Professional Documents
Culture Documents
Vjerovatnoća I Statistika - I Dio
Vjerovatnoća I Statistika - I Dio
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
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 .
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
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,