5.

OSNOVI TEORI}E VEROVATNOCE

5.1. UVOD
J08 od XVII veka, kad su postavIjene njene osnove, pa do danasnjih dana, teorija verovatnoce je predmet interesovanja naucnih radnika razlicitih profila. Razlog njene velike aktuelnosti i u savremenom drustvu je u tome sto je ona od znaeajne pomoCi u priIazu i u potpunijem sagledavanju razliCitih problema u nauci. I ako je vamost verovatnoce sve manje spoma, neprekidno se vode diskusije oko njenih teorijskih osnova. U tim diskusijama angazovani su filozofi, matematicari, statisticari i drugi. Teorija verovatnoce je posebno znacajna u statistickoj inferenciji, koja poCiva na njenim osnovama. U ovom odeljku ukazacemo na neke koncepte verovatnoce i njene matematicke osnove od bitnog znacaja u savremenoj statistickoj teoriji. Moze se reCi da su dva glavna razloga doprinela pojavi interesovanja za verovatnocu i razvitku njenih matematickih osnova. Prvi je proizisao iz matematickih problema u igrama na srecu. Svajcarski mate"inaticar Bemuli u XVIII veku je postavio teorijske osnove verovatnoce, kao jedne matematicke discipline. NeSto docnije taj razvoj je isao dalje u radovima Laplasa sa njegovim strogo deterministickim pogledom na svet. Po njemu, verovatnoca je sastavni deo nauke 0 prirodi, kao teorija gresaka, u Cijoj osnovi je sistematsko proucavanje sredine i njenog varijabiliteta u ponovljenim merenjima. U razvitku teorije vredan je Gausov doprinos sa radovima u oblasti normalnog zakona gresaka itd. Drugi razlog interesovanja za verovatnocu proizisao je iz osiguranja protiv rizika, koje se praktikovalo u trgovini u italijanskim gradovima u periodu renesanse. U prethodno datom kracem prikazu razvoja statistike moglo se videti kako se na osnovama racuna verovatnoce razvijala statisticka teorija od XIX stoleca do danasnjih dana. Danas se statisticka teorija inferencije primenjuje u skoro svim nauenim disciplinama. Postala je sastavni deo teorijske fizike (nauka 0 toploti, kvantna mehanika itd). Preko kvantne teorije nalazi svoje mesto i u atomistici itd. Bez obzira na diskusije 0 racunu verovatnoce i njegovoj interpretaciji, njegova formalna osnova nije diskutabilna. Ipak, kad se primenjuje racun verovatnoce u statistickim istrazivanjima interpretacija modela i rezultata ne sme da se posmatra kao nesto odvojeno. Subjektivni prilaz racunu verovatnoce i, na njegovoj osnovi, Bajesova statistika, kako se cesto naziva, je savremeni trend. Taj prilaz koji je dobio u aktuelnosti posIednjih decenija bite iIustrovan u vezi sa teorijom 84 t'

odluke u odel;ku 11. Ovde ce biti ob;asn;ene sarno formalne osnove Bajesove teoreme.

5.2. ZNACENJE

VEROV ATNOCE

Prema klasicnomili a priorikonceptu, verovatnocajednog dogadajaA je odnos broja za njega povoljnih dogadaja a, prema broju svih jednako mogucih dogadajan. Tu verovatnocu pisemo P(A)=~

....

Za ilustraciju uzmimo slueaj sa bacanjem novCiCa gde je verovatnoCa dobijanja "pisma" 1/2 = 0,5 a "glave" 1/2 = 0,5; ili kod bacanja kockeverovatnoCadobijanja "dvojke" je 1/6 itd. U ovom kontekstu "dogadaj" ima jedan ili vise ishoda i to se eesto naziva "eksperiment". Formalna definicija "dogadaja" bice data docnije u vezi sa teorijom skupova. Ova definicija pretpostavlja da se dva ili vise dogadaja medusobno iskljueuju, tj. da ako jedan nastupi drugi ne moze. Ako za dogadaj A kod jednog bacanja kocke uzmemo dobijanje bilo koga od brojeva I, 2, 3, 4, 5, i1i 6, onda je njegova verovatnoca P(A) = 1. Dobijanje broja 7 kod tog bacanja je nemoguce i za to je verovatnoca P(A) = O. Verovatnoca dogadaja A je u okviru 0 ~ P(A) :s;;1. U osnovi ove klasiene definicije verovatnoce nalazi se princip nedovoljnog razloga uveden jos od Bernulija. On je proizisao iz pitanja u vezisa interpretacijom pojma "svih jednako mogucih dogadaja" koji saddi ova definicija verovatnoce. Po ovom principu dva dogadaja su jednako moguca kada je razlog nepoznat zbog koga bi jedan imao viSe prednosti od drugog. On je prihvatljiv kada se primenjuje u igrarna na srecu, medutim, teskoce nastaju izvan toga domena. Ovaj koncept verovatnoce nije proizisao iz eksperimentalnih posmatranja, nego iz logienog a priori rezonovanja. Pridimo sada ovom problemu na drugaeiji naein koji je u osnovi definicije verovatnoce kao relativne frekvencije. Uzmimo opet eksperiment sa bac~njem noveica i ponovimo bacan;e. Kako ima dva moguca ishoda ili dogadaja, normalan cilj ove operacije je da se utvrdi relativna frekvencija jednog od njih. Ona je izrazena odnosom mln, gde je m broj nastupanja pisma, n je broj bacanja. Kod malog broja ponovljenih bacanja, uzmimo 10, relativna frekvencija ce pokazivati vece osciliranje nego kada je taj broj veci, na primer 20, 30 ili viSe. Svako eksperimentalno ispitivanje pokazace da relativna frekvencija- pokazuje vecu stabHnost sa porastom n. Tako, ako se odnos m/n kod 10 bacanja kretao izmedu 0,40 i 0,60, kod 20 bacanja, lako je moguce, da ce se kretati izmedu 0,42 i 0,58, kod 30 bacanja taj interval je jos manji itd. Podimo od pretpostavke da je verovatnoCa nastupanja pisma (dogadaj A), P(A) = 1/2. Kada se ovaj eksperiment ponavlja veliki broj puta (n), relativna frekvencija m/n bice skoro sasvim jednaka navedenoj verovatnoci. S rim u vezi postaviCe se pitanje sta je vrednost P(A) s obzirom na to da je ne mozemo ~apred izracunati. Ta vrednost ili verovatnoca se moze oceniti putem eksperimenta i P(A) nije isto 85

to i mIn. Nairne, ako peA) nije poznata, re1ativna frekvendja mln, koja slufi kao ocena peA), bice joj utoliko prib1iZnija ukoliko je n veci broj. Vredno je spomenuti joS jedan koncept verovatnoce kao re1ativne frekvencije koji se neSto razIikuje od prethodnog. Po njemu verovatnoca dogadaja A je granica od mfn, kada n tezi beskonalnosti, tj. peA) = mfn kada n -+00. Kritika ovakvog koncepta doveia je do uvodenja u verovatnoeu slucajnog rasporeda. Matematieki ovaj pristup nije zadovoIjavao zbog nepostojanja konzistentnog odgovora oko definidje sIueajnog rasporeda. Na takav pristup teoriji verovatnoce osianjala se, u najvecoj meri, u posIednjih SOi viSe godina statistiCka teorija inferencije, naroeito u zemijarna engieskog govornog podrueja. Treba, medutim, ukazati na ogranieenost interpretacije verovatnoce kao relativne frekvendje. Nairne, u praksi istrafivaekog rada dolazi do situacija da mi ocenjujemo dogadaje a da se oni nisu pojavili, kao i da eksperiment nije moguce ponoviti. TeSkoce oko dosledne primene koncepta verovatnoce kao relativne frekvendje ouvele su interes za primenu subjektivne verovatnoce u statistiekoj teoriji inferendje. Ovaj koncept verovatnoee re1ativno ;e novijeg datuma i njegove formalne osnove prvi je izlofio Ramsej, 1931. Do primene te verovatnoce u statistici dolazi tek nakon drugog svetskog rata, naroeito u vezi sa ozivljavanjem interesa za primenu Ba;esove teoreme i teorije odluke. Prema ovom konceptu, verovatnoca jednog dogadaja je stepen ubedenja koji mu pridaje jedna Iienost. To ubedenje moze da proiziazi iz vec poznate relativne frekvencije Hi je zasnovano na nekoj drugoj osnovi. Granice u okviru kojih se ta verovatnoca krece su i ovde izmedu 0 i 1. Za ilustraciju uzmimo da je neka. visoka skoia upisivala redovno svake godine odredeni broj studenata u prvu godinu studija. Postupak se svodio na to da eim se prijavi odredeni broj kandidata, bez obzira na srednju ocenu upis je bio zavrsen. Od upisanog broja studenata oko 70% je zavrSavalo prvu godinu i tako sticalo pravo na upis u drugu godinu. U meduvremenu dolazi do izmene usiova upisa tako da se primaju sarno vrlo dobri i odIieni ueenici sve dok se ne popuni broj predviden za upis. Postavlja se pitanje da Ii je realno u novoj situaciji uzeti 0,70 kao proporciju studenata koji ce se upisati u drugu godinu. Pretpostavimo da se ne moze eekati kraj godine da se vidi uspeh, nego se moraju doneti neke odluke zavisno od procenta studenata sa zavrsenom prvom godinom. U ovakvo; situaciji normalno je da verovatnoca treba da uzme u obzir reIativnu frekvenciju, rezultat prethodnih ponovljenih empirijskih informacija, aIi i novi momenat koji lako moze da utice na izmenu te proporcije. Subjektivna verovatnoca je vrlo fleksibilna i moze se primeniti na razIieite situacije koje se mogu susresti u praksi, naroeito u poslovnoj aktivnosti gde se na odluke. ne moze da eeka. U produZetku cemo dati krace objaSnjenje teorije skupova i definisati verovatnocu u funkci;i dogadaja u prostoru uzorka. Na ovaj naein koncept verovatnoce dobija solidniju formalnu matematieku osnovu.

86

5.3. TEORIJA

SKUPOV A

Teorija skupova u svom razvoju od druge polovine XIX stoleca je postala danas jedan od osnovnih instrumenata koji se, osim u verovatnoci, upotrebljava i u drugim oblastima elementarne i viSe matematike. Danas se deca vec u ranom skolskom uzrastU upoznavaju sa njenim konceptima. Skup se moze su njegovi elementi ili jedne fabrike, knjige canja jednog novcica definisati kao precizna specifikacija razlicitih predmeta koji llanovi. Tako je skup taeno odrede'la grupa stUdenata, radnici u biblioteci itd. Na primer, skup mogucih dogadaja kod baje glava G i pismo P i izrazava se kao

= (G,P).

Skup moguCih ishoda kod bacanja dva novcica je

\F

S = [(G, G), (G, P), (P, G), (P, P)]. Znaeajno je da je svaki elemenat saddan u skupu dat sarno jedanput. U skupu sa ishodima u bacanju dva novCiea ima cetiri elemeI)ta, svaki od njih se sastoji od slova koja oznaeavaju sta je palo na kom novCicu. Ta sfova i njihov redosled omogucavaju identifikaciju elemenata skupa, medutim, redosled svakog njegovog elementa nema znacaja. Skup se moze sastojati i iz beskonacnog broja definisanih elemenata kao sto su neparni prirodni brojevi
S

(I, 3, 5,

. . .).

Praktikuje se da se umesto prikaza elemenata skupa opisno definisu njihova svojstva, sto omogucava da se zna da li neki element pripada skupu ill ne. Tako se moze napisati: S = (XIX je jedna glava, G, ill pismo, P, kod bacanja novCica) ill S = (X IX je jedan neparan prirodni broj).

To se normalno~ita: S je skup svih elemenataX tako da je X. . .

Prostor elementarnih dogadaja je skup ~iji su e1ementi ill tacke moguCi ishodi jednog ogleda. Tako su prostor elementarnih dogadaja ishodi kod bacanja jednog, dva ill vise novcica, jedne ill viSe kocki itd. Ovi eksperimenti mogu da budu stvarni i konceptUalni i da se odnose na razlicite probleme. Pri tome je vaZno da ishodi eksperimenta budu precizno definisani. Najjednostavniji prostor elementarnih dogadaja sastoji se od. dye tacke koje se mogu izraziti u dihotomnoj klasifikaciji kao S

(0, I).

Tako, student ce poloziti ispit (I), stUdent nece poloziti ispit (0); "Crvena zvezda" .ce pobediti (1), "Crvena zvezda" nece pobediti (0) itd. S7

6.t-

<
z

s
4

. .
.

.
.
. .

.
"
. .

.
.
.

. .
.

_1
6 s
4.

....

5
U1

.
.
.

S . .
4:)

.
"

.
.

02. .0 .:1;.

.
0
.

.
.

. . .
,
I

. . .
"

..

.
6
I.-

01

2 3 4S fSHOOPfWOG BN:ANJA

Sl. 5.1. Dva nacina grafickog prikazivanja ishoda kod istovremenog bacanja dye kocke

Graficko prikazivanje prostora e1ementarnih dogadaja moze se izvesti pomocu pravoug1og koordinatnog sistema i dendograma. Za ilustraciju uzmimo ogled sa bacanjem dye kocke koji ima 36 elementarnih dogadaja u dye dimenzije. Skup tih elementarnih dogadaja je
S

[(1,1), (1,2), (1,3),

. . . , (6,6)].

Dva oblika grafickog prikazivanja dati su na slici 5.1. Ovi nacini su prikladni za prikazivanje konacnih skupova koji nisu veliki. Dendogrami. (desna strana s1. 5.1) su ipak podcsniji oblik zbog teskoce primenc pravouglog kOOi'dinatnog sistema kod prostora elementarnih dogadaja iznad tri dimenzije. U prostoru e1ementarnih dogadaja skupa S~ moze se definisati podskupA.
Elementi podskupa A su istovremeno i elementi skupa S. Tako, ako imamo S

=
~

(1, 2, 3), podskupovi mogu da budu W), (1), (2), (3), (1,2), (1,3), (2,3), (1, 2, 3).

Elementarni dogadaj je jedan moguci ishod u nekom eksperimentu koji se ne moze da1je raSclanjavati. Na primer, kod bacanja dye kocke videli smo da ima 36 clementarnih dogadaja koji su na levoj strani s1. 5.1. plcdstavljeni jednom tackom. Moze se definisati i dogadaj dobijanja zbira 5 kod ovog bacanja. To se mo~e dobiti na osnovu sledecih dogadaia

/
88

A = [(1,4), (2,3), (3,2), (4,1)].

Ovde je A jedan slozeni dogadaj koji se moze raz10ziti na cetiri e1ementarna dogadaja.

Kod taeno definisanog prostora elementamih dogadaja moguce je na osnovu njegovih podskupova i drugih skupova izvoditi razne operadje. Uzmimo da su At i A2 dogadaji (podskupovi) u prostoru dogadaja. Unija dva dogadaja koja se pise kao At U A2 je skup ciji elementi pripadaju At ill A2 ill obema. Na primer, upisani studenti na N ovosadskom univerzitetu. U opst~m slucaju kod n podskupova,

5
A1

5
Az

A,

Az

..

A, V Az a
SI. 5.2. Unija i intersekcija od Al i A2

njihova unija je skup elemenata u prostoru dogadaja S ciji elementi pripadaju bar
jednom od At, A2,

. . . , An podskupova. Ta veza je prikazana na slid 5.2a. i pred-

stavlja ceo osenceni prostor. Incersekcija ill presek dogadaja At i A2 u prostoru S je skup ciji elementi pripadaju podskupu At i podskupu A2. To se vidi iz slike 5.2b. gde je intersekcija osenceni prostor. Na primer, strani studenti upisani na Novosadskom univerzitetu. U opstem slucaju za n dogadaja u podskupovima At, A2, . . . , An u prostoru S, intersekdja je skup ciji elementi pripadaju svakom od tih podskupova. Intersekdja dva podskupa u skupu S se pise At n A2. Komplement ili dopuna dogadaja A u prostoru S je skup elemenata koji ne pripadaju Ai piSe se A pa je prema definidji A U A = S. Na slid 5.3a. ta dopuna je osenceni prostor.

"

SI. 5.3. Dopuna dogadaja A i dva medusobno iskljuava dogadaja Al i A2

Kada je S definisano onda je to siguran dogadaj i ma koji proizaSli eksperiment iz skupa S obavezno ima za rezultat jedan ill vise njegovih elementarnih dogadaja.

89

!!!!II

Komplement od S nema elemenata, naziva se prazan skup i pise se 0. ciji, prazan skup je podskup svakog skupa S, a takode i komplement slucaj Se pise 0 U S = S, a drugi "S = 0. Dva dogadaja Al i A2 su medusobno iskljucivi dogadaji kada jednog iskljucuje drugi. Po definiciji ti dogadaji nemaju zajednickih To se pise Al n A2 = 0 i taj odnos prikazuje slika~. 5.3b.

Po konvenod S. Prvi nastupanje elemenata.

A,

Az

A,

Az

Sl = At "'-A2
<I

S; =A~ "'-AI b.

SI. 5.4. Prikaz razlike izmedu skupova

Razlika izmedu skupa Al i A2 je skup SI, pise se Sl = Al "'- A2 i cita Al manje A2, dok je razlika izmedu skupa A2 i Al skup S'l, (A2 "'- Al = Sl'). Neka skup Al predstavljaju svi studenti Novosadskog univerziteta, skup A2 strani studenti. Skup Sl je skup studenata Novosadskog univerziteta ddavljana SFRJ, dok Sl' je skup stranih studenata koji nisu upisani na Novosadski univerzitet. Slika :>.4. pokazuje te odnose. 5.4. AKSIOMATSKI KONCEPT VEROVATNOCE

Ovo elementarno objasnjenje teorije skupova omogucuje nam da teoriju verovatnoce izrazimo preko njenih aksioma. To je koncept verovatnoce koji je razvio ruski matematicar Kolmogorov pocetkom tridesetih godina ovoga stoleca. Taj koncept uzima u obzir razlicite definicije verovatnoce i na njihovoj osnovi nastoji da pruzi jednu manje-vise zajednicku logicnu strukturu koja je nezavisna od bilo koje formalne definicije. U ovom kontekstu verovatnoca se definise kao funkcija podskupova u prostoru dogadaja. Na ovaj nacin probabilisticka matematika se ukljucuje u teoriju skupova. Pri tome se poslo od dva bitna preduslova: 1) da teorija verovatnoce mora da bude potpuno matematicka i 2) da je ona u skladu sa empirijskim cinjenicama. Kod datog prostora dogadaja S, verovatnoca za svaki podskup A u S je neki realni broj. Verovatnoca od A pise se peA), i ona mora da pociva na sledeca tri aksioma. Prvo, 0 ~ peA) ~ 1 za svaki dogadaj A. Po ovom aksiomu verovatnoce su pozitivni realni brojevi koji se krecu izmedu 0 i 1. Drugo, peS) = 1. Po ovom aksiomu verovatnoca izvesnih dogadaja jednaka je 1. Ovo znaci da jedan od viSe medti&9bno iskljucivih ishoda, koji proizlazi iz prostora dogadaja S, mora da nastupi kod izvodenja nekog eksperimenta. Trece, ako su Al i A2 dogadaji (podskupovi)

u S koji su medusobno iskljuCivi,Al n A2 = 0, tada je P(A1 U Az) = P(A1)+

90

+ P(A2). Znati, u ovoj situaciji, verovatnoca unije A i B je zbir njihovih verovatnoca. Ako ima n medusobno iskljutivih dogadaja treci aksiom u tom slutaju je
peAl U A2 U

. .. U

An)

peAl)

+ P(A2) + . . . + P(An).

Gledajuci strogo matematicki, na osnovu ova tri aksioma, veza bilo kojeg podskupa sa elementima u prostoru dogadaja naziva se funkcija verovatnoce. Citava teorija verovatnoce, posmatrana kao formalan matematitki sistem, razradena je na bazi ova tri aksioma. Za ilustraciju uzmimo eksperiment sa bacanjem jedne kocke. Prostor elementamih dogadaja je S

= (1, 2, 3,4, 5, 6).

Sest elementarnih dogadajasu Al i A2' . . . , A6 sa verovatnoeamapeAl) P(A6)

voljen

=~ ; . . . , 6

=~. 6

Na ovaj nacin zadovoljen je prvi aksiom. I drugi aksiom, je zado-

P(S)=P(Al)+P(A2)+..

1 1 .+P(A6)=-+-+... 6 6

= 1.

Treci aksiom je, takode, zadovoljen. Ako uzmemo dva medusobno iskljutiva dogadaja, recimo Al i A2, verovatnoca da ce se kod bacanja kocke dobiti 1 ili 2 je peAl U
A2)

P (Al)

+ P(A2)

~ + ~ =~. 663

Treba

podvuCi da dogadaji

(podskupovi)

na koje se Tako, ako PCB U G) da se deli

odnose navedena tri aksioma ne moraju da budu e1ementami dogadaji. se dogadaj B odnosi na dobijanje 1 i 2, a G na dobijanje 3 ili 4, tada je = PCB) + peG) = 1/3 + 1/3 = 2/3. Pri tome, prostor dogadaja mora na medusobno iskljucive dogadaje.

5.5. OSNOVNE TEOREME

VEROV ATNOCE

U teoriji i primeni verovatnoce testo se praktikuju kombinacije verovatnoca dogadaja na principima sabiranja i mnozenja. Tako, za dva dogadaja Al i A2' verovatnoca da ce nastupiti jedan ili drugi jednaka je zbiru verovatnoca svakog pojedinog dogadaja umanjenog za verovatnocu da ce oba nastupiti istovremeno. To je izrauno formulom

peAl U A2) = peAl)

+ P(A2) -

P(AlA2).

(5.1)

000 je aditivna teoremaverovatnoce. a ilustraciju uzmimo jedan skup od 13studeZ nata grupisanih po dye osnove: 1) muSkarci i zene i 2) domaci i strani studenti. Prostor elementarnih dogadaja, S, toga skupa je prikazan na slid 4.5, gde je Al podskup muSkaraca,A2 je podskup domacih studenata. Broj muskaraca je n (Al) =

= 6; broj

ili domaCi je n (Al U A2)

Dakle

domacih studenata je 11 (A2) = 7; broj studenata koji bilo da su muSkarci = 10; broj muSkaraca i domacih je n (Al n A2) = 3.

n~lUA~=n~~+n~~-n~lnA~=6+7-3=IQ 91

Verovatnoca nekog podskupa u ovom kontekstu je oooos njegovih taCakaprema broju tac:akaskupa S. Tako, P (Al) = n (Al)/n (S) itd. U situaciji kada SUAl i Aa
medusobno iskljuavi dogadaji, peAl n A2)

0, tada je

peAl u A2)= peAl) + P(A2).

Aditivna teor~a

(5.2)

verovatnoce prosirena na tri dogadaja je peAl U A2 U As) = peAl) + P(A2) + P(A3) peAl n A2) peAl n As)-

-P(A2 n As) + peAl n A2 n A3)'

(5.3)

Ovde treba primetitida se suma verovatnoCari neiskljuc:iva t dogadajadobija na osnovuparnihi nepamihkomponenti. spred nepamihje znak +, a ispredparnih I

51. 5.5. Prostor elementarnih dogadaja 5 sa podskupovima Al i As

znak

-. Na tom principu se izvodi generalizacija aditivne teoreme verovatnoCe. Kada su dogadaji medusobno iskljuc:ivinjihova unija je prost zbir individualnih
peAl U A2 U

verovatnoCa

. . . U An) = peAl) + P(A2) + . . . + P(An).

(5.4)

Znac:enje neke verovatnoce zavisi od skupa, oOOosno prostora dogadaja S. Na ovaj nac:in ona je uslovljena skupom, tj. zavisi od njegove definicije. Uzmimo skup od 13 studenata prikazan u prostoru S na slici 5.5. Ako sad ~elimo da izvuc:emo na sluc:ajan nac:in jeOOog studenta muSkog pola, verovatnoCa je P(Al) = n(Al) - 6

n(S) -13

VerovatnoCada cemo izvuci studenta muskog pola i da ce on biti jugoslovenski ddavljanin je A P eA I ) = 1 2

n(AlnA2) =~.
n (A2) 7

U ovom sluc:ajuprostordogadaja se svodi na prostor podskupa Al u okviru koga ulimo da znamo proporciju, oOOosno verovatnoeu izvlac:enjastudenta jugoslovenskog ddavljanina. To je us/ovnaverO'lJamoca se oznac:ava koja P(All A2), i atamo
92

je "verovatnoca od Al kod saznanja da se Az vec dogodilo". Uslovna verovatnoca od Az kod saznanja da se Al vec dogodilo je P(A2IAI)= n(A1IIA2) n(AI) 3 6

Ove dye uslovne verovatnoce se mogu napisati i kao

A P e A I ) = p(AlnA2) I z P(Az)
P eA I ) = P(AIIIAz) A
2 I peAl)

(5.5)

(5.6)

Verovatnoca da ce dva dogadaja Al i Az zajedno nastupiti jednaka je proizvodu proste verovatnoce jednog i uslovne verovatnoce drugog, dakle (5.7) To je multiplikativna teorema verovatnoce. Do ove teoreme moze se doci pomocu formula 5.5 i 5.6. Za skup na slid 15.5.to je izrazeno odnosom
peAl II Az)

peAl) P(A21 AI) = P(A2) P(AII Az).

n(AlnAz) n(S)

3 -13'

koji predstavlja verovatnocu dogadaja na njihovom preseku. Ako je P(Az = P(A2), multiplikativna teorema je peAl

IAI) =
(5.8)

n Az) = peAl)

P(Az),

i za dogadaje Al i A2 kaze se da su nezavisni. Primenimo sada multiplikativnu teoremu verovatnoce na malo drugaCiju situadju. Koja je verovatnoca da ce se iz jednog ~pila karata izvuci dye dame? Sto se tice nacina izvlacenja karata, za pravilan odgovor potrebno je pitanje preciznije formulisati. Jedna mogucnost je da se izvr~e dva sukcesivna izvlacenja bez vracanja prve izvucene karte. Uzmimo da se radi 0 dva dogadaja, dama u prvom izvlacenju Al i dama u drugom izvlacenju Az. Kod prvog izvlacenja, s obzirom na to da spil ima 52 karte i 4 dame, verovatnoca je peAl) = 4/52. Uzimajuci da je dama izvucena u prvom izvlacenju, verovatnuca njenog dobijanja u drugom izvlacenju jeP(AzIAI) = = 3/51. Verovatnoca smislu multiplikativne u teoremeje P(AIIIAz) = P(AI)P(A2IAI) =

-. - = -

4 3 52 51

1 . 221

Kada bi trazili verovatnocu dobijanja dye dame odjedanput, odgovor bi bio isti kao i u prethodnom slucaju. Moze se postupiti na nacin da se nakon izvlacenja prve karte ista vrati u ~pil i nakon meSanja ponovo izvede izvlacenje. Ova dva dogadaja su sada nezavisna i njihova zajednicka verovatnoCa je 4 4 1 peAl IIAz) = P(AI)P(Az) = - .- = .
.

52 52

169

U primeni metoda uzorka praktikuju se dva nacina izvlacenja uzorka na istom principu kao i u primeru sa izvlacenjem dama u kartama za igru. To je uzorak bez ponavljanja i sa ponavljanjem.

93

U generalizacijikod n zavisnm dogadaja multiplikativna teorema glasi

peAl n Az n

. .. n An) = peAl) P(Az\

AI) P(Asl Az n AI)

n . . . n AI)'

. . . P(An IAn-l n (5.9)

Iz obrasca 5.9. proiztazi da je zajednicka verovatnoca, u smislu teoreme, data kao proizvod verovatnoce prvog dogadaja i uslovne verovatnoce drugog Az kod saznanja da se Al vec dogodio i uslovne verovatnoce treceg kod saznanja da su se Al i Az vec dogodili i tako dalje sve do uslovne verovatnoce An dogadaja kod saznanja da su se dogadaji An-l do Al vec dogodili. Kada su dogadaji nezavisni, multiplikativna teorema u op~tem slucaju je peAl nAz n

. . . n An) = peAl) P(Az) . . . P(An).

(5.10)

Treba istaci da su ova obj~njenja aditivne i multiplikativne teoreme verovatnoce izvedena na aksiomimaza konaene prostore dogadaja ili skupovauz jednaku verovatnoCunastupanja dogadaja. Te se teoreme mogu da primene i na beskonacne skupove na principu odgovarajucih aksioma.
5.6. BAJESOVA TEOREMA Engleski svcltenik T. Bajes (1702-1761), koji se istovremeno bavio i matematikom, bio je zaokupljen problemom izvodenja zakljueaka na osnovu induktivne inferencije. Do tada matematicari su se na osnovu dedukcije, polazeei od date hipoteze na bazi verovatnoee a priori, bavili eventualnim posledicama njene primene. Bajes je po~ao obmutim putem, ao~ao je do teoreme pomoCu koje se na osnovu posmatranja posledica utvrduje hipoteza. Teorema je jo~ od prvih dana pobudila interesovanje i bila je predmet kOD,traverzikoje i danas traju. Njena matematiCka osnova nije spoma, nego primena u vezi sa utvrdivanjem verovatnoce a priori. Do ozivljavanja interesovanja za ovu teoremu do~lo je naroeito nakon drugog svetskog rata kada statisticka inferencija bazirana na klasicnoj teoriji verovatnoce nije mogla uvek da pruZi zadovoljavajuCi odgovor na probleme iz prakse. Isto tako, oko njenih konceptualnih osnova vodile su se diskusije. U produZetku cemo izloziti formalne osnove teoreme. Neka su Ai> Az, . . . , Ah . . . ,An medusobno iskljucivi dogadaji u prostoru elementarnih dogadaja. Druge medusobno iskljuCive dogadaje oznaCimo sa Bj. ,Nastupanje jednog od dogadaja B uslovljeno je dogadajem A,. Drugim reeima, dogadaj Bj ne moze da nastupi pre dogadaja A, tako da oni nisu iskljucivi. Uzmimo da su verovatnoce peA,) i uslovna verovatnoca od B:' poznati, Bajesovom teoremom

se dolazi do verovatnoce a posteriori dogadaja A, nakon nastupanja dogadaja B

Njen matematicki izraz je P(A1IB)= P(Al)P(BIAI) n

(5.11)

Z~t(A,)P(BIA,)
Radi dokaza ovog obrasca, podimo od zajednicke verovatnoce.na osnovu multiplikativne teoreme koja je data prema formuli 5.7. U ovoj notaciji to je
peAl) PCB AI) 94

PCB) peAl

IB),

(5.12)

odakle je peA IB) = P(A])P(BIA1)

1 PCB)

(5.13)

Poto je nastUpanje dogadaja B uslovljeno jednim od dogadaja Ai, to se verovatnoCa od B moze da izrazi kao zbir uslovnih verovatnoca toga dogadaja P(B) =P(Al)P(BIAl) +P(A2)P(BIA2)+
n

.. . +P(An)P(BIAn)=
(5.14)

= ~ P(Ai)P(BIAi).
i=1

Zamenom 5.14. u 5.13. dobija se Bajesova teorema iz formule 5.11. Venov dijagram toga odnosa pokazuje slika 5.6.

A,

A2

An

58
Sl. 5.6. Venov dijagram Bajesove teoreme

Za ilustraciju uzmimo da imamo cetiri urne u kojima se nalaze kugliee istog oblika bele i erne boje. U prvoj se nalaze cetiri erne kugliee, u drugoj i trecoj 2 erne i 2 bele, i u cetvrtoj cetiri bele kugliee. Jedna urna je izvucena na slucajan natin i iz nje je izvucena erna kugliea. Trazi se odgovor, koja je verovatnoca da je izvucena urna saddavala sarno erne kugliee. Prvo imamo dogadaje AI, A2, Aa i A4 koji se identifikuju sa izvlacenjem jedne urne. Verovatnoce njihovog izvlacenja peAl), P(A2), P(Aa), P(A4) su verovatnoce a priori. Dogadaj B nastUpa nakon jednog od
dogadaja Ai, odnosno izvlacenja jedne urne sa ernim kuglieama. PCB

I AI),

P(BIA2)'

PCB I Aa) i PCB I A4) su verovatnoce izvlacenja erne kugliee u uslovima prethodno izvucene jedne od cetiri urne. Za odgovor na postavljeno pitanje, tj. da je izvucena urna sadrZala sarno erne kugliee, posluzicemo se tabelom 5.1. koja pruZa verovatnoCu za ernu kuglicu u uslovima prethodnog izvlacenja jedne od cetiri urne. Na nae pitanje odgovor je saddan u prvom redu poslednje kolone tabele, jer je

peA IB)= P(AI)P(BIAl) = 0,25 =~ I ~ P(Ac)P(BIAI) 0,50 2

U ovakvim situacijama utvrdivanje a priori verovatnoce za Ai nije problem, a kao to se vidi one su od uticaja i na dobijanje verovatnoce a posteriori. Razlicite varijacije na bazi primene Bajesove teoreme su u praksi dole do izrazaja. 95

Tabela 5.1. A. Al A2 As P(A.)

A priori fJeTOfJatnoeeza A i uslO'lJ1le fJeTOfJatnoCe B za

P(BIA,) 1 1 2 1

P(A,) P(BIA,)

P(A. IB) 1 1 -:-=-1 4 2 2 1 1 -:-=8 2 1 1 -:-=8 2 0 :-=0 2 1 1 4 1

-1
4

-1
4 1 -8 1

-1 4
-1
4
4

2
0

8
0 1 2

A.
Ukupno

-1
1

5.7. PRINCIPI

KOMBINATORlKE

Videli smo kako se na osnovu aksioma definise apstraktni koncept verovatnoee. Za ilustraciju smo uzeli Mali broj elemenata u prostoru dogadaja koji su sluzHi kao osnova za utvrdivanje verovatnoce podskupova. Razumljivo da je to u praksi komplikovanije jer je skup daleko brojniji. Kombinatorika olakSava utvrdivanje veze izmedu skupa i podskupova. To se postiZe na osnovu izvesnog sistema pomoCu koga se pruZaju svi moguci rasporedi i grupacije za podskupove datog broja elemenata. S obzirom na nacin na koji su elementi razmclteni u podskupovima, kombinatorika se deli na permutacije, kombinacije i varijacije. Kod definisanja ovih oblika kombinatorike ukazacemo na princip mnozenja na koji se kombinatorika u osnovi oslanja. Jedan eksperiment moze da ima nl ishoda, drugi n2 itd. Ukupan broj mogucih ishoda u k eksperimenata uzetih zajedno je
(nl) (n2). .., - (nk). Tako, kod ogleda sa bacanjem jedne kocke ima nl = 6 ishoda, kod drugog bacanja ima opet n2 = 6 ishoda itd. Ukupan broj ishoda kod tri uzastopna bacanja je 6' 6' 6 = 216. IIi, od mesta A do mesta B ima nl = 3 razlicita

puta, a od mesta B do mesta C, n2 = 2. Ukupan broj mogucih puteva od A do C je (nl) (n2) = 3 . 2 = 6 itd. Ako imamo n razliCitih elemenata jedan od zadataka moze da bude broj nji. hovih moguCih rasporeda Hi permutacija. Prema principu mnozenja, bilo koji elemenat moze da zaUzme prvo mesto, drugo mesto moze da zauzme n-I elemenata trece n-2 itd. sve do poslednjeg mesta koje je rezervisano za poslednji neraspored:eni elemenat u datom redosledu. Broj mdguCih rasporeda od n elemenata je

n!

= n (n-l)(n-2)

...

(2)(1).

(5.15)

Ovaj proizvod prirodnih brojeva od n elemenata obelezili smo sa n! i Cita se "en faktorijel". U produZetku dajemo nekoliko primera za n faktorijel

2! = 2' 1 = 2 3!=3'2'1=6 96

11 = 1

4! = 4' 3 . 2' 1 = 24 5! = 5' 4' 3 . 2' 1 = 120

Po konvenciji uzima se da je O! = 1. Kao sto se vidi faktorijeli se nagl0 povecavaju sa porastom n. Na primer, uzmimo tri elementa a~ b i c~broj permutacija je 6 i to:
a~ b~ c,. a~ c~ b,. b~ a~ c~' b~ c~ a~' c~ a~ b i c~ b~ a.

Kod permutacije je od znacaja redosled elemenata. Kada se iz skupa n uzme podskup od r razlicitih elemenata, gde je njihov redosled bez znaeaja, onda je ree 0 kombinaciji bez ponavljcnja. Broj kombinacija je K:=

n!. (r )= (n-r)! r! _n(n-l)..

r!

(n-r+l).

(5.16)

Izraz

n = 10 elemenata, broj kombinacija od r = 3 elemenata je n = 10 = 10.9.8 = 120 . r 3 1.2.3

(: )se naziva

binomni koeficijent i cita se "en nad er". Na primer,

iz skupa od

()()

Uzmimo drugi primer sa moguenosCuidentifikacijepodskupova. Neka je broj elemenata n = 4 i to: a~b~c~d. Broj kombinacija od r = 2 elementa,premaobrascu 5.16. je 6: ab~ac~ad~bc~bd~i cd. Varijacijesu u stvari permutacije na osnovupodskupovaod r elemenatauzetih u isti mah iz skupa od n elemenata. U opstem slucaju broj varijacija je

V~=n(n-l)(n~2).

. .. (n-r+ 1).

(5.17)

Ako desnu stranu ovog izraza pomnozimo i podelimo sa (n-r)!, broj permutacija mozemo napisati i na sledeci nacin ~r = v:: n (n-r)! = --'!! (n-r)!
(5. 18)

Na primer, u razredu ima 30 ucenika. Na koliko razlicitih nacina ucenici mogu da zauzmu prvo, drugo i trece mesto u rangu. Taj broj odgovara broju varijacija
treee klase pa je: V 3

30

30' 29' 28

24.360.

7 Statistika - III

97