Professional Documents
Culture Documents
Verovatnoća
Verovatnoća
Autori:
dr Milan Jovanovic, PMF Banjaluka
dr Milan Merkle, ETF Beograd
dr Zoran Mitrovic, ETF Banjaluka
Izdavac:
ETF Banjaluka
Recenzenti:
- . Tosic, ETF Beograd
dr Dobrilo D
dr Zagorka Lozanov-Crvenkovic, PMF Novi Sad
Stampa:
Tiraz:
250 primjeraka
Sadrzaj
1 Prostor vjerovatnoca 1
2 Slucajne promjenljive 23
4 Karakteristicne funkcije 67
5 Granicne teoreme 87
7 Dodaci 119
7.1 Pregled vaznijih raspodjela . . . . . . . . . . . . . . . . . . . . . 119
7.2 Statisticke tablice . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
iii
iv SADRZAJ
Predgovor
Prostor vjerovatnoca
Posto je
A B = A C = B C = A B C = {2},
vrijedi sljedece:
1
P (A) = P (B) = P (C) = ,
2
1
P (A B) = P (A C) = P (B C) = ,
4
1
P (A B C) = .
4
Dakle,
P (A B) = P (A)P (B), P (A C) = P (A)P (C),
P (B C) = P (B)P (C),
ali je
P (A B C) 6= P (A)P (B)P (C).
Zadatak 1.2. Dokazati da nezavisnost dogad-aja A i B povlaci nezavisnost
dogad-aja AC i B C , AC i B te A i B C .
Rjesenje. Iskoristicemo formule
1
2 1. PROSTOR VJEROVATNOCA
Vrijedi slijedece
pa su i dogad-aji AC i B C nezavisni.
U drugom slucaju je
Kako je
(A AC ) B = (A B) (AC B),
imamo
P (B) = P (A B) + P (AC B) P (A AC B),
pa zbog, P (A AC B) = P () = 0, dobijamo
pa je
P (AC B) = (1 P (A))P (B) = P (AC )P (B).
Treci slucaj: Ako su A i B nezavisni, onda su AC i B nezavisni, pa su i (AC )C
i B C tj. A i B C nezavisni dogad-aji. Ili iz nezavisnosti A i B slijedi nezavisnost
B i A, pa i B C i A.
Zadatak 1.3. Neka su dogadjaji A i B takvi da je
1 1 1
P (A B) = , P (AC ) = , P (B) = .
4 3 2
Odrediti P (A B).
Rjesenje. Kako je
imamo
2 1 1 11
P (A B) =
+ = .
3 2 4 12
Zadatak 1.4. Tri igraca A, B, C tim redom bacaju kocku sve dok prvi put ne
padne broj 6. Pobjed-uje onaj igrac kod koga padne 6. Naci za svakog igraca
3
Dogad-aji AC C C C C C
1 , B1 , C1 , . . . , Ak , Bk , Ck , Ak+1 , . . . su nezavisni i
5 1
P (AC C C
k ) = P (Bk ) = P (Ck ) = , P (Ak+1 ) = ,
6 6
pa je
3 3k
1 5 1 5 1 36
P (DA ) = + + + + = .
6 6 6 6 6 91
Slicno se dobije
30 25
P (DB ) =i P (DC ) = .
91 91
Krace je ovako. Neka je P (DA ) = p. Tada je
5p
P (DB ) =
,
6
jer ako igracu A u prvom bacanju ne padne 6, igra se ponavlja u redoslijedu
B, C, A. Takod-e,
25p
P (DC ) =
36
i
DA + DB + DC = ,
odakle je
5p 25p 36
p+ + =1ip= .
6 36 91
Primjedba. Ako je A B = , umjesto A B pisemo A + B.
Zadatak 1.5. Cetiri crne i cetiri crvene karte nizu se slucajno. Naci vjerovatnoce
sljedecih dogad-aja:
a) A-niz pocinje i zavrsava crnom kartom,
b) B-crne karte su jedna do druge,
c) C-crne karte su jedna do druge i crvene karte su jedna do druge,
d) D-boje su naizmjenicno poredane.
Rjesenje.
a) Broj svih mogucih nizova
(rasporeda karata) je 8!. Na prvom mjestu crna
karta se moze naci na 41 nacina. Za svaki od njih crna karta se na posled-
njem mjestu moze naci na 31 nacina. To je 41 31 mogucnosti. Za svaku od
njih preostalih 6 karata se, -
4
izmed
3 u, moze rasporediti na 6! nacina. Dakle, broj
povoljnih rasporeda je 1 6! 1 , pa je
4 3
6! 1 3
P (A) = 1 = .
8! 14
4 1. PROSTOR VJEROVATNOCA
A C D B
Svaki od prekidaca je nezavisno od drugih, zatvoren sa vjerovatnocom 21 . Naci
vjerovatnocu da je mreza AB zatvorena.
Rjesenje. Dio mreze CD je otvoren ako su oba prekidaca otvorena. Vjerovatnoca
tog dogad-aja je 41 , a vjerovatnoca da je dio CD zatvoren je 34 . Sada je mreza
reducirana na
A E CD F B
3 1
je 4 2 = 38 . Sada mreza izgleda ovako
A EF B
Dakle, mreza AB je otvorena sa vjerovatnocom 58 21 , a zatvorena sa vjerova-
tnocom 11
16 .
Zadatak 1.8. Od N proizvoda M je neispravnih. Slucajno se bira n proizvoda
(n N ). Naci vjerovatnocu da je med-u njima:
a) m neispravnih (m n),
b) najvise m neispravnih.
Rjesenje.
a) Od N proizvoda, n se moze izabrati na N nacina. Neispravni proizvodi se
M N M n
mogu izabrati na m , a ispravni na nm nacina. Dakle,
M N M
m
p= Nnm
.
M
K0 = max{0, n + M N } m min{n, M }.
U
suprotnom jeN M < n ili 0 < n + M N = K0 , pa je posljednji sabirak
N M
M
n+M N N M . Znaci,
m
P
M N M
k nk
K=K0
p= N .
n
nacina.
U prvom izvlacenju mozemo izabrati jednu crvenu i jednu bijelu kuglicu na n n
nacina, nakon toga u drugom izvlacenju mozemo izabrati jednu crvenu i jednu
bijelu kuglicu na (n 1)(n 1) nacina, u trecem izvlacenju mozemo izabrati
jednu crvenu i jednu bijelu kuglicu na (n 2)(n 2) nacina itd. Znaci, n parova
od jedne bijele i jedne crvene kuglice mozemo izabrati na n2 (n 1)2 22 12
nacina. Sada je trazena vjerovatnoca
(n!)2 2n
p = 2n2n2 2 = 2n .
2 2 2 n
x1 + + xk = n,
y1 + y2 + + y10 = 20 3 5,
gdje je
y1 = x1 3, yi = xi , i = 2, . . . , 9, y10 = x10 5,
a to je
12 + 10 1 21
= .
10 1 9
Trazena vjerovatnoca je 21
9
P = 29 .
9
Zadatak 1.11. Iz kutije koja sadrzi n bijelih i m crnih kuglica slucajno
izvlacimo k m + n kuglica.
7
Xk
n m
.
j=0
j kj
Rjesenje.
a) Trazena vjerovatnoca je
n m
j kj
pj = n+m , j = 0, . . . , k.
k
Kako je
k
X
pj = 1,
j=0
imamo
Xk
n m n+m
= .
j=0
j kj k
n
P n nk
k (2 1)
k=1 3n 2n+1 + 1
p= = .
(2n 1)(2n 2) (2n 1)(2n 2)
b) A B = X AC B C = , sada koristeci rezultat u a) dobijamo da je
trazena vjerovatnoca
n
P n nk
k (2 1)
k=1 3n 2n+1 + 1
p= = .
(2n 1)(2n 2) (2n 1)(2n 2)
Zadatak 1.14. Pred bioskopom stoji u redu 2n lica, n od njih ima novcanice
od 10 din, a n od 5 din. Svako lice kupuje jednu kartu koja kosta 5 din. Prije
prodaje karata u kasi nije bilo novca. Naci vjerovatnocu da nijedno lice nece
cekati kusur.
Rjesenje. Mozemo smatrati da se skup svih mogucih slucajeva sastoji od svih
ured-enih 2ntorki (x1 , . . . , x2n ) pri cemu je xi = 5 ili xi = 10 u zavisnosti od
toga da li ito lice ima novcanicu od 5 ili od 10 dinara. Posto tacno n lica ima
novcanicu od 5 dinara i tacno n lica ima novcanicu od 10 dinara, ukupan broj
slucajeva je 2nn . Odredimo broj onih koji su povoljni. U zavisnosti od toga da
li ito lice koje stoji u redu ima novcanicu od 5 ili od 10 dinara pridruzimo mu
tacku (i, 1) ili (i, 1). Povucimo izlomljenu liniju iz tacke (0, 0) kroz tacke sa
apscisama 1, 2, . . . , 2n, a ordinatu u svakoj tacki sa apscisom i, i = 1, 2, . . . , 2n
odredimo kao zbir ordinata tacaka sa apscisama 1, 2, . . . , i (njihove ordinate su
1 ili 1 u zavisnosti od toga da li ito lice ima novcanicu od 5 ili 10 dinara).
Skup svih povoljnih slucajeva je skup svih izlomljenih linija koje nemaju tacke
iznad xose. Svakoj datoj izlomljenoj liniji koja ima tacku iznad xose mozemo
obostrano jednoznacno pridruziti izlomljenu liniju koja se sa datom poklapa do
prve tacke zajednicke sa pravom y = 1 i dalje od te tacke simetricna sa datom
izlomljenom linijom u odnosu na pravu y = 1. Takve izlomljene linije polaze
iz (0, 0) i zavrsavaju u (2n, 2), jer izlomljena linija koja je simetricna sa njom
u odnosu na pravu y = 1 zavrsava u (2n, 0) (jer ima n lica sa novcanicama od
5 dinara i n lica sa novcanicama od 10 dinara). Prema tome, one imaju n + 1
2n
uspona i n 1 padova, pa je njihov broj n+1 . Znaci, broj nepovoljnih
2n
slucajeva je n+1 , pa je trazena vjerovatnoca
2n
1
p=1 n+1
2n
= .
n
n+1
(N 2)! 1
P (Ai Aj ) = = , 1 i < j N,
N! N (N 1)
(N 3)! 1
P (Ai Aj Ak ) = = , 1 i < j < k N,
N! N (N 1)(N 2)
...
1
P (A1 A2 AN ) = .
N!
S
N
Posto je ocigledno A = Ai i posto vrijedi formula
i=1
N
[ N
X X
P( Ai ) = P (Ai ) P (Ai Aj )+
i=1 i=1 1i<jN
X
P (Ai Aj Ak ) + (1)N 1 P (A1 A2 AN ),
1i<j<kN
imamo da je
XN X
1 1 1
P (A) = + + (1)N 1 .
i=1
N N (N 1) N!
1i<jN
Odavde je
N 1 N 1
P (A) = 1 +
2 N (N 1) 3 N (N 1)(N 2)
1
+(1)N 1 .
N!
Znaci,
1 1 (1)N 1
P (A) = 1 + + ,
2! 3! N!
pa
1
P (A) 1 kad N .
e
Zadatak 1.16. Iz skupa {1, 2, . . . , n} slucajno biramo broj a. Naci vjerovatnocu
da on nije djeljiv ni sa jednim od brojeva a1 , . . . , ak , gdje su ai , i = 1, 2, . . . , k
prirodni i uzajamno prosti brojevi. Cemu tezi ta vjerovatnoca kad n .
Rjesenje. Neka je A dogad-aj cija se vjerovatnoca trazi. Oznacimo sa Ai
Sk
dogad-aj da je a djeljiv sa ai , i = 1, 2, . . . , k. Sada imamo, da je AC = Ai .
i=1
Ako sa [] oznacimo najvece cijelo, dobijamo da vrijedi
hni
ai
P (Ai ) = , i = 1, 2, . . . , k,
n
10 1. PROSTOR VJEROVATNOCA
h n i
ai aj
P (Ai Aj ) = , 1 i < j k...,
n
h n i
a1 . . . an
P (A1 A2 Ak ) = ,
n
jer su a1 , . . . , ak uzajamno prosti, pa posto vrijedi
k
X X
S
k
P( Ai ) = P (Ai ) P (Ai Aj ) +
i=1 i=1 1i<jk
+(1)k P (A1 Ak )
dobijamo hni h n i
k
X X
ai ai aj
P (AC ) = +
i=1
n n
1i<jk
h n i
a1 ak
+(1)k ,
n
pa je h i h n i
n
k ai k ai aj
P (A) = 1 + +
1 n 2 n
h n i
k a . . . ak
+ (1)k 1 .
k n
Vidimo da
k
Y
P (A) (1 ai ) kad n +,
i=1
jer hni
a 1 kad n +.
n a
Zadatak 1.17. U voz sa m vagona na slucajan nacin i nezavisno jedan od
drugog ulazi n putnika (n m). Odrediti vjerovatnocu da u svaki vagon ud-e
bar jedan putnik.
Rjesenje. Neka je Ai oznaka za dogad-aj da u iti vagon nije niko usao,
i = 1, 2, . . . , m. Ako sa A oznacimo dogad-aj cija se vjerovatnoca trazi u zadatku,
S
m
tada ocigledno AC = Ai .
i=1
1 n
P (Ai ) = 1 i = 1, 2, . . . , m
m
2 n
P (Ai Aj ) = 1 , 1i<jm
m
11
...
m 1 n
P (Ai1 Aim1 ) = 1 , 1 i1 < . . . im1 m.
m
Sada je
m
P 1 n X 2 n
P (AC ) = 1 1 +
i=1 m m
1i<jm
P m 1 n
+ (1)m1 1
1i1 <<im1 m m
Znaci,
m 1 n m m m 1 n
P (A) = 1 1 + + (1) 1 .
1 m m1 m
Zadatak 1.18. Izvodi se n nezavisnih opita koji se sastoje u bacanju k novcica.
Izracunati vjerovatnoce dogad-aja:
A-bar jednom su na svim novcicima pali svi grbovi,
B-tacno m puta su na svim novcicima pali svi grbovi.
Rjesenje. Neka Ai oznacava dogadjaj da u i-tom opitu nisu pali svi grbovi,
i = 1, . . . , n. Vrijedi
1
P (Ai ) = 1 , i = 1, . . . , n i AC = A1 An .
2k
Dogadjaji Ai su nezavisni, pa vrijedi
n
1
P (AC ) = 1 k .
2
Dakle, n
1
P (A) = 1 1 k .
2
Za vjerovatnocu dogadjaja B, koristeci vjerovatnocu pojavljivanja dogadjaja u
Bernulijevoj semi, imamo
m nm
n 1 1
P (B) = 1 k .
m 2k 2
Zadatak 1.19. Slucajno se bira jedan element iz razvijenog oblika determinante
reda n. Naci vjerovatnocu pn , da on ne sadrzi element sa glavne dijagonale. Naci
lim pn .
n+
Rjesenje. Neka je Ai oznaka za dogad-aj da slucajno izabrani element iz
razvijenog oblika determinante reda n sadrzi i elemenata sa glavne dijagonale,
i = 1, 2, . . . , n. Ako sa A oznacimo dogad-aj cija se vjerovatnoca trazi u zadatku
S
n
ocigledno je AC = Ai . Broj svih elemenata u razvijenom obliku determi-
i=1
nante ntog reda je n!. Broj svih onih koji sadrze po jedan element sa glavne
12 1. PROSTOR VJEROVATNOCA
dijagonale je (n 1)!, broj onih koji sadrze po dva elementa sa glavne dijagonale
je (n 2)! i tako dalje. Prema tome je
(n 1)!
P (Ai ) = , i = 1, 2, . . . , n,
n!
(n 2)!
P (Ai Aj ) = , 1 i < j n,
n!
...
1
P (Ai An ) = .
n!
Znaci,
n
[ Xn X
P (A) = 1 P ( Ai ) = 1 P (Ai ) P (Ai Aj ) +
i=1 i=1 1i<jn
+(1)n1 P (A1 An )
n (n 1)! n (n 2)! n 1
=1 + + (1)n ,
1 n! 2 n! n n!
pa je
1 1 1
pn = 1 + + (1)n .
1! 2! n!
Sada dobijamo da je
1
lim pn = 1 .
n+ e
Zadatak 1.20. Kocka se baca sve dok ne padne broj 6. Naci vjerovatnocu da
su potrebna bar tri bacanja, ako se u prvom nije pojavio broj 6.
Rjesenje. Posmatrajmo dogad-aje:
i
B = AC C C C C
1 A2 A3 + A1 A2 A3 A4 + ,
dogad-aj da su potrebna bar tri bacanja da padne sest. Treba odrediti uslovnu
vjerovatnocu P (B|AC
i ). Vrijedi
P (B AC1)
P (B|AC
1)= .
P (AC
1 )
Kako je B C = A1 + AC C C C
1 A2 slijedi A1 B = B , odakle je A1 B = B. Dakle,
1 5 1
1 +
P (B) 1 P (B C ) 6 6 6 5
P (B|AC
1 ) = = = = .
C
P (A1 ) C
P (A1 ) 5 6
6
13
P (B3 |B1 ) = P (B3 |B2 )P (B2 |B1 ) + P (B3 |C2 )P (C2 |B1 ),
imamo
a+1 a+1 a b (a + 1)2 + ab
P (B1 |B3 ) = + = .
a+b+1a+b+1 a+b+1a+b+1 (a + b + 1)2
1
Zadatak 1.22. Vjerovatnoca da aparat za igru izbaci broj i, je pi = e2i i!2 , i
N {0}. Poznato je da je aparat izbacio dva broja i da je njihov zbir n. Odrediti
vjerovatnocu da je prvi broj jednak k.
Rjesenje. Trazi se P (X = k|X + Y = n), gdje je
1
e 2
P (X = i) = P (Y = i) = i , i N {0}.
2 i!
Kako je
P (X = k)P (Y = n k)
P (X = k|X + Y = n) =
P (X + Y = n)
14 1. PROSTOR VJEROVATNOCA
i
n
X
P (X + Y = n) = P (X = i)P (Y = n i),
i=0
to jest
n
X 1 1
e 2 e 2
P (X + Y = n) == ,
i=0
2i i! 2ni (n i)!
n 1
P (X = k|Y = n k) = ,
k e n!2n
imamo
n 1
P (X = k|X + Y = n) = , k {0, 1, . . . , n}.
k 2n
Zadatak 1.23. Iz dzepa u kome su bile 3 bijele i 6 crnih kuglica ispala je jedna
kuglica. Nakon toga izvucene su dvije kuglice. Kolika je vjerovatnoca da je
izgubljena bijela, ako su izvucene bijele kuglice?
Rjesenje. Neka su H1 , H2 dogad-aji (hipoteze) da je ispala bijela, odnosno
crna kuglica, a A dogad-aj da su izvucene dvije bijele kuglice. Treba odrediti
P (H1 |A). Prema Bajesovoj formuli je
P (H1 )P (A|H1 )
P (H1 |A) = .
P (H1 )P (A|H1 ) + P (H2 )P (A|H2 )
pa je
3 5 5 3 2 1
P (D) = + + = 0.032.
10 100 10 100 10 100
b)
Prema Bajesovoj formuli je
5 3
P (HB )P (D|HB ) 15
P (HB |D) = = 10 100 = .
P (D) 32 32
1000
Zadatak 1.25. Dva strijelca gad-aju istu metu svaki ispalivsi po jedan hitac.
Vjerovatnoca pogotka za prvog strijelca je 0.7, a za drugog 0.5. Poslije gad-anja
ustanovljeno je da je meta pogod-ena jednim metkom. Odrediti vjerovatnocu da
ju je pogodio drugi strijelac.
Rjesenje. Neka je A dogad-aj da je meta pogod-ena jednim metkom. Dalje,
neka je:
H00 dogad-aj da ni jedan strijelac nije pogodio,
H10 dogad-aj da je pogodio samo prvi strijelac,
H01 dogad-aj da je pogodio samo drugi strijelac,
H11 dogad-aj da su pogodila oba strijelca.
Sada je
3 5
P (H00 ) = , P (A|H00 ) = 0,
10 10
7 5
P (H10 ) = , P (A|H10 ) = 1,
10 10
3 5
P (H01 ) = , P (A|H01 ) = 1,
10 10
7 5
P (H11 ) = , P (A|H11 ) = 0.
10 10
Na osnovu formule potpune vjerovatnoce je
7 5 3 5 35 + 15 50 1
P (A) = + = = = .
10 10 10 10 100 100 2
Prema Bajesovoj formuli je
3 5
P (A|H01 )P (H01 ) 3
P (H01 |A) = = 10 10 = = 0.3.
P (A) 1 10
2
Zadatak 1.26. Jedan ured-aj se sastoji iz dva dijela. Da bi ured-aj radio
neophodno je da radi svaki dio. Vjerovatnoca da radi prvi dio u intervalu vre-
mena t iznosi 0.8, vjerovatnoca da drugi dio radi u istom intervalu iznosi 0.7.
16 1. PROSTOR VJEROVATNOCA
6 24 14 44
+P (A|H11 )P (H11 ) = + + = .
100 100 100 100
6
P (A|H00 )P (H00 ) 100 6 3
P (H00 |A) = = = =
P (A) 44 44 22
100
Zadatak 1.27. U jednom skladistu su svi proizvodi ispravni, a u drugom ima
35% skarta. Na slucajan nacin je odabran dobar proizvod iz nekog skladista i
nakon toga vracen u isto skladiste. Izracunati vjerovatnocu da je drugi proizvod
iz istog skladista skart.
Rjesenje. Neka je A dogad-aj da je prvi izvuceni proizvod dobar. Neka su
H1 , H2 dogad-aji (hipoteze) da je proizvod izvucen iz prvog odnosno drugog
skladista. Imamo,
1
P (H1 ) = , P (A|H1 ) = 1,
2
1 65
P (H2 ) = , P (A|H2 ) = .
2 100
Sada je
1 65 165
P (A) = P (H1 )P (A|H1 ) + P (H2 )P (A|H2 ) = 1+ = .
2 100 200
1
P (H1 )P (A|H1 ) 2 1 100
P (H1 |A) = = 165 = ,
P (A) 200
165
17
1 65
P (H2 )P (A|H2 ) 2 100 65
P (H2 |A) = = 165 = .
P (A) 200
165
Neka je B dogad-aj da je drugi izvuceni proizvod skart. Opet, prema formuli
potpune vjerovatnoce je
1800
6 1800
dakle,
n 3ni
pi = ,
i 4n
Najvjerovatniji broj pojavljivanja u Bernulijevoj semi (zadatak 1.6) je za
n+1 n+1
1i .
4 4
Vjerovatnoca da se u trouglu nalaze bar n 2 tacke je
9n2 3n + 2
pn2 + pn1 + pn = .
2 4n
x3
Zadatak 1.30. Data je jednacina a2 x + b = 0, gdje se a i b slucajno
3
biraju iz intervala (0,1). Neka je N broj realnih korijena te jednacine. Naci
P {N = k}, k = 1, 3.
Rjesenje. Polinom treceg reda moze da ima samo jednu realnu ili tri realne
nule. Znaci, P {N = 1} + P {N = 3} = 1. Osim toga, polinom treceg stepena
ima tri realne nule ako i samo ako njegov grafik ima sljedeci oblik
to jest ako i samo ako za tacku minimuma xmin , odnosno maksimuma xmax vazi:
2a3
Tacke a, b se biraju iz (0,1) pa je b > uvijek zadovoljeno. Sada imamo
3
= {(a, b)| a, b (0, 1)},
2a3
A = {(a, b) | b < }.
3
Znaci,
Z1
m(A) 2a3 1
P {N = 3} = = m(A) = da = ,
m() 3 6
0
pa je
5
P {N = 1} = .
6
Zadatak 1.31. Brojevi x i y se na slucajan nacin i nezavisno jedan od drugog
biraju iz intervala [0, 1]. Neka je
A = {(x, y) : |x y| 12 } i B = {(x, y) : max{x, y} 12 }.
Naci vjerovatnocu dogadjaja A B.
Rjesenje. Lako se dobija
1 3 1 1
(A) = 1 = , (B) = , (A B) = .
4 4 4 4
Kako je P (A B) = P (A) + P (B) P (A B), imamo P (A B) = 43 .
Primjedba. Kako je A B = A imamo P (A B) = P (A) = 43 .
Zadatak 1.32. Na kruznici poluprecnika R slucajno su izabrane tri tacke A, B
i C. Kolika je vjerovatnoca da je trougao ABC ostrougli?
Rjesenje. Neka je x duzina luka kruznice koji spaja tacke A i B, a y duzina
luka kruznice koji spaja B i C.
y
B
C
2R
x
-
x
-y
Znaci,
= {(x, y)|x > 0, y > 0, x + y < 2R}.
20 1. PROSTOR VJEROVATNOCA
pa je
1 ,a < 0
P (A) = (1 a)2 ,0 a < 1
0 , 1 a.
U slucaju dogad-aja B je
0, a < 0
9a2
2 , 0 a < 31
Znaci, P (B) = (23a)2
1 2
1
2 ,3 a< 3
2
1, 3 a
A B = {(x, y) ||x y| a x + y 3a},
21
Znaci da za
a (, 0] {1/3} [2/3, +),
vrijedi
P (A B) = P (A)P (B).
A B
Slucajne promjenljive
1 1
njena gustina raspodjele vjerovatnoca. Pokazati da je b = i |a| .
2 2
Rjesenje. Funkcija f (x) je gustina vjerovatnoca, pa vrijedi
Z
+ Z1
f (x)dx = (ax + b) = 1,
1
1
odakle dobijamo b = . Dalje, f (x) je nenegativna funkcija, pa je
2
f (1) 0 i f (1) 0.
Sada imamo
1 1
a+ 0 i a + 0,
2 2
to jest
1
|a|
.
2
Zadatak 2.2. Funkcija gustine vjerovatnoca slucajne promjenljive X je
cx, x [3, 6]
f (x) =
0, x / [3, 6].
Naci:
(a) konstantu c,
(b) P (X [a, b]), gdje je [a, b] [3, 6],
(c) P (X 2 9X + 20 0).
23
24 2. SLUCAJNE PROMJENLJIVE
Rjesenje.
(a) Iz relacije
Z6
cxdx = 1
3
2
dobijamo da je c = .
27
Zb
2 b2 a2
(b) P (X [a, b]) = xdx = .
27 27
a
(c)
Dakle,
Z4 Z6
2 2 2 2
P (X 9X + 20 0) = xdx + xdx = .
27 27 3
3 5
Zadatak 2.3. Neka X ima normalnu raspodjelu sa parametrima
= 10 i = 3. Odrediti vjerovatnocu dogadjaja (X [4, 16]).
Rjesenje. Neka slucajna promjenljiva X ima normalnu raspodjelu sa parametrima
X
i tada slucajna promjenljiva Y = ima normalnu raspodjelu sa
parametrima 0 i 1 to jest standardizovanu normalnu raspodjelu. Sada imamo
4 10 X 10 16 10
P (4 X 16) = P ,
3 3 3
pa je
Z2
X 10 1 2
P (4 X 16) = P 2 2 = et dt = 0.9544.
3 2
2
x
Koristeci smjenu t = dobijamo
b
Z
1 x2
P (a X b) = e 2 dx.
2
a
25
Sada imamo
3
Z
1 x2
P (1 X 3) = e 2 dx.
2
1
imamo
1
, y [0, 1]
fY (y) = 2 y
0, y/ [0, 1]
Zadatak 2.6. Neka je X neprekidna slucajna promjenljiva i
y = (x) neprekidna funkcija. Pokazati da slucajna promjenljiva
Y = (X) ne mora biti slucajna promjenljiva neprekidnog tipa.
Rjesenje. Neka X ima uniformnu raspodjelu na intervalu [0, 1] i
0, x 0.5
(x) =
x 0.5, x > 0.5.
a+b (b a)2
E(X) = i V ar(X) = .
2 12
Iz uslova zadatka dobijamo a = 0 i b = 1. Za funkciju raspodjele slucajne
promjenljive Y vrijedi
0, y (0, 12 ],
1
FY (y) = 2 y, y ( 12 , 1],
1, y (1, +).
Zadatak 2.9. Slucajna promjenljiva X ima normalnu raspodjelu N (0, 1) i
slucajna promjenljiva Y ima log normalnu raspodjelu to jest Y = eX . Odrediti
raspodjelu slucajne promjenljive Y .
Rjesenje. Za funkciju raspodjele FY slucajne promjenljive Y vrijedi
Zln y
1 t2
FY (y) = P (X < ln y) = e 2 dt, y > 0.
2
0 x1 1 x2 x3 x
x=-1
x=1
x2 x4 x
x1 x3
2 q
y1 y1 + 1+ y12
Z 1+y Z Z
+
dx dx dx
FY (y) = + + ,
(1 + x2 ) (1 + x2 ) (1 + x2 )
1 1
1 1
FY (y) = arctan + 1,
y
pa je
1 1
fY (y) = .
1 + y2
29
k
P (X = k) = e , k = 0, 1, . . .
k!
k
P (Y = k 2 ) = P (X = k) = e , k = 0, 1, . . .
k!
Slucajna promjenljiva Z uzima vrijednosti iz skupa {1, 0, 1}. Imamo da je
+
X +
X 2k
P (Z = 0) = P (X = 2k) = e = e ch.
(2k)!
k=0 k=0
Zx Zy
F (x, y) = 1dudv = xy.
0 0
Za 0 x 1, y > 1 je
Zx Z1
F (x, y) = 1dudv = x, itd.
0 0
30 2. SLUCAJNE PROMJENLJIVE
Dobije se
xy, (x, y) S
x, 0 x 1, y > 1
F (x, y) = y, 0 y 1, x > 1
1, x > 1, y > 1
0, (x, y) R2 \ R2+
odnosno
F (x, y) = max{0, min{x, y, xy, 1}}.
Zadatak 2.14. Neka je gustina slucajnog vektora (X, Y ) data sa
24xy, x > 0, y > 0, x + y < 1
f (x, y) =
0, inace.
Odrediti fX (x) i fY |X (y|x).
Rjesenje. Za marginalnu gustinu fX (x) vrijedi
Z
+ Z
1x
Dalje,
f (x, y) 24xy 2y
fY |X (y|x) = = = , 0 < y < 1 x.
fX (x) 12x(1 x)2 (1 x)2
Zadatak 2.15. Odrediti c R tako da
c
f (x, y) = 2 , x, y R
(1 + x )(1 + y 2 )
2
1
(arctga2 arctga1 )(arctgb2 arctgb1 ) 0,
2
jer je funkcija x 7 arctgx monotono rastuca. Dalje je
Zx Z
+
1 dudv 1
FX (x) = 2 = arctgx + ,
(1 + u2 )(1 + v 2 ) 2
odakle je
1
fX (x) = ,
(1 + x2 )
analogno se dobije
1
fY (y) = .
(1 + y 2 )
Na kraju, ZZ
1 dxdy 1
P (Z S) = = .
2 2 2
(1 + x )(1 + y ) 16
S
5 5
FZ (z) = 64 z , 0z1
15
1 + 4 z 5z 2 + 52 z 3 11 5
64 z , 1 z 2,
FZ (z) = 1, za z 2.
(ii) Gustina slucajne promjenljive X je
Z1
15 2
fX (x) = 15x2 ydy = x (1 x2 ).
2
x
Dakle,
f (u, v) = eu e(uv) , u > 0, u v > 0.
Za funkciju gustine vjerovatnoca slucajne promjenljive V je
Z
+
fV (v) = 2 e(2uv) du = ev , v 0,
2
0
Z
+
fV (v) = 2 e(2uv) du = ev , v > 0.
2
v
Znaci funkcija gustine vjerovatnoca slucajne promjenljive Z je
|z|
fZ (z) = e , z R.
2
(b) Zbog nezavisnosti, gustina vektora (X, Y ) je
x
x+y <z
y=1-z
z x
x
34 2. SLUCAJNE PROMJENLJIVE
R
+ R
+
Znaci, F (z) = 2 (ex ey dy)dx = z
0 1z
RR z x
Z
+ Z
+ Z
+
Rjesenje. Zbog l < a, igla ne moze da sijece vise od jedne prave, zato je
dovoljno posmatrati pravu koja je najbliza sredistu bacene igle. U odnosu na ovu
pravu, polozaj igle je odred-en rastojanjem X od sredista igle do prave i uglom
izmed-u igle i prave. Slucajne promjenljive X i su nezavisne. Mozemo uzeti
da je slucajna promjenljiva X uniformna na [0, a] i da je raspodjela slucajne
promjenljive uniformna na [0, 2 ]. Zajednicka gustina raspodjele za (X, ) je
2
f (x, ) = , 0 x a, 0 ,
a 2
f (x, ) = 0, inace .
Igla sijece najblizu pravu ako i samo ako je X l sin . Odgovarajuca vjerovatnoca
je
Z2 lZsin
2 2l
P (X l sin ) = dxd = .
a a
0 0
P (X = k) = P (Y = k) = q k p, k = 0, 1, . . . , p (0, 1), q = 1 p
Z = Y X, W = min(X, Y ).
Dakle,
P (W = w, Z = z) = P (Y = w, X = w + |z|) = p2 q 2w+|z| .
Ako je
Y X =Z 0
tada je
w = W = X i Y = X + Z = w + z.
Dakle,
P (W = w, Z = z) = P (X = w, Y = w + z) = p2 q 2w+z .
(ii)
+
X
2
P (W = w) = p2 q 2w+|z| = p2 q 2w 1 = p(2 p)q 2w .
z=
p
(iii)
+
X 1 pq |z|
P (Z = z) = p2 q 2w+|z| = p2 q |z| = .
w=0
1 q2 2p
(iv) Slucajne promjenljive Z i W su nezavisne jer vrijedi
P (Z = z, W = w) = P (Z = z)P (W = w).
Zadatak 2.24. Slucajni vektor (X, Y ) ima uniformnu raspodjelu unutar trougla
Y
sa vrhovima A(1, 1), B(2, 0), C(1, 1). Naci raspodjelu za Z = .
X
Rjesenje. Za funkciju raspodjele slucajne promjenljive Z imamo
Y
FZ (z) = P {Z < z} = P <z
X
Sada je
1 za z 1,
FZ (z) = 0
2 za 1 RR
< z 0,
FZ (z) = dxdy =
D1
2
R
1z R
zx (z + 1)2
= dxdy =
1 x2 2(1 z)
38 2. SLUCAJNE PROMJENLJIVE
3 za 0 <RRz 1,
FZ (z) = dxdy =
RRD2
=1 dxdy =
D2
2
R
z+1 R
x+2 1 + 4z z 2
=1 dx dy =
1 zx 2(1 + z)
4 za z > 1, FZ (z) = 1
f (x, y)
Uslovna gustina za X pri Y = y je fX (x|y) = , gdje je FY marginalna
fY y
gustina za Y . Kako je
2
Z
+ Z1y
1 2p
fY (y) = f (x, y)ds = dx = 1 y2 ,
2 1y
imamo
f (x, 0) 1/ 1
FX (x|y) = = = za |x| 1
fY (0) 2/ 2
i
fX (x|0) = 0 za |x| > 1.
Neka je
D = {(x, y) R2 |y/x < z}.
39
ZZ ZZ T
1 m(D K)
G(z) = f (x, y)dxdy = dxdy =
T
D D K
1 1 arctan z 1 arctan z
= 2 + = + .
2 4 2
Za z < 0,
1 1 ( 2 arctan(z)) 1 arctan z
G(z) = 2 = + ,
2 2
40 2. SLUCAJNE PROMJENLJIVE
1 1
G(0) = = .
2 2
Dakle,
1 arctan z
G(z) = + ,zR
2
i
1
g(z) = , z R.
(1 + z 2 )
Zadatak 2.26. Neka su X i Y nezavisne slucajne promjenljive sa raspodjelama
N (2, 1) i N (3, 4). Naci vjerovatnocu P (Y < X 5).
Rjesenje. Zbog nezavisnosti, gustina slucajnog vektora (X, Y ) je
1 (( x2 )2 +( y+3 )2 )
f (x, y) = e 1 2 ,
4
pa je ZZ
P {Y < X 5} = f (x, y)dxdy.
Y <X5
(
U =X 2 x = 1 (u, v) = u + 2
Smjenom Y +3 dobija se , pa je jakobijan
V = y = 2 (u, v) = 2v 3
2
1 1
u v
= 2.
2
2
u v
Iz
fU V (u, v) = fXY (1 (u, v), 2 (u, v))J(u, v),
slijedi da je gustina za slucajni vektor (U, V ),
1 ( u2 + v2 )
fU V (u, v) = e 2 2 .
2
Skup {(x, y)| y < x 5} bijektivno se preslikava na {(u, v)|2v < u}, te je
arctan 21
Z Z Z Z
+
1 u2 +v 2
2 1 1
P {2V < U } = e dudv = d d = .
2 2 2
2v<u +arctan 1 0
2
41
X
U =X +Y i V =
Y
nezavisne slucajne promjenljive.
Rjesenje. Iz
u=x+y
x
v=
y
imamo
uv
x=
v+1
u
y= .
v+1
Za Jakobijan preslikavanja vrijedi
v u u
(v+1)2
J = v+1
1 u = .
v+1 (v+1) 2 (v + 1)2
Dakle,
uv u u
f(U,V ) (u, v) = f(X,Y ) (x, y)|J| = f(X,Y ) , ,
v+1 v+1 (v + 1)2
u
f(U,V ) (u, v) = 2 ueu .
(v + 1)2
Osim toga, za gustine slucajnih promjenljivih U i V vrijedi
Z +
fU (u) = f(U,V ) (u, v)dv = ueu ,
Z +
1
fV (v) = f(U,V ) (u, v)du = ,
(v + 1)2
pa je
f(U,V ) (u, v) = fU (u)fV (v).
Znaci U i V su nezavisne slucajne promjenljive.
Zadatak 2.28. Neka su X i Y nezavisne slucajne promjenljive koje uzimaju
cjelobrojne vrijednosti i
Z = X + Y,
ako je
Dokazati da je
1
min{P {Z = a}, P {Z = b}} .
4
Rjesenje. Neka je
Posto je 1 F (t) > 0 to Z(t) nije apsolutno neprekidna, ali nije ni diskretna jer
ima beskonacno mnogo vrijednosti. Z(t) je apsolutno neprekidnog tipa samo
ako je X takva da je F (t) = 0 za t (0, 1). Primjer takve slucajne promjenljive
Z(t) je zadan sa funkcijama raspodjela X i Y
(
0, x 0 0, x0
F (x) = x2 , 0 x 1 , G(x) = x
, x > 1.
1, 1 < x x+1
dobijamo da je c = 1.
Dalje je x
Z R 1 dy, 0 < x < 1
fX (x) = f (x, y)dy = x
0
0, inace,
1
Z R 1
fY (y) = f (x, y)dx = x dx, 0 < y < 1
y
0, inace,
Dakle,
1, 0<x<1
fX (x) =
0, inace,
lny, 0<y<1
fY (y) =
0, inace,
Kako je (
f (x,y)
fX|Y =y (x) = fY (y) , fY (y) > 0
0, inace,
imamo da je ( 1
lny , 0<y<x<1
x
fX|Y =y (x) =
0, inace,
Vidimo da je
fX (x)fY (y) 6= f (x, y),
44 2. SLUCAJNE PROMJENLJIVE
Z1
6 2 6
f(X,Y ) (x, y) = (x + y)dz = (x2 + y), (x, y) (0, 1)2 .
5 5
0
Z1
6 2 6 1
fY (y) = (x + y)dx = +y .
5 5 3
0
Kako je
f(X,Y ) (x, y)
fX|Y (x|y) = ,
fY (y)
zakljucujemo
x2 + y
fX|Y (x|y) = 1 , 0 < y < 1.
3 +y
3
Odavde je
+
X 1
c = 1,
k(k + 1)(k + 2)
k=1
pa posto je
+
X 1 1
=
k(k + 1)(k + 2) 4
k=1
to je c = 4. Sada je
+
X +
X 4
E(X) = k P {X = k} = k = 2.
k(k + 1)(k + 2)
k=1 k=1
45
46 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
3
c) Naci P (X < 2 | 0 X 47 ).
Rjesenje.
a) Iz uslova
Z
+
f (x)dx = 1,
to jest
1
Z Z2
2c dx + (2 x)dx = 1
0 1
dobijamo
1
c= .
3
b)Za funkciju raspodjele vjerovatnoca F imamo
0, x 2
(x+2)2
, 2 < x 1
6
2x+3
F (x) = 6 , 1 < x 1
x2 +4x+2
, 1<x2
6
1, x > 2.
Var(X) = E(X 2 ),
pa je
1
Z Z2
15
Var(X) = 2 x2 dx + x2 (2 x)dx = .
6
0 1
3 7 P (0 X < 32 ) F ( 32 ) F (0) 44
P (X < |0X )= 7 = 7 = .
2 4 P (0 X < 4 ) F ( 4 ) F (0) 47
Zadatak 3.5. Neka slucajna promjenljiva X ima momenat treceg reda. Pokazati
da funkcija f1 definisana sa
X
f1 (x) = (X() x)2 P (),
monotono opada.
Rjesenje. Kako je
0 X
f1 (x) = (2)(X() x)P (),
zakljucujemo da je 0
f1 (x) = 0
za P
X()P ()
x= P = E(X).
P ()
Osim toga, X
00
f1 (x) = 2P () = 2 > 0,
pa je
x = E(X)
zaista tacka minimuma funkcije f1 .
0 X
f2 (x) = (3)(X() x)2 P (),
!
0 X X X
2 2
f2 (x) = (3) (X()) P () 2x X()P () + x P () .
Kako je X
P () = 1 > 0
i X X
( X()P ())2 (X())2 P () = V ar(X) 0,
zakljucujemo da je 0
f2 (x) 0, za sve x R,
pa f2 monotono opada.
Zadatak 3.6. Date su slucajne promjenljive X i Y .
x1 x2 y1 y2
X: , Y : , x1 6= x2 , y1 6= y2 .
p1 p2 q1 q2
Ako vrijedi
E(XY ) = E(X)E(Y )
pokazati da su X i Y nezavisne slucajne promjenljive.
Rjesenje. Slucajne promjenljive
X x1 Y y1
U= , V =
x2 x1 y2 y1
49
Ako je
E(XY ) = E(X)E(Y )
tada je
E(U V ) = E(U )E(V ).
Ako su U i V nezavisne slucajne promjenljive onda su takve i slucajne prom-
jenljive X i Y . Sada je dovoljno pokazati nezavisnost slucajnih promjenljivih U
i V . Imamo
pa je
P (U = 1, V = 1) = P (U = 1)P (V = 1).
Dalje,
P (U = 1, V = 0) = P (U = 1) P (U = 1, V = 1)
= P (U = 1)(1 P (V = 1)),
znaci
P (U = 1, V = 0) = P (U = 1)P (V = 0).
Slicno dobijamo
P (U = 0, V = 1) = P (U = 0)P (V = 1),
P (U = 0, V = 0) = P (U = 0)P (V = 0).
Dakle, slucajne promjenljive U i V su nezavisne, pa su takve i X i Y .
Zadatak 3.7. Ako je
1 2 3
X:
p1 p2 p3
2
slucajna promjenljiva kod koje je E(X) = 2 i Var(X) = 3 odrediti p1 , p2 i p3 .
Rjesenje. Vrijedi
p1 + p2 + p3 = 1,
osim toga, kako je E(X) = 2 imamo
p1 + 2p2 + 3p3 = 2.
Dalje,
2
Var(X) = E(X 2 ) E 2 (X) = ,
3
pa je
2
p1 + 4p2 + 9p3 4 = .
3
50 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
Sada iz
p1 + p2 + p3 = 1
p1 + 2p2 + 3p3 = 2
14
p1 + 4p2 + 9p3 = ,
3
dobijamo
1
p1 = p2 = p3 = .
3
Zadatak 3.8. Neka je X slucajna promjenljiva. Pokazati da je
1
|E(X)| E(X 2 ) + .
4
Rjesenje. Iz 4X 2 + 4X + 1 0 i 4X 2 4X + 1 0 imamo
1 1
X 2 X + X 2.
4 4
Kako vrijedi
X Y E(X) E(Y ),
to imamo
1 1
E X 2 E(X) E + X2 ,
4 4
to jest
1
|E(X)| E(X 2 ) + .
4
Zadatak 3.9. Naci ocekivanje broja realnih nula jednacine
x3 3x 2Y = 0, x R,
tako da ima jednu realnu nulu ako je (1) < 0 ili (1) > 0, odnosno
y (, 1) (1, +). Ako je y [1, 1] funkcija ima dvije nule i u
preostalom slucaju tri nule. Neka je slucajna promjenljiva Z broj nula. Tada
vrijedi
P {Z = 1} = P {y < 1} + P {y > 1},
51
Z1 Z1
1 dy 1 dy 1
P {Z = 1} = +1 = ,
1 + y2 1 + y2 2
P {Z = 2} = P {y = 1} + P {y = 1} = 0,
1
P {Z = 3} = ,
2
pa je
E(Z) = 2.
Zadatak 3.10. Slucajna tacka A ima ravnomjernu raspodjelu u krugu radijusa
R. Naci matematicko ocekivanje i varijansu slucajne promjenljive X koja pred-
stavlja rastojanje tacke A od centra kruga.
Rjesenje. Za funkciju raspodjele FX slucajne promjenljive x vazi
m(Kx )
F (x) = P {X < x} =
m(K)
Znaci,
x2
F (x) = , x [0, R],
R2
pa je gustina slucajne promjenljive X,
2x
f (x) = , x [0, R].
R2
Sada je
ZR ZR
2x2 2R
E(X) = xf (x)dx = dx = ,
R2 3
0 0
ZR
2 2 2x3 4R2 R2
Var(X) = E(X ) E (X) = dx = .
R2 9 18
0
52 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
Dakle,
Z
+ Z
+
f (x, y)
fY (y|x) = ,
fX (x)
Z
+ Z1
FX (x) = f (x, y)dy = 8 xydy = 4x(1 x2 ), 0 < x < 1,
x
2y
to imamo da je fY (y|x) = ,0<x<y<1
1 x2
Sada je
1 9y 1
FY y|x = = , < y < 1.
3 4 3
Z1 Z1 2
1 1 9y 13
E Y |X = = yfY y|X = dy = dy = .
3 3 4 18
1 1
3 3
+Zx
Z Z
+
3 1 1
[x (1 x)] dydx = x3 dx = ,
2
1 1 1
dobijamo c = 2.
Dalje,
Zx
fX (x) = 2 [x3 (1 x)]1 dy = 2x3 ,
1
pa je
f (x, y) 1
= , y (1, x).
fX (x) x1
E(X) = 2 x2 dx = 2,
1
pa kako je
E(Y ) = E(E(Y |X)) = 2E(X + 1),
imamo
3
E(Y ) = .
4
Zadatak 3.14. Tacka (X, Y ) se slucajno bira u kvadratu
[0, 1] [0, 1].
a) Naci funkciju raspodjele i matematicko ocekivanje slucajne promjenljive
p
R= X 2 + Y 2.
1 r 0,
FR (r) = 0,
2 0 < r 1,
r2
FR (r) = ,
4
3 1 < r 2,
ZZ ZZ ZZ ZZ
FR (r) = dxdy = dxdy + dxdy + dxdy
S S
D1 D2 D3 D1 D2 D3
ZZ ZZ
r2 1 r2 1 p 2
= + dxdy + = r 1+ dxdy.
2 2
D2 D2
x = cos ,
y = sin ,
dobijamo
2 arctan r 2 1 r
R R
FR (r) = r2 1+ dd =
arctan r 2 1 0
2
R p
= r2 1 + r2 arctan r2 1.
4
55
4 2 < r, FR (r) = 1.
Posto je r
p 1 1 1
E 2 (X) + E 2 (Y )= + =
4 4 2
i
1 1
> ( 2 + ln(1 + 2)),
2 3
vidi se da ocekivana
vrijednost
radijusa R nije jednaka radijusu ocekivane tacke
1 1
(E(X), E(Y )) = , .
2 2
b) Kako je
p 2
2 4 2 2
X
E (X) = E X +Y 4
X2 + Y 2
p p
E( X 2 + Y 2 ) E f racX 2 X 2 + Y 2
i p 2
X
E 2 (Y ) =
4
E X2 + Y 2
4
X2 + Y 2
p
Y2
E( X 2 + Y 2 ) E
X2 + Y 2
56 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
to je
E 2 (X) + E 2 (Y )
p
2 2
X2 Y2
E( X + Y ) E +E
X2 + Y 2 X2 + Y 2
p p
X2 + Y 2
= E( X 2 + Y 2 ) E = (E( X 2 + Y 2 ))2 .
X2 + Y 2
Znaci, p p
E 2 (X) + E 2 (Y ) E( X 2 + Y 2 ).
Zadatak 3.15. Slucajne promjenljive X1 , X2 , ... su nezavisne i imaju ravno-
mjernu raspodjelu na [0, 1]. Naci matematicko ocekivanje i varijansu slucajne
velicine
n
X
Yn = |Xi+1 Xi |.
i=1
R1 R1
Posto je E(|Xi+1 Xi |) = |xi+1 xi |dxi dxi+1
0 0
R1 R1 R1 Rx R1 R1 1
= |x y|dxdy = (x y)dxdy + (y x)dxdy = , to je
0 0 0 0 0 x 3
n
E(Yn ) = ,
3
Var(Yn ) = E(Yn2 ) E 2 (Yn ),
n
X
E(Yn2 ) = E(( |Xi+1 Xi |)2 ).
i=1
1
E(|X Y ||Z T |) = E 2 (|X Y |) = ,
32
Z1 Z1 Z1
E(|X Y ||Y Z|) = |x y||y z|dxdydz
0 0 0
Z1 Z1 Z1 Z1 Z1
7
= ( |x y||y z|dxdz)dy = ( |x y|dx)2 dy = .
60
0 0 0 0 0
57
5 1
1 18 18 0 0
25 10 1
2 108 108 108 0
125 75 15 1
3 648 648 648 648
pa imamo
1 2 3
X|Y = 2 : 2 5 .
0 7 7
19 53
Sada je E(X|Y = 2) = 7 i E((X|Y = 2)2 ) = 7 , pa je
10
Var(X|Y = 2) = .
49
Zadatak 3.17. X i Y su nezavisne slucajne promjenljive sa Poasonovom
raspodjelom P(). Naci E(X|X + Y = m).
Rjesenje.
P {X = k, X + Y = m}
P {X = k|X + Y = m} = , k = 0, 1, . . . , m.
P {X + Y = m}
P {X = k, X + Y = m} = P {X = k, Y = m k}. Sada zbog nezavisnosti
slucajnih promjenljivih X i Y je
P {X = k, X + Y = m} = P
{X
= k}P {Y = m k} =
k mk m m 2
e e = e , k = 0, 1, . . . , m.
k! (m k)! k m!
P
m
P {X + Y = m} = P {X = i, Y = m i} =
i=0
P
m
= P {X = i}P {Y = m i} =
i=0 m m
P
m m 2 m 2 X m (2)m 2
= e = e = e .
i=0 i m! m! i=0
i m!
58 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
Sada je m
m 2
e
k m! 1 m
P {X = k|X + Y = m} = = m .
(2)m 2 2 k
e
m!
1
Znaci X|X + Y = m ima binomnu raspodjelu B(m, ), pa je
2
m
Pm k m m X m1 m
E(X|X + Y = m) = m
= m
= .
k=0 2 k 2 k 1 2
k=1
Zadatak 3.18. Slucajne promjenljive X1 , . . . , Xk su med-usobno nezavisne i
vazi Xi : P(i ), i = 1, . . . , k. Naci matematicko ocekivanje i varijansu za slucajnu
promjenljivu
(X1 + + Xj )|X1 + + Xk = n, j k.
Rjesenje. Koristeci matematicku indukciju jednostavno se pokaze da ako neza-
visne slucajne promjenljive X1 , . . . , Xm imaju Poasonove raspodjele P(1 ), . . . , P(m )
Pm
respektivno da tada slucajna promjenljiva Xi ima Poasonovu raspodjelu
i=1
P
m
P( i ).
i=1
Ako sada stavimo da je
X = X1 + + Xj ,
Y = Xj+1 + + Xk
vrijedi
P {X = i, Y = n i}
P {X = i|X + Y = n} = ,
P {X + Y = n}
i ni
P {X = i}P {Y = n i} i! e (ni)! e
= (+)n (+)
P {X + Y = n} e
n!
i kako je
i ni i ni
i! e (ni)! e n
(+)n (+)
= ,
e i + +
n!
n = 0, 1, . . . , i = 0, 1, . . . , n, gdje je
j
X n
X
= i , = i
i=1 i=j+1
dobijamo da
X|X + Y = n
1 + + j
ima binomnu raspodjelu B n, , pa je
1 + + k
1 + + j
E(X|X + Y = n) = n ,
1 + + k
59
1 + + j j+1 + + k
Var(X|X + Y = n .
1 + + k 1 + + k
Zadatak 3.19. Knjizara sadrzi n knjiga. Sve knjige su izvad-ene iz polica i na
slucajan nacin vracene. Neka je X broj knjiga koje se nalaze na prvobitnim
mjestima. Naci E(X).
Rjesenje. Neka je Xi = 1 ako je ita knjiga na prvobitnom mjestu i Xi = 0 ako
ita knjiga nije na prvobitnom mjestu. Za svaku fiksiranu knjigu, vjerovatnoca
1
da se nalazi na prvobitnom mjestu je , to jest
n
1 0
Xi : 1 1 , pa je
1
n n
1
E(Xi ) = , (i = 1, . . . , n).
n
1
Posto je X = X1 + + Xn to je E(X) = n = 1.
n
Pn
Koristeci standardan nacin imamo E(X) = kP {X = k}
k=0
Vjerovatnocu P {X = k} dobijamo koristeci formulu
S
k P
k P
P ( Ai ) = P (Ai ) P (Ai Aj ) + + (1)k P (A1 . . . Ak ).
i=1 i=1 1i<jk
Lako se dobije
1 1 1 nk 1
P {X = k} = 1 + . . . (1) ,
k! 1! 2! (n k)!
pa je
n
X
k 1 1 nk 1
E(X) = 1 + + (1) .
k! 1! 2! (n k)!
k=0
P {X = k} = P {Y = k} = pq k1 ,
0 < p < 1, q = 1 p, (k = 1, 2, . . . ).
Naci Var(X|X + Y = n), n 2.
Rjesenje. Kako je
P {X = k}P {Y = n k}
P {X = k|X + Y = n} = ,
P {X + Y = n}
60 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
vrijedi
pq k1 pq nk1 1
P {X = k|X + Y = n} = = , k = 1, . . . , n 1.
P
n1 n1
pq k1 pq nk1
k=1
Dakle,
n1
X
E(X|X + Y = n) = kP {X = k|X + Y = n}
k=1
n1
1 X n
= k= ,
n1 2
k=1
n1
X
E(X 2 |X + Y = n) = k 2 P {X = k|X + Y = n}
k=1
n1
1 X 2 n(2n 1)
= k = ,
n1 6
k=1
pa je
n(2n 1) n2 n(n 2)
Var(X|X + Y = n) = = .
6 4 12
Zadatak 3.21. Slucajna promjenljiva X ima gustinu
x/8, x (0, 4)
f (x) =
0, x 6 (0, 4).
Z2
2 x
E(X |X < 2) = x2 dx = 2.
2
0
61
2
Znaci, Var(X|X < 2) = .
9
Zadatak 3.22. Slucajne promjenljive X1 , X2 , . . . , Xn su pozitivne, jednako
raspodjeljene i nezavisne. Naci matematicko ocekivanje slucajne promjenljive
X1 + + Xi1 + Xi+1 + + Xn
Y = .
X1 + + Xn
Rjesenje. Neka su Y1 , . . . Yn slucajne promjenljive definisane sa
X1 + + Xi1 + Xi+1 + + Xn
Yi = , i = 1, . . . , n.
X1 + + Xn
Vrijedi
Y1 + + Yn = n 1, E(Y ) = E(Yi ), i = 1, . . . , n,
pa je
E(Y1 + + Yn ) = E(n 1) = n 1,
E(Y1 ) + + E(Yn ) = n 1,
n1
nE(Y ) = n 1, E(Y ) = .
n
Zadatak 3.23. Izracunati integral
Z
x1 + x2 + + xk (x21 +x22 ++x2n )
e dx1 dx2 dxn .
x1 + x2 + + xn
[0,1]n
a+b
pa je medijana m = .
2
Slicno odredjujemo medijanu i u ostalim slucajevima. Ako X ima normalnu
raspodjelu N (, 2 ), medijana je , a ako X ima eksponencijalnu raspodjelu
1
E(), medijana je .
Zadatak 3.25. Neka slucajni vektor (X, Y ) ima zakon raspodjele vjerovatnoca
Y \X -1 0 1
1 1 1
0 12 2 12
1 1 1
2 12 6 12
Naci cov(X, Y ).
Rjesenje. Zakoni raspodjela za X, Y i XY su
1 0 1 0 2 2 0 2
X: 1 2 1 , Y : 2 1 , XY : 1 5 1 .
6 3 6 3 3 12 6 12
a odavde je
a3 a 1
E(XY ) = + .
3 2 3
63
Dalje,
1
E(X) = ,
2
Z1
E(Y ) = |x a|dx,
0
1
E(Y ) = a2 a + .
2
Dakle,
a3 a 1 1 2 1 a3 a2 1
cov(X, Y ) = + a a+ = + .
3 2 3 2 2 3 2 12
Jednacina
a3 a2 1
+ =0
3 2 12
1
ima samo jedan korijen u intervalu (0, 1) i to a = 2. Prema tome, slucajne
promjenljvie X i Y su nekorelisane samo za a = 12 .
Zadatak 3.27. Pokazati da vrijedi
|cov(X, Y )| Var(X)Var(Y ).
E((X 0 Y 0 )2 ) 0,
odakle slijedi
Var(X) 2 cov(X, Y ) + 2 Var(Y ) 0.
Mora biti
cov2 (X, Y ) Var(X)Var(Y ) 0,
odnosno
cov(X, Y )| Var(X)Var(Y ).
Zadatak 3.28. Slucajne promjenljive X i Y su nezavisne sa zakonom raspodjele
0 1
1 1 .
2 2
U \V 0 1
0 0.25 0.5
1 0 0.25
64 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
Koeficijent korelacije
Linearna regresija V po U je
x 2
y= + .
3 3
Zadatak 3.29. Slucajna promjenljiva (X, Y ) ima funkciju gustine
x + y, (x, y) [0, 1] [0, 1]
f (x, y) =
0, (x, y) 6 [0, 1] [0, 1].
Analogno se dobije
(
1
y + , y [0, 1]
fY (y) = 2
0, y
6 [0, 1].
Z1 Z1
7 7
E(X) = xfX (x)dx = , E(Y ) = yfY (y)dy = ,
12 12
0 0
Z1 Z1
5 1
Var(X) = Var(Y ) = , E(XY ) = xy(x + y)dxdy = ,
12 3
0 0
E(XY ) E(X)E(Y ) 1
XY = p = .
Var(X)Var(Y ) 60
7 1 7
y = (x ), x [0, 1].
12 60 12
65
pa imamo
2 1 3
Var(3X1 2X2 ) = [3, 2] = 10.
1 1 2
66 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
4
Karakteristicne funkcije
67
68 4. KARAKTERISTICNE FUNKCIJE
Kako je
h(3) (0)
E(X 3 ) = .
i3
Nakon diferenciranja dobijamo da je
Dakle,
2k
P (X = k) = e2 , k = 0, 1, . . . ,
k!
10
1 10
P (Y = k) = 3k , k = 0, 1, . . . , n.
4 k
P (X + Y = 2) = P (X = 0, Y = 2) + P (X = 1, Y = 1) + P (X = 2, Y = 0),
zbog nezavisnosti slucajnih promjenljivih X i Y imamo
P (X = 2)P (Y = 0).
Dobijamo
63
P (X + Y = 2) = .
e2 219
Dalje,
pa je
410 + e2 1
P (XY = 0) = .
410 e2
Kako su X i Y nezavisne slucajne promjenljive to je
E(XY ) = E(X)E(Y ).
69
E 2 (cos X),
Var(sin X) + Var(cos X) = E(sin2 X + cos2 X) (E 2 (sin X)
+E 2 (cos X)),
V ar(sin X) + V ar(cos X) = 1 (E 2 (sin X) + E 2 (cos X)).
Kako je
imamo
|h(1)|2 = E 2 (cos X) + E 2 (sin X),
pa je
Var(sin X) + Var(cos X) = 1 |h(1)|2 .
Zadatak 4.5. Naci cov(X, Y ) ako je data karakteristicna funkcija h(t, s) slucajnog
vektora (X, Y ).
Rjesenje. Za karakteristicnu funkciju h(t, s) vrijedi
h(t, s) = E(ei(tX+sY ) ).
Odavde imamo
h(0, 0) h(0, 0)
= iE(X), = iE(Y ),
t s
2 h(0, 0)
= E(XY ).
ts
Sada dobijamo
ZT
1 eiat eibt
F (b) F (a) = lim h(t)dt.
2 T + it
T
Sada imamo,
ZT
1 1 eitx eit 1
F (x) F (0) = lim dt
2 T + it it
T
ZT
1 eit 1 eit(1x) + eitx
= lim dt
2 T + t2
T
ZT
1 1 cos t + cos t(1 x) cos tx
= lim dt
2 T + t2
T
ZT
1 sin tx + sin t(1 x) sin t
+i lim dt.
2 T + t2
T
Posto je
sin t sin t
lim = 0 i 1,
t+ t 2 t t2
2
postoji
ZT
sin t
lim dt.
T + t2
T
Osim toga,
sin t sin (t)
= ,
t2 (t)2
pa je
Z
+
sin t
dt = 0.
t2
Dalje,
1 cos t 1 1 cos t 2
lim 2
= i0 2
2,
t0 t 2 t t
pa postoji
ZT
1 cos t
lim dt = a.
T + t2
T
72 4. KARAKTERISTICNE FUNKCIJE
Sada je
ZT
1 cos t
lim dt = || a.
T + t2
T
Dalje, vrijedi
F () F (0) = 0 i F (+) = 1,
pa je
F (0) = 0 i a = .
Znaci,
1
F (x) =(1 + |x| |1 x|).
2
Zadatak 4.8. Ako je h karakteristicna funkcija slucajne promjenljive X pokazati
da je p
a) |h(t + u) h(t)| 2(1 Re h(u)),
b) 1 Re h(2t) 4(1 Re h(t)).
Rjesenje.
a) Kako je +
Z
|h(t + u) h(t)| = (e 1)e f (x)dx ,
iux itx
i
+ 12 + 21
Z Z
|eiux 1|2 f (x)dx = 2 (1 cos ux)f (x)dx
1
= (2(1 Re h(u))) 2 .
b)
Z
+
Z
+ Z
+
2
=2 sin txf (x)dx = 2 (1 cos tx)(1 + cos tx)f (x)dx
Z
+
pa je
X
+ + +
1 1 1 3X 1 1X 1
h(t) = 3 =
4 eit k
2 e ikt 4 k
2 e ikt 4 2k ei(k+1)t
k=0 k=0 k=0
+
X X + +
3 1 3 X 3 1 1
= k+2 ikt
k+1 ikt
= +
2 e 2 e 4 2k+2 2k+1 eikt
k=0 k=1 k=1
+
X
3 1 ikt
= + e .
4 2k+1
k=1
h(t) = eit|t| .
ZT
1
f (x) = lim eitx eit|t| dt
2 T +
T
Z0 Z
+
1 itx it+t 1
= e e dt + eitx eitt dt
2 2
0
Z0 Z
+
1 t+it(1x) 1
= e dt + et+it(1x) dt
2 2
0
1 1 et+it(1x)
= lim
2 1 + i(1 x) t 1 + i(1 x)
1 et+it(1x)
+ lim f rac11 + i(1 x)
2 t+ 1 + i(1 x)
1 1 1 1
= + = .
2 1 + i(1 x) 1 + i(1 x) [1 + (1 x)]2
Zadatak 4.13. Naci karakteristicnu funkciju Kosijeve raspodjele sa gustinom
1
f (x) = .
(1 + x2 )
75
Rjesenje.
Z
+
itx 1 eitx
h(t) = E(e )= dx
1 + x2
Z
+ Z
+
1 cos tx i sin tx
= 2
dx + dx
1+x 1 + x2
Z
+
1 cos tx
= dx.
1 + x2
Z
+
= e(it)x (( it)x)1 d(( it)x)
( it) ()
0
76 4. KARAKTERISTICNE FUNKCIJE
to jest
h(t) = ,
( it)
jer je Z
(a) = ez z 1 dz,
L
Odavde je
0
h (0) 00 ( + 1)
E(X) = = , E(X 2 ) = h (0) = ,
i 2
pa je Var(X) = 2 .
Zadatak 4.15. Raspodjela definisana gustinom
1 n x
f (x) = 2 1 e 2 , x > 0
n n x
2 ( 2 )
2
Z = X12 + + Xn2 , n N.
odnosno,
Z
+ Z
+
1 itx2 x2
2 1 x2 (12it) 1
hXi2 (t) = e e dx = e 2 dx = .
2 2 1 2it
77
Naci
Var((X1 + X2 + + Xn )2 ).
Rjesenje. Neka je
Z = X1 + X2 + + Xn .
Za karakteristicnu funkciju slucajne promjenljive Z vrijedi
Z
+
Znaci
Z
+ itxx
e 1 1
hXi (t) = eitxx dx = lim = ,
x+ it 1 it 1 1 it
0
pa je n
1
hZ (t) = .
1 it
Var((X1 + X2 + + Xn )2 ) = V ar(Z 2 ) = E(Z 4 ) E 2 (Z 2 ),
pa imamo
(4)
Var((X1 + X2 + + Xn )2 ) = hZ (0) (h00Z (0))2 =
Posto je hXi (t) = hXi (t) zakljucujemo da je hXi (t) = ec|t| , t R. Znaci,
t
h X1 +X2 ++Xn (t) = (ec| n | )n = ec|t| , t R,
n
pa
X1 + X2 + + Xn
n
ima istu raspodjelu kao i slucajne promjenljive X1 , X2 , . . . Xn to jest, Kosijevu
raspodjelu sa gustinom
1 c
f (x) = 2 .
c + x2
Zadatak 4.19. Neka su X1 , X2 , . . . Xn nezavisne slucajne promjenljive koje
imaju normalnu raspodjelu pri cemu je
E(Xi ) = 0 i V ar(Xi ) = 1, i = 1, 2, . . . , n.
79
X1 X2 Xn
Y = + + + .
1 2 n
Z
+ t2 Z
+
1 itx x2
2 e 2 (xit)2 t2
hXi (t) = e dx = e 2 dx = e 2 ,
2 2
jer je
Z
+
(xit)2
e 2 dx = 2.
Prema tome,
2 2
t2 t
( )1 t
( )1 t2 1 1
hY (t) = e 2 e 2 2 e n 2 = e 2 (1+ 2 ++ n )
Zy
1 t2 1 1
FY (y) = q e 2 (1+ 2 ++ n ) dt.
1
(1 + 2 + + n1 )2
X = a1 X1 + a2 X2 + + an Xn + b,
Dakle,
n
Y k2 a2k t2
h(t) = eibt exp(ik ak t ),
2
k=1
P
n
n
X ( k2 a2k )t2
h(t) = exp
i(b + k ak )t k=1 .
2
k=1
vrijedi relacija
Z1
1
f (x) = eitx (1 t2 )dt.
2
1
Lako se dobija
1
1 itx 1 t2 2t 2
f (x) = e + + +
2 ix ix (ix)2 (ix)3 1
1 1
= 3
(eix eix ) + (eix eix )
ix x2
2 sin x
= cos x .
x2 x
Funkcija f je gustina slucajne promjenljive, pa je nenegativna za svaki x. Med-utim,
to ovdje nije slucaj jer, na primjer, za x = 2 dobijamo
2
f (2) = (0 1) < 0,
(2)2
pa zakljucujemo da h nije karakteristicna funkcija ni jedne raspodjele.
Zadatak 4.23. Pokazati da funkcija
1 t2 , |t| 1
h(t) =
0, |t| > 1
Y \X 0 1 3
1 2
0 0
9 9
2 1
1 0
9 9
2 1
3 0
9 9
Dakle,
2
1 1 + eit + e3it
hX+Y (t) = (1 + 2eit + e2it + 2e3it + 2e4it + e6it ) = ,
9 3
pa imamo
hX+Y (t) = hX (t)hY (t).
Slucajne promjenljive X i Y su zavisne jer je, na primjer
1 2
P {X = 0|Y = 0} = , P {X = 0|Y = 1} = ,
9 9
83
pa je
P {X = 0|Y = 0} 6= P {X = 0|Y = 1}.
Zadatak 4.26. Gustina slucajnog vektora (X, Y ) je
1
4 1 + xy(x2 y 2 ) , x, y [1, 1]
f (x, y) =
0, x, y 6 [1, 1].
Z
+ 1
f2 (y) = f (x, y)dx = 2, |y| 1
0, |y| > 1.
Posto je f (x, y) =
6 f1 (x)f2 (y) to su X i Y zavisne slucajne promjenljive. Za
gustinu slucajne promjenljive Z vrijedi
R
+
f (z) = f (x, z x)dx, odakle se dobija
0, z < 2
1
f (z) = 4 (2 + z), 2 z < 0
1
4 (2 z), 0 z < 2
0, z > 0.
dok je
Z0 Z2 2
1 itz 1 itz sin t
hX+Y (t) = (2 + z)e dz + (2 z)e dz = ,
4 4 t
2 0
pa vrijedi
hX+Y (t) = hX (t)hY (t).
Zadatak 4.27. Neka je h karakteristicna funkcija. Dokazati da su funkcije:
h1 (t) = eh(t)1 ,
84 4. KARAKTERISTICNE FUNKCIJE
1
h2 (t) = ,
2 h(t)
karakteristicne funkcije.
Rjesenje. Ako je h karakteristicna funkcija neke slucajne promjenljive X tada
je i hk karakteristicna funkcija slucajne promjenljive X1 + X2 + + Xn , k N
gdje su Xi , i = 1, . . . , k nezavisne slucajne promjenljive koje imaju raspodjelu
identicnu kao slucajna promjenljiva X. Osim toga, koristeci Bochnerovu teo-
remu:
Svaka funkcija h koja je pozitivno definitna i neprekidna na skupu R i h(0) = 1
je karakteristicna funkcija neke slucajne promjenljive,
lako se pokaze sledece tvrd-enje:
Ako su hk , k N karakteristicne funkcije i
+
X
ak 0, k N, ak = 1
k=1
tada je i
+
X
h= ak hk
k=1
karakteristicna funkcija. Naime,
+
X +
X
h(0) = ak hk (0) = ak = 1,
k=1 k=1
Z
+
1 x2
= cos txe 2 dx.
2
Z
+
0 1 x2
h (t) = ( sin tx)xe 2 dx
2
Z
+
1 x2 x2
= [sin txe 2 +
t cos txe 2 dx] = th(t).
2
Odavde je
h0 (t)
= t,
h(t)
pa je
t2
h(t) = ce 2 ,
t2
posto je h(0) = 1 to je c = 1 i h(t) = e 2 .
Zadatak 4.29. Pokazati da ako je karakteristicna funkcija h dva puta diferen-
cijabilna u t = 0 i |h00 (0)| < da je
p
|h0 (t)| |h00 (0)|.
Sada je nejednakost p
|h0 (t)| |h00 (0)|
ekvivalentna sa p
|E(Xeitx )| |E(X 2 )|,
to jest sa
|E(Xeitx )|2 |E(X 2 )| = E(X 2 ).
Dalje, imamo
= |E(X cos tx) + iE(X sin tx)|2 = E 2 (X cos tx) + E 2 (X sin tx).
Osim toga je
E 2 (X cos tx) E 2 (X sin tx) = Var(X cos tx) + Var(X sin tx) 0.
Zadatak 4.30. Ispitati da li su
a) h1 (t) = cos t2 ,
b) h2 (t) = cos2 t.
karakteristicne funkcije.
Rjesenje.
a) Ako bi funkcija h1 (t) = cos t2 bila karakteristicna funkcija tada bi zbog
zadatka 4.29 vrijedilo q
|h01 (t)| |h001 (0)| .
Med-utim, 0 00
h1 (t) = 2t sin t2 , h1 (0) = 0,
pa data nejednakost ne vrijedi, Dakle, h1 nije karakteristicna funkcija.
b) U ovom slucaju imamo
1 + cos 2t
h2 (t) = ,
2
1 e2it + e2it
h2 (t) = 1+ .
2 2
Znaci
1 2it 1 1 2it
h2 (t) =
e + + e ,
4 2 4
pa je h2 (t) karakteristicna funkcija slucajne promjenljive ciji zakon raspodjele
je dat sa
2 0 2
1 1 1 .
4 2 4
h2 (t) = cos t4
karakteristicna funkcija.
Rjesenje. Postupicemo slicno kao i u rjesenju zadatka 4.29.
0
h (t) = 4t3 sin t4 ,
00
h (t) = 12t2 sin t4 16t6 cos t4 ,
00
h (0) = 0,
pa kako ne vrijedi nejednakost
0
q
|h (t)| |h00 (0)|,
Granicne teoreme
xm+1 ex dx = (m + 1)!
0
to je
E(X) = m + 1 i Var(X) = m + 1,
pa zbog nejednakosti Cebiseva,
Var(X)
P (|X E(X)| < ) > 1 ,
2
dobijamo
m+1
P (|X E(X)| < m + 1) > 1 2,
(m + 1)
to jest
m
P (0 < X < 2(m + 1) > .
m+1
Zadatak 5.2. Neka je X data slucajna promjenljiva i t > 0, a R. Dokazati
nejednakost
E(|X a|k )
P (|X a| t) , k N.
tk
87
88 5. GRANICNE TEOREME
Kako je Z Z
|X a|k
f (x)dx f (x)dx
tk
|Xa|t |Xa|t
imamo
Z
+
1 k E(|X a|k )
P (|X a| t) k |X a| f (x)dx = .
t tk
Osim toga je
Dakle,
0.22
P (|X 1| 0.5) 1 = 0.84.
0.5
Zadatak 5.3. Neka je X slucajna promjenljiva i g(x) monotono rastuca pozi-
tivna funkcija. Ako E(g(X)) postoji pokazati da je tada
E(g(X))
P (X > x) .
g(x)
tada je X
E(g(X)) = g(xi )P (X = xi ).
iI
Oznacimo sa
Vrijedi
I1 I2 = I i I1 I2 = .
Sada je
X X
E(g(X)) = g(xi )P (X = xi ) g(xi )P (X = xi ).
iI1 I2 iI1
89
Dakle, X
E(g(X)) > g(x)P (X = xi ) = g(x)P (X > x).
iI1
V ar(X)
P (X > x|A) , x > a.
P (A)(x E(X))2
Rjesenje. Iz definicije uslovne vjerovatnoce imamo
P ((X > x)A) P (X > x)
P (X > x|A) = .
P (A) P (A)
i !2
X E(X)
E p = 1,
V ar(X)
koristeci nejednakost Cebiseva imamo
!
X E(X) 1
P 10 < p < 10 1 = 0.9.
Var(X) 10
1
pk = .
e k!
Ako izbaci paran broj, igrac gubi jedan dinar, a ako izbaci neparan broj, igrac
dobija jedan dinar. Naci vjerovatnocu da ce nakon izbacivanja 1000 brojeva
dobitak igraca biti izmed-u 100 i 200 dinara.
Rjesenje. Neka je Xj , j {1, . . . , 1000}, dobitak igraca u j-toj igri. Slucajne
promjenljive Xj , j {1, . . . 1000}, su nezavisne i sa istom raspodjelom:
+
X e1 1 + e1
P (Xj = 1) = = , j {1, . . . , 1000},
(2k)! 2
k=0
1 e1
P (Xj = 1) = 1 P (Xj = 1) = , j {1, . . . 1000}.
2
Neka je
1000
X
Y1000 = Xj
j=1
Kako je
1000
E(Y1000 ) = , Var(Y1000 ) = 1000(1 e4 ),
e2
92 5. GRANICNE TEOREME
2k1
pk = .
3k
Ako izbaci broj koji pri dijeljenju sa 3 daje ostatak 1, igrac dobija 10 dinara,
ako izbaci broj djeljiv sa 3 niti dobija niti gubi, a pri pojavljivanju broja koji
pri dijeljenju sa 3 daje ostatak 2 gubi 10 dinara. Naci vjerovatnocu da ce nakon
1000 igara dobit biti izmed-u 50 i 100 dinara.
Rjesenje. Neka je Xj , j {1, . . . , 1000}, dobitak igraca u j-toj igri. Vrijedi
sljedece:
+
X 23k 9
P (Xj = 10) = 3k+1
= ,
3 19
k=0
+ 3k1
X 2 9
P (Xj = 0) = = ,
33k 38
k=0
11
P (Xj = 10) = 1 P (Xj = 0) P (Xj = 10) = .
38
Neka je
1000
X
Y1000 = Xj
j=1
Dakle,
P (50 < Y1000 < 100) (5.06) (5.20) 0.
1
2n = 2 < 10
n
93
j
P (Sn = j) e , n + (j = 0, 1, . . .),
j!
4
imamo da iz P (X2n k 1) 0.95, slijedi k 1 = 4, to jest k = 5. Znaci, broj
izvlacenja cetvorki iz 2n izvlacenja je manji od 5 sa vjerovatnocom 0.95.
Zadatak 5.12. Slucajna promjenljiva X ima binomnu raspodjelu B(100, 12 ).
Odrediti priblizne vrijednosti vjerovatnoca:
(a)P (X > 60),
(b)P (40 < X < 60),
(c)P (X = 50).
Rjesenje. (a) Koristimo aproksimaciju binomne raspodjele normalnom to jest
Moivre-Laplaceovu teoremu. Imamo da je
X 50 60 50
P (X > 60) = P > P (Z > 2),
5 5
gdje Z ima normalnu raspodjelu N (0, 1). Dakle,
Z2
1 t2
P (X > 60) 1 e 2 = 1 (2) = 0.9722
2
= 2(2) 1 = 0.9544.
(c) U ovom slucaju ne mozemo direktno primjeniti Moivre-Laplaceovu teoremu.
Kako je
P (X = 50) = P (49.5 X 50.5),
imamo da je
0.5 0.5
P (X = 50) P Z = P (0.1 Z 0.1) = 0.0796.
5 5
Zadatak 5.13. Slucajna promjenljiva Yn n N je aritmeticka sredina nezavis-
nih slucajnih promjenljivih X1 , X2 , . . . , Xn koje imaju jednake funkcije raspod-
jele i cije su disperzije jednake 5. Koliko treba da je n da bi vazila relacija
Dakle,
X1 + X2 + Xn na 0.01 n
P (|Yn E(Yn )| < 0.01) = P
5n < 5 ,
pa je r
n
P (|Yn E(Yn )| < 0.01) 2 0.01 1.
5
Iz uslova zadatka potrebno je da se odredi n N takvo da je
r
n
2 0.01 0.9973.
5
pn
Iz tablica nalazimo da je (3) = 0.9973
2 , pa je 0.01 5 = 3, odakle dobijamo
n = 45000.
Zadatak 5.14. Bazen se prazni svakog sata, a vrijeme praznjenja u minutima
1
ima eksponencijalnu raspodjelu E( 20 ). Kroz cijevi za praznjenje istekne 1m3
vode u minutu. Ako je u bazenu bilo 1000m3 kolika je vjerovatnoca da je nakon
12 sati u bazenu ostalo manje od 610m3 vode ?
Rjesenje. Vrijeme praznjenja bazena je slucajna promjenljiva X sa eksponen-
1
cijalnom raspodjelom E( 20 ), pa je
i vrijedi
500
X
X= Ii .
i=1
1
Slucajna promjenljiva X ima binomni zakon raspodjele B(500, 500 ). Koristimo
Puasonovu aproksimaciju.
X2
1 1
P (X 3) = 1 P (X 2) 1 e 0.080301.
i=0
i!
P (S1000 495).
96 5. GRANICNE TEOREME
Vrijedi sljedece
P (S1000 495) =
0 1000 0.515 S1000 1000 0.515
P
1000 0.515 0.485 1000 0.515 0.485
495 1000 0.515
,
1000 0.515 0.485
pa je
P (S1000 495) = (1.26) (32.59) 0.8962.
Dakle,
Y 15
P (13 Y 18) = P 1.26491 q 1.89736 = 0.0744.
5
2
Dakle,
ln y
P (Y < y) .
n ln 54
Ako je n = 1000 dobijamo
P (Y < 0.001) (1.384) 0.0832.
Zadatak 5.21. Primjenom centralne granicne teoreme na niz nezavisnih slucajnih
promjenljivih sa P(1) raspodjelom, dokazati da je
n
X nk 1
lim en = .
n+ k! 2
k=0
1
= , n +
2
na osnovu centralne granicne teoreme.
Zadatak 5.22. Racunar vrsi obracun elektricne energije kod 100 korisnika. Vri-
jeme obracuna za svakog korisnika ima eksponencijalnu raspodjelu sa ocekivanjem
3 sekunde i nezavisno je od drugih korisnika. Naci vjerovatnocu da ce obracun
trajati izmed-u 3 i 6 minuta.
Rjesenje. Neka je Xi vrijeme obrade i-tog korisnika. Tada za
100
X
Y100 = Xi ,
i=1
100
X
Var(Y100 ) = Var(Xi ) = 900,
i=1
E(Xn ) = 0, Var(Xn ) = 4, n = 4, 5, . . .
pa zbog teoreme Cebiseva vrijedi slabi zakon velikih brojeva. Osim toga,
+
X +
Var(Xn ) X 4
= < +,
n=4
n2 n=4
n2
prema teoremi Cebiseva za niz X1 , X2 , . . . vazi slabi zakon velikih brojeva. Osim
toga,
+
X +
Var(Xn ) X 1
= < +,
n=1
n2 n=1
n3
pa zbog teoreme Kolmogorova za niz X1 , X2 , . . . vazi i strogi zakon velikih bro-
jeva.
Zadatak 5.25. Ako niz slucajnih promjenljivih X1 , X2 , . . . konvergira u srednje
kvadratnom ka slucajnoj promjenljivoj X, pokazati da
E(Xn ) E(X), n +
i
Var(Xn ) Var(X), n +.
99
E(Xn X)2 0, n +,
pa kako je
dobijamo da
E(Xn ) E(X), n +.
Dalje, zbog Kosi Svarcove nejednakosti imamo
pa
|E(Xn X)X|2 0, n +.
Sada, kako je
imamo da
E(Xn2 ) E(X 2 ), n +.
Dakle,
Var(Xn ) Var(X), n +.
Zadatak 5.26. Niz slucajnih promjenljivih (Xn ) konvergira u vjerovatnoci
ka tacki a i funkcija f je neprkidna u tacki a, pokazati da tada niz slucajnih
promjenljivih (f (Xn ) konvergira u vjerovatnoci ka tacki f (a).
Rjesenje. Treba pokazati da je
Neka je dato > 0. Zbog neprekidnosti funkcije f u tacki a postoji > 0 takvo
da
|x a| < |f (x) f (a)| < .
Sada imamo
P (|f (Xn ) f (a)| ) P (|Xn a| ).
Kako je
lim P (|Xn a| ) = 0
n+
to je
lim P (|f (Xn ) f (a)| ) = 0.
n+
100 5. GRANICNE TEOREME
X1 , . . . , Xn+1 , n N,
takve da je
0 1
Xi : , i = 1, . . . n + 1,
1p p
i
n
X
Yi Xi + Xi+1 (mod 2), Sn = Yi .
i=1
Rjesenje. Kako je
Sn
P E(Y1 ) = P (|Sn nE(Y1 )| n) ,
n
Dalje, imamo
n
X X
Var(Sn ) = Var(Yi ) + cov(Yi , Yj ),
i=1 i6=j
pa je
Var(Sn ) = nV ar(Y1 ) + 2(n 1)cov(Y1 , Y2 ).
101
= 2p(1 p),
2
E(Y1 ) = E(Y1 ) = 2p(1 p),
Var(Y1 ) = E(Y12 ) (E(Y1 ))2 = 2pq(1 2pq),
cov(Y1 , Y2 ) = E(Y1 Y2 ) E(Y1 )E(Y2 ),
E(Y1 Y2 ) = P (X1 6= X2 , X2 6= X3 ) =
P (X1 = 0, X2 = 1, X3 = 0) + P (X1 = 1, X2 = 0, X3 = 1)
= pq 2 + p2 q = pq.
cov(Y1 , Y2 ) = pq 4p2 q 2 = pq(1 4pq).
Sada imamo
kad n +.
Zadatak 5.29. Neka je Y1 , Y2 , . . . , niz ogranicenih slucajnih promjenljivih.
Dokazati da je
lim P (|Yn | ) = 0, ( > 0)
n+
slijedi
lim P (|Yn | ) = 0, ( > 0).
n+
Obrnuto, pretpostavimo da je
E(|Yn |) = E(|Yn | |An ())P (An ()) + E(|Yn | |An ())P (AC
n ()).
kako
P (An ()) = P (|Yn | ) 0, n +,
imamo
lim sup E(|Yn |) .
n+
Dakle,
lim E(|Yn |) = 0.
n+
Z1
E(lnXi ) = lnxdx = 1.
0
to jest
100
X
P (80 < ln Xi < 70).
i=1
Kako je
E(lnXk ) = 1, Var(lnXk ) = 1, k = 1, . . . , 100,
koristeci centralnu granicnu teoremu dobijamo
P
100
lnXk + 100
80 + 100 70 + 100
P 100 <
k=1
< = (3) (2).
100 100
to jest !
n
X
P ln Xi < 100 = 0.95.
i=1
n ! n !
X X
E ln Xi = n, Var ln Xi = n,
i=1 i=1
pa je P
n
n
! lnXi + n
Y i=1 100 + n
P Xi < e100 =P
<
i=1
n n
100 + n
= = 0.95.
n
Odavde je
100 + n
= 1.65,
n
pa je n 118.
104 5. GRANICNE TEOREME
6
Matematicka statistika
pa je
Xn
c
ln L = n ln + ( + 1) ln ,
c i=1
xi
odavde je
Xn
ln L n
= + n ln c ln xi .
i=1
Dalje,
Z
+
n 1 1
) = E
E(b Pn
= nE
Pn
=n
fY (y)dy,
xi xi y
ln c ln c
i=1 i=1
105
106 6. MATEMATICKA STATISTIKA
gdje je
n
X ln Xi
Y = .
i=1
c
Oznacimo sa
Xi
Zi = ln , i = 1, . . . , n.
c
Vrijedi
0
fZi (z) = fXi (cez )(cez ) = c (cez )(+1) cez = ez , z > 0,
dakle,
y n1
fY (y) = n ey , y > 0.
(n 1)!
Prema tome,
Z
+
nn 1 n1 y n
E(b
) = y e dy = ,
(n 1)! y n1
0
xi 1 p xi
L(x1 , x2 , . . . , xn ) = (1 p) p= (1 p)
i=1 .
i=1
1p
Iz uslova
L(x1 , x2 , . . . , xn )
= 0,
p
imamo
n
pb = P
n .
xi
i=1
1
x100 = (2 14 + 4 20 + 6 30 + 8 24 + 10 12) = 6.
100
Disperzija uzorka je
1
s2100 = (4 14 + 16 20 + 36 30 + 64 24 + 100 12) 36 = 5.92,
100
s100 = 5.92 = 2.433.
Interval povjerenja je
sn sn
xn tn1, , xn + tn1, ,
n1 n1
pa imamo
(5.521, 6.479).
b) Ovdje je !
ns2n ns2n
, ,
2n1, 1 2n1, 1+
2 2
kako je
= 0.95, 299,0.975 = 74.22, 299,0.075 = 129.6,
( tablice za 2 raspodjelu ) imamo
(4.57, 7.98).
n
2 X
ln L(x1 , x2 , . . . , xn , a) = n ln 2 2n ln a xk , xk > 0,
a
k=1
n
X
ln L 2n 2
= + 2 xk .
a a a
k=1
Dakle,
n
1 X
b
a= xk .
n
k=1
Kako je
Z 2
2 2 x
E( X) = xe a dx = a,
a2
0
imamo
n n
1 X 1X p
E(b
a) = E( xk ) = E( Xk ) = a,
n n
k=1 k=1
pa je b
a centrirana ocjena.
Zadatak 6.5. Gustina slucajne promjenljive X je
x+1
,x > 1
f (x) =
0 , x 1,
b= n
P
n ,
ln xi
i=1
b = n
E() ,
n1
pa ocjena nije centrirana.
Zadatak 6.6. Ako su X1 , X2 , . . . , Xn nezavisne slucajne promjenljive sa ekspone-
ncijalnom raspodjelom i nepoznatim matematickim ocekivanjem a > 0, metodom
maksimalne vjerodostojnosti naci ocjenu za a na bazi uzorka X1 , X2 , . . . , Xn .
Rjesenje. Vrijedi
1
Xi : E , i = 1, . . . , n,
a
pa je funkcija vjerodostojnosti
n
P
Yn x
1 xi 1 i=1 i
L(x1 , x2 , . . . , xn ; a) = e a = ne a .
i=1
a a
109
Imamo sljedece
P
n
xi
i=1
ln L(x1 , x2 , . . . , xn ; a) = n ln a ,
a
P
n
xi
ln L n i=1
= + .
a a a2
Sada dobijamo
n
1X
b
a= xi .
n i=1
Zadatak 6.7. Neka je (X1 , X2 , . . . , Xn ) nezavisan uzorak iz raspodjele cija je
gustina ( x
x2 e
f (x) = 23 , x>0
0, x 0,
gdje je > 0. Metodom maksimalne vjerodostojnosti naci ocjenu za parametar
. Ispitati centriranost tako dobijene ocjene.
Rjesenje. Kako je
P
n
Q
n 1
xi
x2i e i=1
i=1
L(x1 , . . . , xn ; ) = ,
2n 3n
n
L(x1 , . . . , xn ; ) 1 X 3n
= 2 xi ,
i=1
zakljucujemo da je
X n
b= 1
xi .
3n i=1
Osim toga,
Z
+ x
b = 1 1 x2 e x
E() E(X) = x dx = , ( smjena = t),
3 3 23
0
pa je ocjena centrirana.
Zadatak 6.8. Neka je (X1 , X2 , . . . , Xn ) nezavisan uzorak iz raspodjele cija je
gustina
1 xa
f (x) = e b , x > a,
b
gdje su a, b nepoznati parametri, a R, b > 0. Metodom maksimalne vjero-
dostojnosti naci ocjene za parametre a i b.
Rjesenje. Kako je
n
P
xi na
1 i=1
L(x1 , x2 , . . . , xn ; a, b) = n e b , xi > a,
b
110 6. MATEMATICKA STATISTIKA
imamo
P
n
xi na
ln L n ln L n
= > 0, = + i=1 2 .
a b b b b
Odavde dobijamo
Pn
xi
a = min{xi } i bb = b
b a + i=1 .
i n
Zadatak 6.9. Iz Poissonove raspodjele sa nepoznatim parametrom dobijen
je uzorak 0, 1, 0, 2, 3, 0. Naci ocjenu maksimalne vjerodostojnosti za .
Rjesenje.
2 6
L(0, 1, 0, 2, 3, 0; ) = e ,
12
pa se dobije
b = 1.
Zadatak 6.10. Imamo na raspolaganju neogranicen broj nezavisnih odbiraka
signala sa N (m, 2 ) raspodjelom, gdje je 2 poznato. Koliko treba uzeti odbi-
raka da bismo na osnovu njih testirali hipotezu H0 : m = 2 protiv H1 : m > 2,
sa nivoom znacajnosti = 0.025 ali tako da greska druge vrste za m = 2.1 ne
bude veca od 0.05 ?
Rjesenje. Neka je n obim uzorka. Za statistiku testa uzimamo
m
b 2
T = , oblast odbacivanja : T > c,
/ n
gdje je c = 1.96 (iz normalne raspodjele, jer je poznato). Vjerovatnoca greske
druge vrste u m = 2.1 jednaka je P (T c), pri cemu se T racuna kao da je
prava raspodjela N (2.1, 2 ),
m
b 2 m
b 2.1 0.1 0.1
T = = + =Z+ ,
/ n / n / n / n
gdje Z ima N (0, 1) raspodjelu. Prema tome,
0.1
P (T 1.96) = P Z 1.96 0.05,
/ n
odakle nalazimo da je 1.96 /0.1
1.64, to jest n 362 2 .
n
Zadatak 6.11. Dat je uzorak iz N (m, 2 ) raspodjele:
2.19, 0.38, 1.41, 0.49, 1.87, 0.68, 0.16, 0.68, 0.45, 0.38.
Metodom maksimalne vjerodostojnosti ocijeniti m i 2 . Izvesti odgovarajuce
izraze i primjeniti ih na odgovarajuce brojne vrijednosti.
Rjesenje. Neka je (X1 , . . . , Xn ) uzorak iz normalne raspodjele sa nepoznatim
i 2 . Funkcija vjerodostojnosti je
Pn 2
1 1 i=1 (xi )
L(, 2 ) = n n exp .
(2) 2 ( 2 ) 2 2 2
111
Za dati uzorak je
b = 0.869, 2 = 0.424.
Zadatak 6.12. Na osnovu uzorka obima n metodom maksimalne vjerodosto-
jnosti odrediti parametre m i 2 ako
(i) obiljezje X ima normalnu raspodjelu N (m, 5),
(ii) obiljezje X ima normalnu raspodjelu N (10, 2 ).
Rjesenje. Slicnim postupkom kao u prethodnom zadatku dobijamo
n n
1X c2 =
X
m
b = xi , (xi 10)2 .
n i=1 i=1
na sljedeci nacin:
!2
n
X n
X
1 1
s2 (a) = Xk2 Xk
n+a n
k=1 k=1
n n
1 X 2 1 X 2 X
= Xk Xk + 2 Xi Xj
n+a n
k=1 k=1 i6=j
n !
1 n 1 X 2 X
= Xk2 Xi Xj .
n+a n n
k=1 i6=j
P n
Kako su Xi , Xj nezavisne za i 6= j i kako u sumi Xi Xj ima sabiraka,
i6=j 2
imamo
1 n1 2 n n1
Es2 (a) = nEX12 (EX1 )2 = V arX1 .
n+a n n 2 n+a
Dakle, ocjena s2 (a) je centrirana samo za a = 1.
Zadatak 6.14. Neka Sn ima binomnu raspodjelu sa nepoznatim parametrom
p. Pokazati da je za svako > 0
Sn Sn 1
P p , + 1 ,
n n 4n2
pa zatim u slucaju da je n = 1000 odrediti duzinu intervala povjerenja kome sa
vjerovatnocom 0.99 pripada parametar p.
Rjesenje. Data nejednakost slijedi iz nejednakosti Cebiseva
Sn p(1 p)
P p ) 1
n n2
i cinjenice da funkcija (p) = p(1 p) ima maksimum, koji je jednak 41 i koji se
dostize za p = 12 .
1
Iz uslova 1 4n 2 = 0.99, za n = 1000 dobijamo 0.316. Dakle, duzina
Kako je nejednakost
S np
n
p c
np(1 p)
ekvivalentna sa
(n2 + c2 n)p2 (c2 n + 2nSn )p + Sn2 0
to za nule x1 i x2 polinoma p(x) vrijedi
!
S np
n
P (x1 p x2 ) = P p c 2(c) 1.
np(1 p)
pacijenti 0 1 2 3 4 5 6
broj dana 13 23 17 10 4 2 1
b = 1 (0 13 + 1 23 + 2 17 + 3 10 + 4 4 + 5 2 + 6 1) 1.983.
70
1.983k 1.983
pk = P (X = k) = e ,
k!
P (X = 0) = e1.983 = 0.137, P (X = 1) = 1.983e1.983 = 0.271,
broj 0 1 2 3 4 5
mk 13 23 17 10 4 3
pk 0.137 0.271 0.268 0.177 0.087 0.060
P
5
(mk npk )2 (13600.137)2 2 2 2
2 = npk = 600.137 + (23600.271)
600.271 + (17600.268)
600.268 + (10600.177)
600.177 +
k=0
(4600.087)2 (3600.060)2
600.087 + 600.060 = 6.088.
Dalje, imamo
2611;1 = 24;0.95 = 9.49.
Dakle,
2 < 24;0.95 ,
pa hipotezu ne odbacujemo.
Zadatak 6.21. U sljedecoj tabeli data je klasifikacija 6800 osoba prema boji
kose i boji ociju:
Boja kose
Boja ociju svijetla smed-a crna rid-a Ukupno
tamne 115 438 288 16 861
plave 1768 807 189 43 2807
zelene 946 1387 746 53 3132
tamne 115 438 288 16 861
Ukupno 2829 2632 1223 116 6800
Pri unosenju brojeva u tabelu jedan podatak je pogresno upisan. Smatrajuci
da su podaci na marginama tacni, otkriti gdje je greska i ispraviti je. Zatim te-
stirati hipotezu o nezavisnosti boje kose i boje ociju, sa nivoom znacajnosti 0.01.
Rjesenje. Pogresno je upisan broj 16 (tamne oci rid-a kosa) i treba da bude 20
(na osnovu povjere zbirova po vrstama i kolonama). Hipoteza se odbacuje ( hi
kvadrat sa 6 stepeni slobode ).
Zadatak 6.22. Novcic se baca 100 puta i registruje broj pojavljivanja grba i
pisma.
a) Primjenom 2 -testa testirati hipotezu da se grb i pismo podjednako cesto
pojavljuju, to jest da imaju iste vjerovatnoce, ako se 45 puta pojavio grb, a 55
puta pismo. Za nivo znacajnosti uzeto 0.01.
b) Koji je minimalni broj pojavljivanja grba pri kome nema razloga za odbaci-
vanjem hipoteze iz a).
Rjesenje.
a) Obim uzorka je n = 100, broj stepena slobode je 1. Kako se grb pojavio 45
, a pismo 55 puta imamo
(45 50)2 (55 50)2
21 = + =1
50 50
i 21;0.01 = 6.635, pa nema razloga za odbacivanje hipoteze o ispravnosti novcica.
b) Treba odrediti najmanji prirodan broj m takav da je
(m n2 )2 (100 m n2 )2
n + n < 6.635.
2 2
116 6. MATEMATICKA STATISTIKA
imamo da je
b
a = x1 + (1 )x2 , [0, 1].
Dakle, dobijena ocjena nije jedinstvena.
b) Kako je
X1 + X2
E =a
2
ocjena Y = X1 +X2
2
je centrirana.
Zadatak 6.24. Satovi u izlozima pokazuju slucajno vrijeme. Prirodno je testi-
rati hipotezu da su vremena, koja pokazuju ti satovi, uniformno raspodijeljena
u intervalu [0, 12]. Dobijen je uzorak
Rjesenje.
L(a) = [P (X = 0)]7 [P (X = 1)]12 [P (X = 2)]13 [P (X = 3)]8 [P (X = 4)]10 ,
a 7 3 a 12 a 13 a 8 25 17a 10
L(a) = ,
10 8 4 5 40
lnL(a) = 99ln 2 20ln5 + 28lna + 12 ln(3 a) + 10 ln(25 17a),
ln L(a) 28 12 170
= .
a a 3 a 25 17a
Rjesavajuci jednacinu,
ln L(a)
= 0,
a
dobijamo
a1 1.00, a2 2.44.
Kako mora biti 25 17a > 0 imamo da je a 1. Dakle,
0 1 2 3 5
X: 1 1 1 1 1 .
10 4 4 5 5
Sada je
xi 0 1 2 3 4
mi 7 12 13 8 10
pi 0.1 0.25 0.25 0.2 0.2
4
X (mi npi )2 (7 5)2 (12 7.5)2 (13 7.5)2
2 = = + +
i=0
npi 5 7.5 7.5
(8 1)2 (10 1)2
+ + ,
1 1
to jest
2 = 137.53.
Kako je
2511;10.05 = 23;0.95 = 7.81,
to je
2 > 23;0.95 ,
pa hipotezu odbacujemo.
118 6. MATEMATICKA STATISTIKA
7
Dodaci
rm rm(n m)(n r)
E(X) = , Var(X) = .
n n2 (n 1)
Negativna binomna
k1
P (X = k) = pr (1 p)kr , k = r, r + 1, . . .
r1
119
120 7. DODACI
r
r r(1 p) peit
E(X) = , Var(X) = , h(t) = .
p p2 1 (1 p)eit
Poissonova P()
k
P (X = k) = e , k = 0, 1, . . .
k!
it
E(X) = , Var(X) = , h(t) = e(e 1)
.
Uniformna U(a, b)
1
f (x) = , x [a, b].
ba
a+b (b a)2 eitb eita
E(X) = , Var(X) = , h(t) = .
2 12 it(b a)
Eksponencijalna E()
f (x) = ex , x 0, > 0.
1 1
E(X) = , Var(X) = 2 , h(t) = .
it
Normalna N (, 2 )
1 (x)2
f (x) = e 22 , x R.
2
2 t2
E(X) = , Var(X) = 2 , h(t) = eit 2 .
Gama (, )
ex x1
f (x) = , x > 0.
()
E(X) = , Var(X) = 2 , h(t) = .
( it)
Beta B(, )
( + ) 1
f (x) = x (1 x)1 , 0 < x < 1.
()()
E(X) = , Var(X) = .
+ ( + )2 ( + + 1)
Hi kvadrat 2 (n)
1 n x
f (x) = n x 2 1 e 2 , x > 0.
2 2 ( n2 )
1
E(X) = n, Var(X) = 2n, h(t) = n .
(1 2it) 2
7.2. STATISTICKE TABLICE 121
Studentova t(n)
(n+1)/2
((n + 1)/2) x2
f (x) = 1+ , x R.
n(n/2) n
n
E(X) = 0, (n > 1), Var(X) = , (n > 2).
n2
Rx t2
Normalna raspodjela: vrijednosti funkcije (x) = 1 e 2 dt,
2
Primjer: (1.56) = 0.9406.
x 0 1 2 3 4 5 6 7 8 9
0.0 5000 5040 5080 5120 5160 5199 5239 5279 5319 5359
0.1 5398 5438 5478 5517 5557 5596 5636 5675 5714 5753
0.2 5793 5832 5871 5910 5948 5987 6026 6064 6103 6141
0.3 6179 6217 6255 6293 6331 6368 6406 6443 6480 6517
0.4 6554 6591 6628 6664 6700 6736 6772 6808 6844 6879
0.5 6915 6950 6985 7019 7054 7088 7123 7157 7190 7224
0.6 7257 7291 7324 7357 7389 7422 7454 7486 7517 7549
0.7 7580 7611 7642 7673 7704 7734 7764 7794 7823 7852
0.8 7881 7910 7939 7967 7995 8023 8051 8078 8106 8133
0.9 8159 8186 8212 8238 8264 8289 8315 8340 8365 8389
1.0 8413 8438 8461 8485 8508 8531 8554 8577 8599 8621
1.1 8643 8665 8686 8708 8729 8749 8770 8790 8810 8830
1.2 8849 8869 8888 8907 8925 8944 8962 8980 8997 9015
1.3 9032 9049 9066 9082 9099 9115 9131 9147 9162 9177
1.4 9192 9207 9222 9236 9251 9265 9279 9292 9306 9319
1.5 9332 9345 9357 9370 9382 9394 9406 9418 9429 9441
1.6 9452 9463 9474 9484 9495 9505 9515 9525 9535 9545
1.7 9554 9564 9573 9582 9591 9599 9608 9616 9625 9633
1.8 9641 9649 9656 9664 9671 9678 9686 9693 9699 9706
1.9 9713 9719 9726 9732 9738 9744 9750 9756 9761 9767
2.0 9772 9778 9783 9788 9793 9798 9803 9808 9812 9817
2.1 9821 9826 9830 9834 9838 9842 9846 9850 9854 9857
2.2 9861 9864 9868 9871 9875 9878 9881 9884 9887 9890
2.3 9893 9896 9898 9901 9904 9906 9909 9911 9913 9916
2.4 9918 9920 9922 9925 9927 9929 9931 9932 9934 9936
2.5 9938 9940 9941 9943 9945 9946 9948 9949 9951 9952
2.6 9953 9955 9956 9957 9959 9960 9961 9962 9963 9964
2.7 9965 9966 9967 9968 9969 9970 9971 9972 9973 9974
2.8 9974 9975 9976 9977 9977 9978 9979 9979 9980 9981
2.9 9981 9982 9982 9983 9984 9984 9985 9985 9986 9986
7.2. STATISTICKE TABLICE 123
u
n 0.005 0.01 0.025 0.05 0.95 0.975 0.99 0.995
1 0.00004 0.00016 0.00098 0.00393 3.841 5.024 6.635 7.879
2 0.010 0.020 0.051 0.103 5.991 7.378 9.21 10.597
3 0.072 0.115 0.216 0.352 7.815 9.348 11.345 12.838
4 0.207 0.297 0.484 0.711 9.488 11.143 13.277 14.860
5 0.412 0.554 0.831 1.145 11.070 12.833 15.086 16.750
6 0.676 0.872 1.237 1.635 12.592 14.449 16.812 18.548
7 0.989 1.239 1.690 2.167 14.067 16.013 18.475 20.278
8 1.344 1.646 2.180 2.733 15.507 17.535 20.09 21.955
9 1.735 2.088 2.700 3.325 16.919 19.023 21.666 23.589
10 2.156 2.558 3.247 3.940 18.307 20.483 23.209 25.188
11 2.603 3.053 3.816 4.575 19.675 21.92 24.725 26.757
12 3.074 3.571 4.404 5.226 21.026 23.337 26.217 28.300
13 3.565 4.107 5.009 5.892 22.362 24.736 27.688 29.819
14 4.075 4.660 5.629 6.571 23.685 26.119 29.141 31.319
15 4.601 5.229 6.262 7.261 24.996 27.488 30.578 32.801
16 5.142 5.812 6.908 7.962 26.296 28.845 32.000 34.267
17 5.697 6.408 7.564 8.672 27.587 30.191 33.409 35.718
18 6.265 7.015 8.231 9.390 28.869 31.526 34.805 37.156
19 6.844 7.633 8.907 10.117 30.144 32.852 36.191 38.582
20 7.434 8.260 9.591 10.851 31.410 34.17 37.566 39.997
21 8.034 8.897 10.283 11.591 32.671 35.479 38.932 41.401
22 8.643 9.542 10.982 12.338 33.924 36.781 40.289 42.796
23 9.260 10.196 11.689 13.091 35.172 38.076 41.638 44.181
24 9.886 10.856 12.401 13.848 36.415 39.364 42.980 45.559
25 10.52 11.524 13.120 14.611 37.652 40.646 44.314 46.928
26 11.16 12.198 13.844 15.379 38.885 41.923 45.642 48.290
27 11.808 12.879 14.573 16.151 40.113 43.195 46.963 49.645
28 12.461 13.565 15.308 16.928 41.337 44.461 48.278 50.993
29 13.121 14.256 16.047 17.708 42.557 45.722 49.588 52.336
30 13.787 14.953 16.791 18.493 43.773 46.979 50.892 53.672
124 7. DODACI
u
0 0.75 0.9 0.95 0.975 0.99 0.995
1 1.000 3.078 6.314 12.706 31.821 63.657
2 0.816 1.886 2.920 4.303 6.965 9.925
3 0.765 1.638 2.353 3.182 4.541 5.841
4 0.741 1.533 2.132 2.776 3.747 4.604
5 0.727 1.476 2.015 2.571 3.365 4.032
6 0.718 1.440 1.943 2.447 3.143 3.707
7 0.711 1.415 1.895 2.365 2.998 3.499
8 0.706 1.397 1.860 2.306 2.896 3.355
9 0.703 1.383 1.833 2.262 2.821 3.250
10 0.700 1.372 1.812 2.228 2.764 3.169
11 0.697 1.363 1.796 2.201 2.718 3.106
12 0.695 1.356 1.782 2.179 2.681 3.055
13 0.694 1.350 1.771 2.160 2.650 3.012
14 0.692 1.345 1.761 2.145 2.624 2.977
15 0.691 1.341 1.753 2.131 2.602 2.947
16 0.690 1.337 1.746 2.120 2.583 2.921
17 0.689 1.333 1.740 2.110 2.567 2.898
18 0.688 1.330 1.734 2.101 2.552 2.878
19 0.688 1.328 1.729 2.093 2.539 2.861
20 0.687 1.325 1.725 2.086 2.528 2.845
21 0.686 1.323 1.721 2.080 2.518 2.831
22 0.686 1.321 1.717 2.074 2.508 2.819
23 0.685 1.319 1.714 2.069 2.500 2.807
24 0.685 1.318 1.711 2.064 2.492 2.797
25 0.684 1.316 1.708 2.060 2.485 2.787
26 0.684 1.315 1.706 2.056 2.479 2.779
27 0.684 1.314 1.703 2.052 2.473 2.771
28 0.683 1.313 1.701 2.048 2.467 2.763
29 0.683 1.311 1.699 2.045 2.462 2.756
30 0.683 1.310 1.697 2.042 2.457 2.750
Literatura
125