Έστω η συνάρτηση ορισμένη σε μια σ-άλγεβρα με πεδίο τιμών το, δηλαδή

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Έστω η συνάρτηση ορισμένη σε μια σ-άλγεβρα με πεδίο τιμών το, δηλαδή"

Transcript

1 Τι εννοούμε με τον όρο «πιθανότητα»? Ο όρος πιθανότητα έχει δυο διαφορετικές πλην όμως σχετιζόμενες ερμηνείες. Η πρώτη είναι η καθαρά μαθηματική ερμηνεία του όρου πιθανότητα σύμφωνα με την οποία η πιθανότητα δεν είναι τίποτε άλλο παρά μια συνάρτηση (μέτρο) ορισμένη σε ένα κατάλληλο χώρο. Η δεύτερη είναι η εμπειρική ερμηνεία της πιθανότητας η οποία προσπαθεί να εντοπίσει την έννοια της πιθανότητας στον εμπειρικό κόσμο. Η εμπειρική έννοια της πιθανότητας διακρίνεται σε δύο κατηγορίες, την υποκειμενική και την αντικειμενική. Μαθηματικός ορισμός: Έστω η συνάρτηση ορισμένη σε μια σ-άλγεβρα με πεδίο τιμών το, δηλαδή ιδιότητες: 1.. H P θα λέγεται συνάρτηση πιθανότητας εάν πληρεί τις ακόλουθες 2. Για κάθε ακολουθία ενδεχομένων τα οποία είναι αμοιβαίως αποκλειόμενα, δηλαδή για κάθε, ισχύει ότι: Σχόλιο: Η ιδιότητα (2) ονομάζεται ιδιότητα της αριθμήσιμης προσθετικότητας. Ορισμός Χώρου Πιθανότητας: Έστω ένας δειγματικός χώρος Ω με έναν αντίστοιχο χώρο ενδεχομένων και μία συνάρτηση πιθανότητας ορισμένη στον. Η τριάδα ονομάζεται χώρος πιθανότητας. Εμπειρικός Ορισμός Υποκειμενική Ερμηνεία: «Η πιθανότητα εκφράζει βαθμό πίστης.» Αναγνωρίζουμε ως πιθανότητες τους βαθμούς πεποίθησης κατάλληλων επιστημονικών ή μη-επιστημονικών ερευνητών. Επομένως, εδώ, υπάρχουν τόσα συστήματα πιθανότητας, όσα και οι «κατάλληλοι» ερευνητές. Αυτό που πρέπει να αναρωτηθούμε είναι τι καθιστά έναν ερευνητή «κατάλληλο». Στο σημείο αυτό εισάγεται η έννοια της ορθολογικότητας. ΑΠΑΙΤΗΣΕΙΣ ΓΙΑ ΟΡΘΟΛΟΓΙΚΟΤΗΤΑ:

2 1) Συνέπεια (Coherence) Το σύστημα των υποκειμενικών πιθανοτήτων του ερευνητή πρέπει να είναι συνεπές, δηλαδή πρέπει να ικανοποιεί τις απαιτήσεις του Μαθηματικού Ορισμού της πιθανότητας. Αυστηρή Συνέπεια (Strct Coherence): Οι ερευνητές δεν μπορούν να θέτουν ακραίες τιμές ( ή 1) σε πολύ αρχικές προτάσεις (olecular stateent). Από αυτήν την απαίτηση εξαιρούνται οι προτάσεις που αποτελούν λογικές αλήθειες και παίρνουν την πιθανότητα 1 και οι λογικές αντιφάσεις που παίρνουν την πιθανότητα, γιατί και οι 2 αυτοί τύποι προτάσεων δεν αποτελούν αρχικές υποθέσεις. Για παράδειγμα, αν γνωρίζουμε ότι ένα άτομο είναι έγκυος, τότε το ενδεχόμενο να είναι γυναίκα είναι λογική αλήθεια και παίρνει πιθανότητα 1. Η παραπάνω απάιτηση της συνέπειας δεν είναι αρκετή, γιατί δε μας λέει πώς να δώσουμε συγκεκριμένες τιμές στο πεδίο των προτάσεων δηλαδή πώς να καθορίσουμε τις πιθανότητές μας. 2) ayesan Condtonalzaton (C) Κάθε φορά που εμφανίζεται μια καινούρια πληροφορία (new evdence), το σύστημα των πεποιθήσεων του ερευνητή πρέπει να αλλάζει μέσω ενός και μόνο τρόπου, του bayesan condtonalzaton. Έστω ότι έχουμε την πρόταση H και σε αυτήν έχουμε θέσει μια πιθανότητα. Στη συνέχεια μαθαίνουμε ότι μια πρόταση είναι αληθής. Πώς θα αλλάξει η πιθανότητα που έχουμε προσάψει στη H με βάση τη γνώση που αποκτήσαμε για το ; Εναλλακτικά Όπου ο όρος λέγεται Μπεϋσιανός πολλαπλασιαστής. Εάν τότε περίπτωση κατά την οποία η πρόταση υποστηρίζει ή ενισχύει την πρόταση Η. Σχόλια:

3 Για να μπορέσει να λειτουργήσει το bayesan condtonalzaton πρέπει οι αρχικές πιθανότητες να είναι μη-μηδενικές, δηλαδή να παίρνουν τιμές στο διάστημα (,1). Η πρόταση αυτή υποστηρίζεται από την απαίτηση της αυστηρής συνέπειας. Συμπληρώνοντας την έννοια της συνέπειας και της αυστηρής συνέπειας, σύμφωνα με τον L. J. Savage, οι ερευνητές πρέπει να χαρακτηρίζονται από μια ανοιχτόμυαλη στάση (openndedness) απέναντι στις υποθέσεις που εξετάζουν, προκειμένου να λειτουργήσει πιο αποτελεσματικά το bayesan condtonalzaton. Μια βασική υπόθεση που διέπει την λειτουργία τού C είναι ότι οι αρχικές πιθανότητες και υπάρχουν στο αρχικό σύστημα των πεποιθήσεών μας (είναι pror probabltes) και δεν δημιουργούνται τη στιγμή που εμφανίζεται η νέα πληροφορία. ΕΝΑΛΛΑΚΤΙΚΕΣ ΜΟΡΦΕΣ ΤΟΥ C:. Δεύτερη Εκδοχή του ayes: Υποθέτουμε ότι έχουμε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις (αυτό σημαίνει ότι μόνο μία από αυτές τις προτάσεις είναι αληθής). Έστω και ότι η πρόταση Θεώρημα Ολικής Πιθανότητας: είναι αληθής. Χρησιμοποιούμε το θεώρημα ολικής πιθανότητας για να βρούμε την πιθανότητα για το : Άρα πώς αλλάζει η πιθανότητά μας για την κάθε όταν μάθουμε ότι η είναι αληθής; Σχόλια: Η πιθανότητα ονομάζεται «πιθανοφάνεια της στο» Σύμφωνα με τη δεύτερη έκφραση του C υπολογίζουμε τη νέα πιθανότητα μιας υπόθεσης βασιζόμενοι στις παλιές πιθανότητες και στις πιθανοφάνειες στο.

4 . Τρίτη Εκδοχή του ayes: Έστω ότι ενδιαφερόμαστε μόνο για την υπόθεση και τη συμπληρωματική της. Η νέα πιθανότητά μας για την δίνεται από: Παράδειγμα: Έστω ότι έχουμε τρεις τύπους νομισμάτων που έχουν διαφορετικές πιθανότητες για το αν θα βγει κορώνα κατά τις ρίψεις. Τύπος : Το νόμισμα είναι δίκαιο με πιθανότητα να βγει κορώνα.5 Τύπος : Το νόμισμα είναι μεροληπτικό με πιθανότητα να βγει κορώνα.6 Τύπος C: Το νόμισμα είναι μεροληπτικό με πιθανότητα να βγει κορώνα.9 Ας υποθέσουμε ότι έχουμε ένα συρτάρι το οποίο περιέχει 4 νομίσματα: 2 τύπου Α, 1 τύπου και άλλο 1 τύπου C και ο ερευνητής διαλέγει τυχαία ένα νόμισμα, το ρίχνει και έρχεται κορώνα. Ποια η πιθανότητα το νόμισμα να είναι τύπου, ή C; Με βάση το Θεώρημα Ολικής Πιθανότητας έχουμε Υπόθεση Τύποι νομισμάτων Αρχικές πιθανότητες Πιθανοφάνεια Μελλοντικές πιθανότητες C

5 Ας υποθέσουμε ότι με το ίδιο νόμισμα κάνουμε και δεύτερη ρίψη και έρχεται πάλι κορώνα. Πώς θα αλλάξουν οι παραπάνω πιθανότητες με βάση το νέο evdence; Μπορούμε να βρούμε τις νέες πιθανότητες με δύο τρόπους: a. Μπορούμε να θεωρήσουμε ως νέες pror probabltes τις προηγούμενες posteror Πάλι χρησιμοποιούμε το Θεώρημα Ολικής Πιθανότητας για να βρούμε την Υπόθεση Τύποι νομισμάτων Αρχικές πιθανότητες Πιθανοφάνεια Μελλοντικές πιθανότητες C.36.9 b. Μπορούμε να κρατήσουμε τις αρχικές pror probabltes και να χρησιμοποιήσουμε στο evdence τα αποτελέσματα και από τις δύο ρίψεις του νομίσματος. Από το Θεώρημα Ολικής Πιθανότητας βρίσκουμε: Υπόθεση Αρχικές πιθανότητες Πιθανοφάνεια Μελλοντικές πιθανότητες

6 Τύποι νομισμάτων C Και στις δύο περιπτώσεις παρατηρούμε ότι ενισχύεται η πιθανότητα του νομίσματος τύπου C, το οποίο είναι λογικό καθώς η πιθανότητα να έρθει κορώνα είναι.9 Οι δύο απαιτήσεις που αναφέραμε ως τώρα είναι απαραίτητες για να χαρακτηρίσουμε έναν ερευνητή ορθολογικό. Είναι όμως αρκετές; Όχι, γιατί δεν υποχρεώνουν τον ερευνητή να υιοθετήσει την αντικειμενική πιθανότητα ως υποκειμενική. Για το λόγο αυτό χρειαζόμαστε και μία τρίτη απαίτηση, η οποία θα γεφυρώσει το χάσμα μεταξύ αντικειμενικών και υποκειμενικών πεποιθήσεων. 3) Prncpal Prncple (PP) Όλη η ιδέα του Prncpal Prncple στηρίζεται στο ότι η αντικειμενική πιθανότητα, την οποία θα ονομάζουμε chance, όταν είναι γνωστή θα οδηγήσει αναγκαστικά τους ερευνητές να θέσουν τις υποκειμενικές τους πιθανότητες ίσες με αυτήν. Έστω λοιπόν ότι ο ερευνητής θέτει πάνω σε μια υπόθεση Η μια αρχική υποκειμενική συνάρτηση P και Ε το background evdence το όποιο όμως δεν περιλαμβάνει καμία επιπλέον πληροφορία πέρα από αυτήν που έχει ήδη συμπεριληφθεί για να υπολογίσουμε την αντικειμενική πιθανότητα. Δεδομένου λοιπόν, πως ο ερευνητής γνωρίζει την Επομένως η posteror πιθανότητα θα είναι ίση με: θα πρέπει να την υιοθετήσει. P( H {[ Pch ( H) p] E}) P( H [ ( H) p] E) P([ Pch ( H) p] E) p Να σημειώσουμε ότι ο ερευνητής δεν είναι υποχρεωμένος να ξέρει πάντα την αντικειμενική πιθανότητα, αλλά σε περίπτωση που την γνωρίζει, το Prncpal Prncple τον αναγκάζει να την υιοθετήσει ως υποκειμενική. Επομένως, οι 3 συνθήκες που θα πρέπει να πληρεί κάθε σύστημα πιθανοτήτων ενός επιστήμονα για να θεωρείται ορθολογικός είναι

7 1. Να είναι Coherent, δηλαδή συνεπής με τις μαθηματικές απαιτήσεις της πιθανότητας 2. Όταν εμφανίζεται νέο evdence, το σύστημα των πεποιθήσεων θα πρέπει να αλλάζει με ένα και μόνο ένα συγκεκριμένο τρόπο, το ayesan Condtonalzaton 3. Να υπακούει στο Prncpal Prncple Το ερώτημα είναι αν και οι τρεις υποθέσεις είναι αναγκαίες ή αν η παρουσία κάποιας καθιστά τις υπόλοιπες περιττές. Prncpal Prncple Ένας επιστήμονας θέλει να προσάψει πιθανότητα στο ενδεχόμενο Η. Αν γνωρίζει ότι η αντικειμενική της πιθανότητα του είναι και πως τα evdence E δεν έχουν καμία επιπλέον πληροφορία πέρα από αυτή που ήδη έχει συμπεριληφθεί για τον υπολογισμό της αντικειμενικής πιθανότητας, τότε, θα πρέπει να θέσει την υποκειμενική του πιθανότητα ίση με την αντικειμενική. Δηλαδή σύμφωνα με το ΡΡ οι ερευνητές, είναι αναγκασμένοι να θέσουν την υποκειμενική τους πιθανότητα για το Η ίση με την αντικειμενική πιθανότητα για το Η. n p p Για παράδειγμα, αν γνωρίζει ότι το νόμισμα είναι δίκαιο, θα πρέπει να θέσει την υποκειμενική του πιθανότητα να έρθει κορώνα ίση με,5. Για πολλούς ερευνητές η προϋπόθεση ότι όταν γνωρίζουν την αντικειμενική πιθανότητα της υπόθεσής τους θα πρέπει να θέτουν την υποκειμενική τους πεποίθηση ίση με την αντικειμενική πιθανότητα θεωρείται αυτονόητο και περιττό να ειπωθεί. Υπάρχουν όμως πολλές περιπτώσεις όπου οι agents, παρόλο που γνωρίζουν την αντικειμενική πιθανότητα της υπόθεσής τους, επιλέγουν να την αγνοήσουν. Επιστημικός ορθολογισμός είναι να πιστεύουμε μια θεωρία ως ορθή όταν υποστηρίζεται από όλα τα διαθέσιμα στοιχεία, ενώ απορρίπτουμε μια θεωρία η οποία είναι απίθανη με βάση τα διαθέσιμα στοιχεία. Παραδείγματα όπου αγνοείται η αντικειμενική πιθανότητα. 1. Μετά από ιατρικές εξετάσεις αν ο γιατρός μας, που είναι ειδικός και του οποίου την άποψη δεχόμαστε ως σωστή χωρίς δεύτερη σκέψη, πει ότι η πιθανότητα να ζήσουμε μέχρι τα 1 είναι μικρότερη από το 1% είναι πολύ πιθανό ότι θα δεχτούμε την άποψη του. Αντίθετα, αν μας πει ότι η πιθανότητα να ζήσουμε μέχρι τα 1 είναι 99% τότε πιθανότατα θα τον αγνοήσουμε τελείως και θα υιοθετήσουμε μια δική μας υποκειμενική πιθανότητα για το

8 ενδεχόμενο να ζήσουμε μέχρι τα 1, παρόλο που η άποψη του γιατρού μας στηρίζεται απ όλα τα διαθέσιμα στοιχεία. 2. Ένας άνδρας που έχει ενδείξεις ότι η γυναίκα του τον απατάει είναι επιστημικά ορθολογικό, δηλαδή στηρίζεται από όλα τα διαθέσιμα στοιχεία, να θεωρεί ότι η γυναίκα του τον απατάει, αλλά είναι ορθολογικό για τον ίδιο να μην θέλει να το πιστέψει και να προσάπτει μια πολύ χαμηλή πιθανότητα στο ενδεχόμενο. Βλέπουμε λοιπόν ότι η γνώση και μόνο της αντικειμενικής πιθανότητας δεν συνεπάγεται ότι οι ερευνητές θα υιοθετήσουν αυτή την πιθανότητα ως την υποκειμενικής τους. Καμία αρχή δεν τους εμποδίζει από το να απορρίψουν τελείως την αντικειμενική πιθανότητα και να υιοθετήσουν μια διαφορετική υποκειμενική. Τέλος αξίζει να σημειώσουμε ότι η PP επιβάλει κάποιους συγκεκριμένους περιορισμούς στο αρχικό μας σύστημα πιθανοτήτων δηλαδή στα pror probabltes. Ποιοι είναι οι περιορισμοί αυτοί? Ας τους δούμε αναλυτικά. Από τη στιγμή που ο ερευνητής καλείται να αναθεωρήσει την πιθανότητα που προσάπτει στην Η με βάση τη νέα πληροφορία που έχει δηλαδή τις προτάσεις και E, θα πρέπει να το κάνει σύμφωνα με το C, δηλαδή, n p Αυτό σημαίνει ότι θα πρέπει να ανατρέξει στο αρχικό του σύστημα πιθανοτήτων (pror probabltes) και να εξετάσει τι pror πιθανότητα είχε προσάψει στη σύνθετη πρόταση (H E) όπως και στη πρόταση ( Ε) και να πάρει το λόγο αυτών των δύο πιθανοτήτων, δηλαδή n p p q1 p q2 Αυτός ο λόγος μπορεί (χωρίς τον περιορισμό που θέτει η PP στο αρχικό σύστημα πιθανοτήτων) κάλλιστα να είναι διάφορος της αντικειμενικής πιθανότητας p. Κατά συνέπεια η ΡΡ σημαίνει ότι οι pror πιθανότητες των παραπάνω προτάσεων δεν μπορεί να έιναι αυθαίρετες αλλά τέτοιες ώστε να συνάδουν με τις ταυτόχρονες απαιτήσεις των C και PP. Συνοπτικά, η PP επιβάλλει τον ακόλουθο περιορισμό στο αρχικό σύστημα πιθανοτήτων, q q 1 2 p ayesan Condtonalzaton και Prncpal Prncple Άλλη μία συχνή ερώτηση είναι αν το ΡΡ καθιστά το C περιττό. Η απάντηση σε αυτό το ερώτημα είναι η εξής: Η PP είναι διατυπωμένη σε όρους condtonal πιθανότητας,

9 δηλαδή μας λέει ότι η δεσμευμένη pror πιθανότητα του agent με δέσμευση την γνώση της αντικειμενικής πιθανότητας είναι ίση με την αντικειμενική πιθανότητα. Αυτή η συνθήκη όμως δεν μας εξασφαλίζει ότι η νέα πιθανότητα του agent θα είναι ίση με την αντικειμενική. Μόνο αν ο agent υπακούει στο C η νέα του πιθανότητα θα ισούται με την δεσμευμένη του pror. Δηλαδή, n p Με άλλα λόγια το κλειδί για να εξισώσει ο agent την νέα του πιθανότητα με την αντικειμενική είναι το C. Coherence Η υπόθεση του coherence είναι απαραίτητη προκειμένου να επιβεβαιώσουμε ότι η αρχική κατανομή των πεποιθήσεων του ερευνητή σε ολόκληρο των χώρο ενδεχομένων, άρα και οι πιθανότητες p και p που χρησιμοποιούνται στο C, είναι σωστά ορισμένες. Δηλαδή, χωρίς την υπόθεση του coherence δεν θα μπορούσαμε να εφαρμόσουμε τις ιδιότητες του μαθηματικού ορισμού της πιθανότητας. ΣΥΓΚΛΙΣΗ ΥΠΟΚΕΙΜΕΝIKΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΔΙΑΦΟΡΕΤΙΚΩΝ ΕΡΕΥΝΗΤΩΝ Το ερώτημα που καλούμαστε να απαντήσουμε είναι αν δύο αρχικά διαφωνούντες επιστήμονες θα οδηγηθούν σε συμφωνία για την πιθανότητα ενός ενδεχομένου που θέλουν να εξετάσουν, ασυμπτωτικά, οδηγούμενοι από τη συσσωρευμένη πληροφορία και κάτω από ποιες συνθήκες μπορεί να γίνει κάτι τέτοιο. Οι Υποθέσεις Θεωρούμε ότι έχουμε δύο ερευνητές Α και Β οι οποίοι δεν επικοινωνούν μεταξύ τους και έχουν τελείως διαφορετικά συστήματα πιθανοτήτων, ας θεωρήσουμε. Και τα δύο συστήματα πληρούν τις 3 συνθήκες ορθολογικότητας, είναι δηλαδή: Coherent, Το σύστημα των πεποιθήσεων αλλάζει μόνο μέσω του τρόπου του ayesan Condtonalzaton και Υπακούουν στο Prncpal Prncple. Οι δύο αυτοί ερευνητές θέλουν να βρουν την πιθανότητα για ένα ενδεχόμενο C.

10 Υποθέτουμε ότι κάνουν ένα parttonng του χώρου σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις όπου = 1, 2,.., (μία μόνο από αυτές είναι η σωστή) οι οποίες ακολουθούν την απαίτηση της αυστηρή συνέπειας (δηλαδή καμία δεν παίρνει τιμές πιθανοτήτων και 1). Επίσης οι υποθέσεις αυτές συνεπάγονται λογικά και τις αντικειμενικές κατανομές τους. Αν και οι δύο ερευνητές γνώριζαν την αντικειμενική πιθανότητα του C τότε και οι δύο, υπακούοντας στο ΡΡ θα όριζαν την υποκειμενική τους πιθανότητα ίση με την αντικειμενική και. Επειδή, όμως δεν την γνωρίζουν, ακολουθούν μια διαδικασία δύο βημάτων η οποία βασίζεται σε μια διαρκή μεταβολή των πιθανοτήτων που προσάπτουν στις υποθέσεις καθώς λαμβάνουν νέο evdence. Βήμα 1: Βρίσκουν ασυμπτωτικά ποια είναι η αληθής υπόθεση. Βήμα 2: Αφού εντοπίσουν την αληθή υπόθεση υπολογίζουν την πιθανότητα της C με βάση την αντικειμενική κατανομή της αληθούς υπόθεσης Αρχικά λοιπόν στο αρχικό σύστημα πιθανοτήτων και πριν οι δύο agents λάβουν οποιοδήποτε evdence ισχύουν τα εξής: C C 1 C C 1 Οι παραπάνω σχέσεις ισχύουν διότι οι pror πιθανότητες και των δύο agents είναι coherent πράγμα που σημαίνει ότι μπορούμε να επικαλεστούμε το θεώρημα της ολικής πιθανότητας Στη συνέχεια, έρχεται το evdence E. Οι δύο agents θα διαμορφώσουν τις νέες τους πιθανότητες με βάση το C. Λαμβάνοντας υπόψη και τις δύο παραπάνω σχέσεις έχουμε C C C C, C C C C, Οι τελευταίες ισότητες προκύπτουν από το γεγονός ότι το E είναι adssble nforaton. Αυτό σημαίνει ότι η γνώση για την είναι πιο ισχυρή από τη γνώση

11 του Ε, γιατί αν θεωρούν σωστή την για παράδειγμα, τότε γνωρίζουν όλη την αντικειμενική της κατανομή και, δεν παίζει ρόλο τι πληροφορία τους δίνει το Ε. Στη συνέχεια ας στρέψουμε την προσοχή μας στις πιθανοφάνειες των Ε. Έχουμε, ως προς το Επομένως, οι παραπάνω σχέσεις γίνονται 1 1 C C 1 C C 1 Το πολύ σημαντικό εδώ είναι ότι οι πιθανοφάνειες C, C και,, λόγω του ΡΡ, πρέπει να τεθούν ίσες με τις αντικειμενικές πιθανότητες. Άρα για τους δύο ερευνητές 1. C C C 2.. Εδώ αρχίζει να εμφανίζεται μια πηγή σύγκλισης για τις πιθανότητες των 2 ερευνητών. Αν κάνουν άπειρες επαναλήψεις του πειράματος, στο τέλος η μία υπόθεση θα έχει πιθανότητα 1 ή περίπου ίση με το 1 και όλες οι υπόλοιπες. Αυτό συμβαίνει, γιατί η πληροφορία που παίρνουμε από κάθε επανάληψη του πειράματος στηρίζει την μία από όλες τις υποθέσεις, της οποίας την πιθανότητα αυξάνει σταδιακά, ενώ των υπολοίπων την μειώνει. Και στους δύο ερευνητές, η ίδια υπόθεση είναι αυτή που θα λάβει την στήριξη από την συσσωρευόμενη πληροφορία. Άρα, ανεξάρτητα από τις αρχικές τους πιθανότητες, οι 2 ερευνητές θα καταλήξουν στο ίδιο συμπέρασμα για το ποια είναι η σωστή υπόθεση. Ας θεωρήσουμε ότι αυτή είναι η 1. Τότε και οι δύο ερευνητές θα θέσουν τις υποκειμενικές τους πιθανότητες για την πρόταση C (που ηταν και το αρχικό ζητούμενο) ίσες με την αντικειμενική πιθανότητα για την C που δίνει η αντικειμενική κατανομή πιθανότητας που συνεπάγεται η 1.

12 ΠΟΥ ΒΑΣΙΖΕΤΑΙ Η ΦΥΣΗ ΤΟΥ CONVERGENCE Στις τρεις απαιτήσεις ορθολογικότητας που ορίσαμε παίρνουμε ως δεδομένο ότι έχουμε ένα σύνολο που αποτελείται από αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις. Σε καμία όμως από αυτές τις τρεις απαιτήσεις ορθολογικότητας δεν ζητάται από τον επιστήμονα να χωρίσει τον χώρο σε αυτές τις υποθέσεις. Ας υποθέσουμε λοιπόν ότι θέλουμε να βρούμε την πιθανότητα του ενδεχομένου C, στηριζόμενοι στο συσσωρευμένο evdence Ε χωρίς να έχουμε κάνει ένα partton του χώρου σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις. Άρα αν οι υποκειμενικές μας πεποιθήσεις είναι συνεπείς με τον μαθηματικό ορισμό της πιθανότητας, αλλάζουν μόνο μέσω του ayesan Condtonalsaton και υπακούουν στο PP τότε Όπου είναι η πιθανοφάνεια του C στο Ε, την οποία παίρνουμε ίση με την αντικειμενική πιθανότητα να έρθει Ε του δεδομένου ότι το C είναι αληθής. Όμως εδώ δεν έχουμε κάποιον/ κάποια δύναμη να μας δείξει ως προς την πιθανότητα που μπορούμε να προσάψουμε στο, άρα θα θέσουμε κάτι τελείως υποκειμενικό. Από την ανάλυση αυτή βλέπουμε ότι χωρίς το partton του κόσμου σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις δεν μπορούν να εισέλθουν στον κόσμο των υποκειμενικών πεποιθήσεων οι αντικειμενικές πιθανότητες και άρα δεν πρόκειται να έχουμε σύγκλιση των πεποιθήσεων δύο ερευνητών με διαφορετικές αρχικές υποκειμενικές πεποιθήσεις. 4 Η ΑΠΑΙΤΗΣΗ ΟΡΘΟΛΟΓΙΚΟΤΗΤΑΣ Επομένως, προκειμένου να έχουμε σύγκλιση των δύο επιστημόνων δεν αρκούν μόνο οι τρεις απαιτήσεις της ορθολογικότητας, αλλά χρειαζόμαστε και μία τέταρτη, που θα είναι το parttonng του κόσμου σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις. Υπάρχουν δύο διαφορετικές περιπτώσεις ως προς την φύση του agent. Ο agent μπορεί να είναι ή επιστήμονας ή μη- επιστήμονας.. Επιστήμονας Αν είναι επιστήμονες, τότε παίρνουν και μία τρίτη απαίτηση, αυτή του Scentfc Knowledge. Βρίσκει ένα φαινόμενο το οποίο θέλει να ελέγξει, και χωρίζει τον κόσμο με βάση την επιστημονική του γνώση σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις όπου η κάθε μία συνεπάγεται μια αντικειμενική συνάρτηση κατανομής evdence. και σταδιακά συλλέγει Η διαδικασία που θα εφαρμόσει θα είναι ίδια με αυτή που παρουσιάστηκε παραπάνω.. Μη Επιστήμονας

13 Όταν δεν είναι επιστήμονες, τότε δεν γνωρίζουν πώς να χωρίσουν κατά επιστημονικό τρόπο τον χώρο σε αμοιβαίως αποκλειόμενες και πλήρεις υποθέσεις όπου η κάθε μία να συνεπάγεται μια αντικειμενική συνάρτηση κατανομής. 1) Scentfc Equvalence Η μία περίπτωση που θα μπορέσει να λύσει το ζήτημα της σύγκλισης είναι να κάνουν οι ίδιοι ένα parttonng του χώρου σε εμπειρία του. Σε αυτές πρέπει να υπάρχει ένα είναι η αληθής υπόθεση. ' j μη επιστημονικές υποθέσεις, που βασίζονται στην j τέτοιο ώστε ' Το scentfc equvalence θεωρεί ότι ο μη-επιστήμονας περνάει μέσα από μια διαδικασία learnng and adaptaton η οποία τον οδηγεί στη σωστή υπόθεση και βρίσκει την αντικειμενική κατανομή της. ' j όπου το Χρησιμοποιεί δηλαδή την ίδια διαδικασία με τον επιστήμονα, αλλά βασίζεται σε μη επιστημονικές υποθέσεις. Έτσι δύο διαφορικοί agents θα καταλήξουν στην ίδια αντικειμενική κατανομή, θα βρουν την αντικειμενική πιθανότητα που προσάπτει στο ενδεχόμενο C που ψάχνουν και την υιοθετούν λόγω το PP ως υποκειμενική. 2) Epstec Deference Εδώ, επειδή ο agent δεν είναι επιστήμονας, απευθύνεται σε έναν expert ο οποίος θα του πει ποια είναι η αντικειμενική πιθανότητα και αυτός θα την υιοθετήσει χωρίς δεύτερη σκέψη. Έτσι δύο διαφορετικοί agents θα καταλήξουν στην ίδια υποκειμενική πιθανότητα για το ενδεχόμενο που εξετάζουν.

14

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ Έστω ότι επιθυμούμε να μελετήσουμε ένα τυχαίο πείραμα με δειγματικό χώρο Ω και έστω η πιθανότητα να συμβεί ένα ενδεχόμενο Α Ω Υπάρχουν περιπτώσεις όπου ενώ δεν γνωρίζουμε

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.

ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }. ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος Το σύνολο των δυνατών αποτελεσμάτων λέγεται δειγματικός χώρος (sample space) και συμβολίζεται συνήθως με το γράμμα Αν δηλαδή ω,,, ω2 ωκ είναι τα δυνατά αποτελέσματα ενός πειράματος

Διαβάστε περισσότερα

Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Conditional Probability)

Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Conditional Probability) Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Condtonal robablty) Συχνά μας ενδιαφέρει η συσχέτισή 2 ενδεχομένων Α και Β, δηλ. να δούμε το κατά πόσο η γνώση του ενός από τα δύο (π.χ. Β) επηρεάζει τη πιθανότητα

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΝΝΟΙΑ ΠΙΘΑΝΟΤΗΤΑΣ Μαθηματική περιγραφή συστημάτων με αβεβαιότητα Παραδείγματα από την οργάνωση παραγωγής Διάρκεια παραγωγής προϊόντων

Διαβάστε περισσότερα

Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.

Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017. HY118-Διακριτά Μαθηματικά Τρίτη, 02/05/2017 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 04-May-17 1 1 04-May-17 2 2 Γιατί πιθανότητες; Γιατί πιθανότητες; Στον προτασιακό και κατηγορηματικό

Διαβάστε περισσότερα

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

Διαβάστε περισσότερα

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6.1 Το Πρόβλημα του Ελέγχου Υποθέσεων Ενός υποθέσουμε ότι μία φαρμακευτική εταιρεία πειραματίζεται πάνω σε ένα νέο φάρμακο για κάποια ασθένεια έχοντας ως στόχο, τα πρώτα θετικά

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

Διαβάστε περισσότερα

Στοχαστικές Στρατηγικές

Στοχαστικές Στρατηγικές Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο

Διαβάστε περισσότερα

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα

Διαβάστε περισσότερα

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης 1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από

Διαβάστε περισσότερα

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)

P (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 περισσότερα

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες Πινάκες συνάφειας εξερεύνηση σχέσεων μεταξύ τυχαίων μεταβλητών. Είναι λογικό λοιπόν, στην ανάλυση των κατηγορικών δεδομένων να μας ενδιαφέρει η σχέση μεταξύ δύο ή περισσότερων κατηγορικών μεταβλητών. Έστω

Διαβάστε περισσότερα

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21 ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Γραμμικός Προγραμματισμός Μέθοδος Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση

Διαβάστε περισσότερα

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΗ ΛΟΓΙΚΗ ΚΑΙ ΑΠΟΔΕΙΞΗ

ΜΑΘΗΜΑΤΙΚΗ ΛΟΓΙΚΗ ΚΑΙ ΑΠΟΔΕΙΞΗ ΜΑΘΗΜΑΤΙΚΗ ΛΟΓΙΚΗ ΚΑΙ ΑΠΟΔΕΙΞΗ Περιεχόμενα : Α) Προτάσεις-Σύνθεση προτάσεων Β)Απόδειξη μιας πρότασης Α 1 ) Τι είναι πρόταση Β 1 ) Βασικές έννοιες Α ) Συνεπαγωγή Β ) Βασικές μέθοδοι απόδειξης Α 3 ) Ισοδυναμία

Διαβάστε περισσότερα

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΑΛΓΕΒΡΑ - Α ΛΥΚΕΙΟΥ ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Επιμέλεια: Παπαδόπουλος Παναγιώτης Πείραμα τύχης 1 η δραστηριότητα Ρίξτε ένα κέρμα 5 φορές και καταγράψτε την πάνω όψη του: 1 η ρίψη:, 2 η ρίψη:, 3 η ρίψη:

Διαβάστε περισσότερα

ΦΥΣΙΚΗ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ

ΦΥΣΙΚΗ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΦΥΣΙΚΗ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ Διατήρηση Ορμής Επιμέλεια: ΑΓΚΑΝΑΚΗΣ A.ΠΑΝΑΓΙΩΤΗΣ, Φυσικός htt://hyiccore.wordre.co/ Βασικές Έννοιες Μέχρι τώρα έχουμε ασχοληθεί με την μελέτη ενός σώματος και μόνο. Πλέον

Διαβάστε περισσότερα

ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ

ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ Tel.: +30 2310998051, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής 541 24 Θεσσαλονίκη Καθηγητής Γεώργιος Θεοδώρου Ιστοσελίδα: http://users.auth.gr/theodoru ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 6: Πιθανότητες Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,

Διαβάστε περισσότερα

Λύσεις 1ης Ομάδας Ασκήσεων

Λύσεις 1ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ. Ισότητα συνόλων Έστω C = A i= B i και D = i= A B i. Θα αποδείξουμε ότι τα C, D ταυτίζονται,

Διαβάστε 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

ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α

ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» - 6/2/2014 Διάρκεια Εξέτασης: 2 ώρες και 50 λεπτά Ομάδα Α 1. (2.5 μονάδες) Ο κ. Ζούπας παρέλαβε μία μυστηριώδη τσάντα από το ταχυδρομείο. Όταν

Διαβάστε περισσότερα

Από το Γυμνάσιο στο Λύκειο... 7. 3. Δειγματικός χώρος Ενδεχόμενα... 42 Εύρεση δειγματικού χώρου... 46

Από το Γυμνάσιο στο Λύκειο... 7. 3. Δειγματικός χώρος Ενδεχόμενα... 42 Εύρεση δειγματικού χώρου... 46 ΠEΡΙΕΧΟΜΕΝΑ Από το Γυμνάσιο στο Λύκειο................................................ 7 1. Το Λεξιλόγιο της Λογικής.............................................. 11. Σύνολα..............................................................

Διαβάστε περισσότερα

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΕΠΙΜΕΛΕΙΑ : ΓΕΡΓΙΟΣ Ε. ΚΑΡΑΦΕΡΗΣ ΠΕ03 ΜΑΘΗΜΑΤΙΚΟΣ [] ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΡΙΑ: Πείραμα Τύχης Κάθε πείραμα κατά στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως

Διαβάστε περισσότερα

B A B A A 1 A 2 A N = A i, i=1. i=1

B A B A A 1 A 2 A N = A i, i=1. i=1 Κεφάλαιο 2 Χώρος πιθανότητας και ενδεχόμενα 2.1 Προκαταρκτικά Εστω ότι κάποιος μας προτείνει να του δώσουμε δυόμισι ευρώ για να παίξουμε το εξής παιχνίδι: Θα στρίβουμε ένα νόμισμα μέχρι την πρώτη φορά

Διαβάστε περισσότερα

1 Arq thc Majhmatik c Epagwg c

1 Arq thc Majhmatik c Epagwg c Μαθηματικός Λογισμός Ι Φθινόπωρο 0 Σημειώσεις 7-0- Μ. Ζαζάνης Arq thc Majhati c Epagwg c Θα συμβολίζουμε το σύνολο των ϕυσικών αριθμών, {,,,...} με το σύμβολο N. Το σύνολο των ϕυσικών αριθμών, συμπεριλαμβανομένου

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 7: Ανεξάρτητα ενδεχόμενα Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηματικών, ο οποίος παρουσιάζει πολλά ιδιαίτερα χαρακτηριστικά στοιχεία. Επειδή η ιδιαιτερότητα

Διαβάστε περισσότερα

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ Πιθανότητες και Αρχές Στατιστικής (3η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 38 Περιεχόμενα

Διαβάστε περισσότερα

Πεδίο δύναμης και ελατήριο.

Πεδίο δύναμης και ελατήριο. Πεδίο δύναμης και ελατήριο. Στην προηγούμενη τοποθέτησή μου, με τίτλο «Τα μαθηματικά και το διάβασμά τους, παρέα με τη φύση.» είχα περιλάβει το παρακάτω απόσπασμα: Ας πάρουμε το παράδειγμα των δύο ελατηρίων,

Διαβάστε περισσότερα

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ 3ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 3ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο 2 Πιθανότητες Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 2-2 2 Πιθανότητες Χρησιμοποιώντας την Στατιστική Βασικοί ορισμοί: Ενδεχόμενα, Δειγματικός χώρος και Πιθανότητες

Διαβάστε περισσότερα

Δειγματοληψία στην Ερευνα. Ετος

Δειγματοληψία στην Ερευνα. Ετος ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)

Διαβάστε περισσότερα

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)

Pr(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 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

Κατ οίκον Εργασία 1 Σκελετοί Λύσεων

Κατ οίκον Εργασία 1 Σκελετοί Λύσεων ΕΠΛ 1 Δομές Δεδομένων και Αλγόριθμοι Σεπτέμβριος 009 Κατ οίκον Εργασία 1 Σκελετοί Λύσεων Άσκηση 1 Αρχικά θα πρέπει να υπολογίσουμε τον αριθμό των πράξεων που μπορεί να εκτελέσει ο υπολογιστής σε μια ώρα,

Διαβάστε περισσότερα

ΠΡΟΔΙΑΓΡΑΦΕΣ - ΟΔΗΓΙΕΣ ΔΙΑΜΟΡΦΩΣΗΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ

ΠΡΟΔΙΑΓΡΑΦΕΣ - ΟΔΗΓΙΕΣ ΔΙΑΜΟΡΦΩΣΗΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΠΡΟΔΙΑΓΡΑΦΕΣ - ΟΔΗΓΙΕΣ ΔΙΑΜΟΡΦΩΣΗΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ Μαθηματικά (Άλγεβρα - Γεωμετρία) Α ΤΑΞΗ ΗΜΕΡΗΣΙΟΥ και Α, Β ΤΑΞΕΙΣ ΕΣΠΕΡΙΝΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ Α ΤΑΞΗ ΗΜΕΡΗΣΙΟΥ και Α ΤΑΞΗ ΕΣΠΕΡΙΝΟΥ ΕΠΑΛ ΚΕΝΤΡΙΚΗ

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν

Διαβάστε περισσότερα

Πρόταση. Αληθείς Προτάσεις

Πρόταση. Αληθείς Προτάσεις Βασικές έννοιες της Λογικής 1 Πρόταση Στην καθημερινή μας ομιλία χρησιμοποιούμε εκφράσεις όπως: P1: «Καλή σταδιοδρομία» P2: «Ο Όλυμπος είναι το ψηλότερο βουνό της Ελλάδας» P3: «Η Θάσος είναι το μεγαλύτερο

Διαβάστε περισσότερα

Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την

Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την Μαθηματικά Πληροφορικής 8ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε

Διαβάστε 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

Αναγνώριση Προτύπων (Pattern Recognition) Μπεϋζιανή Θεωρία Αποφάσεων (Bayesian Decision Theory) Π. Τσακαλίδης

Αναγνώριση Προτύπων (Pattern Recognition) Μπεϋζιανή Θεωρία Αποφάσεων (Bayesian Decision Theory) Π. Τσακαλίδης Αναγνώριση Προτύπων (Pattern Recognton Μπεϋζιανή Θεωρία Αποφάσεων (Bayesan Decson Theory Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Μπεϋζιανή Θεωρία Αποφάσεων (Bayes Decson theory Στατιστικά

Διαβάστε περισσότερα

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

τα βιβλία των επιτυχιών

τα βιβλία των επιτυχιών Τα βιβλία των Εκδόσεων Πουκαμισάς συμπυκνώνουν την πολύχρονη διδακτική εμπειρία των συγγραφέων μας και αποτελούν το βασικό εκπαιδευτικό υλικό που χρησιμοποιούν οι μαθητές των φροντιστηρίων μας. Μέσα από

Διαβάστε περισσότερα

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ . ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ. Μέγιστα και Ελάχιστα Συναρτήσεων Χωρίς Περιορισμούς Συναρτήσεις μιας Μεταβλητής Εστω f ( x) είναι συνάρτηση μιας μόνο μεταβλητής. Εστω επίσης ότι x είναι ένα σημείο στο πεδίο ορισμού

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 στο

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

0x2 = 2. = = δηλαδή η f δεν. = 2. Άρα η συνάρτηση f δεν είναι συνεχής στο [0,3]. Συνεπώς δεν. x 2. lim f (x) = lim (2x 1) = 3 και x 2 x 2

0x2 = 2. = = δηλαδή η f δεν. = 2. Άρα η συνάρτηση f δεν είναι συνεχής στο [0,3]. Συνεπώς δεν. x 2. lim f (x) = lim (2x 1) = 3 και x 2 x 2 ΚΕΦΑΛΑΙΟ ο: ΣΥΝΑΡΤΗΣΕΙΣ - ΟΡΙΟ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ ΕΝΟΤΗΤΑ 8: ΘΕΩΡΗΜΑ BOLZANO - ΠΡΟΣΗΜΟ ΣΥΝΑΡΤΗΣΗΣ - ΘΕΩΡΗΜΑ ΕΝΔΙΑΜΕΣΩΝ ΤΙΜΩΝ - ΘΕΩΡΗΜΑ ΜΕΓΙΣΤΗΣ ΚΑΙ ΕΛΑΧΙΣΤΗΣ ΤΙΜΗΣ - ΣΥΝΟΛΟ ΤΙΜΩΝ ΣΥΝΕΧΟΥΣ ΣΥΝΑΡΤΗΣΗΣ

Διαβάστε περισσότερα

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ.Καρτάλη 8 Βόλος Τηλ. 43598 ΠΊΝΑΚΑΣ ΠΕΡΙΕΧΟΜΈΝΩΝ 3. Η ΕΝΝΟΙΑ ΤΗΣ ΠΑΡΑΓΩΓΟΥ... 5 ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ...

Διαβάστε περισσότερα

Τι είδαμε την προηγούμενη φορά

Τι είδαμε την προηγούμενη φορά HY8-Διακριτά Μαθηματικά Πέμπτη, 04/05/207 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mal: argyros@csd.uoc.gr 04-May-7 04-May-7 2 2 Τι είδαμε την προηγούμενη φορά Μίατυχαία μεταβλητήvείναι κάθε μεταβλητή η

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ΤΟ ΔΙΩΝΥΜΙΚΟ ΘΕΩΡΗΜΑ

ΚΕΦΑΛΑΙΟ 3 ΤΟ ΔΙΩΝΥΜΙΚΟ ΘΕΩΡΗΜΑ ΚΕΦΑΛΑΙΟ 3 ΤΟ ΔΙΩΝΥΜΙΚΟ ΘΕΩΡΗΜΑ Εισαγωγή Οι αριθμοί που εκφράζουν το πλήθος των στοιχείων ανά αποτελούν ίσως τους πιο σημαντικούς αριθμούς της Συνδυαστικής και καλούνται διωνυμικοί συντελεστές διότι εμφανίζονται

Διαβάστε περισσότερα

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }.

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }. 3 ΠΙΘΑΝΟΤΗΤΕΣ 3.1 ΔΕΙΓΜΑΤΙΚΟΣ ΧΡΟΣ - ΕΝΔΕΧΟΜΕΝΑ Πείραμα Τύχης Ένα πείραμα του οποίου δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνεται φαινομενικά τουλάχιστον κάτω από

Διαβάστε περισσότερα

Η Διωνυμική Κατανομή. μαθηματικών. 2 Ο γονότυπος μπορεί να είναι ΑΑ, Αα ή αα.

Η Διωνυμική Κατανομή. μαθηματικών. 2 Ο γονότυπος μπορεί να είναι ΑΑ, Αα ή αα. Η Διωνυμική Κατανομή Η Διωνυμική κατανομή συνδέεται με ένα πολύ απλό πείραμα τύχης. Ίσως το απλούστερο! Πρόκειται για τη δοκιμή Bernoulli, ένα πείραμα τύχης με μόνο δύο, αμοιβαίως αποκλειόμενα, δυνατά

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 19 Οκτωβρίου 2009 ΑΞΙΩΜΑΤΙΚΗ ΘΕΜΕΛΙΩΣΗ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Εστω Ω δειγµατικός χώρος στοχαστικού (τυχαίου) πειράµατος (ή ϕαινοµένου).

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

#(A B) = (#A)(#B). = 2 6 = 1/3,

#(A B) = (#A)(#B). = 2 6 = 1/3, Κεφάλαιο 4 Πιθανότητες και συνδυαστική Οπως είδαμε σε κάποια παραδείγματα των προηγουμένων κεφαλαίων, συχνά συναντάμε καταστάσεις όπου όλες οι δυνατές εκφάνσεις ενός τυχαίου πειράματος έχουν την ίδια πιθανότητα.

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 1 η : Βασικές Έννοιες Πιθανότητας Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ. Άδειες

Διαβάστε περισσότερα

τι είναι αυτό που κάνει κάτι αληθές; τι κριτήρια έχουμε, για να κρίνουμε πότε κάτι είναι αληθές;

τι είναι αυτό που κάνει κάτι αληθές; τι κριτήρια έχουμε, για να κρίνουμε πότε κάτι είναι αληθές; ΤΙ ΕΙΝΑΙ Η ΑΛΗΘΕΙΑ; τι είναι αυτό που κάνει κάτι αληθές; τι κριτήρια έχουμε, για να κρίνουμε πότε κάτι είναι αληθές; ποια είναι η σχέση των πεποιθήσεών μας με την πραγματικότητα, για να είναι αληθείς και

Διαβάστε περισσότερα

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΜΣ στη «Ναυτιλία» Τμήμα Β art time Χαράλαμπος Ευαγγελάρας hevangel@unipi.gr Η έννοια της Πιθανότητας Ο όρος πιθανότητα είναι συνδέεται άμεσα με τη μελέτη

Διαβάστε περισσότερα

Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου. One-Sample t-test

Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου. One-Sample t-test 1 Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου One-Sample t-test 2 Μια σύντομη αναδρομή Στα τέλη του 19 ου αιώνα μια μεγάλη αλλαγή για την επιστήμη ζυμώνονταν στην ζυθοποιία Guinness. Ο William Gosset

Διαβάστε περισσότερα

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Πέτρος Ρούσσος, Τμήμα Ψυχολογίας, ΕΚΠΑ Η λογική της διαδικασίας Ο σάκος περιέχει έναν μεγάλο αλλά άγνωστο αριθμό (αρκετές χιλιάδες) λευκών και μαύρων βόλων: 1 Το

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

Ορισμός της Πιθανότητας (Ι)

Ορισμός της Πιθανότητας (Ι) Ορισμός της Πιθανότητας (Ι) Κλασσικός Ορισμός Πιθανότητα ενδεχομένου Α ( ) N( ) N ( ) Ν(Α): πλήθος ευνοϊκών αποτελεσμάτων του ενδεχ. Α Ν(Ω): πλήθος συνολικών αποτελεσμάτων του δ.χ. Ω Περιορισμοί: - μόνο

Διαβάστε περισσότερα

να είναι παραγωγίσιμη Να ισχύει ότι f Αν μια από τις τρεις παραπάνω συνθήκες δεν ισχύουν τότε δεν ισχύει και το θεώρημα Rolle.

να είναι παραγωγίσιμη Να ισχύει ότι f Αν μια από τις τρεις παραπάνω συνθήκες δεν ισχύουν τότε δεν ισχύει και το θεώρημα Rolle. Κατηγορία η Συνθήκες θεωρήματος Rolle Τρόπος αντιμετώπισης:. Για να ισχύει το θεώρημα Rolle για μια συνάρτηση σε ένα διάστημα [, ] (δηλαδή για να υπάρχει ένα τουλάχιστον (, ) τέτοιο ώστε ( ) ) πρέπει:

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 2:Στοιχεία Μαθηματικής Λογικής Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

Τι είδαμε την προηγούμενη φορά

Τι είδαμε την προηγούμενη φορά HY118-Διακριτά Μαθηματικά Παρασκευή, 04/05/2018 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mal: argyros@csd.uoc.gr 07-May-18 1 1 07-May-18 2 2 Τι είδαμε την προηγούμενη φορά Μίατυχαία μεταβλητήvείναι κάθε

Διαβάστε περισσότερα

Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες

Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες Στατιστική Περιγραφή Φυσικού Μεγέθους - Πιθανότητες Είπαμε ότι γενικά τα συστηματικά σφάλματα που υπεισέρχονται σε μια μέτρηση ενός φυσικού μεγέθους είναι γενικά δύσκολο να επισημανθούν και να διορθωθούν.

Διαβάστε περισσότερα

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 σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ΑΚΟΛΟΥΘΙΕΣ ΑΡΙΘΜΗΤΙΚΗ ΓΕΩΜΕΤΡΙΚΗ ΠΡΟΟΔΟΣ

ΚΕΦΑΛΑΙΟ 5 ΑΚΟΛΟΥΘΙΕΣ ΑΡΙΘΜΗΤΙΚΗ ΓΕΩΜΕΤΡΙΚΗ ΠΡΟΟΔΟΣ ΑΛΓΕΒΡΑ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 5 ΑΚΟΛΟΥΘΙΕΣ ΑΡΙΘΜΗΤΙΚΗ ΓΕΩΜΕΤΡΙΚΗ ΠΡΟΟΔΟΣ ΓΙΑΝΝΗΣ ΠΑΤΕΡΑΣ ΜΑΘΗΜΑΤΙΚΟΣ ΑΛΓΕΒΡΑ Β ΛΥΚΕΙΟΥ ΑΚΟΛΟΥΘΙΕΣ ΚΕΦΑΛΑΙΟ 5 ΑΡΙΘΜΗΤΙΚΗ ΠΡΟΟΔΟΣ ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Ακολουθία ονομάζουμε

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων.

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων. Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 207-8 Λύσεις του τέταρτου φυλλαδίου ασκήσεων 2 2 = 8 Ίδια Ρίχνουμε ένα νόμισμα τρεις φορές και θεωρούμε το ενδεχόμενο να προκύψουν και οι δυο όψεις του νομίσματος καθώς

Διαβάστε περισσότερα

ΣΤ ΕΝΟΤΗΤΑ. Βασικές έννοιες των συναρτήσεων. ΣΤ.1 (6.1 παρ/φος σχολικού βιβλίου) ΣΤ.2 (6.2 παρ/φος σχολικού βιβλίου)

ΣΤ ΕΝΟΤΗΤΑ. Βασικές έννοιες των συναρτήσεων. ΣΤ.1 (6.1 παρ/φος σχολικού βιβλίου) ΣΤ.2 (6.2 παρ/φος σχολικού βιβλίου) ΣΤ ΕΝΟΤΗΤΑ Βασικές έννοιες των συναρτήσεων ΣΤ. (6. παρ/φος σχολικού βιβλίου) Η έννοια της συνάρτησης ΣΤ. (6. παρ/φος σχολικού βιβλίου) Γραφική παράσταση συνάρτησης ΣΤ.3 (6.3 παρ/φος σχολικού βιβλίου) Η

Διαβάστε περισσότερα

Μαθηματικά: Αριθμητική και Άλγεβρα. Μάθημα 3 ο, Τμήμα Α. Τρόποι απόδειξης

Μαθηματικά: Αριθμητική και Άλγεβρα. Μάθημα 3 ο, Τμήμα Α. Τρόποι απόδειξης Μαθηματικά: Αριθμητική και Άλγεβρα Μάθημα 3 ο, Τμήμα Α Ο πυρήνας των μαθηματικών είναι οι τρόποι με τους οποίους μπορούμε να συλλογιζόμαστε στα μαθηματικά. Τρόποι απόδειξης Επαγωγικός συλλογισμός (inductive)

Διαβάστε περισσότερα

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Άσκηση 1 α) Η δομή σταθμισμένης ένωσης με συμπίεση διαδρομής μπορεί να τροποποιηθεί πολύ εύκολα ώστε να υποστηρίζει τις

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 2 η : Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες. Γεώργιος Ζιούτας Τμήμα

Διαβάστε περισσότερα

Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο

Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται η ιδέα του συμπτωτικού πολυωνύμου, του πολυωνύμου, δηλαδή, που είναι του μικρότερου δυνατού βαθμού και που, για συγκεκριμένες,

Διαβάστε περισσότερα

Από το Γυμνάσιο στο Λύκειο Δειγματικός χώρος Ενδεχόμενα Εύρεση δειγματικού χώρου... 46

Από το Γυμνάσιο στο Λύκειο Δειγματικός χώρος Ενδεχόμενα Εύρεση δειγματικού χώρου... 46 ΠEΡΙΕΧΟΜΕΝΑ Από το Γυμνάσιο στο Λύκειο................................................ 7 1. Το Λεξιλόγιο της Λογικής.............................................. 11 2. Σύνολα..............................................................

Διαβάστε περισσότερα

Διαγώνισμα Προσομοίωσης Εξετάσεων 2017

Διαγώνισμα Προσομοίωσης Εξετάσεων 2017 Ένα διαγώνισμα προετοιμασίας για τους μαθητές της Γ Λυκείου στα Μαθηματικά Προσανατολισμού Διαγώνισμα Προσομοίωσης Εξετάσεων 7 Μαθηματικά Προσανατολισμού Γ Λυκείου Κων/νος Παπασταματίου Μαθηματικός Φροντιστήριο

Διαβάστε περισσότερα

Α) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn.

Α) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn. Άσκηση 1 Α) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn. B) Αν ( ), ( ), ( ), να εκφράσετε τις πιθανότητες

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@fme.aegean.gr Τηλ: 7035468 σ-άλγεβρα

Διαβάστε περισσότερα

1.1. Διαφορική Εξίσωση και λύση αυτής

1.1. Διαφορική Εξίσωση και λύση αυτής Εισαγωγή στις συνήθεις διαφορικές εξισώσεις 9 Διαφορική Εξίσωση και λύση αυτής Σε ότι ακολουθεί με τον όρο συνάρτηση θα εννοούμε μια πραγματική συνάρτηση μιας πραγματικής μεταβλητής, ορισμένη σε ένα διάστημα

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

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή: Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version ) 2001

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version ) 2001 ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version 17-4--2016) 2001 ΘΕΜΑ 1ο Α.1. Να αποδείξετε ότι για δύο ενδεχόμενα Α και Β ενός δειγματικού χώρου Ω ισχύει ότι: Ρ (Α Β) = Ρ (Α) Ρ (Α Β). Μονάδες 8,5 Απόδειξη: Επειδή τα ενδεχόμενα

Διαβάστε περισσότερα

Περιγραφική Ανάλυση ποσοτικών μεταβλητών

Περιγραφική Ανάλυση ποσοτικών μεταβλητών Περιγραφική Ανάλυση ποσοτικών μεταβλητών Στο data file Worldsales.sav (αρχείο υποθετικών πωλήσεων ανά ήπειρο και προϊόν) Analyze Descriptive Statistics Frequencies Επιλογή μεταβλητής Revenue Πατάμε στο

Διαβάστε περισσότερα

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων

Διαβάστε περισσότερα

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΚΑΙ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ (Α ΜΕΡΟΣ: ΣΥΝΑΡΤΗΣΕΙΣ) Επιμέλεια: Καραγιάννης Ιωάννης, Σχολικός Σύμβουλος Μαθηματικών

Διαβάστε περισσότερα

1.2 Δραστηριότητα: Εισαγωγή στο όριο ακολουθίας

1.2 Δραστηριότητα: Εισαγωγή στο όριο ακολουθίας .2 Δραστηριότητα: Εισαγωγή στο όριο ακολουθίας Θέμα της δραστηριότητας Αυτή η δραστηριότητα εισάγει στην έννοια του Ορίου Ακολουθίας. Δυο φύλλα εργασίας οδηγούν τους μαθητές στον ορισμό της σύγκλισης μηδενικής

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

εξισώσεις-ανισώσεις Μαθηματικά α λυκείου Φροντιστήρια Μ.Ε. ΠΑΙΔΕΙΑ σύνολο) στα Μαθηματικά, τη Φυσική αλλά και σε πολλές επιστήμες

εξισώσεις-ανισώσεις Μαθηματικά α λυκείου Φροντιστήρια Μ.Ε. ΠΑΙΔΕΙΑ σύνολο) στα Μαθηματικά, τη Φυσική αλλά και σε πολλές επιστήμες Με τον διεθνή όρο φράκταλ (fractal, ελλ. μορφόκλασμα ή μορφοκλασματικό σύνολο) στα Μαθηματικά, τη Φυσική αλλά και σε πολλές επιστήμες ονομάζεται ένα γεωμετρικό σχήμα που επαναλαμβάνεται αυτούσιο σε άπειρο

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ Μαθηματικά Σταύρος Παπαϊωάννου Ιούνιος 015 Τίτλος Μαθήματος Περιεχόμενα Χρηματοδότηση... Error! Bookmark not deined. Σκοποί Μαθήματος (Επικεφαλίδα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ ΚΕΦΑΛΑΙΟ ΔΙΑΤΑΞΕΙΣ ΜΕΤΑΘΕΣΕΙΣ ΣΥΝΔΥΑΣΜΟΙ Εισαγωγή. Οι σχηματισμοί που προκύπτουν με την επιλογή ενός συγκεκριμένου αριθμού στοιχείων από το ίδιο σύνολο καλούνται διατάξεις αν μας ενδιαφέρει η σειρά καταγραφή

Διαβάστε 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

V (F ) = {(u 1, u 2, u 3 ) P 2 K F (u 1, u 2, u 3 ) = 0}

V (F ) = {(u 1, u 2, u 3 ) P 2 K F (u 1, u 2, u 3 ) = 0} 1 Θεώρημα BEZOU T Ο δακτύλιος K[x 1,..., x n ] είναι περιοχή μονοσήμαντης ανάλυσης. Άρα κάθε πολυώνυμο f K[x 1,..., x n ] (που δεν είναι σταθερά, δηλαδή f / K) αναλύεται σε γινόμενο αναγώγων πολυωνύμων,

Διαβάστε περισσότερα

, για κάθε n N. και P είναι αριθμήσιμα.

, για κάθε n N. και P είναι αριθμήσιμα. ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΔΙΑΚΡΙΤA ΜΑΘΗΜΑΤΙΚΑ Διδάσκοντες: Δ.Φωτάκης Θ. Σούλιου η Γραπτή Εργασία Ημ/νια παράδοσης 5/4/8 Θέμα (Διαδικασίες Απαρίθμησης.

Διαβάστε περισσότερα