Θεωρία Πιθανοτήτων & Στατιστική

Σχετικά έγγραφα
Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική

Στατιστική. Ενότητα 1 η : Δεσμευμένη Πιθανότητα, Ολική Πιθανότητα, Ανεξαρτησία. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική

Στατιστική Επιχειρήσεων Ι

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Πιθανοτήτων & Στατιστική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Θεωρία Πιθανοτήτων & Στατιστική

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

Θεωρία Πιθανοτήτων & Στατιστική

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

Υπολογιστικά & Διακριτά Μαθηματικά

Πιθανότητες και Στατιστική Ενότητα 2: Δεσμευμένη πιθανότητα και στοχαστική ανεξαρτησία Αντώνιος Οικονόμου Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής κ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Θεωρία Πιθανοτήτων και Στατιστική

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

Υπολογιστικά & Διακριτά Μαθηματικά

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

Μαθηματικά στην Πολιτική Επιστήμη:

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

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Συστήματα Αυτομάτου Ελέγχου. Ενότητα Α: Γραμμικά Συστήματα

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Α

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

Στατιστική. Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

Στατιστική Επιχειρήσεων Ι

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

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

Στοχαστικές Στρατηγικές

Μαθηματικά στην Πολιτική Επιστήμη:

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

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

Μαθηματικά στην Πολιτική Επιστήμη:

Αυτοματοποιημένη χαρτογραφία

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 7: Εισαγωγή στη Θεωρία Αποφάσεων Δέντρα Αποφάσεων

Μαθηματικά στην Πολιτική Επιστήμη:

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

Σχεδίαση με Ηλεκτρονικούς Υπολογιστές

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΔΙΑΔΡΑΣΤΙΚΟ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ

Εφαρμογές Συστημάτων Γεωγραφικών Πληροφοριών

ΔΙΔΑΚΤΙΚΗ ΤΗΣ ΚΑΛΑΘΟΣΦΑΙΡΙΣΗΣ ΙΙ

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

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

Σημειώσεις Στατιστική & Πιθανότητες

Στατιστική Επιχειρήσεων Ι

Κεφάλαιο 2 Πιθανότητες. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Γενικά Μαθηματικά Ι. Ενότητα 12: Κριτήρια Σύγκλισης Σειρών. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

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

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά

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

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

Πληροφοριακά Συστήματα & Περιβάλλον Ασκήσεις

Βιομαθηματικά BIO-156

Υπολογιστικά & Διακριτά Μαθηματικά

Λογισμός 3. Ενότητα 19: Θεώρημα Πεπλεγμένων (γενική μορφή) Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Γενικά Μαθηματικά Ι. Ενότητα 8: Εφαρμογές Σειρών Taylor. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Υπολογιστικά & Διακριτά Μαθηματικά

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

Εκκλησιαστικό Δίκαιο. Ενότητα 10η: Ιερά Σύνοδος της Ιεραρχίας και Διαρκής Ιερά Σύνοδος Κυριάκος Κυριαζόπουλος Τμήμα Νομικής Α.Π.Θ.

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

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Ανάκτηση Πληροφορίας

Εφαρμογές Συστημάτων Γεωγραφικών Πληροφοριών

ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Λογισμός ΙΙ. Χρήστος Θ. Αναστασίου Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

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

Αυτοματοποιημένη χαρτογραφία

Δείξτε ότι αν πιθανότητα Ρ(Α/Β) είναι μεγαλύτερη της πιθανότητας Ρ(Α), τότε πιθανότητα Ρ(Β/Α) είναι μεγαλύτερη της πιθανότητας Ρ(Β);

ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ. Ενότητα 9: Απείρως επαναλαμβανόμενα παίγνια. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

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

ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ. Λογισμός 4. Ενότητα 5: Το Θεώρημα του Fubini. Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών

Λύσεις 1ης Ομάδας Ασκήσεων

Μάρκετινγκ Αγροτικών Προϊόντων

P (A 1 A 2... A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 1 A 2 ) P (A n A 1 A 2 A n 1 ).

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Λογιστικές Εφαρμογές Εργαστήριο

Στατιστική. 5 ο Μάθημα: Βασικές Έννοιες Εκτιμητικής. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Ιστορία της μετάφρασης

Μαθηματικά στην Πολιτική Επιστήμη:

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

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

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

Διαφωτισμός και διαμόρφωση των πολιτικών ιδεολογιών στην Ελλάδα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Γενικά Μαθηματικά Ι. Ενότητα 15: Ολοκληρώματα Με Ρητές Και Τριγωνομετρικές Συναρτήσεις Λουκάς Βλάχος Τμήμα Φυσικής

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

ΣΤΟΙΧΕΙΑ ΑΛΓΕΒΡΑΣ. 1. Συνδυαστική ανάλυση Μεταθέσεις

ΗΛΕΚΤΡΟΝΙΚΗ ΙIΙ Ενότητα 6

Στατιστική. 6 ο Μάθημα: Διαστήματα Εμπιστοσύνης και Έλεγχοι Υποθέσεων. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Εφαρμοσμένη Στατιστική

Transcript:

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 2 η : Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Δεσμευμένη Πιθανότητα. Ολική Πιθανότητα-Θεώρημα Bayes, Ανεξαρτησία και Συναφείς Έννοιες.

Περιεχόμενα ενότητας 1. Υπό Συνθήκη ή Δεσμευμένη Πιθανότητα 2. Ολική Πιθανότητα 3. Θεώρημα Bayes 4. Στατιστική Ανεξαρτησία και Συναφείς Έννοιες i. Στατιστικά Ανεξάρτητα Γεγονότα ii. Ανεξάρτητα και Αμοιβαίως Αποκλειόμενα Γεγονότα 5

2 η Διάλεξη

Επανάληψη Η πιθανότητα να συμβαίνει το Α και όχι το Β: P( A B) P( A) P( A B) Η πιθανότητα να συμβαίνει τουλάχιστον ένα από τα Α,Β: P( A B) P( A) P( B) P( A B) Η πιθανότητα να συμβαίνει μόνο το Α και όχι Β,C: P( A ( B C)) P( A) P(( B C) A)) P( A) P(( B A) ( C A)) P( A) ( P( A B) P( AC) P( A B C)) P( A) P( A B) P( AC) P( A B C)

ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ Ορισμός: P( A, όπου \ B) η κάθετος συμβολίζει δεδομένο ή με την πληροφορία ότι συμβαίνει το γεγονός Β. Με την πληροφορία ότι το αποτέλεσμα του πειράματος βρίσκεται μέσα στο σύνολο Β, το S περιορίζεται στο Β, δηλαδή ο νέος δειγματοχώρος είναι το σύνολο Β, και κατά συνέπεια το Α συμβαίνει όταν το αποτέλεσμα βρίσκεται στην τομή των Α και Β. Έτσι, σύμφωνα με την κλασική μέθοδο N( A B) N( AB) NS ( ) P( AB) P( A \ B) N( B) NB ( ) P( B) NS ( ) και P( A B) P( B) P( A\ B) P( A) P( B \ A) ή P( A \ B) P( A B) PB ( )

Παράδειγμα 1 Σε ένα κιβώτιο υπάρχουν 20 ανταλλακτικά. Τα 15 είναι καλά και τα 5 ελαττωματικά. Επιλέγουμε τυχαία δύο εξ αυτών, ποια η πιθανότητα να είναι και τα δύο ελαττωματικά; 5 4 P( A1 A2 ) P( A1 ) P( A2 \ A1 ) 20 19 C(5,2) P( A1A 2) C(20, 2)

Πολλαπλασιαστικός Κανόνας P( A1 A2... An ) P( A1 ) P( A2 \ A1 ) P( A3 \ A1 A2 )... P( An \ A1 A2 A3... An 1)

Παράδειγμα 2 Έστω ένα κουτί που περιέχει 2 άσπρες και 3 μαύρες μπάλες. Διαγωνίζονται 2 παίχτες ο Α και ο Β. Επιλέγουν τυχαία μία μπάλα με την σειρά, ξεκινώντας από τον Α, όποιος πάρει για πρώτη φορά την άσπρη κερδίζει το παιχνίδι. Ποια η πιθανότητα να κερδίσει ο Α παίκτης; Ορίζουμε τα γεγονότα: Α i ={o A παίχτης στην i συνολική επιλογή παίρνει την άσπρη σφαίρα} Β i ={o Β παίχτης στην i συνολική επιλογή παίρνει την άσπρη σφαίρα} Το γεγονός να κερδίσει ο Α συμβολίζεται με πράξεις συνόλων: WA A1 ( A1 B2 A3 ) Το οποίο σημαίνει ότι υπάρχουν δύο τρόποι να κερδίσει ο Α. Τρίτος τρόπος δεν υπάρχει γιατί το κουτί περιέχει μόνο 3 μαύρες μπάλες. Στη συνέχεια εφαρμόζουμε τον κανόνα πιθανότητας ένωσης και πολλαπλασιαστικό κανόνα, P( W ) P( A ( A B A )) P( A ) P( A B A ) P( A ( A B A )) A 1 1 2 3 1 1 2 3 1 1 2 3 2 3 2 2 3 P( A1 ) P( A1) P( B2 \ A1) P( A3 \ A1 B2 ) 5 5 4 3 5

Παράδειγμα 3 Να βρεθεί η πιθανότητα κατά τη ρίψη 6 φορές ενός ζαριού να βρούμε 6 διαφορετικά αποτελέσματα. Ορίζουμε τα γεγονότα: Α 1 ={στην πρώτη ρίψη οιοδήποτε αριθμό}, Α i ={στην i ρίψη αριθμό διάφορο από τις ρίψεις (i-1, i-2,,1, για )}. Με βάση τα προηγούμενα το γεγονός Α του οποίου ζητάμε την πιθανότητα συμβολίζεται με την εξής άλγεβρα συνόλων: A A1 A2 A3 A4 A5 A6 P( A A A A A A ) P( A ) P( A \ A ) P( A \ A A ) P( A \ A A A ) 1 2 3 4 5 6 1 2 1 3 1 2 4 1 2 3 P( A \ A A A A ) P( A \ A A A A A ) 5 1 2 3 4 6 1 2 3 4 5 6 5 4 3 2 1 6! N( A) 6 6 6 6 6 6 6 6 NS ( ) i 2

Αρχές Απαρίθμησης Σε ένα σύνθετο πείραμα ο δειγματικός χώρος S είναι το καρτεσιανό γινόμενο των κ απλών δειγματοχώρων S S1 S2... SK Ο αριθμός δειγματοσημείων του S, n n1 n2... nk

Παράδειγμα 3, Παράδειγμα 4 Στην ρίψη νομίσματος και ζαριού ο δειγματοχώρος είναι: S {, } {1,2,3,4,5,6} {(,1),(,2),...,(,6),(,1),(,2)...,(,6)} n=2*6=12 δειγματοσημεία. Πόσες οι δυνατές 13άδες του ΠΡΟΠΟ; S {1,2, X}*{1,2, X}*{1,2, X}*...13 έ...*{1,2, X} n 3*3*3*...13 έ...*3 3 13

Μεταθέσεις - Συνδυασμοί Αν έχουμε n διαφορετικά πράγματα, με πόσους διαφορετικούς τρόπους μπορούμε να τα βάλουμε σε σειρά; P( n) n( n 1) ( n 2)... 1 n! Αν έχουμε n διαφορετικά πράγματα και τα πάρουμε ανά k και τα βάλουμε στη σειρά, με πόσους διαφορετικούς τρόπους μπορούμε; P( n. k) n( n 1)... ( n k 1) n! ( n k)! Αν έχουμε n διαφορετικά πράγματα και τα πάρουμε ανά k, με πόσους διαφορετικούς τρόπους γίνεται αυτό, χωρίς να μας ενδιαφέρει η σειρά; C( n, k) n! ( n k)! k!

Παράδειγμα 5 Από τα 5 ψηφία 3,4,5,6,7 πόσους τριψήφιους μπορούμε να φτιάξουμε, όπου μπορεί να επαναλαμβάνονται τα ψηφία; Καρτεσιανό γινόμενο: S (3,4,5,6,7) (3,4,5,6,7) (3,4,5,6,7) {(333,334,...,777)} Άρα: 3 n 5

Παράδειγμα 6 Από τα 5 ψηφία 3,4,5,6,7 πόσους τριψήφιους μπορούμε να φτιάξουμε, όπου δεν επαναλαμβάνονται τα ψηφία; 5! P(5,3) 345 60 (5 3)!

Παράδειγμα 7 Έχουμε 10 παίκτες, πόσες διαφορετικές ομάδες καλαθοσφαίρισης μπορούμε να φτιάξουμε; C(10,5) 10! 678910 (10 5)!5! 12345 Αν μας ενδιαφέρει και η σειρά (οι παίκτες μπορούν να αλλάξουν θέση): C(10,5) 5! 10! P(10,5) 678910 (10 5)!

Παράδειγμα 8 Σε ένα κιβώτιο υπάρχουν 20 ανταλλακτικά. Τα 15 είναι καλά και τα 5 ελαττωματικά. Επιλέγουμε τυχαία τρία εξ αυτών, ποια η πιθανότητα να είναι και τα τρία ελαττωματικά; 1 ος τρόπος: 2 ος τρόπος: PA ( ) N( A) C 15,3 N( S) C 20,3 P( A A A ) P( A ) P( A \ A ) P( A \ A A ) 1 2 3 1 2 1 3 1 2 15 14 13 20 19 18

Παράδειγμα 9 Επιλέγουμε 3 σφαίρες από 5 με αύξων αριθμό αντιστοίχισης και έχουμε τρία γεγονότα για τον μέγιστο αύξων αριθμό. A {max_ 3} {123} B {max_ 4} {124,134, 234} C {max_ 5} {125, 245,345,145} Τα γεγονότα του δειγματικού χώρου είναι: S {123,124,125,234,245,345,135,145,134}

Παράδειγμα 10 Μία ράβδος σπάει τυχαία σε ένα σημείο. Ποια η πιθανότητα το 1 ο κομμάτι να είναι μεγαλύτερο από το 2 ο ; S { a, a } 1 2 1 A { a2} P( A) 2 Μία ράβδος σπάει τυχαία σε ένα σημείο. Ποια η πιθανότητα ένα από τα δύο να είναι μεγαλύτερο από ; S a 4 { a, a, a, a } 1 2 3 4 A { a, a } P( A) 1 4 2 4

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Τέλος Ενότητας Επεξεργασία: Καρανάσιος Αναστάσιος- Νικόλαος Θεσσαλονίκη, Εαρινό Εξάμηνο 2013-2014