Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων."

Transcript

1 Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων. 1. Έστω F X, F Y οι συναρτήσεις κατανομής των τ.μ. X, Y και F X,Y η από κοινού συνάρτηση κατανομής τους. Αποδείξτε ότι (i) lim + F X,Y (, ) = F X (), lim F X,Y (, ) = 0. (ii) lim + F X,Y (, ) = F Y (), lim F X,Y (, ) = 0. (iii) lim + F X,Y (, ) = F X,Y (, ). (iv) lim + F X,Y (, ) = F X,Y (, ). (v) lim F X,Y (, ) = F X,Y (, ) P (X =, Y ). (vi) lim F X,Y (, ) = F X,Y (, ) P (X, Y = ). (i) Έστω ( n ) οποιαδήποτε αύξουσα ακολουθία στο R με n +. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω), Y (ω) n } και A = {ω Ω X(ω) }. Τότε A n A n+1 για κάθε n και + n=1 A n = A. F X,Y (, n ) = P (X, Y n ) = P (A n ) P (A) = P (X ) = F X (). lim + F X,Y (, ) = F X (). Έστω ( n ) οποιαδήποτε φθίνουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n όπως πριν και τότε A n+1 A n για κάθε n και + n=1 A n =. F X,Y (, n ) = P (X, Y n ) = P (A n ) P ( ) = 0. lim F X,Y (, ) = 0. (ii) Ομοίως. (iii) Έστω ( n ) οποιαδήποτε φθίνουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω) n, Y (ω) } και A = {ω Ω X(ω), Y (ω) }. Τότε A n+1 A n για κάθε n και + n=1 A n = A. F X,Y ( n, ) = P (X n, Y ) = P (A n ) P (A) = P (X, Y ) = F X,Y (, ). lim + F X,Y (, ) = F X,Y (, ). (iv) Ομοίως. (v) Έστω ( n ) οποιαδήποτε αύξουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω) n, Y (ω) } και A = {ω Ω X(ω), Y (ω) }, B = {ω Ω X(ω) <, Y (ω) }, C = {ω Ω X(ω) =, Y (ω) }. Τότε A n A n+1 για κάθε n και + n=1 A n = B. A = B C και B C =. F X,Y ( n, ) = P (X n, Y ) = P (A n ) P (B) = P (A) P (C) = P (X, Y ) P (X =, Y ) = F X,Y (, ) P (X =, Y ). lim F X,Y (, ) = F X,Y (, ) P (X =, Y ). (vi) Ομοίως. { 1, αν Θεωρήστε την συνάρτηση F (, ) = Είναι η F συνάρτηση κατανομής 0, αν + < 0 μιας διδιάστατης τυχαίας μεταβλητής; Αν η F είναι συνάρτηση κατανομής μιας διδιάστατης τυχαίας μεταβλητής, τότε για κάθε ορθογώνιο [a, b] [c, d] ισχύει Αυτό δεν ισχύει για το [ 1, 1] [ 1, 1]. 0 F (b, d) F (a, d) F (b, c) + F (a, c) 1. 1

2 3. Ρίχνουμε δύο φορές ένα ζάρι και θεωρούμε το ζεύγος (i, j) των πιθανών ενδείξεων. Έστω X = i + j και Y = i j. (i) Είναι η (X, Y ) διακριτή; Βρείτε την απο κοινού συνάρτηση πιθανότητας f X,Y των X, Y. (ii) Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(X Y ) και υπολογίστε την E(E(X Y )). (iii) Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(Y X) και υπολογίστε την E(E(Y X)). (iv) Υπολογίστε τις E(X + Y ), Var(X + Y ), Cov(X, Y ). (i) Το σύνολο των πιθανών τιμών της X είναι το A 0 = {2, 3,..., 11, 12} και το σύνολο των πιθανών τιμών της Y είναι το B 0 = { 5, 4,..., 4, 5}. η (X, Y ) είναι διακριτή και το σύνολο των πιθανών τιμών της είναι το A 0 B 0. Στην πραγματικότητα, το σύνολο των πιθανών τιμών της (X, Y ) είναι μικρότερο από το A 0 B 0. Για παράδειγμα, το μοναδικό πιθανό ζευγάρι της μορφής (2, ) είναι το (2, 0). Τελικά το σύνολο πιθανών τιμών περιορίζεται στο C 0 = {(2, 0), (3, 1), (3, 1), (4, 2), (4, 0), (4, 2), (5, 3), (5, 1), (5, 1), (5, 3), (, 4), (, 2), (, 0), (, 2), (, 4), (7, 5), (7, 3), (7, 1), (7, 1), (7, 3), (7, 5), (8, 4), (8, 2), (8, 0), (8, 2), (8, 4), (9, 3), (9, 1), (9, 1), (9, 3), (10, 2), (10, 0), (10, 2), (11, 1), (11, 1), (12, 0)}. Κάθε άλλο ζευγάρι (, ) A 0 B 0 πιάνεται με πιθανότητα ίση με 0. Αν (, ) C 0, τότε το ενδεχόμενο X =, Y = είναι το ίδιο με το ενδεχόμενο i = + 2, j = 2. ( f X,Y (, ) = P (X =, Y = ) = P i = + 2 (ii) Για τις περιθώριες συναρτήσεις πιθανότητας έχουμε, j = ) = f X () = f X,Y (, ), f Y () = f X,Y (, ). f X (2) = f X,Y (2, 0) = 1/3. f X (3) = f X,Y (3, 1) + f X,Y (3, 1) = 2/3. f X (4) = f X,Y (4, 2) + f X,Y (4, 0) + f X,Y (4, 2) = 3/3. f X (5) = f X,Y (5, 3) + f X,Y (5, 1) + f X,Y (5, 1) + f X,Y (5, 3) = 4/3. f X () = f X,Y (, 4) + f X,Y (, 2) + f X,Y (, 0) + f X,Y (, 2) + f X,Y (, 4) = 5/3. f X (7) = f X,Y (7, 5) + f X,Y (7, 3) + f X,Y (7, 1) + f X,Y (7, 1) + f X,Y (7, 3) + f X,Y (7, 5) = /3. f X (8) = f X,Y (8, 4) + f X,Y (8, 2) + f X,Y (8, 0) + f X,Y (8, 2) + f X,Y (8, 4) = 5/3. f X (9) = f X,Y (9, 3) + f X,Y (9, 1) + f X,Y (9, 1) + f X,Y (9, 3) = 4/3. f X (10) = f X,Y (10, 2) + f X,Y (10, 0) + f X,Y (10, 2) = 3/3. f X (11) = f X,Y (11, 1) + f X,Y (11, 1) = 2/3. f X (12) = f X,Y (12, 0) = 1/3. 2

3 Ομοίως, f Y ( 5) = f X,Y (7, 5) = 1/3. f Y ( 4) = f X,Y (, 4) + f X,Y (8, 4) = 2/3. f Y ( 3) = f X,Y (5, 3) + f X,Y (7, 3) + f X,Y (9, 3) = 3/3. f Y ( 2) = f X,Y (4, 2) + f X,Y (, 2) + f X,Y (8, 2) + f X,Y (10, 2) = 4/3. f Y ( 1) = f X,Y (3, 1) + f X,Y (5, 1) + f X,Y (7, 1) + f X,Y (9, 1) + f X,Y (11, 1) = 5/3. f Y (0) = f X,Y (2, 0) + f X,Y (4, 0) + f X,Y (, 0) + f X,Y (8, 0) + f X,Y (10, 0) + f X,Y (12, 0) = /3. f Y (1) = f X,Y (3, 1) + f X,Y (5, 1) + f X,Y (7, 1) + f X,Y (9, 1) + f X,Y (11, 1) = 5/3. f Y (2) = f X,Y (4, 2) + f X,Y (, 2) + f X,Y (8, 2) + f X,Y (10, 2) = 4/3. f Y (3) = f X,Y (5, 3) + f X,Y (7, 3) + f X,Y (9, 3) = 3/3. f Y (4) = f X,Y (, 4) + f X,Y (8, 4) = 2/3. f Y (5) = f X,Y (7, 5) = 1/3. Η τ.μ. E(X Y ) έχει τιμές E(X Y = ) = f X Y ( ) = / f X,Y (, ) f Y () με αντίστοιχη πιθανότητα f Y (). Κάνοντας πράξεις: E(X Y = 5) = ( 7f X,Y (7, 5) ) 3 = 7. E(X Y = 4) = ( f X,Y (, 4) + 8f X,Y (8, 4) ) 3/2 = 7. E(X Y = 3) = ( 5f X,Y (5, 3) + 7f X,Y (7, 3) + 9f X,Y (9, 3) ) 3/3 = 7. E(X Y = 2) = ( 4f X,Y (4, 2) + f X,Y (, 2) + 8f X,Y (8, 2) + 10f X,Y (10, 2) ) 3/4 = 7. E(X Y = 1) = ( 3f X,Y (3, 1) + 5f X,Y (5, 1) + 7f X,Y (7, 1) + 9f X,Y (9, 1) + 11f X,Y (11, 1) ) 3/5 = 7. E(X Y = 0) = ( 2f X,Y (2, 0) + 4f X,Y (4, 0) + f X,Y (, 0) + 8f X,Y (8, 0) + 10f X,Y (10, 0) + 12f X,Y (12, 0) ) 3/ = 7. E(X Y = 1) = ( 3f X,Y (3, 1) + 5f X,Y (5, 1) + 7f X,Y (7, 1) + 9f X,Y (9, 1) + 11f X,Y (11, 1) ) 3/5 = 7. E(X Y = 2) = ( 4f X,Y (4, 2) + f X,Y (, 2) + 8f X,Y (8, 2) + 10f X,Y (10, 2) ) 3/4 = 7. E(X Y = 3) = ( 5f X,Y (5, 3) + 7f X,Y (7, 3) + 9f X,Y (9, 3) ) 3/3 = 7. E(X Y = 4) = ( f X,Y (, 4) + 8f X,Y (8, 4) ) 3/2 = 7. E(X Y = 5) = ( 7f X,Y (7, 5) ) 3 = 7. η τ.μ. E(X Y ) έχει μόνο μία πιθανή τιμή, την 7. Επομένως, E(E(X Y )) = 7. Η E(E(X Y )) μπορεί να υπολογιστεί και αλλιώς: E(E(X Y )) = E(X) = f X () = 2f X (2)+3f X (3)+ +11f X (11)+12f X (12) = 7. (iii) Ομοίως. (iv) Έχουμε: E(X) = f X () = 2f X (2) + 3f X (3) f X (11) + 12f X (12) = 7. 3

4 E(Y ) = Var(X) = f Y () = ( 5)f Y ( 5) + ( 4)f Y ( 4) + + 4f Y (4) + 5f Y (5) = 0. E(X + Y ) = E(X) + E(Y ) = = 7. ( E(X)) 2 f X () = (2 7) 2 f X (2) + (3 7) 2 f X (3) + + (11 7) 2 f X (11) + (12 7) 2 f X (12) = 35/. Var(Y ) = ( E(Y )) 2 f Y () = ( 5) 2 f Y ( 5) + ( 4) 2 f Y ( 4) f Y (4) f Y (5) = 35/. Τέλος, Cov(X, Y ) = E ( (X E(X))(Y E(Y )) ) = ( E(X))( E(Y ))f X,Y (, )., Κάνοντας πράξεις, βρίσκουμε Cov(X, Y ) = 0. Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ) = 35/3. 4. Όπως στο προηγούμενο πρόβλημα, αλλά με X = i και Y = ma{i, j}. Η λύση είναι παρόμοια με του προηγούμενου προβλήματος. 5. Η συνάρτηση πιθανότητας της δ.τ.μ. (X, Y ) είναι η f X,Y (, ) = + 2 c για, = 1, 2, 3, όπου c > 0 είναι μια σταθερά. (i) Υπολογίσετε την c. (ii) Βρείτε τις περιθώριες συναρτήσεις πιθανότητας f X () και f Y (). (iii) Βρείτε την δεσμευμένη συνάρτηση πιθανότητας f X Y ( ). Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(X Y ) και υπολογίστε την E(E(X Y )). (iv) Υπολογίστε τις E(X + Y ), Var(X + Y ), Cov(X, Y ). (i) Υπολογίζουμε f X,Y (, ) = 1 ( + 2) = c c., Επειδή πρέπει να ισχύει, f X,Y (, ) = 1, συνεπάγεται c =. (ii) Ισχύει f X () = f X,Y (, ) = 1 ( + 2) = για = 1, 2, 3. f Y () = f X,Y (, ) = 1 ( + 2) = για = 1, 2, 3. Οι τιμές της E(X Y ) είναι E(X Y = ) = f X Y ( ) = f X,Y (, ) f Y () f X Y ( ) =, = ( + 2) 3 για, = 1, 2, 3. = για = 1, 2, 3

5 με αντίστοιχες πιθανότητες f Y () =. E(E(X Y )) = E(X Y = )f Y () = = 1 ( + 2) = 7/3. Ο υπολογισμός της E(E(X Y )) γίνεται και ως εξής: E(E(X Y )) = E(X) = f X () = 2 = 7/3. (iv) Είδαμε ότι E(X) = 7/3 και ομοίως E(Y ) = 7/3. E(X + Y ) = E(X) + E(X) = 14/3. E(X 2 ) = 2 f X () = 1 3 = οπότε Var(X) = E(X 2 ) E(X) 2 = 5/9. Ομοίως, Var(Y ) = 5/9. E(XY ) = f X,Y (, ) = 1, ( + 2) = 1/3., και Cov(X, Y ) = E(XY ) E(X)E(Y ) = 1/9 Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ) = 8/9.. Έστω ότι η δ.τ.μ. Y ακολουθεί την κατανομή Poisson με παράμετρο λ και ότι η δεσμευμένη συνάρτηση πιθανότητας της δ.τ.μ. X όταν γνωρίζουμε ότι Y = είναι δυωνυμική με παραμέτρους, p. Βρείτε την κατανομή της X. Κατ αρχάς, f X,Y (, ) = f X Y ( )f Y () = ( )p (1 p) λ λ e! = e λ (λp)! (λ(1 p)) ( )! για = 0, 1, 2,... και = 0, 1,...,. f X () = + = λ (λp) = e! λ (λp) + (λ(1 p)) f X,Y (, ) = e! ( )! = + =0 (λ(1 p))! λ (λp) = e e λ(1 p) λp (λp) = e!! για = 0, 1, 2,.... Δηλαδή, η X ακολουθεί την κατανομή Poisson με παράμετρο λp. 5

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του πέμπτου φυλλαδίου ασκήσεων.. Δηλαδή:

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του πέμπτου φυλλαδίου ασκήσεων.. Δηλαδή: Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 2017-18 Λύσεις του πέμπτου φυλλαδίου ασκήσεων 1 Σε ένα πρόβλημα πολλαπλής επιλογής προτείνονται n απαντήσεις από τις οποίες μόνο μία είναι σωστή Αν η σωστή απάντηση κερδίζει

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων.

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων. Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 207-8 Λύσεις του τέταρτου φυλλαδίου ασκήσεων 2 2 = 8 Ίδια Ρίχνουμε ένα νόμισμα τρεις φορές και θεωρούμε το ενδεχόμενο να προκύψουν και οι δυο όψεις του νομίσματος καθώς

Διαβάστε περισσότερα

Λύσεις 4ης Ομάδας Ασκήσεων

Λύσεις 4ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. Ζυγοβίστι Λύσεις 4ης Ομάδας Ασκήσεων Τμήμα Α Λ αʹ Το συνολικό πλήθος των τερμάτων που θα σημειωθούν είναι X + Y, και η μέση

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 εκεµβρίου 29 5.1. Στο τυχαίο πείραµα της ϱίψης δύο διακεκριµένων κύβων έστω X η ένδειξη του πρώτου κύβου και Y η µεγαλύτερη από τις δύο ενδείξεις. Να προσδιορισθούν

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 11 Ιανουαρίου 21 Η δεσµευµένη µέση τιµή µιας τυχαίας µεταβλητής Y σε δεδοµένο σηµείο µιας άλλης τυχαίας µεταϐλητής X = x, συµϐολιϲόµενη

Διαβάστε περισσότερα

x P (x) c P (x) = c P (x), x S : x c

x P (x) c P (x) = c P (x), x S : x c Κεφάλαιο 9 Ανισότητες, από κοινού κατανομή, Νόμος των Μεγάλων Αριθμών 9.1 Ανισότητες Markov και Chebychev Ξεκινάμε αυτό το κεφάλαιο με δύο σημαντικά αποτελέσματα τα οποία, πέραν της μεγάλης χρησιμότητάς

Διαβάστε περισσότερα

Περιεχόμενα. Ιδιότητες του cov(x, Y) Ιδιότητες των εκτιμητών Παράδειγμα. 1 Συσχέτιση Μεταβλητών. 2 Εκτιμητές και κατάλοιπα

Περιεχόμενα. Ιδιότητες του cov(x, Y) Ιδιότητες των εκτιμητών Παράδειγμα. 1 Συσχέτιση Μεταβλητών. 2 Εκτιμητές και κατάλοιπα Περιεχόμενα 1 Συσχέτιση Μεταβλητών Ιδιότητες του cov(x, Y 2 Ιδιότητες των εκτιμητών BEΠ (UPatras Γραμμικά Μοντέλα 4η, 5η Διάλεξη, 2018-19 1 / 12 Συσχέτιση Μεταβλητών Ιδιότητες του cov(x, Y Ένα μέτρο της

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς ΙΙ Πειραιάς 2007 1 2 Από κοινού συνάρτηση πυκνότητας μιας δισδιάστατης συνεχούς τυχαίας μεταβλητής Μία διδιάστατη συνεχής τυχαία μεταβλητή

Διαβάστε περισσότερα

c(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3

c(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3 Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών Θεωρία Πιθανοτήτων ιδάσκων : Π. Τσακαλίδης Λύσεις Τελικής Εξέτασης - 9 Ιανουαρίου 05 Θέµα. α Η γραφική παράσταση της σ.π.π. f X x ϕαίνεται στο σχήµα :

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Είδη τυχαίων διανυσµάτων 1. ιακριτού τύπου X = (X 1, X 2,...,X k ) ονοµάζεται διακριτό τυχαίο διάνυσµα αν το πεδίο τιµών του είναι της µορφής, S = {x 1 x 2 n,,...,x,...}.

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του έβδομου φυλλαδίου ασκήσεων. f X (t) dt για κάθε x. F Y (y) = P (Y y) = P X y b ) a.

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του έβδομου φυλλαδίου ασκήσεων. f X (t) dt για κάθε x. F Y (y) = P (Y y) = P X y b ) a. Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 207- Λύσεις του έβδομου φυλλαδίου ασκήσεων Αν η συνεχής τμ X έχει συνάρτηση κατανομής F X και συνάρτηση πυκνότητας πιθανότητας f X, να βρείτε τις αντίστοιχες συναρτήσεις

Διαβάστε περισσότερα

p(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49

p(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 206-207 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Από κοινού συναρτήσεις Τυχαίων Μεταβλητών Επιµέλεια : Κατερίνα Καραγιαννάκη

Διαβάστε περισσότερα

Μέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 )

Μέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 ) Μέρος IV Πολυδιάστατες τυχαίες μεταβλητές Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Παν. Ιωαννίνων Δ5 ( ) Πολυδιάστατες μεταβλητές Πολλά ποσοτικά χαρακτηριστικά που σχετίζονται με

Διαβάστε περισσότερα

X i = Y = X 1 + X X N.

X i = Y = X 1 + X X N. Κεφάλαιο 6 Διακριτές τυχαίες μεταβλητές Σε σύνθετα προβλήματα των πιθανοτήτων, όπως π.χ. σε προβλήματα ανάλυσης πολύπλοκων δικτύων ή στη στατιστική ανάλυση μεγάλων δεδομένων, η λεπτομερής, στοιχείο-προς-στοιχείο

Διαβάστε περισσότερα

12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4

12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4 Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων: Π. Τσακαλίδης Λύσεις 6ης Σειρά Ασκήσεων Ασκηση. α) Η περιθωριακή σ.π.π. της f X,Y για την τ.µ X γίνεται:

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4.

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4. Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 207-8. Λύσεις του φυλλαδίου ασκήσεων επανάληψης.. Αν P (A) / και P (A B) /4, βρείτε την ελάχιστη δυνατή και την μέγιστη δυνατή τιμή της P (B). Το B καλύπτει οπωσδήποτε

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

Βιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017 Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 17 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 16 εκεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ενδιαφέρον τόσο από ϑεωρητική άποψη, όσο και από άποψη εφαρµογών, παρουσιάζει και η από κοινού µελέτη

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι

Διαβάστε περισσότερα

200, δηλαδή : 1 p Y (y) = 0, αλλού

200, δηλαδή : 1 p Y (y) = 0, αλλού ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο 05 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 6 ιακριτές Τυχαίες Μεταβλητές Επιµέλεια : Σοφία Σαββάκη Ασκηση. Η εταιρεία

Διαβάστε περισσότερα

4. Απαγορεύεται η χρήση υπολογιστή χειρός. Απαγορεύεται η χρήση κινητού, και ως υπολογιστή χειρός.

4. Απαγορεύεται η χρήση υπολογιστή χειρός. Απαγορεύεται η χρήση κινητού, και ως υπολογιστή χειρός. ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ, ΙΩΑΝΝΗΣ ΚΟΝΤΟΓΙΑΝΝΗΣ, ΣΤΑΥΡΟΣ ΤΟΥΜΠΗΣ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ, ΙΟΥΝΙΟΣ 207 ΟΝΟΜΑ ΦΟΙΤΗΤΗ:.............................. Οδηγίες. Συμπληρώστε το όνομά

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156

Βιομαθηματικά BIO-156 Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 013 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο

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

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

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 5 η : Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών

Διαβάστε περισσότερα

c(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28

c(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28 Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων : Π. Τσακαλίδης Λύσεις 6ης Σειρά Ασκήσεων Ασκηση. (α) Εχουµε ότι : 6 5 x= y= 6 x= 6 x= c(x + y)dxdy = ) c

Διαβάστε περισσότερα

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ] Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

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

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 21 εκεµβρίου 2009 ΑΝΕΞΑΡΤΗΣΙΑ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Ορισµός (α) Εστω (X, Y) διακριτή διδιάστατη τυχαία µεταβλητή µε συνάρτηση πιθανότητας

Διαβάστε περισσότερα

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο

Διαβάστε περισσότερα

Pr (a X b, c Y d) = c. f XY (x, y) dx dy, (15.1) Pr ((X, Y ) R) = f XY (x, y) dx dy. (15.2)

Pr (a X b, c Y d) = c. f XY (x, y) dx dy, (15.1) Pr ((X, Y ) R) = f XY (x, y) dx dy. (15.2) Κεφάλαιο 5 Συνεχής από κοινού κατανομή Στα Κεφάλαια 9 έως συναντήσαμε μια σειρά ιδιοτήτων της από κοινού κατανομής δύο ή περισσοτέρων διακριτών Τ.Μ. Εδώ θα αναπτύξουμε τις αντίστοιχες ιδιότητες για συνεχείς

Διαβάστε περισσότερα

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

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

Διαβάστε περισσότερα

Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50

Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50 Άσκηση 1 η 1 η Εργασία ΔΙΠ50 Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50 Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών

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

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ Στα πλαίσια του προπτυχιακού μαθήματος Χρονικές σειρές Τμήμα μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα 1 Μονοδιάστατες τυχαίες μεταβλητές Τυχαία μεταβλητή είναι

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια) (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 Νοεµβρίου 2009 Γεωµετρική κατανοµή Ορισµός Εστω X ο αριθµός των δοκιµών µέχρι την πρώτη επιτυχία σε µια ακολουθία ανεξαρτήτων δοκιµών Bernoulli µε πιθανότητα επιτυχίας

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

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

Διαβάστε περισσότερα

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-27: Πιθανότητες-Χειµερινό Εξάµηνο 205- ιδάσκων : Π. Τσακαλίδης Λύσεις Τέταρτης Σειράς Ασκήσεων Ασκηση. (αʹ) Σύµφωνα µε το αξίωµα της κανονικοποίησης,

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 205 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Κατερίνα Καραγιαννάκη Ασκηση. Η τυχαία µεταβλητή X έχει αθροιστική

Διαβάστε περισσότερα

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5 5ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

f X,Y (x, y)dxdy = 1,

f X,Y (x, y)dxdy = 1, Πιθανότητες και Στατιστική Ενότητα 5: Πολυδιάστατες τυχαίες μεταβλητές Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Αθήνα 2015 Διδιάστατη συνεχής τ.μ. Διδιάστατη συνεχής τ.μ. Μια διδιάστατη

Διαβάστε περισσότερα

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 30 Περιεχόμενα

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

P (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 =

P (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 = Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-217 - Θεωρία Πιθανοτήτων ιδάσκων : Π. Τσακαλίδης Λύσεις Προόδου- 22 Νοεµβρίου 2014 Θέµα 1 - (15 µονάδες) Εχουµε ότι : P (C A B) P (C (A B)) P (CA CB)

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 2016-2017 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegean.gr Τηλ: 2271035468

Διαβάστε περισσότερα

P (M = 9) = e 9! =

P (M = 9) = e 9! = Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης 5ο Φροντιστήριο Ασκηση 1. ύο ποµποί ο Α και ο Β στέλνουν ανεξάρτητα

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010 ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 1 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα 1 Θέμα Θέμα 3 Θέμα 4 Θέμα 5 Θέμα 5* Βαθμός ΝΠΣ ΠΠΣ / / / / / /1 / / / / / / /1 ΘΕΜΑ 1: Στο ράφι

Διαβάστε περισσότερα

Τυχαίες μεταβλητές και μέση τιμή

Τυχαίες μεταβλητές και μέση τιμή Κεφάλαιο 12 Τυχαίες μεταβλητές και μέση τιμή Κύριες βιβλιογραφικές αναφορές για αυτό το Κεφάλαιο είναι οι Ross 1976, Grinstead and Snell 2012 και Hoel, Port, and Stone 1971. 12.1 Τυχαίες μεταβλητές και

Διαβάστε περισσότερα

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι: Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Τυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος.

Τυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος. ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Τυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος. Εναλλακτικά η τιμή της τυχαίας μεταβλητής είναι ένα αριθμητικό γεγονός.

Διαβάστε περισσότερα

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a) Κεφάλαιο 11 Συνεχείς κατανομές και ο Ν.Μ.Α. Στο προηγούμενο κεφάλαιο ορίσαμε την έννοια της συνεχούς τυχαίας μεταβλητής, και είδαμε τις βασικές της ιδιότητες. Εδώ θα περιγράψουμε κάποιους ιδιαίτερους τύπους

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

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

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

Διαβάστε περισσότερα

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 28 ιδάσκων: Π. Τσακαλίδης Λύσεις Εβδοµης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης: 3/2/28 Ηµεροµηνία Παράδοσης: 7/2/28

Διαβάστε περισσότερα

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { } Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το

Διαβάστε περισσότερα

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2) Κεφάλαιο 10 Συνεχείς τυχαίες μεταβλητές Σε αυτό το κεφάλαιο θα εξετάσουμε τις ιδιότητες που έχουν οι συνεχείς τυχαίες μεταβλητές. Εκείνες οι Τ.Μ. X, δηλαδή, των οποίων το σύνολο τιμών δεν είναι διακριτό,

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.

Διαβάστε περισσότερα

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ Περιεχόμενα Προειδοποίηση 2 2 Συνδυαστική 3 3 Αξιωματική Πιθανότητα 5 4 Δεσμευμένη Πιθανότητα 7 5 Τυχαίες

Διαβάστε περισσότερα

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B) Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { } Ορισμός : Η συνάρτηση : Ω είναι μετρήσιμη εάν B B B B = ω Ω : ω B = B { όπου { { Μία μετρήσιμη συνάρτηση : Ω ονομάζεται τυχαία μεταβλητή Ορισμός: Ο χώρος καταστάσεων της τυχαίας μεταβλητής : Ω είναι το

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

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

17/10/2016. Στατιστική Ι. 3 η Διάλεξη Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε

Διαβάστε περισσότερα

Διάλεξη 5: Τυχαία Μεταβλητή Κατανομές Πιθανότητας

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

Διαβάστε περισσότερα

Δειγματικές Κατανομές

Δειγματικές Κατανομές Δειγματικές Κατανομές Στατιστική συνάρτηση ή στατιστική Δειγματική κατανομή - Εκτιμητής Τα άγνωστα στοιχεία του πληθυσμού λέγονται παράμετροι. Τα συμπεράσματα για μια παράμετρο εξάγονται με τη βοήθεια

Διαβάστε περισσότερα

P( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1

P( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο ιδάσκων: Π. Τσακαλίδης 9ο Φροντιστήριο Επιµέλεια: Κωνσταντίνα Φωτιάδου Ασκηση. Η τ.µ. X ακολουθεί την κανονική κατανοµή

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας

Διαβάστε περισσότερα

Τυχαία Διανύσματα και Ανεξαρτησία

Τυχαία Διανύσματα και Ανεξαρτησία Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα

Διαβάστε περισσότερα

Στατιστική Ι-Θεωρητικές Κατανομές Ι

Στατιστική Ι-Θεωρητικές Κατανομές Ι Στατιστική Ι-Θεωρητικές Κατανομές Ι Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 12 Δεκεμβρίου 2012 Περιγραφή 1 Θεωρητικές Κατανομές Η Χρήση των Θεωρητικών

Διαβάστε περισσότερα

ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014

ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014 ΘΕΜΑ Α A1. Αν η συνάρτηση f είναι παραγωγίσιμη στο R και c σταθερός πραγματικός αριθμός, να αποδείξετε με τη χρήση του ορισμού της παραγώγου ότι (c f (x)) = c f (x), για κάθε x R Μονάδες 7 A2. Πότε μια

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q Πιθανότητες και Αρχές Στατιστικής (7η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας.

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

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q 7ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 7ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές (τ.µ.)

Τυχαίες Μεταβλητές (τ.µ.) Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ Τµ. Επιστήµης των Υλικών ειγµατοληψία Με ιάταξη ειγµατοληψία Χωρίς ιάταξη Χωρίς Επανατοποθέτηση (n)k Με Επανατοποθέτηση n k Χωρίς Επανατοποθέτηση ( n k) Με Επανατοποθέτηση ( n+k 1 ) k ειγµατοληψία Με ιάταξη

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 1. Κοκολάκης Γεώργιος

Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 1. Κοκολάκης Γεώργιος Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Ενδεικτικές Λύσεις Ασκήσεων Κεφάλαιο Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2014 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής Με λόγια, η f ( x, y) δίνει την πιθανότητα να εμφανισθεί

Διαβάστε περισσότερα

Άσκηση 1. (15 μονάδες) Να υπολογίσετε τα ολοκληρώματα: (ii) (i)

Άσκηση 1. (15 μονάδες) Να υπολογίσετε τα ολοκληρώματα: (ii) (i) http://larn.maths.gr/, maths@maths.gr, Τηλ: 69795 Ενδεικτικές απαντήσεις 5 ης Γραπτής Εργασίας ΠΛΗ -: Άσκηση. (5 μονάδες) Να υπολογίσετε τα ολοκληρώματα: + (i) d (ii) cos( ) + + d (iii) + + d Υπόδειξη:

Διαβάστε περισσότερα

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων 6 Απριλίου 2009 1 Συνδυαστική Η ϐασική αρχή µέτρησης µας λέει ότι αν σε ένα πείραµα που γίνεται σε δύο ϕάσεις και στο οποίο υπάρχουν n δυνατά αποτελέσµατα

Διαβάστε περισσότερα

Y = X 1 + X X N = X i. i=1

Y = X 1 + X X N = X i. i=1 Κεφάλαιο 7 Διακριτές κατανομές Στο προηγούμενο κεφάλαιο είδαμε πως η έννοια της τυχαίας μεταβλητής Τ.Μ., δηλαδή μιας τυχαίας ποσότητας X που προσδιορίζεται από το σύνολο τιμών της S και την πυκνότητά της

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έκτου φυλλαδίου ασκήσεων.

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έκτου φυλλαδίου ασκήσεων. Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο 208-9. Λύσεις έκτου φυλλαδίου ασκήσεων.. Παρατηρήστε ότι ο πρώτος κανόνας αλλαγής μεταβλητής εφαρμόζεται μόνο στα εφτά πρώτα όρια ενώ ο δεύτερος κανόνας εφαρμόζεται

Διαβάστε περισσότερα

P(200 X 232) = =

P(200 X 232) = = ΕΝΔΕΙΚΤΙΚΑ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΕΣ. Το μέγεθος ενός αναλογικού σήματος, που λαμβάνεται από έναν ανιχνευτή και μετράται σε microvolts, είναι τυχαία μεταβλητή που ακολουθεί την Κανονική κατανομή Ν(00, 6) σε συγκεκριμένη

Διαβάστε περισσότερα

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έβδομου φυλλαδίου ασκήσεων.

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έβδομου φυλλαδίου ασκήσεων. Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο 2018-19. Λύσεις έβδομου φυλλαδίου ασκήσεων. 1. Έχουν οι παρακάτω συναρτήσεις μέγιστη ή ελάχιστη τιμή στο διάστημα (0, 1); Στο διάστημα (, + ); Στο διάστημα [0,

Διαβάστε περισσότερα

ΠΑΛΙΝ ΡΟΜΗΣΗ..Π.Μ.Σ. Μαθηµατικά των Υπολογιστών και των Αποφάσεων. Πάτρα, 27 Ιανουαρίου 2011

ΠΑΛΙΝ ΡΟΜΗΣΗ..Π.Μ.Σ. Μαθηµατικά των Υπολογιστών και των Αποφάσεων. Πάτρα, 27 Ιανουαρίου 2011 Πάτρα, 7 Ιανουαρίου 011 Γενικά Πολλές ϕορές µας ενδιαφέρει να µελετήσουµε τις σχέσεις που υπάρχουν ανάµεσα στις µεταβλητές. Παράδειγµα 1 OZON 300 80 60 40 0 00 180 150 00 50 300 350 400 450 CFC 1 Από το

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 5 η Ηµεροµηνία Αποστολής στον Φοιτητή: Μαρτίου 8 Ηµεροµηνία παράδοσης της Εργασίας: Μαϊου 8 Πριν από την

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα η : Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA

Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA Eisagwg Οι δυναμοσειρές είναι μια πολύ ενδιαφέρουσα κατηγορία σειρών. Βρίσκουν πολύ σημαντικές εφαρμογές στον ορισμό συναρτήσεων καθώς και σε διάφορες

Διαβάστε περισσότερα

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ-ΕΙΣΑΓΩΓΙΚΟ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 011-01

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Εισαγωγή στις Διακριτές Πιθανότητες ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage:

Διαβάστε περισσότερα

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την Η ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Ενδιαφερόμαστε για την απλούστερη μορφή πειραματικής διαδικασίας, όπου η έκβαση των αποτελεσμάτων χαρακτηρίζεται μόνο ως "επιτυχής" ή "ανεπιτυχής" (δοκιμές Beroulli). Ορίζουμε λοιπόν

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Στοιχεία Θεωρίας Συνόλων Θεωρούµε Ω το σύνολο αναφοράς. σ-άλγεβρα Εστω A είναι µια κλάση υποσυνόλων του Ω. τ.ω. A είναι µη κενή. 2 A A A c A. 3 A, A 2,... A A A 2...

Διαβάστε περισσότερα

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 4 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 4 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 0 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ Ε π ι μ ε λ ε ι α : Τ α κ η ς Τ σ α κ α λ α κ ο ς Π α ν ε λ λ α δ ι κ ε ς Ε ξ ε τ α σ ε ι ς ( 0 ) o ΘΕΜΑ A. Aν n

Διαβάστε περισσότερα

Στατιστική Ι-Πιθανότητες Ι

Στατιστική Ι-Πιθανότητες Ι Στατιστική Ι-Πιθανότητες Ι Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 15 Οκτωβρίου 2015 Περιγραφή 1 Ενωση και Τομή Ενδεχομένων Περιγραφή 1 Ενωση και

Διαβάστε περισσότερα

x. Αν ισχύει ( ) ( )

x. Αν ισχύει ( ) ( ) ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ 000 ΘΕΜΑ Α Α. Να αποδείξετε ότι η παράγωγος τις συνάρτησης c f είναι ίση με c f Θεωρία σχολικό σελίδα 0 Β. Έστω μια συνάρτηση f με πεδίο ορισμού το Α και Β το σύνολο

Διαβάστε περισσότερα

Συνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις.

Συνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις. Συνεχείς Κατανομές Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Συνεχείς Κατανομές τεχνικές 0 ασκήσεις Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α 6 9 7. 0 0. 8 8. 8 8 Kglos.gr / 0 / 0 6 εκδόσεις Καλό πήξιμο τηλ. Οικίας

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

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

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 15/1/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 10 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος:

Διαβάστε περισσότερα