ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Πρόγραµµα Σπουδών: ∆ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ

Θεµατική Ενότητα: ∆ΕΟ-13 – Ποσοτικές Μέθοδοι
Ακαδηµαϊκό Έτος: 2003-4

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
 ΑΡΙΘΜΗΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ∆Ε∆ΟΜΕΝΩΝ

ΑΤΑΞΙΝΟΜΗΤΑ ∆Ε∆ΟΜΕΝΑ ΤΑΞΙΝΟΜΗΜΕΝΑ ∆Ε∆ΟΜΕΝΑ

ΜΕΤΡΑ ΘΕΣΗΣ / ΚΕΝΤΡΙΚΗΣ ΤΑΣΗΣ

Αριθµητικός Μέσος

n k

∑X i ∑fm i i
X= i =1
X = i =1
k
n
∑f
i =1
i

Σταθµικός Αριθµητικός Μέσος

n
XW = ∑W X
i =1
i i

∑W
i =1
i = 1 , 0 ≤ Wi ≤ 1

∆ιάµεσος

• Αν n περιττός
Μ: Η τιµή της παρατήρησης στη
n 
n +1    − FΜ −1 
X  2
θέση
2
δηλαδή η
 n +1  M = LM + δ  
 2  fΜ
• Αν n άρτιος

1 
M = Xn + Xn 
2  2 +1 
2 

Επικρατούσα Τιµή

T0 : η τιµή µε τη µεγαλύτερη ∆1
T0 = LT0 + δ
συχνότητα εµφάνισης ∆1 + ∆2

2
 ΜΕΤΡΑ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ

i – Τεταρτηµόριο

i(n + 1)
Qi : Η τιµή στη θέση δηλαδή η
4
 ni 
   − FQ i −1 
 X i (n +1)  4
  Qi = LQ i +δ  
 4  fQ i

(
Qi = X i (n +1) = X AQ + ∆ Q X AQ +1 − X AQ )
4
Όπου
i(n + 1)
ΑQ: Το ακέραιο µέρος του πηλίκου
4
i(n + 1)
∆Q: Το δεκαδικό µέρος του πηλίκου
4

ΜΕΤΡΑ ∆ΙΑΣΠΟΡΑΣ

Εύρος

R = X max − X min

Ενδοτεταρτηµοριακό Εύρος

IR = Q3 − Q1 IR = Q3 − Q1

Τεταρτηµοριακή Απόκλιση

Q3 − Q1 Q3 − Q1
Q= Q=
2 2

∆ιακύµανση
k

∑ f (m − X )
2

∑ (X − X)
n i i
2
i S2 = i =1
k
=
∑f
2 i =1
S −1
n −1 i =1
i

3
 n k

∑X i
2
− nX 2 ∑fm i
2
i − nX 2
S2 = i =1
S2 = i =1

n −1 k

∑f
i =1
i −1

Τυπική Απόκλιση

S = + S2 S = + S2

ΜΕΤΡΑ ΣΧΕΤΙΚΗΣ ∆ΙΑΣΠΟΡΑΣ

Συντελεστής Μεταβλητότητας

S S
CV = *100 CV = *100
X X

ΜΕΤΡΑ ΑΣΥΜΜΕΤΡΙΑΣ

Συντελεστές Ασυµµετρίας

X − T0 X − T0
Sp = Sp =
S S
n k

∑ f (m − X )
3
∑ ( X i − X )3
i =1 i =1
i i

k
β3 = n
S3
∑f i
β3 = i =1

S3

ΜΕΤΡΑ ΚΥΡΤΩΣΗΣ

Συντελεστής Κύρτωσης
k

∑ f (m − X )
4
n i i
∑(X i − X )4 i =1
k

∑f
i =1

β4 = n i

S4 β4 = i =1

S4

4
 ΠΙΘΑΝΟΤΗΤΕΣ

Αξιώµατα του Kolmogorov

Έστω S ένας δειγµατικός χώρος και έστω Β το σύνολο όλων των ενδεχοµένων του S.
Ορίζουµε ως συνάρτηση πιθανότητας µια συνάρτηση Ρ:
P: Β →R
η οποία σε κάθε ενδεχόµενο Α αντιστοιχεί έναν πραγµατικό αριθµό Ρ(Α) έτσι ώστε να
ικανοποιούνται τα παρακάτω αξιώµατα:
i. P ( A) ≥ 0
ii. P (S ) = 1
n
n 
iii. P ∪ Ai  = P ( A1 ) + P ( A2 ) + L + P ( An ) = ∑ P ( Ai ) , Αi∩Αj = ∅, i ≠ j
 i =1  i =1

Βασικά Θεωρήµατα Πιθανοτήτων

Θεώρηµα 1 Για κάθε ενδεχόµενο Α ισχύει P ( A′) = 1 − P( A) .

Θεώρηµα 2 Ισχύει ότι: P (∅) = 0
Θεώρηµα 3 Για κάθε ενδεχόµενο Α ισχύει P ( A) ≤ 1 .
Θεώρηµα 4 Για οποιαδήποτε ενδεχόµενα A1 και A2 ισχύει ότι:

P ( A1 U A2 ) = P ( A1 ) + P ( A2 ) − P ( A1 I A2 )

Το θεώρηµα 4 γενικεύεται για την περίπτωση n ενδεχοµένων.

Στην περίπτωση που n=3 γίνεται:
P ( A1 U A2 U A3 ) = P ( A1 ) + P ( A2 ) + P ( A3 ) − P ( A1 I A2 ) − P ( A1 I A3 ) − P ( A2 I A3 ) + P ( A1 I A2 I A3 )

Για δύο ενδεχόµενα τα οποία είναι ασυµβίβαστα το θεώρηµα 4 οδηγεί στο

συµπέρασµα

P ( A1 U A2 ) = P ( A1 ) + P ( A2 ), A1 I A2 = ∅
το οποίο είναι ειδική περίπτωση του 3ου αξιώµατος.

5
∆εσµευµένη Πιθανότητα

P ( A1 ∩ A2 )
P ( A1 A2 ) = , P ( A2 ) > 0
P ( A2 )

P ( A1 ∩ A2 )
P ( A2 A1 ) = , P ( A1 ) > 0
P ( A1 )

Ανεξάρτητα Ενδεχόµενα

• 2 ενδεχόµενα Α1, Α2 είναι ανεξάρτητα αν ισχύει: P ( A1 I A2 ) = P( A1 )P( A2 )

• 3 ενδεχόµενα Α1, Α2, Α3 είναι ανεξάρτητα αν ισχύει:

P( A1 I A2 ) = P( A1 )P( A2 )
P( A1 I A3 ) = P( A1 )P( A3 )
P( A2 I A3 ) = P( A2 )P( A3 )
P( A1 I A2 I A3 ) = P( A1 )P( A2 )P( A3 )

• n ενδεχόµενα Α1, Α2,…, Αn είναι ανεξάρτητα αν για κάθε συνδυασµό 2 ή περισσοτέρων

από αυτά ισχύει:

( ) ( ) ( ) ( ) , 1≤i <i <...<i

P Ai1 I Ai2 I ... I Aik = P Ai1 P Ai2 ...P Aik 1 2 k ≤n.

Ενδεχόµενα Ανεξάρτητα κατά Ζεύγη

Τα ενδεχόµενα Α1, Α2,…, Αn λέγονται ανεξάρτητα κατά ζεύγη αν ισχύει:

P (Ai I A j ) = P( Ai ) P (A j ) , i, j = 1, 2, …, n, i ≠ j .

Προφανώς, n ενδεχόµενα µπορεί να είναι ανεξάρτητα κατά ζεύγη χωρίς να είναι ανεξάρτητα.

Κανόνας Πολλαπλασιασµού Πιθανοτήτων

• Για 2 ενδεχόµενα:

P ( A1 ∩ A2 ) = P ( A1 ) P ( A2 A1 ) = P ( A2 ) P ( A1 A2 )

• Για 3 ενδεχόµενα:

P [ A1 ∩ A2 ∩ A3 ] = P [ A1 ] P  A2 A1  P  A3 A1 ∩ A2  .

• Για n ενδεχόµενα:
 n −1

P [ A1 ∩ A2 ∩ ... ∩ An ] = P [ A1 ] P  A2 A1  P  A3 A1 ∩ A2  ...P  An IA i
 i =1 

6
Θεώρηµα της Ολικής Πιθανότητας

Έστω ότι A1 , A2 ,..., An είναι µία διαµέριση του δειγµατικού χώρου S τέτοια ώστε

P( Ai ) ≠ 0 , i = 1, 2, …, n. Τότε για κάθε ενδεχόµενο Ε έχουµε ότι,

n
P(E ) = ∑ P( Ai ) P(E Ai ) .
i =1

Θεώρηµα του Bayes

Έστω A1 , A2 ,..., An µία διαµέριση του δειγµατικού χώρου S τέτοια ώστε P( Ai ) ≠ 0,

i = 1, 2, …, n. Τότε για κάθε ενδεχόµενο Ε µε P(E ) > 0 έχουµε ότι,

P( Ak ) P(E Ak )
P ( Ak E ) = n

∑ P( A ) P(E A )
i =1
i i

P( Ak ) P(E Ak )
=
P (E )

ΑΡΧΕΣ ΑΠΑΡΙΘΜΗΣΗΣ

Μεταθέσεις Επαναληπτικές Μεταθέσεις

Pn = n ! n!
n1 ! n 2 ! . . .n k !

∆ιατάξεις Επαναληπτικές ∆ιατάξεις

n! nx
P = P(n,x ) =
n x (n − x )!

Συνδυασµοί

n!
C = C (n, x ) =
n x x !(n − x )!

7
 ΘΕΩΡΗΤΙΚΕΣ ΚΑΤΑΝΟΜΕΣ

∆ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ

∆ιωνυµική Κατανοµή [Χ ~ Β(n, p)]

n n!
P ( X = k ) =   p k q n − k = p k q n − k , 0 ≤ k ≤ n, 0 < p < 1
k k!(n − k )!

E ( X ) = np V ( X ) = npq

Υπεργεωµετρική Κατανοµή [Χ ~ H(N, r, n)]

 r  N − r 
  
  
P( X = k ) =  k N n − k  , k = 0, 1, 2,..., n
 
 
 
n

r  r  N − r  N − n 
E ( X ) = n  V ( X ) = n   
N  N  N  N − 1 

Κατανοµή Poisson [Χ ~ P(λ)]

e − λ λk
P( X = k ) = , k = 0, 1, 2, ...
k!

Ε(Χ) = λ V(Χ) = λ

ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

Κανονική Κατανοµή [Χ ~ Ν(µ, σ2)]

2
1  X −µ 
1 − 
2 σ 

f (X ) = e , − ∞ < X < +∞ όπου π = 3,1416 & e = 2,7183
σ 2π
Ε(Χ) = µ V(Χ) = σ2

8
 Χ −µ
Τυποποιηµένη Κανονική Κατανοµή [Ζ = ~ Ν(0, 1)]
σ
1
1 − Z2
f (Z ) = e 2
, − ∞ < Z < +∞ όπου π = 3,1416 & e = 2,7183
2π

Ε(Ζ) = 0 V(Ζ) = 1

ΣΥΝΤΕΛΕΣΤΕΣ ΕΥΘΕΙΑΣ ΠΑΛΙΝ∆ΡΟΜΗΣΗΣ

Yˆ = α ο + α1 Χ

αο =
∑Y i
− a1
∑X i
= Y − a1 X
n n

∑ X ∑Y
∑ [(Y − Y )(X i − X)] ∑X Y
i i
i i −
a1 =
i
= n
∑ [(X − X) 2
] (∑ X i ) 2
∑X
i
i
2
−
n

ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ

∑ X ∑Y
∑ [(Y − Y )(X − X )] ∑X Y −
i i
i i
r=
i i
= n
∑ (Y − Y ) ∑ (X − X )  (∑ X )  (∑ Yi ) 
2 2 2 2

∑ X i2 −  ∑ Yi −
i i i 2

 n   n 


r ∈ [−1,1]

ΣΥΝΤΕΛΕΣΤΗΣ ΠΡΟΣ∆ΙΟΡΙΣΜΟΥ

∑ X i ∑ Yi 
2
 
2

 ∑ ( i
 Y − Y )( i ) 
X − X   ∑ X iYi −
n
R2 =   =  
∑ (Yi − Y ) ∑ ( X i − X )  X 2 − ( ∑ X i )   Y 2 − ( ∑ Yi ) 
2 2 2 2


∑ i n 
∑i n 
  

R 2 ∈ [0,1]

9
 ΣΥΜΒΟΛΙΣΜΟΙ

Χi, i = 1, 2, 3,…, n Παρατηρήσεις

Χmax Μέγιστη παρατήρηση
Χmin Ελάχιστη παρατήρηση
n Πλήθος των παρατηρήσεων
∆ Εύρος της τάξης (αναφερόµαστε σε τάξεις ίσου εύρους)
mi Κεντρική τιµή της i τάξης
K Πλήθος των τάξεων
fM Συχνότητα της τάξης της διαµέσου
f Qi Συχνότητα της τάξης του i τεταρτηµορίου
Αθροιστική συχνότητα της προηγούµενης τάξης από αυτή της
FM -1
διαµέσου
Αθροιστική συχνότητα της προηγούµενης τάξης από αυτή του i
FQi −1
τεταρτηµορίου
LΜ Κατώτερο όριο της τάξης της διαµέσου
LQi Κατώτερο όριο της τάξης του i τεταρτηµορίου
LTo Κατώτερο όριο της τάξης της επικρατούσας τιµής
∆ιαφορά µεταξύ της συχνότητας της τάξης της επικρατούσας
∆1
τιµής και της συχνότητας της προηγούµενης τάξης
∆ιαφορά µεταξύ της συχνότητας της τάξης της επικρατούσας
∆2
τιµής και της συχνότητας της επόµενης τάξης

10
Τα στοιχεία του Πίνακα εκφράζουν τις πιθανότητες Φ( z) = P(Z ≤ z) που
παριστάνονται από το εµβαδόν κάτω από την καµπύλη της τυποποιηµένης
κανονικής κατανοµής αριστερά από το z

11
12