Πείραμα Π: Μια φυσική διαδικασία με ένα συγκεκριμένο (αριθμήσιμα ρ μ άπειρο / πεπερασμένο) ) σύνολο δυνατών
|
|
- Ιώ Δημητρίου
- 7 χρόνια πριν
- Προβολές:
Transcript
1 MYY204 Διακριτά Μαθηματικά 11 η -12 η Eβδομάδα: ΙΑΚΡΙΤΗ ΠΙΘΑΝΟΤΗΤΑ -- Αξιώματα Πιθανοτήτων -- Θώ Θεώρημα του Bayes Reading: EPP, Κεφάλαιο 6 (παρ ) ROSEN, Κεφάλαιο 7 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Παν. Ιωαννίνων (2015) ιακριτή Πιθανότητα (Ι) Πείραμα Π: Μια φυσική διαδικασία με ένα συγκεκριμένο (αριθμήσιμα ρ μ άπειρο / πεπερασμένο) ) σύνολο δυνατών αποτελεσμάτων (ή ενδεχόμενα Άλλη χρήση στην ΕΡΡ, ή δείγματα). ιακριτός ειγματικός Χώρος Ω = Ω(Π) ενός πειράματος Π: Το (αριθμήσιμα άπειρο / πεπερασμένο) σύνολο των ενδεχομένων του. ΠΑΡΑ ΕΙΓΜΑ PROB.1: Ο δειγματικός χώρος του πειράματος Π1 = «ρίψη νομίσματος μια φορά» είναι το σύνολο Ω(Π1) = { Κ(ορώνα), Γ(ράμματα) }. Ο δειγματικός χώρος του πειράματος Π2 = «ανεξάρτητες ρίψεις νομίσματος μέχρι να έρθει Κορώνα» είναι το άπειρα αριθμήσιμο σύνολο: Ω(Π2) = { Κ, ΓΚ, ΓΓΚ, ΓΓΓΚ, ΓΓΓΓΚ,... } 2
2 ιακριτή Πιθανότητα (ΙΙ) ΟΡΙΣΜΟΣ PROB.1 [ ΙΑΚΡΙΤΗ ΠΙΘΑΝΟΤΗΤΑ ]: ιακριτή Συνάρτηση Πιθανότητας για ένα πείραμα Π: Οποιαδήποτε συνάρτηση ρ : Ω R 0 ( Ω=Ω(Π) είναι ο διακριτός δειγματικός χώρος του Π ) τέτοια ώστε: 1. Κάθε σημείο του Ω έχει μη αρνητική τιμή, που καλείται μάζα πιθανότητας του ω : ω Ω, ρ(ω) Η μάζα πιθανότητας του Ω είναι μονάδα: Σ ω Ω ρ(ω) = 1. Ποιοτικά: Αν εκτελούσαμε το πείραμα ΑΠΕΙΡΕΣ φορές, τότε για κάθε δείγμα ω Ω, η μάζα πιθανότητας p(ω) θα έπρεπε να ισούται με τη συχνότητα εμφανίσεων του ω ως αποτέλεσμα του πειράματος. ΠΑΡΑ ΕΙΓΜΑ PROB.1 Για το πείραμα «ρίψη ΙΚΑΙΟΥ νομίσματος», η συνάρτηση πιθανότητας θα ήταν: ρ(k) = ρ(γ) = ½. Για το πείραμα «ανεξάρτητες ρίψεις ΙΚΑΙΟΥ νομίσματος μέχρι να έρθει Κορώνα» οι μάζες πιθανότητας είναι ρ(κ)= 1/2, ρ(γκ) = 1/4, ρ(γγκ) = 1/8,... 3 Γεγονότα και ιακριτή Πιθανότητα Γεγονός (στο βιβλίο της ΕΡΡ: ενδεχόμενο) ως προς πείραμα Π: Μια συλλογή αποτελεσμάτων του Π,, δλδ ένα υποσύνολο του Ω(Π) για το οποίο μας ενδιαφέρει να συμβεί ΚΑΠΟΙΟ από τα ενδεχόμενα που περιλαμβάνει. Πιθανότητα ρ(γ) γεγονότος γ Ω(Π): Το άθροισμα μαζών πιθανότητας των δειγμάτων που απαρτίζουν το γ (τα «καλά δείγματα» που μας ενδιαφέρουν): ρ(γ) = Σ ω γ ρ(ω). ΠΑΡΑ ΕΙΓΜΑ PROB.2: Για Π =«Ρίψη δίκαιου ζαριού» : (1) Ποια η πιθανότητα να έρθει περιττός αριθμός? (2) Ποια η πιθανότητα να έρθει «πρώτος» αριθμός? (3) Τι θα απαντούσατε στα (1,2), αν το ζάρι ήταν «πειραγμένο», ρ ώστε να φέρνει φρ με πιθανότητα 2/5 τον αριθμό 6, και ισοπίθανα τα υπόλοιπα δείγματα? 4
3 Αξιώματα Kolmogorov για ιακριτή Πιθανότητα ΑΞΙΩΜΑ PROB.1: Έστω Ω ένας δειγματικός χώρος και Α,Β Ω(Π) οποιαδήποτε γεγονότα (ενδεχόμενα). Για κάθε διακριτή πιθανότητα ρ : Ω [0,1] ισχύουν τα εξής: 1. 0 ρ(α) ρ( ) = 0, ρ(ω) = ΑΝ Α Β = ΤΟΤΕ ρ(α Β) = ρ(α) + ρ(β). 5 Μερικές Ιδιότητες Πιθανοτήτων ΠΑΡΑ ΕΙΓΜΑ PROB.3: Ποια είναι η πιθανότητα εμφάνισης, για ένα οποιοδήποτε πείραμα Π, των εξής γεγονότων: 1. γ 1 =. 2. γ 2 = Ω(Π). 3. γ 3 = A Β Ω(Π), όπου Α Β =. 4. γ 4 =C D Ω(Π), όπου C D. 5. γ 5 = Α c, όπου Α Ω(Π). 6. γ 6 = Α Β, όπου Β Α Ω(Π). 1. ρ( ) = ρ(ω(π)) = ρ(γ 3 ) = ρ(a) +ρ(β) ρ(β). 4. ρ(γ 4 ) = ρ(c) + ρ(d) ρ(c D). 5. ρ(α c ) = 1 ρ(α). 6. ρ(γ 6 ) = ρ(α) ρ(β). 6
4 Εξάσκηση (Ι) ΠΑΡΑ ΕΙΓΜΑ PROB.4: Έστω ότι από μια τράπουλα τραβάμε με εντελώς τυχαίο τρόπο (δηλαδή, η ισοπίθανα) ) ένα από τα 52 φύλλα της. Ποια είναι η πιθανότητα να τραβήξουμε φιγούρα φγ ή κόκκινο φύλλο? Ω = το σύνολο ο των 52 φύλλων. Κ = το σύνολο των 26 κόκκινων φύλλων. Φ = το σύνολο των 12 φιγούρων. ΖΗΤΟΥΜΕΝΟ = ρ(κ Φ) = ρ(κ) + ρ(φ) ρ(κ Φ). Όλα τα φύλλα ισοπίθανα: Για κάθε ω Ω, ρ(ω) = 1/52. ρ(κ) = Σ ω Κ ρ(ω) = 26 * 1/52 = 1/2 ρ(φ) = Σ ω Φ ρ(ω) = 12 * 1/52 = 3/13 ρ(κ Φ) = Σ ω Κ Φ ρ(ω) = 6 * 1/52 = 3/26 ρ(κ Φ) = 13/26 + 6/26 3/26 = 16/26 = 8/13 ~ 61,54% 7 Εξάσκηση (ΙΙ) ΠΑΡΑ ΕΙΓΜΑ PROB.5: Έστω τυχών δειγματικός χώρος Ω και διακριτή πιθανότητα ρ: Ω [0,1]. Νδο κάθε ζεύγος ενδεχομένων Α,Β Ω ισχύει ότι: ρ(α Β) = ρ(α) ρ(α Β). ρ(α Β) = ρ(α Β c ) // Α Β = Α Β c = ρ(a) ρ(α) + ρ(α Β c ) = ρ(a) [ ρ(α) ρ(α Β c )] = ρ(a) ) [ ρ(α Β c ) + ρ(α Β c ) ρ(α Β c )] // A = (Α B c ) (Α Β c ) = ρ(a) ρ(α Β c ) = ρ(a) ρ( Α (Β c ) c ) // Α B c = Α (Β c ) c = ρ(a) ρ(α Β) Εναλλακτική εξήγηση: Τα σύνολα Α Β = Α Β c και Α Β απαρτίζουν μια διαμέριση του Α, άρα: ρ(α) = ρ(α Β) + ρ(α Β) 8
5 Αναμενόμενη Τιμή (Ι) ΟΡΙΣΜΟΣ PROB.2 [ Αναμενόμενη Τιμή ]: Έστω πείραμα Π του οποίου o διακριτός δειγματοχώρος Ω(Π) είναι ένα αριθμήσιμο υποσύνολο των πραγματικών αριθμών. Για οποιαδήοποτε διακριτή συνάρτηση πιθανότητας ρ : Ω [0,1], η αναμενόμενη τιμή του (αποτελέσματος του) πειράματος Π ορίζεται ως εξής: Ε ρ (Π) = Σ ω Ω ω * ρ(ω). ΠΑΡΑ ΕΙΓΜΑ PROB.6: Η αναμενόμενη τιμή του Π είναι ένας πραγματικός αριθμός, που όμως ενδέχεται να ΜΗΝ ανήκει στο Ω. Πχ, να υπολογίσετε την αναμενόμενη τιμή του πειράματος Π1 «μια ρίψη δίκαιου ζαριού». Τι γίνεται για το πείραμα Π2 όπου το ζάρι είναι «πειραγμένο» ώστε να φέρνει με πιθανότητα 2/5 τον αριθμό 6, και ισοπίθανα τα υπόλοιπα δείγματα? Ε(Π1) = 1 * 1/6 + 2 * 1/6 + 3 * 1/6 + 4 * 1/6 + 5 * 1/6 + 6 * 1/6 = 7/2 Ε(Π2) = 1*3/25 + 2*3/25 + 3*3/25 + 4*3/25 + 5*3/25 + 6*2/5 = 21/5 9 Αναμενόμενη Τιμή (ΙΙ) ΠΑΡΑ ΕΙΓΜΑ PROB.7: Έστω ότι άνθρωποι παίζουν σε μια λοταρία λαχνούς αξίας 5 Ευρώ ο καθένας. Τα έπαθλα είναι τα εξής: 1 λαχνός κερδίζει Ευρώ. 10 (διαφορετικοί) λαχνοί κερδίζουν Ευρώ ο καθένας (διαφορετικοί) λαχνοί κερδίζουν 500 Ευρώ ο καθένας (διαφορετικοί) λαχνοί κερδίζουν 10 Ευρώ ο καθένας. Ποιο είναι το αναμενόμενο κέρδος για κάθε παίκτη? Της εταιρείας? Ω ={ 1x Ευρώ, 10x995 Ευρώ, 1.000x495 Εύρω, x5000x5 Ευρώ, x(-5) Ευρώ } ρ 1 = 1/ : Η πιθανότητα του ενός υπερτυχερού. ρ ρ 2 = 10/ = 1/ : Η πιθανότητα των 10 τυχερών. ρ 3 = 1.000/ = 1/500 : Η πιθανότητα των τυχερών. ρ 4 = / = 1/50 : Η πιθανότητα των τυχερών. ρ 5 = / : Η πιθανότητα των «άτυχων». ΑΡΑ: Ε(Π) =ρ ρ 1 * ρ 2 *995 + ρ 3 *495 + ρ 4 *5 +ρ ρ 5 *(-5) = -1,78 178Ευρώ. Η εταιρεία ΣΙΓΟΥΡΑ θα κερδίσει ευρώ (αποδείξτε το). 10
6 Αναμενόμενη Τιμή (ΙΙΙ) ΠΑΡΑ ΕΙΓΜΑ PROB.8: Έστω ότι κάποιος πληρώνει 1 ευρώ για να συμμετάσχει σε τυχερό παιχνίδι, όπου γίνονται 4 ανεξάρτητες ρίψεις ενός δίκαιου νομίσματος, και : Αν έρθουν (ακριβώς) 4xΓ, τότε πληρώνει επιπλέον 2 ευρώ. Αν έρθουν 3xΓ, Γ τότε πληρώνει επιπλέον 1 ευρώ. Αν έρθουν 2xΓ, τότε δεν πληρώνει (ούτε κερδίζει) τίποτε επιπλέον. Αν έρθει 1xΓ, τότε κερδίζει 3 ευρώ. Αν έρθουν 4xΚ, τότε κερδίζει 4 ευρώ. Ποια είναι η αναμενόμενη ωφέλεια (ή ζημιά) του παίκτη? Για κάθε αποτέλεσμα (διατ. τετράδα ρίψεων) Χ, ρ(χ) =1/2 4 =1/16 1/16. ρ(4xγ) = ρ(0-k) = ρ(0-γ) = ρ(4-η) = 1/16 ρ(3xγ) = ρ(1-k) = ρ(1-γ) = ρ(3-η) = C(4,1) * (1/2)^4 = 4/16 = 1/4 ρ(2xγ) = ρ(2-k) = C(4,2) * (1/6)^4 = 6 / 16 Ε(ωφέλεια) ε = -1 + (-2)*1/16 + (-1)*4/16 + 3*4/16 + 4*1/16 = -1 + [ ] / 16 = - 6/16 11 Το Παράδοξο των Γενεθλίων... ΠΑΡΑ ΕΙΓΜΑ PROB.9: Έστω ότι σε μια κοινωνία ανθρώπων, όλες οι μάζες πιθανότητας να γεννηθεί κάποιος μια συγκεκριμένη μέρα είναι ίσες. Νδο ο ελάχιστος αριθμός ανθρώπων που πρέπει τυχαία να διαλέξουμε, έτσι ώστε για το γεγονός: «υπάρχουν τουλάχιστον δυο από τους γ ανθρώπους που επιλέξαμε που γεννήθηκαν την Ι ΙΑ μέρα» να ισχύει ότι ρ(k) > 0.5, είναι K= 23 άνθρωποι. Πείραμα = Επιλογή (ΜΕ επανάληψη) Κ (ημέρες γέννησης) από Ν = 365 διακεκριμένα αντικείμενα (ημέρες του χρόνου) Ω = 365 K δείγματα. Όλες οι μέρες ισοπίθανες για γέννηση. ω Ω, Ρ(ω) = 1 / 365 K «Κακά» είγματα: γ ΙΑΦΟΡΕΤΙΚΕΣ μέρες γέννησης. Επιλογή ΧΩΡΙΣ επανάληψη Κ από Ν = 365 διακεκριμένα αντικείμενα. Ρ(365,K) «κακά» δείγματα. «Καλά» είγματα: Ζ = Ω #«κακά» δείγματα = 365 K Ρ(365,K) ρ(k) = [365 K Ρ(365,γ)] * (1/365 K ) = 1 Ρ(365,K) / 365 K // αύξουσα συνάρτηση του γ ρ(22) ) = 1 Ρ(365,22) (, ) / < 1 0,5243 = 0,4757. ρ(23) = 1 Ρ(365,23) / > 1 0,49271 = 0,
7 Υπολογισμός ιακριτής Πιθανότητας (Ι) ΠΑΡΑ ΕΙΓΜΑ PROB.10: 8 φοιτητές τετραετούς σχολής περιμένουν στην ουρά για να πάρουν φοιτητική ταυτότητα. Ποια η πιθανότητα στην ουρά αυτή να βρίσκονται 2 φοιτητές από κάθε έτος, αν σε κάθε έτος υπάρχουν ακριβώς το ίδιο πλήθος φοιτητών και όλοι θέλουν να πάρουν ταυτότητα? ειγματοχώρος Ω: Περιλαμβάνει Ω = 4 8 δείγματα. Όλα τα δείγματα είναι ισοπίθανα: ΓΙΑ ΚΑΘΕ ω Ω, ρ(ω) = 1/4 8. Γεγονός γ : «εμφανίζεται καλό δείγμα» υο φοιτητές από κάθε έτος. Μετάθεση ( = τοποθέτηση στην ουρά ) 8 διακεκριμένων αντικειμένων, που χωρίζονται σε 4 ομάδες: { πρ, πρ, δε, δε, τρ, τρ, τε, τε }. γ = 8! / [2!] 4 ΚΑΛΑ δείγματα. α ρ(γ) = Ρ(εμφανίζεται καλό δείγμα) = Σ ω γ ρ(ω) = 1/ Ω * γ = (1 / 4 8 ) * 8! / [2!] 4 = Υπολογισμός ιακριτής Πιθανότητας (ΙΙ) ΠΑΡΑ ΕΙΓΜΑ PROB.11: 5 άνθρωποι πηγαίνουν σε ένα πάρτι και αφήνουν στην είσοδο τα καπέλα τους. Φεύγοντας, τα καπέλα τους επιστράφηκαν με εντελώς τυχαίο τρόπο. Ποια η πιθανότητα να μην έχει πάρει κανένας άνδρας το δικό του καπέλο? ειγματικός χώρος: Ω = 5! = 120 τρόποι επιστροφής των καπέλων (διακεκριμένα σφαιρίδια) στους 5 ανθρώπους (διακεκριμένες υποδοχές χςχωρητικότητας η 1). Πιθανότητα κάθε δείγματος: 1/ Ω = 1 / 5! (ισοπίθανα όλα τα δί δείγματα). ) Α K : Το υποσύνολο δειγμάτων (δηλαδή, το γεγονός) όπου ο άνθρωπος K παίρνει πίσω το καπέλο του. «Κακά» δείγματα: Α 1 A 2 A 3 A 4 A 5 14
8 ιακριτή Πιθανότητα (VΙ) ΠΑΡΑ ΕΙΓΜΑ PROB.11 (συνέχεια): ΕΓΚΛΕΙΣΜΟΣ ΑΠΟΚΛΕΙΣΜΟΣ Α 1 A 2 A 3 A 4 A 5 = Α A A A A 5 5 Α 1 A 2 Α 1 A 3... A 4 A 5 + Α 1 A 2 A Α 3 A 4 A 5 Α 1 A 2 Α 3 A 4... A 2 Α 3 A 4 A 5 + Α 1 A 2 Α 3 A 4 A 5 = C(5,1)*4! C(5,2)*3! + C(5,3)*2! C(5,4)*1! + C(5,5)*0! = 76 P(κανείς δεν παίρνει το καπέλο του) = Σ ω : καλό δείγμα ρ(ω) = (#καλών δειγμάτων) * 1 / Ω = [120 76] * (1/120) ~ Πιθανότητα Σύγκρουσης σε Συναρτήσεις Κατακερματισμού μ Συνάρτηση κατακερματισμού: Αντιστοίχιση των «κλειδιών» ενός (συνήθως μεγάλου) πλήθους αντικειμένων σε (συνήθως λίγες) θέσεις αποθήκευσης (κάδους). ΠΑΡΑ ΕΙΓΜΑ: Η συνάρτηση mod2 : N {0,1} είναι μια στοιχειώδης συνάρτηση κατακερματισμού που διαχωρίζει τους φυσικούς αριθμούς σε (δυο κάδους με) άρτιους και περιττούς. Τα κλειδιά Χκαι Υ συγκρούονται σύμφωνα με τη συνάρτηση ρη η κατακερματισμού Η, ΑΝΝ Η(Χ) = Η(Υ). ΑΣΚΗΣΗ: Να υπολογιστεί η πιθανότητα να μην υπάρχει ζεύγος κλειδιών που να συγκρούονται, σε μια τυχαια και ομοιόμορφα επιλεγμένη συλλογή από Κ κλειδιά (Χ 1,ΧΧ 2,...,ΧΧ Κ ), όταν η συνάρτηση κατακερματισμού Ηαποφασίζει για καθένα από τα Ν κλειδιά τυχαία και ομοιόμορφα τη θέση του, μεταξύ Μ διαθέσιμων θέσεων. ΑΠ.: Αν Κ Μ, τότε Ρ(Μ,Κ) / Μ Κ. Για Κ > Μ, Ρ(Κ) = 0. 16
9 Μέθοδος Monte Carlo (MC) Έστω Πμια ιδιότητα (πχ, διαπίστωση ύπαρξης ακατάλληλων τσιπς σε μια παρτίδα παραγγελίας) που μπορούμε να ελέγξουμε κάνοντας κάποιους ελέγχους (μέσω ενός αλγορίθμου) που απαντούν: Α(λήθεια): Ισχύει η ιδιότητα Π (πχ, διαπίστωσα καμμένο τσιπ). (εν ξέρω): ) εν γνωρίζω αν ισχύει η ιδιότητα Π (ο έλεγχος που έκανα δε βρήκε καμμένο τσιπ, αλλά δεν ξέρω τι γίνεται με τα άλλα τσιπς). ΣΥΜΒΑΣΗ: Ένα τυχαίο δείγμα του στιγμιοτύπου (τσιπ της παρτίδας) έχει πιθανότητα γνα άποδεικτικό της Π, κι 1-γ να μην είναι. Ρ[ ΑΛΓ(γ,Ι) = Α ] = γ, Ρ[ ΑΛΓ(γ,Ι) = ] = 1 γ, 0 < γ < 1. Μέθοδος Monte Carlo MC(Κ): Εκτέλεση Κ ανεξάρτητωνελέγχων ΑΛΓ(γ,Ι) στο ίδιο στιγμιότυπο Ι. Η MC(Κ) απαντά Α, αν ΤΟΥΛΑΧΙΣΤΟΝ ένας έλεγχος απαντά Α. Ψ, αν όλοι οι έλεγχοι επιστρέφουν. Ποια η πιθανότητα η MC(Κ) να απαντήσει ΟΡΘΑ, δλδ Α αν όντως 17 α(π) = Α, ή Ψ αν α(π)=ψ? Μέθοδος Monte Carlo (MC) ΠΑΡΑ ΕΙΓΜΑ: Ένας κατασκευαστής υπολογιστών κάνει μαζικές παραγγελίες τσιπς, που έρχονται σε παρτίδες των Ν κομματιών, και θέλει να ελέγξει μόνο λίγα (Κ) τυχαία επιλεγμένα τσιπς της επόμενης Ν-άδας που στέλνει ο προμηθευτής τσιπς προκειμένου να «σιγουρευτεί» ότι η Ν-άδα δεν περιλαμβάνει ελαττωματικά τσιπς. Από προηγούμενες Ν-άδες διαπιστώθηκε ότι υπήρχαν 10% χαλασμένα τσιπς σε κάθε Ν-άδα. Αν βρεθεί έστω ένα κακό δείγμα, επιστρεφει την παρτίδα. ιαφορετικά την κρατάει. Ποια η πιθανότητα ρνα μην επιστρέψει παρτίδα με κατεστραμένα τσιπς? ΑΝ μόνο καλά τσιπς στη Ν-άδα ΤΟΤΕ Ρ = 0 (γιατί?) ΕΣΤΩ ότι δεν βελτιώθηκε η παραγωγή παρτίδων 10% χαλασμένα τσιπς Ρ[ένας έλεγχος βρίσκει καλό τσιπ] = Ρ[ένας έλεγχος βρίσκει κακό τσιπ] = 0.9 Ρ[επιστρέφεται σ α η παρτίδα] = Ρ[οι Κ έλεγχοι επιστρέφουν καλό τσίπ] 18
10 Μέθοδος Monte Carlo (MC) (συνέχεια) Υπολογισμός της Ρ[οι Κ έλεγχοι επιστρέφουν καλό τσίπ]... ΑΝ επιλογές Κ-άδας τσιπς (για έλεγχο) με επανάληψη (δλδ, κάθε τσιπ που ελέγχεται ΕΠΙΣΤΡΕΦΕΤΑΙ στην παρτίδα) // Αυτή είναι η MC(K)... ΤΟΤΕ ρ 1 = (0,9*Ν) Κ / Ν Κ = 0,9 Κ ΑΝ επιλογές Κ-άδας τσιπς (για έλεγχο) δίχως επανάληψη ΤΟΤΕ ρ 2 = P(0,9*Ν,K) / Ρ(Ν,Κ) = 09*(09 0,9 (0,9 1)/(N 1) *(09 (0,9 2)/(N 2) * ** (0,9 K+1)/(N Κ+1) Πχ, για Κ=10 δείγματα ελέγχου, σε μια παρτίδα Ν=100 τσιπς, έχουμε: ρ = ,9 = 0, ~ 34,87% ρ 2 = (90/100) * (89/99) * (88/98) * (87/97)* (86/96)* (85/95)* (84/94)* (83/93)* (82/92)* (81/91) = 0, ~33,05% 19 Πιθανοτική Μέθοδος (Ι) Αξιοποίηση της θεωρίας πιθανοτήτων για μη κατασκευαστική απόδειξη ύπαρξης δομών ΘΕΩΡΗΜΑ (Rosen, σελ. 427): Αν η πιθανότητα ενός τυχαία επιλεγμένου στοιχείου από ένα σύνολο Σ να μην έχει κάποια ιδιότητα Π είναι μικρότερη από 1, τότε (σίγουρα) υπάρχει τουλάχιστον ένα στοιχείο του Σ που επαληθεύει την ιδιότητα Π. Αριθμός Ramsey R(Κ,Κ): Κ): Το ελάχιστο πλήθος Ν ανθρώπων σε μια κοινωνία ανθρώπων, ώστε τουλάχιστον Καπό αυτούς να είναι μεταξύ τους είτε ΟΛΟΙ φίλοι, ή ΟΛΟΙ εχθροί, αν θεωρήσουμε ότι για κάθε ζεύγος ανθρώπων στην κοινωνία αυτή ισχύει πως είτε είναι φίλοι, ή είναι εχθροί (δλδ, δεν μπορεί να είναι αδιάφοροι ο ένας για τον άλλον, ούτε να είναι και τα δυο). 20
11 Πιθανοτική Μέθοδος (ΙΙ) ΘΕΩΡΗΜΑ (Rosen, σελ. 427): Αν Κ >= 2 είναι φυσικός αριθμός, τότε R(Κ,Κ) >= 2 Κ/2. ΑΠΟ ΕΙΞΗ Χρειάζονται πάντοτε τουλάχιστον Ν >= Κ άνθρωποι. Κ=2: Ισχύει ότι R(2,2) = Ν >= 2 2/2 = 2. Κ=3: Απαιτούνται (αλλά και επαρκούν) τουλάχιστον Ν=6 άνθρωποι. Αντιπαραδείγματα για Ν = 3,4,5. Για Ν=6, ζητείται ύπαρξη είτε μπλε τριγώνου (φιλίες) ή κόκκινου τριγώνου (εχθρότητες) στο γράφημα που αναπαριστά τη σχέση φιλιών και τη (συμπληρωματική) σχέση εχθρότητας. Κ >= 4: Έστω ότι για ΚΑΘΕ ζεύγος διαφορετικών ανθρώπων α,β: o Ρ[ {(α,β),(β,α)} ΦΙΛΙΕΣ ] = ½ o Ρ[ {(α,β),(β,α)} ΦΙΛΙΕΣ = ] = ½ Θδο: ΑΝ Ν < 2 Κ/2 ΤΟΤΕ υπάρχει δείγμα στο Ω (δηλαδή, συγκεκριμένος ορισμός της σχέσης ΦΙΛΙΕΣ) που δεν έχει ΚΑΜΙΑ Κ-άδα ανθρώπων που να είναι ΟΛΟΙ φίλοι ή ΟΛΟΙ εχθροί. 21 ΑΠΟ ΕΙΞΗ (συνέχεια) Πόσα διαφορετικά Κ-υποσύνολα ανθρώπων? Για συγκεκριμένο Κ-υποσύνολο, έστω Α: Ρ[όλοι φίλοι στο Α] =? Πιθανοτική Μέθοδος (ΙΙΙ) Ρ[όλοι εχθροί στο Α] =? Ρ[όλοι εχθροί, ή όλοι φίλοι στο Α] = 2 / 2 Κ(Κ-1)/2. UNION BOUND: ρ = Ρ[υπάρχει Κ-υποσύνολο όπου όλοι εχθροί, ή όλοι φίλοι] =< C(N,K) * 2 / 2 Κ(Κ-1)/2 (Πώς εξηγείται το φράγμα?) ΙΣΧΥΡΙΣΜΟΣ: C(N,K) =< N K / 2 K-1. (αποδείξτε το!) ρ =< N K / 2 K-1 * 2 / 2 Κ(Κ-1)/2 =< (2 Κ/2 ) Κ /2 (Κ^2 Κ)/2 + Κ 1 1 = 1 / 2 Κ/2 2 < 1, για Κ >= 4. Υπάρχει δείγμα (δλδ, ορισμός της σχέσης ΦΙΛΙΕΣ) που δεν πληρεί την ιδιότητα, όταν Ν < 2 Κ/2. 22
12 εσμευμένη Πιθανότητα (Ι) ΠΑΡΑ ΕΙΓΜΑ PROB.12: Έστω ότι επιλέγουμε εντελώς τυχαία και ανεξάρτητα δυο φοιτητές / φοιτήτριες από το 1 ο και το 2 ο έτος του Τμήματος Πληροφορικής. Θεωρούμε ότι το ποσοστό των αγοριών είναι 1/3 στο πρώτο έτος και 1/2 στο 2 ο έτος. Να υπολογιστούν: (ι) Η πιθανότητα επιλογής δυο αγοριών. (ιι) Η πιθανότητα επιλογής δυο αγοριών, αν ξέρουμε σίγουρα ότι σε μια μααπό τις δυο επιλογές προέκυψε αγόρι. (ι) Ο δειγματικός χώρος είναι Ω = { α 1α 2 2, α 1κ 2 2, κ 1α 2 2, κ 1κ 2 }. Παρατηρούμε ότι: P[ επιλογή 1 ου έτους = α 1 ]= 1/3 P[ επιλογή 2 ου έτους = α 2 ]= 1/2 Υπολογίζουμε τις μάζες πιθανότητας για όλα τα δείγματα του Ω: Ρ[ α 1 α 2 ] = 1/3 * 1/2 = 1/6 ΖΗΤΟΥΜΕΝΟ Ρ[ α 1 κ 2 ] = 1/3 * 1/2 = 1/6 Ρ[ κ 1 α 2 ] = 2/3 * 1/2 = 1/3 Ρ[ κ 1 κ 2 ] = 2/3 * 1/2 = 1/3 23 εσμευμένη Πιθανότητα (ΙΙ) (ιι) Ποια η πιθανότητα να επιλεγούν δυο αγόρια, Ε ΟΜΕΝΟΥ ότι επιλέγεται τουλάχιστον ένα αγόρι? ειγματικός Χώρος: Ω = { α 1 α 2, α 1 κ 2, κ 1 α 2, κ 1 κ 2 } 1/6 1/6 1/3 1/3 // συχνότητες εμφάνισης Ω = { α 1 α 2, α 1 κ 2, κ 1 α 2, κ 1 κ 2 } 1/6 1/6 1/3 1/3 // συχνότητες εμφάνισης Ζητούμενο: Ρ[ { α 1 α 2 } Ω { κ 1 κ 2 } ] =? ΝΕΑ συνάρτηση πιθανότητας (για το χώρο Ω πλέον): ρ (α 1 α 2 )=1/6/Χ / Χ ρ (α 1 κ 2 ) = 1/6 / Χ ρ (κ 1 α 2 )=1/3/Χ / Χ // Χ = παράγοντας κανονικοποίησης Συνάρτηση πιθανότητας : (1/6 + 1/6 + 1/3) / Χ = 1 Χ = 2/3. ΑΡΑ: ρ (α 1 α 2 )=ρ (α ρ 1 κ 2 )=1/4 1/4, ρ (κ 1 α 2 )=1/2 1/2. 24 Ζητούμενο: Ρ[ { α 1 α 2 } Ω { κ 1 κ 2 } ] = ρ (α 1 α 2 ) = 1/4.
13 εσμευμένη Πιθανότητα (ΙΙΙ) Πείραμα Π: «Ρίψη (δίκαιου) ζαριού» Πιθανότητα να έχει έρθει 2? Πιθανότητα να έχει έρθει 2, Ε ΟΜΕΝΟΥ ΟΤΙ ήρθε άρτιος? Πιθανότητα να έχει έρθει 2, Ε ΟΜΕΝΟΥ ΟΤΙ ήρθε πρώτος? Πιθανότητα να έχει έρθει 2, Ε ΟΜΕΝΟΥ ΟΤΙ ήρθε περιττός? ΟΡΙΣΜΟΣ PROB.3 3[ ΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ ]: Έστω Ω ο διακριτός δειγματικός χώρος ενός πειράματος και Α,Β Ω δυο οποιαδήποτε γεγονότα, όπου το Β έχει ΜΗ ΜΗ ΕΝΙΚΗ μάζα πιθανότητας : ρ(β) > 0. Η πιθανότητα να συμβεί το γεγονός Α δεδομένου ότι έχει συμβεί το γεγονός Β συμβολίζεται με ρ(α Β) ) και ονομάζεται δεσμευμένη μ πιθανότητα του Α δεδομένου του Β. 25 εσμευμένη Πιθανότητα (ΙV) ΠΡΟΤΑΣΗ PROB.1 [Υπολογισμός εσμευμένης Πιθανότητας]: Έστω Ω ο διακριτός δειγματοχώρος ενός πειράματος Π, ρ : Ω [0,1] μια διακριτή συνάρτηση πιθανότητας στο Ω, και Α, Β δυο τυχόντα γεγονότα τέτοια ώστε ρ(β) > 0. ={ ω Ω, ρ Β (ω) ρ({ω} Β) = 0 αν ω Β. ρ({ω} Β) = ρ(ω) / ρ(β), αν ω Β, Α Ω,, ρ(α Β) ) = ρ(α Β) ) / ρ(β). ) 26
14 ΠΑΡΑ ΕΙΓΜΑ PROB.13: Ένα πράσινο κι ένα κόκκινο ζάρι ρίχνονται, ανεξάρτητα το ένα από το άλλο, μια φορά. Ποια η πιθανότητα τα δυο ζάρια να φέρουν αποτέλεσμα που αθροίζει σε 8? Τι γίνεται αν ξέρουμε ότι και τα δυο ζάρια έφεραν άρτιο αριθμό? ΠΑΡΑ ΕΙΓΜΑ PROB.14: Ένα δοχείο περιέχει 5 μπλε και 7 κόκκινες μπάλες. Επιλέγουμε (χωρίς επανατοποθέτηση) δυο από αυτές τις μπάλες. M 1 = Πρώτη επιλογή μπλε. M 2 = εύτερη επιλογή μπλε. Κ 1 = Πρώτη επιλογή κόκκινη. Κ 2 = εύτερη επιλογή κόκκινη. α. P[ M 1 M 2 ] =? P[ Κ 1 M 2 ] =? β. P[M 2 ] =? γ. P[ M 1 ή Μ 2 ] =? δ. Ε[ #μπλε μπάλες ] =? 27 Κανόνας του Bayes (Ι) ΠΑΡΑ ΕΙΓΜΑ PROB.15: Ρίχνουμε τρία «δίκαια», διαφορετικού χρώματος ζάρια, ανεξάρτητα το ένα από το άλλο. Θεωρούμε τα εξής γεγονότα: Α = «εμφανίστηκε ακριβώς ένας άσσος», και Β =«εμφανίστηκαν τρεις διαφορετικοί αριθμοί».. Να υπολογιστεί το ρ(α Β), καθώς και το ρ(β Α). Ω = 6 3 = 216 ρ(α) =? 3 * 5 2 /6 3 = 25 / 72 ρ(β) =? Ρ(6,3) / 6 3 = 5/9 ρ(α Β) =? 3*(1*5*4) / 6 3 = 5 / 18 ρ(α Β) =? ρ(α Β) / ρ(β) = (5 / 18) / (5 / 9) = 1/2 28 ρ(β Α) =? ρ(α Β) / ρ(α) = (5 / 18) / (25 / 72) = 4/5
15 Κανόνας του Bayes (ΙΙ) ΠΡΟΤΑΣΗ PROB.2 [Θεώρημα του Bayes ]: Έστω Ω ο διακριτός δειγματοχώρος ενός πειράματος Π, ρ : Ω R 0 μια διακριτή συνάρτηση πιθανότητας πάνω στο Ω, και Α,Β δυο γεγονότα με ΜΗ ΜΗ ΕΝΙΚΕΣ μάζες πιθανότητας : ρ(a)*ρ(β) > 0. Τότε: ρ(α Β) = ρ(β Α) * ρ(α) /ρ(β) ρ(β). ΠΑΡΑ ΕΙΓΜΑ PROB.15 (συνέχεια): ρ(β Α) = ρ(α Β) * ρ(β) / ρ(α) = (1/2) * (5/9) / (25/72)= 4/5 ρ(α Β) = ρ(β Α) * ρ(α) / ρ(β) = (4/5) * (25/72) / (5/9) = 1/2 29
Διακριτά Μαθηματικά Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Διακριτά Μαθηματικά Ι Διακριτή πιθανότητα Διδάσκων: Επίκουρος Καθηγητής Σπύρος Κοντογιάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΓιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.
HY118-Διακριτά Μαθηματικά Τρίτη, 02/05/2017 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 04-May-17 1 1 04-May-17 2 2 Γιατί πιθανότητες; Γιατί πιθανότητες; Στον προτασιακό και κατηγορηματικό
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότεραΠεριεχόμενα 2ης Διάλεξης 1 Σύνοψη προηγούμενου μαθήματος 2 Αξιωματικός ορισμός και απαρίθμηση 3 Διατάξεις - Συνδυασμοί 4 Παραδείγματα υπολογισμού πιθα
Πιθανότητες και Αρχές Στατιστικής (2η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 54 Περιεχόμενα
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 5o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΝΝΟΙΑ ΠΙΘΑΝΟΤΗΤΑΣ Μαθηματική περιγραφή συστημάτων με αβεβαιότητα Παραδείγματα από την οργάνωση παραγωγής Διάρκεια παραγωγής προϊόντων
Διαβάστε περισσότερα3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ
ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 3: Πιθανότητες. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 3: Πιθανότητες Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,
Διαβάστε περισσότεραΛύσεις 1ης Ομάδας Ασκήσεων
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ. Ισότητα συνόλων Έστω C = A i= B i και D = i= A B i. Θα αποδείξουμε ότι τα C, D ταυτίζονται,
Διαβάστε περισσότεραΔΕΣΜΕΥΜΕΝΕΣ 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 περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση Υπολογισμός
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση
Διαβάστε περισσότεραε. Το μέλος δεν έχει επιλέξει κανένα από τα δύο προγράμματα. Το μέλος έχει επιλέξει αυστηρά ένα μόνο από τα δύο προγράμματα.
1. Τα μέλη ενός Γυμναστηρίου έχουν τη δυνατότητα να επιλέξουν προγράμματα αεροβικής ή γυμναστικής με βάρη. Θεωρούμε τα ενδεχόμενα: Α = Ένα μέλος έχει επιλέξει πρόγραμμα αεροβικής. Β = Ένα μέλος έχει επιλέξει
Διαβάστε περισσότεραΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ
ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ υ ν δ υ α σ τ ι κ ή Πειραιάς 2007 1 Μάθημα 2ο Κανόνες Απαρίθμησης (συνέχεια) 2 ΙΣΤΟΣΕΛΙΔΑ ΜΕ ΔΙΑΦΑΝΕΙΕΣ, ΒΙΒΛΙΟ & ΔΕΙΓΜΑ ΘΕΜΑΤΩΝ www.unipi.gr/faculty/mkoutras/index.htm
Διαβάστε περισσότεραΥπολογιστικά & Διακριτά Μαθηματικά
Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 6: Πιθανότητες Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΠιθανότητες. Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους
Πιθανότητες Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους «Πείραμα» Tύχης Οτιδήποτε συμβαίνει και δεν γνωρίζουμε από πριν το ακριβές αποτέλεσμά του. Απασχόλησαν
Διαβάστε περισσότερα1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ
ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με
Διαβάστε περισσότεραΤμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα
Διαβάστε περισσότεραΟρισμός της Πιθανότητας (Ι)
Ορισμός της Πιθανότητας (Ι) Κλασσικός Ορισμός Πιθανότητα ενδεχομένου Α ( ) N( ) N ( ) Ν(Α): πλήθος ευνοϊκών αποτελεσμάτων του ενδεχ. Α Ν(Ω): πλήθος συνολικών αποτελεσμάτων του δ.χ. Ω Περιορισμοί: - μόνο
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Παραδείγματα Συνδυαστική Απαρίθμηση Διδάσκοντες: Φ. Αφράτη, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο n θρανία στη σειρά
Διαβάστε περισσότεραP (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 περισσότεραΘεωρία Πιθανοτήτων και Στατιστική
Θεωρία Πιθανοτήτων και Στατιστική 2 ο Εξάμηνο Ασκήσεις Πράξης 1 Θεωρία Συνόλων - Δειγματικός Χώρος Άσκηση 1: Να βρεθούν και να γραφούν με συμβολισμούς της Θεωρίας Συνόλων οι δειγματοχώροι των τυχαίων πειραμάτων:
Διαβάστε περισσότεραΕισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την
Μαθηματικά Πληροφορικής 8ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 1 η : Βασικές Έννοιες Πιθανότητας Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ. Άδειες
Διαβάστε περισσότεραΜέση τιμή, διασπορά, τυπική απόκλιση. 1) Για την τυχαία διακριτή μεταβλητή Χ ισχύει Ρ(Χ=x i)=
Μέση τιμή, διασπορά, τυπική απόκλιση Όπου χρειάζεται να γίνει χρήση του μικροϋπολογιστή 3x 1) Για την τυχαία διακριτή μεταβλητή Χ ισχύει Ρ(Χ=x i)= i-2 22, xi=1,2,3,4. α) Να συμπληρωθεί ο παρακάτω πίνακας:
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση Υπολογισμός
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις Έννοια τυχαίας μεταβλητής Κατά τον υπολογισμό πιθανοτήτων, συχνά συμβαίνει τα ενδεχόμενα που μας ενδιαφέρουν να μετρούν
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση
Διαβάστε περισσότερα1.2 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ
. ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ Ασκήσεις σχ. βιβλίου σελίδας 7 9 Α ΟΜΑΔΑΣ. Από μία τράπουλα με 5 φύλλα παίρνουμε ένα στην τύχη. Να βρείτε τις πιθανότητες των ενδεχομένων : i) Το φύλλο είναι 5 ii) Το φύλλο δεν
Διαβάστε περισσότερα1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων
. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων Tα διάφορα επιστημονικά μοντέλα ή πειράματα ή γενικότερα τα φυσικά φαινόμενα μπορεί να θεωρηθεί ότι εντάσσονται σε δύο μεγάλες κατηγορίες: τα προσδιοριστικά
Διαβάστε περισσότεραΤυχαία Μεταβλητή (Random variable-variable aléatoire)
Τυχαία Μεταβλητή (Random varable-varable aléatore) Σε πολλούς τύπους πειραμάτων τα αποτελέσματα είναι από τη φύση τους πραγματικοί αριθμοί. Παραδείγματα τέτοιων πειραμάτων αποτελούν οι μετρήσεις των υψών
Διαβάστε περισσότεραΙΣΟΠΙΘΑΝΑ ΕΝΔΕΧΟΜΕΝΑ-ΚΛΑΣΙΚΟΣ ΟΡΙΣΜΟΣ ΠΙΘΑΝΟΤΗΤΑΣ
ΙΣΟΠΙΘΑΝΑ ΕΝΔΕΧΟΜΕΝΑ-ΚΛΑΣΙΚΟΣ ΟΡΙΣΜΟΣ ΠΙΘΑΝΟΤΗΤΑΣ Συχνότητα Σχετική συχνότητα Αν σε ν εκτελέσεις ενός πειράματος ένα ενδεχόμενο Α πραγματοποιείται va φορές,τότε va ο αριθμός va λέγεται συχνότητα του ενδεχομένου
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ Αριθµητικός Μέσος: όπου : αριθµός παρατηρήσεων ιάµεσος: εάν άρτιος εάν περιττός M + + M + Παράδειγµα: ηλ.: Εάν :,,, M + + 5 + +, 5 Εάν :,, M + Επικρατούσα Τιµή:
Διαβάστε περισσότεραΥπολογιστικά & 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 περισσότεραΠ Ι Θ Α Ν Ο Τ Η Τ Ε Σ Α ΛΥΚΕΙΟΥ
Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Α ΛΥΚΕΙΟΥ 1. Ο Γυμναστής ενός λυκείου προκειμένου να στελεχώσει την ομάδα μπάσκετ του λυκείου ψάχνει στην τύχη μεταξύ των μαθητών να βρει τρεις κοντούς (Κ) και τρεις ψηλούς (Ψ). Να
Διαβάστε περισσότεραm + s + q r + n + q p + s + n, P Q R P Q P R Q R F G
Λύσεις Θεμάτων Θεμελίων των Μαθηματικών 1. Εστω A, B, C τυχόντα σύνολα. Να δειχθεί ότι A (B C) (A B) (A C). Απόδειξη. Εστω x τυχαίο στοιχείο του A (B C). Εξ ορισμού, το x ανήκει σε ακριβώς ένα από τα A,
Διαβάστε περισσότεραΘΕΜΑ 3 Το ύψος κύματος (σε μέτρα) σε μία συγκεκριμένη θαλάσσια περιοχή είναι τυχαία μεταβλητή X με συνάρτηση πυκνότητας πιθανότητας
ΣΧΟΛΗ ΝΑΥΤΙΚΩΝ ΔΟΚΙΜΩΝ TOMEAΣ ΜΑΘΗΜΑΤΙΚΩΝ ΕΞΕΤΑΣΕΙΣ ΕΠΙΛΟΓΗΣ ΓΙΑ ΕΚΠΑΙΔΕΥΣΗ ΣΤΟ ΕΞΩΤΕΡΙΚΟ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ 26 Σεπτεμβρίου 2014 Ομάδα Θεμάτων Α ΘΕΜΑ 1 Ρίχνουμε ένα αμερόληπτο νόμισμα (δύο δυνατά
Διαβάστε περισσότεραΠιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου
Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Εισαγωγικά Βασικοί Ορισµοί Πράξεις Γεγονότων Σχεδιάγραµµα της Υλης Βασικές Εννοιες της Θεωρίας Πιθανοτήτων
Διαβάστε περισσότεραΠ Ι Θ Α Ν Ο Τ Η Τ Ε Σ
Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Π ι θ α ν ό τ η τ ε ς : Ο τομέας των Εφαρμοσμένων Μαθηματικών, που ασχολείται με την αξιολόγηση κατάλληλων στοιχείων έτσι ώστε να είναι μετρήσιμη η προσδοκία μας για την πραγματοποίηση
Διαβάστε περισσότεραΣυνδυαστική Απαρίθµηση Υπολογισµός (µε συνδυαστικά επιχειρήµατα) του πλήθους των διαφορετικών αποτελεσµάτων ενός «πειράµατος». «Πείραµα»: διαδικασία µ
Συνδυαστική Απαρίθµηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιµέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθµηση Υπολογισµός
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση Διδάσκοντες: Δ. Φωτάκης, Δ. Σούλιου Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση Υπολογισμός
Διαβάστε περισσότεραΑ ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας
Α ΕΝΟΤΗΤΑ Πιθανότητες Α.1 (1.1 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα Α.2 (1.2 παρ/φος σχολικού βιβλίου) Η έννοια της πιθανότητας Α.1 Δειγματικός Χώρος. Ενδεχόμενα. Απαραίτητες γνώσεις
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές
ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΜΣ στη «Ναυτιλία» Τμήμα Β art time Χαράλαμπος Ευαγγελάρας hevangel@unipi.gr Η έννοια της Πιθανότητας Ο όρος πιθανότητα είναι συνδέεται άμεσα με τη μελέτη
Διαβάστε περισσότεραΤυχαία 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 περισσότεραΑΣΚΗΣΕΙΣ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ
. Να βρείτε το δειγµατικό χώρο της ρίψης ενός ζαριού.. Επιλέγουµε ένα µαθητή Λυκείου και σηµειώνουµε το φύλο και την τάξη του. Να βρείτε το δειγµατικό χώρο Ω του πειράµατος. 3. Τραβάµε ένα φύλλο από µία
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 6o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil
Διαβάστε περισσότερα1.1 Πείραμα Τύχης - δειγματικός χώρος
1. ΠΙΘΑΝΟΤΗΤΕΣ 1.1 Πείραμα Τύχης - δειγματικός χώρος Κάθε πείραμα στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως το αποτέλεσμα λέγεται αιτιοκρατικό πείραμα. Τέτοια πειράματα
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ
ΛΓΕΡ ΛΥΚΕΙΟΥ ΠΙΘΝΟΤΗΤΕΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΙ 1 Tα πειράματα των οποίων δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνονται (φαινομενικά τουλάχιστον) κάτω από τις ίδιες συνθήκες
Διαβάστε περισσότεραΑ) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn.
Άσκηση 1 Α) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn. B) Αν ( ), ( ), ( ), να εκφράσετε τις πιθανότητες
Διαβάστε περισσότεραΜαθηματικά Πληροφορικής Πιθανοτικά Εργαλεία. Υποπροσθετικότητα. Η Πιθανοτική Μέθοδος (The Probabilistic Method)
Μαθηματικά Πληροφορικής Πιθανοτικά Εργαλεία Δύο βασικά εργαλεία από τη Θεωρία Πιθανοτήτων. 1 Υποπροσθετικότητα (Union Bound). 2 Γραμμικότητα Αναμενόμενης Τιμής (Linearity of Expectation). Τμήμα Πληροφορικής
Διαβάστε περισσότεραΔιακριτά Μαθηματικά Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Διακριτά Μαθηματικά Ι Θεωρία συνόλων Διδάσκων: Επίκουρος Καθηγητής Σπύρος Κοντογιάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018
ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018 Διδάσκουσα: Β. Πιπερίγκου Σε μια ενδονοσοκομειακή έρευνα, καταγράφηκε ο χρόνος ύπνου, μετά τη χορήγηση ενός συγκεκριμένου αναισθητικού, σε 33 ασθενείς και πήραμε
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: 23 Απριλίου 2012
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: Απριλίου 0 Ημερομηνία παράδοσης της Εργασίας: 8 Μαΐου 0 Πριν από τη
Διαβάστε περισσότεραΣτέλιος Μιταήλογλοσ Δημήτρης Πατσιμάς.
Πιθανότητες Α Λσκείοσ Στέλιος Μιταήλογλοσ Δημήτρης Πατσιμάς www.askisopolis.gr Πιθανότητες Εφαρμογές στον ορισμό πιθανότητας. Ρίχνουμε ένα νόμισμα τρεις φορές. Ποια είναι η πιθανότητα να φέρουμε και τις
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ
ΚΕΦΛΙΟ Ο ΠΙΘΝΟΤΗΤΕΣ. Εισαγωγή Στην Θεωρία Πιθανοτήτων, ξεκινάµε από το λεγόµενο πείραµα δηλαδή µια διαδικασία η οποία µπορεί να επαναληφθεί θεωρητικά άπειρες φορές, κάτω από τις ίδιες ουσιαστικά συνθήκες,
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ & ΑΣΚΗΣΕΙΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΕΦΑΛΑΙΟ 3 Ο «ΠΙΘΑΝΟΤΗΤΕΣ»
ΜΕΘΟΔΟΛΟΓΙΑ & ΑΣΚΗΣΕΙΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΕΦΑΛΑΙΟ Ο «ΠΙΘΑΝΟΤΗΤΕΣ» Επιμέλεια : Παλαιολόγου Παύλος Μαθηματικός ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα
Διαβάστε περισσότεραΠεριεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ
Πιθανότητες και Αρχές Στατιστικής (3η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 38 Περιεχόμενα
Διαβάστε περισσότεραΣυνδυαστική Απαρίθµηση
Συνδυαστική Απαρίθµηση ιδάσκοντες:. Φωτάκης,. Σούλιου, Θ. Λιανέας Επιµέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθµηση
Διαβάστε περισσότεραB A B A A 1 A 2 A N = A i, i=1. i=1
Κεφάλαιο 2 Χώρος πιθανότητας και ενδεχόμενα 2.1 Προκαταρκτικά Εστω ότι κάποιος μας προτείνει να του δώσουμε δυόμισι ευρώ για να παίξουμε το εξής παιχνίδι: Θα στρίβουμε ένα νόμισμα μέχρι την πρώτη φορά
Διαβάστε περισσότεραΠεριεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ
3ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 3ο Μάθημα Πιθανότητες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Εισαγωγή στις Διακριτές Πιθανότητες ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage:
Διαβάστε περισσότεραΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝΔΕΧΟΜΕΝΑ
κεφ - ΠΙΘΑΝΟΤΗΤΕΣ ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝΔΕΧΟΜΕΝΑ Σε ένα συρτάρι υπάρχουν δύο κάρτες, μία άσπρη και μία κόκκινη Παίρνουμε στην τύχη μία κάρτα από το συρτάρι, καταγράφουμε το χρώμα της και την ξαναβάζουμε
Διαβάστε περισσότερα1. Πείραμα τύχης. 2. Δειγματικός Χώρος ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ
1 ΣΤΟΙΧΕΙ ΠΟ ΤΗ ΘΕΩΡΙ ΠΙΘΝΟΤΗΤΩΝ 1. Πείραμα τύχης Πείραμα τύχης (π.τ.) ονομάζουμε κάθε πείραμα που μπορεί να επαναληφθεί όσες φορές επιθυμούμε υπό τις ίδιες συνθήκες και του οποίου το αποτέλεσμα είναι
Διαβάστε περισσότερα(1) 98! 25! = 4 100! 23! = 4
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες - Χειµερινό Εξάµηνο 015 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 Συνδυαστική Ανάλυση και Εισαγωγή στις ιακριτές Τυχαίες Μεταβλητές Επιµέλεια
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης;
ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α Ερώτηση θεωρίας α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης; =. β) Για δύο συμπληρωματικά ενδεχόμενα Α και Α να αποδείξετε
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ ΜΑΘΗΜΑ: ΣΤΑΤΙΣΤΙΚΗ - ΕΞΑΜΗΝΟ: 3 ο ΑΣΚΗΣΕΙΣ: ΠΙΘΑΝΟΤΗΤΕΣ Άσκηση 1.1 Να βρεθούν οι πιθανότητες:
ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2015-16 ΜΑΘΗΜΑ: ΣΤΑΤΙΣΤΙΚΗ - ΕΞΑΜΗΝΟ: 3 ο ΑΣΚΗΣΕΙΣ: ΠΙΘΑΝΟΤΗΤΕΣ Άσκηση 1.1 Να βρεθούν οι πιθανότητες: α) Να γεννηθούν δύο κορίτσια και ένα αγόρι σε τρεις
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ
ΚΕΦΑΛΑΙΟ ΔΙΑΤΑΞΕΙΣ ΜΕΤΑΘΕΣΕΙΣ ΣΥΝΔΥΑΣΜΟΙ Εισαγωγή. Οι σχηματισμοί που προκύπτουν με την επιλογή ενός συγκεκριμένου αριθμού στοιχείων από το ίδιο σύνολο καλούνται διατάξεις αν μας ενδιαφέρει η σειρά καταγραφή
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.
ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος Το σύνολο των δυνατών αποτελεσμάτων λέγεται δειγματικός χώρος (sample space) και συμβολίζεται συνήθως με το γράμμα Αν δηλαδή ω,,, ω2 ωκ είναι τα δυνατά αποτελέσματα ενός πειράματος
Διαβάστε περισσότερα1 ο Κεφάλαιο : Πιθανότητες. 1. Δειγματικοί χώροι 2. Διαγράμματα Venn. Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. 3. Κλασικός ορισμός. 4.
ο Κεφάλαιο : Πιθανότητες. Δειγματικοί χώροι. Διαγράμματα Venn Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. Κλασικός ορισμός πιθανότητας 4. Κανόνες λογισμού πιθανοτήτων η Κατηγορία : Δειγματικοί χώροι ) Ρίχνουμε
Διαβάστε περισσότεραΗ Έννοια της Πιθανότητας. 1 Βρείτε την πιθανότητα του καθ ενός απ τα παρακάτω ενδεχόμενα:
1 Η Έννοια της Πιθανότητας Η Έννοια της Πιθανότητας 1 Βρείτε την πιθανότητα του καθ ενός απ τα παρακάτω ενδεχόμενα: α) Να εμφανιστεί περιττός αριθμός κατά την ρίψη ενός ζαριού. (1/2) β) Να εμφανιστεί τουλάχιστον
Διαβάστε περισσότερα3/10/2016. Στατιστική Ι. 1 η Διάλεξη
Στατιστική Ι 1 η Διάλεξη 1 2 Φαινόμενα Πειράματα Αιτιοκρατικά Προσδιοριστικά Τυχαία Στοχαστικά Ένα αιτιοκρατικό πείραμα, κάθε φορά που εκτελείται, έχει το ίδιο αποτέλεσμα το οποίο μπορεί να προβλεφθεί
Διαβάστε περισσότεραΓνωστό: P (M) = 2 M = τρόποι επιλογής υποσυνόλου του M. Π.χ. M = {A, B, C} π. 1. Π.χ.
Παραδείγματα Απαρίθμησης Γνωστό: P (M 2 M τρόποι επιλογής υποσυνόλου του M Τεχνικές Απαρίθμησης Πχ M {A, B, C} P (M 2 3 8 #(Υποσυνόλων με 2 στοιχεία ( 3 2 3 #(Διατεταγμένων υποσυνόλων με 2 στοιχεία 3 2
Διαβάστε περισσότερα3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }.
3 ΠΙΘΑΝΟΤΗΤΕΣ 3.1 ΔΕΙΓΜΑΤΙΚΟΣ ΧΡΟΣ - ΕΝΔΕΧΟΜΕΝΑ Πείραμα Τύχης Ένα πείραμα του οποίου δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνεται φαινομενικά τουλάχιστον κάτω από
Διαβάστε περισσότεραΣυνδυαστική Ανάλυση. Υπολογισμός της πιθανότητας σε διακριτούς χώρους με ισοπίθανα αποτελέσματα:
Συνδυαστική Ανάλυση Υπολογισμός της πιθανότητας σε διακριτούς χώρους με ισοπίθανα αποτελέσματα: P( A) N( A) N ( ) Ν(Α): πλήθος ευνοϊκών αποτελεσμάτων του Α Ν(Ω): πλήθος συνολικών αποτελεσμάτων του Ω Χρειαζόμαστε
Διαβάστε περισσότεραΒιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2016
Βιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 06 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολο υποθέσεων και του οποίου
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 2 η : Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες. Γεώργιος Ζιούτας Τμήμα
Διαβάστε περισσότερα(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 περισσότεραP (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ).
Υπενθυμίσεις Παραδείγματα Ασκήσεις Μελέτη 31 Οκτωβρίου 2014 Πιθανότητες και Στατιστική Διάλεξη 7 Ασκήσεις ΙΙ Δεσμευμένη πιθανότητα, Συνδυαστικά επιχειρήματα Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο
Διαβάστε περισσότεραΗ πιθανότητα επομένως που ζητείται να υπολογίσουμε, είναι η P(A 1 M 2 ). Η πιθανότητα αυτή μπορεί να γραφεί ως εξής:
Άσκηση 1: Ένα κουτί περιέχει 3 άσπρες και 2 μαύρες μπάλες. Αφαιρούμε τυχαία δύο μπάλες διαδοχικά. Ποια η πιθανότητα η πρώτη μπάλα να είναι άσπρη και η δεύτερη μπάλα να είναι μαύρη; Λύση: Αρχικά ορίζουμε
Διαβάστε περισσότεραΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ- 1 o ΔΙΑΓΩΝΙΣΜΑ
ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f 1 ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ- 1 o ΔΙΑΓΩΝΙΣΜΑ Ι. Το πεδίο ορισμού της f είναι:, 1 υ -1, B. 1, Γ. -1,., 1. 1, f 1 ΙΙ. Το όριο lm είναι ίσο με: 0 Α. 0 Β. 1 Γ. -1 Δ. 1/ Ε. Τίποτε
Διαβάστε περισσότεραΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ
ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΕΠΙΜΕΛΕΙΑ : ΓΕΡΓΙΟΣ Ε. ΚΑΡΑΦΕΡΗΣ ΠΕ03 ΜΑΘΗΜΑΤΙΚΟΣ [] ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΡΙΑ: Πείραμα Τύχης Κάθε πείραμα κατά στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως
Διαβάστε περισσότεραΘεωρία παιγνίων Δημήτρης Χριστοφίδης Εκδοση 1η: Παρασκευή 3 Απριλίου 2015. Παραδείγματα Παράδειγμα 1. Δυο άτομα παίζουν μια παραλλαγή του σκακιού όπου σε κάθε βήμα ο κάθε παίκτης κάνει δύο κανονικές κινήσεις.
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1.
Γ ΛΥΚΕΙΟΥ-ΓΕΝΙΚΗ ΠΑΙΔΕΙΑ ΜΑΘΗΜΑΤΙΚΑ ο ΔΙΑΓΩΝΙΣΜΑ ΘΕΜΑ ο Δίνεται η συνάρτηση f Ι. Το πεδίο ορισμού της f είναι:., υ -, B., Γ. -,.,., ΙΙ. Το όριο f lm 0 είναι ίσο με: Α. 0 Β. Γ. Δ. Ε. Τίποτε από τα προηγούμενα
Διαβάστε περισσότεραΣυνδυαστική Απαρίθμηση
Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων «πειράματος» ή «γεγονότος» (με συνδυαστικά επιχειρήματα). «Πείραμα» ή «γεγονός»: διαδικασία με συγκεκριμένο (πεπερασμένο) σύνολο παρατηρήσιμων
Διαβάστε περισσότεραΈντυπο Υποβολής Αξιολόγησης Γ.Ε.
Έντυπο Υποβολής Αξιολόγησης Γ.Ε. O φοιτητής συμπληρώνει την ενότητα «Υποβολή Εργασίας» και αποστέλλει το έντυπο σε δύο μη συρραμμένα αντίγραφα (ή ηλεκτρονικά) στον Καθηγητή-Σύμβουλο. Ο Καθηγητής-Σύμβουλος
Διαβάστε περισσότεραΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α 1. (2.5 μονάδες) Ο κ. Ζούπας παρέλαβε μία μυστηριώδη τσάντα από το ταχυδρομείο. Όταν
Διαβάστε περισσότεραΔιακριτά Μαθηματικά Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Διακριτά Μαθηματικά Ι Θεωρία συνόλων Διδάσκων: Επίκουρος Καθηγητής Σπύρος Κοντογιάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 2: Θεωρία Πιθανοτήτων Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες Χρήσης
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ. β) το ενδεχόμενο Α: ο αριθμός που προκύπτει να είναι άρτιος
ΠΙΘΑΝΟΤΗΤΕΣ.Ένα κουτί περιέχει τέσσερις λαχνούς αριθμημένους από το εώς το 4. Εκλέγουμε έναν λαχνό στην τύχη,σημειώνουμε το αποτέλεσμα και δεν ξανατοποθετούμε τον λαχνό στο κουτί. Επαναλαμβάνουμε το πείραμα
Διαβάστε περισσότεραn ίδια n διαφορετικά n n 0 n n n 1 n n n n 0 4
Διακριτά Μαθηματικά Ι Επαναληπτικό Μάθημα 1 Συνδυαστική 2 Μεταξύ 2n αντικειμένων, τα n είναι ίδια. Βρείτε τον αριθμό των επιλογών n αντικειμένων από αυτά τα 2n αντικείμενα. Μεταξύ 3n + 1 αντικειμένων τα
Διαβάστε περισσότεραΗ ΔΙΔΑΣΚΑΛΙΑ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΣΤΟ ΔΗΜΟΤΙΚΟ ΣΧΟΛΕΙΟ
Η ΔΙΔΑΣΚΑΛΙΑ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΣΤΟ ΔΗΜΟΤΙΚΟ ΣΧΟΛΕΙΟ Στόχοι- Υποστόχοι- Δραστηριότητες Ασημίνα Ασβεστά, Κωνσταντίνα Ζαχαροπούλου, Σοφία Αιζενμπαχ Πείραμα Τύχης Πιθανότητα Ενδεχομένου ΠΕΙΡΑΜΑ ΤΥΧΗΣ Α Β Γ Δ
Διαβάστε περισσότεραΟι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά
Εισαγωγή Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά μοντέλα, είτε σε στοχαστικά ή αλλοιώς πιθανοτικά μοντέλα. προσδιοριστικά μοντέλα : επιτρέπουν προσδιορισμό
Διαβάστε περισσότεραNotes. Notes. Notes. Notes
Θεωρία Καταναλωτή: Αβεβαιότητα Κώστας Ρουμανιάς Ο.Π.Α. Τμήμα Δ. Ε. Ο. Σ. 9 Οκτωβρίου 0 Κώστας Ρουμανιάς (Δ.Ε.Ο.Σ.) Θεωρία Καταναλωτή: Αβεβαιότητα 9 Οκτωβρίου 0 / 5 Ανάγκη θεωρίας επιλογής υπό αβεβαιότητα
Διαβάστε περισσότερα5. 3 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ
ΜΕΡΟΣ Α. ΕΟΙΑ ΤΗΣ ΠΙΘΑΟΤΗΤΑΣ 77. ΕΟΙΑ ΤΗΣ ΠΙΘΑΟΤΗΤΑΣ Κλασικός ορισμός πιθανότητας Αν ένα στοιχείο του συνόλου του δειγματικού χώρου επιλέγεται στην τύχη και δεν έχει κανένα πλεονέκτημα έναντι των άλλων,
Διαβάστε περισσότεραΤ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Θεωρία Συνόλων Σύνολο: Το σύνολο εκφράζει μία συλλογή διακριτών μονάδων οποιασδήποτε φύσης.
Διαβάστε περισσότεραΜέρος ΙΙ. Τυχαίες Μεταβλητές
Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων Ι
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 1: Στοιχεία Πιθανοθεωρίας Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότεραΒασικά στοιχεία της θεωρίας πιθανοτήτων
Η έννοια του Πειράµατος Τύχης. 9 3 Το σύνολο των πιθανών εκβάσεων ενός πειράµατος τύχης καλείται δειγµατοχώρος ήδειγµατικόςχώρος (sample space)καισυµβολίζεταιµεωήµε S.Έναστοιχείοω ή s του δειγµατικού χώρου
Διαβάστε περισσότεραΑΛΓΕΒΡΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΠΙΘΑΝΟΤΗΤΩΝ
ΝΙΚΟΣ ΑΛΕΞΑΝΔΡΗΣ ΜΑΘΗΜΑΤΙΚΟΣ ΑΛΓΕΒΡΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Α ΛΥΚΕΙΟΥ Πιθανότητες Πραγματικοί αριθμοί Εξισώσεις Ανισώσεις Πρόοδοι Βασικές έννοιες των συναρτήσεων Μελέτη βασικών συναρτήσεων ΑΛΓΕΒΡΑ Α
Διαβάστε περισσότερα