ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ

Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά

Τεχνολογικού Τομέα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Εβελίνα Κοσσιέρη
Τμήμα Λογιστικής και Χρηματοοικονομικής

Ενότητα # 1: Εισαγωγή στη Στατιστική

ΤΙ ΕΙΝΑΙ ΣΤΑΤΙΣΤΙΚΗ (1)

ΤΙ ΕΙΝΑΙ ΣΤΑΤΙΣΤΙΚΗ (2)

ΤΙ ΕΙΝΑΙ ΣΤΑΤΙΣΤΙΚΗ (2)

ΤΙ ΕΙΝΑΙ ΣΤΑΤΙΣΤΙΚΗ (3)

 ΤΙ ΕΙΝΑΙ ΣΤΑΤΙΣΤΙΚΗ (4)

Στατιστική είναι ο κλάδος των εφαρμοσμένων

επιστημών, η οποία βασίζεται σ’ ένα σύνολο αρχών
και μεθοδολογιών που έχουν σκοπό:
 Το σχεδιασμό της διαδικασίας συλλογής και τη
συλλογή δεδομένων.
 Την παρουσίασή τους με πίνακες, γραφήματα
κ.τ.λ.
 Την ανάλυση των δεδομένων και την εξαγωγή
χρήσιμων συμπερασμάτων.
 Την εκτίμηση αντίστοιχων καταστάσεων.

ΤΙ ΜΕΛΕΤΑ Η ΣΤΑΤΙΣΤΙΚΗ

– Οποιαδήποτε ομάδα ανθρώπων….

..αλλά και έμβιων οργανισμών ζώα, φυτά
οργανισμούς.
– Ομάδες αντικειμένων
– Ομάδες καταστάσεων
– Ομάδες φαινομένων
– Ομάδες γεγονότων
κ.τ.λ.
 ΣΤΑΤΙΣΤΙΚΟΣ ΠΛΗΘΥΣΜΟΣ (1)

Κάθε ομάδα (σύνολο) των

οποίων τα στοιχεία της
οποίας μας ενδιαφέρουν.

ΣΤΑΤΙΣΤΙΚΟΣ ΠΛΗΘΥΣΜΟΣ (β)

Πάρα πολύ μεγάλος (άπειρος)

Σχετικά μικρός
π.χ. πλήθος αστεριών
(πεπερασμένος)
συμπαντος, πλήθος
π.χ. μαθητές ενός σχολείου,
μικροοργανισμών στον αέρα,
κάτοικοι μιας περιοχής κ.λ.π.
κ.λ.π.
 ΣΤΑΤΙΣΤΙΚΗ ΜΟΝΑΔΑ

• Έτσι στην περίπτωση του πληθυσμού των

μαθητών ενός σχολείου στατιστική μονάδα
είναι ο ένας μαθητής.
• Στην περίπτωση των αστεριών του σύμπαντος
η μία στατιστική μονάδα είναι το ένα αστέρι.

ΔΕΙΓΜΑ

Είναι ένα υποσύνολο του

στατιστικού πληθυσμού
το οποίο επιλέγουμε για
να ερευνήσουμε
 ΑΠΟΓΡΑΦΗ ΚΑΙ ΔΕΙΓΜΑΤΟΛΗΨΙΑ

Για την συλλογή των στατιστικών στοιχείων,

εφαρμόζονται διάφοροι μέθοδοι, από τις οποίες οι
πιο συνηθισμένες, είναι η απογραφή και η
δειγματοληψία.

ΑΠΟΓΡΑΦΗ

Η απογραφή είναι η συγκέντρωση

στοιχείων από όλες τις στατιστικές
μονάδες του πληθυσμού που
εξετάζουμε
 ΔΕΙΓΜΑΤΟΛΗΨΙΑ

Η δειγματοληψία είναι η
συγκέντρωση στοιχείων μόνο
από ένα τμήμα (υποσύνολο) του
πληθυσμού, που θέλουμε να
ερευνήσουμε.

ΣΥΓΚΡΙΣΗ ΤΩΝ ΔΥΟ ΜΕΘΟΔΩΝ

• Η δειγματοληψία είναι μέθοδος πιο γρήγορη, πιο

οικονομική, αλλά μπορεί να οδηγήσει σε εσφαλμένα
αποτελέσματα όταν το δείγμα δεν έχει επιλεγεί με
ενδεδειγμένες επιστημονικές μεθόδους.
• Η απογραφή είναι δαπανηρή, πιο χρονοβόρα, αλλά με
αποτελέσματα που δεν εμπεριέχουν το δειγματοληπτικό
σφάλμα
 ΣΤΑΤΙΣΤΙΚΗ ΜΕΤΑΒΛΗΤΗ

Κάθε πληθυσμό που επιλέγουμε νε

μελετήσουμε μπορούμε να τον μελετήσουμε ως
προς κάποιο χαρακτηριστικό που επιθυμούμε.
Το χαρακτηριστικό αυτό ονομάζεται
(στατιστική) μεταβλητή

ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΤΑΤΙΣΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ

Περίπτωση μαθητών σχολείου Περίπτωση αστεριών σύμπαντος

Έτσι στην περίπτωση των μαθητών Στην περίπτωση των αστεριών
ενός σχολείου μία στατιστική του σύμπαντος θα μπορούσε
μεταβλητή θα μπορούσε να είναι το
πλήθος των εξωσχολικών βιβλίων
να είναι ο χρόνος ζωής τους.
που διαβάζουν μέσα στη σχολική
χρονιά.
 ΤΙΜΕΣ ΜΕΤΑΒΛΗΤΗΣ

Οι δυνατές τιμές που μπορεί Έτσι στην περίπτωση των

να πάρει μια μεταβλητή είναι μαθητών ενός σχολείου , όπου
αυτό που ονομάζουμε τιμές η στατιστική μεταβλητή είναι
μεταβλητής το πλήθος των εξωσχολικών
βιβλίων, οι τιμές που μπορεί
να πάρει είναι: 0, 1, 2, 3, ….
κ.λ.π

ΚΑΤΗΓΟΡΙΕΣ ΜΕΤΑΒΛΗΤΩΝ

Οι μεταβλητές χωρίζονται σε δύο κατηγορίες, στις ποιοτικές και

στις ποσοτικές.
•Ποιοτικές μεταβλητές είναι εκείνες που οι τιμές τους δεν είναι
αριθμοί.
•Ποσοτικές μεταβλητές είναι εκείνες που οι τιμές τους είναι
αριθμοί.
 Ποσοτικές Μεταβλητές
Επιπλέον κατηγορίες μεταβλητών
Μόνο οι ποσοτικές μεταβλητές διακρίνονται σε δύο
κατηγορίες.

•Συνεχείς είναι οι ποσοτικές μεταβλητές που μπορούν να

πάρουν οποιαδήποτε τιμή ενός διαστήματος, δηλαδή
παίρνουν άπειρες τιμές

•Διακριτές ή ασυνεχείς είναι οι ποσοτικές μεταβλητές

που παίρνουν μόνο μεμονωμένες τιμές, δηλαδή με λίγα
λόγια παίρνουν μόνο πεπερασμένο πλήθος τιμών.

Ποιοτικές Μεταβλητές
Επιπλέον κατηγορίες μεταβλητών
Οι ποιοτικές μεταβλητές διακρίνονται σε δύο κατηγορίες.

•Ονομαστικές είναι οι ποιοτικές μεταβλητές που η

διάταξη τους δεν έχει κάποιο νόημα.

•Διατακτικές είναι οι ποιοτικές μεταβλητές των οποίων η

διάταξη έχει σημασία για συγκεκριμένο πρόβλημα.

• Διχοτομικές είναι οι ποιοτικές μεταβλητές, που

χωρίζουν τις στατιστικές μονάδες σε δύο μέρη.
 ΠΙΝΑΚΕΣ ΚΑΙ ΓΡΑΦΗΜΑΤΑ ΣΤΗ
ΣΤΑΤΙΣΤΙΚΗ
Για την παρουσίαση των στατιστικών δεδομένων
χρησιμοποιούμε τους πίνακες και τα γραφήματα

ΤΑ ΒΑΣΙΚΑ ΜΕΡΗ ΕΝΟΣ ΣΤΑΤΙΣΤΙΚΟΥ

Τίτλος ΠΙΝΑΚΑ (α)

Κυρίως σώμα πίνακα

με ονομασίες στηλών,
σύνολα

Πηγή
 ΤΑ ΒΑΣΙΚΑ ΜΕΡΗ ΕΝΟΣ ΣΤΑΤΙΣΤΙΚΟΥ
ΠΙΝΑΚΑ (β)
Τα βασικά μέρη ενός στατιστικού πίνακα είναι:

•Ο Τίτλος του, που φέρεται σαφής και συνοπτικός στο πάνω

μέρος του πίνακα.
•Το Κύριο σώμα του πίνακα, που περιλαμβάνει τις
επικεφαλίδες γραμμών και στηλών καθώς και τις μονάδες
μέτρησης των δεδομένων που παρουσιάζουν. Το τέλος της
κάθε γραμμής ή στήλης συνήθως γράφουμε το άθροισμα των
δεδομένων αντίστοιχα.
•Οι Επεξηγήσεις εφόσον απαιτούνται
•Η Πηγή προέλευσης των δεδομένων που παρουσιάζονται
στον πίνακα. Τοποθετείται στο κάτω μέρος προκειμένου ο
πίνακας να είναι αξιόπιστος.

ΤΑ ΒΑΣΙΚΑ ΜΕΡΗ ΕΝΟΣ ΓΡΑΦΗΜΑΤΟΣ

(α)
• Ο Τίτλος του, που φέρεται σαφής και συνοπτικός στο πάνω
μέρος του γραφήματος.
• Αν υπάρξουν άξονες δε θα πρέπει να ξεχαστεί η ονομασία
τους, καθώς και οι μονάδες μέτρησης.
• Οι Επεξηγήσεις εφόσον απαιτούνται.
• Η Πηγή προέλευσης των δεδομένων που παρουσιάζονται στο
γράφημα. Τοποθετείται στο κάτω μέρος προκειμένου το
γράφημα να είναι αξιόπιστο.
 ΤΑ ΒΑΣΙΚΑ ΜΕΡΗ ΕΝΟΣ ΓΡΑΦΗΜΑΤΟΣ
(β)
Τίτλος

Ονομασίες αξόνων

Επεξηγήσεις

ΑΣΚΗΣΗ 1
Σε μια στατιστική έρευνα όπου ο πληθυσμός είναι οι
αθλητές μιας ομάδας και μεταβλητή, το βάρος των
αθλητών να καταγράψετε τις τιμές της μεταβλητής
Απάντηση
Οι τιμές του βάρους μπορούν να είναι οποιεσδήποτε
μεταξύ κάποιας ανώτατης και κάποιας κατώτατης τιμής,
επομένως μπορούμε να πούμε ότι είναι π.χ. από 50 έως
90 κιλά. Αυτό το αναπαριστούμε με τη μορφή του
διαστήματος [50, 90].
Εδώ πρέπει να σημειωθεί ότι η αγκύλες [,] σημαίνουν την
δυνατότητα ύπαρξης της τιμής που έπεται ή ακολουθεί
την αγκύλη αντίστοιχα μέσα στο διάστημα, δηλ στην
άσκησή μας σημαίνει ότι το βάρος 50 και 90 μπορεί να
αποτελεί το βάρος κάποιου αθλητή.
 ΑΣΚΗΣΗ 2
Στατιστική έρευνα όπου ο πληθυσμός είναι ο
ελληνικές οικογένειες και μεταβλητή, το πλήθος των
ανήλικων τέκνων να καταγράψετε τις τιμές της
μεταβλητής
Απάντηση
Ο αριθμός των ανήλικων τέκνων μιας ελληνικής οικογένειας
μπορεί να έχει ως ελάχιστη τιμή το 0 και ως μέγιστη π.χ. το 18.
Το ερώτημα όμως εδώ είναι μπορεί να πάρει όλες τις τιμές από
το 0 έως το 18;
Σίγουρα μια μη ακέραιη τιμή όπως το 3.5 δεν είναι αποδεκτή
ως τιμή της μεταβλητής, άρα εδώ αποφεύγουμε το συμβολισμό
με χρήση διαστήματος όπως προηγουμένως. Αντί για διάστημα
γράφουμε 0,1,2,… 18 ή λέμε ότι μπορεί να λάβει τις ακέραιες
τιμές από 0 έως 18.

ΑΣΚΗΣΗ 3
Σε μια στατιστική έρευνα όπου ο πληθυσμός είναι το
οι σεισμοί σε όλον τον κόσμο και μεταβλητή, ο
χαρακτηρισμός τους ως προς το είδος τους.

Απάντηση
Οι σεισμοί χωρίζονται σε τεκτονικούς, ηφαιστειογενείς
και εγκατακρημνισιγενείς. Επομένως αυτές είναι οι τιμές
που μπορεί να λάβει η μεταβλητή μας.
 ΑΣΚΗΣΗ 4
Κατηγορίες μεταβλητών
Οι μεταβλητές χωρίζονται σε δύο κατηγορίες, στις
ποιοτικές και στις ποσοτικές.

•Ποιοτικές μεταβλητές είναι εκείνες που οι τιμές

τους δεν είναι αριθμοί.

•Ποσοτικές μεταβλητές είναι εκείνες που οι τιμές

τους είναι αριθμοί.

ΑΣΚΗΣΗ 5
Στη στατιστική έρευνα όπου ο πληθυσμός είναι οι
αθλητές μιας ομάδας και μεταβλητή το βάρος των
αθλητών, να εντοπίσετε την κατηγορία στην οποία
ανήκει η μεταβλητή

Απάντηση
Είπαμε προηγουμένως ότι οι τιμές της μεταβλητής
αυτής βρίσκονται στο διάστημα [50, 90]. Αφού
λοιπόν λαμβάνει αριθμητικές τιμές είναι ποσοτική.
 ΑΣΚΗΣΗ 6
Στη στατιστική έρευνα όπου ο πληθυσμός είναι ο
ελληνικές οικογένειες και μεταβλητή, το πλήθος των
ανήλικων τέκνων που έχουν, να εντοπίσετε την
κατηγορία στην οποία ανήκει η μεταβλητή αυτή.

Απάντηση
Είπαμε προηγουμένως ότι ο αριθμός των ανήλικων
τέκνων μιας ελληνικής οικογένειας μπορεί να πάρει τις
ακέραιες τιμές 0,1,2,… 18.
Αφού λοιπόν λαμβάνει αριθμητικές τιμές είναι
ποσοτική.

ΑΣΚΗΣΗ 7
Στη στατιστική έρευνα όπου ο πληθυσμός είναι το
πλήθος των σεισμών σε όλον τον κόσμο και μεταβλητή,
ο χαρακτηρισμός τους ως προς το είδος τους, να
εντοπίσετε την κατηγορία στην οποία ανήκει η
μεταβλητή

Απάντηση
Οι κατηγορίες στις οποίες εντάσσονται οι σεισμοί ως
προς το είδος τους είναι τεκτονικοί, ηφαιστειογενείς
και εγκατακρημνισιγενείς. Επομένως οι τιμές της
μεταβλητής δεν είναι αριθμητικές και άρα η
μεταβλητή είναι ποιοτική.
 ΑΣΚΗΣΗ 8
Στη στατιστική έρευνα όπου ο πληθυσμός είναι οι
αθλητές μιας ομάδας και μεταβλητή το βάρος των
αθλητών, να εντοπίσετε την κατηγορία στην οποία
ανήκει η ποσοτική μεταβλητή.

Απάντηση
Είπαμε προηγουμένως ότι πρόκειται για ποσοτική
μεταβλητή και επειδή το βάρος των αθλητών θα
μπορούσε να λάβει οποιαδήποτε τιμή στο
διάστημα[50, 90], π.χ. την τιμή 67.2, πρόκειται για
συνεχή μεταβλητή.

ΑΣΚΗΣΗ 9
Στη στατιστική έρευνα όπου ο πληθυσμός είναι ο
ελληνικές οικογένειες και μεταβλητή, το πλήθος των
ανήλικων τέκνων που έχουν, να εντοπίσετε την
κατηγορία στην οποία ανήκει η ποσοτική μεταβλητή
αυτή.
Απάντηση
Είπαμε προηγουμένως ότι ο αριθμός των ανήλικων
τέκνων μιας ελληνικής οικογένειας μπορεί να πάρει τις
ακέραιες τιμές 0,1,2,… 18, όμως δεν μπορεί να πάρει
όλες τις τιμές από 0 έως 18, αφού οι δεκαδικές τιμές
εξαιρούνται. Άρα πρόκειται για διακριτή μεταβλητή.
 ΑΣΚΗΣΗ 10
Στη στατιστική έρευνα όπου ο πληθυσμός είναι ο
ελληνικές οικογένειες και μεταβλητή, το πλήθος των
ανήλικων τέκνων που έχουν, να εντοπίσετε την
κατηγορία στην οποία ανήκει η ποσοτική μεταβλητή
αυτή.
Απάντηση
Είπαμε προηγουμένως ότι ο αριθμός των ανήλικων
τέκνων μιας ελληνικής οικογένειας μπορεί να πάρει τις
ακέραιες τιμές 0,1,2,… 18, όμως δεν μπορεί να πάρει
όλες τις τιμές από 0 έως 18, αφού οι δεκαδικές τιμές
εξαιρούνται. Άρα πρόκειται για διακριτή μεταβλητή.

ΑΣΚΗΣΗ 10

Στη στατιστική έρευνα όπου ο πληθυσμός είναι οι

σεισμοί σε όλον τον κόσμο και μεταβλητή, ο
χαρακτηρισμός τους ως προς το είδος τους, να
εντοπίσετε την κατηγορία στην οποία ανήκει η
μεταβλητή
Απάντηση
Οι κατηγορίες στις οποίες εντάσσονται οι σεισμοί ως
προς το είδος τους είναι τεκτονικοί, ηφαιστειογενείς
και εγκατακρημνισιγενείς. Η μεταβλητή ποιοτική και
εφόσον δεν έχει κάποιο νόημα η διάταξή τους είναι
ονομαστική.
 ΑΣΚΗΣΗ 11

Σε μία στατιστική έρευνα όπου ο πληθυσμός είναι οι

σεισμοί σε όλον τον κόσμο και μεταβλητή, ο
χαρακτηρισμός τους ως προς το πόσο ισχυροί είναι με
τιμές (πολύ ισχυροί, ισχυροί, ασθενείς) να εντοπίσετε
την κατηγορία στην οποία ανήκει η μεταβλητή
Απάντηση
Η μεταβλητή ποιοτική. Η διάταξη στην περίπτωση
αυτή θα μπορούσε να έχει νόημα, καθώς οι πολύ
ισχυροί θεωρούνται πιο μεγάλοι, ισχυροί λιγότερο
μεγάλοι, ενώ οι ασθενείς μικροί, επομένως έχει
νόημα η διάταξή τους και άρα είναι διατακτική.

ΑΣΚΗΣΗ 12

Σε μία στατιστική έρευνα όπου ο πληθυσμός χωρίζεται

άνδρες και γυναίκες, από φορείς κάποιας ασθένειας ή
όχι ή και από πτυχιούχους τριτοβάθμιας εκπαίδευσης ή
όχι, καπνίζοντες ή μη. Σε ποιες κατηγορίες μεταβλητών
ανήκουν οι παραπάνω μεταβλητές;
Απάντηση
Η μεταβλητή ποιοτική. Σε όλες τις παραπάνω
μεταβλητές οι τιμές αυτές χωρίζουν τις στατιστικές
ομάδες σε δύο μέρη, ώστε το ένα μέρος να έχει το
χαρακτηριστικό που μας ενδιαφέρει να μελετήσουμε
ή όχι. Άρα οι μεταβλητές αυτές είναι διχοτομικές.
 Ενότητα # 2: Στατιστικοί Πίνακες

Σκοποί Ενότητας

Στην 2η ενότητα πραγματοποιείται μια περιγραφή

σχετικά με τις κλάσεις και τα βασικότερα
χαρακτηριστικά τους.

4
 Περιεχόμενα Ενότητας

• Τι είναι κλάσεις
• Γενικές παρατηρήσεις
• Ιδανικό πλήθος κλάσεων
• Κανόνας Sturges
• Σύνδεση Εύρους R, πλάτους c και πλήθους k
• Άσκηση και επίλυση αυτής

Τι είναι οι κλάσεις;
Κλάσεις είναι ημιανοικτά διαστήματα της
μορφής [αi, bi), τα οποία είναι ταυτόχρονα και
διαδοχικά, έτσι ώστε να μην υπάρχει κάποια
τιμή του διαστήματος εντός του οποίου ορίζεται
η μεταβλητή, που να μην ανήκει σε κάποια
κλάση.

Αντί για κλάσεις σε κάποιες βιβλιογραφίες

χρησιμοποιείται η λέξη τάξεις.
6
 Παρατηρήσεις - 1
• Λόγω της μορφής των κλάσεων (διαστήματα),
θα πρέπει να αφορούν περιπτώσεις
ποσοτικών, συνεχών μεταβλητών, χωρίς αυτό
να αποκλείει δημιουργία κλάσεων και για
διακριτά (ασυνεχή) δεδομένα, τα οποία όμως
εμφανίζουν μεγάλος εύρος τιμών.
• Θα πρέπει όλες οι παρατηρήσεις (δεδομένα)
να ενταχθούν στις κλάσεις που
δημιουργούνται.
7

Παρατηρήσεις - 2

• Θα πρέπει η πρώτη και η τελευταία κλάση να

έχουν τουλάχιστον μία παρατήρηση (ένα
δεδομένο), που να ανήκει σε αυτές.
• Μόνο η τελευταία κλάση μπορούμε να
θεωρήσουμε ότι είναι ένα κλειστό διάστημα
της μορφής [αk, bk], όπου k το πλήθος των
κλάσεων που θα χρησιμοποιηθούν.

8
 Εύρος Τιμών Δείγματος

Ως εύρος τιμών δείγματος αναφέρεται η

διαφορά της ελάχιστης από τη μέγιστη
παρατήρηση του δείγματος.

Συμβολίζεται με το γράμμα R (Range)

R= xmax-xmin

Ιδανικό Πλήθος Κλάσεων - 1

• Σε κάθε πρόβλημα, στο οποίο καλούμαστε να

χρησιμοποιήσουμε κλάσεις θα πρέπει να
βρούμε το πλήθος τους.

• Αν το πρόβλημα δεν αναφέρει πόσες κλάσεις

πρέπει να δημιουργήσουμε, θα πρέπει εμείς
να αποφασίσουμε για το πλήθος τους.

10
 Ιδανικό Πλήθος Κλάσεων - 2

• Το πλήθος θα πρέπει να μην είναι μικρό, αλλά

ούτε και μεγάλο.
• Σίγουρα δεν έχει νόημα να έχουμε 1 κλάση σε
ένα πρόβλημα, όπως και επίσης αν θέλουμε
να δημιουργήσουμε 30 κλάσεις αυτό είναι
υπερβολικό.

11

Κανόνας Sturges
• Ένας εμπειρικός κανόνας για τον καλύτερο
αριθμό κλάσεων (κανόνας του Sturges)
• Ο ιδανικός αριθμός κλάσεων για Ν μετρήσεις
είναι ο πλησιέστερος ακέραιος αριθμός προς
τον αριθμό k, που παρέχεται από τη σχέση:

k = 1 + 3,322 log10N

12
 Πλάτος Κλάσης

• Πλάτος κλάσης [αi,bi] είναι η διαφορά του

αριστερού άκρου της από το δεξί της άκρο.

• Συμβολίζουμε με c και είναι:

c= bi-αi

13

Σύνδεση Εύρους R, Πλάτους c και

Πλήθους k

• Η σχέση που συνδέει R, c και k είναι η:

K= R/c

14
 Άσκηση
Σε μία στατιστική έρευνα καταγράφησαν οι
βαθμοί 50 φοιτητών με βαθμούς στην κλίμακα 0
- 100.
35 56 98 45 100 95 20 50 91 93

85 100 64 99 90 87 72 51 90 52

86 84 45 65 98 75 97 50 62 55

60 15 60 62 80 78 75 60 92 80

65 90 55 70 82 70 96 95 94 78

15

Διερεύνηση Προβλήματος - 1

• Το ιδανικό θα ήταν να ταξινομηθούν οι

παρατηρήσεις σε αύξουσα σειρά.
• Η ταξινόμηση είναι εύκολη στον υπολογιστή,
αλλά αρκετά δύσκολη στο χαρτί.

Xmin= 15 και xmax= 100

R= 100-15= 85

16
 Διερεύνηση Προβλήματος - 2

Σύμφωνα με τον κανόνα που μάθαμε:

k = 1 + 3,322 log10N
Άρα k=1+3,322log1050
k= 6,643978=> k= 7 κλάσεις

17

Διερεύνηση Προβλήματος - 3

c= k/R= 85/7= 12,14286

Αν το πλάτος των κλάσεων στρογγυλοποιηθεί

στο 12, τότε για να δημιουργήσουμε 7 ίσου
πλάτους κλάσεις.

18
 Διερεύνηση Προβλήματος - 4
Συνήθως η πρώτη κλάση πρέπει να ξεκινάει από
την ελάχιστη παρατήρηση και να έχει πλάτος το
12 που υπολογίσαμε προηγουμένως.
Κλάσεις: [15, 27)
[27, 39)
[39, 51)
[51, 63)
[63, 75)
[75, 87)
[87,99) 19

Τι Παρατηρείτε από την Επιλογή

των Κλάσεων;
Κάποιες παρατηρήσεις βρίσκονται εκτός της
τελευταίας κλάσης ακόμα και αν αυτή πάρει την
μορφή: [87,99]

Οι δύο παρατηρήσεις 100 και 100 δεν ανήκουν

σε καμία κλάση.

20
 Τι θα πρέπει να Προσέξουμε στην
Δημιουργία των Κλάσεων; - 1

Όλες οι παρατηρήσεις θα πρέπει να

εντάσσονται στις κλάσεις, επομένως οι
στρογγυλοποιήσεις θα είναι καλό να γίνονται
προς τον επόμενο ακέραιο.
Άρα καλύτερα c= 13, ακόμα και c= 15

21

Τι θα πρέπει να Προσέξουμε στην

Δημιουργία των Κλάσεων; - 2
Για c=13 οι κλάσεις γίνονται:
[15, 28)
[28, 41)
[41, 54)
[54, 67)
[67, 80)
[80,93)
[93,106)
22
 Συχνότητα (νi)
Είναι το πλήθος των εμφανίσεων μιας
συγκεκριμένης παρατήρησης στο σύνολο του
δείγματος, δηλ. πιο μαθηματικά αν x1 , x2 , x3 ,…,
xκ οι τιμές μιας μεταβλητής Χ ενός δείγματος
μεγέθους ν , τότε συχνότητα της τιμής xi , i = 1 ,
2 , 3 , …, κ λέγεται ο φυσικός αριθμός νi που
δείχνει πόσες φορές η μεταβλητή Χ παίρνει την
τιμή xi .

23

Δημιουργούμε Πίνακα
Κλάσεις Συχνότητα νi
[15, 28) 2
[28, 41) 1
[41, 54) 6
[54, 67) 11
[67,80) 7
[80,93) 12
[93, 106) 11
Σύνολο 50

24
 Σχετική Συχνότητα (fi)
Είναι το ποσοστό των εμφανίσεων μιας συγκεκριμένης
τιμής στο σύνολο του δείγματος. Αν x1 , x2 , x3 ,…, xκ οι
τιμές μιας μεταβλητής Χ ενός δείγματος μεγέθους ν και
ν1 , ν2 , ν3 , … , νκ οι αντίστοιχες συχνότητές τους, τότε
σχετική συχνότητα της τιμής xi , i = 1 , 2 , 3 , …, κ λέγεται
αριθμός fi= vi/v, i = 1 , 2 , 3 , …, κ.

Η σχετική συχνότητα μπορεί να εκφραστεί σε ποσοστό %

fi% = vi/v*100%

25

Αθροιστική Συχνότητα ( Νi )
Είναι το πλήθος των παρατηρήσεων που
βρίσκονται κάτω από μια συγκεκριμένη τιμή
μέσα στο δείγμα μας. Αν οι τιμές x1 , x2 , x3 ,…, xκ
μιας ποσοτικής μεταβλητής Χ, ενός δείγματος
μεγέθους ν , είναι σε αύξουσα διάταξη και ν1 ,
ν2 , ν3 ,…, ν κ οι αντίστοιχες συχνότητές τους,
τότε αθροιστική συχνότητα της τιμής x i , i = 1 , 2
, 3 , …, κ λέγεται ο φυσικός αριθμός Νi = ν1 + ν2 +
ν3 +…+ νi που δείχνει πόσες παρατηρήσεις είναι
μικρότερες ή ίσες της τιμής xi.
26
Αθροιστική Σχετική Συχνότητα (Fi)
Είναι το ποσοστό των παρατηρήσεων που
βρίσκονται κάτω από μια συγκεκριμένη τιμή
μέσα στο δείγμα μας.
Αν οι τιμές x1 , x2 , x3 ,…, xκ μιας ποσοτικής
μεταβλητής Χ, ενός δείγματος μεγέθους ν, είναι
σε αύξουσα διάταξη και f1, f2, f3 ,…,fκ οι
αντίστοιχες σχετικές συχνότητές τους , τότε
αθροιστική σχετική συχνότητα της τιμής x i , i =
1 , 2 , 3 , …, κ λέγεται ο αριθμός Fi = f1 + f2 + f3
+…+fκ
27

Ενότητα # 3: Αριθμητικά Περιγραφικά Μέτρα

 ΠΑΡΑΜΕΤΡΟΙ ΚΑΙ ΣΤΑΤΙΣΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ

ΠΑΡΑΜΕΤΡΟΙ ΣΤΑΤΙΣΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ

Παράμετροι είναι τα αριθμητικά Στατιστικές συναρτήσεις είναι τα
περιγραφικά μέτρα που αριθμητικά περιγραφικά μέτρα που
αναφέρονται στον πληθυσμό. αναφέρονται στον δείγμα.

ΜΕΤΡΑ ΚΕΝΤΡΙΚΗΣ ΤΑΣΗΣ

Για να έχουμε μια καλή, αλλά ταυτόχρονα και συνοπτική

εικόνα των εικόνα για τις παρατηρήσεις μας, αναζητούμε μια
τιμή, γύρω από την οποία έχουν την τάση να συσσωρεύονται.
Αυτά ονομάζονται μέτρα κεντρικής τάσης.
 ΑΡΙΘΜΗΤΙΚΟΣ ΜΕΣΟΣ

Αναφερόμαστε σε αυτόν και με τις λέξεις μέση τιμή ή απλά

μέσος.
Ο μέσος ενός δείγματος συμβολίζεται με x
ενώ η μέση τιμή του πληθυσμού συμβολίζεται με μ

ΤΥΠΟΣ ΑΡΙΘΜΗΤΙΚΟΥ ΜΕΣΟΥ (1)

α. Αστάθμητος αριθμητικός μέσος δείγματος

για n παρατηρήσεις:
n

∑x i
x= i =1

Για τον πληθυσμό πλήθους Ν στατικών

μονάδων: Ν

∑x i
µ= i =1

Ν
ΤΥΠΟΣ ΑΡΙΘΜΗΤΙΚΟΥ ΜΕΣΟΥ (2)
α. Σταθμικός αριθμητικός μέσος δείγματος
για n παρατηρήσεις:
n

∑ x ⋅v i i
x= i =1
n

Για τον πληθυσμό πλήθους

Ν
Ν στατικών
μονάδων: ∑ xi ⋅ vi
µ = i =1
Ν

ΔΙΑΜΕΣΟΣ

Διάμεσος είναι μία τιμή η οποία χωρίζει τις παρατηρήσεις

του δείγματος σε δύο ισοπληθείς ομάδες, έτσι ώστε οι
παρατηρήσεις της πρώτης ομάδας να είναι όλες μεγαλύτερες
ή ίσες της διαμέσου και όλες οι παρατηρήσεις της άλλης
ομάδας να είναι όλες μικρότερες ή ίσες αυτής.
Συμβολίζουμε: δ
 ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (1)

1. Αν οι παρατηρήσεις δίνονται αναλυτικά δηλ. δεν

είναι ταξινομημένες σε πίνακα κατανομής
συχνοτήτων.
Τότε διακρίνουμε δύο περιπτώσεις αφού
ταξινομήσουμε τις παρατηρήσεις σε αύξουσα
σειρά μεγέθους:

ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (2)

α. Το πλήθος των παρατηρήσεων είναι περιττό.

Η θέση της διαμέσου εντοπίζεται από τον αριθμό

n +1
2
 ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (3)

n +1
Άρα η 2 παρατήρηση στην ταξινομημένη
σειρά των παρατηρήσεων, δηλαδή η
n +1
( )
2
x
είναι και η ζητούμενη διάμεσος
π.χ. αν έχουμε τις παρατηρήσεις 5,8,2,6,9 για
να υπολογιστεί η διάμεσος πρέπει πρώτα να
τις ταξινομήσουμε σε αύξουσα σειρά, άρα

ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (4)

Το n=5, άρα

n +1 5 +1 6
= = =3
2 2 2
Επομένως η 3η παρατήρηση στην ταξινομημένη
σειρά 2, 5, 6, 8, 9
θα είναι και η ζητούμενη διάμεσος. Άρα η διάμεσος
είναι δ= 6.
 ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (5)

α. Το πλήθος των παρατηρήσεων είναι άρτιο.

Τότε είναι σαφές ότι δύο από τις ταξινομημένες
παρατηρήσεις θα βρίσκονται στην κεντρική
θέση.
n
Οι θέσεις που μας ενδιαφέρουν είναι οι και
2
n
+1
2

ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (6)

Επομένως οι δύο κεντρικές ταξινομημένες

παρατηρήσεις είναι οι:
n n
( ) ( +1)
2
x και x
2

π.χ. Για τις παρατηρήσεις 5,8,2,6,9,7, αφού πρώτα

ταξινομηθούν σε αύξουσα σειρά, δηλ.
2, 5, 6, 7, 8, 9, εν συνεχεία θα υπολογισθούν οι

θέσεις n
=
6
= 3 και
2 2
 ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (7)

n 6
+1 = +1 = 3 +1 = 4
2 2

Άρα η 3η και η 4η ταξινομημένη παρατήρηση είναι

εκείνες που βρίσκονται στις κεντρικές θέσεις, άρα για
τις ταξινομημένες παρατηρήσεις 2, 5, 6, 7, 8, 9,
πρόκειται για το 6 και το 7.

ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (8)

Στην περίπτωση αυτή, θεωρούμε ότι η διάμεσος θα

είναι το ημιάθροισμα των δύο κεντρικών τιμών,
δηλαδή:

n n
( ) ( +1)
x 2
+x 2
6+7
δ= = = 6,5
2 2
 ΥΠΟΛΟΓΙΣΜΟΣ ΔΙΑΜΕΣΟΥ (9)

2. Όταν οι παρατηρήσεις είναι ομαδοποιημένες σε

πίνακα κατανομής συχνοτήτων με κλάσεις.
Τότε εφόσον η ταξινόμησή τους έχει γίνει από την
τοποθέτησή τους στον πίνακα κατανομής συχνοτήτων,
θα πρέπει να εντοπιστεί η κλάση στην οποία θα ανήκει
η διάμεσος.

ΑΝΑΖΗΤΗΣΗ ΚΛΑΣΗΣ ΣΤΗΝ ΟΠΟΙΑ ΑΝΗΚΕΙ Η ΔΙΑΜΕΣΟΣ (1)

Θα πρέπει να εντοπιστεί η κλάση στην οποία θα

n
ανήκει η 2 παρατήρηση.
( )
x
Στην άσκηση 1, θα πρέπει να υπολογιστεί το
n 500
= = 250
2 2
 ΑΝΑΖΗΤΗΣΗ ΚΛΑΣΗΣ ΣΤΗΝ ΟΠΟΙΑ ΑΝΗΚΕΙ Η ΔΙΑΜΕΣΟΣ (2)

Δηλαδή η κλάση στην οποία ανήκει η 250η

παρατήρηση. Για τον εντοπισμό της κλάσης αυτής
χρησιμοποιούμε την αθροιστική συχνότητα.

ΑΝΑΖΗΤΗΣΗ ΚΛΑΣΗΣ ΣΤΗΝ ΟΠΟΙΑ ΑΝΗΚΕΙ Η ΔΙΑΜΕΣΟΣ (3)

ΚΛΑΣΕΙΣ ΣΥΧΝΟΤΗΤΑ νi ΑΘΡΟΙΣΤΙΚΗ ΣΥΧΝΟΤΗΤΑ

Νi
0-500 40 40
500-1000 265 305
1000-1500 167 472
1500-2000 28 500
ΣΥΝΟΛΟ 500 -
 ΑΝΑΖΗΤΗΣΗ ΚΛΑΣΗΣ ΣΤΗΝ ΟΠΟΙΑ ΑΝΗΚΕΙ Η ΔΙΑΜΕΣΟΣ (4)

Βάσει της αθροιστικής συχνότητας η 250η παρατήρηση

θα ανήκει στην κλάση 500 – 1000.
Στη συνέχεια χρησιμοποιούμε τον τύπο:
c n
δ = αi + ⋅ ( − N i −1 ) ⇒
νi 2
500
δ = 500 + ⋅ (250 − 40) ⇒ δ = 896,2264
265

ΑΣΚΗΣΗ

Να υπολογιστεί η μέση βαθμολογία για τους

μισθούς 500 υπαλλήλων ενός ομίλου
επιχειρήσεων.
ΚΛΑΣΕΙΣ ΣΥΧΝΟΤΗΤΑ νi
0-500 40
500-1000 265
1000-1500 167
1500-2000 28
ΣΥΝΟΛΟ 500
 Ενότητα # 4: Αριθμητικά Περιγραφικά Μέτρα II

ΤΕΤΑΡΤΗΜΟΡΙΑ
Τα τεταρτημόρια μιας κατανομής είναι τρία και
χωρίζουν την κατανομή με τέτοιο τρόπο ώστε:
•Μεταξύ ελάχιστης παρατήρησης και 1ου τεταρτημορίου
να βρίσκεται το 25% των παρατηρήσεων.
•Μεταξύ 1ου και 2ου τεταρτημορίου βρίσκεται το 25% των
παρατηρήσεων.
•Μεταξύ 2ου και 3ου τεταρτημορίου βρίσκεται το 25% των
παρατηρήσεων.
•Μεταξύ 3ου τεταρτημορίου και μέγιστης παρατήρησης
βρίσκεται το 25% των παρατηρήσεων.
 ΣΥΜΒΟΛΙΣΜΟΣ ΤΕΤΑΡΤΗΜΟΡΙΩΝ
Τα εννέα δεκατημόρια συμβολίζονται με Qi,
όπου i=1, 2,3.
Παρατηρήσεις:
•Τα τεταρτημόρια ακολουθούν πάντα την
διάταξη xmin≤Q1 ≤Q2 ≤Q3 ≤xmax
•Το 2ο τεταρτημόριο συμπίπτει με τη διάμεσο.

ΤΥΠΟΣ ΥΠΟΛΟΓΙΣΜΟΥ
ΤΕΤΑΡΤΗΜΟΡΙΩΝ
Όταν οι παρατηρήσεις δίνονται με συχνότητες,

c in
Qi  ai   (  N Qi1 )
vi 4

Όπως και στη διάμεσο, όταν οι παρατηρήσεις

είναι ταξινομημένες σε κλάσεις, πρώτα
εντοπίζουμε την κλάση στην οποία ανήκει το
in
τεταρτημόριο από το
4
 ΔΕΚΑΤΗΜΟΡΙΑ
Τα δεκατημόρια μιας κατανομής είναι εννέα και
χωρίζουν την κατανομή με τέτοιο τρόπο ώστε:
•Μεταξύ ελάχιστης παρατήρησης και 1ου δεκατημορίου
να βρίσκεται το 10% των παρατηρήσεων.
•Μεταξύ 1ου και 2ου δεκατημορίου βρίσκεται το 10% των
παρατηρήσεων.
•Μεταξύ 2ου και 3ου δεκατημορίου βρίσκεται το 10% των
παρατηρήσεων.
•……………………………………………………………………………………….
•Μεταξύ 9ου τεταρτημορίου και μέγιστης παρατήρησης
βρίσκεται το 10% των παρατηρήσεων.

ΣΥΜΒΟΛΙΣΜΟΣ ΔΕΚΑΤΗΜΟΡΙΩΝ
Τα εννέα δεκατημόρια συμβολίζονται με Di,
όπου i=1, 2, …,9.
Παρατηρήσεις:
•Τα δεκατημόρια ακολουθούν πάντα την
διάταξη xmin≤D1 ≤D2 ≤… ≤ D10 ≤xmax
•Το 5ο δεκατημόριο συμπίπτει με τη διάμεσο.
 ΤΥΠΟΣ ΥΠΟΛΟΓΙΣΜΟΥ
ΔΕΚΑΤΗΜΟΡΙΩΝ
Όταν οι παρατηρήσεις δίνονται με συχνότητες,

c in
Di  ai  (  N Qi1 )
vi 10
Όπως και στη διάμεσο, όταν οι παρατηρήσεις είναι
ταξινομημένες σε κλάσεις, πρώτα εντοπίζουμε την
κλάση στην οποία ανήκει το δεκατημόριο από το
in
10

ΕΚΑΤΟΣΤΗΜΟΡΙΑ
Τα εκατοστημόρια μιας κατανομής είναι ενενήντα εννέα
και χωρίζουν την κατανομή με τέτοιο τρόπο ώστε:
•Μεταξύ ελάχιστης παρατήρησης και 1ου
εκατοστημορίου να βρίσκεται το 1% των παρατηρήσεων.
•Μεταξύ 1ου και 2ου εκατοστημορίου βρίσκεται το 1% των
παρατηρήσεων.
•Μεταξύ 2ου και 3ου εκατοστημορίου βρίσκεται το 1% των
παρατηρήσεων.
•……………………………………………………………………………………….
•Μεταξύ 99ου τεταρτημορίου και μέγιστης παρατήρησης
βρίσκεται το 1% των παρατηρήσεων.
 ΣΥΜΒΟΛΙΣΜΟΣ ΕΚΑΤΟΣΤΗΜΟΡΙΩΝ

Τα ενενήντα εννέα εκατοστημόρια συμβολίζονται

με Pi, όπου i=1, 2, …,99.
Παρατηρήσεις:
•Τα εκατοστημόρια ακολουθούν πάντα την διάταξη
xmin≤P1 ≤P2 ≤… ≤ P100 ≤xmax
•Το 50ο εκατοστημόριο συμπίπτει με τη διάμεσο.
•To 25ο εκατοστημόριο συμπίπτει με το 1ο
τεταρτημόριο.
•Το 75ο εκατοστημόριο συμπίπτει με το 3ο
τεταρτημόριο.

ΤΥΠΟΣ ΥΠΟΛΟΓΙΣΜΟΥ
ΕΚΑΤΟΣΤΗΜΟΡΙΩΝ
Όταν οι παρατηρήσεις δίνονται με συχνότητες,

c in
Pi  ai  (  N Qi1 )
vi 10
Όπως και στη διάμεσο, όταν οι παρατηρήσεις είναι
ταξινομημένες σε κλάσεις, πρώτα εντοπίζουμε την κλάση στην
οποία ανήκει το δεκατημόριο από το
in
100
 ΤΥΠΟΣ Ή ΕΠΙΚΡΑΤΟΥΣΑ ΤΙΜΗ
Επικρατούσα τιμή είναι η τιμή εκείνη που
παρουσιάζεται με τη μέγιστη συχνότητα εντός
του δείγματος.
Στα αναλυτικά δεδομένα, τα οποία δε δίνονται
με συχνότητες, η επικρατούσα τιμή είναι εκείνη
η παρατήρηση με τη μέγιστη συχνότητα.

ΣΥΜΒΟΛΙΣΜΟΣ ΕΠΙΚΡΑΤΟΥΣΑΣ ΤΙΜΗΣ

Η επικρατούσα τιμή συμβολίζεται με Το.
Παρατηρήσεις:
•Αν οι παρατηρήσεις δίνονται χωρίς τις συχνότητές
τους, τότε η επικρατούσα τιμή είναι η παρατήρηση
με τη μέγιστη συχνότητα.
• Αν οι παρατηρήσεις είναι σε πίνακα κατανομής
συχνοτήτων, τότε πρέπει πρώτα να εντοπιστεί η
κλάση στην οποία ανήκει η επικρατούσα τιμή και
είναι η κλάση με την μέγιστη συχνότητα.
ΤΥΠΟΣ ΥΠΟΛΟΓΙΣΜΟΥ ΕΠΙΚΡΑΤΟΥΣΑΣ
ΤΙΜΗΣ
Όταν οι παρατηρήσεις δίνονται με συχνότητες,

1
T0  ai  c 
1   2
Δ1: Η διαφορά της μέγιστης συχνότητας με τη
συχνότητα της προηγούμενης κλάσης
Δ2: Η διαφορά της μέγιστης συχνότητας με τη
συχνότητα της επόμενης κλάσης

ΣΧΕΣΗ ΜΕΤΑΞΥ ΔΙΑΜΕΣΟΥ ΚΑΙ

ΕΠΙΚΡΑΤΟΥΣΑΣ ΤΙΜΗΣ
Όταν για έναν πληθυσμό ισχύει
• μ = Μ =Τ, τα δεδομένα προέρχονται από μία
συμμετρική κατανομή.
• μ > Μ >Τα, τα δεδομένα παρουσιάζουν θετική
ασυμμετρία
• μ < Μ <Τ, τα δεδομένα παρουσιάζουν αρνητική
ασυμμετρία.
 ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ
Η διασπορά δείχνει το πόσο συγκεντρωμένες
είναι οι παρατηρήσεις, γύρω από τη μέση τιμή,
αλλά και μεταξύ τους.

xmax xmin

xmax xmin

ΑΣΚΗΣΗ 1 (1)
Στην άσκηση με τις κλάσεις των μισθών των 500
υπαλλήλων, να υπολογιστούν τα τεταρτημόρια της
κατανομής.

ΚΛΑΣΕΙΣ ΣΥΧΝΟΤΗΤΑ νi ΑΘΡΟΙΣΤΙΚΗ

ΣΥΧΝΟΤΗΤΑ Νi
0-500 40 40
500-1000 265 305
1000-1500 167 472
1500-2000 28 500
ΣΥΝΟΛΟ 500 -
 ΑΣΚΗΣΗ 1 (2)
Στην άσκηση με τις κλάσεις των μισθών των 500
υπαλλήλων, να υπολογιστούν τα δετατημόρια της
κατανομής.
ΚΛΑΣΕΙΣ ΣΥΧΝΟΤΗΤΑ νi ΑΘΡΟΙΣΤΙΚΗ
ΣΥΧΝΟΤΗΤΑ Νi
0-500 40 40
500-1000 265 305
1000-1500 167 472
1500-2000 28 500
ΣΥΝΟΛΟ 500 -

ΑΣΚΗΣΗ 1 (3)
Στην άσκηση με τις κλάσεις των μισθών των 500
υπαλλήλων, να υπολογιστούν τα εκατοστημόρια της
κατανομής.
ΚΛΑΣΕΙΣ ΣΥΧΝΟΤΗΤΑ νi ΑΘΡΟΙΣΤΙΚΗ
ΣΥΧΝΟΤΗΤΑ Νi
0-500 40 40
500-1000 265 305
1000-1500 167 472
1500-2000 28 500
ΣΥΝΟΛΟ 500 -
 Ενότητα # 5: Διασπορά

ΠΑΡΑΔΕΙΓΜΑ (1)
Έστω 3 πενταμελείς ομάδες φοιτητών με
βαθμολογίες:
Ομάδα 1: 6,7,5,8,4
Ομάδα 2: 7,5,6,5,7
Ομάδα 3: 8,6,2,4,10
Παρατηρούμε ότι και οι τρεις πενταμελείς ομάδες
έχουν μέση βαθμολογία 6.
 ΠΑΡΑΔΕΙΓΜΑ (2)

Όμως αν δημιουργήσουμε τα σημειογράμματα τα

για κάθε μία ομάδα χωριστά θα παρατηρήσουμε ότι
διαφέρουν σημαντικά ως προς το πώς
συγκεντρώνονται οι παρατηρήσεις γύρω από τον
αριθμητικό μέσο.

ΠΑΡΑΔΕΙΓΜΑ (3)
Ομάδα 1

Ομάδα 2

Ομάδα 3
 ΤΙ ΔΕΙΧΝΕΙ Η ΔΙΑΣΠΟΡΑ

Η διασπορά δείχνει το πόσο συγκεντρωμένες (ή το

πόσο διασκορπισμένες είναι οι παρατηρήσεις του
δείγματός μας γύρω από τον αριθμητικό μέσο.

ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ
1. Εύρος (Range)
2. Ενδοτεταρτημοριακή απόκλιση (Quartile
Deviation)
3. Μέση απόκλιση (Mean Deviation)
4. Διακύμανση (Variance)
5. Τυπική απόκλιση (Standard Deviation)
6. Συντελεστής μεταβλητότητας (Coefficient of
Variation)
 ΕΥΡΟΣ (RANGE)
Σύμβολο: R
Τύπος: R=xmax-xmin
με xmax: η μέγιστη σε μέγεθος παρατήρηση
xmin: η ελάχιστη σε μέγεθος παρατήρηση
Πλεονέκτημα: απλό στον υπολογισμό
Μειονέκτημα: εξαρτάται μόνο από τις δύο ακραίες
παρατηρήσεις του δείγματος xmax και xmin

ΕΝΔΟΤΕΤΑΡΤΗΜΟΡΙΑΚΗ ΑΠΟΚΛΙΣΗ
Σύμβολο: QD
Τύπος: QD=Q3-Q1
με Q1: το πρώτο τεταρτημόριο
Q3: το τρίτο τεταρτημόριο
Πλεονέκτημα: απλό στον υπολογισμό
Μειονέκτημα: εξαρτάται μόνο από τα 2 τεταρτημόρια
 ΜΕΣΗ ΑΠΟΚΛΙΣΗ
Σύμβολο: MD
n

f
n
 xi  x
 xi  x i

Τύπος: MD= i 1 ή MD= i 1

n
(για κλάσεις)
n

με xi: η παρατήρηση i
x : ο αριθμητικός μέσος των παρατηρήσεων
Πλεονέκτημα: λαμβάνει υπόψη όλες τις
παρατηρήσεις.
Μειονέκτημα: Εκτός της ελάχιστης τιμής που
μπορεί να λάβει δεν έχει κάποιο άνω φράγμα.

ΔΙΑΚΥΜΑΝΣΗ
Σύμβολο: Var, s2 (για το δείγμα), σ2 (για τον πληθυσμό)
n k

Τύπος: s2=  (x
i 1
i  x) 2
ή s2= f
i 1
i ( xi  x ) 2
(για κλάσεις)
n n
με xi: η παρατήρηση i
x : ο αριθμητικός μέσος των παρατηρήσεων
fi: η συχνότητα της παρατήρησης i
Πλεονέκτημα: λαμβάνει υπόψη όλες τις παρατηρήσεις.
Μειονέκτημα: Εκτός της ελάχιστης τιμής που μπορεί να
λάβει δεν έχει κάποιο άνω φράγμα. Επίσης
τετραγωνίζει τις μονάδες μέτρησης της.
 ΤΥΠΙΚΗ ΑΠΟΚΛΙΣΗ
Σύμβολο: s (για το δείγμα), σ (για τον πληθυσμό)
n k

Τύπος: s=  f
(x  x) 2
( xi  x ) 2
i 1
i
ή s= i 1
i
(για κλάσεις)
n n
με xi: η παρατήρηση i
x : ο αριθμητικός μέσος των παρατηρήσεων
fi: η συχνότητα της παρατήρησης i
Πλεονέκτημα: λαμβάνει υπόψη όλες τις παρατηρήσεις.
Αποτετραγωνίζει τις μονάδες μέτρησης.7
Μειονέκτημα: Εκτός της ελάχιστης τιμής που μπορεί να
λάβει δεν έχει κάποιο άνω φράγμα. Επίσης τετραγωνίζει
τις μονάδες μέτρησης της.

ΣΥΝΤΕΛΕΣΤΗΣ ΜΕΤΑΒΛΗΤΟΤΗΤΑΣ
Σύμβολο: CV
s
Τύπος: CV= x 100%
με s: η τυπική απόκλιση
x : ο αριθμητικός μέσος
Πλεονέκτημα: Δεν έχει μονάδες μέτρησης.
Λαμβάνει τιμές από 1 ως 100.
Μειονέκτημα: Προϋποθέτει τον υπολογισμό του
μέσου και της τυπικής απόκλισης.
 ΙΔΙΟΤΗΤΕΣ ΔΙΑΚΥΜΑΝΣΗΣ (1)
1. Αν σε κάθε παρατήρηση προσθέσουμε ή
αφαιρέσουμε την ίδια σταθερή τιμή, τότε η
διακύμανση δεν μεταβάλλεται.

sxc  sx
2. Αν κάθε παρατήρηση πολλαπλασιαστεί ή διαιρεθεί
με τον ίδιο αριθμό τότε η διακύμανση των νέων
παρατηρήσεων πολλαπλασιάζεται ή διαιρείται με
το τετράγωνο του αριθμού αυτού.

ΙΔΙΟΤΗΤΕΣ ΔΙΑΚΥΜΑΝΣΗΣ (2)

s xc  c  s x
2

3. Αν όλες οι παρατηρήσεις είναι μεταξύ τους ίσες,

τότε η διακύμανση είναι 0.
Αν x1=x2=…=xn=c, τότε s=0.
ΣΥΜΜΕΤΡΙΑ ΚΑΤΑΝΟΜΗΣ (1)

ΣΥΜΜΕΤΡΙΑ ΚΑΤΑΝΟΜΗΣ (2)

μ=Μ=Τ0
 ΘΕΤΙΚΑ ΑΣΥΜΜΕΤΡΗ ΚΑΤΑΝΟΜΗ

Τ0<Μ<μ

ΑΡΝΗΤΙΚΑ ΑΣΥΜΜΕΤΡΗ ΚΑΤΑΝΟΜΗ

μ<Μ<Τ0
 ΒΑΣΙΚΟ ΠΛΕΟΝΕΚΤΗΜΑ
ΣΥΜΜΕΤΡΙΚΟΤΗΤΑΣ ΤΗΣ ΚΑΤΑΝΟΜΗΣ
Μπορούμε να μελετήσουμε μόνο το ένα μέρος της
κατανομής και να εκτιμήσουμε με ακρίβεια τι θα συμβεί για
το άλλο.
Παράδειγμα: Συμμετρική κατανομή με μέσο μ=5 και 1ο
τεταρτημόριο 3, θα έχει τρίτο τεταρτημόριο το 7

ΑΣΚΗΣΗ 1 (1)
Πωλήσεις 400 επιχειρήσεων

Πωλήσεις σε ευρώ Αριθμός Επιχειρήσεων

0-20000 50
20000-40000 70
40000-60000 160
60000-80000 70
80000-100000 50
Σύνολο 400
 ΑΣΚΗΣΗ 1 (2)
Να υπολογιστούν:
1. Μέσες πωλήσεις
2. Διάμεσες πωλήσεις
3. Επικρατούσες πωλήσεις
4. Μέση απόκλιση πωλήσεων

ΑΣΚΗΣΗ 1 (3)
5. Διακύμανση πωλήσεων
6. Τυπική απόκλιση πωλήσεων
7. Συντελεστής μεταβλητότητας πωλήσεων
8. Να ελέγξετε τη συμμετρία των πωλήσεων
 Ενότητα # 6: Ασυμμετρία

Σκοποί ενότητας

Η 6η ενότητα έχει ως σκοπό να κάνει μια εισαγωγή στο

γνωστικό πεδίο της Ασυμμετρίας μέσα από μίορισμούς και
παραδείγματα. Πιο συγκεκριμένα αναλύονται ορισμοί :
συντελεστής Ασυμμετρίας Pearson, μέτρια Ασυμμετρικές
Κατανομές, συντελεστής Ασυμμετρίας Bowley, ροπές και
κύρτωση.

4
 Περιεχόμενα ενότητας

Ορισμοί και παραδείγματα για:

• Συντελεστής Ασυμμετρίας Pearson

• Μέτρια Ασυμμετρικές Κατανομές
• Συντελεστής Ασυμμετρίας Bowley
• Ροπές
• Κύρτωση

ΣΥΝΤΕΛΕΣΤΗΣ ΑΣΥΜΜΕΤΡΙΑΣ PEARSON

x  T0
Sk 
s
Αν x  T0 (συμμετρική κατανομή), τότε Sk=0
Αν x  T0 (θετική ασυμμετρία), τότε Sk>0
Αν x  T0 (αρνητική ασυμμετρία), τότε Sk<0
 ΜΕΤΡΙΑ ΑΣΥΜΜΕΤΡΙΚΕΣ ΚΑΤΑΝΟΜΕΣ

Ισχύει η σχέση x  T0  3  ( x  M )
Άρα ο συντελεστής ασυμμετρίας του Pearson
γράφεται:

3 (x  M )
Sk 
s

ΠΑΡΑΤΗΡΗΣΕΙΣ

• Ο συντελεστής Sk, έχει κάτω και άνω φράγμα

τιμής. -3< Sk <3
• Όταν Sk =0, τότε έχουμε συμμετρία
• Όταν Sk >0, τότε έχουμε θετική ασυμμετρία
• Όταν Sk <0, τότε έχουμε αρνητική ασυμμετρία
 ΣΥΝΤΕΛΕΣΤΗΣ ΑΣΥΜΜΕΤΡΙΑΣ ΤΟΥ BOWLEY

(Q3  M )  ( M  Q1 )
Sk 
(Q3  M )  ( M  Q1 )
Όταν η κατανομή είναι συμμετρική Sk=0
Όταν η κατανομή είναι θετικά ασύμμετρη Sk>0
Όταν η κατανομή είναι αρνητικά ασύμμετρη
Sk<0

ΡΟΠΕΣ (1)

Υπάρχουν δύο είδη ροπών:

• Ροπές περί την αρχή
n k
 xi  f x
t t
i i
vt  i 1
ή vt  i 1
n
n
 ΡΟΠΕΣ (2)

• Κεντρικές ροπές

 ( xi  x )
k


t
f i  ( xi  x )t
t  i 1
ή t  i 1
n n

ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΑΣΥΜΜΕΤΡΙΑΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ ΡΟΠΩΝ (1)

• Συντελεστής ασυμμετρίας Pearson με ροπές

3 2
1  3
2
ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΑΣΥΜΜΕΤΡΙΑΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ ΡΟΠΩΝ (2)

• Όταν η κατανομή είναι συμμετρική β1=0

• Επίσης για συμμετρική κατανομή μ3=0
• Λόγω της μορφής του παίρνει μόνο θετικές
τιμές

ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΑΣΥΜΜΕΤΡΙΑΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ ΡΟΠΩΝ (3)

• Συντελεστής ασυμμετρίας του Fischer

3 2 3
 1  1  
2 3
 23
ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΑΣΥΜΜΕΤΡΙΑΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ ΡΟΠΩΝ (4)

• Όταν η κατανομή είναι συμμετρική γ1=0

• Επίσης για συμμετρική κατανομή μ3=0
• Για θετική ασυμμετρία γ1>0
• Για αρνητική ασυμμετρία γ1<0

ΚΥΡΤΩΣΗ

Λεπτόκυρτη
Μεσόκυρτη
Πλατύκυρτη
 ΜΕΤΡΑ ΚΥΡΤΩΣΗΣ (1)

• Συντελεστής κύρτωσης Pearson

4
2  2
2

ΜΕΤΡΑ ΚΥΡΤΩΣΗΣ (2)

• Αν β2=3 τότε η κατανομή είναι μεσόκυρτη

• Αν β2>3 τότε η κατανομή είναι λεπτόκυρτη
• Αν β2<3 τότε η κατανομή είναι πλατύκυρτη
 ΜΕΤΡΑ ΚΥΡΤΩΣΗΣ (3)

• Συντελεστής κύρτωσης Fischer

4
 2  2  3  2  3
2

ΜΕΤΡΑ ΚΥΡΤΩΣΗΣ (4)

• Αν γ2=0 τότε η κατανομή είναι μεσόκυρτη

• Αν γ2>0 τότε η κατανομή είναι λεπτόκυρτη
• Αν γ2<0 τότε η κατανομή είναι πλατύκυρτη
 ΑΣΚΗΣΗ (1)

Αν οι χρόνοι αναμονής για εξυπηρέτηση 200

πελατών σε μια τράπεζα δίνονται στον
ακόλουθο πίνακα:
Χρόνοι αναμονής σε λεπτά Αριθμός πελατών
0-5 5
5-10 35
10-15 120
15-20 35
20-25 5
Σύνολο 200

ΑΣΚΗΣΗ (2)

Να υπολογισθούν:
1. Η ασυμμετρία της κατανομής.
2. Η κύρτωση της κατανομής
 Ενότητα # 7: Θεωρία Πιθανοτήτων (Πείραμα Τύχης)

ΤΙ ΕΙΝΑΙ ΠΕΙΡΑΜΑ ΤΥΧΗΣ;

Είναι ένα πείραμα, του οποίου το αποτέλεσμα
δεν είναι εκ των προτέρων γνωστό.
ΑΠΟΤΕΛΕΣΜΑ ΠΕΙΡΑΜΑΤΟΣ ΤΥΧΗΣ
Ότι προκύψει αν το πείραμα εκτελεστεί μία
φορά.

ΔΕΙΓΜΑΤΙΚΟΣ ΧΩΡΟΣ
Είναι το σύνολο όλων των δυνατών
αποτελεσμάτων ενός πειράματος τύχης.
Σύμβολο: S, Ω
Π.χ. Για τη ρίψη των ενός ζαριού είναι:
S={1, 2, 3, 4, 5, 6}
 ΕΝΔΕΧΟΜΕΝΟ
Ονομάζεται ένα υποσύνολο του δειγματικού
χώρου ενός πειράματος τύχης.
Σύμβολο: Α, Β, …
Παρατηρήσεις: Ως ενδεχόμενο μπορεί να
είναι όλος ο δειγματικός χώρος, αλλά και το
σύνολο που δεν περιέχει κανένα αποτέλεσμα
του δειγματικού χώρου δηλαδή το Ø

ΓΡΑΦΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ
ΕΝΔΕΧΟΜΕΝΩΝ
Γίνεται με τη χρήση διαγραμμάτων Venn
Α
 ΕΝΩΣΗ ΔΥΟ ΕΝΔΕΧΟΜΕΝΩΝ
• Ένωση δύο ενδεχομένων Α και Β στον
δειγματικό χώρο S είναι το ενδεχόμενο που
συμβολίζεται Α  Β και περιλαμβάνει τα
αποτελέσματα που περιέχονται στο Α ή στο Β.

ΤΟΜΗ ΔΥΟ ΕΝΔΕΧΟΜΕΝΩΝ

Τομή δύο ενδεχομένων Α και Β στον
δειγματικό χώρο S είναι το
ενδεχόμενο που συμβολίζεται Α Β
και περιλαμβάνει τα κοινά
αποτελέσματα που περιέχονται στο Α
και στο Β.
 ΔΙΑΦΟΡΑ ΔΥΟ ΕΝΔΕΧΟΜΕΝΩΝ
• Διαφορά δύο ενδεχομένων Α και Β στον
δειγματικό χώρο S είναι το ενδεχόμενο που
συμβολίζεται Α - Β και περιλαμβάνει τα
αποτελέσματα που περιέχονται στο Α και δεν
περιέχονται στο Β.

ΣΥΜΠΛΗΡΩΜΑ ΕΝΔΕΧΟΜΕΝΟΥ
• Συμπλήρωμα του ενδεχομένου Α στον δειγματικό
χώρο S είναι το ενδεχόμενο που συμβολίζεται Α’ ή Αc
και περιλαμβάνει τα αποτελέσματα του δειγματικού
χώρου S που δεν περιέχονται στο Α.
 ΤΥΧΑΙΑ ΜΕΤΑΒΛΗΤΗ (1)
Είναι η συνάρτηση που απεικονίζει τα δυνατά
αποτελέσματα ενός πειράματος τύχης στο σύνολο
των πραγματικών αριθμών.
π.χ. στη ρίψη ενός κύβου αντιστοιχίζεται ένας
αριθμός σε κάθε έδρα του και έτσι οι τιμές της
τυχαίας μεταβλητής είναι x: 1, 2, 3, 4, 5, 6
π.χ. στη ρίψη ενός νομίσματος αν το αποτέλεσμα
κεφαλή αντιστοιχηθεί στο 0 και το γράμματα στο 1,
οι τιμές της τυχαίας μεταβλητής είναι x: 0, 1

ΤΥΧΑΙΑ ΜΕΤΑΒΛΗΤΗ (2)

Αν σε ένα εργοστάσιο παράγονται κονσέρβες
με μέση τιμή βάρους x = 500 γραμμαρίων και
με τυπική απόκλιση s= 10 γραμμάρια, αν το
βάρος θεωρηθεί ως τυχαία μεταβλητή, τότε
είναι αντιληπτό ότι θα μπορεί να παίρνει
τιμές μέσα σε ένα διάστημα, όπως π.χ. το
διάστημα [450, 550]
 ΔΙΑΚΡΙΣΗ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
Συνεχείς: είναι οι τυχαίες μεταβλητές που
μπορούν να λάβουν όλες τις τιμές ενός
διαστήματος, δηλ. άπειρες τιμές.
Ασυνεχείς ή διακριτές: είναι οι τυχαίες
μεταβλητές που λαμβάνουν πεπερασμένο
αριθμό τιμών.

ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΥΝΕΧΩΝ ΚΑΙ ΔΙΑΚΡΙΤΩΝ

ΜΕΤΑΒΛΗΤΩΝ
Το ύψος, το βάρος, η θερμοκρασία, κ.λ.π. είναι
συνεχείς μεταβλητές.
Ο αριθμός ατόμων μιας οικογένειας, ο αριθμός των
αυτοκινήτων που διέρχονται από ένα σημείο, ο
αριθμός πελατών που εξυπηρετεί ένα κατάστημα
κ.λ.π. είναι διακριτές μεταβλητές.
 Η ΕΝΝΟΙΑ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ
Κλασικός ορισμός

P ( A) 

Ε: το πλήθος των ευνοϊκών περιπτώσεων του
ενδεχομένου Α.
Δ: το πλήθος των δυνατών περιπτώσεων

ΠΑΡΑΤΗΡΗΣΕΙΣ

0  P( A)  1
Αν P(A)=0, το ενδεχόμενο Α είναι αδύνατο,
δηλαδή δεν πραγματοποιείται.
Αν P(A)=1, το ενδεχόμενο Α είναι βέβαιο, δηλαδή
θα πραγματοποιηθεί σίγουρα.
ΣΤΑΤΙΣΤΙΚΟΣ ΟΡΙΣΜΟΣ ΤΗΣ ΠΙΘΑΝΟΤΗΤΑΣ

P ( A)  lim
f
n  n

ΑΞΙΩΜΑΤΙΚΗ ΘΕΜΕΛΙΩΣΗ ΤΗΣ

ΠΙΘΑΝΟΤΗΤΑΣ
Αν Α ενδεχόμενο του δειγματικού χώρου S,
τότε για το ενδεχόμενο Α ορίζεται το P(A) ως
πιθανότητα πραγματοποίησης του
ενδεχομένου Α, τέτοια ώστε:
1. 0  P( A)  1
2. P ( S )  1
3. Αν Α και Β δύο ασυμβίβαστα ενδεχόμενα,
δηλ. με A  B  {} τότε P( A  B)  P( A)  P( B)
ΝΟΜΟΣ ΠΡΟΣΘΕΣΗΣ ΠΙΘΑΝΟΤΗΤΩΝ
Αν A  B  {} τότε

P( A  B)  P( A)  P( B)
Αν A  B  {} τότε

P( A  B)  P( A)  P( B)  P( A  B)

ΠΙΘΑΝΟΤΗΤΑ ΥΠΟ ΣΥΝΘΗΚΗ

P( A  B)
P( A / B) 
P( B)
Με P( B)  0
 ΑΝΕΞΑΡΤΗΤΑ ΕΝΔΕΧΟΜΕΝΑ
Δύο ενδεχόμενα Α και Β ονομάζονται
ανεξάρτητα όταν:
P( B / A)  P( B)
Και επομένως

P( A  B)  P( A)  P( B)

Original

Ενότητα # 8: Πιθανότητες ΙΙ
 ΑΣΚΗΣΗ 1 (1)
1. Ποια η πιθανότητα σε μία τράπουλα 52
φύλλων να επιλέξουμε τυχαία ένα φύλλο
που να είναι σπαθί;

Λύση
Ως γνωστό ένα τραπουλόχαρτο μπορεί να
είναι σπαθί(1), καρό(2), κούπα(3), ή
μπαστούνι(4).

ΑΣΚΗΣΗ 1 (2)
Τα 52 τραπουλόχαρτα χωρίζονται σε
τέσσερεις ομάδες των 13 χαρτιών που κάθε
μία ομάδα είναι σπαθί, καρό, κούπα, ή
μπαστούνι.
Ορίζουμε το ενδεχόμενο
Α: το τραπουλόχαρτο που θα επιλεγεί να είναι
σπαθί.
 ΑΣΚΗΣΗ 1 (3)
Σύμφωνα με τον ορισμό της πιθανότητας θα
πρέπει να υπολογίσουμε το πλήθος όλων
των δυνατών αποτελεσμάτων.
Είναι σαφές ότι όλα τα δυνατά αποτελέσματα
όταν επιλέγω τυχαία ένα τραπουλόχαρτο
είναι 52.

ΑΣΚΗΣΗ 1 (4)
Στη συνέχεια θα πρέπει να υπολογίσουμε το
πλήθος των ευνοϊκών αποτελεσμάτων,
δηλαδή πόσα από τα τραπουλόχαρτα είναι
σπαθί.
Όπως είδαμε και προηγουμένως από τα
τραπουλόχαρτα τα 13 είναι σπαθί.
 ΑΣΚΗΣΗ 1 (5)
Άρα σύμφωνα με τον ορισμό της πιθανότητας θα
έχουμε:
E 13 1
P ( A)     0,25
 52 4

Επομένως σε μία τράπουλα 52 φύλλων έχουμε 25%

πιθανότητα να επιλέξουμε τυχαία σπαθί.

ΑΣΚΗΣΗ 2 (1)
2. Ποια η πιθανότητα σε μία τράπουλα 52
φύλλων να επιλέξουμε τυχαία ένα φύλλο
που να είναι σπαθί ή φιγούρα;
Λύση:
Σε αυτή την άσκηση θα πρέπει να οριστούν
δύο ενδεχόμενα:
Α: το τραπουλόχαρτο που θα επιλεγεί να
είναι σπαθί.
 ΑΣΚΗΣΗ 2 (2)
και
Β: το τραπουλόχαρτο που θα επιλεγεί να είναι
φιγούρα.
Τα 52 τραπουλόχαρτα εκτός από σπαθί, καρό,
κούπα, ή μπαστούνι, μπορούν να χωριστούν και σε
φιγούρες (Βαλές, Ντάμα, Ρήγας) και αριθμούς από
το 1 ως το 10.
Κάθε ομάδα των 13 φύλλων αποτελείται από τους 10
αριθμούς και τις φιγούρες Βαλές , Ντάμα, Ρήγας.

ΑΣΚΗΣΗ 2 (3)
Η ζητούμενη πιθανότητα ανήκει στην ένωση των
ενδεχομένων Α , Β, δηλαδή στην A B
Επομένως

P( A  B)  P( A)  P( B)  P( A  B)
Όπως υπολογίστηκε στην προηγούμενη άσκηση

1
P ( A) 
4
 ΑΣΚΗΣΗ 2 (4)
Για να υπολογιστεί το P(B) θα πρέπει να
υπολογίσουμε το πλήθος των ευνοϊκών
αποτελεσμάτων του ενδεχομένου Β.
Όπως αναλύθηκε και προηγουμένως το
πλήθος των φιγούρων μιας τράπουλας είναι
τρεις για κάθε ένα από τα σπαθί, καρό, κούπα
και μπαστούνι.

ΑΣΚΗΣΗ 2 (5)
Άρα συνολικά θα έχουμε 12 φιγούρες. Επομένως η
ζητούμενη πιθανότητα θα είναι:

12 3
P( B)  
52 13
Άρα χρησιμοποιώντας το νόμο της πρόσθεσης των
πιθανοτήτων θα έχουμε:
 ΑΣΚΗΣΗ 2 (6)

P( A  B)  P( A)  P( B)  P( A  B)
Επομένως θα πρέπει να υπολογίσουμε την πιθανότητα: P( A  B)

ΑΣΚΗΣΗ 2 (7)
A  B : Είναι το ενδεχόμενο το τραπουλόχαρτο που
επιλέγουμε τυχαία να είναι φιγούρα σπαθί.

Από τις 52 δυνατές περιπτώσεις οι ευνοϊκές που

πληρούν την ιδιότητα φιγούρα σπαθί είναι 3.
3
Άρα: P( A  B) 
52
 ΑΣΚΗΣΗ 2 (8)
Επομένως χρησιμοποιώντας το νόμο της πρόσθεσης των
πιθανοτήτων έχουμε:

P( A  B)  P( A)  P( B)  P( A  B) 
13 12 3 22
    0,423
52 52 52 52

ΑΣΚΗΣΗ 3 (1)
3. Ποια η πιθανότητα σε μία τράπουλα 52
φύλλων να επιλέξουμε τυχαία ένα φύλλο
και να είναι Ρήγας δεδομένου του ότι μας
έχει δοθεί ήδη η πληροφορία ότι είναι
φιγούρα;
Λύση:
Πρόκειται για δεσμευμένη πιθανότητα, αφού
έχουμε την πληροφόρηση ότι είναι
φιγούρα.
 ΑΣΚΗΣΗ 3 (2)
Άρα θα χρησιμοποιήσουμε τον τύπο:
P( A  B)
P( A / B)  , P( B)  0
P( B)
Ορίζουμε τα ενδεχόμενα
Α: Το τραπουλόχαρτο να είναι Ρήγας
Β: Το τραπουλόχαρτο να είναι Φιγούρα

ΑΣΚΗΣΗ 3 (3)
12
Όπως υπολογίστηκε και προηγουμένως: P ( B ) 
52

A  B : Το ενδεχόμενο το τραπουλόχαρτο να είναι

Ρήγας και φιγούρα, δηλ. να είναι Ρήγας.
4
P( A  B) 
52
 ΑΣΚΗΣΗ 3 (4)
Άρα
4
P( A  B) 52 4 1
P( A / B)    
P( B) 12 12 3
52

Ενότητα # 8: Συνδυαστική Ανάλυση

 ΑΡΧΗ ΤΗΣ ΠΡΟΣΘΕΣΗΣ ΣΤΑ ΣΥΝΟΛΑ

Αν Α και Β σύνολα, τα οποία είναι ξένα μεταξύ

τους, δηλαδή     {}, με n(A) και n(B), το
πλήθος των στοιχείων τους.
Τότε n( A  B)  n( A)  n( B)

ΠΑΡΑΤΗΡΗΣΕΙΣ (1)

1. Αν έχουμε ένα σύνολο Α και το

συμπληρωματικό του Α΄, τότε αφού   ΄  {}
και     S
Επομένως n( S )  n( A  A' )  n( S )  n( A)  n( A΄ )
 ΠΑΡΑΤΗΡΗΣΕΙΣ (2)

2. n( A  B)  n( A)  n( A  B)
3. n( A  B)  n( A)  n( B)  n( A  B)

ΠΑΡΑΔΕΙΓΜΑ

Ένα άγνωστο πλήθος φοιτητών συμπλήρωσε

ερωτηματολόγιο για την προτίμηση του θέατρο,
κινηματογράφο και τα δύο ή κανένα.
Από τους φοιτητές 100 άτομα δήλωσαν πως
προτιμούν θέατρο, 75 κινηματογράφο, 30 και τα δύο
είδη και 40 κανένα.
Μπορείτε να υπολογίσετε πόσα άτομα αποτελούσαν
το δείγμα;
 ΑΡΧΗ ΤΟΥ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΥ

Αν ένα γεγονός Α μπορεί να πραγματοποιηθεί

κατά m τρόπους και ένα άλλο γεγονός Β
μπορεί να πραγματοποιηθεί κατά n τρόπους,
τότε και τα δύο γεγονότα μαζί μπορούν να
συμβούν κατά m n τρόπους, εφόσον Α και Β
ανεξάρτητα.

ΜΕΤΑΘΕΣΕΙΣ

Αν θεωρήσουμε ότι έχουμε ένα σύνολο Α με

n στοιχεία.
Κάθε τοποθέτηση των στοιχείων σε μια
ευθεία γραμμή, ονομάζεται μετάθεση αυτών.
Pn=n!
 ΣΥΝΔΥΑΣΜΟΙ

Έστω ένα σύνολο Α με n στοιχεία. Κάθε

υποσύνολο του με m στοιχεία ονομάζεται
συνδυασμός των n στοιχείων ανά m.
Το πλήθος των συνδυασμών είναι:
n  n!
  
 m  m!(n  m)!

ΔΙΑΤΑΞΕΙΣ

Έστω ένα σύνολο Α με n στοιχεία. Κάθε

παράθεση m στοιχείων από τα n (n≤m) πάνω σε
μια ευθεία γραμμή ονομάζεται διάταξη των n
στοιχείων ανά m.
n!
 
n

(n  m)!
m
 ΕΠΑΝΑΛΗΠΤΙΚΟΙ ΣΥΝΔΥΑΣΜΟΙ

Εάν στους συνδυασμούς των n στοιχείων ανά m

ενός συνόλου, μπορεί το κάθε στοιχείο κάθε
συνδυασμού να επαναλαμβάνεται μέχρι m φορές.

 n  m  1
  
n
m 
m 

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΔΙΑΤΑΞΕΙΣ

Αν έχουμε ένα σύνολο με n στοιχεία, τότε

κάθε παράθεση των m από τα n στοιχεία του
συνόλου, όπου κάθε στοιχείο μπορεί να
επαναλαμβάνεται ως m φορές. Το πλήθος
αυτών των διατάξεων με επανάληψη είναι:

 n
n
m
m
 ΑΣΚΗΣΕΙΣ (1)

1. Να βρεθεί το πλήθος των τριψήφιων

αριθμών που μπορούμε να σχηματίσουμε με
τα στοιχεία του συνόλου Α={1,2,3,5,6,9},
χωρίς να επιτρέπεται η επανάληψη ψηφίου.
2. Να βρεθεί το πλήθος των τριψήφιων
αριθμών που μπορούμε να σχηματίσουμε με
τα στοιχεία του συνόλου Α={1,2,3,5,6,9} με
τη δυνατότητα επανάληψης ψηφίων.

ΑΣΚΗΣΕΙΣ (2)

3. Να βρείτε πόσες είναι όλες οι δυνατές εξάδες

αριθμών που μπορεί να παίξει ένας παίκτης ΛΟΤΤΟ.
4. Πόσες πενταμελείς επιτροπές μπορούν να
συσταθούν από μια ομάδα εργασίας πέντε ατόμων;
5. Πόσοι πενταψήφιοι αριθμοί μπορούν να
σχηματιστούν επιλέγοντας τρία ψηφία από το
σύνολο Α={1,2,3,4} και δύο ψηφία από τους
{5,6,7,8,9}
 ΑΣΚΗΣΕΙΣ (3)

6. Πόσοι τετραψήφιοι αριθμοί μπορούν να

σχηματιστούν από το σύνολο {0,1,2,3,4,5,6}
7.Να βρεθεί το πλήθος των τετραψήφιων αριθμών που
είναι μεγαλύτεροι του 1000 και τα ψηφία τα οποία
μπορούν να χρησιμοποιηθούν για την κατασκευή
τους να είναι τα 5,6,7,0.

Ενότητα # 10: Κατανομές Πιθανότητας

 ΜΕΤΑΒΛΗΤΗ

Είναι σαν τιμές τα αποτελέσματα ενός

πειράματος τύχης, αφού αυτά έχουν
αντιστοιχηθεί στο σύνολο των πραγματικών
αριθμών.
Χωρίζονται σε συνεχείς και διακριτές.

ΚΑΤΑΝΟΜΗ ΠΙΘΑΝΟΤΗΤΑΣ

Για μια διακριτή τυχαία μεταβλητή Χ είναι ο πίνακας

που παρέχει όλες τις δυνατές τιμές της μεταβλητής
x1, x2, x3, …, xn καθώς επίσης και τις αντίστοιχες
πιθανότητες εμφάνισής τους P(x1), P(x2), P(x3),
….,P(xn).
Πάντα
 P( x ) 1
i
 ΠΑΡΑΔΕΙΓΜΑ (1)

Στο τυχαίο πείραμα της ρίψης ζαριού, όπου η

τυχαία μεταβλητή είναι
Χ: η ένδειξη του ζαριού μετά τη ρίψη
Και οι δυνατές τιμές που μπορεί να πάρει
είναι: {1, 2, 3, 4, 5, 6}
Με πιθανότητα εμφάνισης κάθε μίας τιμής
E 1
P (i )  
 6

ΠΑΡΑΔΕΙΓΜΑ (2)

Επομένως η κατανομή πιθανότητας (πίνακας

κατανομής πιθανοτήτων) είναι:
Χ 1 2 3 4 5 6

P(x) 1/6 1/6 1/6 1/6 1/6 1/6

 ΠΑΡΑΤΗΡΗΣΕΙΣ

1. Παρατηρούμε ότι το άθροισμα

P(1)+P(2)+….P(6)=1
Δηλ.
 P(x) 1
2. Για τις συνεχείς μεταβλητές δεν έχει νόημα
η κατανομή πιθανότητας, καθώς αυτές
μπορούν να λάβουν άπειρες τιμές.

ΣΥΝΑΡΤΗΣΗ ΠΙΘΑΝΟΤΗΤΑΣ

Στην περίπτωση διακριτής τυχαίας

μεταβλητής είναι η συνάρτηση:
f ( x)  P( X  x)  Px
Που μας δίνει την πιθανότητα η τυχαία
μεταβλητή Χ να πάρει την τιμή x.
ΟΙ ΣΥΝΘΗΚΕΣ ΠΟΥ ΠΡΕΠΕΙ ΝΑ ΙΚΑΝΟΠΟΙΕΙ Η ΣΥΝΑΡΤΗΣΗ ΠΙΘΑΝΟΤΗΤΑΣ

Πρέπει:
1. f(x)=P(X=x)=Px≥0
και
2.  f ( x)   Px  1

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ

Στην περίπτωση των διακριτών μεταβλητών

συνάρτηση κατανομής είναι η F(x)=P(X≤x).
Αυτή η συνάρτηση δίνει τη πιθανότητα το Χ να
πάρει τιμές μικρότερες ή ίσες του x, δηλαδή δίνει
την αθροιστική πιθανότητα.
Αυτή η συνάρτηση είναι πάντα αύξουσα.
 ΠΑΡΑΔΕΙΓΜΑ (1)

Στο τυχαίο πείραμα της ρίψης ενός ζαριού η

συνάρτηση πιθανότητας είναι:
1
f ( x)  P( X  x)  Px 
6
Για x=1, 2, 3, 4, 5, 6
Θέλουμε να υπολογίσουμε όλες τις F(x).

ΠΑΡΑΔΕΙΓΜΑ (2)

1
F (1)  P( X  1)  P( X  1) 
6
1 1 2 1
F (2)  P( X  2)  P( X  1)  P( X  2)    
6 6 6 3
F (3)  P( X  3)  P( X  1)  P( X  2)  P( X  3) 
1 1 1 3 1
    
6 6 6 6 2
 ΠΑΡΑΔΕΙΓΜΑ (3)

F (4)  P( X  4)  P( X  1)  P( X  2)  P( X  3)  P( X  4) 
1 1 1 1 4 2
     
6 6 6 6 6 3
F (5)  P( X  5) 
 P( X  1)  P( X  2)  P( X  3)  P( X  4)  P ( X  5) 
1 1 1 1 1 5
     
6 6 6 6 6 6

ΠΑΡΑΔΕΙΓΜΑ (4)

F (6)  P( X  6) 
 P( X  1)  P( X  2)  P( X  3)  P( X  4)  P( X  5)  P( X  6) 
1 1 1 1 1 1 6
       1
6 6 6 6 6 6 6
 ΣΥΝΑΡΤΗΣΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ

Αν έχουμε μια συνεχή τυχαία μεταβλητή ως

συνάρτηση πυκνότητας πιθανότητας είναι η
συνάρτηση που δίνει την πιθανότητα η μεταβλητή Χ
να πάρει τιμές στο διάστημα x1 μέχρι x2, δηλ.
x2

f ( x)  P( x1  X  x2 )  P( x1  X  x2 )   f ( x)  dx
x1

ΒΑΣΙΚΕΣ ΑΠΑΙΤΗΣΕΙΣ

f ( x)  0
και


 f ( x)dx  1

 ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ

Είναι η συνάρτηση που δίνει την πιθανότητα

η τυχαία μεταβλητή Χ να πάρει τιμές στο
διάστημα (-∞,x].
x
F ( x)  P(  X  x)   f (t )dt


ΠΑΡΑΤΗΡΗΣΕΙΣ

Η F(x) είναι αύξουσα συνάρτηση

Πράγματι αν x1<x2 τότε
x2 x2 x1

P( x1  X  x2)   f ( x)dx   f ( x)dx   f ( x)dx 

x1  

P( X  x2 )  P( X  x1 )  F ( x2 )  F ( x1 )  0
 Ενότητα # 11: Κατανομές Πιθανότητας ΙΙ

ΠΑΡΑΔΕΙΓΜΑ (1)

Έστω η συνάρτηση
3 2
 x , ό ...0  x  2
8
f (x) 
0, ό ...x  (0,2]

Παρατηρούμε ότι : x 2  0
2
3 x 
και
2 2 3
3 3 3 23 03 3 8
8  
8 
     (  )   1
2 2
x dx x dx
0
8 3
0  0 8 3 3 8 3
 ΠΑΡΑΔΕΙΓΜΑ (2)

Η συνάρτηση κατανομής F(x) για x≤0 είναι 0.

Για 0<x<2 είναι :
x
3  x3 
x x
3 2 3 3 x3 x3
F ( x )    x dx    x dx      
2

0
8 8 0 8  3 0 8 3 8

Για x2 F ( x)  1

ΜΕΣΗ ΤΙΜΗ (1)

1. Αν Χ διακριτή τυχαία μεταβλητή με τιμές x1,

x2, x3, …,xn και αντίστοιχες πιθανότητες P1, P2,
P3, …,Pn τότε ως μέση τιμή ορίζουμε:
n
E ( X )  P1  x1  P2  x2  ...  Pn  xn   Pi  xi
i 1
 ΜΕΣΗ ΤΙΜΗ (2)

2. Αν η Χ είναι συνεχής τυχαία μεταβλητή με

συνάρτηση πυκνότητας πιθανότητας f(x),
τότε: 
E( X )   x  f ( x)dx


ΙΔΙΟΤΗΤΕΣ ΜΕΣΗΣ ΤΙΜΗΣ

• Αν Χ=α, τότε Ε(α)=α

• Ε(Χ+α)=Ε(Χ)+α
• Ε(bX)=bE(X)
• E(bX+α)=bE(X)+α
• Ε[Χ-Ε(Χ)]=0
• Αν Χ, Υ ανεξάρτητες τυχαίες μεταβλητές, τότε
E(XY)=E(X)E(Y)
 ΔΙΑΚΥΜΑΝΣΗ

V(X)= E[X-E(X)]2 = E(X-μ)2= …. Ε(Χ2)-[Ε(Χ)]2=

= Ε(Χ2)-μ2
όπου μ=Ε(Χ)

ΙΔΙΟΤΗΤΕΣ ΔΙΑΚΥΜΑΝΣΗΣ (1)

• V(α)=0, όπου α σταθερά

• V(X+α)=V(X)
• V(bX+α)=b2V(X)
• V(X+Υ)=V(X)+V(Y)+2Cov(X,Y)
 ΙΔΙΟΤΗΤΕΣ ΔΙΑΚΥΜΑΝΣΗΣ (2)

• V(α)=0, όπου α σταθερά

• V(X+α)=V(X)
• V(bX)=b2V(X)
• V(bX+α)=b2V(X)
• V(X+Y)=V(X)+V(Y)+2cov(X,Y),
Όπου cov(X,Y)=E[(X-E(X))(Y-E(Y))]
Αν Χ, Υ ανεξάρτητες cov(X,Y)=0 και άρα
V(X+Y)=V(X)+V(Y)

ΑΣΚΗΣΗ 1

1. Αν η κατανομή πιθανότητας της τυχαίας

μεταβλητής Χ είναι:
Χi 0 1 2
PXi 0,2 0,5 0,3

α. Να βρεθεί η μέση τιμή Ε(Χ) και η

διακύμανση V(X)
β. Αν Υ=2Χ+3 να βρεθούν η Ε(Y) και η V(Y)
 ΑΣΚΗΣΗ 2

2. Δίνεται η συνάρτηση κατανομής της τυχαίας

μεταβλητής Χ
0, για x≤0
F(X)= 3, για 0<x ≤4
x
64
1, για x>4

Να βρεθούν f(x), E(X), V(X). Να δείξετε ότι η f(x),

είναι συνάρτηση πυκνότητας πιθανότητας.

Ενότητα # 12: Ασυνεχείς Κατανομές

 ΑΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

• Διωνυμική κατανομή
• Κατανομή Poisson
• Υπεργεωμετρική κατανομή
• Γεωμετρική κατανομή
• Κατανομή Pascal

ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ

Daniel Bernoulli, 1700-1782

 ΟΡΙΣΜΟΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (1)
Θεωρούμε ένα πείραμα τύχης που αποτελείται από n
δοκιμές.
• Αν σε κάθε δοκιμή μπορούν να εμφανισθούν δύο μόνο
δυνατά αποτελέσματα τα οποία θα συνήθως τα
χαρακτηρίζουμε σαν επιτυχία (Ε) ή αποτυχία (Α).
• Οι δοκιμές είναι ανεξάρτητες μεταξύ τους έτσι ώστε το
αποτέλεσμα οποιασδήποτε δοκιμής να μην επηρεάζει τα
αποτελέσματα των υπολοίπων.
• η πιθανότητα επιτυχίας p και αποτυχίας q=1-p δεν
μεταβάλλεται από δοκιμή σε δοκιμή.

ΟΡΙΣΜΟΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (2)

Η πιθανότητα η επιτυχία (Ε) να παρουσιαστεί

x φορές και επομένως η αποτυχία (Α) να
παρουσιαστεί n-x φορές, δίνεται από τον
τύπο:
n!  n  x n x
Px  p q    p q
x x

x!(n  x)!  x
 ΟΡΙΣΜΟΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (3)

Η μεταβλητή Χ είναι το πλήθος των επιτυχιών

(Ε) κατά την εκτέλεση των n δοκιμών.
Επομένως μπορεί να πάρει τις τιμές
0,1,2,3,…,n.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ

 n  k nk
x
F ( x)  P( X  x)     p  q
k 0  k 
ΙΔΙΟΤΗΤΕΣ ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (1)

( x )  n  p
V ( x)  n  p  q

ΙΔΙΟΤΗΤΕΣ ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (2)

  V ( x)  n  p  q
(q  p) 2
1 
n pq
ΙΔΙΟΤΗΤΕΣ ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (3)

1 6  p  q
2  3 
n pq

ΚΑΤΑΝΟΜΗ POISSON

S.D. Poisson, 1781-1840

 ΟΡΙΣΜΟΣ (1)

Πρόκειται για n ανεξάρτητες δοκιμές με n>50,

ενώ η πιθανότητα πραγματοποίησης της
επιτυχίας Ε είναι σχετικά μικρή δηλ. P<0,10.
Επομένως np<10.

ΟΡΙΣΜΟΣ (2)

Όπως και στη διωνυμική κατανομή, έτσι και

στην Poisson η μεταβλητή Χ είναι το πλήθος
των επιτυχιών (Ε) κατά την εκτέλεση των n
δοκιμών. Επομένως μπορεί να πάρει τις τιμές
0,1,2,3,…,n.
 ΣΥΝΑΡΤΗΣΗ ΠΙΘΑΝΟΤΗΤΑΣ


e  x
Px  P( X  x) 
x!
Με λ=np

ΧΡΗΣΙΜΟΤΗΤΑ ΚΑΤΑΝΟΜΗΣ POISSON

Χρησιμοποιείται όταν ένα από τα δύο

αποτελέσματα εμφανίζεται πιο σπάνια, ενώ
ταυτόχρονα το μέγεθος του δείγματος είναι
μεγάλο.
 ΙΔΙΟΤΗΤΕΣ ΚΑΤΑΝΟΜΗΣ POISSON (1)

(  )  n  p  
V ( )  n  p  

ΙΔΙΟΤΗΤΕΣ ΚΑΤΑΝΟΜΗΣ POISSON (2)

1
1 

1
2  3 

 ΥΠΕΡΓΕΩΜΕΤΡΙΚΗ ΚΑΤΑΝΟΜΗ

Αν θεωρήσουμε ότι έχουμε N διακεκριμένα

αντικείμενα από τα οποία Μ έχουν μια ορισμένη
ιδιότητα, ενώ τα υπόλοιπα Ν-Μ δεν έχουν την
ιδιότητα αυτή.
Αν από τα Ν αντικείμενα εκλέξουμε n, ζητάμε να
βρούμε την πιθανότητα x από αυτά να έχουν την
ορισμένη ιδιότητα.

ΣΥΝΑΡΤΗΣΗ ΠΙΘΑΝΟΤΗΤΑΣ

 M  N  M 
  
x nx 
f ( x)  P( X  x)  Px    , x  0,1,2,..., n
N
 
n 
ΙΔΙΟΤΗΤΕΣ ΥΠΕΡΓΕΩΜΕΤΡΙΚΗΣ ΚΑΤΑΝΟΜΗΣ

M
E( X )  m
N
nM ( N  n)( N  M )
V (X ) 
N ( N  1)
2

ΓΕΩΜΕΤΡΙΚΗ ΚΑΤΑΝΟΜΗ

Αν θεωρήσουμε ότι έχουμε την πραγματοποίηση

μιας δοκιμής μέχρι να εμφανιστεί το επιθυμητό
αποτέλεσμα το οποίο το χαρακτηρίζουμε ως
επιτυχία «Ε». Επομένως κατά την εκτέλεση της
δοκιμής αυτής θα έχουμε x-1 συνεχόμενες
εμφανίσεις αποτυχίας «Α» μέχρι την επίτευξη της
επιτυχίας στην xη δοκιμή.
ΣΥΝΑΡΤΗΣΗ ΠΙΘΑΝΟΤΗΤΑΣ ΓΕΩΜΕΤΡΙΚΗΣ
ΚΑΤΑΝΟΜΗΣ
Αν έχουμε λοιπόν μια διακριτή τυχαία μεταβλητή, η
οποία λαμβάνει τις τιμές Χ=1,2,3,…n, με συνάρτηση
πιθανότητας της Χ είναι:
x 1
Px  P( X  x)  q p
Λέμε ότι η τυχαία μεταβλητή Χ ακολουθεί την
γεωμετρική κατανομή.

ΙΔΙΟΤΗΤΕΣ ΓΕΩΜΕΤΡΙΚΗΣ ΚΑΤΑΝΟΜΗΣ

1
(  ) 
p
p
V (X )  2
q
KATANOMH PASCAL H’ ΑΡΝΗΤΙΚΗ ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ (1)

Για να κατανοηθεί καλύτερα η κατανομή αυτή θα

πρέπει να σκεφτούμε την ύπαρξη μιας κάλπης στην
οποία περιέχονται Α λευκά και Β μαύρα σφαιρίδια
και εξάγουμε σφαιρίδια με επανατοποθέτηση, έτσι
ώστε να έχουμε r επιτυχίες στις μ δοκιμές.
Επομένως η Χ: πλήθος εξαγωγών ώστε να έχουμε r
επιτυχίες.
Άρα Χ=r, r+1,r+2,….

KATANOMH PASCAL H’ ΑΡΝΗΤΙΚΗ ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ (2)

Αν θεωρήσουμε ότι ως και την μ-1 δοκιμή έχουμε r-

1 επιτυχίες και στην μ δοκιμή έρθει επιτυχία, τότε η
πιθανότητα το πλήθος των επιτυχιών στις μ δοκιμές
να είναι ίσο με r, δίνεται από τον τύπο:

   1 r  r
P( X  x)    p  q
 r 1 
ΑΣΚΗΣΕΙΣ (ΔΙΩΝΥΜΙΚΗ
ΚΑΤΑΝΟΜΗ)

ΑΣΚΗΣΗ (1)
Μια μηχανή παράγει ένα προϊόν, με
πιθανότητα ελαττωματικού p=0,005.
Να υπολογιστούν οι πιθανότητες:
α) Από 10 προϊόντα που παράγονται από τη
μηχανή να μην υπάρχει ελαττωματικό.
β) Από 10 προϊόντα που παράγονται από τη
μηχανή το πολύ 2 να είναι ελαττωματικά.
 ΑΣΚΗΣΗ (2)

γ) Από 5 προϊόντα που παράγονται από τη μηχανή

τουλάχιστον 3 να είναι ελαττωματικά.
δ) Από 5 προϊόντα που παράγονται από τη μηχανή το
ένα να είναι ελαττωματικό.
Να υπολογιστούν η μέση τιμή και η διακύμανση της
κατανομής των ελαττωματικών προϊόντων σε 100
προϊόντα μηχανής.

ΑΣΚΗΣΕΙΣ (ΥΠΕΡΓΕΩΜΕΤΡΙΚΗ
ΚΑΤΑΝΟΜΗ)
 ΑΣΚΗΣΗ

Σε μία κάλπη με 30 σφαιρίδια από τα οποία

20 είναι λευκά και 10 μαύρα. Αν εκλέξουμε 8
σφαιρίδια το ένα μετά το άλλο χωρίς
επανατοποθέτηση, ποια η πιθανότητα 5 από
αυτά να είναι λευκά;

ΑΣΚΗΣΕΙΣ (ΓΕΩΜΕΤΡΙΚΗ ΚΑΤΑΝΟΜΗ)

 ΑΣΚΗΣΗ

Ένας τοξοβόλος πετυχαίνει το κέντρο του στόχου του

με πιθανότητα p=75%.
Να υπολογίσετε:
1. την πιθανότητα να πετύχει το κέντρο του στόχου
του στην 3η προσπάθεια.
2. Ποιος είναι ο αναμενόμενος αριθμός
προσπαθειών που πρέπει να κάνει ώστε να πετύχει
το κέντρο του στόχου του;

ΛΥΣΗ (1)

P( X  3)  q 31  p  0,252  0,75  0,046875

2. Ο αναμενόμενος αριθμός προσπαθειών ώστε να
πετύχει το κέντρο του στόχου του είναι:
1 1
(  )    1,3245
p 0,75
 ΛΥΣΗ (2)

p  75%  o,75
q  1  p  1  0,75  0,25
Ορίζουμε το ενδεχόμενο Χ: το πλήθος των
προσπαθειών μέχρι ο τοξοβόλος να πετύχει το
κέντρο του στόχου του.
1. Η πιθανότητα να πετύχει το κέντρο του
στόχου του στην 3η προσπάθεια δίνεται από την
συνάρτηση πιθανότητας για x=3.

Ενότητα # 13a: Συνεχείς Κατανομές

 ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

• Kανονική κατανομή
• Ομοιόμορφη κατανομή
• Γάμμα κατανομή
• Κατανομή Student – t
• Κατανομή F

ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ

Abraham de Moivre, 1667- 1754

Pierre Laplace, 1749-1827 Karl Gauss, 1777-1855

 ΔΙΑΚΡΙΣΕΙΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ

• Τυποποιημένη Κανονική κατανομή

• Γενική Κανονική κατανομή

ΤΥΠΟΠΟΙΗΜΕΝΗ ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ

Η τυχαία μεταβλητή Ζ με τιμές z ακολουθεί την

τυποποιημένη κανονική κατανομή, όταν η
συνάρτηση πυκνότητας, πιθανότητας αυτής θα
είναι:
z2
1 
f ( x)  e 2
,  z  
2
 ΙΔΙΟΤΗΤΕΣ ΤΗΣ ΤΥΠΟΠΟΙΗΜΕΝΗΣ ΚΑΝΟΝΙΚΗΣ
ΚΑΤΑΝΟΜΗΣ

• Ε(z)=0
• V(z)=1
Η τυποποιημένη κανονική κατανομή
συμβολίζεται: Ν(0,1)

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ ΤΗΣ ΤΥΠΟΠΟΙΗΜΕΝΗΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ

z u2
1 
( z )  P( Z  z )   e 2
du,    z  

2
 ΓΡΑΦΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΤΗΣ Φ(z)

ΓΕΝΙΚΗ ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ

Η τυχαία μεταβλητή Χ ακολουθεί την

κανονική κατανομή, όταν η συνάρτηση
πυκνότητας πιθανότητας είναι:
( X  )2
1 
f ( x)  e 2 2
,  x  
 2
ΓΡΑΦΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΤΗΣ ΓΕΝΙΚΗΣ ΚΑΝΟΝΙΚΗΣ
ΚΑΤΑΝΟΜΗΣ

ΙΔΙΟΤΗΤΕΣ ΓΕΝΙΚΗΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (1)

•Μία μεταβλητή η οποία κατανέμεται κανονικά με

μέσο μ και διακύμανση σ2, συμβολίζεται Χ
ακολουθεί Ν(μ, σ2).
•Το πεδίο ορισμού μίας τέτοιας μεταβλητής είναι
θεωρητικά  ,
•Το μεγαλύτερο πλήθος τιμών βρίσκεται στο (μ-3σ,
μ+3σ).
ΙΔΙΟΤΗΤΕΣ ΓΕΝΙΚΗΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (2)

•Στο διάστημα (μ-σ, μ+σ) βρίσκεται το 68,72% των

τιμών της μεταβλητής.
•Στο διάστημα (μ-2σ, μ+2σ) βρίσκεται το 95,45% των
τιμών της μεταβλητής.
•Στο διάστημα (μ-3σ, μ+3σ) βρίσκεται το 99,73% των
τιμών της μεταβλητής δηλαδή σχεδόν το σύνολο των
τιμών της.

ΙΔΙΟΤΗΤΕΣ ΓΕΝΙΚΗΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (3)

•Η καμπύλη της κανονικής κατανομής έχει μορφή

καμπάνας και είναι πλήρως συμμετρική περί τον
αριθμητικό μέσο μ.
•Η καμπύλη παρουσιάζει μέγιστη τιμή στο σημείο
x=μ το f ( x)   12
•Στα σημεία μ±σ παρουσιάζει σημεία καμπής.
ΙΔΙΟΤΗΤΕΣ ΓΕΝΙΚΗΣ ΚΑΝΟΝΙΚΗΣ ΚΑΤΑΝΟΜΗΣ (4)

• Αν εφαρμόσουμε τον μετασχηματισμό




η κανονική κατανομή μετατρέπεται σε
τυποποιημένη κανονική κατανομή.

ΑΣΚΗΣΕΙΣ (ΤΥΠΟΠΟΙΗΜΕΝΗ
ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ)
 ΑΣΚΗΣΗ

Έστω τυχαία μεταβλητή Ζ που ακολουθεί την

τυποποιημένη κανονική κατανομή.
Να υπολογιστούν οι πιθανότητες:
1.Το Ζ μικρότερο του -2.
2. Το Ζ μεγαλύτερο του 2.
3. Το Ζ από -2 έως 2.
4. Το Ζ μικρότερο του -2 και μεγαλύτερο του 2.

ΑΣΚΗΣΕΙΣ (ΓΕΝΙΚΗ ΚΑΝΟΝΙΚΗ

ΚΑΤΑΝΟΜΗ)
 ΑΣΚΗΣΗ

Να προσπαθήσετε να κάνετε τη γραφική

παράσταση της τυποποιημένης κανονικής
κατανομής, υπολογίζοντας ακριβώς τα σημεία
του οριζόντιου άξονα.

ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ
 ΑΣΚΗΣΗ 1

1.Αν μια μεταβλητή Χ ακολουθεί την κανονική

κατανομή με μέσο 100 και διακύμανση 64, να
βρεθεί η πιθανότητα η Χ να πάρει τιμή
μικρότερη του 92.

ΑΣΚΗΣΗ 2

2.Το βάρος Χ εμφιαλωμένου νερού ακολουθεί την κανονική

κατανομή με μέσο 500 ml και διακύμανση 100 ml2. Να
υπολογιστεί η πιθανότητα ένα μπουκάλι νερού που
επιλέγεται τυχαία:
a)Να έχει βάρος μικρότερο των 495 ml.
b)Να έχει βάρος μεγαλύτερο των 495 ml.
c)Να έχει βάρος μεταξύ 495 και 505 ml.
d)Να έχει βάρος μικρότερο των 490 ml ή μεγαλύτερο των 510
ml.
 ΑΣΚΗΣΗ 3

3. Αν μια κατανομή του βάρους Χ μιας ομάδας ανθρώπων

ακολουθεί την κανονική κατανομή και γνωρίζουμε ότι το
10,3% του μελών της ομάδας έχει βάρος μικρότερο των 50
κιλών και το 25, 14% έχει βάρος μεγαλύτερο των 80 κιλών, να
βρεθεί το μέσο βάρος και η διακύμανση του πληθυσμού.

Ενότητα # 13b: Συνεχείς Κατανομές ΙΙ

 ΟΜΟΙΟΜΟΡΦΗ ΚΑΤΑΝΟΜΗ (1)

Μια μεταβλητή Χ ακολουθεί ομοιόμορφη κατανομή

μέσα σε ένα διάστημα (α, β) όταν η συνάρτηση
πυκνότητας πιθανότητας δίνεται από τον τύπο:

 1
 , x  ( a,  )
f ( x)     a
0, x  (a,  )


ΟΜΟΙΟΜΟΡΦΗ ΚΑΤΑΝΟΜΗ (2)

Η ομοιόμορφη κατανομή εφαρμόζεται σε προβλήματα, στα

οποία ο δειγματικός χώρος είναι διάστημα των πραγματικών
αριθμών και η πιθανότητα παραμένει σταθερή σε όλο το
μήκος του διαστήματος αυτού.
 ΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ ΠΥΚΝΟΤΗΤΑΣ
ΠΙΘΑΝΟΤΗΤΑΣ ΤΗΣ ΟΜΟΙΟΜΟΡΦΗΣ ΚΑΤΑΝΟΜΗΣ

1
 

α β

ΙΔΙΟΤΗΤΕΣ ΟΜΟΙΟΜΟΡΦΗΣ ΚΑΤΑΝΟΜΗΣ

 
(  ) 
2
(   )2
V (X ) 
12
 ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ (1)

Μια μεταβλητή Χ ακολουθεί την Γάμμα κατανομή,

όταν η συνάρτηση πυκνότητας πιθανότητας είναι:

 a 1 x
x e , x  0, a  0,   0
f ( x)  
0, ά

ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ (2)

Η συνάρτηση Γ(α) καλείται Γάμμα συνάρτηση και

ορίζεται ως εξής:

( )  y
a 1  y
e dy
0
 ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ (3)

Για τη συνάρτηση Γ ισχύει:

• Γ(α)=(α-1)Γ(α-1), α>0
• Γ(n)=(n-1)!

ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ (4)

(  )    
V ( X )    2
 ΕΚΘΕΤΙΚΗ ΚΑΤΑΝΟΜΗ (1)

Αν στη συνάρτηση πυκνότητας πιθανότητας

θέσουμε α=1 και β=1/λ, τότε προκύπτει η
συνάρτηση πυκνότητας πιθανότητας της εκθετικής
κατανομής δηλ.
 x
e , x  0,   0
f ( x)  
0, ά

ΕΚΘΕΤΙΚΗ ΚΑΤΑΝΟΜΗ (2)

x
F ( X )  P( X  x)   e u du  1  e x
0
1
(  ) 

1
V (X ) 
 2
ΑΣΚΗΣΕΙΣ (ΟΜΟΙΟΜΟΡΦΗ
ΚΑΤΑΝΟΜΗ)

ΑΣΚΗΣΗ

Αν γνωρίζουμε ότι μια μεταβλητή Χ ακολουθεί την

ομοιόμορφη κατανομή στο διάστημα (-2, 2), να
υπολογιστούν οι ακόλουθες πιθανότητες:
a) Η πιθανότητα η μεταβλητή Χ να είναι μεγαλύτερη
ή ίση του 0.
b) Η πιθανότητα η Χ κατ’ απόλυτη τιμή να είναι
μεγαλύτερη του 3/2.
ΑΣΚΗΣΕΙΣ (ΕΚΘΕΤΙΚΗ ΚΑΤΑΝΟΜΗ)

ΑΣΚΗΣΗ

Η διάρκεια ζωής ενός ηλεκτρονικού οργάνου

κατανέμεται εκθετικά με μέση διάρκεια ζωής 100
ωρών. Αν θεωρήσουμε ότι το όργανο αυτό έχει
λειτουργήσει ήδη 80 ώρες, να υπολογιστεί κατανομή
της μελλοντικής ζωή του ηλεκτρονικού οργάνου.
 Ενότητα # 14: Επαναληπτικά Θέματα

ΑΣΚΗΣΗ 1 (1)

α) Να συμπληρώσετε τον ακόλουθο πίνακα αν γνωρίζετε ότι η

κατανομή των βαθμών είναι συμμετρική από 0 έως 100:
ΒΑΘΜΟΛΟΓΙΕΣ ΦΟΙΤΗΤΩΝ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΒΑΘΜΟΙ ΠΛΗΘΟΣ ΠΟΣΟΣΤΑ
ΦΟΙΤΗΤΩΝ ΦΟΙΤΗΤΩΝ
0-25
25-50 35
50-75
75-100 15
ΣΥΝΟΛΟ 100
 ΑΣΚΗΣΗ 1 (2)

β) Να δημιουργήσετε το ιστόγραμμα
συχνοτήτων.
γ) Να βρείτε αριθμητικό μέσο και διάμεσο.

ΑΣΚΗΣΗ 2

Αν ο αριθμητικός μέσος μιας κατανομής μισθών

είναι € και η διακύμανση της κατανομής 56 €, να
βρείτε πως θα επηρεαστούν ο αριθμητικός μέσος και
η διακύμανση αν όλοι οι υπάλληλοι υποστούν
μείωση 25€ στον μισθό τους.
 ΑΣΚΗΣΗ 3

Ο αριθμός των ωρών ανά εβδομάδα που περνούν

στη βιβλιοθήκη οι φοιτητές Τ.Ε.Ι. Πειραιά ακολουθεί
μια κανονική κατανομή με μέσο 4 και τυπική
απόκλιση 2 ώρες.
1. Να υπολογίσετε τια ακόλουθες πιθανότητες:
2. Κάποιος φοιτητής να περνά στη βιβλιοθήκη πάνω
από 3 ώρες εβδομαδιαίως.
3. Κάποιος φοιτητής να περνά στη βιβλιοθήκη ως και
3 ώρες εβδομαδιαίως.

ΑΣΚΗΣΗ 4

Σε έναν διαγωνισμό μετέχουν 6 άνδρες και 4

γυναίκες. Υποθέτοντας ότι κανένας διαγωνιζόμενος
δεν ισοβάθμησε με κάποιον άλλο και θέλουμε να
τους κατατάξουμε ανάλογα με τον βαθμό που
πήραν:
α) Πόσες βαθμολογικές κατατάξεις μπορούν να
γίνουν;
β) Αν κατατάξουμε ξεχωριστά άνδρες και γυναίκες σε
ξεχωριστές λίστες, πόσες κατατάξεις μπορούν να
γίνουν τότε;
 ΑΣΚΗΣΗ 1

Αν γνωρίζουμε ότι η κατανομή των μισθών σε μια

εταιρία είναι συμμετρική με τους μισούς εργαζόμενους
να λαμβάνουν πάνω από 820 ευρώ, ενώ το 25% αυτών
λαμβάνει πάνω από 1000 ευρώ, να υπολογίσετε:
• το μέσο μισθό,
• το διάμεσο μισθό,
• τον επικρατών μισθό,
• το μισθό κάτω από τον οποίο λαμβάνει το 25% των
εργαζομένων,
• τον συντελεστή ασυμμετρίας των μισθών.

ΑΣΚΗΣΗ 2

Στο μάθημα της Στατιστικής επιτυγχάνουν το 98%

όσων συμμετέχουν στις εργασίες του μαθήματος. Αν
στις εξετάσεις του Μαθήματος έλαβαν μέρος 115
φοιτητές ου συμμετείχαν στις εργασίες, να
υπολογίσετε τις πιθανότητες:
• Να αποτύχουν 5 από αυτούς.
• Να επιτύχουν όλοι οι εξεταζόμενοι.
• Να βρείτε το μέσο αριθμό επιτυχόντων.
 ΑΣΚΗΣΗ 3

Πόσοι είναι οι τριψήφιοι αριθμοί που δεν

περιέχουν το ψηφίο 1;

ΑΣΚΗΣΗ 1
Η κατανομή των μισθών που καταβάλλει μια επιχείρηση
στους υπαλλήλους βρέθηκε ότι είναι συμμετρική. Αν ο μέσος
μισθός υπολογίστηκε ότι είναι 875 ευρώ, ενώ ένας στους 4
υπαλλήλους λαμβάνει μισθό κάτω από 720 ευρώ και ο
συντελεστής μεταβλητότητας είναι 10%, να υπολογίσετε τα
ακόλουθα:
α) Ο διάμεσος μισθό.
β) Ο μισθός πάνω από τον οποίο αμείβεται το 25% των
υπαλλήλων.
γ) Η διακύμανση των μισθών.
δ) Η τυπική απόκλιση των μισθών.
ε) Ο επικρατών μισθό.
 ΑΣΚΗΣΗ 2 (1)

«Πόσο κινδυνεύουμε από τη νέα γρίπη;

Kαταρχάς να διευκρινίσουμε ότι οι γνώσεις μας έχουν έναν
βαθμό αβεβαιότητας, καθώς πρόκειται για μια νέα ασθένεια.
Mε αυτά που γνωρίζουμε σήμερα, ο καθένας μας έχει πολύ
μικρή πιθανότητα να νοσήσει σοβαρά: Περίπου 1% όσων
αρρωσταίνουν με τη νέα γρίπη χρειάζονται νοσοκομείο.
Ακόμη μικρότερη είναι η πιθανότητα θανάτου: Περίπου 1
στους 1.000 που νοσούν.

ΑΣΚΗΣΗ 2 (2)

Όμως, αυτά τα μικρά ποσοστά -και ο μικρός κίνδυνος για τον καθένα μας
χωριστά- μπορεί να μεταφραστεί σε έναν όχι ευκαταφρόνητο αριθμό ατόμων
που θα αρρωστήσουν σοβαρά ή και θα καταλήξουν, στη φάση της μεγάλης
εξάπλωσης της νέας γρίπης. Kαι πρέπει να είμαστε έτοιμοι γι' αυτό -σαν
άτομα, σαν κοινωνία και σαν υγειονομικό σύστημα.» Τάκης
Παναγιωτόπουλος - Επιδημιολόγος – ΗΜΕΡΗΣΙΑ ON LINE (1-8-2009)
 ΑΣΚΗΣΗ 2 (3)

Στηριζόμενοι στα στατιστικά στοιχεία του άρθρου να

απαντήσετε στα ακόλουθα ερωτήματα:
• α)Σε σύνολο 1000 άρρωστων από τη νέα γρίπη ατόμων, ποια
η πιθανότητα περισσότεροι από 10 ασθενείς να χρειαστούν
νοσηλεία σε νοσοκομείο;
• β) Πόσοι από τους 1000 αρρώστους αναμένεται να
νοσηλευτούν;
• δ) Πόσοι από τους 1000 αρρώστους αναμένεται να
πεθάνουν;

ΑΣΚΗΣΗ 3 (1)

Να συμπληρώσετε τον παρακάτω πίνακα:

xi fi (απόλυτη fi% (σχετική Fi(αθροιστική Fi% (σχετική
συχνότητα) συχνότητα) συχνότητα) αθροιστική
συχνότητα)
2 20%
5 21
7 76%
8 12
Σύνολο 50
 ΑΣΚΗΣΗ 3(2)

α) Να υπολογίσετε τη μέση τιμή της παραπάνω

κατανομής.
β) Να υπολογίσετε την διακύμανση της παραπάνω
κατανομής.
γ) Να δημιουργήσετε το κατάλληλο γράφημα για να
περιγράψετε την παραπάνω κατανομή.

ΑΣΚΗΣΗ 4 (1)

Ένας πωλητής διενεργεί τηλεφωνικές πωλήσεις για

το προϊόν της εταιρείας στην οποία εργάζεται. Από
ιστορικά στοιχεία που τηρούνται στο τμήμα
πωλήσεων της εταιρείας προκύπτει ότι η
πιθανότητα επίτευξης πώλησης για το συγκεκριμένο
πωλητή είναι 28%. Έστω ότι ο πωλητής σε μια τυχαία
επιλεγμένη ημέρα τηλεφωνεί σε 12 άτομα.
 ΑΣΚΗΣΗ 4(2)

Να υπολογισθούν:
i) Η πιθανότητα να επιτύχει 4 πωλήσεις.
ii) Η πιθανότητα να μην επιτύχει καμία πώληση.
iii) Η πιθανότητα να επιτύχει το πολύ 2 πωλήσεις.
iv) Η πιθανότητα να επιτύχει τουλάχιστον 3 πωλήσεις.
v) Ο αναμενόμενος αριθμός και η τυπική απόκλιση των
πωλήσεων.

ΑΣΚΗΣΗ 5

Ένας όμιλος 12 επιχειρήσεων έχει μέσα κέρδη

πρώτου τετραμήνου 2011, 43200 ευρώ και τυπική
απόκλιση κερδών 1620 ευρώ. Αν αποφασίσει να
ξοδέψει για κάθε επιχείρηση το ποσό των 1200 για
διαφημιστικά έξοδα, πώς θα μεταβληθεί το μέσο
κέρδος και η τυπική απόκλιση κερδών του πρώτου
τετραμήνου;
 ΑΣΚΗΣΗ 6 (1)

Ο στρατός κάποιας χώρας χρησιμοποιεί

σωματομετρικά στοιχεία των νεοσυλλέκτων ώστε να
παραγγέλνει επαρκείς ποσότητες από τα
απαιτούμενα μεγέθη στολών. Τα στοιχεία αυτά
δίνουν ότι το ύψος των νεοσυλλέκτων (σε μέτρα)
ακολουθεί την Κανονική κατανομή
Ν(μ=1.78,σ=0.05).

ΑΣΚΗΣΗ 6 (2)

α) Ποιό ποσοστό (επί τοις εκατό) των νεοσυλλέκτων έχει

ύψος μεταξύ 1.70 και 1.92 μέτρα;
β) Ο στρατός παραγγέλνει τέτοια μεγέθη στολών ώστε κάθε
νεοσύλλεκτος εκτός από αυτούς που ανήκουν στο υψηλότερο
1% του πληθυσμού να βρίσκει στολή στο μέγεθός του. Μέχρι
ποιό ύψος πρέπει συνεπώς να έχει ένας νεοσύλλεκτος ώστε
να βρει στολή στο μέγεθος του;
 ΑΣΚΗΣΗ 7 (1)

Σε στατιστική έρευνα για τα μηνιαία έξοδα φοιτητών

που νοικιάζουν σπίτι στον τόπο φοίτησής τους,
ερωτήθηκαν 40 φοιτητές και τα δεδομένα
ταξινομήθηκαν σε 6 κλάσεις πλάτους 100 ευρώ. Ο
πίνακας κατανομής συχνοτήτων που προέκυψε είναι ο
ακόλουθος:

ΑΣΚΗΣΗ 7 (2)

Μηνιαία έξοδα Πλήθος

φοιτητών σε ευρώ φοιτητών
200-300 2
300-400 4
400-500 8
500-600 13
600-700 9
700-800 4
 ΑΣΚΗΣΗ 7 (3)
Να σημειώσετε στην κόλλα σας ποιες από τις ακόλουθες
προτάσεις είναι σωστές και ποιες λάθος, αιτιολογώντας τις
απαντήσεις σας.
α) Η κατανομή των εξόδων είναι συμμετρική.
β) Τα μέσα έξοδα συμπίπτουν με τη διάμεση και την
επικρατούσα τιμή τους.
γ) Στην έρευνα δύο φοιτητές αρνήθηκαν να απαντήσουν.
δ) Η αθροιστική συχνότητα της κλάσης 500-600 είναι 27.
ε) Η κεντρική τιμή της 1ης κλάσης είναι 2.