ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
|
|
- Διώνη Θεοτόκης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Φωτεινή Κολυβά - Μαχαίρα Ευθυμία Μπόρα - Σέντα ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Παλινδρόμηη του y το x y x
2 Επιμέλεια: Φ. Κολυβά - Μαχαίρα Ε. Μπόρα - Σέντα Επιτρέπεται η χρήη του τυπολογίου αυτού από τους φοιτητές κατά τη διάρκεια των εξετάεων Φωτοτοιχειοθεία Eκτύπωη Βιβλιοδεία Π. ZHTH & Σια OE 8 ο χλμ Θεαλονίκης - Περαίας T.Θ. 47 Περαία Θεαλονίκης T.K Tηλ.: Fax: ifo@ziti.gr BIBΛIOΠΩΛEIO ΘΕΣΣΑΛΟΝΙΚΗΣ - KENTPIKH ΔIAΘEΣH: Aρμενοπούλου Θεαλονίκη Tηλ.: Fax ale@ziti.gr BIBΛIOΠΩΛEIO AΘHNΩN - ENΩΣH EKΔOTΩN BIBΛIOY ΘEΣΣAΛONIKHΣ: Στοά του Bιβλίου (Πεμαζόγλου 5) AΘHNA Tηλ.-Fax: BIBΛIOΠΩΛEIO - AΠOΘHKH AΘHNΩN: Χαριλάου Τρικούπη - Τ.Κ , Aθήνα Tηλ.-Fax: athia@ziti.gr ΗΛΕΚΤΡΟΝΙΚΟ ΒΙΒΛΙΟΠΩΛΕΙΟ:
3 3 Μέη τιμή Διαπορά τυχαίων μεταβλητών α) Διακριτές τυχαίες μεταβλητές Eg( x)  g( x) p( x) όπου px ( ) η.π. της Χ. x  Varx ( x -μ) p( x) x β) Συνεχείς τυχαίες μεταβλητές Eg( x) Ú g( x) f ( x) dx όπου f ( x ) η.π.π. της Χ. R Ú ( ) R ( ). Varx x -μ f x dx Διωνυμική: B (, p ) Οι κυριότερες διακριτές κατανομές ( Ê ˆ ) x PX x Á p - Ë ( p x ) -x EX p VarX p( - p) ʈÊN - ˆ Á Ëx Á Ë ν- x Υπεργεωμετρική: PX ( x), x 0,,, ν ÊNˆ Á Ë ν ν N - N - EX VarX ν N N N Ν - - λ x, x 0,,, e λ Poio: Pλ ( ) PX ( x), x 0,, x! EX λ VarX λ Êx -ˆ ν x-ν Αρνητική διωνυμική: PX ( x) Á p( - p), x ν, ν, Ëν - ν ν( - p) ΕΧ VarX p p Γεωμετρική: x- PX ( x) p( - p) x,, - p EX VarX p p
4 4 Οι κυριότερες υνεχείς κατανομές Ομοιόμορφες: Uα (, β ) Ï Ô, α x β f( x) Ì β - α ÔÓ 0, αλλού Κανονική: α β ( β-α) ΕΧ VarΧ Νμ (, ) Êx-μˆ - Á Ë f( x) e, - < x < π EX μ VarΧ Γάμμα: Gα (, β ) α β α- -βx f( x) x e, x > 0 Γα ( ) α α EX, VarΧ β β Εκθετική: -λx f( x) λe, x > 0 EX VarX λ λ Δεμευμένες πιθανότητες Τύπος Baye: PAB ( ) PA ( / B) PB ( ) PAB ( ) PA ( ) PB ( / A) ( A / B) PB ( ) PA ( ) PB ( / A) PA ( ) PB ( / A) Κεντρικό Οριακό Θεώρημα (Κ.Ο.Θ) X, X,, X ανεξάρτητες τ.μ. με EXi μ και VarΧi X Ê ˆ NÁμ, Ë ή Â Xi N( μ, ) για 30 Αν i, τότε:
5 5 Στατιτικά δείγματος α) Στατιτικά δείγματος για μη ομαδοποιημένα δεδομένα: i i Μέη τιμή: x  x Διαπορά: Διάμεος: Ê ˆ x x x x - - Ë x ( i ) i  - Á  - i i M όπου () () ( ) d Ï x για περιττό Ê ˆ Á Ë Ô Ì Ô ( x x ) για Ê ˆ Ê ˆ άρτιο Á Á Ë ÔÓ Ë x, x,, x οι παρατηρήεις κατ αύξουα ειρά μεγέθους. β) Στατιτικά δείγματος για ομαδοποιημένα δεδομένα: i i i Μέη τιμή: x  x Διαπορά: όπου το πλήθος των τάξεων, η υχνότητα της i-τάξης και i x το κέντρο της. i Ê ˆ x x x x - - Ë i( i ) i i  - Á  - i i w Ê p ˆ P-ποοτιαίο ημείο: Mp L Á -Nm- Ë m 00 όπου L το αριτερό άκρο του διατήματος το οποίο ανήκει το ποοτιαίο ημείο (διάτημα αναφοράς) Nm - η αθροιτική υχνότητα του διατήματος που προηγείται του διατήματος αναφοράς m η υχνότητα του διατήματος αναφοράς w το πλάτος των διατημάτων γ) Δειγματική υνδιαπορά δύο δειγμάτων: Ê ˆ S ( x -x)( y - y) Á x y -xy -  - Ë Â xy i i i i i i
6 6 Διατήματα εμπιτούνης Έλεγχοι υποθέεων Πίνακας 5.: Διατήματα εμπιτούνης Παράμετρος πληθυμού μ Προϋποθέεις Μέγεθος δείγματος 00( - a)% δε.. γνωτό οτιδήποτε x ± z a/ άγνωτο 30 x ± z a/ άγνωτο 30 x ± t ; a/ - Ê ˆ Á ( -) ( -), -; a/ -; -a/ ËХ Х p ˆ ˆ 30 ˆ p ( - p ) p± za/ όπου p ˆ < 30 άβακες x μ- μ, γνωτό οτιδήποτε x - y± za/ m, άγνωτο, m 30 x - y± za/ m
7 7 Παράμετρος πληθυμού μ- μ / p- p Πίνακας 5.: (υνέχεια) Προϋποθέεις Μέγεθος δείγματος 00( - a)% δε.. άγνωτο, m< 30 x - y± tv ; a/ όπου m ( - ) ( m-) m- και v m- π άγνωτο, m < 30 ζευγαρωτές παρατηρήεις < 30 x - y± tv; a/ και m ν Ê ˆ Á Ë m Ê ˆ Ê ˆ Á Ë Á Ë m - m- όταν π m ενώ ν ( - ) όταν m z z t και ± όπου z η μέη τιμή των x i - y i z ; a/ - η διαπορά των x i - y i Ê ˆ / F m, F m Á -, -; a/ -, -; a/ Ë ˆ ˆ ˆ ˆ, m 30 ˆ ˆ p ( - p) p( - p) p- p ± za/ m < 30 άβακες
8 8 Πίνακας 5.: Έλεγχοι υποθέεων που αναφέρονται ένα δείγμα H 0 H Προϋποθέεις Απορρ. περιοχή R Επεξηγήεις μ μ 0 μ> μ 0 γνωτό άγνωτο 30 άγνωτο < 30 μ< μ 0 γνωτό άγνωτο 30 άγνωτο < 30 μπ μ 0 γνωτό άγνωτο 30 άγνωτο < 30 R { z > z } a R { t > z } a R { t > t - ; a } R { z <- z } a R { t <- z } R { t <- t - ; a } a R { z > z } a/ R { t > z } a/ R { t > t - ; a/} όπου και ( x - μ0 ) z ( x - μ0 ) t 0 > 0 < 0 π 0 ; a R { Χ >Х - } ; a R { Χ <Х - - } { - ; a/ R Χ > Х όπου Χ ( -) 0 ή Χ < Х - ; - a/ } p p 0 p p > 0 p< p 0 pπ p 0 > 30 > 30 > 30 R { z > z } a R { z <- z } a R { z > z } a/ ( pˆ - p0 ) όπου z p ( - p ) 0 0 και ˆ x p (xαριθμός επιτυχιών)
9 9 Πίνακας 5.3: Έλεγχοι υποθέεων που αναφέρονται ε δύο δείγματα H 0 H Προϋποθέεις Απορρ. περιοχή R Επεξηγήεις μ- μ δ μ- μ > δ, R { z > z } γνωτά a, άγνωτα, m> 30 R { z > za } z z x - y-δ m x - y-δ m υνήθως δ 0 άγνωτο, m< 30 π άγνωτο, m< 30 R { t > t m - ; a } R { t > t v ; a } ζευγαρωτές Ïz παρατηρήεις R Ì > t - ; a ÔÓ z Ô t t x - y-δ m x - y-δ m όταν π m,, ( - ) ( m-) m-, όταν m, ( - ) ν Ê ˆ Á Ë m ( / ) ( / m) - m- όπου z και z η μέη τιμή και η τυπική απόκλιη των x i - y i
10 0 Πίνακας 5.3: (υνέχεια) H 0 H Προϋποθέεις Απορρ. περιοχή R Επεξηγήεις μ- μ δ μ- μ < δ, R { z <- z } γνωτά a, άγνωτα, m> 30 R { z <-z a } z z x - y-δ m x - y-δ m υνήθως δ 0 άγνωτο, m< 30 π άγνωτα, m< 30 R { t <- t m - ; a } R { t <- t v ; a } ζευγαρωτές Ïz παρατηρήεις R Ì <-t - ; a/ ÔÓ z Ô t t x - y-δ m x - y-δ m όταν π m, και ( - ) ( m-) m- όταν m, ν ( - ) ν Ê ˆ Á Ë m ( / ) ( / m) - m- όπου z και z η μέη τιμή και η τυπική απόκλιη των x i - y i
11 Πίνακας 5.3: (υνέχεια) H 0 H Προϋποθέεις Απορρ. περιοχή R Επεξηγήεις μ- μ δ μ-μ π δ, γνωτά a/, άγνωτα, m> 30 R { z > z } R { z > za/ } z z x - y-δ m x - y-δ m υνήθως δ 0 άγνωτο, m< 30 π άγνωτα, m< 30 ζευγαρωτές παρατηρήεις R { t > t m - ; a/ } R { t > t ν ; a/ } ÏÔ z Ô R Ì > t - ÔÓ ; a/ z Ô t t x - y-δ m x - y-δ m όταν π m, ν ( - ) ( m-) m- όταν m, ν ( - ) Ê ˆ Á Ë m ( / ) ( / m) - m- όπου z και z η μέη τιμή και η τυπική απόκλιη των x i - y i
12 Πίνακας 5.3: (υνέχεια) ή H 0 H Προϋποθέεις Απορρ. περιοχή R Επεξηγήεις > > < > π p- p δ p- p > δ, m 30 R { z za } R Ï Ô Ô Ì > F -, m-; a ÔÓ Ô R Ï Ô Ô Ì > F m-, -; a ÔÓ Ô R Ï Ô Ô Ì > F -, m-; a/ ÔÓ Ô R Ï Ô Ô Ì F m-, -; a/ ÔÓ Ô pˆ pˆ δ - - > z, p ˆ p- p < δ, m 30 R { z <-z a } όταν δ0, p- p π δ, 30 m a/ R { z > z } όταν δ π 0, x, p ˆ ˆ pqˆ Ê ˆ Ë Á m, p ˆ pq ˆ ˆ ˆ pq ˆ, m y m x y, qˆ - pˆ m - ˆ, qˆ - pˆ qˆ p
13 3 Τύπος Èza/ Í Î d z a/ È pqí Î d Èza/ 4 Í Î d ( a ) ( μ- μ0) z z β Πίνακας 5.4 Προϋποθέεις Ιχύει όταν η διαπορά του πληθυμού είναι γνωτή και το 00( a)% δ.ε. θέλουμε να έχει εύρος το πολύ d. Όταν άγνωτο χρηιμοποιούμε μια οποιαδήποτε εκτίμηή του. Ο τύπος χρηιμοποιείται όταν γνωρίζουμε το ˆp ή το p του πληθυμού και το δ.ε. θέλουμε να έχει εύρος το πολύ d. Ο τύπος δίνει ένα άνω φράγμα για το την περίπτωη που μας είναι τελείως άγνωτο το p. Αναφέρεται τον έλεγχο Η0 : μ μ0 Η : μ μ μ > μ 0 και a και β είναι τα μεγέθη των φαλμάτων τύπου Ι και ΙΙ. Το z a αντικαθίταται με το z a/ όταν Η: μπ μ και το με το όταν 30 και άγνωτο. Έλεγχος προαρμογής X H0 : p p0,, p p0 H p π p για κάποιο i : i i0 όπου X ( i - θi) i θ i i θ i i  Â, - Δοκιμαία X m ; a R { X >Х - - } i παρατηρούμενα μεγέθη θi p i θεωρητικά μεγέθη πλήθος κατηγοριών m πλήθος εκτιμώμενων παραμέτρων Περιοριμός: θi 5. Έλεγχος ανεξαρτηίας και ομοιογένειας H p p p για όλα τα (i, j) 0 : ij i j H p π p p για κάποια (i, j) : ij i j X
14 4 όπου X ij - ij ij ( θ ) Â - θ Â θ i, j ij i, j ( )( ); a R { X >Х - - } ij πλήθος γραμμών του πίνακα υνάφειας πλήθος τηλών»»» μέγεθος δείγματος ij παρατηρούμενο μέγεθος τη θέη (i, j) του πίνακα υνάφειας θ ij θεωρητικό μέγεθος τη θέη (i, j) του πίνακα υνάφειας (άθροιμα i γραμμής) (άθροιμα j τήλης) θij (γενικό άθροιμα) Περιοριμός: θij 5. Για το μοντέλο ŷ αˆ βx ˆ ιχύουν: ˆ xy β, αˆ y- βx ˆ Γραμμική Παλινδρόμηη Συχέτιη x -Ê ˆ xy - ˆ ˆ i - i Á y - y - x - Â - i x - Ë Ê x ˆ α Á Ë ( -) x, β ( -) x ( y y ) ( β ) 00( a)% δ.ε. για το α: ( αˆ ± α t - ; a/) 00( a)% δ.ε. για το β: ( βˆ ± β t - ; a/) 00( a)% δ.ε. για το ΕY ( ˆ): 00( a)% δ.ε. για τη διαφορά β β : όπου 0 x ( - ) x ( -) -4 Ê Áyˆ ± t Ë Ê ˆ ˆ ( x- x) -; a/ ( -) x ˆ - -ˆ - Áβ- β ± 0t -4; a/ Ë x x.
15 5 Για το γενικό γραμμικό μοντέλο Y X β e ιχύουν: YY - βχχ ˆ ˆ - β ( Χ Χ) Χ Y με - ( ) Cov( X, Y) xy Συντελετής υχέτιης: ρ, r VarX VarY x y H0 : ρ 0 fi Η : ρπ 0 Συντελετής μερικής υχέτιης: ÔÏ r - R Ìt > t ÔÓ - r r y, r y, r - r r y y -; a/ y r ( -r ) ( - ) r - r r y y y r ( -r ) ( - ) Ô Ô Ανάλυη Διαποράς Ανάλυη Διαποράς για έναν παράγοντα Θεωρητικό μοντέλο: yij μ αi eij όπου μ γενικός μέος α i η επίδραη του παράγοντα Α το i δείγμα τυχαία φάλματα από κανονική κατανομή e ij N(0, ) Πίνακας Ανάλυης Διαποράς για ύγκριη των μέων τιμών δειγμάτων Πηγή μεταβολής Μεταξύ δειγμάτων (παράγοντας Α) Άθροιμα τετραγώνων (SS) β.ε Â i( i ) - i SSA y - y Μέα τα δείγματα i (υπόλοιπο ή SSE ÂÂ( yij - y i ) - φάλμα) i j Ολική i ÂÂ ( ij ) - i j SST y - y Μέη μεταβολή (MS) SSA MSA F MSA - MSE SSE MSE - F
16 6 όπου: y ij είναι η j παρατήρηη του i δείγματος i είναι το πλήθος των παρατηρήεων του i δείγματος. y είναι η δειγματική μέη τιμή του i δείγματος, δηλαδή: y i i i  ij / i j y y είναι το πλήθος των δειγμάτων είναι ο γενικός δειγματικός μέος i y  y / και τέλος i j ij είναι το πλήθος όλων των παρατηρήεων δηλαδή Â i i Υποθέεις που ελέγχονται: H0 : μ μ μ ή α α α 0 H μ π μ για κάποια i και j ή α π 0 για κάποιο i. : i j i R { F > F } -, -; a Ανάλυη διαποράς για δύο παράγοντες και r Θεωρητικό μοντέλο: yij μ αi bj eij όπου μ γενικός μέος α i η επίδραη του παράγοντας Α την i-τάθμη b η επίδραη του παράγοντα Β την j-τάθμη j e ij τυχαία φάλματα από Υποθέεις που ελέγχονται: H : α α α 0 i) 0A H A : α i π 0 για κάποιο i ii) 0B H : β β βλ 0 H B : β j π 0 για κάποιο j N(0, ) κατανομή Απορριπτικές περιοχές: της H0A : R {F A > F -, ( - )( λ - );a} H : R {F > F } της 0B B λ-, ( -)( λ-);a
17 7 Πηγή Παράγοντας Α Παράγοντας Β Πίνακας Ανάλυης Διαποράς με δύο παράγοντες χωρίς αλληλεπίδραη Άθροιμα τετραγώνων β.ε Â( ii ii ) - i λ Â( ij ii) j SSA λ y - y Μέα τετράγωνα SSA MSA MSA FΑ - MSE SSB MSB SSB y - y λ - MSB FΒ λ - MSE Σφάλματα SSE SST -SSA - SSB ( -)( λ- ) Ολική μεταβολή όπου: λ ÂÂ( ij ii ) λ - i j SST y - y SSE MSE ( κ-)( λ-) y ij είναι η παρατήρηη την i γραμμή και j τήλη του πίνακα των δεδομένων είναι το πλήθος των γραμμών (τάθμες του παράγοντα Α) λ είναι το πλήθος των τηλών (τάθμες του παράγοντα Β) λ το ύνολο των παρατηρήεων λ yi i  yij / i,,, j y i j  yij / λ j,,, λ j Y ii είναι ο γενικός μέος: Y  yij / ii ij, Ανάλυη διαποράς για δύο παράγοντες και r> Θεωρητικό μοντέλο: yij μ αi βj γij eij όπου μ, αi, βj, e ij είναι ίδια με την προηγούμενη περίπτωη και γ ij είναι η αλληλεπίδραη της i τάθμης του παράγοντα Α και της j του παράγοντα Β. F
18 8 Πίνακας δεδομένων Παράγοντας Β Παράγοντας Α B B B λ Α Α y y y y λ y y λ y r y r y λr y y y y λ y y λ y r y r y λr Α y y y y λ y y λ y r r y y λr Πίνακας αθροιμάτων Β Β Α Β Β λ Σύνολο A T i T i λi A T i T i λi T T ii T T ii A T i T i λ T i Σύνολο T ii T i i T i λ i T ii T iii Yiii Tiii / λ, Yii j Tii j /, Yiji Tiji / r, Yiii Tiii / λr
19 9 Πίνακας Ανάλυης Διαποράς για α.δ. με δύο παράγοντες και αλληλεπίδραη Πηγή Παράγοντας Α Παράγοντας Β Αλληλεπίδραη Α Β Αθροίματα τετραγώνων Â( iii iii ) - i λ Â( ii j iii ) λ - j SSA λ y - y SSB r y - y SSΑΒ β.ε λ ÂÂ( iji iii iji iii ) ( -)( λ- ) i j r y - y - y y Μέη μεταβολή SSA MSA MSA FΑ - MSE SSB MSΒ MSB FΒ λ - MSE ΜSAB SSAB ( -)( λ-) F ΑΒ F MSAB MSE Σφάλμα Υπόλοιπο λ r ÂÂÂ( ijμ iji ) λ( r - ) i j μ SSΑΒ y - y λ r ÂÂÂ( ijμ iii ) i j μ SSGT y - y SSE MSE λ ( r -) Υποθέεις που ελέγχονται: i) H 0 A : α α α 0 (ο παράγοντας Α δεν επιδρά) H α π 0 για κάποιο i A : i ii) H 0 B : β β β λ 0 (ο παράγοντας Β δεν επιδρά) Η β π 0 για κάποιο j Β : j iii) Η 0 AΒ: γij 0 για κάθε i και j (δεν υπάρχει αλληλεπίδραη μεταξύ των παραγόντων Α και Β) Η AΒ: γij π 0 για κάποια i και j. Απορριπτικές περιοχές: της 0 A : της 0 Β : της 0 ΑB: H R {F A > F -, λ( r - ); a } H R {F B > Fλ -, λ( r - ); a } H ΑB > F ( -)( λ-), λ( r-); a R {F }
20 0 Μη παραμετρικές δοκιμαίες Τύπος μεταβλητής δείγμα ποιοτική ποοτική δείγματα ανεξάρτητα δείγματα εξαρτημένα δείγματα ανεξάρτητα δείγματα εξαρτημένα ποιοτική ποοτική ποιοτική ποοτική ποοτική ποιοτική ποοτική Κριτήρια X ροών Kolmogorov - Smirov X διαμέου, Ma-Whitey, Kolmogorov - Smirov, Wald - Wolfowitz, Mc Nemar προημικό, Wilcoxo διαμέου, Krual - Walli Cochra Friedma Κριτήριο ροών H 0 : το δείγμα είναι τυχαίο ή δύο δείγματα προέρχονται από την ίδια κατανομή H : όχι η H 0, 0 R { u: P( U ) P( U ) a/} Ï u- μu, > 0 R Ìu: > za/ Ó u, όπου: u το πλήθος των ροών το δείγμα και μ u, ( - -) u - ( ) ( ) Κριτήριο Kolmogorov - Smirov για ένα δείγμα H : F( x) F ( x) 0 0 H : F( x) π F ( x ) 0 R { D > D } ; a όπου D up F( xi) - F0 ( xi) xi
21 Κριτήριο Kolmogorov - Smirov για δύο δείγματα H 0 : H : π G( x ) R { D > D } όπου D, up F ( x ) - G ( x ) m i m i x i Κριτήριο Wilcoxo - Ma - Whitey H0: Fx F H : F π F x y y για < m W Â r i i, m, m; a ( ) U m - W, U m- U, U mi{ U, U} m 0 R { P( U) ) a/} ή R { P( U ) a/} από πίνακες ÏU - μu m m( m -) m > 0 R Ì za/ όπου μ U και U Ó U Προημικό κριτήριο H0: μx μy d 0 H: μx π μy d π0, H : μx > μy d > 0, H : μx < μy d < 0 όπου ή Για < 0 R z z { > a/}, R z za { > }, R { z <-z a } T - z, 5 και Τ το πλήθος των θετικών διαφορών, a { ( ) } ÏT - αν Τ > Ô z Ì Ô T -- αν Τ < ÔÓ, 0 < 5 R P T ή R { P( T ) a} όπου - T mi{ T, T }.
22 Κριτήριο Wilcoxo H : d 0 0 H : d π 0 ή d > 0 ή d < 0 - Τ mi{ T, T } 5 από πίνακες ÏT - μτ Ï ( T - μ Τ ) > 5 R Ì > za/, R Ì > z Ó Τ ÔÓ a Τ Ô όπου μ Τ ( ) ( )( ), Τ. 4 4, Ï - ( T - μ Τ ) R Ì <-z ÔÓ a Τ Ô Κριτήριο Krual - Walli H 0 : τα δείγματα προέρχονται από τον ίδιο πληθυμό H : όχι η H 0 όπου: όπου: { - ; a } R H > Х Ri - Â H 3( ) ( ) i i i το μέγεθος του i δείγματος, i,,, το πλήθος των δειγμάτων R το άθροιμα των βαθμών του i δείγματος το ενιαίο δείγμα i H Αν υπάρχουν δεμοί (πολλαπλές τιμές): R { H > - ; a } c - Â μ ( ) j μj - ( -) j ρ ρ το πλήθος των πολλαπλών τιμών μ j η πολλαπλότητα της τιμής j. Κριτήριο Friedma H 0 : τα δείγματα προέρχονται από τον ίδιο πληθυμό H : όχι η H 0 R { F > F } για 3 και,,, 9,, ; a 4 και, 3, 4 c Х όπου:
23 3 - ; a R { F > Х } για τις υπόλοιπες τιμές των και. όπου: F - ÂR 3 ( ) ( ) i μέγεθος των δειγμάτων πλήθος των δειγμάτων R i άθροιμα τάξεων του i δείγματος (η ταξινόμηη γίνεται ε καθεμιά από τις παρατηρήεις) Κριτήριο Q του Cochra H 0 : τα δείγματα προέρχονται από τον ίδιο πληθυμό H : όχι η H 0 Ï È Ê ˆ Ô Í ( -) Í ÂGj -Á Ô ÁÂGj Î j Ë j R ÌQ > Х Ô Ô ÂLi -ÂLi ÔÓ i i G j το πλήθος των επιτυχιών της j τήλης - ; a L i»»»»» i γραμμής Τα δεδομένα δίνονται ε μορφή πίνακα. Συντελετής υχέτιης του Spearma  i 6 d i r - όπου ( -) d r - r i xi yi H 0 : οι τ.μ. X και Y είναι ανεξάρτητες H : οι τ.μ. X και Y δεν είναι ανεξάρτητες 0 R { r } από πίνακες Ô Ô Ô Ô Ô > 0 R { t t -; a/} όπου t r - - r
24 4 Πίνακες Πίνακας: Πιθανοτήτων P(0 < Z < z ) για την κανονική κατανομή N (0, ) 0 z z 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,0000 0,0040 0,0080 0,00 0,060 0,099 0,039 0,079 0,039 0,0359 0, 0,0398 0,0438 0,0478 0,057 0,0557 0,0596 0,0636 0,0675 0,074 0,0753 0, 0,0793 0,083 0,087 0,090 0,0948 0,0987 0,06 0,064 0,03 0,4 0,3 0,79 0,7 0,55 0,93 0,33 0,368 0,406 0,443 0,480 0,57 0,4 0,554 0,59 0,68 0,664 0,700 0,736 0,77 0,808 0,844 0,879 0,5 0,95 0,950 0,985 0,09 0,054 0,088 0,3 0,57 0,90 0,4 0,6 0,57 0,9 0,34 0,357 0,389 0,4 0,454 0,486 0,57 0,549 0,7 0,580 0,6 0,64 0,673 0,704 0,734 0,764 0,794 0,83 0,85 0,8 0,88 0,90 0,939 0,967 0,995 0,303 0,305 0,3078 0,306 0,333 0,9 0,359 0,386 0,3 0,338 0,364 0,389 0,335 0,3340 0,3365 0,3389,0 0,343 0,3438 0,346 0,3485 0,3508 0,353 0,3554 0,3577 0,3599 0,36, 0,3643 0,3665 0,3686 0,3708 0,379 0,3749 0,3770 0,3790 0,380 0,3830, 0,3849 0,3869 0,3888 0,3907 0,395 0,3944 0,396 0,3980 0,3997 0,405,3 0,403 0,4049 0,4066 0,408 0,4099 0,45 0,43 0,447 0,46 0,477,4 0,49 0,407 0,4 0,436 0,45 0,465 0,479 0,49 0,4306 0,439,5 0,433 0,4345 0,4357 0,4370 0,438 0,4394 0,4406 0,448 0,449 0,444,6 0,445 0,4463 0,4474 0,4484 0,4495 0,4505 0,455 0,455 0,4535 0,4545,7 0,4554 0,4564 0,4573 0,458 0,459 0,4599 0,4608 0,466 0,465 0,4633,8 0,464 0,4649 0,4656 0,4664 0,467 0,4678 0,4686 0,4693 0,4699 0,4706,9 0,473 0,479 0,476 0,473 0,4738 0,4744 0,4750 0,4756 0,476 0,4767,0 0,477 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,48 0,487, 0,48 0,486 0,4830 0,4834 0,4838 0,484 0,4846 0,4850 0,4854 0,4857, 0,486 0,4864 0,4868 0,487 0,4875 0,4878 0,488 0,4884 0,4887 0,4890,3 0,4893 0,4896 0,4898 0,490 0,4904 0,4906 0,4909 0,49 0,493 0,496,4 0,498 0,490 0,49 0,495 0,497 0,499 0,493 0,493 0,4934 0,4936,5 0,4938 0,4940 0,494 0,4943 0,4945 0,4946 0,4948 0,4949 0,495 0,495,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,496 0,496 0,4963 0,4964,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,497 0,497 0,4973 0,4974,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,498,9 0,498 0,498 0,498 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
25 5 Πίνακας: Τιμών t ν; a της t ν -κατανομής ώτε Pt ( > t ) a ν ν; a t ν; a β.ε. a0,0 a0,05 a0,05 a0,00 a0,005 3,078 6,34,706 3,8 63,657,886,90 4,303 6,965 9,95 3,638,353 3,8 4,54 5,84 4,533,3,776 3,747 4,604 5,476,05,57 3,365 4,03 6,440,943,447 3,43 3,707 7,45,895,365,998 3,499 8,397,860,306,896 3,355 9,383,833,6,8 3,50 0,37,8,8,764 3,69,363,796,0,78 3,06,356,78,79,68 3,055 3,350,77,60,650 3,0 4,345,76,45,64,977 5,34,753,3,60,947 6,337,746,0,583,9 7,333,740,0,567,898 8,330,734,0,55,878 9,38,79,093,539,86 0,35,75,086,58,845,33,7,080,58,83,3,77,074,508,89 3,39,74,069,500,807 4,38,7,064,49,797 5,36,708,060,485,787 6,35,706,056,479,779 7,34,703,05,473,77 8,33,70,048,467,763 9,3,699,045,46,756,8,645,960,36,576
26 6 Πίνακας: Τιμών Х ν; a της ν ; a PX ( > Х ) a Х κατανομής για τις οποίες 0 X ν; a β.ε. a0,995 a0,990 a0,975 a0,950 a0,900 0, , , , , ,0005 0, , ,0587 0, ,077 0,483 0,5795 0, , , ,970 0, ,707, ,4740 0, ,83,45476, , ,87085,37347,63539, ,98965,39043,68987,6735,833 8,34449,64648,7973,7364 3, ,73496,0879, ,35 4,686 0,5585,558 3,4697 3, ,8658,603 3, ,8575 4,5748 5, ,0738 3, , ,603 6, , ,069 5, ,8986 7, , , ,687 6, , , ,935 6,64 7,6094 8, ,44 5,8 6, ,9664 9,33 7 5,6974 6, ,5648 8,6776 0, ,648 7,049 8,3075 9, , , ,6373 8, ,70, , ,6040 9, ,8508,446 8, ,8970 0,893,593 3,396 8,647 9,5449 0,983,3380 4, ,604 0,9567,6885 3,0905 4, ,8863 0,8564,40 3,8484 5, ,597,540 3,97 4,64 6,4734 6,603,98 3,8439 5,379 7,99 7,8076,8786 4,5733 6,53 8,38 8,463 3,5648 5,3079 6,979 8, , 4,565 6,047 7,7083 9, ,7867 4,9535 6,7908 8,496 0, ,7065,643 4,433 6,5093 9, ,9907 9,7067 3, ,764 37, , , ,487 43,879 46, ,75 45,448 48,7576 5, , ,70 53, ,53 60,395 64, ,963 6,754 65, ,60 73, ,376 70, ,9 77,995 8,358
27 7 Πίνακας (υνέχεια) a0,0 a0,05 a0,05 a0,00 a0,005 β.ε., ,8446 5,0389 6, , ,6057 5,9947 7, ,034 0,5966 6,539 7,8473 9,34840,3449, , ,48773,433 3,767 4, ,3635,0705,835 5,0863 6, ,6446,596 4,4494 6,89 8,5476 6,070 4,067 6,08 8,4753 0, ,366 5,5073 7,5346 0,090, ,6837 6,990 9,08,6660 3, ,987 8,3070 0,483 3,093 5,88 0 7,750 9,675,900 4,750 6,7569 8,5494,06 3,3367 6,70 8,995 9,89,36 4,7356 7,6883 9,894 3,064 3,6848 6,90 9,43 3,393 4,307 4,9958 7, ,5779 3, ,548 6,96 8,8454 3, ,67 6 4,7690 7,587 30,90 33, , ,9894 8,8693 3,564 34, , ,036 30,435 3,853 36,908 38,58 9 8,40 3,404 34,696 37,566 39, ,65 3, , ,93 4,400 30,833 33,944 36, ,894 4,7956 3, ,75 38,0757 4, , ,963 36,45 39,364 4, , ,386 37,655 40, ,34 46, ,563 38,885 4,93 45,647 48, ,74 40,33 43,944 46, , ,959 4,337 44, ,78 50, ,0875 4, ,7 49,5879 5, ,560 43,779 46,979 50,89 53, , , ,347 63, , ,67 67,5048 7,40 76,539 79, , ,089 83,976 88,3794 9, ,57 90,53 95,03 00,45 04, ,578 0,879 06,69,39 6, ,565 3,45 8,36 4,6 8, ,498 4,34 9,56 35,807 40,69 00 ν Х ν; a ( z ν-) Για > 00, a
28 8 Πίνακας: Των τιμών F της F -κατανομής για τις οποίες ν, ν; a PF ( > F ) a ν, ν; a 0 F ν, ν ; a a0,05 ν ν ,4 99,5 5,7 4,6 30, 34,0 36,8 38,9 40,5 8,5 9,00 9,6 9,5 9,30 9,33 9,35 9,37 9,38 3 0,3 9,55 9,8 9, 9,0 8,94 8,89 8,85 8,8 4 7,7 6,94 6,59 6,39 6,6 6,6 6,09 6,04 6,00 5 6,6 5,79 5,4 5,9 5,05 4,95 4,88 4,8 4,77 6 5,99 5,4 4,76 4,53 4,39 4,8 4, 4,5 4,0 7 5,59 4,74 4,35 4, 3,97 3,87 3,79 3,73 3,68 8 5,3 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 9 5, 4,6 3,86 3,63 3,48 3,37 3,9 3,3 3,8 0 4,96 4,0 3,7 3,48 3,33 3, 3,4 3,07 3,0 4,84 3,98 3,59 3,36 3,0 3,09 3,0,95,90 4,75 3,89 3,49 3,6 3, 3,00,9,85,80 3 4,67 3,8 3,4 3,8 3,03,9,83,77,7 4 4,60 3,74 3,34 3,,96,85,76,70,65 5 4,54 3,68 3,9 3,06,90,79,7,64,59 6 4,49 3,63 3,4 3,0,85,74,66,59,54 7 4,45 3,59 3,0,96,8,70,6,55,49 8 4,4 3,55 3,6,93,77,66,58,5,46 9 4,38 3,5 3,3,90,74,63,54,48,4 0 4,35 3,49 3,0,87,7,60,5,45,39 4,3 3,47 3,07,84,68,57,49,4,37 4,30 3,44 3,05,8,66,55,46,40,34 3 4,8 3,4 3,03,80,64,53,44,37,3 4 4,6 3,40 3,0,78,6,5,4,36,30 5 4,4 3,39,99,76,60,49,40,34,8 6 4,3 3,37,98,74,59,47,39,3,7 7 4, 3,35,96,73,57,46,37,3,5 8 4,0 3,34,95,7,56,45,36,9,4 9 4,8 3,33,93,70,55,43,35,8, 30 4,7 3,3,9,69,53,4,33,7, 40 4,08 3,3,84,6,45,34,5,8, 60 4,00 3,5,76,53,37,5,7,0,04 0 3,9 3,07,68,45,9,7,09,0,96 3,84 3,00,60,37,,0,0,94,88
29 9 Πίνακας (υνέχεια) ν 4,9 43,9 45,9 48,0 49, 50, 5, 5, 53,3 54,3 9,40 9,4 9,43 9,45 9,45 9,46 9,47 9,48 9,49 9,50 8,79 8,74 8,70 8,66 8,64 8,6 8,59 8,57 8,55 8,53 3 5,96 5,9 5,86 5,80 5,77 5,75 5,7 5,69 5,66 5,63 4 4,74 4,68 4,6 4,56 4,53 4,50 4,46 4,43 4,40 4,36 5 4,06 4,00 3,94 3,87 3,84 3,8 3,77 3,74 3,70 3,67 6 3,64 3,57 3,5 3,44 3,4 3,38 3,34 3,30 3,7 3,3 7 3,35 3,8 3, 3,5 3, 3,08 3,04 3,0,97,93 8 3,4 3,07 3,0,94,90,86,83,79,75,7 9,98,9,85,77,74,70,66,6,58,54 0,85,79,7,65,6,57,53,49,45,40,75,69,6,54,5,47,43,38,34,30,67,60,53,46,4,38,34,30,5, 3,60,53,46,39,35,3,7,,8,3 4,54,48,40,33,9,5,0,6,,07 5,49,4,35,8,4,9,5,,06,0 6,45,38,3,3,9,5,0,06,0,96 7,4,34,7,9,5,,06,0,97,9 8,38,3,3,6,,07,03,98,93,88 9,35,8,0,,08,04,99,95,90,84 0,3,5,8,0,05,0,96,9,87,8,30,3,5,07,03,98,94,89,84,78,7,0,3,05,0,96,9,86,8,76 3,5,8,,03,98,94,89,84,79,73 4,4,6,09,0,96,9,87,8,77,7 5,,5,07,99,95,90,85,80,75,69 6,0,3,06,97,93,88,84,79,73,67 7,9,,04,96,9,87,8,77,7,65 8,8,0,03,94,90,85,8,75,70,64 9,6,09,0,93,89,84,79,74,68,6 30,08,00,9,84,79,74,69,64,58,5 40,99,9,84,75,70,65,59,53,47,39 60,9,83,75,66,6,55,50,43,35,5 0,83,75,67,57,5,46,39,3,,00 ν
30 30 Πίνακας: Κριτήριο Kolmogorov - Smirov (για ένα δείγμα). Τιμές του D ;a Μέγεθος Στάθμη ημαντικότητας a δείγματος 0,0 0,5 0,0 0,05 0,0 0,900 0,95 0,950 0,975 0,995 0,684 0,76 0,776 0,84 0,99 3 0,565 0,597 0,64 0,708 0,88 4 0,494 0,55 0,564 0,64 0, ,446 0,474 0,50 0,565 0, ,40 0,436 0,470 0,5 0,68 7 0,38 0,405 0,438 0,486 0, ,358 0,38 0,4 0,457 0, ,339 0,360 0,388 0,43 0,54 0 0,3 0,34 0,368 0,40 0,490 0,307 0,36 0,35 0,39 0,468 0,95 0,33 0,338 0,375 0, ,84 0,30 0,35 0,36 0, ,74 0,9 0,34 0,349 0,48 5 0,66 0,83 0,304 0,338 0, ,58 0,74 0,95 0,38 0,39 7 0,50 0,66 0,86 0,38 0,38 8 0,44 0,59 0,78 0,309 0,37 9 0,37 0,5 0,7 0,30 0, ,3 0,46 0,64 0,94 0, ,0 0,0 0,40 0,70 0, ,90 0,00 0,0 0,40 0, ,80 0,90 0,0 0,30 0, ,0 0, ,90 0, ,70 0,0 70 0,60 0, ,50 0, , ,40 Προεγγιτικοί, 07,4,, 36, 63 τύποι
31 3 Πίνακας: Κριτήριο Kolmogorov - Smirov (για δύο δείγματα) Τιμές του D, m; a /4 /5 6/0 4/5 4/5 5/6 9/ 0/ 0/30 5/30 4/6 5/6 m 8/ /8 4/8 5/35 30/35 9/4 35/4 5/7 5/7 7/8 8/4 6/8 7/8 7/40 3/40 6/4 8/4 35/56 4/56 5/8 6/8 6/8 7/9 8/9 7/36 3/36 3/45 36/45 /8 4/8 40/63 47/63 45/7 54/7 5/9 6/9 9/0 4/40 6/0 7/0 8/0 9/30 /30 43/70 53/70 3/40 8/40 5/90 6/90 6/0 7/0 9/ / 8/ 0/ 7/ 9/ 4/4 6/4 0/36 4/36 6/ 7/ 0/5 /5 5/30 9/30 30/60 35/60 7/5 8/5 Σημ. : Σημ. : Σημ. 3: Οι πάνω και κάτω τιμές των τετραγώνων αναφέρονται ε επίπεδα ημαντικότητας a0,05 και a0,0 αντίτοιχα. Ο (ατερίκος) ημαίνει αποδοχή της αρχικής υπόθεης, δηλαδή ότι τα δείγματα προέρχονται από την ίδια κατανομή. Για μεγάλα m και τα δύο a-ημεία δίνονται κατά προέγγιη από τους τύπους: m m D, m; 0,05, 36, D, m; 0,0, 63 m m
32 3
Πανεπιστήμιο Πελοποννήσου
Πανεπιτήμιο Πελοποννήου Εκτιμήεις Διατήματα Εμπιτούνης Έλεγχοι Υποθέεων Stefao G. Giakoumato Εκτιμητική Οι κατανομές των τατιτικών έχουν άγνωτες παραμέτρους, οι οποίες πρέπει να εκτιμηθούν Εκτιμητές ε
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017
Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017 2 α x b Παραγοντικό Πείραμα (1) Όταν θέλουμε να μελετήσουμε την επίδραση (στη μεταβλητή απόφασης) δύο παραγόντων, έστω Α και Β, με α στάθμες ο Α και b στάθμες
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ. ( είναι μια υνάρτηη που ε κάθε απλό ενδεχόμενο (ω ενός δειγματικού χώρου (Ω αντιτοιχεί έναν αριθμό. Ω ω (ω R ιακριτή τ.μ. : παίρνει πεπεραμένο
Διαβάστε περισσότεραηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1
Στατιτική υµπεραµατολογία για τη διαδικαία της ποιότητας Στο προηγούµενο κεφάλαιο κάναµε την παραδοχή και υποθέαµε ότι οι παράµετροι των κατανοµών των πιθανοτήτων άρα και οι παράµετροι της διαδικαίας ήταν
Διαβάστε περισσότεραΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions)
ΚΕΦΑΛΑΙΟ 0 ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (amplig Distibutios) Ένα χαρακτηριτικό των επιτημονικών μελετών τις οποίες απαιτείται η χρήη των διαδικαιών της Στατιτικής Συμπεραματολογίας είναι η ύπαρξη τυχαιότητας
Διαβάστε περισσότεραειγματοληπτικές κατανομές
ειγματοληπτικές καταομές Σκοπός της τατιτικής υμπεραματολογίας: η εξαγωγή ατικειμεικώ υμπεραμάτω για έα πληθυμό από περιοριμέο αριθμό δεδομέω (δείγμα). Με τη περιγραφική τατιτική υχά μπορούμε α βγάλουμε
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2012
Εργατήριο Μαθηματικών & Στατιτικής Μάθημα: Στατιτική Γραπτή Εξέταη Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. 6// ο Θέμα [] Η ποότητα, έτω Χ, φυτικών ινών που περιέχεται ε ψωμί ολικής άλεης με
Διαβάστε περισσότερα[ ] = ( ) ( ) ( ) = { }
Πρόταη: Δίνεται η θετική τμ, δηλαδή 1 [ ] ανιότητα Mrkov: P{ } P > = Εάν >, έχουμε την Εάν υποθέουμε ότι η ~ f είναι υνεχής, τότε για κάθε > ιχύει ότι x f x dx x f x dx f x dx P [ ] = = { } Παρατηρείτε
Διαβάστε περισσότερα1. Η κανονική κατανοµή
. Η κανονική κατανοµή Η κανονική κατανοµή είναι η ηµαντικότερη κατανοµή πιθανοτήτων µε τις περιότερες εφαρµογές. Μελετήθηκε αρχικά από τον De Moire (667-754) και από τον Lple (749-87) οι οποίοι απέδειξαν
Διαβάστε περισσότεραΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ
ΚΕΦΑΛΑΙΟ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΔΙΑΚΥΜΑΝΣΗ ΕΝΟΣ ΠΛΗΘΥΣΜΟΥ Έχουμε ήδη δει την εκτιμητική ότι αν ο υπό μελέτη πληθυμός είναι κανονικός, τότε: [ Χi Χ] ( n 1) i= 1 = =
Διαβάστε περισσότεραΈλεγχος Υποθέσεων II. Στατιστική IΙ, Τμήμα Ο.Ε. ΑΠΘ. Χ. Εμμανουηλίδης, 1
Έλεγχος Υποθέεων II Στατιτική IΙ, Τμήμα Ο.Ε. ΑΠΘ Στατιτική ΙΙ Συμπεραματολογία Βαιμένη ε Ένα Δείγμα: Έλεγχοι υποθέεων Μέρος ο Εϖιλογή Μεγέθους είγατος για Έλεγχο του Μέου - 1 - Παράδειγα Δειγματοληψία
Διαβάστε περισσότεραΜεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική
Μεθοδολογία των Επιτημών του Ανθρώπου: Στατιτική Ενότητα 2: Βαίλης Γιαλαμάς Σχολή Επιτημών της Αγωγής Τμήμα Εκπαίδευης και Αγωγής την Προχολική Ηλικία Περιεχόμενα ενότητας Παρουιάζονται οι βαικές έννοιες
Διαβάστε περισσότεραΠαρουσίαση 4 η : Στοιχεία στατιστικής αξιολόγησης εκτιμήσεων
Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 4 η : Στοιχεία τατιτικής αξιολόγηης εκτιμήεων Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 13 Ιουνίου 2010
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Ιουνίου Θέμα ( μονάδες) Έτω αβγδ,,, και V = αβγδ,,,, όπου α= (,,), β= (,,), γ= (,5,), δ= (5,,). i)
Διαβάστε περισσότερα5. ιαστήµατα Εµπιστοσύνης
5 ιατήµατα Εµπιτούνης Στο προηγούµενο κεφάλαιο αχοληθήκαµε εκτενώς µε την εκτίµηη των παραµέτρων διαφόρων κατανοµών Για παράδειγµα είδαµε ότι η καλύτερη εκτιµήτρια για την εκτίµηη της µέης τιµής ενός κανονικού
Διαβάστε περισσότερα5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ
5 5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ ΠΛΗΘΥΣΜΟΣ ΚΑΙ ΕΙΓΜΑ. ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στην πράξη θέλουµε υχνά να βγάλουµε υµπεράµατα για µια µεγάλη οµάδα ατόµων ή αντικειµένων. Αντί να µελετήουµε ολόκληρη την οµάδα,
Διαβάστε περισσότεραΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ
ΚΕΦΑΛΑΙΟ 16 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ Α. Περίπτωη Ενός Πληθυμού Αν μας ενδιαφέρει να κατακευάουμε ένα διάτημα εμπιτούνης για την διακύμανη ενός πληθυμού, χρηιμοποιούμε το γεγονός ότι αν
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ 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 περισσότεραΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε.
ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ Γ Ε Ω Ρ Γ Ι Κ Ο Σ Π Ε Ι Ρ Α Μ Α Τ Ι Σ Μ Ο Σ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε. Αν. Καθηγητής.Π.Θ. Υπ. ιδάκτορας Ορετιάδα 007 ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο ο
Διαβάστε περισσότεραΘ. Ξένος: Άλγεβρα Α' Λυκείου (2η έκδοση) Απαντήσεις και λύσεις των ερωτήσεων & ασκήσεων
Σχολικό βιβλίο Άλγεβρα Α' Λυκείου Απαντήσεις και λύσεις των ερωτήσεων & ασκήσεων Θ. Ξένος: Άλγεβρα Α' Λυκείου (η έκδοση) Απαντήσεις και λύσεις των ερωτήσεων & ασκήσεων Μπορείτε να αντιγράψετε το παρόν
Διαβάστε περισσότεραιάστηµα εµπιστοσύνης της µ 1
ιάτηµα εµπιτούνης της µ - µ δύο ανεξάρτητων τ.µ. X και X Μέες τιµές: µ και µ ιαπορές: και είγµα µεγέθους, από τον πληθυµό τηςx, X ειγµατικές µέες τιµές: και ειγµατικές διαπορές: και Θέλουµε ναεκτιµήουµε
Διαβάστε περισσότεραKάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα Με το συγγραφέα επικοινωνείτε: Tηλ. 30.348.086, e-mail: thanasisxenos@yahoo.gr ISBN 978-960-456-3- Copyright, 0, Eκδόσεις ZHTH, Θανάσης Ξένος Tο παρόν
Διαβάστε περισσότεραCopyright: Βοβός Α. Νικόλαος, Eκδόσεις Zήτη, Ιανουάριος 2011
Βοβός - ΑΣΚΗΣΕΙΣ ΕΛΕΓΧΟΣ ISBN 978-960-456-259-6 Copyright: Βοβός Α. Νικόλαος, Eκδόσεις Zήτη, Ιανουάριος 2011 Tο παρόν έργο πνευματικής ιδιοκτησίας προστατεύεται κατά τις διατάξεις του Eλληνικού νόμου (N.2121/1993
Διαβάστε περισσότεραΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
- - ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ3 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 009-0 ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ - - ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΥΝΟΨΗΣ
Διαβάστε περισσότεραΚεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα
Διαβάστε περισσότεραΓιατί; Το παραδοσιακό υπόδειγμα: y t = β 1 + β 2 x 2t β k x kt + u t, ή y = Xβ + u. Υποθέτουμε u t. N(0,σ 2 ).
Υποδείγματα GARCH Γιατί; Κίνητρο: υποδείγματα που υποθέτουν γραμμική δομή δεν μπορούν να εξηγήουν ημαντικά χαρακτηρίτηκα των χρηματοοικονομικών χρονοειρών - λεπτοκύρτοη - volaili clusering Το παραδοιακό
Διαβάστε περισσότεραKάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα. Copyright: Ξένος Θ., Eκδόσεις Zήτη, Απρίλιος 2010, Θεσσαλονίκη
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα Με το συγγραφέα επικοινωνείτε: Tηλ. 310.348.086, e-mail: thaasisxeos@yahoo.gr ISBN 978-960-456-08-4 Copyright: Ξένος Θ., Eκδόσεις Zήτη, Απρίλιος 010,
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)
(ΣΥΝΕΧΕΙΑ) Χαράλαµπος Α. Χαραλαµπίδης 9 εκεµβρίου 2009 Η ηµαντικότερη κατανοµή πιθανότητας της Θεωρίας Πιθανοτήτων και της Στατιτικής, µε µεγάλο πεδίο εφαρµογών, είναι η κανονική κατανοµή. Η κατανοµή αυτή
Διαβάστε περισσότερα4. Ειδικές Διακριτές, Συνεχείς Κατανομές
4. Ειδικές Διακριτές, Συνεχείς Κατανομές 4.. Η ομοιόμορφη διακριτή κατανομή. Εμφανίζεται τις περιπτώεις όπου η υπό εξέταη τ.μ. Χ παίρνει πεπεραμένο πήθος τιμών π.χ. Χ {,,...,} και όες οι πιθανότητες P
Διαβάστε περισσότερα05_01_Εκτίμηση παραμέτρων και διαστημάτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.
Ν161_Στατιτική τη Φυική Αγωγή 05_01_Εκτίμηη παραμέτρων και διατημάτων Γούργουλης Βαίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. 1 Για την περιγραφή μιας μεταβλητής, που μετριέται ε έναν πληθυμό ή ε ένα
Διαβάστε περισσότεραρ. Ευστρατία Μούρτου
ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : 009-010 ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. 4 ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευτρατία
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 2 ο ) 31/3/2017
Ανάλυση διακύμανσης (Μέρος 2 ο ) 31/3/2017 2 Σχέδιο τυχαιοποιημένων πλήρων ομάδων (1) Αποτελεί ευθεία γενίκευση του σχεδίου που γνωρίσαμε όταν μιλήσαμε για τη σύγκριση κατά ζεύγη δύο μέσων μ 1 και μ 2
Διαβάστε περισσότερακαι τυπική απόκλιση σ = 40mg ανά μπανάνα. α) Ποια είναι η πιθανότητα μια μπανάνα να περιέχει i)
Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ Γραπτή Εξέταση Περιόδου Ιανουαρίου 8 στο Μάθημα Στατιστική 7..8. [] Ο ανθρώπινος οργανισμός χρειάζεται καθημερινά από έως 6 mg (mllgrams) καλίου. Η ποσότητα καλίου που περιέχεται στα τρόφιμα
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011
Εργαστήριο Μαθηματικών & Στατιστικής Γραπτή Εξέταση Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 5//. [] Η ποσότητα, έστω Χ, ενός συντηρητικού που περιέχεται σε φιάλες αναψυκτικού
Διαβάστε περισσότεραΕπεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων
Υπολογιτικές Εφαρμογές την Στατιτική Επεξεργαία Δεδομένων Στα πλαίια του μαθήματος ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ & ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Δ. Φαουλιώτης, Ε. Στυλιάρης ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, 3 3 Μέθοδοι Monte
Διαβάστε περισσότεραΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ
ΚΕΦΑΛΑΙΟ 14 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ Έτω Χ 1, Χ,..., Χ και Υ 1, Υ,..., Υ m δύο τυχαία δείγματα μεγέθους και m αντίτοιχα από δύο ανεξάρτητους κανονικούς πληθυμούς
Διαβάστε περισσότεραΕκτιµητική. Boutsikas M.V. (2003), Σηµειώσεις Στατιστικής ΙΙΙ, Τµήµα Οικονοµικής Επιστήµης, Πανεπιστήµιο Πειραιώς.
4 Εκτιµητική Σύνδεη θεωρίας πιθανοτήτων - περιγραφικής τατιτικής H περιγραφική τατιτική (ΣΤΑΤΙΣΤΙΚΗ Ι αφορά κυρίως τη µελέτη κάποιων «µεγεθών» (πχ µέη τιµή, διαπορά, διάµεος, κοκ ενός «δείγµατος» υγκεκριµένων
Διαβάστε περισσότεραΠ Α Ρ Α Ρ Τ Η Μ Α. Πίνακας 9. p ποσοστιαία Σημεία της Ελεγχοσυνάρτησης των. Προσημασμένων Τάξεων Μεγέθους του Wilcoxon
ΠΙΝΑΚΕΣ Π Α Ρ Α Ρ Τ Η Μ Α Πίνακας 1. Διωνυμική Κατανομή Πίνακας 2. Τυποποιημένη Κανονική Κατανομή Πίνακας 3. Oρια Εμπιστοσύνης για την Πιθανότητα p της Διωνυμικής Κατανομής Πίνακας 4. Ποσοστιαία Σημεία
Διαβάστε περισσότεραΣτατιστικοί Ελεγχοι. t-έλεγχος για την σύγκριση των µέσων δύο πληθυσµών. Έλεγχος 5: Έλεγχος της οµοιογένειας δύο πληθυσµών µε διακυµάνσεις σ 1
Στατιτικοί Ελεγχοι Έλεγχος 1: Ζ-Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος : t - Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος 3: I -τετράγωνο Έλεγχος για την διακύµανη Έλεγχος 4: t-έλεγχος για την ύγκριη
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 ΣΥΝΔΥΑΣΤΙΚΗ 1.1 ΒΑΣΙΚΗ ΑΡΧΗ ΑΠΑΡΙΘΜΗΣΗΣ... 13 1.2 ΠΡΟΣΘΕΤΙΚΗ ΑΡΧΗ ΑΠΑΡΙΘΜΗΣΗΣ... 15 1.3 ΔΙΑΤΑΞΕΙΣ..... 16 1.4 ΜΕΤΑΘΕΣΕΙΣ... 18 1.5 ΣΥΝΔΥΑΣΜΟΙ... 20 1.6 ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΤΑΘΕΣΕΙΣ......
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
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 περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
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 περισσότερακαι ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H
Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης
Διαβάστε περισσότερα6. ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΗ ΓΡΑΜΜΙΚΗ ΣΥΣΧΕΤΙΣΗ
6. ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΗ ΓΡΑΜΜΙΚΗ ΣΥΣΧΕΤΙΣΗ Είναι φυικό ότι ο δειγματικός υντελετής R, ως μια τατιτική υνάτηη, είναι μιά τυχαία μεταβλητή. Οπως είπαμε ήδη μποεί να χηιμοποιηθεί αν εκτιμήτια του. Για να
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ
ΚΕΦΑΛΑΙΟ Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ. Τυχαίες µεταβητές Ποές φορές ε ένα πείραµα τύχης δεν µας ενδιαφέρει ο δειγµατοχώρος του ο οποίος όπως είδαµε µπορεί να είναι και µη-αριθµητικό ύνοο αά
Διαβάστε περισσότερα8. Ανάλυση Διασποράς ως προς. δύο παράγοντες
8. Ανάλυση Διασποράς ως προς δύο παράγοντες Ανάλυση Διασποράς ως προς δύο παράγοντες Παραγοντική Ανάλυση διασποράς-factorial Analsis of Variance Α, Β δύο παράγοντες κ: στάθμες (επίπεδα) του παράγοντα Α
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραοι ενήλικες στην περιοχή Β, ο φοιτητής γνωρίζει ότι X ~ N(
Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Αρκετά τρόφιμα περιέχουν το ιχνοτοιχείο ελήνιο το οποίο, όταν προλαμβάνεται ε μικρές ποότητες ημερηίως,
Διαβάστε περισσότερα8. Ανάλυση Διασποράς ως προς. δύο παράγοντες
8. Ανάλυση Διασποράς ως προς δύο παράγοντες Ανάλυση Διασποράς ως προς δύο παράγοντες Α, Β δύο παράγοντες κ: στάθμες (επίπεδα) του παράγοντα Α λ: στάθμες (επίπεδα) του παράγοντα Β κ λ : πειραματικές συνθήκες
Διαβάστε περισσότερα5. Έλεγχοι Υποθέσεων
5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος
Διαβάστε περισσότερακαι ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H
Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης
Διαβάστε περισσότεραISBN 978-960-456-191-9
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα ISBN 978-960-456-191-9 Copyright, Ιανουάριος 2010, Σέμος Αναστάσιος, Eκδόσεις Zήτη Tο παρόν έργο πνευματικής ιδιοκτησίας προστατεύεται κατά τις διατάξεις
Διαβάστε περισσότεραΠαρουσίαση 3 η : Αρχές εκτίμησης παραμέτρων Μέρος 2 ο
Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 3 η : Αρχές εκτίμηης παραμέτρων Μέρος ο Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας και
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα
Διαβάστε περισσότερα, της Χ που έχουμε διαθέσιμες μετά από μια πραγματοποίηση του τυχαίου δείγματος X, X, 2
Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στην ενότητα «Από τις Πιθανότητες τη Στατιτική» εξηγήαμε ότι τη Στατιτική «όλα αρχίζουν από τα
Διαβάστε περισσότεραΠερίληψη 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 περισσότεραΘΕΩΡΙΑ 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 περισσότεραCopyright, Κολυβά - Μαχαίρα Φωτεινή, Μπόρα - Σέντα Ευθυμία, Eκδόσεις Zήτη, Απρίλιος 2013, 2 η έκδοση βελτιωμένη και συμπληρωμένη, Θεσσαλονίκη
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα ISBN 978-960-456-350-0 Copyright, Κολυβά - Μαχαίρα Φωτεινή, Μπόρα - Σέντα Ευθυμία, Eκδόσεις Zήτη, Απρίλιος 03, η έκδοση βελτιωμένη και συμπληρωμένη,
Διαβάστε περισσότεραΤΥΧΑΙΑ 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 περισσότεραΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ
ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ 4.. Εισαγωγή Στην προσομοίωση σε πολλές περιπτώσεις είναι απαραίτητη η δημιουργία δειγμάτων τυχαίων μεταβλητών που ακολουθούν κάποια καθορισμένη
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότερακαι ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H
Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης που
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. Η τυχαία μεταβλητή Χ έχει συνάρτηση πιθανότητας που δίνεται από τον πίνακα: x f(x) / / / / / Να βρεθεί η μέση τιμή και η διασπορά.. Η τυχαία μεταβλητή
Διαβάστε περισσότεραΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)
ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) Θέμα ο (Παρ..3.4, Παρ..4.3, Παρ..4.8.) Εάν = ( ) τυχαίο δείγμα από την ομοιόμορφη ( 0, ) X X,, X. Δείξτε ότι η στατιστική συνάρτηση T = X = το δειγματικό
Διαβάστε περισσότεραΨηφιακός Έλεγχος. 8 η διάλεξη Σφάλματα. Ψηφιακός Έλεγχος 1
Ψηφιακός Έλεγχος 8 η διάλεξη Σφάλματα Ψηφιακός Έλεγχος Δυαδική αριθμητική και μήκος λέξης Ένας αριθμός μπορεί να αναπαραταθεί απο C+ bits που ονομάζονται λέξη. Το μήκος της λέξης είναι πάντα πεπεραμένο,
Διαβάστε περισσότεραΟι παρατηρήσεις του δείγματος, μεγέθους n = 40, δίνονται ομαδοποιημένες κατά συνέπεια ο δειγματικός μέσος υπολογίζεται από τον τύπο:
Ένας Πληθυσμός, μεγάλο δείγμα, άγνωστη κατανομή Έλεγχος για την μέση τιμή, με άγνωστη διασπορά Δίνονται ομαδοποιημένες οι ημερήσιες καταναλώσεις ηλεκτρικής ενέργειας (σε 100-άδες κιλοβατώρες) μιας χημικής
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότεραΓ D µε αρχικό σηµείο το ( a, ( ) ( ) είναι µια άλλη και καταλήγει στο ( x, τότε (1) Γ ξεκινούν από το σηµείο (, ) και ( x,
69 Θα αποδείξουµε την υνέχεια- ως εφαρµογή του θεωρήµατος του Greenτην κατεύθυνη (ιι (ι του θεωρήµατος που χαρακτηρίζει τα υντηρητικά πεδία F : R R, όπου απλά υνεκτικός τόπος του R ( Θεώρηµα Αν R είναι
Διαβάστε περισσότερα7. Ανάλυση Διασποράς-ANOVA
7. Ανάλυση Διασποράς-ANOVA Παράδειγμα Μετρήσεις της συγκέντρωσης του strodum (mg/ml) σε πέντε υδάτινες περιοχές (Α,Β,C,D,Ε). Α Β C D Ε 8, 39,6 46,3 4,0 56,3 33, 40,8 4, 44, 54, 36,4 37,9 43,5 46,4 59,4
Διαβάστε περισσότεραTMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III
0 TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III Νοέμβριος Eστω,,, τυχαίο δείγμα από κατανομή f( x; ), όπου συμβολίζει άγνωστη παράμετρο (a) Να ορισθεί η έννοια του επαρκούς στατιστικού
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας
Διαβάστε περισσότεραΕίδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό
Διαβάστε περισσότεραCopyright: Βοβός Α. Νικόλαος, Eκδόσεις Zήτη, Ιανουάριος 2011
Βοβός - ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΣΗΣ ISBN 978-96-46-28-9 Copyright: Βοβός Α. Νικόλαος, Eκδόσεις Zήτη, Ιανουάριος 211 Tο παρόν έργο πνευματικής ιδιοκτησίας προστατεύεται κατά τις διατάξεις του Eλληνικού νόμου (N.2121/1993
Διαβάστε περισσότεραΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% )
ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ (0-6-005) ΟΜΑΔΑ Α ( 40% ) ) Έστω μια τυχαία μεταβλητή Χ και ένα δείγμα x, x,, x n. Θεωρούμε την τιμή k = n i= ( x && x) i.να διευκρινιστεί
Διαβάστε περισσότεραΠανεπιστήμιο Πελοποννήσου
Πανεπιστήμιο Πελοποννήσου Τυχαίες μεταβλητές Κατανομές Τυχαία Μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) ονομάζεται η συνάρτηση που απεικονίζει το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος στο σύνολο
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραCopyright: Ψωμόπουλος Ευάγγελος, Eκδόσεις Zήτη, Γ έκδοση: Μάρτιος 2012, Θεσσαλονίκη
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα ISBN 978-960-456-314-2 Copyright: Ψωμόπουλος Ευάγγελος, Eκδόσεις Zήτη, Γ έκδοση: Μάρτιος 2012, Θεσσαλονίκη Tο παρόν έργο πνευματικής ιδιοκτησίας προστατεύεται
Διαβάστε περισσότεραΕΙΓΜΑΤΟΛΗΨΙΑ Τ Υ Π Ο Λ Ο Γ Ι Ο
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΓΜΑΤΟΛΗΨΙΑ Τ Υ Π Ο Λ Ο Γ Ι Ο Β. Α. ΑΓΓΕΛΗΣ ΧΙΟΣ 009 ΑΠΛΗ ΤΥΧΑΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑ Α. Εκτίµηη Παραµέτρων α. Εκτίµηη του Μέου ενός Πληθυµού Μέος Πληθυµού µ Εκτίµηη
Διαβάστε περισσότερα1. Έλεγχος Υποθέσεων. 1.1 Έλεγχοι για την µέση τιµή πληθυσµού
. Έλεγχος Υποθέεων. Έλεγχοι για την µέη τιµή πληθυµού Ας υποθέουµε ένα πληθυµό µε µέη τιµή (µ.τ.) µ και τυπική απόκλιη (τ.α.). Έχει δειχτεί το κεφ.0 ο έλεγχος µιας µηδενικής υπόθεης H 0 δεδοµένης µιας
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
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 περισσότεραX = = 81 9 = 9
Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη
Διαβάστε περισσότεραΕίδη Μεταβλητών. κλίµακα µέτρησης
ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό
Διαβάστε περισσότεραΣτατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ Α Δημήτρης Κουγιουμτζής e-mail: dkugiu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://users.auth.gr/~dkugiu/teach/civiltrasport/ide.html Στατιστική: Δειγματοληψία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ίνεται το παρακάτω ύνολο εκπαίδευης: ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάεις 3 Ιουνίου 005 ιάρκεια:
Διαβάστε περισσότεραΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I
ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I Ευτάθιος Στυλιάρης Αναπληρωτής Καθηγητής Συντονιτής Εργατηρίων Φυικής I Με την υνδρομή των: Α. Καραμπαρμπούνη, Κ.Ν. Παπανικόλα, Ν. Μαμαλούγκου ΕΡΓΑΣΤΗΡΙΟ
Διαβάστε περισσότεραΠιθανότητες & Τυχαία Σήματα
Πιθανότητες & Τυχαία Σήματα Συχέτιη Διγαλάκης Βαίλης Η έννοια της υχέτιης Για τυχαίες μεταβλητές ΧΥ: Συχέτιη: ΕΧ Υ Συμμεταβλητότητα: Συντελετής υχέτιης: ρ / Έτω ΧΥ Τ.Μ. με ΥΧb και ΕΧμ Χ ΕΧ-μ Χ Χ Υπολογίτε
Διαβάστε περισσότεραΚωνσταντίνος Μαντζουκίδης, Ιανουάριος 2012, Θεσσαλονίκη
Διεύθυνση επικοινωνίας: Μαντζουκίδης Κωνσταντίνος Πτυιούος Τμήματος Χημείας Α.Π.Θ. Τ.Θ. 1373, Τ.Κ. 57500, Τρίλοφος Θεσσαλονίκης Τηλ: 390 6489 6974 995091 e-mail : costasmantz@gmail.com Το μεγαλύτερο και
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ 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 περισσότεραΠεριεχόμενα της Ενότητας. Δειγματοληψία. Δειγματοληψίας. Δειγματοληψία. Τυχαία Δειγματοληψία. Χ. Εμμανουηλίδης, 1.
Περιεχόμενα της Ενότητας Στατιστική ΙI Ενότητα 1: Δειγματοληψία και Κατανομές Δειγματοληψίας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης 1. ειγµατοληψία Πιθανοτικές
Διαβάστε περισσότεραο εκτιμητής LS είναι n 1 x y 2 t Οι βασικές ιδιότητες του εκτιμητή είναι: ( ) = β, αμεροληψία, . Αν έχουμε n x C, τότε Var Τότε, θα έχουμε Var (
Στο γραμμικό υπόδειγμα y = β + u, =,,, ο εκτιμητής LS είναι = β = = y Οι βαικές ιδιότητες του εκτιμητή είναι: E ( β ) = β, αμεροληψία, Var ( β ) = = Αν έχουμε =, τότε y = β =, ο δειγματικός μέος του y
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότερα( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και
9 Έτω U R ανοικτό ύνολο και Επικαµπύλια ολοκληρώµατα f : U R R C καµπύλη :[, ] U υνεχής πραγµατική υνάρτηη Θεωρούµε µια ώτε ( t) x( t), y( t), z( t) ύνθετη υνάρτηη fo :[, ] R t [, ] f x( t), y( t), z(
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΔΕΟ31 ΕΝΔΕΙΚΤΙΚΗ ΑΠΑΝΤΗΣΗ
ΔΕΟ31 ΕΝΔΕΙΚΤΙΚΗ ΑΠΑΝΤΗΣΗ 2 ης ΓΕ ΤΟΜΟΣ Δ Επιμέλεια : Γιάννης Σαραντής Ημερoμηνία : 15-12-16 1 ΔΕΟ31 Λύη 2 ης γραπτής εργαίας 2016-17 ΘΕΜΑ 1ο Λύη Α) Αναμενόμενη απόδοη του αξιογράφου x Ε(r x ) = P i r
Διαβάστε περισσότεραΣτατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή Γεώργιος Ζιούτας Άδειες
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ
ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο
Διαβάστε περισσότεραx y max(x))
ΚΕΦΑΛΑΙΟ 0 Απλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Ένα Πρόβληµα εδοµένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 y 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Έχει σχέση το yµε το ; Ειδικότερα
Διαβάστε περισσότερα