Verovatnoća

VJEROVATNOCA I STATISTIKA
ZBIRKA RIJESENIH ZADATAKA

==========================
M. JOVANOVIC M. MERKLE Z. MITROVIC
Elektrotehnicki fakultet Banja Luka

==================================
ii
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
3 Numer. karakteristike sluc. promjenljivih 45
4 Karakteristicne funkcije 67
5 Granicne teoreme 87
6 Matematicka statistika 105
7 Dodaci 119
7.1 Pregled vaznijih raspodjela . . . . . . . . . . . . . . . . . . . . . 119
7.2 Statisticke tablice . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
iii
iv SADRZAJ
Predgovor
Zbirka je pisana po programu predmeta Verovatnoca i statistika koji se

predaje na ETF-u Beogradu kao i po programu predmeta Vjerovatnoca i statis-
tika na ETF-u Banjaluci. Vecinu zbirke cine ispitni zadaci koji su detaljno
urad-eni. Zbirku mogu da koriste i studenti na svim fakultetima na kojima se
predaje odgovarajuci predmet.
Zahvaljujemo se recenzentima na korisnim sugestijama.
Posebnu zahvalnost dugujemo kolegi Ostoji Cenicu.
1
Prostor vjerovatnoca
Zadatak 1.1. Cetiri kartice su numerisane brojevima 1, 2, 3, 4. Slucajno se

izvlaci jedna kartica i registruje broj. Pokazati da su dogad-aji: A-broj je paran,
B-broj je manji od 3, C-broj nije potpun kvadrat, u parovima nezavisni, ali nisu
nezavisni u ukupnosti.
Rjesenje. Ovdje je
= {1, 2, 3, 4}, A = {2, 4}, B = {1, 2}, C = {2, 3}.
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
P (A B) = P (A) + P (B) P (A B) i P (AC ) = 1 P (A).
1
2 1. PROSTOR VJEROVATNOCA
Vrijedi slijedece
P (AC B C ) = P ((A B)C ) = 1 P (A B).

Dakle,
P (AC B C ) = 1 (P (A) + P (B) P (A B)).
Ako su A i B nezavisni dogad-aji onda je
P (AC B C ) = 1 P (A) P (B) + P (A)P (B)

= (1 P (A))(1 P (B)) = P (AC )P (B C ),
pa su i dogad-aji AC i B C nezavisni.
U drugom slucaju je
P (B) = P ( B) = P ((A AC ) B).
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
P (B) = P (A B) + P (AC B).
Ako su A i B nezavisni slijedi
P (B) = P (A)P (B) + P (AC B),
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
P (A B) = P (A) + P (B) P (A B) i P (AC ) = 1 P (A),
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
vjerovatnocu da bude pobjednik.

Rjesenje. Neka su Ak , Bk , Ck dogad-aji: igracu A, B, C je u k-tom pokusaju
pala sestica, a DA , DB , DC dogad-aji da je odgovarajuci
igrac pobijedio. Tada vrijedi
DA = A1 + AC C C C C C C C C
1 B1 C1 A2 + A1 B1 C1 A2 B2 C2 A3 + +
+A1 B1 C1 A2 B2 C2 AC
C C C C C C C C
k Bk Ck Ak+1 +
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
b) U povoljnim slucajevima crne karte su na mjestima 1, 2, 3, 4 ili 2, 3, 4, 5 ili

3, 4, 5, 6 ili 4, 5, 6, 7 odnosno 5, 6, 7, 8. Na cetiri mjesta cetiri crne karte se mogu
naci na 4! nacina, a crvene isto tako na preostala cetiri mjesta. Broj povoljnih
slucajeva (ishoda) je 5 4! 4!, pa je
5 4! 4! 1
P (B) = = .
8! 14
Na slican nacin dobijamo
2 4! 4! 1
P (C) = P (D) = = .
8! 35
Zadatak 1.6. Kocka se baca 50 puta. Odrediti najvjerovatniji broj pojavlji-
vanja dogad-aja : pao je broj djeljiv sa 3.
Rjesenje. Za najvjerovatniji broj pojavljivanja dogad-aja u Bernulijevoj semi,
to jest za broj k {0, 1, . . . , n} za koji je vjerovatnoca

n k nk
Pk = p q
k
maksimalna vrijedi
np q k np + p.
Ovdje je
1 2
n = 50, p = , q= ,
3 3
pa vrijedi
1 2 1 1
16 = 50 k 50 + = 17.
3 3 3 3
Dakle, k {16, 17}.
Zadatak 1.7. Data je elektricna sema

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

Dio EF je zatvoren ako su oba prekidaca zatvorena. Vjerovatnoca tog dogad-aja

5
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
Dalje, vrijedi N M n m (inace bi med-u izabranim proizvodima bilo vise

ispravnih nego sto ih ukupno ima), odnosno m n + M N . Slijedi uslov
K0 = max{0, n + M N } m min{n, M }.
b) Trazena vjerovatnoca je zbir vjerovatnoca dogad-aja: med-u izabranim proizvodima

m je nespravnih, ili m 1 neispravnih, . . .
Ako je N M n tada je K0 = 0 n + M N i
M N M M N M
m nm + + 0 n
p= N .
n
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
Zadatak 1.9. U kutiji se nalazi n crvenih i n bijelih kuglica. Iz kutije se na

slucajan nacin vade po dvije kuglice bez vracanja sve dok se kutija ne isprazni.
Kolika je vjerovatnoca da se svaki put par sastojao od jedne crvene i jedne bijele
kuglice?
Rjesenje. Prvi par kuglica mozemo izabrati na 2n nacina. Kada je jedan
2
par kuglica izabran, drugi par kuglica mozemo izabrati na 2n2 nacina. Posto
22n4
smo izabrali dva para kuglica, treci par mozemo izabrati na 2 nacina, itd.
Dakle, n parova mozemo izabrati na

2n 2n 2 2

2 2 2
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
Zadatak 1.10. Iz skupa
= {(x1 , . . . , x10 ) : x1 + + x10 = 20, xi N {0}, i = 1, . . . , 10}
na slucajan nacin se bira jedan elemenat (x1 , x2 , . . . , x10 ). Odrediti vjerovatnocu

da je x1 3 i x10 5.
Rjesenje. Odredimo prvo broj rjesenja jednacine
x1 + + xk = n,
u nenegativnim cijelim brojevima.

Broj rjesenja jednak je broju nacina da se izmed-u k 1 jedinica stavi n nula
sto je isto sto i broj nacina da se od n + k 1 elemenata izabere podskup od
k 1 elemenata, a to je
n+k1
.
k1
Broj elemenata skupa je

20 + 10 1 29
= .
10 1 9
Broj svih elemenata iz za koje je x1 3 i x10 5 je broj rjesenja jednacine
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
a) Naci vjerovatnocu da se med-u kuglicama nalazi tacno j (j k) bijelih.

b) Koristeci se rezultatom pod a), naci zbir
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
Zadatak 1.12. Dvije kutije sadrze po 10 kuglica. Iz kutija izvlacimo na

slucajan nacin po jednu kuglicu, pri cemu se pri svakom izvlacenju kutija slu-
cajno bira. Kolika je vjerovatnoca, da u momentu kada se konstatuje da je jedna
kutija prazna, druga sadrzi 7 kuglica?
Rjesenje. Oznacimo sa A prvu, a sa B drugu kutiju sa kuglicama. Trazimo
vjerovatnocu da je u kutiji B ostalo 7 kuglica u momentu kada je konstato-
vano da je kutija A prazna. Sa xi = 0 ili xi = 1 oznacimo dogad-aj da smo
ito izvlacenje vrsili iz kutije A ili iz kutije B, te izvukli kuglicu iz kutije ako ih
tamo jos ima. Svakom slucaju na obostran jednoznacan nacin mozemo pridruziti
ured-enu 14-torku (x1 , x2 , . . . , x14 ) kojih ukupno ima 214 . Povoljni slucajevi su
oni kod kojih je x14 = 0, a med-u x1 , x2 , .. . , x13 ima tacno 10 koji su jednaki 0.
Prema tome, povoljnih slucajeva ima 13 10 . Vjerovatnoca je dakle, jednaka

2 13
10
p = 14 ,
2
jer A i B imaju simetricnu ulogu.
Zadatak 1.13. Neka je X = {1, 2, . . . , n}. Naci vjerovatnocu da za slucajno
izabrane neprazne, razlicite podskupove A, B X vrijedi:
a) A B = ,
b) A B = X.
Rjesenje.
a) Dva neprazna razlicita podskupa A, B X mozemo izabrati na (2n 1)(2n
2) nacina. Skup A koji ima k (1 k n) elemenata mozemo izabrati na nk
nacina. U tom slucaju B moze biti bilo koji neprazan podskup od X \ A. Posto
X \ A ima n k elemenata, takvih podskupova B ima 2nk 1. Znaci, trazena
vjerovatnoca je
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
Zadatak 1.15. N lica izmjesaju svoje sesire i nasumice stavljaju na glavu po

jedan sesir. Naci vjerovatnocu da bar jedno lice stavi svoj sesir na svoju glavu.
Cemu tezi ta vjerovatnoca kada broj lica i sesira neograniceno raste?
Rjesenje. Neka je A dogad-aj da bar jedno lice stavi svoj sesir na svoju glavu.
Sa Ai oznacimo dogad-aj da je ito lice stavilo svoj sesir na svoju glavu (i =
1, 2, . . . , N ). N lica moze rasporediti N sesira na glave na N ! nacina, ako je
ito lice stavilo svoj sesir na svoju glavu, tada preostalih N 1 lica moze
9
rasporediti N 1 sesira na svoje glave na (N 1)! nacina. Prema tome je

(N 1)! 1
P (Ai ) = = . Slicnim razmisljanjem dobijamo da je
N! N
(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
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
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:
Ak u k tom bacanju je pala sestica, k N
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
Zadatak 1.21. U svakoj od n kutija se nalazi po a bijelih i b crnih kuglica. Na

slucajan nacin se iz prve kutije bira kuglica i prebacuje u drugu, zatim iz druge
u trecu itd, dok se iz zadnje ne izvuce jedna kuglica.
a) Kolika je vjerovatnoca da je zadnja izvucena kuglica bijela?
b) Ako je treca izvucena kuglica bijela, kolika je vjerovatnoca da je i prva bijela?
Rjesenje.
a) Neka je Bi dogad-aj da je u itom izvlacenju izvucena bijela kuglica i
Ci dogad-aj da je u itom izvlacenju izvucena crna kuglica.
Vrijedi
P (Bn ) = P (Bn1 )P (Bn |Bn1 ) + P (Cn1 )P (Bn |Cn1 ).
Dakle,
a+1 a
P (Bn ) = P (Bn1 ) + P (Cn1 ) .
a+b+1 a+b+1
Kako je
a b
P (B1 ) = , P (C1 ) = ,
a+b a+b
imamo
a a+1 b a a
P (B2 ) = + = .
a+ba+b+1 a+ba+b+1 a+b
Sada zakljucujemo da je
a
P (Bn ) = .
a+b
b)
P (B1 )P (B3 |B1 )
P (B1 |B3 ) = = P (B3 |B1 ),
P (B3 )
jer P (B1 ) = P (B2 ) pa kako je
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)
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 )
U nazivniku je vrijednost P (A) (formula potpune vjerovatnoce).

Vrijedi
2 6 3 5
3 2 0 6 2 0 1
P (A) = + = ,
9 8 9 8 12
2 2
pa je
1 1
1
P (H1 |A) = 3 28 = .
1 7
12
Zadatak 1.24. Pri proizvodnji istog proizvoda, 3 masine tipa A, 5 tipa B i
2 tipa C proizvode redom 5%, 3%, 1% neispravnih proizvoda. Slucajno se bira
jedan proizvod.
a) Kolika je vjerovatnoca da je neispravan ?
b) Ako je izabrani proizvod neispravan, kolika je vjerovatnoca da je proizveden
na masini tipa B?
Rjesenje.
a) Neka su HA , HB , HC dogad-aji: proizvod je proizveden na masini tipa
A, B, odnosno C, a D izabrani proizvod je neispravan. Prema formuli potpune
vjerovatnoce je:
P (D) = P (HA )P (D|HA ) + P (HB )P (D|HB ) + P (HC )P (D|HC ),

15
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.
Ako je ured-aj ispitivan u intervalu vremena t i otkazao je, naci vjerovatnocu da

su otkazala oba dijela.
Rjesenje. Neka je A dogad-aj da je ured-aj otkazao i
H00 dogad-aj da su otkazala oba dijela,
H10 dogad-aj da je otkazao samo drugi dio,
H01 dogad-aj da je otkazao samo prvi dio,
H11 dogad-aj da su oba dijela ispravna.
Imamo,
2 3
P (H00 ) = , P (A|H00 ) = 1,
10 10
8 3
P (H10 ) = , P (A|H10 ) = 1,
10 10
2 7
P (H01 ) = , P (A|H01 ) = 1,
10 10
8 7
P (H11 ) = , P (A|H11 ) = 0.
10 10
P (A) = P (A|H00 )P (H00 ) + P (A|H01 )P (H01 ) + P (A|H10 )P (H10 )
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
P (B) = P (B|H10 )P (H10 ) + P (B|H20 )P (H20 ),
gdje je H10 = H1 |A, H20 = H2 |A.

65 35 100 65 35 91
P (B) = + 0= = .
165 100 165 165 100 660
Zadatak 1.28. Vozovi duzine 180 metara krecu se brzinom 30 metara u sekundi
po prugama koje se med-usobno ukrstaju. Trenutak u kome ce oni proci kroz
00 30
raskrsce je slucajan izmed-u 9 = i 9 =. Izracunati vjerovatnocu sudara.
Rjesenje. Neka je A dogad-aj da je doslo do sudara. Ako sa X oznacimo
trenutak ulaska prvog, a sa Y trenutak ulaska drugog voza u raskrsce, tada,
posto vozovi duzine 180 metara prolaze kroz raskrsce 6 sekundi jer se krecu
brzinom 30 metara u sekundi imamo

= {(x, y) 0 x 1800, 0 y 1800}.

A = {(x, y) |x y| < 6}.
1800
6 1800
Neka je m(A) mjera oblasti A, to jest u ovom slucaju povrsina. Trazena

vjerovatnoca je
m(A) 18002 17942

P (A) = = = 0.006656
m() 18002
Zadatak 1.29. Tacke M, N, P su sredine stranica trougla ABC. Na slucajan
nacin se bira n tacaka u trouglu ABC. Odrediti vjerovatnocu pi , i = 1, . . . , n,
da se u trouglu M N P nalazi i tacaka. Za koje i je ta vjerovatnoca maksimalna?
Naci vjerovatnocu da se u trouglu M N P nalaze bar n 2 tacke.

Rjesenje. Odredimo vjerovatnocu da tacka pripada trouglu M N P .
P4M N P 1 P4ABC 1
p= = = .
P4ABC 4 P4ABC 4
Sada za vjerovatnocu pi imamo

n
pi = pi (1 p)ni ,
i
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:
f (xmax ) > 0, f (xmin ) < 0,

gdje je
x3
f (x) = a2 x + b.
3
Posto je xmax = a i xmin = a to vrijedi
a3 a3
+ a3 + b > 0, a3 + b < 0.
3 3
Znaci, data jednacina ima tri realne nule ako i samo ako vrijedi
2a3 2a3
b> , b< .
3 3
19
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
Izbor tacaka A, B i C jednoznacno odred-uje brojeve x, y za koje vazi
0 < x, 0 < y, x + y < 2R.
Znaci,
= {(x, y)|x > 0, y > 0, x + y < 2R}.
Trougao ABC je ostrougli ako je

x < R, y < R, x + y > R.
Sada je A = {(x, y) |x < R, y < R, x + y > R}.
y
2R
1 2 2
m(A) R 1
Znaci, P (A) = = 2 2 2 = .
R m() 2R 4
A
x
R 2R
Zadatak 1.33. Ako je = {(x, y)|x, y [0, 1]}, za koje vrijednosti a su
dogad-aji
A = {(x, y) | |x y| a} i B = {(x, y) | x + y 3a},
nezavisni?
Rjesenje. Za dogad-aj A imamo
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
pa na slican nacin dobijamo

0, a (, 0) [1, +)

2a2 , a [0, 13 )
P (A B) =

7a2 + 6a 1, a [ 13 , 12 )

(1 a)2 , a [ 21 , 1)
Znaci da za
a (, 0] {1/3} [2/3, +),
vrijedi
P (A B) = P (A)P (B).
Zadatak 1.34. Na duzi duzine a na slucajan nacin se biraju dvije tacke.

a
Odrediti vjerovatnocu da je svaka od tri tako dobijene duzi kraca od b (b > ).
3
Rjesenje. Svakom izboru dvije tacke A i B odgovara izbor tri duzi na duzi
duzine a.
x y axy
A B
Prema tome za mozemo uzeti,
= {(x, y) | x > 0, y > 0, x + y < a}.
Neka je D dogad-aj cija se vjerovatnoca trazi,
D = {(x, y) |0 < x < b, 0 < y < b, a b < x + y < a}.
Sada razlikujemo dva slucaja
m(D) (3b a)2

P (D) = = ,
m() a2
m(D) 6ab 2a2 3b2

P (D) = = .
m() a2
2
Slucajne promjenljive
Zadatak 2.1. Neka je X slucajna promjenljiva i

ax + b, |x| 1
f (x) =
0, |x| > 1
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)
P (X 2 9X + 20 0) = P ((X 4)(X 5) 0) = P (X [3, 4] [5, 6]).
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
Zadatak 2.4. Neka X ima N (0, 2 ) raspodjelu. Odrediti vrijednost tako da

je vjerovatnoca P (1 X 3) najveca.
Rjesenje. Neka X ima N (, 2 ) raspodjelu. Tada je
Zb
1 (x)2
P (a X b) = e 2 2 dx.
2
a
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

Vjerovatnoca je najveca za onu vrijednost za koju vrijedi

3 92 1 1
e 2 + 2 e 22 = 0.
2
Dobija se r
2
= .
ln 3
Zadatak 2.5. Slucajna promjenljiva X ima unifomnu raspodjelu na intervalu
[0, 1]. Odrediti raspodjelu slucajne promjenljive Y = X 2 .
Rjesenje. Neka je FX (x) funkcija raspodjele vjerovatnoca slucajne promjenljive
X i FY (y) funkcija raspodjele vjerovatnoca slucajne promjenljive Y . Za y
[0, 1], vrijedi

FY (y) = P (X 2 < y) = P (X < y) = FX ( y).
Dalje, imamo da za gustinu raspodjele slucajne promjenljive Y vrijedi

0 0 1
fY (y) = (FY (y)) = (FX ( y)) = fX ( y) ,
2 y
gdje je fX (x) gustina raspodjele slucajne promjenljive X. Kako je

1, x [0, 1]
fX (x) =
0, x / [0, 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.
Tada slucajna promjenljiva Y = (X) nije neprekidnog tipa. Naime njena

funkcija raspodjele je
1, y 0.5
FY (y) =
0, y < 0.5
Zadatak 2.7. Slucajna promjenljiva X ima funkciju raspodjele vjerovatnoca

F koja je strogo rastuca. Pokazati da slucajna promjenljiva Y = F (X) ima
uniformnu raspodjelu na [0, 1].
Rjesenje. Kako je 0 F (X) 1, vrijedi
P (Y < y) = P (F (X) < y) = 0, y < 0,
P (Y < y) = P (F (X) < y) = 1, y > 1.

Dalje,
P (Y < y) = P (F (X) < y) = P (X < F 1 (y))
= F (F 1 (y)) = y, y [0, 1].

Dakle slucajna promjenljiva Y ima uniformnu raspodjelu na [0, 1].
Zadatak 2.8. Slucajna promjenljiva X ima uniformnu raspodjelu na intervalu
1 1
[a, b]. Ako je E(X) = i V ar(X) = , odrediti a i b, a zatim naci funkciju
2 12
raspodjele vjerovatnoca slucajne promjenljive
1
Y = .
X +1
Rjesenje. Neka je X : U [a, b] tada je
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
FY (y) = P (Y < y) = P (eX < y) = 0, y 0,
Zln y
1 t2
FY (y) = P (X < ln y) = e 2 dt, y > 0.
2

Gustina slucajne promjenljive Y je

1 e ln22 y , y > 0
fY = 2y
0, y 0.
27
Zadatak 2.10. Slucajna promjenljiva X ima gustinu

x
e , x > 0,
f (x) =
0 x 0.
Odrediti gustinu slucajne promjenljive Y = (X 1)2 .

Rjesenje. Grafik funkcije y = (x 1)2 dat je na slici
0 x1 1 x2 x3 x
Razlikujemo tri slucaja:

Za y 0 je FY (y) = P {Y < y} = 0.
Za 0 < y 1 je FY (y) = P {Y < y} = P {x1 < X < x2 } =

1+
R y x

P {1 y < X < 1 + y} = e dx = e1+ y e1 y .

1 y
Za 1 < y je FY (y) = P {Y < y} = P {0 < X < x3 } =

1+
R y x

P {0 < X < 1 + y} = e dx = 1 e1 y .
0

0, y0

Sada je FY (y) = e1+ y e1 y , 0 < y 1

1y
e , 1 < y.
Zadatak 2.11. Slucajna promjenljiva X ima Kosijevu raspodjelu
1 1
f (x) = .
1 + x2
Naci gustinu slucajne promjenljive
2X
Y = .
1 X2
2x
Rjesenje. Grafik funkcije y = dat je na slici
1 x2
x=-1
x=1
x2 x4 x
x1 x3
Razlikujemo sledece slucajeve:

Za y < 0, FY (y) = P {Y < y} = P {x (1, x2 ) (1, x4 )}.
Znaci, q q
y1 1+ y12 y1 + 1+ y12
Z Z
1 dx 1 dx
FY (y) = +
1 + x2 1 + x2
1 1

1 1
= arctan ,
y
1 1 1 1 1
pa je fY (y) = 1 2
= .
1 + y2 y 1 + y2
Z0 Z
+
1 dx 1 dx 1
Za y = 0 je FY (y) = + = .
1 + x2 1 + x2 2
1 1
Za y > 0 je
FY (y) = P {Y < y} = P {x (, x1 ) (1, x3 ) (1, +)},
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
Znaci, slucajna promjenljiva Y ima Kosijevu raspodjelu sa gustinom

1 1
fY (y) = .
1 + y2
Zadatak 2.12. Neka X ima Poasonovu raspodjelu P(). Definisimo Y = X 2

X
i Z = sin . Odrediti zakon raspodjele za Y i Z.
2
Rjesenje. Imamo da je
k
P (X = k) = e , k = 0, 1, . . .
k!
Slucajna promjenljiva Y = X 2 moze uzimati samo vrijednosti koje su kvadrati

prirodnih brojeva i nule, pri cemu je
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
Na slican nacin nalazimo

sh + sin
P (Z = 1) = e
2
i
sh sin
P (Z = 1) = e .
2
Zadatak 2.13. Neka je S = [0, 1] [0, 1] i gustina raspodjele vjerovatnoca
f : R2 R, data sa
1, (x, y) S
f (x, y) =
0, (x, y) /S
Odrediti funkciju raspodjele.
Rjesenje. Neka (x, y) S. Tada je
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
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
fX (x) = f (x, y)dy = 24xydy = 12x(1 x)2 , 0 < x < 1.

0
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
bude gustina za slucajni vektor Z = (X, Y ). Odrediti marginalne gustine i

vjerovatnocu da Z uzme vrijednosti iz kvadrata S = [0, 1] [0, 1].
Rjesenje. Funkcija f je gustina ako je
Zx Zy
F (x, y) = f (u, v)dudv

funkcija raspodjele. Vrijedi

Zx Zy
cdudv c
F (x, y) = = 2 arctgx + arctgy + .
2 (1 2 2
+ u )(1 + v ) 2 2

F je funkcija raspodjele ako i samo ako vrijedi:

1. F je neopadajuca po svakoj od promjenljivih,
2. F je neprekidna s lijeve strane po svakoj promjenljivoj,
3.
lim F (x, y) = 1, lim F (x, y) = lim F (x, y) = 0.
x y
x +
y +
31
4. za sve a1 < a2 , b1 < b2 je
F (a2 , b2 ) F (a1 , b2 ) F (a2 , b1 ) + F (a1 , b1 ) 0.
Iz uslova 3 slijedi da je c = 1. Ispunjeni su uslovi 1 i 2. Ostaje da se vidi da li

vrijedi uslov 4.
Neka je a1 < a2 , b1 < b2 , tada je
F (a2 , b2 ) F (a1 , b2 ) F (a2 , b1 ) + F (a1 , b1 ) =
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
Zadatak 2.16. Nezavisne slucajne promjenljive X i Y imaju E(1) raspodjelu.

Naci gustinu slucajne promjenljive Z = 2X 3Y .
Rjesenje. Zbog nezavisnosti gustina slucajnog vektora (X, Y ) je
(x+y)
e , x > 0, y > 0,
f (x, y) =
0 inace
pa za funkciju raspodjele imamo slucajne promjenljive Z vrijedi

ZZ
FZ (z) = e(x+y) dxdy.
2x3y<z
Diferenciranjem dobijamo gustinu

1 e z3 , z < 0

fZ (z) = 5
1 z
e 2 , z 0.
5
Zadatak 2.17. Gustina slucajnog vektora (X, Y ) je

15x2 y, 0 x y 1,
f(X,Y ) (x, y) =
0, inace.
(i) Odrediti funkciju raspodjele slucajne promjenljive Z = X + Y .

(ii) Odrediti gustinu slucajne promjenljive W = X 2 .
Rjesenje.
(i)
FZ (z) = 0, za z < 0,
z

R2 zx
R

15x2 ydydx, 0z1
0 x
FZ (z) = P (X + Y < z) = R1 Ry

1
15x2 ydxdy, 1 z 2,
z zy
2
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
Sada za gustinu slucajne promjenljive W dobijamo

1 15
fX ( w) = w(1 w), 0 < w < 1.
2 w 4
Zadatak 2.18. Neka su X i Y nezavisne slucajne promjenljive sa eksponenci-

jalnom raspodjelom E(). Odrediti raspodjelu slucajne promjenljive
(a) Z = X Y,
X
(b) Z = .
X +Y
Rjesenje.
(a) Uvedimo smjene
u = x, v = x y,
imamo
x = u, y = u v,
za Jakobijan preslikavanja vrijedi

1 0
J = = 1.
1 1
33
Slucajne promjenljive U = X i V = X Y su nezavisne, pa za funkciju gustine

vjerovatnoca slucajnog vektora (U, V ) je
f (u, v) = fX (u)fY (u v)|J|.
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
f (x, y) = fX (x)fY (y) = 2 e(x+y) ,
gdje je > 0, x > 0, y > 0.

Za z 0 je
X
F (z) = P { < z} = 0.
X +Y
Ako je 0 < z 1 onda je
ZZ
F (z) = f (x, y)dxdy.
X
X+Y <z
x
x+y <z
y=1-z
z x
x
R
+ R
+
Znaci, F (z) = 2 (ex ey dy)dx = z
0 1z
RR z x
Za z > 1 je F (z) = (x, y)dxdy.

R2+
Znaci, sada je F (z) = 1.

Dakle,
0 ,z 0
F (z) = z0
10 , 0 < z 1,
pa Z ima uniformnu raspodjelu U(0, 1).
Napomenimo da se zadatak mogao rijesiti koristeci postupak dat u rjesavanju
zadatka (a).
Zadatak 2.19. Vijek trajanja sijalice je dat eksponecijalnom raspodjelom.
Ako je srednja vrijednost vijeka trajanja sijalice od 80 vati 300 sati, a srednja
vrijednost vijeka trajanja sijalice od 100 vati 200 sati odrediti vjerovatnocu da
sijalica od 100 vati traje duze od sijalice od 80 vati.
Rjesenje. Ako su X i Y nezavisne slucajne promjenljive sa funkcijama gustina
vjerovatnoca f (x) = ex , g(y) = ey respektivno tada je
Z
+ Z
+ Z
+
P (X < Y ) = f (x)g(y)dxdy = f (x)(1 G(x))dx,

0 x 0
gdje je G(y) funkcija raspodjele vjerovatnoca slucajne promjenljive Y . Sada

dobijamo da je

P (X < Y ) = .
+
1 1
U zadatku je = 300 i = 200, pa imamo da je trazena vjerovatnoca

2
P (X < Y ) = .
5
Zadatak 2.20. Buffonov problem. U ravni je dat skup paralelnih pravih, pri
cemu je rastojanje izmed-u susjednih pravih 2a, a > 0. Na ravan se baca igla
duzine 2l, (l < a). Odrediti vjerovatnocu da igla sijece neku od pravih.
35
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
U specijalnom slucaju 2l = a, dobijena vjerovatnoca je 1/.

Zadatak 2.21. Slucajni vektor (X, Y ) zadan je funkcijom gustine

24x3 y(1 x2 ) , 0 < x < 1, 0 < y < 1
f (x, y) = .
0 , inace
Odrediti funkciju gustine slucajne promjenljive Z = XY .

Rjesenje. Odredimo prvo funkciju raspodjele slucajne promjenljive Z. Imamo,
FZ (z) = P {Z < z} = P {XY < z}. Sada razlikujemo sledece slucajeve.
Za z 0, FZ (z) = 0.
Za 0 < z 1,
z
Rz R1 R1 Rx
FZ (z) = f (x, y)dxdy + f (x, y)dxdy =
0 0 z 0
z
Rz R1 R1 Rx
= 24x3 y(1 x2 )dxdy + 24x3 y(1 x2 )dxdy =
0 0 Z z 0
Rz x3 1 2
2 3 z 2
= 24 (1 x )dx + x (1 x )dx =
0 6 2 4 z 2x2
z z z2
= 12 + = z 6 3z 4 + 3z 2
12 4 4
Za z > 1 je FZ (z) = 1. Sada imamo da je gustina slucajne promjenljive Z data
sa :
6z 5 12z 3 + 6z, z (0, 1)
fZ (z) =
0 z 6 (0, 1).
Zadatak 2.22. X i Y su nezavisne slucajne promjenljive sa istom uniformnom
raspodjelom U (0, 1). Naci P { 12 < Z < 34 }, ako je slucajna promjenljiva Z
1
definisana sa Z = min{X, }.
2Y
Rjesenje. Za funkciju raspodjele slucajne promjenljive Z vrijedi
1
FZ (z) = P {Z < z} = P {min{X, } < z}.
2Y
Kako X i Y imaju uniformnu raspodjelu U(0, 1) to je
FZ (z) = 1 za z > 1 i F (z) = 0 za z 0.
Zbog nezavisnosti slucajnih promjenljivih X i Y je

1
FZ (z) = P {Z < z} = P min X, <z
2Y

1
= 1 P min X, z ,
2Y

1 1
FZ (z) = P X z, z = 1 P X z, Y .
2Y 2Z

1
FZ (z) = 1 P {X z}P Y .
2z
1
Sada za 0 < z imamo
2
P {Z < z} = 1 (1 z) = z.
1
Za < z 1 je
2
1 3 1
P {Z < z} = 1 (1 z) = .
2z 2 2z

1 3 3 1 1
Znaci, P <Z< = FZ FZ = .
2 4 4 2 3
Zadatak 2.23. Neka su X i Y nezavisne slucajne promjenljive i
P (X = k) = P (Y = k) = q k p, k = 0, 1, . . . , p (0, 1), q = 1 p
Slucajne promjenljive Z i W definisane su sa
Z = Y X, W = min(X, Y ).
(i) Pokazati da je P (W = w, Z = z) = p2 q 2w+|z| , w 0, z Z.

(ii) Odrediti P (W = w).
(iii) Odrediti P (Z = z).
(iv) Da li su Z i W nezavisne slucajne promjenljive?
Rjesenje.
(i) Ako je
Y X =Z <0
tada je
w = W = Y i X = Y Z = w + |z|.
37
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)
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
Zadatak 2.25. Neka je K R2 jedinicni krug i (X, Y ) ima uniformnu raspod-

jelu na K. Odrediti uslovnu raspodjelu za X, pri Y = 0. Naci gustinu za
Y
Z= .
X
Rjesenje. Zajednicka gustina za (X, Y ) je
(
1
, (x, y) K
f (x, y) =
0 , (x, y) 6 K
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
Odredimo funkciju raspodjele G(z) slucajne promjenljive z.

Za z > 0 je
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
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
Zadatak 2.27. Ako su X i Y nezavisne slucajne promjenljive sa eksponenci-

jalnom raspodjelom E(), pokazati da su
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
a = min{n : P {Z = n} > 0} i b = max{n : P {Z = n} > 0}.

Dokazati da je
1
min{P {Z = a}, P {Z = b}} .
4
Rjesenje. Neka je
aX = min{n : P {X = n} > 0}, bX = max{n : P {X = n} > 0}
i analogno definisani aY i bY . Ocigledno je a = aX + aY i b = bX + bY .

Sada je
min{P {Z = a}, P {Z = b}} min{pq, (1 p)(1 q)},
gdje je p = P {X = aX }, q = P {Y = aY }, pa je dovoljno pokazati
1
min {pq, (1 p)(1 q)} ,
p,q[0,1] 4
sto vrijedi zbog

p 1p 1
min {pq, (1 p)(1 q)} min , .
p,q[0,1] p[0,1] 2 2 4
Zadatak 2.29. Neka su X i Y apsolutno neprekidne, nezavisne slucajne prom-

jenljive sa funkcijama raspodjele F i G respektivno i neka je Z(t) slucajna
promjenljiva definisana na sledeci nacin:

0, t < X
Z(t) =
Y, t X.
Ako je F (0) = G(0) = 0 i F (x) = 1, x 1, ispitati za koje t je Z(t) diskretnog,

a za koje apsolutno neprekidnog tipa. Navesti primjer za takve X i Y .
Rjesenje. Neka je I{A} indikator slucajnog dogad-aja A, vrijedi
Z(t) = 0 I{t < X} + Y I{t X}.
Razlikujemo sledece slucajeve

(i) t 0,
P {Z(t) = 0} = P {X > t} = 1 F (0) 1,
pa je Z(t) diskretna slucajne promjenljiva.
(ii) 0 < t < 1,
P {Z(t) < z} = P {0 I{t < X} + Y I{t X} < z}
= P {0 < z, t < X} + P {Y < z, t X}

= P {} + P {Y < z}P {t X} = F (t)G(z) = 0
za z 0.
Ako je z > 0 onda je
P {0 < z, t < X} + P {Y < z, t X} = 1 F (t) + F (t)G(z).

43
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
Zadatak 2.30. Neka je (X, Y ) slucajni vektor sa funkcijom gustine raspodjele

c/x, 0 < y < x, 0 < x < 1
f (x, y) =
0, inace.
Odrediti konstantu c. Naci fX , fY i fX|Y =y . Da li su slucajne promjenljive X i

Y nezavisne?
Rjesenje. Iz
Z1 Zx
c
dydx = 1
x
0 0
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),
pa slucajne promjenljive X i Y nisu nezavisne.

Zadatak 2.31. Neka je
6 2 3
f(X,Y,Z) (x, y, z) = 5 (x + y), (x, y, z) (0, 1)
0, inace,
gustina slucajnog vektora (X, Y, Z). Odrediti fX|Y (x|y).

Rjesenje. Za gustinu slucajnog vektora (X, Y ) imamo
Z1
6 2 6
f(X,Y ) (x, y) = (x + y)dz = (x2 + y), (x, y) (0, 1)2 .
5 5
0
Sada za gustinu slucajne promjenljive Y vrijedi
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
Numer. karakteristike sluc.

promjenljivih
Zadatak 3.1. Odrediti c R tako da je sa

c
P {X = k} = , k = 1, 2, . . . ,
k(k + 1)(k + 2)
dat zakon raspodjele. Odrediti E(X).

Rjesenje. Da bi datom formulom bio definisan zakon raspodjele vjerova-
tnoca slucajne promjenljive X mora biti c 0 i
+
X c
= 1.
k(k + 1)(k + 2)
k=1
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
Zadatak 3.2. Cetiri prijatelja ugovorili su susret u gradu sa cetiri hotela,

ali nisu precizirali u kom hotelu ce se sastati. Odrediti zakon raspodjele slucajne
promjenljive X: broj hotela u kojima nece biti ni jednoga od prijatelja u za-
kazano vrijeme. Naci E(X) i V ar(X).
45
46 3. NUMER. KARAKTERISTIKE SLUC. PROMJENLJIVIH
Rjesenje. Pretpostavljamo da svaki od prijatelja bira hotel slucajno, a kako

nije bilo dogovora prijatelji hotele biraju nezavisno jedan od drugog. Broj svih
mogucih rasporeda cetiri covjeka na cetiri mjesta je 44 . Slucajna promjenljiva
X uzima vrijednosti 0, ako su svi otisli u razlicite hotele. To je moguce na 4!
6
nacina. Dakle P {X = 0} = . Jedan hotel je bez i jednog prijatelja, ako
64
su u preostala tri prijatelji dosli tako sto su u jednom dva (mogucnosti 42 ), a
u preostala dva po jedan (na dva nacina). Za fiksiran hotel bez prijatelja to
je moguce na 3 42 2, jer dva covjeka mogu u svaki od tri preostala hotela.

Uzimajuci u obzir sve hotele, broj povoljnih slucajeva je 4 3 42 2, pa je
36
P {X = 1} = . U dva hotela nema prijatelja, ako su po dva u dva hotela, ili u
64
21
jednom tri. Broj povoljnih slucajeva je 42 42 + 42 43 2, pa je P {X = 2} = .
64
4 1
Na kraju je P {X = 3} = 4 = . Dakle, zakon raspodjele je dat sa
4 64

0 1 2 3

X: .
6 36 21 1
64 64 64 64
E(X) = 1.26, V ar(X) = 0.41.
Zadatak 3.3. Za slucajnu promjenljivu X vrijedi E(X) = 100 i V ar(X) =
15. Odrediti E(X 2 ), E(2X + 6) i V ar(3X + 5).
Rjesenje. Vrijede formule
E(cX) = cE(X), E(X + c) = E(X) + c,
V ar(X) = E(X 2 ) E 2 (X),

V ar(cX) = c2 V ar(X), V ar(X + c) = V ar(X),
gdje je c konstanta. Sada imamo
E(X 2 ) = V ar(X) + E 2 (X) = 10015,
E(2X + 6) = 2E(X) + 6 = 206,

V ar(3X + 5) = 9V ar(X) = 135.
Zadatak 3.4. Data je funkcija g sa

0, |x| 2
g(x) = 1, |x| 1

2 |x|, 1 |x| 2.
a) Odrediti konstantu c tako da funkcija f (x) = cg(x) bude gustina slucajne

promjenljive X.
b) Odrediti funkciju raspodjele, matematicko ocekivanje i varijansu slucajne
promjenljive X.
47
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.
Kako je f parna funkcija imamo E(X) = 0. Dakle,
Var(X) = E(X 2 ),
pa je
1
Z Z2
15
Var(X) = 2 x2 dx + x2 (2 x)dx = .
6
0 1
c) Koristeci formulu za uslovnu vjerovatnocu zakljucujemo da je
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 (),

ima minimum za x = E(X), a funkcija f2 definisana sa

X
f2 (x) = (X() x)3 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
imaju sljedece raspodjele

0 1 0 1
U: , V : .
p1 p2 q1 q2
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
E(U V ) = P (U = 1, V = 1) i E(U )E(V ) = P (U = 1)P (V = 1),
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
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,
gdje je Y slucajna promjenljiva sa gustinom

1
f (y) = .
(1 + y 2 )
Rjesenje. Neka je (x) = x3 3x 2y, y R. Funkcija ima ekstreme za

x {1, 1} i vrijedi
(1) = 2(1 y), (1) = 2(1 + y),
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
Zadatak 3.11. Neka je X nenegativna slucajna promjenljiva. Pokazati da je

Z
+
E(X) = P (X > t)dt.

0
Rjesenje. Neka je f gustina slucajne promjenljive X. Tada je

Z
+ Z
+ Z
+ +
Z
Ru
P (X > t)dt = f (t)dt = dt f (u)du.
0
0 0 t 0
Dakle,
Z
+ Z
+
P (X > t)dt = uf (u)du = E(X).

0 0
Zadatak 3.12. Vektor (X, Y ) ima gustinu

8xy, 0 < x < y < 1
f (x, y) =
0, van.

1
Odrediti E Y |X = .
3
Rjesenje. Uslovna gustina za Y pri X = x je
f (x, y)
fY (y|x) = ,
fX (x)
gdje je fX (x) marginalna gustina za X. Kako je
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
Zadatak 3.13. Neka je

( c
, 1<y<x
f (x, y) = x3 (x 1)
0, inace.
53
gustina slucajnog vektora (X, Y ). Naci konstantu c. Odrediti uslovnu raspod-

jelu Y |X = x, a zatim naci E(Y ).
Rjesenje. Kako je
+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
Dakle, slucajna promjenljiva Y |X = x ima uniformnu raspodjelu na (1, x). Osim

toga
Z
+
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.
b) Dokazati da je za ma kako raspodjeljenu slucajnu promjenljivu (X, Y )

p p
E( X 2 + Y 2) E 2 (X) + E 2 (Y ),
to jest ocekivani radijus je veci ili jednak radijusu ocekivane tacke.

Rjesenje.
Posto se tacka (X, Y ) bira unutar kvadrata [0, 1] [0, 1] to je 0
R 2. Sada razlikujemo sledece slucajeve:
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
Koristeci polarne koordinate
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.
Znaci, za gustinu raspodjele slucajne promjenljive R vrijedi

r

,0 r 1
2 p
fR (r) = r
2r arctan r2 1 , 1 r sqrt2
2

0 , r 6 [0, 2]
Za matematicko ocekivanje slucajne promjenljive R imamo

Z2
1
E(R) = rfR (r)dr = ( 2 + ln(1 + 2)).
3
0
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
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
Rjesenje. Za matematicko ocekivanje slucajne promjenljive Yn imamo

P
n Pn
E(Yn ) = E( |Xi+1 Xi |) = i=1 E(|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
Vrijede sledece formule

Z1 Z1
2 2 1
E(|Xi+1 Xi | ) = E((X Y ) ) = (x y)2 dxdy = ,
6
0 0
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
Sada za varijansu slucajne promjenljive Yn imamo
Var(Yn ) = nE(|X1 X2 |2 ) + [n(n 1) (n 1)]E(|X1 X2 ||X3 X4 |)+
+(n 1)E(|X1 X2 ||X2 X3 |) E 2 (Yn ),

n 1 7 n2 11n 1
Var(Yn ) = + (n 1)2 + (n 1) = .
6 9 60 9 180
Zadatak 3.16. Iz skupa {1, 2, 3} slucajno se bira broj X. Nakon toga kocka se
baca X puta i pri tome je broj pojaljivanja broja sest jednak Y . Naci Var(X|Y =
2).
Rjesenje. Vrijedi
X\Y 0 1 2 3
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!
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
Na taj nacin smo pokazali da je

n
X
k 1 1 nk 1
1 + + (1) =1
k! 1! 2! (n k)!
k=0
Zadatak 3.20. Slucajne promjenljive X i Y su nezavisne i
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}
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).
Naci Var(X|X < 2).

Rjesenje. Za x (, 0], je
P {X < x|X < 2} = 0,
ako x (0, 2] vrijedi

x2
P {X < x} 16 x2
P {X < x|X < 2} = = 4 = ,
P {X < 2} 16
4
i za x (2, +) je P {X < x|X < 2} = 1,

pa je
Z2
x 4
E(X|X < 2) = x dx = ,
2 3
0
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
Rjesenje. Dati integral predstavlja matematicko ocekivanje slucajne prom-

jenljive
n X1 + X2 + + Xk
Y = (2 ) 2 ,
X1 + X2 + + Xn
gdje su slucajne promjenljive X1 , X2 , . . . , Xn nezavisne i sa istom normalnom
raspodjelom N (0, 1). Kako je
n k
E(Y ) = (2 ) 2 ,
n
vrijedi,
Z
x1 + x2 + + xk (x21 +x22 ++x2n ) n k
e dx1 dx2 dxn = (2 ) 2 .
x1 + x2 + + xn n
[0,1]n
Zadatak 3.24. Neka je X slucajna promjenljiva sa funkcijom raspodjele vjerovatnoca

1
F . Medijana slucajne promjenljive X je broj m za koji vrijedi F (m) = . Vri-
2
1
jedi P (X > m) = P (X < m) = . Odrediti m ako X ima
2
(a) uniformnu raspodjelu na [a, b],
(b) normalnu raspodjelu N (, 2 ),
(c) eksponencijalnu raspodjelu E().

Rjesenje.
Funkcija raspodjele vjerovatnoca slucajne promjenljive X koja ima uniformnu
raspodjelu na intervalu [a, b] je

1, x>b
xa
F (x) = , a < xb
ba
0, x a.
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
Sada je E(X) = 0, E(Y ) = 23 i E(XY ) = 0, pa je cov(X, Y ) = 0. Primjetimo

da X i Y nisu nezavisne, jer na primjer
1 2 1
P (X < 0) = , P (Y < 2) = i P (X < 0, Y < 2) = ,
6 3 12
tako da je
P (X < 0, Y < 2) 6= P (X < 0)P (Y < 2).
Zadatak 3.26. Tacka a je fiksna i izabrana je iz intervala (0, 1), slucajna
promjenljiva X ima uniformnu raspodjelu na tom intervalu. Odrediti kovari-
jansu slucajnih promjenljivih X i Y , gdje je Y rastojanje tacke a od X to jest
Y = |X a|. Naci vrijednost za a tako da su slucajne promjenljive X i Y neko-
relisane.
Rjesenje. Vrijedi
Z1 Za Z1
E(XY ) = x|x a|dx = x(a x)dx x(a x)dx,
0 0 a
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 ).
Rjesenje. Neka je X 0 = X E(X) i Y 0 = Y E(Y ). Za svaki R je
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
Neka je U = min{X, Y } i V = max{X, Y }. Naci koeficijent korelacije U,V i

linearnu regresiju V po U .
Rjesenje. Raspodjela slucajnog vektora (U, V ) je data sljedecom tabelom
U \V 0 1
0 0.25 0.5
1 0 0.25
Koeficijent korelacije
E(U V ) E(U )E(V ) 0.25 0.25 0.75 1

U,V = p p = = .
Var(U ) Var(V ) 3 3 3
4 4
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].
a) Naci koeficijent korelacije izmed-u slucajnih promjenljivih X i Y ,

b) Odrediti pravu linearne regresije za slucajne promjenljive X i Y .
Rjesenje.
a) Gustina raspodjele slucajne promjenljive X je
1
Z
+
R 1
(x + y)dy = x + , x [0, 1]
fX (x) = f (x, y)dy = 2
0
0, x 6 [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
b) Jednacina prave linearne regresije za slucajne promjenljive X i Y je

s
Var(Y )
y E(Y ) = XY (x E(X)).
Var(X)
Uvrstavanjem odgovarajucih vrijednosti dobijamo
7 1 7
y = (x ), x [0, 1].
12 60 12
65
Zadatak 3.30. Neka je X = [X1 , X2 ]T slucajan vektor cija je kovarijaciona

matrica
2 1
K(X) = .
1 1
Naci varijansu slucajne promjenljive 3X1 2X2 .
Rjesenje. Vrijedi
Var(a1 X1 + + an Xn ) = [a1 , . . . , an ]K(X)[a1 , . . . , an ]T ,
pa imamo
2 1 3
Var(3X1 2X2 ) = [3, 2] = 10.
1 1 2
4
Karakteristicne funkcije
Zadatak 4.1. Slucajne promjenljive X1 , X2 , X3 su nezavisne sa raspodjelama:

1 2 4
P {X1 = k} = , P {X2 = k} = k , P {X3 = k} = k , k N.
2k 3 5
Koristeci karakteristicne funkcije naci raspodjelu za slucajnu promjenljivu X,
gdje je
X = X1 + X2 + X3 .
Rjesenje.
+
X 1 eit 1
hX1 (t) = eikt = ,
2 k 2 1 e2it
k=1
+
X 2 2eit 1
hX2 (t) = eikt = it ,
3k 3 1 e3
k=1
+
X 4 4eit 1
hX3 (t) = eikt k
= it .
k=1
5 5 1 e5
hX (t) = hX1 +X2 +X3 (t) = hX1 (t)hX2 (t)hX3 (t) =
4 1
= e3it e it eit eit
=
15
(1 2 )(1 3 )(1 5 ) !
4 5 5 1
= e3it it it + it =
15 1 e2 1 e3 1 e5
+
X
4 3it 1 1 1
= e 5 k 5 k + k eikt .
15 2 3 5
k=0
Dakle,
4 5 5 1
P {X = k + 3} = k + k , k = 0, 1, 2, . . .
15 2k 3 5
Zadatak 4.2. Neka X ima binomnu raspodjelu B(n, p). Naci E(X 3 ).
Rjesenje. Karakteristicna funkcija slucajne promjenljive X je
h(t) = (peit + 1 p)n .
67
68 4. KARAKTERISTICNE FUNKCIJE
Kako je
h(3) (0)
E(X 3 ) = .
i3
Nakon diferenciranja dobijamo da je
E(X 3 ) = np + 3n(n 1)p2 + n(n 1)(n 2)p3 .
Zadatak 4.3. Karakteristicne funkcije nezavisnih slucajnih promjenljivih X i

Y su 10
it 1 it 10
hX (t) = e2e 2 i hY (t) = 3e + 1 .
4
Odrediti
P (X + Y = 2), P (XY = 0) i E(XY ).
Rjesenje. Lako se vidi da je
+ k itk
X
2 2 e
hX (t) = e ,
k!
k=0
10 X
n
1 10
hY (t) = 3k eitk .
4 k
k=0
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 + Y = 2) = P (X = 0)P (Y = 2) + P (X = 1)P (Y = 1)+
P (X = 2)P (Y = 0).
Dobijamo
63
P (X + Y = 2) = .
e2 219
Dalje,
P (XY = 0) = P (X = 0) + P (Y = 0) P (X = 0)P (Y = 0),
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
Osim toga iz oblika karakteristicnih funkcija vidimo da slucajna promjenljiva

X ima Poasonovu raspodjelu P(2), a slucajna promjenljiva Y ima binomnu
raspodjelu B(10, 43 ). Dakle, E(X) = 2 i E(Y ) = 15
2 . Znaci, E(XY ) = 15.
Zadatak 4.4. Slucajna promjenljiva X ima karakteristicnu funkciju h(t). Izracunati
Var(sin X) + Var(cos X) preko h(1).
Rjesenje.
Var(sin X) + Var(cos X) = E(sin2 X) E 2 (sin X) + E(cos2 X)
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
h(t) = E(eitx ) = E(cos tX + i sin tX) = E(cos tX) + iE(sin tX),
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
h(0, 0) h(0, 0) 2 h(0, 0)

cov(X, Y ) = .
t s ts
Zadatak 4.6. Neka je X1 , X2 , . . . niz nezavisnih slucajnih promjenljivih takvih
da je
1 1
Xk : 1 1 , k = 1, 2, . . .
2 2
i
+
X Xk
X= .
2k
k=1
Dokazati da X ima uniformnu raspodjelu U (1, 1).

Rjesenje. Raspodjelu za X odredicemo pomocu karakteristicnih funkcija. Za
slucajnu promjenljivu Xk karakteristicna funkcija je
1 it 1 it
hXk (t) = e + e = cos t, k = 1, 2, . . . .
2 2
Neka je
n
X Xk
Yn = ,
2k
k=1
posto su slucajne promjenljive X1 , X2 , . . . nezavisne, za karakteristicnu funkciju
slucajne promjenljive Yn vrijedi
n
Y n
Y t t t t
hYn (t) = h Xk (t) = cos cos cos 2 . . . cos n
2k 2k 2 2 2
k=1 k=1
sin t sin 2t sin 2t2 t

sin 2n1 sin t
= t t t = n .
2 sin 2 2 sin 22 2 sin 23 2 sin 2tn 2 sin 2tn
Sada imamo
sin t
hYn (t) , n +.
t
Znaci, niz karakteristicnih funkcija hYn konvergira za svako t 6= 0 ka funkciji
sin t
h(t) = , t 6= 0
t
Kako je,
sin t
lim = 1,
t0 t
h se moze definisati u nuli sa h(0) = 1 da bi bila neprekidna. Posto je hYn (0) = 1
za svako n = 1, 2, . . . imamo da niz karakteristicnih funkcija hYn konvergira za
svako t R ka funkciji
(
sin t
, t 6= 0
h(t) = t
1 , t = 0.
Karakteristicna funkcija za uniformnu raspodjelu U(1, 1), je
eit eit
hU = ,
2it
kako je
sin t eit eit
= ,
t 2it
to X ima uniformnu raspodjelu U(1, 1).
Zadatak 4.7. Odrediti raspodjelu cija je karakteristicna funkcija
eit 1
h(t) = .
it
71
Rjesenje. Koristimo teoremu o inverziji:

Ako su a i b tacke neprekidnosti funkcije raspodjele F , tada je
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
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

koristeci Kosi-Svarcovu nejednakost dobijamo

+ 21 + 21
Z Z
|h(t + u) h(t)| |eiux 1|2 f (x)dx |eitx |2 f (x)dx

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
+
1 Re h(2t) = (1 cos 2tx)f (x)dx

Z
+ Z
+
2
=2 sin txf (x)dx = 2 (1 cos tx)(1 + cos tx)f (x)dx

Z
+
4 (1 cos tx)f (x)dx = 4(1 Re h(t)).

73
Zadatak 4.9. Pokazati da su funkcije

3 + cos t
h1 (t) = , h2 (t) = cos4 t,
4
karakteristicne funkcije i naci odgovarajuce raspodjele.
Rjesenje. Za h1 i h2 vrijedi
1 it 3 1 it
h1 (t) = e + + e ,
8 4 8
1 4it 1 2it 3 1 2it 1
h2 (t) =e + e + + e + e4it .
16 4 8 4 16
Sada se vidi da je h1 karakteristicna funkcija slucajne promjenljive
!
1 0 1
X1 : 1 3 1 ,
8 4 8
a h2 karakteristicna funkcija slucajne promjenljive:
!
4 2 0 2 4
X2 : 1 1 3 1 1 .
16 4 8 4 16
Zadatak 4.10. Pokazati da je
1 3eit 1
h(t) = ,
2 2eit 1
karakteristicna funkcija i naci njen zakon raspodjele.
Rjesenje. Vrijedi

1 3eit 1 1 1
h(t) = it , = ,
2 2e (1 2e1it ) 2eit 2
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
Zakljucujemo da je h karakteristicna funkcija slucajne promjenljive X cija je

raspodjela data sa
3 1
P {X = 0} = , P {X = k} = , k N.
4 2k+1
Zadatak 4.11. Pokazati da je

1 1 1
h(t) = cos t + cos 2t + cos 3t
3 6 2
karakteristicna funkcija i naci njenu raspodjelu kao i ocekivanje te raspodjele.
Rjesenje.
1 eit + eit 1 e2it + e2it 1 e3it + e3it

h(t) = + + .
3 2 6 2 2 2
Odgovarajuca raspodjela je
!
3 2 1 1 2 3
X: 1 1 1 1 1 1
4 12 6 6 12 4
h0 (0)
E(X) = = 0.
i
Zadatak 4.12. Zadana je karakteristicna funkcija
h(t) = eit|t| .
Odrediti gustinu raspodjele odgovarajuce slucajne promjenljive.

Rjesenje. Na osnovu teoreme o inverziji imamo
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

Kako je h(t) = h(t), dovoljno je odrediti h(t) za t > 0. Koristeci Jordanovu

lemu dobijamo
Z itx
1 eitx 1 e
h(t) = lim dx = 2iRes , i = et .
r+ R 1 + x2 1 + x2
Za t < 0 je h(t) = h(t) = et , pa je h(t) = e|t| , t R.

Zadatak 4.14. Gama raspodjela sa parametrima > 0 i > 0 definisana je
funkcijom gustine ( x 1
e x
, x>0
f (x) = ()
0, x 0.
Odrediti karakteristicnu funkciju ove raspodjele kao i njeno matematicko ocekivanje
i varijansu.
Rjesenje. Imamo da je
Z
+

h(t) = eitx ex x1 dx
()
0
Z
+

= e(it)x (( it)x)1 d(( it)x)
( it) ()
0
to jest

h(t) = ,
( it)
jer je Z
(a) = ez z 1 dz,
L
gdje se integrali po bilo kojoj polupravoj u oblasti Rez 0, koja polazi iz

koordinatnog pocetka.
Prva dva izvoda karakteristicne funkcije su
0 00
h (t) = i ( it)1 , h (t) = ( + 1) ( it)2 .
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
naziva se Hi kvadrat raspodjela sa n stepeni slobode i oznacava sa 2 (n). Odred-

iti njenu karakteristicnu funkciju.
Rjesenje. U zadatku 4.14 odredjena je karakteristicna funkcija gama raspod-
n 1
jele. U specijalnom slucaju za = i = dobijamo karakteristicnu funkciju
2 2
2 (n) raspodjele
1
h(t) = n .
(1 2it) 2
Zadatak 4.16. Neka su X1 , . . . , Xn nezavisne slucajne promjenljive sa N (0, 1)
raspodjelom i neka je
Z = X12 + + Xn2 , n N.
Pokazati da slucajna promjenljiva Z ima 2 (n) raspodjelu.

Rjesenje. Slucajna promjenljiva Z je zbir n nezavisnih slucajnih promjenljivih
sa istom raspodjelom. Karakteristicna funkcija svakog sabirka je
2
hXi2 (t) = E(eitXi ), Xi N (0, 1),
odnosno,
Z
+ Z
+
1 itx2 x2
2 1 x2 (12it) 1
hXi2 (t) = e e dx = e 2 dx = .
2 2 1 2it

77
Za karakteristicnu funkciju slucajne promjenljive Z imamo

1
hz (t) = n ,
(1 2it) 2
a ovo je karakteristicna funkcija 2 (n) raspodjele.

Zadatak 4.17. Slucajne promjenljive X1 , X2 , . . . , Xn su nezavisne i imaju
sledece raspodjele

1 ex , x 0
P {Xi x} = i = 1, 2, . . . , n
0, x<0
Naci
Var((X1 + X2 + + Xn )2 ).
Rjesenje. Neka je
Z = X1 + X2 + + Xn .
Za karakteristicnu funkciju slucajne promjenljive Z vrijedi
hZ (t) = hX1 (t) hX2 (t) hXn (t),
gdje su hX1 , hX2 , . . . , hXn karakteristicne funkcije slucajnih promjenljivih X1 , . . . , Xn .
Z
+
hXi (t) = eitx fXi (x)dx, i = 1, 2, . . . , n

gdje je fXi gustina slucajne promjenljive Xi .

x
e , x0
fXi (x) = i = 1, 2, . . . , n
0, x<0
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 =
n(n + 1)(n + 2)(n + 3) [n(n + 1)]2 = n(n + 1)(4n + 6).

Zadatak 4.18. X1 , X2 , . . . , Xn su nezavisne slucajne promjenljive i imaju istu

raspodjelu koja ima gustinu
1 c
f (x) = 2 , c > 0.
c + x2
X1 + X2 + + Xn
Odrediti raspodjelu slucajne promjenljive .
n
Rjesenje.

t t t
h X1 +X2 ++Xn (t) = hX1 hX2 hXn ,
n n n n
Z
+ Z
+
c eitx c cos tx
hXi (t) = dx = dx,
x2 + c2 x2 + c2

Z
c eitx
hXi (t) = lim dx,
R+ x2 + c2
R

c eitx
hXi (t) = 2i Res , ci = f ect , za t > 0.
x + c2
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
Naci raspodjelu slucajne promjenljive
X1 X2 Xn
Y = + + + .
1 2 n
Rjesenje. Posto su X1 , X2 , . . . , Xn nezavisne slucajne promjenljive,

t t
hY (t) = hX1 (t)hX2 ( ) hXn ( ).
2 n
X1 , X2 , . . . , Xn imaju normalnu raspodjelu N (0, 1), pa je
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 )
Znaci, Y ima normalnu raspodjelu N (0, 1 + 12 + + n1 ) sa funkcijom raspodjele
Zy
1 t2 1 1
FY (y) = q e 2 (1+ 2 ++ n ) dt.
1
(1 + 2 + + n1 )2
Zadatak 4.20. Neka su X1 , X2 , . . . , Xn nezavisne slucajne promjenljive sa

normalnom raspodjelom N (0, 1). Pokazati da slucajna promjenljiva
s
6
Y = (X1 + 2X2 + + nXn )
n(n + 1)(2n + 1)
ima takod-e normalnu raspodjelu N (0, 1).

Rjesenje. Za karakteristicne funkcije slucajnih promjenljivih
X1 , X2 , . . . , Xn vrijedi
t2
hX1 (t) = hX2 (t) = = hXn (t) = e 2 ,
(Zadatak 3.13), pa posto su X1 , X2 , . . . , Xn nezavisne slucajne promjenljive

s !
6
hY (t) = hX1 (t)hX2 2 t
n(n + 1)(2n + 1)
s !
6
hXn n t
n(n + 1)(2n + 1)
t2 622 t2 6n2 t2
= e 2 e n(n+1)(2n+1) 2 e n(n+1)(2n+1) 2
t2 2 t2
6
++n2 )
= e 2 n(n+1)(2n+1) (1+2 = e 2 .
Znaci, Y ima normalnu raspodjelu N (0, 1).
Zadatak 4.21. Slucajne promjenljive X1 , . . . , Xn su nezavisne i vrijedi Xi :
N (i , i2 ), i = 1, . . . , n. Odrediti raspodjelu slucajne promjenljive
X = a1 X1 + a2 X2 + + an Xn + b,
gdje su a1 , a2 , . . . , an , b realni brojevi.

Rjesenje. Karakteristicna funkcija slucajne promjenljive Xk je

k2 t2
hk (t) = exp ik t , k = 1, . . . , n.
2
Za karakteristicnu funkciju h slucajne promjenljive X vrijedi

n
Y
h(t) = eibt hk (ak t).
k=1
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
Znaci za slucajnu promjenljivu X vrijedi

n
X n
X
X : N (b + k ak , k2 a2k ).
k=1 k=1
Zadatak 4.22. Dokazati da

1 t2 , |t| 1
h(t) =
0, |t| > 1
nije karakteristicna funkcija ni jedne raspodjele.

Rjesenje. Posto karakteristicna funkcija jednoznacno odred-uje raspodjelu i
Z
+ Z1
2
|h(t)|dt = (1 t2 )dt = < +
3
1
81
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
nije karakteristicna funkcija niti jedne raspodjele.

Rjesenje. Neka je h karakteristicna funkcija neke raspodjele X. Oznacimo sa Y
slucajnu promjenljivu koja ima identicnu raspodjelu kao slucajna promjenljiva
X, ali je nezavisna sa promjenljivom X.
Vrijedi
hX+Y (t) = hX (t)hY (t) = (hX (t))2 .
Znaci ,
1 t2 , |t| 1
hX+Y (t) =
0, |t| > 1
je karakteristicna funkcija raspodjele X +Y . Med-utim, to je nemoguce (Zadatak
4.22) na osnovu cega zakljucujemo da h nije karakteristicna funkcija niti jedne
raspodjele.
Zadatak 4.24. Ispitati da li je funkcija
1
(1 t) n , |t| 1
h(t) = ,n N
0, |t| > 1
karakteristicna funkcija neke raspodjele.

Rjesenje. Ako bi h bila karakteristicna funkcija neke raspodjele X onda bi za
slucajnu promjenljivu
X1 + X2 + + Xn ,
gdje su Xi , i = 1, . . . , n nezavisne slucajne promjenljive sve sa identicnom

raspodjelom kao slucajna promjenljiva X, karakteristicna funkcija bila hX1 ++Xn
za koju vrijedi

1 t2 , |t| 0
hX1 ++Xn (t) = hX1 (t) hXn (t) = (h(t))n =
0, |t| > 0
sto je nemoguce (Zadatak 4.22).

Zadatak 4.25. Zakon raspodjele slucajnog vektora (X, Y ) odred-en je tablicom
Y \X 0 1 3
1 2
0 0
9 9
2 1
1 0
9 9
2 1
3 0
9 9
Pokazati da za karakteristicne funkcije hX+Y , hX , hY vrijedi
hX+Y (t) = hX (t)hY (t)
ali da su slucajne promjenljive X i Y zavisne.

Rjesenje.
3 3 3 1 + eit + e3it
hX (t) = + eit + e3it =
9 9 9 3
3 3 3 1 + e + e3it
it
hY (t) = + eit + e3it =
9 9 9 3
Slucajna promjenljiva X + Y ima sledeci zakon raspodjele

0 1 2 3 4 6
X +Y : 1 2 1 2 2 1 .
9 9 9 9 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].
Pokazati da za karakteristicne funkcije hX+Y , hX , hY vrijedi
hX+Y (t) = hX (t)hY (t),
ali da slucajne promjenljive X i Y nisu nezavisne.

Rjesenje. Za marginalne gustine vrijedi
Z
+ 1
f1 (x) = f (x, y)dy = 2, |x| 1
,
0, |x| > 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.
Sada se lako vidi daje

Z1
1 sin t
hX (t) = hY (t) = eitx dx = ,
2 t
1
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 ,
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
h je neprekidna, jer je zbir uniformno konvergentnog reda neprekidnih funkcija

neprekidna funkcija, h je pozitivno definitna jer su hk , k N pozitivno definitne
i ak 0, k N. Sada, posto je
+ k
X h (t)
h1 (t) = ,
n!
k=1
+
X hk (t)
h2 (t) = ,
2k+1
k=1
Zakljucujemo da su h1 i h2 karakteristicne funkcije.

Zadatak 4.28. Odrediti karakteristicnu funkciju slucajne promjenljive X koja
ima normalnu raspodjelu N (0, 1), a zatim dokazati da je
1
h1 (t) = t2
2 e 2
karakteristicna funkcija neke slucajne promjenljive.
Rjesenje. Karakteristicna funkcija za X sa N (0, 1) raspodjelom je
Z
+ Z
+
itx 1 x2 1 x2
h(t) = e e 2 dx = (cos tx + i sin tx)e 2 dx
2 2

85
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)|.
Rjesenje. Ako je h karakteristicna funkcija slucajne promjenljive X i ako

postoji moment reda n tada je h(n) (t) = in E(X n eitx ). Posto je h dva puta
diverencijabilna u t = 0 to je
h0 (t) = iE(Xeitx ) i h00 (0) = E(X 2 ).
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(Xeitx )|2 = |E(X cos tx + iX sin tx)|2
= |E(X cos tx) + iE(X sin tx)|2 = E 2 (X cos tx) + E 2 (X sin tx).
Osim toga je
E(X 2 ) = E(X 2 cos2 tx) + E(X 2 sin2 tx), pa je
E(X 2 ) |E(Xeitx )|2 = E(X 2 cos2 tx) + E(X 2 sin2 tx)

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
Zadatak 4.31. Ispitati da li je funkcija
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)|,
zakljucujemo da h nije karakteristicna funkcija.

5
Granicne teoreme
Zadatak 5.1. Slucajna promjenljiva X data je funkcijom gustine

xm x
f (x) = m! e , x0
0, x < 0.
Dokazati, koristeci nejednakost Cebiseva, da je

m
P (0 < X < 2(m + 1)) > .
m+1
Rjesenje. Kako je
Z
+
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
Ako je E(X) = 1 i Var(X) = 0.2 ocijeniti vjerovatnocu dogad-aja {0.5 X

1.5}.
Rjesenje. Vrijedi Z
P (|X a| t) = f (x)dx.
|Xa|t
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
P (0.5 X 1.5) = P (0.5 X 1 0.5),
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)
Rjesenje. Tvrdjenje dokazujemo za diskretnu slucajnu promjenljivu, u slucaju

da se radi o neprekidnoj slucajnoj promjenljivoj dokaz je slican.
Neka je X
P (X = xi ) = 1,
iI
tada je X
E(g(X)) = g(xi )P (X = xi ).
iI
Oznacimo sa
I1 = {i I : g(xi ) > g(x)} i I2 = {i I : g(xi ) g(x)}.
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
Primjetimo da ako je X nenegativna slicajna promjenljiva i x > 0 tada kao

posljedicu dobijamo
E(X)
P (X > x) ,
x
a to je nejednakost Markova.
Zadatak 5.4. Neka je dat dogadjaj A takav da je P (A) > 0 i slucajna prom-
jenljiva X kod koje je E(X 2 ) < +. Dokazati da je
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)
Sada tvrdjenje slijedi iz zadatka 5.3 ako stavimo g(x) = (x E(X))2 .

Zadatak 5.5. Slucajna promjenljiva X ima pozitivnu varijansu. Pokazati da
je !
X E(X)
P 10 < p < 10 > 0.9.
V ar(X)
Rjesenje. Kako je
! !
X E(X) X E(X)

P 10 < p < 10 = 1 P p 10
V ar(X) V ar(X)
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
Zadatak 5.6. Koliko je potrebno sprovesti nezavisnih ispitivanja da bi, sa

vjerovatnocom ne manjom od 0.979 vazila nejednakost

Xn

n p < 0.01,
gdje je Xn broj pozitivnih realizacija u n ispitivanja, a p = 0.3 vjerovatno-

ca pozitivne realizacije u jednom ispitivanju. Naci ocjenu za najmanji broj
ispitivanja koristeci nejednakost Cebiseva.

Rjesenje. Slucajna promjenljiva Xn ima binomnu raspodjelu B(n, 0.3), pa je
3n 21n
E(X) = , Var(X) = .
10 100
Koristeci nejednakost Cebiseva dobijamo

Xn Var( Xnn )
P p 0.01 < ,
n 0.012
to jest
Xn
P p 0.01 < 2100 .
n n
Znaci, treba naci takvo n da vazi

Xn 2100
P
p < 0.01 > 1 0.979.
n n
Rjesavanjem ove nejednacine dobijamo n 105 .
Zadatak 5.7. U kutiji se nalazi 300 bijelih i 200 crnih kuglica. Slucajno se bira
150 kuglica sa vracanjem. Naci vjerovatnocu da se broj bijelih kuglica nalazi
izmed-u 78 i 108.
Rjesenje. Vrijedi

3
X : B 150, , E(X) = 90, Var(X) = 36,
5
pa je
!
78 90 X E(X) 108 90
P (78 < X < 108) = P < p < ,
6 Var(X) 6
P (78 < X < 108) = P (2 < X < 3) = (3) (2) = 0.9759.

Zadatak 5.8. Broj ljudi koji ud-u u jednu robnu kucu u toku jednog minuta
ima P(6) raspodjelu.
a) Kolika je vjerovatnoca da u toku dva sata u robnu kucu ud-e bar 700 ljudi?
b) Koliko vremena treba da prod-e da bi sa vjerovatnocom 0.95 u robnu kucu
uslo bar 700 ljudi?
Rjesenje. Neka je Xi slucajna promjenljiva koja predstavlja broj ljudi koji
ud-u u robnu kucu toku i tog minuta. Xi ima P(6) raspodjelu, pa je E(Xi ) =
P
n
6, Var(Xi ) = 6. Broj ljudi koji ud-u u toku n minuta je Yn = Xi i vrijedi
i=1
E(Yn ) = 6n, Var(Yn ) = 6n.

Posto su slucajne promjenljive X1 , X2 , . . . Xn nezavisne i sve imaju istu raspod-
jelu vazi centralna granicna teorema, znaci raspodjela
Yn E(Yn )
p
Var(Yn )
91
tezi ka normalnoj raspodjeli N (0, 1).

a) P (Yn 700) = 1 P (Yn < 700), pa kako je

Yn 720
P < 0.745 (0.745) 0.77,
6 120
imamo da je
P (Yn 700) 0.77.
b)
700 6n
P (Yn 700) 1 ,
6n
pa iz
700 6n
1 = 0.95
6n
nalazimo
700 6n
= 1.645.
6n
Odavde dobijamo da je n 124.15, pa je trazeno vrijeme 125 minuta.
Zadatak 5.9. Aparat za igru moze da izbaci broj k, k N{0} sa vjerovatnocom
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
ukupan dobitak u 1000 igara. Trazi se
p = P (100 < Y1000 < 200).
Kako je
1000
E(Y1000 ) = , Var(Y1000 ) = 1000(1 e4 ),
e2
primjenom centralne granicne teoreme dobijamo

!
100 E(Y1000 ) Y1000 E(Y1000 ) 200 E(Y1000 )
p=P p < p < p ,
Var(Y1000 ) Var(Y1000 ) Var(Y1000 )
p = P (100 < Y1000 < 200) (10.70) (7.51) 0.

Zadatak 5.10. Aparat za igru moze da izbaci broj k, k N sa vjerovatnocom
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
ukupan dobitak u 1000 igara. Primjenom centralne granicne teoreme dobijamo

da je trazena vjerovatnoca
!
50 E(Y1000 ) Y1000 E(Y1000 ) 100 E(Y1000 )
P p < p < p .
Var(Y1000 ) Var(Y1000 ) Var(Y1000 )
Dakle,
P (50 < Y1000 < 100) (5.06) (5.20) 0.
Zadatak 5.11. Iz skupa {1, 2, . . . , n} se na slucajan nacin bira 2n brojeva sa

vracanjem (n 10). Odrediti k takvo da je broj izvucenih cetvorki u tih 2n
izvlacenja manji od k sa vjerovatnocom 0.95.
4
Rjesenje. Oznacimo sa X2n broj izvucenih cetvorki
u 2n izvlacenja. Slucajna
promjenljiva X2n ima binomnu raspodjelu B 2n, n1 . Kako je
4
1
2n = 2 < 10
n
93
koristimo Puasonovu aproksimaciju:

Ako je Sn : B(n, pn ), npn , n + i < 10 tada je
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

(b) Na slican nacin dobijamo
P (40 < X < 60) P (2 < Z < 2) = (2) (1 (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
P (|Yn E(Yn )| < 0.01) 0.9973 ?
Rjesenje. Neka je E(Xi ) = a, i N. Tada je

X1 + X2 + Xn
P (|Yn E(Yn )| < 0.01) = P a < 0.01 .
n
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
E(X) = 20, Var(X) = 400.
Neka je Xi kolicina vode koja istekne u i-tom satu, i = 1, 2, . . . , 12. Slucajne

promjenljive X1 , X2 , . . . , X12 su nezavisne i vrijedi
E(Xi ) = 20, Var(Xi ) = 400, i = 1, 2, . . . , 12.
Kolicina vode koja istekne za 12 sati je slucajna promjenljiva

12
X
Yn = Xi .
i=1
Da bi u bazenu ostalo manje od 610m3 vode, iz bazena treba da istekne vise od

390m3 vode. Znaci, treba naci P (Y12 390). Kako je
E(Y12 ) = 240, V ar(Y12 ) = 4800,
koristeci centralnu granicnu teoremu dobijamo

Y12 240 390 240
P (Y12 390) = P > .
4800 4800
Dakle, imamo
P (Y12 390) = 1 (2.16) 0.0154,
pa je trazena vjerovatnoca 0.0154.
Zadatak 5.15. Poznato je da u odred-enoj knjizi od 500 stranica postoji 500
95
stamparskih gresaka slucajno raspodijeljenih. Kolika je vjerovatnoca da na

slucajno odabranoj stranici knjige nema manje od tri greske ?
Rjesenje. Neka je X slucajna promjenljiva koja oznacava broj stamparskih
gresaka na slucajno odabranoj stranici. Dalje, neka je Ii indikator dogad-aja da
se i-ta greska nalazi na toj stranici koja je slucajno izabrana. Tada je

0 1
Ii : 499 1 , i = 1, 2, . . . , 500,
500 500
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!
Zadatak 5.16. Ured-aj moze imati kvar A sa vjerovatnocom 0.01 i nezavisno

od toga kvar B sa vjerovatnocom 0.02. Ured-aj je pokvaren ako ima oba kvara.
Kupac prihvata seriju od 1000 ured-aja ako u seriji nema vise od k neispravnih
ured-aja. Odrediti k takvo da kupac prihvati seriju sa vjerovatnocom 0.999.
Rjesenje. Odredimo prvo vjerovatnocu da je slucajno izabrani ured-aj u kvaru.
p = P ( kvar A, kvar B) = P ( kvar A)P ( kvar B) = 0.0002.
Ako je X1000 broj neispravnih ured-aja u seriji od 1000 ured-aja, vidimo da
X1000 ima binomnu raspodjelu B(1000, 0.0002). Treba odrediti k takvo da je
P (X1000 k) = 0.999. Koristeci tablice dobijamo k 2.
Zadatak 5.17. Vjerovatnoca da je slucajno izabrani covjek visi od 180 cm je
0.27. Odrediti vjerovatnocu da se u grupi od 1200 ljudi nalazi manje od 300
ljudi visih od 180 cm.
Rjesenje. Neka X oznacava broj ljudi visih od 180 cm. Vrijedi X : B(1200, 0.27).
Trazi se P (X < 300). Koristimo normalnu aproksimaciju.
!
X np 300 np
P (X < 300) = P p <p .
np(1 p) np(1 p)
Kako je np = 324, np(1 p) = 236.5, imamo
P (X < 300) = P (X < 1.593) = 1 P (X < 1.593) = 0.056.
Zadatak 5.18. Ako je poznato da je vjerovatnoca rad-anja djecaka priblizno

0.515, naci vjerovatnocu da med-u 1000 novorod-encadi ima bar 10 djevojcica
vise nego djecaka.
Rjesenje. Koristimo normalnu aproksimaciju. Neka je S1000 broj rod-enih
djecaka med-u hiljadu novorod-encadi. Treba odrediti
P (S1000 495).
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.
Zadatak 5.19. Pretpostavimo da nezavisne slucajne promjenljive X1 , X2 , . . . , X30 ,

imaju uniformnu raspodjelu na [0, 1]. Neka je slucajna promjenljiva Y definisana
sa
Y = X1 + X2 + + X30 .
Koristeci centralnu granicnu teoremu odrediti P (13 Y 18).
Rjesenje. Na osnovu uslova zadatka imamo da je
1 1
E(Xi ) = , Var(Xi ) = , i = 1, . . . , 30.
2 12
Koristeci centralnu granicnu teoremu imamo

13 15 Y 15 18 15
P (13 Y 18) = P q q q .
5 5 5
2 2 2
Dakle,

Y 15
P (13 Y 18) = P 1.26491 q 1.89736 = 0.0744.
5
2
Zadatak 5.20. Slucajne promjenljive Xi , i = 1, . . . , n su nezavisne i vrijedi

5 4 1
P Xi = = P Xi = = , i = 1, . . . , n.
4 5 2
Q
n
Neka je Y = Xi odrediti P (Y 0.001). Kolika je ta vjerovatnoca ako je
i=1
n = 1000?
Rjesenje. Kako je
5
E(ln Xi ) = 0 i Var(ln Xi ) = ln2 ,
4
na osnovu centralne granicne teoreme imamo
Zx
ln Y 1 t2
lim P 5 x = (x) =
e 2 dt.
n+ n ln 4 2

97
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
Rjesenje. Neka nezavisne slucajne promjenljive X1 , . . . , Xn imaju P(1) raspod-

jelu, tada slucajna promjenljiva
Yn = X1 + + Xn
ima P(n) raspodjelu sa E(Yn ) = n i Var(Yn ) = n. Kako je
nk n
P (Yn = k) = e , k = 0, 1, . . . ,
k!
to je
n
X nk
P (Yn n) = en ,
k!
k=0
med-utim,
! Z0
Yn E(Yn ) 1 x2
P (Yn n) = P p 0 e 2 dx
V ar(Yn ) 2

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
imamo da je vrijeme potrebno da se izvrsi obrada za 100 korisnika. Vrijedi

100
X
E(Y100 ) = E(Xi ) = 300,
i=1
100
X
Var(Y100 ) = Var(Xi ) = 900,
i=1
Y100 E(Y100 ) Y100 300

Y100 = p = ,
Var(Y100 ) 30

180 300 360 300
P (180 < Y100 < 360) = P < Y100 < .
30 30
Dakle,

P (180 < Y100 < 360) = P (4 < Y100 < 2) = (2) (4) 0.9773.
Zadatak 5.23. Dat je niz nezavisnih slucajnih promjenljivih X4 , X5 , . . . , gdje

je
n 0 n
Xn : 2 4 2 , n = 4, 5, . . .
n 1 n n
Da li za niz X4 , X5 , . . . vazi zakon velikih brojeva ?
Rjesenje. Slucajne promjenljive X4 , X5 , . . . , su nezavisne i
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
pa na osnovu teoreme Kolmogorova vazi strogi zakon velikih brojeva.

Zadatak 5.24. Da li za nizslucajnih promjenljivih X1 , X2 , . . . , vazi zakon
velikih brojeva, ako je Xn : E( n), n N?
Rjesenje. Kako je
1 1
E(Xn ) = , Var(Xn ) = 1, n N
n n
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
Rjesenje. Ako niz slucajnih promjenljivih X1 , X2 , . . . konvergira u srednjem

kvadratnom ka slucajnoj promjenljivoj X to znaci da
E(Xn X)2 0, n +,
pa kako je
(E(Xn ) E(X))2 = (E(Xn X))2 E(Xn X)2 ,
dobijamo da
E(Xn ) E(X), n +.
Dalje, zbog Kosi Svarcove nejednakosti imamo
|E(Xn X)X|2 E(Xn X)2 E(X 2 ),
pa
|E(Xn X)X|2 0, n +.
Sada, kako je
E(Xn2 ) = E(Xn X + X)2 = E(Xn X)2 + E(X 2 ) + 2E(Xn X)E(X),
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
lim P (|f (Xn ) f (a)| ) = 0 za svako > 0.

n+
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+
Zadatak 5.27. Slucajne promjenljive Xk , k N, su nezavisne i jednako

raspodijeljene sa E(Xk ) = , Var(Xk ) = 2 , k N. Neka je Yk = Xk +
Xk+1 + Xk+2 , k N. Odrediti

Y1 + + Yn 3n
lim P x .
n+ 3n
Rjesenje. Slucajne promjenljive Yk , k N, su nezavisne sa istom raspodjelom
i vrijedi
E(Yk ) = 3, Var(Yk ) = 3 2 .
Zx
Y1 + + Yn n 1 t2
lim P x = e 2 dt.
n+ 3n 2

Zadatak 5.28. Neka su date nezavisne slucajne promjenljive
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
Pokazati da za svaki > 0

Sn
P E(Y1 ) 0, n +.
n
Rjesenje. Kako je

Sn
P E(Y1 ) = P (|Sn nE(Y1 )| n) ,
n
koristeci nejednakost Cebiseva imamo

Sn Var(Sn )
P E(Y1 ) .
n 2 n2
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
Izracunajmo Var(Y1 ) i cov(Y1 , Y2 ).
E(Y1 ) = P (X1 6= X2 ) = P (X1 = 0, X2 = 1) + P (X1 = 1, X2 = 0)
= 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
Var(Sn ) = 2npq(1 2pq) + 2(n 1)pq(1 4pq)
= 4npq(1 3pq) 2pq(1 4pq),

pa je

Sn 4npq(1 3pq) 2pq(1 4pq)

P
E(Y1 ) 0,
n n2 2
kad n +.
Zadatak 5.29. Neka je Y1 , Y2 , . . . , niz ogranicenih slucajnih promjenljivih.
Dokazati da je
lim P (|Yn | ) = 0, ( > 0)
n+
ako i samo ako je

lim E(|Yn |) = 0.
n+
Rjesenje. Zbog nejednakosti Markova

E(|Yn |)
P (|Yn | ) ,

iz
lim E(|Yn |) = 0
n+
slijedi
lim P (|Yn | ) = 0, ( > 0).
n+
Obrnuto, pretpostavimo da je
lim P (|Yn | ) = 0, ( > 0).

n+
Tada, ako sa An () oznacimo dogad-aj { : |Yn ()| } imamo
E(|Yn |) = E(|Yn | |An ())P (An ()) + E(|Yn | |An ())P (AC
n ()).
Kako je niz Y1 , Y2 , . . . niz ogranicenih slucajnih promjenljivih, to postoji M > 0

tako da je
P (|Yn | M ) = 1, n N,
pa je
E(|Yn |) M P (An ()) + P (AC
n ()) M P (An ()) + ,
kako
P (An ()) = P (|Yn | ) 0, n +,
imamo
lim sup E(|Yn |) .
n+
Dakle,
lim E(|Yn |) = 0.
n+
Zadatak 5.30. Neka je X1 , X2 , . . . , niz nezavisnih slucajnih promjenljivih sa

uniformnom raspodjelom U(0, 1). Dokazati da niz slucajnih promjenljivih
p
Yn = n X1 X2 Xn , n = 1, 2, . . . ,
konvergira skoro sigurno ka e1 kad n +.

Rjesenje. Kako Xi ima uniformnu raspodjelu na (0, 1) imamo
Z1
E(lnXi ) = lnxdx = 1.
0
Slucajne promjenljive lnX1 , lnX2 , . . . , su nezavisne sa istom raspodjelom i matematickim

ocekivanjem -1, pa prema Kolmogorovljevom zakonu velikih brojeva dobijamo
n
1X
lnXk 1, n +
n
k=1
skoro sigurno, to jest

1
ln(X1 X2 Xn ) 1, n +
n
skoro sigurno, pa p
n
X1 X2 Xn e1 , n +
skoro sigurno.
Zadatak 5.31. Brojevi X1 , X2 , . . . , se biraju slucajno i nezavisno jedan od
drugog iz intervala (0, 1).
a) Kolika je vjerovatnoca da je proizvod 100 brojeva izmed-u e80 i e70 ?
103
b) Koliko brojeva treba pomnoziti da bi sa vjerovatnocom 0.95 proizvod bio

manji od e100 ?
Rjesenje.
a) Trazi se vjerovatnoca
100
Y
80
P (e < Xi < e70 ),
i=1
to jest
100
X
P (80 < ln Xi < 70).
i=1
Kako je
E(lnXk ) = 1, Var(lnXk ) = 1, k = 1, . . . , 100,
P
100
lnXk + 100
80 + 100 70 + 100
P 100 <
k=1
< = (3) (2).
100 100
Dakle, trazena vjerovatnoca je priblizno 0.0215.

b) Potrebno je odrediti n takvo da je
n !
Y
100
P Xi < e = 0.95,
i=1
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.
6
Matematicka statistika
Zadatak 6.1. Obiljezje X ima raspodjelu odred-enu gustinom

c +1
, x>c
f (x) = c x

0, xc
gdje je > 0. Na osnovu uzorka obima n ocijeniti parametar . Ispitati centri-

ranost tako dobijene ocjene.
Rjesenje. Funkcija vjerodostojnosti je
Yn n Yn +1
c
L(x1 , x2 , . . . , xn ; ) = f (xi ) = ,
i=1
c i=1
xi
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
Na osnovu toga zakljucujemo da je

n

b= P
n .
ln xci
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
pa ocjena b nije centrirana.

Zadatak 6.2. Vjerovatnoca da proizvod bude neispravan je p. Proizvodi se
prave sve dok se prvi put ne pojavi neispravan proizvod. Na osnovu uzorka
obima n, metodom maksimalne vjerodostojnosti ocijeniti nepoznatu vjerovatnocu.
Na osnovu uzorka
xk 5 6 7 8 9 10
mk 10 12 11 9 7 6
izracunati ocjenu za p.
Rjesenje. Funkcija vjerodostojnosti je
n
Y n P
n
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
Na osnovu uzorka dobija se

55
pb = .
392
Zadatak 6.3. Obiljezje X ima normalnu N (m, 2 ) raspodjelu. Dat je uzo-
rak
Ii (1, 3) (3, 5) (5, 7) (7, 9) (9, 11)
mi 14 20 30 24 12
107
a) Odrediti 95% interval povjerenja za matematicko ocekivanje m.

b) Odrediti 95% dvostrani interval povjerenja za nepoznatu varijansu 2 .
Rjesenje.
a) Aritmeticka sredina uzorka je
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
vrijednosti za tn1, nalazimo iz tablica za Studentovu raspodjelu.
n = 100, = 0.95, t99,0.95 = 1.96,
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).
Zadatak 6.4. Obiljezje X ima raspodjelu datu funkcijom gustine

2 2 x
a2 e ,x > 0
a
f (x) =
0 , x 0.
Na osnovu uzorka obima n, metodom maksimalne vjerodostojnosti ocijeniti

parametar a. Da li je tako dobijena ocjena centrirana ?
Rjesenje. Za funkciju vjerodostojnosti vrijedi
P
n
2n a2 k=1 xk
L(x1 , x2 , . . . , xn , a) = e , xk 0, k = 1, . . . , n,
(a2 )n
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,
gdje je > 0. Na osnovu uzorka obima n ocijeniti parametar . Ispitati centri-

ranost tako dobijene ocjene.
Rjesenje. Ako stavimo c = 1 i = zadatak se svodi na 6.1. Dakle,
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
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
Problem se svodi na odred-ivanje maksimuma funkcije

n
n 1 X
l(, 2 ) = ln 2 2 (xi )2 , R, 2 > 0.
2 2 i=1
Nalazenjem parcijalnih izvoda dobijamo

n
l 1 X
= 2 (xi ) = 0,
i=1
n
l n 1 X
= 2 + (xi )2 = 0.
2 2 2( 2 )2 i=1
Rjesenja ovog sistema jednacina su
2
n n n
1X 1 X
xi 1 X
= xi , 2 = xj .
n i=1 n i=1 n j=1
Funkcija l dostize maksimum u navedenim vrijednostima za i 2 . Primjetimo

da funkcija l ne moze imati minimum. Dakle, ocjene maksimalne vjerodosto-
jnosti na osnovu uzorka (X1 , . . . , Xn ) su
n n
1X c2 = 1
X

b= Xi , b)2 .
(Xi
n i=1 n i=1
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
Zadatak 6.13. Neka su X1 , . . . Xn , nezavisne slucajne promjenljive. Dokazati

da je statistika
n
2 1 X
s (a) = (Xk b)2
n+a
k=1
centrirana samo ako je a = 1.
Rjesenje. Transformisimo izraz
n
2 1 X
s (a) = b)2
(Xk
n+a
k=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
intervala povjerenja je 0.632.

Zadatak 6.15. Neka Sn ima binomnu raspodjelu sa nepoznatim parametrom
p. Pokazati da za nule x1 i x2 , (x1 < x2 ) kvadratnog polinoma
p(x) = (n2 + c2 n)x2 (c2 n + 2nSn )x + Sn2
vrijedi
P (x1 p x2 ) 2(c) 1.
Na osnovu toga odrediti 95% interval povjerenja za nepoznati parametar p ako
je n = 1000 i Sn = 540.
Rjesenje. Na osnovu Muavr-Laplasove teoreme imamo
!
S np
n
P p c 2(c) 1.
np(1 p)
113
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)
Iz uslova 2(c) 1 = 0.95 dobijamo c = 1.96. Kako je n = 1000 i Sn = 540

imamo
p(x) = 1003841, 6x2 1083841, 6x + 291600
odakle slijedi x1 = 0.509, x2 = 0.570. Dakle, u konkretnom slucaju dobijamo
da je 95% interval povjerenja [0.509, 0.570].
Zadatak 6.16. Neka su X1 , . . . , X100 nezavisne slucajne promjenljive sa is-
tom eksponencijanom raspodjelom E(), gdje je > 0 nepoznato. Koristeci se
centralnom granicnom teoremom, odrediti 90% interval povjerenja za ako je
P
100
Xk = 120.
k=1
Rjesenje. Kako je
1 1
E(X) = , Var(X) = 2 ,

slucajna promjenljiva
1

b
1

n
ima priblizno N (0, 1) raspodjelu. Za trazeni interval se dobije [0.69, 0.97].

Zadatak 6.17. Naci pravu liniju koja najbolje opisuje zavisnost izmed-u x i y
na osnovu uzorka
x 1 1 2 4
y 7 8 6 3
Rjesenje. Ocjene parametara regresione prave su date sa
Sxy b
b
a= , b = yb
ax,
Sx2
gdje je X X
Sx2 = (xk x)2 , Sxy = (xk x)(yk y).
Dobija se y = 1.5x + 9.
Zadatak 6.18. Iz 1536 serija od po 7 bacanja novcica dobijeni su sljedeci
rezultati
Broj pisama 0 1 2 3 4 5 6 7
Broj serija 12 78 270 456 386 252 69 3
Primjenom 2 kvadrat testa, testirati hipotezu da je vjerovatnoca pada pisma

1
2 . Test formulisati u obliku testa o raspodjeli, sa nivoom znacajnosti 0.05.
Rjesenje. Testira se da li podaci dobijeni u eksperimentu imaju B(7, 12 ) raspod-
jelu. 2 = 16.96, a kriticna vrijednost ( k = 81 = 7 stepeni slobode ) je 14.067,
pa odbacujemo hipotezu.
Zadatak 6.19. Kocka je bacena 120 puta i dobijeni su sljedeci podaci

1 2 3 4 5 6
.
15 17 14 23 25 26
Primjenom 2 -testa sa nivoom znacajnosti 0.05 testirati hipotezu o ispravnosti

kocke.
Rjesenje. Vrijedi
1
pi = , i = 1, . . . , 6, n = 120, = 0.05, r = 6,
6
(15 20)2 (17 20)2 (14 20)2 (23 20)2
25 = + + + +
20 20 20 20
(25 20)2 (26 20)2
+ + = 6.
20 20
Kako je
25;0.05 = 1.145 < 6,
hipoteza o ispravnosti kocke se odbacuje pri datom pragu znacajnosti = 0.05.
Zadatak 6.20. U periodu od 60 dana posmatran je broj pacijenata u jednoj
ambulanti i dobijeni su sljedeci podaci
pacijenti 0 1 2 3 4 5 6
broj dana 13 23 17 10 4 2 1
Koristeci 2 test ispitati saglasnost dobijenih podataka sa Puasonovom raspod-

jelom pri nivoou znacajnosti = 0.05.
Rjesenje.
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,
1.9832 1.983 1.9833 1.983

P (X = 2) = e = 0.268, P (X = 3) = e = 0.177,
2 6
1.9834 1.983 1.9835 1.983
P (X = 4) = e = 0.087, P (X = 5) = e = 0.034,
24 120
P (X = 6) = 1 (0.137 + 0.271 + 0.268 + 0.177 + 0.087 + 0.034) = 0.026.
115
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
Odavde dobijamo m = 38.

Zadatak 6.23. Gustina raspodjele slucajne promjenljive X je
1 |xa|
f (x, a) = e , x R, a R,
2
gdje je a nepoznati parametar. Iz populacije je izvucen uzorak obima 2.
a) Metodom maksimalne vjerodostojnosti ocijeniti parametar a. Da li je dobi-
jena ocjena jedinstvena ?
b) Da li je ocjena Y = X1 +X
2
2
centrirana za a ?
Rjesenje.
a) Imamo da je
1
L(x1 , x2 ; a) = e|x1 a||x2 a| .
4
Funkcija L dostize maksimum za one a za koje funkcija
g(a) = |x1 a| + |x2 a|, a R
dostize minimum. Kako je

x1 + x2 2a , a x1
g(a) = x2 x1 , x1 < a x2

2a x1 x2 , x2 < a
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
vrijeme 0-1 1-2 2-3 3-4 4-5

broj satova 9 8 7 11 10
vrijeme 5-6 6-7 7-8 8-9 9-10 10-11 11-12

broj satova 12 11 8 9 13 10 9
Da li ovaj uzorak protivrijeci hipotezi, sa = 0.01 ?
Rjesenje. Neka je I1 = (, 1], I2 = (1, 2], . . . , I12 = (11, +). Imamo da je
1
n = 120, pi = 12 , i = 1, . . . , 12, tako da je
12
X (mi npi )2 35
= < 211, 0.01 ,
i=1
npi 12
117
pa hipotezu nemamo razloga odbaciti.

Zadatak 6.25. Koristeci 2 test sa pragom znacajnosti = 0.05 provjeriti da
li su podaci
xi 0 1 2 3 4
mi 7 12 13 8 10
saglasni sa hipotezom da se radi o uzorku iz populacije sa raspodjelom

0 1 2 3 5
X: a 3a a a 2517a
10 8 4 5 40
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.
7
Dodaci
7.1 Pregled vaznijih raspodjela

Bernoullijeva
P (X = 1) = p, P (X = 0) = 1 p.
E(X) = p, Var(X) = p(1 p), h(t) = 1 p + peit .
Binomna B(n, p)

n
P (X = k) = pk (1 p)nk , k = 0, . . . , n.
k
E(X) = np, Var(X) = np(1 p), h(t) = (1 p + peit )n .

Geometrijska
P (X = k) = p(1 p)k1 , k = 1, 2, . . .
1 1p peit
E(X) = , Var(X) = 2
, h(t) = .
p p 1 (1 p)eit
Hipregeometrijska

m nm
k rk
P (X = k) = , k = 0, . . . , r, r m < n.
n
r
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
7.2 Statisticke tablice

122 7. DODACI
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
Kvantili u hi kvadrat raspodjele 2 (n)
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
Kvantili u raspodjele t(n)
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
[1] Asic, M. i saradnici, Ispitni zadaci iz teorije verovatnoce i matematicke statis-

tike, Beograd 1970.
[2] Glisic, Z., Perunicic, P., Zbirka resenih zadataka iz verovatnoce i
matematicke statistike, Beograd 1982.
[3] Ivkovic, Z., Teorija verovatnoca sa matematickom statistikom, Beograd
1980.
[4] Mladenovic, P., Elementaran uvod u vjerovatnocu i statistiku, Beograd 1990.
[5] Merkle, M., Vasic, P., Verovatnoca i statistika, Beograd 1998.

[6] Lozanov-Crvenkovic, Z., Rajter, D., Zbirka resenih zadataka iz verovatnoce
i statistike, Novi sad 1999.
[7] Elezovic, N., Teorija vjerojatnosti, Zagreb 1995.
125

Verovatnoća

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Verovatnoća

Uploaded by

Copyright:

Available Formats

VJEROVATNOCA I STATISTIKA

ZBIRKA RIJESENIH ZADATAKA

M. JOVANOVIC M. MERKLE Z. MITROVIC

Elektrotehnicki fakultet Banja Luka

3 Numer. karakteristike sluc. promjenljivih 45

6 Matematicka statistika 105

Zbirka je pisana po programu predmeta Verovatnoca i statistika koji se

Zadatak 1.1. Cetiri kartice su numerisane brojevima 1, 2, 3, 4. Slucajno se

= {1, 2, 3, 4}, A = {2, 4}, B = {1, 2}, C = {2, 3}.

P (A B) = P (A) + P (B) P (A B) i P (AC ) = 1 P (A).

P (AC B C ) = P ((A B)C ) = 1 P (A B).

P (AC B C ) = 1 P (A) P (B) + P (A)P (B)

P (B) = P ( B) = P ((A AC ) B).

P (B) = P (A B) + P (AC B).

Ako su A i B nezavisni slijedi

P (B) = P (A)P (B) + P (AC B),

P (A B) = P (A) + P (B) P (A B) i P (AC ) = 1 P (A),

vjerovatnocu da bude pobjednik.

b) U povoljnim slucajevima crne karte su na mjestima 1, 2, 3, 4 ili 2, 3, 4, 5 ili

Dio EF je zatvoren ako su oba prekidaca zatvorena. Vjerovatnoca tog dogad-aja

Dalje, vrijedi N M n m (inace bi med-u izabranim proizvodima bilo vise

b) Trazena vjerovatnoca je zbir vjerovatnoca dogad-aja: med-u izabranim proizvodima

Zadatak 1.9. U kutiji se nalazi n crvenih i n bijelih kuglica. Iz kutije se na

Zadatak 1.10. Iz skupa

= {(x1 , . . . , x10 ) : x1 + + x10 = 20, xi N {0}, i = 1, . . . , 10}

na slucajan nacin se bira jedan elemenat (x1 , x2 , . . . , x10 ). Odrediti vjerovatnocu

u nenegativnim cijelim brojevima.

Broj svih elemenata iz za koje je x1 3 i x10 5 je broj rjesenja jednacine

a) Naci vjerovatnocu da se med-u kuglicama nalazi tacno j (j k) bijelih.

Zadatak 1.12. Dvije kutije sadrze po 10 kuglica. Iz kutija izvlacimo na

Zadatak 1.15. N lica izmjesaju svoje sesire i nasumice stavljaju na glavu po

rasporediti N 1 sesira na svoje glave na (N 1)! nacina. Prema tome je

Ak u k tom bacanju je pala sestica, k N

Zadatak 1.21. U svakoj od n kutija se nalazi po a bijelih i b crnih kuglica. Na

U nazivniku je vrijednost P (A) (formula potpune vjerovatnoce).

P (D) = P (HA )P (D|HA ) + P (HB )P (D|HB ) + P (HC )P (D|HC ),

Ako je ured-aj ispitivan u intervalu vremena t i otkazao je, naci vjerovatnocu da

P (B) = P (B|H10 )P (H10 ) + P (B|H20 )P (H20 ),

gdje je H10 = H1 |A, H20 = H2 |A.

Neka je m(A) mjera oblasti A, to jest u ovom slucaju povrsina. Trazena

m(A) 18002 17942

Naci vjerovatnocu da se u trouglu M N P nalaze bar n 2 tacke.

f (xmax ) > 0, f (xmin ) < 0,

Izbor tacaka A, B i C jednoznacno odred-uje brojeve x, y za koje vazi

0 < x, 0 < y, x + y < 2R.

Trougao ABC je ostrougli ako je

pa na slican nacin dobijamo

Zadatak 1.34. Na duzi duzine a na slucajan nacin se biraju dvije tacke.

Prema tome za mozemo uzeti,

= {(x, y) | x > 0, y > 0, x + y < a}.

Neka je D dogad-aj cija se vjerovatnoca trazi,

D = {(x, y) |0 < x < b, 0 < y < b, a b < x + y < a}.

Sada razlikujemo dva slucaja

m(D) (3b a)2

m(D) 6ab 2a2 3b2

Zadatak 2.1. Neka je X slucajna promjenljiva i

P (X 2 9X + 20 0) = P ((X 4)(X 5) 0) = P (X [3, 4] [5, 6]).

Zadatak 2.4. Neka X ima N (0, 2 ) raspodjelu. Odrediti vrijednost tako da

Vjerovatnoca je najveca za onu vrijednost za koju vrijedi

Dalje, imamo da za gustinu raspodjele slucajne promjenljive Y vrijedi

gdje je fX (x) gustina raspodjele slucajne promjenljive X. Kako je

Tada slucajna promjenljiva Y = (X) nije neprekidnog tipa. Naime njena

Zadatak 2.7. Slucajna promjenljiva X ima funkciju raspodjele vjerovatnoca

P (Y < y) = P (F (X) < y) = 0, y < 0,