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

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

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

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά

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

Βιομαθηματικά BIO-156

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

1. Πείραμα τύχης. 2. Δειγματικός Χώρος ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Εισαγωγή στο μάθημα Πιθανότητες - Στατιστική. Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

Στατιστική Επιχειρήσεων Ι

Θεωρία Πιθανοτήτων & Στατιστική

1. Βασικές Έννοιες - Προτάσεις Θεωρίας Πιθανοτήτων

Στοχαστικές Στρατηγικές

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ

3/10/2016. Στατιστική Ι. 1 η Διάλεξη

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

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

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

Θεωρία Πιθανοτήτων & Στατιστική

Ορισμός της Πιθανότητας (Ι)

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

ΠΙΘΑΝΟΤΗΤΕΣ. Ερωτήσεις του τύπου «Σωστό - Λάθος»

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

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

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

Βασικά στοιχεία της θεωρίας πιθανοτήτων

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

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

ΚΕΦΑΛΑΙΟ 1 Ο ΠΙΘΑΝΟΤΗΤΕΣ

ΧΑΡΑΛΑΜΠΟΣ.ΣΠ. ΛΥΚΟΥΔΗΣ - ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Α ΕΝΟΤΗΤΑ. Πιθανότητες. Α.1 (1.1 παρ/φος σχολικού βιβλίου) Α.2 (1.2 παρ/φος σχολικού βιβλίου) Δειγματικός χώρος - Ενδεχόμενα. Η έννοια της πιθανότητας

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

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

ΣΤΟΙΧΕΙΑ ΑΛΓΕΒΡΑΣ. 1. Συνδυαστική ανάλυση Μεταθέσεις

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Μέρος ΙΙ. Τυχαίες Μεταβλητές

ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ

Π Ι Θ Α Ν Ο Τ Η Τ Ε Σ

Πιθανότητες & Στατιστική. Μέρος I. Εισαγωγή στις Πιθανότητες. Τυχαία Πειράματα (φαινόμενα)

Θέμα 1 ο (ΜΑΪΟΣ 2004, ΜΑΪΟΣ 2008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Απόδειξη

1.1 Πείραμα Τύχης - δειγματικός χώρος

Μάθηµα 1 ο. Πιθανότητα-Έννοιες και Ορισµοί. Στο µάθηµα αυτό θα αναφερθούµε σε βασικές έννοιες και συµβολισµούς της θεωρίας πιθανοτήτων.

Υπολογιστικά & Διακριτά Μαθηματικά

ΠΙΘΑΝΟΤΗΤΕΣ Α ΛΥΚΕΙΟΥ Ανδρεσάκης Δ. ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΠΙΘΑΝΟΤΗΤΕΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες

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

Μαθηματικά στην Πολιτική Επιστήμη:

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης;

ΓΕΝΙΚΟ ΛΥΚΕΙΟ Λ. ΑΙΔΗΨΟΥ ΣΧΟΛ. ΕΤΟΣ ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ ΙΟΥΝΙΟΥ ΑΛΓΕΒΡΑ Α ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ

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

Πιθανότητες και Στοχαστικές ιαδικασίες Θόρυβος µετρήσεων είκτης Χρηµατιστηρίου Σήµα Πληροφορίας (φωνή, data) Ατµοσφαιρικός Θόρυβος Πως δηµιουργείται

ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΝΕΣΤΟΡΙΟΥ

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

Συνδυαστική Απαρίθμηση Υπολογισμός αριθμού διαφορετικών αποτελεσμάτων πειράματος (με συνδυαστικά επιχειρήματα)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

P (A B) = P (A) + P (B) P (A B).

Στην Ξένια και στην Μαίρη

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Τι είδαμε την προηγούμενη φορά

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ (ημιτελές Version )

5. 1 ΣΥΝΟΛΑ. Η έννοια του συνόλου

Συνδυαστική Απαρίθμηση

5. 2 ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ- ΕΝΔΕΧΟΜΕΝΑ

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C

Συνδυαστική Ανάλυση. Υπολογισμός της πιθανότητας σε διακριτούς χώρους με ισοπίθανα αποτελέσματα:

ΚΕΦΑΛΑΙΟ 2 ΔΙΑΤΑΞΕΙΣ, ΜΕΤΑΘΕΣΕΙΣ, ΣΥΝΔΥΑΣΜΟΙ

K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων

Διατάξεις με επανάληψη: Με πόσους τρόπους μπορώ να διατάξω r από n αντικείμενα όταν επιτρέπονται επαναληπτικές εμφανίσεις των αντικειμένων; Στην αρχή

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

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ

ΔΙΑΓΩΝΙΣΜΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ 89. Ύλη: Πιθανότητες Το σύνολο R-Εξισώσεις Σ Λ 2. Για τα ενδεχόμενα Α και Β ισχύει η ισότητα: A ( ) ( ') ( ' )

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

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

Πιθανότητες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Γενικής κεφάλαιο 3 94 ασκήσεις. Kglykos.gr. εκδόσεις. Καλό πήξιμο. Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α

Τι είδαμε την προηγούμενη φορά

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ( Version ) 2001

P(n, r) = n r. (n r)! n r. n+r 1

Η έννοια του συνόλου. Εισαγωγικό κεφάλαιο 27

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f =

Υπολογιστικά & Διακριτά Μαθηματικά

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος

HY118-Διακριτά Μαθηματικά

Συνδυαστική Απαρίθμηση

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

Συνδυαστική Απαρίθμηση

ΗΥ118: Διακριτά Μαθηματικά - Εαρινό Εξάμηνο 2018 Τελική Εξέταση Ιουνίου Λύσεις

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Συνδυαστική Απαρίθμηση

Transcript:

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. Οι διακριτές αυτές μονάδες αποτελούν στοιχεία του συνόλου. Σύνολο με ένα στοιχείο ονομάζεται μονομελές, με δύο διμελές κτλ. Το σύνολο που δεν διαθέτει καθόλου στοιχεία ονομάζεται κενό σύνολο και συμβολίζεται με Παραδείγματα συνόλων :

Βασικά σύνολα: Θεωρία Συνόλων

Θεωρία Συνόλων Ίσα σύνολα: Ιδιότητες ισότητας συνόλων:

Θεωρία Συνόλων Υποσύνολα: Ιδιότητες υποσυνόλων: Α Β

Θεωρία Συνόλων Πράξεις συνόλων: 1. Ένωση συνόλων Ιδιότητες ένωσης συνόλων: A U B

Θεωρία Συνόλων Πράξεις συνόλων: 2. Τομή συνόλων Ιδιότητες τομής συνόλων: A B

Πράξεις συνόλων: 3. Διαφορά συνόλων Θεωρία Συνόλων

Θεωρία Συνόλων Βασικό σύνολο Συμπλήρωμα συνόλου:

Θεωρία Συνόλων Βασικό σύνολο Συμπλήρωμα συνόλου: Ιδιότητες :

Θεωρία Συνόλων Βασικό σύνολο Συμπλήρωμα συνόλου: Ιδιότητες :

Βασικές Έννοιες Πιθανοτήτων Δειγματοχώρος (Ω): Πρόκειται για το σύνολο όλων των δυνατών εκβάσεων ενός πειράματος ή μίας διαδικασίας με αβέβαιο αποτέλεσμα (στοχαστική διαδικασία). Οι δειγματοχώροι διακρίνονται σε συνεχείς και διακριτούς (πεπερασμένοι). Απλό Γεγονός (ενδεχόμενο): Ονομάζεται κάθε δυνατό αποτέλεσμα του πειράματος ή της διαδικασίας (αποτελεί στοιχείο του δειγματοχώρου). Γεγονός αποτελεί ένα υποσύνολο του δειγματοχώρου. Παράδειγμα : Δειγματοχώρος: Ω = {1, 2, 3, 4, 5, 6} Απλό γεγονός: Α = {3} Γεγονός : Β = {2, 3, 4} Βέβαιο Γεγονός (ενδεχόμενο): Ο δειγματοχώρος αποτελεί ένα βέβαιο γεγονός Ασυμβίβαστα γεγονότα = Ανεξάρτητα ενδεχόμενα

Βασικές Έννοιες Πιθανοτήτων Κατά αντιστοιχία με τη θεωρία συνόλων: Αδύνατο Γεγονός (ενδεχόμενο): Ένα κενό σύνολο αποτελεί αδύνατο γεγονός Η ένωση δύο γεγονότων σημαίνει ότι πραγματοποιείται ένα από τα δύο γεγονότα Η τομή δύο γεγονότων σημαίνει ότι τα δύο γεγονότα πραγματοποιούνται ταυτόχρονα. Το συμπλήρωμα Α ενός γεγονότος Α σημαίνει ότι το γεγονός Α δεν πραγματοποιείται Η διαφορά δύο γεγονότων Α-Β σημαίνει ότι πραγματοποιείται το γεγονός Α και δεν πραγματοποιείται ταυτόχρονα το γεγονός Β

Βασικές Έννοιες Πιθανοτήτων Παράδειγμα Κατά τη ρίψη δύο ζαριών ορίζουμε ως γεγονός Α το σύνολο των αποτελεσμάτων το οποίο διαιρείται ακριβώς με το αριθμό 3. Α = { (χ,y) x+y διαιρετό δια 3 } Ως γεγονός Β ορίζεται το σύνολο των αποτελεσμάτων για τα οποία και οι δύο αριθμοί είναι περιττοί αριθμοί Β = { (χ,y) x, y περιττοί } Α = { 1,2), (2,1), (1,5), (5,1), (2,4), (4,2), (3,3), (3,6), (6,3),(6,6) } Β = { 1,1), (1,3), (3,1), (1,5), (5,1), (3,3), (3,5), (5,3), ), (5,5) } AB {(1,5),(5,1),(3,3)} B A{(1,1),(1,3),(3,1),(3,5),(5,3),(5,5)}

Βασικές Έννοιες Πιθανοτήτων Ασυμβίβαστα ενδεχόμενα: A B Στοχαστικός Ορισμός Πιθανότητας: Η πιθανότητα ενός γεγονότος Α είναι η σχετική συχνότητα πραγματοποίησης Του γεγονότος σε ένα μεγάλο αριθμό επαναλήψεων ενός πειράματος Αξιωματικός Ορισμός Πιθανότητας: Έστω S ένας δειγματοχώρος και P μία πραγματική συνάρτηση τέτοια ώστε σε Κάθε γεγονός Α του S να αντιστοιχεί ένας πραγματικός P(A). Η συνάρτηση P θα ονομάζεται συνάρτηση πιθανότητας και η τιμή της P(A) πιθανότητα, αν ικανοποιει τα εξής δικαιώματα:

Αξίωμα 1: Για κάθε γεγονός Α του S ισχύει: PA ( ) 0 Αξίωμα 2: Για το βέβαιο γεγονός S ισχύει: PS ( ) 1 Αξίωμα 3: Αν τα γεγονότα Α1, Α2, Αn του S είναι ανα δύο ασυμβίβαστα, δηλαδή A i A j Για κάθε i, j = 1, 2,, n τότε: P( A A... A ) P( A ) P( A )... P( A ) 1 2 n 1 2 n Ιδιότητες Πιθανοτήτων: 1. Αν A A 1 2 2. 1 τότε 0 PA ( ) 1 P( A ) ( ) P( A A ) P( A ) P( A ) 1 P A2 και 2 1 2 1

Ιδιότητες Πιθανοτήτων: 3. P( ) 0 4. Αν A είναι το συμπλήρωμα του Α, τότε: P( A) 1 P( A) 5. Αν A A1 A2... An, όπου Α1, Α2, Αn είναι n γεγονότα ανα δύο ασυμβίβαστα, τότε: P A P A1 P A2 P A n ( ) ( ) ( )... ( ) Ειδικότερα αν A=S τότε: P A1 P A2 P A n ( ) ( )... ( ) 1 6. Αν Α και Β είναι δύο οποιαδήποτε γεγονότα, τότε: P( A B) P( A) P( B) P( A B)

7. Αν Α και Β είναι δύο οποιαδήποτε γεγονότα, τότε: P( A) P( A B) P( A B) 8. Έστω ότι όταν συμβαίνει το γεγονός Α, συμβαίνει οπωσδήποτε και ένα από τα ασυμβίβαστα γεγονότα Α1, Α2, Αn, τότε: P A P A A1 P A A2 P A A n ( ) ( ) ( )... ( )

Παράδειγμα:

Δεσμευμένη πιθανότητα: Έστω Ω ένας δειγματοχώρος και Α, Β δύο ενδεχόμενα για τα οποία ισχύει το επόμενο σχήμα: Α Β A B Η πιθανότητα να πραγματοποιηθεί ένα ενδεχόμενο Β, όταν είναι γνωστό Ότι έχει πραγματοποιηθεί το ενδεχόμενο Α ονομάζεται δεσμευμένη (ή υπό συνθήκη) πιθανότητα πραγματοποίησης του Β, δοθέντος του Α P( B / A) P( A B) PA ( )

Ιδιότητες δεσμευμένης πιθανότητας: P( A/ A) P( / A) 1, P( / A) 0 P( B / A) 1 P( A'/ B) 1 P( A/ B) P( A B / ) P( A/ ) ( B / ) ( / ) P( B B... B / A) P( B / A)... P( B / A) P( B / A) 1 2 v 1 v i i1 Πολλαπλασιαστικός Κανόνας P( A B) P( A) P( B / A) Αν η πιθανότητα να συμβεί το Β δεν επηρεάζεται από την πραγματοποίηση του Α, τότε τα Α και Β ονομάζονται στοχαστικά ανεξάρτητα και ισχύει: P( A B) P( A) P( B) ή γενικά P( Ai Aj ) P( Ai ) P( Aj ), i j

Τύπος ολικής πιθανότητας Έστω Α ένα ενδεχόμενο του δειγματοχώρου Ω και τα ενδεχόμενα Β1,Β2, Βν για τα οποία ισχύουν: B B, i j Δηλ. ανά δύο είναι ξένα μεταξύ τους: i j B... 1 B B 2 Τότε ισχύει: ( 1) ( 2)... ( v ) Άρα: P( ) P( ) P( )... P( ) P( B ) P( A/ B ) P( B ) P( A/ B )... P( B ) P( A/ B ) Δηλαδή: 1 2 v 1 1 2 2 P( ) P( B ) P( A/ B i ) 1 Τύπος Ολικής Πιθανότητας

Κανόνας του Bayes Άμεση συνέπεια του τύπου της ολικής πιθανότητας είναι ο κανόνας του Bayes. Αν ζητείται η δεσμευμένη πιθανότητα: P( B / A) i P( B A) i PA ( ) Όπου P( B A) P( B ) P( A/ B ) και i i i P( A) P( B ) P( A/ B ) P( B ) P( A/ B )... P( B ) P( A/ B ) 1 1 2 2 Με αντικατάσταση στην αρχική σχέση προκύπτει: v v P( B / A) i P( B ) P( A/ B ) P( B ) P( A/ B ) P( B ) P( A/ B )... P( B ) P( A/ B ) 1 1 2 2 i i v v

Συνδυαστική Διατάξεις : Αν υπάρχουν n διαφορετικά αντικείμενα και τοποθετηθούν στη σειρά r από αυτά τότε λέμε ότι έχουμε διάταξη των r αντικείμενων: ( n) n( n 1) ( n 2)... ( n r 1) r Αν n=r τότε συμβαίνει μετάθεση των n αντικειμένων, με πλήθος ίσο με: Παράδειγμα: n! Με τα ψηφία 2,4,6 μπορούμε να τα κάνουμε 3! διαφορετικούς τριψήφιους Ενώ με τα ίδια ψηφία μπορούμε να κάνουμε (3) 2 διψήφιους αριθμούς

Συνδυαστική Διατάξεις με επανάληψη: Όταν καθένα από τα n αντικείμενα μπορεί να επαναληφθεί όσες φορές θέλουμε, τότε έχουμε διατάξεις με επανάληψη r αντικείμενων από τα n και το πλήθος τους είναι: r nn... n Παράδειγμα: Το πλήθος των στηλών που μπορούν να συμπληρωθούν στο ΠΡΟΠΟ είναι: 13 3

Συνδυαστική Συνδυασμοί: Αν από τα n διαφορετικά αντικείμενα μπορούμε να πάρουμε r χωρίς να Μας ενδιαφέρει η διάταξή τους τότε αλλά μόνο ποια αντικείμενα πήραμε, τότε, έχουμε συνδυασμούς των n ανά r αντικειμένων και το πλήθος τους υπολογίζεται από τη σχέση: n r n! r!( n r)! Παράδειγμα: Το πλήθος των εξάδων στο ΛΟΤΤΟ είναι: 49 6