Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Σχετικά έγγραφα
ιωνυµική Κατανοµή(Binomial)

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

Τυχαίες Μεταβλητές (τ.µ.)

E [X ν ] = E [X (X 1) (X ν + 1)]

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

Τυχαία μεταβλητή (τ.μ.)

Θεωρία Πιθανοτήτων & Στατιστική

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Συμπερασματολογία

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

3. Κατανομές πιθανότητας

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

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

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

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

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

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

Πανεπιστήμιο Πελοποννήσου

Θεωρητικές Κατανομές Πιθανότητας

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

Βιομαθηματικά BIO-156

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

a n n! = ea e y2 2 y 0 10E(n A) = = 100 E(k) = n p = = 4.6

c(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

ΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ

Είδη Μεταβλητών. κλίµακα µέτρησης

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

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

Αριθµητικά χαρακτηριστικά µιάς τυχαίας µεταβλητής

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

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

Κεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής

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

Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 1. Κοκολάκης Γεώργιος

Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

Εισαγωγή στην Μακροοικονοµική Ανάλυση. Εισαγωγή στην Οικονοµική Ανάλυση. Εισαγωγή στην Οικονοµική Ιστορία

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

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

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas

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

Τυχαία Διανύσματα και Ανεξαρτησία

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

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ

, x > a F X (x) = x 3 0, αλλιώς.

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

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

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ


Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4

X = συνεχης. Είναι εμφανές ότι αναγκαία προϋπόθεση για την ύπαρξη της ροπογεννήτριας

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

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

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

Στατιστική. Εκτιμητική

0. Σύντοµη επισκόπηση θεωρίας πιθανοτήτων

Θεωρία Πιθανοτήτων & Στατιστική

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

Δειγματικές Κατανομές

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ

X = = 81 9 = 9

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

9. Παλινδρόμηση και Συσχέτιση

Διακριτές Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Διακριτές Κατανομές. τεχνικές. 42 άλυτες ασκήσεις.

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

ρ. Ευστρατία Μούρτου

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

Κατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )

c(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28

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

3. Κατανομές πιθανότητας

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

I2. Αριθμητικά περιγραφικά μέτρα

ΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ

Transcript:

Μέση Τιµή Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: E( ) µ xf ( x) E( ) µ xf ( x) dx Παραδείγµατα: = = x = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. () Έστω Χ οαριθµός που φέρνει το ζάρι. Η µέση τιµήτηςχ είναι: () Έστω Χ τ.µ. µεσ.π.π f( x). Ηαναµενόµενη τιµήτηςχ είναι: E( ) = + + 3 + 4 + 5 + 6 = = 3.5 6 6 6 6 6 6 6 + x x = αλλού 3 3 3 x E( ) = xf ( x) dx = xxdx = x dx = = Μέση Τιµή και Ροπές

Μέση τιµή κατανοµής Bernulli Ητ.µ Χ έχει σ.π. και µέση τιµή: Ητ.µ Χ έχει σ.π. p x= f( x) = P( = x) = q x= όπου q= - p αλλού E( ) = ( p) + ( q) = p Μέση τιµή διωνυµικής κατανοµής n x n x f ( x) = p ( p) όταν x=,,,..., n x και µέση τιµή: n n n x n x n! x n x E( ) = x p ( p) = x p ( p) = x= x x= x!( n x)! n ( y= x ) n n! x n x ( n )! y n y = p ( p) = np p ( p) = ( x )!( n x)! ( y)!( n y)! x= y= n = ( ) = ( + ) = y= y n y n y n np p p np p p np Μέση Τιµή και Ροπές

Μέση τιµή κατανοµής Poisson Ητ.µ Χ έχει σ.π. και µέση τιµή: Μέση τιµή γεωµετρικής κατανοµής Ητ.µ Χ έχει σ.π. e λ x λ f( x) = P( = x) = όταν x=,,,3,... και λ > x! λ x x ( y= x ) e λ λ λ = x = λ = E( ) e x! ( x )! x= x= y λ λ λ λ = λe = λe e = λ ( y)! y= f x P x p p x x ( ) = ( = ) = ( ) όταν =,,... και µέση τιµή: x x E( ) = x( p) p= p x( p) = p = ( + p) p x= x= Μέση Τιµή και Ροπές 3

Μέση τιµή εκθετικήςκατανοµής Ητ.µ Χ έχει σ.π. και µέση τιµή: Μέση τιµή οµοιόµορφης κατανοµής Ητ.µ Χ έχει σ.π. f f x λe λ x> ( x) = αλλού + λx E( ) = xf ( x) dx = xλe dx = α < x < β ( x) = β α αλλού λx λx λx λ λ = xe + e dx = e = και µέση τιµή: + b b x ( b a ) ( b+ a) a b a b a a ( b a) E( ) = xf ( x) dx= x dx= = = Μέση Τιµή και Ροπές 4

Μέση Τιµή (συνέχεια) Για ορισµένες τ.µ. η µέση τιµή δεν υπάρχει διότι απειρίζεται. Παράδειγµα: Έστω τ.µ. Χ µεσ.π. k x =,,3,4,... f ( x) = x αλλού Το k θα πάρει µια τιµήέτσιώστε. Η σειρά συγκλίνει (αρµονική) και το k µπορεί να οριστεί. k k Η µέση τιµήτηςτ.µ. είναι: E( ) = x =. x x Ησειρά x= x= x x x= k x = x= x= δενσυγκλίνει(αρµονική) και η µέση τιµή δεν ορίζεται. Μέση Τιµή και Ροπές 5

Θεώρηµααφηρηµένου στατιστικού Έστω Χ µια τ.µ. και f Χ (x) ησ.π. ή σ.π.π. της Χ. Εάν Υ = g () µια συνάρτηση της τ.µ., τότε και η Υ είναι τ.µ. καιηαναµενόµενη της τιµήυπολογίζεταισύµφωνα µε τον ορισµό: E( Y) = µ Y = yfy( y) ή E( Y) = µ Y = y fy( y) dy y Όµως εάν η σ.π. ήσ.π.πτης Υ δεν είναι γνωστή µπορεί να υπολογιστεί και µε τη βοήθεια της f Χ (x), ως εξής: E( Y) E[ g( )] g( x) f ( x) = = x E( Y) E[ g( )] g( x) f ( x) dx = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. Μέση Τιµή και Ροπές 6

Ιδιότητες Μέσης Τιµής. Ε (αχ+β)= αε(χ)+β (γραµµική ιδιότητα). Ε (αχ+βυ)= α Ε(Χ)+β Ε(Υ) (γραµµική ιδιότητα) 3. Αν οι τ.µ. Χ και Υ είναι ανεξάρτητες τότε ισχύει: Ε (ΧΥ)= Ε(Χ) Ε(Υ) Μέση Τιµή και Ροπές 7

ιασπορά Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ ιασπορά ή διακύµανση µιας τ.µ. Χ είναι ο θετικός αριθµός καιείναι µέτρο µεταβλητότητας. Σύµφωνα µε τοθεώρηµα του αφηρηµένου στατιστικού: Var( ) = σ = ( x µ ) f( x) x Var( ) = σ = ( µ ) ( ) x f x dx Τυπική απόκλιση της Χ : Var E µ ( ) = [( ) ] αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. σ = Var( ) = E[( µ ) ] (Σηµ. Η τυπική απόκλιση µετριέται µετηµονάδα µέτρησης της Χ.) Μέση Τιµή και Ροπές 8

ιασπορά (συνέχεια) Παράδειγµα: ()Έστω τ.µ. Χ µεσ.π. f (3)=., f (4)=.6, f (5)=., και f (x)= οπουδήποτε αλλού. Αναµενόµενη τιµήτηςχ: ιασπορά της Χ: Έστω δεύτερη τ.µ. Υ µεσ.π. f ()=.4, f ()=., f (6)=.3, f (8)=. και f (x)= οπουδήποτε αλλού. Αναµενόµενη τιµήτηςy : ιασπορά της Υ: E( ) = 3(.) + 4(.6) + 5(.) = 4 Var( ) = (3 4) (.) + (4 4) (.6) + (5 4) (.) =.4 E( ) = (.4) + (.) + 6(.3) + 8(.) = 4 Var( ) = ( 4) (.4) + ( 4) (.) + (6 4) (.3) + (8 4) (.) = 8.4 = Μέση Τιµή και Ροπές 9

Ροπές r. Ροπή γύρω από την αρχή (µηδέν): µ r = E ( ) Ισχύει ότι: µ =, µ = E( ) και µ = E( ).. Κεντρικήροπήήροπήγύρωαπότηµέση τιµή: r µ r = E[( µ ) ] Ισχύει ότι: µ =, µ = και µ = E[( µ ) ] = Var( ). Σχέσεις µεταξύ ροπών k k k k k r k r k k r r k k r µ k = E[( µ ) ] = E ( µ ) = ( µ ) E( ) = ( µ ) µ r r= r r= r r= r k k µ k k k r k r k k r k E [ ] E ( µ µ ) E ( ) r r r µ µ r r µ = = + = = µ = = Μέση Τιµή και Ροπές

Ιδιότητες ιασποράς. Από τις σχέσεις µεταξύ ροπών ισχύει ότι: Var( ) = E ( µ ) = E µ + µ ( ) = E( ) E µ + µ = E( ) [ E( )]. Var( a b) a Var( ) a, b + = 3. Αν οι Χ και Υ είναι ανεξάρτητες τ.µ. τότε Var( a by ) a Var( ) b Var( Y ) a, b + = + Μέση Τιµή και Ροπές

ιασπορά κατανοµής Bernulli Ητ.µ Χ έχει σ.π. Μέση τιµή: Συνεπώς: E( ) = f () = p, f () = p και f ( x) = αλλού p και Var( ) ( ) E( ) ( ) ( ) = p + p = p = p p = p p = pq ιασπορά διωνυµικής κατανοµής n x n x B( np, ) όταν f( x) = p( p) για x=,,,..., n x Μέση τιµή: E( ) = np και E( ) = n ( n ) p + np, οπότε Var( ) ( ) ( ) = n n p + np n p = np p = npq Μέση Τιµή και Ροπές

Υπολογισµός διασποράς διωνυµικής n n n x n x n! x n x E( ( )) = x( x ) p ( p) = p ( p) = x= x x= ( x )!( n x)! n ( y= x ) ( n )! x n x = nn ( ) p p ( p) = ( x )!( n x)! x= ( n )! = nn ( ) p p ( p) = nn ( ) p( p+ p) = nn ( ) p ( y)!( n y)! n y n y n y= E( ) E[ ( )] E( ) ( ) = + = n n p + np Μέση Τιµή και Ροπές 3

ιασπορά εκθετικής κατανοµής Ητ.µ Χ έχει σ.π. Mέση τιµή: E( ) = λ x f ( x) = λe λ, όταν x> και λx λx λx E( ) λ = x e dx= x e + xe dx= λx λx λx λ xe λ e dx e λ λ λ = + = = Συνεπώς ( ) = λ λ = σ = λ λ Var( ) και Μέση Τιµή και Ροπές 4

Συνδιασπορά Έστω ότι έχουµε δύο τυχαίες µεταβλητές Χ και Υ από κοινού κατανεµηµένες. Ονοµάζουµε συνδιασπορά ή συνδιακύµανση την ποσότητα: [ ] Cov( Y, ) = σ = E ( µ )( Y µ ) Y Y Ισχύει ότι: Cov(, ) = Var( ) Όπως και στη περίπτωση της διασποράς η συνδιασπορά υπολογίζεται ευκολότερα από τον τύπο: Cov( Y, ) = E( Y) E( )E( Y) Μέση Τιµή και Ροπές 5

Ιδιότητες συνδιασποράς () Αν οι τ.µ. Χ και Υ είναι ανεξάρτητες τότε Cov( Y, ) =. () Αν οι τ.µ. Χ και Υ είναι από κοινού κατανεµηµένες, τότε Var( ) Var( ) Var( ) Cov(, ), a ± by = a + b Y ± ab Y a b Μέση Τιµή και Ροπές 6

Συντελεστής συσχέτισης Έστω ότι έχουµε δύο τυχαίες µεταβλητές Χ και Υ από κοινού κατανεµηµένες. Ονοµάζουµε συντελεστή συσχέτισης το λόγο: Ιδιότητες: () ρ( Y, ) ρ( Y, ) = Cov( Y, ) σ σ () Εάν για δύο τ.µ. Χ και Υ ισχύει ρ ( Y, ) =, τότε η Υ είναι γραµµική συνάρτηση της Χ. (3) Αν οι τ.µ. Χ και Υ είναι ανεξάρτητες τότε ρ =. (4) Αν ρ =, τότε Χ και Υ ασυσχέτιστες τ.µ. Μέση Τιµή και Ροπές 7 Y

Ροπογεννήτρια συνάρτηση Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Ροπογεννήτρια της τ.µ. Χ είναι η συνάρτηση: Σύµφωνα µε το θεώρηµα του αφηρηµένου στατιστικού: tx M () t = e f( x) x tx M () t = e f( x) dx M () t = E[ e tx ] t αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. Ισχύει ότι: µ = r r dm r dt () t t= (η σχέση αυτή δικαιολογεί το όνοµα της συνάρτησης) Μέση Τιµή και Ροπές 8

Ροπογεννήτρια συνάρτηση (συνέχεια) Θεώρηµα (µοναδικότητας) Αν οι ροπογεννήτριες δύο τ.µ. Χ και Υ ταυτίζονται για όλες τις τιµές του t σε διάστηµα γύρωαπότο µηδέν, τότε οι κατανοµές των Χ καιυ είναι ίδιες (ισόνοµες τ.µ.). Μέση Τιµή και Ροπές 9

Ροπογεννήτρια οµοιόµορφης κατανοµής Ητ.µ Χ έχει σ.π. Ροπογεννήτρια: Ροπογεννήτρια κατανοµής Poisson Ητ.µ Χ έχει σ.π. f ( x) = α x β β α < < tx tx M () t = E[ e ] = e f ( x) dx= + b tx b tx tb ta e e e b a edx a t( b a) a t( b a) = = = t e λ x λ f( x) = P( = x) = όταν x=,,,3,... και λ > x! Ροπογεννήτρια: λ x t x tx tx e λ λ ( λe ) M () t = E[ e ] = e = e = x! x! x= x= t t t = e e = e = e λ λe λe λ λ(e ) Μέση Τιµή και Ροπές

Έστω Χ τ.µ. µε Τότε Ανισότητα Chebychev E( ), ( ) = µ < Var = σ < σ ε > ισχύει P[ µ ε] ε ή σ ε > ισχύει P[ µ < ε] > ε Όταν ε = kσ P[ µ kσ ] ή P[ µ < kσ] > k k Μέση Τιµή και Ροπές

Άλλα περιγραφικά µέτρα κατανοµής -- παράµετροι θέσης -- Έστω Χ τ.µ. µε f Χ (x) ησ.π. ήσ.π.π. της Χ και F Χ (x) ηα.σ.κ. ιάµεσος της Χ ονοµάζεται κάθε αριθµός δ για τον οποίο ισχύει: F( δ ) = P( δ) P( < δ) = F( δ ) Αντίστοιχα, p-ποσοστιαίο σηµείο είναι το σηµείο x p για το οποίο ισχύει: F( x ) = P( x ) p P( < x ) = F( x ) < p< p p p p Ενδιαφέρον παρουσιάζουν τα τεταρτηµόρια: x.5, x.5, x.75 Μέση Τιµή και Ροπές

Άλλα περιγραφικά µέτρα κατανοµής (συνέχεια) Επικρατούσα τιµήήκορυφήονοµάζεται κάθε τοπικό µέγιστο της f Χ (.) όταν η Χ είναι συνεχής. Αντίστοιχα, όταν η Χ είναι διακριτή µε δυνατές τιµές: x < x < < x k <x k+ <, µια ενδιάµεση τιµή x k λέγεται κορυφή όταν f (x k ) > f (x k- ) και f (x k ) > f (x k+ ), ενώ µια ακραία τιµή είναι κορυφή όταν είναι µεγαλύτερηαπότη γειτονική της. (µονοκόρυφες, δικόρυφες ή πολυκόρυφες κατανοµές) Μέση Τιµή και Ροπές 3

Άλλα περιγραφικά µέτρα κατανοµής (συνέχεια) -- µέτρα µεταβλητότητας -- Κεντρική έκταση µιας συνεχούς τ.µ. Χ : x.75 - x.5 Ηµικεντρική έκταση µιας συνεχούς τ.µ. Χ : ( x.75 - x.5 ) / Μέση απόκλιση: ιάµεσος απόκλιση: Συντελεστής διακύµανσης: c = σ / µ (ποσοστό απόκλισης από την µέση τιµή) 3 µ 3 E[( µ ) ] Συντελεστής λοξότητας: α3 = = 3 3 σ σ Συντελεστής λοξότητας: E[ µ ] E[ δ ] α µ µ σ σ 4 4 E[( ) ] 4 = = 4 4 Μέση Τιµή και Ροπές 4