You are on page 1of 9

Katedra za

matematiku, UNIVERZITET U SARAJEVU
programiranje, GRAĐEVINSKI FAKULTET SARAJEVO
nacrtnu geometriju i
fiziku

---------------------------------------------------------------------------------------------------------------------------------
Sarajevo, 26. 11. 2010.

Ispitna pitanja za prvi parc. ispit iz teor. osnova predmeta «VJEROVATNOĆA I
STATISTIKA»
Akademska godina 2010/2011
Predmetni nastavnik/nositelj: Van. Prof. Dr. sci. Huse Fatkić
E – mail: hfatkic@etf.unsa.ba

1. Šta je teorija vjerovatnoće (teorija vjerojatnosti)? Pojam, predmet, počeci i značaj teorije
vjerovatnoće.
2. Za koji skup kažemo da je konačan, a za koji da je beskonačan? Definirajte pojmove
konačnog niza, prebrojivog , diskretnog i neprebrojivog skupa. Navedite i odgovarajuće
primjere.
3. Faktorijelne funkcije (jednostruki i dvostruki faktorijel i njihove veze).
4. Binomni koeficijenti (definicija, osnovna svojstva, računanje, Pascalov trougao). Funkcija
⎛a⎞
(a, k ) a ⎜ ⎟ , (a ∈R, k ∈N 0 ) .
⎝k ⎠
5. Newtonova binomna formula (formulacija i izvođenje).
6. Trinomna formula (njena formulacija i računanje trinomnih koeficijenata). Polinomna
formula i polinomni /multinomni koeficijenti.
7. Varijacije (bez ponavljanja) – definicija i formule (formulacija i izvođenje).
8. Permutacije (bez ponavljanja) – definicija i formula (formulacija i izvođenje).
9. Kombinacije (bez ponavljanja) – definicija i formula (formulacija i izvođenje).
10. Definirajte pojam varijacija sa ponavljanjima klase k skupa S od n elemenata, a zatim
izvedite formulu za izračunavanje ukupnog broja takvih varijacija i napišite sve varijacije
sa ponavljanjima klase 3 skupa S od od četiri elementa : a, b, c, d.
11. Permutacije sa ponavljanjima – definicija i formule (formulacija i izvođenje).
12. Pojam multiskupa. Definirajte pojam multiskupa, a zatim navedite i odgovarajući netrivijalni
primjer dvaju (međusobno) jednakih beskonačnih multiskupova.
13. Kombinacije sa ponavljanjima – definicija i formula (formulacija i izvođenje).
14. Formula uključivanja – isključivanja (formula inkluzije-ekskluzije) - formulacija i dokaz.

15. Definirajte (strogo/precizno ili intuitivno) ili objasnite sljedeće pojmove: slučajan
eksperiment, slučajan događaj, siguran /pouzdan događaj, nemoguć događaj i prostor
elementarnih događaja (prostor uzoraka).
16. Objasnitie pojmove vjerovatnoće a priori i vjerovatnoće a posteriori.
17. Kako glasi klasična matematička (teoretska, Laplaceova) definicija pojma vjerovatnoće?

1

poligon i histogram. c) proizvoljnom (opštem. ne nužno diskretnom) prostoru vjerovatnoće . Definirajte pojmove nezavisnosti i zavisnosti događaja. varijansa/disperzija i standardna devijacija za slučajne veličine na: a) konačnom prostoru vjerovatnoće . a zatim ilustrovati njenu primjenu. a njihov 2 proizvod nije veći od ? 9 (Rezultat. 2 . Formulišite osnovne teoreme klasične teorije vjerovatnoće i dvije od njih dokažite. 29. 28. razdioba. 26. normalna/Gaussova. kumulativne) funkcije distribucije (funkcije raspodjele) i pojam funkcije gusoće/gustine (vjerovatnoće) slučajne veličine na opštem prostoru vjerovatnoće. 23.) 25. slučajna promjenljiva. 19. 27. 24. binomna. slučajna veličina mješovitog tipa. Izvedite formulu totalne (potpune. Što je slučajna veličina (slučajna promjenljiva veličina. konačna) slučajna veličina. funkcija vjerovatnoće/zakon vjerovatnoće slučajne veličine. Što je to Bernoullijev pokus. 21. Formulišite multiplikativnu teoremu u slučaju kad su događaji nezavisni. grafik. …).49 (= 49 %). raspored) vjerovatnoće slučajne veličine. Kako glase osnovne teoreme. Kako glasi klasična statistička (empirijska) definicija pojma vjerovatnoće? Objasnite njene osnovne nedostatke . b) diskretnom prostoru vjerovatnoće. a zatim formulišite multiplikativnu teoremu u slučaju kad su događaji zavisni. Razmotriti primjer: Kolika je vjerovatnoća da suma dvaju pozitivnih slučajno uzetih brojeva tako da svaki od njih ne bude veći od 1. Geometrijska definicija vjerovatnoće. Navedite po jedan primjer diskretne i kontinualne slučajne veličine. pune) vjerovatnoće. 487. Definirajte/objasnite pojmove konačnog i diskretnog prostora vjerovatnoće. formula potpune vjerovatnoće i Bayesova formula opšte teorije vjerovatnoće (objasnite koje su razlike u odnosu na odgovarajuće teoreme klasične teorije vjerovatnoće). Bernoullijeva shema? Objasnite karakteristike binomne distribucije. Objasnite njene nedostatke. 2 2 3 3 1 1 2 1 1 2 2 /3 = 1 + 2 ln 2 ≈ 0. 22. 30. Poissonova. slučajna varijabla)? – Formulišite intuitivnu (opisnu) definiciju i preciznu (strogu. Klasificirajte slučajne veličine. odnosno definirajte pojmove : diskretna (specijalno. a zatim navedite primjere slučajnih veličina. 31. 18. 33. Aksiomatska (opšta) definicija pojma vjerovatnoće. Definirajte pojam uslovne (relativne) vjerovatnoće. a zatim formulišite (i po jedno od njih dokažite) osnovna svojstva tih funkcija. 32. formalnu) definiciju pojma slučajne veličine. Definirajte /objasnite neke važne klase diskretnih i neprekidnih slučajnih veličina/distribucija – specijalne (teoretske) distribucije (Bernoullijeva. nije veća od 1. Definirajte/objasnite pojam (teoretske. 20. matematička nada). Navedite odgovarajuće primjere. Modeli distribucije vjerovatnoće : definicija i vrste. očekivanje (matematičko očekivanje. Izvedite Bayesovu formulu (Bayesovo pravilo). Definirajte/objasnite sljedeće pojmove: distribucija (raspodjela. P= 3 + ∫ ydx = 3 + 9 ∫ x dx= 3 + 9 ln x |1/3 3 9 1 1 3 3 P 0. neprekidna (kontinualna) slučajna veličina.

U paketu imamo 10 karata koje na licu imaju oznake 1. dakle prva cifra je 0. Kako glasi 15-ta permutacija od osnovne 0000111? ( Rješenje: Očito vrijedi: 6! 5! 14 : = 14:20 . dok su dvije ostale karte? Kako se mijenja broj načina ukoliko se nakon svakog izvlačenja izvučena karta vraća u paket. varijansa/disperzija i standardna devijacija.. tri karte imaju na sebi oznake 3. raspored). Definirajte/objasnite sljedeće pojmove za slučajne veličine na konačnom. nije djeljivo. D o d a t a k : Neki primjeri ispitnih zadataka Zadatak 1. Kako se zove njen grafički prikaz? 36 Definirajte Hi –kvadrat distribuciju. Koja su osnovna svojstva očekivanja i varijanse slučajnih veličina? Napišite formule za izračunavanje očekivanja i varijanse neprekidnih slučajnih veličina. zajednička funkcija distribucije i kovarijnsa dviju ili više slučajnih veličina (dvodimenzionalne i.dimenzionalne slučajne veličine/slučajnog vektora). Definirajte/objasnite sljedeće pojmove za slučajne veličine na proizvoljnom (opštem) prostoru vjerovatnoće: distribucija (raspodjela. 4 : = 4:3 =1(1) .na proizvoljnom (ne nužno diskretnom) prostoru vjerovatnoće: zajednička funkcija gustoće (vjerovatnoće). Koje su osnovne karakteristike Poissonove distibucije? 35 Koje su osnovne karakteristike normalne (Gaussove) distribucije)? Standardizirana normalna distribucija. 2. 3 . 1:2!. dakle preskočiti nulu i sljedeća cifra je 1. matematička nada). Na koliko načina se može iz paketa izvući 6 karata od kojih je jedna as. 4 ili 5. 37. 10. dakle 2!2! 2! izostaviti nulu i sljedeća cifra je 1. nije djeljivo. Koliko bi se kolona na tiketu sportske prognoze od 12 parova trebalo ispuniti da bi se sigurno pogodio rezultat (obezbijedilo 12 tačnih pogodaka)? Koliko ako se ˝zna˝ rezultat 5 susreta? Zadatak 2.) Zadatak 5. dakle izostaviti nulu i 3!3! 2!3! 4! 3! sljedeća cifra je 1. 4 : = 4:6 . razdioba.34.općenito. Koliko elemenata ima partitivni skup skupa od n elemenata? 3 . tražena 5-ta permutacija glasi 0101010. 1 :1 = 1 (0) . n . nije djeljivo. dakle naredna cifra je 0. 39. dakle naredna cifra je 0. Prema tome.. općenito. 14 : = 14:10 =1(4) . osnovne numeričke karakterisike/parametri distribucija :očekivanje (matematičko očekivanje. Šta nazivamo zavisnom. a šta nezavisnom slučajnom varijablom? 38. 40. Na koliko načina se mogu dobiti dvije četvrtice i tri broja različita od 4 prilikom pet uzastopnih bacanja igraće kocke? Zadatak 3. Studentovu distribuciju (t –distribuciju) i Fisherovu distribuciju (F – distribuciju). tako da se svako izvlačenje uvijek vrši iz kompletnog paketa? Zadatak 4.

1. od kojih su svi prosječno spremni. 4 .. svih traženih preslikavanja (funkcija) iz X u Y ima ukupno n m . j. to je broj svih uređenih m-torki ( f ( x1 ).. Kako je f ( xi ) ∈Y (∀ i∈{1. ⎛n⎞ (Rješenje: Skup od n elemenata ima ⎜ ⎟ podskupova od k elemenata. xm } i card (Y ) = n (tj. j. onda je P ( D ) = = = .. 4.. . x2 . Kolika je vjerovatnoća da je broj koji se pojavi na svakoj od tri kocke . Na jedan ispit je izašlo osam studenata. Izračunajte vjerovatnoću da su sve cifre takvog telefonskog broja međusobno različite.. Odredite kolika je vjerovatnoća da će u skupini od naredna tri rada za pregledanje biti jedan dobar i dva loša rada. Neka su bačene tri kocke. Otuda skup E ima 3 3 = 27 elemenata. 5. Nakon pregledanja polovine radova. od kojih su prve tri crne.. b) Nađite vjerovatnoće događaja u a). 2. ( Rješenje: Broj svih telefonskih šestocifrenih brojeva iznosi n = 106 kao ukupan broj svih varijacija klase k = 6 od 10 elemenata: 0. Zadatak 9. a) Opišite prostor uzoraka eksperimenta i prikazati događaje B1. ) k (Ω) 6 ⎝2⎠ 8 Zadatak 8.. n}) . ) n 4 !106 Zadatak 10. ispostavilo se da su u pregledanoj polovini tri studenta položila a jedan student pao. tako da za svakog od njih možemo smatrati da je jednako vjerovatno da će položiti odnosno da neće položiti. c) Ponovite a) i b) za slučaj izvlačenja loptica bez ponovnog vraćanja u kutiju izvučenih loptica. 4. f ( x2 ).. f ( xm ) ) jednak ukupnom broju svih varijacija klase m skupa od n elemenat. k svi neparni. Telefonski broj sastoji se iz šest cifara. f ( xm ) ) . a posljednje dvije crvene.. k) prirodnih brojeva između 1 i 6. Ako su X i Y konačni skupovi. Otuda skup Ω ima 6 3 = 216 elemenata.. 9 s ponavljanjem. Ako sa D označimo posmatrani događaj.. j. pa je 3 k ( E ) 33 ⎛ 1 ⎞⎟ 1 P (E ) = ⎜ = 3 = ⎜⎜ ⎟⎟ = = 12. B2 i B1* B2. 3. j. Funkcija f : X → Y je određena m-torkom ( f ( x1 ).) n n k= 0⎝ ⎠ k Zadatak 6. f ( x2 ). k { 1. 7.) Zadatak 7. 2. a B2 događaj koji odgovara činjenici da je druga izvučena loptica crne boje. 3. U kutiji se nalazi 5 loptica označenih brojevima od 1 do 5.. Vrši se izvlačenje uzorka od dvije loptice s ponovnim vraćanjem u kutiju izvučenih loptica. sastoji se od svih trojki (i.. Neka je B1 događaj koji odgovara činjenici da je prva izvučena loptica crne boje. da broj koji se pojavi na svakoj od tri kocke bude neparan. koliko ima svih preslikavanja(funkcija) iz X u Y ? ( Rješenje: Neka je X = { x1 . 8. . neka je Y skup od n elemenata). 5%. takvih da su i. a sa P(D) njegovu m 10 ! vjerovatnoću. 5. .neparan broj ? ( Rješenje: Za prostor uzoraka Ω u ovom pokusu se može uzeti skup svih uređenih trojki (i. 6. k) prirodnih brojeva i. Zato je ukupan broj ⎝k⎠ podskupova jednak broju ∑ ⎛⎜ ⎞⎟ = (1+ 1) n = 2n . . Događaj E. a broj svih 10 ! telefonskih šestocifrenih brojeva s različitim ciframa iznosi m = (broj svih varijacija 6-te klase 4! od 10 elemenata bez ponavljanja). 2. tj.. 6}..

Ako se u jednom pakovanju od 5o proizvoda slučajno odabere 5 proizvoda sukcesivno i bez vraćanja i oni su ispravni.. februara prestupne godine (odnosno ne uzmimo u obzir studente rođene 29. ) Koristeći se logaritamskim tablicama ili džepnim računarima.. lako se provjeri da u ovom problemu imamo da je P (E 22 ) ≈ 0. ⋅ (365 . iz stroja T2 3% i iz stroja T3 4% neispravnih proizvoda. 30 ⋅ 0. .. 02 + 0. 60 ⋅ 0. .507.. Prema tome. . . a broj povoljnih rasporeda da bar dva studenta imaju rođendan istog dana iznosi 365r − 365 ⋅ 364 ⋅ . r} i ima 365 r elemenata. ⋅ (365 − r + 1)/ 365r . Zadatak 12.3) proizvode respektivno 60%. 30% i 10% od ukupne količine proizvoda neke tvornice. .. . P (E 23 ) ≈ 0. Kolika je vjerovatnoća da će pakovanje biti prihvaćeno ako se u njemu nalazi 20 % neispravnih proizvoda? ( Rješenje: Prema multiplikacionom teoremu slijedi da je P ( A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 ) = P ( A1 ) ⋅ P ( A2 | A1 ) ⋅ P( A3 | A1∩ A2 ) 40 39 38 37 36 ⋅ P( A4 | A1 ∩ A2 ∩ A3 )⋅ P( A5 | A1 ∩ A2 ∩ A3 ∩ A4 ) = ⋅ ⋅ ⋅ = 31%. a sa P (T 3 | D ) označimo vjerovatnoću (uslovnu vjerovatnoću) da je odabrani proizvod defektan a proizveden na stroju T3.r + 1). ( Rješenje: Odgovarajući prostor uzoraka posmatranog ogleda je : S : ={ (x1. . pa je tražena vjerovatnoća P ( E r ) data formulom P ( E r ) = 1 − 3 65 ⋅ 364 ⋅. 365} za i = 1. a zatim izračunati vjerovatnoće P ( E 22 ) i P ( E 23 ) i komentirati dobijene rezultate..) 50 49 48 47 46 Zadatak 13. Iz stroja T1 izlazi 2 % . Tada prema Bayesovom teoremu slijedi da je P (T 3 ) ⋅ P ( D | T 3 ) P (T 3 | D ) = P (T 1 ) ⋅ P ( D | T 1 ) + P (T 2 ) ⋅ P ( D | T 2 ) + P (T 3 ) ⋅ P ( D | T 3 ) 0. 0. bez podataka o godini rođenja. 04 4 = = < 50 % .. Tri stroja Ti (i = 1.. Odrediti odgovarajući prostor uzoraka u ovom slučaju i izvesti formulu za vjerovatnoću P ( E r ) događaja E r da bar dva studenta od r odabranih studenata imaju rođendan istog dana. Pretpostavimo da svaki od 365 r rasporeda rođendana studenata po datumima ima vjerovatnoću 1 / 365r . Kolika je vjerovatnoća da je slučajno odabrani proizvod defektan a proizveden strojem T3 ? ( Rješenje: Označimo sa D događaj da je odabiranjem dobiven defektan proizvod. nego da takva dva studenta ne postoje. Broj rasporeda studenata po različitim datumima je 365 ⋅ 364 ⋅ . onda se prihvata čitavo pakovanje. 04 25 pa posmatrani događaj nije vjerovatan. ako na posmatranom fakultetu ima više od 22 studenta . (Problem rođendana): Odaberimo r studenata na nekom fakultetu i zabilježimo njihove dane rođenja.r + 1)..2. Označimo dane u godini brojevima 1. 365. x2 . 2. 03 + 0.) 5 .. onda je veća vjerovatnoća da postoje dva studenta sa istim rođendanom. 467 . 10 ⋅ 0.. Prilikom kupovine vrši se kontrola proizvoda.. 2. 2. 10 ⋅ 0. februara prestupne godine).. Zadatak 11. Neka nijedan od tih studenata nije rođen 29. . xr) : x i ∈ { 1. ⋅ (365 ..

x ≤ − 2. varijansu i vjerovatnoću P (1 < X ≤ 2) za zadanu slučajnu varijablu X. ⎪⎪ x FX ( x ) : = ⎨ a + b arc sin . pri čemu je poznato da vjerovatnoće pogotka mete za prvog i drugog strijelca iznose 70% i 80% respektivno. U skupini od 100 mikroprocesora 10 mikroprocesora je neispravno. c) barem jedan mikroprocesor biti neispravan. 6 . funkciju distribucije F. Zadatak 20. modus. inače. te skicirajte grafike funkcija f X i FX . Zadatak 21. varijansu. a zatim izračunajte matematičko očekivanje (sredinu E ( X ) ). a zatim geometrijski interpretirajte dobijene vrijednosti traženih numeričkih parametara zadane slučajne veličine X . od kojih su 3 karte sa slikom i 2 asa? Zadatak 17. Neko nasumice izabere 5 mikroprocesora iz te skupine. Odredite kolika je vjerovatnoća da u 5 uzastopnih bacanja savršeno pravične igraće kocke tačno 2 puta padne paran broj i tačno 2 puta padne broj veći od 3. Dva strijelca gađaju metu. Pri tome skicirajte grafike funkcije gustoće i funkcije distribucije. inače. Funkcija distribucije neke slučajne promjenljive X zadana je formulom ⎧0.a zatim skicirajte grafike funkcija FX i f X . Odredite vrijednost konstante k. Kolika je vjerovatnoća da je meta pogođena nakon što oba strijelca ispale po jedan hitac? Zadatak 15. Odredite vjerovatnoću da će a) svi izabrani mikroprocesori biti ispravni. koeficijente varijacije. f X ( x) : = ⎨ 10 ⎪⎩ 0. Zadatak 16. − 2 ≤ x ≤ 2. varijansu. f ( x) = ⎨ 2 ⎪⎩0. Funkcija gustoće (zakon vjerovatnoće) slučajne varijable X zadana je formulom ⎧ 1 ⎪ x + 6 B. medijan. Odredite vrijednost konstanti a. b) tačno jedan mikroprocesor biti neispravan. asimetrije i spljoštenosti za zadanu slučajnu varijablu X . Na koliko načina je moguće iz špila od 52 karte izvući 5 karata. Zadatak 18. 0 ≤ x ≤ 4. te analitički oblik funkcije gustoće f X vjerovatnoće. b. d) najviše tri mikroprocesora biti ispravna. modus i medijanu zadane slučajne veličine. Zadatak 19. očekivanje. x ≥ 2. Odredite koeficijent B i analitički oblik funkcije distribucije FX . 0 ≤ x < 8. Odredite vjerovatnoću da će u skupini od 7 nasumično izvučenih karata iz dobro izmiješanog špila od 52 karte dvije karte biti sa slikom i četiri karte crvene boje (herc ili karo). Zadatak 14. ⎪ 2 ⎪⎩ 1. Neka je X kontinualna slučajna veličina sa funkcijom gustoće vjerovatnoće: ⎧k x ⎪ .

a) Odredite koeficijent A i analitički oblik funkcije distribucije FX . b) Izračunajte matematičko očekivanje. 3 < y ≤ 6. ⎪π 2 ⎪⎩ A. ( n ∈ N. modus i medijanu za slučaj b). x > 0. σ > 0) n 2 2σ ⎩ 1) Nađite vrijednost konstante a i (vjerovatnosnu) funkciju distribucije (u a)). a zatim izračunajte matematičko očekivanje. Slučajna veličina X ima zakon (gustoće) vjerovatnoće zadan formulom: ⎧ 0. Funkcija gustoće slučajne varijable X zadana je formulom ⎧⎪ A x e − h 2 x2 .) Zadatak 25. 0 < x ≤ π . Funkcija gustoće slučajne varijable X zadana je formulom ⎧ A cos 2 x. b) Izračunajte matematičko očekivanje i standardnu devijaciju zadane slučajne varijable X. y > 6. y ≤ 3. Zadatak 23. − |x−μ | ⎪ 1 a) f ( x ) = ⎨ x 2 . Zadatak 24. x ≤ 0. Iz ∫ f ( x ) d x = 1 slijedi da je A = 2 h 2 . b) g ( x ) = e σ . | x| >π . 2) Izračunajte varijansu. inače. f X ( x) : = ⎨ ⎩ 0. (LaPlaceova s. varijansu i vjerovatnoću P (1 < X ≤ 2) za zadano X. varijansu i standardnu devijaciju zadane slučajne varijable X. 7 . x > 0. Funkcija gustoće (zakon vjerovatnoće) slučajne varijable X zadana je formulom ⎧ A sin 2 x. a) Odredite koeficijent A i analitički oblik funkcije distribucije FX . v. te skicirajte grafike funkcija f X i FX . Zadatak 22.). c) Skicirajte grafike funkcija f X i FX . pa iz E ( X ) = ∫ xf (x ) d x − ∞ X − ∞ X 2 i V ar ( X ) = E ( X 2 ) − (E ( X )) dobijemo očekivanje E ( X ) i varijansu Var ( X ) . Odredite koeficijent A i analitički oblik funkcije distribucije FX . x ≤ 0. f X ( x) : = ⎨ ⎩0. a zatim skicirajte grafike zadanih funkcija gustoće. − ⎪a x e 2 σ . | x | ≤ π . c) Skicirajte grafike funkcija f X i FX . f X ( x) : = ⎨ ⎪⎩ 0. ⎪ ⎪ FY ( y ) : = ⎨ 3 arc sin y − 3 . + ∞ + ∞ (Uputa. Zadatak 26. Funkcija distribucije slučajne veličine Y zadana je formulom ⎧0.

( x = xi ). b) Izračunajte karakteristike položaja. Y) = .4 0. 5. Zadatak 27. slijedi da je h (1. odredite broj Cov ( X .Y ( x. funkcije f X ( x) = ∑ f X . Primjenom nejednakosti Čebysheva (tj. C (X. ( y = y j ) ) i njihove odgovarajuće funkcije j i distribucije. a y j vrijednosti varijable Y) sljedećom tabelom: X \ Y . y j ).5 0. medijanu. Zadana je zajednička funkcija vjerovatnoće diskretnih slučajnih varijabli X.3 0. ⎪ A. te skicirajte grafike funkcija f X i FX . 6.2 0.3 0.) Zadatak 29. g (−3) = 0. f X .Y ( xi . 1. Y i odredite očekivanje slučajne veličine Z : = 2 X − 5 Y . tj. E(Y) = 0. (Rezultat. Y ):= E [( X −E ( X ))⋅(Y −E (Y )) ] ). −3) ≠ f (1)⋅ g (− 3) . pa su slučajne veličine X i Y zavisne. −3) = 0. . Y = y ) = ⎪⎨ ij ⎪⎪⎩ 0. x ≥1. ekscesa i druge važne karakteristike zadane slučajne veličine Y. h (1. primjenom činjenice: Neka je X slučajna veličina s konačnim očekivanjem i varijansom. Y ). a zatim izračunajte matematičko očekivanje (sredinu E ( X ) ). y ): = P ( X = x. 6 = 1 . Y (odnosno dvodimenzionalnog diskretnog slučajnog vektora/slučajne veličine (X. x = xi . zadana je funkcija ⎧⎪ p . y = y j .5.3 2 4 1 0. asimetrije. ⎪ FX ( x) : = ⎨0. ⎩ Odredite koeficijent A i analitički oblik funkcije vjerovatnoće fX . gdje je h zajednička funkcija vjerovatnoće.1 0.Y ( xi .2. Zatim ispitajte zavisnost zadanih slučajnih veličina X. E (Z ) = 2 E ( X ) − 5 E (Y ) = 2 ⋅ 2 − 5 ⋅ 0.1. 6) za zadanu slučajnu varijablu X. a) Odredite vrijednost konstante A.3 E (X) = 2.5 g(y j ) 0. fY ( y ) = ∑ f X . Y) (tj.1 Odredite analitičke oblike i grafički predstavite marginalne funkcije vjerovatnoće (tj. srednju vrijednost. Zadatak 28. Iz f (1) = 0. 0 ≤ x <1. Marginalne funkcije vjerovatnoće f i g slučajnih veličina X i Y su date sljedećim tabelama: xi 1 3 yj -3 2 4 f (x i ) 0. 4. x < 0.) ε2 riješite sljedeći zadatak: 8 . te izračunajte očekivanja E (X) i E(Y) i kovarijansu C (X. Tada za proizvoljan ε> 0 vrijedi nejednakost Var ( X ) P (| X − X | ≥ ε) ≤ . Funkcija raspodjele slučajne varijable X zadana je formulom ⎧ 0. te modus. inače. gdje su xi vrijednosti slučajne varijable X.1 0.2 3 0. y j ). varijansu i vjerovatnoću P (0 < X ≤ 0. a zatim skicirajte grafike zadane funkcije distribucije i dobijene funkcije gustoće. disperziju i analitički oblik funkcije gustoće za zadanu slučajnu veličinu.

@ ………………… Sarajevo. x x ⎪ (Rješenje: G ( x) = P ( X ≤ x ) = P ( a tg α ≤ x ) = P ( α ≤ arc tg ) = G ( arc tg ) = ⎨ 2 x a a ⎪ arc tg . ---------------------------------- * Za slučajne veličine (statistička obilježja) X. ⎪ ⎪2 π F (α ) = ⎨ α . Kakva se brzina vjetra očekuje na toj visini s vjerovatnoćom koja nije manja od 0. Y kažemo da su nekorelirane ako je Cov ( X .5.) Zadatak 30.………………………. 0 < x.47. α ≤ 0. 0 < α < . (Ovo ne podrazumijeva da će neki od navedenih zadataka obavezno biti zadatak na prvom parcijalnom (redovnom ili popravnom) ispitu ili na integralnom pismenom ispitu ili na završnom ispitu iz ovog predmeta!) . te da iz Cov ( X . Y vrijedi Cov ( X . 2010. Y nezavisne slučajne veličine (statistička obilježja). Osim ovdje navedenih. Y ) = 0 . 9 . te odgovarajuće zadatke u preporučenoj literaturi za predmet «VJEROVATNOĆA I STATISTIKA»! Pri tome se posebno preporučuje da se prerade zadaci 1 . tj. Iz tačke (0. a) ( a > 0) povučen je pravac pod uglom α prema osi y . a standardna devijacija je σ X = 4. 10. iz Zbirke zadataka iz Matematike III autora Stjepana Skoka. ⎪π 2 ⎪ π ⎪⎩ 1. 2 [km/h]. 11.) ⎩π a NAPOMENA. x ≤ 0. kao pripremne zadatke za prvi parcijalni ispit koristiti slične i druge zadatke/primjere u pribilješkama i štampanim materijalima sa predavanja i demonstratorskih vježbi. Y ) = 0 . ako je funkcija distribucije ugla α zadana formulom ⎝ 2⎠ ⎧ ⎪ 0. ⎟ . ⎧ 0.9 ? (Rezultat.8 ≤ X ≤ 39. Srednja vrijednost brzine vjetra na izvjesnoj visini iznosi 25 km/h. Pokazuje se da za nezavisne slučajne veličine (statistička obilježja) X. 2 ≤ α . Odredite vjerovatnosnu funkciju distribucije apscise sjecišta tog pravca s osi x ako ugao α ima uniformni ⎛ π⎞ zakon distribucije u intervalu ⎜ 0. 26. Y ) = 0 ne slijedi da su X..