εξαρτάται από το θ και για αυτό γράφουµε την σ.π.π. στην εξής µορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "εξαρτάται από το θ και για αυτό γράφουµε την σ.π.π. στην εξής µορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ."

Transcript

1 Άσκηση : Έστω Χ,,Χ τυχαίο δείγµα µεγέους από την κατανοµή µε σππ 3 p (,, >, > 0 α είξτε ότι η στατιστική συνάρτηση Τ( Χ : Χ ( m είναι επαρκής για την παράµετρο και πλήρης κ β Βρείτε ΑΕΕ του α Το στήριγµα S { : p(, > 0} {, + } εξαρτάται από το και για αυτό γράφουµε την σππ στην εξής µορφή: 3 p (, Ι (,, (,+ όπου, > Ι (, + ( : 0, Η από κοινού σππ του δείγµατος Χ,,Χ γράφετε τότε: Ορίζουµε τη συνάρτηση: 3 p (, Ι (,+ (, ( f(, ( :, 0, > ( όπου ( m Οι συναρτήσεις K και L µε τιµές K( Ι (,+ ( και L ( f(, ( είναι ίσες διότι παίρνουν µόνο τις τιµές 0 και και επιπλέον K( αν και µόνο αν L ( Εποµένως 3 p (, { f(, ( } G( (, H ( Έτσι από το παραγοντικό κριτήριο Neym η στατιστική συνάρτηση Τ( Χ : ( m είναι επαρκής για το Για να αποδείξουµε την πληρότητα της Τ, χρειάζεται να γνωρίζουµε την κατανοµή της Για την συνάρτηση κατανοµής F (, της τµ Χ µε σππ p(,, έχουµε: 3 (, (,, F p u du u du > και F (,0 αν Συνεπώς αν F Τ (t, είναι η συνάρτηση κατανοµής της Τ τότε:

2 F ( t, P( T t P( T > t P( > t P( > t,,, P( > t T ( [( F ( t, ], t > t Παραγωγίζοντας ως προς t λαµβάνουµε την σππ της Τ: (, ft t t, t > Έστω τώρα Ε(h(T, 0 > 0 και για τυχούσα µετρήσιµη πραγµατική συνάρτηση h: Έχουµε ότι: Ε(h(T, 0 > h( t f (, t dt 0 h( t t dt 0 h( t t dt 0 T Παραγωγίζοντας την τελευταία ισότητα ως προς λαµβάνουµε ότι h( 0 > 0 h( 0 > 0, δηλαδή h(y0 y (0, + Για το σύνολο (, 0] ισχύει ότι PT ( 0 0 > 0, δηλαδή το (,0] έχει µέτρο µηδέν Άρα h0 σχεδόν παντού και συνεπώς η Τ( Χ : Χ( m είναι πλήρης κ Τότε: κ κ κ κ T β Έστω Uψ(Τ αε του E( ψ( Τ ψ( t f (, t dt ψ( t t dt ψ( t t dt, > 0 Παραγωγίζοντας την τελευταία ισότητα ως προς προκύπτει: ( + κ ( + κ κ ψ (, > 0 ψ ( > 0 κ + + ( + κ κ ( + κ Άρα η στατιστική συνάρτηση U( ψ ( T( T( ( κ η µοναδική ΑΕΕ του, ως συνάρτηση µόνο της επαρκούς και πλήρους στατιστικής συνάρτησης Τ κ είναι Άσκηση : Έστω Χ,,Χ τυχαίο δείγµα από την κατανοµή G, p µε σππ p p (, e, > 0, > 0, p Γ( p όπου p γνωστό α Να υπολογιστεί η πληροφορία Ι( κατά Fsher µιας παρατήρησης για το β Να βρεεί ΑΕΕ της και να συγκριεί η διασπορά της µε το κάτω φράγµα της ανισότητας Crmer-Ro

3 γ Να βρεεί ΑΕΕ της / και να συγκριεί η διασπορά της µε το κάτω φράγµα της ανισότητας Crmer-Ro α Άρα: l p(, l Γ( p pl + ( p l p l p (, + p l p (, 3 Χ ( l (, p ( p p p Ι Ε p p Ε 3 Ε Χ 3 3 β Το στήριγµα S { : p(, > 0} {0, + } δεν εξαρτάται από το Επιπλέον: p e c e Γ( p p Q( T( (, ( h( p ανήκει δηλαδή στην ΕΟΚ και συνεπώς η ΤΤ( Χ : και πλήρης για το Ακόµα έχουµε ότι: Ε(Τ Τ E ( p Ε p T( είναι επαρκής * Συµπεραίνουµε λοιπόν ότι η αε Τ ( Χ του είναι και ΑΕΕ ως p p συνάρτηση της επαρκούς και πλήρους Τ Επειδή οι Χ,,Χ είναι ανεξάρτητες (άρα και ασυσχέτιστες έπεται ότι: V( * p V( Τ ( p ( p p Το κάτω φράγµα Crmer-Ro δίνεται από την * LB V ( T I( p γ Ισχύει ότι αν ~ G, p ~ G, p και άρα 3

4 + E ft (, t dt κ κ T t / y t p κ + p p p y ( p κ κ Γ κ t e dt t e dt y e dy κ p p p κ, t Γ( p Γ( p Γ( p Γ( p αφού: + p κ y y e dy p 0 Γ( κ Για κ έχουµε Γ( p E, T Γ( p ( p αφού: Γ ( ( Γ( Τελικά: p E, T p και άρα η στατιστική συνάρτηση είναι ΑΕΕ του / T Ακόµα: p V ( p V ( p E E T T T T ( Γ( p ( p ( p Γ p ( p ενώ: d d 4 p LB < V I( p p T Άσκηση 3: Έστω Χ,,Χ τυχαίο δείγµα από την κατανοµή b(n,, (0, α Να δειχτεί ότι η στατιστική συνάρτηση είναι ΑΕΕ του Ν β Να βρεεί η ΕΜΠ του γ Έστω το τυχαίο δείγµα Χ,,Χ τυχαίο δείγµα από την κατανοµή b(3, Αν το δείγµα αυτό έδωσε τις µετρήσεις 3, 0, 3, 4, 5 να βρεεί ο ΕΜΠ της P(0 4

5 α Το στήριγµα S { : p(, > 0} {0,,, N} δεν εξαρτάται από το Επιπλέον: N l N N Q( T( p(, ( ( e c( e h( ανήκει δηλαδή στην ΕΟΚ και συνεπώς η Τ Τ( Χ : και πλήρης για το Ακόµα έχουµε ότι: Ε(Τ Τ E ( N Ε N Συµπεραίνουµε λοιπόν ότι η αε συνάρτηση της επαρκούς και πλήρους Τ * Τ ( Χ N N T( είναι επαρκής του είναι και ΑΕΕ ως β Έχουµε: Ακόµα: N N ( (, L N l( l + N l( + l, N d l( 0 d Ν d N ( N l d ( < 0 Ν Εποµένως η ˆ είναι η ΕΜΠ του Ν γ Από τις µετρήσεις 3, 0, 3, 4, 5 παίρνουµε ότι ˆ Ν 0466 Έτσι υποέτοντας ότι Χ~b(3,0466 έχουµε: P ( ( Άσκηση 4: Έστω Χ,,Χ τυχαίο δείγµα από την κατανοµή N(µ,σ 5

6 Να βρεεί η ΕΜΠ του σ όταν: α µ γνωστό β µ άγνωστο γ Έστω πήραµε τις εξής µετρήσεις για το Χ: 0, 5, 3 03, 4, 5 08, 6 3, 7 4, 8 53, 9 07, 0 45 Να βρεεί ο ΕΜΠ της P(>09 α Έχουµε: ( µ σ L( σ e, ( πσ ( µ l( σ l π l σ, σ ( ( d µ µ l( σ + 0 σ dσ σ σ σ Παρατηρούµε ότι για σ ( ( µ είναι: 3 d l( σ < 0 d σ ( µ Εποµένως η ˆ ( µ είναι η ΕΜΠ του σ β Έχουµε: ( µ σ e L( µσ,, ( πσ l( µσ, l π l σ ( µ σ, 6

7 ( d µ l ( 0 µ dµ σ ( µ ( d l( + 0 σ dσ σ σ ( σ Η λύση αυτή αντιστοιχεί πράγµατι σε µέγιστο αφού ο πίνακας Hesse για µ και σ ( είναι ο: ( l( µσ, Η 3 µσ 0 ( ο οποίος είναι αρνητικά ορισµένος Εποµένως η ΕΜΠ του σ όταν µ άγνωστο είναι: γ Από τις 0 µετρήσεις προκύπτει ότι: Άρα Χ ~ Ν(09,855 και εποµένως: ˆ σ ( ˆ µ 09 ( ˆ σ P ( > 09 P( > Φ ( Άσκηση 5: Ο αριµός Ν(t των εκπεµπόµενων σωµατιδίων α από µια ραδιενεργό πηγή σε χρόνο t ωρών ακολουεί την P(t, >0 Αν Χ,,Χ είναι οι ενδιάµεσοι χρόνοι µεταξύ διαδοχικών εκποµπών, να βρεούν α Η ΕΜΠ του β Η εκτιµήτρια ροπών του γ Η ΕΜΠ της πιανότητας σε χρόνο ωρών να µην έχουµε εκποµπή σωµατιδίου 0 7

8 α Είναι γνωστό από τις πιανότητες ότι τα Χ,,Χ είναι ανεξάρτητες και ισόνοµες τµ που ακολουούν την Εκ( Οπότε: L ( e, l( l, d l( 0 d Ακόµα: d l( < 0 για d Εποµένως η ˆ είναι η ΕΜΠ του β Έχουµε Ε(Χ/ και λύνοντας ως προς παίρνουµε ότι ροπών του είναι η γ Είναι t οπότε η Ν( ακολουεί την P( Η ζητούµενη πιανότητα είναι: ˆ 0 ˆ ˆ ( PN ( ( 0 e e e 0! Άρα η εκτιµήτρια Άσκηση 6: Ο χρόνος ζωής Χ σε ώρες µιας λυχνίας ακολουεί κατανοµή µε συνάρτηση πυκνότητας p (, e, > 0, > 0 Αν Χ,,Χ είναι οι χρόνοι ζωής λυχνιών, τότε: α Να βρεεί η ΕΜΠ του β Ποια α ήταν η εκτίµηση σας για τον µέσο χρόνο ζωής, αν είχατε τις παρατηρήσεις:, 57, 3 60, 4 3, 5 84, 6 3, 7 8, 8 5, 9 7, 0 4; γ Με βάση τα δεδοµένα του β ερωτήµατος και την υπόεση περί της κατανοµής του χρόνου ζωής, να εκτιµήσετε την πιανότητα ο χρόνος ζωής µιας λυχνίας να είναι µεγαλύτερος των 0 ωρών δ Εκτιµήστε µη παραµετρικά, δηλαδή χωρίς την υπόεση περί κατανοµής, την πιανότητα στο ερώτηµα γ α Έχουµε: 8

9 Ακόµα για : L ( e, l( l l +, d l( + 0 d d 8 l( < 0 για d Εποµένως η ˆ είναι η ΕΜΠ του β Ο µέσος χρόνος ζωής της λυχνίας υπολογίζεται ως εξής: + + y / + 3 y ΕΧ ( e d e d y e dy Γ (3, εφόσον Γ(3! Άρα η ΕΜΠ της Ε(Χ είναι η γ Έχουµε τα εξής : ˆ y P( > 0 e d e d ye d + e Για ˆ έχουµε: 0 0 ˆ P ˆ( > 0 + e 005 ˆ δ Με σκεπτικό ανάλογο αυτού της άσκησης, η µη παραµετρική εκτίµηση γίνεται 0 βάσει της διωνυµικής κατανοµής P> ˆ( Άσκηση 7: Έστω Χ,,Χ τυχαίο δείγµα από την κατανοµή U(, Να βρεούν: α Ένα επαρκές στατιστικό για το (, β Η ΕΜΠ του (, γ Η εκτιµήτρια ροπών του (, δ Χρησιµοποιώντας τις παρακάτω 0 παρατηρήσεις να εκτιµηούν οι παράµετροι (, µε την µέοδο των ροπών και την µέοδο µεγίστης πιανοφάνειας 9

10 α Η σππ της U(, είναι:, (, p (,, I (,, (, 0, (,, (, όπου Ι (, ( : 0, (, Οπότε η από κοινού σππ του δείγµατος είναι: p(,, I(, (, (,, Ορίζουµε την συνάρτηση: Τότε f (, ( f( (, (, b f(, b: 0, > b I(, ( για κάε (,,, µε ( m οπότε α έχουµε p(,, f (, ( f( (, G(T(,, H(, όπου ( G(T(,, f (, ( f( (, ( ( m και και H( Από το παραγοντικό κριτήριο Neym, συµπεραίνουµε ότι η T( ( T(, T ( ( (, ( είναι επαρκής εκτιµήτρια του (, β Η συνάρτηση πιανοφάνειας είναι: L(, I(, ( f (, ( f( (,, ( ( η οποία δεν παραγωγίζεται παντού ως προς και Έτσι για να µεγιστοποιηεί α πρέπει να ελαχιστοποιηεί η διαφορά - και ταυτόχρονα το γινόµενο f (, f(, να πάρει την µέγιστη τιµή του που είναι Όµως ( ( f (, ( f( (, αν-ν ( και ( Συνεπώς η ΕΜΠ του (, είναι η ( (, ( γ Θεωρούµε το σύστηµα E( E ( 0

11 ( + + Επειδή E ( και Ε ( V( + [ E( ] + η λύση του παραπάνω συστήµατος δίνει την εκτιµήτρια ροπών του (, που είναι: 3 3 (, + ( δ Οι εκτιµήσεις των και µε την µέοδο µεγίστης πιανοφάνειας είναι: ˆ ( ( 4 ˆ ( ( 89 ενώ οι εκτιµήσεις των και µε την µέοδο των ροπών είναι: 3 0 ( ( ( + ( Άσκηση 8: Έστω ~ G(, και Χ,,Χ τυχαίο δείγµα Έστω T και R l είξτε ότι η στατιστική συνάρτηση T ( T, R είναι επαρκής για την * παράµετρο (, Είναι η T T, R επαρκής για την (, ; ( l Q(, T ( + Q (, T ( Γ( Γ( f (,, e e ( C(, e h( Άρα η κατανοµή ανήκει στη διπαραµετρική εκετική οικογένεια κατανοµών και συνεπώς η στατιστική συνάρτηση T ( T, R (, l είναι επαρκής για την παράµετρο (, * Από γνωστό πόρισµα η T T, R είναι επίσης επαρκής για την (,

12 Άσκηση 9: Έστω η διακριτή τµ ~ f (, ( + (, 0,, όπου Ω (0, Να βρεεί η ΕΜΠ της µε την βοήεια τδ Χ,,Χ Στην συνέχεια να ( βρεεί η ΕΜΠ της α ( και να εξετάσετε αν είναι αµερόληπτη Έχουµε: Ακόµα για : + ( ( (, L l( l + l( + l ( +, d l( 0 d + d l( < 0 d + + Εποµένως η ˆ είναι η ΕΜΠ του + ( ˆ Από γνωστό πόρισµα η ΕΜΠ της α ( είναι η ˆ ( α ( ˆ Θα εξετάσουµε τώρα αν η T είναι αε της α( Έχουµε ET ( E( E( E( Όµως: ( E k ( + ( + k αφού Άρα η Τ είναι αε της α( k + ( ( ( + ( ( + ( α( e, > 0, > 0 άγνωστη παράµετρος και α > 0 Άσκηση 0: Έστω Χ ~ f (, γνωστή παράµετρος Έστω τδ Χ,,Χ α Να βρείτε την ΕΜΠ της β Να εξετάσετε αν η ΕΜΠ είναι αµερόληπτη γ Με βάση το αποτέλεσµα του β να υποδείξετε µια ΑΕΕ της

13 δ Να βρείτε το κατώτερο φράγµα Crmer-Ro και να το συγκρίνετε µε τη διασπορά της ΑΕΕ που βρήκατε στο γ α Έχουµε: Ακόµα: Εποµένως η ˆ β Έστω U της και εν συνεχεία της α (, L e α l( l + l + l d l( 0 d είναι η ΕΜΠ του d l( < 0 d, Θα βρούµε την Ε(U Προηγουµένως α βρούµε την κατανοµή Επειδή η συνάρτηση y g( α είναι - και + συνεχώς παραγωγίσιµη στο S { : f(, > 0} {0, + } µε αντίστροφη g - (y y /α α έχουµε για την σππ της: dg ( y y y fy ( y f( g ( y y e y e, y > 0Άρα η Υ Χ α ~ G(,p dy και συνεπώς η τµ Ζ ~ G(,p Επειδή τώρα η στατιστική συνάρτηση U φ( Z α έχουµε: Z + + p p + z p z ω p z φ Z z Γ( p Γ( p EU ( E[ φ( Z] ( z f ( zdz z e dz z e dz p + p p ω ω e dω ( p Γ 0 Γ( p Γ( 3

14 και συνεπώς η στατιστική συνάρτηση U γ Θέτουµε * Τ, δηλαδή * Τ U Τότε δεν είναι αε της * ET ( *, δηλαδή η Τ είναι αε Q( T( της Εξ άλλου f (, e ( C( e h(, δηλαδή η δοείσα κατανοµή ανήκει στην εκετική οικογένεια κατανοµών και συνεπώς η στατιστική συνάρτηση Ζ T( είναι επαρκής και πλήρης για την Άρα η αµερόληπτη συνάρτηση της επαρκούς και πλήρους στατιστικής συνάρτησης Ζ είναι ΑΕΕ δ Έχουµε: Άρα α l f (, (l + l + ( l α α α α α { } { I( Ε l f(, Ε Χ Ε Χ +Χ Ε Χ +Ε Χ Όπως είδαµε όµως στο β η τµ Χ α α ~ G(, και άρα Ε{ Χ } /, ενώ α { } { } ( α Ε Χ V + Ε Χ + Τελικά Ι ( και συνεπώς το κατώτατο φράγµα Crmer-Ro είναι LB I( Εξ άλλου: * Τ ως } * * VT ( E ( T ET ( * * Βρήκαµε ήδη ότι ET ( ενώ: + + * Z Z z z ( 0 0 z E ( T E f ( z dz z e dz Γ + ( ( ω ( ω e dω Γ( ( 0 * Συνεπώς VT ( > LB ( z ω Άσκηση : Το πλάτος ενός παλµού είναι τµ Χ ~ Ν ( µ, 4 Στην έξοδο του µηχανήµατος µπορούµε να παρατηρήσουµε µόνο αν το Χ υπερβαίνει την τιµή 40 ή όχι Αν το Χ σε 00 παρατηρήσεις υπερέβη την τιµή αυτή 80 φορές, ποια η εκτίµηση µε την µέοδο µεγίστης πιανοφάνειας της παραµέτρου µ; 4

15 , αν Χ > 40 Έστω Y Σύµφωνα µε την εκφώνηση µια µή παραµετρική εκτίµηση 0, αν Χ 40 για το ˆ 80 pˆ P( > Όµως : µ 40 µ 40 µ 40 µ µ 40 p P( > 40 P > P Z > Φ Φ ( "-" ˆ 40 ˆ 40 Συνεπώς : ˆ µ Φ Φ µ µ Φ pˆ 08 Φ ˆ µ 47 Άσκηση : Ένα ερώτηµα σχετικό µε την µελέτη του µηχανισµού ήχο-εντόπισης νυχτερίδων είναι η απόσταση νυχτερίδας και εντόµου όταν η νυχτερίδα πρώτοαντιληφεί το έντοµο Λόγω τεχνικών δυσκολιών στην µέτρηση της απόστασης, µόνο παρατηρήσεις λήφηκαν, από τις οποίες έχουµε 4836 και S 3705 α Τι υποέσεις πρέπει να κάνουµε για να µπορέσουµε να κατασκευάσουµε ένα διάστηµα εµπιστοσύνης ( Ε; β Ποιο το βασικό αποτέλεσµα που χρησιµοποιείται για την κατασκευή Ε στην πάνω περίπτωση; γ Κατασκευάστε ένα 95% Ε για το µ α Πρέπει να υποέσουµε ότι η µεταβλητή απόσταση έχει την κανονική κατανοµή µ β ~ t s/ ( µ ( µ ( µ µ Απόδειξη: σ / σ / Αλλά Ζ ~ Ν (0, και s/ s/ s σ / σ / σ ( s µ Z Y ~, µε Ζ, Υ ανεξάρτητες τµ Άρα ~ t εξ ορισµού σ s/ Y s s γ ± t0 (005 ± 8 Άσκηση 3: Οι ερευνητές της προηγούµενης άσκησης έλουν µε το πείραµα τους να στηρίξουν την υποψία τους ότι µ<55 α ιατυπώστε την µηδενική και την εναλλακτική υπόεση β Έστω ότι πιστεύουν ότι η πληυσµιακή διασπορά είναι σ Ποιο το έλεγχο-στατιστικό και ποια η p-τιµή αν 4836 και ; 5

16 γ Απορρίπτεται η µηδενική υπόεση σε επίπεδο σηµαντικότητας α 0; α Η 0 : µ55 Η : µ<55 ( µ β Ζ - σ / p-τιµή Φ(Ζ 05 γ Όχι Άσκηση 4: α είξτε ότι ο πληυσµιακός µέσος µ ικανοποιεί την σχέση: E( µ m E( (εδώ µ Ε(Χ ηλαδή αν προβλέψουµε την µεταβλητή Χ µε το µ το µέσο τετραγωνικό σφάλµα είναι το µικρότερο δυνατό β Έστω ότι ο µέσος µ εκτιµάται µε τον δειγµατικό µέσο τυχαίου δείγµατος Χ,,Χ, και έστω Χ + µία άλλη µεταβλητή ισόνοµη και ανεξάρτητη των Χ,,Χ Ποια η κατανοµή Χ+ του ; s + γ Με χρήση του προηγούµενου αποτελέσµατος κατασκευάστε ένα (-α00% διάστηµα εµπιστοσύνης για το Χ + (λέγεται διάστηµα πρόβλεψης α [ µ µ ] E ( E( + ( E ( ( E ( ( E ( ( E ( µ + µ µ + µ µ + µ µ β Χ Χ + + σ + σ + Χ + s s + s + σ σ + 6

17 Αλλά ~ 0, σ Χ + Χ+ Ν σ + και συνεπώς Z ~ N(0, Επίσης σ + ( s Χ+ Z Y ~, µε Ζ, Υ ανεξάρτητες τµ Άρα ~ t σ Y s + γ ± t ( / s + 7

ΑΣΚΗΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΤΙΚΗ

ΑΣΚΗΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΤΙΚΗ Φουσκάκης- Ασκήσεις στην Εκτιµητική ΑΣΚΗΣΕΙΣ ΣΤΗΝ ΕΚΤΙΜΗΤΙΚΗ ) Έστω Χ,, Χ και Υ,,Υ ανεξάρτητα τµ από πληθυσµούς µε µέση τιµή θ και γνωστές διασπορές σ και σ είξτε ότι για c [0,] η U = c X +(-c) Y είναι

Διαβάστε περισσότερα

ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)

ΛΥΣΕΙΣ 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 περισσότερα

Ανισότητα Cramér Rao

Ανισότητα Cramér Rao Ανισότητα Craér Rao όταν πληρούνται Ορισμός. Στο στατιστικό μοντέλο {,, f ( x; ), Θ } οι συνήκες: i) Το στήριγμα S= { x :f( x;) > 0, Θ } ii) iii) Υπάρχει η μερική παράγωγος ( ) iv) Ισχύει η σχέση ( ) (

Διαβάστε περισσότερα

n + 1 X(1 + X). ) = X i i=1 i=1

n + 1 X(1 + X). ) = X i i=1 i=1 ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΣΤΑΤΙΣΤΙΚΗ I: ΕΚΤΙΜΗΤΙΚΗ 6 Σεπτεµβρίου 005 Εξεταστική περίοδος Σεπτεµβρίου 005 ΘΕΜΑΤΑ 1 1. Εστω X (X 1,..., X ) τυχαίο δείγµα από γεωµετρική κατανοµή Ge(), Θ (0, 1). (α) (10 µονάδες)

Διαβάστε περισσότερα

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη

Διαβάστε περισσότερα

A(θ) = n log θ B(x ) = 0. T (x ) = x i. Γ(n)θ n =

A(θ) = n log θ B(x ) = 0. T (x ) = x i. Γ(n)θ n = ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «ΣΤΑΤΙΣΤΙΚΗ Ι : ΕΚΤΙΜΗΤΙΚΗ» Πέµπτη 24 Ιουνίου 24 Εξεταστική περίοδος Ιουνίου 24 ΘΕΜΑΤΑ. Θεωρώντας ως κριτήριο το µέσο τετραγωνικό σφάλµα : (α ( µονάδες Εστω, 2 δύο εκτιµητές τού g(θ.

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού

Διαβάστε περισσότερα

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics) Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics) Τυχαίο δείγμα και στατιστική συνάρτηση Χ={x 1, x,, x n } τυχαίο δείγμα μεγέθους n προερχόμενο από μια (παραμετρική) κατανομή με σ.π.π. f(x;θ).

Διαβάστε περισσότερα

Στατιστική. Εκτιμητική

Στατιστική. Εκτιμητική Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια

Διαβάστε περισσότερα

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.) 3 Οριακά θεωρήµατα Κεντρικό Οριακό Θεώρηµα (ΚΟΘ) Ένα από τα πιο συνηθισµένα προβλήµατα που ανακύπτουν στη στατιστική είναι ο προσδιορισµός της κατανοµής ενός µεγάλου αθροίσµατος ανεξάρτητων τµ Έστω Χ Χ

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

2. Στοιχεία Πολυδιάστατων Κατανοµών Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε

Διαβάστε περισσότερα

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange 64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία 4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Διαστήματα εμπιστοσύνης Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Εκτιμητική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

5. Έλεγχοι Υποθέσεων

5. 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 περισσότερα

Σχολικός Σύµβουλος ΠΕ03

Σχολικός Σύµβουλος ΠΕ03 Ασκήσεις Μαθηµατικών Θετικής & Τεχνολογικής Κατεύθυνσης Γ Λυκείου ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Στην εργασία αυτή ξεχωρίζουµε και µελετάµε µερικές περιπτώσεις

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων ΙΙ

Στατιστική Επιχειρήσεων ΙΙ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

ΕΦΑΡΜΟΣΜΕΝΗ 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 περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 1 ου κεφαλαίου Βιβλίο: Κολυβά Μαχαίρα, Φ. & Χατζόπουλος Στ. Α. (2016). Μαθηματική Στατιστική, Έλεγχοι Υποθέσεων. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 5 ου κεφαλαίου Ελεγχοσυναρτήσεις για τις Παραμέτρους της Κανονικής Κατανομής Σταύρος Χατζόπουλος 08/05/207, 5/05/207 Εισαγωγή Στις παραγράφους που ακολουθούν παρουσιάζονται

Διαβάστε περισσότερα

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β

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

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 8 Ιουνίου 005 Από τα κάτωι Θέµατα καλείσε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Εφαρμοσμένη 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 περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

x y max(x))

x 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

3. Κατανομές πιθανότητας

3. 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 περισσότερα

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

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

Διαβάστε περισσότερα

Λύσεις των ϑεµάτων, ΑΠΕΙΡΟΣΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι, 3/2/2010

Λύσεις των ϑεµάτων, ΑΠΕΙΡΟΣΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι, 3/2/2010 Λύσεις των ϑεµάτων, ΑΠΕΙΡΟΣΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι, 3//00 Θέµα ( µονάδα) Θεωρούµε το σύνολο B = {x Q : x < 5}. είξτε ότι sup B = 5. Απάντηση : Για να δείξουµε ότι sup B = 5 αρκεί να δειχθεί ότι α) Το 5 είναι

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Ο.Ε.Φ.Ε ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ-ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΑΠΑΝΤΗΣΕΙΣ. f x > κοντά στο x0.

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Ο.Ε.Φ.Ε ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ-ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΑΠΑΝΤΗΣΕΙΣ. f x > κοντά στο x0. ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Ο.Ε.Φ.Ε. 3 Θέµα ο ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ-ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΑΠΑΝΤΗΣΕΙΣ B. α) Λάθος διότι η f είναι «-» που σηµαίνει δεν είναι πάντα γνησίως µονότονη. β) Σωστό διότι

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα

Διαβάστε περισσότερα

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ .5. ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ Η μέθοδος κατασκευής διαστήματος εμπιστοσύνης για την πιθανότητα που περιγράφεται στην προηγούμενη ενότητα μπορεί να χρησιμοποιηθεί για την κατασκευή διαστημάτων

Διαβάστε περισσότερα

ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ. Εφαπτοµένη ευθεία

ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ. Εφαπτοµένη ευθεία ΜΑΘΗΜΑ 5.. ΠΑΡΑΓΩΓΙΣΙΜΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ Εφαπτοµένη ευθεία Παράγωγος βασικών συναρτήσεων ΚΑΝΟΝΕΣ ΠΑΡΑΓΩΓΙΣΗΣ Αθροίσµατος γινοµένου - πηλίκου Θεωρία Σχόλια Μέθοδοι Ασκήσεις ΘΕΩΡΙΑ. Εξίσωση

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31 Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 13 Μαρτίου 2017 1/31 Βασικοί ορισμοί. Ορισμός 1: Τυχαίο δείγμα. Τυχαίο δείγμα μεγέθους n από

Διαβάστε περισσότερα

ΘΕΩΡΙΑ: Έστω η οµογενής γραµµική διαφορική εξίσωση τάξης , (1)

ΘΕΩΡΙΑ: Έστω η οµογενής γραµµική διαφορική εξίσωση τάξης , (1) 1 ΘΕΩΡΙΑ: Έστω η οµογενής γραµµική διαφορική εξίσωση τάξης (1) όπου οι συντελεστές είναι δοσµένες συνεχείς συναρτήσεις ορισµένες σ ένα ανοικτό διάστηµα. Ορισµός 1. Ορίζουµε τον διαφορικό τελεστή µέσω της

Διαβάστε περισσότερα

TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III

TMHMA 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 περισσότερα

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

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

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

Πανεπιστήμιο 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 περισσότερα

f(x) dx. f(x)dx = 0. f(x) dx = 1 < 1 = f(x) dx. Θα είχαµε f(c) = 0, ενώ η f δεν µηδενίζεται πουθενά στο [0, 2].

f(x) dx. f(x)dx = 0. f(x) dx = 1 < 1 = f(x) dx. Θα είχαµε f(c) = 0, ενώ η f δεν µηδενίζεται πουθενά στο [0, 2]. Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο 7: Ολοκλήρωµα Riem Α Οµάδα. Εστω f : [, ] R. Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς (αιτιολογήστε πλήρως την απάντησή σας).

Διαβάστε περισσότερα

4 η ΕΚΑ Α. = g(t)dt, x [0, 1] i) είξτε ότι F(x) > 0 για κάθε x (0, 1] ii) είξτε ότι f(x)g(x) > F(x) για κάθε x (0, 1] και G(x) για κάθε x (0, 1]

4 η ΕΚΑ Α. = g(t)dt, x [0, 1] i) είξτε ότι F(x) > 0 για κάθε x (0, 1] ii) είξτε ότι f(x)g(x) > F(x) για κάθε x (0, 1] και G(x) για κάθε x (0, 1] ΜΑΘΗΜΑ 48 ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 4 η ΕΚΑ Α 3. Έστω f συνεχής και γνησίως αύξουσα συνάρτηση στο [, ], µε f() >. ίνεται επίσης συνάρτηση g συνεχής στο [, ], για την οποία ισχύει g() > για κάθε [, ] Ορίζουµε τις

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Εισαγωγή Στα προβλήµατα που έχουµε ασχοληθεί µέχρι τώρα, υποστηρίζουµε ότι έχουµε ένα δείγµα X = (X 1, X 2,...,X n ) F(,θ). π.χ. X 1, X 2,...,X n τ.δ. N(µ,σ 2 ),

Διαβάστε περισσότερα

Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ. Το εσωτερικό γινόµενο

Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ. Το εσωτερικό γινόµενο Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ Το εσωτερικό γινόµενο Σε πολλές πρακτικές καταστάσεις, η τιµή µιας ποσότητας εξαρτάται από τις τιµές δύο ή περισσότερων άλλων ποσοτήτων. Για παράδειγµα η συνάρτηση V = π r h υπολογίζει

Διαβάστε περισσότερα

Κεφάλαιο 7 Βάσεις και ιάσταση

Κεφάλαιο 7 Βάσεις και ιάσταση Κεφάλαιο 7: Βάσεις και ιάσταση Σελίδα από 9 Κεφάλαιο 7 Βάσεις και ιάσταση n Στο Κεφάλαιο 5 είδαµε την έννοια της βάσης στο και στο Κεφάλαιο 6 µελετήσαµε διανυσµατικούς χώρους. Στο παρόν κεφάλαιο θα ασχοληθούµε

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 2013 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 2013 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 3 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α A Έστω f µια συνεχής συνάρτηση σε ένα διάστηµα [α, β] Αν G είναι µια παράγουσα της f στο [α, β], τότε να αποδείξετε ότι: β f () t dt = G ( β) G ( α) a Μονάδες

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΚΩΝΣΤΑΝΤΙΝΟΣ Γ. ΑΓΓΕΛΟΥ ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ

Διαβάστε περισσότερα

7 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 61. Έστω συνάρτηση f παραγωγίσιµη στο R, τέτοια ώστε. (e + 1)dt = x 1

7 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 61. Έστω συνάρτηση f παραγωγίσιµη στο R, τέτοια ώστε. (e + 1)dt = x 1 ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 7 η ΕΚΑ Α 6. Έστω συνάρτηση f παραγωγίσιµη στο R, τέτοια ώστε t (e + )dt για κάθε R Για δυνατούς παίκτες i) είξτε ότι e f() + f() ii) είξτε ότι η f αντιστρέφεται και βρείτε την f iii)

Διαβάστε περισσότερα

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό.

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό. Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο : Ακολουθίες πραγµατικών αριθµών Α Οµάδα Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς αιτιολογήστε πλήρως την απάντησή σας α Κάθε

Διαβάστε περισσότερα

x(t) 2 = e 2 t = e 2t, t > 0

x(t) 2 = e 2 t = e 2t, t > 0 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-215: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 216-17 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις σε Σήµατα και Συστήµατα Ασκηση

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 3 ου κεφαλαίου Έλεγχος Σύνθετων Υποθέσεων Σταύρος Χατζόπουλος 13/03/2017, 20/03/2017, 27/03/2017 1 Ιδιότητα Μονότονου Λόγου Πιθανοφανειών Συνήθως, καταστάσεις, όπως

Διαβάστε περισσότερα

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80.

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80. ΠΑΝΕΠΙΣΗΜΙΟ ΑΙΓΑΙΟΤ ΧΟΛΗ ΕΠΙΣΗΜΩΝ ΣΗ ΔΙΟΙΚΗΗ ΣΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑ ΚΑΙ ΔΙΟΙΚΗΗ ΣΑΣΙΣΙΚΗ Ακαδ. Έτος -3 Διδάσκων: Βασίλης ΚΟΤΣΡΑ Διδάσκων επί Συμβάσει Π.Δ 47/8 v.kouras@fμe.aegea.gr Σηλ: 735457 Διωνυμικό

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2017 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΘΕΤΙΚΩΝ ΣΠΟΥ ΩΝ / ΣΠΟΥ ΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2017 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΘΕΤΙΚΩΝ ΣΠΟΥ ΩΝ / ΣΠΟΥ ΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 7 Ε_3.Μλ3ΘΟ(ε) ΤΑΞΗ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΘΕΤΙΚΩΝ ΣΠΟΥ ΩΝ / ΣΠΟΥ ΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ Ηµεροµηνία: Τετάρτη 9 Απριλίου 7 ιάρκεια Εξέτασης: 3 ώρες

Διαβάστε περισσότερα

ΜΑΘΗΜΑ ΜΟΝΟΤΟΝΕΣ ΣΥΝΑΡΤΗΣΕΙΣ. Αντίστροφη συνάρτηση. ΑΝΤΙΣΤΡΟΦΗ ΣΥΝΑΡΤΗΣΗ Συνάρτηση 1-1. Θεωρία Σχόλια Μέθοδοι Ασκήσεις

ΜΑΘΗΜΑ ΜΟΝΟΤΟΝΕΣ ΣΥΝΑΡΤΗΣΕΙΣ. Αντίστροφη συνάρτηση. ΑΝΤΙΣΤΡΟΦΗ ΣΥΝΑΡΤΗΣΗ Συνάρτηση 1-1. Θεωρία Σχόλια Μέθοδοι Ασκήσεις ΜΑΘΗΜΑ 5. ΜΟΝΟΤΟΝΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΑΝΤΙΣΤΡΟΦΗ ΣΥΝΑΡΤΗΣΗ Συνάρτηση - Αντίστροφη συνάρτηση Θεωρία Σχόλια Μέθοδοι Ασκήσεις ΘΕΩΡΙΑ. Ορισµός Συνάρτηση :Α R λέγεται συνάρτηση, όταν για οποιαδήποτε, Α µε ισχύει

Διαβάστε περισσότερα

1 Το ϑεώρηµα του Rademacher

1 Το ϑεώρηµα του Rademacher Το ϑεώρηµα του Rademacher Νικόλαος Μουρδουκούτας Περίληψη Σε αυτήν την εργασία ϑα αποδείξουµε το ϑεώρηµα του Rademacher, σύµφωνα µε το οποίο κάθε Lipschiz συνάρτηση f : R m είναι διαφορίσιµη σχεδόν παντού.

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΚΑΤΕΥΘΥΝΣΗΣ 2007 ΕΚΦΩΝΗΣΕΙΣ. Α.3 Πότε η ευθεία y = l λέγεται οριζόντια ασύµπτωτη της γραφικής παράστασης της f στο + ; Μονάδες 3

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΚΑΤΕΥΘΥΝΣΗΣ 2007 ΕΚΦΩΝΗΣΕΙΣ. Α.3 Πότε η ευθεία y = l λέγεται οριζόντια ασύµπτωτη της γραφικής παράστασης της f στο + ; Μονάδες 3 ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΚΑΤΕΥΘΥΝΣΗΣ 7 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ 1ο Α.1 Αν z 1, z είναι µιγαδικοί αριθµοί, να αποδειχθεί ότι: z 1 z = z 1 z. Α. Πότε δύο συναρτήσεις f, g λέγονται ίσες; Μονάδες 4 Α.3 Πότε η ευθεία y

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 4 ου κεφαλαίου Ελεγχοσυναρτήσεις Γενικευμένου Λόγου Πιθανοφανειών Σταύρος Χατζόπουλος 27/03/2017, 03/04/2017, 24/04/2017 1 Εισαγωγή Έστω το τ.δ. X,,, από την κατανομή

Διαβάστε περισσότερα

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές»

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο : Το σύνολο των πραγµατικών αριθµών Α Οµάδα Εξετάστε αν οι παρακάτω προτάσεις είναι αληθείς ή ψευδείς αιτιολογήστε πλήρως την απάντησή σας) α)

Διαβάστε περισσότερα

Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ. Το εσωτερικό γινόµενο

Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ. Το εσωτερικό γινόµενο Ο ΕΥΚΛΕΙ ΕΙΟΣ ΧΩΡΟΣ R Το εσωτερικό γινόµενο Σε πολλές πρακτικές καταστάσεις, η τιµή µιας ποσότητας εξαρτάται από τις τιµές δύο ή περισσότερων άλλων ποσοτήτων. Για παράδειγµα η συνάρτηση V = π r h υπολογίζει

Διαβάστε περισσότερα

ÈÅÌÅËÉÏ ÅËÅÕÓÉÍÁ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Α. Α1. Θεωρία (θεώρηµα Fermat) σχολικό βιβλίο, σελ Α2. Θεωρία (ορισµός) σχολικό βιβλίο, σελ Α3.

ÈÅÌÅËÉÏ ÅËÅÕÓÉÍÁ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Α. Α1. Θεωρία (θεώρηµα Fermat) σχολικό βιβλίο, σελ Α2. Θεωρία (ορισµός) σχολικό βιβλίο, σελ Α3. ΘΕΜΑ Α ΑΠΑΝΤΗΣΕΙΣ Α Θεωρία (θεώρηµα Frmat) σχολικό βιβλίο, σελ 6-6 Α Θεωρία (ορισµός) σχολικό βιβλίο, σελ 8 Α3 ΘΕΜΑ Β α β γ δ ε Σ Σ Λ Λ Σ B Έχουµε από υπόθεση ότι: z 3i z 3i () Όµως z 3i z 3i z 3 i ()

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156

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

Διαβάστε περισσότερα

εξαρτάται από το θ και για αυτό γράφουμε την σ.π.π. στην εξής μορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ.

εξαρτάται από το θ και για αυτό γράφουμε την σ.π.π. στην εξής μορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ. Άσκηση : Έστω Χ,,Χ τυχαίο δείγμα μεγέους από την κατανομή με σππ 3 p (,, >, > 0 α Δείξτε ότι η στατιστική συνάρτηση Τ( Χ : Χ ( m X είναι επαρκής για την παράμετρο και πλήρης κ β Βρείτε ΑΕΕΔ του α Το στήριγμα

Διαβάστε περισσότερα

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών 3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών Βασικά χαρακτηριστικά τυχαίας μεταβλητής: Μέση Τιμή (Me Vlue) Διακύμανση (Vrice) Γενικά χαρακτηριστικά: Ροπές μεταβλητών / Ροπογεννήτριες Χαρακτηριστικές συναρτήσεις

Διαβάστε περισσότερα

e-mail@p-theodoropoulos.gr

e-mail@p-theodoropoulos.gr Ασκήσεις Μαθηµατικών Κατεύθυνσης Γ Λυκείου Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος Μαθηµατικών e-mail@p-theodoropoulos.gr Στην εργασία αυτή ξεχωρίζουµε και µελετάµε µερικές περιπτώσεις ασκήσεων

Διαβάστε περισσότερα

Λύνοντας ασκήσεις µε αντίστροφες συναρτήσεις ρ. Παναγιώτης Λ. Θεοδωρόπουλος πρώην Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Εισαγωγή Η αντίστροφη συνάρτηση µιας αντιστρέψιµης συνάρτησης είναι

Διαβάστε περισσότερα

Εκτιμήτριες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Εκτιμήτριες. μέθοδος ροπών και μέγιστης πιθανοφάνειας

Εκτιμήτριες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Εκτιμήτριες. μέθοδος ροπών και μέγιστης πιθανοφάνειας Εκτιμήτριες Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Εκτιμήτριες Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α μέθοδος ροπών και μέγιστης πιθανοφάνειας κριτήρια αμεροληψίας και συνέπειας 9 άλυτες ασκήσεις 6 9 7.

Διαβάστε περισσότερα

xp X (x) = k 3 10 = k 3 10 = 8 3

xp X (x) = k 3 10 = k 3 10 = 8 3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο 07 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 ιακριτές Τυχαίες Μεταβλητές ( ΙΙ ) Ασκηση. Ρίχνουµε ένα αµερόληπτο εξάεδρο

Διαβάστε περισσότερα

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 2011 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 2011 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α A Έστω µια συνάρτηση f ορισµένη σε ένα διάστηµα και ένα εσωτερικό σηµείο του Αν η f παρουσιάζει τοπικό ακρότατο στο και είναι παραγωγίσιµη στο σηµείο αυτό, να αποδείξετε

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 2008

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 2008 -6 ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Γ ΛΥΚΕΙΟΥ 8.doc ΕΛΛΗΝΙΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 8 ΘΕΜΑ ο Έστω, α,β, α β και ν α i = βi () β αi α) Να αποδείξετε ότι ο δεν είναι

Διαβάστε περισσότερα

Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση

Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση 8 Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση Υπάρχουν δύο θεµελιώδη αποτελέσµατα που µας βοηθούν να υπολογίζουµε πολλαπλά ολοκληρώµατα Το πρώτο αποτέλεσµα σχετίζεται µε τον υπολογισµό ενός

Διαβάστε περισσότερα

Κεφάλαιο 2. Παραγοντοποίηση σε Ακέραιες Περιοχές

Κεφάλαιο 2. Παραγοντοποίηση σε Ακέραιες Περιοχές Κεφάλαιο Παραγοντοποίηση σε Ακέραιες Περιοχές Γνωρίζουµε ότι στο Ÿ κάθε στοιχείο εκτός από το 0 και τα ± γράφεται ως γινόµενο πρώτων αριθµών κατά τρόπο ουσιαστικά µοναδικό Από τη Βασική Άλγεβρα ξέρουµε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn)

MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn) MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ g( Έστω τυχαίες µεταβλητές οι οποίες έχουν κάποια από κοινού κατανοµή Ας υποθέσουµε ότι επιθυµούµε να προσδιορίσουµε την κατανοµή της τυχαίας µεταβλητής g( Η θεωρία των ένα-προς-ένα

Διαβάστε περισσότερα

Λύνοντας ασκήσεις µε αντίστροφες συναρτήσεις ρ. Παναγιώτης Λ. Θεοδωρόπουλος πρώην Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Εισαγωγή Η αντίστροφη συνάρτηση f µιας αντιστρέψιµης συνάρτησης f είναι

Διαβάστε περισσότερα

Εργαστήριο Μαθηµατικών & Στατιστικής. 1 η Πρόοδος στο Μάθηµα Στατιστική 5/12/08 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ. 3 ο Θέµα

Εργαστήριο Μαθηµατικών & Στατιστικής. 1 η Πρόοδος στο Μάθηµα Στατιστική 5/12/08 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ. 3 ο Θέµα Εργαστήριο Μαθηµατικών & Στατιστικής Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ η Πρόοδος στο Μάθηµα Στατιστική 5//8 ο Θέµα To % των ζώων µιας µεγάλης κτηνοτροφικής µονάδας έχει προσβληθεί από µια ασθένεια. Για τη διάγνωση της συγκεκριµένης

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Λυσεις Ασκησεων - Φυλλαδιο 1

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Λυσεις Ασκησεων - Φυλλαδιο 1 ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Λυσεις Ασκησεων - Φυλλαδιο ιδασκοντες: Α. Μπεληγιάννης - Σ. Παπαδάκης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt.html Τετάρτη 7 Φεβρουαρίου 03 Ασκηση. είξτε ότι

Διαβάστε περισσότερα

Το θεώρηµα πεπλεγµένων συναρτήσεων

Το θεώρηµα πεπλεγµένων συναρτήσεων 57 Το θεώρηµα πεπλεγµένων συναρτήσεων Έστω F : D R R µια ( τουλάχιστον ) C συνάρτηση ορισµένη στο ανοικτό D x, y D F x, y = Ενδιαφερόµαστε για την ύπαρξη µοναδικής και ώστε διαφορίσιµης συνάρτησης f ορισµένης

Διαβάστε περισσότερα

ΦΡΟΝΤΙΣΤΗΡΙΑ 7 ΚΑΙ 8

ΦΡΟΝΤΙΣΤΗΡΙΑ 7 ΚΑΙ 8 ΦΡΟΝΤΙΣΤΗΡΙΑ 7 ΚΑΙ 8 Άσκηση Έστω X, X,..., X d τυχαίες μεταβλητές με Beroull ( p ), p, Να εξάγετε α) τη συνάρτηση πιθανοφάνειας στις 3 μορφές τις και β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη

Διαβάστε περισσότερα

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ .4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ Η μέθοδος για τον προσδιορισμό ενός διαστήματος εμπιστοσύνης για την άγνωστη πιθανότητα =P(A) ενός ενδεχομένου A συνδέεται στενά με τον διωνυμικό έλεγχο. Ένα

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

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

Διαβάστε περισσότερα

( ) S( x ) 2 ( ) = ( ) ( ) = ( ) ( )

( ) S( x ) 2 ( ) = ( ) ( ) = ( ) ( ) Ορίζουμε την πληροφορία κατά Fsher ( σαν το ποσό της πληροφορίας που περιέχει η παρατήρηση για την παράμετρο Συμβολίζοντας με S( την λογαριθμική παράγωγο της πιθανοφάνειας ως προς την παράμετρο (score

Διαβάστε περισσότερα

2x 2 + x + 1 (x + 3)(x 1) 2 dx, 2x (x + 1) dx. b x 1 + x dx x x 2 1, 6u 5 u 3 + u 2 du = 6u 3 u + 1 du. = u du.

2x 2 + x + 1 (x + 3)(x 1) 2 dx, 2x (x + 1) dx. b x 1 + x dx x x 2 1, 6u 5 u 3 + u 2 du = 6u 3 u + 1 du. = u du. Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» Κεφάλαιο 8: Τεχνικές ολοκλήρωσης Α Οµάδα. Υπολογίστε τα ακόλουθα ολοκληρώµατα : + + d, + + ( + 3)( ) d, 3 + 3 + 3 + + + d. Υπόδειξη. (α) Γράφουµε + + d

Διαβάστε περισσότερα

Κατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )

Κατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 ) Κατανομή συνάρτησης τυχαίας μεταβλητής =() Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ3 ( ) Κατανομή συνάρτησης τυχαίας μεταβλητής Έστω τ.μ. Χ με γνωστή κατανομή. Δηλαδή

Διαβάστε περισσότερα

Αναγνώριση Προτύπων (Pattern Recognition) Εκτίµηση Παραµέτρων (Parameter Estimation) Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ

Αναγνώριση Προτύπων (Pattern Recognition) Εκτίµηση Παραµέτρων (Parameter Estimation) Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Αναγνώριση Προτύπν Patter Recogitio Εκτίµηση Παραµέτρν Parameter Estimatio Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Εκτίµηση Παραµέτρν ΟΜπεϋζιανός ταξινοµητής δεν µπορεί να χρησιµοποιηεί

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2: Ηµιαπλοί ακτύλιοι

ΚΕΦΑΛΑΙΟ 2: Ηµιαπλοί ακτύλιοι ΚΕΦΑΛΑΙΟ 2: Ηµιαπλοί ακτύλιοι Είδαµε στο κύριο θεώρηµα του προηγούµενου κεφαλαίου ότι κάθε δακτύλιος διαίρεσης έχει την ιδιότητα κάθε πρότυπο είναι ευθύ άθροισµα απλών προτύπων. Εδώ θα χαρακτηρίσουµε όλους

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Συνοπτικές Ενδεικτικές Λύσεις

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Συνοπτικές Ενδεικτικές Λύσεις ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ: ΠΛΗΡΟΦΟΡΙΚΗ ΘΕ: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚH Ι (ΠΛΗ ) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 6 ΙΟΥΝΙΟΥ 00 Συνοπτικές Ενδεικτικές Λύσεις Άσκηση. ( µον.) ίνεται το σύστηµα y +

Διαβάστε περισσότερα

Κανόνες παραγώγισης ( )

Κανόνες παραγώγισης ( ) 66 Κανόνες παραγώγισης Οι κανόνες παραγώγισης που ισχύουν για συναρτήσεις µιας µεταβλητής, ( παραγώγιση, αθροίσµατος, γινοµένου, πηλίκου και σύνθετων συναρτήσεων ) γενικεύονται και για συναρτήσεις πολλών

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 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 ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που

Διαβάστε περισσότερα

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ Παρουσίαση ΙΑΝΥΣΜΑΤΑ Παρουσίαση η Κάθετες συνιστώσες διανύσµατος Παράδειγµα Θα αναλύσουµε το διάνυσµα v (, ) σε δύο κάθετες µεταξύ τους συνιστώσες από τις οποίες η µία να είναι παράλληλη στο α (3,) Πραγµατικά

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ Μετά από την εκτίµηση των παραµέτρων ενός προσοµοιώµατος, πρέπει να ελέγχουµε την αλήθεια της υποθέσεως που κάναµε. Είναι ορθή η υπόθεση που κάναµε? Βεβαίως συνήθως υπάρχουν

Διαβάστε περισσότερα

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40] Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική 8// (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [4] Τα τελευταία χρόνια παρατηρείται συνεχώς αυξανόμενο ενδιαφέρον για τη μελέτη της συγκέντρωσης

Διαβάστε περισσότερα

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0.

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0. ΦΡΟΝΤΙΣΤΗΡΙΟ Άσκηση Έστω X, X,..., X d τυχαίες μεταβλητές με ~ Posso ( ), Να εξάγετε α) τη συνάστηση πιθανοφάνειας στις 3 μορφές τις και β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΕΚΦΩΝΗΣΕΙΣ. οι f, g είναι συνεχείς στο και f (x) = g (x) για κάθε εσωτερικό σηµείο του, ÏÅÖÅ

ΕΚΦΩΝΗΣΕΙΣ. οι f, g είναι συνεχείς στο και f (x) = g (x) για κάθε εσωτερικό σηµείο του, ÏÅÖÅ Επαναληπτικά Θέµατα ΟΕΦΕ 8 ΘΕΜΑ ο Γ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ Α. α. Έστω δυο συναρτήσεις f, g ορισµένες σε ένα διάστηµα. Αν οι f, g είναι συνεχείς στο και f () g ()

Διαβάστε περισσότερα