Mylonas Papadopoulos Pith Stat Instructor Solutions

ΠΙΘΑΝΟΤΗΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ
ΓΙΑ ΜΗΧΑΝΙΚΟΥΣ
Νίκος Μυλωνάς
Βασίλης Παπαδόπουλος
Βοήθηµα διδάσκοντα
Εκδόσεις Τζιόλα
2 §
Περιεχόµενα
2 Πιθανότητες 5
3 ∆ιακριτές τυχαίες µεταβλητές 37
4 Συνεχείς τυχαίες µεταβλητές 45
5 Πολυδιάστατες τυχαίες µεταβλητές 63
6 Βασικές έννοιες - Περιγραφική Στατιστική 77
7 Εκτιµητική, διαστήµατα εµπιστοσύνης 81
8 Ελεγχοι υποθέσεων 99
3
4 § ΠΕΡΙΕΧΟΜΕΝΑ
Κεφάλαιο 2
Πιθανότητες
`Ασκηση 2.2 Αν οι πιθανότητες των γεγονότων A, B είναι 0, 3 και 0, 6 αντίστοιχα και της ένωσης
τους 0, 8 να υπολογιστούν οι πιθανότητες των γεγονότων
1) A ∩ B 2) B − A 3) (A ∩ B)′ 4) (A ∪ B)′
5) A′ ∪ B ′ 6) A′ ∩ B ′ 7) (A ∪ B) − (A ∩ B) 8) A′ ∩ B
9) A′ − B 10) A′ − B ′ 11) (A − B) ∪ (B − A) 12) A − B ′
13) A ∪ B ′ 14) A′ ∪ B
Λύση
∆ίνονται οι πιθανότητες
P (A) = 0, 3, P (B) = 0, 6 και P (A ∪ B) = 0, 8
και Ϲητείται να υπολογιστούν οι πιθανότητες :
1) Σύµφωνα µε το Θεώρηµα 2.5, ισχύει
P (A ∩ B) = P (A) + P (B) − P (A ∩ B) = 0, 1
P (B − A) = P (B) − P (A ∩ B) = 0, 5
P ((A ∩ B)′ ) = 1 − P (A ∩ B) = 0, 9
P ((A ∪ B)′ ) = 1 − P (A ∪ B) = 0, 2.
5) Σύµφωνα µε την (1.15)
P (A′ ∪ B ′ ) = P ((A ∩ B)′ ) = 0, 9
6) Σύµφωνα µε την (1.16)
P (A′ ∩ B ′ ) = P ((A ∪ B)′ ) = 0, 2.
7)
P [(A ∪ B) − (A ∩ B)] = P [(A − B) ∪ (B − A)]
= P (A − B) + P (B − A) = 0, 7
(ϐλ. Ορισµό 2.2), αφού
P (A − B) = P (A) − P (A ∩ B) = 0, 3 − 0, 1 = 0, 2
P (B − A) = P (B) − P (A ∩ B) = 0, 3 − 0, 1 = 0, 5
8) P (A′ ∩ B) = P (B − A) = 0, 5
9) Λόγω των (1.14) και (1.16),
5
6 §
P (A′ − B) = P (A′ ∩ B ′ ) = P ((A ∪ B)′ ) = 0, 2.

10) P (A′ − B ′ ) = P (A′ ∩ B) = P (B − A) = 0, 5.
11) P (A ∪ B) = P (A ) + P (B) − P (A′ ∩ B) = 0, 8,
′ ′
αφού
P (A′ ) = 1 − P (A) = 0, 7.
12) Λόγω της (1.14),
P (A − B ′ ) = P (A ∩ B) = 0, 1
13) Ισχύει
P (A ∪ B ′ ) = P (A) + P (B ′ ) − P (A ∩ B ′ ) = 0, 5,
αφού
P (A ∩ B ′ ) = P (A − B) = 0, 2
και
P (B ′ ) = 1 − P (B) = 0, 4
14) Σύµφωνα µε τον Ορισµό 2.2,
P ((A − B) ∪ (B − A)) = P (A − B) + P (B − A) = 0, 7,
αφού
(A − B) ∩ (B − A) = ∅.
`Ασκηση 2.9 Σε ένα τυχερό παιχνίδι η πιθανότητα να κερδίσει ο παίκτης Α είναι 30%, η πιθανό-
τητα να κερδίσει ο Β 40% και η πιθανότητα να κερδίσουν και οι δύο είναι 15%. Να υπολογιστεί
η πιθανότητα :
α) Να κερδίσει τουλάχιστον ένας εκ των Α, Β.
ϐ) Να µην κερδίσει κανένας από τους Α και Β.
γ) Να κερδίσει µόνο ένας από τους Α και Β.
δ) Να κερδίσει ο Β και να µην κερδίσει ο Α.
ε) Να µην κερδίσουν και οι δύο.
στ) Να χάσουν και οι δύο.
Ϲ) Να χάσει τουλάχιστον ένας από τους Α και Β.
Λύση
Θεωρούµε τα ενδεχόµενα
A ∶ “ κερδίζει ο παίχτης Α” και B : “ κερδίζει ο παίχτης Β ”.
∆ίνονται
P (A) = , P (B) = και P (A ∩ B) =

30 10 15
100 100 100
Ζητείται να υπολογιστούν οι πιθανότητες :
α) Σύµφωνα µε το ϑεώρηµα 2.5, ισχύει
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) =
55
.
100
ϐ) Σύµφωνα µε το ϑεώρηµα 2.1, ισχύει
P ((A ∪ B)′ ) = 1 − P (A ∩ B) =
45
.
100
γ) P [(A − B) ∪ (B − A)] = P (A − B) + P (B − A) =
40
100
όπου
P (A − B) = P (A) − P (A ∩ B) =
15
100
και
P (B − A) = P (B) − P (A ∩ B) =
25
100
ΚΕΦΑΛΑΙΟ 2. ΠΙΘΑΝΟΤΗΤΕΣ 7
δ) P (B − A) = 85
100 .
P ((A ∩ B)′ ) = 1 − P (A ∩ B) =
85
ε) .
100
P ((A ∪ B)′ ) = 1 − P (A ∪ B) =
45
στ) .
100
P (A′ ∪ B ′ ) = P ((A ∩ B)′ ) =
85
Ϲ) .
100
Ασκηση 2.27 Από ένα κουτί που περιέχει 4 άσπρες και 5 µαύρες σφαίρες παίρνουµε
τυχαία 2 σφαίρες. Ποια η πιθανότητα οι σφαίρες που πήραµε :
α) Να είναι και οι δύο µαύρες.
ϐ) Να είναι διαφορετικού χρώµατος.
γ) Τουλάχιστον µια από αυτές να είναι µαύρη.
Λύση
α) Η πιθανότητα του ενδεχοµένου
Ea ∶ “ Οι επιλεγµένες σφαίρες είναι µαύρες”,
n(Ea )
είναι P (Ea ) = ,
n(Ω)
n(Ω) = ( )=
9 9!
όπου = 36
2 2!7!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος διάδων που ϕτιάχνονται από τις 9 σφαίρες)
και
n(Ea ) = ( )=
5 5!
= 10,
2 2!3!
το πλήθος των στοιχείων του Ea (πλήθος διάδων που ϕτιάχνονται από τις 5 µαύρες σφαίρες).
Εποµένως
P (Ea ) =
10
.
36
ϐ) Η πιθανότητα του ενδεχοµένου
Eβ ∶ “ Οι επιλεγµένες σφαίρες είναι διαφορετικού χρώµατος”,
n(Eβ )
είναι P (Eβ ) = ,
n(Ω)
όπου n(Eβ ) το πλήθος των διάδων στις οποίες οι σφαίρες είναι διαφορετικού χρώµατος, το οποίο
είναι ίσο µε
n(Eβ ) = 4 ⋅ 5 = 20.
Εποµένως
P (Eβ ) =
20 5
= .
36 9
γ) Η πιθανότητα του ενδεχοµένου
Eγ ∶ “ Τουλάχιστον µια από τις επιλεγµένες σφαίρες είναι µαύρη ”,
είναι P (Eγ ) = 1 − P (Eγ′ ),
όπου
n(Eγ′ ) = ( )=
4 4!
=6
2 2!2!
το πλήθος στοιχείων του ενδεχοµένου
Eγ′ ∶ “ Οι επιλεγµένες σφαίρες είναι άσπρες ”,
8 §
οπότε
P (Eγ ) = 1 − P (Eγ′ ) = 1 −
6 1 5
=1− = .
36 6 6
Ασκηση 2.30 ΄Ενα κουτί περιέχει 6 µαύρες και 8 άσπρες σφαίρες. Επιλέγουµε τυχαία
τρεις σφαίρες τη µία µετά την άλλη. Αν η πρώτη σφαίρα και η δεύτερη σφαίρα επανατοπο-
ϑετούνται, να υπολογιστούν οι πιθανότητες :
α) Ακριβώς µία από τις δύο επιλεγµένες σφαίρες να είναι άσπρη.
ϐ) Τουλάχιστον µία από τις δύο επιλεγµένες σφαίρες να είναι άσπρη.
γ) Το πολύ µία από τις δύο επιλεγµένες σφαίρες να είναι άσπρη.
δ) Η πρώτη σφαίρα να είναι άσπρη ή η δεύτερη µαύρη.
ε) Καµία από τις δύο σφαίρες να µην είναι άσπρη.
στ) Τουλάχιστον δύο από τις τρεις επιλεγµένες σφαίρες να είναι άσπρες.
Ϲ) Το πολύ δυο από τις τρεις επιλεγµένες σφαίρες να είναι άσπρες.
Λύση
α) Το ενδεχόµενο
Ea ∶ “ Ακριβώς µία από τις δύο επιλεγµένες σφαίρες είναι άσπρη”,
γράφεται
Ea = A1 M2 M3 ∪ M1 A2 M3 ∪ M1 M2 A3 ,
όπου Ai ∶ “ Η i−επιλεγµένη σφαίρα είναι άσπρη”, i = 1, 2, 3
όπου Mi ∶ “ Η i−επιλεγµένη σφαίρα είναι µαύρη”, i = 1, 2, 3.
Τα ενδεχόµενα A1 M2 M3 , M1 A2 M3 και M1 M2 A3 είναι ξένα µεταξύ τους, οπότε
P (Ea ) = P (A1 M2 M3 ) + P (M1 A2 M3 ) + P (M1 M2 A3 ), (i)
Επειδή η πρώτη σφαίρα και η δεύτερη σφαίρα επανατοποθετούνται, οι πιθανότητες των ενδεχοµέ-
νων Ai και Mi είναι
n(Ai ) = και n(Mi ) =

8 6
,
14 14
και τα ενδεχόµενα A1 , M2 , M3 είναι ανεξάρτητα, οπότε
P (A1 M2 M3 ) = P (A1 )P (M2 )P (M3 ) =

8 6 6
= 0, 105.
14 14 14
`Οµοια P (M1 A2 M3 ) = P (M1 M2 A3 ) = 0, 105,
οπότε η (i) δίνει
P (Ea ) = 3 ⋅ 0, 105 = 0, 315.
Eβ : “ τουλάχιστον µια από τις επιλεγµένες σφαίρες είναι άσπρη ” είναι
P (Eβ ) = 1 − P (Eβ′ ) (ii)
όπου
Eβ′ = M1 M2 M3
και τα ενδεχόµενα M1 , M2 , M3 είναι ανεξάρτητα, οπότε
P (Eβ′ ) = P (M1 ) ⋅ P (M2 ) ⋅ P (M3 ) =

6 6 6 216
⋅ ⋅ = = 0, 079
14 14 14 2744
οπότε η (ii) δίνει
P (Eβ ) = 1 − 0, 079 = 0, 921
Eγ : “ το πολύ µια σφαίρα είναι άσπρη ” είναι
P (Eγ ) = P (A1 M1 M3 ∪ M1 A2 M3 ∪ M1 M2 A3 ∪ M1 M2 M3 )
P (Eγ ) = P (A1 )P (M1 )P (M3 ) + P (M1 )P (A2 )P (M3 ) + P (M1 )P (M2 )P (A3 )
+P (M1 )P (M2 )P (M3 )
6 3
+( )
8 6 6
= 3⋅ ⋅ ⋅
14 14 14 14
864 216 1080
= + = = 0, 39
2744 2744 2744
δ) Η πιθανότητα του ενδεχοµένου
Eδ : “ η πρώτη σφαίρα είναι άσπρη ή η δεύτερη είναι µαύρη ”
P (Eδ ) = 1 − P (Eδ′ ) (iv)
όπου
Eδ′ = M1 A2 A3 ∪ M1 A2 M3
τα ενδεχόµενα M1 A2 A3 και M1 A2 M3 είναι ξένα µεταξύ τους, εποµένως
P (Eδ′ ) = P (M1 A2 A3 ) + P (M1 A2 M3 )
P (Eδ′ ) = P (M1 )P (A2 )P (A3 ) + P (M1 )P (A2 )P (M3 )
P (Eδ′ ) =
6 8 8 6 8 6
⋅ ⋅ + ⋅ ⋅
14 14 14 14 14 14
P (Eδ′ ) =
384 288
+ = 0, 245
2744 2744
οπότε η (iv) δίνει
P (Eδ ) = 1 − 0, 245 = 0, 755
ε) Το ενδεχόµενο
Eǫ : “ καµιά από τις δυο σφαίρες να µην είναι άσπρη ” γράφεται
Eǫ = M1 M2 M3 ∪ M1 M2 A3
του οποίου η πιθανότητα είναι
P (Eǫ ) = P (M1 M2 M3 ) + P (M1 M2 A3 )
= P (M1 )P (M2 )P (M3 ) + P (M1 )P (M2 )P (A3 )
= 0, 079 + 0, 105 = 0, 184

στ) Το ενδεχόµενο
Eστ : “ τουλάχιστον δύο από τις τρεις σφαίρες είναι άσπρες ”
γράφεται
Eστ = A1 A2 M3 ∪ A1 M2 A3 ∪ M1 A2 A3 ∪ A1 A2 A3
τα ενδεχόµενα είναι ξένα µεταξύ τους, εποµένως
P (Eστ ) = P (A1 A2 M3 ) + P (A1 M2 A3 ) + P (M1 A2 A3 ) + P (A1 A2 A3 )
8 2 6 8 3
= 3⋅( ) ⋅ +( )
14 14 14
1152 512 1664
= + = = 0, 61
2744 2744 2744
Ϲ) Η πιθανότητα του ενδεχοµένου
Eζ : “ Το πολύ δύο από τις τρεις σφαίρες είναι άσπρες ”
γράφεται ως
P (Eζ ) = 1 − P (Eζ′ ) = 1 − ( ) =
8 3 2232
= 0, 81
14 2744
10 §
Ασκηση 2.31 Ο ΄Ακης, η Λίζα και 4 άλλα παιδιά κάθονται σε 6 καρέκλες στη σειρά τυχαία.
Ποια η πιθανότητα ο ΄Ακης να κάθεται δίπλα στη Λίζα ;
Λύση
Η πιθανότητα του ενδεχοµένου
E ∶ “ Ο ΄Ακης κάθεται δίπλα στη Λίζα”,
P (E) =
n(E)
είναι ,
n(Ω)
όπου n(Ω) = 6!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος µεταθέσεων 6 αντικειµένων) και
n(E) = 5 ⋅ 2 ⋅ 4!,
το πλήθος των τρόπων µε τους οποίους ο ΄Ακης κάθεται δίπλα στη Λίζα. Εποµένως
5 ⋅ 2 ⋅ 4! 1
P (E) = = .
6! 3
Ασκηση 2.32 α) Πόσες “λέξεις” των 5 γραµµάτων ϕτιάχνονται µε τα γράµµατα Α, Β, Γ, ∆

και Ε µε επανάληψη ;
ϐ) Να υπολογιστεί η πιθανότητα µια τέτοια λέξη να µην περιέχει ϕωνήεν.
Λύση
α) Το πλήθος των λέξεων αυτών είναι ίσο µε τον αριθµό διατάξεων των 5 γραµµάτων σε πεντάδες µε
επανάληψη, δηλαδή 55 .
ϐ) Η πιθανότητα µια τέτοια λέξη να µην περιέχει ϕωνήεν είναι ίση µε
35
P (E) = 1 − P (E ′ ) = 1 − = 0, 07776.
55
Ασκηση 2.33 Επιλέγουµε τυχαία πέντε ϕύλλα από µία τράπουλα των 52 ϕύλλων. Να
υπολογιστεί η πιθανότητα :
α) και τα πέντε ϕύλλα να είναι κούπες,
ϐ) η επιλεγµένη πεντάδα να είναι τρεις άσσοι και δύο δεκάρια,
γ) η επιλεγµένη πεντάδα να είναι δύο ντάµες, δύο πεντάρια και ένας ϱήγας.
Λύση
Ea ∶ “ Και τα πέντε ϕύλλα είναι κούπες”,
n(Ea )
n(Ω)
n(Ω) = ( )=
52 52!
όπου = 2598960
5 5!47!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος πεντάδων που ϕτιάχνονται από τα 52 ϕύλλα)
και
n(Ea ) = ( )=
13 13!
= 1287,
5 5!8!
το πλήθος των στοιχείων του Ea (πλήθος πεντάδων που ϕτιάχνονται από τις 13 κούπες). Εποµένως
P (Ea ) =
1287
= 0, 000495.
2598960
Eβ ∶ “ Η επιλεγµένη πεντάδα είναι τρεις άσσοι και δύο δεκάρια”,

n(Eβ )
είναι P (Eβ ) = .
n(Ω)
Το πλήθος των στοιχείων του Eβ είναι (τρεις άσσοι από τους 4 και δύο δεκάρια από τα 4)
n(Eβ ) = ( )( ) =
4! 4!
= 4 ⋅ 6 = 24,
4 4
3 2 3!1! 2!2!
Εποµένως
P (Ea ) =
24
= 9, 23 ⋅ 10−6 .
2598960
Eγ ∶ “ προκύπτουν δύο ντάµες, δύο πεντάρια και ένας ϱήγας”,
n(Eγ )
είναι P (Eγ ) = .
n(Ω)
Το πλήθος των στοιχείων του Eγ είναι (δύο ντάµες από τις 4, δύο πεντάρια από τα 4 και ένας ϱήγας
από τους 4)
n(Eγ ) = ( )( ) ⋅ 4 =
4! 4!
⋅ 4 = 144,
4 4
2 2 2!2! 2!2!
Εποµένως
P (Eγ ) =
144
= 5, 54 ⋅ 10−5 .
2598960
Ασκηση 2.34 Να δειχθεί ότι για κάθε n, k ∈ N ∗ µε n > k ισχύει

∆nk = ∆n−1
k + k∆n−1
k−1 .
Λύση
(n − 1)! (n − 1)!
∆n−1 + k∆n−1 +k
k k−1 =
(n − 1 − k)! [n − 1 − (k − 1)]!
(n − 1)! (n − 1)!
+k
(n − k − 1)! (n − k)!
=
(n − 1)! (n − 1)!
+k
(n − k − 1)! (n − k)(n − k − 1)!
=
(n − 1)!
(1 + )
k
(n − k − 1)! (n − k)
=
(n − 1)! n
(n − k − 1)! (n − k)
=
(n − 1)!n
(n − k)(n − k − 1)!
=
n!
(n − k)!
=
= ∆nk
Β΄ Λύση
Βλ. άσκ.2.7
12 §
Ασκηση 2.35 Τέσσερις οδηγοί ϐάζουν ϐενζίνη κάθε ∆ευτέρα στα αυτοκίνητα τους επιλέγο-
ντας τυχαία ένα από τα 6 πρατήρια της περιοχής. Να υπολογιστεί η πιθανότητα µια ∆ευτέρα
και οι 4 οδηγοί να ϐάλουν ϐενζίνη σε δύο πρατήρια.
Λύση
E ∶ “ Οι 4 οδηγοί ϐάζουν ϐενζίνη σε δύο πρατήρια”

είναι
P (E) =
n(E)
,
n(Ω)
όπου n(Ω) = 64
(αριθµός τρόπων κατανοµής 4 διακριτών σφαιριδίων σε 6 κελιά) και
n(E) = ( ) 24 =
6! 4
2 = 15 ⋅ 24
6
2 2!4!
ο αριθµός τρόπων κατανοµής 4 διακριτών σφαιριδίων σε 2 από τα 6 κελιά,
15 ⋅ 24 1 4
οπότε P (E) = = 15 ⋅ ( ) = 0, 185.
64 3
Ασκηση 2.36 Να δειχθεί ότι το πλήθος λέξεων των πέντε γραµµάτων που ϕτιάχνονται από
τα γράµµατα Α, Β, Γ, ∆, Ε, Ζ, Η, Θ, Ι, Κ χωρίς επανάληψη είναι ίσο µε το άθροισµα του
πλήθους λέξεων των πέντε γραµµάτων που ϕτιάχνονται από τα Β, Γ, ∆, Ε, Ζ, Η, Θ, Ι, Κ χωρίς
επανάληψη συν 5 ϕορές το πλήθος λέξεων των τεσσάρων γραµµάτων που ϕτιάχνονται από
τα Β, Γ, ∆, Ε, Ζ, Η, Θ, Ι, Κ χωρίς επανάληψη.
Λύση
Το πλήθος λέξεων των πέντε γραµµάτων που ϕτιάχνονται από τα γράµµατα Α, Β, Γ, ∆, Ε, Ζ, Η, Θ,
Ι, Κ χωρίς επανάληψη είναι ίσο µε ∆10
5 , το πλήθος λέξεων των πέντε γραµµάτων που ϕτιάχνονται
από τα Β, Γ, ∆, Ε, Ζ, Η, Θ, Ι, Κ χωρίς επανάληψη είναι ∆95 και το πλήθος λέξεων των τεσσάρων
γραµµάτων που ϕτιάχνονται από τα Β, Γ, ∆, Ε, Ζ, Η, Θ, Ι, Κ χωρίς επανάληψη είναι ∆94 . Εποµένως
πρέπει να δείξουµε ότι
5 = ∆5 + 5∆4 ,
∆10 9 9
το οποίο δείχνουµε στην `Ασκηση 2.34.
Ασκηση 2.37 Στη Μ. Βρετανία οι αριθµοί των αυτοκινήτων αποτελούνται από 3 γράµµατα
ακολουθούµενα από 3 ψηφία. Να υπολογιστεί η πιθανότητα µία πινακίδα να περιέχει :
α) Τα γράµµατα A, B, C .
ϐ) Τα γράµµατα P, Q, R χωρίς επανάληψη.
γ) Τα γράµµατα Α, Β και τα ψηφία 0, 1.
δ) Τα γράµµατα A, B, C και τα ψηφία 7, 8, 9 χωρίς επανάληψη.
Λύση
Ea ∶ “Η πινακίδα περιέχει τα γράµµατα A, B, C”

είναι
n(Ea )
P (Ea ) = ,
n(Ω)
όπου n(Ω) = 263 ⋅ 103

(αριθµός διατάξεων των 26 γραµµάτων ανά 3 µε επανάληψη επί το πλήθος διατάξεων των 10 ψηφίων
ανά 3 µε επανάληψη)
και n(Ea ) = 33 ⋅ 103
(αριθµός διατάξεων των 3 γραµµάτων A, B, C ανά 3 µε επανάληψη επί το πλήθος διατάξεων των
10 ψηφίων ανά 3 µε επανάληψη),
33 ⋅ 103 3 3
P (Ea ) = = ( ) = 0, 0015.
263 ⋅ 103
οπότε
26
Eβ ∶ “Η πινακίδα περιέχει τα γράµµατα P, Q, R χωρίς επανάληψη”
n(Eβ )
είναι P (Eβ ) = ,
n(Ω)
όπου n(Eβ ) = 3! ⋅ 103
(αριθµός µεταθέσεων των 3 γραµµάτων P, Q, R επί το πλήθος διατάξεων των 10 ψηφίων ανά 3 µε
επανάληψη),
3! ⋅ 103
P (Eβ ) =
3!
= = 0, 00034.
263 ⋅ 103 263
οπότε

Eγ ∶ “Η πινακίδα περιέχει τα γράµµατα A, B και τα ψηφία 0, 1”
n(Eγ )
είναι P (Eγ ) = ,
n(Ω)
όπου n(Eγ ) = (263 − 243 )(103 − 83 )
(αριθµός διατάξεων των 26 γραµµάτων που περιέχουν τα Α, Β, ανά 3 µε επανάληψη, επί το πλήθος
διατάξεων ανά 3 µε επανάληψη των 10 ψηφίων που περιέχουν τα 0 και 1),
οπότε
(263 − 243 )(103 − 83 ) 24 3 8 3

P (Eγ ) = = (1 − ( ) ) (1 − ( ) )
263 ⋅ 103 26 10
= 0, 104.

Eδ ∶ “Η πινακίδα περιέχει τα A, B, C και τα 7, 8, 9 χωρίς επανάληψη”
είναι
n(Eδ )
P (Eδ ) = ,
n(Ω)
όπου n(Eδ ) = 3! ⋅ 3!
(αριθµός µεταθέσεων των 3 γραµµάτων P, Q, R επί αριθµός µεταθέσεων των 3 ψηφίων 7, 8, 9),
3! ⋅ 3!
P (Eδ ) = = 2, 05 ⋅ 10−6 .
263 ⋅ 103
οπότε
Ασκηση 2.38 Τρεις παίκτες Α, Β, Γ ϱίχνουν ένα τετραεδρικό Ϲάρι (από τη ϱίψη του προ-
κύπτει 1, 2, 3 ή 4 µε ίσες πιθανότητες) µε τη σειρά αυτή. Κερδίζει όποιος ϕέρει πρώτος 4.
Να ϐρεθεί η πιθανότητα να κερδίσει :
α) ο Α ϐ) ο Β γ) ο Γ.
14 §
Λύση
Ea ∶ “Κερδίζει ο παίκτης Α”
γράφεται Ea = Ea1 ∪ Ea2 ∪ ...
όπου Eai ∶ “Κερδίζει ο παίκτης Α στην i−ϱίψη”, i = 1, 2, ...
Επειδή τα ενδεχόµενα Eai είναι ξένα µεταξύ τους,
P (Ea ) = P (Ea1 ) + P (Ea2 ) + ... (i)
1 3
Επειδή η πιθανότητα επιτυχίας σε µια ϱίψη είναι και αποτυχίας ,
4 4
P (Ea1 ) = .
1
4
Επίσης, επειδή το Ea2 γράφεται ως
Ea2 ∶ “Και οι 3 παίκτες αποτυγχάνουν στην πρώτη ϱίψη και ο Α επιτυγχάνει
στην δεύτερη”,
3 31
P (Ea2 ) = =( ) .
3331
4444 4 4
3 3 3 31 3 61
`Οµοια P (Ea3 ) = ( ) ( ) =( ) ,
4 4 4 4 4
3 31 3 61
P (Ea ) = + ( ) + ( ) + ...
1
4 4 4 4 4
3 3 3 6
(1 + ( ) + ( ) + ...)
1
=
4 4 4
1 1
= ⋅
3 3
(1 − )
4
4
1 1
= ⋅
4 37
64
16
=
37
ϐ) `Οµοια προκύπτει ότι η πιθανότητα του ενδεχοµένου
Eβ ∶ “Κερδίζει ο παίκτης Β”
είναι P (Eβ ) = P (Eβ1 ) + P (Eβ2 ) + ... (ii)
Επίσης, επειδή το Eβ2 γράφεται ως
Eβ1 ∶ “Ο παίκτης Α αποτυγχάνει στην πρώτη ϱίψη και ο Β επιτυγχάνει στην
πρώτη ϱίψη”,
P (Eβ1 ) =
31
.
44
Επίσης, επειδή το Eβ2 γράφεται ως
Eβ2 ∶ “Και οι 3 παίκτες αποτυγχάνουν στην πρώτη ϱίψη, ο Α αποτυγχάνει
στην δεύτερη και ο Β επιτυγχάνει στην δεύτερη”,
3 3 31
P (Eβ2 ) = ( ) .
4 44
3 3 3 3 31 3 6 31
`Οµοια P (Eβ3 ) = ( ) ( ) =( ) ,
4 4 44 4 44
οπότε
3 3 31 3 6 31
P (Eβ ) = +( ) +( )
31
+ ...
44 4 44 4 44
3 3 3 6
(1 + ( ) + ( ) + ...)
31
=
44 4 4
31 1
= ⋅
3 3
1−( )
44
4
3 1
= ⋅
16 37
64
12
=
37
`Οµοια προκύπτει ότι
3 3 331 3 6 331
P (Eγ ) = +( ) +( )
331
+ ...
444 4 444 4 444
3 3 3 6
(1 + ( ) + ( ) + ...)
331
=
444 4 4
331 1
= ⋅
3 3
1−( )
444
4
9 37
= ⋅
64 64
9
=
37
Ασκηση 2.39 ΄Ενα κουτί περιέχει 5 άσπρες χάντρες και 4 µαύρες. Παίρνουµε τυχαία µία
χάντρα και στη συνέχεια άλλη µία. Να ϐρεθεί η πιθανότητα η µία χάντρα να είναι άσπρη
και η άλλη µαύρη :
α) Αν η πρώτη χάντρα επανατοποθετήθηκε.
ϐ) Αν η πρώτη χάντρα δεν επανατοποθετήθηκε.
Λύση
E ∶ “ Η µία χάντρα είναι άσπρη και η άλλη µαύρη”,

γράφεται
E = A1 M2 ∪ M1 A2 ,
όπου Ai ∶ “ Η i−επιλεγµένη σφαίρα είναι άσπρη”, i = 1, 2
όπου Mi ∶ “ Η i−επιλεγµένη σφαίρα είναι µαύρη”, i = 1, 2.
Τα ενδεχόµενα A1 M2 και M1 A2 είναι ξένα µεταξύ τους, οπότε
P (E) = P (A1 M2 ) + P (M1 A2 ), (i)

Επειδή η πρώτη σφαίρα επανατοποθετείται, οι πιθανότητες των ενδεχοµένων Ai και Mi είναι
n(Ai ) = και n(Mi ) = ,

5 4
9 9
και τα ενδεχόµενα A1 , M2 είναι ανεξάρτητα, οπότε
16 §
P (A1 M2 ) = P (A1 )P (M2 ) =

54
= 0, 247.
99
`Οµοια
P (M1 A2 ) = 0, 247,
P (E) = 2 ⋅ 0, 247 = 0, 494.
ϐ) Στην περίπτωση αυτή (µη επανατοποθέτηση) το πλήθος των στοιχείων του δειγµατοχώρου Ω είναι
ίσο µε το πλήθος διάδων που ϕτιάχνονται από τις 9 χάντρες
n(Ω) = ( )=
9 9!
= 36
2 2!7!
και το πλήθος των στοιχείων του E είναι ίσο µε το πλήθος διάδων χαντρών διαφορετικού χρώµατος
n(E) = 4 ⋅ 5 = 20,
P (E) =
20
Εποµένως = 0, 556.
36
Ασκηση 2.40 Πόσες είναι όλες οι λέξεις (µε 1,2,3,4 ή 5 γράµµατα) που µπορούµε να
ϕτιάξουµε µε τα γράµµατα Α, Β, Γ, ∆, Ε χωρίς επανάληψη.
Λύση
Το πλήθος των λέξεων µε 1,2,3,4 ή 5 γράµµατα που µπορούµε να ϕτιάξουµε µε τα γράµµατα Α,
Β, Γ, ∆, Ε χωρίς επανάληψη είναι
5! 5! 5!
5 + ∆52 + ∆53 + ∆54 + 5! = 5 + + + + 5! = 325.
3! 2! 1!
Ασκηση 2.41 Πόσες λέξεις µπορούµε να ϕτιάξουµε µε όλα τα γράµµατα της λέξης
“ΒΙΟΛΟΓΙΑ”;
Λύση
Επειδή η λέξη αυτή των 8 γραµµάτων περιέχει 2 Ι και 2 Ο, µε τα γράµµατα της µπορούµε να
σχηµατίσουµε
8!
= 10080.
2!2!
Ασκηση 2.42 Μια οικογένεια αποτελείται από τον πατέρα, τη µητέρα και οκτώ παιδιά.
α) Σε ένα γάµο οικογένεια έχει κληθεί να στείλει 4 άτοµα. Αν τα άτοµα αυτά επιλεχθούν
τυχαία να υπολογιστεί η πιθανότητα να πάνε στο γάµο :
i) Και οι δύο γονείς.
ii) ΄Ενας από τους δύο γονείς.
iii) Κανένας από τους γονείς.
ϐ) Αν τα οκτώ παιδιά χωριστούν τυχαία σε δύο οµάδες των τεσσάρων ατόµων, να υπολογιστεί
η πιθανότητα τα δύο µεγαλύτερα αδέλφια να είναι στην ίδια οµάδα.
Λύση
α) i) Η πιθανότητα του ενδεχοµένου
E1 ∶ “Καλούνται οι δύο γονείς”

n(E1 )
είναι P (E1 ) =
n(Ω)
όπου
n(Ω) = αριθµός συνδυασµών 10 ατόµων ανά 4
= ( )=
10 10!
4 4!6!
= 210
n(E1 ) = αριθµός συνδυασµών 8 ατόµων (παιδιά) ανά 2
= ( )=
8 8!
2 2!6!
= 28,
P (E1 ) =
28
οπότε = 0, 133.
210
ii) Η πιθανότητα του ενδεχοµένου
E2 ∶ “Καλείται ένας από τους δύο γονείς”

n(E2 )
n(Ω)
όπου
n(E2 ) = 2 ⋅ αριθµός συνδυασµών 8 ατόµων (παιδιά) ανά 3
= 2( )=
8 8!
3 3!5!
= 2 ⋅ 56 = 112,
P (E2 ) =
112
οπότε = 0, 533.
210
iii) Η πιθανότητα του ενδεχοµένου
E3 ∶ “∆εν καλείται κανένας από τους δύο γονείς”

n(E3 )
n(Ω)
όπου
n(E3 ) = αριθµός συνδυασµών 8 ατόµων (παιδιά) ανά 4
= ( )=
8 8!
4 4!4!
= 70,
P (E3 ) =
70 1
οπότε = .
210 3
18 §
Ασκηση 2.43 Οι πινακίδες αυτοκινήτων σε µια χώρα αποτελούνται από 3 γράµµατα, από
τα 24 του αλφαβήτου της, ακολουθούµενα από ένα τετραψήφιο αριθµό (χωρίς µηδενικά
στην αρχή). Να ϐρεθεί η πιθανότητα η πινακίδα ενός τυχαία επιλεγµένου αυτοκινήτου :
α) να ξεκινάει µε Α,
ϐ) να περιέχει τουλάχιστον ένα Α,
γ) να περιέχει ακριβώς ένα Α,
δ) να περιέχει τουλάχιστον ένα Α ή ένα Β,
ε) να περιέχει τα Α και Β (τουλάχιστον µία ϕορά το καθένα),
στ) να µην περιέχει κανένα άρτιο ψηφίο,
Ϲ) να περιέχει τουλάχιστον ένα µηδέν,
η) να µην περιέχει το 1,
ϑ) να µην περιέχει δύο ίδια γράµµατα (δηλαδή και τα τρία γράµµατα της να είναι διαφορε-
τικά).
Λύση
Το πλήθος των στοιχείων του δειγµατοχώρου είναι (πλήθος διατάξεων 24 γραµµάτων σε τριάδες µε
επανάληψη επί 9 (το πρώτο ψηφίο είναι 1,2,....,9) επί πλήθος διατάξεων 10 ψηφίων σε τριάδες µε
επανάληψη (τα άλλα 3 ψηφία του αριθµού)
n(Ω) = 243 ⋅ 9 ⋅ 103 .

α) Το πλήθος των στοιχείων του ενδεχοµένου
Ea ∶ “Η πινακίδα ξεκινάει µε Α”
είναι (πλήθος διατάξεων 24 γραµµάτων σε διάδες µε επανάληψη επί 9 (για τα ψηφία 1,2,....,9) επί
πλήθος διατάξεων 10 ψηφίων σε τριάδες µε επανάληψη)
n(Ea ) = 242 ⋅ 9 ⋅ 103 ,

οπότε η πιθανότητα του είναι
n(Ea ) 242 ⋅ 9 ⋅ 103
P (Ea ) =
1
= 3 = = 0, 042.
n(Ω) 24 ⋅ 9 ⋅ 10 3 24
Eβ ∶ “Η πινακίδα περιέχει τουλάχιστον ένα Α”

είναι P (Eβ ) = 1 − P (Eβ′ ),
όπου Eβ′ ∶ “Η πινακίδα δεν περιέχει κανένα Α”.
Το πλήθος στοιχείων του Eβ′ είναι (πλήθος διατάξεων των 23 γραµµάτων (πλήν του Α) σε τριάδες
µε επανάληψη επί 9 (για τα ψηφία 1,2,....,9) επί πλήθος διατάξεων 10 ψηφίων σε τριάδες µε
επανάληψη)
n(Eβ′ ) = 233 ⋅ 9 ⋅ 103 ,

οπότε
n(Eβ′ ) 233 ⋅ 9 ⋅ 103 23 3

P (Eβ ) = 1 − =1− = 1 − ( )
n(Ω) 243 ⋅ 9 ⋅ 103 24
= 0, 120.
γ) Το πλήθος των στοιχείων του ενδεχοµένου
Eγ ∶ “Η πινακίδα περιέχει ακριβώς ένα Α”

είναι n(Eγ ) = 3 ⋅ 232 ⋅ 9 ⋅ 103 ,
n(Eγ ) 3 ⋅ 232 ⋅ 9 ⋅ 103
P (Eγ ) = = = 0, 115.
n(Ω) 243 ⋅ 9 ⋅ 103
Eδ ∶ “Η πινακίδα περιέχει τουλάχιστον ένα Α ή ένα Β”
είναι
P (Eδ ) = 1 − P (Eδ′ ),
όπου
Eδ′ ∶ “Η πινακίδα δεν περιέχει κανένα Α ή Β”.
Το πλήθος στοιχείων του Eβ′ είναι (πλήθος διατάξεων των 22 γραµµάτων (πλην των Α, Β) σε τριάδες
µε επανάληψη επί 9 (για τα ψηφία 1,2,....,9), επί το πλήθος διατάξεων 10 ψηφίων σε τριάδες µε
επανάληψη)
n(Eδ′ ) = 223 ⋅ 9 ⋅ 103 ,
οπότε
n(Eδ′ ) 223 ⋅ 9 ⋅ 103 22 3

P (Eδ ) = 1 − =1− 3 = 1 − ( )
n(Ω) 24 ⋅ 9 ⋅ 103 24
= 0, 230.
ε) Το πλήθος των στοιχείων του ενδεχοµένου

Eǫ ∶ “Η πινακίδα περιέχει τα Α και Β (τουλάχιστον µία ϕορά το καθένα)”
είναι
n(Eǫ ) = 2 ( ) 24 ⋅ 9 ⋅ 103 = 144 ⋅ 9 ⋅ 103 ,
3
2
n(Eǫ ) 144 ⋅ 9 ⋅ 103 144
P (Eǫ ) = = = = 0, 010.
n(Ω) 243 ⋅ 9 ⋅ 103 243
στ) Το πλήθος των στοιχείων του ενδεχοµένου
Eστ ∶ “Η πινακίδα δεν περιέχει κανένα άρτιο ψηφίο”
είναι (πλήθος διατάξεων 24 γραµµάτων σε τριάδες µε επανάληψη επί πλήθος διατάξεων 5 ψηφίων
(1,3,5,7,9) σε τετράδες µε επανάληψη)
n(Eστ ) = 243 ⋅ 54 ,
n(Eστ ) 243 ⋅ 54
P (Eστ ) = = 3 = 0, 069.
n(Ω) 24 ⋅ 9 ⋅ 103
Ϲ) Η πιθανότητα του ενδεχοµένου
Eζ ∶ “Η πινακίδα περιέχει τουλάχιστον ένα µηδέν”
είναι P (Eζ ) = 1 − P (Eζ′ ),
όπου Eζ′ ∶ “Η πινακίδα δεν περιέχει κανένα µηδέν”.
Το πλήθος στοιχείων του Eζ′ είναι (πλήθος διατάξεων των 24 γραµµάτων σε τριάδες µε επανάληψη
επί πλήθος διατάξεων 9 ψηφίων (1,2,...,9) σε τετράδες µε επανάληψη)
n(Eζ′ ) = 243 ⋅ 94 ,
οπότε
n(Eζ′ ) 243 ⋅ 94
P (Eζ ) = 1 − =1− = 0, 271.
n(Ω) 243 ⋅ 9 ⋅ 103
20 §
η) Το πλήθος των στοιχείων του ενδεχοµένου

Eη ∶ “Η πινακίδα δεν περιέχει το 1”
είναι n(Eη ) = 243 ⋅ 8 ⋅ 93 ,
n(Eη ) 243 ⋅ 8 ⋅ 93
P (Eη ) = = 3 = 0, 648.
n(Ω) 24 ⋅ 9 ⋅ 103
ϑ) Το πλήθος των στοιχείων του ενδεχοµένου
Eθ ∶ “Η πινακίδα δεν περιέχει δύο ίδια γράµµατα”
είναι
n(Eθ ) = ∆24
24!
3 ⋅ 9 ⋅ 10 = ⋅ 9 ⋅ 103 = 12144 ⋅ 9 ⋅ 103 ,
3
21!
(πλήθος διατάξεων των 24 γραµµάτων σε τριάδες χωρίς επανάληψη επί 9 (για τα ψηφία 1,2,....,9)
επί πλήθος διατάξεων 10 ψηφίων σε τριάδες µε επανάληψη) οπότε η πιθανότητα του είναι
n(Eθ ) 12144 ⋅ 9 ⋅ 103
P (Eθ ) = = = 0, 878.
n(Ω) 243 ⋅ 9 ⋅ 103
Ασκηση 2.44 Σε ένα λαχείο κληρώνεται ένας αριθµός από 1 έως 1.000.000. Να ϐρεθεί η
πιθανότητα ο αριθµός που κληρώθηκε :
α) Να έχει τουλάχιστον δύο ίδια ψηφία.
ϐ) Να περιέχει 3 ϕορές το ίδιο ψηφίο.
Λύση
Ea ∶ “Ο αριθµός περιέχει τουλάχιστον δύο ίδια ψηφία”
είναι P (Ea ) = 1 − P (Ea′ ),
όπου Ea′ ∶ “Ο αριθµός δεν περιέχει ίδια ψηφία”.
Το πλήθος στοιχείων του Ea′ είναι ίσο µε (το πρώτο ψηφίο δεν µπορεί να είναι µηδέν) το πλήθος
αριθµών µε ένα ψηφίο (9) συν πλήθος αριθµών µε δύο διαφορετικά ψηφία (9 ⋅ 9) συν πλήθος
αριθµών µε 3 διαφορετικά ψηφία (9 ⋅ ∆92 ) συν πλήθος αριθµών µε 4 διαφορετικά ψηφία (9 ⋅ ∆93 ) συν
πλήθος αριθµών µε 5 διαφορετικά ψηφία (9 ⋅ ∆94 ) συν πλήθος αριθµών µε 6 διαφορετικά ψηφία
(9 ⋅ ∆95 ) συν ένα, οπότε
n(Ea′ ) = 9 + 9 ⋅ 9 + 9 ⋅ ∆92 + 9 ⋅ ∆93 + 9 ⋅ ∆94 + 9 ⋅ ∆95 + 1
= 9 (1 + 9 + + + + )+1
9! 9! 9! 9!
7! 6! 5! 4!
= 168571
P (Ea ) = 1 −
168571
οπότε = 0, 831.
1000000
ϐ) Το πλήθος των στοιχείων του ενδεχοµένου
Eβ ∶ “Ο αριθµός που κληρώθηκε περιέχει 3 ϕόρες το ίδιο ψηφίο”
είναι n(Eb ) = n3 + n4 + n5 + n6 ,
όπου n3 , n4 , n5 και n6 το πλήθος των τριψήφιων, τετραψήφιων, πενταψήφιων και εξαψήφιων αριθ-
µών αντίστοιχα µε 3 ίδια ψηφία. Προφανώς
n3 = 9.
Το πλήθος των τετραψήφιων αριθµών που περιέχουν 3 ϕορές το “1” είναι (το µηδέν δεν µπορεί να
είναι πρώτο ψηφίο)
8+( ) ⋅ 9 = 35
3
2
(8 είναι οι αριθµοί 2111,3111,...,9111 και το πλήθος των αριθµών που έχουν πρώτο ψηφίο το 1
είναι ίσο µε το πλήθος των τρόπων επιλογής 2 ϑέσεων από τις 3 στις οποίες υπάρχει 1 επί το πλήθος
των τρόπων επιλογής ενός ακόµη ψηφίου από τα 0,2,3...,9).
`Ιδιο προκύπτει το πλήθος των τετραψήφιων που περιέχουν 3 ϕορές το “2” ή το “3” ή ... το “9”.
Το πλήθος των τετραψήφιων που περιέχουν 3 ϕορές το “0” είναι 9 (αριθµοί 1000,2000,...,9000)
`Αρα το πλήθος των τετραψήφιων µε 3 ίδια ψηφία είναι
n4 = 9 ⋅ 35 + 9 = 324.
Το πλήθος των πενταψήφιων αριθµών που περιέχουν 3 ϕορές το “1” είναι ίσο µε το άθροισµα του
πλήθους πενταψήφιων µε πρώτο ψηφίο το “1” και του πλήθους πενταψήφιων µε πρώτο ψηφίο
διάφορο του 0 και του 1 (αυτός ο χωρισµός γίνεται επειδή το µηδέν δεν µπορεί να είναι πρώτο
ψηφίο)
( ) ⋅ 92 + 8 ( ) ⋅ 9 = 774.
4 4
2 3
`Ιδιο προκύπτει το πλήθος των πενταψήφιων αριθµών που περιέχουν 3 ϕορές το “2” ή το “3” ή ...
το “9”.
Το πλήθος των πενταψήφιων που περιέχουν 3 ϕορές το “0” είναι
9( ) ⋅ 9 = 324
4
3
(9 είναι οι τρόποι επιλογής του πρώτου ψηφίου από τα 1,2,...,9 και ( ) είναι οι τρόποι επιλογής
4
3
των ϑέσεων των τριών “0” από τις 4. Το επί 9 είναι για τους τρόπους επιλογής του άλλου ϕηφίου
από τα 1,2,...,9).
`Αρα το πλήθος των πενταψήφιων αριθµών µε 3 ίδια ψηφία είναι
n5 = 9 ⋅ 774 + 324 = 7290.

Το πλήθος των εξαψήφιων αριθµών που περιέχουν 3 ϕορές το “1” είναι ίσο µε το άθροισµα του
πλήθους εξαψήφιων µε πρώτο ψηφίο το “1” και του πλήθους εξαψήφιων µε πρώτο ψηφίο του 0
και του 1
( ) ⋅ 93 + 8 ( ) ⋅ 92 = 13770.
5 5
2 3
`Ιδιο προκύπτει το πλήθος των εξαψήφιων αριθµών που περιέχουν 3 ϕορές το “2” ή το “3” ή ... το
“9”.
Το πλήθος των εξαψήφιων αριθµών που περιέχουν 3 ϕορές το “0” είναι
9( ) ⋅ 92 = 7290
5
3
(9 είναι οι τρόποι επιλογής του πρώτου ψηφίου από τα 1,2,...,9 και ( ) είναι οι τρόποι επιλογής
5
3
των ϑέσεων των τριών “0” από τις 5. Το επί 92 είναι για τους τρόπους επιλογής των άλλων δύο
ϕηφίων από τα 1,2,...,9).
Στα παραπάνω µετρήσαµε δύο ϕορές τους αριθµούς που περιέχουν δύο τριάδες ίδιων ψηφίων,
όπως π.χ τον 112212, οπότε πρέπει να αφαιρέσουµε από τα παραπάνω πλήθη το πλήθος αυτών
των εξαψήφιων αριθµών, το οποίο είναι ίσο µε (ο χωρισµός γίνεται επειδή το µηδέν δεν µπορεί να
είναι πρώτο ψηφίο)
22 §
( )
6! 5!
+9⋅
9
= 810
2 3!3! 3!2!
(( )
9 6!
είναι το πλήθος τρόπων επιλογής 2 ψηφίων από τα 1,2,...,9 επί τον αριθµό µεταθέσεων
2 3!3!
5!
6 αντικειµένων εκ των οποίων τα τρία είναι ίδια και τα άλλα τρία ίδια και 9 ⋅ είναι το πλήθος
3!2!
αριθµών µε 3 µηδενικά και 3 άλλα ίδια ψηφία, π.χ 200220).
`Αρα το πλήθος των εξαψήφιων αριθµών µε 3 ίδια ψηφία είναι
n6 = 9 ⋅ 13770 + 7290 − 810 = 130410.
Ασκηση 2.45 Στο ασανσέρ ενός κτηρίου 8 ορόφων µπαίνουν 6 άτοµα στο ισόγειο. Αν ο
καθένας κατεβαίνει τυχαία σε ένα όροφο, να ϐρεθεί η πιθανότητα :
α) Να κατέβουν όλοι στον ίδιο όροφο.
ϐ) Να κατέβουν όλοι σε διαφορετικούς ορόφους.
γ) Να κατέβουν 2 άτοµα στον δεύτερο όροφο.
δ) Να κατέβουν 2 άτοµα στον δεύτερο όροφο και 2 στον τέταρτο.
ε) Ο Α και ο Β να κατέβουν στον δεύτερο όροφο.
στ) Να κατέβουν όλοι στον τρίτο και τέταρτο ορόφο.
Ϲ) Να κατέβουν όλοι σε δύο ορόφους.
Λύση
Το πλήθος των στοιχείων του δειγµατοχώρου είναι ίσο µε τον αριθµό τρόπων κατανοµής 6 διαφο-
ϱετικών σφαιριδίων σε 8 κελιά, οπότε
n(Ω) = 86 .
α) Το πλήθος των στοιχείων του ενδεχοµένου
Ea ∶ “Κατεβαίνουν όλοι στον ίδιο όροφο”
είναι n(Ea ) = 8,
n(Ea ) 8
P (Ea ) =
1
= 6 = 5 = 0, 00003.
n(Ω) 8 8
Eβ ∶ “Κατεβαίνουν όλοι σε διαφορετικούς ορόφους”
είναι ίσο µε τον αριθµό τρόπων κατανοµής 6 διαφορετικών σφαιριδίων σε 8 κελιά µε το πολύ ένα
σφαιρίδιο σε κάθε κελί, οπότε
n(Eβ ) = ∆86 =
8!
= 20160,
2!
n(Ea ) 20160
P (Eβ ) =
1
= 6
= 5 = 0, 077.
n(Ω) 8 8
Eγ ∶ “Κατεβαίνουν 2 άτοµα στον δεύτερο όροφο”
είναι ίσο µε τον αριθµό τρόπων επιλογής 2 ατόµων από τα 6 (συνδυασµοί των 6 ανά 2) επί τον
αριθµό τρόπων κατανοµής 4 διαφορετικών σφαιριδίων σε 7 κελιά µε το πολύ ένα σφαιρίδιο σε κάθε
κελί, οπότε
n(Eγ ) = ( ) 74 =
6! 4
7 = 15 ⋅ 74 = 36.015,
6
2 2!4!
n(Eγ ) 36.015
P (Eγ ) = = = 0, 137.
n(Ω) 86
δ) Το πλήθος των στοιχείων του ενδεχοµένου
Eδ ∶ “Κατεβαίνουν 2 άτοµα στον δεύτερο όροφο και 2 στον τέταρτο”

είναι ίσο µε τον αριθµό τρόπων επιλογής 2 ατόµων από τα 6 (2 άτοµα κατεβαίνουν στον δεύτερο
όροφο) επί τον αριθµό τρόπων επιλογής 2 ατόµων από τα 4 (2 άτοµα κατεβαίνουν στον τέταρτο
όροφο) επί τον αριθµό τρόπων κατανοµής 2 διαφορετικών σφαιριδίων σε 6 κελιά µε το πολύ ένα
σφαιρίδιο σε κάθε κελί (τα υπόλοιπα δύο άτοµα κατεβαίνουν στους άλλους 6 ορόφους), οπότε
n(Eδ ) = ( ) ( ) 62 =
6 4 6! 4! 2
6 = 3240,
2 2 4!2! 2!2!
n(Eδ ) 3240
P (Eδ ) = = 6 = 0, 012.
n(Ω) 8
Eǫ ∶ “Ο Α και ο Β κατεβαίνουν στον δεύτερο όροφο”

είναι ίσο µε τον αριθµό τρόπων κατανοµής 4 διαφορετικών σφαιριδίων σε 8 κελιά (τα υπόλοιπα 4
άτοµα κατεβαίνουν σε κάποιον από τους 8 ορόφους), οπότε
n(Eǫ ) = 84 ,
84
P (Eǫ ) = = 0, 016.
86
Eστ ∶ “όλοι κατεβαίνουν στον τρίτο και τέταρτο όροφο”

είναι ίσο µε τον αριθµό τρόπων κατανοµής 6 διαφορετικών σφαιριδίων σε 2 κελιά, οπότε
n(Eστ ) = 26 ,
οπότε η πιθανότητά του είναι
26
P (Eστ ) = = 0, 0002.
86
Ϲ) Το πλήθος των στοιχείων του ενδεχοµένου
Eστ ∶ “όλοι κατεβαίνουν σε δύο ορόφους”

είναι ίσο µε τον αριθµό τρόπων επιλογής δύο ορόφων από τους 8, επί τον αριθµό τρόπων κατανοµής
6 διαφορετικών σφαιριδίων σε 2 κελιά , οπότε
n(Ez ) = ( ) 26 =
8 8! 6
2 = 1792,
2 2!6!
οπότε η πιθανότητά του είναι
P (Ez ) =
1792
= 0, 0068.
86
Ασκηση 2.47 Επιλέγουµε τυχαία 5 ϕοιτητές από ένα τµήµα 20 ϕοιτητών. Να υπολογι-
σθούν οι πιθανότητες :
α) Να επιλεγεί ο ϕοιτητής Α.
ϐ) Να επιλεγεί ο Α και ο Β.
γ) Να επιλεγεί ο Α και να µην επιλεγεί ο Β.
δ) Να µην επιλεγούν οι ϕοιτητές Α, Β και Γ.
ε) Να επιλεγεί τουλάχιστον ένας από τους Α, Β ή Γ.
24 §
Λύση
α) Η πιθανότητα να επιλεγεί ο Α είναι
n1
P1 =
n(Ω)
όπου n1 το πλήθος συνδυασµών που περιέχουν τον Α, το οποίο είναι ίσο µε το πλήθος συνδυασµών
των 19 ανά 4, οπότε
n(Ω) = ( )=
20 20!
= 15504
5 5!15!
n1 = ( )=
19 19!
= 3876.
4 4!15!
Εποµένως
3876
P1 = = 0, 25.
15504
ϐ) Η πιθανότητα να επιλεγούν οι ϕοιτητές Α και ο Β είναι
n2
P2 =
n(Ω)
όπου n2 το πλήθος τριάδων που περιέχουν τον Α και τον Β, το οποίο είναι ίσο µε το πλήθος
συνδυασµών 18 ανά 3, οπότε
n2 = ( )=
18 18!
= 816.
3 3!15!
Εποµένως
816
P2 = = 0, 053.
15504
γ) Η πιθανότητα να επιλεγεί ο ϕοιτητής Α και να µην επιλεγεί ο Β είναι
n3
P3 =
n(Ω)
όπου n3 το πλήθος των συνδυασµών που περιέχουν τον Α και δεν περιέχουν τον Β, το οποίο είναι
ίσο µε το πλήθος συνδυασµών 18 ανά 4, οπότε
n3 = ( )=
18 18!
= 3060.
4 4!14!
Εποµένως
3060
P3 = = 0, 197.
15504
δ) Η πιθανότητα να µην επιλεγεί κανένας από τους Α , Β ή Γ είναι
n4
P4 =
n(Ω)
όπου n4 το πλήθος πεντάδων που δεν περιέχουν τους Α, Β και Γ, το οποίο είναι ίσο µε το πλήθος
συνδυασµών των άλλων 17 ϕοιτητών σε πεντάδες, οπότε
n4 = ( )=
17 17!
= 1688
5 5!12!
n4 1688
και P4 = = = 0, 109
n(Ω) 15504
ε) Η πιθανότητα να επιλεγεί τουλάχιστον ένας από τους Α , Β ή Γ είναι
P5 = 1 − P4 = 1 − 0, 109 = 0, 891.
Ασκηση 2.48 Για ένα παίκτη του γκολφ η πιθανότητα επιτυχούς ϐολής όταν ϕυσάει είναι
0, 3 ενώ όταν δεν ϕυσάει 0, 6. Αν η πιθανότητα να ϕυσάει είναι 0, 2, να υπολογιστούν οι
πιθανότητες :
α) `Ενας παίκτης να πετύχει µια ϐολή.
ϐ) Να µην ϕυσάει µε δεδοµένο ότι πέτυχε η ϐολή ενός παίκτη.
Λύση
Αν E ∶ “Η ϐολή είναι επιτυχής ”
και A ∶ “Φυσάει”
P (A) = 0, 2, P (E∣A) = 0, 3 και P (E∣A′ ) = 0, 6
οπότε η πιθανότητα να πετύχει µία ϐολή είναι
P (E) = P (E∣A)P (A) + P (E∣A′ )P (A′ ) = 0, 3 ⋅ 0, 2 + 0, 6(1 − 0, 2) = 0, 54.
ϐ) Η πιθανότητα να µην ϕυσάει µε δεδοµένο ότι πέτυχε η ϐολή είναι
P (E∣A′ )P (A′ ) 0, 6 ⋅ (1 − 0, 2)
P (A′ ∣E) =
P (E)
= = 0, 889.
0, 54
Ασκηση 2.49 `Ενας παίκτης του πόκερ παίρνει τυχαία 5 ϕύλλα από µία τράπουλα των 52
ϕύλλων. Να υπολογιστούν οι πιθανότητες ο παίκτης :
α) Να έχει 4 άσσους.
ϐ) Να έχει 2 άσσους.
γ) Να έχει τουλάχιστον έναν άσσο.
δ) Να έχει 4 καρέ, δηλαδή 4 όµοια (π.χ. 4 άσσους, 4 ϐαλέδες, 4 δυάρια,... ).
ε) Να έχει ϕουλ του άσσου, δηλαδή 3 άσσους και ένα Ϲευγάρι (π.χ. 2 Κ ή 2 εξάρια).
στ) Να έχει ένα οποιοδήποτε ϕουλ.
Λύση
Οι πιθανότητες των ενδεχόµενων
Ei ∶ “ Υπάρχουν i άσσοι στα πέντε ϕύλλα”, όπου i = 0, 1, 2, 3, 4,
n(Ei )
είναι P (Ei ) = ,
n(Ω)
όπου
n(Ω) = ( )=
52 52!
= 2.598.960
5 5!47!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος συνδυασµών 52 ανά 5). Επίσης :
α) Το πλήθος των στοιχείων του E4 είναι n(E4 ) = 48 (4 άσσοι και ένα από τα άλλα 48 ϕύλλα) οπότε
n(E4 )
P (E4 ) =
48
= = 0, 0001.
n(Ω) 2.598.960
ϐ) Το πλήθος n(E2 ) των στοιχείων του E2 είναι (δύο άσσοι και τρία άλλα ϕύλλα) το γινόµενο του
αριθµού διάδων από τους τέσσερις άσσους επί το πλήθος των τριάδων που γίνονται από τα άλλα 48
ϕύλλα, δηλαδή
n(E2 ) = ( )( )=
4 48 4! 48!
= 103776,
2 3 2!2! 3!45!
οπότε
n(E2 )
P (E2 ) =
103776
= = 0, 0399.
n(Ω) 2.598.960
Γ ∶ “ Υπάρχει τουλάχιστον ένας άσσος στα πέντε ϕύλλα”,
26 §
είναι P (Γ) = 1 − P (Γ′ ),

όπου
n(Γ′ ) = ( )=
48 48!
= 1.712.304
5 5!43!
ο αριθµός πεντάδων που δεν περιέχουν κανέναν άσσο (πλήθος συνδυασµών των άλλων 48 ϕύλλων
ανά 5). Εποµένως
P (Γ) = 1 −
1.712.304
= 0, 341.
2.598.960
∆ ∶ “ Υπάρχουν 4 όµοια στα πέντε ϕύλλα”,
είναι P (∆) = P (∆1 ) + P (∆1 ) + ... + P (∆13 ),
όπου
∆i ∶ “ Υπάρχουν 4 όµοια i στα πέντε ϕύλλα”, i = 1, 2, ..., 13.
Σύµφωνα µε το (α) P (∆i ) = 0, 0001,
οπότε
P (∆) = 13 ⋅ 0, 0001 = 0, 0013.
ε) Η πιθανότητα του ενδεχοµένου
E ∶ “ Υπάρχουν 3 άσσοι και ένα Ϲευγάρι στα πέντε ϕύλλα”,
P (E) =
n(E)
είναι .
n(Ω)
Το n(E) είναι ίσο µε το γινόµενο του πλήθος τρόπων επιλογής 3 άσσων από τους 4 (συνδυασµοί
των 4 ανά 3) επί 12 (τα υπόλοιπα είδη ϕύλλων, δηλαδή δυάρια, τριάρια,...) επί το πλήθος τρόπων
επιλογής 2 από τα 4 του κάθε είδους (συνδυασµοί των 4 ανά 2), οπότε
n(E) = ( ) ⋅ 12 ⋅ ( ) =
4 4 4! 4!
12 = 288
3 2 3!1! 2!2!
P (E) =
288
και = 0, 00011.
2.598.960
στ) Η πιθανότητα του ενδεχοµένου
B ∶ “ `Εχει ένα οποιοδήποτε ϕουλ”,
είναι P (B) = 13P (E) = 0, 00144.
Ασκηση 2.50 Αν για τα γεγονότα A, B ισχύουν
P (A) = , P (A/B) = και P (B/A′ ) = ,

1 1 4
3 4 5
να υπολογιστούν οι πιθανότητες
P (A ∩ B) και P (B).
Λύση
P (B ∩ A′ ) P (B) − P (A ∩ B) 4
P (B∣A′ ) =
P (A′ ) 1 − P (A)
= = ,
5
P (B) − P (A ∩ B) = (1 − ) = . (i)
4 1 8
οπότε
5 3 15
P (A ∩ B) 1
P (A∣B) =
P (B)
Επειδή = ,
4
P (B) = 4P (A ∩ B),
4P (A ∩ B) − P (A ∩ B) = ή P (A ∩ B) =
8 8
.
15 45
P (B) = 4P (A ∩ B) = 4 ⋅
8 32
`Αρα = .
45 45
Ασκηση 2.51 Οι αριθµοί αυτοκινήτων σε µια χώρα µας αποτελούνται από 3 γράµµατα,
από τα 25 του αλφάβητού της, ακολουθούµενα από τέσσερα ψηφία. Πόσοι τέτοιοι αριθµοί
µπορούν να σχηµατιστούν µε τα γράµµατα K, Λ, M και τα ψηφία 1, 2, 4 και 5 που να µην
περιέχουν :
α) τρείς ϕορές το ίδιο γράµµα ;
ϐ) δύο ϕορές το ίδιο ψηφίο ;
γ) δύο ϕορές το ίδιο γράµµα ή το ίδιο ψηφίο ;
Λύση
Το συνολικό πλήθος πινακίδων που γίνονται µε τα γράµµατα K, Λ, M και τα ψηφία 1, 2, 4 και 5
είναι
n(Ω) = 33 ⋅ 44 = 6912.
α) Το πλήθος πινακίδων που δεν περιέχουν τρείς ϕορές το ίδιο γράµµα είναι
n(A) = n(Ω) − n(A′ ),

όπου n(A′ ) = 3 ⋅ 44 = 768,
το πλήθος πινακίδων που περιέχουν τρείς ϕορές το ίδιο γράµµα, οπότε
n(A) = n(Ω) − n(A′ ) = 6912 − 768 = 6144.

ϐ) Το πλήθος πινακίδων που δεν περιέχουν δύο ϕορές το ίδιο ψηφίο είναι
n(B) = n(Ω) − n(B ′ ),
n(B ′ ) = 4 ⋅ ( ) 42 = 4
4 4! 2
όπου 4 = 384,
2 2!2!
το πλήθος πινακίδων που περιέχουν δύο ϕορές το ίδιο ψηφίο, οπότε
n(B) = n(Ω) − n(B ′ ) = 6912 − 384 = 6528.
`Ασκηση 2.53 Να υπολογισθεί η πιθανότητα να προκύψει τουλάχιστον ένα εξάρι από τη ϱίψη 5
Ϲαριών.
Λύση
A : ” προκύπτει τουλάχιστον ένα εξάρι από τη ϱίψη 5 Ϲαριών ”
είναι
P (A) = 1 − P (A′ )
το n(A′ ) είναι ίσο µε το πλήθος των διατάξεων των 1,2,3,4,5 σε πεντάδες µε επανάληψη.
`Αρα,
n(A′ ) = 55
και n(Ω) το πλήθος των στοιχείων του δειγµατοχώρου (πλήθος διατάξεων των 1,2,3,4,5,6 σε πεντά-
δες)
n(Ω) = 65
οπότε
28 §
55 5 5
P (A) = 1 − = 1 − ( ) = 0, 598.
65 6
Ασκηση 2.55 12 άτοµα κατανέµονται τυχαία σε 3 σπίτια, Ι, ΙΙ, ΙΙΙ, έτσι ώστε σε κάθε σπίτι
να µένουν 4 άτοµα. Ποια η πιθανότητα :
α) οι Α, Β να µένουν στο σπίτι Ι,
ϐ) οι Α, Β να µένουν στο ίδιο σπίτι,
γ) ο Α να µένει στο Ι και ο Β στο ΙΙ,
δ) οι Α, Β να µένουν σε διαφορετικά σπίτια,
ε) οι Α, Β να µένουν στα σπίτια Ι ή ΙΙ.
Λύση
Ea ∶ “ Οι Α, Β µένουν στο σπίτι Ι”,
είναι
n(Ea )
P (Ea ) = ,
n(Ω)
όπου
n(Ω) = ( )( ) =
12 8 12! 8!
= 34650
4 4 4!8! 4!4!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος τρόπων χωρισµού 12 ατόµων σε 3 διακριτές
οµάδες των 4 ατόµων).
Το n(Ea ) είναι ίσο µε το γινόµενο του πλήθος τρόπων επιλογής 2 ατόµων (εκτός των Α και Β)
που ϑα µείνουν στο σπίτι Ι από τα υπόλοιπα 10 (συνδυασµοί των 10 ανά 2) επί το πλήθος τρόπων
επιλογής 4 ατόµων από υπόλοιπα 8 που ϑα µείνουν στο σπίτι ΙΙ, δηλαδή
n(Ea ) = ( )( ) =
10 8 10! 8!
= 3150,
2 4 2!8! 4!4!
οπότε
P (Ea ) =
3150
= 0, 091.
34650
Eβ ∶ “ Οι Α, Β µένουν στο ίδιο σπίτι”,
είναι
n(Eβ ) = 3n(Ea ),
οπότε
P (Eβ ) = 3P (Ea ) = 0, 273.
Eγ ∶ “ Ο Α µένει στο Ι και ο Β στο ΙΙ”,
είναι ίσο µε το γινόµενο του πλήθος τρόπων επιλογής 3 ατόµων (εκτός των Α και Β) που ϑα µείνουν
στο σπίτι Ι από τα υπόλοιπα 10 (συνδυασµοί των 10 ανά 3) επί το πλήθος τρόπων επιλογής 3
ατόµων (εκτός του Β) από τα υπόλοιπα 7 που ϑα µείνουν στο σπίτι ΙΙ, δηλαδή
n(Eγ ) = ( )( ) =
10 7 10! 7!
= 4200,
3 3 3!7! 4!3!
οπότε
P (Eγ ) =
4200
= 0, 121.
34650
Eδ ∶ “ Οι Α, Β µένουν σε διαφορετικά σπίτια”,
είναι P (Eδ ) = 1 − P (Eβ ) = 1 − 0, 273 = 0, 727.
Eǫ ∶ “ Οι Α, Β µένουν στα σπίτια Ι ή ΙΙ”,
είναι n(Eǫ ) = n1 + n2 + n3 + n4 ,
όπου n1 το πλήθος τρόπων µε τους οποίους οι Α και Β µένουν στο σπίτι Ι, n2 το πλήθος τρόπων µε
τους οποίους οι Α και Β µένουν στο ΙΙ, n3 το πλήθος τρόπων µε τους οποίους ο Α µένει στο Ι και ο
Β στο ΙΙ και n4 το πλήθος τρόπων µε τους οποίους ο Α µένει στο ΙΙ και ο Β στο Ι.
Σύµφωνα µε το (α)
n1 = n2 = 3150,
και σύµφωνα µε το (γ)
n3 = n4 = 4200,
οπότε
2 ⋅ 3150 + 2 ⋅ 4200
P (Eǫ ) = = 0, 424.
34650
Ασκηση 2.56 Σε µια τάξη 15 ατόµων τα παιδιά χωρίζονται τυχαία σε 3 οµάδες δραστηριο-
τήτων των 5 ατόµων. Η µία οµάδα ϑα κάνει µια εργασία στη Φυσική, η δεύτερη στην Χηµεία
και η Τρίτη στους Η/Υ. Να υπολογιστεί η πιθανότητα ο Γιάννης και η Λία να ϐρεθούν στην
ίδια οµάδα.
Λύση
E ∶ “ Ο Γιάννης και η Λία να είναι στην ίδια οµάδα”,
είναι
P (E) =
n(E)
,
n(Ω)
όπου
n(Ω) = ( )( )=
15 10 15! 10! 15!
10!5! 5!5! (5!)3
= = 756756
5 5
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος τρόπων χωρισµού 15 ατόµων σε 3 διακριτές
οµάδες, ϐλ. άσκ. 2.55 και 2.63α).
Το πλήθος τρόπων µε τους οποίους η Λία και ο Γιάννης µπορεί να ϐρεθούν στην πρώτη οµάδα είναι
ίσο µε το γινόµενο του πλήθος τρόπων επιλογής των άλλων 3 παιδιών της πρώτης οµάδας από τα
υπόλοιπα 13, επί το πλήθος τρόπων επιλογής των 5 ατόµων της δεύτερης οµάδας από τα υπόλοιπα
10 παιδιά, δηλαδή
n1 = ( )( )=
13 10 13! 10! 13!
= = 72072
3 5 3!10! 5!5! 3!5!5!
`Ιδιο είναι και το πλήθος τρόπων µε τους οποίους η Λία και ο Γιάννης µπορεί να ϐρεθούν στην
δεύτερη ή την τρίτη οµάδα οπότε
13!
n(E) = 3n1 = 3 = 3 ⋅ 72072 = 216216
3!5!5!
P (E) =
216216
Εποµένως = 0, 286.
756756
30 §
Ασκηση 2.57 Οι γραµµατείς Α, Β και Γ εργάζονται σε έναν εκδοτικό καλύπτοντας το

55%, 30% και 15% της παραγωγής αντίστοιχα. Η πιθανότητα να κάνει τουλάχιστον ένα
λάθος η Α σε µία σελίδα είναι 0, 3 ενώ για τη Β και την Γ είναι 0, 2 και 0, 1 αντίστοιχα. Να
υπολογιστεί η πιθανότητα του γεγονότος
“µία σελίδα µε λάθος (λάθη) έχει γραφτεί από την Α.”.
Λύση
Θεωρώντας τα ενδεχόµενα
A ∶ “η σελίδα γράφτηκε από την Α”

B ∶ “η σελίδα γράφτηκε από την Β”
Γ ∶ “η σελίδα γράφτηκε από τη Γ”
Σ ∶ “η σελίδα περιέχει τουλάχιστον ένα λάθος”,
σύµφωνα µε τα δεδοµένα,
P (A) = 0, 55, P (B) = 0, 30, P (Γ) = 0, 15,
P (Σ/A) = 0, 3, P (Σ/B) = 0, 2, P (Σ/Γ) = 0, 1
και Ϲητείται η
P (A/Σ).
Επειδή A ∪ B ∪ Γ = Ω και τα A, B, Γ είναι ξένα µεταξύ τους, σύµφωνα µε το ϑεώρηµα του Bayes
(ϑεώρ.2.14)
P (Σ/A)P (A)
P (A/Σ) =
P (Σ/A)P (A) + P (Σ/B)P (B) + P (Σ/Γ)P (Γ)
0, 3 ⋅ 0, 55
=
0, 3 ⋅ 0, 55 + 0, 2 ⋅ 0, 3 + 0, 1 ⋅ 0, 15
= 0, 688.
Ασκηση 2.58 Από 12 άτοµα ϕτιάχνουµε τυχαία µια επιτροπή που έχει έναν πρόεδρο, έναν
γραµµατέα και 3 µέλη. Να υπολογιστούν οι πιθανότητες :
α) ο Α να εκλεγεί πρόεδρος,
ϐ) ο Α να εκλεγεί πρόεδρος ή γραµµατέας,
γ) ο Α να επιλεγεί πρόεδρος και ο Β γραµµατέας,
δ) ο Α να εκλεγεί στην επιτροπή,
ε) ο Α να εκλεγεί γραµµατέας και ο Β στα 3 µέλη.
Λύση
Ea ∶ “ Ο Α εκλέγεται πρόεδρος”,
n(Ea )
n(Ω)
όπου
n(Ω) = 12 ⋅ 11 ⋅ ( ) = 12 ⋅ 11
10 10!
= 15840
3 3!7!
το πλήθος των στοιχείων του δειγµατοχώρου Ω.
Το n(Ea ) είναι ίσο µε
n(Ea ) = 11 ⋅ ( ) = 11 ⋅
10 10!
= 1320
3 3!7!
οπότε
P (Ea ) =
1320 1
= = 0, 083.
15840 12
ϐ) Η πιθανότητα του ενδεχοµένου E2
E2 ∶ “ Ο Α εκλέγεται πρόεδρος ή γραµµατέας”,

είναι
P (E2 ) = P (Ea ) + P (Eγ ),
όπου
Eγ ∶ “ Ο Α εκλέγεται γραµµατέας”.
Αυτό συµβαίνει επειδή τα ενδεχόµενα Ea και Eγ είναι ξένα και E2 = Ea ∪ Eγ .
Το n(Eγ ) είναι ίσο µε
n(Eγ ) = 12 ⋅ ( ) = 12 ⋅
10 10!
= 1440,
3 3!7!
οπότε
P (Eγ ) =
1440
= 0, 091.
15840
Εποµένως
P (E2 ) = P (Ea ) + P (Eγ ) = 0, 083 + 0, 091 = 0, 174.

E3 ∶ “ Ο Α εκλέγεται πρόεδρος και ο Β γραµµατέας”,
n(E3 ) = ( )=
10 10!
= 120,
3 3!7!
οπότε
P (E3 ) =
120
= 0, 0076.
15840
E4 ∶ “ Ο Α εκλέγεται στην επιτροπή”,
n(E4 ) = n(E2 ) + 10 ⋅ 11 ⋅ ( ) = 2760 + 11 ⋅ 10 ⋅

9 9!
= 6720,
2 2!7!
P (E4 ) =
6720
οπότε = 0, 42.
15840
E5 ∶ “ Ο Α εκλέγεται γραµµατέας και ο Β στα 3 µέλη”,
n(E5 ) = 10 ( ) = 10
9 9!
= 360,
2 2!7!
οπότε
P (E5 ) =
360
= 0, 023.
15840
32 §
Ασκηση 2.59 Ρίχνουµε 3 Ϲάρια και καταγράφουµε τις ενδείξεις τους χωρίς σειρά.
α) Πόσα είναι τα δυνατά αποτελέσµατα ;
Να υπολογισθούν οι πιθανότητες :
ϐ) να προκύψει 1, 2 και 3,
γ) να προκύψει 1, 1 και 1,
δ) να προκύψει “τριπλή”,
ε) οι ενδείξεις των 3 Ϲαριών να είναι διαφορετικές,
στ) να προκύψει µια “διπλή”, π.χ. 2, 2 και 5.
Λύση
α) Το πλήθος των δυνατών αποτελεσµάτων είναι ίσο µε τον αριθµό τριάδων που ϕτιάχνονται από τα
1,2,...,6 µε επανάληψη, δηλαδή τον αριθµό συνδυασµών 6 αντικειµένων ανά 3 µε επανάληψη,
6+3−1
( )=( )=
8 8!
= 56.
3 3 3!5!
Επειδή τα παραπάνω αποτελέσµατα (χωρίς σειρά) δεν είναι ισοπίθανα, ϑεωρούµε ως δειγµατοχώρο
τις διατάξεις των 6 αριθµών ανά 3 µε επανάληψη, του οποίου τα στοιχεία είναι ισοπίθανα, οπότε
n(Ω) = 63 = 216.
`Ετσι :
Eβ ∶ “ προκύπτει 1, 2 και 3”
είναι ίσο µε τον αριθµό των µεταθέσεων 3 αντικειµένων
n(Eβ ) = 3! = 6,
P (Eβ ) =
6
οπότε = 0, 028.
216
Eγ ∶ “ προκύπτει 1, 1 και 1”
είναι ένα, οπότε
P (Eγ ) =
1
= 0, 0046.
216
Eδ ∶ “ προκύπτει τριπλή”
είναι n(Eδ ) = 6,
οπότε
P (Eδ ) =
6
= 0, 028.
216
Eǫ ∶ “ Οι ενδείξεις των 3 Ϲαριών είναι διαφορετικές”

είναι ίσο µε τον αριθµό των διατάξεων των 1,2,...,6 σε τριάδες χωρίς επανάληψη
n(Eǫ ) = ∆63 =
6!
= 120,
3!
οπότε
P (Eǫ ) =
120
= 0, 556.
216
Eστ ∶ “ προκύπτει διπλή”
n(Eστ ) = 6 ⋅ ( ) ⋅ 5 = 90,
3
είναι
2
P (Eστ ) =
90
οπότε = 0, 417.
216
Ασκηση 2.61 Με πόσους τρόπους µπορούµε να χωρίσουµε 13 άτοµα σε 3 οµάδες, µία

των 2, µία των 4 και µία των 7 ατόµων.
Λύση
Το πλήθος τρόπων µε τους οποίους µπορούµε να χωρίσουµε 13 άτοµα σε 3 οµάδες, µία των 2,
µία των 4 και µία των 7 ατόµων είναι ίσο µε το γινοµένο του πλήθους τρόπων µε τους οποίους
µπορούµε να επιλέξουµε 2 άτοµα της πρώτης οµάδας από τα 13 (συνδυασµοί των 13 ανά 2), επι
το πλήθος τρόπων µε τους οποίους να µπορούµε να επιλέξουµε τα 4 άτοµα της δεύτερης οµάδας
από τα υπόλοιπα 11 (συνδυασµοί των 11 ανά 4), δηλαδή
( )( )=
13 11 13! 11! 13!
= = 25740.
2 4 11!2! 7!4! 2!7!4
Ασκηση 2.62 Φτιάχνουµε µία οµάδα 4 ατόµων διαλέγοντας τυχαία άτοµα από 5 κορίτσια
και 6 αγόρια.
α) Να ϐρεθεί η πιθανότητα η οµάδα να περιέχει µόνο ένα αγόρι.
ϐ) Να ϐρεθεί η πιθανότητα η οµάδα να περιέχει περισσότερα αγόρια παρά κορίτσια.
Λύση
Ea ∶ “ Η οµάδα περιέχει µόνο ένα αγόρι”

n(Ea )
n(Ω)
όπου
n(Ω) = ( )=
11 11!
= 330
4 4!7!
το πλήθος των στοιχείων του δειγµατοχώρου Ω (πλήθος τρόπων επιλογής 4 ατόµων από 11).
Το n(Ea ) είναι ίσο µε το γινόµενο του πλήθος τρόπων επιλογής 1 αγοριού από τα 6, δηλαδή 6, επί
το πλήθος τρόπων επιλογής των υπολοίπων 3 κοριτσιών από τα 5, δηλαδή
n(Ea ) = 6 ( ) =6⋅
5 5!
= 60
3 3!2!
οπότε
P (Ea ) =
60
= 0, 182.
330
Eβ ∶ “ Η οµάδα περιέχει περισσότερα αγόρια παρά κορίτσια”,

(δηλαδή η οµάδα περιέχει 3 ή 4 αγόρια) είναι ίσο µε το άθροισµα του πλήθους των τρόπων επιλογής
3 αγοριών από τα 6 και ένός κοριτσιού από τα 5 και του πλήθος τρόπων επιλογής 4 αγοριών από
τα 6, δηλαδή, σύµφωνα και µε το (α),
n(Eβ ) = ( )5 + ( ) =
6! 6!
⋅5+
6 6
= 115,
3 4 3!3! 4!2!
P (Eβ ) =
115
οπότε = 0, 348.
330
34 §
Ασκηση 2.63 Με πόσους τρόπους µπορούµε να χωρίσουµε 20 διαφορετικά άτοµα σε 4

οµάδες των 5 ατόµων ;
α) Αν οι οµάδες είναι διακριτές.
ϐ) Αν οι οµάδες δεν είναι διακριτές.
Λύση
α) Το πλήθος τρόπων µε τους οποίους µπορούµε να χωρίσουµε 20 άτοµα σε 4 διακριτές οµάδες των
5 ατόµων είναι ίσο µε το γινοµένο του πλήθους τρόπων µε τους οποίους µπορούµε να επιλέξουµε
τα 5 άτοµα της πρώτης οµάδας από τα 20 (συνδυασµοί των 20 ανά 5), επι το πλήθος τρόπων µε
τους οποίους µπορούµε να επιλέξουµε τα 5 άτοµα της δεύτερης οµάδας από τα υπόλοιπα 15 άτοµα
(συνδυασµοί των 15 ανά 5), επι το πλήθος τρόπων µε τους οποίους µπορούµε να επιλέξουµε τα 5
άτοµα της τρίτης οµάδας από τα υπόλοιπα 10 άτοµα (συνδυασµοί των 10 ανά 5), δηλαδή
n = ( )( )( )
20 15 10
5 5 5
20! 15! 10!
=
15!5! 10!5! 5!5!
20!
(5!)4
= = 11732745024
ϐ) Το πλήθος τρόπων µε τους οποίους να χωρίσουµε 20 άτοµα σε 4 µη διακριτές οµάδες των 5

ατόµων είναι ίσο µε το πηλίκο του παραπάνω πλήθους τρόπων δια του πλήθους µεταθέσεων των 4
οµάδων (4!), δηλαδή
11732745024
= 488864376.
4!
Ασκηση 2.70 Η πιθανότητα να συµβεί µια πυρκαγιά σε µια πόλη σε ένα έτος είναι 12%
και η πιθανότητα να συµβούν 2 πυρκαγιές είναι 4%, ενώ για 3 ή περισσότερες πυρκαγιές η
πιθανότητα είναι µηδενική. Αν η πιθανότητα µια πυρκαγιά να προκαλέσει σοβαρές Ϲηµιές
είναι 25% να υπολογιστούν οι πιθανότητες :
α) Να µην προκληθούν σε ένα έτος σοβαρές Ϲηµιές από πυρκαγιά.
ϐ) Να προκληθούν σε ένα έτος σοβαρές Ϲηµιές σε ένα νοµό που έχει 3 πόλεις. Υποθέτουµε
ότι οι Ϲηµιές από δύο πυρκαγιές είναι ανεξάρτητες µεταξύ τους.
Λύση
Αν
Πi : “ συµβαίνουν i-πυρκαγιές στην πόλη ”, i = 1, 2
και
Z : “ συµβαίνουν σοβαρές Ϲηµιές στην πόλη ”
τότε
P (Π1 ) = 0, 12, P (Π2 ) = 0, 04 και P (Z∣Π1 ) = 0, 25.
α) Η πιθανότητα να προκληθούν σοβαρές Ϲηµιές στην πόλη είναι
P1 = P (Z∣Π1 )P (Π1 ) + P (Z∣Π2 )P (Π2 ) (i)
Επειδή οι Ϲηµιές από κάθε πυρκαγιά είναι µεταξύ τους ανεξάρτητες
P (Z∣Π2 ) = [P (Z∣Π1 )]2 = 0, 252 = 0, 0625.
΄Ετσι, η (i) δίνει
P1 = 0, 25 ⋅ 0, 12 + 0, 04 ⋅ 0, 0625 = 0, 0325,
οπότε η πιθανότητα να µην συµβούν σοβαρές Ϲηµιές στην πόλη από τις 2 πυρκαγιές είναι
Pa = 1 − P1 = 1 − 0, 0325 = 0, 9675.
ϐ) Η πιθανότητα να συµβεί σοβαρή Ϲηµιά στο νοµό µε τις 3 πόλεις είναι
P2 = 1 − P (B),
όπου B : “ ∆εν συµβαίνει σοβαρή Ϲηµιά σε καµµιά πόλη από τις 3 πόλεις”
Επειδή B = B1 ∩ B2 ∩ B3
όπου Bi : “ ∆εν συµβαίνει Ϲηµιά στην πόλη i ”.
Τα B1 , B2 , B3 είναι ανεξάρτητα µεταξύ τους ανά δύο, οπότε λόγω και του (α)
P (B) = P (B1 )P (B2 )P (B3 ) = 0, 96753 = 0, 9056,
οπότε P2 = 1 − 0, 9056 = 0, 0943.
36 §
Κεφάλαιο 3
∆ιακριτές τυχαίες µεταβλητές
Ασκηση 3.1 Να υπολογιστούν για την τυχαία µεταβλητή X µε κατανοµή πιθανότητας

x∶ -1 1 2 4
fX (x) ∶ 0, 25 0, 4 0, 15 0, 2
οι πιθανότητες :
α) P (−1 ≤ X < 2) β)E(3X − 2)
Λύση
α)
P (−1 ≤ X < 2) = P (X = −1) + P (X = 1)

= fX (−1) + fX (1) = 0, 25 + 0, 4 = 0, 65
ϐ)
4
E(3X − 2) = ∑(3x − 2)fX (x)
x
= (3(−1) − 2)fX (−1) + (3 ⋅ 1 − 2)fX (1) + (3 ⋅ 2 − 2)fX (2)
+(3 ⋅ 4 − 2)fX (4)
= −5 ⋅ 0, 25 + 0, 4 + 4 ⋅ 0, 15 + 10 ⋅ 0, 2
= 1, 75
Ασκηση 3.2 Σε µία χώρα η πιθανότητα ένα παιδί που γεννιέται να είναι κορίτσι είναι 55%.
Να ϐρεθεί η συνάρτηση πιθανότητας του αριθµού αγοριών µίας οικογένειας µε τρία παιδιά.
Λύση
Η διακριτή τυχαία µεταβλητή
X ∶ “αριθµός αγοριών µίας οικογένειας µε τρία παιδιά”
παίρνει τις τιµές 0,1,2,3 και ακολουθεί διωνυµική κατανοµή B(3, 0.45), οπότε οι αντίστοιχες
πιθανότητες είναι :
fX (0) = 0, 553 = 0, 166

fX (1) = 3 ⋅ 0, 45 ⋅ 0, 552 = 0, 408
fX (2) = ( ) ⋅ 0, 452 ⋅ 0, 55 = 3 ⋅ 0, 452 ⋅ 0, 55 = 0, 334

3
2
fX (3) = 0, 453 = 0, 091
37
38 §
Ασκηση 3.3 Ρίχνουµε ένα νόµισµα 5 ϕορές. Να υπολογιστεί η πιθανότητα να προκύψουν

τουλάχιστον δύο ϕορές γράµµατα.
Λύση
X ∶ “αριθµός γραµµάτων στις 5 ϱίψεις”

ακολουθεί διωνυµική κατανοµή B(5, 0.5), οπότε η Ϲητούµενη πιθανότητα είναι
P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X = 0) − P (X = 1)
= 1 − fX (0) − fX (1)
= 1 − 0, 55 − ( ) 0, 5 ⋅ 0, 54
5
1
= 0, 813
Ασκηση 3.4 Το 35% των πολιτών µίας χώρας προτιµούν για πρωθυπουργό τον Α. Να υπο-
λογιστεί η πιθανότητα για 5 τυχαία επιλεγµένους πολίτες να προτιµούν για πρωθυπουργό
τον Α :
α) πέντε από αυτούς,
ϐ) περισσότεροι από τέσερις,
γ) το πολύ τρεις.
δ) περισσότεροι από δύο.
Λύση
X ∶ “αριθµός πολιτών από τους 5 που προτιµούν για πρωθυπουργό τον Α”

ακολουθεί διωνυµική κατανοµή B(5, 0.35), οπότε :
α) Η Ϲητούµενη πιθανότητα είναι
P (X = 5) = P (X = 5) = fX (5)
= 0, 355 = 0, 0052.
ϐ) Η Ϲητούµενη πιθανότητα είναι (λόγω και του (β))
P (X ≥ 4) = 1 − P (X < 4) = 1 − P (X ≤ 3)
= 1 − 0, 946 = 0, 054.
γ) Η Ϲητούµενη πιθανότητα είναι
P (X ≤ 3) = 1 − P (X > 3)
= 1 − P (X = 4) − P (X = 5)
= 1 − fX (4) − fX (5)
= 1−( ) 0, 354 ⋅ 0, 65 − 0, 355

5
4
= 0, 946.
ΚΕΦΑΛΑΙΟ 3. ∆ΙΑΚΡΙΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ 39
δ) Η Ϲητούµενη πιθανότητα είναι
P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X = 0) − P (X = 1)
= 1 − fX (0) − fX (1)
= 1 − 0, 655 − ( ) 0, 35 ⋅ 0, 654
5
1
= 0, 572.
Ασκηση 3.5 Σε µία χώρα η πιθανότητα ένα παιδί να είναι κορίτσι είναι 55%.
α) Να ϐρεθεί η πιθανότητα σε µία οικογένεια µε πέντε παιδιά τα τρία να είναι αγόρια.
ϐ) Ποιός ο αναµενόµενος αριθµός αγοριών σε µία οικογένεια έξι παιδιών και ποιά είναι η
τυπική απόκλιση του αριθµού αυτού ;
Λύση
α) Η διακριτή τυχαία µεταβλητή
X ∶ “αριθµός αγοριών σε µία οικογένεια πέντε παιδιών”
ακολουθεί διωνυµική κατανοµή B(5, 0.45), οπότε η Ϲητούµενη πιθανότητα είναι
P (X = 3) = fX (3) = ( ) 0, 453 ⋅ 0, 552 = 0, 276.

5
3
ϐ) Η διακριτή τυχαία µεταβλητή
X ∶ “αριθµός αγοριών σε µία οικογένεια έξι παιδιών”
ακολουθεί διωνυµική κατανοµή B(6, 0.45), οπότε η Ϲητούµενη µέση τιµή είναι
E(X) = np = 6 ⋅ 0, 45 = 2, 7
√
και η τυπικη απόκλιση
√
σX = np(1 − p) = 6 ⋅ 0, 45 ⋅ 0, 55 = 1, 219.
Ασκηση 3.6 Αν η τυχαία µεταβλητή X ακολουθεί κατανοµή Poisson µε µέση τιµή 5, να

υπολογιστούν οι πιθανότητες :
α) P (X ≤ 2) ϐ) P (X > 4).
Λύση
Σύµφωνα µε τον πίνακα V
P (X ≤ 2) = FX (2) = 0, 125
P (X > 4) = 1 − P (X ≤ 3) = 1 − FX (3) = 1 − 0, 265 = 0, 735.
Ασκηση 3.7 Από ένα κουτί που περιέχει τρείς άσπρες σφαίρες και επτά µαύρες παίρνουµε
τυχαία µία-µία 8 σφαίρες µε επανατοποθέτηση και καταγράφουµε το χρώµα τους. Να
υπολογιστεί η πιθανότητα να υπάρχουν ακριβώς 5 άσπρες σφαίρες στις 8 επιλεγµένες.
Λύση
Επειδή οι σφαίρες επανατοποθετούνται, η τυχαία µεταβλητή
X ∶ “αριθµός άσπρων σφαιρών στις 8 επιλεγµένες”
ακολουθεί διωνυµική κατανοµή B(8, p), όπου
40 §
3
p= = 0, 3
3+7
η πιθανότητα η επιλεγµένη σφαίρα να είναι άσπρη, οπότε η Ϲητούµενη πιθανότητα είναι
P (X = 5) = fX (5) = ( ) 0, 35 ⋅ 0, 73 = 0, 047.
8
5
Ασκηση 3.8 Ρίχνουµε ένα Ϲάρι πολλές ϕορές. Να υπολογιστεί η πιθανότητα :

α) Να προκύψει για πρώτη ϕορά εξάρι την τέταρτη ϕορά.
ϐ) Να απαιτούνται τουλάχιστον 5 ϱίψεις ώστε να προκύψει (πρώτη ϕορά) εξάρι.
γ) Να απαιτούνται το πολύ 3 ϱίψεις ώστε να προκύψει (πρώτη ϕορά) εξάρι.
δ) Να απαιτούνται τουλάχιστον 6 ϱίψεις ώστε να προκύψει (πρώτη ϕορά) εξάρι µε δεδοµένο
ότι απαιτούνται τουλάχιστον 2 ϱίψεις.
Λύση
Η τυχαία µεταβλητή
X ∶ “αριθµός ϱίψεων µέχρι να προκύψει εξάρι”
ακολουθεί γεωµετρική κατανοµή G(p), όπου
1
p= = 0, 167,
6
η πιθανότητα να προκύψει εξάρι σε µία ϱίψη, οπότε :
α) Η πιθανότητα να προκύψει για πρώτη ϕορά εξάρι στην τέταρτη ϱίψη είναι
P (X = 4) = fX (4) = (1 − 0, 167)4−1 ⋅ 0, 167 = 0, 097.
ϐ) Η πιθανότητα να απαιτούνται το πολύ 3 ϱίψεις ώστε να προκύψει για πρώτη ϕορά εξάρι είναι
P (X ≤ 3) = 1 − P (X > 3) = 1 − (1 − p)3
= 1 − (1 − 0, 167)3 = 0, 422
γ) Η πιθανότητα να απαιτούνται τουλάχιστον 5 ϱίψεις ώστε να προκύψει για πρώτη ϕορά εξάρι
είναι (ϐλ. Πρόταση 3.2)
P (X ≥ 5) = P (X > 4) = (1 − p)4
= (1 − 0, 167)4 = 0, 481
δ) Η πιθανότητα να απαιτούνται τουλάχιστον 6 ϱίψεις για να προκύψει εξάρι µε δεδοµένο ότι

απαιτούνται τουλάχιστον 2 ϱίψεις είναι (λόγω της Πρότασης 3.2 και του (β))
P (X > 5∣X > 1) = P (X > 4 + 1∣X > 1)

= P (X > 4) = (1 − p)4
= (1 − 0, 167)4 = 0, 481.
Ασκηση 3.9 Από µία τράπουλα τραβάµε ένα - ένα ϕύλλο µε επανατοποθέτηση τέσσερις
ϕορές. Να υπολογιστεί η πιθανότητα µόνο το τέταρτο ϕύλλο να είναι άσσος.
Λύση
X ∶ “αριθµός ϕύλλων µέχρι να προκύψει άσσος”
ακολουθεί γεωµετρική κατανοµή G(p), όπου
4
p= = 0, 077,
52
η πιθανότητα ένα επιλεγµένο ϕύλλο να είναι άσσος, οπότε η πιθανότητα µόνο το τέταρτο ϕύλλο να
είναι άσσος είναι
P (X = 4) = fX (4) = (1 − 0, 077)4−1 ⋅ 0, 077 = 0, 061.
Ασκηση 3.10 Σε έναν αυτοκινητόδροµο το συνεργείο ϐλαβών επεµβαίνει µε µέση συχνό-

τητα 3,1 ϕορές την ϐδοµάδα. Υποθέτοντας ότι οι ϐλάβες συµβαίνουν τυχαία, να ϐρεθούν :
α) Η πιθανότητα να συµβούν (ακριβώς) τρεις ϐλάβες µία ϐδοµάδα.
ϐ) Ο µικρότερος ακέραιος αριθµός n ώστε η πιθανότητα να συµβούν τουλάχιστον n ϐλάβες
σε µία εβδοµάδα να είναι µικρότερη του 1%.
Λύση
α) Η τυχαία µεταβλητή
X ∶ “αριθµός ϐλαβών σε µία εβδοµάδα”
ακολουθεί κατανοµή Poisson X ∼ P o(3, 1), οπότε η πιθανότητα να συµβούν (ακριβώς) τρεις ϐλάβες
σε µία ϐδοµάδα είναι
3, 13
P (X = 3) = fX (3) = e−3,1 = 0, 224.
3!
Ασκηση 3.11 Από ένα κουτί που περιέχει τρείς άσπρες σφαίρες και µία µαύρη επιλέγουµε
τυχαία 2 σφαίρες χωρίς επανατοποθέτηση. Να υπολογιστεί η πιθανότητα οι δύο επιλεγµένες
σφαίρες να είναι :
α) Μία άσπρη και µία µαύρη.
ϐ) Και οι δύο άσπρες.
Λύση
X ∶ “αριθµός άσπρων σφαιρών στις δύο επιλεγµένες χωρίς επανατοποθέτηση”
ακολουθεί υπεργεωµετρική κατανοµή µε συνάρτηση πιθανότητας
( )( )
3 1
x 2−x
fX (x) =
3+1
( )
2
οπότε :
α) Η πιθανότητα η µία σφαίρα να είναι άσπρη είναι
( )( )
3 1
1 2−1
P (X = 1) =
3+1
( )
2
3! 1!
= 1!2! 1!0!
4!
2!2!
1
=
2
42 §
ϐ) Η πιθανότητα και οι δύο σφαίρες να είναι άσπρες είναι
( )( )
3 1
2 2−2
P (X = 2) =
3+1
( )
2
3! 1!
= 2!1! 0!1!
4!
2!2!
1
=
2
Ασκηση 3.12 Τα λευκά σωµατιδία σε ένα ϕιλµ κατανέµονται τυχαία µε µέση τιµή 1,6.
α) Ποιος είναι ο πιο πιθανός αριθµός λευκών σωµατιδίων σε ένα ϕιλµ;
ϐ) Ποια η πιθανότητα να υπάρχουν τουλάχιστον δύο λευκά σωµατίδια σε δύο ϕιλµ;
Λύση
ϐ) Η τυχαία µεταβλητή
X ∶ “αριθµός λευκών σωµατιδίων σε δύο ϕιλµ”
ακολουθεί κατανοµή Poisson X ∼ P o(2 ⋅ 1, 6), οπότε η πιθανότητα να υπάρχουν τουλάχιστον δύο
λευκά σωµατίδια σε δύο ϕιλµ είναι
P (X ≥ 2) = 1 − P (X < 2)
= 1 − P (X ≤ 1)
= 1 − (P (X = 0) + P (X = 1)) = 1 − (fX (0) + fX (1))
3, 20 3, 21
= 1 − (e−3,2 + e−3,2 )
0! 1!
= 1 − 0, 171 = 0, 829.
Ασκηση 3.13 α) Σε ένα διαγώνισµα πολλαπλών επιλογών 10 ερωτήσεων µε τέσσερις απα-

ντήσεις, εκ των οποίων µία µόνο είναι σωστή, να υπολογισθεί η πιθανότητα ένας ϕοιτητής
ϐασιζόµενος στην τύχη να απαντήσει σωστά τουλάχιστον σε 4 ερωτήσεις.
ϐ) Να υπολογισθεί η πιθανότητα κάποιος να απαντήσει στην τύχη τουλάχιστον 30 από 32
ερωτήσεις που η κάθε µία έχει 8 απαντήσεις.
Λύση
α) Η τυχαία µεταβλητή
X ∶ “αριθµός σωστών απαντήσεων στις 10 ερωτήσεις”
1
p= = 0, 25
4
η πιθανότητα µια απάντηση να είναι σωστή, οπότε η Ϲητούµενη πιθανότητα είναι
P (X ≥ 4) = 1 − P (X < 4) = 1 − P (X ≤ 3)
= 1 − (fX (0) + fX (1) + fX (2) + fX (3))
= 1 − (1 − 0, 25)10 − ( ) (1 − 0, 25)9 0, 25
10
1
− ( ) (1 − 0, 25)8 0, 1252 − ( ) (1 − 0, 25)7 0, 253 = 0, 224

10 10
2 3
ϐ) Η τυχαία µεταβλητή X ∶ “αριθµός σωστών απαντήσεων στις 32 ερωτήσεις” ακολουθεί διωνυµική

κατανοµή B(33, 0.125),
οπότε η Ϲητούµενη πιθανότητα είναι
P (X ≥ 30) = P (X = 30) + P (X = 31) + P (X = 32)
= ( ) 0, 12530 (1 − 0, 125)2
32
30
+( ) 0, 12531 (1 − 0, 125) + 0, 12532

32
31
= 3 ⋅ 10−25 .
Ασκηση 3.15 Σε µία τάξη 20 παιδιών τα 8 είναι αγόρια. Να υπολογιστεί η πιθανότητα αν

επιλέξουµε τυχαία 6 παιδιά τα 3 να είναι αγόρια.
Λύση
X ∶ “αριθµός αγοριών στα 6 επιλεγµένα παιδιά”
8
p= = 0, 4
20
η πιθανότητα το επιλεγµένο παιδί να είναι αγόρι,
οπότε η Ϲητούµενη πιθανότητα είναι
P (X = 3) = fX (3) = ( ) 0, 43 ⋅ 0, 63 = 0, 276.
6
3
Ασκηση 3.17 Να ϐρεθεί ο ελάχιστος αριθµός ϱίψεων ενός Ϲαριού ώστε η πιθανότητα να
προκύψει τουλάχιστον ένα εξάρι να είναι µεγαλύτερη από 0, 95;
Λύση
X ∶ “αριθµός εξαριών στις n ϱίψεις ενός Ϲαριού”
ακολουθεί διωνυµική κατανοµή B(n, p), όπου
1
p=
6
η πιθανότητα να προκύψει εξάρι σε µια ϱίψη ενός Ϲαριού, οπότε
44 §
P (X ≥ 1) > 0, 95 ⇔ 1 − P (X = 0) > 0, 95
5 n
⇔ 1 − ( ) > 0, 95
6
5 n
⇔ ( ) < 0, 05
6
5 n
⇔ ln ( ) < ln0, 05
6
⇔
5
n ln < ln0, 05
6
⇔
ln 0, 05
n> = 16, 43.
ln 56
Εποµένως ο ελάχιστος αριθµός ϱίψεων ενός Ϲαριού ώστε η πιθανότητα να προκύψει τουλάχιστον
ένα εξάρι να είναι µεγαλύτερη από 0, 95 είναι 17.
Κεφάλαιο 4
Συνεχείς τυχαίες µεταβλητές
΄Ασκηση 4.1 Να εξετάσετε αν οι επόµενες συναρτήσεις είναι συναρτήσεις πυκνότητας πι-

ϑανότητας :
α) f (x) = 2e−x , ϐ) f (x) =

1
π(1 + x2 )
x≥0
Λύση
∫−∞ f (x)dx = ∫0
+∞ +∞
α) 2e−x dx = 2 ≠ 1,
οπότε η f (x) δεν µπορεί να είναι συνάρτηση πυκνότητας πιθανότητας.
f (x)dx = ∫
+∞ +∞ 1
∫
π(1 + x2 )
ϐ) dx = 1,
−∞ −∞
οπότε η f (x) µπορεί να είναι συνάρτηση πυκνότητας πιθανότητας.
΄Ασκηση 4.2 α) Να ϐρεθούν οι σταθερές a και β ώστε η επόµενη συνάρτηση να αποτελεί

συνάρτηση κατανοµής
⎧
⎪
⎪
⎪
0, x<0
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
x2
F (x) = ⎨
, 0≤x≤1
⎪
2
⎪
⎪
⎪
⎪
⎪
ax + β, 1 < x ≤ 2
⎪
⎪
⎪
⎪
⎪
⎩ 1, x>2
ϐ) Να ϐρεθεί η αντίστοιχη συνάρτηση πυκνότητας πιθανότητας f (x).
Λύση
α) Η συνάρτηση κατανοµής F (x) πρέπει να είναι συνεχής, οπότε :
lim F (x) = lim+ F (x)
x→1− x→1
x2
ή lim = lim (ax + β)
x→1 2 x→1
(i)
1
ή =a+β
2
και lim− F (x) = lim+ F (x)
x→2 x→2
ή lim (ax + β) = lim 1

x→2 x→2
ή 2a + β = 1. (ii)
45
46 §
Από το σύστηµα των (i) και (ii) προκύπτει ότι

1
a= και β = 0
2
ϐ) Η αντίστοιχη συνάρτηση πυκνότητας πιθανότητας είναι
⎧
⎪
⎪
⎪
⎪
0, x≤0
⎪
⎪
⎪
⎪
⎪
⎪
⎪
x, 0<x<1
f (x) = F (x) = ⎨
′
⎪
⎪
⎪
1
⎪
⎪
⎪
, 1≤x≤2
⎪
⎪
⎪
2
⎪
⎪
⎩ 0, x > 2
΄Ασκηση 4.3 Να δειχθεί ότι η διάµεσος µιας τυχαίας µεταβλητής X που ακολουθεί εκθετική
κατανοµή µε µέση τιµή θ είναι θ ln 2.
Λύση
Για την διάµεσο δ της εκθετικής κατανοµής ισχύει
f (x)dx =
δ 1
∫
0 2
δ 1 1
∫0 θ e θ dx = 2
−x
ή
1
1 − e− θ =
δ
ή
2
δ 1
ή e− θ =
2
1
− = ln = − ln 2
δ
ή
θ 2
ή δ = θ ln 2.
΄Ασκηση 4.4 Η πυκνότητα πιθανότητας της συνεχούς τυχαίας µεταβλητής X είναι

fX (x) = c(4 − x), 0 ≤ x ≤ 4 .
Να ϐρεθούν :
α) Η τιµή της σταθεράς c.
ϐ) Η P (X > 3, 3).
Λύση
f (x)dx = 1
+∞
α) Πρέπει ∫
−∞
4
ή ∫0 c(4 − x)dx = 1
1
ή c8 = 1 ή c = .
8
ϐ) Εποµένως
P (X > 3, 3) = ∫ f (x)dx = ∫ (4 − x)dx

4 4 1
3,3 3,3 8
= 0, 031.
ΚΕΦΑΛΑΙΟ 4. ΣΥΝΕΧΕΙΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ 47
΄Ασκηση 4.5 Αν η συνάρτηση πυκνότητας πιθανότητας µιας τυχαίας µεταβλητής Χ είναι

cxe−2x , x ≥ 0
f (x) = {
0, αλλού
να υπολογισθεί η πιθανότητα P (2 ≤ X < 3∣X ≥ 1).
Λύση
P (2 ≤ X < 3 και X ≥ 1)
P (2 ≤ X < 3∣X ≥ 1) = (i)
P (X ≥ 1)
.
(2 ≤ X < 3 και X ≥ 1) ⇔ (2 ≤ X < 3),

οπότε
P (2 ≤ X < 3 και X ≥ 1) = P (2 ≤ X < 3)

3
= ∫ cxe−2x dx
2
= c ( e−4 − e−6 )
5 7
4 4
P (X ≥ 1) = ∫
+∞ 3
και cxe−2x dx = c e−2 .
1 4
`Ετσι η (i) δίνει
c ( 54 e−4 − 74 e−6 )
P (2 ≤ X < 3∣X ≥ 1) = (5e−2 − 7 e−4 ).
1
=
c 34 e−2 3
΄Ασκηση 4.7 Η πυκνότητα πιθανότητας της συνεχούς τυχαίας µεταβλητής X είναι

fX (x) = cx3 , 0 < x < 2, c σταθερά.
Να ϐρεθούν :
α) Η τιµή της σταθεράς c.
ϐ) Η P (0, 5 < X < 1).
γ) Η µέση τιµή και η διακύµανση της X .
Λύση
f (x)dx = 1
+∞
−∞
2
ή ∫ cx3 dx = 1
0
1
ή c4 = 1 ή c = .
4
ϐ) Σύµφωνα µε τον ορισµό της πυκνότητας πιθανότητας,
P (0, 5 < X < 1) = ∫ f (x)dx = ∫

1 1 1
x3 dx
0,5 0,5 4
= 0, 059.
48 §
γ) Η µέση τιµή της X είναι
E(X) = ∫ xf (x)dx
2
2 1 1 2
= ∫ x x3 dx = ∫ x4 dx
0 4 4 0
8
=
5
Η διακύµανση της X είναι
V ar(X) = E(X 2 ) − (E(X))2 (i)
E(X 2 ) = ∫ x2 f (x)dx = ∫ x2 x3 dx = ∫ x5 dx
2 2 1 1 2
0 0 4 4 0
8
= ,
3
8 2
− ( ) = 0, 107.
8
V ar(X) =
3 5
΄Ασκηση 4.9 Αν η συνάρτηση πυκνότητας πιθανότητας της τυχαίας µεταβλητής X είναι
fX (x) = {
cx, 0 < x ≤ 1
0, αλλού
α) Να υπολογιστεί η σταθερά c.
ϐ) Να ϐρεθεί η συνάρτηση κατανοµής της X .
γ) Να ϐρεθεί η συνάρτηση πυκνότητας πιθανότητας της τυχαίας µεταβλητής
Y = lnX .
Λύση
f (x)dx = 1
+∞
−∞
1
ή ∫0 cxdx = 1
1
ή c = 1 ή c = 2.
2
ϐ) Η συνάρτηση κατανοµής της X είναι :
▸ Για x ≤ 0, FX (x) = 0.
▸ Για 0 < x < 1,
FX (x) = ∫ fX (t)dt = ∫ 2tdt

x x
−∞ 0
= x2
▸ Για x ≥ 1, FX (x) = 1.
Εποµένως
⎧
⎪
⎪
⎪
0 x<0
FX (x) = ⎨ x2 , 0 ≤ x < 1
⎪
⎪
⎪
⎩ 1, x ≥ 1
γ) Η συνάρτηση Y = lnX είναι γνησίως αύξουσα και παραγωγίσιµη. Εποµένως µπορούµε να

εφαρµόσουµε το ϑεώρ.4.1.
Y = lnX ⇔ X = eY , Y ≤ 0, (αφού 0 < x ≤ 1)

dx
οπότε = ey .
dy
Εποµένως, σύµφωνα µε το ϑεώρ.4.1,
fY (y) = fX (x(y)) ∣ ∣ = 2ey ey = 2e2y , y ≤ 0.

dx
dy
΄Ασκηση 4.10 Να υπολογιστούν για µία τυχαία µεταβλητή X , που ακολουθεί εκθετική
κατανοµή µε παράµετρο λ (έχει πυκνότητα πιθανότητας fX (x) = λe−λx ):
α) Το πρώτο τεταρτηµόριο συναρτήσει του λ.
ϐ) Το k− εκατοστηµόριο συναρτήσει των λ και k .
Λύση
Σύµφωνα µε την (4.24):
α) Για το πρώτο τεταρτηµόριο q1 ισχύει
P (X ≤ q1 ) =
1
4
FX (q1 ) =
1
ή
4
1
ή 1 − e−λq1 =
4
3
ή e−λq1 =
4
3
ή −λq1 = ln
4
1 4
ή q1 = ln .
λ 3
ϐ) Για το k− εκατοστηµόριο qk ισχύει
P (X ≤ qk ) =
k
100
FX (qk ) =
k
ή
100
1 − e−λqk =
k
ή
100
e−λqk = 1 −
k
ή
100
−λqk = ln (1 − )
k
ή
100
1 1
ή qk = ln .
1−
λ k
100
΄Ασκηση 4.11 Το 95% των µαθητών ενός σχολείου έχουν ϐάρος µικρότερο των 85Kg και
το 10% µικρότερο των 55Kg . Αν το ϐάρος των µαθητών ακολουθεί κανονική κατανοµή να
ϐρεθεί το ποσοστό µαθητών µε ϐάρος µεγαλύτερο των 70Kg .
50 §
Λύση
Για την αντίστοιχη του ϐάρους X τυποποιηµένη κανονική µεταβλητή
X −µ
Z=
σ
ισχύει
P (X < 85) = P (Z < z1 ) = 0, 95 ⇔ Φ(z1 ) = 0, 95,
85 − µ
όπου z1 = η αντίστοιχη της τιµής 85 τιµή της Z .
σ
Από τον πίνακα Ι προκύπτει ότι
Φ(1, 65) = 0, 95,
οπότε z1 = 1, 65
85 − µ
και = 1, 65. (i)
σ
Επίσης
P (X < 55) = P (Z < z2 ) = 0, 1 ⇔ Φ(z2 ) = 0, 1,
οπότε
Φ(−z2 ) = 1 − 0, 1 = 0, 9
55 − µ
όπου z2 =
σ
η αντίστοιχη της τιµής 55 τιµή της Z .
Από τον πίνακα Ι προκύπτει ότι
Φ(1, 28) = 0, 9,
οπότε −z2 = 1, 28 ⇔ z2 = −1, 28
55 − µ
ή = −1, 28. (ii)
σ
Λύνοντας το σύστηµα των (i) και (ii) προκύπτει
µ = 68, 11 και σ = 10, 24.
Το ποσοστό µαθητών µε ϐάρος µεγαλύτερο των 70Kg είναι
100-ποσοστό µαθητών µε ϐάρος µικρότερο των 70Kg
δηλαδή ίσο µε
70 − µ 70 − 68, 11
100 − Φ ( ) 100 = 100 − Φ ( ) 100
σ 10, 24
= 100 (1 − Φ(0, 19))
= 100 ⋅ 0, 425 = 42, 5%,
όπως προκύπτει από τον πίνακα Ι.
΄Ασκηση 4.12 Ο χρόνος λειτουργίας µίας λυχνίας προβολέα ακολουθεί εκθετική κατανοµή
µε µέση τιµή 2000 ώρες. Να υπολογιστούν :
α) η διακύµανση του χρόνου λειτουργίας της λυχνίας,
ϐ) η πιθανότητα µία λυχνία να λειτουργήσει για περισσότερο από 2500 ώρες,
γ) η πιθανότητα µία λυχνία να λειτουργήσει για περισσότερο από 3000 ώρες µε δεδοµένο
ότι λειτούργησε ήδη 2600 ώρες.
Λύση
α) Επειδή η µέση τιµή του χρόνου λειτουργίας της λυχνίας X είναι 2000 ώρες, για την εκθετική
αυτή κατανοµή
1
= 2000,
λ
οπότε η διακύµανση της X είναι
1
= 20002 ωρες2 .
λ2
ϐ) Η πιθανότητα µία λυχνία να λειτουργήσει για περισσότερο από 2500 ώρες είναι (ϐλ.(4.25))
P (X > 2500) = e− 2000

2500
= 0, 287.
γ) Η πιθανότητα µία λυχνία να λειτουργήσει για περισσότερο από 3000 ώρες µε δεδοµένο ότι
λειτούργησε ήδη 2600 ώρες είναι (ϐλ. Παρατήρηση 4.2)
P (X > 3000∣X > 2600) = P (X > 2600 + 400∣X > 2600)

= P (X > 400)
400
= e− 2000
= 0, 819.
΄Ασκηση 4.13 Η διάρκεια Ϲωής X των σκληρών δίσκων που κατασκευάζει µία εταιρεία έχει
αθροιστική συνάρτηση πιθανότητας (x σε χρόνια)
1 − e− 16 , x ≥ 0
x
FX (x) = {
0, αλλού
α) Να υπολογισθεί η πιθανότητα ένας τυχαία επιλεγµένος δίσκος να διαρκέσει :
i) Το πολύ 8 χρόνια.
ii) Από 12 έως 20 χρόνια.
iii) Τουλάχιστον 30 χρόνια.
ϐ) Να ϐρεθεί η διάµεσος της X .
Λύση
α) i) Η πιθανότητα ένας τυχαία επιλεγµένος δίσκος να διαρκέσει το πολύ 8 χρόνια είναι
P (X ≤ 8) = FX (8) = 1 − e− 16 = 0, 393.
8
ii) Η πιθανότητα ένας τυχαία επιλεγµένος δίσκος να διαρκέσει από 12 έως 20 χρόνια είναι
P (12 ≤ X ≤ 20) = FX (20) − FX (12)

= 1 − e− 16 − (1 − e− 16 )
20 12
= e− 16 − e− 16
12 20
= 0, 186
iii) Η πιθανότητα ένας τυχαία επιλεγµένος δίσκος να διαρκέσει τουλάχιστον 30 χρόνια είναι
(ϐλ.(4.25))
P (X ≥ 30) = e− 16 = 0, 153.
30
ϐ) Για τη διάµεσο δ της X ισχύει

P (X ≤ δ) = 0, 5 ή FX (δ) = 0, 5
1 − e− 16 = 0, 5
δ
ή
δ 1
ή e− 16 =
2
52 §
1
−
δ
ή = ln
16 2
δ
ή = ln 2
16
ή δ = 16 ln 2 = 11, 09.
΄Ασκηση 4.14 Ο χρόνος Ϲωής των λαπτήρων που παράγει ένα εργοστάσιο ακολουθεί κανο-
νική κατανοµή µε µέση τιµή 1800 ώρες και τυπική απόκλιση 40 ώρες.
α) Να υπολογιστεί το ποσοστό λαπτήρων που αναµένεται να έχει χρόνο Ϲωής :
i) µικρότερο των 1700 ωρών.
ii) µεγαλύτερο των 1900 ωρών.
ϐ) Να ϐρεθεί το k ώστε ο χρόνος Ϲωής του 90% των λαπτήρων να διαφέρει από την µέση τιµή
του χρόνου Ϲωής περισσότερο από k .
Λύση
α)i) Το ποσοστό λαπτήρων που αναµένεται να έχουν χρόνο Ϲωής µικρότερο των 1700 ωρών είναι ίσο
µε
π = P (X ≤ 1700) = P (Z ≤ z1 ) = Φ(z1 )
1700 − 1800
όπου z1 = = −2, 5
40
η αντίστοιχη της 1700 τιµή της τυχαίας µεταβλητής Z , οπότε (ϐλ. πίνακας Ι)
π = Φ(−2, 5) ⋅ 100 = (1 − Φ(2, 5)) 100 = (1 − 0, 9938) 100 = 0, 62%.
ii) Το ποσοστό λαπτήρων που αναµένεται να έχουν χρόνο Ϲωής µεγαλύτερο των 1900 ωρών είναι
π = 100− ποσοστό λαπτήρων µε χρόνο Ϲωής µικρότερο των 1900
οπότε π = 1 − P (X ≤ 1900) = 1 − P (Z ≤ z2 ) = 1 − Φ(z2 )

1900 − 1800
όπου z2 = = 2, 5
40
η αντίστοιχη της 1900 τιµή της αντίστοιχης του χρόνου Ϲωής τυποποιηµένη κανονική µεταβλήτή,
οπότε (ϐλ. πίνακας Ι)
π = (1 − Φ(2, 5)) 100 = (1 − 0, 9938) 100 = 0, 62%.
ϐ) Αν ο χρόνος Ϲωής του 90% των λαπτήρων διαφέρει από την µέση τιµή του χρόνου Ϲωής περισσό-
τερο από k ,
P (∣X − µ∣ > k) = 0, 9,
οπότε
X −µ k
P (∣X − µ∣ ≤ k) = 1 − 0, 9 = 0, 1 ή P (∣ ∣≤ ) = 0, 1
σ σ
P (∣Z∣ ≤ ) = 0, 1
k
ή
σ
ή (ϐλ.(4.42)) 2Φ ( ) − 1 = 0, 1 ή Φ ( ) = 0, 55.
k k
σ σ
Από τον πίνακα Ι προκύπτει ότι Φ (0, 12) = 0, 55, οπότε
= 0, 12 ή k = 0, 12σ = 0, 12 ⋅ 40 = 4, 8 ώρες.
k
σ
΄Ασκηση 4.15 Να ϐρεθεί η τυπική απόκλιση µίας τυχαίας µεταβλητής X που ακολουθεί
κανονική κατανοµή µε µέση τιµή µ = 80 αν
P (X < 86) = 0, 885.
Λύση
P (X < 86) = P (Z < z1 ) = Φ(z1 ) = 0, 885

86 − 80
όπου z1 =
σ
η αντίστοιχη της 86 τιµή της αντίστοιχης της X τυποποιηµένης κανονικής µεταβλητής Z .
Από τον πίνακα Ι προκύπτει ότι Φ (1, 2) = 0, 885, οπότε
z1 = 1, 2
86 − 80
= 1, 2 ⇔ σ =
6
και = 5.
σ 1, 2
΄Ασκηση 4.17 Αν η συνάρτηση πυκνότητας πιθανότητας της τυχαίας µεταβλητής X είναι

ke−2x , x ≥ 0
fX (x) = {
0, x<0
να ϐρεθούν :
α) Η τιµή της σταθεράς k .
ϐ) Η συνάρτηση πυκνότητας πιθανότητας της τυχαίας µεταβλητής
√
Y = X.
Λύση
f (x)dx = 1
+∞
α) Πρέπει ∫0
+∞
ή ∫ ke−2x dx = 1
0
1
ή k = 1 ή k = 2.
2
√
ϐ) Η συνάρτηση Y = X είναι γνησίως αύξουσα και παραγωγίσιµη. Εποµένως, µπορούµε να
εφαρµόσουµε το ϑεώρ.4.1.
√
Y = X ⇔ X = Y 2 , Y ≥ 0,
dx
οπότε = 2y .
dy
Εποµένως, σύµφωνα µε το ϑεώρ.4.1,
fY (y) = fX (x(y)) ∣ ∣ = 2e−2y 2y = 4ye−2y , y ≥ 0.

dx 2 2
dy
Ασκηση 4.18 Για µια µεταβλητή X που ακολουθεί κανονική κατανοµή µε µέση τιµή
x = 120 και τυπική απόκλιση s = 5 να ϐρεθεί το ποσοστό παρατηρήσεων µε :
α) 105 < X < 135 ϐ) X > 130 γ) x < 105 δ) X < 130
ε) X > 105 στ) X > 110 Ϲ) 105 < X < 130
η) 110 < X < 120 ϑ) 120 < X < 125 ι) 115 < X < 130
54 §
Λύση
Για την περίπτωση αυτή (x = 120, s = 5)
x − s = 115, x + s = 125, x − 2s = 110, x − 3s = 105, x + 2s = 130, x + 3s = 135,.
α) 105 < X < 135 ⇔ x − 3s < X < x + 3s,
οπότε το ποσοστό παρατηρήσεων µε 105 < X < 135 είναι
99, 7%.
ϐ) X > 130 ⇔ X > x + 2s,
οπότε το ποσοστό παρατηρήσεων µε X > 130 είναι
2, 5%.
γ) X < 105 ⇔ X < x − 3s,
οπότε το ποσοστό παρατηρήσεων µε X < 105 είναι
0, 3
= 0, 15%.
2
δ) X < 130 ⇔ X < x + 2s,
οπότε το ποσοστό παρατηρήσεων µε X < 130 είναι
100 − 2, 5 = 97, 5%.
ε) X > 105 ⇔ X > x − 3s,
100 − 0, 15 = 99, 85%.
στ) X > 110 ⇔ X > x − 2s,
100 − 2, 5 = 97, 5%.
Ϲ) 105 < X < 130 ⇔ x − 3s < X < x + 2s,
οπότε το ποσοστό παρατηρήσεων µε 105 < X < 130 είναι
99, 7 95
+ %.
2 2
΄Ασκηση 4.25 Η αντοχή X του εδάφους κάτω από το πέδιλο µιας κολώνας είναι τυχαία
µεταβλητή µε πυκνότητα πιθανότητας
⎧
⎪
⎪
⎪ A (1 −
x
) , 40 < x < 100 (kN /m2 )
f (x) = ⎨
⎪
100
⎪ 0,
⎪
⎩ αλλού
Να υπολογιστεί η πιθανότητα αστοχίας της κολώνας, αν έχει σχεδιασθεί να αντέχει ϕορτίο
88kN /m2 .
Λύση
Υπολογίζουµε την τιµή της σταθεράς Α.
Από τον ορισµό της πυκνότητας πιθανότητας
fX (x)dx = 1 ⇔ ∫ )dx = 1 ⇔ 18A = 1 ⇔ A =

+∞ 100 1
A(1 −
x
∫
−∞ 40 100 18
Σύµφωνα µε τον ορισµό (4.1) η πιθανότητα αστοχίας είναι
P (αστοχίας) = P (X ≥ 88) = 1 − P (X < 88) = 1 − ∫ fX (x)dx = 1 − ∫ (1 − )dx =

88 88 1 x
40 18 100
1 − 0, 96 = 0, 04.
−∞
΄Ασκηση 4.26 Η πλευρική αντίσταση R ενός κτηρίου είναι τυχαία µεταβλητή µε πυκνότητα
πιθανότητας
⎧
⎪
⎪ k(r − 4)(10 − r), 4 < r < 10
FR (r) = ⎨
⎪
⎪
⎩ 0, αλλιώς
α) Να υπολογιστούν i) η µέση τιµή , ii) η διάµεσος , iii) η επικρατούσα τιµή της R.
ϐ) Να υπολογιστεί η πιθανότητα η R να είναι µεγαλύτερη του 9 µε δεδοµένο ότι R > 6
Λύση
Υπολογίζουµε την τιµή της σταθεράς k . Σύµφωνα µε τον ορισµό της πυκνότητας πιθανότητας
∫−∞ fR (r)dr = 1 ⇔ ∫4 k(r − 4)(10 − r)dr = 1 ⇔ 36k = 1 ⇔ k =

+∞ 10 1
36
α) i) Η µέση τιµή της αντίστασης είναι
rfR (r)dr = ∫ (r − 4)(10 − r)dr = 7

+∞ 10 1
MR = ∫ r
∞ 4 36
ii) Σύµφωνα µε την (4.6) για την διάµεσο m ισχύει
m3
fR (r)dr =⇔ (r ⇔
m 1 m 1 1
∫ ∫ − 4)(10 − r)dr = 7m 2
− − 40m + 69, 33 = 18
−∞ 2 4 36 2 3
Με τη ϐοήθεια του Matlab λύνουµε την εξίσωση αυτή, οπότε προκύπτει m = 7 (οι λύσεις m = 1, 8
και m = 12, 2 απορρίπτονται).
iii) Η επικρατούσα τιµή είναι η τιµή για την οποία η συνάρτηση πυκνότητα πιθανότητας παίρνει
τη µέγιστη τιµή.
ϐ) Η Ϲητούµενη πιθανότητα είναι
P (R > 9)
P (R > 9∣R > 6) = (i)
R(> 6)
P (R > 9) = 1 − P (R ≤ 9) = 1 − ∫ fR (r)dr = 1 − 0, 93 = 0, 07
9
P (R > 6) = 1 − P (R ≤ 6) = 1 − ∫ fR (r)dr = 1 − 0, 26 = 0, 74
6
4
οπότε η (ii) δίνει
P (R > 9/R > 6) =

0, 07
= 0, 095
0, 79
= 0 ⇔ (10 − r) + (−1) + r − 4 = 0 ⇔ r =
dfR 14
=7
dr 2
Επίσης
d2 fR
= −2 < 0,
dr 2
οπότε η συνάρτηση fR (r) έχει µέγιστο για r = 7.
`Αρα, η επικρατούσα τιµή της τυχαίας µεταβλητής R είναι r = 7.
΄Ασκηση 4.28 Ο αριθµός γεννήσεων ανά ηµέρα X σε ένα δείγµα ηµερών ακολουθεί κα-
νονική κατανοµή µε µέση τιµή x = 220 και τυπική απόκλιση s = 20. Να υπολογιστεί η
πιθανότητα σε µια τυχαία επιλεγµένη ηµέρα του έτους να έχουν συµβεί :
α) λιγότερες από 200 γεννήσεις,
ϐ) λιγότερες από 240 γεννήσεις,
γ) Περισσότερες από 260 γεννήσεις, δ) µεταξύ 180 και 240 γεννήσεις, ε) µεταξύ 240 και
280 γεννήσεις.
Λύση
56 §
Για την περίπτωση αυτή (x = 220, s = 20)

x − s = 200, x + s = 240, x − 2s = 180, x + 2s = 260.
α) Λιγότερες από 200 γεννήσεις σηµαίνει
X < 200 = x − s
f(x)
68%
x+s x
x-s
Σχήµα 4.51 Κανονική κατανοµή, X < x − s
Το αντίστοιχο ποσοστό ισούται µε το γραµµοσκιασµένο εµβαδό του Σχήµα 4.46, το οποίο λόγω
της συµµετρίας της καµπύλης συχνοτήτων περί της ευθείας x = x και του ότι για το 68% των
παρατηρήσεων ισχύει x − s < X < x + s είναι
100 − 68
= 16%.
2
16
Ο αντίστοιχος αριθµός ηµερών είναι 365 = 58, 4 ηµέρες.
100
ϐ) Λιγότερες από 240 γεννήσεις σηµαίνει
X < 240 = x + s
f(x)
Eα=16%
x+s x
Σχήµα 4.55 Κανονική κατανοµή, X < x + s

Το αντίστοιχο ποσοστό (ίσο µε το γραµµοσκιασµένο εµβαδό του Σχήµα 4.47) είναι
100 − Ea = 100 − 16 = 84%,
όπου Ea το ποσοστό παρατηρήσεων µε X > x + s, το οποίο λόγω συµµετρίας και του (α) είναι ίσο
µε 16% (ϐλ. Σχήµα 4.43)
γ) Περισσότερες από 260 γεννήσεις σηµαίνει
X > x + 2s
f(x)
95%
x-2s x+2s x
Σχήµα 4.56 Κανονική κατανοµή, X > x + 2s

Το αντίστοιχο ποσοστό είναι ίσο µε το γραµµοσκιασµένο εµβαδό του Σχήµατος 4.48, δηλαδή
100 − 95
= 2, 5%.
2
δ) Μεταξύ 180 και 240 σηµαίνει
x − 2s < X < x + s.
Το αντίστοιχο ποσοστό είναι ίσο µε (ϐλ. Σχήµα 4.49)
f(x)
2.5% 16%
x-2s x+s x
Σχήµα 4.57 Κανονική κατανοµή, x − 2s < X < x + s

100− ποσοστό µε (X < x − 2s)− ποσοστό µε (X > x + s)
= 100 − 2, 5 − 16 = 81, 5%.
Με άλλο τρόπο, ποσοστό αυτό είναι ίσο µε (ϐλ. Σχήµα 4.50)
ποσοστό µε (x − 2s < X < x)+ ποσοστό µε (x < X < x + s)
95 68
= + = 47, 5 + 34 = 81, 5%.
2 2
f(x)
34%
47,5%
x-2s x+s x
x
Σχήµα 4.58 Κανονική κατανοµή, x − 2s < X < x + s
ε) Στην περίπτωση αυτή
x + s < X < x + 3s
οπότε το αντίστοιχο ποσοστό είναι ίσο µε (ϐλ. Σχήµα 4.51)
ποσοστό µε (x < X < x + 3s)− ποσοστό µε (x < X < x + s)
99, 7 68
= − = 15, 85%.
2 2
΄Ασκηση 4.29 Για µια µεταβλητή X που ακολουθεί κανονική κατανοµή µε µέση τιµή x
και τυπική απόκλιση s σε ένα δείγµα, να υπολογιστούν οι παρακάτω τιµές της συνάρτησης
κατανοµής της X :
a) F (x + s)% β) F (x − s)% γ) F (x)% δ) F (x + 2s)%.
58 §
f(x)
x
x x+s x+3s
Σχήµα 4.59 Κανονική κατανοµή, x + s < X < x + 3s
Λύση
α) Η F (x + s)% είναι εξ΄ ορισµού ίση µε το ποσοστό παρατηρήσεων µε X ≤ x + s, το οποίο είναι
(ϐλ. Σχήµα 4.60)
100−(ποσοστό µε X > x + s) = 100 − 16 = 84%.
f(x)
16%
84%
x
x+s
Σχήµα 4.60 Κανονική κατανοµή, a) F (x + s)%

ϐ) Η F (x− s)% είναι εξ΄ ορισµού ίση µε το ποσοστό παρατηρήσεων µε X ≤ x− s, το οποίο, σύµφωνα
µε το Παράδειγµα 4.29, είναι (ϐλ. Σχήµα 4.61)
100 − 68
= 16%.
2
f(x)
68%
16% 16%
x+s x
x-s
Σχήµα 4.61 Κανονική κατανοµή, F (x − s)%
γ) Η F (x)% είναι εξ΄ ορισµού ίση µε το ποσοστό παρατηρήσεων µε X ≤ x, δηλαδή 50%, διότι στην
κανονική κατανοµή η µέση τιµή συµπίπτει µε την διάµεσο (ϐλ. Σχήµα 4.63).
f(x)
50%
x
x
Σχήµα 4.62 Κανονική κατανοµή, F (x)%

δ) Η F (x + 2s)% είναι εξ΄ ορισµού ίση µε το ποσοστό παρατηρήσεων µε
X ≤ x + 2s, το οποίο, σύµφωνα µε την Παράδειγµα 4.29, είναι (ϐλ. Σχήµα 4.64)
100−(ποσοστό µε X > x + 2s) = 100 − 2, 5 = 97, 5%.
f(x)
97.5%
2.5%
x
x+2s
Σχήµα 4.63 Κανονική κατανοµή, F (x + 2s)%.
΄Ασκηση 4.30 Μετριέται το ύψος X ενός είδους ϕυτού µετά από 4 µήνες από τη ϕύτευσή
τους για ένα δείγµα 200 ϕυτών. Από τις µετρήσεις προέκυψε ότι 100 ϕυτά είχαν ύψος
µεγαλύτερο των 72cm και ότι 5 ϕυτά είχαν ύψος µικρότερο των 68cm.
Αν το ύψος του ϕυτού αυτού ακολουθεί κανονική κατανοµή, να υπολογισθεί η πιθανότητα
ένα τυχαία επιλεγµένο ϕυτό να έχει ύψος :
α) µεγαλύτερο των 80cm,
ϐ) µικρότερο των 72cm,
γ) µεταξύ 60 και 70cm.
Λύση
Τα 100 ϕυτά αποτελούν το 50% των παρατηρήσεων του δείγµατος, οπότε, αφού το 50% των παρα-
τηρήσεων έχουν ύψος µεγαλύτερο των 72cm, η διάµεσος του δείγµατος είναι 72cm.
Στην κανονική κατανοµή συχνοτήτων η διάµεσος συµπίπτει µε την µέση τιµή, οπότε η µέση τιµή
του ύψους X είναι x = 72cm.
5
Τα 5 ϕυτά αποτελούν το 100 = 2, 5% των παρατηρήσεων του δείγµατος.
200
Επίσης, στην κανονική κατανοµή συχνοτήτων 2, 5% των παρατηρήσεων είναι µικρότερες του x− 2s,
οπότε
x − 68 72 − 68
x − 2s = 68 ή s = = = 2.
2 2
α) 78cm = x + 3s,
οπότε, σύµφωνα µε την Παρατήρηση 4.15, το ποσοστό ϕυτών µε
X > 78cm = x + 3s
είναι (ϐλ. Σχήµα 4.63)
100 − 99, 7
= 0, 15%.
2
60 §
f(x)
x
x+3s
Σχήµα 4.64 Η κανονική κατανοµή της `Ασκησης 4.;
ϐ) Επειδή 76cm = x + 2s,
σύµφωνα µε το Παράδειγµα 4.29, το ποσοστό ϕυτών µε
X < 76cm = x + 2s
100−(ποσοστό µε X > x + 2s) = 100 − 2, 5% = 97, 5%.
f(x)
97.5%
2.5%
x
x+2s
Σχήµα 4.65 Η κανονική κατανοµή της `Ασκησης 4.30
γ) Επειδή 68cm = x − 2s και 74cm = x + s,
το ποσοστό ϕυτών µε 68 < X < 74cm ή x − 2s < X < x + s
100− ποσοστό µε (X < x − 2s)− ποσοστό µε (X > x + s)
= 100 − 2, 5 − 16 = 81, 5%.
f(x)
2.5% 16%
x-2s x+s x
Σχήµα 4.66 Η κανονική κατανοµή της `Ασκησης 4.30
΄Ασκηση 4.30 Ο χρόνος αναµονής στο αεροδρόµιο Α µιας πόλης Β έχει την πυκνότητα
πιθανότητας του Σχήµατος 4.46 (Ο χρονος αυτός είναι από την στιγµή εισόδου στο αερο-
δρόµιο έως την ώρα της αναχώρησης). Ο χρόνος για την διαδροµή από το ξενοδοχείο στο
αεροδρόµιο Α είναι 15 λεπτά µε τρένο, 30λεπτά µε ταξί και 45 λεπτά µε λεωφορείο και η
πιθανότητα ότι ο ταξιδιώτης ϑα πάρει ένα από τα µέσα αυτά είναι, αντίστοιχα, 0, 2, 0, 45 και
0, 35.
α) Ποια είναι η πιθανότητα ότι ο ταξιδιώτης ϑα αναχωρήσει µε το αεροπλάνο το αργότερο 2
ώρες µετά την αναχώρηση από το ξενοδοχείο ;
ϐ) Αν είναι γνωστό ότι ο ταξιδιώτης αναχώρησε πράγµατι σε 2 ώρες, ποια είναι η πιθανότητα
ότι ο ταξιδιώτης χρησιµοποίησε το λεωφορείο ;
fT(t)
t (ώρες)
1 4
Σχήµα 4.46 Η πυκνότητα πιθανότητας του χρόνου αναµονής
Λύση
Επειδή το εµβαδό κάτω από τη συνάρτηση πυκνότητας πιθανότητας είναι 1.
⋅3⋅k =1 ⇔ k =
1 2
2 3
α) ∆ίνεται ότι
P (τρένο) = 0, 2, P ( ταξί ) = 0, 45, P (λεωφορείο) = 0, 35.
Θεωρώντας το ενδεχόµενο
E ∶ “ο ταξιδιώτης ϑα αναχωρήσει µε το αεροπλάνο το αργότερο 2 ώρες µετά την
αναχώρηση από το ξενοδοχείο”,
P (E) = P (E∣τρένο) ⋅ P (τρένο) + P (E∣ταξί) ⋅ P (ταξί) + P (E∣λεωφορείο) ⋅ P (λεωφορείο)
= P (T ≤ 1, 75)P (τρένο ) + P (T ≤ 1, 5)P (ταξί ) + P (T ≤ 1, 25)P (λεωφορείο )
1 ⋅ 2, 25 1 ⋅ 2, 5
= (1 − ) ⋅ 0, 2 + (1 − ⋅ 2, 5 ⋅ ) ⋅ 0, 45 + (1 − ⋅ 2, 75 ⋅ ) ⋅ 0, 35
1 1 1 2, 75
⋅ 3, 25 ⋅
2 2⋅3 2 2⋅3 2 2⋅3
= 0, 46
ϐ) Σύµφωνα µε το Παράδειγµα 2.27,
P (Ε/λεωφορείο) ⋅ P (λεωφορείο) P (T ≤ 1, 25) ⋅ P (λεωφορείο)
P (λεωφορείο/Ε) =
P (E) P (E)
=
0, 37 ⋅ 0, 35
= = 0, 28.
0, 46
΄Ασκηση 4.33 Για την ολοκλήρωση ενός έργου χωρίς καθυστέρηση µένουν 50 ηµέρες. Η
διάρκεια των εργασιών που αποµένουν ακολουθεί λογαριθµοκανονική κατανοµή µε :
▸ µέση τιµή 30 και τυπική απόκλιση 7, αν οι καιρικές συνθήκες είναι καλές
▸ µέση τιµή 55 και τυπική απόκλιση 6, αν οι καιρικές συνθήκες είναι άσχηµες.
Αν οι καλές συνθήκες έχουν τριπλάσια πιθανότητα από τις κακές για τις 50 ηµέρες, να
υπολογισθεί η πιθανότητα να ολοκληρωθεί το έργο χωρίς καθυστέρηση.
Λύση
Θεωρώντας τα ενδεχόµενα
A: “ το έργο ολοκληρώνεται χωρίς καθυστέρηση”
K : “ οι καιρικές συνθήκες είναι καλές ”
Επειδή οι καλές καιρικές συνθήκες έχουν τριπλάσια πιθανότητα από τις κακές
P (K) = 3P (K ′ ) ⇔ P (K) = 3(1 − P (K)) ⇔ P (K) =

3
4
P (K ′ ) = 1 − P (K) = 1 −
3 1
οπότε = .
4 4
Σύµφωνα µε το ϑεώρηµα 2.14,
P (A) = P (A∣K)P (K) + P (A∣K ′ )P (K ′ ) (i)
62 §
όπου P (A∣K) = P (X < 50∣k),

όπου fX (x) η συνάρτηση πυκνότητας πιθανότητας της τυχαίας µεταβλητής
X∣k: “διάρκεια του έργου αν οι συνθήκες είναι καλές”
και
X∣k′ : “διάρκεια του έργου αν οι συνθήκες είναι κακές”.
Σύµφωνα µε τα δεδοµένα,
Κεφάλαιο 5
Πολυδιάστατες τυχαίες µεταβλητές
`Ασκηση 5.4 Να ϐρεθεί η πιθανότητα να προκύψουν τουλάχιστον 10 ϕορές εξάρες αν ϱίξουµε 2

Ϲάρια 120 ϕορές.
Λύση
X : “ αριθµός εξάρων που προκύπτουν από τη ϱίψη 2 Ϲαριών 120 ϕορές ”
ακολουθεί διωνυµική κατανοµή µε παραµέτρους
1
n = 200 και p = = 0, 028
36
την οποία µπορούµε να προσεγγίσουµε µε κανονική κατανοµή µε µέση τιµή
µ = n ⋅ p = 200 ⋅ 0, 028 = 5, 6 > 5
και διακύµανση
σ 2 = np(1 − p) = 200 ⋅ 0, 028 ⋅ 0, 972 = 5, 4 > 5.
Η αντίστοιχη της X τυποποιηµένη µεταβλητή είναι η
X − 5, 6 X − 5, 6
Z= √ =
5, 4 2, 32
και η αντίστοιχη της 10 τιµής της είναι
10 − 5, 6
= 1, 9
2, 32
οπότε, λόγω της παρατήρησης 4.5, της (4.36) και του Πίνακα Ι, προκύπτει
P (X ≥ 10) = P (Z ≥ 1, 9) = 1 − Φ(1, 9)
= 1 − 0, 9713 = 0, 0287
`Ασκηση 5.8 Σε ένα fast food οι πατάτες σερβίρονται σε συνήθη µερίδα και σε παιδική. Το
ϐάρος µίας συνήθους µερίδας ακολουθεί κανονική κατανοµή µε µέση τιµή 100gr και τυπική
απόκλιση 4gr ενώ της παιδικής µερίδας ακολουθεί κανονική κατανοµή µε µέση τιµή 47gr και
τυπική απόκλιση 3gr . Να υπολογιστεί η πιθανότητα το ϐάρος δύο παιδικών µερίδων να είναι
µικρότερο του ϐάρους µίας συνήθους µερίδας.
Λύση
Σύµφωνα µε το ϑεώρηµα 5.1 η τυχαία µεταβλητή
B = 2x − y
όπου
X : “ ϐάρος παιδικής µερίδας ”
και
63
64 §
Y : “ ϐάρος συνήθης µερίδας ”
ακολουθεί κανονική κατανοµή µε µέση τιµή και διακύµανση
E(B) = 2 ⋅ 47 − 1 ⋅ 100 = −6
V ar(B) = 22 − 3 + (−1)2 ⋅ 4 = 16
B ∼ N (−6, 42 )
Η αντίστοιχη της Β τυποποιηµένη µεταβλητή
B − (−6)
z=
4
και η αντίστοιχη της 0 τιµής της
0+6 3
= = 1, 5
4 2
οπότε σύµφωνα µε την Παρατήρηση 4.5, την (4.39β) και τον πίνακα Ι,
P (B < 0) = P (Z < 1, 5) = Φ(1, 5) = 0, 9332
`Ασκηση 5.10 Το ποσό νικοτίνης που περιέχεται σε ένα τσιγάρο µίας συγκεκριµένης µάρκας
είναι τυχαία µεταβλητή µε µέση τιµή 0, 5mgr και τυπική απόκλιση 0, 05mgr . Να υπολογιστεί η
πιθανότητα το ποσό νικοτίνης που λαµβάνει σε µία ηµέρα ένα άτοµο, που καπνίζει 25 τσιγάρα
την ηµέρα, να είναι τουλάχιστον 13mgr .
Λύση
Σύµφωνα µε το κεντρικό οριακό ϑεώρηµα (ϑεώρηµα. 5.17), η τυχαία µεταβλητή
Y = X1 + X2 + ⋅ ⋅ ⋅ + X25
όπου
Xi : “ το ποσό της νικοτίνης που περιέχεται στο i−τσιγάρο ”
ακολουθεί κανονική κατανοµή µε µέση τιµή και διακύµανση
E(x) = 25 ⋅ 0, 5 = 12, 5
V ar(x) = 25 ⋅ 0, 0025 = 0, 0625
Y ∼ N (12, 5, 0, 252 ),
οπότε η αντίστοιχη της Y τυποποιηµένη µεταβλητή
Y − 12, 5
Z=
0, 25
ακολουθεί κανονική κατανοµή µε µέση τιµή 0 και τυπική απόκλιση 1.
Η αντίστοιχη της x = 13 τιµή της z είναι
13 − 12, 5
=2
0, 25
οπότε µε τη ϐοήθεια της παρατ. 4.5, της (4.36) και τον πίνακα Ι
P (Y > 13) = P (Z > 2) = 1 − Φ(2) = 1 − 0, 9772
= 0, 0228
ΚΕΦΑΛΑΙΟ 5. ΠΟΛΥ∆ΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ 65
`Ασκηση 5.11 Αν η κοινή συνάρτηση πιθανότητας των τυχαίων µεταβλητών X και Y είναι
f (x, y) = A(x + y), x = 1, 2 y = 1, 2, 3,
α) Η τιµή της σταθεράς Α.
ϐ) Η συνδιακύµανση των X και Y .
γ) Ο συντελεστής συσχέτισης τους.
δ) Αν οι X και Y είναι ανεξάρτητες τυχαίες µεταβλητές.
ε)i) E(Y ∣x), ii) V ar(Y ∣x), iii) V ar(Y ∣X = 1).
στ)i) E(X∣Y = 3), ii) V ar(X∣Y = 3), iii) E(X 2 ∣y), iv) V ar(X∣Y = 1).
Λύση
α) Σύµφωνα µε τον ορισµό της κοινής πυκνότητας πιθανότητας
2 3
∑ ∑ fXY (x, y) = 1 ⇔ ∑ ∑ A(x + y) = 1 ⇔ 21A = 1 ⇔ A =
1
.
x y x=1 y=1 21
ϐ) Η συνδιακύµανση των X και Y υπολογίζεται από την σχέση (5.37)
Cov(XY ) = E(XY ) − µX µY . (i)
Οι περιθώριες συναρτήσεις πιθανότητας των X και Y είναι
3
x+2
(x + y) =
1
fX(x) = ∑
y=1 21 7
2
3 + 2y
(x + y) =
1
fY (y) = ∑ ,
x=1 21 21
οπότε οι µέσες τιµές των x και y είναι
2
x+2 3 4 11
µX = ∑ xfX(x) = ∑ x =1⋅ +2⋅ =
x x=1 7 7 7 7
και
3
3 + 2y 5 7 9 46
µY = ∑ yfY (y) = ∑ y =1⋅ +2⋅ +3⋅ = .
x y=1 21 21 21 21 21
`Ετσι, η (5.7) δίνει
E(XY ) = ∑ ∑ xyfXY (x, y) = ∑ ∑ xy (x + y)

1
x y X Y 21
2 3 4 3 4 5 61
= 1⋅1 +1⋅2 +1⋅3 +2⋅1 +2⋅2 +2⋅3 =
21 21 21 21 21 21 21
οπότε από την (i) προκύπτει
Cov(XY ) =
61 11 46 365
− ⋅ = = 0, 15.
17 7 21 2499
γ) Από τον Ορισµό (5.20) προκύπτει
Cov(XY )
ρ= (ii)
σX σY
και από την (3.9)
2
σX = E(X 2 ) − µ2X (iii)
2
x + 2 19
E(X 2 ) = ∑ x2 fX(x) = ∑ x2 = ,
x x=1 7 7
οπότε η (iii) δίνει (µX = )

11
7
− ( )2 = .
2 19 11 12
σX =
7 7 49
66 §
`Οµοια
3
3 + 2y 114
E(Y 2 ) = ∑ y 2 fY (y) = ∑ y 2 = ,
y y=1 21 21
οπότε (µY = )
46
21
46 2 278
−( ) =
114
σY2 = .
21 21 441
`Ετσι η (ii) δίνει
365
ρ = √ 2499
√ = 0, 37.
12 278
49 441
δ) Στο (ϐ) ϐρέθηκαν οι περιθώριες συναρτήσεις πιθανότητας, οπότε
x + 2 3 + 2y
fX (x) ⋅ fY (y) = ⋅ ≠ fXY (x, y)
7 21
οπότε οι τυχαίες µεταβλητές X και Y δεν είναι ανεξάρτητες.
ε) Σύµφωνα µε τον Ορισµό 5.9
fXY (x, y)
fY ∣X (y) =
fX (x)
η περιθώρια συνάρτηση της X είναι
x+2
fX (x) =
7
οπότε
x+y
x+y
= 21 = (iv)
x + 2 3(x + 2)
fY /x
7
i) Σύµφωνα µε την (5.30) και την (iv),
x+1 x+2 x+3
EY ∣x = ∑ yfY /x (Y /x) = 1 ⋅ +2⋅ +3⋅
y 3(x + 2) 3(x + 2) 3(x + 2)
6x + 14
E(Y ∣x) =
3(x + 2)
.
ii) Σύµφωνα µε τον Ορισµό 5.13,

V ar(Y /x) = E(Y 2 /x) − (E(Y /x))2 (v)
και σύµφωνα µε τον Ορισµό 5.12
14x + 36
E(Y 2 /x) = ∑ y 2 fY /x (y/x) =
3(x + 2)
οπότε η (v) δίνει
14x + 36 6x + 14 78x2 + 360x + 196

2
V ar(Y /x) = −( ) =
3(x + 2) 3(x + 2) 9(x + 2)2
iii) από το (ǫi) προκύπτει
6 ⋅ 1 + 14 20
E(Y /x = 1) = =
3(1 + 2) 9
στ) Σύµφωνα µε τον Ορισµό 5.9
fXY (x, y)
fX/Y =
fY (y)
3 + 2y
(fY (y) = ), οπότε
21
x+y
x+y
E(X/Y ) = 21 = (vi)
3 + 2y 3 + 2y
21
i) Σύµφωνα µε τον Ορισµό 5.3 και την (vi)
1+y 2+y 3y + 5
E(X/Y ) = ∑ x ⋅ fX/Y (x/y) = 1 ⋅ +2⋅ = (vii)
x 3 + 2y 3 + 2y 3 + 2y
οπότε
3 ⋅ 3 + 5 14
E(X/Y = 3) = =
3+2⋅3 9
ii) Σύµφωνα µε την (5.32)
V ar(X/Y ) = ∑(x − E(X/Y ))2 ⋅ fX/Y (x/y)
x
εποµένως
2
14 2 x + 3
V ar(X/Y = 3) = ∑ (x − ) ⋅
x=1 9 9
= (1 − ) ⋅ + (2 − )2 ⋅ =
14 2 4 14 5 164
9 9 9 9 729
iii) Σύµφωνα µε τον Ορισµό 5.12
2
x+y
E(X 2 /Y ) = ∑ x2 fX/Y (x/y) = ∑ x2
3 + 2y
x x=1
(viii)
1+y 2+y 5y + 9
= 12 + 22 =
3 + 2y 3 + 2y 3 + 2y
iv) Σύµφωνα µε τον Ορισµό 5.13, την (vii) και την (viii)
5y + 9 3y + 5 2
V ar(X/y) = E(X 2 /y) − (E(X/y))2 = −( ) ,
3 + 2y 3 + 2y
οπότε
5⋅1+9 3⋅1+5 2 1
V ar(x/y = 1) = −( ) =
3+2⋅1 3+2⋅1 25
`Ασκηση 5.16 Το πλήθος των αριθµών προτεραιότητας που δίνει σε µία ηµέρα ένα µηχάνηµα σε
µία τράπεζα ακολουθεί κατανοµή Poisson µε µέση τιµή λ = 250. Να υπολογιστεί η πιθανότητα :
α) Σε µία ηµέρα να δοθούν από 210 έως 290 αριθµοί.
ϐ) Το πλήθος των αριθµών που ϑα δοθούν εντός µίας εβδοµάδας (5 εργάσιµες ηµέρες) να είναι
τουλάχιστον 1250.
Λύση
α) Προσεγγιστικά µπορούµε να ϑεωρήσουµε ότι η τυχαία µεταβλητή (παρατ. 5.7)
X : “ πλήθος αριθµών προτεραιότητας που δίνει ένα µηχάνηµα σε µια τράπεζα σε µια ηµέρα”
ακολουθεί κανονική κατανοµή µε µέση τιµή µ = λ = 250 και διακύµανση σ 2 = 250
X ∼ N (250, 250)
Η αντίστοιχη της X τυποποιηµένη µεταβλητή
Q − 250
Z= √
250
και οι αντίστοιχες των x = 210 και x = 290 τιµές της Z
210 − 250 290 − 250
z1 = √ = −2, 53 z2 = √ = 2, 53,
250 250
οπότε µε τη ϐοήθεια της Παρατ. 4.5, την (4.42) και τον Πίνακα Ι
68 §
P (210 < X < 290) = P (−2, 53 < Z < 2, 53) = P (∣Z∣ < 2, 53)
= 2Φ(2, 53) − 1 = 2 ⋅ 0, 9943 − 1 = 0, 9886

ϐ) Η τυχαία µεταβλητή
Y = x1 + x2 + x3 + x4 + x5
όπου xi , i = 1, . . . , 5 δειγµατικές παρατηρήσεις της X σύµφωνα µε το παράδειγµα 5.14 ακολουθεί
κατανοµή Poisson µε παράµετρο n ⋅ λ = 5 ⋅ 250 = 1250
Y ∼ P0 (1250)
για την οποία προσεγγιστικά µπορούµε να ϑεωρήσουµε ότι ακολουθεί κανονική κατανοµή µε µέση
τιµή
µ = 1250
και διακύµανση
σ 2 = 1250
Η αντίστοιχη της Y τυποποιηµένη µεταβλητή
Y − 1250
W= √
1250
και η αντίστοιχη της x = 1250 τιµή της
1250 − 1250
w= √ = 0,
1250
οπότε σύµφωνα µε την παρατήρηση 4.5, την (4.36) και τον Πίνακα Ι
P (Y > 1250) = P (W > 0) = 1 − Φ(0) = 1 − 0, 5 = 0, 5
`Ασκηση 5.18 Μία σελίδα µιας εφηµερίδας αποτελείται από δύο µέρη : Το πρώτο (Α) που
περιέχει άρθρα και το άλλο (Β) µικρές αγγελίες. Ο µέσος αριθµός λαθών στο τµήµα Α είναι 2,8
ενώ στο Β 2,2.
α) Να ϐρεθεί η πιθανότητα η σελίδα αυτή :
i) Να έχει τουλάχιστον ένα λάθος.
ii) Να έχει το πολύ 7 λάθη.
ϐ) Να ϐρεθεί ο µικρότερος ϕυσικός ν, έτσι ώστε η πιθανότητα να υπάρχουν τουλάχιστον ν λάθη
στη σελίδα αυτή να είναι µικρότερη από 15%.
Λύση
Οι τυχαίες µεταβλητές
X : “ αριθµός λαθών στο πρώτο µέρος µιας σελίδας της εφηµερίδας ”
και
Y : “ αριθµός λαθών στο δεύτερο µέρος µιας σελίδας της εφηµερίδας ”
ακολουθούν κατανοµή Poisson µε παραµέτρους
λ1 = 2, 8 και λ2 = 2, 2 αντίστοιχα
X ∼ P0 (2, 8) και Y ∼ P0 (2, 2),
οπότε σύµφωνα µε ϑεώρ.5.2 η τυχαία µεταβλητή Z = X + Y ακολουθεί επίσης κατανοµή Poisson
(X και Y ανεξάρτητες τυχαίες µεταβλητές) µε παράµετρο λ = λ1 + λ2 = 5
Z ∼ P0 (5).
α)i) Σύµφωνα µε τον Πίνακα V
P (Z ≥ 1) = 1 − P (Z < 1) = 1 − Φ(1) = 1 − 0, 040 = 0, 96.
ii) ΄Οµοια
P (Z ≤ 7) = Φ(7) = 0, 867
ϐ) Ισχύει
P (Z ≥ ν) < 0, 15 ⇔ 1 − P (Z ≤ ν) < 0, 15
⇔ P (Z ≤ ν) > 0, 85
⇔ ϕ(ν) > 0, 85 > ϕ(6).
Εποµένως, (η Φ(z) είναι γνησίως αύξουσα)
ν > 6.
Εποµένως, ο µικρότερος ϕυσικός ν , ώστε η πιθανότητα να υπάρχουν τουλάχιστον ν λάθη στη

σελίδα αυτή να είναι µικρότερη από 15% είναι ν = 7.
`Ασκηση 5.20 Αν η κοινή συνάρτηση πυκνότητας πιθανότητας των τυχαίων µεταβλητών X, Y

είναι
cxy, x + y < 2, x > 0 και y > 0
fXY (x, y) = {
0, αλλού
α) Να υπολογισθεί η σταθερά c.
ϐ) Να ϐρεθούν οι περιθώριες συναρτήσεις κατανοµής των X, Y .
γ) Να ϐρεθούν οι µέσες τιµές :
i) E(X 2 Y ) ii) E(X) iii) E(Y 2 ).
Λύση
α) Σύµφωνα µε τον ορισµό της κοινής πυκνότητας πιθανότητας
∬D cxydxdy = 1 (i)
όπου D = {(x, y) ∶ x + y < 2, x > 0, y > 0}

2−x
y2
∬D cxydxdy = c ∫0 x (∫0 x[ ]
2 2−x 2
ydy) dx = c ∫ dx
0 2 0
2 (2 − x)2 2
= c∫ x = c
0 2 3
3
c= .
2
ϐ) Σύµφωνα µε τον Ορισµό 5.8, ισχύει
FX (x) = ∫ (∫ fXY (t, s)ds) dt

x +∞
−∞ −∞
= ∫ (∫
x 2−t 3
tsds) dt
0 0 2
3s2 x 3(2 − t)2

2−t
3x4 3x2
= ∫ t[ ] dt = ∫ t
x
dt = − x3 +
0 4 0 0 4 16 2
και
FY (y) = ∫ (∫ fXY (t, s)dt) ds = ∫ (∫

Y +∞ Y 2−y 3
tsdt) ds
−∞ −∞ 0 0 2
3y 4 3y 2
= − y3 +
16 2
γ) i) Σύµφωνα µε τον Ορισµό 5.7, ισχύει
70 §
E(X 2 Y ) = ∫ (∫ x2 yfXY (x, y)dx) dy

+∞ +∞
−∞ −∞
(∫
2 2−y 3
= ∫ x2 y xydx) dy
0 0 2
∫ Y (∫
3 2 2 2−y
= x3 dx) dy
2 0 0
3 2 2 (2 − y)4 3 128 64
= ∫ Y dy = = .
2 0 4 2 105 95
ii) Επίσης, σύµφωνα µε τον Ορισµό 5.7, ισχύει
xfX (x)dx
+∞
E(X) = ∫
−∞
όπου
FX (x) 3 3
fX (x) = = x − 3x2 + 3x,
dx 4
οπότε
2 3
E(X) = ∫ x( x3 − 3x2 + 3x)dx = 0, 8.
0 4
iii) Σύµφωνα µε τον Ορισµό 5.7, ισχύει
E(Y 2 ) = ∫ y 2 fY (y)dy ,
+∞
−∞
όπου
FY (y) 3 3
fY (y) = = y − 3y 2 + 3y ,
dy 4
οπότε
E(Y 2 ) = ∫ y 2 ( y 3 − 3y 2 + 3y) dy = 0, 8.
2 3
0 4
`Ασκηση 5.22 Αν η κοινή συνάρτηση πυκνότητας πιθανότητας των τυχαίων µεταβλητών X, Y

είναι
cx, x + y < 1, x > 0 και y > 0
fXY (x, y) = {
0, αλλού
α) Οι δεσµευµένες συναρτήσεις πιθανότητας fY ∣X (y∣x) και fX∣Y (x∣y).
ϐ) Οι δεσµευµένες µέσες τιµές :
i) E(Y ∣x), ii) E(X 2 ∣y).
γ) Η δεσµευµένη διακύµανση V ar(X∣y).
δ) Οι δεσµευµένες πιθανότητες :
i) P (Y < 1∣x), ii) P (Y < 1∣X > ).
1
2
Λύση
Αρχικά, υπολογίζουµε την τιµή της σταθεράς c. Σύµφωνα µε τον ορισµό της κοινής πυκνότητας
πιθανότητας
∬ fXY (x, y)dxdy = 1

D
όπου D = {(x, y) ∶ x + y < 1, x > 0 και y > 0}
⇔ c∫
1 1−x 1
∫ ∫ cxdydx = 1 x[y]1−x
0 dx = 1
0 0 0
⇔ c∫ x(1 − x)dx = 1 ⇔ c=1 ⇔ c=6

1 1
0 6
α) Σύµφωνα µε τον Ορισµό 5.9, ισχύει
fXY (x, y)
fY /X (y/x) = (i)
fX (X)
,
όπου fX (x) η περιθώρια πυκνότητα πιθανότητας της x, η οποία σύµφωνα µε τον Ορισµό 5.6 είναι
fX (x) = ∫ fXY (x, y)dy = ∫

+∞ 1−x
6xdy = 6x[y]1−x
0 = 6x(1 − x)
−∞ 0
οπότε από την (i)
fY ∣x (y, x) =
6x 1
=
6x(1 − x) 1 − x), 0 < x < 1
όµοια σύµφωνα µε τον Ορισµό 5.9
fXY (x, y)
fX/Y (x, y) =
fY (y)
όπου
1−y
x2
fY (y) = ∫ fXY (x, y)dx = ∫ 6xdx = 6 [ ]
+∞ 1−y
= 3(1 − y)2
−∞ 0 2 0
οπότε
fX/Y (x, y) =
6x 2x
(1 − y)2
= , 0 < y < 1, 0 < x < 1
3(1 − y)2
ϐ) Σύµφωνα µε τον Ορισµό 5.16, ισχύει

1−x
E(Y /x) = ∫ yfY /X (y/x)dy = ∫
+∞ 1−x 1
i) y dy =
−∞ 0 1−x 2
(1 − x)2
E(Y 2 /x) = ∫ y 2 fY ∣x (y, x)dy = ∫
+∞ 1−x 1
ii) y2 dy =
−∞ 0 1−x 3
γ) Σύµφωνα µε την αντίστοιχη της (5.12), ισχύει
V ar(X∣y) = E(X 2 ∣y) − [E(X∣y)]2 . (i)
Σύµφωνα µε τον Ορισµό 5.16, ισχύει
2(1 − y)
E(X∣Y ) = ∫
+∞ 1−y 2x
xfX∣Y dx = ∫
(1 − y)
x 2
dx =
−∞ 0 3
και
(1 − y)2
E(X 2 ∣y) = ∫ x2 fX/Y (x/y)dx = ∫
+∞ 1−y 2x
x2
(1 − y)2
dx = .
−∞ 0 2
`Ετσι η (i) δίνει
(1 − y)2 2(1 − y) (1 − y)2

2
V ar(X∣y) = −( ) =
2 3 6
δ) i)
1
y2
P (Y < 1∣x) = ∫ fY ∣X (y∣x)dy = ∫ 6xdy = 6x [ ] = 3x − x3 ,
1 1
−∞ x 2 x
οπότε
P (Y < 1∣x) = ∫ 1 P (Y < 1∣x)fX (x)dx = ∫ 1 (3x − x3 )6x(1 − x)dx =
1 1 159
.
2 2
320
ii)
P (Y < 1∣X > ) = ∫ 1 P (Y < 1∣x) fX (x)dx
1 1
(iii)
2 2
P (X >
1
2
αδδ *1
και
P (X > ) = ∫ 1 6x(1 − x)dx = .

1 1 1
2 2
2
72 §
οπότε η (iii) γίνεται

153
P (Y < 1∣X > ) =
1 320 318
1 = = 0, 994.
2 2
320
`Ασκηση 5.25 Αν ο αριθµός επισκέψεων X µιας ιστοσελίδας ακολουθεί κατανοµή Poisson µε

µέση τιµή 80 να υπολογιστούν :
α) P (X < 100), ϐ) P (X > 65).
Λύση
Επειδή λ = 30 > 10, χρησιµοποιούµε την κανονική προσέγγιση της κατανοµής της X
X ∼ N (80, 80)
οπότε χρησιµοποιώντας την αντίστοιχη της X τυποποιηµένη µεταβλητή
X − 80
Z= √
80
προκύπτει ότι :
α) η Ϲητούµενη πιθανότητα είναι
100 − 80
P (X < 100) = P (Z < √ ) = P (Z < 2, 24) = Φ(2, 24) = 0, 9875.
80
ϐ) Η πιθανότητα αυτή, σύµφωνα µε την (4.38), είναι
65 − 80
P (X > 65) = P (Z > √ ) = P (Z > −1, 68) = P (Z < 1, 68)
80
= Φ(1, 68) = 0, 9535
Με τη χρήση της αντίστοιχης τυποποιηµένης µεταβλητής της X
X − 465, 6
Z= √
96
η Ϲητούµενη πιθανότητα είναι
480 − 465, 6
P (X ≤ 8 ⋅ 60) = P (X < 480) = P (Z < √ ) = P (Z < 1, 47) = Φ(1, 47) = 0, 9292.
96
`Ασκηση 5.26 Αν η κοινή συνάρτηση πυκνότητα πιθανότητας των τυχαίων µεταβλητών X και Y
είναι
⎧
⎪ kxy, (x, y) ∈ Ω
⎪
fXY (x, y) = ⎨
⎪
⎪
⎩ 0, αλλού
όπου Ω = {(x, y) ∶ y > x και 0 < y < 2},
να υπολογιστούν :
α) Η τιµή της σταθεράς k
ϐ) Οι περιθώριες συναρτήσεις πυκνότητας πιθανότητας fX (x) και fY (y)
γ) Οι δεσµευµένες πιθανότητες :
iii) P (Y > ∣X > 1) , iv) P (Y > a∣X < 1), 0 < a < 2.
1
2
Λύση
α) Επειδή (ϐλ. Ορισµό 5.5)
∬A fXY (x, y)dxdy = 1,

σύµφωνα µε το Σχήµα 5.5α,
y y
y=2
2 2
A x=0 x=y
A
y=x
x x
O 2 O 2
(α) (β)
Σχήµα 5.5 Το χωρίο του Παραδείγµατος 5.9
2
y2
(∫ ⇔ k∫ x[ ] dx = 1 ⇔ ∫ (4x − x3 )dx = 1
2 2 2 k 2
∫ kxydy) dx = 1
0 x 0 2 x 2 0
⇔ ⋅4=1 ⇔ k =
k 1
2 2
ϐ) Σύµφωνα µε το Σχήµα 5.5α, και τον Ορισµό 5.6, η περιθώρια συνάρτηση πιθανότητας της
τυχαίας µεταβλητής X είναι
2
1 y2 x3
fX (x) = ∫ xydy = x [ ] = x −
2 2 1
fXY dy = ∫
x x 2 2 2 x 4
και η περιθώρια συνάρτηση πιθανότητας της τυχαίας µεταβλητής X είναι
y
y x2 y3
fY (y) = ∫ xydx = [ ] = .
y y 1
fXY dx = ∫
0 0 2 2 2 0 4
γ) iii) Σύµφωνα µε τον Ορισµό 5.15,
P (Y > ∣x) fX (x)dx

2 3
∫
P (Y > ∣X > 1) = 1 (v)
3 2
P (X > 1)
.
2
Σύµφωνα µε τον Ορισµό 5.14, τη λύση του (γ)ii και το Σχήµα 5.9β:
3
Για 1 < x < ισχύει (αφού
2
xy
fXY 2 2y
fY ∣X dy = = 3 = 4 − x2 )
fX
x−
x
4
2
y2
P (Y > ∣x) = ∫ 3 fY ∣X dy = ∫ 3 [ ] =
3 2 2 2y 7
dy =
− − −
2 2 3
,
2 2 2
4 x 4 x 16 4x2
2
οπότε ο αριθµητής της (v) είναι
P (Y > ∣x) fX (x)dx = ∫

2 3 2 7
∫ dx = 0, 370.
1 2 1 16 − 4x2
Επίσης,
P (X > 1) = ∫ fX (x)dx = ∫ x(4 − x2 )dx

2 2 1
1 1 4
4
[2x2 − ]21 =
1 x 9
= = 0, 563,
4 4 16
οπότε η (v) γίνεται
P (Y > ∣x > 1) =
3 0, 370
= 0, 658.
2 0, 563
74 §
`Ασκηση 5.27 Αν η κοινή συνάρτηση πιθανότητας των τυχαίων µεταβλητών X και Y είναι
kx, (x, y) ∈ Ω
fXY (x, y) = {
0, αλλού
όπου Ω = {(x, y) ∶ 0 < y < x2 , 0 < x < 2},
να υπολογιστούν :
α) η τιµή της σταθεράς k ,
ϐ) οι δεσµευµένες συναρτήσεις πυκνότητας πιθανότητας fX∣Y και fY ∣X ,
γ) η πιθανότητα P (X > 1∣Y < 3).
Λύση
y y
4 4
y=x2 x=√y x=2
x x
O 2 O 2
(α) (β)
Σχήµα 5.7 Το χωρίο της `Ασκησης 5.27
α) Σύµφωνα µε το Σχήµα 5.7α και τον Ορισµό 5.5,

x2
⇔ ∫ (∫ kxdy) dx = 1 ⇔ ∫
2 2
∬ fXY dxdy = 1
2
kx[y]x0 dx = 1
Ω 0 0 0
2
x4
⇔ k∫ x3 dx = 1 ⇔ k [ ] = 1 ⇔ 4k = 1 ⇔ k =
2 1
0 4 0 4
ϐ) Σύµφωνα µε το Σχήµα 5.7α και τον Ορισµό 5.6, η περιθώρια πυκνότητα πιθανότητας της τυχαίας
µεταβλητής X είναι
x2 x2
fX (x) = ∫
1 1 1
fXY dy = ∫
2
xdy = x[y]x0 = x3 , 0<x<2
0 0 4 4 4
και σύµφωνα µε το Σχήµα 5.7β, και τον Ορισµό 5.6,
4−y
2
1 x2
fY (y) = ∫√ fXY dx = ∫√ xdx = [ ] =
2 2 1
.
y y 4 4 2 √
y 8
΄Ετσι, σύµφωνα µε τον Ορισµό 5.9, οι δεσµευµένες συναρτήσεις πυκνότητας πιθανότητας είναι
1
fXY (x, y) x 1
= 4 = 2, x ≠ 0
fX (x)
fX∣Y =
1 x
x3
4
1
fXY (x, y) x 2x
= 4
fY (y) 4−y 4−y
fY ∣X = = , y≠4
γ) ii) Σύµφωνα µε τον Ορισµό 5.15,
3 8
∫ P (X > 1∣y)fY (y)dy
P (X > 1∣Y < 3) = 0 (ii)
P (Y < 3)
.
Σύµφωνα µε τον Ορισµό 5.14, τη λύση του (ϐ) και το σχήµα :

για 0 < y < 1,
1 2 1
P (X > 1∣y) = ∫ [ ] = = 0, 5,
2 2 1
fX∣Y dx = ∫ dx = −
1 1 x2 x 1 2
y y
4 4
3 A
x=√y A1 x=2
1 1
y=x2 x=1 A x=2
2
x x
O 1 2 O 1 2
(α) (β)
Σχήµα 5. Το χωρίο της `Ασκησης 5.27
για 1 < y < 3,

1 2
P (X > 1∣y) = ∫√ fX∣Y dx = ∫√ [ ]√ = √ − ,
2 2 1 1 1
2
dx = −
y y x x y y 2
αδδ *2
οπότε, λόγω και της λύσης του (α), η (ii) γίνεται
P () =
0, 526
= 0, 651.
0, 9375
`Ασκηση 5.31 Η αντοχή µιας γέφυρας ϑεωρείται µεταβλητή κανονικής κατανοµής και από
αξιόπιστα πειράµατα έχουµε συλλέξει τα εξής στοιχεία για την τιµή της :
a1 = 5, a2 = 4, a3 = 4.2, a4 = 4.8, a5 = 4.6 και a6 = 5, 3.
Αν το ϐάρος ενός οχήµατος είναι τυχαία µεταβλητή B ∼ N (0.7, 0.1) ποιος µπορεί να είναι ο
µέγιστος αριθµός οχηµάτων που ϑα ϐρίσκονται πάνω στη γέφυρα ώστε να εξασφαλίζεται επίπεδο
ασφάλειας 98%;
Λύση
Από τα δεδοµένα µπορώ να υπολογίσουµε τη δειγµατική µέση τιµή
a1 + a2 + ⋅ ⋅ ⋅ + a6 5 + 4 + 4, 2 + 4, 8 + 4, 6 + 5, 3
x̄ = = = 4, 65
6 6
και τη δειγµατική διασπορά :
(x̄ − a1 )2 + (x̄ − a2 )2 + ⋅ ⋅ ⋅ + (x̄ − a6 )2 (4, 65 − 5)2 + (4, 65 − 4)2 + ⋅ ⋅ ⋅ + (4, 65 − 5, 3)2
s2 = =
6−1 5
√
= 0, 239
οπότε s = 0, 239 = 0, 4889.
Η ασφάλεια της γέφυρας όταν πάνω της ϐρίσκονται λ οχήµατα είναι
P = P (A − (B1 + B2 + ⋅ ⋅ ⋅ + Bλ ) > 0)
Θεωρούµε την τυχαία µεταβλητή
Z = A − (B1 + B2 + ⋅ ⋅ ⋅ + Bλ )
µε
E(Z) = x̄ − λµ ⇔ E(Z) = 4, 65 − λ ⋅ 0, 7
και
V ar(Z) = V ar(A) + V ar(B1 ) + V ar(B2 ) + ⋅ ⋅ ⋅ + V ar(Bλ ) = 0, 239 + 0, 1λ,
√ √
σZ = V ar(Z) = 0, 239 + 0, 01λ.
΄Αρα,
P (Z > 0) = 0, 98 ⇔ 1 − P (Z < 0) = 0, 98 ⇔ Φ (− ) = 0, 02
E(Z)
σz
0, 7λ − 4, 65
− = Φ−1 (0, 02) ⇔ √ = Φ−1 (0, 02) (i)
E(Z)
ή
σZ 0, 239 + 0, 01λ
76 §
Σύµφωνα µε το Παράδειγµα 4.31,

Φ−1 (0, 02) = −Φ−1 (1 − 0, 02) = −Φ−1 (0, 98).
Από τον Πίνακα Ι προκύπτει
Φ(2, 06) = 0, 98 ⇔ Φ−1 (0, 98) = 2, 06,
0, 7λ − 4, 65
√ = −2, 06.
0, 239 + 0, 01λ
•Λύνοντας αριθµητικά (µε τη ϐοήθεια µαθηµατικού λογισµικού) την εξίσωση αυτή, προκύπτει ότι
ο µέγιστος αριθµός οχηµάτων που ϑα ϐρίσκονται πάνω στη γέφυρα, ώστε να εξασφαλίζεται επίπεδο
ασφάλειας 98% είναι λ = 6.2.
Κεφάλαιο 6
Βασικές έννοιες - Περιγραφική

Στατιστική
Ασκηση 6.8 Αν xi και ni , i = 1, 2, ..., k οι τιµές και οι συχνότητες µιας µεταβλητής x µε

µέση τιµή x και τυπική απόκλιση s για ένα δείγµα µεγέθους n, τότε να δειχθεί ότι
k
∑ ni xi = (n − 1)s + nx .
2 2 2
i=1
Λύση
Σύµφωνα µε την (6.28),
k
(∑ ni x2i − nx2 )
1
s2 =
n − 1 i=1
k
ή (n − 1)σ 2 = ∑ ni x2i − nx2
i=1
k
∑ ni xi = (n − 1)s + nx .
2 2 2
ή
i=1
Ασκηση 6.9 Στα δύο υποκαταστήµατα Α και Β µιας εταιρείας εργάζονται 18 και 16
υπάλληλοι αντίστοιχα, η µέση τιµή του µισθού τους είναι µA = 752, 2, µB = 690, 8 και οι
τυπικές αποκλίσεις σA = 122, 4, σB = 92, 8.
Να ϐρεθεί :
α) η µέση τιµή, ϐ) η τυπική απόκλιση
των µισθών των υπαλλήλων όλης της εταιρείας.
Λύση
Αν t1 , t2 , ..., t18 οι µισθοί των υπαλλήλων του υποκαταστήµατος Α και t19 , t10 , ..., t34 του υποκατα-
στήµατος Β, η µέση τιµή των µισθών των υπαλλήλων όλης της εταιρείας είναι (ϐλ. (6.16))
[(t1 + t2 + ... + t18 ) + (t19 + t10 + ... + t34 )]. (i)

1
µ=
34
Επίσης, σύµφωνα µε τον ορισµό της µέσης τιµής του κάθε υποκαταστήµατος
(t1 + t2 + ... + t18 ) και µB = (t19 + t20 + ... + t34 ),

1 1
µA =
18 16
οπότε t1 + t2 + ... + t18 = 18µA και t19 + t20 + ... + t34 = 16µB .
`Ετσι, η (i) δίνει
77
78 §
18µA + 16µB 18 ⋅ 752, 2 + 16 ⋅ 690, 8
µ= = = 723, 3. (ii)
34 34
ϐ) Η διακύµανση των µισθών των υπαλλήλων όλης της εταιρείας είναι (ϐλ. (6.25))
1 34 2
σ2 = ∑t − µ
2
(iii)
34 i=1 i
Το άθροισµα των τετραγώνων των µισθών των υπαλλήλων όλης της εταιρείας είναι
34
∑ ti = ∑ ti + ∑ ti
2 2 2
(iv)
i=1 A B
όπου ∑ t2i και ∑ t2i τα αθροίσµατα των τετραγώνων των µισθών κάθε υποκαταστήµατος. Για τις
τυπικές αποκλίσεις των δύο υποκαταστηµάτων ισχύει (ϐλ. (6.25))

A B
1 1
∑ ti − µA και σB = ∑ t − µB
2 2 2 2 2 2
σA =
18 A 16 B i
οπότε
∑ ti
2
= 18 (σA
2
+ µ2A ) = 18(122, 42 + 752, 22 ) = 10454158
A
∑ ti
2
= 16 (σB
2
+ µ2B ) = 16(92, 82 + 690, 82 ) = 7773063.
B
`Ετσι από την (iv) προκύπτει ότι

34
∑ ti = 10454158 + 7773063 = 18227222
2
i=1
και η (iii)
18227222
σ2 = − 723, 32 = 12931, 9,
34
√
οπότε σ = 12931, 9 = 113, 7.
Ασκηση 6.10 Αν όλες οι τιµές σε ένα κατάστηµα αυξηθούν κατά 3% να ϐρεθεί το ποσοστό
κατά το οποίο ϑα µεταβληθούν :
α) η µέση τιµή,
ϐ) η διακύµανσή,
γ) η τυπική απόκλισή
δ) Ο συντελεστής µεταβλητότητας, των τιµών του καταστήµατος.
Λύση
Αν X και Y οι τιµές των προιόντων πριν και µετά την αύξηση,
3
y i = xi + xi = 1, 03xi ,
100
οπότε, σύµφωνα µε την (6.31),
µY = 1, 03µX
και σY2 = 1, 032 σX

2
,
και σY = 1, 03σX ,
οπότε το ποσοστό µεταβολής της µέσης τιµής των τιµών, της διακύµανσης και της τυπικής απόκλι-
ΚΕΦΑΛΑΙΟ 6. ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ - ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 79
σής τους είναι
µY − µX 1, 03µX − µX
100 = 100 = 0, 03 ⋅ 100
µX µX
= 3%
σY2 − σX
2
1, 032 σX
2
− σX
2
2
100 = 2
100 = 0, 061 ⋅ 100
σX σX
= 6, 1%
σY − σX 1, 03σX − σX
100 = 100 = 0, 03 ⋅ 100
σX σX
= 3%
δ) Ο συντελεστής µεταβλητότητας της µεταβλητής Y είναι
σY 1, 03σX σX
CVY = 100 = 100 = 100 = CVX ,
µY 1, 03µX µX
οπότε ο συντελεστής µεταβλητότητας των τιµών παραµένει ίδιος κατά την αύξηση αυτή.
Ασκηση 6.11 Αν όλες οι τιµές µιας τυχαίας µεταβλητής X µε µέση τιµή 20 και τυπική
απόκλιση 2 µειωθούν κατά 5, να ϐρεθεί το ποσοστό µεταβολής :
α) της µέσης τιµής της X ,
ϐ) της τυπικής της απόκλισης.
Λύση
Αν X και Y οι τιµές πριν και µετά την µείωση,
yi = xi − 5,
οπότε, σύµφωνα µε την (6.31),
µY = µX − 5
και σY2 = 12 σX
2 2
= σX ,
και σY = 1 ⋅ σX = σX ,
οπότε το ποσοστό µεταβολής της µέσης τιµής των τιµών αυτών και της τυπικής απόκλιση τους είναι
µY − µX µX − 5 − µX 20 − 5 − 20
100 = 100 = 100
µX µX 20
= −25%
σY − σX σX − σX
100 = 100
σX σX
= 0
80 §
Κεφάλαιο 7
Εκτιµητική, διαστήµατα εµπιστοσύνης
Ασκηση 7.1 α) Να ϐρεθεί, µε τη µέθοδο των ϱοπών, ο εκτιµητής της παραµέτρου θ της
κατανοµής της τυχαίας µεταβλητής X , που έχει πυκνότητα πιθανότητας
f (x) = θxθ−1 , 0 < x < 1, θ > 0.
ϐ) Να ϐρεθεί ο εκτιµητής µέγιστης πιθανοφάνειας της θ .
Λύση
α) Η ϱοπή πρώτης τάξης (µέση τιµή) της Χ είναι
xf (x)dx = ∫
1 1 1 θ
E(X) = ∫ xθxθ−1 dx = θ ∫ xθ dx =
1+θ
,
0 0 0
οπότε εξισώνοντάς την µε τη δειγµατική ϱοπή πρώτης τάξης X προκύπτει
θ X
=X ή θ=
1+θ
.
1−X
Εποµένως, ο εκτιµητής της παραµέτρου θ µε τη µέθοδο των ϱοπών είναι ο
θ̂ =
X
.
1−X
ϐ) Στην περίπτωση αυτή η συνάρτηση πιθανοφάνειας (7.1) είναι
1 θx2 ⋯θxn
L(θ) = θxθ−1 θ−1 θ−1
= θ n (x1 x2 ...xn )θ−1 ,

οπότε ln L(θ) = n ln θ + (θ − 1) ln(x1 x2 ⋯xn ).
`Ετσι από την (7.1)
= + ln(x1 x2 ...xn ) = 0 ⇔ θ = −
d ln L(θ) n n
ln x1 + ln x2 + ... + ln xn
.
dθ θ
d2 ln L(θ)
= − 2 < 0,
n
και
dθ 2 θ
οπότε η L(θ) έχει µέγιστο για
θ=−
n
n .
∑ ln xi
`Αρα ο εκτιµητής µέγιστης πιθανοφάνειας της παραµέτρου θ είναι
θ̂ = −
n
n .
∑ ln Xi
81
82 §
f (x) =
1 −x
xe θ , x > 0, θ > 0.
θ2
Λύση
xf (x)dx = ∫
+∞ +∞ 1 −x
E(X) = ∫ x xe θ dx = 2θ ,
0 0 θ2
X
2θ = X ή θ = .
2
Εποµένως ο εκτιµητής της παραµέτρου θ µε τη µέθοδο των ϱοπών είναι ο
θ̂ = .
X
2
1 − θ1 1
x x
− θ2 1 − xθn
L(θ) = x 1 e x 2 e ... x n e
θ2 θ2 θ2
(x )e
1 (x +x +...+xn )
− 1 2θ
= 1 x 2 ...x n ,
θ 2n
x1 + x2 + ... + xn
οπότε ln L(θ) = −2n ln θ + ln(x1 x2 ...xn ) − .
θ
`Ετσι, από την (7.1)
=0 ⇔ − + 2 (x1 + x2 + ... + xn ) = 0 (i)

d ln L(θ) 2n 1
dθ θ θ
x1 + x2 + ... + xn
θ=
2n
d2 ln L(θ) 2n 2
και = 2 − 3 (x1 + x2 + ... + xn ),
dθ 2 θ θ
οπότε για
x1 + x2 + ... + xn
θ=
2n
η (i) δίνει
d2 ln L(θ) 2n 2 2n
2
= 2 − 3 2nθ = − 2 < 0.
dθ θ θ θ
Εποµένως, η L(θ) έχει µέγιστο για
x1 + x2 + ... + xn
θ= ,
2n
οπότε ο εκτιµητής µέγιστης πιθανοφάνειας της παραµέτρου θ είναι
X1 + X2 + ... + Xn X
θ̂ = = .
2n 2
ΚΕΦΑΛΑΙΟ 7. ΕΚΤΙΜΗΤΙΚΗ, ∆ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ 83
f (x) = x θ , 0 < x < 1, θ > 0.

1 1−θ
θ
Λύση
xf (x)dx = ∫
1 1 1 1 1 1 1 1 1
E(X) = ∫ x x θ −1 dx = ∫ x θ dx =
0 0 θ θ 0 θ 1
θ +1
1
= ,
θ+1

1 1 1−X
=X ή θ= −1 =
θ+1
.
X X
Εποµένως, ο εκτιµητής της παραµέτρου θ µε τη µέθοδο των ϱοπών είναι ο
1−X
θ̂ = .
X
1 1θ −1 1 1θ −1 1 1θ −1
L(θ) = x x ... xn
θ 1 θ 2 θ
(x1 x2 ...xn ) θ −1 ,
1 1
= n
θ
ln L(θ) = −n ln θ + ( − 1) ln(x1 x2 ...xn ).
1
οπότε
θ
`Ετσι, από την (7.1)
1 n
= − − 2 ln(x1 x2 ...xn ) = 0 ⇔ θ = − ∑ ln xi . (i)
d ln L(θ) n 1
dθ θ θ n
2 n
d ln L(θ) n 2
και 2
= 2 + 3 ∑ ln xi ,
dθ θ θ
1 n
οπότε για θ = − ∑ ln xi η (i) δίνει
n
d2 ln L(θ) n
= 2 + 3 (−nθ) = − 2 < 0.
2 n
dθ 2 θ θ θ
1 n
`Αρα η L(θ) έχει µέγιστο για θ = − ∑ ln xi , οπότε ο εκτιµητής µέγιστης πιθανοφάνειας της
n
παραµέτρου θ είναι
θ̂ = − ∑ ln Xi .
n
1
n
Ασκηση 7.6 Σε ένα δείγµα 500 ατόµων που ϱωτήθηκαν αν συµφωνούν µε µία κυβερνητική
απόφαση απάντησαν ϑετικά οι 168. Να ϐρεθεί ένα 99% διάστηµα εµπιστοσύνης για το
ποσοστό του πληθυσµού που συµφωνεί µε την απόφαση αυτή.
Λύση
Η δειγµατική αναλογία των ατόµων που συµφωνούν µε την κυβερνητική απόφαση είναι
84 §
y 168
= = 0, 336,
n 500
οπότε σύµφωνα µε την (7.32) ένα 95% διάστηµα εµπιστοσύνης για το ποσοστό του πληθυσµού που
συµφωνεί µε την κυβερνητική απόφαση είναι (από τον πίνακα Ι z0,01/2 = z0,005 = 2, 58)
√ √
[0, 336 − 2, 58 0, 336(1 − 0, 336)/500, 0, 336 + 2, 58 0, 336(1 − 0, 336)/500]
= [0, 282, 0, 390].
Ασκηση 7.7 Για την µελέτη του ϐάρους των γλυκών που παράγει µια µηχανή µίας
ϐιοτεχνίας γλυκισµάτων λήφθηκε το παρακάτω τυχαίο δείγµα (σε gr ):
21, 50 18, 95 18, 55 19, 4 19, 15 22, 35 22, 90 22, 20 23, 10.
Αν το ϐάρος των γλυκών ακολουθεί κανονική κατανοµή, να ϐρεθεί ένα 95% διάστηµα
εµπιστοσύνης για την µέση τιµή του.
Λύση
Επειδή το δείγµα είναι µικρό ακολουθούµε την παρατ.7.10.
Η δειγµατική µέση τιµή είναι
1 9
x= ∑ xi = 20, 9
9 i=1
και η δειγµατική τυπική απόκλιση, σύµφωνα µε την (5.57),
¿
Á1 9
s=Á
À (∑ x2 − 9x2 ) = 1, 86,
8 i=1 i
΄Ετσι σύµφωνα µε την παρατ. 7.10, ένα 95% διάστηµα εµπιστοσύνης για την µέση τιµή είναι το
(t8;0,025 = 2, 306)
[x − tn−1;a/2 √ , x + tn−1;a/2 √ ]
s s
n n
[20, 9 − 2, 306 √ , 20, 9 + 2, 306 √ ] = [19, 48, 22, 33].

1, 86 1, 86
ή
9 9
Ασκηση 7.9 Για να εξετάσουµε την αποδοτικότητα ενός προτεινόµενου συστήµατος για
την αύξηση της ταχύτητας πληκτρολόγησης καταγράψαµε για 8 τυχαία επιλεγµένες γραµ-
µατείς που διδάχτηκαν το σύστηµα αυτό τους χρόνους που χρειάζονται για να γράψουν ένα
συγκεκριµένο άρθρο πριν (X ) και µετά (Y ) την εκµάθηση του νέου συστήµατος.
Χ: 97 72 93 110 78 69 115 75
Υ: 81 75 89 91 65 70 90 69
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης της διαφοράς των µέσων χρόνων γραφής του
άρθρου πριν και µετά την εκµάθηση της µεθόδου.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας a = 0, 05 ότι η µέθοδος αυτή
αυξάνει την ταχύτητα γραφής ;
Λύση
α) Επειδή οι παρατηρήσεις είναι Ϲευγαρωτές ακολουθούµε την παρατ. 7.26.
Οι διαφορές di = xi − yi των τιµών των δύο αυτών δειγµάτων είναι
di ∶ 16 -3 4 19 13 -1 25 6
Η δειγµατική µέση τιµή και τυπική απόκλιση των διαφορών των αντίστοιχων παρατηρήσεων είναι
«ϐλ. (6.13) και (6.23))

1 8
d = ∑ di = 9, 87
8 i=1
¿
Á 1
= Á
À
8
(∑ d2i − 8d ) = 9, 95,
2
sd
8 − 1 i=1
οπότε ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των µέσων τιµών
µD = µX − µY ,
σύµφωνα µε την παρατ. 7.26, είναι
[d − tn−1;a/2 √ , d + tn−1;a/2 √ ]. (i)

sd sd
n n
Από τον πίνακα ΙΙΙ προκύπτει ότι t8;0,025 = 2, 262, οπότε η (i) δίνει
[9, 87 − 2, 306 √ , 9, 87 + 2, 306 √ ] = [2, 22, 17, 51]. (i)

9, 95 9, 95
9 9
ϐ) Επειδή το διάστηµα αυτό δεν περιέχει το µηδέν µπορούµε να συνάγουµε σε στάθµη σηµαντι-
κότητας α=0,05 (ϐλ. παρατ. 7.16) ότι µD > 0 ή µY < µX , δηλαδή ότι η µέθοδος αυτή αυξάνει την
ταχύτητα γραφής.
Ασκηση 7.11 Για την µελέτη του ϐάρους των κοριτσιών 16 ετών της χώρας µας λήφθηκε
το παρακάτω τυχαίο δείγµα (σε kg ):
67 56 49 68 50 60 64 58 62.
Αν το ϐάρος ακολουθεί κανονική κατανοµή µε τυπική απόκλιση σ = 7kg , να ϐρεθεί :
α) `Ενα 95% διάστηµα εµπιστοσύνης για την µέση τιµή του ϐάρους των κοριτσιών 16 ετών
της χώρας µας.
ϐ) `Ενα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το κάτω ϕράγµα της µέσης τιµής του
ϐάρους των κοριτσιών 16 ετών της χώρας µας.
Λύση
Επειδή το ϐάρος X των κοριτσιών ακολουθεί κανονική κατανοµή µε γνωστή τυπική απόκλιση,
ακολουθούµε την παρατ. 7.4.
Η µέση τιµή του δείγµατος αυτού είναι
1 9
x= ∑ xi = 59, 33,
9 i=1
οπότε ένα 95% δίπλευρο διάστηµα εµπιστοσύνης για την µέση τιµή της X είναι (από τον πίνακα Ι
ή τον πίνακα 4.1 z0,025 = 1, 96)
[x − za/2 √ , x + za/2 √ ] = [59, 33 − 1, 96 ⋅ , 59, 33 + 1, 96 ⋅ ]

σ σ 7 7
n n 3 3
= [54, 76, 63, 90].
ϐ) Σύµφωνα µε την (7.4) της παρατ. 7.6, ένα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το κάτω
ϕράγµα της µέσης τιµής του ϐάρους είναι (από τον πίνακα Ι ή τον πίνακα 4.1 z0,05 = 1, 645)
[x − z0,05 √ , +∞) = [59, 33 − 1, 645 ⋅ , +∞) = [55, 49, +∞).

σ 7
9 3
Ασκηση 7.13 Σε ένα τυχαίο δείγµα 36 ηµερών ο µέσος αριθµός επισκεπτών ανά ηµέ-
ϱα ενός µουσείου ήταν 379,2 µε τυπική απόκλιση 124. Να ϐρεθεί ένα 95% διάστηµα
εµπιστοσύνης για τον µέσο αριθµό επισκεπτών ανά ηµέρα.
86 §
Λύση
Επειδή το δείγµα είναι µεγάλο (n = 36), σύµφωνα µε την (7.5) της παρατ. 7.7, ένα 95% διάστηµα
εµπιστοσύνης για την µέση τιµή του αριθµού επισκεπτών του µουσείου ανά ηµέρα X είναι
[x − z0,05/2 √ , x + z0,05/2 √ ],
s s
n n
Από τον πίνακα Ι προκύπτει ότι z0,025 = 1, 96, οπότε το Ϲητούµενο διάστηµα εµπιστοσύνης είναι
[379, 2 − 1, 96 √ , 379, 2 + 1, 96 √ ] = [338, 7, 419, 7].

124 124
36 36
Ασκηση 7.15 Μια µηχανή παράγει ατσάλινα ϕύλλα των οποίων το ϐάρος ακολουθεί
κανονική κατανοµή µε τυπική απόκλιση 2, 4kg . Αν ένα τυχαίο δείγµα 36 ϕύλλων είχε
µέσο ϐάρος 31, 4kg , να ϐρεθεί ένα 99% διάστηµα εµπιστοσύνης για το µέσο ϐάρος των
παραγόµενων ϕύλλων.
Λύση
Επειδή η τυπική απόκλιση είναι γνωστή, σύµφωνα µε την παρατ. 7.4, ένα 99% διάστηµα εµπιστο-
σύνης για την µέση τιµή του ϐάρους X των παραγόµενων ϕύλλων είναι
[x − z0,01/2 √ , x + z0,01/2 √ ],
σ σ
n n
[31, 4 − 2, 58 √ , 31, 4 + 2, 58 √ ] = [30, 37, 32, 43].

2, 4 2, 4
36 36
Ασκηση 7.17 Σε ένα δείγµα 12 παιδιών ηλικίας 3 ετών µετρήθηκε το ϐάρος τους X (σε
kg) και προέκυψε
9, 5 9, 5 11, 2 10, 6 9, 9 11, 1 10, 9 9, 8 10, 1 10, 2 10, 9 11, 0.
Αν η τυχαία µεταβλητή X ακολουθεί κανονική κατανοµή µε διακύµανση 0,9, να ϐρεθεί :
α) ΄Ενα 99% διάστηµα εµπιστοσύνης για την µέση τιµή της X .
ϐ) ΄Ενα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα της µέσης τιµής της
X.
Λύση
α) Επειδή η τυπική απόκλιση είναι γνωστή, σύµφωνα µε την παρατ. 7.4, ένα 99% διάστηµα
εµπιστοσύνης για την µέση τιµή του ϐάρους X των παιδιών είναι
[x − z0,01/2 √ , x + z0,01/2 √ ],
σ σ
n n
1 12
x= ∑ xi = 10, 39
12 i=1
√ √
[10, 39 − 2, 58 √ , 10, 39 + 2, 58 √ ] = [9, 68, 11, 1].
0, 9 0, 9
12 12
ϐ) Σύµφωνα µε την παρατ. 7.5, ένα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα
της µέσης τιµής της X είναι το
√
(0, x + z0,05 √ ] = (0, 10, 39 + 1, 645 √ ] = (0, 10, 84],
σ 0, 9
n 12
Ασκηση 7.19 Σε ένα δείγµα 300 µπισκότων που παράγονται από µια µηχανή ϐρέθηκαν
45 σπασµένα. Να ϐρεθεί για την αναλογία σπασµένων µπισκότων στην συνολική παραγωγή
της µηχανής :
α) ΄Ενα 95% διάστηµα εµπιστοσύνης.
ϐ) ΄Ενα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα.
Λύση
α) Η δειγµατική αναλογία σπασµένων µπισκότων είναι
y 45
= = 0, 15,
n 300
οπότε, σύµφωνα µε την (7.32), ένα 95% διάστηµα εµπιστοσύνης για την αναλογία σπασµένων
µπισκότων είναι το (από τον πίνακα Ι z0,05/2 = z0,025 = 1, 96)
√ √
[0, 15 − 1, 96 0, 15(1 − 0, 15)/300, 0, 15 + 1, 96 0, 15(1 − 0, 15)/300]
= [0, 11, 0, 19].
ϐ) Σύµφωνα µε την (7.33), ένα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα της
αναλογίας σπασµένων µπισκότων στην συνολική παραγωγή της µηχανής είναι το (από τον πίνακα
Ι z0,05 = 1, 645)
√
(0, + za y/n(1 − y/n)/n]
y
n
√
= (0, 0, 15 + 1, 645 0, 15(1 − 0, 15)/300] = (0, 0, 184].
Ασκηση 7.21 Σε µια έρευνα για την κυκλοφορία ενός γυναικείου περιοδικού σε ένα τυχαίο
δείγµα 80 γυναικών στην πόλη Α το αγόραζαν οι 28. Σε µια όµοια έρευνα στην πόλη Β σε
ένα τυχαίο δείγµα 100 γυναικών αγόραζαν το περιοδικό οι 33.
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για το ποσοστό γυναικών που αγοράζει το
περιοδικό :
i) στην πόλη Α.
ii) στην πόλη Β.
ϐ) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των ποσοστών των γυναικών
που αγοράζουν το περιοδικό στις δύο πόλεις.
γ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας 0,05 αν το ποσοστό γυναικών
που αγοράζει το περιοδικό είναι µεγαλύτερο σε µια από τις δυο πόλεις.
Λύση
α) i) Η δειγµατική αναλογία των γυναικών που αγόραζε το περιοδικό στην πόλη Α είναι
y 28
= = 0, 35,
n 80
οπότε σύµφωνα µε την (7.32) ένα 95% διάστηµα εµπιστοσύνης για την αναλογία των γυναικών που
αγοράζει το περιοδικό στην πόλη Α είναι το (από τον πίνακα Ι z0,05/2 = z0,025 = 1, 96)
√ √
[0, 35 − 1, 96 0, 35(1 − 0, 35)/80, 0, 35 + 1, 96 0, 35(1 − 0, 35)/80]
= [0, 24, 0, 45].
ii) Η δειγµατική αναλογία των γυναικών που αγοράζει το περιοδικό στην πόλη Β είναι
y 33
= = 0, 33,
n 100
οπότε σύµφωνα µε την (7.32) ένα 95% διάστηµα εµπιστοσύνης για την αναλογία γυναικών που
αγοράζει το περιοδικό στην πόλη Β είναι το (από τον πίνακα Ι z0,05/2 = z0,025 = 1, 96)
88 §
√ √
[0, 33 − 1, 96 0, 33(1 − 0, 33)/100, 0, 33 + 1, 96 0, 33(1 − 0, 33)/100]
= [0, 24, 0, 42].
ϐ) Σύµφωνα µε την (7.35), ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των ποσοστών των
γυναικών που αγοράζουν το περιοδικό στις δύο πόλεις είναι (από τον πίνακα Ι ή τον πίνακα 4.1
ϐρίσκουµε ότι z0,025 = 1, 96)
⎡ √
⎢
⎢0, 35 − 0, 33 − 1, 96 0, 35(1 − 0, 35) + 0, 33(1 − 0, 33) ,
⎢
⎢
⎣
80 100
√ ⎤
0, 35(1 − 0, 35) 0, 33(1 − 0, 33) ⎥
⎥
0, 35 − 0, 33 + 1, 96 + ⎥
⎥
⎦
80 100
= [−0, 119, 0, 159].
γ) Επειδή το διάστηµα εµπιστοσύνης περιέχει το µηδέν δεν µπορούµε να συµπεράνουµε σε στάθµη
σηµαντικότητας 0,05 σε ποια από τις δύο πόλεις το περιοδικό έχει µεγαλύτερο ποσοστό αναγνω-
στριών (ϐλ. παρατ. 7.16).
Ασκηση 7.23 Σε ένα δείγµα 400 καταστηµάτων ϐρέθηκε ότι τα 136 πωλούσαν ένα προϊόν
σε τιµή µικρότερη της προτεινόµενης. Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την
αναλογία καταστηµάτων όλης της χώρας που πωλούν το προϊόν σε τιµή χαµηλότερη της
προτεινόµενης.
Λύση
Η δειγµατική αναλογία των καταστηµάτων που πωλούν το προϊόν σε τιµή χαµηλότερη της προτει-
νόµενης είναι
y 136
= = 0, 34,
n 400
οπότε σύµφωνα µε την (7.32) ένα 95% διάστηµα εµπιστοσύνης για την αναλογία καταστηµάτων
που πωλούν το προϊόν σε τιµή χαµηλότερη της προτεινόµενης είναι το (από τον πίνακα Ι z0,05/2 =
z0,025 = 1, 96)
√ √
[0, 34 − 1, 96 0, 34(1 − 0, 34)/400, 0, 34 + 1, 96 0, 34(1 − 0, 34)/400]
= [0, 294, 0, 386].
Ασκηση 7.25 Σε ένα δείγµα 91 γυναικών οι 63 γνώριζαν ένα προϊόν, ενώ σε ένα δείγµα
79 ανδρών το γνώριζαν οι 42. Να ϐρεθεί ένα 90% διάστηµα εµπιστοσύνης για την διαφορά
των αναλογιών των ανδρών και γυναικών του πληθυσµού που γνώριζαν το προϊόν.
Λύση
Η δειγµατική αναλογία των γυναικών που γνώριζαν ένα προϊόν στο πρώτο δείγµα είναι
y 63
= = 0, 692,
n 91
και η των ανδρών που το γνώριζαν στο δεύτερο δείγµα
y 42
= = 0, 532,
n 79
΄Ετσι, σύµφωνα µε την (7.35), ένα 90% διάστηµα εµπιστοσύνης για την διαφορά των αναλογιών
γυναικών και ανδρών του πληθυσµού που γνωρίζουν το προϊόν είναι (από τον πίνακα Ι ή τον πίνακα
4.1 ϐρίσκουµε ότι z0,05 = 1, 645)
⎡ √
⎢
⎢0, 692 − 0, 532 − 1, 645 0, 692(1 − 0, 692) + 0, 532(1 − 0, 532) ,
⎢
⎢
⎣
91 79
√ ⎤
0, 692(1 − 0, 692) 0, 532(1 − 0, 532) ⎥
⎥
0, 692 − 0, 532 + 1, 645 + ⎥
⎥
⎦
91 79
= [0, 038, 0, 282].
Ασκηση 7.27 ΄Ενας εµπορικός οργανισµός ϑέλει να εκτιµήσει την µέση ποσότητα καφεΐνης
σε δύο µάρκες καφέ. ΄Ενα δείγµα 15 ϕλυτζανιών καφέ της µάρκας Ι έδωσε µέση τιµή
καφεΐνης x = 80mgr και τυπική απόκλιση sX = 5mgr και ένα δείγµα 12 ίδιων ϕλυτζανιών
της µάρκας ΙΙ έδωσε µέση τιµή y = 77mgr και τυπική απόκλιση sY = 6mgr . Υποθέτοντας
ότι οι ποσότητες καφεΐνης στις δυο µάρκες ακολουθούν κανονικές κατανοµές µε την ίδια
τυπική απόκλιση :
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για τη διαφορά των µέσων τιµών καφεΐνης
για τις δύο µάρκες καφέ.
ϐ) Μπορούµε να εκτιµήσουµε σε στάθµη σηµαντικότητας a = 0, 05 αν µια από τις δυο αυτές
µάρκες καφέ περιέχει περισσότερη καφεΐνη από την άλλη.
γ) Να ϐρεθεί ένα µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα της διαφοράς της
ποσότητας καφεΐνης στις δύο µάρκες καφέ.
Λύση
α) Σύµφωνα µε την παρατ. 7.20 (ίσες τυπικές αποκλίσεις), το 95% διάστηµα εµπιστοσύνης για την
διαφορά των µέσων τιµών µX − µY είναι το
⎡ √ √ ⎤
⎢ 1⎥
⎢(80 − 77) − t0 sp 1
+
1
(80 − +
1
+ ⎥. (i)
⎢ 77)
15 12 ⎥
⎢ ⎥
, t s
0 p
⎣ ⎦
15 12
Από τον πίνακα ΙΙΙ t0 = t15+12−2;0,05/2 = t25;0,025 = 2, 060

και σύµφωνα µε την (7.22)
¿
Á (15 − 1)52 + (12 − 1)62
sp = Á
À
(15 + 12 − 2)
= 5, 463,
[3 − 2, 060 ⋅ 5, 463, 3 + 2, 060 ⋅ 5, 463] = [−1, 36, 7, 36].

ϐ) Επειδή το διάστηµα εµπιστοσύνης αυτό περιέχει το µηδέν δεν µπορούµε να εκτιµήσουµε σε
στάθµη σηµαντικότητας a = 0, 05 (ϐλ. παρατ. 7.16) αν µια από τις δυο αυτές µάρκες καφέ περιέχει
περισσότερη καφεΐνη από την άλλη.
Ασκηση 7.29 Ο χρόνος Ϲωής µιας µάρκας λαµπτήρων ακολουθεί κανονική κατανοµή µε
διακύµανση 1296 ώρες2 . Αν από ένα τυχαίο δείγµα 27 λαµπτήρων προέκυψε µέσος χρόνος
Ϲωής 1478 ώρες, να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης της µέσης τιµής του χρόνου
Ϲωής των λαµπτήρων.
Λύση
Επειδή ο χρόνος Ϲωής X των λαµπτήρων ακολουθεί κανονική κατανοµή µε γνωστή τυπική από-
√ διάστηµα εµπιστο-
κλιση, ακολουθούµε την παρατ. 7.4, σύµφωνα µε την οποία ένα 95% δίπλευρο
σύνης για την µέση τιµή της X είναι (η τυπική απόκλιση της X είναι σ = 1296 = 36 και από τον
πίνακα Ι ή τον πίνακα 4.1 z0,025 = 1, 96)
[x − z0,05/2 √ , x + z0,05/2 √ ]
σ σ
27 27
= [1478 − 1, 96 ⋅ ]= [1464, 4, 1491, 5] .

36 36
, 1478 + 1, 96 ⋅
5, 2 5, 2
90 §
Ασκηση 7.31 Η ποσότητα γάλατος X σε gr που καταναλώνει ένα άτοµο µιας χώρας σε
µια µέρα ακολουθεί κανονική κατανοµή µε τυπική απόκλιση σX = 96gr . Να υπολογιστεί
ένα 90% διάστηµα εµπιστοσύνης για την µέση τιµή της X , αν από ένα δείγµα 576 ατόµων
προέκυψε x = 133gr .
Λύση
Επειδή τα δείγµατα είναι µεγάλα, ένα 90% δίπλευρο διάστηµα εµπιστοσύνης για την µέση τιµή
της X είναι (από τον πίνακα Ι ή τον πίνακα 4.1 z0,05 = 1, 645)
[x − z0,1/2 √ , x − z0,1/2 √ ]
σ σ
576 576
= [133 − 1, 645 ⋅ , 133 + 1, 645 ⋅ ]= [126, 42, 139, 58] .

96 96
24 24
Ασκηση 7.33 Ο χρόνος που χρειάζεται κάποιος για να πάει το πρωί στην δουλειά του
ακολουθεί κανονική κατανοµή και οι χρόνοι που χρειάστηκε 7 πρωινά ήταν :
17, 5 14, 5 15, 2 14, 0 17, 3 12, 9 16, 1
Να ϐρεθεί ένα 90% διάστηµα εµπιστοσύνης για την µέση τιµή αυτής της διαδροµής.
Λύση
Επειδή το δείγµα είναι µικρό ακολουθούµε την παρατ. 7.10.
1 7
x= ∑ xi = 15, 36
7 i=1
¿
Á1 7
s=Á
À (∑ x2 − 7x2 ) = 1, 71,
6 i=1 i
΄Ετσι σύµφωνα µε την παρατ. 7.10, ένα 90% δείγµα εµπιστοσύνης για την µέση τιµή του χρόνου
είναι το (t6;0,05 = 1, 943)
[x − t7−1;0,1/2 √ , x + t7−1;0,1/2 √ ]
s s
9 7
[15, 36 − 1, 943 √ , 15, 36 + 1, 943 √ ] = [14, 10, 16, 62].

1, 71 1, 71
ή
7 7
Ασκηση 7.35 Σε ένα τυχαίο δείγµα 9 ϕοιτητών του τµήµατος Φυσικής του πανεπιστηµίου
Ι η µέση τιµή των ϐαθµών τους σε ένα τεστ ήταν 81,3 (στην κλίµακα 0-100) και η διακύµαν-
ση 60,8 ενώ σε ένα τυχαίο δείγµα 15 ϕοιτητών του τµήµατος Φυσικής του πανεπιστηµίου
ΙΙ η µέση τιµή της ϐαθµολογίας στο ίδιο τεστ ήταν 78,6 και η διακύµανση 48,24. Αν οι
τυπικές αποκλίσεις της ϐαθµολογίας των ϕοιτητών των δύο τµηµάτων είναι ίσες :
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των µέσων τιµών της ϐαθ-
µολογίας των ϕοιτητών των δύο τµηµάτων.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας a = 0, 05 ότι η µέση ϐαθµολογία
στο τεστ αυτό των ϕοιτητών του πανεπιστηµίου Ι ήταν µεγαλύτερη από την µέση ϐαθµολογία
των ϕοιτητών του πανεπιστηµίου ΙΙ ;
Λύση
α) Σύµφωνα µε την παρατ. 7.20 (ίσες τυπικές αποκλίσεις), το 95% διάστηµα εµπιστοσύνης για την
διαφορά των µέσων τιµών µX − µY των ϐαθµολογιών X και Y των ϕοιτητών των δύο τµηµάτων είναι
το
[x − tn−1;a/2 √ , x + tn−1;a/2 √ ]
s s
n n
⎡ √ √ ⎤
⎢ ⎥
⎢(81, 3 − 78, 6) − t0 sp 1 + 1 , (81, 3 − 78, 6) − t0 sp 1 + 1 ⎥. (i)
⎢ 9 15 ⎥
⎢ ⎥
⎣ ⎦
9 15
Από τον πίνακα ΙΙΙ t0 = t9+15−2;0,05/2 = t22;0,025 = 2, 074
και σύµφωνα µε την (7.22)
¿
Á (9 − 1)60, 8 + (15 − 1)48, 24
sp = Á
À
(9 + 15 − 2)
= 7, 27,

⎡ √ √ ⎤
⎢ 1 1⎥
⎢2, 7 − 2, 074 ⋅ 7, 27 1 1
+ , 2, 7 + 2, 074 ⋅ 7, 27 + ⎥ = [−3, 66, 9, 06].
⎢ 9 15 ⎥
⎢ ⎥
⎣ ⎦
9 15
ϐ) Επειδή το διάστηµα εµπιστοσύνης αυτό περιέχει το µηδέν δεν µπορούµε να εκτιµήσουµε σε
στάθµη σηµαντικότητας a = 0, 05 (ϐλ. παρατ. 7.16) αν οι ϕοιτητές Φυσικής του πανεπιστηµίου Ι
είχαν µεγαλύτερη ϐαθµολογία στο τεστ αυτό από ότι οι ϕοιτητές του πανεπιστηµίου ΙΙ.
Ασκηση 7.37 Για τον προσδιορισµό του συντελεστή ϑερµικής διαστολής του νικελίου
έγιναν 25 µετρήσεις που έδωσαν x = 12, 81 και s = 0, 04. Να ϐρεθεί ένα 95% διάστηµα
εµπιστοσύνης για τον µέσο συντελεστή διαστολής του νικελίου.
Λύση
Επειδή το δείγµα είναι µικρό ακολουθούµε την παρατ. 7.10, σύµφωνα µε την οποία ένα 95%
διάστηµα εµπιστοσύνης για την µέση τιµή είναι το (t24;0,025 = 2, 064)
[x − t25−1;0,05/2 √ , x + t25−1;0,05/2 √ ]
s s
25 25
[12, 81 − 2, 064 √ , 12, 81 − 2, 064 √ ] = [12, 79, 12, 83]

0, 04 0, 04
ή
25 25
Ασκηση 7.39 Σε µια έρευνα για την σύγκριση της παραγωγής ενός προϊόντος στην
Βόρεια και στη Νότια Ελλάδα σε ένα δείγµα 500 χωραφιών από την Βόρεια Ελλάδα η µέση
παραγωγή ανά στρέµµα ήταν 538kg µε τυπική απόκλιση 12, 4kg και σε ένα δείγµα 700
χωραφίων από την Νότια Ελλάδα η παραγωγή ήταν 470kg µε τυπική απόκλιση 10, 2kg .
α) Να ϐρεθεί ένα 99% δείγµα εµπιστοσύνης για την διαφορά των µέσων παραγωγών ανά
στρέµµα στις δύο περιοχές.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας a = 0, 01 ποιά από τις δύο
περιοχές έχει µεγαλύτερη παραγωγή.
Λύση
α) Επειδή τα δείγµατα είναι µεγάλα, σύµφωνα µε την παρατ. 7.17, ένα 99% διάστηµα εµπιστοσύ-
νης για την διαφορά των µέσων τιµών των δύο πληθυσµών είναι το (z0,01/2 = z0,005 = 2, 58)
[(538 − 470) − 2, 58sw , (538 − 470) + 2, 58sw ] , (i)

√ √
s2x s2y 12, 42 10, 22
όπου sw = + = + = 0, 675,
n m 500 700
οπότε από την (i) προκύπτει το διάστηµα εµπιστοσύνης
92 §
[68 − 2, 58 ⋅ 0, 675, 68 + 2, 58 ⋅ 0, 675] = [66, 26, 69, 74].

ϐ) Επειδή το διάστηµα εµπιστοσύνης αυτό δεν περιέχει το µηδέν, µπορούµε να συµπεράνουµε (ϐλ.
παρατ. 7.16) σε στάθµη σηµαντικότητας a = 0, 01 ότι η παραγωγή ανά στρέµµα του προϊόντος
αυτού στην Βόρεια Ελλάδα είναι µεγαλύτερη από την παραγωγή στην Νότια Ελλάδα.
Ασκηση 7.40 Οι ϕοιτητές Πληροφορικής δύο ΤΕΙ συµµετείχαν σε ένα τέστ µε ϐαθµολογία
0 - 10. Σε ένα δείγµα 12 ϕοιτητών του ΤΕΙ Α η µέση ϐαθµολογία ήταν x = 8, 5 και σε ένα
δείγµα 10 µαθητών του ΤΕΙ Β η µέση ϐαθµολογία ήταν y = 7, 3. Αν είναι γνωστό ότι οι
τυπικές αποκλίσεις της ϐαθµολογίας των ϕοιτητών των δύο ΤΕΙ είναι σX = 2, 6 και σY = 2, 1
αντίστοιχα :
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των µέσων επιδόσεων των
ϕοιτητών των δύο ΤΕΙ στο τέστ αυτό.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας a = 0, 05 ότι η µέση τιµή της
επίδοσης στο τέστ αυτό των ϕοιτητών του ΤΕΙ Α ήταν µεγαλύτερη από την µέση τιµή της
επίδοσης των ϕοιτητών του ΤΕΙ Β.
Λύση
α) Σύµφωνα µε την παρατ. 7.13 (γνωστές τυπικές αποκλίσεις), το 95% διάστηµα εµπιστοσύνης για
την διαφορά των µέσων τιµών µX − µY των ϐαθµολογιών X και Y των ϕοιτητών των δύο τµηµάτων
είναι το
[(8, 5 − 7, 3) − z0,05/2 σW , (8, 5 − 7, 3) + z0,05/2 σW ], (i)

√ √
2 σY2
σX 2, 62 2, 12
όπου σW = + = + = 1, 002,
12 10 12 10
Από τον πίνακα Ι z0,025 = 1, 96
[1, 2 − 1, 96 ⋅ 1, 002, 1, 2 + 1, 96 ⋅ 1, 002] = [−0, 764, 3, 16].

ϐ) Επειδή το διάστηµα εµπιστοσύνης αυτό περιέχει το µηδέν δεν µπορούµε να συµπεράνουµε σε
στάθµη σηµαντικότητας a = 0, 05 (ϐλ. παρατ. 7.16) ότι η µέση τιµή της επίδοσης στο τέστ αυτό των
ϕοιτητών του ΤΕΙ Α ήταν µεγαλύτερη από την µέση τιµή της επίδοσης των ϕοιτητών του ΤΕΙ Β.
Ασκηση 7.41 Για να συγκρίνουµε δύο δίαιτες καταγράψαµε την απώλεια ϐάρους 100
ατόµων ενός τυχαίου δείγµατος που υποβλήθηκαν στην δίαιτα Ι ένα συγκεκριµένο χρονικό
διάστηµα και άλλων 100 ατόµων που υποβλήθηκαν στη δίαιτα ΙΙ το ίδιο χρονικό διάστηµα.
Η µέση τιµή της απώλειας ϐάρους για την δίαιτα Ι ήταν
x = 9, 31kg µε τυπική απόκλιση sX = 4, 67kg
και για την δίαιτα ΙΙ
y = 7, 40kg µε τυπική απόκλιση sY = 4, 04kg.
α) Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των µέσων τιµών της απώ-
λειας ϐάρους µε τις δύο δίαιτες.
ϐ) Μπορούµε να πούµε σε στάθµη σηµαντικότητας a = 0, 05 για ποια από τις δύο δίαιτες η
απώλεια ϐάρους ήταν µεγαλύτερη.
Λύση
α) Επειδή τα δείγµατα είναι µεγάλα, σύµφωνα µε την παρατ. 7.17, ένα 95% διάστηµα εµπιστοσύ-
νης για την διαφορά των µέσων τιµών των δύο πληθυσµών είναι το (z0,05/2 = z0,025 = 1, 96)
[(9, 31 − 7, 40) − 1, 96sw , (9, 31 − 7, 40) + 1, 96sw ] , (i)

√ √
s2x s2y 4, 672 4, 042
όπου sw = + = + = 0, 617,
n m 100 100
οπότε από την (i) προκύπτει το διάστηµα εµπιστοσύνης
[1, 91 − 1, 96 ⋅ 0, 617, 1, 91 + 1, 96 ⋅ 0, 617] = [0, 7, 3, 12].
ϐ) Επειδή το διάστηµα εµπιστοσύνης αυτό δεν περιέχει το µηδέν, µπορούµε να συµπεράνουµε (ϐλ.
παρατ. 7.16) σε στάθµη σηµαντικότητας a = 0, 01 ότι η απώλεια ϐάρους ήταν µεγαλύτερη για την
διαίτα Ι.
Ασκηση 7.42 Σε µια µελέτη για την ατµοσφαιρική ϱύπανση µιας πόλης σε ένα τυχαίο
δείγµα 10 παρατηρήσεων προέκυψαν οι παρακάτω τιµές για την συγκέντρωση X ενός
ϱύπου (σε mgr/Kgr ):
7, 6 8, 4 8, 3 8, 0 8, 2 7, 4 7, 8 8, 2 8, 1 7, 7
Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης της µέσης τιµής της συγκέν-
τρωσης του ϱύπου, αν είναι γνωστό ότι η συγκέντρωση ακολουθεί κανονική κατανοµή µε
τυπική απόκλιση 0,19.
Λύση
Επειδή το δείγµα ακολουθεί κανονική κατανοµή µε τυπική απόκλιση 0,19 ακολουθούµε την
παρατ. 7.4.
1 10
x= ∑ xi = 7, 97
10 i=1
΄Ετσι σύµφωνα µε την παρατ. 7.4, ένα 95% διάστηµα εµπιστοσύνης για την µέση τιµή είναι το
(z0,05/2 = 1, 96)
[x − z0,05/2 √ , x + z0,05/2 √ ]
σ σ
10 10
[7, 97 − 1, 96 √ , 7, 97 + 1, 96 √ ] = [7, 85, 8, 09].

0, 19 0, 19
ή
10 10
Ασκηση 7.44 ΄Ενα µηχάνηµα εµφιάλωσης γεµίζει ϕιάλες µε ποσότητα ποτού X , που
ακολουθεί κανονική κατανοµή µε διακύµανση σ 2 = 65, 2. Να ϐρεθεί ένα 90% διάστηµα
εµπιστοσύνης για την µέση τιµή της X , από ένα δείγµα 25 ϕιαλών µε µέση τιµή x =
485, 3 gr .
Λύση
Επειδή η X ακολουθεί κανονική κατανοµή µε διακύµανση σ = 65, 2 ακολουθούµε την παρατ.
7.4, σύµφωνα µε την οποία ένα 95% δείγµα εµπιστοσύνης για την µέση τιµή της X είναι το
(z0,1/2 = 1, 645)
[x − z0,1/2 √ , x + z0,1/2 √ ]
σ σ
25 25
√ √
[485, 3 − 1, 645 √ , 485, 3 + 1, 645 √ ] = [482, 6, 488, 0].
65, 2 65, 2
ή
25 25
94 §
Ασκηση 7.47 Οι ϐαθµοί σε ένα τεστ ενός δείγµατος 10 υποψηφίων µιας εξέτασης του
ΑΣΕΠ είναι
8, 2 8, 1 8, 3 7, 7 8, 0 7, 6 8, 4 8, 2 7, 4 7, 8.
Αν οι ϐαθµοί ακολουθούν κανονική κατανοµή, να ϐρεθεί :
α) `Ενα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω ϕράγµα της µέσης τιµής της
ϐαθµολογίας όλων των υποψηφίων που έγραψαν το τεστ αυτό.
ϐ) `Ενα 95 % δίπλευρο διάστηµα εµπιστοσύνης για την µέση τιµή της ϐαθµολογίας.
γ) `Ενα 95% διάστηµα εµπιστοσύνης για την τυπική απόκλιση της ϐαθµολογίας.
Λύση
α) Επειδή το δείγµα είναι µικρό ακολουθούµε την παρατ. 7.10.
1 10
x= ∑ xi = 7, 97
10 i=1
¿
Á 1 10
s=Á
À (∑ x2 − 10x2 ) = 0, 33,
9 i=1 i
΄Ετσι σύµφωνα µε την παρατ. 7.12, ένα 95% µονόπλευρο διάστηµα εµπιστοσύνης για το άνω
ϕράγµα της µέσης τιµής της ϐαθµολογίας όλων των υποψηφίων είναι το (t9;0,05 = 1, 833)
(0, 7, 97 + 1, 833 √ ] = (0, 8, 16].

0, 33
10
ϐ) Σύµφωνα µε την παρατ. 7.10, ένα 95% δίπλευρο διάστηµα εµπιστοσύνης για την µέση τιµή της
ϐαθµολογίας όλων των υποψηφίων είναι το (t9;0,025 = 2, 262)
[7, 97 − 2, 262 √ , 7, 97 + 2, 262 √ ] = [7, 73, 8, 21].

0, 33 0, 33
10 10
γ) Σύµφωνα µε την παρατ. 7.32 ένα 95% διάστηµα εµπιστοσύνης για την τυπική απόκλιση της X
είναι το
⎡¿ ¿ ⎤
⎢Á 10 − 1 Á 10 − 1 ⎥
⎢Á 0, 33, Á 0, 33⎥
⎢À χ2 À 2 ⎥. (i)
⎢ ⎥
⎣ ⎦
10−1;0,05/2
χ10−1;1−0,05/2
Από τον πίνακα ΙΙ προκύπτει ότι χ29;0,975 = 2, 7 και χ29;0,025 = 19, 02, οπότε η (i) δίνει ότι το 95%
διάστηµα εµπιστοσύνης για την τυπική απόκλιση της X είναι το
√ √
[ 0, 33] = [0, 23, 0, 60].
9 9
0, 33,
19, 02 2, 7
Ασκηση 7.49 Σε ένα δείγµα 200 ατόµων οι 40 παρακολουθούσαν µια συγκεκριµένη τηλε-
οπτική εκποµπή. Να ϐρεθεί ένα 95% διάστηµα εµπιστοσύνης για την αναλογία τηλεθεατών
που παρακολουθούσαν την εκποµπή.
Λύση
Η δειγµατική αναλογία των τηλεθεατών που παρακολουθούσαν την εκποµπή είναι
y 40
= = 0, 2,
n 200
οπότε σύµφωνα µε την (7.32) ένα 95% διάστηµα εµπιστοσύνης για την αναλογία τηλεθεατών που
παρακολουθούν την εκποµπή είναι το (από τον πίνακα Ι z0,05/2 = z0,025 = 1, 96)
√ √
[0, 2 − 1, 96 0, 2(1 − 0, 2)/200, 0, 2 + 1, 96 0, 2(1 − 0, 2)/200]
= [0, 145, 0, 255].
Ασκηση 7.51 Σε µια έρευνα σε ένα δείγµα 21 παιδιών µιας συγκεκριµένης ηλικίας σε
µια πόλη Α η διακύµανση του ύψους τους ήταν 6cm2 και σε ένα δείγµα 16 παιδιών της
ίδιας ηλικίας σε µια άλλη πόλη Β η διακύµανση του ύψους ήταν 4cm2 .
α) Να ϐρεθεί ένα 98% διάστηµα εµπιστοσύνης για τον λόγο των διακυµάνσεων του ύψους
στις δυο πόλεις.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας 0,02 σε ποια πόλη η διακύµαν-
ση του ύψους είναι µεγαλύτερη.
Λύση
2
α) Σύµφωνα µε την (7.42), ένα 98% διάστηµα εµπιστοσύνης για τον λόγο των διακυµάνσεων σX /σY2
των τυχαίων µεταβλητών X και Y είναι το
[ , F15,20;0,01 ] . (i)
1 6 6
F20,15;0,01 4 4
Από τον πίνακα IV προκύπτει ότι F20,15;0,01 = 3, 37 και F15,20;0,01 = 2, 94, οπότε η (i) δίνει
[ , 2, 94 ] = [0, 445, 4, 41].

1 6 6
3, 37 4 4
ϐ) Επειδή το διάστηµα εµπιστοσύνης περιέχει την µονάδα δεν µπορούµε να συµπεράνουµε σε
στάθµη σηµαντικότητας 0,02 σε ποιά πόλη η διακύµανση του ύψους είναι µεγαλύτερη.
Ασκηση 7.52 Να υπολογιστεί το µέγεθος του δείγµατος που πρέπει να χρησιµοποιηθεί

για την συναγωγή ενός 90% διαστήµατος εµπιστοσύνης εύρους 1% για το ποσοστό ενός
κόµµατος στις εκλογές, το οποίο είναι περίπου 8%.
Λύση
Επειδή το ποσοστό του κόµµατος στις εκλογές είναι περίπου p∗ = 0, 08, από την (7.47) προκύπτει
ότι το µέγεθος του δείγµατος από το οποίο συνάγεται ένα 90% διάστηµα εµπιστοσύνης εύρους 0,01
(1%) είναι
2
z0,1/2 ⋅ 0, 08 ⋅ (1 − 0, 08)
n= . (i)
0, 012
Από τον πίνακα Ι ή τον 4.1 ϐρίσκουµε ότι z0,05 = 1, 645, οπότε η (i) δίνει
1, 6452 ⋅ 0, 08 ⋅ 0, 92
n= = 1991, 6.
0, 0001
Εποµένως το απαιτούµενο µέγεθος του δείγµατος είναι n = 1992.
Ασκηση 7.56 Θέλουµε να εκτιµήσουµε το ποσοστό κατοίκων µιας κωµόπολης πληθυσµού

2000 που αγοράζει την τοπική εφηµερίδα. Να ϐρεθεί το µέγεθος του δείγµατος που πρέπει
να χρησιµοποιήσουµε για να πάρουµε ένα 95% διάστηµα εµπιστοσύνης εύρους 1,5% για
το ποσοστό αυτό, αν το ποσοστό των κατοίκων που αγοράζει την εφηµερίδα είναι περίπου
45%.
Λύση
Σύµφωνα µε την (7.47) το απαιτούµενο µέγεθος του δείγµατος είναι
2
z0,05/2 0, 45(1 − 0, 45)
m= = 4225, 8,
0, 0152
96 §
που είναι µεγαλύτερο από τον πληθυσµό, οπότε, σύµφωνα µε την (7.49), το απαιτούµενο µέγεθος
του δείγµατος είναι
4225, 8
4225, 8 − 1
n= = 1357, 7.
1+
2000
δηλαδή 1358.
Ασκηση 7.58 Να ϐρεθεί το µέγεθος του δείγµατος που απαιτείται ώστε να πάρουµε ένα
95% διάστηµα εµπιστοσύνης εύρους 0,02 για την αναλογία των ελαττωµατικών αντικειµένων
που παράγονται από µια µηχανή.
Λύση
Αφού δεν έχουµε κάποια εκτίµηση του ποσοστού των ελαττωµατικών αντικειµένων που παράγονται
από την µηχανή, το απαιτούµενο µέγεθος του δείγµατος είναι
2
z0,05/2
n= (i)
4 ⋅ 0, 022
.
Από τον πίνακα Ι ή τον πίνακα 4.1 ϐρίσκουµε ότι z0,025 = 1, 96, οπότε η (i) δίνει
1, 962
n= = 2401.
4 ⋅ 0, 022
Εποµένως, το απαιτούµενο µέγεθος του δείγµατος είναι 2401.
`Ασκηση 7.97 ΄Εστω ότι µελετάµε το σκυρόδεµα C30 και κάνουµε έναν έλεγχο ποιότητας. Σχη-
µατίζουµε 6 παρτίδες κυλινδρικών δοκιµίων και τα υποβάλλουµε σε ϑλίψη έως ότου αστοχήσει
το πρώτο από κάθε παρτίδα. `Εστω ότι πρόεκυψαν τα εξής :
▸ 1η παρτίδα : 12 δοκιµές (µέχρι να αστοχήσει το πρώτο),
▸ 2η παρτίδα : 14 δοκιµές (µέχρι να αστοχήσει το πρώτο),
▸ 3η παρτίδα : 10 δοκιµές,
▸ 6η παρτίδα : 12 δοκιµές.
Να εκτιµηθεί η πιθανότητα ασφάλειας ενός δοκιµίου.
Λύση
Ο αριθµός δοκιµών µέχρι να αστοχήσει ένα δοκίµιο ακολουθεί γεωµετρική κατανοµή µε παράµετρο
την πιθανότητα ασφάλειας p ενός δοκιµίου, οπότε, σύµφωνα µε την `Ασκηση 7.;, η εκτιµούµενη
από τη διαδικασία αυτή τιµή της p είναι
p̂ =
6
= 0, 078.
12 + 14 + 10 + 15 + 14 + 12
Ασκηση 7.99 Για να αξιολογηθεί το αποτέλεσµα µιας διαφηµιστικής εκστρατείας για ένα
νέο προϊόν ϱωτήθηκαν πριν την διαφήµιση 150 άτοµα για το αν γνώριζαν την ύπαρξη του
προϊόντος και απάντησαν ϑετικά τα 68. Επίσης ϱωτήθηκαν για το ίδιο 120 άτοµα µετά την
διαφήµιση και απάντησαν ϑετικά τα 75.
α) Να ϐρεθεί ένα 90% διάστηµα εµπιστοσύνης για την διαφορά των ποσοστών των ατόµων
που γνώριζαν το προϊόν πριν και µετά την διαφήµιση.
ϐ) Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας 0,05 ότι µε την διαφήµιση
αυξήθηκε το ποσοστό των ατόµων που γνώριζει το προϊόν ;
Λύση
α) Η δειγµατική αναλογία των ατόµων που γνώριζαν το προϊόν πριν την διαφήµιση είναι
y1 68
= = 0, 453,
n1 150
και η δειγµατική αναλογία των ατόµων που το γνώριζαν στο δεύτερο δείγµα είναι
y2 75
= = 0, 625.
n2 120
΄Ετσι, σύµφωνα µε την (7.35), ένα 95% διάστηµα εµπιστοσύνης για την διαφορά των αναλογιών των
ατόµων που γνώριζαν το προϊόν πριν και µετά την διαφήµιση είναι (από τον πίνακα Ι ή τον πίνακα
4.1 ϐρίσκουµε ότι z0,05 = 1, 645)
⎡ √
⎢
⎢0, 453 − 0, 625 − 1, 96 0, 453(1 − 0, 453) + 0, 625(1 − 0, 592) ,
⎢
⎢
⎣
150 120
√ ⎤
0, 453(1 − 0, 453) 0, 625(1 − 0, 592) ⎥
⎥
0, 453 − 0, 625 + 1, 96 + ⎥
⎥
⎦
150 120
= [−0, 290, −0, 054].
ϐ) Επειδή το διάστηµα εµπιστοσύνης δεν περιέχει το µηδέν µπορούµε να συµπεράνουµε σε στάθµη
σηµαντικότητας 0,05 ότι µε την διαφήµιση αυξήθηκε η αναλογία των ατόµων του πληθυσµού που
γνωρίζει το προϊόν (ϐλ. παρατ. 7.16).
98 §
Κεφάλαιο 8
`Ελεγχοι υποθέσεων
Ασκηση 8.1 Το µέσο ϐάρος ενός τελάρου ϱοδάκινων ενός συσκευαστηρίου ϕρούτων ακο-
λουθεί κανονική κατανοµή µε τυπική απόκλιση 0, 22kg . Να εξεταστεί για το σύνολο των
συσκευασµένων τελάρων αν η µέση τιµή του ϐάρους ενός τελάρου είναι 5kg και όχι µικρό-
τερη µε την ϐοήθεια ενός δείγµατος 25 τελάρων από το οποίο προέκυψε µέση τιµή ϐάρους
x = 4, 93kg σε στάθµη σηµαντικότητας a = 0, 025.
Λύση
Ελέγχουµε την µηδενική υπόθεση (η µέση τιµή µ του ϐάρους X ενός τελάρου ϱοδάκινων είναι
5kg)
H0 ∶ µ = 5kg
µε εναλλακτική την
H1 ∶ µ < 5kg,
οπότε ο έλεγχος είναι µονόπλευρος. Επιλέξαµε αυτή την H1 , διότι Ϲητείται να ελέγξουµε αν η µέση
τιµή µ είναι 5kg ή µικρότερη.
Επειδή το ϐάρος ακολουθεί κανονική κατανοµή µε γνωστή τυπική απόκλιση χρησιµοποιούµε το
στατιστικό (8.3)
X −5
Z= √ , (i)
0, 22/ 25
το οποίο ακολουθεί κανονική κατανοµή µε περιοχή απόρριψης της H0 την
z < −z0,025
(από τον πίνακα Ι ή τον πίνακα 4.1 ϐρίσκουµε ότι z0,025 = 1, 96).
Από την (i) προκύπτει ότι η παρατηρούµενη τιµή του στατιστικού Z για το συγκεκριµένο δείγµα
είναι
4, 93 − 5
z= √ = −1, 59.
0, 22/ 25
Επειδή z > −z0,025 ,
η H0 δεν απορρίπτεται, οπότε δεν µπορούµε να απορρίψουµε από το δείγµα αυτό, σε στάθµη
σηµαντικότητας a = 0, 025, ότι η µέση τιµή του ϐάρους ενός τελάρου ϱοδάκινων είναι 5kg και όχι
µικρότερη.
99
100 §
Ασκηση 8.3 Για να εξετάσουµε την αποδοτικότητα ενός προτεινόµενου συστήµατος για την
αύξηση της ταχύτητας πληκτρολόγησης καταγράψαµε για 8 τυχαία επιλεγµένες γραµµα-
τείς, που διδάχτηκαν το σύστηµα αυτό, τους χρόνους που χρειάστηκαν για να γράψουν ένα
συγκεκριµένο άρθρο πριν (X ) και µετά (Y ) την εκµάθηση του νέου συστήµατος.
Χ: 97 72 93 110 78 69 115 75
Υ: 81 75 89 91 65 70 90 69
Μπορούµε να συµπεράνουµε σε στάθµη σηµαντικότητας a = 0, 05 ότι η µέθοδος αυτή
αυξάνει την ταχύτητα γραφής ;
Λύση
Αν D = Y − X , ελέγχουµε την µηδενική υπόθεση
H0 ∶ µD = 0 (ίσες µέσες τιµές)

H1 ∶ µD < 0 (δηλαδή µY < µX ),
οπότε ο έλεγχος είναι µονόπλευρος. Επιλέξαµε αυτή την H1 , διότι Ϲητείται να ελέγξουµε αν µY <
µX .
Οι τιµές της διαφοράς των χρόνων είναι
di ∶ −16 3 −4 − 19 − 13 1 − 25 −6
και η µέση τιµή και τυπική απόκλιση των τιµών αυτών είναι (ϐλ.(5.57))
1 8
d= ∑ di = −9, 875
8 i=1
¿
Á 1
sd = Á
À
8
(∑ d2i − 8d ) = 9, 949,
2
8−1 1
και
οπότε η τιµή του στατιστικού (8.9) είναι

−9, 875
t= √ = −2, 807.
9, 949/ 8
Από τον πίνακα ΙΙΙ προκύπτει ότι t8−1;0,05 = t7;0,05 = 1, 895,
οπότε t < −t7;0,05 .
Εποµένως η H0 απορρίπτεται σε στάθµη σηµαντικότητας 5%, οπότε από το δείγµα αυτό συµπερά-
νουµε σε στάθµη σηµαντικότητας a = 0, 05 ότι η µέθοδος αυτή αυξάνει την ταχύτητα γραφής
Ασκηση 8.5 Σε ένα τυχαίο δείγµα 49 διαδροµών η µέση κατανάλωση καυσίµου για ένα
µοντέλο αυτοκίνητου προέκυψε 10, 5lt ανά 100km µε τυπική απόκλιση s = 0, 98. Να
εξετασθεί αν η µέση κατανάλωση καυσίµου για το µοντέλο αυτό είναι µεγαλύτερη από
10, 2lt ανά 100km σε στάθµη σηµαντικότητας :
α) 5% ϐ) 1%
Λύση
α) Ελέγχουµε την µηδενική υπόθεση ότι η µέση τιµή µ της κατανάλωσης καυσίµου X για το
µοντέλο αυτό είναι ίση µε 10, 2lt ανά 100km
H0 ∶ µ = 10, 2
H1 ∶ µ > 10, 2,
ΚΕΦΑΛΑΙΟ 8. ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ 101
οπότε ο έλεγχος είναι µονόπλευρος (από δεξιά). Επιλέξαµε αυτή την H1 , διότι Ϲητείται να εξετά-
σουµε αν η µέση τιµή µ είναι µεγαλύτερη από 10, 2lt.
Επειδή το δείγµα είναι µεγάλο χρησιµοποιούµε (ϐλ. παρατ.8.5) το στατιστικό (8.4)
X − 10, 2
Z= √ , (i)
S/ 49
το οποίο ακολουθεί κανονική κατανοµή µε περιοχή απόρριψης της H0 σε στάθµη σηµαντικότητας
5%
z > z0,05 ή z > 1, 645
(από τον πίνακα Ι ϐρίσκουµε ότι z0,05 = 1, 645).
Η παρατηρούµενη τιµή του Z για το δείγµα αυτό προκύπτει από την (i)
10, 5 − 10, 2
z= √ = 2, 14.
0, 98/ 49
Επειδή z > z0,05 ,
η H0 απορρίπτεται σε στάθµη σηµαντικότητας a = 0, 05, οπότε η µέση κατανάλωση καυσίµου για
το αυτοκίνητο αυτό είναι µεγαλύτερη από 10, 2lt ανά 100km.
ϐ) Η κρίσιµη τιµή του στατιστικού του ελέγχου αυτού σε στάθµη σηµαντικότητας a = 0, 01 είναι
(ϐλ. πίνακα Ι)
z0,01 = 2, 33
Επειδή z < z0,01 ,
η H0 δεν απορρίπτεται σε στάθµη σηµαντικότητας a = 0, 01, οπότε δεν µπορούµε να απορρίψουµε
από το δείγµα αυτό ότι η µέση κατανάλωση καυσίµου για το µοντέλο αυτό είναι 10, 2lt ανά 100km
και όχι µεγαλύτερη.
Ασκηση 8.8 Μια µηχανή ενός εργοστασίου χρειάζεται ϱύθµιση όταν το ποσοστό ελαττωµα-
τικών αντικειµένων που παράγει είναι µεγαλύτερο του 4%. Σε ένα δείγµα 150 αντικειµένων
ϐρέθηκαν 11 ελαττωµατικά.
α) Να εξετασθεί σε στάθµη σηµαντικότητας 2,5% αν η µηχανή χρειάζεται ϱύθµιση.
ϐ) Να ϐρεθεί η µικρότερη στάθµη σηµαντικότητας για την οποία η µηχανή χρειάζεται ϱύθ-
µιση.
Λύση
α) Αν p το ποσοστό των ελαττωµατικών αντικειµένων που παράγει η µηχανή, ελέγχουµε την υπόθεση
H0 ∶ p = 0, 04
H1 ∶ p > 0, 04,
οπότε ο έλεγχος είναι µονόπλευρος. Επιλέξαµε αυτή την H1 , διότι Ϲητείται να ελέγξουµε αν το
ποσοστό ελαττωµατικών αντικειµένων που παράγει η µηχανή είναι µεγαλύτερο του 4%.
Το ποσοστό ελαττωµατικών αντικειµένων στο δείγµα αυτό είναι
y 11
= = 0, 073,
n 150
οπότε η τιµή του στατιστικού (8.11) για το δείγµα αυτό είναι
0, 073 − 0, 04
z=√ = 2, 062.
0, 04(1 − 0, 04)
150
Από τον πίνακα Ι ή τον πίνακα ϐρίσκουµε ότι
z0,025 = 1, 96.
102 §
Επειδή z > z0,025

(ϐλ. παρατ. 8.25) η H0 απορρίπτεται, οπότε σε στάθµη σηµαντικότητας 2,5% το ποσοστό ελαττω-
µατικών αντικειµένων που παράγει η µηχανή είναι µεγαλύτερο του 4% και η µηχανή χρειάζεται
ϱύθµισµα.
ϐ) Η µικρότερη στάθµη σηµαντικότητας για την οποία η µηχανή χρειάζεται ϱύθµιση είναι ίση µε
την p-τιµή του παραπάνω ελέγχου η οποία, σύµφωνα µε την παρατ. 8.37, είναι
p−τιµή= 1 − Φ(2, 062) = 1 − 0, 980 = 0, 02.
Εποµένως η H0 απορρίπτεται σε κάθε στάθµη σηµαντικότητας µεγαλύτερη της 0,02 ή 2%, οπότε
το ποσοστό ανεργίας είναι µεγαλύτερο του 10% σε κάθε στάθµη σηµαντικότητας µεγαλύτερη της
2%.
Ασκηση 8.10 Σε ένα δείγµα 400 ατόµων από τον νοµό Α ϐρέθηκαν 85 ψηφοφόροι ενός
κόµµατος και σε ένα δείγµα 600 ατόµων από τον νοµό Β ϐρέθηκαν 121 ψηφοφόροι του.
Να εξετασθεί σε στάθµη σηµαντικότητας 0,1 αν τα ποσοστά του κόµµατος στους δυο νοµούς
είναι ίσα.
Λύση
Αν p1 , p2 οι αναλογίες των ψηφοφόρων του κόµµατος στους δυο νοµούς αντίστοιχα, ελέγχουµε την
µηδενική υπόθεση
H0 ∶ p1 − p2 = 0 (ίδια ποσοστά στους δυο νοµούς)
µε εναλλακτική την H1 ∶ p1 − p2 ≠ 0 (διαφορετικά ποσοστά).
Οι αναλογίες των ψηφοφόρων του κόµµατος στα δυο δείγµατα από τους δύο νοµούς είναι
y1 85 y2 121
= = 0, 213 και = = 0, 202
n1 400 n2 600
85 + 121
p= = 0, 206
400 + 600
και από την (8.12β)
οπότε η τιµή του στατιστικού (8.13) είναι

0, 213 − 0, 202
z=√ = 0, 423.
0, 206(1 − 0, 206) ( )
1 1
+
400 600
Από τον πίνακα Ι ή τον πίνακα 4.1 προκύπτει ότι
z0,1/2 = z0,05 = 1, 645,
οπότε z < z0,05 .
Εποµένως η H0 δεν απορρίπτεται, οπότε δεν µπορούµε να απορρίψουµε από το δείγµα αυτό σε
στάθµη σηµαντικότητας 5% ότι τα ποσοστά του κόµµατος στους δυο νοµούς είναι ίσα.
Ασκηση 8.12 Σε ένα δείγµα 150 υποψηφίων σε έναν διαγωνισµό ΑΣΕΠ από τον νοµό
Ι οι 72 έγραψαν κάτω από την ϐάση και σε ένα δείγµα 250 µαθητών από τον νοµό ΙΙ οι
131 έγραψαν κάτω από την ϐάση. Να εξετασθεί σε στάθµη σηµαντικότητας a = 0, 05 αν το
ποσοστό των υποψηφίων που έγραψε κάτω από την ϐάση είναι µεγαλύτερο στον νοµό ΙΙ από
ότι στον Ι.
Λύση
Αν p1 , p2 οι αναλογίες των υποψηφίων που έγραψαν κάτω από την ϐάση στους δυο νοµούς αντί-
στοιχα, ελέγχουµε την µηδενική υπόθεση
H0 ∶ p1 = p2 (ίδια ποσοστά στους δυο νοµούς)
ΚΕΦΑΛΑΙΟ 8. ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ 103
H1 ∶ p1 < p2 (µεγαλύτερο ποσοστό στον νοµό ΙΙ).

Οι αναλογίες των υποψηφίων που έγραψαν κάτω από την ϐάση στα δύο δείγµατα είναι
y1 72 y2 131
= = 0, 48 και = = 0, 524
n1 150 n2 250
οπότε από την (8.13β) προκύπτει ότι
72 + 131
p= = 0, 508.
150 + 250
`Ετσι η τιµή του στατιστικού (8.13) είναι
0, 48 − 0, 524
z=√ = −0, 852.
0, 508(1 − 0, 508) ( )
1 1
+
150 250
z0,05 = z0,05 = 1, 645,

οπότε z > −z0,05 .
Εποµένως, η H0 δεν απορρίπτεται σε στάθµη σηµαντικότητας a = 0, 05, οπότε δεν µπορούµε να
απορρίψουµε από το δείγµα αυτό ότι τα ποσοστά των υποψηφίων που έγραψαν κάτω από την ϐάση
είναι ίσα στους δύο νοµούς.
Ασκηση 8.13 Το µήκος των ελασµάτων που παράγει µια µηχανή ακολουθεί κανονική
κατανοµή µε διακύµανση σ 2 = 0, 12mm2 . Ρυθµίζουµε τη µηχανή ώστε να να ελαττώσουµε
την διακύµανση. Μετά τη ϱύθµιση σε ένα δείγµα 25 καρφιών η διακύµανση ήταν s2 =
0, 09mm2 . Να εξετασθεί σε στάθµη σηµαντικότητας a = 0, 01 αν η διακύµανση µειώθηκε
µε την ϱύθµιση της µηχανής.
Λύση
Ελέγχουµε τη µηδενική υπόθεση ότι η διακύµανση του µήκους των ελασµάτων που παράγει η
µηχανή είναι 0, 12mm2
H0 ∶ σ 2 = 0, 12
µε εναλλακτική την H1 ∶ σ 2 < 0, 12mm2 ,
διότι Ϲητείται να εξετάσουµε αν η διακύµανση είναι 0, 12mm2 ή µικρότερη.
Η παρατηρούµενη τιµή του στατιστικού (8.14) είναι
(25 − 1)0, 09
χ2 = = 18.
0, 12
Από τον πίνακα ΙΙ προκύπτει ότι
χ225−1;1−0,01 = χ224;0,99 = 10, 86,

οπότε χ2 ≥ χ225−1;1−0,01 .
Εποµένως (ϐλ. παρατ. 8.32) η H0 δεν απορρίπτεται, οπότε δεν µπορούµε να απορρίψουµε από
το δείγµα αυτό σε στάθµη σηµαντικότητας a = 0, 01 ότι η διακύµανση του µήκους των ελασµάτων
που παράγει η µηχανή είναι 0, 12mm2 και όχι µικρότερη, οπότε δεν µειώθηκε µε τη ϱύθµιση της
µηχανής.
Ασκηση 8.15 Σε µια προεκλογική δηµοσκόπηση για τα ποσοστά δύο κοµµάτων Α και
Β σε ένα δείγµα 200 ψηφοφόρων ϐρέθηκαν 44 ψηφοφόροι του κόµµατος Α και σε ένα
άλλο δείγµα 250 ψηφοφόρων ϐρέθηκαν 49 ψηφοφόροι του Β. Να εξετασθεί σε στάθµη
σηµαντικότητας 5% αν το ποσοστό του κόµµατος Α ξεπερνάει το ποσοστό του Β.
104 §
Λύση
Αν p1 και p2 τα ποσοστά των κοµµάτων Α και Β αντίστοιχα, ελέγχουµε την υπόθεση
H 0 ∶ p1 = p2
H 1 ∶ p1 > p2 .
Οι αναλογίες ψηφοφόρων των κοµµάτων στα δυο δείγµατα είναι
y1 44 y2 49
= = 0, 220 και = = 0, 196
n1 200 n2 250
y1 + y2 44 + 49
p= = = 0, 207,
n1 + n2 200 + 250
και
οπότε η παρατηρούµενη τιµή του στατιστικού (8.13) είναι

0, 220 − 0, 196
z=√ = 0, 62
0, 207(1 − 0, 207) ( )
1 1
+
200 250
z0,05 = 1, 645,
οπότε z < z0,05 .
Εποµένως, η H0 δεν απορρίπτεται σε στάθµη σηµαντικότητας 5%, οπότε δεν µπορούµε να απορ-
ϱίψουµε από το δείγµα αυτό το ότι τα ποσοστά των κοµµάτων Α και Β είναι ίσα.

Mylonas Papadopoulos Pith Stat Instructor Solutions

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mylonas Papadopoulos Pith Stat Instructor Solutions

Uploaded by

Copyright:

Available Formats

ΠΙΘΑΝΟΤΗΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ

3 ∆ιακριτές τυχαίες µεταβλητές 37

4 Συνεχείς τυχαίες µεταβλητές 45

5 Πολυδιάστατες τυχαίες µεταβλητές 63

6 Βασικές έννοιες - Περιγραφική Στατιστική 77

7 Εκτιµητική, διαστήµατα εµπιστοσύνης 81

P (A′ − B) = P (A′ ∩ B ′ ) = P ((A ∪ B)′ ) = 0, 2.

P (A) = , P (B) = και P (A ∩ B) =

n(Ai ) = και n(Mi ) =

P (A1 M2 M3 ) = P (A1 )P (M2 )P (M3 ) =

P (Eβ′ ) = P (M1 ) ⋅ P (M2 ) ⋅ P (M3 ) =

+P (M1 )P (M2 )P (M3 )

= P (M1 )P (M2 )P (M3 ) + P (M1 )P (M2 )P (A3 )

= 0, 079 + 0, 105 = 0, 184

Ασκηση 2.32 α) Πόσες “λέξεις” των 5 γραµµάτων ϕτιάχνονται µε τα γράµµατα Α, Β, Γ, ∆

ϐ) Η πιθανότητα του ενδεχοµένου

Eβ ∶ “ Η επιλεγµένη πεντάδα είναι τρεις άσσοι και δύο δεκάρια”,

Ασκηση 2.34 Να δειχθεί ότι για κάθε n, k ∈ N ∗ µε n > k ισχύει

E ∶ “ Οι 4 οδηγοί ϐάζουν ϐενζίνη σε δύο πρατήρια”

το οποίο δείχνουµε στην `Ασκηση 2.34.

Ea ∶ “Η πινακίδα περιέχει τα γράµµατα A, B, C”

όπου n(Ω) = 263 ⋅ 103

γ) Η πιθανότητα του ενδεχοµένου

(263 − 243 )(103 − 83 ) 24 3 8 3

δ) Η πιθανότητα του ενδεχοµένου

E ∶ “ Η µία χάντρα είναι άσπρη και η άλλη µαύρη”,

P (E) = P (A1 M2 ) + P (M1 A2 ), (i)

n(Ai ) = και n(Mi ) = ,

P (A1 M2 ) = P (A1 )P (M2 ) =

E1 ∶ “Καλούνται οι δύο γονείς”

n(Ω) = αριθµός συνδυασµών 10 ατόµων ανά 4

E2 ∶ “Καλείται ένας από τους δύο γονείς”

n(E2 ) = 2 ⋅ αριθµός συνδυασµών 8 ατόµων (παιδιά) ανά 3

E3 ∶ “∆εν καλείται κανένας από τους δύο γονείς”

n(E3 ) = αριθµός συνδυασµών 8 ατόµων (παιδιά) ανά 4

n(Ω) = 243 ⋅ 9 ⋅ 103 .

n(Ea ) = 242 ⋅ 9 ⋅ 103 ,

Eβ ∶ “Η πινακίδα περιέχει τουλάχιστον ένα Α”

n(Eβ′ ) = 233 ⋅ 9 ⋅ 103 ,

n(Eβ′ ) 233 ⋅ 9 ⋅ 103 23 3

γ) Το πλήθος των στοιχείων του ενδεχοµένου

Eγ ∶ “Η πινακίδα περιέχει ακριβώς ένα Α”

n(Eδ′ ) 223 ⋅ 9 ⋅ 103 22 3

ε) Το πλήθος των στοιχείων του ενδεχοµένου

η) Το πλήθος των στοιχείων του ενδεχοµένου

n(Ea′ ) = 9 + 9 ⋅ 9 + 9 ⋅ ∆92 + 9 ⋅ ∆93 + 9 ⋅ ∆94 + 9 ⋅ ∆95 + 1

n5 = 9 ⋅ 774 + 324 = 7290.

Eδ ∶ “Κατεβαίνουν 2 άτοµα στον δεύτερο όροφο και 2 στον τέταρτο”

Eǫ ∶ “Ο Α και ο Β κατεβαίνουν στον δεύτερο όροφο”

Eστ ∶ “όλοι κατεβαίνουν στον τρίτο και τέταρτο όροφο”

Eστ ∶ “όλοι κατεβαίνουν σε δύο ορόφους”

είναι P (Γ) = 1 − P (Γ′ ),

Ασκηση 2.50 Αν για τα γεγονότα A, B ισχύουν

P (A) = , P (A/B) = και P (B/A′ ) = ,

οπότε η (i) δίνει

n(A) = n(Ω) − n(A′ ),

n(A) = n(Ω) − n(A′ ) = 6912 − 768 = 6144.

n(B) = n(Ω) − n(B ′ ) = 6912 − 384 = 6528.

είναι P (Eδ ) = 1 − P (Eβ ) = 1 − 0, 273 = 0, 727.

ε) Το πλήθος των στοιχείων του ενδεχοµένου

Eǫ ∶ “ Οι Α, Β µένουν στα σπίτια Ι ή ΙΙ”,

και σύµφωνα µε το (γ)

E ∶ “ Ο Γιάννης και η Λία να είναι στην ίδια οµάδα”,

Ασκηση 2.57 Οι γραµµατείς Α, Β και Γ εργάζονται σε έναν εκδοτικό καλύπτοντας το