f ()

Διαβάστε περισσότερα

3 η δεκάδα θεµάτων επανάληψης

3 η δεκάδα θεµάτων επανάληψης η δεκάδα θεµάτων επανάληψης. Έστω η συνάρτηση f() = 80 αν < < 0 αν 0 αν i ) Να υπολογιστεί η τιµή της παράστασης Α = f( ) + f(0) 5f() f + f( ) Αν Μ(, ) και Ν(, 0) να βρείτε την εξίσωση της ευθείας ΜΝ i

Διαβάστε περισσότερα

5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη

5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη 5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη Tο πρόβληµα του προσδιορισµού των συγκεντρώσεων των προτύπων, όταν δεν είναι γνωστό το πλήθος τους και η ταυτότητα των προτύπων, είναι δύσκολο και για την

Διαβάστε περισσότερα

4 η δεκάδα θεµάτων επανάληψης

4 η δεκάδα θεµάτων επανάληψης 4 η δεκάδα θεµάτων επανάληψης 31. Έστω Α, Β δύο ενδεχόµενα του ίδιου δειγµατικού χώρου. Αν Ρ(Α ) 0,8 και Ρ(Β ) 0,71 δείξτε ότι Ρ( Α Β) 1,01 Ρ( Α Β) i Το ενδεχόµενο Έχουµε Α Βδεν είναι το κενό. Ρ( Α Β)

Διαβάστε περισσότερα

δημιουργία: http://macedonia.uom.gr/~acg επεξεργασία: Ν.Τσάντας

δημιουργία: http://macedonia.uom.gr/~acg επεξεργασία: Ν.Τσάντας Θεωρία Παιγνίων Μελέτη στοιχείων που χαρακτηρίζουν καταστάσεις ανταγωνιστικής άλληλεξάρτησης με έμφαση στη διαδικασία λήψης αποφάσεων περισσοτέρων από ένα ληπτών απόφασης (αντιπάλων). Παίγνια δύο παικτών

Διαβάστε περισσότερα

ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 1 η εκάδα

ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 1 η εκάδα ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ η εκάδα. Στην αρχή της σχολικής χρονιάς, οι 50 µαθητές της τρίτης τάξης ενός λυκείου ρωτήθηκαν σχετικά µε τον αριθµό των βιβλίων που διάβασαν την περίοδο των διακοπών τους. Τα δεδοµένα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΟΜΑ Α ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Στην εικόνα παρακάτω φαίνεται ένα νευρωνικό

Διαβάστε περισσότερα

Ασκήσεις. Ιωάννα Καντζάβελου. Τµήµα Μηχανικών Πληροφορικής και Υπολογιστών 1

Ασκήσεις. Ιωάννα Καντζάβελου. Τµήµα Μηχανικών Πληροφορικής και Υπολογιστών 1 Ασκήσεις Ιωάννα Καντζάβελου Τµήµα Μηχανικών Πληροφορικής και Υπολογιστών 1 1. Επιλογή Διαδρομής 2. Παραλλαγή του Matching Pennies 3. Επίλυση Matching Pennies με Βέλτιστες Αποκρίσεις 4. Επίλυση BoS με Βέλτιστες

Διαβάστε περισσότερα

Οικονοµικός ορθολογισµός

Οικονοµικός ορθολογισµός Οικονοµικός ορθολογισµός Διάλεξη 5 Επιλογή!1 Η βασική παραδοχή για τη συµπεριφορά του λήπτη αποφάσεων είναι ότι αυτός/αυτή επιλέγει την πλέον προτιµώµενη εναλλακτική επιλογή που του/της είναι διαθέσιµη.

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 1 ΑΣΚΗΣΗ 2 ΑΣΚΗΣΗ 3

ΑΣΚΗΣΗ 1 ΑΣΚΗΣΗ 2 ΑΣΚΗΣΗ 3 ΑΣΚΗΣΗ 1 Δύο επιχειρήσεις Α και Β, μοιράζονται το μεγαλύτερο μερίδιο της αγοράς για ένα συγκεκριμένο προϊόν. Καθεμία σχεδιάζει τη νέα της στρατηγική για τον επόμενο χρόνο, προκειμένου να αποσπάσει πωλήσεις

Διαβάστε περισσότερα

ηµόσια Οικονοµική Βασίλης Ράπανος, Γεωργία Καπλάνογλου µόνο Τµήµα Ι.

ηµόσια Οικονοµική Βασίλης Ράπανος, Γεωργία Καπλάνογλου µόνο Τµήµα Ι. ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Ακαδηµαϊκό έτος 2013-2014 Τµήµα Οικονοµικών Επιστηµών Εξεταστική περίοδος Απριλίου Εξέταση στο µάθηµα: ηµόσια Οικονοµική ιδασκαλία: Βασίλης Ράπανος, Γεωργία Καπλάνογλου Η εξέταση αποτελείται

Διαβάστε περισσότερα

0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4

0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4 Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 7 Συνεχείς Τυχαίες Μεταβλητές Επιµέλεια : Κωνσταντίνα Φωτιάδου Ασκηση. Εστω

Διαβάστε περισσότερα

1 η δεκάδα θεµάτων επανάληψης

1 η δεκάδα θεµάτων επανάληψης 1 η δεκάδα θεµάτων επανάληψης 1. Έστω η εξίσωση (k 5k+ 4) x (k 1)x + 1= 0 Να βρείτε την τιµή του k ώστε η εξίσωση να έχει µία µόνο ρίζα την οποία ρίζα να προσδιορίσετε i Να βρείτε την τιµή του k ώστε η

Διαβάστε περισσότερα

(1) 98! 25! = 4 100! 23! = 4

(1) 98! 25! = 4 100! 23! = 4 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 Συνδυαστική Ανάλυση ΙΙ και Εισαγωγή στις ιακριτές Τυχαίες Μεταβλητές

Διαβάστε περισσότερα

Σχολικός Σύµβουλος ΠΕ03

Σχολικός Σύµβουλος ΠΕ03 Α Σ Κ Η Σ Ε Ι Σ Π Ι Θ Α Ν Ο Τ Η Τ Ω Ν ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος ΠΕ0 e-mail@p-theodoropoulos.gr Πρόλογος Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηµατικών µε πολλά

Διαβάστε περισσότερα

Εκτίµηση και Οµόλογα. Κεφάλαιο. 6.1 Εκτίµηση και Κόστος Ευκαιρίας Κεφαλαίου

Εκτίµηση και Οµόλογα. Κεφάλαιο. 6.1 Εκτίµηση και Κόστος Ευκαιρίας Κεφαλαίου 1. Κεφάλαιο 6 Εκτίµηση και Οµόλογα 6.1 Εκτίµηση και Κόστος Ευκαιρίας Κεφαλαίου Είναι καµιά φορά δύσκολο να εξηγήσει κανείς τι σηµαίνει παρούσα αξία σε κάποιον που δεν το έχει µελετήσει. Αλλά, όπως έχει

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Πέµπτη 7 Ιανουαρίου 8 5:-8: Σχεδιάστε έναν αισθητήρα (perceptron)

Διαβάστε περισσότερα

Δρ. Α.Α.Δράκος,Αναπλ.Καθηγητής Χρηµατοδοτικής Διοίκησης Δρ. Β. Γ. Μπαµπαλός, ΠΔ ΣΗΜΕΙΩΣΕΙΣ ΔΙΔΑΣΚΟΝΤΩΝ ΣΤΗ ΧΡΗΜΑΤΟΔΟΤΙΚΗ ΔΙΟΙΚΗΣΗ 1

Δρ. Α.Α.Δράκος,Αναπλ.Καθηγητής Χρηµατοδοτικής Διοίκησης Δρ. Β. Γ. Μπαµπαλός, ΠΔ ΣΗΜΕΙΩΣΕΙΣ ΔΙΔΑΣΚΟΝΤΩΝ ΣΤΗ ΧΡΗΜΑΤΟΔΟΤΙΚΗ ΔΙΟΙΚΗΣΗ 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Δρ. Α.Α.Δράκος,Αναπλ.Καθηγητής Χρηµατοδοτικής Διοίκησης Δρ. Β. Γ. Μπαµπαλός, ΠΔ 407 2016-2017 ΣΗΜΕΙΩΣΕΙΣ ΔΙΔΑΣΚΟΝΤΩΝ ΣΤΗ ΧΡΗΜΑΤΟΔΟΤΙΚΗ

Διαβάστε περισσότερα

o AND o IF o SUMPRODUCT

o AND o IF o SUMPRODUCT Πληροφοριακά Εργαστήριο Management 1 Information Συστήματα Systems Διοίκησης ΤΕΙ Τμήμα Ελεγκτικής Ηπείρου Χρηματοοικονομικής (Παράρτημα Πρέβεζας) και Αντικείµενο: Μοντελοποίηση προβλήµατος Θέµατα που καλύπτονται:

Διαβάστε περισσότερα

1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28

1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες -Χειµερινό Εξάµηνο 01 ιδάσκων : Π. Τσακαλίδης Λύσεις : Πέµπτη Σειρά Ασκήσεων Ηµεροµηνία Ανάθεσης : 14/11/01 Ηµεροµηνία Παράδοσης : 8/11/01

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-1: Πιθανότητες - Χειµερινό Εξάµηνο 01 ιδάσκων : Π Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : /10/01 Ηµεροµηνία Παράδοσης : /11/01

Διαβάστε περισσότερα

3.2 3.3 3.4 ΠΡΑΞΕΙΣ ΜΕ ΕΚΑ ΙΚΟΥΣ

3.2 3.3 3.4 ΠΡΑΞΕΙΣ ΜΕ ΕΚΑ ΙΚΟΥΣ 1 3.2 3.3 3.4 ΠΡΑΞΕΙΣ ΜΕ ΕΚΑ ΙΚΟΥΣ ΥΠΟΛΟΓΙΣΜΟΙ ΜΕ ΚΟΜΠΙΟΥΤΕΡΑΚΙ ΤΥΠΟΠΟΙΗΜΕΝΗ ΜΟΡΦΗ ΑΡΙΘΜΩΝ ΘΕΩΡΙΑ 1. Πρόσθεση αφαίρεση δεκαδικών Γίνονται όπως και στους φυσικούς αριθµούς. Προσθέτουµε ή αφαιρούµε τα ψηφία

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 2 Σεπτεµβρίου 2005 5:00-8:00 Σχεδιάστε έναν αισθητήρα ercetro

Διαβάστε περισσότερα

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ ΜΕΡΟΣ ΤΡΙΤΟ Πολίτη Όλγα Α.Μ. 4528 Εξάµηνο 8ο Υπεύθυνος Καθηγητής Λυκοθανάσης

Διαβάστε περισσότερα

Επιπλέον Ασκήσεις ΤΟ ΠΡΟΒΛΗΜΑ ΤΩΝ ΣΥΝΑΝΤΗΣΕΩΝ

Επιπλέον Ασκήσεις ΤΟ ΠΡΟΒΛΗΜΑ ΤΩΝ ΣΥΝΑΝΤΗΣΕΩΝ Επιπλέον Ασκήσεις ΤΟ ΠΡΟΒΛΗΜΑ ΤΩΝ ΣΥΝΑΝΤΗΣΕΩΝ Έστω ότι έχουµε δοχεία αριθµηµένα από το ως και σφαίρες αριθµηµένες από ως. Οι σφαίρες τοποθετούνται τυχαία στα δοχεία ανά µία. Εάν µία σφαίρα και το δοχείο

Διαβάστε περισσότερα

Αξιολόγηση και επιλογή δράσης (έργου)

Αξιολόγηση και επιλογή δράσης (έργου) Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.

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

4.2 Η ΣΥΝΑΡΤΗΣΗ y = αx 2 + βx + γ µε α 0

4.2 Η ΣΥΝΑΡΤΗΣΗ y = αx 2 + βx + γ µε α 0 1. Η ΣΥΝΑΡΤΗΣΗ y = α + + γ µε α 0 ΘΕΩΡΙΑ 1. Τετραγωνική συνάρτηση : Ονοµάζεται κάθε συνάρτηση της µορφής y = α + + γ, α 0. Γραφική παράσταση της συνάρτησης y = α + + γ, α 0 Η γραφική παράσταση της συνάρτησης

Διαβάστε περισσότερα

f (x) = l R, τότε f (x 0 ) = l. = lim (0) = lim f(x) = f(x) f(0) = xf (ξ x ). = l. Εστω ε > 0. Αφού lim f (x) = l R, υπάρχει δ > 0

f (x) = l R, τότε f (x 0 ) = l. = lim (0) = lim f(x) = f(x) f(0) = xf (ξ x ). = l. Εστω ε > 0. Αφού lim f (x) = l R, υπάρχει δ > 0 Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο 5: Παράγωγος Α Οµάδα. Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς (αιτιολογήστε πλήρως την απάντησή σας). (α) Αν η f είναι παραγωγίσιµη

Διαβάστε περισσότερα

Μελέτη Περίπτωσης : 2.1

Μελέτη Περίπτωσης : 2.1 Μελέτη Περίπτωσης : 2.1 EMV Συνάρτηση ς ~ Διοργάνωση Έκθεσης Είστε ο project manager για τη διοργάνωση μιας έκθεσης για οικιακό εξοπλισμό σε μια επαρχιακή πόλη. Μεταξύ των άλλων, θα πρέπει να αποφασίσετε

Διαβάστε περισσότερα

Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )

Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΚΥΡΙΑΚΗ /0/0 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ:ΕΝΝΕΑ (9) ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΘΕΜΑ

Διαβάστε περισσότερα

8 Άρα η Ϲητούµενη πιθανότητα είναι

8 Άρα η Ϲητούµενη πιθανότητα είναι ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες - Χειµερινό Εξάµηνο 014 ιδάσκων : Π. Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : 4/10/014 Ηµεροµηνία Παράδοσης : 5/11/014

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Παρασκευή 28 Σεπτεµβρίου 2007 ιάρκεια: 13:00-16:00

Διαβάστε περισσότερα

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone Hµέθοδος Stepping Stoneείναι µία επαναληπτική διαδικασία για τον προσδιορισµό της βέλτιστης λύσης σε ένα πρόβληµα µεταφοράς.

Διαβάστε περισσότερα

Πακέτο Επιχειρησιακή Έρευνα #02 ==============================================================

Πακέτο Επιχειρησιακή Έρευνα #02 ============================================================== Πακέτο Επιχειρησιακή Έρευνα #0 www.maths.gr www.facebook.com/maths.gr Tηλ.: 69790 e-mail: maths@maths.gr Μαθηµατική Υποστήριξη Φοιτητών : Ιδιαίτερα Μαθήµατα Λυµένες Ασκήσεις Βοήθεια στη λύση Εργασιών ==============================================================

Διαβάστε περισσότερα

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 2 : Πληροφορία και Εντροπία Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Πληροφορία Μέτρο πληροφορίας Μέση πληροφορία ή Εντροπία Από κοινού εντροπία

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Τυχαίες Μεταβλητές Συνάρτηση Κατανοµής ιακριτές Τυχαίες Μεταβλητές Παράµετροι τ.µ. Συνεχείς Τυχαίες

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙI

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙI ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙI Τίτλος διάλεξης: ΔΕΝΤΡΑ ΑΠΟΦΑΣΕΩΝ Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Μηχανολόγων Μηχανικών Τομέας Βιομηχανικής Διοίκησης & Επιχειρησιακής Έρευνας Διδάσκοντας: Αθανάσιος Τόλης Επίκουρος

Διαβάστε περισσότερα

Παλαιότερες ασκήσεις

Παλαιότερες ασκήσεις Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY6 - Συστήµατα Ανάκτησης Πληροφοριών Παλαιότερες ασκήσεις η Σειρά Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Άσκηση ( η σειρά ασκήσεων

Διαβάστε περισσότερα

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές:

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές: Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2005-2006 Εαρινό Εξάµηνο 1 η Σειρά Ασκήσεων (Αξιολόγηση Αποτελεσµατικότητας Ανάκτησης) Άσκηση 1 (4 βαθµοί) Θεωρείστε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ Τελικές Εξετάσεις 8 Σεπτεµβρίου 005 ιάρκεια εξέτασης: 3 ώρες (:00-4:00 ΘΕΜΑ ο (.5 Το παράδοξο

Διαβάστε περισσότερα

Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α

Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΘΕΜΑ Α ΕΚΦΩΝΗΣΕΙΣ Α. Έστω µια συνάρτηση f παραγωγίσιµη σ ένα διάστηµα (α, β), µε εξαίρεση ίσως ένα σηµείο του, στο

Διαβάστε περισσότερα

ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ

ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ http://www.economics.edu.gr 1 ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΚΕΦΑΛΑΙΟ 1 ο : ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΣΚΗΣΕΙΣ ΥΠΟ ΕΙΓΜΑΤΑ ( τρόποι επίλυσης παρατηρήσεις σχόλια ) ΑΣΚΗΣΗ 1 Έστω ο πίνακας παραγωγικών δυνατοτήτων µιας

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΑΠΑΝΤΗΣΕΙΣ Α ΕΡΓΑΣΙΑΣ. ( 8 µον.) Η άσκηση αυτή αναφέρεται σε διαιρετότητα και ρίζες πολυωνύµων. a. Να λυθεί η εξίσωση

Διαβάστε περισσότερα

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Κουγιουμτζής Δημήτρης Τμήμα Πολιτικών Μηχανικών Α.Π.Θ. Θεσσαλονίκη, Μάρτιος 4 Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Ασκήσεις μελέτης της 6 ης διάλεξης

Ασκήσεις μελέτης της 6 ης διάλεξης Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 6 ης διάλεξης 6.1. (α) Το mini-score-3 παίζεται όπως το score-4,

Διαβάστε περισσότερα

E3 ΠΛΕΟΝΑΣΜΑΤΑ 1.Πλεόνασµα καταναλωτή 2.Πλεόνασµα προµηθευτή 3.Συνολικό πλεόνασµα

E3 ΠΛΕΟΝΑΣΜΑΤΑ 1.Πλεόνασµα καταναλωτή 2.Πλεόνασµα προµηθευτή 3.Συνολικό πλεόνασµα E3 ΠΛΕΟΝΑΣΜΑΤΑ.Πλεόνασµα καταναλωτή 2.Πλεόνασµα προµηθευτή 3.Συνολικό πλεόνασµα. Πλεόνασµα καταναλωτή Η αντίστροφη συνάρτηση ζήτησης: = () έχει καταρχήν την γνωστή ερµηνεία όπου είναι η µοναδιαία τιµή

Διαβάστε περισσότερα

Ηθικός Κίνδυνος. Το βασικό υπόδειγμα. Παρουσιάζεται ένα στοχαστικό πρόβλημα χρηματοδότησης όταν τα αντισυμβαλλόμενα μέρη έχουν συμμετρική πληροφόρηση.

Ηθικός Κίνδυνος. Το βασικό υπόδειγμα. Παρουσιάζεται ένα στοχαστικό πρόβλημα χρηματοδότησης όταν τα αντισυμβαλλόμενα μέρη έχουν συμμετρική πληροφόρηση. Ηθικός Κίνδυνος Παρουσιάζεται ένα στοχαστικό πρόβλημα χρηματοδότησης όταν τα αντισυμβαλλόμενα μέρη έχουν συμμετρική πληροφόρηση Το βασικό υπόδειγμα Θεωρείστε την περίπτωση κατά την οποία μια επιχείρηση

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ. Ι. Προσδιοριστικά Μοντέλα αποθεµάτων

ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ. Ι. Προσδιοριστικά Μοντέλα αποθεµάτων ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ Οι αποφάσεις σχετικά µε την διαχείριση ή «πολιτική» των αποθεµάτων που πρέπει να πάρει κάποιος, ασχολείται µε το «πόσο» πρέπει να παραγγείλει (ή να παράγει) και «πότε» να παραγγείλει

Διαβάστε περισσότερα

Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων & Οργανισμών Θεματική Ενότητα: ΔΕΟ 41 Αγορές Χρήματος & Κεφαλαίου. Ακαδημαϊκό έτος:

Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων & Οργανισμών Θεματική Ενότητα: ΔΕΟ 41 Αγορές Χρήματος & Κεφαλαίου. Ακαδημαϊκό έτος: Πρόγραμμα Σπουδών: Διοίκηση Επιχειρήσεων & Οργανισμών Θεματική Ενότητα: ΔΕΟ 41 Αγορές Χρήματος & Κεφαλαίου Ακαδημαϊκό έτος: 2017 2018 Ασκήσεις 3 ης ΟΣΣ Άσκηση 1 η. Έστω οι προσδοκώμενες αποδόσεις και ο

Διαβάστε περισσότερα

(365)(364)(363)...(365 n + 1) (365) k

(365)(364)(363)...(365 n + 1) (365) k ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : 21//2016 Ηµεροµηνία Παράδοσης :

Διαβάστε περισσότερα

Η παρούσα αξία της επένδυσης αν αυτή υλοποιηθεί άµεσα είναι 0 K 0 1 K

Η παρούσα αξία της επένδυσης αν αυτή υλοποιηθεί άµεσα είναι 0 K 0 1 K 6. Αβεβαιότητα και µη Αναστρέψιµες Επενδύσεις Στην περίπτωση που µία επένδυση δεν µπορεί να αντιστραφεί χωρίς κόστος, δηλαδή αφού έχει πραγµατοποιηθεί η αγορά κεφαλαιακού εξοπλισµού, κατασκευή κτηρίων

Διαβάστε περισσότερα

( ) ΘΕΜΑ 1 κανονική κατανομή

( ) ΘΕΜΑ 1 κανονική κατανομή ΘΕΜΑ 1 κανονική κατανομή Υποθέτουμε ότι τα εβδομαδιαία έσοδα μιας επιχείρησης ακολουθούν την κανονική κατανομή με μέση τιμή 1000 και τυπική απόκλιση 15. α. Ποια η πιθανότητα i. η επιχείρηση να έχει έσοδα

Διαβάστε περισσότερα

3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ

3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ . Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η ΓΡΑΦΙΚΗ ΕΠΙΛΥΣΗ ΤΟΥ ΘΕΩΡΙΑ. Γραµµικό σύστηµα δύο εξισώσεων µε δύο αγνώστους Είναι ένα σύνολο δύο γραµµικών εξισώσεων µε δύο αγνώστους και των οποίων αναζητούµε

Διαβάστε περισσότερα

Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων

Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων Περιεχόμενα (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων 1. Ανάλυση ευαισθησίας Λυμένο παράδειγμα 7 από το βιβλίο, σελ.85, λύση σελ.328

Διαβάστε περισσότερα

Κεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ

Κεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ Κεφάλαιο ο Μεικτές Στρατηγικές Τώρα θα δούµε ένα παράδειγµα στο οποίο κάθε παίχτης έχει τρεις στρατηγικές. Αυτό θα µπορούσε να είναι η µορφή που παίρνει κάποιος µετά που έχει απαλείψει όλες τις αυστηρά

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΕΠΤΕΜΒΡΙΟΣ 2008 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΜΑ 1 ο Σε μία γειτονιά, η ζήτηση ψωμιού η οποία ανέρχεται σε 1400 φραντζόλες ημερησίως,

Διαβάστε περισσότερα

Λύσεις 2ης Ομάδας Ασκήσεων

Λύσεις 2ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. (Μπάλες Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ (αʹ Έστω A το ενδεχόμενο να επιλέξουμε τουλάχιστον μια άσπρη μπάλα. Θα υπολογίσουμε

Διαβάστε περισσότερα

P (A) = 1/2, P (B) = 1/2, P (C) = 1/9

P (A) = 1/2, P (B) = 1/2, P (C) = 1/9 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-1: Πιθανότητες - Χειµερινό Εξάµηνο 011 ιδάσκων : Π. Τσακαλίδης Λύσεις εύτερης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : /11/011 Ηµεροµηνία Παράδοσης : 1/11/011

Διαβάστε περισσότερα

Αξιολόγηση και επιλογή δράσης (έργου)

Αξιολόγηση και επιλογή δράσης (έργου) Αξιολόγηση και επιλογή δράσης (έργου) Η διαδικασία για αξιολόγηση ξεχωριστών δράσεων, έργων ή ομάδων έργων και η επιλογή υλοποίησης μερικών από αυτών, για την επίτευξη του αντικειμενικού σκοπού της επιχείρησης.

Διαβάστε περισσότερα

( p) (1) (2) ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ. Α.Α.Δράκος

( p) (1) (2) ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ. Α.Α.Δράκος ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΣΗΜΕΙΩΣΕΙΣ ΔΙΔΑΣΚΟΝΤΑ ΣΤΗ ΧΡΗΜΑΤΟΔΟΤΙΚΗ ΔΙΟΙΚΗΣΗ Δράκος 4-5 4.) ΠΛΗΘΩΡΙΣΜΟΣ ΚΑΙ ΚΙΝΔΥΝΟΣ ΣΤΗΝ ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ 4.. ΑΞΙΟΛΟΓΗΣΗ

Διαβάστε περισσότερα

35 = (7+ 109) =

35 = (7+ 109) = Άλγεβρα Α Λυείου Στεφανής Παναγιώτης Συνδυαστιές Ασήσεις Ασήσεις δηµοσιευµένες στο περιοδιό τεύχος 8 Άσηση α) Να δείξετε ότι: 7 + + + +... + 9 = β) Να λυθεί η ανίσωση: 7 7x + x + x +... +

Διαβάστε περισσότερα