Professional Documents
Culture Documents
Vjerovatnoca I Statistika Prvi Dio 1
Vjerovatnoca I Statistika Prvi Dio 1
V J E R O VAT N O A I S TAT I S T I K A
PRVI DIO
TEORIJA VJEROVATNOE
SARAJEVO, 2008.
1
Huse FATKI
VJEROVATNOA I STATISTIKA
PRVI DIO
TEORIJA VJEROVATNOE
PRVI SVEZAK1
Ovaj rad je pomognut od strane Plana za podrku istraivanja (Research Support Scheme)
Centralnoevropskog univerziteta, SOROS fondacije-FOND OTVORENO DRUTVO Bosna i
Hercegovina, Potprojekat Grupnog projekta ,,Savremeni problem: matemaikkih nauka* (odgovorni
istraziva prof. dr. Muharem Avdispahi), br. RSS-43/96, od 31.10.1996.
SADRAJ/CONTENTS
Strana/Page
3.3.Funkcijedistribucije...........................................................................................................................51
3.4. Klasifikacija sluajnih veliina....................................................................................................... 57
3.5. Vanije klase distribucija.................................................................................................................59
3.6. Jo o binomnoj distribuciji. Bernoullijevi pokuaji (Bernoullijeva ema).................................... 64
LITERATURA (ZA GLAVE 1-3)...................................................................................................74
4. VJEROVATNOSNI UNITARNI PROSTORI
4.1. Uvod (u teoriju vjerovatnosnih metrikih prostora i vjerovatnosnih unitarnih prostora)..........75
4.2. Vjerovatnosni unitarni prostori ......................................................................................................79
.Napomenimo da je jedan od prvih problema u teoriji vjerovatnoe (kojeg je 1654. godine /to se najee uzima
za poetak teorije vjerovatnoe/ De Mere postavio Pascalu) bio:,,Da li je preporuljivo kladiti se da e u 24
uzastopna bacanja para igraih kocaka bar jednom pasti dvostruka estica?"
ne moraju dogoditi. Takvi dogaaji nazivaju se sluajnim, za razliku od onih dogaaja iji se tok
zbivanja moze tano predvidjeti (tzv. deterministikih dogaaja odnosno deterministikih pojava) jer se
ovi pokoravaju odreenim zakonima uzrone povezanosti u drugom obliku sa nekim drugim
dogaajima ili faktorima. Raanje teorije vjerovatnoe u XVII vijeku, osim za Pascala i Fermata,
vezano je i za ime holandskog matematiara Hajgensa (Huyghens, 1625-1695). No, prvi znaajniji
rezultati u teoriji vjerovatnoce postignuti su u XVIII vijeku i pocetkom XIX vijeka, a vezani su za
imena Jakoba Bernoullija (vajcarski matematiar holandskog porijekla, 1654-1705), De Moivrea
(francuski matematiar, 1667-1754), Pierre-Simon de Laplacea (1749-1827, francuski matematiar,
astronom i fiziar), Poasona (S. D. Poisson, 1781-1840, francuski fiziar i matematiar) i dr.
Medu prvim njemaki matematiar Carl Friedrich Gauss (1777-1855) doprinio je mnogo u
praktinoj primjeni teorije vjerovatnoe. Ruski matematiari P.L. CebiSev (1821 -1894), A. A. Markov
(1856-1922) i M. Ljapunov (1857-1918) dali su krupne doprinose u razvoju klasine teorije
vjerovatnoe. Sovjetski matematiari A.N.KoJmogorov, Sergej Natanovi Bernstajn (1880-1968),
Hincini Gnedenko dali su znaajne doprinose u savremenom razvoju teorije vjerovatnoe.
Zanimljiva je injenica da se teorija vjerovatnoe gotovo tri vijeka razvijala bez strogo
utvrenih aksioma. Veina neuspjelih pokuaja strogog zasnivanja teorije vjerovatnoe sastojala se u
tome da se pojam vjerovatnoe definie pomou intuitivno bliskog pojma relativne frekvencije.
Opteprihvaenu aksiomatiku uveo je u teoriju vjerovatnoe godine 1933. veliki ruski matematiar
Andrej Nikolajev Kolmogorov. Njegova aksiomatika obuhvatala je sve dotadanje rezultate iz
teorije vjerovatnoe, a takoe se pokazalo da ona adekvatno reprezentira nae prirodne ideje,
odnosno intuitivne predodbe o vjerovatnoi, tj. da postoji veza izmeu vjerovatnoe i relativne
frekvencije. Osim toga Kolmogorovljeva aksiomatika je dobra osnova za razvoj novih sadraja teorije
vjerovatnoe. Poslije uvoenja ove aksiomatike, teorija vjerovatnoe je doivjela izuzetan razvoj i
danas je jedna od vodeih matematikih disciplina.
Vjerovatnoa i statistika postale su vrlo opirne matematike discipline i dijele se na vise
raznih oblasti, odnosno novih grana, kao to su:
-Klasina i opta teorija vjerovatnoe
-Praktina teorija vjerovatnoe
-Matematika statistika
-Statistiko modeliranje
-Teorija masovnih opsluivanja
-Teorija pouzdanosti
-Stohastiki procesi
-Teorija informacija
-Statistika kontrola i dr.
D. U veini sluajeva ne moemo uspostaviti sigurnu vezu izmeu kompleksnih (sloenih) uslova a i
dogaaja (D). Naime, postoji jo uvijek i uslovi, recimo (3, koje mi ne znamo, a od koji takoe zavisi
nastajanje dogaaja (D). Teorija vjerovatnoe je, dakle, i matematiki aparat za prouavanje
masovnih pojava s nepoznatim kompleksnim uzrokom. Takve pojave zovu se stohastike pojave.
Rije stohastian je grkog porijekla a znai ,,koji se nasluuje", pa se ta rije upotrebljava umjesto
rijei ,,vjerovatnoa". Gotovo u svim masovnim pojavama umijean je stohastiki elemenat i time se
objanjava principijelna mogunost teorije vjervatnoe za teoriju prouavanja stohastikih pojava.
Vjerovatnoa je u stvari dobila svoje mjesto u matematici i u nauci uopte kada je poela njena
matematika obrada, kada je na toj osnovi izgradeno nauno saznanje da se mnoge pojave i procesi, koji
su stohastikog karaktera, mogu nauno istrazivati bez krutih matematikih formula. Takve pojave
nauka procjenjuje, koristei pri tome sve savrenije metode da te procjene budu to priblinije, sto tanije.
Greke koje se pri tome javljavju ili nastaju u manjoj ili veoj mjeri, po prirodi stvari, nisu vie nepoznate
i neuhvatljive za nauku. U svakom istraivanju moemo unaprijed da se opredijelimo za odreen stepen
tog odstupanja ili greke, zavisno od cilja istraivanja i od stepena naunosti kojeg pri istraivanju elimo
da postignemo.
Pojam i raun vjerovatnoe uao je i u na svakodnevni ivot. Termini kao to su: vjerovatno,
nevjerovatno, ,,moda", sigurno itd.. nisu nita drugo nego naa procjena oekivanja dogaaja sa vie ili
manje osnova i saznanja. Ali da bi se pravilno sluili tim terminima, potrebno je da znamo ta oni znae,
kada se mogu upotrijebiti i kako ih treba koristiti da bismo vjerno izrazili ili saoptili ono sto zelimo, a
da pri torn ne bi upali u greku.
1.2. Stanovita u teoriji vjerovatnoe. Prosta vjerovatnoa i skupne vjerovatnoe
Po pitanju koju vrstu problema rjeava teorija vjerovatnoe, uobiajena su dva stanovita:
,,objektivno" i ,,lino".
Gledano sa objektivnog stanovita, koje je popularnije od linog, teorija vjeovatnoe se moe
primjenjivati samo na one pojave i dogaaje koji se mogu ponavljati vie puta pri istim uslovima.
Prema torn stanovitu moe se govoriti o vjerovatnoi u problemima kao to su bacanje novia ili
kocke. Oni koji zastupaju ovo gledite ne zele pripisivati neku vjerovatnou pojavama koje se
dogaaju samo jedanput. (npr. oni odbijaju da govore o vjerovatnoi udaje njihove sestre za mladia po
imenu Mahmud).
Zastupnici tzv. ,,Linog" gledita smatraju da je vjerovatnoa izraz linog uvjerenja u
odreenoj propoziciji i vjerovatnou primjenjuju na sve probleme koje obuhvata objektivno gledite, ali
i na veliku klasu drugih problema koji se sa prvog stanovita ne uzimaju u obzir. (Npr., teoretski
gledano, zastupnici licnog gledita smatraju da se moe govoriti o vjerovatnoi udaje njihove sestre za
mladia po imenu Mahrnud.).
Razliiti autori daju razne podjele vjerovatnoe. Najjednostavnija podjela vjerovatnoe, s
obzirom na namjenu i mjesto vjerovatnoe u statistici, je podjela na prostu vjerovatnou i skupne
vjerovatnoe.
Prostu vjerovatnou imamo u sluajevima kad se radi o masi prostih dogaaja, tj. onih dogaaja
koji ne zavise i nisu uslovljeni nekim drugim dogaajima. Takav sluaj imamo kad se radi o masi
dogadaja, medu kojim ima odreen broj onih za koje kaemo da su povoljni (oekivani), a zatim broj onih
za koje kaemo da su nepovoljni (ne elimo njihovo deavanje).
Skupne vjerovatnoe su vjerovatnoe u svim onim sluajevima kada se pomou rauna
vjerovatnoe (odnosno formula i pravila teorije vjerovatnoe) iznalaze razultati odnosa dvije ili vie
7
grupa (elementarnih) dogaaja, bilo da su ti dogaaji meusobno zavisni ili nezavisni, bilo da su uslovljeni
jedni drugim ili ne.
Svaka nauka polazi od nekog skupa osnovnih pojmova i na osnovu njih dalje se razvija (npr., u
elementarnoj (euklidskoj) geometriji se polazi od osnovnih pojmova - taka, prava, ravan). Slino i u
teoriji vjerovatnoe se polazi od nekih osnovnih pojmova: pojava. U teoriji vjerovatnoe izuavamo
sluajne pojave i to izuavaanje je vezano za neki eksperiment. U tzv. raunu vjeorvatnoe (tj. u
elementarnom prilazu pojmovima vjerovatnoe), esto se kae da se pojmovi pokus (opit,
eksperiment, ogled) i dogaaj ne definiu. Kae se da se svaki opit zavrava nekim ishodom ili
dogaajem.
Pod sluajnim pokusom ili sluajnim eksperimentom podrazumijeva se takav pokus iji
ishodi, tj. rezultati nisu jednoznano odreeni uslovima u kojima izvodimo pokus. Teorija
8
Primjer 3. Ako novi bacamo jednom, moemo uzeti ={P,G}. Ako novic bacamo dvaput to
je drugi pokus, pa treba drugi , recimo ={PP,PG,GP,GG}.
Primijetimo da istome sluajnom pokusu moemo pridruiti razne prostore elementarnih
dogaaja. Npr., ako jednom bacamo igrau kocku onda je prirodno uzeti ={1,2,...,6}. Ali, ovom
pokusu moemo pridruiti drugi prostor elementarnih dogaaja koji ima samo dva elementa: ,,n je
paran" i ,,n je neparan", gdje je n broj koji padne na kocki. Meutim, ako nas pri datom rjeenju ovog
pokusa zanima da li je n 4, ovaj drugi prostor elementarnih dogaaja nee biti od koristi. Prema
tome priroda konkretnog problema koji nas zanima u datom trenutku odreuje kojim emo se
prostorom elementarnih dogaaja koristiti.
Prostor elementarnih dogaaja moe biti konaan, tj. moe imati oblik ={1,,...,n}, moe biti
beskonaan ali prebrojiv, tj. ={1,,..., n ,...}, ali moze biti beskonaan i neprebrojiv
(,,neprekidan"), ={ |P()}.
Svaka taka (elementarni dogaaj) koja pripada dogaaju A zove se povoljna za A. Dogaaj A
dogodit e se u datom vrenju pokusa ako ishodu pokusa odgovara jedna od taaka iz A, tj. taka
povoljna za A.
Dakle, na skupu elementarnih dogaaja moemo definisati i druge sloenije dogaaje. Npr., pri
opitu bacanja kocke neka se dogaaj A desi kad padne paran broj, a dogaaj B se desi kad padne broj
manji od 5. Tadaje A={2,4,6}, B={ 1,2,3,4}.
U skupu elementarnih dogaaja posebno se izdvajaju ova dva dogaaja:
1) Siguran ili pouzdan dogaaj. Cijeli prostor zove se siguran ili pouzdan dogaaj i on
se realizuje kada se realizuje bilo koji od elementarnih dogaaja, tj. on se mora
dogoditi u svakom vrenju opita. Dakle, ako neki opit a priori izaziva pojavu dogaaja
A, onda se taj dogaaj zove pouzdan. Obino ih oznaavamo sa U.
2) Nemogu dogaaj. Prazan skup zovemo nemogu dogaaj. On se nikada ne desi.
Njega ne realizuje ni jedan elementarni dogaaj. Dakle, ako se dogaaj A sigurno ne
desi datim opitom onda se on zove nemogu dogaaj. Sve nemogue dogaaje
oznaavamo sa ili V.
Dogaaj se, dakle, zove sluajan ako se on moe, a ne mora, pojaviti kao rezultat nekog opita.
Dogaaje moemo okarakterizirati na dva naina: ili tako da navedemo sve njihove take ili tako da
opiemo uslove uz koje e se oni dogoditi. Tako na gornjem primjeru imamo A= {2,4,6} ili A={na
kocki pao paran broj}.
Definiimo sada operacije sa dogaajima pomou kojih se od datih dogaaja dobivaju svi
dogaaji. Za sve dogaaje smatramo da su podskupovi istog prostora elementarnih dogaaja , pa je
prirodno operacije nad dogaajima definisati pomou operacija nad odgovarajuim skupovima.
Za dogaaj A kaemo da povlai (implicira, ili A je specijalan sluaj od B) dogaaj B ako je
AB. Ako A B i B A onda kaemo da su dogaaji A i B ekvivalentni i piemo A=B.
10
ili
odnosno od
Za dogaaje A, B skup A B (ili A B) zovemo presjek (ili proizvod) dogaaja A i B, tj. dogaaj
A B je dogaaj koji se sastoji u tome da se A i B pojavljuju skupa (dogaaj A B dogodi se ako i
samo ako se dogode oba dogaaja A i B). Analogno se definie presjek od konano ili prebrojivo
mnogo dogaaja.
Za dogaaje A i B kaemo da se uzajamno iskljuuju (disjunktni, nespojivi) ako je A B=0 (A
B=V). U torn sluaju A i B ne mogu se istovremeno dogoditi.
Za konano ili prebrojivo mnogo dogaaja (An) kaemo da se uzajamno iskljuuju ako je
Ai
= za i j.
Za dogaaje A, B skup A\B zovemo razlika dogaaja A i B. Jasno, A\B= A Bc, pa otuda
slijedi da se dogaaj A\B dogodi ako i samo ako se A dogodi i B ne dogodi, tj. razlika dva dogaaja A i B
se zove dogaaj koga realizuju elementarni dogaaji koji pripadaju A a ne pripadaju B.
Kako su operacije nad dogaajima definisane pomou operacija nad odgovarajuim
podskupovima prostora elementarnih dogaaja, to za njih vrijede sva (odgovarajua) pravila iz teorije
skupova. Npr., za niz dogaaja (An, n N) vrijede de Morganove formule (zakoni):
)c=
, (An)c=
)c.
= [0,1),
={0}.
manjem rastojanju, nego sa dueg. Ili ako na nekoj lutriji imamo 50 televizora, 5 motocikla, 20
automobila, onda je vea ansa da e se dobiti televizor a manja motocikl. Ako bacamo novi anse da se
pojavi grb ili pismo su potpuno jednake. Postavlja se pitanje da li postoji neka numerika
vrijednost koja se moe da pripie svakom dogaaju i koja bi nam sluila kao objektivna mjera
realizacije nekog dogaaja pri izvoenju nekog sluajnog pokusa. Takva brojna vrijednost postoji i ona
se zove vjerovatnoa dogaaja.
Da bi definisali pojam vjerovatnoe sa klasinog, elementarnog aspekta, treba pretpostaviti
sljedee: Kada izvodimo ogled svaki prostor elementarnih dogaaja je konaan i taj prostor
elementarnih dogadaja moemo odrediti. i u torn smislu pretpostavimo da imamo neki sluajni opit i da
su dogovorno ustanovljeni svi elementarni dogaaji (tj. mogui nerazloivi ishodi) tog opita. Neka je A
proizvoljan dogaaj vezan uz taj sluajni opit. Kae se da je neki elementarni dogaaj povoljan za
dogaaj A ako pojavljivanje tog elementarnog dogaaja kao ishoda opita povlai i realizaciju
dogaaja A (da se dogodio dogaaj A).
8
Vjerovatnoa ,,a priori' . ili apriorna vjerovatnoa (ponekad se zove i matematika vjerovatnoa)
je teorijska vjerovatnoa kqja govori jezikom odreenih matematikih cifara o tome kakva je mogunost
nastajanja oekivanog dogaaja s obzirom na unaprijed poznate podatke o ukupnom broju svih moguih
dogaaja i o broju povoljnih, oekivanih dogaaja koji u tom ukupnom broju mogu nastupiti. Zbog
toga se ova vjerovatnoa zove teorijska, jer u praksi se ne mora ostvariti onaj rezultat kojega nam je
unaprijed davala apriorna vjerovatnoa. Tako, npr., ako bacimo novi" apriorna vjerovatnoa nam
govori da je 50% mogunosti da padne glava ili pismo jer su to dvije mogunosti od kojih jedna
mora da se ostvari. Meutim, u vie ponavljanja bacanja ne mora da se ostvari takav odnos, nego e
tek u veoma velikom broju bacanja da se zapazi pribliavanje odnosa 50% : 50%. Slian je sluaj kod
igranja lutrije, izvlaenja karata, bacanja kocke itd.
Jedna od moguih verzija klasine (Laplaceove) definicije vjerovatnoe a priori glasi: Neka je dat
sluajni opit s konano mnogo elementarnih dogaaja i neka su svi ti elementarni dogaaji jednako
mogui. Tada se vjerovatnoa proizvoljnog dogaaja vezanog uz taj opit definie kao kolinik broja svih
elementarnih dogaaja povoljnih za taj dogaaj i broja svih moguih (ukupnog broja) elementarnih
dogaaja (koji mogu nastupiti pri tom pokusu).
Primijetimo odmah slabosti ove klasine definicije vjerovatnoe (koju je u teoriju vjerovatnoe uveo
Pierre-Simon de Laplace}. Ona je prije svega restriktivna u smislu da se odnosi samo na eksperimente s
konano mnogo elementarnih dogaaja. S druge strane, Laplaceova definicija vjerovatnoe je kruna jer
ona u sebi sadri pojam jednako mogu, koji zapravo znai jednako vjerovatan. Otuda ova definicija nije
dobra kao baza aksiomatske teorije vjerovatnoe. Napomenimo da je vrlo interesantna injenica da je od
poetka teorija vjerovatnoe (za taj poetak se uzima 1654. godina) pa do uvoenja aksiomatike u tu teoriju
(koju je uveo veliki ruski matematiar A N D R E J N I K O L A J E V I KOLMOGOROV 1933. godine u svom
fundamentalnom radu: " Grundbegriffe der Wahrscheinlichkeitsrechnung, Berlin, 1933.") bilo potrebno da
prou gotovo tri stoljea.
Primjer 1 .. U posudi se nalazi 6 bijelih i 4 crne kuglice. Ako se sluajno izvue jedna kuglica,
nai vjerovatnou da izvuena kuglica bude bijele boje.
Rjesenje: Neka je A dogaaj da je kuglica bijele boje. Tada je, prema klasinoj definiciji
vjerovatnoe a priori, vjerovatnoa P(A) dogaaja A data sa
,3
(*)
gdje je m broj svih elementarnih dogaaja povoljnih za A (tj. koji realizuju dogaaj A), a n ukupan broj
svih elementarnih dogaaja (moguih dogaaja za posmatrani pokus).
3
Ovdje ( a i nadalje) P(A) znai vjerovatnoa (francuski probabilite odnosno engleski probability) dogaaja A.
12
(**)
Ako se radi o sigurnom dogaaju, onda svaki elementarni dogaaj realizuje taj dogaaj, tj.
m=n, pa je njegova vjerovatnoa jednaka 1 . Vjerovatnoa nemogueg dogaaja je 0 (jer je sada m=0,
budui da nemogu dogaaj ne realizuje ni jedan elementarni dogaaj).
9
Ako je vjerovatnoa manja od 1 , onda se za taj dogaaj kae da nije vjerovatan (ili da je
nevjerovatan), ako je P(A)= , kae se da je A neizvestan ili sumljiv dogaaj, a ako je P(A)
kae se da je A vjerovatan dogaaj (kao to je dogaaj A u primjeru 1).
U prethodnoj taki smo uveli pojmove koji trebaju u ,,konstrukciji" matematike teorije
vjerovatnoe. Pri tome smo ukazali na injenicu da je osnovni polazni objekt u teoriji vjerovatnoe
neprazan skup, kojeg smo oznaili sa i nazvali prostor elementarnih dogaaja, a koji reprezentira
skup svih ishoda sluajnog pokusa. Skup i njegove elemente smatramo kao date, oni su osnovni i
nedefinisani pojmovi u teoriji vjerovatnoe. Elemente co (esto emo elemente skupa zvati i
takama) zovemo elementarni dogaaji. Prostor elementarnih dogaaja slui modelu idealiziranog
sluajnog ogleda u smislu da po definiciji svako vrenje ogleda mora dati ishod koji odgovara jednom
jedinom elementarnom dogaaju, tj. jednoj i samo jednoj taki iz .
Prostor elementarnih dogaaja nije uvijek konaan. Uzmimo, npr., da se ogled sastoji u
registriranju broja razgovora koje u toku jednog dana obavi jedna automatska telefonska centrala.
Tadaje za prostor elementarnih dogaaja prirodno uzeti skup
=
Ovaj skup je (oigledno) prebrojiv. Ovdje je za uzet beskonaan skup, iako se zna da e broj
razgovora biti konaan, da bi se izbjegla pitanja u vezi s tim koji je prirodan broj mogu kao ishod
ogleda, a koji nije.
No, prostor elementarnih dogaaja moe biti i neprebrojiv. Naime, uzmimo da se ogled
sastoji od mjerenja temperature zraka tokom jednog dana. Tada se radi o mjerenju funkcije
neprekidnog parametra (vremena). Kao prostor elementarnih dogaaja moemo uzeti skup svih
moguih rezultujuih funkcija, ali i iri skup, recimo skup svih realnih funkcija na datom vremenskom
intervalu ili skupu svih realnih neprekidnih funkcija. U ovom sluaju smo svjesno poveali, jer
znamo da medu svim realnim funkcijama na datom intervalu sigurno ima takvih funkcija koje ne
mogu predstavljati kretanje temperature kao funkcije vremena tokom jednog dana. No, u sluaju
jednostavnih ogleda s konano mnogo ishoda izbjegava se dodavanje suvinih elemenata.
O dogaaju A vezanom uz neki opit moemo govoriti samo u sluaju da je za svaki mogui
ishod opita poznato da li se A dogodilo ili nije, tj. svaki dogaaj A vezan uz neki sluajni opit
13
odgovara pitanju u vezi s tim opitom koji ima odgovor ,,DA" ili ,,NE", i to u smislu da poslije svakog
vrenja opita na pitanje ,,da li se A dogodio" moe odgovoriti sa ,,da" ili ne". Ako je pri tome
prostor elementarnih dogaaja tog sluajnog opita, onda skup taaka koji reprezentuje sve ishode opita
za koje je odgovor ,,da" u potpunosti opisuje dogaaj A. Obratno, proizvoljan podskup A prostora
elementarnih dogaaja moemo tretirati kao dogaaj (koji se dogodi ili ne dogodi ovisno o tome da li
ishod opita reprezentira taku koja je u A ili koja nije u A).
Zato u daljnjem neemo razlikovati dogaaj A vezan uz sluajni pokus i odgovarajui
podskup skupa elementarnih dogaaja koji se sastoji od svih taaka iz koje reprezentuju one
ishode pokusa ije pojavljivanje vodi na pojavljivanje dogaaja A. Dakle, dogaaj podskup prostora
elementarnih dogaaja . Cijeli prostor zovemo siguran (pouzdan) dogaaj (on se mora dogoditi u
svakom vrenju opita), a prazan skup , zovemo nemogu dogaaj (on se nikad nee dogoditi).
Za sve dogaaje smatramo da su podskupovi istog prostora elementarnih dogaaja , pa se
prirodno operacije nad dogaajima definiraju pomou operacija nad odgovarajuim skupovima, to za
njih vrijede sva pravila iz teorije skupova, tj. sva pravila iz algebre skupova vrijede i u algebri
dogaaja (npr., vrijede DeMorganovi zakoni).
Aksiomatsku definiciju vjerovatnoe na prostoru elementarnih dogaaja obradiemo u
treem poglavlju (ukazujui na injenicu da nije uvijek mogue sve podskupove od uzeti za
dogaaje, jer se moe dogoditi da za neki podskup A od ne moemo decidno odgovoriti na pitanje:
,,Da li je
A?}.
10
Sem klasinie Laplaceove definicije vjerovatnoe a priori i aksiomatske definicije vjerovatnoe
uvodi se jo i klasina definicija vjerovatnoe a posteriori (statistika definicija vjerovatnoe), to
emo obraditi u narednoj taki, te geometrijska definicija vjerovatnoe koju emo takoe obraditi u
okviru ovog (drugog) poglavlja.
1.5. Klasina definicija vjerovatnoe a posteriori
(statistika definicija vjerovatnoe)
JAKOB BERNOULLI
14
ustanovljavamo zakonitost koja vlada u strukturi pojave, pa je u ovome osnov teorije ili zakona velikih
brojeva.
Primjena aposteriorne vjerovatnoe naroito je znaajna u oblasti osiguranja, u ekonomiji, a isto
tako i u svim oblicima naunog istraivanja u vezi sa masovnim pojavama s nepoznatim
kompleksom uzroka (stohastikih pojava; rije ,,stohastian" je grkog porijekla a znai ,,koji se
nasluuje", pa se ta rije upotrebljava i umjesto rijei vjerovatnoa"; gotovo u sve masovne pojave
umijean je stohastian element i time se objanjava principijelna vanost teorije vjerovatnoe kao
teorije prouavanja stohastikih pojava}.
Neka je A proizvoljan dogaj vezan za neki sluajni opit, tj. mogu rezultat tog sluajnog
opita. Pretpostavimo da smo taj pokus ponovili (pod istim okolnostima) n puta, da se u tih n
ponavljanja dogaaj A pojavio tano nA puta. Tada broj nA zovemo (apsulutna) frekvendja
(uestanost) dogaaja A, a broj
Kada broj pokusa raste onda relativna frekvencija tei ka vjerovatnoi dogaaja A, tj.
(**)
11
Znak "lim" se ovdje ne smije shvatiti u klasinom smislu granine vrijednosti, jer nam
analitiki nije poznata veza izmeu nA i n, niti ona postoji. Naime ako poveamo broj pokusa
primjeujemo da omjer stvarno tei ka jednoj granici. Stoga se u praksi izvede odreeni broj pokusa i tako
odredi vjerovatnoa dogaaja, jer mi ne moemo izvesti beskonano mnogo pokusa.
Poistovjeivanje relativne frekvencije i vjerovatnoe dogaaja bazira se na pomenutom Zakonu
velikih brojeva koji vai u prirodi a smisao mu je ovaj: Kada broj opita raste onda apsulutna razlika
izmeu relativne frekvencije i vjerovatnoe uglavnom opada. Ovaj zakon kae da ono to pojedinano
moramo smatrati sluajnim u velikoj masi gubi karakter sluajnosti i ponaa se kao neto uzrono,
zakonito. Napomenimo, da nije iznimka da ne moemo da odredimo broj povoljnih ishoda nekog
pokusa, ve da je to u praktinom pogledu vrlo esto sluaj bez obzira to je taj broj konaan.5 Da bi
provjerili Zakon velikih brojeva ljudi su izvrili veliki broj eksperimenata.
Primjer 1. Neka je sluajni pokus bacanje para igrah kocaka i pitamo se: Kolika je
vjerovatnoa dogaaja A. "brojevi koji su pali meusobno su razliiti"?
Bacanje para kocaka je pokus kod kojeg e svaki ishod biti jedan od elemenata skupa ={(i, j): i,
j = 1,..., 6}, kojih ima ukupno 36, ali zbog pretpostavljene simetrije unaprijed ne moemo rei koji e to
elemenat biti. Povoljnih dogaaja ima 30 (svi osim (1,1), (2,2), (3,3), (4,4), (5,5), (6,6)). Prema tome
vjerovatnoa a priori je:
15
Da to potvrdi i u praksi vajcarski astronom R. WOLF ponavljao je 1850. godine ovaj pokus i
biljeio je relativne frekvencije uoenog dogaaja. Dobio je sljedee rezultate:
Broj n pokusa:
100 1000
10000
100000
Relativna frekvencija
0,88
0,836
0,8351
0,83533
Teorija vjerovatnoe prouava samo one sluajne opite koji imaju svojstvo tzv. statistike stabilnosti relativnih
frekvencija. U cilju objanjenja ovog pojma, posmatrajmo proizvoljan dogaaj A vezan uz neki sluajni pokus.
Svojstvo statistike stabilnosti relativnih frekvencija sastoji se u tome da se prilikom ponavljanja pokusa veliki broj
(n) puta relativne frekvencije dogaaja A grupiraju oko nekog fiksnog (vrstog) broja. Pretpostavimo dalje da vrimo
nekoliko serija opita. Neka je, pri tome, ni, ukupan broj opita u i-toj seriji, a nA (i) broj pojavljivanja dogaaja A u i-toj
seriji. Svojstvo stabilnosti relativnih frekvencija zahtjeva takoe da su relativne frekvencije
dogaaja A u i toj
seriji opita meusobno dovoljno blizu za razne vrijednosti i, tj. za razne serije, ako su svi brojevi ni, dovoljno veliki.
12
stalno pada na pismo, tj. da
da {
, ili
uopte ne konvergira.
Primjer 2. Nakon: N1=600, N2=6000, N3=60000 i N4= 120000 bacanja, kocka je pokazala
broj6:f 1 =84, f2=957, f3=9847 i f4=19936 puta.
Statistike vjerovatnoe
Primjer 3. Rulet (a) je okrugla posuda koja je sa unutranje strane razdijeljena na 37 polja numerisanih od 0
do 36 od kojih je 18 polja obojeno crveno, a 18 crno i jedno polje nije obojeno.*' Vjerovatnoa apriori
(matematika vjerovatnoa) da kuglica padne u crveno polje iznosi 18/37=0,48649, da padne na crno polje
iznosi 18/37=0,48649, a na nulu 1/37=0,02703. U martu 1953. godine u Monte Carlu kuglica je pala na crno
polje 2 396 puta, na crveno polje 2 360 puta, a na nulu, koja je bezbojna, 138 puta. Izraunajmo statistiku
vjerovatnou.
Napomena: Kod malog broja ogleda mogu se vjerovatnoe a posteriori i a priori znatno
razlikovati, pa je Van der Waerden dao pogodniju formulu za statistiku vjerovatnou p:
13
gdje je f broj pojavljivanja jednog dogaaja A vezanog uz neki pokus, a N ukupan broj ponavljanja
toga pokusa.
Kod manjeg broja pokusa N ova formula je pogodnija nego prvobitna (
Rulet ima 36 brojeva, zatim nulu, a ponekad i dvostruku nulu. Za svaku marku stavljenu na broj koji dobija, igra dobije 35
maraka. Meutim, krajnje uporan igra moe samo da izgubi novac, jer ima 35 prema 37 ili prema 38 ansi da dobije. (Jedini sigurni
dobitnik je kasa /organizator igre/, jer ona, na dui rok, prikuplja praktino 5,5% svih uloga.!)
17
U ovoj taki, a i nadalje u ovom poglavlju, posmatraemo stvarne ill zamiljene eksperimente i
mogue ishode tih eksperimenata (pokusa, ogleda, opita). Svaki pokus koji emo promatrati imat e
konacno mnogo ishoda, za koje emo pretpostaviti da su svi jednako mogui.
U taki 1.3. smo uveli pojam prostora elementarnih dogaaja, (koji se jo zove, ponekad, i prostor
uzoraka) i to opisno (intuitivno) a i formalno. No, primijetimo da se prostor uzoraka, u
matematikoj terminologiji, moe i ovako definisati: Prostor uzoraka jednog pokusa je skup sa
osobinom da postoji bijektivno preslikavanje skupa svih ishoda na skup . Bilo koji podskup E
prostora uzoraka zove se dogaaj. Jednolani podskupovi skupa zovu se elementami dogaaj.
Sada se i ranije uvedeni pojam vjerovatnoe dogaaja moe definisati na ovaj nain: Ako je
prostor uzoraka (prostor elementarnih dogaaja) nekog pokusa koji ima konano mnogo Jednako
moguih ishoda, onda je vjerovatnoa (vjerovatnost, vjerojatnost) dogaaja E, tj. podskupa E od ,
simbolino P(E), definisana sa
odnosno,
Primjer 1. Neka su baene tri kocke. Kolika je vjerovatnost daje broj koji se pojavi na svakoj od
tri kocke - neparan broj?
Rjeenje: Za prostor uzoraka . u ovom pokusu se moe uzeti skup svih ureenih trojki
(i,j,k,) prirodnih brojeva i,j,k { 1,2,3,4,5, 6}. Otuda . ima 63=216 elemenata. Dogaaj E, da broj
koji se pojavi na svakoj od tri kocke bude neparan, sastoji se od svih trojki (i,j,k) prirodnih brojeva
izmeu 1 i 6, takvih da su i,j,k, svi neparni. Otuda E ima 33=27 elemenata, pa je
14
Koristei se logaritamskim tablicama ili depnim raunarima, lako se provjeri da je za r=23 u
ovom primjeru P(E)=0,51.
Napomena. Neki dogaaji su mnogo vjerovatniji nego to bi se moglo vjerovati. Kada se
okupi 25 osoba, postoji jedna ansa prema dvije da su dvije od njih roene istog dana u godini. Ovo
podudaranje je skoro izvjesno kada se na okupu nalazi 60 osoba. (Npr., za 40 Clanova Francuske
akademije (nauka), zabiljeena su slijedea tri podudaranja. Paster Valeri-Rado i Pol Moran roeni su
13. maja, Rene Ig i Pjer Emanuel roeni su 23. maja, Marse lAar i Marse lArlan imaju isto lino
ime i roeni su tano istog dana: 5. jula 1899. godine.)
18
Teorema 1. Vjerovatnoa zbira dva dogaaja koji se meusobno iskljuuju jednaka je zbiru
vjerovatnoa ovih dogaaja, tj.
P(A+B)=P(A)+P(B)
(1)
Napomena: U optem sluaju ako se A1, A2,..., An meusobno iskljuuju, tj. ako vrijedi Ai ...
Aj= (
a radi se o konanom prostoru elementarnih dogaaja, onda je vjerovatnoa od
zbira (unije) ovih dogaaja jednaka
(2)
(3)
Dokaz. Kako je (sl. 1.)
je
SI. 2.
15
Dokaz. Jasno je da vrijedi (si. 3):
P(A+B)=P(A)+P(B)-P(A B).
Dokaz. Kako je (sl.4) A+B=A+(
A),A (
A)= ,
to na osnovu Teoreme
1. slijedi
SI. 3.
A-B
Sl.4.
(esto se uzima da su svi A, razliiti od 0)
Teorema 5. Ako dogaaji A1, A2,..., An ine potpun sistem dogaaja, onda vrijedi
B\A
Dokaz. Budui da A,,..., An ine potpun sistem dogaaja, to je njihov zbir siguran dogaaj pa imamo da je
20
Definicija. Za dva dogaaja kaemo da su suprotni ako oni ine potpun sistem dogaaja.
Suprotan dogaaj dogaaju A oznaavat emo sa ili A' ili non A ili Ac ili c(A) i sl. (kao to smo i
ranije rekli). Npr., ako A oznaava pogodak u metu onda oznaava promaaj (sl. 5).
No, suprotan dogaaj se moe definisati u smislu kako smo to i ranije uinili (tj. suprotan
dogaaj dogaaju A je dogaaj u oznaci , koji se realizuje ako se ne desi dogaaj A, odnosno
suprotan dogaaj je dogaaj kojeg realizuju elementarni dogaaji koji ne realizuju dogaaj A).
Teorema 6. Vjerovatnoe suprotnog dogaaja
jednaka je P ( )=1-P(A).
ine potpun
Primjer. Kruna meta podijeljena je u tri zone: I, II, i III. Pri jednom
gaanju vjerovatnoa pogotka u prvu metu (zonu) je 0,15, a u drugu 0,23 i u
treu 0,17. Kolika je vjerovatnoa da se meta ne pogodi?
Rjeenje. Oznaimo sa A dogaaj da se meta pogodi, a sa da se
promai. Neka je Ai (i= 1,2,3) dogaaj da se pogodi i-ta zona (sl.6). Kako se Sl.6.
dogaaji A1, A2, i A3 iskljuuju meusobno, to je A=A1+A2+A3, Ai Aj=
16
(i j), odakle je P(A)=P(A1)+P(A2)+P(A3)=0,15+0,23+0,17=0,55.. Otuda je P( ) = l-P(A)= 10,55=0,45, (=45%).
Napomena. Razmotrimo navedene rezultate (u ovoj taki) sa skupovno-teoretskog aspekta. U tom smislu
pretpostavimo da je konaan skup i da je za svaki podskup E od , tj. za svaki
, gdje je ()
partitivni skup skupa , vjerovatnoa od E simbolino P(E) definisana formulom
gdje su
().
svaki E iz
=0.
b)Ako su E,F
c) Za svako E
d) Za svako E
()
0 P(E) l.
, P( )=1 - P(E), gdje je
e) Za svaki E
f) Za svaki E
, P(E F)=P(E)+P(F).
Dokaz. Sve osobine a) - g) mogu se dokazati samo na osnovu osobina P 1-P3. Iz teoreme A
(a, naravno, mogu se dokazati i direktno na osnovu definicije vjerovatnoe; neke od tih osobina smo ve
dokazali i u prethodnim teoremama). Dakle, funkcija P :
(R-skup svih realnih
brojeva), definisana gore ispred teoreme A, ima ne samo osobine P1 - P 3. ve i osobine navedene u
teoremi B. A otuda svaka funkcija Q:
koja ima osobine P 1. - P 3. takoer zadovoljava i
osobine a)-g) u teoremi B.
a) Neka je E= i F= . Onda su E i Fiskljuivi jer je E F= . Zato iz P 3. slijedi da je
P(E F)=P(E)+P(F), tj. P( )=P( )+P( ), jer je
. Otuda P( )=2P( ) pa kako
je P realna funkcija, to moe vrijediti samo ako je P( )=0.
b) Slijedi iz P2 i P2., jer je E F,
a E i F E iskljuivi.
c) Za svaki E
je
. Iz osobine b) slijedi
prema P1, P() = 1 i prema dokazanoj osobini a), P( )=0, to imamo 0 P(E) 1.
. Kako je
17
Otuda iz P3 slijedi da je P)=P(E
)=P(E)+P( ), pa iz P1imamo
22
e) Neka su E,F
(). Qnda je E F= E (F\E), gdje su E i F E disjunktni (sl. 7).
Prema P 3 je P(E (F\E)) =P(E) +P(F E), tj.
P(E F)=P(E)+P(F\E).
(*)
=(F\E) (E
), to P3 povlai
(**)
0 prema
P3.
g) Ova osobina dokazuje se metodom matematike indukcije, koristei da je osobina tana za n=2
prema f).
Naime, iz pretpostavke da je tvrdnja tana za svakih k skupova E1, E2,..., Ek ,
na osnovu f), za svaki k+ 1 skupova iz () : El; E2,...,Ek vrijedi
(), onda,
Za dva dogaaja A i B, koji nastupaju jednovremeno (ili jedan iza drugog) kazat emo da su
nezavisni ako nastupanje dogaaja A ne zavisi od toga da li se odigrao dogaaj B i obratno,
nastupanje B ne zavisi od toga da li se odigrao dogaaj A. Polazei od ove opisne (intuitivne)
definicije nezavisnih dogaaja lako se dokazuje slijedea teorema:
Teorema 1 . Vjerovatnoa dogaaja koji se sastoji u zajednikom nastupanju dva meusobno
nezavisna dogaaja jednaka je proizvodu vjerovatnoa svakog dogaaja posebno.
Dokaz. Pretpostavimo da su A i B nezavisni dogaaji (uzmimo npr. vjerovatnou a priori). U
kategoriji ogleda (pokusa, opita, eksperimenta) meu ijim rezultatima se pojavljuje dogaaj A neka ima
svega m mogunosti (moguih sluajeva) od kojih k povoljnih za A i u kategoriji ogleda meu ijim
rezultatima dolazi dogaaj B neka ima svega n moguih sluajeva od kojih l povoljnih za B. Pri
izvoenju prve i druge kategorije ogleda svaki mogui sluaj prve kategorije moe da nastupi sa svakim
moguim sluajem druge kategorije. Dakle, u ogledima meu ijim rezultatima dolazi dogaaj A^B
(dogaaj A B, odnosno u skupovnoj notaciji, A B) ima svega m n moguih sluajeva. Kako svaki
sluaj povoljan za A sa svakim sluajem povoljnim za B daje sluaj za povoljan A B. Prema tome je (za
tzv. dogaaj (i-i"):
23
18
Napomena. Teorema 1. se moe proiriti na dogaaj koji se sastoji u simultanom nastupanju
vie nezavisnih dogaaja (za konano mnogo):
(Dokazuje se analogno).
Kao to smo ranije rekli, dogaaji kad nastupaju istovremeno ili sukcesivno dva ili vie prostih
dogaaja zove se sloeni dogaaj.
Posljedica. Neka su vjerovatnoe nezavisnih dogaaja A i B : p i q, respektivno. Tadaje
vjerovatnoa:
a) da seoba dogaaja dese simultano. ................................................ p-q ;
b) da se ne desi ni jedan dogaaj......................................................... (1-p) (1-q) ;
c) da e se desiti A a nee B... ............................................................... p (l-q) ;
d) da e se desiti B a nee A..... .......................................................... ...q (l-p) ;
e) da se bar jedan od njih nee desiti. .................................................. 1-p q ;
f) da e se bar jedan od njih desiti. ...... ................................................. l-(l-p) (1-q) ;
g) da dogaaj A nastupi svaki put u k uzastupnih ogleda .................. pk ;
h) d a u k uzastopnih ogleda dogaaj A ne nastupi ni jednom .......... p k=(l-p)k ;
i) da dogaaj u k pokusa nastupi bar jedanput......... .......................... 1-(1-p)k
(ona je suprotna vjerovatnoi da dogaaj A ne nastupi nijednom).
Primjer. 1. Koliko puta moramo baciti kocku da moemo sa vjerovatnoom 2/3 oekivati da e se
bar jednom pojaviti broj5?
Rjeenje.
Moemo kazati da je potrebno 6 puta baciti kocku da bismo s vjerovatnoom 2/3 oekivali da bar
jednom dobijemo broj 5.
19
i)A i B'; ii)A' i B; iii) A' i B';
Dokaz. 1 Dogaaji A B i A B' (sl. 8) su iskljuivi (jer x A B implicira x B tako
da x B' i otuda x
A B'). Pokaimo da je (A B)
(A B') = A. Da bismo ovo uoili,
pretpostavimo da je x A. Onda je x B ili x B' tako da je x A B ili x A B' pa je,
naravno x (A
(A
). Dakle, za svako x A zakljuujemo da je x (A B) (A B'),
tj. A c (A^i^) u (A~v#0. Obratno, ako je x e (A^ u (A-^0 onda je jasno x A Dakle, (A v?)
(A
B')
i otuda A = (A B
25
slijedi: P(A B)=P(A) P(B). Takoer, izjava iii) se moe i neposredno dokazati; koristei tzv. de
Morganove2 zakone za dogaaje:
(A ' B') = (A B)'
(ili =
), (A' B') = (A B)'
(ili + =
),
koji se lako dokazuju (kao i za skupove, a mogu se smatrati i poznatim u skladu sa ranije reenom o
analogiji izmeu algebre dogaaja i algebre skupova).
Teorema 3. Ako su dogaaji A i B nezavisni, P(A)>0 i P(B)>0, onda se oni meusobno ne
iskljuuju.
Dokaz. Pretpostavimo suprotno, tj. pretpostavimo da se dogaaji A i B iskljuuju. Tada je
njihov proizvod (presjek) jednak nemoguem dogaaju: A B= , pa imamo P (A B)=0. No, budui da
su A i B nezavisni dogaaji to imamo da je P(A B)=P(A) P(B), pa bi dobili da je P(A) P(B)=0,
tj. P(A)=0 ili P(B)=0, a ovo je suprotno pretpostavci teoreme.
Primjer. Raunarska maina sastoji se iz n-blokova pouzdanosti, tj. vjerovatnoa rada bez
kvara u toku rada, p1 p2,..., pn. Blokovi se kvare nezavisno jedan od drugog. Ako se pokvari bilo koji
blok pokvari se i cijela maina. Nai vjerovatnou da se maina pokvari u toku vremena t.
Rjeenje. Neka Ai, oznaava dogaaj da blok i radi u toku vrmena t (i= 1,2,...,n). Tada je
P(Ai)=p, ( i = 1,2,...,n). Dogaaj A da maina radi u toku vremena t je: A=Al-A2-...-An. Njegova
20
vjerovatnoa je
P(A)=P(A1) P(A2).....P(An)=
za svaki podskup razliitih indeksa i1, i2,..., ik {l, 2, ..., n}, gdjeje k 2. (Umjesto: ,,razliitih indeksa,
i1,i2,...,in
" moe se rei ,,indeksi
Sljedei primjer pokazuje da jedna familija dogaaja ne mora biti nezavisna, ak iako je svaki par
dogaaja u familiji nezavisan.
Primjer. Nekaje ={1, 2, 3, 4} prostor elementarnih dogaaja (jednako moguih) A1= {1,
4}A2={2,4}iA3={3,4}.Tada je
tj. A1, i A2 su nezavisni dogaaji. Slino se pokazuje da je i svaki od parova A1 i A3, A2 i A3 nezavisan.
Meutim, kako je
to familija dogaaja A 1,A2 i A3 nije nezavisna.
26
21
P(AB)=P(A) P(B\A)=P(A\B) P(B),
(1)
odnosno ,
(P(A)>0,P(B)>0),(gdje(AB)=(A^B)=(i A i B)=(A B)
oznaava nastajanje dogaaja A i dogaaja B poto se desio A ili obratno).
Dokaz. Neka se u n ogleda dogaaj A realizuje k puta. Tada je P(A) = k/n i neka se u k
ovih sluajeva i dogaaj B desi r puta (ovdje dogaaj A igra ulogu sigurnog dogaaja). Otuda je
P(B\A) = r/k. Meutim, vjerovatnoa da se desi A i B je P (A B) = r/k , poto se A i B odigravaju u n
ogleda svega r puta. Kako je
27
22
tj, P(A B) = P(A) P(B), odakle slijedi da su dogaaji A i B nezavisni, ime je teorema 2. dokazana.
Iz teoreme 2. slijedi da se nezavisnost dogaaja moe definisati i tako da se kae da su dva
dogaaja A i B nezavisna ako vrijedi
P(B\A)=P(B)iP(A\B)=P(A),
tj. ako su apsolutne vjerovatnoce jednake njihovim uslovnim vjerovatnoama. Ako je P(B\ A) P(B),
onda kaemo da izmeu A i B postoji stohastika zavisnost.
Primjer. Nai vjerovatnou da padne broj 5 prilikom bacanja kocke, ako se zna da je pao neparni
broj.
Rjeenje. Neka je A dogaaj da padne broj 5, tj. A = {5}, a B dogaaj da je pao neparan broj, tj.
B = { I , 3, 5 }. Tada je uslovna vjerovatnoa P(A \ B) jednaka:
28
Teorema 1. Vjerovatnoa dogaaja B koji moe nastupiti samo pod uslovom pojave
potpunog sistema dogaaja A1, A2, ..., An, jednakaje sumi proizvoda vjerovatnoa svakog dogaaja
Ai uslovnih vjerovatnoa dogaaja B, tj.
Posmatrajmo proizvoljni dogaaj koji se moe desiti prilikom opita (ili, matematiki reeno,
dogaaj koji se odigra na istom prostoru elementarnih dogaaja ).
23
Ova formula poznata je pod imenom formula totalne ili potpune (ili pune) vjerovatnoe i primjenjuje se
Al
vrlo esto.
P(A) = P(H1) P(A | H1)+ P(H2) P(A | H2) + P(H3) P(A |H3)=
II nain. Ovaj zadatak moemo rijeiti i na drugi nacin: koristei
kombinatoriku, odnosno koristei jedan od njenih modernih pravaca istraivanja:
teoriju grafova.
Naime, u ovom sluaju moemo nacrtati graf dogaaja kao na sli. 10.
Nas interesuje dogaaj A kada je izvuena bijela kuglica, pa sa grafa imamo P
30
S1.10.
Dokaz. Pretpostavimo da je A neki dogaaj koji nastupa ako nastupi bilo koji od dogaaja
H1, H2 ..., Hn (pozitivnih yjerovatnoa) koji se po dva meusobno iskljuuju i iji je zbir
Na osnovu teoreme mnoenja imamo.
odakle dobijemo ?
(
Ako izrazimo P(A) formulom potpune vjerovatnoe dobijemo
\B)=1 ili P(
Ova interpretacija Bayesove formule ima slabosti u tome to ne daje nain kako da se odrede
poetne vjerovatnoe hipoteza P(H). No, ona se ipak u nekim sluajevima moe vrlo korisno
primijeniti (kao npr., u medicinskoj dijagnostici). Nije teko navesti primjere koji ilustriraju tekoe (bez
obzira to nema formalne smetnje za primjenu) pri praktinoj primjeni Bayesove formule, tj. gdje nije
mogue direktno primijeniti tu formulu, ve su, kao i prilikom direktne primjene nekih drugih
vjerovatnosnih metoda za dobijanje korisnih rezultata, potrebne mnoge dodatne netrivijalne
pretpostavke.
Primjer 1 . Neka se na nekoj klinici lijee bolesnici od kojih svaki moe imati jednu od bolesti
H1,H2, ..., Hn. Uoimo jednog bolesnika i neka je kod njega, poslije pregleda ustanovljen skup A
31
simptoma. Pretpostavimo da su na klinici tokom njena rada biljeeni statistiki podaci o broju
bolesnika od bolesti Hi (i = 1,2,...,n) tako da iz tih podataka moemo izraunati (koristei klasinu
definiciju vjerovatnoe a posteori - statistiku definiciju vjerovatnoe) P(Hi) i P(A \Hi). Pri tome je
P(Hi) relativna frekvencija bolesti Hi, meu svim bolesnicima lijeenim na klinici, a P(A \Hi) je
relativna frekvencija ustanovljavanja skupa simptoma A meu onim bolesnicima koji su imali bolest Hj.
Ovdje sada nemamo formalne smetnje za primjenu Bayeseve formule, ali imamo tekoca pri njenoj
praktinoj primjeni. Naime, pretpostavimo da na klinici za svaku bolest Hi (i = 1,2,...,n) postoje
statistiki podaci za 10 000 bolesnika. Odredimo broj moguih skupova simptoma. Ako se pregled
sastoji od, recimo, 50 raznih mjerenja i ako je rezultat svakog mjerenja ,,da li je simptom prisutan ili
nije", onda imamo 250 1015 moguih skupova simptoma i na svaki skup simptoma prosjeno dolazi
promatranja, tj. praktino 0 (nula) promatranja. No, tada ja P(A \Hi) = 0 ( 0)
za sve i , a to nam je beskoristan rezultat. Ovaj primjer ilustruje primjedbe date u
25
predhodnoj napomeni 1. Zato je u ovom primjeru potrebno imati neke dodatne netrivijalne
pretpostavke.
Primjer 2. U primjeru 1, u okviru take ,,Formula totalne vjerovatnoe", izvuena kuglica je bijele
boje. Nai vjerovatnou da je ona izvuena iz prve kutije.
Primjer 3. U nekoj fabrici 30% proizvoda otpada na mainu I, 25% na mainu II i ostalo na
mainu III. Maina I radi sa 1% karta, maina II sa 1,2 % karta i maina III sa 2 % karta. Kolika je
vjerovatnoa da e sluajno izabrani proizvod biti kart? Ako je izabrani proizvod kart, kolika je
vjerovatnoa da je on proizveden na I maini, odnosno na II, odnosno na III ?
Rjeenje. Oznaimo sa A dogadaj da izabrani proizvod bude kart, a sa Hi (/'= 1,2,3)
oznaimo dogaaj da je izabrani proizvod napravljen na i- toj maini.
Tada je
P(H1,) = 0,3, P(H2) = 0,25, P(H3 )= 0,45,
P(A \H1) = 0,01 , P(A \H2) = 0,012, P(A \H3) = 0,02,
odakle je, prema Bayesovoj formuli,
(Zato?)
Napomena 2. Bayesova formula igra veliku ulogu u zadacima, posebno kad se radi o
zadacima veanim za kontrolu proizvoda. Naime, kad se vri kontrola proizvoda i nae kart, onda je od
interesa procjena ko pravi kart (ko vjerovatno pravi kart).
1.12. Geometrijska definicija vjerovatnoe
njenu primjenu), ali mogu primjenom tzv. geometrijskih vjerovatnosti. U tom smislu navest emo
definiciju geometrijske vjerovatnoe koja nee biti sasvim matematiki precizna (jer se koriste pojmovi
izmjeriv i ,,mjera", a trebalo bi ,,Lebesgue - izmjeriv i Lebesgueva mjera", ali je pogodna za
primjenu.
Naime, pojam vjerovatnoe, uveden klasinom Laplaceovom definicijom vjerovatnoe
formulom
(1)
prosiriemo na sljedei nain (na sluaj kada je broj elementarnih dogaaja beskonaan, pri
izvoenju nekog pokusa):
Neka se, npr., u nekoj oblasti G sadri druga oblast D ( G i /?mogu biti dui, povri ili tijela), \
neka se pokus sastoji u tome da se na sluajan nain bira taka u oblasti G, pa se postavlja pitanje:
26
33
i) Vjerovatnoa da sluajno izabrana taka dui AB (si. 11.) pripada dui CD ABje
(5)
S1.12.
iii) Vjerovatnoa da e jedna taka, koja se nalazi unutar oblasti V(sl. 13) u prostoru ( V
ogranien izmjeriv skup, tj. ima konanu zapreminu), pasti unutar oblasti V1 (V1 V) je :
27
34
(7)
gdje je mes(D) povrina kruga radijusa R/2, a mes(G) povrina kruga radijusa R.
S1.13.
S1.14.
y =|X(x>0
S1.15.
PG(=mes(G)) = 1,
Stavimo D = {(x,y)
fiziar
35
, pa je
28
2. OPTA TEORIJA VJEROVATNOE
2.1. Aksiomatska definicija vjerovatnoe
U dosadanjem izlaganju posmatrali smo, uglavnom, primjere pokusa na koje smo mogli
primijeniti klasinu definiciju (Laplaceovu) vjerovatnoe (vjerovatnoe a priori) ili statistiku
definiciju vjerovatnoe. Kao to smo rekli, ova klasina definicija je odigrala veliku ulogu u razvoju
teorije vjerovatnoe. Meutim, ova definicija ima i principijelne i praktine prirode nedostatke.
Principijelni nedostatak (a to je i ozbiljni nedostatak gledano sa matematske strane) sastoji se u tome to
je u toj definiciji pojam vjerovatnoe definisan preko pojma vjerovatan" (preciznije, preko pojma
Jednako mogu" ali to je isto to i jednako vjerovatan"). Meutim, praktini nedostatak definicije
klasicne vjerovatnoe je taj to se zahtijeva da
1 broj elementarnih dogaaja, koji se desi pri izvoenju nekog pokusa, bude konaan i
2 da se mogu odrediti ti elmentarni dogaaji. No, u praksi ak jednostavni
primjeri pokazuju da su narueni i jedan i drugi princip.
Kada nismo mogli odrediti broj povoljnih ishoda kod nekog pokusa, onda smo koristili
klasinu definiciju vjerovatnoe a posteriori (statistiku definiciju), a koristili smo i pojam
geometrijske vjerovatnoe kao pooptenje (proirenje) pojma vjerovarvoe na sluaj kada se pri
izvoenju nekog pokusa moe da javi beskonano mnogo elementarnih dogaaja.
Nije teko smisliti primjer pokusa sa konano mnogo ishoda koji nisu jednako mogui.
Sljedei primjer opisuje takav pokus.
Primjer 1. Neka je dat krug, iji je mjerni broj povrine jednak 1, sa tjemenom u taki C(sl.
17). Pretpostavimo da je unutranjost kruga podijeljena na n isjeaka, meusobno iskljuivih i takvih
da je njihova unija upravo cijela unutranjost kruga. Obiljeimo ih, kao na datoj
slici, sa A1,A2,...,An. Zamislimo da je jedna beskonana tanka igla i jednim
kraje vezana u centru C i zavrtimo je oko C. Treba odrediti vjerovatnou da e
se igla zaustaviti upravo u oblasti Ak (k=1,2...,n). Neka pk oznaava povrinu
te oblasti Ak (za k=1,2, ..., n). Primjetimo da je p1,+p2+... +pn=1. Jasno, da
je razumno oekivati da je vjerovatnoa zaustavljanja u Ak upravo pk
povrina isjeka Ak. Za prostor uzoraka (prostor elementarnih dogaaja
koji nisu svi jednako mogui) moemo uzeti skup ={ A,, A2,..., An}, gdje
Ak oznaava ishod eksperimenta da se igla i zaustavi na isjeku Ak Tada
imamoP({Ak})=pk
za
k=1,2,...,n.
Sl. 17.
Da bi funkcija P bila definisana na cijelom partitivnom skupu
, definiemo
36
Ovako proirenje funkcije P (vjerovatnoe) izgleda sasvim prirodno, jer su skupovi A1, A2, ..., An
meusobno iskljuivi, a njihova unija je cijela unutranjost kruga povrine 1.
29
Lako se uvjeravamo da ovako definisana funkcija vjerovatnoe P: () R, za gore dati prostor
uzoraka , iji elementi nisu jednako mogui, ima osobine (koje su ranije dokazane za sluaj prostora
uzoraka koji odgovaraju pokusima iji su ishodi jednaki mogui)
P1. P()=1,
P2. P(A)
za
P3 . Ako su E, F
(n) , takvi da je
Ovakvi primjeri konanih prostora uzoraka koji odgovaraju pokusima iji ishodi nisu nuno
jednako mogui, navode na ovu definiciju:
Definicija 1 . Konaan prostor vjerovatnoe je par (Q.,P) gdje je Q konaan skup i P funkcija P:
(R skup realnih brojeva) koji zadovolajvaju osobine P1, P2. i P3. u (*).
Kao i ranije, skup fi zovemo prostor uzoraka (ili prostor elementarnih dogaaja), pod skupove od
dogaajima i jednolane podskupove od nazivamo: ekmentarnim dogaajima.
Odmah se vidi da vrijedi teorema B, navedena u okviru take : ,,Neke osnovne teoreme teorije
vjerovatnoe za konaan prostor uzoraka" , i sada za opti konaan prostor vjerovatnoe.
Pojam nezavisnih dogaja i pojam uslovne vjerovatnoe, u optem konanom prostoru
vjerovatnoe, definie se na potpuno isti nain kao to su date formalne definicije ovih pojmova za sluaj
konanog prostora uzoraka koji je odgovarao pokusu iji su ishodi bili jednako mogui: Takoe vae i
odgovarajue teoreme za nezavisne dogaaje odnosno za uslovnu vjerovatnou (ukljuujui i formulu
potpune vjerovatnoe i Bayesovu formulu) .
Meutim, razvoj teorije vjerovatnoe zahtijevao je da se teorija vjerovatnoe proiri i na
sluajeve kada prostor elementarnih dogaaja nije obavezno konaan skup.
Navedena aksiomatska definicija vjerovatnoe (def.l), koja se odnosi na konaan prostor
uzoraka koji odgovaraju pokusima iji ishodi nisu nuno jednako mogui, je specijalan sluaj opte
aksiomatske definicije vjerovatnoe, (koja se odnosi na proizvoljan prostor uzoraka) koju je predloio
A . N . KO LM O GO RO V 8 1933. godine. On je predloio aksiomatiku koja je obuhvatala sve dotadanje
rezultate iz teorije vjerovatnoe, a takoer se pokazalo da ona adekvatno reprezentira nae prirodne ideje,
odnosno intuitivne predodbe o vjerovatnoi, tj. da postaje veza izmeu vjerovatnoe i relativne
frekvencije. Osim toga, ova aksiomatika dala je dobru osnovu za razvoj novih podruja teorije
vjerovatnoe. Time je konano ostvaren zahtjev da se teorija vjerovatnoe zasnuje na aksiomatski nain,
slino kao to su zasnovane druge matematike discipline.
Ideja Kalmogorova se sastojala u tome da se posmatra proizvoljni neprazni skup i to je skup
bilo kakvih elemenata. Elemente skupa zovemo ekmentarni dogaaji. Na tom skupu se posmatra
kolekcija
={R eQ} i zahtijeva se da ova kolekcija bude bogata, tanije da ona ini aalgebru ( - polje), tj. da ona zadovoljava slijedee uslove:
F1.
F2.
F3.
8
37
, da je
, te da je zatovorena
A3. A1,A2,...,An
onda se zove algrebra skupova (polje skupova). Otuda je (prema F1. i F3.) svaka - algebra
istovremeno i algebra.
Definicija 2. Neka je
0, A
, (nenegativnost vjerovatnoe)
meusobno disjunktni) / e N i
, (prebrojiva ili - adidvnost vjerovatnoe)
i=l
i=l
P( )=0.
Ako je E1 E2 i E1, E2
vjerovatnoe)
(c)
38
(e)
Ako je En
(n N),
..., ondaje
31
(f) Ako je En
, (n N),
onda je
(g)
Ako je E1
, (prebrojiva
Ako su E1 i E2 iz
(k)
Ako je E
,onda je P(
)=1-P(E), (
= E),(vjerovatnoa suprotnog
dogaaja).
Dokaz. 1 Primijetimo da sve osobine, izuzev (e)-(g) u ovoj teoremi (koja se odnosi na
proizvoljan, konaan ili beskonaan prostor vjerovatnoe pri emu elementarni dogaaji nisu nuno
jednako mogui) imaju isti oblik kao u sluaju klasine vjerovatnoe (za konaan prostor
elementarnih dogaaja koji su jednako mogui), tj. i u optem sluaju prostora elementarnih
dogaaja, uvedenog aksiomatski (tzv. aksiomama Kolmogorova za prostor vjerovatnoe: (Fl) -(F3) i
(PI) -(P3) vrijedi teorema B, navedena u okviru take: ,,Neke osnovne teoreme klasine teorije
vjerovatnoe", s tim to se u optem prostoru (koji nije nuno prebrojiv) uzimaju elementi (dogaaji) iz
- algebre ( ()) a ne bilo koji elementi iz (). Ovakvu primjedbu smo naveli i u prethodnoj
taki kada smo govorili o aksiomatski uvedenom optem konanom prostoru vjerovatnoe. Takoe,
budui da je dokaz pomenutog teorema B, kao specijalnog sluaja ovog teorema 1 za konaan
prostor uzoraka iji su elementarni dogaaji jednako mogui, zasnovan jedino na osobinama P1, P2 i P3
(koje predstavljaju teoremu A, u klasinoj vjerovatnoi, dok su to aksiome u optoj, aksiomatskoj teoriji
vjerovatnoe za konaan prostor vjerovatnoe), potpuno su isti dokazi svih izjava (a) - (c), (h) i (k) ovdje,
za sluaj konanog prostora vjerovatnoe kao analognih izjava u pomenutoj teoremi B. Izjava (d), u
sluaju konanog prostora vjerovatnosti se lako dokae metodom matematike indukcije, ako se poe od
aksioma P1, P2 i P3 za konaan prostor vjerovatnoe (tj. gdje je P3: P(E 1uE2)=P(E1)+P(E2) ako su E1 i E2
iskljuivi dogaaji).
2 U sluaju proizvoljnog (konanog, prebrojivog ili neprebrojivog) prostora vjerovatnoe,
polazei od aksioma (Fl) -(F3) i (PI) -(P3) dokaz osobina (b), (c), (h) i (k) se moe izvesti
pozivajui se na (d), na isti nain kao i dokaz odgovarajuih osobina za konaan prostor
vjerovatne (polazei od aksioma(Pl)-(P3)) odnosno kao i u teoremi B (za klasian sluaj).
39
Meutim, u sluaju opteg proizvoljnog prostora vjerovatnoe, u kome se uzima aksiom (P3)
umjesto (P3) dokaz osobina (a) i (d) moe se izvesti na ovaj nain:
(a) U aksiomi (aP3) uzmimo Aj=0, zai =l, 2 , ...
Tada je
. Ali
je konvergentan red
divergira, a P( )<0 je
32
to imamo
(na osnovu definicije konvergentnog reda).
(f)StavimoFn=E1\En za n N. Tada je Fn
, Fn Fn+1 (n N) i E1\
. Otuda
tj.vrijedi
Napomenimo da se izjava (e) moe dokazati na osnovu (f) polazeci od E C1 EC2 ... (Naime, tada je
dakle 1-
impliciraju da je
(g)Neka je
F1=E1, Fn=En
Tada je
. Zato je
40
Teorema 2. Sistem aksioma (F1l, F2, F3, P1, P2, P3) i sistem aksioma (F1, F2, F3, PI,
P2, P3* P4) su ekvivalentni (tj. trojka (, ,P) zadovoljava prvi sistem aksioma akko zadovoljava
drugi sistem aksioma), gdje je P3*:Akoje E1
za i=1, 2, .., n i Ei Ej= ,
, onda je
P4:Akoje E1
Dokaz. 1 Ako (, , P) zadovoljava (Fl, F2, F3, PI, P2, P3) onda (,
zadovoljava (Fl, F2, F3, P1, P2, P3*, P4) po teoremi 1. (d) i (f).
, P)
2 Pretpostavimo da (, , P) zadovoljava (Fl, F2, F3, P1, P2, P3*, P4). Neka je Et
za sve i=l, 2, .., tako da je Ei Ej= , i j, onda za svaki prirodni broj n, imamo
33
prema Fl, F2, F3 i F3. Dalje je
(Ovdje je potrebno dokazati daje P( )=0 u sistemu aksioma (Fl, F2, F3, P1, P2, P3*, P4),
ali to se lako izvodi, jer je =
pa je P( )=P( )+P( ) prema P3* ili P( )=0. Kao to smo
vidjeli, umjesto
u aksiomi Fl moe se uzeti
, to se ak ee i radi, pa ako se tako postupi,
C
onda je, i u ovom sistemu aksioma,
, jerje = ).
Otuda je
po definficiji konvergencije
reda.
..
41
n=l
Neka je
tog niza sa
i vrijedi:
u prostoru vjerovatnoe (,
, P)
vrijedi:
34
Propozicija 2. (a) (Princip inkluzije - ekskluzije):
Neka su A1 A2,..., An podskupovi konanog skupa .
Neka #(B) oznaava broj elemenata skupa B.
Tada je
#
42
Dokaz. a) Osobina (a) se lako dokaze metodom matematiCke indukcije, a moe se dokazati i primjenom
pojma tzv. karakteristine funkcije skupa. Funkcija fi, data sa
karakteristina funkcija od
Sada se primjeti da je
#
Definicija. Prostor vjerovatnoe (, , P) jest potpun ili kompletan (ili P se zove potpuna ili
kompletna mjera na ) ako vrijedi
tj. ako je svaki podskup dogaaja ija je vjerovatnoa 0 i sam dogaaj.
esto se u samoj definiciji prostora vjerovatnoe uzima da je on potpun. No, to nije bitno
ogranienje jer se svaki prostor vjerovatnoe moe upotpuniti, tj. preciznije vrijedi sljedea teorema:
Teorema 3. Neka je (,
je sadrano u
je
, P) prostor vjerovatnoe i
-algebra i (,
*, P*) potpun prostor vjerovatnoe. Osim toga vrijedi daje P*=P i ( *)*=
Dokaz: Iz
* slijedi ,
*. Neka je Di
Ai
, Ci Bi, Bi
, P(Bi)=0, pa je
* odnosno
tj.
35
* (i=l, 2,...). Tada je Di=Ai Ci,
tj.
za A ^ ,C B, B
je - algebra.
*, jer Ac (B\C) B, to
. Tada zbog
c
2
43
()
[0,1] vjerovatnoa.
Napomenimo, da ako je k()=n, onda prostor vjerovatnoe (, (), P) zovemo ndimenzionalni diskretni prostor vjerovatnoe i esto se krae oznaava sa (,P) (to smo i inili ranije u
definiciji konanog prostora vjerovatnoe, a tek se iz ove teoreme vidi daje to bilo opravdano, tj. da je bilo
opravdano umjesto trojke (, , P), (
()), u sluaju da je konaan skup, uzeti ureen par
(,P) u definiciji konanog prostora vjerovatnoe).
36
Neka je sada ={n : n N}. prebrojiv skup. Kao i u sluaju konanog skupa dovoljno je
posmatrati vjerovatnoe koje su definisane na itavom partitivnom skupu (. Zapravo, moe se
dokazati da proizvoljnu vjerovatnou definisanu na a-algebri
() moemo proiriti do
vjerovatnoe na P( ), tj. moe se dokazati da vrijedi sljedea teorema:
Ako je prebrojiv, onda se prostor vjerovatnoe (, (),P) zove prebrojiv diskretni prostor
vjerovatnoe.
44
esto se zajedniki tretira sluaj kada je ili konaan ili prebrojiv. U tom sluaju se koristi za
zajedniki termim diskretni sluaj ili diskretni prostor vjerovatnoe. U sluaju konanog ili
prebrojivog skupa take iz zvat emo elementami dogaaji (u skladu sa ranije reenim).
Ideje vezane za posmatranje konanih i prebrojivih skupova H, pooptavaju se na sluaj
proizvoljnog skupa i to u smislu da se dobije tzv. koncentrisana mjera vjerovatnoe, tj. takva mjera
koja je jednaka nuli izvan nekog konanog ili prebrojivog podskupa od . Naime, neka je
proizvoljan skup i {n : n N} prebrojiv podskup od Stavimo = ), i neka je
niz
realnih brojeva takav daje pn 0 (n N) i
=1 . Definiimo P : () [0,1] formulom
imamo daje
Neka je (,
funkciju PA na sa
PA(B)=P(B\A=
, (B
(I)
37
Tada je PA vjerovatnoa na
, tj. (,
zadovoljava
uslove (aksiome -algebre) Fl, F2, F3. Aksiom P1. je zadovoljen jer je PA(B)=
Aksiom P2 je zadovoljen jer je
45
Akoje
, onda je
(b)P(Bc\A)=1-P(B\A),B
(c)E1,E2
(d) E1 ,E2
E1 E2
(e)E1,E2,...
Vrijede li analogoni ostalih izjava u pomenutoj teoremi 1. za sluaj uslovne vjerovatnoe PA?).
Primjer 1. Neka je ={b ..., n} i nekaje P vjerovatnoa na P() takva da su elementarni
dogaaji jednako vjerovatni. Tada iz P() = 1 slijedi nP({i}) = l, tj. P({i}) = l/n za i=l,2,...,n. Neka
je sada E
, to
predstavlja ranije navedenu formulu u klasinoj. vjerovatnoi. Tako smo dobili primjer (konstrukcije)
prostora vjerovatnoe (,P(),P), tj. n-dimenzionalni diskretan prostor vjerovatnoe iji su svi
elementarni dogaaji jednako vjerovatni. Neka je, u tom prostoru, k(A)=m, k(A B)=r, tj.
Onda iz definicije uslovne vjerovatnoe, tj. iz formule (1) slijedi da je
P) prostor vjerovatnoe i E, F
P(A B) = P(A) P(B).
kae se da su dogaaji A i B
(2)
Dakle, pojmove uslovne vjerovatnoe i nezavisnosti dogaaja smo i ovdje, u sluaju optih (pa i
neprebrojivih) prostora vjerovatnoe, definisali na isti nain kao i u sluaju klasine vjerovatnoe
46
38
A1 ... Ak).
(Dokaz pravila mnoenja u sluaju kada su dogaaji A0, A1, A2, ..., An zavisni, nismo izvodili u
klasinoj teoriji vjerovatnoe, ve smo naznaili da ono vrijedi i naveli ga u sluaju n=2, tj. za tri
dogaaja.)
Teorema 1. (Formula potpune vjerovatnoe.) Neka je
(N konaan ili + ) potpun
sistem dogaaja u prostoru vjerovatnoe (, , P) (diskretnom ili neprebrojivom). Tada za
proizvoljno A
vrijedi
(4)
Propozicija 3. Neka je
, (N konaan ili + ) potpun sistem dogaaja u prostoru
vjerovatnoe (, ,P). Tada za sve A,B iz vrijedi
(5)
47
39
Dokaz. Za P(A)=0 Relacija (5) prelazi u P(B)=
. Za P(A)>0 imamo
i=l
da je PA vjerovatnoa na
, P) i A
(6)
Definicija 2. Neka je T
i neka je za svako t T, A1
gdje je (, , P) fiksiran
prostor vjerovatnoe. Kae se da je familija ( t : t T} nezavisna ako za svaki konaan neprazan
podskup U T vrijedi
(7)
, za sve t U.
pri emu su m i n
(8)
Formula (8) se lako dokaze metodom matematike indukcije po m za sve n. Naime, za m= 1, imamo
P(A1 ...
An B1)) =
=P(A1 ... An)-P(A1 ... An B1) = [l-P(B1)] P(A1) ... P(An)=P(A1) ... P(An) P(BC1),
tj. formula (8) vrijedi zam=l
Pretpostavimo sada da (1) vrijedi za neko (fiksno) m ( 1) i sve n. Tada imamo (koristei
analogan prikaz presjeka, kao u dokazu za m = 1, gore):
48
40
,
n=l
onda je
2) Neka je
.
niz nezavisnih dogaaja u prostoru vjerovatnoe (,
, P). Ako je
, onda je
Dokaz. 1) U skladu sa ranije reenim, imamo da je
dogaaj (iz
to, prema osobini neprekidnosti vjerovatnoe u odnosu na nerastui niz dogaaja, imamo
slijedi
,a iz konvergencije reda
= 0, tako da je
, .t.d.
Otuda je
-x, x
49
Otuda je
za sve n, tako da je
za sve n iz N.
S1.18.
41
Kakoje
to otuda imamo
prema osobini neprekidnosti vjerovatnoe u odnosu na neopadajui niz dogaaja. Ovdje je
pa je otuda
50
51