PARAMETRI ILI BROJNE

KARAKTERISTIKE SLUAJNIH
PROMENLJIVIH

Funkcija raspodele ili zakon raspodele, za diskretnu sluajnu promenljivu, i

funkcija raspodele ili gustina raspodele verovatnoa, za neprekidnu sluajnu
promenljivu predstavljaju potpune karakteristike tih promenljivih.
Te funkcije daju nam najvanija obavetenja o raspodeli te sluajne
promenljive.
Meutim, u mnogim praktinim problemima, nije potrebno okarakterisati
sluajnu promenljivu u potpunosti. Najee je potrebno ukazati samo na
neke parametre (numerike pokazatelje) koji do izvesne mere karakteriu
bitne osobine raspodele verovatnoa.
Najvei praktini znaaj imaju dve grupe parametara

1. Parametri koji reprezentuju centar rasturanja vrednosti sluajne

promenljive,
2. Parametri koji mere to rasturanje oko centra rasturanja.

PARAMETRI KOJI REPREZENTUJU CENTAR

RASTURANJA

Matematiko oekivanje oekivana vrednost, srednja vrednost,

prosena vrednost
Definicija:
Ako je X diskretna sluajna promenljiva ija je raspodela verovatnoa
jednaka

x1

p ( x1 )

x2

p ( x2 )

p1 + p2 + + pn =
1

onda je matematiko oekivanje sluajne promenljive X

E ( X )=

x p=
i =1

x1 p1 + x2 p2 + + xn pn

Definicija:
Ako je X neprekidna sluajna promenljiva sa gustinom raspodele f(x), onda
je matematiko oekivanje sluajne promenljive X

E(X ) =

x f ( x ) dx

Ako red, odnosno integral, konvergiraju, tada postoji matematiko

oekivanje.
(ako ima konano mnogo vrednosti sluajne promenljive matematiko
oekivanje uvek postoji)
Matematiko oekivanje je, u stvari, srednja ( prosena ) vrednost sluajne
promenljive .

Primer:
Neka je dat zakon raspodele za X sa
Izraunati E(X)

3 5 2
1

6
3

10 10 10

 Primer:
Neka je dat zakon raspodele za X sa
Izraunati E(X),

3 5 2
1

6
3

10 10 10

matematiko oekivanje je

E ( X ) =x1 p1 + x2 p2 + x2 p2 =3

1
6
3 39
+ 5 + 2 =
10
10
10 10

 Primer:
Data je neprekidna sluajna promenljiva sa funkcijom gustine

1
, a xb

f ( x) = b a
0, x < a, x > b
Matematiko oekivanje je

 Primer:
Data je neprekidna sluajna promenljiva sa funkcijom gustine

1
, a xb

f ( x) = b a
0, x < a, x > b
Matematiko oekivanje je

1
a+b
E(X ) =
x

dx
=
a b a
2
b

OSOBINE MATEMATIKOG OCEKIVANJA

Neka je C proizvoljni realni broj, a X i Y sluajne promenljive. Tada vai:

E (C ) = C
E ( CX ) = CE ( X )
E ( X + Y=
) E ( X ) + E (Y )

Ako su X i Y nezavisne sluajne promenljive

E ( XY ) = E ( X ) E (Y )

Iako se naziva oekivanje , matematiko oekivanje nije vrednost

koju treba oekivati, ak ne mora da bude mogua vrednost
sluajne promenljive.

Neka sluajna promenljive predstavlja broj pisama u 3 bacanja novia

Zakon raspodele sluajne promenljive X je

0
X :1

1
3
8

2
3
8

3
1
8

Matematiko oekivanje je

1
3
3
1
E ( X ) = 0 + 1 + 2 + 3 = 1,5
8
8
8
8

Dva igraa bacaju kocku. Pre bacanja prvi igra uplati unapred neku svotu novca. Posle bacanja
drugi igra plaa prvom igrau onoliko dinara koliki broj padne. Koliko treba da uplati prvi igra da
bi igra bila fer?

Ako bi prvi igra uplatio dinar, posle prvog bacanja drugi igra bi mu morao da da 1 dinar, a
verovatno i vie.(igra je nepovoljna za drugog igraa)
Ako bi prvi igra uplatio 6 dinara, moe da dobije uoeni novac, ali je verovatnije da nee dobiti, pa
je igra nepovoljnija za njega.

1
1
1
1
1
1
E ( X ) =1 + 2 + 3 + 4 + 5 + 6 =3,5
6
6
6
6
6
6

Znai prvi igra treba da uplati 3,5 dinara da bi igra bila podjednako povoljna za obojcu igraa

PARAMETRI KOJI MERE RASTURANJE

SLUAJNE PROMENLJIVE OKO CENTRA
RASTURANJA

Ako se kae da je prosena temperatura u nekom mestu 15 stepeni,

imamo utisak prijatne klime, ali moda je leti 40, a zimi -10 stepeni.

Srednja vrednost, koja predstavlja centar raspodele, nije dovoljna za

opisivanje pojava.

Prema tome treba znati kakva su odstupanja moguih vrednosti sluajne

promenljive X od srednje vrednosti, odnosno kakva je njena
rasprostranjenost, rasturanje, disperzija ( od latinske rei dispergere).

Definicija:
Neka je X diskretna sluajna promenljiva sa matematikim oekivanjem E(X) .
Varijansa ili disperzija sluajne promenljive X se definie kao matematiko
oekivanje kvadrata odstupanja sluajne promenljive X od matematikog oekivanja

D=
( X ) E ( X E ( X ))

D(X ) =
E ( X E ( X )) =
( xi E ( X ) ) pi
2

i =1

Kvadratni koren varijanse naziva se standardnom devijacijom

( X ) = D( X )

Ako je X neprekidna sluajna promenljiva ija je f(x) funkcija gustine, E(x)

matematiko oekivanje , tada je disperzija

D=
( x)

( x E ( x ) ) f ( x ) dx

Disperzija predstavlja meru rasturanja vrednosti sluajne promenljive X oko sredine .

Ako je koncentracija vrednosti oko sredine velika, disperzija je mala, dok ako se
vrednosti sluajne promenljive znaajno rasipaju oko sredine, disperzija je velika.
Ova injenica je ilustrovana na narednom grafiku.

f ( x)
mala disperzija
velika disperzija

E=

OSOBINE VARIJANSE

Neka je C proizvoljni realni broj, a X i Y sluajne promenljive. Tada vai:

D (C ) = 0
Ako je D ( C ) =
0 P( X =
a) =
1
D
=
(X ) E(X

) ( E ( X ))

D ( CX ) = C 2 D ( X )
D ( X + a) =
D( X )

Ako su X i Y nezavisne sluajne promenljive

D ( X + Y=
) D ( X ) + D (Y )

Primer:
Izraunati disperziju i standardnu devijaciju sluajne promenljive X, ako je

1
2

1
3
8

Primer:
Izraunati disperziju i standardnu devijaciju sluajne promenljive X, ako je

1
2

1
3
8

1
3
1 5
E ( X ) = 0 + 1 + 2 =
2
8
8 8
2

5
5 1 5 3
5 1 31

D ( X ) =E X = 0 + 1 + 2 =
8
8 2 8 8
8 8 6
4

(X ) =

31
64

Ili koristei se vezom

=
D(X ) E(X 2) E(X )

Ili koristei se vezom

=
D(X ) E(X 2) E(X )
0
X2 :1

1
3
8

4
1
8

1
3
1 7
E ( X 2 ) = 0 + 1 + 4 =
2
8
8 8

D(X ) =
E(X2) E(X )

7 5
31
= =
8 8
64

Primer:
Neka je data gustina raspodeleverovatnoe sluajne promenljive X, nai
disperziju

1 1

x + 1 , 0 x 2
f ( x) = 3 2

0,
x < 0, x > 2

 Primer:
Neka je data gustina raspodeleverovatnoe sluajne promenljive X

1 1

x + 1 , 0 x 2
f ( x) = 3 2

0,
x < 0, x > 2

11
10

E ( X ) = x f ( x ) dx =
x
x
dx
1
,

+
=

22
9

0
2

10 1 1
26

D ( X ) = x x + 1 dx = ,
9 22
81

0
2

(X ) =

26
81