Μέρος ΙΙ. Τυχαίες Μεταβλητές
|
|
- Θεοδώρα Καλλιγάς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές Ειδικές κατανομές συνεχών τυχαίων μεταβλητών Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 1 ) 1
2 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 (και μόνο) μία αριθμητική τιμή δίδεται σε κάθε αποτέλεσμα. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 2 ) 2
3 Τυχαία μεταβλητή Μία αριθμητική τιμή σε κάθε αποτέλεσμα ενός συγκεκριμένου πειράματος S Ω R Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 3 )
4 Ω αποτελέσματα Ω Χ μετρούμενος χώρος Οι τυχαίες μεταβλητές περιγράφουν μετρούμενες ποσότητες ενός τυχαίου πειράματος. Τυχαία μεταβλητή (τ.μ.) Χ : μία συνάρτηση Ω -> R P(X=) = P(ζ Ω : X(ζ)=) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 4 )
5 Συμβολισμός Συμβολίζουμε με κεφαλαία μια τυχαίας μεταβλητής π.χ. τ.μ. X ή τ.μ. Y ή τ.μ. Z Συμβολίζουμε με μικρά τις τιμές μιας μεταβλητής π.χ. έστω τ.μ. Χ με τιμές 1, 2, 3, P X PX, PX, 1 2 y, PZ z,... P Y Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 5 )
6 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 6 )
7 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 7 )
8 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 8 )
9 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 9 )
10 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 10 )
11 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 11 )
12 Παράδειγμα Τυχαίο πείραμα: ρίψη νομίσματος 3 φορές. Δειγματικός χώρος Ω={KKK,KΚΓ,ΚΓΚ,ΓΚΚ,ΚΓΓ,ΓΚΓ,ΓΓΚ,ΓΓΓ} Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα». Σύνολο τιμών της μεταβλητής Ω X = {0,1,2,3} Υπολογισμός πιθανοτήτων: P(X=) = P(ζ Ω : X(ζ)=) P(X=0)=P(ΓΓΓ)=1/8 P(X=2)=P(KKΓ,ΚΓΚ,ΓΚΚ)=3/8 P(X=1)=P(ΚΓΓ,ΓΚΓ,ΓΓΚ)=3/8 P(X=3)=P(KKK)=1/8 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 12 )
13 Παράδειγμα (συν.) Τυχαία μεταβλητή (τ.μ.) Χ: πλήθος φορές «Κορώνα» σε 3 ρίψεις Τα ενδεχόμενα που αντιστοιχούν σε διάφορες τιμές της μεταβλητής είναι ασυμβίβαστα. Η ένωση αυτών των ενδεχομένων είναι ολόκληρος ο δειγματικός χώρος Ω. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 13 )
14 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 14 )
15 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 15 )
16 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 16 )
17 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 17 )
18 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 18 )
19 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 19 )
20 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Ανάγκη: Μας ενδιαφέρει να αναπαριστούμε με ευκολία κάποια ενδεχόμενα και στη συνέχεια να υπολογίζουμε τις αντίστοιχες πιθανότητες π.χ. Έστω τ.μ. X που μετρά το πλήθος των επιτυχημένων μαθημάτων σε μία εξεταστική περίοδο. Ζητείται: «Πιθανότητα κάποιος να επιτύχει τουλάχ. δύο μαθήματα» δηλ. P(X 2) «Πιθανότητα να έχει περάσει το πολύ 5 μαθήματα» δηλ. P(Χ 5), «Πιθανότητα να έχει περάσει όχι λιγότερα από 2 μαθήματα και όχι περισσότερα από 5», δηλ. P(2 X 5). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 20 )
21 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Έστω τυχαία μεταβλητή (τ.μ.) X ορισμένη στο Ω X = { } Ορίζουμε την αθροιστική συνάρτηση κατανομής πιθανότητας (σ.κ.π.) ως: Η σ.κ.π. F() υπολογίζει την αθροιστική πιθανότητα του διαστήματος τιμών της μεταβλητής (-, ]. Χρησιμοποιείται για τον υπολογισμό της πιθανότητας οποιουδήποτε διαστήματος τιμών της μεταβλητής. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 21 )
22 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Έστω τυχαία μεταβλητή (τ.μ.) X ορισμένη στο Ω X = { } Ορίζουμε την αθροιστική συνάρτηση κατανομής πιθανότητας (σ.κ.π.) ως: F PX PX, Η σ.κ.π. F() υπολογίζει την αθροιστική πιθανότητα του διαστήματος τιμών της μεταβλητής (-, ]. Χρησιμοποιείται για τον υπολογισμό της πιθανότητας οποιουδήποτε διαστήματος τιμών της μεταβλητής. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 22 )
23 Συνάρτηση κατανομής πιθανότητας (σ.κ.π.) Cumulative density function (cdf) Έστω τυχαία μεταβλητή (τ.μ.) X ορισμένη στο Ω X = { } Ορίζουμε την αθροιστική συνάρτηση κατανομής πιθανότητας (σ.κ.π.) ως: F PX PX, Η σ.κ.π. F() υπολογίζει την αθροιστική πιθανότητα του διαστήματος τιμών της μεταβλητής (-, ]. Χρησιμοποιείται για τον υπολογισμό της πιθανότητας οποιουδήποτε διαστήματος τιμών της μεταβλητής. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 23 )
24 Ιδιότητες της αθροιστικής συνάρτησης κατανομής πιθανότητας (σ.κ.π.) F PX PX, (1). 0 F() 1, εφόσον είναι πιθανότητα Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 24 )
25 Ιδιότητες της αθροιστικής συνάρτησης κατανομής πιθανότητας (σ.κ.π.) F PX PX, (1). 0 F() 1, εφόσον είναι πιθανότητα (2). lim F 1 lim F 0 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 25 )
26 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) Απόδειξη Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 26 )
27 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) Απόδειξη F( 2 ) = P(X 2 ) = P({X 1 } { 1 <X 2 ] ) = = P({X 1 }) + P({ 1 <X 2 ] ) = = F( 1 )+P({ 1 <X 2 ] ) F( 1 ) Συμπέρασμα: η σ.κ.π. F() είναι μη φθίνουσα συνάρτηση Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 27 )
28 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) Απόδειξη F( 2 ) = P(X 2 ) = P({X 1 } { 1 <X 2 ] ) = = P({X 1 }) + P({ 1 <X 2 ] ) = = F( 1 )+P({ 1 <X 2 ] ) F( 1 ) Συμπέρασμα: η σ.κ.π. F() είναι μη φθίνουσα συνάρτηση Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 28 )
29 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) Απόδειξη F( 2 ) = P(X 2 ) = P({X 1 } { 1 <X 2 ] ) = = P({X 1 }) + P({ 1 <X 2 ] ) = = F( 1 )+P({ 1 <X 2 ] ) F( 1 ) Συμπέρασμα: η σ.κ.π. F() είναι μη φθίνουσα συνάρτηση Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 29 )
30 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) Απόδειξη F( 2 ) = P(X 2 ) = P({X 1 } { 1 <X 2 ] ) = = P({X 1 }) + P({ 1 <X 2 ] ) = = F( 1 )+P({ 1 <X 2 ] ) F( 1 ) Συμπέρασμα: η σ.κ.π. F() είναι μη φθίνουσα συνάρτηση Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 30 )
31 Μορφές της συνάρτησης κατανομής πιθανότητας (σ.κ.π.) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 31 )
32 (4). Η σ.κ.π. F() είναι συνεχής από δεξιά (ή δεξιά συνεχής) F limf h F( ) h0 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 32 )
33 (4). Η σ.κ.π. F() είναι συνεχής από δεξιά (ή δεξιά συνεχής) F limf h F( ) h0 (5). Αν a b Pa X b F( b) Fa - a b + Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 33 )
34 (4). Η σ.κ.π. F() είναι συνεχής από δεξιά (ή δεξιά συνεχής) F limf h F( ) h0 (5). Αν a b Pa X b F( b) Fa Απόδειξη - a b + {X b} = {X a} {a < X b} άρα P(X b) = P(X a)+p(a<x b) => F(b)= F(a)+P(a<X b) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 34 )
35 (4). Η σ.κ.π. F() είναι συνεχής από δεξιά (ή δεξιά συνεχής) F limf h F( ) h0 (5). Αν a b Pa X b F( b) Fa Απόδειξη - a b + {X b} = {X a} {a < X b} άρα P(X b) = P(X a)+p(a<x b) => F(b)= F(a)+P(a<X b) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 35 )
36 P (6). H πιθανότητα P(X=a) υπολογίζεται ως: X a limp a h X a F( a) F a h F a F a h δηλ. η πιθανότητα σε ένα σημείο εκφράζει το άλμα της σ.κ.π. F() στο σημείο αυτό. Έτσι, αν η F() είναι σταθερή ή συνεχής γύρω από το a, τότε P(X=a)=0 Επίσης ισχύει ότι: P(a X b) = P({X=a}{a<X b}) = = P(X=a) + P(a<X b) = = P(a - < X b) = F(b) - F(a - ) (7). Ισχύει ότι P(X>) = 1- P(X ) = 1-F() Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 36 )
37 P (6). H πιθανότητα P(X=a) υπολογίζεται ως: X a limp a h X a F( a) F a h F a F a h δηλ. η πιθανότητα σε ένα σημείο εκφράζει το άλμα της σ.κ.π. F() στο σημείο αυτό. Έτσι, αν η F() είναι σταθερή ή συνεχής γύρω από το a, τότε P(X=a)=0 Επίσης ισχύει ότι: P(a X b) = P({X=a}{a<X b}) = = P(X=a) + P(a<X b) = = P(a - < X b) = F(b) - F(a - ) (7). Ισχύει ότι P(X>) = 1- P(X ) = 1-F() Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 37 )
38 P (6). H πιθανότητα P(X=a) υπολογίζεται ως: X a limp a h X a F( a) F a h F a F a h δηλ. η πιθανότητα σε ένα σημείο εκφράζει το άλμα της σ.κ.π. F() στο σημείο αυτό. Έτσι, αν η F() είναι σταθερή ή συνεχής γύρω από το a, τότε P(X=a)=0 Επίσης ισχύει ότι: P(a X b) = P({X=a}{a<X b}) = = P(X=a) + P(a<X b) = = P(a - < X b) = F(b) - F(a - ) (7). Ισχύει ότι P(X>) = 1- P(X ) = 1-F() Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 38 )
39 P (6). H πιθανότητα P(X=a) υπολογίζεται ως: X a limp a h X a F( a) F a h F a F a h δηλ. η πιθανότητα σε ένα σημείο εκφράζει το άλμα της σ.κ.π. F() στο σημείο αυτό. Έτσι, αν η F() είναι σταθερή ή συνεχής γύρω από το a, τότε P(X=a)=0 Επίσης ισχύει ότι: P(a X b) = P(a - < X b) = F(b) - F(a - ) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 39 )
40 P (6). H πιθανότητα P(X=a) υπολογίζεται ως: X a limp a h X a F( a) F a h F a F a h δηλ. η πιθανότητα σε ένα σημείο εκφράζει το άλμα της σ.κ.π. F() στο σημείο αυτό. Έτσι, αν η F() είναι σταθερή ή συνεχής γύρω από το a, τότε P(X=a)=0 Επίσης ισχύει ότι: P(a X b) = P(a - < X b) = F(b) - F(a - ) (7). Ισχύει ότι P(X>) = 1- P(X ) = 1-F() Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 40 )
41 Ιδιότητες σ.κ.π. F PX PX, (1). 0 F() 1 (2). lim F 1 lim F 0 (3). αν 1 < 2 τότε F( 1 ) F( 2 ) (4). (5). (6). F limf h F( ) Αν P h0 X b F( b Fa a b P a ) X a F a F a (7). P(X>) = 1- P(X ) = 1-F() Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 41 )
42 Θεώρημα Καραθεοδωρή ( ) Κάθε σ.κ.π. F() είναι: α) μη-φθίνουσα β) δεξιά συνεχής γ) lim F 1 Ισχύει και το αντίστροφο: Κάθε συνάρτηση που ικανοποιεί τις 3 παραπάνω συνθήκες είναι συνάρτηση κατανομής πιθανότητας (σ.κ.π.). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 42 )
43 Διακριτές Τυχαίες Μεταβλητές Μία τυχαία μεταβλητή (τ.μ.) Χ είναι διακριτή εάν το σύνολο τιμών της είναι πεπερασμένο ή το πολύ απείρως αριθμήσιμο. Ω X = { 1, 2,, n } Η μεταβλητή έχει ποσό πιθανότητας μόνο πάνω στις τιμές PX : 0 PX : 0 P() Ισχύει ότι: 0 n i1 P X 1 i n-1 n Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 43 )
44 Διακριτές Τυχαίες Μεταβλητές Η σ.κ.π. F() = P( X ) είναι μη φθίνουσα, δεξιά συνεχής και κλιμακωτή με άλματα στις τιμές της μεταβλητής. F() 1 P(X= n )=F(X= n ) - F(X= n-1 ) P(X= 3 ) =F( 3 ) - F( 2 ) P(X= 1 )=F( 1 ) P(X= 2 )=F( 2 ) F( 1 ) n-1 n Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 44 )
45 Παράδειγμα 0 Μία ασφαλιστική εταιρεία προσφέρει 0.2 F k ασφάλειες ζωής ύψους Χ με τιμές 0.8 εκφρασμένες σε δεκάδες χιλιάδες ευρώ. 1 Η συνάρτηση κατανομής πιθανότητας του Χ είναι: α) Tι τιμές παίρνει το k? β) Να υπολογιστούν οι πιθανότητες στα σημεία {0, 1, 2, 3,5, 6, 12}, και στα διαστήματα τιμών: P(1 < X 6), P(1 X < 6), P(X 3) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 45 )
46 Η συνάρτηση πυκνότητας (ή μάζας) πιθανότητας (probability density (or mass) function pdf) Το σύνολο πιθανοτήτων των τιμών μιας διακριτής τ.μ. Χ ορίζει μία συνάρτηση: f X,,, ( ) P 2 X 1 n που ονομάζεται συνάρτηση πυκνότητας (ή μάζας) πιθανότητας (σ.π.π.) Ισχύουν: f ( ) 0 X n i1 f 1 i Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 46 )
47 Η σ.κ.π. F() είναι το άθροισμα όλων των τιμών της σ.π.π. f( i ) για τιμές μικρότερες τιμές του ( i ) : i i i i f X P X P F Σχέση συνάρτησης κατανομής (σ.κ.π.) F() και πυκνότητας πιθανότητας (σ.π.π.) f() σε διακριτούς χώρους Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 47 ) n-1 n 1 0 F()
48 Σχέση συνάρτησης κατανομής (σ.κ.π.) F() και πυκνότητας πιθανότητας (σ.π.π.) f() σε διακριτούς χώρους Η σ.κ.π. F() είναι το άθροισμα όλων των τιμών της σ.π.π. f( i ) για τιμές μικρότερες τιμές του ( i ) : F PX PX i f i Η τιμή της σ.π.π. f( i ) σε ένα σημείο i είναι το άλμα της σ.κ.π. F() στο σημείο αυτό: i i f PX F F i i i i1 Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 48 )
49 Σημαντικό Για να μελετήσουμε μία τυχαία μεταβλητή θα πρέπει 1. Να βρούμε τις τιμές που παίρνει η μεταβλητή, Ω X 2. Να βρούμε έστω μία από τις συναρτήσεις πυκνότητας f() ή κατανομής πιθανότητας F() i i i i f X P X P F 1 i i i i F F X P f Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 49 )
50 Παράδειγμα Δίνεται η συνάρτηση κατανομής πιθανότητας μιας διακριτής τυχαίας μεταβλητής Χ: α) Να βρείτε την συνάρτηση πυκνότητας ή μάζας πιθανότητας β) Να υπολογίσετε τις πιθανότητες P(1/2 < X < 3/2), P(1 X <3) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 50 )
51 Χαρακτήρας Κώδικας a 0 b 10 c 110 d 111 Μία πηγή παράγει στοχαστικά διγράμματα (δηλ. ζεύγη χαρακτήρων) από ένα αλφάβητο αποτελούμενο από 4 χαρακτήρες {a, b, c, d}. Κάθε χαρακτήρας του διγράμματος παράγεται ανεξάρτητα με πιθανότητα: P(a)=1/2, P(b)=1/4, P(c)=P(d)=1/8. Στη συνέχεια εφαρμόζεται μία μέθοδο κωδικοποίησής τους σε δυαδικούς αριθμούς, όπως φαίνεται στον πάνω πίνακα. Έστω τ.μ. X που περιγράφει το μήκος (σε bits) ενός διγράμματος. α) Ποιο είναι το σύνολο τιμών ΩΧ της τυχαίας μεταβλητής Χ; β) Βρείτε την συνάρτηση πυκνότητας πιθανότητας της τ.μ. Χ. γ) Υπολογίστε και σχεδιάστε την συνάρτηση κατανομής F(). δ) Υπολογίστε τις πιθανότητες P(X > 1) και P(1 < X 4). Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ6 ( 51 )
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε
Διαβάστε περισσότεραII. Τυχαίες Μεταβλητές
II. Τυχαίες Μεταβλητές τυχαία μεταβλητή (τ.μ.) Χ : Αναφέρεται πάνω σε μία μετρούμενη ποσότητα του τυχαίου πειράματος Εκφράζει μία συνάρτηση (απεικόνιση) από τον δειγματικό χώρο (Ω) σε έναν αριθμητικό χώρο
Διαβάστε περισσότεραΜέρος 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 περισσότερα17/10/2016. 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 περισσότεραP (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)
Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότεραΤυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 7: Θεωρία Πιθανοτήτων (Πείραμα Τύχης) Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής
Διαβάστε περισσότεραΜάθημα 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 περισσότεραΟρισμός της Πιθανότητας (Ι)
Ορισμός της Πιθανότητας (Ι) Κλασσικός Ορισμός Πιθανότητα ενδεχομένου Α ( ) N( ) N ( ) Ν(Α): πλήθος ευνοϊκών αποτελεσμάτων του ενδεχ. Α Ν(Ω): πλήθος συνολικών αποτελεσμάτων του δ.χ. Ω Περιορισμοί: - μόνο
Διαβάστε περισσότεραX:S X(S) Έστω ότι στρίβουµε ένα αµερόληπτο νόµισµα δύο φορές και ενδιαφερόµαστε για τον αριθµό των Κ που θα εµφανιστούν.
Στατιστική Ι: Ακαδηµαϊκό Έτος 6-7 Τυχαίες Μεταβλητές Έστω ότι εκτελούµε ένα πείραµα τύχης και ότι είµαστε σε θέση να µετρήσουµε όλα τα δυνατά αποτελέσµατα και να αντιστοιχούµε ένα πραγµατικό αριθµό σε
Διαβάστε περισσότεραΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Πιθανότητες Πληροφορία Μέτρο
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 3 η : Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1 5.1: Εισαγωγή 5.2: Πιθανότητες 5.3: Τυχαίες Μεταβλητές καθ. Βασίλης Μάγκλαρης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΚατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )
Κατανομή συνάρτησης τυχαίας μεταβλητής =() Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ3 ( ) Κατανομή συνάρτησης τυχαίας μεταβλητής Έστω τ.μ. Χ με γνωστή κατανομή. Δηλαδή
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότεραΚεφάλαιο 3 Κατανομές. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς
Κεφάλαιο Κατανομές Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς - - Χρησιμοποιώντας την Στατιστική Έστω οι διαφορετικές διατάξεις ενός αγοριού (B) και ενός κοριτσιού (G) σε τέσσερις
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ 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 περισσότεραΓνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή
Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή Συνάρτηση Γάμμα: Ιδιότητες o d Γ(α+)=αΓ(α) - αναδρομική συνάρτηση Γ(α+) = α! αν α ακέραιος. Πιθανότητες & Στατιστική 5 Τμήμα Μηχανικών Η/Υ
Διαβάστε περισσότεραΣυνεχείς Τυχαίες Μεταβλητές
Συνεχείς Τυχαίες Μεταβλητές Η σ.κ.π. F() είναι παντού συνεχής F PX t dt H σ.π.π. df d Ισχύει ότι d F Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ0 () Πιθανότητες & Στατιστική
Διαβάστε περισσότεραΤμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότερα3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών
3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών Βασικά χαρακτηριστικά τυχαίας μεταβλητής: Μέση Τιμή (Me Vlue) Διακύμανση (Vrice) Γενικά χαρακτηριστικά: Ροπές μεταβλητών / Ροπογεννήτριες Χαρακτηριστικές συναρτήσεις
Διαβάστε περισσότεραΕισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την
Μαθηματικά Πληροφορικής 8ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε
Διαβάστε περισσότεραΒιομαθηματικά 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 περισσότεραHMY 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 περισσότεραΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ
ΚΕΦΑΛΑΙΟ 11 ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ Θα εισαγάγουμε την έννοια του τυχαίου αριθμού με ένα παράδειγμα. Παράδειγμα: Θεωρούμε μια τυχαία μεταβλητή με συνάρτηση πιθανότητας η οποία σε
Διαβάστε περισσότεραΠιθανότητες & Στατιστική. Μέρος I. Εισαγωγή στις Πιθανότητες. Τυχαία Πειράματα (φαινόμενα)
Πιθανότητες & Στατιστική Μέρος I. Εισαγωγή στις Πιθανότητες. 3 βασικές έννοιες Τυχαία Πειράματα (φαινόμενα) Δειγματικός χώρος Ενδεχόμενα Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής,
Διαβάστε περισσότεραΘέμα 1 ο (ΜΑΪΟΣ 2004, ΜΑΪΟΣ 2008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Απόδειξη
ΕΚΔΟΣΕΙΣ ΚΕΛΑΦΑ 59 Θέμα 1 ο (ΜΑΪΟΣ 004, ΜΑΪΟΣ 008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Έχουμε f (x+h) - f (x) = c - c = 0 και για h 0 είναι f (x + h) - f (x) 0 m
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις Έννοια τυχαίας μεταβλητής Κατά τον υπολογισμό πιθανοτήτων, συχνά συμβαίνει τα ενδεχόμενα που μας ενδιαφέρουν να μετρούν
Διαβάστε περισσότεραΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 2018 Σειρά Α Θέματα 3 ως 7 και αναλυτικές (ή σύντομες) απαντήσεις
ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 8 Σειρά Α Θέματα ως 7 και αναλυτικές (ή σύντομες) απαντήσεις ΘΕΜΑ : Το δοχείο Δ περιέχει 6 άσπρες και 4 μαύρες μπάλες ενώ το δοχείο Δ περιέχει 5 άσπρες και μαύρες μπάλες.
Διαβάστε περισσότεραΥπολογιστικά & 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 περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΤ 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 περισσότεραΚατανομές 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 περισσότεραΒιομαθηματικά 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 περισσότεραΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών
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 περισσότεραP(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 περισσότεραΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0
ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηματικών, ο οποίος παρουσιάζει πολλά ιδιαίτερα χαρακτηριστικά στοιχεία. Επειδή η ιδιαιτερότητα
Διαβάστε περισσότεραΤμήμα 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 περισσότερα07/11/2016. 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 περισσότεραΚεφάλαιο 4. Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Έννοια Τυχαίας Μεταβλητής. Συναρτήσεις Μάζας ή Πυκνότητας Πιθανότητας
Κεφάλαιο 4 Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας Έννοια Τυχαίας Μεταβλητής Συναρτήσεις Μάζας ή Πυκνότητας Πιθανότητας Αθροιστική Συνάρτηση Πιθανότητας Μικτή Τυχαία Μεταβλητή Περίληψη Κεφαλαίου
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (Θ.Ε. ΠΛΗ 12) 6Η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ - ΕΝΗΜΕΡΩΜΕΝΗ ΜΟΡΦΗ Ημερομηνία Αποστολής της εργασίας στον Φοιτητή 5 Μαϊου 2014
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ 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 περισσότεραΤΥΧΑΙΑ 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 περισσότεραΤυχαία 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 περισσότεραΤυχαίες Μεταβλητές (τ.µ.)
Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική
Διαβάστε περισσότεραΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ
ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ υ ν δ υ α σ τ ι κ ή Πειραιάς 2007 1 Μάθημα 2ο Κανόνες Απαρίθμησης (συνέχεια) 2 ΙΣΤΟΣΕΛΙΔΑ ΜΕ ΔΙΑΦΑΝΕΙΕΣ, ΒΙΒΛΙΟ & ΔΕΙΓΜΑ ΘΕΜΑΤΩΝ www.unipi.gr/faculty/mkoutras/index.htm
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.
ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος Το σύνολο των δυνατών αποτελεσμάτων λέγεται δειγματικός χώρος (sample space) και συμβολίζεται συνήθως με το γράμμα Αν δηλαδή ω,,, ω2 ωκ είναι τα δυνατά αποτελέσματα ενός πειράματος
Διαβάστε περισσότερα1. Πείραμα τύχης. 2. Δειγματικός Χώρος ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ
1 ΣΤΟΙΧΕΙ ΠΟ ΤΗ ΘΕΩΡΙ ΠΙΘΝΟΤΗΤΩΝ 1. Πείραμα τύχης Πείραμα τύχης (π.τ.) ονομάζουμε κάθε πείραμα που μπορεί να επαναληφθεί όσες φορές επιθυμούμε υπό τις ίδιες συνθήκες και του οποίου το αποτέλεσμα είναι
Διαβάστε περισσότεραΓιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.
HY118-Διακριτά Μαθηματικά Τρίτη, 02/05/2017 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 04-May-17 1 1 04-May-17 2 2 Γιατί πιθανότητες; Γιατί πιθανότητες; Στον προτασιακό και κατηγορηματικό
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 5o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil
Διαβάστε περισσότεραΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π
ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π ι θ α ν ό τ η τ ε ς ΙΙ Πειραιάς 2007 1 2 Από κοινού συνάρτηση πυκνότητας μιας δισδιάστατης συνεχούς τυχαίας μεταβλητής Μία διδιάστατη συνεχής τυχαία μεταβλητή
Διαβάστε περισσότεραΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f =
ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 16 (version 9-6-16) 1. A Να δώσετε τον ορισμό της παραγώγου μιας συνάρτησης σε ένα σημείο x του πεδίο ορισμού της. Απάντηση: Παράγωγος μιας συνάρτησης σε ένα σημείο x του πεδίο
Διαβάστε περισσότεραΤ 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 περισσότεραΠεριεχόμενα της Ενότητας. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς Κατανομές Πιθανότητας. Συνεχείς Κατανομές Πιθανότητας.
Περιεχόμενα της Ενότητας Στατιστική Ι Ενότητα 5: Συνεχείς Κατανομές Πιθανότητας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Συνεχείς Τυχαίες Μεταβλητές. Συνεχείς
Διαβάστε περισσότεραΠεριεχόμενα 1 Πρωτοβάθμια Λογική Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων ) / 60
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότερα2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.
Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P ( ) που αντιστοιχεί σε υποσύνολα του Ω, έναν αριθμό στο [ 0, ], με τις εξής ιδιότητες: P ( Ω ) 2 Η πιθανότητα της αριθμήσιμης ένωσης
Διαβάστε περισσότεραΣτατιστική. Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας Γεώργιος Ζιούτας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΠΟΛΥΔΙΑΣΤΑΤΕΣ 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 περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 16 εκεµβρίου 2009 ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ενδιαφέρον τόσο από ϑεωρητική άποψη, όσο και από άποψη εφαρµογών, παρουσιάζει και η από κοινού µελέτη
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Εισαγωγή στις Διακριτές Πιθανότητες ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage:
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές
ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές ΠΜΣ στη «Ναυτιλία» Τμήμα Β art time Χαράλαμπος Ευαγγελάρας hevangel@unipi.gr Η έννοια της Πιθανότητας Ο όρος πιθανότητα είναι συνδέεται άμεσα με τη μελέτη
Διαβάστε περισσότεραΠ Α Ν Ε Λ Λ Η Ν Ι Ε Σ 2 0 1 4 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ
Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ 0 Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ Ε π ι μ ε λ ε ι α : Τ α κ η ς Τ σ α κ α λ α κ ο ς Π α ν ε λ λ α δ ι κ ε ς Ε ξ ε τ α σ ε ι ς ( 0 ) o ΘΕΜΑ A. Aν n
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα η : Τυχαίες Μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών
Διαβάστε περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΟι 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 περισσότεραΑν Α και Β είναι δύο ενδεχόμενα ενός δειγματικού χώρου να αποδείξετε ότι: Αν Α Β τότε Ρ(Α) Ρ(Β)
ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΑΝΑΒΡΥΤΩΝ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΕΞΕΤΑΣΕΙΣ ΠΡΟΣΟΜΟΙΩΣΗΣ 04 ΘΕΜΑ ο Α. Πότε δύο ενδεχόμενα Α και Β ενός δειγματικού χώρου Ω ονομάζονται ασυμβίβαστα;
Διαβάστε περισσότερα3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ
ΚΕΦΑΛΑΙΟ : ΠΙΘΑΝΟΤΗΤΕΣ. ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ Αιτιοκρατικό πείραμα ονομάζουμε κάθε πείραμα για το οποίο, όταν ξέρουμε τις συνθήκες κάτω από τις οποίες πραγματοποιείται, μπορούμε να προβλέψουμε με
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2004
ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 004 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ ο Α. Να αποδείξετε ότι η παράγωγος της σταθερής συνάρτησης fxc είναι ίση µε 0. Μονάδες 8 Β. Να δώσετε τον ορισµό της συνέχειας
Διαβάστε περισσότεραΘΕΜΑ 3 Το ύψος κύματος (σε μέτρα) σε μία συγκεκριμένη θαλάσσια περιοχή είναι τυχαία μεταβλητή X με συνάρτηση πυκνότητας πιθανότητας
ΣΧΟΛΗ ΝΑΥΤΙΚΩΝ ΔΟΚΙΜΩΝ TOMEAΣ ΜΑΘΗΜΑΤΙΚΩΝ ΕΞΕΤΑΣΕΙΣ ΕΠΙΛΟΓΗΣ ΓΙΑ ΕΚΠΑΙΔΕΥΣΗ ΣΤΟ ΕΞΩΤΕΡΙΚΟ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ 26 Σεπτεμβρίου 2014 Ομάδα Θεμάτων Α ΘΕΜΑ 1 Ρίχνουμε ένα αμερόληπτο νόμισμα (δύο δυνατά
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΠΑΝΑΛΗΠΤΙΚΗ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 5 Ιουλίου 2009
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΠΑΝΑΛΗΠΤΙΚΗ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ 5 Ιουλίου 009 Θέμα (0 μονάδες) Έστω U = (, y, z, w) = z, y = w υποσύνολο του και V ο υπόχωρος
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ 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 περισσότεραΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ
ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΠΑΡΑΣΚΕΥΗ 30 MAΪΟΥ 0 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α Α. Αν η συνάρτηση f είναι
Διαβάστε περισσότεραΤΥΠΟΛΟΓΙΟ 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 περισσότεραΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης;
ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α Ερώτηση θεωρίας α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης; =. β) Για δύο συμπληρωματικά ενδεχόμενα Α και Α να αποδείξετε
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. α = 1 δ. im( f (x) x ) = im - 2βx x = - 4β 8 = 4α - 32β =
ΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ 005 ΘΕΜΑ ο Α.. Θεωρία s s Α.. CV =, αν > 0, ενώ CV =, αν < 0. - Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. ΘΕΜΑ ο α. Πρέπει > 0, άρα A f = (0, + ). β. f () = (α
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: 23 Απριλίου 2012
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: Απριλίου 0 Ημερομηνία παράδοσης της Εργασίας: 8 Μαΐου 0 Πριν από τη
Διαβάστε περισσότεραΚεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων
Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων Copyright 2009 Cengage Learning 8.1 Συναρτήσεις Πυκνότητας Πιθανοτήτων Αντίθετα με τη διακριτή τυχαία μεταβλητή που μελετήσαμε στο Κεφάλαιο 7, μια συνεχής τυχαία
Διαβάστε περισσότεραΘεωρία Πληροφορίας. Διάλεξη 4: Διακριτή πηγή πληροφορίας χωρίς μνήμη. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Θεωρία Πληροφορίας Διάλεξη 4: Διακριτή πηγή πληροφορίας χωρίς μνήμη Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Διακριτή πηγή πληροφορίας χωρίς μνήμη Ποσότητα πληροφορίας της πηγής Κωδικοποίηση
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 1 η : Βασικές Έννοιες Πιθανότητας Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ. Άδειες
Διαβάστε περισσότεραΠανεπιστήμιο Ιωαννίνων, Τμήμα Πληροφορικής. Προπτυχιακό Μάθημα: Πιθανότητες (Διδάσκων: Κων/νος Μπλέκας) Διάφορες Ασκήσεις πάνω στην 2 η Ενότητα:
Πανεπιστήμιο Ιωαννίνων, Τμήμα Πληροφορικής Προπτυχιακό Μάθημα: Πιθανότητες (Διδάσκων: Κων/νος Μπλέκας) Διάφορες Ασκήσεις πάνω στην 2 η Ενότητα: (Τυχαίες μεταβλητές, Συναρτήσεις πυκνότητας και κατανομής
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές
Στατιστική Επιχειρήσεων Ι Βασικές διακριτές κατανομές 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα Το ένα ονομάζεται
Διαβάστε περισσότεραΤυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου
Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Τυχαίες Μεταβλητές Συνάρτηση Κατανοµής ιακριτές Τυχαίες Μεταβλητές Παράµετροι τ.µ. Συνεχείς Τυχαίες
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ 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 περισσότεραΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ
ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Σε αντίθεση με την διακριτή τυχαία μεταβλητή, μία συνεχής τυχαία μεταβλητή παίρνει μη-αριθμήσιμο (συνεχές) πλήθος τιμών. Δεν μπορούμε να καταγράψουμε το σύνολο των τιμών
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνεχείς τυχαίες μεταβλητές Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πιθανότητες Συνεχείς τυχαίες μεταβλητές Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 25 ΜΑΪΟΥ 2004 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ
ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 25 ΜΑΪΟΥ 2004 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ 1ο Α. Να αποδείξετε ότι
Διαβάστε περισσότεραΠανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-27: Πιθανότητες-Χειµερινό Εξάµηνο 205- ιδάσκων : Π. Τσακαλίδης Λύσεις Τέταρτης Σειράς Ασκήσεων Ασκηση. (αʹ) Σύµφωνα µε το αξίωµα της κανονικοποίησης,
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση
Διαβάστε περισσότερα2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.
Ένα μέτρο πιθανότητας πάνω στο δειγματικός χώρο Ω, είναι μία συνάρτηση P ( ), που αντιστοιχεί σε υποσύνολα του Ω έναν αριθμό στο [ 0, ], με τις εξής ιδιότητες:. P ( Ω ). 2. Η πιθανότητα της αριθμήσιμης
Διαβάστε περισσότεραΔιάλεξη 5: Τυχαία Μεταβλητή Κατανομές Πιθανότητας
Διάλεξη 5: ΑΣΚΗΣΕΙΣ 1. Έστω η ποιότητα ενός προϊόντος που παίρνουμε από ένα σύνολο προϊόντων με απλή τυχαία δειγματοληψία. Ανάλογα με το αν το προϊόν είναι ελαττωματικό, καλο ή άριστο, η παίρνει τις τιμές,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραX = = 81 9 = 9
Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη
Διαβάστε περισσότεραΣτατιστική. Εκτιμητική
Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια
Διαβάστε περισσότεραΥπολογιστικά & Διακριτά Μαθηματικά
Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 6: Πιθανότητες Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΠανεπιστήμιο 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