Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ"

Transcript

1 Πιθανότητες και Αρχές Στατιστικής (3η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος Σωτήρης Νικολετσέας, καθηγητής 1 / 38

2 Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 2 / 38

3 Σύνοψη Προηγούμενου Μαθήματος αξιωματικός ορισμός πιθανότητας και απαρίθμηση πιθανότητα ένωσης γεγονότων τουλάχιστον 1 γεγονός ακριβώς k γεγονότα Σωτήρης Νικολετσέας, καθηγητής 3 / 38

4 3ο Μάθημα Πιθανότητες και Αρχές Στατιστικής Ολοκληρώνουμε σήμερα τον υπολογισμό πιθανοτήτων με στοιχειώδη μέσα (επόμενο μάθημα: ισχυρές μαθηματικές αναπαραστάσεις π.χ. τυχαίες μεταβλητές) μελετώντας ορισμένες βασικές έννοιες: Δεσμευμένη Πιθανότητα Στοχαστική Ανεξαρτησία και ορισμένα χρήσιμα εργαλεία: τον πολλαπλασιαστικό νόμο το θεώρημα της ολικής πιθανότητας το θεώρημα του Bayes Σωτήρης Νικολετσέας, καθηγητής 4 / 38

5 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 5 / 38

6 Ορισμός Ορισμός Πείραμα τύχης: ΠΡΙΝ το πείραμα: δειγματοχώρος Ω για κάθε γεγονός Α, ξέρουμε την Ρ(Α) ΜΕΤΑ το πείραμα ΣΥΝΕΒΗ το γεγονός Β νέος δειγματοχώρος Ω είναι το Β η πιθανότητα του Α αλλάζει αφού πλέον A A B Συμβολισμός Ρ(Α Β) = πιθανότητα του Α δοθείσης της πραγματοποίησης του Β Σωτήρης Νικολετσέας, καθηγητής 6 / 38

7 Ενα απλό παράδειγμα Πείραμα: Ζάρι Α = { Αποτέλεσμα 1 } Β = { Περιττό αποτέλεσμα } P (A) = 1 6 P (A B) = { Ολες: {1,3,5} Ευνοϊκές: {1} P (A B) = Σωτήρης Νικολετσέας, καθηγητής 7 / 38

8 Ενα απλό παράδειγμα Πείραμα: Ζάρι Α = { Αποτέλεσμα 1 } Β = { Περιττό αποτέλεσμα } P (A) = 1 6 P (A B) = { Ολες: {1,3,5} Ευνοϊκές: {1} P (A B) = 1 3 Σωτήρης Νικολετσέας, καθηγητής 7 / 38

9 Ενα πιο σύνθετο παράδειγμα 4 μπάλες τοποθετούνται διαδοχικά σε 4 κελιά Β: Οι πρώτες δύο σε διαφορετικά κελιά Α: Ενα κελί ακριβώς 3 μπάλες P (A B) =? Λύση: Ολες οι περιπτώσεις = N B = Σωτήρης Νικολετσέας, καθηγητής 8 / 38

10 Ενα πιο σύνθετο παράδειγμα Λύση: 4 μπάλες τοποθετούνται διαδοχικά σε 4 κελιά Β: Οι πρώτες δύο σε διαφορετικά κελιά Α: Ενα κελί ακριβώς 3 μπάλες P (A B) =? Ολες οι περιπτώσεις = N B = Ευνοϊκές περιπτώσεις = N A B = Σωτήρης Νικολετσέας, καθηγητής 8 / 38

11 Ενα πιο σύνθετο παράδειγμα Λύση: 4 μπάλες τοποθετούνται διαδοχικά σε 4 κελιά Β: Οι πρώτες δύο σε διαφορετικά κελιά Α: Ενα κελί ακριβώς 3 μπάλες P (A B) =? Ολες οι περιπτώσεις = N B = Ευνοϊκές περιπτώσεις = N A B = P (A B) = N A B N B = = 2 16 = 1 8 Σωτήρης Νικολετσέας, καθηγητής 8 / 38

12 Ορισμός Ορισμός Εστω P (B) > 0 Η δεσμευμένη πιθανότητα είναι μια συνολοσυνάρτηση: P (A B) A P (A B) = P (B) N A B N N B Διαίσθηση: P (A B) = N A B P (A B) = = N B N P (B) του χώρου είναι ισοπίθανα και πεπερασμένα. αν τα σημεία Σωτήρης Νικολετσέας, καθηγητής 9 / 38

13 Βασική Παρατήρηση Λόγω της διαίρεσης με τον παράγοντα P (B), αντίστοιχα θεωρήματα για πιθανότητες εξακολουθούν να ισχύουν υποθέτοντας το ίδιο γεγονός Β π.χ. P (A 1 A 2 B) = P [(A 1 A 2 ) B] P (B) = P (A 1 B A 2 B) P (B) = = P (A 1 B) + P (A 2 B) P (A 1 A 2 B) P (B) = = P (A 1 B) + P (A 2 B) P (A 1 A 2 B) Σωτήρης Νικολετσέας, καθηγητής 10 / 38

14 Ορισμένα χρήσιμα εργαλεία με βάση δεσμευμένες πιθανότητες β1) Ο πολλαπλασιαστικός νόμος P (A 2 A 1 ) = P (A 1 A 2 ) P (A 1 ) P (A 1 A 2 ) = P (A 1 )P (A 2 A 1 ) Γενικεύοντας: P (A 1 A 2 A n ) = = P (A 1 ) P (A 2 A 1 ) P (A 3 A 1 A 2 ) P (A n A 1 A n 1 ) αρκεί P (A 1 A 2 A n ) > 0 Απόδειξη: 2ο μέλος = P (A 1 ) P (A 2 A 1 ) P (A 3 A 1 A 2 ) P (A 1 A n ) P (A 1 ) P (A 1 A 2 ) P (A 1 A n 1 ) = = 1ο μέλος Σωτήρης Νικολετσέας, καθηγητής 11 / 38

15 Ορισμένα χρήσιμα εργαλεία με βάση δεσμευμένες πιθανότητες β2) Το θεώρημα Ολικής Πιθανότητας Θεώρημα n A 1,, A n διαμέριση του Ω P (B) = P (A k )P (B A k ) k=1 Απόδειξη: n 2ο μέλος = P (B A k ) = k=1 P (B A 1 ) + + P (B A n ) = P [B (A 1 A n )] P [B Ω] = P (B) = 1ο μέλος Σωτήρης Νικολετσέας, καθηγητής 12 / 38

16 Εποπτική εξήγηση με διάγραμμα Venn Σωτήρης Νικολετσέας, καθηγητής 13 / 38

17 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 14 / 38

18 2. Θεώρημα Bayes Εστω ότι Α: αιτία Β: αποτέλεσμα Θεωρούμε γνωστή (ή μπορούμε να βρούμε) την Ρ(Β Α) Ζητάμε την Ρ(Α Β) Σωτήρης Νικολετσέας, καθηγητής 15 / 38

19 Παράδειγμα Διαγνωστικά ιατρικά τεστ: Α: το άτομο έχει μια ασθένεια Β: το τεστ είναι θετικό Είναι λογικό να γνωρίζουμε (π.χ. με βάση στατιστικές μετρήσεις) την Ρ(Β Α) δηλαδή την πιθανότητα το τεστ να βγει θετικό δοθέντος του ότι το άτομο είναι ασθενές. Μας ενδιαφέρει η αντίστροφη δεσμευμένη πιθανότητα Ρ(Α Β) δηλαδή η πιθανότητα το άτομο να είναι ασθενές δοθέντος ότι το τεστ ήταν θετικό. Σωτήρης Νικολετσέας, καθηγητής 16 / 38

20 Θεώρημα Bayes Θεώρημα A 1,, A n διαμέριση του Ω P (A k ) > 0, k P (A k B) = P (A k) P (B A k ) n P (B) > 0 i=1 P (A i) P (B A i ) Σωτήρης Νικολετσέας, καθηγητής 17 / 38

21 Θεώρημα - Απόδειξη 2ο μέλος = P (A k) P (B A k ) n i=1 P (A i) P (B A i ) = P (B A k) = P (B) = P (A k B). Σωτήρης Νικολετσέας, καθηγητής 18 / 38

22 Παράδειγμα Τεστ θετικό 80% όταν υπάρχει ασθένεια 10% όταν δεν υπάρχει ασθένεια 1% του πληθυσμού έχει ασθένεια. Ρ(Ασθένεια τεστ θετικό) =? Λύση: Εστω Α έχει ασθένεια, A δεν έχει ασθένεια και Β τεστ θετικό. Τα Α, A είναι διαμέριση του Ω και θέλουμε την P (A B). Bayes P (A B) = P (A) P (B A) P (A) P (B A) + P (A) P (B A) = Σωτήρης Νικολετσέας, καθηγητής 19 / 38

23 Παράδειγμα Τεστ θετικό 80% όταν υπάρχει ασθένεια 10% όταν δεν υπάρχει ασθένεια 1% του πληθυσμού έχει ασθένεια. Ρ(Ασθένεια τεστ θετικό) =? Λύση: Εστω Α έχει ασθένεια, A δεν έχει ασθένεια και Β τεστ θετικό. Τα Α, A είναι διαμέριση του Ω και θέλουμε την P (A B). Bayes P (A B) = P (A) P (B A) P (A) P (B A) + P (A) P (B A) = = % Σωτήρης Νικολετσέας, καθηγητής 19 / 38

24 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 20 / 38

25 3. Στοχαστική Ανεξαρτησία Θα θέλαμε διαισθητικά P (A B) = P (A) (1) δηλαδή η πραγματοποίηση του Β να μην επηρεάζει το Α. (1) P (A B) P (B) = P (A) P (A B) = P (A) P (B) Ορισμός: Α, Β στοχαστικά ανεξάρτητα P (A B) = P (A) P (B) Σωτήρης Νικολετσέας, καθηγητής 21 / 38

26 Θεώρημα Θεώρημα: Α, Β ανεξάρτητα Α, B ανεξάρτητα Απόδειξη: Είναι A B A B = A (B B) = A Ω = A P (A B) + P (A B) = P (A) P (A B) = P (A) P (A B) = P (A) P (A) P (B) = P (A) [1 P (B)] = P (A) P (B) Σωτήρης Νικολετσέας, καθηγητής 22 / 38

27 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 23 / 38

28 4. Αμοιβαία (ή πλήρης) Ανεξαρτησία Γενικεύοντας για 3 γεγονότα θα θέλαμε A 1, A 2, A 3 ανεξάρτητα P (A 1 A 2 A 3 ) = P (A 1 ) P (A 2 ) P (A 3 ) Ερώτημα: Η ανεξαρτησία ανά ζεύγη δηλαδή P (A 1 A 2 ) = P (A 1 ) P (A 2 ) P (A 2 A 3 ) = P (A 2 ) P (A 3 ) P (A 1 A 3 ) = P (A 1 ) P (A 3 ) συνεπάγεται τη σχέση P (A 1 A 2 A 3 ) = P (A 1 ) P (A 2 ) P (A 3 ) ; Σωτήρης Νικολετσέας, καθηγητής 24 / 38

29 4. Αμοιβαία (ή πλήρης) Ανεξαρτησία Γενικεύοντας για 3 γεγονότα θα θέλαμε A 1, A 2, A 3 ανεξάρτητα P (A 1 A 2 A 3 ) = P (A 1 ) P (A 2 ) P (A 3 ) Ερώτημα: Η ανεξαρτησία ανά ζεύγη δηλαδή P (A 1 A 2 ) = P (A 1 ) P (A 2 ) P (A 2 A 3 ) = P (A 2 ) P (A 3 ) P (A 1 A 3 ) = P (A 1 ) P (A 3 ) συνεπάγεται τη σχέση P (A 1 A 2 A 3 ) = P (A 1 ) P (A 2 ) P (A 3 ) ; Απάντηση: Οχι γενικά (ωστόσο ισχύει σχεδόν πάντα). Σωτήρης Νικολετσέας, καθηγητής 24 / 38

30 Αντιπαράδειγμα Δημιουργώ χώρο με τις 6 διατάξεις των a,b, c και τα aaa, bbb, ccc (και θεωρώ τα 9 σημεία ισοπίθανα). A k = στη θέση k υπάρχει α για k = 1, 2, 3 P (A 1 ) = P (A 2 ) = P (A 3 ) = Σωτήρης Νικολετσέας, καθηγητής 25 / 38

31 Αντιπαράδειγμα Δημιουργώ χώρο με τις 6 διατάξεις των a,b, c και τα aaa, bbb, ccc (και θεωρώ τα 9 σημεία ισοπίθανα). A k = στη θέση k υπάρχει α για k = 1, 2, 3 P (A 1 ) = P (A 2 ) = P (A 3 ) = = 1 3 επίσης P (A 1 A 2 ) = P (A 1 A 3 ) = P (A 2 A 3 ) = Σωτήρης Νικολετσέας, καθηγητής 25 / 38

32 Αντιπαράδειγμα Δημιουργώ χώρο με τις 6 διατάξεις των a,b, c και τα aaa, bbb, ccc (και θεωρώ τα 9 σημεία ισοπίθανα). A k = στη θέση k υπάρχει α για k = 1, 2, 3 P (A 1 ) = P (A 2 ) = P (A 3 ) = = 1 3 επίσης P (A 1 A 2 ) = P (A 1 A 3 ) = P (A 2 A 3 ) = 1 9 = τα A 1, A 2, A 3 είναι ανεξάρτητα ανά ζεύγη Αλλά P (A 1 A 2 A 3 ) = Σωτήρης Νικολετσέας, καθηγητής 25 / 38

33 Αντιπαράδειγμα Δημιουργώ χώρο με τις 6 διατάξεις των a,b, c και τα aaa, bbb, ccc (και θεωρώ τα 9 σημεία ισοπίθανα). A k = στη θέση k υπάρχει α για k = 1, 2, 3 P (A 1 ) = P (A 2 ) = P (A 3 ) = = 1 3 επίσης P (A 1 A 2 ) = P (A 1 A 3 ) = P (A 2 A 3 ) = 1 9 = τα A 1, A 2, A 3 είναι ανεξάρτητα ανά ζεύγη Αλλά P (A 1 A 2 A 3 ) = 1 9 P (A 1) P (A 2 ) P (A 3 ) = 1 27 Σωτήρης Νικολετσέας, καθηγητής 25 / 38

34 Ορισμός Πλήρους Στοχαστικής Ανεξαρτησίας Ορισμός A 1,, A n (n 2) πλήρως ανεξάρτητα } P (A i1 A i2...a ik ) = P (A i1 ) P (A ik ) για κάθε συνδυασμό {i 1, i k } των δεικτών {1, 2,, n} αν k = 2, 3,, n Σωτήρης Νικολετσέας, καθηγητής 26 / 38

35 Ορισμός Πλήρους Στοχαστικής Ανεξαρτησίας Παρατήρηση: Συνολικά πρέπει να ελεγχθούν ( ) ( ) ( ) ( ) ( ) n n n n n = 2 n = 2 n n n 0 1 δηλαδή εκθετικά πολλές συνθήκες Στην πράξη, στηριζόμαστε στη διαίσθηση και θεωρούμε γεγονότα που συμβαίνουν: σε διαφορετικούς χρόνους σε διαφορετικούς χώρους ως ανεξάρτητα, χωρίς να ελέγχουμε τις (εκθετικές στο πλήθος) σχέσεις. Σωτήρης Νικολετσέας, καθηγητής 27 / 38

36 Παράδειγμα A 1,, A n ανεξάρτητα P (A k ) = P k } P r{κανένα γεγονός δε συμβαίνει } =? Λύση: { } P A k = k k P (A k ) = k (1 P k ) k e P k = e n k=1 P k Σωτήρης Νικολετσέας, καθηγητής 28 / 38

37 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρτησία 6 Παραδείγματα Σωτήρης Νικολετσέας, καθηγητής 29 / 38

38 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Σωτήρης Νικολετσέας, καθηγητής 30 / 38

39 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με Σωτήρης Νικολετσέας, καθηγητής 30 / 38

40 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με ( )( ) ( = 26 13) τρόπους συνολικά. Σωτήρης Νικολετσέας, καθηγητής 30 / 38

41 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με ( )( ) ( = 26 13) τρόπους συνολικά. Από αυτούς τους τρόπους ευνοϊκοί είναι Σωτήρης Νικολετσέας, καθηγητής 30 / 38

42 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με ( )( ) ( = 26 13) τρόπους συνολικά. Από αυτούς τους τρόπους ευνοϊκοί είναι ( ) ( ) ( 10 13), δηλαδή ο Α διαλέγει 3 από τα εναπομένοντα 5 σπαθιά και τα υπόλοιπα 10 φύλλα του δεν είναι σπαθιά. Σωτήρης Νικολετσέας, καθηγητής 30 / 38

43 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με ( )( ) ( = 26 13) τρόπους συνολικά. Από αυτούς τους τρόπους ευνοϊκοί είναι ( ) ( ) ( 10 13), δηλαδή ο Α διαλέγει 3 από τα εναπομένοντα 5 σπαθιά και τα υπόλοιπα 10 φύλλα του δεν είναι σπαθιά. Άρα: P = Σωτήρης Νικολετσέας, καθηγητής 30 / 38

44 Άσκηση 1 (Δουλεύοντας με τον νέο, περιορισμένο δειγματοχώρο που δημιουργεί η δέσμευση ) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες (που καλούνται Β, Ν, Α, Δ). Αν οι Β και Ν έχουν συνολικά 8 σπαθιά, ποιά η πιθανότητα ο Α να έχει 3 σπαθιά; Λύση: Αφού θεωρούμε δεδομένα τα χαρτιά των Β και Ν, απομένουν 26 χαρτιά που μοιράζονται στους Α και Δ με ( )( ) ( = 26 13) τρόπους συνολικά. Από αυτούς τους τρόπους ευνοϊκοί είναι ( ) ( ) ( 10 13), δηλαδή ο Α διαλέγει 3 από τα εναπομένοντα 5 σπαθιά και τα υπόλοιπα 10 φύλλα του δεν είναι σπαθιά. ( 5 21 ) Άρα: P = 3)( 10 ) ( Σωτήρης Νικολετσέας, καθηγητής 30 / 38

45 Άσκηση 2 (Χρήση της δεσμευμένης πιθανότητας για τον υπολογισμό πιθανοτήτων τομών από γεγονότα) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες. Ποιά η πιθανότητα κάθε παίχτης να πήρε ακριβώς 1 άσσο; Σωτήρης Νικολετσέας, καθηγητής 31 / 38

46 Άσκηση 2 (Χρήση της δεσμευμένης πιθανότητας για τον υπολογισμό πιθανοτήτων τομών από γεγονότα) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες. Ποιά η πιθανότητα κάθε παίχτης να πήρε ακριβώς 1 άσσο; Λύση: (Α τρόπος) Για i= 1,2,3,4 ορίζω τα E i ως εξής: E 1 : Ο άσσος σπαθί πάει σε κάποιον παίχτη. E 2 : Ο άσσος σπαθί καί ο άσσος κούπα πάνε σε διαφορετικούς παίχτες. E 3 : Ο άσσος σπαθί, ο άσσος κούπα, ο άσσος μπαστούνι πάνε σε διαφορετικούς παίχτες. E 4 : Ολοι οι 4 άσσοι πάνε σε διαφορετικούς παίχτες. Η ζητούμενη πιθανότητα P (E 1 E 2 E 3 E 4 ) είναι: P (E 1 E 2 E 3 E 4 ) = Σωτήρης Νικολετσέας, καθηγητής 31 / 38

47 Άσκηση 2 (Χρήση της δεσμευμένης πιθανότητας για τον υπολογισμό πιθανοτήτων τομών από γεγονότα) Μοιράζουμε τυχαία τα 52 χαρτιά μιας τράπουλας σε 4 παίχτες. Ποιά η πιθανότητα κάθε παίχτης να πήρε ακριβώς 1 άσσο; Λύση: (Α τρόπος) Για i= 1,2,3,4 ορίζω τα E i ως εξής: E 1 : Ο άσσος σπαθί πάει σε κάποιον παίχτη. E 2 : Ο άσσος σπαθί καί ο άσσος κούπα πάνε σε διαφορετικούς παίχτες. E 3 : Ο άσσος σπαθί, ο άσσος κούπα, ο άσσος μπαστούνι πάνε σε διαφορετικούς παίχτες. E 4 : Ολοι οι 4 άσσοι πάνε σε διαφορετικούς παίχτες. Η ζητούμενη πιθανότητα P (E 1 E 2 E 3 E 4 ) είναι: P (E 1 E 2 E 3 E 4 ) = P (E 1 )P (E 2 E 1 )P (E 3 E 1 E 2 )P (E 4 E 1 E 2 E 3 ) Σωτήρης Νικολετσέας, καθηγητής 31 / 38

48 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = Σωτήρης Νικολετσέας, καθηγητής 32 / 38

49 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = 1 (Προφανής) P (E 2 E 1 ) = Σωτήρης Νικολετσέας, καθηγητής 32 / 38

50 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = 1 (Προφανής) P (E 2 E 1 ) = 39 (Αφού ο άσσος κούπα μπορεί να πάρει 51 θέσεις 51 αλλά δεν πρέπει να πάρει κάποια από τις 13 θέσεις του παίχτη που πήρε τον άσσο σπαθί) Ομοίως P (E 3 E 1 E 2 ) = Σωτήρης Νικολετσέας, καθηγητής 32 / 38

51 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = 1 (Προφανής) P (E 2 E 1 ) = 39 (Αφού ο άσσος κούπα μπορεί να πάρει 51 θέσεις 51 αλλά δεν πρέπει να πάρει κάποια από τις 13 θέσεις του παίχτη που πήρε τον άσσο σπαθί) Ομοίως P (E 3 E 1 E 2 ) = 26 και P (E 4 E 1 E 2 E 3 ) = 50 Σωτήρης Νικολετσέας, καθηγητής 32 / 38

52 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = 1 (Προφανής) P (E 2 E 1 ) = 39 (Αφού ο άσσος κούπα μπορεί να πάρει 51 θέσεις 51 αλλά δεν πρέπει να πάρει κάποια από τις 13 θέσεις του παίχτη που πήρε τον άσσο σπαθί) Ομοίως P (E 3 E 1 E 2 ) = Οπότε P (E 1 E 2 E 3 E 4 ) = και P (E 4 E 1 E 2 E 3 ) = Σωτήρης Νικολετσέας, καθηγητής 32 / 38

53 Άσκηση 2 - Α τρόπος (Συνέχεια) P (E 1 ) = 1 (Προφανής) P (E 2 E 1 ) = 39 (Αφού ο άσσος κούπα μπορεί να πάρει 51 θέσεις 51 αλλά δεν πρέπει να πάρει κάποια από τις 13 θέσεις του παίχτη που πήρε τον άσσο σπαθί) Ομοίως P (E 3 E 1 E 2 ) = 26 και P (E 4 E 1 E 2 E 3 ) = Οπότε P (E 1 E 2 E 3 E 4 ) = Σωτήρης Νικολετσέας, καθηγητής 32 / 38

54 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) # όλων των τρόπων: Σωτήρης Νικολετσέας, καθηγητής 33 / 38

55 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) # όλων των τρόπων: ( )( )( )( ) Σωτήρης Νικολετσέας, καθηγητής 33 / 38

56 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) # όλων των τρόπων: ( )( )( )( ) # ευνοικοί: Σωτήρης Νικολετσέας, καθηγητής 33 / 38

57 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) ( )( )( )( ) # όλων των τρόπων: ( )( )( )( ) # ευνοικοί: 4! Σωτήρης Νικολετσέας, καθηγητής 33 / 38

58 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) ( )( )( )( ) # όλων των τρόπων: ( )( )( )( ) # ευνοικοί: 4! Αφού πρώτα μοιράζουμε έναν άσσο σε κάθε παίχτη και στην συνέχεια τα υπόλοιπα 12 φύλλα κάθε παίχτη αλλά οι 4 άσσοι μπορούν να πάνε στους 4 παίχτες με 4! τρόπους. Σωτήρης Νικολετσέας, καθηγητής 33 / 38

59 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) ( )( )( )( ) # όλων των τρόπων: ( )( )( )( ) # ευνοικοί: 4! Αφού πρώτα μοιράζουμε έναν άσσο σε κάθε παίχτη και στην συνέχεια τα υπόλοιπα 12 φύλλα κάθε παίχτη αλλά οι 4 άσσοι μπορούν να πάνε στους 4 παίχτες με 4! τρόπους. Άρα: P = Σωτήρης Νικολετσέας, καθηγητής 33 / 38

60 Άσκηση 2 - Β τρόπος Λύση: (Β τρόπος) ( )( )( )( ) # όλων των τρόπων: ( )( )( )( ) # ευνοικοί: 4! Αφού πρώτα μοιράζουμε έναν άσσο σε κάθε παίχτη και στην συνέχεια τα υπόλοιπα 12 φύλλα κάθε παίχτη αλλά οι 4 άσσοι μπορούν να πάνε στους 4 παίχτες με 4! τρόπους. Άρα: P = 4!( ( )( 36 )( )( 39 )( ) ) = Σωτήρης Νικολετσέας, καθηγητής 33 / 38

61 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Σωτήρης Νικολετσέας, καθηγητής 34 / 38

62 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Σωτήρης Νικολετσέας, καθηγητής 34 / 38

63 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Σωτήρης Νικολετσέας, καθηγητής 34 / 38

64 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Σωτήρης Νικολετσέας, καθηγητής 34 / 38

65 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Είναι προφανώς P r{e} = P r{ E i } = i=1 P r{e i } i=1 Σωτήρης Νικολετσέας, καθηγητής 34 / 38

66 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Είναι προφανώς P r{e} = P r{ E i } = Αλλά P r{e i } = i=1 P r{e i } i=1 Σωτήρης Νικολετσέας, καθηγητής 34 / 38

67 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Είναι προφανώς P r{e} = P r{ E i } = i=1 P r{e i } ( ) 26 i 1 4 Αλλά P r{e i } = (Αφού άθροισμα 5 προκύπτει για 4 αποτελέσματα και άθροισμα 7 για 6 αποτελέσματα) i=1 Σωτήρης Νικολετσέας, καθηγητής 34 / 38

68 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Είναι προφανώς P r{e} = P r{ E i } = i=1 P r{e i } ( ) 26 i 1 4 Αλλά P r{e i } = (Αφού άθροισμα 5 προκύπτει για 4 αποτελέσματα και άθροισμα 7 για 6 αποτελέσματα) P r{e} = Σωτήρης Νικολετσέας, καθηγητής 34 / 38 i=1

69 Άσκηση 3 Ποιά η πιθανότητα σε επαναλαμβανόμενες, ανεξάρτητες ρίψεις 2 ζαριών να έρθει άθροισμα 5 πριν από άθροισμα 7; Λύση: (Α τρόπος) (χρησιμοποιώντας στοχαστική ανεξαρτησία) Εστω E i = {στις πρώτες i-1 ρίψεις ούτε 5 ούτε 7 5 στη ρίψη i} Θέλουμε το E = i=1 E i Είναι προφανώς P r{e} = P r{ E i } = i=1 P r{e i } ( ) 26 i 1 4 Αλλά P r{e i } = (Αφού άθροισμα 5 προκύπτει για 4 αποτελέσματα και άθροισμα 7 για 6 αποτελέσματα) ( ) 1 13 i 1 P r{e} = = = 2 5 Σωτήρης Νικολετσέας, καθηγητής / 38 i=1

70 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) Σωτήρης Νικολετσέας, καθηγητής 35 / 38

71 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Σωτήρης Νικολετσέας, καθηγητής 35 / 38

72 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Σωτήρης Νικολετσέας, καθηγητής 35 / 38

73 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = Σωτήρης Νικολετσέας, καθηγητής 35 / 38

74 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = Σωτήρης Νικολετσέας, καθηγητής 35 / 38

75 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Σωτήρης Νικολετσέας, καθηγητής 35 / 38

76 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Αυτό ισχύει γιατί αφού υποθέτουμε ότι στις πρώτες i 1 φορές δεν έχουμε 5, ο νέος χώρος έχει 32 σημεία εκ των οποίων 26 οδηγούν σε άθροισμα που δεν είναι 7. Σωτήρης Νικολετσέας, καθηγητής 35 / 38

77 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Αυτό ισχύει γιατί αφού υποθέτουμε ότι στις πρώτες i 1 φορές δεν έχουμε 5, ο νέος χώρος έχει 32 σημεία εκ των οποίων 26 οδηγούν σε άθροισμα που δεν είναι 7. Άρα: Σωτήρης Νικολετσέας, καθηγητής 35 / 38

78 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Αυτό ισχύει γιατί αφού υποθέτουμε ότι στις πρώτες i 1 φορές δεν έχουμε 5, ο νέος χώρος έχει 32 σημεία εκ των οποίων 26 οδηγούν σε άθροισμα που δεν είναι 7. Άρα: P r{e} = Σωτήρης Νικολετσέας, καθηγητής 35 / 38

79 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Αυτό ισχύει γιατί αφού υποθέτουμε ότι στις πρώτες i 1 φορές δεν έχουμε 5, ο νέος χώρος έχει 32 σημεία εκ των οποίων 26 οδηγούν σε άθροισμα που δεν είναι 7. Άρα: P r{e} = 1 ( ) i 1 32 i=1 Σωτήρης Νικολετσέας, καθηγητής 35 / 38

80 Άσκηση 3 - Β Τρόπος Λύση: (Β τρόπος) (με χρήση δεσμευμένης πιθανότητας) P r{e} = P r{πρώτο 5 στην ρίψη i όχι 7 μέχρι την ρίψη i} i=1 Αλλά τα γεγονότα της τομής προφανώς δεν είναι ανεξάρτητα. Οπότε: P r{e} = P r{πρώτο 5 στην ρίψη i}p r{όχι 7 μέχρι i=1 την ρίψη i πρώτο 5 στην ρίψη i} = i=1 ( ) 8 i (όπου τα 26 και 32 πολλαπλασιάζονται i 1 φορές) Αυτό ισχύει γιατί αφού υποθέτουμε ότι στις πρώτες i 1 φορές δεν έχουμε 5, ο νέος χώρος έχει 32 σημεία εκ των οποίων 26 οδηγούν σε άθροισμα που δεν είναι 7. Άρα: P r{e} = 1 9 ( ) i 1 = 1 9 i=1 i=1 Σωτήρης Νικολετσέας, καθηγητής 35 / 38 ( ) 13 i 1 =

81 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Σωτήρης Νικολετσέας, καθηγητής 36 / 38

82 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Σωτήρης Νικολετσέας, καθηγητής 36 / 38

83 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Εστω: F: η 1η ρίψη είναι 5 G: η 1η ρίψη είναι 7 H: η 1η ρίψη δεν είναι ούτε 5 ούτε 7 Σωτήρης Νικολετσέας, καθηγητής 36 / 38

84 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Εστω: F: η 1η ρίψη είναι 5 G: η 1η ρίψη είναι 7 H: η 1η ρίψη δεν είναι ούτε 5 ούτε 7 Προφανώς F G H = Ω Σωτήρης Νικολετσέας, καθηγητής 36 / 38

85 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Εστω: F: η 1η ρίψη είναι 5 G: η 1η ρίψη είναι 7 H: η 1η ρίψη δεν είναι ούτε 5 ούτε 7 Προφανώς F G H = Ω οπότε P r{e} = P r{ef EG EH} = = P r{f }P r{e F } + P r{g}p r{e G} + P r{h}p r{e H} Σωτήρης Νικολετσέας, καθηγητής 36 / 38

86 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Εστω: F: η 1η ρίψη είναι 5 G: η 1η ρίψη είναι 7 H: η 1η ρίψη δεν είναι ούτε 5 ούτε 7 Προφανώς F G H = Ω οπότε P r{e} = P r{ef EG EH} = = P r{f }P r{e F } + P r{g}p r{e G} + P r{h}p r{e H} όπου P r{f } = 4 36, P r{g} = 6 36, P r{h} = Σωτήρης Νικολετσέας, καθηγητής 36 / 38

87 Άσκηση 3 - Γ Τρόπος Λύση: (Γ τρόπος) (πάλι με δεσμευμένη πιθανότητα) Η υπόθεση γίνεται ως προς το αποτέλεσμα της 1ης ρίψης. Εστω: F: η 1η ρίψη είναι 5 G: η 1η ρίψη είναι 7 H: η 1η ρίψη δεν είναι ούτε 5 ούτε 7 Προφανώς F G H = Ω οπότε P r{e} = P r{ef EG EH} = = P r{f }P r{e F } + P r{g}p r{e G} + P r{h}p r{e H} όπου P r{f } = 4 36, P r{g} = 6 26, P r{h} = προφανώς P r{e F } = 1 και P r{e G} = 0 Σωτήρης Νικολετσέας, καθηγητής 36 / 38

88 Άσκηση 3 - Γ Τρόπος (Συνέχεια) Αλλά P r{e H} = P r{e} Σωτήρης Νικολετσέας, καθηγητής 37 / 38

89 Άσκηση 3 - Γ Τρόπος (Συνέχεια) Αλλά P r{e H} = P r{e} Επειδή αν στην 1η ρίψη δεν έρθει ούτε 5 ούτε 7, τότε η κατάσταση είναι ακριβώς όπως στην αρχή. (δηλαδή και τώρα πρέπει το 5 να έρθει πριν από το 7 στις επόμενες ρίψεις, και λόγω της ανεξαρτησίας η 1η ρίψη δεν επηρεάζει τις υπόλοιπες). Σωτήρης Νικολετσέας, καθηγητής 37 / 38

90 Άσκηση 3 - Γ Τρόπος (Συνέχεια) Αλλά P r{e H} = P r{e} Επειδή αν στην 1η ρίψη δεν έρθει ούτε 5 ούτε 7, τότε η κατάσταση είναι ακριβώς όπως στην αρχή. (δηλαδή και τώρα πρέπει το 5 να έρθει πριν από το 7 στις επόμενες ρίψεις, και λόγω της ανεξαρτησίας η 1η ρίψη δεν επηρεάζει τις υπόλοιπες). Με απλές πράξεις προκύπτει ότι P r{e} = 2 5 Σωτήρης Νικολετσέας, καθηγητής 37 / 38

91 Άσκηση 3 - Διαισθητική εξήγηση Λύση: (Διαισθητική εξήγηση) Σωτήρης Νικολετσέας, καθηγητής 38 / 38

92 Άσκηση 3 - Διαισθητική εξήγηση Λύση: (Διαισθητική εξήγηση) Επειδή P r{άθροισμα 5} = 4 36 και P r{άθροισμα 7} = 6 36 Σωτήρης Νικολετσέας, καθηγητής 38 / 38

93 Άσκηση 3 - Διαισθητική εξήγηση Λύση: (Διαισθητική εξήγηση) Επειδή P r{άθροισμα 5} = 4 36 και P r{άθροισμα 7} = 6 36 Οι πιθανότητες (odds) είναι ουσιαστικά 6 προς 4 εναντίον του αθροίσματος 5. Σωτήρης Νικολετσέας, καθηγητής 38 / 38

94 Άσκηση 3 - Διαισθητική εξήγηση Λύση: (Διαισθητική εξήγηση) Επειδή P r{άθροισμα 5} = 4 36 και P r{άθροισμα 7} = 6 36 Οι πιθανότητες (odds) είναι ουσιαστικά 6 προς 4 εναντίον του αθροίσματος 5. Άρα P r{άθροισμα 5 πριν από 7} = Σωτήρης Νικολετσέας, καθηγητής 38 / 38

95 Άσκηση 3 - Διαισθητική εξήγηση Λύση: (Διαισθητική εξήγηση) Επειδή P r{άθροισμα 5} = 4 36 και P r{άθροισμα 7} = 6 36 Οι πιθανότητες (odds) είναι ουσιαστικά 6 προς 4 εναντίον του αθροίσματος 5. Άρα P r{άθροισμα 5 πριν από 7} = 4 10 = 2 5 Σωτήρης Νικολετσέας, καθηγητής 38 / 38

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ

Περιεχόμενα 3ης Διάλεξης 1 Σύνοψη Προηγούμενου Μαθήματος 2 Δεσμευμένη Πιθανότητα 3 Bayes Theorem 4 Στοχαστική Ανεξαρτησία 5 Αμοιβαία (ή πλήρης) Ανεξαρ 3ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 3ο Μάθημα Πιθανότητες

Διαβάστε περισσότερα

Περιεχόμενα 2ης Διάλεξης 1 Σύνοψη προηγούμενου μαθήματος 2 Αξιωματικός ορισμός και απαρίθμηση 3 Διατάξεις - Συνδυασμοί 4 Παραδείγματα υπολογισμού πιθα

Περιεχόμενα 2ης Διάλεξης 1 Σύνοψη προηγούμενου μαθήματος 2 Αξιωματικός ορισμός και απαρίθμηση 3 Διατάξεις - Συνδυασμοί 4 Παραδείγματα υπολογισμού πιθα Πιθανότητες και Αρχές Στατιστικής (2η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 54 Περιεχόμενα

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

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ Έστω ότι επιθυμούμε να μελετήσουμε ένα τυχαίο πείραμα με δειγματικό χώρο Ω και έστω η πιθανότητα να συμβεί ένα ενδεχόμενο Α Ω Υπάρχουν περιπτώσεις όπου ενώ δεν γνωρίζουμε

Διαβάστε περισσότερα

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο 2 Πιθανότητες Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 2-2 2 Πιθανότητες Χρησιμοποιώντας την Στατιστική Βασικοί ορισμοί: Ενδεχόμενα, Δειγματικός χώρος και Πιθανότητες

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

Πιθανότητες και Στατιστική Ενότητα 2: Δεσμευμένη πιθανότητα και στοχαστική ανεξαρτησία Αντώνιος Οικονόμου Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής κ

Πιθανότητες και Στατιστική Ενότητα 2: Δεσμευμένη πιθανότητα και στοχαστική ανεξαρτησία Αντώνιος Οικονόμου Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής κ Πιθανότητες και Στατιστική Ενότητα 2: Δεσμευμένη πιθανότητα και στοχαστική ανεξαρτησία Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Αθήνα 2015 Παράδειγμα δεσμευμένης κλασικής πιθανότητας

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ Δειγματικός Χώρος. Ενδεχόμενα {,,..., }.

ΠΙΘΑΝΟΤΗΤΕΣ 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 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

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 2 η : Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες. Γεώργιος Ζιούτας Τμήμα

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων Ι

Στατιστική Επιχειρήσεων Ι ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 1: Στοιχεία Πιθανοθεωρίας Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2016

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2016 Βιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 06 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολο υποθέσεων και του οποίου

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

Πιθανότητες και βακτηριουρία πυελονεφρίτιδα Πιθανότητες και ο καρκίνος της μήτρας Ιατρική διάγνωση με υπολογιστές

Πιθανότητες και βακτηριουρία πυελονεφρίτιδα Πιθανότητες και ο καρκίνος της μήτρας Ιατρική διάγνωση με υπολογιστές ΠΙΘΑΝΟΤΗΤΕΣ Πιθανότητες και Στατιστική ειγματικός χώρος Ενδεχόμενα Ορισμοί και νόμοι των πιθανοτήτων εσμευμένη πιθανότητα Ολική πιθανότητα Κανόνας του Bayes Υποκειμενική πιθανότητα Πιθανότητες και βακτηριουρία

Διαβάστε περισσότερα

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ Τµ. Επιστήµης των Υλικών Εστω (Ω,A, P) ένας πιθανοθεωρητικός χώρος. Αξιωµατικός Ορισµός της Πιθανότητας (Kolmogorov) Θεωρούµε (Ω, A) έναν µετρήσιµο χώρο. Ενα πιθανοθεωρητικό µέτρο (ή µια πιθανότητα) P

Διαβάστε περισσότερα

Λύσεις 2ης Ομάδας Ασκήσεων

Λύσεις 2ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. (Μπάλες Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ (αʹ Έστω A το ενδεχόμενο να επιλέξουμε τουλάχιστον μια άσπρη μπάλα. Θα υπολογίσουμε

Διαβάστε περισσότερα

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & 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 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

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

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

Βιομαθηματικά BIO-156. Θεωρία Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017 Βιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 07 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολο υποθέσεων και του οποίου

Διαβάστε περισσότερα

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ Τµ. Επιστήµης των Υλικών εσµευµένες Πιθανότητες Εστω (Ω, A, P) ένας πιθανοθεωρητικός χώρος. Αξιωµατικός Ορισµός της Πιθανότητας (Kolmogorov) Θεωρούµε (Ω, A) έναν µετρήσιµο χώρο. Ενα πιθανοθεωρητικό µέτρο

Διαβάστε περισσότερα

Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος

Τμήμα 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 περισσότερα

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Βασικά στοιχεία της θεωρίας πιθανοτήτων Η έννοια του Πειράµατος Τύχης. 9 3 Το σύνολο των πιθανών εκβάσεων ενός πειράµατος τύχης καλείται δειγµατοχώρος ήδειγµατικόςχώρος (sample space)καισυµβολίζεταιµεωήµε S.Έναστοιχείοω ή s του δειγµατικού χώρου

Διαβάστε περισσότερα

P (A) = 1/2, P (B) = 1/2, P (C) = 1/9

P (A) = 1/2, P (B) = 1/2, P (C) = 1/9 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-1: Πιθανότητες - Χειµερινό Εξάµηνο 011 ιδάσκων : Π. Τσακαλίδης Λύσεις εύτερης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : /11/011 Ηµεροµηνία Παράδοσης : 1/11/011

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ 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 περισσότερα

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 εσµευµένη Πιθανότητα Πολλαπλασιαστικός Νόµος Ανεξάρτητα Γεγονότα Θεώρηµα Ολικής Πιθανότητας Κανόνας Bayes

Διαβάστε περισσότερα

n B ' n B = n n ΥΠΟ ΣΥΝΘΗΚΗ ('Η ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ )

n B ' n B = n n ΥΠΟ ΣΥΝΘΗΚΗ ('Η ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ ) ΥΠΟ ΣΥΝΘΗΚΗ ('Η ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ ) Ενίοτε η πραγματοποίηση ενός γεγονότος εξαρτάται από την πραγματοποίηση άλλου τινός γεγονότος. Κατ' αντιστοιχία, η πιθανότητα ενός ενδεχομένου μπορεί να εξαρτάται

Διαβάστε περισσότερα

Λύσεις 1ης Ομάδας Ασκήσεων

Λύσεις 1ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ. Ισότητα συνόλων Έστω C = A i= B i και D = i= A B i. Θα αποδείξουμε ότι τα C, D ταυτίζονται,

Διαβάστε περισσότερα

P (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ).

P (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ). Υπενθυμίσεις Παραδείγματα Ασκήσεις Μελέτη 31 Οκτωβρίου 2014 Πιθανότητες και Στατιστική Διάλεξη 7 Ασκήσεις ΙΙ Δεσμευμένη πιθανότητα, Συνδυαστικά επιχειρήματα Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο

Διαβάστε περισσότερα

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

P (B) P (B A) = P (AB) = P (B). P (A) Πιθανότητες και Στατιστική Ενότητα 2: Δεσμευμένη πιθανότητα και στοχαστική ανεξαρτησία Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Αθήνα 2015 Διαισθητική έννοια ανεξαρτησίας Διαισθητική

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

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

#(A B) = (#A)(#B). = 2 6 = 1/3,

#(A B) = (#A)(#B). = 2 6 = 1/3, Κεφάλαιο 4 Πιθανότητες και συνδυαστική Οπως είδαμε σε κάποια παραδείγματα των προηγουμένων κεφαλαίων, συχνά συναντάμε καταστάσεις όπου όλες οι δυνατές εκφάνσεις ενός τυχαίου πειράματος έχουν την ίδια πιθανότητα.

Διαβάστε περισσότερα

Στατιστική. Ενότητα 1 η : Δεσμευμένη Πιθανότητα, Ολική Πιθανότητα, Ανεξαρτησία. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

Στατιστική. Ενότητα 1 η : Δεσμευμένη Πιθανότητα, Ολική Πιθανότητα, Ανεξαρτησία. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 1 η : Δεσμευμένη Πιθανότητα, Ολική Πιθανότητα, Ανεξαρτησία Γεώργιος Ζιούτας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 7 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 26 Οκτωβρίου 2009 Η διερεύνηση, σε γενικές γραµµές, της δεσµευµένης πιθανότητας και η σύγκρισή της µε την απόλυτη πιθανότητα αποκαλύπτει

Διαβάστε περισσότερα

Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ

Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ Π ι θ α ν ό τ η τ ε ς : Ο τομέας των Εφαρμοσμένων Μαθηματικών, που ασχολείται με την αξιολόγηση κατάλληλων στοιχείων έτσι ώστε να είναι μετρήσιμη η προσδοκία μας για την πραγματοποίηση

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

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

. Τι πρακτική αξία έχουν αυτές οι πιθανότητες; (5 Μονάδες)

. Τι πρακτική αξία έχουν αυτές οι πιθανότητες; (5 Μονάδες) Εργαστήριο Μαθηματικών & Στατιστικής Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ η Πρόοδος στο Μάθημα Στατιστική //7 ο Θέμα α) Περιγράψτε τη σχέση Θεωρίας Πιθανοτήτων και Στατιστικής. β) Αν Α, Β ενδεχόμενα του δειγματικού χώρου Ω

Διαβάστε περισσότερα

Βιομαθηματικά BIO-156

Βιομαθηματικά BIO-156 ιομαθηματικά IO-56 Θεωρία Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 03 lika@biology.uo.gr Ορισμοί Τυχαίο Πείραμα: κάθε πείραμα που είναι δυνατόν να επαναληφθεί με το ίδιο σύνολουποθέσεωνκαιτουοποίουτο αποτέλεσμα

Διαβάστε περισσότερα

8 Άρα η Ϲητούµενη πιθανότητα είναι

8 Άρα η Ϲητούµενη πιθανότητα είναι ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-17: Πιθανότητες - Χειµερινό Εξάµηνο 014 ιδάσκων : Π. Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : 4/10/014 Ηµεροµηνία Παράδοσης : 5/11/014

Διαβάστε περισσότερα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Σ

ΤΜΗΜΑ 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 περισσότερα

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018 ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018 Διδάσκουσα: Β. Πιπερίγκου Σε μια ενδονοσοκομειακή έρευνα, καταγράφηκε ο χρόνος ύπνου, μετά τη χορήγηση ενός συγκεκριμένου αναισθητικού, σε 33 ασθενείς και πήραμε

Διαβάστε περισσότερα

ΙΙΙ εσµευµένη Πιθανότητα

ΙΙΙ εσµευµένη Πιθανότητα ΙΙΙ εσµευµένη Πιθανότητα 1 Λυµένες Ασκήσεις Ασκηση 1 Στρίβουµε ένα νόµισµα δύο ϕορές. Υποθέτοντας ότι και τα τέσσερα στοιχεία του δειγµατοχώρου Ω {(K, K, (K, Γ, (Γ, K, (Γ, Γ} είναι ισοπίθανα, ποια είναι

Διαβάστε περισσότερα

Πιθανότητες. Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους

Πιθανότητες. Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους Πιθανότητες Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους «Πείραμα» Tύχης Οτιδήποτε συμβαίνει και δεν γνωρίζουμε από πριν το ακριβές αποτέλεσμά του. Απασχόλησαν

Διαβάστε περισσότερα

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }.

3 ΠΙΘΑΝΟΤΗΤΕΣ. ο δειγματικός χώρος του πειράματος θα είναι το σύνολο: Ω = ω, ω,..., ω }. 3 ΠΙΘΑΝΟΤΗΤΕΣ 3.1 ΔΕΙΓΜΑΤΙΚΟΣ ΧΡΟΣ - ΕΝΔΕΧΟΜΕΝΑ Πείραμα Τύχης Ένα πείραμα του οποίου δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνεται φαινομενικά τουλάχιστον κάτω από

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ

ΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ ΚΕΦΛΙΟ Ο ΠΙΘΝΟΤΗΤΕΣ. Εισαγωγή Στην Θεωρία Πιθανοτήτων, ξεκινάµε από το λεγόµενο πείραµα δηλαδή µια διαδικασία η οποία µπορεί να επαναληφθεί θεωρητικά άπειρες φορές, κάτω από τις ίδιες ουσιαστικά συνθήκες,

Διαβάστε περισσότερα

Στην Ξένια και στην Μαίρη

Στην Ξένια και στην Μαίρη Στην Ξένια και στην Μαίρη Περιεχόμενα 3 ΠΡΟΛΟΓΟΣ Πολλές φορές θέλουμε να μελετήσουμε φαινόμενα ή συστήματα τα οποία εξελλίσονται, κυρίως αναφορικά με τον χρόνο, και των οποίων η μελλοντική συμπεριφορά

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Εισαγωγή στις Διακριτές Πιθανότητες ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage:

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

Στατιστική Ι. Ενότητα 3: Πιθανότητες. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 3: Πιθανότητες. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 3: Πιθανότητες Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

E [X ν ] = E [X (X 1) (X ν + 1)]

E [X ν ] = E [X (X 1) (X ν + 1)] Πιθανότητες και Αρχές Στατιστικής (6η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 30 Περιεχόμενα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-1: Πιθανότητες - Χειµερινό Εξάµηνο 01 ιδάσκων : Π Τσακαλίδης Λύσεις Τρίτης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : /10/01 Ηµεροµηνία Παράδοσης : /11/01

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0

ΑΣΚΗΣΕΙΣ 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 περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ

ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ ΛΓΕΡ ΛΥΚΕΙΟΥ ΠΙΘΝΟΤΗΤΕΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΙ 1 Tα πειράματα των οποίων δεν μπορούμε εκ των προτέρων να προβλέψουμε το αποτέλεσμα, μολονότι επαναλαμβάνονται (φαινομενικά τουλάχιστον) κάτω από τις ίδιες συνθήκες

Διαβάστε περισσότερα

Γνωστό: P (M) = 2 M = τρόποι επιλογής υποσυνόλου του M. Π.χ. M = {A, B, C} π. 1. Π.χ.

Γνωστό: P (M) = 2 M = τρόποι επιλογής υποσυνόλου του M. Π.χ. M = {A, B, C} π. 1. Π.χ. Παραδείγματα Απαρίθμησης Γνωστό: P (M 2 M τρόποι επιλογής υποσυνόλου του M Τεχνικές Απαρίθμησης Πχ M {A, B, C} P (M 2 3 8 #(Υποσυνόλων με 2 στοιχεία ( 3 2 3 #(Διατεταγμένων υποσυνόλων με 2 στοιχεία 3 2

Διαβάστε περισσότερα

1.2 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ

1.2 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ . ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ Ασκήσεις σχ. βιβλίου σελίδας 7 9 Α ΟΜΑΔΑΣ. Από μία τράπουλα με 5 φύλλα παίρνουμε ένα στην τύχη. Να βρείτε τις πιθανότητες των ενδεχομένων : i) Το φύλλο είναι 5 ii) Το φύλλο δεν

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

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

3.1 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 περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-: Πιθανότητες - Χειµερινό Εξάµηνο 0 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο - Συνδυαστική Ανάλυση Επιµέλεια : Σοφία Σαββάκη Θεωρία. Η ϐασική αρχή της απαρίθµησης

Διαβάστε περισσότερα

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Βασικά στοιχεία της θεωρίας πιθανοτήτων Η έννοια του Πειράµατος Τύχης. 9 3 6 Το σύνολο των πιθανών εκβάσεων ενός πειράµατος τύχης καλείται δειγµατοχώρος ή δειγµατικόςχώρος (sample space)καισυµβολίζεταιµεωήµε S.Έναστοιχείοωήsτου δειγµατικού χώρου

Διαβάστε περισσότερα

Μαθηματικά στην Πολιτική Επιστήμη:

Μαθηματικά στην Πολιτική Επιστήμη: ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά στην Πολιτική Επιστήμη: Εισαγωγή Ενότητα 4.1: Πιθανότητα Δεσμευμένη Πιθανότητα- Όρια (Ι). Θεόδωρος Χατζηπαντελής Άδειες Χρήσης

Διαβάστε περισσότερα

36 = Pr(B) = Pr(Γ E) = Pr(Γ) Pr(E) = = Pr(B) = Pr(B Γ) Pr(B) Pr(Γ) = 1 6. Pr(A B) = Pr(A) Pr(B).

36 = Pr(B) = Pr(Γ E) = Pr(Γ) Pr(E) = = Pr(B) = Pr(B Γ) Pr(B) Pr(Γ) = 1 6. Pr(A B) = Pr(A) Pr(B). Κεφάλαιο 5 Ανεξαρτησία και δεσμευμένη πιθανότητα Ας πούμε πως ένας μετεωρολόγος μάς πληροφορεί ότι, με βάση τα ιστορικά στατιστικά στοιχεία του καιρού στην Αθήνα, βρέχει μία στις 9 μέρες. Αν για κάποιο

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 8: Πιθανότητες ΙΙ Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής ΑΔΕΙΕΣ ΧΡΗΣΗΣ Το

Διαβάστε περισσότερα

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ ΕΠΙΜΕΛΕΙΑ : ΓΕΡΓΙΟΣ Ε. ΚΑΡΑΦΕΡΗΣ ΠΕ03 ΜΑΘΗΜΑΤΙΚΟΣ [] ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΡΙΑ: Πείραμα Τύχης Κάθε πείραμα κατά στο οποίο η γνώση των συνθηκών κάτω από τις οποίες εκτελείται καθορίζει πλήρως

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

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ Διακριτά Μαθηματικά Ι Ενότητα 2: Γεννήτριες Συναρτήσεις Μέρος 1 Διδάσκων: Χ. Μπούρας (bouras@cti.gr) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων ΑΓΡΙΝΙΟ ΣΤΑΤΙΣΤΙΚΗ Φραγκίσκος Κουτελιέρης Αναπληρωτής

Διαβάστε περισσότερα

α n z n = 1 + 2z 2 + 5z 3 n=0

α n z n = 1 + 2z 2 + 5z 3 n=0 Η ύλη συνοπτικά... Στοιχειώδης συνδυαστική Γεννήτριες συναρτήσεις Σχέσεις αναδρομής Θεωρία Μέτρησης Polyá Αρχή Εγκλεισμού - Αποκλεισμού Η ύλη συνοπτικά... Γεννήτριες συναρτήσεις Τι είναι η γεννήτρια Στην

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ

ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ . Να βρείτε το δειγµατικό χώρο της ρίψης ενός ζαριού.. Επιλέγουµε ένα µαθητή Λυκείου και σηµειώνουµε το φύλο και την τάξη του. Να βρείτε το δειγµατικό χώρο Ω του πειράµατος. 3. Τραβάµε ένα φύλλο από µία

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

Συνδυαστική Απαρίθμηση

Συνδυαστική Απαρίθμηση Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων «πειράματος» ή «γεγονότος» (με συνδυαστικά επιχειρήματα). «Πείραμα» ή «γεγονός»: διαδικασία με συγκεκριμένο (πεπερασμένο) σύνολο παρατηρήσιμων

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13 ΠΕΡΙΕΧΟΜΕΝΑ / 7 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... 13 Κεφάλαιο 1: Περιγραφική Στατιστική... 15 1.1 Περιγραφική και Συμπερασματική Στατιστική... 15 1.2 Μεταβλητές - Τιμές - Παρατηρήσεις... 19 1.3 Είδη μεταβλητών...

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

Περιεχόμενα 1ης Διάλεξης 1 Χρησιμότητα και σκοπός του μαθήματος 2 Τρόπος διδασκαλίας και εξέτασης 3 Βασικές έννοιες 4 Είδη δειγματοχώρων 5 Πράξεις με

Περιεχόμενα 1ης Διάλεξης 1 Χρησιμότητα και σκοπός του μαθήματος 2 Τρόπος διδασκαλίας και εξέτασης 3 Βασικές έννοιες 4 Είδη δειγματοχώρων 5 Πράξεις με Πιθανότητες και Αρχές Στατιστικής (1η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 55 Περιεχόμενα

Διαβάστε περισσότερα

ΧΑΡΑΛΑΜΠΟΣ.ΣΠ. ΛΥΚΟΥΔΗΣ - ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ

ΧΑΡΑΛΑΜΠΟΣ.ΣΠ. ΛΥΚΟΥΔΗΣ - ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Θεωρία Πιθανοτήτων Εάν οι συνθήκες τέλεσης ενός πειράματος καθορίζουν πλήρως το αποτέλεσμα του, τότε το πείραμα λέγεται αιτιοκρατικό. Είναι γνωστό ότι το αποσταγμένο νερό βράζει στους 100 βαθμού κελσίου.

Διαβάστε περισσότερα

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Εισαγωγικά Βασικοί Ορισµοί Πράξεις Γεγονότων Σχεδιάγραµµα της Υλης Βασικές Εννοιες της Θεωρίας Πιθανοτήτων

Διαβάστε περισσότερα

m + s + q r + n + q p + s + n, P Q R P Q P R Q R F G

m + s + q r + n + q p + s + n, P Q R P Q P R Q R F G Λύσεις Θεμάτων Θεμελίων των Μαθηματικών 1. Εστω A, B, C τυχόντα σύνολα. Να δειχθεί ότι A (B C) (A B) (A C). Απόδειξη. Εστω x τυχαίο στοιχείο του A (B C). Εξ ορισμού, το x ανήκει σε ακριβώς ένα από τα A,

Διαβάστε περισσότερα

ΘΕΩΡΙΑ 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 ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Πιθανότητες Πληροφορία Μέτρο

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ Αριθµητικός Μέσος: όπου : αριθµός παρατηρήσεων ιάµεσος: εάν άρτιος εάν περιττός M + + M + Παράδειγµα: ηλ.: Εάν :,,, M + + 5 + +, 5 Εάν :,, M + Επικρατούσα Τιµή:

Διαβάστε περισσότερα

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία 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 περισσότερα

Συνδυαστική Απαρίθμηση

Συνδυαστική Απαρίθμηση Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση Υπολογισμός

Διαβάστε περισσότερα

Συνδυαστική Απαρίθμηση

Συνδυαστική Απαρίθμηση Συνδυαστική Απαρίθμηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθμηση

Διαβάστε περισσότερα

Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.

Γιατί 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 περισσότερα

3.2. Ασκήσεις σχ. βιβλίου σελίδας 154 156 Α ΟΜΑ ΑΣ

3.2. Ασκήσεις σχ. βιβλίου σελίδας 154 156 Α ΟΜΑ ΑΣ . Ασκήσεις σχ. βιβλίου σελίδας 54 56 Α ΟΜΑ ΑΣ. Από µία τράπουλα µε 5 φύλλα παίρνουµε ένα στην τύχη. Να βρείτε τις πιθανότητες των ενδεχοµένων : i) Το φύλλο είναι 5 ii) Το φύλλο δεν είναι 5 i) εχόµαστε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Εισαγωγή Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 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

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

1.1 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 περισσότερα

Πιθανότητες. Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd

Πιθανότητες. Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd 1 Πιθανότητες Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος: «Σπουδές στην εκπαίδευση» ΜEd 1 2 Ενότητα 2 η Πιθανότητες Σκοπός Ο σκοπός της 2 ης ενότητας είναι οι μαθητές να αναγνωρίζουν ένα πείραμα τύχης

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

Κεφάλαιο 2: ιατάξεις και Συνδυασµοί.

Κεφάλαιο 2: ιατάξεις και Συνδυασµοί. Κεφάλαιο : ιατάξεις και Συνδυασµοί. Περιεχόµενα Εισαγωγή Βασική αρχή απαρίθµησης ιατάξεις µε και χωρίς επανατοποθέτηση Συνδυασµοί Ασκήσεις Εισαγωγή Μέχρι το τέλος αυτού του κεφαλαίου ϑα ϑεωρούµε πειράµατα

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 2: Θεωρία Πιθανοτήτων Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες Χρήσης

Διαβάστε περισσότερα

Φροντιστήριο #8 Ασκήσεις σε Πιθανότητες 15/05/2015

Φροντιστήριο #8 Ασκήσεις σε Πιθανότητες 15/05/2015 Φροντιστήριο #8 Ασκήσεις σε Πιθανότητες 15/05/2015 Άσκηση Φ8.1 Τρεις λαμπτήρες επιλέγονται τυχαία από ένα σύνολο 15 λαμπτήρων εκ των οποίων οι 5 είναι ελαττωματικοί. (α) Βρέστε την πιθανότητα κανείς από

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

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ. Δ. Α. Γεωργίου. Μάθημα 1ο

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ. Δ. Α. Γεωργίου. Μάθημα 1ο ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Δ. Α. Γεωργίου 1 Εισαγωγή Μαθηματική Θεωρία Μέτρου Εισάγει το μέτρο της αβεβαιότητας για την εξέλιξη των φυσικών φαινομένων Διαισθητική αντίληψη της έννοιας. Τι εννοεί ο μη ειδήμων όταν

Διαβάστε περισσότερα

Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Conditional Probability)

Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Conditional Probability) Δεσμευμένη (ή υπο-συνθήκη) Πιθανότητα (Condtonal robablty) Συχνά μας ενδιαφέρει η συσχέτισή 2 ενδεχομένων Α και Β, δηλ. να δούμε το κατά πόσο η γνώση του ενός από τα δύο (π.χ. Β) επηρεάζει τη πιθανότητα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ ΚΕΦΑΛΑΙΟ ΔΙΑΤΑΞΕΙΣ ΜΕΤΑΘΕΣΕΙΣ ΣΥΝΔΥΑΣΜΟΙ Εισαγωγή. Οι σχηματισμοί που προκύπτουν με την επιλογή ενός συγκεκριμένου αριθμού στοιχείων από το ίδιο σύνολο καλούνται διατάξεις αν μας ενδιαφέρει η σειρά καταγραφή

Διαβάστε περισσότερα