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

Σχετικά έγγραφα
P(200 X 232) = =

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

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

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

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

E [X ν ] = E [X (X 1) (X ν + 1)]

3. Κατανομές πιθανότητας

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

II. Τυχαίες Μεταβλητές

Τυχαίες Μεταβλητές. Ορισμός

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

Θεωρητικές Κατανομές Πιθανότητας

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Μέρος ΙΙ. Τυχαίες Μεταβλητές

Φροντιστήριο #8 Ασκήσεις σε Πιθανότητες 15/05/2015

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Πανεπιστήμιο Πελοποννήσου

Υπολογιστικά & Διακριτά Μαθηματικά

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

= 14 = 34 = Συνδυαστική Ανάλυση

Τυχαία μεταβλητή (τ.μ.)

ΚΑΤΑΝΟΜΈΣ. 8.1 Εισαγωγή. 8.2 Κατανομές Συχνοτήτων (Frequency Distributions) ΚΕΦΑΛΑΙΟ

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

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

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

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

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

ΕΠΑΝΑΛΗΨΗ ΕΦΑΡΜΟΣΜΕΝΑ ΜΑΘΗΜΑΤΙΚΑ 11/01/2018

2. Στοιχεία Πολυδιάστατων Κατανοµών

Εισαγωγή Η Θεωρία Πιθανοτήτων παίζει μεγάλο ρόλο στη μοντελοποίηση και μελέτη συστημάτων των οποίων δεν μπορούμε να προβλέψουμε ή να παρατηρήσουμε την

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνάρτηση κατανομής πιθανότητας Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

Στατιστική Ι-Θεωρητικές Κατανομές Ι

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

Λύσεις 4ης Ομάδας Ασκήσεων

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

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

ΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 6 η Ημερομηνία Αποστολής στο Φοιτητή: 23 Απριλίου 2012

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

ΔΕΣΜΕΥΜΕΝΕΣ Ή ΥΠΟ ΣΥΝΘΗΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ

Μαθηματικά Πληροφορικής Πιθανοτικά Εργαλεία. Υποπροσθετικότητα. Η Πιθανοτική Μέθοδος (The Probabilistic Method)

Τυχαίες Μεταβλητές (τ.µ.)

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

Μέθοδος μέγιστης πιθανοφάνειας

Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών

Εξέταση στις ΠΙΘΑΝΟΤΗΤΕΣ I

Τ ρ α π ε ζ α Θ ε μ α τ ω ν

ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ 2003 Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α

Κεφάλαιο 9 Κατανομές Δειγματοληψίας

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:

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

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

ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

Στατιστική. 4 ο Μάθημα: Θεωρητικές και Εμπειρικές - Δειγματοληπτικές Κατανομές. Γεώργιος Μενεξές Τμήμα Γεωπονίας

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

Η Διωνυμική Κατανομή. μαθηματικών. 2 Ο γονότυπος μπορεί να είναι ΑΑ, Αα ή αα.

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

Κεφάλαιο 8 Συνεχείς Κατανομές Πιθανοτήτων

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας

ΠΙΘΑΝΟΤΗΤΕΣ -ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ(τελικές εξετάσεις πλη12)

ΣΥΝΔΥΑΣΤΙΚΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

Κεφάλαιο 7 Τυχαίες Μεταβλητές και Διακριτές Κατανομές Πιθανοτήτων

ΚΕΦΑΛΑΙΟ 4ο ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΠΟ ΣΥΝΕΧΕΙΣ ΚΑΙ ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων

4. Μεταβλητες. Probability Theory Ι. Θεωρια Πιθανοτητων Ι. ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (3 ο ) WINTER SEMESTER (3 st ) Iωαννης Αντωνιου

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

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας

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

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

Λύσεις 2ης Ομάδας Ασκήσεων

Ασκήσεις Κεφαλαίου 1

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

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

ΠΙΘΑΝΟΤΗΤΕΣ, ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΣΤΟΙΧΕΙΑ ΑΡΙΘΜΗΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΩΝ ΓΕΩΛΟΓΙΚΟΥ

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

( ) ΘΕΜΑ 1 κανονική κατανομή

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

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

ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΗΣ ΑΛΓΕΒΡΑΣ A ΛΥΚΕΙΟΥ ΕΠΑΛ

Α) Να γράψετε με τη βοήθεια των πράξεων των συνόλων το ενδεχόμενο που παριστάνει το σκιασμένο εμβαδόν σε καθένα από τα παρακάτω διαγράμματα Venn.

Θεωρία Πιθανοτήτων & Στατιστική

200, δηλαδή : 1 p Y (y) = 0, αλλού

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 =

Έντυπο Yποβολής Αξιολόγησης ΓΕ

Transcript:

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 8 Σειρά Α Θέματα ως 7 και αναλυτικές (ή σύντομες) απαντήσεις ΘΕΜΑ : Το δοχείο Δ περιέχει 6 άσπρες και 4 μαύρες μπάλες ενώ το δοχείο Δ περιέχει 5 άσπρες και μαύρες μπάλες. Ρίχνουμε ένα ζάρι και αν το αποτέλεσμα είναι μεγαλύτερο του επιλέγουμε τυχαία χωρίς επανάθεση μπάλες από το Δ αλλιώς από το Δ. (Α) Ποια η πιθανότητα να πάρουμε άσπρη και μαύρη; (Α) Ποια η πιθανότητα να είχαμε επιλέξει τις μπάλες από το δοχείο Δ αν πήραμε άσπρη και μαύρη; Συμβολίζουμε τα γεγονότα: Δ{επιλέγουμε από το δοχείο Δ}, Δ{επιλέγουμε από το δοχείο Δ}, Α {επιλέγουμε άσπρη και μαύρη} και με Ζ την τυχαία μεταβλητή με τιμές το αποτέλεσμα του ζαριού (ακολουθεί την διακριτή ομοιόμορφη με p i, i,,, 6). Η επιλογή του δοχείου καθορίζεται από το αποτέλεσμα της ρίψης 6 του ζαριού επομένως Ρ(Δ) P(Z > ) 4. Αντίστοιχα Ρ(Δ) 6 P(Z > ) 4. Το γράφημα που περιγράφει το πείραμα δίνεται στην διπλανή 6 εικόνα. Α. P(A) P(Δ) P(A Δ) + P(Δ) P(A Δ) () Η επιλογή από κάθε δοχείο γίνεται χωρίς επανάθεση επομένως η πιθανότητα επιλογής τυχαίου δείγματος μεγέθους ν με κ άσπρες και μ μαύρες μπάλες (κ+μν) υπολογίζεται με χρήση της υπεργωμετρικής κατανομής, έτσι: () : P(A) 6 4 + 5.54 6 8 67 Α. Εφαρμόζοντας το θεώρημα Baes P(Δ A) P(ΑΔ) P(Α) P(Δ) P(A Δ) P(Δ) P(A Δ)+P(Δ) P(A Δ) 5 67.4. ΘΕΜΑ 4: Για μια ερώτηση επιλογής με 5 απαντήσεις εκ των οποίων μόνο η μια είναι σωστή, υποθέτουμε ότι από το σύνολο των φοιτητών που εξετάζονται μόνο το 4% γνωρίζει την απάντηση. (Α) Αν επιλέξουμε τυχαία ένα φοιτητή ποια η πιθανότητα να απαντήσει σωστά; (Α) Η εξέταση αποτελείται από 5 ερωτήσεις αυτού του είδους ανεξάρτητες μεταξύ τους. Ποια η πιθανότητα ο φοιτητής ν απαντήσει σωστά σε τουλάχιστον 7 αλλά λιγότερες από από τις ερωτήσεις; Συμβολίζουμε τα γεγονότα: Γ{ο φοιτητής γνωρίζει την απάντηση}, Σ{ο φοιτητής απαντά σωστά}. Επιλέγουμε τυχαία ένα φοιτητή, επομένως Ρ(Γ).4. Αν ο φοιτητής γνωρίζει την απάντηση, Ρ(Σ Γ), αν δε γνωρίζει απαντά στην τύχη (επιλέγει τυχαία μια στις πέντε), επομένως Ρ(Σ Γ ).. 5 Α. Επιλέγοντας τυχαία έναν φοιτητή ισχύουν αυτά που γράψαμε προηγούμενα επομένως P(Σ) P(Γ) Ρ(Σ Γ) + P(Γ ) Ρ(Σ Γ ).4 +.6..5 Α. Κάθε ερώτηση αποτελεί μια δοκιμή Bernoulli για τον τυχαία επιλεγμένο φοιτητή με πιθανότητα επιτυχίας ίση με.5 όπως υπολογίστηκε στο ερώτημα Α. Επομένως η τ.μ. Χ που μετρά το πλήθος των σωστών απαντήσεων ακολουθεί τη διωνυμική κατανομή Β(5,.5) και η ζητούμενη πιθανότητα είναι η Ρ(7 Χ < ) Ρ(7 Χ ). Πρακτικά για πλήθος επαναλήψεων μεγαλύτερο ή ίσο του η παραπάνω πιθανότητα προσεγγίζεται σχετικά ικανοποιητικά με τη βοήθεια της κανονικής κατανομής Ν(5.5, 5.5 (.5)) ή Ν(8., 8.76). Χρησιμοποιώντας τη διόρθωση συνέχειας βρίσκουμε: Ρ(7 Χ ) Ρ 7.5 8..95567 Φ(.778) Φ(.577) Φ(.778) + Φ(.577) +.499. Ζ +.5 8. Ρ(.575 Ζ.778).95567 ΘΕΜΑ 5: Η τ.μ. Χ έχει την ομοιόμορφη κατανομή στο [,]. (Α) Να βρείτε τις συναρτήσεις πυκνότητας και κατανομής της τ.μ. Y X. (Α) Να βρείτε ένα κάτω φράγμα της πιθανότητας P( < Y < ) με χρήση της ανισότητας Chebshev ( P( X μ k σ) k ). A. Η τ.μ. ακολουθεί τη συνεχή ομοιόμορφη κατανομή με συνάρτηση πυκνότητας πιθανότητας f(x) όττν < x < και αλλού. Η συνάρτηση τ.μ. φ(x) x είναι γνησίως αύξουσα στο [,], έχει αντίστροφη την φ () και θετική πυκνότητα στο διάστημα (,). Με εφαρμογή του Θ.4.4, η συνάρτηση π.π. της Y δίνεται από τη σχέση f Y () d( ), έτσι : η σ.π.π. είναι dd

f Y () (,) ααααύ Για τη σ.κ. έχουμε: όταν <, F Y () dd, όταν <, F Y () dd + ttt, επομένως : < η σ.κ. είναι F Y () < και όταν, F Y () dd + + dd Α. Υπολογίζουμε τη μέση τιμή και την διασπορά της Y. EE και EY άρα VarXσ EY (EE) και σ 8 Το ζητούμενο κάτω φράγμα υπολογίζεται από την ανισότητα Chebshev: P( X μ k σ) k P( X μ < k σ) k P( X μ < k σ) k. Για τη δοσμένη πιθανότητα έχουμε P < Y < P < Y < P < Y < P Y < P Y < ΘΕΜΑ 6: Η τ.μ. Χ μετρά πόσες φορές ένας διακόπτης λειτουργεί πριν χρειαστεί αλλαγή και έχει συνάρτηση πιθανότητας f(x) c( )x, x,,,. (A) Να βρεθεί η τιμή της σταθεράς c ώστε η f(x) να ικανοποιεί τις ιδιότητες της συνάρτησης πιθανότητας. (Α) Έστω τα γεγονότα Α: «ο διακόπτης λειτουργεί τουλάχιστον α φορές» και Β: «ο διακόπτης λειτουργεί τουλάχιστον α + β φορές». Υπολογίστε την πιθανότητα P(Β Α) και δώστε την ερμηνεία του αποτελέσματος. (Α) Βρείτε την πιθανογεννήτρια της τ.μ. Χ και χρησιμοποιείστε αυτή για να υπολογίσετε τις παραμέτρους ΕΕ και VVVV. A. Η τ.μ. Χ είναι διακριτή (απαριθμητή), επομένως πρέπει (ι) f(x), και (ιι) f(x). Από την (ιι) βασιζόμενοι στη σύγκλιση της γεωμετρικής σειράς έχουμε: c( )x c c Α. P(Β Α) P(AA) () Είναι a, β, έτσι για τον αριθμητή το σύστημα ανισώσεων: x a κκκ x α + β, συνεπάγεται x α + β, επομένως P(AA) P(X α + β). Αντιστοίχως P(A) P(X α). Μπορούμε να συνεχίσουμε P(A) με τρεις τρόπους: α τρόπος) με αλλαγή μεταβλητής στο δείκτη, t x α, οπότε x t + α για τον αριθμητή έχουμε νέα όρια, β και, ενώ P(X α + β) ( )x tβ ( )t+α ( )α xα+β tβ t. Για τον παρονομαστή αντίστοιχα τα όρια είναι και ενώ P(X α) ( )x xα t t+α ( )α ( t )t ( )α ( )α. Τελικά, (): P(Β Α) ( )α tβ t ( )α tβ t P(X β). β τρόπος) P(X α + β) xα+β ( )x xα+β ( )x, με αλλαγή μεταβλητής στο δείκτη, t x α β και νέα όρια, και, έχουμε P(X α + β) ( )t+α+β ( )α+β ( )t ( )α+β t t ( )α+β. Αναλόγως, με αλλαγή μεταβλητής στον δείκτη t x α και νέα όρια και, υπολογίζουμε ότι P(X α) t ( )t+α ( )α. Τελικά, (): P(Β Α) ( )α+β ( ( )α )β tβ t P(X β).

γ τρόπος) χρησιμοποιώντας τον τύπο για τα μερικά αθροίσματα της γεωμετρικής σειράς, P(X α + β) α+β x x ( a+β ( )α+β α. Ανάλογα P(X α) x x φτάνουμε στο ίδιο αποτέλεσμα, P(Β Α) ( )α+β ( ( )α )β tβ t P(X β). ( a ( )α. Οπότε Το αποτέλεσμα αυτό ερμηνεύεται ως «έλλειψη μνήμης», αφού το να λειτουργεί για τουλάχιστον α+β φορές δεν εξαρτάται από το πλήθος α των φορών που έχει ήδη λειτουργήσει αλλά αποκλειστικά από τις επιπλέον φορές β (αναμενόμενο αφού η τ.μ. που έχει δοθεί ακολουθεί τη γεωμετρική κατανομή με πιθανότητα επιτυχίας την πιθανότητα να χρειαστεί αλλαγή, θ ). x z A. Π(z) E(z x ) z x x ( )x (z )x, (για < z < ), αποτέλεσμα που θα μπορούσαμε να z πάρουμε απευθείας με χρήση του τυπολογίου και της γεωμετρικής κατανομής. ΕΕ Π (z) z ( z) z, ΕΕ(X ) Π (z) z 4 ( z) z και τελικά VVVV Π () + Π () (Π ()), αποτελέσματα που 4 μπορούν επίσης να επαληθευτούν από το τυπολόγιο (χωρίς όμως να χρησιμοποιηθούν οι τύπο του τυπολογίου αφού στην εκφώνηση ήταν ξεκάθαρο ότι ο υπολογισμός τους πρέπει να γίνει με χρήση της πιθανογεννήτριας). ΘΕΜΑ 7: (Α) Να αποδείξετε ότι αν δυο ανεξάρτητες τ.μ. X, Y ακολουθούν κατανομές Poisson, P(λ) και P(μ) αντίστοιχα τότε η τ.μ. Z X + Y ακολουθεί την Poisson P(μ + λ). (Β) Σ ένα κατάστημα το πλήθος των πελατών που έρχονται για αλλαγή των προϊόντων ανά ώρες ακολουθεί κατανομή Poisson με μέσο ρυθμό πελάτες. (Β) Υπολογίστε την πιθανότητα να έρθει τουλάχιστον ένας πελάτης στο διάστημα μιας ώρας. (Β) Υπολογίστε την πιθανότητα, το σύνολο των πελατών που θα έρθουν για αλλαγή σε διαφορετικά τρίωρα να είναι το πολύ. A. Γνωρίζουμε ότι η κατανομή του αθροίσματος δυο ανεξάρτητων μεταβλητών, μπορεί να αναγνωριστεί από την πιθανογεννήτρια του αθροίσματος η οποία στην περίπτωση αυτή υπολογίζεται από το γινόμενο των πιθανογεννητριών. Από το τυπολόγιο έχουμε ότι M X (t) e λ( t) και M Y (t) e μ( t), επομένως M Ζ (t) M X (t) M Y (t)e (λ+μ)( t). Η τελευταία συνάρτηση αποτελεί την πιθανογεννήτρια μιας κατανομής Poisson με παράμετρο (λ + μ). (Β) Θεωρούμε το διάστημα (, ) και την τ.μ. X() του πλήθους των πελατών που φθάνουν στο διάστημα (, ), (ανέλιξη Poisson). Στο διάστημα αυτό ο αναμενόμενος αριθμός πελατών είναι ίσος με λ, έτσι P(Χ() ) P(X() ) e.6.! (Β) Αν Χ είναι το πλήθος των πελατών στο ένα από τα δυο τρίωρα και Υ στο άλλο, τότε η τ.μ. που εκφράζει το σύνολο δηλαδή το άθροισμα των πελατών στα δυο τρίωρα είναι η Z X + Y, η οποία όπως αποδείξαμε στο ερώτημα Α, λόγω της ανεξαρτησίας των τ.μ., ακολουθεί την Poisson κατανομή P( + ) δηλαδή την P(6). Επομένως ζητείται η πιθανότητα P(Ζ ) P(Ζ ) + P(Ζ ) + P(Ζ ) + P(Ζ ) e + e 6 + e 6 + e 6.5.!!! 6 6 6 6 6!

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 8 Σειρά Β Θέματα ως 7 και αναλυτικές (ή σύντομες) απαντήσεις ΘΕΜΑ : Το δοχείο Δ περιέχει άσπρες και 5 μαύρες μπάλες ενώ το δοχείο Δ περιέχει 4 άσπρες και 6 μαύρες μπάλες. Ρίχνουμε ένα ζάρι και αν το αποτέλεσμα είναι μικρότερο του 5 επιλέγουμε τυχαία χωρίς επανάθεση μπάλες από το Δ αλλιώς από το Δ. (Α) Ποια η πιθανότητα να πάρουμε άσπρη και μαύρη; (Α) Ποια η πιθανότητα να είχαμε επιλέξει τις μπάλες από το δοχείο Δ αν πήραμε άσπρη και μαύρη; Συμβολίζουμε τα γεγονότα: Δ{επιλέγουμε από το δοχείο Δ}, Δ{επιλέγουμε από το δοχείο Δ}, Α{επιλέγουμε άσπρη και μαύρη} και με Ζ την τυχαία μεταβλητή με τιμές το αποτέλεσμα του ζαριού (ακολουθεί την διακριτή ομοιόμορφη με p i, i 6,,, 6). Η επιλογή του δοχείου καθορίζεται από το αποτέλεσμα της ρίψης του ζαριού επομένως Ρ(Δ) P(Z < 5) 4. Αντίστοιχα Ρ(Δ) P(Z > 5) 4. 6 6 Το γράφημα που περιγράφει το πείραμα δίνεται στην διπλανή εικόνα. Α. P(A) P(Δ) P(A Δ) + P(Δ) P(A Δ) () Η επιλογή από κάθε δοχείο γίνεται χωρίς επανάθεση επομένως η πιθανότητα επιλογής τυχαίου δείγματος μεγέθους ν με κ άσπρες και μ μαύρες μπάλες (κ+μν) υπολογίζεται με χρήση της υπεργωμετρικής κατανομής, έτσι: 7.55 6 Α. Εφαρμόζοντας το θεώρημα Baes P(Δ A) P(ΑΔ) P(Α) () : P(A) 5 + 8 4 6 P(Δ) P(A Δ) P(Δ) P(A Δ)+P(Δ) P(A Δ).668. ΘΕΜΑ 4: Για μια ερώτηση επιλογής με 5 απαντήσεις εκ των οποίων μόνο η μια είναι σωστή, υποθέτουμε ότι από το σύνολο των φοιτητών που εξετάζονται μόνο το % γνωρίζει την απάντηση. (Α) Αν επιλέξουμε τυχαία ένα φοιτητή ποια η πιθανότητα να απαντήσει σωστά; (Α) Η εξέταση αποτελείται από 5 ερωτήσεις αυτού του είδους, ανεξάρτητες μεταξύ τους. Ποια η πιθανότητα ο φοιτητής ν απαντήσει σωστά σε τουλάχιστον 7 αλλά λιγότερες από από τις ερωτήσεις; Συμβολίζουμε τα γεγονότα: Γ{ο φοιτητής γνωρίζει την απάντηση}, Σ{ο φοιτητής απαντά σωστά}. Επιλέγουμε τυχαία ένα φοιτητή, επομένως Ρ(Γ).. Αν ο φοιτητής γνωρίζει την απάντηση, Ρ(Σ Γ), αν δε γνωρίζει απαντά στην τύχη (επιλέγει τυχαία μια στις πέντε), επομένως Ρ(Σ Γ ).. 5 Α. Επιλέγοντας τυχαία έναν φοιτητή ισχύουν αυτά που γράψαμε προηγούμενα, επομένως P(Σ) P(Γ) Ρ(Σ Γ) + P(Γ ) Ρ(Σ Γ ). +.7..44 Α. Κάθε ερώτηση αποτελεί μια δοκιμή Bernoulli για τον τυχαία επιλεγμένο φοιτητή με πιθανότητα επιτυχίας ίση με.44 όπως υπολογίστηκε στο ερώτημα Α. Επομένως η τ.μ. Χ που μετρά το πλήθος των σωστών απαντήσεων ακολουθεί τη διωνυμική κατανομή Β(5,.44) και η ζητούμενη πιθανότητα είναι η Ρ(7 Χ < ) Ρ(7 Χ ). Πρακτικά για πλήθος επαναλήψεων μεγαλύτερο ή ίσο του η παραπάνω πιθανότητα προσεγγίζεται σχετικά ικανοποιητικά με τη βοήθεια της κανονικής κατανομής Ν(5.44, 5.44 (.44)) ή Ν(5.4, 8.64). Χρησιμοποιώντας τη διόρθωση συνέχειας βρίσκουμε: Φ(.77) Φ(.75).6. Ρ(7 Χ ) Ρ 7.5 5.4.967 Ζ +.5 5.4 Ρ(.75 Ζ.77).967 ΘΕΜΑ 5: Η τ.μ. Χ έχει την ομοιόμορφη κατανομή στο [,]. (Α) Να βρείτε τις συναρτήσεις πυκνότητας και κατανομής της τ.μ. Y X. (Α) Να βρείτε ένα κάτω φράγμα της πιθανότητας P( < Y < ) με χρήση της ανισότητας Chebshev ( P( X μ k σ) k ). 6 4

A. Η τ.μ. ακολουθεί τη συνεχή ομοιόμορφη κατανομή με συνάρτηση πυκνότητας πιθανότητας f(x) ότττ < x < και αλλού. Η συνάρτηση τ.μ. φ(x) x είναι γνησίως αύξουσα στο [,], έχει αντίστροφη την φ () 4 και θετική πυκνότητα στο διάστημα (, ). Με εφαρμογή του Θ.4.4, η συνάρτηση π.π. της Y δίνεται από τη σχέση f Y () d(4 ) 8, έτσι : η σ.π.π. είναι dd f Y () 8 (, ) ααααύ Για τη σ.κ. έχουμε: όταν <, F Y () dd όταν <, F Y() dd + 8ttt 4, επομένως : < η σ.κ. είναι F Y () 4 <, και όταν, F Y() dd + 8 + dd Α. Υπολογίζουμε τη μέση τιμή και την διασπορά της Y. EE 8 και EY άρα VarXσ EY (EE) και σ 8 7 6 Το ζητούμενο κάτω φράγμα υπολογίζεται από την ανισότητα Chebshev: P( X μ k σ) k P( X μ < k σ) k P( X μ < k σ) k. Για τη δοσμένη πιθανότητα έχουμε P < Y < 6 P < Y < P < Y < P Y < P Y < 6 6 6 6 6 ΘΕΜΑ 6: Η τ.μ. Χ μετρά πόσες φορές ένας διακόπτης λειτουργεί πριν χρειαστεί αλλαγή και έχει συνάρτηση πιθανότητας f(x) h ( )x, x,,,. (A) Να βρεθεί η τιμή της σταθεράς h ώστε η f(x) να ικανοποιεί τις ιδιότητες της συνάρτησης πιθανότητας. (Α) Έστω τα γεγονότα, Α: «ο διακόπτης λειτουργεί τουλάχιστον κ φορές» και Β: «ο διακόπτης λειτουργεί τουλάχιστον κ + λ φορές». Υπολογίστε την πιθανότητα P(Β Α) και δώστε την ερμηνεία του αποτελέσματος. (Α) Βρείτε την πιθανογεννήτρια της τ.μ. Χ και χρησιμοποιείστε αυτή για να υπολογίσετε τις παραμέτρους ΕΕ και VVVV. A. Η τ.μ. Χ είναι διακριτή (απαριθμητή), επομένως πρέπει (ι) f(x), και (ιι) f(x). Από την (ιι) βασιζόμενοι στη σύγκλιση της γεωμετρικής σειράς έχουμε: c( )x c c Α. P(Β Α) P(AA) () Είναι κ, λ, έτσι για τον αριθμητή το σύστημα ανισώσεων: x κ κκκ x κ + λ, συνεπάγεται x κ + λ, επομένως P(AA) P(X κ + λ). Αντιστοίχως P(A) P(X κ). Μπορούμε να συνεχίσουμε με P(A) τρεις τρόπους: α τρόπος) με αλλαγή μεταβλητής στο δείκτη, t x κ, οπότε x t + κ για τον αριθμητή έχουμε νέα όρια, λ και, ενώ P(X κ + λ) ( )x tλ ( )t+κ ( )κ xκ+λ tλ t. Για τον παρονομαστή αντίστοιχα τα όρια είναι και ενώ P(X κ) ( )x xκ t t+κ ( )κ ( t )t ( )κ ( )κ. Τελικά, (): P(Β Α) ( )κ tλ t ( )κ tλ t P(X λ). β τρόπος) P(X κ + λ) xκ+λ ( )x xκ+λ ( )x, με αλλαγή μεταβλητής στο δείκτη, t x κ λ και νέα όρια, και, έχουμε P(X κ + λ) ( )t+κ+λ ( )κ+λ ( )t ( )κ+λ t t ( )κ+λ. Αναλόγως, με 5

αλλαγή μεταβλητής στον δείκτη t x κ και νέα όρια και, υπολογίζουμε (όπως και παραπάνω) ότι P(X κ) t ( )t+κ ( )κ. Τελικά, (): P(Β Α) ( )κ+λ ( ( )κ )λ tλ t P(X λ). γ τρόπος) χρησιμοποιώντας τον τύπο για τα μερικά αθροίσματα της γεωμετρικής σειράς, P(X κ + λ) κ+λ x x ( κ+λ ( )κ+λ κ. Ανάλογα P(X κ) x x φτάνουμε στο ίδιο αποτέλεσμα, P(Β Α) ( )κ+λ ( ( )κ )λ tλ t P(X λ). ( κ ( )κ. Οπότε Το αποτέλεσμα αυτό ερμηνεύεται ως «έλλειψη μνήμης», αφού το να λειτουργεί για τουλάχιστον κ+λ φορές δεν εξαρτάται από το πλήθος κ των φορών που έχει ήδη λειτουργήσει αλλά αποκλειστικά από τις επιπλέον φορές λ (αναμενόμενο αφού η τ.μ. που έχει δοθεί ακολουθεί τη γεωμετρική κατανομή με πιθανότητα επιτυχίας την πιθανότητα να χρειαστεί αλλαγή, θ ). A. Π(z) E(z x ) z x x ( )x (z x )x z, (για < z < ), αποτέλεσμα που θα μπορούσαμε z να πάρουμε απευθείας με χρήση του τυπολογίου και της γεωμετρικής κατανομής. ΕΕ Π (z) z ( z) z, ΕΕ(X ) Π (z) z 8 ( z) z 8 και τελικά VVVV Π () + Π () (Π ()) 6, αποτελέσματα που μπορούν επίσης να επαληθευτούν από το τυπολόγιο (χωρίς όμως να χρησιμοποιηθούν οι τύπο του τυπολογίου αφού στην εκφώνηση ήταν ξεκάθαρο ότι ο υπολογισμός τους πρέπει να γίνει με χρήση της πιθανογεννήτριας). ΘΕΜΑ 7: (Α) Να αποδείξετε ότι αν δυο ανεξάρτητες τ.μ. Χ, Χ ακολουθούν κατανομές Poisson, P(λ) και P(μ) αντίστοιχα τότε η τ.μ. Z X + X ακολουθεί την Poisson P(μ + λ). (Β) Σ ένα κατάστημα το πλήθος των πελατών που έρχονται για αλλαγή των προϊόντων ανά ώρες ακολουθεί κατανομή Poisson με μέσο ρυθμό πελάτες. (Β) Υπολογίστε την πιθανότητα να έρθει τουλάχιστον ένας πελάτης στο διάστημα μιας ώρας. (Β) Υπολογίστε την πιθανότητα, το σύνολο των πελατών που θα έρθουν για αλλαγή σε διαφορετικά δίωρα να είναι το πολύ. A. Γνωρίζουμε ότι η κατανομή του αθροίσματος δυο ανεξάρτητων τυχαίων μεταβλητών, μπορεί να αναγνωριστεί από την πιθανογεννήτρια του αθροίσματος η οποία στην περίπτωση αυτή υπολογίζεται από το γινόμενο των πιθανογεννητριών. Από το τυπολόγιο έχουμε ότι M X (t) e λ( t) και M X (t) e μ( t), επομένως M Ζ (t) M X (t) M X (t) e (λ+μ)( t). Η τελευταία συνάρτηση αποτελεί τη πιθανογεννήτρια μιας κατανομής Poisson με παράμετρο (λ + μ). (Β) Θεωρούμε το διάστημα (, ) και την τ.μ. X() του πλήθους των πελατών που φθάνουν στο διάστημα (, ), (ανέλιξη Poisson). Στο διάστημα αυτό ο αναμενόμενος αριθμός πελατών είναι ίσος με λ, έτσι P(Χ() ) P(X() ) e.6.! (Β) Αν Χ είναι το πλήθος των πελατών στο ένα από τα δυο τρίωρα και X στο άλλο, τότε η τ.μ. που εκφράζει το σύνολο δηλαδή το άθροισμα των πελατών στα δυο ξένα μεταξύ τους τρίωρα είναι η Z X + X, η οποία όπως αποδείξαμε στο ερώτημα Α, λόγω της ανεξαρτησίας των τ.μ., ακολουθεί την Poisson κατανομή P( + ) δηλαδή την P(4). Επομένως 4 4 ζητείται η πιθανότητα P(Ζ ) P(Ζ ) + P(Ζ ) + P(Ζ ) + P(Ζ ) e e 4 4!.4854.! 4 4 + e 4 + e 4 +!! 6