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

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

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

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας Τηλ:

2 ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Στοχαστικά χρηματοοικονομικά, Βασιλείου Π. Χ., Εκδόσεις ΖΗΤΗ, 1 η έκδοση, 2001, Κωδικός Βιβλίου στον Εύδοξο: Σημειώσεις παραδόσεων: Παράγωγα Χρηματοοικονομικά προϊόντα (εισαγωγή στην στοχαστική χρηματοοικονομική ανάλυση), Μπούτσικας Μιχαήλ, Τμήμα Στατιστικής και Αναλογιστικής Επιστήμης, Πανεπιστήμιο Πειραιά. 3. Στοιχειώδης εισαγωγή στα χρηματοοικονομικά μαθηματικά, Ross S., ΕΚΔΟΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕΔΟΝΙΑΣ, 1η έκδοση, 2007., Κωδικός Βιβλίου στον Εύδοξο: 4659 Προτεινόμενη Βιβλιογραφία 1. An Elementary Introduction to Mathematical Finance: Options and other Topics, Ross, S., Cambridge University Press; 2 nd edition, Options, Futures and Other Derivatives, Ηull, J., 5 th edition, Prentice Hall, The Mathematics of Financial Derivatives, Willmott, P., Howison, S., Dewynne, J., Cambridge University Press An Introduction to the Mathematics of Financial Derivatives, Neftci, S. N., Academic Press, 2000.

3 ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ Εισαγωγή-Επανάληψη Θεωρίας Πιθανοτήτων Επιτόκια-Χρονική Αξία Χρήματος Χρηματοπιστωτική Αγορά και Παράγωγα Τιμολόγηση Κέρδους Martingales Αυτοχρηματοδοτούμενες Διαδικασίες Κεφαλαίου Διαδικασία Wienner-Κίνηση Brown Στοχαστική Ολοκλήρωση Τιμολόγηση Ευρωπαϊκού Δικαιώματος σε συνεχή Χρόνο

4 Πειράματα Αιτιοκρατικά πειράματα Πειράματα τύχης Πειράματα στα οποία η γνώση των συνθηκών κάτω από τις οποίες αυτά εκτελούνται, καθορίζει πλήρως το αποτέλεσμα Αποσταγμένο νερό θερμαινόμενο σε C, υπό πίεση 760 χιλιοστών υδραργύρου, θα βράσει με επιτόκιο 5% γίνονται σε 2 χρόνια: 10000(1+0.05) 2 Πειράματα στα οποία η γνώση των συνθηκών κάτω από τις οποίες αυτά εκτελούνται, καθορίζει ένα σύνολο από δυνατά αποτελέσματα Το αποτέλεσμα της ρίψης ενός νομίσματος είναι κορόνα ή γράμματα Χρόνος αναμονής σε μια στάση λεωφορείου Κατανάλωση ρεύματος μιας πόλης

5 Ορισμός Πιθανότητας- Προτάσεις Το σύνολο όλων των δυνατών αποτελεσμάτων ενός πειράματος τύχης ονομάζεται δειγματοχώρος ή δειγματικός χώρος Κάθε δειγματοχώρος Ω εφοδιάζεται με ένα σώμα F υποσυνόλων του. Τα στοιχεία του F καλούνται γεγονότα. Σε κάθε γεγονός Α αντιστοιχεί μια αριθμητική ποσότητα Pr(Α) η οποία ορίζεται ως πιθανότητα του Α Έστω Ω ένας δειγματοχώρος και F μια συλλογή (κλάση) υποσυνόλων του. Τότε αν ισχύουν οι παρακάτω ιδιότητες λέμε ότι το F είναι μια άλγεβρα: ΩF Αν Α F τότε και A c F Αν Α F και Β F τότεa B F Ορισμός Έστω Ω ένας δειγματοχώρος και F μια συλλογή υποσυνόλων του. Τότε το F είναι μια σ-άλγεβρα αν ισχύουν οι παρακάτω ιδιότητες: 1. ΩF 2. Αν Α F τότε και A c F 3. Αν {Α i } ii είναι μια οικογένεια συνόλων της F τότε Ai F i1

6 Ορισμός Πιθανότητας- Προτάσεις Ορισμός (Αξιωματικός Ορισμός Kolmogorov) Μια πιθανότητα Pr είναι μια συνολοσυνάρτηση Pr: FIR που έχει τις ακόλουθες ιδιότητες: i) Pr (Ω)) = 1 ii) A F, Pr(A) 0 iii) A, B F, A B =, Pr(A B) = Pr(A) + Pr(B) Η τριάδα (Ω, F, Pr) ονομάζεται πιθανοθεωρητικός χώρος Ορισμός Έστω Ω ένας δειγματοχώρος και F μια συλλογή υποσυνόλων του που είναι μια σ- άλγεβρα. Ένα μέτρο πιθανότητας Pr( ) είναι μια συνάρτηση που απεικονίζει το F στο [0,1] με τις ακόλουθες ιδιότητες: i) Pr(A) 0, A F, ii) Pr (Ω)) = 1 iii) Αν {Α i } ii είναι μια οικογένεια συνόλων στο F με Α i Α j = για i j τότε Pr ii A i ii Pr A i

7 Ορισμός Πιθανότητας- Προτάσεις Ορισμός Έστω Ω ένας πεπερασμένος δειγματοχώρος. Ονομάζουμε φιλτράρισμα μια ακολουθία από σ-άλγεβρες του δειγματοχώρου Ω, F 0, F 1,, F n τέτοιες ώστε F 0 F 1 F n Προτάσεις 1. Pr(A c ) = 1 - Pr(A) 2. Pr(A B) = Pr(A) + Pr(B) - Pr(A B) 3. Αν Α Β τότε Pr(A) Pr (B) 4. Pr(A) = Pr(A B) + Pr(A B c ) και γενικά Pr(A) = Σ n Pr(A B n ) αν Ω = n B n

8 Δεσμευμένη πιθανότητα Ορισμός Για κάθε ζεύγος γεγονότων Α και Β με Pr(B) > 0, ορίζεται η δεσμευμένη πιθανότητα του Α δοθέντος του Β που συμβολίζεται με Pr(A B), με Pr A B Pr A B Pr(B) Είναι η πιθανότητα του Α γνωρίζοντας ότι έχει συμβεί το Β Αν τα γεγονότα Α και Β είναι ασυμβίβαστα (δηλ. ΑΒ = ) τότε Pr(A B) = 0 Αν Β Α τότε Pr(A Β) = 1 Pr(A B) = Pr (B) Αν Α Β τότε Pr(A Β) = Pr(A) / Pr(B) Pr(A B) = Pr (A) Παραδείγματα 1. Ρίχνουμε 2 ζάρια, το πρώτο δίνει 3, ποια είναι η πιθανότητα το σύνολο των αποτελεσμάτων των 2 ζαριών να ξεπερνάει το 6; 2. Ποια είναι η πιθανότητα ώστε 2 παιδιά μιας οικογένειας να είναι αγόρια γνωρίζοντας ότι τουλάχιστον ένα είναι αγόρι;

9 Ανεξαρτησία γεγονότων Ορισμός Δύο γεγονότα Α και Β λέγονται στοχαστικά ανεξάρτητα ή ανεξάρτητα κατά πιθανότητα ή απλά ανεξάρτητα όταν Pr(A B) = Pr(A) Pr(B) Δεσμευμένη πιθανότητα και ανεξαρτησία: Pr(A Β) = Pr(A) Γενικότερα ένα πεπερασμένο σύνολο ή μη πεπερασμένο αριθμήσιμο υποσύνολο γεγονότων (Α i, ii ) λέγεται ανεξάρτητο αν για οποιοδήποτε πεπερασμένο υποσύνολο J του I έχουμε: Pr jj A j Παρατηρήσεις: 1. Η ανεξαρτησία ανά 2 των γεγονότων δεν αρκεί για την ανεξαρτησία όλων των γεγονότων jj Pr 2. Αν 2 γεγονότα Α και Β είναι ασυμβίβαστα, δεν είναι απαραίτητα και ανεξάρτητα. Αντιθέτως αν Pr(A) Pr(B)0 τότε ΔΕΝ είναι ανεξάρτητα. A j

10 Βασικές προτάσεις Πρόταση (Θεώρημα Ολικής Πιθανότητας) Έστω (Β n, ni) μια διαμέριση του δειγματοχώρου Ω και Α ένα γεγονός, ισχύει: Pr Η δεύτερη ισότητα ισχύει αν Pr(Β n ) > 0 για όλα τα ni Πρόταση (Τύπος Poincare) A PrA B PrA B Pr ni n n Bn ni Για μια πεπερασμένη σειρά γεγονότων Α 1, Α 2,, Α n ισχύει: Pr Ai Pr Ai Pr Ai A j 1 n 1in 1i jn Πρόταση (Τύπος του Bayes - διαδοχικός) Για μία πεπερασμένη σειρά γεγονότων: Α 1, Α 2,, Α n, με Pr(Α 1 Α n-1 ) > 0, ισχύει: Pr ( 1 i n Α i ) = Pr(A 1 ) Pr(A 2 A 1 ) Pr(A 3 A 1 A 2 ) Pr(A n A 1 A 2 A n-1 ) Πρόταση (Τύπος του Bayes) Έστω (Β n, n I) μία διαμέριση του δειγματοχώρου Ω με Pr(Β n ) > 0 για όλα τα n I, και Α ένα γεγονός με Pr(A) > 0, τότε ισχύει, Pr(Β j A) = Pr(A Β j ) Pr(Β j ) / Σ k I Pr(A Β k ) Pr(Β k ) n1 1 Pr A i in i 1

11 Διακριτές τυχαίες μεταβλητές Μία τυχαία μεταβλητή (τ.μ.) ορίζεται με βάση ένα τυχαίο πείραμα ως μία συνάρτηση Χ, η τιμής της οποίας εξαρτάται από το αποτέλεσμα ω αυτού του συγκεκριμένου πειράματος. Παράδειγμα : στο πείραμα με τα 2 ζάρια, το άθροισμα, το γινόμενο και η διαφορά των αποτελεσμάτων ορίζουν διαφορετικές τ.μ. : Χ(ω) = x+y, Y(ω) = xy, Z(ω) = x-y, όπου ω = (x,y). Μιγαδική τ.μ. : Ζ = Χ+iY όπου Χ,Υ είναι π.τ.μ. Δείκτρια τ.μ. : Α F, ορίζουμε την δείκτρια τ.μ., που συμβολίζεται με 1 Α, ως 1 αν ω Α 1 Α (ω) = 0 αν όχι

12 Διακριτές τυχαίες μεταβλητές Ιδιότητες : 1. 1 Ω = 1 και 1 = Α Β = 1 Α. 1 Β 3. 1 Α Β = 1 Α + 1 Β - 1 Α. 1 Β 4. 1 Α c = 1-1 Α 5. Α B 1 Α 1 B και Α = Β 1 Α = 1 B Μία απλή τ.μ. μπορεί να αναπαρασταθεί με την βηματική συνάρτηση : Χ = Σ 1 i n x i.1 Α i όπου τα γεγονότα Α i είναι μία διαμέριση του δειγματοχώρου Ω.

13 Κατανομή μίας διακριτής τυχαίας μεταβλητής Έστω μία τ.μ. Χ : Ω Ε ΙR. Για x E, ορίζεται το γεγονός {ω: Χ(ω) = x} (η πιο απλά {Χ = x}), για το οποίο συμβολίζουμε με p X (x) την πιθανότητα του, δηλαδή p X (x) = Pr(Χ = x). Ορισμός (κατανομή μίας διακριτής τ.μ.) : Το σύνολο αριθμών (p X (x), x E) έτσι ώστε p X (x) = Pr(Χ = x) λέγεται κατανομή της τ.μ. Χ. Ιδιότητες : 1. p X (x) 0 2. Σ x E p X (x) = 1 Το πλεονέκτημα στην χρήση μίας κατανομής μίας τ.μ. είναι ότι επιτρέπει κατευθείαν, χωρίς την χρήση του δειγματοχώρου, να υπολογισθούν οι πιθανότητες των γεγονότων που ορίζονται από την τ.μ. Χ.

14 Κατανομή μίας διακριτής τυχαίας μεταβλητής Παραδείγματα : Ένα ζάρι : η κατανομή της τ.μ. Χ(ω) = ω είναι p X (ω) = 1/6 για οποιοδήποτε ωω, και λέγεται ομοιόμορφη κατανομή (διακριτή περίπτωση). Δύο ζάρια : η κατανομή της τ.μ. Χ(ω) = ω 1 + ω 2 και δίνεται από τον ακόλουθο πίνακα: x p(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Αν υποτεθεί ότι 2 τ.μ. Χ και Υ ορίζονται πάνω στο ίδιο πιθανοθεωρητικό χώρο με τιμές στο Ε 1 και Ε 2 : Ορισμός : (Ανεξαρτησία 2 τ.μ.) Οι τ.μ. Χ και Υ λέγονται ανεξάρτητες εάν για οποιαδήποτε x Ε 1 και y Ε 2, ισχύει: Pr(X = x, Y = y) = Pr(X = x) Pr(Y = y)

15 Μέση τιμή και ροπές Ορισμός : Η μέση τιμή μίας τ.μ., συμβολίζεται με ΕΧ η Ε[Χ]. Αν η τ.μ. Χ είναι διακριτή με τιμές στο Ε και με κατανομή p = (p X (x), x Ε), η μέση τιμή της δίνεται με Ιδιότητες : 1. Ε[αΧ] = αε[χ]. 2. Ε[Χ +Υ] = Ε[Χ] + Ε[Υ]. ΕΧ = Σ x E x p(x) 3. Εάν Χ 0 τότε Ε[Χ] 0, η εάν Χ Υ, τότε ΕΧ ΕΥ. Παραδείγματα : Η μέση τιμή της δείκτριας τ.μ. : Ε 1 Α = 1. Pr(1 Α = 1) + 0. Pr(1 Α = 0) = Pr(A). Η μέση τιμή της απλής τ.μ. Χ = Σ 1 i n x i.1 Α i : ΕΧ = Σ 1 i n x i Pr(Α i ).

16 Μέση τιμή και ροπές Ορισμοί : 1. Η k-οστή ροπή (k IN*), ορίζεται με : μ k = E[Χ k ] = Σ x E x k p(x) εάν η σειρά συγκλίνει απόλυτα. 2. Η k-οστή κεντρική ροπή (k IN*), ορίζεται με : m k = E[(X - EΧ) k ] = Σ x E (x - EX) k p(x) Η δεύτερη κεντρική ροπή, m 2, συμβολίζεται επίσης σ 2 (Χ) ή Var(X) και λέγεται διασπορά (Variance) της τ.μ. Χ. Μετράει την διασπορά ή την διασπαρμένη μάζα γύρω από την μέση τιμή της τ.μ.. Η τετραγωνική ρίζα της διασποράς λέγεται επίσης τυπική απόκλιση. Πρόταση : Εάν Χ είναι μία τ.μ. με τιμές στο IN, τότε ΕΧ = Σ n 1 Pr(X n).

17 Μερικές κλασσικές διακριτές κατανομές Κατανομή του Bernoulli 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 X = 0 X = 1 Κατανομή Bernoulli παραμέτρου p = 0,8 Η τ.μ. Χ ακολουθεί μία κατανομή Bernoulli παραμέτρου p (0 < p < 1), και συμβολίζεται : Χ ~ Β(p), εάν παίρνει τις τιμές τις μέσα στο {0,1} με Pr(X = 1) = p και Pr(X = 0) = 1 p. Το γεγονός {Χ = 1}, λέγεται επιτυχία και το γεγονός {Χ = 0} λέγεται αποτυχία. Η μέση τιμή δίνεται : και η διασπορά ΕΧ = p Var(X) = σ 2 = p(1 p).

18 Μερικές κλασσικές διακριτές κατανομές Διωνυμική κατανομή Όταν ενδιαφερόμαστε για τον αριθμό επιτυχιών σε μία πεπερασμένη σειρά πειραμάτων του Bernoulli, τότε αυτό μπορεί να περιγραφεί από μία διωνυμική τ.μ.. Ο αριθμός επιτυχιών σε μία σειρά n πειραμάτων Bernoulli μπορεί να είναι : 0, 1, n. Μία τ.μ. Υ έχει μία διωνυμική κατανομή παραμέτρου (n,p) (n>0 και 0 < p < 1), και συμβολίζεται : Υ ~ Β(n,p). H κατανομή της δίνεται από : p(k) = Pr(Y = k) = C n k p k (1-p) n-k, (k = 0, 1,, n) Αν Υ ~ b(n,p), τότε μπορεί να αναπαρασταθεί με το άθροισμα n τ.μ. του Bernoulli παραμέτρου p και ανεξάρτητες : Y = X 1 + X 2 + +X n 0,25 0,2 0,15 0,1 0, Διωνυμική κατανομή Η μέση τιμή δίνεται : και η διασπορά ΕY = np Var(Y) = σ 2 = np(1 p).

19 Μερικές κλασσικές διακριτές κατανομές Γεωμετρική κατανομή 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0, Γεωμετρική κατανομή Η γεωμετρική κατανομή έχει άμεση σχέση με μία άπειρη σειρά ανεξάρτητων πειραμάτων Bernoulli. Η πραγματοποίηση μίας γεωμετρικής τ.μ., δείχνει την πρώτη στιγμή πραγματοποίησης μίας επιτυχίας. Η τ.μ. Υ ακολουθεί μία γεωμετρική κατανομή παραμέτρου p (0 < p < 1), και συμβολίζεται : Υ ~ G(p), όταν η κατανομή της δίνεται από p(k) = Pr(Y = k) = p (1-p) k-1, (k > 0) Εάν υποτεθεί μία άπειρη σειρά τ.μ. Bernoulli : X 1, X 2, ~ B(p), τότε η γεωμετρική τ.μ. Υ μπορεί να αναπαρασταθεί ως ακολούθως : {Y = n} = {X 1 = 0,, X n-1 =0, X n = 1} Η μέση τιμή δίνεται : ΕY = 1 / p και η διασπορά : Var(Y) = σ 2 = (1 p) / p 2.

20 Μερικές κλασσικές διακριτές κατανομές Κατανομή Poisson 0,25 0,2 0,15 0,1 Kατανομή POISSON 0, Μία τ.μ. Χ ακολουθεί μία κατανομή Poisson παραμέτρου λ IR* +, και συμβολίζεται : Χ ~ P(λ), όταν η κατανομή της δίνεται από : p(k) = Pr(Χ = k) = e -λ λ k / k! (k IN) Η μέση τιμή δίνεται: ΕΧ = λ και η διασπορά : Var(Χ) = σ 2 = λ.

21 Συνεχής τυχαία μεταβλητή Ορισμός : (Τυχαία μεταβλητή απόλυτα συνεχής) Μία πραγματική τ.μ. Χ είναι απόλυτα συνεχής εάν υπάρχει μία συνάρτηση f X : IR IR +, έτσι ώστε η κατανομή να δίνεται ως ακολούθως : P X (Β) = Β f X (x) dx για οποιοδήποτε διάστημα Β του IR. Η συνάρτηση f X λέγεται πυκνότητα πιθανότητας του P X ή της τ.μ. Χ. Έχει τις ακόλουθες ιδιότητες : 1. x IR, f X (x) IR f X (x) dx = 1. Παρατηρήσεις : 1. Μία ερμηνεία της πυκνότητας πιθανότητας είναι η ακόλουθη : Pr(x < X x +Δx) = f X (x) Δx + ο(δx) ή f X (x) = lim Δx0 Pr(x < X x +Δx) / Δx 2. Εκτός από τις διακριτές τ.μ., υπάρχουν και άλλες τ.μ. που δεν είναι απόλυτα συνεχείς.

22 Συνεχής τυχαία μεταβλητή Ορισμός : (Αθροιστική συνάρτηση κατανομής) Η αθροιστική συνάρτηση κατανομής ορίζεται για οποιοδήποτε xir, ως ακολούθως : F X (Β) = P X ( ] -, x] ) = Pr( X x ) Συνεπώς, για οποιοδήποτε διάστημα [a, b] του IR, έχουμε : Pr( x ]a, b] ) = F X (b) - F X (a) Έχει τις ακόλουθες ιδιότητες : 1. Η F X είναι αύξουσα στο IR. 2. F X (-) = lim x- F X (x) = 0, και F X () = lim x F X (x) = F X (. ) είναι συνεχής δεξιά. Παρατηρήσεις : 1. Εάν η τ.μ. Χ είναι απόλυτα συνεχής, τότε F X (x) = ] -, x] f X (u) du 2. Εάν x είναι ένα σημείο συνέχειας της f X, τότε έχουμε : f X (x) = d/dx [F X (x)]

23 Συνεχής τυχαία μεταβλητή Παράδειγμα : (η ομοιόμορφη κατανομή στο διάστημα [0, 1]) 1 f 1 F Η πυκνότητα αυτής της κατανομής είναι : f(x) = 1 [0, 1] (x). Και η αθροιστική συνάρτηση κατανομής μετά από υπολογισμό δίνει : 0 εάν x < 0 F X (x) = x εάν 0 x 1 1 εάν x > 1

24 Συνεχής τυχαία μεταβλητή Ορισμός : (Μέση τιμή μίας πραγματικής τ.μ. με πυκνότητα) Η μέση τιμή μίας πραγματικής τ.μ. με πυκνότητα ορίζεται : και στην περίπτωση μίας διακριτής τ.μ. έχουμε : όπου p(x) είναι η κατανομή της Χ. EX = IR x f(x) dx EX = x x p(x) Ορισμοί : (Διασπορά και ροπές μίας πραγματικής τ.μ. με πυκνότητα) Η διασπορά μίας πραγματικής τ.μ. με πυκνότητα ορίζεται όπως και στη διακριτή περίπτωση : Var(X) = E[(X - EX) 2 ] = IR (x - ΕΧ) 2 f(x) dx και η ροπή βαθμού k : μ k = E[X k ] = IR x k f(x) dx Μία πιο πρακτική σχέση : Var(X) = E[X 2 ] (EX) 2 Μερικές ιδιότητες της διασποράς : 1. Var(aX + b) = a 2 Var(X), (a,b IR) 2. Αν Χ και Υ είναι ανεξάρτητες τότε Var(X+Y) = Var(X) + Var(Y)

25 Μερικές κλασσικές συνεχείς κατανομές Ομοιόμορφη κατανομή 1,2 1 0,8 0,6 0,4 0,2 0 a=1 b=2 Μία τ.μ. ακολουθεί μία ομοιόμορφη κατανομή σε ένα διάστημα [a, b], που συμβολίζεται Χ U[a, b], εάν η πυκνότητα πιθανότητας δίνεται με : f(x) = 1 / (b-a) εάν x [a, b] και 0 αλλιώς, Και η αθροιστική συνάρτηση πιθανότητας δίνεται με : F(x) = (x-a) / (b-a) εάν x [a, b], 0 εάν x a, 1 εάν x b. EX = (a+b)/2 Var(X) = (b-a) 2 / 12

26 Μερικές κλασσικές συνεχείς κατανομές Γενική κανονική κατανομή Έστω Ζ Ν(0, 1), (μ,σ) IR x IR +, και Χ = σζ + μ. Τότε EΧ = μ και Var(Χ) = σ 2. Αποδεικνύουμε ότι η τ.μ. Χ ακολουθεί μία γενική κανονική κατανομή, που συμβολίζεται : Χ Ν(μ, σ 2 ) Η πυκνότητα πιθανότητας δίνεται με : Και η αθροιστική συνάρτηση κατανομής : f( x ) 1 e 2πσ xμ 2 2σ 2 F( x) 1 2πσ z e uμ 2 2σ 2 du

27 Μερικές κλασσικές συνεχείς κατανομές Εκθετική κατανομή 0,07 0,06 0,05 0,04 0,03 0,02 0, Η τ.μ. Χ ακολουθεί μία εκθετική κατανομή παραμέτρου λ IR + *, που συμβολίζεται Χ Ε(λ), εάν η πυκνότητα πιθανότητας δίνεται : Και η αθροιστική συνάρτηση πιθανότητας δίνεται : f(x) = λ exp(-λx) 1 IR + (x) F(x) = 1 - exp(-λx). EX = 1/λ Var(X) = 1/λ 2

28 Μερικές κλασσικές συνεχείς κατανομές Κατανομή γάμμα Η τ.μ. Χ ακολουθεί μία κατανομή γάμμα παραμέτρων (α,β) IR + *x IR + *, που συμβολίζεται Χ γ(α,β), εάν η πυκνότητα πιθανότητας δίνεται : x 1 1 f( x ) x e 1 IR ( ) ( x ) 0,03 0,02 0,01 Όπου Γ(.) είναι η συνάρτηση γάμμα, που δίνεται με : Εάν α ΙΝ*, Γ(α) = (α-1)! a a 1 ( ) t e Εάν α ΙΝ*, τότε γ(α,β) είναι μία κατανομή Erlang. Για α=1, έχουμε Χ Ε(1/λ) Εάν Χ γ(α 1,β) και Υ γ(α 2,β) τότε Χ+Υ γ(α 1 +α 2,β) dt EX = αβ Var(X) = αβ 2 0 t ac

29 Μερικές κλασσικές συνεχείς κατανομές Κατανομή χι τετράγωνο (χ 2 (n)) : 0,04 Η τ.μ. Χ ακολουθεί μία κατανομή χι τετράγωνο με n βαθμούς ελευθερίας (n IN*) που συμβολίζεται Χ χ 2 (n), εάν Χ γ(n/2,2). Μία τ.μ. Χ χ 2 (n) είναι το άθροισμα των τετράγωνων n τυπικών κανονικών και ανεξάρτητων τ.μ., δηλαδή εάν Χ χ 2 (n), έχουμε : Χ = Ζ Ζ n 2 και Ζ i N(0,1). 0,03 0,02 0, EX = n Var(X) = 2n

30 Μερικές κλασσικές συνεχείς κατανομές Λογάριθμοκανονική κατανομή Η τ.μ. Χ ακολουθεί μία λογάριθμοκανονική κατανομή παραμέτρου (μ, σ 2 ) IR + x IR +, εάν Χ = e Y και Υ Ν(μ, σ 2 ) και η πυκνότητα πιθανότητας δίνεται με : 1 2 f( x ) e 2σ 1 2πσx log xμ 2 IR ( x ) 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0, EX = e μ+σ 2/2 Var(X) = e 2(μ+σ 2) e 2μ+σ 2

31 Μερικές κλασσικές συνεχείς κατανομές Κατανομή Weibull 0,07 Η τ.μ. Χ ακολουθεί μία κατανομή Weibull παραμέτρου (β,η) IR + *xir + *, που συμβολίζεται Χ W(β,η), εάν η πυκνότητα πιθανότητας δίνεται με : 0,06 0,05 0,04 0,03 f ( x) 1 x β x e 1 η η IR ( x) 0,02 0, και η αθροιστική συνάρτηση πιθανότητας στο IR +, είναι : F(x) = 1 exp[-(x/η) β ]. EX = η Γ(1+1/β) Var(X) = η 2 [Γ(1+2/β) (Γ(1+2/β)) 2 ]

32 Συνδιακύμανση 2 τυχαίων μεταβλητών Έστω Χ και Υ δύο τυχαίες μεταβλητές. Ορίζουμε σαν συνδιακύμανση και συμβολίζουμε με Cov(X,Y) την ποσότητα: Cov(X,Y) = E[(X - E[X]) (Y E[Y]) = = E[XY - XE[Y] YE[X] + E[X] E[Y]]= = E[XY] E[X]E[Y] Αν Χ, Υ ανεξάρτητες τότε Cov(X,Y) = 0 Ιδιότητες : 1. Cov(X,Χ) = Var(X) 2. Cov(X,Y) = Cov(Y,X) 3. Cov(αX,Y) = α Cov(X,Y) 4. Cov(X,Y+Ζ) = Cov(X,Y) + Cov(X,Ζ) Καθορίζει κατά πόσο δύο μεταβλητές μεταβάλλονται μαζί δηλαδή, κατά πόσο μεγάλες τιμές της μιας σχετίζονται με μεγάλες τιμές της άλλης (θετική συνδιακύμανση), κατά πόσο μικρές τιμές της μιας σχετίζονται με μεγάλες τιμές της άλλης (αρνητική συνδιακύμανση) ή κατά πόσο οι τιμές και των δύο είναι άσχετες μεταξύ τους (σχεδόν μηδενική συνδιακύμανση) n m n m 5. Αν Χ 1, Χ 2,, Χ n είναι τ.μ. τότε Cov X i, Y j CovX i, Y j i1 j1 i1 j1 Ορίζουμε σαν συντελεστή συσχέτισης 2 τ..μ CovX i,y j X,Y Χ, Υ, την ποσότητα VarX Var Y Αν ρ(χ,υ) = 0 λέμε ότι οι Χ και Υ είναι ασυσχέτιστες χωρίς όμως αυτό να σημαίνει ότι είναι ανεξάρτητες

33 Ασυμπτωτικά αποτελέσματα Η σύγκλιση μιας ακολουθίας πραγματικών αριθμών γενικεύεται με αρκετούς τρόπου; Στην περίπτωση της σύγκλισης μιας ακολουθίας τυχαίων μεταβλητών 1. Σύγκλιση με πιθανότητα 1 ή σχεδόν βέβαια Έστω X n n μια ακολουθία τυχαίων μεταβλητών λέμε ότι η ακολουθία αυτή 0 συγκλίνει σχεδόν βέβαια( ) εάν X n Pr σ.β. lim X X 1 n n 2. Σύγκλιση κατά πιθανότητα Έστω X μια ακολουθία τυχαίων μεταβλητών λέμε ότι η ακολουθία αυτή n n 0 συγκλίνει κατά πιθανότητα ( ) εάν για κάθε ε > 0 limpr n X n P X X 1 n 3. Σύγκλιση κατά τετραγωνικό μέσο Έστω X n n 0 μια ακολουθία τυχαίων μεταβλητών λέμε ότι η ακολουθία αυτή συγκλίνει κατά τετραγωνικό μέσο ( ) εάν lim E n X n ms X - X 2 0 n

34 Ασυμπτωτικά αποτελέσματα 4. Σύγκλιση κατά κατανομή Έστω X n n 0μια ακολουθία τυχαίων μεταβλητών και F n (x) = Pr{X n n}, n =0, 1, 2, η αντίστοιχη ακολουθία συναρτήσεων κατανομών και τέλος έστω Χ μια τ.μ. με F(x) = Pr{X n}. Λέμε ότι η ακολουθία Χ n συγκλίνει κατά κατανομή στην Χ ( ) εάν Παρατήρηση lim F n n (x) F(x) X f n X n σ.β. X n P X n f

35 Ασυμπτωτικά αποτελέσματα ΒΑΣΙΚΕΣ ΑΝΙΣΟΤΗΤΕΣ: Ανισότητα Markov Εάν Χ είναι μια τ.μ. η οποία έχει μη αρνητικές τιμές τότε για οποιαδήποτε α > 0 Ανισότητα Chebychev Εάν Χ είναι μια τ.μ. με μέση τιμή μ και διακύμανση σ 2 τότε E X Pr X σ X μ 2 Ερμηνεία: Pr Για Ανισότητα ε = kσ και Schwarz εφαρμόζοντας την ανισότητα Chebychev Εάν Χ και Υ δύο τυχαίες Pr( X μεταβλητές μ ) > με kσ πεπερασμένες < 1/k 2 δεύτερες ροπές, τότε Η πιθανότητα του Χ να κυμαίνεται 2σ γύρω από την μέση τιμή μ είναι μικρότερη από 1/2 2 E(XY) E X E Y Η πιθανότητα του Χ να κυμαίνεται 3σ γύρω από την μέση τιμή μ είναι μικρότερη από 1/3 2 2

36 Ασυμπτωτικά αποτελέσματα Ασθενής Νόμος των Μεγάλων Αριθμών Έστω Χ 1, Χ 2,, Χ n ανεξάρτητες και ισόνομες τ.μ. και έστω 1 2 n Xn n Τότε για κάθε ε >0 υπάρχει ένας αριθμός μ τέτοιος ώστε μια ακολουθία τυχαίων lim n Pr Xn μ 0 όπου μ η μέση τιμή των Χ 1, Χ 2,, Χ n Ισχυρός Νόμος των Μεγάλων Αριθμών Έστω Χ 1, Χ 2,, Χ n ανεξάρτητες και ισόνομες με μ μέση τιμή. Τότε lim n Pr X n μ 01 Κεντρικό Οριακό Θεώρημα Έστω Χ 1, Χ 2,, Χ n ανεξάρτητες και ισόνομες με μ μέση τιμή και διακύμανση σ 2. Τότε η κατανομή του X n n συγκλίνει στην τυπική κανονική καθώς n n

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 017-018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegean.gr Τηλ: 71035468 ΒΙΒΛΙΟΓΡΑΦΙΑ

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ Ακαδ. Έτος 2010-2011 ιδάσκων: Βασίλης ΚΟΥΤΡΑΣ ιδάσκων ε ί Συµβάσει Π. 407/80 v.koutras@fme.aegean.gr

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegean.gr Τηλ: 7035468 ΒΙΒΛΙΟΓΡΑΦΙΑ.

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα

Διαβάστε περισσότερα

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

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B) Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

3. Κατανομές πιθανότητας

3. Κατανομές πιθανότητας 3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.

Διαβάστε περισσότερα

Πανεπιστήμιο Πελοποννήσου

Πανεπιστήμιο Πελοποννήσου Πανεπιστήμιο Πελοποννήσου Τυχαίες μεταβλητές Κατανομές Τυχαία Μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) ονομάζεται η συνάρτηση που απεικονίζει το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος στο σύνολο

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ Τµ. Επιστήµης των Υλικών ειγµατοληψία Με ιάταξη ειγµατοληψία Χωρίς ιάταξη Χωρίς Επανατοποθέτηση (n)k Με Επανατοποθέτηση n k Χωρίς Επανατοποθέτηση ( n k) Με Επανατοποθέτηση ( n+k 1 ) k ειγµατοληψία Με ιάταξη

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως

Διαβάστε περισσότερα

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

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

Διαβάστε περισσότερα

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 30 Περιεχόμενα

Διαβάστε περισσότερα

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων 6 Απριλίου 2009 1 Συνδυαστική Η ϐασική αρχή µέτρησης µας λέει ότι αν σε ένα πείραµα που γίνεται σε δύο ϕάσεις και στο οποίο υπάρχουν n δυνατά αποτελέσµατα

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156

Βιομαθηματικά BIO-156 Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 013 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 8 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gasil

Διαβάστε περισσότερα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Ορισμός τυχαίας μεταβλητής Τυχαία μεταβλητή λέγεται η συνάρτηση

Διαβάστε περισσότερα

Στοχαστικές Στρατηγικές

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

Διαβάστε περισσότερα

Λύσεις 4ης Ομάδας Ασκήσεων

Λύσεις 4ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. Ζυγοβίστι Λύσεις 4ης Ομάδας Ασκήσεων Τμήμα Α Λ αʹ Το συνολικό πλήθος των τερμάτων που θα σημειωθούν είναι X + Y, και η μέση

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ Ακαδ. Έτος 2011-2012 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Διδάσκων επί Συμβάσει Π.Δ 407/80 v.koutras@fme.aegean.gr

Διαβάστε περισσότερα

x P (x) c P (x) = c P (x), x S : x c

x P (x) c P (x) = c P (x), x S : x c Κεφάλαιο 9 Ανισότητες, από κοινού κατανομή, Νόμος των Μεγάλων Αριθμών 9.1 Ανισότητες Markov και Chebychev Ξεκινάμε αυτό το κεφάλαιο με δύο σημαντικά αποτελέσματα τα οποία, πέραν της μεγάλης χρησιμότητάς

Διαβάστε περισσότερα

Στατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή

Στατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή Γεώργιος Ζιούτας Άδειες

Διαβάστε περισσότερα

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5 5ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Στοιχεία Θεωρίας Συνόλων Θεωρούµε Ω το σύνολο αναφοράς. σ-άλγεβρα Εστω A είναι µια κλάση υποσυνόλων του Ω. τ.ω. A είναι µη κενή. 2 A A A c A. 3 A, A 2,... A A A 2...

Διαβάστε περισσότερα

ιωνυµική Κατανοµή(Binomial)

ιωνυµική Κατανοµή(Binomial) ιωνυµική Κατανοµή(Binomial) ~B(n,p) n N και 0

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ 20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ Στα πλαίσια του προπτυχιακού μαθήματος Χρονικές σειρές Τμήμα μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα 1 Μονοδιάστατες τυχαίες μεταβλητές Τυχαία μεταβλητή είναι

Διαβάστε περισσότερα

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 15/1/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 10 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος:

Διαβάστε περισσότερα

Κεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής

Κεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής Κεφάλαιο 1. Εισαγωγή: Βασικά και Εκτιμητικής Ορισμός 1.1. Όλα τα δυνατά αποτελέσματα ενός πειράματος αποτελούν το δειγματοχώρο (sample space) που συμβολίζεται με. Κάθε δυνατό αποτέλεσμα του πειράματος,

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

Βιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017 Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 17 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο

Διαβάστε περισσότερα

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ ΦΡΟΝΤΙΣΤΗΡΙΑ 6-7: ΔΙΑΚΡΙΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΕΠΙΜΕΛΕΙΑ: ΓΙΑΝΝΟΠΟΥΛΟΣ ΜΙΧΑΛΗΣ Τυχαία Μεταβλητή (Τ.Μ.): Συνάρτηση πραγματικών τιμών

Διαβάστε περισσότερα

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Κατανομές Πιθανότητας Ως τυχαία μεταβλητή ορίζεται το σύνολο των τιμών ενός χαρακτηριστικού

Διαβάστε περισσότερα

Τυχαία Διανύσματα και Ανεξαρτησία

Τυχαία Διανύσματα και Ανεξαρτησία Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα

Διαβάστε περισσότερα

Συνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις.

Συνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις. Συνεχείς Κατανομές Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Συνεχείς Κατανομές τεχνικές 0 ασκήσεις Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α 6 9 7. 0 0. 8 8. 8 8 Kglos.gr / 0 / 0 6 εκδόσεις Καλό πήξιμο τηλ. Οικίας

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Ανασκόπηση βασικών εννοιών Στατιστικής και Πιθανοτήτων Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

Διαβάστε περισσότερα

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. Μέση Τιµή Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: E( ) µ xf ( x) E( ) µ xf ( x) dx Παραδείγµατα: = = x = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Διαβάστε περισσότερα

0. Σύντοµη επισκόπηση θεωρίας πιθανοτήτων

0. Σύντοµη επισκόπηση θεωρίας πιθανοτήτων . Σύντοµη επισκόπηση θεωρίας πιθανοτήτων Α. Τυχαίες µεταβητές Τυχαία µεταβητή καείται µια µεταβητή η τιµή της οποίας καθορίζεται από το αποτέεσµα κάποιου στοχαστικού πειράµατος. Αν Ω ο δειγµατικός χώρος

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων. Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 2017-. Λύσεις του όγδοου φυλλαδίου ασκήσεων. 1. Έστω F X, F Y οι συναρτήσεις κατανομής των τ.μ. X, Y και F X,Y η από κοινού συνάρτηση κατανομής τους. Αποδείξτε ότι (i)

Διαβάστε περισσότερα

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ] Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα

Διαβάστε περισσότερα

Θεωρητικές Κατανομές Πιθανότητας

Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Α. ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ α) Διακριτή Ομοιόμορφη κατανομή β) Διωνυμική κατανομή γ) Υπεργεωμετρική κατανομή δ) κατανομή Poisson Β. ΣΥΝΕΧΕΙΣ

Διαβάστε περισσότερα

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2015 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

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

Διαβάστε περισσότερα

X i = Y = X 1 + X X N.

X i = Y = X 1 + X X N. Κεφάλαιο 6 Διακριτές τυχαίες μεταβλητές Σε σύνθετα προβλήματα των πιθανοτήτων, όπως π.χ. σε προβλήματα ανάλυσης πολύπλοκων δικτύων ή στη στατιστική ανάλυση μεγάλων δεδομένων, η λεπτομερής, στοιχείο-προς-στοιχείο

Διαβάστε περισσότερα

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων . Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων Tα διάφορα επιστημονικά μοντέλα ή πειράματα ή γενικότερα τα φυσικά φαινόμενα μπορεί να θεωρηθεί ότι εντάσσονται σε δύο μεγάλες κατηγορίες: τα προσδιοριστικά

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Είδη τυχαίων διανυσµάτων 1. ιακριτού τύπου X = (X 1, X 2,...,X k ) ονοµάζεται διακριτό τυχαίο διάνυσµα αν το πεδίο τιµών του είναι της µορφής, S = {x 1 x 2 n,,...,x,...}.

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q Πιθανότητες και Αρχές Στατιστικής (7η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα

Διαβάστε περισσότερα

Σημειώσεις Στατιστική & Πιθανότητες

Σημειώσεις Στατιστική & Πιθανότητες Σημειώσεις Στατιστική & Πιθανότητες https://github.com/kongr45gpen/ece-notes 26, Εαρινό εξάμηνο Περιεχόμενα I Πιθανότητες 2 2. Πείραμα τύχης.......................................... 2.. Πράξεις..........................................

Διαβάστε περισσότερα

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ - - ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ3 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 009-0 ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ - - ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΥΝΟΨΗΣ

Διαβάστε περισσότερα

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα

Διαβάστε περισσότερα

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1 ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Συνάρτηση Κατανομής: Έστω Χ=(Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ.

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα

Διαβάστε περισσότερα

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος

Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Θεωρία Συνόλων Σύνολο: Το σύνολο εκφράζει μία συλλογή διακριτών μονάδων οποιασδήποτε φύσης.

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 7: Θεωρία Πιθανοτήτων (Πείραμα Τύχης) Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής

Διαβάστε περισσότερα

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3. ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη

Διαβάστε περισσότερα

Τυχαίες μεταβλητές και μέση τιμή

Τυχαίες μεταβλητές και μέση τιμή Κεφάλαιο 12 Τυχαίες μεταβλητές και μέση τιμή Κύριες βιβλιογραφικές αναφορές για αυτό το Κεφάλαιο είναι οι Ross 1976, Grinstead and Snell 2012 και Hoel, Port, and Stone 1971. 12.1 Τυχαίες μεταβλητές και

Διαβάστε περισσότερα

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά Εισαγωγή Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά μοντέλα, είτε σε στοχαστικά ή αλλοιώς πιθανοτικά μοντέλα. προσδιοριστικά μοντέλα : επιτρέπουν προσδιορισμό

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 1 ου κεφαλαίου Βιβλίο: Κολυβά Μαχαίρα, Φ. & Χατζόπουλος Στ. Α. (2016). Μαθηματική Στατιστική, Έλεγχοι Υποθέσεων. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών

Διαβάστε περισσότερα

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q 7ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 7ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ M. Kούτρας Πειραιάς, 2014 1 Από κοινού συνάρτηση πιθανότητας μιας δισδιάστατης διακριτής τυχαίας μεταβλητής Με λόγια, η f ( x, y) δίνει την πιθανότητα να εμφανισθεί

Διαβάστε περισσότερα

Συστήματα Αναμονής. Ενότητα 2: Τυχαίες Μεταβλητές. Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ

Συστήματα Αναμονής. Ενότητα 2: Τυχαίες Μεταβλητές. Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ Συστήματα Αναμονής Ενότητα 2: Τυχαίες Μεταβλητές Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας

Διαβάστε περισσότερα

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : , Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση

Διαβάστε περισσότερα

X = = 81 9 = 9

X = = 81 9 = 9 Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη

Διαβάστε περισσότερα

Μάθημα 3 ο a. Τυχαία Μεταβλητή-Έννοιες και Ορισμοί

Μάθημα 3 ο a. Τυχαία Μεταβλητή-Έννοιες και Ορισμοί Μάθημα 3 ο a Τυχαία Μεταβλητή-Έννοιες και Ορισμοί Στο μάθημα αυτό θα ορίσουμε την έννοια της τυχαίας μεταβλητής και θα αναφερθούμε σε σχετικές βασικές έννοιες και συμβολισμούς. Ross, σσ 135-151 Μπερτσεκάς-Τσιτσικλής,

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας

Διαβάστε περισσότερα

ΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

ΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ ΚΕΦΑΛΑΙΟ 8 ΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ Στις ενότητες που ακολουθούν εξετάζουμε συνεχείς κατανομές με ευρεία χρήση στις εφαρμογές. Σε αυτές περιλαμβάνονται η ομοιόμορφη, η εκθετική, η Γάμμα και η

Διαβάστε περισσότερα

P(200 X 232) = =

P(200 X 232) = = ΕΝΔΕΙΚΤΙΚΑ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΕΣ. Το μέγεθος ενός αναλογικού σήματος, που λαμβάνεται από έναν ανιχνευτή και μετράται σε microvolts, είναι τυχαία μεταβλητή που ακολουθεί την Κανονική κατανομή Ν(00, 6) σε συγκεκριμένη

Διαβάστε περισσότερα

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ Περιεχόμενα Προειδοποίηση 2 2 Συνδυαστική 3 3 Αξιωματική Πιθανότητα 5 4 Δεσμευμένη Πιθανότητα 7 5 Τυχαίες

Διαβάστε περισσότερα

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς Πρόλογος Ο μηχανικός πρέπει να συνεχίσει να βελτιώνει την ποιότητα της δουλειάς του εάν επιθυμεί να είναι ανταγωνιστικός στην αγορά της χώρας του και γενικότερα της Ευρώπης. Μία σημαντική αναλογία σε αυτήν

Διαβάστε περισσότερα

pdf: X U(a, b) 0, x < a 1 b a, a x b 0, x > b

pdf: X U(a, b) 0, x < a 1 b a, a x b 0, x > b Πιθανότητες και Αρχές Στατιστικής (8η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 41 Περιεχόμενα

Διαβάστε περισσότερα

Σημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες

Σημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες Γιάννης Γαροϕαλάκης, Καθηγητής Αθανάσιος Ν.Νικολακόπουλος, Υποψ.Διδάκτωρ Σημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες Συνοπτική Παρουσίαση Χρήσιμων Εννοιών 18 Οκτωβρίου 2011 Τμήμα Μηχανικών Η/Υ

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 9 Νοεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Μία τυχαία µεταβλητή X καλείται διακριτή ή απαριθµητή αν παίρνει

Διαβάστε περισσότερα

Τυχαίες Μεταβλητές. Ορισμός

Τυχαίες Μεταβλητές. Ορισμός Τυχαίες Μεταβλητές Ορισμός Μία τυχαία μεταβλητή (τ.μ.) είναι μία συνάρτηση (ή μία μεταβλητή) η οποία καθορίζει αριθμητικές τιμές σε μία ποσότητα που σχετίζεται με το αποτέλεσμα ενός πειράματος, όπου μία

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική 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 περισσότερα

Μέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 )

Μέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 ) Μέρος IV Πολυδιάστατες τυχαίες μεταβλητές Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Παν. Ιωαννίνων Δ5 ( ) Πολυδιάστατες μεταβλητές Πολλά ποσοτικά χαρακτηριστικά που σχετίζονται με

Διαβάστε περισσότερα

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2 ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5.4: Στατιστικοί Μέσοι Όροι 5.5 Στοχαστικές Ανελίξεις (Stochastic Processes)

Διαβάστε περισσότερα

Κατανομές Πιθανοτήτων. Γεωργία Φουτσιτζή, Καθηγήτρια, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων Ακαδ.

Κατανομές Πιθανοτήτων. Γεωργία Φουτσιτζή, Καθηγήτρια, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων Ακαδ. Κατανομές Πιθανοτήτων Γεωργία Φουτσιτζή, Καθηγήτρια, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων Ακαδ. Έτος 2018-2019 1 Περιεχόμενα Ενότητας Βασικές έννοιες από τη θεωρία Πιθανοτήτων

Διαβάστε περισσότερα

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

17/10/2016. Στατιστική Ι. 3 η Διάλεξη Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε

Διαβάστε περισσότερα

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ Τµ. Επιστήµης των Υλικών Συνάρτηση Κατανοµής Ορισµός F(x) = P(X x) = f(t) x t x f(t)dt, X διακριτή τ.µ., X συνεχής τ.µ. Ιδιότητες 0 F(x). 2 F είναι αύξουσα συνάρτηση. 3 F είναι συνεχής εκ δεξιών. 4 lim

Διαβάστε περισσότερα

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 23 εκεµβρίου 29 5.1. Στο τυχαίο πείραµα της ϱίψης δύο διακεκριµένων κύβων έστω X η ένδειξη του πρώτου κύβου και Y η µεγαλύτερη από τις δύο ενδείξεις. Να προσδιορισθούν

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς Ι Πειραιάς 2008 Πιθανότητες Ι-Μ. Κούτρας 2 Κατανομές χρόνου αναμονής (... μέχρι να συμβεί ηπρώτη επιτυχία) 3 Ας θεωρήσουμε μία ακολουθία

Διαβάστε περισσότερα

Είδη Μεταβλητών. κλίµακα µέτρησης

Είδη Μεταβλητών. κλίµακα µέτρησης ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό

Διαβάστε περισσότερα

Τυχαία Μεταβλητή (Random variable-variable aléatoire)

Τυχαία Μεταβλητή (Random variable-variable aléatoire) Τυχαία Μεταβλητή (Random varable-varable aléatore) Σε πολλούς τύπους πειραμάτων τα αποτελέσματα είναι από τη φύση τους πραγματικοί αριθμοί. Παραδείγματα τέτοιων πειραμάτων αποτελούν οι μετρήσεις των υψών

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 5 η : Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.

Διαβάστε περισσότερα

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a) Κεφάλαιο 11 Συνεχείς κατανομές και ο Ν.Μ.Α. Στο προηγούμενο κεφάλαιο ορίσαμε την έννοια της συνεχούς τυχαίας μεταβλητής, και είδαμε τις βασικές της ιδιότητες. Εδώ θα περιγράψουμε κάποιους ιδιαίτερους τύπους

Διαβάστε περισσότερα

Στατιστική. 4 ο Μάθημα: Θεωρητικές και Εμπειρικές - Δειγματοληπτικές Κατανομές. Γεώργιος Μενεξές Τμήμα Γεωπονίας

Στατιστική. 4 ο Μάθημα: Θεωρητικές και Εμπειρικές - Δειγματοληπτικές Κατανομές. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 4 ο Μάθημα: Θεωρητικές και Εμπειρικές - Δειγματοληπτικές Κατανομές Γεώργιος Μενεξές Τμήμα Γεωπονίας Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 28 ιδάσκων: Π. Τσακαλίδης Λύσεις Εβδοµης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης: 3/2/28 Ηµεροµηνία Παράδοσης: 7/2/28

Διαβάστε περισσότερα

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

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2) Κεφάλαιο 10 Συνεχείς τυχαίες μεταβλητές Σε αυτό το κεφάλαιο θα εξετάσουμε τις ιδιότητες που έχουν οι συνεχείς τυχαίες μεταβλητές. Εκείνες οι Τ.Μ. X, δηλαδή, των οποίων το σύνολο τιμών δεν είναι διακριτό,

Διαβάστε περισσότερα

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.

Περιεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας. Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς

Διαβάστε περισσότερα

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Στατιστική Συμπερασματολογία Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων εκτιμήτρια συνάρτηση, ˆ θ σημειακή εκτίμηση εκτίμηση με διάστημα εμπιστοσύνης

Διαβάστε περισσότερα

Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

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

Διαβάστε περισσότερα

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές) 07/11/2016 Στατιστική Ι 6 η Διάλεξη (Βασικές διακριτές κατανομές) 1 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι) HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά

Διαβάστε περισσότερα

Y = X 1 + X X N = X i. i=1

Y = X 1 + X X N = X i. i=1 Κεφάλαιο 7 Διακριτές κατανομές Στο προηγούμενο κεφάλαιο είδαμε πως η έννοια της τυχαίας μεταβλητής Τ.Μ., δηλαδή μιας τυχαίας ποσότητας X που προσδιορίζεται από το σύνολο τιμών της S και την πυκνότητά της

Διαβάστε περισσότερα

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας

Διαβάστε περισσότερα