Neven Elezovic

VJEROJATNOST I STATISTIKA
1. Diskretna vjerojatnost


ISBN 953-197-539-6
 Neven Elezovic

Redoviti profesor Fakulteta elektrotehnike i racunarstva

Zavod za primijenjenu matematiku

VJEROJATNOST I STATISTIKA

Diskretna vjerojatnost

0. izdanje

Zagreb, 2007
 
c Prof. dr. sc. Neven Elezovic, 2007.

Urednik
Sandra Gracan, dipl. inz.

Nakladnik
Element, Zagreb

Dizajn ovitka
Edo Kadic

Tisak
Element, Zagreb

Nijedan dio ove knjige ne smije se preslikavati niti umnazati

na bilo koji nacin, bez pismenog dopustenja nakladnika

SADRZAJ

1. Vjerojatnost . . . . . . . . . . . . . . . . . . . . . .. . .. .. .. .. .. .. .. .. .. . 1
1.1. Algebra dogadaja - ............ .. . .. .. .. .. .. .. .. .. .. . 1
1.2. Vjerojatnost . . . . . . . . . . . . . . . .. . .. .. .. .. .. .. .. .. .. . 9
1.3. Klasicni vjerojatnosni prostor . . . .. . .. .. .. .. .. .. .. .. .. . 14
1.4. Beskonacni vjerojatnosni prostor .. . .. .. .. .. .. .. .. .. .. . 21
1.5. Geometrijska vjerojatnost . . . . . . .. . .. .. .. .. .. .. .. .. .. . 26
1.6. Elementi kombinatorike . . . . . . . .. . .. .. .. .. .. .. .. .. .. . 30
1.7. Rijeseni primjeri . . . . . . . . . . . . .. . .. .. .. .. .. .. .. .. .. . 45
Zadatci za vjezbu . . . . . . . . . . . . .. . .. .. .. .. .. .. .. .. .. . 58
2. Uvjetna vjerojatnost . . . . . . . . . . . . . .. .. . .. .. .. .. .. .. .. .. .. . 64
2.1. Uvjetna vjerojatnost . . . . . . . . .. .. . .. .. .. .. .. .. .. .. .. . 64
2.2. Nezavisnost dogadaja- ....... .. .. . .. .. .. .. .. .. .. .. .. . 67
2.3. Formula potpune vjerojatnosti .. .. . .. .. .. .. .. .. .. .. .. . 71
2.4. Bayesova formula . . . . . . . . . .. .. . .. .. .. .. .. .. .. .. .. . 73
2.5. Rijeseni zadatci . . . . . . . . . . . .. .. . .. .. .. .. .. .. .. .. .. . 77
Zadatci za vjezbu . . . . . . . . . . .. .. . .. .. .. .. .. .. .. .. .. . 83
3. Diskretne slucajne varijable i vektori . . . . . . . . . . . . . . . . . .. .. .. . 88
3.1. Diskretne slucajne varijable . . . . . . . . . . . . . . . . . . . .. .. .. . 89
3.2. Dvodimenzionalne diskretne razdiobe . . . . . . . . . . . . .. .. .. . 93
3.3. Momenti i karakteristicne funkcije diskretnih varijabli .. .. .. . 97
3.4. Rijeseni zadatci . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. .. . 107
Zadatci za vjezbu . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. .. . 113
4. Primjeri diskretnih razdioba . .. .. .. .. .. . .. .. .. .. .. .. .. .. .. . 116
4.1. Geometrijska razdioba .. .. .. .. .. . .. .. .. .. .. .. .. .. .. . 116
4.2. Binomna razdioba . . . .. .. .. .. .. . .. .. .. .. .. .. .. .. .. . 119
4.3. Poissonova razdioba . .. .. .. .. .. . .. .. .. .. .. .. .. .. .. . 123
Zadatci za vjezbu . . . . .. .. .. .. .. . .. .. .. .. .. .. .. .. .. . 128
Odgovori i rjesenja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Kazalo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1.
Vjerojatnost

1. -
Algebra dogadaja .......... . . . . . . . . . . . . . . . 1
2. Vjerojatnost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3. Klasicni vjerojatnosni prostor . . . . . . . . . . . . . . . . . 14
4. Beskonacni vjerojatnosni prostor . . . . . . . . . . . . . . . 21
5. Geometrijska vjerojatnost . . . . . . . . . . . . . . . . . . . . 26
6. Elementi kombinatorike . . . . . . . . . . . . . . . . . . . . . 30
7. Rijeseni primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Zadatci za vjezbu . . . . . . . . . . . . . . . . . . . . . . . . . 58

Temeljni pojmovi koje z elimo opisati u ovom poglavlju su algebra dogadaja - i vjerojatnost.
Najjednostavnije je pojam dogadaja - dovesti u vezu s stohastickim pokusom. Tako nazivamo
-
svaki pokus ciji ishod nije unaprijed odreden. Taj ishod ovisi o nekim nepredvidivim okolnostima
i stoga je slucajan. Novcic bacen uvis pada na jednu od svoje dvije strane, na koju unaprijed ne
mozemo znati. Vrijeme ispravnog rada nekog uredaja - ne moze se unaprijed predvidjeti.
Ishod pokusa zovemo elementarni dogadaj. - Njih u nekom pokusu moze biti konacno, ali i
beskonacno mnogo. Kocka ce pasti na jednu od s est svojih strana, a biranje na srecu jedne tocke
unutar, recimo, jedinicnog kruga ima kao moguci ishod beskonacno mnogo elementarnih dogadaja. -
-
Pri svakom se pokusu mogu ostvariti ili ne razliciti dogadaji. Kocka moze, na primjer, pasti
na paran ili na neparan broj. Hoce li se dogoditi neki dogadaj - mozemo predvidjeti pridruzujuci mu
-
odredenu je dogadaj
vjerojatnost. Sto - izvjesniji, njegova ce vjerojatnost biti bliza jedinici. Malo
- imat ce vjerojatnost blisku nuli.
vjerojatni dogadaji
-
Racun s dogadajima i vjerojatnostima mora se pokoravati izvjesnim zakonima koje cemo upoz-
nati u ovom poglavlju.

-
1.1. Algebra dogadaja

Elementarne cemo dogadaje - oznacavati s . Skup svih elementarnih dogadaja

-
-
oznacavamo s . Skup i sam je dogadaj, on se ostvaruje pri svakom ishodu pokusa.
Nazivamo ga stoga sigurni dogadaj. - Njegova je suprotnost nemoguc dogadaj,
- koji se
pri realizaciji pokusa nikad ne moze ostvariti. Oznacavamo ga simbolom . Razlicite
- vezane uz neki pokus oznacavat cemo velikim slovima latinicne abecede:
dogadaje
-
A , B , C . . . . Oni se sastoje od izvjesnog broja elementarnih dogadaja. To su dakle
podskupovi od .

1
2 1. VJEROJATNOST

Primjer 1.1. Bacamo jednu kocku kojoj su strane oznacene brojevima od 1 do 6.

- i skup .
Odredimo elementarne dogadaje
- brojevi na koje kocka moze pasti:
 Elementarni su dogadaji
1 = 1, 2 = 2, . . . , 6 = 6.
- je
Skup svih elementarnih dogadaja
= {1 , 2 , . . . , 6 } = {1, 2, 3, 4, 5, 6}.
U pokusu koji ima samo konacno mnogo ishoda dogadaj - je bilo koji podskup od .
- vezanih uz ovaj pokus:
Evo nekoliko dogadaja
A = {pao je parni broj} = {2, 4, 6},
B = {pao je broj veci od 2} = {3, 4, 5, 6},
C = {pao je parni broj manji od 5} = {2, 4}
- postoji 26 = 64 , jer toliko skup ima podskupova. Medu
i slicno. Razlicitih dogadaja -
- -
njima su nemoguc dogadaja , 6 jednoclanih (elementarnih) dogadaja, 15 dogadaja od
po dva elemenentarna, 20 dogadaja - s tri elementarna itd. 

Primjer 1.2. Novcic je bacen tri puta. U svakom bacanju biljezimo je li se pojavilo
pismo ( P ) ili glava ( G ). Odredimo , elementarne dogadaje- te nekoliko dogadaja -
vezanih uz ovaj pokus.

- ima osam. To su
 Elementarnih dogadaja
1 = GGG, 2 = GGP, 3 = GPG, 4 = PGG,
5 = GPP, 6 = PGP, 7 = PPG, 8 = PPP,
-
(poredak nabrajanja nije vazan). Ovdje smo, kratkoce radi, s GGP oznacili uredenu
-
trojku (G, G, P) i slicno za ostale elementarne dogadaje. - sastoji se
Siguran dogadaj
od gornjih osam elementarnih. Evo nekoliko dogadaja- vezanih uz ovaj pokus (ukupan
- 8
broj dogadaja je 2 = 256 ):
A = {pismo se pojavilo jednom} = {2 , 3 , 4 },
B = {pismo se pojavilo u drugom bacanju} = {3 , 5 , 7 , 8 },
C = {pojavilo se barem jedno pismo i barem
jedna glava} = {2 , 3 , . . . , 7 },
D = {pismo se pojavilo dvaput za redom} = {5 , 7 , 8 }. 

-
Usporedivanje -
dogadaja

Kazemo da dogadaj - A povlaci dogadaj - B ako iz realizacije dogadaja

- A slijedi
- -
realizacija dogadaja B . To znaci da B sadrzi sve elementarne dogadaje koji ulaze u
- A . Pisemo A B , u skladu s zapisom iz teorije skupova. Koristimo takoder
dogadaj - i
zapis A = B . Govorimo jos: A je specijalni slucaj dogadaja - B , B slijedi iz A , A
je sadrzan u B , A je dovoljan uvjet za B , B je nuzdan uvjet za A .
1.1. ALGEBRA DOGA -DAJA 3

A B
- A povlaci
Sl. 1.1. Dogadaj
- B
dogadaj

-
Primjer 1.3. Bacamo dvije kocke. Oznacimo dogadaje
A = {oba broja veca su od 4},
B = {zbroj brojeva na kockama veci je od 8}.
 Vrijedi A = B , jer je zbroj brojeva koji su veci od 4 sigurno veci od 8.
Obrat nije ispunjen, jer zbroj brojeva moze biti veci od 8 i kad jedna kocka padne na,
recimo, 3, a druga na 6. Tad se ostvario B , ali se nije ostvario A . 

-
Primjer 1.4. Bacamo dvije kocke. Oznacimo dogadaje:
A = {zbroj brojeva na kockama veci je od 8},
B = {oba broja veca su od 2}.
 Sad vrijedi A = B . Naime, zbroj brojeva ne moze biti veci od 8 ako oba
broja nisu veca od 2, jer inace najveci zbroj iznosi 2 + 6 = 8 . Vezu ovih dogadaja -
mozemo izraziti jos ovako:
Da bi zbroj brojeva bio veci od 8, oba broja nuzno moraju biti veca od 2 ( B je
nuzdan uvjet za A ).

Zelimo li da oba broja na kocki budu veca od 2, dovoljno je da njihov zbroj bude
veci od 8 ( A je dovoljan uvjet za B ). 

Ukoliko vrijedi A B i B A , onda kazemo da su A i B ekvivalentni ili jednaki
i pisemo A = B . Ekvivalentni dogadaji- sastoje se od istih elementarnih dogadaja.
-
Suprotnost ovoj situaciji je ona u kojoj A i B nemaju zajednickih elementarnih
-
dogadaja.
- A i B su disjunktni, ako se istovremeno ne mogu ostvariti i jedan i
Dogadaji
1 -
drugi . Kazemo jos da se A i B medusobno iskljucuju. Tako na primjer, pri bacanju
-
kocke su dogadaji A = {pao je paran broj} i B = {pao je broj 3} disjunktni.

A
-
Sl. 1.2. Disjunktni dogadaji

1 -
Nije nuzno da se ostvari neki od ova dva dogadaja, moguce je dakle da se ne ostvari niti jedan od njih
4 1. VJEROJATNOST

-
Primjer 1.5. Novcic bacamo c etiri puta. Istaknimo sljedece dogadaje:
A = {pojavila su se tocno tri pisma},
B = {pojavile su se najvise dvije glave},
C = {pojavila se tocno jedna glava},
D = {ostvario se niz PGGP}.
- povlace neki drugi, koji su ekvivalentni, a koji se medusobno
koji od ovih dogadaja -
iskljucuju?
-
Operacije s dogadajima
-
Neka su A , B dogadaji. -
Pomocu njih mozemo naciniti nove dogadaje:
-
Unija i presjek dogadaja
- koji se ostvaruje ako se ostvario barem jedan od dogadaja
Dogadaj - A, B
-
naziva se unija ili zbroj (suma) dogadaja i oznacava s A B , A + B , A ili
B.
- koji se ostvaruje ako su se ostvarila oba dogadaja
Dogadaj - A i B naziva se
- i oznacava s A B , AB , A i B .
presjek ili umnozak (produkt) dogadaja

A A
B B

A B A B
-
Sl. 1.3. Unija i presjek dvaju dogadaja

-
Primjer 1.6. Bacamo jednu kocku. Istaknimo dogadaje
A = {pao je parni broj},
B = {pao je broj veci od 2}.
Onda je
A B = {pao je parni broj ili broj veci od 2}
= {pao je broj veci od 1} = {2, 3, 4, 5, 6},
A B = {pao je parni broj veci od 2} = {4, 6}.

-
Operacije unije i presjeka mogu se definirati i za nekoliko dogadaja. Unija n
- je dogadaj
dogadaja -
A = A1 A2 . . . An
- A1 ,. . . An .
koji se ostvaruje ako se ostvario barem jedan od dogadaja
1.1. ALGEBRA DOGA -DAJA 5

A 1 A2 ... A n A 1 A2 ... A n
-
Sl. 1.4. Unija (lijevo) i presjek (desno) vise dogadaja

- je dogadaj
Presjek n dogadaja -
A1 A2 . . . An
- A1 , . . . , An .
koji se ostvario ako se ostvario svaki od dogadaja

-
Razlika dogadaja. -
Komplement dogadaja
- koji se ostvaruje ako se ostvari dogadaj
Dogadaj - A , a da se ne ostvari dogadaj
-
-
B , nazivamo razlika dogadaja A i B i oznacavamo s A \ B , A B .
- \ A nazivamo komplementom ili suprotnim dogadajem
Dogadaj - doga-
-
daja A . On se ostvaruje ako i samo ako se A nije ostvario. Oznacavamo ga
s A ili s Ac .

A B A
_
A
Sl. 1.5. Razlika dvaju do-
-
gadaja (lijevo) i komple-
-
ment dogadaja (desno) A\ B

Uvjerite se da vrijedi A \ B = A B , A = A .

6 1. VJEROJATNOST

Primjer 1.7. Sto -

se moze zakljuciti o dogadajima A , B , C za koje vrijedi

1. ABC = A ; 2. A + B = A ; 3. A + B + C = A ;
4. A + B = A ; 5. A + B = AB ; 6. AB = A ?

 (Skiciraj gornje situacije EulerVennovim dijagramima).

1. AB i AC 2. B A
3. BA i CA 4. A = , B =
5. A=B 6. A = , B = .

De Morganovi zakoni
- operacija komplementiranja, unije i presjeka iskazana je u sljedecim
Veza izmedu
formulama:
AB =AB (1)
AB =AB (2)
Te formule nazivamo de Morganovi zakoni.

A A
B B

A B A B
Sl. 1.6. De Morganovi zakoni

Dokazimo (1):
A B / A B /A i /B
A i B A B.
-
Drugu formulu mozemo pokazati na slican nacin. Medutim, korisno je vidjeti da
- vrijedi A = A , mozemo
ona slijedi iz prve formule. Naime, kako za svaki dogadaj
racunati ovako
A B = po (1) = A B = A B
te je
A B = A B = A B.

Primjer 1.8. De Morganove zakone mozemo ilustrirati koristeci se jednostavnim

modelima serijskog i paralelnog spoja.
1. Serijski spoj. Neka u serijskom spoju dviju sklopki dogadaj- A oznacava da je
-
prva sklopka iskljucena, a dogadaj B da je iskljucena druga sklopka.
1.1. ALGEBRA DOGA -DAJA 7

1 2
A B

- tocaka 1 i 2 nece postojati ako se ostvari barem jedan od dogadaja

Veza izmedu - A
ili B :
{ ne postoji veza } = A B.
- tih tocaka postojat ce ako se nije ostvario niti dogadaj
Veza izmedu - A , niti dogadaj
- B
(nema prekida niti na jednoj sklopki):
{ postoji veza } = A B.
-
Ova su dva dogadaja komplementarna. Zato vrijedi
A B = A B.
Dobili smo prvu de Morganovu formulu.
2. Paralelni spoj. Neka su dvije sklopke spojene u paralelnom spoju:

A
1 2

Onda vrijedi:
{ne postoji veza} = A B,
{postoji veza} = A B = A B. 

-
De Morganovi zakoni poopcavaju se na uniju i presjek n dogadaja:
A1 An = A1 An ,
A1 An = A1 An .
Ilustrirajte ove formule pomocu serijskog i paralelnog spoja n sklopki.

-
Algebra dogadaja
-
Dosadasnji pristup dogadajima i operacijama zasnivao se na intuiciji. Tako smo, na primjer,
- ponovo dogadaji.
presutno podrazumjevali da su presjek i unija dvaju dogadaja - U strogo definiranoj
matematickoj teoriji ovi pojmovi moraju biti vrlo precizno definirani. To je nuzno da bi se izbjegli
moguci paradoksi unutar same teorije. Tako na primjer, potpuno je jasno da su dogadaji - podskupovi
-
skupa . Medutim, - nije uvijek istinita! Opcenito,
obratna tvrdnja: svaki podskup od je dogadaj,
- nece biti svi podskupovi od .
postojat ce situacije kad dogadaji
Da izbjegnemo moguce paradokse, dogadaje - cemo definirati kao elemente algebre dogadaja:
-
8 1. VJEROJATNOST

-
Algebra dogadaja
-
Algebra dogadaja je svaka familija F podskupova od na kojoj su defi-
nirane binarna operacija zbrajanja + : F F F i unarna operacija
komplementiranja sa svojstvima
1) F , F ,
2) A F = A F ,
3) A, B F = A + B F .
-
Elemente algebre F zovemo dogadaji.

Primijetimo da je bilo dovoljno zahtijevati samo F , jer je = pa prema

- pripada algebri F .
svojstvu 2) on takoder
je s umnoskom dogadaja?
Sto - -
Ako su A i B dogadaji, onda A i B pripadaju
algebri F , pa toj algebri pripada i njihov zbroj A + B . Konacno je
A B = A + B F.
Dakle, umnozak dogadaja- ponovo je dogadaj.
-
-
Isto vrijedi i za razliku dvaju dogadaja, jer za A, B F vrijedi
A \ B = A B F.

Booleova algebra

U mnogim se primjenama koristi struktura sastavljena od familije F dvije binarne

operacije + i , unarne operacije komplementiranja koja zadovoljava sljedecih devet
svojstava:
1) A+B=B+A AB=BA
2) (A + B) + C = A + (B + C) (A B) C = A (B C)
3) +A=A A= A
4) A (B + C) = A B + A C A + B C = (A + B) (A + C)
5) (A F)(A F) A + A = , A A = ,
gdje su i dva istaknuta elementa. Takvu familiju nazivamo Booleova algebra.
Operacije + i mogu biti definirane na razlicite nacine. Ako su to operacije unije
i presjeka, a elementi od F podskupovi, zakljucujemo da je algebra dogadaja - primjer
Booleove algebre.

Primjer 1.9. Pokazi da u svakoj Booleovoj algebri vrijede relacije

1. A + AB = A , 2. A B = A + B ,
3. (A+B)(A+B)(A+B)(A+B) = , 4. A + AB + BC + AC = A + C ,
5. AB + AB + A B = AB.


1. A + AB = A jer je AB A , ili
A + AB = AA + AB = A(A + B) = A , jer je A A + B , ili
A + AB = (A + A)(A + B) = A(A + B) = A .
1.2. VJEROJATNOST 9

2. Komplementiranjem relacije A + B = A B .
3. (A + B)(A + B)(A + B)(A + B) = (AA + B)(AA + B) = BB = .
4. A + AB + BC + AC = A + BC + AC + AC = A + BC + (A + A)C = A + BC + C =
A + C.
5. AB+AB+A B = AB+A B+AB+A B = A(B+B)+(A+A)B = A+B = AB . 

Primjer 1.10. Uredaj- je prikazan shemom na slici. Neka dogadaj

- Ai oznacava
-
prekid na dijelu i , i = 1, 2, 3 . Odredi izraz za dogadaj
- je prestao s radom},
A = {uredaj
- A.
kao i za dogadaj

A1
1 2

A2 A3
Sl. 1.7.
- prestaje s radom ako se ostvari dogadaj
 Uredaj - A1 i barem jedan od dogadaja
-
A2 , A3 . Dakle,
A = A1 (A2 + A3 )

i po de Morganovim formulama
A = A1 (A2 + A3 ) = A1 + A2 + A3 = A1 + A2 A3 . 

1.2. Vjerojatnost

Vjerojatnost
-
Vjerojatnost je preslikavanje P : F [0, 1] definirano na algebri dogadaja
F , koje ima svojstva
1) P () = 1 , P () = 0 (normiranost),
2) ako je A B , onda vrijedi P (A)  P (B) (monotonost),
- onda je P (A B) = P (A) + P (B)
3) ako su A i B disjunktni dogadaji,
(aditivnost).
Broj P (A) nazivamo vjerojatnost dogadaja- A.
10 1. VJEROJATNOST

Svojstva vjerojatnosti
Izvedimo neka dodatna svojstva vjerojatnosti.
Neka je A po volji odabran dogadaj,- a A njegov komplement. Onda vrijedi
A A = i pritom su A i A disjunktni. Zato, po svojstvima normiranosti i aditivnosti
vrijedi
1 = P () = P (A A) = P (A) + P (A),
te je P (A) = 1 P (A) . Time smo pokazali:

Vjerojatnost komplementa
- A vrijedi P (A) = 1 P (A) .
Za svaki dogadaj

Pokazimo sad kako se racuna vjerojatnost unije u slucaju kad A i B nisu disjunktni.
- ovdje cemo pisati kao umnozak, dakle bez znaka .
Presjek dvaju dogadaja

Vjerojatnost unije
- A i B vrijedi
Za bilo koja dva dogadaja
P (A B) = P (A) + P (B) P (AB).

- A B prikazat cemo kao uniju dvaju disjun-

Da dokazemo ovo svojstvo, dogadaj
-
ktnih dogadaja:
A B = A (BA)
(vidi sliku 1.8). Slicno tome, B mozemo rastaviti ovako
B = AB BA
- s desna disjunktni.
i ponovo su dogadaji

A B A B

Sl. 1.8. Skup A B moze

se rastaviti na uniju dis-
junktnih skupova (lijevo).
_ _ Slicno vrijedi i za skup B
A B=A BA B= A B BA (desno)

Po svojstvu aditivnosti vjerojatnosti slijedi:

P (A B) = P (A) + P (BA),
P (B) = P (AB) + P (BA).
1.2. VJEROJATNOST 11

Oduzimanjem dobivamo trazenu formulu:

P (A B) P (B) = P (A) P (AB).

-
Primjer 1.11. Neka su A i B dogadaji, P (A) = 0.4 , P (B) = 0.5 , P (AB) = 0.2 .
Izracunaj P (A + B) , P (A) , P (B) , P (A B) , P (A + B) , P (AB) , P (AB) .


P (A + B) = P (A) + P (B) P (AB) = 0.7
P (A) = 1 P (A) = 0.6
P (B) = 1 P (B) = 0.5
P (A B) = P (A + B) = 1 P (A + B) = 0.3
P (A + B) = P (AB) = 1 P (AB) = 0.8
P (AB) = P (A) P (AB) = 0.2
P (AB) = P (B) P (AB) = 0.3. 

Konacni vjerojatnosni prostor

Vjerojatnosni prostor , koji posjeduje samo konacno mnogo elementarnih

-
dogadaja nazivamo konacni vjerojatnosni prostor. Oznacimo njegove elemente,
- u ovakvu prostoru je svaki podskup od . Vjero-
= {1 , 2 , . . . , N } . Dogadaj
jatnost bilo kojeg dogadaja - moci cemo odrediti ako znamo vjerojatnosti elementarnih
-
dogadaja, tj. ako poznajemo brojeve
p1 = P ({1 }),
..
.
pN = P ({N }).
Ovi brojevi imaju svojstvo
p1 > 0, . . . , pN > 0, p1 + . . . + pN = 1.
- su medusobno
Zaista, kako je = {1 , 2 , . . . , N } , a elementarni dogadaji -
disjunktni, to je 1 = P () = P ({1 }) + . . . + P ({N }) .
- On se sastoji od nekoliko elementarnih dogadaja:
Neka je A F bilo koji dogadaj. -
A = {i1 , i2 , . . . , iM }.
-
Vjerojatnost dogadaja A racunamo tako da zbrojimo vjerojatnosti tih elementarnih
-
dogadaja
P (A) = pi1 + pi2 + . . . + piM .
12 1. VJEROJATNOST

Primjer 1.12. Bacamo jedan novcic dok se ne pojavi pismo, ali najvise c etiri puta.
-
Opisi vjerojatnosni prostor. Kolika je vjerojatnost dogadaja
A = {pismo se pojavilo u prva dva bacanja},
B = {pismo se pojavilo nakon drugog bacanja}?
-
 Skup sastoji se od 5 elementarnih dogadaja. -
Tim je dogadajima prirodno
pridruziti sljedece vjerojatnosti:
1
1 = P p1 = 2
1
2 = GP p2 = 4
1
3 = GGP p3 = 8
1
4 = GGGP p4 = 16
1
5 = GGGG p5 = 16
3
Vrijedi A = {1 , 2 } , B = {3 , 4 } . Zato je P (A) = p1 + p2 = 4 , P (B) =
3
p3 + p4 = 16 . 

Modeli konacnih vjerojatnosnih prostora

Opisimo nekoliko jednostavnih modela konacnih vjerojatnosnih prostora.

-
Novcic. Dva su elementarna dogadaja: 1 = P , 2 = G . Ako je novcic ispra-
van i nacin njegova bacanja uobicajen, onda je prirodno pretpostaviti da su vjerojatnosti
- jednake: p1 = P ({1 }) = 1 , p2 = P ({2 }) = 1 .
pojavljivanja obaju ovih dogadaja 2 2
-
Neispravni novcic. Jos uvijek postoje dva elementarna dogadaja 1 = P ,
-
2 = G . Medutim, zbog nesimetricnosti novcica ili mozda zbog nacina njegova baca-
nja, jedna njegova strana, recimo P , pojavljuje se cesce nego druga. Sad je p1 > p2 .
Kocka. Za ispravnu kocku prirodno je uzeti pi = P ({i }) = 16 , za svaku od
- vezane uz pokus bacanja kocke
s est mogucnosti na koje kocka moze pasti. Za dogadaje
imamo na primjer:
3
P ({pao je paran broj}) = P ({2, 4, 6}) = ,
6
4
P ({pao je broj veci od 2}) = P ({3, 4, 5, 6}) = .
6

Bacanje dvaju novcica. Cetiri -
su elementarna dogadaja, iako na prvi pogled
postoje tri razlicita ishoda: dva pisma, pismo i glava, te dvije glave:
1. novcic 2. novcic
1 palo je P P
2 palo je P G
3 palo je G P
4 palo je G G
-
Da bismo lakse mogli razlikovati elementarne dogadaje 2 i 3 , mozemo zamisliti da
bacamo dva razlicita novcica ili da jedan novcic bacamo dva puta!
1.2. VJEROJATNOST 13

Bacanje dvaju novcica, drugi model. Po pisanim dokumentima, francuski je

veliki matematicar i enciklopedist dAlembert (17171783) u ovom primjeru postavio
-
samo tri elementarna dogadaja:
1 = {pala su dva pisma},
2 = {palo je jedno pismo i jedna glava},
3 = {pale su dvije glave}.
-
I ovaj je pristup ispravan! Medutim, - nisu
vjerojatnosti ovih elementarnih dogadaja
1 1 1
jednake, vec mora biti P (1 ) = 4 , P (2 ) = 2 , P (3 ) = 4 .
1

Bacanje dviju kocki. Postoji 36 elementarnih dogadaja. - Da bismo razlikovali

- poput (2, 5) i (5, 2) , mozemo zamisliti da su kocke obojene razlicitim bo-
dogadaje
jama ili pak da umjesto dvije kocke istovremeno, bacamo jednu kocku dva puta tako
da znamo koji je rezultat na prvoj, a koji rezultat na drugoj kocki. Ako su kocke i
- jednako
nacin bacanja ispravni, prirodno je pretpostaviti da su svi elementarni dogadaji
vjerojatni.

Primjer 1.13. Izvlacimo na srecu jednu kartu iz snopa od 52 karte. Kolika je vje-
rojatnost da je ta karta Q (dama). Kolika je vjerojatnost da je njezina boja (pik).
Kolika je vjerojatnost da je ta karta dama ili pik boje?
 Oznacimo s A i B dogadaje: -
A = {izabrana karta je dama},
B = {izabrana karta je pik boje}.
- A je P (A) = 4 = 1 . 13 je karata
Kako postoje cetiri dame, vjerojatnost dogadaja
52 13
13 1 -
pik boje pa je P (B) = = . Treci je dogadaj C unija prvih dvaju. Prvi dojam da
52 4 - A i B nisu dis-
je broj povoljnih ishoda jednak 17 = 4 + 13 pogresan je, jer dogadaji
16 4
junktni. Njihov je presjek AB pikova dama! Zato je P (C) = = . Primjetimo
52 13
1
da je ovdje P (AB) = i da vrijedi:
52
4 1 1 1
P (A B) = P (C) = = + = P (A) + P (B) P (AB). 
13 13 4 52

ci se nasaliti s prijateljima u igri Monopola, djecak je izbrisao

Primjer 1.14. Zele
jednu tocku sa strane kocke koja oznacava broj 5 , a ucrtao dvije na stranu na kojoj je
broj 1 , tako da njegova kocka ima sljedece brojeve na svojim stranama: 2, 3, 3, 4, 4, 6.
-
Kolika je vjerojatnost sljedecih dogadaja, ako bacamo ovakvu kocku:
A = {pojavio se paran broj}.
B = {pojavio se broj veci od 2}.
C = {pojavio se broj 5}.
1 - jednako vjerojatna!
Veliki autoritet dAlembert smatrao je da su sva tri elementarna dogadaja
14 1. VJEROJATNOST

 Pokus bacanja kocke ima cetiri moguca ishoda: 1 = 2 , 2 = 3 , 3 = 4 i

4 = 6 . Ako pretpostavimo da je kocka bila ispravna, tad je razumno pridijeliti ovim
-
elementarnim dogadajima vjerojatnosti
p1 = P ({1 }) = 16 , p2 = P ({2 }) = 13 , p3 = P ({3 }) = 13 , p4 = P ({4 }) = 16 .
Vazno je shvatiti da ne mozemo matematicki dokazati ove vrijednosti. Mi vrijednosti
- mozemo zadati po volji, i time dobivamo matematicki model za
elementarnih dogadaja
-
bacanje ovakve kocke. Medutim, ako vjerojatnosti izaberemo na ovaj nacin, ocekujemo
da ce model biti dobar, da ce vjerno opisivati bacanje ovakve kocke.
-
Dogadaju -
A odgovaraju sljedeci elementarni dogadaji: A = {1 , 3 , 4 } , te je
1 1 1 2
P (A) = p1 + p3 + p4 = + + = .
6 3 6 3
-
Dogadaju B odgovaraju elementarni dogadaji B = {2 , 3 , 4 } , te je
1 1 1 5
P (B) = p2 + p3 + p4 = + + = .
3 3 6 6
Mogli smo racunati pomocu suprotnog dogadaja: - B = {1 } :
1 5
P (B) = 1 P (B) = 1 p1 = 1 = .
6 6
- C je za ovu kocku nemoguc, P (C) = 0 . 
Dogadaj

1.3. Klasicni vjerojatnosni prostor

Promatrajmo pokus koji ima konacno mnogo ishoda i u kojem je razumno pret-
postaviti da su svi elementarni dogadaji - jednako vjerojatni (poput bacanja ispravnog
novcica, kocke, izvlacenja broja u LOTU, lutriji ili ruletu, izbor karte iz snopa i sl.).
Neka je = {1 , . . . , N } skup svih elementarnih dogadaja - i p1 , . . . , pN pripad-
ne vjerojatnosti. Kako su svi ti brojevi jednaki, a njihov je zbroj 1, vrijedi
1
pi = P ({i }) = , i = 1, . . . , N.
N
Ovakav vjerojatnosni prostor nazivamo klasicni vjerojatnosni prostor jer se problemi
iz kojih je iznikla teorija vjerojatnosti mogu opisati ovim modelom.
Neka je A bilo koji dogadaj. - Da bismo izracunali vjerojatnost dogadaja - A,
-
nije nam vise potrebno znati koje elementarne dogadaje A sadrzi, vec samo njihov broj.
Naime, ako A sadrzi M elementarnih dogadaja, - A = {i1 , . . . , iM } , tad je
1 M
P (A) = pi1 + . . . + piM = M = .
N N
Ovu formulu mozemo interpretirati na sljedeci nacin: Svaki elementarni dogadaj -
nazovimo mogucim ishodom (svi su jednako vjerojatni). Tako je
N = broj svih mogucih ishoda.
Elementarne dogadaje - koji su sadrzani u A nazovimo povoljnima za dogadaj - A:
M = broj svih povoljnih ishoda.
1.3. KLASICNI
VJEROJATNOSNI PROSTOR 15

Klasicna vjerojatnost
- racuna se formu-
U klasicnom vjerojatnosnom prostoru vjerojatnost dogadaja
lom:
M broj povoljnih ishoda
P (A) = = .
N broj mogucih ishoda

- broj
Primjer 1.15. Bacamo jednu ispravnu kocku. Neka je elementaran dogadaj
na koji je kocka pala. Opisi vjerojatnosni prostor.
 Skup elementarnih dogadaja - sastoji se od 6 elemenata:
= {1 , 2 , . . . , 6 } = {1, 2, . . . , 6}.
-
Algebra dogadaja sastoji se od svih podskupova od :
 
F = P() = , {1}, . . . {6}, {1, 2}, . . . , {5, 6}, . . . , {1, 2, 3, 4, 5, 6} .
- je card(F) = 26 = 64 .
Broj svih dogadaja
Zbog pretpostavljene ispravnosti kocke, vjerojatnost pojavljivanja svakog elemen-
- je jednaka: P (i ) = 1 . 
tarnog dogadaja 6
Primjer 1.16. Bacamo dvije ispravne kocke. Opisi vjerojatnosni prostor. Odredi
- i izracunaj im vjerojatnost:
sljedece dogadaje
A = na obje kocke pao je broj 1,
B = obje kocke pokazuju paran broj,
C = pao je jedan paran i jedan neparan broj,
D = zbroj brojeva na obje kocke iznosi barem 10.
 Skup elementarnih dogadaja - sastoji se od uredenih
- parova:
 
= (i , j ) : i , j {1, 2, 3, 4, 5, 6} .
N = card() = 36 . Vrijedi F = P() . Broj svih mogucih dogadaja - je
36
card(F) = 2 ! Zbog simetrije vrijedi
1
P {(i , j )} = .
36
Odredimo sada elementarne dogadaje - od kojih se sastoje dogadaji - A, B, C i D,
-
te vjerojatnosti tih dogadaja. -
Pisat cemo 26 umjesto uredenog para (2, 6) itd.
1
A = {11}, P (A) = ,
36
9
B = {22, 24, 26, 42, 44, 46, 62, 64, 66}, P (B) = ,
36
18
C = {12, 14, 16, 32, . . . , 56, 21, 23, 25, 41, . . . , 65}, P (C) = ,
36
6
D = {46, 55, 64, 56, 65, 66}, P (D) = .
36
16 1. VJEROJATNOST

Racunanje vjerojatnosti u klasicnom vjerojatnosnom prostoru povezano je s pre-
brojavanjem elemenata konacnih skupova, cime se bavi kombinatorika. Stoga je za
rjesavanje slozenijih zadataka nuzno poznavanje temeljnih pojmova kombinatorike.

Primjer 1.17. (Loto) Kolika je vjerojatnost da c e igrac koji je zaokruzio jednu

kombinaciju u igri LOTO 7 od 39 pogoditi svih sedam brojeva? Kolike su vjerojatnosti
-
za preostale dobitke (za tocno pogodenih 6, 5 ili 4 broja)?
 
39
 Razlicitih kombinacija ima N = . Povoljnih za glavni dobitak je
7
M7 = 1 . Vjerojatnost dobitka iznosi
M7 1 1
p7 = = = = 6.50 108 .
N 39 15 380 937
7
- i s puno vecom vjerojatnoscu tretiramo kao prakticno nemoguce. Ipak, zbog
Dogadaje
velikog broja ukupno ispunjenih kombinacija, ovaj se dogadaj - s vremena na vrijeme
ostvaruje.
 

Sest - sedam izvucenih mozemo odabrati na 7 nacina. Jedan
brojeva izmedu
6
broj izmedu- preostalih mozemo odabrati na 32 nacina. Ako zaokruzimo bilo koju od
 
7
ovih M6 = 32 kombinacija, dobit cemo zgoditak od s est pogodaka. Zato je:
6
 
7
M6 32 224
6
p6 = =   = = 1.46 105 .
N 39 15 380 937
7
-
Ovaj je dogadaj 224 puta vjerojatniji od prethodnog.
 
Pet brojeva izmedu- sedam mozemo odabrati na 7 nacina, a dva broja iz skupa
5
 
32
od 32 broja koji nisu izvuceni na nacina. Zato je vjerojatnost dobitka od pet
2
pogodaka:
  
7 32
5 2 10 416
p5 =   = = 6.77 104
39 15 380 937
7

(prije racunanja umnozaka korisno je skratiti brojnik s nazivnikom).

Vjerojatnost zgoditka od cetiri pogotka je:
  
7 32
4 3 173 600
p4 =   = = 0.0113 .
39 15 380 937
7
1.3. KLASICNI
VJEROJATNOSNI PROSTOR 17

Vjerojatnost da ne pogodimo niti jedan broj je:

 
32
7
p0 =   = 0.219 . 
39
7

Primjer 1.18. (Kontrola kvalitete) U posiljci koja se sastoji od N proizvoda ima

M neispravnih. Iz posiljke se na srecu bira uzorak od n proizvoda (radi kontrole). Ako
se medu - njima nade - barem m neispravnih, posiljka se vraca. Kolika je vjerojatnost da
ce se posiljka vratiti? Izracunaj za N = 1000 , M = 20 , n = 20 , m = 1 .
-
 Oznacimo dogadaje
A = {posiljka nije vracena},
Ai = {u uzorku je pronadeno- i neispravnih proizvoda}.
Tada je
A = A0 + A1 + . . . + Am1
- Ai su disjunktni. Zato je P (A) = m1 P (Ai ) .
i dogadaji i=0
  

NM M
i ni
CM CN M  ni
m 1
i
P (Ai ) = = P (A) =   .
CNn N
i=0
n
U konkretnom primjeru je
  
980 20
20 0 980 . . . 961
P (A) =   = = 0.66. 
1000 1000 . . . 981
20

Stirlingova formula
Pri racunanju brojeva n! (za veliki n ) i binomnih koeficijenata mozemo koristiti
Stirlingovu formulu  n n

n! 2 n .
e
Jos tocnije, vrijedi
 n n 1  n n 1
2 n e 12n+1 < n! < 2 n e 12n .
e e
Primijenimo prvu aproksimaciju na racun u proslom zadatku:
  980 980 2

2 980
(980!)2 e
P (A) = =  960 960  1000 1000
960!1000!
2 960 2 1000
e e
 2
960.5 40
980 980
= = 0.664999.
960 1000 1000
18 1. VJEROJATNOST

Broj je izracunat na s est decimala da bi se vidjela razlika prema tocnoj vrijednosti koja
iznosi P (A) = 0.664990 .

-
Primjer 1.19. (Problem rodendana 1) Koliko ljudi treba biti u drustvu da bi s
-
vjerojatnoscu od barem 0.5 dva bila rodena istog dana?

 Koristimo za rjesavanje model u kojemu su svi dani rodenja- za svakog covjeka

jednako vjerojatni (zanemarujemo npr. mogucnost da u skupini postoje blizanci) te
takoder- mogucnost da je netko roden- 29. veljace. Uzimanje u obzir bilo koje od ovih
pretpostavci znatno bi iskompliciralo racun, no ne bi bitno promijenilo rezultat jer je
-
rijec o malo vjerojatnim dogadajima.
Rjesavanje zadatka cemo olaksati oznacimo li sa n broj dana u godini. Neka je i
r broj ljudi. Odredimo vjerojatnost da su svi rodeni - raznih dana u godini.
Prvi ima na raspolaganju n dana, drugi n 1 itd. Vjerojatnost ovog dogadaja - je
n(n 1) (n r + 1)
.
nr
Trazena vjerojatnost iznosi
n(n 1) (n r + 1)
Pr = 1 .
nr
Tako treba rijesiti nejednadzbu Pr  0.5 , s to je vrlo neugodan posao. Za konkretni
n mozemo uvrstavati razlicite vrijednosti od r i procijeniti pa potom provjeriti pravu
vrijednost. Ukoliko je n neodreden, - korisno je koristiti sljedecu aproksimaciju.
Krenimo od prikaza funkcije ex , odnosno njene aproksimacije za malene x :
x2 x3
ex = 1 x + + ... 1 x
2! 3!
Zato je
nk k
= 1 ek/n ,
n n
i stoga
n(n 1) (n r + 1)
e[0+1+...+(r1)]/n = er(r1)/2n
nr
Sada imamo
r(r 1)
1 er(r1)/2n  0.5 = er(r1)/2n  0.5 =  log 0.5 0.693.
2n
Odavde dobivamo, za n = 365 , r = 23 . Za taj n imamo sljedecu tablicu
vjerojatnosti Pr :

r 10 20 22 23 30 40 60 70 80
Pr 0.117 0.411 0.476 0.507 0.706 0.891 0.994 0.9992 0.9999
1.3. KLASICNI
VJEROJATNOSNI PROSTOR 19

-
Primjer 1.20. (Problem rodendana 2) Koliko ljudi treba biti u skupini da bi vje-
- istog dana kad i Vi bude veci od 0.5 ?
rojatnost da je neko od njih roden
 Ovaj zadatak ne smijemo brkati s prethodnim. Sad nam nije vazno hoce li neka
-
druga dva covjeka biti rodena istog dana (ukoliko se taj dan ne podudara s Vasim). Jos
je jedna razlika. Dok medu - 366 ljudi sigurno postoje dva s istim danom rodenja,
- ovdje
-
je moguce da u po volji velikoj skupini bas nitko ne bude roden istoga dana kad i Vi!
Vjerojatnost da jedan covjek ne bude roden - istog dana kad i Vi je n 1 . Vjero-
n
(n 1)r
jatnost za r ljudi je . Zato je trazena vjerojatnost
nr
 n 1 r
Pr = 1 .
n
Da bi bilo Pr > 0.5 , treba biti
 n 1 r log 0.5
< 0.5 = r > 253
n log[(n 1)/n]
ukoliko je n = 365 . Opcenito, r 0.693n .

Silvesterova formula
- poopcava se na uniju tri dogadaja
Formula za vjerojatnost unije dvaju dogadaja -
ovako:
P (A B C) = P (A) + P (B) + P (C) P (AB) P (AC) P (BC) + P (ABC).
- c esto je slozenije od racunanja vjerojat-
Racunanje vjerojatnosti unije dogadaja
-
nosti umnoska dogadaja. Stoga je korisno odrediti poopcenje ove formule na uniju n
-
dogadaja.

Silvesterova formula

n 
n 
P( Ai ) = P (Ai ) P (Ai Aj )
i=1 i=1 i<j

+ P (Ai Aj Ak ) . . . + (1)n+1 P (A1 A2 An ).
i<j<k

Dokaz cemo sprovesti indukcijom po n . Baza je indukcije dokazana za n = 2 .

Pretpostavimo da formula vrijedi za familije od najvise n 1 clanova. Oznacimo
potom
n
1
B= Ai , Ci = Ai An (i < n)
i=1
i iskoristimo bazu indukcije:
n
P ( Ai ) = P (B An ) = P (B) + P (An ) P (B An ).
i=1
20 1. VJEROJATNOST

Kako je
n
1 n
1 n
1
B An = ( Ai ) An = (Ai An ) = Ci ,
i=1 i=1 i=1

mozemo primijeniti i pretpostavku indukcije

  1
n
P (B) = P (Ai ) P (Ai Aj ) + . . . + (1)n P ( Ai )
i<n i<j<n i=1

  1
n
P (B An ) = P (Ci ) P (Ci Cj ) + . . . + (1)n P ( Ci )
i<n i<j<n i=1
 
= P (Ai An ) P (Ai Aj An ) + . . .
i<n i<j<n
-
Sredivanjem dobivamo Silvesterovu formulu.
Primjer 1.21. Totalna zbrka.
1) n ljudi je bacilo s esire u zrak. Svako je nakon toga pokupio prvi s esir na kojeg je
naisao. Kolika je vjerojatnost da je barem jedan dobio svoj s esir?
2) (Rastreseni) profesor napisao je n pisama i zalijepio ih u koverte. Potom je
napisao adrese na koverte. Kolika je vjerojatnost da je barem jedno pismo otislo na
pravu adresu?
 Rijec je o identicnom problemu. Oznacimo
Ai = {i-to pismo stiglo je na pravu adresu}.
1
Ocito je P (Ai ) = . Racunajmo dalje, za i = j :
n
1
P (Ai Aj ) = .
n(n 1)
Naime da dva pisma stignu na tocne adrese, reba se ostvariti jedina povoljna od n(n1)
mogucnosti na koje ta dva pisma mogu biti poslana. Slicno je
1
P (Ai Aj Ak ) = ,
n(n 1)(n 2)
i t.d.Neka je A trazeni dogadaj: - barem jedan covjek dobio je svoj s esir. Vrijedi
A = Ai . Po Silvesterovoj formuli je
  
P (A) = P (Ai ) P (Ai Aj ) + P (Ai Aj Ak ) . . .
i i<j i<j<k
1 n 1  
n 1
= n + ...
n 2 n(n 1) 3 n(n 1)(n 2)
1 1 1
= 1 + . . . + (1)n1 .
2! 3! n!
Kolika je ta vrijednost za, recimo, n = 10 ? Gornja suma tezi (vrlo brzo) ka broju
1 1
1 =1 = 0.632121 i to je trazena vjerojatnost. 
e 2.71828
1.4. BESKONACNI
VJEROJATNOSNI PROSTOR 21

1.4. Beskonac ni vjerojatnosni prostor

Iako smo naucili mnogo o svojstvima vjerojatnosti, jos uvijek ne mozemo odgo-
voriti na mnoga pitanja povezana s nekim vrlo jednostavnim modelima.
Novcic bacamo dok se ne pojavi pismo. Kolika je vjerojatnost da se pismo nece
nikad pojaviti?
Biramo na srecu realan broj unutar intervala [0, 1] . Kolika je vjerojatnost da
cemo izabrati 13 ?
-
Zajednicko je svojstvo u oba ova pokusa to s to je skup elementarnih dogadaja
beskonacan. U prvom slucaju broj bacanja u kojem se pismo moze pojaviti bilo koji
prirodni broj, pa elementarnih iskoda ima prebrojivo mnogo. U drugom slucaju, ele-
mentaran je dogadaj - izbor bilo kojeg realnog broja x iz intervala [0, 1] . Tih dogadaja
-
ima neprebrojivo mnogo.
Razmislimo li o vjerojatnostima dogadaja- koje smo istaknuli, osjecamo da je u oba
slucaja ta vjerojatnost jednaka nuli. I dok se u prvom primjeru to ne kosi sa zorom (jer
se pismo mora pojaviti ako je novcic ispravan), u drugom slucaju je takav zakljucak
direktno protivan zdravoj logici, zato s to kao rezultat pokusa mi moramo dobiti neki
realni broj.
Ovi uvodni primjeri pokazuju da pri promatranju modela s beskonacnim vjerojat-
nosnim prostorom mozemo imati ozbiljnih logickih poteskoca. Da bismo ih otklonili,
moramo biti precizni u definiranju svojstava algebre dogadaja - i pripadne vjerojatnosti.

Neprekinutost vjerojatnosti

Uvjet zatvorenosti algebre na zbrajanje moramo prosiriti i na uniju od prebroji-

-
vo mnogo dogadaja. Isto tako, zahtjevat cemo da aditivnost vjerojatnosti vrijedi i za
-
prebrojivu uniju disjunktnih dogadaja.

-algebra i -aditivnost vjerojatnosti

Ako je beskonacan skup, tad zahtjevamo da algebra dogadaja - F bude
-algebra, tj. za nju vrijedi

A1 , A2 , . . . , An , . . . F = An F.
n=1
Vjerojatnost P na -algebri F mora zadovoljavati uvjet -aditivnosti
(prebrojive aditivnosti):

 
P An = P (An ), ako je An Am = za sve n = m .
n=1 n=1

- vrijedi
Prema uvjetu monotonosti vjerojatnosti znamo da za rastuce dogadaje
A1 A2 . . . An = P (A1 )  P (A2 )  . . .  P (An ).
22 1. VJEROJATNOST

-
Neka je sada (An ) niz rastucih dogadaja:
A1 A2 . . . An . . . .

Prema uvjetu -aditivnosti, A = - oznacuje-

An element je algebre F . Taj dogadaj
i=1
mo jos ovako:
A = lim An .
n
- An teze ka vjerojatnosti dogadaja
Prirodno je ocekivati da je vjerojatnosti dogadaja - A.
Pokazat cemo da je ta tvrdnja ekvivalentna uvjetu -aditivnosti vjerojatnosti P .

Neprekinutost vjerojatnosti

Teorem 1.1. Neka je P vjerojatnost na -algebri F . P je -aditivna ako

i samo ako vrijedi

A1 A2 . . . = lim P (An ) = P ( An ). (1)

n
n=1

Dokaz. Neka je (An ) rastuci niz dogadaja. - Definirajmo

B1 := A1 ,
B2 := A2 \ A1 ,
..
.
Bn := An \ An1
..
.
Skupovi B1 , B2 , . . . su disjunktni i vrijedi za svaki n
An = B1 B2 . . . Bn

Zato je i Bn = An . Ako je P -aditivna, onda vrijedi

n=1 n=1




P( Bn ) = P (Bn ).
n=1 n=1
S druge strane, iz (2) imamo

n
P (An ) = P (Bi ).
i=1
Zato je


lim P (An ) = P (Bn )
n
n=1
1.4. BESKONACNI
VJEROJATNOSNI PROSTOR 23

pa je P neprekinuta.
-
Pokazimo obrat. Neka je B1 , B2 , . . . niz disjunktnih dogadaja. Stavimo
A1 := B1 ,
A2 := B1 B2 ,
..
.
An := B1 B2 . . . Bn ,
..
.
kako su B1 , B2 , . . . disjuntni, za svaki n vrijedi

n
P (An ) = P (Bi )
i=1
- za koji je
Dobili smo niz (An ) rastucih dogadaja

A = lim An = Bn .
n
n=1
Ako je P neprekinuta, onda vrijedi



n

P ( Bn ) = P (A) = lim P (An ) = lim P (Bi ) = P (Bi )
n n
n=1 i=1 i=1
te je vjerojatnost P -aditivna.


- i A=
Korolar 1.2. Ako je (An ) niz padajucih dogadaja An , onda vrijedi
n=1
P (A) = lim P (An ).
n

- An koji cine rastuci niz doga-

Dokaz. Dovoljno je primijeniti teorem na dogadaje
-
daja.

Prebrojivi vjerojatnosni prostor

Pretpostavimo da je beskonacan prebrojiv skup:

= {1 , 2 , . . .}.
-
I sada ce algebra svih dogadaja biti F = P() , skup svih podskupova od . Ona
zadovoljava uvjet

An F = An F.
n=1

tako da je F -aditivna
24 1. VJEROJATNOST

Vjerojatnost P na algebri F mora zadovoljavati uvjet prebrojive aditivnosti:


 
P An = P (An ), ako je An Am = za sve n = m .
n=1 n=1

Kao i prije, P je zadana ako su zadani brojevi pi = P (i ) > 0 . Pri tom je



pi = P (i ) = P () = 1.
i=1 i=1
-
Medutim, - i ne mogu biti jednako vjerojatni, tako da klasicna defi-
svi dogadaji
nicija vjerojatnosti gubi smisao.

Primjer 1.22. Novcic se baca dok se ne pojavi pismo. Opisi vjerojatnosni prostor.
-
Izracunaj vjerojatnost dogadaja:
A = pismo se pojavilo u prvih pet bacanja,
B = pismo se uopce nije pojavilo.
 Skup elementarnih dogadaja - je beskonacan i prebrojiv, = {1 , 2 , . . .} .
gdje je
1 = P P (1 ) = 1/2,
2 = GP P (2 ) = 1/4,
3 = GGP P (3 ) = 1/8,
..
.
n = G GP P (n ) = 1/2n ,
..
.
Odredimo dogadaje- A , B i njihove vjerojatnosti. Vrijedi

5
1 31
A = {1 , 2 , 3 , 4 , 5 }, P (A) = = .
2n 32
n=1
- B , definirajmo najprije
Da bismo odredili vjerojatnost dogadaja
An = pismo se pojavilo u prvih n bacanja.
Neka je i
Bn = pismo se nije pojavilo u prvih n bacanja = An .
Vrijedi
1 1 1 2n 1
P (An ) = + + ... + n = ,
2 4 2 2n
1
P (Bn ) = 1 P (An ) = n .
2
Ocito je


B1 B2 . . . i B= Bn .
n=1
1.4. BESKONACNI
VJEROJATNOSNI PROSTOR 25

Zato po uvjetu neprekinutosti vjerojatnosti

1
P (B) = lim P (Bn ) = lim = 0. 
n n 2n

Primjer 1.23. U urni se nalaze dvije bijele i c etiri crne kuglice. Dva igraca izvlace
naizmjence po jednu kuglicu. Pobjeduje - onaj koji prvi izvuce bijelu kuglicu. Opisi
-
vjerojatnosni postor. Izracunaj vjerojatnost sljedecih dogadaja
A = pobijedio je prvi igrac,
B = pobijedio je drugi igrac,
C = igra se zavrsila u prva cetiri izvlacenja,
u svakom od sljedeca dva nacina izvlacenja
a) nakon izvlacenja kuglica se vraca u urnu,
b) izvucena kuglica ne vraca se natrag.

- sacinjavaju svi
 a) Vjerojatnosni prostor je beskonacan. Elementarne dogadaje
konacni nizovi oblika
1
1 = B, P (1 ) = ,
3
2 1
2 = CB, P (2 ) = ,
3 3
2 2 1
3 = CCB, P (3 ) = ,
3 3 3
..
.
 2 n1 1
n = C 
C B, P (n ) = .
3 n
n1

- A , B , C iznose:
Vjerojatnosti dogadaja
1  2 2 1  2 4 1
P (A) = P (1 + 3 + 5 + . . .) = + + + ...
3 3 3 3 4
1 1 3
= = ,
3 4 5
1
9
2
P (B) = 1 P (A) = ,
5
1 2 4 8 65
P (C) = P (1 + 2 + 3 + 4 ) = + + + = .
3 9 27 81 81
26 1. VJEROJATNOST

b) U ovom je slucaju vjerojatnosni prostor konacan. Sastoji se od sljedecih ele-

-
mentarnih dogadaja
1 5
1 = B, P (1 ) = = ,
3 15
4 2 4
2 = CB, P (2 ) = = ,
6 5 15
4 3 2 3
3 = CCB, P (3 ) = = ,
6 5 4 15
4 3 2 2 2
4 = CCCB, P (4 ) = = ,
6 5 4 3 15
4 3 2 1 2 1
5 = CCCCB, P (5 ) = = .
6 5 4 3 2 15
- A , B , C su
Prema tome, vjerojatnosti dogadaja
5 3 1 3
P (A) = P (1 + 3 + 5 ) = + + = ,
15 15 15 5
2
P (B) = 1 P (A) = ,
5
14
P (C) = 1 P (5 ) = .
15

1.5. Geometrijska vjerojatnost

Zamislimo pokus u kojem biramo na slucajan nacin tocku unutar kvadrata sa

stranicom duljine a . Istaknimo neke podskupove tog kvadrata. Neka je A polovina
kvadrata ispod dijagonale. Neka je B trokut dobiven spajanjem polovista susjednih
stranica.

Sl. 1.9. Geometrijska vjerojatnost: vjero-

jatnost da na srecu odabrana tocka unutar
A nekog skupa padne u neki njegov pods-
kup jednaka je omjeru povrsina podskupa
prema povrsini cijeloga skupa

Biramo li tocku unutar kvadrata, mozemo se upitati kolika je vjerojatnost da ce

ta tocka biti izabrana unutar nekih od ovih podskupova. U ovdje opisanom pokusu
-
prirodno je sljedecim dogadajima pridruziti vjerojatnosti:
1 2
2a
1
P (A) = P {tocka je pala u skup A} = , =
a2
2
1 2
a 1
P (B) = P {tocka je pala u skup B} = 8 2 = .
a 8
1.5. GEOMETRIJSKA VJEROJATNOST 27

Te smo vjerojatnosti dobili promatrajuci omjer povrsina podskupova i citava kvadrata.

Opisimo opcenitu situaciju.
Geometrijska vjerojatnost
Neka je ograniceni podskup n -dimenzionalnog prostora Rn ( n = 1, 2, 3 ).
Pretpostavit cemo da je izmjeriv skup, tj. da postoji njegova mjera m()
(duljina za n = 1 , povrsina za n = 2 , obujam za n = 3 ). Neka je A
izmjeriv podskup od . Kazemo da biramo tocku na srecu unutar skupa ,
ako je vjerojatnost da ona bude izabrana unutar podskupa A jednaka
m(A)
P (A) = . (1)
m()
Ovako definiranu vjerojatnost nazivamo geometrijska vjerojatnost.

Formulom (1) uistinu je definirana vjerojatnost. Provjerimo jesu li ispunjena
svojstva vjerojatnosti 1 3 .
- je izbor tocke unutar praznog
1 . U geometrijskoj vjerojatnosti nemoguc dogadaj
skupa. Mjera praznog skupa je 0, pa je:
m() m()
P () = = 0, P () = = 1.
m() m()
2 . Ako su A i B podskupovi od takvi da je A B , onda je m(A)  m(B) .
Zato:
m(A) m(B)
P (A) =  = P (B).
m() m()
3 . Ako su A i B disjunktni podskupovi od , onda je mjera njihove unije
jednaka zbroju mjera pojedinih skupova. Zato je vjerojatnost da tocka bude izabrana
unutar jednog od podskupova jednaka:
m(A B) m(A) m(B)
P (A B) = = + = P (A) + P (B).
m() m() m()

Primjer 1.24. Biramo na srecu tocku unutar kvadrata sa stranicom duljine a .

Kolika je vjerojatnost da ona padne unutar kruga upisanog u taj kvadrat?
- Povrsina kruga je:
 Neka je A trazeni dogadaj.
 a 2
m(A) = ,
2
pa je odgovarajuca vjerojatnost:
1 2
m(A) a
P (A) = = 4 2 = . 
m() a 4
28 1. VJEROJATNOST

Primjer 1.25. Unutar intervala [0, 1] biraju se na srecu dva broja x i y . Odredi
-
vjerojatnost dogadaja: a) A = {x > y} ; b) B = {x + y < 32 } ; c) C = {x = y} .

 Izbor dvaju brojeva x i y unutar intervala [0, 1] odgovara izboru jedne tocke
(x, y) unutar jedinicnog kvadrata [0, 1] [0, 1] . Oznacimo taj kvadrat s (slika 1.10).
On predstavlja skup elementarnih dogadaja. - Da bismo odredili trazene vjerojatnosti,
moramo izracunati povrsinu podskupova od koji odgovaraju tim dogadajima. -
- A odgovara istoimeni podskup: skup svih tocaka jedinicnog kvadrata
a) Dogadaju
za koje je x > y . Tad vrijedi:
m(A) 1
P (A) = = .
m() 2

1 y=x 1

3
x+y= _
A B 2 Sl. 1.10. Izbor dviju
tocaka unutar inter-
vala [0, 1] odgova-
ra izboru jedne toc-
ke unutar jedinicnog
1 1 kvadrata

b) Sad je B = {(x, y) : x + y < 32 } , te imamo:

m(B) 1 12 1
2 1
2 7
P (B) = = = .
m() 1 8
c) Skup svih tocaka (x, y) za koje je x = y je dijagonala kvadrata. Povrsina
takvog skupa je 0. Zato je i pripadna vjerojatnost jednaka nuli: birajuci na srecu dva
broja unutar intervala [0, 1] vjerojatnost da ta dva broja budu jednaka jest 0! To ne
znaci da je ovaj dogadaj- nemoguc, jer u vjerojatnosnom modelu s neprebrojivo mnogo
ishoda (kao s to je geometrijski model vjerojatnosti) razlikuju se pojmovi nemoguceg
- 1 i dogadaja
dogadaja - s vjerojatnoscu nula!
Kao posljedica ovog, dogadaji - {x < y} i {x  y} imaju jednaku vjerojatnost.
Isto vrijedi za sve slicne skupove. 
1
Brzopletim razmisljanjem mozemo doci do sljedeceg paradoksa: pri izboru tocke unutar intervala [0, 1]
vjerojatnost izbora za svaku pojedinu tocku jednaka je nuli. Medutim, - svaki se podskup intervala [0, 1] sastoji
od tocaka, pa je koristenjem svojstva aditivnosti vjerojatnosti i njegova vjerojatnost jednaka nuli.
Tu smo previdjeli svojstvo realnih brojeva koje kaze da je svaki njegov interval neprebrojiv, dok svojstvo
aditivnosti vjerojatnosti vrijedi samo za prebrojivo mnogo dogadaja. - Tako teorija realnih brojeva ulazi u same
aksiome teorije vjerojatnosti. U dubljem proucavanju teorije vjerojatnosti koja se uci na studiju matematike
izucava se detaljno ta veza. Pokazuje se da u ovom modelu postoje podskupovi intervala = [0, 1] koji nisu
- dakle, algebra dogadaja
dogadaji; - razlikuje se od skupa svih podskupova od .
U praksi se dogadaj - cija je vjerojatnost nula, iako teorijski moguc, ipak nece ostvariti. Biranje broja unutar
intervala [0, 1] mozemo poistovjetiti s izborom beskonacno mnogo njegovih decimala, od kojih je svaka na srecu
odabrani broj iz skupa {0, 1, 2, . . . , 9} . Dva c e broja biti jednaka ako se u postupku biranja svaki put izaberu po
dvije istovjetne znamenke iz ovoga skupa. To se nikad nece zbiti.
1.5. GEOMETRIJSKA VJEROJATNOST 29

Primjer 1.26. Trenutak u kojem c e signal stici do prijemnika je na srecu odabrani

trenutak unutar intervala [0, T] . Prijemnik nece registrirati drugi signal, ukoliko je
- dva uzastopna signala manja od ,  T . Odredi vjerojatnost da
razlika izmedu
prijemnik nece registrirati drugi signal.

 Ako je X trenutak prijema prvog signala, a Y

trenutak prijema drugog signala, taj drugi signal nece
biti registriran ako je |X Y| < . X i Y su dva na 6 y y =x +

srecu izabrana broja unutar intervala [0, T]

............ y =x
P {|xy| < } = P {x < y < x + } S ..............
................
. . .. . .. . .. . .. . .. . .. . .. . .. . ..
. . . . . . . . . .
......................
m(G) ......................
G
= P {(x, y) G} = . . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
.....................
m(S) ...................

-
.................
...............
T 2 (T )2
.............
. . . . . .
= . T x
T2
Sl. 1.11.
Primjer 1.27. Buffonov problem. Ravnina je podijeljena paralelnim pravcima
koji su udaljeni jedan od drugog za 2a . Na tu se ravninu baca na srecu igla duljine 2l ,
(l < a) . Izracunaj vjerojatnost da igla presjeca neki pravac.

 Oznacimo sa x udaljenost sredista igle to najblizeg pravca, sa (manji) kut kojeg

igla zatvara s tim pravcem. Igla se baca na srecu trebamo prevesti sa: x i se
biraju na srecu unutar intervala [0, a] , [0, ] , neovisno jedan o drugom. Polozaj igle
- izborom para (x, ) . Njega pak biramo unutar pravokutnika
jednoznacno je odreden
S (slika 3.9).


6 6 x

2a
S x =l sin
. . ... .
2l . ...............
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . . . .

? -
. . . . . . . . . . . . . . .
................................. .

x G
.......................................
...........................................

Sl. 1.12.
Igla ce sijeci pravac ako je x < l sin . Neka je
G = {(x, ) : x < l sin }.
Tada imamo 
m(G) 1 2l
p= = l sin d = .
m(S) a 0 a
2l
Iz ove formule mozemo izraziti broj : = . Pri velikom broju bacanja,
ap
vjerojatnost p mozemo aproksimirati relativnom frekvencijom. Tako dobivamo
2ln
.
am
30 1. VJEROJATNOST

Ponavljanjem pokusa moguce je dobiti pribliznu vrijednost broja . Medu - svima koji
su na ovaj nacin isprobavali stohasticke zakone i ispravnost bacanja obicno se spominju
Wolf koji je 1850. bacio iglu 5000 puta, dobivsi 3.1596 te Lazzarini koji je 1901.
iz 3408 pokusaja dobio sumnjivo tocan rezultat 3.1415929 .

1.6. Elementi kombinatorike

Kartezijev umnozak skupova

Neka su A i B dva neprazna skupa. Kartezijev umnozak skupova A i B je skup
A B ciji su elementi uredeni - parovi (a, b) , pri cemu je a A , b B . Pisemo
A B = {(a, b), a A, b B}.
-
Dva su uredena para (a, b) i (x, y) jednaka ako i samo ako je a = x , b = y .
Koliki je broj elemenata u Kartezijevu umnosku skupova? Ako je A = {a1 , a2 , . . . , am } ,
- parovi:
B = {b1 , b2 , . . . , bn } , onda su elementi Kartezijeva umnoska sljedeci uredeni
(a1 , b1 ) (a1 , b2 ) ... (a1 , bn )
(a2 , b1 ) (a2 , b2 ) ... (a2 , bn )
(a3 , b1 ) (a3 , b2 ) ... (a3 , bn )
..
.
(am , b1 ) (am , b2 ) ... (am , bn )
Njihov je broj mn . Tako vrijedi:
Broj elemenata Kartezijeva umnoska
Ako skup A ima m elemenata, a skup B n elemenata, tad Kartezijev umno-
z ak A B ima mn elemenata. Pisemo k(A B) = k(A) k(B) .

B
(a i ,bj )

bn

...

bj
..
.

b2

b1

Sl. 1.13. Kartezijev umnozak dva-

a1 a2 ... ai . .. am A ju skupova

1.6. ELEMENTI KOMBINATORIKE 31

Poredak skupova u Kartezijevu umnosku vazan je, jer za A = B vrijedi A B =

-
B A . Medutim, broj elemenata u oba ova skupa podudara se. Tako, ako nas zanima
samo broj elemenata u Kartezijevu umnosku, ne moramo paziti na poredak skupova.

Na potpuno identican nacin moze se opisati i Kartezijev umnozak nekoliko skupo-

va. Neka su S1 ,. . . , Sk zadani skupovi. Kartezijev umnozak tih skupova skup je svih
-
uredenih k -torki:
S1 S2 Sk = {(s1 , s2 , . . . , sk ) : s1 S1 , s2 S2 , . . . , sk Sk }.

Primjer 1.28. Koliko postoji razlicitih troznamenkastih brojeva?

 Odgovor je 900: to su brojevi od 100 do 999. Povezat cemo ga s Kartezijevim
umnoskom skupova. Ovdje se radi o umnosku triju skupova: skupa S1 = {1, 2, . . . , 9}
iz kojeg biramo prvu znamenku, skupa S2 = {0, 1, 2, . . . , 9} iz kojeg biramo drugu
-
znamenku i istovjetnog skupa S3 . Primjerice, ako uredena trojka (s1 , s2 , s3 ) ima oblik
- troznamenkasti broj 353.
(3, 5, 3) , ona odreduje
Broj 900 jednak je umnosku 9 10 10 broja elemenata iz svakoga skupa: prvu
- na deset nacina.
znamenku mozemo birati na devet nacina, drugu na deset i trecu takoder
Prema tome, u ovom primjeru vrijedi
k(S1 S2 S3 ) = 900 = 9 10 10 = k(S1 ) k(S2 ) k(S3 ). 

Na istovjetan nacin racunat cemo broj elemenata Kartezijeva umnoska vise sku-
pova. Neka je n1 broj elemenata u skupu S1 , n2 broj elemenata u skupu S2 itd. Prvu
komponentu iz skupa S1 mozemo izabrati na n1 nacina. Svakoj toj komponenti moze-
mo dodati drugu komponentu iz skupa S2 na n2 nacina. Tako prve dvije komponente
mozemo odabrati na n1 n2 nacina. Trecu komponentu mozemo birati na n3 nacina,
-
pa uredenih trojki ima n1 n2 n3 itd.

Kartezijev umnozak nekoliko skupova

Broj elemenata u Kartezijevu umnosku k skupova je
k(S1 S2 Sk ) = n1 n2 nk = k(S1 ) k(S2 ) k(Sk ). (1)

32 1. VJEROJATNOST

Primjer 1.29. Varijacije s ponavljanjima u skupu S . Neka je S = {a1 , a2 , . . . , an }

zadani skup.
-
Koliko postoji razlicitih uredenih k -torki elemenata skupa S ?
Isto pitanje mozemo postaviti i na ovaj nacin:
Na koliko se razlicitih nacina moze izabrati k elemenata skupa S pazeci na
njihov poredak, s tim da se elementi mogu ponavljati?
Rijec je ocito o broju elemenata u Kartezijevu umnosku k istovjetnih skupova
S S S . Njihov je broj nk .
Varijacija s ponavljanjem k -tog razreda u n -clanom skupu S je svaka uredena -
k
k -torka Kartezijeva umnoska k skupova S S S = S . Broj varijacija s
k
ponavljanjem oznacavamo s V n . On jednak je broju elemenata Kartezijeva umnoska
Sk :
k
V n = k(S S S) = [k(S)]k = nk .

S S S S
1 2 3 k
-
Sl. 1.14. Varijacije s ponavljanjem. Izbor uredene - jedan put,
k -torke (x1 , x2 , . . . , xk ) odreduje
koji povezuje izabrane elemente pojedinih skupova

Tako su na primjer varijacije s ponavljanjima drugog razreda u skupu S =

{1, 2, 3, 4} :
11 12 13 14
21 22 23 24
31 32 33 34
41 42 43 44
2
Njihov je broj V 4 = 42 = 16 .
Ovdje i u slicnim primjerima, radi jednostavnosti pisat cemo 11 umjesto uredenog -
para (1, 1) , a slicno i za ostale parove. Takoder, - umjesto uredene - k -torke govorimo
- elemenata.
cesto o nizu elemenata, i pisemo x1 , x2 , . . . , xn , sa ili bez zareza izmedu

Primjer 1.30. Broj podskupova zadanog skupa. Koliki je broj podskupova skupa
S koji ima n elemenata (ukljucujuci prazan skup i cijeli skup)?
 Svakom elementu skupa S mozemo pridruziti broj 0 ili 1, sa znacenjem
0: taj se element ne uzima u podskup,
1: taj se element uzima u podskup.
Tako dobivamo niz duljine n koji se sastoji od nula i jedinica, a koji opisuje nacin
izbora podskupa.
1.6. ELEMENTI KOMBINATORIKE 33

Na primjer, ako je S = {a, b, c, d, e} , tad niz 1, 0, 0, 1, 1 odreduje - podskup

-
{a, d, e} , a niz 0, 0, 1, 0, 0 odreduje podskup {c} . Niz {0, 0, 0, 0, 0} odgovara praz-
nom podskupu, a niz {1, 1, 1, 1, 1} cijelom skupu.
Time smo pokazali da je broj podskupova jednak broju nizova duljine n koji se
sastoje od nula i jedinica. Prvu znamenku u tom nizu mozemo izabrati na dva nacina,
drugu i sve ostale takoder - na dva nacina. Zato je ukupan broj razlicitih nizova 2n .
Skup svih podskupova skupa S oznacavamo s P(S) i nazivamo partitivnim
skupom skupa S . Dakle, ako je k(S) = n , onda je k(P(S)) = 2n . 

Princip uzastopnog prebrojavanja

Brojanje elemenata Kartezijeva umnoska mozemo poopciti i na slucaj kad promat-
ramo broj elemenata u nekim njegovim podskupovima. Pogledajmo sljedeci jednostavni
primjer.
Primjer 1.31. Koliko postoji dvoznamenkastih brojeva s razlicitim znamenkama?
 Prvu znamenku biramo iz skupa S1 = {1, 2, . . . , 9} , a drugu iz skupa
S2 = {0, 1, 2, . . . , 9} , ali pritom moramo paziti da ne odaberemo vec prije odabra-
nu znamenku. Zato ce izbor biti uredeni - par (s1 , s2 ) , pri cemu je s2 = s1 . Time
- neki podskup Kartezijeva umnoska, koji (u slozenijim primjerima) nije
je odreden
jednostavno opisati. Medutim,- broj njegovih elemenata mozemo lako odrediti.
Prvu znamenku mozemo birati po volji, devet je mogucih izbora. Bez obzira ko-
ju znamenku s1 izabrali, drugu znamenku biramo izmedu - devet preostalih znamenki
skupa S2 , koje su razlicite od s1 . Njihov izbor ovisi dakle o izboru prve znamenke, ali
njihov broj ne ovisi. Ukupan broj svih mogucnosti je 9 9 . 

Primjer 1.32. Koliko se peteroznamenkastih brojeva moze napisati znamenkama

0, 1, 2, 3, 4, 5, 6 ako se 0 ne smije naci niti na prvom, niti na posljednjem mjestu, a sve
znamenke moraju biti razlicite?
 Brojeva kod kojih nula nije na prvom mjestu ima 66543 , jer prva znamenka
mora biti razlicita od nule, druga bilo koja od preostalih itd. Neki od ovih brojeva imat
ce nulu na posljednjem mjestu. Zato c emo sada prebrojati koliko je takvih brojeva. Kod
njih prvu znamenku mozemo odabrati na 6 nacina, drugu na 5 nacina, trecu na cetiri
nacina, a cetvrtu na 4 nacina. Peta znamenka je nula. Ukupno ima 6 5 4 3 ovakvih
brojeva. Prema tome, svega je 6 6 6 5 3 6 5 4 3 = 5 6 5 4 3 = 1800 koji
zadovoljavaju oba uvjeta. 

Nacin razmisljanja u svim dosadasnjim primjerima mozemo formulirati na sljedeci
nacin:
Princip uzastopnog prebrojavanja
Ako element s1 mozemo izabrati iz skupa S1 na n1 razlicitih nacina, nakon
toga (bez obzira na to koji smo element vec izabrali) element s2 iz skupa S2
na n2 nacina, nakon toga element s3 iz skupa S3 na n3 nacina itd., onda je
ukupan broj nacina izbora niza s1 , s2 , . . . , sk jednak
N = n1 n2 nk .
34 1. VJEROJATNOST

Princip obicno iskazujemo u slobodnijoj formi ovim rijecima: Ako se prvi dio
posla moze uciniti na n1 nacin, drugi dio posla na n2 nacina,. . . , posljednji na nk
nacina, onda se cijeli posao moze uciniti na n1 n2 nk nacina 1 .
Ukoliko poredak elemenata nije vazan, pri primjeni principa o uzastopnom preb-
rojavanju moramo biti vrlo oprezni. Objasnit cemo to kroz sljedeca dva primjera.
Primjer 1.33. Koliko dijagonala ima pravilan n -terokut?
-
 Dijagonala je odredena s dva nesusjedna vrha n -terokuta. Prvi vrh mozemo
odabrati na n nacina. Za drugi vrh nakon toga na raspolaganju imamo n3 nesusjedna
-
vrha. Ukupan broj (uredenih) -
parova vrhova je n(n 3) . Medutim, broj dijagonala
je dva puta manji, jer svaka dijagonala povezuje dva vrha: dva uredena - para (A, B)
-
i (B, A) vrhova odreduju istu dijagonalu. Dakle, broj dijagonala je N = 12 n(n 3) .
Ovaj je broj uvijek cjelobrojan, jer su brojevi n i n 3 razlicite parnosti. 

Primjer 1.34. Snop karata sastoji se od 52 karte, podijeljenih u c etiri boje (po 13
karata svaka). Na koliko razlicitih nacina mozemo odabrati dvije karte iste boje?
 Boju mozemo odabrati na cetiri nacina. Prvu kartu u toj boji na 13 nacina.
Nakon s to smo odabrali prvu kartu, preostaje 12 mogucnosti za izbor druge karte is-
te boje. Ponovno je svaki par brojen dva puta. Ukupan broj izbora dviju karata je
4 13 12 12 = 312 . 

Primjer 1.35. Varijacije bez ponavljanja. Uredena - k -torka razlicitih elemena-

ta istog skupa S = {a1 , . . . , an } naziva se varijacijom k -tog razreda u skupu od n
elemenata. Pri tom mora biti k  n . Broj varijacija oznacavamo s Vnk .
Odredimo taj broj koristeci princip uzastopnog prebrojavanja. Prvi element moze-
mo odabrati na n nacina. Nakon toga, drugi element mozemo odabrati na n 1 nacin,
jer mora biti razlicit od prvog. Treci mozemo odabrati na n 2 nacina. Posljednji,
k -ti na n (k 1) = n k + 1 nacin. Zato je
Vnk = n(n 1) (n k + 1).

Primjer 1.36. Na koliko se razlicitih nacina moze podijeliti zlatna, srebrna i bron-
cana medalja izmedu - osam natjecatelja?
 Rijec je o varijacijama treceg razreda u skupu od osam elemenata. Zato je
trazeni broj N = V83 = 8 7 6 = 336 .
Svakako je korisnije zapamtiti nacin na koji smo dosli do ovog broja, nego samu
formulu. Moramo biti sigurni da razumijemo princip uzastopnog prebrojavanja:
zlatnu medalju mozemo podijeliti na 8 nacina,
srebrnu medalju mozemo podijeliti na 7 nacina (medu - preostalih 7 natjecate-
lja),
broncanu medalju mozemo podijeliti na 6 nacina (medu - preostalih 6 natjeca-
telja).
Zato je broj razlicitih nacina za dodjelu sve tri nagrade jednak 8 7 6 . 

1
Murphyjev zakon: Postoji li ijedan nacin da posao krene naopako, sigurno ce krenuti naopako iskustvena
je cinjenica koja se ne da matematicki dokazati
1.6. ELEMENTI KOMBINATORIKE 35

S S S S
1 2 3 k
Sl. 1.15. Varijacije bez ponavljanja u skupu od n elemenata. Prvi element biramo po volji,
drugi element tako da bude razlicit od prvog itd.

Primjer 1.37. Abeceda u hrvatskome jeziku sastoji se od 30 slova od kojih je 5

samoglasnika i 25 suglasnika. Na koliko se razlicitih nacina moze ispisati rijec od pet
slova ako:
A. sva slova u rijeci moraju biti razlicita,
B. poredak slova je suglasnik-samoglasnik-suglasnik-samoglasnik-suglasnik,
C. isto s to i B.; ali su sva slova u rijeci razlicita.


A. Na 30 29 28 27 26 = 17 100 720 nacina.
B. Na 25 5 25 5 25 = 390 625 nacina.
C. Na 25 5 24 4 23 = 276 000 nacina. 

Permutacije

Permutacija skupa S = {a1 , . . . , an } od n razlicitih elemenata uredena - je n -torka

svih njegovih clanova.
Tako su na primjer, permutacije skupa S = {1, 2, 3} : (1, 2, 3) , (1, 3, 2) , (2, 1, 3) ,
(2, 3, 1) , (3, 1, 2) , (3, 2, 1) , i to su sve moguce permutacije. Jedna permutacija skupa
S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 0} je (1, 3, 5, 7, 9, 0, 2, 4, 6, 8) . Koliko razlicitih permuta-
cija ovog skupa postoji?
Broj razlicitih permutacija skupa s n elemenata oznacavamo s Pn . Taj broj dobi-
vamo ovako:
prvi element mozemo izabrati na n nacina,
drugi element mozemo izabrati nakon toga na n 1 nacina,
..
.
pretposljednji element mozemo izabrati na dva nacina (jer su samo dva ele-
menta preostala),
posljednji element biramo samo na jedan nacin, jer je jedini preostao.

Broj permutacija
Broj razlicitih permutacija skupa od n elemenata je
Pn = n (n 1) 2 1 = n! (2)
36 1. VJEROJATNOST

Primjecujemo da je permutacija zapravo varijacija n -tog razreda u skupu od n

elemenata. Zato je Vnn = Pn .

Primjer 1.38. Koliko se razlicitih rijeci (smislenih i besmislenih) moze sastaviti

od svih slova rijeci POVIJEST ako
A. slova mozemo postavljati po volji;
B. suglasnici dolaze na prvo, trece, peto, sedmo i osmo mjesto, bas kao i u pocetnoj
rijeci?
- jednu permutaciju. Ukupan broj rasporeda je
 A. Svaki raspored slova odreduje
N = P8 = 8! = 40 320 .
B. Svaki suglasnik moze doci na bilo koje od pet mjesta. Broj mogucih raspo-
reda suglasnika je N1 = P5 = 5! = 120 . Broj mogucih rasporeda samoglasnika je
N2 = P3 = 3! = 6 . Po principu uzastopnog prebrojavanja, ukupan broj mogucih
rasporeda je N = N1 N2 = 720 . 

Permutacije s ponavljanjem

Zelimo li izracunati broj permutacija od n elemenata medu - kojima ima i jednakih,
njihov ce broj biti ocito manji. Naime, neke od permutacija ispisanih na gore opisani
nacin necemo vise moci razlikovati i njihov ce se ukupni broj smanjiti.

Primjer 1.39. Odredimo sve permutacije koje mozemo dobiti od slova rijeci SOS.
Pretpostavimo za trenutak da mozemo razlikovati oba slova S , tj. da nasa rijec ima
oblik S1 OS2 . Tad imamo 3! = 6 razlicitih permutacija. To su redom:
OS1 S2 S1 OS2 S1 S2 O
OS2 S1 S2 OS1 S2 S1 O
Pritom S1 OS2 i S2 OS1 izgledaju kao razlicite permutacije, ali, uklonimo li indekse,
one ce postati jednake.
Neka P oznacava broj razlicitih permutacija slova S, O, S. U svakoj od njih pos-
toje dva slova S, koja ne razlikujemo. Dodavanjem indeksa od njih bismo dobili 2!
razlicitih permutacija. Zato je u ovom slucaju
3!
2! P = P3 = P = = 3.
2!

Primjer 1.40. Slova rijeci MAMA mozemo permutirati na sljedecih s est nacina:
AAMM
AMAM
AMMA
MAAM
MAMA
MMAA
1.6. ELEMENTI KOMBINATORIKE 37

Razlikovanjem pojedinih slova A i M iz svake od ovih permutacija dobili bismo

2! 2! = 4 nove permutacije. Na primjer:

A1 A2 M1 M2

A1 A2 M2 M1
AAMM =

A2 A1 M1 M2

A2 A1 M2 M1
Na taj bismo nacin dobili ukupno P4 = 24 permutacije od cetiri razlicita elementa.
Zato za broj permutacija P slova u rijeci MAMA vrijedi:
4!
2! 2! P = P4 = P = = 6.
2! 2!

Poopcavajuci ova razmatranja, dolazimo do sljedeceg zakljucka:

Permutacije s ponavljanjem
Neka u nizu s1 , s2 , . . . , sn postoji prva skupina od k1 identicnih elemenata,
druga skupina od k2 identicnih elemenata,. . . , r -ta skupina od kr identicnih
elemenata, k1 + k2 + . . . + kr = n . Bilo koji razmjestaj elemenata takva niza
nazivamo permutacijom s ponavljanjem. Njihov ukupni broj oznacavamo
s Pkn1 ,k2 ,...,kr i vrijedi
n!
Pkn1 ,k2 ,...,kr = . (3)
k1 ! k2 ! kr !

Primjer 1.41. Koliko se razlicitih rijeci moze napisati od slova rijeci MATEMA-
TIKA?
 Ovdje je rijec o nizu slova A, A, A, E, I, K, M, M, T, T. Zato je
10!
N = P3,1,1,1,2,2
10 = = 151 200.
3!1!1!1!2!2!
Po dogovoru, u ovakvim primjerima ne pisemo broj 1 niti u oznaci, niti u razlomcima:
10!
N = P3,2,2
10 = . 
3!2!2!

Kombinacije

U mnogim problemima prebrojavanja poredak izabranih elemenata nije bitan. Na

primjer, u igri LOTO 7 od 39 nije vazno kojim se redom izvlaci prvih 7 brojeva, vec
samo koji su to brojevi. Na koliko se nacina moze izvuci 7 brojeva od 39? Opcenitije,
pitamo se:
Na koliko se nacina moze izvuci k elemenata iz skupa S od n elemenata, ne
pazeci na njihov poredak? Oznacimo taj broj s Cnk .
38 1. VJEROJATNOST

-
Svaki izbor k razlicitih elemenata skupa S = {a1 , a2 , . . . , an } odreduje jedan
njegov podskup koji ima k elemenata.

k
Cn
Sa Cnk oznacavamo broj nacina na koji iz skupa od n elemenata mozemo
odabrati k elemenata, ne pazeci na njihov poredak.

Odredimo taj broj. Primjetimo da je on jednak broju razlicitih podskupova s k

elemenata uzetih iz skupa od n elemenata. Izbor jednog takvog podskupa odreden - je
nizom nula i jedinica duljine n , ali takvih da u njemu postoji tocno k jedinica.

Primjer 1.42. Ilustrirajmo izbor podskupova koji imaju dva elementa na skupu
S = {a, b, c, d} . Na koliko nacina mozemo odabrati dva njegova elementa?
 Ispisimo niz nula i jedinica i njemu odgovarajuci izbor elemenata ovoga skupa:
1, 1, 0, 0 a, b
1, 0, 1, 0 a, c
1, 0, 0, 1 a, d
0, 1, 1, 0 b, c
0, 1, 0, 1 b, d
0, 0, 1, 1 c, d
Broj svih nacina jednak je broju svih permutacija niza 1, 1, 0, 0 , kojih ima
4! 24
P2,2
4 = = = 6. 
2! 2! 22

Vidimo da je ukupan broj nacina jednak broju permutacija u nizu od n nula i

jedinica, u kojem ima k jedinica i n k nula:
n!  
k n
Cnk = Pk,n
n = = .
k!(n k)! k

Kombinacije
Svaki podskup od k (razlicitih) elemenata skupa S nazivamo kombinacijom
u skupu S . Broj razlicitih kombinacija je
n!  
n
Cnk = = . (4)
k!(n k)! k
1.6. ELEMENTI KOMBINATORIKE 39

Primjer 1.43. U ravnini je zadano deset tocaka, od kojih nikad po tri tocke nisu na
jednom pravcu. Koliko se pravaca moze odrediti tim tockama? Koliko trokuta postoji
s vrhovima u tim tockama?
- s dvije tocke. Te dvije tocke od deset zadanih mozemo
 Svaki je pravac odreden
odabrati na
  10 9
2 10
C10 = = = 45
2 12
nacina. Trokuta ima onoliko koliko ima izbora triju tocaka od deset zadanih. Njih
mozemo odabrati na
  10 9 8
3 10
C10 = = = 120
3 123
nacina. 

Primjer 1.44. Na koliko se nacina u igri LOTO moze izvuci 7 brojeva i jedan
dopunski broj od 39 zadanih?
7
 Najprije se izvlaci 7 brojeva od 39. To se moze uciniti na C39 nacina:
  39 38 37 36 35 34 33
39
= = 15 380 937.
7 1234567
Nakon toga, dopunski se broj moze odabrati na 32 nacina. Ukupan je broj razlicitih
izbora  
39
N = 32 = 492 189 984. 
7

Pokazat cemo jos jedan nacin na koji mozemo potvrditi ovu formulu, a koji moze
biti koristan u razlicitim prebrojavanjima.

Primjer 1.45. Veza kombinacija, permutacija i varijacija. Broj varijacija k -tog

n!
razreda u skupu S od n elemenata je Vnk = . Sve varijacije mozemo dobiti
(n k)!
tako da najprije odaberemo k elemenata skupa S , a zatim ih permutiramo na sve mo-
guce nacine. Izbor elemenata mozemo uciniti na Cnk nacina, a permutirati ih na Pk
nacina. Po teoremu o uzastopnom prebrojavanju, ukupan broj varijacija jednak je
Vnk = Cnk Pk ,
odakle slijedi
n!
Vnk (n k)! n!
Cnk = = = .
Pk k! k!(n k)!
40 1. VJEROJATNOST

Primjer 1.46. Kosarkaski tim raspolaze s tri centra, c etiri krila i pet branica. Igru
zapocinje jedan centar, dva krila i dva branica. Na koliko nacina trener moze izabrati
pocetnu petorku?
 
4
 Centar se moze odabrati na tri nacina, dva krila na = 6 nacina, dva
2
 
5
branica na = 10 nacina. Broj razlicitih pocetnih postava je 3 6 10 = 180 . 
2

Primjer 1.47. Snop od 52 karte sastoji se od 13 karata razlicite jakosti u svakoj od

cetiri boje. Na koliko nacina mozemo odabrati:
A. dvije karte iste boje,
B. dvije karte razlicitih boja,
C. dvije karte iste jakosti,
D. dvije karte razlicitih jakosti?

2
 A. Boju mozemo izabrati na cetiri nacina, a dvije karte u toj boji na C13 nacina.
 
13
N =4 = 312 .
2
Mozemo razmisljati i ovako: prvu kartu biramo po volji, pa imamo 52 moguc-
nosti. Nakon toga, drugu kartu biramo izmedu - 12 karata koje su iste boje. Time smo
-
dobili uredeni par. Kako nas poredak karata ne zanima, ukupan je broj mogucnosti
52 12
N= = 312 .
2
B. Dvije boje mozemo odabrati na C42 nacina, a po jednu kartu iz svake boje na
 
4
13 nacina. N = 13 13 = 1014 .
2
Razmisljajuci na drugi nacin, racunamo ovako: za izbor prve karte imamo 52 mo-
gucnosti. Nakon toga, drugu kartu biramo izmedu - 39 karata koje nisu iste boje. Ukupan
52 39
je broj mogucnosti za izbor dviju karata dvostruko manji: N = = 1014 .
 2  52 3
4
C. Razmisljajuci na oba ovakva nacina, dobivamo N = 13 = = 78 .
2 2
  52 48
13
D. Sad je N = 4 4 ili N = = 1248 . 
2 2
Promotrimo jos jedan slozeniji primjer.

Primjer 1.48. U pokeru se dobiva 5 karata od 52. Njihov poredak nije vazan. Na
koliko se razlicitih nacina moze dobiti 5 karata koje sadrze
A. jedan par (npr. K K J 6 3),
B. dva para (npr. J J 2 2 8),
C. tri karte iste jakosti (npr. 8 8 8 K 24),
D. tri karte iste jakosti i jedan par (npr. A A A 7 7)?
1.6. ELEMENTI KOMBINATORIKE 41

 
4
A. Dvije karte iste jakosti mozemo odabrati na 13 nacina. Prvu od preos-
2
tale tri karte na 48 , drugu na 44, trecu na 40 nacina. Mnozeci ove brojeve dobit cemo
permutaciju preostale tri karte, pa je zato broj kombinacija posljednjih triju karata 3!
48 44 40
puta manji i iznosi . Pomnozimo ova dva broja:
3!
  48 44 40
4
N = 13 .
2 3!
Jesmo li time ponovno brojili permutacije? Odgovor je: ne! Mi uvijek mozemo brojati
ovakve kombinacije od pet karata tako da prvo istaknemo dvije karte koje cine par, a
zatim tri preostale. Te su skupine razlicite po svojim svojstvima.
 
4
B. Razmisljajmo na isti nacin: 13 je nacina da se odabere prvi par. Nakon
2
 
4 -
s to smo njega odabrali, ima 12 nacina za izbor drugog para. Medutim, ukupan
2
broj nacina za izbor prvih cetiriju karata dvostruko je manji od umnoska ovih brojeva,
jer su i prvi i drugi par skupine istih svojstava i u ovim su izborima brojeni dva puta
- parovi). Nakon izbora prvih cetiriju karata, petu mozemo odabrati na 44
(kao uredeni
nacina. Zato je    
4 4
13 12
2 2
N= 44.
2!
C. Razmisljajuci kao u A. dobivamo
  48 44
4
N = 13 .
3 2!
D. Skupine od tri karte i od dvije karte razlicitih su svojstava. Zato je
   
4 4
N = 13 12 . 
3 2

Razdioba predmeta
Razdiobe predmeta na razlicite osobe predstavlja interesantan kombinatorni prob-
lem. Izdvojit cemo u sljedecim primjerima nekoliko tipicnih situacija.
Primjer 1.49. Na koliko se nacina deset jednakih predmeta moze podijeliti na c etiri
osobe (moguce je da neka osoba ne dobije niti jedan predmet)?
 Predmeti su jednaki, pa ih mozemo oznaciti kruzicem. Jednu mogucu razdiobu
mozemo opisati na sljedeci nacin:
| ||
Ovdje smo zajedno s kruzicima rasporedili i tri crtice. Crtice oznacavaju nacin di-
jeljenja: prva osoba dobiva dva predmeta, druga cetiri, treca nijedan, cetvrta cetiri
predmeta.
Razlicitih rasporeda ima koliko i permutacija od 13 elemenata medu - kojima su
dvije skupine od po deset i tri jednaka predmeta:
13!
N = P10,3
13 = = 286.
10!3!
42 1. VJEROJATNOST

Opcenito, ako dijelimo n jednakih predmeta na k osoba, tad postupamo na identi-

can nacin. Razlicitih rasporeda ima onoliko koliko i permutacija od n + k 1 elementa,
medu- kojima ima n kruzica i k 1 crtica:

1 (n + k 1)!
N = Pn,k
n+k1 = .
n!(k 1)!
Isti broj dobit cemo ako se zapitamo na koliko razlicitih nacina mozemo postaviti
k 1 crticu na raspolozivih n + k 1 mjesta:
 
k1 n+k1
N = Cn+k = .
1 k1
Na primjer, deset predmeta se na tri osobe moze podijeliti na
   
10 + 3 1 12
= = 66
31 2
nacina. Dva predmeta se na deset osoba moze podijeliti na
     
2 + 10 1 11 11
= = = 55
10 1 9 2
nacina. (Deset je nacina u kojih jedna osoba dobije dva predmeta, a 45 nacina u kojih
dvije osobe dobiju po jedan predmet.) 

Primjer 1.50. Na koliko se nacina deset jednakih predmeta moze podijeliti na c etiri
osobe tako da svaka osoba dobije barem jedan predmet?

 Oznacimo ponovno predmete kruzicima. Poredajmo ih i postavimo izmedu -

njih tri crtice, ali tako da dvije crtice ne smiju doci zajedno. Jedna moguca razdioba
opisana je ovako:
| ||

(prva osoba dobiva tri, druga dva, treca jedan i cetvrta cetiri predmeta). Crtice se
moraju ubaciti -
  na tri od devet mogucih mjesta izmedu kruzica. Broj mogucih nacina je
10 1 9
= = 84 .
41 3
Opcenito, ako n predmeta dijelimo na k osoba, ali tako da svaka osoba mora
dobiti barem jedan predmet, onda postupamo ovako: k 1 crticu postavimo na neka
od n 1 mjesta izmedu- kruzica. Broj je razlicitih nacina jednak
 
n1
N = Cnk 1
1 = . 
k1

1.6. ELEMENTI KOMBINATORIKE 43

Primjer 1.51. Na koliko se nacina osam razlicitih predmeta moze podijeliti na c etiri
osobe, ali tako da svaka osoba dobije po dva predmeta?
 
8
 Dva predmeta koja ce pripasti prvoj osobi biramo na nacina. Nakon
2
 
6
toga, dva predmeta za drugu osobu mozemo izabrati na nacina itd. Ukupan broj
2
razlicitih podjela je
    
8 6 4 2
= 28 15 6 1 = 2520.
2 2 2 2
Primijetimo da je jedna podjela odredena- permutacijom niza 1, 1, 2, 2, 3, 3, 4, 4 .
Tako na primjer nizu
2, 4, 1, 1, 3, 2, 3, 4
odgovara podjela u kojoj prva osoba dobiva treci i cetvrti, druga osoba prvi i s esti, treca
osoba peti i sedmi a cetvrta osoba drugi i osmi predmet. Ovakvih permutacija ima
8!
P2,2,2,2
8 = = 2520.
2! 2! 2! 2!
Promotrimo opceniti problem: n razlicitih predmeta trebamo podijeliti na k osoba,
ali tako da prva dobije n1 predmeta, druga n2 predmeta,. . . , posljednja nk predmeta,
n = n1 + n2 + . . . + nk . Broj razlicitih nacina na koji se to moze uciniti je
      n!
n n n1 n + nk nk
k1 = . 
n1 n2 nk1 nk n1 ! n2 ! . . . nk !

Kombinacije s ponavljanjima

Pretpostavimo da birajuci elemente nekoga skupa imamo mogucnost izabrati isti

element vise puta.
Na koliko se nacina moze izabrati k elemenata iz skupa od n medusobno-
razlicitih elemenata, ako svaki element mozemo birati vise puta, a poredak izabranih
elemenata nije bitan?
Mozemo zamisliti da iz bubnja u kojem se nalazi n kuglica oznacenih brojevi-
ma od 1 do n biramo k kuglica, jednu po jednu i to tako da se nakon svakog izbora
kuglica vraca u bubanj. Redoslijed izabranih brojeva nije nam pri tome vazan.
Jedan takav izbor nazivamo kombinacijom s ponavljanjem k -tog razreda u skupu
k
od n elemenata, a njihov ukupan broj oznacavamo s Cn .

Primjer 1.52. Ispisimo sve kombinacije s ponavljanjem:

a) drugog razreda u skupu S = {1, 2, 3, 4} :
11 12 13 14 22 23 24 33 34 44.
2
Dakle, C4 = 10 .
b) treceg razreda u skupu S = {1, 2, 3} :
111 112 113 122 123 133 222 223 233 333.
3
Dakle, C3 = 10 .
44 1. VJEROJATNOST

c) cetvrtog razreda u skupu S = {1, 2} :

1111 1112 1122 1222 2222.
4
Dakle, C2 = 5.
d) cetvrtog razreda u skupu S = {1, 2, 3} :
1111 1112 1113 1122 1123 1133 1222 1223
1233 1333 2222 2223 2233 2333 3333.
4
Dakle, C3 = 15 .

U svim su primjerima kombinacije poredane leksikografskim poretkom. Kako

k
cemo utvrditi broj Cn ?
Ucinimo sljedecu transformaciju: drugom elementu u gornjim kombinacijama do-
dajmo broj 1, trecem broj 2, a cetvrtom broj 3. Pritom ce kombinacije s ponavljanjem
prijeci u kombinacije bez ponavljanja u vecem skupu:
a) drugog razreda u skupu S = {1, 2, 3, 4, 5} :
12 13 14 15 23 24 25 34 35 45.
b) treceg razreda u skupu S = {1, 2, 3, 4, 5} :
123 124 125 134 135 145 234 235 245 345.
c) cetvrtog razreda u skupu S = {1, 2, 3, 4, 5} :
1234 1235 1245 1345 2345.
d) cetvrtog razreda u skupu S = {1, 2, 3, 4, 5, 6} :
1234 1235 1236 1245 1246 1256 1345 1346
1356 1456 2345 2346 2356 2456 3456.
Opcenito, ovom transformacijom skup kombinacija s ponavljanjem k -tog razreda
u skupu od n elemenata prelazi u skup kombinacija bez ponavljanja k -tog razreda u
skupu od n + k 1 elemenata. Zato je:

k n n+k1
Cn = Cn+k 1 = .
k
U gornjim primjerima ti brojevi iznose:
 
2 4+21 5 54
a) C4 = = = = 10,
2 2 12
  
3 3+31 5 5
b) C3 = = = = 10,
3 3 2
  
4 2+41 5 5
c) C2 = = = = 5,
4 4 1
  
4 3+41 6 6 65
d) C3 = = = = = 15.
4 4 2 12
1.7. RIJE SENI
ZADATCI 45

Primjer 1.53. Iz snopa od 52 karte biramo dvije, ali tako da nakon izbora svake
karte zapisemo njezinu vrijednost, a samu kartu vratimo u snop. Na koliko nacina
mozemo odabrati
A. dvije karte iste boje; B. dvije karte iste jakosti?

 A. Boju mozemo odabrati na cetiri nacina. Dvije karte iste boje mozemo
   
13 + 2 1 14
odabrati na C13 2 nacina. Zato je N = 4 =4 nacina.
2 2
B. Jakost mozemo odabrati na 13 nacina, a dvije karte te jakosti na C42 =
   
4+21 5
nacina. Zato je N = 13 . 
2 2

1.7. Rijeseni zadatci

Zadatak 1.1. Novcic bacamo dok se dva puta za redom ne pojavi isti znak, a naj-
- u skupu i u sljedecim dogadajima;
vise pet puta. Opisite elementarne dogadaje -
A = { pokus je zavrsen u trecem bacanju } ;
B = { pokus je zavrsen u prva tri bacanja } .
Odredite B .

- popisujemo redajuci ih prema broju potrebnih bacanja:

 Elementarne dogadaje
1 = GG, 6 = PGPP,
2 = PP, 7 = GPGPP,
3 = GPP, 8 = GPGPG,
4 = PGG, 9 = PGPGG,
5 = GPGG, 10 = PGPGP.
Sada je A = {3 , 4 } , B = {1 , 2 , 3 , 4 } . Dogadaj B sadrzi preostalih s est
-
elementarnih dogadaja. 

-
Zadatak 1.2. Pokus se sastoji od bacanja dvaju novcica. Uocimo sljedece dogada-
je:
A = {glava na prvom novcicu}, B = {pismo na prvom novcicu},
C = {glava na drugom novcicu}, D = {pismo na drugom novcicu},
E = {jedna glava i jedno pismo}, F = {barem jedna glava},
G = {barem jedno pismo}, H = {dva pisma},
I = {dvije glave}.
- ekvivalentni sljedeci dogadaji:
Odredi kojem su dogadaju - BD, BD, EI , BG,
B G, A B, A B, F G, F G.
46 1. VJEROJATNOST

 Postoje cetiri elementarna dogadaja,- -

to su uredeni parovi (P, P) , (P, G) ,
-
(G, P) , (G, G) koji odreduju moguci rezultat na oba novcica. Te cemo dogadaje -
oznacavati jednostavnije s PP , PG , GP , GG .
- ima 24 = 16 . Devet medu
Razlicitih dogadaja - njima zapisani su gore (pronadite
-
preostalih sedam!).
-
Da bismo odgovorili na pitanja, najjednostavnije je odrediti elementarne dogadaje
od kojih se sastoje gore navedeni. Tako imamo
A = {GG, GP}, B = {PG, PP},
C = {GG, PG}, D = {GP, PP},
E = {GP, PG}, F = {GP, PG, GG},
G = {GP, PG, PP}, H = {PP},
I = {GG}.
Sada racunamo ovako:
B D = {PG, PP, GP} = G,
B D = {PP} = H,
E I = {GP, PG, GG} = F
i slicno u drugim slucajevima. Dobivamo: B G = G , B G = B , A B = ,
A B = , F G = , F G = E.
Ovakav je nacin siguran, ali nije poucan. Svakako je korisnije pokusati na gornja
pitanja odgovoriti direktno, koristeci veznike kao oznaku operacije:
B D = {pismo na prvom novcicu} ili {pismo na drugom novcicu}
= {barem jedno pismo} = G,
F G = {barem jedna glava} i {barem jedno pismo}
= {jedna glava i jedno pismo} = E,
E I = {jedna glava i jedno pismo} ili {dvije glave}
= {barem jedna glava} = F.
Ucinite slicno za ostale primjere. 
Zadatak 1.3. Uredaj- je prikazan shemom na slici. Neka dogadaj
- Ai oznacava
-
prekid na dijelu i , i = 1, 2, 3 . Odredi izraz za dogadaj
- je prestao s radom},
A = {uredaj
- A.
kao i za dogadaj

n B1
n n n n
n n
A1 B1 A1 A2

n n n n
A1 B2

n B3
A2

Slik
B2

12
B1 B2

Sl. 1.16.

a) A = A1 + B1 B2 B3 , A = A1 B1 B2 B3 = A1 (B1 + B2 + B3 ) .
1.7. RIJE SENI
ZADATCI 47

b) A = A1 A2 + B1 B2 , A = A1 A2 B1 B2 = (A1 + A2 )(B1 + B2 ) .
c) A = (A1 + A2 )(B1 + B2 ) , A = A1 + A2 + B1 + B2 = A1 A2 + B1 B2 .
Zadatak 1.4. Bacamo dvije ispravne kocke. Kolike su vjerojatnosti sljedecih do-
-
gadaja:
A = {pojavile su se dvije s estice},
B = {pojavila se jedna jedinica i jedna dvojka},
C = {pojavila su se dva jednaka broja},
D = {zbroj brojeva jednak je 5},
E = {pojavio se broj veci od 2}?
 Samo je jedan ishod povoljan za A : elementarni dogadaj - (6, 6) . Zato je P (A) =
1
.
36
Dva su ishoda povoljna za dogadaj - B ; to su elementarni dogadaji - (1, 2) i (2, 1) .
2
Ovo su razliciti ishodi bacanja dviju kocki! P (B) = .
36
je povoljnih ishoda. P (C) = 6
Sest
36
Dogadaj- D ima cetiri povoljna ishoda: (1, 4) , (2, 3) , (3, 2) , (4, 1) . Zato je
4
P (D) = .
36 -
Opisimo suprotan dogadaj:
E = {oba su broja manja ili jednaka 2}.

Cetiri su povoljna ishoda za ovaj dogadaj:- (1, 1) , (1, 2) , (2, 1) , (2, 2) . Zato je
4 1 8
P (E) = i P (E) = 1 P (E) = 1 = .  
36 9 9
Zadatak 1.5. Novcic se baca n puta i pri tom se biljezi je li palo pismo ili glava.
- i izracunaj im vjerojatnost:
Opisi vjerojatnosni prostor. Odredi sljedece dogadaje
A = {svih n puta palo je pismo}, B = {pismo je palo tocno jednom},
C = {pismo je palo barem jednom}, D = {pismo je palo u prvom bacanju}.
 Elementaran dogadaj - je niz od n znakova P i G . = skup svih n -torki sastav-
n
ljenih od znakova P i G . Opet je F = P() , card(F) = 22 : broj svih dogadaja. -
- su jednako vjerojatni. Zato je P (i ) = 1 - A, B,
Svi elementarni dogadaji . Dogadaji
2n
C , D i njihove vjerojatnosti iznose:
1
A = {PP P}, P (A) = ,
2n
n
B = {PG G, GPG G, . . . , G GP}, P (B) = n ,
2
2n 1
C = \ {G G}, P (C) = ,
2n
2n1 1
D = {P . . . : bilo koji}, P (D) = n = . 
2 2
48 1. VJEROJATNOST

Zadatak 1.6. U kutiji se nalazi deset kuglica, s est plavih i c etiri crvene. Biramo na
-
srecu tri kuglice. Odredimo vjerojatnosti sljedecih dogadaja:
A = {sve su tri kuglice plave}.
B = {sve su tri kuglice iste boje}.
C = {dvije su kuglice plave, a jedna je crvena}.

 Da bismo postavili ispravan model, zamislit cemo da sve kuglice mozemo raz-
likovati. (Mozemo zamisliti da su sve one oznacene razlicitim brojevima, od 1 do 10.)
 
10
Tri kuglice iz skupa od 10 kuglica mozemo odabrati na N = nacina. Povoljnih
3
 
za dogadaj - A je M = 6 , jer se na toliko nacina mogu izabrati tri kuglice iz skupa
3
od s est plavih kuglica. Zato je
 
6
M 3 20 1
P (A) = = = = .
N 10 120 6
3
-
Broj povoljnih ishoda za dogadaj B je
   
6 4
M= +
3 3
jer kuglice mogu biti ili plave ili crvene. Zato je
   
6 4
M + 24 1
3 3
P (B) = =   = = .
N 10 120 5
3
Odredimo -
 broj povoljnih ishoda za dogadaj C . Dvije plave kuglice mozemo
6
odrediti na nacina, a jednu crvenu na cetiri nacina:
2
  60 1
6
M= 4 = 60 = P (C) = = . 
2 120 2

Zadatak 1.7. Slova rijeci MATEMATIKA napisana su na karticama, ove potom

promijesane i poredane jedna do druge. Kolika je vjerojatnost da ce i nakon toga
matematika ostati MATEMATIKA?

 Prvo rjesenje. U rijeci postoje tri slova A, dva slova M, dva slova T te po jedno
slovo E, I, K. Broj razlicitih permutacija ove rijeci jednak je broju permutacija skupa
od 10 elemenata medu - kojima postoje jednaki:
10!
N = P3,2,2,1,1,1
10 = .
3!2!2!
3!2!2!
Samo je jedna povoljna mogucnost! Zato, P(A) = = 6.6 106 .
10!
Drugo rjesenje. Mozemo problemu pristupiti i ovako. Zamislimo da umijemo
razlikovati svako slovo (jer su, recimo, napisana na karticama razlicitih boja). Tada je
1.7. RIJE SENI
ZADATCI 49

broj svih mogucih dogadaja- jednak broju svih permutacija, N = P10 = 10! . Povoljne
su one kod kojih su slova E, I, K na svojim mjestima; slova M mozemo rasporediti na
dva nacina; tri slova A na s est nacina: prvo na bilo koje od tri slobodna mjesta, drugo na
neko od preostala dva i trece na slobodno mjesto, slicno za slovo T. Dakle, M = 4 6 4
i dobivamo P(A) kao gore.
Zadatak 1.8. Baceno je 12 kocaka. Kolika je vjerojatnost da c e se svaki od brojeva
1, 2, . . . , 6 pojaviti dvaput?
 Prvo rjesenje. Rezultat pokusa je niz od 12 brojeva uzetih iz skupa S =
{1, 2, 3, 4, 5, 6} . Na svakoj kocki moze se pojaviti bilo koji od tih brojeva, pa je broj
svih mogucih ishoda
N = 612 .
Koliko je povoljnih? Onoliko koliko i razlicitih permutacija (s ponavljanjima) niza
{1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6} jer svaka takva permutacija daje povoljan ishod bacanja:
12!
M = P2,2,2,2,2,2
12 = .
(2!)6
Tako dobivamo p = M/N = 0.00344 .
Drugo rjesenje. Do broja povoljnih kombinacija mozemo doci i drukcijim raz-
misljanjem. Znamo da se u povoljnoj kombinaciji moraju pojaviti tocno dvije jedinice,
dvije dvojke itd. Pitanje je: na kojim kockama? Dvije se jedinice mogu pojaviti na bilo
2
kojim kockama, dakle na C12 razlicitih nacina. Nakon toga, za dvije dvojke imamo na
2
raspolaganju deset kocaka, s to daje C10 nacina itd. Ukupan broj nacina za pojavljivanje
povoljnog dogadaja - je
       12!
12 10 8 6 4 2
M= = . 
2 2 2 2 2 2 (2!)6

Zadatak 1.9. Racunalo, racunalo. . . Racunalo ispisuje brojeve s 8 znamenaka.

Uz pretpostavku da je pojava svake znamenke na svakom mjestu jednako vjerojatna,
-
izracunaj vjerojatnost dogadaja
A. sve znamenke su razlicite,
B. c etiri posljednje znamenke su jednake,
C. broj zapocinje znamenkom 5,
D. broj sadrzi tri znamenke 5,
E. broj sadrzi tri znamenke 5, tri znamenke 2 i dvije znamenke 7,
-
F. pojavile su se tocno tri jednake znamenke (a preostalih pet su medusobno razlicite),
G. broj ima dva para jednakih znamenaka,
H. u zapisu broja pojavljuju se najvise tri znamenke.
8
 Svih mogucih ishoda ima N = V 10 = 108 .
8
A. Brojeva s razlicitim znamenkama ima V 10 = 10!/2! , P(A) = 0.00181 .
B. Jednake c emu? 10 je mogucnosti. Na prva c etiri mjesta moze doci bilo ko-
ja znamenka (ukljucivo i posljednju znamenku), 104 mogucnosti. M = 10 104 ,
P(B) = 0.001 .
-
C. Prva je znamenka odredena, preostalih sedam je slobodno. Dakle, M = 107 ,
P(C) = 0.1 . Jasno, u ovom slucaju ovakav izbor brojeva M i N je neprikladan; nas
50 1. VJEROJATNOST

zanima samo prva znamenka a za ostale nas nije briga: prirodnije je uzeti N = 10 ,
M = 1.
D. Na kojim mjestima? C83 mogucnosti. Na preostalih 5 mjesta moze doci bilo
koja od preostalih 9 znamenki: 95 mogucnosti.
 
8
M= 95 , P(D) = 0.0331.
3
   
8 5 2
E. M = , P(E) = 0.56 105 .
3 3 2
F. U zapisu broja pojavljuje se 6 razlicitih znamenki. Tih 6 znamenki mozemo
6
odabrati na C10 nacina. Od njih trebamo ispisati sve moguce 8-znamenkaste broje-
ve kod kojih ce se jedna znamenka ponavljati tri puta. Koja znamenka? 6 je izbora
istaknute znamenke. Razlicitih permutacija potom ima P3,1,1,1,1,1
8 . Zato je
  8!
10
M = C106
C61 P3,1,1,1,1,1 = 6 .
8 6 3!
i odavde p = 0.08467 .
G. Zakljucujuci kao u F, dobili bismo
    8!
10 6
M = C10 6
C62 P2,2,1,1,1,1 = .
8 6 2 2!2!
Mozda ce nekome biti prihvatljiviji ovakav pristup: Prvu znamenku (dvostruku)
mozemo izabrati na 10 nacina, rasporediti je na 8 mogucih mjesta na C82 nacina. Sada
biramo drugu (dvostruku) znamenku. 9 je mogucih izbora, a C62 mogucnosti da se ona
rasporedi na preostalih 6 mjesta. Na koncu moramo popuniti 4 mjesta s razlicitim zna-
menkama od 8 preostalih. Te 4 znamenke mozemo izabrati na C84 nacina, a rasporediti
ih na P4 nacina.
Po teoremu o uzastopnom prebrojavanju, dobivamo
     
8 6 8
M = 10 9 4!
2 2 4
Ovaj broj M dvostruko je veci od gornjeg. Koji je ispravan?
G. M = 38 .

Zadatak 1.10. Statistika MaxwellBoltzmanna. Svaka od n c estica ulazi na

srecu u jednu od r kutija (energetskih nivoa). Pretpostavljamo da cestice umijemo
razlikovati te nam je vazan i broj i vrsta cestica koje ulaze u pojedinu kutiju. Pret-
postavljamo (u statistici MaxwellBoltzmanna) da je svaki moguci raspored jednako
vjerojatan.
A. Kolika je vjerojatnost da se u kutijama nade - redom n1 , n2 ,. . . , nr cestica
( n1 + n2 + . . . + nr = n )?
B. Odredi vjerojatnost pk da zadana kutija sadrzi k c estica.
C. Neka n i r rastu tako da kvocijent n/r tezi ka (to je srednji broj c estica po
e k
jednoj kutiji). Pokazi da tada vrijedi pk .
k!
-
 A. U ovom su modelu sve cestice medusobno razlicite. Svaka cestica moze
- ima N = rn .
upasti u bilo koju od r kutija. Zato svih mogucih elementarnih dogadaja
1.7. RIJE SENI
ZADATCI 51

Povoljnih ima koliko i permutacija s ponavljanjem:

n!
M = Pnn1 ,...,nr =
n1 ! n2 ! nr !
jer se na ovoliko nacina mogu odabrati cestice koje ce uci u pojedine kutije.
B. i C. k c estica koje upadaju u izabranu kutiju mozemo odrediti na Cnk nacina.
Preostalih nk mozemo rasporediti u r 1 kutiju po volji, dakle na (r 1)nk nacina.
Stoga je
  (r 1)nk
n
pk =
k rn
n(n 1) (n k + 1) 1  1 nk k
= 1 e .
rk k! r k!

Zadatak 1.11. Statistika BoseEinsteina. Svaka od n c estica ulazi na srecu u

jednu od r kutija. U ovom modelu cestice ne umijemo razlikovati. Moguce rasporede
razlikujemo samo po tome koliko se u pojedinoj kutiji nalazi cestica. U ovoj statistici
pretpostavljamo da su svi ti rasporedi jednako vjerojatni.
A. Kolika je vjerojatnost da se u kutijama nade - redom n1 , n2 ,. . . , nr cestica
( n1 + n2 + . . . + nr = n )?
B. Odredi vjerojatnost qk da zadana kutija sadrzi k c estica.
C. Neka n i r rastu tako da kvocijent n/r tezi ka . Pokazi da tada vrijedi
k
qk .
(1 + )k+1

 A. Ispitajmo na koliko nacina mozemo izvrsiti sve moguce razmjestaje (samo

jedan je povoljan za nas). Oznacimo svaku cesticu istim znakom, recimo zvjezdicom
, posto ih ne razlikujemo i poredajmo ih jednu za drugom. Ubacimo medu - tih n
zvjezdica jos i r 1 crticu, recimo na sljedeci nacin, za n = 7 i r = 5 :
| | | | .
-
(Moguce je da crtica dode na sami pocetak, kao i na kraj razmjestaja.) Sada podijelimo
cestice u kutije tako da prvoj pridjelimo onoliko cestica koliko ih ima do prve crtice,
drugoj onoliko koliko ih ima izmedu - prve i druge crtice itd. U gornjoj razdiobi bi bilo:
u prvu dvije, u drugu niti jednu, u trecu jednu, u cetvrtu tri itd.
Svaki raspored n cestica i r 1 crtice odreduje - jedan moguci razmjestaj. Stoga
ukupan broj takvih razmjestaja odgovara broju nacina na koji mozemo poredati tih
n + r 1 elemenata:
n (n + r 1)!
Cn+r 1 = .
n!(r 1)!

B. Nakon s to k c estica rezerviramo u odabranoj kutiji, preostalih n k mozemo

rasporediti u preostale r 1 kutije na po volji nam nacine. Po dijelu A, to se moze
52 1. VJEROJATNOST

k
uciniti na Cnnk+r2 nacina. Zato je
 
r+nk2
nk (r + n k 2)! n! (r 1)!
qk =   =
r+n1 (n k)! (r 2)! (r + n 1)!
n
(r 1)n(n 1) (n k + 1)
=
(r + n 1)(r + n 2) (r + n k 1)
i odavde lako, dijeljenjem svakog faktora (kojih u brojniku i nazivniku ima k + 1 ) s r )
slijedi C.
Ovako bombastican model ima i mnogo prizemniju interpretaciju: 13 (jednakih)
bombona dijelimo na cetvero djece. Na koliko nacina to mozemo uraditi? Kolika je
vjerojatnost da prvi djecak dobije 2, drugi 4, treci 3 a cetvrti 4 bombona? Kolika je
vjerojatnost da Petar ne dobije nijednog?
Zadatak 1.12. Neka bude svjetlo. Od 4 grla za z arulje dva su ispravna, a od 7
z arulja koje imamo 4 su ispravne. Ako odaberemo na srecu 4 z arulje i stavimo ih u
grla, kolika je vjerojatnost da cemo dobiti svjetlo?
 Prvo rje
senje. Cetiri z arulje mozemo izabrati na C74 nacina, a staviti ih u grla
 
na C74 P4 = 74 4! nacina. Svjetlo necemo dobiti ako su prve dvije z arulje neispravne
(zbog jednostavnijeg razmisljanja,
  mo  zemo slobodno pretpostaviti da su prva dva grla
ispravna), a to ce se desiti u 32 2! 52 2! kombinacija. Dakle,
3 5
2! 2! 3254 6
p = 1 2 7 2 =1 = .
4 4!
7 6 5 4 7
Drugo rjesenje. Oznacimo dogadaje: -
A = {dobili smo svjetlo},
A1 = {dobili smo svjetlo iz prvog grla},
A2 = {dobili smo svjetlo iz drugog grla}.
- A mozemo sada racunati na nacin
Tada je A = A1 + A2 . Vjerojatnost dogadaja
P (A) = P (A1 ) + P (A2 ) P (A1 A2 ).
- u oba ispravna grla stavljene
Tu je P (A1 ) = P (A2 ) = 4 . A1 A2 oznacava dogadaj:
7
su ispravne z arulje. Dvije z arulje se mogu izabrati na C72 nacina, dvije ispravne na C42
43 2 6
nacina. Zato je P (A1 A2 ) = = i P (A) = .
76 7 7
Jednostavnije je napisati A u obliku A = A1 + A1 A2 i ovi su dogadaji - disjunktni,
zato je
P (A) = P (A1 ) + P (A1 A2 ).
A1 A2 oznacava dogadaj:- u jedno (ispravno) grlo stavljena je ispravna, a u drugo neisp-

ravna z arulja. To se moze uciniti na 3 4 nacina, dok postoji 72 2! mogucih rasporeda
dviju z arulja:
4 34 6
P (A) = + = . 
7 76 7
1.7. RIJE SENI
ZADATCI 53

Zadatak 1.13. U liftu zgrade od 10 katova nalazi se 7 osoba. Kolika je vjerojatnost

da ce svaka od njih izici na razlicitom katu?
 Na koliko nacina mozemo izabrati sedam elemenata iz skupa {1, 2, . . . , 10} , pazeci
na njihov poredak? Prvi element mozemo izabrati na 10 nacina, drugi na 10 nacina,
7
itd. Broj razlicitih nacina je V 10 = 107 . To je upravo broj svih mogucih nacina na
koji osobe mogu izici iz lifta. Jer, izbor (3, 2, 6, 3, 7, 2, 9) oznacava na primjer da prva
osoba izlazi na trecem, druga na drugom, treca na s estom katu itd.
Koliko je povoljnih mogucnosti? Onoliko na koliko se moze odabrati sedam razli-
citih brojeva iz skupa {1, 2, . . . , 10} , pazeci na njihov poredak. Sedam brojeva (sedam
7
razlicitih katova) mozemo odabrati na C10 nacina, a rasporediti ih potom na osobe na
 
- 10
P7 nacina. Zato je broj povoljnih dogadaja M = 7! . Trazena je vjerojatnost
7
10! 1
= 0,06.
3! 107
Dakako, ovo je rjesenje ispravno u modelu u kojem pretpostavljamo da je vjero-
jatnost izlaska za svaku pojedinu osobu na svakom katu jednaka (i ne ovisi o izborima
drugih osoba). Ta pretpostavka nije realna u svakidasnjem z ivotu gdje je obicaj da
pojedine osobe uvijek izlaze zajedno na istome katu, naprosto stoga s to z ive u istom
stanu.
Primjetimo da model ponovo postaje dobar ako se umjesto osoba promatraju takve
zajednicke skupine kao jedinke. 
Zadatak 1.14. Iz snopa od 32 karte izabrano je na srecu 6 karata. Kolika je
- njima zastupljene sve cetiri boje?
vjerojatnost da su medu
 Neka je Ai dogadaj-
Ai = {medu- kartama nema i -te boje}, i = 1, 2, 3, 4.
Dogadaj - ciju vjerojatnost trazimo dade se prikazati na nacin A = A1 A2 A3 A4 . Zato je
A = A1 +A2 +A3 +A4 i vjerojatnost ovog dogadaja - racunamo po Silvesterovoj formuli.
-
Ukoliko medu tih s est karata nema neke, recimo boje, tada se one biraju iz
skupa od preostale 24 karte. Vjerojatnost toga jest
C6
P (Ai ) = 24 6
= 0.14853, i.
C32
Vjerojatnost da ne budu zastupljene dvije boje je, za svaki od s est parova (i, j) ,
C6
P (Ai Aj ) = 166
= 0.00884,
C32
i slicno za bilo koju od cetiri kombinacije
C6
P (Ai Aj Ak ) = 68 = 0.00003.
C32
-
Dogadaj A1 A2 A3 A4 je nemoguc.
Po Silvesterovoj formuli dobivamo
P (A) = 4P (A1 ) 6P (A1 A2 ) + 4P (A1 A2 A3 ) = 0.54122
te je P (A) = 0.459 . 
54 1. VJEROJATNOST

Zadatak 1.15. Silvester i bridge. U bridgeu, 52 karte dijele se na 4 igraca. Visoke

karte su (tim redom) A, K, Q, J. Kolika je vjerojatnost da u jednom dijeljenju A. jedan,
- 13 karata ne dobije niti jednu visoku?
B. neki igrac medu

 A. Ovdje trazimo vjerojatnost da neki konkretni igrac nema visokih karata.

13
Mogucih razdioba 13 karata u jednoj ruci je N = C52 - ima C13
. Povoljnih za dogadaj 36
jer je 36 karata koje nisu visoke. Zato je
13
C36
p= 13
= 0.00364.
C52
B. Na prvi pogled identicno pitanje vodi na sad znatno slozeniju analizu. Moramo
-
uzeti u obzir sva cetiri igraca. Oznacimo dogadaj
Ai = {i ti igrac nema visoku kartu}, i = 1, . . . , 4.

4
Mi trazimo P ( Ai ) . Racunamo po Silvesterovoj formuli:
i=1

4   
P( Ai ) = P (Ai ) P (Ai Aj ) + P (Ai Aj Ak ) P (A1 A2 A3 A4 ).
i=1 i<j i<j<k

Vrijedi, po dijelu A,
13
C36
P (Ai ) = 13
, i.
C52
-
Takoder
13 13
C36 C23
P (Ai Aj ) = 13
13
, i < j.
C52 C39

-
Medutim, - Ai Aj Ak , i < j < k je nemoguc (ima samo 36 karata koje nisu
dogadaj
visoke), a pogotovo umnozak A1 A2 A3 A4 . Zato
p = 4P (A1 ) 6P (A1 A2 ) = 0.01455.
- Ai Aj je takoder
Dogadaj - prakticki nemoguc jer je P (Ai Aj ) = 5.13 107 . Zato je
- iz A. 
trazena vjerojatnost priblizno jednaka cetverostrukoj vjerojatnosti dogadaja

Zadatak 1.16. Na srecu se bira broj x [0, 1] , te broj y [0, 2] . Izracunaj

vjerojatnost da je zbroj x + y veci od 2, a umnozak xy manji od 1.

- cine sve tocke unutar pravokutnika S = [0, 1]

 Skup elementarnih dogadaja
[0, 2] . Uvjet zadatka zadovoljavaju sve tocke iz podrucja G (slika 1.17).
1.7. RIJE SENI
ZADATCI 55

p = P {x + y > 2, xy < 1} x +y =2
6 y ... xy 1
...
=
@
...
..
..
m(G)
@@G
...
2 . . . . . . . .....
= P {(x, y) G} = . . . . . . .....
m(S) . . . . ....
. . . ....

@
. .....
 2  ....
...
1
@@
...
...
m(G) = 2 + y dy ...
...
....
1 y 1 .....
......

@
......
 2 S ......

y2  
....

= ln y 2y + = ln 2 12 .
2  1 - 1 x
Dakle,
1 1 Sl. 1.17.
p= 2 ln 2 4 = 0.097. 

Zadatak 1.17. Na duzini PQ duljine 1 na srecu se biraju dvije tocke L i M .

Odredi vjerojatnost da je tocka L bliza tocki M nego tocki P .


y=2x

P L M Q
x
1
Sl. 1.18.
Oznacimo x = d(P, L) , y = d(P, M) . Tad vrijedi:
d(L, M) = |y x|.
- odgovara skup svih tocaka (x, y) za koje je |y x| < x , odnosno:
Trazenom dogadaju
x < y x < x 0 < y < 2x.
Taj je skup naznacen na slici 1.18.
P {d(L, M) < d(P, L)} = P {|y x| < x}
m(A) 3
= P {0 < y < 2x} = = . 
m() 4
56 1. VJEROJATNOST

Zadatak 1.18. Unutar intervala [0, 1] na srecu su odabrane dvije tocke koje ga
dijele na tri dijela. Kolika je vjerojatnost da se od tih dijelova moze sastaviti trokut?

 Oznacimo sa x i y duljine duzina AL i AM , kao u prethodnom zadatku.

1
6y
..
....
. . .. . .. . ..
. . . .
..........
G
............
.............. . . . . . . .
.............
...........
.........

-
.......
.....
...
a
x L M a .
A y B 1 x

Sl. 1.19.
Dvije su mogucnosti.
1) x < y . Tada su duljine dijelova x , y x i 1 y . Da bi se od njih mogao
sastaviti trokut, mora svaka od njih biti manja od zbroja preostalih dviju, tj. mora biti
manja od 1/2 . Tako dobivamo uvjete
x < 12 , y x < 12 , 1 y < 12 .
2) Ako je pak y > x tada su duljine dijelova y , x y i 1 x . Sada dobivamo
uvjete
y < 12 , x y < 12 , 1 x < 12 .
- podrucje G .
Ovi uvjeti odreduju
m(G) 1
p= = . 
m(S) 4

Zadatak 1.19. Unutar duzine duljine a = 5 cm izabrane su na srecu dvije tocke.

Izracunaj vjerojatnost da je svaka od tri tako dobivene duzine kraca od b = 2 cm
(opcenito, b > a/3 ).

 Oznacimo sa x duljinu prvog, a sa y duljinu treceg dijela:

x y
a a
A L M B

Sl. 1.20.
Izboru dviju tocaka L i M odgovara izbor jedne tocke s koordinatama (x, y)
unutar podrucja {(x, y) : x > 0, y > 0, x + y < a} .
-
Trazimo vjerojatnost dogadaja
G = {0 < x < b, 0 < y < b, a b < x + y < a}.
Razlikujemo dva slucaja:
a) b < a/2 . Tada je
m(G) (3b a)2
P (G) = = .
m(S) a2
1.7. RIJE SENI
ZADATCI 57

6 6
@
@ @@ =
@ S@@ =
y b
x +y =a b

@ G @@
..............
................
..................

@@G @
.................... 2b a
x +y =a b ......................

@@ @
y b ........................

@ @@@ -
.........................
.......................

@@ -
.....................
3b a ...................

@
.................

@@
...............
a b a
@ =
. . . . . . .

b a b b a
= x b x b

Sl. 1.21. Sl. 1.22.

b) b > a/2 . Sada imamo
b2 12 (a b)2 12 (2b a)2 6ab 2a2 3b2
P (G) = 1 2
= .
2a
a2
1
U konkretnom slucaju, a = 5 , b = 2 je P (G) = . 
25

Zadatak 1.20. Odredi vjerojatnost da su korijeni jednadzbe x2 + 2ax + b = 0

realni, ako su jednako moguce vrijednosti koeficijenata |a| < 3 , |b| < 12 .


..
..
b
6 12 .
..
... .
.... S ...
.......
9
....
. ... .
. . ... ... . ..
. . . ...
. . . . ...
. . . . . ...
.. ...... ... .. ... ..
. . . . . . .... .... . . . . . .
3
. . . . . . . ....
. . . . . . . . . ..... ..... . .. . .. . .. . ..
. . . . . . . . . . . .................. .. . .. . .. . .. . .. .
.............................
.............................
-3 a
.............................
.............................
.............................
.............................
G
.............................
.............................
.............................
.............................
.............................
.............................
.............................
. . . . . . . . . . . . . . .
12

Sl. 1.23.
- je
Po uvjetu zadatka skup elementarnih dogadaja
S = {(a, b) : 3 < a < 3, 12 < b < 12}.

Da bi korijeni bili realni, mora biti 4a2 4b  0 , tj. b  a2 .

P {b  a2 } = P {(a, b) G}
m(G) 90 5
= = = .
m(S) 144 8
58 1. VJEROJATNOST

Naime,
 3  a2
m(G) = da db = 90. 
3 12

Zadatak 1.21. Na kruznici polumjera R na srecu su odabrane tri tocke A , B i C .

Kolika je vjerojatnost da je trokut ABC s iljastokutan?

x A
... 6 y

@S
....... ..
........ .... 2R
.... ......... .

@@ @@ =
.... .
........ .
..
B ......... ...
x +y =R
....
... ...
... ..
.
... ... y R

@@G @@


....
... ... .............
...
... ... ...........
.... .... .........
... .. .......

@ @-
... .. .....
y ... ..
.... ...
.
C
= @ 2R x
x R

Sl. 1.24.
 Mozemo pretpostaviti da je polozaj tocke A na kruznici fiksan. Sa x oznacimo
duljinu luka AB , sa y duljinu luka BC . Izbor tocaka B i C odreduje - jednoznacno
brojeve x i y za koje vrijedi
0 < x, 0 < y, x + y < 2R .
Ovim nejednakostima odreden - je skup elementarnih dogadaja - S . Obratno, izbor bilo
-
koje tocke (x, y) S odreduje jednoznacno polozaj tocaka B i C . Trokut ce biti
s iljastokutan ako je ispunjeno
x < R , y < R , x + y > R .
-
Ovim je uvjetima odredeno podrucje G . Trazena vjerojatnost iznosi
1 2 2
m(G) R 1
p= = 2 2 2 = . 
m(S) 2R 4

1. Zadatci za vjezbu

1. U urni se nalaze cetiri kuglice, dvije jednake bi- C = {bijela kuglica je izvucena barem jednom}.
jele i dvije jednake crne. Izvlacimo jednu po jednu D = {bijela kuglica je izvucena tocno jednom}.
tri kuglice, ne vracajuci ih u urnu. Opisite prostor E = {izvucena je jedna bijela i dvije crne kuglice} .
-
elementarnih dogadaja. -
Odredite sljedece dogadaje:
A = {prva je izvucena crna kuglica}. 2. Bacamo dvije kocke. Biljezimo rezultat na sva-
B = {prva je izvucena bijela kuglica}. -
koj od njih. Koliko ima elementarnih dogadaja?
1. ZADATCI ZA VJE ZBU
59

Koliko elementarnih dogadaja - imaju sljedeci doga- A(B C) = AB AC,

-
daji:
A = { oba broja su parna } , (A C)(B C) = AB C,
B = { oba broja veca su od 4 } , AC B = AC BC,
C = { razlika brojeva iznosi 2 } ?
3. Bacamo dvije kocke. Biljezimo rezultat na sva- (A B) + (A C) = A BC.
koj od njih. Neka je
A = { pojavio se broj manji od 3 } , 12. Koja je od sljedecih relacija istinita za sve
B = { zbroj brojeva manji je od 9 } , A, B, C F ?
C = { oba broja veca su od 4 } .
-
Iskazi rijecima dogadaje A , B , C . Pokazite da su (A + B) C = A + (B C),
A i C disjunktni, bas kao i A i B . Uvjerite se da ABC = AB(B + C),
vrijedi A = B , ali da ne vrijedi A = B .
ABC A + B,
4. Bacamo dvije kocke. Biljezimo samo zbroj do-
bivenih brojeva. Koliko elementarnih dogadaja - ima (A + B)C = ABC.
ovaj pokus?
5. Bacamo dvije kocke. Oznacimo dogadaje - 13. Izracunaj X iz relacija
A = { zbroj brojeva je neparan } ,
B = { pojavio se broj 1 } , X + A + X + A = B,
C = { na obje kocke pao je broj 1 } .
- (A + X)(A + X) + X + A + X + A = B.
Opisite dogadaje AB , AC , BC , A C , AB .
6. Neka su A , B , C dogadaji. - Iskazite s pomocu
- sljedece dogadaje:
unije i presjeka ovih dogadaja -
A. { ostvario se samo dogadaj - A };
14. Ako je P (A) = 0.6 , P (B) = 0.4 , P (A
B. { ostvarili su se A i B , ali ne i C } ; -
B) = 0.8 , izracunajte vjerojatnost dogadaja A, B,
- };
C. { ostvarila su se sva tri dogadaja AB , A B , A B .
D. { ostvario se barem jedan dogadaj - }; 15. Neka su A i B dogadaji, - P (A + B) = 0.8 ,
-
E. { ostvario se tocno jedan dogadaj } ; P (AB) = 0.2 , P (A) = 0.6 . Odredi P (A) ,
F. { nije se ostvario niti jedan dogadaj- }. P (B) , P (AB) .
-
16. Za dogadaje A i B vrijedi A B = . Ako je
P (A) = 0.6 , P (B) = 0.7 , kolika je vjerojatnost
P (AB) ?
7. Bacamo n kocaka. Neka Ai (i = 1, . . . , n) oz- - A1 i A2 ,
- pojavila se s estica na i -toj kocki.
nacava dogadaj: 17. Ako se istovremeno ostvare dogadaji
-
Izrazi sljedece dogadaje: - A . Dokazi da je
tada se nuzno ostvaruje i dogadaj
A = nije se pojavila nijedna s estica, P (A)  P (A1 ) + P (A2 ) 1.
B = pojavila se barem jedna s estica,
C = pojavila se najvise jedna s estica. -
18. Dokazi da za svaka tri dogadaja A , B , C vri-
jedi:

P (A B C) = P (A) + P (B) + P (C)

8. Neka je A B . Cemu -
su ekvivalentni dogadaji
AB , A B , ABC , A B C ? P (AB) P (AC) P (BC) + P (ABC).
- A i B ekvi-
9. Jesu li po volji odabrani dogadaji -
19. Neka su A , B , C dogadaji. Dokazi da vrijedi
valentni ako je a) A = B , b) A C = B C ,
c) AC = BC , za neki dogadaj- C. P (A) + P (B) + P (C) P (ABC) < 2.
-
10. Neka su A , B , C dogadaji. Pojednostavni iz- -
20. Dokazi da za bilo koje dogadaje A i B vrijedi
raze
(A + B)(B + C)(C + A) , P (A + B)P (AB)  P (A)P (B).
(A + B)A + A(B + C) .
-
21. Dokazi da za bilo koje dogadaje A i B vrijedi
11. Dokazi relacije:
|P (AB) P (A)P (B)|  14 .
A B = A AB = (A + B) B,
60
-
Simetricna razlika dvaju dogadaja AB de-
finira se na nacin
AB := (AB) + (BA).
22. Dokazi relacije
AB = (A + B) AB,
AB = AB + A B,
AB = AB + A B,
A(AB) = B.
23. Dokazi da je simetricna razlika asocijativna:
A(BC) = (AB)C.
24. Dokazi
P (AB) = P (A) + P (B) 2P (AB)
= P (A + B) P (AB),
P (AB) P (AB) = P (A) P (B).
-
25. Dokazi da za bilo koje dogadaje A , B , C vri-
jedi ocjena
|P (A B) P (A C)|  P (BC).
26. Dokazi nejednakost
P (AB)  P (AC) + P (CB).
- iz F . Dokazi da iz
27. Neka su A , B dogadaji
P (AB) = 0 slijedi P (A) = P (B) .
-
28. Bacamo dvije kocke. Oznacimo dogadaje
A = zbroj brojeva je neparan,
B = pojavio se broj 1,
C = na obje kocke je pao broj 1.
-
Opisi dogadaje AB , AC , BC , A + C , AB .
29. Novcic bacamo dok se dva puta za redom ne
pojavi isti znak. Opisi vjerojatnosni prostor. Izra-
-
cunaj vjerojatnost dogadaja
A = pokus ce se zavrsiti u cetvrtom bacanju,
B = pokus ce se zavrsiti u parnom broju bacanja,
C = pokus se nikad nece zavrsiti.
30. Pokus se sastoji od bacanja dviju kocki. Opisi
-
vjerojatnosni prostor. Oznacimo dogadaje
A = zbroj brojeva je paran,
B = pojavila se barem jedna jedinica.
- sredista kruga do najblize tocke veca od r , r < R .
Opisi dogadaje A + B , AB , A , B i izracunaj im
vjerojatnost.
1. VJEROJATNOST
31. Novcic se baca cetiri puta. Kolika je vjerojat-
-
nost sljedecih dogadaja:
A = pojavilo se je tocno jedno pismo;
B = u drugom bacanju pojavilo se pismo;
C = pojavilo se barem jedno pismo;
D = pismo se pojavilo barem dvaput?
32. Kolika je vjerojatnost da se pri bacanju dviju
kocki pojavi:
A = zbroj 8;
B = barem jedna cetvorka;
C = broj veci od 9;
D = broj djeljiv s 2 ili djeljiv s 3?
33. Deset kartica obiljezeno je brojevima od 1 do
10. Kolika je vjerojatnost da ce se izvuci jedan pa-
ran i jedan neparan broj ako se
A = izvucemo odjednom obje kartice;
B = izvucemo prvu karticu, a nakon nje drugu;
C = izvucemo prvu karticu, vratimo je u snop i
zatim izvucemo drugu?
34. U jednakokracnom trokutu osnovice a i visine
a upisan je kvadrat. Kolika je vjerojatnost da na
srecu odabrana tocka u trokutu ne lezi unutar tog
kvadrata?
35. Na ravninu na kojoj su istaknute tocke s cje-
lobrojnim koordinatama bacen je novcic promjera
0.5 jedinica. Kolika je vjerojatnost da novcic nece
pokriti nijednu istaknutu tocku?
36. Dva broja biraju se na srecu unutar intervala
[0, 1] . Kolika je vjerojatnost da je njihov zbroj veci
od 3 ?
2
37. Na kvadraticno ispletenu mrezicu pada s velike
visine metalna kuglica okomito na mrezicu. Ako je
stranica kvadrata mrezice duga 10 mm, a promjer
kuglice 5 mm, kolika je vjerojatnost da ce kuglica
proci kroz mrezicu, a da ne dotakne njezine niti?
38. Kovani novcic polumjera R pada na podlogu
oblika pravilnog s esterokuta stranice a = 5R , tako
da srediste novcica pada unutar s esterokuta. Kolika
je vjerojatnost da novcic ne presjece niti jednu od
stranica s esterokuta?
39. U pravokutniku se duljine stranica odnose kao
a : b = 1 : 3 . Dogadaj - A se realizira ako je
udaljenost na srecu odabrane tocke unutar pravo-
kutnika do najblize stranice pravokutnika manja od
udaljenosti te tocke do blize dijagonale. Izracunaj
vjerojatnost dogadaja- A.
40. Unutar kruznice polumjera R na srecu se bira
n tocaka. Izracunaj vjerojatnost da je udaljenost od
Pustimo da R i povecavajmo n tako da bude
n/R2 . Cemu tezi ta vjerojatnost?
1. ZADATCI ZA VJE ZBU
41. Tocka A izabrana je na srecu unutar pravilnog
n -terokuta. Izracunaj vjerojatnost Pn da se tocka
A nalazi blize rubu n -terokuta nego nekoj njegovoj
dijagonali. Odredi lim n2 Pn .
n od polovine povrsine zadanog trokuta.
42. Bertrandov paradoks. Odgovor na pitanje:
Kolika je vjerojatnost da na srecu odabrana tetiva
u danom krugu ima duljinu vecu od stranice upisa-
nog jednakostranicnog trokuta? nije jednoznacan.
Izracunaj trazenu vjerojatnost uz sljedece interpre-
tacije na srecu odabrane tetive:
-
a) Tetiva je jednoznacno odredena svojim polo-
vistem, biramo ga na srecu unutar kruga.
-
b) Tetiva je odredena svojim krajevima. Bira-
mo ih na srecu na kruznici.
c) Svaka tetiva okomita je na neki promjer. Fik-
sirajmo promjer i odaberimo na srecu tocku na nje-
mu kroz koju tetiva prolazi.
d) Postoje li jos neke razumne interpretacije
koje ce dati vecu ili manju vjerojatnost od ovdje
navedenih?
43. Dva realna broja izabrana su na srecu unutar
intervala [0, 1] . Kolika je vjerojatnost da ce nji-
hov produkt biti veci od 1/ 2, a apsolutna vrijednost
njihove razlike nece biti manja od 1/ 2?
44. Teretni vlakovi duljine 200 m krecu se brzinom
72 km/ h po prugama koje se medusobno- sijeku.
Trenutak u kojem ce oni proci kroz raskrizje je slu-
- 22h i 22h 30 . Izracunaj vjerojatnost
cajan, izmedu
sudara.
45. Na kruznici polumjera R na srecu se biraju
dvije tocke. Kolika je vjerojatnost da ce udaljenost
medu- njima biti manja od r (r < 2R) ?
46. Stap duljine L prelomljen je na dva mjesta. Iz-
racunaj vjerojatnost da je svaki od tako dobivena tri
dijela s tapa dulji od 14 L , ako je vjerojatnost preloma
na svakom mjestu s tapa jednaka.
47. Na odresku AD duljine d na srecu su odabra-
ne dvije tocke B i C . Izracunaj vjerojatnost da je
udaljenost d(B, C) manja od d/2 .
48. Dva broda moraju stici u isto pristaniste. Vre-
mena dolaska brodova su nezavisna i jednako vje-
rojatna u toku dana. Odredi vjerojatnost da ce jedan
-
od brodova morati cekati na oslobadanje pristanista,
ako je vrijeme zadrzavanja prvog broda u pristanistu
1 sat, a drugog 2 sata.
49. Unutar duzine AB duljine 10 na srecu odabe-
remo dvije tocke, koje zadanu duzinu dijele na 3
dijela. Kolika je vjerojatnost da je duljina najkraceg
od njih veca od 2 ?
61
50. U pravokutnom trokutu ABC duljine kateta su
|AC| = 3 , |BC| = 4 . Tocka T1 bira se na srecu na
kateti AC , a tocka T2 na kateti BC . Izracunaj vje-
rojatnost da je povrsina cetverokuta ABT1 T2 veca
51. Biramo tri duzine cije su duljine na srecu odab-
rani brojevi iz intervala [0, a] . Kolika je vjerojatnost
da se od tih dijelova moze sastaviti trokut?
bijelih, cetiri crne i dvije plave kuglice re-
52. Sest
daju se na srecu. Kolika je vjerojatnost da ce prve
dvije biti bijele?
53. Dijete se igra s karticama na kojima su napisana
slova A, E, E, J, J, N, N, O, O, R, T, V. Kolika je
vjerojatnost da ce, redajuci ih na srecu, sloziti rijec
NEVJEROJATNO?
54. U kutiji se nalazi sedam bijelih i tri crne kuglice.
Izvlacimo odjednom dvije kuglice. Koja je najvje-
rojatnija kombinacija broja izvucenih kuglica?
55. U prostoriji se nalazi s est bracnih parova. Ako
odaberemo na srecu dvoje ljudi, kolika je vjerojat-
nost da su 1) razlicitog spola; 2) bracni par?
56. U snopu od 52 karte postoji po 13 karata sljede-
cih boja: pik, karo, herc i tref. Kolika je vjerojatnost
da ce u 13 karata koje dobiva prvi igrac biti pet pi-
kova, tri herca, dva karona i tri trefa?
57. U kutiji se nalazi pet crvenih i cetiri bijele ku-
glice. Kolika je vjerojatnost da cemo birajuci na
srecu s est kuglica izvuci tri crvene i tri bijele?
58. Slova rijeci MATEMATIKA napisana su na kar-
tice i potom promijesana. Kolika je vjerojatnost da
ce se, otkrivajuci jednu po jednu cetiri kartice, po-
javiti rijec MATE? A kolika za rijec TIKA?
59. Bacene su cetiri kocke. Kolika je vjerojatnost
da sve cetiri padnu na isti broj?
60. Bacene su dvije kocke. Izracunaj vjerojatnost
da je veci od dva dobivena broja manji od 5.
61. Dva igraca su bacila kocku. Kolika je vjerojat-
nost da drugi igrac dobije veci broj od prvog?
62. Bacili smo s est kocaka. Kolika je vjerojatnost
da se pojavilo
a) s est razlicitih brojeva,
b) barem dvije s estice,
c) tri para jednakih brojeva,
d) s est brojeva manjih od pet?
- vjerojat-
63. Paradoks de Merea. Koji je dogadaj
niji:
A = pri bacanju cetiriju kocaka pojavila se bar
jedna jedinica,
B = barem jednom u 24 bacanja dviju kocki po-
javile su se dvije jedinice.
De Mere je smatrao da su ti dogadaji - jednako
62
vjerojatni, a kako nisu (izracunaj!), otada se ovaj
problem naziva paradoksom.
je vjerojatnije: dobiti barem jednu s esti-
64. Sto
cu pri 6 bacanja kocke, barem dvije s estice pri 12
bacanja ili barem 3 s estice pri 18 bacanja kocke?
65. Kolika je vjerojatnost da se u igri LOTO 6 od
45 u jednoj kombinaciji postigne dobitak od 6, 5, 4
ili 3 pogotka?
66. Izmedu - 6 crvenih i 4 plave kuglice na srecu
odabiremo tri. Kolika je vjerojatnost da je barem
jedna od njih plava?
67. Iz kutije u kojoj se nalazi 5 crnih, 6 bijelih i 7
crvenih kuglica izvlace se na srecu 4 kuglice. Ko-
lika je vjerojatnost da medu - izvucenim kuglicama
nisu zastupljene sve tri boje?
68. Iz 4 snopa karata od kojih svaki sadrzi 32 karte
sa po 4 asa, izvlaci se po jedna karta. Odredi vje-
rojatnost da su izvucena 2 razlicita para identicnih
aseva!
69. Iz snopa od 32 karte izabrano je na srecu 10
karata. Kolika je vjerojatnost da ce medu - njima biti
svih 8 karata iste boje?
70. U kutiji ima 5 bijelih, 4 crne i 2 crvene kuglice.
Izvlacimo na srecu 4 kuglice. Kolika je vjerojatnost
da je broj izvucenih crnih kuglica (striktno) veci od
broja izvucenih bijelih?
- 6 bracnih parova izabiru se 4 osobe
71. Izmedu
slucajnim izborom. Kolika je vjerojatnost da medu -
te 4 osobe nije niti jedan bracni par?
72. Na s ahovskom turniru sudjeluje 20 natjecatelja,
podijeljenih z drijebom u dvije skupine. Odredi vje-
rojatnost da
a) dva najjaca s ahista budu u razlicitim skupi-
nama,
b) cetiri najjaca s ahista budu dva i dva u razli-
citim skupinama.
73. 5 djecaka i 10 djevojcica na srecu su podijeljeni
u 5 jednako velikih skupina. Kolika je vjerojatnost
da u svakoj skupini bude djecak?
74. Iz kutije u kojoj se nalazi n bijelih i n crnih
kuglica izvlacimo na srecu po dvije kuglice (bez
vracanja). Kolika je vjerojatnost da ce u svih n
tako dobivenih parova kuglice biti razlicitih boja?
75. Iz snopa od 32 karte izvlaci se karta po karta,
dok izvucena karta nije as, ili dok nisu izvucene 4
karte. Kolika je vjerojatnost da medu - izvucenim
nema crnih karata?
76. Koliki najmanji broj m karata moramo izabrati
iz snopa od 52 karte da bi vjerojatnost pm da se
izvuku dvije karte iste boje bila veca od 12 ?
1. VJEROJATNOST
77. Iz snopa od 52 karte izabrane su na srecu tri
karte. Odredi vjerojatnost da izvucemo
a) tocno jednog asa,
b) bar jednog asa,
c) jednog asa, dvojku i trojku,
d) tri karte iste boje,
e) karte razlicitih boja.
78. Devet putnika ulaze u neki od tri vagona slucaj-
nim izborom. Kolika je vjerojatnost da ce
a) u prvi vagon uci tri putnika,
b) u svaki vagon uci po tri putnika?
79. Tri kvadrata izabrana su na srecu medu - poljima
na s ahovskoj ploci. Kolika je vjerojatnost da nikoja
dva nisu u istom retku ili istom stupcu?
80. Bacamo tri igrace kocke. Odredi vjerojatnost
-
dogadaja:
A = broj na prvoj kocki veci je od zbroja brojeva
na drugoj i trecoj kocki,
B = najveci od tri pojavljena broja veci je od
zbroja preostala dva broja.
81. Proklotonk se nalazi u donjem lijevom polju
(A1) s ahovske ploce. On se pomice prema gore s
vjerojatnoscu p , ili desno s vjerojatnoscu q = 1p .
Proklotonk zavrsava gibanje u onom trenutku kad
stigne do desnog ili do gornjeg ruba ploce. Kolika
je vjerojatnost da ce on zavrsiti u polju D8?
82. Svijecnjak ima 5 grla za z arulje, od kojih su 2
ispravna i 3 neispravna. U grla uvrnemo na srecu
5 z arulja medu- kojima su 2 ispravne i 3 neisprav-
ne. Kolika je vjerojatnost da cemo ukljucivanjem
svijecnjaka u struju dobiti svijetlo?
83. U jednom se razredu nalazi 30 ucenika. Kolika
je vjerojatnost da barem dvojica imaju istoga dana
-
rodendan? Kolika je vjerojatnost da su u nekom
odabranom tjednu rodena - barem dvojica ucenika?
-
84. Jos o rodendanima. Kolika je vjerojatnost da
a) medu- 12 osoba ne postoje dvije rodene - u is-
tom mjesecu,
-
b) od tih 12 osoba, dvije po dvije rodene su u
istom mjesecu,
c) medu- 30 osoba, u s est mjeseci padaju po tri,
-
a u preostalih s est mjeseci po dva rodendana.
85. Elementi skupova A1 i A2 biraju se medu - ele-
mentima skupa S = {1, 2, . . . , n} nezavisno jedan
od drugog, tako da je svaki element iz S ukljucen u
podskup Ai s vjerojatnoscu p . Izracunaj vjerojat-
nost da A1 i A2 imaju prazan presjek.
86. U urni se nalazi m crvenih i n bijelih kuglica.
Na srecu je odabrano k kuglica. Kolika je vjerojat-
nost da je medu- njima m1 crvenih i n1 bijelih?
1. ZADATCI ZA VJE ZBU
87. U urni se nalazi n bijelih i m crnih kuglica,
m  n . Izvlacimo redom, bez vracanja, n puta
po 2 kuglice. Kolika je vjerojatnost da su svaki put
izvucene raznobojne kuglice?
88. Iz skupa {1, 2, . . . , n} na srecu odaberemo
(odjednom) tri broja. Izracunaj vjerojatnost da je
A = prvi broj po iznosu manji od drugog i tre-
ceg,
B = prvi broj po iznosu izmedu- drugog i treceg.
89. Iz niza 1, 2, . . . , N biramo na srecu n brojeva i
poredamo ih po velicini: x1 < x2 < . . . < xn . Ko-
lika je vjerojatnost da je xm = M ? ( m  n, M 
N )?
90. n muskaraca i n z ena sjeda za jedan stol, oda-
biruci mjesta na srecu. Kolika je vjerojatnost da
nikoja dva muskarca ne sjede jedan pored drugog?
91. Vlak se sastoji od N vagona. Svaki od n
( n > N ) putnika odabire na srecu neki od vago-
na. Kolika je vjerojatnost da ce u svakom vagonu
biti barem jedan putnik?
92. U svakoj od 3 kutije nalazi se po n kuglica,
u prvoj bijele, drugoj crne te u trecoj crvene boje.
Istresemo kuglice iz kutije, izmijesamo ih i zatim
na srecu napunimo svaku od 3 kutije sa po n kugli-
ca. Kolika je vjerojatnost da su ponovo u svakoj od
kutija kuglice iste boje?
63
93. n ucenika i n ucenica poredano je u red po
-
datumima njihovih rodenja. Kolika je vjerojatnost
osobe istog spola ne stoje jedna pored druge?
94. U kutiji se nalazi 2m bijelih i 2n crnih kugli-
ca. Polovina sadrzaja kutije prebacena je u drugu
-
kutiju. Kolika je vjerojatnost da se u toj kutiji nade
m bijelih i n crnih kuglica?
95. Na n kartica napisani su brojevi od 1 do n .
Izvlacimo na srecu dvije kartice (bez vracanja). Iz-
-
racunaj vjerojatnost dogadaja:
A = oba izvucena broja manja su od zadanog
broja k ( 2 < k  n ),
B = jedan broj je manji, a jedan veci od k .
96. Baceno je n kocaka. Kolika je vjerojatnost da
je barem jedan od okrenutih brojeva paran, te da je
barem jedan neparan?
97. Iz 4 snopa karata sa po 52 karte, izvlacimo na
srecu po jednu kartu. Kolika je vjerojatnost da cemo
u skupu izvucenih karata imati barem jednog asa i
barem jednu crvenu kartu?
98. Iz 6 snopova od po 32 karte izvlaci se po jedna
karta. Kolika je vjerojatnost da su barem dvije karte
crne i da su barem 3 karte asevi?
99. Iz snopa od 32 karte na slucajan nacin odabi-
remo 4 karte. Kolika je vjerojatnost da je izvucena
bar jedna karta, i bar jedna karta crvene boje?
 2.
Uvjetna vjerojatnost

1. Uvjetna vjerojatnost . . . . . . . . . . . . . . . . . . . . . . . 64
2. - ......
Nezavisnost dogadaja . . . . . . . . . . . . . . . . . 67
3. Formula potpune vjerojatnosti . . . . . . . . . . . . . . . . . 71
4. Bayesova formula . . . . . . . . . . . . . . . . . . . . . . . . . 73
5. Rijeseni zadatci . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Zadatci za vjezbu . . . . . . . . . . . . . . . . . . . . . . . . . 83

2.1. Uvjetna vjerojatnost

Pri bacanju jedne kocke, vjerojatnost da se pojavi broj 1 jednaka je 16 . Nakon

- realizirao ili nije. Pretpostavimo
bacanja mi sa sigurnoscu znamo je li se taj dogadaj
-
medutim da je netko pogledao na kocku koju mi ne vidimo i kazao nam: kocka je pala
na neparan broj. Kolika je sad vjerojatnost da je ona pala na broj 1 ? Ocito, ta se
vjerojatnost promijenila. Kako su nam preostale samo tri mogucnosti, brojevi 1 , 3 i
5 , ta je vjerojatnost sad 13 .

Evo jos jednog primjera.
Bacamo dvije kocke. Neka je:
A = {na prvoj kocki pao je broj 2},
B = {zbroj brojeva na obje kocke je 6}.
-
Od 36 elementarnih dogadaja, -
dogadajima A i B pripadaju sljedeci
A = {(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)},
B = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}.
Zato je:
6 5
P (A) = , P (B) = .
36 36

64
2.1. UVJETNA VJEROJATNOST 65

-
Kolika je vjerojatnost dogadaja - B? U
A , ako je poznato da se realizirao dogadaj
-
tom je slucaju dovoljno samo promotriti elementarne dogadaje koji sacinjavaju B (jer
- njima traziti one povoljne za dogadaj
samo neki od njih dolazi u obzir) i medu - A time
- za umnozak AB tih dogadaja.
trazimo elementarne dogadaje - Ova vjerojatnost ovisi o
-
dogadaju B , nazivamo je uvjetna vjerojatnost i biljezimo ju simbolom PB . Uvjetnu
- A citamo: vjerojatnost od A uz uvjet B . Imamo:
vjerojatnost PB (A) dogadaja
1
PB (A) =
5
- (2, 4) povoljan za A .
jer je samo dogadaj

Definicija uvjetne vjerojatnosti

Da bismo dosli do opcenite formule za uvjetnu vjerojatnost, primijetimo da brojnik

- koji su povoljni i za dogadaj
1 oznacava broj elementarnih dogadaja - A i za dogadaj
- B.
Naime, vrijedi AB = {(2, 4)} . Stoga ovu vjerojatnost mozemo pisati i u obliku:
1
1 36 P (AB)
PB (A) = = 5
= .
5 36
P (B)
Ovo razmatranje ukazuje na opravdanost sljedece definicije.

Uvjetna vjerojatnost
Neka je B F dogadaj - pozitivne vjerojatnosti: P (B) > 0 . Uvjetna
vjerojatnost uz uvjet B je funkcija PB : F [0, 1] definirana formulom
P (AB)
PB (A) := , A F. (1)
P (B)

Lako se je uvjeriti da je formulom (1) uistinu definirana vjerojatnosna funkcija.

Naime vrijedi,
P (B ) P (B)
PB () = = =1
P (B) P (B)
- po definiciji (1),
i slicno za P () . Monotonost i aditivnost dokazuju se takoder
koristenjem istovjetnih svojstava vjerojatnosne funkcije P .

Uobicajeno je da se uvjetna vjerojatnost PB oznacava i formulom P ( | B) , dakle
- A uz uvjet B pisat cemo P (A | B) umjesto PB (A) .
za vjerojatnost dogadaja

Primjer 2.1. Dva broja x i y , biramo na srecu unutar intervala [0, 2] . Kolika je
vjerojatnost da je x > 1 ako je poznato da vrijedi x + y > 2 ?
66 2. UVJETNA VJEROJATNOST

 Oznacimo dogadaje - A = {x >

1} , B = {x + y > 2} . Trazimo uvjetnu x=1
vjerojatnost P (A | B) . Tocka s koordina- x+y=2
tama (x, y) je na srecu odabrana tocka unu-
2
tar kvadrata stranice 2 (slika 2.1). Izra- B
cunajmo vjerojatnost dogadaja - B i AB :
1
m(B) 2 1
P (B) = = = ,
m() 4 2 A
m(AB) 3/2 3 1 2
P (AB) = = = .
m() 4 8
Sl. 2.1.
Zato je
3
P (AB) 8 3
P (A | B) = = = . 
P (B) 1 4
2

Uvjetna se vjerojatnost u mnogim primjerima lakse racuna nego vjerojatnost um-
noska. Zato se definicijsku formula za uvjetnu vjerojatnost (1) koristi u racunanju
-
vjerojatnosti umnoska dvaju dogadaja:

Vjerojatnost umnoska
- racuna se formulom
Vjerojatnost umnoska dvaju dogadaja
P (AB) = P (B)P (A | B) (2)

- A i B (koji oboje imaju pozitivnu vjerojatnost), dobit

Ako zamijenimo dogadaje
cemo istovrsnu formulu
P (AB) = P (A)P (B | A). (3)

Primjer 2.2. U urni se nalazi s est bijelih i c etiri crne kuglice. Kolika je vjerojatnost
da ce prve dvije kuglice koje izvucemo biti bijele?
 Mozemo zamisliti da kuglice izvlacimo jednu po jednu. Neka su A i B dogadaji -
A = {prva kuglica je bijela},
B = {druga kuglica je bijela}.
-
Tad je AB dogadaj ciju vjerojatnost trazimo. Ocito je:
6
P (A) = .
10
Nakon s to izvucemo prvu kuglicu, u urni je preostalo devet kuglica, od kojih je pet
bijelih. Stoga je:
5
P (B | A) =
9
2.2. NEZAVISNOST DOGA -DAJA 67

i po formuli (3) slijedi:

6 5 1
P (AB) = P (A)P (B | A) = = . 
10 9 3

-
Na slican cemo nacin racunati i vjerojatnost produkta vise dogadaja. Na primjer
P (ABC) = P (A)P (B | A)P (C | AB).
Moguce su i druge kombinacije dogadaja - s desne strane.

Primjer 2.3. Kolika je vjerojatnost da tri na srecu odabrane karte iz snopa od 52

karte budu tref boje?
 Oznacimo s A trazeni dogadaj - i neka je Ai = {i -ta karta je tref boje } ,
i = 1, 2, 3 . Tad je A = A1 A2 A3 i racunamo vjerojatnost po formuli:
P (A) = P (A1 )P (A2 | A1 )P (A3 | A1 A2 ).
Pojedine vjerojatnosti su
13
P (A1 ) = , u snopu ima 13 karata tref boje,
52
12
P (A2 | A1 ) = , nakon s to je prva izvucena, preostalo ih je 51 od kojih je 12
51
tref boje,
11
P (A3 | A1 A2 ) = .
50
Dakle,
13 12 11
P (A) = = 0.013. 
52 51 50

-
2.2. Nezavisnost dogadaja

Promotrimo sljedecu inacicu primjera iz prosle tocke:

Primjer 2.4. U urni se nalazi s est bijelih i c etiri crne kuglice. Izvlacimo jednu po
jednu dvije kuglice. Kolika je vjerojatnost da ce druga kuglica biti bijela, ako je prva
kuglica bila bijela. Kolika je ta vjerojatnost ako je prva kuglica bila crna? Izracunajmo
obje ove vjerojatnosti u sljedece dvije situacije:
a) prva se kuglica nakon izvlacenja ne vraca u urnu
b) prva se kuglica nakon izvlacenja vraca u urnu.
-
 Oznacimo s A i B dogadaje
A = {prva kuglica je bijela},
B = {druga kuglica je bijela}.
Trazimo uvjetne vjerojatnosti P (B | A) i P (B | A) . Ocito je
6 4
P (A) = , P (A) = .
10 10
68 2. UVJETNA VJEROJATNOST

a) Nakon izvlacenja prve kuglice, u urni imamo jednu kuglicu manje. Zato je
5 6
P (B | A) = , P (B | A) = .
9 9
b) Ako kuglicu nakon izvlacenja vratimo u urnu, prije izvlacenja druge kuglice
imat cemo identicnu situaciju: s est bijelih i cetiri crne kuglice, bez obzira je li se
- A ili nije:
ostvario dogadaj
6 6
P (B | A) = , P (B | A) =
10 10
- A ne utjece na vjerojatnost realizacije dogadaja
Kazemo da realizacija dogadaja - B. 

-
Neka dogadaji A i B imaju pozitivnu vjerojatnost.
-
Neka je P (B | A) = P (B) , tj. vjerojatnost dogadaja B ne mijenja se nakon
- A . Tad kazemo da su A i B nezavisni
s to nam je poznato da se realizirao dogadaj
-
dogadaji.
U tom slucaju vrijedi
P (AB) = P (A)P (B | A) = P (A)P (B).
Ako je pak ispunjena ova jednakost, onda za uvjetnu vrijedi
P (AB) P (A)P (B)
P (B | A) = = = P (B).
P (A) P (A)
Isto tako, bit ce
P (AB) P (A)P (B)
P (A | B) = = = P (A).
P (B) P (B)
-
Definicija i kriterij nezavisnosti dogadaja
-
Za dogadaje A i B kazemo da su nezavisni, ako vrijedi bilo koja od jedna-
kosti: P (A | B) = P (A) ili P (B | A) = P (B) .
Nuzdan i dovoljan uvjet za nezavisnost jest da bude:
P (AB) = P (A)P (B). (1)

- A i B nezavisni, tad nije posve ocito da su nezavisni

Primjer 2.5. Ako su dogadaji
i njihovi komplementi A i B . Pokazimo to koristeci ovaj kriterij nezavisnosti.
P (A)P (B) = (1 P (A))(1 P (B))
= 1 P (A) P (B) + P (A)P (B) (nezavisnost od A i B)
= 1 P (A) P (B) + P (AB) -
(vjerojatnost unije dogadaja)
= 1 P (A B) (vjerojatnost komplementa)
= P (A B) (de Morganov zakon)
= P (A B)
Dobili smo P (A B) = P (A)P (B) pa su A i B nezavisni. 
2.2. NEZAVISNOST DOGA -DAJA 69

Primjer 2.6. Bacamo dvije kocke. Kolika je vjerojatnost da broj na prvoj bude
paran, a na drugoj manji od 3 ?
 Rezultat na jednoj kocki nezavisan je od toga s to ce se pojaviti na drugoj kocki.
Vjerojatnost pojave parnog broja na prvoj kocki je 12 , vjerojatnost da broj na drugoj
- produkt je ovih dvaju. Stoga je njegova
bude manji od 3 je 13 . Trazeni dogadaj
1 1 1
vjerojatnost 2 3 = 6 . 

- definira se na slozeniji nacin.
Nezavisnost skupine dogadaja

-
Nezavisnost dogadaja
- A1 , A2 , . . . , An su nezavisni ako za svaki k , 2  k  n i svaki
Dogadaji
- vrijedi
izbor Ai1 , Ai2 ,. . . , Aik nekolicine tih dogadaja
P (Ai1 Ai2 Aik ) = P (Ai1 )P (Ai2 ) P (Aik ).

Neka su A , B i C nezavisni. Onda vrijedi, na primjer

P (AB) = P (A)P (B),
- u
pa su A i B nezavisni. Procitavsi jos jednom definiciju, zakljucujemo da su doadaji
svakom podskupu skupa nezavisnih dogadaja - takoder- nezavisni.
Racunajmo sad uvjetnu vjerojatnost sljedeceg tipa:
P (ABC) P (A)P (B)P (C)
P (A | BC) = = = P (A).
P (BC) P (B)P (C)
Vidimo da je uvjetna vjerojatnost jednaka bezuvjetnoj.
- onda imamo
Ako su A , B i C po volji odabrani dogadaji,
P (ABC) = P (A) P (B | A) P (C | AB).
- znaci da ce sve uvjetne vjerojatnosti u kojima se ti dogadaji
Nezavisnost triju dogadaja -
javljaju biti jednake bezuvjetnima: P (B | A) = P (B) , P (C | AB) = P (C) i slicno
za druge moguce kombinacije. Tako za nezavisne dogadaje - A , B i C vrijedi
P (ABC) = P (A)P (B)P (C).
Naglasimo da obrnuta tvrdnja nije istinita: ako je za tri dogadaja- vjerojatnost
-
umnoska dogadaja jednaka umnosku vjerojatnosti, oni ne moraju biti nezavisni.

Primjer 2.7. Serijski spoj. Proizvodnja nekog proizvoda organizirana je na traci

koja se sastoji od n dijelova, od kojih svaki radi neovisno o ostalima. Ako barem jedan
od dijelova prestane s radom, prestaje i cjelina:
70 2. UVJETNA VJEROJATNOST

A1 A2 An
...

Sl. 2.2.

Vjerojatnost da j -ti dio nece otkazati tijekom dana jednaka je rj . Kolika je vjerojatnost
da ce citava traka raditi ispravno u tom danu?
 Oznacimo s Aj dogadaj -
Aj = { j -ti dio je ispravan}
i neka je
A = {citava traka je ispravna}.
Dogadaj - A ostvarit ce se ako se ostvare svi dogadaji - A1 , . . . , An . Dakle,
A = A1 A2 An .
Zbog nezavisnosti
P (A) = P (A1 ) P (An ) = r1 rn .
Na primjer, za n = 5 i r1 = . . . = r5 = 0.9 dobivamo P (A) = 0.9n = 0.59 .
Vjerojatnost ispravnog rada serijski spojenog sklopa brzo opada s brojem eleme-
nata u sklopu. 

Primjer 2.8. Paralelni spoj. Uz iste oznake kao i prije, izracunajmo vjerojatnost
ispravnog rada za proces proizvodnje u kojem se na nekoliko mjesta obavlja istovrsna
radnja:

A1 A2 ... An

Sl. 2.3.

 Ovaj ce se put proces odvijati ako je ispravan bar jedan njegov dio. Zato je
A = A1 A2 An .
Vjerojatnost ove unije nije lako direktno izracunati.
Promotrimo suprotan dogadaj - A : proizvodnja je prestala. Ocigledno, on ce se
- A1 , . . . , An . Po de
ostvariti ako su u kvaru svi elementi, tj. ako se ostvare svi dogadaji
Morganovim zakonima vrijedi
A = A1 A2 An
2.3. FORMULA POTPUNE VJEROJATNOSTI 71

- A1 , . . . , An takoder
Dogadaji - su nezavisni. Zato je
P (A) = P (A1 ) P (An ),
tj.
1 P (A) = (1 P (A1 )) (1 P (An )),
P (A) = 1 (1 r1 ) (1 rn ).
S vrijednostima iz proslog primjera imali bismo P (A) = 10.15 1 . Paralelnim
organiziranjem procesa postize se velika pouzdanost ispravnog rada. 
Rezultat P (A) 1 ne znaci da sklop ne moze nikako biti u kvaru, vec samo da
- zanemariva. Za takav dogadaj
je vjerojatnost takva dogadaja - kazemo da je prakticki
siguran.

2.3. Formula potpune vjerojatnosti

Pri racunanju vjerojatnosti ponekad moramo sve moguce ishode podijeliti u razli-
cite klase. Ilustrirajmo to primjerom.
Primjer 2.9. Vocarnica se opskrbljuje jabukama iz dvaju vocnjaka, i to 60% pot-
rebne kolicine iz prvog i 40% iz drugog vocnjaka. 15% jabuka prvog vocnjaka prve su
kvalitete, dok to vrijedi za 25% jabuka drugog vocnjaka. Kolika je vjerojatnost da na
srecu odabrana jabuka bude prve kvalitete?
 Odaberemo na srecu jednu jabuku u vocarnici. Dvije su mogucnosti:
H1 = {odabrana je jabuka iz prvog vocnjaka}.
H2 = {odabrana je jabuka iz drugog vocnjaka}.
- su
Vjerojatnosti da se ostvari neki od ovih dogadaja
P (H1 ) = 0.6, P (H2 ) = 0.4 .
-
Neka je A trazeni dogadaj:
A = {odabrana jabuka prve je kvalitete}.
Ilustrirajmo ovu situaciju slikom:

H1 H2

Sl. 2.4. Vjerojatnost dogadaja - lakse

se racuna ako promotrimo zasebno AH 2
razlicite situacije koje se pri njegovoj AH1 A
realizaciji mogu ostvariti

- A razbili smo na dva disjunktna dogadaja:

Dogadaj -
AH1 = {odabrana jabuka prve kvalitete potjece iz prvog vocnjaka},
AH1 = {odabrana jabuka prve kvalitete potjece iz drugog vocnjaka}.
72 2. UVJETNA VJEROJATNOST

Zato je
P (A) = P (AH1 ) + P (AH2 ).
- racunamo na poznati nacin:
Vjerojatnosti umnoska dogadaja
P (AH1 ) = P (H1 ) P (A | H1 ).
Vjerojatnost da je jabuka prve kvalitete, ako je poznato da potjece iz prvog vocnjaka je,
prema podacima
P (A | H1 ) = 0.15 = P (AH1 ) = 0.6 0.15 = 0.09 .
Analogno tome vrijedi
P (A | H2 ) = 0.25 = P (AH2 ) = 0.4 0.25 = 0.10 .
Sad dobivamo
P (A) = P (AH1 ) + P (AH2 ) = 0.09 + 0.10 = 0.19 . 

Poopcimo ovo razmatranje na slucaj kad se moze pojaviti vise razlicitih moguc-
nosti.
Pretpostavimo da skup elementarnih dogadaja - mozemo rastaviti u n medusobno
-
disjunktnih dogadaja: -
= H1 H2 . . . Hn
pri cemu su dogadaji - Hi , Hj disjunktni su za i = j i vrijedi P(Hi ) > 0 za svaki i .
Ovakav rastav nazivamo particija vjerojatnostnog prostora. Kazemo jos da familija
-
H1 , . . . , Hn cini potpun sustav dogadaja.

H1 H2 Hn

A Sl. 2.5. Particija vjerojatnosnog prostora.

-
Skup razbijen je na medusobno disjun-
AH1 AH2 ktne skupove. Time je i svaki dogadaj - A
AH n -
razbijen na medusobno disjunktne doga-
-
daje
-
Neka je A bilo koji dogadaj. Familijom H1 , . . . , Hn i on je razbijen na
-
dogadaje:
A = AH1 AH2 AHn .
- AHi medusobno
Kako su dogadaji - disjunktni, vrijedi:
P (A) = P (AH1 ) + P (AH2 ) + . . . + P (AHn )
= P (H1 )P (A | H1 ) + . . . + P (Hn )P (A | Hn ).

Formula potpune vjerojatnosti

-
Neka je {H1 , . . . , Hn } potpun sustav dogadaja. - A
Za svaki dogadaj
vrijedi
n
P (A) = P (Hi )P (A | Hi ).
i=1
2.4. BAYESOVA FORMULA 73

-
Korisno je, zbog razloga koji ce kroz primjere i zadatke postati jasnim, dogadaje
H1 , . . . , Hn zvati hipotezama. Tijekom realizacije nekog pokusa ostvaruje se tocno
jedna hipoteza.
Primjer 2.10. U prvoj kutiji nalaze se tri bijele i dvije crne kuglice, a u drugoj c etiri
bijele i dvije crne. Odaberemo na srecu jednu kuglicu iz prve kutije i prebacimo je u
drugu. Kolika je vjerojatnost da ce kuglica nakon toga izvucena na srecu iz druge kutije
biti crna?
 Vjerojatnost izbora plave kuglice ovisi o tome koje je boje kuglica koja je
prebacena iz prve kutije u drugu. Postavimo sljedece hipoteze:
3
H1 = {prva kuglica je crvena}, P (H1 ) =
,
5
2
H2 = {prva kuglica je plava}, P (H2 ) = .
5
Oznacimo s A dogadaj - ciju vjerojatnost trazimo: kuglica izvucena iz druge kutije je
plava. Ako se ostvari prva hipoteza, tad se u drugoj kutiji nalazi pet crvenih i dvije
plave kuglice. Zato je
2
P (A | H1 ) = .
7
Ako se ostvari druga hipoteza, tad se u drugoj kutiji nalaze cetiri crvene i tri plave
kuglice. Zato je
3
P (A | H2 ) = .
7
Prema formuli potpune vjerojatnosti, vrijedi
3 2 2 3 12
P (A) = P (H1 )P (A | H1 ) + P (H2 )P (A | H2 ) = + = . 
5 7 5 7 35

2.4. Bayesova formula

Iz poznatih relacija
P (AB) = P (A)P (B | A) = P (B)P (A | B)
mozemo napisati
P (B)P (A | B)
P (B | A) = .
P (A)
Ovu formulu koristimo uglavnom onda kad je dogadaj - B jedna od hipoteza
H1 , . . . , Hn na koje je razbijen skup .
P (Hi )P (A | Hi )
P (Hi | A) = .
P (A)
Pritom se vjerojatnost P (A) racuna uglavnom pomocu formule potpune vjerojat-
nosti. Tako dobivamo Bayesovu 1 formulu.
1
Thomas Bayes (1702.1761.), engleski matematicar
74 2. UVJETNA VJEROJATNOST

Bayesova formula
Vrijedi
P (Hi )P (A | Hi )
P (Hi | A) = .

n
P (Hj )P (A | Hj )
j=1

Bayesovu formulu koristimo pri racunanju aposteriornih vjerojatnosti pojedinih

hipoteza. Prije pocetka pokusa svaka hipoteza ima svoju vjerojatnost realizacije P (Hi ) .
Nakon realizacije pokusa, ako znamo koji se elementarni dogadaj - ostvario, tad je nes-
tala neizvjesnost: ostvarila se samo jedna od mogucih hipoteza H1 , . . . , Hn , dok za sve
ostale znamo sa sigurnoscu da se nisu ostvarile.
-
Pretpostavimo medutim da nam nije poznato koji se elementarni dogadaj - ostvario,
-
vec umjesto toga znamo da se ostvario dogadaj A . U tom slucaju ne znamo
tocno koja je od hipoteza H1 , . . . , Hn nastupila, ali dodatna informacija o realizaciji
-
dogadaja A mijenja apriorne vjerojatnosti pojedinih hipoteza. Pomocu Bayesove
formule racunamo uvjetne vjerojatnosti P (H1 | A) ,. . . , P (Hn | A) , koje nazivamo
aposteriornim vjerojatnostima pojedinih hipoteza.

H1 H2 Hn

Sl. 2.6. Bayesova formula. Na slici je

interpretirana situacija kad su apriorne
vjerojatnosti svih hipoteza jednake. Na-
kon realizacije dogadaja- A (sivo pod-
A rucje) vjerojatnosti se pojedinih hipoteza
mijenjaju

Primjer 2.11. Bacamo kocku. Neka su H1 i H2 hipoteze

H1 = {pao je parni broj},
H2 = {pao je neparni broj}.
Prije bacanja kocke vjerojatnosti (apriorne) pojedinih hipoteza su
P (H1 ) = 12 , P (H2 ) = 12 .
-
Bacili smo kocku i netko nam je priopcio da se ostvario dogadaj
A = {pao je broj veci od 3}.
-
On sadrzi tri elementarna dogadaja, A = {4, 5, 6} . Ocigledno, sad hipoteza H1 postaje
- A sadrzi dva parna i samo jedan neparan broj.
vjerojatnija od H2 , buduci da dogadaj
Nove, aposteriorne vjerojatnosti su
1 2
P (H1 )P (A | H1 ) 2 3 2
P (H1 | A) = = 1
= ,
P (A) 2
3
1 1
P (H2 )P (A | H2 ) 2 3 1
P (H2 | A) = = 1
= .
P (A) 2
3
2.4. BAYESOVA FORMULA 75

-
Ako je pak poznato da se ostvario npr. dogadaj
B = {kocka je pala na broj 5},
tad nestaje svaka neizvjesnost. Naime, vrijedi
P (B | H1 ) = 0, P (B | H2 ) = 13 , P (B) = 1
6
i Bayesova formula daje ocekivani rezultat:
P (H1 | B) = 0,
1 1
2 3
P (H2 | B) = 1
= 1,
6
buduci da uz ovu informaciju sa sigurnoscu znamo da se ostvarila hipoteza H2 .

Primjer 2.12. U urni se nalaze tri kuglice. Znamo da je svaka od njih bijele ili
crne boje. Tocan broj kuglica pojedine boje nepoznat je i pretpostavljamo da je svaka
mogucnost jednako vjerojatna. Pretpostavimo cetiri hipoteze:
Hi = {u urni se nalazi i bijelih kuglica}, i = 0, 1, 2, 3.
Po pretpostavci je
P (H0 ) = P (H1 ) = P (H2 ) = P (H3 ) = 14 .

Izaberimo na srecu jednu kuglicu iz urne. Ispostavilo se da je ona bijele boje. Sto
se sada moze reci o vjerojatnostima pojedinih hipoteza? Hipoteza H0 postaje nemogu-
ca, dok se i vjerojatnosti ostalih hipoteza mijenjaju. Vidjet cemo da raste vjerojatnost
onih hipoteza koje zastupaju veci broj bijelih kuglica. Izracunajmo koliko. Vrijedi
P (A | H0 ) = 0, P (A | H1 ) = 13 ,
P (A | H2 ) = 23 , P (A | H3 ) = 1.
Prema formuli potpune vjerojatnosti,
1 1 1 1 2 1 1
P (A) = 0+ + + 1=
4 4 3 4 3 4 2
1
i Bayesova formula daje (provjerite!): P (H0 | A) = 0 , P (H1 | A) = 6 , P (H2 | A) =
1 1
3 , P (H3 | A) = 2 . 

Primjer 2.13. U prvoj urni nalaze se 2 bijele i 4 plave, a u drugoj 3 bijele i 2 plave
kuglice. Iz prve urne na srecu izabiremo dvije kuglice i prebacimo ih u drugu. Kolika
je vjerojatnost da potom izvucena kuglica iz druge urne bude bijela?

-
 Nazovimo trazeni dogadaj
A = {kuglica izvucena iz druge urne je bijela}.
76 2. UVJETNA VJEROJATNOST

Pri prebacivanju dviju kuglica u drugu urnu postoje tri mogucnosti:

4 3
H0 = {niti jedna kuglica nije bijela}, P (H0 ) = ,
6 5
2 4
H1 = {jedna kuglica je bijela}, P (H1 ) = 2,
6 5
2 1
H2 = {obje kuglice su bijele}, P (H0 ) = .
6 5
Vrijedi
3 4 5
P (A|H0 ) = , P (A|H1 ) = , P (A|H2 ) = .
7 7 7
Po formuli potpune vjerojatnosti dobivamo

2
3 12 4 16 5 2 11
P (A) = P (Hi )P (A|Hi ) = + + = . 
7 30 7 30 7 30 21
i=0

Primjer 2.14. Neki izvor emitira poruke koje se sastoje od znakova 0 i 1 . Vjero-
jatnost emitiranja znaka 1 je 0.6 , vjerojatnost emitiranja znaka 0 je 0.4 . Na izlazu iz
kanala 10 % znakova se pogresno interpretira. Ako je primljena poruka 101, kolika je
vjerojatnost da je ona i poslana?
-
 Oznacimo dogadaje
A = {primljen je znak 0},
B = {primljen je znak 1},
H0 = {poslan je znak 0},
H1 = {poslan je znak 1},
D = {poslana je poruka 101, ako je primljena poruka 101}.
Vrijedi
P (H0 ) = 0.4, P (H1 ) = 0.6,
P (A) = P (H0 )P (A|H0 ) + P (H1 )P (A|H1 ) = 0.4 0.9 + 0.6 0.1 = 0.42,
P (B) = 1 P (A) = 0.58.
Izracunajmo sada vjerojatnosti da su pojedini znakovi bili pravilno primljeni.
P (H0 )P (A|H0 ) 0.36
P (H0 |A) = = = 0.857,
P (A) 0.42
P (H1 )P (B|H1 ) 0.54
P (H1 |B) = = = 0.931.
P (B) 0.58
- zato je
Prijemovi pojedinih znakova su nezavisni dogadaji,
P (D) = P (H1 |B)P (H0 |A)P (H1 |B)
= 0.931 0.857 0.931 = 0.743. 
2.5. RIJE SENI
ZADATCI 77

2.5. Rijeseni zadatci

Zadatak 2.1. Promotrimo sljedeci algoritam biranja prirodnog broja: zadano je 11

simbola: znamenke 0, 1, . . . , 9 i znak . U prvom biranju uzimamo na srecu jednu
znamenku medu - 1, 2, . . . , 9 . U sljedecim biranjima uzimamo na srecu bilo koji medu
-
11 simbola. Postupak se prekida ako se izabere znak . Tako npr. niz 1, 2, 0, 8,
-
oznacava broj 1208. Izracunaj vjerojatnost sljedecih dogadaja:
1) izabran je zadani n -teroznamenkasti broj,
2) izabrani broj ne sadrzi u svom prikazu znamenku 0 ,
3) izabrani broj ne sadrzi u svom prikazu znamenku 1 ,
4) algoritam se nikada nece zavrsiti.
 1) Neka je x = a1 a2 . . . an zadani broj. Izbor svake znamenke nezavisan je od
izbora prethodnih znamenki. Zato je
 n
1 1
P (x) = P (a1 )P (a2 ) P (an )P () = .
9 11
2) Neka je x izabrani broj. On mora imati oblik x = a1 a2 an , pri cemu je n
bilo koji i ai = 0, .

P (x) = P (a1 )P (a2 ) P (an )P ()
n=1

  n1
9 1 1 11
= 1 = = .
11 11 11 9 2
n=1 1
11
3) Slicno kao i u (2), vrijedi x = a1 a2 . . . an , pri cemu je n bilo koji, ai = 1, .

P (x) = P (a1 )P (a2 ) P (an )P ()
n=1
  n1
8 9 1 8 1 4
= = = .
9 11 11 99 9 9
n=1 1
11
4)
A = {algoritam se nikad nece zavrsiti} = {znak se nece pojaviti}



= { se nece pojaviti u prvih n biranja} = An .
n=2 n=2
Vrijedi
 n1
10
A2 A3 . . . , P (An ) = .
11
Zato je
P (A) = lim P (An ) = 0. 
n
78 2. UVJETNA VJEROJATNOST

Zadatak 2.2. Kutija ima tri jednake pregrade. U prvoj se nalaze 4 bijele i 5 plavih
kuglica, u drugoj 3 bijele i 6 plavih, u trecoj 5 crvenih i 8 plavih kuglica. Kolika je
vjerojatnost da cemo vadeci dvije kuglice iz na srecu odabrane pregrade izvuci dvije
plave?

- i hipoteze:
 Oznacimo dogadaj
A = {izvukli smo dvije plave kuglice},
Hi = {kuglice su izvucene iz ite pregrade}, i = 1, 2, 3.
1
Pregrada se odabire na srecu, zato je P (Hi ) = 3 , za svaki i .
5 4 6 5 8 7
P (A|H1 ) = , P (A|H2 ) = , P (A|H3 ) = .
9 8 9 8 13 12
Po formuli potpune vjerojatnosti
 1 5 14 
3
5
P (A) = P (Hi )P (A|Hi ) = + + = 0,351.
3 18 12 39
i=1

- iz tri topa. Topovi pogadaju

Zadatak 2.3. Cilj se gada - cilj neovisno jedan od dru-
gog s vjerojatnoscu 0.4 . Ako jedan top pogodi cilj, on ga unistava s vjerojatnoscu 0.3 ,
a ako ga pogode dva topa, onda s vjerojatnoscu 0.7 , a ako ga pogode sva tri topa, onda
- vjerojatnost unistenja cilja.
s vjerojatnoscu 0.9 . Nadi

- i hipoteze:
 Oznacimo dogadaj
A = {cilj je unisten},
Hi = {i topova je pogodilo cilj}, i = 1, 2, 3.
Tada je
 6 3 27
P (H0 ) = = , P (A|H0 ) = 0,
10 125
4 6 6 3 54
P (H1 ) = = , P (A|H1 ) = 0.3,
10 10 10 1 125
4 4 6   36
3
P (H2 ) = = , P (A|H2 ) = 0.7,
10 10 10 2 125
 4 3 8
P (H3 ) = = , P (A|H3 ) = 0.9.
10 125
Odavde slijedi

3
243
P (A) = P (Hi )P (A|Hi ) = = 0.389.
625
i=0
2.5. RIJE SENI
ZADATCI 79

Zadatak 2.4. Na ispitu je zadano 10 pitanja. Student prolazi ako tocno odgovori
na dva proizvoljno odabrana pitanja, ili, ako tocno odgovori na jedno od njih i zatim
odgovori i na trece postavljeno pitanje.
Na koliko pitanja student treba znati odgovor da bi s vjerojatnoscu 0.8 prosao na
ispitu?
 Neka je n broj pitanja na koja student zna odgovoriti. Postavimo sljedece
hipoteze:
H1 = {student je odgovorio na prva dva pitanja},
H2 = {student je odgovorio na jedno pitanje},
H3 = {student nije odgovorio niti na jedno pitanje},
-
i oznacimo dogadaj
A = {student je polozio ispit}.
Tada imamo
n n1
P (H1 ) = , P (A|H1 ) = 1,
10 9
n 10 n 10 n n n1
P (H2 ) = + , P (A|H2 ) = ,
10 9 10 9 8
10 n 9 n
P (H3 ) = , P (A|H3 ) = 0,
10 9
n(n 1) n 1 2n(10 n) n(n 1)(14 n)
P (A) = 1 + = = f (n).
90 8 90 360
Vrijedi f (5) = 0.50 , f (6) = 0.67 , f (7) = 0.82 , f (8) = 0.93 , f (9) = 1 ,
f (10) = 1 . Student mora znati odgovoriti na barem 7 pitanja. Primijetimo da je
f (11) = 0.92 , s to dokazuje da nije uvijek korisno previse znati.
Zadatak 2.5. Izmedu- brojeva 1, 2, . . . , n biramo dva broja. Kolika je vjerojatnost
da razlika prvog i drugog broja bude barem m ( 0 < m < n ).
 Neka je x1 prvi a x2 drugi izabrani broj. Oznacimo
1
Hk = {x1 = k}, k = 1, 2, . . . , n. P (Hk ) = ,
n
A = {x1 x2  m}.
Tada je
P (A|Hk ) = 0, za k = 1, 2, . . . , m,
km
P (A|Hk ) = , za k = m + 1, . . . , n,
n1
i zato

n
km 1 1
P (A) = = [1 + 2 + . . . + (n m)]
n1 n n(n 1)
k=m+1
(n m)(n m + 1)
= .
2n(n 1)
80 2. UVJETNA VJEROJATNOST

- A glasi
Tako na primjer, za m = 1 dogadaj
A = {prvi broj je veci od drugog}
1
i vrijedi P (A) = 2 .

- istu metu (recimo, pticu u letu), svaki ispalivsi

Zadatak 2.6. Dva strijelca gadaju
po jedan hitac. Vjerojatnost pogotka za prvog strijelca je 0.8 , a za drugog 0.4 . Poslije
-
gadanja -
ustanovljeno je da je meta pogodena jednim metkom. Odredi vjerojatnost da
ju je pogodio prvi strijelac.

-
 Prvo rjesenje. Oznacimo dogadaj:
-
A = {meta je pogodena jednim metkom}
i moguce hipoteze
H0 = {niti jedan strijelac nije pogodio},
H1 = {pogodio je samo prvi strijelac},
H2 = {pogodio je samo drugi strijelac},
H3 = {pogodila su oba strijelca}.
Vrijedi
P (H0 ) = 0.2 0.6 = 0.12, P (A|H0 ) = 0,
P (H1 ) = 0.8 0.6 = 0.48, P (A|H0 ) = 1,
P (H2 ) = 0.2 0.4 = 0.08, P (A|H0 ) = 1,
P (H3 ) = 0.8 0.4 = 0.32, P (A|H0 ) = 0
i zato dobivamo P (A) = 0.48 + 0.08 = 0.56 . Po Bayesovoj formuli vjerojatnost da
-
je prvi strijelac pogodio metu (nakon s to znamo da je ona pogodena samo s jednim
metkom) iznosi
P (H1 )P (A|H1 ) 0.48
P (H1 |A) = = = 0.857.
P (A) 0.56
Drugo rjesenje. Umjesto hipoteza H0 , H1 , H2 , H3 koje sacinjavaju potpun sistem
-
dogadaja, -
istaknimo dva dogadaja:
D1 = {prvi strijelac je pogodio metu}, P (D1 ) = 0.8,
D2 = {drugi strijelac je pogodio metu}, P (D2 ) = 0.4.
- D1 i D2 se ne iskljucuju medusobno.
Dogadaji - Sada racunamo
P (A) = P (D1 D2 + D1 D2 ) = P (D1 )[1 P (D2 )] + [1 P (D1 )]P (D2 )
= 0.8 0.6 + 0.4 0.2 = 0.56
i dobivamo kao i prije P (D1 |A) = 0.857 . Prema tome, losijem strijelcu pripada samo
jedan batak.
2.5. RIJE SENI
ZADATCI 81

Zadatak 2.7. Cetiri -
strijelca gadaju u metu. Vjerojatnosti pogotka za pojedine
strijelce iznose redom 0.6 , 0.7 , 0.8 , 0.9 . Izracunaj vjerojatnost da barem tri strijelca
pogode metu. Ako je meta pogodena - s tri hica, izracunaj vjerojatnost da su pogodili
prvi i drugi strijelac.

-
 Oznacimo dogadaje
Bi = {i-ti strijelac je pogodio metu}, i = 1, 2, 3, 4,
B = {meta je pogodena - s barem tri hica}.
Tada je
. . . .
B = B1 B2 B3 B4 + B1 B2 B3 B4 + B1 B2 B3 B4 + B1 B2 B3 B4 + B1 B2 B3 B4
i kako su Bi nezavisni, to lako dobivamo P (B) = 0.743 . Neka je
-
A = {meta je pogodena s tocno tri hica}.
Postavimo sljedece hipoteze:

H1 = B1 B2 , P (H1 ) = 0.42, P (A|H1 ) = 0.8 0.1 + 0.2 0.9 = 0.26,

H2 = B1 B2 , P (H2 ) = 0.18, P (A|H2 ) = 0.8 0.9 = 0.72,
H3 = B1 B2 , P (H3 ) = 0.28, P (A|H3 ) = 0.8 0.9 = 0.72,
H4 = B1 B2 , P (H4 ) = 0.12, P (A|H4 ) = 0.
Po formuli potpune vjerojatnosti je

4
P (A) = P (Hi )P (A|Hi ) = 0.440,
i=1
P (H1 )P (A|H1 )
P (H1 |A) = = 0.248.
P (A)

Zadatak 2.8. Iz urne u kojoj se nalazi n kuglica izvlacimo na srecu jednu kuglicu.
Kolika je vjerojatnost da ce ta kuglica biti bijela, ako su sve pretpostavke o prethodnom
broju bijelih kuglica jednako vjerojatne? Nakon s to je izvucena bijela kuglica, kolika
je vjerojatnost da su sve kuglice u urni bijele?

 Prirodno je postaviti sljedece hipoteze:

Hi = {u urni se nalazi i bijelih kuglica}, i = 0, 1, . . . , n.
1 - P (A|Hi ) = i , gdje je
Po pretpostavci je P (Hi ) = . Takoder,
n+1 n
A = {izvucena je bijela kuglica}.
82 2. UVJETNA VJEROJATNOST

Po formuli potpune vjerojatnosti i Bayesovoj formuli dobivamo

n 
n
1 i
P (A) = P (Hi )P (A|Hi ) =
n+1 n
i=0 i=0
1 1
= (1 + 2 + . . . + n) = ,
n(n + 1) 2
1 n
2
= n+1 n
P (Hn )P (A|Hn )
P (Hn |A) = = .
P (A) 1 n+1
2

Zadatak 2.9. U jednom su skladistu svi proizvodi ispravni, a u drugom ima 25 %

s karta. Odabran je na srecu dobar proizvod iz nekog skladista. Izracunaj vjerojatnost
da je drugi proizvod izvucen iz istog skladista s kart.
-
 Oznacimo dogadaje
H1 = {proizvod je izvucen iz prvog skladista}, P (H1 ) = 0.5,
H2 = {proizvod je izvucen iz drugog skladista}, P (H2 ) = 0.5,
A = {prvoizvuceni proizvod je dobar}.
P (A) = P (H1 )P (A|H1 ) + P (H2 )P (A|H2 ) = 0.5 1 + 0.5 0.75 = 0.875.
Nakon s to je izvucen ispravan proizvod, vjerojatnosti hipoteza se mijenjaju. Aposteri-
orne vjerojatnosti hipoteza su
P (H1 )P (A|H1 ) 0.5 1
P (H1 |A) = = = 0.571,
P (A) 0.875
P (H2 |A) = 1 P (H1 |A) = 0.429.
Postavimo sada nove hipoteze
H1 = H1 |A = {dobar proizvod je izvucen iz prvog skladista},
H2 = H2 |A = {dobar proizvod je izvucen iz drugog skladista}.
-
Oznacimo sa B dogadaj
B = {drugoizvuceni proizvod je s kart}.
Pretpostavljamo da je broj proizvoda velik, tako da se postotak nije promijenio ako smo
prvi proizvod izvukli iz, recimo, drugog skladista. Tako imamo
P (B) = P (H1 )P (B|H1 ) + P (H2 )P (B|H2 )
= 0.571 0 + 0.429 0.25 = 0.107.
2. ZADATCI ZA VJE ZBU
83

2. Zadatci za vjezbu

- A i B su disjunktni. Mogu li oni biti

1. Dogadaji 12. Strijelac gada - metu dok je ne pogodi. Vjerojat-
nezavisni? nost pogotka u svakom gadanju - je 0.6. Izracunajte
-
vjerojatnost sljedecih dogadaja:
2. Neka su A i B nezavisni i A B . Pokazi da je -
P (A) = 0 ili P (B) = 1 . A. meta je pogodena u trecem pookusaju;
B. meta je pogodena - u prva tri pokusaja;
- A , B , C nezavisni, pokazi da
3. Ako su dogadaji C. meta je pogodena - nakon petog pokusaja.
- A i B + C takoder
su i dogadaji - nezavisni. -
13. Bacene su dvije kocke. Oznacimo dogadaje:
4. Ako je P (A) > 0 i P (B|A) = P (B|A) , pokazi A = pojavila se barem jedna jedinica,
da su A i B nezavisni. B = pojavila su se dva razlicita broja.
1) Izracunajte P (A) , P (B) , P (A|B) . 2) Jesu li
5. Dokazi da jednakost - A i B nezavisni?
dogadaji
P (A) = P (A | B) + P (A | B) 14. Izmedu - brojeva 1 , 2 , 3 , 4 , 5 odabire se na
- vri- srecu jedan broj, a od preostalih se ponovno odabire
gdje B nije niti siguran, niti nemoguc dogadaj, na srecu jos jedan broj. Kolika je vjerojatnost da je
-
jedi jedino u slucaju kada je A nemoguc dogadaj. drugi broj paran?
-
6. Ako su A i B slucajni dogadaji s vjerojatnostima 15. U skupini od deset strijelaca nalaze se cetiri od-
P (A) = a , P (B) = b , dokazi da vrijedi licna i s est dobrih. Vjerojatnost pogotka za odlicne
a+b1 strijelce je 0.9 , za dobre 0.7 . Iz skupine na srecu
P (A|B)  . izaberimo jednog strijelca. Kolika je vjerojatnost da
b
ce on pogoditi metu?
7. Dokazi da vrijedi: 16. U prvoj se urni nalaze dvije bijele i tri crne ku-
a) P (A + B|C) = P (A|C) + P (B|C) P (AB|C) . glice, u drugoj jedna bijela i cetiri crne. Iz prve urne
b) P (A | B) = P (A) = P (B | A) = P (B) . prebacimo u drugu dvije na srecu odabrane kuglice.
c) Ako su A1 , . . . , An u cjelini nezavisni, tada vri- Izracunajte vjerojatnost da ce nakon toga na srecu
jedi odabrana kuglica iz druge urne biti bijela.
P (A1 + . . . + An ) = 17. U dvije od tri jednake pregrade nalaze se dvije
crne i dvije bijele kuglice, a u trecoj pet bijelih i
= 1 (1 P (A1 )) (1 P (An )). jedna crna. Iz na srecu odabrane pregrade izvucena
je bijela kuglica. Kolika je vjerojatnost da je ona
8. Tocka T(x, y) bira se na srecu unutar kvadra- izvucena iz trece pregrade?
ta {0  x, y  1} . Neka je A = {x  12 } , 18. U kutiji se nalazi 1000 kockica, od kojih su sve
B = {y  12 } , C = {(x 12 )(y 12 ) < 0} . Pokazi ispravne osim jedne koja na svim stranama ima broj
- A , B , C u parovima nezavisni, no
da su dogadaji 6. Izvucena je na srecu jedna kockica i bacena cetiri
nisu nezavisni u cjelosti. puta: sva cetiri puta pala je na broj 6. Kolika je
vjerojatnost da je to neispravna kockica?
9. Tocka T(x, y) bira se na srecu unutar kvadrata
{0  x, y  1} . Za kakvu vrijednost od r su do-
- A = {|x y|  r} , B = {x + y  3r}
gadaji
nezavisni? 19. Bacamo dvije kocke. Neka su X i Y brojevi
-
na njima. Oznacimo dogadaje
A = X je djeljiv s 2,
B = X je djeljiv s 3,
10. Ispravan novcic baca se deset puta. Kolika je C = X je djeljiv s 2, Y s 3,
vjerojatnost da ce svih deset puta pasti pismo, ako D = X je djeljiv s 3, Y s 2,
je poznato da je pismo palo devet puta? E = X + Y je djeljiv s 2,
F = X + Y je djeljiv s 3.
11. Istovremeno se bacaju novcic i kocka. Kolika -
Odredi sve parove medusobno -
nezavisnih dogadaja.
-
je vjerojatnost dogadaja A = { pojavili su se grb
i s estica } , B = { pojavili su se grb ili s estica } , 20. Pokus se sastoji u bacanju dviju kocaka. Pro-
-
matraju se dogadaji:
C = { na kocki se pojavio broj veci od 4 } ?
A = pojavila se bar jedna s estica,
84
B = pojavila se bar jedna dvojka,
C = pojavio se jedan paran i jedan neparan broj.
Odredi uvjetnu vjerojatnost P (B|C) . Ispitaj jesu li
dogadaji- A i B nezavisni.
21. Bacene su tri kocke. Oznacimo dogadaje: -
A = pojavila se barem jedna jedinica,
B = pojavila se tocno jedna s estica,
C = pojavila su se tri razlicita broja.
Izracunaj P (A) , P (C) , P (A|C) . Jesu li dogadaji -
B i C nezavisni?
22. Baca se 8 kocaka. Promatramo dogadaje -
A = 4 kocke su pale na broj 3 a 4 kocke na isti
broj,
B = Zbroj brojeva na svim kockama je paran
broj.
- -
Jesu li A i B medusobno zavisni ili nezavisni i
zasto?
23. Bacamo tri igrace kocke. Izracunaj vjerojatnost
dogadaja-
A = pala su tri razlicita broja,
B = pala je barem jedna s estica.
Izracunaj zatim uvjetne vjerojatnosti P (A|B) i P (B|A) .gada. - Poredak strijelaca odreduje
24. Bacamo odjednom 6 kocaka. Oznacimo doga-
-
daje
A = pale su 2 jedinice i 2 dvojke,
B = svi su brojevi manji od 4 ,
C = zbroj brojeva na svim kockama je manji od
9.
Izracunaj P(A) , P(B) , P(C) , P(B|A) .
25. Bacamo odjednom cetiri kocke. Oznacimo do-
-
gadaje
A = pale su dvije jedinice i jedna dvojka,
B = svi brojevi su manji od 4,
C = zbroj brojeva na svim kockama je veci od
6.
Izracunaj P (A) , P (B) , P (C) , P (C|B) .
26. U urni se nalaze 4 plave, 5 bijelih i 6 crnih
kuglica. Na srecu odabiremo 3 kuglice. Oznacimo
dogadaje-
A = sve tri kuglice su razlicitih boja,
B = prva kuglica je bijela,
C = prve dvije kuglice su razlicitih boja.
Izracunaj P (A) , P (A|B) , P (A|C) . Jesu li doga-
-
daji A i B nezavisni?
27. Brojevi 1, 2, . . . , n napisani su u slucajnom po-
retku. Izracunaj vjerojatnost da se znamenka 2 po-
javi neposredno nakon znamenke 1.
28. Izmedu - brojeva 1, 2, 3, 4, 5 odabire se na srecu to 2 asa?
jedan broj, a od preostalih se ponovo odabire na sre-
cu jos jedan broj. Kolika je vjerojatnost da je drugi
broj paran?
29. Baca se 6 kocaka, od kojih su 4 obojene bijelo,
a 2 z uto. Izracunaj vjerojatnost da broj okrenutih
z utih s estica bude veci od broja bijelih.
2. UVJETNA VJEROJATNOST
30. U novcaniku je bilo 10 kovanica, 6 od jednog
i 4 od dva dinara. Na srecu smo izvadili dvije, a
zatim jos dvije kovanice. Kolika je vjerojatnost da
su sume u oba izvlacenja jednake?
31. U jednom je drustvu organizirana lutrija sa sa-
mo jednim dobitkom. Svaka osoba izvlaci po jednu
kuglicu iz urne, dok se ne izvuce ona dobitna. Ko-
ja osoba ima vecu vjerojatnost dobitka: ona koja
izvlaci kuglicu prva, ili pak ona koja je posljednja,
n -ta po redu?
32. U igri Craps igrac baca dvije kocke, pobjeduje -
ako se pojavi zbroj 7 ili 11, a gubi ako je zbroj 2,
3 ili 12. U ostalim slucajevima, bacanje se nastav-
lja sve dok igrac ne ponovi svoj prvobitni broj kada
pobjeduje, ili pak dok se ne pojavi zbroj 7 u kojem
slu caju on gubi. Kolika je vjerojatnost dobitka za
igraca?
33. Dvoboj u troje. Tri (nesretno zaljubljena) stri-
jelca sudjeluju u troboju. Prvi pogada - s vjerojatnos-
c u 0.5 , drugi s vjerojatnosc u 0.8 , a treci uvijek po-
- se kockom. Prvo-
odabrani strijelac moze gadati - bilo kojeg protivnika.
Potom dolazi na red drugo-odabrani (ukoliko je z iv)
i tako dalje. Pobjeduje - onaj koji prezivi.
Koji strijelac ima najvecu s ansu da prezivi? Ko-
ju strategiju treba izabrati?
34. Igrac baca jednu kocku i potom u drugom baca-
nju onoliko kocaka koliki je rezultat prvog bacanja.
Kolika je vjerojatnost da se u oba bacanja zajedno
pojavi tocno jedna petica?
35. Bacamo pet novcica. Nakon prvog bacanja sve
novcice koji pokazuju grb bacamo ponovo. Kolika
je vjerojatnost da cemo nakon drugog bacanja dobiti
(ukupno) barem tri pisma?
36. Bacaju se 4 kocke od kojih su dvije obojene
bijelo, a dvije crveno. Nakon izvrsenog bacanja
bacaju se ponovo one bijele kocke koje pokazuju
paran broj i one crvene kocke koje pokazuju broj 6.
Kolika je vjerojatnost da ce nakon izvrsenog drugog
bacanja sve cetiri kocke pokazivati broj 5?
37. U snopovima A i B nalaze se po 32 igrace kar-
te sa po 4 asa. Izvucemo 2 karte iz snopa A i jednu
kartu iz snopa B , zatim izvucene 3 karte izmijesa-
mo i otkrijemo 2 karte. Kolika je vjerojatnost da su
38. Na raspolaganju imamo dva snopa karata od po
52 karte, pri cemu svaki snop sadrzi cetiri asa. Izvu-
c emo na srecu po dvije karte iz svakog snopa, zatim
izvucene cetiri karte izmijesamo i otkrijemo dvije.
Kolika je vjerojatnost da su to dva asa?
2. ZADATCI ZA VJE ZBU
39. U dva snopa karata nalaze se po 52 karte sa po
4 asa. Izvucemo na srecu po jednu kartu iz svakog
snopa, zatim izvucene karte pomijesamo i otkrijemo
jednu. Kolika je vjerojatnost da ta karta nije as?
40. U dva snopa karata nalaze se po 52 karte, sa po
4 asa. Iz jednog snopa izvucemo jednu kartu, a iz
drugog dvije. Zatim tri izvucene karte promijesamo
i otkrijemo jednu. Kolika je vjerojatnost da je ta
karta as?
41. U kutiji A ima m1 bijelih i n1 crnih kuglica,
a u kutiji B m2 bijelih i n2 crnih kuglica. Iz svake
kutije odabere se na srecu jedna kuglica, a zatim se
od te dvije kuglice odabere na srecu jedna. Kolika
je vjerojatnost da je ta kuglica bijela?
42. U prvoj pregradi nalaze se 2 bijele i 3 crne ku-
glice, a u drugoj 1 bijela i 4 crne. Iz prve pregrade
prebacimo u drugu dvije na srecu odabrane kugli-
ce. Izracunaj vjerojatnost da nakon toga na srecu
izvucena kuglica iz druge pregrade bude bijela.
43. U grupi od 10 strijelaca nalaze se 4 odlicna i
6 dobrih. Vjerojatnost pogotka za odlicne strijelce
je 0.9 , za dobre 0.7 . Iz grupe na srecu odabiremo
- u metu jedanput. Kolika je
dva strijelca, koji gadaju
vjerojatnost da ce oba strijelca pogoditi metu?
- bijele i 1 crnu kuglicu. Na srecu izvucena kuglica iz
44. Gadanje se vrsi tako da svaki od 2 tenka oda-
bire jedan od 3 razlicita cilja i ispaljuje 1 metak
prema tom cilju. Ako je poznato da svaki od tenko-
va pogada - cilj s vjerojatnoscu p , nadi- vjerojatnost
- - tocno jedan cilj i to s
da je nakon gadanja pogoden
barem jednim metkom.
-
45. Gadanje se vrsi tako da svaki od 2 tenka na srecu
odabire jedan od 2 razlicita cilja i ispaljuje 2 metka
prema njemu. Ako je poznato da prvi tenk poga-
- s vjerojatnoscu p1 , a drugi tenk s vjerojatnoscu
da
- B = izvucena je bijela kuglica, ako je poznato da je
p2 , naci vjerojatnost da je nakon izvrsenog gadanja
pogoden- tocno jedan cilj, i to s barem 2 metka!
46. U grupi od 8 strijelaca nalaze se 3 odlicna i 5
dobrih. Vjerojatnost pogotka za odlicne strijelce je
0.9 , za dobre 0.6 . Dva na srecu odabrana strijelca
- u metu jedanput. Kolika je vjerojatnost da
gadaju
- jednu kuglicu i prebacimo ju u drugu, zatim iz druge
ce meta biti pogodena (s barem jednim metkom)?
kutije biti bijela?
47. U urni se nalaze bijela i crvena kuglica. Izvlaci
se po jedna kuglica, sve dok se ne pojavi crvena.
Ako se izvuce bijela kuglica, u urnu se vraca ta i
dodaje se jos jedna bijela kuglica. Kolika je vjero-
jatnost da u prvih n izvlacenja crvena kuglica nece
biti izvucena?
48. U prvoj urni se nalaze 2 bijele i 3 crne kuglice,
u drugoj 1 bijela i 4 crne. Iz prve urne prebacimo u
drugu dvije na srecu odabrane uglice. Izracunaj vje-
rojatnost da nakon toga na srecu odabrana kuglica
iz druge urne bude bijela.
85
49. U kutiji A ima m1 bijelih i n1 crnih, a u kutiji
B m2 bijelih i n2 crnih kuglica. Iz kutije A izva-
dimo na srecu 2 kuglice i prebacimo ih u kutiju B .
Zatim ponovimo postupak tako da iz kutije B na
srecu izvucemo dvije kuglice i vratimo ih u kutiju
A . Kolika je vjerojatnost da ce u kutiji A ponovo
biti m1 bijelih i n1 crnih kuglica?
50. U kutiji A ima m1 bijelih i n1 crnih kuglica,
a u kutiji B m2 bijelih i n2 crnih kuglica. Iz svake
kutije odabere se na srecu jedna kuglica, a zatim se
od te dvije kuglice odabere na srecu jedna i vrati
u kutiju A . Kolika je vjerojatnost da nakon toga u
kutiji A bude ponovo m1 bijelih i n1 crnih kuglica?
51. U kutiji A su 3 bijele i 2 crne kuglice, u kutiji
B 1 bijela i 3 crne, te u kutiji C 5 bijelih i 4 crne
kuglice. Iz kutije A prebacimo na srecu izvucenu
kuglicu u kutiju B , zatim iz B prebacimo jednu
kuglicu u C te na kraju jednu kuglicu prebacimo iz
C u A . Ako je poznato da je broj bijelih i crnih ku-
glica u svim kutijama ostao nepromijenjen, kolika
je vjerojatnost da smo iz kutije B prebacili u kutiju
C kuglicu crne boje?
52. Kutija A sadrzi 2 bijele i 3 crne kuglice, B 1
bijelu i 3 crne, C 2 bijele i 1 crnu, te kutija D 3
A prebacuje se u B , zatim se na srecu izvlaci jedna
kuglica iz B i prebacuje u C i na koncu na srecu
izabrana kuglica iz C ulazi u kutiju D . Ako je
poznato da je iz D na srecu izvucena bijela kuglica,
Izracunaj vjerojatnost da je kuglica prebacena iz B
u C bila crna.
53. Urna sadrzi m bijelih i n m crnih kuglica.
-
Izracunaj vjerojatnost dogadaja
A = izvucena je bijela kuglica;
jedna kuglica (nepoznate boje) izgubljena;
C = izvucena je bijela kuglica, ako je izgubljeno k
kuglica, nepoznatih boja.
54. U svakoj od n kutija nalazi se po m bijelih i
k crnih kuglica. Iz prve kutije izaberemo na srecu
kutije prebacimo jednu kuglicu u trecu, itd. Kolika
je vjerojatnost da ce kuglica izvucena iz posljednje
55. U svakoj od n kutija nalazi se po jedna bijela
i jedna crna kuglica. Iz prve kutije na srecu izabe-
remo jednu kuglicu i prebacimo je u drugu, zatim
iz druge prebacimo jednu kuglicu u trecu itd. a)
Kolika je vjerojatnost da je kuglica izvucena iz pos-
ljednje kutije bijela? b) Kolika je vjerojatnost da je
crna kuglica izvucena samo jednom?
56. U kutiji A imamo 2 bijele i 5 crnih kuglica,
u kutiji B 2 bijele i 4 crne kuglice te u kutiji C
2 bijele i 2 crne. Na srecu odaberemo 2 kuglice
iz kutije C i prebacimo ih u kutiju A a preostale 2
kuglice iz C prebacimo u kutiju B . Ako nakon to-
86
ga izvucemo na srecu po jednu kuglicu iz kutija A i
B , kolika je vjerojatnost da su te kuglice istobojne?
57. U kutiji I nalaze se 3 bijele i 4 crne kuglice, u
kutiji II 2 bijele i 3 crne, te u kutiji III 1 bijela i 2
crne kuglice. Iz I kutije prebacimo na srecu jednu
kuglicu u II, zatim jednu na srecu iz II u III, te ko-
nacno jednu iz III u I. Kolika je vjerojatnost da je
distribucija kuglica u kutiji I ostala nepromijenjena?
58. U kutiji se nalazi n kuglica, oznacenih brojevi-
ma od 1 do n . Izvlacimo prvu kuglicu i vracamo
je nazad, osim ako se na njoj nalazi broj 1 . Potom
izvlacimo drugu kuglicu. Kolika je vjerojatnost da
cemo u prvom ili drugom izvlacenju izvuci kuglicu
oznacenu brojem 2 ?
59. Kocka je bacena tri puta. Neka je X zbroj bro-
je vjerojatnije, X = 12
jeva u svim bacanjima. Sto
ili X = 11 ? Ako je realiziran dogadaj - X = 12 ,
kolika je vjerojatnost da se pojavila barem jedna
s estica?
60. Bacene su dvije kocke. Kolika je vjerojatnost
da se pojavio broj 6 ako je poznato da je zbroj zna-
menaka jednak 8 ?
61. Dva igraca su bacila kocku i prvi je igrac dobio
veci broj od drugog igraca. Kolika je vjerojatnost
da je taj broj jednak 6?
62. Poznato je da se pri bacanju deset igracih koca-
ka pojavila barem jedna jedinica. Kolika je vjero-
jatnost da su se pojavile dvije ili vise jedinica?
63. Na fakultetu je upisano n studenata od kojih
nk studira ktu godinu ( k = 1, 2, 3, 4 ). Na srecu
su odabrana dva studenta i pokazalo se da je prvi
slusac vise godine. Kolika je vjerojatnost da je to
cetvrta godina?
64. Tri igraca su bacila po jednu kocku. Poznato je
da je prvi dobio najveci broj. Kolika je vjerojatnost
da je taj broj veci od 4?
65. Bacene su cetiri kocke. Kolika je vjerojatnost
da je pala barem jedna s estica, ako je poznato da su
pala tocno 2 jednaka broja?
66. Bacene su tri kocke, crvena, bijela i plava. Zbroj
okrenutih brojeva je 13. Kolika je vjerojatnost da je
bijela kocka pala na broj 4?
67. Iz skupa {1, 2, . . . , n} biramo na srecu tri broja
x1 , x2 , x3 . Ako je poznato da vrijedi x1 < x2 ,
kolika je vjerojatnost dogadaja- x1 < x3 < x2 ?
68. U devet od deset jednakih pregrada nalaze se 2
crne i 2 bijele kuglice, a u desetoj 5 bijelih i 1 crna.
Iz na srecu odabrane pregrade izvucena je bijela ku-
glica. Kolika je vjerojatnost da je ona izvucena iz
desete pregrade?
2. UVJETNA VJEROJATNOST
69. Cetiri -
strijelca gadaju u istu metu. Vjerojat-
nosti njihovih pogodaka su redom 0.4 , 0.6 , 0.7 ,
0.8 . Kolika je vjerojatnost da ce meta biti pogode- -
-
na? Ako je pogodena s tocno tri metka, kolika je
vjerojatnost da je promasio cetvrti strijelac?
70. Strijelci A, B, C, D gadaju - metu sa po jednim
metkom. Vjerojatnost pogotka za A je 60%, za B
70%, za C 80%, a za D 90%. Ako je meta pogodena -
sa 2 pogotka, kolika je vjerojatnost da su te pogotke
ostvarili strijelci A i B?
71. Vjerojatnosti pogotka u metu za svakog od ce-
tiri strijelca su redom 0,8 , 0,7 , 0,6 , 0,5 . Ako je
meta pogodena- sa dva metka, kolika je vjerojatnost
da prvi strijelac nije pogodio?
72. Baterija ima 4 topa. Vjerojatnost pogotka pr-
vog topa je 30 %, a ostalih triju topova 20 %. Za
unistenje cilja dovoljan je jedan pogodak. Jedan
-
od topova izvrsio je 2 gadanja i cilj je bio unisten.
Nadi- vjerojatnost da je gadao
- prvi top.
73. Iz urne koja sadrzi m bijelih i n crnih kuglica
izvucene su dvije kuglice. Pokazalo se je da je prva
kuglica bijela. Kolika je vjeroatnost da je i druga
kuglica bijela?
74. U kutiji sa dvije jednake pregrade nalaze se kug-
lice u prvoj 3 bijele i 3 plave, a u drugoj 3 bijele
i 4 crvene. Izvlacimo istovremeno dvije kuglice iz
na srecu odabrane pregrade. Kolika je vjerojatnost
da su obje izvucene kuglice iste boje? Ako su obje
izvucene kuglice iste boje, kolika je vjerojatnost da
je ta boja plava?
75. U jednoj se vrecici nalaze jedna bijela i tri cr-
vene, a u drugoj dvije bijele i dvije crvene kuglice.
Izvucemo na srecu po jednu kuglicu iz svake vreci-
ce. Ako je jedna od njih bijela, kolika je vjerojatnost
da je druga crvena?
76. U posudi se nalazi 5 kuglica bijele ili crne boje.
Sve pretpostavke o broju bijelih kuglica su jednako
vjerojatne. U tri izvlacenja izvukli smo kuglice bi-
jele boje (kuglica se nakon izvlacenja vraca u po-
sudu). Izracunaj vjerojatnost da su u posudi sve
kuglice bijele boje.
77. U urni se nalazi n kuglica, pri cemu svaka ku-
glica moze s jednakom vjerojatnoscu biti bijela ili
crvena. Izvlacimo jednu po jednu k kuglica, u mo-
delu s vracanjem. Ako niti jednom nismo izvukli
crnu kuglicu, kolika je vjerojatnost da su sve kuglice
u urni bijele?
78. U jednoj kutiji nalaze se 2 bijele i 3 crvene
kuglice, a u drugoj 1 bijela i 3 crvene kuglice. Iz-
vucemo na srecu po jednu kuglicu iz svake kutije.
Ako je jedna od izvucenih kuglica bijela, kolika je
vjerojatnost da je druga crvena?
2. ZADATCI ZA VJE ZBU
79. U kutiji se nalazi 5 kuglica, od kojih svaka mo-
z e biti crvena ili plava, s jednakom vjerojatnoscu.
Na srecu izabrana kuglica iz kutije imala je crvenu
boju. Koji je najvjerojatniji broj plavih kuglica u
kutiji?
80. U kutiji sa 10 pregrada nalazi se ukupno 55
kuglica i to tako da se u k toj pregradi nalazi k
kuglica (k = 1, 2, . . . , 10) . Na srecu odaberemo
2 razlicite pregrade i izvucemo sve kuglice iz tih
pregrada. Ako je poznato da je izvuceno najvise 8
kuglica, kolika je vjerojatnost da su one izvucene iz
susjednih pregrada?
81. Iz posiljke u kojoj se nalazi n ispravnih i m
neispravnih proizvoda uzeto je r proizvoda zbog
kontrole. Prvih k proizvoda ( k < r ) medu - nji-
ma bilo je ispravno. Kolika je vjerojatnost da je i
sljedeci proizvod ispravan?
znaka u poruci nezavisan jedan od drugog. Izra-
82. U kutiji I nalaze se 2 bijele i 2 crne kuglice, u
kutiji II 5 bijelih i 7 crnih. Iz I kutije prebacimo na
srecu dvije kuglicu u II, a zatim dvije na srecu iz II u
I. Ako je poznato da su nakon toga kuglice u I kutiji
istobojne, kolika je vjerojatnost da su crne boje?
83. Vjerojatnost kvara svakog od dijelova A , B ,
C sklopa na slici u nekom vremenskom intervalu
- prestaje sa radom ako je u kvaru
iznosi 0.2 . Uredaj
dio C , dijelovi A i B (ili pak A , B i C ). Ako je
- prestao sa radom, kolika je vjerojatnost da je
uredaj

pokvaren samo dio C ?
 
A izlazu primljena poruka 1, kolika je vjerojatnost da
 
C 90. Niz nula i jedinica prenosi se komunikacijskim
B
84. Dva od tri nezavisna dijela nekog stroja su ot-
kazala. Odredi vjerojatnost da su to prvi i drugi dio,
ako vjerojatnosti otkazivanja prvog, drugog odnos-
no treceg dijela iznose 0.2 , 0.4 i 0.3 .
85. Na slici su navedene vjerojatnosti kvara pojedi-
-
nih dijelova uredaja. - u
Poznato je da je citav uredaj
kvaru, posto je pokvaren jedan ili vise njegovih dije-
lova. Kolika je vjerojatnost da je medu - pokvarenim
dijelovima i dio B ?
87
B
02
A D
01 03
02
C
86. Vjerojatnost da ce prijemnik registrirati signal
u vremenskom intervalu duljine 1 iznosi p . Ako je
poznato da se do trenutka t < 1 signal nije pojavio,
kolika je vjerojatnost da ce se on pojaviti u ostatku
vremena 1 t ?
87. Neki izvor emitira tri vrste poruka: AAAA ,
BBBB , i CCCC . Vjerojatnosti njihovog emitira-
nja iznose 0,3, 0,4, 0,3 . Kao posljedica smetnji u
kanalu, svaki se znak A , B ili C prima isprav-
no s vjerojatnoscu 0.6 . Vjerojatnost da znak bude
pogresno interpretiran iznosi 0.2 za obje preostale
mogucnosti. Pretpostavlja se da je prijem svakog
cunaj vjerojatnost da je emitirana poruka AAAA ,
ukoliko je primljena ABCA .
88. Neki izvor emitira dvije vrste poruka: 0000 i
1111 , s vjerojatnostima q i p , za svaku od njih
(p + q = 1) . Prijem svakog znaka u poruci je
nezavisan jedan od drugog. Svaki se znak ( 0 ili
1 ) prima ispravno s vjerojatnoscu 1 . Izracu-
naj vjerojatnost da je emitirana poruka 0000 ako je
primljena poruka 1000 .
89. Izvor emitira dvije vrste poruka: 1 i 0, s jedna-
kim vjerojatnostima. Svaki od triju serijski poveza-
nih primopredajnika prima poruku i s alje je sljede-
cem primopredajniku. Pri tom svaki od njih u 10%
slucajeva pogresno interpretira poruku. Ako je na
je ona i poslana?
kanalom. Zbog smetnji, svaki se znak prima isp-
ravno s vjerojatnoscu 0.8 . Da bismo povecali vje-
rojatnost ispravnog prijema, svaki se znak u poruci
ponavlja n puta. Niz od n simbola se interpretira
kao simbol koji se pojavljuje najcesce u tom nizu.
(Npr. za n = 5 , niz 10110 se interpretira kao 1, a
10100 kao 0).
a) Odredi vjerojatnost ispravnog prijema za
n = 5.
b) Izaberi minimalnu vrijednost od n tako da
vjerojatnost ispravnog prijema bude veca od 0.99 .
91. Tisucu znakova poslano je kroz komunikacijski
kanal. Svaki znak moze biti pogresno primljen, s
vjerojatnoscu 0.005 , nezavisno od ostalih. Odre-
di vjerojatnost da je najvise pet znakova pogresno
primljeno.
 3.
Diskretne slucajne varijable i vektori

1. Diskretne slucajne varijable . . . . . . . . . . . . . . . . . . . 89

2. Dvodimenzionalne diskretne razdiobe . . . . . . . . . . . . 93
3. Momenti i karakteristicne funkcije diskretnih varijabli . . 97
4. Rijeseni zadatci . . . . . . . . . . . . . . . . . . . . . . . . . 107
Zadatci za vjezbu . . . . . . . . . . . . . . . . . . . . . . . . 113

Pri realizaciji nekog pokusa ostvaruje se elementaran dogadaj - . Cesto je svrha poku-
sa mjerenje neke numericke velicine cije vrijednosti ovise o toj realizaciji elementarnog dogadaja. -
Jednostavan primjer toga je model bacanja kocke. Tu je prirodno svakom elementarnom dogadaju -
pridruziti broj na koji je kocka pala. Time je definirano preslikavanje iz skupa svih elementarnih
- u skup S = (1, 2, 3, 4, 5, 6) svih mogucih ishoda. Takvo se preslikavanje naziva slucajna
dogadaja
varijabla.
Uz jedan stohasticki pokus moze biti (na prirodan nacin) povezano i vise slucajnih varijabli.
Tako na primjer, ako bacamo dvije kocke onda se kao slucajne varijable pridruzene tom pokusu mogu
uzeti (uz mnoge druge) zbroj brojeva na kockama, njihova razlika, manji od brojeva, veci od brojeva
itd. itd.
Podrucje vrijednosti realne slucajne varijable neki je podskup skupa realnih brojeva. Pri prouca-
vanju slucajnih varijabli izvrsit cemo grubu njihovu podjelu i izdvojiti dvije klase slucajnih varijabli:
diskretne i neprekinute slucajne varijable. Prve poprimaju svoje vrijednosti unutar diskretnog skupa
(obicno prirodnih ili cijelih brojeva) a neprekinute mogu kao svoju vrijednost poprimiti bilo koji
realni broj unutar nekog intervala. Ova je podjela uglavnom uvjetovana time s to se za proucavanje
ovih dviju vaznih klasa koristi razliciti matematicki aparat, uz diskretne varijable vezani su prirodno
nizovi i redovi realnih brojeva i matrice, dok se matematicki aparat kojim se proucavaju kontinuirane
slucajne varijable zasniva na sredstvima matematicke analize: diferencijalnom i integralnom racunu.
Naglasimo da ta podjela cesto nije uvjetovana samom prirodom pokusa. Uzmemo li kao primjer
slucajnu varijablu koja mjeri duljinu odabranog proizvoda, ta je varijabla neprekinutog tipa jer se
duljina neprekinuto mijenja. Medutim, - izrazimo li tu duljinu u milimetrima, dobit cemo slucajnu
varijablu diskretnog tipa.
U ovom cemo poglavlju proucavati diskretne slucajne varijable.

88
3.1. DISKRETNE SLU CAJNE
VARIJABLE 89

3.1. Diskretne sluc ajne varijable

Zakon razdiobe slucajne varijable

Neka je S = (x1 , x2 , . . .) konacan ili prebrojiv skup bez gomilista. Obicno je to

podskup skupa prirodnih ili pak cijelih brojeva. Promatrat c emo slucajne varijable,
koje svakom elementarnom dogadaju - pridruzuju neku vrijednost iz skupa S . Neka je X
preslikavanje sa skupa svih elementarnih dogadaja - u skup S . Uz to je preslikavanje
prirodno postaviti pitanje: kolika je vjerojatnost da slucajna varijabla poprimi neku
vrijednost xk is skupa S . Oznacimo s Ak skup svih elementarnih dogadaja - koji se
preslikavaju u xk :
Ak := ( : X( ) = xk ).
- dakle, element
Da bismo mogli odgovoriti na gornje pitanje, skup Ak mora biti dogadaj,
-
-algebre F svih dogadaja. Tek ako je ovaj uvjet ispunjen, za preslikavanje X cemo
reci da je slucajna varijabla.

Slucajna varijabla
Preslikavanje X : S je diskretna slucajna varijabla ako je za svaki
xk S skup Ak := ( : X( ) = xk ) dogadaj. - Oznacimo
pk := P (Ak ) = P (X = xk ). (1)

Za ove brojeve vrijedi pk > 0 , pk = 1 . Zakon razdiobe slucajne vari-
jable X sastoji se od podrucja vrijednosti koje ona poprima i odgovarajucih
vjerojatnosti. Pisemo

x1 x2 x3 . . .
X . (2)
p1 p2 p3 . . .

Pn
P1
P0
P2

Sl. 3.1. Razdiobu slucajne varija- x0 x1 x2 xn

ble skiciramo kao na ovoj slici
90 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Primjer 3.1. Novcic bacamo tri puta. Neka je X broj pisama. Odredimo razdiobu
te slucajne varijable.
-
 Vjerojatnosni prostor sastoji se od osam elementarnih dogadaja. Ispisimo ih i
naznacimo vrijednost slucajne varijable X na svakom od njih:
1 = GGG, X(1 ) = 0
2 = GGP, X(2 ) = 1
3 = GPG, X(3 ) = 1
4 = GPP, X(4 ) = 2
5 = PGG, X(5 ) = 1
6 = PGP, X(6 ) = 2
7 = PPG, X(7 ) = 2
8 = PPP, X(8 ) = 3
Vidimo da X poprima vrijednosti u skupu (x1 =0, x2 =1, x3 = 2, x4 =3) a vjerojatnosti
su
1
p1 = P (X = 0) = P (1 ) = ,
8
3
p2 = P (X = 1) = P ((2 , 3 , 5 )) = ,
8
3
p3 = P (X = 2) = P ((4 , 6 , 7 )) = ,
8
1
p4 = P (X = 3) = P (8 ) = .
8
Dakle zakon razdiobe slucajne varijable X je,

0 1 2 3
X 1 3 3 1 . 
8 8 8 8

-
Primjer 3.2. Neka je p vjerojatnost realizacije nekog dogadaja A . Pokus ponav-
- A ne ostvari. Neka je X broj ponavljanja
ljamo pod istim uvjetima sve dok se dogadaj
-
pokusa do realizacije dogadaja A . Tad za X kazemo da ima geometrijsku razdiobu
s parametrom p . Odredimo zakon razdiobe za X .
-
 Ispisimo elementarne dogadaje, vrijednost slucajne varijable i pripadne vjero-
jatnosti u ovom pokusu.
1 = A, P (1 ) = p, X(1 ) = 1,
2 = A A P (2 ) = qp, X(2 ) = 2,
2
3 = A A A, P (3 ) = q p, X(3 ) = 3,
..
.
n = A

A A, P (n ) = qn1 p, X(n ) = n,
n1
..
.
3.1. DISKRETNE SLU CAJNE
VARIJABLE 91

Zakon razdiobe je  
1 2 3 n
X . 
p qp q2 p qn1 p

Zamislimo jednostavan pokus u kojem se kocka baca dva puta. Neka nam X
oznacava rezultat prvog bacanja, a Y rezultat drugog bacanja. Prirodno je pretpostaviti
da rezultati jednog bacanja ne ovise o rezultatima drugoga. Tako na primjer, vrijedi
1 1 1
P (X = 3, Y = 5) = P(((3, 5))) = = = P (X = 3) P (Y = 5).
36 6 6
- koje odgovaraju dogadaju s
Slicno se moze pokazati (ispisujuci elementarne dogadaje
lijeve strane jednakosti) da vrijedi
6 2 3
P (X  2, Y  4) = = = P (X  2) P (Y  4).
36 6 6
Ovaj primjer upucuje da je razumno iskazati sljedecu definiciju.

Nezavisne sluc ajne varijable definicija i temeljno svojstvo

Slucajne varijable X, Y : S su nezavisne ako za sve xk , yj S vrijedi
P (X = xk , Y = yj ) = P (X = xk )P (Y = yj ) (3)
Tada vrijedi opcenitije, za sve A , B S
P (X A, Y B) = P (X A)P (Y B). (4)

Neka su X i Y nezavisne, odnosno, neka vrijedi (3). Dokazimo da onda vrijedi

(4). Oznacimo elemente skupova A i B ovako:
A = (x1 , . . . , xn ), B = (y1 , . . . , ym ).
Onda vrijedi
P (X A, Y B) = P (X (x1 , . . . , xn ), Y (y1 , . . . , ym ))


=P (X = xk , Y = yj )
1 k n
1  j m
 
= P (X = xk , Y = yj ) = P (X = xk )P (Y = yj )
1 k n 1 k n
1  j m 1  j m
 
= P (X = xk ) P (Y = yj )
1 k n 1  j m

= P( (X = xk )) P ( (Y = yj ))
1 k n 1  j m
= P (X A)P (Y B).
92 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Definicija nezavisnosti prosiruje se i na skup od konacno mnogo, pa i beskonacnog

niza slucajnih varijabli:

Nezavisnost niza sluc ajnih varijabli

Slucajne varijable X1 , X2 , . . . , Xn definirane na istom vjerojatnosnom pros-
toru su nezavisne, ako za sve A1 , A2 , . . . , An S vrijedi
P (X1 A1 , X2 A2 , . . . , Xn An ) = P (X1 A1 )P (X2 A2 ) P (Xn An ).
(5)
Slucajne varijable X1 , X2 , . . . su nezavisne ako su za svaki n nezavisne slucaj-
ne varijable Xi1 , Xi2 , . . . , Xin , za svaki izbor (razlicitih) indeksa i1 , i2 , . . . , in .

Primjer 3.3. Bacamo kocku dok se ne pojavi broj manji od 5 . Neka slucajna
varijabla X oznacava potreban broj bacanja, slucajna varijabla Y prvo bacanje u kojem
se pojavio broj 6 ( Y = 0 ako se broj 6 uopce ne pojavi). Odredimo zakone razdioba
varijabli X i Y .

 Oznacimo sa Xi slucajne varijable: rezultate i -tog bacanja. To su neza-

visne identicki distribuirane slucajne varijable, svaka poprima vrijednosti iz skupa
(1, 2, 3, 4, 5, 6) s jednakom vjerojatnoscu.
Varijabla X poprima vrijednosti iz skupa (1, 2, 3, . . .) :
P (X = n) = P (X1  5, X2  5, . . . , Xn1  5, Xn  4)
= P (X1  5) P (X2  5) P (Xn1  5) P (Xn  4)
 2 n1 4 2
= = n , n  1.
6 6 3
Varijabla Y poprima vrijednosti iz skupa (0, 1, 2, . . .) :
1
P (Y=n) = P (X1 =5) P (X2 =5) P (Xn1 =5) P (Xn =6) =
, n  1,
6n
P (Y=0) = P (X1 4) + P (X1 =5, X2 4) + P (X1 =5, X2 =5, X3 4) + . . .
4 1 4  1 2 4 4 1 4
= + + + ... = = .
6 6 6 6 6 6 1 16 5

Zakoni razdioba su:

 
1 2 ... n ...
X 2 2 2 ,
3 9 ... 3n ...

0 1 ... n ...
Y 4 1 1 . 
5 6 ... 6n ...
3.2. DVODIMENZIONALNE DISKRETNE RAZDIOBE 93

Funkcije diskretnih slucajnih varijabli

Neka je X diskretna slucajna varijabla s poznatim zakonom razdiobe, : R R

zadana funkcija i Y = (X) . Ako je

x1 x2 . . .
X
p1 p2 . . .
zakon razdiobe varijable X , tada je

(x1 ) (x2 ) . . .
Y (6)
p1 p2 . . .
zakon razdiobe varijable Y . Njega dovodimo u reducirani oblik

y1 y2 . . .
Y
q1 q2 . . .
gdje su y1 , y2 , . . . sve razlicite vrijednosti iz skupa ( (x1 ), (x2 ), . . .) . Ako je
yi = (xi1 ) = (xi2 ) = . . . , tada je qi = pi1 + pi2 + . . . .

Primjer 3.4. Slucajna varijabla X ima zakon razdiobe


2 1 1 2
X .
0.1 0.3 0.2 0.4
Odredi zakon razdiobe varijable Y = X 2 .

  
4 1 1 4 1 4
Y = 
0.1 0.3 0.2 0.4 0.5 0.5

3.2. Dvodimenzionalne diskretne razdiobe

Neka slucajna varijabla X poprima vrijednosti u skupu (x1 , . . . , xn ) , a slucajna

varijabla Y u skupu (y1 , . . . , ym ) . Razdioba slucajnog vektora (X, Y) je poznata ako
znamo vjerojatnosti
pij = P (X = xi , Y = yj )

pri cemu mora biti pij = 1 . Zakon razdiobe slucajnog vektora pisemo u obliku
i,j
tablice
Y y1 y2 ... ym
X
x1 p11 p12 ... p1m
x2 p21 p22 ... p2m
.. .. ..
. . .
xn pn1 pn2 ... pnm
94 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Marginalne razdiobe

Oznacimo
 
pi = pij = P (X = xi , Y = yj ) (suma i-tog retka),
j j
 
qj = pij = P (X = xi , Y = yj ) (suma j-tog stupca).
i i

Ocito vrijedi

P (X = xi , Y = yj ) = P (X = xi )
j

tako da zbrajanjem elemenata nekog retka u ovoj tablici dobivamo razdiobu varijable
X . Slicno tome, zbrajanjem elemenata stupca dobit cemo razdiobu varijable Y . Te raz-
diobe upisujemo u marginama tablice, pa cemo ih nazivati marginalnim razdiobama
komponenti slucajnog vektora:

Y y1 y2 ... ym
X
x1 p11 p12 ... p1m p1
x2 p21 p22 ... p2m p2
.. .. ..
. . .
xn pn1 pn2 ... pnm pn
q1 q2 ... qm 1

Marginalne razdiobe varijabli X i Y su

 
x1 x2 . . . xn y1 y2 . . . ym
X , Y ,
p1 p2 . . . pn q1 q2 . . . qm

Ako poznajemo marginalne razdiobe, razdioba vektora jos uvijek nije odrede- -
na, pomocu margina ne mozemo opcenito rekonstruirati vjerojatnosti u tablici. To je
moguce uciniti samo ako su komponente slucajnog vektora nezavisne, jer onda vrijedi
pij = P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ) = pi qj .

Primjer 3.5. Bacamo dvije kocke. Neka je X broj na prvoj kocki, Y veci od dvaju
brojeva na kockama. Odredi razdiobu vektora (X, Y) . Izracunaj marginalne razdiobe
od X i Y .

-
 Postoji 36 elementarnih, jednako vjerojatnih dogadaja. Za svaki od njih mo-
z emo odrediti vrijednosti varijabli X i Y . Pri tom neka vrijednost moze ukljucivati
-
vise elementarnih dogadaja. Dobivamo sljedeci zakon razdiobe vektora (X, Y) (zbog
1
kratkoce smo oznacili p = 36 ):
3.2. DVODIMENZIONALNE DISKRETNE RAZDIOBE 95

Y 1 2 3 4 5 6
X
1 p p p p p p 6p
2 0 2p p p p p 6p
3 0 0 3p p p p 6p
4 0 0 0 4p p p 6p
5 0 0 0 0 5p p 6p
6 0 0 0 0 0 6p 6p
p 3p 5p 7p 9p 11p 1

Marginalne razdiobe su
 
1 2 3 4 5 6 1 2 3 4 5 6
X 1 1 1 1 1 1 , Y 1 3 5 7 9 11 .
6 6 6 6 6 6 36 36 36 36 36 36

Uvjetne razdiobe

- {X = xi | Y = yj } dana je sa
Uvjetna vjerojatnost dogadaja
P (X = xi , Y = yj ) pij
P (X = xi | Y = yj ) = = .
P (Y = yj ) qj
Skup svih takvih vjerojatnosti za sve i daje uvjetnu razdiobu varijable X uz uvjet
Y = yj :

x1 x2 . . .
X | Y = yj p1j p2j . . . .
qj qj

Ta se razdioba cita iz j -tog stupca razdiobe vektora (X, Y) . Elementi tog stupca
podijeljeni su sa odgovarajucom marginom.
Na isti nacin racunamo i uvjetnu razdiobu varijable Y uz uvjet X = xi :

y1 y2 . . .
Y | X = xi pi1 pi2 . . . .
pi pi

Primjer 3.6. Bacamo dvije kocke. Neka je slucajna varijabla X manji, a vari-
jabla Y veci od dva pojavljena broja. Odredi razdiobu vektora (X, Y) , marginalne
-
razdiobe, te uvjetnu razdiobu od X uz uvjet Y = 4 . Izracunaj vjerojatnost dogadaja
A = (X  2 | Y = 4) , B = (Y = 4 | X  2) .

-
 Postoji 36 jednakovjerojatnih elementarnih dogadaja. Odredi za svaki od njih
vrijednost vektora (X, Y) ! Dobivamo sljedecu razdiobu (oznacimo zbog kratkoce
1
p = 36 ).
96 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Y 1 2 3 4 5 6
X
1 p 2p 2p 2p 2p 2p 11p
2 0 p 2p 2p 2p 2p 9p
3 0 0 p 2p 2p 2p 7p
4 0 0 0 p 2p 2p 5p
5 0 0 0 0 p 2p 3p
6 0 0 0 0 0 p p
p 3p 5p 7p 9p 11p 1

Marginalne razdiobe varijabli X i Y citamo iz posljednjeg retka odnosno stupca:


1 2 3 4 5 6
X 11 9 7 5 3 1 ,
36 36 36 36 36 36

1 2 3 4 5 6
Y 1 3 5 7 9 11 .
36 36 36 36 36 36

Uvjetna razdioba varijable X | Y = 4 je

P (X = 1, Y = 4) 2p 2
P (X = 1 | Y = 4) = = =
P (Y = 4) 7p 7
i slicno za ostale vrijednosti od X :

1 2 3 4
X|Y=4 2 2 2 1 .
7 7 7 7
- tu razdiobu direktno iz cetvrtog stupca razdiobe vektora (X, Y) .)
(Pronadi
P (X  2, Y = 4) 2p + 2p + p 5
P (A) = = = ,
P (Y = 4) 7p 7
P (X  2, Y = 4) 2p + 2p + p 1
P (B) = = = .
P (X  2) 9p + 7p + 5p + 3p + p 5

Primjer 3.7. Nezavisne slucajne varijable X1 i X2 imaju isti zakon razdiobe


0 1 2
X1 , X2 .
0.3 0.5 0.2
Odredi zakon razdiobe slucajnih varijabli a) Y = X1 + X2 ; b) Z = X1 X2 .
 a) Y poprima vrijednosti u skupu (0, 1, 2, 3, 4) s vjerojatnostima
P (Y = 0) = P (X1 = 0, X2 = 0) = 0.3 0.3 = 0.09,
P (Y = 1) = P (X1 = 0, X2 = 1) + P (X1 = 1, X2 = 0) = 2 0.3 0.5 = 0.3
itd. Dobivamo 
0 1 2 3 4
Y .
0.09 0.30 0.37 0.20 0.04
3.3. MOMENTI I KARAKTERISTICNE
FUNKCIJE DISKRETNIH VARIJABLI 97

b) Z poprima vrijednosti u skupu (0, 1, 2, 4) s vjerojatnostima

P (Z = 0) = P (X1 = 0) + P (X1 = 0, X2 = 0) = 0.3 + 0.7 0.3 = 0.51,
P (Z = 1) = P (X1 = 1, X2 = 1) = 0.25,
P (Z = 2) = P (X1 = 1 X2 = 2) + P (X1 = 2, X2 = 1) = 0.20,
P (Z = 4) = P (X1 = 2, X2 = 2) = 0.04.
te je 
0 1 2 4
Z .
0.51 0.25 0.20 0.04

3.3. Momenti i karakteristicne funkcije diskretnih varijabli

Ocekivanje slucajne varijable

Slucajne varijable se najlakse opisuju pomocu svojih numerickih karakteristika.
Najvaznija karakteristika je ocekivanje.
Ocekivanje sluc ajne varijable
Neka slucajna varijabla X ima zakon razdiobe:

x1 x2 x3 . . .
X .
p1 p2 p3 . . .
Ocekivanje slucajne varijable X definirano je kao zbroj

E(X) := xk pk . (1)
k

Cesto se ocekivanje slucajne varijable oznacava i simbolima x ili mX .

Tako na primjer, za slucajnu varijablu sa zakonom razdiobe


1 0 1 2 3
X
0.2 0.3 0.1 0.3 0.1
vrijedi
E(X) = 1 0.2 + 0 0.3 + 1 0.1 + 2 0.3 + 3 0.1 = 0.8.
Ovaj primjer pokazuje da ocekivanje slucajne varijable ne mora biti jednako nekoj
od mogucih realizacija te varijable.
Ocekivanje ne mora biti blisko niti realizaciji s najvecoj vjerojatnosti. Za slucajnu
varijablu 
1 5 100
X
0.8 0.1 0.1
vrijedi
E(X) = 1 0.8 + 5 0.1 + 100 0.1 = 11.3.
Geometrijska interpretacija ocekivanja je sljedeca. Ako zamislimo da smo u toc-
kama s apscisama x1 , x2 ,. . . postavili utege s tezinama p1 , p2 ,. . . , tada ce teziste tog
sustava biti u tocki s apscisom x .
98 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Sl. 3.2. Ocekivanje slucajne varijable je tezinska sredina njezinih realizacija. Svaka realizacija
ima trezinu koja odgovara njezinoj vjerojatnosti.

Ocekivanje ne mora postojati. Tako na primjer, za slucajnu varijablu

 
1 2 4 . . . 2n1 . . .
X 1 1 1 1
2 4 8 ... 2n ...
vrijedi
1 1 1 1
E(X) = 1 + 2 + 4 + . . . + 2n1 n + . . . = +.
2 4 8 2
Zato ova slucajna varijabla nema ocekivanja.
Svojstva ocekivanja

Teorem 3.1. Neka je X i Y slucajne varijable definirane na istom vjerojat-

nosnom prostoru. Ocekivanje ima svojstvo linearnosti, za sve realne brojeve s i t
vrijedi
E(sX + tY) = sE(X) + tE(Y).
Ako su varijable X i Y nezavisne, tada vrijedi
E(XY) = E(X)E(Y).

Dokaz. Svojstvo E(sX) = sE(X) slijedi direktno iz definicije ocekivanja:

 
E(sX) = (sxk )pk = s xk pk = sE(X).
Dokazat cemo sad da vrijedi E(X + Y) = E(X) + E(Y) . Time ce prva tvrdnja u
teoremu biti dokazana.
Neka je razdioba vektora (X, Y) zadana u standardnom obliku:
Y y1 y2 ... ym
X
x1 p11 p12 ... p1m p1
x2 p21 p22 ... p2m p2
.. .. ..
. . .
xn pn1 pn2 ... pnm pn
q1 q2 ... qm 1
3.3. MOMENTI I KARAKTERISTICNE
FUNKCIJE DISKRETNIH VARIJABLI 99

Slucajna varijabla X + Y poprima vrijednosti xj + yk s vjerojatnoscu pjk . Zato je

  
E(X + Y) = (xj + yk )pkj = xj pkj + yk pkj
k,j k,j k,j
     
= xj pkj + yk pkj = xj pj + yk qk
j k k j j k
= E(X) + E(Y).
Dokazimo sad drugu tvrdnju. Varkijable X i Y su nezavisne, pa vrijedi pjk = pj qk
za sve j i k . Zato je
 
E(XY) = xj yk pjk = xj yk pj qk
j,k j,k
 
= xj pj yk qk = E(X)E(Y). 
j k

Momenti slucajne varijable

Neka je slucajna varijabla Y funkcija slucajne varijable X , zadana formulom
Y = (X) . Kako cemo odrediti njezino ocekivanje?
Jedna je mogucnost da odredimo razdiobu od Y i zatim primjenimo formulu (1)
na varijablu Y .

2 1 0 1 2
Primjer 3.8. Neka je X 1 1 1 1 1 i Y = X 2 . Odredimo E(Y) .
8 4 4 4 8

 . Odredimo razdiobu od Y :
  
(2)2 (1)2 0 12 22 4 1 0 1 4 0 1 4
Y = X2 1 1 1 1 1 1 1 1 1 1 1 1 1
8 4 4 4 8 8 4 4 4 8 4 2 4
Zato je
1 1 1 3
+1 +4 = . 
E(Y) = 0
4 2 4 2
Primjetimo da ovdje vrijedi E(X) = 0 , pa je dakle E(X 2 ) = E(X)2 .

Druga mogucnost za racunanje ocekivanja funkcije slucajne varijable je koriste-
njem formule 
E( (X)) = (xk )pk .
Do nje dolazimo u gornjem postupku tako da ne svodimo zakon razdiobe varijable
-
Y na reducirani oblik, vec ocekivanje racunamo iz nesredenog oblika. Iz

4 1 0 1 4
Y = X 2 1 1 1 1 1
8 4 4 4 8
dobivamo
1 1 1 1 1 3
E(Y) = 4 +1 +0 +1 +4 = .
8 4 4 4 8 2
100 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Posebno ce nam biti vazne funkcije oblika (x) = xn i (x) = (x a)n .
Ishodisni i centralni momenti slucajne varijable
Neka slucajna varijabla X ima zakon razdiobe:

x1 x2 x3 . . .
X
p1 p2 p3 . . .
i neka je n prirodni broj. Ishodisni moment reda n slucajne varijable X
definirano se formulom

E(X n ) := xnk pk . (2)
k
Ako je mX ocekivanje od X , onda se centralni moment n reda n definira
formulom 
n := E[(X mX )n ] = (xk mX )n pk . (3)
k

Disperzija i standardna devijacija slucajne varijable

Centralni moment reda 2 nazivamo posebnim imenom.
Disperzija slucajne varijable
Disperzija (rasipanje, varijanca) slucajne varijable X definira se formulom
D(X) = E[(X mX )2 ]
Ovaj se izraz najcesce racuna na nacin:
  2
D(X) = E(X 2 ) m2X = x2k pk xk pk ,
k k

Jednakost ovih dviju formula slijedi iz svojstva linearnosti ocekivanja:

E[(X mX )2 ] = E[X 2 2XmX + m2X ] = E(X 2) 2mX E(X) + m2X = E(X 2 ) m2X .

Svojstva disperzije

Teorem 3.2. Za slucajnu varijablu X i realni broj s vrijedi

D(sX) = s2 D(X).
Ako su X i Y nezavisne slucajne varijable, onda vrijedi
D(X + Y) = D(X) + D(Y).
3.3. MOMENTI I KARAKTERISTICNE
FUNKCIJE DISKRETNIH VARIJABLI 101

Dokaz. Koristit c emo svojstva ocekivanja. Za prvu formulu dobivamo

D(sX) = E[(sX)2] [E(sX)]2 = E(s2X 2 ) [sE(X)]2
= s2 E(X 2 ) s2 [E(X)]2 = s2 D(X).
Ako su X i Y nezavisne, onda imamo
D(X + Y) = E[(X + Y)2 ] [E(X + Y)]2
= E(X 2) + 2E(XY) + E(Y 2 ) E(X)2 2E(X)E(Y) E(Y 2)
= E(X 2) E(X)2 + E(Y 2) E(Y 2)
= D(X) + D(Y). 

Ova se svojstva moraju dobro razumjeti. U tu svrhu, navest cemo najprije sljedeci
primjer.

Primjer 3.9. Nezavisne slucajne varijable X i Y imaju identicnu razdiobu s oce-

kivanjem a i disperzijom 2 . Kolika je disperzija slucajne varijable X + 2Y ? Koliko
je ocekivanje a kolika disperzija slucajne varijable X Y ?

 U prvom slucaju vrijedit ce

D(X + 2Y) = 12 D(X) + 22 D(Y) = 5 2 .
U drugom slucaju je
E(X Y) = E(X) E(Y) = a a = 0,
D(X Y) = 12 D(X) + (1)2 D(Y) = D(X) + D(Y) = 2 2 . 

Zapamtimo, disperzija slucajne varijable je uvijek pozitivna. Ovo je svojstvo
potpuno jasno jer slijedi iz formule

D(X) = E[(X mX )2 ] = (xj mX )2 pk .
Svi pribrojnici u ovom izrazu su nenegativni.
Moze li disperzija biti jednaka nuli? U tom slucaju vrijedi xj = mX za svaki j , a
to znaci da se sve realizacije slucajne varijable X podudaraju. Drugim rijecima, tada
X nije slucajna, vec uvijek poprima istu vrijednost.


Velicinu X := D(X) nazivamo standardna devijacija (odstupanje) varijable
X.
102 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Primjer 3.10. Izracunaj ocekivanje i disperziju slucajnih varijabli

 
4 6 10 1 4
X , Y .
0.2 0.3 0.5 0.4 0.6
Odredi E(X + 2Y) te, ukoliko su X i Y nezavisne, E(XY) i D(X 2Y) .
 Odredimo E(X) , E(Y) , D(X) , D(Y) .
E(X) = 4 0.2 + 6 0.3 + 10 0.5 = 6,
E(X 2 ) = 16 0.2 + 36 0.3 + 100 0.5 = 64,
D(X) = E(X 2 ) E(X)2 = 64 36 = 28,
E(Y) = 1 0.4 + 4 0.6 = 2,
E(Y 2 ) = 1 0.4 + 16 0.6 = 10,
D(Y) = E(Y 2 ) E(Y)2 = 10 4 = 6.
Zbog linearnosti ocekivanja je E(X + 2Y) = E(X) + 2E(Y) = 10 . Ako su X i
Y nezavisne, E(XY) = E(X)E(Y) = 12 i D(X 2Y) = D(X) + D(2Y) =
D(X) + 4D(Y) = 52 .
Primjer 3.11. Bacamo dvije ispravne kocke. Slucajne varijable X i Y definirane
su na nacin
X = apsolutna vrijednost razlike brojeva na kockama,
Y = manji od dva broja ako su oni razliciti, jednaka nuli ako su brojevi
jednaki.
Pokazi da X i Y imaju identican zakon razdiobe. Odredi njihovo ocekivanje
i disperziju.
 Vjerojatnosni prostor sastoji se od 36 jednako vjerojatnih elementarnih doga-
-
daja. -
Odredimo vrijednost varijabli X i Y na tim dogadajima.
X 1 2 3 4 5 6 Y 1 2 3 4 5 6
1 0 1 2 3 4 5 1 0 1 1 1 1 1
2 1 0 1 2 3 4 2 1 0 2 2 2 2
3 2 1 0 1 2 3 3 1 2 0 3 3 3
4 3 2 1 0 1 2 4 1 2 3 0 4 4
5 4 3 2 1 0 1 5 1 2 3 4 0 5
6 5 4 3 2 1 0 6 1 2 3 4 5 0
Vidimo da varijable X i Y poprimaju razlicite vrijednosti na pojedinim elemen-
-
tarnim dogadajima, -
medutim njihova je razdioba identicna!

0 1 2 3 4 5
X, Y 6 10 8 6 4 2
36 36 36 36 36 36
Vrijedi
6 10 8 6 4 2 70
E(X) = E(Y) = 0 +1 +2 +3 +4 +5 = .
36 36 36 36 36 36 36
6 10 8 6
D(X) = D(Y) = 0 +1 +4 +9
36 36 36 36
4 2  70 2
+ 16 + 25 = 2.052.
36 36 36
3.3. MOMENTI I KARAKTERISTICNE
FUNKCIJE DISKRETNIH VARIJABLI 103

-
Neke informacije o medusobnoj ovisnosti dviju slucajnih varijabli mozemo dobiti
na temelju sljedecih numerickih karakteristika.

Kovarijacijski moment. Koeficijent korelacije

Kovarijacijski moment varijabli X i Y definira se formulom
cov(X, Y) := E[(X mX )(Y mY )] = E(XY) mX mY .
Koeficijent korelacije definira se formulom
cov(X, Y)
r(X, Y) := .
X Y

-
Koeficijent korelacije daje nam neku informaciju o meduovisnosti slucajnih va-
rijabli X i Y . Za nezavisne slucajne varijable uvijek je cov(X, Y) = 0 pa s tim i
r(X, Y) = 0 . Obrat nije istinit. Varijable koje su nekorelirane ne moraju biti nezavisne.

Centrirane i normirane slucajne varijable

Neka je a realan broj. Razdioba slucajne varijable X a poznata nam je ukoliko

znamo razdiobu varijable X . Kako se mijenjaju numericke karakteristike? Vrijedi
E(X a) = E(X) a, D(X a) = D(X).
Zbog cega se disperzija ne mijenja? Najlakse je to razumjeti ako na konstantu a
gledamo kao na slucajnu varijablu koja poprima uvijek istu vrijednost a . Ta je va-
rijabla nezavisna od X , a njezina je disperzija jednaka nuli. Zato je D(X a) =
D(X) + D(a) = D(X) .
Pri translaciji ne mijenja se niti kovarijacijski moment:
cov(X a, Y b) = E{[(X a) E(X a)][(Y b) E(Y b)]}
= E{[X E(X)][Y E(Y)]} = cov(X, Y)
Posljedicno, pri translaciji se ne mijenja niti koeficijent korelacije.

Izaberemo li a = mX , tada slucajnu varijablu X mX oznacavamo s X . Za nju

vrijedi E(X = 0 , D(X) = D(X) . Za slucajnu varijablu X kazemo da je centrirana.
Ocekivanje i disperzija slucajne varijable aX + b iznose
E(aX + b) = aE(X) + b, D(aX + b) = a2 D(X).
Posebno vazan slucaj izbora konstanti a i b nastupa kad je rezultirajuce ocekivanje
jednako nuli, a disperzija jedinici. Neka je m = E(X) , 2 = D(X) . Za slucajnu
varijablu
Xm
X :=

kazemo da je dobivena normiranjem iz slucajne varijable X . Vrijedi
1 1 1
E(X ) = E(X m) = 0, D(X ) = 2 D(X m) = 2 D(X) = 1.

104 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Koeficijent korelacije ne mijenja se normiranjem! Naime, vrijedi mX = mY = 0 ,

X = Y = 1 pa dobivamo

X mX Y mY cov(X, Y)
r(X , Y ) = E(X Y ) = E = = r(X, Y).
X Y X Y

Za slucajne varijable koje nisu nezavisne, opcenito je D(X +Y) = D(X)+D(Y) .
Tocniju vezu iskazat cemo u sljedecem teoremu.

Disperzija zbroja slucajnih varijabli

Teorem 3.3. Disperzija zbroja S = X1 + . . . + Xn slucajnih varijabli racuna

se formulom

n 
D(S) = D(Xi ) + 2 cov(Xi , Xj ).
i=1 i<j

Dokaz. Vrijedi mS = mX1 + . . . + mXn pa je

 n 2
D(S) = E[(S mS )2 ] = E (Xi mXi )
i=1

n 
= E(Xi mXi )2 + E[(Xi mXi )(Xj mXj )]
i=1 i=j

n 
= D(Xi ) + 2 cov(Xi , Xj ). 
i=1 i<j

Svojstva koeficijenta korelacije

Teorem 3.4. Za koeficijent korelacije uvijek je ispunjeno

|r(X, Y)|  1.
Jednakost r(X, Y) = 1 vrijedi onda i samo onda kad je Y = aX + b za neke
konstante a i b .

Dokaz. Neka su X , Y normirane slucajne varijable pridruzene varijablama X i

Y . Onda imamo
D(X Y ) = D(X ) + D(Y ) 2 cov(X , Y ) = 2[1 r(X, Y)].
Lijeva strana je uvijek pozitivna, pa je zato pozitivna i desna. Odatle slijedi
|r(X, Y)|  1.
3.3. MOMENTI I KARAKTERISTICNE
FUNKCIJE DISKRETNIH VARIJABLI 105

Nadalje, jednakost r(X, Y) = 1 vrijedit ce samo onda kad bude D(X Y ) = 0 .

To je moguce samo kad je slucajna varijabla X Y jednaka konstanti. Odavde
zakljucujemo da mora biti
Y mY X mX
= const
Y X
odnosno
Y = aX + b,
pri cemu je a = Y /X i b neki realni broj.
Slicno zakljucujemo i u slucaju kad je r(X, Y) = 1 . 

Primjer 3.12. Ispravan novcic je bacen tri puta. Neka X oznacava broj pojavljenih
grbova, Y duljinu najduzeg niza uzastopno pojavljenih grbova. Odredi zakon razdiobe
vektora (X, Y) te koeficijent korelacije r(X, Y) .

 Postoji osam jednako vjerojatnih elementarnih dogadaja.- Odrediti cemo za sva-

ki od njih vrijednosti varijabli X i Y i zatim sastaviti zakon razdiobe vektora (X, Y) .
X Y Y 0 1 2 3
PPP 0 0 X
1 1
PPG 1 1 0 8 0 0 0 8
PGP 1 1 1 0 3
0 0 3
8 8
GPP 1 1
1 2 3
PGG 2 2 2 0 8 8 0 8
GPG 2 1 3 0 0 0 1 1
8 8
GGP 2 2
1 4 2 1
GGG 3 3 8 8 8 8 1

Izracunajmo sada cov(X, Y) , D(X) i D(Y) .

1 3 3 1 12
E(X) = 0 +1 +2 +3 = ,
8 8 8 8 8
1 4 2 1 11
E(Y) = 0 + 1 + 2 + 3 = ,
8 8 8 8 8
1 3 1 2 1 22
E(XY) = 0 + 1 + 2 + 4 + 9 = ,
8 8 8 8 8 8
22 12 11 44
cov(X, Y) = = ,
8 8 8 64
1 3 3 1  12 2 48
D(X) = 0 + 1 + 4 + 9 = ,
8 8 8 8 8 64
1 4 2 1  11 2 47
D(Y) = 0 + 1 + 4 + 9 = ,
8 8 8 8 8 64
44
cov(X, Y) 44
r(X, Y) =  =  64 = = 0.926.
D(X)D(Y) 48
47 47 48
64 64
106 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Karakteristicna funkcija

Integralne transformacije vazan su alat u matematickoj analizi. Pokazat cemo da

se tim sredstvom uspjesno rjesavaju i mnogi problemi teorije vjerojatnosti. Analogoni
Fourierovih i Laplaceovih transformata ovdje predstavljaju karakteristicne funkcije i
funkcije izvodnice.

Karakteristicna funkcija
Karakteristicna funkcija slucajne varijable X definira se formulom
X (t) := E(eitX )
Dakle, 
X (t) = pk eitxk . (4)
k

Karakteristicna funkcija postoji za svaku slucajnu varijablu, jer je ocekivanje slu-

cajne varijable eitX uvijek konacno. (Apsolutna vrijednost te slucajne varijable jednaka
je jedinici.)
U sljedecem cemo poglavlju koristiti neka od svojstava karakteristicnih funkcija,
koja necemo u ovom trenutku dokazivati.

Svojstva karakteristicne funkcije

1 Karakteristicna funkcija jednoznacno odreduje - razdiobu: dvije razlicite
razdiobe ne mogu imati istu karakteristicnu funkciju.
2 Ako su X1 , . . . , Xn nezavisne, tada je
X1 +...+Xn (t) = X1 (t) Xn (t). (5)
3 Vrijedi formula
(r) (0)
E(X r ) = , r = 1, 2, . . . (6)
ir
ukoliko ocekivanje postoji. Posebice,
E(X) = i  (0),
(7)
D(X) =  (0) +  (0)2 .

Funkcije izvodnice

Za diskretne slucajne varijable, koje uzimaju vrijednosti u skupu (0, 1, 2, . . .) ces-

to je jednostavnije umjesto karakteristicne funkcije promatrati funkciju izvodnicu X
definiranu ovako:

X (z) = pk zk = E(zX ).
k=0
3.4. RIJE SENI
ZADATCI 107

Ovaj red konvergira sigurno na podrucju |z| < 1 jer je pk  1 za svaki k . Poznava-
nje funkcije izvodnice cesto nam omogucava da jednostavno odredimo zakon razdiobe
slucajne varijable, jer vrijedi:
(n) (0)
pn = .
n!
Za ovu tvrdnju ne trebamo dodatni dokaz, jer je funkcija izvodnica definirana
zbrojem svog McLaurinovog reda, pa za koeficijente reda mora vrijediti navedena
formula.

3.4. Rijeseni zadatci

Zadatak 3.1. Zadana je slucajna varijabla X svojom razdiobom


1 2 3 ...
X 1 1 1 .
2 22 23 . . .
Odredi zakon razdiobe slucajne varijable Y = cos X .

 Y poprima samo dvije vrijednosti +1 i 1 .

Y = 1 za X = 1, 3, 5, . . . ,
Y = 1 za X = 2, 4, 6, . . . ,
1 1 2
q1 = P (Y = 1) = p1 + p3 + p5 + . . . = + + ... = ,
2 8 3
1 1 1
q2 = P (Y = 1) = p2 + p4 + p6 + . . . = + + ... = .
4 16 3
Dakle, 
1 1
Y 2 1 .
3 3

Zadatak 3.2. Zadana je razdioba slucajnog vektora (X, Y) : P (X = 1, Y =

1) = P (X = 0, Y = 1) = P (X = 1, Y = 1) = 16 , P (X = 1, Y = 1) = 14 ,
P (X = 0, Y = 1) = P (X = 1, Y = 1) = 18 . Odredi marginalne razdiobe varijabli X
i Y , te razdiobe varijabli Z = X + Y , W = XY .

 Napisimo najprije razdiobu vektora (X, Y) :

Y 1 1
X
1 1 10
1 6 4 24
1 1 7
0 6 6 24
1 1 7
1 6 8 24
1 1
2 2
108 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Dakle, marginalne razdiobe su

 
1 0 1 1 1
X 10 7 7 , Y 1 1 .
24 24 24 2 2
Varijabla Z = X + Y ima razdiobu

2 1 0 1 2
Z 1 1 5 1 1
6 6 12 8 8
(Provjeri! Razdiobu varijable Z citamo iz razdiobe vektora (X, Y) , nikako iz margi-
nalnih razdioba varijabli X i Y , posto ove nisu nezavisne.)
Varijabla W poprima vrijednosti 1 , 0 , 1 :
5
P (W = 1) = P (X = 1, Y = 1) + P (X = 1, Y = 1) = ,
12
7
P (W = 0) = P (X = 0) = ,
24
7
P (W = 1) = P (X = 1, Y = 1) + P (X = 1, Y = 1) = .
24
Dakle, 
1 0 1
W 10 7 7 .
24 24 24

Zadatak 3.3. Odredi razdiobu vektora (W, Z) iz prethodnog zadatka.

 Vektor (W, Z) uzima samo pet vrijednosti:

1
P (Z = 2, W = 1) = P (X = 1, Y = 1) = ,
6
1
P (Z = 1, W = 0) = P (X = 0, Y = 1) = ,
6
5
P (Z = 0, W = 1) = P (X = 1, Y = 1) + P (X = 1, Y = 1) = ,
12
1
P (Z = 1, W = 0) = P (X = 0, Y = 1) = ,
8
1
P (Z = 2, W = 1) = P (X = 1, Y = 1) = .
8
Tako dobivamo razdiobu vektora (W, Z) :

Z 2 1 0 1 2
W
5 5
1 0 0 12 0 0 12
1 1 7
0 0 6 0 8 0 24
1 1 7
1 6 0 0 0 8 24
1 1 5 1 1
6 6 12 8 8 1
3.4. RIJE SENI
ZADATCI 109

Zadatak 3.4. Adrese na n pisama napisane su na srecu. Neka je Xn broj pisama

koja su otisla na tocnu adresu. Izracunaj E(Xn ) i D(Xn) .
 Izracunati cemo E(Xn) i D(Xn ) , ne racunajuci razdiobu varijable Xn ! Naime, ona
se moze napisati u obliku Xn = 1 + . . . + n , gdje je

1, ako je kto pismo tocno adresirano,
k =
0, u protivnom slucaju.
Sve slucajne varijable k imaju istu razdiobu

1 0
k 1 n1
n n
-
ali medusobno nisu nezavisne. Njihovo je ocekivanje E(k ) = 1n . Stoga je
 - vrijedi D(k ) = 1 12 = n2 1 . Da odredimo
E(Xn ) = E(k ) = 1 . Takoder, n n n
D(Xn ) , potrebno je jos znati E(k l ) , za k = l . Kako ta varijabla poprima samo dvije
vrijednosti, 0 i 1, dovoljno je odrediti P(k l = 1) = n(n11) , te je i E(k l ) = n(n11) .
Zato
1 1 1
cov(k , l ) = = 2 .
n(n 1) n2 n (n 1)
Konacno dobivamo
n  n1   1
n
D(Xn) = D(k ) + 2 cov(k , l ) = +2 = 1.
n 2 n (n 1)
2
k=1 k<l

Zadatak 3.5. Bacamo dvije kocke. Definirajmo slucajne varijable

X = veci od brojeva na kockama,
Y = manji od brojeva na kockama,
Z = zbroj brojeva na kockama.
Odredi zakon razdiobe, ocekivanje i disperziju ovih slucajnih varijabli.
-
 a) Vrijednosti slucajne varijable X na elementarnim dogadajima su
X 1 2 3 4 5 6
1 1 2 3 4 5 6
2 2 2 3 4 5 6
3 3 3 3 4 5 6
4 4 4 4 4 5 6
5 5 5 5 5 5 6
6 6 6 6 6 6 6
Zato je njen zakon razdiobe

1 2 3 4 5 6
X 1 3 5 7 9 11
36 36 36 36 36 36
Sada dobivamo
1 3 11
E(X) = 1 +2 + ... + 6 = 4.47,
36 36 36
1 3 11
D(X) = 1 +4 + . . . + 36 4.472 = 1.97.
36 36 36
110 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

b) Zakon razdiobe varijable Y dobivamo na slican nacin


1 2 3 4 5 6
Y 11 9 7 5 3 1
36 36 36 36 36 36

te je E(Y) = 2.53 , D(Y) = 1.97 .

- dobi-
c) Ispisavsi vrijednosti slucajne varijable na svih 36 elementarnih dogadaja
vamo razdiobu varijable Z

2 3 4 5 6 7 8 9 10 11 12
Z 1 2 3 4 5 6 5 4 3 2 1 .
36 36 36 36 36 36 36 36 36 36 36
- vrijedi
(Jednostavnije je obrnuti postupak i upitati se za koliko elementarnih dogadaja
(Z = k) , za sve moguce vrijednosti k koje poprima varijabla Z .)
Sada racunamo
1 2 1
E(Z) = 2 +3 + . . . + 12 = 7,
36 36 36
1 2 1
D(Z) = 4 +9 + . . . + 14 72 = 5.83.
36 36 36
Samo ocekivanje i disperziju mozemo dobiti jednostavnije. Definirajmo nezavisne
slucajne varijable:
X1 = broj na prvoj kocki,
X2 = broj na drugoj kocki.
Ocigledno su X1 i X2 identicki distribuirane, ali i nezavisne slucajne varijable, s
razdiobom 
1 2 3 4 5 6
X1 , X2 1 1 1 1 1 1
6 6 6 6 6 6

Izracunajmo njihovo ocekivanje i disperziju:

1 1 1
E(X1) = E(X2 ) = 1 + 2 + . . . + 6 = 3.5,
6 6 6
1 1 1
D(X1) = D(X2 ) = 1 + 4 + . . . + 36 3.52 = 2.92.
6 6 6
Kako je Z = X1 + X2 , to dobivamo
E(Z) = E(X1 ) + E(X2 ) = 7,
D(Z) = D(X1 ) + D(X2 ) = 5.83.

Zadatak 3.6. Slucajna varijabla X poprima samo cijele pozitivne vrijednosti. Po-
kazi da vrijedi


E(X) = P (X  n).
n=1
3.4. RIJE SENI
ZADATCI 111



 

P (X  n) = P (X = k)
n=1 n=1 k=n

 k

= P (X = k) = kP (X = k) = E(X).
k=1 n=1 k=1

Primjer 3.13. Ispravan novcic bacamo dok se grb ne pojavi po drugi put. Neka
slucajna varijabla X oznacava broj bacanja. Izracunaj E(X) te vjerojatnost da se pokus
zavrsi u prvih pet bacanja.
 Moguci ishodi i pripadne vjerojatnosti su
elem. dogadaj - vrijednost od X vjerojatnost
1
 GG X=2 4
GPG 1
X=3 2 8
PGG
..
.
GP . . . PG


PG . . . PG
1
.. X=n (n 1)

.
2n


PP . . . GG
..
.
Prema tome, ocekivanje iznosi

 1
E(X) = n(n 1) .
2n
n=2
Da bismo sumirali ovaj red, definirajmo funkciju

xn x2 1 x2
f (x) = = = , 2 < x < 2.
2n 22 1 x 2(2 x)
n=2
2
Ovaj red konvergira uniformno na svakom zatvorenom podintervalu intervala (2, 2)
i tu se moze derivirati clan po clan:

4x x2 xn1
f  (x) = = n n ,
2(2 x) 2
n=2
2

4 xn2
f  (x) = = n(n 1) .
(2 x)3 n=2
2n
Dobiveni redovi konvergiraju na istom intervalu (2, 2) . Uvrstavajuci tocku x = 1
dobivamo
 1

f (1) = 4 = n(n 1) n = E(X).
n=2
2
112 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

Vjerojatnost da ce pokus zavrsiti u prvih pet bacanja je

1 1 1 1 13
P (X  5) = + 2 + 3 +4 = .
4 8 16 32 16

Primjer 3.14. Dva igraca bacaju naizmjenicno novcic dok se ne pojavi pismo. Po-
bjednk dobiva sumu novca koja je jednaka broju bacanja. Da li je bolje igrati kao prvi
ili kao drugi igrac?

 Neka je X1 slucajna varijabla: dobitak prvog igraca, X2 : dobitak drugog

igraca. Moramo odrediti njihova ocekivanja.
-
Ovaj se pokus sastoji od prebrojivo mnogo elementarnih dogadaja. Odredimo
vjerojatnost svakog od njih i vrijednosti slucajnih varijabli.
-
elem. dogadaj vjerojatnost X1 X2
1
P 2 1 0
1
GP 4 0 2
1
GGP 8 3 0
1
GGGP 16 0 4
..
.
Zakoni razdioba varijabli X1 i X2 su
 
1 3 5 ... 2 4 6 ...
X1 1 1 1 . . . , X2 1 1 1 .
2 23 25 22 24 26 . . .

1
Ocekivani dobitak prvog igraca je E(X1 ) = (2n + 1) 2n+1 . Definirajmo
n=0
2

 x2n+1 x 1 2x
f (x) = = 2
= 2 < x < 2.
,
22n+1 2 x 4 x2
n=0 1
4

Cim je |x| < 2 red se moze derivirati clan po clan:

x2n 2(4 + x2 )
f  (x) = (2n + 1) 2n+1 = .
n=0
2 (4 x2 )2
Uvrstimo x = 1


 2n + 1 10
f (1) = = = E(X1).
22n+1 9
n=0

Analogno mozemo izracunati

 2n 8
E(X2) = 2n
= .
2 9
n=0
Stoga je bolje igrati kao prvi igrac.
3. ZADATCI ZA VJE ZBU
113

Zadatak 3.7. Pokazi da je funkcija

3 + cos t
(t) =
4
karakteristicna funkcija i odredi pripadnu razdiobu.


3 + cos t 3 1 eit + eit
= + = 18 eit + 34 eit0 + 18 eit .
4 4 4 2
Dakle, je karakteristicna funkcija diskretne slucajne varijable X s razdiobom

1 0 1
X 1 3 1 .
8 4 8

3. Zadatci za vjezbu

1. U urni se nalazi n kuglica, od kojih je samo jed-
na bijela. Izvlacimo na srecu jednu po jednu kuglicu
iz urne (bez vracanja). Neka X oznacava pokusaj u
kojem je izvucena bijela kuglica. Odredi razdiobu
od X .
2. Iz skupa (1, 2, . . . , n) izvlacimo na srecu (odjed-
nom) tri broja. Neka slucajna varijabla X poprima
vrijednost najveceg od ta tri broja. Odredi razdiobu
od X .
3. Urna sadrzi N kuglica, oznacenih brojevima od
1 do N . Na srecu biramo n kuglica, s vracanjima.
Neka je X najveci broj koji je pri tom izvucen.
Izracunaj razdiobu varijable X .
4. Zadan je zakon razdiobe diskretne slucajne vari-
jable
2 1 0 1 2
X 0.2 0.1 0.4 0.1 0.2
Izracunaj E(X) i D(X) .
5. Slucajna varijabla X poprima vrijednosti x =
(n 1)2 , n N , s vjerojatnostima
2n
P (X = (n 1)2 ) = . ukupno 6 z arulja, od kojih su 2 ispravne i 4 neis-
n ln 2
Izracunaj ocekivanje varijable X .
6. Igrac baca jednu kocku. Ako se pojavi broj 6 ima
pravo bacati ponovo, ali samo jos jedanput. Slucajna
varijabla X jednaka je rezultatu prvog bacanja, od-
nosno zbroju dvaju bacanja ukoliko je kocka bacena
dvaput. Izracunaj ocekivanje i standardnu devijaciju
varijable X .
7. Igrac baca 5 kocaka z eleci postici s to vise je-
dinica. Nakon prvog bacanja, sve kocke koje ne
pokazuju na broj 1 baca ponovo. Izracunaj oceki-
vani broj jedinica dobivenih u oba bacanja.
8. Neka je X veci od dva na srecu odabrana broja
iz skupa (1, 2, . . . , n) . (Isti broj moze biti izabran
dva puta). Izracunaj ocekivanje E(X) .
9. Izmedu - 6 crvenih i 4 plave kuglice na srecu se
biraju tri. Izracunaj ocekivanje broja plavih kuglica.
10. Covjek ima pet kljuceva, od kojih samo jedan
otvara vrata njegovog stana. Kljucevi su slicnog ob-
lika pa ih on ne razlikuje. Da bi otvorio vrata, on
isprobava kljuceve jedan za drugim, s tim da kljuc
koji ne odgovara nakon pokusaja odvaja, da ga ne
bi ponovo isprobavao. Koliki je ocekivani broj po-
kusaja?
11. Na raspolaganju nam je jedno grlo za z arulje i
pravne. Zarulje isprobavamo jednu za drugom, do
pojave svjetlosti. Koliko je ocekivanje broja poku-
s aja?
114 3. DISKRETNE SLU CAJNE
VARIJABLE I VEKTORI

12. Slucajna varijabla X poprima vrijednosti u sku- 20. Bacamo dvije kocke. Slucajna varijabla Xk po-
pu (0, 1, 2, . . . , n, . . .) s vjerojatnostima koje opa- prima vrijednost 1 ako se u ktom bacanju poja-
daju po geometrijskom nizu. ve razliciti brojevi, a vrijednost 0 ako su oba bro-
- vezu izmedu
a) Nadi - E(X) i D(X) . ja u ktom bacanju jednaka. Definirajmo Y =
b) Ako je E(X) = a , izracunaj P (X = k) . X1 + . . . + Xn . Odredi ocekivanje, disperziju vari-
jable Y te vjerojatnost dogadaja- (0  Y  2) .
13. Tri osobe bacaju novcic jedna za drugom. Pob-
- onaj koji prvi dobije grb. Kolika je vjerojat-
jeduje 21. Slucajne varijable X1 , X2 , . . . su nezavisne i
nost da ce pobijediti prvi igrac? Koliko je ocekivanje jednako distribuirane,
broja bacanja?
1 0 1
Xk 1/4 1/2 1/4 .

Neka je X = X1 + . . . + Xn . Odredi prva tri mo-
14. Pokus, koji se sastoji u bacanju novcica n puta, menta E(X m ) , m = 1, 2, 3 .
ponovimo dvaput. Izracunaj vjerojatnost da ce se
broj grbova podudarati u oba pokusa. 22. Baca se kocka. Slucajna varijabla X poprima
vrijednost koja je tri puta veca od broja okrenutog na
15. X i Y su nezavisne slucajne varijable koje po- kocki, dok slucajna varijabla Y poprima vrijednost
primaju vrijednosti u skupu (0, 1, . . . , n) , pri cemu 3 kad je broj okrenut na kocki veci od 2 , a vrijed-
je nost 0 kad okrenuti broj nije veci od 2 . Izracunaj
1 disperziju slucajne varijable Z = X + Y .
P (X = i) = P (Y = i) = .
n+1 23. Baca se kocka. Slucajna varijabla X poprima
Odredi razdiobu slucajne varijable Z = X + Y . vrijednost koja je jednaka kvadratu broja okrenutog
na kocki, dok slucajna varijabla Y poprima vri-
16. Neka su X i Y nezavisne slucajne varijable, s jednost 1 kad je broj okrenut na kocki  2 , a
vrijednostima u skupu N , te E(X) < . Dokazi vrijednost +1 kad je on > 2 . Izracunaj disperziju
da vrijedi slucajne varijable Z = X + Y .

X 24. Razdioba vjerojatnosti dvodimenzionalnog slu-
E(min(X, Y)) = P (X  i)P (Y  i). cajnog vektora (X, Y) zadana je tablicom
i=1
Y 0 1 2
X
17. Slucajna varijabla X poprima samo cjelobrojne 0 1/8 0 0
nenegativne vrijednosti. Dokazi da je 1 1/8 1/8 0

X 2 0 1/8 0
E(X [k] ) = k n[k1] P (X > n) 3 0 1/4 1/4
n=1 - koeficijent korelacije r .
Nadi
[k]
za proizvoljan cjelobrojni k  2 . (Ovdje je x = 25. Baca se kocka. Slucajna varijabla X poprima
x(x 1) (x k + 1). ) vrijednost koja je dva puta veca od broja okrenutog
18. Biramo dva broja iz skupa (1, 2, . . . , n) (isti na kocki, dok slucajna varijabla Y poprima vri-
broj moze biti izabran dva puta). Kolika je vjerojat- jednost 1 kad je broj okrenut na kocki neparan, a
nost da njihov zbroj nece biti veci od n ? Kolika je vrijednost 3 kad je okrenuti broj paran. Odredi
ocekivana vrijednost tog zbroja? disperziju slucajne varijable Z = X + Y .
26. Iz skupa od tri broja S = (1, 2, 3) na srecu bi-
ramo 2 broja. Ako su izvuceni brojevi i, j S ,
slucajnu varijablu X definiramo sa X = max(i, j) ,
19. X i Y su nezavisne diskretne slucajne varijable a slucajnu varijable Y sa Y = min(i, j) . Jesu li
sa zakonom razdiobe: varijable X i Y korelirane, i ako jesu, izracunaj
pripadni koeficijent korelacije r(X, Y) .
1 1
P (X = n) = , n = 0, 1, 2, . . .
e n!
n
1 2
P (Y = n) = 2 , n = 0, 1, 2, . . .
e n!
Odredi razdiobu slucajne varijable Z = X + Y te
izracunaj njeno ocekivanje i disperziju.
3. ZADATCI ZA VJE ZBU
115

27. Baca se kocka. Slucajna varijabla X poprimi 32. Diskretna slucajna varijabla X ima jednoliku
vrijednost +1 ako je okrenuti broj paran, a vrijed- razdiobu na skupu S = (1, 3, 5, . . . , 2n+1) . Odre-
nost 1 ako je okrenuti broj neparan, dok slucajna di njenu karakteristicnu funkciju.
varijabla Y poprimi vrijednost +1 kad je broj okre- 33. Diskretna slucajna varijabla X definirana je
nut na kocki  3 , a vrijednost 1 kad je okrenuti sljedecom razdiobom vjerojatnosti
broj > 3 . Izracunaj disperziju D(Z) slucajne va-
rijable Z = X Y . P (X = x) = 0.5|x| , x = . . . , 4, 2, 1, 3, 5 . . .
- ocekivanje
Koristeci karakteristicnu funkciju nadi
28. Kod bacanja dviju kocaka slucajna varijabla X
poprima vrijednost maksimuma, a slucajna varijab- od X .
la Y vrijednost minimuma okrenutih brojeva. Jesu 34. Odredi karakteristicnu funkciju geometrijske
li varijable X i Y korelirane; ako jesu odredi koefi- razdiobe, dane sa
cijent korelacije r(X, Y) .
P(X = k) = p(1p)k , k = 0, 1, 2, . . .
29. Zadana je razdioba diskretnog slucajnog vekto-
ra (X, Y) : i na temelju toga izracunaj njeno ocekivanje.
Y 0 1
X
1 1/4 1/6
0 1/6 1/8 35. Pokazi da je
1 1/8 1/6 1 + cos3 t
(t) =
Odredi razdiobu slucajnog vektora (Z, T) , ako je 2
Z = 2X + Y , T = 2X Y . karakteristicna funkcija i odredi pripadnu razdiobu.
30. Baca se kocka. Slucajna varijabla X popri- 36. Provjeri da je
ma vrijednost koja je jednaka dvostrukom broju od 1 1 1
broja okrenutog na kocki, dok slucajna varijabla Y (t) = 2 cos t + 6 cos 2t + 2 cos 3t
poprima vrijednost 0 kad je broj okrenut na kocki karakteristicna funkcija i odredi pripadnu razdiobu.
paran, a vrijednost 1 kad je okrenuti broj neparan.
Izracunaj koeficijent korelacije r(X, Y) .
37. Neka je (z) = E(zX ) funkcija izvodnica va-
rijable X . Dokazi da za svaki > 0 vrijedi
31. Slucajna varijabla X poprima vrijednosti u sku- Z 1
pu (2, 1, 0, 1, 2) s jednakim vjerojatnostima. 1
E = z 1 (z)dz.
Odredi njenu karakteristicnu funkciju. X+ 0
 4.
Primjeri diskretnih razdioba

1. Geometrijska razdioba . . . . . . . . . . . . . . . . . . . . . 116

2. Binomna razdioba . . . . . . . . . . . . . . . . . . . . . . . . 119
3. Poissonova razdioba . . . . . . . . . . . . . . . . . . . . . . 123
Zadatci za vjezbu . . . . . . . . . . . . . . . . . . . . . . . . 128

U ovom cemo se poglavlju upoznati s najvaznijim diskretnim slucajnim varijablama: geomet-

rijskom, binomnom i Poissonovom. Opisat cemo pripadne razdiobe, objasniti u kojim se modelima
one pojavljuju, izracunati njihove karakteristicne funkcije i pripadne numericke karakteristike.

4.1. Geometrijska razdioba

-
Neka je pri izvodenju -
nekog pokusa p vjerojatnost realizacije dogadaja A . Po-
-
navljamo taj pokus u nepromijenjenim uvjetima do prve realizacije tog dogadaja. Neka
- A . Onda kazemo
slucajna varijabla X mjeri broj pokusa u kojem se realizirao dogadaj
da X ima geometrijsku razdiobu s parametrom p i pisemo X G(p) .
Odredimo zakon razdiobe ove slucajne varijable. Najprije, X poprima vrijednosti
u skupu {1, 2, 3, . . .} . Odredimo vjerojatnost
pk = P (X = k).
-
Ako se realizirao dogadaj {X = k} , to znaci da se u prvih k 1 pokusa A nije pojavio,
a pojavio se u k -tom pokusu, pa je
pk = P (X = k) = p(1 p)k1 .
Stavimo q := 1 p . Primjetimo da vrijedi
P (X > k) = (1 p)k = qk
- A nije ostvario u prvih k pokusa.
h jer se tada dogadaj

116
4.1. GEOMETRIJSKA RAZDIOBA 117

Karakteristicna funkcija, ocekivanje i disperzija

Odredimo najprije karakteristicnu funkciju geometrijske razdiobe:

 peit
(t) = eitk pqk = peit (qeit )k = .
1 qeit
k=1 k=0
Iskoristimo tu funkciju da izracunamo ocekivanje ove razdiobe. Vrijedi
ipeit
 (t) =
(1 qeit )2
pa je
p 1
E(X) = i  (0) = = .
(1 q)2 p
Dakle, ocekivanje je jednako reciprocnoj vrijednosti parametra vjerojatnosti
p . Taj je rezultat u skladu s iskustvom. Pri bacanju jedne kocke, vjerojatnost po-
javljivanja s estice jednaka je p = 16 . Broj bacanja kocke do pojave s estice mjeri
slucajna varijabla koja ima geometrijsku razdiobu. Ocekivani broj ponavljanja jednak
je E(X) = 1/p = 6 .
Kolika je vjerojatnost da ce se s estica zaista pojaviti u tih prvih s est bacanja?
Odgovor na to pitanje daje zakon razdiobe slucajne varijable:
 6
5
P (X  6) = 1 P (X > 6) = 1 = 0.665 .
6

Odsustvo pamcenja temeljno svojstvo geometrijske razdiobe

Teorem 4.1. Slucajna varijabla X koja poprima vrijednosti u skupu {1, 2, 3, . . .}

ima geometrijsku razdiobu onda i samo onda ako vrijedi za sve k, m  1
P (X = k + m | X > k) = P (X = m). (1)

Dokaz. Jedan je smjer jednostavan: ako X ima geometrijsku razdiobu, onda je

P (X = k + m, X > k) P (X = k + m)
P (X = k + m | X > k) = =
P (X > k) P (X > k)
k+m1
p(1 p)
= = p(1 p)m1 = P (X = m).
(1 p)k
Pokazimo obrat. Iz (1) slijedi, zbrajanjem svih nejednakosti po prirodnim broje-
vima vecim od m :
P (X > k + m | X > k) = P (X > m).
Uvjetna vjerojatnost na lijevoj strani moze se napisati u obliku:
P (X > k + m, X > k P (X > k + m)
P (X > k + m | X > k) = = .
P (X > k) P (X > k)
118 4. PRIMJERI DISKRETNIH RAZDIOBA

Tako smo dobili identitet

P (X > k + m) = P (X > k)P (X > m).
To znaci da funkcija Q(k) := P (X > k) zadovoljava funkcionalnu jednadzbu
Q(k + m) = Q(k)Q(m), k, m  0. (2)
Nadalje, vrijedi Q(0) = P (X > 0) = 1 , Q(1) = P (X > 1) = 1 p =: q . Stavimo u
(2) k = 1 :
Q(m + 1) = Q(1)Q(m) = Q(m + 1) = q Q(m).
Iterirajuci ovu relaciju dobivamo
Q(k) = qk Q(0) = qk .
Dakle, P(X > k) = qk . Zato je
P (X = k) = P (X > k 1) P (X > k) = qk1 qk = (1 q)qk1 = pqk1 .
Time smo dokazali tvrdnju. 

Na s to ovaj teorem ukazuje? Rekli smo da X mjeri broj realizacija pokusa do
-
pojavljivanja nekog dogadaja. Ako promatramo bacanje kocke i s estica se nije pojavila
u prvih pet bacanja, Kolika je vjerojatnost da ce se ona pojaviti u sljedeca dva bacanja?
Koliki je ocekivani broj bacanja do pojave s estice u tom trenutku?
Odgovori na ova pitanja su: ista (isti) kao i na pocetku bacanja. Niti se mijenjaju
vjerojatnosti, niti se mijenja ocekivani broj bacanja. Ako se s estica nije pojavila u prvih
pet bacanja, ocekivani broj (novih) bacanja do njezine pojave je opet jednak 6. Kazemo
da geometrijska razdioba nema pamcenje.

Pokusi sa dva nezavisna obiljezja

Pretpostavimo da pri realizaciji pokusa promatramo dva nezavisna dogadaja - A1 i

A2 . Pokus ponavljamo do realizacije bilo kojeg od njih.
Opisimo ovaj pokus koristeci aparat slucajnih varijabli.
- A1 . Ona ima geometrijsku
Neka slucajna varijabla X1 prati pojavljivanje dogadaja
razdiobu s parametrom p1 = P (A1 ) .
-
Na isti nacin, slucajna varoijabla X2 koja biljezi realizaciju dogadaja A2 ima
geometrijsku razdiobu s parametrom p2 = P (A2 ) .
Te dvije slucajne varijable su nezavisne, jer su A1 i A2 nezavisni.
-
Slucajna varijabla X koja registrira prvo pojavljivanje bilo kojeg od ovih dogadaja
moze se zapisati formulom X = min(X1 , X2 ) . Dokazat cemo da ona ima takoder -
geometrijsku razdiobu i odrediti njezin parametar.
Vrijedi, zbog nezavisnosti
P (X > k) = P (X1 > k, X2 > k)
= P (X1 > k)P (X2 > k) = qk1 qk2 =: qk
gdje je q = q1 q2 . Zato
P (X = k) = P (X > k 1) P (X > k)
= qk1 qk = pqk1
4.2. BINOMNA RAZDIOBA 119

te X ima geometrijsku razdiobu s parametrom p = 1 q = 1 (1 p1 )(1 p2 ) .

-
Korisno je izracunati vjerojatnost dogadaja A = A1 A2 i usporediti s ovim
rezultatom.
Primjer 4.1. Izlazna centrala poduzeca ima N linija. U jednom trenutku, sve su
linije zauzete. Duljina razgovora, mjerena u jedinicama vremena, ima geometrijsku
razdiobu s ocekivanjem . Izracunaj ocekivano vrijeme do prve slobodne linije.
 Neka su X1 , . . . , Xn duljine razgovora preko pojedinih linija. Tad je X =
1
min{X1 , . . . , Xn } . Ako je p parametar geometrijske razdiobe, onda vrijedi =
p
1
te je p = . Slucajna varijabla X ima i sama geometrijsku razdiobu s parametrom

1 qN . Njezino je ocekivanje
1 1
E(X) = =  1 N
.
1q N
1 1


Za veliki , priblizna vrijednost ovog ocekivanja je .
N
U interpretaciji ovog rezultata treba biti vrlo oprezan. Nije svejedno u kojim se
jedinicama mjeri vrijeme. Uzmemo li da je na primjer = 120 sekunda, dobit cemo
potpuno razlicite rezultate od pretpostavke = 2 minute. Evo tablica vrijednosti
ocekivanja E(X) za razne vrijednosti broja N :
N 1 2 3 4 5 6 7 8 9 10
= 120 sec 120 60.3 40.3 30.4 24.4 20.4 17.6 15.4 13.8 12.5
= 2 min 2.00 1.33 1.14 1.07 1.03 1.02 1.01 1.00 1.00 1.00
Zbog cega dolazi do ovako razlicitih rezultata? 

4.2. Binomna razdioba

Vjerojatno najvaznija diskretna razdioba jest binomna.

-
Neka je p vjerojatnost realizacije dogadaja -
A pri izvodenju nekog pokusa. Pret-
postavimo da istovjetan pokus ponavljamo n puta. Neka slucajna varijabla X mjeri broj
- A . Onda kazemo da X ima binomnu razdiobu s parametrima
pojavljivanja dogadaja
n i p i pisemo X B(n, p) .
X poprima vrijednosti u skupu {0, 1, 2, . . . n} . Odredimo pk = P (X = k) .
Ako se realizirao dogadaj- {X = k} , to znaci da se u n pokusa A ostvario tocno
k puta, a n k puta se nije ostvario. Broj razlicitih mogucnosti za odabir pokusa u
n
kojima se A ostvario je . Zato je
k
 
n k
pk = P (X = k) = p (1 p)nk .
k
Uobicajeno je oznaciti q := 1 p .
120 4. PRIMJERI DISKRETNIH RAZDIOBA

Pn

P< 1 P= 1
2 2

n m

1 1
Sl. 4.1. Razdioba binomne slucajne varijable, za p < 2 (lijevo) i u simetricnom slucaju p = 2
(desno).

je vjerojatnije u igri s ravnopravnim protivnikom: dobiti 3 partije

Primjer 4.2. Sto
od 4 ili 5 partija od 8? (Igra nema nerijesenog ishoda.)
 Broj dobivenih partija ravna se po binomnoj razdiobi. U prvom slucaju to je
zakon B(4, 12 ) , a u drugom slucaju B(8, 12 ) . Zato imamo
  1 1 8
4
P {3 partije od 4} = 3 = ,
3 2 2 32
  1 1 7
8
P {5 partija od 8} = 5 3 = . 
5 2 2 32
Primjer 4.3. Pokus se sastoji u bacanju triju kocki. Izracunaj vjerojatnost da se u
10 nezavisnih pokusa 4 puta pojave tocno 2 jedinice.
 Oznacimo s A dogadaj - { pri bacanju triju kocaka pojavile su se tocno 2
jedinice } .
Broj pojavljivanja jedinica je binomna slucajna varijabla B(3, 16 ) , posto se bacaju
- A
3 kocke a vjerojatnost pojavljivanja jedinice iznosi 16 . Zato je vjerojatnost dogadaja
jednaka
  1 2 5 5
3
p = P (A) = = .
2 6 6 72
Broj realizacija dogadaja A pri ponavljanju 10 pokusa je binomna slucajna varija-
bla B(10, p) . Vjerojatnost da se on pojavi tocno 4 puta iznosi
    5 4  67 6
10 4 6 10
p q = = 3.17 103 . 
4 4 72 72

Karakteristicna funkcija, ocekivanje i disperzija

Odredimo najprije karakteristicnu funkciju binomne razdiobe. Neka je X
B(n, p) . Tada imamo

n n  
n k nk
(t) = eitk pk = eitk pq
k
k=0 k=0
n  
 n
= (peit )k qnk = (peit + q)n .
k
k=0
4.2. BINOMNA RAZDIOBA 121

Po formuli (7) vrijedi

 (t) = n(peit + q)n1peit i,
 (0) = n(p + q)n1 pi = npi = E(X) = np.
Na isti nacin dobivamo
 (0) = n(n 1)p2 i2 + npi2 = n(n 1)p2 np
te je
D(X) =  (0) +  (0)2 = n(n 1)p2 + np n2 p2 = np np2 = npq.

Binomna razdioba, definicija i numericke karakterisike

Kazemo da slucajna varijabla X ima binomnu razdiobu s parametrima
n i p i pisemo X B(n, p) , ako X poprima vrijedosti unutar skupa
{0, 1, 2, . . . , n} s vjerojatnostima
 
n k
pk = P (X = k) = p (1 p)nk .
k
Ocekivanje i disperzija binomne razdiobe su
mX = np, X2 = npq.

Stabilnost binomne razdiobe

Ako su X1 B(n1 , p) i X2 B(n2 , p) nezavisne binomne slucajne varijable,

onda je X1 + X2 binomna slucajna varijabla. Odredimo njezine parametre.
Vrijedi X1 (t) = (q + peit )n1 , X2 (t) = (q + peit )n2 te je zbog nezavisnosti od X1
i X2
X1 +X2 (t) = X1 (t)X2 (t) = (q + peit )n1 +n2
a to je karakteristicna funkcija binomne razdiobe B(n1 + n2 , p) .
Ovaj je rezultat prirodan. Rijec je o tome da smo promatrali isti pokus, s time da
smo ga podijelili na dvije cjeline: u prvoj smo pokus ponovili n1 puta, a u drugoj n2
-
puta. Broj realizacija dogadaja A u cijelom pokusu jednak je zbroju tih realizacija u
pojedinim cjelinama.

Bernoullijeve slucajne varijable

Poseban, najjednostavniji primjer binomne slucajne varijable je Bernoullijeva ili

indikatorska slucajna varijabla: ona poprima samo dvije vrijednosti: 1 s vjerojatnoscu
- A u jednom pokusu.
p i 0 s vjerojatnoscu q = 1 p . Ona biljezi realizaciju dogadaja
Ako su Xi Bernoullijeve nezavisne varijable s istim parametrom p , tada je njihov
zbroj X1 + X2 + . . . + Xn binomna slucajna varijabla B(n, p) . Ova tvrdnja slijedi zbog
svojstva stabilnosti binomnih slucajnih varijabli.
122 4. PRIMJERI DISKRETNIH RAZDIOBA

Na temelju toga mozemo lakse izracunati ocekivanje i disperziju binomne slucajne

varijable. naime, za indikatorsku slucajnu varijablu vrijedi
E(Xi ) = 0 q + 1 p = p, D(Xi ) = 02 q + 12 p p2 = pq, i,
pa je, zbog nezavisnosti
E(X) = E(X1 ) + . . . + E(Xn ) = np,
D(X) = D(X1 ) + . . . + D(Xn ) = npq.

Primjer 4.4. (Najvjerojatnija realizacija) Slucajna varijabla X ima binomnu raz-

diobu B(n, p) . Koja je najvjerojatnija realizacija slucajne varijable X ?

 Trazimo takav k za koji je

 
n k nk
pk = P (X = k) = pq
k
najvece. Tada ce biti p0  p1  . . .  pk i pk  pk+1  . . .  pn . Dovoljno je
stoga promatrati dvije nejednakosti pk1  pk i pk  pk+1 i pronaci k za koji su one
ispunjene. Vrijedi
 
n k nk
pk pq q k+1
k
=  =
pk+1 n p nk
pk+1 qnk1
k+1
i ovaj kvocijent je veci od 1 ako je q(n k)  p(k + 1) . Odavde dobivamo
k  (n + 1)p 1 . Slicno
 
n k nk
pk pq q nk+1
k
=  = 1
pk1 n p k
pk1 qnk+1
k1
daje k  (n + 1)p .
Prema tome, najvjerojatnija realizacija slucajne varijable B(n, p) je onaj cijeli
- (n + 1)p 1 i (n + 1)p . Ako je (n + 1)p cijeli broj, postoje
broj ukljesten izmedu
tada dvije takve vrijednosti.

Primjer 4.5. Koliko puta moramo baciti kocku da bi najvjerojatniji broj pojavlji-
vanja s estice bio 10?

 Neka je n broj bacanja kocke. Broj pojavljivanja s estice u n bacanja je binomna

varijabla B(n, 16 ) . Po proslom zadatku mora biti
1 1
(n + 1) 1  10  (n + 1) .
6 6
Dakle, n + 1  66 i n + 1  60 , odnosno, 59  n  65 .
4.3. POISSONOVA RAZDIOBA 123

Zadatak 4.1. Vjerojatnost kvara brodskog motora u toku jednog dana iznosi p .
Ukoliko je motor bio u kvaru m puta, vjerojatnost da mora otici u remont jednaka je
 1 m
P(m) = 1 1 , gdje je neki parametar (srednji broj kvarova do odlaska

broda u remont). Dokazi da je vjerojatnost
 da ce brod morati otici na remont nakon n
p n
dana plovidbe jednaka Pn = 1 1 .

 Neka je Pn,m vjerojatnost da ce u toku n dana motor biti u kvaru m puta. Po
formuli potpune vjerojatnosti, dobivamo
n
Pn = Pn,m P(m).
m=0
Vjerojatnost kvara u toku svakog dana jednaka p . Broj kvarova unutar n dana ravna
se po binomnoj razdiobi. Zato je vjerojatnost Pn,m dana sa
 
n m
Pn,m = p (1 p)nm .
m
Uvrstavanjem u gornju formulu dobivamo
n    
 n m 1 m 
Pn = p (1 p)nm 1 1
m
m=0
n   n  
 n m nm
 n p m
= p (1 p) p (1 p)nm
m m
m=0 m=0
 p n  p n
=1 p +1p =1 1 .

4.3. Poissonova razdioba

Poissonovu razdiobu mozemo dobiti kao granicni slucaj binomne, kad broj pokusa
neograniceno raste. Ulogu vjerojatnosti p pojavljivanja dogadaja- zamjenjuje intenzitet
-
pojavljivanja dogadaja.
Promotrimo sljedeci primjer.
Unutar smjese od koje ce se ispeci m = 25 kolacica stavljeno je n = 100 zrna
-
grozdica. Neka je X slucajna varijabla: broj zrna unutar jednog kolacica. Kakva je
razdioba slucajne varijable X ?
Pretpostavljamo da se svako zrno moze neovisno jedno o drugom naci s jednakom
vjerojatnoscu unutar bilo kojeg kolacica. Vjerojatnost da se zrno nade- unutar jednog
1
odabranog kolacica je p = . Broj zrna unutar tog kolacica je binomna slucajna
m
1
varijabla s parametrima n i p = .
m
Primjetimo da je ocekivani broj zrna unutar jednog kolacica jednak E(X) = np =
n
. Oznacimo tu velicinu s . Ona oznacava intenzitet pojavljivanja zrna unutar nekog
m
kolacica.
124 4. PRIMJERI DISKRETNIH RAZDIOBA

Model slican ovom pojavljuje se pri promatranju broja poziva koji ce stici na neku
telefonsku centralu u nekoj jedinici vremena. Ako za m = 25 minuta na centralu
stigne u prosjeku n = 100 poziva, tada je broj poziva unutar jedne minute bas kao
-
u prijasnjem primjeru s grozdicama binomna razdioba s parametrima n = 100 ,
1
p= . Primjetimo da je ocekivani broj poziva = 4 .
25
Razlika izmedu - ova dva primjera jest u tome s to je broj grozdica
- bio unaprijed
poznat, i ogranicen odozgo. Ukupan broj poziva u drugom primjeru nije poznat, vec
je dan kao statisticka velicina. Sasvim je razumno pretpostaviti, barem u teoriji, da taj
broj nije ogranicen odozgo.

Od binomne razdiobe prema Poissonovoj

Aproksimacija binomne razdiobe

Teorem 4.2. Neka je n velik a p malen. Oznacimo = np . tad vrijedi

aproksimacija
  k
n k nk
pq e . (1)
k k!

1
Dokaz. Oznacimo m = i transformirajmo izraz slijeva:
p
    1 k  1 nk
n k n
p (1 p)nk = 1
k k m m
n
Sada je = np = . Pustimo da broj n neograniceno raste:
m
  k  nk 1 n(n 1) (n k + 1) k  nk
n
1 = 1
k n n k! nk n
1  1  k 1  k nk
= 1 1 1 1
k! n n n
k
e . 
k!

Greska koja se cini ovakvom aproksimacijom priblizno je jednaka izrazu

k (k np)2 kp2
rn (k) = + ,
2n 2
s to necemo ovdje dokazivati.
4.3. POISSONOVA RAZDIOBA 125

Poissonova razdioba, definicija i numericke karakteristike

Kazemo da slucajna varijabla X ima Poissonovu razdiobu s parametrom
> 0 i pisemo X P( ) ako ona poprima vrijednosti unutar skupa
{0, 1, 2, . . .} s vjerojatnostima
k
pk = P (X = k) = e .
k!
Za ocekivanje i disperziju ove razdiobe vrijedi
mX = , X2 = .

Pn

Sl. 4.2. Razdioba Poissonove slucajne varijable

Karakteristicna funkcija, ocekivanje i disperzija

Odredimo najprije karakteristicnu funkciju Poissonove razdiobe P( ) .



k ( eit )k it it
(t) = eitk e = e = e e e = e (e 1) .
k! k!
k=0 k=0
Odavde, na temelju veze karakteristicne funkcije i momenata slucajne varijable,
dobivamo E(X) = , D(X) = .
Primjer 4.6. U telefonskoj centrali tijekom jednog sata bilo je 240 poziva. Odredi
vjerojatnost da tijekom jedne minute a) nije bilo nijednog poziva, b) bilo je barem dva
poziva.
 Neka je X slucajna varijabla: broj poziva u jednoj (bilo kojoj) minuti. To je Po-
issonova varijabla s intenzitetom koji je jednak ocekivanoj vrijednosti, = 240
60 = 4 .
0
P (X = 0) = e = e4 = 0.018,
0!
P (X > 2) = 1 P (X = 0) P (X = 1) = 1 e4 4e4 = 0.908.

Stabilnost Poissonove razdiobe

Ako su X1 P(1 ) i X2 P(2 ) nezavisne slucajne varijable, onda je X1 + X2

- Poissonova slucajna varijabla. Dokazimo tu tvrdnju i odredimo parametar ove
takoder
razdiobe.
126 4. PRIMJERI DISKRETNIH RAZDIOBA

Karakteristicna funkcija Poissonove razdiobe je

it
Xk (t) = ek (e 1)
, k = 1, 2
te slijedi
it
X1 +X2 = e(1 +2 )(e 1)

s to je karakteristicna funkcija Poissonove razdiobe P(1 + 2 ) .

Zamislimo li varijablu X1 kao broj poziva na prvi telefon centrale nekog poduzeca,
a X2 kao broj poziva na drugi telefon, tada, po gornjem, ukupan broj poziva ima takoder -
Poissonovu razdiobu.
Ako je poznata vrijednost tog zbroja, pogledajmo s to se moze reci o vrijednostima
pojedinih varijabli.

Primjer 4.7. Neka su X1 i X2 nezavisne slucajne varijable, s Poissonovim zako-

nom P(1 ) , odnosno P(2 ) . Poznato je da je njihov zbroj X1 +X2 poprimio vrijednost
-
n . Dokazi da je tada vrijednost od X1 rasporedena po binomnom zakonu s parametrima
1
n i p= , tj.
1 + 2
 
n k nk
P (X1 = k | X1 + X2 = n) = pq .
k

 Jednostavni racun daje

P (X1 = k, X2 = n k)
P (X1 =k | X1 + X2 = n) =
P (X1 + X2 = n)
1k 1 2nk 2
k!
e
(n k)!
e   k 
2
nk
n 1
= = .
(1 + 2 )n 1 2 k 1 + 2 1 + 2
e
n!

Primjer 4.8. Centrala poduzeca ima dva pozivna broja. Na prvi stize oko 20%
poziva vise nego na drugi broj. Ako je u protekloj minuti stiglo 5 poziva, kolika je
vjerojatnost da je cesce pozivan prvi broj?

 Pozivi na pojedine brojeve su nezavisne Poissonove varijable s parametrima 1 i 2

pri cemu je 1 = 1.22 . Iskoristit cemo rezultat proslog zadatka: razdioba varijable
X1 uz uvjet X1 + X2 = 5 je binomna, s parametrima n = p i
1 6
p= = .
1 + 2 11
Zato je
  6 3  5 2   6 4 5  6 5
5 5
P (X1  3 | X1 + X2 = 5) = + + = 0.585.
3 11 11 4 11 11 11
4.3. POISSONOVA RAZDIOBA 127

Aproksimacija binomne razdiobe Poissonovom

Za veliko n i maleno p , binomna razdioba B(n, p) moze se aproksimirati Po-

issonovom razdiobom P(np) .

Primjer 4.9. Proizvodi neke velike serije, koja sadrzi 0.7% s karta, pakiraju se u
kutije po 100 komada. Koliki ce postotak kutija biti bez ijednog s karta, a koliki sa dva
ili vise s kartova?

 Broj s kartnih proizvoda u jednoj kutiji je slucajna varijabla X distribuirana po

binomnom zakonu B(100, 0.007) . Zato
 
100
P (X = 0) = 0.0070 0.993100 = 0.4954,
0
P (X  2) = 1 P (X = 0) P (X = 1)
 
100
= 1 0.993100 0.007 0.99399 = 0.1554.
1
Mozemo aproksimirati X P (0.7) . Jednostavniji racun daje
P (X = 0) = e0.7 = 0.4966,
P (X  2) = 1 e0.7 0.7e0.7 = 0.1558.

Primjer 4.10. Na lovacki zrakoplov ispaljeno je 5000 metaka. Vjerojatnost po-

gotka za svaki metak je 0.001 . Ako je zrakoplov pogoden, - vjerojatnost da ce metak
prouzrociti pad zrakoplova je 0.05 . Izracunaj vjerojatnost da ce zrakoplov biti srusen.

 Neka je X slucajna varijabla: broj pogodaka u zrakoplov. Tada je X

B(5000, 0.001) . Oznacimo
- sa k metaka},
Hk = {zrakoplov je pogoden
A = {zrakoplov je srusen}.
Vrijedi

5000
P (A) = P (A|Hk )P (Hk ).
k=1

Pri tom je
P (A|Hk ) = 1 P (A|Hk ) = 1 0.95k
- s k metaka jednaka je
(vjerojatnost da zrakoplov nece biti srusen ukoliko je pogoden
k
0.95 ).
 
5000
P (Hk ) = P (X = k) = 0.001k 0.9995000k
k
s to je neprakticno za daljnji racun. Zato aproksimiramo B(5000, 0.001) P(5) i
dobivamo
5k
P (Hk ) = e5 .
k!
128 4. PRIMJERI DISKRETNIH RAZDIOBA

Sada je

5000
5k 5
P (A) = (1 0.95k ) e
k!
k=1

5000 k 
5000
5 5 4.75k
=e
k! k!
k=1 k=1
= e5 (e e4.75 ) = 0.22.
5

4. Zadatci za vjezbu

1. Slucajne varijable X1 i X2 su nezavisne, distri- 6. Hipergeometrijska razdioba. U urni se nalazi

buirane po geometrijskom zakonu s parametrom q .
Dokazi da vrijedi
1 - kojima je M
P (X1 = k | X1 + X2 = n) = , 7. U urni se nalazi N kuglica, medu
n+1
( k = 0, 1, . . . , n ).
2. Neka je X broj pokusa u Bernoullijevoj shemi
koje je potrebno izvesti do r -tog pojavljivanja do-
-
gadaja A ( r fiksan broj). Dokazi da je
n
P (X = n) = r 1 pr qnr+1
(n  r) . Kazemo da X ima negativnu binomnu
razdiobu. Provjeri da se za r = 1 dobiva geomet-
rijska razdioba. Izracunaj E(X) i D(X) .
3. U urni se nalazi n kuglica od kojih je samo jedna
bijela. Izvlacimo na srecu jednu po jednu kuglicu iz
urne (bez vracanja). Neka X oznacava pokusaj u
kojem je izvucena bijela kuglica. Odredi razdiobu i
ocekivanje varijable X .
4. Dokazi: ako je prolaznost studenta na nekom is-
pitu 40 %, onda je matematicko ocekivanje broja
izlazaka na doticni ispit jednako 2.5 .
5. Slucajna varijabla X poprima nenegativne cjelo-
brojne vrijednosti s vjerojatnostima
an
P (X = n) = , (a > 0)
(1 + a)n+1
(Pascalova razdioba). Izracunaj ocekivanje i dis-
perziju varijable X .
N kuglica, medu - kojima je M bijelih. Iz urne uzi-
mamo na srecu n kuglica. Neka je X broj bijelih
medu- njima. Odredi razdiobu varijable X .
bijelih. Izvlacimo na srecu n kuglica u modelu
a) s vracanjem
b) bez vracanja
Izracunaj ocekivanje i disperziju broja bijelih kugli-
ca u oba slucaja. Koja je disperzija manja?
8. Pokus se sastoji u bacanju triju kocki. Izracu-
naj vjerojatnost da se u 5 nezavisnih pokusa 2 puta
pojave tocno 3 jedinice.
9. Neka je X slucajna varijabla distribuirana po bi-
nomnom zakonu B(n, p) . Odredi parametre n i p
ako je poznato E(X) = 12 i D(X) = 4 .
10. U krug je upisan jednakostranicni trokut. Izra-
cunaj vjerojatnost da ce se od 10 na srecu odabranih
tocaka unutar kruga barem dvije naci unutar trokuta.
11. Slucajna varijabla X ima binomnu razdiobu
B(n, p) . Odredi ocekivanje i disperziju slucajne
varijable Y = e2X+1 .
12. Slucajna varijabla X ima Poissonovu razdiobu.
Ako vrijedi P (X = 1) = P (X = 2) , izracunaj
- {X  4} .
ocekivanje E(X) i vjerojatnost dogadaja
-
13. Pretpostavimo da je 220 gresaka rasporedeno
slucajno unutar knjige od 200 stranica. Odredi vje-
rojatnost da dana stranica sadrzi
4. ZADATCI ZA VJE ZBU
a) niti jednu gresku,
b) jednu gresku,
c) barem dvije greske.
14. Kolika je vjerojatnost da medu - 200 ljudi budu
barem 4 ljevaka, ako ljevaka ima prosjecno 1% ?
15. Vjerojatnost pogotka u cilj pri jednom hicu iz-
nosi 0.001 . Nadi - vjerojatnost da od 5000 metaka
barem dva pogode cilj.
16. Stroj proizvodi 99.8% ispravnih i 0.2% neisp-
ravnih proizvoda. Kolika je vjerojatnost da u uzorku
od 500 proizvoda budu vise od tri neispravna?
17. Pri prijemu neke poruke vjerojatnost pogres-
nog prijema svakog pojedinog znaka iznosi 0.01 .
Kolika je vjerojatnost da u primljenoj poruci od 10
znakova
a) ne bude nijednog pogresnog znaka,
b) budu barem dva pogresna znaka?
18. Slucajna varijabla ima
Poissonov
zakon s para-
1
metrom . Izracunaj E . ispusti barem jednu cesticu, a kolika da u toku 1
1+X
19. Neki uredaj- ima 2000 jednakih dijelova. Vje-
rojatnost kvara pojedinog dijela je 0.0005 . Kolika
je vjerojatnost da ce se pokvariti vise od tri dijela?
20. Ako je vjerojatnost da ce pacijent pokazati losu
reakciju na lijek 0.001 , odredi vjerojatnost da medu -
3000 ljudi 5 ili vise pokazuje losu reakciju na lijek.
129
21. Kamion prevozi na gradiliste 4000 komada ci-
gala. Vjerojatnost da se cigla pri prijevozu razbije
je 0.005 . Odredi vjerojatnost da kamion stigne na
gradiliste sa najmanje 10 i najvise 40 razbijenih
cigala.
22. Na automatsku telefonsku centralu dolazi pros-
jecno 90 poziva na sat. Uz pretpostavku da je broj
poziva u bilo kojem vremenskom intervalu slucajna
varijabla koja ima Poissonovu razdiobu, naci vjero-
jatnost da za 2 minute na centralu prispiju najmanje
5 poziva.
23. Pri korekturi knjige od 300 stranica primijece-
no je 1100 gresaka. Koristeci Poissonovu razdiobu
izracunaj vjerojatnost da se na pojedinoj stranici na-
lazi vise od 3 greske. Koliki je najvjerojatniji broj
gresaka na pojedinoj stranici?
24. Mjerenja su pokazala da radioaktivna tvar is-
pusta za 7.5 sekundi u prosjeku 3.87 cestica.
Kolika je vjerojatnost da u toku 1 sekunde ta tvar
sekunde ispusti najvise dvije cestice?
-
25. Broj rodenja djecaka odnosno djevojcica u to-
ku jednog dana su nezavisne slucajne varijable s
Poissonovom razdiobom, s parametrima 1 i 2 .
Ako je poznato da je u toku tog dana bilo ukupno
-
n rodenja, kolika je vjerojatnost da je medu- njima
bilo k djecaka?
130 ODGOVORI I RJE SENJA

Odgovori i rjesenja

1. Vjerojatnost

6. A. A B C , B. ABC , C. ABC , D. A+B+C , 2

41. tg tg , .
E. A B C+ABC+A B C , F. A B C , G. (A+B+ 2n n 2
C) ABC . 43. 0 .
7. 44. 0.011
A = A1 A2 An , 2 r
45. arc sin .
2R
B = A1 + A2 + . . . + An = A, 1
46. .
C = A1 A2 An + A1 A2 A3 An 16
+ . . . + A1 An1 An + A1 A2 An . 47. 3 .
4
8. A , B , AC , B + C . 48. 139
1152
9. da, ne, ne. 49. 0.16 .
10. AB + BC + CA , A . 50. 12 (1 + ln 2) .
10. da, ne, ne. 51. 0.5 .
12. ne, ne, da, ne. 58. Smatramo (pri konstrukciji vjerojatnosnog pros-
13. B , B .
tora) da su sva slova razlicita! Cetiri slova mozemo
4
15. 0.4 , 0.6 , 0.2 . odabrati na N = V10 = 10 9 8 7 nacina. Povoljni
nacini su 2 3 2 1 posto na prvo mjesto moze doci
17. Po uvjetima zadatka je A1 A2 A , zato bilo koje od dva slova M, na drugo neko od tri slova
P (A)  P (A1 A2 ) = P (A1 ) + P (A2 ) P (A1 + A2 ) A itd.
1
 P (A1 ) + P (A2 ) 1. 59. 3 .
6
20. Oznaci x = P (AB) , y = P (AB) , z = P (AB) 60. 4 .
9
i izrazi trazene vjerojatnosti preko x, y, z .
61. 5 .
28. AB = {12, 14, 16, 21, 41, 61} , AC = , BC = 12
{11} , AB = {11, 13, 15, 31, 51} . 62. U svim slucajevima je N = V 6 = 66 . Po-
6

voljni su a) M = 6! . b) Racunamo vjerojatnost

29. 1 , 2 , 0 . suprotnog dogadaja: - najvise jedna
8 3 ` sestica. Povoljni
` ` `
24 5 18 25 su M = 5 + 6 55 . c) M = 63 3! 62 42 22 .
6
30. , , , .
36 36 36 36 d) M = 46 .

35. . 63. 0.5177 , 0.4914
16
64. 0.665 , 0.619 , 0.597
37. 0.25 .
6
65. N = C45 , M6 = 1 , M5 = C65 C39 1
, M4 =
38. 0.5915 . 4 2 3 3 7
C6 C39 , M3 = C6 C39 , p6 = 1.228 10 , p5 =
39. 0.399 .
2 n 2.973 105 , p4 = 1.364 103 , p3 = 0.022 .
r r2
40. p = 1 1 2
R
; 1e . 66. 5 .
6
ODGOVORI I RJE SENJA
131

1 ` `
67. 33 . 91. (N n N1 (N 1)n + N2 (N 2)n . . . +
68 Nn `
68. 0.0000342 . N n
(1)N1 N1 1 ).
2
69. 4 C24 10
/C32 = 1 .
58435 6(n!)3
92. .
70. 19 (3n)!
66
2(n!)2
71. 16 . 93. .
33 (2n)!

72. p1 = C21 C18
9 10
/C20 = 0.526 , 2m 2n
2 8 10
p2 = C4 C16 /C20 = 0.428 . m n
94. .
C51 C10
2
C1 C2 C1 C2 C1 C2 2m + 2n
73. 3
43 8 3 3 6 2 3 4 m+n
C15 C12 C9 C6
(k1)(k2) 2(k1)(nk)
35 5!10! 95. , .
= = 0.081 . n(n1) n(n1)
15!
2n (n!)2 96. 1 21n
74. . 97. 0.2568 .
(2n)!
75. 0.101 . 98. 0.0259 .
76. m = 6 . 99. 0.6436
4C482
C3 64 3
4C13
77. a) 3
; b) 1 48
3
; c) 3 ; d) 3
;
C52 C52 C52 C52
4 133
e) 3
; 2. Uvjetna vjerojatnost
C52
C93 26 C3 C3 C3
78. a) 9
; b) 9 96 3
3 3
1. Ne.
79. 14 . 9. r  0 , r  23 te r = 13 .
31
80. P (A) = 5 , P (B) = 5 . 19. A i B ; A i D ; A i E ; A i F ; B i C ; B i E ;
54 18 B i F; C i D; C i E; C i F; D i E; D i F; E
81. 84p7 q3 . i F.
1
82. 7 . 20.
3
, zavisni su.
10
83. 0.7063 ; 0.1130 . 21. 91 , 5 , 1 , ne.
216 9 2
12! 12! 6 1
84. a) , b) C12 12 , 22. Zavisni su.
1212 (2!)6 12 5 91 60 1
30! 6 1 23. , , , .
c) 6 6 C12 30 0.00035 . 9 216 91 2
2 6 12
24. 0.0309 , 0.56 , 7 , 1 .
85. (1 p2 )n . 11664 16
1281
25. P (A) = 1 , P (B) = 1 , P (C) = 4 ,
m1 n1 m1 +n1
86. Cm Cn /Cm+n .
27 16 6
2n m!n!
87. P (C|B) = 22 .
(m + n)! 27

88. 1 , 1 . 26. P (A) = P (A|B) = 24 , P (A|C) = 1260 .

3 3 91 3367
A i B su nezavisni.
m1 nm
89. CM1 CNM /CNn . 1
27. .
n
2(n!)2
90.
(2n)! 28. 2 .
5
132 ODGOVORI I RJE SENJA

29. 0.1581 . 2n2 3n + 2

58. .
30. 38 . n2 (n 1)
105 25 27
31. Vjerojatnost je 1/n , za svaku osobu. 59. P{X = 12} = , P{X = 11} = ,
216 216
32. 244 . P (A | X = 12) = 0.6 .
495
33. Prvi! Vjerojatnost za njega je 47 60. 2 .
90 , za drugog 5
16 27
90 , a za tre
c eg 90 . Optimalna strategija za prvog 61. 1 .
strijelca jest (ukoliko su preostala dva jos uvijek 3
nazocna) da gada - u zrak. 62. 0.615 .
34. 0.3302 . n4 (n1 +n2 +n3 )
63. .
35. 0.896 . n2 n1 + n3 (n1 +n2 ) + n4 (n1 +n2 +n3 )
36. 0.00236 64. 41 .
55
37. 43 .
2976 65. 1
38. 0.00416 . 2
39. 12 . 66. 4
13 21
40. 0.0769 . 67. 1 .
3
2m1 m2 + m1 n2 + m2 n1
41.
2(m1 + n1 )(m2 + n2 )
. 68. 5 .
32
42. 9 . 69. p1 = 0.9856 , p2 = 0.0879 .
35 70. 0.0392 .
43. 0.607 .
44. 13 p(6 5p) . 71. 11
40
45. 12 p1 q1 q22 q21 p2 q2 12 q21 q22 + 12 p21 q22 + 72. 17
1 2 2 2 2
53
2 p2 q1 + p1 p2 q2 + p1 p2 q1 . m1
46. 0.9204 . 73. .
m+n1
1 74. 0.41 ; 0.24 .
47. .
n
75. 4 .
48. 9 . 5
35 76. 0.556 .
Cm2
C2
1 m2 +2
+ Cm1
C1 C1 C1
1 n1 m2 +1 n2 +1
+ Cn21 Cn22 +2 Xn n i k
49. . 77. 1/ .
Cm 2 C2 i=0 i n
1 +n1 m2 +n2 +2

50.
1 m1 m2 + n1 n2 78. 37 .
+ 72
2 2(m1 + n1 )(m2 + n2 )
79. Dvije plave kuglice.
51. 10 . 80. 0.25 .
19
12 nk
52. . 81. , bas kao da uzorka i nema.
17 n+mk
53. m/n u svim slucajevima 82. 21 .
m 31
54. . 83. 0.552 .
m+k
84. 0.298 .
1 n 2n3
55. , 1+ n1
. 85. 0.251 .
2 2 3
(1t)p
56. 124 . 86.
1tp
.
243
57. 13 87. 9 .
24 16
ODGOVORI I RJE SENJA
133

q(1 )2 i zatim transformiraj desnu stranu u jednakosti

88. .
p 2 + (1 )2 q
X
89. 0.756 . E(X [k] ) = n[k] P (X = n).
n=1
P5 1000 0.005k 0.9951000k .
91. k=0 k
n1
18. , n + 1.
2n
19. Poissonova s parametrom = 3 ,
E(Z) = 3 , D(Z) = 3 .
3. Diskretne slucajne varijable i vektori
k nk
n 5 1
20. P (Y = k) = k ;
6 6
1 5n
1. P (X = k) = , k = 1, . . . , n . E(Y) = ;
n 6
5n 1 + 5n + 12.5n(n1)
2
Ck1 D(Y) = ; .
2. P (X = k) = , k = 3, . . . , n . 36 6n
Cn3 21. E(X) = 0 , E(X 2 ) = n/2 , E(X 3 ) = 0
kn (k1)n
3. P (X = k) = , k = 1, . . . , N . 22. D(Z) = 161 .
Nn 4
4. 0 ; 1.80 . 23. 166.92 .
2
5. + 1. 24. r(X, Y) = 14 10 .
ln 2
6. 4.08 ; 2.837 . 25. D(Z) = 44 .
3
7. 1.53
(n + 1)(4n 1) 26. r(X, Y) = 0.5 .
8. .
6n 27. D(Z) = 8 .
3
9. 6 .
5
28. r(X, Y) = 35 .
10. 3. 73
11. 7 . 29. f (2, 2) = 14 , f (1, 3) = 16 , f (0, 0) =
3 1 1 1 1
6 , f (1, 1) = 8 , f (2, 2) = 8 , f (3, 1) = 6 .
12. a) D(X) = E(X) + E(X)2 ;
ak 30. 0.293 .
b) P (X = k) = . 2
(a + 1)k 31. 5 (cos 2t + cos t + 12 )
13. 4 , 10 . eit e2it(n+1) 1
7 7 32. X (t) = .
Xn 2 n+1 e2it 1
n 1 1 2n 1
14. k = 1 2eit
22n 22n n n 33. X (t) = + ; E(X) = 2 .
k=0 9
8 4e2it 1 4 e2it
> k+1
>
< (n+1)2 , k = 0, 1, . . . , n p 1
34. X (t) = ; E(X) = 1 .
15. P (Z=k) = 1 (1 p)eit p
>
> 2n+1k
: , k = n+1, . . . , 2n 3 1 0 1 3
(n+1)2 35. X 1 3 8 3 1 .
16 16 16 16 16
17. Uputa. Dokazi da vrijedi
n1 3 2 1 1 2 3
X 36. X 1 1 1 1 1 1 .
n[k] = k m[k1] , n 4 12 6 6 12 4
m=1
134 ODGOVORI I RJE SENJA

4. Primjeri dskretnih razdioba 9. 18 , 2 .

3
10. 0.961 .
11. E(Y) = e(e2 p + q)n ,
q q D(Y) = e2 (e4 p + q)n e2 (e2 p + q)2n .
2. E(X) = r , D(X) = r 2 .
p p 12. 2 ; 0.143
1 13. 0.333 ; 0.366 ; 0.301
3. P (X = k) = , k = 1, . . . , n ;
n 14. 0.143
n+1
E(X) = . 15. 0.960
2
16. 0.019
1 1
4. E(X) = = = 2.5 17. 0.9044 ; 0.0043
p 0.4
1 e
5. E(X) = a ; D(X) = a(a + 1) . 18.

M NM 19. 0.019 .
k nk 20. 0.185 .
6. pk = P (X = k) = .
N 21. 0.55
n 22. 0.185 .
nM nM N M 23. 0.4989 , 3 greske.
7. a) E(X) = , D(X) = .
N N N 24. 0.4031 , 0.9844 .
nM nM N M N M k nk
b) E(X) = , D(X) = . n 1 2
N N N N1 25. k 1 +2 1 + 2
8. 2.11 104 .
KAZALO 135

KAZALO

A N
aditivnost vjerojatnosti, 9 negativna binomna razdioba, 128
-
algebra dogadaja, 8 - 1
nemoguc dogadaj,
aposteriorne vjerojatnosti, 74 neprekinutost vjerojatnosti, 22
apriorne vjerojatnosti, 74 nezavisne slucajne varijable, 91, 92
- 68, 69
nezavisni dogadaji,
B normirane slucajne varijable, 103
Bayesova formula, 74 numericke karakteristike, 97
Bernoullijeva slucajna varijabla, 121
binomna razdioba, 119 O
Booleova algebra, 8 ocekivanje, 97
Buffonov problem, 29 P
particija vjerojatnostnog prostora, 72
C partitivni skup, 33
centralni moment reda n , 100 permutacije s ponavljanjem, 37
centrirana slucajna varijabla, 103 permutacije, 35
D Poissonova razdiobu, 125
-
potpun sustav dogadaja, 72
de Morganovi zakoni, 6
- 3
disjunktni dogadaji, prebrojiva ( -) aditivnost, 21
diskretna slucajna varijabla, 89 prebrojiva ( -) algebra, 21
-
presjek dogadaja, 4
disperzija, 100
- elementarni, 1
dogadaj,
- 7 R
dogadaj, rasipanje, 100
- ekvivalentni, 3
dogadaji, -
- nezavisni, 68 razlika dogadaja, 5
dogadaji,
S
E - 1
sigurni dogadaj,
- 3
ekvivalentni dogadaji,
- 1 Silvesterova formula, 19
elementarni dogadaj, simetricna razlika, 59
F slucajne varijable, nezavisne, 91
funkcija izvodnica, 106 standardna devijacija, 101
Stirlingova formula, 17
G stohasticki pokus, 1
- 5
geometrijska razdioba, 90, 116 suprotni dogadaj,
geometrijska vjerojatnost, 27
U
H -
umnozak dogadaja, 4
hipoteze, 72 -
unija dogadaja, 4
uvjetna razdioba, 95
I uvjetna vjerojatnost, 65
ishodisni moment reda n , 100
V
K varijacije s ponavljanjem, 31
karakteristicna funkcija, 106 varijacije, 34
kartezijev umnozak, 30 varijacije bez ponavljanja, .34
klasicni vjerojatnosni prostor, 14 varijanca, 100
koeficijent korelacije, 103 -
vjerojatnost dogadaja, 9
kombinacije s ponavljanjem, 43 -
vjerojatnost umnoska dogadaja, 66
kombinacije, 38 vjerojatnosti, aposteriorne, 74
komplement dogadaja,- 5 vjerojatnosti, apriorne, 74
konacni vjerojatnosni prostor, 11
kovarijacijski moment, 103 Z
zakon razdiobe slucajne varijable, 89
M zakon razdiobe slucajnog vektora, 93
marginalne razdiobe, 94 zakon razdiobe, 93
monotonost vjerojatnosti, 9 -
zbroj dogadaja, 4