ΕΞΕΤΑΣΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΣΤΑΤΙΣΤΙΚΗ I: ΕΚΤΙΜΗΤΙΚΗ

Σχετικά έγγραφα
(X1 X 2 ) 2}. ( ) f 1 (x i ; θ) = θ x i. (1 θ) n x i. x i log. i=1. i=1 t2 i

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

A(θ) = n log θ B(x ) = 0. T (x ) = x i. Γ(n)θ n =

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ιωνυµική Κατανοµή(Binomial)

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

n + 1 X(1 + X). ) = X i i=1 i=1

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

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

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% )

ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Βιομαθηματικά BIO-156

3. Κατανομές πιθανότητας

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

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΙΑ ΣΥΝΤΟΜΗ ΑΝΑΣΚΟΠΗΣΗ

Κεφάλαιο 8. Εκτιµητές Bayes και εκτιµητές minimax. E θ ) g(θ)) (T(X 2, θ Θ. Το πλεονέκτηµα των δύο κριτηρίων είναι

Θεωρητικές Κατανομές Πιθανότητας

Στατιστική. Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

Σημερινό μάθημα: Εκτιμήτριες συναρτήσεις και σημειακή εκτίμηση παραμέτρων Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή συμπερασμάτων για το σ

Τυχαίες Μεταβλητές (τ.µ.)

Στατιστική. Εκτιμητική

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

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

CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ

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

Στατιστική Ι-Θεωρητικές Κατανομές Ι

Σημερινό μάθημα: Εκτιμήτριες συναρτήσεις, σημειακή εκτίμηση παραμέτρων και γραμμική παλινδρόμηση Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή

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

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

X = = 81 9 = 9

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

Δειγματικές Κατανομές

Κ Α Λ Η Ε Π Ι Τ Υ Χ Ι Α!!!!!

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

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

ΘΕΜΑ 2. Δίνονται οι συναρτήσεις

β) Αν κάποιος αριθµός α επαληθεύει την παραπάνω ανίσωση, να αποδείξετε ότι < α

Στατιστική ΙΙ Ενότητα 2: ειγµατοληψία

Πανεπιστήμιο Πελοποννήσου

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Εισαγωγή-Αµερόληπτοι Εκτιµητές

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

Να αιτιολογήσετε την απάντησή σας µε τη βοήθεια και του ερωτήµατος α). ii) Να αποδείξετε ότι ισχύει η ανισότητα 1+α < 1+ α. α+α

Στατιστική Συμπερασματολογία

Θεωρία Πιθανοτήτων & Στατιστική

ΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ

ΕΚΤΙΜΗΣΗ ΤΩΝ ΠΑΡΑΜΕΤΡΩΝ ΣΤΟ ΜΟΝΤΕΛΟ ΤΗΣ ΤΡΙΠΑΡΑΜΕΤΡΙΚΗΣ ΓΑΜΜΑ ΚΑΤΑΝΟΜΗΣ

ΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

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

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

P (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 =

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης Φεβρουάριος, /50

E [X ν ] = E [X (X 1) (X ν + 1)]

Κανονική Κατανομή. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Κανονική Κατανομή. τεχνικές. 73 άλυτες ασκήσεις.

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ... 25

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 2018 Σειρά Α Θέματα 3 ως 7 και αναλυτικές (ή σύντομες) απαντήσεις

n i P(x i ) P(X = x i ) = lim

7. α) Να λύσετε την ανίσωση x 5 <4. β) Αν κάποιος αριθμός α επαληθεύει την παραπάνω ανίσωση, να αποδείξετε ότι

Σημειώσεις Στατιστική & Πιθανότητες

ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ 2003 Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α

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

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του πέμπτου φυλλαδίου ασκήσεων.. Δηλαδή:

Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC

3. Κατανομές πιθανότητας

4.2. ΔΙΑΙΡΕΣΗ ΠΟΛΥΩΝΥΜΩΝ

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Τάσσος Δήμου. Μεθοδολογίες και λυμένες ασκήσεις. Λυμένα θέματα συναρτήσεων-μέρος Α. Εύρεση μονοτονίας σε απλές συναρτήσεις

1.1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΠΡΟΚΑΤΑΡΚΤΙΚΕΣ ΕΝΝΟΙΕΣ

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

Η «ύλη» του προπτυχιακού µαθήµατος

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς

f x g x f x g x, x του πεδίου ορισμού της; Μονάδες 4 είναι οι παρατηρήσεις μιας ποσοτικής μεταβλητής Χ ενός δείγματος μεγέθους ν και w

ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ 2011 ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΓΕΝΙΚΩΝ ΑΣΦΑΛΙΣΕΩΝ 12 ΙΟΥΛΙΟΥ 2011

Ανισώσεις. Κώστας Γλυκός. Τράπεζα θεμάτων ΜΑΘΗΜΑΤΙΚΟΣ. εκδόσεις / 1 0 /

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνεχείς τυχαίες μεταβλητές Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών

Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι:

Κεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής

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

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

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

Εφαρμοσμένη Στατιστική

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΗΜΕΡΗΣΙΩΝ

p(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

Transcript:

1 1. Εστω Y, W, Z ανεξάρτητες παρατηρήσεις από κατανοµές Poisson P(θ), P(3θ), P(4θ), αντίστοιχα, (α) (10 µονάδες) Να δειχθεί ότι η οικογένεια κατανοµών του (Y,W,Z) είναι µία ΜΕΟΚ και να (ϐ) (10 µονάδες) Να δειχθεί ότι ο ΑΟΕ εκτιµητής του g(θ) = e 3θ είναι ο δ = (11/8) Y +W+Z. 2. Εστω Y 1,...,Y n, n 2, τυχαίο δείγµα από κανονική κατανοµή N(µ,σ 2 ), θ = (µ,σ 2 ) Θ = (α) (15 µονάδες) Να ϐρεθεί ο ΕΜΠ του µ 2 /σ 2. (ϐ) (10 µονάδες) Να κατασκευασθεί ένα 100(1 α)% διάστηµα εµπιστοσύνης για το 1/σ. (γ) (10 µονάδες) Να εκτιµηθεί το σ µε ένα 99% διάστηµα εµπιστοσύνης αν σε δείγµα µεγέθους δέκα παρατηρήσαµε y i = 30, yi 2 = 120. 3. Εστω W 1,...,W n τυχαίο δείγµα από κατανοµή Bernoulli B(1,θ), θ Θ = (0,1). (ϐ) (10 µονάδες) Να ϐρεθεί η ασυµπτωτική κατανοµή του log θ.

2 1. Εστω U, V, W ανεξάρτητες παρατηρήσεις από κατανοµές Poisson P(θ), P(2θ), P(6θ), αντίστοιχα, (α) (10 µονάδες) Να δειχθεί ότι η οικογένεια κατανοµών του (U,V,W) είναι µία ΜΕΟΚ και να (ϐ) (10 µονάδες) Να δειχθεί ότι ο ΑΟΕ εκτιµητής του g(θ) = e 2θ είναι ο δ = (11/9) U+V +W. 2. Εστω V 1,...,V n, n 2, τυχαίο δείγµα από κανονική κατανοµή N(µ,σ 2 ), θ = (µ,σ 2 ) Θ = (α) (15 µονάδες) Να ϐρεθεί ο ΕΜΠ του µ/σ. (ϐ) (10 µονάδες) Να κατασκευασθεί ένα 100(1 α)% διάστηµα εµπιστοσύνης για το 1/σ 3. (γ) (10 µονάδες) Να εκτιµηθεί το σ 3 µε ένα 95% διάστηµα εµπιστοσύνης αν σε δείγµα µεγέθους οκτώ παρατηρήσαµε v i = 32, vi 2 = 180. 3. Εστω U 1,...,U n τυχαίο δείγµα από κατανοµή Bernoulli B(1,θ), θ Θ = (0,1). (ϐ) (10 µονάδες) Να ϐρεθεί η ασυµπτωτική κατανοµή του θ 2.

3 1. Εστω X, U, Z ανεξάρτητες παρατηρήσεις από κατανοµές Poisson P(2θ), P(3θ), P(5θ), αντίστοιχα, (α) (10 µονάδες) Να δειχθεί ότι η οικογένεια κατανοµών του (X,U,Z) είναι µία ΜΕΟΚ και να (ϐ) (10 µονάδες) Να δειχθεί ότι ο ΑΟΕ εκτιµητής του g(θ) = e 7θ είναι ο δ = (17/10) X+U+Z. 2. Εστω W 1,...,W n, n 2, τυχαίο δείγµα από κανονική κατανοµή N(µ,σ 2 ), θ = (µ,σ 2 ) Θ = (α) (15 µονάδες) Να ϐρεθεί ο ΕΜΠ του σ/µ. (ϐ) (10 µονάδες) Να κατασκευασθεί ένα 100(1 α)% διάστηµα εµπιστοσύνης για το σ. (γ) (10 µονάδες) Να εκτιµηθεί το 1/σ µε ένα 90% διάστηµα εµπιστοσύνης αν σε δείγµα µεγέθους δώδεκα παρατηρήσαµε w i = 36, wi 2 = 150. 3. Εστω Y 1,...,Y n τυχαίο δείγµα από κατανοµή Bernoulli B(1,θ), θ Θ = (0,1). (ϐ) (10 µονάδες) Να ϐρεθεί η ασυµπτωτική κατανοµή του 1/ θ.

4 1. Εστω X, Y, V ανεξάρτητες παρατηρήσεις από κατανοµές Poisson P(2θ), P(4θ), P(6θ), αντίστοιχα, (α) (10 µονάδες) Να δειχθεί ότι η οικογένεια κατανοµών του (X,Y,V ) είναι µία ΜΕΟΚ και να (ϐ) (10 µονάδες) Να δειχθεί ότι ο ΑΟΕ εκτιµητής του g(θ) = e 5θ είναι ο δ = (17/12) X+Y +V. 2. Εστω U 1,...,U n, n 2, τυχαίο δείγµα από κανονική κατανοµή N(µ,σ 2 ), θ = (µ,σ 2 ) Θ = (α) (15 µονάδες) Να ϐρεθεί ο ΕΜΠ του σ 3 /µ 3. (ϐ) (10 µονάδες) Να κατασκευασθεί ένα 100(1 α)% διάστηµα εµπιστοσύνης για το σ 3. (γ) (10 µονάδες) Να εκτιµηθεί το 1/σ 3 µε ένα 80% διάστηµα εµπιστοσύνης αν σε δείγµα µεγέθους έξι παρατηρήσαµε u i = 18, u 2 i = 80. 3. Εστω Z 1,...,Z n τυχαίο δείγµα από κατανοµή Bernoulli B(1,θ), θ Θ = (0,1). (ϐ) (10 µονάδες) Να ϐρεθεί η ασυµπτωτική κατανοµή του θ.

Χρήσιµες (και µη) κατανοµές ιωνυµική Αν X B(n,p), n {1,2,...}, 0 < p < 1, τότε ( ) n f(x) = p x (1 p) n x I x {0,1,...,n} (x) και E(X) = np, Var(X) = np(1 p). Poisson Αν X P(λ), λ > 0, τότε λ λx f(x) = e x! I {0,1,2,...}(x) και E(X) = Var(X) = λ. Εκθετική Αν X E(λ), λ > 0, τότε f(x) = 1 λ e x/λ I (0, ) (x) και E(X) = λ, Var(X) = λ 2. Οµοιόµορφη Αν X U(α,β), α < β, τότε f(x) = 1 β α I (α,β)(x). και E(X) = (α + β)/2, Var(X) = (β α) 2 /12. Γάµµα Αν X G(α,β), α,β > 0, τότε f(x) = xα 1 e x/β Γ(α)β α I (0, ) (x) και E(X) = αβ, Var(X) = αβ 2. Κανονική Αν X N(µ,σ 2 ), µ R, σ > 0, τότε f(x) = 1 σ 1 2π e 2σ 2 (x µ)2 I R (x) και E(X) = µ, Var(X) = σ 2. α = P(χ 2 m > χ 2 m,α) 0 χ 2 m,α α α m 0.995 0.99 0.975 0.95 0.9 0.1 0.05 0.025 0.01 0.005 1.000039.000157.000982.003932.015790 2.706 3.841 5.024 6.635 7.879 2.010025.020100.050636.102586.210721 4.605 5.991 7.378 9.210 10.597 3.0717.1148.2158.3518.5844 6.251 7.815 9.348 11.345 12.838 4.2070.2971.4844.7107 1.0636 7.779 9.488 11.143 13.277 14.860 5.4118.5543.8312 1.1455 1.6103 9.236 11.070 12.832 15.086 16.750 6.6757.8721 1.2373 1.6354 2.2041 10.645 12.592 14.449 16.812 18.548 7.9893 1.2390 1.6899 2.1673 2.8331 12.017 14.067 16.013 18.475 20.278 8 1.3444 1.6465 2.1797 2.7326 3.4895 13.362 15.507 17.535 20.090 21.955 9 1.7349 2.0879 2.7004 3.3251 4.1682 14.684 16.919 19.023 21.666 23.589 10 2.1558 2.5582 3.2470 3.9403 4.8652 15.987 18.307 20.483 23.209 25.188 11 2.6032 3.0535 3.8157 4.5748 5.5778 17.275 19.675 21.920 24.725 26.757 12 3.0738 3.5706 4.4038 5.2260 6.3038 18.549 21.026 23.337 26.217 28.300 Ποσοστιαία σηµεία της κατανοµής χ 2 m.