10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό
|
|
- Φιλομήνα Αντωνόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ο Φροντιστηριο ΗΥ7 - Επαναληπτικό Επιµέλεια : Γ. Καφεντζής 7 Ιανουαρίου 4 Ασκηση. Το σήµα s µεταδίδεται από ένα δορυφόρο αλλά λόγω της επίδρασης του ϑορύβου το λαµβανόµενο σήµα έχει τη µορφή X s + W. Οταν ο καιρός είναι καλός, γεγονός που συµβαίνει µε πιθανότητα /3, η συνιστώσα του ϑορύβου, W, ακολουθεί κανονική κατανοµή µε µηδενική µέση τιµή και διασπορά, W N(, ). Οταν ο καιρός είναι κακός, η συνιστώσα του ϑορύβου, W, ακολουθεί κανονική κατανοµή µε µηδενική µέση τιµή και διασπορά 9, W N(, 9). Υπολογίστε τη συν.πυκν.πιθανότητας της τ.µ. X και την πιθανότητα η X να πάρει τιµές µεταξύ και 3. Βοήθεια : Χρησιµοποιείστε το ϑεώρηµα ολικής πιθανότητας παίρνοντας ως διαµέριση του δειγµατοχώρου τις καιρικές συνθήκες και εκφράστε την Ϲητούµενη πιθανότητα P ( X 3) συναρτήσει των τιµών Φ() και Φ(/3) της αθροιστικής συνάρτησης κατανοµής της τυπικής κανονικής κατανοµής. (α) Εστω G το γεγονός ο καιρός είναι καλός. ίνεται ότι P (G). Για να ϐρούµε την 3 PDF της X, πρώτα ϐρίσκουµε την PDF της W, καθώς X s+w +W. Ξέρουµε ότι αν ο καιρός είναι καλός, τότε W N (, ), ενώ αν ο καιρός είναι κακός W N (, 9). Για να ϐρούµε την PDF της W χρησιµοποιούµε το ϑεώρηµα Ολικής Πιθανότητας για συναρτήσεις πυκνότητας : f W (w) P (G) f W G (w) + P (G c ) f W G c(w) 3 e w + π 3 3 w π e 9 Στη συνέχεια πραγµατοποιούµε την αλλαγή µεταβλητών X + W για να ϐρούµε την PDF της X: f X (x) f W (x ) 3 e (x ) + π 3 3 (x ) π e 9. (ϐ) Μπορούµε να χρησιµοποιήσουµε την PDF που ορίστηκε στο προηγούµενο ερώτηµα για να υπολογίσουµε τη Ϲητούµενη πιθανότητα 3 f X (x) dx. Είναι όµως ευκολότερο να µεταφράσουµε το γεγονός { X 3} χρησιµοποιώντας το W και µετά να εφαρµόσουµε το ϑεώρηµα Ολικής Πιθανότητας. Εχουµε ότι P ( X 3) P ( + W 3) P ( W )
2 και από το ϑ. Ολ. Πιθ. P ( W ) P (G)P ( W G) + P (G c )P ( W G c ) }{{}}{{} a b Καθώς δεσµεύοντας είτε πάνω στη G ή στη G c η τυχαία µεταβλητή W είναι Gaussian, οι δεσµευµένες πιθανότητες a και b µπορούν να εκφραστούν µέσω της συνάρτησης Φ. εσµεύοντας πάνω στη G έχουµε W N (, ) οπότε a Φ() Φ( ) Φ(). εσµεύοντας πάνω στη G c έχουµε W N (, 9) οπότε ( ( b Φ Φ 3) ) ( Φ. 3 3) Εποµένως η τελική απάντηση είναι η : P ( X 3) 3 (Φ() ) + 3 ( ( ) Φ. 3) Ασκηση. Η συνεχής τυχαία µεταβλητή X έχει συνάρτηση πυκνότητας πιθανότητας { a( x) για x, f X (x) αλλιώς. (α) ώστε τη γραφική παράσταση της σ.π.π. της X και υπολογίστε τη σταθερά a. (ϐ) Υπολογίστε την πιθανότητα P (6X > 5X ). (γ) Υπολογίστε την αθροιστική συνάρτηση κατανοµής (α.σ.κ.) της X, F X (x). (α) Πρέπει + f(x)dx a( x)dx (ax a x ) a a a Εναλλακτικά, πρέπει η επιφάνεια του τριγώνου µε ϐάση και ύψος a να είναι ίση µε a a. Η γραφική παράσταση της PDF της X ϕαίνεται στο Σχήµα. (ϐ) P ( 6X > 5X ) P ( 6X 5X > ) P ((3X )(X ) > ) ( P X > ) ( + P X < ) 3 ( P 3 X ) 3 ( x)dx 9 36
3 f X (x) f X ( x) ( x) X Σχήµα : Η γραφική παράσταση της σ.π.π. για την Άσκηση, υποερώτηµα (α). f X (x) f X ( x) ( x) /3 ½ X Σχήµα : Η γραφική παράσταση της σ.π.π. για την Άσκηση, υποερώτηµα (ϐ). (γ) F X (x) για x < F X (x) x F X (x) για x > ( t)dt t t x x x για x 3
4 Τελικά :, x < F X (x) x x, x, x > Ασκηση.3 Η αθροιστική συνάρτηση κατανοµής, F X (u) της τ.µ. X ϕαίνεται στο Σχή- µα (3) F (u) X. u 5 5 Σχήµα 3: Αθροιστική συνάρτηση κατανοµής, F X (u) της τ.µ. X Άσκησης 3. Υπολογίστε τα ακόλουθα : (α) P (X ). (ϐ) P (X ). (γ) P (X > ). (δ) P (X ). (ε) P ( X 5.). (στ) Κατανοµή, f X (x), της X. Τι είδους µεταβλητή είναι η X; (Ϲ) Μέση τιµή, E[X]. (α) P (X ) F X ().5 (ϐ) P (X ) F X ().75 (γ) P (X > ) P (X ).75.5 (δ) P (X ) P (X > ) + P (X ) (ε) P ( X 5.) P (4.9 X 5.) F X (5.) F X (4.9).55 4
5 (στ) Παρατηρώντας τις ασυνέχειες στην F X (u), συµπεραίνουµε ότι η X είναι µικτή τ.µ. Παίρνει τις τιµές X 5,, 5 µε µη-µηδενικές πιθανότητες : P (X 5) P (X ) P (X 5).5 Επίσης, καθώς F X (x) x για x < 5, παραγωγίζοντας παίρνω ότι f X (x), για x < 5 Η γραφική παράσταση της σ.π.π. της X ϕαίνεται στο Σχήµα 4. f X (x) x Σχήµα 4: Η γραφική παράσταση της σ.π.π. για την Άσκηση 3. (Ϲ) E[X] 5 xdx +.5( ) 5 x Ασκηση.4 Η τυχαία µεταβλητή X είναι εκθετικά κατανεµηµένη µε παράµετρο λ X, δηλαδή ορίζεται από την συνάρτηση πυκνότητας πιθανότητας f X (x) e x, x οθέντος ότι X x, η τυχαία µεταβλητή Y ακολουθεί την εκθετική κατανοµή µε παράµετρο λ Y x, δηλαδή η δεσµευµένη συνάρτηση πυκνότητας πιθανότητας είναι : f Y X (y x) xe xy, y Με A συµβολίζουµε το γεγονός {X }. (α) Υπολογίστε την δεσµευµένη συν. πυκν. πιθανότητας f X A (x A) και συγκρίνετε την µε την περιθωριακή f X (x). (ϐ) Βρείτε την f X,Y (x, y), δηλ. την από κοινού συνάρτηση πυκνότητας πιθανότητας των X 5
6 και Y. (γ) Βρείτε την f Y (y), δηλ. την περιθωριακή συνάρτηση πυκνότητας πιθανότητας της Y. Αφού η Χ ακολουθεί εκθετική κατανοµή µε παράµετρο λ, { e f X (x) x, αν x, αλλιώς (α) Εστω Α το γεγονός ότι X. Χρησιµοποιώντας τον ορισµό της δεσµευµένης συν.πυκν.πιθ., f X (x) f X A (x X ) P (X ), αν x, αλλιώς Πρώτον, υπολογίζουµε την P (X A). Ολοκληρώνοντας την συν. πυκν. πιθανότητας της X στο σύνολο A, f X (x)dx e x dx e x ( e ) e Κατά συνέπεια A f X A (x X ) { e x, αν x, αλλιώς Παρά το ότι δεσµεύσαµε στο γεγονός X > η συν. πυκν. πιθανότητας εξακολουθεί να είναι εκθετική µε παράµετρο λ. Αυτό εξηγείται από την ιδιότητα αµνησίας της εκθετικής τυχαίας µεταβλητής. Για παράδειγµα, αν χρησιµοποιούσαµε την κατανοµή αυτή για να µοντελοποιήσουµε τον χρόνο που περνά µέχρι να συµβεί ένα γεγονός, ακόµα και αν πε- ϱιµέναµε Τ χρονικές µονάδες, η πιθανότητα του να συµβεί το γεγονός εξακολουθεί να χει την ίδια κατανοµή, δηλαδή δεν υπάρχει µνήµη για το αν συνέβη το γεγονός τις πρώτες Τ χρονικές στιγµές ή όχι. (ϐ) Τώρα πρέπει να υπολογίσουµε την από κοινού συνάρτηση πυκνότητας πιθανότητας των x, y.στην εκφώνηση αναφέρεται ότι δοθέντος x X, Η Y είναι µια εκθετικά κατανεµηµέµη τυχαία µεταβλητή µε παράµετρο λ Y x. Ετσι, { xe f Y X (y X x) xy, αν x, y, αλλιώς Χρησιµοποιώντας τον ορισµό των δεσµευµένων P DF s, και άρα f Y X (y X x) f X,Y (x, y) f X (x) f X,Y (x, y) f Y X (y X x)f X (x). Πολλαπλασιάζοντας τις παραπάνω P DF s έχουµε { xe f X,Y (x, y) x(y+), αν x, y, αλλιώς 6
7 (γ) Για να ϐρούµε την περιθωριακή PDF της Y, ολοκληρώνουµε την από κοινού P DF των X και Y πάνω σε όλα τα x. Ετσι, f Y (y) x f X,Y (x, y)dx xe x(y+) dx x y + e x(y+) + e x(y+) dx y + (y + ) e x(y+) (y + ) όπου χρησιµοποιήσαµε ολοκλήρωση κατά µέλη. Εποµένως, η περιθωριακή συνάρτηση πυκνότητας πιθανότητας της Υ είναι {, αν y (y+) f Y (y), αλλιώς Ασκηση.5 Οι τυχαίες µεταβλητές X και Y έχουν την από κοινού συνάρτηση πυκνότητας πιθανότητας { c, αν y < x f X,Y (x, y), αλλιώς Εστω A το γεγονός X / και B το γεγονός Y < X. Συνίσταται να χρησιµοποιείσετε διαγράµµατα για να απαντήσετε στις παρακάτω ερωτήσεις. Είναι οι X και Y ανεξάρτητες ; Εξηγείστε. Υπολογίστε την τιµή του c. Υπολογίστε την P (A). Υπολογίστε την P (B). Υπολογίστε την P (B A). Υπολογίστε την P (A B). Υπολογίστε την E[XY ]. Ας κοιτάξουµε το παρακάτω για να ελέγξουµε την ανεξαρτησία. f X (x) Οµοίως f X,Y (x, y)dy x cdy cx, για x f Y (y) cdx c( y) για x y Προφανώς f X,Y (x, y) f X (x)f Y (y) Εποµένως, οι X και Y δεν είναι ανεξάρτητες. 7
8 Ο όγκος κάτω από την συνάρτηση πυκνότητας πιθανότητας, και στο χωρίο που ο- ϱιζουν οι (X, Y ) (τρίγωνο που ορίζεται από τα σηµεία (, ), (, ), (, )), πρέπει να ισούται µε. ( ϐάση ύψος ) f X,Y (x, y)dxdy c c c Αρα c /. Πρίν προχωρήσουµε στα επόµενα ερωτήµατα, ας σχεδιάσουµε το διδιάστατο επίπεδο των τ.µ. X, Y. Από την εκφώνηση έχουµε οτι y < x, άρα σίγουρα ϑα µας χρειαστεί η ευθεία y x και επίσης η x (ως άνω όριο του χωρίου που ορίζεται η κατανοµή). Επίσης, από τα ενδεχόµενα που ορίζονται στην εκφώνηση, ϑα πρέπει να σχεδιάσουµε την y x, καθώς και την x /. Ολα αυτά µας χρειάζονται για να ορίσουµε τα χωρία που ικανοποιούν τις ανισότητες. Ολες αυτές οι ευθειες, καθώς και µερικά χρήσιµα χωρία, έχουν παρασταθεί στο Σχηµα (5). Y x/ yx y-x C5 C4 (½, ½) C C3 C / X Σχήµα 5: Η γραφική παράσταση της σ.π.π. για την Άσκηση 5. Εχοντας ϐρει στο πρώτο ερώτηµα την περιθωριακή συνάρτηση πιθανότητας f X (x), και έχοντας c /, µπορούµε πολύ εύκολα να πούµε οτι P (X /) / f X (x)dx / x xdx 4 / Οµως ας προσπαθήσουµε να υπολογίσουµε τη Ϲητούµενη πιθανότητα κατ ευθείαν από την από κοινού κατανοµή. P (A) P (X /) P (X /, Y < X ) 8
9 Η περιοχή που ορίζεται από το {X /, Y < X } ϕαινεται στο Σχήµα (5) ως η περιοχή που αποτελείται από τα χωρία C, C, δηλ. C C. Σε αυτήν την περιοχή, το X είναι πάντα µεγαλύτερο του / (και προφανώς µικρότερο του, από τον ορισµό), ενώ ταυτόχρονα το Y < X (η περιοχή κάτω και δεξιά από την ευθεία y x). Με περισσότερη λεπτοµέρεια, το χωρίο που ικανοποιεί την {X /} είναι αυτό που ορίζεται δεξιότερα της κατακόρυφης ευθείας x /, δηλ. περιλαµβάνει τα χωρία C, C, C5. Το χωριο που ικανοποιεί την { Y < X } είναι αυτό που ορίζεται κάτω από την ευθεία y x, δηλ. περιλαµβάνει τα χωρία C, C, C3. Το χωρίο που ικανοποιεί την τοµή των δυο παραπάνω γεγονότων είναι η τοµή των χωρίων, δηλ. το C C. Άρα P (A) P (X /) P (X /, Y < X ) / y x dx / x x dx 4 / / x dydx Ας ϐρούµε τώρα το χωρίο που ορίζεται από το γεγονός B {Y < X}. Η ευθεία y x που έχουµε σχεδιάσει ϑα µας ϐοηθήσει. Τα χωρία C, C3, C4 είναι αυτά που ικανοποιούν το γεγονός B, γιατι τα σηµεία (X, Y ) των χωρίων αυτών έχουν πάντα Y < X. Οµως από εκφώνηση έχουµε ότι Y < X. Άρα P (B) P (Y < X) P ( X, Y < X) y x dx 4 4 x dx x x 4 x dydx Προσέξτε ότι εδώ ΕΝ µπορούµε να δουλέψουµε µόνο µε την f Y (y), όπως κάναµε µε την f X (x) στο προηγούµενο ερώτηµα, γιατι το Ϲητούµενο γεγονός εµπλέκει και τις δυο τ.µ. Εχουµε Οµως P (B A) P (A B)/P (A) P (X / Y < X)/P (X /) P (X /) 5 6 από προηγούµενο ερώτηµα. Στο Σχήµα (5), το γεγονός {A {X /} B {Y < X}} αντιστοιχεί στην τοµή των χωρίων που ορίζουν τα A, B. Για το γεγονός A, είδαµε παραπάνω ότι το χωρίο που του αντιστοιχεί είναι το C C. Για το γεγονός B, ειδαµε επίσης ότι αντιστοιχεί στο χωρίο C C3 C4. Άρα η τοµή τους είναι το 9
10 χωρίο C. Οπότε P (B A) P (X / Y < X)/P (X /) 6 P (X / Y < X) 5 6 x 6 y dydx x dx 6 x dx 5 / 5 / 5 / 6 ( x ) 5 x 6 4 / 5( ) Εχουµε Οµως P (A B) P (A B)/P (B) P (X / Y < X)/P (Y < X) P (Y < X) 4 από προηγούµενο ερώτηµα. Παραπάνω ϐρήκαµε και την πιθανότητα P (X / Y < X). Άρα εύκολα έχουµε 6 P (A B) P (A B)/P (B) P (X / Y < X)/P (Y < X) /6 /4 4 Εχουµε E[XY ] xyf X,Y (x, y)dxdy y xy dxdy 4 y(4 y )dy Ασκηση.6 Η τυχαία µεταβλητή X είναι εκθετικά κατανεµηµένη µε παράµετρο λ X, δηλαδή ορίζεται από την συνάρτηση πυκνότητας πιθανότητας f X (x) e x, x (α) Παράγετε την συνάρτηση πυκνότητας πιθανότητας της f Z (z), όπου Z e 3X (ϐ) Οι τυχαίες µεταβλητές X και Y έχουν την από κοινού συνάρτηση πυκνότητας πιθανότητας { c, αν y < x f X,Y (x, y), αλλιώς Να παραχθεί η συνάρτηση πυκνότητας πιθανότητας της f Z (z), όπου Z Y X. (α) Η CDF της Z είναι : F Z (z) P (Z z) P (e 3x z) P (X ln z 3 ) ln z 3 e x dx e x ln z/3 e ln z 3 z 3
11 και η PDF f Z (z) df Z(z) dz 3 z 4 3, για z <. (ϐ) Εχουµε άρα για z <. F Z (z) P (Z z) P (Y/X z) P (Y zx) P ( < X, Y zx) zx zx czx cz czxdx f X,Y (x, y)dydx cdydx f Z (z) df Z(z) dz c Ασκηση.7 Ενας ανθρακωρύχος είναι παγιδευµένος σε στοά από την οποία ξεκινούν τρεις σήραγγες. Η πρώτη από αυτές οδηγεί στην έξοδο µετά από 3 ώρες πορείας. Η δεύτερη οδηγεί πίσω στη στοά (και στο µέρος από το οποίο ο ανθρακωρύχος ξεκίνησε) µετά από 5 ώρες. Η τρίτη οδηγεί επίσης πίσω στη στοά µετά από 7 ώρες. Αν υποθέσουµε ότι ο ανθρακωρύχος επιλέγει τυχαία και ανεξάρτητα κάθε ϕορά µία από τις τρεις σήραγγες (δυστυχώς δεν ϑυµάται τίποτε σχετικά µε το ποια σήραγγα επέλεξε την τελευταία ϕορά...), ποιος είναι ο µέσος χρόνος µέχρι να ϐρει την έξοδο Χρησιµοποιείστε το ϑεώρηµα ολικής µέσης τιµής, ορίζοντας τις κατάλληλες τυχαίες µετα- ϐλητές. Εστω ότι X δηλώνει την ποσότητα χρόνου (σε ώρες) εως ότου ο ανθρακωρύχος να ϕθάσει στην έξοδο. Επίσης, έστω ότι Y δηλώνει την σήραγγα που αρχικά επιλέγει. Είναι : E[X] E[X Y ]P {Y } + E[X Y ]P {Y } + E[X Y 3]P {Y 3} (E[X Y ] + E[X Y ] + E[X Y 3]) 3 Οµως, E[X Y ] 3 E[X Y ] 5 + E[X] E[X Y 3] 7 + E[X] ()
12 Για να καταλάβετε γιατί το σύνολο εξισώσεων () είναι σωστό, ϑεωρήστε για παράδειγµα την δεύτερη εξίσωση E[X Y ]. Αν ο ανθρακωρύχος διαλέξει την δεύτερη σήραγγα, ϑα ξοδέψει 5 ώρες στην σήραγγα και έπειτα ϑα ξαναγυρίσει πίσω στο ίδιο µέρος από το οποίο ξεκίνησε στην στοά. Αλλά όταν γυρίσει πίσω, το πρόβληµα είναι σαν να ξεκινάει από την αρχή. Οπότε, ο αναµενόµενος επιπρόσθετος χρόνος για να ϕθάσει στην έξοδο ϑα είναι απλώς E[X]. Εποµένως, E[X Y ] 5 + E[X]. Παρόµοιο επιχείρηµα ϑα ισχύει και για τις άλλες εξισώσεις του συνόλου εξισώσεων (). Συνεπώς, E[X] ( E[X] E[X]) 3 ή E[X] 5 Ασκηση.8 Εστω ότι η τ.µ. X είναι οµοιόµορφα κατανεµηµένη στο διάστηµα [, 4]. Η X µετασχηµατίζεται στην τ.µ. Y X. (α) ώστε τη γραφική παράσταση του µετασχηµατισµού και ϐρείτε το πεδίο τιµών της Y. (ϐ) Βρείτε την αθροιστική συνάρτηση κατανοµής, F Y (y), και κατόπιν τη συνάρτηση πυκνότητας πιθανότητας, f Y (y), της τ.µ. Y. (α) Το πεδίο τιµών της Y είναι το [, 3]. y 4 3 y -x y x+ - 5 x Σχήµα 6: Γραφική παράσταση των y x και y + x (ϐ) Εχουµε ότι : y, F Y (y) P (Y y) y 3, F Y (y) P (Y y)
13 f X (x) Σχήµα 7: Γραφική παράσταση της f X (x) x y, F Y (y) P (Y y) P ( y X + y) [( + y) ( y)].4 y 5 y 3, Οπότε έχουµε : Συνεπώς, F Y (y) P (Y y) P ( y X 4) [4 ( y)]. ( + y) 5 y.4 y y F Y (y). ( + y) y 3 y 3 f Y (y) df Y (y) dy.4 y. y 3 αλλού Το Σχηµα (8) δίνει τη γραφική παρασταση της κατανοµής. f Y (y) Σχήµα 8: Γραφική παράσταση της f Y (y) y 3
14 Ασκηση.9 Σε ένα γραµµικό όργανο µέτρησης, η σχέση εισόδου-εξόδου είναι Y GX, όπου τα µεγέθη X, Y, και G συµβολίζουν την είσοδο, την έξοδο, και το κέρδος του οργάνου, αντίστοιχα. Το κέρδος G είναι τ.µ. οµοιόµορφα κατανεµηµένη στο διάστηµα [.5,.5] ενώ η είσοδος X είναι τ.µ. επίσης οµοιόµορφα κατανεµηµένη στο διάστηµα [, ] και είναι ανεξάρτητη της G. (α) Υπολογίστε τη δεσµευµένη συνάρτηση πυκνότητας πιθανότητας f Y/X (y/x). Προσέξτε ότι για κάθε δυνατή τιµή X x της εισόδου X, πρέπει να καθορίσετε τις δυνατές τιµές της εξόδου Y καθώς και την έκφραση της f Y/X (y/x). (ϐ) Υπολογίστε την από κοινού συνάρτηση πυκνότητας πιθανότητας f X,Y (x, y). ώστε την γραφική παράσταση όπου η f X,Y (x, y) παίρνει µη µηδενικές τιµές (δηλαδή το πεδίο τιµών των (x, y) στο επίπεδο). (γ) Υπολογίστε και δώστε τη γραφική παράσταση της συνάρτηση πυκνότητας πιθανότητας της εξόδου Y, f Y (y). (δ) Το όργανο σας δίνει τη µέτρηση Y /. Υπολογίστε και δώστε τη γραφική παράσταση της δεσµευµένης συνάρτηση πυκνότητας πιθανότητας της εισόδου X, f X/Y (x/y ). (α) εδοµένου του X x, έχουµε f Y X (y x) x f G ( y x) είναι οµοιόµορφη κατανοµή στο διάστηµα [.5x,.5x]. Πιο διαισθητικά, δεδοµένου του X x, έχουµε ότι Y Gx, όπου x µπορεί να το δούµε και ως σταθερά. f Y X (y x) { x, x, αλλιώς (ϐ) Είναι f X,Y (x, y) f Y X (y x)f X (x) x, x y 3x, < x <. (γ) Ειναι f Y (y) f X,Y (x, y)dx y /3y /3y x dx ln(y) ln(y 3 ) ln(3), < y < x dx ln(y 3 ), (δ) Είναι f X,Y (x, /) /x f X Y (x y /) f Y (/) ln(3), /3 x <, αλλιώς 4
15 Σχήµα 9: Η γραφική παράσταση για το υποερώτηµα (ϐ) της άσκησης 9. Σχήµα : Η γραφική παράσταση για το υποερώτηµα (γ) της άσκησης 9. Σχήµα : Η γραφική παράσταση για το υποερώτηµα (δ) της άσκησης 9. 5
16 Ασκηση. ύο συνεχείς τ.µ. X και Y έχουν την από κοινού συνάρτηση πυκνότητας πιθανότητας { c, y, x + y f X,Y (x, y), αλλιώς. (α) ώστε τη γραφική παράσταση της από κοινού σ.π.π. Υπολογίστε τη σταθερά c και τις περιθωριακές σ.π.π. f X (x) και f Y (y). ώστε τη γραφική παράσταση των δύο σ.π.π. Είναι οι τ.µ. X και Y ανεξάρτητες ; (ϐ) Υπολογίστε την πιθανότητα του γεγονότος {X Y }. (γ) Υπολογίστε την πιθανότητα του γεγονότος {X + Y }. (δ) Υπολογίστε τις δεσµευµένες σ.π.π. f X/Y (x/y) και f Y/X (y/x). (α) Η περιοχή όπου η από κοινού συνάρτηση πυκνότητας πιθανότητας είναι c ϕαίνεται στο Σχήµα (). Πρόκειται για ένα τρίγωνο µε ϐάση και ύψος. Οι δυο ευθείες y -x+y y - x x+y Σχήµα : Χωρίο ορισµού από κοινού κατανοµής Άσκησης. προέρχονται από τη σχέση x + y x y ( y) x y y x y Για την σταθερά c πρέπει + ( ϐάση ύψος ) f xy (x, y)dxdy c Άρα c. Οσον αφορά τις περιθωριακές, γενικά ισχύει ότι και Από το Σχήµα () ϕαίνεται ότι, f X (x) f Y (y) + + f XY (x, y)dy f XY (x, y)dx c 6
17 Άρα, Για x, f X (x) Για x, f X (x) Οµοίως για y, f Y (y) +x x cdy + x cdy x. + x, x f X (x) x, x, αλλού. f Y (y) + f XY (x, y)dy y y { ( y), y, αλλού. cdx ( y). ηλαδή, Προφανώς, f XY (x, y) f X (x)f Y (y) και οι τυχαίες µεταβλητές X, Y δεν είναι ανεξάρτητες. f ( ) X x f ( ) Y y - x Y Σχήµα 3: Περιθωριακές κατανοµές Άσκησης. (ϐ) Η ευθεία y x/ ϕαίνεται στη γραφική παράσταση του Σχήµατος (4). Το διπλό ολοκλήρωµα της από κοινού συνάρτησης πυκνότητας πιθανότητας στο γραµµοσκιασµένο τρίγωνο µε ϐάση (, ) και ύψος 3 στο σηµείο (, ) ισούται µε την 3 3 πιθανότητα P (X Y ). Άρα, P (X Y ) /3 y /3 y dxdy ( y y)dy /3 x y y dy ) (y 3 y / Εναλλακτικά, επειδή η από κοινού κατανοµή είναι σταθερή, µπορούµε να ϐρούµε το ιδιο αποτέλεσµα απλά ϐρίσκοντας το εµβαδό του γραµµοσκιασµένου τµήµατος και πολλαπλασιάζοντάς το µε τη c: P (X Y ) c E(τριγώνου) 3 6 7
18 (γ) Οµοίως από το Σχήµα (5) έχουµε ότι το Ϲητούµενο χωρίο είναι αυτό που έχει γραµµοσκιαστεί ως E. Για να το υπολογίσουµε αναλυτικά πρέπει να σπάσουµε το χωρίο E σε δυο µικρότερα. Οµως, όπως είπαµε µόλις παραπάνω, µπορούµε να υπολογίσουµε τη Ϲητούµενη πιθανότητα µε χρηση εµβαδών, δηλ. ως το εµβαδόν του µεγάλου τριγώνου (όλου το χωρίου δηλαδη) µείον το εµβαδον του E : 3/ 3/ P (X+Y ) ) c E ((E +E ) E ) 6 6 Σχήµα 4: Χωρίο για τον υπολογισµό του P (X Y ) µε ϐάση την απο κοινού κατανοµή. Σχήµα 5: Χωρίο για τον υπολογισµό του P (X + Y /) µε ϐάση την απο κοινού κατανοµή. 8
19 (δ) Εχουµε f X Y (x y) f XY (x, y) f Y (y), x y, < y <, ( y) f Y X (y x) f XY (x, y) f X (x), < y < x, x. x Ασκηση. Οι ανεξάρτητες συνεχείς τ.µ. X και Y ακολουθούν καθεµιά οµοιόµορφη κατανοµή στο διάστηµα (, ). Ορίζουµε την τ.µ. Z X+Y. (α) ώστε τη γραφική παράσταση της από κοινού σ.π.π. των X και Y. (ϐ) Υπολογίστε την αθροιστική συνάρτηση κατανοµής της Z, F Z (z). (γ) Υπολογίστε την συνάρτηση πυκνότητας πιθανότητας της Z, f Z (z). (α) Αφού οι X, Y είναι ανεξάρτητες, f X,Y (x, y) f X (x)f Y (y) {, x, y, αλλού Εχουν δηλαδή από κοινού οµοιόµορφη κατανοµή. (ϐ) Το πεδίο τιµών της τ.µ. Z είναι το [, + ). F Z (z) P (Z z) P ( X + Y z) P (X + Y z ), z < / E HΓΘ, / z E ABΓ E, < z < +, z < / ( z ), / z z Y E Δ - (z -, ) Β, < z < + - (z, ) A X - X+Y z, <z<+ Θ Γ Η - X+Y z, ½ <z< (γ) f Z (z) df Z(z) dz { z z 3, / z z 3, < z < + 9
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 περισσότεραP( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο ιδάσκων: Π. Τσακαλίδης 9ο Φροντιστήριο Επιµέλεια: Κωνσταντίνα Φωτιάδου Ασκηση. Η τ.µ. X ακολουθεί την κανονική κατανοµή
Διαβάστε περισσότεραc(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών Θεωρία Πιθανοτήτων ιδάσκων : Π. Τσακαλίδης Λύσεις Τελικής Εξέτασης - 9 Ιανουαρίου 05 Θέµα. α Η γραφική παράσταση της σ.π.π. f X x ϕαίνεται στο σχήµα :
Διαβάστε περισσότερα, x > a F X (x) = x 3 0, αλλιώς.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες - Χειµερινό Εξάµηνο 015 ιδάσκων : Π. Τσακαλίδης 11ο Φροντιστήριο - Θέµατα Εξετάσεων από προηγούµενα έτη Επιµέλεια : Κωνσταντίνα Φωτιάδου
Διαβάστε περισσότερα12xy(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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 205 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Κατερίνα Καραγιαννάκη Ασκηση. Η τυχαία µεταβλητή X έχει αθροιστική
Διαβάστε περισσότερα0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-7: Πιθανότητες-Χειµερινό Εξάµηνο 5 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 7 Συνεχείς Τυχαίες Μεταβλητές Επιµέλεια : Κωνσταντίνα Φωτιάδου Ασκηση. Εστω
Διαβάστε περισσότερα0 x < (x + 2) 2 x < 1 f X (x) = 1 x < ( x + 2) 1 x < 2 0 x 2
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες-Χειµερινό Εξάµηνο 6-7 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 9 Επιµέλεια : Γιαννόπουλος Μιχάλης Ασκηση Εστω X συνεχής Τ.Μ. µε Συνάρτηση Πυκνότητας
Διαβάστε περισσότερα5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών
Κεφάλαιο 5 ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών Οταν ένα µεταβλητό µέγεθος εξαρτάται αποκλειστικά από τις µεταβολές ενός άλλου µεγέθους, τότε η σχέση που συνδέει
Διαβάστε περισσότεραp(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 206-207 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 8 Από κοινού συναρτήσεις Τυχαίων Μεταβλητών Επιµέλεια : Κατερίνα Καραγιαννάκη
Διαβάστε περισσότερα1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες -Χειµερινό Εξάµηνο 01 ιδάσκων : Π. Τσακαλίδης Λύσεις : Πέµπτη Σειρά Ασκήσεων Ηµεροµηνία Ανάθεσης : 14/11/01 Ηµεροµηνία Παράδοσης : 8/11/01
Διαβάστε περισσότεραP(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 28 ιδάσκων: Π. Τσακαλίδης Λύσεις Εβδοµης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης: 3/2/28 Ηµεροµηνία Παράδοσης: 7/2/28
Διαβάστε περισσότεραxp 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 περισσότεραΤυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου
Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Τυχαίες Μεταβλητές Συνάρτηση Κατανοµής ιακριτές Τυχαίες Μεταβλητές Παράµετροι τ.µ. Συνεχείς Τυχαίες
Διαβάστε περισσότεραcov(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 περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
(Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 εκεµβρίου 29 5.1. Στο τυχαίο πείραµα της ϱίψης δύο διακεκριµένων κύβων έστω X η ένδειξη του πρώτου κύβου και Y η µεγαλύτερη από τις δύο ενδείξεις. Να προσδιορισθούν
Διαβάστε περισσότεραΚεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )
Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι
Διαβάστε περισσότεραΜηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν
Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 7/5/2000 Μηχανική ΙI Μετασχηµατισµοί Legendre Έστω µια πραγµατική συνάρτηση. Ορίζουµε την παράγωγο συνάρτηση της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα).
Διαβάστε περισσότεραΛύνοντας 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 περισσότεραΥπολογισµός 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 περισσότερα3. 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 περισσότεραΛύνοντας 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 περισσότεραΚεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας.
Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας. Περιεχόµενα ιακριτές τυχαίες µεταβλητές Συνεχείς τυχαίες µεταβλητές Μέση τιµή τυχαίων µεταβλητών Ροπές, διασπορά, και τυπική απόκλιση τυχαίων µεταβλητών
Διαβάστε περισσότεραΣυνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 19/10/2017. Ακριβείς Διαφορικές Εξισώσεις-Ολοκληρωτικοί Παράγοντες. Η πρώτης τάξης διαφορική εξίσωση
Συνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 19/10/2017 Ακριβείς Διαφορικές Εξισώσεις-Ολοκληρωτικοί Παράγοντες Η πρώτης τάξης διαφορική εξίσωση M(x, y) + (x, y)y = 0 ή ισοδύναμα, γραμμένη στην μορφή M(x,
Διαβάστε περισσότερα(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 περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 11 Ιανουαρίου 21 Η δεσµευµένη µέση τιµή µιας τυχαίας µεταβλητής Y σε δεδοµένο σηµείο µιας άλλης τυχαίας µεταϐλητής X = x, συµϐολιϲόµενη
Διαβάστε περισσότερα200, δηλαδή : 1 p Y (y) = 0, αλλού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο 05 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 6 ιακριτές Τυχαίες Μεταβλητές Επιµέλεια : Σοφία Σαββάκη Ασκηση. Η εταιρεία
Διαβάστε περισσότερα. Κουζούδης 1 ΠΑΡΑΓΩΓΟΙ
1 ΠΑΡΑΓΩΓΟΙ Ποια είναι η χρήση των παραγώγων στην Φυσική και τι ακριβώς είναι; Ένα παράδειγµα θα µας διαφωτίσει. Έστω ότι ένα αυτοκίνητο βρίσκεται την χρονική στιγµή t = 0 s στο σηµείο x = 0 m και κινείται
Διαβάστε περισσότερα8ο Φροντιστηριο ΗΥ217
8ο Φροντιστηριο ΗΥ217 Επιµέλεια : Γ. Καφεντζής 10 Ιανουαρίου 2014 Ασκηση 0.1 Εστω ότι η τ.µ. X ακολουθεί Γκαουσιανή κατανοµή µε µέση τιµή 10 και διασπορά σ 2 = 4, δηλαδή X N( 10, 4). Να υπολογίσετε τις
Διαβάστε περισσότερα1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( )
Ερωτήσεις ανάπτυξης. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι β ( f () f () ) + α ηµ d β α = [f () ηµ] - [f () συν] β α. ( ) β) Αν f () = ηµ, να αποδείξετε ότι f () + f ()
Διαβάστε περισσότεραΠανελλαδικές εξετάσεις Μαθηµατικά Προσανατολισµού Γ Λυκείου. Ενδεικτικές Απαντήσεις ϑεµάτων. Θέµα Β. (α) ϑεωρία. (ϐ) i, ii) ϑεωρία.
Πανελλαδικές εξετάσεις 09 Μαθηµατικά Προσανατολισµού Γ Λυκείου Ενδεικτικές Απαντήσεις ϑεµάτων Θέµα Α Α α) ϑεωρία ϐ) i, ii) ϑεωρία Α ϑεωρία Α3 ϑεωρία Α4 α) Λάθος {, x < 0 διότι για τη συνάρτηση fx) = ισχύει
Διαβάστε περισσότεραPr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)
Κεφάλαιο 10 Συνεχείς τυχαίες μεταβλητές Σε αυτό το κεφάλαιο θα εξετάσουμε τις ιδιότητες που έχουν οι συνεχείς τυχαίες μεταβλητές. Εκείνες οι Τ.Μ. X, δηλαδή, των οποίων το σύνολο τιμών δεν είναι διακριτό,
Διαβάστε περισσότεραΠανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-27: Πιθανότητες-Χειµερινό Εξάµηνο 205- ιδάσκων : Π. Τσακαλίδης Λύσεις Τέταρτης Σειράς Ασκήσεων Ασκηση. (αʹ) Σύµφωνα µε το αξίωµα της κανονικοποίησης,
Διαβάστε περισσότεραP (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 =
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-217 - Θεωρία Πιθανοτήτων ιδάσκων : Π. Τσακαλίδης Λύσεις Προόδου- 22 Νοεµβρίου 2014 Θέµα 1 - (15 µονάδες) Εχουµε ότι : P (C A B) P (C (A B)) P (CA CB)
Διαβάστε περισσότεραΑρµονική Ανάλυση. Ενότητα: L p Σύγκλιση. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών
Ενότητα: L p Σύγκλιση Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creaive Commos. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε
Διαβάστε περισσότεραΥπολογισµός 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 περισσότεραΑριθµητική Ανάλυση. Ενότητα 5 Προσέγγιση Συναρτήσεων. Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών,
Αριθµητική Ανάλυση Ενότητα 5 Προσέγγιση Συναρτήσεων Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αριθµητική Ανάλυση - Ενότητα 5 1 / 55 Παρεµβολή Ας υποθέσουµε ότι δίνονται
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 περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 16 εκεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ενδιαφέρον τόσο από ϑεωρητική άποψη, όσο και από άποψη εφαρµογών, παρουσιάζει και η από κοινού µελέτη
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 4 Ιουνίου 7 Από τα κάτωθι Θέµατα καλείστε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 2017
Πανεπιστηµιο Πατρων Πολυτεχνικη Σχολη Τµηµα Μηχανικων Η/Υ & Πληροφορικης ΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 217 Θ1. Θεωρούµε την συνάρτηση f(x, y, z) = 1 + x 2 + 2y 2 z. (αʹ) Να ϐρεθεί
Διαβάστε περισσότερα2. 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 περισσότεραΕΚΦΩΝΗΣΕΙΣ. 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 περισσότεραΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ
Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1 ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Συνάρτηση Κατανομής: Έστω Χ=(Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ.
Διαβάστε περισσότερα1. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η
Ερωτήσεις ανάπτυξης. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η συνάρτηση G () = F (α + β) είναι µια παράγουσα της h () = f (α + β), α α στο R. β + γ α+ γ. ** α) Να δείξετε ότι
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ
ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 3 Κεφάλαιο ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ο ΜΕΡΟΣ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 6. Λ 8. Λ. Σ 7. Σ 9. Λ 3. Λ 8. Λ 3. Σ 4. Σ 9. Σ 3. α) Σ 5. Σ. Σ β) Σ 6.
Διαβάστε περισσότερα4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ-
Κεφάλαιο 4 ΟΛΟΚΛΗΡΩΜΑ 4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- µατα Ορισµός 4.1.1. Αρχική ή παράγουσα συνάρτηση ή αντιπαράγωγος µιας συνάρτησης f(x), x [, b], λέγεται κάθε συνάρτηση F (x) που επαληθεύει
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ
ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 4 o Κεφάλαιο ΑΝΑΛΥΣΗ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 0. Σ 9. Λ. Λ. Σ 40. Σ. Σ. Σ 4. Λ 4. Λ. Σ 4. Σ 5. Σ 4. Σ 4. Λ 6. Σ 5. Λ 44.
Διαβάστε περισσότεραP (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)
Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα
Διαβάστε 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 περισσότεραΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΛΥΜΕΝΑ ΘΕΜΑΤΑ ΘΕΜΑ Α
ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΛΥΜΕΝΑ ΘΕΜΑΤΑ Ερώτηση θεωρίας 1 ΘΕΜΑ Α Τι ονομάζουμε πραγματική συνάρτηση
Διαβάστε περισσότεραP (M = 9) = e 9! =
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης 5ο Φροντιστήριο Ασκηση 1. ύο ποµποί ο Α και ο Β στέλνουν ανεξάρτητα
Διαβάστε περισσότεραf(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)
Κεφάλαιο 11 Συνεχείς κατανομές και ο Ν.Μ.Α. Στο προηγούμενο κεφάλαιο ορίσαμε την έννοια της συνεχούς τυχαίας μεταβλητής, και είδαμε τις βασικές της ιδιότητες. Εδώ θα περιγράψουμε κάποιους ιδιαίτερους τύπους
Διαβάστε περισσότερα1.1 ΣΥΝΑΡΤΗΣΕΙΣ. 1. Ορισµός. 2. Συµβολισµός. 3. Επεξήγηση συµβόλων. 4. Γραφική παράσταση της συνάρτησης f : A R
. ΣΥΝΑΡΤΗΣΕΙΣ ΘΕΩΡΙΑ. Ορισµός Ονοµάζουµε συνάρτηση µια διαδικασία µε την οποία κάθε στοιχείο ενός συνόλου Α αντιστοιχίζεται σε ένα ακριβώς στοιχείο κάποιου συνόλου Β. Σηµείωση: Στο εξής θα είναι Α R και
Διαβάστε περισσότεραΑσκήσεις Γενικά Μαθηµατικά Ι Οµάδα 9
Ασκήσεις Γενικά Μαθηµατικά Ι Οµάδα 9 Λουκάς Βλάχος και Μανώλης Πλειώνης Άσκηση : Η καµπύλη y = /x µε x >, περιστρέφεται γύρω από τον άξονα Ox και δηµιουργεί ένα στερεό µε επιφάνεια S και όγκο V. είξτε
Διαβάστε περισσότεραΤΟ ΟΛΟΚΛΗΡΩΜΑ ΕΙΣΑΓΩΓΗ
ΤΟ ΟΛΟΚΛΗΡΩΜΑ ΕΙΣΑΓΩΓΗ Ο κύριος στόχος αυτού του κεφαλαίου είναι να δείξουµε ότι η ολοκλήρωση είναι η αντίστροφη πράξη της παραγώγισης και να δώσουµε τις βασικές µεθόδους υπολογισµού των ολοκληρωµάτων
Διαβάστε περισσότεραΛύσεις 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 περισσότεραP (A) = 1/2, P (B) = 1/2, P (C) = 1/9
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-1: Πιθανότητες - Χειµερινό Εξάµηνο 011 ιδάσκων : Π. Τσακαλίδης Λύσεις εύτερης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : /11/011 Ηµεροµηνία Παράδοσης : 1/11/011
Διαβάστε περισσότεραPr (a X b, c Y d) = c. f XY (x, y) dx dy, (15.1) Pr ((X, Y ) R) = f XY (x, y) dx dy. (15.2)
Κεφάλαιο 5 Συνεχής από κοινού κατανομή Στα Κεφάλαια 9 έως συναντήσαμε μια σειρά ιδιοτήτων της από κοινού κατανομής δύο ή περισσοτέρων διακριτών Τ.Μ. Εδώ θα αναπτύξουμε τις αντίστοιχες ιδιότητες για συνεχείς
Διαβάστε περισσότεραf X,Y (x, y)dxdy = 1,
Πιθανότητες και Στατιστική Ενότητα 5: Πολυδιάστατες τυχαίες μεταβλητές Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Αθήνα 2015 Διδιάστατη συνεχής τ.μ. Διδιάστατη συνεχής τ.μ. Μια διδιάστατη
Διαβάστε περισσότεραX(t) = A cos(2πf c t + Θ) (1) 0, αλλού. 2 cos(2πf cτ) (9)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 05-6 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις - Τυχαίες ιαδικασίες Ασκηση. Εστω
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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ ΜΕΡΟΣ Ο ΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Στο εργαστήριο αυτό θα ασχοληθούµε µε την προσοµοίωση της ρίψεως ενός δίκαιου νοµίσµατος. Το µοντέλο το οποίο θα πρέπει να πραγµατοποιήσουµε θα πρέπει να
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ
ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 36 Κεφάλαιο 3ο: ΟΛΟΚΛΗΡΩΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ. Σ 4. Λ. Λ 3. Λ 4. Λ 3. Σ 4. Σ 43. Σ 4. Λ 5. Σ 44. Σ 5. Σ 6. Σ 45. Λ 6.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26 ΙΟΥΛΙΟΥ 2009 ΕΥΤΕΡΟ ΜΕΡΟΣ :
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΑΛΓΕΒΡΑ-ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ ΑΝΑΛΥΣΗ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26
Διαβάστε περισσότεραΚαµπύλες στον R. σ τελικό σηµείο της σ. Το σ. σ =. Η σ λέγεται διαφορίσιµη ( αντιστοίχως
Καµπύλες στον R 9. Ορισµός Μια καµπύλη στον R είναι µια συνεχής συνάρτηση σ : Ι R R όπου Ι διάστηµα ( συνήθως κλειστό και φραγµένο ) στον R. Συνήθως φανταζόµαστε την µεταβλητή t Ι ως τον χρόνο και την
Διαβάστε περισσότεραf x = f a + Df a x a + R1 x, a, x U και από τον ορισµό της 1 h f a h f a h a h h a R h a i i j
Το θεώρηµα Tor στις πολλές µεταβλητές Ο σκοπός αυτής της παραγράφου είναι η απόδειξη ενός θεωρήµατος τύπου Tor για συναρτήσεις πολλών µεταβλητών Το θεώρηµα για µια µεταβλητή θα είναι ειδική περίπτωση του
Διαβάστε περισσότεραf x = f a + Df a x a + R1 x, a, x U και από τον ορισµό της 1 h f a h f a h a h h a R h a i i j
Το θεώρηµα Tor στις πολλές µεταβλητές Ο σκοπός αυτής της παραγράφου είναι η απόδειξη ενός θεωρήµατος τύπου Tor για συναρτήσεις πολλών µεταβλητών Το θεώρηµα για µια µεταβλητή θα είναι ειδική περίπτωση του
Διαβάστε περισσότεραΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.
ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 9 Νοεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Μία τυχαία µεταβλητή X καλείται διακριτή ή απαριθµητή αν παίρνει
Διαβάστε περισσότεραΑρµονική Ανάλυση. Ενότητα: Το ϑεώρηµα παρεµβολής του Riesz και η ανισότητα Hausdorff-Young. Απόστολος Γιαννόπουλος.
Ενότητα: Το ϑεώρηµα παρεµβολής του Riesz και η ανισότητα Hausdorff-Young Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΕμβαδά. 1) Με βάση το παρακάτω διάγραμμα όπου το εμβαδόν των περιοχών είναι Α1=8 και Α2=2, να. 2) Να εκφράσετε το εμβαδόν του γραμμοσκιασμένου
1 Εμβαδά 1) Με βάση το παρακάτω διάγραμμα όπου το εμβαδόν των περιοχών είναι Α1=8 και Α=, να υπολογιστεί η παράσταση: 9 9 f ( x) dx f ( x) dx 1 6 ) Να εκφράσετε το εμβαδόν του γραμμοσκιασμένου μέρους του
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.
Διαβάστε περισσότεραΓ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α
ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ ΘΕΜΑ Α ΕΚΦΩΝΗΣΕΙΣ Α. Έστω µια συνάρτηση f παραγωγίσιµη σ ένα διάστηµα (α, β), µε εξαίρεση ίσως ένα σηµείο του, στο
Διαβάστε περισσότεραΆσκηση 1. i) ============================================================== Πρέπει αρχικά να είναι συνεχής στο x = 1: lim. lim. 2 x + x 2.
http://elearn.maths.gr/, maths@maths.gr, Τηλ: 697905 Ενδεικτικές απαντήσεις 4ης Γραπτής Εργασίας ΠΛΗ 008-009: Οι φοιτητές θα κάνουν την δική τους εργασία σκεπτόµενοι πάνω στις ενδεικτικές απαντήσεις. Σε
Διαβάστε περισσότεραΕνδεικτικές Ασκήσεις Μάθηµα : Στατιστική 1
Ενδεικτικές Ασκήσεις Μάθηµα : Στατιστική Τµήµα Τεχνολογίας και Συστηµάτων Παραγωγής Θέµα ον α) Έστω Ακαι Β δύο ενδεχόµενα ενός πειράµατος και έστω ότι ισχύει : (Α).5, (Α Β).6, (Β) q i)γιαποιατιµήτου qταακαιβείναιξένα;
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ασκηση 1. Σε κάθε περίπτωση πρέπει να χρησιµοποιήσουµε
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 περισσότερα400 = t2 (2) t = 15.1 s (3) 400 = (t + 1)2 (5) t = 15.3 s (6)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2016 ιδάσκων : Γ. Καφεντζής Πρώτη Σειρά Ασκήσεων - Λύσεις Ασκηση 1. Θεωρούµε ως χρονικό σηµείο αναφοράς τη στιγµή που
Διαβάστε περισσότεραΤυχαίες Μεταβλητές (τ.µ.)
Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική
Διαβάστε περισσότεραf(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 περισσότερα14 Εφαρµογές των ολοκληρωµάτων
14 Εφαρµογές των ολοκληρωµάτων 14.1 Υπολογισµός εµβαδών µε την µέθοδο των παράλληλων διατοµών Θεωρούµε µια ϕραγµένη επίπεδη επιφάνεια A µε οµαλό σύνορο, δηλαδή που περιγράφεται από µια συνεχή συνάρτηση.
Διαβάστε περισσότεραΓ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΜΑΘΗΜΑΤΙΚΑ ΕΚΦΩΝΗΣΕΙΣ ÏÅÖÅ
1 Γ' ΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΜΑΘΗΜΑΤΙΚΑ ΘΕΜΑ 1 ΕΚΦΩΝΗΣΕΙΣ Α. Έστω µια συνάρτηση, η οποία είναι ορισµένη σε ένα κλειστό διάστηµα,. Αν: η συνεχής στο, και τότε, για κάθε αριθµό µεταξύ των
Διαβάστε περισσότεραΜαθηµατικός Λογισµός ΙΙ
Μαθηµατικός Λογισµός ΙΙ ΤΕΙ ΥΤΙΚΗΣ ΕΛΛΑ ΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ 2 Κ Ε Φ Α Λ Α Ι Ο 1 Ορια και Συνέχεια 1.1 Ορια Παράδειγµα 1.1. Να υπολογίσετε το x+y lim (x,y) (0,0) x y. Απάντηση: Παρατηρούµε ότι η συνάρτηση
Διαβάστε περισσότεραΣυνήθεις Διαφορικές Εξισώσεις Ι ΣΔΕ Bernoulli, Riccati, Ομογενείς. Διαφορικές Εξισώσεις Bernoulli, Riccati και Ομογενείς
Συνήθεις Διαφορικές Εξισώσεις Ι ΣΔΕ Bernoulli, Riccati, Ομογενείς Διαφορικές Εξισώσεις Bernoulli, Riccati και Ομογενείς Οι εξισώσεις Bernoulli αποτελούν την κλάση των μη γραμμικών διαφορικών εξισώσεων
Διαβάστε περισσότεραΚεφάλαιο 6 Παράγωγος
Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της
Διαβάστε περισσότεραΓ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )
ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΚΥΡΙΑΚΗ /0/0 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ:ΕΝΝΕΑ (9) ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΘΕΜΑ
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ 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 περισσότεραΑκολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50
Άσκηση 1 η 1 η Εργασία ΔΙΠ50 Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50 Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών
Διαβάστε περισσότεραP = 0 1/2 1/ /2 1/
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-37: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 206 ιδάσκων : Π. Τσακαλίδης 7ο Φροντιστήριο Επιµέλεια : Κωνσταντίνα Φωτιάδου Ασκηση. Μια Μαρκοβιανή
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ
Χαράλαµπος Α. Χαραλαµπίδης 3 Νοεµβρίου 29 ΟΜΟΙΟΜΟΡΦΗ ΚΑΤΑΝΟΜΗ Ας ϑεωρήσουµε µια συνεχή τυχαία µεταβλητή X ορισµένη στον Ω µε πεδίο τιµών το διάστηµα [α, ϐ], όπου α < ϐ πραγµατικοί αριθµοί. Η οµοιόµορφη
Διαβάστε περισσότεραΟρια Συναρτησεων - Ορισµοι
Ορια Συναρτησεων - Ορισµοι Λυγάτσικας Ζήνων Βαρβάκειο Ενιαίο Πειραµατικό Λύκειο 3 Σεπτεµβρίου 205 Εισαγωγή Στην παράγραφο αυτή ϑα δούµε πως προκύπτει η ιδέα του ορίου στην προσπά- ϑεια να ορίσουµε την
Διαβάστε περισσότερα/ / 38
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-37: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 205-6 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 0 Επιµέλεια : Σοφία Σαββάκη Ασκηση. Ο Κώστας πηγαίνει
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 περισσότερα( ) = inf { (, Ρ) : Ρ διαµέριση του [, ]}
7 ΙΙΙ Ολοκληρωτικός Λογισµός πολλών µεταβλητών Βασικές έννοιες στη µια µεταβλητή Έστω f :[ ] φραγµένη συνάρτηση ( Ρ = { t = < < t = } είναι διαµέριση του [ ] 0 ( Ρ ) = Μ ( ) όπου sup f ( t) : t [ t t]
Διαβάστε περισσότεραΚεφάλαιο 9 ο Κ 5, 4 4, 5 0, 0 0,0 5, 4 4, 5. Όπως βλέπουµε το παίγνιο δεν έχει καµιά ισορροπία κατά Nash σε αµιγείς στρατηγικές διότι: (ΙΙ) Α Κ
Κεφάλαιο ο Μεικτές Στρατηγικές Τώρα θα δούµε ένα παράδειγµα στο οποίο κάθε παίχτης έχει τρεις στρατηγικές. Αυτό θα µπορούσε να είναι η µορφή που παίρνει κάποιος µετά που έχει απαλείψει όλες τις αυστηρά
Διαβάστε περισσότεραA2. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ
A. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ d df() = f() = f (), = d d.κλίση ευθείας.μεταβολές 3.(Οριακός) ρυθµός µεταβολής ή παράγωγος 4.Παράγωγοι βασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία
Διαβάστε περισσότερα(1) 98! 25! = 4 100! 23! = 4
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 Συνδυαστική Ανάλυση ΙΙ και Εισαγωγή στις ιακριτές Τυχαίες Μεταβλητές
Διαβάστε περισσότερα4.3 Παραδείγµατα στην συνέχεια συναρτήσεων
5. Η συνάρτηση είναι συνεχής στο R. 6. Η συνάρτηση sin είναι συνεχής στο R. 7. Η συνάρτηση cos είναι συνεχής στο R. 8. Η συνάρτηση tan είναι συνεχής σε κάθε R µε k π + π/2, k Z. 9. Η συνάρτηση cotan είναι
Διαβάστε περισσότεραΣημεία τομής της ευθείας αx+βy=γ με τους άξονες
ΣΥΝΑΡΤΗΣΗ y=αx+β Η ευθεία με εξίσωση y=αx+β. ΣΥΝΑΡΤΗΣΗ y=αx+β Η γραφική παράσταση της y = αx + β, β 0 είναι µια ευθεία παράλληλη της ευθείας µε εξίσωση y = αx, που διέρχεται από το σημείο β του άξονα y'y.
Διαβάστε περισσότερα