ΚΕΦΑΛΑΙΟ 2. Μετρήσεις, Σφάλµατα και Στατιστικά Μεγέθη

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΚΕΦΑΛΑΙΟ 2. Μετρήσεις, Σφάλµατα και Στατιστικά Μεγέθη"

Transcript

1 ΚΕΦΑΛΑΙΟ. Μετρήεις, Σφάλµατα και Στατιτικά Μεγέθη

2 . Ειαγωγή Αχοληθήκαµε το προηγούµενο Κεφάλαιο µε τον οριµό µαθηµατικών εργαλείων για την περιγραφή της πιθανότητας ή της πυκνότητας πιθανότητας ώτε µία τυχαία µεταβλητή να πάρει τιµές από κάποια περιοχή του πεδίου οριµού της. Ο τόχος µας είναι να χρηιµοποιήουµε αυτά τα εργαλεία την επεξεργαία µετρήεων και την εξαγωγή υµπεραµάτων. Ας επανέλθουµε το παράδειγµα της υποενότητας... Εάν είχαµε την δυνατότητα να εκτελέουµε µία ειρά άπειρων µετρήεων θα µπορούαµε να προδιορίουµε την κοινή υνάρτηη πυκνότητας πιθανότητας των ποοτικών εκτιµήεων (µετρήεων της πίεης και της θερµοκραίας. Ακόµα όµως και την περίπτωη που η πίεη και η θερµοκραία του αερίου παραµένουν πράγµατι ταθερές και οι διακυµάνεις των µετρήεων οφείλονται αποκλειτικά ε εξωγενείς παράγοντες (ατέλεια οργάνων, εξωτερικοί παράγοντες κτλ, θα πρέπει να αναζητήουµε κάποιο τρόπο για να εκτιµήουµε τις «αληθείς» τιµές αυτών των φυικών ποοτήτων. Θα πρέπει επίης να βρούµε κάποιο τρόπο για να ποοτικοποιήουµε την ακρίβεια µε την οποία εκτιµούµε τις «αληθείς» τιµές των φυικών ποοτήτων. Πολλω δε µάλλον όταν, πρακτικά, είναι αδύνατον να εκτελέουµε άπειρο αριθµό µετρήεων. Θα πρέπει να αναζητήουµε ένα τρόπο ώτε η ποοτικοποίηη της \ακρίβειας εκτίµηης των «αληθών» τιµών να εκφράζεται υναρτήει του πλήθους των διαθέιµων µετρήεων.. Ο νόµος των µεγάλων αριθµών Ετω ότι { X,X,, X } είναι ένα ύνολο αµοιβαία ανεξάρτητων τυχαίων µεταβλητών, η κάθε µία µε αναµενόµενη τιµή ίη µε µ (κοινή για όλες τις τυχαίες µεταβλητές και διαπορές ίες µε όπου,, αντίτοιχα.. Ως µέο όρο των τυχαίων αυτών µεταβλητών ορίζουµε την ποότητα: X X.. Προφανώς η ποότητα X που ορίθηκε µε την χέη.. είναι γραµµική υνάρτηη τυχαίων µεταβλητών και υνεπώς είναι τυχαία µεταβλητή. Παραθέτουµε χωρίς απόδειξη τις δύο εκφράεις του νόµου των µεγάλων αριθµών: Συνήθως οι Φυικοί αιθάνονται ότι καταλαβαίνουν απόλυτα την έννοια της ύγκλιης και των διαδικαιών που εµπλέκουν όρια διότι είναι εξοικιωµένοι µε τις αντίοιχες έννοιες του Διαφορικού Λογιµού και των εφαρµογών του τη µελέτη φυικών φαινοµένων. Εν τούτοις την Στατιτική η έννοια της ύγκλιης είναι περιότερο πολύπλοκη εκ του γεγονότος ότι µπορεί να οριθεί µόνο πιθανοκρατικά η τιµή της τυχαίας µεταβλητής. Για περιότερες λεπτοµέρειες ο αναγνώτης µπορεί να

3 Ο ΑΣΘΕΝΗΣ ΝΟΜΟΣ των µεγάλων αριθµών διατείνεται ότι αν lm 0.. τότε ο µέος όρος X υγκλίνει την αναµενόµενη τιµή, µ, των τυχαίων µεταβλητών. lm X µ..3 Ο ΙΣΧΥΡΟΣ ΝΟΜΟΣ των µεγάλων αριθµών διατείνεται ότι αν lm πεπεραµένο..4 τότε ο µέος όρος X υγκλίνει 3 την αναµενόµενη τιµή, µ, των τυχαίων µεταβλητών. lm X µ..4 Ο νόµος των µεγάλων αριθµών έχει ιδιαίτερη πρακτική ηµαία όταν οι τυχαίες µεταβλητές Χ (,,3,, είναι τα αποτελέµατα του ιδίου πειράµατος (ή µέτρηης της φυικής ποότητας Χ που επαναλαµβάνεται Ν φορές. Σ αυτή την περίπτωη οι τυχαίες µεταβλητές είναι αµοιβαία ανεξάρτητες έχουν την ίδια διαπορά, (,,3,, και εξαφαλίζεται η υνθήκη.. (ή αντίτοιχα η..4. Συνεπώς αναµενόµενη τιµή της ποότητας Χ, µ Χ, υπολογίζεται ως το όριο, όταν το Ν τείνει το άπειρο, του µέου όρου των επαναλαµβανόµενων µετρήεων. Βεβαίως, η απαίτηη ώτε ο αριθµός των µετρήεων να τείνει το άπειρο δεν είναι πρακτικά εφικτή. Στις πρακτικές εφαρµογές η χέη..4 χρηιµοποιείται προεγγιτικά ως: X X µ..5 X Εάν δηλαδή επαναλάβουµε την µέτρηη της ποότητας Χ, Ν φορές (όπου το Ν είναι ένας πεπεραµένος αριθµός µπορούµε, µε την χέη..5, να υπολογίουµε προτρέξει το βιβλίο των W. T. Eade et al tatstcal Methods n Epermental Physcs, orth- Holland Publshn Company, 97 και ε αναφορές εκεί. Η ύγκλιη αυτή χαρακτηρίζεται ως «ύγκλιη τετραγωνικού µέου» (quadratc mean. 3 Η ύγκλιη αυτή χαρακτηρίζεται ως «περίπου βέβαια ύγκλιη» (almost certan converence.

4 προεγγιτικά την τιµή της αναµενόµενης τιµής της ποότητας Χ, χωρίς να ξέρουµε τίποτα περιότερο για την υνάρτηη πυκνότητας πιθανότητας 4. Παρατηρήετε ότι η χέη..5 δεν αποτελεί µόνο προέγγιη αλλά περιέχει και την ακόλουθη παραδοξότητα. Το δεξιό µέλος της ιότητας είναι πραγµατικός αριθµός ενώ το αριτερό µέλος είναι τυχαία µεταβλητή 5. Είναι πιο ωτό λοιπόν να γράψουµε ότι: X X µ ˆ X όπου µˆ είναι η εκτίµηη της αναµενόµενης τιµής µ X Χ..6 Ερώτηη: Δείξετε ότι η αναµενόµενη τιµή και διαπορά της τυχαίας µεταβλητής µˆ, X που ορίαµε µε την χέη..6, εκφράζονται υναρτήει της αναµενόµενης τιµής και της διαποράς των µετρήεων της ποότητας Χ, µ Χ και αντίτοιχα, και του αριθµού των µετρήεων, Ν, ως: < X >< µˆ Χ > µ Χ..7 V(X V(µˆ X Ν Υπόδειξη: Η τυχαία µεταβλητή µˆ είναι γραµµική υνάρτηη των Ν τυχαίων X µεταβλητών Χ (,,3,,. Εφαρµόετε τις χέεις..3 και.. του Κεφαλαίου. Όταν ο αριθµός των µετρήεων, Ν, τείνει το άπειρο η διαπορά της εκτίµηης της αναµενόµενης τιµής, χέη..7, τείνει το µηδέν. Με άλλα λόγια η εκτίµηη της µέης τιµής παύει να είναι τυχαία µεταβλητή, είναι πλέον ένας πραγµατικός αριθµός, όπως ακριβώς προβλέπει ο νόµος των µεγάλων αριθµών,..3. Ο νόµος των µεγάλων αριθµών εύκολα µπορεί να χρηιµοποιηθεί για τον υπολογιµό της διαποράς των µετρήεων. Παρατηρήτε ότι η αναµενόµενη τιµή της τυχαίας µεταβλητή, Υ(Χ-µ Χ (όπου Χ είναι η µέτρηη µίας φυικής ποότητας και µ Χ η αναµενόµενη τιµή αυτών των µετρήεων είναι η διαπορά,, των µετρήεων. Εφαρµόζοντας κανείς τον νόµο των µεγάλων αριθµών 6 καταλήγει ότι: 4 Πράγµατι εάν η διαπορά,, υπάρχει και είναι πεπεραµένη, η υνθήκη.. ικανοποιείται. 5 Πράγµατι, εάν εκτελέουµε την ειρά των Ν µετρήεων της ποότητας Χ, πολλές φορές και κάθε φορά υπολογίζουµε τον µέο όρο των αντιτοίχων Ν µετρήεων, δεν θα πρέπει να εκπλαγούµε όταν θα παρατηρήουµε (βλέπε παράδειγµα.. τις τιµές των µέων όρων να διακυµαίνονται 6 Με την προυπόθεη ότι υπάρχουν οι αλγεβρικές ροπές µέχρι και τετάρτης τάξης.

5 lm (X µ lm Χ $!!!! #!!!!" (X lm (X µ Χ µ Χ ή (X µ lm Χ..8 Η χέη..8 µπορεί να εφαρµοθεί προεγγιτικά για την περίπτωη πεπεραµένου πλήθους µετρήεων (κατ αναλογία της χέης..6 ως: (X µ (X µ ˆ Χ Χ..9 όπου ˆ είναι η εκτίµηη της διαποράς των µετρήεων και µ είναι η Χ αναµενόµενη τιµή των µετρήεων. Στην περίπτωη όπου κάποιος έχει διαθέιµες Ν µετρήεις του µεγέθους Χ, υχνά βρίκεται τον πειραµό να εκτιµήει υγχρόνως την αναµενόµενη τιµή και την διαπορά των µετρήεων χρηιµοποιώντας την χέη..6 και..0 αντίτοιχα: (X µˆ (X µˆ ˆ Χ Χ..0α Η χέη..0 προκύπτει από την..9, όπου έχει αντικαταταθεί η αναµενόµενη τιµή της µέτρηης του Χ, µ X, µε την εκτίµηη της από την χέη..6. Η αντικατάταη αυτή αποτελεί κλαικό παράδειγµα όπου η διαιθητική λύη καταλήγει ε λάθος αποτέλεµα. Όπως θα υζητήουµε ε επόµενο κεφάλαιο η χέη..0 οδηγεί ε λάθος εκτίµηη (bas της διαποράς 7 ενώ η χέη..6 υνεχίζει να αποτελεί καλή εκτίµηη. Παράδειγµα.. Ας επιχειρήουµε µε ένα απλό πείραµα για να δείξουµε την ιχύ των προεγγιτικών εφαρµογών του νόµου των µεγάλων αριθµών. Ας υποθέουµε ότι «τρίβουµε» υγχρόνως τέερα ίδια νοµίµατα Ανάλογα µε το αποτέλεµα µπορούµε να δίνουµε τιµές (0 ή την ακόλουθη µεταβλητή (Α. µεταβλητή Α : όταν ένα µόνο (οποιοδήποτε νόµιµα φέρνει κεφάλι 0 : ε κάθε άλλη περίπτωη (X - (X µˆ Χ ˆ 7 Η ωτή χέη εκτίµηης είναι: ( (..0β µˆ Χ

6 Όπως θα δούµε το επόµενο Κεφάλαιο η υνάρτηη πιθανότητας της τυχαίας µεταβλητής Α, είναι διωνυµική. Στο ηµείο αυτό αρκεί η διαπίτωη ότι για την τυχαία µεταβλητή Α υπάρχουν η αναµενόµενη τιµή και η τετραγωνική απόκλιη. Έτω λοιπόν ότι η µεταβλητή Α έχει αναµενόµενη τιµή ίη µε µ Α και τετραγωνική απόκλιη ίη µε Α. Ας επαναλάβουµε το πείραµα (τη ρίψη των νοµιµάτων Ν φορές και έτω Α (,,3,..., οι τιµές της µεταβλητής Α που παρατηρήθηκαν αυτά τα πειράµατα.. Είναι προφανές ότι κάθε ένα από τα αποτελέµατα Α ι (π.χ. Α είναι τυχαία µεταβλητή 8. Ο µέος όρος των Ν τιµών Α ι, A, ύµφωνα µε την.. είναι: A A.. Η διαπορά των Α, Α, είναι πεπεραµένος αριθµός, και η υνθήκη... ικανοποιείται. Πράγµατι: A A lm lm A lm lm 0 Συνεπώς, βάει της..3, θα ιχύει ότι: lm ( A lm A µ.. Α Όταν το Ν γίνεται πολύ µεγάλο, αλλά όχι άπειρο, θα ιχύει η προέγγίη: A A µˆ A..3 Σύµφωνα µε την υζήτηη που προηγήθηκε, η ποότητα µˆ Α, είναι τυχαία µεταβλητή µε διαπορά που δίνεται από την χέη..7. Όταν το Ν τείνει το άπειρο η ποότητα αυτή θα πρέπει να ταυτίζεται µε τη αναµενόµενη τιµή της µεταβλητής Α. 8 Πράγµατι µπορούµε να εκτελέουµε την ειρά των Ν ρίψεων πολλές φορές. Το αποτέλεµα της ης ρίψης (Α θα είναι διαφορέτικό ε κάθε ειρά ρίψεων. Επίης η αναµενόµενη τιµή της ης ρίψης θα είναι και αυτή ίη µε µ Α (δεν υπάρχει τίποτα που να διαφοροποιεί την η ρίψη από τις άλλες και η διαπορά ίη µε Α. Το ίδιο θα ιχύει για οποιαδήποτε από τις άλλες ρίψεις.

7 Αν και δεν ξέρουµε 9 την ακριβή µαθηµατική έκφραη της υνάρτηης πιθανότητας της τυχαίας µεταβλητής Α, χρηιµοποιώντας το γεγονός ότι κάθε νόµιµα έχει 50% πιθανότητα να έρθει κεφάλι, είναι εύκολο να προβλέψουµε θεωρητικά την αναµενόµενη τιµή της µε τον ακόλουθο τρόπο: H πιθανότητα το πρώτο νόµιµα να έρθει κεφάλι και τα άλλα νοµίµατα να έρθουν γράµµατα είναι: Την ίδια όµως πιθανότητα έχουν και οι ακόλουθοι υνδυαµοί: το δεύτερο κεφάλι και τα άλλα γράµµατα, το τρίτο κεφάλι και τα άλλα γράµµατα, το τέταρτο κεφάλι και τα άλλα γράµµατα. Προφανώς όλοι αυτοί οι υνδυαµοί ανήκουν την κατηγορία «ένα µόνο νόµιµα έρχεται κεφάλι». Συνεπώς η πιθανότητα να έρθει ένα µόνο (οποιοδήποτε νόµιµα από τα τέερα κεφάλι είναι Ρ(Α Είναι προφανές ότι Ρ(Α0-Ρ(Α Επιπλέον, επειδή η µεταβλητή Α παίρνει δύο µόνο τιµές ( ή 0 η αναµενόµενη τιµή και η διαπορά θα είναι (ύµφωνα µε τους οριµούς, χέεις:.8.9 µ Α και A ( ( Πρόθεή µας είναι να εκτελέουµε το πείραµα της ρίψης των τεάρων νοµιµάτων και να προδιορίζουµε µετά από κάθε ρίψη την τιµή της µεταβλητής Α. Μετά από Ν ρίψεις θα υπολογίζουµε την ποότητα µˆ Α, χρηιµοποιώντας τη χέη..3. Προκειµένου να µελετήουµε την τατιτική υµπεριφορά της τυχαίας µεταβλητής µˆ Α, εκτελούµε πολλές ειρές από Ν ρίψεις. Στο Σχήµα.. (α έως δ παρίτανται, µε την µορφή ιτογράµµατος, τα αποτελέµατα των πειραµατιµών 0 (για Ν000, 5000, 0000 και 0000 αντίτοιχα. Επί παραδείγµατι,το ιτόγραµµα του Σχήµατος...α παριτά 4000 εκτιµήεις της αναµενόµενης τιµής της µεταβλητής Α, όπως αυτή υπολογίθηκε από Ν000 ρίψεις των τεάρων νοµιµάτων. Είναι αφές από τα αποτελέµατα των πειραµατιµών µας ο τατιτικός χαρακτήρας της εκτίµηης µˆ Α, (ότι δηλαδή είναι τυχαία µεταβλητή. Κάθε µία από τις εκτιµήεις της αναµενόµενης τιµής της µεταβλητής Α καταλήγει ε διαφορετική τιµή. Είναι όµως εµφανές ότι, ανεξάρτητα µε πόες ρίψεις (Ν χρηιµοποιήαµε για να υπολογίουµε την ποότητα µˆ Α, οι εκτιµήεις κυµαίνονται περίπου υµµετρικά γύρω από την αναµενόµενη τιµή, µ Α Η αλήθεια είναι ότι ξέρουµε, είναι η διωνυµική κατανοµή που θα µελετήουµε ε επόµενο κεφάλαιο. 0 Δεν πρόκειται για πραγµατικούς πειραµατιµούς αλλά για προοµοίωη πειραµατιµών. Περί προοµοίωης βλέπε το Κεφάλαιο 4. Με άλλα λόγια, µετά από Ν000 ρίψεις ( Α,,3,000 υπολογίζεται η τιµή της µεταβλητής µˆ Α, µε τη χέη..4. Επαναλαµβάνουµε 4000 φορές το ίδιο πείραµα υπολογιµού της µˆ Α, και παριτάνουµε µε µορφή ιτογράµµατος τα αποτελέµατα αυτών των (4000 εκτιµήεων.

8 α β µˆ Α µˆ Α γ δ µˆ Α µˆ Α Σχήµα..: Αναπαράταη, µε µορφή ιτογράµµατος, 4000 εκτιµήεων της αναµενόµενης τιµής της µεταβλητής Α. Για κάθε εκτίµηη τα νοµίµατα ρίφθηκαν Ν φορές και χρηιµοποιήθηκε η χέη..3. α: Ν000, β: Ν5000, γ: Ν0000 και δ: Ν0000 Είναι επίης χαρακτηριτικό ότι οι εκτιµήεις τις οποίες καταλήγουµε µε τους πειραµατιµούς πολλών ρίψεων (µεγάλο Ν, π.χ. βλέπε το Σχήµα...δ είναι περιότερο υγκεντρωµένες γύρω από την κεντρική τιµή (0.5, όπως προβλέπει η χέη..7. Βεβαίως, η εκτίµηη µˆ Α, θα υµπέει µε την αναµενόµενη τιµή όταν ο αριθµός των ρίψεων γίνει άπειρος. Για κάθε άλλη περίπτωη, η εκτίµηη µˆ Α, θα κυµαίνεται γύρω από την αναµενόµενη τιµή µε αναµενόµενη τιµή < µˆ Α > και διαπορά ύµφωνα µε την χέη..7. Σαν παράδειγµα, µπορούµε να χρηιµοποιήουµε τα αποτελέµατα των πειραµατιµών του Σχήµατος.. για να υπολογίουµε την αναµενόµενη τιµή και την διαπορά της τυχαίας µεταβλητής µˆ Α, και την υνέχεια να τη υγκρίνουµε µε τις προβλέψεις της χέης..7. Ερώτηη: Περιγράψετε την διαδικαία υπολογιµού της αναµενόµενης τιµής και της διαποράς της τυχαίας µεταβλητής µˆ Α, χρηιµοποιώντας τα αποτελέµατα των πειραµατιµών που παρίτανται το Σχήµα...

9 Υπόδειξη: Χρηιµοποιήετε την µεθοδολογία που αναπτύεται την υποενότητα,.. Εναλλακτικά χρηιµοποιείτε τον νόµο των µεγάλων αριθµών, όπως περιγράφεται αυτή την υποενότητα. Πίνακας.. < µˆ Α > < µ ˆ >..7 Α µ Α V µ ˆ ( Α A V(µ ˆ Α Ν..7 Ν Ν Ν Ν Για τον υπολογιµό των τιµών της τελευταίας τήλης χρηιµοποιήαµε την τιµή Α τη χέη..7. Όπως φαίνεται από τον Πίνακα.., οι «προβλέψεις» της χέης..7 περιγράφουν πλήρως την τατιτική υµπεριφορά της εκτίµηης της αναµενόµενης τιµής της µεταβλητής Α..3 Ολοκλήρωη Monte Carlo Μία από τις πολλές εφαρµογές του νόµου των µεγάλων αριθµών αναφέρεται τον προεγγιτικό υπολογιµό οριµένων ολοκληρωµάτων της µορφής: I b a (udu.3. Ας θεωρήουµε ότι κάποια τυχαία µεταβλητή u, παίρνει τιµές ύµφωνα µε την υνάρτηη πυκνότητας πιθανότητας, f(u. Έτω (u µία υνάρτηη της τυχαίας µεταβλητής u. Εξ οριµού, η αναµενόµενη τιµή της υνάρτηης (u, θα είναι:

10 b E( ( u (u f(udu µ a b όπου f(udu a.3. Θα υποθέουµε ακόµα ότι η διαπορά της τυχαίας µεταβλητής (u υπάρχει: V((u E ( E((u (u πεπεραµένος αριθµός.3.3 ώτε να ικανοποιούνται οι προϋποθέεις του νόµου των µεγάλων αριθµών, V((u lm 0. και κατά υνέπεια να ιχύει ότι: (u (u (u µ lm.3.4 Εάν επιλέξουµε την f(u να είναι η οµοιόµορφη κατανοµή το διάτηµα [α,β], δηλαδή: a u b f(u b a αλλού η.3. γράφεται ως: b b a (udu I E( (udu.3.6 a b - a b a b a όπου µε Ι παρατήαµε το ολοκλήρωµα της χέης.3.. Εφαρµόζοντας την υνέχεια τον νόµο των µεγάλων αριθµών, το ολοκλήρωµα Ι υπολογίζεται ώς: I b a (u lm.3.7 Σύµφωνα µε τη υζήτηη της υποενότητας., η χέη.3.7 µπορεί να εφαρµοτεί προεγγιτικά, για πεπεραµένο Ν, ως: b a I (u Iˆ.3.8 Προκειµένου λοιπόν να υπολογίουµε το ολοκλήρωµα.3.,

11 επιλέγουµε ιοπίθανα Ν πραγµατικούς αριθµούς u (,,3,, το διάτηµα ολοκλήρωης, [a,b], υπολογίζουµε τις αντίτοιχες Ν τιµές της υνάρτηης, (u και εφαρµόζουµε την χέη.3.8 Σύµφωνα µε τα αποτελέµατα της προηγούµενης παραγράφου, η ποότητα Î είναι τυχαία µεταβλητή µε αναµενόµενη τιµή ίη µε την πραγµατική τιµή του ολοκληρώµατος.3., ΙΕ((u (b-a, και διαπορά ίη µε: b b (b a (b a V((u (E((u (u du (I (u (b a Î a b a a M lm (I (u j (b a M M j Όπως επίης θα δείξουµε την επόµενη υποενότητα η υνάρτηη πυκνότητας πιθανότητας της τυχαίας µεταβλητής Î είναι η κανονική κατανοµή. du b a.3.9 Μπορούµε να εκφράουµε ποοτικά την ακρίβεια της προέγγιης, όπως θα δείξουµε τα επόµενα, µε την τετραγωνική ρίζα της διαποράς. Προκειµένου δε να υπολογίουµε την διαπορά, ύµφωνα µε τα επιχειρήµατα που αναπτύξαµε την υποενότητα., θα χρηιµοποιήουµε την ακόλουθη προεγγιτική έκφραη (ΜΝ: Î M (Î (u - j j M (b a (b a ((u (u - j j (b a (u - ( (u ή για Ν µεγάλο αριθµό(ν- Ν (ba (u (u I ˆ (.3.0 Παράδειγµα.3. Έτω ότι αποκοπούµε να υπολογίουµε το ολοκλήρωµα: 0 4 I (4 3 d.3. 5 Απλός διαφορικός λογιµός καταλήγει ότι : I ( 0 0 (

12 Αντ αυτού όµως θα εφαρµόουµε την µέθοδο της Monte Carlo ολοκλήρωης, διαλέγοντας µε ίη πιθανότητα, Ν αριθµούς από το διάτηµα [5,0] και επαναλαµβάνοντας την προέγγιη.3.8 για Ν 000, 4000, 6000 και Θα αναφερόµατε τα αποτελέµατα των προεγγίεων ώς: Î 000, Î 4000, Î 6000 και Î 64000, ανάλογα του αριθµού Ν των αριθµών που επιλέγονται ιοπίθανα το διάτηµα [5,0]. Παράλληλα ε κάθε προέγγιη θα εκτιµούµε και την αντίτοιχη διαπορά, χέη.3.0, χρηιµοποιώντας για τις τετραγωνικές ρίζες των διαπορών τους υµβολιµούς, ˆ 000, ˆ 4000, ˆ 6000 και ˆ Σας υπενθυµίζω ότι αυτές οι ποότητες αποτελούν µέτρο της ακρίβειας του αποτελέµατος της Monte Carlo ολοκλήρωης. Προκειµένου να αναδείξουµε την τατιτικές ιδιότητες των εκτιµήεων, θα επαναλαµβάνοµε κάθε µία από τις εκτιµήεις, Î 000, Î 4000, Î 6000 και Î 64000, για 4000 φορές. (Με άλλα λόγια, θα διαλέγουµε 4000 ύνολα Ν αριθµών, ιοπίθανα κατανεµηµένους το διάτηµα [5,0] και θα υπολογίζουµε, βάει της.3.8, 4000 τιµές της τυχαίας µεταβλητής Î. Τα αποτελέµατα των υπολογιµών 4, για τις τέαρες κατηγορίες εκτιµήεων, παρίτανται εν είδη ιτογράµµατος το Σχήµα.3.. Αναλυτικότερα το ιτόγραµµα.3..α παριτά την υχνότητα εµφάνιης τιµών της τυχαίας µεταβλητής Î 000, (εκτίµηη της αριθµητικής τιµής του ολοκληρώµατος µε Ν000 και αντίτοιχα τα ιτογράµµατα.3..β -.3..γ παριτούν την υχνότητα εµφάνιης τιµών των τυχαίων µεταβλητών Î 4000, Î 6000 και Î Εκ του Σχήµατος.3. είναι αφής ο τατιτικός χαρακτήρας της εκτίµηης του ολοκληρώµατος. Οι προεγγιτικές εκτιµήεις δίνουν τιµές κοντά την πραγµατική τιµή (78375 και είναι χαρακτηριτικό ότι οι αναµενόµενες τιµές και των τεάρων εκτιµήεων (όπως εύκολα µπορεί να υπολογίει κανείς, βλέπε Ερώτηη... είναι ίες µε την πραγµατική τιµή. Χαρακτηριτικό επίης είναι ότι αυξάνοντας το πλήθος Ν οι εκτιµήεις υγκεντρώνονται περί την πραγµατική τιµή. Είναι υνεπώς λογικό να εκφράζουµε 4 Για τους υπολογιµούς και τα αποτελέµατα αυτό το παράδειγµα χρηιµοποίηα την γεννήτρια ιοπίθανων αριθµών, DM, της βιβλιοθήκης προγραµµάτων του CE (CELIB. Περιότερα για την ιοπίθανη παραγωγή αριθµών αναφέρονται το Κεφάλαιο 4.

13 ποοτικά την ακρίβεια της εκτίµηης µε την διαπορά (καλλίτερα µε την τετραγωνική ρίζα της διαποράς της εκτίµηης Î. Εφαρµόζοντας την χέη.3.9, για την περίπτωη που αναλύουµε, καταλήγουµε ότι: α β Î 000 Î 4000 γ δ Î 6000 Σχήµα.3.: Τα ιτογράµµατα παριτούν την υχνότητα εµφάνιης τιµών των τυχαίων µεταβλητών Î (εκτιµήεων του ολοκληρώµατος της χέης.3.: α για Ν000 ( Î 000, β για Ν4000 ( Î 4000, γ για Ν6000 ( Î 6000 και δ για Ν000 ( Î Î 64000

14 (b a V(( b a (I ( (b a d b a ( d Βεβαίως για τις περιότερες των πρακτικών εφαρµογών, πραγµατική τιµή του ολοκληρώµατος είναι άγνωτη (άλλωτε είναι το ζητούµενο και η χέη.3.3 έχει θεωρητική µόνο αξία. Πρακτική χρήη βρίκει η χέη.3.0, εκτίµηης της ακρίβειας, ˆ Ν, της προέγγιης (εκτίµηης του ολοκληρώµατος. Στο Σχήµα.3. παρίτανται οι υχνότητες τιµών για τις µεταβλητές ˆ 000, ˆ 4000, ˆ 6000 και ˆ, όπου είναι εµφανείς ο τατιτικός τους χαρακτήρας. Αξίζει να ηµειωθεί ότι η αναµενόµενη τιµή κάθε µία από τις µεταβλητές ˆ 000, ˆ 4000, ˆ 6000 και ˆ υµφωνεί µε τις τιµές τις χέης.3.3, όπως µπορεί να εξακριβωθεί από τα ιτογράµµατα του Σχήµατος.3.. Ας ανακεφαλαιώουµε: Επιλέγοντας ιοπίθανα Ν αριθµούς το διάτηµα [5,0] εκτιµούµε την τιµή του ολοκληρώµατος.3. εφαρµόζοντας την χέη.3.8. Εάν επαναλάβουµε την εκτίµηη χρηιµοποιώντας ένα άλλο ύνολο Ν αριθµών, επιλεγµένων ιοπίθανα από το ίδιο διάτηµα [5,0], θα καταλήξουµε ε διαφορετική τιµή. Δείξαµε ότι η εκτίµηη του ολοκληρώµατος είναι τυχαία µεταβλητή που κατανέµεται γύρω από την πραγµατική τιµή µε διαπορά που δίνει η χέη.3.9. Όταν το πλήθος όρων, Ν, που χρηιµοποιούµε τείνει το άπειρο, η διαπορά των εκτιµήεων τείνει το µηδέν και η υνάρτηη πυκνότητας πιθανότητας εκφυλίζεται ε δ υνάρτηη. Χρηιµοποιούµε την τετραγωνική ρίζα της διαποράς για να εκφράουµε την ακρίβεια της προέγγιης. Στην πράξη µπορούµε µόνο να εκτιµήουµε 6 την ακρίβεια της προέγγιης, µε την χέη Πράγµατι οι τιµές αυτές είναι ε υµφωνία µε τις τιµές που υπολογίζει κανείς από τα ιτογράµµατα του Σχήµατος.3. 6 Με το ίδιο ύνολο των Ν ιοπιθάνως επιλεγµένων αριθµών εκτιµούµε την τιµή του ολοκληρώµατος και την διαπορά της εκτίµηης. Είναι λάθος να υποθέτει κανείς ότι η εκτίµηη της διαποράς εκφράζει την ακρίβεια της υγκεκριµένης εκτίµηης του ολοκληρώµατος (που έγινε µε το ίδιο ύνολο Ν ιοπίθανως επιλεγµένων αριθµών.

15 α β ˆ 000 ˆ 4000 γ δ ˆ 6000 Σχήµα.3.: Τα ιτογράµµατα παριτούν την υχνότητα εµφάνιης τιµών των τυχαίων µεταβλητών ˆ (εκτιµήεων της ακρίβειας υπολογιµού ολοκληρώµατος της χέης.3.: α για Ν000 ( ˆ 000, β για Ν4000 ( ˆ 4000, γ για Ν6000 ( ˆ 6000 και δ για Ν64000 ( ˆ ˆ Θεώρηµα κεντρικού ορίου Έτω ένα ύνολο από Ν ανεξάρτητες τυχαίες µεταβλητές {Χ, Χ,, Χ }. Έτω ακόµη ότι η αναµενόµενη τιµή και η διαπορά της τυχαίας µεταβλητής Χ είνα µ και αντίτοιχα (,,3,,. Δείξαµε ότι (βλέπε παράγραφο., εξιώεις..3,.., µε α και cov(, j 0, η µεταβλητή είναι τυχαία µεταβλητή µε αναµενόµενη τιµή και διαπορά που δίνεται από την ακόλουθη χέη: E( E µ ι

16 V( ανεξάρτητα από τις υναρτήεις κατανοµής πιθανότητας των τυχαίων µεταβλητών. Κάτω από τις ίδιες υνθήκες (υν την απαίτηη κάποιες ροπές να είναι πεπεραµένες το Θεώρηµα του Κεντρικού Ορίου δείχνει 8 ότι το άθροιµα, κατανέµεται το αυµπτωτικό όριο, όταν δηλαδή το Ν τείνει το άπειρο, ύµφωνα µε Gaussan υνάρτηη πυκνότητας πιθανότητας. Συγκεκριµένα: Η υνάρτηη πυκνότητας πιθανότητας της τυχαίας µεταβλητής, που ορίζεται ως το άθροιµα Ν ανεξαρτήτων µεταβλητών:, τείνει να γίνει Gaussan (κανονική υνάρτηη πυκνότητας πιθανότητας καθώς το πλήθος, Ν, των ανεξαρτήτων µεταβλητών τείνει το άπειρο. 8 Η απόδειξη του Θεωρήµατος του Κεντρικού Ορίου τη γενική του µορφή είναι λίγο περίπλοκη. Αντ αυτής θα δώουµε την απόδειξη για την περίπτωη όπου όλες οι τυχαίες µεταβλητές έχουν την ίδια υνάρτηη πυκνότητας πιθανότητας: f ( f(,,3,. Προφανώς, θα ιχύει επιπλέον ότι: µ µε( και ότι για,,3,. Θα υποθέουµε επίης ότι και οι ορµές ανώτερες τάξης υπάρχου και είναι πεπεραµένες, καθώς και ότι (χωρίς να επηρεάουµε την γενικότητα της απόδειξης θα θεωρήουµε ότι µ0 και κατά υνέπεια Ε(. Η χαρακτηριτική υνάρτηη της τυχαία µεταβλητής Χ, µπορεί να αναλυθεί ε ειρά Taylor ως εξής: 3 t (t (t 3 t φ (t E(e (α 3! Ας ορίουµε την µεταβλητή u, η οποία έχει διαπορά /Ν (επειδή η µεταβλητή Χ έχει διαπορά. Εφαρµόζοντας την χέη (α καταλήγουµε για την χαρακτηριτική υνάρτηη φ u (t ότι: tu t φ (t E(e... (β u Επειδή η χαρακτηριτική υνάρτηη του αθροίµατος αµοιβαίως ανεξαρτήτων τυχαίων µεταβλητών είναι το γινόµενο των χαρακτηριτικών υναρτήεων των τυχαίων µεταβλητών θα ιχύει ότι: t t u u και φ (t ( φ u (t... ώτε : φ (t... u lm u lm Αλλά η υνάρτηη t / e είναι η χαρακτηριτική υνάρτηη της Gaussan υνάρτηης πυκνότητας πιθανότητας ώτε: u Ν ( e e ή f( e Ν u π π π Ν t / e

17 και µ ι όπου µ Ν(;µ, µ ( e π f(.4. Ερώτηη: Δείξετε ότι: [ ] (;0, e π µ f ι ι.4. Βεβαίως για όλες τις πρακτικές εφαρµογές η χέη.4. εφαρµόζεται προεγγιτικά για πεπεραµένο άθροιµα τυχαίων µεταβλητών. Η ακρίβεια τέτοιων προεγγίεων, για πεπεραµένο πλήθος όρων (Ν, εξαρτάται από τις υναρτήεις πυκνότητας πιθανότητας και προφανώς από το πλήθος των όρων του αθροίµατος. Στα επόµενα δύο παραδείγµατα επιδεικνύεται η προεγγιτική χρήη του Θεωρήµατος του Κεντρικού Ορίου. Παράδειγµα.4.: Gaussan γεννήτρια τυχαίων αριθµών. Έτω ότι U,U,U 3, U είναι τυχαίες µεταβλητές µε την ίδια υνάρτηη πυκνότητας πιθανότητας, αλλού 0 u / f(u f(u, (δηλαδή οι τιµές των τυχαίων µεταβλητών {u,u,, u } διαλέγονται ιοπίθανα από το διάτηµα [-.]. Προφανώς Ε(uµ0 και V(u /3. Σύµφωνα µε την.4., όταν το Ν τείνει το άπειρο, η τυχαία µεταβλητή : u, έχει Gaussan υνάρτηη πυκνότητας πιθανότητας. 3 e / 3 π Ν µ e / Ν ι ι π f(.4.4

18 Σε πληθώρα εφαρµογές θα χρειατούµε έναν αλγόριθµο παραγωγής τιµών για κάποια τυχαία µεταβλητή ύµφωνα µε κανονική υνάρτηη πυκνότητας πιθανότητας. Είναι εύλογο να χρηιµοποιήουµε το άθροιµα Ν τυχαίων µεταβλητών,, που παίρνουν τιµές ιοπίθανα, υποθέτοντας ότι η τυχαία µεταβλητή θα έχει υνάρτηη πυκνότητας πιθανότητας που δίνεται από την χέη.4.4. (α (β Χ Χ Χ Χ Χ 3 (γ (δ Σχήµα.4.: Συναρτήεις πυκνότητας πιθανότητας (ιτογράµµατα για το άθροιµα α δύο, β τριών, γ τεάρων και δ πέντε τυχαίων µεταβλητών που παίρνουν τιµές ιοπίθανα το διάτηµα [-,]. Οι υνεχείς καµπύλες αντιτοιχούν την Gaussan υνάρτηη πυκνότητας πιθανότητας. Χ Χ Χ 3 Χ 4 Χ Χ Χ 3 Χ 4 Χ 5 (ε (τ Χ Χ Χ 3 Χ 4 Χ 5 Χ 6 Χ Χ Χ 3 Χ 4 Χ 5 Χ 6 Χ 7 Σχήµα.4.: Συναρτήεις πυκνότητας πιθανότητας (ιτογράµµατα για το άθροιµα ε έξι, β επτά, γ οκτώ και δ έκα έξι τυχαίων µεταβλητών που παίρνουν τιµές ιοπίθανα το διάτηµα [-,]. Οι υνεχείς καµπύλες αντιτοιχούν την Gaussan υνάρτηη πυκνότητας πιθανότητας. (ζ (ε

19 Στο Σχήµα.4., παρουιάζουµε τα αποτελέµατα υπολογιτικού πειράµατος που εκτελέαµε µε την βοήθεια ηλεκτρονικού υπολογιτή. Συγκεκριµένα, χρηιµοποιήαµε µία γεννήτρια ιοπίθανης παραγωγής τιµών το διάτηµα [-,]. Στο Σχήµα.4..α παρουιάζεται υπό µορφή ιτογράµµατος η κατανοµή της πυκνότητας πιθανότητας που προκύπτει για το άθροιµα δύο ιοπίθανων τυχαίων µεταβλητών ε ύγκριη µε την Gaussan υνάρτηη πυκνότητας πιθανότητας (υνεχή γραµµή το Σχήµα.4. µε αναµενόµενη τιµή µ0 και µε διαπορά Ν/3/3. Αν και η προκύψαα τυχαία µεταβλητή (το άθροιµα δύο ιοπίθανα κατανεµηµένων τυχαίων µεταβλητών έχει αναµενόµενη τιµή και διαπορά ίη µε µηδέν και /3 αντίτοιχα, ε υµφωνία µε την χέεις..3 και.., απέχει πολύ από το να χαρακτηριθεί ότι ακολουθεί κανονική υνάρτηη πυκνότητας πιθανότητας. Βεβαίως, όο το πλήθος των τυχαίων µεταβλητών που υµµετέχουν το άθροιµα αυξάνει η Gaussan προέγγιη γίνεται περιότερο επιτυχής. Στις πειραµατικές επιτήµες, είναι τόο ύνηθες οι µετρήεις να ακολουθούν Gaussan κατανοµές ώτε να θεωρείται ότι κάθε κατανοµή µετρήεων πρέπει να είναι Gaussan. Όπως θα φανεί τις επόµενες παραγράφους, αυτή η γενίκευη είναι λανθαµένη. Αλλά υπάρχει ένας πολύ απλός λόγος, γιατί η πλειοψηφία των µετρήεων να είναι αυτής της µορφής. Παράδειγµα.4.: Ας πάρουµε αν παράδειγµα την κίνηη µίας φαίρας ε οριζόντιο, µη λείο δάπεδο. Η κίνηη κάθε άλλο από ευθύγραµµη είναι. Όπως εύκολα µπορεί να παρατηρήει κανείς, η φαίρα το τέλος της διαδροµής της θα έχει µία εγκάρια µετατόπιη από την ιδεατή της τροχιά. Εύκολα, επίης, µπορούµε να ερµηνεύουµε αυτή την εκτροπή αν το αποτέλεµα διαδοχικών υγκρούεων (κεδάεων της φαίρας µε εξογκώµατα της επιφάνειας του τραπεζιού. Σε ανάλογες αλληπιδράεις, εξ άλλου, υνίταται και το φαινόµενο της τριβής.

20 Στο Σχήµα.4., παρίτανται χηµατικά αυτές οι διαδοχικές κεδάεις, καθώς και η τελική µετατόπιη X αν άθροιµα των επιµέρους µετατοπίεων δ. Σχήµα.4. : Διαδοχικές..Σκεδάεις. δ κ- δ κ δ δ δ κ- Χ δ 0 Χ δ 0 δ δ.δ κ- δ κ- δ κ Η υνολική αποµάκρυνη της φαίρας,χ, αλλά και η έκβαη κάθε επιµέρους κέδαης είναι τυχαίες µεταβλητές ( εάν το πείραµα επαναληφθεί, η φαίρα θα εκτραπεί κατά διαφορετική ποότητα, και µάλιτα η υνάρτηη πυκνότητας πιθανότητας των κεδάεων είναι δύκολο να προδιοριθεί. Η υνολική όµως µετατόπιη από την ευθύγραµµη κίνηη, µετά από µεγάλο αριθµό κεδάεων, ακολουθεί Gaussan υνάρτηη πυκνότητας πιθανότητας διότι πληρούνται οι προϋποθέεις του θεωρήµατος του κεντρικού ορίου, όπως και είναι πολύ εύκολο να αποδειχθεί πειραµατικά. Προκειµένου να δείξουµε τις υνέπειες του Θεωρήµατος του Κεντρικού ορίου ε φαινόµενα όπως αυτό της πολλαπλής κέδαης, επιχείρηα το ακόλουθο πειραµατιµό προοµοίωης. Υπέθεα ότι η εγκάρια αποµάκρυνη, δ όπου,,3,, τις επιµέρους κεδάεις έχει υνάρτηη πυκνότητας πιθανότητας που δίνεται από µία από a( b( c( d(

21 τις υναρτήεις : a(, b(, c(, d(, e(, f(, (, r(, που παρίτανται γραφικά το Σχήµα.4.3. (α (β Χ Χ 3

22 Στο Σχήµα.4.4 παρίτανται γραφικά οι υναρτήεις πυκνότητας πιθανότητας της υνολικής εγκάριας αποµάκρυνης, Χ, της φαίρας µετά από δύο, τρεις, τέερις, πέντε, έξι, επτά, οκτώ και δέκα έξι κεδάεις. Συγκεκριµένα, υπέθεα ότι την περίπτωη που υµβαίνουν δύο κεδάεις µία εκ των κεδάεων καταλήγει ε εγκάρια µετατόπιη ύµφωνα µε την υνάρτηη πυκνότητας πιθανότητας a( και η άλλη ύµφωνα µε την υνάρτηη b(. Οµοίως, την περίπτωη των τριών κεδάεων, οι τρεις εγκάριες µετατοπίεις έχουν ως υναρτήεις πυκνότητας πιθανότητας τις a(, b( και c( αντίτοιχα. Στην περίπτωη των τεάρων κεδάεων εµπλέκονται οι υναρτήεις πυκνότητας πιθανότητας a(, b(, c( και d( κ.ο.κ. Τέλος την περίπτωη των δέκα έξι

23 κεδάεων οι εγκάριες µετατοπίεις παίρνουν, ανά δύο, τιµές ύµφωνα µε τις υναρτήεις πυκνότητας πιθανότητας a(, b(, c(, d(, e(, f(, ( και r(. Είναι προφανές ότι, ανεξάρτητα από την επιλογή των υναρτήεων πυκνότητας πιθανότητας για τα επιµέρους φαινόµενα, το υνολικό αποτέλεµα ακολουθεί κανονική κατανοµή, αρκεί τα επιµέρους φαινόµενα να είναι µεταξύ τους ανεξάρτητα. Η υνθήκη αυτή, της επαλληλίας ανεξαρτήτων υπο-φαινοµένων, ικανοποιείται την πλειοψηφία των µετρητικών διαδικαιών ώτε το υνολικό αποτέλεµα, η µέτρηη, να χαρακτηρίζεται από Gaussan πυκνότητα πιθανότητας..5 Σφάλµατα Μετρήεων Στα επόµενα παραθέτουµε, προφανείς παρατηρήεις που αφορούν τυχαίες µεταβλητές και µετρήεις. Μία τυχαία µεταβλητή παίρνει τιµές ύµφωνα µε µία υνάρτηη πυκνότητας πιθανότητας, Επαναλαµβανόµενες µετρήεις µίας φυικής ποότητας κατανέµονται γύρω από την πραγµατική τιµή (της φυικής ποότητας ύµφωνα µε µία

24 υνάρτηη κατανοµής που είναι χαρακτηριτική της µετρητικής διαδικαίας. Στην τατιτική η υνάρτηη πυκνότητας πιθανότητας µπορεί να είναι οποιαδήποτε κατάλληλα κανονικοποιηµένη υνάρτηη Στην πειραµατική φυική υπάρχουν διάφορα φαινόµενα που προκαλούν την διαπορά των µετρήεων. Λόγω του Θεωρήµατος του Κεντρικού Ορίου, περιµένουµε τις περιότερες από τις υναρτήεις κατανοµής µετρήεων να είναι Gaussans. Μπορούµε να µετρήουµε την διακριτική ικανότητα της µετρητικής µας υκευής,, αν την τετραγωνική ρίζα της διαποράς των αποτελεµάτων της επαναλαµβανόµενης µέτρηης. Συνήθως το πρόβληµα που τίθεται είναι το ακόλουθο: Έτω µετρητική υκευή µε διακριτική ικανότητα και έτω, ένα και µοναδικό αποτέλεµα µέτρηης της φυικής ποότητας. Ποία είναι η χέη του αποτελέµατος της µέτρηης µε την πραγµατική τιµή της φυικής ποότητας, ; Θα θεωρήουµε ότι, λόγω του θεωρήµατος του κεντρικού ορίου ( επειδή τις περιότερες των πρακτικών εφαρµογών υντρέχουν όλοι εκείνες οι προϋποθέεις για να ιχύει το θεώρηµα του κεντρικού ορίου η κατανοµή των επαναλαµβανόµενων µετρήεων είναι Gaussan 9. Η πιθανότητα λοιπόν το αποτέλεµα της µέτρηης µας να είναι µεταξύ και d, δεδοµένου ότι η πραγµατική τιµή είναι, θα δίνεται από την ακόλουθη χέη: 9 Η γενική περίπτωη θα υζητηθεί τις επόµενες παραγράφους. Είναι όµως προφανές ότι η αποδόχή της Gaussan κατανοµής µετρήεων καλύπτει τις περιότερες από τις περιπτώεις.

25 ( P( d e d π β P( d α.5. Όπου Ν, είναι ένας παράγοντας κανονικοποίηης ώτε η υνολική πιθανότητα το διάτηµα [α,β], των επιτρεπτών τιµών (π.χ. φαντατείτε ότι το µετρούµενο µέγεθος δεν µπορεί να πάρει τιµές έξω από [α,β] να ιούται µε ένα. Εάν δεν ξέρουµε την πραγµατική τιµή της φυικής ποότητας και πριν επιτελέουµε την µέτρηη, όλοι οι αριθµοί της περιοχής [α,β] είναι το ίδιο κατάλληλοι για να είναι η πραγµατική τιµή. Συνεπώς, πριν κάνουµε οποιαδήποτε µέτρηη, µπορούµε να εκφράουµε την πιθανότητα (P 0 ( ώτε, η πραγµατική τιµή του φυικού µεγέθους να είναι ένας (πραγµατικός αριθµός µεταξύ και d, ως: d P [ α,β] ( 0 β α.5. 0 [ α,β] Επίης, εαν δεν ξέρουµε την πραγµατική τιµή της φυικής ποότητας, δεν έχουµε κανένα τρόπο να προβλέψουµε το αποτέλεµα της µέτρηης. Πριν εκτελέουµε την µέτρηη, προάπτουµε ε κάθε τοιχειώδη περιοχή, από µέχρι d (το διάτηµα [α,β] την ίδια πιθανότητα (Μ 0 ( να εµφανιτεί ως αποτέλεµα της µετρητικής µας διαδικαίας. Ώτε: ( M 0 d β α 0 [ α,β] [ α,β].4.3 Συνδυάζοντας τις χέεις.4.,.4. και.4.3 µε το θεώρηµα του Bayes (βλέπε χέη.4. καταλήγουµε την έκφραη:

26 P( P( P( P 0 M 0 ( ( ( d e d π b a d b a 0, ( e d, π [a,b] [a,b].4.4 Η χέη.4.4, εκφράζει όλη την γνώη αποκοµίαµε αναφορικά µε την πραγµατική τιµή της φυικής ποότητας, αφού εκτελέαµε µία και µόνο µέτρηη. Σαφώς δεν ξέρουµε ποία είναι η πραγµατική τιµή της φυικής ποότητας αλλά µπορούµε να προάψουµε πιθανότητα ε κάθε τοιχειώδη περιοχή [,d] να περιέχει την πραγµατική τιµή. Η χέη.4.4 παίζει τον ρόλο της υνάρτηης πυκνότητας πιθανότητας της πραγµατικής τιµής ενώ η πραγµατική τιµή έχει πλέον τα χαρακτηριτικά της τυχαίας µεταβλητής. Συµπεραµατικά: Πριν εκτελέουµε οποιδήποτε µέτρηη της φυικής ποότητας: Γνωρίζουµε: α την υναρτηιακή µορφή της υνάρτηης πυκνότητας πιθανότητας των µετρήεων (Gaussan, β την χέη της µέης τιµής της υνάρτηης πυκνότητας πιθανότητας µε την πραγµατική τιµή (παραδεχθήκαµε ιότητα και γ την τετραγωνική απόκλιη της υνάρτηης πυκνότητας πιθανότητας. Προάπτουµε ( εκ των προτέρων γνώη ίες πιθανότητες όλους τους πραγµατικούς αριθµούς (της περιοχής [α,β] να είναι η πραγµατική τιµή της υπό µέτρηη φυικής ποότητας. 3Κάθε πραγµατικός αριθµός, την περιοχή δυνατών τιµών [α,β], έχει την ίδια πιθανότητα να αποτελέει αποτέλεµα της µέτρηης. Μετά την εκτέλεη µίας µέτρηης της φυικής ποότητας:

27 Μπορούµε να προάψουµε υγκεκριµένη πιθανότητα ε κάθε τοιχειώδη περιοχή των πραγµατικών αριθµών, ύµφωνα µε την.4.4., να περιέχει την πραγµατική τιµή του υπό µέτρηη φυικού µεγέθους Θα πρέπει να ηµειωθεί ότι, η διακριτική ικανότητα της µετρητικής υκευής,, καθορίζει την διαπορά της πραγµατικής τιµής, όπως φαίνεται την.4.4. Το δε λεγόµενο «φάλµα της µέτρηης» εκφράζει ακριβώς αυτήν την απόκλιη των τιµών που µπορεί να πάρει η «πραγµατική τιµή» 0 από το αποτέλεµα της µέτρηης. Στην πράξη, αναφέρουµε αν φάλµα µίας µέτρηης την τετραγωνική ρίζα της διαποράς, δηλαδή την τιµή του της χέη.4.4. Αυτή η ποότητα, όπως ήδη ελέχθη, την περίπτωη µετρητικών υκευών δεν είναι τίποτα άλλο από την διακριτική ικανότητα της υκευής. Στην περίπτωη εκτιµητικών διαδικαιών όµως (π.χ. ανάλυη τατιτικών δεδοµένων που καταλήγουν την εκτίµηη της «πραγµατικής τιµής» κάποιου µεγέθους, το φάλµα είναι η τετραγωνική ρίζα της διαποράς της εκτιµητέας ποότητας, η οποία πέραν από τα µετρητικά φάλµατα εξαρτάται από την µεθοδολογία ανάλυης. Παράδειγµα.5. Έτω ότι κάποια µετρητική υκευή χρηιµοποιείται για την µέτρηη φυικής ποότητας, Χ. Ας υποθέουµε ότι η πραγµατική τιµή της Χ είναι 0. Χ Σχήµα.5.: Η υνάρτηη πυκνότητας πιθανότητας των µετρήεων της ποότητας Χ, όπως προεγγίτηκε από επαναλήψεις της ιδίας µέτρηης Στο Σχήµα.5. παρουιάζεται η γραφική παράταη της υνάρτηης πυκνότητας πιθανότητας των µετρήεων της ποότητας Χ, που υπολογίθηκε µετά από υλλογή επαναλήψεων της ίδιας µέτρηης. Από αυτές τις µετρήεις είναι εύκολο να υπολογιθούν (προεγγιτικά ύµφωνα µε τις χέεις..6 και..0β η 0 Σας υπενθυµίζω για άλλη µια φορά ότι η «πραγµατική τιµή» του φυικού µεγέθους είναι τυχαία µεταβλητή διότι δεν µπορούµε να προάψουµε υγκεκριµένη τιµή αλλά προάπτουµε πιθανότητα ε κάθε πραγµατικό αριθµό να είναι η «πραγµατική τιµή» του µεγέθους.

28 αναµενόµενη τιµή και η τετραγωνική ρίζα της διαποράς των µετρήεων, οι οποίες βρέθηκαν να είναι 0.00 και 0.63 αντίτοιχα. Είναι αφές ότι η αναµενόµενη τιµή (του µεγάλου πλήθους των µετρήεων προεγγίζει µε πολύ ικανοποιητική ακρίβεια την πραγµατική τιµή. Η τετραγωνική ρίζα της διαποράς των µετρήεων θα καλείται τα επόµενα, διακριτική ικανότητα της µετρητικής υκευής και προφανώς υµπίπτει µε το φάλµα της µετρήεις από την µετρητική υκευή. Η οµάδα των πειραµατιτών αποφάιε να προεγγίζει την πραγµατική τιµή του µεγέθους Χ, εκτελώντας 0 µετρήεις και υπολογίζοντας τον µέο όρο τους. Σύµφωνα µε την χέη.4., ο µέος όρος έχει κανονική υνάρτηη πυκνότητας πιθανότητας µε αναµενόµενη τιµή ίη µε την πραγµατική τιµή και διαπορά,, ίη µε 0.63 / (0.4. Η τετραγωνική ρίζα της διαποράς,, αντιπροωπεύει την διακριτική ικανότητα της µετρητικής µεθόδου, η οποία αφώς εξαρτάται και από την διακριτική ικανότητα του οργάνου που χρηιµοποιήαµε. Η ποότητα είναι επίης το φάλµα προδιοριµού της πραγµατικής τιµής της ποότητας Χ. Σχήµα.5.: Η υνάρτηη πυκνότητας πιθανότητας του µέου όρου 0 µετρήεων, όπως προδιορίτηκε από την επανάληψη της ίδιας µέτρηης. Η υνεχής γραµµή αντιτοιχεί την κανονική υνάρτηη όπως προβλέπεται από το Θεώρηµα του Κεντρικού Ορίου Πράγµατι, όπως φαίνεται το χήµα.5., εάν κανείς επαναλάβει πολλές φορές (00000 την λήψη 0 µετρήεων, τον υπολογιµό του µέου όρου τους και την υνέχεια προδιορίει την υνάρτηη πυκνότητας πιθανότητας του µέου όρου, θα καταλήξει ε κανονική υνάρτηη πυκνότητας πιθανότητας µε αναµενόµενη τιµή και (όπως υπολογίζονται από τα δεδοµένα του Σχήµατος.5. ία µε 0 και Διότι όπως ελέγξαµε προηγουµένως η αναµενόµενη τιµή των µετρήεων είναι ίη µε 0, όο δηλαδή και η πραγµατική τιµή του µεγέθους. Αφού λοιπόν η αναµενόµενη τιµή του µέου όρου Ν µετρήεων είναι ίη µε την αναµενόµενη τιµή των µετρήεων αναµένεται να είναι ίη και µε την πραγµατική τιµή του υπό µέτρηη µεγέθους.

29 Η οµάδα των πειραµατιτών εκτελεί µία µόνο ειρά από 0 µετρήεις καταλήγοντας τις τιµές:{ , , , , , , 8.635, , 0.885, , , , , ,.34587, , , , , , 9.700}. Από αυτές υπολογίζει τον µέο όρο ίο µε 9.7 και εκτιµά (ύµφωνα µε την χέη..0β την τετραγωνική ρίζα της διαποράς των µετρήεων ίη µε Συνεπώς, εκτιµά ότι η τετραγωνική ρίζα της διαποράς του µέου όρου είναι 0.675/(0 / 0.5. Σύµφωνα µε όα ελέχθηαν την αρχή αυτής της υποενότητας, η πραγµατική τιµή του φυικού µεγέθους δεν µπορεί να καθοριθεί από πεπεραµένο αριθµό µετρήεων, αλλά έχει χαρακτήρα τυχαίας µεταβλητής µε κανονική υνάρτηη πυκνότητας πιθανότητας (επειδή προδιορίτηκε ως µέος όρος ανεξαρτήτων µετρήεων, βλέπε Θεώρηµα Κεντρικού Ορίου. Η αναµενόµενη τιµή της πραγµατική τιµής του φυικού µεγέθους καθώς και η ακρίβεια προδιοριµού της (η τετραγωνική ρίζα της διαποράς της πραγµατικής τιµής εκτιµούνται από την µέτρηη ως 9.7 και 0.5 αντίτοιχα. Συνήθως γράφουµε το αποτέλεµα της µέτρηης ως: 9.7±0.5, εννοώντας ότι η υνάρτηη πυκνότητας πιθανότητας της πραγµατικής τιµής είναι η κανονική υνάρτηη: (r9.7 (0.5 e π 0.5, που παρίταται το Σχήµα.5.3. Χ Σχήµα.5.3: Η υνάρτηη πυκνότητας πιθανότητας της πραγµατικής τιµής της ποότητας Χ, όπως καθορίτηκε από 0 επαναλαµβανόµενες µετρήεις.

30 .6 Χρήη πινάκων τον υπολογιµό φαλµάτων. Τα περιότερα προβλήµατα, που αντιµετωπίζει κανείς την ανάλυη τατιτικών δεδοµένων, αναφέρονται ε περιότερο της µίας τυχαίας µεταβλητής. Παραδείγµατος χάριν, την περίπτωη της αξιολόγηης της εµβέλειας ενός εκπαιδευτικού πειραµατιµού, ο αξιολογητής έχει να αναλύει τις απαντήεις των εµπλεκοµένων ε ένα ερωτηµατολόγιο καίριων ερωτήεων. Οι απαντήεις {,,.. }, ε κάθε µία από τις Ν ερωτήεις 3 που απευθύνονται ε κάθε εµπλεκόµενο το πείραµα, υνδέονται µε τον βαθµό επιτυχίας του πειραµατιµού µε µία µη τετριµµένη χέη της µορφής, (,,... Προφανώς τόο οι απαντήεις όο και ο βαθµός επιτυχίας του πειραµατιµού, (,,.., είναι τυχαίες µεταβλητές. Ερώτηη.6.: Γιατί οι απαντήεις και ο βαθµός επιτυχίας του πειραµατιµού, είναι τυχαίες µεταβλητές; Γενικά µπορούµε να παρατήουµε ένα ύνολο τυχαίων µεταβλητών ως ένα διάνυµα! µε υνιτώες τις Ν τυχαίες µεταβλητές ως υνιτώες. Οι υνδιαπορές (covarances cov(, j 4 µπορούν να θεωρηθούν τοιχεία του πίνακα V ~ cov(, cov(,... cov(, cov(, cov(,... cov(, V ~ cov(, cov(,... cov(, Δείξαµε όµως, ότι η διαπορά της υνάρτηης των τυχαίων µεταβλητών (,,,, την.3.7, εκφράζεται ως: V( cov(, j j µ µ j.6.3 µ µ 3 Όπου θεωρούµε τις απαντήεις υνεχείς µεταβλητές, π.χ. 0.8 ηµαίνει ότι ο ερωτούµενος θεωρεί κατα 80% επαρκείς τους εκπαιδευτικούς. 4 Θυµηθείτε ότι η διαπορά της τυχαίας µεταβλητής είναι: V( cov(,

31 όπου µ,µ,µ 3,...µ Ν είναι οι αναµενόµενες τιµές των τυχαίων µεταβλητών,,.., αντίτοιχα. Οι αναµενόµενες τιµές µπορούν, καθ όµοιο τρόπο µε την.6., να παραταθούν µε το διάνυµα: µ... µ µ µ!.6.4 Ας ορίουµε το διάνυµα µ... µ µ!.6.5 Χρηιµοποιώντας την.6. και.6.5, µπορούµε να γράψουµε την.6.3 µε την µορφή: ( V ~ µ... µ µ V ~ µ... µ µ V( T!!.6.6 Μπορούµε να «παίξουµε το ίδιο παιχνίδι» την περίπτωη περιότερων της µίας υναρτήεων τυχαίων µεταβλητών, ως ακολούθως: Έωαν, k υναρτήεις των τυχαίων,,,,, µεταβλητών τις οποίες παριτούµε ως διάνυµα G!, της µορφής:,..,, (...,..,, (,..,, ( G,..,, (...,..,, (,..,, ( k k!.6.7

32 Ορίζουµε την k Jacoban µ ~ J µ k µ µ µ µ k µ µ µ Ν k.6.8 Ας παρατήουµε υπό µορφή πίνακα τις υνδιαπορές µεταξύ των υναρτήεων (,,, (,,3,,, ως: cov(, cov(,... cov(, cov(, cov(,... cov(, C ~ cov(, cov(,... cov(, Είναι εύκολο να δείτε ότι ο πίνακας C ~, τα τοιχεία του οποίου δίνονται από την χέη.3.8 µπορεί να γραφεί αν γινόµενο της Jacoban.6.8 και του πίνακα υνδιαποράς των µεταβλητών.6., δηλαδή: T C J V J % %%%.6.0

33 Παράδειγµα.6.: Ας υποτεθεί, βλέπε χήµα.6., ότι µετράµε την θέη υλικού ηµείου, P, µε τις τρεις κυλινδρικές υντεταγµένες r,φ,z. Ας θεωρήουµε ότι το φάλµα της µέτρηης του r είναι µηδέν και ότι οι µετρήεις του φ και z είναι ανεξάρτητες µεταξύ τους, µε φάλµατα φ και z αντίτοιχα.. z P y φ r Σχήµα.5.. Μέτρηη των υντεταγµενων ηµείου Μπορούµε προφανώς, να εκφράουµε την µέτρηη της θέης του Ρ ε καρτειανές υντεταγµένες,y,z, ως: (r, ϕ,z r cosϕ (r, ϕ,z y r snϕ 3 (r, ϕ,z z z.6. Ποιά θα είναι τα φάλµατα της νέας καρτειανής έκφραης της µέτρηης µας; Επειδή οι µετρήεις των υντετεγµενων, r, φ και z, είναι αµοιβαία ανεξάρτητες, ο πίνακας υνδιαποράς, V ~, των {r,φ,z} θα δίνεται ως: V ~ 0 ϕ z

34 Είναι εύλογο να χρηιµοποιήουµε τον µεταχηµατιµό λ cov(, ν ν cov(, λ µ j.6.3 µ j όπου χρηιµοποιούµε τον υµβολιµό: ν ν και µ είναι η µ µ αναµενόµενη τιµή της µεταβλητής η οποία (υποθέτουµε, βλέπε υποενότητα.7 υµπίπτει µε την πραγµατική τιµή του αντιτοίχου µεγέθους Χ. Έχοντας την διάθεη µας µία µόνο µέτρηη,, µπορούµε να εκφέρουµε γνώµη όον αφορά τη µέη τιµή της τυχαίας µεταβλητής,, µόνο πιθανοκρατικά. Ακολουθώντας όµοια ανάλυη µε εκείνη της παραγράφου.5, καταλήγουµε ότι η πιθανότητα ώτε η µέη τιµή της τυχαίας µεταβλητής ι να είναι µ ι, δεδοµένης µίας µέτρηης της ι, είναι : P( µ P(µ P(µ P( µ P( Επιπλέον, υποθέτοντας ότι οι µετρήεις µας ακολουθούν κανονική κατανοµή (η P( µ είναι κατανοµή Gauss µε ίον του φάλµατος µε το οποίο προδιορίζεται η, καταλήγουµε να εκφράουµε την πιθανότητα ώτε η µέη τιµή να είναι οποιαδήποτε τιµή του πεδίου οριµού του., µε την ακόλουθη υνάρτηη πυκνότητας πιθανότητας. P(µ (µ dµ e dµ.6.4 π Η καλύτερη εκτίµηη, την οποία είναι δυνατό να επιτύχουµε, για την τιµή του µ, είναι αυτή που µεγιτοποιεί την P(µ, δηλαδή µ. Συνεπώς, προεγγιτικά, οι παράγωγοι την χέη.6.3 υπολογίζονται ώς: ν ν µ ι Υπενθυµίζεται, ότι η δεύτερη ιότητα ιχύει γιατι χρηιµοποιήαµε ιοπίθανες κατανοµές για το P(µ και για το P(, εκφράζοντας έτι την παντελή µας άγνοια.

35 Τα ακόλουθα είναι απλή εφαρµογή της µεθοδολογίας που αναπτύχθηκε ε αυτή την υποενότητα. Συγκεκριµένα: Η Jacoban (χέη.6.8 των υναρτήεων.6. είναι: rcosφ snφ 0 rsnφ cosφ J Τελικώς, ο πίνακας υνδιαποράς των καρτειανών υντεταγµένων,y και z είναι: z φ φ φ φ z φ φ φ φ y 0 y y φ cos r snφcosφ r 0 cosφsnφ r φ sn r J V J.6.6 Αξίζει να ηµειωθεί ότι, ενώ οι µετρήεις των κυλινδρικών υντεταγµένων είναι αµοιβαία ανεξάρτητες, ο µεταχηµατιµός.6. καταλήγει ε τατιτικά εξαρτηµένες µετρήεις των καρτειανών υντεταγµένων. Προφανώς, θα µπορούε κανείς να µετρήει µε ανεξάρτητο τρόπο (κατ ευθείαν τις καρτειανές υντεταγµένες. Η αλληλοεξάρτηη που εκφράζει η χέη.6.6, είναι υνέπεια της µεθοδολογίας εκτίµηης των καρτειανών υντεταγµένων δια µέου των (µη γραµµικών µεταχηµατιµών.6..

36 .7 Συτηµατικά φάλµατα. Μέχρι τώρα έχουµε αχοληθεί µε τυχαία φάλµατα, υποθέτοντας ότι η πραγµατική τιµή υµπίπτει µε την αναµενόµενη τιµή των εκτιµήεων (µετρήεων και έχει τον χαρακτήρα τυχαίας µεταβλητής. Δείξαµε ότι ο καλύτερος τρόπος για να ελαχιτοποιήουµε τα τυχαία φάλµατα ε µία µέτρηη είναι να την επαναλάβουµε αρκετές φορές και να υπολογίουµε τον µέο όρο των µετρήεων. Τι θα υµβεί όµως την περίπτωη, όπου οι µετρήεις µας θα αποκλίνουν από την πραγµατική τιµή κατά την ποότητα Δ; Εάν δηλαδή η αναµενόµενη τιµή των µετρήεων δεν ιούται µε την πραγµατική τιµή αλλά αποκλίνει κατά Δ Στην περίπτωη αυτή δεν κερδίζουµε πολλά πράγµατα µε το να επαναλαµβάνουµε την µέτρηη. Θα πρέπει να επιχειρήουµε τον προδιοριµό, µε κάποιον άλλο ανεξάρτητο τρόπο, του µεγέθους Δ και να διορθώουµε την µέτρηή µας. Επειδή όµως πρόκειται για εκτίµηη της παραµέτρου Δ, θα υµπεριφέρεται ως τυχαία µεταβλητή. Με ποίο τρόπο θα επιτελέουµε αυτή την διόρθωη. Ας υποθέουµε ότι η µέτρηη του φυικού µεγέθους Χ,, πάχει και από υτηµατικά φάλµατα. Θα θεωρήουµε ότι η µέτρηη αποτελείται από δύο µέρη. Ένα τυχαίο,, µε φάλµα, και ένα υτηµατικό,, µε φάλµα s. Θα έχουµε δηλαδή ότι. Συνεπώς η υνολική διαπορά των µετρήεων θα ιούται µε: V( V( E ( [ ( E ] E[ ] ( E( E(.7. E( E( E( E ( E ( E( E( V( V( Ερώτηη: Αποδείξετε την τελευταία ιότητα τη.7., χρηιµοποιώντας το επιχείρηµα ότι τα και είναι ανεξάρτητα µεταξύ τους. Βρείτε την αναµενόµενη τιµή του. Υπόδειξη: Η υνδιαπορά των ποοτήτων και ιούται µε µηδέν. Σύµφωνα λοιπόν µε την.7., τα δύο είδη φαλµάτων µπορούν να προτεθούν ε τετραγωνική µορφή. tot s Aς υποθέουµε τώρα ότι, θέλουµε να υνδυάουµε δύο µετρήεις και, οι οποίες έχουν ένα κοινό υτηµατικό φάλµα (s και τυχαία φάλµατα και. Τότε µπορούµε να γράψουµε :,. Προφανώς θα ιχύει ότι V( s και V( s. Η υνδιαπορά των δύο µεταβλητών, και, θα είναι:

37 ( ( [ ] ( ( ( s V(s, cov( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E E E E E( E( E(, cov( Γενικεύοντας, ο πίνακας υνδιαποράς µπορεί να γραφεί s s s V. Εξετάαµε περιπτώεις κατά τις οποίες τα υτηµατικά φάλµατα είναι ανεξάρτητα των µετρήεων. Ας δούµε την, περιότερο ρεαλιτική, περίπτωη όπου τα φάλµατα είναι ανάλογα του αποτελέµατος της µέτρηης. Έτω δηλαδή οι τυχαίες µεταβλητές και, µε τυχαία φάλµατα, και και υτηµατικά φάλµατα s ε και s ε αντίτοιχα. Προφανώς θα ιχύει ότι: ( ε V( V ε Επίης εύκολα µπορεί να δείξουµε ότι: ε, cov(, cov( Τα αποτελέµατα αυτά, µπορούν εύκολα να γενικευθούν για την περίπτωη περιότερων των δύο µετρήεων. Παράδειγµα.7.: Η ένταη του ηλεκτρικού ρεύµατος, Ι, που διαρρέει µία αντίταη υπολογίζεται µε την µέτρηη της διαφοράς δυναµικού V τα δύο άκρα της αντίταης, µεγέθους ±, χρηιµοποιώντας ένα βολτόµετρο µε διακριτική ικανότητα V. Ποίο είναι το φάλµα την µέτρηη του ρεύµατος; Γνωρίζουµε από το νόµο του Ohm ότι ΙV/. Επειδή τα V και είναι ανεξάρτητα µεταξύ τους, καταλήγουµε ότι: V I 4 V V I V I V V V V V V

38 Η ίδια υνδεµολογία χρηιµοποιείται και για την µέτρηη της ένταης του ρεύµατος, Ι, όταν η διαφορά δυναµικού τα άκρα της αντίταης είναι V ± V.. Τα φάλµατα το ρεύµα Ι, θα δίνεται από την χέη: V I V I Οι µετρήεις των δύο ρευµάτων θα έχουν µία µη µηδενική υνδιαπορά, επειδή χρηιµοποιήθηκε η ίδια αντίταη, που ιούται µε: I I I I I, cov(i Προβληµα Να εξετάετε την περίπτωη, όπου οι δύο µετρήεις έχουν ανεξάρτητα υτηµατικά φάλµατα s και s αντίτοιχα. Πρόβληµα.6.3 Θεωρείτε τρείς µεταβλητές,, 3 και ας υποτεθεί ότι εκτός από τα τυχαία φάλµατα,, 3, έχουν ένα κοινό υτηµατικό φάλµα s και επί πλέον άλλο ένα ανεξάρτητο υτηµατικό φάλµα Τ από το οποίο πάχουν τα, αλλά όχι το 3. Αποδείξτε ότι ο πίνακας υνδιαποράς είναι: 3 s s s s T s T s s T s T s

ρ. Ευστρατία Μούρτου

ρ. Ευστρατία Μούρτου ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : 009-010 ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. 4 ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευτρατία

Διαβάστε περισσότερα

5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ

5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ 5 5. ΘΕΩΡΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑΣ ΠΛΗΘΥΣΜΟΣ ΚΑΙ ΕΙΓΜΑ. ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στην πράξη θέλουµε υχνά να βγάλουµε υµπεράµατα για µια µεγάλη οµάδα ατόµων ή αντικειµένων. Αντί να µελετήουµε ολόκληρη την οµάδα,

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ) (ΣΥΝΕΧΕΙΑ) Χαράλαµπος Α. Χαραλαµπίδης 9 εκεµβρίου 2009 Η ηµαντικότερη κατανοµή πιθανότητας της Θεωρίας Πιθανοτήτων και της Στατιτικής, µε µεγάλο πεδίο εφαρµογών, είναι η κανονική κατανοµή. Η κατανοµή αυτή

Διαβάστε περισσότερα

ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions)

ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (Sampling Distributions) ΚΕΦΑΛΑΙΟ 0 ΔΕΙΓΜΑΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ (amplig Distibutios) Ένα χαρακτηριτικό των επιτημονικών μελετών τις οποίες απαιτείται η χρήη των διαδικαιών της Στατιτικής Συμπεραματολογίας είναι η ύπαρξη τυχαιότητας

Διαβάστε περισσότερα

1. Η κανονική κατανοµή

1. Η κανονική κατανοµή . Η κανονική κατανοµή Η κανονική κατανοµή είναι η ηµαντικότερη κατανοµή πιθανοτήτων µε τις περιότερες εφαρµογές. Μελετήθηκε αρχικά από τον De Moire (667-754) και από τον Lple (749-87) οι οποίοι απέδειξαν

Διαβάστε περισσότερα

Γ D µε αρχικό σηµείο το ( a, ( ) ( ) είναι µια άλλη και καταλήγει στο ( x, τότε (1) Γ ξεκινούν από το σηµείο (, ) και ( x,

Γ D µε αρχικό σηµείο το ( a, ( ) ( ) είναι µια άλλη και καταλήγει στο ( x, τότε (1) Γ ξεκινούν από το σηµείο (, ) και ( x, 69 Θα αποδείξουµε την υνέχεια- ως εφαρµογή του θεωρήµατος του Greenτην κατεύθυνη (ιι (ι του θεωρήµατος που χαρακτηρίζει τα υντηρητικά πεδία F : R R, όπου απλά υνεκτικός τόπος του R ( Θεώρηµα Αν R είναι

Διαβάστε περισσότερα

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και 9 Έτω U R ανοικτό ύνολο και Επικαµπύλια ολοκληρώµατα f : U R R C καµπύλη :[, ] U υνεχής πραγµατική υνάρτηη. Θεωρούµε µια ώτε ( t) x( t), y( t), z( t) ύνθετη υνάρτηη fo :[, ] R t [, ] f x( t), y( t), z(

Διαβάστε περισσότερα

ηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1

ηµοκρίτειο Πανεπιστήµιο, Τµήµα ΜηχανικώνΠαραγωγής& ιοίκησης 1 Στατιτική υµπεραµατολογία για τη διαδικαία της ποιότητας Στο προηγούµενο κεφάλαιο κάναµε την παραδοχή και υποθέαµε ότι οι παράµετροι των κατανοµών των πιθανοτήτων άρα και οι παράµετροι της διαδικαίας ήταν

Διαβάστε περισσότερα

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και

( ) ( ) ( ( )) (( ) ) ( t) ( t) ( ) ( ) Επικαµπύλια ολοκληρώµατα. σ = και την σ, δηλαδή την. συνεχής πραγµατική συνάρτηση. Έστω U R ανοικτό σύνολο και 9 Έτω U R ανοικτό ύνολο και Επικαµπύλια ολοκληρώµατα f : U R R C καµπύλη :[, ] U υνεχής πραγµατική υνάρτηη Θεωρούµε µια ώτε ( t) x( t), y( t), z( t) ύνθετη υνάρτηη fo :[, ] R t [, ] f x( t), y( t), z(

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

3. Κατανομές πιθανότητας 3. Κατανομές πιθανότητας Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ. ( είναι μια υνάρτηη που ε κάθε απλό ενδεχόμενο (ω ενός δειγματικού χώρου (Ω αντιτοιχεί έναν αριθμό. Ω ω (ω R ιακριτή τ.μ. : παίρνει πεπεραμένο

Διαβάστε περισσότερα

Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ

Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ Κεφάλαιο 5 ΜΕΤΡΗΣΗ ΤΗΣ ΣΥΝΘΕΤΗΣ ΑΝΤΙΣΤΑΣΗΣ ΤΩΝ ΙΣΤΩΝ 5.1. Ειαγωγή Στο κεφάλαιο αυτό γίνεται µία ύντοµη περιγραφή µερικών επιπλέον θεµάτων τα οποία οι βιοηλεκτρικές αρχές έχουν εφαρµογή. Τα θέµατα που περιγράφονται

Διαβάστε περισσότερα

, της Χ που έχουμε διαθέσιμες μετά από μια πραγματοποίηση του τυχαίου δείγματος X, X, 2

, της Χ που έχουμε διαθέσιμες μετά από μια πραγματοποίηση του τυχαίου δείγματος X, X, 2 Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στατιτικές Συναρτήεις και Δειγματοληπτικές Κατανομές Στην ενότητα «Από τις Πιθανότητες τη Στατιτική» εξηγήαμε ότι τη Στατιτική «όλα αρχίζουν από τα

Διαβάστε περισσότερα

5. ιαστήµατα Εµπιστοσύνης

5. ιαστήµατα Εµπιστοσύνης 5 ιατήµατα Εµπιτούνης Στο προηγούµενο κεφάλαιο αχοληθήκαµε εκτενώς µε την εκτίµηη των παραµέτρων διαφόρων κατανοµών Για παράδειγµα είδαµε ότι η καλύτερη εκτιµήτρια για την εκτίµηη της µέης τιµής ενός κανονικού

Διαβάστε περισσότερα

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε.

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε. ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΑΝΑΠΤΥΞΗΣ Γ Ε Ω Ρ Γ Ι Κ Ο Σ Π Ε Ι Ρ Α Μ Α Τ Ι Σ Μ Ο Σ ΚΟΥΤΡΟΥΜΑΝΙ ΗΣ Θ. ΖΑΦΕΙΡΙΟΥ Ε. Αν. Καθηγητής.Π.Θ. Υπ. ιδάκτορας Ορετιάδα 007 ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο ο

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος β) Υλικό σηµείο µάζας m κινείται στον άξονα Οx υπό την επίδραση του δυναµικού

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος β) Υλικό σηµείο µάζας m κινείται στον άξονα Οx υπό την επίδραση του δυναµικού ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος 1 ΘΕΜΑ 1 α) Υλικό ηµείο µάζας κινείται τον άξονα x Οx υπό την επίδραη του δυναµικού V=V(x) Αν για t=t βρίκεται τη θέη x=x µε ενέργεια Ε δείξτε ότι η κίνηή του δίνεται από

Διαβάστε περισσότερα

05_01_Εκτίμηση παραμέτρων και διαστημάτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.

05_01_Εκτίμηση παραμέτρων και διαστημάτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Ν161_Στατιτική τη Φυική Αγωγή 05_01_Εκτίμηη παραμέτρων και διατημάτων Γούργουλης Βαίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. 1 Για την περιγραφή μιας μεταβλητής, που μετριέται ε έναν πληθυμό ή ε ένα

Διαβάστε περισσότερα

Άσκηση 19 Εξαναγκασμένες ηλεκτρικές ταλαντώσεις και συντονισμός

Άσκηση 19 Εξαναγκασμένες ηλεκτρικές ταλαντώσεις και συντονισμός Μιχάλης Καλογεράκης 9 ο Εξάμηνο ΣΕΜΦΕ ΑΜ:987 Υπεύθυνος Άκηης: Κα Μανωλάτου Συνεργάτις: Ζάννα Βιργινία Ημερομηνία Διεξαγωγής:8//5 Άκηη 9 Εξαναγκαμένες ηλεκτρικές ταλαντώεις και υντονιμός ) Ειαγωγή: Σκοπός

Διαβάστε περισσότερα

Απόκλιση και στροβιλισµός ενός διανυσµατικού πεδίου. R και ( ) y z z x x y

Απόκλιση και στροβιλισµός ενός διανυσµατικού πεδίου. R και ( ) y z z x x y 5 Απόκλιη και τροβιλιµός ενός διανυµατικού πεδίου Έτω F ένα C διανυµατικό πεδίο του R, δηλαδή υνάρτηη µε D ανοικτό το F = F, F, F. R και F : D R R Στο διανυµατικό πεδίο F αντιτοιχούµε ένα άλλο διανυµατικό

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ

ΚΕΦΑΛΑΙΟ 2 Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ ΚΕΦΑΛΑΙΟ Ο ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ. Τυχαίες µεταβητές Ποές φορές ε ένα πείραµα τύχης δεν µας ενδιαφέρει ο δειγµατοχώρος του ο οποίος όπως είδαµε µπορεί να είναι και µη-αριθµητικό ύνοο αά

Διαβάστε περισσότερα

Το θεώρηµα του Green

Το θεώρηµα του Green 57 58 Το θεώρηµα του Green :, Υπενθυµίζουµε ότι µια απλή κλειτή καµπύλη [ ] κλειτή καµπύλη ( = ) ώτε ο περιοριµός [, ) R είναι µια να είναι απεικόνιη Μια απλή κλειτή καµπύλη του επιπέδου ονοµάζεται και

Διαβάστε περισσότερα

Επεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων

Επεξεργασία. Μέθοδοι Monte Carlo Εφαρμογές στην Επίλυση Προβλημάτων Υπολογιτικές Εφαρμογές την Στατιτική Επεξεργαία Δεδομένων Στα πλαίια του μαθήματος ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ & ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Δ. Φαουλιώτης, Ε. Στυλιάρης ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, 3 3 Μέθοδοι Monte

Διαβάστε περισσότερα

Εκτιµητική. Boutsikas M.V. (2003), Σηµειώσεις Στατιστικής ΙΙΙ, Τµήµα Οικονοµικής Επιστήµης, Πανεπιστήµιο Πειραιώς.

Εκτιµητική. Boutsikas M.V. (2003), Σηµειώσεις Στατιστικής ΙΙΙ, Τµήµα Οικονοµικής Επιστήµης, Πανεπιστήµιο Πειραιώς. 4 Εκτιµητική Σύνδεη θεωρίας πιθανοτήτων - περιγραφικής τατιτικής H περιγραφική τατιτική (ΣΤΑΤΙΣΤΙΚΗ Ι αφορά κυρίως τη µελέτη κάποιων «µεγεθών» (πχ µέη τιµή, διαπορά, διάµεος, κοκ ενός «δείγµατος» υγκεκριµένων

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ IΙ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΑΣΕΩΝ ΚΥΡΙΕΣ ΤΑΣΕΙΣ 1. Τάεις γύρω από ένα Σηµείο Όπως αναφέρθηκε ε προηγούµενη ενότητα, υχνά είναι πιο εύχρητο να αναλύονται οι τάεις γύρω από ένα ηµείο

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ ΣΗΜΕΙΩΣΕΙΣ ΕΙΓΜΑΤΟΛΗΨΙΑΣ Β. Α. ΑΓΓΕΛΗΣ ΧΙΟΣ 009 ΠΕΡΙΕΧΟΜΕΝΑ. Ειαγωγή... 3. ιαιθητική ειγµατοληψία... 6 3. ειγµατοληψία Κατά Πιθανότητα...

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΚΕΦΑΛΑΙΟ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΔΙΑΚΥΜΑΝΣΗ ΕΝΟΣ ΠΛΗΘΥΣΜΟΥ Έχουμε ήδη δει την εκτιμητική ότι αν ο υπό μελέτη πληθυμός είναι κανονικός, τότε: [ Χi Χ] ( n 1) i= 1 = =

Διαβάστε περισσότερα

Χάραξη γραφηµάτων/lab Graphing

Χάραξη γραφηµάτων/lab Graphing Χάραξη γραφηµάτων/lb Grphng Η χάραξη ή γραφηµάτων (ή γραφικών παρατάεων είναι µια πολύ ηµαντική εργαία τη πειραµατική φυική. Γραφήµατα παρέχουν ένα αποδοτικό τρόπο για να απεικονίζεται η χέη µεταξύ των

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

Πανεπιστήμιο Πελοποννήσου Πανεπιτήμιο Πελοποννήου Εκτιμήεις Διατήματα Εμπιτούνης Έλεγχοι Υποθέεων Stefao G. Giakoumato Εκτιμητική Οι κατανομές των τατιτικών έχουν άγνωτες παραμέτρους, οι οποίες πρέπει να εκτιμηθούν Εκτιμητές ε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο ΚΕΦΑΛΑΙΟ 7 Ροπή και Στροφορµή Μέρος πρώτο Μέχρι εδώ εξετάαµε την κίνηη ενός υλικού ηµείου υπό την επίδραη µιας δύναµης. Τα πράγµατα αλλάζουν δραµατικά αν αντί υλικού ηµείου έχοµε ένα τερεό ώµα. Η µελέτη

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 13 Ιουνίου 2010

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 13 Ιουνίου 2010 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Ιουνίου Θέμα ( μονάδες) Έτω αβγδ,,, και V = αβγδ,,,, όπου α= (,,), β= (,,), γ= (,5,), δ= (5,,). i)

Διαβάστε περισσότερα

Παρουσίαση 3 η : Αρχές εκτίμησης παραμέτρων Μέρος 2 ο

Παρουσίαση 3 η : Αρχές εκτίμησης παραμέτρων Μέρος 2 ο Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 3 η : Αρχές εκτίμηης παραμέτρων Μέρος ο Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας και

Διαβάστε περισσότερα

Το θεώρηµα του Green

Το θεώρηµα του Green 58 Το θεώρηµα του Green :, Υπενθυµίζουµε ότι µια απλή κλειτή καµπύλη [ ] κλειτή καµπύλη ( = ) ώτε ο περιοριµός [, ) R είναι µια να είναι απεικόνιη Μια απλή κλειτή καµπύλη του επιπέδου ονοµάζεται και καµπύλη

Διαβάστε περισσότερα

ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ

ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ ΘΕΡΜΙΟΝΙΚΗ ΕΚΠΟΜΠΗ ΗΛΕΚΤΡΟΝΙΩΝ Η ερµιονική εκποµπή ηλεκτρονίων είναι ένα φαινόµενο το οποίο βαίζεται η λειτουργία της λυχνίας κενού. Η δίοδος λυχνία κενού αποτελεί ορόηµο τον πολιτιµό του ύγχρονου ανρώπου

Διαβάστε περισσότερα

σ.π.π. της 0.05 c 0.1

σ.π.π. της 0.05 c 0.1 6 Έλεγχοι Υποθέεων Σε αρκετές εφαρµογές παρουιάζεται η ανάγκη λήψης αποφάεων χετικών µε την κατανοµή ενός πληθυµού Πιο υγκεκριµένα, ε πολλές περιπτώεις πρέπει, βάει ενός τδ Χ, Χ,, Χ από έναν πληθυµό µε

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύσεις

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύσεις ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ Ι - ΙΟΥΝΙΟΣ Θέµατα και Λύεις ΘΕΜΑ Υλικό ηµείο κινείται τον άξονα x ' Ox υπό την επίδραη του δυναµικού ax x V( x) = a x, a > α) Βρείτε τα ηµεία ιορροπίας και την ευτάθειά τους β) Για

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ

ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ ΠΡΟΒΛΗΜΑ ΡΟΗΣ ΥΠΕΡΑΝΩ ΤΟΠΙΚΗΣ ΑΝΥΨΩΣΕΩΣ Ενέργειας Η ανάλυη του προβλήµατος γίνεται µε την χρήη του διαγράµµατος Ειδικής (α) Υποκρίιµη ροή τα ανάντη επί Ήπιας Κλίεως Πυθµένα το Σχήµα 1 Έτω ότι οµοιόµορφη,

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I

ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I ΕΙΣΑΓΩΓΙΚΕΣ ΔΙΑΛΕΞΕΙΣ ΒΑΣΙΚΟΥ ΕΡΓΑΣΤΗΡΙΟΥ ΦΥΣΙΚΗΣ I Ευτάθιος Στυλιάρης Αναπληρωτής Καθηγητής Συντονιτής Εργατηρίων Φυικής I Με την υνδρομή των: Α. Καραμπαρμπούνη, Κ.Ν. Παπανικόλα, Ν. Μαμαλούγκου ΕΡΓΑΣΤΗΡΙΟ

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ίνεται το παρακάτω ύνολο εκπαίδευης: ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάεις 3 Ιουνίου 005 ιάρκεια:

Διαβάστε περισσότερα

S AB = m. S A = m. Υ = m

S AB = m. S A = m. Υ = m χολή αγρονόµων και τοπογράφων µηχανικών ο εξάµηνο Άκηη Απλοί γεωµετρικοί υπολογιµοί ίνεται το τετράπλευρο ΑΒΓ που φαίνεται το χήµα. Στο ύπαιθρο µετρήθηκαν οι οριζόντιες πλευρές (µήκη) ΑΒ και Α. Επίης είναι

Διαβάστε περισσότερα

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2012

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2012 Εργατήριο Μαθηματικών & Στατιτικής Μάθημα: Στατιτική Γραπτή Εξέταη Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. 6// ο Θέμα [] Η ποότητα, έτω Χ, φυτικών ινών που περιέχεται ε ψωμί ολικής άλεης με

Διαβάστε περισσότερα

Παρουσίαση 4 η : Στοιχεία στατιστικής αξιολόγησης εκτιμήσεων

Παρουσίαση 4 η : Στοιχεία στατιστικής αξιολόγησης εκτιμήσεων Εφαρμογές Ανάλυης Σήματος τη Γεωδαιία Παρουίαη 4 η : Στοιχεία τατιτικής αξιολόγηης εκτιμήεων Βαίλειος Δ. Ανδριτάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας

Διαβάστε περισσότερα

Αποδοτικότητα Χαρτοφυλακίου

Αποδοτικότητα Χαρτοφυλακίου Αποδοτικότητα Χαρτοφυλακίου n E( R ) ΣWE( R ) P i i i όπου: E(Ri) : αντιπροωπεύει την προδοκώµενη αποδοτικότητα από το τοιχείο i. Wi : το ποοτό που αντιπροωπεύει η αξία του τοιχείου αυτού τη υνολική αξία

Διαβάστε περισσότερα

Σχήµα 5.1 : Η κανονική κατανοµή, όπου τ = (x-μ)/σ

Σχήµα 5.1 : Η κανονική κατανοµή, όπου τ = (x-μ)/σ 5 Μοντέλα θυάνου του Gauss Όπως προαναφέρθηκε η δηµοφιλέτερη µεθοδολογία υπολογιµού της ατµοφαιρικής διαποράς ε πρακτικές εφαρµογές βαίζεται την εξίωη θυάνου του Gauss. Κάτω από υγκεκριµένες υνθήκες, τα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 8 ΜΕΤΑ ΟΣΗ ΤΩΝ ΤΑΣΕΩΝ ΛΟΓΩ ΕΠΙΒΟΛΗΣ ΕΞΩΤΕΡΙΚΩΝ ΦΟΡΤΙΩΝ

ΚΕΦΑΛΑΙΟ 8 ΜΕΤΑ ΟΣΗ ΤΩΝ ΤΑΣΕΩΝ ΛΟΓΩ ΕΠΙΒΟΛΗΣ ΕΞΩΤΕΡΙΚΩΝ ΦΟΡΤΙΩΝ Μετάδοη Τάεων λόγω Επιβολής Φορτίων Σελίδα ΚΕΦΑΛΑΙΟ 8 ΜΕΤΑ ΟΣΗ ΤΩΝ ΤΑΣΕΩΝ ΛΟΓΩ ΕΠΙΒΟΛΗΣ ΕΞΩΤΕΡΙΚΩΝ ΦΟΡΤΙΩΝ 8. Ειαγωγή Ένα ύνηθες αποτέλεµα των έργων Πολιτικού Μηχανικού είναι η επιβολή φορτίων το έδαφος

Διαβάστε περισσότερα

οι ενήλικες στην περιοχή Β, ο φοιτητής γνωρίζει ότι X ~ N(

οι ενήλικες στην περιοχή Β, ο φοιτητής γνωρίζει ότι X ~ N( Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Σημειακή Εκτίμηη & Εκτίμηη με Διάτημα Εμπιτούνης Αρκετά τρόφιμα περιέχουν το ιχνοτοιχείο ελήνιο το οποίο, όταν προλαμβάνεται ε μικρές ποότητες ημερηίως,

Διαβάστε περισσότερα

1. Έλεγχος Υποθέσεων. 1.1 Έλεγχοι για την µέση τιµή πληθυσµού

1. Έλεγχος Υποθέσεων. 1.1 Έλεγχοι για την µέση τιµή πληθυσµού . Έλεγχος Υποθέεων. Έλεγχοι για την µέη τιµή πληθυµού Ας υποθέουµε ένα πληθυµό µε µέη τιµή (µ.τ.) µ και τυπική απόκλιη (τ.α.). Έχει δειχτεί το κεφ.0 ο έλεγχος µιας µηδενικής υπόθεης H 0 δεδοµένης µιας

Διαβάστε περισσότερα

Πιθανότητες & Τυχαία Σήματα

Πιθανότητες & Τυχαία Σήματα Πιθανότητες & Τυχαία Σήματα Συχέτιη Διγαλάκης Βαίλης Η έννοια της υχέτιης Για τυχαίες μεταβλητές ΧΥ: Συχέτιη: ΕΧ Υ Συμμεταβλητότητα: Συντελετής υχέτιης: ρ / Έτω ΧΥ Τ.Μ. με ΥΧb και ΕΧμ Χ ΕΧ-μ Χ Χ Υπολογίτε

Διαβάστε περισσότερα

5η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ

5η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ ΜΑΘΗΜΑ : ΕΑΦΟΜΗΧΑΝΙΚΗ Ι - 5 ο Εξ. Πολιτικών Μηχανικών - Ακαδημαϊκό Έτος : 00 004 5η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια : Γιάννης Κουκούλης, Υποψήφιος ιδάκτορας ΕΜΠ Λίγα «Θεωρητικά»!!! Η παρούα

Διαβάστε περισσότερα

Σχ. 1 Eναλλασσόμενες καταπονήσεις

Σχ. 1 Eναλλασσόμενες καταπονήσεις Πανεπιτήμιο Θεαλίας Διδάκων: Αλ. Κερμανίδης Σχεδιαμός Στοιχείων Μηχανών ε μεταβαλλόμενα φορτία Μεταβαλλόμενα με τον χρόνο φορτία χαρακτηρίζονται τα φορτία που μεταβάλλουν το μέγεθος ή την διεύθυνη τους

Διαβάστε περισσότερα

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Μεθοδολογία των Επιτημών του Ανθρώπου: Στατιτική Ενότητα 2: Βαίλης Γιαλαμάς Σχολή Επιτημών της Αγωγής Τμήμα Εκπαίδευης και Αγωγής την Προχολική Ηλικία Περιεχόμενα ενότητας Παρουιάζονται οι βαικές έννοιες

Διαβάστε περισσότερα

[ ] = ( ) ( ) ( ) = { }

[ ] = ( ) ( ) ( ) = { } Πρόταη: Δίνεται η θετική τμ, δηλαδή 1 [ ] ανιότητα Mrkov: P{ } P > = Εάν >, έχουμε την Εάν υποθέουμε ότι η ~ f είναι υνεχής, τότε για κάθε > ιχύει ότι x f x dx x f x dx f x dx P [ ] = = { } Παρατηρείτε

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου. Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης

Διαβάστε περισσότερα

Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ

Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ Η ΕΝΝΟΙΑ ΤΗΣ ΤΥΧΑΙΑΣ ΜΕΤΑΒΛΗΤΗΣ Η απεικόνιη των εκβάεων ενός πειράµατος τύχης την ευθεία των πραγµατικών αριθµών οδηγεί την τυχαία µεταβλητή. 9 3 6 ( ω ω 9 36 44 Τα αποτελέµατα ενός πειράµατος τύχης ορίζουν

Διαβάστε περισσότερα

Ολοκληρωτικός Λογισμός πολλών μεταβλητών

Ολοκληρωτικός Λογισμός πολλών μεταβλητών Ολοκληρωτικός Λογιμός πολλών μεταβλητών Πρόχειρες ημειώεις Μιχάλης Παπαδημητράκης Τμήμα Μαθηματικών Πανεπιτήμιο Κρήτης η εβδομάδα. Θεωρούμε ένα ορθογώνιο παραλληλόγραμμο τον 2 και μια πραγματική υνάρτηη

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 9. Σχετική κίνηση

ΚΕΦΑΛΑΙΟ 9. Σχετική κίνηση ΚΕΦΑΛΑΙΟ 9 Σχετική κίνηη 1 Υλικό ηµείο µάζας m=1 κινείται πάνω ε επίπεδο Ο που περιτρέφεται γύρω από τον άξονα Ο µε γωνιακή ταχύτηταω = ωk, όπου ω=1/ s -1 Αν κάποια τιγµή το ώµα βρίκεται ε απόταη r=1 m

Διαβάστε περισσότερα

Γιατί; Το παραδοσιακό υπόδειγμα: y t = β 1 + β 2 x 2t β k x kt + u t, ή y = Xβ + u. Υποθέτουμε u t. N(0,σ 2 ).

Γιατί; Το παραδοσιακό υπόδειγμα: y t = β 1 + β 2 x 2t β k x kt + u t, ή y = Xβ + u. Υποθέτουμε u t. N(0,σ 2 ). Υποδείγματα GARCH Γιατί; Κίνητρο: υποδείγματα που υποθέτουν γραμμική δομή δεν μπορούν να εξηγήουν ημαντικά χαρακτηρίτηκα των χρηματοοικονομικών χρονοειρών - λεπτοκύρτοη - volaili clusering Το παραδοιακό

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ

ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΥΛΙΚΩΝ VIII. ΜΗΧΑΝΙΚΗ ΣΥΜΠΕΡΙΦΟΡΑ ΣΕ ΥΝΑΜΙΚΕΣ ΚΑΤΑΠΟΝΗΣΕΙΣ 1. Ειαγωγή Ήδη από το 180 είχε διαπιτωθεί ότι τα µεταλλικά υλικά, όταν καταπονούνται από επαναλαµβανόµενες ή χρονικά µεταβαλλόµενες

Διαβάστε περισσότερα

Υπόδειγμα αποτίμησης κεφαλαιακών Περιουσιακών Στοιχείων (CAPM)

Υπόδειγμα αποτίμησης κεφαλαιακών Περιουσιακών Στοιχείων (CAPM) άθημα 2 Υπόδειγμα αποτίμηης κεφαλαιακών Περιουιακών Στοιχείων (CAP) Ο υνολικός κίνδυνος μιας μετοχής διαχωρίζεται το υτηματικό κίνδυνο και το μη υτηματικό κίνδυνο Συτηματικός κίνδυνος : o κίνδυνος που

Διαβάστε περισσότερα

1 N N 1 N ( ) x dx (1) , (2) N xi. i= 1. = A exp , (3) dx = 1. (4) x σ 68% 2. (5) σ x x x . (6) . (7)

1 N N 1 N ( ) x dx (1) , (2) N xi. i= 1. = A exp , (3) dx = 1. (4) x σ 68% 2. (5) σ x x x . (6) . (7) Περί φλµάτων µετρήεων κι ποτελεµάτων Προδιοριµός φάλµτος (ή ειότητς) ενός ποτελέµτος Σφάλµ µις µετρήεως: φάλµ νγνώεως, π.χ. ±/ υποδιιρέεως κλίµκος. Σφάλµ πολλπλών, επνληπτικών µετρήεων: ( ) ( ) Πρόκειτι

Διαβάστε περισσότερα

ΕΦΑΡΜΟΓΕΣ ΘΕΩΡΙΑΣ ΕΛΑΣΤΙΚΟΤΗΤΑΣ

ΕΦΑΡΜΟΓΕΣ ΘΕΩΡΙΑΣ ΕΛΑΣΤΙΚΟΤΗΤΑΣ 1 ΤΟΜΕΑΣ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΕΦΑΡΜΟΓΕΣ ΘΕΩΡΙΑΣ ΕΛΑΣΤΙΚΟΤΗΤΑΣ ΣΗΜΕΙΩΣΕΙΣ ( Κυρίως επιλεγµένα και ελεύθερα µεταφραµένα

Διαβάστε περισσότερα

Είδη σφαλµάτων. Σφάλµατα στις παρατηρήσεις. Θεωρία Σφαλµάτων ΑΚΡΙΒΕΙΕΣ ΙΕΙΚΟΝΙΚΩΝ ΑΠΟ ΟΣΕΩΝ

Είδη σφαλµάτων. Σφάλµατα στις παρατηρήσεις. Θεωρία Σφαλµάτων ΑΚΡΙΒΕΙΕΣ ΙΕΙΚΟΝΙΚΩΝ ΑΠΟ ΟΣΕΩΝ Είδη φαλµάτων Σφάλµα µετρηµένη αληθής τιµή Τυχαία - Εµφανίζονται χεδόν ε όλες τις παρατηρήεις και ακολουθούν υνήθως κανονική κατανοµή. Συτηµατικά - Εµφανίζονται ε όλες τις παρατηρήεις και µπορεί να µοντελοποιηθούν

Διαβάστε περισσότερα

ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ. 4.1 Εισαγωγή

ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ. 4.1 Εισαγωγή Κεφάλαιο 4 ΑΡΙΣΤΗ ΣΥΝΘΕΣΗ ΧΑΡΤΟΦΥΛΑΚΙΩΝ 4. Ειαγωγή Στο προηγούμενο κεφάλαιο εξετάαμε πώς ένας επενδυτής που αποτρέφεται τον κίνδυνο απώλειας ειοδήματος επιλέγει επενδυτικά χέδια κάτω από υνθήκες αβεβαιότητας.

Διαβάστε περισσότερα

ΚΡΙΤΗΡΙΑ ΙΑΡΡΟΗΣ (YIELD CRITERIA)- ΝΟΜΟΙ ΡΟΗΣ- ΑΝΙΣΟΤΡΟΠΙΑ

ΚΡΙΤΗΡΙΑ ΙΑΡΡΟΗΣ (YIELD CRITERIA)- ΝΟΜΟΙ ΡΟΗΣ- ΑΝΙΣΟΤΡΟΠΙΑ ΚΡΙΤΗΡΙΑ ΙΑΡΡΟΗΣ YIELD CRITERIA- ΝΟΜΟΙ ΡΟΗΣ- ΑΝΙΣΟΤΡΟΠΙΑ Κριτήριο διαρροής είναι η µαθηµατική υνθήκη που περιγράφει την εντατική κατάταη ε ένα ηµείο της µάζας του υλικού, ώτε το ηµείο αυτό να υµβαίνει

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ ΚΕΦΑΛΑΙΟ 16 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΔΙΑΚΥΜΑΝΣΕΙΣ Α. Περίπτωη Ενός Πληθυμού Αν μας ενδιαφέρει να κατακευάουμε ένα διάτημα εμπιτούνης για την διακύμανη ενός πληθυμού, χρηιμοποιούμε το γεγονός ότι αν

Διαβάστε περισσότερα

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ ΚΕΦΑΛΑΙΟ 14 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΗΝ ΔΙΑΦΟΡΑ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ Έτω Χ 1, Χ,..., Χ και Υ 1, Υ,..., Υ m δύο τυχαία δείγματα μεγέθους και m αντίτοιχα από δύο ανεξάρτητους κανονικούς πληθυμούς

Διαβάστε περισσότερα

S συµβολίζονται ως. Είδη φορτίων: (α) επιφανειακά (π.χ. λόγω επαφής του θεωρούµενου σώµατος µε άλλα σώµατα),

S συµβολίζονται ως. Είδη φορτίων: (α) επιφανειακά (π.χ. λόγω επαφής του θεωρούµενου σώµατος µε άλλα σώµατα), ΑΝΑΛΥΣΗ ΤΩΝ ΤΑΣΕΩΝ Η έννοια του ελκυτή (tracto): M(υνιταµένη ροπή) F (υνιταµένη δύναµη) Θεωρείται παραµορφώιµο τερεό ε ιορροπία υπό εξωτερική φόρτιη (αποκλείονται ταχέως µεταβαλλόµενες φορτίεις και εποµένως

Διαβάστε περισσότερα

PDF processed with CutePDF evaluation edition

PDF processed with CutePDF evaluation edition Κατανοµές ιαφάνειες ιαλέξεων - 0-0303 Περιεχόµενα της Ενότητας ειγµατοληψία και Κατανοµές Ενότητα η. ειγµατοληψία Πιθανοτικέςκαι και µη πιθανοτικές µέθοδοι. Εκτιµητές, ηµειακές εκτιµήεις, φάλµα δειγµατοληψίας

Διαβάστε περισσότερα

3. Βασικά µαθηµατικά µεγέθη, συµβολισµοί και σχέσεις

3. Βασικά µαθηµατικά µεγέθη, συµβολισµοί και σχέσεις ρ.χ. Στρουθόπουλος, e-mail: stch@teise.g ΑΤΕΙ Σερρώ 3. Βαικά µαθηµατικά µεγέθη, υµβολιµοί και χέεις 3.. Πίακας τήλης Α το πλήθος τω προτύπω, το πλήθος τω χαρακτηριτικώ που µετράµε ε κάθε πρότυπο και Τ

Διαβάστε περισσότερα

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H

και ονομάζεται μηδενική υπόθεση (null hypothesis), και η άλλη με H Στατιτικός Έλεγχος Υποθέεων Ένας νέος τύπος τιγάρων βρίκεται το τάδιο ποιοτικού ελέγχου Αν το τμήμα ποιοτικού ελέγχου της καπνοβιομηχανίας παραγωγής, ενδιαφέρεται να γνωρίζει τη μέη ποότητα νικοτίνης που

Διαβάστε περισσότερα

Κεφάλαιο 1: Εισαγωγή... 11

Κεφάλαιο 1: Εισαγωγή... 11 Περιεχόμενα Πρόλογος... 7 Ειαγωγικό ημείωμα... 9 Κεφάλαιο : Ειαγωγή.... Η Παγκόμια Χρηματοπιτωτική Κρίη.... Το Αντικείμενο και ο Στόχος του Βιβλίου... 9.3 Η Δομή του Βιβλίου... 0 Κεφάλαιο : Η ιαχείριη

Διαβάστε περισσότερα

ΕΟ31 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ. Τόμος : Θεωρία Χαρτοφυλακίου

ΕΟ31 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ. Τόμος : Θεωρία Χαρτοφυλακίου ΕΟ3 ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΙΟΙΚΗΣΗ Τόμος : Θεωρία Χαρτοφυλακίου Μάθημα 0: Απόδοη και κίνδυνος Σε αυτή την ενότητα θα μάθουμε να υπολογίζουμε την απόδοη και τον κίνδυνο κάθε αξιόγραφου. Ειδικότερα θα διαχωρίουμε

Διαβάστε περισσότερα

Ψηφιακός Έλεγχος. 8 η διάλεξη Σφάλματα. Ψηφιακός Έλεγχος 1

Ψηφιακός Έλεγχος. 8 η διάλεξη Σφάλματα. Ψηφιακός Έλεγχος 1 Ψηφιακός Έλεγχος 8 η διάλεξη Σφάλματα Ψηφιακός Έλεγχος Δυαδική αριθμητική και μήκος λέξης Ένας αριθμός μπορεί να αναπαραταθεί απο C+ bits που ονομάζονται λέξη. Το μήκος της λέξης είναι πάντα πεπεραμένο,

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ

ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ ΚΕΦΑΛΑΙΟ 5 ΚΕΦΑΛΑΙΟ 5 ΗΛΕΚΤΡΙΚΟ ΠΕ ΙΟ ΡΟΗΣ ΜΟΝΙΜΩΝ ΡΕΥΜΑΤΩΝ 5. Ειαγωγικά Στα προηγούµενα κεφάλαια, αχοληθήκαµε µε τη µελέτη πεδίων που η δηµιουργία τους οφείλονταν την παρουία ακίνητων ηλεκτρικών φορτίων.

Διαβάστε περισσότερα

Νόμος των Wiedemann-Franz

Νόμος των Wiedemann-Franz Άκηη 38 Νόμος των Widmann-Franz 38.1 Σκοπός Σκοπός της άκηης αυτής είναι η μέτρηη της ταθεράς Lorntz ε δύο διαφορετικά μέταα οι ιδιότητες των οποίων διαφέρουν ημαντικά. Η ταθερά του Lorntz μετράται μέω

Διαβάστε περισσότερα

4. Ειδικές Διακριτές, Συνεχείς Κατανομές

4. Ειδικές Διακριτές, Συνεχείς Κατανομές 4. Ειδικές Διακριτές, Συνεχείς Κατανομές 4.. Η ομοιόμορφη διακριτή κατανομή. Εμφανίζεται τις περιπτώεις όπου η υπό εξέταη τ.μ. Χ παίρνει πεπεραμένο πήθος τιμών π.χ. Χ {,,...,} και όες οι πιθανότητες P

Διαβάστε περισσότερα

Ασκήσεις για έκτες PIN και έκτες µε Οπτική Προενίσχυση

Ασκήσεις για έκτες PIN και έκτες µε Οπτική Προενίσχυση ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟ ΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΙΚΤΥΑ ΟΠΤΙΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Καθηγητής. Συβρίδης Ακήεις για έκτες PIN και έκτες µε Οπτική Προενίχυη

Διαβάστε περισσότερα

ο εκτιμητής LS είναι n 1 x y 2 t Οι βασικές ιδιότητες του εκτιμητή είναι: ( ) = β, αμεροληψία, . Αν έχουμε n x C, τότε Var Τότε, θα έχουμε Var (

ο εκτιμητής LS είναι n 1 x y 2 t Οι βασικές ιδιότητες του εκτιμητή είναι: ( ) = β, αμεροληψία, . Αν έχουμε n x C, τότε Var Τότε, θα έχουμε Var ( Στο γραμμικό υπόδειγμα y = β + u, =,,, ο εκτιμητής LS είναι = β = = y Οι βαικές ιδιότητες του εκτιμητή είναι: E ( β ) = β, αμεροληψία, Var ( β ) = = Αν έχουμε =, τότε y = β =, ο δειγματικός μέος του y

Διαβάστε περισσότερα

12.1 Σχεδιασμός αξόνων

12.1 Σχεδιασμός αξόνων 1.1 Σχεδιαμός αξόνων Επιδιώκοντας τον χεδιαμό αξόνων αναζητούμε τις διαμέτρους τα διάφορα ημεία αλλαγής διατομών ή επιβολής φορτίων και τα μήκη του άξονα που αντιτοιχούν τις διαμέτρους, την ακτίνα καμπυλότητας

Διαβάστε περισσότερα

ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΩΝ Ε ΟΜΕΝΩΝ

ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΩΝ Ε ΟΜΕΝΩΝ ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΩΝ Ε ΟΜΕΝΩΝ Μάριος Βαφειάδης Αν. Καθηγητής ΤΥΤΠ-ΑΠΘ Θεαλονίκη 0 ΕΙΣΑΓΩΓΗ...4 I. ΜΕΤΡΗΣΕΙΣ...5. ΓΕΝΙΚΑ...5. ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ ΟΡΓΑΝΩΝ ΜΕΤΡΗΣΕΩΝ...6 3. ΚΑΝΟΝΕΣ ΓΙΑ ΕΠΙΤΥΧΕΙΣ

Διαβάστε περισσότερα

ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ

ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ ΥΠΟΛΟΓΙΣΜΟΣ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΜΟΝΟΒΑΘΜΙΟΥ ΜΕΙΩΤΗΡΑ Ιχύς P 10 KW Στροφές ειόδου n 1450 τρ./λεπτό Σχέη μετάδοης i 4 Α. ΥΠΟΛΟΓΙΣΜΟΙ ΟΔΟΝΤΩΤΩΝ ΤΡΟΧΩΝ 1. Προωρινή εκλογή υλικού δοντιού: Για την επιλογή του υλικού

Διαβάστε περισσότερα

ειγματοληπτικές κατανομές

ειγματοληπτικές κατανομές ειγματοληπτικές καταομές Σκοπός της τατιτικής υμπεραματολογίας: η εξαγωγή ατικειμεικώ υμπεραμάτω για έα πληθυμό από περιοριμέο αριθμό δεδομέω (δείγμα). Με τη περιγραφική τατιτική υχά μπορούμε α βγάλουμε

Διαβάστε περισσότερα

Στατιστικοί Ελεγχοι. t-έλεγχος για την σύγκριση των µέσων δύο πληθυσµών. Έλεγχος 5: Έλεγχος της οµοιογένειας δύο πληθυσµών µε διακυµάνσεις σ 1

Στατιστικοί Ελεγχοι. t-έλεγχος για την σύγκριση των µέσων δύο πληθυσµών. Έλεγχος 5: Έλεγχος της οµοιογένειας δύο πληθυσµών µε διακυµάνσεις σ 1 Στατιτικοί Ελεγχοι Έλεγχος 1: Ζ-Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος : t - Έλεγχος για τον µέο µ ενός πληθυµού Έλεγχος 3: I -τετράγωνο Έλεγχος για την διακύµανη Έλεγχος 4: t-έλεγχος για την ύγκριη

Διαβάστε περισσότερα

ιάστηµα εµπιστοσύνης της µ 1

ιάστηµα εµπιστοσύνης της µ 1 ιάτηµα εµπιτούνης της µ - µ δύο ανεξάρτητων τ.µ. X και X Μέες τιµές: µ και µ ιαπορές: και είγµα µεγέθους, από τον πληθυµό τηςx, X ειγµατικές µέες τιµές: και ειγµατικές διαπορές: και Θέλουµε ναεκτιµήουµε

Διαβάστε περισσότερα

( α ). Να δηλωθεί η συνάρτηση με την genter. ( β ). Να εφαρμοστεί τον αντίστροφο μετασχηματισμό Laplace και να αποδειχθεί Θεωρητικά.

( α ). Να δηλωθεί η συνάρτηση με την genter. ( β ). Να εφαρμοστεί τον αντίστροφο μετασχηματισμό Laplace και να αποδειχθεί Θεωρητικά. Δίνεται η υνάρτηη μεταφοράς ενός αυτόματου υτήματος πλοήγηης υπερηχητικού αεροπλάνου, το οποίο επικουρεί την αεροδυναμική ευτάθεια του, κάνοντας την πτήη ποιο ταθερή και ποιο άνετη. Ζητείται να μελετηθεί

Διαβάστε περισσότερα

ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ IΙ ΕΦΕΛΚΥΣΜΟΣ ΘΛΙΨΗ ΡΑΒ ΩΤΩΝ ΦΟΡΕΩΝ

ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ IΙ ΕΦΕΛΚΥΣΜΟΣ ΘΛΙΨΗ ΡΑΒ ΩΤΩΝ ΦΟΡΕΩΝ ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ IΙ ΕΦΕΛΚΥΣΜΟΣ ΘΛΙΨΗ ΡΑΒ ΩΤΩΝ ΦΟΡΕΩΝ Η περίπτωη του εφελκυμού και της θλίψης των ραβδωτών φορέων είναι ενδεικτική για την αφετηρία της μελέτης παραμορφώιμων τερεών. Πρόκειται για προβλήματα

Διαβάστε περισσότερα

6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π.

6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π. 6η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ - ΜΕΤΑΔΟΣΗ ΤΑΣΕΩΝ ΣΤΟ ΕΔΑΦΟΣ ΑΠΑΝΤΗΣΕΙΣ ΚΑΙ ΣΧΟΛΙΑ Επιμέλεια: Γιώργος Μπελόκας, Υποψήφιος Διδάκτωρ Ε.Μ.Π. ΑΣΚΗΣΗ 1 Θα χρηιμοποιηθούν οι χέεις που προκύπτουν από τη θεώρηη γραμμικής ιότροπης

Διαβάστε περισσότερα

Στοχαστική Προσοµοίωση ισδιάστατων Τυχαίων Πεδίων µε ιατήρηση της Εµµονής

Στοχαστική Προσοµοίωση ισδιάστατων Τυχαίων Πεδίων µε ιατήρηση της Εµµονής Στοχατική Προοµοίωη ιδιάτατων Τυχαίων Πεδίων µε ιατήρηη της Εµµονής Παρουίαη ιπλωµατικής Εργαίας 22/07/2004 Νίκος Θεοδωράτος Επιβλέπων:. Κουτογιάννης, Αν. Καθηγητής Εθνικό Μετόβιο Πολυτεχνείο Σχολή Πολιτικών

Διαβάστε περισσότερα

Σεισμολογία. Ελαστική Τάση, Παραμόρφωση (Κεφ.2, Σύγχρονη Σεισμολογία)

Σεισμολογία. Ελαστική Τάση, Παραμόρφωση (Κεφ.2, Σύγχρονη Σεισμολογία) Σειμολογία Ελατική Τάη, Παραμόρφωη (Κεφ., Σύγχρονη Σειμολογία) Τι είναι Σειμός O ειμός είναι η γένεη και μετάδοη ελατικών κυμάτων μέα από το φλοιό της γης, τα κύματα δημιουργούνται από τη διάρρηξη των

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΚΕΦΑΛΑΙΟ 4 ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ ΚΕΦΑΛΑΙΟ ΖΕΥΓΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Ειαγωγή Υπάρχουν προβήµατα πιθανοτήτων τα οποία θα πρέπει να µεετηθούν δύο ή περιότερες τυχαίες µεταβητές από κοινού για να µπορεί να περιγραφεί επαρκώς και πήρως το αντίτοιχο

Διαβάστε περισσότερα

ΔΙΑΛΕΞΗ 2 Τάσεις και παραμορφώσεις γύρω από κυκλικές σήραγγες. Κατανομές τάσεων και παραμορφώσεων γύρω από κυκλική σήραγγα - Παραδοχές

ΔΙΑΛΕΞΗ 2 Τάσεις και παραμορφώσεις γύρω από κυκλικές σήραγγες. Κατανομές τάσεων και παραμορφώσεων γύρω από κυκλική σήραγγα - Παραδοχές ΕΠΟΠΤΙΚΟ ΥΛΙΚΟ ΔΙΑΛΕΞΕΩΝ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «ΕΙΔΙΚΑ ΓΕΩΤΕΧΝΙΚΑ ΕΡΓΑ - Γεωτεχνική Σηράγγων» 9ο Εξ. ΠΟΛ. ΜΗΧ. - Ακαδ. Ετος 5-6 ΔΙΑΛΕΞΗ Τάεις και παραμορφώεις γύρω από κυκλικές ήραγγες 5.8.5 Κατανομές τάεων και

Διαβάστε περισσότερα

Συμμετρία μορίων και θεωρία ομάδων

Συμμετρία μορίων και θεωρία ομάδων Συμμετρία μορίων και θεωρία ομάδων Συμμετρία πολυατομικών μορίων Τι μας χρειάζεται; Προβλέπει τη φαματοκοπία και τη υμπεριφορά ατόμων και μορίων Πράξεις Συμμετρίας: κινήεις του μορίου κατά τις οποίες η

Διαβάστε περισσότερα

Γραπτή Εργασία 2 Διαχείριση Χαρτοφυλακίου. Γενικές οδηγίες

Γραπτή Εργασία 2 Διαχείριση Χαρτοφυλακίου. Γενικές οδηγίες ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ 3 Χρηματοοικονομική Διοίκηη Ακαδημαϊκό Έτος: 009-0 Γραπτή Εργαία Διαχείριη Χαρτοφυλακίου Γενικές

Διαβάστε περισσότερα

Υπενθυµίσεις Μηχανικής Παραµορφωσίµων Στερεών

Υπενθυµίσεις Μηχανικής Παραµορφωσίµων Στερεών Παράρτηµα Υπνθυµίις Μηχανικής Παραµορφωίµων Στρών 1. ΤΑΣΕΙΣ Οι ξωτρικές δυνάµις που πιβάλλονται ένα ώµα µπορούν να χωριθούν δύο κατηγορίς, τις καθολικές δυνάµις και τις πιφανιακές δυνάµις. Οι καθολικές

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Τµήµα Μηχανολόγων Μηχανικών Τοµέας Ρευστών Εργαστήριο Θερµικών Στροβιλοµηχανών

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Τµήµα Μηχανολόγων Μηχανικών Τοµέας Ρευστών Εργαστήριο Θερµικών Στροβιλοµηχανών ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Τµήµα Μηχανολόγων Μηχανικών Τοµέας Ρευτών Εργατήριο Θερµικών Στροβιλοµηχανών Υπολογιτικό θέµα : «Η βέλτιτη χεδίαη πτερύγωης τροβιλοµηχανής και η δηµιουργία χετικού µεταπροτύπου»

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

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

Διαβάστε περισσότερα

ΙΑΡΘΡΩΣΗ ΜΑΘΗΜΑΤΟΣ. Εξίσωση Schrıdinger. Χρησιµότητα Εξαγωγή της εξίσωσης Schrıdinger. Περιοχές κυµατοδήγησης οπτικού παλµού

ΙΑΡΘΡΩΣΗ ΜΑΘΗΜΑΤΟΣ. Εξίσωση Schrıdinger. Χρησιµότητα Εξαγωγή της εξίσωσης Schrıdinger. Περιοχές κυµατοδήγησης οπτικού παλµού ΙΑΡΘΡΩΣΗ ΜΑΘΗΜΑΤΟΣ Εξίωη Schrıdinger Χρηιµότητα Εξαγωγή της εξίωης Schrıdinger Περιοχές κυµατοδήγηης οπτικού παλµού Αλληλεπίδραη µη γραµµικών φαινοµένων και διαποράς Αµελητέα η διαπορά και τα µη γραµµικά

Διαβάστε περισσότερα

ΕΛΛΕΙΨΕΙΣ ΕΜΠΙΣΤΟΣΥΝΗΣ ΣΤΑ ΠΑΡΑΓΟΝΤΙΚΑ ΕΠΙΠΕΔΑ ΤΗΣ AFC

ΕΛΛΕΙΨΕΙΣ ΕΜΠΙΣΤΟΣΥΝΗΣ ΣΤΑ ΠΑΡΑΓΟΝΤΙΚΑ ΕΠΙΠΕΔΑ ΤΗΣ AFC Ελληνικό Στατιτικό Ιντιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιτικής (005) ελ.57-65 ΕΛΛΕΙΨΕΙΣ ΕΜΠΙΣΤΟΣΥΝΗΣ ΣΤΑ ΠΑΡΑΓΟΝΤΙΚΑ ΕΠΙΠΕΔΑ ΤΗΣ AFC Γεώργιος Μενεξές, Άγγελος Μάρκος, Γιάννης Παπαδημητρίου

Διαβάστε περισσότερα

Νόµος των Wiedemann-Franz

Νόµος των Wiedemann-Franz Άκηη 7 Νόµος των Wiedemann-Franz 7.1 Σκοπός Σκοπός της άκηης αυτής είναι η µέτρηη της ταθεράς Lorentz ε δύο διαφορετικά µέταα οι ιδιότητες των οποίων διαφέρουν ηµαντικά. Η ταθερά του Lorentz µετράται µέω

Διαβάστε περισσότερα

Μια ακόμη πιο δύσκολη συνέχεια.

Μια ακόμη πιο δύσκολη συνέχεια. Μια ακόμη πιο δύκολη υνέχεια. Μόνο για καθηγητές. Σαν υνέχεια της ανάρτηης «Μια...δύκολη περίπτωη, αν φύλλο εργαίας.» ας δούμε μερικά ακόμη ερωτήματα, αφήνοντας όμως έξω τους μαθητές-υποψήφιους. Ένα ορθογώνιο

Διαβάστε περισσότερα