= 14 = 34 = Συνδυαστική Ανάλυση

Σχετικά έγγραφα
pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

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

Μέση τιμή, διασπορά, τυπική απόκλιση. 1) Για την τυχαία διακριτή μεταβλητή Χ ισχύει Ρ(Χ=x i)=

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

Τυχαία μεταβλητή (τ.μ.)

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 2018 Σειρά Α Θέματα 3 ως 7 και αναλυτικές (ή σύντομες) απαντήσεις

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

o Γενικό Λύκειο Χανίων Γ τάξη. Γενικής Παιδείας. Ασκήσεις για λύση

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

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

1.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

1 ο Κεφάλαιο : Πιθανότητες. 1. Δειγματικοί χώροι 2. Διαγράμματα Venn. Φυσική γλώσσα και ΚΑΤΗΓΟΡΙΕΣ ΑΣΚΗΣΕΩΝ. 3. Κλασικός ορισμός. 4.

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)

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

Δειγματικές Κατανομές

ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

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

ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ ΕΝΔΕΧΟΜΕΝΑ

ε. Το μέλος δεν έχει επιλέξει κανένα από τα δύο προγράμματα. Το μέλος έχει επιλέξει αυστηρά ένα μόνο από τα δύο προγράμματα.

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Στατιστική Ι. Ενότητα 6: Kατανομή Poisson. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Θεωρία Πιθανοτήτων & Στατιστική

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΝΟΤΗΤΑ: Πιθανότητες - Κατανομές ΟΝΟΜΑ ΚΑΘΗΓΗΤΗ: ΦΡ. ΚΟΥΤΕΛΙΕΡΗΣ ΤΜΗΜΑ: Τμήμα Διαχείρισης Περιβάλλοντος και Φυσικών

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

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

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΜΑΘΗΜΑΤΙΚΑ Ε ΔΗΜΟΤΙΚΟΥ ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΙΩΝ

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

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

Λύσεις 4ης Ομάδας Ασκήσεων

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ

Στατιστική Ι-Θεωρητικές Κατανομές Ι

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018

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

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΑΠΑΝΤΗΣΕΙΣ. Επιµέλεια: Οµάδα Μαθηµατικών της Ώθησης

P(200 X 232) = =

E [X ν ] = E [X (X 1) (X ν + 1)]

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

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ

Στοχαστικές Στρατηγικές

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

Θεωρία Πιθανοτήτων & Στατιστική

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

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

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5

Κανονική Κατανομή. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Κανονική Κατανομή. τεχνικές. 73 άλυτες ασκήσεις.

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ

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

Ασκήσεις Κεφαλαίου 1

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ

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

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

ΘΕΜΑ 3 Το ύψος κύματος (σε μέτρα) σε μία συγκεκριμένη θαλάσσια περιοχή είναι τυχαία μεταβλητή X με συνάρτηση πυκνότητας πιθανότητας

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2016 ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ

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

ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ. Ημερομηνία: 29/04/2017 Ώρα εξέτασης: 10:00-14:30

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

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

ΜΑΘΗΜΑΤΙΚΑ 5 ΠΕΡΙΟΔΩΝ ΗΜΕΡΟΜΗΝΙΑ: 8 ΙΟΥΝΙΟΥ 2009

Λύσεις των θεμάτων ΠΑΡΑΣΚΕΥΗ 30 MAΪΟΥ 2014 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

Θεωρία Πιθανοτήτων & Στατιστική

Ασκήσεις στις κατανομές και ειδικά στην διωνυμική κατανομή και κανονική κατανομή

Ασκήσεις μελέτης της 6 ης διάλεξης

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4.

Μέρος 1ο. Περιγραφική Στατιστική (Descriptive Statistics)

ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΩΡΙΑ--ΑΣΚΗΣΕΙΣ

Στατιστική Ι-Πιθανότητες Ι

ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 2014

Λύσεις των θεμάτων ΠΑΡΑΣΚΕΥΗ 30 MAΪΟΥ 2014 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

1.1 ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ - ΕΝΔΕΧΟΜΕΝΑ

B A B A A 1 A 2 A N = A i, i=1. i=1

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

1 x-μ - 2 σ. e σ 2π. f(x) =

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

ΕΣΜΕΥΜΕΝΕΣ ΠΙΘΑΝΟΤΗΤΕΣ

1.2 ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

Λύσεις 2ης Ομάδας Ασκήσεων

ΠΙΘΑΝΟΤΗΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΜΗΧΑΝΙΚΟΥΣ. Νίκος Μυλωνάς Βασίλης Παπαδόπουλος. Βοήθηµα διδάσκοντα

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

Θεωρία Πιθανοτήτων και Στατιστική

Σημειώσεις Στατιστική & Πιθανότητες

Λύσεις των θεμάτων ΣΑΒΒΑΤΟ 14 MAΪΟΥ 2011 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

Λύσεις 1ης Ομάδας Ασκήσεων

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

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

Transcript:

1. Συνδυαστική Ανάλυση 1.1 Ένα κουτί περιέχει 8 κόκκινες, 3 άσπρες και 9 μπλε σφαίρες. Εάν βγάλουμε 3 σφαίρες στην τύχη χωρίς επανατοποθέτηση, ποια είναι η πιθανότητα (α) να είναι και οι 3 κόκκινες, (β) και οι 3 άσπρες, (γ) 2 κόκκινες και 1 άσπρη, (δ) τουλάχιστον 1 άσπρη, (ε) μία από κάθε χρώμα, (στ) να βγουν στη σειρά κόκκινη, άσπρη, μπλε; (α) Πρώτη Mέθοδος Συμβολίζουμε με Κ 1, Κ 2, Κ 3 τα γεγονότα «κόκκινη σφαίρα στο πρώτο τράβηγμα», «κόκκινη σφαίρα στο δεύτερο τράβηγμα» και «κόκκινη σφαίρα στο τρίτο τράβηγμα», αντίστοιχα. Το γεγονός «βγήκαν τρεις κόκκινες σφαίρες» είναι Κ 1 Κ 2 Κ 3 και η πιθανότητα του Δεύτερη Μέθοδος P(Κ 1 Κ 2 Κ 3 ) = P(Κ 1 )P(Κ 2 Κ 1 )P(Κ 3 Κ 1 Κ 2 ) = 8 7 6 20 19 18 = 14 285 Ζητούμενη πιθανότητα = (β) Με τη δεύτερη μέθοδο του (α) έχουμε πλήθος εκλογών 3 σφαιρών από 8 κόκκινες = 8 C 3 = 14 πλήθος εκλογών 3 σφαιρών από 20 συνολικά 20C3 285 P(και οι 3 άσπρες) = Μπορεί να χρησιμοποιηθεί και 1 η μέθοδος του (α). 3 C 3 = 1 20C3 1140 (γ) P(2 κόκκινες και 1 άσπρη) = (πλήθος εκλογών 2 από 8 κόκκινες)(πλήθος εκλογών 1 από 3 άσπρες) = (πλήθος εκλογών 3 από 20) 8 = C 2 3 C 1 = 7 20C3 95 (δ) P(καμία άσπρη) = 17 C 3 = 34 20C 57 3 και άρα P(τουλάχιστον 1 άσπρη) = 1 34 57 = 23 57 (ε) P(1 από κάθε χρώμα) = 8 C 1 3 C 1 9 C 1 = 18 20C3 95

(στ) P(κόκκινη, άσπρη, μπλέ στη σειρά) = 1 3! P(1 από κάθε χρώμα) = 3 95 Άλλη μέθοδος P(Κ 1 A 2 M 3 ) = P(Κ 1 )P(A 2 Κ 1 )P(M 3 Κ 1 A 2 ) = 8 20 3 9 = 3 19 18 95

1.2 Δύο παίχτες, ο Α και ο Β, παίζουν σκάκι 12 φορές που τελειώνουν με 6 νίκες του Α, 4 νίκες του Β και 2 ισοπαλίες. Εάν παίξουν 3 παιχνίδια, ποια είναι η πιθανότητα (α) να κερδίσει ο Α και τα 3, (β) να λήξουν ισόπαλα 2 παιχνίδια, (γ) να κερδίσουν τα παιχνίδια ενναλάξ, (δ) να κερδίσει ο Β τουλάχιστον 1 παιχνίδι; Συμβολίζουμε με Α 1, Α 2, Α 3 τα γεγονότα να κερδίσει ο Α το 1 ο, το 2 ο και το 3 ο παιχνίδι αντίστοιχα και με Β 1, Β 2, Β 3 να κερδίσει ο Β το 1 ο, το 2 ο και το 3 ο παιχνίδι αντίστοιχα. Σύμφωνα με τα προηγούμενα αποτελέσματα δεχόμαστε ότι (εμπειρική πιθανότητα): P(ο Α κερδίζει ένα ορισμένο παιχνίδι) = 6 12 = 1 2, P(ο Β κερδίζει ένα ορισμένο παιχνίδι) = 4 12 = 1 3. (α) P(ο Α κερδίζει 3 παιχνίδια) = P(Α 1 A 2 Α 3 ) = P(Α 1 )P(A 2 )P(Α 3 ) = 1 8 δεχόμενοι ότι το αποτέλεσμα ενός παιχνιδιού είναι ανεξάρτητο των προηγούμενων αποτελεσμάτων. (β) Σε κάθε παιχνίδι η πιθανότητα μη ισοπαλίας είναι q = 1 + 1 = 5 και άρα η πιθανότητα 2 3 6 ισοπαλίας είναι p = 1 q = 1. Επίσης έχουμε ότι εάν p η πιθανότητα να συμβεί ένα 6 γεγονός και q=1-p η πιθανότητα να μη συμβεί, τότε η πιθανότητα να πάρουμε x φορές το γεγονός σε n ανεξάρτητες προσπάθειες είναι n C x p x q n x. Άρα P(2 ισοπαλίες) = C 3 2 p 2 q 3 2 = 3 1 6 2 5 6 = 5 72 (γ) P(ο Α και ο Β κερδίζουν εναλλάξ) = P(κερδίζουν στη σειρά ο Α, μετά ο Β και μετά ο Α ή κερδίζουν στη σειρά ο Β, μετά ο Α και μετά ο Β) = = P(Α 1 Β 2 Α 3 ) + P(Β 1 A 2 Β 3 ) = P(Α 1 )P(Β 2 )P(Α 3 ) + P(Β 1 )P(A 2 )P(Β 3 ) = 1 2 1 3 1 2 + 1 3 1 2 1 3 = 5 36 (δ) P(ο Β κερδίζει τουλάχιστον 1 παιχνίδι) = 1 P(ο Β κερδίζει 0 παιχνίδια) = 1 P(Β 1 Β 2 Β 3 ) = 1 P(Β 1 )P(Β 2 )P(Β 3 ) = 1 2 3 2 3 2 19 = 3 27

1.3 Μια γραμματέας βάζει στην τύχη n διαφορετικά γράμματα σε n φακέλους με διαφορετικές διευθύνσεις. Ποια είναι η πιθανότητα να πάει ένα τουλάχιστον γράμμα στο σωστό παραλήπτη; Συμβολίζουμε με Α 1, Α 2 Α n τα γεγονότα να έχει μπει το 1 ο, το 2 ο,,το n-οστό γράμμα στο σωστό φάκελο. Το γεγονός «τουλάχιστον 1 γράμμα στο σωστό φάκελο) είναι Α 1 A 2 Α n και άρα ζητάμε την P(Α 1 A 2 Α n ). Γενικεύοντας το θεώρημα ολικών πιθανοτήτων έχουμε (1) P(Α 1 A 2 Α n ) = P(Α k ) P Α j Α k + P Α i Α j Α k + ( 1) n 1 P(Α 1 A 2 Α n ) Όπου P(Α k ) είναι το άθροισμα των πιθανοτήτων των Α k από 1 έως n, P Α j Α k είναι το άθροισμα των πιθανοτήτων των Α j Α k με j και k από 1 έως n και k>j, κτλ. Έτσι έχουμε (2) P(A 1 ) = 1 n και γενικά P(A k) = 1 n επειδή από τους n φακέλους μόνο ένας έχει τη σωστή διεύθυνση. Ακόμα (3) P(A 1 A 2 ) = P(Α 1 )P(Α 2 Α 1 ) = 1 1 n n 1 επειδή εάν το πρώτο γράμμα είναι στο σωστό φάκελο, τότε μόνο ένας από τους υπόλοιπους n-1 φακέλους είναι ο σωστός. Ομοίως (4) P(A 1 A 2 A 3 ) = P(Α 1 )P(Α 2 Α 1 )P(Α 3 A 1 A 2 ) = 1 1 1 n n 1 n 2 κτλ, και τελικά (5) P(A 1 A 2 A n ) = 1 1 n n 1 1 1 = 1 n! Στο άθροισμα P Α j Α k υπάρχουν Ομοίως, στο P Α i Α j Α k υπάρχουν κ.ο.κ. Άρα η ζητούμενη πιθανότητα είναι: P(Α 1 A 2 Α n ) = C n 1 1 n C n 2 όροι με την τιμή που δίνεται από τη σχέση (3). C n 3 όροι με την τιμή που δίνεται από την (4) n C 2 1 1 n n 1 + + ( 1) n 1 C n n 1 n! n C 3 1 1 1 n n 1 n 2 Επίσης ξέρουμε ότι Για x=-1 έχουμε = 1 1 2! + 1 3! + ( 1)n 1 1 n! e x = 1 + x + x2 2! + x3 3! + e 1 = 1 1 1 2! + 1 3! ή 1 1 2! + 1 3! = 1 e 1.

Παρατηρούμε ότι για μεγάλο n η πιθανότητα είναι περίπου 1 e 1 = 0.6321. Άρα είναι αρκετά πιθανό να φθάσει ένα γράμμα στο σωστό παραλήπτη. Το αξιοσημείωτο στο αποτέλεσμα αυτό είναι ότι η πιθανότητα μένει πρακτικά σταθερή για n>10. Με άλλα λόγια η πιθανότητα να φθάσει τουλάχιστον ένα γράμμα στο σωστό παραλήπτη είναι πρακτικά η ίδια για n ίσο με 10 ή 10000.

2. Διακριτές Τ.Μ. 2.1 Έστω ότι η τυχαία μεταβλητή Χ παριστάνει το άθροισμα των αποτελεσμάτων στη ρίψη 2 ζαριών. (α) προσδιορίστε την κατανομή πιθανότητας της Χ. (β) Παραστήστε γραφικά αυτή την κατανομή πιθανότητας με ένα ιστόγραμμα. (α) Τα σημεία του δειγματοχώρου για τη ρίψη 2 ζαριών δίνονται στον παρακάτω πίνακα: δεύτερο ζάρι 6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6) 5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5) 4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4) 3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3) 2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2) 1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1) 1 2 3 4 5 6 πρώτο ζάρι Η τυχαία μεταβλητή Χ είναι το άθροισμα των συντεταγμένων κάθε σημείου. Έτσι π.χ. για το (3,2) έχουμε Χ=5. Επειδή όλα τα 36 σημεία έχουν την ίδια πιθανότητα, κάθε σημείο έχει πιθανότητα 1/36. Εύκολα καταλήγουμε στον παρακάτω πίνακα. Π.χ. για Χ=5 έχουμε τα 4 σημεία (1,4), (2,3), (3,2), (4,1) και συνεπώς η αντίστοιχη πιθανότητα είναι 4/36. x 2 3 4 5 6 7 8 9 10 11 12 f(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 (β) Το ιστόγραμμα το οποίο αναπαρηστά την κατανομή πιθανότητας φαίνεται στο παρακάτω γράφημα

2.2 Το ένα δέκατο των εργαλείων που κατασκευάζει μια εταιρεία είναι ελαττωματικά. Υπολογίστε την πιθανότητα σε ένα τυχαίο δείγμα 10 εργαλείων να βγουν 2 ακριβώς εργαλεία ελαττωματικά (α) χρησιμοποιώντας τη διωνυμική κατανομή, (β) προσεγγίζοντας τη διωνυμική κατανομή με μια κατανομή Poisson. (α) Η πιθανότητα ελαττωματικού εργαλείου είναι p=0.1. Εάν η X παριστάνει το πλήθος των ελαττωματικών εργαλείων σε δείγμα 10 εργαλείων, τότε η διωνυμική κατανομή δίνει P(X = 2) = C 10 2(0.1) 2 (0.9) 8 = 0.1937 ή 0.19 (β) Η κατονομή Poisson που προσεγγίζει τη διωνυμική αυτή κατανομή έχει λ = np = (10)(0.1) = 1. Άρα P(X = x) = λx e λ x! ή P(X = 2) = 12 e 1 = 0.1839 ή 0.18. 2! Γενικά η προσέγγιση είναι καλή εάν p 0.1 και λ = np 5.

2.3 Η πιθανότητα να αντιδράσει άσχημα ένας ασθενής σε μια ένεση είναι 0.001. Εάν η ένεση γίνει σε 2000 ασθενείς, υπολογίστε την πιθανότητα να αντιδράσουν άσχημα (α) ακριβώς 3, (β) περισσότεροι από 2 ασθενείς. Έστω ότι η X παριστάνει το πλήθος των ασθενών που θα αντιδράσουν άσχημα. Η Χ έχει διωνυμική κατανομή, αλλά, επειδή η «άσχημη αντίδραση» είναι σπάνιο γεγονός, μπορούμε να δεχθούμε ότι έχει κατανομή Poisson, οπότε (α) P(X = 3) = 23 e 2 = 0.18 P(X = x) = λx e λ, όπου λ = np = (2000)(0.001) = 2. 3! (β) P(X > 2) = 1 [P(X = 0) + P(X = 1) + P(X = 2)] = 1 20 e 2 + 21 e 2 + 22 e 2 0! 1! 2! = 1 5e 2 = 0.323 x! Ένας ακριβής υπολογισμός με τη διωνυμική λατανομή έχει πολύ περισσότερη δουλειά.