Πιθανότητες. Τυχαίο Πείραμα όσες φορές και να γίνει κρατώντας τις συνθήκες σταθερές, το αποτέλεσμά του δεν είναι πάντα το ίδιο.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
ΗΥ430 Ψηφιακες Επικοινωνιες Μαθημα 2
Advertisements

Πώς μπορείς να μάθεις να χρησιμοποιείς τις πιθανότητες.
Θεματική Ενότητα Διακριτή Πιθανότητα.
Ασκήσεις Συνδυαστικής
Μαθηματικό εργαστήριο Γ. Λαγουδάκος
Keller: Stats for Mgmt & Econ, 7th Ed Πιθανότητες Κεφάλαια 3, 4 & 5
Αναγνώριση Προτύπων.
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 5) 1 Τυχαία συνάρτηση Μία τυχαία συνάρτηση (ΤΣ) είναι ένας κανόνας με τον οποίο σε κάθε αποτέλεσμα ζ.
© 2002 Thomson / South-Western Slide 4A-1 Κεφάλαιο 4, Μέρος A Πιθανότητες.
ΕΠΛ 231 – Δομές Δεδομένων και Αλγόριθμοι12-1 Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ο αλγόριθμος του Prim και ο αλγόριθμος του Kruskal.
ΕΙΣΑΓΩΓΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 2) 1 Τι είναι η πιθανότητα Έστω ότι δίνεται ένα πείραμα τύχης το οποίο καθορίζεται από το σύνολο των.
ΣΥΝΟΛΑ.
Φροντιστήριο – Συμπληρωματικές Ασκήσεις
ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ΔΙΑΚΡΙΤΩΝ ΚΑΙ ΣΥΝΕΧΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
ΣΤΑΤΙΣΤΙΚΗ ΕΠΑΓΩΓΗ: ΣΗΜΕΙΑΚΕΣ ΕΚΤΙΜΗΣΕΙΣ & ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Κλάδος των Μαθηματικών που ασχολείται με τις προβλέψεις αποτελεσμάτων τυχαίων γεγονότων.
Π ΑΝΕΠΙΣΤΗΜΙΟ Δ ΥΤΙΚΗΣ Μ ΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Θεωρία Σημάτων και Συστημάτων 2013 Μάθημα 3 ο Δ. Γ. Τσαλικάκης.
Αρχές επαγωγικής στατιστικής
Τι είναι η Κατανομή (Distribution)
Στατιστική και λογισμικά στις επιστήμες συμπεριφοράς
Στατιστική και λογισμικά στις επιστήμες συμπεριφοράς Ενότητα 6 : Δειγματοληπτικές Κατανομές Γεράσιμος Μελετίου Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό.
ΑΝΑΘΕΣΗ ΣΥΜΒΑΣΕΩΝ ΥΠΗΡΕΣΙΩΝ & ΠΡΟΜΗΘΕΙΩΝ
ΚΕΦΑΛΑΙΟΥΧΙΚΕΣ ΕΤΑΙΡΙΕΣ 4 ο Πακέτο Σημειώσεων Εισηγήτρια : Δοξαστάκη Κάλλια 4 ο Πακέτο Σημειώσεων Εισηγήτρια : Δοξαστάκη Κάλλια.
ΕΝΝΟΙΑ & ΔΙΑΚΡΙΣΕΙΣ ΚΟΣΤΟΥΣ ΕΝΝΟΙΑ & ΔΙΑΚΡΙΣΕΙΣ ΚΟΣΤΟΥΣ ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Τ.Ε.Ι. ΚΡΗΤΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ.
ΕΠΙΜΟΡΦΩΣΗ ΕΠΙΘΕΩΡΗΤΩΝ ΤΗΣ ΔΗΜΟΤΙΚΗΣ (Ιούνιος 2011) Περιεχόμενο και καινοτόμα στοιχεία του νέου Προγράμματος Σπουδών Λογοτεχνίας στην υποχρεωτική Εκπαίδευση.
ΣΥΜΜΟΡΦΩΣΗ ΣΕ ΔΙΚΑΣΤΙΚΕΣ ΑΠΟΦΑΣΕΙΣ Εισηγητές: - Κωνσταντίνος Μπλάγας, Δ/νων Σύμβουλος ΔήμοςΝΕΤ - Καλλιόπη Παπαδοπούλου, Νομική Σύμβουλος ΔήμοςΝΕΤ.
«Διγλωσσία και Εκπαίδευση» Διδάσκων: Γογωνάς Ν. Φοιτήτρια: Πέτρου Μαρία (Α.Μ )
ΣΤΑΤΙΚΗ Ι Ενότητα 4 η : ΣΤΕΡΕΑ ΚΑΙ ΚΙΝΗΤΑ ΣΥΣΤΗΜΑΤΑ Διάλεξη: Ισοστατικότητα – υπερστατικότητα – κινητότητα φορέων. Καθηγητής Ε. Μυστακίδης Τμήμα Πολιτικών.
Σήματα και Συστήματα ΙΙ Διάλεξη: Εβδομάδα Καθηγητής Πέτρος Γρουμπός Επιμέλεια παρουσίασης: Βασιλική Μπουγά 1.
 Ο Νόμος των Μεγάλων Αριθμών είναι το θεώρημα που περιγράφει τον τρόπο με τον οποίο συμπεριφέρεται ένα συγκεκριμένο πείραμα, όταν ο αριθμός των επαναλήψεων.
Π.Γ.Ε.Σ.Σ ΚΑΡΝΑΡΟΥ ΧΡΙΣΤΙΝΑ Β2ΘΡΗΣΚΕΥΤΙΚΑ ΚΕΦΑΛΑΙΟ 5 ΣΕΛΙΔΕΣ ΕΡΓΑΣΙΕΣ Α-Δ.
ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΤΗΣ ΥΛΟΠΟΙΗΣΗΣ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ, ΕΡΕΥΝΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΓΕΝΙΚΗ ΓΡΑΜΜΑΤΕΙΑ ΕΡΕΥΝΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΔΙΑΧΕΙΡΙΣΤΗΣ ΠΡΟΓΡΑΜΜΑΤΟΣ.
ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ ΤΕΧΝΙΚΕΣ ΚΟΣΤΟΛΟΓΗΣΗΣ Αποφάσεις Βάσει Οριακής & Πλήρους Κοστολόγησης Α.Τ.Ε.Ι. ΚΡΗΤΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΠΟΦΑΣΕΙΣ ΒΑΣΕΙ ΟΡΙΑΚΗΣ.
ΕΛΕΓΧΟΙ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Η πιο συνηθισμένη στατιστική υπόθεση είναι η λεγόμενη Υπόθεση Μηδέν H 0. –Υποθέτουμε ότι η εμφανιζόμενη διαφορά μεταξύ μιας.
ΗΛΕΚΤΡΙΚΕΣ ΜΕΤΡΗΣΕΙΣ ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΗΣ.
ΝΟΣΗΛΕΥΤΙΚΗ ΦΡΟΝΤΙΔΑ ΠΑΙΔΙΩΝ ΜΕ ΜΕΤΑΒΟΛΙΚΑ ΝΟΣΗΜΑΤΑ Δημήτριος Κυφωνίδης Παιδίατρος Διευθυντής Παιδιατρικής Κλινικής «Μποδοσάκειο» Νοσοκομείο Πτολεμαΐδας.
Σχέδιο Βιώσιμης Αστικής Ανάπτυξης (ΒΑΑ) ΔΗΜΟΣ ΛΑΡΙΣΑΙΩΝ.
ΑΦΥΔΑΤΩΣΗ ΕΝΔΟΦΛΕΒΙΑ ΧΟΡΗΓΗΣΗ ΥΓΡΩΝ Κυφωνίδης Δημήτριος Παιδίατρος Διευθυντής Παιδιατρικής Κλινικής «Μποδοσάκειο» Νοσοκομείο Πτολεμαΐδας.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ ΜΕΡΟΣ Β Α. ΕΞΑΜΗΝΟ ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ΚΑΙ ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΚΑΘ. ΠΕΤΡΟΣ Π. ΓΡΟΥΜΠΟΣ.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 8η Στοχαστικά Σήματα - 1.
Υπεύθυνη καθηγήτρια: Ε. Γκόνου Μαθητές: Ρωμανός Πετρίδης, Βαγγέλης Πίπης Π.Γ.Ε.Σ.Σ ….Θανέειν πέπρωται άπασι.
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
Συναρτήσεις Πληθάριθμοι Συνόλων
Εισαγωγή στην Στατιστική
ΦΟΡΟΛΟΓΙΚΟ ΔΙΚΑΙΟ Ι Συνυπολογισμός προηγούμενων δωρεών ή γονικών παροχών για σκοπούς φόρου κληρονομίας Διδάσκων καθηγητής: Α. Τσουρουφλής Εξηνταβελώνη.
Συναρτήσεις πολλών μεταβλητών ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΡΟΣΑΡΜΟΓΗ Φ
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(2)
ΟΙ ΑΡΓΥΡΟΙ ΚΑΙ ΧΡΥΣΟΙ ΚΑΝΟΝΕΣ ΤΗΣ ΛΥΣΗΣ
Οι Αριθμοί … 5.
Βιομετρία - Γεωργικός Πειραματισμός
Το ερώτημα "τι είναι επιστήμη;" δεν έχει νόημα χωρίς κάποιο χρονικό προσδιορισμό Όταν τις δεκαετίες του 80 και του 90 κατέρρεε το αποκαλούμενο ανατολικό.
Η Έννοια της τυχαίας Διαδικασίας
O Θόρυβος στα Συστήματα Τηλεπικοινωνιών
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II
ΠΟΛΥΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Στη θεωρία των πιθανοτήτων η πολυωνυμική κατανομή είναι μια γενίκευση της διωνυμικής κατανομής. Η διωνυμική κατανομή είναι η κατανομή.
ΜΕΤΑΒΛΗΤΗ ΤΙ ΕΙΝΑΙ; – ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΕΝΝΟΙΑΣ ΠΩΣ ΣΥΜΒΟΛΙΖΕΤΑΙ ΟΡΙΣΜΟΣ
Διακριτά Μαθηματικά ΣΥΝΟΛΑ.
Βασικά στοιχεία της θεωρίας πιθανοτήτων
Στατιστική Επιχειρήσεων
Η ΑΠΟΤΕΛΕΣΜΑΤΙΚΗ ΕΠΙΚΟΙΝΩΝΙΑ
Επικαλύπτοντα Δέντρα και Σύνολα Τομής
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(4)
Στατιστική και λογισμικά στις επιστήμες συμπεριφοράς
Κατανομή Poisson Η κατανομή αυτή χρησιμοποιείται όταν θέλουμε να μετρήσουμε τον αριθμό των γεγονότων που εμφανίζονται μέσα σ’ ένα διάστημα (0, t).
Σύστημα πρόσβασης στην Τριτοβάθμια Εκπαίδευση
اعداد الأستاذ/ عبدالرؤوف أحمد يوسف
Ανταγωνιστεσ ασβεστιου
АНТИБИОТИКЛАРНИНГ ФАРМАКОЛОГИЯСИ т.ф.д., проф. Алиев Х.У Тошкент 2014
Μεταγράφημα παρουσίασης:

Πιθανότητες

Τυχαίο Πείραμα όσες φορές και να γίνει κρατώντας τις συνθήκες σταθερές, το αποτέλεσμά του δεν είναι πάντα το ίδιο

Δειγματικός Χώρος (Sample Space) Το σύνολο που περιέχει όλα τα δυνατά αποτελέσματα ενός τέτοιου πειράματος Συμβολίζουμε με Ω. Μπορεί να είναι πεπερασμένο ή άπειρο

Παραδείγματα το φύλο του νεογέννητου παιδιού Ω = { Α, Κ } η ρίψη ενός ζαριού, Ω = { 1, 2, 3, 4, 5, 6 } το ύψος των ατόμων μιας περιοχής Ω = [0,  ) αριθμός των αποικιών ενός μύκητα σε μία καλλιέργεια, Ω = { 0, 1, 2, 3,... }

Γεγονότα ή Ενδεχόμενα (events) Τα υποσύνολα του δειγματικού χώρου, Συμβολίζονται συνήθως με τα κεφαλαία γράμματα Α, Β, Γ,.. Απλά γεγονότα αποτελούνται από ένα μόνο σημείο Σύνθετα γεγονότα περιλαμβάνουν περισσότερα σημεία

Γεγονότα (γραφική απεικόνηση)

Θεωρία Συνόλων & Γεγονότα Πραγματοποιείται το Α και το Β Πραγματοποιείται η Α  Β (τομή) Ω Α Β

Θεωρία Συνόλων & Γεγονότα Πραγματοποιείται το Α ή το Β (ή και τα δύο) Πραγματοποιείται η Α  Β (ένωση) Ω Α Β

Θεωρία Συνόλων & Γεγονότα Δεν πραγματοποιείται το Α Πραγματοποιείται το Α c (συμπλήρωμα) Ω Α ΑcΑc

Κάποιες ιδιότητες i) Α  Β τότε "πραγματοποίηση του Α" σημαίνει "πραγματοποίηση του Β« οπωσδήποτε ii) Α  Β=  τότε "πραγματοποίηση του Α" σημαίνει "μη πραγματοποίηση του Β" και "πραγματοποίηση του Β" σημαίνει "μη πραγματοποίηση του Α" Ασυμβίβαστα

Ασυμβίβαστα Γεγονότα Ω Α Β Α  Β= 

Αδύνατο / Βέβαιο γεγονός Το Ω ονομάζεται βέβαιο γεγονός (sure event) – πραγματοποιείται πάντα Το κενό σύνολο  ονομάζεται αδύνατο γεγονός (impossible event) – δεν πραγματοποιείται ποτέ

Πιθανότητες (probabilities) (ορισμός) Στατιστικός ορισμός Α-priori ορισμός Υποκειμενικός ορισμός;; Όπως και να οριστεί η πιθανότητα, πρέπει να έχει κάποιες ιδιότητες, να υπακούει σε κάποιους κανόνες, π.χ. 0 ≤ Ρ(Α) ≤ 1 (0% - 100%)

Στατιστικός ορισμός Πιθανότητα ενός γεγονότος Α, είναι η σχετική συχνότητα εμφάνισης του Α, όταν το πείραμα επαναληφθεί πάρα πολλές (άπειρες!) φορές, κάτω από τις ίδιες ακριβώς συνθήκες Η πιθανότητα δηλαδή εκτιμάται σε ένα δείγμα από τη σχετική συχνότητα.

Α-priori ορισμός Αν ο δειγματικός χώρος είναι πεπερασμένος και αποτελείται από k απλά γεγονότα, δηλ. Ω = { ω 1, ω 2,..., ω k } τότε αν όλα τα αποτελέσματα του πειράματος έχουν την ίδια πιθανότητα εμφάνισης (ισοπίθανα), η πιθανότητα του καθενός είναι ίση με 1/k

Ιδιότητες i) 0  P(A)  1 (η πιθανότητα είναι πάντα αριθμός μεταξύ 0 και 1) ii) P(Ω) = 1 και P(  ) = 0 (η πιθανότητα του βέβαιου γεγονότος είναι 1 και του αδύνατου γεγονότος 0)

Ιδιότητες iii) Αν Α  Β τότε Ρ(Α)  Ρ(Β) (Οταν η πραγματοποίηση του Α σημαίνει ταυτόχρονα και την πραγματοποίηση του Β, τότε το Β είναι περισσότερο "πιθανό" από το Α) iv) Αν Α  Β=  τότε Ρ(Α  Β)= Ρ(Α) + Ρ(Β). (Αν τα γεγονότα Α και Β είναι ξένα μεταξύ τους, τότε η πιθανότητα να συμβεί ένα από τα δύο, είναι το άθροισμα των πιθανοτήτων που έχουν να συμβούν το καθένα χωριστά).

Ιδιότητες v) Γενικά Ρ(Α  Β)= Ρ(Α) + Ρ(Β) - Ρ(Α  Β) προσθετικό θεώρημα vi) Ρ(Α c ) + Ρ(Α)= 1 (H πιθανότητα του συνόλου και η πιθανότητα του συμπληρώματός του έχουν άθροισμα 1)

Πιθανότητα υπό συνθήκη Έστω ότι έχουμε μια πληροφορία για το αποτέλεσμα ενός πειράματος Μας λένε δηλαδή, ότι συνέβη το γεγονός Β. Τότε η πιθανότητα να συμβεί το Α ενώ γνωρίζουμε οτι συνέβη το Β ονομάζεται Δεσμευμένη Πιθανότητα (conditional probability) του Α, δοθέντος του Β Συμβολίζουμε με Ρ(Α/Β)

Ορισμός (εννοείται βέβαια οτι Ρ(Β)  0) Από τον τύπο αυτό προκύπτει ο τύπος Ρ(Α  Β) = P(Α|Β). Ρ(Β)

Ανεξάρτητα γεγονότα Υπάρχουν περιπτώσεις που η πληροφορία μας για την πραγματοποίηση ενός γεγονότος Β δεν αλλάζει την πιθανότητα του γεγονότος Α, που μας ενδιαφέρει, δηλαδή P(Α|Β) = Ρ(Α) Τότε τα γεγονότα Α και Β ονομάζονται ανεξάρτητα (independent)

Βασική ιδιότητα ανεξαρτησίας Τα Α και Β είναι ανεξάρτητα όταν Ρ(Α  Β) = P(Α). Ρ(Β) Η ιδιότητα επεκτείνεται σε n γεγονότα. Αν τα Α 1,…,Α n είναι ανεξάρτητα τότε Ρ(Α 1  …  Α n ) = P(Α 1 )…Ρ(Α n )