Vjerojatnost

Doc.dr.sc. J. Doba

Statistika

Literatura
Obavezna: 1. K. Kero, J. Doba, B. Bojani-Glavica: Statistika (deskriptivna i inferencijalna) i vjerojatnost, Tiskara Varteks d.o.o., Varadin, 2008. Dopunska : 1. K. Kero, B. Bojani-Glavica. Statistiki modeli i metode (odabrana poglavlja), Fakultet organizacije i informatike, Varadin, 2003. 2. I. oi, Primijenjena statistika, kolska knjiga, Zagreb, 2006. 3. L. J. Stephens. Schaum's Outline of Beginning Statistics, 2nd edition, McGraw-Hill, New York, 2005. 4. M.F.Triola, Elementary Statistics, 10th edition, Wesley Longman, 2007.

Doc.dr.sc. J. Doba

Statistika

Sluajni dogaaji

Definicija sluajnog dogaaja Operacije i relacije nad skupom sluajnih dogaaja Potpuna familija dogaaja
Definicija vjerojatnosti

Kombinatorne formule

Aksiomatska definicija vjerojatnosti Dokazivanje bitnih svojstva vjerojatnosti Klasina definicija vjerojatnosti

Kombinacije, varijacije i permutacije sa ili bez ponavljanja

Uvjetna vjerojatnost i nezavisnost dogaaja Bernullijev pokus i niz Bernullijevih pokuaja Formula potpune vjerojatnosti i Bayesova formula

Doc.dr.sc. J. Doba

Statistika

1. Sluajni dogaaji
Sluajni dogaaj je dogaaj koji se moe ostvariti ili ne ostvariti pri realizaciji nekog skupa uvjeta vezanih uz dani pokus - skup svih moguih realizacija sluajnog dogaaja - proizvoljni element skupa siguran dogaaj - ostvaruje se pri svakoj realizaciji uvjeta pokusa elementaran dogaaj Prazan skup je nemogu dogaaj - ne ostvaruje se nikada
Sluajni e dogaaji biti oznaeni velikim slovima, npr. s A, B, C ili s A1, A2, A3 itd.

Doc.dr.sc. J. Doba

Statistika

Primjeri sluajnih dogaaja

Pokus bacanja novia
Novi je pao na pismo (dogaaj P ) ili na glavu (dogaaj G)

= {P, G }
Pokus bacanja dva novia

= {PP, GG, PG, GP}

Skup ishoda ovih pokusa je konaan

Doc.dr.sc. J. Doba

Statistika

Primjeri sluajnih dogaaja

Neka se ponavlja pokus bacanja kocke i neka se broje bacanja kocke do trenutka kada na njoj padne estica Ishodi tih pokusa opisani su skupom

= { , 2 ,3 , K } 1
Skup ishoda pokusa je beskonaan, ali prebrojiv

Doc.dr.sc. J. Doba

Statistika

Primjeri sluajnih dogaaja

Pokus mjerenja vijeka trajanja elektrine sijalice
skup svi moguih ishoda opisan je skupom

= {t : 0 t }
To je beskonaan i neprebrojiv skup

Doc.dr.sc. J. Doba

Statistika

Operacije i relacije nad dogaajima

Relacija inkluzije
Dogaaj A implicira dogaaj B ako svaka realizacija dogaaja A povlai realizaciju dogaaja B Pie se A B Svaki elementarni dogaaj iz A ujedno je i elementarni dogaaj u B

Doc.dr.sc. J. Doba

Statistika

Operacije i relacije nad dogaajima

Relacija jednakosti: A = B ako i samo ako je A B i B A Operacija komplementiranja
Dogaaj B je komplementaran dogaaju A (ili suprotan dogaaju A) ako se dogaaj B realizira ako i samo ako se A ne realizira C Komplement od A bit e oznaen s B = A

Doc.dr.sc. J. Doba

Statistika

Operacije i relacije nad dogaajima

Presjek dogaaja A i B
Dogaaj koji se realizira ako i samo ako se realizira i dogaaj A i dogaaj B Presjek dogaaja A i B oznaava se s AB ili A B Za dogaaje A i B kae se da su disjunktni ili da se meusobno iskljuuju ako je AB =

Doc.dr.sc. J. Doba

Statistika

10

Operacije i relacije nad dogaajima

Operacija unije
Dogaaj koji se realizira ako i samo ako se realizira barem jedan od dogaaja A i B Oznaava se s A B

Operacija razlike
Dogaaj koji se realizira ako i samo ako se realizira dogaaj A, a ne realizira se dogaaj B Oznaava se s A \ B

Doc.dr.sc. J. Doba

Statistika

11

Potpuna familija dogaaja

Familija dogaaja se naziva konana particija skupa , odnosno potpuna familija dogaaja ako su: svi dogaaji meusobno disjunktni, tj. ako vrijedi da je i

Bi B j = za svaki i j
ako je unija dogaaja jednaka sigurnom dogaaju, tj.
n

UB
i =1

= .

Doc.dr.sc. J. Doba

Statistika

12

De Morganove formule
Za konaan niz dogaaja A1 , A2 ,..., An vrijede formule
c U Ai = I Ai i =1 i =1
n n c

n I Ai = U Aic i =1 i =1 n

Za dva dogaaja

( A B)c = Ac Bc i ( A B )c

= Ac B c

Doc.dr.sc. J. Doba

Statistika

13

2. Definicija vjerojatnosti
Vjerojatnost je funkcija koja dogaajima pridruuje vrijednost iz intervala [0,1] na temelju izvjesnosti realizacije tih dogaaja Kod definiranja vjerojatnosti postoji tri razliita pristupa:
Aksiomatski pristup Definiranjem pravila (aksioma) koje vjerojatnosna funkcija treba zadovoljavati Klasini pristup Definiranje vjerojatnosti kao omjera broja povoljnih ishoda i ukupnog broja moguih ishoda pokusa Frekvencijski pristup Ponavljanjem pokusa u kojem se neki dogaaj moe dogoditi velik broj puta

Doc.dr.sc. J. Doba

Statistika

14

Aksiomatska definicija vjerojatnosti

prostor elementarnih dogaaja Kae se da je P vjerojatnost, a P(A) vjerojatnost dogaaja A iz klase dogaaja C ako su zadovoljeni sljedei aksiomi:
V1) Za svaki dogaaj A iz klase dogaaja C vrijedi da je

P ( A) 0
V2) Vjerojatnost sigurnog dogaaja je 1, tj. P() = 1 V3) Za svaki niz (konaan ili prebrojiv) meusobno disjunktnih dogaaja iz klase C vrijedi da je

P( A1 A2 K) = P( A1 ) + P( A2 ) + K

Doc.dr.sc. J. Doba

Statistika

15

Disjunktnost i zbroj dogaaja

Za niz dogaaja A1 , A2 ,K se kae da su meusobno disjunktni ako su svaka dva dogaaja iz niza disjunktni, tj. ako vrijedi da je Ai Aj = za svaki i j Unija niza meusobno disjunktnih dogaaja oznaavat e se kao zbroj tih dogaaja, pa svojstvo V3) moe biti zapisano na nain
P ( A1 + A2 + K) = P ( A1 ) + P ( A2 ) + K

Doc.dr.sc. J. Doba

Statistika

16

Neka svojstva vjerojatnosti

Monotonost vjerojatnosti. Ako je A B onda je P(A) P(B) . Takoer vrijedi da je P(B \ A) = P(B) P( A) . Vjerojatnost svakog dogaaja A je broj iz intervala [0,1], tj. 0 P( A) 1 .

Doc.dr.sc. J. Doba

Statistika

17

Neka svojstva vjerojatnosti

Vjerojatnost komplementarnog dogaaja

P( Ac ) = 1 P( A)
Vjerojatnost nemogueg dogaaja je 0, tj.

P() = 0
Vjerojatnost unije dogaaja A i B

P( A B) = P( A) + P(B) P( A B)
Doc.dr.sc. J. Doba Statistika 18

Neka svojstva vjerojatnosti

Neprekidnost vjerojatnosti Niz dogaaja A1 , A2 ,K je rastui ako je

A1 A2 K Ak Ak+1 K
odnosno padajui ako je

A1 A2 K Ak Ak +1 K
Za rastui niz dogaaja definira se dogaaj A kao A = lim An = U Ai
n i =1

Doc.dr.sc. J. Doba

Statistika

19

Neka svojstva vjerojatnosti

Za padajui niz dogaaja definira se dogaaj n A kao
A = lim An = I Ai
n i =1

(Rastui + padajui) nizovi dogaaja = monotoni nizovi dogaaja Neprekidnost vjerojatnosti je svojstvo vjerojatnosti da je vjerojatnost limesa monotonog niza dogaaja jednaka limesu vjerojatnosti tog niza dogaaja, tj. da vrijedi da je lim P( An ) = P( A )
n

Doc.dr.sc. J. Doba

Statistika

20

Klasina definicija vjerojatnosti

Neka je prostor elementarnih dogaaja konaan Elementarnim dogaajima = {1,2 ,K,n } odgovaraju vjerojatnosti pi , i = 1,2..., n Vjerojatnosti elementarnih dogaaja pi , i = 1,2...,n su pozitivne i njihov je zbroj 1

pi > 0, p1 + p2 +K+ pn = 1

Doc.dr.sc. J. Doba

Statistika

21

Klasina definicija vjerojatnosti

Pretpostavimo da svi elementarni dogaaji imaju jednaku vjerojatnost Tada je vjerojatnost svakog elementarnog dogaaja 1/n Vjerojatnost dogaaja A koji se sastoji od k elementarnih dogaaja je k/n Klasina definicija vjerojatnosti: Vjerojatnost proizvoljnog dogaaja A rauna se kao omjer broja povoljnih ishoda za dogaaj A i ukupnog broja moguih ishoda za dogaaj A.
Doc.dr.sc. J. Doba Statistika
22

Klasina definicija vjerojatnosti

Primjer: Naimo vjerojatnost da se pri istovremenom bacanju dviju kocki dobije zbroj manji od 5
Prostor elementarnih dogaaja je skup ureenih parova brojeva od 1 do 6

= {(i, j ) : i, j = 1,2,3,4,5,6}
Broj moguih ishod je 66=36 Povoljni ishodi su ureeni parovi (1,1),(1,2),(1,3),(2,1),(2,2),(3,1) Broj povoljnih ishoda je 6, pa je traena vjerojatnost 6/36=1/6
Doc.dr.sc. J. Doba Statistika 23

Kombinatorne formule
Pri neposrednom raunanju vjerojatnosti koriste se razliite kombinatorne formule: kombinacije, varijacije i permutacije sa ili bez ponavljanja Kombinacije r-tog razreda od n elemenata
Prebrojavaju broj naina na koji se iz skupa od n elemenata moe izabrati podskup od r elemenata Nije bitan je poredak elemenata Izraunavaju se koritenjem formule n n! n(n 1)K(n r + 1) r Cn = = = r r!(n r)! 1 2 L r
pri emu je n r

binomni koeficijent
Statistika 24

Doc.dr.sc. J. Doba

Kombinatorne formule
Kombinacije r-tog razreda s ponavljanjem od n elemenata
Prebrojavaju naine na koji se iz skupa od n elemenata moe izabrati r elemenata, s tim da se elementi mogu ponavljati Broj kombinacija s ponavljanjem rauna se po formuli
n + r 1 C = r
r n

Doc.dr.sc. J. Doba

Statistika

25

Kombinatorne formule
Varijacije r-tog razreda od n elemenata
Ovakvim se nainom prebrojava broj ureenih r-torki od n elemenata Raunaju se koritenjem formule n! Vnr = n(n 1)K(n r +1) = , (n r)! budui da se prvi element moe birati na n naina drugi na preostalih n-1 naina, itd.

Doc.dr.sc. J. Doba

Statistika

26

Kombinatorne formule
Varijacije r-tog razreda s ponavljanjem od n elemenata
Ako je dozvoljeno da se elementi ponavljaju u ureenoj r-torki, broj ureenih r-torki od n elemenata je

r n

= nr

Permutacije od n elemenata
Broj moguih permutacija od n elemenata je

Pn = n!
Doc.dr.sc. J. Doba Statistika 27

Kombinatorne formule
Permutacije s ponavljanjem od n elemenata Permutacije kod kojih se dozvoljava da se neki od elemenata u permutaciji ponavljaju Neka se n-torka sastoji od n1 elemenata prve vrste, n2 elemenata druge vrste, itd. do nk elemenata k-te vrste Broj razliitih permutacija s ponavljanjem jednak je

P
pri emu je

n1 ,K, nk n

(n1 + n2 + L + nk )! =
n1! n2 !L nk !

n1 + n2 +L+ nk = n

Doc.dr.sc. J. Doba

Statistika

28

3. Uvjetna vjerojatnost
Uvjetna vjerojatnost dogaaja A u odnosu na dogaaj B definira se kao
P( A B) P( A | B) = P(B)
pri emu je P( B) > 0 .

Doc.dr.sc. J. Doba

Statistika

29

Uvjetna vjerojatnost
Koritenjem klasine definicije vjerojatnosti uvjetna vjerojatnost dogaaja A u odnosu na dogaaj B rauna n AB se kao
P( A B) n = n AB P( A | B) = = nB P( B) nB n

pri emu je n AB broj povoljnih ishoda za dogaaj A B, a nB broj povoljnih ishoda za dogaaj B

Doc.dr.sc. J. Doba

Statistika

30

Uvjetna vjerojatnost
Koritenjem uvjetne vjerojatnosti mogu se izraunati vjerojatnosti presjeka dogaaja kao
P(A B) = P(A)P(B | A) = P(B)P(A| B)

i unije kao
P( A B) = P( A) + P( B) P( A) P( B | A) = P( A) + P( B) P( B) P( A | B)

Doc.dr.sc. J. Doba

Statistika

31

Uvjetna vjerojatnost
Iz formule za vjerojatnost unije moe se izvesti tzv. Bayesovo pravilo
P( B | A) P( A) P( A | B) = P( B) (B

Formula za uvjetnu vjerojatnost moe se proiriti na niz od n dogaaja

P( A1 A2 K An ) = P( A1 ) P( A2 | A1 ) P( A3 | A1 A2 )
KP( An | A1 A2 K An1 )

Doc.dr.sc. J. Doba

Statistika

32

Nezavisnost dogaaja
Za dogaaje A i B se kae da su nezavisni ako i samo ako je

P( A B) = P( A) P( B)
Tada je P( A | B) = P( A) i P(B | A) = P(B) Za skup od tri dogaaja A, B i C se kae da je nezavisan ako je
P ( A B C ) = P ( A) P ( B ) P (C ),

P( A B) = P( A) P( B), P( A C ) = P( A) P(C ) i P( B C ) = P( B) P(C )

Doc.dr.sc. J. Doba Statistika 33

Nezavisnost dogaaja
Definicija nezavisnosti moe proiriti na skup od vie od tri dogaaja

Dogaaji A1 , A2 ,K, An su nezavisni ako i samo ako za svaki podskup {Ai1 , Ai 2 ,K, Aik } tih dogaaja vrijedi
P( Ai1 Ai2 KAik ) = P( Ai1 )P( Ai2 )KP( Aik )

pri emu je 2 k n Za beskonaan skup dogaaja se kae da je nezavisan ako je svaki njegov konani podskup nezavisan
Doc.dr.sc. J. Doba Statistika 34

Nezavisnost dogaaja (primjeri)

Ako su A i B nezavisni dogaaji onda su nezavisni i dogaaji A i B C, AC i B i AC i BC (Primjer 7.12) (Primjer 7.13) U kutiji je 20 kuglica (10 bijelih, 5 plavih i 5 crvenih). Izvlae se tri kuglice. Kolika je vjerojatnost da je prva bijela, druga crvena, a trea plava
a) ako se kuglice nakon izvlaenja vraaju u kutiju, b) ako se kuglice nakon izvlaenja ne vraaju u kutiju?

Doc.dr.sc. J. Doba

Statistika

35

Rjeenje Primjera 7.13: Definiraju se sljedei dogaaji:

B1: u prvom izvlaenju je izvuena bijela kuglica C2: u drugom izvlaenju je izvuena crvena kuglica P3: u treem izvlaenju je izvuena plava kuglica a) Ako se kuglice vraaju u kutiju dogaaji prvog, drugog i treeg izvlaenja su nezavisni, pa je
P(B1 C2 P ) = P(B1 )P(C2 )P(P ) 3 3 b) Ako se kuglice ne vraaju u kutiju dogaaji prvog, drugog i treeg izvlaenja su zavisni, pa je

P(B1 C2 P ) = P(B1 )P(C2 | B1 )P(P | B1 C2 ) 3 3

Doc.dr.sc. J. Doba Statistika 36

Bernullijev pokus i niz Bernullijevih pokuaja

Bernullijev pokus je sluajan pokus iji ishod moe biti uspjeh ili neuspjeh Niz Bernullijevih pokuaja je niz ponavljanja Bernulijevih pokusa pri emu se vjerojatnost uspjeha i neuspjeha ne mijenja Npr. niz Bernullijevih pokuaja moe biti uzastopno bacanje novia Neka je p vjerojatnost uspjeha u Berullijevom pokusu kod beskonanog niza Bernullijevih pokuaja Vjerojatnost za barem jedan uspjeh u prvih n pokuaja je

1 (1 p )

Vjerojatnost za tono k uspjeha u prvih n pokuaja je

n k nk p (1 p ) k

Doc.dr.sc. J. Doba

Statistika

37

4. Formula potpune vjerojatnosti i Bayesova formula

Neka dogaaji B1 , B2 ,K, Bk ine potpun sistem dogaaja Vjerojatnost dogaaja A koji se moe ostvariti pod nekom od k disjunktnih hipoteza B1 , B2 ,K, Bk za koje vrijedi da je P( Bi ) 0, i = 1,2,K, k je
P( A) = P( Bi ) P( A | Bi )
i =1 k

Ovo je formula potpune vjerojatnosti

Doc.dr.sc. J. Doba Statistika 38

Presjek proizvoljnog dogaaja A s potpunim sistemom dogaaja

Doc.dr.sc. J. Doba

Statistika

39

Bayesova formula
Vjerojatnosti P(Bi ), i = 1,2,K, k su apriorne vjerojatnosti hipoteza Aposteriorne vjerojatnosti hipoteza su vjerojatnosti hipoteza u sluaju da se ostvario neki dogaaj A Aposteriorne se vjerojatnosti izraunavaju koritenjem Bayesove formule
P( B j | A) = P( A B j ) P( A) = P( B j )(P( A | B j )

P(B )P( A | B )
i i i =1

Doc.dr.sc. J. Doba

Statistika

40