ΚΕΦΑΛΑΙΟ 1. Πολλαπλή Γραμμική Παλινδρόμηση. Πρόβλημα. Για αγορά οθόνης για υπολογιστή ψάξαμε στην αγορά και πήραμε τα στοιχεία του πίνακα
|
|
- ÏΓάϊος Σαμαράς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 ΚΕΦΑΛΑΙΟ Πολλαπλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης 6 o Εξάμηνο Μαθηματικών Πρόβλημα Για αγορά οθόνης για υπολογιστή ψάξαμε στην αγορά και πήραμε τα στοιχεία του πίνακα Ερωτήματα Έχει σχέση η τιμή με το μέγεθος ; με το ρυθμό εστίασης ; Κωδικοποιούμε Ζ= μεγάλη Ζ= κανονική Τύπος - Κατασκευή Υπάρχει συνάρτηση ; Y f( X, Z) ή Y f( X, Z) Ρυθμός Εστίασης (Χ) Μέγεθος (Z) Τιμή (δρχ) (Υ) Soy CPD Κανονική 86 Nec 5FGe 49.5 Κανονική 6 SuperMac Plus 48 Μεγάλη 7 Ikeg CT-D 55 Μεγάλη 377 Mtsubsh 7 43 Κανονική 64 E-Mashes E 54 Μεγάλη 45 Soy GDM Μεγάλη 4 Nao F Κανονική 96 SuperMac 7T 47.5 Κανονική 75 Radus v 47 Μεγάλη 38 Ειδικότερα υπάρχουν σταθερές ; Y b + b X + b Z
2 Γενικό Γραμμικό Μοντέλο 3 ΔΕΔΟΜΕΝΑ Προβλέπουσες μεταβλητές (predctor) ή ανεξάρτητες ΜΟΝΤΕΛΟ X Άγνωστες παράμετροι που ζητείται να εκτιμηθούν X X 3 X k x x x x y x x x x y x x x x y 3 k 3 k 3 k... k k Y Εξαρτημένη μεταβλητή ή απόκριση (respose) Y X X X το σφάλμα ε που απαιτείται να είναι «μικρό» Μετασχηματισμοί μοντέλων 4 Πολυωνυμικά Y x x x k... k Θέτουμε x=x, x =X,, x k =X k Y x x z xz Εκθετικά yx x y yx x xx Θέτουμε X l x, X l x, Y l y, l,,, l Θέτουμε x=x, x =X, log y=y Bx x y Ae e Θέτουμε x=x, x =X, z=x 3, x z =X 4 γραμμικό ; ΔΕΝ ΑΝΑΓΟΝΤΑΙ ΣΕ ΓΡΑΜΜΙΚΑ
3 Παράδειγμα 5 Για τη μελέτη της τάσης δοκών που σχηματίζουν γωνία θ με το έδαφος ισχύει ο τύπος του Hakso ff f f c c c f c όπου fc, f c άγνωστες αλλά σταθερές τάσεις που πρέπει να προσδιορισθούν. Ένας ερευνητής έκανε μετρήσεις της που αντιστοιχούν στις γωνίες,,,...,. Μετασχηματίστε τον τύπο του Hakso και τα δεδομένα έτσι ώστε ο προσδιορισμός των σταθερών που ζητούνται να πετυχαίνεται με γραμμικό μοντέλο. f f Απάντηση 6 Ο τύπος του Hakso γράφεται fc fc f c f fcf c f c fc fc άρα θέτοντας y x πετυχαίνεται το γραμμικό μοντέλο. y x Τα Δεδομένα γίνονται θ.. θ f f. f f y y. y x x. x f c f f c c όπου y f x
4 Σύστημα εξισώσεων 7 Εφαρμόζοντας το ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Y X X... k X k στα δεδομένα παίρνουμε το σύστημα y x x... k xk y x x... k xk y x x... x k k ΖΗΤΟΥΜΕΝΟ: ΚΑΛΥΤΕΡΗ ΔΥΝΑΤΗ ΠΡΟΣΑΡΜΟΓΗ Δηλαδή εύρεση των συντελεστών β με τρόπο ώστε οι ισότητες να προσεγγίζονται περισσότερο Μέθοδος Ελαχίστων Τετραγώνων 8 Εύρεση των β ώστε το άθροισμα να είναι ελάχιστο Συμβολίζουμε τις λύσεις ˆ ( διαβάζουμε β εκτιμώμενο) ΥΠΑΡΧΟΥΝ ΚΑΙ ΑΛΛΕΣ ΜΕΘΟΔΟΙ ΕΥΡΕΣΗΣ ΒΕΛΤΙΣΤΩΝ β ΜΟΝΤΕΛΟ ΠΡΟΒΛΕΨΗΣ Y ˆ ˆ X ˆ X ˆ X ˆ... k k Παρατηρήσεις: ΕΔΩ ΔΕΝ ΕΧΟΥΜΕ TO ΣΦΑΛΜΑ ε. ΤΟ Ŷ ΛΕΓΕΤΑΙ ΕΚΤΙΜΩΜΕΝΟ Y Η ΔΙΑΦΟΡΑ y ˆ ˆ Y ΕΙΝΑΙ ΤΟ ΣΦΑΛΜΑ ΜΕΤΑ ΤΗΝ ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΣΥΓΚΕΚΡΙΜΕΝΟΥ ΜΟΝΤΕΛΟΥ
5 Προβλέψεις - Σφάλματα 9 Πρόβλεψη στα δοθέντα σημεία yˆ ˆ ˆ x ˆ ˆ x... k xk yˆ ˆ ˆ ˆ ˆ xx... k xk yˆ ˆ ˆ x ˆ x... ˆ x k k Σύμφωνα με τη μέθοδο ελαχίστων τετραγώνων, πρέπει να ισχύει: ˆ y y να είναι ελάχιστο yyˆ ˆ y ˆ ˆ y... y yˆ ˆ ΥΠΟΛΟΙΠΑ (resduals) Για τον υπολογισμό ΑΛΓΕΒΡΑ ή ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ; Με μορφή Πινάκων ΘΕΤΟΝΤΑΣ y y Y X y προκύπτει το μοντέλο x x x x x x x x x x x x 3 k 3 k 3 k Y X k
6 Προϋποθέσεις E E ( ) E E 3 3 V( ) E( E)( E) I Τα σφάλματα είναι ασυσχέτιστα δηλαδή όλες οι συνδιασπορές είναι Τα σφάλματα έχουν μέση τιμή 3 Τα σφάλματα έχουν την ίδια σταθερή διασπορά σ Υπολογισμοί ΖΗΤΟΥΜΕΝΟ S ( )...,, Ισχύει ( Y X) ( YX) YY YX XX S ( ) YY YX XX S ( ) X X () ( X X XY) ( X X) XX Να είναι ελάχιστο? () Δηλαδή Χ Χ συμμετρ.
7 3 Παραγώγιση διανυσματικής συνάρτησης Διανυσματική συνάρτηση f() x x f( x), x συμμετρικός πίνακας f( x) x c x x x x x xax x, x,..., x A x x... (... ) x x x xx 3xx 3, x x ( xax ) ( xax ) ( xax ),..., Ax x x x Παράγωγος τετραγωνικής μορφής Δεύτερη παράγωγος διανυσμ. συνάρτ. f ( x) f( x) x xx f( x) x x f ( x) f( x) xx x Ακρότατα διανυσμ. συνάρτ. f( x) x κρίσιμο σημείο Αν f ( x) x x Εσσιανός πίνακας της πραγμ.συνάρτησης διανυσμ.μεταβλητής (Hessa matrx) προφανώς xax A xx 4 αρνητ. ορισμ. πίνακας σχετικό μέγιστο θετ. ορισμ. πίνακας σχετικό ελάχιστο
8 5 Κανονικές εξισώσεις-εκτίμηση παραμ. Από τη σχέση () το κρίσιμο σημείο ικανοποιεί την ( XX XY) Αν X Χ, τότε ˆ X X XY δηλαδή Είναι ΣΧΕΤΙΚΟ ΕΛΑΧΙΣΤΟ Διότι ο εσσιανός πίνακας είναι ο Χ Χ που είναι θετικά ορισμένος (θ.ο.), διότι: X X XY κανονικές εξισώσεις Αν X Χ =, τότε ισχύει ( XX) ( X)( X) ( X)( X) άθροισμα τετραγώνων ˆ X X X Y γενικευμένος αντίστροφος Είναι και ΟΛΙΚΟ ΕΛΑΧΙΣΤΟ 6 S ( ) ( Y X ) ( Y X ) ˆ ( ˆ ) Y X X Y X ˆ X ( ˆ ) ˆ Y X Y X ˆ ˆ X X ˆ ˆ X Y X ˆ Y X ˆ X ˆ S ˆ ( ) S ( ˆ ) ˆ XX ˆ X X όμοια XY X XY XX ˆ ˆ ˆ ˆ καν. εξισώσεις ˆ ˆ
9 Μοντέλο πρόβλεψης πίνακας «χατ» Το μοντέλο Y ˆ ˆ X ˆ X ˆ X ˆ... k k 7 γράφεται ή Yˆ Xˆ Yˆ X X X XY H X X X X Ο πίνακας Ŷ λειτουργεί ως τελεστής μετατροπής του διανύσματος Y σε Για το λόγο αυτό λέγεται πίνακας χατ. Ισχύει: HY H X XX XX XX XX XX XH μοναδιαίος Yˆ Ο Η είναι ΤΑΥΤΟΔΥΝΑΜΟΣ Ιδιότητες εκτιμητού παραμέτρων 8. Eˆ XX XX E ˆ E X X X Y X X X EY XX XE( X ) XX X( X E). V( ˆ ) X X ˆ ˆ ˆ ˆ ˆ V( ) E E E E ˆ ˆ ˆ XX XY XX X( X ) XX XX XX X XX X EXX XXX X EXX XXXX XX XE( ) X XX XX X I X XX XX XX XX XX
10 Διασπορά εκτιμήσεων παραμέτρων 9 ΘΕΤΟΥΜΕ c c c c c c c c C X X c c c c c c c c ΤΟΤΕ k k k ˆ k k k kk Var ˆ c k ( ),,,..., ˆ ˆ (, j) j, Cov c j k Var( ˆ ) c,,,..., k Εφαρμογή για k= (Παράδειγμα κεφ. ) α/α x y x y x y ε=y ŷ ŷ
11 Υπολογισμοί (Χ Χ) - και Χ Υ Είναι YX y x y Y x όπου: X y x x x x 3.95 X X x x x x x y y y XY x x y xy X X Το μοντέλο πρόβλεψης ˆ ˆ ˆ XX XY Μοντέλο Πρόβλεψης Yˆ X Var( ˆ ) c Var( ˆ ) c.69934
12 Η γενική περίπτωση με k= 3 x x x X X xy XY x -x x -x X X x x S xx -x -x ˆ y ˆ y x x xy ˆ XX XY S xx S xy Επαλήθευση με γνωστούς τύπους 4 ˆ S S xy xx y x x xy ˆ y ˆ x S xx y x x x y y x x x y x x y ys xs xx x Sxx x x c Sxx Sxx Sxx Var( ˆ ) ˆ Var( ) c S S xx xy xx
13 Παρεμβολή -Πρόβλεψη 5 yˆ ˆ ˆ ˆ ˆ ˆ x x... k xk, x,, xk x Το δοσμένο Η πρόβλεψη x σημείο ŷ x ˆ στο σημείο x αυτό k Για το παράδειγμα: Παρεμβολή στο x =. Πρόβλεψη στο x =3. ˆ yˆ,, Όμοια yˆ ˆ, Ιδιότητες της πρόβλεψης ˆ ˆ. E( y ) E( y ) ˆ ˆ E( y) E x x E x E( y) διότι y x... k xk 6 Var( y ) x( X X ) x. ˆ ˆ ˆ ˆ ˆ ˆ Var( yˆ ) E yˆ E yˆ E x x E x x x x E x x x E ˆ ˆ x ˆ x V( ) x Var( yˆ ) x ( X X ) x
14 Η διασπορά στη γενική περίπτωση x -x Var( yˆ ), x Sxx -x x x -x x x x xx xx S xx -, - x Sxx ( x x) ( xx) ( x x) Sxx Sxx Για το παράδειγμα και για x = Var yˆ Όμοια για x =3 Var( yˆ ).9854 ( ), Σφάλμα μετά την προσαρμογή 8 ˆ y ˆ y ˆ ˆ ˆ y y Y Yˆ ˆ ˆ y y SSE ˆ ˆ ( Y X ˆ ) ( Y X ˆ ) YY ˆ XY YXˆ ˆ XXˆ YX ˆ YXˆ ˆ X Y SSE = YY - βˆ XY ˆ XX ˆ ˆ XX( XX ) XY ˆ X Y
15 Το σφάλμα SSE ως τετραγωνική μορφή ˆ ( ) XY YX X X XY SSE YY ˆ X Y YY YX ( X X ) X Y A I X( XX) X SSE = YA Y ή AI H ΩΣΤΕ: SSE είναι Τετραγωνική Μορφή με πίνακα Α διότι Α είναι συμμετρικός πίνακας. ΕΡΩΤΗΜΑ: Η SSE είναι Τυχαία Μεταβλητή (Πολυδιάστατη). (αφού είναι τ.μ. ). Με τι κατανομή ; Y 9 πίνακας χατ Τετραγωνικές μορφές 3 (I) Y τυχαίο διάνυσμα με EY ( ) και VY ( ) I E( YAY ) A Tr( A) (IΙ) Y τυχαία πολυ-κανονική μεταβλητή Y N(, I ) ms YAY c s m μή κεντρική με A Αν X N τότε ο συντελεστής μη-κεντρικ. λ, της (IΙΙ) ( m, s ) Z= X + X + + X c... m m είναι... m Y τυχαία πολυ-κανονική μεταβλητή με Αν είναι YAY και YBY ανεξάρτητες, τότε AB Y N( m, I )
16 Μη-κεντρική χ κατανομή 3 α. χ 5 κατανομή με 5 β.ε. β. χ 5 κατανομή μη-κεντρική με 5 β.ε. και λ=6.875 α. πυκνότητα τ.δείγματος Χ =Χ /σ +...+Χ 5 /σ Χ ~N(,σ ), σ =,, 5, 4, β. πυκνότητα τ.δείγματος Χ =Χ /σ +...+Χ 5 /σ Χ ~N(μ,σ ), σ =,, 5, 4, μ =,,.5,.5,.5 λ= Θεώρημα Cochra 3 Y N(, I ) ms και Α, =,,,k (IV) συμμετρικοί πίνακες βαθμού k και YY YAY YA Y... YAk Y ΤΟΤΕ ΟΙ ΠΑΡΑΚΑΤΩ ΣΥΝΘΗΚΕΣ ΕΙΝΑΙ ΙΣΟΔΥΝΑΜΕΣ k = A είναι ταυτοδύναμοι για όλα τα (A =A ) A A j = για όλα τα j με YAY για όλα τα c A YAY και YA ανεξάρτητες για όλα τα j j Y
17 Τυπικό Σφάλμα 33 ΕΙΔΑΜΕ ΟΤΙ SSE Y AY με A I H Είναι Y X Άρα EY ( ) X και E( ) V( ) I VY ( ) I με και Δηλαδή ικανοποιούνται οι προϋποθέσεις της ιδιότητας (Ι) E( SSE) E( YAY ) ( X ) A( X ) Tr( A) X( I H) X ( ) XX XHX Tr( I) Tr X ( X X ) X X X XX Tr( XX ) XX Tr Ik ) k Tr A Tr( I X ( X X ) X ) ( Εκτίμηση διασποράς σφαλμάτων 34 Ώστε: ESSE ( ) ( k) ή SSE E k s ΤΟΤΕ Αμερόληπτος εκτιμητής της διασποράς σφαλμάτων SSE SSE s = τυπικό k -k- Var( ˆ ) s c,,,..., k s( ˆ ) ( ˆ Var ) s c,,,..., k Var( yˆ ) s x Cx σφάλμα όπου C ( XX ) c ck ck ckk
18 Εφαρμογή στο παράδειγμα 35 Βρίσκουμε: ˆ SSE YY X Y Από τον πίνακα = άθροισμα τετραγώνων των y SSE SSE.3946 s.6973 άρα s.4738 Οι διασπορές των ˆ, ˆ Οι διασπορές των προβλέψεων Var ˆ Var ˆ ( ) s. ( ).6993 s.37 Var yˆ Var y s ( ) ( ˆ).9854 s. 36 Παράδειγμα (η άσκηση.α του βιβλίου) Χ Χ Χ Χ Υ Χ Χ Υ Χ Χ Υ Υ Yˆ ˆ ˆ
19 Υπολογισμοί Το Μοντέλο YX όπου: y x, x, y Y x, x, X y x, x, x, x, x, x, XX x, x, x, x, x, x, x, x, (.) x x,,,,, x, x x x 37 Το διάνυσμα παραμέτρων XX æ ö ç çè ø XX - = - ( ) æ ö æ y ö æ y ö y å X Y = x, x, x, = x, y å çx x x è øç ç x y æ 33 ö X Y = 85 ç çè4 ø å,,, çèy è, ø ø ˆ XX XY
20 Το μοντέλο πρόβλεψης 39 προσεγγιστικά yˆ 4 X.5 X æ ö æ33 ö ˆ SSE = Y Y - β XY = = 69 ç è-.544 ø çè4 ø Με την εκτίμηση των παραμέτρων απευθείας SSE 69 s 8.65 k SSE s Παράδειγμα (Συστολ. πίεση αίματος) 4 Σε 3 άτομα μετρήθηκε συστολική πίεση του αίματός τους (y), το βάρος τους (x ) σε kgr και η ηλικία τους (x ). Να βρεθεί γραμμικό μοντέλο που να εκφράζει τη συστολική πίεση συναρτήσει του βάρους και της ηλικίας. Να εκτιμηθεί η συστολική πίεση ατόμου 45 ετών που ζυγίζει 7 κιλά. Να βρεθεί η διασπορά των εκτιμήσεων των συντελεστών του μοντέλου και της πρόβλεψης. Οι μετρήσεις x x y ŷ ε S x = 79.5 S x = S x = 55 S x = 95 S y = 694 S y = 8 S xy = S xy = 6535 S xx = XX
21 Το μοντέλο πρόβλεψης 4 æ ö - - XX - = - ç ç- è ø ( ) æ 694. ö XY ç =ç ç çè6535. ø æ ö æ 65.ö ˆ β = ( XX ) XY ç =ç ç è.45434ø çè.45ø ΑΡΑ ΜΟΝΤΕΛΟ ΠΡΟΒΛΕΨΗΣ (προσεγγιστικά) yˆ x.45x Τα σφάλματα μετά την προσαρμογή 4 SSE Y Y ˆ X Y (Αν χρησιμοποιήσουμε την προσέγγιση βρίσκουμε SSE=9.8 ενώ πραγματικό SSE=ε =6.945) SSE 6.93 s Διαγώνιος ( X X ) ,.3776,.85 Άρα Var( ˆ ) s( ˆ ) Var( ˆ ).38 s( ˆ ).54 και s Var( ˆ ).54 s( ˆ ).73
22 Πρόβλεψη 43 x 7, x 45 Αν τότε: x, 7, yˆ ˆ x, 7, yˆ Var( yˆ ) s x ( XX ) x 6.93, 7, 45 ( ) 7 45 XX.59 s yˆ.584 Το άθροισμα τετραγώνων SST 44 Συνολικό Άθροισμα τετραγώνων SST y y y y Y Y Y Επειδή YY Y J Y Y YY Οπότε: SST YY Y J Y όπου J ή SST Y I J Y Τετραγωνική μορφή
23 Το άθροισμα τετραγώνων SSR 45 Η σχέση SSE YY ˆ X Y SSE Y Y Y ( X ( X X ) X Y δίνει ή SSE YY Y HY Συνδυάζοντας: SSR Το μέρος της συνολικής διασποράς που εξηγείται (ερμηνεύεται) από την παλινδρόμηση YY SSTY( J ) Y SSEYHY SST SSE Y( H J ) Y SST SSE SSR Κατανομή των Αθροισμάτων SSR, SSE, SST 46 SST YY YA Y SSR Y A Y SSE Y A3 Y ΟΠΟΤΕ: A 3 A H J X( XX ) X J J ( ) A I H I X XX X YY YAY YAY YAY 3 ΕΡΩΤΗΜΑ: Ισχύουν οι προϋποθέσεις του Θεωρήματος Cochra; (α) Οι πίνακες Α, Α, Α 3 είναι συμμετρικοί.
24 Οι πίνακες Α, Α, Α 3 είναι ταυτοδύναμοι 47 A J J J J J J A A διότι H J H J HJ HJ H HJ JH J X XX X X λύνεται, διότι X X X HJ X ( X X ) X J X ( X X ) X XJ A H J J A Η εξίσωση: A I H I H I HHH A 3 3 Οι βαθμοί των πινάκων Α, Α, Α 3 48 Tr A Tr J Tr J ( ) ( ) ( ) rak( A ) Tr( A ) Tr( H )- Tr( J ) ( k )-k Tr( A ) Tr( I ) Tr( H ) ( k ) 3 3 όπου χρησιμοποιήθηκε και ισχύει (β) k rak( A ) rak( A3 ) Tr( H) Tr( X ( XX ) X) Tr( AB) Tr( BA) Tr( XX ( XX ) ) Tr( I ) k 3 3
25 Ισχύει το θεώρημα Cochra 49 (γ) Ισχύουν οι προϋποθέσεις κανονικότητας Από ΑΡΑ ΕΧΟΥΜΕ ε N(, σ I ) Y = Xβ+ ε έπεται Y N Xβ σ I SSR χ σ k SSE χ σ -- k με A 3 SST χ - σ (, ) A X( I J ) X ( I A ) X( I J) X Ο πίνακας ANOVA 5 Πηγή Αθρoίσματα Τετραγώνων Παλινδρόμηση SSR k β.ε. Μέσα Τετράγωνα Λόγος F MSR SSR k F MSR MSE όπου Υπόλοιπα (Σφάλματα) SSE -k- Σύνολο SST - ˆ SST Y Y Y SSR X Y Y SSE YY ˆ X Y ή αλγεβρικά MSE SSE k - - SST y y SSR yˆ y SSE y yˆ
26 Διορθωτικός Παράγοντας 5 y Αν k=, ΜΟΝΤΕΛΟ =,,, ˆ Y y SSR ˆ X Y Y y Y Y y y Άρα SST=SSE X Τότε: (αφού ) ο δεύτερος όρος στον τύπο Ώστε: SSR στο ΠΛΗΡΕΣ μοντέλο οφείλεται στους άλλους συντ/στές,,..., ˆ SSR X Y Y λέγεται διορθωτικός παράγοντας 5 Εφαρμογή στο παράδειγμα της συστ. πίεσης ˆ 65. y SST YY Y SSR ˆ Y SSE SST SSR Πηγή Αθρoίσματα Τετραγώνων β.ε. Μέσα Τετράγωνα Λόγος F Παλινδρόμηση *** Υπόλοιπα (σφάλμ.) =s Σύνολο ΠΙΝΑΚΑΣ ΑΝΑΛΥΣΗΣ ΔΙΑΣΠΟΡΑΣ
27 Το συμπέρασμα 53 Η : β =β = Η : β β Σε στάθμη σημ. α Αν F>F k,-k-;α ΑΠΟΡΡΙΠΤΕΤΑΙ Αν F<F k,-k-;α ΔΕΝ ΑΠΟΡΡΙΠΤΕΤΑΙ Εδώ F>4., άρα ηh ΑΠΟΡΡΙΠΤΕΤΑΙ F=3.9 F, F,;.9,. 4., , ,. 9.43, Συντελεστής Προσδιορισμού SST SSR SSE 54 R SSR SSE = = - SST SST Σχέση των F και R R εκφράζει το ποσοστό της συνολικής διασποράς που ερμηνεύει το μοντέλο SSR / k... - k - F = = = R SSE/( -k -) k -R kf /( -k -) R = + kf /( - k - )
28 Διορθωμένος συντελεστής προσδιορισμού 55 SSE /( -k -) s R = - = - SST /( -) VarY διορθωμένος συντελεστής προσδιορισμού Σχέση των R και R ( -k-)( - R ) = ( -)( -R ) Για το παράδειγμα της πίεσης R = = / R = = / Το μοντέλο ερμηνεύει το 95.8% της συνολικής διασποράς Έλεγχοι Υποθέσεων 56 ΘΕΩΡΗΜΑ (Gauß-Markov) θ=λβ Αν όπου είναι γραμμικός συνδυασμός των συντελεστών παλινδρόμησης, τότε η καλύτερη γραμμική εκτίμηση του θ (που είναι μοναδική) είναι η Απαραίτητη προϋπόθεση (για να εκτιμάται το θ) είναι ΝΑ ΕΧΕΙ ΛΥΣΗ Η ΕΞΙΣΩΣΗ λ =(λ,λ,...,λ k) ˆθ=λβ ˆ Xc=λ Αυτό συμβαίνει με βεβαιότητα αν ο Χ Χ είναι αντιστρέψιμος
29 Θεώρημα 57 Αν ΤΟΤΕ ΑΠΟΔΕΙΞΗ Y N( X β, s I) ˆθ-θ - s λ (X X) λ και t - k - θ=λβ ˆθ=λβ ˆ SSE s= -k- όπου ˆ - Η τ.μ. ˆθ=λ β = λ( X X) X Y έχει κατανομή N(μ, σ ) θˆ θˆ ˆ - - μ =Ε(θ)=λ ( XX ) X E ( Y) = λ ( XX ) X Cβ ˆθ = λ β = θ s = Var(θ) ˆ = E(θˆ- θ) = E ˆθ ( λ ( βˆ- β) ( βˆ- β) λ) = ˆ - = λv( β) λ=σλ( CC ) λ Ισχύουν 58 ˆθ-θ Z = N(,) - s λ(xx) λ άρα από γνωστό θεώρημα της Θ.Πιθ. αν Z, W είναι ανεξάρτητες ˆθ-θ και SSE ανεξάρτητες ˆθ και SSE ανεξάρτητες W= χ σ SSE Z W /( -k-) Yˆ -k- t - k - και οι δύο τ.μ. είναι τετραγωνικές μορφές της
30 ανεξαρτησία των δύο τετραγ. μορφών 59 SSE = Y ( I - H ) Y = Y AY ˆ ˆˆ ˆ ˆ ( ˆ θ = θθ= λ β λ β= λ β) λ β= ˆ βˆ λλ β= ˆ = Y X( X X) λλ ( X X) X Y = Y BY AB= I - X XX X X XX XX X = ˆθ-θ ( ( ) ) ( ) λλ ( ) - Z s λ(xx) λ = = W SSE s -k- s -k- ( ) θ-θ ˆ - λ(xx) λ t - k - Έλεγχος παραμέτρων 6 ΠΟΡΙΣΜΑ Αν Y N( X β, s I) βˆ - β t s βˆ -k- ˆ s β Αρκεί οπότε ( ) æö λ= ç çè ø λ β ˆ = β (+)-στή γραμμή και τότε =s c όπου ( ) - λ(xx) λ=c
31 Έλεγχος μέσης πρόβλεψης 6 ΠΟΡΙΣΜΑ Αν Y N( X β, s I) τότε Yˆ -μ t - -k- s s x(xx) όπου ( yˆ) = Var( yˆ) = x - = s x ( X X) x λ=x Αρκεί διότι θ=x β =Ey = m y = β + β x β x + ε k k Έλεγχος ατομικής πρόβλεψης 6 ΠΟΡΙΣΜΑ Αν Y N( X β, s I) Yˆ -μ t - -k- s +x (X s βˆ X) x διότι E(Y - Yˆ ) = τότε =s c όπου ( ) Var(Y ˆ ˆ - Y ) = Var ( x (β - β)+var(ε)= - = σ (+ x (X X) x )
32 Μονόπλευρο ή δίπλευρο t-τεστ 63 ΔΙΠΛΕΥΡΟ H :θ=θ H :θ¹ θ -α T = t -k- s ˆθ-θ - λ(xx) λ ΜΟΝΟΠΛΕΥΡΟ H H :θ=θ :θ>θ -α t -k- α/ α/ -4 t - t 4 -k-;-α/ -k-;α/ -4 - t -k-;α 4 α Μονόπλευρο ή δίπλευρο F-τεστ 64 ΘΕΩΡΗΜΑ T t F = T F -k-, -k- F,-k- -α ΔΙΠΛΕΥΡΟ H : β = H : β ¹ F,-k- -α ΜΟΝΟΠΛΕΥΡΟ H H : β = : β > α F,-k-;α α F,-k-;α
33 Εφαρμογή με το 3ο παράδειγμα 65 βˆ ˆ ˆ β β yˆ = X +.45 X SSR= (4.944) (.54) (.73) s( βˆ ) s( βˆ ) s( βˆ ) 3 SSE=6.936 ˆ = (, 7, 45 ), ˆ = 9.5, ( ˆ ) =.59, =.584 s + Var( Yˆ ) = = ,.5 * s ˆ.769,. ˆ = s + Var( Y ) =.967 Y t;.8, , ,.5 x Y Var Y s Y ˆ Έλεγχοι συντελεστών 66 H : β = H : β ¹.54 T = = Η ΑΠΟΡΡΙΠΤΕΤΑΙ σε α=., διότι t ;α/ =4.587<3.97 H : β = H : β > H H.45 T = = Η ΑΠΟΡΡΙΠΤΕΤΑΙ σε α=.5, διότι t ;α =4.587<5.8 : β =-5 : β ¹ (-5) T = = Η ΔΕΝ ΑΠΟΡΡΙΠΤΕΤΑΙ σε α=., διότι t ;α/ =.8>.
34 Έλεγχοι πρόβλεψης Για τη μέση πρόβλεψη 67 H : EY =5 H : EY ¹ T = = H : Y = 5 H : Y ¹ 5 Η ΑΠΟΡΡΙΠΤΕΤΑΙ σε α=., διότι t ;α/ =3.69<3.7 Για την ατομική πρόβλεψη T = = Η ΔΕΝ ΑΠΟΡΡΙΠΤΕΤΑΙ σε α=.5, διότι t ;α/ =.8>.98 95% Διαστήματα εμπιστοσύνης 68 β βˆ t s( βˆ ) ;.5 ή ( , -3.83) β β ΕΥ Υ βˆ t s( βˆ ) ;.5 βˆ t s( βˆ ) ;.5 ( ˆ ) Yˆ t Var Y ;.5 ( ˆ ) Yˆ t s + Var Y ;.5 ή ή ή ή (.8,.498) (.6,.588) (5.6,.679) (.539, 5.76)
35 Έλεγχος της διασποράς 69 H H : s =5 : s ¹ 5 s X SSE SSE = = =.59 s 5 G ια α =.5, χ = 3.5, και χ =.5 SSE 3.5 < <.5 s SSE SSE < s < < s < 9.36 ;.975 ; χ χ ;.5 ;.975 χ.5 5 (3., 9.36) ΔΕΝ ΑΠΟΡΡΙΠΤΕΤΑΙ η Η Θέμα από εξετάσεις 7 Η στήλη y στον παρακάτω πίνακα παριστάνει τις αποκρίσεις σε ένα πείραμα, ενώ οι στήλες x, x, x 3 τις προβλέπουσες μεταβλητές. α/α y x x x 3 α/α y x x x Θεωρώντας ως πίνακα D τον πίνακα που σχηματίζεται με τις στήλες y, x,x και x 3,βρήκαμεότι: æ y ö æ ö x 8.5 = x.7 ç x ç 49.4 è ø è ø α) Χρησιμοποιώντας τα προηγούμενα υπολογίστε τον πίνακα για την προσαρμογή του μοντέλου στα δεδομένα, καθώς και τον πίνακα Χ Υ. και 3
36 β) Χρησιμοποιώντας το γεγονός ότι με σχηματίστε τον πίνακα ανάλυσης της διασποράς για τον συνολικό έλεγχο του μοντέλου και διατυπώστε τα συμπεράσματα που προκύπτουν σε στάθμη.5 και.. Να σημειωθεί πως υπολογίζονται οι κρίσιμες τιμές. (Αν δεν έχετε βρει σωστά αποτελέσματα από το (α) πάρτε ως SSR τη μη ακριβή τιμή SSR=) γ) Εξετάστε σε στάθμη.5 αν ο συντελεστής της μεταβλητής x είναι ή μήπως ίσος με. Απαντήστε το ίδιο ερώτημα με τη βοήθεια κατάλληλου διαστήματος εμπιστοσύνης. δ) Αγνοώντας τις άλλες δύο μεταβλητές και διαιρώντας δια την x και στρογγυλεύοντας σε ακέραιες τιμές παίρνουμε τον διπλανό πίνακα. Κάντε την παλινδρόμηση της y στην x και ελέγξτε το μοντέλο υπολογίζοντας τις επαναλήψεις της x = z. y x z (/)
37 73 74
38 75 76 Σφάλματα προσαρμογής-επαν/νες μετρήσεις Έστω ότι υπάρχουν παρατηρήσεις στο ίδιο x,,,..., r με τιμές y, j,,..., όπου Με την υπόθεση της κανονικότητας θα έχουμε j j j SSE y y ~,,,... r Άρα j j r SSe SSE ~ e SSE SSe ~ r Επομένως και F όπου ( SSE SSe )/( r ) ~ F SS /( r) e... r r ( ) r e ( r),( r) j καθαρά σφάλματα σφάλματα προσαρμογής έλεγχος ισότητας καθαρών σφαλμ. με σφ. προσαρμ.
39 77 y x z (/) s mea(y) var(y) (s-)* var(s)
40 79 Αθρ. β.ε. Μέσα τετρ F Παλινδρόμηση ,7.53 Υπόλοιπα Σφάλματα προσαρμογής 6,6 6,6 5,7 Καθαρά σφάλματα ,8 Σύνολο Θέματα () 8 Στον παρακάτω πίνακα δίνονται στοιχεία από οικογένειες. Στη στήλη y δίνεται η επιφάνεια της κατοικίας της οικογένειας (σε τετρ. μέτρα), στη στήλη x το ετήσιο εισόδημα (σε χιλιάδες ευρώ), στη στήλη x τo πλήθος των με λών της και στη στήλη x 3 τo συνολικό πλήθος ετών μετά το λύκειο που σπούδασαν τα μέλη της οικογένειας που συνεισφέρουν στο εισόδημα. y x x x 3 y x x x α) Χρησιμοποιώντας πίνακες να βρεθεί η ευθεία που εκτιμά την επιφάνεια της κατοικίας από το εισόδημα. (Οι φοιτητές που το ΑΕΜ τους είναι περιττός αριθμός να χρησιμοποιήσουν τα δεδομένα από τις πρώτες 5 οικογένειες, ενώ αυτοί που έχουν άρτιο τα υπόλοιπα). Να σημειωθούν όλοι οι πίνακες που θα χρησιμοποιήσετε και να φαίνονται οι πράξεις με τα ενδιάμεσα αποτελέσματα. Να γίνει και γραφική παράσταση, όπου να εξηγήσετε τι ελαχιστοποιεί η μέθοδος υπολογισμού του μοντέλου παλινδρόμησης. β) Κάντε τον πίνακα ανάλυσης της διασποράς και διατυπώστε τα συμπεράσματά σας. γ) Βρέστε το 95% δ.ε. για το συντελεστή του x στο μοντέλο. Προσαρμόστε το πλήρες μοντέλο και δώστε τα συμπεράσματά σας.
41 Θέματα () 8 Στο διπλανό πίνακα δίνονται οι ώρες που έτρεξε μία δρομέας σε κάθε μία από 8 διαδοχικές εβδομάδες και ο μέσος χρόνος (σε λεπτά) που έκανε η δρομέας για κάθε μίλι εκείνη την εβδομάδα. Να βρεθεί με χρήση πινάκων α) Αν ο χρόνος ανά μίλι σε μία εβδομάδα προπόνησης, μπορεί να προβλεφθεί από τις ώρες προπόνησης την εβδομάδα αυτή; Ποια η πρόβλεψη για μία εβδομάδα που έτρεξε 4 ώρες και ποια αν έτρεξε ώρες; β) Με ποια τυπική απόκλιση εκτιμώνται οι διάφοροι παράμετροι και μία από τις προβλέψεις; hours tme Θέματα (3) 8 Σε ένα πείραμα για να μελετηθεί η οξείδωση ενός μετάλλου έγιναν παρατηρήσεις όπου μετρήθηκαν (σε κατάλληλες μονάδες) το ρεύμα του αέρα (x ), η θερμοκρασία του νερού (x ), η ποσοστιαία συγκέντρωση του οξέως (x 3 )καιτοβάρος που έχασε το μέταλλο εξαιτίας της σκουριάς (y). Το μέταλλο βυθιζόταν σε οξύ που εψύχετο με νερό και μετά εκτίθονταν σε ρεύμα αέρος. Τα αποτελέσματα δίνονται στον πίνακα. Επίσης, σε κάθε κελί του δεύτερου πίνακα δίνεται το άθροισμα γινομένων των μεταβλητών που το καθορίζουν. Π.χ. στο κελί που ορίζεται από τις x,x 3 είναι 38357= x, x. = 3 α) Υπολογίστε, χρησιμοποιώντας πίνακες, τους συντελεστές παλινδρόμησης του μοντέλου y x. β) Σχηματίστε τον πίνακα ανάλυσης της διασποράς και διατυπώστε τα συμπεράσματά σας. γ) Δώστε την πρόβλεψη για θερμοκρασία. Δείξτε ότι η τυπική απόκλιση της πρόβλεψης είναι. και βρέστε το 95% διάστημα εμπιστοσύνης για την ίδια την πρόβλεψη. δ) Μετά κάναμε παλινδρόμηση με τη μεταβλητή x και βρήκαμε SSR=75., με τις μεταβλητές x και x και βρήκαμε SSR=88.44, καθώς και παλινδρόμηση με όλες τις μεταβλητές και βρήκαμε SSR= Συγκρίνετε μεταξύ τους τα τέσσερα μοντέλα (μαζί με αυτό του (α)). Για το καλύτερο από αυτά υπολογίστε πόσο μέρος της συνολικής διασποράς ερμηνεύει. (Αν δεν έχετε βρει το SST, χρησιμοποιείστε την προσέγγιση SST=) ε) Για τη μεταβλητή x παρατηρήστε ότι υπάρχουν επαναλαμβανόμενες παρατηρήσεις. Αγνοώντας τις άλλες μεταβλητές σχηματίστε τον πίνακα ανάλυσης διασποράς και συμπληρώστε τον με τα καθαρά σφάλματα. Τι συμπεραίνετε για το μοντέλο με τη μεταβλητή x ; x x x 3 y x x x y α/α x x x 3 y Σύν
ΚΕΦΑΛΑΙΟ 1. Πολλαπλή Γραμμική Παλινδρόμηση. Γενικό Γραμμικό Μοντέλο ... y Ae e. Πρόβλημα. Παράδειγμα. y 2 ΔΕΔΟΜΕΝΑ. y x x
Πρόβλημα ΚΕΦΑΛΑΙΟ Πολλαπλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης 6 o Εξάμηνο Μαθηματικών Για αγορά οθόνης για υπολογιστή ψάξαμε στην αγορά και πήραμε τα στοιχεία του πίνακα Ερωτήματα Έχει σχέση η τιμή
Διαβάστε περισσότεραSuperMac 20 Plus 48 Μεγάλη Ikegini CT-20D 55 Μεγάλη E-Mashines E20 54 Μεγάλη Sony GDM
ΚΕΦΑΛΑΙΟ Πολλαπλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Πρόβληµα Για αγορά οθόνης για υπολογιστή ψάξαµε στην αγορά και πήραµε τα στοιχεία του πίνακα Ερωτήµατα Έχει σχέση η τιµή
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...
ΚΕΦΑΛΑΙΟ 0 Ένα Πρόβλημα Δεδομένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Απλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης 6 o Εξάμηνο Μαθηματικών Έχει σχέση το με το ; Ειδικότερα
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Ένα χρήσιμο γράφημα. Η επιδιωκόμενη ιδιότητα. Η μέθοδος ελαχίστων τετραγώνων. Οι υπολογισμοί ...
ΚΕΦΑΛΑΙΟ Ένα Πρόβλημα Δεδομένα........7 7. 7. y. 7......... Απλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης o Εξάμηνο Μαθηματικών Έχει σχέση το y με το ; Ειδικότερα όταν αυξάνει το μπορούμε να πούμε ότι αυξάνει
Διαβάστε περισσότεραx y max(x))
ΚΕΦΑΛΑΙΟ 0 Απλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Ένα Πρόβληµα εδοµένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 y 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Έχει σχέση το yµε το ; Ειδικότερα
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 2008
ΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 008 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα Θέμα Θέμα 3 Θέμα 4 Βαθμός ΝΠΣ
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
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 περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε 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 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότερα1. a. Έστω b. Να βρεθούν οι ιδιοτιμές και τα ιδιοδιανύσματα του A Έστω A και ( x) [ x]
σκήσεις Ασκήσεις Ιδιοτιμές και ιδιοδιανύσματα Βασικά σημεία Ορισμός ιδιοτιμών και ιδιοδιανυσμάτων, υπολογισμός τους Ιδιόχωροι, διάσταση ιδιόχωρου, εύρεση βάσης ιδιόχωρου Σε διακεκριμένες ιδιοτιμές αντιστοιχούν
Διαβάστε περισσότεραΑσκήσεις2 8. ; Αληθεύει ότι το (1, 0, 1, 2) είναι ιδιοδιάνυσμα της f ; b. Να βρεθούν οι ιδιοτιμές και τα ιδιοδιανύσματα της γραμμικής απεικόνισης 3 3
Ασκήσεις 8 Ασκήσεις Ιδιοτιμές και ιδιοδιανύσματα Βασικά σημεία Ορισμός ιδιοτιμων και ιδιοδιανυσμάτων, υπολογισμός τους Σε διακεκριμένες ιδιοτιμές αντιστοιχούν γραμμικά ανεξάρτητα ιδιοδιανύσματα Αν ΑΧ=λΧ,
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση II
. Ο Συντελεστής Προσδιορισμού Η γραμμή Παλινδρόμησης στο δείγμα, αποτελεί μία εκτίμηση της γραμμής παλινδρόμησης στον πληθυσμό. Αν και από τη μέθοδο των ελαχίστων τετραγώνων προκύπτουν εκτιμητές που έχουν
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 Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότερα7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων
7.. Η Μέθοδος των Ελαχίστων Τετραγώνων Όπως ήδη αναφέρθηκε, μία ευρύτατα διαδεδομένη μέθοδος για την εκτίμηση των σταθερών α και β είναι η μέθοδος των ελαχίστων τετραγώνων. Η μέθοδος αυτή επιλέγει εκτιμήτριες
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 5: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: ageliki.papaa@gmail.com, agpapaa@auth.gr Webpage: http://users.auth.gr/agpapaa
Διαβάστε περισσότεραΜέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 1 η Ημερομηνία Αποστολής στον Φοιτητή: 20 Οκτωβρίου 2008
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ημερομηνία Αποστολής στον Φοιτητή: 0 Οκτωβρίου 008 Ημερομηνία παράδοσης της Εργασίας: Νοεμβρίου 008 Πριν
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Παρεμβολή και Παρεκβολή Εισαγωγή Ορισμός 6.1 Αν έχουμε στη διάθεσή μας τιμές μιας συνάρτησης
Διαβάστε περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΠΑΛΙΝΔΡΟΜΗΣΗ ΤΑΞΗΣ ΜΕΓΕΘΟΥΣ
. ΠΑΛΙΝΔΡΟΜΗΣΗ ΤΑΞΗΣ ΜΕΓΕΘΟΥΣ (RANK REGRESSION).1 Μονότονη Παλινδρόμηση (Monotonic Regression) Από τη γραφική παράσταση των δεδομένων του προηγουμένου προβλήματος παρατηρούμε ότι τα ζευγάρια (Χ i, i )
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Παλινδρόμηση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραb. Για κάθε θετικό ακέραιο m και για κάθε A. , υπάρχουν άπειρα το πλήθος πολυώνυμα ( x) [ x] m και ( A) 0.
Ασκήσεις4 46 Ασκήσεις 4 Τριγωνίσιμες γραμμικές απεικονίσεις, Θεώρημα των Cayley-Hamilton Βασικά σημεία Ορισμός τριγωνίσιμου πίνακα, ορισμός τριγωνίσιμης γραμμικής απεικόνισης Κριτήριο τριγωνισιμότητας
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΙΩΑΝΝΗΣ Α. ΤΣΑΓΡΑΚΗΣ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΜΕΡΟΣ 5: ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΥΠΟΧΩΡΟΙ ΓΡΑΜΜΙΚΗ ΑΝΕΞΑΡΤΗΣΙΑ ΒΑΣΕΙΣ & ΔΙΑΣΤΑΣΗ Δ.Χ. ΣΗΜΕΙΩΣΕΙΣ
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
Στατιστική Συμπερασματολογία Διαφάνειες 5 ου κεφαλαίου Ελεγχοσυναρτήσεις για τις Παραμέτρους της Κανονικής Κατανομής Σταύρος Χατζόπουλος 08/05/207, 5/05/207 Εισαγωγή Στις παραγράφους που ακολουθούν παρουσιάζονται
Διαβάστε περισσότερα1. Για καθένα από τους ακόλουθους διανυσματικούς χώρους βρείτε μια βάση και τη διάσταση. 3. U x y z x y z x y. {(,, ) } a b. c d
Γραμμική Άλγεβρα Ι, 07-8 Ασκήσεις6: Βάση και Διάσταση Βασικά σημεία Βάση διανυσματικού χώρου (ορισμός, παραδείγματα, μοναδικότητα συντελεστών) Θεώρημα (ύπαρξη, πρώτη μορφή) Έστω V K μη μηδενικός με K πεπερασμένο
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 περισσότεραY Y ... y nx1. nx1
6 ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΜΕ ΤΗ ΧΡΗΣΗ ΠΙΚΑΚΩΝ Η χρησιμοποίηση και ο συμβολισμός πινάκων απλοποιεί σημαντικά τα αποτελέσματα της γραμμικής παλινδρόμησης, ιδίως στην περίπτωση της πολλαπλής παλινδρόμησης Γενικά,
Διαβάστε περισσότεραΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΙΟΙΚΗΣΗ ΚΑΙ ΣΤΗΝ ΟΙΚΟΝΟΜΙΑ
Α εξεταστική περίοδος χειµερινού εξαµήνου 4-5 ιάρκεια εξέτασης ώρες και 45 λεπτά Θέµατα Θέµα (α) Τα υποδείγµατα που χρησιµοποιούνται στην οικονοµική θεωρία ονοµάζονται ντετερµινιστικά ενώ τα οικονοµετρικά
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΚεφάλαιο 4 Διανυσματικοί Χώροι
Κεφάλαιο Διανυσματικοί Χώροι Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: Διανυσματικοί Χώροι α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο
Διαβάστε περισσότεραΘέμα 1. που. . Δηλαδή ο υπόχωρος V είναι το. Απάντηση 1α) ii)παρατηρούμε οτι
Θέμα ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (ΘΕ ΠΛΗ ) ΕΝΔΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ΤΕΛΙΚΗΣ ΕΞΕΤΑΣΗΣ Ιουνίου (οποιεσδήποτε άλλες ορθές απαντήσεις είναι αποδεκτές)
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:
Διαβάστε περισσότεραΠΑΛΙΝ ΡΟΜΗΣΗ..Π.Μ.Σ. Μαθηµατικά των Υπολογιστών και των Αποφάσεων. Πάτρα, 27 Ιανουαρίου 2011
Πάτρα, 7 Ιανουαρίου 011 Γενικά Πολλές ϕορές µας ενδιαφέρει να µελετήσουµε τις σχέσεις που υπάρχουν ανάµεσα στις µεταβλητές. Παράδειγµα 1 OZON 300 80 60 40 0 00 180 150 00 50 300 350 400 450 CFC 1 Από το
Διαβάστε περισσότεραΠΛΗ ΛΥΣΕΙΣ ΕΡΓ_2 ΣΕΛ. 1/11
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ημερομηνία Αποστολής στον Φοιτητή: Νοεμβρίου 007 Ημερομηνία παράδοσης της Εργασίας: 4 Δεκεμβρίου 007 Πριν από την λύση κάθε άσκησης καλό
Διαβάστε περισσότεραB είναι ισοδύναμοι αν και μόνο αν υπάρχουν διατεταγμένες βάσεις ˆv του. , b, έχει λύση αν και μόνο αν rank( A) rank( A b)
Ασκήσεις8: Γραμμικές Απεικονίσεις και Πίνακες Βασικά σημεία Ορισμός πίνακα γραμμικής απεικόνισης, παραδείγματα Ανάκτηση γραμμικής απεικόνισης από πίνακά της Ιδιότητες (πίνακας που αντιστοιχεί στο άθροισμα,
Διαβάστε περισσότεραΑσκήσεις6 Διαγωνοποίηση Ερμιτιανών Πινάκων
7 Βασικά σημεία Ασκήσεις6 Διαγωνοποίηση Ερμιτιανών Πινάκων Το σύνηθες εσωτερικό γινόμενο στο και Ορθοκανονικές βάσεις και η μέθοδος Gram-Schmidt Ορισμός, Ερμιτιανού πίνακα και μοναδιαίου πίνακα Ιδιότητες
Διαβάστε περισσότεραΔΙΑΦΟΡΙΚΟΣ 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 περισσότεραΜΑΣ121: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ I Εαρινό εξάμηνο , Διδάσκων: Γιώργος Γεωργίου ΕΝΔΙΑΜΕΣΗ ΕΞΕΤΑΣΗ, Διάρκεια: 2 ώρες 18 Νοεμβρίου, 2017
ΜΑΣ: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ I Εαρινό εξάμηνο 07-08, Διδάσκων: Γιώργος Γεωργίου ΕΝΔΙΑΜΕΣΗ ΕΞΕΤΑΣΗ, Διάρκεια: ώρες 8 Νοεμβρίου, 07 Δίνονται 4 προβλήματα που αντιστοιχούν σε 0 μονάδες με άριστα το 00! ΟΝΟΜΑ: Αρ.
Διαβάστε περισσότεραΚεφάλαιο 4 Διανυσματικοί Χώροι
Κεφάλαιο Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο συμβολίζουμε με Σε αυτό το σύνολο γνωρίζουμε
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4 ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ. Εισαγωγικό παράδειγµα
ΚΕΦΑΛΑΙΟ ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Εισαγωγικό παράδειγµα Τρεις µέθοδοι διδασκαλίας εφαρµόστηκαν σε άτοµα (ανά 8 η κάθε µία) και µετά εξετάστηκαν σε κοινά θέµατα. Η βαθµολογία
Διαβάστε περισσότεραΔιάστημα εμπιστοσύνης της μέσης τιμής
Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 2 η Ημερομηνία Αποστολής στον Φοιτητή: 28 Νοεμβρίου 2011
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ημερομηνία Αποστολής στον Φοιτητή: 8 Νοεμβρίου 0 Ημερομηνία παράδοσης της Εργασίας: 6 Ιανουαρίου 0 Οι ασκήσεις
Διαβάστε περισσότεραΓενικό Ενιαίο Λύκειο Μαθ. Κατ. Τάξη B
151 Θέματα εξετάσεων περιόδου Μαΐου - Ιουνίου στα Μαθηματικά Κατεύθυνσης Τάξη - B Λυκείου 15 Α. Αν α, β, γ ακέραιοι ώστε α/β και α/γ, να δείξετε ότι α/(β + γ). Μονάδες 13 Β. α. Δώστε τον ορισμό της παραβολής.
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟρίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, T ( ) μεταξύ τους ανεξάρτητα. Τότε
Η πολυδιάστατη κανονική κατανομή Ορίζουμε την τυπική πολυδιάστατη κανονική, σαν την κατανομή του τυχαίου (,, διανύσματος X X X ), όπου X ~ N (,) και όλα τα X μεταξύ τους ανεξάρτητα Τότε ( ) (,, ) (, )
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΈντυπο Yποβολής Αξιολόγησης ΓΕ
Έντυπο Yποβολής Αξιολόγησης ΓΕ O φοιτητής συμπληρώνει την ενότητα «Υποβολή Εργασίας» και αποστέλλει το έντυπο σε δύο μη συρραμμένα αντίγραφα (ή ηλεκτρονικά) στον Καθηγητή-Σύμβουλο Ο Καθηγητής-Σύμβουλος
Διαβάστε περισσότεραΣυσχέτιση μεταξύ δύο συνόλων δεδομένων
Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,
Διαβάστε περισσότεραΑσκήσεις3 Διαγωνισιμότητα Βασικά σημεία Διαγωνίσιμοι πίνακες: o Ορισμός και παραδείγματα.
Ασκήσεις 0 Ασκήσεις Διαγωνισιμότητα Βασικά σημεία Διαγωνίσιμοι πίνακες: o Ορισμός και παραδείγματα o H -στήλη του P P είναι E αν και μόνο αν η -στήλη του P είναι ιδιοδιάνυσμα του που αντιστοιχεί στην ιδιοτιμή
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 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι
Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος. Δείξτε ότι ο V R εφοδιασμένος με τις ακόλουθες πράξεις (, a b) + (, d) ( a+, b+ d) και k ( ab, ) ( kakb,
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότερα7. Αν υψώσουμε και τα δύο μέλη μιας εξίσωσης στον κύβο (και γενικά σε οποιαδήποτε περιττή δύναμη), τότε προκύπτει
8 7y = 4 y + y ( 8 7y) = ( 4 y + y) ( y) + 4 y y 4 y = 4 y y 8 7y = 4 y + ( 4 y) = ( 4 y y) ( 4 y) = 4( 4 y)( y) ( 4 y) 4( 4 y)( y) = 0 ( 4 y) [ 4 y 4( y) ] = 4 ( 4 y)( y + 4) = 0 y = ή y = 4) 0 4 H y
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 περισσότεραΠαραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος
Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος Παράδειγμα Έστω το σύνολο V το σύνολο όλων των θετικών πραγματικών αριθμών εφοδιασμένο με την ακόλουθη πράξη της πρόσθεσης: y y με, y V και του πολλαπλασιασμού
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 περισσότεραΑσκήσεις3 Διαγωνίσιμες Γραμμικές Απεικονίσεις
Ασκήσεις 5 Βασικά σημεία Ιδιότητες ιδιόχωρων: Έστω,, Ισχύουν τα εξής Ασκήσεις Διαγωνίσιμες Γραμμικές Απεικονίσεις κάποιες διακεκριμένες ιδιοτιμές της γραμμικής απεικόνισης : V V, όπου o Αν v v 0, όπου
Διαβάστε περισσότερα,..., v n. W πεπερασμένα παραγόμενοι και dimv. Τα ακόλουθα είναι ισοδύναμα f είναι ισομορφιμός. f είναι 1-1. f είναι επί.
Γραμμική Άλγεβρα Ι, 07-8 Ασκήσεις7: Γραμμικές Απεικονίσεις Βασικά σημεία Ορισμός και παραδείγματα γραμμικών απεικονίσεων Σύνθεση γραμμικών απεικονίσεων, ισομορφισμοί Κάθε γραμμική απεικόνιση f : V W, όπου
Διαβάστε περισσότεραΜέθοδος Ελαχίστων Τετραγώνων (για την προσαρμογή (ή λείανση) δεδομένων/μετρήσεων)
Μέθοδος Ελαχίστων Τετραγώνων (για την προσαρμογή (ή λείανση) δεδομένων/μετρήσεων) Στην πράξη, για πολύ σημαντικές εφαρμογές, γίνονται μετρήσεις τιμών μιας ποσότητας σε μια κλινική, για μια σφυγμομέτρηση,
Διαβάστε περισσότεραΣτατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες
Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων Ι
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 5: Παλινδρόμηση Συσχέτιση θεωρητική προσέγγιση Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
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 περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) Ενδεικτικές λύσεις ΕΡΓΑΣΙΑ η Ηµεροµηνία Αποστολής στον Φοιτητή: 6 Νοεµβρίου 005 Ηµεροµηνία Παράδοσης της Εργασίας
Διαβάστε περισσότερα12. ΑΝΙΣΩΣΕΙΣ Α ΒΑΘΜΟΥ. είναι δύο παραστάσεις μιας μεταβλητής x πού παίρνει τιμές στο
ΓΕΝΙΚΑ ΠΕΡΙ ΑΝΙΣΩΣΕΩΝ Έστω f σύνολο Α, g Α ΒΑΘΜΟΥ είναι δύο παραστάσεις μιας μεταβλητής πού παίρνει τιμές στο Ανίσωση με έναν άγνωστο λέγεται κάθε σχέση της μορφής f f g g ή, η οποία αληθεύει για ορισμένες
Διαβάστε περισσότεραΓραμμικός 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 περισσότεραΣυναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις
Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις Ορισμός: Έστω Α, Β R. Πραγματική συνάρτηση πραγματικής μεταβλητής από το σύνολο Α στο σύνολο Β ονομάζουμε την διαδικασία κατά την οποία κάθε στοιχείο του συνόλου
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 3: ΕΦΑΠΤΟΜΕΝΗ [Κεφάλαιο 2.1: Πρόβλημα εφαπτομένης του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β
ΚΕΦΑΛΑΙΟ ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ : ΕΦΑΠΤΟΜΕΝΗ [Κεφάλαιο.: Πρόβλημα εφαπτομένης του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ Παράδειγμα. ΘΕΜΑ Β Έστω μια παραγωγίσιμη στο συνάρτηση, τέτοια ώστε για κάθε x
Διαβάστε περισσότεραΑσκήσεις4 48. P AP τριγωνικό. Αφού δείξτε ότι ο A δεν είναι διαγωνίσιμος, βρείτε αντιστρέψιμο A 1 3 1
Ασκήσεις4 48 Ασκήσεις4 Τριγωνισιμότητα Βασικά σημεία Ορισμός τριγωνίσιμου πίνακα, ορισμός τριγωνίσιμης γραμμικής απεικόνισης Θεώρημα: είναι τριγωνίσιμος αν και μόνο αν ( x ) γινόμενο πρωτοβάθμιων παραγόντων
Διαβάστε περισσότερα, b, έχει λύση αν και μόνο αν rank( A) rank( A b) είναι οι συνήθεις διατεταγμένες βάσεις των,
Γραμμική Άλγεβρα Ι, 07-8 Ασκήσεις8: Γραμμικές Απεικονίσεις και Πίνακες Βασικά σημεία Ορισμός πίνακα γραμμικής απεικόνισης, παραδείγματα Ανάκτηση γραμμικής απεικόνισης από πίνακά της Ιδιότητες (πίνακας
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ
ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - 02/07/08) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ
Ονοματεπώνυμο:......... Α.Μ....... Ετος... ΑΙΘΟΥΣΑ:....... I. (περί τις 55μ. = ++5++. Σωστό ή Λάθος: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - //8 ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ (αʹ Αν AB = BA όπου A, B τετραγωνικά και
Διαβάστε περισσότεραΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ
ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΝΥΣΜΑΤΑ 1 ΜΑΘΗΜΑ 1 ο +2 ο ΕΝΝΟΙΑ ΔΙΑΝΥΣΜΑΤΟΣ Διάνυσμα ορίζεται ένα προσανατολισμένο ευθύγραμμο τμήμα, δηλαδή ένα ευθύγραμμο τμήμα
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ
ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1Ο : ΔΙΑΝΥΣΜΑΤΑ ΒΑΣΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ Διάνυσμα Θέσης ενός σημείου Αν θεωρήσουμε ένα οποιοδήποτε σημείο Ο του επιπέδου ως σημείο αναφοράς (ακόμα
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ 1 ο : Όριο Συνέχεια Συνάρτησης
ΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ ο : Όριο Συνέχεια Συνάρτησης Φυλλάδιο Φυλλάδι555 4 ο ο.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ
Διαβάστε περισσότεραΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8
ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ. 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις)
6 ΣΥΣΤΗΜΑΤΑ 6.1 ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ (Επαναλήψεις-Συμπληρώσεις) Η εξίσωση αx βy γ Στο Γυμνάσιο διαπιστώσαμε με την βοήθεια παραδειγμάτων ότι η εξίσωση αx βy γ, με α 0 ή β 0, που λέγεται γραμμική εξίσωση,
Διαβάστε περισσότερα(a + b) + c = a + (b + c), (ab)c = a(bc) a + b = b + a, ab = ba. a(b + c) = ab + ac
Σημειώσεις μαθήματος Μ1212 Γραμμική Άλγεβρα ΙΙ Χρήστος Κουρουνιώτης ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ 2014 Κεφάλαιο 1 Διανυσματικοί Χώροι Στο εισαγωγικό μάθημα Γραμμικής Άλγεβρας ξεκινήσαμε μελετώντας
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΑΡΤΙΟΙ) Προτεινοµενες Ασκησεις - Φυλλαδιο 1
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Τµηµα Β (ΑΡΤΙΟΙ) Προτεινοµενες Ασκησεις - Φυλλαδιο 1 ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebrai/lai2018/lai2018html Παρασκευή 12 Οκτωβρίου
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση Ι. Λυχναρόπουλος
6/6/06 Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση Ι. Λυχναρόπουλος Άσκηση (Μονάδες ) 0 Δίνεται ο πίνακας A =. Nα υπολογίσετε την βαθμίδα του και να βρείτε τη διάσταση και από μία βάση α) του μηδενοχώρου
Διαβάστε περισσότερα1 Επανάληψη εννοιών από τον Απειροστικό Λογισμό
1 Επανάληψη εννοιών από τον Απειροστικό Λογισμό 1.1 Όρια ακολουθιών Λέμε ότι η ακολουθία { n } συγκλίνει με όριο R αν για κάθε ϵ > 0 υπάρχει ακέραιος N = N(ϵ) τέτοιος ώστε (1.1) n < ϵ για κάθε n > N, και
Διαβάστε περισσότεραΜΕ ΝΕΟ ΣΥΣΤΗΜΑ 2014 Θ ΕΩΡΙA 10
ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΑΛΓΕΒΡΑΣ Α ΛΥΚΕΙΟΥ ΜΕ ΝΕΟ ΣΥΣΤΗΜΑ 04 Θ ΕΩΡΙA 0 ΘΕΜΑ A Α Να χαρακτηρίσετε τις προτάσεις που ακολουθούν, γράφοντας στην κόλλα σας δίπλα στο γράμμα που αντιστοιχεί σε κάθε πρόταση τη
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 περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα
Διαβάστε περισσότερα0x2 = 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 περισσότεραΕπιχειρησιακά Μαθηματικά (1)
Τηλ:10.93.4.450 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΔΕΟ 13 ΤΟΜΟΣ Α Επιχειρησιακά Μαθηματικά (1) ΑΘΗΝΑ ΟΚΤΩΒΡΙΟΣ 01 Τηλ:10.93.4.450 ΚΕΦΑΛΑΙΟ 1 Ο Συνάρτηση μιας πραγματικής μεταβλητής Ορισμός : Συνάρτηση f μιας πραγματικής
Διαβάστε περισσότεραΣΗΜΕΙΩΣΕΙΣ. x A αντιστοιχίζεται (συσχετίζεται) με ένα μόνο. = ονομάζεται εξίσωση της
ΚΕΦΑΛΑΙΟ 2ο: ΣΥΝΑΡΤΗΣΕΙΣ - ΟΡΙΟ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ ΕΝΟΤΗΤΑ 1: ΕΝΝΟΙΑ ΠΡΑΓΜΑΤΙΚΗΣ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ ΣΥΝΑΡΤΗΣΗΣ. IΣΟΤΗΤΑ ΣΥΝΑΡΤΗΣΕΩΝ - ΠΡΑΞΕΙΣ ΜΕ ΣΥΝΑΡΤΗΣΕΙΣ - ΣΥΝΘΕΣΗ ΣΥΝΑΡΤΗΣΕΩΝ [Ενότητα
Διαβάστε περισσότεραΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ. Μαθηματικά Προσανατολισμού Β Γενικού Ημερησίου Λυκείου. 4 ο ΘΕΜΑ. Εκφωνήσεις Λύσεις των θεμάτων. Έκδοση 1 η (19/11/2014)
ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ Μαθηματικά Προσανατολισμού Β Γενικού Ημερησίου Λυκείου 4 ο ΘΕΜΑ Εκφωνήσεις Λύσεις των θεμάτων Έκδοση η (9//4) Θέματα 4 ης Ομάδας Μαθηματικά Προσανατολισμού Β Λυκείου GI_V_MATHP_4_866 [παράγραφος
Διαβάστε περισσότεραKεφάλαιο 4. Συστήματα διαφορικών εξισώσεων. F : : F = F r, όπου r xy
4 Εισαγωγή Kεφάλαιο 4 Συστήματα διαφορικών εξισώσεων Εστω διανυσματικό πεδίο F : : F = Fr, όπου r x, και είναι η ταχύτητα στο σημείο πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουμε τις τροχιές κίνησης των
Διαβάστε περισσότερα