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

Σχετικά έγγραφα
3ο Φροντιστηριο ΗΥ217

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

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 Τρίτης Σειράς Ασκήσεων

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

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

8 Άρα η Ϲητούµενη πιθανότητα είναι

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

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

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

/ / 38

200, δηλαδή : 1 p Y (y) = 0, αλλού

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

P (M = 9) = e 9! =

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

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

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

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

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

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

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

, x > a F X (x) = x 3 0, αλλιώς.

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

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

ΙΙΙ εσµευµένη Πιθανότητα

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

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

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

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

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 6. Πιθανότητες

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 =

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

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

Λύσεις 2ης Ομάδας Ασκήσεων

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

Φροντιστήριο #8 Ασκήσεις σε Πιθανότητες 15/05/2015

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

< 1 για κάθε k N, τότε η σειρά a k συγκλίνει. +, τότε η η σειρά a k αποκλίνει.

Ασκήσεις μελέτης της 6 ης διάλεξης

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

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

8ο Φροντιστηριο ΗΥ217

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

ΠΡΟΓΡΑΜΜΑΤΙΣΜΕΝΟ ΔΙΑΓΩΝΙΣΜΑ ΚΥΡΙΑΚΗ 19 ΟΚΤΩΒΡΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ

ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 6η διάλεξη

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

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

Δοκίμιο Τελικής Αξιολόγησης

HY118- ιακριτά Μαθηµατικά. Μαθηµατική επαγωγή. 11 Επαγωγή

p q 0 P =

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2016 ιδάσκων : Γ. Καφεντζής. εύτερο Φροντιστήριο

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

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

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Αθανάσιος Χρ. Τζέμος Τομέας Θεωρητικής Φυσικής. Εντροπία Shannon

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

(2.71R)I 1 + (1.71R)I 2 = 250V (1.71R)I 1 + (3.71R)I 2 = 500V

f (x) = l R, τότε f (x 0 ) = l. = lim (0) = lim f(x) = f(x) f(0) = xf (ξ x ). = l. Εστω ε > 0. Αφού lim f (x) = l R, υπάρχει δ > 0

Έντυπο Yποβολής Αξιολόγησης ΓΕ

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

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

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

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Προτεινοµενες Ασκησεις - Φυλλαδιο 9

dq dv = k e a 2 + x 2 Q l ln ( l + a 2 + l 2 ) 2 10 = (

P (X = x) = (0.001) x (0.999) 1000 x

1 2 k(x 0 x e ) 2 = 1 2 mv2 1x = K 1 K 1 = 1 2 (100 N/m)(0.20 m 0 m)2 = 2.0J

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

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

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

Θεωρία Πιθανοτήτων & Στατιστική

Εξέταση στις ΠΙΘΑΝΟΤΗΤΕΣ I

Επιπλέον Ασκήσεις ΤΟ ΠΡΟΒΛΗΜΑ ΤΩΝ ΣΥΝΑΝΤΗΣΕΩΝ

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ

Condorcet winner. (1) Αν U j (x) > U j (y) τότε U i (x) > U i (y) και (2) Αν U i (y) > U i (x) τότε U j (y) > U j (x).

Διαβάζοντας το βιβλίο του Θρασύβουλου εγώ εστιάζω στο εξής:

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ

10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό

ΓΕΩΜΕΤΡΙΑ Α ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ

ΑΛΓΕΒΡΙΚΕΣ ΟΜΕΣ Ι. Ασκησεις - Φυλλαδιο 8

4.3 Παραδείγµατα στην συνέχεια συναρτήσεων

Ισοδυναµία τοπολογιών βρόχων.

Κωστόπουλος ηµήτριος Μ.Π.Λ.Α. TAPE COMPRESSION (θεώρηµα 2.3 Παπαδηµητρίου)

Θέµατα ( ικαιολογείστε πλήρως όλες τις απαντήσεις σας)

1 και Ρ(Β) = τότε η Ρ (Α Β) είναι ίση µε: 2 δ και Ρ(Α Β) = 4

Ασκήσεις στην διωνυμική κατανομή

Ακαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

u = x t t = t 0 = T = x u = = s t = = s u = u bat 1 + T c = 343 m/s 273

ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 4η διάλεξη (4η έκδοση, 11/3/2013)

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8

x < A y f(x) < B f(y).

εσµευµένες Πιθανότητες-Λυµένα Παραδείγµατα 3. Επιλέγουµε έναν που δεν είναι άνεργος. Ποια είναι η πιθανότητα να είναι πτυχιούχος; = 0.

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 9

ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ ΕΠΙΛΕΓΜΕΝΑ ΘΕΜΑΤΑ ΑΠΟ ΤΗΝ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ

Transcript:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-27: Πιθανότητες - Χειµερινό Εξάµηνο 205 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 3 Επιµέλεια : Κατερίνα Καραγιαννάκη Ασκηση. Το διάγραµµα πιθανοτήτων µετάβασης για ένα τριαδικό κανάλι επικοινωνίας ϕαίνεται στο Σχήµα. Υποθέστε ότι τα σύµβολα 0, και 2 στέλνονται µε πιθανότητες /2, /4 και /4 αντίστοιχα. Σχήµα : ιάγραµµα πιθανοτήτων µεταβάσεων (α) Βρείτε τις πιθανότητες λήψης συµβόλων. (ϐ) εδοµένου ότι λαµβάνεται, ϐρείτε τις πιθανότητες να εστάλη 0, ή 2. Να απαντήσετε συναρτήσει του όρου ɛ (πιθανότητα λάθους). Λύση. (α) Εστω A i το γεγονός ότι εστάλη i και B i το γεγονός ότι ελήφθη i. Χρησιµοποιώντας τον νόµο της ολικής πιθανότητας και της δεσµευµένης πιθανότητας έχουµε : P (B 0 ) P (B 0 A 0 )P (A 0 ) + P (B 0 A 2 )P (A 2 ) 2 ( ɛ) + 4 ɛ 2 4 ɛ P (B A 0 )P (A 0 ) + P (B A )P (A ) 2 ɛ + 4 ( ɛ) 4 + 4 ɛ P (B 2 ) P (B 2 A )P (A ) + P (B 2 A 2 )P (A 2 ) 4 ɛ + 4 ( ɛ) 4 Οπως ήταν αναµενόµενο το άθροισµα των πιθανοτήτων των γεγονότων B i είναι.

Πιθανότητες - 205/Φροντιστήριο 3 2 (ϐ) P (A 0 B ) P (A 0, B ) P (B, A 0 ) P (B A 0 )P (A 0 ) 2 ɛ + 4 2ɛ + ɛ 2 ɛ ( ɛ) P (A B ) P (A, B ) P (B, A ) P (B A )P (A ) 4 ( ɛ) 2 ɛ + 4 ɛ + ɛ P (A 2 B ) 0 ( ɛ) Μπορείτε να παρατηρήσετε ότι το άθροισµα των δεσµευµένων πιθανοτήτων είναι. Ασκηση 2. Μία µαγνητική ταινία η οποία περιέχει πληροφορία σε ψηφιακή µορφή έχει αλλοιωθεί. Προσπαθείτε να ανακτήσετε όσο το δυνατόν περισσότερα bits πληροφορίας. Προφανώς γνωρίζετε ότι αυτό που διαβάζετε πιθανώς είναι λάθος. Γνωρίζετε ότι αν υπήρχε ένα 0, η πιθανότητα να το διαβάσετε σωστά είναι 0.9. Επίσης, η πιθανότητα σωστής ανάγνωσης ενός είναι 0.85. Κάθε bit στην ταινία είναι 0 ή µε την ίδια πιθανότητα. εδοµένου ότι διαβάζετε για κάποιο bit, ποια η πιθανότητα ότι το έχετε διαβάσει σωστά ; Λύση. Εστω A 0 το ενδεχόµενο ότι διαβάζω το bit 0, έστω A το ενδεχόµενο ότι διαβάζω το bit, έστω B 0 το ενδεχόµενο ότι το bit που διαβάζω είναι πράγµατι 0 και έστω B το ενδεχόµενο ότι το bit που διαβάζω είναι πράγµατι. Οπότε, ισχύουν οι εξής πιθανότητες : P (A 0 B 0 ) 0.9, P (A B ) 0.85, P (A B 0 ) P (A 0 B 0 ) 0.9 0., P (B 0 ) /2. Θέλουµε να υπολογίσουµε την πιθανότητα P (B A ). Από τον κανόνα του Bayes ϑα ισχύει : P (A B ) P (B A ) P (A B ) + P (B 0 )P (A B 0 ) 2 0.85 2 0.85 + 2 0. 0.895

Πιθανότητες - 205/Φροντιστήριο 3 3 Ασκηση 3. Σε µία γραπτή εξέταση επιλογής ορθών απαντήσεων (multiple-choice test), ο ϕοιτητής είτε γνωρίζει την απάντηση είτε µαντεύει. Εστω p η πιθανότητα ότι ο ϕοιτητής γνωρίζει την απάντηση και p η πιθανότητα ότι ο ϕοιτητής µαντεύει. Υποθέτουµε ότι όταν ο ϕοιτητής µαντεύει, επιλέγει τη σωστή απάντηση µε πιθανότητα /m, όπου m είναι ο αριθµός των επιλογών για κάθε ερώτηση. Ποια η δεσµευµένη πιθανότητα ότι ο ϕοιτητής γνώριζε την απάντηση σε µία ερώτηση, δεδοµένου ότι απάντησε σωστά Υπολογίστε την πιθανότητα όταν m 5 και p /2. Λύση. Εστω C το γεγονός ότι ο µαθητής απαντάει την ερώτηση σωστά και K το γεγονός ότι ο µαθητής πράγµατι ξέρει την απάντηση. Τώρα ϑα έχουµε : P (K C) P (C K) P (K) P (C) P (C K) P (K) P (C K) P (K) + P (C K c ) P (K c ) p p + (/m) ( p) mp + (m ) p Η παραπάνω πιθανότητα για m 5 και p /2 ϑα ισούται µε : P (K C) mp + (m ) p 5 /2 + (5 ) /2 5 6

Πιθανότητες - 205/Φροντιστήριο 3 4 Ασκηση 4. Στην κουζίνα του σπιτιού σας, ϐάζετε τα 2 πιρούνια σας στο αριστερό συρτάρι ενώ τοποθετείτε τα 2 µαχαίρια σας στο δεξί. Ο συγκάτοικός σας (που δεν συµφωνεί µε την απόλυτη τάξη που προσπαθείτε να του επιβάλλετε), παίρνει τρία πιρούνια από το αριστερό συρτάρι και τα ϱίχνει στο δεξί. Κατόπιν, παίρνει στην τύχη ένα κοµµάτι (πιρούνι ή µαχαίρι) από το δεξί συρτάρι και το ϱίχνει στο αριστερό. Μετά από αυτή την πράξη εξέγερσης του συγκάτοικου σας, έρχεστε και επιλέγετε στην τύχη ένα κοµµάτι από ένα τυχαίο συρτάρι. εδοµένου ότι κρατάτε στο χέρι σας ένα µαχαίρι, ποια η πιθανότητα ότι ανοίξατε το αριστερό συρτάρι Υπόδειξη : Αρχικά κωδικοποιείστε τις καταστάσεις στα δύο συρτάρια ως εξής. Για το αριστερό : (2F, 0K), ενώ για το δεξί : (0F, 2K). Από αυτή την αρχική διάταξη (ϱίζα του δένδρου), σχηµατίστε το δένδρο για το πρόβληµα. Αφού το κάνετε, η λύση ϐασίζεται σε απλές εφαρµογές του ϑεωρήµατος ολικής πιθανότητας και του κανόνα του Bayes. Λύση Αρχικά 2 πιρούνια και κανένα µαχαίρι ϐρίσκονται στο αριστερό συρτάρι, το οποίο κωδικοποιείται ως (2F, 0K). Οµοίως, για το δεξί συρτάρι έχουµε (0F, 2K). Αφού ο συγκάτοικός σας πάρει 3 πιρούνια από το αριστερό συρτάρι και τα τοποθετήσει στο δεξί, η κατάσταση του αριστερού συρταριού είναι (9F, 0K), ενώ για το δεξι (3F, 2K). Για το δεξί συρτάρι η πιθανότητα να επιλέξει ένα πιρούνι είναι ίση µε 3/5 /5 και η πιθανότητα να επιλέξει ένα µαχαίρι ίση µε 2/5 4/5. Από αυτή την κατάσταση, το σύστηµα µπορεί να εξελιχθεί σε δύο δυνατούς τρόπους (ϐλέπε σχήµα 2). Θα ονοµάσουµε τις καταστάσεις αυτές C και C 2. Η κατάσταση C αναφέρεται στο γεγονός ότι ένα πιρούνι µεταφέρθηκε από το δεξί συρτάρι στο αριστερό, αφήνοντας τα συρτάρια στις εξής καταστάσεις (0F, 0K) και (2F, 2K), ενώ η κατάσταση C 2 αναφέρεται στο γεγονός ότι ένα µαχαίρι µεταφέρθηκε από το δεξί συρτάρι στο αριστερό, αφήνοντας τα συρτάρια στις εξής καταστάσεις (9F, K) και (3F, K). Συνεπώς P (C ) /5 και P (C 2 ) 4/5. Από τον κανόνα του Bayes έχουµε : P (αριστερό συρτάρι µαχαίρι επιλέχθηκε) P (µαχαίρι επιλέχθηκε αριστερό συρτάρι)p (αριστερό συρτάρι) P (µαχαίρι επιλέχθηκε) P (µαχαίρι επιλ. αριστερό συρτ.)p (αριστερό συρτ.) P (µαχαίρι επιλ. αριστερό συρτ.)p (αριστερό συρτ.) + P (µαχαίρι επιλ. δεξί συρτ.)p (δεξί συρτ.) Χρησιµοποιώντας το ϑεώρηµα ολικής πιθανότητας : P (µαχαίρι αριστερό συρτάρι) P (µαχαίρι C, αριστερό συρτάρι)p (C ) + P (µαχαίρι C 2, αριστερό συρτάρι)p (C 2 ) Οµοίως : 0 5 + 0 4 5 2 25 P (µαχαίρι δεξί συρτάρι) P (µαχαίρι C, δεξί συρτάρι)p (C ) + P (µαχαίρι C 2, δεξί συρτάρι)p (C 2 ) 2 4 5 + 4 4 5 4 5

Πιθανότητες - 205/Φροντιστήριο 3 5 Σχήµα 2: Το δενδρικό διάγραµµα της άσκησης 4. Χρησιµοποιώντας τον κανόνα Bayes έχουµε : P (αριστερό συρτάρι µαχαίρι) P (µαχαίρι επιλέχθηκε αριστερό αυρτάρι)p (αριστερό συρτάρι) P (µαχαίρι επιλέχθηκε) 2/25 /2 2/25 /2 + 4/5 /2

Πιθανότητες - 205/Φροντιστήριο 3 6 Ασκηση 5. Πριν ϕύγει για τη δουλειά του ο Νίκος ελέγχει το δελτίο καιρού στην τηλεόραση για να αποφασίσει αν ϑα πάρει µαζί του οµπρέλα ή όχι. Οταν το δελτίο λέει ότι ϑα ϐρέξει, η πιθανότητα όντως να ϐρέξει είναι 80%. Από την άλλη, όταν το δελτίο λέει ότι δεν ϑα ϐρέξει, η πιθανότητα να ϐρέξει είναι 0%. Κατά τη διάρκεια του χειµώνα το δελτίο λέει βροχή 7 στις 0 µέρες, ενώ κατά τη διάρκεια του καλοκαιριού, το δελτίο λέει βροχή 2 στις 0 µέρες. (α) Μία µέρα που ο Νίκος δεν κοίταξε το δελτίο, έβρεξε. Ποια είναι η πιθανότητα ότι το δελτίο είπε βροχή αν ήταν µία µέρα του χειµώνα Ποια είναι η πιθανότητα ότι το δελτίο είπε βροχή αν ήταν µία µέρα του καλοκαιριού (ϐ) Η πιθανότητα να µην κοιτάξει το δελτίο ο Νίκος είναι 0.2 για οποιαδήποτε ηµέρα του χρόνου. Οταν χάνει το δελτίο, ο Νίκος ϱίχνει ένα δίκαιο κέρµα για να αποφασίσει αν ϑα πάρει οµπρέλα µαζί του. Τις µέρες που ϐλέπει το δελτίο, παίρνει πάντα µαζί του την οµπρέλα αν το δελτίο πει βροχή, και δεν την παίρνει ποτέ αν το δελτίο πει οχι ϐροχή. Είναι τα γεγονότα ο Νίκος παίρνει την οµπρέλα και το δελτίο λέει όχι ϐροχή ανεξάρτητα µεταξύ τους Εξαρτάται η απάντηση από την εποχή (γ) Ο Νίκος κρατά την οµπρέλα του και δεν ϐρέχει. εδοµένου ότι ισχύουν οι συνθήκες στο (ϐ), ποια είναι η πιθανότητα ότι ο Νίκος είδε το δελτίο Βοήθεια : Χρησιµοποιείστε δένδρα, δεσµευµένες πιθανότητες και τον κανόνα του Bayes. Λύση. (α) Η δενδρική αναπαράσταση ϕαίνεται στο σχήµα 3. Εστω A το γεγονός ότι υπήρξε Πρόβλεψη Σχήµα 3: ενδρική αναπαράσταση Ϲητήµατος (α) για ϐροχή. Εστω B το γεγονός ότι έβρεξε. Εστω p η πιθανότητα ότι η πρόβλεψη είναι για ϐροχή. Αν έχουµε χειµώνα, τότε είναι p 0.7, οπότε ϑα έχουµε ότι : P (A B) P (B A) P (A) P (B) P (B A) p P (B) 0.8 p 0.8 p + 0. ( p) 0.8 0.7 0.8 0.7 + 0. 0.3 56 59

Πιθανότητες - 205/Φροντιστήριο 3 7 Αν έχουµε καλοκαίρι, τότε είναι p 0.2, οπότε ϑα έχουµε ότι : P (A B) P (B A) P (A) P (B) P (B A) p P (B) 0.8 p 0.8 p + 0. ( p) 0.8 0.2 0.8 0.2 + 0. 0.8 2 3 (ϐ) Εστω C το γεγονός ότι ο Νίκος κρατάει οµπρέλα και D το γεγονός ότι υπάρχει Πρόβλεψη για µη ϐροχή. Το δενδρικό διάγραµµα σε αυτή την περίπτωση ϕαίνεται στο σχήµα 4. Εχουµε Σχήµα 4: ενδρική αναπαράσταση Ϲητήµατος (ϐ) ότι : P (D) p P (C) 0.8 p + 0.2 0.5 0.8 p + 0. P (C D) 0.8 0 + 0.2 0.5 0. Εποµένως, ϑα ισχύει P (C) P (C D) αν και µόνο αν p 0. Οµως, το p µπορεί να είναι είτε 0.7 είτε 0.2. Συνεπώς, τα γεγονότα C και D δεν ϑα είναι ποτέ ανεξάρτητα, όποια και αν είναι η εποχή.

Πιθανότητες - 205/Φροντιστήριο 3 8 (γ) Η πιθανότητα να ϐρέχει αν ο Νίκος έχασε τη πρόβλεψη ϑα ισούται µε : P (ϐρέχει έχασε τη πρόβλεψη) 0.8 p + 0. ( p) 0.8 p + 0. 0. p 0. + 0.7 p Επεκτείνουµε το δενδρικό διάγραµµα της εικόνας 2 (που αντιστοιχεί στο (ϐ) µέρος της άσκησης) στο δενδρικό διάγραµµα του σχήµατος 5. Εποµένως, δεδοµένου ότι ο Νίκος Σχήµα 5: ενδρική αναπαράσταση Ϲητήµατος (γ) κρατάει οµπρέλα και ότι δεν ϐρέχει, εξετάζουµε τις 2 υπογραµµισµένες περιπτώσεις της εικόνας 3 και έχουµε : P P (είδε πρόβλεψη οµπρέλα δεν ϐρέχει) 0.8 p 0.2 0.8 p 0.2+0.2 0.5 (0.9 0.7 p) P (είδε πρόβλεψη)p (οµπρέλα δεν ϐρέχει) P (οµπρέλα δεν ϐρέχει) Αν έχουµε ϕθινόπωρο ή χειµώνα, είναι p 0.7, οπότε ϑα έχουµε P 2 53 Αν έχουµε άνοιξη ή καλοκαίρι, είναι p 0.2, οπότε ϑα έχουµε P 8 27

Πιθανότητες - 205/Φροντιστήριο 3 9 Ασκηση 6. Εστω A, B και C τρία ανεξάρτητα ενδεχόµενα. είξτε ότι τα ενδεχόµενα A και B C είναι επίσης ανεξάρτητα. Λύση. Θα δείξουµε ότι P (A (B C)) P (A) P (B C), το οποίο συνεπάγεται την ανεξαρτησία των A και B C. Αρχικά σηµειώστε ότι A (B C) (A B) (A C). Οπότε ϑα έχουµε : P (A (B C)) P ((A B) (A C)) P (A B) + P (A C) P (A B C) P (A) P (B) + P (A) P (C) P (A) P (B) P (C) P (A) (P (B) + P (C) P (B) P (C)) P (A) (P (B) + P (C) P (B C)) P (A) P (B C)