Teorija Vjerovatnoce Beta

Uvod u teoriju vjerovatnoe sa rijeenim problemima
i

Sadraj

Predgovor .................................................................................................................................................ii
1. Prostor elementarnih dogaaja. Definicija vjerovatnoe ............................................................... 1
1.1. Prostor elementarnih dogaaja .............................................................................................. 1
1.2. Aksiomatska definicija vjerovatnoe ....................................................................................... 2
1.3. Geometrijska vjerovatnoa ................................................................................................... 10
1.4. Zadaci..................................................................................................................................... 11
2. Uvjetna vjerovatnoa .................................................................................................................... 32
2.1. Uvjetna i potpuna vjerovatnoa i Bayesova formula ............................................................ 32
2.2. Zadaci..................................................................................................................................... 35
2.2.1. Uvjetna vjerovatnoa i nezavisnost ............................................................................... 35
2.2.2. Formula potpune vjerovatnoe i Bayesova formula ..................................................... 44
3. Sluajne varijable Diskretne sluajne varijable .......................................................................... 52
3.1. Uvod ...................................................................................................................................... 52
3.2. Granini teoremi u Bernoullijevoj emi ................................................................................. 58
3.3. Funkcija gustoe i funkcija distribucije .................................................................................. 63
3.4. Zadaci Bernoullijeva ema .................................................................................................. 78
4. Numerike karakteristike sluajnih varijabli Zakon velikih brojeva ........................................... 90
4.1. Matematiko oekivanje ....................................................................................................... 90
4.2. ebievljeva nejednakost i slabi zakon velikih brojeva ....................................................... 105
4.3. Funkcija izvodnica ................................................................................................................ 110
4.4. Zadaci Diskretne sluajne varijable, matematiko oekivanje i varijanca ........................ 114
5. Neprekidne sluajne varijable ..................................................................................................... 141
5.1. Funkcija distribucije i funkcija gustoe sluajnih varijabli ................................................... 141
5.2. Matematiko oekivanje ..................................................................................................... 159
5.3. Funkcija izvodnica momenata ............................................................................................. 169
5.4. Zadaci................................................................................................................................... 172
6. Tablice za ................................................................................................................................ 196
7. Tablice za ............................................................................................................................... 197
8. Bibliografija .................................................................................................................................. 198


ii

Predgovor

Ovaj univerzitetski udbenik je rezultat mojih predavanja na nastavnom predmetu Vjerovatnoa i
statistika na Odsjeku za matematiku Prirodno-matematikog fakulteta univerziteta u Sarajevu. Stoga
je namijenjen, prije svega, studentima matematike, a moe biti od koristi i studentima tehnikih
fakulteta kao i svakome ko koristi vjerovatnou i statistiku.
Knjiga je podijeljena u 5 poglavlja. U prvom poglavlju definiu se prostori vjerovatnoe, klasina
aksiomatska definicija, kao i osobine vjerovatnoe. Drugo poglavlje obrauje uvjetnu vjerovatnou i
Baysovu formulu.U treem poglavlju obrauju se diskretne varijable, funkcija gustoe i funkcija
distribucije, Bernoullijeva ema i granini teoremi. U etvrtom poglavlju obrauje se matematiko
oekivanje i varijanca diskretnih sluajnih varijabli, ebievljeva nejednakost i zakon velikih brojeva.
U petom poglavlju izuavaju se nediskretne sluajne varijable, matematiko oekivanje i varijanca.
Teorija vjerovatnoe nastala je u stoljeu i to u vezi sa hazardnim igrama. Taj nastanak vezuje se
za imena francuskih matematiara Pierre de Fermat-a i Blaise Pascal-a, te holanskog matematiara
Christiaan Huygens-a. Prvu raspravu o vjerovatnoi Huygens je objavio 1657. godine, a u njoj nije bilo
rijei samo o hazardnim igrama, ve i o osnovama jedne nove teorije. Huygens izuava pojmove kao
to su matematiko oekivanje i sluajne varijable.
Prvi korak ka teoriji vjerovatnoe, kao matematikoj disciplini, uinio je Jacob Bernoulli u svom djelu
Ars Conjectandi (Vjetina predvianja), koje je objavljeno 1718. godine. Bernoulli je generalizirao i
produbio pojmove o vjerovatnoi koje je dao Huygens. Razvio je kombinatoriku sa njenim primjenama
na hazardne igre, te je izloio zakon velikih brojeva. Taj zakon kae da za > 0 vrijedi:
lim
+
([|
| < ]) = 1,
gdje je broj realizacija dogaaja u izvoenja pokusa, a je vjerovatnoa dogaaja u svakom
pokusu.
Francuski matematiar, Abraham de Moivre, je generalizirao ideje koje je dao Bernoulli. Definisao je i
razradio pojmove nezavisne i uvjetne vjerovatnoe. Dokazao je centralni granini teorem, tj.
lim
+
([

< ]) =
1
2

2
2
.
Do istog teorema dolazi i francuski matematiar Pierre-Simon Laplace, pa je teorem poznat kao Moivre-
Laplace-ov teorem.
Simeon Denis Poisson i Carl Friedrich Gauss su znaajno unaprijedili vjerovatnou, naroito kada je rije
o njenim primjenama. Njihovi najznaajniji doprinosi su Poisson-ov zakon distribucije vjerovatnoe i
Gauss-ova (Normalna) distribucija vjerovatnoe. Ruski matematiari: Pafnuty Lvovich Chebyshev,
Andrey Markov i Aleksandr Lyapunov postigli su krupne rezultate u teoriji vjerovatnoe koji se odnose
na zakone velikih brojeva.
iii

Tek je tokom stoljea vjerovatnoa postala matematika disciplina sa svojim jasno definisanim
metodama. U vezi sa tim, jedan od najvanijih momenata u tom periodu njenog razvoja je njena
aksiomatizacija koju je izvrio sovjetski matematiar Andrey Kolmogorov.
U knjizi je dat veliki broj rjeenih zadataka. Svima onima koji mi ukau na eventualne pogreke biti u
veuma zahvalan.
Autor

1

1. Prostor elementarnih dogaaja. Definicija vjerovatnoe

1.1. Prostor elementarnih dogaaja

Sluajni pokus je radnja koja ima najmanje dva ishoda koji se ne mogu predvidjeti iz uvjeta pokusa.
Ishode sluajnog pokusa nazivamo dogaajima. Dogaaj je elementaran ako se ne moe razloiti na
jednostavnije dogaaje, a oznaavamo ih velikim slovima: , , , itd.
Neka je dogaaj ishod nekog sluajnog pokusa. Neka pokus ponavljamo puta. Oznaimo sa
broj
realizacija dogaaja u izvoenja pokusa. Relativna frekvencija dogaaja je omjer
i , tj.
=
.
Neka je
ukupan broj pokusa u -toj seriji i
broj realizacija dogaaja u -toj seriji. Svojstvo

statistike stabilnosti relativnih frekvencija zahtjeva da su relativne frekvencije

dogaaja A meusobno dovoljno blizu za razne serije i da se grupiraju oko nekog broja.
a) Neka sluajni pokus zadovoljava uvjete statistike stabilnosti relativnih frekvencija. Neka je
dogaaj rezultat pokusa. Realan broj oko kojeg se grupiu, odnosno kojem tee, relativne
frekvencije =
dogaaja nazivamo vjerovatnoa dogaaja i oznaavamo sa ().

Oigledno je 0 () 1. Ova definicija nije matematika, jer u konkretnom primjeru broj moe
konvergirati razliitim vrijednostima kao i da uope ne konvergira.
Primjer 1.1.1. Neka je sluajni pokus bacanje igrae kocke na ravnu plou i neka se desio dogaaj
= { 1}.
Broj izvoenja pokusa sa relativnim frekvencijama dat je u tabeli:
Broj pokusa 50 100 200 400 600 800 1000
Relativna frekvencija 0.12 0.15 0.15 0.1875 0.166 0.16375 0.166

Iz tabele vidimo da se relativna frekvencija grupira oko
1
6
.
b) Neka sluajni pokus ima konano mnogo ishoda koji su jednako vjerovatni. Neka je dogaaj
rezultat pokusa. Omjer broja povoljnih ishoda za dogaaj i broja svih ishoda zovemo
vjerovatnoom dogaaja i piemo ().
Ako je broj svih ishoda i neka je broj povoljnih ishoda za , tada je:

2

() =
.
Ni ova definicija nije matematika, jer pretpostavljamo jednaku mogunost ishoda.
Primjer 1.1.2. Neka je sluajni pokus bacanje dvije igrae kocke na ravnu plou i neka je dogaaj
dogaaj da je zbir brojeva koji su pali 7.
Svi mogui ishodi su:
= {(1, 6), (6, 1), (2, 5), (5, 2), (3, 4), (4, 3)}.
Dakle, broj svih ishoda je 6 6 = 36, a broj povoljnih je 6.
Tim je:
() =
6
36
=
1
6
.
Definicije a) i b) su klasine definicije.

1.2. Aksiomatska definicija vjerovatnoe

Skup svih elementarnih dogaaja nekog sluajnog pokusa zovemo prostor elementarnih dogaaja i
oznaavamo ga sa .
Primjer 1.1.1. Bacamo simetrian novi. Ishodi su palo pismo ili pao grb. Elementarni dogaaji su
palo pismo i pao grb to oznaavamo sa P i G. Prostor elementarnih dogaaja je = {, }.
Primjer 1.1.2. Bacamo kocku ije su strane oznaene brojevima od 1 do 6. Ishodi su brojevi koji su pali
na gornjoj strani kocke. Prostor elementarnih dogaaja je
= {1, 2, 3, 4, 5, 6}.
Svaki dogaaj je skup elementarnih dogaaja. Unija dogaaja A i B, u oznaci je dogaaj koji se
realizuje kada se realizuje bar jedan od dogaaja A ili B.
Presjek dogaaja A i B, u oznaci , je dogaaj koji se realizuje kada se realizuju oba dogaaja
i A i B.
3

Komplement dogaaja A, u oznaci
, je dogaaj koji se realizuje kada se ne realizuje dogaaj A.

Razlika dogaaja A i B, u oznaci , je dogaaj koji se realizuje kada se realizuje i B ne realizuje.
je nemogu dogaaj. je siguran dogaaj.

Svaka konana algebra je -algebra, jer konanu uniju moemo proiriti sa do beskonanosti.
Oigledno, partitivan skup () je -algebra.
U primjeru 1.1.2. skup
{{1, 2}, {3, 4}, {5, 6}, {1, 2, 3, 4}, {1, 2, 5, 6}, {3, 4, 5, 6}, , }
je -algebra.
Aksiomatiku u teoriji vjerovatnoe uveo je A. N. Kolmogorov 1933. godine.
Ureenu trojku (, , ), gdje je prostor elementarnih dogaaja, je -algebra i vjerovatnoa
na , nazivamo prostor vjerovatnoe.
Definicija 1.2.3. (Aksiomatska definicija vjerovatnoe) Neka je prostor elementarnih dogaaja i
-algebra dogaaja. Funkcija : je vjerovatnoa na ako vrijedi:
1. () 0, , () = 1 .
2.
= ( ) (
=1
) = (
=1
.
Definicija 1.2.1. Neka je prostor elementarnih dogaaja. Podskup skupa sa osobinama:
1.
2.

3.
1
,
2
, ,
=1

nazivamo algebra dogaaja na .
Definicija 1.2.2. Neka je prostor elementarnih dogaaja. Podskup skupa sa osobinama:
1.
2.

3.
( )
=1

nazivamo -algebra dogaaja na .

4

Dokaz:
a) Neka je:
1
= i
= , 2.
Tada su
, 1 meusobno disjunktni za svako , pa na osnovu 2) u definiciji 1.2.1. imamo:

1 = () = (
=1
) = (
=1
= (
1
) +(
=2
=
= 1 + (
=2
) = 1 +() () = 0 .
b) Neka je:
, = 1,
= , > .
Tada na osnovu 2) u definiciji 1.2.1. imamo da je:
(
=1
) = (
=1
) = (
=1
=
= (
=1
+ (
=+1
= (
=1
+
=+1
=
= (
=1
+() = (
=1
.
Teorem 1.2.1. Neka je (, , ) prostor vjerovatnoe. Tada vrijedi:
a) () = 0 .
b) Ako su:
1
, ,
meusobno disjunktni (
=1
) = (
=1
(svojstvo konane
aditivnosti) .
c) , () () ( ) .
d)
, ,
1

2
, =
=1
() = lim
) (neprekidnost u odnosu
na neopadajui niz) .
e)
, ,
1

2
, =
=1
() = lim
) (neprekidnost u odnosu
na nerastui niz) .
f)
, (
=1
) (
=1
(prebrojiva poluaditivnost) .
g) , ( ) = () +() ( ) .
h) (
) = 1 () .
5

c)
= (\).

Tada zbog b) imamo da je:
() = () +(\) () .
d) Neka je
1
=
1
,
\
1
, 2. Tada je

= za .

Otuda je:
=1
=
=1
,
(
) = (
=1
.
Vrijedi:
lim
) = (
=1
= (
=1
) = (
=1
) = () .
e) Neka je:
=
1
\
, .
Tada je:

+1
, ,
1
\ =
=1
.
Poto je:
(
) = (
1
) (
) ,
to iz d) slijedi da je:
(
1
) () = (
1
\) = lim
) = (
1
) lim
) .
f) Neka je:
1
=
1

1
=1
, 2 .
Tada je
, niz disjunktnih dogaaja, odnosno:
, ,

6

=1
=
=1
.
Tada je:
(
=1
) = (
=1
(
=1
.
g)
= (\), ( ) (\) = .
Otuda, zbog b), imamo da je:
( ) = () +(\) ( ) +(\) = () .
Eliminacijom (\) imamo da je
( ) = () +() ( ).
h)

= () +(
) = 1.
Otuda je
(
) = 1 ().
Iz prethodnog teorema oigledno slijedi
0 () 1 .
Primjer 1.2.3. Neka je = {, , , } i -algebra i neka je:
= {, , {a}, {b}, {, }, {, , }, {, , }, {, }}.
Koja od sljedeih funkcija sa u je vjerovatnoa na ?
a)
() = 0, () = 1, ({}) = ({}) =
1
4
, ({, }) =
1
2
,
({, , }) = ({, , }) =
3
4
, ({, }) =
1
2

b)
() = 0,
( ) = 1,
({}) =
({}) =
1
4
,
({, }) =
({, , }) = (, , }) =
({, }) =
1
8

Rjeenje: Poto je:
7

() =
() = 1 ,
() 0
() 0, ,
to i i ispunjavaju prvi aksiom vjerovatnoe. Sada imamo:
({} {}) = ({, }) =
1
2
=
1
4
+
1
4
= ({}) +({}) ,
({} {, }) = ({, , }) =
3
4
=
1
4
+
1
2
= ({}) +({, }) ,
({} {, }) = ({, , }) =
3
4
=
1
4
+
1
2
= ({}) +({, }) ,
({} {} {, }) = () = 1 =
1
4
+
1
4
+
1
2
= ({}) +({}) +({, }) .
Analogno i za ostale sluajeve.
Dakle, ispunjava i drugi aksiom, odnosno je vjerovatnoa na .
({} {}) =
({, }) =
1
8
1
4
+
1
4
=
({}) +
({}) .
Samim time, ne ispunjava drugi aksiom, odnosno
nije vjerovatnoa.
Neka je = {
= 1,
} i -algebra podskupova od . Oznaimo sa
presjek svih
elemenata iz koji sadre
( = 1,
).
Neka je:

.
Tada je, zbog definicije
.
Ako je pri tome
, tada je iz definicije
,
jer je
.
Otuda,
= ,
to je kontradikcija, jer je
.
Dakle, vrijedi:

8

.
Tim je:
.
Ako
, tada je, zbog definicije
.
Tim je:
= .
Iz svega, vidimo da je:
= .
Neka su
, = 1,
svi razliiti. Tada je

=
=1
,
odnosno,
ini particiju prostora .

Neka je:
(
) =
, = 1,
.
Tada je:
1 =
=1
.
Tada se funkcija:
(
) =
, = 1,
,
() = 0
moe proiriti na sa:
() =
,
na jedinstven nain, tako da je (, , ) diskretan prostor vjerovatnoe. U primjeru 1.2.3. moemo
uzeti da je:
9

1
= {},
2
= {},
3
= {, } ,
te imamo da je:
(
1
) =
1
4
, (
2
) =
1
4
,
(
3
) =
1
2
(
1
) + (
2
) +(
3
) = 1 .
Dakle, je vjerovatnoa. S druge strane imamo da je:
1
) =
1
4
,
2
) =
1
4
,
3
) =
1
8

1
) +
2
) +
3
) 1 .
Dakle,
nije vjerovatnoa.
Primjer 1.2.4. Neka je (, , ) prostor vjerovatnoe i
1
,
2
,
3
. Odrediti (
1

2

3
).
Rjeenje: Na osnovu teorema 1.2.1. pod g) imamo da vrijedi:
((
1

2
)
3
) = (
1

2
) +(
3
) ((
1

2
)
3
) =
= (
1
) +(
2
) (
1

2
) +(
3
) (
1

3
) (
2

3
) +(
1

2

3
) =
= (
1
) +(
2
) +(
3
) (
1

2
) (
1

3
) (
2

3
) +(
1

2

3
) =
=
3
=1
(
)
1<3
+ (
1

2

3
) .
Dokaz: Dokaz izvodimo matematikom indukcijom. Tvrdnja vrijedi za = 2, 3. Pretpostavimo da
tvrdnja vrijedi za = i dokaimo da vrijedi za = +1.
Neka je:
(
=1
) = (
=1
(
)
1<
++(1)
+1
(
=1
) .
Teorema 1.2.2. (Sylvesterova formula) Neka je (, , ) prostor vjerovatnoe i
, = 1,
, 2.
Tada vrijedi:
(
=1
) = (
=1
(
)
1<
+ (
)
1<<
+
+(1)
+1
(
=1
) .

10

Sada imamo:
(
+1
=1
) = (
=1
) +(
+1
) ((
=1
)
+1
) = |

| =
= (
=1
(
)
1<
++(1)
+1
(
=1
) +(
+1
) (
=1

+1
) =
= (
)
+1
=1
(
)
1<
++(1)
+1
(
=1
)
(

+1
)
+1
=1
+ (

+1
)
1<
+(
=1

+1
) =
= (
)
+1
=1
(
)
1<+1
++(1)
+2
(
+1
=1
) .
Dakle, vrijedi tvrdnja za = +1. Iz principa matematike indukcije slijedi da tvrdnja vrijedi za
2.

1.3. Geometrijska vjerovatnoa

Primjer 1.3.1. Dobavlja robe moe kasniti sa isporukom do 15 minuta. Pritom, vrijeme kanjenja je
jednako vjerovatno. Kolika je vjerovatnoa da e kasniti manje od 5 minuta?

Definicija 1.3.1. Neka je
du i , dvije take na dui
. Oznaimo sa duinu dui
i sa
duinu dui
. Neka sluajno izaberemo taku dui
, gdje je izbor jednako vjerovatan. Tada,

vjerovatnoa da izaberemo taku iz dui
iznosi:
=
.
0 5 10 15
=
Induktivna
pretpotavka
11

Rjeenje: Neka je dogaaj da dobavlja kasni manje od 5 minuta (Slika 1). Tada je:
() =
5
15
=
1
3
.

Primjer 1.3.2. Dva ovjeka su se dogovorila da se nau na
odreenom mjestu izmeu 10:00 H i 11:00 H. Svako eka
najdalje 10 minuta. Pretpostavimo da je vrijeme dolaska
jednako vjerovatno. Kolika je vjerovatnoa da se nee sresti?
Rjeenje: Oznaimo sa i vrijeme dolaska jednog i drugog
ovjeka. Neka je
= {(, ) | 0 , 60} i = {(, ) | | | > 10}.
Geometrijska interpretacija data je na slici 2. Neka je dogaaj
da se nee sresti.
Tada je:
() =
()
()
=
50 50
60 60
=
25
36
.

1.4. Zadaci

1. Izvlaimo dvije karte iz pila od karte. Kolika je vjerovatnoa da:
a) su obje herc?
b) je jedna karo, a druga herc?

Slika 2: Geometrijska interpretacija
primjera 1.3.2.
Slika 1: Geometrijska interpretacija primjera 1.3.1.
Definicija 1.3.2. Neka je figura u ravni i figura sadrana u . Neka sluajno izaberemo taku iz figure ,
gdje je izbor jednako vjerovatan. Tada je vjerovatnoa dogaaja , da se izabere taka iz figure data sa:
() =
()
()
,
gdje su () i () povrine figura i .

12

Rjeenje: Postoji:
(
52
2
) =
52 51
21
= 1326
naina za izvlaenje 2 karte.
a) Imamo 13 hercova, pa ima:
(
13
2
) =
13 12
2 1
= 78
naina za izbor 2 herca, pa je vjerovatnoa da izaberemo 2 herca:
=
(
13
2
)
(
52
2
)
=
78
1326
0.0588 .
b) Imamo:
(
13
1
) (
13
1
) = 13 13 = 169
naina da izvuemo jednu kartu karo, a drugu herc, pa samim time, traena vjerovatnoa je:
=
(
13
1
) (
13
1
)
(
52
2
)
=
169
1326
0.1274 .

2. Biramo od sijalica od kojih su defektne. Kolika je vjerovatnoa da:
a) od izabrane ni jedna nije defektna?
b) tano defektne?
c) barem defektne?
Rjeenje: Imamo:
(
20
4
) =
20 19 18 17
4 3 2 1
= 4845
naina da se izaberu 4 od 20 sijalica.
a) Imamo:
(
14
4
) =
15 14 13 12
4 3 2 1
= 1365
naina izbora sijalica, tako da ni jedna nije defektna.

13

Samim time, traena vjerovatnoa je:
=
(
14
4
)
(
20
4
)
=
1365
4845
0.2817 .
b) 2 ispravne i 2 defektne sijalice se mogu izvui na:
(
15
2
) (
5
2
) = 900
naina.
Samim tim, traena vjerovatnoa je:
=
(
15
2
) (
5
2
)
(
20
4
)
=
900
4845
0.1857 .
c) Broj ishoda da se izvue manje od 2 defektne sijalice je:
(
15
4
) +(
15
3
) (
5
1
) = 1365 +2275 = 3640
pa je traena vjerovatnoa:
= 1
(
15
4
) +(
15
3
) (
5
1
)
(
20
4
)
= 1
3640
4845
0.9298 .

3. Izabrane su od karti numerisanih brojevima od do . Kolika je vjerovatnoa da je zbir
paran broj ako:
a) su karte izvuene zajedno?
b) su karte izvuene jedna iza druge bez vraanja?
c) su karte izvuene jedna iza druge sa vraanjem?

Rjeenje:
a) Da bi zbir bio paran, moraju obje karte biti parne ili obje neparne. Parnih ima dvije, a neparnih
tri. Postoji:
(
5
2
) = 10
naina za izvlaenje 2 karte zajedno. Broj povoljnih ishoda je:
(
3
2
) +(
2
2
) = 3 +1 = 4 .

14

=
(
3
2
) +(
2
2
)
(
5
2
)
=
4
10
=
2
5
.
b) Mogui sluajevi su da izvuemo parnu, pa opet parnu ili izvuemo neparnu, pa opet neparnu
kartu. Broj naina za izvlaenje 2 karte jednu za drugom bez vraanja je 5 4 = 20, a broj
povoljnih sluajeva je 2 1 +3 2 = 8, pa je traena vjerovatnoa:
=
8
20
=
2
5
.
c) Broj naina za izvlaenje 2 karte sa vraanjem je 5 5 = 25. Broj povoljnih je 2 2 +3 3 =
13, pa je traena vjerovatnoa:
=
13
25
.
4. U jednom razredu je momaka i djevojaka od kojih momka i djevojke ne dorukuju.
Kolika je vjerovatnoa da sluajno izabrana osoba bude djevojka ili osoba koja ne dorukuje?
Rjeenje: Neka je dogaaj da je izabrana djevojka, a dogaaj da je izabrana osoba koja ne
dorukuje. Tada je:
() =
12
21
, () =
7
21
, ( ) =
4
21

Traena vjerovatnoa je:
= ( ) = () +() ( ) =
12
21
+
7
21
4
21
=
15
21
.
5. U jednom skladitu se nalazi proizvoda od kojih su defektna. Kolika je vjerovatnoa da
od sluajno izabrana proizvoda budu defektna?
Rjeenje: Broj svih ishoda je:
(
20
3
) =
20 19 18
3 2 1
= 1140 .
Broj povoljnih ishoda je:
(
4
2
) (
16
1
) = 6 16 = 96 .
=
(
4
2
) (
16
1
)
(
20
3
)
=
96
1140
0.084 .

15

6. Od 15 sreki su dobitne. Kolika je vjerovatnoa da meu sluajno odabranih sreki bude:
a) jedna koja dobiva?
b) bar jedna koja dobiva?
Rjeenje: Broj svih ishoda je:
(
15
5
) =
15 14 13 12 11
5 4 3 2 1
= 3003 .
a) Broj povoljnih ishoda je:
(
2
1
) (
13
4
) = 2
13 12 10
4 3 2 1
= 1430
=
(
2
1
) (
13
4
)
(
15
5
)
=
1430
3003
0.476 .
b) Broj ishoda da od 5 sreki nema dobitnih je:
(
13
5
) =
13 12 11 10 9
5 4 3 2 1
= 1287
= 1
1287
3003
0.571 .
7. Kolika je vjerovatnoa da pri bacanju dvije kocke dobijemo zbir ?
Rjeenje: Prostor svih ishoda je
= {(, ): , = 1,6
},
to je ukupno 6
2
= 36 ishoda. Skup povoljnih ishoda je
{(2,6), (6,2), (3,5), (5,3), (4,4)},
to je ukupno 5 ishoda, pa je traena vjerovatnoa:
=
5
36
.

8. Kolika je vjerovatnoa da pri bacanju kocke dobijemo zbir manji od ?
Rjeenje: Prostor elementarnih dogaaja je = {(, , ): , , = 1,6
}, to je ukupno 6
3
= 216
ishoda. Povoljni ishodi su {(1,1,1), (1,1,2), (1,2,1), (2,1,1)}, to je ukupno 4 ishoda, pa je traena
vjerovatnoa:

16

=
4
216
=
1
54

9. U jednom razredu od uenika njih zna engleski, ih zna njemaki, a zna oba jezika.
Sluajno je izabran jedan uenik. Kolika je vjerovatnoa da:
a) zna samo engleski jezik?
b) zna samo njemaki jezik?
c) ne zna ni jedan jezik?
d) zna bar jedan jezik?
Rjeenje: Neka je dogaaj da zna engleski
jezik, a da zna njemaki jezik.
a) Traena vjerovatnoa je:
=
15
30
=
1
2
.
b) Traena vjerovatnoa je:
=
3
30
=
1
10
.
c) Traena vjerovatnoa je:
=
7
30
.
d) Traena vjerovatnoa je:
=
23
30
.
10. U jednoj firmi od zaposlenih, njih zna engleski, njih zna njemaki, francuski,
zna engleski i njemaki, zna engleski i francuski, zna njemaki i francuski, a zna sva tri
jezika. Sluajno se biraju zaposlena. Kolika je vjerovatnoa da:
a) sva trojica znaju engleski?
b) sva trojica znaju engleski i njemaki?
c) sva trojica znaju bar dva strana jezika?
d) sva trojica znaju bar jedan strani jezik?
e) dvojica znaju dva strana jezika, a jedan ne zna ni jedan jezik?
f) ni jedan ne zna njemaki i francuski, ali svi znaju engleski jezik?
Slika 3: Poznavanje jezika u razredu
17

g) najmanje jedan od njih zna sva tri jezika?
Rjeenje: Neka je dogaaj da zna engleski jezik, da zna
njemaki jezik, a da zna francuski jezik.
=
(
25
3
)
(
50
3
)
=
25 24 23
50 49 48
=
23
196
.

=
(
7
3
)
(
50
3
)
=
7 6 5
50 49 48
=
1
560
.
c) Traena vjerovatnoa je:
=
(
12
3
)
(
50
3
)
=
12 11 10
50 49 48
=
11
980
.
d) Traena vjerovatnoa je:
=
(
29
3
)
(
50
3
)
=
29 28 27
50 49 48
=
261
1400
.
e) Traena vjerovatnoa je:
=
(
10
2
) (
21
1
)
(
50
3
)
=
10 9
2 1
21
50 49 48
3 2 1
=
189
3920
.
f) Traena vjerovatnoa je:
=
(
15
3
)
(
50
3
)
=
15 14 13
50 49 48
=
13
560
.
g) Traena vjerovatnoa je:
Slika 4: Poznavanje jezika u firmi

18

=
(
2
1
) (
48
2
)
(
50
3
)
+
(
2
2
) (
48
0
)
(
50
3
)
=
2
48 47
2 1
+1
50 49 48
3 2 1
=
2257
19600
.
11. Kolika je vjerovatnoa da sluajno izabran prirodan broj, koji nije vei od , bude kvadrat
nekog prirodnog broja veeg od ?
Rjeenje: Brojevi od 1 do 100 su svi mogui ishodi. Povoljni ishodi su:
{4, 9, 14, 25, 36, 49, 64, 81, 100} .
Samim time, traena vjerovatnoa je:
=
9
100
.
12. Sluajno je izabran jedan viecifreni broj. Kolika je vjerovatnoa da posljednje dvije cifre
njegovog kvadrata budu:
a) ?
b) ?
Rjeenje: Prostor elementarnih dogaaja su kombinacije zadnje dvije cifre i ima ih ukupno 10
2
= 100.
Iz pravila o mnoenju prirodnih brojeva, zadnje dvije cifre kvadrata prirodnih brojeva odreene su sa
zadnje dvije cifre tog broja, pa ako kvadriramo sve prirodne brojeve od 0 do 99, vidimo da nema
brojeva sa zadnje dvije cifre 11, ali imamo 4 broja sa zadnje dvije cifre 61.
=
0
100
= 0 .
=
4
100
=
1
25
.
13. Kolika je vjerovatnoa da zadnje dvije cifre treeg stepena sluajno odabranog prirodnog
broja budu ?
Rjeenje: Svaki prirodan broj se moe napisati u obliku = +10 +, gdje je djeljivo sa 100
i , = 0,1,2, ,9 ( su zadnje dvije cifre od ). Time je:
3
= ( +10 )
3
+3 ( +10 )
2
+3 ( +10 )
2
+
3

Poto su zadnja 3 lana djeljiva sa 100, to samo prvi lan utie na zadnje dvije cifre broja
3
. Kako je:
( +10 )
3
=
3
+30
2
+300
2
+1000
3

to na zadnje dvije cifre broja utiu prva dva sabirka gornje jednakosti. Time se
3
mora zavravati
sa 1, a to je mogue samo za = 1. Takoer, 3 se mora zavravati sa 1, a to je mogue samo za
19

= 7. Samim tim, ako posmatramo prvih 100 prirodnih brojeva, imamo samo 1 povoljan, kao i u
svakih narednih 100 prirodnih brojeva, pa je traena vjerovatnoa:
=
1
100
.
14. Imamo pet dui duina , , , i . Kolika je vjerovatnoa da od sluajno odabrane tri dui,
moemo sastaviti trougao?
Rjeenje: Prostor svih ishoda je
{257, 258, 259, 278, 279, 289, 578, 579, 589, 789},
dakle ukupno 10. Skup povoljnih ishoda je
{278, 289, 578, 579, 589, 789},
dakle ukupno 6. Koristili smo teorem da je zbir dvije stranice u trouglu vei od tree stranice. Traena
vjerovatnoa je:
=
6
10
=
3
5
.
15. Iz pila od karte se sluajno izvlae dvije karte. Kolika je vjerovatnoa da se izvue desetka
i kec?
Rjeenje: Broj svih mogunosti je:
(
52
2
) = 1326 .
Kako imamo 4 desetke i 4 keca, to je broj povoljnih ishoda:
(
4
1
) (
4
1
) = 16 .
=
(
4
1
) (
4
1
)
(
52
2
)
=
16
1326
=
8
663
.
16. Iz pila od karte se sluajno izvlai karti zajedno.
a) Kolika je vjerovatnoa da meu njima bude desetka pik () ?
b) Kolika je vjerovatnoa da meu njima budu sva etiri znaka (, , , ) ?
c) Koliko najmanje karata treba izvui iz pila da bi vjerovatnoa, da meu njima budu bar
dvije karte sa istim brojem, bila vea od . ?
Rjeenje:
a) Broj povoljnih je (izabrati jednu kartu i to desetku pik i 5 drugih karti):

20

(
51
5
) =
51 50 49 48 47
5 4 3 2 1
= 2349060
a broj svih mogunosti je:
(
52
6
) =
52 51 50 49 48 47
6 5 4 3 2 1
= 20358520 .
=
(
51
5
)
(
52
6
)
=
2349060
20358520
0.115 .
b) Broj povoljnih ishoda je:
(
4
1
) (
13
1
) (
13
1
) (
13
1
) (
13
3
) +(
4
2
) (
13
1
) (
13
1
) (
13
2
) (
13
2
)
tj. tri znaka uzimamo po jedanput i etvrti znak tri puta ili dva znaka po jedanput a druga dva po dva
puta. Samim tim, traena vjerovatnoa je:
=
(
4
1
) (
13
1
)
3
(
13
3
) +(
4
2
) (
13
1
)
2
(
13
2
)
2
(
52
6
)
=
=
8682544
20358520
0.426 .
c) Svaki broj ima 4 znaka, a brojeva ima 13. Izvlaimo karata sa razliitim brojevima. Broj naina
na koji se to postie je:
4
(
13
) .
Treba da vrijedi:
1
4
(
13
)
(
52
)
>
1
2

4
(
13
)
(
52
)
<
1
2

a to je ispunjeno za = 6.
17. Da li je vjerovatnije pri jednom bacanju etiri kocke dobiti bar jednu jedinicu ili pri
bacanja dvije kocke dobiti bar jednom dvije jedinice?
Rjeenje: Vjerovatnoa da pri jednom bacanju etiri kocke padne bar jedna jedinica je:
= 1 (
5
6
)
4
=
671
1296
0.518 .
Vjerovatnoa da pri 24 bacanja dvije kocke, padnu bar jednom dvije jedinice je:
21

= 1 (1
1
6 6
)
24
= 1 (1
35
36
)
24
0.49 .
Dakle, odgovor je da je vjerovatnije da pri jednom bacanju etiri kocke dobijemo bar jednu jedinicu.
18. Du duine je nasumice prelomljena na jednom mjestu. Kolika je vjerovatnoa da
povrina pravougaonika, ije su stranice duine prelomljeni dijelovi, bude ne manja od ?
Rjeenje: Pretpostavljamo da je za sve take dui jednako mogue da se u njima dogodi prelamanje.

Prelomljeni dijelovi imaju duine i 12 .
Povrina pravougaonika je (12 ) , a trai se da je:
(12 ) 25
2
12 +25 0 .
Tim je:
1
=
12 44
2
= 6 11
2
=
12 +44
2
= 6 +11
To znai, da e za 6 11 6 +11 povrina datog pravougaonika biti vea ili jednaka od 25.
Tim je traena vjerovatnoa:
=
(6 +11) (6 11)
12
=
11
6
0.55.
19. Dat je jednakostranian trougao sa duinom stranice . Neka je
sredite stranice
i
sredite stranice . Upiimo u pravougaonik tako da jedna njegova stranica

lei na dui , a suprotna stranica je
. Neka je
sredite dui
sredite
dui
. Upiimo u
pravougaonik tako da jedna njegova stranica lei na dui
, a suprotna stranica je
. Nastavljamo ovaj proces tako da dobijamo

pravougaonike ije su gornje stranice
, ,
, Kolika je vjerovatnoa da
sluajno izabrana taka iz bude u upisanim pravougaonicima?
Slika 6: Funkcija
2
12 +25
Slika 5: Nasumice kreiran pravougaonik
12

12


22

Rjeenje: Povrina upisanih pravougaonika je:
3
4
+
3
8
+
3
16
++
+
3
2 2
+ =
2
3
2
2+1
+
=1
=
=
2
3
2
(
1
4
)
+
=1
=
=
2
3
2
((
1
4
)
+
=0
1) =
2
3
2
(
1
1
1
4
1) =
2
3
6
.
Povrina jednakostraninog trougla je:
=
2
3
4
.
=
2
3
6
2
3
4
=
2
3
.
Slika 7: Upisivanje pravougaonika

3

23

20. Neka je du duine prelomljena na dva
mjesta. Take preloma su jednako mogue.
Kolika je vjerovatnoa da od prelomljena
dijela moemo sastaviti trougao?

Rjeenje: Mora vrijediti:
+1 > , + > 1 , +1 >
2 2 < 1, 2 > 1, 2 < 1

=
1
2
1
2
2
1 1
=
1
8
.
21. Bacamo novi prenika
na ahovsku plou dimenzije . Kolika je vjerovatnoa da

novi pokrije neki od vrhova ahovske ploe?
Rjeenje: Novi e pokriti neki od 81 vrhova na ahovskoj ploi ako centar novia padne u krugove
poluprenika
1
4
sa centrima u vrhovima. Tada, traena vjerovatnoa iznosi:
=
81 (
1
4
)
2

8 8
=
81
1024
0.248 .
Slika 8: Nasumice kreiran trougao
zadatka 20.
1
1
1
2

1
2

=
1
2

=
1
2

2 2 = 1

24

22. Na dvjema susjednim stranicama jedininog kvadrata sluajno izaberemo po jednu taku.
Sve take su jednako mogue. Prava koja prolazi kroz te dvije izabrane take odsjeca trougao.
Kolika je vjerovatnoa da povrina odsjeenog trougla bude ne vea od
?

Rjeenje: Povrina odsjeenog trougla je:
1
=
2
.
Iz pretpostavke da je:
1
8

1
4
,

povoljne take su sve take oblasi S (slika 11). Povrina oznaene oblasti je:
=
1
4
1 +
1
4
1
1
4
=
=
1
4
+
1
4
(ln1 ln
1
4
) =
1
4
+
1
2
ln 2 .
Tim je traena vjerovatnoa:
=
1
4
+
1
2
ln 2
1
2
=
1
4
+
1
2
ln2 0.596 .
Slika 10: Sluajno kreirani trougao Slika 11: Geometrijska interpretacija
zadatka 22
25

23. Iz segmenta [, ] sluajno se uzimaju dva broja. Kolika je vjerovatnoa da zbir ne bude vei
od , a proizvod ne bude vei od
?
Rjeenje: Neka su i sluajno izabrani. Tada je:
+ 1,
1
7
.
+1 = 1, =
1
7

(1 ) =
1
7

7
2
+7 1 = 0
7
2
7 +1 = 0

1
=
7 49 28
14
=
7 21
14
,
2
=
7 +21
14
.
Povoljne take su sve take u oblasti (slika 12). Povrina oblasti je:
= (1 )
721
14
0
+
1
7
7+21
14
721
14
+ (1 )
1
7+21
14
=
=
7 21
14
(
7 21
14
)
2
2
+
1
7
(ln
7 +21
14
ln
7 21
14
) +
+
7 +21
14
(
7 +21
14
)
2
2
1 +
1
2

0.158 0.223 +0.015 0.396 .
Dakle, traena vjerovatnoa je:

0.396
1
0.396 .
24. Neka je prostor elementarnih dogaaja = {, , }. Koja funkcija definira vjerovatnou?

zadatka 23
=
1
7


26

a)
({}) =
, ({}) =
, ({}) =

b)
({}) =
, ({, }) =

c)
({}) =
, ({}) =
, ({}) =

Rjeenje:
a) Poto je:
({}) +({}) +({}) =
1
3
+
1
4
+
5
12
= 1,
to funkcija definie vjerovatnou, tj. (, (), ) je prostor vjerovatnoe, gdje je = ().
b) {{}, {, }} je particija prostora i vrijedi:
({}) +({, }) =
2
3
+
1
3
= 1 .
Samim tim, (, , ) je prostor vjerovatnoe, gdje je
= {, {}, {, }, }
-algebra.
c) Imamo da je:
({}) +({}) +({}) =
3
2
,
pa nije vjerovatnoa.
25. Neka je prostor elementarnih dogaaja = {, , , } i neka je vjerovatnoa na .
a) Izraunati ({}) I ({}) ako je:
({}) = ({}) =
, ({}) = ({})
b) Izraunati ({}), ({}), ({}) ako je:
({, }) =
, ({, }) =
, ({}) =

Rjeenje:
27

a) Neka je
({}) = i ({}) = .
Tada je:
+ = ({}) +({}) = ({, }) =
= 1 ({, }) = 1 ({}) ({}) =
= 1
1
3
1
3
= 1
2
3
=
1
3

= 2 + =
1
3
=
2
9
=
1
9

b) Imamo da je:
({}) = ({, } {}) = ({, }) ({}) =
2
3
1
3
=
1
3

({}) = ({, } {}) = ({, }) ({}) =
1
2
1
3
=
1
6
.
Iz
1 = ({}) +({}) +({}) +({}) = ({}) +
1
3
+
1
3
+
1
6

slijedi
({}) =
1
6

26. Bacamo optereen novi tako da je grb puta vjerovatniji od pisma. Kolika je vjerovatnoa
da padne pismo, a kolika da padne grb?
Rjeenje: Neka je = ({}) = ({}), pa je:
+ = 1 = 3 =
1
4
=
3
4
.
27. Bacamo optereen tetraeder tako da je vjerovatnoa padanja na pojedinu stranu
proporcijonalna broju strane. Strane su numerisane brojevima: 1, 2, 3, 4.
a) Nai vjerovatnoe svakog elementarnog dogaaja.
b) Nai vjerovatnou da padne paran broj.
Rjeenje: Imamo da je prostor elementarnih dogaaja = {1,2,3,4}, te je
({1}) = 1, ({2}) = 2, ({3}) = 3 I ({4}) = 4.
Tim je:
1 = () = +2 +3 +4 = 10

28

=
1
10
.

Slijedi da je:
({1}) =
1
10
, ({2}) =
2
10
, ({3}) =
3
10
, ({4}) =
4
10
.
c) Imamo da je:
({2,4}) = ({2}) +({4}) =
2
10
+
4
10
=
6
10
=
3
5
.
28. Neka su I dogaaji i neka je:
() =
, () =
, ( ) =
.
Izraunati:
a) (
)
b) (
)
c) (
)
d) (
)
Rjeenje:
a) Imamo da je:
(
) = 1 () = 1
1
8
=
7
8
.
b) Imamo da je:
(
) = (( )
) = 1 ( ) = 1
1
10
=
9
10
.
c) Imamo da je:
(
) = ( ) = () ( ) =
1
8
1
10
=
1
40
.
d) Imamo da je:
(
) = ( ) = () ( ) =
1
2
1
10
=
2
5
.
29

29. Neka su , i dogaaji. Nai izraz za dogaaj da se:
a) tano jedan od dogaaja dogodi.
b) bar dva dogaaja dogode.
c) dogodi ili , ali ne i .

Rjeenje:
a) [( ) ( ) ( )]
b) ( ) ( ) ( )
c) ( )

30. Dva strijelca gaaju u metu. Neka je dogaaj da je prvi strijelac pogodio, a dogaaj da
je drugi strijelac pogodio. Nai izraz za dogaaj da:
a) su oba strijelca pogodila.
b) su oba strijelca promaila.
c) je bar jedan strijelac pogodio.
d) je bar jedan strijelac promaio.
Rjeenje:
a)
b)

c)
d)

31. U kutiji se nalazi kuglica numerisanih brojevima od do . Sluajno se izvlai po jedna
kuglica puta, bez vraanja. Kolika je vjerovatnoa da bar jednom broj izvlaenja bude
jednak broju na kuglici?
Rjeenje: Neka je
, = 1,
dogaaj da je na -tom izvlaenju izvuen broj . Tada je traena

vjerovatnoa:
(
1

2

) = |

| = (
=1
(
)
01<
+
+ (
)
0<<
(1)
+1
(
1

2

)
(
) =
1
, = 1,
) =
1
1
1
, 0 <
Sylvesterova
formula

30

(
) =
1
1
1
1
2
, 0 < <

(
1

2

) =
1
1
1
1
2
1
1

(
1

2

) = (
1
)
1
2
)
1
1
1
+(
3
)
1
1
1
1
2

+(1)
+1
1
1
1
2
1
1
= 1
1
2!
+
1
3!
+(1)
+1
1
!
=
=
(1)
+1
!
=1
= 1
(1)
=1
+1 = 1
(1)
=0
.
Poto dobiveni niz brzo konvergira ka
1
, to ve za male imamo:
(
1

2

) 1
1
0.63212 .
32. putnika nasumice ulazi u voz sa vagona. Kolika je vjerovatnoa da u svaki vagon ue
barem jedan putnik?
Rjeenje: Neka je dogaaj
, = 1,
, da u -ti vagon nije uao ni jedan putnik. Tada je vjerovatnoa

da bar u jedan vagon ne ue ni jedan putnik:
(
1

2

) = |

| = (
=1
(
)
01<
+
+ (
)
0<<
(1)
+1
(
1

2

)
(
) = (
1
, = 1,
) = (
2
, 0 <
(
) = (
2
, 0 < <

(
1

2

) = 0 .
Tim je:
(
1

2

) = (
1
) (1
1
2
) (1
2
+(
3
) (1
3

Sylvesterova
formula
31

+(1)
1
) (1
1
+(1)
+1
(
) (
1

2

) =
= (1)
+1
(
)
1
=1
(1
.

Vjerovatnoa da u svaki vagon ue barem jedan putnik je:
1 (
1

2

) = 1 (1)
+1
(
)
1
=1
(1
= (1)
) (1
1
=0
.


32

2. Uvjetna vjerovatnoa

2.1. Uvjetna i potpuna vjerovatnoa i Bayesova formula

Primjer 2.1. Iz pila od 52 karte izvlaimo jednu kartu. Ako je izvuena karta crvene boje, kolika je
vjerovatnoa da je izvuena desetka?
Rjeenje: Imamo dogaaje
= { } i = { }.
Tada je traena vjerovatnoa:
=
2
26
=
2
52
26
52
=
( )
()
.
Prethodni primjer nam daje motivaciju za promatranje kolinika:
( )
()

kojeg oznaavamo sa
() = (|).

Dokaz: Za vrijedi:
() =
( )
()
> 0
() =
( )
()
=
()
()
= 1 ,
Neka su
, proizvoljni disjunkntni dogaaji iz prostora vjerovatnoe (, , ). Tada je:
=1
) =
(
=1
)
()
=
(
)
()
=1
=
=1
.
Dakle,
je vjerovatnoa.
Vjerovatnou
() nazivamo uvjetna vjerovatnoa dogaaja , odnosno vjerovatnoa dogaaja

pod uvjetom dogaaja . Ako je () = 0, uzimamo da je
() = ().

Teorem 2.1. Neka je (, , ) prostor vjerovatnoe i , () > 0. Tada je
vjerovatnoa na
prostoru .
Definicija 2.2. Za familiju dogaaja
, kaemo da je nezavisna, ako za proizvoljan konaan skup

indeksa
1
,
2
, ,
vrijedi:
(
=1
) = (
=1
.
33

Primjer 2.2. Bacamo dvije simetrine kocke. Neka je:
= { 1} ,
= { 2} ,
= { 4} .
Tada je:
( ) =
1
36
1
6
1
12
= () () .
Dakle, i su zavisni.
( ) =
1
36
=
1
6
1
6
= () () .
Dakle, i su nezavisni.

Dokaz: Iz pretpostavke primjedbe, imamo da je:
(
) = (( )
) = 1 ( ) = 1 () () +( ) =
= 1 () () +() () = (1 ()) (1 ()) = (
) (
) .
Dakle,
su nezavisni.

Primjedba 2.1. i su nezavisni
nezavisni.
Definicija 2.3. Konana ili prebrojiva familija
, = 1, 2, dogaaja u prostoru vjerovatnoe (, , ) je

potpun sistem dogaaja ako je:
a)
, = 1,2,
b)
= ,
C)

= ,

34

Dokaz:
() = ( ) = (
) = ((
) =
= (
= (
)(|

Formula potpune vjerovatnoe ima iroke primjene. esto
zovemo hipotezama.

Dokaz: Za () = 0 tvrdnja je oigledna. Neka je () > 0. Tada na osnovu teorema 2.2. imamo
da je:
(|) =
() =
(|
= (
|)
(|
.
Za
za koje je (
) > 0 imamo da je:
(|
) =
)
=
(
)
(
)
= (|
) .
Teorem 2.2. (Formula potpune vjerovatnoe) Neka je
, = 1, 2, potpun sistem dogaaja u prostoru

vjerovatnoe (, , ). Tada za vrijedi:
() = (
)(|
.
Posljedica 2.1. Neka je
, = 1, 2, potpun sistem dogaaja u prostoru (, , ). Tada za ,

vrijedi:
(|) = (
|) (|
.
35

Tim je formula dokazana.

Dokaz:
(
|) =
(
)
()
=
(
)(|
)

Bayesova formula daje vjerovatnou hipoteze ako se dogodio neki dogaaj.

2.2. Zadaci

2.2.1. Uvjetna vjerovatnoa i nezavisnost

1. Bacamo tri kocke. Kolika je vjerovatnoa da je zbir brojeva koji su pali paran, ako je zbir vei
od 14?
Rjeenje: Imamo dogaaje:
= { }, = { 14}
Svi mogui ishodi su
{(, , ) , , = 1, ,6},
to je ukupno 6
3
= 216.
Ishodi za su:
(3, 6, 6)
(4, 5, 6), (4, 6, 5), (4, 6, 6)
(5, 4, 6), (5, 6, 4), (5, 5, 5), (5, 6, 6), (5, 6, 5), (5, 5, 6)
(6, 3, 6), (6, 6, 3), (6, 4, 5), (6, 5, 4), (6, 4, 6), (6, 6, 4), (6, 5, 5), (6, 5, 6), (6, 6, 5), (6, 6, 6),
Teorem 2.3. (Bayesova formula) Neka je
, = 1, 2, potpun sistem dogaaja u prostoru (, , ).

Tada za , () > 0, i=1,2,... vrijedi:

(
|) =
(
)(|
)(|
)(|
)

36

to je ukupno 20.
Ishodi za su:
a) Sve tri broja parna, ukupno 3
3
= 27.
b) Tano jedan paran, ukupno 3 3 3
2
= 81.
Odnosno, ukupno ishoda za je 27+81=108.
Otuda je:
(|) =
( )
()
=
7
216
20
216
=
7
20
.
2. Bacamo tri kocke. Neka su dati dogaaji:
= { }
= { }
Kolika je vjerovatnoa (|)? Da li su i nezavisni?
Rjeenje: Ishodi za su:
a) na prve dvije kocke parni brojevi. Ukupno 3
2
= 9.
b) na prve dvije kocke neparni brojevi. Ukupno 3
2
= 9.
Ukupno ishoda za je 18 6 = 108. Ukupno ishoda za je 3 36 = 108. Ukupan broj moguih
ishoda je 6
3
= 216. Tim je:
(|) =
( )
()
=
3 18
216
18 6
216
=
1
2

() =
3 36
6
3
=
1
2
.
Dakle,
(|) = ().
To znai da su i nezavisni.

3. Neka izvodimo sluajni pokus iji su ishodi, uspjeh-1 i neuspjeh-0, jednako vjerovatni. Neka
su dati dogaaji:
= { }
= { }.
37

a) Dokazati da su i nezavisni u tri izvedena pokusa.
b) Dokazati da su i zavisni u dva izvedena pokusa.
Rjeenje:
a) Prostor jednakovjerovatnih ishoda je:
= {(0,0,0), (0,0,1), (0,1,0), (1,0,0), (0,1,1), (1,0,1), (1,1,0), (1,1,1)}.
Ukupno 2
3
= 8. Za dogaaj imamo:
= {(0,0,1), (0,1,0), (1,0,0), (0,1,1), (1,0,1), (1,1,0)}
to je ukupno 6. Time je:
() =
6
8
=
3
4
.
Za dogaaj imamo:
= {(0,0,1), (0,1,0), (1,0,0)}
to je ukupno 4. Dalje imamo da je:
= {(0,0,1), (0,1,0), (1,0,0)}
to je ukupno 3. Time je:
( ) =
3
8
=
3
4
4
8
= () () .
Dakle, i su nezavisni.
b) Imamo da je:
= {(0,0), (0,1), (1,0), (1,1, )}
= {(0,1), (1,0)}, = {(0,1), (1,0), (0,0)}, = {(0,1), (1,0)} .
Prema tome je:
( ) =
1
2
1
2
3
4
= () () ,
Odnosno, dogaaji i su zavisni.
4. Na testu iz vjerovatnoe, % studenata nije znalo uraditi prvi zadatak, % drugi i %
prvi i drugi.
a) Kolika je vjerovatnoa da student nije znao prvi, ako nije znao drugi?
b) Kolika je vjerovatnoa da student nije znao drugi, ako nije znao prvi?
c) Kolika je vjerovatnoa da nije znao prvi ili drugi?

38

= { } = { }.
Otuda je:
() = 0.25, () = 0,15 i ( ) = 0.1.
a) Imamo da je:
(|) =
( )
()
=
0.1
0.15
=
10
15
=
2
3
.
b) Analogno:
(|) =
2
3
.
c) ( ) = () +() ( ) = 0.25 +0.15 0.1 = 0.3 .

5. Neka su i dogaaji dati sa:
() =
, () =
, ( ) =
.
Nai:
a) (|) .
b) (|) .
c) ( ) .
d) (
) .
e) (
) .

Rjeenje:
a) Imamo da je:
(|) =
( )
()
=
1
10
1
6
=
6
10
=
3
5
.
b) Imamo da je:
(|) =
1
10
1
3
=
3
10
.
c) Imamo da je:
39

( ) = () +() ( ) =
1
3
+
1
6
1
10
=
25
60
=
2
5
.

d) Imamo da je:
(
) =
(
)
(
)
=
(( )
)
(
)
=
1 () () +( )
1 ()
=
=
1
1
3
1
6
+
1
10
1
1
6
=
6
10
5
6
=
18
25
.
e) Imamo da je:
(
) =
6
10
2
3
=
9
10
.
6. Neka je:
() =
, () =
, ( ) =
.
Nai (|) i (|).
Rjeenje:
( ) = () +() ( ) =
1
2
+
5
6
7
8
=
11
24
,
(|) =
( )
()
=
11
24
5
6
=
11
20
,
(|) =
( )
()
=
11
24
1
2
=
11
12
.
7. Nai (|) ako je:
a) .
b) = .
Rjeenje:
a) Imamo da je:
(|) =
( )
()
=
()
()
= 1 .
b) Imamo da je:

40

(|) =
( )
()
=
()
()
=
0
()
= 0 .
8. Strijelci i gaaju cilj. Vjerovatnoa da pogodi cilj je
,
dok je vjerovatnoa da pogodi
.
a) Ako svaki gaa jedanput i cilj je pogoen samo jedanput, kolika je vjerovatnoa da je
pogodio cilj?
b) Ako svaki gaa jedanput i cilj je pogoen, kolika je vjerovatnoa da je pogodio cilj?
c) Ako gaa samo jedanput, koliko puta treba gaati , pa da sa vjerovatnoom veom
od . tvrdimo da e cilj biti pogoen?
Rjeenje:
a) Neka je:
= { } i = { }.
Tada je:
() =
2
5
(1
1
3
) +(1
2
5
)
1
3
=
4
15
+
1
5
=
7
15
.
Sada imamo da je:
(|) =
( )
()
=
2
5
(1
1
3
)
7
15
=
4
15
7
15
=
4
7
.
b) Neka je:
= { }.
Tada je:
() = 1 (1
2
5
) (1
1
3
) = 1
2
5
=
3
5
,
(|) =
( )
()
=
()
()
=
2
5
3
5
=
2
3
.

c) Imamo da je:
2
5
+(1
2
5
) [1 (1
1
3
)
] > 0.95
3
5
[1 (
2
3
)
] > 0.55
1 (
2
3
)
>
11
12

41

(
2
3
)
<
1
12

ln
2
3
< ln
1
12

>
ln 12
ln3 ln 2
6 .
9. Student zna od pitanja. Na ispitu izvlai pitanja. Kolika je vjerovatnoa da zna
odgovor na sva pitanja?
Rjeenje: Neka je:
= { }, = 1,2,3,4.
Tada je:
(
1

2

3

4
) = (
1
) (
2
|
1
) (
3
|(
1
,
2
)) (
4
|(
1
,
2
,
3
)) =
=
70
100
69
99
68
98
67
97
= 0.23 .
10. Bacamo kocke. Kolika je vjerovatnoa da e na bar jednoj kocki pasti , ako su na sve tri
kocke pali razliiti brojevi.
Rjeenje: Imamo dogaaje
= { 6}
= { } .
Prostor jednako vjerovatnih ishoda je
= {(, , ) | , , = 1,2, ,6}
to je ukupno 6
3
= 216.
= {(, , ) | , , = 1,2,3,4,5}
to je ukupno 5
3
= 125. Sada imamo da je = \
, gdje imamo ukupno 216 125 = 91 ishoda.

Imamo da je:
= {(, , ) | },
to je ukupno 6 5 4 = 120 ishoda. Tim je:
(|) =
( )
()
=
5 4 3
216
120
216
=
3
6
=
1
2
.
11. Poznato je da se prilikom bacanja kocki pojavi bar jedna estica. Kolika je vjerovatoa da
se pojave barem dvije estice?

42

Rjeenje: Neka je:
= { } i = { }.
Tim je:
(|) =
( )
()
=
1 (
5
6
)
10
10
1
6
(
5
6
)
9
1 (
5
6
)
10
0.614772 .
12. Bacamo dvije kocke. Kolika je vjerovatnoa da je apsolutna vrijednost razlike brojeva koji su
pali bar ako je:
a) na prvoj kocki pao broj ?
b) bar na jednoj kocki pao broj ?
Rjeenje:
a) Imamo dogaaje:
= { 2},
= { 1} .
Tada je:
= {(1,3), (3,1), (2,4), (4,2), (3,5), (5,3), (4,6), (6,4), (1,4), (4,1),
(2,5), (5,2), (3,6), (6,3), (1,5), (5,1), (2,6), (6,2), (1,6), (6,1)},
to je ukupno 20 ishoda. Takoer, imamo dogaaj:
= {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6)},
koji ima ukupno 6 ishoda.
Prostor svih moguih ishoda je:
= {(, ) , = 1,6
},
to je ukupno 6
2
= 36 ishoda. Time je:
(|) =
( )
()
=
4
36
6
36
=
2
3
.
b) Neka je:
= { 1}.
Tim je:
= {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (3,1), (4,1), (5,1), (6,1)}
to je ukupno 11 ishoda. Sada je:
43

(|) =
8
36
11
36
=
8
11
.
13. Bacamo tri simetrina novia. Kolika je vjerovatnoa da su pala sva tri grba ako je na prvom
pao grb?
Rjeenje: Imamo prostor moguih ishoda:
= {(, , ), (, , ), (, , ), (, , ), (, , ), (, , ), (, , ), (, , )} .
Dakle, imamo 8 ishoda. Neka je:
= { } i = { }.
Tada je:
= {(, , )} i = {(, , ), (, , ), (, , ), (, , )},
pa je:
(|) =
1
36
4
36
=
1
4
.
14. Iz pila od karte igra uzme karte od kojih su sve tri sa znakom herc. Kolika je
vjerovatnoa da opet uzme karte od kojih je jedna sa znakom herc?
Rjeenje: Neka je:
= { 3 },
= { 3 } .
Ukupan broj ishoda za je (
13
3
), a za je (
10
1
) (
39
2
) +(
10
2
) (
39
1
) +(
10
3
). Tada je:
( ) = () (|) =
(
13
3
) ((
10
1
) (
39
2
) +(
10
2
) (
39
1
) +(
10
3
))
(
52
3
) (
49
3
)
0.0065 .
15. Trojica strijelaca gaaju cilj nezavisno jedan od drugog i pogaaju sa vjerovatnoama
respektivno. Svaki gaa jedanput.

a) Kolika je vjerovatnoa da tano jedan pogodi?
b) Ako dva strijelca pogode, kolika je vjerovatnoa da su to bili prvi i drugi strijelac?
Rjeenje:
a) Imamo dogaaje:

44

= { }, = { }, = { }.
Tada je:
= (
) (
) (
),
pa je:
() = () (
) (
) +(
) () (
) +(
) (
) () =
=
1
2
2
3
7
8
+
1
2
1
3
7
8
+
1
2
2
3
1
8
0.479 .
Koristili smo injenicu:

.
Naime, vrijedi:
(
) = (( )) = () ( ) = () () () =
= ()(1 ()) = () (
) .
b) Neka je:
= { }.
Tim je:
= (
) (
) (
)
() = () () (
) +() (
) () +(
) () () =
=
1
2
1
3
7
8
+
1
2
2
3
7
8
+
1
2
2
3
1
8
+
1
2
1
3
1
8
0.2
( |) =
( )
()
=
(
)
()
=
=
() () (
)
()
=
1
2
1
3
7
8
0.2
0.73 .

2.2.2. Formula potpune vjerovatnoe i Bayesova formula

1. Kutija sadri tri kocke. Jedna kocka ima crvene i plave strane, druga ima crvene i
plave strane, a trea kocka ima crvenu i plavih strana. Iz kutije sluajno izvlaimo po
jednu kocku. Bacamo kocke na ravnu plou i konstantujemo boju gornje strane. Kolika je
vjerovatnoa da je pala plava strana kocke?
45

Rjeenje: Neka su
1
,
2
,
3
dogaaji da je izvuena prva, druga, odnosno, trea kocka. Dogaaji
1
,
2
,
3
su nezavisni i jednako vjerovatni, pa je:
(
1
) = (
2
) = (
3
) =
1
3
.
Takoer,
1

2

3
je siguran dogaaj, tj.
1
,
2
,
3
ine potpun sistem dogaaja.
Oznaimo sa dogaaj da je pala plava strana. Tada na osnovu formule potpune vjerovatnoe je:
() = (
1
) (|
1
) +(
2
) (|
2
) +(
3
) (|
3
) =
=
1
3
4
6
+
1
3
3
6
+
1
3
5
6
=
2
9
+
1
6
+
5
18
=
12
18
=
2
3
.
2. U jednoj kutiji su crvenih i bijele kuglice, a u drugoj crvene i bijele kuglice. Sluajno
se bira kutija, te se iz nje vadi jedna kuglica. Kolika je vjerovatnoa da se izvue crvena
kuglica?
Rjeenje: Neka je
, = 1,2 dogaaj da se izabrala -ta kutija.
, = 1,2 ini potpun sistem

dogaaja, te je:
(
1
) = (
2
) =
1
2
.
Neka je dogaaj da se izvue crvena kuglica. Tada je:
() = (
1
) (|
1
) +(
2
) (|
2
) =
1
2
5
8
+
1
2
3
5
=
5
16
+
3
10
0.61 .
3. U uvjetima prethodnog zadatka, nai vjerovatnou izvlaenja crvene kuglice, ako se
odjednom izvlae kuglice.
Rjeenje: Neka je:
= { 2 }.
Tada je:
() = (
1
) (|
1
) +(
2
) (|
2
) =
=
1
2
(
5
2
)
(
8
2
)
+
1
2
(
3
2
)
(
5
2
)
=
1
2
5 4
8 7
+
1
2
3 2
5 4
0.24 .
4. Ako je u uvjetima zadatka konstantovano da je izvuena crvena kuglica, kolika je
vjerovatnoa da je izvlaenje vreno iz druge kutije?
Rjeenje: Traena vjerovatnoa je:
(
2
|) =
(
2
) (|
2
)
()
1
2
3
5
0.61
0.49 .

46

5. Kolika je vjerovatnoa da sluajno izabranih arulja iz skladita, koje sadri arulja,
bude ispravno, ako se zna da je broj neispravnih arulja jednako vjerovatan izmeu i ?
Rjeenje: Neka je
, = 0,1,2,3 dogaaj da u skladitu ima neispravnih arulja, a dogaaj da

od 5 izabranih arulja budu sve ispravne. Tada je:
() = (
) (|
)
3
=0
=
1
4
(
100
5
)
(
100
5
)
3
=0
0.927 .
6. Oznaena kuglica se moe nai u prvoj kutiji sa vjerovatnoom
, a u drugoj kutiji sa
vjerovatnoom
. Vjerovatnoa da se ta kuglica izvue iz kutije u kojoj se nalazi je
. Koliko
puta treba izvlaiti iz prve kutije od ukupno izvlaenja iz obje kutije, pa da vjerovatnoa
izvlaenja oznaene kuglice bude maksimalna, ako se zna da se nakon izvlaenja kuglica
vraa u kutiju?
= { 10 },
= { }, = 1,2.
Neka se puta izvlai iz prve i 10 iz druge kutije.
, = 1,2 ine potpun sistem dogaaja.

Vrijedi:
(
1
) =
1
4
, (
2
) =
3
4

() = (
1
) (|
1
) +(
2
) (|
2
) =
1
4
[1 (1
1
3
)
] +
3
4
[1 (1
1
3
)
10
] ,
()
=
1
4
ln
2
3

ln
2
3
+
3
4
ln
2
3

(10)ln
2
3
=
1
4
ln
2
3
(
2
3
)
+
3
4
ln
2
3
(
2
3
)
10
= 0
(
2
3
)
+3 (
2
3
)
10
= 0
(
2
3
)
210
= 3
(2 10)(ln2 ln 3) = ln3
=
ln3
2(ln 2 ln3)
+5 3.645 .
Na slian nain zakljuujemo da je:
()
> 0 <
ln3
2(ln 2 ln3)
+5 ,
47

()
< 0 >
ln3
2(ln 2 ln3)
+5 .
To znai da je:
=
ln3
2(ln2 ln3)
+5
taka maksimuma za () po . No, poto je () za = 3 manje od () za = 4, to je ()
maksimalno za = 4.
7. Avion je izgubljen u jednom od sektora. Vjerovatnoa da je izgubljen u prvom sektoru je
. , a u drugom . . Za traenje aviona angaovano je helikoptera, od kojih se svaki moe
koristiti u jednom od sektora. Kako treba raspodijeliti helikoptere po sektorima da bi
vjerovatnoa nalaenja aviona bila maksimalna, ako svaki helikopter nalazi avion u sektoru
u kome ga trai sa vjerovatnoom . ?
Rjeenje: Neka je:
= { },
= { }, = 1,2.
Neka je helikoptera angaovano u prvom, a 8 u drugom sektoru. Poto je
, = 1,2 potpun
sistem dogaaja, imamo da je:
() = (
1
) (|
1
) +(
2
) (|
2
) =
= 0.6 [1 (1 0.3)
] +0.4 [1 (1 0.3)
8
].
()
= 0 4.07 .
Zakljuujemo, kao i u prethodnom zadatku, da za = 4 imamo maksimum () po .
8. arulja moe pripadati trima raznim tipovima arulja sa vjerovatnoama . , . , .
redom. Vjerovatnoa da e arulja prvog tipa doivjeti sati je . , drugog tipa . i treeg
tipa . .
a) Kolika je vjerovatnoa da sluajno izabrana arulja doivi sati?
b) Ako je arulja doivjela sati, kolika je vjerovatnoa da je drugog tipa?
Rjeenje: Neka je:
= { } i
= { }, = 1,2,3.

, = 1,2,3 je potpun sistem dogaaja.

a) Imamo da je:
() = (
1
) (|
1
) +(
2
) (|
2
) +(
3
) (|
3
) =
= 0.3 0.2 +0.1 0.3 +0.6 0.4 = 0.33 .
b) Imamo da je:

48

(
2
|) =
(
2
) (|
2
)
()
=
0.1 0.3
0.33
0.09 .
9. U prodavnici se prodaju patike iz dvije fabrike. Od toga, fabrika
dostavlja %, a fabrika

% pari patika. Standardu proizvodnje odgovaraju % patika fabrike
i %
patika fabrike
.
a) Kolika je vjerovatnoa da sluajno izabrane patike budu po standardu?
b) Kolika je vjerovatnoa da kupljene patike budu iz fabrike
?
Rjeenje: Neka je:
= { }.
a) Imamo da je:
() = (
1
) (|
1
) +(
2
) (|
2
) =
= 0.75 0.97 +0.25 0.95 = 0.965 .
b) Imamo da je:
(
2
|) =
(
1
) (|
2
)
()
=
0.25 0.95
0.965
0.46 .

10. Kvar na elektromotoru moe nastupiti pri iskakanjem osiguraa u % sluajeva, proboju
kondezatora u % sluajeva, kratkom spoju u namotajima motora u % sluajeva i
drugim razlozima u % sluajeva. Vjerovatnoe pomenutih dogaaja su . , . , . ,
. . Ako je nastupio kvar, nai najvjerovatniji razlog.
Rjeenje: Neka su
, = 1,2,3,4 pomenuti dogaaji nastupanja kvara. Vrijedi:

(
1
) = 0.2, (
2
) = 0.35, (
3
) = 0.3, (
4
) = 0.15 .
Oznaimo sa dogaaj nastupanja kvara. Tada je:
() = (
) (|
)
4
=1
= 0.2 0.5 +0.35 0.6 +0.3 0.65 +0.15 0.3 = 0.55 .
(
1
|) =
(
1
) (|
1
)
()
=
0.2 0.5
0.55
0.18 ,
(
2
|) =
(
2
) (|
2
)
()
=
0.35 0.6
0.55
0.38 ,
(
3
|) =
(
3
) (|
3
)
()
=
0.3 0.65
0.55
0.35 ,
(
1
|) =
(
4
) (|
4
)
()
=
0.15 0.3
0.55
0.08 .
49

Dakle, najvjerovatniji razlog je proboj kondenzatora.
11. Prva kutija sadri bijele i crnih kuglica, a druga kutija sadri bijelih i crnih kuglica.
Iz prve kutije su sluajno uzete kuglice i prebaene u drugu kutiju. Iz druge je sluajno uzeta
kuglica i prebaena u prvu kutiju. Zatim iz prve kutije uzimamo jednu kuglicu. Kolika je
vjerovatnoa da je uzeta crna kuglica?
Rjeenje: Neka je:
1
= { },
2
= { }
= { }, = 0,1,2
= { } .

Tada je:
() = (
1
) (|
1
) +(
2
) (|
2
)
(
) = (
0
) (
|
0
) +(
1
) (
|
1
) +(
2
) (
|
2
), = 1,2
(
) =
(
4
2
) (
9
)
(
13
2
)
, (
1
|
) =
10
28 +
,
(
2
|
) =
18 +
28 +
, , = 0,1,2
(
1
) =
(
4
2
) (
9
)
(
13
2
)
10
28 +
2
=0
0.34 ,
(
2
) =
(
4
2
) (
9
)
(
13
2
)
18 +
28 +
2
=0
0.66 ,
(|
1
) =
(
4
2
) (
9
)
(
13
2
)
9
12
2
=0
0.63 ,
(|
1
) =
(
4
2
) (
9
)
(
13
2
)
10
12
2
=0
0.72 .

50

Pa je:
() 0.34 0.63 +0.66 0.72 0.69 .
12. Jedna serija od proizvoda ima defektnih proizvoda, a druga serija od proizvoda
ima defektna proizvoda. Iz prve serije se sluajno bira proizvoda, a iz druge
proizvoda koji se prebacuju u skladite. Iz skladita se sluajno uzima jedan proizvod. Kolika
je vjerovatnoa da je uzet ispravan proizvod?
Rjeenje: Neka je:
= { },
= { }, = 1,2.
Tim je na osnovu leme 2.1.:
() = (
1
) (|
1
) +(
2
) (|
2
) =
=
70
100
295
300
+
30
100
197
200
0.9838 .

Dokaz: Oznaimo sa dogaaj da je izabran defektan proizvod iz skladita i sa
, = 1,
dogaaj
da je u skladitu defektnih proizvoda.
Tada je:
() = (
) (|
=0
=
=
(
) (

)
(
=0

(
1
1
) (

)
(
1
1
)
=1
=
=
1
(
1
1
)
(
1
) (

1
)
1
=0

jer je:
(
1
) = 0, = , 1

Poto je:
Lema 2.1. Serija od n proizvoda ima s defektnih. Iz serije se sluajno bira proizvoda koji se prebacuju
u skladite. Iz skladita se sluajno uzima proizvod. Vjerovatnoa izbora defektnog prozivoda je:
.

51

(
) (
=0
= (
+
) , , ,
tim je:
() =
1
(
1
1
)
(
1
1
) =


52

3. Sluajne varijable Diskretne sluajne varijable

3.1. Uvod
Radi boljeg razumjevanja prostora dogaaja, kao i raunanja vjerovatnoe, dogaajima pridruujemo
realne brojeve. Tako dolazimo do pojma sluajnih varijabli. U ovoj glavi definiemo matematiki
pojam sluajnih varijabli i detaljno obraujemo sluajne varijable sa diskretnim skupom vrijednosti,
tj. diskretne sluajne varijable.

Neka je : sluajna varijabla. Uvedimo oznake koje emo koristiti:
[ < < ] = { < () < }, , ,
[ ] = { () }, ,
[ = ] = { () = }, ,
[ ] = { () }, .
Neka je : diskretna sluajna varijabla i neka je = {
1
,
2
, ,
, } . Oznaimo sa:
= ([ =
]), .
Tada je:
: (
) ,
to zovemo distribucija vjerovatnoe sluajne varijable .
Za prostor vjerovatnoe (, , ) kaemo da je diskretan prostor vjerovatnoe, ako je konaan ili
izbrojiv skup. Neka je (, , ) prostor vjerovatnoe i : diskretna sluajna varijabla. Tada,
ne gubei u optosti, moemo smatrati da je (, , ) diskretan prostor vjerovatnoe. U ovoj glavi
smatrat emo da je za diskretnu sluajnu varijablu : , prostor vjerovatnoe (, , ) je
diskretan prostor vjerovatnoe.

Definicija 3.1.1. Neka je (, , ) prostor vjerovatnoe. Funkciju : nazivamo sluajna varijabla
na (, , ). Ako za vrijedi:
1
(, ] = { () (, ]} .
Definicija 3.1.2. Za sluajnu varijablu : kaemo da je diskretna sluajna varijabla, ako postoji
konaan ili izbrojiv podskup skupa , takav da je:
([ ]) = ({ () }) = 1 .
53

Dokaz: Neka su
, = 1,
proizvoljni. Tada je:

([
1

1

1
,
2

2

2
, ,
]) = ([(
)
1
(
=1
) =
= ([
1
(
)]
=1
) = (
1
(
))
=1
= (
),
=1

jer je:
[
1

1

1
,
2

2

2
, ,
]
[
=1

())
, = 1,
)
1
(
), = 1,

Definicija 3.1.3. Neka su
1
,
2
, ,
, sluajne varijable na prostoru vjerovatnoe (, , ).

Kaemo da su sluajne varijable
1
,
2
, ,
nezavisne, ako za proizvoljne realne brojeve

1
,
2
, ,
, vrijedi:
([
1

1
,
2

2
, ,
]) =
= ([
1

1
]) ([
2

2
]) ([
]) .
Teorem 3.1.1. Neka su
1
,
2
, ,
nezavisne sluajne varijable i
1
: ,
2
: , ,
:
proizvoljne funkcije. Tada su sluajne varijable
1

1
: ,
2

2
: , ,
:
nezavisne.
Definicija 3.1.4. Kaemo da je proizvoljna familija
, , familija diskretnih sluajnih varijabli, ako su

za proizvoljan konaan podskup {
1
,
2
, ,
} skupa indeksa , diskretne sluajne varijable
1
,
2
, ,

nezavisne.

54

()
1
(
), = 1,
1
(
)], = 1,
1
(
)]
=1

i tim je teorem dokazan.
Iz navedene definicije slijedi da je vjerovatnoa dogaaja da u izvoenja pokusa imamo
, 0 , uspjeha i neuspjeha iznosi
, tj:
({
1
,
2
, ,
}) =
.
Neka je (, (), ) Bernoullijeva ema i diskretna sluajna varijabla koja predstavlja broj uspjeha
u izvoenja pokusa, tj:
((
1
,
2
, ,
)) = , = 0,
,
gdje je broj uspjeha u izvoenja pokusa. Tada je distribucija vjerovatnoe od data sa:
: (
0 1
) ,
gdje je:
= ([ = ]) = (
, = 0,
.
Definicija 3.1.5. (Bernoullijeva ema) Ako neki sluajni pokus, iji su ishodi uspjeh-
1
i neuspjeh-
2
,
ponavljamo puta, tako da vrijedi:
a) Vjerovatnoe uspjeha i neuspjeha u pojedinim izvoenjima pokusa su:
1
({
1
}) = ,
1
({
2
}) = 1 = , 0 < < 1 .
b) Ishodi u izvoenja pokusa su nezavisni dogaaji.
Neka je
1
= {
1
,
2
} i
1
({
1
}) = ,
1
({
2
}) = . Tada je (
1
, (
1
),
1
) diskretan prostor
vjerovatnoe.
Neka je:
=
1
=
1

1

1
= {(
1
,
2
, ,
):
{
1
,
2
}, = 1,
}
({
1
,
2
, ,
}) =
1
({
1
})
1
({
2
})
1
({
}) .
Tada je (, (), ) diskretan prostor vjerovatnoe, kojeg nazivamo Bernoullijeva ema.

}

55

Ovako definisanu diskretnu sluajnu varijablu nazivamo Binomna sluajna varijabla i oznaavamo je
sa:
(, ) .
Diskretnu sluajnu varijablu koja uspjeh preslikava u 1, a neuspjeh u 0, sa distribucijom
vjerovatnoe:
: (
0 1

) , 0 < < 1, = 1 ,
zovemo Bernoullijeva sluajna varijabla.
Neka su
, = 1,
diskretne sluajne varijable koje u -tom izvoenju pokusa uspjeh preslikavaju

u 1 a neuspjeh u 0, tj.
, = 1,
su Bernoullijeve sluajne varijable sa distribucijama vjerovatnoe:
: (
0 1

) , = 1,
, 0 < < 1, = 1 .
Oigledno,
, = 1,
su nezavisne sluajne varijable. Neka je binomna sluajna varijabla, tj.

~(, ). Tada vrijedi:
=
=1
.
Primjer 3.1.1. Bacamo dvije kocke 6 puta. Kolika je vjerovatnoa da na obje padne paran broj:
a) bar jedanput?
b) najvie dva puta?
c) tano tri puta?
d) ne manje od dva i ne vie od etiri puta?
Rjeenje: Zadatak emo rijeiti pomou Bernoullieve eme. Neka je uspjeh da na obje kocke padne
paran broj. Tada je vjerovatnoa uspjeha
=
9
36
=
1
4
.
Oznaimo sa broj uspjeha u 6 izvoenja pokusa, tj.
~(6,
1
4
) .
a) Imamo da je:
1 ([ = 0]) = 1 (
6
0
) (
1
4
)
0
(
3
4
)
6
= 1 (
3
4
)
6
0.822 .
b) Imamo da je:
([ 2]) = ([ = 0]) +([ = 1]) +([ = 2]) = (
6
) (
1
4
)
(
3
4
)
6
2
=0
0.83057 .

56

c) Imamo da je:
([ = 3]) = (
6
3
) (
1
4
)
3
(
3
4
)
3
= 0.13184 .
d) Imamo da je:
([2 4]) = (
6
) (
1
4
)
(
3
4
)
6
4
=2
= 0.46143 .
Neka je (, (), ) generalizirana Bernoullijeva ema. Neka u izvoenja sluajnih pokusa imamo
1
,
2
, ,
(
1
+
2
++
= ) realizacija dogaaja
1
,
2
, ,
respektivno, tj. U n-torci

(
1
,
2
, ,
) imamo
1
,
2
, ,
puta
1
,
2
, ,
respektivno. Tada je:

({(
1
,
2
, ,
)}) =
1
1

2
.
Neka je skup (
1
,
2
, ,
),
1
+
2
++
= , definisan sa:
(
1
,
2
, ,
) = {(
1
,
2
, ,
) imamo
1
,
2
, ,
puta
1
,
2
, ,
respektivno} ,
Tada je:
((
1
,
2
, ,
)) = (
1
,
2
, ,
)
1
1

2
=
=
!
1
!
2
!
1

2
.
Oigledno, ako je u generaliziranoj Bernoullijevoj emi = 2, onda imamo Bernoullijevu emu.
Primjer 3.1.2. U kutiji imamo 3 bijele, 4 crne, 8 plavih i 5 crvenih kuglica. Izvlaimo 4 kuglice jednu po
jednu sa vraanjem. Kolika je vjerovatnoa da izvuemo 2 bijele i 1 plavu?
Definicija 3.1.6. (Generalizirana Bernoullieva ema) Neka izvodimo sluajni pokus puta, kao u definiciji
3.1.5. sa razlikom da u svakom izvoenju sluajnog pokusa imamo
1
,
2
, ,
, 2 ishoda, sa
vjerovatnoama
1
,
2
, ,
respektivno, gdje je
1
+
2
++
= 1. Neka je (
1
, (
1
),
1
)
diskretan prostor vjerovatnoe, gdje je:
1
= {
1
,
2
, ,
} i
1
({
}) =
, = 1,
.
Neka je:
=
1
=
1

2

= {(
1
,
2
, ,
)
1
,
2
, ,
{
1
,
2
, ,
}}
i vjerovatnoa definisana sa:
({
1
,
2
, ,
}) =
1
({
1
})
1
({
2
})
1
({
}), (
1
,
2
, ,
) .
Diskretan sluajni prostor vjerovatnoe (, (), ) nazivamo generalizirana Bernoullijeva ema.
57

Rjeenje: Zadatak emo rijeiti pomou generalizirane Bernoullijeve eme. Neka je = 4, = 3 i
1
= { },
2
= { }
3
= { }
Tada je traena vjerovatnoa:
=
4!
2! 1! 1!

1
2

2
1

3
1
|
1
=
3
20
,
2
=
8
20
,
3
=
9
20
.
Gdje je:
1
=
3
20
,
2
=
8
20
,
3
=
9
20
.
Otuda je:
=
4!
2! 1! 1!
(
3
20
)
2
(
2
5
)
1
(
9
20
)
1
0.0486 .
Neka je prostor sastavljen od jednako vjerovatnih ishoda i neka je sluajna varijabla na
definisana tako da ishodima iz pridruuje prirodne brojeve od 1 od . Tada je distribucija
vjerovatnoe od data sa:
: (
1 2
1
) .
U ovom sluaju kaemo da ima diskretnu uniformnu distribuciju vjerovatnoe.
Neka u kutiji imamo kuglica i to bijelih i crnih. Izvlaimo , kuglica. Neka je sluajna
varijabla broj izvuenih bijelih kuglica. Tada je distribucija vjerovatnoe od data sa:
: (
0 1
) ,
gdje je:
= ([ = ]) =
(
) (

)
(
)
, = 1,
,
distribucija vjerovatnoe. U ovom sluaju za varijablu kaemo da ima hipergeometrijsku distribuciju
vjerovatnoe.
Neka je , > 0. Kaemo da sluajna varijabla ima Poissonovu distribuciju, to oznaavamo
sa ~(), ako je:
= ([ = ]) =
, = 0,1,


58

3.2. Granini teoremi u Bernoullijevoj emi

U 3.1. vidjeli smo da za binomnu sluajnu varijablu ~(, ) treba raunati:
([ = ]) = (
, = 0,
,
([ ]) = (
, , .
U primjenama broj je najee velik broj, pa je vrlo teko raunati gornje relacije. Zato emo navesti,
bez dokaza, neke klasine teoreme za priblino raunanje ([ = ]) i ([ ]).

Teorem 3.2.1. pokazuje da za velike i male
vrijedi:
([
= ])
,
gdje je:
, = 0,
.
I obino se primjenjuje za
< 10.
Primjer 3.2.1. U jednoj seriji proizvoda ima 0.1% defektnih. Kolika je vjerovatnoa da meu 1000
sluajno uzetih proizvoda bude:
a) tano 5 defektnih?
b) barem 3 defektna?
Rjeenje: Problem se modelira sa:
~(1000, 0.001) .
Poto je = 1000 0.001 = 1 < 10, dakle moemo koristiti teoremu 3.2.1.
a) Imamo da je:
Teorem 3.2.1. (Poisson) Neka je:
a)
~(,
), ,
b)
= 0 ,
c)
= , 0 < < + .
Tada za svako = 0,1, je:
= 1
.
59

([ = 5]) = (
1000
5
) (0.001)
5
(0.999)
995
1
5
5!
1
0.003 .
b) Imamo da je:
1 ([ < 3]) = 1 (
1000
0
) (0.001)
0
(0.999)
1000

(
1000
1
) (0.001)
1
(0.999)
999
(
1000
2
) (0.001)
2
(0.999)
998

1
1
0
0!
1
1
1!
1
2
2!
1
=
= 1 (1 +1 +
1
2
)
1
= 1 2.5
1
0.08 .
Teorem 3.2.2 primjenjujemo tako to za dovoljno velike vrijedi:
([
= ])
1
2
()
2
2
.
Relacija (1) primjenjuje se za 10. Daje dobre rezultate ako nije suvie malo.
Oznaimo sa:
() =
1
2
2
2
, .
Funkcija nazivamo se Gaussova ili Normalna funkcija.
Njen grafik je dat na slici 13.
Relaciju (1) sad moemo napisati u obliku
([
= ])
1
) =
1
)
Funkcija je tabelarna, pa je lako raunati vjerovatnou
([
= ]).
Teorem 3.2.2. (Lokalni Moivre-Laplaceov teorem) Neka je:
0 < < 1,
~(, ),
, = 0,
, .
Tada je:
2 ([
= ])
2
2
= 1
uniformno na svakom segmentu [, ],
.
Slika 13: Gaussova (Normalna) funkcija
(1)

60

Primjer 3.2.2. Grupa od 300 strijelaca gaa u metu tako da svaki strijelac gaa jedanput i svaki od njih
pogaa s vjerovatnoom 0.7. Kolika je vjerovatnoa da bude tano 150 pogodaka?
Rjeenja: Neka je ~(300; 0.7). Poto je 300 0.7 = 210 10 moemo primjeniti teorem 3.2.2.
([ = 150]) =
1
300 0.7 0.3
(
200 300 0.7
300 0.7 0.3
)
1
7.94
(
10
7.94
)
1
7.74
(1.26)
1
7.74
0.1804 0.023 .
Teorem 3.2.3. primjenjujemo tako to za dovoljno velike i proizvoljne , vrijedi:
([
])
1
2
2
2
= ()
.
Uvedimo oznaku:
() = ()
0
, .
Za funkciju vrijedi:
a) () = (), , jer je:
() =
0
= | = | = ()
0
=
= | | = ()
0
= () .
b) (0) = 0.
Teorem 3.2.3. (Integralni Moivre-Laplaceov teorem) Neka je
~(, ), . Tada je:
([
]) =
1
2
2
2
, , .
(2)

61

c)
lim
+
() =
1
2

2
2
+
0
=
1
2
2
2
=
1
2
.
d)
lim
() = lim
() =
= lim
+
() =
1
2
.
Grafik funkcije dat je na slici 14.
Sada formula (2) ima oblik:
([
]) () () .
U primjenama esto treba raunati ([
]), pa iz relacije (3) dobijemo:

([
]) =
([

]) (

) (

).
Neka je ~(, ), > 0. Tada je:
([|
| ]) = ([ +])
(
) (
) = 2(
) .
Uzimanjem limesa, imamo da je:
lim
([|
| ]) lim
2(
) = 1 .
Tumaenje relacije (4) je: za dovoljno velike vjerovatnoa da apsolutna vrijednost razlike relativne
frekvencije uspjeha u Bernoullijevoj emi i vjerovatnoe uspjeha u svakom pokusu bude manja od
datog > 0 je priblino jednaka 1.
Slika 14: Grafik funkcije
0.5
0.5
3 1 1 3
(3)
(4)

62

Zbog toga se u primjenama nepoznati parametar u Bernoullijevoj emi procjenjuje sa relativnom
frekvencijom uspjeha.
Primjer 3.2.3. Bacamo simetrian novi 1000 puta. Kolika je vjerovatnoa da grb padne vie puta od
pisma?
Rjeenje: Neka je broj grbova u 1000 bacanja. Tada je ~(1000,0.5) i vrijedi:
([ 501]) = ([501 1000]) (
1000 1000 0.5
1000 0.5 0.5
) (
501 1000 0.5
1000 0.5 0.5
) =
(
1000 1000 0.5
1000 0.5 0.5
) (
501 1000 0.5
1000 0.5 0.5
) =
= (
500
250
) (
1
250
) 0.5 0.024 = 0.476 .
Primjer 3.2.4. Koliko puta treba bacati kocku tako da apsolutna vrijednost razlike relativne frekvencije
pojavljivanja 1 ili 2 i vjerovatnoe pojavljivanja 1 ili 2 u svakom bacanju s vjerovatnoom 0.9 bude
manja ili jednaka 0.01?
Rjeenje: Vjerovatnoa pojavljivanja 1 ili 2 u svakom bacanju je =
1
3
. Neka je broj pojavljivanja 1
ili 2 u bacanja. Tada iz pretpostavke slijedi:
([|
1
3
| 0.01]) = 0.9 .

Na osnovu relacije (4) imamo:
0.9 = ([|
1
3
| 0.01]) 2
(
0.01
1
3
2
3 )
.
Iz tablica slijedi:
0.01
1
3
2
3
1.65 ,
odnosno, = 54450.
Primjer 3.2.5. U kutiji su 3 bijele i 7 crnih kuglica. Sluajno izvlaimo kuglicu sa vraanjem u kutiju 2000
puta. U kojim granicama s vjerovatnoom 0.95 treba oekivati relativnu frekvenciju bijelih kuglica?
63

Rjeenje: Vjerovatnoa izvlaenja bijele kuglice je = 0.3. Neka je broj bijelih kuglica u 2000
izvlaenja. Tada je ~(2000,0.3). Iz pretpostavke i relacije (4) slijedi:
0.05 = ([|
2000
0.3| ]) 2(
2000
0.3 0.7
) .
Iz tablica slijedi da je:
2000
0.3 0.7
1.96 0.02 ,
tj. granice relativne frekvencije su 0.3 0.02 = 0.28 i 0.3 +0.02 = 0.32.

3.3. Funkcija gustoe i funkcija distribucije

Neka je (, (), ) diskretan prostor vjerovatnoe i diskretna sluajna varijabla na sa
distribucijom vjerovatnoe:
: (
) .

Vrijedi:
() = ([ ]) =
()
.
Definicija 3.3.1. Funkcija gustoe od je funkcija
: definisana sa:
() = ([ = ]) = {
0, =
, =
, , .
Definicija 3.3.2. Funkcija distribucije diskretne sluajne varijable je funkcija
: , definisana sa:
() = ([ ]), .

64

Dokaz:
a)
1
<
2

[
1
] [
2
]
([
1
]) ([
2
])

(
1
)
(
2
) .
b) Neka je proizvoljna taka i neka je niz (
takav da s desna konvergira ka . Bez

gubljenja optosti moemo pretpostaviti da je niz (
strogo opadajui,
tj.
>
+1
, i lim
= .
Tada je:
[
] [
+1
], ,
[
]
+
=1
= [ ] ,
jer vrijedi:
[
+1
] [
] ,
()
+1
<
].
[
]
+
=1
[
], () [ ] .
Iz teorema 1.2.1. e) slijedi da je:
([ ]) = lim
([
])
() = lim
).
No, poto je niz (
proizvoljan za kojeg vrijedi lim
= s desna, to je
() = lim
+0
(),
Odnosno,
je neprekidna s desna.
Teorem 3.3.1. Neka je , (), ) diskretan prostor vjerovatnoe, diskretna sluajna varijabla na i
funkcija distribucije od .
ima sljedea svojstva:

a)
je monotono neopadajua funkcija na , tj.

1
,
2
i
1
<
2

(
1
)
(
2
) .
b)
je neprekidna s desna.
c)
+
() =
(+) = 1 .
d)
() =
() = 0 .
65

c) Neka je (
proizvoljan niz takav da je lim

+
= +. Bez gubitka optosti moemo

pretpostaviti da je niz (
strogo rastui. Tada je [
], uzlazni niz dogaaja,

tj. vrijedi da je:
[
] [
+1
], .
Tada, na osnovu teorema 1.2.1. d) vrijedi:
lim
([
]) = ([
]
+
=1
) = () = 1 lim
+
() = 1 .
Za strogo opadajui niz (
i lim
+
= vrijed:
lim
([
]) = ([
]
+
=1
) = () = 0 lim
() = 0
Neka je
1
<
2
. Tada je:
a)
([
1
<
2
]) = ([
2
]\[
1
]) =
= ([
2
]) ([
1
]) =
(
2
)
(
1
)
jer je [
1
] [
2
] .
b)
([
1
<
2
]) = lim
([
1
<
2
]) =
= lim
(([
2
]) ([
1
])) =
= ([
2
]) lim
([
2
]) =
=
(
2
) lim
1
0
() =
(
1
)
(
1
0) ,
gdje je
(
1
0) oznaka za limes s lijeve strane.
c)
([
1
<
2
]) = lim
([
1
<
2
]) =
= lim
(([
2
]) ([
1
])) =
= lim
(
2
(
1
)) =
(
2
0)
(
1
0) .

66

d)
([
1
< <
2
]) = lim
([
1
<
2
]) =
= lim
(([
2
]) ([
1
])) =
(
2
0)
(
1
) .
U gornjim relacijama koriten je teorem 1.2.1. d) i e).
Neka je proizvoljan. Tada je:
() = ([ = ]) = ([
1
< ]
+
=1
) =
lim
+
([
1
< ]) = lim
()
(
1
) =
()
( 0)
Primjer 3.3.1. Kutija sadri 3 bijele, 2 crne i 5 plavih kuglica. Sluajno izvlaimo jednu kuglicu. Neka je
sluajna varijabla koja bijele preslikava u 1, crne u 2 i plave u 3. Nai funkciju gustoe i funkciju
distribucije od ! Nacrtati grafik funkcije distribucije od .
Rjeenje: Distribucija od je:
: (
1 2 3
3
10
2
10
5
10
) .
Funkcija gustoe je:
() = ([ = ]) =
{
3
10
, = 1
2
10
, = 2
5
10
, = 3
0, 1,2,3
, .
Funkcija distribucije je:
() = ([ ]) =
{
0, < 1
3
10
, 1 < 2
5
10
, 2 < 3
1, 1,2,3

67

Primjer 3.3.2. Bacamo 2 tetraedra. Neka je apsolutna vrijednost razlike brojeva koji su pali na donju
stranu u oba tetraedra. Nai funkciju gustoe i funkciju distribucije od ! Nacrtati grafik funkcije
distribucije.
Rjeenje: Prostor elementarnih dogaaja je:
= {(i, j) | , = 1,4
},
ukupno 4
2
= 16.
Ishodi za [ = 0] su:
{(1,1), (2,2), (3,3), (4,4)},
to je ukupno 4, pa je:
([ = 0]) =
4
16
=
1
4
.
{(1,2), (2,1), (2,3), (3,2), (3,4), (4,3)},
([ = 1]) =
6
16
=
3
8
.
{(1,3), (3,1), (2,4), (4,2)},
([ = 2]) =
4
16
=
1
4
.
Slika 15: Izgled funkcije distribucije za primjer 3.2.1.
1
2
3
3 2 1

68

{(1,4), (4,1)},
([ = 3]) =
2
16
=
1
8
.

Tim je distribucija vjerovatnoe od :
: (
0 1 2 3
1
4
3
8
1
4
1
8
) .
Funkcija gustoe od je:
() =
{
1
4
, = 0
3
8
, = 1
1
4
, = 2
1
8
, = 3
0, 0,1,2,3
, .
Funkcija distribucije od je:
() =
{
0, < 0
1
4
, 0 < 1
5
8
, 1 < 2
7
8
, 2 < 3
1, 3
, .
Primjer 3.3.3. Neka je:
Slika 16: Funkcija distribucije za primjer 3.2.2.
7
8

1
3 2
5
8

1
4

1
69

() =
{
0, < 1
1
2
, 1 < 2
3
4
, 2 < 3
7
8
, 3 < 4
1, 4
, .
Izraunati:
a) ([
1
4
< <
7
2
]) .
b) ([
5
2
< 4]) .
c) ([ > 3]) .
d)
() .
Rjeenje:
a) Imamo da je:
([
1
4
< <
7
2
]) =
(
7
2
0)
(
1
4
) =
7
8
0 =
7
8
.
b) Imamo da je:
([
5
2
< 4]) =
(4 0)
(
5
2
0) =
7
8
3
4
=
1
8
.
c) Imamo da je:
([ > 3]) = 1 ([ 3]) = 1
(3) = 1
7
8
=
1
8
.
d) Imamo da je:
([ = 1]) =
(1)
(1 0) =
1
2
0 =
1
2
,
([ = 2]) =
(2)
(2 0) =
3
4
1
2
=
1
4
,
([ = 3]) =
(3)
(3 0) =
7
8
3
4
=
1
8
,
([ = 4]) =
(4)
(4 0) = 1
7
8
=
1
8
,
([ = ]) = 0, 1,2,3,4 .

Tim je funkcija gustoe od :

70

() =
{
1
2
, = 1
1
4
, = 2
1
8
, = 3
1
8
, = 4
0, 1,2,3,4
, .
71

Definicija 3.3.4. Neka je = (
1
, ,
), diskretan -dimenzionalan sluajni vektor. Funkcija

gustoe sluajnog vektora ili zajednika funkcija gustoe sluajnih varijabli
1
,
2
, ,
je funkcija:
1
,,

definisana sa:
() =
((
1
,
2
, ,
)) = ([ = ]) = ([
1
=
1
, ,
]) =
= {
1
,,
,
1
=
1
1
,
2
=
2
2
, ,

0,
,
1
,
2
, ,
,
gdje je = (
1
,
2
, ,
i gdje su:
1
: (
1
1
2
1

1
1
2
1

),
2
: (
1
2
2
2

1
2
2
2

), ,
: (
)
distribuirane vjerovatnoe sluajnih varijabli
1
,
2
, ,
.

Neka su:
: (
) , = (
),
Distribucije vjerovatnoa sluajnih varijabli , i neka je = (, ) sluajni vektor. Tada je funkcija
gustoe sluajnog vektora data sa:
() = ([ = ]) = ([ = , = ]) = {
,
, =
, =
, ,
0,
, ,
, = (, )
2
.

Definicija 3.3.3. Neka su
1
,
2
, ,
, diskretne sluajne varijable na prostoru vjerovatnoe

(, , ). Ureenu -torku = (
1
,
2
, ,
) nazivamo diskretan -dimenzionalan sluajni vektor,

ili krae, sluajni vektor.
Definicija 3.3.5. Funkcija distribucije sluajnog vektora = (
1
, ,
) je funkcija:
1
,,

definisana sa:
() = ([ ]) = ([(
1
,
2
, ,
) (
1
,
2
, ,
)]) =
= ([
1

1
, ,
]), = (
1
, ,
.

72

Dokaz: a) b) :
Neka su
1
, = 1,
, nezavisne diskretne sluajne varijable. Tada, za proizvoljne
, = 1,
,
vrijedi:
(
1
,
2
, ,
) = ([
1

1
,
2

2
, ,
]) =
= ([
1

1
]) ([
2

2
]) ([
]) =
1
(
1
)
2
(
2
)
), (
1
,
2
, ,
.
Odnosno vrijedi relacija pod b).
b) c):
Ako vrijedi relacija pod b), tada je:

1
,
2
,,
(
1
,
2
, ,
1
(
1
)
2
(
2
)
) =
=
1
(
1
)
2
(
2
)
=
=
1
(
1
)
2
(
2
)
, (
1
,
2
, ,
), (
1
,
2
, ,
.
Otuda je:
1
,
2
,,
(
1
,
2
, ,
) =
1
(
1
)
2
(
2
)
), (
1
,
2
, ,
,
odnosno vrijedi relacija pod c).
Implikacije c) b) i b) a) oigledno vrijede.
Neka je = (
1
, ,
i neka je = (
1
, ,
) sluajni vektor.
, = 1,
diskretne sluajne varijable. Neka su:
1
,
2
,,
1
,
2
,,
, = 1,

zajednika funkcija distribucije, zajednika funkcija gustoe, funkcije distribucije, funkcije gustoe
sluajnih varijabli
, = 1,
redom. Sljedee relacije su ekvivalentne:

a)
, = 1,
su nezavisne.
b)
1
,
2
,,
(
1
,
2
, ,
) =
1
(
1
)
2
(
2
)
), (
1
,
2
, ,
.
c)
1
,
2
,,
(
1
,
2
, ,
) =
1
(
1
)
2
(
2
)
), (
1
,
2
, ,
.
73

Tada je:
() =
1
,
2
,
1
1
2
2
()
()
.
Oigledno vrijedi:
lim
(
1
, ,
) = 0 ,
za proizvoljne
1
, ,
1
,
+1
, ,
i = 1,
. Dalje je:
lim
1
+
(
1
, ,
) = 1 .
Vrijedi:
= ([
]) =
1
,,
1
,,
+1
,,
+1
, = 1,
.
Naprimjer, za = 3 i sluajni vektor = (, , ) vrijedi:
lim
(, , ) = 0 , , ,
lim
(, , ) = 0 , , ,
lim
(, , ) = 0 , , ,
lim
+
+
+
(, , ) = 1 .
Neka su:
: (
) , = (
) , = (
) ,
distribucije vjerovatnoa sluajnih varijabli , , . Neka je funkcija gustoe sluajnog vektora
= (, , ) data sa:

74

(, , ) = {
,,
, =
, =
, =
, , ,
0,
, (, , )
3
.
Tada je:
=
,,
=
,,
=
,,
, , , ,
odnosno,
() =
(,
() =
, ,
() =
, )
, , , .
Neka je = (, ) sluajni vektor sa funkcijom gustoe
. esto se ta funkcija gustoe pie pomou

tablice. Neka su date distribucije vjerovatnoa sluajnih varijabli , :
= (
) , = (
) .
Tada funkciju gustoe
moemo prikazati pomou tabele:

11

12

1

21

22

2

1

2

1
= ([ =
1
]) = ([ =
1
, =
1
]) +([ =
1
, =
2
]) ++
+([ =
1
, =
]) + =
11
+
12
++
1
+ =
1
1
= ([ =
1
]) = ([ =
1
, =
1
]) +([ =
2
, =
1
]) ++
+([ =
, =
1
]) =
11
+
21
+
1
+ =
1
.
Analogno i za ostalo
, , .
Gornje relacije mogu se prikazati preko funkcije gustoe:
() =
(,
() =
, )
, , .

75

Neka je = (
1
,
2
, ,
) sluajni vektor,
funkcija gustoe, odnosno funkcija distribucije.

Ako su
1
,
2
, ,
nezavisne sluajne varijable, tada je:
(
1
,
2
, ,
) = ([
1
=
1
,
2
=
2
, ,
]) = | | =
= ([
1
=
1
]) ([
2
=
2
]) ([
]) = ([
])
=1
=
=1
,
gdje je = (
1
,
2
, ,
. Otuda je:
=1
.
Obrnuto, ako vrijedi (1), tada za proizvoljne
, = 1,
vrijedi:
([ [
1
=
1
]
1
, , [
]) =
(
[
1
=
1
, ,
=
= | (1) 1.2.1. | = [
1
=
1
, ,
(
1
, ,
=
=
1
(
1
)
1
(
1
)
=
= ([
1
=
1
])
1
([
])
= ([
1

1
]) ([
]) ,
tj.
, = 1,2
su nezavisne.
Dakle,
, = 1,
su nezavisne sluajne varijable, ako i samo ako, vrijedi relacija (1).

Takoer, ako su
, = 1,
nezavisne sluajne varijable, vrijedi:
(
1
,
) = ([
1

1
, ,
]) = ([
1

1
]) ([
]) =
=
1
(
1
)
), = (
1
, ,
.
Otuda je:
=1
.
Vrijedi i obrnuto, tj. iz relacije (2) slijedi nezavisnost sluajnih varijabli
, = 1,
.
(1)
(2)

76

Dakle, sluajne varijable
, = 1,
su nezavisne, ako i samo ako, vrijedi relacija (2).

Primjer 3.3.4. Bacamo tetraedar na plou i gledamo koji je broj pao na donju stranu. Tada, toliko puta
bacamo novi i gledamo koliko je puta palo pisama. Neka je broj koji je pao na donju stranu, a
broj pisama.
a) Nai funkciju gustoe sluajnog vektora = (, ) .
b) Nai funkciju gustoe za i .
c) Ispitati nezavisnost i .
d) Izraunati ([ 2, > 1]) .

Rjeenje:
a) Imamo da je:
([ = 0| = 1]) =
1
2

10
= ([ = 1, = 0]) = ([ = 1]) ([ = 0| = 1]) =
1
4
1
2
=
1
8
,
([ = 1| = 1]) =
1
2

11
= ([ = 1, = 1]) = ([ = 1]) ([ = 1| = 1]) =
1
4
1
2
=
1
8
,
([ = 0| = 2]) =
1
4

20
=
1
4
1
4
=
1
16
,
([ = 1| = 2]) = (
2
1
) (
1
2
)
1
(
1
2
)
1
=
1
2

21
=
1
4
1
2
=
1
8
,
([ = 2| = 2]) = (
2
2
) (
1
2
)
2
(
1
2
)
0
=
1
4

22
=
1
4
1
4
=
1
16
,
([ = 0| = 3]) = (
3
0
) (
1
2
)
0
(
1
2
)
3
=
1
8

30
=
1
4
1
8
=
1
13
,
([ = 1| = 3]) =
3
8

31
=
3
32
,
([ = 2| = 3]) =
3
8

32
=
3
32
,
([ = 3| = 3]) =
1
8

33
=
1
32
,
([ = 0| = 4]) =
1
16

40
=
1
64
,
([ = 1| = 4]) =
1
4

41
=
1
16
,
([ = 2| = 4]) =
3
8

42
=
3
32
,
([ = 3| = 4]) =
1
4

43
=
1
16
,
([ = 4| = 4]) =
1
16

44
=
1
64
,
77

= 0, > .
Time imamo tabelu:

1
8

1
8
0 0 0

1
16

1
8

1
16
0 0

1
32

3
32

3
32

1
32
0

1
64

1
16

3
32

1
16

1
64

b) U tabeli saberemo retke:
1
= ([ = 1]) =
1
8
+
1
8
=
1
4
,
2
= ([ = 2]) =
1
16
+
1
8
+
1
16
=
1
4
,
3
= ([ = 3]) =
1
32
+
3
32
+
3
32
+
1
32
=
1
4
,
1
= ([ = 3]) =
1
64
+
1
16
+
3
32
+
1
16
+
1
64
=
1
4
.
Tim je distribucija vjerovatnoe sluajne varijable :
: (
1 2 3 4
1
4
1
4
1
4
1
4
) ,
Odnosno, funkcija gustoe sluajne varijable :
() = {
1
4
, = 1,4

0,
, .
U tabeli saberemo stupce:
= ([ = 0]) =
1
8
+
1
16
+
1
32
+
1
64
=
15
64
,
1
= ([ = 1]) =
1
8
+
1
8
+
3
32
+
1
16
=
13
32
,
2
= ([ = 2]) =
1
16
+
3
32
+
3
32
=
1
4
,


78

3
= ([ = 3]) =
1
32
+
1
16
=
3
32
,
4
= ([ = 4]) =
1
64
.
Tim je distribucija vjerovatnoe po :
: (
0 1 2 3 4
15
64
13
32
1
4
3
32
1
64
) ,
odnosno funkcija gustoe po :
() = {
, = , = 1,4

0,
, .
c) Imamo da je:
(2,1) =
21
=
1
8
1
4
13
32
=
=
2

1
=
(2)
(1) ,
to znai da varijable , nisu nezavisne.
d) Imamo da je:
([ 2, > 1]) =
(, )
2
>1
=
=
12
+
13
+
14
+
22
+
23
+
24
=
1
16
.

3.4. Zadaci Bernoullijeva ema

1. Bacamo 3 puta dvije kocke. Kolika je vjerovatnoa da se bar jednom na obje kocke pojavi
paran broj?
Rjeenje: Neka je dogaaj da se pojavi paran broj na obje kocke. Time je:
= () =
3
6
3
6
=
1
4
, = 1 =
3
4
.
Neka je broj realizacija dogaaja u 3 bacanja, tj. neka je broj uspjeha u 3 bacanja. Tada je:
([ 1]) = 1 ([ = 0]) =
= 1 (
3
0
) (
1
4
)
0
(
3
4
)
3
=
27
64
.
79

2. Koliko puta treba bacati kocku da bi se sa vjerovatnoom, ne manjom od . , moglo
oekivati da e pasti broj ?
Rjeenje: Neka je dogaaj da je pao broj 2, pa je:
= () =
1
6
.
Neka je broj uspjeha. Tada je:
([ 1]) = 1 ([ = 0]) = 1 (
0
) (
1
6
)
0
(
5
6
)
.
Iz pretpostavke slijedi da je:
([ 1]) 0.9
1 (
0
) (
1
6
)
0
(
5
6
)
0.9
(
5
6
)
0.1

ln 0.1
ln
5
6
13 .
3. Koliko puta treba bacati 3 kocke pa da se sa vjerovatnoom, ne manjom od . , moe
oekivati da zbir brojeva koji su pali bude ?
Rjeenje: Neka je dogaaj da je zbir brojeva koji su pali 10. Sljedee kombinacije su sa zbirom 10:
{(1,3,6), (1,4,5), (2,2,6), (2,3,5), (2,4,4), (3,3,4)} .
Permutacijom ovih kombinacija dobijemo sve povoljne kombinacije za . Broj tih kombinacija je:
3! +3! +3! +3 +3 +3 = 27 .
Samim tim je :
() =
27
216
=
1
8
.
Neka je ~(,
1
8
). Tada, iz pretpostavke, imamo da je:
([ 1]) 0.5
1 ([ = 0]) 0.5
([ = 0]) 0.5
(
0
) (
1
8
)
0
(
7
8
)
0.5

80

ln0.5
ln
7
8
6 .
4. U jednoj seriji proizvoda je % defektivnih. Koliko treba prebaciti proizvoda u skladite pa
da vjerovatnoa, da se u njemu nae bar jedan defektni proizvod, bude ne manja od . ?
Rjeenje: Neka je broj prebaenih defektnih proizvoda. Vjerovatnoa prebacivanja defentnog
proizvoda je 0.03. Tada je:
~(, 0.03),
gdje je broj svih prebaenih proizvoda. Time je:
([ 1]) = 1 ([ = 0]) | | 0.9
([ = 0]) 0.1 (
0
) (0.03)
0
(0.97)
0.1

ln 0.1
ln0.97
76 .
5. Da li je vjerovatnije dobiti u igri sa ravnopravnim protivnikom u dvije od etiri igre ili u etiri
od est igara?
Rjeenje: Vjerovatnoa da se dobiju dvije od etiri igre je:
(
4
2
) (
1
2
)
2
(
1
2
)
2
= 6
1
16
=
24
64

a vjerovatnoa da se dobiju etiri od est igara je:
(
6
4
) (
1
2
)
4
(
1
2
)
2
=
15
64
.
To znai, da je vjerovatnije da e dobiti dvije od etiri igre.
6. Jedan ureaj se sastoji od dijelova koji otkazuju nezavisno jedan od drugog sa
vjerovatnoom . . Ureaj prestaje raditi ako otkau bar dijela. Kolika je vjerovatnoa da
ureaj prestane raditi?
Rjeenje: Neka je broj dijelova koji su otkazali. Tada je ~(6,0.2), odnosno:
([ 2]) = 1 ([ < 2]) = 1 ([ = 0]) ([ = 1]) =
= 1 (
6
0
) (0.2)
0
(0.8)
6
(
6
1
) (0.2)
1
(0.8)
5
0.34 .
7. Vjerovatnoa da strijelac pogodi cilj je . . Kolika je vjerovatnoa da pogodi dva puta cilj,
najkasnije u petom gaanju?
Rjeenje: Neka je broj pogodaka u pet gaanja. Tada je ~(5,0.8), pa je:
([ = 2]) = (
5
2
) (0.8)
2
(0.2)
3
0.05 .
pretpostavka
81

8. Kolika je vjerovatnoa pogaanja cilja pri jednom gaanju da bismo sa vjerovatnoom bar
. oekivali pogaanje cilja u toku gaanja?
Rjeenje: Neka je broj pogaanja u 4 gaanja. Tada je ~(4, ), pa je:
([ 1]) 0.9
1 ([ = 0]) 0.9
(
4
0
)
0
(1 )
4
0.1
1 0.1
4
0.56
0.44 .
9. U kutiji imamo bijele i crvenih kuglica, a izvlaimo est puta po jednu kuglicu sa
vraanjem. Koji je najvjerovatniji broj izvuenih kuglica?
Rjeenje: Neka je broj izvuenih bijelih kuglica. Tada je:
~(6,
3
10
) .
([ = 0]) = (
6
0
) (0.3)
0
(0.7)
6
0.1176 ,
([ = 1]) = (
6
1
) (0.3)
1
(0.7)
5
0.3025 ,
([ = 2]) = (
6
2
) (0.3)
2
(0.7)
4
0.3241 ,
([ = 3]) = (
6
3
) (0.3)
3
(0.7)
3
0.1852 ,
([ = 4]) = (
6
4
) (0.3)
4
(0.7)
2
0.0595 ,
([ = 5]) = (
6
5
) (0.3)
5
(0.7)
1
0.0102 ,
([ = 6]) = (
6
6
) (0.3)
6
(0.7)
0
0.0007 .
Dakle, najvjerovatniji broj izvuenih bijelih kuglica je 2.
10. Jedan pogon proizvodi tri puta vie od drugog pogona iste fabrike. U prvom pogonu je %,
a u drugom % defektnih proizvoda. Dnevna proizvodnja se pakuje u zajedniko skladite.
Ako se iz skladita sluajno uzme proizvoda, kolika je vjerovatnoa da su meu njima
defektna?
Rjeenje: Neka je broj proizvoda u skladitu iz drugog pogona. Tada je, iz pretpostavke, 3 broj
proizvoda u skladitu iz prvog pogona. Ukupan broj proizvoda je 3 + = 4.
Vjerovatnoa da izaberemo proizvod u skladitu iz prvog pogona je:
3
4
=
3
4
,
a vjerovatnoa da izaberemo proizvod iz drugog pogona je:
1
3
4
=
1
4
.

82

Vjerovatnoa da izaberemo defektan proizvod je:
3
4
0.05 +
1
4
0.03 = 0.045 .
Neka je broj defektnih u 15 izabranih proizvoda. Tada je:
~(15,0.045).
Time je:
([ = 2]) = (
15
2
) (0.045)
2
(0.955)
13
0.1168 .
11. Student je izaao na ispit znajui
gradiva. Vjerovatnoa da poloi ispit je proporcionalna

dijelu gradiva kojeg je nauio. Ako padne, ui isti dio gradiva. Koliko puta treba izai na ispit,
pa da sa vjerovatnoom ne manjom od . , poloi ispit?
Rjeenje: Vjerovatnoa da student poloi ispit je =
2
3
. Neka je broj izlazaka na ispit. Tada je:
~(,
2
3
).
([ 1]) 0.8
1 ([ = 0]) 0.8
([ = 0]) 0.2
(
0
) (
2
3
)
0
(
1
3
)
0.2
ln
1
3
ln0.2

ln 0.2
ln
1
3
2 .
12. Koliko treba student nauiti gradiva pa da sa vjerovatnoom barem . , ako je vjerovatnoa
da poloi ispit proporcionalna dijelu gradiva kojeg je nauio, poloi ispit najkasnije etvrti
put?
Rjeenje:
~(4, ).
([ 1]) 0.9
1 ([ = 0]) 0.9
([ = 0]) 0.1
83

(
4
0
)
0
(1 )
4
0.1
1 0.1
4

1 0.1
4
0.438 .
Dakle, treba da naui 43.8% gradiva pa da sa vjerovatnoom od 0.9, najkasnije etvrti put, poloi
ispit.
13. Testiramo ureaja, koji se nee pri testiranju pokvariti, sa vjerovatnoom . . Kolika je
vjerovatnoa da:
a) se pokvare tano ureaja?
b) se pokvari manje od ureaja?
c) se pokvari vie od , a manje od ureaja?
d) se bar jedan ne pokvari?
Rjeenje:
a) Vjerovatnoa da se ureaj pokvari je = 0.05. Neka je broj ureaja koji se pokvare.
Tada je:
~(10,0.05),
pa je:
([ = 2]) = (
10
2
) (0.05)
2
(0.95)
8
0.075 .
b) Imamo da je:
([ < 2]) = ([ = 0]) +([ = 1]) =
= (
10
0
) (0.05)
0
(0.95)
10
+(
10
1
) (0.05)
1
(0.95)
9
0.91 .
c) Imamo da je:
([2 < < 5]) = (
10
3
) (0.05)
3
(0.95)
7
+(
10
4
) (0.05)
4
(0.95)
6
0.01 .
d) Imamo da je:
1 ([ = 10]) = 1 (
10
10
) (0.05)
10
(0.95)
0
1 .
14. Fabrika dempera proizvodi % dempera koji zadovoljavaju standard, % dempera
kartnih i % prvoklasnih. Kolika je vjerovatnoa da meu izabranih bude , koji
zadovoljavaju standard, prvoklasna i kartni demper?

Rjeenje: Koristimo generalizovanu Bernoullijevu emu, gdje je:
= 10,
1
= 0.9,
2
= 0.05,
3
= 0.05 .

84

Neka je
7,2,1
dogaaj da je 7 koji su po standardu, 2 prvoklasna i 1 kartni. Tada je:
(
7,2,1
) =
10!
7! 2! 1!
= (0.9)
7
(0.05)
2
(0.05)
1
0.004 .
15. Bacamo simetrina novia puta. Kolika je vjerovatnoa da puta padne i pismo i grb,
puta padne pismo na oba novia, te puta padne grb na oba novia?

Rjeenje: Prostor jednako moguih dogaaja je:
= {(, ), (, ), (, ), (, )}.
Vjerovatnoa da padne pismo i grb je:
1
=
2
4
=
1
2
.
Vjerovatnoa da padnu 2 pisma je:
2
=
1
4
.
Vjerovatnoa da padnu 2 grba je:
3
=
1
4
.
Tim je:
(
5,3,2
) =
10!
5! 3! 2!
(
1
2
)
5
(
1
4
)
3
(
1
4
)
2
=
10! 32
5! 3! 2!
(
1
4
)
10
0.0769 .
16. kuglica bacamo, jednu po jednu, u kutija pod uvjetom da ne moemo promaiti. Kolika
je vjerovatnoa da nakon to smo bacili sve kuglice, u kutijama imamo isti broj kuglica?
Rjeenje: Vjerovatnoa da kuglica padne u pojedinu kutiju je
1
6
. Dakle, imamo da je:
= 12,
1
=
2
=
3
=
4
=
5
=
6
=
1
6
.
Tim je:
(
2,2,2,2,2,2
) =
12!
2! 2! 2! 2! 2! 2!
(
1
6
)
2
(
1
6
)
2
(
1
6
)
2
(
1
6
)
2
(
1
6
)
2
(
1
6
)
2
0.0034 .
17. Strijelac gaa puta metu. U prvi krug pogaa sa vjerovatnoom . , a u drugi krug sa
vjerovatnoom . , dok promauje krugove sa vjerovatnoom od . . Kolika je
vjerovatnoa da manje od puta pogodi prvi krug i barem puta pogodi drugi krug?
Rjeenje: Traena vjerovatnoa je:
85

= (
0,7,3
) +(
0,8,2
) +(
0,9,1
) +(
0,10,0
) +(
1,7,2
) +(
1,8,1
) +(
1,9,0
) =
=
10!
0! 7! 3!
(0.2)
0
(0.5)
7
(0.3)
3
+
10!
0! 8! 2!
(0.2)
0
(0.5)
8
(0.3)
2
+
+
10!
0! 9! 1!
(0.2)
0
(0.5)
9
(0.3)
1
+
10!
0! 10! 0!
(0.2)
0
(0.5)
10
(0.3)
0
+
+
10!
1! 7! 2!
(0.2)
1
(0.5)
7
(0.3)
2
+
10!
1! 8! 1!
(0.2)
1
(0.5)
8
(0.3)
1
+
+
10!
1! 9! 0!
(0.2)
1
(0.5)
9
(0.3)
0
0.1236 .
18. U jednom skladitu ima % prvoklasnih proizvoda. Iz skladita je sluajno uzeto
proizvoda. Kolika je vjerovatnoa da broj prvoklasnih proizvoda bude:
a) tano ?
b) manje od ?
c) najmanje ?
d) ni manje od ni vie od ?
e) bar ?
Rjeenje: Neka je broj prvoklasnih proizvoda. Tada je:
~(100,0.1).
Poto je:
= 100 0.1 = 10 10,
koristimo normalnu aproksimaciju.
a) Imamo da je:
([ = 10])
1
100 0.1 0.9
(
10 100 0.1
100 0.1 0.9
) =
1
3
(0)
| |
1
3
0.3989 0.133 .
b) Imamo da je:
([ < 10]) = ([0 9]) = (
9 100 0.1
100 0.1 0.9
) (
0 100 0.1
100 0.1 0.9
) =
= (
1
3
) (
10
3
) = (
10
3
) (
1
3
) | | 0.5 0.129 0.371 .
c) Imamo da je:
([ 40]) = ([40 100]) = (
100 100 0.1
100 0.1 0.9
) (
40 100 0.1
100 0.1 0.9
) =
= (30) (10) 0.5 0.5 0 .
tablice za
tablice za

86

d) Imamo da je:
([15 30]) = (
30 100 0.1
100 0.1 0.9
) (
15 100 0.1
100 0.1 0.9
) =
= (
20
3
) (
5
3
) | | 0.5 0.245 0.255 .

e) Imamo da je:
([ 20]) = ([20 100]) = (
100 100 0.1
100 0.1 0.9
) (
20 100 0.1
100 0.1 0.9
) =
= (30) (
10
3
) | | 0.5 0.5 0
19. Jedan pogon proizvede defektan proizvod sa vjerovatnoom . . Proizvodi se pakuju u
kutije od po komada proizvoda. Kolika je vjerovatnoa da u kutiji bude:
a) ni jedan defektan proizvod?
b) manje od defektna proizvoda?
c) bar ispravnih proizvoda?
Rjeenje: Neka je broj defektnih proizvoda u kutiji. Tada je:
~(100,0.02).
Poto je:
= 100 0.02 = 2 < 10.
koristimo Poissonovu aproksimaciju.
a) Imamo da je:
([ = 0])
2
0
0!

2
0.135 .
b) Imamo da je:
([ < 4])
2
0
0!

2
+
2
1
1!

2
+
2
2
2!

2
+
2
3
3!

2
0.857 .
c) Imamo da je:
([ 5]) (
2
0
0!
+
2
1
1!
+
2
2
2!
+
2
3
3!
+
2
4
4!
+
2
5
5!
)
2
0.98 .
20. Odrediti broj izvedenih eksperimenata, ako se zna da se u svakom eksperimentu dogaaj
realizuje sa vjerovatnoom . i da sa vjerovatnoom ne manjom od . , apsolutna
vrijednost razlike relativne frekvencije dogaaja i vjerovatnoe dogaaja u svakom
eksperimentu ne prelazi . .
tablice za
tablice za
87

Rjeenje: Neka je broj realizacija dogaaja u eksperimenata. Tada je:
~(, 0.3),
pa je:
([|
0.3| 0.01]) 0.95

([0.29 0.31 ]) (
0.31 0.3
0.3 0.7
) (
0.29 0.3
0.3 0.7
) =
= (
0.01
0.21
) (
0.01
21
) = 2 (
0.01
0.21
)
2 (
0.01
21
) 0.95
(0.002 ) 0.475 .
Iz tablica za odredimo 0.002 , tako da je:
(0.002 ) = 0.475.
Tim je:
0.002 1.96.
No, poto je neopadajua, to je broj izvedenih ekperimenata:
(
1.96
0.002
)
2
960400 .
960400 .
21. Vjerovatnoa dogaaja u jednom eksperimentu je . . Kolika je vjerovatnoa da relativna
frekvencija dogaaja u nezavisnih ekperimenata bude izmeu . i . ?
Rjeenje: Imamo da je:
~(100,0.2),
pa je:
([0.15
100
0.25]) = ([0.15 100 0.25 100]) =
= 2 (
0.05 100
0.16
) = 2 (
0.5
0.4
) | | 0.788 .
22. Ako je poznato da je vjerovatnoa raanja djeaka . , kolika je vjerovatnoa da meu
novoroenadi bude:
tablice za

88

a) vie djeaka nego djevojica?
b) za vie djevojica nego djeaka?
Rjeenje: Neka je broj djeaka meu 10000 novoroenadi. Tada je:
~(10000,0.55).
Poto je:
= 10000 0.55 = 5500 10 ,
koristiemo normalnu aproksimaciju.
a) Imamo da je:
([ 5001]) = ([5001 10000]) =
= (
10000 10000 0.55
10000 0.55 0.45
) (
5001 10000 0.55
10000 0.55 0.45
)
(90.45) (10.03) | | 0.5 +0.5 1 .
b) Imamo da je:
([ = 4900])
1
([5001 10000])
(
4900 10000 0.55
10000 0.55 0.45
)
1
49.75
(12.06) | | 0 .
23. Telefonska centrala dobija prosjeno poziva na sat. U toku jednog minuta ne moe
primati pozive. Kolika je vjerovatnoa da za to vrijeme nee biti vie od poziva?
Rjeenje: Vjerovatnoa da se poziv dogodi u proizvoljnoj minuti u toku jednog sata je
1
60
. Neka je
broj poziva u toku jednog minuta kada centrala ne moe primiti pozive.
Tada je:
~(90,
1
60
) .

Poto je:
= 90
1
60
=
3
2
< 10 ,
to koristimo Poissonovu aproksimaciju, pa je:
tablice za
tablice za
89

([ 3]) (
(1.5)
0
0!
+
(1.5)
1
1!
+
(1.5)
2
2!
+
(1.5)
3
3!
)
1.5
0.93 .


90

4. Numerike karakteristike sluajnih varijabli Zakon velikih
brojeva

4.1. Matematiko oekivanje

Neka je (, , ) diskretni prostor vjerovatnoe i sluajna varijabla sa distribucijom vjerovatnoe:
: (
2

) .
Poto se vjerovatnoa moe proiriti sa na () [24], to emo u ovoj glavi uzimati prostor
vjerovatnoe (, (), ).
Primjer 4.1.1. Bacamo kocku kod koje je jedna strana obojena crvenom, dvije strane obojene plavom
i tri strane obojene bijelom bojom. Gledamo koja je boja pala na gornju stranu. Neka je sluajna
varijabla takva da crvenoj, plavoj i bijeloj strani pridruuje brojeve 1, 2 i 3 respektivno. Izraunati
matematiko oekivanje od .
Rjeenje: Prostor elementarnih dogaaja je:
= {, , },
sa vjerovatnoama:
() =
1
6
, () =
1
3
, () =
1
2
.
Sluajna varijabla : definisana je sa:
() = 1, () = 2, () = 3 .
Tim je distribucija vjerovatnoe sluajne varijable data sa:
: (
1 2 3
1
6
1
3
1
2
) .
Tim je:
Definicija 4.1.1. Ako je red

apsolutno konvergentan, onda njegovu sumu nazivamo matematiko
oekivanje sluajne varijable i oznaavamo sa
=
+
=1
.
91

= 1
1
6
+2
1
3
+3
1
2
=
14
6
=
7
3
.
Primjer 4.1.2. Bacamo simetrian novi sve dok se ne pojavi pismo. Neka je broj bacanja. Izraunati
oekivani broj bacanja ili matematiko oekivanje od sluajne varijable .
Rjeenje:
1
= ([ = 1]) =
1
2
,
2
= ([ = 2]) =
1
2
1
2
=
1
4
,

= ([ = ]) = (
1
2
)
1
1
2
,

gdje je , > 1, te je
1
vjerovatnoa da je palo pismo u prvom bacanju,
2
je vjerovatnoa da
je palo pismo u drugom bacanju ,...,
je vjerovatnoa da je pismo palo u -tom bacanju.

Tim imamo distribuciju sluajne varijable :
: (
1 2 3

1
2
(
1
2
)
2
(
1
2
)
3
(
1
2
)
) .
Imamo da je:
= (
1
2
)
+
=1
=
1
2
(
1
2
)
1
+
=1
=
1
2
(
1
2
)
+
=0
1
2
1
(1
1
2
)
2
=
1
2
4 = 2 .
= ({}) =
1
( +1)
, .
Poto je :
1
( +1)
+
=1
= (
1
1
+1
)
+
= 1 ,
to je vjerovatnoa na , odnosno, (, (), ) je prostor vjerovatnoe.
Neka je sluajna varijabla definisana sa:
() = (1)
, .

92

Kako je:
|(1)

1
( +1)
|
+
=1
=
1
+1
+
=1

divergentan red, to ne postoji matematiko oekivanje od .

Vrijedi da je:
=
({})
()=
= () ({})
()=
= ()({})
.

Dokaz: Zbog relacije (1) imamo:
( +) = ( +)()({})
= (() +())({})
=
= |()({})|
+ |()({})|
= +,
(() +())({})
|| ()({})
+|| |()({})|

|

| < .
Ovo znai da je red:
(() +())({})

apsolutno konvergentan.
0
() 0,

0,
=

0.
Teorem 4.1.1. Neka su i sluajne varijable na prostoru , za koje postoji matematiko oekivanje
i , . Tada sluajna varijabla + ima matematiko oekivanje i vrijedi:
( +) = + .
(1)
postoji matematiko
oekivanje za i
93

Osobinu:
0 0,
nazivamo pozitivnost matematikog oekivanja.

() (),
0 | |
( ) 0.
( ) 0 | |
0
.
Osobinu:
,
nazivamo monotonost matematikog oekivanja.
Primjer 4.1.4.
a) Neka je Bernoulliejeva sluajna varijabla. Tada je:
: (
0 1

) = 1
= 0 +1 = .
b) Neka je:
~(, ).
Tada je:
=
=1

: (
0 1

) , = 1,
,
= (
=1
) = | | =
=
=1
= | | =
=1
= .

zbog teorema 4.1.1.
zbog a)
zbog pozitivnosti
zbog teorema 4.1.1.

94

c) Neka je diskretna uniformna sluajna varijabla. Tada imamo da je:
: (
1 2
1
) ,
=
1
=1
=
( +1)
2
=
+1
2
.
d) Neka ima hipergeometrijsku distribuciju, tj.
([ = ]) =
(
) (

)
(
)
, = 0,
.
Tada je:
=
(
) (

)
(
=0
=

(
1
1
) (

)
(
1
1
)
=1
= | 1 = | =
=

(
1
) (

1
)
(
1
1
)
1
=0
=
,
jer vrijedi:
(
) (
=0
= (
+
) .
e) Neka je:
~().
ada je:

=
+
=0
=
1
( 1)!
+
=1
= | 1 = | =
=
!
+
=1
=
= .
Neka je sluajna varijabla data sa distribucijom vjerovatnoe:
: (
2

)
i neka jen
funkcija gustoe sluajne varijable .

95

Tada, ako postoji matematiko oekivanje od , vrijedi:
=
()
.
Suma je izbrojiva, jer je diskretna sluajna varijabla.

Dokaz: Neka je
, , sa osobinom:
= (
),
.
Oigledno je:
= .
Tada je:
() =

=
= (

= (

Primjer 4.1.5. Neka je () = 2
2
1 i sluajna varijabla iz primjera 4.1.1. Izraunati ().
Teorem 4.1.2. Neka je sluajna varijabla s distribucijom vjerovatnoe:
: (
2

)
i : proizvoljna funkcija. Ako je red apsolutno konvergentan, tada je:
() = (
.

96

Rjeenje:
() = (2 1
2
1)
1
6
+(2 2
2
1)
1
3
+(2 3
2
1)
1
2
=
1
6
+
7
3
+
17
2
= 11
Dokaz:
(, ) =
,
([ =
, =
])
,
(
)=
,
,
=
= (
)([ =
, =
])
,
(
)=
,
=
,

= (
)([ =
, =
])
,
= (
,
= (, )
,
(, )
,

Primjer 4.1.6. Neka su i kao u primjeru 3.2.5. Izraunati (
2
+
2
).
Rjeenje:
(, ) =
2
+
2

(, ) = (
,
=
2
+
2
,
=
2
+
2
4
=0
4
=1
=
= 1
2
+0
2
1
8
+1
2
+1
2
1
8
+2
2
+0
2
1
16
+2
2
+1
2
1
8
+
+2
2
+2
2
1
16
+3
2
+0
2
1
32
+3
2
+1
2
3
32
+3
2
+2
2
3
32
+
Teorem 4.1.3. Neka su , sluajne varijable sa distribucijama vjerovatnoe:
: (
2

) : (
2

)
Neka je:
,
(, ) = {
,
,
0,

=
, =
, ,

, ,
,
funkcija gustoe sluajnog vektora (, ) (ili zajednika funkcija gustoa sluajnih varijabli i ).
Neka je : proizvoljna funkcija. Tada je:
(, ) = (
)
,
,
= (, )
,
(, ),
,

ako je red apsolutno konvergentan.
97

+3
2
+3
2
1
32
+4
2
+0
2
1
64
+4
2
+1
2
1
16
+4
2
+2
2
3
32
+
+4
2
+3
2
1
16
+4
2
+4
2
1
64
=
1
8
+
2
8
+
1
8
+
5
8
+
+
2
8
+
3
32
+
310
32
+
313
32
+
32
32
+
+
1
16
+
15
16
+
320
32
+
5
16
+
2
16
2.865 .
Vrijedi generalizacija teorema 4.1.3. Naime, neka su
1
,
2
, ,
sluajne varijable sa zajednikom

gustoom
1
,
2
,,
i neka je data funkcija :
. Tada je:
(
1
,
2
, ,
) = (
1
,
2
, ,
1
,
2
,,
(
1
,
2
, ,
1
,
2
,,
.
Dokaz: Neka je :
definisana sa:
(
1
,
2
, ,
) =
1

2
, (
1
,
2
, ,
.
Tada je, na osnovu teorema 4.1.3.:
(
1
.
2
) = (
1
,
2
, ,
) =
= (
1
,
2
, ,
1
,
2
,,
(
1
,
2
, ,
1
,
2
,,
=
= | | = (
1
,
2
, ,
1
(
1
)
2
(
2
)
) =
1
,
2
,,

=
1

2
1
(
1
)
2
(
2
)
) =
1
,
2
,,

=
1
1
(
1
)
2
(
2
)
= (
1
) (
2
) (
)
Teorem 4.1.4. Neka su sluajne varijable
, = 1,
nezavisne i neka postoji
, = 1,
. Tada,
sluajna varijabla
1

2
ima matematiko oekivanje i vrijedi:

(
1

2
) = (
1
) (
2
) (
).
zbog nezavisnosti


98

Vrijedi:
= ( )
2
=
= (
2
2 +()
2
) =
=
2
2()
2
+()
2
=
2
()
2
.
Ova formula je dobra za raunanje varijance.

Dokaz:
(
=1
) = (
=1

=1
)
2
= (
=1
=1
)
2
= ((
=1
)
2
=
= ((
)
2
=1
+2 (
) (
)
<
) =
= (
)
2
=1
+ (2 (
) (
)
<
) = | | =
= (
)
2
=1
+2 (
) (
)
<
=
= (
)
2
=1
+(
) (
)
<
= (
)
2
=1
=
=1

Definicija 4.1.2. Neka je sluajna varijabla i neka postoji . Varijanca od , u oznaci ,
definie se sa:
= ( )
2
,
ako postoji ( )
2
.
1
,
2
, ,
nezavisne sluajne varijable i neka postoji
, = 1,
.
Tada je:
(
=1
) =
=1

zbog nezavisnosti

99

Dokaz:
( )
2
= (( ) +( ))
2
=
(( )
2
+2 ( ) ( ) +( )
2
) =
= ( )
2
+2 ( ) ( ) +( )
2
= +( )
2
.
Dakle, minimum je za = i jednak je .
Dokaz:
Var( +) =E( + )
2
=
2
( )
2
=
2
.
Primjer 4.1.7.
a) Neka je sluajna varijabla sa Bernoullijevom distribucijom vjerovatnoe, tj.
: (
0 1

) , = 1 .
Tada je:
=
2
()
2
= 0
2
+1
2

2
=
2
= (1 ) = .
b) Neka je:
~(, ).

Tada je, zbog nezavisnosti sluajnih varijabli
, = 1,
:
= (
=1
) = | | =
=1
= | | =
=1
= .
c) Neka je:
: (
1 2
1
) .
Teorem 4.1.6. Neka je sluajna varijabla i neka postoji
2
. Tada funkcija ( )
2
ima
strogi minimum u taki = i jednak je .
zbog a) teorem 4.1.6.
Teorem 4.1.7. Neka je sluajna varijabla i , . Tada je:
Var (X + ) =
2
.

100

Tada je:
=
2
()
2
=
2
(
+1
2
)
2
=1
=
=
( +1)(2 +1)
6
(
+1
2
)
2
=
2
1
12
.
d) Neka ima hipergeometrijsku distribuciju. Tada je:
(( 1)) = | | = ( 1)
(
) (

)
(
=0
=
= (1)
( 1)
( 1)

(
2
2
) (

)
(
2
2
)
=0
= | 2 = | =

= (1)
( 1)
( 1)

(
2
) (

2
)
(
2
2
)
2
=0
= (1)
( 1)
(1)
,
jer vrijedi:
(
) (
=0
= (
+
) .
Sada imamo da je:
(( 1)) =
2

2
= (( 1)) +
=
2
()
2
= (( 1)) + ()
2
=
= (1)
( 1)
( 1)
+
)
2
=
=
(1)( 1) +( 1)
2
(1)
2
2
( 1)
=
=
( + +
2
+
2
( 1)
=
=
( )( )
2
( 1)
.
e) Neka je:
zbog teorema 4.1.1.
101

~().
Tada je:
(( 1)) = ( 1)
+
=0
= ( 1)
+
=2
=
=
2
2
( 2)!
+
=2
= | 2 = | =
=
2
!
+
=0
=
2
=
2
.
Tim je:
= (( 1)) + ()
2
=
2
+
2
= .
Primjer 4.1.8. U kutiji su 4 bijele i 6 crnih kuglica. Igra koji ima 10 poena, izvlai 10 puta kuglicu sa
vraanjem. Ako izvue bijelu dobije 2 poena, a ako izvue crnu, gubi 1 peon. Neka je broj poena
igraa nakon 10 izvlaenja. Nai i .
Rjeenje: Neka je broj koliko je puta izvukao bijelu kuglicu u 10 izvlaenja.
Tada je:
~(10,
2
5
),
= 10 +2 (10 ) = 3 .
Time je:
= (3) = 3 = 3 10
2
5
= 12 ,
= (3) = 3
2
= 9 10
2
5
3
5
=
108
5
.
Kovarijanca sluajnih varijabli i , u oznaci (, ), je:
(, ) = () .
Koeficijent korelacije izmeu sluajnih varijabli i , u oznaci , je:
=
(, )

.
Vrijedi, || 1.
Ako je (, ) = 0, kaemo da su i nekorelirane.
Ako su sluajne varijable i nezavisne, tada na osnovu teorema 4.1.4. vrijedi:

102

(, ) = () = = 0.
Obrnuto ne vrijedi.
Primjer 4.1.9. Neka sluajne varijable i imaju zajedniku gustou datu u tabeli:

1
3
0
1
3

0
1
3
0

Tada su distribucije vjerovatnoe za I date sa:
: (
0 1
2
3
1
3
) : (
1 0 1
1
3
1
3
1
3
) .
i su zavisne, jer:
([ = 0, = 1]) =
1
3
2
3
1
3
= ([ = 0]) ([ = 1]) ,
() =
,
,
= 0 (1)
1
3
+0 0 0 +0 1
1
3
+
+1 (1) 0 +1 0
1
3
+1 1 0 = 0 .
Time je:
(, ) = () = 0
1
3
0 = 0 ,
to znai da su i nekorelirane.

Primjer 4.1.10. Neka sluajne varijable i imaju zajedniku gustou kao u primjeru 3.2.4.

103

1
8

1
8
0 0 0

1
16

1
8

1
16
0 0

1
32

3
32

3
32

1
32
0

1
64

1
16

3
32

1
16

1
64

Izraunati kovarijancu i koeficijent korelacije.
Rjeenje:
: (
1 2 3 4
1
4
1
4
1
4
1
4
), : (
0 1 2 3 4
15
16
13
32
1
4
3
32
1
64
) .
Tim je:
=
5
2

= 0
15
16
+1
13
32
+2
1
4
+3
3
32
+4
1
64
=
23
16
,
() =
,
,
=
= 1 1
1
8
+2 1
1
8
+2 2
1
8
+3 1
3
32
+3 2
3
32
+
= 3 3
1
32
+4 1
1
16
+4 2
3
32
+4 3
1
16
+4 4
1
64
=
15
4

(, ) = () =
15
4
5
2
23
16
=
5
32
,

=
(, )

=

=
5
32
15
12
(0
2
15
16
+1
2
13
32
+2
2
1
4
+3
2
3
32
+4
2
1
64
(
23
16
)
2
)
0.156
0.736
0.21 .

104

Neka su i sluajne varijable. Tada je:
( +) = ( +)
2
(( +))
2
= (
2
+2 +
2
) ( +)
2
=
=
2
+2() +
2
()
2
2 ()
2
=
= + +2(, ) .

Dokaz: Neka je:
1
=
2
=
.
Time je:
1
= (
)
2
( (
))
2
=
=
+2
()

()
2
()
2
2

=
= 1 +1 +2 = 2(1 +) ,
2
= (
)
2
( (
))
2
=
=
2
()

()
2
()
2
+2

=
= 1 +1 2 = 2(1 ) .
Ako je = 1, tada je
2
= 0, pa je
2
konstanta s vjerovatnoom 1, tj. postoji takvo
da je ([
2
= ]) = 1, odnosno:
= ,
s vjerovatnoom 1, pa je:
=
.
Teorem 4.1.8. Ako je koeficijent korelacije = 1, tada je:
= +, , .
Ako je = 1, tada je > 0, odnosno ako je = 1, tada je < 0.
105

Analogno, ako je = 1, postoji
takvo da je:
= ,
pa je:
=

4.2. ebievljeva nejednakost i slabi zakon velikih brojeva

Dokaz: Neka je:
: (
2

) .
Tada je:
= (
)
2

)
2

|

2

|
=
2
([ ] )
([ ] )
2

Sljedea teorema predstavlja generalizaciju ebievljeve nejednakosti.

Teorem 4.2.1. (ebievljeva nejednakost) Neka je sluajna varijabla za koju postoji varijanca. Tada,
za proizvoljno > 0, vrijedi:
([| | ])
2

Teorem 4.2.2. Neka je sluajna varijabla i : nenegativna funkcija, takva da postoji (()).
Tada za proizvoljno , vrijedi:
([() ])
(())


106

Dokaz:
(()) = |
() = {
1,
0,

| =
= (()
[()]
) +(()
[()<]
)
(()
[()]
) (
[()]
) =
= ([() ])
([() ])
(())

Primjer 4.2.1. Sluajna varijabla ima matematiko oekivanje = 4 i varijancu = 0.1.
Pomou ebievljeve nejednakosti procjeniti vjerovatnou da je 3.5 < < 4.5.
Rjeenje:
3.5 4 < < 4.5 4
0.5 < < 0.5
| | < 0.5 ,
([3.5 < < 4.5]) = ([| | < 0.5]) = 1 ([| | 0.5])
1
(0.5)
2
0.6 .

Definicija 4.2.1. Kaemo da niz sluajnih varijabli
, konvergira u vjerovatnoi ka sluajnoj

varijabli , to oznaavamo:
( ) ()
= ,
ako za > 0 vrijedi:
([|
| ]) = 0.

Lema 4.2.1. Neka je
, niz sluajnih varijabli koje imaju varijance i neka je:
= 0.
Tada:
0 ( ) .
107

Dokaz: Iz ebievljeve nejednakosti slijedi, da za > 0 vrijedi:
([|
| ])
2
.

Tada je:
lim
([|
| ]) lim
2
= 0

0( )
Aritmetika sredina:
1
+
2
++

sluajnih varijabli
1
,
2
, ,
ima mnogo izrazitije svojstvo stabilnosti od samih varijabli
1
,
2
, ,
. To svojstvo prikazujemo u sljedeom teoremu kojeg nazivamo slabi zakon velikih

brojeva.
Dokaz: Iz ebievljeve nejednakosti slijedi, za > 0, da je:
([|
1
+
2
++
1
+
2
++
)| ])
(
1
+
2
++
2
=
= | | =
1
2
| |
2
=

2
.
Samim tim, vrijedi:
1
+
2
++
1
+
2
++
0 ( )
Teorem 4.2.3. Neka je
, niz sluajnih varijabli, takav da su, za > 0, varijable

1
,
2
, ,

nezavisne i neka postoji broj > 0, takav da je
, . Tada, za > 0, vrijedi:

lim
([|
1
+
2
++
1
+
2
++
)| ]) = 0
ili:
1
+
2
++
1
+
2
++
0 ( ) .
1
, ,
=1

zbog pretpostavke

108

Ako u teoremi 4.2.3. vrijedi
= , , tada je:
1
+
2
++
1
+
2
++
) =
=
1
+
2
++
1
+
2
++
=
=
1
+
2
++
0 ( )

1
+
2
++
( ) .
Neka je sluajna varijabla i neka je
, vrijednost varijable u -tom pokusu. Tada su

, sluajne varijable, odnosno, -torku

1
,
2
, ,
nazivamo uzorak. U primjenama su

esto
1
,
2
, ,
, nezavisne, pa je
= . Tada, na osnovu teoreme 4.2.3. imamo da:
1
+
2
++
0 ( +) .
Odnosno, za velike , razlika aritmetike sredine uzorka i oekivanja je manja od proizvoljno malog
, s vjerovatnoom koja tei 1.
Neka je sluajna varijabla Bernoullijeva, tj. uspjehu pridruujemo 1, a neuspjehu pridruujemo 0,
odnosno:
: (
0 1

) , = 1 .
Ako su pokusi nezavisni, oznaimo rezultate u 1. , 2. , , tom pokusu sa
1
,
2
, ,
, ,
koje su nezavisne sluajne varijable i pretpostavimo da je:
= = , .
Tada je:
1
+
2
+
~(, )
i na osnovu teoreme 4.2.3. vrijedi:
1
+
2
++
( ) .
Dakle, za velike , s vjerovatnoom koja tei ka 1, razlika relativne frekvencije uspjeha i vjerovatnoa
uspjeha je manja od proizvoljno malog . Ovo opravdava klasinu definiciju vjerovatnoe.
Neka je:
~(, ), .
Tada, na osnovu ebievljeve nejednakosti, vrijedi:
109

([|
)| ]) = ([|
| ])
2
=
1
2
=
2

| = (1 )
1
4
|
1
4
2

([|
)| ])
1
4
2
.

Poto je
binomna, to je:
([|
)| ]) = (
|
.
Otuda, zbog relacije (1) je:
(
1
4
2
.
Otuda:
lim
|
= 0 .
Relacija (2) se naziva Bernoullijevi slabi zakon velikih brojeva.
esto se postavlja pitanje, koliko puta treba izvoditi pokus, tj. koliko je , pa da vrijedi:
([|
| < ]) 1 ,
gdje je zadan mali broj. Iz relacije (1) slijedi da je:
([|
| < ]) 1
1
4
2
,
pa za:
1
4
2
1
imamo odgovor na to pitanje, tj. za:

1
4
2
.
(1)
(2)

110

4.3. Funkcija izvodnica

Ovdje emo ispitivati sluajne varijable koje primaju nenegativne cijele vrijednosti.
Neka je sluajna varijabla data sa distribucijom vjerovatnoe:
: (
0 1

1

) .
Vrijedi da je:
() = (
) =
+
=0
, || 1 .
Poto je
+
=0
= 1, to je:
,
+
=0

apsolutno konvergentan red za || 1. Iz jedinstvenosti prikaza realne funkcije u Taylorov red, slijedi
da ako dvije sluajne varijable imaju jednake funkcije izvodnice u okolini take 0, to imaju i jednake
distribucije vjerovatnoe, tj.
() =
() u nekoj okolini take 0. Tada je:
+
=0
=
+
=0
,
gdje je:
: (
0 1

1

) .
Definicija 4.3.1. Funkciju:
: ,
definisanu sa:
() = (
), || 1,
nazivamo funkcija izvodnica od sluajne varijable .
111

Zbog jedinstvenosti prikaza funkcije
() u Taylorov red, slijedi da je
, = 0,1, , odnosno
i imaju jednake distribucije vjerovatnoe.
Dokaz:
() = (
+
=0
)
=
1

+
=1
,
() = ( 1)
2

+
=2
.
Za = 1 vrijedi:
=1
= ,
( 1)
2

+
=2
= (( 1)) ,
gdje su oba reda konvergentna, jer postoji varijanca od . Sada, zbog Abelove teoreme, vrijedi:
(1) = lim
10
() =
=1
= ,
(1) = lim
10
() = ( 1)
=2
= (( 1)) .
Samim tim je:
= (( 1)) + ()
2
=
(1) +
(1) [
(1)]
2

Teorem 4.3.1. Ako sluajna varijabla ima varijancu, tada je njena funkcija izvodnica dva puta
diferencijabilna u taki = 1 i vrijedi:
=
(1), =
(1) +
(1) [
(1)]
2
,
pri emu je:
(1) =
10
()
(1) =
10
() .

112

Dokaz:
=1
() = (

=1
) = | | =
= (
=1
) = (
=1
=
()
=1

Teorem 4.3.2. je vaan za nalaenje distribucije vjerovatnoe sume sluajnih varijabli za koje je poznata
distribucija vjerovatnoe.

Dokaz:
+
() = (
+
) = (
) =
) =
((
) =
)
Primjer 4.3.1.
a) Neka je Bernoullijeva sluajna varijabla. Tada je:
() =
0
+
1
= 1 + .
b) Neka je:
~(, ).
Tada je:
=
=1
,
gdje su:
(
0 1

) , = 1,

nezavisne Bernoullijeve sluajne varijable. Tada, zbog teoreme 4.3.2. vrijedi:
1
, ,
nezavisne sluajne varijable koje primaju nenegativne cjelobrojne

vrijednosti. Tada vrijedi:
=1
() =
()
=1
.
Teorem 4.3.3. Neka je sluajna varijabla koja prima nenegativne cijele vrijednosti i neka su , .
Tada je:
+
() =
) .
, = 1,
,
113

() = ( +)
=1
= ( +)
.
c) Neka su
, = 1,
nezavisne sluajne varijable i

~(
), = 1,
.
Tada je:
1
+
2
++
() = | | =
()
=1
,
() = (
) =
+
=0
=
+
=0
=
=
!
+
=0
=
.
Tim je:
1
+
2
++
() =
=1
=
(
1
+
2
++
)(
1
+
2
+...+
)
.
Vidimo da je funkcija izvodnica od zbira Poissonovih sluajnih varijabli jednaka funkciji izvodnici
Poissonove sluajne varijable sa parametrom
1
+
2
++
.
Tim je:
1
+
2
++
~(
1
+
2
++
) .
Primjer 4.3.2. Neka sluajna varijabla ima distribuciju vjerovatnoe
: (
0 1

1

) ,
gdje je:
= ([ = ]) =
, = 0,1, , = 1 .
Kaemo da sluajna varijabla , sa datom distribucijom vjerovatnoe, ima geometrijsku distribuciju.
Odrediti funkciju izvodnicu od a zatim izraunati matematiko oekivanje i varijancu od .
Rjeenje:
() =
+
=0
= ( )
+
=0
=
1
1
.
Iz teorema 4.3.1. slijedi:
teorem 4.3.2.

114

=
(1) = lim
10
(1 )
2
=
,
=
(1) +
(1) [
(1)]
2
=
= lim
10
2
2
(1 )
3
+
)
2
=
2
+
2
.

4.4. Zadaci Diskretne sluajne varijable, matematiko oekivanje i
varijanca

1. Bacamo dva tetraedra. Neka je sluajna varijabla apsolutna vrijednost razlike brojeva koji
su pali na donju stranu. Nai distribuciju vjerovatnoe i funkciju distribucije od .
Rjeenje: prima vrijednosti:
| |, , = 1,4
,
tj. prima vrijednosti:
0, 1, 2, 3.
Tim je:
([ = 0]) = ({(, ): = }) = 4
1
4 4
=
1
4
,
([ = 1]) = ({(1,2), (2,1), (2,3), (3,2), (3,4), (4,3)}) =
6
16
=
3
8
,
([ = 2]) = ({(1,3), (3,1), (2,4), (4,2)}) =
4
16
=
1
4
,
([ = 3]) = ({(1,4), (4,1)}) =
2
16
=
1
8
.
Distribucija vjerovatnoe od je:
: (
0 1 2 3
1
4
3
8
1
4
1
8
) .
Funkcija gustoe i funkcija distribucije od su:
115

() =
{
1
4
, < 0
3
8
, 0 < 1
1
4
, 1 < 1
1
8
, 2 < 3
0, 3
, ,
() =
{
0, < 0
1
4
, 0 < 1

5
8
, 1 < 1
7
8
, 2 < 3
1, 3
, .
2. Neka je ~(,
). Nai funkciju distribucije sluajnih varijabli = i =
.
Rjeenje: Poto prima vrijednosti:
0, 1, 2, 3 i 4,
to prima vrijednosti:
1, 1, 3, 5 i 7,
a prima vrijednosti:
0, 1, 3, 9 i 16.
Tim je:
([ = 1]) = ([2 1 = 1]) = ([ = 0]) = (
4
0
) (
1
3
)
0
(
2
3
)
4
=
16
81
,
([ = 1]) = ([2 1 = 1]) = ([ = 1]) = (
4
1
) (
1
3
)
1
(
2
3
)
3
=
32
81
,
([ = 3]) = ([2 1 = 3]) = ([ = 2]) = (
4
2
) (
1
3
)
2
(
2
3
)
2
=
24
81
,
([ = 5]) = ([2 1 = 5]) = ([ = 3]) = (
4
3
) (
1
3
)
3
(
2
3
)
1
=
8
81
,
([ = 7]) = ([2 1 = 7]) = ([ = 4]) = (
4
4
) (
1
3
)
4
(
2
3
)
0
=
1
81
.
Otuda je:

116

() =
{
16
81
, = 1
32
81
, = 1
24
81
, = 3
8
81
, = 5
1
81
, = 7
0, 1,1,3,5,7
, ,
() =
{
0, < 1
16
81
, 1 < 1
48
81
, 1 < 3
72
81
, 3 < 5
80
81
, 5 < 7
0, 7
, .
3. Neka je:
: (

. . . . . . .
) .
Nai distribuciju vjerovatnoe i funkciju distribucije sluajne varijable = .
Rjeenje:
([ = 0]) = ([ = 0]) +([ = ]) = 0.1 +0.2 = 0.3 ,
([ =
1
2
]) = ([ =
6
]) +([ =
5
6
]) = 0.2 +0.05 = 0.25 ,
([ =
2
2
]) = ([ =
4
]) + ([ =
3
4
]) = 0.3 +0.05 = 0.35 ,
([ = 1]) = ([ =
2
]) = 0.1 .
Tim je:
: (
0
1
2
2
2
1
0.3 0.25 0.35 0.1
),

117

() =
{
0, < 0
0.3, 0 <
1
2
0.55,
1
2
<
2
2
0.9,
2
2
< 1
1, 1
, .

4. Neka je
funkcija gustoe sluajne varijable . Nai funkciju gustoe sluajne varijable ,

ako je:
a) =
.
b) =
.
c) =
.
d) = {, } .
e) = {
, <
, =
, >
.
f) =
.
Rjeenje:
a) Imamo da je:
= ([ = ]) = ([
= ]) = 0, 0 ,
([ = ]) = ([ = ln ]) =
(ln), > 0 .
Tim je:
() = ([ = ]) = {
0, 0
(ln), > 0
.
b) Imamo da je:
([ = ]) = ([
1
= ]) = ([ =
1
]) =
(
1
) , 0
([ = 0]) = ([
1
= 0]) = 0 .
Tim je:
() = {
0, = 0
(
1
) , 0
.
c) Imamo da je:

118

([ = ]) = ([
2
= ]) = ([ = ]) =
= ([ = ]) +([ = ]) =
() +
(), 0
([ = ]) = ([
2
= ]) = 0, < 0 .
Time je:
() = {
0, < 0
() +
(), 0
.
d) Imamo da je:
([ = 1]) = ([min{, 1} = 1]) = ([ 1]) = 1 ([ < 1]) = 1
(1 0) .
gdje je
(1 0) lijevi limes u 1 od funkcije distribucije za .

([ = ]) = ([min{, 1} = ]) = 0, > 1 ,
([ = ]) = ([min{, 1} = ]) = ([ = ]) =
(), < 1 .
Tim je:
() = {
0, > 1
1
(1 0), = 1
(), < 1
, .
e) Imamo da je:
() = ([ = ]) = ([sgn = ]) =

{
([ < 0]), = 1
([ = 0]), = 0
([ > 0]), = 1
0, 1,0,1
= {
(0 0), = 1

(0), = 0
1
(0), = 1
0, 1,0,1
, .

f) Imamo da je:
([ = ]) = ([
1
1 +
2
= ]) = ([ =
1
]) =
([ =
1
]) +([ =
1
]) =
=
(
1
) +
(
1
), 0 < 1 ,
119

([ = ]) = ([
1
1 +
2
= ]) = 0, 0, > 1 ,

() =
{
0, 0, > 1
(
1
) +
(
1
), 0 < 1
, .

5. U kutiji se nalaze 4 bijele i 6 crnih kuglica. Iz kutije se sluajno izvlai po jedna kuglica bez
vraanja, dok se ne izvuku sve etiri bijele. Neka je sluajna varijabla broj izvlaenja. Nai
distribuciju vjerovatnoe, funkciju gustoe i funkciju distribucije sluajne varijable .
Rjeenje: Minimalan broj izvlaenja je 4, a maksimalan 10. Time je:
([ = 4]) =
(
4
3
) (
6
0
)
(
10
3
)
1
7
= 4
3 2 1
10 9 8
1
7
=
1
210
,
([ = 5]) =
(
4
3
) (
6
1
)
(
10
4
)
1
6
=
4 6 4 3 2 1
10 9 8 7
1
6
=
2
105
,
([ = 6]) =
(
4
3
) (
6
2
)
(
10
5
)
1
5
=
4 6 5 5 4 3 2 1
2 1 10 9 8 7 6
1
5
=
2
21
,
([ = 7]) =
(
4
3
) (
6
3
)
(
10
6
)
1
4
=
2
21
,
([ = 8]) =
(
4
3
) (
6
4
)
(
10
7
)
1
3
=
1
6
,
([ = 9]) =
(
4
3
) (
6
5
)
(
10
8
)
1
2
=
4
15
,
([ = 10]) =
(
4
3
) (
6
6
)
(
10
9
)
1
1
=
2
5
.
: (
4 5 6 7 8 9 10
1
210
2
105
1
21
2
21
1
6
4
15
2
5
) .
Funkcija gustoe funkcija distribucije od je:

120

() =
{
1
210
, = 4
2
105
, = 5

1
21
, = 6
2
21
, = 7
1
6
, = 8
4
15
, = 9
2
5
, = 10
0, 4,5,6,7,8,9,10
, ,
() =
{
0, < 4
1
201
, 4 < 5
1
42
, 5 < 6
3
42
, 6 < 7
1
6
, 7 < 8
1
3
, 8 < 9
3
5
, 9 < 10
0, 10
, .

6. Rijeiti 5. zadatak sa vraanjem kuglica. Izraunati .
Rjeenje: Rjeenje ide pomou Bernoullijeve eme. Vjerovatnoa izvlaenja bijele kuglice je =
2
5
, pa
je:
([ = ]) = (
1
3
) (
2
5
)
3
(
3
5
)
4
2
5
, = 4,5,
: (
4 5

5

) ,
= (
1
3
) (
2
5
)
3
(
3
5
)
4
2
5
, = 4,5,
() = {
, = , = 4,5,
0,
, .
= (
1
3
) (
2
5
)
3
(
3
5
)
4
2
5
+
=4
=
=
( 1)( 2)( 3)
6
(
2
5
)
4
(
3
5
)
4
+
=4
=
=
1
6
(
2
5
)
4
( 1)( 2)( 3) (
3
5
)
4
+
=4
=
= | =
3
5
| =
1
6
(
2
5
)
4
(
+
=0
)
4
=
121

=
1
6
(
2
5
)
4
24
(1 )
5
=
1
6
(
2
5
)
4
24
(
2
5
)
5
= 10 .
7. Dva strijelca naizmjenino gaaju cilj dok jedan ne pogodi. Vjerovatnoa da prvi strijelac
pogodi je . , a vjerovatnoa da pogodi drugi je . . Neka je broj gaanja. Nai
distribuciju vjerovatnoe, funkciju gustoe i matematiko oekivanje sluajne sluajne
varijable .
Rjeenje: Neka je dogaaj da je prvi strijelac pogodio, a dogaaj da je drugi strijelac pogodio.
Podruje vrijednosti sluajne varijable su svi prirodni brojevi. Tim imamo da je:
([ = 1]) = () = 0.4 ,
([ = 2]) = (
) = | | = (
)() = (0.6)
2
= 0.36 ,
([ = 3]) = (
) = (
)(
)() = 0.6 0.4 0.4 = 0.6 (0.4)

2
,
([ = 4]) = (
) = (
)(
)(
)() = (0.6)
4
0.4 ,

([ = 2]) = (
) = (0.6)
+1
(0.4)
1
= (0.24)
1.5 ,
([ = 2 +1]) = (
) = (0.6)
(0.4)
+1
= (0.24)
0.4 .
Tim su distribucija vjerovatnoe i funkcija gustoe od :
: (
1 2 2 2 +1
0.4 0.36 (0.24)
1.5 (0.24)
0.4
) ,
() = {
(0.24)
1.5,
(0.24)
0.4,
0,

= 2, = 1,2,
= 2 +1, = 0,1,

.
= ([ = ])
+
=1
= 2(0.24)
1.5
+
=1
+ (2 +1) (0.24)
0.4
+
=0
=
= 3 0.24 (0.24)
1
+
=1
+2 0.4 0.24 (0.24)
1
+
=1
+0.4 (0.24)
+
=0
=
= 0.912 (0.24)
1
+
=1
+0.4
1
1 0.24
= | = 0.24| 0.912 (
1
1
)
+0.526
0.912
1
(1 0.24)
2
+0.526 2.1 .
, nezavisni

122

8. Optereen novi, tako da je vjerovatnoa grba
, a vjerovatnoa pisma
, bacamo
puta. Neka je sluajna varijabla najdua serija grbova. Odrediti funkciju gustoe, funkciju
distribucije, matematiko oekivanje i varijancu od .
Rjeenje: Neka je dogaaj da je pao grb, a da je palo pismo. Tada je:
([ = 0]) = () = (
2
3
)
4
=
16
81
,
([ = 1]) = (, , , , , , ) =
= 4
1
3
(
2
3
)
3
+3 (
1
3
)
2
(
2
3
)
2
=
44
81
,
([ = 2]) = (, , , , ) =
= 3 (
1
3
)
2
(
2
3
)
2
+2 (
1
3
)
3
1
3
=
16
81
,
([ = 3]) = (, ) = 2 (
1
3
)
3
2
3
=
4
81
,
([ = 4]) = () = (
1
3
)
4
=
1
81
.
Tim imamo da je funkcija gustoe i funkcija distribucije:
() =
{
16
81
, = 0
44
81
, = 1
16
81
, = 2
4
81
, = 3
1
81
, = 4
0, 0,1,2,3,4
, ,
() =
{
0, < 0
16
81
, 0 < 1
60
81
, 1 < 2
76
81
, 2 < 3
80
81
, 3 < 4
1, 4
, .
= 0
16
81
+1
44
81
+3
4
81
+4
1
81
=
92
81
1.13 ,
2
= 0
2
16
81
+1
2
44
81
+2
2
16
81
+3
2
4
81
+4
2
1
81
=
160
81
.
Tim je:
=
2
()
2
=
160
81
(
92
81
)
2
0.698 .
123

9. Neka imamo optereeni novi iz zadatka 8, kojeg bacamo dok ne padne grb. Neka je
sluajna varijabla broj bacanja. Odrediti distribuciju vjerovatnoe, funkcije gustoe,
matematiko oekivanje i varijancu od .
Rjeenje:
([ = 1]) = () =
1
3
,
([ = 2]) = () =
2
9
,

([ = ]) = () = (
2
3
)
1
1
3
, = 1,2,
Tim je:
: (
1 2

1
3
2
9
(
2
3
)
1
1
3
) ,
= {
(
2
3
)
1
1
3
, =
0,
, ,
= (
2
3
)
1
1
3
+
=1
= | =
2
3
| =
1
3
(
+
=0
)
=
1
3
(
1
1
)
=
1
3
1
(1
2
3
)
2
= 3 ,
( 1) = ( 1) (
2
3
)
1
1
3
+
=1
=
2
3
1
3
( 1) (
2
3
)
2
+
=2
=
= | =
2
3
| =
2
9
(
+
=0
)
=
2
9
2
(1 )
3
=
2
9
2
(
1
3
)
3
= 12 ,
= ( 1) + ()
2
= 12 +3 3
2
= 6 .
10. Simetrian novi bacamo sve dok ne padne po drugi puta grb. Neka je sluajna varijabla
broj bacanja. Izraunati oekivani broj bacanja i varijancu.
Rjeenje: Sluajna varijabla prima vrijednosti , 2. Tim je:
([ = 2]) = () =
1
2
1
2
=
1
4
,

{

( 1)

124

([ = ]) = (
1
1
) (
1
2
)
1
(
1
2
)
1
1
2
= ( 1) (
1
2
)
, , 2 ,
= ( 1) (
1
2
)
+
=2
= (
1
2
)
2
( 1) (
1
2
)
2
+
=2
=
| =
1
2
| =
1
4
(
+
=0
)
=
1
4
2
(1 )
3
= 4 .
Dakle, oekivani broj bacanja je 4. Sada imamo da je:
( +1) = ( +1)( 1) (
1
2
)
+
=2
= (
1
2
)
2
( +1)( 1) (
1
2
)
2
+
=3
=
= | =
1
2
| =
1
4
(
+1
+
=0
)
=
1
4
(
+
=0
1)
=
1
4
6
(1 )
4
= 24 ,
=
2
()
2
= ( +1) ()
2
= 24 4 16 = 4 .
11. Bacamo simetrian novi sve dok ne padne grb ili 6 pisama. Neka je sluajna varijabla
broj bacanja. Izraunati i .
Rjeenje: Ako ne padne grb u 6 bacanja, onda padne pismo 6 puta. To znai da prima vrijednosti:
1,2,3,4,5 i 6.
Sada imamo da je:
([ = ]) = () = (
1
2
)
1
1
2
= (
1
2
)
, = 1,5
,
([ = 6]) = (, ) = (
1
2
)
5
1
2
+(
1
2
)
6
= (
1
2
)
5
.
Tim je:
: (
1 2 3 4 5 6
1
2
1
4
1
8
1
16
1
32
1
32
) ,
= 1
1
2
+2
1
4
+3
1
8
+4
1
16
+5
1
32
+6
1
32
=
63
32
= 1.96875 ,
= 1
2
1
2
+2
2
1
4
+3
2
1
8
+4
2
1
16
+5
2
1
32
+6
2
1
32
(
63
32
)
2
1.655 .
12. U kutiji su 2 bijele i 3 crne kuglice. Sluajno izvlaimo po jednu kuglicu sa vraanjem. Neka je
sluajna varijabla , najmanji broj izvlaenja da se izvuku obje boje. Izraunati oekivani
broj izvlaenja i varijancu.
125

Rjeenje: prima vrijednosti , 2, pa je:
([ = 2]) = (, ) =
2
5
3
5
+
3
5
2
5
=
12
25
,
([ = 3]) = (, ) = (
2
5
)
2
3
5
+(
3
5
)
2
2
5
=
30
125
=
6
25
,
([ = 4]) = (, ) = (
2
5
)
3
3
5
+(
3
5
)
3
2
5
=
78
625
,

([ = ]) = (, ) = (
2
5
)
1
3
5
+(
3
5
)
1
2
5
, 2 ,
: (
2 3 4
12
25
6
25
78
625
(
2
5
)
1
3
5
+(
3
5
)
1
2
5
) ,
= [(
2
5
)
1
3
5
+(
3
5
)
1
2
5
]
+
=2
=
3
5
(
2
5
)
1
+
=2
+
2
5
(
3
5
)
1
+
=2
=
= | =
2
5
, =
3
5
| =
3
5
(
+
=2
)
+
2
5
(
+
=2
)
=
=
3
5
(
+
=0
1)
+
2
5
(
+
=0
1)
=
=
3
5
(
1
1
1)
+
2
5
(
1
1
1)
=
=
3
5
(
1
(1
2
5
)
2
1) +
2
5
(
1
(1
3
5
)
2
1) =
=
5
3
3
5
+
5
2
2
5
=
19
6
3.16 ,
( 1) = ( 1) [(
2
5
)
1
3
5
+(
3
5
)
1
2
5
]
+
=1
=
=
3
5
( 1) (
2
5
)
1
+
=2
+
2
5
( 1) (
3
5
)
1
+
=2
=
=
3
5
2
5
( 1) (
2
5
)
2
+
=2
+
3
5
2
5
( 1) (
3
5
)
2
+
=2
=

126

| =
2
5
, =
3
5
| =
6
25
(
+
=0
)
+
6
25
(
+
=0
)
=
=
6
25
(
1
1
)
+
6
25
(
1
1
)
=
=
6
25
2
(1
2
5
)
3
+
6
25
2
(1
3
5
)
3
=
20
9
+
15
2
=
175
18
,
= ( 1) + ()
2
=
175
18
+
19
6
(
19
6
)
2
2.86 .
13. Dva strijelca gaaju metu sve do pogotka. Pobjednik je onaj strijelac koji prvi pogodi metu.
Oba strijelca gaaju sa vjerovatnoom 0.6. U sluaju da oba pogode u istom krugu, gaanje
se nastavlja. Neka je sluajna varijabla, broj gaanja u kome se zna pobjednik. Izraunati
funkciju gustoe od , i .
Rjeenje: prima sve vrijednosti . Neka je
dogaaj da je prvi strijelac pogodio, a

dogaaj da je drugi strijelac pogodio u tom krugu gaanja. Tim je:
([ = 1]) = (
1
,
1
1
) = 0.6 0.4 +0.4 0.6 = 2 0.24 = 0.48 ,
([ = 2]) = (
1
,
1
2
) = 2 (0.4)
3
0.6 0.08 ,

([ = ]) = (
1
,
1
) = 2 (0.4)
21
0.6, .
() = {
2 (0.4)
21
0.6, =
0,
, .
= 2 (0.4)
21
0.6
+
=1
=
2 0.6
0.4
((0.4)
2
)
+
=1
=
3 (
1
1 0.16
1) = 0.57 ,
( 1) = ( 1) 2 (0.4)
21
0.6
+
=1
=
2 0.6
0.4
( 1)(0.16)
+
=1
= 3 (0.16)
2
( 1)(0.16)
2
+
=1
=
127

= 0.0768 ( 1)(0.16)
2
+
=2
= | = 0.16| =
= 0.0768 (
+
=0
)
0.0768
2
(1 )
3
= 0.0768
2
(1 0.16)
3
0.26 ,
= ( 1) + ()
2
0.26 +0.57 (0.57)
2
0.5 .
14. Sluajna varijabla ima distribuciju vjerovatnoe:
: (

) .
Neka je =
. Odrediti distribuciju vjerovatnoe sluajne varijable . Izraunati:

i .
Rjeenje: prima vrijednosti 1,0,1, pa tim imamo da je:
([ = 1]) = ([ = 4 +2, {0}]) =
= (
1
2
)
4+2
+
=0
= (
1
2
)
2
((
1
2
)
4
)
+
=0
=
1
4
1
1
1
16
=
4
15
,
([ = 0]) = ([ = 4 +1, {0}]) =
= (
1
2
)
4+1
+
=0
=
1
2
((
1
2
)
2
)
+
=0
=
1
2
1
1
1
4
=
2
3
,
([ = 1]) = ([ = 4 +4, {0}]) =
(
1
2
)
4+4
+
=0
= (
1
2
)
4
((
1
2
)
4
)
+
=0
=
1
16
1
1
1
16
=
1
15
.
Sada imamo da je:
: (
1 0 1
4
15
2
3
1
15
) ,
= (1)
4
15
+0
2
3
+1
1
15
=
3
15
=
1
5
,
=
2
()
2
= (1)
2
4
15
+0
2
2
3
+1
2
1
15
(
1
5
)
2
=
1
3
1
25
=
22
75
.
15. Igra baca dva, a igra tri novia. Pobjednik je onaj igra kod kojeg se pojavi vie
grbova. Igra se izvodi sve dok igra ne pobjedi. Nai oekivani broj igara.

128

Rjeenje: Neka je sluajna varijabla broj igre u kojoj pobjedi igra . Neka su
broj grbova
igraa i u -toj igri. Tada je:
([ = ]) = (
1

1
, ,
1

1
,
>
) .
Vjerovatnoa da ne pobjedi igra je jednaka u svakoj igri, tj.
([
1

1
]) = = ([
1

1
]) =
= (
2
0
) (
1
2
)
2
+(
2
1
) (
1
2
)
2
(
3
1
) (
1
2
)
3
+(
2
1
) (
1
2
)
2
(
3
2
) (
1
2
)
3
+
+(
2
1
) (
1
2
)
2
(
3
3
) (
1
2
)
3
+(
2
2
) (
1
2
)
2
(
3
2
) (
1
2
)
3
+(
2
2
) (
1
2
)
2
(
3
3
) (
1
2
)
3
=
= (
1
2
)
2
+6 (
1
2
)
5
+6 (
1
2
)
5
+2 (
1
2
)
5
+3 (
1
2
)
5
+(
1
2
)
5
=
=
1
32
(8 +6 +6 +2 +3 +1) =
13
16
.
Samim tim je:
([ = ]) = (
13
16
)
1
3
16
, ,
= (
13
16
)
1
3
16
+
=1
= | =
13
16
| =
3
16
(
+
=0
)
=
=
3
16
1
(1 )
2
=
16
3
.
16. Sluajna varijabla prima sve pozitivne cijele brojeve sa vjerovatnoom koja je
proporcionalna sa
. Izraunati .
Rjeenje: Neka je distribucija vjerovatnoe od :
: (
1 2 3

).
( )( )
=
1
4

1 =
+
=1
=
1
4
+
=1
=
= (
1
4
)
+
=1
= ((
1
4
)
1
+
=0
) = (
4
3
1) =
3

= 3 .
129

Tim je:
: (
1 2 3

3
4
3
4
2
3
4
3
3
4
) ,
=
3
4
+
=1
=
3
4
(
1
4
)
1
+
=1
= | =
1
4
| =
3
4
(
+
=0
)
=
=
3
4
1
(1 )
2
=
3
4
1
(
3
4
)
2
=
4
3
.
17. Izvodimo neki sluajni pokus. Pokus je uspjean sa vjerovatnoom
, a neuspjean sa
vjerovatnoom
. Vjerovatnoa da dobijemo neki rezultat nakon uspjenih pokusa je:

(
.
Nai matematiko oekivanje broja nezavisnih pokusa koji je potreban da se dostigne ovaj
rezultat.
Rjeenje: Oznaimo vjerovatnou, da su pokusa dobijemo dati rezultat, sa (
). Moe se desiti
da imamo 0, 1, 2, , uspjenih pokusa i ti dogaaji ine potpun sistem dogaaja. Tada na osnovu
formule za potpunu vjerovatnou, imamo da je:
(
) = (
) (
3
4
)
(
1
4
)
(1 (
1
3
)
=0
=
= (
) (
3
4
)
(
1
4
)
=0
(
) (
1
4
)
(
1
4
)
=0
=
= |( +)
= (
=0
| = (
3
4
+
1
4
)
(
1
4
)
=0
=
= 1 (
1
4
)
(1 +1)
= 1
1
2
.
Dakle, vjerovatnoa da se dobije naznaeni rezultat u broju pokusa koji su manji ili jednaki je:
1
1
2
.
Vjerovatnoa da naznaeni rezultat bude postignut u -tom pokusu je:
(
\
1
) = (
) (
1
) = (1
1
2
) (1
1
2
1
) =
1
2
1
1
2
=
1
2
.
Oznaimo sa sluajnu varijablu broja pokusa u kojima se dobije naznaeni rezultat. Tada je:

130

=
1
2
+
=1
= | =
1
2
| =
1
2
(
+
=0
)
=
1
2
1
(1 )
2
= 2 .
18. Bacamo kocku kod koje su dvije strane obojene plavom bojom, dvije strane crvenom bojom
i dvije strane bijelom bojom, sve dok se na gornjim stranama ne pojave sve tri boje. Neka je
broj bacanja. Odrediti distribuciju vjerovatnoe i matematiko oekivanje.
Rjeenje: Neka je dogaaj da su se pojavile sve tri boje do bacanja, tj. = [ ]. Neka su
dogaaji
da se do -tog bacanja nije pojavila plava, crvena, odnosno bijela boja,

respektivno. Tada je:
,
(
) = (
) = (
) = (1
2
6
)
= (
2
3
)
,
(
) = (
) = (
) = (
2
6
)
= (
1
3
)
,
(
) = 0 .
Iz Sylvesterove formule slijedi:
(
) = (
) +(
) +(
) (
) (
)
(
) +(
) = 3 (
2
3
)
3 (
1
3
)
,
() = 1 (
) = 1 3 (
2
3
)
+3 (
1
3
)
.
Tim je:
([ ]) = 1 3 (
2
3
)
+3 (
1
3
)
,
([ = ]) = ([ ] [ 1]) = ([ ]) ([ 1]) =
= 1 3 (
2
3
)
+3 (
1
3
)
[1 3 (
2
3
)
1
+3 (
1
3
)
1
] = (
2
3
)
1
2 (
1
3
)
1
.
Otuda:
: (
3 4

2
9
2
9
(
2
3
)
1
2 (
1
3
)
1
) ,
= [(
2
3
)
1
2 (
1
3
)
1
]
+
=3
= (
2
3
)
1
+
=3
2 (
1
3
)
1
+
=3
=
131

= | =
2
3
, =
1
3
| = (
+
=0
1
2
)
2 (
+
=0
1
2
)
=
= (
1
1
1 2) 2 (
1
1
1 2) =
2
3
+
1
3
= 1 .
19. Neka je zajednika distribucija vjerovatnoe sluajnih varijabli i data u sljedeoj tabeli:

0.1 0.2 0.3
0.2 0.1 0.1

a) Izraunati:
,
(, ),
,
(, ), ([ = , ]).
b) Izraunati: (
), , .
Rjeenje:
a) Imamo da je:
,
(1,1) = ([ 1, 1]) = 0.1 +0.2 +0.2 +0.1 = 0.6 ,
,
(1,2) = 0.1 +0.2 +0.3 +0.2 +0.1 +0.1 = 1 ,
([ = 1, 1]) = 0.2 +0.1 = 0.3 .
b) Imamo da je:
(
2
+
2
) = (0
2
+0
2
) 0.1 +(0
2
+1
2
) 0.2 +(0
2
+2
2
) 0.3 +
+(1
2
+0
2
) 0.2 +(1
2
+1
2
) 0.1 +(1
2
+1
2
) 0.1 = 2.3 ,
([ = 0]) = 0.1 +0.2 +0.3 = 0.6 ,
([ = 1]) = 0.2 +0.1 +0.1 = 0.4 ,
([ = 0]) = 0.1 +0.2 = 0.3 ,
([ = 1]) = 0.2 +0.1 = 0.3 ,
([ = 2]) = 0.3 +0.1 = 0.4 .
tj. za sabiremo retke a za sabiremo stupce u tabeli zajednike distribucije vjerovatnoe. Tim su
distribucije vjerovatnoe za i :
: (
0 1
0.6 0.4
) , : (
0 1 2
0.3 0.3 0.4
) .
= 0 0.6 +1 0.4 = 0.4 , = 0 0.3 +1 0.3 +2 0.4 = 1.1 .
X
Y

132

20. Bacamo dva simetrina tetreadra. Neka je broj koji je pao na donjoj strani prvog
tetraedra, a manji od brojeva koji su pali na donjim stranama.
a) Nai zajedniku distribuciju vjerovatnoe za i i funkciju gustoe sluajnog vektora
(, ).
b) Nai distribuciju vjerovatnoe za .
c) Izraunati:
,
(, ), ([ < , ]).
Rjeenje:
a) Imamo da je:
([ = 1, = 1]) = ({(1,1), (1,2), (1,3), (1,4)}) =
4
16
=
1
4
,
([ = 1, = 2]) = ([ = 1, = 3]) = ([ = 1, = 4]) = 0 ,
([ = 2, = 1]) = ({(2,1)}) =
1
16
,
([ = 2, = 2]) = ({(2,2), (2,3), (2,4)}) =
3
16
,
([ = 2, = 3]) = ([ = 2, = 4]) = 0 ,
([ = 3, = 1]) = ({(3,1)}) =
1
16
,
([ = 3, = 2]) = ({(3,2)}) =
1
16
,
([ = 3, = 3]) = ({(3,3), (3,4)}) =
2
16
=
1
8
,
([ = 3, = 4]) = 0, ([ = 4, = 1]) = ({(4,1)}) =
1
16
,
([ = 4, = 2]) = ({(4,2)}) =
1
16
,
([ = 4, = 3]) = ({(4,3)}) =
1
16
,
([ = 4, = 4]) = ({(4,4)}) =
1
16
.
Zajednika distribucija vjerovatnoe za , je:

133

1
4
0 0 0

1
16

3
16
0 0

1
16

1
16

1
16

1
16

1
16

1
16

1
16

1
16

Funkciju gustoe sluajnog vektora (, ) dobijamo iz tabele, npr.:
,
(1,1) =
1
4
,
,
(3,2) =
1
16
,
,
(0.5,1) = 0,
,
(1,1.3) = 0 ,
,
(, ) = 0, 1,2,3,4 1,2,3,4 .
b) Distribucije vjerovatnoe za i su:
: (
1 2 3 4
1
4
1
4
1
4
1
4
) ,
: (
1 2 3 4
7
16
5
16
3
16
1
16
) .
c) Iz tabele zajednike distribucije vjerovatnoe, imamo da je:
,
(2,3) = ([ 2, 3]) =
1
4
+
1
16
+0 +
3
16
+0 +0 =
1
2
,
([1 < 3, 3]) =
3
16
+
1
16
+0 +
1
8
+0 +0 =
3
8
.
21. Stranice kocke su numerisane sa , , , , , . Takvu kocku bacamo tri puta. Neka je
minimum, a maksimum od brojeva koji su pali.
a) Nai zajedniku distribuciju vjerovatnoe za i .
b) Nai distribucije vjerovatnoe za i .
c) Ispitati nezavisnost za i .
d) Nai kovarijancu za i .
e) Izraunati: ([ = , ]), ([ = ]), ([ = , = ]).
Rjeenje:
a) Imamo da je:

134

([ = 1, = 1]) = ({1,1,1}) =
1
27
,
([ = 1, = 2]) = ({(1,1,2), (1,2,1), (2,1,1), (1,2,2), (2,1,2), (2,2,1)}) =
6
27
=
2
9
,
([ = 1, = 3]) = ({(1,1,3), (1,3,1), (3,1,1), (3,3,1), (3,1,3), (1,3,3), (1,2,3),
(1,3,2), (2,1,3), (2,3,1), (3,1,2), (3,2,1)}) =
12
27
=
4
9
,
([ = 2, = 1]) = 0 ,
([ = 2, = 2]) = ({(2,2,2)}) =
1
27
,
([ = 2, = 3]) = ({(2,2,3), (2,3,2), (3,2,2), (3,3,2), (3,2,3), (2,3,3)}) =
6
27
=
2
9
,
([ = 3, = 1]) = ([ = 3, = 2]) = 0 ,
([ = 3, = 3]) = ({(3,3,3)}) =
1
27
.
Tim imamo tabelu:

1
27

2
9

4
9

0
1
27

2
9

0 0
1
27

b) Imamo da je:
([ = 1]) =
1
27
+
2
9
+
4
9
=
19
27
,
([ = 2]) = 0 +
1
27
+
2
9
=
7
27
,
([ = 3]) = 0 +0 +
1
27
=
1
27
,
([ = 1]) =
1
27
+0 +0 =
1
27
,
([ = 2]) =
2
9
+
1
27
+0 =
7
27
,
([ = 3]) =
4
9
+
2
9
+
1
27
=
19
27
.

Tim je:
: (
1 2 3
19
27
7
27
1
27
), : (
1 2 3
1
27
7
27
19
27
) .
c) Imamo da je:

135

,
(2,1) = 0
7
27
1
27
=
(2)
(1) ,
dakle, i su zavisne.
d) Imamo da je:
(, ) = () = 1 1
1
27
+1 2
2
9
+1 3
4
9
+2 1 0 +2 2
1
27
+
+2 3
2
9
+3 1 0 +3 2 0 +3 3
1
27
(1
19
27
+2
7
27
+3
1
27
) (1
1
27
+2
7
27
+3
19
27
) =
=
98
27
36
27
72
27
0.07 .
e) Imamo da je:
([ = 1, 2]) =
1
27
+
2
9
=
7
27
,
([ = 2]) =
7
27
,
([ = 1, 2]) =
2
9
+
4
9
=
6
9
=
2
3
.
22. Prva kutija sadri 3 bijele i 4 crne kuglice, a druga kutija sadri 5 bijelih kuglica. Iz prve kutije
sluajno izvlaimo 3 kuglice koje prebacimo u drugu kutiju. Zatim iz druge kutije sluajno
izvlaimo 4 kuglice koje prebacimo u prvu kutiju. Neka je sluajna varijabla
broj bijelih
kuglica prebaenih u drugu kutiju, a sluajna varijabla
broj bijelih kuglica prebaenih u

prvu kutiju.
a) Nai zajedniku distribuciju vjerovatnoe za
.
b) Nai distribucije vjerovatnoe za
.
c) Ispitati nezavisnost za
.
d) Izraunati kovarijancu i koeficijent korelacije za
.
e) Ako su sluajne varijable
broj bijelih kuglica u prvoj, odnosno drugoj kutiji

nakon premjetanja, izraunati ([
= ,
= ]) .
Rjeenje:
a)
1
prima vrijednosti 0, 1, 2, 3, a
2
prima vrijednosti 1, 2, 3, 4. Vrijedi:
([
2
= |
1
= ]) =
(
5 +
) (
3
4
)
(
8
4
)
,
([
1
= ]) =
(
3
) (
4
3
)
(
7
3
)
, = 0,3
, = 1,4
.
Tim je:

136

= ([
1
= ,
2
= ]) = ([
2
= |
1
= ]) ([
1
= ]) =
=
(
5 +
) (
3
4
)
(
8
4
)
(
3
) (
4
3
)
(
7
3
)
, = 0,3
, = 1,4
.
Dakle, zajednika gustoa za
1
i
2
je:

0.0081633 0.04898 0.04898 0.0081633
0 0.1102 0.29388 0.1102
0 0 0.17143 0.17143
0 0 0 0.028571

b) Imamo da je:
([
1
= 0]) = 0.0081633 +0.04898 +0.04898 +0.0081633 = 0.11429 ,
([
1
= 1]) = 0 +0.1102 +0.29388 +0.1102 = 0.51428 ,
([
1
= 2]) = 0 +0 +0.17143 +0.17143 = 0.34286 ,
([
1
= 3]) = 0 +0 +0 +0.028571 = 0.028571 ,
([
2
= 1]) = 0.0081633 +0 +0 +0 = 0.0081633 ,
([
2
= 2]) = 0.04898 +0.1102 +0 +0 = 0.15918 ,
([
2
= 3]) = 0.04898 +0.29388 +0.17143 +0 = 0.51429 ,
([
2
= 4]) = 0.0081633 +0.1102 +0.17143 +0.028571 = 0.31836 .
Tim imamo da je:
1
: (
0 1 2 3
0.11429 0.51428 0.34286 0.028571
) ,
2
: (
1 2 3 4
0.0081633 0.15918 0.51429 0.31836
) .
c) Imamo da je:
31
= 0 0.028571 0.0081633 =
3

1
,
odnosno:
1
,
2
(3,1)
1
(3)
1
(1) .
Dakle,
1
i
2
su zavisne.
2

137

d) Imamo da je:
(
1
,
2
) = (
1

2
)
1

2
=
0 1 0.0081633 +0 2 0.04898 +0 3 0.04898 +0 4 0.0081633 +
+1 1 0 +1 2 0.1102 +1 3 0.29388 +1 4 0.1102 +2 1 0 +
+2 2 0 +2 3 0.17143 +2 4 0.17143 +3 1 0 +3 2 0 +
+3 3 0 +3 4 0.028571 (0 0.11429 +1 0.51428 +2 0.34286 +
+3 0.028571) (1 0.0081633 +2 0.15918 +3 0.51429 +4 0.31836) =
= 4.285712 1.285713 3.1428333 = 0.244930369 ,
1
=
1
2
(
1
)
2
=
= 0
2
0.0081633 +1
2
0.15428 +2
2
0.34286 +
+3
2
0.028571 (1.285713)
2
= 0.489801081 ,
2
=
2
2
(
2
)
2
= 1
2
0.0081633 +2
2
0.15918 +
+3
2
0.51429 +4
2
0.31836 (3.1428333)
2
= 0.489852148 ,
(
1
,
2
) =
(
1
,
2
)
1

2
=
0.244930369
0.489801081 0.489852148
= 0.244943137 .
e) Imamo da je:
1
= 2
1
+
2
2
= 5 +
1
1
= 3
2
= 4

3 = 2
1
+
2
4 = 5 +
1
2
= 1
(
1
= 0,
2
= 1) (
1
= 1,
2
= 2) (
1
= 2,
2
= 3) (
1
= 3,
1
= 4) .
Tim je:
([
1
= 3,
2
= 4]) =
= ([
1
= 0,
2
= 1]) +([
1
= 1,
2
= 2]) +([
1
= 2,
2
= 3]) +([
1
= 3,
2
= 4]) =
= 0.0081633 +0.1102 +0.17143 +0.028571 = 0.3183643 .


138

23. Bacamo optereenih novia. Vjerovatnoa da na -tom noviu padne pismo je:
, = ,
.
Neka oznaava odabrani novi. Odrediti:
a) distribuciju vjerovatnoe.
b) funkciju gustoe.
c) .
d) i .
Rjeenje: Neka je dogaaj da je palo pismo, a
odabrani -ti novi. Tada je:

() = (
) (|
)
10
=1
=
1
10
10
10
=1
=
1
100
10 11
2
= 0.55 .
a) Imamo da je:
([ = ]) =
(
) (|
)
()
=
1
10
10
0.55
=
55
, = 1,10
.
Tim je distribucija vjerovatnoe:
: (
1 2 3 4 5 6 7 8 9 10
1
55
2
55
3
55
4
55
5
55
6
55
7
55
8
55
9
55
10
55
) .
b) Imamo da je funkicija gustoe:
() = {
55
, = 1,10
0,
, .
c) Imamo da je:
=
2
55
10
=1
=
10 11 21
55 6
= 7 .
d) Imamo da je:
=
2
()
2
=
3
55
7
2
10
=1
= 6 ,
= = 6 2.449 .

139

24. Standardna devijacija svake od nezavisnih sluajnih varijabli je . Procjeniti
vjerovatnou da odstupanje aritmetike sredine tih varijabli od aritmetike sredine njihovih
matematikih oekivanja, bude manja od . .
Rjeenje:
([
1
+
2
++
2500
2500
1
+
2
++
2500
0.2])

|

| 1
(
1
+
2
++
2500
2500
)
(0.2)
2
=

= 1
1
+
2
++
2500
(2500)
2
0.04
= 1
2500 5
2
(2500)
2
0.04
= 1
1
4
=
3
4
.
25. Pretpostavimo da je srednje kvadratno odstupanje nekog mjerenja od stvarne vrijednosti
jednako . Procjeniti vjerovatnou da pri mjerenja odstupanje aritmetike sredine
dobijenih vrijednosti i stvarne vrijednosti, ne prelazi . .
Rjeenje:
([|
1
+
2
++
2000
2000
| 0.1])

|

| 1
(
1
+
2
++
2000
2000
)
(0.1)
2
=

= 1
1
+
2
++
2000
(2000)
2
(0.1)
2
= 1
2000 1
(2000)
2
0.01
= 1
1
20
= 0.95 .
26. Tehnika kontrola provjerava jednu seriju proizvoda. Proizvod ima defekt sa
vjerovatnoom od . , a nezavisno od toga, ima defekt vjerovatnou od . . U kojim
granicama e biti broj defektnih proizvoda u seriji od proizvoda sa vjerovatnoom
barem . ?
Rjeenje: Proizvod je defektan ako ima defekt ili . Dakle, vjerovatnoa da proizvod ima defekt je:
( ) = () +() () () =
= 0.01 +0.02 0.01 0.02 = 0.0298 ,
([|
1000
1000
| < ]) = |

| =
ebievljeva
nejednakost
ebievljeva
nejednakost
1000
je binomna
sluajna varijabla

140

= ([|
1000
1000 0.0298| < ]) |

|
1
1000
2
= 1
1000 0.0198 0.9702
2
0.95
25 .
Dakle, sa vjerovatnoom barem 0.95, imamo izmeu 4.8 i 54.8 defektnih proizvoda u seriji od 1000
proizvoda.

ebievljeva
nejednakost
141

5. Neprekidne sluajne varijable

Mnogi konkretni primjeri sluajnih eksperimenata, koji su rezultati nekih fizikalnih mjerenja (vrijeme,
temperatura, duina, novane vrijednosti i slino), ne mogu se precizno opisati pomou diskretnih
sluajnih varijabli. U ovoj glavi e se ispitivati takve sluajne varijable, tj. sluajne varijable za koje ne
postoji izbrojiv podskup skupa , takav da je vjerovatnoa da one primaju vrijednosti u skupu
jednaka jedan. Ograniavamo se na sluajne varijable za koje je funkcija po , ([ ])
neprekidno-diferencijabilna u svakoj taki , izuzev eventualno u izbrojivo mnogo njih.

5.1. Funkcija distribucije i funkcija gustoe sluajnih varijabli

Sljedei teorem daje osobine funkcije distribucije sluajne varijable. Njen dokaz je potpuno analogan
kao u diskretnom sluaju.
Neka funkcija distribucije
sluajne varijable ima prekide u takama
, . Oznaimo ih sa:
= ([ =
]) = |

| = lim
+
([
<
]) =
= lim
+
[
0)] = | | > 0,
Oznaimo sa:
Definicija 5.1.1. Neka je sluajna varijabla. Funkciju
: [0,1] definiranu sa:
() = ([ ]), ,
Nazivamo funkcija distribucije sluajne varijable .
Teorem 5.1.1. Za funkciju distribucije
sluajne varijable vrijedi:

a)
je neopadajua
b)
je neprekidna s desna
c) lim
+
() = 1 lim
() = 0
d) ([ < ]) =
()
()
e) ([ ]) =
() ( 0)
f) ([ < < ]) =
( 0)
()
g) ([ < ]) =
( 0)
( 0)
zbog neprekidne
vjerovatnoe u odnosu na
opadajui niz dogaaja
je taka prekida

142

() =
(),
, .
Tada je:
() =
()

Za funkciju gustoe
sluajne varijable vrijedi:

a)
() 0, ,
b)
()
+
+

= 1 .
Ako je
neprekidno diferencijabilna u svakoj taki, tada je:
() =
()
() =
()
.
Za takve sluajne varijable kaemo da su neprekidne.
Ako je sluajna varijabla sa funkcijom distribucije kao u relaciji (), onda je
zbir funkcije
distribucije neprekidne sluajne varijable I funkcije distribucije diskretne sluajne varijable. Takve
sluajne varijable nazivamo mjeovite sluajne varijable.
() =
||
, .
Odrediti , tako da je funkcija gustoe neke sluajne varijable . Nai funkciju distribucije.
1 = ()
+
=
||
= 2
+
0
= 2 (
0
) = 2
=
1
2
.
Funkcija:
() =
1
2

||
,
je funkcija gustoe neprekidne sluajne varijable . Funkcija distribucije je:
Definicija 5.1.2. Funkciju
: definisanu sa:
() = {
(),
, =
,
,
Nazivamo funkcija gustoe sluajne varijable .
()
143

() =
1
2

||
=
{
1
2
+
1
2

0
, 0
1
2

, < 0
=
= {
1
2
+
1
2
(1
), 0
1
2

, < 0
, .
Primjer 5.1.2. Neka sluajna varijabla predstavlja stanja rauna klijenata neke banke na kraju
mjeseca, a koja mogu biti negativna i nenegativna. Neka je funkcija distribucije vjerovatnoe od
data sa:
() = {
1
1
3

, 0
1
3

, < 0

Nacrtati grafik od
i nai funkciju gustoe.

Rjeenje:

Poto je:
lim
0+0
() =
2
3
lim
00
() =
1
3
,
Slika 18: Grafik funkcije
iz primjera 5.1.2.
Slika 17: Funkcija
() iz primjera 5.1.1.
1
2

1

144

to
nije neprekdina u taki = 0. Oigledno,
je neprekidno diferencijabilna u svim takama

0. Tim je:
([ = 0]) =
(0)
(0 0) =
2
3
1
3
=
1
3
,
() = {
1
3

, > 0
1
3

, < 0

() =
1
3

||
, 0 .
Tim je funkcija gustoe od data sa:
() = {
1
3

||
, 0
1
3
, = 0
.
Provjera da li funkcija gustoe zadovoljava definiciju:
1
3

||
+
1
3
=
2
3

+
0
+
1
3
=
2
3
(0 +1) +
1
3
=
2
3
+
1
3
= 1 .

Ako je diskretna sluajna varijabla sa distribucijom vjerovatnoe:
: (
2

) .
Tada je ([ ]) neprekdino diferencijabilna za
, . Funkcija gustoe je:
() = {
(),
, =
,
= {
0,
, =
,
.
Primjer 5.1.3.
a) Kaemo da sluajna varijabla ima uniformnu distribuciju na segmentu [, ], < , ako je
njena funkcija gustoe data sa:
() = {
1

,
0, [, ]
.
145

Funkcija distribucije od je:
() = {
0, <

,
1, >
, .

b) Kaemo da ima eksponencijalnu distribuciju sa parametrom > 0, ako je:
() = {

, > 0
0, 0
.
Tada je funkcija distribucije od X:
() = {
0, 0

0
> 0
= {
0, 0
1
, > 0
.

Slika 19: Funkcija distribucije od ,
koja ima uniformnu distribuciju
Slika 20: Funkcija gustoe od , koja
ima normalnu distribuciju
ima eksponencijalnu distribuciju
koja ima eksponencijalnu distribuciju


146

c) ima dvostranu eksponencijalnu distribuciju s parametrom > 0 ako je:
() =
1
2

||
, .
Tada je funkcija distribucije od X:
() =
{
1
2
+
1
2

0
0
1
2

< 0
= {
1
2
+
1
2
(1
), 0
1
2

, < 0
.

d) ima Cauchyjevu distribuciju sa parametrima , i > 0, ako je:
() =
[
2
+( )
2
]
, .

Tada je funkcija distribucije:
() =
1
arctg

+
1
2
, .
Specijalno, ako je = 1 i = 0, to je:
() =
1
(1 +
2
)
,
koja ima dvostranu eksponencijalnu
distribuciju
ima dvostranu eksponencijalnu
distribuciju
147

i kaemo da ima jedininu Cauchyjevu distribuciju.
e) ima normalnu distribuciju sa parametrima , > 0, ako je:
() =
1
2

()
2
2
2
,
i oznaavamo je sa ~(,
2
). Specijalno, ako je = 0 I = 1 to je:
() =
1
2

2
2
,
i kaemo da ima jedininu normalnu distribuciju.

f) X ima gama distribuciju sa parametrima , > 0, ako je:
koja ima Cauchyjevu distribuciju gdje
su = 5 i = 1
ima Cauchyjevu distribuciju gdje
su = 2 i = 2
(,
1
)
koja ima normalnu distribuciju
1
2

Slika 27: Funkcija gustoe , koja
ima normalnu distribuciju

1
2


148

() = {
1
()
, > 0
0, 0
,
gdje je:
() =
+
0
, > 0
gama funkcija.
Ako je:
=
2
, , = 2 ,
imamo da je:
() = {
1
2
2
(
2
)

2
1

2
, > 0
0, 0

i kaemo da ima
2
distribuciju i piemo ~
2
(),
pri emu je broj stupnjeva slobode od .
g) ima studentovu -distribuciju sa
stupnjeva slobode, to piemo kao ~(),
ako je:
() =
(
+1
2
)
(
2
)
(1 +
+1
2
, .

U ovom poglavlju posmatrat emo sluajne vektore = (
1
,
2
, ,
) takve za koje postoji

neprekidna funkcija :
, tako da je:
([ ]) = ([
1

1
,
2

2
, ,
]) = (
1
,
2
, ,
)
1
[]
,
gdje su:
= (
1
,
2
, ,
) = (
1
,
2
, ,
),
-torke realnih brojeva.
ima gama distribuciju
ima studentovu t-distribuciju
149

Vrijedi:
(
1
, ,
) =
(
1
, ,
) .
Neka je
oblast. Tada, za sluajni vektor = (

1
, ,
) sa funkcijom gustoe
,
vrijedi:
([ ]) =
(
1
, ,
)
1
[]
, = (
1
,
2
, ,
.
Funkcija distribucije i funkcija gustoe od
, = 1,
se dobijaju na sljedei nain:
) =
(
1
, ,
)
1
]
=
=

1
+

1
+

+1
+
(
1
, ,
)
+
, = 1,
) =
) =
(
1
, ,
1
,
,
+1
, ,
+1
, = 1,
.
Definicija 5.1.3. Funkciju
[0,1], definisanu sa:
(
1
, ,
) = ([
1

1
, ,
])
Nazivamo funkcija distribucije sluajnog vektora = (
1
, ,
), a funkciju
, takvu da je:
(
1
,
2
, ,
) = (
1
,
2
, ,
)
1
[]
=
1

2

(
1
,
2
, ,

funkcija gustoe sluajnag vektora ili zajednika funkcija gustoe sluajnih varijabli
1
,
2
, ,
.
Teorem 5.1.2. Za funkciju distribucije
[0,1] sluajnog vektora = (

1
, ,
) vrijedi:
a)
(
1
, ,
) = 0
1
, ,
1
,
+1
, ,
, = 1,
.
b)
1
+
() = 1 .

150

Dokaz: Ako su
1
, ,
nezavisne, tada, zbog definicije 5.1.4. vrijedi:
(
1
,
2
, ,
) =
=1
,
tj. a) b).
Uzimanjem izvoda po
1
,
2
, ,
, od relacije b), dobijemo:
(
1
,
2
, ,
) =
(
1
,
2
, ,
) =
=
=1
=
=1
,
tj. b) c).
Uzimanjem integrala od relacije pod c), dobijamo:
(
1
,
2
, ,
) =
1

2
(
1
,
2
, ,
=
=
=1
=
=1
.
Otuda:
([
1

1
,
2

2
, ,
]) = ([
])
=1
,
Odnosno
1
,
2
, ,
su nezavisne.
Primjer 5.1.4. Data je funkcija :
2
definisana sa:
(, ) = {
(
2
+
2
)
, 0, 0
0,
.
a) Odrediti , tako da je funkcija gustoe sluajnog vektora = (, ).
b) Odrediti funkcije gustoe
sluajnih varijabli i .
c) Izraunati ([0 1, 0 1]) .
d) Ispitati nezavisnost , .
Primjedba 5.1.1. Sljedee tri relacije su ekvivalentne:
a) Sluajne varijable
1
,
2
, ,
su nezavisne.
b)
(
1
,
2
, ,
) =
=1
.
c)
(
1
,
2
, ,
) =
=1
.

151

Rjeenje:
a) Imamo da je:
1 =
+
(, )
+
= (, )
2
=
=
+
0

+
0
= (
+
0
)
2
= |
2
=
= 2
| =
=
4
(
+
0
)
2
=
4
(0 +1)
2
=
4

= 4 .
b) Za 0 je:
() = 4
(
2
+
2
)
+
0
= 4
+
0
= 2
2

Za < 0:
() =
,
(, )
+
0
= 0
+
0
= 0 .
Tim je:
() = {
2
2
, 0
0, < 0
.
Analogno:
() = {
2
2
, 0
0, < 0
.
c) Imamo da je:
([0 1, 0 1]) =
1
0
4
(
2
+
2
)
1
0
=
= 4
1
0
1
0
= 4 (
1
0
)
2
= |
=
2
= 2
| =

152

= 4 (
1
2
1
0
)
2
= (1
1
)
2
.
d) Za 0, 0 je:
(, ) = 4
(
2
+
2
)
= 2
2
2
2
=
()
() .
Za < 0 ili < 0 je:
(, ) = 0 =
()
() ,
to znai da su i nezavisne.
Neka je sluajna varijabla i : funkcija. Za dosta iroku klasu funkcija moe se izravno
izraunati funkcija gustoe za sluajnu varijablu = () ako je poznata funkcija gustoe
za .
Neka je podruje vrijednosti sluajne varijable sadrano u intervalu (, ). Neka je strogo rastua
ili strogo opadajua, neprekidno diferencijabilna funkcija na (, ), (, ) = (, ) i je bijekcija sa
(, ) na (, ). Otuda, podruje vrijednosti za = () je (, ). Dalje slijedi da je
() = 0 za
i
() = 1 za .
Pretpostavimo da je strogo rastua, () 0, (, ) i . Tada je:
() = ([() ]) = ([
1
()]) =

()
1
()
= | =
1
()| =
(
1
())
(
1
())

.
Uzimanjem izvoda po , dobijemo:
() =
(
1
())
1
(
1
())
, (, ) .
Tim je:
() =
(
1
())
1
(
1
())

(,)
,
gdje je:
(,)
() = {
1, (, )
0, (, )
.
Pretpostavimo da strogo opada,
() 0, (, ), < < .
Tada je:
() = ([() ]) = ([
1
()]) =
()
1
()
= | =
1
()| =
153

=
(
1
())
(
1
())

.
Uzimanjem izvoda po dobijamo:
() =
(
1
())
1
(
1
())
, < < .
Tim je za strogo rastue ili strogo opadajue i
() 0, (, ):
() =
(
1
())
1
|
(
1
())|

(,)
.
Neka je podruje vrijednosti sluajne varijable , interval i neka je : neprekidno
diferencijabilna funkcija. Neka su
, intervali u kojima je funkcija monotona. Tada je:

=
.
Neka su
= (
), intervali. Pretpostavimo da su
() 0, i
1
|
,
neprekidno diferencijabilne funkcije. Izraunajmo funkciju gustoe za sluajnu varijablu = () ako
je
funkcija gustoe od :
() = ([ = ]) = ([
])
<
+([|
() ]) =
= ([
])
<
+ ([ (|
)
1
()]) =
= ([
])
<
+
()
(|
)
1
()
= |(|
)
1
() = | =
= ([
])
<
+
((|
)
1
())
(|
)
1
()|
.
gdje je
= (
),
= (
) i (
). Intervali
su ispred intervala
. Ovdje smo
pretpostavili da je |
strogo rastua na
. Potpuno analogno je za strogo opadajue funkcije.

() =
((|
)
1
())
1
|
(|
)
1
()|

.
Primjer 5.1.5. Neka je = +, 0. Tada za () = + vrijedi:
(1)
(2)

154

1
() =

.
Zbog (1) je:
() =
(
1
())
1
|
(
1
())|
=
1
||

) .
Ako je ~(,
2
) i = +, 0, tada je (, ) = i (, ) = . Zbog primjera 5.1.5. je:
() =
1
||

) =
1
||
1
2

1
2
2
(
)
2
=
=
1
||2

((+))
2
2
2
2
, ,
Odnosno, ~( +,
2
2
). Specijalno, ako je:
~(,
2
) =

,
tada je ~(0,1).
Primjer 5.1.6. Neka je sluajna varijabla sa funkcijom gustoe
. Nai funkciju gustoe za

= () ako je:
a) () = arctg .
b) () =
1
1+
2
.
c) () = tg .
Rjeenje:
a) Neka je:
=
Tada je:
= () = (
2
,
2
) .
Funkcija je bijekcija i
1
() = tg , gdje:
(
2
,
2
) .
Tada iz (1) slijedi:
() =
(tg )
1
cos
2
2
,
2
)
() .
b) = i je bijektivna na . Neka su:
155

1
= {: 0}
2
= {: < 0}
Tada je =
1

2
.
|
= (
) = (0,1), = 1,2
su bijektivne i monotone funkcije. Tim je:
(|
1
)
1
() =
1
, (0,1) ,
(|
1
)
1
() =
1
, (0,1) .
Tada je:
() =
(
1
)
1
|
(
1
)|

(0,1)
() +
(
1
)
1
|
(
1
)|

(0,1)
() =

=
|
|
(
1
) =
2
1
(1 +
1
)
2
= 2
2
|
|
=

=
1
2
2
[
(
1
) +
(
1
)]
(0,1)
() .
c) Imamo da je:
= ,
= (
2
+,
2
+) , ,
= (
) = .
|
su bijektivne i monotone, pa je:

(|
)
1
= arctg +, ,
|
(arctg +)| =
1
cos
2
(arctg)
=
1
1 +tg
2
(arctg )
=
1
1 +
2
.

156

Tada imamo da je:
() =
(arctg +)
1
1 +
2
, .
Primjer 5.1.7. Neka sluajna varijabla ima funkciju gustoe:
() = {
, > 0
0, 0

i neka je = ( 1)
2
. Nai funkciju gustoe od .
Rjeenje: Prvi nain:
= (0, +), () = ( 1)
2
i = [0, +) = ().
nije bijektivna na . Neka je
1
= (0,1) i
2
= [1, +). Tada je:
1
= (0,1)
2
= [0, +) ,
(|
1
)
1
() = 1 , (0,1) ,
(|
2
)
1
() = 1 +, [1, +),
(1 ) = 2 ,
(1 +) = 2 .
Otuda je:
() =
1
2

(0,1)
() +
1
1
2

[1,+)
()
ili:
() =
{
0, 0
2
, 0 < < 1
2
, 1 < +
.
Drugi nain:
() = ([ ]) = ([( 1)
2
]) = 0, 0 ,
() = ([1 1 +]) =
157

= ([0 1 +]) =
1+
0
= 1
1
, 1 .

Uzimanjem izvoda po dobijemo:
() =
{
0, 0
2
, 0 < < 1
2
, 1 < +
.

Neka je = (
1
,
2
, ,
):
funkcija gdje su
1
neprekidno diferencijabilne funkcije.
Jakobijan funkcije je:
() = det
[
1
()
1
()
()
()
= det [
()] ,
.
Vrijedi sljedei teorem:
U primjenama se esto pojavljuje problem: Neka je (, ) sluajni vektor sa funkcijom gustoe
,
.
Neka je :
2
takva funkcija da funkcija = (
1
,
2
):
2

2
, gdje:
1
= (, ) = (, ) ,
2
(, ) = ,
zadovoljava uvjete prethodne teoreme. Neka je:
Teorem 5.1.2. Neka je = (
1
,
2
, ,
) sluajni vektor sa funkcijom gustoe
. Neka je:
= { = (
1
,
2
, ,
() > 0}
i neka je :
neprekidno diferencijabilna funkcija takva da je:

a) : = () je bijekcija.
b)
1
je neprekidno diferencijabilna na i
1
() 0, .
Tada sluajni vektor = () ima funkciju gustoe:
() =
(
1
()) |
1
()|
(),
. (3)

158

= (, ) .
Tada je:
= (
1
)
1
(, ) = = (
1
)
2
(, ) = (, ) .
Tim je:
1
(, ) = |
| = |
0 1
| =
(, ) .
Iz (3) slijedi da za sluajni vektor (, ) vrijedi:
,
(, ) =
,
(, (, )) |
(, )| .
Samim tim je:
() =
,
(, (, )) |
(, )|
+
.
Primjer 5.1.8. Neka je
,
funkcija gustoe sluajnog vektora (, ). Nai funkciju gustoe od:
a) = + .
b) = .
Rjeenje:
a) = (, ) = +, pa je:
(, ) = (
1
(, ),
2
(, )) = ( +, ) = (, ) .
Uzmemo da je = , = = (, ), pa je iz (4):
() =
,
(, ) |
(, )|
+
=
,
(, )
+
, .
b) = (, ) = , pa je:
(, ) = (
1
(, ),
2
(, )) = ( , ) = (, ) .
Uzmemo da je = , = + = (, ), pa je iz (4):
() =
,
(, +) |
(, )|
+
=
,
(, +)
+
, .

159

5.2. Matematiko oekivanje

Ako je funkcija gustoe od oblika:
() = {
(),
, =
,
gdje je
funkcija distribucije sa prekidima u takama =
, , tada oekivanje od
definiemo sa:
=
()
+
.
() = {
, > 0
0, 0

funkcija gustoa sluajne varijable . Izraunati .
Rjeenje:
=
()
+
+
0
=
= 0 +(1 0) = 1
() =
{
0, < 0
, 0 <
1
3
3
4
+
1
4
,
1,
1
3
< 1
1

Definicija 5.2.1. Neka je neprekidna sluajna varijabla sa funkcijom gustoe
. Matematiko
oekivanje sluajne varijable , u oznaci , definie se sa:
=
(),
+

ako je integral apsolutno konvergentan. Ako integral nije apsolutno konvergentan, kaemo da nema
matematiko oekivanje.

160

funkcija distribucije sluajne varijable . Izraunati
.
([ =
1
3
]) =
(
1
3
)
(
1
3
0) =
1
2
1
3
=
1
6
,
() =
{
0, < 0 1
1, 0 <
1
3

3
4
,
1
3
< < 1
,
=
()
+
+
1
3
1
6
=
1
3
0
+
3
4

1
1
3
+
1
18
=
=
1
18
+
3
4
1
1
9
2
+
1
18
=
1
9
+
1
3
=
4
9
.
Primjer 5.2.3.
a) Neka je funkcija gustoe od data sa:
() = {
1

,
0,
.
Tada je:
=
1

=
1

2
2
=
+
2
.
b) Neka je:
() = {
, > 0
0, 0
.
Tada je:
=
+
0
= [(
)|
0
+
+
1
+
0
] =
= [0 +
1
(
1
)|
0
+
] = [0 +
1
(
1
0)] =
1
.
Slika 31: Izgled funkcije
u primjeru
5.2.1.
1
1
2

1
3

1
1
3

161

c) Neka je:
() =
1
(1 +
2
)
, .
Tada je:
||
(1 +
2
)
= 2
(1 +
2
)
+
0
=
1
ln(1 +
2
)|
0
+
= + .
Kako integral nije apsolutno konvergentan, to ne postoji .
Potpuno analogno bismo zakljuili da za sa funkcijom gustoe:
() =
[
2
+( )
2
]
, , , , > 0
ne postoji .
d) Neka je:
() = {
1
()
, > 0
0, 0
, , > 0 .
Tada je:
=
1
()
+
0
= |
= | =
=
()

+
0
=
()

+11

+
0
=
= |() =
1
+
0
| =
()
( +1) =
=
()
() = .
e) Ako je:
=
2
, = 2 ,
odnosno ima
2
distribuciju, tada je:
=
2
2 = .


162

f) Ako ima studentovu -distribuciju. Tada je:
=
1

(
+2
2
)
(
2
)
(1 +
+1
2
= | | = 0, > 1 .
Za = 1 oekivanje ne postoji. Naime, imamo da je:
|| (1 +
2
)
1
= 2
1 +
2
= ln(1 +
2
)|
0
+
+
0
< + ,
tj. integral nije apsolutno konvergentan za = 1. Neka je > 1 i neka je:
=
+1
2
.
Oigledno je > 1. Otuda je:
|| (1 +
+1
2
= 2
(1 +
+
0
=
+1
(1 +
)
+1
|
0
+
= + .
tj. integral je apsolutno konvergentan za > 1.
g) Neka je ~(,
2
).
Tada je:
=
1
2

()
2
2
2
=
1
2
( )
()
2
2
2
+
+
1
2

()
2
2
2
= | =

| =
2
2
+ =
= | | = 0 + = .
Specijalno, za ~(0,1) je = 0.

funkcija gustoe neprekidne sluajne varijable i : funkcija koja

zadovoljava uvjete kao u relaciji (2) u 5.1. Za sluajnu varijablu = () vrijedi:
= ()
(),
+

ukoliko je integral apsolutno konvergentan.
zbog neparnosti

2
2
je neparna, pa integral je 0
163

Dokaz: Iz relacije (2), funkcija gustoe od je:
() =
((|
)
1
())
1
|
(|
)
1
()|

()
.
Tim je:
=
()
+
((|
)
1
())
1
|
(|
)
1
()|

()
+
=
= | =
(|
)
1
()| = ()
()
|
()|
|
()|

()
+
=
= [()
()
()
]
+
= ()
()
+

Dokaz: Iz relacije (4) u 5.1., funkcija gustoe od je:
() =
,
(, (, )) |
(, )|
+
,
gdje je = (, ). Tim je:
=
()
+
=
+

,
(, (, )) |
(, )|
+
=
=
,
(, (, )) |
(, )|
2
= |
=
= (, )
| =
= (, )
,
(, )
2

,
zajednika funkcija gustoe sluajnih varijabli i i neka je :
2

funkcija, kao u relaciji (4) u 5.1. Tada za = (, ) vrijedi:
=
+
(, )
(, ) = (, )
,
(, ),
2
+

ukoliko je integral apsolutno konvergentan.

164

Prethodni teorem vrijedi i za sluajnih varijabli. Naime, neka je = (
1
,
2
, ,
) sluajna
varijabla, gdje je :
funkcija. Tada je:

= (
1
,
2
, ,
1
,
2
,,
(
1
,
2
, ,
)
1
,
gdje je
1
,
2
,,
zajednika funkcija gustoe od

1
,
2
, ,
.
,
(, ) = {
2
3
( +2), , [0, 1]
0,

zajednika funkcija gustoe sluajnih varijabli i . Izraunati ( +).
Rjeenje:
( +) =
1
0
( +)
2
3
( +2)
1
0
=
=
2
3

1
0
(
2
+3 +2
2
)
1
0
=
2
3
(
2
+
3
2
+
2
3
)
1
0
=
=
2
3
(
1
3
+
3
4
+
2
3
) =
7
6
.
() = {
6(1 ), 0 1
0,

funkcija gustoe sluajne varijable . Nai
2
.
Rjeenje:
2
=
2
6 (1 )
1
0
= 6(
3
4
)
1
0
= 6(
1
4
1
5
) =
3
10
.

Teorem 5.2.3. Neka su i neprekidne sluajne varijable sa zajednikom funkcijom gustoe
,
i neka
postoje i . Tada, za , , vrijedi:
( +) = + .
165

Dokaz: Iz teorema 5.2.2. slijedi:
( +) = ( +)
,
(, )
2
=
=
,
(, )
2
+
,
(, )
2
=
=
+

,
(, )
+
+
+

,
(, )
+
=
=
()
+
()
+
= +

Dokaz: Neka su
funkcije gustoe za i . Tada je, zbog nezavisnosti, zajednika funkcija

gustoe:
,
(, ) =
()
() .
Tada, zbog teorema 5.2.2. vrijedi:
( ) =
,
(, )
2
=
=
()
+
()
+
=

Teorem 5.2.4. Neka su neprekidne sluajne varijable i nezavisne i neka postoje i . Tada je:
( ) =
Definicija 5.2.2. Varijanca neprekidne sluajne varijable definie se sa:
= ( )
2
= ( )
2
()
+
,
gdje je
funkcija gustoe od . Ako integral nije apsolutno konvergentan, kaemo da nema

varijance. = je standardna devijacija.

166

Vrijedi:
= ( )
2
= (
2
2 +()
2
) =
=
2
2 +()
2
=
2
()
2
.
() = {
, 0
0, < 0
.
Nai .
Rjeenje:
=
2
()
2
,
=
2
+
0
=
2
(
+
0
) +2
+
0
=
= 2[(
+
0
) +
+
0
] = 2 ,
2
=
3
+
0
=
3
(
+
0
) +3
2
+
0
= 6
= 6 2
2
= 2 .

Dokaz:
( +) = (( +) ( +))
2
=
= ( + )
2
= (
2
( )
2
) =
2
( )
2
=
2

Teorem 5.2.5. Neka je neprekidna sluajna varijabla za koju postoji varijanca i neka je , .
Tada je:
( +) =
2
.
167

Dokaz:
(
1
+
2
++
) = ((
1
+
2
++
) (
1
+
2
++
)
2
=
= ((
1
1
) +(
2
2
) ++(
))
2
=
= ((
)
2
=1
+ (
)(
)
1<
) =
= |

| = ((
)
2
=1
) =
=1

Primjer 5.2.7.
a) Neka ima uniformnu distribuciju na [, ]. Tada je:
2
=
2
=
1

3
3
=
2
+ +
2
3
,
=
2
()
2
=
2
+ +
2
3
(
+
2
)
2
=
( )
2
12
.
b) Neka ima eksponencijalnu distribuciju sa parametrom > 0. Tada je:
2
=
2

+
0
=
2
2
,
=
2
()
2
=
2
2
=
1
2
.
c) Neka ima dvostranu eksponencijalnu distribuciju sa parametrom > 0. Tada je:
2
=
2
2

||
=
2
+
0
=
2
2
,
=
2
()
2
=
2
2
0
2
=
2
2
.

1
,
2
, ,
nezavisne neprekidne sluajne varijable za koje postoje varijance.

Tada je:
(
1
+
2
++
) =
1
+
2
++
.
zbog nezavisnosti
oekivanje druge
sume je 0

168

d) Neka je ~(,
2
). Tada je:
= ( )
2
=
1
2
( )
2

()
2
2
2
=
= |

= | =
2
2

2
2
2
=
2
2
2

2
2
2
+
0
=
=
2
2
2
[(
2
2
)|
0
+
+
2
2
+
0
] =
2
2
2
[0 +
2
2
] =
2
.
e) Neka ima gama distribuciju sa parametrima i , , > 0. Tada je:
2
=
1
()

2+1

+
0
= |
= | =
=
2
()

+1

+
0
=
2
()

(+2)1

+
0
=
=
2
()
( +2) = |( +1) = ()| =
2
()
( +1) ( +1) =
=
2
()
( +1) () =
2
( +1) .
Samim tim je:
=
2
()
2
=
2
( +1) ( )
2
=
2
.
f) Neka ima
2
distribuciju sa stupnjeva slobode, tj. ima gama distribuciju sa parametrima:
=
2
= 2 .
Tada iz e) imamo da je:
=
2
2
2
= 2 .

169

5.3. Funkcija izvodnica momenata

Funkcija izvodnica momenata sluajne varijable jednoznano odreuje funkciju gustoe. Zato je
pogodna za traenje funkcije gustoe od zbira sluajnih varijabli.
Dokaz:
+
() =
(+)
()
+
()
+
()
Dokaz: Dovoljno je dokazati za = 2. Naime, ako vrijedi relacija (1) za = 2 i ako prema
pretpostavci vrijedi i za = , tada je:
1
+
2
++
+
+1
() =
1
+
2
++
()
+1
() =
=
+1
.
Dakle vrijedi (1) i za = +1. Tada iz principa matematike indukcije, zakljuujemo da (1) vrijedi
za . Dokaimo da vrijedi za = 2. Neka su i nezavisne sluajne varijable. Tada je funkcija
distribucije od = +:
() = ([ ]) = ([ + ]) =
()
()
+
=
Definicija 5.3.1. Neka je neprekidna sluajna varijabla sa funkcijom gustoe . Tada funkciju izvodnicu
momenata definiemo sa:
() =
()
+
, ,
odnosno:
() = (
) .
() funkcija izvodnica momenata sluajne varijable i , . Tada je:
+
() =
() .
1
,
2
, ,
nezavisne sluajne varijable sa funkcijama izvodnicama momenata
1
(),
2
(), ,
(). Tada je:
1
+
2
++
() =
1
()
2
()
()
(1)

170

=
()
()
.
() =
()
( )
+
,
Tim je:
() =
()
+
()
( )
+
= |

| =
=
()
( )
+
()
( )
+
=
= |
=
=
| =
()
+
()
+
=
=
()
()
+
()
()
Primjer 5.3.1.
a) Neka ima uniformnu distribuciju na [, ]. Tada je:
() =
()
+
( )
.
b) Neka ima eksponencijalnu distribuciju sa parametrom > 0. Tada je:
() =
+
0
=
()
+
0
=
=

(
()
)|
0
+
=

, < .
c) Neka ima dvostranu eksponencijalnu distribuciju sa parametrom > 0. Tada je:
() =
2

||
(+)
2

()
+
0
=
=
1
+
(
0
) +
1

(
()
)|
0
+
=
Fubinijev
teorem
171

=
1
+
+
1

=
2
=
2
, < < .
d) Neka ima gama distribuciju sa parametrima > 0 i > 0. Tada je:
() =
1
()
+
0
=
=
1
()
+
0
= |
1
= | =
=
1
()
1
)
1

1

+
0
=
=
1
()
(1 )
+
0
=
=
1
()
1
(1 )
() =
1
(1 )
, <
1
,
jer zbog definicije funkcije , mora biti:
1
> 0 .
e) Neka ima
2
distribuciju sa stupnjeva slobode. Tada je:
=
2
= 2 .
Zbog d) je:
() =
1
(1 2)
2
, <
1
2
.
f) Neka je ~(0,1). Tada je:
() =
1
2

2
2
=
1
2

2
2
=
=
1
2

1
2
()
2
+
1
2
=
1
2

1
2
1
2
()
2
=
= |
=
=
| =
1
2

1
2
1
2
()
2
=
1
2
2
.


172

Ako je ~(,
2
), tada je:
=

~(0,1) = + .
Zbog teorema 5.3.1. vrijedi:
() =
() =

1
2
()
2
=
+
1
2
2
, .
Slijedei teorem daje rezultat da je funkcija gustoe sluajne varijable jednoznano odreena sa
funkcijom izvodnicom momenta. Primjenjuje se za traenje funkcije gustoe sluajnih varijabli pomou
funkcije izvodnice momenata.
Primjer 5.3.2. Neka su
~(
2
), = 1,
nezavisne sluajne varijable. Tada je:
1
+
2
++
() =
1
()
2
()
() =
=
1
+
1
2
1
2
2
+
1
2
2
2
+
1
2
2
=
=
(
1
+
2
++
)+
1
2
(
1
2
+
2
2
++
2
2
)
2
.
Tim je, na osnovu teorema 5.3.3.:
1
+
2
++
~(
1
+
2
++
,
1
2
+
2
2
++
2
) ,
tj.:
1
+
2
++
~(,
2
) .
gdje je:
=
1
+
2
++
=
1
2
+
2
2
++
2
.

5.4. Zadaci

1. Vrijeme u satima kompjutera, dok se ne pokvari, je sluajna varijabla sa funkcijom gustoe:
() = {
,
, <
,

Teorem 5.3.3. Neka su i sluajne varijable ije su funkcije izvodnice momenata
() i
()
jednake u okolini take 0. Tada su funkcije gustoe
od i jednake, tj.
.
173

Izraunati:
a) .
b) vjerovatnou da je vrijeme izmeu i sati.
c) vjerovatnou da je vrijeme manje od sati.
Rjeenje:
a) Imamo da je:
1 =
100
+
0
= 100 (
0
) = 100 =
1
100
.
b) Imamo da je:
([50 150]) =
1
100

100
150
50
= (
150
100
50
100
) =
1
2
3
2
0.383 .
c) Imamo da je:
([ 100]) =
1
100

100
100
0
= (
100
100
0
) = 1
1
0.63 .
2. Neka je:
() = {
,
,

funkcija gustoe od . Izraunati i .
Rjeenje:
= 2
2
1
0
=
2
3
(1
3
0
3
) =
2
3
,
=
2
()
2
= 2
3
1
0
4
9
=
1
2
(1
4
0
4
)
4
9
=
1
18
.
3. Neka je:
() = {
,
,

funkcija gustoe od . Izraunati (
).


174

Rjeenje: 1. nain:
(
) =
1
0
=
1
0
= 1 .
2. nain:
=
() = ([ ]) = ([
]) = ([ ln]) =
=
(ln) = ()
ln
0
=
ln
0
= ln , 1 < .
() =
1
, 1 ,
() = 0, < 1 .
Uzimanjem izvoda po , imamo da je
() = 0, < 1.
() = 1, > .
Uzimanjem izvoda po , imamo da je
() = 0, > . Tim je:
() = {
1
, 0 <
0,
.
Tim je:
= =
1
1
= 1 .
4. Neka je nenegativna sluajna varijabla. Dokazati da je:
= ([ > ])
+
.
175

Rjeenje:
([ > ])
+
0
= (
()
+
)
+
0
=
=
()
,
gdje je:
= {(, ) 0 +, +} .
Time je:
()
=
+
0
()
0
=
=
() (
0
)
+
0
=
()
+
0
= .
5. Neka ima uniformnu distribuciju na [, ]. Izraunati:
a) ([ < ]) .
b) ([ > ]) .
c) ([ < < ]) .
Rjeenje:
a) Imamo da je:
([ < 3]) =
1
10
3
0
=
3
10
.
b) Imamo da je:
([ > 6]) =
1
10
10
6
=
4
10
=
2
5
.
c) Imamo da je:
([3 < < 8]) =
1
10
8
3
=
8 3
10
=
5
10
=
1
2
.
6. Neka je ~(, ). Izraunati:
a) ([ < < ]) .
b) ([ > ]) .
Slika 32: Oblast
=


176

c) ([| | > ]) .
Rjeenje:
=
3
3
~(0,1) .
a) Imamo da je:
([2 < < 5]) = ([
2 3
3
< <
5 3
3
]) = ([
1
3
< <
2
3
]) =
=
(
2
3
)
(
1
3
) = (
2
3
) (
1
3
) | | = 0.2454 +0.1293 = 0.3747 .
b) Imamo da je:
([ > 0]) = ([ >
0 3
3
]) = ([ >
3
3
]) = ([ > 1]) =
= 1
(1) = 0.5 +(1) | | = 0.5 +0.3413 = 0.8413 .

c) Imamo da je:
([| 3| > 6]) = ([ < 3]) +([ > 9]) =
= ([ <
3 3
3
]) +([ >
9 3
3
]) =
= ([ < 2]) +([ > 2]) = (2) +0.5 +0.5 (2) =
= 1 2 (2) 1 2 0.4772 = 0.0456
7. Vrijeme igranja u minutama sluajno
izabranog koarkaa u nekom timu je
sluajna varijabla, ija je funkcija gustoe
data na slici . Izraunati vjerovatnou da je
vrijeme igranja:
a) Preko minuta.
b) Izmeu i minuta.
c) Manje od minuta.
Rjeenje: Neka je sluajna varijabla, ija je funkcija
gustoe data na slici 33. Tada je:
() = {
0.025, 10 20 30 40
0.05, 20 < < 30
0, < 10 > 40
.

Slika 33: Funkcija gustoe u zadatku 7
Tablice za
Tablice za
177

Imamo da je:
([ > 15]) =
()
40
15
= 0.025
20
15
+ 0.05
30
20
+ 0.025
40
30
=
= 5 0.025 +10 0.05 +10 0.025 = 0.875 .
a) Imamo da je:
([20 < < 35]) =
()
35
20
= 0.05
30
20
+ 0.025
35
30
=
= 10 0.05 +5 0.025 = 0.625 .

b) Imamo da je:
([ < 30]) =
()
30
10
= 0.025
20
10
+ 0.05
30
20
=
= 10 0.025 +10 0.05 = 0.75 .
8. Neka sluajna varijabla ima funkciju gustoe:
() = {

,
,
.
a) Odrediti konstantu .
b) Izraunati ([ > ]), .
Rjeenje:
a) Imamo da je:
1 =
1
0
=
1
+1
= +1 .
b) Imamo da je:
([ > ]) = ( +1)
= ( +1)
+1
+1
|
1
= 1
+1
.
9. Neka sluajna varijabla ima funkciju gustoe:
() = {
+
,
,
, .


178

Ako je = . , izraunati:
a) ([ . ]) .
b) .
Rjeenje:
1 = ( +
2
)
1
0
=
2
+
3
=
3 +2
6
,
0.6 = = ( +
2
)
1
0
=
3
+
4
=
4 +3
12
.
Tim imamo sistem:
3 +2 = 6
4 +3 = 7.2
} = 3.6 = 2.4 .
a) Imamo da je:
([
1
2
]) = (3.6 2.4
2
)
1
2
0
=
3.6 (0.5)
2
2
2.4 (0.5)
3
3
= 0.35 .
b) Imamo da je:
=
2
()
2
=
2
(3.6 2.4
2
)
1
0
(0.6)
2
=
=
3.6
4
2.4
5
(0.6)
2
= 0.06 .
10. Neka je:
() = {

, >
,
, .
funkcija distribucije sluajne varijable . Izraunati:
a) ([ > ]) .
b) ([ < < ]) .
c) i .
Rjeenje: Oigledno je da je funkcija
neprekidna.
a) Imamo da je:
([ > 2]) = 1
(2) = 1 (1
4
) =
4
0.018 .
b) Imamo da je:
([1 < < 3]) =
(3)
(1) = (1
9
) (1
1
) =
179

=
1
9
0.3677 .
c) Funkcija gustoe od je:
() = {
2
2
, > 0
0, 0
, .
Tim je:
= 2
+
0
= (
2
+
2
)|
0
+
+
+
0
=
+
0

(
+
0
)
2
=
+
0

+
0
=
=
(
2
+
2
)
+
0
+
0
= |
= cos
= sin
| =
2
0
+
0
=
=
+
0
=
4
2
+
0
= |
2
= | =
=
+
0
=
4
(
+
0
) =
4
.
Tim je:

+
0
=
2
=
2
,
=
2
()
2
=
2
2
+
0
4
=
=
2
(
2
+
2
)|
0
+
+ 2
+
0
4
=
= (
+
0
)
4
= 1
4
.
11. Neka je:
(, ) = {
, < < +, < < +

,
, (, )
.
zajednika funkcija gustoe od i . Izraunati:
a) ([ > , < ]) .

180

b) ([ ]) .
c) ([ ]), > .
Rjeenje:
a) Imamo da je:
([ > 1, < 1]) = (, )
>1
<1
=
+
1
2
1
0
=
= 2
+
1
1
0
= 2 (
1
) (
1
2
) (
2
0
) =
= 2
1
(
1
2
1
2
2
) =
1
3
0.318 .
b) Imamo da je:
([ ]) = (, )
= 2
0
0
=
= 2
+
0

2
= 2
(
1
2
+
1
2
2
)
+
0
=
=
(0 +
2
)
+
0
=
3
+
0
=
1
3
(
0
) =
1
3
.
c) Imamo da je:
([ ]) = (, )
= 2
0
0
=
=
0
2
2
+
0
= (
+
0
) (
+
0
) = 1
.
12. Neka je:
(, ) = {
,
>
, (, )
.
zajednika funkcija gustoe sluajnih varijabli i . Odrediti:
a) Konstantu .
b) funkciju gustoe
od , odnosno .
181

c) vjerovatnou da distanca take (, ) i take (, ) ne prelazi .
Rjeenje:
a) Imamo da je:
1 = (, )
2
=
2
+
2
=
2
=
1
.
b) Imamo da je:
() = (, )
+
= 0, ,
() = (, )
+
=
1
2
=
2
2
, < < .
Tim je:
() = {
2
2
, < <
0,
,
Potpuno analogno je:
() = {
2
2
, < <
0,
,
c) Imamo da je:
([
2
+
2
]) = ([
2
+
2

2
]) = (, )
2
+
2
2
=
=
1
2
+
2
2
=
2
, 0 ,
([
2
+
2
]) = 1, > ,
([
2
+
2
]) = 0, < 0 .
13. Neka je:
(, ) = {
(+)
, < < +, < < +
,
, (, )
.

182

Nai funkciju gustoe sluajne varijable =
.
Rjeenje:
() = ([ ]) = ([
]) = (, )
2
=
(+)
2
>0
>0
=
+
0

)
+
0
=
=
+
0
=
+1
+
0
=
+1
(
0
) =
+1
, > 0 ,
() = 0, 0 .
() =
() =
1
( +1)
2
, > 0 ,
() = 0, 0 .
14. Na rastojanju , izmeu dva mjesta, autobus prevozi putnike i staje, prema potrebi, u
proizvoljnim takama izmeu ta dva mjesta. Za to vrijeme, putnici ulaze i izlaze. Neka je
funkcija gustoe take , ulaska putnika proporcionalna sa ( )
, , a
funkcija gustoe take , izlaska putnika proporcionalna sa ( )
, gdje je taka
ulaska, a taka izlaska, te je < . Izraunati vjerovatnou:
a) da putnik ue u autobus prije take ,
b) da putnik koji je uao u autobus u taki , izae iz autobusa poslije take .
Rjeenje:
a) Funkcija gustoe take ulaska je:
() = {
( )
2
, 0
0,
, .
Tim je:
1 = ( )
2
0
=
4
2
2
4
3
+
4
4
=
4
12
=
12
4
,
([ ]) =
12
4
( )
2
0
=
4
(6
2
8 +3
2
) .

183

b) Funkcija gustoe od take izlaska je:
() = {
( )
<
0,
, .
Tim je:
1 = ( )
=
( )
+1
+1
=
+1
( )
+1
,
([ > ]) =
+1
( )
+1
=
=
+1
( )
+1
(
( )
+1
+1
)|
= 1 (

)
+1

15. (Buffonov problem igle) U ravni su date paralelne prave
= , {, , , , , }, > .
Na ravni se sluajno baca igla duine , < . Kolika je vjerovatnoa da igla sijee neku od
datih pravih?
Rjeenje: Oznaimo sa distancu sredita igle do blie prave i sa ugao izmeu igle i normale na
pravu povuene iz sredita igle (slika 34).
i su nezavisne uniformne sluajne varijable na [0,
2
] i [0,
2
] redom.
Igla sijee pravu ako je:

2
cos .
Tim je:
([
2
cos ]) =
,
(, )
2
cos
= |

| =
=
()
()
2
cos
=
2
0
2
cos
0
=
=
4
2
cos
2
0
=
2
(sin
2
sin0) =
2
.
Ako je u bacanja, igla presjekla pravu u sluajeva, tada je:
.
Slika 34: Buffonov
problem igle

zbog nezavisnosti


184

Dakle, za veliki broj bacanja igle moemo priblino izraunati broj . Izveden je pokus sa 5000 bacanja
igle i dobijena je priblina vrijednost 3.1596.
16. Neka je:
(, ) = {
, , , +
,
, (, )

zajednika funkcija gustoe sluajnih varijabli i .
a) Nai
() i
().
b) Ispitati nezavisnost i .

Rjeenje:
a) Imamo da je:
() = (, )
+
= 24
1
0
= 24
(1 )
2
2
, 0 1 ,
() = 0, < 0 > 1 .
Tim je:
() = {
12(1 )
2
, 0 1
0, > 0 > 1
, .
Potpuno analogno je:
() = {
12(1 )
2
, 0 1
0, > 0 > 1
, .
b) Poto je 24 12(1 )
2
12(1 )
2
, to i nisu nezavisne.
17. Neka je:
(, ) = {
, < +, < +
,
, (, )
.
zajednika funkcija gustoe sluajnih varijabli i .
a) Nai
() i
().
b) Ispitati nezavisnost i .

185

Rjeenje:
a) Imamo da je:
() = {
6
2
+
0
, 0 < +
0, < 0
= {
2
2
, 0 < +
0, < 0
,
() = {
6
2
+
0
, 0 < +
0, < 0
= {
3
3
, 0 < +
0, < 0
.
b) Poto je 6
2
3
= 2
2
3
3
, to su i nezavisne.

18. Neka su , , nezavisne uniformne sluajne varijable na intervalu (, ).
Izraunati ([ ]).
Rjeenje: Zbog nezavisnosti je:
,,
(, , ) =
()
()
() = 1, 0 < < 1, 0 < < 1, 0 < < 1 .

Tada je:
([ ]) =
,,
(, , )
=
1
1
0
1
0
=
= (1 )
1
0
1
0
= (1
2
)
1
0
= 1
1
4
=
3
4
.
19. Neka su i nezavisne uniformne sluajne varijable na (, ). Nai funkciju gustoe od
+.
() =
() = {
1, 0 1
0,
, ,
+
() = ([ + ]) =
,
(, )
+
= | | =
=
()
()
+
=
()
()
0
=
()
()
0
=
zbog nezavisnosti

186

= 1
0
= ( )
0
=
2
2
2
=
2
2
, 0 1 ,
+
() = ([ + ]) =
,
(, )
+
=
+
01
01
=
=
1
0
1
0
+
1
1

0
= 1 + ( )
1
1
=
= 1 +(2 )
1 ( 1)
2
2
=
4
2
2
2
, 1 < 2 ,
+
() = 1, > 2 ,
+
() = 0, < 0 .
+
() =
+
() = {
, 0 1
2 , 1 < 2
0, < 0 > 2
.
20. Neka su i nezavisne sluajne varijable koje imaju gama distribuciju sa parametrima
, i
, redom. Nai funkciju gustoe od +.

+
() =
()
( )
0
=
1
(
1
)
1
1
1
(
2
)
2
1
0
=
=
(
1
)(
2
)
1
+
2
1
1
( )
2
1
0
=
=
1
1

2
1
(
1
)(
2
)
1
+
2
(
1
1
(1
2
1
0
=
= |
= | =
1
+
2
1
(
1
)(
2
)
1
+
2
1
1
(1 )
1
1
1
0
=
=
1
+
2
2
(
1
)(
2
)
1
+
2
(
1
)(
2
)
(
1
+
2
)
=
1
(
1
+
2
)
1
+
2

1
+
2
1

, > 0 .
187

Dakle, + ima gama distribuciju sa parametrima
1
+
2
, .
21. Neka su
, ,
nezavisne sluajne varijable, koje imaju gama distribuciju sa

parametrima
, ;
, ; ;
, redom. Nai funkciju gustoe od
++
.
Rjeenje: Iz prethodnog zadatka slijedi da
1
+
2
ima gama distribuciju sa parametrima
1
+
2
, .
Pretpostavimo da
1
+
2
++
,
1
+
2
++
, .
Tada, na osnovu prethodnog zadatka vrijedi da i
1
+
2
++
+
+1
ima gama distribuciju sa
parametrima
1
+
2
++
+
+1
, . Time, iz principa matematike indukcije, vrijedi da

1
+
2
++
, ima gama distribuciju sa parametrima

1
+
2
++
, .
22. Neka su
, ,
nezavisne eksponencijalne sluajne varijable sa parametrom . Nai

funkciju gustoe od
++
.
Rjeenje:
1
+
2
() =

()
0
=
2
=
1
(2) (
1
)
2

21

, > 0 .
Dakle
1
+
2
ima gama distribuciju sa parametrima 2,
1
. Koristili smo formule:
1
+
2
() =
1
()
2
( )
+
2
( ) = 0, > .
Dalje, imamo da je:
1
+
2
+
3
() =
2

()
0
=
3
0
=
3
2
2
=
=
1
(3) (
1
)
3

31

, > 0 .
Dakle,
1
+
2
+
3
ima gama distribuciju sa parametrima 3,
1
. Pretpostavimo da:
1
+
2
++

ima gama distribuciju sa parametrima ,
1
. Tada je:
1
+
2
++
+
+1
() =
1
() (
1

()
0
=
=
() (
1
0
=
1
k() (
1
)
+1

+11

=

188

=
1
( +1) (
1
)
+1

+11

, > 0 ,
odnosno,
1
+
2
++
+
+1
ima gama distribuciju sa parametrima +1,
1
. Iz principa
matematike indukcije vrijedi da:
1
+
2
++
,
ima gama distribuciju sa parametrima ,
1
.
23. Neka su
, ,
nezavisne jedinine normalne sluajne varijable. Nai funkciju

gustoe od =
++
.
Rjeenje:
1
2() =
1
22
[
1
() +
1
()] =
1
22
2
2

2
=
=
1
2
1
2

1
2
1

2
=
1
(
1
2
) 2
1
2

1
2
1

2
, > 0 .
tj.
1
2
1
2
, 2.
Iz prethodnog zadatka slijedi da
1
2
+
2
2
++
2
2
, 2, tj.
1
2
+
2
2
++
2
ima
2
distribuciju sa stupnjeva slobode.
24. Neka sluajne varijable i imaju zajedniku funkciju gustoe
,
.
Neka je = + i = . Nai zajedniku funkciju gustoe od i .
Rjeenje:
= + =
=
+
2
=

2

|
(, )
(, )
| =
|
|
|
|
|
|
=
|
|
|
1
2
1
2
1
2
1
2
|
|
|
=
1
2
.
Otuda je:
,
(, ) =
,
(
+
2
,

2
)
1
2
.
189

25. Neka se sluajno izabira taka u ravni, ije su
dekartove koordinate i nezavisne i imaju
jedininu normalnu distribuciju. Nai zajedniku
funkciju gustoe od polarnih koordinata , .
Rjeenje: Vrijedi da je:

=
2
+
2
= arctg
.
Tim je:
=
2
+
2
= arctg

|
(, )
(, )
| =
|
|
|
|
|
|
|
|
=

=
|
|
|
|
2
+
2
2
+
2
1
1 +(
)
2
1
1
1 +(
)
2
|
|
|
|
=
2
(
2
+
2
)
2
+
2
+
2
(
2
+
2
)
2
+
2
=

=
1
2
+
2
=
1

|
(, )
(, )
| = ,
,
(, ) =
()
() =
1
2

2
2
1
2

2
2
=
1
2

2
+
2
2
.
Time je:
,
(, ) =
,
((, ), (, )) =
1
2

2
2
, < < +, 0 < < + .
26. Neka su , nezavisne sluajne varijable koje imaju gama distribuciju sa parametrima
, i
, redom. Izraunati zajedniku funkciju gustoe od:

= + =
+
.
Rjeenje:
Slika 35: Polarne koordinate iz
zadatka 25


190

,
(, ) =
1
(
1
)
1
1

1
(
2
)
2
1

=
=
1
(
1
)(
2
)
1
+
2

1
1

2
1

je zajednika funkcija gustoe od i .
= + =
+

= = (1 ) ,
Otuda je:

(, )
(, )
= ||

1
|| = || = ,
,
(, ) =
,
(, (1 )) =
1
(
1
)(
2
)
1
+
2
()
1
1
((1 ))
2
1

=
=
1
(
1
)(
2
)
1
+
2

1
+
2
1

1
1
(1 )
2
1

.
27. Neka su
nezavisne jedinine normalne sluajne varijable. Izraunati zajedniku

funkciju gustoe od
.
Rjeenje: Zajednika funkcija gustoe za
1
,
2
,
3
je:
1
,
2
,
3
(
1
,
2
,
3
) =
1
22

1
2
+
2
2
+
3
3
2
.
Sada imamo da je:
1
+
2
+
3
=
1
2
=
2
3
=
3
}

1
=
1
+
2
+
3
3
,
2
=
1
2
2
+
3
3
,
3
=
1
+
2
2
3
3
,
Otuda je:
|
(
1
,
2
,
3
)
(
1
,
2
,
3
)
| =
|
|
|
|
1
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
|
|
|
|
=
1
3
,
191

1
,
2
,
3
(
1
,
2
,
3
) =
1
,
2
,
3
(
1
+
2
+
3
3
,
1
2
2
+
3
3
,
1
+
2
2
3
3
)
1
3
=
=
1
62

1
+
2
+
3
3
)
2
+(
1
2
2
+
3
3
)
2
+(
1
+
2
2
3
3
)
2
2
,
28. Neka je:
(, ) = (
, , < < +
zajednika funkcija gustoe od i . Izraunati:
a) konstantu .
b) funkcije gustoe od i .
c) .

Rjeenje:
a) Imamo da je:
1 =
+
0
(
2
2
)
=
= (2
3
2
3
3
)
+
0
=
4
3

3
+
0
=
=
4
3
[
3
(
+
0
) +3
2
+
0
] = 4
2
+
0
=
= 4 [
2
(
+
0
) +2
+
0
] = 8
+
0
=
= 8 [(
+
0
) +
+
0
] = 8 .
To znai da je:
=
1
8
.

b) Imamo da je:

192

() =
1
8
(
2
2
)
+
||
=
1
8
[(
2
+2|| +2)
||
||
] =
=
1
4
(|| +1)
||
, ,
() =
1
8
(
2
2
)
=
1
8
(2
3
2
3
3
)
=
1
6
, > 0 ,
() = 0, 0 .
c) Imamo da je:
=
1
4
(|| +1)
||
= 0 ,
jer je podintegralna funkcija neparna.
29. Neka je:
(, ) =
) , < < , < < .

a) Dokazati da je (, ) zajednika funkcija gustoe od i .
b) Izraunati funkciju gustoe od .
c) Izraunati ([ ]).
d) Izraunati ([
]).
e) Izraunati i .
Rjeenje:
a) Imamo da je:
1
0
6
7
(
2
+
2
)
2
0
=
6
7
(2
2
+
4
4
)
1
0
=
6
7
(
2
3
+
1
2
) = 1 .
Dakle, (, ) je zajednika funkcija gustoe od i .
b) Imamo da je:
() =
6
7
(
2
+
2
)
2
0
=
6
7
(2
2
+), 0 < < 1 ,
() = 0, 0 1 .
193

c) Imamo da je:
([ ]) =
6
7
(
2
+
2
)
0<<1
0<<2
=
1
0
6
7
(
2
+
2
)
0
=
=
6
7
(
3
+
3
4
)
1
0
=
6
7
5
4
1
4
=
15
36
.
d) Imamo da je:
([
1
2
|
1
2
]) =
([
1
2
,
1
2
])
([
1
2
])
=

=
6
7
(
2
+
2
)
1
2
1
2
0<<1
0<<2
1

=

=
1
2
0
6
7
2
1
2
(
2
+
2
)
1

=

=
6
7
(
3
2
2
+
4
1
4
4
)
1
2
0
1

=
23
32
.

e) Imamo da je:
=
6
7
(2
2
+)
1
0
=
6
7
(
1
2
+
1
3
) =
5
7
,
6
7
(
2
+
2
)
1
2
0<<1
0<<2

1
2
0
6
7
(
2
+
2
)
2
0

6
7
(2
2
+ )
1
2
0


194

() =
6
7
(
2
+
2
)
1
0
=
6
7
(
1
3
+
4
) , 0 < < 2 ,
() = 0, 0 2 ,
=
6
7
(
1
3
+
4
)
2
0
=
6
7
(
2
3
+
8
12
) =
8
7
.
30. Neka su i sluajne varijable sa zajednikom funkcijom gustoe:
(, ) = {
+, < < , < <

,
, (, )
.
a) Izraunati konstantu .
b) Da li su i nezavisne?
c) Izraunati ([ + > ]).
Rjeenje:
a) Imamo da je:
1 =
1
0
(
5
+)
5
1
= (
4
5
+
24
2
)
1
0
=
2
5
+12 =
1
20
.
b) Imamo da je:
() = (
5
+
20
)
1
0
=
4
5
+
3
5
, 0 < < 1 ,
() = 0, 0 1 ,
() = (
5
+
20
)
1
0
=
1
10
+
20
, 1 < < 5 ,
() = 0, 1 5 ,
()
() = (
4
5
+
3
5
) (
20
+
1
10
)
5
+
20
, 0 < < 1, 1 < < 5 .
Dakle, i nisu nezavisne.
c) Imamo da je:
([ + > 3]) = (
5
+
20
)
+>3
0<<1
1<<5
=
195

=
1
0
(
5
+
20
)
5
3
= [
(2 +)
5
+
25 (3 )
2
40
]
1
0
=
=
1
40
(8
2
+16 +16 +6
2
)
1
0
=
=
1
40
(7
2
+22 +16)
1
0
=
1
40
(
7
3
+11 +16) =
11
15
.


196

6. Tablice za funkciju () =

x 0 1 2 3 4 5 6 7 8 9
0.0 0.3989 0.3989 0.3989 0.3988 0.3986 0.3984 0.3982 0.3980 0.3977 0.3973
0.1 0.3970 0.3965 0.3961 0.3956 0.3951 0.3945 0.3939 0.3932 0.3925 0.3918
0.2 0.3910 0.3902 0.3894 0.3885 0.3876 0.3867 0.3857 0.3847 0.3836 0.3825
0.3 0.3814 0.3802 0.3790 0.3778 0.3765 0.3752 0.3739 0.3725 0.3712 0.3697
0.4 0.3683 0.3668 0.3653 0.3637 0.3605 0.3589 0.3572 0.3555 0.3572 0.3538
0.5 0.3521 0.3503 0.3485 0.3467 0.3448 0.3429 0.3410 0.3391 0.3372 0.3352
0.6 0.3332 0.3312 0.3292 0.3271 0.3251 0.3230 0.3209 0.3187 0.3166 0.3144
0.7 0.3123 0.3101 0.3079 0.3056 0.3034 0.3011 0.2989 0.2966 0.2943 0.2920
0.8 0.2897 0.2874 0.2850 0.2827 0.2803 0.2780 0.2756 0.2732 0.2709 0.2685
0.9 0.2661 0.2637 0.2613 0.2589 0.2565 0.2541 0.2516 0.2492 0.2468 0.2444
1.0 0.2396 0.2396 0.2371 0.2347 0.2323 0.2299 0.2275 0.2251 0.2227 0.2203
1.1 0.2179 0.2155 0.2131 0.2107 0.2083 0.2059 0.2036 0.2012 0.1989 0.1965
1.2 0.1942 0.1919 0.1895 0.1872 0.1849 0.1826 0.1804 0.1781 0.1758 0.1736
1.3 0.1714 0.1691 0.1669 0.1647 0.1626 0.1604 0.1582 0.1561 0.1539 0.1518
1.4 0.1497 0.1476 0.1456 0.1435 0.1415 0.1394 0.1374 0.1334 0.1315 0.1295
1.5 0.1295 0.1276 0.1257 0.1238 0.1219 0.1200 0.1182 0.1163 0.1145 0.1127
1.6 0.1109 0.1092 0.1074 0.1057 0.1040 0.1023 0.1006 0.0989 0.0973 0.0957
1.7 0.0940 0.0925 0.0909 0.0893 0.0878 0.0863 0.0848 0.0833 0.0818 0.0804
1.8 0.0790 0.0775 0.0761 0.0748 0.0734 0.0721 0.0707 0.0694 0.0681 0.0669
1.9 0.0656 0.0644 0.0632 0.0620 0.0608 0.0596 0.0584 0.0573 0.0562 0.0551
2.0 0.0540 0.0529 0.0519 0.0508 0.0498 0.0488 0.0478 0.0468 0.0459 0.0449
2.1 0.0440 0.0431 0.0422 0.0413 0.0404 0.0396 0.0387 0.0379 0.0371 0.0363
2.2 0.0355 0.0347 0.0339 0.0332 0.0325 0.0317 0.0310 0.0303 0.0297 0.0290
2.3 0.0283 0.0277 0.0270 0.0264 0.0258 0.0252 0.0246 0.0241 0.0235 0.0229
2.4 0.0224 0.0219 0.0213 0.0208 0.0203 0.0198 0.0194 0.0189 0.0184 0.0180
2.5 0.0175 0.0171 0.0167 0.0163 0.0158 0.0154 0.0151 0.0147 0.0143 0.0139
2.6 0.0136 0.0132 0.0129 0.0126 0.0122 0.0119 0.0116 0.0113 0.0110 0.0107
2.7 0.0104 0.0101 0.0099 0.0096 0.0093 0.0091 0.0088 0.0086 0.0084 0.0081
2.8 0.0079 0.0077 0.0075 0.0073 0.0071 0.0069 0.0067 0.0065 0.0063 0.0061
2.9 0.0060 0.0058 0.0056 0.0055 0.0053 0.0051 0.0050 0.0048 0.0047 0.0046
3.0 0.0044 0.0043 0.0042 0.0040 0.0039 0.0038 0.0037 0.0036 0.0035 0.0034

197

7. Tablice za funkciju () =

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
]0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 02939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 03830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4182 0.4207 0.4222 0.4236 0.4251 0.5265 0.5279 0.4292 0.4306 0.4319
1.5 0.4332 0.4245 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4722 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990


198

8. Bibliografija

[1] Spiengel, R. Murray; Schiller, J. John; Srinivasan, R. Alu: Probability and Statistics. Mcgraw-Hill
Companies Inc, 2009.
[2] Mcclave, T. James; Benson, P. George; Sincich Terry: A first course in business statistics. Prentice
Hall, [s,a]
[3] Sheldon, Ross: A first course in probability. Prentice Hall, [s,a]
[4] Ash, B. Robert: Basic Probability Theory. Dover Publications Inc. Mineola. New York, 2008.
[5] Durrett, Richard: Probability. Brooks/Cole, 2005.
[6] Stone, J. Charles: A course in probability and statistics. China machine press, 1996.
[7] Krishnan, Venkatarama: Probability and random processes. Wiley Sons Inc, [s,a]
[8] Bartoszynski, Robert; Niewiadomska-Bugaj, Magdalena: Probability and statistical inference.
Wiley Sons Inc, 2007.
[9] Spiegel, R. Murray: Theory and problems of probability and statistics. Megraw-Hill, 1975.
[10] Bertsekas, P. Dimitri; Tsitsiklis, N. John: Instroduction to probability. M.I.T, 2000.
[11] Degrodt, H. Morris: Probability and statistics. Addison-Wesley Publishing Company Inc, 1986.
[12] Pitman, Jim: Probability. Springer-Verlag, 1993.
[13] Stirzaker, David: Elementary probability. Cambridge University Press, 2003.
[14] Breiman, L :Probability. Addison-Wesley, 1968.
[15] Chung ,K.L.: A course in probability theory. Harcourt, 1968.
[16] istjakov, V. P: Kurs teorii vjerovatnostej. Nauka, 1978.
[17] Elezovi, N: Zbirka zadataka iz teorije vjerovatnosti. Liber, 1981.
[18] Feller, W: An introduction to probability theory and its applications. Wiley, 1971.
[19] Bavrin, I. I: Teorija vjerovatnostej i matematieskaja statistika. Viaja kola, 2005.
[20] Kolmogarov, A. N: Teorija vjerovatnostej i matematieskaja statistika. Nauka, 1986.
[21] Mikulik, N. A: Teorija vjerovatnostej i matematieskaja statistika. Pion, 2002.
[22] Saveljev, L. A: Elementarnaja teorija vjerovatnotej. Novosibirsk, 2005.
199

[23] Kremer, N. : Teorija vjerovatnostej i matematieskaja statistika. Juniti-Dana, 2004.
[24] Sarapa, Nikola: Teorija vjerovatnosti. kolska knjiga, Zagreb, 1987.
[25] Malii, Jovan: Zbirka zadataka iz teorije vjerovatnoe sa primjenama. Graevinska knjiga,
Beograd, 1975.
[26] Gmurman, V. E: Teorija vjerovatnostej i matematieskaja statistika. Viaja kola, 2003.
[27] Gmurman, V. E: Rukovodstvo k rjeeniju zada po teorii vjerovatnostej i matematieskoj statistike.
Viaja kola, 2004.
[28] Vukadinovi, V. Svetozar: Elementi teorije vjerovatnoe i matematike statistike. Privredni
pregled, Beograd, 1981.
[29] Vrani, Vladimir: Vjerojatnost I statistika. Tehnika knjiga, Zagreb, 1971.
[30] Mladenovi, Pavle: Elementaran uvod u vjerovatnou I statistiku. Drutvo matematiara Srbije,
Beograd, 1990.
[31] Stipani, Ernest: Putevima razvitka matematike. Vuk Karadi, Beograd, 1987.

Teorija Vjerovatnoce Beta

Uploaded by

Document Information

Original Title

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

Teorija Vjerovatnoce Beta

Uploaded by

Copyright:

Available Formats

Uvod u teoriju vjerovatnoe sa rijeenim problemima

ukupan broj pokusa u -toj seriji i

broj realizacija dogaaja u -toj seriji. Svojstvo

dogaaja nazivamo vjerovatnoa dogaaja i oznaavamo sa ().

, je dogaaj koji se realizuje kada se ne realizuje dogaaj A.

, 1 meusobno disjunktni za svako , pa na osnovu 2) u definiciji 1.2.1. imamo:

, niz disjunktnih dogaaja, odnosno:

} i -algebra podskupova od . Oznaimo sa

, tada je, zbog definicije

svi razliiti. Tada je

ini particiju prostora .

du i , dvije take na dui

. Oznaimo sa duinu dui

. Neka sluajno izaberemo taku dui

, gdje je izbor jednako vjerovatan. Tada,

sredite stranice . Upiimo u pravougaonik tako da jedna njegova stranica

pravougaonik tako da jedna njegova stranica lei na dui

. Nastavljamo ovaj proces tako da dobijamo

na ahovsku plou dimenzije . Kolika je vjerovatnoa da

dogaaj da je na -tom izvlaenju izvuen broj . Tada je traena

, da u -ti vagon nije uao ni jedan putnik. Tada je vjerovatnoa

, proizvoljni disjunkntni dogaaji iz prostora vjerovatnoe (, , ). Tada je:

() nazivamo uvjetna vjerovatnoa dogaaja , odnosno vjerovatnoa dogaaja

, kaemo da je nezavisna, ako za proizvoljan konaan skup

, = 1, 2, dogaaja u prostoru vjerovatnoe (, , ) je

) > 0 imamo da je:

, = 1, 2, potpun sistem dogaaja u prostoru

, = 1, 2, potpun sistem dogaaja u prostoru (, , ). Tada za ,

, = 1, 2, potpun sistem dogaaja u prostoru (, , ).

, gdje imamo ukupno 216 125 = 91 ishoda.

respektivno. Svaki gaa jedanput.

, = 1,2 dogaaj da se izabrala -ta kutija.

, = 1,2 ini potpun sistem

, = 0,1,2,3 dogaaj da u skladitu ima neispravnih arulja, a dogaaj da

. Vjerovatnoa da se ta kuglica izvue iz kutije u kojoj se nalazi je

, = 1,2 ine potpun sistem dogaaja.

, = 1,2,3 je potpun sistem dogaaja.

, = 1,2,3,4 pomenuti dogaaji nastupanja kvara. Vrijedi:

proizvoljni. Tada je:

, sluajne varijable na prostoru vjerovatnoe (, , ).

nezavisne, ako za proizvoljne realne brojeve

nezavisne sluajne varijable i

, , familija diskretnih sluajnih varijabli, ako su

} skupa indeksa , diskretne sluajne varijable

diskretne sluajne varijable koje u -tom izvoenju pokusa uspjeh preslikavaju

su Bernoullijeve sluajne varijable sa distribucijama vjerovatnoe:

su nezavisne sluajne varijable. Neka je binomna sluajna varijabla, tj.

respektivno, tj. U n-torci

respektivno. Tada je:

~(, ), . Tada je:

]), pa iz relacije (3) dobijemo:

takav da s desna konvergira ka . Bez

proizvoljan za kojeg vrijedi lim

ima sljedea svojstva:

je monotono neopadajua funkcija na , tj.

proizvoljan niz takav da je lim

= +. Bez gubitka optosti moemo

strogo rastui. Tada je [

], uzlazni niz dogaaja,

), diskretan -dimenzionalan sluajni vektor. Funkcija

, diskretne sluajne varijable na prostoru vjerovatnoe

) nazivamo diskretan -dimenzionalan sluajni vektor,

, nezavisne diskretne sluajne varijable. Tada, za proizvoljne