Verovatnoća i statistika – zbirka zadataka

1.KOMBINATORIKA
1.1.Varijacije
Imamo skup S={a
1
, a
2
, ... , a
n
¦, k∈N, 1≤ k≤ n
Varijacija k-te klase bez ponavljanja u skupu S je svaka uređena k-torka
(a
i1
, a
i2
, ... , a
in
) međusobno različitih elemenata skupa S.
Broj varijacija bez ponavljanja od n elemenata k-te klase određujemo po formuli:
)! (
!
k n
n
V
k
n

·
Varijacija sa ponavljanjem k-te klase u skupu S je svaka uređena k-torka elemenata iz skupa
S.
Broj varijacija sa ponavljanjem od n elemenata k-te klase određujemo po formuli:
k
k
n n V ·
Primer:
S={1, 2, 3, 4¦
V
4
2
(bez ponavljanja): V
4
2
(sa ponavljanjem):
(1, 2) (1, 3) (1, 4) (1, 1) (1, 2) (1, 3) (1, 4)
(2, 1) (2, 3) (2, 4) (2, 1) (2, 2) (2, 3) (2, 4)
(3, 1) (3, 2) (3, 4) (3, 1) (3, 2) (3, 3) (3, 4)
(4, 1) (4, 2) (4, 3) (4, 1) (4, 2) (4, 3) (4, 4)
Zadaci
1.1.1. U razredu ima 32 učenika. Na koliko načina može 6 učenika sedeti u prvoj klupi?
Rešenje:
652458240 27 28 29 30 31 32
! 26
! 32
)! 6 32 (
! 32
6
32
· ⋅ ⋅ ⋅ ⋅ ⋅ · ·

· V
1.1.2. Na klupi su slobodna četiri mesta. Na koliko načina 15 osoba može popuniti ova mesta?
Rešenje:
32760 12 13 14 15
! 11
! 15
)! 4 15 (
! 15
4
15
· ⋅ ⋅ ⋅ · ·

· V
1.1.3. Koliko ima trocifrenih brojeva koji se sastoje od različitih cifara?
Rešenje:
648 8 9 9
! 7
! 9
9
)! 2 9 (
! 9
9
2
9
1
9
· ⋅ ⋅ · ⋅ ·

⋅ · ⋅V V
1
Verovatnoća i statistika – zbirka zadataka
1.1.4. Koliko se prirodnih brojeva između 3000 i 5000 može napisati pomoću cifara 0, 1, 2, 3, 4,
5, 6, 7, ako se nijedna cifra ne ponavlja u jednom broju?
Rešenje:
420 5 6 7 2
! 4
! 7
2
)! 3 7 (
! 7
2
3
7
1
2
· ⋅ ⋅ ⋅ · ⋅ ·

⋅ · ⋅V V
1.1.5. Jedan student treba da polaže 4 ispita za 8 dana. Na koliko načina to može učiniti ako se
zna da poslednji ispit polaže osmog dana?
Rešenje:
210 5 6 7
! 4
! 7
)! 3 7 (
! 7
3
7
· ⋅ ⋅ · ·

· V
1.1.6. Odeljenje jednog razreda broji 35 učenika. Oni su međusobno razmenili fotografije.
Koliko je ukupno podeljeno fotografija?
Rešenje:
1190 34 35
! 33
! 35
)! 2 35 (
! 35
2
35
· ⋅ · ·

· V
1.1.7. Od koliko različitih elemenata možemo formirati 210 varijacija druge klase?
Rešenje:
15
2
29 1
2
840 1 1
0 210
210 ) 1 (
210
)! 2 (
!
210
1
2 , 1
2
2
·
t
·
+ t
·
· − −
· − ⋅
·

·
n
n
n n
n n
n
n
V
n
1.1.8. Koliko se brojeva može formirati pomoću elemenata skupa N koji čine svi prosti činioci
broja 2310 ako traženi brojevi sadrže po dva različita prosta činioca?
Rešenje:
11 7 5 3 2 2310 ⋅ ⋅ ⋅ ⋅ ·
20 4 5
! 3
! 5
)! 2 5 (
! 5
2
5
· ⋅ · ·

· V
1.1.9. Koliko se petocifrenih brojeva može obrazovati od cifara 0, 1, 3, 5, 7, 9 ako se 0 ne nalazi
ni na prvom ni na poslednjem mestu i da se nijedna cifra ne ponavlja?
Rešenje: 480
1.1.10. Rešiti jednačine: a)
3
2
3
12
5
+
·
n n
V V
, b)
3 : 2 :
4
4
3
4 2
·
+ + n n
V V
Rešenje:
a)
2
Verovatnoća i statistika – zbirka zadataka
)! 1 (
)! 2 (
12
5
)! 3 (
!
12
5
3
2
3

+
·

·
+
n
n
n
n
V V
n n

7
14
47 51
14
392 2601 51
0 14 51 7
10 15 5 24 36 12
) 2 3 ( 5 ) 2 3 ( 12
12
/ ) 1 )( 2 (
12
5
) 2 )( 1 (
1
2 , 1
2
2 2
2 2
·
t
·
− t
·
· + −
+ + · + −
+ + · + −
⋅ + + · − −
n
n
n n
n n n n
n n n n
n
n n n n n n
b)

6
2
7 5
2
24 25 5
0 6 5
12 4 3 18 12
) 3 )( 4 ( ) 3 2 ( 6
3
2
) 1 )( 2 )( 3 )( 4 (
) 1 ( 2 ) 3 2 )( 2 ( 2
3
2
) 1 )( 2 )( 3 )( 4 (
) 2 2 )( 3 2 )( 4 2 (
3
2
!
)! 4 (
:
)! 1 2 (
)! 4 2 (
3 : 2 :
1
2 , 1
2
2
4
4
3
4 2
·
t
·
+ t
·
· − −
+ + + · +
+ + · +
·
+ + + +
+ + +
·
+ + + +
+ + +
·
+
+
+
·
+ +
n
n
n n
n n n n
n n n
n n n n
n n n
n n n n
n n n
n
n
n
n
V V
n n
1.1.11. Koliko različitih bacanja daju četiri kocke za igru?
Rešenje:
1296 6
4 4
6
· · V
1.1.12. Koliko se petocifrenih brojeva može napisati pomoću 10 cifara koje se mogu ponavljati,
tako da prve dve cifre budu 4 i 0?
Rešenje:
1000 10
3 3
10
· · V
1.1.13. Koliko petocifrenih telefonskih brojeva ima ako znamo da su im sve cifre neparne?
Rešenje:
3125 5
5 5
5
· · V
1.1.14. Odrediti broj reči, od 5 slova, koje se mogu napisati pomoću azbuke od 30 slova, bez
obzira da li se u rečima ponavljaju sva slova i da li se dobijaju reči bez značenja.
Rešenje:
5 5 5
30
10 243 30 ⋅ · · V
3
Verovatnoća i statistika – zbirka zadataka
1.1.15. Dat je skup A={3, 4, 5, 6, 7¦. Odrediti broj trocifrenih brojeva koji se mogu obrazovati od
elemenata skupa A.
Rešenje:
125 5
3 3
5
· · V
1.1.16. Dat je skup E={0, 1, 2, 3, 4, 5¦. Odrediti broj četvorocifrenih brojeva većih od 1000, koji
se mogu obrazovati od elemenata skupa E.
Rešenje:
1079 1 6 5 1 5
3 3
6
· − ⋅ · − ⋅V
1.1.17. Odrediti broj različitih šestocifrenih brojeva koji se mogu formirati od elemenata skupa
E={0, 1, 2, 3, 4, 5, 6, 7¦, tako da se cifre mogu ponavljati i da krajnje cifre budu parne.
Rešenje:65536
1.1.18. Koliko se Morzeovih znakova može formirati iz oba osnovna znaka . i -, ako se jedan
znak sastoji od najviše 5 znakova?
Rešenje:
62 32 16 8 4 2
5
2
4
2
3
2
2
2
1
2
· + + + + · + + + + V V V V V
1.1.19. Broj varijacija četvrte klase sa ponavljanjem od x elemenata iznosi 50625. Odrediti broj
elemenata x.
Rešenje:
50625
4
·
x
V
15
4
50625 log
log
50625 log log 4
log / 50625
4
· ⇒ ·
·
·
x x
x
x
1.1.20. Broj varijacija treće klase sa ponavljanjem od x elemenata veći je za 408 od broja
varijacija treće klase bez ponavljanja od istog broja elemenata. Odrediti broj x.
Rešenje: 12 · x
1.2. Permutacije
Permutacija bez ponavljanja skupa S={a
1
, a
2
, ... , a
n
¦ (ks=n) je svaka varijacija n-te
klase bez ponavljanja u skupu S.
Broj permutacija bez ponavljanja od n elemenata određujemo po formuli:
! ) ( n n P ·
4
Verovatnoća i statistika – zbirka zadataka
Neka je dat skup od n elemenata, od kojih ima k
1
jednakih jedne vrste, k
2
jednakih druge vrste
itd; k
m
jednakih m-te vrste; pri čemu je m≤ n i k
1
+k
2
+...+k
m
≤ n. Svaki linearni raspored koji se
sastoji od svih elemenata zove se permutacija sa ponavljanjem.
Broj permutacija sa ponavljanjem određujemo po formuli:
! !... !
!
) (
2 1
,..., ,
2 1
m
k k k
k k k
n
n P
m
·
Primer:
S={1, 2, 3, 4¦ S={1, 2, 2, 3¦
P(4)=V
4
4
(bez ponavljanja): P
1, 2, 1
(4) (sa ponavljanjem):
1234 2134 3124 4123 1223 2123 2132 3122
1243 2143 3142 4132 1232 2213 2312 3212
1324 2314 3214 4213 1322 2231 2321 3221
1342 2341 3241 4231
1423 2413 3412 4312
1432 2431 3421 4321
Zadaci
1.2.1. Na koliko različitih načina mogu da sednu četiri osobe ako su postavljene četiri stolice?
Rešenje:
24 ! 4 ) 4 ( · · P
1.2.2. Dat je skup E={1, 2, ... , 8¦. Koliko permutacija, koje se mogu obrazovati od elemenata
skupa E, počinje sa: 5, 123 i 8642?
Rešenje:
24 ) 4 (
120 ) 5 (
5040 ) 7 (
·
·
·
P
P
P
1.2.3. Na koliko se načina može rasporediti 8 knjiga na jednoj polici?
Rešenje:
40320 ) 8 ( · P
1.2.4. Odrediti broj permutacija od elemenata a, a, a, b, b, b, c.
Rešenje:
140
2 3
4 5 6 7
! 1 ! 3 ! 3
! 7
) 7 (
1 , 3 , 3
·

⋅ ⋅ ⋅
·
⋅ ⋅
· P
1.2.5. Koliko ima sedmocifrenih brojeva obrazovanih od cifara 0, 0, 0, 0, 1, 2, 3, ne uzimajući u
obzir one koji počinju nulom ili nulama?
Rešenje:
5
Verovatnoća i statistika – zbirka zadataka
90 5 6 3
! 1 ! 1 ! 4
! 6
) 6 ( 3
1 , 1 , 4
· ⋅ ⋅ ·
⋅ ⋅
· ⋅ P
1.2.6. Koliko permutacija od elemenata a, a, a, a, a, b, b, b, c, počinje sa a, sa b i sa c?
Rešenje:
a
280 5 7 8
! 1 ! 3 ! 4
! 8
) 8 (
1 , 3 , 4
· ⋅ ⋅ ·
⋅ ⋅
· P
b
168 3 7 8
! 1 ! 2 ! 5
! 8
) 8 (
1 , 2 , 5
· ⋅ ⋅ ·
⋅ ⋅
· P
c
56 7 8
! 3 ! 5
! 8
) 8 (
3 , 5
· ⋅ ·

· P
1.2.7. Koliko permutacija od elemenata 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, počinje sa 22, sa 313 i sa
1234?
Rešenje:
22 -
2520
6
5 6 7 8 9
! 3 ! 4
! 9
) 9 (
3 , 4 , 1 , 1
·
⋅ ⋅ ⋅ ⋅
·

· P
1.2.8. Odrediti broj permutacija koje se mogu formirati od svih činilaca proizvoda a
5
⋅ b
3
.
Rešenje: 56
1.2.9. Na koliko se različitih načina može prikazati a3b2c3 kao proizvod od osam činilaca a, a, a,
b, b, c, c, c?
Rešenje:
560
12
4 5 6 7 8
! 3 ! 2 ! 3
! 8
) 8 (
3 , 2 , 3
·
⋅ ⋅ ⋅ ⋅
·
⋅ ⋅
· P
1.2.10. Broj permutacija od n elemenata odnosi se prema broju permutacija od n+2 elementa kao
0.1:3. Odrediti n.
Rešenje:
4
2
11 3
2
112 9 3
0 28 3
10 / 1 . 0 ) 1 )( 2 ( 3
3
1 . 0
)! 2 (
!
3 : 1 . 0 ) 2 ( : ) (
1
2 , 1
2
·
t −
·
+ t −
·
· − +
⋅ ⋅ + + ·
·
+
· +
n
n
n n
n n
n
n
n P n P
1.2.11. Broj permutacija od n+2 elementa je veći 56 puta od broja permutacija od n elementa.
Odrediti n.
Rešenje:
6
1
· n
1.2.12. Rešiti jednačinu:
30
)! 1 (
)! 1 (
·

+
n
n
.
Rešenje:
6
Verovatnoća i statistika – zbirka zadataka
5
2
11 1
2
120 1 1
0 30
30 ) 1 (
30
)! 1 (
)! 1 (
1
2 , 1
2
·
t −
·
+ t −
·
· − +
· +
·

+
n
n
n n
n n
n
n
1.2.13. Rešiti jednačinu:
72
!
)! 2 (
·
+
n
n
.
Rešenje:
7
1
· n
7
Verovatnoća i statistika – zbirka zadataka
1.3. Kombinacije
Kombinacija k-te klase bez ponavljanja skupa S={a
1
, a
2
, ... , a
n
¦ je svaki njegov podskup od k
elemenata, 1≤ k≤ n.
Broj kombinacija bez ponavljanja od n elemenata k-te klase određujemo po formuli:

,
`

.
|
·

·
k
n
k n k
n
C
k
n
)! ( !
!
Kombinacije k-te klase od n elemenata u kojima se jedan elemenat može ponavljati do k puta,
zovu se kombinacije sa ponavljanjem.
Broj kombinacija k-te klase od n elemenata sa ponavljanjem određujemo po formuli:

,
`

.
| − +
·
k
k n
C
k
n
1
Primer:
S={1, 2, 3, 4, 5¦ S={1, 2, 3, 4¦
C
5
3
(bez ponavljanja): C
4
3
(sa ponavljanjem):
123 234 345 111 222 333 444
124 235 112 221 331 441
125 245 113 223 332 442
134 114 224 334 443
135 123 234 341
145 124
Zadaci
1.3.1. Koliko se različitih grupa po 4 učenika može izabrati od 12 kvalifikovanih učenika koji će
reprezentovati školu na takmičenju?
Rešenje:
495
! 8 ! 4
! 12
4
12
·

· C
1.3.2. Na jednom šahovskom turniru učestvuje petnaest šahista. Svaki treba da odigra partiju sa
svakim. Koliko će biti odigrano partija na turniru?
Rešenje:
105
! 13 ! 2
! 15
2
15
·

· C
1.3.3. Odrediti broj dijagonala konveksnog petougla i n-tougla.
8
Verovatnoća i statistika – zbirka zadataka
Rešenje:
5
! 3 ! 2
! 5
5
2
5
·

· − C
n n n n n n
n
n
n C
n
2
3
2
1
) 1 (
2
1
)! 2 ( ! 2
!
2 2
− · − − · −
− ⋅
· −
1.3.4. Dat je skup A={a
1
, a
2
, ... , a
6
¦. Odrediti sve podskupove skupa A koji: ne sadrže elemente
a
4
, a
5
i a
6
; sadrže sve elemente skupa A.
Rešenje:
- a
1
, a
2,
a
3
3 3
3
2
3
1
3
0
3
2 8 1 3 3 1 · · + + + · + + + C C C C
- A
6 6
6
5
6
4
6
3
6
2
6
1
6
0
6
2 64 1 6 15 20 15 6 1 · · + + + + + + · + + + + + + C C C C C C C
1.3.5. Odrediti broj svih podskupova skupa koji ima n elemenata.
Rešenje:
n
n n n
C C C 2 ...
2 1 0
· + + +
1.3.5. Za delegaciju škole treba izabrati, od 10 učenika koji govore nemački i 15 koji govore
engleski jezik, pet učenika od kojih bar jedan govori engleski. Na koliko načina se može
obaviti izbor?
Rešenje:
52878 10
5
15
1
15
4
10
2
15
3
10
3
15
2
10
4
15
· + ⋅ + ⋅ + ⋅ + ⋅ C C C C C C C C
1.3.6. Na jednom šahovskom turniru odigrano je 210 partija. Odrediti broj učesnika ako se zna
da je svaki učesnik odigrao partiju sa svakim.
Rešenje:
210
)! 2 ( ! 2
!
210
2
·

·
n
n
C
n
21
2
41 1
2
1680 1 1
0 420
420 ) 1 (
1
2 , 1
2
·
t −
·
+ t −
·
· − −
· −
n
n
n n
n n
1.3.7. Rešiti jednačinu:
4
2
3
5
+
·
n n
C C
.
Rešenje:
3 , 14
2 1
· · n n
1.3.8. Rešiti jednačinu:
) 1 ( 7 2
3
1
2
1
− · +


+
n C C
n
n
n
.
Rešenje:
9
Verovatnoća i statistika – zbirka zadataka
5
2
7 3
2
40 9 3
) 1 ( 7
)! 4 ( ! 3
)! 1 (
2
)! 2 ( ! 3
)! 1 (
) 1 ( 7 2
1
2 , 1
3
1
2
1
·
t
·
+ t
·
− ·


+

+
− · +


+
n
n
n
n
n
n
n
n C C
n
n
n
1.3.9. Koliko ima trouglova čije dužine stranica imaju vrednosti u skupu {5, 6, 7, 8¦?
Rešenje:
20
! 3 ! 3
! 6
3
4
· · C
1.3.10. Imamo 100 televizora i slučajno izaberemo 20. Ako znamo da ima ukupno 10
neispravnih na koliko načina se u uzorku može naći tačno 5 neispravnih?
Rešenje:
15
90
5
10
C C ⋅
1.3.11. Imamo na raspolaganju 6 automobila, a 9 ljudi želi da vozi. Na koliko načina se to može
izvesti ako redosled automobila: nije bitan; bitan je?
Rešenje:
-
84
6
9
· C
-
60480
6
9
· V
1.3.12. Broj kombinacija druge klase od x elemenata sa ponavljanjem iznosi 276. Odrediti x.
Rešenje:
23
0 552
552 ) 1 (
276
)! 1 ( ! 2
)! 1 (
276
1
2
2
·
· − +
· +
·

+
·
x
x x
x x
x
x
C
x
1.3.13. Broj kombinacija treće klase bez ponavljanja od x elemenata odnosi se prema broju
kombinacija treće klase od istog broja elemenata sa ponavljanjem kao 7:15. Odrediti x.
Rešenje:
8 · x
1.3.14. Ako je C
n
8
= C
n
12
izračunati C
n
17
.
Rešenje:
10
1140
20
17
20
·
·
C
n
Verovatnoća i statistika – zbirka zadataka
1.3.15. Odrediti n i k ako je: V
n
k
=24 i C
n
k
=4.
Rešenje:
3
4
·
·
k
n
1.3.16. Odrediti n i k ako je: V
n
k
=60 i C
n
k
=10.
Rešenje:
3
5
·
·
k
n
11
Verovatnoća i statistika – zbirka zadataka
1.4. Binomni obrazac
Ako je n bilo koji prirodan broj i a i b bilo koji kompleksni brojevi, tada je:

·
− − − −

,
`

.
|
·

,
`

.
|
+

,
`

.
|

+ +

,
`

.
|
+

,
`

.
|
+

,
`

.
|
· +
n
k
k k n n n n n n n
b a
k
n
b
n
n
b a
n
n
b a
n
b a
n
a
n
b a
0
1 1 2 2 1 1
1
...
2 1 0
) (
gde je

,
`

.
|
k
n
binomni koeficijent i 1≤ k≤ n.
Opšti član u razvijenom obliku binoma (a+b)
n
dat je formulom:
k k n
k
b a
k
n
T

+

,
`

.
|
·
1
Paskalov trougao prikazuje koeficijente uz a
n-k
b
k
u razvoju binoma:
( )
( )
( )
( )
3 2 2 3 3
2 2 2
1
0
3 3
2
1
b ab b a a b a
b ab a b a
b a b a
b a
+ + + · +
+ + · +
+ · +
· +
...
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
...
Zadaci
1.4.1. Primeniti binomnu formulu na binom: (2x+5)
4
.
Rešenje:
625 1000 600 160 16
625 125 2 4 25 4 6 8 20 16
5
4
4
5 ) 2 (
3
4
5 ) 2 (
2
4
5 ) 2 (
1
4
) 2 (
0
4
) 5 2 (
2 3 4
2 3 4
4 3 2 2 3 4 4
+ + + + ·
· + ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ + ·
·

,
`

.
|
+

,
`

.
|
+

,
`

.
|
+

,
`

.
|
+

,
`

.
|
· +
x x x x
x x x x
x x x x x
1.4.2. Odrediti peti član u razvijenom obliku binoma:
12
3
2
2
1

,
`

.
|
+x x
.
Rešenje:
3
20
3
8
4 4
3
2
8
2
1
5
495
2 3 4
9 10 11 12
) ( ) (
4
12
x x x x x T · ⋅ ⋅
⋅ ⋅
⋅ ⋅ ⋅
· ⋅

,
`

.
|
·
12
Verovatnoća i statistika – zbirka zadataka
1.4.3. Odrediti član koji ne sadrži x u razvijenom obliku binoma: ( )
12
2 −
+x x .
Rešenje:
4
0 3 12
12
) (
12
2 12 2 12
1
·
· −

,
`

.
|
· ⋅

,
`

.
|
·
− − − −
+
k
k
x
k
x x
k
T
k k k k
k
Peti član ne sadrži x.
1.4.4. U razvijenom obliku binoma
11
2
1
3
1

,
`

.
|
+x x
odrediti član koji posle sređivanja sadrži x sa
izložiocem 5.
Rešenje:
5
2 3 3
11
5
2
1
11
3
1
) ( ) (
x x x
x x x
k k
k k
· ⋅
· ⋅


5 5 5
9
1 6 5
2 3
9 1 0 1 1
8
1 1
8
3 0 3 2 2 2
5
2 3
1 1
x x x T
k
k k
k k
·

⋅ ⋅
·

,
`

.
|
·
·
· + −
· +

1.4.5. Odrediti 13. član u razvijenom obliku binoma
n
x
x )
3
1
9 ( −
, ako je binomni koeficijent
trećeg člana jednak 105.
Rešenje:
13
Verovatnoća i statistika – zbirka zadataka
3
6 6
3 6 1 2 3
1 1 2
1
2 , 1
2
4 5 5
3
1
3
2 3
1 3 1 4 1 5
)
3
1
( ) 9 (
1 2
1 5
1 5
2
8 4 0 1 1
0 2 1 0
2 1 0 ) 1 (
1 0 5
! 2 ) ! 2 (
!

+
· ⋅

⋅ ⋅
·

,
`

.
|
·
·
+ t
·
· − −
· − ⋅
·

x
x
x
x
x T
n
n
n n
n n
n
n
1.4.6. Zbir koeficijenata prvog, drugog i trećeg člana u razvijenom obliku binoma
n
x
x

,
`

.
|
+
1
2
jednak je 46. Odrediti član koji ne sadrži x.
Rešenje:
9
2
360 1 1
0 90
92 ) 1 ( 2 2
46
! 2 )! 2 (
!
1
46
2 1 0
2 2 , 1
2
· ⇒
+ t −
·
· − −
· − ⋅ + +
·

+ +
·

,
`

.
|
+

,
`

.
|
+

,
`

.
|
n n
n n
n n n
n
n
n
n n n

14
Verovatnoća i statistika – zbirka zadataka

( )
8 4
2 3
7 8 9
6
9
7
6
0 2 1 8
9
1
9
1
1
1
2 1 8
9
2
9
2
2
·

⋅ ⋅
·

,
`

.
|
·
·
· − −

,
`

.
|
·

,
`

.
|

,
`

.
|
· +

,
`

.
|
+

,
`

.
|
+
− −

T
k
k k
x x
k x
x
k
T k
x
x
x
x
k k
k
k
n
1.4.7. Binomni koeficijent trećeg člana u razvijenom obliku binoma ( )
n
x x x
5 −
+ jednak je 78.
Odrediti član koji ne sadrži x.
Rešenje:
n=13,
k k
k
x x
k
T
5 1 3
2
3
1
) (
1 3
− −
+

,
`

.
|
·
, k=3
1.4.8. Zbir binomnih koeficijenata drugog i trećeg člana u razvijenom obliku binoma
n
x x

,
`

.
|
+

3
2
2
3
jednak je 136. Odrediti član koji ne sadrži x
8.5
.
15
Verovatnoća i statistika – zbirka zadataka
Rešenje:
n=16,
k
k
k
x x
k
T

,
`

.
|

,
`

.
|
·


+
3
2
1 6
2
3
1
) (
1 6
, k=15
16
Verovatnoća i statistika – zbirka zadataka
2. σ -POLJE DOGAĐAJA
Ω - skup svih mogućih ishoda (događaja) koji se mogu očekivati pri nekom opitu.
Primer: opit je bacanje kocke, a Ω ={1, 2, 3, 4, 5, 6¦
ω - elementarni događaj, pojedini ishod ili rezultat (elemenat skupa Ω ).
Primer: pala je šestica.
A – događaj koji je bilo koji podskup skupa Ω .
Primer: pojava parnog broja
Siguran događaj – događaj koji se realizuje uvek.
Nemoguć događaj – prazan podskup Ω , događaj čija je realizacija nemoguća.
Analogno relacijama i operacijama u Teoriji skupova i ovde možemo posmatrati relacije:
implikacija (⊂) – A⊂B (A povlači B) znači da se B realizuje kad se realizuje A. Ako A⊂B i
B⊂A u pitanju su identični događaji.
komplementaran ili suprotan događaj događaja A – A
c
ili A je događaj koji se realizuje samo
ako se događaj A ne realizuje.
presek ili proizvod događaja – A∩B ili AB znači događaj koji se realizuje samo kada se
realizuju i događaj A i događaj B.
unija događaja – A∪B ili A+B (kada su A i B disjunktni događaji) znači događaj koji se
realizuje ako se realizuje bar jedan od događaja A i B.
razlika događaja – A/B ili A–B=AB
c
znači događaj koji se realizuje kada se realizuju oni ishodi
ω koji pripadaju događaju A, a ne pripadaju događaju B.
simetrična razlika događaja – A∆ B=(A-B)∪(B-A)=(A∪B)-AB
disjunktni događaji – A∩B=AB=∅ znači da se događaji ne mogu istovremeno ostvariti.
Proširenje operacija unije i preseka na konačno i prebrojivo mnogo događaja:

n
i
n n
n
i
i n
A A A A
A A A A
1
2 1
1
2 1
...
...
·
·
· ∪ ∪ ∪
· ∩ ∩ ∩
Ako je A=B
1
+B
2
+...+B
n
, B
i
B
j
=∅ za i≠ j, A je rastavljen na n posebnih činilaca. Ako njihova unija
čini Ω , događaji B
i
obrazuju potpunu grupu događaja.
Klasa F događaja koji se posmatraju kod opita sa slučajnim ishodima je σ -polje događaja (ili
σ -algebra), ako:
1. Ω∈F,
2. A∈F ⇒A
c
∈F
3. A
n
∈F, n=1, 2, ... ⇒
n
n
n
F A
1 ·

Važi i da ako prazan skup pripada F onda proizvod svih A
n
takođe pripada F.
17
događaj koji se realizuje ako se realizuje svaki od
događaja Ai, i=1,...n.
...
Verovatnoća i statistika – zbirka zadataka
Važe sledeći identiteti:
Komutativnost preseka i unije: A∩B=B∩A; A∪B=B∪A
Asocijativnost preseka i unije: A(BC)=(AB)C; A∪(B∪C)=(A∪B)∪C
Distributivni zakon: A(B∪C)=AB∪AC; A∪ (BC)=(A∪B)(A∪C)
Zakon jedinice: A∪∅=A; A∪Ω=Ω ; A∅=∅; AΩ =A
De Morganovi zakoni: (AB)
c
=A
c
∪B
c
; (A∪B)
c
=A
c
B
c
;
( )

c
i
c
i
A A · ; ( )
 
c
i
c
i
A A ·
Idempotentni zakon: AA=A; A∪A=A

c
=Ω ; AA
c
=∅; A∪A
c
=Ω ; (A
c
)
c
=A; Ω
c
=∅
A∪B=A∪A
c
B
n
c c c
i
n
i
c
i
A A A A A A A A A ... ...
1 3 2
1
2 1 1
+ + + + ·
·
Zadaci
2.1. Četiri studenta Aca, Bojan, Darko i Marko polažu ispit. Ako sa A, B, D i M označimo
njihove uspehe na ispitu, izraziti sledeće događaje: E – nijedan nije položio, F – položila su
dva studenta, G – položio je samo Bojan, H - položili su svi i I - položio je makar jedan od
njih.
Rešenje:
E=A
c
B
c
D
c
M
c
F= ABD
c
M
c
+ AB
c
DM
c
+ AB
c
D
c
M+ A
c
BDM
c
+ A
c
BD
c
M+ A
c
B
c
DM
G= A
c
BM
c
D
c
H=ABDM
I= A∪ B∪ D∪ M
2.2. Bacaju se istovremeno novčić i numerisana kocka, pri čemu se registruje pojava pisma i
grba na novčiću, kao i pojava broja na gornjoj strani kocke. Opisati skup ishoda.
Rešenje:
{
¦ ) 6 , ( ), 5 , ( ), 4 , ( ), 3 , ( ), 2 , )( 1 , (
), 6 , ( ), 5 , ( ), 4 , ( ), 3 , ( ), 2 , ( , ) 1 , (
G G G G G G
P P P P P P · Ω
2.3. U kutiju su 4 cedulje numerisane brojevima 1,2,3,4. Na slučajan način se iz kutije izvlači
jedna po jedna cedulja bez vraćanja i to sve dok se ne izvuče cedulja na kojoj je neparan
broj. Opisati prostor ishoda.
Rešenje:
¦ { 243 , 241 , 423 , 421 , 43 , 41 , 23 , 21 , 3 , 1 · Ω
2.4. Baca se kocka i registruje broj koji se pojavi na gornjoj strani. Neka je događaj A: pada broj
manji od 3, a događaj B: pada broj manji od 5. Opisati prostor ishoda, kao i događaje A i
B.
Rešenje:
18
Verovatnoća i statistika – zbirka zadataka
¦ { 6 , 5 , 4 , 3 , 2 , 1 · Ω
,
¦ { ¦ { 4 , 3 , 2 , 1 , 2 , 1 · · B A
2.5. Dokazati sledeće jednakosti za ma koje događaje A,B,C:
a)
) )( ( C A B A BC A ∪ ∪ · ∪
b)
B A AB AB B A
c c
∪ ∪ · ∪
Rešenje:
a)
) ( ) ( )) ( ) ((
)) ( ( )) ( (
C A B A C A B A
C B A C B A
∪ ∩ ∪ ∈ ⇔ ∈ ∨ ∈ ∧ ∈ ∨ ∈ ⇔
∈ ∧ ∈ ∨ ∈ ⇔ ∩ ∪ ∈
ω ω ω ω ω
ω ω ω ω
b)
B A B A B A A A
B A A B A A B A B B A B A AB AB B A
C
C C C C C C
+ · + Ω · + + ·
· + · + Ω · + + · + + · +
) ( ) )( (
) (
2.6. Neka je B A⊂ . Uprostiti izraze:AB, A+B,ABC,A+B+C.
Rešenje:
C B C B C B A C B A
AC C A C B A ABC
B B A B A
A B A AB
+ · ∪ · ∪ ∪ · + +
· ∩ · ∩ ∩ ·
· ∪ · +
· ∩ ·
2.7. Dokazati da događaji
C C C C C C
A A A A A A A A A
3 2 1 3 2 1 2 1 1
, , ,
obrazuju potpun sistem događaja.
Rešenje:
Ω · + · Ω + ·
· + + · + + · Ω + + ·
· + + + · + + +
C C
C C C C C C C C
C C C C C C C C C C
A A A A
A A A A A A A A A A A A A A
A A A A A A A A A A A A A A A A
1 1 1 1
2 2 1 1 2 1 2 1 1 2 1 2 1 1
3 3 2 1 2 1 1 3 2 1 3 2 1 2 1 1
) (
) (
· ⋅
2 1 1
A A A
C

· ⋅
3 2 1 1
A A A A
C C

· ⋅
C C C
A A A A
3 2 1 1

· ⋅
3 2 1 2 1
A A A A A
C C C

· ⋅
C C C C
A A A A A
3 2 1 2 1

· ⋅
C C C C C
A A A A A A
3 2 1 3 2 1

2.8. Dokazati da događaji AB, A
C
B,AB
C
,A
C
B
C
obrazuju potpun sistem događaja ako su A i B
proizvolji događaji.
Rešenje:
Ω · + · Ω + Ω ·
· + + + · + + +
C C
C C C C C C C
B B B B
A A B A A B B A AB B A AB ) ( ) (
· ⋅ B A AB
C

· ⋅
C
AB AB

· ⋅
C C
B A AB

· ⋅
C C
AB B A

· ⋅
C C C
B A B A

19
Verovatnoća i statistika – zbirka zadataka
· ⋅
C C C
B A AB

2.9. Dokazati da je ) ( ) ( ) ( ) (
c c c c
B A B A B A B A M ∪ ∩ ∪ ∩ ∪ ∩ ∪ · nemoguć događaj.
Rešenje:
∅ · ∩ · ∅ ∪ ∩ ∅ ∪ · ∩ ∪ ∩ ∩ ∪
C C C C C
B B B B A A B A A B ) ( ) (
2.10. Uprostiti izraz ( ) ( )( )
C C
C B C B C B A ∪ ∪ ∪ ·
Rešenje:
C B A ∩ ·

20
Verovatnoća i statistika – zbirka zadataka
3. DEFINICIJE VEROVATNOĆE DOGAĐAJA
Klasična definicija verovatnoće
Imamo prostor elemetnarnih događaja
{ ¦
n
ω ω ω ,..., ,
2 1
· Ω
i događaj
{ ¦
im i
A ω ω ,...,
1
·

podskup Ω , gde je 1≤ i
1
<i
2
<...<i
m
≤ n. Tada verovatnoću događaja A određujemo prema:
n
m
A p · ) (
gde su: n – broj svih mogućih ishoda
m – broj povoljnih ishoda za događaj A
Statistička definicija verovatnoće
n(A) – broj realizacija događaja A u n opita 0≤ n(A)≤ 1
n
A n ) (
– relativna frekvencija događaja A
n
A n
A f
r
) (
) ( ·
Za dovoljno veliko n frekvencija događaja A je skoro konstantna vrednost i ona se uzima za
verovatnoću događaja A.
Frekvencija događaja A teži verovatnoći događaja A, kad se n uvećava, ako za proizvoljno malo
ε , verovatnoća nejednakosti
( )

,
`

.
|
〈 − ε p
n
A n
teži jedinici.:
( )
1 ÷ ÷ → ÷
,
`

.
|
〈 −
∞ → n
p
n
A n
p ε
Geometrijska definicija verovatnoće
Proširenje klasične definicije verovatnoće na beskonačan broj slučajeva je geometrijska
verovatnoća:
) (
) (
) (
G površina
g površina
A p ·
gde su: G – oblast na koju može pasti slučajno bačena tačka
g – oblast čija je površina proporcionalna verovatnoći da tačka padne u nju (ne zavisi od oblika i
položaja oblasti) i g⊂G.
21
Verovatnoća i statistika – zbirka zadataka
Zadaci
3.1. Kuglica je izvučena iz kutije u kojoj se nalazi 4 bele, 3 crvene i 4 plave kuglice. Odrediti
verovatnoću da izvučena kuglica:
a) bude bela
b) bude bela ili crvena
c) nije crvena
Rešenje:
a)
11
4
) ( · A p
b)
11
7
) ( · B p
c)
11
8
) ( · C p
3.2. Slučajno je izabran telefonski broj sa 6 cifara. Kolika je verovatnoća da su u njemu sve cifre
različite?
Rešenje:
1512 . 0
10
151200
) (
151200
! 4
! 10
10
6
6
10
6
6
10
· · ·
· · ·
· ·
n
m
A p
V m
V n
3.3. Meta se sastoji iz 3 zone čija je verovatnoća pogađanja redom 0.15, 0.25 i 0.35. Koja je
verovatnoća da se pri gađanju meta promaši?
Rešenje:
025 75 . 0 1 ) (
75 . 0 35 . 0 25 . 0 15 . 0 ) (
· − ·
· + + ·
c
A p
A p
3.4. Bacaju se dve numerisane kocke. Odrediti verovatnoću dogašaja A: pao je zbir 8 i B: pao je
proizvod 8.
Rešenje:
36 6 V n
2
2
6 · · ·
A – dobijen je zbir 8
( ) ( ) ( ) ( ) ( ) { ¦ 4 , 4 , 3 , 5 , 5 , 3 , 2 , 6 , 6 , 2 · A , m
1
=5
p(A) =
36
5
A
2
– dobijen je proizvod 8
( ) { ¦ ) 2 , 4 ( , 4 , 2 · B , m
2
=2
22
g
G
Verovatnoća i statistika – zbirka zadataka
p(B) =
36
2
3.5. Šta je verovatnije dobiti pri bacanju dve kocke: zbir 11 ili zbir 12?
Rešenje:
36 6 V n
2
2
6 · · ·
A
1
– dobijen je zbir 11 ( ) ( ) { ¦ 5 , 6 , 6 , 5
1
· A , m
1
=2
p(A
1
) =
36
2
A
2
– dobijen je zbir 12 ( ) { ¦ 6 , 6
2
· A , m
2
=1
p(A
2
) =
36
1
3.6. Kolika je verovatnoća da će se na dvema bačenim kockama dobiti zbir tačaka 10 ili ako se to
ne dogodi, da će se pri ponovljenom bacanju dobiti zbir 8?
Rešenje:

A- zbir 10 : 46,64,55
12
1
36
3
) ( · · A p
B – zbir 8: 26,62,35,53,44
36
5
) ( · B p
C – A+A
c
B
21 . 0
36
5
36
33
36
3
) ( · ⋅ + · C p
3.7. U kutiji se nalazi 6 belih i 4 crvene kuglice. Odjednom se izvlači tri kuglice. Naći
verovatnoću da će se među njima naći makar jedna bela kuglica.
Rešenje:
30
29
120
4
1 ) (
4
120
! 3 ! 7
! 10
3
4
3
10
· − ·
· ·
· · ·
c
A P
C m
C n
− ) (A p
izvučena je crvena kuglica
3.8. Kupac je kupio 7 sijalica od 40W, 5 sijalica od 60W i 3 sijalice od 100W. Usput je razbio 3
sijalice. Kolika je verovatnoća da razbijene sijalice imaju ukupno 180W?
Rešenje:
16 . 0
455
73
) (
73 3
455
3
5
2
7
3
15
≈ ·
· + ⋅ ·
· ·
A p
C C m
C n
3.9. U prodavnici je 30 sijalica, od kojih je 6 boljeg kvaliteta, ali se ne zna koje su to sijalice.
Ako je kupac kupio 4 sijalice, koja je verovatnoća da je među njima tačno dve boljeg
kvaliteta?
23
Verovatnoća i statistika – zbirka zadataka
Rešenje:
15 . 0 ) ( · A p
3.10. Na raspolaganju su duži 2, 4, 5, 7 i 9 cm. Kolika je verovatnoća da se od 3 slučajno
izabrane duži može konstruisati trougao?
Rešenje:
10
2
4 5
3
5
·

· ·C n
,
479 , 579 , 457 , 245 : m 4 . 0
10
4
) ( · · A p
3.11. Ako konstruišemo jednakostraničan trougao ivice 3 cm, naći verovatnoću da je rastojanje
između temena trougla i neke slučajno izabrane tačke unutar trougla veće od 1.
Rešenje:
6 . 0
4
3 9
2
1 ) ( ≈ − ·
π
A p
3.12. U kvadrat upisan je krug. Izračunati verovatnoću da će slučajno izabrana tačka kvadrata
biti van kruga.
Rešenje:
G=a
2
g= π π π
4
)
2
(
2
2 2
a a
r · ·
4
1
4
1 ) (
2
2
π
π
− · − ·
a
a
A p
3.13. U krug upisan je kvadrat. Izračunati verovatnoću da će slučajno izabrana tačka u krugu biti
i u kvadratu.
Rešenje:
2 r a · 64 . 0
2 2
) (
2
2
≈ · ·
π π r
r
A p
24
Verovatnoća i statistika – zbirka zadataka
4. AKSIOMATSKO ZASNIVANJE TEORIJE VEROVATNOĆE
Klasa F događaja koji se posmatraju kod opita sa slučajnim ishodima je σ -polje događaja (ili
algebra događaja), ako:
Ω∈F,
A∈F ⇒A
c
∈F
A
i
∈F, i=1, 2, ... ⇒
n
i
i
F A
1 ·

Važi i da ako prazan skup pripada F onda proizvod svih A
i
takođe pripada F. Takođe algebri
događaja F pripadaju B A∆ i ( )
c
B A∆ . ( ( ) ( )
c c
B A B A B A ∩ ∪ ∩ · ∆ , ( ) ( ) ( )
c c c
B A B A B A ∩ ∪ ∩ · ∆ )
Definicija: Neka je F σ -polje događaja i R
+
skup svih nenegativnih realnih brojeva. Neka je,
dalje, preslikavanje: p:F→R
+
takvo da su zadovoljeni sledeći uslovi:
 normiranost – p(Ω )=1
 σ -aditivnost – A
i
∈F, A
i
A
j
=∅ za i≠ j
( )


·

·
·

,
`

.
|
1 1 i
i
i
i
A p A p
 aditivnost – A
i
∈F, i=1, 2, … , n, A
i
A
j
=∅ za i≠ j
( )

· ·
·

,
`

.
|
n
i
i
n
i
i
A p A p
1 1
Tada se trojka (Ω , F, p) naziva prostor verovatnoće. Posledice definicije su:
( )
( ) ( )
( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) B p A p B A p
AB p B p A p B A p
A p F A
B p A p B A
A p A p
p
c
+ ≤ ∪
− + · ∪
≤ ≤ ⇒ ∈ ∀
≤ ⇒ ⊆
− ·
· ∅
1 0
1
0
Nejednakost u poslednjem slučaju važi ako su događaji A i B disjunktni.
Ako je p(A)=1 kažemo da je događaj A skoro siguran (s. s.), a ako je p(A)=0 kažemo da je
događaj A skoro nemoguć (s. n.).
Zadaci
4.1. Kod bacanja numerisane kocke, neka je događaj A: pao je paran broj. Odrediti σ - algebru
koja sadrži A.
Rešenje:
4.2. Kod bacanja numerisane
kocke, neka je događaj A:
pao je paran broj, a događaj B: pao je broj deljiv sa 3. Odrediti σ - algebru koja sadrži A i
B.
Rešenje:
25
¦ {
¦ {
{ ¦ { ¦ { { ¦¦ 6 , 5 , 4 , 3 , 2 , 1 , 5 , 3 , 1 , 6 , 4 , 2 ,
, 5 , 3 , 1
, 6 , 4 , 2
∅ ·
·
·
F
A
A
c
Verovatnoća i statistika – zbirka zadataka
¦ {
¦ {
{
¦ { ¦ 6 , 5 , 4 , 3 , 2 , 1 ), ( ) ( ), ( ) (
, , , , , , , , , , , , ,
, 6 , 3
, 6 , 4 , 2
· Ω ∩ ∪ ∩ · ∆ ∩ ∪ ∩ · ∆
∪ ∩ ∩ ∩ ∪ ∪ ∩ ∪ ∅ ·
·
·
c c c c
c c c c c c c c c c
B A B A B A B A B A B A
B A B A B A B A B A B A B A B A B A B A F
B
A
4.3. Pokazati da iz D C ⊂ sledi
) ( ) ( ) \ ( C p D p C D p − ·
.
Rešenje:
) ( ) ( ) \ ( ) \ ( ) ( ) ( ) \ (
) ) \ ( ) ( ( ) (
) \ (
C p D p C D p C D p C p D p C D C
C D C p D p
C D C D D C
− · ⇒ + · ⇒ ∅ · ∩
∪ ·
∪ · ⇒ ⊂
4.4. Koliko je p(A∪B∪C∪D)? Uputstvo: odrediti prvo p(A∪B∪C).
Rešenje:
) ( ) ( ) ( ) ( ) ( ) ( ) (
)) ( ) (( ) ( ) ( ) ( ) (
)) ( ( ) ( ) ( ) (
C B A p C A B A p C B p C p B p A p
C A B A p C B p C p B p A p
C B A p C B p A p C B A p
∩ ∩ + ∩ − ∩ − ∩ − + + ·
· ∩ ∪ ∩ − ∩ − + + ·
· ∪ ∩ − ∪ + · ∪ ∪
) (
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
)) ( ) ( ) (( ) ( ) (
) ) (( ) ( ) ( ) (
D C B A
D C A p D B A p D C B p D C p D B p D A p
D p C B A p C A B A p C B p C p B p A p
D C D B D A p D p C B A p
D C B A p D p C B A p D C B A p
∩ ∩ ∩ −
− ∩ ∩ + ∩ ∩ + ∩ ∩ + ∩ − ∩ − ∩ −
− + ∩ ∩ + ∩ − ∩ − ∩ − + + ·
· ∩ ∪ ∩ ∪ ∩ − + ∪ ∪ ·
· ∩ ∪ ∪ − + ∪ ∪ · ∪ ∪ ∪
4.5. Poznate su verovatnoće događaja A i AB. Odrediti p(AB
c
).
Rešenje:
26
Verovatnoća i statistika – zbirka zadataka
) ( ) ( ) (
) ( ) ( ) \ (
) ( ) \ ( ) (
) ( )) \ ( ) ((
) \ ( ) (
) \ ( ) (
B A p A p AB p
B A p A p B A p
A p B A p B A p
A p B A B A p
B A B A
A B A B A
c
∩ − ·
∩ − · ⇒
⇒ · + ∩
· ∪ ∩
∅ · ∩ ∩
· ∪ ∩
27
Verovatnoća i statistika – zbirka zadataka
5. USLOVNE VEROVATNOĆE
Verovatnoća događaja A pod uslovom da se realizovao događaj B, p(A/B) ili p
B
(A) se određuje
prema:
( ) ( )
( ) A p
AB p
A B p B p
A
) (
/ · ·
Ovim je određena nova verovatnoća i novi prostor (Ω , F, p
A
). Ova verovatnoća zadovoljava
uslove (aksiome):
♦ nenegativnost:
( ) 0 ≥ B p
A
♦ normiranost:
( ) 1 · Ω
A
p

( )
∑ ∑

·

·
·
,
`

.
|
1 1 i
i A
i
i A
B p B p
Imamo da je: ( ) 1 · A p
A
( ) 1 / ≤ B A p
Takođe sledi pravilo množenja:
( ) ( ) ( ) ( ) ( ) B A p B p A B p A p AB p / / · ·
Nezavisni događaji – Događaj A je nezavisan od događaja B akko je ( ) ( ) B p B p
A
· , u tom
slučaju je
( ) ( ) ( ) B p A p AB p ·
. Osobine nezavisnih događaja:
♦ proizvoljan događaj A i siguran događaj Ω su nezavisni:
( ) ( ) ( ) Ω · Ω p A p A p
♦ nezavisni su i događaji A i ∅:
( ) ( ) ( ) ( ) ∅ · · ∅ ⇒ · ∅ ∅ · ∅ p A p A p p A 0 0 ,
♦ ako su nezavisni događaji A i B, nezavisni su i A i B
c
, A
c
i B i A
c
i B
c
♦ ako su nezavisni A i B
1
i A i B
2
nezavisni su i A i
∅ ≠ +
2 1 2 1
, B B B B
Odnos između nezavisnih i disjunktih događaja:
♦ ako su događaji A i B nezavisni i sa pozitivnim verovatnoćama onda su disjunktni
♦ ako su događaji A i B sa pozitivnim verovatnoćama disjunktni onda su zavisni
♦ događaji n
A A A ,..., ,
2 1 su nezavisni u ukupnosti ako postoji međusobna nezavisnost
proizvoljnih r
( ) n r ≤
takvih događaja, tj. ako za svaku konačnu kolekciju
( ) n r i i i A A A
r in i i
≤ ≤ ≤ ≤ ≤ , ... 1 , ,..., ,
2 1 2 1
važi:
( ) ( ) ( ) ( )
in i i in i i
A p A p A p A A A p ... ,..., ,
2 1 2 1
·
Ako su događaji
n
A A A ,..., ,
2 1
uzajamno disjunktni sa pozitivnim verovatnoćama čija je suma
Ω , tada za svako B∈F važi formula totalne verovatnoće:
( ) ( ) ( ) ( ) ( ) ( ) ( ) B p A p B p A p B p A p B p
An n A A
+ + + · ...
2 2 1 1
p(A
i
) su apriorne verovatnoće (unapred poznate), A
i
su hipoteze, p
Ai
(B) su aposteriorne
verovatnoće
28
Verovatnoća i statistika – zbirka zadataka
Bajesova formula:
( )
( ) ( )
( )
( ) ( )
( ) ( )

·
· ·
n
j
j j
i i i i
i
A B p A p
A B p A p
B p
A B p A p
B A p
1
/
/ /
/
Tumačenje: realizacija događaja B je nastupila pod hipotezom (uzorkom) A
i
.
Zadaci:
5.1.Odrediti verovatnoću da slučajano izbran prirodni broj:
a) bude deljiv sa 2 i sa 3,
b) ne bude deljiv sa 2 ili sa 3.
Rešenje:
A: broj deljiv sa 2, B: broj deljiv sa 3
a)
3
1
) ( ,
2
1
) ( · · B p A p
,
6
1
3
1
2
1
) ( ) ( · ⋅ · · AB p C p
b)
6
5
3
1
3
2
2
1
) ( ) ( ) ( ) ( ) ( · − + · − + · ∪ ·
c c c c c c
B A p B p A p B A p D p
5.2. Ako je p(A)=0.9, p(B)=0.8, pokazati da je p(A/B) ≥0.875.
Rešenje:
1 ) (
875 . 0
8 . 0
1 8 . 0 9 . 0
) (
) ( ) ( ) (
) (
) (
) / (
≤ ∪
·
− +

∪ − +
· ·
B A p
B p
B A p B p A p
B p
AB p
B A p
5.3. Iz skupa S={1,2,3,...,20} je slučajno izabran jedan broj. Ako je poznato da je izabrani broj
deljiv sa 3 kolika je verovatnoća da je u pitanju paran broj?
Rešenje:
2
1
20
6
20
3
) (
) (
) / (
20
6
) (
2
1
) (
} 18 , 12 , 6 {
18 , 15 , 12 , 9 , 6 , 3 :
20 , 18 , 16 , 14 , 12 , 10 , 8 , 6 , 4 , 2 :
· · ·
·
·
· ∩
B p
AB p
B A p
B p
A p
B A
B
A
5.4. Kolika je verovatnoća da će se na dvema bačenim kockama dobiti zbir tačaka 10 ili ako se to
ne dogodi, da će se pri ponovljenom bacanju dobiti zbir 8?
Rešenje:
29
Verovatnoća i statistika – zbirka zadataka
A- zbir 10 : 46,64,55
B – zbir 8: 26,62,35,53,44
C – A+A
c
B
p(A)=
36
3
p(B)=
36
5
p(A
c
)=
36
33
p(A
c
B)=0.126
p(C)=p(A)+p(A
c
B)=0.2
5.5. Student je izašao na ispit znajući 20 od 25 pitanja. Ispitivač je postavio 3 pitanja. Koja je
verovatnoća da student zna sva tri pitanja?
Rešenje:
4956 . 0
23
18
24
19
25
20
) / ( ) / ( ) ( ) (
2 1 3 1 2 1 3 2 1
· ⋅ ⋅ · · A A A p A A p A p A A A p
5.6. Čovek ima 5 ključeva od kojih samo jedan otvara vrata. Ključevi su po obliku slični pa ih on
ne razlikuje. Da bi otvorio vrata on proba ključeve jedan za drugim, pa ključ koji "ne
otvara" stavlja na stranu. Odrediti verovatnoću da će mu za otvaranje vrata trebati
1,2,3,4,5 pokušaja.
Rešenje:
5
1
1
2
1
3
2
4
3
5
4
) / ( ) / ( ) / ( ) / ( ) ( ) (
5
1
2
1
3
2
4
3
5
4
) / ( ) / ( ) / ( ) ( ) (
5
1
3
1
4
3
5
4
) / ( ) / ( ) ( ) (
5
1
4
1
5
4
) / ( ) ( ) (
5
1
) (
4 3 2 1 5 3 2 1 4 2 1 3 1 2 1 5
3 2 1 4 2 1 3 1 2 1 4
2 1 3 1 2 1 3
1 2 1 2
1
· ⋅ ⋅ ⋅ ⋅ ·
· ·
· ⋅ ⋅ ⋅ · ·
· ⋅ ⋅ · ·
· ⋅ · ·
·
c c c c c c c c c c c c c c
c c c c c c c c c
c c c c c
c c
A A A A A p A A A A p A A A p A A p A p A p
A A A A p A A A p A A p A p A p
A A A p A A p A p A p
A A p A p A p
A p
5.7. Iz kutije u kojoj je m belih i n crnih kuglica odjednom je izvučeno k kuglica. Pod
predpostavkom da su sve izvučene kuglice iste boje koja je verovatnoća da su sve crne?
Rešenje:
A - izvučeno je k kuglica
B- izvučene su crne ili bele kuglice
30
Verovatnoća i statistika – zbirka zadataka

,
`

.
|
+

,
`

.
|

,
`

.
|
·
+
· ·
+
+
k
m
k
n
k
n
C
C C
C
C
B p
A B p
B A p
k
m n
k
m
k
n
k
m n
k
n
) (
) (
) / (
5.8. Strelci A,B,C, gađaju po jednom u cilj nezavisno jedan od drugog, pogađajući ga sa
verovatnoćama 0.6, 0.5 i 0.4. Ustanovljeno je da je cilj pogođen 2 puta. Šta je verovatnije
da je strelac C pogodio ili promašio?
Rešenje:
A,B,C - cilj je pogodio strelac A,B,C
D - cilj je pogođen dva puta
C AB BC A ABC D
c c c
+ + ·
4 . 0 ) (
5 . 0 ) (
6 . 0 ) (
·
·
·
C p
B p
A p
38 . 0 4 . 0 5 . 0 6 . 0 4 . 0 5 . 0 4 . 0 6 . 0 5 . 0 6 . 0 ) ( · ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ · D p
31
Verovatnoća i statistika – zbirka zadataka
47 . 0
38 . 0
18 . 0
) (
) (
) (
)) ( (
) (
) (
) / ( · · ·
+ +
· ·
D p
ABC p
D p
C AB BC A ABC C p
D p
D C p
D C p
c c c c c c
c
53 . 0 47 . 0 1 ) / ( · − · D C p
) / ( ) / ( D C p D C p
c
>
Verovatnije je da je strelac C pogodio!
5.9. Proizvodi fabrike dolaze na kontrolu ispravnosti kod 2 kontrolora sa verovatnoćama 0.6 i
0.4. Verovatnoća da će proizvod biti proglašen ispravnim kod prvog kontrolora je 0.94, a
kod drugog 0.98. Proizvod je bio ispravan. Naći verovatnoću da je proveru izvršio prvi
kontrolor.
Rešenje:
p(A) = 0.6
p(B) = 0.4
p(C/A) = 0.94
p(C/B) = 0.98
p(C) =
) / ( ) ( ) / ( ) ( B C p B p A C p A p +
= 0.956
p(A/C) =
59 . 0
) (
) / ( ) (
·
C p
A C p A p
5.10. U grupi sportista je 10 fudbalera, 8 košarkaša i 6 rukometaša. Verovatnoća da će postići
pogodak je za fudbalera 0.6, za košarkaša 0.8 i za rukometaša 0.75. Odrediti verovatnoću
da će slučajno odabrani sportista postići pogodak. Koja je verovatnoća da košarkaš
poentira ?
Rešenje:
p(A) = 10/24 = 0.42
p(B) = 8/24 = 0.33
p(C) = 6/24 = 0.25
p(D\A) = 0.6
p(D\B) = 0.8
p(D\C) = 0.75
p(D) = 0.7
p(B\D) = 0.377
5.11. U fabrici se 25% artikala proizvodi na mašini A, 35% na mašini B i 40% na mašini C.
Mašine A,B,C prave 5%, 4% i 2% škarta respektivno. Svi proizvodi stavljaju se u isto
skladište. Kolika je verovatnoća da je taj neispravni artikal napravljen na mašini A?
Rešenje:
p(D) = 0.0345
p(A\D) = 0.36
5.12. Verovatnoća da dva blizanca budu istog pola je 0.64. Verovatnoća rađanja muškog deteta
je 0.51. U slučaju rađanja dece raznih polova oba redosleda su jednako verovatna. Naći
verovatnoću da je drugi blizanac muškog pola ako je i prvi bio muškog pola.
Rešenje:
32
Verovatnoća i statistika – zbirka zadataka
65 . 0 35 . 0 1 ) / ( 1 ) / (
35 . 0
51 . 0
18 . 0
) (
) (
) / (
? ) / (
18 . 0 ) 64 . 0 1 ( 5 . 0 ) ( ) (
64 . 0 ) (
1 ) (
1 2 1 2
1
2 1
1 2
1 2
2 1 2 1
2 1 2 1
2 1 2 1 2 1 2 1
· − · − ·
· · ·
·
· − ⋅ · ·
· +
· + + +
M Z p M M p
M p
Z M p
M Z p
M M p
M Z p Z M p
Z Z M M p
Z Z M Z Z M M M p
5.13. Predpostavlja se da među istim brojem muškaraca i žena ima 5% daltonista muškaraca i
25% daltonista žena. Slučajno odabrana osoba je daltonista. Koja je verovatnoća da je ta
osoba muškarac?
Rešenje:
p(C) = 0.15
p(A\C) = 0.17
33
Verovatnoća i statistika – zbirka zadataka
6. NIZOVI NEZAVISNIH OPITA
S
m
– događaj koji se realizuje kada se u n nezavisnih opita događaj A realizuje m puta.
Verovatnoću događaja S
m
određujemo prema Bernulijevoj šemi:
( )
m n m
n
q p
m
n
m p

,
`

.
|
·
0≤ m≤ n p – verovatnoća događaja A
q – verovatnoća događaja A
c
U opštem slučaju Bernulijeva šema ima oblik:
( )
k
m
k
m m
k
k n
p p p
m m m
n
m m m p ...
! !... !
!
,..., ,
2 1
2 1
2 1
2 1
·
U ovom slučaju vrši se n nezavisnih opita i u svakom od njih se može realizovati samo jedan od
događaja A
i
, i=1, 2, ... , k; p(A
i
)=p
i
;
1 ...
2 1
· + + +
k
p p p
. Određujemo verovatnoću da se u n
ponovljenih opita događaj A
1
realizovao m
1
puta, događaj A
2
m
2
puta, ... , događaj A
k
m
k
puta.
q np m q np + ≤ ≤ −
Lokalna Moavr-Laplasova teorema – koristi se za približno određivanje verovatnoće
pojavljivanja datog događaja m puta u slučaju kada su vrednosti n i k velike, za p=q=0.5,
odnosno za n>100 i npq>20:
( )
( )
npq
e m p
x
x
n
1
2
1
2
2

ϕ
π

·
( )
npq
x
1
ϕ ·
gde je
npq
np m
x

·
Funkcija ϕ (x) je Gausova funkcija, čije su vrednosti date u tabeli. Ova funkcija je parna: ϕ (x)=
ϕ (-x).
Integralna Moavr-Laplasova teorema:
( ) ( ) ( )
[ ]
npq
np x
b
npq
np x
a
x x x
a b dx e b x a p
b
a
x

·

·

Φ − Φ · · ≤ ≤


2
1
2 1
2
,
2
2
π
gde je vrednost funkcije φ (x) data u tabeli. Ova funkcija je neparna: φ (-x)=-φ (x).
Posledica ove teoreme je Bernulijev zakon velikih brojeva. Neka je ε proizvoljan pozitivan
broj. Interesuje nas granična vrednost verovatoće događaja M=

,
`

.
|
≤ − ε p
n
m
kada
∞ → n
, gde je
m/n relativna frekvencija događaja A verovatnoće p(A)=p:

,
`

.
|
≤ − ε p
n
m
p

,
`

.
|
·



pq
n
dt e
pq
n
pq
n
t
ε φ
π
ε
ε
2
2
1
2
34
Verovatnoća i statistika – zbirka zadataka
Poasanova aproksimacija Bernulijeve šeme koristi se za retke događaje, kada je malo p, tj.
np<20:
( ) ( )
( ) λ
λ
λ
λ
→ ⋅ → ∞ →
·
→ −

,
`

.
|
·
− −
n n
n
m
m n
n
m
n n
p n p n
np
e
m
p p
m
n
m p
, 0 ,
!
1
0<λ<∞
Zadaci
6.1. U seriji jednog proizvoda ima 4% škarta. Slučajno se 5 puta bira po jedan proizvod iz serije.
Naći verovatnoću:
a) da se neće izvući ni jedan škart,
b) da će se najmanje 3 puta izvući škart.
Rešenje:
a)

8 1 . 0 9 6 . 0 9 6 . 0 0 4 . 0
0
5
) (
0 , 5
9 6 . 0 1
, 0 4 . 0
5 5 0
· · ⋅ ⋅

,
`

.
|
·
· ·
· − ·
·
m p
m n
p q
p
n
b)
35
Verovatnoća i statistika – zbirka zadataka
0 0 0 6 . 0 ) 5 ( ) 4 ( ) 3 ( ) (
1 0 1 . 0 9 6 . 0 0 4 . 0
5
5
) 5 (
1 0 1 2 . 0 9 6 . 0 0 4 . 0
4
5
) 4 (
0 0 0 6 . 0 9 6 . 0 0 4 . 0
3
5
) 3 (
5 , 4 , 3 , 5
9 6 . 0 1
, 0 4 . 0
5 5 5
6 0 5
5
4 4
5
2 3
5
· + + ·
⋅ · ⋅ ⋅

,
`

.
|
·
⋅ · ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ·
· − ·
·


p p p A p
p
p
p
m n
p q
p
II način
0 ) 39 . 6 ( ) 95 . 10 ( ) 5 3 (
95 . 10
5
, 39 . 6
3
≈ Φ − Φ · ≤ ≤
·

· ·

·
x p
npq
np
b
npq
np
a
Napomena: Vrednosti za Φ potražiti u Tablici I proveriti!!!
6.2. Verovatnoća pogotka cilja je 0.25. Cilj se gađa 6 puta. Koja je verovatnoća da je cilj bio
pogođen:
a) 2 puta,
b) bar jedanput?
Rešenje:
a)
36
Verovatnoća i statistika – zbirka zadataka
3 . 0 0 2 . 0
! 4 ! 2
! 6
7 5 . 0 2 5 . 0
2
6
) 2 (
6
7 5 . 0 , 2 5 . 0
4 2
6
≈ ⋅

· ⋅ ⋅

,
`

.
|
·
·
· ·
p
n
q p
b)
8 2 . 0 7 5 . 0 2 5 . 0
0
6
1 ) 0 ( 1
6
7 5 . 0 , 2 5 . 0
6 0
6
· ⋅ ⋅

,
`

.
|
− · −
·
· ·
p
n
q p
6.3. Istraživanjem je utvrđeno da na svakih 1000 novorođenčadi ima 515 dečaka i 485 devojčica.
U nekoj porodici ima četvoro dece. Kolika je verovatnoća da među njima nema više od 2
devojčice.
Rešenje:
37
Verovatnoća i statistika – zbirka zadataka
7 . 0 3 7 . 0 2 6 . 0 0 7 . 0
5 1 5 . 0 4 8 5 . 0
2
4
5 1 5 . 0 4 8 5 . 0
1
4
5 1 5 . 0 4 8 5 . 0
0
4
) 2 ( ) 1 ( ) 0 (
2 , 1 , 0 , 4
5 1 5 . 0 , 4 8 5 . 0
2 2 3 4 0
4 4 4
· + + ·
· ⋅ ⋅

,
`

.
|
+ ⋅ ⋅

,
`

.
|
+ ⋅ ⋅

,
`

.
|
·
· + +
· ·
· ·
p p p
m n
q p
6.4. Vrši se 10 gađanju u cilj pri čemu je verovatnoća pogotka u jednom gađanju 0.2. Odrediti
verovatnoću da broj pogodaka ne bude manji od 2 i ne veći od 4.
Rešenje:
44295 . 0 ) 0 ( ) 58 . 1 ( ) 4 2 (
, 58 . 1
8 . 0 2 . 0 10
2 . 0 10 4 4
, 0
8 . 0 2 . 0 10
2 . 0 10 2 2
8 . 0 , 2 . 0 , 10
· Φ − Φ · ≤ ≤
·
⋅ ⋅
⋅ −
·

·
·
⋅ ⋅
⋅ −
·

·
· · ·
x p
npq
np
b
npq
np
a
q p n
6.5. Broj dece u nekoj porodici je 10. Ako je verovatnoća rađanja muškog deteta 0.5 odrediti
verovatnoću:
a) da porodica ima 5 dečaka i 5 devojčica
b) da je broj dečaka u porodici između 5 i 8.
Rešenje:
a)
38
Verovatnoća i statistika – zbirka zadataka
2 4 6 . 0 5 . 0 5 . 0
5
1 0
) 5 (
1 0
5 . 0
5 5
1 0
· ⋅ ⋅

,
`

.
|
·
·
· ·
p
n
q p
b)
47042 . 0 ) 0 ( ) 897 . 1 ( ) 8 5 (
, 897 . 1
5 . 0 5 . 0 10
5 . 0 10 8 8
, 0
5 . 0 5 . 0 10
5 . 0 10 5 5
5 . 0 , 10
· Φ − Φ · ≤ ≤
·
⋅ ⋅
⋅ −
·

·
·
⋅ ⋅
⋅ −
·

·
· · ·
x p
npq
np
b
npq
np
a
q p n
6.6. Verovatnoća da neki proizvod ne prođe kontrolu je 0.2. Odrediti verovatnoću da kod 400
slučajno izabranih proizvoda broj onih koji nisu prošli kontrolu bude između 70 i 100.
Rešenje:
88814 . 0 39435 . 0 49379 . 0
) 25 . 1 ( ) 5 . 2 ( ) 25 . 1 ( ) 5 . 2 ( ) 100 70 (
, 5 . 2
8 . 0 2 . 0 400
2 . 0 400 100 100
, 25 . 1
8 . 0 02 400
2 . 0 400 70 70
8 . 0 , 2 . 0 , 400
· + ·
· Φ + Φ · − Φ − Φ · ≤ ≤
·
⋅ ⋅
⋅ −
·

·
− ·
⋅ ⋅
⋅ −
·

·
· · ·
x p
npq
np
b
npq
np
a
q p n
6.7. Bacaju se dve kocke 155 uzastopno. Kolika je verovatnoća da će se zbir 8 pojaviti više od
24, a manje od 30 puta?
Rešenje:
25992 . 0 21566 . 0 47558 . 0 ) 574 . 0 ( ) 968 . 1 ( ) 30 24 (
36
31
,
36
5
, 155
35 , 53 , 44 , 62 , 26
· − · Φ − Φ · ≤ ≤
· · ·
x p
q p n
6.8. U proizvodnji metalih šipki je prosečno 10% neispravnih. Sa kojom verovatnoćom se može
smatrati da će u seriji od 400 slučajno izabranih šipki biti ispravno više od 299?
Rešenje:
39
Verovatnoća i statistika – zbirka zadataka
1 ) 10 ( ) 67 . 6 ( ) 400 300 (
1 . 0 , 9 . 0 , 400
≈ Φ + Φ · ≤ ≤
· · ·
x p
q p n
Napomena:
p=0.9 jer se u zadatku dat procenat neispravnih šipki.
Za svako a ili b koje je veće od 5 može se uzeti približna vrednost Φ od 0.5.
6.9. Neka je verovatnoća pojave događaja A u svakom od 100 nezavisnih opita 0.8. Naći
verovatnoću pojave događaja A od 75 do 90 puta.
Rešenje:
8884 . 0 ) 25 . 1 ( ) 5 . 2 ( ) 90 75 (
2 . 0 , 8 . 0 , 100
· Φ + Φ · ≤ ≤
· · ·
x p
q p n
6.10. Naći broj potrebnih ponavljanja opita da bi se sa verovatnoćom ne manjom od 0.95 moglo
tvrditi da je razlika između frekvencije i verovatnoće p=0.5 najviše 0.01.
Rešenje:
9604
98
96 . 1 02 . 0
475 . 0
25 . 0
01 . 0
95 . 0
25 . 0
01 . 0 2
5 . 0 5 . 0
01 . 0 2 2 01 . 0 5 . 0
95 . 0 01 . 0
95 . 0 ) ( , 5 . 0 ?,



,
`

.
|
Φ

,
`

.
|
Φ

,
`

.
|

Φ ·

,
`

.
|
Φ ·

,
`

.
|
≤ −

,
`

.
|
≤ −
≥ · · ·
n
n
n
n
n
n
pq
n
n
m
p
p
n
m
p
n p q p n
ε
6.11. Posejano je 600 zrna kukuruza. Verovatnoća klijanja jednog zrna je 0.9. Naći granicu
apsolutnog odstupanja frekvencije proklijalog semena od verovatnoće p=0.9 ako ta granica
treba da bude garantovana sa verovatnoćom 0.995.
Rešenje:
( )
( )
034 . 0
81 . 2 65 . 81
4975 . 0 65 . 81
995 . 0 65 . 81 2
1 . 0 9 . 0
600
2 9 . 0
600
995 . 0 9 . 0
600
995 . 0 ) ( , 1 . 0 , 9 . 0 , 600 ?,
·
·
· Φ
· ⋅ Φ

,
`

.
|

Φ ·

,
`

.
|
≤ −
·

,
`

.
|
≤ −
· · · · ·
ε
ε
ε
ε
ε ε
ε
ε
m
p
m
p
n p q p n
40
Verovatnoća i statistika – zbirka zadataka
6.12. Odrediti verovatnoću da pri bacanju novčića 100 puta relativna frekvencija pojave grba
odstupa od verovatnoće 0.5 više od 0.1 puta.
Rešenje:
( )
0455 . 0 9545 . 0 1 1 . 0 5 . 0
100
9545 . 0 47725 . 0 2 2 2
5 . 0 5 . 0
100
1 . 0 2 1 . 0 5 . 0
100
? 1 . 0 5 . 0
100
5 . 0 , 100 , 1 . 0
· − ·

,
`

.
|
> −
· ⋅ · Φ

,
`

.
|

Φ ·

,
`

.
|
≤ −
·

,
`

.
|
≤ −
· · · ·
m
p
m
p
m
p
q p n ε
6.13. U partiji od 10000 proizvoda ima 6000 proizvoda prve klase. Kolika je verovatnoća da u
uzorku od 100 proizvoda bude 70 proizvoda prve klase?
Rešenje:
01 . 0 0498 . 0 2 . 0 ) 04 . 2 (
899 . 4
1
) 70 (
04 . 2
4 . 0 6 . 0 100
6 . 0 100 70
) (
1
) 70 (
4 . 0 , 6 . 0 , 70 , 100
100
100
· ⋅ · ⋅ ≈
·
⋅ ⋅
⋅ −
·

·
⋅ ≈
· · · ·
ϕ
ϕ
p
npq
np m
x
x
npq
p
q p m n
6.14. U kutiji je 5 plavih i 50 crnih kuglica. Kolika je verovatnoća da se u 10 nezavisnih izbora
sa vraćanjem 3 puta izvuče plava kuglica?
Rešenje:
05 . 0
! 3
9 . 0
!
) 3 (
9 . 0 09 . 0 10
11
10
,
11
1
, 3 , 10
9 . 0
3
10
· ⋅ · ⋅ ·
· ⋅ ·
· · · ·
− −
e e
m
p
q p m n
m
λ
λ
λ
6.15. Naći verovatnoću da se od 500 slučajno izabranih ljudi šestoro rodilo 1.aprila.
Rešenje:
002 . 0
! 6
37 . 1
!
) 6 (
37 . 1
365
364
,
365
1
, 6 , 500
37 .. 1
6
500
· ⋅ · ⋅ ·
·
· · · ·
− −
e e
m
p
q p m n
m
λ
λ
λ
41
Verovatnoća i statistika – zbirka zadataka
6.16. Prema podacima tehničke kontrole prosečno kod 2% časovnika treba izvršiti dopunsko
regulisanje.
a) Koja je verovatnoća da se na 290 od 300 slučajno izabranih časovnika ne vrši dopunsko
regulisanje?
b) Ako se kod 300 časovnika nađe najmanje 11 kod kojih treba izvršiti dopunsko
regulisanje, cela partija se ne prihvata. Koja je verovatnoća da se partija prihvati?
Rešenje:
a)
04 . 0
! 10
6
!
) 10 (
6
98 . 0 , 02 . 0 , 290 , 300
6
10
300
· ⋅ · ⋅ ·
·
· · · ·
− −
e e
m
p
q p m n
m
λ
λ
λ
b)
98 . 0 02 . 0 1 ) 11 ( 1
02 . 0
! 11
6
!
) 11 (
6
98 . 0 , 02 . 0 , 11 , 300
300
6
11
300
· − · − ·
· ⋅ · ⋅ ·
·
· · · ·
− −
p p
e e
m
p
q p m n
m
λ
λ
λ
6.17. Za jedan sat telefonska centrala dobije prosečno 60 poziva. Naći verovatnoću da neće biti
ni jednig poziva za vreme trajanja od 30 minuta.
Rešenje:
61 . 0
! 0
5 . 0
!
) 0 (
5 . 0
60
1
, 0 , 30
5 . 0
0
30
· ⋅ · ⋅ ·
·
· · ·
− −
e e
m
p
p m n
m
λ
λ
λ
6.18. Verovatnoća da je jedan proizvod defektan je 0.01. Iz velikog skladišta uzima se 100
proizvoda. Naći verovatnoću da među njima bude tačno 5 defektnih.
Rešenje:
003 . 0
! 5
1
!
) 5 (
1
01 . 0 , 5 , 100
1
5
100
≈ ⋅ · ⋅ ·
·
· · ·
− −
e e
m
p
p m n
m
λ
λ
λ
42
Verovatnoća i statistika – zbirka zadataka
7. SLUČAJNE PROMENLJIVE
Definicija - Realizacija svakog slučajnog događaja može se okarakterisati brojem.
Promenljiva veličina, koja te brojne vrednosti uzima sa određenim verovatnoćama, naziva se
slučajnom promenljivom. Slučajna promenljiva se često definiše i kao funkcija, koja svakom
elementarnom događaju pridružuje neki broj.
Diskretna slučajna promenljiva - kada slučajna promenljiva uzima sa pozitivnim
verovatnoćama konačan broj ili prebrojivo mnogo vrednosti.
Neprekidna slučajna promenljiva - kada slučajna promenljiva sa pozitivnim
verovatnoćama može da uzme proizvoljnu brojevnu vrednost na određenom intervalu.
7.1.Diskretna slučajna promenljiva
Diskretnu slučajnu promenljivu definišu, potpuno određuju:
- Zakon raspodele verovatnoća slučajne promenljive je pravilo po kome svakoj vrednosti
slučajne promenljive pridružujemo odgovarajuću verovatnoću.
,
...
...
:
2
2
1
1

,
`

.
|
n
n
p
x
p
x
p
x
X

·
·
n
i
i
p
1
1
-
n
x x x ,..., ,
2 1
vrednosti koje može da ima slučajna promenljiva X .
-
n
p p p ,..., ,
2 1
verovatnoće sa kojima X uzima vrednosti
n
x x x ,..., ,
2 1
.
Grafička ilustracija raspodele verovatnoća je poligon raspedele verovatnoća.
- Verovatnoća događaja X<x, koja zavisi od x, tj. funkcija je od x, naziva se funkcijom
raspodele verovatnoća ili kumulativnim zakonom raspodele verovatnoća, a označava se sa
F(x), tj.

<
· < ·
x x
i
i
p x X p x F ) ( ) (
Kod diskretne slučajne promenljive funkcija raspodele je:
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+ + +
+
·
1
, . . .
. . . ,
,
,
, 0
) (
2 1
2 1
1
n
p p p
p p
p
X F za
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
>
≤ <
≤ <
≤ <


n
n n
x x
x x x
x x x
x x x
x x
1
3 2
2 1
1
...
43
Verovatnoća i statistika – zbirka zadataka
7.2. Neprekidna slučajna promenljiva
f(x) - gustina raspodele verovatnoća - nema univerzalni karakter, postoji samo za neprekidne
slučajne promenljive
F(x) - funkcija raspodele verovatnoća


∞ −
·
− · · ≤ ≤
·
x
b
a
dt t f x F
a F b F x f b X a p
x F x f
) ( ) (
) ( ) ( ) ( ) (
) ( ' ) (
Osobine gustine raspodele:


∞ −
·

1 ) (
0 ) (
dx x f
x f
Zadaci:
7.1. Sastaviti zakon i funkciju raspodele verovatnoća broja pojavljivanja događaja A u 3
nezavisna opita ako je verovatnoća ostvarivanja događaja A u svakom opitu 0.6.
Rešenje:
44
Verovatnoća i statistika – zbirka zadataka

,
`

.
|
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· · · − · ·
2 1 6 . 0
3
4 3 2 . 0
2
2 8 8 . 0
1
0 6 4 . 0
0
:
2 1 6 . 0 4 . 0 6 . 0
3
3
) 3 (
4 3 2 . 0 4 . 0 6 . 0
2
3
) 2 (
2 8 8 . 0 4 . 0 6 . 0
1
3
) 1 (
0 6 4 . 0 4 . 0 6 . 0
0
3
) 0 (
3 , 2 , 1 , 0 , 3 , 4 . 0 1 , 6 . 0
0 3
3
2
3
2 1
3
3 0
3
X
p
p
p
p
m n p q p
¹
¹
¹
¹
¹
¹
¹
'
¹
·
, 1
, 784 . 0
, 352 . 0
, 064 . 0
, 0
) ( X F

¹
¹
¹
¹
¹
¹
¹
'
¹
>
≤ <
≤ <
≤ <

3
3 2
2 1
1 0
0
x
x
x
x
x
7.2. Neki novčić se baca 2 puta. Napisati zakon i funkciju raspodele slučajne promenljive X -
broj pojave grba.
Rešenje:
45
Verovatnoća i statistika – zbirka zadataka

,
`

.
|
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· · · − · ·
2 5 . 0
2
5 . 0
1
2 5 . 0
0
:
2 5 . 0 5 . 0 5 . 0
2
3
) 2 (
5 . 0 5 . 0 5 . 0
1
3
) 1 (
2 5 . 0 5 . 0 5 . 0
0
3
) 0 (
2 , 1 , 0 , 2 , 5 . 0 1 , 5 . 0
2 2
2
2
2 0
2
X
p
p
p
m n p q p
¹
¹
¹
¹
¹
'
¹
·
, 1
, 75 . 0
, 25 . 0
, 0
) ( X F

¹
¹
¹
¹
¹
'
¹
>
≤ <
≤ <

2
2 1
1 0
0
x
x
x
x
7.3. Neki novčić se baca 5 puta. Napisati zakon i funkciju raspodele slučajne promenljive X -
broj pojave pisama.
Rešenje:
46
Verovatnoća i statistika – zbirka zadataka

,
`

.
|
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· ⋅ ⋅

,
`

.
|
·
· · · − · ·
3 2
1
5
3 2
5
4
3 2
1 0
3
3 2
1 0
2
3 2
5
1
3 2
1
0
:
3 2
1
5 . 0 5 . 0
5
5
) 5 (
3 2
5
5 . 0 5 . 0
4
5
) 4 (
3 2
1 0
5 . 0 5 . 0
3
5
) 3 (
3 2
1 0
5 . 0 5 . 0
2
5
) 2 (
3 2
5
5 . 0 5 . 0
1
5
) 1 (
3 2
1
5 . 0 5 . 0
0
5
) 0 (
5 , 4 , 3 , 2 , 1 , 0 , 5 , 5 . 0 1 , 5 . 0
0 5
5
4
5
2 3
5
3 2
5
4
5
5 0
5
X
p
p
p
p
p
p
m n p q p

47
Verovatnoća i statistika – zbirka zadataka
7.4. Slučajna veličina ima za gustinu:
a)
2
1
) (
x
a
x f
+
·
na intervalu [-1,1]. Odrediti a i F(x).
b)
¹
'
¹
·
, 0
, c o s
) (
x a
x f

inace
3
x
π

. Odrediti a, F(x) i
)
6
0 (
π
< < X p
.
c)
¹
'
¹
+
·
, 0
) , 1 (
) (
x a
x f

inace
x 2 0 ≤ ≤
. Odrediti a, F(x) i
) 2 1 ( < < X p
.
Rešenje:
a)
2
1 2
)) 1 ( (
2 2
1
) (
2
1
4
2
1 )) 1 ( 1 (
1
1
1
2
1
1
2
+ · − − ·
+
·
·
· ⋅
· − −
·
+




arctgx arctg arctgx
t
dt
X F
a
a
arctg arctg a
x
dx
a
x
π π π
π
π
b)
6
3
2
1
2
1
6
3
2
1
0 sin
3
3
2
1
6
sin
3
3
) 0 (
6 6
0
2
1
3
sin 3
2
3
sin
3
3
cos
3
3
) (
3
3
1 3
1
2
3
2
3
1 ))
3
sin(
3
(sin
1 cos
3
3
3
· − + ·
·

,
`

.
|
+ − + · −
,
`

.
|
·
,
`

.
|
< <
+ ·

,
`

.
|
+ · ·
·
·
·

,
`

.
|
+
· − −
·




π π π
π π
π
π
π
F F X p
x
x tdt X F
a
a
a
a
xdx a
x
48
Verovatnoća i statistika – zbirka zadataka
c)
[ ]
( ) [ ]
8
5
2
5
4
1
1 2
2
1
2
4
1
2 4
1
) 1 ( sin
4
1
2 1
) 1 (
4
1
) (
4
1
1 ) 2 2 (
1
2
1
1 ) 1 (
2
1
2
1
2 2
1
2
0
2
0
2
0
2
2
0
2
0
2
0
· ⋅ ·
,
`

.
|
− + − ⋅ ·
·

,
`

.
|
+
]
]
]

· + · < <
+ ·
·
· +
·

,
`

.
|
+
]
]
]

·

,
`

.
|
+
· +


∫ ∫

x
x
dx x X p
dx x x f
a
a
x
x
a
dx xdx a
dx x a
7.5. Neprekidna slučajna promenljiva X zadana je gustinom ( )
¹
¹
¹
¹
¹
'
¹
]
]
]

− ∉
]
]
]

− ∈
·
4
,
4
, 0
4
,
4
, 2 c o s
π π
π π
x
x x a
x f .
Odrediti konstantu a, naći funkciju raspodele F(X), kao i verovatnoću

,
`

.
|
〈 〈
8
0
π
X p
.
Rešenje:
4
2
8
0
) 1 2 ( s i n
2
1
) (
, 1
·

,
`

.
|
〈 〈
+ ·
·
π
X p
x X F
a
49
Verovatnoća i statistika – zbirka zadataka
7.6. Slučajna promenljiva ima normalnu raspodelu
). 1 , 0 ( N
Naći:
a)
) 42 . 1 0 ( < <X p
b)
) 0 73 . 0 ( < < − X p
c)
) 01 . 2 73 . 1 ( < < − X p
d)
) 5 . 0 ( < X p
e)
) 13 . 1 ( > X p
Rešenje:
a)
4222 . 0 ) 42 . 1 ( ) 42 . 1 0 ( · Φ · < < X p
b)
2673 . 0 ) 73 . 0 ( ) 0 73 . 0 ( · Φ · < < − X p
c)
93696 . 0
41466 . 0 47778 . 0 ) 73 . 1 ( ) 01 . 2 ( ) 01 . 2 73 . 1 (
·
· + · Φ + Φ · < < − X p
d)
38292 . 0 ) 5 . 0 ( 2 ) 5 . 0 ( · Φ · < X p
e)
12924 . 0 ) 13 . 1 ( 5 . 0 ) 13 . 1 ( · Φ − · > X p
Napomena: Vidi DODATAK XC
7.7. Prečnik matrica koje fabrika proizvodi je slučajna promenljiva X:
). 04 . 0 , 5 . 1 ( N
Naći
verovatnoću škarta pod uslovom da je propisana tolerancija prečnika 07 . 0 t . Kolika
tolerancija prečnika može da se garantuje sa verovatnoćom 0.97?
Rešenje:
( ) 91988 . 0 75 . 1 2
04 . 0
07 . 0
2 ) 07 . 0 07 . 0 ( · Φ ·
,
`

.
|
Φ · > < − X p
08012 . 0 91988 . 0 1 · − · p
09 . 0 0868 . 0 17 . 2
04 . 0
485 . 0
04 . 0
97 . 0
04 . 0
2
≈ · ⇒ ·
·
,
`

.
|
Φ
·
,
`

.
|
Φ
a
a
a
a
Tolerancija [1.41,1.59]
7.8. Pri velikom broju merenja uočeno je da 75% grešaka ne premašuje 1.25. Zamenjujući
frekvencije pojavljivanja grešaka njihovim verovatnoćama, odrediti verovatno odstupanje
grešaka, smatrajući da su greške merenja realizacije slučajne promenljive X:
). , 0 ( σ N
Rešenje:
86 . 1 67 . 0
25 . 1
25 . 0
25 . 1
75 . 0
25 . 1
5 . 0
75 . 0 ) 25 . 1 (
· ⇒ ·
·
,
`

.
|
Φ
·
,
`

.
|
Φ +
· <
σ
σ
σ
σ
X p
50
Verovatnoća i statistika – zbirka zadataka
7.9. Data je slučajna promenljiva X: N(m,σ ). Odrediti nepoznate parametre iz uslova:
( ) 1 1 9 . 0 2 0 · 〈 X p
i
( ) 0 2 5 . 0 2 8· 〉 X p
.
Rešenje:
( )
( )
5 5 . 2 , 0 0 9 . 2 3
9 6 . 1
2 8
4 7 5 . 0
2 8
1 8 . 1
2 0
3 8 1 . 0
2 0
0 2 5 . 0
2 8
5 . 0
1 1 9 . 0
2 0
5 . 0
0 2 5 . 0 2 8
1 1 9 . 0 2 0
· ·
·

⇒ ·

,
`

.
|

Φ
·

⇒ ·

,
`

.
|

Φ
·

,
`

.
|

Φ −
·

,
`

.
|

Φ +
· 〉
· 〈
σ
σ σ
σ σ
σ
σ
m
m m
m m
m
m
X p
X p
7.10. U proizvodnji nekih proizvoda propisana tolerancija za jednu dimenziju je u granicama od
5 do 15 mm. Procenat škarta ispod donje granice je 4%, a iznad gornje je 8 %. Uz
predpostavku da je posmatrana dimenzija slučajna promenljiva X:N(m,σ),odrediti m i σ.
Rešenje:
54 . 10 · m i 16 . 3 · σ
7.11. Predpostavimo da telesne težine 800 studenata imaju normalnu raspodelu sa srednjom
težinom 66kg i standardnim odstupanjem 5kg. Naći broj studenata čija je težina između 65
i 75kg.
Rešenje:
( ) ( ) % 33 . 54 07926 . 0 46407 . 0 2 . 0 8 . 1
5
66 65
5
66 75
) 75 65 (
) 5 , 66 ( :
800
· + · Φ + Φ ·
·
,
`

.
| −
Φ −
,
`

.
| −
Φ · < <
·
X p
N X
n
7.12. Mašina proizvodi metalne šipke dužine 24cm, s tolerancijom 0.5cm. Na osnovu dužeg
posmatranja zna se da je σ = 0.03. Pod pretpostavkom da dužine X metalnih šipki imaju
normalnu raspodelu, izračunati procenat metalnih šipki koje će se naći u intervalu
tolerancije.
Rešenje:
51
Verovatnoća i statistika – zbirka zadataka
( ) % 90 67 . 1 2
03 . 0
05 . 0
2 ) 05 . 0 (
) 03 . 0 , 24 ( :
· Φ ·
,
`

.
|
Φ · < X p
N X
7.13. Pokazati da je
( ) 9 9 7 . 0 3 · 〈 − σ m X P
.
Rešenje:
( )
997 . 0 49865 . 0 2
997 . 0 3 2
997 . 0
3
2
997 . 0 ) 3 (
≈ ⋅
· Φ
·
,
`

.
|
Φ
· < −
σ
σ
σ m X p
52
Verovatnoća i statistika – zbirka zadataka
8. DVODIMENZIONALNA SLUČAJNA PROMENLJIVA
8.1. Diskretna dvodimenzionalna slučajna promenljiva
Vrednosti dvodimenzionalne slučajne promenljive se mogu predstaviti tačkama u ravni
xOy; ona je slučajna tačka (x,y) u ravni.
Zakon raspodele verovatnoća je pravilo po kome svakom paru vrednosti (x
i
, y
i
) slučajne
promenljive (x,y) pridružujemo odgovarajuću verovatnoću p
ij
. Znači, imamo:
p
ij
– verovatnoću da slučajna promenljiva X uzme vrednost x
i
, a slučajna promenljiva Y
vrednost y
ij
tj.
( ) , ,
ij
p y Y x X P · · ·

, ,..., 1 n i ·

, ,..., 1 m j ·
∑∑
· ·
·
n
i
m
j
ij
p
1 1
1
Takođe, imamo marginalne verovatnoće po vrstama p
i
i po kolonama p
j
, gde su:
. 2 1
...
i im i i
p p p p · + + + , ,..., 1 n i · ( )
i
m
j
ij i
x X P p p · · ·

·1
.
j nj j j
p p p p
. 2 1
... · + + + , ,..., 1 m j · ( )
j
n
i
ij j
y Y P p p · · ·

·1
.
1
1 1
. .
· ·
∑ ∑
· ·
n
i
m
j
j i
p p
Funkcija raspodele F(x,y) predstavlja verovatnoću istovremene realizacije događaja
X<x, Y<y, tj:
F(x,y)=P(X<x, Y<y)
Grafička interpretacija funkcije raspodele je:
F(x,y) je verovatnoća da slučajna tačka (x,y) padne u
beskonačni kvadrat sa temenom u tački (x,y).
( ) [ ] ( )
( ) ( ) ( ) ( ) c a F d a F c b F d b F
d Y c b X a P S Y X P
, , , ,
, ,
+ − − ·
· 〈 〈 〈 〈 · ∈
53
Verovatnoća i statistika – zbirka zadataka
Osobine funkcije raspodele
1. F(x,y) je neopadajuća funkcija svojih argumenata
( ) ( )
( ) ( )
1 2 1 2
1 2 1 2
, , ,
, , ,
y y y x F y x F
x x y x F y x F
〉 ≥
〉 ≥
2.
( ) ( ) ( ) 0 , , , · −∞ ∞ − · ∞ − · −∞ F y F x F
3.
( ) ( ) ( ) x F Y x X P x F
1
, , · 〈 ∞ − ∞ 〈 〈 · + ∞
( ) ( ) ( ) y F y Y X P y F
2
, , · 〈 〈 ∞ ∞ 〈 − · ∞ +
( ) ( ) y F x F
2 1
, - odgovarajuće funkcije raspodele promenljivih X i Y:
4.
( ) 1 , · +∞ ∞ + F
Marginalne verovatnoće:
( )
i
m
j
ij i
x X P p p · · ·

·1
.
, ,..., 1 n i ·
( )
j
n
i
ij j
y Y P p p · · ·

·1
.
, ,..., 1 m j ·
Uslovne verovatnoće:
( )
( )
.
/
.
/
/
/
i
ij
i j i j
j
ij
j i j i
p
p
x X y Y P p
p
p
y Y x X P p
· · · ·
· · · ·
Definicija nezavisnosti dveju slučajnih promenljivih: Slučajne promenljive X i Y su nezavisne
ako je ispunjena relacija:
j i ij
p p p
. .
·
, za proizvoljan par brojeva i, j u diskretnom slučaju ili relacije:
54
Verovatnoća i statistika – zbirka zadataka
( ) ( ) ( ) y F x F y x F
p p
p p
j i j
i j i
2 1
. /
. /
, ·
·
·
8.2. Neprekidna dvodimenzionalna slučajna promenljiva
Gustina raspodele i funkcija raspodele
( )
( )
( ) y x F
y x
y x F
y x f
xy
,
,
,
2
′ ′ · ·
δ δ
δ
( ) [ ] ( )
( )
dxdy y x f D Y X P
D
∫∫
· ∈ , ,
- verovatnoća da tačka (x,y) padne u oblast D.
Ovde imamo pojam elementarne verovatnoće
( )dxdy y x f ,
, a to je verovatnoća da slučajna
tačka (x,y) padne u pravougaonik sa stranama dx i dy i jednim temenom u tački (x,y). Sabirajući
elementarne verovatnoće po oblasti D dobijamo verovatnoću da tačka (x,y) padne u oblast D.
( ) ( ) ( )
∫ ∫
∞ − ∞ −
· 〈 − ∞ 〈 〈 ∞ 〈 − ·
x
y
d x d y y x f y Y x X P y x F , , ,
Osobine gustine raspodele
( ) 0 , ≥ y x f
( ) 1 , ·
∫ ∫

∞ −

∞ −
dxdy y x f
Marginalne funkcije raspodele
55
Verovatnoća i statistika – zbirka zadataka
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
∫ ∫
∫ ∫

∞ − ∞ −
∞ −

∞ −
· 〈 − ∞ 〈 〈 ∞ ∞ 〈 − · ∞ + ·
· 〈 ∞ − ∞ 〈 〈 ∞ 〈 − · + ∞ ·
y
x
d x d y y x f y Y X P y F y F
d x d y y x f Y x X P x F x F
, , ,
, , ,
2
1
Marginalne gustine raspodele
( ) ( ) ( )
( ) ( ) ( )



∞ −

∞ −
· ′ ·
· ′ ·
dx y x f y F y f
dy y x f x F x f
,
,
2 2
1 1
Marginalne gustine raspodele se mogu dobiti pomoću gustine raspodele dvodimezionalne
slučajne promenljive, međutim, obrnuto ne važi. Odnosno, da bi potpuno okarakterisali
dvodimenzionalnu slučajnu promenljivu, potrebno je pored marginalnih raspodela znati i
zavisnost između njih. Odnosno, uslovni zakon raspodele verovatnoća.
( )
( )
( )
( )
( )
( ) x f
y x f
x y f
y f
y x f
y x f
1
2
,
/
,
/
·
·
Tumačenje: verovatnoća da slučajna tačka (X,Y) padne u pravougaonik S je jednaka verovatnoći
da ona padne
( ) d x x X x S + 〈 〈
1
u pojas pod uslovom da je pala u pojas
( ) d y y Y y S + 〈 〈
2
.
Definicija nezavisnosti dveju slučajnih promenljivih: Slučajne promenljive X i Y su nezavisne
ako je ispunjena relacija:
( ) ( ) ( ) y f x f y x f
2 1
, ·
ili relacije:
56
Verovatnoća i statistika – zbirka zadataka
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) d Y c P b X a P d Y c b X a P d Y c b X a
y F x F y x f F
y F x F y x F
y f x y f
x f y x f
y f x f y x f
x y
〈 ≤ ⋅ 〈 ≤ · 〈 ≤ 〈 ≤ ⇒ 〈 ≤ 〈 ≤ ∀
′ ′
· ·
′ ′
·
·
·
·
, ,
,
,
/
/
,
2 1
2 1
2
1
2 1
Zadaci:
8.1. Neka u eksperimentu bacanja dve kocke X označava broj tačaka na gornjoj strani prve
kocke, a Y broj tačaka na gornjoj strani druge kocke. Naći verovatnoće:
a)
) 6 ( · +Y X p
b)
) 2 ( · −Y X p
c) ) 20 (
2 2
≤ +Y X p
d)
) 9 ( > +Y X p
e)
) 10 ( < XY p
Rešenje:
a)
36
5
) 6 ( · · +Y X p
b)
36
4
) 2 ( · · −Y X p
c)
36
13
) 20 (
2 2
· ≤ +Y X p
d)
36
6
) 9 ( · > +Y X p
e)
36
17
) 10 ( · < XY p
8.2. Eksperiment se sastoji u izvlačenju 3 karte sa vraćanjem, iz špila od 52 karte. Ako sa X
označimo broj izvučenih kečeva, a sa Y označimo broj izvučenih dama i kraljeva, odrediti
zakon raspodele slučajnih promenljivih X i Y, kao i marginalne verovatnoće.
Rešenje:
57
Verovatnoća i statistika – zbirka zadataka
X\Y 0 1 2 3 pi.
0
2197
1000
2197
600
2197
120
2197
8
2197
1728
1
2197
300
2197
60
2197
12
0
2197
372
2
2197
30
2197
6
0 0
2197
36
3
2197
1
0 0 0
2197
1
p.j
2197
1331
2197
666
2197
132
2197
8
1
2197
1000
52
40
) 0 , 0 (
3
3
· · · · Y X p
2197
120
52
40
52
8
52
8
3 ) 2 , 0 ( ·
,
`

.
|
⋅ ⋅ · · · Y X p
2197
600
52
40
52
40
52
8
3 ) 1 , 0 ( ·
,
`

.
|
⋅ ⋅ · · · Y X p
2197
8
52
8
) 3 , 0 (
3
3
· · · · Y X p ...
8.3. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X,Y). Naći
marginalne raspodele slučajnih promenljivih X i Y, kao i njihove zakone i funkcije
raspodele.
X\Y -2 -1 0 1 2 3
0 0.05 0.05 0.1 0 0.05 0.05
1 0.1 0.05 0.05 0.1 0 0.05
2 0.03 0.12 0.07 0.06 0.03 0.04
Rešenje:
X\Y -2 -1 0 1 2 3 p.i
0 0.05 0.05 0.1 0 0.05 0.05 0.3
1 0.1 0.05 0.05 0.1 0 0.05 0.35
2 0.03 0.12 0.07 0.06 0.03 0.04 0.35
p.j 0.18 0.22 0.22 0.16 0.08 0.14 1

,
`

.
|
3 5 . 0 3 5 . 0 3 . 0
2 1 0
: X

,
`

.
|
− −
1 4 . 0 0 8 . 0 1 6 . 0 2 2 . 0 2 2 . 0 1 8 . 0
3 2 1 0 1 2
: Y
58
Verovatnoća i statistika – zbirka zadataka
¹
¹
¹
¹
¹
'
¹
·
, 1
, 65 . 0
, 3 . 0
, 0
) ( X F
¹
¹
¹
¹
¹
'
¹
>
≤ <
≤ <

2
2 1
1 0
0
x
x
x
x
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
·
, 1
86 . 0
, 78 . 0
, 62 . 0
, 4 . 0
, 18 . 0
, 0
) (Y F
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
>
≤ <
≤ <
≤ <
≤ < −
− ≤ < −
− ≤
3
3 2
2 1
1 0
0 1
1 2
2
y
y
y
y
y
y
y
8.4. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X,Y). Naći
marginalne raspodele slučajnih promenljivih X i Y, kao i njihove zakone raspodele.
X\Y 1 2 3
1 3 7 0
2 1 4 2
3 5 1 8
4 2 1 6
Rešenje:
X\Y 1 2 3 pi.
1 3/40 7/40 0/40 10/40
2 1/40 4/40 2/40 7/40
3 5/40 1/40 8/40 14/40
4 2/40 1/40 6/40 9/40
p.j 11/40 13/40 16/40 1
8.5. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X,Y). Naći
marginalne raspodele slučajnih promenljivih X i Y, kao i njihove zakone raspodele i
verovatnoće
), , (
2 3
y Y x X p · <

) / (
1 2
y Y x X p > ≤
.
Y/X x
1
x
2
x
3
y
1
0.12 0.18 0.1
y
2
0.1 0.11 0.39
Rešenje:
X/Y y
1
y
2
pi.
x
1
0.12 0.1 0.22
x
2
0.18 0.11 0.29
x
3
0.1 0.39 0.49
p.j 0.4 0.6 1
21 . 0 11 . 0 1 . 0 ) , (
2 3
· + · · < y Y x X p 35 . 0
6 . 0
21 . 0
) (
) , (
) / (
1
1 2
1 2
· ·
>
> ≤
· > ≤
y Y p
y Y x X p
y Y x X p
8.6. Naći marginalne verovatnoće, zakone i funkcije raspodela koordinata dvodimenzionalne
slučajne promenljive (X,Y) date tabelom:
Odrediti verovatnoće p(X>Y) i p(X=Y+2), kao i uslovne raspodele koordinata X i Y.
59
X
\
Y
2 4 5
1 3 7 1
3 2 8 4
10 9 5 6
Verovatnoća i statistika – zbirka zadataka
Rešenje:
45
22
45
20
45
2
) ( · + · >Y X p
45
2
) 1 ( · + ·Y X p

,
`

.
|
·
1 4
9
1 4
2
1 4
3
1 0 3 1
: 2 / Y X

,
`

.
|
·
1 1
1
1 1
7
1 1
3
5 4 2
: 1 / X Y

,
`

.
|
·
2 0
5
2 0
8
2 0
7
1 0 3 1
: 4 / Y X

,
`

.
|
·
1 4
4
1 4
8
1 4
2
5 4 2
: 3 / X Y

,
`

.
|
·
1 1
6
1 1
4
1 1
1
1 0 3 1
: 5 / Y X

,
`

.
|
·
2 0
6
2 0
5
2 0
9
5 4 2
: 1 0 / X Y
8.7. Baca se kocka 2 puta. Neka slučajna promenljiva X odgovara rezultatu prvog bacanja kocke,
a slučajna promenljiva Y odgovara rezultatu drugog bacanja kocke. Naći raspodelu
slučajne promeljive Z=X+Y.
Rešenje:
60
X
\
Y
2 4 5 pi.
1 3/45 7/45 1/45 11/45
3 2/45 8/45 4/45 14/45
10 9/45 5/45 6/45 20/45
p.j 14/45 20/45 11/45 1
Verovatnoća i statistika – zbirka zadataka
Y X ·

,
`

.
|
6
1
6
1
6
1
6
1
6
1
6
1
6 5 4 3 2 1
:

,
`

.
|
·
36
1
18
1
12
1
9
1
36
5
6
1
36
5
9
1
12
1
18
1
36
1
12 11 10 9 8 7 6 5 4 3 2
Z
61
Verovatnoća i statistika – zbirka zadataka
9. FUNKCIJE SLUČAJNIH PROMENLJIVIH
Ako svakoj mogućoj vrednosti slučajne promenljive X odgovara jedna moguća vrednost slučajne
promenljive Y, tada se Y naziva funkcijom slučajne promenljive X u oznaci:
( ) X Y ϕ ·
U slučaju diskretne slučajne promenljive:
( )
( ) ( ) ( )

,
`

.
| · · ·
· ⇒

,
`

.
|
n
n n
n
n
p p p
x y x y x y
X Y
p
x
p
x
p
x
X
...
...
...
...
:
2 1
2 2 1 1
2
2
1
1
ϕ ϕ ϕ
ϕ
Ako je
( ) X ϕ
monotona funkcija (npr: 1 3 + · X Y ), onda je
( ) ( )
i i i
p x X P y Y P · · · ·
. Ako je
( ) X ϕ
nemonotona funkcija (npr: 1 3
2
+ · X Y ), onda su verovatnoće
( )
i
y Y P ·
jednake zbiru
( )
i
x X P ·
onih vrednosti slučajne promenljive X za koje Y ima jednake vrednosti.
U slučaju neprekidne slučajne promenljive:
Neka je X neprekidna slučajna promenljiva definisana gustinom raspodele verovatnoća f(x) za
b x a < < i neka je funkcija
) ( X Y ϕ ·
neprekidna i diferecijabilna. Imamo slučajeve:
1. za b x a < < ,
) ( X Y ϕ ·
je monotono rastuća
Verovatnoća događaja da se tačka (X,Y) nalazi na delu krive
) ( X Y ϕ ·
ispod prave AB:Y=y, tj.
verovatnoća događaja Y<y jednaka je verovatnoći događaja x X a < < :
) ( )) ( ( ) ( ) ( ) ( ) ( ) ( a F y F a F x F x X a P y Y P y G − · − · < < · < · ψ
gde su: F(x) funkcija raspodele slučajne promenljive X, a
) ( y ψ
inverzna funkcija funkcije
) ( X Y ϕ ·
. Gustina raspodele funkcije
) ( X Y ϕ ·
je:
) ( ' )) ( ( ) ( y y f y g ψ ψ ⋅ ·
2. za b x a < < ,
) ( X Y ϕ ·
je monotono opadajuća
) ( )) ( ( ) ( ) ( ) ( ) ( ) ( b F y F x F b F b X x P y Y P y G + − · − · < < · < · ψ
) ( ' )) ( ( ) ( y y f y g ψ ψ ⋅ − ·
U slučaju monotonosti funkcije
) ( X Y ϕ ·
uzima se jedinstvena formula za gustinu raspodele
verovatnoća:
) ( ' )) ( ( ) ( y y f y g ψ ψ ⋅ ·
3. Kada
) ( X Y ϕ ·
nije monotona





· ∆ ∈ · < ·
) (
) ( )) ( ( ) ( ) (
y i
i
dx x f y X P y Y P y G
) ( ' ) ( y G y g ·
Zadaci:
62
Verovatnoća i statistika – zbirka zadataka
9.1. Ako slučajna promenljiva X ima raspodelu verovatnoća

,
`

.
|
6 . 0 3 . 0 1 . 0
3 2 1
: X
, naći raspodelu
verovatnoća slučajne promenljive Y=3X+1.
Rešenje:
10 1 3 3 ) (
7 1 2 3 ) (
4 1 1 3 ) (
1 3 ) (
3 3
2 2
1 1
· + ⋅ · ·
· + ⋅ · ·
· + ⋅ · ·
+ ·
x y
x y
x y
X X
ϕ
ϕ
ϕ
ϕ

,
`

.
|
6 . 0 3 . 0 1 . 0
1 0 7 4
: Y
9.2. Ako slučajna promenljiva X ima raspodelu verovatnoća

,
`

.
|
− −
4 . 0 3 . 0 2 . 0 1 . 0
2 1 1 2
: X
, naći raspodelu
verovatnoća slučajne promenljive Y=3X
2
+1.
Rešenje:
13 1 2 3 ) (
4 1 1 3 ) (
4 1 ) 1 ( 3 ) (
13 1 ) 2 ( 3 ) (
1 3 ) (
2
4 4
2
3 3
2
2 2
2
1 1
2
· + ⋅ · ·
· + ⋅ · ·
· + − ⋅ · ·
· + − ⋅ · ·
+ ·
x y
x y
x y
x y
X X
ϕ
ϕ
ϕ
ϕ
ϕ
63
Verovatnoća i statistika – zbirka zadataka

,
`

.
|
5 . 0 5 . 0
1 3 4
: Y
9.3. Opisati slučajnu promenljivu Y=X
2
-1, ako je:
Rešenje:

,
`

.
|

8
3
2
1
8
1
3 2 1
: X

,
`

.
|
8
3
2
1
8
1
8 3 0
: Y

,
`

.
|

2
1
4
1
4
1
2 1 1
: X

,
`

.
|
2
1
2
1
3 0
: Y
9.4. Slučajna promenljiva X označava verovatnoću pojavljivanja događaja A u 3 nezavisna opita,
pri čemu je verovatnoća pojavljivanja događaja A u jednom opitu 0.25. Odrediti zakon i
funkciju raspodele za slučajne promenljive Y=2X+1 i Z=X
2
.
Rešenje:
64
Verovatnoća i statistika – zbirka zadataka
4 2 . 0 7 5 . 0 2 5 . 0
0
3
) 0 (
3 0
3
· ⋅

,
`

.
|
· p
...

,
`

.
|
0 2 . 0 1 4 . 0 4 2 . 0 4 2 . 0
3 2 1 0
: X

,
`

.
|
0 2 . 0 1 4 . 0 4 2 . 0 4 2 . 0
7 5 3 1
: Y

,
`

.
|
0 2 . 0 1 4 . 0 4 2 . 0 4 2 . 0
9 4 1 0
: Z
65
Verovatnoća i statistika – zbirka zadataka
9.5. Ako je

,
`

.
|
3 . 0 2 . 0 1 . 0 1 . 0 2 . 0 1 . 0
6 6 6 6
0
:
π
π π π π
X
, naći zakon raspodele za Y=sinX.
Rešenje:

,
`

.
|
1 . 0 3 . 0 2 . 0 4 . 0
1
2
2
2
1
0
: Y
9.6. Ako je

,
`

.
|
− −
1 1
1
1 1
2
1 1
4
1 1
3
1 1
1
2
0
2
:
π
π π
π
X
, naći zakon raspodele za Y=cosX.
Rešenje:

,
`

.
|

1 1
4
1 1
5
1 1
2
1 0 1
: Y
66
Verovatnoća i statistika – zbirka zadataka
9.7. Gustina f(x) slučajne promenljive X definisana je na intervalu (-∞, ∞). Naći gustinu
raspodele verovatnoća g(y) slučajne promenljive Y, ako je
2
2X Y ·
.
Rešenje:
2
2X Y ·

,
`

.
|

,
`

.
|
− +

,
`

.
|
·
· Ψ Ψ + Ψ Ψ ·
Ψ · · Ψ
Ψ · t · ⇒ ·
2 2
2 2
1
) ( ' )) ( ( ) ( ' )) ( ( ) (
) ( '
2 2
1
) ( '
) (
2 2
2 2 1 1
2 1
2 , 1
2
y
f
y
f
y
y y f y y f y g
y
y
y
y
Y
X
Y
X
9.8. Naći gustinu raspodele verovatnoća g(y) slučajne promenljive Y, ako je:
a)
X Y ·
na intervalu (-∞, ∞)
b)
3
X Y ·
na intervalu (0, ∞).
Rešenje:
a) b)
X Y ·
3
X Y ·
) ( ) ( ) (
1 ) ( ' ) ( '
) ( , ) (
2 1
2 1
y f y f y g
y y
y y y y Y X
− + ·
· Ψ · Ψ
− · Ψ · Ψ ⇒ t ·

3
2
3
3
2
3
3
3
1
) ( ) (
3
1
) ( '
) (
y
y f y g
y
y
y y Y X
·
· Ψ
· Ψ ⇒ ·
9.9. Gustina f(x) slučajne promenljive X definisana je na intervalu (0, ∞). Naći gustinu raspodele
verovatnoća g(y) slučajne promenljive Y, ako je:
a)
X
e Y

· ,
b) X Y ln · ,
c)
2
1
X
Y · ,
d)
2
X
e Y

·
Rešenje:
a) b)
X
e Y

· X Y ln ·
67
Verovatnoća i statistika – zbirka zadataka
)
1
(ln
1
) (
1
) ( '
1
ln ) (
1
ln ln
y
f
y
y g
y
y
y
y
Y
X X Y
·
− · Ψ
· Ψ ⇒ · ⇒ − ·
Y Y
Y
Y Y
e e f y g
e y
e y e X
) ( ) (
) ( '
) (
·
· Ψ
· Ψ ⇒ ·
c) d)
2
1
X
Y ·
2
X
e Y

·
)
1
(ln
2
1
) (
2
1 1
2
1
) ( '
1
) (
1
2
y
f
y y
y g
y y y
y y
y
y
Y
X
·
− ·

,
`

.
|
− · Ψ
· Ψ ⇒ t ·

,
`

.
|
·
·

,
`

.
|

,
`

.
|
· Ψ
t · ⇒ − ·

y
f
y
y
y g
y
y
y y
y
Y
X X Y
1
ln
1
ln 2
1
) (
1
ln 2
1 1 1
ln
2
1
) ( '
1
ln ln
2
1
2
9.10. Slučajna promenljiva X definisana je gustinom raspodela verovatnoća
2
2
2
1
) (
x
e x f

·
π

na intervalu
) ( ∞ < < −∞ X
. Naći gustinu raspodele verovatnoća g(y) slučajne promenljive
Y=X
2
.
Rešenje:
2
X Y ·
y
e y g
y
y y
y y y y Y X
y
1
2
1
) (
2
1
) ( ' ) ( '
) ( , ) (
2
2 1
2 1

·
· Ψ · Ψ
− · Ψ · Ψ ⇒ t ·
π
9.11.Slučajna promenljiva ima Košijevu raspodelu verovatnoća definisanu gustinom
( )
2
1
1
) (
x
x f
+
·
π
na intervalu
) ( ∞ < < −∞ X
. Naći gustinu raspodele verovatnoća g(y)
slučajne promenljive Y=X
3
+2.
Rešenje:
2
3
+ · X Y
( )
( ) ( )
3
4
3
2
3
2
3
2
3
2
1
3 3
) 2 ( ) 2 ( 3
1
) 2 ( 3
1
) 2 ( 1
1
) (
2
3
1
) ( '
2 ) ( 2
− + −
·
− − +
·
− · Ψ
− · Ψ ⇒ − ·

y y y y
y g
y y
Y y Y X
π π
68
Verovatnoća i statistika – zbirka zadataka
9.12. Slučajna promenljiva ima uniformnu raspodelu verovatnoća na intervalu
) 2 , 0 ( π
. Naći
gustinu raspodele verovatnoća g(y) slučajne promenljive Y=cosX.
Rešenje:
¹
¹
¹
'
¹

·
i n a c e
x
x f
, 0
) 2 , 0 ( ,
2
1
) (
π
π
X Y cos ·
2 2 2
2
2 1
2 1
1
1
1 2
1
1 2
1
) (
1
1
) ( ' ) ( '
arccos ) ( , arccos ) ( arccos
y y y
y g
y
y y
Y y Y y Y X

·

+

·

· Ψ · Ψ
− · Ψ · Ψ ⇒ ·
π π π
69
Verovatnoća i statistika – zbirka zadataka
10. NUMERIČKE KARAKTERISTIKE SLUČAJNIH PROMENLJIVIH
10.1. Matematičko očekivanje, medijan i mod
Matematičko očekivanje E(x) – srednja vrednost slučajne promenljive X:
− u slučaju diskretne slučajne promenljive:
( )

·
·
n
i
i i
p x X E
1
− u slučaju neprekidne slučajne promenljive:
( ) ( )


∞ −
· dx x xf X E
Ako je
( ) x Y ϕ ·
, funkicja slučajne promenljive X, tada je matematičko očekivanje
slučajne promenljive Y jednako:
( ) ( ) ( )
( )
( ) ( )



∞ −
·
· ·
dx f f x
p x
X E Y E
n
i
i i
ϕ
ϕ
ϕ
1
Matematičko očekivanje funkcije X
r
(r=1,2,...), naziva se običnim momentom reda r:
( )
( )



∞ −
·
· ·
dx f f x
p x
X E m
r
n
i
i
r
i
r
r
1
Definicija: ako je F(x) funkcija raspodele slučajne promenljive X, tada se rešenje
jednačine:
( ) p x F
p
·
naziva kvartilom reda p. Kvartil reda 0.5 naziva se medijanom slučajne promenljive X, tj.
medijan Me se dobija kao rešenje jednačine:
( ) ( ) ( ) 5 . 0
5 . 0
· 〈 · · M e x p x F M e F
Pored medijana, koriste se i kvartili X
0.25
i X
0.75
, prvi i treći.
Definicija: ako je X diskretna slučajna promenljiva, tada je mod njena najverovatnija
vrednost. Ako je X neprekidna slučajna promenljiva, tada je mod maksimum gustine raspodele.
Osobine matematičkog očekivanja
70
u diskretnom slučaju
u neprekidnom slučaju
u diskretnom slučaju
u neprekidnom slučaju
Verovatnoća i statistika – zbirka zadataka
( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) X E X E
Y E X E XY E
Y E X E Y X E
X CE CX E
C C E

·
+ · +
·
·
10.2. Disperzija i standardno odstupanje
(parametri koji mere rasturanje vrednosti jednodimenzionalne slučajne
promenljive oko centra rasturanja)
Definicija: Disperzijom slučajne promenljive X naziva se matematičko očekivanje
kvadrata odstupanja slučajne promenljive X od E(X):
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )



∞ −
·


· −
· − · ·
d x f f x E x
p x E x
X E X E
X E X E X D
n
i
i i
2
1
2
2 2
2
2
σ
Pozitivan koren iz disperzije:
( ) X D · σ
naziva se standardnim odstupanjem (devijacijom).
Da bi rasturanje različitih raspodela moglo da se upoređuje, uvedena je relativna mera rasturanja,
poznata pod nazivom koeficijent varijacije:
( ) X E
k
v
σ
·
Centralni momenat r-tog reda definiše se formulom:
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )



∞ −
·


· −
· − ·
d x f f x E x
p x E x
X E X E
X E X E
r
n
i
i
r
i
r r
r
r
1
µ
Centralni momenti se mogu izraziti i pomoću običnih momenata:
71
- u diskretnom slučaju
-u neprekidnom slučaju
u diskretnom slučaju
u neprekidnom slučaju
Verovatnoća i statistika – zbirka zadataka
4
1
2
1 2 1 3 4 4
3
1 1 2 3 3
2
1 2 2
1
3 6 4
2 3
0
m m m m m m
m m m m
m m
− + − ·
+ − ·
− ·
·
µ
µ
µ
µ
Ako je
( ) x Y ϕ ·
funkcija slučajne promenljive X, onda je centralni momenat r-tog reda
slučajne promenljive Y jednak:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )



∞ −
·


· − ·
dx f f x E x
p x E x
X E X E
r
n
i
i
r
i
r
r
ϕ ϕ
ϕ ϕ
ϕ ϕ µ
1
Disperzija slučajne promenljive Y je: ( ) ( ) ( ) ( ) ( ) X E X E Y D ϕ ϕ
2 2
− ·
Osobine disperzije
( )
( ) ( ) X D C CX D
C D
2
0
·
· ( ) ( ) ( )
( ) ( ) ( ) Y D X D Y X D
Y D X D Y X D
+ · −
+ · +
10.3.Koeficijent korelacije
(parametri raspodele dvodimenzionalne slučajne promenljive)
Centar rasturanja vrednosti dvodimenzionalne slučajne promenljive (X,Y) okarakterisan je
“srednjom tačkom” (M
1
,M
2
), gde su M
1
i M
2
matematička očekivanja slučajnih promenljivih X i
Y, koja se u diskretnom i neprekidnom slučaju definišu kao:
( )
( ) ( ) ( )
∫ ∫ ∫ ∫ ∫
∑ ∑ ∑ ∑ ∑

∞ −

∞ −

∞ −

∞ −

∞ −
· · · · ·
· ·
· ·
· ·
dx x xf dy y x f xdx dxdy y x xf
p x p x p x
X E M
n
i
n
i
n
i
i i
m
j
ij i
m
j
ij i
1
1 1 1
.
1 1
1
, ,
( )
( )



∞ −
·
· ·
dy y yf
p y
Y E M
m
j
j j
2
1
.
2
Dalje imamo obične momente reda r+s:
72
u diskretnom slučaju
u neprekidnom slučaju
Verovatnoća i statistika – zbirka zadataka
( )
∫ ∫
∑∑

∞ −

∞ −
· ·
·
dxdy y x f y x
p y x
m
s r
n
i
m
j
ij
s
j
r
i
rs
,
1 1
odakle su matematička očekivanja M
1
i M
2
obični momenti prvog reda:
01 2 10 1
, m M m M · ·
Zatim, centralni momenat reda r+s:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
∫ ∫
∑ ∑

∞ −

∞ −
· ·
− −
− −
· − − ·
dxdy y x f y E y x E x
p y E y x E x
y E y x E x E
s r
n
i
m
j
ij
s
j
r
i
s r
rs
,
1 1
η
Momenat ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Y E X E XY E Y E Y X E X E − · − − ·
11
η se zove kovarijansa, a razlomak
( ) ( ) ( ) ( ) y x y x
xy
M M m
Y E Y E X E X E
σ σ σ σ
η η
ρ ρ
2 1 11 11
2 2
11

· ·
− −
· ·
;
0 ≠
y x
σ σ
je koeficijent korelacije za slučajne veličine X i Y.
Ako su dve slučajne promeljive nezavisne onda su i nekorelativne, obrnuto ne mora da važi.
Zadaci:
10.1. Slučajna veličina X ima sledeći raspored:

,
`

.
|−
4 . 0 3 . 0 1 . 0 2 . 0
2 1 0 1
: X
. Odrediti E(X) i
D(X).
Rešenje:
29 . 1 9 . 0 1 . 2 ) ( ) ( ) (
1 . 2 4 . 0 2 3 . 0 1 1 . 0 0 2 . 0 ) 1 ( ) (
9 . 0 4 . 0 2 3 . 0 1 1 . 0 0 2 . 0 1 ) (
2 2 2
2 2 2 2
4
1
2 2
4
1
· − · − ·
· ⋅ + ⋅ + ⋅ + ⋅ − · ·
· ⋅ + ⋅ + ⋅ + ⋅ − · ·


·
·
X E X E X D
p x X E
p x X E
i
i i
i
i i
10.2. Neka je

,
`

.
|
a
X
5 . 0 1 . 0 2 . 0
7 4 3 1
:
. Odrediti a, E(X) i D(X).
Rešenje:
69 . 3 9 . 3 9 . 18 ) ( ) ( ) (
9 . 18 2 . 0 7 5 . 0 4 1 . 0 3 2 . 0 1 ) (
9 . 3 2 . 0 7 5 . 0 4 1 . 0 3 2 . 0 1 ) (
2 . 0 ) 5 . 0 1 . 0 2 . 0 ( 1
2 2 2
2 2 2 2 2
· − · − ·
· ⋅ + ⋅ + ⋅ + ⋅ ·
· ⋅ + ⋅ + ⋅ + ⋅ ·
· + + − ·
X E X E X D
X E
X E
a
73
Verovatnoća i statistika – zbirka zadataka
10.3 Slučajna veličina X ima gustinu proporcionalnu sa x
2
na intervalu (0,3). Odrediti joj E(X) i
σ .
Rešenje:
¹
'
¹


·
) 3 , 0 ( , 0
) 3 , 0 ( ,
) (
2
x
x k x
X f
80
27
) (
80
27
16
81
5
27
) (
5
27
5 9
1
9
1
) (
4
9
4
81
9
1
4 9
1
9
1
) (
9
1
1
3
27
1
3
1
3
0
5 3
0
2 2 2
3
0
4 3
0
2
3
0
3
3
0
2
· ·
· − ·
·
]
]
]

· ·
· ·
]
]
]

· ·
· ⇒ ·
·
]
]
]

·



X D
X D
x
dx x x X E
x
dx x x X E
k k
x
k
dx kx
σ
10.4. Diskretna slučajna promenljiva ima dve moguće vrednosti
1
y
i
2
y
. Pri tome je
1 2
y y 〉
.
Ako je
6 . 0 ) (
1
· · y Y p
,
4 . 1 ) ( · Y E
i
24 . 0 ) ( · X D
.
Rešenje:

,
`

.
|
4 . 0 6 . 0
:
2 1
y y
Y
74
Verovatnoća i statistika – zbirka zadataka
8 . 1 1
8 . 0 2
8 . 0
48 . 0 12 . 1
8 . 0
024 . 1 2544 . 1 12 . 1
0 64 . 0 12 . 1 4 . 0
32 . 1 24 . 0 16 . 0 12 . 1 96 . 1
6 . 0 / 2 . 2 4 . 0
6 . 0
16 . 0 12 . 1 96 . 1
2 . 2 4 . 0 6 . 0
6 . 0
4 . 0 4 . 1
4 . 1 4 . 0 6 . 0
24 . 0 4 . 1 4 . 0 6 . 0
24 . 0 ) ( ) ( 24 . 0 ) (
4 . 1 4 . 0 6 . 0 4 . 1 ) (
2 1 1 1
2 2 1 2
2 , 1 2
2
2
2
2
2
2
2 2
2
2
2
2 2
2
2
2
1
2
1 2 1
2 2
2
2
1
2 2
2 1
· ·
· ·
t
·
− t
·
· + −
· + + −
⋅ · +
+ −
· +

· ⇒ · +
· − +
· − ⇔ ·
· + ⇔ ·
y y
y y
y
y y
y y y
y
y y
y y
y
y y y
y y
Y E Y E X D
y y Y E

,
`

.
|
4 . 0 6 . 0
2 1
: Y
10.5. Date su nezavisne slučajne promenljive

,
`

.
|
2 . 0 15 . 0 25 . 0 4 . 0
13 9 7 2
: X
i

,
`

.
|
0 5 . 0 6 . 0 3 5 . 0
4 3 1
: Y
.
Odrediti E(X),D(2X) i D(Y).
Rešenje:
1771 . 1 ) (
2 . 70 ) ( 4 ) 2 (
5 . 6 2 . 0 . 131 15 . 0 9 25 . 0 7 4 . 0 2 ) (
·
· ·
· ⋅ + ⋅ + ⋅ + ⋅ ·
Y D
X D X D
X E
10.6. Dati su zakoni raspodela nezavisnih slučajnih promenljivih.

,
`

.
| −
26 . 0 34 . 0 19 . 0 21 . 0
2 1 0 1
: X
i

,
`

.
|
5 . 0 2 . 0 3 . 0
4 2 0
: Y
. Naći E(XY) i D(X+2Y).
75
Verovatnoća i statistika – zbirka zadataka
Rešenje:
3275 . 13 16 . 12 1675 . 1 ) ( 4 ) ( ) 2 (
56 . 1 ) ( ) ( ) (
· + · + · +
· ·
Y D X D Y X D
Y E X E XY E
10.7. Odrediti Me za slučajnu promenljivu X, ako je ona definisana funkcijom raspodele:
¹
'
¹
> −

·

0 , 1
0 , 0
) (
x e
x
X F
a x
.
Rešenje:
a
Me
aMe
e
e
Me F
aMe
aMe
2 ln
2
1
ln
ln / 5 . 0
5 . 0 1
5 . 0 ) (
·
· −
·
· −
·


10.8. Odrediti matematičko očekivanje, medijanu i modus ako slučajna veličina ima funkciju
raspodele:
¹
¹
¹
¹
¹
'
¹
>
≤ <

·
2 , 1
2 0 ,
4
0 , 0
) (
2
x
x
x
x
X F .
Rešenje:
¹
¹
¹
'
¹
≤ <
· ·
i n a c e
x
x
X F X f
, 0
2 0 ,
2
) ( ' ) (
3
4
3
8
2
1
3 2
1
2
) (
2
0
3 2
0
· ·
]
]
]

· ·

x
dx
x
x X E
2
2
5 . 0
4
5 . 0 ) (
2
2
·
·
·
·
Me
Me
Me
Me F
2
1
) ( ' · X f
nema max f(x), nema modusa
10.9. Izračunati koeficijent varijacije za raspored zadat u tabeli:
76
Verovatnoća i statistika – zbirka zadataka
razmak f x y fy fy
2
5,5-7,5 2 6,5 -5 -10 50
7,5-9,5 3 8,5 -4 -12 48
9,5-11,5 17 10,5 -3 -51 153
11,5-13,5 43 12,5 -2 -86 172
13,5-15,5 62 14,5 -1 -62 62
15,5-17,5 81 16,5 0 0 0
17,5-19,5 70 18,5 1 70 70
19,5-21,5 61 20,5 2 122 244
21,5-23,5 18 22,5 3 54 162
23,5-25,5 3 24,5 4 12 48
Rešenje:
razmak f x y fy fy
2
x
2
fx fx
2
5,5-7,5 2 6,5 -5 -10 50 42,25 13 84,5
7,5-9,5 3 8,5 -4 -12 48 72,25 25,5 216,75
9,5-11,5 17 10,5 -3 -51 153 110,25 178,5 1874,25
11,5-13,5 43 12,5 -2 -86 172 156,25 537,5 6718,75
13,5-15,5 62 14,5 -1 -62 62 210,25 899 13035,5
15,5-17,5 81 16,5 0 0 0 272,25 1336,5 22052,25
17,5-19,5 70 18,5 1 70 70 342,25 1295 23957,5
19,5-21,5 61 20,5 2 122 244 420,25 1250,5 25635,25
21,5-23,5 18 22,5 3 54 162 506,25 405 9112,5
23,5-25,5 3 24,5 4 12 48 600,25 73,5 1800,75

360 155 -5 37 1009 6014 104488
% 17 . 20 100
7 . 16
37 . 3
37 . 3 34 . 11
34 . 11 ) (
23 . 290
360
104488
) (
7 . 16
360
6014
) (
2
2
· ⋅ ·
· ·
·
· · ·
· · ·


V
X D
N
fx
X E
N
fx
X E
i
i
σ
10.10. Odrediti E(XY), E(X), E(Y) ako je zakon raspodele slučajnog vektora (X,Y) dat tablicom.
da li su X i Y nezavisne?
X/Y 0 1 2
0 1/9 2/9 0
1 0 1/9 2/9
2 2/9 0 1/9
Rešenje:
X/Y 0 1 2 f
x
xf
x
0 1/9 2/9 0 1/3 0
1 0 1/9 2/9 1/3 1/3
77
Verovatnoća i statistika – zbirka zadataka
2 2/9 0 1/9 1/3 2/3
f
y
1/3 1/3 1/3 1 -
yf
y
0 1/3 2/3 - -
1 ) ( , 1 ) ( · · Y E X E
X/Y 0 1 2
0 1/9 2/9 0
1 0 1/9 2/9
2 2/9 0 1/9 S
i
xS
i
f
0y
y 0 2/9 0 2/9 0
f
1y
y 0 1/9 4/9 5/9 5/9
f
2y
y 0 0 2/9 2/9 4/9
1 ) ( · XY E
X i Y nisu nezavisne jer je:
) ( ) ( ) ( Y E X E XY E ⋅ ·
10.11. Izračunati koeficijent korelacije za dati dvodimenzionalni raspored.
X/Y 0 1 2 3 4 5 6 7 8 9 10
1 2 1 0 0 0 0 0 0 0 0 0
2 2 2 2 1 0 0 0 0 0 0 0
3 1 2 3 2 2 1 0 0 0 0 0
4 0 0 1 4 4 3 3 1 0 0 0
5 0 0 0 1 4 6 5 4 1 1 0
6 0 0 0 0 1 2 3 6 4 2 0
7 0 0 0 0 0 0 2 3 5 4 2
8 0 0 0 0 0 0 0 0 2 3 2
Rešenje:
X/Y 0 1 2 3 4 5 6 7 8 9 10 fx x*fx x
2
*fx
1 2 1 0 0 0 0 0 0 0 0 0 3 3 3
2 2 2 2 1 0 0 0 0 0 0 0 7 14 28
3 1 2 3 2 2 1 0 0 0 0 0 11 33 99
4 0 0 1 4 4 3 3 1 0 0 0 16 64 256
5 0 0 0 1 4 6 5 4 1 1 0 22 110 550
6 0 0 0 0 1 2 3 6 4 2 0 18 108 648
7 0 0 0 0 0 0 2 3 5 4 2 16 112 784
8 0 0 0 0 0 0 0 0 2 3 2 7 56 448
fy 5 5 6 8 11 12 13 14 12 10 4 100 500 2816
y*fy 0 5 12 24 44 60 78 98 96 90 40 547
y
2
*fy 0 5 24 72 176 300 468 686 768 810 400 3709 Si*xi
f
1y
*y 0 1 0 0 0 0 0 0 0 0 0 1 1
f
2y
*y 0 2 4 3 0 0 0 0 0 0 0 9 18
f
3y
*y 0 2 6 6 8 5 0 0 0 0 0 27 81
4y
*y 0 0 2 12 16 15 18 7 0 0 0 70 280
f
5y
*y 0 0 0 3 16 30 30 28 8 9 0 124 620
f
6y
*y 0 0 0 0 4 10 18 42 32 18 0 124 744
f
7y
*y 0 0 0 0 0 0 12 21 40 36 20 129 903
f
8y
*y 0 0 0 0 0 0 0 0 16 27 20 63 504
Σ 3151
78
Verovatnoća i statistika – zbirka zadataka
5
100
500
) ( · · X E

16 . 28
100
2816
) (
2
· · X E
16 . 3 5 16 . 28 ) (
2
· − · X D
47 . 5
100
547
) ( · · Y E

09 . 37
100
3709
) (
2
· · Y E
1691 . 7 47 . 5 09 . 37 ) (
2
· − · Y D
68 . 2 ·
y
σ

78 . 1 ·
x
σ

87 . 0
68 . 2 * 78 . 1
47 . 5 * 5 51 . 31
·

·
xy
ρ
10.12. Izračunati koeficijent korelacije za dati dvodimenzionalni raspored.
X/Y 1 2 3
1 3 7 0
2 1 4 2
3 5 1 8
4 2 1 6
Rešenje:
X/Y 1 2 3 fx xfx x
2
fx
1 3 7 0 10 10 10
2 1 4 2 7 14 28
3 5 1 8 14 42 126
4 2 1 6 9 36 144
fy 11 13 16 40 102 308
yfy 11 26 48 85
y2fy 11 52 144 207 Si*xi
f
1y
y 3 14 0 17 17
f
2y
y 1 8 6 15 30
f
3y
y 5 2 24 31 93
f
4y
y 2 2 18 22 88
Σ 228
55 . 2 ) ( · X E
7 . 7 ) (
2
· X E
1975 . 1 ) ( · X D
125 . 2 ) ( · Y E
175 . 5 ) (
2
· Y E
659 . 0 ) ( · Y D
81 . 0 ·
y
σ

09 . 1 ·
x
σ

40 . 0 ·
xy
ρ
79
Verovatnoća i statistika – zbirka zadataka
11. NEJEDNAKOST ČEBIŠEVA
Ako slučajna promeljiva ima konačnu disperziju, onda je:
( ) ( )
( )
2
ε
ε
X D
X E X p ≤ ≥ − , ODNOSNO ( ) ( )
( )
2
1
ε
ε
X D
X E X p − > < −
gde je ε proizvoljan pozitivan broj.
U vezi sa ovim pominje se i nejednakost Markova:
( )
( )
a
X E
a X p < >
, odnosno
( )
( )
a
X E
a X p − < > 1
Zadaci:
11.1. Diskretna slučajna promenljiva ima raspodelu verovatnoća:

,
`

.
|
8 . 0 2 . 0
6 . 0 3 . 0
: X
. Oceniti
( ) 2 . 0 ) ( < − X E X p
pomoću nejednakosti Čebiševa.
Rešenje:
0144 . 0 ) (
306 . 0 8 . 0 6 . 0 2 . 0 3 . 0 ) (
54 . 0 8 . 0 6 . 0 2 . 0 3 . 0 ) (
2 2 2
·
· ⋅ + ⋅ ·
· ⋅ + ⋅ ·
X D
X E
X E
( ) 64 . 0
04 . 0
0144 . 0
1 2 . 0 ) ( · − ≥ < − X E X p
11.2. Slučajna promenljiva ima raspodelu verovatnoća:

,
`

.
|
1 . 0 2 . 0 3 . 0 2 5 . 0 1 . 0 0 5 . 0
6 5 4 3 2 1
: X
. Oceniti
( ) 2 ) ( < − X E X p
pomoću nejednakosti Čebiševa.
Rešenje:
66 . 1 ) ( 1 . 16 ) ( 8 . 3 ) (
2
· · · X D X E X E
80
Verovatnoća i statistika – zbirka zadataka
( ) 585 . 0 2 ) 8 . 3 ≥ < − X p
11.3. Iz
( ) 9 . 0 ) ( ≥ < − ε X E X p
i D(X)=0.09 odrediti
ε
.
Rešenje:
( )
3 . 0 9 . 0
1 . 0
09 . 0
9 . 0
09 . 0
1 ) (
2
2
2
· ⇒ ·
·
· − ≥ < −
ε ε
ε
ε
ε X E X p
11.4. Slučajna promenljiva X ima E(X)=1 i standardno odstupanje 0.2.Pomoću nejednakosti
Čebiševa oceniti 0.5<X<1.5.
Rešenje:
( ) 84 . 0 16 . 0 1
5 . 0
2 . 0
1 5 . 0 ) 1
2
2
· − · − ≥ < − X p
11.5. Slučajna promenljiva X ima E(X)=2 i standardno odstupanje 1. Pomoću nejednakosti
Čebiševa oceniti p(-3<X<7).
Rešenje:
( ) 96 . 0
25
1
1
5
1
1 5 ) 2
2
2
· − · − ≥ < − X p
11.6. Matematičko očekivanje E(X) brzine vetra na datoj visini je 25 km/h, dok je standardno
odstupanje σ = 4,5 km/h. Kolike se brzine vetra mogu očekivati na toj visini sa
verovatnoćom ne manjom od 0,9?
Rešenje:
23 . 39 77 . 10
23 . 14 25
23 . 14 5 . 202
1 . 0
25 . 20 25 . 20
1 . 0
25 . 20
1
) (
1 9 . 0
9 . 0 ) 25 (
25 . 20 ) ( 5 . 4
25 ) (
2
2
2 2
≤ ≤
≤ −
⇒ · · ⇒ − · −
− · − ·
≥ ≤ −
· ⇒ ·
·
X
X
X D
X p
X D
X E
ε
ε
ε ε
ε
σ
81
Verovatnoća i statistika – zbirka zadataka
11.7. Slučajna promenljiva ima raspodelu verovatnoća:

,
`

.
|
0 5 . 0 1 5 . 0 1 5 . 0 2 5 . 0 3 . 0 1 . 0
1 2 1 0 8 6 4 2
: X
. Oceniti
( ) 11 < X p
pomoću nejednakosti Markova.
Rešenje:
2 . 6 ) ( · X E
( ) 44 . 0
11
2 . 6
1 11 ≈ − ≥ < X p
11.8. Srednji vek motora je 4 godine. Oceniti verovatnoću da dati motor neće raditi više od 20
godina.
Rešenje:
( ) 8 . 0
20
4
1 20 · − ≥ < X p
82
Verovatnoća i statistika – zbirka zadataka
12. LINEARNE REGRESIJE
Ako je poznat zakon raspodele slučajnih veličina (X,Y), određujemo uslovne verovatnoće
u diskretnom i naprekidnom slučaju:
( )
( )
( )
( ) ( )
( )
( ) x f
y x f
y f x y f
i
x p
y x p
x X y Y p
x
i
j i
i j
1
,
/
,... 2 , 1 ;
,
/
· ·
· · · ·
Ako je zavisnost među slučajnim veličinama delimična, radi se o uslovnom
matematičkom očekivanju:
( ) ( ) ( ) x X Y E x y X R · · · /
koje u diskretnom slučaju ima oblik:
( ) ( ) ( )

· ·
j
i i j
x y p y x y X R /
a u neprekidnom:
( ) ( ) ( )


∞ −
· · dy x y yf x y X R /
Slučaj linearne regresije – aproksimativna kriva je
β α + · X Y
. Linearnu regresiju
možemo odrediti metodom najmanjih kvadrata. Parametre α i β određujemo iz uslova da
funkcija ( ) ( ) ( )
2
, β α β α + − · X Y E G ima minimum. Dobijamo sistem jednačina:
( ) ( ) ( )
( ) ( ) Y E X E
G G XY E X E X E
· +
· ′ ∧ · ′ · +
β α
β α
β α
0 0
2
čijim rešavanjem dolazimo do izraza za linearnu regresiju Y na X.
( ) ( ) ( ) Y E X E X y
x
y
xy
+ − ·
σ
σ
ρ
Ako je na raspolaganju n tačaka
( )
i i i
y x M ,
, traži se da funkcija:
( ) ( ) ( )

·
+ − ·
n
i
i i i
x y p G
1
2
, β α β α
ima najmanju vrednost.
Odatle je:
( )
( )
∑ ∑
∑ ∑ ∑ ∑
∑ ∑
∑ ∑ ∑


·


·
2
2
2
2
2
i i
i i i i i
i i
i i i i
x x n
y x x y x
x x n
y x y x n
β
α
čijom se zamenom u
β α + · X Y
dobija linearna regresija Y na X.
83
Verovatnoća i statistika – zbirka zadataka
Zadaci
12.1. Odrediti srednje kvadratnu regresionu pravu Y na X na osnovu zadate tabele podataka:
x 1 3 4 6 8 9 11 14
y 1 2 4 4 5 7 8 9
Rešenje:
x y x
i
2
x
i
y
i
1 1 1 1
3 2 9 6
4 4 16 16
6 4 36 24
8 5 64 40
9 7 81 63
11 8 121 88
14 9 196 126
Σ 56 40 524 364
64 . 0
56 524 8
40 56 364 8
2
·
− ⋅
⋅ − ⋅
· α 55 . 0
56 524 8
364 56 40 524
2
·
− ⋅
⋅ − ⋅
· β
55 . 0 64 . 0 + · X Y
12.2. Za podatke u tabeli
( )
i i i
y x M ,
odrediti regresiju Y na X.
x
i
y
i
2
i
x
x
i
y
i
1 1.25 1 1.25
1.5 1.4 2.25 2.1
3 1.5 9 4.5
4.5 1.75 20.25 7.875
5 2.25 25 11.25
Rešenje:
202 . 0 · α
024 . 1 · β
024 . 1 202 . 0 + · X Y
12.3. Zakon raspodele slučajnog vektora (X,Y) dat je tablicom. Odrediti regresiju Y na X i ρ
xy
.
X/Y 0 2 4 6
1 0 3 1 4
2 2 1 0 1
3 4 2 2 0
Rešenje:
X/Y 0 2 4 6 fx xfx x
2
fx
1 0 3 1 4 8 8 8
2 2 1 0 1 4 8 16
3 4 2 2 0 8 24 72
84
Verovatnoća i statistika – zbirka zadataka
fy 6 6 3 5 20 40 96
yfy 0 12 12 30 54
y2fy 0 24 48 180 252 Si*xi
f
1y
y 0 6 4 24 34 34
f
2y
y 0 2 0 6 8 16
f
3y
y 0 4 8 0 12 36
Σ 86
2 ) ( · X E

5
24
) (
2
· X E

5
4
) ( · X D
10
27
) ( · Y E

5
63
) (
2
· Y E

31 . 5 ) ( · Y D
89 . 0 ·
x
σ 3 . 2 ·
y
σ 54 . 0 − ·
xy
ρ
X Y
X Y
X E X Y E Y
X
XY
Y
39 . 1 96 . 3
89 . 0
2
54 . 0
3 . 2
7 . 2
) ( ) (
− ·

− ·


·

σ
ρ
σ
12.4. Zakon raspodele slučajnog vektora (X,Y) dat je tablicom. Odrediti metodom najmanjih
kvadrata regresiju Y na X i ρ
xy
.
X/Y 1 2 3 4 5 6
0 1 3 0 0 0 0
1 2 0 4 0 2 0
2 0 0 3 3 0 2
Rešenje:
X/Y 1 2 3 4 5 6 fx xfx x2fx
0 1 3 0 0 0 0 4 0 0
1 2 0 4 0 2 0 8 8 8
2 0 0 3 3 0 2 8 16 32
fy 3 3 7 3 2 2 20 24 40
yfy 3 6 21 12 10 12 64
y2fy 3 12 63 48 50 72 248 Si*xi
f1yy 1 6 0 0 0 0 7 0
f2yy 2 0 12 0 10 0 24 24
f3yy 0 0 9 12 0 12 33 66
Σ 90
85
Verovatnoća i statistika – zbirka zadataka
78 . 1 18 . 1
18 . 1 96
2
25 . 9
14
2
9
5
6
5
16
5
6
2
78 . 1
5
6
5
16
5
16
5
6
2
9
5
6
2
) ( ) (
) ( ) ( ) (
2
+ ·
· ⇒ − ·
·
,
`

.
|
− +
· − · ⇒ · +
· +
· +
· +
X Y
Y E X E
XY E X E X E
α α
α α
α β β α
β α
β α
β α
86
Verovatnoća i statistika – zbirka zadataka
DODATAK A - NEKE VAŽNE DISKRETNE RASPODELE
Binomna raspodela
( ) p n B ,
,
( ) 1 , 0 ∈ p
{ ¦
( )
i n i
i
x
q p
i
n
i X p p
n R

,
`

.
|
· · ·
· ,..., 1 , 0
n i ,..., 1 , 0 ·
Puasonova raspodela
( ) λ
0
P
, (λ> 0)
{ ¦
( )
λ
λ

· · ·
·
e
i
i X p p
R
i
i
x
!
,... 2 , 1 , 0
,... 2 , 1 , 0 · i
Geometrijska raspodela
{ ¦
( ) ( ) p p i X p p
R
i
i
x
1
1
,... 3 , 2 , 1

− · · ·
·
87
Verovatnoća i statistika – zbirka zadataka
DODATAK B - NEKE VAŽNE RASPODELE NEPREKIDNOG TIPA
Normalna (Gausova) raspodela N (m,σ )
( )
( )
dt e x F
x
m t

∞ −


·
2
2
2
2
1
σ
π σ
( )
( )
2
2
2
2
1
σ
π σ
m x
e x f


·
( ) ( ) ( ) ( )
( )
( )
( )

,
`

.
|

Φ − · 〈 ∞ 〈

,
`

.
|

Φ + · 〈 ∞ 〈 −

,
`

.
|
Φ · 〈 〈 −
Φ − Φ · 〈 〈 ·

,
`

.
|





· 〈 〈
σ
σ
σ
σ σ σ
m x
X x P
m x
x X P
a
a X a P
t t t T t P
m b m x m a
P b X a P
5 . 0
5 . 0
2
1 2 2 1
Uniformna raspodela
( ) b a U ,
, (a<b)
88
Verovatnoća i statistika – zbirka zadataka
( )
¹
¹
¹
¹
¹
'
¹

≤ ≤



·
b x
b x a
a b
a x
a x
x F
, 1
,
, 0
( )
[ ]
[ ]
¹
¹
¹
'
¹



·
b a x
a b
b a x
x f
, ,
1
, , 0
Gama raspodela
( ) b a G ,
, (a>0, b>0)
( )
( )
¹
¹
¹
'
¹

Γ

·

∞ −
− −
0 ,
0 , 0
1
x d t e t
b
a
x
x F
x
a t b
b
;
( )
( )
¹
¹
¹
'
¹

Γ

·
− −
0 ,
0 , 0
1
x e x
b
a
x
x f
a x b
b
;
( )
( ) ( ) N n n n
dx e x b
a b
∈ ∀ · + Γ
· Γ


− −
! 1
0
1
Eksponencijalna raspodela
( ) a E
x
, (a>0)
( )
¹
'
¹
〉 −

·

0 , 1
0 , 0
x e
x
x F
a x
( )
¹
'
¹


·

0 ,
0 , 0
x a e
x
x f
a x
89

Verovatnoća i statistika – zbirka zadataka 1.1.4. Koliko se prirodnih brojeva između 3000 i 5000 može napisati pomoću cifara 0, 1, 2, 3, 4, 5, 6, 7, ako se nijedna cifra ne ponavlja u jednom broju? Rešenje:
V21 ⋅V73 = 2 ⋅ 7! 7! = 2 ⋅ = 2 ⋅ 7 ⋅ 6 ⋅ 5 = 420 (7 − 3)! 4!

1.1.5. Jedan student treba da polaže 4 ispita za 8 dana. Na koliko načina to može učiniti ako se zna da poslednji ispit polaže osmog dana? Rešenje:
V73 = 7! 7! = = 7 ⋅ 6 ⋅ 5 = 210 (7 − 3)! 4!

1.1.6. Odeljenje jednog razreda broji 35 učenika. Oni su međusobno razmenili fotografije. Koliko je ukupno podeljeno fotografija? Rešenje:
2 V35 =

35! 35! = = 35 ⋅ 34 = 1190 (35 − 2)! 33!

1.1.7. Od koliko različitih elemenata možemo formirati 210 varijacija druge klase? Rešenje:
Vn2 = 210 n! = 210 (n − 2)! n ⋅ ( n −1) = 210 n 2 − n − 210 = 0 1 ± 1 + 840 1 ± 29 = 2 2 n1 = 15 n1, 2 =

1.1.8. Koliko se brojeva može formirati pomoću elemenata skupa N koji čine svi prosti činioci broja 2310 ako traženi brojevi sadrže po dva različita prosta činioca? Rešenje:
2310 = 2 ⋅ 3 ⋅ 5 ⋅ 7 ⋅ 11
V
2 5

=

5! 5! = = 5 ⋅ 4 = 20 (5 − 2)! 3!

1.1.9. Koliko se petocifrenih brojeva može obrazovati od cifara 0, 1, 3, 5, 7, 9 ako se 0 ne nalazi ni na prvom ni na poslednjem mestu i da se nijedna cifra ne ponavlja? Rešenje: 480 1.1.10. Rešiti jednačine: a) Vn3 = Rešenje: a) 2
5 3 Vn +2 , b) V23n +4 : Vn4 4 = 2 : 3 + 12

Verovatnoća i statistika – zbirka zadataka
5 3 Vn +2 12 n! 5 ( n + 2)! = ( n − 3)! 12 ( n −1)! 5 12 n( n −1)( n −2) = ( n + 2)( n +1) n /⋅ 12 n 2 2 12 ( n −3n + 2) = 5( n +3n +2) Vn3 =
12 n 2 −36 n +24 = 5n 2 +15 n +10 7 n 2 −51 n +14 = 0 n1, 2 = n1 = 7 51 ± 2601 −392 51 ± 47 = 14 14

b)
V
3 2 n +4

:V

4 n +4

=2 :3

( 2n + 4)! ( n + 4)! 2 : = ( 2n +1)! n! 3 ( 2n + 4)( 2n + 3)( 2n + 2) 2 = ( n + 4)( n + 3)( n + 2)( n +1) 3 2( n + 2)( 2n + 3) 2( n +1) 2 = ( n + 4)( n + 3)( n + 2)( n +1) 3 6( 2n + 3) = ( n + 4)( n + 3) 12 n +18 = n 2 + 3n + 4n +12 n 2 − 5n − 6 = 0 n1, 2 = n1 = 6 5 ± 25 + 24 5 ±7 = 2 2

1.1.11. Koliko različitih bacanja daju četiri kocke za igru? Rešenje:
V64 = 6 4 = 1296

1.1.12. Koliko se petocifrenih brojeva može napisati pomoću 10 cifara koje se mogu ponavljati, tako da prve dve cifre budu 4 i 0? Rešenje:
3 V10 = 10 3 = 1000

1.1.13. Koliko petocifrenih telefonskih brojeva ima ako znamo da su im sve cifre neparne? Rešenje:
V55 = 5 5 = 3125

1.1.14. Odrediti broj reči, od 5 slova, koje se mogu napisati pomoću azbuke od 30 slova, bez obzira da li se u rečima ponavljaju sva slova i da li se dobijaju reči bez značenja. Rešenje:
5 V30 = 30 5 = 243 ⋅ 10 5

3

Verovatnoća i statistika – zbirka zadataka

1.1.15. Dat je skup A={3, 4, 5, 6, 7}. Odrediti broj trocifrenih brojeva koji se mogu obrazovati od elemenata skupa A. Rešenje:
V53 = 5 3 = 125

1.1.16. Dat je skup E={0, 1, 2, 3, 4, 5}. Odrediti broj četvorocifrenih brojeva većih od 1000, koji se mogu obrazovati od elemenata skupa E. Rešenje:
5 ⋅V63 − 1 = 5 ⋅ 6 3 − 1 = 1079

1.1.17. Odrediti broj različitih šestocifrenih brojeva koji se mogu formirati od elemenata skupa E={0, 1, 2, 3, 4, 5, 6, 7}, tako da se cifre mogu ponavljati i da krajnje cifre budu parne. Rešenje:65536 1.1.18. Koliko se Morzeovih znakova može formirati iz oba osnovna znaka . i -, ako se jedan znak sastoji od najviše 5 znakova? Rešenje:
V21 + V22 + V23 + V24 + V25 = 2 + 4 + 8 + 16 + 32 = 62

1.1.19. Broj varijacija četvrte klase sa ponavljanjem od x elemenata iznosi 50625. Odrediti broj elemenata x. Rešenje:
Vx4 = 50625
x 4 = 50625 / log 4 log x = log 50625 log 50625 log x = ⇒ x = 15 4

1.1.20. Broj varijacija treće klase sa ponavljanjem od x elemenata veći je za 408 od broja varijacija treće klase bez ponavljanja od istog broja elemenata. Odrediti broj x. Rešenje: x = 12

1.2. Permutacije
Permutacija bez ponavljanja skupa S={a1, a2, ... , an} (ks=n) je svaka varijacija n-te klase bez ponavljanja u skupu S. Broj permutacija bez ponavljanja od n elemenata određujemo po formuli:
P ( n) = n!

4

8}.. Koliko permutacija. 2. 3. Rešenje: P3.5. 0. 2.2.2. Na koliko različitih načina mogu da sednu četiri osobe ako su postavljene četiri stolice? Rešenje: P ( 4) = 4! = 24 1.. 2. . od kojih ima k1 jednakih jedne vrste. 123 i 8642? Rešenje: P (7) = 5040 P (5) =120 P (4) = 24 1. 2. pri čemu je m≤ n i k1+k2+. . k 2 .2.. b. b. km n! (n) = k1 ! k 2 !. 0. 4} P(4)=V44 (bez ponavljanja): 1234 1243 1324 1342 1423 1432 2134 2143 2314 2341 2413 2431 3124 3142 3214 3241 3412 3421 4123 4132 4213 4231 4312 4321 S={1.1 (7) = 7! 7 ⋅6 ⋅5 ⋅ 4 = = 140 3!⋅3!⋅1! 3⋅2 1. k2 jednakih druge vrste itd.2.3. počinje sa: 5.Verovatnoća i statistika – zbirka zadataka Neka je dat skup od n elemenata. ne uzimajući u obzir one koji počinju nulom ili nulama? Rešenje: 5 . a. 2.4.. Koliko ima sedmocifrenih brojeva obrazovanih od cifara 0. 1(4) (sa ponavljanjem): 1223 1232 1322 2123 2213 2231 2132 2312 2321 3122 3212 3221 Zadaci 1.. c.2. Dat je skup E={1.1. 0. a. 3} P1. Primer: S={1..2. Odrediti broj permutacija od elemenata a.+km≤ n. Broj permutacija sa ponavljanjem određujemo po formuli: Pk1 . b. 1... k m ! . km jednakih m-te vrste.. Na koliko se načina može rasporediti 8 knjiga na jednoj polici? Rešenje: P (8) = 40320 1. koje se mogu obrazovati od elemenata skupa E. 2. Svaki linearni raspored koji se sastoji od svih elemenata zove se permutacija sa ponavljanjem. 3.3.

1 (8) = 8! = 8 ⋅ 7 ⋅ 5 = 280 4!⋅3!⋅1! 8! P5. 2. počinje sa 22. Rešenje: P ( n ) : P ( n + 2 ) = 0 .2. Koliko permutacija od elemenata 1. b. b. Broj permutacija od n+2 elementa je veći 56 puta od broja permutacija od n elementa. a. Odrediti n.9.2. c. c? Rešenje: P3.Verovatnoća i statistika – zbirka zadataka 3 ⋅ P4.3 (8) = 8! 8 ⋅7 ⋅6 ⋅5 ⋅ 4 = = 560 3!⋅2!⋅3! 12 1. sa 313 i sa 1234? Rešenje: 22 . b.2. sa b i sa c? Rešenje: a b c P4 . 3. a. 3. a.8. 2.1.1. Rešenje: 56 1. c.2.P1.7. 4.1 (6) = 6! = 3 ⋅ 6 ⋅ 5 = 90 4!⋅1!⋅1! 1.3. 4. počinje sa a. 4.1 = ( n + 2)! 3 3 = ( n + 2)( n +1) ⋅ 0. b.6. 2.11.10.3 (8) = = 8 ⋅ 7 = 56 5!⋅3! 1. Odrediti broj permutacija koje se mogu formirati od svih činilaca proizvoda a5⋅ b3. Broj permutacija od n elemenata odnosi se prema broju permutacija od n+2 elementa kao 0.2. a. Rešiti jednačinu: Rešenje: 6 ( n +1)! = 30 .3 (9) = 9! 9 ⋅8 ⋅ 7 ⋅ 6 ⋅5 = = 2520 4!⋅3! 6 1.1 /⋅10 n 2 + 3n − 28 = 0 n1. 3.1 : 3 n! 0. ( n −1)! . 4. Na koliko se različitih načina može prikazati a3b2c3 kao proizvod od osam činilaca a. a. 2. 2 = n1 = 4 − 3 ± 9 +112 − 3 ±11 = 2 2 1. Rešenje: n1 = 6 1. 3. Odrediti n. 2.12. Koliko permutacija od elemenata a.1 (8) = = 8 ⋅ 7 ⋅ 3 = 168 5!⋅2!⋅1! 8! P5. c. a.2.2.1:3. b.

Rešiti jednačinu: Rešenje: n1 = 7 (n + 2)! = 72 .2. n! 7 .Verovatnoća i statistika – zbirka zadataka ( n +1)! = 30 ( n −1)! ( n +1) n = 30 n 2 + n − 30 = 0 n1.13. 2 = n1 = 5 −1 ± 1 +120 −1 ±11 = 2 2 1.

Na jednom šahovskom turniru učestvuje petnaest šahista. an} je svaki njegov podskup od k elemenata. 8 . 4.. . 4} C43 (sa ponavljanjem): 111 112 113 114 123 124 222 221 223 224 234 333 331 332 334 341 444 441 442 443 Zadaci 1.3. Kombinacije Kombinacija k-te klase bez ponavljanja skupa S={a1.1. a2.3. Svaki treba da odigra partiju sa svakim. 3. 2. 1≤ k≤ n. 5} C53 (bez ponavljanja): 123 124 125 134 135 145 234 235 245 345 S={1.Verovatnoća i statistika – zbirka zadataka 1. Broj kombinacija k-te klase od n elemenata sa ponavljanjem određujemo po formuli: k n + k −1  C n =   k   Primer: S={1.2.3. 3.3. Koliko se različitih grupa po 4 učenika može izabrati od 12 kvalifikovanih učenika koji će reprezentovati školu na takmičenju? Rešenje: 4 C12 = 12! = 495 4!⋅8! 1. 2. . Odrediti broj dijagonala konveksnog petougla i n-tougla.3.. zovu se kombinacije sa ponavljanjem. Koliko će biti odigrano partija na turniru? Rešenje: 2 C15 = 15! = 105 2!⋅13! 1. Broj kombinacija bez ponavljanja od n elemenata k-te klase određujemo po formuli: k Cn = n  n! =  k  k!( n −k )!   Kombinacije k-te klase od n elemenata u kojima se jedan elemenat može ponavljati do k puta.

3.Verovatnoća i statistika – zbirka zadataka Rešenje: 5! =5 2!⋅3! n! 1 1 3 2 Cn − n = − n = n( n −1) − n = n 2 − n 2!⋅( n − 2)! 2 2 2 2 C5 − 5 = 1. n 2 = 3 n −2 3 1. Na jednom šahovskom turniru odigrano je 210 partija. a3 3 C + C + C + C3 = 1 + 3 + 3 + 1 = 8 = 23 0 3 1 3 2 3 -A C + C + C + C + C + C + C = 1 + 6 + 15 + 20 + 15 + 6 + 1 = 64 = 2 6 0 6 1 6 2 6 3 6 4 6 5 6 6 6 1.8... a5 i a6. Rešenje: 2 C n = 210 n! = 210 2!( n −2)! n( n −1) = 420 n 2 − n − 420 = 0 −1 ± 1 +1680 −1 ± 41 = 2 2 n1 = 21 n1. a6}. Odrediti broj svih podskupova skupa koji ima n elemenata. a2. Dat je skup A={a1..5.5.a1..3.4.7. Na koliko načina se može obaviti izbor? Rešenje: 4 2 3 3 2 4 1 5 10 ⋅ C15 + C10 ⋅ C15 + C10 ⋅ C15 + C10 ⋅ C15 + C15 = 52878 1. . Rešenje: n1 = 14 . Rešiti jednačinu: 5C n = C n +2 . Rešenje: 9 . 2 = 3 4 1. = 2 n 1. a2.3. Za delegaciju škole treba izabrati. pet učenika od kojih bar jedan govori engleski. Rešiti jednačinu: C n +1 + 2C n −1 = 7(n −1) . Odrediti broj učesnika ako se zna da je svaki učesnik odigrao partiju sa svakim.3.6. Odrediti sve podskupove skupa A koji: ne sadrže elemente a4. od 10 učenika koji govore nemački i 15 koji govore engleski jezik.3. Rešenje: 0 1 2 C n + C n + C n + . sadrže sve elemente skupa A. Rešenje: .3. .

3.3. Odrediti x. 6.3. Imamo 100 televizora i slučajno izaberemo 20. 7. Ako znamo da ima ukupno 10 neispravnih na koliko načina se u uzorku može naći tačno 5 neispravnih? Rešenje: 5 15 C10 ⋅ C 90 1.13. Rešenje: C x2 = 276 ( x +1)! = 276 2!( x −1)! ( x +1) x = 552 x 2 + x −552 = 0 x1 = 23 1.3. Ako je Cn8= Cn12 izračunati Cn17. Rešenje: x =8 1. bitan je? Rešenje: 6 .10. Rešenje: n = 20 17 C20 =1140 10 .12.14. 8}? Rešenje: C 43 = 6! = 20 3!3! 1. 2 = n1 = 5 3 ± 9 + 40 3 ±7 = 2 2 1.3. Broj kombinacija treće klase bez ponavljanja od x elemenata odnosi se prema broju kombinacija treće klase od istog broja elemenata sa ponavljanjem kao 7:15.Verovatnoća i statistika – zbirka zadataka n− 3 C n +12 + 2C n −1 = 7(n −1) ( n +1)! (n −1)! +2 = 7( n −1) 3!( n − 2)! 3!(n − 4)! n1. Broj kombinacija druge klase od x elemenata sa ponavljanjem iznosi 276. Na koliko načina se to može izvesti ako redosled automobila: nije bitan. Koliko ima trouglova čije dužine stranica imaju vrednosti u skupu {5.11. a 9 ljudi želi da vozi.V96 = 60480 1.C 9 = 84 . Odrediti x.3.9. Imamo na raspolaganju 6 automobila.

Rešenje: n =5 k =3 11 . Odrediti n i k ako je: Vnk=60 i Cnk=10.15. Odrediti n i k ako je: Vnk=24 i Cnk=4. Rešenje: n =4 k =3 1.16.3.3.Verovatnoća i statistika – zbirka zadataka 1.

4. 2 8 20 12  1 8 12 ⋅11 ⋅10 ⋅ 9 4 3 3 4 2 T5 =  ( x ) ⋅ ( x ) = ⋅ x ⋅ x = 495 x 3 4 4 ⋅3⋅ 2   12 . Odrediti peti član u razvijenom obliku binoma: Rešenje: 2  1  x 2 +x 3      1 2 . tada je: n n  n  n   n  1 n− n  n  1 1            ( a +b) n = a n + a n − b1 + a n −2 b 2 +. Primeniti binomnu formulu na binom: (2x+5)4.4.. + +  n = ∑ a n −k b k b a b   0 1 2 n −1 n k = k  0      gde je   binomni koeficijent i 1≤ k≤ n.Verovatnoća i statistika – zbirka zadataka 1.. Binomni obrazac Ako je n bilo koji prirodan broj i a i b bilo koji kompleksni brojevi. Rešenje: 4  4  4  4  4  (2 x + 5) 4 =  ( 2 x) 4 +  ( 2 x) 3 5 +  ( 2 x) 2 5 2 +  ( 2 x)53 +  5 4 = 0  1  2  3  4            4 3 2 =16 x + 20 ⋅ 8 ⋅ x + 6 ⋅ 4 x ⋅ 25 + 4 ⋅ 2 ⋅125 x + 625 = =16 x 4 +160 x 3 + 600 x 2 +1000 x + 625 1. 1 1 1 1 1 . 4 3 6 2 3 4 1 1 1 1 Zadaci 1..1.4...2.. k    n  Opšti član u razvijenom obliku binoma (a+b)n dat je formulom: n  Tk + =  n −k b k a 1 k    Paskalov trougao prikazuje koeficijente uz an-kbk u razvoju binoma: ( a + b) 0 = 1 ( a + b)1 = a + b ( a + b ) 2 = a 2 + 2ab + b 2 ( a + b ) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 .

Odrediti 13. Odrediti član koji ne sadrži x u razvijenom obliku binoma: ( x + x −2 ) .4. ako je binomni koeficijent 3x trećeg člana jednak 105. U razvijenom obliku binoma Rešenje: ( x 3 )11−k ⋅ ( x 2 ) k = x 5 x3 11 k − 3 1 1 1  1  x 3 +x 2      1 1 odrediti član koji posle sređivanja sadrži x sa izložiocem 5.4. 12 Rešenje: 12  12  Tk +1 =  x12 −k ⋅ ( x −2 ) k =  x12 −k −2 k k  k      12 −3k = 0 k =4 Peti član ne sadrži x.5.Verovatnoća i statistika – zbirka zadataka 1.4. ⋅ x 2 = x5 k 1 − k1 k + =5 3 2 2 − 2k + 3k = 3 0 k= 8  1  51 1 ⋅ 1 1⋅ 9 05 5 T9 =   x = x = 1 x 6 5  8  3⋅ 2 1. 13 .4.3. član u razvijenom obliku binoma (9 x − Rešenje: 1 n ) . 1.

2 =  1  5 3 1 1 21 ⋅ 1 5⋅ 1 4 6 33 1 − 3 T1 + 1 2=   (9x) ( ) = ⋅ 3 x 6 6 = 4 x 5 5  1  2 3x 3 ⋅ 2 3 x 1  1.4. drugog i trećeg člana u razvijenom obliku binoma  x 2 +  x  n jednak je 46. Rešenje: n  n  n    +   +   = 46 0  1   2        n! 1+ n + = 46 ( n − 2)!2! 2 + 2n + n ⋅ ( n −1) = 92 n 2 − n − 90 = 0 n1. Zbir koeficijenata prvog.6.Verovatnoća i statistika – zbirka zadataka n! =1 0 5 (n − 2) 2! ! n⋅ (n − 1) = 2 1 0 n2 − n − 2 = 01 0 1± 1+ 8 4 0 2 n1 = 1 5 n1. 2 = −1 ± 1 + 360 ⇒ n2 = 9 2 14 . Odrediti član koji ne sadrži x.

15 .5.4. Odrediti član koji ne sadrži x.8.Verovatnoća i statistika – zbirka zadataka  2 1 x +   x  2 1 x +   x n 9  9  2 9− k  1   9  1 − 2k 8 − k T + 1 = k  x   =   x x  k  x  k () k 1 − 2k 8− k = 0 k= 6  9 9 8⋅⋅ 7 T7 =   = = 8 4  6 3 ⋅ 2 1.4. Odrediti član koji ne sadrži x8. 1.7. Binomni koeficijent trećeg člana u razvijenom obliku binoma ( x x + x −5 ) jednak je 78. Zbir binomnih koeficijenata drugog i trećeg člana u razvijenom obliku binoma 2  −3 x 2 +x 3   1  3 Tk+ 1 =   (x ) ⋅ x k 3 2 1 − k −35k . n Rešenje: n=13. k=3     n jednak je 136.

Verovatnoća i statistika – zbirka zadataka Rešenje: n=16. k=15 16 . 1  6   Tk+ 1 =   (x ) ⋅  x  k   k 3 2 − 2 1 − k 63 .

događaj čija je realizacija nemoguća. 4. simetrična razlika događaja – A∆ B=(A-B)∪(B-A)=(A∪B)-AB disjunktni događaji – A∩B=AB=∅ znači da se događaji ne mogu istovremeno ostvariti. n=1.. . Ω∈ F. ⇒ An ∈ F n =1 n Važi i da ako prazan skup pripada F onda proizvod svih An takođe pripada F. Primer: opit je bacanje kocke. Proširenje operacija unije i preseka na konačno i prebrojivo mnogo događaja: A1 ∩A2 ∩. događaji Bi obrazuju potpunu grupu događaja. a ne pripadaju događaju B. ako: 1. A – događaj koji je bilo koji podskup skupa Ω . Primer: pala je šestica. unija događaja – A∪B ili A+B (kada su A i B disjunktni događaji) znači događaj koji se realizuje ako se realizuje bar jedan od događaja A i B. i=1. 2... 17 .. 5. An∈F.elementarni događaj. Analogno relacijama i operacijama u Teoriji skupova i ovde možemo posmatrati relacije: implikacija (⊂) – A⊂B (A povlači B) znači da se B realizuje kad se realizuje A. A je rastavljen na n posebnih činilaca.Verovatnoća i statistika – zbirka zadataka 2.skup svih mogućih ishoda (događaja) koji se mogu očekivati pri nekom opitu...n. Primer: pojava parnog broja Siguran događaj – događaj koji se realizuje uvek. 2. σ -POLJE DOGAĐAJA Ω .+Bn. . ∩An = Ai i= 1 n n događaj koji se realizuje ako se realizuje svaki od događaja Ai... presek ili proizvod događaja – A∩B ili AB znači događaj koji se realizuje samo kada se realizuju i događaj A i događaj B.. A1 ∪A2 ∪. Klasa F događaja koji se posmatraju kod opita sa slučajnim ishodima je σ -polje događaja (ili σ -algebra). razlika događaja – A/B ili A–B=ABc znači događaj koji se realizuje kada se realizuju oni ishodi ω koji pripadaju događaju A. Ako A⊂B i B⊂A u pitanju su identični događaji. ∪An =  An i= 1 Ako je A=B1+B2+.. Nemoguć događaj – prazan podskup Ω . 6} ω . BiBj=∅ za i≠ j. 2.. Ako njihova unija čini Ω . A∈F ⇒ Ac∈F 3. komplementaran ili suprotan događaj događaja A – Ac ili A je događaj koji se realizuje samo ako se događaj A ne realizuje. a Ω ={1. 3... pojedini ishod ili rezultat (elemenat skupa Ω ).

421 . (Ac)c=A. B. (G .2).položili su svi i I .Verovatnoća i statistika – zbirka zadataka Važe sledeći identiteti: Komutativnost preseka i unije: A∩B=B∩A. A∪Ac=Ω .4. Ako sa A.2.. Rešenje: Ω={1.3).položio je makar jedan od njih. + A1c .. A∪A=A ∅c=Ω . Rešenje: 18 . A∪(B∪C)=(A∪B)∪C Distributivni zakon: A(B∪C)=AB∪AC.21.5). (A ) i c = Aic . ( P. (G .3. AΩ =A De Morganovi zakoni: (AB)c=Ac∪Bc. F – položila su dva studenta.4).241 .23 .43 .3). AAc=∅. ( P.423 . ( P.6)} 2.6). Baca se kocka i registruje broj koji se pojavi na gornjoj strani. pri čemu se registruje pojava pisma i grba na novčiću.4. Opisati prostor ishoda. ( P. A∪ (BC)=(A∪B)(A∪C) Zakon jedinice: A∪∅=A. Rešenje: Ω={( P. A∅=∅.. ( ) A i c =Aic Idempotentni zakon: AA=A.2. Bojan. Ω c=∅ A∪B=A∪AcB n  c Ai = A1 + A1c A2 +Aic A2 A3 + . kao i pojava broja na gornjoj strani kocke.3. Na slučajan način se iz kutije izvlači jedna po jedna cedulja bez vraćanja i to sve dok se ne izvuče cedulja na kojoj je neparan broj.5). Bacaju se istovremeno novčić i numerisana kocka. G – položio je samo Bojan. An i =1 Zadaci 2. Neka je događaj A: pada broj manji od 3.41. A∪B=B∪A Asocijativnost preseka i unije: A(BC)=(AB)C.1)( G . (A∪B)c=AcBc. (G . (G .. (G . kao i događaje A i B. 243 } 2.3. Rešenje: E=AcBcDcMc F= ABD M + AB DM + ABcDcM+ AcBDMc+ AcBDcM+ AcBcDM G= AcBMcDc H=ABDM I= A ∪ B ∪ D ∪ M c c c c 2. Četiri studenta Aca. izraziti sledeće događaje: E – nijedan nije položio.1).1. Darko i Marko polažu ispit. D i M označimo njihove uspehe na ispitu. H . ( P. U kutiju su 4 cedulje numerisane brojevima 1.2).4). Opisati skup ishoda. Opisati prostor ishoda. A∪Ω =Ω . a događaj B: pada broj manji od 5.

Dokazati da događaji AB.2.3.ABC.ABC. Rešenje: C C C C C A1 + A1C A2 + A1C A2 A3 + A1C A2 A3 = A1 + A1C A2 + A1C A2 ( A3 + A3 ) = C C C = A1 + A1C A2 + A1C A2 Ω = A1 + A1C A2 + A1C A2 = A1 + A1C ( A2 + A2 ) = = A1 + A1C Ω = A1 + A1C = Ω A1 ⋅ A1C A2 = ∅ C A1 ⋅ A1C A2 A3 = ∅ C C A1 ⋅ A1C A2 A3 = ∅ C A1C A2 ⋅ A1C A2 A3 = ∅ C C A1C A2 ⋅ A1C A2 A3 = ∅ C C C A1C A2 A3 ⋅ A1C A2 A3 = ∅ 2.2. B = {1. ACB.3. Dokazati da događaji A1 .8. A1 A2 .Verovatnoća i statistika – zbirka zadataka Ω = {1. 6} . 4} 2. A1 A2 A3 obrazuju potpun sistem događaja. 2}. A+B. Neka je A ⊂ B . A = {1.6.7.C: a) A ∪ BC = ( A ∪ B )( A ∪C ) b) A ∪ B = AB ∪ AB c ∪ Ac B Rešenje: ω ∈( A ∪( B ∩C )) ⇔ (ω ∈ A ∨ (ω ∈ B ∧ω ∈C )) a) ⇔ ((ω ∈ A ∨ ω ∈ B) ∧ (ω ∈ A ∨ ω ∈C )) ⇔ω ∈( A ∪ B ) ∩( A ∪C ) b) A + B = AB + AB C + AC B = A( B + B C ) + AC B = AΩ+ AC B = A + AC B = = ( A + AC )( A + B ) = Ω( A + B ) = A + B 2. Rešenje: AB = A ∩ B = A A + B = A ∪B = B ABC = A ∩ B ∩ C = A ∩ C = AC A + B + C = A ∪ B ∪ C = B ∪C = B + C C C C C C C 2.A+B+C.ACBC obrazuju potpun sistem događaja ako su A i B proizvolji događaji.5.4. Dokazati sledeće jednakosti za ma koje događaje A. Uprostiti izraze:AB. Rešenje: AB + AC B + AB C + AC B C = B ( A + AC ) + B C ( A + AC ) = = BΩ+ B C Ω = B + B C = Ω A ⋅ AC B =∅ B AB ⋅ AB C = ∅ A ⋅ AC B C =∅ B AC B ⋅ AB C = ∅ A C B ⋅ A C B C =∅ 19 .5.B. A1 A2 A3 .

Verovatnoća i statistika – zbirka zadataka A B C ⋅ AC B C =∅ 2. Uprostiti izraz A = ( B ∪ C ) ( B ∪ C C )( B ∪ C C ) Rešenje: A = B ∩C 20 . Rešenje: B ∪ ( A ∩ A C ) ∩ B C ∪ ( A C ∩ A) = B ∪ ∅ ∩ B C ∪ ∅ = B ∩ B C = ∅ 2.10.9. Dokazati da je M = ( A ∪ B) ∩ ( A c ∪ B) ∩ ( A c ∪ B c ) ∩ ( A ∪ B c ) nemoguć događaj.

21 . verovatnoća nejednakosti  n( A )   − p 〈 ε  teži jedinici. kad se n uvećava. ako za proizvoljno malo ε .. Tada verovatnoću događaja A određujemo prema: p ( A) = m n gde su: n – broj svih mogućih ishoda m – broj povoljnih ishoda za događaj A Statistička definicija verovatnoće n(A) – broj realizacija događaja A u n opita 0≤ n(A)≤ 1 n( A) – relativna frekvencija događaja A n f r ( A) = n( A) n Za dovoljno veliko n frekvencija događaja A je skoro konstantna vrednost i ona se uzima za verovatnoću događaja A. gde je 1≤ i1<i2<.:  n   n ( A)  p − p 〈 ε   n→ ∞ → 1 n  Geometrijska definicija verovatnoće Proširenje klasične definicije verovatnoće na beskonačan broj slučajeva je geometrijska verovatnoća: površina ( g ) površina (G ) p ( A) = gde su: G – oblast na koju može pasti slučajno bačena tačka g – oblast čija je površina proporcionalna verovatnoći da tačka padne u nju (ne zavisi od oblika i položaja oblasti) i g⊂G.. ωim } podskup Ω .. ω2 . DEFINICIJE VEROVATNOĆE DOGAĐAJA Klasična definicija verovatnoće Imamo prostor elemetnarnih događaja Ω = {ω1 ......Verovatnoća i statistika – zbirka zadataka 3. Frekvencija događaja A teži verovatnoći događaja A... ωn } i događaj A = {ωi1 .<im≤ n.

( 4. Koja je verovatnoća da se pri gađanju meta promaši? Rešenje: p ( A) = 0. 0. 5 1 3. 3 crvene i 4 plave kuglice. m2=2 2 22 .3). Bacaju se dve numerisane kocke.35 = 0. Rešenje: n = V 6 = 6 2 = 36 A – dobijen je zbir 8 A = {( 2. Odrediti verovatnoću dogašaja A: pao je zbir 8 i B: pao je proizvod 8.2)} .3.6).75 = 025 3.15 +0.Verovatnoća i statistika – zbirka zadataka G g Zadaci 3.2 ). ( 4.4).5). Kuglica je izvučena iz kutije u kojoj se nalazi 4 bele.15.25 +0. m1=5 5 p(A) = 36 A2 – dobijen je proizvod 8 B = {( 2.2. ( 5.4)} . Odrediti verovatnoću da izvučena kuglica: a) bude bela b) bude bela ili crvena c) nije crvena Rešenje: a) p( A) = b) p( B ) = c) p (C ) = 4 11 7 11 8 11 3. ( 3. Slučajno je izabran telefonski broj sa 6 cifara.1. Meta se sastoji iz 3 zone čija je verovatnoća pogađanja redom 0. Kolika je verovatnoća da su u njemu sve cifre različite? Rešenje: n =6 = V1 1 0 0 6 1 ! 0 m =6 = V1 =0 12 5 0 1 0 4 ! m 12 50 10 p ( A) = = n 1 6 0 =12 0. ( 6.75 p ( Ac ) =1 −0.25 i 0.35.4.

21 36 36 36 p ( A) = 3. da će se pri ponovljenom bacanju dobiti zbir 8? Rešenje: A. Naći verovatnoću da će se među njima naći makar jedna bela kuglica.64. m1=2 p(A1) = A2 – dobijen je zbir 12 A2 = { ( 6. Šta je verovatnije dobiti pri bacanju dve kocke: zbir 11 ili zbir 12? Rešenje: A1 – dobijen je zbir 11 A1 = { ( 5. Kupac je kupio 7 sijalica od 40W.8.44 C – A+AcB 3 1 = 36 12 5 p( B) = 36 3 33 5 p (C ) = + ⋅ = 0.35.7.9. 5 sijalica od 60W i 3 sijalice od 100W.6 ) . Ako je kupac kupio 4 sijalice.55 B – zbir 8: 26. Odjednom se izvlači tri kuglice. Usput je razbio 3 sijalice. ( 6.5) } . U kutiji se nalazi 6 belih i 4 crvene kuglice.16 455 3. U prodavnici je 30 sijalica.Verovatnoća i statistika – zbirka zadataka p(B) = 2 36 3.5. koja je verovatnoća da je među njima tačno dve boljeg kvaliteta? 23 .6. ali se ne zna koje su to sijalice.zbir 10 : 46. Kolika je verovatnoća da će se na dvema bačenim kockama dobiti zbir tačaka 10 ili ako se to ne dogodi.53. od kojih je 6 boljeg kvaliteta.62. Rešenje: 10! =120 7!3! 3 m = C4 = 4 3 n = C10 = P ( A c ) =1 − 4 29 = 120 30 p ( A) −izvučena je crvena kuglica 3. Kolika je verovatnoća da razbijene sijalice imaju ukupno 180W? Rešenje: 3 n = C15 = 455 2 3 m = 3 ⋅ C7 + C5 = 73 p ( A) = 73 ≈ 0. m2=1 p(A2) = 1 36 2 36 n = V 6 = 6 2 = 36 2 3.6) } .

Verovatnoća i statistika – zbirka zadataka Rešenje:
p ( A) = 0.15

3.10. Na raspolaganju su duži 2, 4, 5, 7 i 9 cm. Kolika je verovatnoća da se od 3 slučajno izabrane duži može konstruisati trougao? Rešenje:
3 n = C5 =

5⋅4 4 = 10 , m : 245 ,457 ,579 ,479 p ( A) = = 0.4 2 10

3.11. Ako konstruišemo jednakostraničan trougao ivice 3 cm, naći verovatnoću da je rastojanje između temena trougla i neke slučajno izabrane tačke unutar trougla veće od 1. Rešenje:

π
p ( A) = 1 − 2 ≈ 0.6 9 3 4

3.12. U kvadrat upisan je krug. Izračunati verovatnoću da će slučajno izabrana tačka kvadrata biti van kruga. Rešenje: G=a2 g= r 2π = ( ) 2 π =
a 2 a2 π 4

a2 π 4 = 1− π p( A) = 1 − 2 4 a 3.13. U krug upisan je kvadrat. Izračunati verovatnoću da će slučajno izabrana tačka u krugu biti i u kvadratu. Rešenje:
a = r 2 p ( A) =

2r 2 2 = ≈ 0.64 r 2π π

24

Verovatnoća i statistika – zbirka zadataka

4. AKSIOMATSKO ZASNIVANJE TEORIJE VEROVATNOĆE
Klasa F događaja koji se posmatraju kod opita sa slučajnim ishodima je σ -polje događaja (ili algebra događaja), ako: Ω∈ F, A∈F ⇒ Ac∈F Ai∈F, i=1, 2, ... ⇒ Ai ∈ F
i =1 n

Važi i da ako prazan skup pripada F onda proizvod svih Ai takođe pripada F. Takođe algebri događaja F pripadaju A∆B i ( A∆B ) c . ( A∆B = ( A c ∩ B ) ∪ ( A ∩ B c ) , ( A∆B ) c = ( A ∩ B ) ∪ ( A c ∩ B c ) ) Definicija: Neka je F σ -polje događaja i R+ skup svih nenegativnih realnih brojeva. Neka je, dalje, preslikavanje: p:F→ R+ takvo da su zadovoljeni sledeći uslovi:   normiranost – p(Ω )=1
∞  ∞ p  Ai  = ∑ p ( Ai ) σ -aditivnost – Ai∈F, AiAj=∅ za i≠ j    i =1  i =1
n  n  p  Ai  = ∑ p ( Ai ) aditivnost – Ai∈F, i=1, 2, … , n, AiAj=∅ za i≠ j    i =1  i =1

Tada se trojka (Ω , F, p) naziva prostor verovatnoće. Posledice definicije su:
p ( ∅) = 0 p A c =1 − p ( A)

A ⊆ B ⇒ p ( A) ≤ p ( B ) ∀A ∈ F ⇒ 0 ≤ p ( A) ≤1 p ( A ∪ B ) = p ( A) + p ( B ) − p ( AB ) p ( A ∪ B ) ≤ p ( A) + p ( B )

( )

Nejednakost u poslednjem slučaju važi ako su događaji A i B disjunktni. Ako je p(A)=1 kažemo da je događaj A skoro siguran (s. s.), a ako je p(A)=0 kažemo da je događaj A skoro nemoguć (s. n.).

Zadaci
4.1. Kod bacanja numerisane kocke, neka je događaj A: pao je paran broj. Odrediti σ - algebru koja sadrži A. Rešenje:
A = {2,4, 6}, A c = {1,3, 5},

4.2. Kod bacanja numerisane kocke, neka je događaj A: pao je paran broj, a događaj B: pao je broj deljiv sa 3. Odrediti σ - algebru koja sadrži A i B. Rešenje: 25

F = {∅ {2,4, 6}, {1,3, 5}, {1,2,3,4, 5,6}} ,

Verovatnoća i statistika – zbirka zadataka
A = { 2,4, 6}, B = {3, 6},

F = {∅, A, B, A c , B c , A ∪ B, A ∩ B, A ∪ B c , A c ∪ B, A ∩ B c , A c ∩ B, A c ∩ B c , A c ∪ B c , A∆B = ( A c ∩ B ) ∪ ( A ∩ B c ), A∆B = ( A ∩ B) ∪ ( A c ∩ B c ), Ω = {1,2,3,4,5, 6}}

4.3. Pokazati da iz C ⊂ D sledi Rešenje:

p(D \ C) = p(D) − p(C)

.

C ⊂ D ⇒ D = C ∪ (D \ C) p(D) = p( C( ) ∪ (D \ C) ) C ∩ (D \ C) = ∅ ⇒ p(D) = p(C) + p(D \ C) ⇒ p(D \ C) = p(D) − p(C)
4.4. Koliko je p(A∪B∪C∪D)? Uputstvo: odrediti prvo p(A∪B∪C). Rešenje:
p ( A ∪ B ∪C ) = p ( A) + p ( B ∪C ) − p ( A ∩( B ∪C )) = = p ( A) + p ( B ) + p (C ) − p ( B ∩C ) − p (( A ∩ B ) ∪( A ∩C )) = = p ( A) + p ( B ) + p (C ) − p ( B ∩C ) − p ( A ∩ B ) − ( A ∩C ) + p ( A ∩ B ∩C )
p ( A ∪ B ∪C ∪ D ) = p ( A ∪ B ∪C ) + p ( D) − p (( A ∪ B ∪C ) ∩ D) = = p ( A ∪ B ∪C ) + p ( D) − p (( A ∩ D ) ∪( B ∩ D) ∪(C ∩ D)) = = p ( A) + p ( B ) + p (C ) − p ( B ∩C ) − p ( A ∩ B ) − ( A ∩C ) + p ( A ∩ B ∩C ) + p ( D) − − p ( A ∩ D ) − p ( B ∩ D) − p (C ∩ D) + p ( B ∩C ∩ D) + p ( A ∩ B ∩ D) + p ( A ∩C ∩ D) − − ( A ∩ B ∩C ∩ D)

4.5. Poznate su verovatnoće događaja A i AB. Odrediti p(ABc). Rešenje:

26

Verovatnoća i statistika – zbirka zadataka

( A ∩ ) ∪A \ B ) = B ( A ( A ∩ ) ∩A \ B ) = B ( ∅ p ( A ∩ ) ∪A \ B ) =p ( A) ( B ( ) p ( A ∩ ) + ( A \ B ) =p ( A) ⇒ B p ⇒ ( A \ B ) =p ( A) − ( A ∩ ) p p B p( A B
c

) =p ( A) − ( A ∩ ) p B

27

pA).... Ain .Verovatnoća i statistika – zbirka zadataka 5... Osobine nezavisnih događaja: ♦ proizvoljan događaj A i siguran događaj Ω su nezavisni: p ( AΩ) = p( A) p( Ω) ♦ nezavisni su i događaji A i ∅: A∅ = ∅. Ai su hipoteze. p ( Ain ) Ako su događaji A1 . Ai 2 .. Ac i B i Ac i Bc ♦ ako su nezavisni A i B1 i A i B2 nezavisni su i A i B1 + B2 . + p( An ) p An ( B ) p(Ai) su apriorne verovatnoće (unapred poznate).. An uzajamno disjunktni sa pozitivnim verovatnoćama čija je suma Ω . tj.1 ≤ i1 ≤ i 2 ≤ ... USLOVNE VEROVATNOĆE Verovatnoća događaja A pod uslovom da se realizovao događaj B. Ova verovatnoća zadovoljava uslove (aksiome): ♦ nenegativnost: p A ( B ) ≥ 0 ♦ normiranost: p A ( Ω) = 1 ♦  ∞  ∞ p A  ∑ Bi  = ∑ p A ( Bi )  i =1  i =1 p A ( A) = 1 p( A / B ) ≤ 1 Imamo da je: Takođe sledi pravilo množenja: p ( AB ) = p ( A) p ( B / A) = p ( B ) p ( A / B ) Nezavisni događaji – Događaj A je nezavisan od događaja B akko je p A ( B ) = p( B ) . ( r ≤ n ) važi: p ( Ai1 .. p ( ∅) = 0 ⇒ p ( A∅) = 0 = p ( A) p ( ∅) ♦ ako su nezavisni događaji A i B.... u tom slučaju je p ( AB ) = p( A) p( B ) .. tada za svako B∈F važi formula totalne verovatnoće: p( B ) = p( A1 ) p A1 ( B ) + p ( A2 ) p A 2 ( B ) + . p(A/B) ili pB(A) se određuje prema: p A ( B ) = p ( B / A) = p( AB ) p ( A) Ovim je određena nova verovatnoća i novi prostor (Ω . ≤ ir . pAi(B) su aposteriorne verovatnoće 28 . F.. An su nezavisni u ukupnosti ako postoji međusobna nezavisnost proizvoljnih r ( r ≤ n ) takvih događaja. A2 . Ai 2 . A2 . Ain ) = p ( Ai1 ) p( Ai 2 )..... ako za svaku konačnu kolekciju Ai1 .... nezavisni su i A i Bc. B1 B2 ≠ ∅ Odnos između nezavisnih i disjunktih događaja: ♦ ako su događaji A i B nezavisni i sa pozitivnim verovatnoćama onda su disjunktni ♦ ako su događaji A i B sa pozitivnim verovatnoćama disjunktni onda su zavisni ♦ događaji A1 .

8 −1 = ≥ = 0..2. da će se pri ponovljenom bacanju dobiti zbir 8? Rešenje: 29 . p(C ) = p( AB ) = ⋅ = 3 2 3 6 1 2 1 5 + − = 2 3 3 6 b) p( D ) = p ( A c ∪ B c ) = p ( A c ) + p ( B c ) − p ( A c B c ) = 5.Verovatnoća i statistika – zbirka zadataka Bajesova formula: p( Ai / B ) = p ( Ai ) p( B / Ai ) = p( B ) p( Ai ) p ( B / Ai ) ∑ p( A ) p( B / A ) n j =1 j j Tumačenje: realizacija događaja B je nastupila pod hipotezom (uzorkom) Ai.4.3.9. Rešenje: A: broj deljiv sa 2.Odrediti verovatnoću da slučajano izbran prirodni broj: a) bude deljiv sa 2 i sa 3.10 .875 p( B) p( B) 0. p ( B ) = 1 2 1 1 1 1 .8.9. pokazati da je p(A/B) ≥ 0. B: broj deljiv sa 3 a) p ( A) = .18 A ∩B ={6. Iz skupa S={1.875.16 .6.12 ..20} je slučajno izabran jedan broj.2. p(B)=0.20 B : 3.3.. b) ne bude deljiv sa 2 ili sa 3.14 .18 .8 p( A ∪B) ≤1 p( A / B) = 5. Zadaci: 5. Rešenje: p ( AB ) p ( A) + p ( B ) − p ( A ∪ B ) 0.8. Ako je poznato da je izabrani broj deljiv sa 3 kolika je verovatnoća da je u pitanju paran broj? Rešenje: A : 2.12 .9 + 0. Kolika je verovatnoća da će se na dvema bačenim kockama dobiti zbir tačaka 10 ili ako se to ne dogodi.15 .18 } 1 p ( A) = 2 6 p( B) = 20 3 p ( AB ) 1 p( A / B) = = 20 = 6 p ( B) 2 20 5.6.1..4.12 . Ako je p(A)=0.

6. Iz kutije u kojoj je m belih i n crnih kuglica odjednom je izvučeno k kuglica.3. Odrediti verovatnoću da će mu za otvaranje vrata trebati 1.4.55 B – zbir 8: 26.zbir 10 : 46.5 pokušaja. Pod predpostavkom da su sve izvučene kuglice iste boje koja je verovatnoća da su sve crne? Rešenje: A .35. Student je izašao na ispit znajući 20 od 25 pitanja.2 5.53. Ispitivač je postavio 3 pitanja. Rešenje: p ( A1 ) = 1 5 4 1 1 ⋅ = 5 4 5 4 3 1 1 ⋅ ⋅ = 5 4 3 5 p ( A2 ) = p ( A1c ) p ( A2 / A1c ) = c c p ( A3 ) = p ( A1c ) p ( A2 / A1c ) p ( A3 / A1c A2 ) = 4 3 2 1 1 ⋅ ⋅ ⋅ = 5 4 3 2 5 c c c c c c c c c p ( A5 ) = p ( A1c ) p ( A2 / A1c ) p ( A3 / A1c A2 ) p ( A4 / A1c A2 A3 ) p ( A5 / A1c A2 A3 A4 ) = c c c c c p ( A4 ) = p ( A1c ) p ( A2 / A1c ) p ( A3 / A1c A2 ) p ( A4 / A1c A2 A3 ) = = 4 3 2 1 1 ⋅ ⋅ ⋅ ⋅1 = 5 4 3 2 5 5.7.izvučeno je k kuglica B.2.64. Ključevi su po obliku slični pa ih on ne razlikuje.5.4956 25 24 23 5.izvučene su crne ili bele kuglice 30 . Da bi otvorio vrata on proba ključeve jedan za drugim. pa ključ koji "ne otvara" stavlja na stranu. Čovek ima 5 ključeva od kojih samo jedan otvara vrata.126 p(C)=p(A)+p(AcB)=0.44 C – A+AcB 3 3 6 5 p(B)= 36 33 p(Ac)= 3 6 p(A)= p(AcB)=0.Verovatnoća i statistika – zbirka zadataka A.62. Koja je verovatnoća da student zna sva tri pitanja? Rešenje: p ( A1 A2 A3 ) = p ( A1 ) p ( A2 / A1 ) p ( A3 / A1 A2 ) = 20 19 18 ⋅ ⋅ = 0.

cilj je pogođen dva puta D = ABC c + Ac BC + AB c C p ( A) =0.C .C D . Šta je verovatnije da je strelac C pogodio ili promašio? Rešenje: A.5 ⋅ 0. 0.38 31 .C.6.5 i 0.Verovatnoća i statistika – zbirka zadataka C  n   k p(A ) Cn+ mB  k Ap B)/( = = k k = Bp )( Cn + Cm  n  m   +   k C n+ m  k   k  k n 5.8.5 p (C ) =0.4. gađaju po jednom u cilj nezavisno jedan od drugog.6 + 0. pogađajući ga sa verovatnoćama 0.6 p ( B ) =0. Strelci A.4 ⋅ 0.4 p ( D ) = 0.6 ⋅ 0.5 ⋅ 0.B. Ustanovljeno je da je cilj pogođen 2 puta.B.4 + 0.4 = 0.5 ⋅ 0.B.6 ⋅ 0.cilj je pogodio strelac A.

Proizvod je bio ispravan. za košarkaša 0. 4% i 2% škarta respektivno.38 p (C / D ) = 1 − 0.11.18 = = = = 0. Verovatnoća da će proizvod biti proglašen ispravnim kod prvog kontrolora je 0.98. Mašine A.36 5. Verovatnoća rađanja muškog deteta je 0. Verovatnoća da dva blizanca budu istog pola je 0.53 p (C / D ) > p (C c / D ) Verovatnije je da je strelac C pogodio! 5. Svi proizvodi stavljaju se u isto skladište. Naći verovatnoću da je proveru izvršio prvi kontrolor.6 p(D\B) = 0.8 i za rukometaša 0.Verovatnoća i statistika – zbirka zadataka p (C c / D ) = p (C c D ) p (C c ( ABC c + A c BC + AB c C )) p ( ABC c ) 0.47 = 0. 35% na mašini B i 40% na mašini C.75 p(D) = 0.75.12.C prave 5%.B. a kod drugog 0.8 p(D\C) = 0.6 i 0. Koja je verovatnoća da košarkaš poentira ? Rešenje: p(A) = 10/24 = 0. Naći verovatnoću da je drugi blizanac muškog pola ako je i prvi bio muškog pola.51.377 5. Odrediti verovatnoću da će slučajno odabrani sportista postići pogodak. Proizvodi fabrike dolaze na kontrolu ispravnosti kod 2 kontrolora sa verovatnoćama 0.4 p(C/A) = 0. Rešenje: p(A) = 0.64.7 p(B\D) = 0.10.94.47 p( D) p( D) p( D) 0.33 p(C) = 6/24 = 0.25 p(D\A) = 0.94 p(C/B) = 0.42 p(B) = 8/24 = 0.4.6 p(B) = 0.6. Kolika je verovatnoća da je taj neispravni artikal napravljen na mašini A? Rešenje: p(D) = 0. U slučaju rađanja dece raznih polova oba redosleda su jednako verovatna. 8 košarkaša i 6 rukometaša.9. Verovatnoća da će postići pogodak je za fudbalera 0.956 p(A/C) = p ( A) p (C / A) = 0. U grupi sportista je 10 fudbalera.0345 p(A\D) = 0.98 p(C) = p ( A) p (C / A) + p ( B) p (C / B ) = 0. Rešenje: 32 .59 p (C ) 5. U fabrici se 25% artikala proizvodi na mašini A.

Slučajno odabrana osoba je daltonista.35 p(M 1 ) 0.18 p( M 2 / M 1 ) = ? p( Z 2 / M 1 ) = p ( M 1 Z 2 ) 0.15 p(A\C) = 0.65 5.5 ⋅ (1 − 0.17 33 .64 ) = 0.51 p( M 2 / M 1 ) = 1 − p ( Z 2 / M 1 ) = 1 − 0.35 = 0. Predpostavlja se da među istim brojem muškaraca i žena ima 5% daltonista muškaraca i 25% daltonista žena.Verovatnoća i statistika – zbirka zadataka p( M 1 M 2 + M 1 Z 2 + Z 1 M 2 + Z 1 Z 2 ) = 1 p( M 1 M 2 + Z 1 Z 2 ) = 0. Koja je verovatnoća da je ta osoba muškarac? Rešenje: p(C) = 0.18 = = 0.64 p( M 1 Z 2 ) = p ( Z 1 M 2 ) = 0.13.

... 2. NIZOVI NEZAVISNIH OPITA Sm – događaj koji se realizuje kada se u n nezavisnih opita događaj A realizuje m puta... Posledica ove teoreme je Bernulijev zakon velikih brojeva. Ova funkcija je parna: ϕ (x)= ϕ (-x). x 2 ] a= b= x1 − np npq x 2 − np npq a b − x2 2 dx = Φ( b ) − Φ( a ) gde je vrednost funkcije φ (x) data u tabeli. Određujemo verovatnoću da se u n ponovljenih opita događaj A1 realizovao m1 puta. Neka je ε proizvoljan pozitivan broj. . mk ) = n! m m m p1 1 p2 2 ..Verovatnoća i statistika – zbirka zadataka 6. čije su vrednosti date u tabeli. pk k m1! m2 !. Verovatnoću događaja Sm određujemo prema Bernulijevoj šemi: n p n ( m ) =   p m q n −m m    0≤ m≤ n p – verovatnoća događaja A q – verovatnoća događaja Ac U opštem slučaju Bernulijeva šema ima oblik: pn ( m1 . k. m2 . i=1. p(Ai)=pi. . Integralna Moavr-Laplasova teorema: p ( a ≤ x ≤ b ) = 2π ∫ e x ∈ [ x1 . + pk =1 . p1 + p2 +.. mk ! U ovom slučaju vrši se n nezavisnih opita i u svakom od njih se može realizovati samo jedan od događaja Ai. Interesuje nas granična vrednost verovatoće događaja M=   m/n relativna frekvencija događaja A verovatnoće p(A)=p: m  p − p ≤ ε  ∼  n    ε m  − p ≤ ε  kada   n  n → ∞ .... događaj Ak mk puta.. .5. np − q ≤ m ≤ np + q Lokalna Moavr-Laplasova teorema – koristi se za približno određivanje verovatnoće pojavljivanja datog događaja m puta u slučaju kada su vrednosti n i k velike. . gde je 1 2π −ε ∫ n pq −t 2 e n pq  dt = 2φε   n pq     34 ... Ova funkcija je neparna: φ (-x)=-φ (x). odnosno za n>100 i npq>20: pn ( m) = e 2π    ϕ ( x) 1 − x2 2 1 npq =ϕ( x ) 1 npq gde je x = m − np npq Funkcija ϕ (x) je Gausova funkcija. za p=q=0.. događaj A2 m2 puta.

94 = 0. tj. Naći verovatnoću: a) da se neće izvući ni jedan škart.Verovatnoća i statistika – zbirka zadataka Poasanova aproksimacija Bernulijeve šeme koristi se za retke događaje. Rešenje: a) p = 0.68 1  0 b) 35 .9 6 n = 5. 4 q = 1− p = 0. kada je malo p.m = 0  5 0 5 5 pn(m) =   ⋅ 0. b) da će se najmanje 3 puta izvući škart.0 ⋅ 0. Slučajno se 5 puta bira po jedan proizvod iz serije.1. p n → 0.69 = 0. n ⋅ p n → λ ) Zadaci 6. U seriji jednog proizvoda ima 4% škarta.0 . np<20: n m λm −λ n −m p n ( m ) =   p n (1 − p n ) → e m m!   0< λ <∞ λ = np n ( n → ∞.

1⋅ 1 0  5 p( A) = p5 (3) + p5 (4) + p5 (5) = 0.9 =6 0.39 .0 0 0 6  3  5 4 −4 p5 (4) =   ⋅ 0. Cilj se gađa 6 puta.0 ⋅40.0 0 0 6 II način a= 3 − np npq = 6. 9 6 n = 5.4. m = 3.95 p (3 ≤ x ≤ 5) = Φ 10 . b) bar jedanput? Rešenje: a) 36 .95 ) −Φ 6. b = 5 − np npq =10 .9 = 60.0 ⋅40.39 ) ≈ 0 ( ( Napomena: Vrednosti za Φ potražiti u Tablici I proveriti!!! 6.5  5 3 2 p5 (3) =   ⋅ 0. 0 . Verovatnoća pogotka cilja je 0.Verovatnoća i statistika – zbirka zadataka p = 0.9 =6 0.1 ⋅ 12 0  4  5 5 0 − 6 p5 (5) =   ⋅ 0. 4 q = 1 − p = 0.2.0 ⋅40. Koja je verovatnoća da je cilj bio pogođen: a) 2 puta.25.

75 = 5 ⋅ 0.2 .2 ⋅ 0.8 2  0 6. Istraživanjem je utvrđeno da na svakih 1000 novorođenčadi ima 515 dečaka i 485 devojčica.3. Rešenje: 37 . .2 ⋅ 0.0 ≈ 0.q = 50.2 q = 05. Kolika je verovatnoća da među njima nema više od 2 devojčice.Verovatnoća i statistika – zbirka zadataka p = 0.75 = 05.7 5 n= 6  6 2 4 6! p6(2) =   ⋅ 0. U nekoj porodici ima četvoro dece.32  2 2!⋅ 4! b) p = 0.7 5 n= 6  6 0 6 1− p6(0) = 1−   ⋅ 0.

5.2 a= = = 0.7 7 6. Odrediti verovatnoću da broj pogodaka ne bude manji od 2 i ne veći od 4.2 10 ⋅ 0.12 p4(0)+ p4(1)+ p4(2) =  4 0 4  4 3  4 2 2 =   ⋅ 0.5 8 +  1 ⋅50.m = 0.5 51 5 n = 4.2. npq 10 ⋅ 0.4.44295 ( ( 6.58 . q = 0.58 ) − Φ 0) = 0. Broj dece u nekoj porodici je 10. Ako je verovatnoća rađanja muškog deteta 0.8 2 − np 2 −10 ⋅ 0.2 7+ 0. Rešenje: a) 38 . Vrši se 10 gađanju u cilj pri čemu je verovatnoća pogotka u jednom gađanju 0.4 5⋅ 0.58 +  15⋅ 0.4 ⋅50.2 ⋅ 0. Rešenje: n =10 . p ( 2 ≤ x ≤ 4) = Φ 1. p = 0.2.Verovatnoća i statistika – zbirka zadataka p = 0.4 .2 ⋅ 0.4 ⋅ 0.8 =1.q = 08.8 b= 4 − np npq = 4 −10 ⋅ 0.0 + 0.3 6= 0.5 odrediti verovatnoću: a) da porodica ima 5 dečaka i 5 devojčica b) da je broj dečaka u porodici između 5 i 8.58 = 15 5  0   1   2 = 0.

p = q = 0.897 ) − Φ 0) = 0.5 ⋅ 0.8 b= 100 − np npq = 100 − 400 ⋅ 0.q = 36 36 p ( 24 ≤ x ≤ 30 ) = Φ(1.5 n= 1 0 1  50 5 p1 (5) =0   ⋅ 0. a manje od 30 puta? Rešenje: 26 .5.5 a= = = 0.2 a= = = − .25 ) = ( ( 1 ( ( = 0.49379 + 0.Verovatnoća i statistika – zbirka zadataka p = q = 0.47558 − 0.7.44 . Odrediti verovatnoću da kod 400 slučajno izabranih proizvoda broj onih koji nisu prošli kontrolu bude između 70 i 100. p (5 ≤ x ≤ 8) = Φ 1. Bacaju se dve kocke 155 uzastopno.2 4 6 5 b) n =10 . npq 10 ⋅ 0.5 ⋅ 0.5 10 ⋅ 0. q = 0.5 ⋅ 0.5) + Φ 1.5 = 0.2.53 .25992 6.5 =1.35 5 31 n = 155 . Kolika je verovatnoća da će se zbir 8 pojaviti više od 24. Rešenje: n = 400 .5) −Φ − .47042 ( ( 6.968 ) − Φ(0.25 ) = Φ 2.2 ⋅ 0.21566 = 0.2.8.25 . p = .8 = 2.39435 = 0. Sa kojom verovatnoćom se može smatrati da će u seriji od 400 slučajno izabranih šipki biti ispravno više od 299? Rešenje: 39 . Verovatnoća da neki proizvod ne prođe kontrolu je 0.574 ) = 0.62 .88814 6.2 400 ⋅ 0. U proizvodnji metalih šipki je prosečno 10% neispravnih.8 70 − np 70 − 400 ⋅ 0.5 b= 8 − np npq = 8 −10 ⋅ 0. 1 npq 400 ⋅ 02 ⋅ 0. p (70 ≤ x ≤100 ) = Φ 2.897 .6. p = 0.5 5 − np 5 −10 ⋅ 0.

q = 0.9 ≤ ε  = 0.9 ⋅ 0.9.Verovatnoća i statistika – zbirka zadataka n = 400 . p (n) = 0.9 jer se u zadatku dat procenat neispravnih šipki. p ( n) ≥ 0.95 m  p  − p ≤ 0.65 ) = 0.475   6.8. p = q = 0.5 ≤ 0.95  n    m  p  − 0.65 ε ) = 0.10.5.1 p (300 ≤ x ≤ 400 ) = Φ 6. p = 0.995  m  p  600 − 0.5 ⋅ 0.95 moglo tvrditi da je razlika između frekvencije i verovatnoće p=0.9 ako ta granica treba da bude garantovana sa verovatnoćom 0. Rešenje: ε = ?.5) + Φ 1.65 ε = 2.034 40 . n = 600 . Za svako a ili b koje je veće od 5 može se uzeti približna vrednost Φ od 0.25  0.995. Naći verovatnoću pojave događaja A od 75 do 90 puta.01    0.96 n ≥ 98 n ≥ 9604   ≥ 0. Rešenje: n = ?.01. p = 0.8.81 ε = 0.1. q = 0. Posejano je 600 zrna kukuruza. Naći broj potrebnih ponavljanja opita da bi se sa verovatnoćom ne manjom od 0.9.5.995 Φ( 81 . Verovatnoća klijanja jednog zrna je 0.25   n Φ0. Neka je verovatnoća pojave događaja A u svakom od 100 nezavisnih opita 0.01  = 2Φε    n    n 2Φ0.25 ) = 0.5 najviše 0.95   n pq    n  = 2Φ0.9 ≤ ε  = 2Φε 0.11.67 ) + Φ 10 ) ≈1 ( ( Napomena: p=0. 6. q = 0.5       ≥ 0.1         2Φ( ε ⋅ 81 .995      m  600  p  600 − 0.8884 ( ( 6.9. Naći granicu apsolutnog odstupanja frekvencije proklijalog semena od verovatnoće p=0.02 n ≥ 1.4975 81 . p = 0. Rešenje: n =100 .2 p (75 ≤ x ≤ 90 ) = Φ 2.01  0.9.01  0.01  ≥ 0.

m = 70 .6 100 ⋅ 0.9 3 −0.4 = 2. U partiji od 10000 proizvoda ima 6000 proizvoda prve klase.5 više od 0.15.1.05 3! 6.5  m  p  100 − 0. Odrediti verovatnoću da pri bacanju novčića 100 puta relativna frekvencija pojave grba odstupa od verovatnoće 0.Verovatnoća i statistika – zbirka zadataka 6.6.0455    6.9545 = 0.1 0.899 6. p = 0.5 ≤ 0.2 ⋅ 0.5         ( 2Φ 2 ) = 2 ⋅ 0. p = 1 364 .1 puta.9545  m  p  100 − 0.01 4.9 n = 10 .5 > 0.0498 = 0. Naći verovatnoću da se od 500 slučajno izabranih ljudi šestoro rodilo 1.aprila.q = 11 11 λ = 10 ⋅ 0. Rešenje: ε = 0.. m = 6.47725 = 0.04 ) = 0.1 = ?       m  100  p  100 − 0.5 ≤ 0. q = 0.09 = 0.5 ⋅ 0. p = p10 (3) = λm m! ⋅ e −λ = 0.1 = 2Φ 0.13.04 p100 (70 ) ≈ 1 ⋅ϕ( 2.4 1 p100 (70 ) ≈ ⋅ϕ( x ) npq x= m − np npq = 70 −100 ⋅ 0. n =100 . p = q = 0. Kolika je verovatnoća da se u 10 nezavisnih izbora sa vraćanjem 3 puta izvuče plava kuglica? Rešenje: 1 10 .12. Rešenje: n = 500 .6 ⋅ 0.14.37 6 ⋅ e −1.1 =1 − 0.002 6! λ = 1.37 p500 (6) = λm m! ⋅ e −λ = 41 .q = 365 365 1. m = 3. U kutiji je 5 plavih i 50 crnih kuglica.37 = 0. Kolika je verovatnoća da u uzorku od 100 proizvoda bude 70 proizvoda prve klase? Rešenje: n =100 .9 ⋅e = 0.

01. q = 0.98 λ =6 611 ⋅ e −6 = 0.98 λ =6 p300 (10 ) = λm m! ⋅ e −λ = 610 ⋅ e −6 = 0. m = 290 . cela partija se ne prihvata.5 ⋅e = 0.02 . q = 0.5 0 −0. m = 5. p = 0. Naći verovatnoću da neće biti ni jednig poziva za vreme trajanja od 30 minuta.02 m! 11! p = 1 − p300 (11) = 1 − 0.02 = 0. Rešenje: n = 100 . p = 0. Rešenje: n = 30 .98 p300 (11) = ⋅ e −λ = λm 6. Naći verovatnoću da među njima bude tačno 5 defektnih. Za jedan sat telefonska centrala dobije prosečno 60 poziva.01 λ =1 p100 (5) = λm m! ⋅ e −λ = 15 ⋅ e −1 ≈ 0. m = 11. p = 0. p = 1 60 0.17. m = 0.61 0! λ = 0.16. a) Koja je verovatnoća da se na 290 od 300 slučajno izabranih časovnika ne vrši dopunsko regulisanje? b) Ako se kod 300 časovnika nađe najmanje 11 kod kojih treba izvršiti dopunsko regulisanje.Verovatnoća i statistika – zbirka zadataka 6.5 p30 (0) = λm m! ⋅ e −λ = 6.18.04 10! b) n = 300 .02 . Verovatnoća da je jedan proizvod defektan je 0.003 5! 42 . Prema podacima tehničke kontrole prosečno kod 2% časovnika treba izvršiti dopunsko regulisanje. Koja je verovatnoća da se partija prihvati? Rešenje: a) n = 300 . Iz velikog skladišta uzima se 100 proizvoda.

potpuno određuju: Zakon raspodele verovatnoća slučajne promenljive je pravilo po kome svakoj vrednosti slučajne promenljive pridružujemo odgovarajuću verovatnoću. 7.. Neprekidna slučajna promenljiva ..  x x . p 2 .. Slučajna promenljiva se često definiše i kao funkcija..kada slučajna promenljiva sa pozitivnim verovatnoćama može da uzme proizvoljnu brojevnu vrednost na određenom intervalu. koja svakom elementarnom događaju pridružuje neki broj... p1 .. naziva se funkcijom raspodele verovatnoća ili kumulativnim zakonom raspodele verovatnoća..... a označava se sa F(x)..Diskretna slučajna promenljiva Diskretnu slučajnu promenljivu definišu... x n .kada slučajna promenljiva uzima sa pozitivnim verovatnoćama konačan broj ili prebrojivo mnogo vrednosti.1.. SLUČAJNE PROMENLJIVE Definicija . x 2 .  1   x1 < x ≤ x 2   x 2 < x ≤ x3    . p ..  F(X ) =  1 2 za . koja te brojne vrednosti uzima sa određenim verovatnoćama. koja zavisi od x..+ p n .. x 2 .  1 p + p . tj.Realizacija svakog slučajnog događaja može se okarakterisati brojem.   p1 + p 2 + . Promenljiva veličina. x n vrednosti koje može da ima slučajna promenljiva X . ... funkcija je od x.. x n  X : 1 2  p p . tj. Diskretna slučajna promenljiva .Verovatnoća i statistika – zbirka zadataka 7. naziva se slučajnom promenljivom.  n   1 2 ∑p i =1 n i =1 - x1 . Grafička ilustracija raspodele verovatnoća je poligon raspedele verovatnoća.. p .  x n −1 < x ≤ x n    x > xn  43 x ≤ x1 .. F ( x) = p( X < x) = ∑ pi xi < x Kod diskretne slučajne promenljive funkcija raspodele je:  0.Verovatnoća događaja X<x. p n verovatnoće sa kojima X uzima vrednosti x1 .

nema univerzalni karakter. Sastaviti zakon i funkciju raspodele verovatnoća broja pojavljivanja događaja A u 3 nezavisna opita ako je verovatnoća ostvarivanja događaja A u svakom opitu 0. Neprekidna slučajna promenljiva f(x) .2. Rešenje: 44 .gustina raspodele verovatnoća . postoji samo za neprekidne slučajne promenljive F(x) .1.6.Verovatnoća i statistika – zbirka zadataka 7.funkcija raspodele verovatnoća f ( x) = F ' ( x) p (a ≤ X ≤ b) = ∫ f ( x) = F (b) − F (a ) a b F ( x) = −∞ ∫ f (t )dt x Osobine gustine raspodele: f ( x) ≥ 0 ∞ −∞ ∫ f ( x)dx =1 Zadaci: 7.

3  3 0 3 p3 (0) =   ⋅ 0. m = 0.352 .6. n = 3.4 3 2  2  3 3 0 p3 (3) =   ⋅ 0.2 1 6  3  0 1 2 3  X :  0.6 ⋅ 0.1. 0.0 6 4  0  3 1 2 p3 (1) =   ⋅ 0.4 = 0.6 ⋅ 0. 0.6 ⋅ 0.4 = 0.784 .   0 < x ≤ 1   1< x ≤ 2 2 < x ≤ 3  x>3   x≤0 45 .Verovatnoća i statistika – zbirka zadataka p = 0.2.2. Napisati zakon i funkciju raspodele slučajne promenljive X broj pojave grba.4 3 02. Neki novčić se baca 2 puta.064 . q = 1 − p = 0.6 ⋅ 0.   F ( X ) = 0.  1.2 8 8  1  3 2 p3 (2) =   ⋅ 0.2 8 08.2 1 6   7.4 = 0. Rešenje: 0.0 6 04.4.4 = 0.

2  3 0 2 p2 (0) =   ⋅ 0.Verovatnoća i statistika – zbirka zadataka p = 0.2 5   Rešenje: 0.2 5  2 0 1 2   X :  0. n = 2. 1.5 ⋅ 0.5 0.2 5  0  3 p2 (1) =   ⋅ 0. Napisati zakon i funkciju raspodele slučajne promenljive X broj pojave pisama.1.25. m = 0.5 ⋅ 0.5 = 0.  F(X ) =  0. 0.5 = 0.5. q = 1 − p = 0.5.2 50.5 ⋅ 0.3. 46 .75.5  1  3 2 2 p2 (2) =   ⋅ 0.  x≤ 0  0 < x ≤ 1   1 < x ≤ 2 x> 2   7.5 = 0. Neki novčić se baca 5 puta.

1. q = 1 − p = 0.5 ⋅ 0.5 = 32  2  5 3 2 1 0 p5 (3) =   ⋅ 0. n = 5.4.5 ⋅ 0.5 ⋅ 0.5 ⋅ 0.5 ⋅ 0.5 = 32  3  5 4 5 p5 (4) =   ⋅ 0. m = 0.5.5 = 32  0  5 4 5 p5 (1) =   ⋅ 0.5  5 0 5 1 p5 (0) =   ⋅ 0.Verovatnoća i statistika – zbirka zadataka p = 0.5 ⋅ 0.5 = 32  4  5 5 0 1 p5 (5) =   ⋅ 0.3.5.2.5 = 32  1  5 2 3 1 0 p5 (2) =   ⋅ 0.5 = 32  5 0 1 2 3 4  1 5 1 01 0 5 5 1 47 .

 a( x + 1) . Odrediti a.4. Slučajna veličina ima za gustinu: a) f ( x ) = a na intervalu [-1. F(x) i p (1 < X < 2) . π 3 . c) f ( x) =   0.s b) f ( x) =   0.Verovatnoća i statistika – zbirka zadataka 7. Odrediti a i F(x).1]. dx =1 2 −1 1 + x a (arctg 1 − arctg (−1)) = 1 a ⋅2 a= π 4 2 =1 π −1 F(X ) = ∫1 + t x dt 2 2 π = 2 π ( arctgx − arctg ( −1)) = 2 π arctgx + 1 2 b) a ∫ cos xdx = 1 − π 3 π 3 a (sin  a   π π − sin( − )) = 1 3 3 3 3  =1 + 2 2   3 3 a 3 =1 a= F(X ) = − ∫ π 3 x 3 3 3  sin x + = cos tdt =  3 3  2   3 sin x 1 + 3 2 π 3 π 1  3 1  π   p  0 < X <  = F   − F ( 0) = sin + −   3 sin 0 + 2  = 6 3 6 2   6  = 3 1 1 3 + − = 6 2 2 6 48 . Rešenje: a) a∫ 1 0 ≤x ≤2 inace . F(x) i p (0 < X < π 6 ). 1+ x2 x ≤ inace  a c ox. Odrediti a.

f ( x) =   0. x ∈  − .     4 4 . Neprekidna slučajna promenljiva X zadana je gustinom   π π a c o 2sx . 1 F ( X ) = ( s i2n + 1) x 2  π 2 p  0〈 X 〈  =  8 4 49 . x ∉  − π . naći funkciju raspodele F(X). π   4 4   Odrediti konstantu a.5. kao i verovatnoću  π p 0 X〈〈   8 . Rešenje: a = 1.Verovatnoća i statistika – zbirka zadataka c) a ∫ ( x + 1) dx = 1 0 2 2  a ∫ xdx + ∫ dx  = 1   0 0  2   x2 2  2 a   + [ x ] 0  = 1  2   0   a (2 + 2) = 1 a= 1 4 1 ( x + 1)dx 4∫ 0 2 f ( x) = 2 2  1 1 x2  2  p(1 < X < 2 ) = sin ∫ ( x + 1) dx = + [ x ]1  =    4 4   2 1 1   1  1  1 5 5 = ⋅  2 − + 2 − 1 = ⋅ = 4  2  4 2 8 7.

91988  0.75  σ  1.04   a  Φ  = 0.25  0.13 ) = 0.75 ) = 0.25  σ  1.01) = Φ( 2.08012  a  2Φ  = 0.0.6.07 ) = 2Φ  = 2Φ(1.0868 ≈ 0.01 ) d) p ( X <0. Rešenje: p ( X < 1.91988 = 0.59] 7.25 = 0. Pri velikom broju merenja uočeno je da 75% grešaka ne premašuje 1.09 0.12924 e) Napomena: Vidi DODATAK XC p ( −1.73 < X < 0) = Φ(0.73 ) = 0. σ).41466 = = 0.4222 b) p (−0. Naći: a) p(0 < X <1.2673 c) ( d) p ( X <0.97? Rešenje:  0.25.67 ⇒σ = 1.73 < X < 0) c) p ( −1.13 ) = 0.07  p (−0.25  Φ  = 0.41.7.07 .73 < X < 2.1). Prečnik matrica koje fabrika proizvodi je slučajna promenljiva X: N (1.38292 p ( X >1. Kolika tolerancija prečnika može da se garantuje sa verovatnoćom 0. odrediti verovatno odstupanje grešaka.5) =0.42 ) = 0.485  0.04 Tolerancija [1.5) e) p ( X >1.04 ).04  p =1 − 0.93696 7.8.17 ⇒ a = 0.5) =2Φ0.01) + Φ(1. Zamenjujući frekvencije pojavljivanja grešaka njihovim verovatnoćama.Verovatnoća i statistika – zbirka zadataka 7.42 ) = Φ(1.13 ) Rešenje: a) p (0 < X < 1.47778 + 0.5.04  a = 2.73 < X < 2.25 ) = 0. Slučajna promenljiva ima normalnu raspodelu N (0. Naći verovatnoću škarta pod uslovom da je propisana tolerancija prečnika ± 0.97  0.86 σ 50 .5 + Φ  = 0.5 − Φ(1.73 ) = 0.42 ) b) p(−0.07 < X > 0.1.75  1. smatrajući da su greške merenja realizacije slučajne promenljive X: N (0.

odrediti m i σ. Mašina proizvodi metalne šipke dužine 24cm.2 ) = 0. U proizvodnji nekih proizvoda propisana tolerancija za jednu dimenziju je u granicama od 5 do 15 mm.5)  75 − 66   65 − 66  p (65 < X < 75 ) = Φ  − Φ = 5 5     = Φ(1.5cm. Predpostavimo da telesne težine 800 studenata imaju normalnu raspodelu sa srednjom težinom 66kg i standardnim odstupanjem 5kg.11.3 8 ⇒ σ  σ  2 8− m  2 8− m  Φ 5 = 1.07926 = 54 .9.1 1 9 ) p ( X 〉 2 8 = 0.1 1p( X 〉92 8=) 0.12.33 % 7. p( 〈X 2 ) = 0.Verovatnoća i statistika – zbirka zadataka 7.5 − Φ   = 0. Rešenje: m = 10 . Naći broj studenata čija je težina između 65 i 75kg. Procenat škarta ispod donje granice je 4%.1 8  = 0.0 2 5 Rešenje: ) p( X 〈 2 0 = 0. a iznad gornje je 8 %.8) + Φ( 0. 0 2 5  2 0− m  0.4 7 ⇒ σ  σ  m = 2 30 0 .9 σ = 2. Rešenje: n = 800 X : N (66 .5 5 .σ).1 1 9  σ   2 8− m  0. izračunati procenat metalnih šipki koje će se naći u intervalu tolerancije.σ ). Pod pretpostavkom da dužine X metalnih šipki imaju normalnu raspodelu. Rešenje: 51 .10. 7. s tolerancijom 0. Na osnovu dužeg posmatranja zna se da je σ = 0. 9 6  = 0.0 2 5 σ   m− 2 0  m − 2 0 Φ 1 = 1. Data je slučajna promenljiva X: N(m.16 7.5 + Φ   = 0.03. Odrediti nepoznate parametre iz uslova: i .46407 + 0.54 i σ = 3. Uz predpostavku da je posmatrana dimenzija slučajna promenljiva X:N(m.

0.05 ) = 2Φ  = 2Φ(1.13.03  Rešenje: p ( X − m < 3σ) = 0.49865 ≈ 0. Pokazati da je P( X − m 〈 3σ ) = .997 2 ⋅ 0.Verovatnoća i statistika – zbirka zadataka X : N ( 24 .997 σ  2Φ( 3) = 0.997  3σ  2Φ  = 0.03 ) 7.67 ) = 90 %  0.997 52 .05  p ( X < 0.0 9 9 7 .  0.

Zakon raspodele verovatnoća je pravilo po kome svakom paru vrednosti (xi..c) 53 P[( . a slučajna promenljiva Y vrednost yij tj.. pi. gde su: p i1 + pi 2 + .y). n. i =1..... n.d) + F( a. tj: F(x.1..c dY ) =〈〈〈〈 .YX ) ∈ S] = ( XaP b. j n j =1. = ∑ p. Diskretna dvodimenzionalna slučajna promenljiva Vrednosti dvodimenzionalne slučajne promenljive se mogu predstaviti tačkama u ravni xOy. j = 1 i =1 j =1 Funkcija raspodele F(x. = F(b. m p.d) − F(b. P ( X = x. imamo: pij – verovatnoću da slučajna promenljiva X uzme vrednost xi. j = ∑ pij = P (Y = y j ) n i =1 ∑ p i . yi) slučajne promenljive (x.. = ∑ pij = P( X = xi ) j =1 m p1 j + p 2 j + .y)=P(X<x.y) pridružujemo odgovarajuću verovatnoću pij.y) predstavlja verovatnoću istovremene realizacije događaja X<x. ∑∑ p i =1 j =1 n m ij =1 Takođe... imamo marginalne verovatnoće po vrstama pi i po kolonama pj.. DVODIMENZIONALNA SLUČAJNA PROMENLJIVA 8. m.y) je verovatnoća da slučajna tačka (x. Y = y ) = pij .. + p nj = p. j =1. i =1. Y<y) Grafička interpretacija funkcije raspodele je: F(x. Znači...c) − F( a... m.y) padne u beskonačni kvadrat sa temenom u tački (x. Y<y.. ona je slučajna tačka (x.Verovatnoća i statistika – zbirka zadataka 8.. + pim = pi .y) u ravni...

y ) . F(x. ) =∞ Py (− X . y 2 〉 y1 4. ) =+ P(X〈 x.y) je neopadajuća funkcija svojih argumenata F ( x 2 .. y 2 ) ≥ F ( x.. za proizvoljan par brojeva i.− ) = 0 ∞ . p.. j u diskretnom slučaju ili relacije: 54 . 3. j pij pi. F(x.Verovatnoća i statistika – zbirka zadataka Osobine funkcije raspodele 1.. F2 ( y ) . n..odgovarajuće funkcije raspodele promenljivih X i Y: F(+ . p.. m.Y ) =〈〈∞ Fy 2(y) ∞∞ Marginalne verovatnoće: pi.. F ( + ∞ + ) =1 .− ) = F ( − ∞ y ) = F ( − ∞. j = ∑ pij = P (Y = y j ) n i =1 j =1. x 2 〉 x1 2. ∞ F ( x. y ) ≥ F ( x1 . y1 ) .− Y ) =〈 F1(x) F ( x.. ∞ F1 ( x ). Definicija nezavisnosti dveju slučajnih promenljivih: Slučajne promenljive X i Y su nezavisne ako je ispunjena relacija: pij = p i. = ∑ pij = P ( X = xi ) j =1 m i =1. j . Uslovne verovatnoće: p i / j = P ( X = xi / Y = y j ) = p j / i = P (Y = y j / X = xi ) = pij p.

a to je verovatnoća da slučajna tačka (x. y ) ′ ′ = Fxy ( x.verovatnoća da tačka (x. yx ) = P( − ∞ X〈 x.Verovatnoća i statistika – zbirka zadataka pi / j = p i. Neprekidna dvodimenzionalna slučajna promenljiva Gustina raspodele i funkcija raspodele f ( x.y). Y ) ∈ D ] = ∫∫ f ( x. y )dxdy (D) . y ) ≥ 0 −∞ ∞ − ∫ ∫ f ( x. y )dxdy =1 Marginalne funkcije raspodele 55 . Ovde imamo pojam elementarne verovatnoće f ( x.− Y〈 y) = ∫ ( . yxf ) d x d ∞ y −∞−∞ Osobine gustine raspodele ∞ ∞ xy 〈 f ( x. y ) = δ 2 F ( x. F ( x. F( .2. y ) δxδy P[( X . j 8.y) padne u oblast D. y )dxdy .y) padne u pravougaonik sa stranama dx i dy i jednim temenom u tački (x. Sabirajući elementarne verovatnoće po oblasti D dobijamo verovatnoću da tačka (x. y ) = F1 ( x ) F2 ( y ) p j / i = p.y) padne u oblast D.

Odnosno.yx )d x d y ∞ ∞ Marginalne gustine raspodele f 1 ( x ) = F1′( x ) = f 2 ( y ) = F2′( y ) = ∞ −∞ ∫ f ( x.Verovatnoća i statistika – zbirka zadataka 1 (xF ) = ( xF . Definicija nezavisnosti dveju slučajnih promenljivih: Slučajne promenljive X i Y su nezavisne ako je ispunjena relacija: f ( x. y ) f1 ( x ) Tumačenje: verovatnoća da slučajna tačka (X.− yY ) =〈 ∫ f( . f ( x / y) = f ( y / x) = f ( x. uslovni zakon raspodele verovatnoća. y ) dx Marginalne gustine raspodele se mogu dobiti pomoću gustine raspodele dvodimezionalne slučajne promenljive.yx )d −∞−∞ ∞y −∞−∞ x∞ x d y ∞ ∞ 〈 〈 F2( y) = F( + ∞ . da bi potpuno okarakterisali dvodimenzionalnu slučajnu promenljivu. međutim. y ) = f 1 ( x ) f 2 ( y ) ili relacije: 56 . y ) f 2 ( y) f ( x. y ) dy ∞ −∞ ∫ f ( x.y) = P( − ∞ X〈 . obrnuto ne važi. potrebno je pored marginalnih raspodela znati i zavisnost između njih.− Y ) =〈 ∫ f( .Y) padne u pravougaonik S je jednaka verovatnoći da ona padne S1( x〈 〈 xX + d ) x u pojas pod uslovom da je pala u pojas S2( y〈 yY +〈 d ) y . Odnosno.+ ) = P(− ∞ 〈 xX .

a Y broj tačaka na gornjoj strani druge kocke. y) = F1′( x) F2′ ( y) 4 36 13 36 c) p( X 2 + Y 2 ≤ 20 ) = d) p( X + Y > 9) = e) p( XY < 10 ) = 6 36 17 36 8. y ) = f1 ( x ) f 2 ( y ) f ( x / y ) = f1 ( x ) f ( y / x) = f 2 ( y ) ∀ a ≤ X 〈 b. y) = F1( x) F2( y) Fx′ = yf ( x. kao i marginalne verovatnoće. Ako sa X označimo broj izvučenih kečeva. Naći verovatnoće: a) p ( X +Y = 6) b) p( X −Y = 2) c) p ( X 2 +Y 2 ≤ 20 ) d) p ( X +Y > 9) e) p ( XY <10 ) Rešenje: a) p ( X + Y = 6) = b) p( X −Y = 2) = 5 36 F( x. c ≤ Y 〈 d ⇒ P ( a ≤ X 〈 b.Verovatnoća i statistika – zbirka zadataka f ( x. Rešenje: 57 . Eksperiment se sastoji u izvlačenju 3 karte sa vraćanjem. Neka u eksperimentu bacanja dve kocke X označava broj tačaka na gornjoj strani prve kocke. a sa Y označimo broj izvučenih dama i kraljeva. odrediti zakon raspodele slučajnih promenljivih X i Y.2.1. iz špila od 52 karte. c ≤ Y 〈 d ) = P ( a ≤ X 〈 b ) ⋅ P ( c ≤ Y 〈 d ) Zadaci: 8.

05 0.05 1 0.1 0. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X.05 0.08 3 0.03 0. = 3 2197 52 8.05 0 0.12 0.22 0 0.03 0.06 0.1 0.82 0.05 0.1 0 0..16 2 0. 1728 2197 372 2197 36 2197 1 2197 0 0 0 8 2197 0 0 132 2197 0 666 2197 1 p ( X = 0.35 1 0 1 2  − 2 −1 0 1 2 3   :X   :Y   0.2 0.05 2 0.04 Rešenje: X\Y 0 1 2 p.05 0.03 0.07 0.18 -1 0.j -2 0.05 0.1 0 0. Y = 2) = 3 ⋅ ⋅  =  52 52 52  2197  8 40 40  600 p( X = 0.21 0.3 0.1 0.04 0.35 0.3 0.05 0.j 0 1000 2197 300 2197 30 2197 1 2197 1331 2197 1 600 2197 60 2197 6 2197 2 120 2197 12 2197 3 8 2197 pi. kao i njihove zakone i funkcije raspodele.1 0. Y = 3) = 83 8 .07 0.03 0.22 1 0 0. Y = 0) = 40 3 1000 = 52 3 2197  8 8 40  120 p ( X = 0.05 0.Verovatnoća i statistika – zbirka zadataka X\Y 0 1 2 3 p.12 0. Y = 1) = 3 ⋅ ⋅ =  52 52 52  2197 p( X = 0.1 0..Y).05 0.05 0.14 p.60 0.81  4 58 .06 0.3 0.35  5  0. Naći marginalne raspodele slučajnih promenljivih X i Y.05 0.3. X\Y -2 -1 0 1 2 3 0 0.i 0.05 0.

39 0. Y/X y1 y2 Rešenje: X/Y x1 x2 x3 p. −1 < y ≤ 0  0   F (Y ) = .12 0. y ≤ −2   .6 .1 0. kao i njihove zakone raspodele i verovatnoće p ( X < x3 . 0 < y ≤ 1  0 2  .11 = 0.12 0.Y). Y = y 2 ) = 0.18 0. kao i njihove zakone raspodele.   0 .6 pi. kao i uslovne raspodele koordinata X i Y.j 1 3/40 1/40 5/40 2/40 11/40 2 7/40 4/40 1/40 1/40 13/40 3 0/40 2/40 8/40 6/40 16/40 pi.21 = = 0.18 0.1 + 0.5.8  .4 y2 0. Y > y1 ) 0. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X. 0 < x ≤ 1   F(X ) =   0. Naći marginalne raspodele slučajnih promenljivih X i Y.Y).11 x3 0.11 0.1 .6.39 p ( X < x3 .j y1 0. X\Y 1 2 3 1 3 7 0 2 1 4 2 3 5 1 8 4 2 1 6 Rešenje: X\Y 1 2 3 4 p. Naći marginalne verovatnoće. p ( X ≤ x 2 / Y > y1 ) .22 0. 1 < x ≤ 2  x> 2  1. y >3  1  8. 1 < y ≤ 2  0 8   2 < y ≤3  0 6  . Y = y 2 ).21 p ( X ≤ x 2 / Y > y1 ) = 8. 10/40 7/40 14/40 9/40 1 8.49 1 p ( X ≤ x 2 . zakone i funkcije raspodela koordinata dvodimenzionalne slučajne promenljive (X.29 0.1 0. 0 8 − 2 < y ≤ −1    . 59 .35 p (Y > y1 ) 0.3. Naći marginalne raspodele slučajnih promenljivih X i Y.Verovatnoća i statistika – zbirka zadataka 0.4.1 x2 0.7 . x≤ 0  0.65.6 x1 0.1 0. Data je raspodela verovatnoća dvodimenzionalne slučajne promenljive (X. 0.Y) date tabelom: Y 2 4 5 X\ 1 3 7 1 3 2 8 4 10 9 5 6 Odrediti verovatnoće p(X>Y) i p(X=Y+2).4.

Neka slučajna promenljiva X odgovara rezultatu prvog bacanja kocke. Naći raspodelu slučajne promeljive Z=X+Y. a slučajna promenljiva Y odgovara rezultatu drugog bacanja kocke.7. Rešenje: 60 .j 2 3/45 2/45 9/45 14/45 4 7/45 8/45 5/45 20/45 5 1/45 4/45 6/45 11/45 pi.Verovatnoća i statistika – zbirka zadataka Rešenje: X \Y 1 3 10 p. 11/45 14/45 20/45 1 2 45 p( X > Y ) = 2 20 22 + = 45 45 45 p( X = Y + 1) = 1 3 1  0 2 4 5      X / Y = 2 :  3 2 9  Y / X = 1:  3 7 1       1 1 4 1  4 4  1 1 1 1 1 1 1 3 1  0  2 4 5      X /Y = 4 :  7 8 5  Y / X = 3 :  2 8 4       2 2 0 2 0 0  1 1 4 1 4 4 1 3 1  0  2 4 5      X /Y = 5: 1 4 6  Y / X = :1  9 0 5 6       1 1 1 1 1 1  2 2 0 2 0 0 8. Baca se kocka 2 puta.

Verovatnoća i statistika – zbirka zadataka  1 2 3 4 5 6   X : 1 1 1 1 1 1 = Y    6 6 6 6 6 6 2  Z = 1   36 3 1 18 4 1 12 5 1 9 6 5 36 7 1 6 8 5 36 9 1 9 10 1 12 11 1 18 12   1   36  61 .

za a < x < b . U slučaju neprekidne slučajne promenljive: Neka je X neprekidna slučajna promenljiva definisana gustinom raspodele verovatnoća f(x) za a < x < b i neka je funkcija Y =ϕ( X ) neprekidna i diferecijabilna.. y n = ϕ ( x n )    p2 . x n   y1 = ϕ ( x1 ) X : 1 2  p p . tada se Y naziva funkcijom slučajne promenljive X u oznaci: Y = ϕ( X ) U slučaju diskretne slučajne promenljive:  x x . verovatnoća događaja Y<y jednaka je verovatnoći događaja a < X < x : G ( y ) = P (Y < y ) = P( a < X < x ) = F ( x) − F (a ) = F (ψ ( y )) − F ( a ) gde su: F(x) funkcija raspodele slučajne promenljive X. tj...Verovatnoća i statistika – zbirka zadataka 9. za a < x < b . p  ⇒ Y = ϕ ( X )    p1 n   1 2  y 2 = ϕ ( x 2 ) . pn  Ako je ϕ( X ) monotona funkcija (npr: Y = 3 X + 1 ). Ako je ϕ( X ) nemonotona funkcija (npr: Y = 3 X 2 + 1 ). onda je P ( Y = y i ) = P( X = xi ) = pi . Y =ϕ( X ) je monotono opadajuća G ( y ) = P (Y < y ) = P( x < X < b) = F (b) − F ( x ) = −F (ψ ( y )) + F (b) g ( y ) = − f (ψ( y )) ⋅ψ' ( y ) Y =ϕ( X ) uzima se jedinstvena formula za gustinu raspodele U slučaju monotonosti funkcije verovatnoća: g ( y ) = f ( ( y ) ⋅ψ ( y ) ψ ) ' 3... Kada Y =ϕ( X ) nije monotona G ( y ) = P (Y < y ) = ∑P ( X ∈∆i ( y )) = ∑ g ( y) = G' ( y) ∆i ( y ) ∫ f ( x)dx Zadaci: 62 ... Imamo slučajeve: 1.Y) nalazi na delu krive Y =ϕ( X ) ispod prave AB:Y=y. Gustina raspodele funkcije Y =ϕ( X ) je: g ( y ) = f (ψ( y )) ⋅ψ' ( y ) inverzna funkcija funkcije 2. Y =ϕ( X ) je monotono rastuća Verovatnoća događaja da se tačka (X. a ψ( y ) Y =ϕ( X ) .. onda su verovatnoće P( Y = y i ) jednake zbiru P( X = xi ) onih vrednosti slučajne promenljive X za koje Y ima jednake vrednosti. FUNKCIJE SLUČAJNIH PROMENLJIVIH Ako svakoj mogućoj vrednosti slučajne promenljive X odgovara jedna moguća vrednost slučajne promenljive Y.

6 .3 0. Rešenje: ϕ( X ) = 3 X + 1 y1 = ϕ( x1 ) = 3 ⋅1 + 1 = 4 y 2 = ϕ( x 2 ) = 3 ⋅ 2 + 1 = 7 y 3 = ϕ( x3 ) = 3 ⋅ 3 + 1 = 10 1 2 3  :X    0.1.Verovatnoća i statistika – zbirka zadataka 9.3 0. naći raspodelu 4 7 1  0 :Y    0. naći raspodelu 63 .3 0. Rešenje: ϕ( X ) = 3 X 2 + 1 y1 = ϕ( x1 ) = 3 ⋅ ( −2) 2 + 1 = 13 y 2 = ϕ( x 2 ) = 3 ⋅ ( −1) 2 + 1 = 4 y 3 = ϕ( x3 ) = 3 ⋅12 + 1 = 4 y 4 = ϕ( x 4 ) = 3 ⋅ 2 2 + 1 = 13 − 2 −1 1 2  :X    0.1 0. Ako slučajna promenljiva X ima raspodelu verovatnoća verovatnoća slučajne promenljive Y=3X2+1.2 0.2.6 9.4 .1 0.1 0. Ako slučajna promenljiva X ima raspodelu verovatnoća verovatnoća slučajne promenljive Y=3X+1.

Verovatnoća i statistika – zbirka zadataka 4 1  3 :Y    0.5 9.25. Opisati slučajnu promenljivu Y=X2-1. Slučajna promenljiva X označava verovatnoću pojavljivanja događaja A u 3 nezavisna opita. pri čemu je verovatnoća pojavljivanja događaja A u jednom opitu 0. 64 . Odrediti zakon i funkciju raspodele za slučajne promenljive Y=2X+1 i Z=X2. ako je: Rešenje:  − 1 2 3  0 3 8    X :  1 1 3 Y :  1 1 3     8 2 8  8 2 8  − 1 1 2   :X  1 1 1    4 4 2 Rešenje:  0 3   Y : 1 1    2 2 9.4.3.5 0.

24 0. 1 3 5 7   :Y   0.40  2 .24 0.40  2 65 .4 0.21 0.7 = 05.Verovatnoća i statistika – zbirka zadataka  3 0 3 p3(0)=   0.40  2 0 1 4 9   :Z   0..24 0..21 0.21 0.4 5 2  0 0 1 2 3   X :  0.4 0.4 0.2 ⋅ 0.

1 0.1    − π X : 1  1 9.1 0.5.3 0.1 0.Verovatnoća i statistika – zbirka zadataka 9.6. Ako je  π π π π  π 0 X : 6 6 6 6   0.3   .4 0. Rešenje: −1 0  :Y  2 5  1 1 1  4  1 1 66 .2 0. naći zakon raspodele za Y=sinX.2 0. naći zakon raspodele za Y=cosX. Ako je π π  − 0 π 2 2  3 4 2 1  1 1 1 1 1 . Rešenje:  1 2  0 1 Y : 2 2   0.2 0.

2 ( y ) 1 2 2 1 Ψ ' ( y) = = Ψ ' ( y) 1 2 2 2y 2 = g ( y ) = f (Ψ ( y )) Ψ ' ( y ) + f (Ψ ( y )) Ψ ' ( y ) = 1 1 2 2 =   f 2 2y     1 y 2    + f −     y 2     9. ∞). Gustina f(x) slučajne promenljive X definisana je na intervalu (-∞.9. Ψ ( y ) = −y 1 2 Ψ ' ( y) = Ψ ' ( y ) =1 1 2 g ( y ) = f ( y ) + f ( −y ) g ( y ) = f (3 y ) 1 33 y 2 9. Gustina f(x) slučajne promenljive X definisana je na intervalu (0. ∞). Naći gustinu raspodele verovatnoća g(y) slučajne promenljive Y.8. ako je: a) Y = e − X . X2 d) Y = e − X 2 Rešenje: a) Y = e −X b) Y = ln X 67 . b) Y = X3 X = 3 Y ⇒ Ψ( y ) = 3 y Ψ' ( y ) = 1 3 y2 3 X = ±Y ⇒ Ψ ( y ) = y. Rešenje: Y = 2X 2 X Y Y ⇒X = ± = Ψ.Verovatnoća i statistika – zbirka zadataka 9. ako je: a) Rešenje: a) Y =X Y =X na intervalu (-∞. ∞). c) Y = 1 . ∞) b) Y = X 3 na intervalu (0. ako je Y = 2X 2 . Naći gustinu raspodele verovatnoća g(y) slučajne promenljive Y. Naći gustinu raspodele verovatnoća g(y) slučajne promenljive Y. b) Y = ln X .7.

Ψ2 ( y ) = − y 1 2 y Y =X 2 Ψ ' ( y ) = Ψ2 ' ( y ) = 1 g ( y) = 1 2π e y − 2 1 y 9.Verovatnoća i statistika – zbirka zadataka ln Y = −X ⇒ X = ln 1 Ψ' ( y ) = − y 1 1 g ( y ) = f (ln ) y y 1 1 ⇒ Ψ( y ) = ln Y y X = e Y ⇒ Ψ( y ) = e Y Ψ' ( y ) = e Y g ( y ) = f (e Y ) e Y c) Y = 1 X2 d) Y = e−X 2 ln Y = − X 2 ⇒ X = ± ln X =± 1 ⇒ Ψ( y ) = Y 1 2 1 2y y 1 y 1 Y 1 2 y ln 1 y Ψ' ( y ) = g ( y) =  1  1 y − 2  = −  y  2y y   f (ln 1 ) y 1 1 Ψ' ( y ) =  ln  2 y   g ( y) = 1 1 −2  1 −  =  y    1 f  ln  y 1    2 y ln y x2 1 −2 9. Rešenje: X = ± Y ⇒ Ψ ( y) = 1 y . Slučajna promenljiva X definisana je gustinom raspodela verovatnoća f ( x) = e 2π ∞ na intervalu (− < X < ∞) .11. Rešenje: Y = X3 +2 X = 3 Y − 2 ⇒ Ψ( y ) = 3 Y − 2 2 1 − Ψ1 ' ( y ) = ( y − 2 ) 3 3 1 1 g ( y) = = 2 π 1 + 3 ( y − 2) 33 ( y − 2) 2 3π ( ) ( 1 3 ( y − 2) + 3 ( y − 2) 4 2 ) 68 .10. Naći gustinu raspodele verovatnoća g(y) π (1 + x 2 ) slučajne promenljive Y=X3+2.Slučajna promenljiva ima Košijevu raspodelu verovatnoća definisanu gustinom 1 f ( x) = ∞ na intervalu (− < X < ∞) . Naći gustinu raspodele verovatnoća g(y) slučajne promenljive 2 Y=X .

Rešenje: 1  . Naći gustinu raspodele verovatnoća g(y) slučajne promenljive Y=cosX. Slučajna promenljiva ima uniformnu raspodelu verovatnoća na intervalu (0. Ψ ( y ) = −arccos Y 1 2 Ψ ' ( y) = Ψ ' ( y) = 1 2 g ( y) = 1 2π 1 − y 2 1 1− y2 1 2π 1 − y 2 + = 1 π 1− y2 69 . f (x) =  2π  0. x ∈ (0.12.2π) .Verovatnoća i statistika – zbirka zadataka 9.2π ) in a c e Y = cos X X = arccos Y ⇒ Ψ ( y ) = arccos Y .

Osobine matematičkog očekivanja 70 ..). NUMERIČKE KARAKTERISTIKE SLUČAJNIH PROMENLJIVIH 10. Definicija: ako je X diskretna slučajna promenljiva.. prvi i treći. koriste se i kvartili X0. medijan Me se dobija kao rešenje jednačine: F( M ) = F( x0.5e) = p( x〈 M ) = 0. funkicja slučajne promenljive X.75.5 naziva se medijanom slučajne promenljive X. Matematičko očekivanje.25 i X0. tada je mod njena najverovatnija vrednost. Ako je X neprekidna slučajna promenljiva. medijan i mod Matematičko očekivanje E(x) – srednja vrednost slučajne promenljive X: − n u slučaju diskretne slučajne promenljive: E ( X ) = ∑ xi p i i =1 ∞ − u slučaju neprekidne slučajne promenljive: E ( X ) = −∞ ∫ xf ( x ) dx Ako je Y = ϕ( x ) .5 e Pored medijana. tada je matematičko očekivanje slučajne promenljive Y jednako: E( Y ) = E(ϕ ( X ) ) = ∑ ϕ ( xi ) p i i =1 ∞ −∞ n u diskretnom slučaju u neprekidnom slučaju ∫ ϕ ( x ) f ( f ) dx Matematičko očekivanje funkcije Xr (r=1. tada je mod maksimum gustine raspodele. tada se rešenje jednačine: F(xp ) = p naziva kvartilom reda p.. tj. naziva se običnim momentom reda r: mr = E ( X ) = r ∑ ∞ −∞ n i =1 xi p i r r u diskretnom slučaju u neprekidnom slučaju ∫ x f ( f ) dx Definicija: ako je F(x) funkcija raspodele slučajne promenljive X.Verovatnoća i statistika – zbirka zadataka 10.1.2. Kvartil reda 0.

2. poznata pod nazivom koeficijent varijacije: kv = E( X ) σ Centralni momenat r-tog reda definiše se formulom: µ r = E( X − E( X ) ) = r E X r − Er ( X ) = ( ) ∑ ( x − E( x) ) i= 1 ∞ i −∞ n u diskretnom slučaju r pi u neprekidnom slučaju ( x − E( x) ) r f ( f ) d x ∫ Centralni momenti se mogu izraziti i pomoću običnih momenata: 71 . Disperzija i standardno odstupanje (parametri koji mere rasturanje vrednosti jednodimenzionalne slučajne promenljive oko centra rasturanja) Definicija: Disperzijom slučajne promenljive X naziva se matematičko očekivanje kvadrata odstupanja slučajne promenljive X od E(X): D( X ) = σ 2 = E ( X − E ( X ) ) = 2 E X − E (X) = 2 2 ( ) ( xi − E ( x ) ) 2 pi ∑ i=1 ∞ −∞ n . uvedena je relativna mera rasturanja.Verovatnoća i statistika – zbirka zadataka E (C ) = C E ( CX ) = CE ( X ) E ( X + Y ) = E ( X ) + E (Y ) E ( XY ) = E ( X ) E (Y ) E( X ) ≥ E( X ) 10. Da bi rasturanje različitih raspodela moglo da se upoređuje.u diskretnom slučaju -u neprekidnom slučaju ( x − E( x) ) 2 f ( f ) d x ∫ σ = D( X ) Pozitivan koren iz disperzije: naziva se standardnim odstupanjem (devijacijom).

j ∫ yf ( y ) dy 2 Dalje imamo obične momente reda r+s: 72 . ∞ ∫ ∫ xf ( x. gde su M1 i M2 matematička očekivanja slučajnih promenljivih X i Y.3.M2). onda je centralni momenat r-tog reda slučajne promenljive Y jednak: µ r = E( ϕ ( X ) − E( ϕ ( X ) ) ) = r ∑ ( ϕ ( x ) − E( ϕ ( x) ) ) i =1 ∞ i r −∞ n r pi u diskretnom slučaju u neprekidnom slučaju ∫ ( ϕ ( x ) − E ( ϕ ( x) ) ) f ( f ) dx Disperzija slučajne promenljive Y je: D( Y ) = E (ϕ 2 ( X ) ) − E 2 ( ϕ ( X ) ) Osobine disperzije D( C ) = 0 D( CX ) =C 2 D( X ) D( X + Y ) = D ( X ) + D (Y ) D( X − Y ) = D ( X ) + D (Y ) 10. y ) dy = ∫ xf ( x ) dx 1 −∞ M 2 = E( Y ) = ∑y j =1 ∞ −∞ j p.Y) okarakterisan je “srednjom tačkom” (M1.Verovatnoća i statistika – zbirka zadataka µ1 = 0 µ 2 = m2 − m12 µ3 = m3 − 3m2 m1 + 2m13 µ 4 = m4 − 4m3 m1 + 6m2 m12 − 3m14 Ako je Y = ϕ( x ) funkcija slučajne promenljive X. koja se u diskretnom i neprekidnom slučaju definišu kao: M 1 = E( X ) = ∑∑x p = ∑x ∑ p = ∑x p i =1 j =1 ∞ ∞ i ij i =1 i j =1 ∞ ij i =1 i ∞ − ∞− ∞ −∞ m −∞ n m n m n i.Koeficijent korelacije (parametri raspodele dvodimenzionalne slučajne promenljive) Centar rasturanja vrednosti dvodimenzionalne slučajne promenljive (X. y ) dxdy = ∫ xdx ∫ f ( x.

1 4 0.2 + 0. Rešenje: E ( X ) = ∑ xi pi = −1 ⋅ 0.9 − 3.1 + 4 2 ⋅ 0.1 − 0.9 2 = 1.2 = 3.1 + 0.5 7  .4 = 2.2.3 + 2 ⋅ 0.2 + 0 2 ⋅ 0.1 + 1 ⋅ 0. E(X) i D(X).Verovatnoća i statistika – zbirka zadataka mrs = ∑∑ x i =1 j =1 ∞ ∞ − ∞− ∞ n m r i y sj pij ∫ ∫x r y s f ( x.2  Rešenje:  1 3 0.3 2   .2 E ( X ) =1 ⋅ 0. y ) dxdy ∫∫ = Momenat η11 = E ( ( X − E ( X ) ) ( Y − E ( Y ) ) ) = E ( XY ) − E ( X ) E ( Y ) se zove kovarijansa. centralni momenat reda r+s: η rs = E ( x − E ( x ) ) ( y − E ( y ) ) = r s ∑ ∑ ( x − E( x) ) ( y n m r i =1 j =1 ∞ ∞ i − ∞− ∞ j − E ( y ) ) pij s ( x − E ( x ) ) r ( y − E ( y ) ) s f ( x.9 D( X ) = E ( X 2 ) − E 2 ( X ) = 18 .1 + 4 ⋅ 0.1.9 E ( X 2 ) =12 ⋅ 0. y ) dxdy odakle su matematička očekivanja M1 i M2 obični momenti prvog reda: M 1 = m10 .4   E ( X 2 ) = ∑ xi pi = ( −1) 2 ⋅ 0.9 2 = 3. a razlomak ρ = ρ xy = η11 E( X − E( X ) ) E(Y − E(Y ) ) 2 2 η11 m − M 1M 2 = 11 .1 + 12 ⋅ 0.2 + 3 ⋅ 0.29 10. σ xσ y σ xσ y σ xσ y ≠ 0 je koeficijent korelacije za slučajne veličine X i Y.2 + 0 ⋅ 0. Odrediti a.1 2 i =1 4 D( X ) = E ( X 2 ) − E 2 ( X ) = 2.5) = 0.2 =18 .3 + 2 2 ⋅ 0.69 73 . obrnuto ne mora da važi. Slučajna veličina X ima sledeći raspored: X :   D(X).4 = 0. a  a = 1 − (0. Odrediti E(X) i 0.5 + 7 2 ⋅ 0. Ako su dve slučajne promeljive nezavisne onda su i nekorelativne. M 2 = m01 Zatim.1 1 0 . Zadaci: 10.9 i =1 4  −1 0.2 + 3 2 ⋅ 0.2 0 0.5 + 7 ⋅ 0. Neka je X :  0.

x x ∈ (0.3 Slučajna veličina X ima gustinu proporcionalnu sa x2 na intervalu (0. Pri tome je Ako je p (Y = y1 ) = 0. Rešenje:  k 2 . E (Y ) =1.4. Odrediti joj E(X) i σ.3) f (X ) =   0.Verovatnoća i statistika – zbirka zadataka 10.4 i D ( X ) = 0.4 74 .3) ∫ kx 0 3 2 dx = 1 3 x3  k   =1  3 0 k 27 1 =1 ⇒ k = 3 9 3 E( X ) = ∫ 0 1 2 1 x4  1 81 9 x xdx =   = = 9 9  4 0 9 4 4 1 1 x5  27 2 2 ∫ x x dx = 9  5  = 5 90  0 3 3 3 E( X 2 ) = D( X ) = σ= 27 81 27 − = 5 16 80 27 D( X ) = 80 10. Rešenje: y 2 〉 y1 . Diskretna slučajna promenljiva ima dve moguće vrednosti y1 i y 2 .  y1 y2  Y :   0.3).6 .6 0.24 . x ∉ (0.

4 y 2 = 1.64 = 0 y 21.12 y 2 + 0.4 y 2 = 2.2 D (Y ) =1.8 =2 y 2 2 = 0.25 9 0.024 1. 0.16 y 2 2 + 0.4 + 7 ⋅ 0. Dati  −1 X : 0.6 y1 + 0.24 y 2 = 1.15 13   i 0. promenljivih.D(2X) i D(Y).4   2 7 0.4 y 2 = 2.12 y 2 + 0.8 y1 2 = 1.96 − 1.5   75 . 10.2 = 6.4 − 0.6 y1 + 0. ⋅ 0.8 2 2 2 2 2 2 1.3 0.1771 1 3 4  :Y    0.4 ⇔ 0.4 D ( X ) = 0.34 raspodela nezavisnih 2 0.65 0.3 0.5 D (2 X ) = 4 D ( X ) = 70 .6 0. Naći E(XY) i D(X+2Y).4 y 2 = 1.4 y 2 − 1.12 ± 1.2 /⋅ 0.2544 − 1.96 − 1.2 1.6 y1 + 0.15 +131 .12 y 2 + 0.6 0.5.25 + 9 ⋅ 0.4 10. 2 = y 21 y11 = 1 1.8 0.4 y 2 0.24 0.2   Odrediti E(X).32 0.19 zakoni 1 0.2 slučajnih 2   0  i Y :  0.Verovatnoća i statistika – zbirka zadataka E (Y ) = 1.21  su 0 0.24 0.16 y 2 + 0.24 ⇔ E (Y 2 ) − E 2 (Y ) = 0.6 1 2  :Y    0.0  5 .6. Rešenje: E ( X ) = 2 ⋅ 0.6 y1 + 0.4 ⇒ y1 = 0. Date su nezavisne slučajne promenljive X :  0.12 ± 0.4 2 = 0.26   4   .48 = 0.4 y 2 − 1.6 2 2 1.

9. ako je ona definisana funkcijom raspodele: x≤ 0  . 0< x≤ 2 f (X ) = F'(X ) =  2  0.16 =13 .5 e M 2 e = 0. Odrediti Me za slučajnu promenljivu X. i n a c e x 1  x3  18 4 E ( X ) = ∫ x dx =   = = 2 2  3 0 2 3 3 0 2 2 F ( M ) = 0. Izračunati koeficijent varijacije za raspored zadat u tabeli: 76 . 0 < x ≤ 2 . x ≤ 0  2 x raspodele: F ( X ) =  . medijanu i modus ako slučajna veličina ima funkciju  0.1675 +12 .5 4 M 2 =2 e M = e 2 1 f '(X ) = 2 nema max f(x). nema modusa 10.5 / ln − aM = ln e M = e ln 2 a 1 2 10.7.3275 10.8. x > 0 Rešenje: F ( M ) = 0. x > 2 Rešenje: x  .  1− e .0 F (X ) =  − a x .5 e −aMe = 0. 4  1.5 e 1 − e −aMe = 0.Verovatnoća i statistika – zbirka zadataka Rešenje: E ( XY ) = E ( X ) E (Y ) =1.56 D ( X + 2Y ) = D ( X ) + 4 D (Y ) =1. Odrediti matematičko očekivanje.

5 23.5-23.5 23.5-19.25 156.5 11.37 ⋅100 = 20 .5 178.5 8.5 21.5 12.5 537.25 72.25 110.5-15.5 13.5 17. E(X).25 506.25 9112.5 22052.5 Rešenje: razmak 5. Odrediti E(XY).5-25.10.5-11.5 16.7 360 = 104488 = 290 .5-11.5 24. E(Y) ako je zakon raspodele slučajnog vektora (X.5 14.5 7.23 360 σ = 11 .5-25.75 13035.5-21.5-9.25 272.5 155 y -5 -4 -3 -2 -1 0 1 2 3 4 -5 fy -10 -12 -51 -86 -62 0 70 122 54 12 37 fy2 50 48 153 172 62 0 70 244 162 48 1009 x2 42.5 10.25 6718.25 420. da li su X i Y nezavisne? X/Y 0 1 2 0 1/9 2/9 0 1 0 1/9 2/9 2 2/9 0 1/9 Rešenje: X/Y 0 1 0 1/9 0 1 2/9 1/9 2 0 2/9 fx 1/3 1/3 xfx 0 1/3 77 .5 9.Verovatnoća i statistika – zbirka zadataka razmak 5.25 fx 13 25.5-23.5 20.5 19.25 210.5 18.37 V = 3.5-17.5 14.5 21.5 15.5-7.5 20.5-13.5 9.5 18.25 23957.5 405 73.5 6014 fx2 84.Y) dat tablicom.5 16.7 10.5 899 1336.5 216.5-15.5-21.5-9.5 8.5 1295 1250.5 11.5 1800.5 10.34 ∑ fx 6014 = 16 .5 22.5 13.75 1874.5 17.5 25635.75 104488 f 2 3 17 43 62 81 70 61 18 3 x 6.34 = 3.5 12.5 7.5-13.25 342.5-7.5 19.5 24.5-19.5 y -5 -4 -3 -2 -1 0 1 2 3 4 fy -10 -12 -51 -86 -62 0 70 122 54 12 fy2 50 48 153 172 62 0 70 244 162 48 ∑ E( X ) = ∑ fx N i = 2 i E( X 2 ) = N D ( X ) = 11 .5-17.5 15.25 600.5 f 2 3 17 43 62 81 70 61 18 3 360 x 6.5 22.17 % 16 .

X/Y 0 1 2 3 4 5 6 7 8 1 2 1 0 0 0 0 0 0 0 2 2 2 2 1 0 0 0 0 0 3 1 2 3 2 2 1 0 0 0 4 0 0 1 4 4 3 3 1 0 5 0 0 0 1 4 6 5 4 1 6 0 0 0 0 1 2 3 6 4 7 0 0 0 0 0 0 2 3 5 8 0 0 0 0 0 0 0 0 2 Rešenje: X/Y 0 1 2 2 2 3 1 4 0 5 0 6 0 7 0 8 0 fy 5 y*fy 0 y2*fy 0 f1y*y 0 f2y*y 0 f3y*y 0 0 4y*y f5y*y 0 f6y*y 0 f7y*y 0 f8y*y 0 9 0 0 0 0 1 2 4 3 10 0 0 0 0 0 0 2 2 1 2 3 4 5 6 7 8 9 10 fx x*fx x2*fx 1 0 0 0 0 0 0 0 0 0 3 3 3 2 2 1 0 0 0 0 0 0 0 7 14 28 2 3 2 2 1 0 0 0 0 0 11 33 99 0 1 4 4 3 3 1 0 0 0 16 64 256 0 0 1 4 6 5 4 1 1 0 22 110 550 0 0 0 1 2 3 6 4 2 0 18 108 648 0 0 0 0 0 2 3 5 4 2 16 112 784 0 0 0 0 0 0 0 2 3 2 7 56 448 5 6 8 11 12 13 14 12 10 4 100 500 2816 5 12 24 44 60 78 98 96 90 40 547 5 24 72 176 300 468 686 768 810 400 3709 Si*xi 1 0 0 0 0 0 0 0 0 0 1 1 2 4 3 0 0 0 0 0 0 0 9 18 2 6 6 8 5 0 0 0 0 0 27 81 0 2 12 16 15 18 7 0 0 0 70 280 0 0 3 16 30 30 28 8 9 0 124 620 0 0 0 4 10 18 42 32 18 0 124 744 0 0 0 0 0 12 21 40 36 20 129 903 0 0 0 0 0 0 0 16 27 20 63 504 Σ 3151 78 . E (Y ) = 1 E ( XY ) =1 X i Y nisu nezavisne jer je: E ( XY ) = E ( X ) ⋅ E (Y ) Si 2/9 5/9 2/9 xSi 0 5/9 4/9 10.Verovatnoća i statistika – zbirka zadataka 2 fy yfy X/Y 0 1 2 f0yy f1yy f2yy 2/9 1/3 0 0 1/9 0 2/9 0 0 0 0 1/3 1/3 1 2/9 1/9 0 2/9 1/9 0 1/9 1/3 2/3 2 0 2/9 1/9 0 4/9 2/9 1/3 1 2/3 - E ( X ) = 1.11. Izračunati koeficijent korelacije za dati dvodimenzionalni raspored.

X/Y 1 2 3 1 3 7 0 2 1 4 2 3 5 1 8 4 2 1 6 Rešenje: X/Y 1 2 3 4 fy yfy y2fy f1yy f2yy f3yy f4yy 1 3 1 5 2 11 11 11 3 1 5 2 2 7 4 1 1 13 26 52 14 8 2 2 E ( X ) = 2.47 σ y = 2.09 ρxy = 0.40 79 .78 ρ xy = = 0.87 1.175 σ y = 0.78 * 2.68 σ x =1.16 − 5 2 = 3.09 − 5.1691 100 31 .Verovatnoća i statistika – zbirka zadataka E( X ) = 500 =5 100 E( X 2 ) = 2816 = 28 .47 2 = 7.09 D (Y ) = 37 .7 xfx 10 14 42 36 102 Si*xi 17 30 93 88 228 x2fx 10 28 126 144 308 D ( X ) =1.659 E (Y 2 ) = 5.68 E (Y 2 ) = 10. Izračunati koeficijent korelacije za dati dvodimenzionalni raspored.51 − 5 * 5.47 100 3709 = 37 .12.16 100 D ( X ) = 28 .1975 D (Y ) = 0.55 E (Y ) = 2.125 3 0 2 8 6 16 48 144 0 6 24 18 fx 10 7 14 9 40 85 207 17 15 31 22 Σ E ( X 2 ) = 7.81 σ x = 1.16 E (Y ) = 547 = 5.

54 E ( X 2 ) = 0.1. odnosno p( X > a ) < 1 − a a Zadaci: 11.6 :X    0.6 ⋅ 0. Oceniti Rešenje: p ( X − E ( X ) < 0.8 E ( X 2 ) = 16.6 6 . 1 2 3 4 5 6   :X   0. onda je: p( X − E ( X ) ≥ ε ) ≤ D( X ) D( X ) .8 .0144 = 0.3 2 ⋅ 0.04 11.3 0. Diskretna slučajna promenljiva ima raspodelu verovatnoća: p ( X −E ( X ) <0. U vezi sa ovim pominje se i nejednakost Markova: p( X > a ) < E( X ) E( X ) . E ( X ) = 0.2 + 0.8 = 0. NEJEDNAKOST ČEBIŠEVA Ako slučajna promeljiva ima konačnu disperziju.Verovatnoća i statistika – zbirka zadataka 11.2 + 0.6 2 ⋅ 0.8 = 0.0 0.1 80 .15 0.306 D ( X ) = 0.64 0.2 0. ODNOSNO p ( X − E ( X ) < ε ) > 1 − 2 ε ε2 gde je ε proizvoljan pozitivan broj.2 ) pomoću nejednakosti Čebiševa.1 D( X ) = 1.2 0.0144  0.3 ⋅ 0.35 0.2 ) ≥ 1 − 0. Oceniti Rešenje: E ( X ) = 3.2.2 0. Slučajna promenljiva ima raspodelu verovatnoća: p ( X −E ( X ) < 2 ) pomoću nejednakosti Čebiševa.

Verovatnoća i statistika – zbirka zadataka p ( X −3.5<X<1. Rešenje: p ( X − 1) < 0.5.9 p( X − E ( X ) < ε ) ≥ 1 − 0.2.4.5 ⇒14 .5 ⇒ D( X ) = 20 .9 0.9? Rešenje: E ( X ) = 25 σ = 4.09 ε2 ε2 ε 2 = 0.25 p ( X − 25 ≤ ε ) ≥ 0.1 ε2 ⇒ε 2 = X − 25 ≤ 14 . 9 = 1 − − 0.23 81 .9 ⇒ = 0.3.3 11. Kolike se brzine vetra mogu očekivati na toj visini sa verovatnoćom ne manjom od 0. Slučajna promenljiva X ima E(X)=1 i standardno odstupanje 0.96 2 25 5 11. Slučajna promenljiva X ima E(X)=2 i standardno odstupanje 1. Matematičko očekivanje E(X) brzine vetra na datoj visini je 25 km/h. 2 2 = 1 − 0.5 85 p ( X − E ( X ) <ε) ≥ 0. 0.5 km/h.5) ≥ 1 − 0.8) < 2 ) ≥ 0.Pomoću nejednakosti Čebiševa oceniti 0.23 10 .6.23 0.16 = 0.25 ε2 20 .9 11.1 = − D( X ) ε2 20 .25 =1 − 20 .09 = 0.1 ε = 0. 5 2 11. Rešenje: p ( X − 2) < 5 ) ≥ 1 − 12 1 =1− = 0.84 0.77 ≤ X ≤ 39 .5. dok je standardno odstupanje σ = 4.25 = 202 . Pomoću nejednakosti Čebiševa oceniti p(-3<X<7).09 odrediti ε. Iz Rešenje: i D(X)=0.

Verovatnoća i statistika – zbirka zadataka 11.3 0. Oceniti verovatnoću da dati motor neće raditi više od 20 godina.2 p ( X < 11) ≥ 1 − 6.7.8 20 82 .15 0.05  5 .8.2 0.1 0.  2 4 6 8 1 10  2  :X   0. Srednji vek motora je 4 godine. Slučajna promenljiva ima raspodelu verovatnoća: p ( X <11 ) pomoću nejednakosti Markova.2 ≈ 0. Oceniti Rešenje: E ( X ) = 6.15 0.44 11 11. Rešenje: p( X < 20 ) ≥ 1 − 4 = 0.

. 83 . Dobijamo sistem jednačina: αE ( X 2 ) + βE ( X ) = E ( XY ) αE ( X ) + β = E ( Y ) ′ Gα = 0 ∧ ′ Gβ = 0 čijim rešavanjem dolazimo do izraza za linearnu regresiju Y na X. β ) = ∑ p i ( y i − ( αx i + β ) ) i =1 n 2 ima najmanju vrednost. Parametre α i β određujemo iz uslova da 2 funkcija G (α .2. f ( x.. LINEARNE REGRESIJE Ako je poznat zakon raspodele slučajnih veličina (X. traži se da funkcija: G ( α . radi se o uslovnom matematičkom očekivanju: R( X ) = y ( x ) = E (Y / X = x ) koje u diskretnom slučaju ima oblik: R ( X ) = y ( x ) = ∑ y j p ( y i / xi ) j a u neprekidnom: R( X ) = y ( x ) = ∞ −∞ ∫ yf ( y / x ) dy Slučaj linearne regresije – aproksimativna kriva je Y = αX + β . β ) = E ( Y − (αX + β ) ) ima minimum. y ) f1 ( x ) Ako je zavisnost među slučajnim veličinama delimična.. y j ) p ( xi ) . Odatle je: α= β= n∑ xi y i − ∑ xi ∑ y i ∑x ∑ y − ∑x ∑x y n∑ x − ( ∑ x ) 2 i i i i 2 i 2 i n∑ xi2 − ( ∑ xi ) 2 i čijom se zamenom u Y = αX + β dobija linearna regresija Y na X. y i ) .Verovatnoća i statistika – zbirka zadataka 12. y = ρ xy σy σx ( X − E ( X ) ) + E(Y ) Ako je na raspolaganju n tačaka M i ( xi . i = 1. određujemo uslovne verovatnoće u diskretnom i naprekidnom slučaju: p (Y = y j / X = x i ) = f ( y / x) = f x ( y ) = p ( xi .Y). Linearnu regresiju možemo odrediti metodom najmanjih kvadrata.

5 3 4. Za podatke u tabeli M i ( xi .Y) dat je tablicom.202 X +1.1 4.Verovatnoća i statistika – zbirka zadataka Zadaci 12.024 yi 1.875 11.2.64 8 ⋅ 524 − 56 2 β= Y = 0.55 12. X/Y 0 2 4 6 1 0 3 1 4 2 2 1 0 1 3 4 2 2 0 Rešenje: X/Y 1 2 3 0 0 2 4 2 3 1 2 4 1 0 2 6 4 1 0 fx 8 4 8 xfx 8 8 24 x2fx 8 16 72 84 .202 β =1. Zakon raspodele slučajnog vektora (X.5 1.024 12.75 2.25 x i2 1 2.64 X + 0.4 1.5 7.55 8 ⋅ 524 − 56 2 1 1 3 2 4 4 6 4 8 5 9 7 11 8 14 9 Σ α= 8 ⋅ 364 − 56 ⋅ 40 = 0.25 Y = 0. Odrediti regresiju Y na X i ρ xy.25 25 xiyi 1.5 5 Rešenje: α = 0.25 1. y i ) odrediti regresiju Y na X.25 2.25 9 20. Odrediti srednje kvadratnu regresionu pravu Y na X na osnovu zadate tabele podataka: x y Rešenje: x 1 3 4 6 8 9 11 14 56 y 1 2 4 4 5 7 8 9 40 xi2 1 9 16 36 64 81 121 196 524 xiyi 1 6 16 24 40 63 88 126 364 524 ⋅ 40 − 56 ⋅ 364 = 0.3.1. xi 1 1.

31 σ x = 0. Odrediti metodom najmanjih 4 0 0 3 5 0 2 0 6 0 0 2 2 12 72 0 0 12 6 0 0 2 fx 4 8 8 20 64 248 7 24 33 Σ xfx 0 8 16 24 Si*xi 0 24 66 90 x2fx 0 8 32 40 85 .54 2 . X/Y 1 2 3 0 1 3 0 1 2 0 4 2 0 0 3 Rešenje: X/Y 0 1 2 fy yfy y2fy f1yy f2yy f3yy 1 1 2 0 3 3 3 1 2 0 2 3 0 0 3 6 12 6 0 0 3 0 4 3 7 21 63 0 12 9 4 0 0 3 3 12 48 0 0 12 5 0 2 0 2 10 50 0 10 0 je tablicom.89 σ y = 2.3 ρxy = −0. Zakon raspodele slučajnog vektora (X.Verovatnoća i statistika – zbirka zadataka fy yfy y2fy f1yy f2yy f3yy 6 0 0 0 0 0 6 12 24 6 2 4 3 12 48 4 0 8 5 30 180 24 6 0 20 54 252 34 8 12 Σ D( X ) = 4 5 40 Si*xi 34 16 36 86 96 E( X ) = 2 E( X 2 ) = 24 5 E (Y ) = 27 10 E (Y 2 ) = 63 5 D (Y ) = 5.96 −1.4.54 Y − E (Y ) σY = ρ XY X − E( X ) σX Y − 2.Y) dat kvadrata regresiju Y na X i ρ xy.89 Y = 3.3 0.39 X 12.7 X −2 = −0.

18 2 Y = 1.25 14α = − 96 ⇒ α = 1.78 86 .18 X + 1.Verovatnoća i statistika – zbirka zadataka αE ( X 2 ) + βE ( X ) = E ( XY ) αE ( X ) + β = E (Y ) 6 9 2α + β = 5 2 6 16 16 6 α +β = ⇒β = − α = 1.78 5 5 5 5 6  16 6  9 2α +  − α  = 5 5 5  2 9.

.Verovatnoća i statistika – zbirka zadataka DODATAK A ..2. Geometrijska raspodela R x = {1...1.. p ∈( 0.} p i = p ( X = i ) = (1 − p ) i −1 p 87 .} pi = p ( X = i ) = λi −λ e i! i = 0.1..1...2... p ) .2. n} n  pi = p ( X = i ) =   p i q n −i i    i = 0..1) R x = {0...NEKE VAŽNE DISKRETNE RASPODELE Binomna raspodela B( n. (λ > 0) R x = { 0...3.1... n Puasonova raspodela P0 ( λ) .

Verovatnoća i statistika – zbirka zadataka DODATAK B .5+ Φ   σ   x− m P( x〈 X ) =〈 0. (a<b) 〈 88 .5− Φ   ∞ σ  Uniformna raspodela U ( a.NEKE VAŽNE RASPODELE NEPREKIDNOG TIPA Normalna (Gausova) raspodela N (m.σ ) F ( x) = 1 σ 2π −∞ ∫e x − ( t −m ) 2 2σ 2 dt f ( x) = 1 σ 2π e − ( x −m ) 2 2σ 2  a− xm − bm − m P( a bX ) =〈〈 P 〈 〈  = P(t1 〈〈 tT 2) = Φ (t2) − Φ (t1) σ σ σ   a P( a aX ) 2Φ=〈〈−   σ   x− m P( − ∞ xX ) =〈 0. b ) .

(a>0)  0. x〉 0  0. a ≤ x ≤ b  b− a  . . x〈 a  x− a  F ( x) =  . x〈 0  0. Γ( b ) = ∫ x b −1 e −a dx Γ( n +1) = n!( ∀n ∈ N ) 0 ∞ Eksponencijalna raspodela E x ( a ) . b ) . x ∈ [ a. x ≤ 0 f ( x) =  − a x  a e . xt ≥ 0  Γ ( b) x e . b]  f ( x) =  1  b − a . x ≥ 0   −∞ . (a>0. x ∉ [ a. x ≤ 0 F ( x) =  − a x  1 − e . b>0)  0.1 x〉 b  0.Verovatnoća i statistika – zbirka zadataka  0. x〈 0  bx  b F ( x ) =  a b − 1 − a t f ( x ) =  a b− 1 − a x  Γ ( b) ∫ t e d . b] Gama raspodela G ( a. x〉 0 89 .

Sign up to vote on this title
UsefulNot useful