ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ
|
|
- Αμάλθεια Καλάρης
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ
2 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών μεταβλητών και παραμέτρων σε κατάλληλες διακριτές στιγμές κατά τη διάρκεια της προσομοίωσης. Μια ακολουθία από αριθμούς που παράγονται από κάποια πηγή θεωρείται τυχαία όταν ικανοποιούνται οι εξής δύο βασικές ιδιότητες: 1. Όλοι οι αριθμοί της ακολουθίας είναι ομοιόμορφα κατανεμημένοι στο πεδίο ορισμού τους.. Οι παραγόμενοι αριθμοί είναι στατιστικά ανεξάρτητοι. Η πρώτη ιδιότητα σημαίνει, ότι στην ακολουθία των αριθμών που παράγει η πηγή κάθε νέος αριθμός έχει την ίδια πιθανότητα να πάρει οποιαδήποτε τιμή μέσα στο πεδίο ορισμού της ακολουθίας. Η δεύτερη ιδιότητα σημαίνει, ότι κάθε παραγόμενος αριθμός είναι στατιστικά ανεξάρτητος από τους άλλους αριθμούς της ακολουθίας που έχουν ήδη εμφανιστεί και δεν επηρεάζει την σειρά εμφάνισης των επομένων αριθμών. Δηλαδή, δεν είναι δυνατόν να γίνει χρήση ιστορικών πληροφοριών έτσι ώστε να προβλεφθούν μελλοντικά στοιχεία της ακολουθίας. Γεννήτριες τυχαίων αριθμών Παραδείγματα μεθόδων δημιουργίας τυχαίων αριθμών είναι γνωστά από την αρχαιότητα ακόμα, όπως το ρίξιμο ζαριών, το μοίρασμα χαρτιών, η λοταρία κ.λ.π. Πολλές από τις μεθόδους αυτές χρησιμοποιούνται ακόμα και σήμερα είτε σε τυχερά παιχνίδια είτε σε κληρώσεις. Η πιο συνηθισμένη μέθοδος στις κληρώσεις είναι η τυχαία επιλογή μιας αριθμημένης σφαίρας μέσα από ένα καλά ανακατεμένο δοχείο. Η ρουλέτα είναι επίσης ένα κλασσικό παράδειγμα δημιουργίας τυχαίων αριθμών. Επίσης, είναι δυνατή η δημιουργία τυχαίων αριθμών και με ηλεκτρονικά μέσα όπως οι γεννήτριες λευκού θορύβου. Η γεννήτρια του λευκού θορύβου παράγει ηλεκτρονικό θόρυβο με την ίδια ισχύ σε όλες τις συχνότητες. Ο θόρυβος αυτός εισάγεται σε μια γεννήτρια παλμών, η οποία παράγει παλμούς όταν η ένταση του θορύβου είναι μεγαλύτερη από κάποια προκαθορισμένη τιμή. Τέλος, ένας μετρητής μετρά τους παλμούς που δημιουργήθηκαν σε κάποιο προκαθορισμένο χρονικό διάστημα. Ο αριθμός των παλμών είναι ο παραγόμενος τυχαίος αριθμός. Μια άλλη μέθοδος παραγωγής τυχαίων αριθμών με ηλεκτρονικά μέσα χρησιμοποιεί παλλόμενες ηλεκτρονικές λυχνίες για τη δημιουργία τυχαίων αριθμών με βάση τους παλμούς που δημιουργούνται σε ένα προκαθορισμένο χρονικό διάστημα. Τυχαίοι αριθμοί που έχουν δημιουργηθεί με παρόμοιες μεθόδους είναι διαθέσιμοι με τη μορφή πινάκων οι οποίοι μπορούν να εισαχθούν ως δεδομένα 64
3 σε ένα πρόγραμμα. Για παράδειγμα, η εταιρεία Rand Corporation (1955) δημιούργησε πίνακα με τυχαίους αριθμούς. Η χρήση όμως αυτών των πινάκων, παρά το γεγονός ότι είναι διαθέσιμοι σε ψηφιακή μορφή, δεν ενδείκνυται για δύο λόγους. Ο πρώτος είναι η αδυναμία αποθήκευσης των τεραστίων αυτών πινάκων στην περιορισμένη μνήμη ενός υπολογιστή, επειδή αυτό θα αποτελούσε σπατάλη πολύτιμων πόρων. Επίσης αν υποτεθεί ότι αποθηκεύονται σε σκληρούς δίσκους, η χαμηλή ταχύτητα πρόσβασης σε αυτούς θα καθιστούσε την προσομοίωση απαράδεκτα αργή. Ο δεύτερος λόγος είναι ότι σε πολλές προσομοιώσεις απαιτείται η δημιουργία πολύ περισσοτέρων από τυχαίων αριθμών, γιατί η επαναχρησιμοποίηση των ίδιων αριθμών θα προκαλούσε στατιστικά απαράδεκτη πόλωση στα αποτελέσματα. 3. Ψευδοτυχαίοι αριθμοί Σήμερα, για τους λόγους που αναφέρθηκαν παραπάνω, στην πράξη χρησιμοποιούνται αποκλειστικά σχεδόν, οι ηλεκτρονικοί υπολογιστές για τη δημιουργία τυχαίων αριθμών. Ο συνηθέστερος τρόπος παραγωγής είναι η χρησιμοποίηση μιας επαναληπτικής διαδικασίας, επειδή έχει το πλεονέκτημα να απασχολεί ελάχιστο τμήμα της μνήμης του υπολογιστή και τη δυνατότητα να παράγει τους τυχαίους αριθμούς με μεγάλη ταχύτητα. Ένα άλλο πλεονέκτημα της χρήσης των υπολογιστών, πολύ χρήσιμο σε συγκρίσεις εναλλακτικών λύσεων, είναι η δυνατότητα επανάληψης μιας σειράς τυχαίων αριθμών. Οι τυχαίοι αριθμοί που παράγονται από ένα ηλεκτρονικό υπολογιστή ονομάζονται ψευδοτυχαίοι, επειδή έχουν το μειονέκτημα σε κάποιο σημείο να κλείνει ο κύκλος παραγωγής τους και η εμφάνισή τους να συνεχίζεται σε δεύτερο κύκλο με την ίδια ακριβώς σειρά όπως στο πρώτο. Αυτό πάντως δεν επηρεάζει την γνησιότητα μιας προσομοίωσης όταν ο κύκλος είναι αρκετά μεγάλος, ώστε να μην εξαντλείται πριν τελειώσει η προσομοίωση. Μία γεννήτρια ψευδοτυχαίων αριθμών θα πρέπει να ικανοποιεί τις παρακάτω ιδιότητες: 1. Οι αριθμοί που παράγει πρέπει να είναι όσο το δυνατόν πιο ανεξάρτητοι μεταξύ τους. Στην ιδανική περίπτωση δεν πρέπει να υπάρχει αυτοσυσχέτιση μεταξύ τους. Δηλαδή για κάποιον που δεν γνωρίζει τον αλγόριθμο της επαναληπτικής διαδικασίας οι αριθμοί που γεννιόνται να είναι τυχαίοι.. Θα πρέπει να είναι γρήγορη και να μην απαιτεί μεγάλη υπολογιστική μνήμη. 3. Οι αριθμοί που παράγει θα πρέπει να έχουν μεγάλο κύκλο παραγωγής (περίοδος). 4. Θα πρέπει να έχει την δυνατότητα να αναπαράγει την ίδια ακολουθία αριθμών, ώστε να επαναλαμβάνεται η προσομοίωση του μοντέλου, για διαφορετικά εναλλακτικά σενάρια, στις ίδιες συνθήκες. 65
4 3.3 Γεννήτριες ψευδοτυχαίων αριθμών Στις επόμενες παραγράφους θα παρουσιάσουμε ορισμένες αντιπροσωπευτικές τεχνικές παραγωγής (γεννήτριες) ψευδοτυχαίων αριθμών Μέθοδος Μέσων Τετραγώνων Μια από τις πρώτες επαναληπτικές διαδικασίες που χρησιμοποιήθηκε για την παραγωγή ψευδοτυχαίων αριθμών είναι η μέθοδος του μέσων τετραγώνων. Στη μέθοδο αυτή, που προτάθηκε από τον Von Neuman το 194, κάθε νέος αριθμός της ακολουθίας των ψευδοτυχαίων παράγεται από τα ρ μεσαία ψηφία του τετραγώνου ενός ρ-ψήφιου αριθμού. Η μέθοδος ακολουθεί τα εξής βήματα: 1. Επιλέγουμε ένα ρ-ψήφιο αριθμό.. Το αριθμό αυτό τον υψώνουμε στο τετράγωνο και προσθέτουμε μηδενικά στα αριστερά του αριθμού, αν χρειάζονται για να γίνει ρ-ψήφιος αριθμός. 3. Τα ρ μεσαία ψηφία του αποτελούν τον επόμενο ψευδοτυχαίο αριθμό. 4. Επαναλαμβάνουμε τα βήματα και 3 για κάθε νέο ψευδοτυχαίο αριθμό που δημιουργούμε. Η μέθοδος των μέσων τετραγώνων, παρά την απλότητά της, δεν χρησιμοποιείται στην πράξη, γιατί παρουσιάζει αρκετά μειονεκτήματα. Μειονέκτημα της μεθόδου είναι ότι η ακολουθία των ψευδοτυχαίων που δημιουργείται επαναλαμβάνει τον εαυτό της με μικρή περίοδο, δηλαδή έχουμε σύντομα επανάληψη ψευδοτυχαίου αριθμού. Ένα άλλο μειονέκτημα της μεθόδου είναι η εμφάνιση του αριθμού 0 σε κάποια φάση της διαδικασίας, κάτι που όμως αντιμετωπίζεται με προγραμματισμένη αντικατάστασή του. Ας δούμε μερικά παραδείγματα της μεθόδου: i i i Η περίοδος της παραγόμενης ακολουθίας ψευδοτυχαίων αριθμών είναι 9. 66
5 i i i Η περίοδος της παραγόμενης ακολουθίας ψευδοτυχαίων αριθμών είναι Μέθοδος Μέσων Γινομένων Η μέθοδος αυτή μοιάζει με τη μέθοδο των μέσων τετραγώνων με τη μόνη διαφορά ότι κάθε νέος ψευδοτυχαίος αριθμός προκύπτει από τα μεσαία ρ ψηφία του γινομένου των δύο προηγούμενων ρ-ψήφιων αριθμών της ακολουθίας των ψευδοτυχαίων. Τα βήματα της μεθόδου είναι: 1. Αρχικά επιλέγουμε δύο ρ-ψήφιους αριθμούς.. Τους αριθμούς αυτούς τους πολλαπλασιάζουμε και προσθέτουμε στα αριστερά του γινομένου μηδενικά, αν χρειάζονται για να γίνει ρ-ψήφιος το γινόμενο. 3. Τα ρ μεσαία ψηφία του γινομένου αποτελούν τον επόμενο ψευδοτυχαίο αριθμό. 4. Πολλαπλασιάζουμε τον νέο ψευδοτυχαίο αριθμό με τον προηγούμενο αριθμό της ακολουθίας των ψευδοτυχαίων και επαναλαμβάνουμε το βήμα 3. Παράδειγμα: i i i i κ.λ.π. Η μέθοδος των μέσων γινομένων δεν εφαρμόζεται στη πράξη για παρόμοιους λόγους με τη μέθοδο των μέσων τετραγώνων. 67
6 3.3.3 Congruential Μέθοδοι Οι Congruential μέθοδοι που εισήγαγε πρώτος ο Lehmer (1951) είναι οι πιο ευρέως χρησιμοποιούμενες επαναληπτικές διαδικασίες γέννησης ψευδοτυχαίων αριθμών. Υπάρχουν τρεις τύποι congruential μεθόδων: Ο πολλαπλασιαστικός τύπος: n1 = (α n) mod m Ο μικτός τύπος: n1 = (α n c) mod m Ο προσθετικός (αθροιστικός) τύπος: n1 = (n n-1) mod m όπου α, c και m είναι σταθερές και 0 είναι η αρχική τιμή (seed) που χρησιμοποιείται για τη δημιουργία της ακολουθίας των ψευδοτυχαίων. Είναι προφανές ότι οι ψευδοτυχαίοι μπορούν να πάρουν τιμές μεταξύ 0 και m-1, δηλαδή 0 i m-1, αφού η πράξη (mod m) σημαίνει το υπόλοιπο της διαίρεσης με m και άρα δεν είναι δυνατόν να δώσει ποτέ αποτέλεσμα m. Επομένως οι congruential μέθοδοι μπορούν να δώσουν ψευδοτυχαίους αριθμούς μεταξύ 0 και 1, δηλαδή 0 ri 1, εάν θέσουμε ri = m i. Επίσης και σ αυτές τις επαναληπτικές διαδικασίες έχουμε ανακύκλωση, αλλά γίνονται αποδεκτές εφόσον ο κύκλος της ακολουθίας των ψευδοτυχαίων είναι μεγαλύτερος από την ακολουθία τυχαίων αριθμών που χρειαζόμαστε στην προσομοίωση. Στις επόμενες παραγράφους θα παρουσιάσουμε τους δύο πρώτους τύπους, δηλαδή των πολλαπλασιαστικό και τον μικτό Πολλαπλασιαστικός τύπος Είναι ο απλούστερος τύπος congruential μεθόδου: n1 = (α n) mod m. Για να υπάρξει μεγάλος κύκλος ψευδοτυχαίων αριθμών πρέπει να γίνει η κατάλληλη επιλογή των α, m και 0. Τα 0 και m πρέπει να πρώτοι αριθμοί μεταξύ τους. Κύκλος ψευδοτυχαίων με m τιμές δεν μπορεί να υπάρξει αφού η τιμή 0 δεν μπορεί να βρίσκεται στην ακολουθία των ψευδοτυχαίων. Άρα η μέγιστη δυνατή 6
7 περίοδος μιας ακολουθίας ψευδοτυχαίων που γεννιόνται με τον πολλαπλασιαστικό τύπο είναι m-1 αριθμοί. Επειδή οι congluential μέθοδοι χρησιμοποιούνται σε ηλεκτρονικούς υπολογιστές για να έχουν καλύτερα υπολογιστικά αποτελέσματα θα πρέπει το m να είναι δύναμη του, δηλαδή m = b. Έχει αποδειχτεί ότι η μέγιστη περίοδος ψευδοτυχαίων που παράγονται με τον πολλαπλασιαστικό τύπο, όταν m = b και ισχύουν οι συνθήκες: είναι ίση με b-. Παράδειγμα: ι) α mod = 3 ή 5 και ιι) 0 και m πρώτοι αριθμοί μεταξύ τους, Έστω m = 16 = 4, α = 5 (5 mod = 5) και 0 = 3, τότε έχουμε: i i 5i 5i mod Επομένως η περίοδος της παραγόμενης ακολουθίας των ψευδοτυχαίων είναι 4 = 4- = Μικτός τύπος Είναι ο γενικός τύπος της congruential μεθόδου: n1 = (α n c) mod m. Για να υπάρξει μεγάλος κύκλος ψευδοτυχαίων αριθμών πρέπει να γίνει η κατάλληλη επιλογή των α, c, m και 0. Και στον μικτό τύπο, για καθαρά υπολογιστικούς σκοπούς αφού η μέθοδος χρησιμοποιείται σε ηλεκτρονικούς υπολογιστές, πρέπει το m να είναι δύναμη του, δηλαδή m = b. Έχει αποδειχτεί ότι η μέγιστη περίοδος ακολουθίας ψευδοτυχαίων που παράγονται με τον μικτό τύπο, όταν m = b και ισχύουν οι συνθήκες: είναι ίση με m = b. ι) α mod 4 = 1 και ιι) c και m πρώτοι αριθμοί μεταξύ τους, 69
8 Παράδειγμα: Έστω m = = 3, α = 5 (5 mod 4 = 1), c = 3 και 0 = 3, τότε έχουμε: i i 5i 3 5i3 mod Επομένως η περίοδος της παραγόμενης ακολουθίας των ψευδοτυχαίων είναι = 3 = m. 3.4 Έλεγχος τυχαιότητας Στις προηγούμενες παραγράφους εξετάσαμε τρόπους με τους οποίους μπορούμε να δημιουργήσουμε ψευδοτυχαίους αριθμούς. Όπως είδαμε, οι αριθμοί αυτοί δεν μπορούν να είναι εντελώς τυχαίοι, αφού δεν δημιουργούνται τυχαία αλλά με μια επαναληπτική διαδικασία. Αυτό όμως που μας ενδιαφέρει είναι οι αριθμοί που παράγονται από τις επαναληπτικές διαδικασίες να έχουν τις στατιστικές ιδιότητες των τυχαίων αριθμών. Γι αυτό πριν χρησιμοποιήσουμε μια ακολουθία ψευδοτυχαίων αριθμών που δημιουργείται από μια επαναληπτική διαδικασία θα πρέπει να ελέγξουμε κατά πόσο αυτοί μπορούν να θεωρηθούν στατιστικώς τυχαίοι. Μια σειρά από στατιστικούς ελέγχους τυχαιότητας χρησιμοποιούνται για τον έλεγχο ψευδοτυχαίων αριθμών. Μερικούς από αυτούς θα τους παρουσιάσουμε στις επόμενες παραγράφους test Ο έλεγχος αυτός διατυπώθηκε από τον Karl Pearson το 1903, στηρίζεται στην Χ κατανομή και χρησιμοποιείται για τον έλεγχο της ομοιομορφίας. Με τον έλεγχο αυτό συγκρίνουμε τη συχνότητα των παρατηρούμενων δεδομένων με τη συχνότητα των αναμενόμενων δεδομένων σύμφωνα με μια θεωρητική κατανομή ως προς τη οποία γίνεται ο έλεγχος. Συγκεκριμένα ο K. Pearson απόδειξε ότι η μεταβλητή n 1 (O E ) όπου Ο = είναι τα παρατηρούμενα δεδομένα στο διάστημα (κλάση δεδομένων), E 70
9 Ε = είναι τα αναμενόμενα δεδομένα, σύμφωνα με τη θεωρητική κατανομή, στο διάστημα (κλάση δεδομένων), ακολουθεί την κατανομή Χ με ν = n-1-λ βαθμούς ελευθερίας. όπου n είναι ο αριθμός των κλάσεων (διαστημάτων) που χωρίζονται τα δεδομένα και λ είναι ο αριθμός των παραμέτρων της θεωρητικής κατανομής που πρέπει να εκτιμηθούν από τα στατιστικά δεδομένα. Αν = 0, τότε η παρατηρούμενη συχνότητα και η αναμενόμενη συμφωνούν απόλυτα, ενώ αν > 0 δεν συμφωνούν. Όσο μεγαλύτερη είναι η τιμή του, τόσο μεγαλύτερη είναι η ασυμφωνία ανάμεσα στη παρατηρούμενη και την αναμενόμενη συχνότητα. Αν > 0, τότε πρέπει να συγκρίνουμε την τιμή της μεταβλητής που υπολογίσαμε με εκείνες που δίνονται από τους πίνακες της κατανομής Χ για να αποφασίσουμε σε ορισμένο επίπεδο σημαντικότητας. Στην πράξη ελέγχουμε την υπόθεση ομοιομορφίας Η0 που λέει ότι δεν υπάρχει σημαντική διαφορά ανάμεσα στην παρατηρούμενη και στην αναμενόμενη συχνότητα δεδομένων, δηλαδή η παρατηρούμενη συχνότητα συμφωνεί με την αναμενόμενη. Αν κάτω από την υπόθεση αυτή η τιμή της μεταβλητής που υπολογίζουμε είναι μεγαλύτερη από τη κρίσιμη τιμή που δίνεται από τον πίνακα της Χ κατανομής σε ορισμένο επίπεδο σημαντικότητας και με τους κατάλληλους βαθμούς ελευθερίας, μπορούμε να συμπεράνουμε ότι η παρατηρούμενη συχνότητα διαφέρει σημαντικά από την αναμενόμενη σ αυτό το επίπεδο σημαντικότητας και έτσι απορρίπτεται η υπόθεση Η0. Βήματα ελέγχου -test: 1. Διατύπωσε την υπόθεση ομοιομορφίας Η0: η παρατηρούμενη συχνότητα συμφωνεί με την αναμενόμενη συχνότητα.. Καθόρισε το επίπεδο σημαντικότητας α: 5% ή 1%. 3. Υπολόγισε την τιμή της μεταβλητής χ σύμφωνα με τον τύπο (O E ) και καθόρισε τους αντίστοιχους βαθμούς ελευθερίας. E n 1 4. Σύγκρινε την τιμή της μεταβλητής που υπολογίσαμε με εκείνη που δίνεται από τους πίνακες της κατανομής Χ για επίπεδο σημαντικότητας α και με τους αντίστοιχους βαθμούς ελευθερίας. Ιδιότητες της Χ κατανομής 1. Έστω μια ακολουθία τυχαίων μεταβλητών Υ1, Υ,..., Υn που ακολουθούν την κανονική κατανομή με μέσο Ε(Υ) = μ και διασπορά Var(Y) = σ και Χ1, Χ,..., Χn οι αντίστοιχες τυποποιημένες τυχαίες μεταβλητές με μέσο Ε(Χ) = 0 και Y διασπορά Var(X) = 1, που δίνονται από τον τύπο: X i i. Τότε η μεταβλητή Χ1 Χ... Χn ακολουθεί την Χ κατανομή με συνάρτηση n n πυκνότητας πιθανότητας την f() e. n ( 1)! 71
10 . Έστω Χ1, Χ,..., Χk ακολουθία ανεξάρτητων μεταβλητών που ακολουθούν την Χ κατανομή με βαθμούς ελευθερίας n1, n,, nk. Τότε και η μεταβλητή Χ1 Χ... Χk ακολουθεί την Χ κατανομή με n1n nk βαθμούς ελευθερίας. Παράδειγμα 1ο Έστω ότι έχουμε την παρακάτω ακολουθία μονοψήφιων ψευδοτυχαίων αριθμών, 0,, 0, 1, 5,,, 9,, 6, 5,, 6, 7, 3,,, 6, 0, 6, 0,, 9, 1,, 9, 0, 9, 3, 7, 3,, 1, 4, 5, 7, 6, 9, 6, 9, 4, 5, 3, 5, 7, 9, 6, 4, 3, 6, 5,,, 9, 1, 0, 3,, 6, 6, 1, 5, 4, 7, 7, 1, 3, 9, 3,, 6, 1,, 6, 6, 5, 9, 0, 1, και θέλουμε να ελέγξουμε κατά πόσο μπορεί να θεωρηθούν στατιστικά τυχαίοι, δηλαδή εάν εμφανίζονται με περίπου ίδια συχνότητα. 1. Αρχικά θα ορίσουμε την υπόθεση ομοιομορφίας Η0: οι αριθμοί εμφανίζονται περίπου με την ίδια συχνότητα.. Στη συνέχεια ορίζουμε το επίπεδο σημαντικότητας. Έστω α = 5 % = (O 3. Μετά θα υπολογίσουμε τη μεταβλητή E ) από τον τύπο και E θα υπολογίσουμε τους βαθμούς ελευθερίας. n 1 Αφού οι αριθμοί είναι 0 και οι μονοψήφιοι αριθμοί 10 τότε αφού υποθέτουμε ότι οι ψευδοτυχαίοι εμφανίζονται με την ίδια συχνότητα η 0 αναμενόμενη συχνότητα για κάθε μονοψήφιο είναι Ε = =. 10 Στη συνέχεια μετράμε τις εμφανίσεις των μονοψήφιων αριθμών στην ακολουθία και έτσι έχουμε την παρατηρούμενη συχνότητα για κάθε μονοψήφιο, η οποία φαίνεται στο παρακάτω πίνακα. Μονοψήφιος αριθμός Παρατηρούμενη συχνότητα Ε Αναμενόμενη συχνότητα Ο 7
11 Αφού έχουν βρεθεί οι παρατηρούμενες και οι αναμενόμενες συχνότητες για κάθε μονοψήφιο αριθμό μπορούμε να χρησιμοποιήσουμε τον τύπο για τον υπολογισμό της μεταβλητής: (O E ) = E 10 1 (7 ) (13 ) ( ) (6 ) (6 ) (10 ) ( ) (10 ) (4 ) = 7. ( ) Εφόσον ο αριθμός των κλάσεων (οι μονοψήφιοι αριθμοί) στις οποίες χωρίσαμε την ακολουθία των ψευδοτυχαίων είναι 10, τότε οι βαθμοί ελευθερίας είναι ν = k 1 λ = = 9. Το λ είναι ίσο με 0 επειδή δεν χρειάσθηκε να εκτιμήσουμε καμία παράμετρο της θεωρητικής κατανομής. 4. Τέλος θα συγκρίνουμε την τιμή της μεταβλητής που υπολογίσαμε με εκείνη που δίνεται από τους πίνακες της κατανομής Χ για επίπεδο σημαντικότητας 0.05 και με 9 βαθμούς ελευθερίας. Από τους πίνακες της Χ κατανομής βρίσκουμε X X =16,7. (1 );ν = 0.95;9 Επειδή 7. < 16,9 η υπόθεση ομοιομορφίας Η0 δεν απορρίπτεται. Επομένως οι ψευδοτυχαίοι αριθμοί της παραπάνω ακολουθίας, στο επίπεδο σημαντικότητας 0.05, μπορούν θεωρηθούν ότι εμφανίζονται με την ίδια συχνότητα. Παράδειγμα ο Υπάρχουν 5 τμήματα φοιτητών του Τμήματος Μαθηματικών, στο μάθημα της Προσομοίωσης, με 50 φοιτητές το καθένα. Τα αποτελέσματα προηγούμενων ετών έχουν δείξει ότι συνήθως το 5 1 του κάθε τμήματος αποτυγχάνει στις τελικές εξετάσεις του μαθήματος. Τα αποτελέσματα της φετινή τελικής εξέτασης φαίνεται στο παρακάτω πίνακα: Τμήμα Αποτυχόντες Επιτυχόντες
12 Τα 5 τμήματα μπορούν να θεωρηθούν ως 5 ανεξάρτητα δείγματα που χωρίζονται σε κλάσεις (k = ), τους αποτυχόντες και τους επιτυχόντες. Έστω η υπόθεση ομοιομορφίας Η0: το 5 1 του κάθε τμήματος αποτυγχάνει στις τελικές εξετάσεις του μαθήματος. Ορίζουμε το επίπεδο σημαντικότητας α = Στη συνέχεια θα υπολογίσουμε τη μεταβλητή, σύμφωνα με τον τύπο, για κάθε τμήμα ξεχωριστά, καθώς και τους αντίστοιχους βαθμούς ελευθερίας. 1 = = 3 = 4 = 5 = ( 10) 10 (5 10) 10 (13 10) 10 (15 10) 10 (5 10) 10 (4 40) 40 (45 40) 40 (37 40) 40 (35 40) 40 (45 40) 40 = 0.5 και ν1 = k 1 λ = 1-0 = 1, = 3.1 και ν = k 1 λ = 1-0 = 1, = 1.1 και ν3 = k 1 λ = 1-0 = 1, = 3.1 και ν4 = k 1 λ = 1-0 = 1, = 3.1 και ν5 = k 1 λ = 1-0 = 1, Αφού οι μεταβλητές i είναι ανεξάρτητες, επειδή αντιστοιχούν σε ανεξάρτητα δείγματα, θα ελέγξουμε αν το άθροισμα τους = = 10.9 ακολουθεί την Χ κατανομή με βαθμούς ελευθερίας ν = ν1 ν ν3 ν4 ν5 = =5. Από τους πίνακες της Χ κατανομής, για επίπεδο σημαντικότητας 0.05 και για 5 βαθμούς ελευθερίας. βρίσκουμε X X =11.1. (1 );ν = 0.95;5 Επειδή 10.9 < 11.1 η υπόθεση ομοιομορφίας Η0 δεν απορρίπτεται. Επομένως μπορούμε να πούμε ότι με βάση και τα φετινά αποτελέσματα το 5 1 του κάθε τμήματος αποτυγχάνει στις τελικές εξετάσεις του μαθήματος της προσομοίωσης. 74
13 Η κυκλική ακολουθία 0, 1,..., 9, 0, 1,..., 9,..., 0, 1,..., 9 προφανώς δεν είναι ακολουθία τυχαίων αριθμών όμως περνάει τους έλεγχους συχνότητας όπως το -test. Για αυτό χρησιμοποιούνται άλλοι έλεγχοι οι οποίοι ελέγχουν την ανεξαρτησία των αριθμών (δεύτερη ιδιότητα τυχαίων αριθμών) ενώ οι έλεγχοι συχνότητας, όπως το -test ελέγχουν την ομοιόμορφη κατανομή (πρώτη ιδιότητα τυχαίων αριθμών). Σε όλους τους ελέγχους υπολογίζονται τα αναμενόμενα (θεωρητικά αποτελέσματα), υποθέτοντας τυχαιότητα, και συγκρίνονται με τα αντίστοιχα παρατηρούμενα. Στη συνέχεια θα παρουσιάσουμε περιληπτικά μερικούς τέτοιους ελέγχους Poker test Σ αυτό τον έλεγχο δημιουργούμε από τους ψευδοτυχαίους της ακολουθίας που θέλουμε να ελέγξουμε 5-άδες και υπολογίζουμε όλες τις παρατηρούμενες πεντάδες, ως εξής: Ο1: οι 5-άδες με όλα τα νούμερα διαφορετικά, Ο: οι 5-άδες με ένα ζευγάρι αριθμών και τρεις άλλους διαφορετικούς αριθμούς, Ο3: οι 5-άδες με δύο ζευγάρια αριθμών,] Ο4: οι 5-άδες με μια τριάδα και ένα ζευγάρι αριθμών, Ο5: οι 5-άδες με τετράδες αριθμών και ένα άλλο διαφορετικό αριθμό, Ο6: οι 5-άδες με όλους τους αριθμούς ίδιους. Στη συνέχεια με τη βοήθεια των πιθανοτήτων και της συνδυαστικής υπολογίζουμε τη πιθανότητα εμφάνισης αυτών των πεντάδων. Για παράδειγμα αν έχουμε μια ακολουθία μονοψήφιων ψευδοτυχαίων οι πιθανότητες αυτές είναι: f1: (αφού ο πρώτος αριθμός της πεντάδας γίνεται δεκτός με πιθανότητα 1, ο δεύτερος με πιθανότητα 0.9, ο τρίτος με πιθανότητα 0., ο τέταρτος με πιθανότητα 0.7 και ο πέμπτος με πιθανότητα 0.6, άρα f1 = = 0.304), f: , f3: 0.100, f4: 0.010, f5: , f6:
14 Αυτές τις πιθανότητες τις χρησιμοποιούμε για να υπολογίσουμε τις αναμενόμενες πεντάδες σύμφωνα με τον τύπο Ε = f n, = 1,,, 6 όπου n το πλήθος των δυνατών πεντάδων που σχηματίζονται από τους ψευδοτυχαίους. Τέλος χρησιμοποιείται το -test για να συγκρίνουμε τα αναμενόμενα με τα παρατηρούμενα αποτελέσματα Gap test Σε αυτό τον έλεγχο υπολογίζεται η κατανομή των αριθμών, δηλαδή το πλήθος των αριθμών, μέχρι την επανάληψη του ίδιου αριθμού στη ακολουθία των ψευδοτυχαίων. Στη συνέχεια χρησιμοποιείται το -test για να συγκριθούν τα αναμενόμενα με τα παρατηρούμενα αποτελέσματα Runs test Αυτός ο έλεγχος βασίζεται στις κατανομές του μήκους (πλήθος αριθμών) των προς τα άνω ή των προς τα κάτω διαδρομών (runs) στη ακολουθία των ψευδοτυχαίων. Π.χ. 1, 4,, 9: προς τα πάνω διαδρομή με μήκος 4 9, 6, 3: προς τα κάτω διαδρομή με μήκος 3. Στη συνέχεια χρησιμοποιείται το -test για να συγκριθούν τα αναμενόμενα με τα παρατηρούμενα αποτελέσματα. 76
Προσομοίωση Συστημάτων
Προσομοίωση Συστημάτων Παραγωγή τυχαίων αριθμών Άγγελος Ρούσκας Τυχαίοι αριθμοί και τυχαίες μεταβλητές Δεν έχει νόημα να αναφερόμαστε σε ένα τυχαίο αριθμό, αλλά σε ακολουθία τυχαίων αριθμών Οι τυχαίοι
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ TE Αρχές Ψηφιακών Συστημάτων Επικοινωνίας και Προσομοίωση Εαρινό Εξάμηνο Διάλεξη 3 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage:
Διαβάστε περισσότεραΗλεκτρονικοί Υπολογιστές IV
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ηλεκτρονικοί Υπολογιστές IV Τυχαίοι αριθμοί - ψευδοτυχαίοι αριθμοί Διδάσκων: Επίκουρος Καθηγητής Αθανάσιος Σταυρακούδης Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ Η μελέτη διαφόρων στοχαστικών φαινομένων μπορεί γενικά να γίνει χρησιμοποιώντας
ΕΙΣΑΓΩΓΗ Η μελέτη διαφόρων στοχαστικών φαινομένων μπορεί γενικά να γίνει χρησιμοποιώντας κυρίως τρεις μεθόδους:. Αναλυτικές Μέθοδοι: πραγματοποιείται κατάλληλη μαθηματική μοντελοποίηση του στοχαστικού
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ
Διαβάστε περισσότεραΔειγματοληψία. 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 περισσότεραΗ άσκηση μπορεί να γίνει με συνεργασία το πολύ δυο φοιτητών, οι οποίοι θα λάβουν τον ίδιο βαθμό στην εργασία.
Άσκηση #4 Η άσκηση μπορεί να γίνει με συνεργασία το πολύ δυο φοιτητών, οι οποίοι θα λάβουν τον ίδιο βαθμό στην εργασία. Βαθμολογούνται: 1. Η αποτελεσματική επίλυση του προβλήματος. Δηλ σωστή υλοποίηση
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότερα3.4.2 Ο Συντελεστής Συσχέτισης τ Του Kendall
3..2 Ο Συντελεστής Συσχέτισης τ Του Kendall Ο συντελεστής συχέτισης τ του Kendall μοιάζει με τον συντελεστή ρ του Spearman ως προς το ότι υπολογίζεται με βάση την τάξη μεγέθους των παρατηρήσεων και όχι
Διαβάστε περισσότεραΔειγματοληψία. 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 περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότερα5. Γεννήτριες Τυχαίων Αριθµών.
5. Γεννήτριες Τυχαίων Αριθµών. 5.1. Εισαγωγή. Στο Κεφάλαιο αυτό θα δούµε πώς µπορούµε να δηµιουργήσουµε τυχαίους αριθµούς από την οµοιόµορφη κατανοµή στο διάστηµα [0,1]. Την κατανοµή αυτή, συµβολίζουµε
Διαβάστε περισσότερα5. Έλεγχοι Υποθέσεων
5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος
Διαβάστε περισσότεραΣτοχαστικές 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 περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Value at Risk (VaR) και Expected Shortfall
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Value at Risk (VaR) και Expected Shortfall Ορισμός του VaR VaR, Value at Risk, Αξία σε Κίνδυνο. Η JP Morgan εισήγαγε την χρήση του. Μας δίνει σε ένα μόνο νούμερο, την
Διαβάστε περισσότεραΚεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων
Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Copyright 2009 Cengage Learning 8.1 Συναρτήσεις Πυκνότητας Πιθανοτήτων Αντίθετα με τη διακριτή τυχαία μεταβλητή που μελετήσαμε στο Κεφάλαιο 7, μια συνεχής τυχαία
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Χ 2 test ανεξαρτησίας: σχέση 2 ποιοτικών μεταβλητών
Διαβάστε περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
Διαβάστε περισσότεραΤυχαίοι Αριθμοί. (Random Numbers) Προσομοίωση Βιομηχανικής Παραγωγής & Επιχειρήσεων
Τυχαίοι Αριθμοί (Random Numbers) Προσομοίωση Βιομηχανικής Παραγωγής & Επιχειρήσεων ΚΕΦ. 3 Μοντελοποίηση Τυχαίοι Αριθμοί Διαγράμματα Επαλήθευση Ανάλυση Αποτελεσμάτων ΣΗΜΑΣΙΑ-ΧΡΗΣΗ ΤΥΧΑΙΩΝ ΑΡΙΘΜΩΝ η προσομοίωση
Διαβάστε περισσότερα5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling)
5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling) Συχνά, είναι ταχύτερη και ευκολότερη η επιλογή των μονάδων του πληθυσμού, αν αυτή γίνεται από κάποιο κατάλογο ξεκινώντας από κάποιο τυχαίο αρχικό σημείο
Διαβάστε περισσότεραn ίδια n διαφορετικά n n 0 n n n 1 n n n n 0 4
Διακριτά Μαθηματικά Ι Επαναληπτικό Μάθημα 1 Συνδυαστική 2 Μεταξύ 2n αντικειμένων, τα n είναι ίδια. Βρείτε τον αριθμό των επιλογών n αντικειμένων από αυτά τα 2n αντικείμενα. Μεταξύ 3n + 1 αντικειμένων τα
Διαβάστε περισσότεραGutenberg
Διακριτά Μαθηματικά * Διδάσκων: Χ. Μπούρας (bouras@cti.gr) Φροντιστήριο: Α. Κόλλια (akollia@ceid.upatras.gr) * Οι διαφάνειες (πλην αυτών για τις σχέσεις αναδρομής) έχουν παραχθεί από τη Δρ. Ε. Παπαϊωάννου,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Διαβάστε περισσότερα5.1 Ο ΕΛΕΓΧΟΣ SMIRNOV
5. Ο ΕΛΕΓΧΟΣ SMIRNOV Έστω δύο ανεξάρτητα τυχαία δείγματα, 2,..., n και, 2,..., m n και m παρατηρήσεων πάνω στις τυχαίες μεταβλητές και, αντίστοιχα. Έστω, επίσης, ότι F (), (, ) και F (y), y (, ) είναι
Διαβάστε περισσότερα3. Προσομοίωση ενός Συστήματος Αναμονής.
3. Προσομοίωση ενός Συστήματος Αναμονής. 3.1. Διατύπωση του Προβλήματος. Τα συστήματα αναμονής (queueing systems), βρίσκονται πίσω από τα περισσότερα μοντέλα μελέτης της απόδοσης υπολογιστικών συστημάτων,
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4.
Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 207-8. Λύσεις του φυλλαδίου ασκήσεων επανάληψης.. Αν P (A) / και P (A B) /4, βρείτε την ελάχιστη δυνατή και την μέγιστη δυνατή τιμή της P (B). Το B καλύπτει οπωσδήποτε
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για
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 περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δημοκρίτειο Πανεπιστήμιο Θράκης Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2015-2016 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ :
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 3: Στοχαστικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΔισδιάστατη ανάλυση. Για παράδειγμα, έστω ότι 11 άτομα δήλωσαν ότι είναι άγαμοι (Α), 26 έγγαμοι (Ε), 12 χήροι (Χ) και 9 διαζευγμένοι (Δ).
Δισδιάστατη ανάλυση Πίνακες διπλής εισόδου Σε πολλές περιπτώσεις μελετάμε περισσότερες από μία μεταβλητές ταυτόχρονα. Π.χ. μία έρευνα που έγινε σε ένα δείγμα 58 ατόμων περιείχε τις ερωτήσεις «ποια είναι
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ 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 περισσότερα2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ
.5. ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ Η μέθοδος κατασκευής διαστήματος εμπιστοσύνης για την πιθανότητα που περιγράφεται στην προηγούμενη ενότητα μπορεί να χρησιμοποιηθεί για την κατασκευή διαστημάτων
Διαβάστε περισσότεραΣτατιστική. Ανάλυση ιασποράς με ένα Παράγοντα. One-Way Anova. 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς
Στατιστική Ανάλυση ιασποράς με ένα Παράγοντα One-Way Anova Χατζόπουλος Σταύρος Κεφάλαιο 8ο. Ανάλυση ιασποράς 8.1 Εισαγωγή 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς 8.3 Ανάλυση ιασποράς με
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ
ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ 4.. Εισαγωγή Στην προσομοίωση σε πολλές περιπτώσεις είναι απαραίτητη η δημιουργία δειγμάτων τυχαίων μεταβλητών που ακολουθούν κάποια καθορισμένη
Διαβάστε περισσότεραΠεριπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός.
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, email: mitro@teipat.gr Καθ η γη
Διαβάστε περισσότεραΚεφάλαιο 15 Έλεγχοι χ-τετράγωνο
Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο Copyright 2009 Cengage Learning 15.1 Ένα Κοινό Θέμα Τι πρέπει να γίνει; Τύπος Δεδομένων; Πλήθος Κατηγοριών; Στατιστική Μέθοδος; Περιγραφή ενός πληθυσμού Ονομαστικά Δύο ή
Διαβάστε περισσότεραΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται
Διαβάστε περισσότεραΑνάλυση Αποτελεσμάτων
Ανάλυση Αποτελεσμάτων (Output Data Analysis) Προσομοίωση Βιομηχανικής Παραγωγής & Επιχειρήσεων ΚΕΦ. 6 Μοντελοποίηση Τυχαίοι Αριθμοί Διαγράμματα Επαλήθευση Ανάλυση Αποτελεσμάτων Στόχος της Ανάλυσης Αποτελεσμάτων
Διαβάστε περισσότεραΠοσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΑριθμητική Ανάλυση & Εφαρμογές
Αριθμητική Ανάλυση & Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Υπολογισμοί και Σφάλματα Παράσταση Πραγματικών Αριθμών Συστήματα Αριθμών Παράσταση Ακέραιου
Διαβάστε περισσότερασυγκέντρωση της ουσίας στον παραπόταμο είναι αυξημένη σε σχέση με τον ίδιο τον ποταμό;
Γραπτή Εξέταση Περιόδου Ιουνίου 008 στο Μάθημα Στατιστική /07/08. Η πιθανότητα να υπάρχει στο υπέδαφος μιας συγκεκριμένης περιοχής εκμεταλλεύσιμο κοίτασμα πετρελαίου είναι 50%. Μια εταιρεία, που πρόκειται
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 7: Η επιλογή των πιθανοτικών κατανομών εισόδου
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 7: Η επιλογή των πιθανοτικών κατανομών εισόδου Γαροφαλάκης Ιωάννης Πολυτεχνική Σχολή Τμήμα Μηχ/κών Η/Υ & Πληροφορικής Περιεχόμενα ενότητας Εισαγωγή Συλλογή
Διαβάστε περισσότερα2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)
.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test) Ο διωνυμικός έλεγχος μπορεί να χρησιμοποιηθεί για τον έλεγχο υποθέσεων αναφερομένων στα ποσοστιαία σημεία μίας τυχαίας μεταβλητής. Στην
Διαβάστε περισσότεραΆσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:
Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του
Διαβάστε περισσότερα6 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 περισσότεραΗ 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 περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δ.Π.Θ. - Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2016-2017 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων
ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων α) Σημειοεκτιμητική β) Εκτιμήσεις Διαστήματος ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Παράδειγμα
Διαβάστε περισσότεραΆδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ
Διακριτά Μαθηματικά Ι Ενότητα 2: Γεννήτριες Συναρτήσεις Μέρος 1 Διδάσκων: Χ. Μπούρας (bouras@cti.gr) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότερα#(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 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 περισσότεραΓια το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική // (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [] Επιλέξαμε φακελάκια (της μισής ουγκιάς) που περιέχουν σταφίδες από την παραγωγή μιας εταιρείας
Διαβάστε περισσότεραΧρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραΣύγκριση 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 περισσότεραΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ
ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ υ ν δ υ α σ τ ι κ ή Πειραιάς 2007 1 Μάθημα 3ο Διατάξεις και μεταθέσεις 2 ΔΙΑΤΑΞΕΙΣ-ΜΕΤΑΘΕΣΕΙΣ- ΣΥΝΔΥΑΣΜΟΙ 2.1 Διατάξεις και μεταθέσεις 2.2 Κυκλικές διατάξεις
Διαβάστε περισσότεραΈνα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω:
Σημειώσεις Δικτύων Αναλογικά και ψηφιακά σήματα Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Χαρακτηριστικά
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 περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΓ. Πειραματισμός - Βιομετρία
Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται
Διαβάστε περισσότεραΕνδεικτικές ασκήσεις ΔΙΠ 50
Ενδεικτικές ασκήσεις ΔΙΠ 50 Άσκηση 1 (άσκηση 1 1 ης εργασίας 2009-10) Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών ενοτήτων. Πιο συγκεκριμένα, υπάρχουν
Διαβάστε περισσότεραP(n, r) = n r. (n r)! n r. n+r 1
Διακριτά Μαθηματικά Φροντιστήριο Στοιχειώδης Συνδυαστική ΙΙ 1 / 15 Επανάληψη Κανόνας Αθροίσματος Κανόνας Γινομένου Χωρίς επαναλήψεις στοιχείων P(n, r) = n! (n r)! C(n, r) = ( ) n r Με επαναλήψεις στοιχείων
Διαβάστε περισσότεραΟΚΙΜΑΣΙΕΣ χ 2 (CHI-SQUARE)
ΔΟΚΙΜΑΣΙΕΣ χ (CI-SQUARE) ΟΚΙΜΑΣΙΕΣ χ (CI-SQUARE). Εισαγωγή Οι στατιστικές δοκιμασίες που μελετήσαμε μέχρι τώρα ονομάζονται παραμετρικές (paramtrc) διότι χαρακτηρίζονται από υποθέσεις σχετικές είτε για
Διαβάστε περισσότεραX = = 81 9 = 9
Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση
Διαβάστε περισσότεραΧημική Τεχνολογία. Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων. Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Χημική Τεχνολογία Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε. Άδειες Χρήσης
Διαβάστε περισσότεραΔειγματοληψία στην Ερευνα. Ετος
ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)
Διαβάστε περισσότεραΕργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική 8// (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [4] Τα τελευταία χρόνια παρατηρείται συνεχώς αυξανόμενο ενδιαφέρον για τη μελέτη της συγκέντρωσης
Διαβάστε περισσότεραΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ
F3W.PR09 Όνομα: Επίθετο: Ημερομηνία: 7/0/07 Πρωί: Απόγευμα: Θεματική ενότητα: Αναλογιστικά Πρότυπα Επιβίωσης Ερώτηση Εάν η τυχαία μεταβλητή Τ έχει συνάρτηση πυκνότητας f ep 3 3 να υπολογίσετε το 90 ο εκατοστημόριο
Διαβάστε περισσότεραΑνάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου
Ανάλυση αλγορίθμων Παράμετροι απόδοσης ενός αλγόριθμου: Χρόνος εκτέλεσης Απαιτούμενοι πόροι, π.χ. μνήμη, επικοινωνία (π.χ. σε κατανεμημένα συστήματα) Προσπάθεια υλοποίησης Ανάλυση της απόδοσης Θεωρητική
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΣτατιστική Ι (ΨΥΧ-1202) ιάλεξη 3
(ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com ιαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ ιάλεξη 3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΨΥΧΟΛΟΓΙΑΣ Ρέθυμνο,
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011
Εργαστήριο Μαθηματικών & Στατιστικής Γραπτή Εξέταση Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 5//. [] Η ποσότητα, έστω Χ, ενός συντηρητικού που περιέχεται σε φιάλες αναψυκτικού
Διαβάστε περισσότεραΤμήμα 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 περισσότεραd k 10 k + d k 1 10 k d d = k i=0 d i 10 i.
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 περισσότεραΑνάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα
Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια
Διαβάστε περισσότερακ.λπ. Ισχύει πως x = 100. Οι διαφορετικές λύσεις αυτής της εξίσωσης χωρίς κανένα περιορισμό είναι
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Διακριτά Μαθηματικά 3 η γραπτή εργασία, Σχέδιο Λύσεων Επιμέλεια: Δ. Φωτάκης, Δ. Σούλιου ΘΕΜΑ (Συνδυαστική,.6 μονάδες)
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Credit Value at Risk
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Credit Value at Risk Credit Value at Risk: Εισαγωγή To Credit Value at Risk είναι μία βασική μέτρηση για τον καθορισμό των εποπτικών κεφαλαίων και των κεφαλαίων που η
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 περισσότεραΣυνδυαστική Ανάλυση. Υπολογισμός της πιθανότητας σε διακριτούς χώρους με ισοπίθανα αποτελέσματα:
Συνδυαστική Ανάλυση Υπολογισμός της πιθανότητας σε διακριτούς χώρους με ισοπίθανα αποτελέσματα: P( A) N( A) N ( ) Ν(Α): πλήθος ευνοϊκών αποτελεσμάτων του Α Ν(Ω): πλήθος συνολικών αποτελεσμάτων του Ω Χρειαζόμαστε
Διαβάστε περισσότεραΤυχαίοι αριθμοί struct Αρχεία Διαμορφώσεις Συναρτήσεις Χειρισμός σφαλμάτων ΠΕΜΠΤΗ ΔΙΑΛΕΞΗ
ΠΕΜΠΤΗ ΔΙΑΛΕΞΗ Γεννήτρια τυχαίων αριθμών Η C++ παρέχει στο συναρτήσεις και κλάσεις και κλάσεων για την παραγωγή τυχαίων αριθμών. Υπάρχουν Μηχανισμοί παραγωγής σειράς τυχαίων bits. Κάθε bit έχει ίδια πιθανότητα
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 05 Πολλαπλές συγκρίσεις Στην ανάλυση διακύμανσης ελέγχουμε την ισότητα
Διαβάστε περισσότεραΠεριεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.
Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς
Διαβάστε περισσότερα(Γραμμικές) Αναδρομικές Σχέσεις
(Γραμμικές) Αναδρομικές Σχέσεις Διδάσκοντες: Φ. Αφράτη, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Αναδρομικές Σχέσεις
Διαβάστε περισσότεραΤυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Διαβάστε περισσότεραHY118-Διακριτά Μαθηματικά
HY118-Διακριτά Μαθηματικά Τρίτη, 17/04/2018 Το υλικό των Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 1 Συνδυαστική 2 Πείραμα Πείραμα: Οποιαδήποτε διαδικασία που μπορεί να οδηγήσει σε ένα αριθμό παρατηρήσιμων
Διαβάστε περισσότεραΣτοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών
Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο Αθήνα Επανέκδοση
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων»
Μεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων» Οδηγίες: Σχετικά με την παράδοση της εργασίας θα πρέπει: Το κείμενο
Διαβάστε περισσότεραpdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q
7ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 7ο Μάθημα Πιθανότητες
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
9/10/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 3o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Emal: gasl@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gasl
Διαβάστε περισσότεραΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ
ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Σε αντίθεση με την διακριτή τυχαία μεταβλητή, μία συνεχής τυχαία μεταβλητή παίρνει μη-αριθμήσιμο (συνεχές) πλήθος τιμών. Δεν μπορούμε να καταγράψουμε το σύνολο των τιμών
Διαβάστε περισσότερα