Αριθμητικές Προσομοιώσεις του πρότυπου ISING στις Τρεις Διαστάσεις
|
|
- Νέμεσις Πολίτης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Αριθμητικές Προσομοιώσεις του πρότυπου ISING στις Τρεις Διαστάσεις Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο ΚΟΡΝΑΡΟΣ ΕΥΑΓΓΕΛΟΣ
2 Εισαγωγή ό ή ί ί μ έ ά μ έ Ising μ ή προσομοιώσεων Monte Carlo μ έ μ ά ί μ ή.
3 Βασικές έννοιες ή μ ή ί ώ μό ή μά μ μέ ύ. Δε στοχεύουμε σε ακριβή λύση αλλά χειριζόμαστε τις πιθανότητες όταν το σύστημα να είναι σε καταστάσεις μ-ν. Τα βάρη wμ(t) είναι η πιθανότητα το σύστημα να είναι στην κατάσταση μ τη χρονική στιγμή t. Τα βάρη πρέπει να υπακούουν στο νόμο των πιθανοτήτων:
4 Βασικές έννοιες Για μία ποσότητα Q στην κατάσταση μ τη χρονική στιγμή t δίνεται η εκτίμηση Η αναμενόμενη τιμή της ποσότητας Q για κατάσταση ισορροπίας είναι Οι πιθανότητες ακλουθούν κατανομή Boltzmann Και είναι η συνάρτηση επιμερισμού
5 Δ μά - μ ί ά ή μ Q έ ή μ ά ύμ μ μ μή ό p(q) ύ ό μή Boltzmann. έ μή ί ή ό μέ μή Q έ ώ ά Η πιο χρήσιμη ποσότητα δίνεται για n=2
6 Δ μά - μ ί Η συνάρτηση συσχετισμού δυο σημείων ορίζεται Παίρνει μέγιστη τιμή για Και πέφτει γρήγορα ασυμπτωτικά
7 Μοντέλο Ising Κύρια υπόθεση: Ο μαγνητισμός δημιουργείται από συνδυασμό μαγνητικών διπόλων ή ατόμων Το μοντέλο χρησιμοποιεί ένα πλέγμα οποιασδήποτε γεωμετρίας που σε κάθε πλεγματική θέση τοποθετούνται ατομα με σπιν si Στο σιδηρομαγνητικό πρότυπο Ising τα σπιν παίρνουν τιμες +1 και -1
8 Μοντέλο Ising Η Χαμιλτονιανή για το μοντέλο Θεωρούμε κυβικό πλέγμα με Ν πλεγματικές θέσεις διατεταγμένες σε κύβο πλευράς L Η συνάρτηση επιμερισμού γίνεται
9 Μοντέλο Ising Η πιο σημαντική ποσότητα είναι η μέση μαγνήτιση <Μ> Αυτό κυρίως, γιατί το σύστημα παρουσιάζει μετάβαση φάσης από μία διατεταγμένη φάση (χαμηλής θερμοκρασίας) για <Μ> > 0 στην άτακτη φάση (υψηλής θερμοκρασίας) όπου η μαγνήτιση χάνεται <Μ> = 0 στην κρίσιμη θερμοκρασία βc Η μέση μαγνήτιση υπολογίζεται:
10 Μοντέλο Ising Η μέση ενέργεια: Αλλά σημαντικές ποσότητες, είναι η μέση μαγνητική επιδεκτικότητα και η ειδική θερμότητα, που σχετίζονται με τη μέση μαγνήτιση ανά σπιν.
11 Μοντέλο Ising Για το μοντέλο Ising στην κρίσιμη θερμοκρασία το μήκος συσχετισμού ξ τείνει στο άπειρο και συμπεριφέρεται ασυμπτωτικά σαν με t μια αδιάστατη παράμετρο που ονομάζεται μειωμένη θερμοκρασία και μετράει πόσο μακριά βρισκόμαστε από την κρίσιμη.
12 Μοντέλο Ising Η συνάρτηση συσχετισμού συμπεριφέρεται σύμφωνα με την Παρόμοια συμπεριφορά βάθμισης παρουσιάζουν και η ειδική θερμότητα, η μαγνήτιση και η μαγνητική επιδεκτικότητα σύμφωνα με τις σχέσεις: Οι εκθέτες των σχέσεων λέγονται κρίσιμοι εκθέτες και παρουσιάζουν την ιδιότητα της παγκοσμιότητας
13 Βασικές αρχές προσομοιώσεων M.C. Για την επίλυση ενός συστήματος σαν το Ising χρησιμοποιούμε M.C. Προσομοίωση τυχαίων θερμικών διαταραχών για μετάβαση από μια κατάσταση σε μία άλλη. Για την εκτίμηση της ποσότητας Q ενός συστήματος χρησιμοποιούν Μ καταστάσεις: Αν επιλεγούν οι πιθανότητες ίσες:
14 Monte Carlo μ ώ Ανάγκη για important- sampling Για ένα κυβικό πλέγμα 6x6x καταστάσεις Ένας τυπικός αριθμητικός υπολογισμός μπορεί μέχρι 108 Χρησιμοποιούμε την πιθανότητα Pμ να επιλεγεί μια κατάσταση μ Και η εκτίμηση για την Q
15 Αλυσίδες Μαρκόβ και δομή των Μόντε Κάρλο Για τη δημιουργία τέτοιων καταστάσεων χρησιμοποιούνται διαδικασίες Μαρκόβ. Δημιουργία κατάστασης ν από μ διαφορετική κάθε φορά με πιθανότητα μετάβασης Σε κατάσταση ισορροπίας ικανοποιείται:
16 Αλυσίδες Μαρκόβ και δομή των Μόντε Κάρλο Για την κατανομή της κανονικής συλλογής τότε: Λύσεις επιλέγονται ανάλογα με την αποδοτικότητά τους:
17 Αλυσίδες Μαρκόβ και δομή των Μόντε Κάρλο Στις λύσεις οι σταθερές Α επιλέγονται ώστε Οι πιθανότητες μετάβασης σπάνε σε 2 κομμάτια Πιθανότητα επιλογής Λόγος αποδοχής Εύρεση αλγορίθμου με Α=1
18 Single spin-flip algorithm (Metropolis) Cluster flip-algorithm (Wolff)
19 Metropolis Αλγόριθμος Ενδιαφερόμαστε για μεταβάσεις σε ενέργειες που δε διαφέρουν πολύ Αλλάζοντας 1 μόνο σπιν μιας κατάστασης, δημιουργούμε μία νέα που διαφέρει κατά ενέργεια Η κάθε πιθανότητα επιλογής παίρνει την τιμή: Και η συνθήκη ισορροπίας: 12J
20 Metropolis Αλγόριθμος Επιλέγουμε από τις λύσεις για τον λόγο αποδοχής: Ο αποδοτικότερος αλγόριθμος (Metropolis)
21 Wolff Αλγόριθμος Επιλογή ενός σπιν γεννήτορα και κτίσιμο cluster γύρω από αυτό Προσθήκη μελών στο cluster με πιθανότητα Padd Η περιοχή που μας ενδιαφέρει είναι το σύνορο του cluster Για m σπιν που μπορούν να ενσωματωθούν και n που δεν μπορούν
22 Wolff Αλγόριθμος Η ενέργεια εξαρτάται από τους δεσμούς που δημιουργούνται ή καταστρέφονται στο σύνορο: Άρα επιλέγοντας γίνεται 1 ο λόγος αποδοχής
23 Επιλογή Wolff Χρειαζόμαστε στατιστικά ανεξάρτητα δείγματα Ο Metropolis δημιουργεί ισχυρά συσχετισμένες νέες καταστάσεις Συνάρτηση αυτοσυσχετισμού μιας ποσότητας: Μειώνεται ασυμπτωτικά με εκθετικό τρόπο: Στην κρίσιμη περιοχή ο χρόνος αυτοσυσχετισμού μεγαλώνει και παρουσιάζει βάθμιση
24 Επιλογή Wolff Στην κρίσιμη περιοχή για Wolff βήματα, ο χρόνος αυτοσυσχετισμού είναι πολύ μικρότερος. Αυτό συμβαίνει γιατί φτιάχνει μεγάλα cluster, με αποτέλεσμα μεγάλα cluster να δημιουργούνται και να καταστρέφονται ανάλογα με το μέγεθος τους.
25 Επιλογή Wolff ό Cluster Wolff μ ί ί μ ή L = 32
26 Θερμική ισορροπία Ενδιαφερόμαστε για το σύστημά μας σε ισορροπία Αλλαγή αρχικών συνθηκών και μεγέθους του συστήματος
27 Θερμική ισορροπία Αρχική κατάσταση για υψηλή θερμοκρασία
28 Μια πρώτη προσέγγιση της βc Έχοντας κατασκευάσει Νc cluster με ni μέλη το καθένα και Si σπιν Η μαγνήτιση και η μέση μαγνήτιση και η μέση μαγνήτιση ανά σπιν
29 Μια πρώτη προσέγγιση της βc Αναμένουμε μια απότομη αλλαγή φάσης για β=βc περίπου για την τιμή Για θερμοκρασίες μικρότερες εκείνης της αλλαγής φάσης β>βc όλο και περισσότερα σπιν προσανατολίζονται στην ίδια διεύθυνση
30 Μέθοδοι υπολογισμού Στο μοντέλο Ising όταν η β πλησιάζει την βc παρουσιάζονται φαινόμενα πεπερασμένου μεγέθους και οι διακυμάνσεις χ, c παρουσιάζουν μέγιστο σε μία ψευδοκρίσιμη θερμοκρασία βc(l) για το μοντέλο μας
31 Μέθοδοι υπολογισμού Για β βc Άρα Και οι κρίσιμοι εκθέτες παρουσιάζουν βάθμιση σύμφωνα:
32 Finite size scaling -με κατάρρευση Υπολογισμός της κρίσιμης θερμοκρασίας και των κρίσιμων εκθετών ν, γ ταυτόχρονα Θέλουμε σχέση βάθμισης για τις διακυμάνσεις κοντά στην κρίσιμη θερμοκρασία Για F(x) συνάρτηση βάθμισης και ορίζοντας την αδιάστατη μεταβλητή Η βάθμιση της μαγνητικής επιδεκτικότητας:
33 Finite size scaling-με κατάρρευση Όταν x 0 Η συνάρτηση βάθμισης λοιπόν βρίσκεται από μετρήσεις μαγνητικής επιδεκτικότητας Αντίστοιχες συναρτήσεις βάθμισης για τη μέση μαγνήτιση και την ειδική θερμότητα:
34 Finite size scaling Όταν ισχύουν οι σχέσεις βάθμισης τότε όλες οι μετρήσεις πέφτουν πάνω στην ίδια καμπύλη. Για τη μαγνητική επιδεκτικότητα πρέπει να γνωρίζουμε την βc, γ/ν και ν κ Μικρές μεταβολές στις παραμέτρους προκαλούν απόκλιση των καμπυλών
35 Finite size scaling Για τη βάθμιση της μέσης μαγνήτισης κ
36 Finite size scaling Βάθμιση της ειδικής θερμότητας κ
37 Binder Cumulant Την κρίσιμη θερμοκρασία μπορούμε να υπολογίσουμε και με cumulant 4ης τάξης Ο cumulant παίρνει μια σταθερή τιμή U* στην κρίσιμη θερμοκρασία για συστήματα διαφορετικού μεγέθους Για β>βc η τιμή του τείνει να ταυτιστεί με τη τιμή γκαουσιανής κατανομής μικρής διασποράς 2/3 Από την τομή των καμπυλών U(β, L) στο (βc, U*) βρίσκουμε καλή εκτίμηση για την κρίσιμη θερμοκρασία
38 Binder Cumulant Βαθμίζοντας τον Binder cumulant μπορούμε να πάρουμε μία ακόμα εκτίμηση της κρίσιμης θερμοκρασίας και του εκθέτη ν Η συνάρτηση βάθμισης: Λόγω της σχέσης:
39 Binder Cumulant Binder Cumulant ά L μ ί : ύμ ή έμ μ ύ κ
40 Binder Cumulant ύ μ = c = ύμ ό μή μ ώ ί ή μή. ί μ U 0.5 ή μ ί μ όμ ό ί Binder Cumulant ά L μ ί.
41 Binder Cumulant ά μ Binder Cumulant ύμ μ ά μ μέ μ έ μέ = 0.63 c = ύμ ή ά μ έ μέ ί μ έ μ ί ύ ό μ έ
42 Energy Cumulant Αντίστοιχα ορίζουμε το cumulant ενέργειας: Τα ελάχιστα των γραφικών παραστάσεων για διάφορα L τείνουν στην κρίσιμη θερμοκρασία σαν
43 έ μ ύ μ ώ ύ μ ί ά μή 2/3 κ
44 Υπολογισμός σφαλμάτων Ο υπολογισμός των σφαλμάτων που εισέρχονται στις μετρούμενες ποσότητες έγινε με τη μέθοδο Jacknife Για μια ποσότητα Q Για ανεξάρτητες μετρήσεις το πραγματικό στατιστικό σφάλμα είναι
45 Υπολογισμός σφαλμάτων Για n μετρήσεις τις οποίες χωρίζουμε σε καλάθια bins που περιέχουν στοιχεία Και για κάθε bin τις μετράμε ως ανεξάρτητες και το σφάλμα υπολογίζεται:
46 έ μ βc Blotte FerrenbergLandau Vicari (3) (26) (3)
47 έ μ
48 ΤΕΛΟΣ
4.2 Finite-size scaling Binder Cumulant... 40
Αριθμητικές Προσομοιώσεις του Πρότυπου Ising στις τρεις Διαστάσεις ΚΟΡΝΑΡΟΣ ΕΥΑΓΓΕΛΟΣ Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Ιούλιος 2013 Περιεχόμενα 1 Βασικές
Διαβάστε περισσότεραιδιάστατο Πρότυπο Potts µε Αριθµητικές Προσοµοιώσεις Monte Carlo
ιδιάστατο Πρότυπο Potts µε Αριθµητικές Monte Carlo Φίλιος Κωνσταντίνος Σχολή Εφαρµοσµένων Μαθηµατικών & Φυσικών Επιστηµών ΕΜΠ 10 Νοεµβρίου 2010 Φίλιος Κωνσταντίνος ιδιάστατο Πρότυπο Potts µε Αριθµητικές
Διαβάστε περισσότεραΠαράρτημα Γ: Βάθμιση και κρίσιμοι εκθέτες. Υπολογιστική Φυσική ΙΙ. Αναγνωστόπουλος Κωνσταντίνος
Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Φυσική ΙΙ Παράρτημα Γ: Βάθμιση και κρίσιμοι εκθέτες Αναγνωστόπουλος Κωνσταντίνος Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΚεφάλαιο 6: Κρίσιμοι Εκθέτες. Υπολογιστική Φυσική ΙΙ. Αναγνωστόπουλος Κωνσταντίνος
Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Φυσική ΙΙ Κεφάλαιο 6: Κρίσιμοι Εκθέτες Αναγνωστόπουλος Κωνσταντίνος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραΔιπλωματική Εργασία στην Υπολογιστική Φυσική
Διπλωματική Εργασία στην Υπολογιστική Φυσική Μελέτη του Δισδιάστατου Πρότυπου Heisenberg με Μεθόδους Monte Carlo Καλλιστής Νικόλαος Επιβλέπων καθηγητής: Αναγνωστόπουλος Κωνσταντίνος Σκοπός της Διπλωματικής
Διαβάστε περισσότεραΜελέτη του Προτύπου 2D- Potts σε Υπολογιστικό Περιβάλλον MATLAB. Παρουσίαση της Διπλωματικής Εργασίας του Γιάννη Ασσιώτη
Μελέτη του Προτύπου 2D- Potts σε Υπολογιστικό Περιβάλλον MATLAB 1 Παρουσίαση της Διπλωματικής Εργασίας του Γιάννη Ασσιώτη 2 Στατιστική Μηχανική Μέγεθος συστημάτων Στοχαστική αντιμετώπιση Σύστημα Χαμιλτονιανή
Διαβάστε περισσότεραAll rights reserved
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Τομέας Φυσικής Ανάλυση Δεδομένων Monte Carlo του 2D-Ising προτύπου με τη μέθοδο Μultiple Ηistogram Διπλωματική Εργασία ΔΗΜΗΤΡΙΟΣ
Διαβάστε περισσότεραΟνοματεπώνυμο: Καλλιστής Νικόλαος Επιβλέπων καθηγητής: Αναγνωστόπουλος Κωνσταντίνος
Ονοματεπώνυμο: Καλλιστής Νικόλαος Επιβλέπων καθηγητής: Αναγνωστόπουλος Κωνσταντίνος Αν. Καθηγητής Ε.Μ.Π. - 2 - .. Καλλιστής Νικόλαος Διπλωματούχος Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Ε.Μ.Π.
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΣΟΒΙΟ ΠΟΛΤΣΕΦΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΣΟΒΙΟ ΠΟΛΤΣΕΦΝΕΙΟ ΦΟΛΗ ΕΥΑΡΜΟΜΕΝΩΝ ΜΑΘΗΜΑΣΙΚΩΝ ΚΑΙ ΥΤΙΚΩΝ ΕΠΙΣΗΜΩΝ ΣΟΜΕΑ ΥΤΙΚΗ Μελέτη του Προτύπου 2D-Potts σε Υπολογιστικό Περιβάλλον MATLAB ΔΙΠΛΩΜΑΣΙΚΗ ΕΡΓΑΙΑ ΣΟΤ Γιάννη Ασσιώτη Επιβλέπων Καθηγητής
Διαβάστε περισσότερα6. Στατιστικές μέθοδοι εκπαίδευσης
6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι,
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΥπολογιστική εξοµοίωση του δισδιάστατου πλέγµατος Ising µε τη µέθοδο Monte Carlo
Υπολογιστική εξοµοίωση του δισδιάστατου πλέγµατος Ising µε τη µέθοδο Monte Carlo Κουτσιούµπας Αλέξανδρος εκέµβριος 00 Το µοντέλο Ising εισήχθη από τους Lenz (190) και Ising (195) για την περιγραφή της
Διαβάστε περισσότεραΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΠΑΝΑΛΗΠΤΙΚΗ ΕΞΕΤΑΣΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΦΥΣΙΚΗ ΛΥΣΕΙΣ 26/10/2011
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΠΑΝΑΛΗΠΤΙΚΗ ΕΞΕΤΑΣΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΦΥΣΙΚΗ ΛΥΣΕΙΣ 26/10/2011 1) Θεωρούµε ένα σύστηµα που αποτελείται από ένα σωµατίδιο µε σπιν ½ και µε µαγνητική ροπή
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΠροβλήματα Κεφαλαίου 2
Άνοιξη 2019 14/3/2019 Προβλήματα Κεφαλαίου 2 Οι λύσεις των προβλημάτων 23,24 και 25 * να παραδοθούν μέχρι τις 22/3/2019 Οι λύσεις των προβλημάτων 27 και 28 * να παραδοθούν μέχρι τις 28/3/2019 1. Θεωρείστε
Διαβάστε περισσότεραExperiment Greek (Cyprus) Q2-1
Greek (Cyprus) Q2-1 Τίτλος Σπόροι που αναπηδούν - Ένα μοντέλο για μεταβάσεις φάσεων και αστάθειες. Παρακαλούμε να διαβάσετε τις γενικές οδηγίες που υπάρχουν στον ξεχωριστό φάκελο πριν ξεκινήσετε αυτό το
Διαβάστε περισσότεραΠροβλήματα Κεφαλαίου 2
Άνοιξη 2018 8/3/2018 Προβλήματα Κεφαλαίου 2 Οι λύσεις των προβλημάτων 23,24 και 25 * να παραδοθούν μέχρι τις 22/3/2018 Οι λύσεις των προβλημάτων 26 και 27 * να παραδοθούν μέχρι τις 29/3/2018 1. Θεωρείστε
Διαβάστε περισσότεραΕΦΑΡΜΟΓΕΣ - ΑΣΚΗΣΕΙΣ ΘΕΡΜΙΚΗΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ ΦΥΣΙΚΗΣ
ΕΦΑΡΜΟΓΕΣ - ΑΣΚΗΣΕΙΣ ΘΕΡΜΙΚΗΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ ΦΥΣΙΚΗΣ 1. Ένα κιλό νερού σε θερμοκρασία 0 C έρχεται σε επαφή με μιά μεγάλη θερμική δεξαμενή θερμοκρασίας 100 C. Όταν το νερό φτάσει στη θερμοκρασία της δεξαμενής,
Διαβάστε περισσότεραΠροβλήματα Κεφαλαίου 2
Άνοιξη 2017 8/3/2017 Προβλήματα Κεφαλαίου 2 Οι λύσεις των προβλημάτων 23,24 και 25 * να παραδοθούν μέχρι τις 17/3/2017 Οι λύσεις των προβλημάτων 26 και 27 * να παραδοθούν μέχρι τις 24/3/2017 1. Θεωρείστε
Διαβάστε περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
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 περισσότεραΜπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC
Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Περιεχόμενα Μαθήματος Εισαγωγή στο Πρόβλημα. Monte Carlo Εκτιμητές. Προσομοίωση. Αλυσίδες Markov. Αλγόριθμοι MCMC (Metropolis Hastings & Gibbs Sampling).
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα
Διαβάστε περισσότεραΠεριεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.
Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς
Διαβάστε περισσότερα27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό
ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (i) Βασική στατιστική 2 Στατιστική Vs Πιθανότητες Στατιστική: επιτρέπει μέτρηση και αναγνώριση θορύβου και
Διαβάστε περισσότεραΑν Α και Β είναι δύο ενδεχόμενα ενός δειγματικού χώρου να αποδείξετε ότι: Αν Α Β τότε Ρ(Α) Ρ(Β)
ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΑΝΑΒΡΥΤΩΝ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΕΞΕΤΑΣΕΙΣ ΠΡΟΣΟΜΟΙΩΣΗΣ 04 ΘΕΜΑ ο Α. Πότε δύο ενδεχόμενα Α και Β ενός δειγματικού χώρου Ω ονομάζονται ασυμβίβαστα;
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΈλεγχος Υποθέσεων (Hypothesis Testing)
Έλεγχος Υποθέσεων (Hypothesis Testig) Ορισμοί Μορφές στατιστικού ελέγχου Πιθανότητες σφάλματος τύπου Ι και ΙΙ Ισχύς (Power) ενός ελέγχου Η P-τιμή (P-vlue) Στατιστικοί έλεγχοι υποθέσεων για ειδικές περιπτώσεις
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΑλγόριθμος Metropolis. Γ. Θεοδώρου 1
Αλγόριθμος Metropols Γ. Θεοδώρου Γ. Θεοδώρου 1 Δειγματοληψία Οι δύο βασικές μέθοδοι δειγματοληψίας είναι, Κλασική δειγματοληψία (καλείται και: Monte Carlo), και Δειγματοληψία Metropols. Η βασική διαφορά
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΣυσχέτιση μεταξύ δύο συνόλων δεδομένων
Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που
Διαβάστε περισσότεραΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα.
ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα. Στα παραπάνω ιστογράμματα, παρατηρούμε, ότι αν και υπάρχει διαφορά στη διασπορά των τιμών
Διαβάστε περισσότεραΜπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC
Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Τομέας Μαθηματικών, Τηλέφωνο: (210) 772-1702, Φαξ: (210) 772-1775.
Διαβάστε περισσότεραΑσκήσεις επανάληψης στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου, χ. Έτος του Μανώλη Ψαρρά Άσκηση 1 η
1 Ο ΓΕΝΙΚΟ ΛΤΚΕΙΟ ΓΕΡΑΚΑ Απρίλης 014 Ασκήσεις επανάληψης στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου, χ. Έτος 013-14 του Μανώλη Ψαρρά Άσκηση 1 η Όπως γνωρίζουμε, ο στίβος του κλασσικού αθλητισμού σε ένα
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΠροβλήματα Κεφαλαίου 2
Άνοιξη 2013 5/3/2013 Προβλήματα Κεφαλαίου 2 Οι λύσεις των προβλημάτων 3, 4, 5 * να παραδοθούν μέχρι τις 22/3/2013 Οι λύσεις των προβλημάτων 8 * και 20 να παραδοθούν μέχρι τις 28/3/2013 1. Για να κερδίσουμε
Διαβάστε περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε περισσότεραΣπόροι που αναπηδούν - Ένα μοντέλο για τις αλλαγές φάσης και τις καταστάσεις αστάθειας.
Greek (Greece) Q2-1 Σπόροι που αναπηδούν - Ένα μοντέλο για τις αλλαγές φάσης και τις καταστάσεις αστάθειας. Παρακαλούμε να διαβάσετε τις γενικές οδηγίες που υπάρχουν στον ξεχωριστό φάκελο πριν ξεκινήσετε
Διαβάστε περισσότερα4 ΣΥΝΕΧΗ ΣΤΟ ΧΡΟΝΟ ΔΥΝΑΜΙΚΑ ΣΥΣΤΗΜΑΤΑ - ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ
4 ΣΥΝΕΧΗ ΣΤΟ ΧΡΟΝΟ ΔΥΝΑΜΙΚΑ ΣΥΣΤΗΜΑΤΑ - ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Τα συνεχή στο χρόνο δυναμικά συστήματα, γνωστά και ως συστήματα διαφορικών εξισώσεων, περιγράφουν φαινόμενα που μεταβάλλονται συνεχώς στο χρόνο.
Διαβάστε περισσότεραΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ
ΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ Τα μη γραμμικά μοντέλα έχουν την πιο κάτω μορφή: η μορφή αυτή μοιάζει με τη μορφή που έχουμε για τα γραμμικά μοντέλα ( δηλαδή η παρατήρηση Y i είναι το άθροισμα της αναμενόμενης
Διαβάστε περισσότεραΔιάστημα εμπιστοσύνης της μέσης τιμής
Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 7-8 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΑ4. Να χαρακτηρίσετε τις προτάσεις που ακολουθούν, γράφοντας στο τετράδιό σας δίπλα στο γράµµα που αντιστοιχεί σε κάθε πρόταση, τη λέξη Σωστό, αν η
ΠΡΟΣΟΜΟΙΩΣΗ ΑΠΟΛΥΤΗΡΙΩΝ ΕΞΕΤΑΣΕΩΝ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΥΡΙΑΚΗ 7 ΑΠΡΙΛΙΟΥ 203 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΘΕΜΑ Α Α. Για δυο ασυµβίβαστα ενδεχόµενα
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΕΙΣ 09-10 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Έλεγχοι υποθέσεων Βόλος, 2016-2017
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 5-6 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραη απόσταση d γίνεται ελάχιστη. Τα αντίστοιχα σημεία των καμπυλών είναι: P, P, , P, P, ( 2) ,
Λύσεις Ασκήσεων ου Κεφαλαίου 45 και επειδή d x x = / = 7.5649 > η απόσταση d γίνεται ελάχιστη. Τα αντίστοιχα σημεία των καμπυλών είναι: και ( x ) = ( x x ) = P P, P,.58975,.478 x =.58975 x =.58975 ( x
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Άσκηση 5.1 Για ένα σήμα που έχει τη σ.π.π. του σχήματος να υπολογίσετε: μήκος του δυαδικού κώδικα για Ν επίπεδα κβάντισης για σταθερό μήκος λέξης;
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Παραμέτρων
Διαβάστε περισσότερα& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική //9 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ ο Θέμα Μονάδες Από τα ασθενή ζώα μιας κτηνοτροφικής μονάδας, ποσοστό % έχει προσβληθεί από την ασθένεια Α, % από
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Προσομοίωση Monte Carlo Αλυσίδων Markov: Αλγόριθμοι Metropolis & Metropolis-Hastings Προσομοιωμένη Ανόπτηση Simulated Annealing
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436 A εξάμηνο 2009-2010 Περιγραφική Στατιστική Ι users.att.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr Μέτρα θέσης Η θέση αντιπροσωπεύει τη θέση της κατανομής κατά
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Πίνακες, κατανομές, ιστογράμματα... 1 1.2 Πυκνότητα πιθανότητας, καμπύλη συχνοτήτων... 5 1.3
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΘΕΜΑ 1o A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR. και c πραγματική σταθερά. Να αποδείξετε ότι
ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΠΕΜΠΤΗ 25 ΜΑΪΟΥ 2006 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΘΕΜΑ 1o A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR.
Διαβάστε περισσότεραΓ. Πειραματισμός - Βιομετρία
Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται
Διαβάστε περισσότεραΓΕΝΙΚO ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ
ΓΕΝΙΚO ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ Μαρία Κατσικίνη E-mal: katsk@auth.gr Web: users.auth.gr/katsk Τηλ: 0 99800 Γραφείο : Β όροφος, Τομέας Φυσικής Στερεάς Κατάστασης Σειρά των ασκήσεων Θεωρία : Σφάλματα Θεωρία :
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΔΙΟΙΚΗΤΙΚΑ ΣΤΕΛΕΧΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΔΙΟΙΚΗΤΙΚΑ ΣΤΕΛΕΧΗ Ενότητα # 7: Δειγματοληψία Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότεραΙΑΤΡΙΚΗ ΦΥΣΙΚΗ eclass: PHYS215 Π. Παπαγιάννης
ΙΑΤΡΙΚΗ ΦΥΣΙΚΗ eclass: PHYS215 Π. Παπαγιάννης Αν. Καθηγητής, Εργαστήριο Ιατρικής Φυσικής, Ιατρική Σχολή Αθηνών. Γραφείο 21 210-746 2442 ppapagi@phys.uoa.gr Έμμεσα ιοντίζουσα ακτινοβολία: Πότε ισούται το
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13
ΠΕΡΙΕΧΟΜΕΝΑ / 7 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... 13 Κεφάλαιο 1: Περιγραφική Στατιστική... 15 1.1 Περιγραφική και Συμπερασματική Στατιστική... 15 1.2 Μεταβλητές - Τιμές - Παρατηρήσεις... 19 1.3 Είδη μεταβλητών...
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΕΑΣ ΦΥΣΙΚΗΣ Προσομοιώσεις Monte Carlo σε GPU ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του Δημητρίου Ν. Καρκούλη Επιβλέπων: Κωνσταντίνος Αναγνωστόπουλος
Διαβάστε περισσότεραΆσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:
Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ
ΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις, Ασκήσεις,
Διαβάστε περισσότεραΜικροκανονική- Kανονική κατανομή (Boltzmann)
Κεφάλαιο 2: Βασικές αρχές της στατιστικής φυσικής- Μικροκανονική- Kανονική κατανομή (Boltzmann) Ανακεφαλαίωση (Με τι ασχοληθήκαμε) ώσαμε τις έννοιες της μακροκατάστασης, της μικροκατάστασης και του στατιστικού
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 περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε 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 περισσότεραΜέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Διαβάστε περισσότερα3 ος ΘΕΜΟΔΥΝΑΜΙΚΟΣ ΝΟΜΟΣ- ΘΕΡΜΟΔΥΝΑΜΙΚΑ ΔΥΝΑΜΙΚΑ ΘΕΩΡΙΑ
ΦΡΟΝΤΙΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΗΣ Π.Φ. ΜΟΙΡΑ 6932 946778 3 ος ΘΕΜΟΔΥΝΑΜΙΚΟΣ ΝΟΜΟΣ- ΘΕΡΜΟΔΥΝΑΜΙΚΑ ΔΥΝΑΜΙΚΑ ΘΕΩΡΙΑ Περιεχόμενα 1. Ο τρίτος θερμοδυναμικός Νόμος 2. Συστήματα με αρνητικές θερμοκρασίες 3. Θερμοδυναμικά
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
Διαβάστε περισσότεραΔιαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής
Ενότητα 2 Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής Ένας από τους βασικούς σκοπούς της Στατιστικής είναι η εκτίμηση των χαρακτηριστικών ενός πληθυσμού βάσει της πληροφορίας από ένα δείγμα.
Διαβάστε 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 περισσότεραΝα εξετάσετε αν είναι συναρτήσεις πυκνότητας πιθανότητας, κι αν είναι να υπολογίσετε τη συνάρτηση κατανομής πιθανότητας F x (x).
Κεφάλαιο 2, άσκηση 1: Δίνονται οι συναρτήσεις: α) 2, β), Να εξετάσετε αν είναι συναρτήσεις πυκνότητας πιθανότητας, κι αν είναι να υπολογίσετε τη συνάρτηση κατανομής πιθανότητας F x (x). Λύση : Για να είναι
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΑλγεβρικές παραστάσεις - Αναγωγή οµοίων όρων
Αλγεβρικές παραστάσεις - Αναγωγή οµοίων όρων 1. Μια παράσταση που περιέχει πράξεις µόνο µε αριθµούς, λέγεται αριθµητική παράσταση. Παράδειγµα: + + 1 =. είναι µια αριθµητική παράσταση, το αποτέλεσµα των
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΗ ΠΡΟΤΥΠΟΠΟΙΗΣΗ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑΤΙΚΗ ΠΡΟΤΥΠΟΠΟΙΗΣΗ η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ Προβλήματα Διαταραχών Λογισμού Μεταβολών Άσκηση 3.10, σελίδα 35 από το βιβλίο
Διαβάστε περισσότεραΔειγματοληψία στην Ερευνα. Ετος
ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)
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 περισσότεραΕργαστηριακή Άσκηση 8 Εξάρτηση της αντίστασης αγωγού από τη θερμοκρασία.
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Όνομα : Κάραλης Νικόλας Α/Μ: 9144 Εργαστηριακή Άσκηση 8 Εξάρτηση της αντίστασης αγωγού από τη θερμοκρασία. Συνεργάτες: Ιντζέογλου
Διαβάστε περισσότεραΑσκήσεις Κεφαλαίου 2
Άνοιξη 2010 4/3/2010 Ασκήσεις Κεφαλαίου 2 1. Για να κερδίσουμε το ΛΟΤΤΟ πρέπει να διαλέξουμε 6 διαφορετικούς αριθμούς από τους 49 διαθέσιμους. Η σειρά επιλογής των αριθμών δεν παίζει κανέναν ρόλο. Αν θέλουμε
Διαβάστε περισσότεραΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης
ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης Από την περασμένη φορά... Πληθυσμός (population): ένα σύνολο ατόμων Παράμετρος (parameter): χαρακτηριστικό του
Διαβάστε περισσότεραΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ. A. Η συνάρτηση f είναι παραγωγίσιμη στο ΙR. και c πραγματική σταθερά. Να αποδείξετε ότι (c f(x)) =c f (x), x ΙR.
ΘΕΜΑ 1o ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΠΕΜΠΤΗ 5 ΜΑΪΟΥ 006 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΤΕΣΣΕΡΙΣ (4)
Διαβάστε περισσότεραΓενική Μεταπτυχιακή Εξέταση - ΕΜΠ & ΕΚΕΦΕ-" ηµόκριτος"
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ NATIONAL TECHNICAL UNIVERSITY ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & DEPARTMENT OF PHYSICS ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΟΜΕΑΣ ΦΥΣΙΚΗΣ ZOGRAFOU CAMPUS ΗΡΩΩΝ ΠΟΛΥΤΕΧΝΕΙΟΥ 9 157 80 ATHENS -
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 Κατανομές Πιθανότητας Ως τυχαία μεταβλητή ορίζεται το σύνολο των τιμών ενός χαρακτηριστικού
Διαβάστε περισσότεραΥπολογιστική Φυσική ΙΙ
Υπολογιστική Φυσική ΙΙ Μια Εισαγωγή στις Προσομοιώσεις Monte Carlo στη Στατιστική Φυσική Για το μάθημα Υπολογιστικής Φυσικής ΙΙ 8ο εξάμηνο Σχολής ΕΜΦΕ Εθνικό Μετσόβιο Πολυτεχνείο Κωνσταντίνος Ν. Αναγνωστόπουλος
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Μελέτη των Self avoiding Random Walks Ρούσσος Ιωσήφ Α.Μ: 09102046 Επιβλέπων Καθηγητής Κωνσταντίνος Ν.
Διαβάστε περισσότεραΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ
9 ο ΜΑΘΗΜΑ ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Πότε κάνουμε ομαδοποίηση των παρατηρήσεων; Όταν το πλήθος των τιμών μιας μεταβλητής είναι αρκετά μεγάλο κάνουμε ομαδοποίηση των παρατηρήσεων. Αυτό συμβαίνει είτε
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 14. Κρίσιμοι Εκθέτες Εισαγωγή
ΚΕΦΑΛΑΙΟ 14 Κρίσιμοι Εκθέτες 14.1 Εισαγωγή Ήδη αναφέραμε σε προηγούμενα κεφάλαια πως ένα φυσικό σύστημα το οποίο εμφανίζει μία συνεχή μετάβαση φάσης κατά την οποία, καθώς β β c ή, ισοδύναμα, καθώς η αδιάστατη
Διαβάστε περισσότερα