Upload
dejan-c
View
242
Download
0
Embed Size (px)
Citation preview
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 1/349
STATISTIKA
Miroslav M. Risti
Katedra za MatematikuPrirodno-matematiqki fakultet
Univerzitet u Nixu
2008/2009
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 2/349
Literatura
Miroslav M. Risti, Biljana Q. Popovi, Miodrag S.orevi, Statistika za studente geografije,Prirodno-matematiqki fakultet, Nix, 2006.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 3/349
Naqin polaganja ispita
Deo ispita Poena Naqin polaganjaI kolokvijum 20 PismenoII kolokvijum 20 PismenoDomai zadaci 10Ukupno 50Uslov 15
Zavrxni deo 50 PismenoAktivnost na qasu Maksimalno 10
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 4/349
Osnovni elementi teorije verovatnoe
Eksperimenti
Mogu biti:
deterministiqki (u svakom ponavljanju eksperimenta priistim uslovima dobija se uvek isti rezultat)
sluqajni (ne moemo da predvidimo rezultat)
Primer
Uslov eksperimenta: Zagrevanje vode preko 100 pri
normalnom atmosferskom pritiskuRezultat eksperimenta: Agregatno stanje vode (uvek gasovito)Uslov eksperimenta: Bacanje kocke numerisane brojevima od 1do 6Rezultat eksperimenta: Broj koji se pojavio na gornjoj strani
kocke (moe 1, 2, 3, 4, 5 ili 6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 5/349
Ishodi
Ishod
Rezultat eksperimenta naziva se i ishodom.
Napomena
Prilikom izvoenja eksperimenta potrebno je preciziratixta se registruje kao rezultat eksperimenta.
Primer
Eksperiment: Bacanje jednog novqiaXta se registruje: Gornja strana novqia
Ishodi:
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 6/349
Primer
Eksperiment: Bacanje dva novqiaXta se registruje: Strane u prvom i drugom bacanjuIshodi:
PP
PG
GP
GG
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 7/349
PrimerEksperiment: Novqi se baca dva putaXta se registruje: Broj palih grbovaIshodi: 0, 1, 2
Primer
Eksperiment: Baca se kocka
Xta se registruje: Broj koji je pao na gornjoj strani
Ishodi:
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 8/349
Primer
Eksperiment: Novqi se baca sve dok ne padne grbXta se registruje: Broj bacanjaIshodi: 1, 2, 3, . . .
... ...
... . . .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 9/349
Primer
Eksperiment: Na odreenom mestu i u odreeno vreme meri sevlanost vazduha u %Ishodi: Bilo koji broj iz intervala [0, 100]
Elementaran ishod
Elementaran ishod je osnovni pojam teorije verovatnoe ioznaqava se sa ω.
Skup svih moguih ishodaSkup svih moguih ishoda jednog eksperimenta oznaqava se saΩ.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 10/349
Primer
Eksperiment: Bacanje jednog novqia i registrovanje gornjestrane novqiaSkup moguih ishoda: Ω = P, G
PrimerEksperiment: Bacanje dva novqia i registrovanje gornjihstrana novqiaSkup moguih ishoda: Ω = PP, PG, GP, GG
Primer
Eksperiment: Novqi se baca dva puta i registruje se brojpalih grbovaSkup moguih ishoda: Ω = 0, 1, 2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 11/349
Primer
Eksperiment: Baca se kocka numerisana brojevima od 1 do 6 iregistruje se broj koji je pao na gornjoj strani kockeSkup moguih ishoda: Ω = 1, 2, 3, 4, 5, 6
PrimerEksperiment: Novqi se baca sve dok ne padne grb iregistruje se broj bacanjaSkup moguih ishoda: Ω = 1, 2, 3, . . .
Primer
Eksperiment: Na odreenom mestu i u odreeno vreme meri sevlanost vazduha u %Skup moguih ishoda: Ω = v |0 ≤ v ≤ 100
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 12/349
Skup moguih ishoda
Skup moguih ishoda moe biti:
konaqan
Ω = P, G,Ω = PP, PG, GP, GG,Ω = 0, 1, 2,Ω = 1, 2, 3, 4, 5, 6
beskonaqno prebrojiv
Ω = 1, 2, 3, . . . neprebrojiv
Ω = v |0 ≤ v ≤ 100
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 13/349
Sluqajni dogaaji
Sluqajni dogaaj
Bilo koji podskup skupa Ω zove se sluqajni dogaaj.
Oznaqavanje
Sluqajne dogaaje oznaqavamo velikim slovima abecede A, B ,C , itd.
Realizacija dogaajaSluqajni dogaaj A se realizuje ako i samo ako se realizujeneki od elementarnih ishoda koji pripada dogaaju A.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 14/349
Specijalni dogaaji
Siguran dogaaj
Skup moguih ishoda Ω je takoe dogaaj. On sadri sveelementarne ishode, te se uvek realizuje. Zove se sigurandogaaj.
Nemogu dogaaj
Prazan skup ∅ je takoe dogaaj. On ne sadri elementarneishode, te se nikada ne realizuje. Zove se nemogu dogaaj.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 15/349
PrimerBaca se homogena numerisana kocka i registruje se broj kojise pojavio na gornjoj strani kocke. Odrediti skup moguihishoda i dogaaje: a) A-”pada broj 6”, b) B -”pada broj ne veiod 3”, v) C -”pada neparan broj”, g) D -”padaju istovremeno
brojevi 2 i 3”, d) E -”pada broj razliqit od 2”.
Rexenje:Skup moguih ishoda je Ω = 1, 2, 3, 4, 5, 6.A = 6
B = 1, 2, 3C = 1, 3, 5D = ∅E = 1, 3, 4, 5, 6
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 16/349
Primer
Baca se homogena numerisana kocka i registruje se broj kojise pojavio na gornjoj strani kocke. Odrediti skup moguihishoda i dogaaje: a) A-”pada broj 3”, b) B -”pada broj manjiod 3”, v) C -”ne pada nijedan broj”, g) D -”pada paran broj”, d)E -”padaju dva broja”, ) F -”pada jedan od brojeva 2 ili 3”, e)
G -”pada broj vei od 1”.Rexenje:Skup moguih ishoda je Ω = 1, 2, 3, 4, 5, 6.A = 3
B = 1, 2C = ∅D = 2, 4, 6E = ∅F = 2, 3
G = 2, 3, 4, 5, 6
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 17/349
Primer
Novqi se baca qetiri puta i registruje se gornja strananovqia u svakom bacanju. Odrediti skup moguih ishoda idogaaje: a) A-”pismo pada vixe puta nego grb”, b) B -”pismopada taqno dva puta”, v) C -”pismo pada vixe od dva puta”, g)D -”rezultati svih bacanja su isti”, d) E -”sva qetiri puta
pada grb”.Rexenje:Skup moguih ishoda je Ω = PPPP, PPPG, PPGP, PGPP,GPPP, PPGG, PGPG, PGGP, GPPG, GPGP, GGPP, PGGG,
GPGG, GGPG, GGGP, GGGGA = PPPP, PPPG, PPGP, PGPP, GPPPB = PPGG, PGPG, PGGP, GPPG, GPGP, GGPPC = PPPP, PPPG, PPGP, PGPP, GPPP = A
D = PPPP,GGGG
E = GGGG
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 18/349
Primer
Bacaju se dve numerisane kocke i registruju se brojevi nagornjim stranama kocki. Odrediti skup moguih ishoda idogaaje: a) A-”na obema kockama pada broj qetiri”, b) B -”na
obema kockama pada isti broj”, v) C -”padaju brojevi 2 i 3”, g)D -”padaju brojevi qiji je zbir 10”, d) E -”padaju brojevi qiji je zbir 8 ili 10”.
Rexenje:
Ishod moemo predstaviti kao ureeni par (x , y ), gde je x broj na prvoj, a y broj na drugoj kocki.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 19/349
Ω = (x , y )|1 ≤ x , y ≤ 6
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 20/349
A = (4, 4)
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 21/349
B = (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 22/349
C = (2, 3), (3, 2)
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 23/349
D = (4, 6), (5, 5), (6, 4)
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 24/349
E = (2, 6), (3, 5), (4, 4), (5, 3), (6, 2), (4, 6), (5, 5), (6, 4)
1 2 3 4 5 6
1
2
3
4
5
6
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 25/349
Dogaaji
Implikacija dogaaja
Dogaaj A implicira dogaaj B i pixemo A ⊂ B , ako kad god se realizuje A realizuje se i B .
Ω
B
A
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 26/349
Dogaaji
Suprotan dogaaj
Suprotan dogaaj dogaaju A, u oznaci Ac , je dogaaj koji serealizuje onda i samo onda kada se dogaaj A ne realizuje.
Ω
A
Ac
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 27/349
Dogaaji
Presek dogaaja
Presek dva dogaaja A i B , u oznaci A ∩ B , je dogaaj koji serealizuje ako i samo ako se istovremeno realizuju obadogaaja A i B .
Oznaka
Presek dva dogaaja A ∩ B moe se zapisati i kao proizvod dva dogaaja AB .
A B
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 28/349
Dogaaji
Unija dogaaja
Unija dva dogaaja A i B , u oznaci A ∪ B , je dogaaj koji serealizuje ako i samo ako se realizuje bar jedan od dogaaja A
ili B .
A B
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 29/349
Dogaaji
Disjunktni dogaaji
Dogaaji A i B su disjunktni ili uzajamno iskljuqivi ako jeA ∩ B = ∅.
Zbir dogaaja
Ako su dogaaji A i B disjunktni, tada se umesto termina
unija dogaaja koristi termin zbir dogaaja i pixe A + B .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 30/349
Dogaaji
Razlika dogaaja
Razlika dogaaja A i B , u oznaci A\B , je dogaaj koji serealizuje ako i samo ako se realizuje dogaaj A i ne realizujedogaaj B .
A B
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 31/349
Primer
Neka se eksperiment sastoji u istovremenom bacanju kocke inovqia. Registruju se broj koji se pojavio na gornjoj stranikocke i gornja strana novqia. Odrediti sledee dogaaje:
A-”pojavljuje se paran broj”, B -”pojavljuje se pismo”,C -”pojavljuje se broj deljiv sa 4”, A ∪ B , A ∩ B , Ac , A\B . Da lidogaaj C implicira dogaaj A?
Rexenje:
Ishod moemo predstaviti kao ureeni par (x , y ), gde je x broj na kocki, a y je pojavljivanje jedne strane novqia.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 32/349
Ω = (x , y )|1 ≤ x ≤ 6, y ∈ P,G
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 33/349
A = (2, P), (2, G), (4, P), (4, G), (6, P), (6, G)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 34/349
B = (1, P), (2, P), (3, P), (4, P), (5, P), (6, P)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 35/349
C = (4, P), (4, G)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 36/349
A ∪ B = (1, P), (2, P), (3, P), (4, P), (5, P), (6, P), (2, G), (4, G), (6, G)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 37/349
A ∩ B = (2, P), (4, P), (6, P)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 38/349
Ac = (1, P), (1, G), (3, P), (3, G), (5, P), (5, G)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 39/349
A\B = (2, G), (4, G), (6, G)
1 2 3 4 5 6
P
G
(1,P) (2,P) (3,P) (4,P) (5,P) (6,P)
(1,G) (2,G) (3,G) (4,G) (5,G) (6,G)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 40/349
Primer
Neka dogaaj A znaqi da je bar jedan od tri proizvedenaartikla neispravan, a neka dogaaj B znaqi da su najmanje dva
artikla neispravna. Odrediti dogaaje Ac
, B c
, AB , AB c
, Ac
B ,A ∪ B .
Rexenje:Oznaqimo sa I pojavu ispravnog artikla, a sa D pojavu
neispravnog artikla.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 41/349
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 42/349
A
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 43/349
A B
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 44/349
AAc
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 45/349
B B c
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 46/349
AB = B
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 47/349
AB c
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 48/349
Ac B
IDD
DID
DDI
IID
IDI
DII
III DDD
ΩAc B = ∅
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 49/349
A ∪ B = A
IDD
DID
DDI
IID
IDI
DII
III DDD
Ω
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 50/349
Primer
Neka su A, B i C tri dogaaja. Napisati pomou osnovnihoperacija izraze za dogaaje: 1. ostvari se samo A, 2. ostvare
se A i B , 3. ostvare se sva tri dogaaja, 4. ostvari se bar jedan od tih dogaaja, 5. ostvare se bar dva dogaaja, 6.ostvari se samo jedan od tih dogaaja, 7. ostvare se taqno dvadogaaja, 8. ne ostvari se ni jedan od tih dogaaja, 9.ostvari se vixe od dva dogaaja.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 51/349
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 52/349
”Ostvari se samo A” = AB
c
C
c
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 53/349
”Ostvare se A i B ”= AB
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 54/349
”Ostvare se sva tri dogaaja”= ABC
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 55/349
”Ostvari se bar jedan dogaaj”= A
∪B
∪C
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 56/349
”Ostvare se bar dva dogaaja”= AB
∪AC
∪BC
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 57/349
”Ostvari se samo jedan dogaaj”= AB c C c + Ac BC c + Ac B c C
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 58/349
”Ostvare se taqno dva dogaaja”= ABC c + AB c C + Ac BC
Ω
A
B
C
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 59/349
”Ne ostvari se ni jedan dogaaj”= Ac B c C c
Ω
A
B
C
Potpun sistem dogaaja
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 60/349
Potpun sistem dogaaja
Definicija
Za meusobno disjunktne dogaaje A1, A2, . . . , An kaemo daqine potpun sistem dogaaja ako je njihov zbir sigurandogaaj Ω, tj. A1 + A2 + · · · + An = Ω.
Ω
A1 A2 A3
A4 A5
Potpun sistem dogaaja
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 61/349
Potpun sistem dogaaja
Primer
Neka je skup moguih ishoda Ω = 1, 2, 3, 4, 5, 6, 7, 8, 9.
Ispitati da li sledei dogaaji qine potpun sistemdogaaja:
1 A1 = 1, 2, 3, A2 = 4, 5, A3 = 7, 8, 9
2 A1 = 1, 2, 3, A2 = 4, 5, 6, 9, A3 = 4, 7, 8
3 A1 = 1, 2, 3, A2 = 4, 5, 6, 9, A3 = 7, 8
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 62/349
A1 = 1, 2, 3, A2 = 4, 5, A3 = 7, 8, 9
Ω
1 2 3
4 5 6
7 8 9
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 63/349
A1 = 1, 2, 3, A2 = 4, 5, 6, 9, A3 = 4, 7, 8
Ω
1 2 3
4 5 6
7 8 9
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 64/349
A1 = 1, 2, 3, A2 = 4, 5, 6, 9, A3 = 7, 8
Ω
1 2 3
4 5 6
7 8 9
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 65/349
Zadaci
Zadatak 1
Strelac ima 4 metka i gaa u cilj sve dok ne pogodi dva puta
uzastopno ili dok ne izgubi xansu da ispuni taj uslov.Belei se rezultat svakog gaanja. Odrediti skup moguihishoda Ω i dogaaje:
A-”cilj je pogoen bar dva puta”
B -”ostao je neiskorixen bar jedan metak”
C -”bilo je vixe promaxaja nego pogodaka”
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 66/349
Zadaci
Zadatak 2Neka je Ω = 1, 2, 3, 4, 5, 6, 7, 8, 9, A = 1, 2, 3, 4, B = 2, 4, 6, 8 iC = 3, 4, 5, 6. Odrediti dogaaje Ac , AC , (AC )c , A ∪ B , B \C .
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 67/349
Zadaci
Zadatak 3
Neka je Ω = a , b , c , d , e , f , g . Ispitati da li sledei dogaaji
qine potpun sistem dogaaja:1 A1 = a , c , e , A2 = b , A3 = d , g
2 B 1 = a , e , g , B 2 = c , d , B 3 = b , e , f
3 C 1 = a , b , e , g , C 2 = c , C 3 = d , f
4 D 1 = a , b , c , d , e , f , g
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 68/349
r
Ispravan novqi bacamo 100 puta i registrujemo da li jepao grb (dogaaj A).
Neka je n (A) broj eksperimenata u kojima se realizovaodogaaj A.
Izraqunavamo koliqnike n (A)n
za n = 1, 2, 3, . . . , 100.
Taqke
n ,n (A)
n
, n = 1, 2, . . . , 100, spajamo izlomljenom
linijom.
0.5
1001
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 69/349
r
Homogenu kocku bacamo 100 puta i registrujemo da li jepao broj 1 (dogaaj A1), broj 2 (dogaaj A2), . . . , broj 6(dogaaj A6).
Neka je n (Ai ) broj eksperimenata u kojima se realizovaodogaaj Ai , i = 1, 2, 3, 4, 5, 6.
Izraqunavamo koliqnike n (Ai )n
za n = 1, 2, 3, . . . , 100,i = 1, 2, 3, 4, 5, 6.
Taqke
n , n (Ai )n
, n = 1, 2, . . . , 100, i = 1, 2, 3, 4, 5, 6, spajamo
izlomljenom linijom.
1/6
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 70/349
1/6
1001
1/6
1001
1/6
1001
1/6
1001
1/6
1001
1/6
1001
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 71/349
r
Pravilnost
Pri uveanju broja n , koliqnik n (A)n
se sve vixe grupixe okoodreenog broja.
Verovatnoa dogaaja
Broj oko koga se grupixe koliqnik n (A)n
kada se n neograniqenouveava zove se verovatnoa dogaaja A i oznaqava se sa P (A).
Klasiqna definicija
Neka eksperiment ima n elementarnih ishoda i neka je m
ishoda povoljno za dogaaj A. Verovatnoa dogaaja A je broj
P (A) = m
n .
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 72/349
Primer
Baca se kocka i registruje se broj na gornjoj strani. Naiverovatnou da taj broj bude:
1 broj 22 broj koji nije vei od 4
3 neparan broj
4 broj 3 ili broj 4
5 broj razliqit od 46 broj koji nije manji od 3
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 73/349
Rexenje
Skup moguih ishoda je Ω = 1, 2, 3, 4, 5, 6, te je n = 6.
1 A-”pada broj 2”= 2, m = 1⇒ P (A) = 1
6
2 A-”pada broj ne vei od 4”= 1, 2, 3, 4, m = 4⇒ P (A) = 46
3 A-”pada neparan broj”= 1, 3, 5, m = 3⇒ P (A) = 3
6
4 A-”pada broj 3 ili broj 4”= 3, 4, m = 2⇒ P (A) = 2
6
5 A-”pada broj razliqit od 4”= 1, 2, 3, 5, 6,m = 5⇒ P (A) = 5
6
6 A-”pada broj ne manji od 3”= 3, 4, 5, 6, m = 4⇒ P (A) = 4
6
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 74/349
r r
Kutija sadri pet artikala. Poznato je da su meu njima dva
defektna. Artikli se izvlaqe jedan za drugim i registruje seda li je izvuqeni artikal defektan ili nije. Naiverovatnou da je trei izvuqeni artikal poslednji defektankoji je izvuqen.
Rexenje: Obeleimo sa ”D” defektan i sa ”I” ispravanartikal. Tada su mogui ishodi
Izvlaqenje IzvlaqenjeI II III IV V I II III IV V
D D I I I I D I D ID I D I I I D I I DD I I D I I I D D ID I I I D I I D I DI D D I I I I I D D
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 75/349
RexenjeUkupno je 10 elementarnih ishoda, te je n = 10.
Posmatramo dogaaj A-”trei izvuqeni artikal je poslednjidefektan koji je izvuqen”.
Povoljni ishodi dogaaja A su DIDII i IDDII, te jem = 2.
Verovatnoa dogaaja A je
P (A) = 2
10 =
1
5.
Verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 76/349
Savremena definicija
Verovatnoa P je funkcija koja preslikava skup svih ishodaΩ u skup realnih brojeva R sa sledeim osobinama:
1 Za svaki dogaaj A iz Ω vai P (A) ≥ 0 (Nenegativnostverovatnoe)
2 P (Ω) = 1 (Normiranost verovatnoe)
3 Za meusobno disjunktne dogaaje A1, A2, . . . , vai
P (A1 + A2 + . . . ) = P (A1) + P (A2) + . . . (σ-aditivnostverovatnoe)
Osobine verovatnoe
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 77/349
Verovatnoa nemogueg dogaaja
Verovatnoa nemogueg dogaaja je 0, tj. P (∅) = 0.
Verovatnoa suprotnog dogaaja
Verovatnoa suprotnog dogaaja Ac je P (Ac ) = 1− P (A).
Monotonost verovatnoe
Ako dogaaj A implicira dogaaj B , tj. A ⊂ B , tada jeP (
A) ≤
P (
B ).
Verovatnoa dogaaja
Za svaki dogaaj A vai 0 ≤ P (A) ≤ 1.
Osobine verovatnoe
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 78/349
Verovatnoa unije dva dogaaja
Za dva dogaaja A i B vai
P (A ∪ B ) = P (A) + P (B )− P (AB ).
Verovatnoa unije dva disjunktna dogaaja
Za dva disjunktna dogaaja A i B vai
P (A ∪ B ) = P (A) + P (B ).
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 79/349
Primer
Neka se eksperiment sastoji u bacanju kocke. Neka je A
dogaaj da se dobije broj deljiv sa 2, a B dogaaj da se dobijebroj deljiv sa 3. Nai verovatnou da se pri bacanju kockedobije broj deljiv sa 2 ili sa 3.
Rexenje:Dati su dogaaji A-”dobija se broj deljiv sa 2” i B -”dobijase broj deljiv sa 3”.Dogaaj ”Dobija se broj deljiv sa 2 ili sa 3” je dogaaj A∪B .
Verovatnoa dogaaja A
∪B
je
P (A ∪ B ) = P (A) + P (B )− P (AB ).
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 80/349
Rexenje
Elementarni ishodi su 1, 2, 3, 4, 5, 6, te je n = 6.Dogaaj A qine elementarni ishodi 2, 4, 6, te je P (A) = 3
6.
Dogaaj B qine elementarni ishodi 3, 6, te je P (B ) = 2
6.
Presek dogaaja A i B je dogaaj ”dobija se broj deljiv i sa 2i sa 3”. On sadri ishod 6, te je P (AB ) = 1
6.
Verovatnoa traenog dogaaja je
P (A ∪ B ) = 3
6
+ 2
6
− 1
6
= 2
3
.
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 81/349
Primer
Bacamo tri novqia i registrujemo gornje strane novqia u
svakom bacanju. Neka je A dogaaj da se pojave najvixe dvapisma, a B dogaaj da se pojave najmanje dva grba. IzraqunatiP (A ∪ B ).
Rexenje: Skup moguih ishoda je
Ω = PPP, PPG, PGP, GPP, PGG, GPG, GGP, GGG
te je n = 8.Potrebno je odrediti verovatnoe dogaaja A, B i AB .
Suprotan dogaaj dogaaju A je dogaaj ”pojavljuju se vixe od dva pisma”, tj. ”pojavljuju se tri pisma”.Kako je Ac = PPP, to je P (Ac ) = 1
8.
Verovatnoa dogaaja A je P (A) = 1− P (Ac ) = 7
8.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 82/349
RexenjeKako je B -”pojavljuju se najmanje dva grba”= PGG, GPG, GGP, GGG, to je P (B ) = 4
8.
Odredimo presek dogaaja A i B .Dogaaj B je i dogaaj da padne najvixe jedno pismo, te jepresek AB dogaaj da padne najvixe jedno pismo.Imamo da je AB = PGG, GPG, GGP, GGG, te je P (AB ) = 4
8.
Traena verovatnoa je
P (A ∪ B ) = 7
8 + 4
8 − 4
8 = 7
8.
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 83/349
Zadatak 1
Bacaju se dva novqia i registruju se gornje strane novqia
u svakom bacanju. Kolika je verovatnoa da se pojave dve jednake strane ili najvixe jedan grb?
Zadatak 2
Iz svenja od 52 karte za igru izvlaqimo jednu kartu. Kolika
je verovatnoa da emo izvui kartu boje pik ili damu?
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 84/349
Zadatak 3
Bacamo istovremeno novqi i kocku i registrujemo broj nagornjoj strani kocke i gornju stranu novqia. Kolika je
verovatnoa da na novqiu dobijemo pismo ili na kocki broj3?
Zadatak 4
Bacaju se dve kocke i registruju se brojevi na gornjim
stranama kocki. Kolika je verovatnoa da dve baqene kockenee pokazati brojeve qiji je zbir deljiv sa 2 ili sa 3?
Uslovne verovatnoe
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 85/349
Uslovna verovatnoa
Uslovna verovatnoa dogaaja B , pod uslovom da se ostvariodogaaj A je
P (B |A) = P (AB )
P (A) ,
uz pretpostavku da je P (A) > 0.
Primer
Bacaju se dve kocke i registruju se brojevi na gornjim
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 86/349
Bacaju se dve kocke i registruju se brojevi na gornjim
stranama. Ako su kocke pokazale zbir 10, odreditiverovatnou da na jednoj od njih bude broj 6.
Rexenje:Posmatramo dogaaje A-”pojavljuje se zbir 10” i B -”pojavljujese broj 6”.Skup moguih ishoda Ω = (x , y )|1 ≤ x , y ≤ 6 ima ukupno 36elemenata.Potrebno je izraqunati uslovnu verovatnou P (B |A).A = (4,6), (5, 5), (6,4), te je P (A) = 3
36.
AB = (4,6), (6,4), te je P (AB ) = 2
36 .Uslovna verovatnoa je
P (B |A) =2
36
3
36
= 2
3 .
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 87/349
Novqi se baca tri puta i registruju se gornje strane
novqia u svakom bacanju. a) Ako prva dva puta padne pismo,kolika je verovatnoa da e i trei put pasti pismo? b) Akou prvom bacanju padne pismo, kolika je verovatnoa da udruga dva bacanja bude najmanje jedan grb?
Rexenje:Ω = PPP,PPG,PGP,GPP,PGG,GPG,GGP,GGG.a) A-”prva dva puta pada pismo”=PPP,PPGB -”trei put pada pismo”AB -”prva dva puta pada pismo i trei put pada
pismo”=PPP
P (B |A) = P (AB )
P (A) =
1
8
2
8
= 1
2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 88/349
Rexenje
b) C -”prvi put pada pismo”=PPP,PPG,PGP,PGG
D -”u druga dva bacanja pada najmanje jedan grb”
CD -”prvi put pada pismo i u druga dva bacanja pada najmanje jedan grb”=PPG,PGP,PGG
P (D |C ) = P (CD )
P (C ) =
3
8
4
8
= 3
4
Nezavisnost dogaaja
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 89/349
Nezavisnost dva dogaaja
Dogaaji A i B su nezavisni ako je P (AB ) = P (A)P (B ).Dogaaji A i B su zavisni ako je P (AB ) = P (A)P (B ).
Nezavisnost tri dogaaja
Dogaaji A, B i C su nezavisni u potpunosti ako je
P (AB ) = P (A)P (B )
P (AC ) = P (A)P (C )P (BC ) = P (B )P (C )
P (ABC ) = P (A)P (B )P (C )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 90/349
PrimerBacaju se tri novqia i registruju se gornje strane. Neka sudogaaji
A− ”pala su tri grba ili tri pisma”
B − ”pala su bar dva pisma”
C − ”pala su najvixe dva grba”
a) Koji su od dogaaja A i B , A i C , B i C nezavisni, a kojizavisni?b) Da li su dogaaji A, B i C nezavisni u potpunosti?
R
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 91/349
Rexenje
a) A =PPP,GGG P (A) = 28
B =PPG,PGP,GPP,PPP P (B ) = 4
8
C =PPP,PPG,PGP,GPP,PGG,GPG,GGP P (C ) = 7
8
AB =PPP P (AB ) = 1
8
AC =PPP P (AC ) = 1
8
BC =PPG,PGP,GPP,PPP P (BC ) = 4
8
P (AB ) = 1
8, P (A)P (B ) = 1
8, nezavisni
P (AC ) = 1
8, P (A)P (C ) = 7
32, zavisni
P (BC ) =
1
2
,
P (B )P (C ) =
7
16
,
zavisnib) ABC =PPP, P (ABC ) = 1
8, P (A)P (B )P (C ) = 7
64, zavisni u
potpunosti
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 92/349
Zadatak 1
Iz xpila od 52 karte izvlaqimo dve karte jednu za drugom.Kolika je verovatnoa da, ako je prva izvuqena karta kralj,
bude i druga izvuqena karta takoe kralj?
Zadatak 2
Iz skupa 1,2, . . . , 19, 20 sluqajno je izabran broj. Odreditiverovatnou da je izabran paran broj, ako se zna da jeizabran broj deljiv sa tri.
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 93/349
Zadatak 3
Bacaju se dve kocke i registruju se brojevi na gornjimstranama. Neka A oznaqava pojavu neparnog broja na prvojkocki, B pojavu parnog broja na drugoj kocki i C pojavu brojaveeg od tri na prvoj kocki. Ispitati nezavisnost dogaaja uparovima i u potpunosti.
Sluqajna promenljiva
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 94/349
Registrovanje ishoda eksperimenta
Kod nekih eksperimenata sluqajan ishod ω se registruje kaobroj.
Kao brojevi se mogu registrovati:visina stanovnika
teina stanovnika
vodostaj
broj sunqanih dana u toku godinetemperatura vazduha
liqni dohodak
Sluqajna promenljiva
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 95/349
Nenumeriqki (atributivni) ishodi
Kao nenumeriqki ishodi se mogu registrovati:
pol stanovnika
boja kosezanimanje
braqno stanje
Kodiranje
Postupak pridruivanja broja svakom nenumeriqkom ishoduzove se kodiranje.
Sluqajna promenljiva
Funkcija X koja svakom elementarnom ishodu ω iz Ω dodeljuje
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 96/349
Funkcija X koja svakom elementarnom ishodu ω iz Ω dodeljuje
realan broj X (ω) zove se sluqajna promenljiva.
Oznaqavanje
Sluqajne promenljive se oznaqavaju velikim slovima X , Y , Z ,itd.
Realizacije sluqajne promenljive
Vrednosti x 1, x 2, . . . koje uzima sluqajna promenljiva X zovuse realizacije sluqajne promenljive.
Skup realizacija sluqajne promenljive
Skup svih vrednosti x 1, x 2, . . . sluqajne promenljive X zovese skup realizacija sluqajne promenljive X i oznaqava se saX (Ω).
Sluqajna promenljiva
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 97/349
Primer
Novqi se baca tri puta. Odrediti skup realizacija sluqajnepromenljive X koja predstavlja broj grbova u tri bacanja.
Rexenje:
Skup moguih ishoda jeΩ = PPP,PPG,PGP,GPP,PGG,GPG,GGP,GGG.Realizacije su:X (PPP) = 0,X (PPG) = 1, X (PGP) = 1, X (GPP) = 1,X (PGG) = 2, X (GPG) = 2, X (GGP) = 2,X (GGG) = 3.Skup realizacija sluqajne promenljive X je X (Ω) = 0, 1, 2, 3.
Primer
Istovremeno se bacaju dve homogene numerisane kocke.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 98/349
r c ju d u r c
Odrediti skup realizacija sluqajne promenljive Y kojapredstavlja zbir brojeva koji se pojavljuju na obe kocke.
Rexenje:Skup moguih ishoda je Ω = (i , j )|1 ≤ i , j ≤ 6.Realizacije su:
Y (1, 1) = 2 Y (1, 2) = 3 Y (1, 3) = 4 Y (1, 4) = 5 Y (1, 5) = 6 Y (1, 6) = 7
Y (2, 1) = 3 Y (2, 2) = 4 Y (2, 3) = 5 Y (2, 4) = 6 Y (2, 5) = 7 Y (2, 6) = 8
Y (3, 1) = 4 Y (3, 2) = 5 Y (3, 3) = 6 Y (3, 4) = 7 Y (3, 5) = 8 Y (3, 6) = 9
Y (4, 1) = 5 Y (4, 2) = 6 Y (4, 3) = 7 Y (4, 4) = 8 Y (4, 5) = 9 Y (4, 6) = 10
Y (5,
1) =
6 Y (
5,
2) =
7 Y (
5,
3) =
8 Y (
5,
4) =
9 Y (
5,
5) =
10 Y (
5,
6) =
11
Y (6, 1) = 7 Y (6, 2) = 8 Y (6, 3) = 9 Y (6, 4) = 10 Y (6, 5) = 11 Y (6, 6) = 12
Skup realizacija sluqajne promenljive Y jeY (Ω) = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12.
Primer
Lopta se baca u kox dok se ne postignu 2 pogotka ili ne
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 99/349
Lopta se baca u kox dok se ne postignu 2 pogotka ili ne
izvedu 4 bacanja. Neka je X broj bacanja, a Y broj promaxaja.Odrediti skup moguih ishoda Ω i realizacije sluqajnihpromenljivih X i Y .Rexenje:Neka je 0 – promaxaj i 1 – pogodak.
Skup moguih ishoda jeΩ = 11, 011, 101, 0000, 0001, 0010, 0011, 0100, 0101, 1000, 1001.Preslikavanja su
ω 11 011 101 0000 0001 0010 0011 0100 0101 1000 1001X (ω) 2 3 3 4 4 4 4 4 4 4 4
Y (ω) 0 1 1 4 3 3 2 3 2 3 2
Skup realizacija sluqajne promenljive X je X (Ω) = 2, 3, 4.Skup realizacija sluqajne promenljive Y jeY (Ω) = 0, 1, 2, 3, 4.
Realizacija
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 100/349
Sluqajnepromenljive
Diskretne
konaqno
Realizacijaprebro-
jivobeskonaqno
Apsolutnoneprekidne
Diskretne sluqajne promenljive
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 101/349
Sa konaqno mnogo realizacija
Za neku sluqajnu promenljivu X kaemo da je diskretnasluqajna promenljiva sa konaqno mnogo realizacija ako uzima
vrednosti iz nekog konaqnog skupa x 1, x 2, . . . , x n .
Sa prebrojivo beskonaqno mnogo realizacija
Za neku sluqajnu promenljivu X kaemo da je diskretnasluqajna promenljiva sa prebrojivo beskonaqno mnogo
realizacija ako uzima vrednosti iz nekog prebrojivog skupax 1, x 2, . . . .
Sluqajna promenljiva X je odreena ako su poznateverovatnoe p i = P X = x i za svako x i .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 102/349
Zakon raspodele
Vrednosti x i i njihove verovatnoe p i qine zakon raspodelediskretne sluqajne promenljive X .
Konaqno mnogo vrednostiZakon raspodele diskretne sluqajne promenljive sa konaqnomnogo vrednosti zapisuje se u obliku
x 1 x 2 . . . x n
p 1 p 2 . . . p n
1 Sve verovatnoe p i moraju biti pozitivne.
2 Zbir svih verovatnoa p i mora biti 1.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 103/349
Prebrojivo beskonaqno mnogo vrednostiZakon raspodele diskretne sluqajne promenljive saprebrojivo beskonaqno mnogo vrednosti zapisuje se u obliku
x 1 x 2 . . .
p 1 p 2 . . .
Napomena
1 Sve verovatnoe p i moraju biti pozitivne.
2 Zbir svih verovatnoa p i mora biti 1.
Primer
Jedan novqi se baca tri puta, pri qemu se registruje koliko
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 104/349
d c r u , r u r ruj
puta je pao grb. Pretpostavljajui da grb i pismo imaju isteverovatnoe pojavljivanja (svaki ishod se pojavljuje saverovatnoom 1/2), odrediti raspodelu sluqajne promenljiveX koja predstavlja broj dobijenih grbova u tri nezavisnabacanja jednog novqia.
Rexenje:Skup realizacija sluqajne promenljive X je X (Ω) = 0, 1, 2, 3.Odredimo verovatnoe P X = 0, P X = 1, P X = 2 iP X = 3.
P X = 0 = P PPP = 1/8P X = 1 = P PPG,PGP,GPP = 3/8
P X = 2 = P PGG,GPG,GGP = 3/8
P X = 3 = P GGG = 1/8
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 105/349
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 106/349
Primer
Novqi se baca sve dok ne padne grb. Odrediti raspodelusluqajne promenljive Y koja predstavlja broj bacanja.
Rexenje:Sluqajna promenljiva Y uzima vrednosti 1, 2, 3 itd.
Verovatnoe su redomP Y = 1 = P G = 1/2
P Y = 2 = P PG = 1/4
P Y = 3 = P PPG = 1/8
..
.
...
...
P Y = n = P P ...P G = 1/2n
Rexenje
Zakon raspodele sluqajne promenljive Y je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 107/349
1 2 . . . n . . .1/2 1/4 . . . 1/2n . . .
Grafiqki prikaz zakona raspodele
y 1 2 . . . . . . n
P (Y = y )
1/2n
1/4
1/2
Funkcija raspodele verovatnoa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 108/349
Funkcija raspodele verovatnoa
Realna funkcija F definisana kao
F (x ) = P X ≤ x , x ∈ R,
zove se funkcija raspodele verovatnoa sluqajne promenljiveX .
Osobina 1
Funkcija raspodele verovatnoa je neopadajua funkcija, tj.ako je x < y , tada je F (x ) ≤ F (y ).
Osobina 2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 109/349
Funkcija raspodele verovatnoa uzima vrednosti izmeu 0 i1, pri qemu je
F (−∞) = limx →−∞
F (x ) = 0
F (∞) = lim
x →∞
F (x ) = 1
Osobina 3
Funkcija raspodele verovatnoa je neprekidna sa desnestrane, tj.
limε↓0
F (x + ε) = F (x )
Ako je zakon raspodele sluqajne promenljive X oblika
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 110/349
Ako je zakon raspodele sluqajne promenljive X oblika
x 1 x 2 . . . x n p 1 p 2 . . . p n
,
tada je funkcija raspodele verovatnoa zadata sa
F (x ) =
0, x < x 1,p 1, x 1 ≤ x < x 2,p 1 + p 2, x 2 ≤ x < x 3,
..
.
...1, x ≥ x n .
Primer
Odrediti funkciju raspodele verovatnoa sluqajne
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 111/349
promenljive X zakona raspodele −1 0 1 2 3
0, 2 0, 2 0, 1 0, 4 0, 1
.
Rexenje:Funkcija raspodela verovatnoa sluqajne promenljive X je
F (x ) =
0, x < −1,0, 2, −1 ≤ x < 0,
0, 4, 0 ≤ x < 1,0, 5, 1 ≤ x < 2,0, 9, 2 ≤ x < 3,1, x ≥ 3.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 112/349
Apsolutno neprekidne sluqajne promenljive
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 113/349
Apsolutno neprekidne sluqajne promenljiveSluqajna promenljiva X je apsolutno neprekidna ako je skupnjenih vrednosti neki interval, podskup skupa realnihbrojeva ili ceo skup realnih brojeva, i ako postojinenegativna funkcija f (x ), x ∈ R, takva da je
F (x ) =
x −∞
f (t )dt , x ∈ R.
Gustina raspodele
Funkcija f (x ) zove se gustina raspodele sluqajne promenljiveX .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 114/349
Povrxina xrafirane oblasti je 1
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 115/349
a b
Verovatnoa da sluqajna promenljiva X uzima vrednost izintervala (a ,b ]
Zadaci
Zadatak 1
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 116/349
d
Automobil se kree u pravcu gde e naii na tri semafora.Svaki od njih dopuxta dalje kretanje sa verovatnoom 2/3, azabranjuje kretanje sa verovatnoom 1/3. Nai zakonraspodele prolaska automobila pored semafora do prvog
zaustavljanja. Grafiqki prikazati zakon raspodeleverovatnoa. Odrediti i grafiqki predstaviti funkcijuraspodele verovatnoa.
Zadatak 2
Novqi se baca 4 puta. Sluqajna promenljiva X se definixekao broj pojavljivanja grba. Nai i grafiqki prikazati zakonraspodele sluqajne promenljive X . Odrediti i grafiqkipredstaviti funkciju raspodele verovatnoa.
Zadaci
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 117/349
Zadatak 3
Kocka se baca tri puta. Sluqajnu promenljivu Y definixemokao broj pojavljivanja xestice. Nai i grafiqki prikazatizakon raspodele sluqajne promenljive Y . Odrediti i
grafiqki predstaviti funkciju raspodele verovatnoa.
Zadatak 4
Strelac sa 4 metka gaa u cilj dok ne pogodi. Sluqajnapromenljiva Z je broj utroxenih metaka. Nai i grafiqkiprikazati zakon raspodele sluqajne promenljive Z . Odreditii grafiqki predstaviti funkciju raspodele verovatnoa.
Vixedimenzionalne sluqajne
promenljive
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 118/349
Istovremeno se moe posmatrati i vixe sluqajnihpromenljivih.
Primer
Temperatura vazduha i nadmorska visina.
Vazduxni pritisak, relativna vlanost vazduha itemperatura vazduha.
Dvodimenzionalna sluqajna promenljiva
Funkcija Z = (X , Y ) koja skup svih moguih ishoda preslikavau R2 zove se dvodimenzionalna sluqajna promenljiva.
Napomena
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 119/349
Dvodimenzionalna sluqajna promenljiva se moe posmatratikao par jednodimenzionalnih sluqajnih promenljivih.
Dvodimenzionalna sluqajna promenljiva moe biti:
diskretna
apsolutno neprekidna.
Diskretna dvodimenzionalna sluqajna promenljiva
Diskretna dvodimenzionalna sluqajna promenljiva uzima
vrednosti iz konaqnog ili beskonaqno prebrojivog diskretnogskupa (x i , y i ).
Apsolutno neprekidna dvodimenzionalna sluqajna
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 120/349
promenljivaApsolutno neprekidna dvodimenzionalna sluqajna promenljivauzima vrednosti iz (a , b ] × (c , d ].
n -dimenzionalna sluqajna promenljiva
Funkcija Z koja skup svih moguih ishoda preslikava u Rn
zove se n -dimenzionalna sluqajna promenljiva.
Zakon raspodele diskretne dvodimenzionalne sluqajne
promenljive odreen je verovatnoama p ij = P X = x i , Y = y j ,i , j = 1, 2, . . . .
Zakon raspodele diskretne dvodimenzionalne sluqajnepromenljive se najqexe predstavlja u obliku tabele.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 121/349
j u uPretpostavimo da sluqajna promenljiva X uzima vrednosti izskupa x 1, x 2, . . . , x m , a sluqajna promenljiva Y uzimavrednosti iz skupa y 1, y 2, . . . , y n .Tada je zakon raspodele diskretne dvodimenzionalne sluqajne
promenljive (X , Y ) oblika
X \Y y 1 y 2 . . . y n
x 1 p 11 p 12 . . . p 1n
x 2 p 21 p 22 . . . p 2n
... ... ... . . . ...
x m p m 1 p m 2 . . . p mn
Tabela kontingencije
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 122/349
Formirana tabela zove se tabela kontingencije.
Napomena
Zbir svih verovatnoa p ij , i = 1, 2, . . . , m , j = 1, 2, . . . , n , morabiti 1.
Primer
Novqi se baca tri puta. Posmatraju se sluqajne promenljiveX -broj grbova u tri bacanja i Y -broj grbova u poslednja dva
bacanja. Odrediti zakon raspodele dvodimenzionalnesluqajne promenljive (X , Y )
Rexenje
Skup svih moguih ishoda Ω ima 8 elemenata
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 123/349
Ω = PPP,PPG,PGP,GPP,PGG,GPG,GGP,GGG.
Dvodimenzionalna sluqajna promenljiva (X , Y ) prevodi skup Ωu R2 na sledei naqin:
(X , Y )(PPP) = (0, 0), (X , Y )(PGG) = (2, 2),(X , Y )(PPG) = (1, 1), (X , Y )(GPG) = (2, 1),(X , Y )(PGP) = (1, 1), (X , Y )(GGP) = (2, 1),(X , Y )(GPP) = (1, 0), (X , Y )(GGG) = (3, 2).
Skup realizacija za (X , Y ) je skup parova (0, 0), (1, 0), (1, 1),(2, 1), (2, 2), (3, 2).
Rexenje
Verovatnoe su redom
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 124/349
P (X , Y ) = (0, 0) = P PPP = 1
8,
P (X , Y ) = (1, 0) = P GPP = 1
8,
P (X , Y ) = (1, 1) = P PPG,PGP = 1
4,
P (X , Y ) = (2, 1) = P GPG,GGP = 1
4,
P (X , Y ) = (2, 2) = P PGG =
1
8 ,
P (X , Y ) = (3, 2) = P GGG = 1
8,
R
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 125/349
Rexenje
Zakon raspodele dvodimenzionalne sluqajne promenljive(X , Y ) je
X \Y 0 1 2
0 1/8 0 01 1/8 1/4 0
2 0 1/4 1/8
3 0 0 1/8
Iz zajedniqke raspodele diskretnih sluqajnih promenljivih X
i Y mogu se odrediti pojedinaqni zakoni raspodela
j j X
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 126/349
jednodimenzionalnih diskretnih sluqajnih promenljivih X iY .Zakon raspodele sluqajne promenljive X je oblika
x 1 x 2 . . . x m
p 1• p 2• . . . p m •
,
gde je p i • = p i 1 + p i 2 + · · ·+ p in , i = 1, 2, . . . , m , verovatnoa da esluqajna promenljiva X uzeti vrednost x i .Zakon raspodele sluqajne promenljive Y je oblika
y 1 y 2 . . . y n
p •1 p •2 . . . p •n
,
gde je p • j = p 1 j + p 2 j + · · ·+ p mj , j = 1, 2, . . . , n , verovatnoa da esluqajna promenljiva Y uzeti vrednost y i .
Marginalne raspodele
R j X Y b
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 127/349
Raspodele sluqajnih promenljivih X i Y , posebno, u odnosu nazajedniqku raspodelu sluqajnih promenljivih X i Y zovu semarginalne raspodele.
Marginalne verovatnoe
Verovatnoe p i • i p • j se zovu marginalne verovatnoe.
Napomena
Marginalne verovatnoe se jednostavno dobijaju sabiranjem
odgovarajuih verovatnoa u pojedinim vrstama, odnosnokolonama tabele kontingencije.
Primer
Odrediti marginalne raspodele sluqajnih promenljivih X iY iz prethodnog primera.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 128/349
Rexenje
Sluqajna promenljiva X uzima vrednosti iz skupa0, 1, 2, 3 sa verovatnoama
p 1• = P X = 0 = 1
8+ 0 + 0 =
1
8, p 2• = P X = 1 =
1
8+
1
4+ 0 =
3
8,
p 3• = P X = 2 = 0 + 1
4+
1
8=
3
8, p 4• = P X = 3 = 0 + 0 +
1
8=
1
8.
Marginalna raspodela sluqajne promenljive X je
0 1 2 3
1/8 3/8 3/8 1/8
.
Rexenje
Skup realizacija sluqajne promenljive Y je 0, 1, 2, a
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 129/349
verovatnoe su
p •1 = P Y = 0 = 1
8 +
1
8 + 0 + 0 =
1
4 ,
p •2 = P Y = 1 =
0+
1
4 +
1
4 +0
=
1
2 ,
p •3 = P Y = 2 = 0 + 0 + 1
8 +
1
8 =
1
4 .
Marginalna raspodela sluqajne promenljive Y je
0 1 2
1/4 1/2 1/4
.
Funkcija raspodele diskretne dvodimenzionalne sluqajne
promenljive
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 130/349
promenljiveFunkcija raspodele diskretne dvodimenzionalne sluqajnepromenljive je
F (x , y ) = P X ≤ x , Y ≤ y .
Osobine
Ovako definisana funkcija raspodele ima sledee osobine:
monotono je neopadajua funkcija po svakom argumentu,
neprekidna s desna po svakom argumentu,
F (−∞, y ) = F (x ,−∞) = 0, F (∞,∞) = 1.
Funkcija raspodele apsolutno neprekidne
dvodimenzionalne sluqajne promenljive
F j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 131/349
Funkcija raspodele apsolutno neprekidne dvodimenzionalnesluqajne promenljive je
F (x , y ) =
x −∞
y −∞
f (s , t ) dt ds .
Marginalne gustine
Marginalne gustine su redom f X (x ) =∞
−∞
f (x , y ) dy za sluqajnu
promenljivu X , i f Y (y ) =∞ −∞
f (x , y ) dx za sluqajnu promenljivu Y .
Nezavisnost sluqajnih promenljivih
Sluqajne promenljive X i Y su nezavisne ako i samo ako su
dogaaji X ≤ x i Y ≤ y nezavisni za svaki par (x y) iz R2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 132/349
dogaaji X ≤ x i Y ≤ y nezavisni za svaki par (x , y ) iz R2.
Ako su sluqajne promenljive X i Y diskretne, tada senezavisnost sluqajnih promenljivih moe iskaziti
jednakoxu
P X = x i , Y = y j = P X = x i · P Y = y j , ∀i , j .
Ako su sluqajne promenljive X i Y apsolutno neprekidne,
tada se nezavisnost sluqajnih promenljivih moe iskaziti jednakoxu
f (x , y ) = f X (x ) · f Y (y ).
Primer
Novqi se baca dva puta. Neka je X broj pisama u ta dvabacanja, a Y broj pisama u prvom bacanju. Odrediti zakon
raspodele dvodimenzionalne sluqajne promenljive (X Y ) i
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 133/349
raspodele dvodimenzionalne sluqajne promenljive (X , Y ) iispitati nezavisnost sluqajnih promenljivih X i Y .
Rexenje
Preslikavanja su
ω PP PG GP GGX (ω) 2 1 1 0Y (ω) 1 1 0 0
Zakon raspodele sluqajne promenljive (X , Y ) je
X \Y 0 1 p i •0 1/4 0 1/4
1 1/4 1/4 1/2
2 0 1/4 1/4
p • j 1/2 1/2 1
Rexenje
S X Y
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 134/349
Sluqajne promenljive X i Y nisu nezavisne, jer jeP X = 0, Y = 1 = 0, P X = 0 · P Y = 1 = 1/8.
Zadatak 1.
Dve karte se sluqajno izvlaqe iz xpila od 52 karte. Neka X predstavlja broj dobijenih asova, a Y broj dobijenih dama. a)Nai raspodelu dvodimenzionalne sluqajne promenljive(X , Y ). b) Nai marginalne raspodele za X i Y . v) Ispitatinezavisnost sluqajnih promenljivih X i Y .
Zadatak 2.
Dva strelca, nezavisno jedan od drugog, gaaju istu metu,svaki po jedan hitac, pri qemu je verovatnoa da prvi pogodi
metu 0 5 a da drugi pogodi 0 4 Neka sluqajna promenljiva X
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 135/349
metu 0.5, a da drugi pogodi 0.4. Neka sluqajna promenljiva X predstavlja broj pogodaka prvog strelca, a sluqajnapromenljiva Y broj pogodaka drugog strelca. a) Nairaspodelu dvodimenzionalne sluqajne promenljive (X , Y ). b)Nai marginalne raspodele za X i Y .
Zadatak 3.
Zakon raspodele dvodimenzionalne sluqajne promenljive(X , Y ) je
X \Y 0 1 20 0.10 0.20 0.201 0.04 0.08 0.082 0.06 0.12 0.12
Ispitati nezavisnost sluqajnih promenljivih X i Y .
Diskretne raspodele
Raspodele diskretnih sluqajnih promenljivih nazivaju se
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 136/349
Raspodele diskretnih sluqajnih promenljivih nazivaju sediskretnim raspodelama.
Bernulijeva xema
Eksperiment ponavljamo n puta pod istim uslovima.
Ponavljanja eksperimenta su meusobno nezavisna.
U svakom ponavljanju eksperimenta moe se ilirealizovati ili ne realizovati dogaaj A.
Verovatnoa realizacije dogaaja A u svakom ponavljanjueksperimenta je ista i iznosi p .
Binomna raspodela
Sluqajna promenljiva S n
predstavlja broj realizacijadogaaja A u n ponavljanja eksperimenta
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 137/349
dogaaja A u n ponavljanja eksperimenta.
Sluqajna promenljiva S n je diskretnog tipa, jer uzimavrednosti iz skupa 0, 1, 2, . . . , n .
Verovatnoa da e se dogaaj A realizovati taqno k puta
u n ponavljanja eksperimenta iznosi
P S n = k =
n
k
p k (1 − p )n −k , 0 ≤ p ≤ 1 ,
gde je n
k
=
n !
k !(n − k )! , n ! = n (n − 1) . . . 3 · 2 · 1.
Za sluqajnu promenljivu S kaemo da ima binomnu raspodelu
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 138/349
Za sluqajnu promenljivu S n kaemo da ima binomnu raspodelusa parametrima n i p i pixemo S n : B (n , p ).
Ako stavimo da je p k = P S n = k , tada sluqajna promenljiva
S n ima zakon raspodele oblika 0 1 . . . n − 1 n
p 0 p 1 . . . p n −1 p n
.
Primer
Verovatnoa da padne kixa u toku dana u mestu NN iznosi0,3. Pod pretpostavkom da su vremenske prilike u razliqitimdanima nezavisne odrediti verovatnoe da u tri uzastopna
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 139/349
danima nezavisne, odrediti verovatnoe da u tri uzastopnadana bude: a) taqno dva kixna dana, b) ne vixe od jednogkixnog dana, v) najmanje dva kixna dana, g) jedan ili dvakixna dana.
Rexenje
Posmatraju se tri uzastopna dana, tako da je n = 3.
Oznaqimo sa S 3 sluqajnu promenljivu koja predstavljabroj kixnih dana u tri uzastopna dana.
Verovatnoa da dan bude kixan je ista za sva tri dana iiznosi p = 0, 3.
Sluqajna promenljiva S 3 ima binomnu raspodelu B (3; 0, 3).
Rexenje
Verovatnoe su redom
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 140/349
r u r d
p 0 = P S 3 = 0 =
3
0
(0, 3)0(0, 7)3 = 0, 343,
p 1 = P S 3 = 1 =3
1
(0, 3)1
(0, 7)2
= 0, 441,
p 2 = P S 3 = 2 =
3
2
(0, 3)2(0, 7)1 = 0, 189,
p 3
= P S 3
= 3
=3
3
(0
,3
)
3
(0
,7
)
0
= 0
,027
.
Rexenje
Sluqajna promenljiva S 3 ima zakon raspodele
0 1 2 3
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 141/349
0, 343 0, 441 0, 189 0, 027
.
a) Neka je A dogaaj ”u tri dana bila su taqno dva danakixna”. Tada je P (A) = P S 3 = 2 = 0, 189.
b) Neka je B dogaaj ”u tri dana nije bilo vixe od jednogkixnog dana”. Tada je
P (B ) =P S 3 ≤ 1=P S 3 = 0+P S 3 = 1= 0, 343 + 0, 441 = 0, 784.
v) Neka je C dogaaj ”u tri dana bila su najmanje dva kixnadana”. Tada je
P (C ) =P S 3 ≥ 2=P S 3 = 2+P S 3 = 3= 0, 189 + 0, 027 = 0, 216.
Rexenje
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 142/349
g) Neka je D dogaaj ”u tri dana bio je jedan ili bila su dvakixna dana”.
P (D ) = P S 3 = 1 + P S 3 =
2 =
0,
441+
0,
189 =
0,
63.
Napomena
Sloena izraqunavanja ako je n veliko i p malo.
Puasonova raspodela
Teorema
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 143/349
r
Ako u Bernulijevoj xemi sa n ponavljanja eksperimenta qiji jeishod dogaaj A ili dogaaj Ac , verovatnoa dogaaja Azavisi od broja ponavljanja eksperimenta, tj. ako je P (A) = p n
i ako np n konvergira ka λ > 0, kad n → ∞, tada je verovatnoarealizacije dogaaja S n = j jednaka
P S n = j = λ j
j ! · e −λ , j = 0, 1, 2, . . . ,
kada n → ∞, gde je e ≈ 2, 718 osnova prirodnog logaritma.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 144/349
Primer
U jednoj velikoj seriji artikala je 2% defektnih. Iz serijese na sluqajan naqin uzima 100 artikala. Odrediti
verovatnoe da meu izvuqenim artiklima bude: a) taqno 2efe a b) aj a e a efe a ) aj e 5 efe )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 145/349
defektna, b) najmanje dva defektna, v) najvixe 5 defektnih, g)manje od 6, a ne manje od 2 defektna.
Rexenje
Imamo da je n = 100.Neka sluqajna promenljiva S 100 predstavlja broj defektnihartikala. Kako je n = 100, p = 0, 02 i np = 2 < 10, to se umestobinomne raspodele koristi Puasonova raspodela.Tako S 100 ima P (2) raspodelu i njen zakon raspodeleverovatnoa je odreen verovatnoama
P S 100 = j = e −2 · 2 j
j ! , j = 0, 1, 2, . . .
Rexenje) PS 2 e−2 22
0 2707
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 146/349
a) P S 100 = 2 = e −2 · 2
2! = 0.2707.
b) P S 100 ≥ 2 = 1 −1
i =0
P S 100 = i = 0.5940.
v) P S 100 ≤ 5 =5
i =0
P S 100 = i = 0.9834.
g) P 2 ≤ S 100 < 6 =5
i =2
P S 100 = i = 0.5774.
Uniformna diskretna raspodela
Neka sluqajna promenljiva X uzima vrednosti iz skupa x1 x2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 147/349
Neka sluqajna promenljiva X uzima vrednosti iz skupa x 1, x 2,. . . , x n . Kaemo da sluqajna promenljiva X ima uniformnudiskretnu raspodelu na skupu x 1, x 2, . . . , x n , ako se svevrednosti x 1, x 2, . . . , x n , realizuju sa jednakim verovatnoama.
Zakon raspodele sluqajne promenljive X koja ima uniformnudiskretnu raspodelu moe se zapisati u obliku
x 1 x 2 . . . x n 1/n 1/n . . . 1/n
.
Primer
Sluqajna promenljiva X ima uniformnu diskretnu raspodeluna skupu 1, 2, 3, 4, 5, 6. Odrediti verovatnoe dogaaja: a)
1 < X ≤ 4, b) 2 ≤ X < 3 i v) X > 1.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 148/349
Rexenje
Sluqajna promenljiva X ima uniformnu diskretnu raspodelu
na skupu 1
,2
,3
,4
,5
,6
, xto znaqi da je njen zakon raspodeleoblika 1 2 3 4 5 6
1/6 1/6 1/6 1/6 1/6 1/6
.
Verovatnoe su redom jednake:
a) P 1 < X ≤ 4 = P X ∈ 2, 3, 4 = 36 = 1
2 .
b) P 2 ≤ X < 3 = P X = 2 = 1
6 .
v) P X > 1 = 1 − P X = 1 = 1 − 1
6 = 5
6 .
Apsolutno neprekidne raspodele
Raspodele apsolutno neprekidnih sluqajnih promenljivih
nazivaju se apsolutno neprekidnim raspodelama.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 149/349
a b
Verovatnoa da sluqajna promenljiva X uzima vrednost izintervala (a ,b ]
Uniformna raspodela
Za sluqajnu promenljivu X kaemo da ima uniformnu
raspodelu na intervalu [a ,b ], a < b , i pixemo X : U (a ,b ), akoima gustinu raspodele oblika
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 150/349
ima gustinu raspodele oblika
f (x ) =
1
b −a , x ∈ [a ,b ],
0, x
∈[a ,b ].
a b x
f (x )1
b −a
Gustina raspodele za X : U (a , b )
Funkcija raspodele
Funkcija raspodele sluqajne promenljive X sa uniformnomraspodelom na intervalu [a ,b ] je
0 , x < a
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 151/349
F (x ) =
,1
b −a · x − a
b −a , a ≤ x < b
1 , x ≥ b .
1
a b x
F (x )
Funkcija raspodele za X : U (a ,b )
Pomou funkcije raspodele F (x ) moe se izraqunativerovatnoa proizvoljnog dogaaja c < X < d kao
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 152/349
P c < X ≤ d = F (d ) − F (c ).
PrimerSluqajna promenljiva X ima uniformnu raspodelu naintervalu [2; 4]. Odrediti funkciju raspodele sluqajnepromenljive X , a zatim izraqunati verovatnoe dogaaja: a)
X
≤3
, b)
1 < X
≤2, 5
, v)
2,5 < X
≤3,5
.
Rexenje
Sluqajna promenljiva X ima uniformnu raspodelu naintervalu [2; 4], xto znaqi da je a = 2 i b = 4, tako da je
funkcija raspodele
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 153/349
F (x ) =
0, x < 2,1
2 · x − 1, 2 ≤ x < 4,
1, x ≥ 4.
1
2 4 x
F (x )
Funkcija raspodele za X : U (2,4)
Rexenje
a)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 154/349
1
32 4 x
F (x )
P
X
≤3
= F (3) =
1
2
.
Rexenje
b)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 155/349
1
2, 51 2 4 x
F (x )
P
1 < X ≤
2, 5
= F (2,5)
−F (1) = F (2,5) = 0,25 .
Rexenje
v)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 156/349
2, 5 3, 52 4 x
F (x )
P
2,5 < X ≤
3,5
= F (3,5)
−F (2,5) = 0, 5.
Normalna (Gausova) raspodela
Za sluqajnu promenljivu X kaemo da ima normalnu raspodelu
sa parametrima m ∈ R i σ2
> 0 i pixemo X : N (m , σ2
), ako jenjena gustina raspodele oblika
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 157/349
f (x ) = 1√
2πσ2· e −
(x −m )2
2σ2 , x ∈ R .
f (x )
x m
Osobine gustine raspodele
Gustina raspodele je pozitivna funkcija, tj. za svakox ∈ R vai f (x ) > 0.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 158/349
Gustina raspodele je simetriqna u odnosu na pravux = m , tj. za svako x ∈ R vai f (m + x ) = f (m − x ).
Gustina raspodele dostie maksimum u x = m i on iznosif (m ) = 1/√ 2πσ2.
Gustina raspodele konvergira ka 0 kada x tei ka ∞ ili−∞, tj. vai
limx →−∞ f (x ) = limx →∞ f (x ) = 0.
F (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 159/349
x
Grafik funkcije raspodele za X : N (m , σ2
)
Osobine funkcije raspodele
Funkcija raspodele je pozitivna i rastua funkcija.
Funkcija raspodele konvergira ka 0 kada x tei ka −∞ ikonvergira ka 1 kada x tei ka ∞, tj. vailimx →−∞ F (x ) = 0 i limx →∞ F (x ) = 1.
Normalnu raspodelu imaju visina ljudi, koliqina padavina utoku godine, pritisak i tako dalje.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 160/349
Mnoge diskretne raspodele se mogu svesti na normalnuraspodelu, ako je broj moguih vrednosti veliki, a one su
bliske jedna drugoj.
Promena vrednosti parametara m i σ2 utiqe na grafikgustine raspodele.
Promena vrednosti parametra m
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 161/349
x m = −2 m = 0 m = 2
Promena vrednosti parametra σ2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 162/349
x σ2 = 1/4 σ2 = 1 σ2 = 4
Standardna normalna raspodela
Ukoliko sluqajna promenljiva koja ima normalnu raspodelu
ima parametre m = 0 i σ2
= 1, tada kaemo da ima standardnunormalnu raspodelu. Ovu sluqajnu promenljivu najqexe
X ∗ X ∗ N (0 1)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 163/349
oznaqavamo sa X ∗ i pixemo X ∗ : N (0,1).
f (x )
x 0
F (x )
x 0
Verovatnoe P a ≤ X ∗ ≤ b izraqunavaju se pomou funkcije
Φ(t ) = P 0 ≤ X ∗ ≤ t .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 164/349
f (x )
x 0 t
Vrednosti funkcije Φ(t )
t 0 1 2 3 4 5 6 7 8 9
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0 3 1179 1217 1255 1293 1331 1368 1406 1443 1480 1517
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 165/349
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2258 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
0.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2996 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .43191.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
Primer
Pretpostavljajui da sluqajna promenljiva X ima standardnu normalnu raspodelu,
odrediti verovatnoe sledeih dogaaja: a) 1, 21 ≤ X ≤ 2, 52, b)
−1, 24 ≤ X < 2, 58, v) −0, 52 < X ≤ 0, 52, g) −2, 12 ≤ X ≤ −1, 17, d) X ≥ 3, 01,
) X < −1, 36, e) X < 2, 59, ) X ≥ −3, 56.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 166/349
Rexenje
a)
1, 21 2, 52
P 1, 21 ≤ X ≤ 2, 52 = Φ(2, 52) − Φ(1, 21) = 0, 4941 − 0, 3869 = 0, 1072.
Rexenje
b)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 167/349
−1, 24 2, 58
P −1, 24 ≤ X < 2, 58 = Φ(2, 58) + Φ (1, 24) = 0, 4951 + 0, 3925 = 0, 8876.
Rexenje
v)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 168/349
−0, 52 0, 52
P −0, 52 < X ≤ 0, 52 = Φ(0, 52) + Φ (0, 52) = 2 · 0, 1985 = 0, 397.
Rexenje
g)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 169/349
−2, 12 −1, 17
P −2, 12 ≤ X ≤ −1, 17 = Φ(2, 12) − Φ(1, 17) = 0, 483 − 0, 379 = 0, 104.
Rexenje
d)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 170/349
3, 01
P X ≥ 3, 01 = 0, 5 − Φ(3, 01) = 0, 5 − 0, 4987 = 0, 0013.
Rexenje
)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 171/349
−1, 36
P X < −1, 36 = 0, 5 − Φ(1, 36) = 0, 5 − 0, 4131 = 0, 0869.
Rexenje
e)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 172/349
2, 59
P X < 2, 59 = 0, 5 + Φ(2, 59) = 0, 5 + 0, 4952 = 0, 9952.
Rexenje
)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 173/349
−3, 56
P X ≥ −3, 56 = Φ(3, 56) + 0, 5 = 0, 4998 + 0, 5 = 0, 9998.
Standardizacija
Postupak prelaska sa normalne raspodele N (m , σ2) nastandardnu normalnu raspodelu
N (0,1) zove se
standardizacija.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 174/349
Veza izmeu sluqajnih promenljivih X i X ∗ koje imaju redom N (m , σ2) i N (0, 1) raspodele zadata je formulom
X ∗ = X −m √
σ2.
Tada vai
P a ≤ X ≤ b = P
a −m √
σ2≤ X ∗ ≤ b −m √
σ2
.
Primer
Vodostaj (izraen u cm ) jedne reke ima normalnu raspodelu N (150,100). Odrediti verovatnou da e sluqajno izabranog
dana vodostaj: a) biti manji od 140 cm , b) biti vei od 170cm , v) biti izmeu 135 i 160 cm , g) biti vei od 120 cm , d)biti manji od 165 cm .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 175/349
d
Rexenje
Neka je X sluqajna promenljiva koja predstavlja vodostaj rekesluqajno izabranog dana.Sluqajna promenljiva X ima normalnu N (150,100) raspodelu,tako da je potrebno izvrxiti standardizaciju.Kako je m = 150 i σ2 = 100, odnosno σ =
√ 100 = 10, to je
formula standardizacije
X ∗ = X − 150
10 .
Rexenje
a)
P X < 140 = P X − 150
10<
140 − 150
10 = P X ∗ < −1
= 0, 5 − Φ(1) = 0, 1587.
b)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 176/349
b)
P X > 170 = P X − 150
10>
170 − 150
10 = P X ∗ > 2
= 0, 5 − Φ(2) = 0, 0228.
v)
P 135 ≤ X ≤ 160 = P 135 − 150
10≤ X − 150
10≤
160 − 150
10 = P −1, 5 ≤ X ∗ ≤ 1
= Φ(1, 5) + Φ (1) = 0, 7745.
Rexenje
g)
PX > 120 = P
X − 150
10>
120 − 150
10
= PX ∗ > −3
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 177/349
P X > 120 P
10
>10
P X > 3
= Φ(3) + 0,5 = 0,9987.
d)
P X < 165 = P
X − 150
10 <
165 − 150
10
= P X ∗ < 1,5
= 0,5 + Φ(1,5) = 0,9332.
χ2 raspodela
Neka su sluqajne promenljive X 1, X 2, . . . , X n nezavisne i nekaN (0 1) Z
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 178/349
svaka ima standardnu normalnu N (0,1) raspodelu. Zasluqajnu promenljivu Y definisanu formulom
Y = X 21 + X 22 + · · · + X 2n
kaemo da ima χ2 raspodelu sa n stepeni slobode i pixemoY : χ2
n .
f (x )
n = 1
n = 2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 179/349
x
n 2
n = 3
n = 5
Grafik gustine raspodele χ2n raspodele
F (x )
n = 1
n = 2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 180/349
x
n = 3
n = 5
Grafik funkcije raspodele χ2n raspodele
Verovatnoe P a ≤ χ2n ≤ b izraqunavaju se pomou funkcije
h n (x ) = P X ≤ x .
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 181/349
x x
n \ p 0.005 0.010 0.025 0.050 0.95 0.975 0.990 0.995
1 .0000 .0002 .0010 .0039 3.84 5.02 6.63 7.88
2 .0100 .0201 .0506 .103 5.99 7.38 9.21 10.6
3 .0717 .115 .216 .352 7.81 9.35 11.3 12.8
4 .207 .297 .484 .711 9.49 11.1 13.3 14.95 .412 .554 .831 1.15 11.1 12.8 15.1 16.7
6 .676 .872 1.24 1.64 12.6 14.4 16.8 18.5
7 .989 1.24 1.69 2.17 14.1 16.0 18.5 20.3
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 182/349
8 1.34 1.65 2.18 2.73 15.5 17.5 20.1 22.0
9 1.73 2.09 2.70 3.33 16.9 19.0 21.7 23.6
10 2.16 2.56 3.25 3.94 18.3 20.5 23.2 25.2
11 2.60 3.05 3.82 4.57 19.7 21.9 24.7 26.812 3.07 3.57 4.40 5.23 21.0 23.3 26.2 28.3
13 3.57 4.11 5.01 5.89 22.4 24.7 27.7 29.8
14 4.07 4.66 5.63 6.57 23.7 26.1 29.1 31.3
15 4.60 5.23 6.26 7.26 25.0 27.5 30.6 32.8
16 5.14 5.81 6.91 7.96 26.3 28.8 32.0 34.3
17 5.70 6.41 7.56 8.67 27.6 30.2 33.4 35.7
18 6.26 7.01 8.23 9.39 28.9 37.5 34.8 37.2
19 6.84 7.63 8.91 10.1 30.1 32.9 36.2 38.6
20 7.43 8.26 9.59 10.9 31.4 34.2 37.6 40.0
Primer
Neka sluqajna promenljiva X ima χ25
raspodelu. Odreditisledee verovatnoe: a) P X < 0,412, b) P X ≥ 0, 831, v)
P 0,554 < X ≤ 1,15.
Rexenje
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 183/349
a)
f (x )
x 0,412
P X < 0, 412 = h 5(0, 412) = 0,005.
Rexenje
b)
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 184/349
x 0,831
P X ≥ 0, 831 = 1 − h 5(0, 831) = 0,975.
Rexenje
v)
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 185/349
x 0,554 1, 15
P 0,554< X ≤1, 15=h 5(1,15)− h 5(0,554) = 0,05 − 0,01 = 0,04.
Studentova raspodela
Neka su sluqajne promenljive X : N (0,1) i Y :χ2n nezavisne. Za
sluqajnu promenljivu T definisanu formulom
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 186/349
sluqajnu promenljivu T definisanu formulom
T = X √ Y √ n
kaemo da ima Studentovu raspodelu sa n stepeni slobode ipixemo T : t n .
f (x )
n = 1
n = 5
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 187/349
x
n = 10
n = 30
Grafik gustine raspodele t n raspodele
F (x )
n = 1
n = 5
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 188/349
x
n = 10
n = 30
Grafik funkcije raspodele t n raspodele
Verovatnoe P a ≤ t n ≤ b izraqunavaju se pomou funkcije
t n (x ) = P 0 ≤ X ≤ x .
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 189/349
x 0
n \ p 0.100 0.200 0.300 0.400 0.450 0.475 0.490 0.495
1 .325 .727 1.376 3.078 6.314 12.706 31.821 63.657
2 .289 .617 1.061 1.886 2.920 4.303 6.965 9.925
3 .277 .584 .978 1.638 2.353 3.182 4.541 5.841
4 .271 .569 .941 1.533 2.132 2.776 3.747 4.604
5 .267 .559 .920 1.476 2.015 2.571 3.365 4.032
6 .265 .553 .906 1.440 1.943 2.447 3.143 3.707
7 .263 .549 .896 1.415 1.895 2.365 2.998 3.499
8 262 546 889 1 397 1 860 2 306 2 896 3 355
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 190/349
8 .262 .546 .889 1.397 1.860 2.306 2.896 3.355
9 .261 .543 .883 1.383 1.833 2.262 2.821 3.250
10 .260 .542 .879 1.372 1.812 2.228 2.764 3.169
11 .260 .540 .876 1.363 1.796 2.201 2.718 3.10612 .259 .539 .873 1.356 1.782 2.179 2.681 3.055
13 .259 .538 .870 1.350 1.771 2.160 2.650 3.012
14 .258 .537 .868 1.345 1.761 2.145 2.624 2.977
15 .258 .536 .866 1.341 1.753 2.131 2.602 2.947
16 .258 .535 .865 1.337 1.746 2.120 2.583 2.921
17 .257 .534 .863 1.133 1.740 2.110 2.567 2.898
18 .257 .534 .862 1.330 1.734 2.101 2.552 2.878
19 .257 .533 .861 1.328 1.729 2.093 2.539 2.861
20 .257 .533 .860 1.325 1.725 2.086 2.528 2.845
Primer
Neka sluqajna promenljiva X ima Studentovu t 5 raspodelu. Odrediti verovatnoe:
a) P 0, 267 ≤ X ≤ 1, 476, b) P −0, 267 ≤ X ≤ 1, 476 i v) P −1, 476 ≤ X ≤ −0, 267.
Rexenjea)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 191/349
f (x )
0,267 1,476
P 0,267 ≤ X ≤ 1,476 = t 5(1, 476) − t 5(0, 267) = 0,3.
Rexenje
b)
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 192/349
−0, 267 1, 476
P −0,267 ≤ X ≤ 1,476 = t 5(0,267) + t 5(1,476) = 0,5.
Rexenje
v)
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 193/349
−0, 267−1,476
P −1,476 ≤ X ≤ −0,267 = t 5(1,476)− t 5(0,267) = 0,3.
Numeriqke karakteristike sluqajnih promenljivih
Raspodela neke sluqajne promenljive daje potpunu informaciju o toj sluqajnojpromenljivoj. U veini sluqajeva dovoljno je poznavati neke numeriqke
karakteristike sluqajne promenljive koje opisuju pojedina svojstva njene raspodele.
Matematiqko oqekivanje diskretne sluqajne promenljive sa konaqno mnogovrednosti
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 194/349
Neka je X diskretna sluqajna promenljiva sa konaqno mnogo
vrednosti i zakonom raspodele x 1 x 2 . . . x n p 1 p 2 . . . p n
.
Matematiqko oqekivanje sluqajne promenljive X , u oznaci
E (X ), je brojE (X ) = x 1p 1 + x 2p 2 + · · ·+ x n p n =
n i =1
x i p i .
Primer
Odrediti matematiqko oqekivanje sluqajne promenljive X zakona raspodele
0 1 2 3
0, 343 0,441 0,189 0, 027
.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 195/349
RexenjeMatematiqko oqekivanje sluqajne promenljive X je
E (X ) = 0 · 0,343 + 1 · 0, 441 + 2 · 0, 189 + 3 · 0,027 = 0,9.
Matematiqko oqekivanje sluqajne promenljive binomneraspodele B (n , p ) jednako je np .
Matematiqko oqekivanje sluqajne promenljive uniformnediskretne raspodele zakona raspodele
x 1 x 2 . . . x n 1/n 1/n . . . 1/n
jednako je 1 (x + x + + x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 196/349
jednako je 1
n (x 1 + x 2 + · · · + x n ).
Primer
Sluqajna promenljiva X je broj koji se pojavljuje prilikombacanja kocke. Matematiqko oqekivanje sluqajne promenljive X je
E (X ) = 1 · 1
6 + 2 · 1
6 + 3 · 1
6 + 4 · 1
6 + 5 · 1
6 + 6 · 1
6 = 3,5.
Matematiqko oqekivanje diskretne sluqajne promenljive
sa prebrojivo beskonaqno mnogo vrednosti
Neka diskretna sluqajna promenljiva X ima prebrojivobeskonaqno mnogo vrednosti i neka je njen zakon raspodeleoblika
x 1 x 2 . . . x n . . .p 1 p 2 . . . p n . . .
.
Matematiqko oqekivanje sluqajne promenljive X je zbir
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 197/349
Matematiqko oqekivanje sluqajne promenljive X je zbir
E (X ) =∞i =1
x i p i ,
ukoliko zbir∞i =1
|x i |p i postoji.
Matematiqko oqekivanje sluqajne promenljive Puasonoveraspodele P (λ) jednako je λ.
Matematiqko oqekivanje apsolutno neprekidne sluqajne
promenljive
Neka je X apsolutno neprekidna sluqajna promenljiva gustineraspodele f (x ). Matematiqko oqekivanje sluqajne promenljiveX je broj
∞
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 198/349
E (X ) =
−∞
xf (x )dx ,
ukoliko integral∞
−∞|x |f (x )dx postoji.
Matematiqko oqekivanje sluqajne promenljive normalneraspodele N (m , σ2) jednako je m .
Matematiqko oqekivanje sluqajne promenljive χ2
n raspodele jednako je n .
Matematiqko oqekivanje sluqajne promenljive Studentove
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 199/349
Matematiqko oqekivanje sluqajne promenljive Studentoveraspodele t n jednako je 0.
Matematiqko oqekivanje sluqajne promenljive uniformneraspodele U (a , b ) jednako je a +b
2 .
Osobine matematiqkog oqekivanja
oqekivanje konstante c je konstanta c , tj. E (c ) = c ,
E (aX + b ) = aE (X ) + b , gde su a i b konstante, a X jesluqajna promenljiva
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 200/349
sluqajna promenljiva,
E (X + Y ) = E (X ) + E (Y ) za bilo koje dve sluqajnepromenljive X i Y ,
E (XY ) = E (X ) · E (Y ), ukoliko su sluqajne promenljive X iY nezavisne.
Moment reda k sluqajne promenljive
Moment reda k sluqajne promenljive X , u oznaci E (X k ), je
matematiqko oqekivanje sluqajne promenljive X k , ukoliko onopostoji.
Moment reda k sluqajne promenljive sa konaqno mnogo
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 201/349
Moment reda k sluqajne promenljive sa konaqno mnogo
vrednosti
Moment reda k diskretne sluqajne promenljive X sa konaqnomnogo vrednosti jednako je
E (X k ) =n
i =1
x k i p i .
Moment reda k diskretne sluqajne promenljive sa
prebrojivo beskonaqno mnogo vrednosti
Moment reda k diskretne sluqajne promenljive X sa
prebrojivo beskonaqno mnogo vrednosti, ukoliko postoji, jednako je
E (X k ) =∞
x k i p i .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 202/349
i =1
Moment reda k apsolutno neprekidne sluqajne promenljive
Moment reda k apsolutno neprekidne sluqajne promenljive X ,ukoliko postoji, jednako je
E (X k ) =
∞ −∞
x k f (x )dx .
Matematiqko oqekivanje je moment reda 1.
Primer
Sluqajna promenljiva X ima zakon raspodele
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 203/349
−1 1 2
1/4 1/3 5/12.
Odrediti momente drugog i treeg reda sluqajne promenljiveX .
Rexenje
Moment drugog reda sluqajne promenljive X je
E (X 2) = (−1)2 · 1
4 + 1
2 · 1
3 + 2
2 · 5
12 =
9
4 .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 204/349
4 3 12 4
Moment treeg reda sluqajne promenljive X je
E (X 3) = (−1)3 · 1
4 + 1
3 · 1
3 + 2
3 · 5
12 =
41
12 .
Disperzija sluqajne promenljive
Disperzija sluqajne promenljive X , u oznaci D (X ), je broj
D (X ) = E [X −
E (X )]2 ,
ukoliko oqekivanje E (X ) postoji.
Disperzija diskretne sluqajne promenljive sa konaqno
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 205/349
Disperzija diskretne sluqajne promenljive sa konaqno
mnogo vrednostiDisperzija diskretne sluqajne promenljive X sa konaqnomnogo vrednosti jednaka je
D (X ) =n
i =1
(x i −
m )2p i ,
gde je m matematiqko oqekivanje sluqajne promenljive X .
Disperzija diskretne sluqajne promenljive sa prebrojivo
beskonaqno mnogo vrednosti
Disperzija diskretne sluqajne promenljive X sa prebrojivo
beskonaqno mnogo vrednosti jednaka je
D (X ) =∞i 1
(x i −m )2p i ,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 206/349
i =1
ukoliko moment drugog reda postoji.
Disperzija sluqajne promenljive binomne raspodele B (n ,p ) jednaka je np (1 − p ).
Disperzija sluqajne promenljive Puasonove raspodele P (λ) jednaka je λ.
Disperzija apsolutno neprekidne sluqajne promenljive
Disperzija apsolutno neprekidne sluqajne promenljive X jednaka je
D(X ) =
∞ (x −m)2f (x)dx .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 207/349
D (X )
−∞
(x m ) f (x )dx .
Disperzija sluqajne promenljive normalne raspodele N (m , σ2) jednaka je σ2.
Disperzija sluqajne promenljive χ2
n raspodele jednaka je 2n .
Disperzija sluqajne promenljive Studentove raspodele t n jednaka je n
n 2 za n > 2.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 208/349
j d j n −2>
Disperzija sluqajne promenljive uniformne raspodele U (a , b ) jednaka je (b −a )2
12 .
Disperzija sluqajne promenljive X moe se zapisati u obliku
D (X ) = E (X 2
) − [E (X )]2
.
Osobine disperzije
D(X ) ≥ 0 za svaku sluqajnu promenljivu X
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 209/349
D (X ) ≥ 0 za svaku sluqajnu promenljivu X ,
D (X ) = 0 ako i samo ako je X konstanta,D (aX + b ) = a 2D (X ), gde su a i b konstante, a X sluqajnapromenljiva,
D (X + Y ) = D (X ) + D (Y ) ukoliko su X i Y nezavisnesluqajne promenljive.
Standardna devijacija
Standardna devijacija sluqajne promenljive X jednaka je
σX = D (X ).
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 210/349
r r
Sluqajna promenljiva X ima zakon raspodele 1 2 3
1/4 1/4 1/2
.
Odrediti njenu disperziju.
Rexenje
Oqekivanje sluqajne promenljive X jednako je
E (X ) = 1 · 1
4 + 2 · 1
4 + 3 · 1
2 =
9
4 .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 211/349
Disperzija sluqajne promenljive X jednaka je
D (X ) =
1 − 9
4
2
· 1
4 +
2 − 9
4
2
· 1
4 +
3 − 9
4
2
· 1
2 =
11
16 .
Centralni moment reda k
Centralni moment reda k sluqajne promenljive X je oqekivanjesluqajne promenljive (X − E (X ))k i pixemo µk = E (X − E (X ))k
ukoliko postoji.
Disperzija je centralni moment drugog reda.
Centralni moment reda k diskretne sluqajne promenljive
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 212/349
Centralni moment reda k diskretne sluqajne promenljive
sa konaqno mnogo vrednostiCentralni moment reda k diskretne sluqajne promenljive X sakonaqno mnogo vrednosti je
µk =
n
i =1
(x i −m )k
p i ,
gde je sa m oznaqeno oqekivanje sluqajne promenljive X .
Centralni moment reda k diskretne sluqajne promenljive
sa prebrojivo beskonaqno mnogo vrednosti
Centralni moment reda k diskretne sluqajne promenljive X saprebrojivo beskonaqno mnogo vrednosti je
µk =∞i =1
(x i − m )k p i ,
ukoliko momenti reda k postoje
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 213/349
ukoliko momenti reda k postoje.
Centralni moment reda k apsolutno neprekidne sluqajne
promenljive
Centralni moment reda k apsolutno neprekidne sluqajnepromenljive je
µk =
∞ −∞
(x − m )k f (x )dx ,
ukoliko momenti reda k postoje.
Primer
Odrediti centralne momente drugog i treeg reda sluqajnepromenljive X zakona raspodele
0 1 2
1/4 1/2 1/4
.
Rexenje: Matematiqko oqekivanje sluqajne promenljive X
jednako je1 1 1
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 214/349
m = 0 · 1
4
+ 1 · 1
2
+ 2 · 1
4
= 1.
Centralni momenti drugog i treeg reda sluqajnepromenljive X su
µ2 = E (X − 1)2 = (0 − 1)2 · 1
4+ (1 − 1)2 ·
1
2+ (2 − 1)2 ·
1
4=
1
2.
µ3 = E (X − 1)3 = (0 − 1)3 · 1
4+ (1 − 1)3 ·
1
2+ (2 − 1)3 ·
1
4= 0.
Mod sluqajne promenljive diskretnog tipa
Mod diskretne sluqajne promenljive je ona vrednost sluqajne
promenljive koja ima veu verovatnou javljanja od susednihvrednosti.
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 215/349
Mod sluqajne promenljive X zakona raspodele 0 1 2
1/4 1/2 1/4
je M o = 1.
Mod sluqajne promenljive apsolutno neprekidnog tipa
Mod sluqajne promenljive X apsolutno neprekidnog tipa jeona vrednost za koju gustina raspodele f (x ) ima lokalnimaksimum.
f (x )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 216/349
x m
Gustina raspodele f (x ) dostie maksimum u m , te je mod M o = m .
Sluqajna promenljiva normalne raspodele N (m , σ2) ima mod
M o = m .
Sluqajna promenljiva χ2n raspodele ima mod M o = n − 2, za
n ≥ 2.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 217/349
Sluqajna promenljiva Studentove raspodele t n ima mod 0.
Sluqajna promenljiva uniformne raspodele U (a ,b ) nema jednoznaqno odreen mod.
Sluqajna promenljiva moe da ima:
jedan mod (unimodalna sluqajna promenljiva)
dva moda (bimodalna sluqajna promenljiva)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 218/349
tri moda (trimodalna sluqajna promenljiva)
vixe modova (multimodalna sluqajna promenljiva).
Medijana apsolutno neprekidne sluqajne promenljive
Medijana apsolutno neprekidne sluqajne promenljive X se oznaqava sa M e (X ) ipredstavlja rexenje jednaqine
P X ≤ M e (X ) = 1/2.
Kod apsolutno neprekidne sluqajne promenljive, medijana je uvek jedinstvena i
odgovara ordinati koja deli krivu gustine raspodele sluqajne promenljive X na
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 219/349
r r j r u u r u j r
takva dva dela da je povrxina pod svakim delom krive taqno 1/
2.
f (x )
x m
Sluqajna promenljiva normalne raspodele N (m , σ2) imamedijanu M e = m .
Sluqajna promenljiva Studentove raspodele t n ima medijanuM e = 0.
Sluqajna promenljiva uniformne raspodele U (a ,b ) imaM a+b
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 220/349
medijanu M e = a +b
2 .
Medijana diskretne sluqajne promenljive
Medijana diskretne sluqajne promenljive je rexenje sistemanejednaqina
P X < M e (X ) ≤ 1
2 ≤ P X ≤ M e (X ).
Koeficijent varijacije
Pod uslovom da matematiqko oqekivanje i disperzija postoje ida je E (X ) = 0, koeficijent varijacije se definixe kao broj
C v =
D (X )
E(X ) .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 221/349
E (X )
Koeficijent varijacije se koristi za uporeivanje rasturanjavrednosti sluqajnih promenljivih sa razliqitim raspodelamaoko matematiqkog oqekivanja.
Primer
Neka su oqekivane godixnje padavine E (X ) = 85 cm , sastandardnim odstupanjem D (X ) = 17 cm , a oqekivane
padavine u junu E (Y ) = 12 mm , sa standardnim odstupanjem D (Y ) = 18 mm . Ispitati da li padavine vixe variraju u
junu nego preko cele godine.
R
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 222/349
Rexenje
Koeficijent varijacije sluqajne promenljive X jeC v =
17
85 · 100% = 20%.
Koeficijent varijacije sluqajne promenljive Y jeC v =
18
12 · 100% = 150%.
Kako je 150 > 20, to moemo zakljuqiti da padavine vixevariraju u junu nego preko cele godine.
Koeficijent asimetrije
Koeficijent asimetrije se definixe kao broj
C s = E (X − E (X ))3
D (X )3/2 ,
gde su E (X ), D (X ) i E (X − E (X ))3 matematiqko oqekivanje,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 223/349
disperzija i centralni moment treeg reda sluqajnepromenljive X .
Koeficijent asimetrije se koristi za grubo procenjivanjeoblika raspodele neke sluqajne promenljive X u pogledu
simetriqnosti u odnosu na pravu x = E (X ).
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 224/349
Koeficijent spljoxtenosti
Koeficijent spljoxtenosti se definixe kao broj
C k = E (X − E (X ))4
D (X )2 ,
ukoliko sluqajna promenljiva X ima moment qetvrtog reda.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 225/349
Koeficijent spljoxtenosti se koristi za merenjespljoxtenosti gustine raspodele u odnosu na x osu.
Kod normalne raspodele je koeficijent spljoxtenosti jednak
3.
Koeficijent ekscesa
Koeficijent ekscesa se definixe kao broj
C E = C k − 3.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 226/349
Koeficijent korelacije
Koeficijent korelacije sluqajnih promenljivih X i Y sedefinixe kao broj
ρX ,Y = E (X − E (X ))(Y − E (Y ))
D (X ) ·
D (Y )
.
Gornja formula moe se zapisati u obliku
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 227/349
Gornja formula moe se zapisati u obliku
ρX ,Y = E (X · Y )− E (X ) · E (Y )
D (X ) · D (Y )
.
Koeficijent korelacije meri stepen linearne zavisnosti dvesluqajne promenljive X i Y , odnosno daje informaciju o tomekoliko je taqna linearna veza Y = aX + b .
Osobine koeficijenta korelacije
−1 ≤ ρX ,Y ≤ 1.
ρX ,Y = ±1 ako i samo ako su sluqajne promenljive X i Y povezane linearnom vezom Y = aX + b . Pri tome, ako jeρX ,Y = 1, tada je a > 0, odnosno, ako je ρX ,Y = −1, tada jea < 0.
Ako su X i Y nezavisne sluqajne promenljive tada je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 228/349
Ako su X i Y nezavisne sluqajne promenljive, tada jekoeficijent korelacije ρX ,Y = 0. Obrnuto u opxtemsluqaju ne vai.
Ako je Z = aX + b i W = cY + d , tada je ρZ ,W = ρX ,Y ako sukoeficijenti a i c istog znaka, odnosno ρZ ,W = −ρX ,Y ako
su koeficijenti a i c suprotnih znakova.
Primer
Dvodimenzionalna sluqajna promenljiva (X ,Y )zadata je zakonom raspodele
X \Y 1 2 3
1 0,1 0,1 0,2 .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 229/349
−1 0,05 0,15 0,4
Odrediti koeficijent korelacije izmeu sluqajnihpromenljivih X i Y .
Rexenje
Sluqajna promenljiva X ima zakon raspodele −1 1
0,4 0,6
,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 230/349
te su njeno oqekivanje i disperzija jednaki
E (X ) = −1 · 0,4 + 1 · 0, 6 = 0,2,
D (X ) = (−1)2 · 0,4 + 12 · 0, 6 − (0,2)2 = 0,96.
Rexenje
Sluqajna promenljiva Y ima zakon raspodele 1 2 3
0,15 0,25 0,6
,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 231/349
a oqekivanje i disperzija ove sluqajne promenljive su
E (Y ) = 1 · 0,15 + 2 · 0,25 + 3 · 0,6 = 2,45,
D (Y ) = 12 · 0, 15 + 2
2 · 0,25 + 32 · 0,6 − (2, 45)2 = 0,5475.
Rexenje
E (XY ) se izraqunava po formuli
E (XY ) = i , j
x i y j P
X = x
i ,Y = y
j ,
te je jednako
E (XY ) = 1 1 0,1 + ( 1) 2 0,1 + ( 1) 3 0, 2 + 1 1 0,05+
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 232/349
( )
− · ·, + (
−)
· ·, + (
−)
· ·, +
· ·, +
+ 1 · 2 · 0,15 + 1 · 3 · 0,4 = 0, 65.
Konaqno, koeficijent korelacije izmeu sluqajnihpromenljivih X i Y jednak je
ρX ,Y = 0,65 − 0,2 · 2,45√
0,96 · √ 0,5475
= 0,221.
Osnovni statistiqki pojmovi
Statistika
Statistika je nauka koja se bavi prouqavanjem skupova savelikim brojem elemenata, koji su jednorodni u odnosu na jedno ili vixe svojstava.
Populacija
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 233/349
Populacija je skup elemenata qija zajedniqka svojstvaprouqavamo statistiqkim metodama.
Obeleje
Posmatrano zajedniqko svojstvo elemenata populacije zove seobeleje.
Primer
Populacija: stanovnici Srbije.
Obeleja: pol, struqna sprema, braqni status, starost . . .
Primer
Populacija: reke crnomorskog sliva.
Obeleja: vodostaj, duina reke, temperatura vode,proticaj, elektroprovodljivost . . .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 234/349
Primer
Populacija: turistiqki objekti u Srbiji.
Obeleja: vrsta turistiqkog objekta, broj turista koji
su posetili turistiqki objekat u odreenom vremenskomperiodu, kapacitet turistiqkog objekta, kvalitet prueneusluge . . .
Obeleja mogu biti:
jednodimenzionalna (posmatra se samo jedno svojstvo)
vixedimenzionalna (posmatraju se dva ili vixe svojstavaistovremeno)
Obeleja mogu biti:
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 235/349
kvantitativna (njihove vrednosti se registruju kaobrojevi)
kvalitativna (njihove vrednosti se registruju kaonenumeriqki podaci)
Primer
Kvantitativna obeleja su:
vodostaj reke,
starost stanovnika,temperatura vode,
broj turista
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 236/349
Kvalitativna obeleja su:
pol stanovnika,
braqno stanje,
xkolska sprema,
vrsta turistiqkog objekta,
vrsta uglja
Obeleja mogu biti:
diskretna (uzimaju konaqno mnogo ili prebrojivobeskonaqno mnogo vrednosti)
apsolutno neprekidna (uzimaju neprebrojivo beskonaqnomnogo vrednosti)
Primer
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 237/349
Obeleja diskretnog tipa su:pol ispitanika,
vrsta uglja,
struqna sprema,
broj sunqanih dana u toku posmatrane godine
Primer
Obeleja apsolutno neprekidnog tipa su:
temperatura vode,
vodostaj,koliqina padavina,
visina snenog pokrivaqa
Osnovni zadatak statistike
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 238/349
Za datu populaciju nai raspodelu posmatranog obeleja nanjenim elementima.
Napomena
Ne posmatraju se svi elementi populacije, ve se na sluqajannaqin izdvaja jedan deo populacije koji se dalje prouqava i naosnovu njega se donosi zakljuqak za celu populaciju.
Uzorak
Uzorak je izdvojeni deo populacije koji se dalje prouqava.
Obim uzorka
Izdvojeni uzorak uvek ima konaqan broj elemenata i taj brojelemenata se zove obim uzorka.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 239/349
Reprezentativan uzorak
Ukoliko je uzorak takav da se na osnovu njega moe donetizakljuqak za celu populaciju, onda je on reprezentativan.
Strategije izbora uzoraka
Uzorak se moe na vixe naqina izdvojiti iz populacije.
Naqin izdvajanja uzorka iz populacije se zove strategijaizbora uzorka.
Najqexe primenjivane strategije su:
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 240/349
sluqajni,periodiqni,stratifikovani,grupni,vixeetapni.
Sluqajni uzorak
Sluqajni uzorak se formira pomou tablice sluqajnih
brojeva.
51772 74640 42331 29044 4662124033 23491 83587 06568 2196045939 60173 52078 25424 1164530586 02133 75797 45406 31041
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 241/349
03585 79353 81938 82322 9679964937 03355 98683 20790 6530415630 64759 51135 98527 6258609448 56301 57683 30277 9462321631 91157 77331 60710 5229091097 17480 29414 06829 87843
Deo tablice sluqajnih brojeva.
Tablica sluqajnih brojeva moe da se koristi samo akose zna broj elemenata populacije, odnosno ako je
populacija konaqna.Svakom elementu populacije se dodeljuje taqno jedanprirodan broj.
Sluqajni uzorak se moe ostvariti na dva naqina:
1
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 242/349
Izvuqe se jedan element iz populacije, belei se vrednostposmatranog obeleja na njemu, a zatim se vraa nazad uskup (sluqajni uzorak sa vraanjem).
2 Izvuqe se jedan element iz populacije, belei se vrednostobeleja na njemu, ali se sada ovaj element ne vraa uosnovni skup (sluqajni uzorak bez vraanja).
Primer
Broj domainstava (u hilj.) 1971. godine za opxtine sa ueteritorije Srbije (50 opxtina) bio je: 5, 33, 9, 13, 13, 31, 15,
42, 16, 23, 5, 8, 2, 29, 5, 3, 10, 9, 5, 5, 5, 4, 8, 3, 5, 4, 4, 5, 17,56, 8, 19, 9, 7, 29, 19, 8, 2, 13, 5, 6, 33, 44, 32, 45, 41, 7, 14, 12,5. Koristei brojeve iz tablice sluqajnih brojeva, poqevxiod prvog reda s leva na desno, formirati sluqajni uzorak
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 243/349
obima 6.Rexenje
Populacija ima ukupno 50 elemenata.
Qitamo po dve cifre, ali pri qitanju ne uzimamo u obzir
brojeve 00, 51, 52, . . .
, 99.
51 77 27 46 40 42 33 12 904446621
2403323491835870656821960
4593960173520782542411645
3058602133757974540631041
0358579353819388232296799
6493703355986832079065304
1563064759511359852762586
0944856301576833027794623
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 244/349
2163191157773316071052290
9109717480294140682987843
Iz populacije uzimamo elemente sa rednim brojevima 27, 46,
40, 42, 33 i 12 i od elemenata formiramo uzorak.Dobijeni sluqajni uzorak obima 6 je 4, 41, 5, 33, 9, 8.
Periodiqni uzorak
Periodiqni uzorak takoe zahteva ureenost elemenatapopulacije.
Iz populacije se biraju elementi na istom razmaku, npr.svaki peti, deseti itd.
Prednosti periodiqnog uzorka:1 Jednostavno se formira i za njegovo formiranje nije
b b b
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 245/349
potrebna tablica sluqajnih brojeva.2 On je ravnomerno rasporeen po populaciji.
Napomena
Periodiqni uzorak nee biti reprezentativan ukoliko je
ureenje elemenata populacije u vezi sa posmatranimobelejem.
Primer
Posmatra se grupa studenata tree godine i belei se koliko
godina imaju. Dobijene godine starosti su: 22, 21, 20, 23, 22,24, 25, 21, 22, 23, 21, 22, 21, 23, 22, 22, 21, 25, 21, 26, 23, 21,22, 21, 21. Formirati periodiqni uzorak obima 6 uzimajuisvaki qetvrti element poqevxi od prvog elementa populacije.
R
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 246/349
RexenjePoqinjemo od prvog elementa i uzimamo svaki qetvrti element22 , 21, 20, 23, 22 , 24, 25, 21, 22 , 23, 21, 22, 21 , 23, 22, 22,
21 , 25, 21, 26, 23 , 21, 22, 21, 21.Dobijeni uzorak obima 6 je 22, 22, 22, 21, 21, 23.
Stratifikovani uzorak
Populacija se deli na disjunktne delove tako da deo
populacije unutar svakog sloja bude homogen po nekomsvojstvu.
Na primer, stanovnici se mogu podeliti prema tome da liive u gradu ili u selu, putevi prema znaqaju, ljudiprema polu, rudnici uglja prema vrsti uglja itd.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 247/349
Ovako nastali delovi populacije zovu se stratumi ilislojevi.
Iz svakog stratuma se na sluqajan naqin bira unapred predvieni broj elemenata i tako se formira
stratifikovani uzorak.
U zavisnosti od toga koliko se elemenata bira iz svakogstratuma, razlikuju se dva tipa stratifikovanog uzorka:
1 ravnomerni (iz svakog stratuma bira se isti brojelemenata)
2
proporcionalni (iz svakog stratuma uzima se brojelemenata stratuma koji je proporcionalan veliqinistratuma).
Primer
M j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 248/349
Meu stanovnicima jednog grada se vrxi anketa o tome koliko su zadovoljniuslovima ivota. Graani su podeljeni u tri grupe prema duini ivota u gradu, ina osnovu ispitivanja se zna da 15% graana ivi u gradu do 5 godina, 25% ivivixe od 5, a manje od 10 godina, dok 60% ivi 10 ili vixe godina u gradu. Trebaformirati uzorak obima 300.Ravnomerni stratifikovani uzorak: iz svakog stratuma se uzima po 100 elemenata.
Proporcionalni stratifikovani uzorak: iz prvog stratuma se uzima 300 · 0
,15 = 45
elemenata, iz drugog 300 · 0, 25 = 75, a iz treeg stratuma 300 · 0, 6 = 180 elemenata.
Grupni uzorak
Grupni uzorak zahteva mogunost podele populacije nadisjunktne delove, ali ne zahteva da delovi budu
homogeni po bilo kom svojstvu.Disjunktni delovi populacije se zovu grupe.
Ne uzimaju se sve grupe, ve se bira samo odreeni brojgrupa i to na sluqajan naqin, pa se iz izabranih grupa
j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 249/349
uzimaju svi elementi.Prednost grupnog uzorka u odnosu na stratifikovaniuzorak je ta xto se grupni uzorak dobija jednostavnije ibre.
Prednost stratifikovanog uzorka u odnosu na grupnuzorak je ta xto stratifikovani uzorak daje bolju sliku opopulaciji.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 250/349
Vixeetapni uzorak
Vixeetapni uzorak se kreira u vixe etapa.
Populacija se deli na stratume, ovi na poddelove i takoredom zavisno od situacije.
Na primer, grad se deli na opxtine, opxtine na mesnezajednice, mesne zajednice na ulice, ulice na kue itd.
Primer vixeetapnog uzorka je sledei dvoetapni uzorak.
U j b b j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 251/349
1 U prvoj etapi dvoetapnog uzorka bira se odreeni brojgrupa,
2 u drugoj etapi iz odabranih grupa bira se samo odreenibroj elemenata na sluqajan naqin.
Vixeetapni uzorak se koristi u situacijama kadastratumi imaju veliki broj elemenata.
Izbor taqaka sa tla u uzorak
Kod analize slivova, putne mree, nekih geoloxkihistraivanja i sliqno, potreban je izbor taqaka sa tla,tj. sa nekog dela povrxine Zemlje.
Zbog toga je potrebno izvrxiti izbor uzorka izdvodimenzionalnog prostora.
Izbor taqaka moe biti
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 252/349
Izbor taqaka moe bitisluqajan,periodiqni,stratifikovani,grupni.
Postupak
Posmatrana oblast sa tla se prekrije minimalnimpravougaonikom, a zatim se vrxi izbor taqaka unutar togpravougaonika.
Napomena
Ukoliko posmatrana oblast nije pravougaona tada treba
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 253/349
Ukoliko posmatrana oblast nije pravougaona, tada trebavoditi raquna da se u uzorak uzimaju samo one sluqajnoizabrane taqke pravougaonika koje pripadaju posmatranojoblasti.
Sluqajni izbor taqaka (I naqin)
Sluqajni izbor taqaka moe da se simulira tablicomsluqajnih brojeva. To se postie na taj naqin xto se paroviizabranih sluqajnih brojeva koriste kao koordinate taqakasa tla.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 254/349
Sluqajni izbor taqaka (II naqin)
Najpre se vrxi sluqajan izbor taqaka na stranicama kvadrataili pravougaonika. Zatim se od svake dve sluqajno izabranetaqke sa razliqitih ivica formiraju linije unutar kvadrata.
Na kraju se od preseqnih taqaka linija formira uzorak.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 255/349
Periodiqni izbor taqaka
Periodiqni izbor taqaka se uspexno primenjuje za izbortaqaka po kvadratnoj mrei.
I naqin
Taqke se mogu birati naqvorovima mree.
II naqin
Koordinate jedne taqke se
odreuju preko tablice
sluqajnih brojeva, a ostale sej
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 256/349
sluqajnih brojeva, a ostale seuzimaju na istom razmaku.
Stratifikovani izbor taqaka
Posmatrana oblast se deli na manje celine homogene po nekomsvojstvu (vrsta zemljixta, nadmorska visina i sliqno) izkojih se na sluqajan naqin bira odreeni broj taqaka u
uzorak.
Napomena
Stratifikovani izbor taqaka podrazumeva izbor odreenogbroja taqaka iz svakog stratuma, te omoguava ravnomernuraspodelu uzorka po posmatranom delu tla
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 257/349
raspodelu uzorka po posmatranom delu tla.
Grupni izbor taqaka
Posmatrana oblast se deli na manje celine, najqexepravilnog oblika, recimo kvadrata ili pravougaonika istihdimenzija koji imaju ulogu grupa. Uzorak se formira takoxto se na sluqajan naqin izabere odreen broj grupa, a zatim
se iz svake grupe uzimaju svi elementi, tj. ceo deo tlab b
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 258/349
se iz svake grupe uzimaju svi elementi, tj. ceo deo tlaobuhvaen izabranom grupom.
Statistiqko prouqavanje
Statistiqko prouqavanje populacije qine tri etape:
1 Prikupljanje podataka.
2 Sreivanje i grafiqko prikazivanje podataka.
3 Statistiqka obrada podataka.
Prikupljanje podataka:
1 Definisanje populacije koja se prouqava.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 259/349
Definisanje populacije koja se prouqava.2 Definisanje obeleja koja se posmatraju.
3 Izbor strategije izbora uzorka.
4 Izbor procedure prikupljanja podataka (popunjavanje
obrazaca, merenja itd.).5 Prikupljanje podataka.
Statistiqka obrada podataka:
1 Sreeni podaci se obrauju statistiqkim metodama.
2 Donose se zakljuqci za celu populaciju.
Sluqajni uzorak
Neka se posmatra obeleje X i vrxi n posmatranja qiji surezultati sluqajne promenljive X 1, X 2, . . . , X n . Ureenan -torka (X 1, X 2, . . . , X n ) se zove sluqajni uzorak obima n za
obeleje X .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 260/349
j
Realizovani uzorak
Posle obavljenog eksperimenta ili posmatranja na
raspolaganju je niz konkretnih podataka (x 1,
x 2, . . . ,
x n ) koji sezove realizovani uzorak.
Statistika
Statistika je funkcija uzorka (X 1, X 2, . . . , X n ) qiji analitiqkiizraz ne zavisi od nepoznatih parametara raspodele obelejapopulacije iz koje je uzet.
Primer
Neka obeleje X ima normalnu raspodelu sa parametrima m iσ2 i neka je iz populacije uzet uzorak (X 1, X 2, . . . , X n ). Neka je
1 n Xi m
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 261/349
Z n =n
i =1
X i − m
σ .
Ukoliko su parametri m i σ2 poznati, tada funkcija Z n
predstavlja jednu statistiku. Ukoliko je bar jedan parametarnepoznat, tada ova funkcija nije statistika.
Parametri obeleja
Parametri obeleja su numeriqke karakteristike obeleja.
Parametri raspodele obeleja mogu biti poznati ili
nepoznati.Ukoliko su parametri raspodele nepoznati, tada se oniprocenjuju na osnovu realizovanog uzorka.
Taqkasta ocena nepoznatog parametra
Ako je procena nepoznatog parametra konkretan broj tada za
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 262/349
Ako je procena nepoznatog parametra konkretan broj, tada zatakvu procenu kaemo da je taqkasta ocena nepoznatogparametra.
Intervalna ocena nepoznatog parametraUkoliko je procena interval, tada takvu procenu nazivamointervalnom ocenom nepoznatog parametra.
Taqkaste ocene
Uzoraqka sredina
Neka je (X 1, X 2, . . . , X n ) uzorak obima n iz populacije sa
obelejem X . Statistika X n definisana kao
X n = 1
n (X 1 + X 2 + · · · + X n ) =
1
n
n
i =1
X i
naziva se uzoraqkom sredinom ili sredinom uzorka.
R
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 263/349
Realizovana uzoraqka sredina
Realizovana uzoraqka sredina oznaqava se sa x n i definixese kao broj
x n =
1
n (x 1 + x 2 + · · · + x n ),
gde je (x 1, x 2, . . . , x n ) realizovani uzorak.
Primer
Broj zemljotresa u Srbiji u periodu 1991-1999. godine bio je:
26, 10, 11, 6, 5, 10, 26, 103, 81. Koliki je bio oqekivanigodixnji broj zemljotresa u Srbiji u periodu 1991-1999.godine?
Rexenje
Oqekivani godixnji broj zemljotresa u Srbiji u periodu1991 1999 godine bio je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 264/349
1991-1999. godine bio je
x 9 = 26 + 10 + 11 + 6 + 5 + 10 + 26 + 103 + 81
9 = 30,89.
Tabelarno sreen uzorak
Ukoliko je uzorak oblika
Realizovane vrednosti obeleja X x 1 x 2 · · · x k
Apsolutne uqestanosti f i f 1 f 2 · · · f k n
tada se realizovana uzoraqka sredina izraqunava po formuli
1 1k
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 265/349
x n = 1
n (f 1x 1 + f 2x 2 + · · · + f k x k ) =
1
n
i =1
f i x i .
Intervalno sreen uzorak
Ukoliko je uzorak oblika
Intervali [x 1; x 2) [x 2; x 3) · · · [x k −1; x k ]
Apsolutne uqestanosti f i f 1 f 2 · · · f k n
tada se realizovana uzoraqka sredina izraqunava po formuli
1 1k
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 266/349
x n = 1
n (f 1x
1 + f 2x
2 + · · · + f k x
k ) = 1
n
i =1
f i x
i ,
gde je x i sredina uzorka [x i , x i +1), i = 1,2, . . . ,k − 1.
Uzoraqki mod
Uzoraqki mod ili mod uzorka je ona vrednost u uzorku kojaima najveu apsolutnu (relativnu) uqestanost pojavljivanja u
svojoj okolini.
Primer
Dat je broj kixnih dana u mesecu julu u mestu A u toku 20godina: 5, 6, 8, 10, 9, 8, 4, 7, 7, 3, 6, 4, 8, 7, 6, 6, 5, 3, 6, 6.
Odrediti uzoraqki mod.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 267/349
Rexenje
Vrednost 6 se najvixe puta javlja, taqnije 6 puta, tako da jeuzoraqki mod broja kixnih dana vrednost 6 i drugih modovanema.
Modalni interval
Modalni interval je interval koji ima veu apsolutnuuqestanost od oba svoja suseda.
Intervalno sreen uzorak 1 Najpre se odreuje modalni interval [a µ, b µ).
2 Mod uzorka se raquna po formuli
M o = a µ + h µ · N 2
N 1 + N 2 ,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 268/349
gde je a µ donja granica modalnog intervala [a µ, b µ), h µ jeduina modalnog intervala i raquna se po formulih µ = b µ − a µ, N 1 je apsolutna uqestanost intervala ispred modalnog, a N 2 je apsolutna uqestanost intervala izamodalnog.
Napomena
Vixe intervala mogu biti modalni i tada uzorak ima vixemodova.
Primer
Godixnje korixenje xuma (u hilj. m 3) u Srbiji i Crnoj Goriu periodu od 1959-1997. godine predstavljeno je sledeomtabelom:
Iskorixenost xuma [2500; 3000) [3000; 3500) [3500; 4000)Broj godina 2 7 6
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 269/349
Broj godina 2 7 6
Iskorixenost xuma [4000; 4500) [4500; 5000) [5000; 5500)
Broj godina 15 5 4
Odrediti mod datog uzorka.
Rexenje
1 Uzorak ima dva modalna intervala [3000;3500) i[4000; 4500), te je posmatrano obeleje bimodalno.
2 Vrednost moda na osnovu intervala [3000;3500):
m o = 3000 + 500 · 6
2 + 6 = 3375.
3 V [4000 4500)
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 270/349
3 Vrednost moda na osnovu intervala [4000;4500):
m o = 4000 + 500 · 5
6 + 5 = 4227, 27.
Uzoraqka medijanaUzoraqka medijana ili medijana uzorka je taqka M e koja deliuzorak na dva dela, takva da se u svakom od delova nalazi jednak broj elemenata uzorka.
Odreivanje uzoraqke medijane
1 Najpre se od elemenata uzorka formira varijacioni nizx (1), x (2), . . . , x (n ), tj. niz vrednosti koje su poreane uneopadajuem redosledu.
2 Ako je obim uzorka n neparan broj, uzoraqka medijana jej j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 271/349
jednaka elementu varijacionog niza x ((n +1)/2).
3 Ako je obim uzorka n paran broj, tada je uzoraqkamedijana jednaka
M e =x ( n
2) + x ( n
2+1)
2 .
Primer
Broj diplomiranih studenata po kalendarskoj godini ucentralnoj Srbiji u periodu 1980-1997. godine bio je: 10304,
9881, 9984, 9860, 9213, 9019, 8894, 7971, 8004, 8008, 7003,7825, 7845, 7097, 7433, 8005, 8658 i 7663. Kolika je medijana?
Rexenje
Uzorak je obima 18, tako da je medijana aritmetiqka sredina
devetog i desetog elementa varijacionog niza 7003, 7097,7433 7663 7825 7845 7971 8004 8005 8008 8658 8894
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 272/349
7433, 7663, 7825, 7845, 7971, 8004, 8005, 8008, 8658, 8894,9019, 9213, 9860, 9881, 9984, 10304, taqnije
m e = 8005 + 8008
2
= 8006,5.
Medijanski interval
Medijanski interval je prvi interval qija je zbirnauqestanost vea ili jednaka n /2.
Intervalno sreen uzorak 1 Najpre se odreuje medijanski interval [a M , b M ).
2 Medijana se raquna po formuli
M e = a M + h M ·
n
2 −
M
N M ,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 273/349
gde je a M donja granica medijanskog intervala [a M , b M ), h M
je duina medijanskog intervala i raquna se kaoh M = b M − a M , N M je apsolutna uqestanost medijanskogintervala, a
M je zbirna uqestanost intervala ispred
medijanskog intervala.
Primer
Raspodela opxtina u SFR Jugoslaviji prema broju osnovnih
xkola, stanje 1974/75 xkolske godine data je sledeomtabelom:
Broj xkola [0;5) [5;10) [10;15) [15; 20) [20;25)
Broj opxtina 13 47 75 85 63
Broj xkola [25;30) [30;40) [40; 50) [50;70)Broj opxtina 57 74 41 53
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 274/349
Broj opxtina 57 74 41 53
Odrediti medijanu broja xkola.
Rexenje
Tabela sa apsolutnim i zbirnim apsolutnim uqestanostima jesledea
Broj xkola [0; 5) [5; 10) [10; 15) [15; 20) [20; 25)
Broj opxtina 13 47 75 85 63Zbirne uqestanosti 13 60 135 220 283
Broj xkola [25; 30) [30; 40) [40; 50) [50;70)
Broj opxtina 57 74 41 53Zbirne uqestanosti 340 414 455 508
Medijanski interval je interval [20;25), jer je njegova zbirna
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 275/349
uqestanost (283) prva zbirna uqestanost vea od 508/2 = 254.Tada je uzoraqka medijana jednaka
m e = 20 + 5 · 254
−220
63 = 22,7.
Uzoraqka disperzija
Neka je (X 1, X 2, . . . , X n ) uzorak obima n ≥ 30 iz populacije sa
obelejem X . Statistika S 2
n definisana kao
S 2
n = 1
n
n i =1
X i − X n 2
naziva se uzoraqkom disperzijom posmatranog uzorka.
Realizovana uzoraqka disperzija
A
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 276/349
Ako se posmatra realizovani uzorak, onda se moedefinisati realizovana uzoraqka disperzija kao
s 2n = 1
n
n
i =1
(x i − x n )2 .
Napomena
Za izraqunavanje S
2
n i s
2
n mogu se mogu se koristiti formule
S 2
n = 1
n
n i =1
X 2
i −
X n
2
is2 =
1n
X2
i −
X n
2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 277/349
s n =n
i =1
X i
X n
.
Popravljena uzoraqka disperzija
Ako je uzorak obima n < 30, tada se umesto uzoraqkedisperzije izraqunava popravljena uzoraqka disperzija S 2n kao
S 2n =
1
n − 1
n i =1
X i − X n
2.
Napomena
Za izraqunavanje popravljene uzoraqke disperzije moe sekoristiti formula
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 278/349
koristiti formula
S 2n =
1
n −1
n
i =1
X 2
i − n
n −1
X n
2.
PrimerMinimalne meseqne temperature na Dunavu kod Zemuna 1998.godine su bile: 3, 2, 6, 7, 13, 19, 19,5, 20,5, 15, 11, 4 i 1.Odrediti uzoraqku sredinu i disperziju.
RexenjeNeka je obeleje X minimalna meseqna temperatura naDunavu kod Zemuna.Uzoraqka sredina jednaka je
x 12 = 3 + 2 + 6 + 7 + · · · + 4 + 1
12 = 10,08.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 279/349
12
Kako je 12 < 30, to je potrebno izraqunati popravljenuuzoraqku disperziju i ona je jednaka
s 212 =
32 + 22 + 62 + 72 + · · · + 12
11 −
12
11(10,08)2 = 52, 02.
Ako je uzorak tabelarno sreen, tada se realizovana uzoraqkadisperzija izraqunava po formuli
s 2
n = 1
n
k i =1
f i (x i − x n )2 ,
odnosno, po formuli
s2
n = 1
k fi x
2
i − (x n)2 ,
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 280/349
s n n
i =1
f i x i (x n ) ,
gde je f i apsolutna uqestanost realizovane vrednosti x i .
Ako je uzorak obima manjeg od 30, tada se popravljenauzoraqka disperzija izraqunava kao
s 2n = 1
n − 1
k
i =1
f i (x i − x n )2 ,
odnosno, kao
s 2n = 1n − 1
k i=1
f i x 2i − n n − 1
(x n )2 .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 281/349
i =1
Ako je uzorak i intervalno sreen, tada se za realizovane
vrednosti uzorka uzimaju sredine tih intervala.
Uzoraqka standardna devijacija
Uzoraqka standardna devijacija oznaqava se sa S n i definixeformulom S n =
S 2
n .
Popravljena uzoraqka standardna devijacija
Popravljena uzoraqka standardna devijacija oznaqava se sa S n
i definixe formulom Sn =
S2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 282/349
i definixe formulom S n =
S n .
Uzoraqki koeficijent korelacije
Za uzorak ((X 1, Y 1), (X 2, Y 2), . . . , (X n , Y n )) obima n ≥ 30,uzoraqki koeficijent korelacije jednak je
R X ,Y =
1n
n i =1
X i − X n Y i − Y n S X S Y
,
gde su X n i Y n uzoraqke sredine obeleja X i Y , a S X i S Y su
uzoraqke standardne devijacije obeleja X i Y .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 283/349
Napomena
Ako je uzorak mali (n < 30), tada se umesto uzoraqkih
standardnih devijacija S
X i S
Y koriste popravljene uzoraqkestandardne devijacije S X i S Y .
NapomenaZa izraqunavanje uzoraqkog koeficijenta korelacije moe sekoristiti formula
R X ,Y =
1
n
n
i =1
X i Y i − X n Y n
S X S Y
.
Uzoraqki koeficijent korelacije se koristi za utvrivanjelinearne povezanosti dva obeleja.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 284/349
Osobine uzoraqkog koeficijenta korelacije
Uzoraqki koeficijent korelacije uzima vrednosti izintervala [−1,1].
Uzoraqki koeficijent korelacije jednak je 1 ako izmeuobeleja X i Y postoji linearna veza Y = aX + b pri qemu je a > 0.
Uzoraqki koeficijent korelacije jednak je −1 ako izmeuobeleja X i Y postoji linearna veza Y = aX + b pri qemu
je a < 0.Vrednost uzoraqkog koeficijenta korelacije se ne menja
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 285/349
ako se izvrxi transformacija uzorka, tj. ako jeZ i = aX i + b i W i = cY i + d , tada je R Z ,W = R X ,Y , ukoliko sua i c istog znaka, i R Z ,W = −R X ,Y , ukoliko su a i c
suprotnog znaka.
Tumaqenje vrednosti uzoraqkog koeficijenta korelacije
Ako je |r X ,Y | < 0,25, tada smatramo da izmeu obeleja X iY ne postoji linearna zavisnost.
Ako je 0, 25 ≤ |r X ,Y | < 0,5, onda izmeu obeleja X i Y
postoji sasvim neznatna linearna povezanost.
Ako je 0, 5 ≤ |r X ,Y | < 0,7, tada postoji znaqajna linearnapovezanost izmeu obeleja X i Y .
Ako je 0, 7 ≤ |r X ,Y | < 0,9, onda postoji visoko znaqajnapovezanost izmeu obeleja X i Y .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 286/349
u j
Ako je 0, 9 ≤ |r X ,Y | < 1, onda je povezanost izmeu obelejaX i Y praktiqno linearnog oblika.
Intervalno ocenjivanje parametara
Potreba za intervalnim ocenjivanjem
elimo da znamo u kojim se granicama kree prava vrednostparametra.
Postupak:
Posmatra se obeleje X qija raspodela zavisi od nepoznatog
parametra θ. Potrebno je za dati uzorak (X 1,X 2, . . . ,X n ) obiman nai dve statistike ϕ1(X 1,X 2, . . . ,X n ) i ϕ2(X 1,X 2, . . . ,X n )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 287/349
takve da je
P
ϕ1(X 1,X 2, . . . ,X n )
≤θ
≤ϕ2(X 1,X 2, . . . ,X n )
= 1
−α.
Sluqajni interval
Interval [ϕ1, ϕ2] zove se sluqajni interval parametra θ nivoapoverenja 100(1− α)% ili skraeno, interval poverenja.
Dvostrani interval poverenja
Ako su obe granice intervala poverenja sluqajne promenljive,tada je req o dvostranom intervalu poverenja.
Jednostrani interval poverenjaAko je samo jedna granica intervala poverenja sluqajnapromenljiva tada je req o jednostranom intervalu poverenja
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 288/349
promenljiva, tada je req o jednostranom intervalu poverenja.
Vrednosti nivoa poverenja
Najqexe se uzima visok nivo poverenja: 90%, 95%, 99%.
Napomena
Znaqenje izraza
P ϕ1(X 1,X 2, . . . ,X n ) ≤ θ ≤ ϕ2(X 1,X 2, . . . ,X n ) = 1− α.
Od vixe intervala koji se iz vixe uzoraka istog obima n dobijaju, njih 100(1−α)% zahvata pravu vrednost parametra θ.
Intervalne ocene parametara normalne raspodele
Neka obeleje X ima normalnu raspodelu N (m σ2) i neka je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 289/349
Neka obeleje X ima normalnu raspodelu N (m , σ ) i neka je(X 1,X 2, . . . ,X n ) uzorak obima n .
Interval poverenja za m kada je σ2 poznato
Interval poverenja za parametar m je oblika
I m = X n − σ
√ n ·z 1−α
2
; X n + σ
√ n ·z 1−α
2 ,pri qemu je X n uzoraqka sredina, a z 1−α
2
je broj koji se qita
iz tablice normalne raspodele i zadovoljava uslov
Φz 1−α2 = 1−α
2
.
Neke karakteristiqne vrednosti za z 1
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 290/349
Neke karakteristiqne vrednosti za z 1−α
2
1− α 0,9 0,95 0,99
z 1−α
2 1,64 1,96 2,57
PrimerPosmatrano obeleje X , proseqne godixnje padavine u Africi, ima
normalnu raspodelu sa disperzijom σ2 = 324 i nepoznatim parametrom m .
Iz datog uzorka obima 50 realizovana uzoraqka sredina iznosi x 50 = 85.
Odrediti interval poverenja za parametar m za nivo poverenja 0,95.
Rexenje
Uzorak je obima n = 50.
Nivo poverenja je 1− α = 0, 95.
Standardna devijacija je σ
=
√ 324
= 18
.Realizovana uzoraqka sredina je x 50 = 85.
Za dati nivo poverenja je z 1 α = 1 96
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 291/349
Za dati nivo poverenja je z 1−α2
= 1, 96.
Traeni interval poverenja za parametar m je
I m =85
−18√ 50
·1, 96 ; 85 +
18√ 50
·1,96
= [80, 01 ; 89, 99].
Interval poverenja za m kada je σ2 nepoznato, n < 30
Interval poverenja za m je oblika
I m = X n − S n
√ n ·t n −1
;
1−α
2
; X n + S n
√ n ·t n −1
;
1−α
2 ,gde je S n popravljena uzoraqka standardna devijacija, at n −1; 1−α
2
je vrednost koja se qita iz tablice Studentoveraspodele.
Neke karakteristiqne vrednosti za t n −1; 1−α
2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 292/349
;2
1− α = 0,9
n 5 10 15 20
t n −1; 1−α
2
2,132 1,833 1,761 1,729
Interval poverenja za m kada je σ2 nepoznato, n ≥ 30
Interval poverenja za m je oblika
I m = X n − S n √
n − 1· t n −1; 1−α
2; X n +
S n √
n − 1· t n −1; 1−α
2 ,
gde je S n uzoraqka standardna devijacija.
PrimerU sluqajnom uzorku od 10 gradova procenti stanovnika
4 4
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 293/349
starijih od 65 godina su: 15,4; 19,7; 24,6; 18,9; 15,2; 19; 21,3;17,9; 15,5 i 16. Odrediti 95% interval poverenja oqekivanogprocenta stanovnika starijih od 65 godina.
Rexenje
Neka je X procenat stanovnika starijih od 65 godina.
Ne postoji nikakva pretpostavka o disperziji, xto znaqi
da je ona nepoznata.Uzorak je mali (10 < 30).
Uzoraqka sredina je x 10 = 18,35.
Popravljena uzoraqka disperzija je
s 210
= 9, 2.
Interval poverenja za m u sluqaju nepoznate disperzije je √ 9,2
√ 9,2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 294/349
I m =
18, 35−
√9,2√ 9
· 2, 262 ; 18,35 +
√9,2√ 9
· 2,262
= [16,06 ; 20, 64].
Interval poverenja za σ2
kada je m poznatoInterval poverenja za σ2 je oblika
I σ2 = n
i =1
(X i −m )2
χ2
n ;1−α
2
;
n
i =1
(X i −m )2
χ2
n ;α2
,
pri qemu su χ2
n ;α2
i χ2
n ;1−α
2
vrednosti koje se qitaju iz tablice
χ2
raspodele.
Neke karakteristiqne vrednosti za χ2α kada je 1− α = 0 9
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 295/349
Neke karakteristiqne vrednosti za χn ;α
2
kada je 1 α = 0,9
n 5 10 15 20
χ2
n ;α2 1,15 3,94 7,26 10,9
χ2
n ;1−α
2
11,1 18,3 25 31,4.
Interval poverenja za σ2
kada je m nepoznatoInterval poverenja za parametar σ2 je oblika
I σ2 =
nS 2
n
χ2
n −1;1−α
2
; nS
2
n
χ2
n −1;α
2 .Jednostrani intervali poverenja
Jednostrani donji interval poverenja je oblika
I σ2 =
nS
2
n
χ2
n −1;α
; ∞
.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 296/349
Jednostrani gornji interval poverenja je
I σ2 =0 ;
nS 2
n
χ2
n −1;1−α
.
PrimerPosmatramo obeleje X , procenat qistog metala u rudi koji ima normalnu
raspodelu. Iz uzorka obima 30 dobijena je uzoraqka disperzija s 2
30 = 7, 27. Za nivo
poverenja 0,9 odrediti dvostrani i jednostrani donji interval poverenja za
parametar σ2.
Rexenje
Ne postoji nikakva pretpostavka o parametru m , xto znaqi da je on nepoznat.
Dvostrani interval poverenja za parametar σ2 je
I σ2 =
30 · 7,27
45, 7; 30 · 7
,27
16
= [4, 77 ; 13, 63].
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 297/349
Jednostrani donji interval poverenja je
I σ2 =
30 · 7, 2742, 6 ;
∞ = [
5,12
; ∞
).
Testiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza je vid statistiqkog
zakljuqivanja koji se primenjuje u situacijama:kada se unapred pretpostavlja postojanje odreene vezemeu izuqavanim pojavama,
kada se pretpostavlja da posmatrano obeleje ima
odreenu raspodelu.
Statistiqka hipoteza
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 298/349
Statistiqka hipoteza je svaka pretpostavka koja se odnosi naraspodelu obeleja.
Statistiqka hipoteza moe biti taqna ili pogrexna.
Odluka o prihvatanju ili odbacivanju statistiqke hipoteze
donosi se na osnovu uzorka.
Statistiqki test
Statistiqki test je postupak verifikovanja statistiqkehipoteze na osnovu uzorka.
Test statistika
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 299/349
Statistiqki test koristi neku statistiku koja se zove teststatistika.
Istovremeno se posmatraju dve hipoteze koje su jedna drugojsuprostavljene.
Nulta hipoteza
Hipoteza koja se lakxe verifikuje se uzima za polaznu ili”nultu” hipotezu. Oznaqava se sa H 0.
Alternativna hipoteza
Druga hipoteza se zove alternativna hipoteza. Oznaqava se saH 1 ili H a .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 300/349
Hipoteza moe biti:
prosta (u potpunosti odreuje raspodelu obeleja)
sloena.
Kritiqna oblastSkup C takav da se hipoteza H 0 odbacuje ako realizovaniuzorak (x 1, x 2, . . . , x n ) pripada skupu C zove se kritiqna oblast.
Mogue je naqiniti dve grexke:grexku prve vrste,
grexku druge vrste.
Grexka prve vrste
Grexka prve vrste nastaje u situacijama kada je hipoteza H 0odbaqena, a bila je faktiqki taqna.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 301/349
Grexka druge vrste
Grexka druge vrste qini se kada se nulta hipoteza prihvati,a zapravo nije taqna.
Verovatnoa da se naqini grexka prve vrste
Verovatnoa da se uqini grexka prve vrste oznaqava se sa α:
α = P H 0(X 1, X 2, . . . , X n ) ∈ C .
Verovatnoa da se naqini grexka druge vrste
Verovatnoa da se naqini grexka druge vrste oznaqava se saβ :
β = P H 1
(X 1, X 2, . . . , X n )
∈ C
.
Prag znaqajnosti
Verovatnoa α se zove i prag znaqajnosti testa
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 302/349
Verovatnoa α se zove i prag znaqajnosti testa.
Za prag znaqajnosti se najqexe uzimaju vrednosti 0
,1
; 0
,01
i 0,05.
Statistiqki testovi mogu biti:
parametarski,
neparametarski.
Parametarski testovi
Kod parametarskih testova raspodela test statistike zavisiod raspodele posmatranog obeleja.
Neparametarski testovi
Kod neparametarskih testova raspodela test statistike ne
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 303/349
Kod neparametarskih testova raspodela test statistike nezavisi od raspodele posmatranog obeleja.
Testiranje hipoteze o parametru m kada je σ2 poznato
Obeleje X ima normalnu N (m , σ2) raspodelu.
Postavlja se pitanje da li se vrednost parametra m
promenila.
Testiramo nultu hipotezu H 0(m = m 0), gde je m 0 konkretanbroj, protiv jedne od alternativnih H 1(m = m 0),H 1(m > m 0) ili H 1(m < m 0).
Posmatra se test statistika Z 0 = X n −m 0σ
· √ n , gde je X n
sredina posmatranog uzorka.
A j H Z
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 304/349
Ako je hipoteza H 0 taqna, test statistika Z 0 imastandardnu normalnu raspodelu.
Kritiqne oblasti C zavise od alternativnih hipoteza iprikazane su u tabeli:
H 0 H 1 C
m = m 0 m = m 0 |z 0| ≥ z 0,5−α
2
m = m 0 m > m 0 z 0 ≥ z 0,5−αm = m 0 m < m 0 z 0 ≤ −z 0,5−α
Broj z α je rexenje jednaqine Φ(z α) = α i odreuje se iztablice normalne raspodele.
Ako realizovana vrednost z 0 upada u kritiqnu oblast C ,tada odbacujemo nultu hipotezu H 0 i prihvatamoalternativnu H 1 da je doxlo do promene vrednosti
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 305/349
parametra m .
U suprotnom, prihvatamo nultu hipotezu H 0, odnosno
moemo smatrati sa pragom znaqajnosti α da nije doxlodo promene vrednosti parametra m .
Testiranje hipoteze o parametru m kada je σ2
nepoznato
Obeleje X ima normalnu N (m , σ2) raspodelu.
Postavlja se pitanje da li se vrednost parametra m
promenila.
Testiramo nultu hipotezu H 0(m = m 0), gde je m 0 konkretanbroj, protiv jedne od alternativnih H 1(m = m 0),H 1(m > m 0) ili H 1(m < m 0).
Posmatra se test statistika t n −1 = X n −m 0S n
· √ n − 1, gde je
X n sredina uzorka, a S n standardna devijacija uzorka.Ako je hipoteza H 0 taqna, test statistika t n −1 imaStudentovu raspodelu sa n − 1 stepeni slobode
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 306/349
Studentovu raspodelu sa n 1 stepeni slobode.
Ako je uzorak mali, tada se koristi test statistika
t n −1 = X n −m 0S n · √ n , gde je S n popravljena uzoraqka
disperzija.
Kritiqne oblasti C zavise od alternativnih hipoteza iprikazane su u tabeli:
H 0 H 1 C
m = m 0 m
= m 0
|t n −1
| ≥ t n −1;0,5−α
2
m = m 0 m > m 0 t n −1 ≥ t n −1;0,5−α
m = m 0 m < m 0 t n −1 ≤ −t n −1;0,5−α
Broj t n −1;α se odreuje iz tablice Studentove raspodele.
Ako realizovana vrednost t n −1 upada u kritiqnu oblast
C , tada odbacujemo nultu hipotezu H 0 i prihvatamoalternativnu H 1 da je doxlo do promene vrednostiparametra m .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 307/349
r r
U suprotnom, prihvatamo nultu hipotezu H 0, odnosno
moemo smatrati sa pragom znaqajnosti α da nije doxlodo promene vrednosti parametra m .
Testiranje hipoteze o parametru σ2 kada je m nepoznato
Obeleje X ima normalnu N (m , σ2) raspodelu.
Postavlja se pitanje da li se vrednost parametra σ2
promenila.
Testiramo nultu hipotezu H 0(σ2 = σ20), gde je σ2
0 konkretanbroj, protiv jedne od alternativnih H 0(σ2 = σ2
0),
H 0(σ2 > σ20
) ili H 0(σ2 < σ20
).
Posmatra se test statistika χ20
= nS 2
n
σ2
0
, gde je S 2
n disperzija
uzorka.
Ako je hipoteza H 0 taqna, test statistika χ20
ima χ2
raspodelu sa n − 1 stepeni slobode
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 308/349
raspodelu sa n − 1 stepeni slobode.
Ako je uzorak mali, tada se koristi test statistika
χ20 = (n −1)S
2
n σ2
0
, gde je S 2n popravljena uzoraqka disperzija.
Testiranje hipoteze o parametru σ2 kada je m poznato
Obeleje X ima normalnu N (m , σ2) raspodelu.
Postavlja se pitanje da li se vrednost parametra σ2
promenila.
Testiramo nultu hipotezu H 0(σ2 = σ20
), gde je σ20
konkretanbroj, protiv jedne od alternativnih H 0(σ2 = σ2
0),
H 0(σ2 > σ2
0) ili H 0(σ2 < σ2
0).
Posmatra se test statistika χ2
0 =
n
i =1
(X i −m )2
σ2
0
.
Ako je hipoteza H taqna test statistika χ2 ima χ2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 309/349
Ako je hipoteza H 0 taqna, test statistika χ20
ima χ2
raspodelu sa n stepeni slobode.
Kritiqne oblasti C zavise od alternativnih hipoteza iprikazane su u tabeli:
H 0 H 1 C
σ2 = σ20
σ2 = σ20
χ20 ≤ χ2
n ;α2
χ20 ≥ χ2
n ;1−α
2
σ
2 = σ20 σ2 > σ20 χ20 ≥ χ2n ;1−α
σ2 = σ20
σ2 < σ20
χ20 ≤ χ2
n ;α
Broj χ2n ;α se odreuje iz tablice χ2 raspodele.
Ako realizovana vrednost χ2
0 upada u kritiqnu oblast C ,
tada odbacujemo nultu hipotezu H 0 i prihvatamoalternativnu H 1 da je doxlo do promene vrednostiparametra σ2.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 310/349
r r
U suprotnom, prihvatamo nultu hipotezu H 0, odnosno
moemo smatrati sa pragom znaqajnosti α da nije doxlodo promene vrednosti parametra σ2.
Pirsonov χ2-test
Pirsonov χ2 test je neparametarski test koji se koristi zaispitivanje:
saglasnosti uzorka sa pretpostavljenom raspodelom,
nezavisnosti dva obeleja.
Ispitivanje saglasnosti uzorka sa pretpostavljenom
raspodelom
U zavisnosti od toga da li je obeleje diskretno iliapsolutno neprekidno, crta se trakasti dijagram ilihistogram relativnih uqestanosti.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 311/349
Testira se nulta hipoteza da posmatrano obeleje X imaodreenu raspodelu protiv alternativne hipoteze da nematu raspodelu.
Ako izabrana raspodela ima nepoznate parametre, tada seoni ocenjuju na osnovu uzorka.
Realna prava se deli na k disjunktnih intervala S 1, S 2,
. . . , S k qija je unija taqno R .Vodi se raquna da svaki interval u sebi sadri najmanje5 elemenata realizovanog uzorka. Ako postoje intervalikoji sadre manje od 5 elemenata realizovanog uzorka,tada se oni pridruuju susednim intervalima.
Izraqunavaju se teorijske verovatnoe
p 0i = P H 0X ∈ S i , i = 1, 2, . . . , k
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 312/349
0
uz pretpostavku da je nulta hipoteza H 0 taqna.
Izraqunavaju se oqekivane apsolutne uqestanosti f i uzorka obima n , u svakom intervalu S i
f i = n · p 0i .
Izraqunava se realizovana vrednost test statistike
χ2
0 =k
i =1
(f i − f i )2
f i ,
pri qemu je f i ostvarena apsolutna uqestanost u intervaluS
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 313/349
S i .
Test statistika χ2
0 ima χ2
raspodelu sa k
−1
stepenislobode.
Ako raspodela ima l nepoznatih parametara koje smoocenili na osnovu uzorka, tada test statistika ima χ2
raspodelu sa k − l − 1 stepeni slobode.
Odreuje se kritiqna oblast C veliqine α
χ2
0 ≥ χ2
k −1;1−α ,
pri qemu se vrednost χ2
k −1;1−α qita iz tablice χ2
raspodele.
U sluqaju l nepoznatih parametara raspodele, kritiqnaoblast je χ2
0 ≥ χ2
k −l −1;1−α.
Donosi se zakljuqak o prihvatanju ili odbacivanju nulte
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 314/349
Donosi se zakljuqak o prihvatanju ili odbacivanju nultehipoteze na osnovu realizovane vrednosti test statistike
χ2
0 i dobijene kritiqne oblasti.
Ispitivanje nezavisnosti dva obeleja
Nulta hipoteza je H 0(X i Y su nezavisna obeleja), aalternativna je H 1(X i Y nisu nezavisna obeleja).
Uzorak obima n je zadat tabelom kontingencije
X \Y J 1 J 2 . . . J s I 1 f 11 f 12 . . . f 1s f 1•I 2 f 21 f 22 . . . f 2s f 2•...
... ...
. . . ...
...
I r f r 1 f r 2 . . . f rs f r • f •1 f •2 . . . f •s n
gde su I 1, . . . , I r , J 1, . . . , J s konkretni brojevi ilif j b j j (I J )
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 315/349
intervali, f ij je broj pojavljivanja para (I i , J j ) urealizovanom uzorku, f i • = f i 1 + f i 2 +
· · ·+ f is i
f • j = f 1 j + f 2 j + · · · + f rj .
Test statistika je oblika
χ2
0 =r
i =1
s j =1
(f ij − f ij )2
f ij ,
gde je f ij oqekivani broj parova (I i , J j ) i izraqunava se poformuli
f ij = f i • · f
• j
n .
Statistika χ2
0 ima χ2 raspodelu sa (r − 1)(s − 1) stepeni
slobode.2 2
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 316/349
Kritiqna oblast je χ2
0 ≥ χ2
(r −1)(s −1);1−α.
Na kraju donosimo zakljuqak o odbacivanju iliprihvatanju nulte hipoteze.
Regresija
U velikom broju eksperimenata uoqava se veza izmeu dve ilivixe promenljivih.
PrimerMoe se uoqiti veza izmeu stepena erozije i koliqinepadavina.
Primer
Moe se uoqiti veza izmeu xirine reke i maksimalnoggodixnjeg proticaja.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 317/349
Primer
Moe se uoqiti veza izmeu broja roene dece po eni, nivoaobrazovanja i vrste zaposlenja.
Ako posmatramo obeleja X 1, X 2, . . . , X p i Y , tada traimofunkciju ϕ(x 1, x 2, . . . , x p ) za koju e biti
Y ≈ ϕ(X 1,X 2, . . . ,X p ).
Funkcija ϕ se bira tako da srednjekvadratno odstupanje uoznaci
E (Y − ϕ(X 1,X 2, . . . ,X p ))2
bude najmanje.
Regresija
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 318/349
Funkcija ϕ se zove regresija Y po X 1, X 2, . . . , X p .
Najjednostavnija regresija je jednostruka regresija, kadase posmatraju dve promenljive Y i X .
Trai se funkcija ϕ takva da je Y ≈ ϕ(X ).
Iz populacije se izdvaja realizovani uzorak((x 1, y 1), (x 2, y 2), . . . , (x n , y n )) i predstavlja se u Dekartovojravni.
Na osnovu dobijenog dijagrama, koji se zove dijagram
rasturanja, bira se familija funkcija sa kojom e seraditi.
Na kraju se odreuju vrednosti parametara regresije.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 319/349
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 320/349
Jednostruka linearna regresijaAko je zavisnost ϕ izmeu promenljivih Y i X linearna, tj.oblika Y = aX + b , tada kaemo da je ϕ jednostruka linearnaregresija.
Jednostruka linearna regresija moe biti:
prve vrste,
druge vrste.
Jednostruka linearna regresija prve vrsteObeleje Y zavisi od sluqajne promenljive X .
J j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 321/349
Jednostruka linearna regresija druge vrste
Obeleje Y zavisi od nesluqajne (kontrolisane) promenljivex .
Jednostruka linearna regresija prve vrste
Zavisnost je oblika Y = aX + b .
a i b su nepoznati parametri koji se odreuju iz uslovada je srednje-kvadratno odstupanje E (Y − aX − b )2 najmanje.
Ocene parametara su:
a =
X i Y i −
1n
X i
Y i X 2i −
1n (
X i )2
,
b = Y n − aX n .
Procena vrednosti
Y Y ˆX b Y
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 322/349
Vrednost Y i dobijena kao Y i = aX i + b je procena vrednosti Y i
na osnovu vrednosti X i .
Grexka ocenjivanjaGrexka ocenjivanja se definixe kao
S 2Y −Y
= 1
n
n
i =1
Y i − Y i
2.
Grexka ocenjivanja sadri informaciju o tome kolikoizabrana funkcija dobro aproksimira zavisnost obeleja Y po X .
Grexka ocenjivanja (mali uzorak)
Ako je uzorak mali, tada se grexka ocenjivanja definixe kao
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 323/349
S 2
Y −Y =
1
n − 1
n
i =1
Y i − Y i
2.
Primer
Na osnovu merenja pretprolenog minimalnogsrednjemeseqnog nivoa podzemnih voda (X ), i srednjeggodixnjeg nivoa (Y ) u godinama 1952-1958. dobijeno je
X 19,51 19,02 19,04 15,80 17,52 15,96 16,31
Y 17,57 17,66 18,74 14,48 15,44 13,92 15,22
Odrediti pravu linearne regresije Y po X i na osnovu njeprognozirati Y za izmerenu vrednost x = 16, 99 u 1959.godini. Izraqunati grexku ocenjivanja.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 324/349
Dijagram rasturanja je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 325/349
Koeficijenti prave linearne regresije su:
a = 2005,18−
17 · 123, 16 · 113, 03
2182,25− 17 · (123, 16)2
= 1,076,
b = 113, 037
− 1, 076 · 123,167
= −2, 784.
Traena prava linearne regresije Y = 1, 076 · X − 2,784.
Procenjujemo da je 1959. godine srednji godixnji nivo bioy (16,99) = 1, 076 · 16,99− 2,784 = 15,50.
Grexka ocenjivanja je s 2Y −Y
= 2,37956 = 0,3966 i kako je ona
b j Y j
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 326/349
mala u odnosu na vrednosti obeleja Y , to zakljuqujemo da
smo dobro aproksimirali zavisnost obeleja Y po X .
Grafik prave linearne regresije je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 327/349
Moe se posmatrati i linearna regresija X po Y .
Ona je oblika X = cY + d , gde su c i d nepoznati
parametri koji se odreuju iz uslova da srednjekvadratnoodstupanje E (X − cY − d )2 bude najmanje.
Ocene parametara c i d su:
c =X i Y i −
1n X i Y i
Y 2i − 1n (
Y i )2 ,
d = X n − cY n .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 328/349
Grexka ocenjivanja
Grexka ocenjivanja se definixe kao
S 2X −X = 1n
n i =1
X i − X i
2.
Grexka ocenjivanja (mali uzorak)
Ako je uzorak mali, tada se grexka ocenjivanja definixe kao
S 2X −X
= 1
n − 1
n i=1
X i − X i
2.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 329/349
i 1
Jednostruka linearna regresija druge vrste
Zavisnost je oblika Y = ax + b + ε, gde je ε sluqajnapromenljiva, koja se najqexe identifikuje kao grexka
merenja. Pretpostavlja se da je E (ε) = 0 i D (ε) = σ2
.a i b su nepoznati parametri koji se odreuju iz uslovada je srednje-kvadratno odstupanje E (Y − ax − b )2 najmanje.
Ocene parametara su:
a =
x i Y i − 1
n
x i
Y i x 2i −
1n (
x i )2
,
b = Y n − ax n .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 330/349
Nelinearni modeli zavisnosti
Nelinearni modeli zavisnosti
Nelinearni modeli zavisnosti su modeli koji se jednostavnim
transformacijama mogu da svedu na linearne modele.
Posmatraemo:
model linearan po parametrima,
stepeni model,
eksponencijalni model.
N b
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 331/349
Nelinearni modeli mogu biti prve i druge vrste.
Model linearan po parametrima
Model linearan po parametrima prve vrste je oblika
Y = ag (X ) + b ,
gde je g unapred poznata funkcija od sluqajne promenljiveX , a a i b su nepoznati parametri.
Model se smenom Z = g (X ) svodi na linearan model prvevrste Y = aZ + b .
Nepoznati parametri a i b se ocenjuju na osnovu uzorka((Z 1,Y 1), (Z 2,Y 2), . . . , (Z n ,Y n )) koji je dobijentransformacijom Z i = g (X i ), i = 1,2, . . . ,n , poqetnog uzorka((X Y ) (X Y ) (X Y ))
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 332/349
((X 1,Y 1), (X 2,Y 2), . . . , (X n ,Y n )).
Ocene parametara a i b regresionog modela Y = aZ + b su:
a =Z i Y i −
1n Z i ·Y i
Z 2i − 1n (
Z i )2 ,
b = Y n − a · Z n .
U tom sluqaju, poqetni regresioni model je oblika
Y = ag (X ) + b .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 333/349
Primer
Odrediti regresionu krivu Y = a logX + b
veze izmeu xirinereke Y i maksimalnog godixnjeg proticaja X (u m 3/sec ), naosnovu uzorka od 10 reka:
maks. proticaj 5,7 17 22 31 50 61 85 120 12 19
xirina reke 63 260 92 230 720 890 2500 1150 93 210
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 334/349
Dijagram rasturanja je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 335/349
Realizovane vrednosti ocena a i b su redom:
a = 25857, 48−
110 · 33,781 · 6208
122,108− 1
10
· (33,781)2 = 611, 360,
b = 6208
10 − 611,360 ·
33,781
10 = −1407,754.
Regresiona prava izmeu obeleja Y i Z je oblikaY = 611,360 · Z − 1407,754.
Regresiona kriva kojom se opisuje veza izmeu xirinereke i maksimalnog godixnjeg proticaja jeY = 611 360 logX 1407 754
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 336/349
Y = 611,360 · logX − 1407,754.
Grafik regresione krive je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 337/349
Stepeni model
Stepeni model prve vrste je oblika
Y = bX a ,
gde su a i b su nepoznati parametri.
Model se smenama Z = lnX , W = lnY i c = lnb svodi nalinearan model prve vrste W = aZ + c .
Nepoznati parametri a i c se ocenjuju na osnovu uzorka((Z 1,W 1), (Z 2,W 2), . . . , (Z n ,W n )) koji je dobijentransformacijama Z i = lnX i i W i = lnY i , i = 1,2, . . . , n ,poqetnog uzorka ((X 1,Y 1), (X 2,Y 2), . . . , (X n ,Y n )).
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 338/349
Ocene parametara a i c regresionog modela W = aZ + c su:
a =
Z i W i −
1n
Z i W i
Z 2i − 1n (
Z i )2 ,
c = W n − aZ n .
Parametar b ocenjujemo kao b = e c
.U tom sluqaju, poqetni regresioni model je oblikaY = bX a .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 339/349
Primer
Na obali zaliva se ispituje vlanost mulja (u gramima vodena 100 grama suve materije). Iz jedne buxotine je dobijeno
dubina (x ) 1,5 3 4,5 6 7,5 9 10,5
vlanost (y ) 84 50 32 28 24 23 20
Odrediti regresionu krivu Y = bx a + ε.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 340/349
Dijagram rasturanja je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 341/349
Realizovane vrednosti ocena nepoznatih parametara su
a = 37,614−
17 ·
11,363 · 24,450
21,259− 17
(11,363)2 = −0,738,
c = 24,4507
+ 0, 738 ·11, 363
7 = 4,691,
b = e 4,691 = 108,962.
Regresiona prava izmeu obeleja W i Z je oblikaW = −0.738 · Z + 4.691.
Regresiona kriva kojom se opisuje veza izmeu dubine ivlanosti mulja je Y = 108 962 · x−0,738 + ε
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 342/349
vlanosti mulja je Y = 108,962 · x , + ε.
Grafik regresione krive je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 343/349
Eksponencijalni model
Eksponencijalni model prve vrste je oblika
Y = be aX ,
gde su a i b nepoznati parametri.
Model se smenama W = lnY i c = lnb svodi na linearanmodel prve vrste W = aX + c .
Nepoznati parametri a i c se ocenjuju na osnovu uzorka((X 1,W 1), (X 2,W 2), . . . , (X n ,W n )) koji je dobijentransformacijom W i = lnY i , i = 1,2, . . . , n , poqetnog uzorka((X 1,Y 1), (X 2,Y 2), . . . , (X n ,Y n )).
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 344/349
Ocene parametara a i c regresionog modela W = aX + c su:
a =
X i W i −
1n
X i
W i
X 2i − 1n (
X i )2 ,
c = W n − aX n .
Parametar b ocenjujemo kao b = e c
.U tom sluqaju, poqetni regresioni model je oblikaY = be aX .
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 345/349
Primer
Na obali zaliva se ispituje vlanost mulja (u gramima vodena 100 grama suve materije). Iz jedne buxotine je dobijeno
dubina (x ) 1,5 3 4,5 6 7,5 9 10,5
vlanost (y ) 84 50 32 28 24 23 20
Odrediti regresionu krivu Y = be ax + ε.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 346/349
Dijagram rasturanja je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 347/349
Realizovane vrednosti ocena nepoznatih parametara su
a = 137,48−
17 ·
42 · 24,45
315− 17
(42)2 = −0,146,
c = 24,457
+ 0,146 ·427
= 4,369,
b = e 4,369 = 78,965,
Regresiona prava izmeu obeleja W i X je oblikaW = −0,146x + 4,369 + ε.
Regresiona kriva kojom se opisuje veza izmeu dubine ivlanosti mulja je Y = 78,965 · e −0,146x + ε.
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 348/349
u j ,
Grafik regresione krive je
8/17/2019 Statistika - PMF Niš
http://slidepdf.com/reader/full/statistika-pmf-nis 349/349