Uvs

Uvod u vjerojatnost i statistiku
Mostar (FPMOZ) Vjezbe 1 / 53

Plan i program
Uvodne vjezbe (kombinatorna prebrojavanja) - 1. vjezbe
Diskretni vjerojatnosni prostor - 2. i 3. vjezbe
Nezavisnost dogadaja. Uvjetna vjerojatnost. - 4.,5. i 6. vjezbe
1. kolokvij
Diskretne slucajne varijable 8. i 9. vjezbe
Ocekivanje i disperzija 10. i 11. vjezbe
Neprekidne slucajne varijable 12. i 13. vjezbe
Matematicka statistika 14. vjezbe
2. kolokvij
Kombinatorna prebrojavanja
Osnovni principi prebrojavanja
1
Princip bijekcije: Neka su S i T konacni skupovi. Ako postoji
bijekcija medu njima onda je [S[ = [T[ .
2
Princip sume: Neka je n N, a S
1
, . . . , S
n
konacni i medusobno
disjunktni skupovi. Tada je S
1
'S
2
' 'S
n
konacan skup i vrijedi
[S
1
'S
2
' 'S
n
[ = [S
1
[ + +[S
n
[ .
3
Princip produkta: Neka je n N, a S
1
, . . . , S
n
konacni skupovi. Tada
je Kartezijev produkt S
1
S
2
S
n
konacan skup i vrijedi
[S
1
S
2
S
n
[ = [S
1
[ [S
n
[ .
1. Na koliko nacina se izmedu 5 muskaraca, 7 zena , 3 djecaka i
4 djevojcice moze izabrati
a) jedna osoba
b) po jedan muskarac, jedna zena, jedan djecak i jedna
djevojcica.
2. Registracijska tablica na vozilima se sastoji nakon oznake
mjesta od 3 ili 4 brojke te jednog ili dva slova abecede.
Koliko ima razlicitih tablica tog mjesta?
Broj svih funkcija sa k-clanog skupa u n-clani skup je n
k
i on je
jednak broju svih k-permutacija (uredena k-torka) na n-clanom
multiskupu ciji elementi imaju beskonacnu kratnost.
Broj svih injekcija sa k-clanog skupa u n-clani skup je n
k
=
n!
(nk)!
i on
je jednak broju svih k-permutacija na n-clanom skupu.
Broj svih bijekcija sa n-clanog skupa u n-clani skup je n!
3. Na koliko nacina mozemo baciti 3 razlicite kockice tako da u
svakom bacanju padnu 3 razlicita broja?
4. Koliko ima rijeci s dva razlicita slova u hrvatskoj abecedi?
5. Na koliko nacina 6 ljudi moze stati u red?
Broj svih k-clanih podmultiskupova n-clanog multiskupa ciji elementi
imaju beskonacnu kratnost je
_
(
n
k
)
_
= (
n+k1
k
) i on je jednak broju
svih k-kombinacija na n-clanom multiskupu.
Broj svih k-clanih podskupova n-clanog skupa je (
n
k
) i on je jednak
broju svih k-kombinacija na n-clanom skupu.
Broj svih rastava broja n u k dijelova u kojemu se svaki od k
elemenata pojavljuje barem jednom jednak je (
n1
k1
). (jaki rastav)
Broj svih rastava broja n u k dijelova u kojemu se svaki od k
elemenata ne mora pojaviti niti jednom jednak je (
n+k1
k1
). (slabi
rastav)
6. Na koliko nacina mozemo baciti 3 simetricne kockice tako da
u svakom bacanju padnu 3 razlicita broja?
7. Koliko ima ruku u pokeru u kojima su brojevi karata razliciti?
8. Na slucajan nacin rasporedujemo 30 jednakih jabuka u 8
razlicitih kutija. U svaku kutiju moze stati proizvoljno mnogo
tih jabuka. Na koliko nacina mozemo rasporediti jabuke ako
a) se u svakoj kutiji nalaze barem 3 jabuke,
b) su tri kutije prazne?
Diskretni vjerojatnosni prostor
Predmet proucavanja teorije vjerojatnosti su slucajni pokusi, oni
zadovoljavaju sljedece uvjete:
unaprijed se denira sto se registrira u pokusu i poznati su svi njegovi
moguci ishodi,
ishod pojedinacnog pokusa nije unaprijed poznat,
pokus se moze ponoviti proizvoljan broj puta uz iste uvjete.
Osnovni polazni objekt u teoriji vjerojatnosti je skup svih mogucih ishoda
nekog slucajnog pokusa - prostor elementarnih dogadaja .
Dogadaj A je svaki podskup prostora elementarnih dogadaja .
Svaki element koji pripada skupu A je elementarni dogadaj povoljan za
dogadaj A.
Sigurni dogadaj -
Nemoguci dogadaj -
Funkcija P : 2
[0, 1] je vjerojatnost na ako je

i) P(A) _ 0, \A 2
i P() = 1
ii) Ako je A
n
2
, n N, A
i
A
j
= , i ,= j , onda je
P(

_
n=1
A
n
) =
n=1
P(A
n
).
P(A) nazivamo vjerojatnost dogadaja A.
Svojstva:
1. P(A
1
' 'A
n
) = P(A
1
) + + P(A
n
), n N, A
i
_ , A
i
A
j
=
, i ,= j
2. P(
n
_
i =1
A
i
) =
n
i =1
P(A
i
)
n
0_i <j _n
P(A
i
A
j
) + + (1)
n1
P(A
1
A
n
), \A
n
_
3. A _ B = P(A) _ P(B)
4. P
_
A
C
_
= 1 P(A)
5. P(A) =

A
P ()
Ako su svi elementarni dogadaji
k
jednako vjerojatni onda je P
uniformna diskretna vjerojatnost na i vrijedi:
P (
k
) =
1
[[
, \k = 1, . . . , n
Za svaki dogadaj A _ vrijedi
P(A) =
[A[
[[
Primijetimo: P(A) =

i
A
P(
i
).
Primjer 1. Odredite prostor elementarnih dogadaja kod pokusa bacanja
jedne kockice.
dvije razlicite kockice.
n razlicitih kockica.
1. Neka su A, B, C dogadaji vezani uz neki slucajni pokus. Prikazite
pomocu A, B, C sljedece dogadaje:
a) dogodio se barem jedan gornji dogadaj,
b) dogodio se tocno jedan gornji dogadaj,
c) dogodila su se tocno dva gornja dogadaja.
2. Bacamo 4 razlicite kovanice. Na svakoj kovanici moze pasti pismo ili
glava. Odredite matematicki model ovog slucajnog eksperimenta.
3. Za model iz prethodnog zadatka nadite vjerojatnost dogadaja
a) A = pala su prva dva pisma,
b) B = pala je barem jedna glava,
c) C = palo je tocno jedno pismo,
d) D = pale su najvise tri glave.
4. Neka su A, B, C, D dogadaji iz prethodnog zadatka. Opisite i
izracunajte vjerojatnost sljedecih dogadaja: A B, A 'B, A B,
D 'C, B 'C.
5. Bacamo dvije razlicite kockice, kolika je vjerojatnost da cemo dobiti
zbroj 3 ili 5?
6. Kolika je vjerojatnost da ce tri razlicite kockice pokazati tri razlicita
broja?
7. U posudi se nalazi 11 bijelih i 5 crnih kuglica. Kolika je vjerojatnost
da ce dvije izvucene kuglice biti razlicite boje?
8. Bingo ima 90 brojeva numeriranih brojevima 1, . . . , 90, odjednom
izvlacimo 5 kuglica. Kolika je vjerojatnost da ce medu njima biti
kuglica s brojem 27 i kuglica s brojem 56?
9. Iz spila od 52 karte izvlacimo 6 karata. Kolika je vjerojatnost da ce
biti 3 crvene i 3 crne karte?
10. Iz spila od 52 karte 6 puta se izvlaci po jedna karta i ponovno vraca u
spil. Kolika je vjerojatnost da ce biti izvucene 3 crvene i 3 crne karte?
11. Ako se poker igra s 32 karte od 7 do AS. Nadite vjerojatnost dobitka
pokera (4 ista broja) i asha (5 uzastopnih u istoj boji).
12. Na slucajan nacin rasporedujemo 30 jednakih jabuka u 8 razlicitih
kutija. U svaku kutiju moze stati proizvoljno mnogo tih jabuka.
Izracunajte vjerojatnost da
a) su u svakoj kutiji barem 3 jabuke,
b) su tri kutije ostale prazne.
13. Student je izisao na ispit znajuci odgovor na 20 od mogucih 26
pitanja. Profesor postavlja 3 pitanja za redom. Kolika je vjerojatnost
da student zna odgovor na
a) sva 3 pitanja,
b) barem jedno pitanje?
14. Kutija sadrzi 12 loptica za stolni tenis od kojih su 4 lose. Na slucajan
nacin izvadimo odjednom 7 loptica. Kolika je vjerojatnost da ce medu
njima biti
a) najvise jedna losa,
b) 2 ili 4 lose?
15. U kutiji je 12 kuglica, plave, zute i 3 crvene. Na slucajan nacin
biramo 3 kuglice. Ako vjerojatnost da izaberemo po jednu plavu, zutu
i crvenu iznosi
3
11
, koliko je zutih u kutiji?
Uvjetna vjerojatnost. Nezavisnost dogadaja.
U pokusu bacanja jedne kockice neka je dogadaj B = pao je broj 5 .
Kolika je vjerojatnost dogadaja B? Kolika je vjerojatnost dogadaja B ako
znamo da je na kockici pao neparan broj?
Denicija 1. Neka je (, T, P) vjerojatnosni prostor i A T takav da je
P(A) > 0. Tada funkciju P
A
: T [0, 1] deniranu s
P
A
(B) = P(B[A) =
P(A B)
P(A)
nazivamo uvjetnom vjerojatnosti uz uvjet A.
Broj P(B[A) nazivamo vjerojatnost dogadaja B uz uvjet da se dogodio
dogadaj A.
Pri racunanju uvjetne vjerojatnosti uz uvjet A ulogu prostora elementarnih
dogadaja preuzima dogadaj A.
SVOJSTVA:
1) P([A) = 0, P(A[A) = 1
2) P(B
c
[A) = 1 P(B[A)
3) P(A B) = P(A) P(B[A) i P(A B) = P(B) P(A[B)
4) A B = = P(B[A) = 0
5) A
1
_ A
2
= P(A
1
[A) _ P(A
2
[A)
6) P(A
1
'A
2
[A) = P(A
1
[A) + P(A
2
[A) P(A
1
A
2
[A)
7) P(A
1
A
k
) =
P(A
1
) P(A
2
[A
1
) P(A
3
[A
1
A
2
) P(A
k
[A
1
A
k1
)
Nezavisnost dogadaja
Dogadaj B je nezavisan od dogadaja A ako je vjerojatnost da se dogodi B
jednaka uvjetnoj vjerojatnosti da se dogodi B ako se dogodio dogadaj A,
tj. P(B[A) = P(B).
Tada je i A nezavisan od B.
Denicija 1. Neka je (, F, P) vjerojatnosni prostor i A, B F. Kazemo
da su dogadaji A i B nezavisni ako je
P(A B) = P(A) P(B).
Primjer 1. U grupi od 20 studenata i 10 studentica pola studenata i
pola studentica pusi. Kolika je vjerojatnost da slucajno
odabrana osoba iz te grupe bude studentica ili pusac?
Primjer 2. Neka su A i B nezavisni dogadaji. Dokazite da su tada
nezavisni: A i B
C
, A
C
i B
C
, A i B 'C.
1. n strijelaca nezavisno jedan od drugog gadaju istu metu jednom, pri
cemu je vjerojatnost pogotka za svakog strijelca jednaka p 0, 1 .
Za q 0, 1 odredite n takav da je vjerojatnost da meta bude barem
jednom pogodena bude barem q.
2. Iz skupa 1, . . . , 20 slucajno smo odabrali jedan broj. Ako znamo da
je odabrani broj djeljiv s 3 odredite vjerojatnost da je broj paran.
3. Nekadasnje skolske kolegice Ana i Eva sretnu se u gradu. Ana kroz
razgovor sazna da Eva ima dvoje djece i da je jedno od njih sin.
Kolika je vjerojatnost da je drugo Evino dijete kcer ako:
a) ne zna nista drugo,
b) zna da je gore spomenuti sin starije Evino dijete?
Konacnu ili prebrojivu familiju E
n
[ i I nepraznih disjunktnih
podskupova od takvih da je
nN
E
n
= nazivamo particijom od ili
potpunim (totalnim) sistemom dogadaja na .
Neka je (, T, P) diskretni vjerojatnosni prostor i E
i
[ i I , I _ N
potpuni sistem dogadaja. Tada za A T, A ,= vrijedi
P(A) =

i I
P(A[E
i
)P(E
i
) FORMULA POTPUNE VJEROJATNOSTI
P(E
i
[A) =
P(A[E
i
) P(E
i
)
P(A)
BAYESOVA FORMULA
4. Paralelno rade tri stroja. Prvi proizvodi 50% proizvoda u tvornici i
daje 10% skarta, drugi 30% proizvoda i 5% otpada, a treci 20%
proizvoda i 3% skarta. KOlika je vjerojatnost da je slucajno odabrani
proizvod skart?
5. U ponoc su na parkiralistu bila 2 siva i 1 crni Golf, 3 siva i 4 crna
BMW-a i 3 siva i 1 crna Toyota. Te noci je kradljivac automobila
nasumice odabrao automobil i ukrao ga. Ako je ukraden automobil
sive boje, koja je vjerojatnost da je to BMW?
6. Uzroci defekta automobilske gume mogu biti cavao, toplini i pritisak.
Vjerojatnosti uzoraka su
8
20
,
7
20
,
5
20
redom. Vjerojatnost defekta zbog
cavla je 0.3, zbog topline 0.2 i pritiska 0.1. Kolika je vjerojatnost da je
guma defektna? Kolika je vjerojatnost da je defekt uzrokovan
toplinom?
7. Na avion su ispaljena tri pojedinacna metka. Vjerojatnost pogotka
prvim metkom je
1
2
, drugim
3
5
, a trecim
4
5
. Vjerojatnost da avion bude
oboren jednim pogotkom je
3
10
, s dva pogotka
3
5
, s tri pogotka 1.
Nadite vjerojatnost da avion bude oboren?
8. Nekim kanalom se prenose podaci zapisani pomocu 0 i 1.
Vjerojatnost da se posalje 1 je 0.6, a vjerojatnost da se posalje 0 je
0.4. Na izlazu se 10% znakova pogresno interpretira. Ako je primljen
znak 1 izracunajte vjerojatnost da je on i poslan.
9. Bacamo 5 simetricnih novcica. Nakon prvog bacanja bacamo
ponovno one novcice koji su pokazali glavu. Kolika je vjerojatnost da
ce nakon oba bacanja ukupno pasti barem 3 pisma.
10. Kutija sadrzi n kuglica pri cemu su sve pretpostavke o broju bijelih
kuglica u kutiji jednako vjerojatne. U kutiju ubacimo bijelu kuglicu.
Kolika je vjerojatnost da na slucajan nacin iz kutije izvucemo bijelu
kuglicu?
Ponavljanje pokusa. Bernollijeva shema.
Bernoullijeva shema je slucajni eksperiment sa samo dva moguca ishoda:
A = uspjeh i B = neuspjeh .
Neka je P(A) = p vjerojatnost da se dogodi uspjeh. Tada je
P(B) = 1 p.
Ako je Bernoullijev eksperiment ponovljen n puta nezavisno onda je
vjerojatnost da se dogadaj A dogodi tocno k puta jednaka
_
n
k
_
p
k
(1 p)
nk
1. Iz spila od 52 karte 10 puta izvlacimo kartu i vracamo je u spil.
Kolika je vjerojatnost da smo izvukli AS herc tocno 3 puta?
2. U posudi se nalazi 5 bijelih i 5 crnih kuglica. Kolika je vjerojatnost da
cemo izvuci 3 bijele kuglice ako izvlacimo jednu po jednu kuglicu te
izvucenu kuglicu vracamo u posudu?
3. Bacamo 3 razlicite kockice 10 puta. Kolika je vjerojatnost da se tocno
4 puta pojave tocno dvije 6?
4. U kvadrat koji je podijeljen na n redaka i stupaca baceno je 5 kuglica.
Kolika je vjerojatnost da ce barem dvije od njih upasti u k-ti redak
ako je jednako vjerojatno da kuglica upadne u bilo koji kvadrat?
5. Na nekoj lutriji je vjerojatnost dobitka jednom sreckom jednaka
p =
1
5
. Koliko treba kupiti srecki da bi vjerojatnost dobitka barem
jednom sreckom bila barem 0.9?
Neka imamo slucajni eksperiment s tocno k mogucih ishoda A
1
, ..., A
k
koji
su medusobno disjunktni i A
1
' 'A
n
= te neka je
P(A
k
) = p
k
, 0 < p
k
< 1 i p
1
+ + p
k
= 1.
Ako se ovaj eksperiment ponavlja n puta nezavisno, onda je vjerojatnost
da se dogadaj A
1
dogodi tocno m
1
put, dogadaj A
2
tocno m
2
puta,. . . ,
A
k
tocno m
k
puta jednaka:
n!
m
1
!m
2
! m
k
!
p
m
1
1
p
m
2
2
p
m
k
k
, m
1
+ m
2
+ m
k
= n.
5. Bacamo kocku 100 puta. Nadite vjerojatnost da 20 puta padne broj
1, 50 puta padne prost broj 3 ili 5 te 30 puta padne paran broj.
6. Napisemo slucajno neki broj od 20 znamenaka (1. znamenka moze
biti 0). Naci vjerojatnost da taj broj ima tocno 10 parnih znamenaka,
tocno dvije znamenke broja 3 i tocno 3 znamenke broja 7.
Geometrijske vjerojatnosti
Neka je _ R
n
ogranicen izmjeriv skup i () < +, gdje je
Lebesgueova mjera:
n = 1 = je duljina
n = 2 = je povrsina
n = 3 = je volumen
Vjerojatnost da slucajnim odabirom tocke iz odaberemo tocku bas iz
izmjerivog skupa A _ je jednaka:
P(A) =
(A)
()
1. Slucajno biramo realan broj iz segmenta [0, 3] . Kolika je vjerojatnost
da cemo odabrati broj kojemu je kvadrat manji ili jednak od
dvostrukog iznosa tog broja?
2. Slucajno biramo realan broj iz segmenta [0, 7] . Kolika je vjerojatnost
da ce kvadrat tog broja biti manji ili jednak od korijena tog broja?
Kolika bi bila vjerojatnost da smo izabrali broj iz segmenta
_
2
7
,
7
6
?
3. Slucajno biramo dva realna broja iz segmenta [0, 2] .
a) Kolika je vjerojatnost da cemo odabrati brojeve kod
kojih je prvi broj manji ili jednak od
1
3
drugog broja?
b) Kolika je vjerojatnost da cemo odabrati brojeve kod
kojih je kvadrat prvog broja manji ili jednak od
1
3
drugog broja?
4. Iz segmenta [0, 1] su slucajno odabrani brojevi x i y. Izracunajte
vjerojatnost da je
x + y _ 1 i xy _
2
9
.
5. Unutar kruga polumjera r slucajno je odabrana tocka. Nadite
vjerojatnost da ta slucajno odabrana tocka bude u pravokutniku
upisanom u taj krug kojemu su stranice u omjeru 2 : 7.
6. Slucajno biramo tocku unutar jednakostranicnog trokuta. Kolika je
vjerojatnost da cemo izabrati tocku iz pravokutnika upisanog tom
trokutu kojemu su dva vrha na polovistima dviju stranica trokuta?
Diskretne slucajne varijable
Bacamo dva razlicita simetricna novcica. Oznacimo s X broj pisama koji
su pali. Znamo da je
= PP, GG, GP, PG i P() =
1
4
, \ .
X(PP) = 2, X(GG) = 0, X(PG) = 1, X(GP) = 1
Vjerojatnost da X poprimi vrijednost 2 je jednaka vjerojatnosti da se
dogodio dogadaj PP = P(PP) =
1
4
dogodio dogadaj PG, GP = P(PG, GP) =
1
4
+
1
4
=
1
2
dogodio dogadaj GG = P(GG) =
1
4
Denicija 1. Neka je (, P) diskretni vjerojatnosni prostor. Funkciju
X :
1
gdje je
1
bilo koji neprazni skup, nazivamo slucajnom
varijablom u
1
.
Buduci je X() najvise prebrojiv (jer je takav i ), ovakve slucajne
varijable nazivamo diskretnim slucajnim varijablama.
Slucajna varijabla je velicina koja se dobije mjerenjem povezanim s nekim
pokusom.
NAPOMENA.
a) Ako je g : R R proizvoljna funkcija i X slucajna varijabla
u R, onda je g X : R (ili g(X)) slucajna varijabla u
R.
b) Ako je h: R
2
R proizvoljna funkcija i X i Y slucajne
varijable onda je i h (X, Y) : R (ili h(X, Y)) slucajna
varijabla u R.
Vjerojatnost da slucajna varijabla poprimi neku vrijednost!
(X = a) = X
1
(a) = : X() = a
(X = B) = X
1
(B) = : X() B, B _ R
Vjerojatnost da X poprimi vrijednosti iz B je jednaka
P(X B) = P(X
1
(B)).
Nastavak prethodnog primjera:
P(X = 0) =?
(X = 0) = X
1
(0) = : X() = 0 = GG
P(X = 0) =
[
X
1
(0)
[
[[
=
1
4
P(X = 1) = P( : X() = 1) = P(GP, PG) =
1
4
+
1
4
=
2
4
.
P(X = 2) = P( : X() = 2) = P(PP) =
1
4
Ako je X() = a
1
, a
2
, ... i P(X = a
i
) = p
i
, i = 1, 2...distribucija
slucajne varijable X odredena je podrucjem vrijednosti koje slucajna
varijabla X poprima i njima pripadnih vjerojatnosti p
i
. Zapisujemo
X ~
_
a
1
a
2
... a
n
...
p
1
p
2
... p
n
...
_
Vrijedi:

n=1
p
n
= 1, p
i
_ 0, \i = 1, 2, ...
1. Bacamo jednu simetricnu kockicu. Oznacimo s X broj koji je pao na
kockici. Odredite razdiobu slucajnih varijabli:
a) X,
b) X
2
,
c) [X 3[ .
Napomena:
Ako je
X ~
_
a
1
a
2
... a
n
...
p
1
p
2
... p
n
...
_
i
g : R R , takva da je g(a
1
, a
2
, ...) = b
1
, b
2
, ... onda je
g(X) ~
_
_
b
1
b
2
... b
n
...
j :g(a
j
)=b
1
p
j

j :g(a
j
)=b
2
p
j
...

j :g(a
j
)=b
n
p
j
...
_
_
.
Posebno, ako je g[
a
1
,a
2
,...
injektivna funkcija onda je
g(X) ~
_
g(a
1
) g(a
2
) ... g(a
n
) ...
p
1
p
2
... p
n
...
_
2. Slucajna varijabla X ima distribuciju
X ~
_
1 2 3 4 5 6 7
c 2c 2c 3c c
2
2c
2
7c
2
+ c
_
a) Odredite konstantu c,
b) izracunajte P(2 _ X _ 5) i
c) odredite najmanji k za kojeg vrijedi P(X _ k) _
1
2
.
3. Slucajna varijabla X ima razdiobu
X ~
_
1 2 3 ... n ...
c
3
c
3
3
c
3
3
...
c
3
n
...
_
a) Odredite c i
b) Odredite razdiobu slucajne varijable
Y = ln(2 + sin
(2X1)
2
)
-4 -2 2 4
-4
-2
2
4
x
y
4. Dan je niz brojeva 1, 2, 3, 4, 5, 6, 7, 8. Iz ovog niza uzmemo slucajno
uzorak od tri broja. Neka slucajna varijabla X predstavlja najveci broj
iz uzorka. Odredite distribuciju slucajne varijable X.
Neke diskretne slucajne varijable i njihova distribucija
Diskretna uniformna distribucija na 1, 2, ..., n
X ~
_
1 2 ... n
1
n
1
n
...
1
n
_
Odnosno, P(X = k) =
1
n
, k 1, 2, ..., n
Primjer 1. Bacamo simetricnu kockicu i X je broj koji je pao na kockici.
Odredite distribuciju slucajne varijable X.
Distribucija binomne slucajne varijable s parametrima n N i
p 0, 1
Promatramo slucajni pokus i vjerojatnost nekog dogadaja za uspjeh
je P(A) = p.
Neka se pokus ponavlja n puta nezavisno i u neizmjenjenim uvjetima.
Zanima nas samo je li se taj dogadaj dogodio ili se nije dogodio.
Denirajmo slucajnu varijablu X kao broj koji iskazuje koliko se puta
realizirao dogadaj A u n-terostrukom ponavljanju pokusa.
X je binomna slucajna varijabla, X ~ B(n, p) i njezina distribucija je
dana s
X ~
_
0 1 ... n
(
n
0
)p
0
(1 p)
n
(
n
1
)p
1
(1 p)
n1
... (
n
n
)p
n
(1 p)
0
_
Odnosno, P(X = k) = (
n
k
)p
k
(1 p)
nk
, k 0, 1, ..., n
Primjer 2. Iz skladista se pregledava 100 proizvoda, a vjerojatnost da je
svaki pojedini od njih neispravan je 0.02.Odredite vjerojatnost
da medu tih 100 proizvoda broj neispravnih nije veci od 5.
Poissonova slucajna varijabla s parametrom > 0
U binomnoj distribuciji efektivno racunanje vjerojatnosti p
k
za velike
n moze stvarati poteskoce. Pomocu Poissonove distribucije taj izraz
mozemo aproksimirati.
X je Poissonova slucajna varijabla, X ~ P() i njezina distribucija je
dana s
X ~
_
0 1 ... n ...
0
0!
e

1
1!
e
...

n
n!
e
...
_
Odnosno, P(X = k) -

k
k!
e
, k _ 0.
Formula se obicno upotrebljava za n _ 20 i = np < 10.
Primjer 3. U telefonskoj centrali registrirano je 400 korisnika. Svaki
korisnik u nekom odredenom intervalu poziva centralu s
vjerojatnoscu od 0.01. Izracunajte vjerojatnost da su u
promatranom vremenskom intervalu barem 3 korisnika
pozvala centralu.
Geometrijska slucajna varijabla s parametrom p 0, 1
Pokus se ponavlja dok se odredeni dogadaj A, koji ima vjerojatnost p,
ne pojavi prvi put, a varijabla X oznacava broj ponavljanja pokusa.
X je geometrijska slucajna varijabla, X ~ G(p) i njezina distribucija je
X ~
_
1 2 ... n ...
q
0
p q
1
p ... q
n1
p ...
_
Odnosno, P(X = k) = q
k1
p, k N
Primjer 5. Student izlazi na ispit dok ga ne polozi. Ako je vjerojatnost
polaganja ispita svaki put jednaka
1
4
, kolika je vjerojatnost da
ce student 4 puta izlaziti na ispit dok ga ne polozi?
Hipergeometrijska slucajna varijabla s parametrima m, n, r N,
r _ m, n _ m
U skupu od m elemenata nalazi se r elemenata s nekim svojstvom A.
Iz skupa se uzima slucajan uzorak od n elemenata.
X je broj elemenata sa svojstvom A u tom uzorku od n
elemenata= X() = 0, 1, ..., n .
X je hipergeometrijska slucajna varijabla i njezina distribucija je
X ~
_
0 1 ... n
(
r
0
)(
mr
n0
)
(
m
n
)
(
r
1
)(
mr
n1
)
(
m
n
)
...
(
r
n
)(
mr
0
)
(
m
n
)
_
Odnosno, P(X = k) =
(
r
k
)(
mr
nk
)
(
m
n
)
, k 0, 1, ..., n
Primjer 6. U skladistu je 20000 proizvoda od kojih je 20 losih. Biramo
10 proizvoda. Kolika je vjerojatnost da su najvise 3 losa
proizvoda?
1. Na nekom matematickom fakultetu je u istom uredu 8 postdiplomskih
studenata, svaki od njih s jednakom vjerojatnoscu uci kod kuce i u
uredu. Nadite najmanji broj stolova koji treba staviti u ured tako da
svaki postdiplomant ima slobodan stol u uredu barem 90% vremena.
2. U neko skladiste doslo je 1000 porculanskih vaza. Vjerojatnost da se
neka razbije tijekom transporta od tvornice do skladista je 0.002, no
nezavisno o transportu neke se vaze razbiju i unutar skladista i
vjerojatnost je 0.0015. (Vaze su u kutijama pa se mogu dvaput
razbiti, ali ne znamo je li razbijena ili ne dok ne otvorimo kutiju).
Nadite vjerojatnost da je broj razbijenih vaza veci od 3.
3. U automobilsku centralu pristizu pozivi nezavisno jedan od drugog s
prosjekom od 24 poziva po satu. Nadite vjerojatnost da ce u centralu,
u roku od 5 minuta, pristici
a) tocno 5 poziva,
b) izmedu 5 i 9 poziva.
4. Tipkovnica racunala nekog proizvodaca sastoji se od 86 tipki.
Pretpostavimo da zatvorenih ociju trebamo stisnuti tipku za slovo A.
Izracunajte
a) vjerojatnost da je tipka za slovo A stisnuta u 15
pokusaju,
b) vjerojatnost da je tipka za slovo A stisnuta za najmanje
5 pokusaja.
Ocekivanje i disperzija
Denicija. Neka je (, P) diskretni vjerojatnosni prostor i X : R
slucajna varijabla. Kazemo da je X slucajna integrabilna
varijabla ako red

X()P() konvergira apsolutno.

EX =

X()P()
nazivamo ocekivanjem ili srednjom vrijednosti od X.
Teorem. Neka je (, P) diskretni vjerojatnosni prostor i X : R
slucajna varijabla s distribucijom
X ~
_
a
1
a
2
...
p
1
p
2
...
_
.
Redovi

X()P() i

i
a
i
p
i
istodobno ili apsolutno
konvergiraju ili apsolutno divergiraju. U slucaju apsolutne
konvergencija suma im je ista, tj.
EX =
i
a
i
p
i
.
1. Neka je
X ~
_
2 1 0 1 2
1
8
1
4
1
4
1
4
1
8
_
i Y = X
2
. Odredite EX i EY.
2. Bacamo novcic n puta. Nadite vjerojatnost da grb padne najvise 2
puta. Koliko ce puta pasti pismo u prosjeku?
Matematicko ocekivanje je broj koji je na neki nacin srednja vrijednost
slucajne varijable X(prosjek), no srednja vrijednost nije dovoljna za
opisivanje pojedinih pojava.
Pored srednje vrijednosti dobro je znati odstupanja od srednje vrijednosti
Slucajna varijabla X EX predstavlja odstupanje od srednje vrijednosti
EX.
Realni broj DX = E(X EX)
2
nazivamo disperzijom slucajne varijable
X. Disperzija slucajne varijable X je srednja vrijednost varijable
Y = (X EX)
2
.
DX =
i
a
2
i
p
i

_
i
a
i
p
i
_
2
Ocekivanje i disperzija nekih diskretnih slucajnih varijabli
Ocekivanje i disperzija uniformne slucajne varijable X() = 1, ..., n
EX =
n + 1
2
DX =
n
2
1
12
Ocekivanje i disprezija binomne slucajne varijable u N
0
EX = np
DX = npq
Ocekivanje i disprezija Poissonove slucajne varijable u N
0
, > 0
EX =
DX =
Ocekivanje i disperzija geometrijske slucajne varijable u N, p 0, 1
EX =
1
p
DX =
q
p
2
Ocekivanje i disperzija hipergeometrijske slucajne varijable u N
0
s
parametrima r , m, n N, r _ m, n _ m
EX = n
r
m
DX = n
r
m

mr
m

mn
m1

Uvs

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Uvs

Uploaded by

Copyright:

Available Formats

Uvod u vjerojatnost i statistiku

Mostar (FPMOZ) Vjezbe 1 / 53

[0, 1] je vjerojatnost na ako je

X()P() konvergira apsolutno.

You might also like