www.gf-sa.

com Graevinski fakultet Sarajevo Studentski forum

Vjerovatnoa i statistika Pitanja za pripremu ispita 1.STA JE TEORIJA VJEROVATNOCE (TEORIJA VJEROJATNOSTI)? POJAM, PREDMET, POCECI I ZNACAJ TEORIJE VJEROVATNOCE. 2.ZA KOJI SKUP KAZEMO DA JE KONACAN, A ZA KOJI DA JE BESKONACAN? DEFINIRAJTE POJMOVE KONACNOG NIZA, PREBROJIVOG, DISKRETNOG I NEPREBROJIVOG SKUPA. NAVEDITE I ODGOVARAJUCE PRIMJERE. 3.FAKTORIJELNE FUNKCIJE (JEDNOSTRUKI I DVOSTRUKI FAKTORIJEL I NJIHOVE VEZE). 4.BINOMNI KOEFICIJENTI (DEFINICIJA, OSNOVNA SVOJSTVA, RACUNANJE, PASCALOV TROUGAO). FUNKCIJA (A,K)|-> (A NAD K) 5.NEWTONOVA BINOMNA FORMULA (FORMULACIJA I IZVODJENJE). 6.TRINOMNA FORMULA (NJENA FORMULACIJA I RACUNANJE TRINOMNIH KOEFICIJENATA). POLINOMNA FORMULA I POLINOMNI /MULTINOMNI KOEFICIJENTI. 7.VARIJACIJE (BEZ PONAVLJANJA) - DEFINICIJA I FORMULE (FORMULACIJA I IZVODJENJE). 8.PERMUTACIJE (BEZ PONAVLJANJA) - DEFINICIJA I FORMULA (FORMULACIJA I IZVODJENJE). 9.KOMBINACIJE (BEZ PONAVLJANJA) - DEFINICIJA I FORMULA (FORMULACIJA I IZVODJENJE). 10.DEFINIRAJTE POJAM VARIJACIJA SA PONAVLJANJIMA KLASE K SKUPA S OD N ELEMENATA, A ZATIM IZVEDITE FORMULU ZA IZRACUNAVANJE UKUPNOG BROJA TAKVIH VARIJACIJA I NAPISITE SVE VARIJACIJE SA PONAVLJANJIMA KLASE 3 SKUPA S OD OD CETIRI ELEMENTA : A, B, C, D. 11.PERMUTACIJE SA PONAVLJANJIMA - DEFINICIJA I FORMULE (FORMULACIJA I IZVODJENJE). 12.POJAM MULTISKUPA. DEFINIRAJTE POJAM MULTISKUPA, A ZATIM NAVEDITE I ODGOVARAJUCI NETRIVIJAL PRIMJER DVAJU (MEDJUSOBNO) JEDNAKIH BESKONACNIH MULTISKUPOVA. 13.KOMBINACIJE SA PONAVLJANJIMA - DEFINICIJA I FORMULA (FORMULACIJA I IZVODJENJE). 14.FORMULA UKLJUCIVANJA - ISKLJUCIVANJA (FORMULA INKLUZIJE-EKSKLUZIJE) FORMULACIJA I DOKAZ. 15.DEFINIRAJTE (STROGO/PRECIZNO ILI INTUITIVNO) ILI OBJASNITE SLJEDECE POJMOVE: SLUCAJAN EKSPERIMENT, SLUCAJAN DOGADJAJ, SIGURAN /POUZDAN DOGADJAJ, NEMOGUC DOGADJAJ I PROSTOR ELEMENTARNIH DOGADJAJA (PROSTOR UZORAKA). 16.OBJASNITIE POJMOVE VJEROVATNOCE A PRIORI I VJEROVATNOCE A POSTERIORI. 17.KAKO GLASI KLASICNA MATEMATICKA (TEORETSKA, LAPLACEOVA) DEFINICIJA POJMA VJEROVATNOCE? OBJASNITE NJENE NEDOSTATKE. NAVEDITE ODGOVARAJUCE PRIMJERE.

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

18.KAKO GLASI KLASICNA STATISTICKA (EMPIRIJSKA) DEFINICIJA POJMA VJEROVATNOCE? OBJASNITE NJENE OSNOVNE NEDOSTATKE. 19.FORMULISITE OSNOVNE TEOREME KLASICNE TEORIJE VJEROVATNOCE I DVIJE OD NJIH DOKAZITE. 20.DEFINIRAJTE POJMOVE NEZAVISNOSTI I ZAVISNOSTI DOGADJAJA. FORMULISITE MULTIPLIKATIVNU TEOREMU U SLUCAJU KAD SU DOGADJAJI NEZAVISNI. 21.DEFINIRAJTE POJAM USLOVNE (RELATIVNE) VJEROVATNOCE, A ZATIM FORMULISITE MULTIPLIKATIVNU TEOREMU U SLUCAJU KAD SU DOGADJAJI ZAVISNI. 22.IZVEDITE FORMULU TOTALNE (POTPUNE, PUNE) VJEROVATNOCE, A ZATIM ILUSTROVATI NJENU PRIMJENU. 23.IZVEDITE BAYESOVU FORMULU (BAYESOVO PRAVILO). 24.GEOMETRIJSKA DEFINICIJA VJEROVATNOCE. RAZMOTRITI PRIMJER: KOLIKA JE VJEROVATNOCA DA SUMA DVAJU POZITIVNIH SLUCAJNO UZETIH BROJEVA TAKO DA SVAKI OD NJIH NE BUDE VECI OD 1, NIJE VECA OD 1, A NJIHOV PROIZVOD NIJE VECI OD 2/9 ? RJESENJE ZADATKA: P= 1/3+INTR(YDX,1/3,2/3)= 1/3+2/9*INTR(1/X DX,1/3,2/3)= 1/3+(2/9)*LN(X)= 1/3+(2/9)*LN(2)= 0.487= 49% 25.AKSIOMATSKA (OPSTA) DEFINICIJA POJMA VJEROVATNOCE. 26.KAKO GLASE OSNOVNE TEOREME, FORMULA POTPUNE VJEROVATNOCE I BAYESOVA FORMULA OPSTE TEORIJE VJEROVATNOCE (OBJASNITE KOJE SU RAZLIKE U ODNOSU NA ODGOVARAJUCE TEOREME KLASICNE TEORIJE VJEROVATNOCE). 27.DEFINIRAJTE/OBJASNITE POJMOVE KONACNOG I DISKRETNOG PROSTORA VJEROVATNOCE. 28.STO JE SLUCAJNA VELICINA (SLUCAJNA PROMJENLJIVA VELICINA, SLUCAJNA PROMJENLJIVA, SLUCAJNA VARIJABLA)? - FORMULISITE INTUITIVNU (OPISNU) DEFINICIJU I PRECIZNU (STROGU, FORMALNU) DEFINICIJU POJMA SLUCAJNE VELICINE, A ZATIM NAVEDITE PRIMJERE SLUCAJNIH VELICINA. 29.DEFINIRAJTE/OBJASNITE SLJEDECE POJMOVE: DISTRIBUCIJA (RASPODJELA, RAZDIOBA, RASPORED) VJEROVATNOCE SLUCAJNE VELICINE, FUNKCIJA VJEROVATNOCE/ZAKON VJEROVATNOCE SLUCAJNE VELICINE; GRAFIK, POLIGON I HISTOGRAM; OCEKIVANJE (MATEMATICKO OCEKIVANJE, MATEMATICKA NADA), VARIJANSA/DISPERZIJA I STANDARDNA DEVIJACIJA ZA SLUCAJNE VELICINE NA: A) KONACNOM PROSTORU VJEROVATNOCE ; B) DISKRETNOM PROSTORU VJEROVATNOCE; C) PROIZVOLJNOM (OPSTEM, NE NUZNO DISKRETNOM) PROSTORU VJEROVATNOCE . 30.DEFINIRAJTE/OBJASNITE POJAM (TEORETSKE, KUMULATIVNE) FUNKCIJE DISTRIBUCIJE (FUNKCIJE RASPODJELE) I POJAM FUNKCIJE GUSOCE/GUSTINE (VJEROVATNOCE) SLUCAJNE VELICINE NA OPSTEM PROSTORU VJEROVATNOCE, A ZATIM FORMULISITE (I PO JEDNO OD NJIH DOKAZITE) OSNOVNA SVOJSTVA TIH FUNKCIJA. 31.KLASIFICIRAJTE SLUCAJNE VELICINE, ODNOSNO DEFINIRAJTE POJMOVE : DISKRETNA (SPECIJALNO, KONACNA) SLUCAJNA VELICINA, NEPREKIDNA (KONTINUALNA) SLUCAJNA VELICINA, SLUCAJNA VELICINA MJESOVITOG TIPA. NAVEDITE PO JEDAN PRIMJER DISKRETNE I KONTINUALNE SLUCAJNE VELICINE.

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

32.MODELI DISTRIBUCIJE VJEROVATNOCE : DEFINICIJA I VRSTE. DEFINIRAJTE /OBJASNITE NEKE VAZNE KLASE DISKRETNIH I NEPREKIDNIH SLUCAJNIH VELICINA/DISTRIBUCIJA (BERNOULLIJEVA, BINOMNA, POISSONOVA, NORMALNA/GAUSSOVA, ). //Veliko stampano slovo sa ' je veliko pisano slovo 1.STA JE TEORIJA VJEROVATNOCE (TEORIJA VJEROJATNOSTI)? POJAM, PREDMET, POCECI I ZNACAJ TEORIJE VJEROVATNOCE. // F' oznacava veliko pisano slovo F 1. Teorija vjerovatnoce jedno je od najvaznijih i najsadrzajnijih podrucja savremene matematike koja se mnogo primjenjuje i u drugim matematickim disciplinama, posebno u matematickoj statistici, kao i u raznim podrucjima fizikalnih i bioloskih nauka,tehnike... Teorija vjerovatnoce, njeni pojmovi, ideje i metode su danas vrlo siroko rasprostranjeni da se procjenjuje da ce njihov uticaj u buducnosti biti jos daleko veci. POJAM: Teorija vjerovatnoce je matematicka disciplina koja se bavi zakonitostima u slucajnim pojavama, odnosno teorija vjerovatnoce je zasnovana na modelima koji odrazavaju pitanja i pojave stvarnog svijeta, na osnovu odredjivanja zakonitosti i predvidjanja dogadjaja. Teorija vjerovatnoce je matematicka struktura na kojoj su zasnovane statisticke metode. POCECI:U mnogim dostupnim izvorima navodi se da je 1564.g. poceo razvoj teorije vjerovatnoce. Taj datum zapravo oznacava pocetak vrlo opsezne korespodencije izmedju dvojice velikih francuskih matematicara Blase Pascala i Pierre de Fermata.Shvatili su da postoji jedan potpuno nov pristup proucavanju mnogih dogadjaja, ciji se tok ne moze tecno predvidjeti i koji se pod odredjenim okolnostima mogu, ali ne moraju dogoditi. Takvi dogadjaji nazivaju se slucajnim. Radjanje teor.vjer. osim za Pascala i Fermata, vezano je i za holandskog matematicara Hajgensa.No, prvi znacajni rezultati u teor.vjer.postignuti su u XVIII st., a vezani su za ime Jakoba Bernulija, De Moivrea i Laplacea. Opste prihvatljivu aksiomatiku u teor.vjer. uveo je 1933. Kolmogorov. ZNACAJ: Prakticni i teorijski znacaj vjerovatnoce zasniva se na: pri analiziranju, opazanju i eksperimentu uvijek se trazi uzrocna veza izmedju kompleksnih uslova, recimo uslova i dogadjaja (D) u cilju odredjivanja matematickih zakona koji vaze za dogadjaj D. U vecini slucajeva ne mozemo uspostaviti vezu izmedju kompleksnih uslova i dogadjaja D. Naime, postoje jos uvijek i uslovi, recimo , koje mi ne znamo, a od kojih takodje zavisi nastajanje dogadjaja D. teor.vjer. je dakle i matematicki aparat za proucavanje masovnih pojava sa nepoznatim kompleksnim uzorkom. Takve pojave zovu se stohasticke pojave. Rijec "stohastican"- "koji se naslucuje", pa se upotrebljava umjesto rijeci vjerovatnoca. 2.ZA KOJI SKUP KAZEMO DA JE KONACAN, A ZA KOJI DA JE BESKONACAN? DEFINIRAJTE POJMOVE KONACNOG NIZA, PREBROJIVOG, DISKRETNOG I NEPREBROJIVOG SKUPA. NAVEDITE I ODGOVARAJUCE PRIMJERE. 2. KONACAN SKUP: Neka je konacan skup F' algebra skupova i P: F'[0,1] vjerovatnoca. Tada postoji vjerovatnoca P^*:P()[0,1] takva da je P^*/f=P. Neka je sad ={n:n N} prebrojiv skup, kao i u slucaju konacnog skupa dovoljno je posmatrati vjerovatnoce koje su definisane na citavom partitivnom skupu P(). Zapravo moze se dokazati da proizvoljnu vjerovatnocu definisanu na algebri F'P() mozemo prosiriti do vjerovatnoce na P(), tj. moze se dokazati da vrijedi sliejdeca teorema: neka je PREBROJIV SKUP i (,F',P) prostor vjerovatnoce. tada postoji vjerovatnoca P':P()[0,1] takva da je P/f=P. primjetimo da je -algebra F'_bullet_opcenito neprebrojiva, da je P() primjer neprebrojive -algebre na . Ako je prebrojiv, onda se prostor vjerovatnoce (,P(),P) zove prebrojiv diskretni prostor vjerovatnoce. Cesto se zajednicki

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

tretira slucaj kada je ili konacan ili prebrojiv. U tom slucaju se koristi za zajednicki termin diskretni slucaj ili diskretni prostor vjerovatnoce. Neka je neprebrojiv skup i (,F',P) prostor vjerovatnoce takav da je {}F',. Stavimo A={:P({})>}. Tada je skup A najvise prebrojiv, jer za An={:1/(n+1)<P({})1/n}nN imamo da je A=sum[Ai,i=1,], skupovi Ai medjusobno su disjunktni. Kako je P()=1, to je svaki od skupova An konacan (gdje je k(An)<(n+1)), tj. A je najvise prebrojiv. 3.FAKTORIJELNE FUNKCIJE (JEDNOSTRUKI I DVOSTRUKI FAKTORIJEL I NJIHOVE VEZE). 3. FAKTORIJELNE FUNKCIJE jedne realne promjenljive zadane formulama f(n)=n!, f(n)=n!!, f(n,k)=(n nad k), nN, k=0,1,2,...n, N={1,2,3...} Realna funkcija f jedne realne promjenljive zadane formulama f(n)=n!={1, n=0; n(n+1)!, n=1,2,...n naziva se funkcija faktorijel (JEDNOSTRUKI FAKTORIJEL). Faktorijel se prosiruje i do tzv. -funkcije koja je definisana i za ostale realne vrijednosti brojeva, pa se cak prosiruje i na kompleksne brojeve. DVOSTRUKI FAKTORIJEL: Realna funkcija f realne promjenljive zadane formulama f(0)=1=0!, f(1)=1=1!, f(n)=n!!=n(n-2)!! za n=2,3,,, nazivamo funkcija dvostruki faktorijel na skupu No. Veza jednostrukog i dvostrukog faktorijela: (2n)!!=2^n x n! (2n+1)!!=((2n+1)!)/(2^n x n!) 4.BINOMNI KOEFICIJENTI (DEFINICIJA, OSNOVNA SVOJSTVA, RACUNANJE, PASCALOV TROUGAO). FUNKCIJA (A,K)|-> (A NAD K) 4.Neka su n,kN,kn.BINOMNI KOEFICIJENT, u oznaci (n nad k) (cita se "en na ka") se definise na sljedeci nacin (n nad k)=n!/(k!(n-k)!). Dalje, po definiciji uzimamo da je (n nad 0)=1. Binomni koeficijenti imaju sljedece osobine: 1. (n nad k)=(n(n-1)...(n-k+1))/k! 2. (n nad k)=(n nad n-k) 3.(n nad k)+(n nad k+1)=(n+1 nad k+1) DOKAZ: 1. (n nad k)=(n(n-1)...(n-k+1)(n-k)(n-k-1)...2_bullet_1)/(k(k1)...2_bullet_1(n-k)(n-k-1)...2_bullet_1)=(n(n-1)...(n-k+1))/k! 2.(n nad k)=n!/(k!(n-k)!)=n!/((n-k)!(n-(n-k))!)=(n nad n-k) 3.(n nad k) +(n nad k+1)=(n!/(k!(n-k)!))+(n!/(k+1)!(n-k-1)!)=(n+1)!/((k+1)!(nk)!)=(n+1 nad k+1) 5.NEWTONOVA BINOMNA FORMULA (FORMULACIJA I IZVODJENJE). 5.Ako su a,bR i n piriodan broj(Ya,bR i za YnN) vrijedi da je (a+b)^n=sum[(n nad k) a^(n-k)b^k] NEWTONOVA BINOMNA FORMULA. DOKAZ: Metoda mat.ind. 1)pokazimo da tvrdnja vrijedi za n=1: l.s.=(a+b)^1=(a+b); d.s.=sum[(1 nad k)a^(n-k)b^k, 0,1]=a+b; 2)induktivna pretpostavka, pretpostavimo da tvrdnja vrijedi za prirodan broj k,tj. da je (a+b)^k=sum[(m nad k) a^(m-k)b^k, k=0,m]; 3) Dokazimo da tvrdnja T(n) vrijedi i za prirodan broj k+1 n=m+1 ; (a+b)^(m+1)=sum[(m+1 nad k)a^(m+1-k)b^k, k=0,m+1]; (a+b)^(m+1)=(a+b)^m(a+b)=(a+b) sum[(m nad k)a^(m-k)b^k, k=0,m]=sum[(m nad k)a^(m+1-k)b^k, k=0,m] + sum[(m nad k)a^(m-k)b^(k+1); [(m nad 0)a^m b+(m nad 1)a^(m-1)b^2+...+(m nad n)b^(m+1)]; 4)Na osnovu principa mat.ind.zakljucujemo da tvrnja T(n) vrijedi za svaki neN, nno. 6.TRINOMNA FORMULA (NJENA FORMULACIJA I RACUNANJE TRINOMNIH KOEFICIJENATA). POLINOMNA FORMULA I POLINOMNI /MULTINOMNI KOEFICIJENTI. 6.POLINOMNA FORMULA: (x1+x2+...+xk)=sum[(n nad (i1,i2,...ik)), i1+i2+...+ik=n] Sumiranje se vrsi po svim indeksima tako da je zbir svih indeksa jednak n POLINOMNI/MULTINOMNI KOEFICIJENTI: n!/(n1!n2!...nk!)=(n nad n1,n2,...,nk)

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

7. VARIJACIJE (BEZ IZVODJENJE). PONAVLJANJA) - DEFINICIJA I FORMULE (FORMULACIJA I

def: varijacije (bez ponavljanja) skupa E:={a 1,a 2,...,a n} od n-elemenata klase k(odnosno reda r)je svaka uredjena k-torka medjusobno razlicitih elemenata skupa E. stav: ukupan broj od svih varijacija bez ponavljanja od n elemenata (skup elemenata proizvoljne prirode) klase k u oznaci V (k nad n) dat je formulom V n^k= n(n-1)*...*(n-k+1) (1) ukoliko izraz (1) prosirimo sa (n-k) dobit cemo formulu V n^k= n!/(n-k)! precizan dokaz ovog stava mozemo izvesti metodom potpune matematicke indukcije po k (k=1,2,.....n) ali ovdje je naveden nestrogi dokaz za k=1 ukupnop varijacija klase 1 skupa E:={a1,a2,......an} V n^1= n!/(n-1)= n(n-1)!/(n-1)! "(n-1 skracijemo)"= n za k=2 ukupno varijacija klase 2 skupa E:={a1,a2,.....an} vrsta 1: a 1 a 1 a 1 a 2 ...a 1 a n vrsta 2: a 2 a 1 a 2 a 2 ... a 2 a n -----------------------------------------------------------------vrsta 3: a n a 1 a n a 2 ...a n a (n-1) V n^2=n!/(n-2)!=n(n-1)(n-2)!/(n-2)!= n(n-1) //(n-2 skracujemo)

Varijacije 3 klase dobijemo tako da svakoj varijaciji 2 klase dodamo s redom jedan po jedan od preostalih elemenata podskupa E a 1 a 2 a 3 , a 1a 2 a 4 ,...,a 1 a 2 a n V n^3= n!/(n-3)!= n(n-1)(n-2)(n-3)!/(n-3)!=n(n-1)(n-2) iz navedenog dokaza slijedi da je V n^k= n(n-1)*...*(n-k+1) 8. PERMUTACIJE (BEZ IZVODJENJE). PONAVLJANJA) - DEFINICIJA I FORMULA (FORMULACIJA I

opcenito se permutacije proizvoljnog skupa koji je neprazan(konacan ili beskonacan) mogu definisati kao bijekcija toga skupa na sama sebe, medjutim u slucaju konacnih skupova, permutacije mozemo definirati kao na ekvivalentan nacin kao i varijacije od n-elemenata klase k bez ponavljanja, iz ceg slijedi da vrijedi definicija : Permutacija (bez ponavljanja) skupa E:={a 1,a 2,...,a n} od n elemenata je svaka bijekcija (grcko fi) :{1,2,...,n} ---> {a 1,a 2,...,a n}. Ili permutacija (bez ponavljanja) skupa E od n -elemenata je uredjena n-torka svih elemenata tog skupa. Ukupan broj svih permutacija nekog skupa od n - elemenata u oznaci Pn, zadan je formulom : Pn= n! Dokaz: P n= V n^n =n!/(n-n)!= n!/0=1 Primjetimo da ovdje permutacije posmatramo na dva ekvivalentna nacina, a u praksi upotrebljavamo oba u zavisnosti od problema koji razmatramo 9. KOMBINACIJE (BEZ IZVODjENJE). PONAVLJANJA) - DEFINICIJA I FORMULA (FORMULACIJA I

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

Svaki podskup proizvoljnog skupa E:={a1,a2.....an} od n elemenata koji se sastoji od k i samo k razlicitih elemenata skupa E naziva se kombinacija (bez ponavljanja) skupa E od n-elemenata klase k. Primjetimo da kod kombinacija nije bitan poredak vec broj elemenata, pa se zato ukupan broj kombinacija od n elemenata klase k moze dobiti iz ukupnog broja varijacija od n elemenata klase k to jest vrijedi sljedeci stav: Ukupan broj kombinacija (bez ponavljanja) od n-elemenata klase k u oznaci Cn^k=( n nad k ) , (kn) Dokaz ovog stava je trivijalan. Uocimo varijaciiju proizvoljnog skupa od n elemenata E:= {a 1,a 2....a n} klase k. Neka je to npr. ova varijacija a i1, a i2,..., a ik Sve su varijacije su jedna ista kombinacija Ukupan broj varijacija skupa od n elemenata klase k dat je formulom: V n^k = n!/ (n-k)! = n(n-1)*...*(n-k+1) neka je C n^k oznaka kombinacije n elemenata klase k V n^k= (C n^k) *k! C n^k= (V n^k) / k! = {n! /(n-k)!}/ k! = n!/ k!(n-k)! = ( n nad k) znaci dokazali smo formulu C n^k = (n nad k ) 10. DEFINIRAJTE POJAM VARIJACIJA SA PONAVLJANJIMA KLASE K SKUPA S OD N ELEMENATA, A ZATIM IZVEDITE FORMULU ZA IZRACUNAVANJE UKUPNOG BROJA TAKVIH VARIJACIJA I NAPI ITE SVE VARIJACIJE SA PONAVLJANJIMA KLASE 3 SKUPA S OD OD CETIRI ELEMENTA : A, B, C, D. Kod varijacija sa ponavljanjem elementi ne moraju biti nuzno razliciti vec mogu biti svi jednaki. Varijacije sa ponavljanjem skupa S od n elemenata klase k je svaka uredjena katorka tih elemenata koji nisu nuzno razliciti. Ukupan broj varijacija sa ponavljanjem n elemenata klase k je u uznaci : nadvuceno V n^k= n ^ k (k >=< i vece i manje tako pise :-D ) dokaz izvedimo matematickom indukcijom po k za k =1 V n^1 =n za k =2 sve varijacije druge klase mozemo dobiti iz varijacija 1 klase dopisivanjem elemenata skupa sa desne strane. a 1 a 1 a 1 a 2 ...a 1 a n a 2 a 1 a 2 a 2 ...a 2 a n ---------------------------------------a n a 1 a n a 2 ...a n a n pretpostavimo da je formula za k= m+1 Nadvuceno V n^(m+1) =nadvuceno (V n^m) *n = n^m * n Vidimo da formula nadvuceno V n^k = n^k vrijedi za k=m+1 sto znaci da formula vrijedi za sve prirodne brojeve S={a,b,c,d} nadvuceno V 4^3 = ? nadvuceno V 4^3 = 4^3 =64 11. PERMUTACIJE SA PONAVLJANJIMA - DEFINICIJA I FORMULE (FORMULACIJA I IZVODjENJE) Neka imamo ukupno n elemenata kekog proizvoljnog skupa elemenata, pri cemu prve vrste imamo n, medjusobno jednakih elemenata, druge vrste n 2 medjusobno jednakih elemenata, imamo ukupno n elemenata k-te vrste. Tada je ukupan broj permutacija n! umanjen i oznacavamo ga sa (P n) ^(n 1...n k) i taj broj dat formulom :

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

(P n) ^(n 1...n k)= n!/{(n 1)!*(n 2)!*...*(n k)!} n 1+n 2+n 3+....+n k=n= (n nad n 1,n 2,n 3...n k) polinomni koeficijent jer sa analognim razvijanjem binoma binonomnim koefiicijenata razvoj polinoma je (x1+x2+...xk)^n = {n nad ( i1, i2 ...ik ) nad ((x1)^(i1) (x 2)^(i 2)...(x k)^(i k))} pri cemu se sumiranje vrsi po indexima tako da je zbir svih indexa n. za k=2 (x1+x2)^n= { ( n nad (i1 i2) ) * (X1)^(i1) * (X2)^(i2) , i1+i2=n} = { (m nad (m n-m)) *(X 1)^m *(X 2)^(n-m) , m=0, n} iz (m nad (m n-m)) slijedi da je n!/(m!*(n-m)!)=(n nad m) 12. POJAM MULTISKUPA. DEFINRAJTE POJAM MULTISKUPA, A ZATIM NAVEDITE I ODGOVARAJUCI NETRIVIJALNI PRIMJER DVAJU (MEDJUSOBNO) JEDNAKIH BESKONACNIH MULTISKUPOVA! Multiskup lici na skup, samo sto kod multiskupa uzimamo u obzir ponavljanja njegovih elemenata M={a,a,a,b,b,c,c,c,c,c} Imamo 10 elemenata i to 3 elementa a,2 elementa, b, 5 elementa c. Zato se skup moze zapisati tako da se specificiraju brojevi ponavljanja: M={3a,2b,5c}. Pri tome se brojevi 2,3,5 nazivaju multipliciteti, ili ponavljanja redom elemenata a,b,c. Odatle imamo ovu definiciju multiskupa: Multiskup M na multiskupu S je uredjen par skupa S i funkcije "m" gdje je "m" funkcija koja preslikava S u N o pri cemu se za xS uzima da je m(x) multiplicitet, tj. broj ponavljanja. Taj broj je 0 ako se ne pojavljuje nijednom. Multiskup M se sastoji od S i "m" gdje je m(x) broj ponavljanja elemenata (xS). Zamisljamo da skup M ima m(x) elemenata koji su jednaki elementu x,xS. Zato M pisemo u obliku: M={m(x)*x|xS} Ako je m(x)=1,za svako xS onda se multiskup M nad S svodi na skup S. 13. KOMBINACIJE SA PONAVLJANJIMA-DEFINICIJA I FORMULA (FORMULACIJA I IZVODJENJE) Def.: Kombinacija sa ponavljanjima skupa E={a 1,a 2,...a n} od n el. (proizvoljne prirode) klase k je svaki multiskup M na skupu E koji ima k elemenata (koji pripadaju skupu E) Stav: Ukupan broj kombinacija sa ponavljanjima proizvoljnog skupa od n el. klase k dat je formulom: C(n,k)={ (n+k-1) nad (k) } 14. FORMULA UKLJUCIVANJA-ISKLJUCIVANJA (EKSKLUZIJE-INKLUZIJE)-FORMULACIJA I DOKAZ Th.: Ako dogadjaji A 1,A 2,...A n cine potpun sistem dogadjaja onda vrijedi P(A i)=1 Dokaz: Buduci da A 1,...,A n cine potpun sistem dogadjaja, to je njihov zbir siguran dogadjaj pa imamo da je: P({Ai,i=1,n})={P(Ai),i=1,n} tj. {P(Ai),i=1,n}=1 Definicija: Za skup dogadjaja A 1,A 2,...A n kazemo da cini potpun sistem dogadjaja ako se ti dogadjaji medjusobno iskljucuju i ako je njihov zbir jednak sigurnom dogadjaju tj.{Ai,i=1,n}=, Ai*Aj=prazan skup,j, i (i,j=1,2,...n)

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

15. DEFINIRAJTE(STROGO/PRECIZNO ILI INTUITIVNO) ILI OBJASNITE SLIJEDECE POJMOVE: //Slucajan dogadjaj-je svaka cinjenica koja se kao rezultat izvodjenja nekog pokusa dogodi ili da se ne dogodi.(Tako je npr. pojava giba ili broja pri bacanju slucajan dogadjaj) //Slucajan eksperiment-pod sluc. eksperimentom podrazumjeva se takav pokus ciji ishodi tj rezultati nisu jednoznacno odredjeni uslovima ukojima izvodimo pokus. //Siguran-pouzdan dogadjaj-Cijeli prostor elementarnih dogadjaja () zove se pouzdan dogadjaj i on se realizuje kada se realizuje bilo koji od elementarnih dogadjaja tj. on se mora dogoditi u svakom vrsenju opita. Dakle, ako neki opit a priori izaziva pojavu dogadjaja A,onda se taj dogadjaj zove pouzdan. //Nemoguc dogadjaj-Prazan skup zovemo nemoguc dogadjaj.On se nikada ne desi.Njega ne realizuje ni jedan elementarni dogadjaj.Dakle,ako se dogadjaj A sigurno ne desi datim opitom onda se on zove nemoguc dogadjaj. //prostor elemnetarnih dogadjaja (prostor uzoraka)-Osnovni polazniobjekat u teoriji vjerovatnoce je neprazan skup koji zovemo prostor elementarnih dogadjaja i koji reprezentira skup svih ishoda slucajnog eksperimenta. Prostor uzoraka jednog pokusa je skup sa osobinom da postoji bijektivno preslikavanje skupa svih ishoda na skup . 16.OBJASNITE POJMOVE VJEROVATNOCE A PRIORI I VJEROVATNOCE A POSTERIORI. //Vjerovatnoca "a priori" (mat. vjerovatnoca) je teorijska vjerovatnoca koja govori jezikom odredjenih matematickih cifara o tome kakva je mogucnost nastajanja ocekivanog dogadjaja s obzirom na unaprijed poznate podatke o ukupnom broju svih mogucih dogadjajai o broju povoljnih,ocekivanih dogadjaja koji u tom ukupnom broju mogu nastupiti.Zbog toga se ova vjerovatnoca naziva teorijska,jer u praksi se ne mora ostvaritionaj rezultat kojeg nam je unaprijed davala apriorna vjerovatnoca.(tako,npr. ako bacimo novcic apriorna vjerovatnoca nam govori da je 50% mogucnosti da padne glava ili pismo, jer su to dvije mogucnosti od kojih se jedna mora ostvariti.) S obzirom na to da se vjerovatnoca(izrazena u mat. obliku) izracunava na bazi posmatranog rezultata nekog veceg broja eksperimenata (opita,pokusa,ogleda ili dogadjaja) ili se to unaprijed utvrdjuje na bazi datih i poznatih struktura u okviru neke mase dogadjaja, razlikujemo vjerovatnocu "a priori" i vjerovatnocu "a posteriori". //Vjerovatnoca "a posteriori" je ona koja se izrazava na bazi iskustva, pokusa, prakse(na temelju izvrsenih pokusa i statistickih podataka). Ova vjerovatnoca se najcesce korisiti u nacno-istrazivackom radu, na bazi podataka o frekvenciji desavanja ili nedesavanja ocekivanog dogadjaja.Zobg toga je ova vjerovatnoca dobila naziv statisticka ili empirijska vjerovatnoca. A posteriorna vjerovatnoca se razlikuje od apriorne, zavisno od prirode,vrste dogadjaja i pojava koje se posmatraju.Treba naglasiti da se a posteriorna vjerovatnoca uvijeksve vise priblizava apriornoj,ako se broj pokusa ili posmatranja povecava.Zakljucak glasi: "Vjerovatnoca a posteriori tezi ka vjerovatnoci a priori ako se broj pokusa povecava ka beskonacnosti."(formulisao Jakob Bernuli-Zakon velikih brojeva)

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

Znacaj a posteriorne vjerovatnoce je u tome sto pomocu nje priblizno tacno mozemo izracunati apriornu vjerovatnocu koju ranije nismo poznavali.Takodjer,mozemo pomocu nje da odredimo strukturu pojave koju ranije nismo poznavali.Primjena ove vjerovatnoce narocito je znacajna u oblasti osiguranja,ekonomije a isto tako i u svim oblicima naucnog istrazivanja u vezi sa masovnim pojavama s nepoznatim kompleksom uzoraka(stohasticke pojave). 17. KAKO GLASI MATEMATICKA (TEORETSKA,LAPACEOVA) DEFINICIJA POJMA VJEROVATNOCE? OBJASNITE NJENE NEDOSTATKE. NAVEDITE ODGOVARAJUCE PRIMJERE. Jedna od mogucih verzija klasicne (Laplaceove) definicije vjerovatnoce glasi: Neka je dat slucajni opit s konacno mnogo elementarnih dogadjaja i neka su svi ti elementarni dogadjaji jednako moguci. Tada se vjerovatnoca proizvoljnog dogadjaja vezanog uztaj opit definise kao kolicnik broja svih elementarnih dogadjaja povoljnih za taj dogadjaj i broja svih mogucih (ukupnog broja)elementarnih dogadjaja koji mogu nastupiti u tom pokusu. Vjerovatnoca dogadjaja je odnos broj elementarnih rezultata povoljnoh datom dogadjaju sa brojem svih jednako mogucih rezultata ogleda u kojem se moze pojaviti taj dogadjaj (kraca def.) Vjerovatnoca dodadjaja A oznacavamo sa P(A), pa prema datom def. P(A)=m/n gdje su: m-broj elementarnih rezultata povoljnih datom dogadjaju A; n-broj svih jednako mogucih elementarnih ogleda u kome se moze pojaviti dogadjaj A, a koji obrazuje potpunu grupu. Ova def. se pojavila u samom pocetku razvoja teorije vjerovatnoce. Iz navedene def. slijede osobine vjerovatnoce: 1)Vjerovatnoca pouzdanog dogadjaja jednaka je jedinici m=n, u-pouzdan dogadjaj onda je P(u)=n/n=1; 2)Vjerovatnoca nemoguceg dogadjaja jednaka je 0.m=0; v-nemoguc dogadjaj onda je P(v)=0/n=0; 3)Vjerovatnoca slucajnog dogadjaja predstavljena je pozitivnim brojem koji je manji od 1.Kako je za slucajni dogadjaj 0<m<n, to je 0<m/n<1,pa prema definiciji 0<P(A)<1. Nedostaci klasice definice vjerovatnoce: -ova definicija je restriktivna u smislu da se odnosi samo na eksperimente sa konacno mnogo elementarnih dogadjaja; -ova definicija je kruzna jer ona u sebi sadrzi pojam jednako moguc,koji zapravo znaci jednako vjerovatan; -ova se def. moze primijeniti samo na konacne slucajeve,kada su m i n konacni,sto nije uvijek slucaj.Primijetimo da je 0<P(A)<1; 0mn -vazi relacija za svaki slucajni dogadjaj A. Primjer: 1)Vjerovatnoca pojave pisma i pojave glave pri jednom bacanju novcica. Neka je A-pojava pisma, a B-pojava glave na strani novcica.Pretpostavimo da su dogadjaji A i B jednako moguci. Tada oni obrazuju potpunu grupu dogadjaja. Za svaki od njih broj povoljnih rezultata je 1, a broj svih elementarnih jednako mogucih rezultata je 2, tj. m=1, n=2 pa je P(A)=1/2 i P(B)=1/2. 2) U posudi se nalazi 6 bijelih i 4 crne kuglice. Ako se slucajno izvuce jedna kuglica, kolika je vjerovatnoca da ona bude bijele boje? Neka je A dogadjaj da je kuglica bijele boje. Tada je,prema klasicnoj def.,vjerovatnoca P(A) dogadjaja A data sa P(A)=m/n. Ocigledno je da je broj svih elementarnih dogadjaja povoljnih za m=6, a broj svih mogucih dogadjaja n=10 P(A)=6/10=60% (vjerovatan dogadjaj)

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

Ako se radi o sigurnom dogadjaju, svaki elementarni dogadjaj realizuje taj dogadjaj, tj. m=n, pa je njegova vjerovatnoca=1. Vjerovatnoca nemoguceg dogadjaja=0. Ako je vjerovatnoca <1/2 onda se za taj dogadjaj kaze da je malo vjerovatan (ili nevjerovatan); ako je P(A)=1/2, kaze se da je A neizvjestan ili sumnjiv dogadjaj, a ako je P(A)>1/2 kaze se da je A vjerovatan dogadjaj. 18. KAKO GLASI KLASICNA STATISTICKA (EMPIRIJSKA) DEFINICIJA POJMA VJEROVATNOCE? OBJASNITE NJENE OSNOVNE NEDOSTATKE! Klasicna statisticka definicija pojma vjerovatnoce vezana je za vjerovatnocu a posteriori. Ova vjerovatnoca temelji se na bazi podataka o frekvenciji desavanja ili ne desavanja ocekivanog dogadjaja. Kod pojma statisticke vjerovatnoce ukupan broj mogucih povoljinih dogadjaja ne znamo, u tim slucajevima se vrse razna posmatranja i mjerenja i u njima se registruju slucajevi u kojima se realizuje posmatrani slucajni dogadjaj. Neka je A proizvoljan dogadjaj vezan za neki slucajni opit tj. moguci rezultat tog slucajnog opita. Pretpostavimo da smo taj pokus ponovili pod istim okolnostima n puta, da se u tih n ponavljanja dogadjaj A pojavio tacno n A puta. Tada broj n A zovemo (apsolutna) frekvencija (ucestalost) dogadjaja A, a broj (n A)/n relativna frekvencija dogadjaja A u datih n ponavljanja opita. Iz ove definicije relativne frekvencije slijedi da je: 0(nA)/n1 Kada broj pokusa raste onda relativna frekvencija tezi ka vjerovatnoci dogadjaja A, tj. P(A)=lim{(nA)/n,n} Znak "lim" se ovdje ne smije shvatiti u klasicnom smislu granicne vrijednosti, jer nam analiticki nije poznata veza izmedju n A i n, niti ona postoji. Naime, ako povecamo broj pokusa, primjecujemo da omjer stvarno tezi ka jednoj granici. Stoga se u praksi izvede odredjeni broj pokusa i tako odredi vjerovatnoca dogadjaja, jer mi ne mozemo izvesti beskonacno mnogo pokusa. Poistovjecivanja relativne frekvencije i vjerovatnoce dogadjaja bazira se na zakonu velikih brojeva koji vazi u prirodi, a smisao mu je ovaj: Kada broj opita raste onda apsolutna razlika izmedju relativne frekvencije i vjerovatnoce opada. Teorija vjerovatnoce proucava samo one opite koji imaju svojstvo tzv. "statisticke stabilnosti relativnih frekvencija". Posmatrajmo proizvoljan dogadjaj A vezan uz neki slucajan pokus. Svojstvo statisticke stabilnosti sastoji se u tome da prilikom ponavljanja pokusa veliki broj (n) puta relativne frekvencije dogadjaja A grupisu oko nekog fiksnog (cvrstog) broja. Pretpostavimo da vrsimo nekoliko serija opita. neka je pri tome n i ukupan broj opita u i-toj seriji, a (n A)^(i) broj pojavljivanja dogadjaja A u i-toj seriji. Svojstvo stabilnosti relativnih frekvencija zahtjeva takodjer da su relativne frekvencije (n A)^(i) dogadjaja A u i-toj seriji opita medjusobno dovoljno blizu za razne vrijednosti i, tj. za razne serije, ako su svi brojevi n i dovoljno veliki. Ako slucajni opit zadovoljava uslov statisticke stabilnosti relativnih frekvencija onda se vjerovatnoca a posteriori proizvoljnog dogadjaja A vezanog uz taj opit definise kao realan broj P(A), 0P(A)1, oko kojeg se grupiraju, odnosno kojemu teze relativne frekvencije tog dogadjaja. Ova definicija nije matematicki precizna. Naime postavlja se pitanje (problem) kako za konkretan slucajni opit provjeriti hipotezu o statistickoj stabilnosti relativnih frekvencija. Slozeniji problem statisticke stabilnosti je u serijama opita. Osnovni problem je kako naciniti serije. Prva mogucnost je da se nacini veliki broj opita, pa da se rezultati razbiju na serije. Iako je ova definicija neprecizna koristi se u inzinjerstvu, statistici, drustvenim, prirodnim naukama gdje se ne moze upotrebiti vjerovatnoca a priori. Opravdanje za to sastoji se u vazenju tzv. Bernulijevog zakona velikih brojeva.

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

19. OSNOVNE TEOREME KLASICNE TEORIJE VJEROVATNOCE: teorema 1.vjerovatnoca zbira dva dogadjaja koji se medjusobno iskljucuju jednaka je zbiru vjerovatnoca ovih dogadjaja,tj. P(A+B)=P(A)+P(B); dokaz: Posto se dogadjaji A i B medjusobno iskljucuju to nema elementarnih dogadjaja koji bi istovremeno realizovali i dogadjaj A i dogadjaj B. n je broj svih mogucih elementarnih dogadjaja za neki pokus, m je broj elementarnih dogadjaja koji realizuju dogadjaj A, p broj elementarnih dogadjaja koji relizuju dogadjaj B, onda je broj elementarnih dogadjaja koji realizuju zbir A+B (ili A B) jednak m+p: P(A+B)=(m+p)/n=m/n + p/n= P(A)+P(B) teorema 2.za dogadjaj A i B (u konacnom prostoru uzoraka) vrijedi A-=BP(A)P(B) dokaz:B=A+(B/A), A (B/A)=prazan skup P(B)=P(A)+P(B/A)P(A) jer je P(B/A)0. teorema 3.ako su A i B dva proizvoljna dogadjaja (u konacnom prostoru uzoraka) onda je vjerovatnoca razlike tih dogadjaja data sa: P(A/B)=P(A)-P(A*B) teorema 4.ako su A i B dva proizvoljna dogadjaja (u konacnom prostoru uzoraka) onda je vjerovatnoca zbira tih dogadjaja data sa: P(A+B)=P(A)+P(B)-P(A*B) teorema 5.ako dogadjaji A 1,A 2,....A n cine potpun sistem dogadjaja onda vrijedi {P(Ai),i=1,n)=1. teorema 6.vjerovatnoca suprotnog dogadjaja A nadvuceno jednaka je P(A nadvuceno)=1-P(A). P' - Pisano slovo P Pretpostavimo da je OMEGA konacan skup i da je za svaki podskup E od OMEGA tj. za svaki EP'(OMEGA), gdje je P'(OMEGA) partitivni skup skupa OMEGA, vjerovatnoca od E simbolicno P(E) definisana formulom P(E)=k(E)/k(OMEGA), gdje su k(E) i k(OMEGA) brojevi elemenata skupova E i OMEGA respektivno. Tada vrijede sledece teoreme: teorema A. P1(normalnost, normiranost): P(OMEGA)=1; P2(nenegativnost): P(E)0 za svaki EP'(OMEGA) P3(aditivnost): P(E F)= P(E)+P(F) ako su E i F iskljucivi podskupovi od OMEGA teorema B. a) P(prazan skup)=0 b) Ako su E,FP'(OMEGA) i E-=F, onda je P(E)P(F) c) Za svako EP'(OMEGA), 0P(E)1 d) Za svako EP'(OMEGA), P(E nadvuceno)=1-P(E), gdje je E nadvuceno= OMEGA / E (komplement od E) e) Za svaki E,FP'(OMEGA), P(E F)= P(E) + P(F) - P(E F) f) Za svaki E,FP'(OMEGA), P(EF) P(E) + P(F) g) Za svaki n skupova E 1, E 2,..., E n koji pripadaju familiji P'(OMEGA) je P(UNIJA{Ei,i=1,n}){P(Ei),i=1,n} 20. POJAM ZAVISNOSTI I NEZAVISNOSTI DOGADJAJA, MULTIPLIKATIVNA TEOREMA ZA NEZAVISNE DOGADJAJE: za dva dogadjaja koji nastupaju istovremeno(ili jedan iza drugog)kazacemo da su nezavisni ako nastupanje dog. A ne zavisi od toga da li se odigrao dog. B i

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

obrnuto. Multiplikativna teorema: vjerovatnoca dog. koji se sastoji u zajednickom nastupanju dva medj.nezavisna dog.jednaka je proizvodu vjerovatnoca svakog dogadjaja posebno. Kazemo da su dva dogadjaja A i B nezavisni ako vrijedi: P(A B)=P(A)*P(B) 21. DEFINISATI POJAM USLOVNE(RELATIVNA)VJEROVATNOCE, MULTIPLIKATIVNA TEOREMA ZA ZAVISNE DOGADJAJE: vjerovatnoca dogadjaja A koju racunamo pod uslovom da se desio dogadjaj B nazivamo uslovnom(kondicionalnom)TEOREMA:vjerov.da se jednovremeno dese dva dogadjaja jednaka je proizvodu vjerov.jednog dogadjaja i vjerov.drugog dogadj. u odnosu na prvi: P(AB)=P(A)*P(B|A)=P(A|B)*P(B). 22. IZVEDITE FORMULU TOTALNE VJEROVATNOCE: vjerovatnoca dogadjaja B koji moze nastupiti samo pod uslovom pojave potpunog sistema dogadjaja A 1,A 2.. jednaka je sumi proizvoda vjerovatnoca svakog dogadjaja A i i uslovnih vjerovatnoca dogadjaja B. P(B)={P(Ai)*P(B|Ai),i=1,n} dokaz: {P(Ai)=1}, kako dogadjaji A1,A2,...,An cine potpun sistem dogadjaja, to se B moze dogoditi u kombinaciji dogadjaja (A i*B), tj.B=B*omega=B*{Ai,i=1,n} iz cega slijedi B=A1B+..+AnB. Kako se dogadjaji A i medjusobno iskljucuju, mozemo primjetiti adicionu teoremu za dogadjaje koji se medjusobno iskljucuju: P(B)={P(AiB),i=1,n},dakle na osnovu multiplikacione teoreme imamo P(B)={P(Ai)*P(B|Ai),i=1,n} 23. IZVEDITE BAYESOVU FORMULU: Neka je H i (i=1,...,n) potpun sistem (u konacnom prostoru uzoraka OMEGA) i A-=OMEGA takav da je P(A) > 0, tada za svako i vrijedi: P(Hi|A)=(P(Hi)*P(A|Hi))/{P(Hj*P(A|Hj) ,po j} DOKAZ:predpostavimo da dogadjaj A nastupa ako nastupi bilo koji od dogadjaja H 1..H n koji se po dva medjusobno iskljucuju i ciji je zbir {Hi,i=1,n}=OMEGA. Na osnovu teoreme mnozenja imamo : P(A ^ H i)=P(A)*P(H i|A)=P(A)*P(A|H i), [ovdje ^ ozvacava taj simbol a ne eksponent] P(H i|A)=(P(H i)*P(A|H i))/P(A). Ako P(A) izrazimo formulom totalne vjerovatnoce dobicemo P(Hi|A)={P(Hi)*P(A|Hi))/{P(Hj)*P(A|Hj),po j}} //Veliko stampano slovo sa ' je veliko pisano slovo 24. Gometrijska def. vjerovatnoce Pojam vjerovatnoce uveden klasicnom Laplasovom definicijom vjerovatnoce formulom P(A)=m/n prosirit cemo na sledeci nacin. Neka se u nkoj oblasti G sadrzi druga oblast D, i neka se pokus sastoji u tome da se na slucajan nacin bira tacka u oblasti G. Uz pretpostavku da je vjerovatnoca izbora tacaka u nekom dijelu oblasti G proporcionalna mjeri m tog dijela dobije se vjerovatnoca da slucajno izabrana tacka oblasti G pripada i oblasti D. P=m(D)/m(G) , gdje je m(D) mjera od D, a m(G) mjera od G. Ovom formulom je data geometrijska definicija vjerovatnoce. Definicija geometrijske vjerovatnoce moze se formalnije uvesti. Neka je ogranicen podskup R^n (n=1,2,3) i neka je izmjenjiv u smislu da postoji njegova mjera m()< (pri cemu je m duzina za n=1, povrsina za n=2 ,zapremina n=3 odnosno mjerni brojevi duzine, povrsine i zapremine, respktivno). Kazemo da ima problem geometrijske vjerovatnoce da je prostor elementarnih dogadaja ograicen izmjeriv podskup od R^n (n=1,2,3) i ako je vjerovatnoca proizvoljnog izmjerivog podskupa A od data formulom. P(A)=m(A)/m().

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

25.OPSTA(AKSIOMATSKA)DEF. POJMA VJEROVATNOCE //Napomena: "F" i "P" se pisu velikim pisanim slovima 1933.god Kolmogorov je dao opstu (aksiomatsku) def. pojma vjerovatnoce, koja se formulise na sljedeci nacin: svaka uredjena brojka ( ,F,P) naziva se prostor vjerovatnoce,gdje je neprazan skup, F je familija podskupa skupa , P() je partitivni skup skupa . P()={A:A} je vjerovatnoca elementarnog dogadjaja , koja zadovoljava 3 uslova: (F1) F,(F2) (za svako AF), A komplement F, (F3) za svako A1,A2,...,An F unija Ai(i=1,) F. "p" je preslikavanje (f-ja realnih u R), za koju vaze 3 uslova: (p1) p()=1 ovo je svojstvo normiranosti funkcije P, (p2) za svako(A,B) F, A-B p(A)P (B) ovo je svojstvo monotonosti, (p3) (P3)(za svako Ai F)(i=1,2,..,n) Ai Aj=O(prazan skup), za svako ij. P(unija Ai(i=1,)=P(Ai) ovo je svojstvo prebrojive aditivnosti. Ovdje je navedena definiciju pojma vjerovatnoce, interpretirajuci dogadjaj preko skupova, tj. ovo je matematski modul preko skupova vjerovatnoce.

26.FORMULA POTPUNE VJEROVATNOCE th1: vjerovatnoca dogadjaja B koji moze nastupiti samo pod uslovom pojave potpunog sistema dogadjaja A1,A2,..,An, jednaka je sumi proizvoda vjerovatnoca svakog dogadjaja Ai i uslovnih vjerovatnoca dogadjaja B, tj: P(B)=P(Ai)*P(B | Ai).Vjerovatnoce P(Ai) obicno su poznate unaprijed ,pa se zbog toga nazivaju apriornim vjerovatnocama, a sami dogadjaji Ai nazivaju se hipoteze. BAJESOVA FORMULA: th1: Neka je (Hi)(i=1...n) potpun sistem dogadjaja (u konacnom prostoru ) i A-, takav da je P(A)>0. tada za svako "i" vrijedi: P(Hi | A)={[P(Hi)*P(A | Hi)]/[P(Hj)*p(A | Hj)]}. ovdje je "A" proizvoljan dogadjaj koji se pojavljuje u rezultatima tog eksperimenta.

27.Definirajete i objasnite pojmove KONACNI I DISKRETNI PROSTOR VJEROVATNOCE //Napomena:F i P se pisu velikim pisanim slovima Konacan prostor vjerovatnoce je par (,p), gdje je konacan skup i "P" f-ja P:P()->R, koji zadovoljavaju osobine: (p1): p()=1, p2:p(A)>=0 za svako AP(), p3: ako su E,FP(), takvi da je EF = prazan skup, onda je P(E F)=P(E)+P(F). Skup zovemo prostor elementarnih dogadjaja, podskupove od "" dogadjajima i jednoclane podskupove od nazivamo elementarnim dogadjajima. Diskretni prostor vjerovatnoce je jednostavniji prostor vjerovatnoce u kome je osnovni skup (prostor elem.dogadjaja) konacan ili prebrojiv skup. Neka je =(1,2,...,n) odakle k()=n. Tada je k(P())=2^n, pa svaka - algebra F-P() ima konacno mnogo elemenata, tj. F je algebra na .

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

Th.: neka je prebrojiv skup i (,F,P) prostor vjerovatnoce. Tada postoji vjerovatnoca P`:P()->[0,1], tada je P`|F=P. - algebra F je neprebrojiva, P() je primjer neprebrojive - algebra na . Ako je prebrojiv, onda se prostor vjerovatnoce (,P(),P) zove prebrojiv diskretni prostor vjerovatnoce. 28.STO JE SLUCAJNA VELICINA (SLUCAJNA PROMJENLJIVA VELICINA, SLUCAJNA PROMJENLJIVA, SLUCAJNA VARIJABLA)? - FORMULISITE INTUITIVNU (OPISNU) DEFINICIJU I PRECIZNU (STROGU, FORMALNU) DEFINICIJU POJMA SLUCAJNE VELICINE, A ZATIM NAVEDITE PRIMJERE SLUCAJNIH VELICINA. //Veliko stampano slovo sa ' je veliko pisano slovo Slucajna velicina je velicina koja se dobije mjerenjem u vezi sa nekim slucajnim pokusom, tj. slucajna velicina je promjenljiva velicina koja zavisno od slucaja uzima jednu od mogucih brojnih vrijednosti (koje karakterisu elementarne dogadaje, kao moguce realizacije posmatranog pokusa) sa odredenim vjerovatnocama. Preciznije, neka velicina X zavisna od slucaja uzima jednu od n mogucih vrijednisti x 1, x 2 ..., x n sa vjerovatnocama p 1, p 2 .., p n, respektivno, tako daje {pi,i=1,n}=1. Tada se X zove (diskretna) slucajna velicina sa konacnim skupom mogucih vrijednosti. Neka je (, P'(),P) konacan prostor vjerovatnoce. Tada se svako preslikavanje (funkcija) X : -> R (odnosno X: -> R nadvuceno) zove slucajna velicina (na ), tj. funkcija X koja svakom elementarnom dogadaju pridruzuje realan broj X()R (odnosno realan broj u sirem smislu X()R nadvuceno) zove se slucajna velicina (slucajna promjenljiva, slucajna varijabla). PRIMJER(Uzmemo da novcic bacamo dva puta i neka slucajna velicina X oznacava broj ponavljanja grba G. Tada prostor elementarnih dogadaja ={PP,PG,GP,GG}, a X prima vrijednosti0,1,2 sa vjerovatnocama1/4,1/2,1/4 respektivno. 29.DEFINIRAJTE/OBJASNITE SLJEDECE POJMOVE: DISTRIBUCIJA (RASPODJELA, RAZDIOBA, RASPORED) VJEROVATNOCE SLUCAJNE VELICINE, FUNKCIJA VJEROVATNOCE/ZAKON VJEROVATNOCE SLUCAJNE VELICINE; GRAFIK, POLIGON I HISTOGRAM; OCEKIVANJE (MATEMATICKO OCEKIVANJE, MATEMATICKA NADA), VARIJANSA/DISPERZIJA I STANDARDNA DEVIJACIJA ZA SLUCAJNE VELICINE NA: A) KONACNOM PROSTORU VJEROVATNOCE ; B) DISKRETNOM PROSTORU VJEROVATNOCE; C) PROIZVOLJNOM (OPSTEM, NE NUZNO DISKRETNOM) PROSTORU VJEROVATNOCE. (i) Ako je X jednostavna slucajna velicina i ako poprima vrijednosti x 1, x 2, ..., x n, onda se X moze prikazati u obliku X= {xi *_chi_(Ai),i=1,n} (1) gdje je Ai={ : X()=xi}, a _chi_(Ai) karakteristicna funkcija skupa Ai. Lako se dokazuje da prikaz slucajne velicine X pomocu karakteristicnih funkcija nije jedinstven. Slucajnu velicinu X iz (1) oznacavamo sa X={(x 1 x 2 ... x n) nad (p 1 p 2 ... p n)} (2)

gdje je pi=P(Ai)=P{X=xi} (i=1, 2, ...,n). Pri tome je ocigledno, pi0 , za sve i=1,2, ..., n, i vrijedi {pi,i=1,n}={P(Ai),i=1,n}=P()=1 u prvom redu iz tablice (2) stoje sve moguce razlicite vrijednosti slucajne velicine X, a u drugom redu su prirodne vjerovatnoce da X primi te vrijednoti. Prema tome svakoj slucajnoj velicini na konacnom prostoru vjerovatnoce (,P'(),P) na jednoznacan se nacin pridruzuje tablica (2), koja se zove

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

distribucija slucajne velicine X ili zakon raspodjele (zakon razdiobe) od X ili raspodjela vjerovatnoce slucajne velicine X. (ii) Pod zakonom raspodjele (rasporeda, razdiobe, distribucije) vjerovatnoce ili krace , zakonom vjerovatnoce slucajne velicine X podrazumijeva se pravilo (propis) po kome svakoj vrijednosti slucajne velicine pridruzuje odgovarajuca vjerovatnoca ; P(X=x i) = p i. (iii) (x i, VRSTA VRSTA Raspodjela vjerovatnoca slucajne velicine X definise, dakle, skup parova p i) (i=1,2,...,n) i moze se prikazati tabelom. 1: x i ; x 1 ; x 2 ... x n 2: p i ; p 1 ; p 2 ... p n

Raspodjelu vjerovatnoca mozemo i graficki ilustrovati pomocu grafika i krive vjerovatnoce, poligonom raspodjele vjerovatnoca, tj. poligonalnom linijom koja spaja tacke (x i,p i) u Dekartovom pravouglom koordinatom sistemu Ox i p i, a i pomocu tzv. histograma vjerovatnoca. Pod histogramom vjerovatnoca podrazumijeva se takav grafikon kod kojeg se sustina posmatranog problema (pojave) posmatra samo kroz jednu dimenziju (tj. visina stuba, grede), a ne putem uporedjivanja velicina po povrsini, tj. u dvije dimenzije. Oni se dijele prema vrsti likova koji se upotrebljavaju za njihovu konstrukciju. tako imamo pravougaonike, kvadrate, krugove, i dr. (iv) Neka je X slucajna velicina na konacnom prostoru vjerovatnoce (,P) i neka je fx njena funkcija vjerovatnoce. Tada se broj {xfx(x),x pod(X)} zove matematicko ocekivanje (matematicka nada, srednja /prosjecna/ vrijednost) ili krace , ocekivanje slucajne velicine X oznacava sa E(X) (EX, M(X) ili ) tj. vrijedi E(X)= {xfx(x),x pod(X)} (v) Neka je X slucajna velicina na konacnom prostoru vjerovatnoce (,P). Tada se varijansa (ili disperzija) od X, simbolicno Var(X) (ili D(X)), definise sa Var(X)=E((X-E(X))^2) (vi) a) Neka je X slucajna velicina na konacnom prostoru vjerovatnoce (,P). Tada varijansa od X zadovoljava relaciju Var(X) = E(X^2)-(E(X))^2 b) Neka je X slucajna velicina na konacnom prostoru vjerovatnoce (,P). Ako su a i b realni brojevi (konstante), onda je Var(aX+b) = a^2 *Var(X). c) Ako je X slucajna velicina na konacnom prostoru vjerovatnoce (,P), onda za svako e>0 vrijedi P({: |X()-E(X)|>})< Var(X)/ ^2. 30.DEFINIRAJTE/OBJASNITE POJAM (TEORETSKE, KUMULATIVNE) FUNKCIJE DISTRIBUCIJE (FUNKCIJE RASPODJELE) I POJAM FUNKCIJE GUSOCE/GUSTINE (VJEROVATNOCE) SLUCAJNE VELICINE NA OPSTEM PROSTORU VJEROVATNOCE, A ZATIM FORMULISITE (I PO JEDNO OD NJIH DOKAZITE) OSNOVNA SVOJSTVA TIH FUNKCIJA. (i) Funkcija distribucije je takva neopadajuca funkcija F : R nadvuceno >[0,1] koja ima osobinu da je F(-)=0 i F()=1 (gdje je R nadvuceno=R{ -, +} prosireni skup realnih brojeva). (ii) Neka je X slucajna velicina na vjerovatnosnom prostoru (,F',P). Tada se definise funkcija F x na R nadvuceno sa: F(-)=0 , F()=1, Fx(x)=P({ :X()<x}), (xR) (1) Neka je X slucajna velicina na vjerovatnosnom prostoru (,F',P) i Fx funkcija defininisana sa (1) tada vrijede osobine: 1. x1 x2 Fx(x1) Fx(x2) tj. funkcija Fx je neopadajuca, 2. lim{F x(x),x -}=0, ako je P({:X() -})=1,

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum

3. lim{Fx(x),x}=1, ako je P({ :X()})=1, 4. F x je neopadajuca slijeva na R Pa prema osobinama (1) i (4) zakljucujemo da je funkcija distribucije iz skupa . Ako je P({: -<X()<})=1, onda je prema (2) i (3), Fx D' . Funkciju F x zovemo funkcija distribucije slucajne promjenljive X. Neka je X slucajna velicina na prostoru vjerovatnoce (,F',P) i neka je Fx njena funkcija distribucije. X je neprekidna slucajna velicina ako postoji nenegativna realna Borelova funkcija f:R-->R takva da je F x(x)=INTR{f(t) d(t),-,x} , (xR) (*). Gdje je integral u * u opstem slucaju Lebesgueov integral funkcije f u odnosu na tzv. Lebesgueovu mjeru na R. Ako je X neprekidna slucajna velicina tada se funkcija f iz (*) zove funkcija gustoce vjerovatnoce od X, tj. od njene funkcije distribucije F x, ili krace gustoca od X. 31.KLASIFICIRAJTE SLUCAJNE VELICINE, ODNOSNO DEFINIRAJTE POJMOVE : DISKRETNA (SPECIJALNO, KONACNA) SLUCAJNA VELICINA, NEPREKIDNA (KONTINUALNA) SLUCAJNA VELICINA, SLUCAJNA VELICINA MJESOVITOG TIPA. NAVEDITE PO JEDAN PRIMJER DISKRETNE I KONTINUALNE SLUCAJNE VELICINE. Postoje 2 osnovna tipa slucajnih velicina a to su diskretne i kontinualne.slucajna velicina X je diskretna ako postoji konacan (prebrojiv) skup D - R takav da je P {x D}=1,tj. ako je X slucajna velicina takva da je skup vrijednosti konacan ili prebrojiv,X je diskretna. Neka je X slucajna velicina na prostoru vjerovatnoce (,F',P) i neka je F x njena funkcija distribucije. X je neprekidna slucajna velicina ako postoji nenegativna realna Borelova funkcija f:R-->R takva da je Fx(x)=INTR{f(t) d(t), -,x} , (xR) (*). Gdje je integral u * u opstem slucaju Lebesgueov integral funkcije f u odnosu na tzv. Lebesgueovu mjeru na R. Postoje slucajne velicine koje nisu ni diskretne ni neprekidne,to su slucajne velicne mjesovitog tipa.

www.gf-sa.com Graevinski fakultet Sarajevo Studentski forum