Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

Σχετικά έγγραφα
Περιεχόµενα. Πρόλογος Ιστορική εξέλιξη της πιθανοκρατικής αντίληψης... 13

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

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

3. Κατανομές πιθανότητας

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

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

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

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

σ.π.π. Γεωμετρικής Κατανομής με p=0, Αριθμός επιτυχιών μέχρι την πρώτη επιτυχία

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

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

Στατιστική Ι. Ενότητα 5: Θεωρητικές Κατανομές Πιθανότητας. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης

Διωνυμική Κατανομή. x Αποδεικνύεται ότι για την διωνυμική κατανομή ισχύει: Ε(Χ)=np και V(X)=np(1-p).

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

Θεωρητικές Κατανομές Πιθανότητας

Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών

= 14 = 34 = Συνδυαστική Ανάλυση

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Τυχαία μεταβλητή (τ.μ.)

Πανεπιστήμιο Πελοποννήσου

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

ΑΝΑΛΥΣΗ ΚΑΤΗΓΟΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ. Σ. ΖΗΜΕΡΑΣ Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικών- Χρηματοοικονομικών Μαθηματικών Σάμος

P(200 X 232) = =

Υπολογιστικά & Διακριτά Μαθηματικά

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ

II. Τυχαίες Μεταβλητές

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη

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

Τυχαίες Μεταβλητές. Ορισμός

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

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

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

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

Μέθοδος μέγιστης πιθανοφάνειας

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

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

ρ. Ευστρατία Μούρτου

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

Στατιστική Ι-Θεωρητικές Κατανομές Ι

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

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

Λύσεις 4ης Ομάδας Ασκήσεων

Τυχαία Μεταβλητή (Random variable-variable aléatoire)

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

Στατιστική Συμπερασματολογία

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

ΚΑΤΑΝΟΜΈΣ. 8.1 Εισαγωγή. 8.2 Κατανομές Συχνοτήτων (Frequency Distributions) ΚΕΦΑΛΑΙΟ

Στοχαστικές Στρατηγικές

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

Δειγματοληψία. 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:

Στατιστική Συμπερασματολογία

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΗΜΕΡΗΣΙΩΝ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

Βιομαθηματικά BIO-156

Ασκήσεις στις κατανομές και ειδικά στην διωνυμική κατανομή και κανονική κατανομή

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Στην περίπτωση της συνεχούς Τ.Μ. η μάζα πιθανότητας σε κάθε σημείο είναι μηδέν.

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 7. Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2015 ΕΚΦΩΝΗΣΕΙΣ

Δειγματοληψία. 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:

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

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

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

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

ΚΕΦΑΛΑΙΟ 3 ΤΟ ΔΙΩΝΥΜΙΚΟ ΘΕΩΡΗΜΑ

& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΗΜΕΡΗΣΙΩΝ

ΟΔΕ 2116 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ ΣΕΛΙΔΑ: 1 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Στατιστική. Εκτιμητική

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις

1 x-μ - 2 σ. e σ 2π. f(x) =

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΕΞΕΤΑΣΤΙΚΗ ΣΕΠΤΕΜΒΡΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% ) ΛΥΣΗ: ( 2 ) μόνο για αυτή την τιμή ισχύει

Στατιστική Ι-Πιθανότητες Ι

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

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

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018

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

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4.

συγκέντρωση της ουσίας στον παραπόταμο είναι αυξημένη σε σχέση με τον ίδιο τον ποταμό;

159141,9 64 x n 1 n

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΗΜΕΡΗΣΙΩΝ

Εργαστήριο Μαθηµατικών & Στατιστικής. 1 η Πρόοδος στο Μάθηµα Στατιστική 5/12/08 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ. 3 ο Θέµα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Transcript:

Η ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Ενδιαφερόμαστε για την απλούστερη μορφή πειραματικής διαδικασίας, όπου η έκβαση των αποτελεσμάτων χαρακτηρίζεται μόνο ως "επιτυχής" ή "ανεπιτυχής" (δοκιμές Beroulli). Ορίζουμε λοιπόν μία τυχαία μεταβλητή Χ που λαμβάνει μόνο δύο τιμές, μία για κάθε δυνατή έκβαση του πειράματος. Αν για παράδειγμα ορίσουμε τη μεταβλητή Χ που εκφράζει μια δοκιμή Beroulli όπου, X 1,, ί ή Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την p X p, ( x) 1 p, x 1 x όπου p είναι η πιθανότητα επιτυχίας. Η μέση τιμή αυτής της τυχαίας μεταβλητής είναι: Ε[Χ] = (1)p + ()(1-p) = p και Var[X] = (1-p) 2 p + (-p) 2 (1-p) =(1-p)p(1-p+p) =(1-p)p. Η συγκεκριμένη επιλογή τιμών για την Χ, οδηγεί σε μέση τιμή ίση με την πιθανότητα επιτυχίας έκβασης του πειράματος. Σε μία ακολουθία επαναλαμβανόμενων δοκιμών όπου: επαναλήψεις του πειράματος είναι στατιστικά ανεξάρτητες ανά δύο κάθε μία έχει διττή έκβαση (επιτυχή ή ανεπιτυχή) η πιθανότητα επιτυχίας παραμένει η ίδια για κάθε επανάληψη του πειράματος διακρίνουμε τα χαρακτηριστικά της κατανομής Beroulli. Η πιθανότητα ανεπιτυχούς έκβασης ενός πειράματος σε μια ακολουθία Beroulli, συμβολίζεται στο εξής με q. Προφανώς q=1-p. Παράδειγμα 2.6.1 Σε μια ακολουθία τριών δοκιμών Beroulli, η ύπαρξη μιας επιτυχίας και δύο αποτυχιών μπορεί να συμβεί με ένα από τους ακόλουθους τρόπους

πιθανότητα 1 η Δοκιμή 2 η Δοκιμή 3 η Δοκιμή Χ 1 Χ 2 Χ 3 1 1 1 Έτσι, η πιθανότητα να συμβεί την πρώτη φορά επιτυχία θα είναι Ρ(επιτυχία στην πρώτη δοκιμή) = Ρ((Χ 1 =1)(Χ 2 =)(Χ 3 =)) = Ρ((Χ 1 =1)Ρ(Χ 2 =)Ρ(Χ 3 =) = pqq = pq 2 Αντίστοιχα προκύπτει ότι Ρ(επιτυχία στην δεύτερη δοκιμή) = qpq = pq 2 Ρ(επιτυχία στην τρίτη δοκιμή) = qqp = pq 2 Αν στην ακολουθία των τριών δοκιμών οριστεί η τ.μ. Υ του πλήθους επιτυχιών, αυτή θα παίρνει τιμές,1,2 ή 3 Έτσι, η πιθανότητα Ρ μιας μόνο επιτυχίας σε τρεις δοκιμές είναι: Ρ(Υ=1) = Ρ((επιτυχία στην α δοκιμή)(επιτυχία στην β δοκιμή)(επιτυχία στην γ δοκιμή)) = Ρ(επιτυχία στην α δοκιμή)+ρ(επιτυχία στην β δοκιμή)+ρ(επιτυχία στην γ δοκιμή) = 3 pq 2 α.σ.κ. Δυωνυμικής Κατανομής, =8, p=,6 1,2 1,8,6,4,2 1 2 3 4 5 6 7 8 9 1 11 12 13 14 αριθμός επιτυχιών

πιθανότητα σ.π.π. Δυωνυμικής Κατανομής =8, p=,6,35,3,25,2,15,1,5 1 2 3 4 5 6 7 8 9 1 11 12 13 14 αριθμός επιτυχιών Κατανομή Beroulli ή Διωνυμική κατανομή με παραμέτρους p, IR, p+q=1 και Ζ. Η σ.π.π. είναι f(k) = Ρ(Υ=k) = p k q -k k (k είναι η τιμή της διακριτής τ.μ. Υ). Προφανώς, η α.σ.κ. είναι F(k) = P(Υk)= j k p j j j q Σημείωση 2.6.1 Αν θεωρήσουμε ότι k=, τότε η προηγούμενη σχέση γίνεται F() = P(Υ)= j p j j j q Που είναι το ανάπτυγμα του διωνύμου του Newto, δηλαδή: F() = (p+q) = 1 ΠΑΡΑΔΕΙΓΜΑ: Σε μια διαδικασία Beroulli η πιθανότητα επιτυχίας είναι,2. Να βρεθεί ο αριθμός των ανεξαρτήτων δοκιμών που πρέπει να εκτελεσθούν ώστε η πιθανότητα μιας τουλάχιστον επιτυχίας να είναι μεγαλύτερη ή ίση του,5. Η Τ.Μ. Χ εκφράζει τον αριθμό των επιτυχιών. Ζητείται η τιμή του έτσι ώστε Ρ(Χ > 1) >,5 Η πιθανότητα του συμβάντος Χ > 1 προκύπτει αν αθροίσουμε τις τιμές της Σ.Π.Π., x που είναι f ( x / p) p q x x

Γιατί το συμβάν Χ > 1 πραγματοποιείται όταν συμβεί ένα από τα συμβάντα χ=1, χ=2,, χ=, x x ( 1).2.8 1.2.8 1 (.8) PX x1 x Άρα: 1 8 5 8 5 1 (.8) log log 2 1 1 1 1 [.939 1].69897 1 3.16 4. ΘΕΜΑ : Ένα σύστημα επιθεώρησης ποιοτικού ελέγχου απαιτεί ότι από την ημερήσια παραγωγή μίας γραμμής παραγωγής, ένα δείγμα 1 παραγόμενων προϊόντων επιλέγεται και ελέγχεται. Αν 2 ή περισσότερα στοιχεία του δείγματος είναι ελαττωματικά, ολόκληρη η ημερήσια παραγωγή καταστρέφεται. Αν η πιθανότητα ενός να παραχθεί ένα ελαττωματικό αντικείμενο είναι,5 ποια είναι η πιθανότητα απόρριψης ολόκληρης της ημερήσιας παραγωγής; Θέμα εξέτασης Σεπτεμβρίου 21 Αντιπαράδειγμα 1.5.8 Beroulli Μια μηχανή κατασκευάζει 12 πηνία ανά ώρα. Από αυτά 5% δεν ανταποκρίνονται στο πρότυπο της εταιρείας. Ποια η πιθανότητα να βρεθούν 3 ελαττωματικά πηνία σε έλεγχο τυχαία επιλεγμένου δείγματος 6 πηνίων; Αν χρησιμοποιηθεί η κατανομή Beroulli, η πιθανότητα στο δείγμα των 6 να υπάρχουν 3 μη αποδεκτά πηνία θα είναι: Ρ = 12,5 3,95 3 =,86 6 Το αποτέλεσμα δεν είναι σωστό διότι στο σύνολο των 12 πηνίων υπάρχουν μόλις 6 μη αποδεκτά. Δύσκολα κανείς περιμένει ότι σε τυχαία επιλογή 6 πηνίων θα είναι σχεδόν βέβαιο (Ρ=,86) ότι θα επιλέγονται τόσα πολλά μη αποδεκτά πηνία. Προφανώς το λάθος βρίσκεται στο ότι όταν επιλεγεί ένα πηνίο, η επόμενη επιλογή θα γίνει από πληθυσμό με 119 πηνία. Έτσι δεν ισχύει η στατιστική ανεξαρτησία των δοκιμών, που είναι μία από τις τρείς απαραίτητες προϋποθέσεις για την κατανομή Beroulli. Η ορθή απάντηση βρίσκεται ως εξής: Το σύνολο των δυνατών εξάδων που είναι δυνατό να επιλεγούν ως δείγμα σε διάρκεια 12 μίας ώρας είναι. Επειδή είναι γνωστό ότι το 5% αυτών είναι μη αποδεκτά, απομένουν 6 114 πηνία προς χρήση. Άρα οι τριάδες που έχουν τρία ακριβώς παραδεκτά πηνία είναι δυνατό

να επιλεγούν με 114 τρόπους. Οι τριάδες με τα τρία μη παραδεκτά είναι 3 3 των επιτυχών περιπτώσεων είναι το γινόμενο να είναι Ρ =,13. 2.3 Beroulli 6 3 3 6. Το σύνολο 114. Έτσι η πιθανότητα υπολογίζεται Μια τυχαία μεταβλητή θα λέγεται τ.μ. Beroulli (James Beroulli ελβετός μαθηματικός) αν για p (,1) η προσδοκώμενη τιμή E[X] = 1 P(X=1) + P(X=) = p (Η προσδοκώμενη τιμή μιάς τ.μ. Beroulli είναι η πιθανότητα ότι η τιμή της είναι 1). Κάθε δοκιμή έχει δύο μόνο δυνατά αποτελέσματα. Πιθανότητα πραγματοποίησης του ενδεχομένου είναι σταθερή (ίδια για όλες τις δοκιμές) Οι δοκιμές είναι στατιστικά ανεξάρτητες. Παράδειγμα 1. 8. 2 Δυο ισοδύναμοι παίκτες παίζουν σκάκι.α) Ποιο είναι το πιο πιθανό να κερδίσει κάποιος από τα 4 τα 3 παιχνίδια ή από τα 8 τα 5; Β) Να κερδίσει τουλάχιστον τα 3 από τα 4 ή τουλάχιστον τα 5 από τα 8. Ξέρουμε πως οι δυο παίκτες είναι ισοδύναμοι άρα η πιθανότητα νίκης και η ήττας είναι ίδια. p = q = ½ Πιθανότητα νίκης στις 3 από τις 4 παρτίδες είναι : Ρ (3 ακριβώς στις 4 παρτίδες) = (4! / 3!) 1/16 = ¼ Πιθανότητα νίκης στις 5 από τις 8 παρτίδες είναι : Ρ (5 ακριβώς στις 8 παρτίδες) = (8! /(5!3!))(1/256) = 7/32 Άρα η πιθανότητα να κερδίσει κάποιος τις 3 από τις 4 είναι μεγαλύτερη.

Πιθανότητα νίκης τουλάχιστον στις 3 από τις 4 παρτίδες είναι : P(τουλάχιστον 3 στις 4 παρτίδες) = Ρ(3 στις 4) + Ρ(4 στις 4) = 1/4+1/16=5/16 Πιθανότητα νίκης στις 5 από τις 8 παρτίδες είναι: P(τουλάχιστον 5 στις 8 παρτίδες) = Ρ (5 στις 8) + Ρ(6 στις 8) + Ρ(7 στις 8) + Ρ(8 στις 8) = 7/32 + (28 + 8 + 1) 1/256 = 93/256 παρτίδες είναι μεγαλύτερη πιθανότητα να κερδίσει κάποιος τουλάχιστον τις 5 από τις 8 Παράδειγμα 1. 8. 3 (Γραπτή εξέταση Ιουνίου 25) Σε επαναλαμβανόμενο τυχερό παιχνίδι παίζουμε το ποσό α κάθε φορά. Η πιθανότητα να κερδίσουμε το ίδιο ποσό είναι,46 και η πιθανότητα να χάσουμε είναι,54. Ποιά η πιθανότητα σε = 25 παιχνίδια να έχουμε χάσει τουλάχιστον 15α ; Που τείνει η παραπάνω πιθανότητα όταν ; Για να χάσει κανείς 15 α σημαίνει ότι στις 25 δοκιμές έχασε τις 2 και κέρδισε τις 5. Η κατανομή έχει τα χαρακτηριστικά της διωνυμικής και έτσι, 25 P (2 ώ / 25έ ) (,54 2 2 5 )(,46 ),486 Επειδή ζητούμε την πιθανότητα να χάσει τουλάχιστον 15 α, θα υπολογιστούν αντίστοιχα και οι περιπτώσεις να χάσει 21, 22, 23, 24 και 25 παιχνίδια. Τελικά η ζητούμενη πιθανότητα είναι P ( ά 2 ώ / 25έ ),6563 Σε δοκιμές θα πρέπει να χάσει x φορές και να κερδίσει y φορές, έτσι ώστε

x y x y 15 Από όπου x 15 2 Έτσι, 15 P( ά ώ / έ ) 2 15 i 2 i (,54 )(,46 i 1 Το όριο του αθροίσματος αυτού προσεγγίζεται με τη βοήθεια του Θεωρήματος DeMoivre Laplace (βλέπε Α.Papoulis σελ 61) και είναι,54.