8 Άρα η Ϲητούµενη πιθανότητα είναι

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

(1) 98! 25! = 4 100! 23! = 4

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

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 2016 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

P (Ηρ) = 0.4 P (Αρ) = 0.32 P (Απ) = 0.2

(1) 98! 25! = 4 100! 23! = 4

(365)(364)(363)...(365 n + 1) (365) k

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

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης. Λύσεις Πρώτης Σειράς Ασκήσεων

200, δηλαδή : 1 p Y (y) = 0, αλλού

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

P( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2014 ιδάσκων : Π. Τσακαλίδης. Λύσεις εύτερης Σειράς Ασκήσεων

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

0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4

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

ΙΙΙ εσµευµένη Πιθανότητα

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

xp X (x) = k 3 10 = k 3 10 = 8 3

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 =

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

P (B) = P (B/A) P (A) + P (B/Γ) P (Γ) =

, x > a F X (x) = x 3 0, αλλιώς.

P (M = 9) = e 9! =

P (A B) = P (A) + P (B) P (A B) = = 0.6.

Λύσεις 1ης Ομάδας Ασκήσεων

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

P (D) = P ((H 1 H 2 H 3 ) c ) = 1 P (H 1 H 2 H 3 ) = 1 P (H 1 )P (H 2 )P (H 3 )

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

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

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2017 ιδάσκων : Π. Τσακαλίδης

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

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

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

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

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

Η πιθανότητα επομένως που ζητείται να υπολογίσουμε, είναι η P(A 1 M 2 ). Η πιθανότητα αυτή μπορεί να γραφεί ως εξής:

P = 0 1/2 1/ /2 1/

Λύσεις 2ης Ομάδας Ασκήσεων

0 x < (x + 2) 2 x < 1 f X (x) = 1 x < ( x + 2) 1 x < 2 0 x 2

P( n, k) P(5,5) 5! 5! 10 q! q!... q! = 3! 2! = 0! 3! 2! = 3! 2!

Κεφάλαιο 2: ιατάξεις και Συνδυασµοί.

/ / 38

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )

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

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.

ιακριτά Μαθηµατικά Ασκήσεις Φροντιστηρίου

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

ÖÑÏÍÔÉÓÔÇÑÉÏ ÈÅÌÅËÉÏ ÇÑÁÊËÅÉÏ ÊÑÇÔÇÓ

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

0 2j e jπt e j2πkt dt (3)

Θεωρία Πιθανοτήτων & Στατιστική

p B p I = = = 5

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

Συνδυαστική Απαρίθµηση Υπολογισµός (µε συνδυαστικά επιχειρήµατα) του πλήθους των διαφορετικών αποτελεσµάτων ενός «πειράµατος». «Πείραµα»: διαδικασία µ

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

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

α n z n = 1 + 2z 2 + 5z 3 n=0

Συνδυαστική Απαρίθμηση

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8

Βασικά στοιχεία της θεωρίας πιθανοτήτων

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΤΑΞΙΝΟΜΗΜΕΝΑ Ε ΟΜΕΝΑ

Βασικά στοιχεία της θεωρίας πιθανοτήτων

10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό

u 2 2 = u a 1 (x 2 x 1 ) = (0) 2 = (50) 2 + 2( 10)(x 2 x 1 ) x 2 = x m (1)

Συνδυαστική Απαρίθμηση

y = u i t 1 2 gt2 y = m y = 0.2 m

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

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 7

HY118- ιακριτά Μαθηµατικά. Μαθηµατική επαγωγή. 11 Επαγωγή

sin(30 o ) 4 cos(60o ) = 3200 Nm 2 /C (7)

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

HY118- ιακριτά Μαθηµατικά

Φροντιστήριο #6 Λυμένες Ασκήσεις στη Συνδυαστική 22/4/2016

Συνδυαστική Απαρίθµηση

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π.

Συνδυαστική Απαρίθμηση

HY118- ιακριτά Μαθηµατικά

n ίδια n διαφορετικά n n 0 n n n 1 n n n n 0 4

Θεωρία Πιθανοτήτων & Στατιστική

Συνδυαστική Απαρίθμηση

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

Ασκήσεις Κεφαλαίου 1

400 = t2 (2) t = 15.1 s (3) 400 = (t + 1)2 (5) t = 15.3 s (6)

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-215: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 2013 ιδάσκων : Π.

1η Ομάδα Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ, Σ. ΤΟΥΜΠΗΣ. 1. (Ισότητα συνόλων) Να δείξετε ότι

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

Transcript:

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 Θέµατα : Στοιχεία Συνδυαστικής Ανάλυσης και ιακριτές Τυχαίες Μεταβλητές (Ι. Ασκηση 1. Εφόσον τα 4 ϕύλλα της Αλίκης είναι συγκεκριµένα, ο Βασίλης πρέπει να διαλέξει 4 επιπλέον ϕύλλα από τα 48 που αποµένουν. Συνεπώς, το συνολικό πλήθος των δυνατών ( ( συνδυασµών ϕύλλων 4 48 του Βασίλη στους οποίους περιλαµβάνονται τα 4 ϕύλλα της Αλίκης είναι. Το συνολικό 4 4 πλήθος των τρόπων µε ( τους οποίους ο Βασίλης µπορεί να διαλέξει οποιαδήποτε 8 ϕύλλα από τα 5 5 της τράπουλας είναι. 8 Άρα η Ϲητούµενη πιθανότητα είναι ( 4 ( 48 4 4 ( 5 = 0.059%. 8 Ασκηση. ( 5 Αρχίζουµε υποθέτοντας ότι όλες οι δυνατές µοιρασιές είναι ισοπίθανες. 5 Για να υπολογίσουµε το πλήθος των αποτελεσµάτων που σχηµατίζουν κέντα (π.χ. στο 5, υπολογίζουµε πρώτα το πλήθος όλων των δυνατών αποτελεσµάτων για τα οποία µια µοιρασιά αποτελείται από ένα άσσο, ένα δύο, ένα τρία, ένα τέσσερα και ένα πέντε. Εστω καταρχάς ότι το χρώµα δεν µας ενδιαφέρει. Καθώς ο άσσος µπορεί να είναι ένας από τους τέσσερις άσσους και οµοίως για τις υπόλοιπες 4 κάρτες, υπάρχουν 4 5 δυνατά αποτελέσµατα που µπορούν να µας δώσουν την παραπάνω µοιρασιά. Αλλά καθώς στα τέσσερα από αυτά τα αποτελέσµατα όλες οι κάρτες είναι του ίδιου χρώµατος (οπότε λέµε τότε ότι τα πέντε ϕύλλα σχηµατίζουν φλος, προκύπτει τελικά ότι υπάρχουν 4 5 4 µοιρασιές που σχηµατίζουν κέντα στο πέντε, δηλαδή κέντα της µορφής : άσσος, δύο, τρία, τέσσερα και πέντε. Παρόµοια υπάρχουν 4 5 4 µοιρασιές που σχηµατίζουν κέντα στον άσσο : δέκα, ϐαλές, ντάµα, ϱήγας και άσσος. Συνολικά έχουµε 10 κέντες σε κάποιο συγκεκριµένο ϕύλλο : άσσο, ϱήγα, ντάµα, ϐαλέ, 10,..., 5. Συνεπώς, υπάρχουν 10(4 5 4 µοιρασιές που σχηµατίζουν κέντα. Ετσι η Ϲητούµενη πιθανότητα είναι 10(4 5 4 ( 5 5 0.0039%. Ασκηση 3. Για ευκολία ϑα αριθµήσουµε κάθε ϑέση στάθµευσης. Θα σχεδιάσουµε ένα δέντρο πιθανοτήτων για να περιγράψουµε το δειγµατοχώρο (Σχήµα 1. Η Μαρία µπορεί να επιλέξει οποιαδήποτε ϑέση από τις n ϑέσεις στάθµευσης. Η πιθανότητα να διαλέξει κάποια ϑέση είναι 1/n. Ο Θωµάς µπορεί να επιλέξει οποιαδήποτε από τις n 1 ϑέσεις που έχουν αποµείνει µε πιθανότητα 1/(n 1.

Πιθανότητες - 014/Λύσεις Τρίτης Σειράς Ασκήσεων Σχήµα 1: έντρο πιθανοτήτων Υπάρχουν n(n 1 ϕύλλα στο δέντρο µας, και κάθε ϕύλλο είναι ισοπίθανο. Οταν κοιτάµε τα ϕύλλα των κλαδιών όπου η Μαρία δεν διάλεξε τις ϑέσεις 1,, n 1 ή n παρατηρούµε ότι 4 ϕύλλα σε κάθε πλευρά αυτών των κλαδιών είναι στο δειγµατοχώρο µας ( ϑέσεις στάθµευσης σε κάθε πλευρά της ϑέσης της Μαρίας. Οταν η Μαρία επιλέγει τη ϑέση ή n 1, υπάρχουν 3 τέτοια ϕύλλα (µία ϑέση από τη µία πλευρά και από την άλλη. Οταν επιλέγει την 1 ή n υπάρχουν τέτοια ϕύλλα (είναι στο τέλος του χώρου στάθµευσης - από τη µία ή την άλλη πλευρά. Εποµένως η πιθανότητα να έχουν σταθµεύσει σε απόσταση τουλάχιστον µιας ϑέσης µεταξύ τους είναι (4(n 4 + (3( + (( n(n 1 = 4n 6 n(n 1 Η παραπάνω πιθανότητα δεν είναι εφαρµόσιµη για n = και n = 3. Το αποτέλεσµα για αυτές τις τιµές είναι 1. Αν χρησιµοποιήσουµε καταµέτρηση υπάρχουν n(n 1 επιλογές για ένα Ϲεύγος ϑέσεων, από τις οποίες υπάρχουν (n 1 επιλογές µε καµία άδεια ϑέση µεταξύ τους και (n επιλογές µε 1 ϑέση µεταξύ τους. Η πιθανότητα να έχουν σταθµεύσει σε απόσταση παραπάνω από µιας ϑέσης µεταξύ τους είναι (n 1 + (n n(n 1 = 4n 6 n(n 1

Πιθανότητες - 014/Λύσεις Τρίτης Σειράς Ασκήσεων 3 Ασκηση 4. (α Τα κοµµάτια έχουν ίση πιθανότητα να είναι καινούρια ή παλιά. Εστω A = {τα επιλεγµένα κοµµάτια είναι ελαττωµατικά} B 1 = {επιλέγονται παλιά κοµµάτια} B = {επιλέγονται νέα κοµµάτια} ( 1000 Υπάρχουν τρόποι, µε ίση πιθανότητα, επιλογής δύο παλιών κοµµατιών από ένα σύνολο από 1000 παλιά κοµµάτια. Εφόσον 15% των παλιών κοµµατιών είναι ελαττωµατικά, υπάρχουν 150 ( 150 ελαττωµατικά παλιά κοµµάτια. Υπάρχουν τρόποι επιλογής ελαττωµατικών παλιών κοµµατιών από ένα σύνολο από 150 ελαττωµατικά παλιά κοµµάτια. Εποµένως, ϑα έχουµε ( 150 P (A B 1 = Παροµοίως, ένα 5% από τα νέα κοµµάτια (75 είναι ελαττωµατικά. εδοµένου ότι νέα κοµµάτια επιλέγονται, ϑα έχουµε : ( 75 P (A B = Συνεπώς, η Ϲητούµενη πιθανότητα (σύµφωνα µε το ϑεώρηµα ολικής πιθανότητας ϑα ισούται µε P (A = P (B 1 P (A B 1 + P (B P (A B ( 75 = 1 ( 150 + 1 (ϐ Προφανώς, ψάχνουµε για την πιθανότητα P (B 1 A. Χρησιµοποιώντας το κανόνα του Bayes ϑα έχουµε P (B 1 A = = P (B 1 P (A B 1 P (B 1 P (A B 1 + P (B P (A B ( 1 150 ( 1 150 + 1 ( 75 Ασκηση 5. (α Το καπέλο περιέχει τα Ϲεύγη {1, }, {1, 3}, {1, 4}, {, 3}, {, 4}, {3, 4} µε ίδια πιθανότητα 1/6. Εποµένως, P ({η µπάλα 3 ϐρίσκεται στο καπέλο} = P ({1, 3} {, 3} {3, 4} = 3 1/6 = 1/ (ϐ Ενδεχόµενα του Ω Πιθανότητα X p X (x {1, } 1/6 3 1/6 {1, 3} 1/6 4 1/6 {1, 4} 1/6 5 /6 {, 3} 1/6 5 {, 4} 1/6 6 1/6 {3, 4} 1/6 7 1/6

Πιθανότητες - 014/Λύσεις Τρίτης Σειράς Ασκήσεων 4 Συνεπώς, p X (x = { 1 6 x = 3, 4, 6, 7 6 x = 5 E[X] = (3 + 4 + 6 + 7 1 6 + 5 6 = 5 (γ Μετά την κλοπή της µπάλας 3, το καπέλο ϑα περιέχει τα εξής : {1, }, {1}, {1, 4}, {}, {, 4}, {4} µε ίση πιθανότητα 1/6. Εφαρµόζοντας το ϑεώρηµα ολικής πιθανότητας, έχουµε ( 1 P ({η µπάλα που επιλέγεται έχει περιττό αριθµό (δηλαδή 1} = + 1 + 1 + 0 + 0 + 0 1 6 = 1 3 Ασκηση 6. (α Ο δειγµατοχώρος Ω του πειράµατος αποτελείται από τα ισοπίθανα 9 το πλήθος, διατεταγµένα Ϲεύγη Ω = {(i, j, i, j = 1,, 3} = {(1, 1, (1,, (1, 3, (, 1, (,, (, 3, (3, 1(3,, (3, 3} Ω P(ω X P X (x (1,1 1/6 1/9 (1, 1/6 3 /9 (,1 1/6 (1,3 1/6 (3,1 1/6 4 3/9 (, 1/6 (,3 1/6 5 /9 (3, 1/6 (3,3 1/6 6 1/9 P X (k = 1/9, k = /9, k = 3 3/9, k = 4 /9, k = 5 1/9, k = 6 0, αλλού E[X] = 1 9 ( + 6 + 9 (3 + 5 + 3 9 4 = 4 (ϐ Αφού πληρώνουµε α για να κερδίσουµε 5X, το παιχνίδι είναι δίκαιο όταν E[5X α] = 0 α = E[5X] = 5E[X] = 0. Ασκηση 7. (α Επιτυχή αποστολή ενός µηνύµατος από την πηγή στον προορισµό έχουµε, όταν λειτουργεί τουλάχιστον µία από τις δύο πρώτες παράλληλες συνδέσεις ΚΑΙ λειτουργεί η µεσαία σύνδεση ΚΑΙ λειτουργεί τουλάχιστον µία από τις τελευταίες παράλληλες συνδέσεις. Συνεπώς, η Ϲητούµενη πιθανότητα είναι P (επιτυχούς αποστολής = (1 (1 p p (1 (1 p ( ( ( 3 1 3 = (p p p(p p = = 9 4 4 3 = 0.813.

Πιθανότητες - 014/Λύσεις Τρίτης Σειράς Ασκήσεων 5 (ϐ Εφόσον µπορεί να αποσταλεί ένα µήνυµα, τότε µπορούν να αποσταλούν 10 πακέτα (όλες οι συνδέσεις του δικτύου έχουν χωρητικότητα µεγαλύτερη ή ίση του 10. Περισσότερα από 10 πακέτα δεν είναι δυνατόν να αποσταλούν, δεδοµένου οτι η χωρητικότητα της µεσαίας σύνδεσης είναι ίση µε 10. Συνεπώς, η X µπορεί να πάρει δύο δυνατές τιµές : X = 0 και X = 10 µε πιθανότητες οι οποίες υπολογίζονται χρησιµοποιώντας το αποτέλεσµα του ερωτήµατος α. p X (10 = P (επιτυχούς αποστολής = 9 3 = 0.813. p X (0 = P (ανεπιτυχούς αποστολής = 1 9 3 = 3 3 = 0.7187. (γ Ο Ϲητούµενος µέσος αριθµός των πακέτων που στέλνονται είναι E[X] = 0 p X (0 + 10 p X (10 = 90 3 = 45 16 =.815.