Professional Documents
Culture Documents
Knjiga Vjerovatnoca
Knjiga Vjerovatnoca
RIJEŠENIM ZADACIMA
𝑛
𝑃([𝑋 = 𝑘]) = ( ) 𝑝𝑘 𝑞 𝑛−𝑘
𝑘
Fikret Čunjalo
Sarajevo, 2016
Recenzenti:
----------------------------------------------
CIP - Katalogizacija u publikaciji
Nacionalna i univerzitetska biblioteka Bosne i Hercegovine, Sarajevo
519.21(075.8)(076.2)
ČUNJALO, Fikret
Uvod u teoriju vjerovatnoće sa riješenim zadacima / Fikret Čunjalo. - Sarajevo :
Prirodno-matematički fakultet, 2016. - III, 205 str. : graf. prikazi ; 25 cm
ISBN 978-9958-592-79-9
COBISS.BH-ID 23068166
-----------------------------------
Sadržaj
Teorija vjerovatnoće nastala je u 𝑋𝑉𝐼𝐼 stoljeću i to u vezi sa hazardnim igrama. Taj nastanak vezuje se
za imena francuskih matematičara Pierre de Fermat-a i Blaise Pascal-a, te holanskog matematičara
Christiaan Huygens-a. Prvu raspravu o vjerovatnoći Huygens je objavio 1657. godine, a u njoj nije bilo
riječi samo o hazardnim igrama, već i o osnovama jedne nove teorije. Huygens izučava pojmove kao
što su matematičko očekivanje i slučajne varijable.
Prvi korak ka teoriji vjerovatnoće, kao matematičkoj disciplini, učinio je Jacob Bernoulli u svom djelu
„Ars Conjectandi“ (Vještina predviđanja), koje je objavljeno 1718. godine. Bernoulli je generalizirao i
produbio pojmove o vjerovatnoći koje je dao Huygens. Razvio je kombinatoriku sa njenim primjenama
na hazardne igre, te je izložio zakon velikih brojeva. Taj zakon kaže da za ∀𝜖 > 0 vrijedi:
𝑘
lim 𝑃 ([| − 𝑝| < 𝜖]) = 1,
𝑛→+∞ 𝑛
Francuski matematičar, Abraham de Moivre, je generalizirao ideje koje je dao Bernoulli. Definisao je i
razradio pojmove nezavisne i uvjetne vjerovatnoće. Dokazao je centralni granični teorem, tj.
𝑥
𝑘 − 𝑛𝑝 1 𝑡2
−
lim 𝑃 ([ < 𝑥]) = ∙ ∫ 𝑒 2 𝑑𝑡 .
𝑛→+∞ √𝑛𝑝𝑞 √2𝜋
−∞
Do istog teorema dolazi i francuski matematičar Pierre-Simon Laplace, pa je teorem poznat kao Moivre-
Laplace-ov teorem.
Simeon Denis Poisson i Carl Friedrich Gauss su značajno unaprijedili vjerovatnoću, naročito kada je riječ
o njenim primjenama. Njihovi najznačajniji doprinosi su Poisson-ov zakon distribucije vjerovatnoće i
Gauss-ova (Normalna) distribucija vjerovatnoće. Ruski matematičari: Pafnuty Lvovich Chebyshev,
Andrey Markov i Aleksandr Lyapunov postigli su krupne rezultate u teoriji vjerovatnoće koji se odnose
na zakone velikih brojeva.
Tek je tokom 𝑋𝑋 stoljeća vjerovatnoća postala matematička disciplina sa svojim jasno definisanim
metodama. U vezi sa tim, jedan od najvažnijih momenata u tom periodu njenog razvoja je njena
aksiomatizacija koju je izvršio sovjetski matematičar Andrey Kolmogorov.
U knjizi je dat veliki broj rješenih zadataka. Svima onima koji mi ukažu na eventualne pogreške bit ću
veoma zahvalan.
Autor
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Slučajni pokus je radnja koja ima najmanje dva ishoda koji se ne mogu predvidjeti iz
uvjeta pokusa. Ishode slučajnog pokusa nazivamo događajima. Događaj je
elementaran ako se ne može razložiti na jednostavnije događaje, a označavamo ih
velikim slovima: 𝐴, 𝐵, 𝐶, itd.
Neka je događaj 𝐴 ishod nekog slučajnog pokusa. Neka pokus ponavljamo 𝑛 puta.
Označimo sa 𝑛𝐴 broj realizacija događaja 𝐴 u 𝑛 izvođenja pokusa. Relativna
frekvencija događaja 𝐴 je omjer 𝑛𝐴 i 𝑛, tj.
𝑛𝐴
𝑟= .
𝑛
Neka je 𝑛𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑘 , ukupan broj pokusa u 𝑖-toj seriji i 𝑛𝐴𝑖 broj realizacija događaja 𝐴
u 𝑖-toj seriji. Svojstvo statističke stabilnosti relativnih frekvencija zahtjeva da su
relativne frekvencije
𝑖
𝑛𝐴
𝑟𝑖 = 𝑛𝑖
, 𝑖 = ̅̅̅̅̅
1, 𝑘
Primjer 1.1.1. Neka je slučajni pokus bacanje igraće kocke na ravnu ploču i neka se
desio događaj
1
𝐴 = {𝑝𝑎𝑜 𝑏𝑟𝑜𝑗 1}.
1
Iz tabele vidimo da se relativna frekvencija grupira oko .
6
b) Neka slučajni pokus ima konačno mnogo ishoda koji su jednako vjerovatni.
Neka je događaj 𝐴 rezultat pokusa. Omjer broja povoljnih ishoda za događaj
𝐴 i broja svih ishoda nazovemo vjerovatnoćom događaja 𝐴 i pišemo 𝑃(𝐴).
Ako je broj svih ishoda 𝑛 i neka je 𝑚 broj povoljnih ishoda za 𝐴 , tada je:
𝑚
𝑃(𝐴) = .
𝑛
Primjer 1.1.2. Neka je slučajni pokus bacanje dvije igraće kocke na ravnu ploču i neka
je događaj 𝐴 događaj da je zbir brojeva koji su pali 7.
𝐴 = {(1, 6), (6, 1), (2, 5), (5, 2), (3, 4), (4, 3)}.
Tim je:
6 1
𝑃(𝐴) = = .
36 6
2
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Primjer 1.1.1. Bacamo simetričan novčić. Ishodi su „palo pismo“ ili „pao grb“.
Elementarni događaji su „palo pismo“ i „pao grb“ što označavamo sa P i G. Prostor
elementarnih događaja je Ω = {𝑃, 𝐺}.
Ω = {1, 2, 3, 4, 5, 6}.
1. ∅ ∈ ℱ
2. 𝐴 ∈ ℱ ⇒ 𝐴𝐶 ∈ ℱ
3. 𝐴1 , 𝐴2 , … , 𝐴𝑛 ∈ ℱ ⇒ ⋃𝑛𝑘=1 𝐴𝑘 ∈ ℱ
nazivamo algebra događaja na 𝛺.
1. ∅ ∈ ℱ
2. 𝐴 ∈ ℱ ⇒ 𝐴𝐶 ∈ ℱ
3. 𝐴𝑛 ∈ ℱ (𝑛 ∈ ℕ) ⇒ ⋃∞
𝑛=1 𝐴𝑛 ∈ ℱ
3
nazivamo 𝜎-algebra događaja na 𝛺.
{{1, 2}, {3, 4}, {5, 6}, {1, 2, 3, 4}, {1, 2, 5, 6}, {3, 4, 5, 6}, ∅, 𝛺}
je 𝜎-algebra.
1. 𝑃(𝐴) ≥ 0, 𝐴 ∈ ℱ, 𝑃(𝛺) = 1 .
2. 𝐴𝑖 ∈ ℱ, 𝑖 ∈ ℕ 𝑖 𝐴𝑖 ∩ 𝐴𝑗 = ∅ (𝑖 ≠ 𝑗) ⇒ 𝑃(⋃∞ ∞
𝑖=1 𝐴𝑖 ) = ∑𝑖=1 𝑃(𝐴𝑖 ) .
e) 𝐴𝑖 ∈ ℱ, 𝑖 ∈ ℕ, 𝐴1 ⊇ 𝐴2 ⊇ ⋯ , 𝐴 = ⋂∞
𝑖=1 𝐴𝑖 ⇒
𝑃(𝐴) = lim 𝑃(𝐴𝑖 ) (neprekidnost u odnosu na nerastući niz) .
𝑖→∞
f) 𝐴𝑖 ∈ ℱ, 𝑖 ∈ ℕ ⇒
4
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑃(⋃∞ ∞
𝑖=1 𝐴𝑖 ) ≤ ∑𝑖=1 𝑃(𝐴𝑖 ) (prebrojiva poluaditivnost) .
Dokaz:
a) Neka je:
𝐴1 = Ω i 𝐴𝑖 = ∅, 𝑖 ≥ 2.
Tada su 𝐴𝑖 , 𝑖 ≥ 1, međusobno disjunktni za svako 𝑖, pa na osnovu 2) u
definiciji 1.2.1. imamo:
∞ ∞ ∞
= 1 + 𝑃 (⋃ 𝐴𝑖 ) = 1 + 𝑃(∅) ⇒ 𝑃(∅) = 0 .
𝑖=2
b) Neka je:
𝐵𝑖 = 𝐴𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑛 i 𝐵𝑖 = ∅, 𝑖 > 𝑛.
Tada na osnovu 2) u definiciji 1.2.1. imamo da je:
∞ ∞ ∞
𝑃 (⋃ 𝐴𝑖 ) = 𝑃 (⋃ 𝐵𝑖 ) = ∑ 𝑃(𝐵𝑖 ) =
𝑖=1 𝑖=1 𝑖=1
𝑛 ∞ 𝑛 ∞
𝑛 𝑛
c)
𝐴 ⊆ 𝐵 ⇒ 𝐵 = 𝐴 ∪ (𝐵\𝐴).
5
Tada zbog b) imamo da je:
𝑃(𝐵) = 𝑃(𝐴) + 𝑃(𝐵\𝐴) ≥ 𝑃(𝐴) .
d) Neka je 𝐵1 = 𝐴1 , 𝐵𝑖 = 𝐴𝑖 \𝐴𝑖−1 , 𝑖 ≥ 2. Tada je
𝐵𝑖 ∈ ℱ, 𝑖 ∈ ℕ 𝑖 𝐵𝑘 ∩ 𝐵𝑙 = ∅ za ∀𝑘 ≠ 𝑙 .
Otuda je:
𝑛 𝑛
𝐴𝑛 = ⋃ 𝐴𝑖 = ⋃ 𝐵𝑖 ,
𝑖=1 𝑖=1
𝑃(𝐴𝑛 ) = ∑ 𝑃(𝐵𝑖 ) .
𝑖=1
Vrijedi:
∞ ∞ ∞
e) Neka je:
𝐶𝑖 = 𝐴1 \𝐴𝑖 , 𝑖 ∈ ℕ.
Tada je:
𝐶𝑖 ∈ ℱ , 𝐶𝑖 ⊆ 𝐶𝑖+1 , 𝑖 ∈ℕ,
∞
𝐴1 \𝐴 = ⋃ 𝐶𝑖 .
𝑖=1
Pošto je:
to iz d) slijedi da je:
Otuda,
6
Uvod u teoriju vjerovatnoće sa riješenim zadacima
f) Neka je:
𝑖−1
𝐵1 = 𝐴1 𝑖 𝐵𝑖 = 𝐴𝑖 \ ⋃ 𝐴𝑘 , 𝑖 ≥2.
𝑘=1
𝐵𝑖 ⊆ 𝐴𝑖 , 𝑖 ∈ℕ,
∞ ∞
⋃ 𝐴𝑖 = ⋃ 𝐵𝑖 .
𝑖=1 𝑖=1
Tada je:
∞ ∞ ∞
𝑃 (⋃ 𝐴𝑖 ) = ∑ 𝑃(𝐵𝑖 ) ≤ ∑ 𝑃(𝐴𝑖 ) .
𝑖=1 𝑖=1 𝑖=1
g)
𝐴 ∪ 𝐵 = 𝐴 ∪ (𝐵\𝐴), (𝐴 ∩ 𝐵) ∪ (𝐵\𝐴) = 𝐵 .
h)
𝐴 ∪ 𝐴𝐶 = Ω ⇒ 𝑃(𝐴) + 𝑃(𝐴𝐶 ) = 1.
Otuda je
𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴). ∎
0 ≤ 𝑃(𝐴) ≤ 1 ∀𝐴 ∈ ℱ.
7
ℱ = {∅, Ω, {a}, {b}, {𝑎, 𝑏}, {𝑎, 𝑐, 𝑑}, {𝑏, 𝑐, 𝑑}, {𝑐, 𝑑}}.
a)
1 1
𝑃(∅) = 0, 𝑃(Ω) = 1, 𝑃({𝑎}) = 𝑃({𝑏}) = , 𝑃({𝑎, 𝑏}) = ,
4 2
3 1
𝑃({𝑎, 𝑐, 𝑑}) = 𝑃({𝑏, 𝑐, 𝑑}) = , 𝑃({𝑐, 𝑑}) =
4 2
b)
1
𝑃′ (∅) = 0, 𝑃′ ( Ω) = 1, 𝑃′ ({𝑎}) = 𝑃′ ({𝑏}) = ,
4
1
𝑃′ ({𝑎, 𝑏}) = 𝑃′ ({𝑎, 𝑐, 𝑑}) = 𝑃′(𝑏, 𝑐, 𝑑}) = 𝑃′ ({𝑐, 𝑑}) =
8
𝑃(Ω) = 𝑃′ (Ω) = 1 ,
𝑃(𝐴) ≥ 0 𝑖 𝑃′ (𝐴) ≥ 0, ∀𝐴 ∈ ℱ,
1 1 1
𝑃({𝑎} ∪ {𝑏}) = 𝑃({𝑎, 𝑏}) = = + = 𝑃({𝑎}) + 𝑃({𝑏}) ,
2 4 4
3 1 1
𝑃({𝑎} ∪ {𝑐, 𝑑}) = 𝑃({𝑎, 𝑐, 𝑑}) = = + = 𝑃({𝑎}) + 𝑃({𝑐, 𝑑}) ,
4 4 2
3 1 1
𝑃({𝑏} ∪ {𝑐, 𝑑}) = 𝑃({𝑏, 𝑐, 𝑑}) = = + = 𝑃({𝑏}) + 𝑃({𝑐, 𝑑}) ,
4 4 2
1 1 1
𝑃({𝑎} ∪ {𝑏} ∪ {𝑐, 𝑑}) = 𝑃(Ω) = 1 = + + = 𝑃({𝑎}) + 𝑃({𝑏}) + 𝑃({𝑐, 𝑑}) .
4 4 2
1 1 1
𝑃′ ({𝑎} ∪ {𝑏}) = 𝑃′ ({𝑎, 𝑏}) = ≠ + = 𝑃′ ({𝑎}) + 𝑃′ ({𝑏}) .
8 4 4
8
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Neka je:
𝑥𝑖 ∈ 𝐴𝑥𝑖 ∩ 𝐴𝑥𝑗 .
Otuda,
𝐴𝑥𝑖 ∩ 𝐴𝑥𝑗 = ∅,
Dakle, vrijedi:
𝑥𝑖 , 𝑥𝑗 ∈ 𝐴𝑥𝑖 ∩ 𝐴𝑥𝑗 .
Tim je:
Tim je:
𝐴𝑥𝑖 ∩ 𝐴𝑥𝑗 = ∅ .
9
Iz svega, vidimo da je:
Ω = ⋃ 𝐴𝑖𝑘 ,
𝑘=1
Neka je:
𝑃 (𝐴𝑥𝑖 ) = 𝑝𝑘 , 𝑘 = ̅̅̅̅̅̅
1, 𝑚 .
𝑘
Tada je:
𝑚
1 = ∑ 𝑝𝑘 .
𝑘=1
Tada se funkcija:
𝑃 (𝐴𝑥𝑖 ) = 𝑝𝑘 , 𝑘 = ̅̅̅̅̅̅
1, 𝑚 ,
𝑘
𝑃(∅) = 0
𝑃(𝐴) = ∑ 𝑝𝑘 ,
𝑘
𝐴𝑥𝑖 ⊂𝐴
𝑘
te imamo da je:
1 1
𝑃 (𝐴𝑥𝑖1 ) = , 𝑃 (𝐴𝑥𝑖2 ) = ,
4 4
10
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑃 (𝐴𝑥𝑖3 ) = ⇒ 𝑃 (𝐴𝑥𝑖1 ) + 𝑃 (𝐴𝑥𝑖2 ) + 𝑃 (𝐴𝑥𝑖3 ) = 1 .
2
1 1
𝑃′ (𝐴𝑥𝑖1 ) = , 𝑃′ (𝐴𝑥𝑖2 ) = ,
4 4
1
𝑃′ (𝐴𝑥𝑖3 ) = ⇒ 𝑃′ (𝐴𝑥𝑖1 ) + 𝑃′ (𝐴𝑥𝑖2 ) + 𝑃′ (𝐴𝑥𝑖3 ) ≠ 1 .
8
= ∑ 𝐴𝑖 − ∑ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) + 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) .
𝑖=1 1≤𝑖<𝑗≤3
11
Dokaz: Dokaz izvodimo matematičkom indukcijom. Tvrdnja vrijedi za 𝑛 = 2, 3.
Pretpostavimo da tvrdnja vrijedi za 𝑛 = 𝑘 i dokažimo da vrijedi za 𝑛 = 𝑘 + 1.
Neka je:
𝑘 𝑘 𝑘
Sada imamo:
𝑘+1 𝑘 𝑘
= |𝑆𝑦𝑙𝑣𝑒𝑠𝑡𝑒𝑟𝑜𝑣𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎| =
𝑘 𝑘
− 𝑃 (⋃ 𝐴𝑖 ∩ 𝐴𝑘+1 ) =
𝑖=1
𝑘+1 𝑘
𝑘 𝑘+1
𝑘+1 𝑘+1
∀𝑛 ≥ 2. ∎
12
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝐴=𝑀 𝑁 𝐵
0 5 10 15
Rješenje: Neka je 𝐴 događaj da dobavljač kasni manje od 5 minuta (Slika 1). Tada je:
5 1
𝑃(𝐴) = = .
15 3
13
𝑆 = {(𝑥, 𝑦) | 0 ≤ 𝑥, 𝑦 ≤ 60} i 𝐺 = {(𝑥, 𝑦) | |𝑥 − 𝑦| > 10}.
Tada je:
𝑚(𝐺) 50 ∙ 50 25
𝑃(𝐴) = = = .
𝑚(𝑆) 60 ∙ 60 36
1.4. Zadaci
Rješenje: Postoji:
52 52 ∙ 51
( )= = 1326
2 2∙1
14
Uvod u teoriju vjerovatnoće sa riješenim zadacima
13 13 ∙ 12
( )= = 78
2 2∙1
13
( ) 78
𝑃= 2 = ≈ 0.0588 .
52
( ) 1326
2
b) Imamo:
13 13
( ) ∙ ( ) = 13 ∙ 13 = 169
1 1
načina da izvučemo jednu kartu karo, a drugu herc, pa samim tim, tražena
vjerovatnoća je:
13 13
( )∙( )
𝑃= 1 1 = 169 ≈ 0.1274 .
52 1326
( )
2
Rješenje: Imamo:
20 20 ∙ 19 ∙ 18 ∙ 17
( )= = 4845
4 4∙3∙2∙1
a) Imamo:
15
15 15 ∙ 14 ∙ 13 ∙ 12
( )= = 1365
4 4∙3∙2∙1
15
( ) 1365
𝑝= 4 = ≈ 0.2817 .
20
( ) 4845
4
15 5
( ) ∙ ( ) = 1050
2 2
načina.
15 5
( ) ∙ ( ) 1050
𝑝= 2 2 = ≈ 0.21672 .
20 4845
( )
4
15 15 5
( ) + ( ) ∙ ( ) = 1365 + 2275 = 3640
4 3 1
pa je tražena vjerovatnoća:
15 15 5
( )+( )∙( )
𝑝 =1− 4 3 1 = 1 − 3640 ≈ 0.2487 .
20 4845
( )
4
16
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
a) Da bi zbir bio paran, moraju obje karte biti parne ili obje neparne. Parnih ima
dvije, a neparnih tri. Postoji:
5
( ) = 10
2
3 2
( )+( )=3+1=4.
2 2
3 2
( )+( )
𝑝= 2 2 = 4 =2.
5 10 5
( )
2
8 2
𝑝= = .
20 5
13
𝑝= .
25
12 7 4
𝑃(𝐴) = , 𝑃(𝐵) = , 𝑃(𝐴 ∩ 𝐵) =
21 21 21
17
Tražena vjerovatnoća je:
12 7 4 15
𝑝 = 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = + − = .
21 21 21 21
20 20 ∙ 19 ∙ 18
( )= = 1140 .
3 3∙2∙1
4 16
( ) ∙ ( ) = 6 ∙ 16 = 96 .
2 1
4 16
( )∙( )
𝑝= 2 1 = 96 ≈ 0.084 .
20 1140
( )
3
15 15 ∙ 14 ∙ 13 ∙ 12 ∙ 11
( )= = 3003 .
5 5∙4∙3∙2∙1
2 13 13 ∙ 12 ∙ 10
( )∙( )=2∙ = 1430
1 4 4∙3∙2∙1
pa je tražena vjerovatnoća:
18
Uvod u teoriju vjerovatnoće sa riješenim zadacima
2 13
( ) ( ) 1430
𝑝= 1 4 = ≈ 0.476 .
15 3003
( )
5
13 13 ∙ 12 ∙ 11 ∙ 10 ∙ 9
( )= = 1287
5 5∙4∙3∙2∙1
pa je tražena vjerovatnoća:
1287
𝑝 =1− ≈ 0.571 .
3003
̅̅̅̅},
Ω = {(𝑖, 𝑗): 𝑖, 𝑗 = 1,6
5
𝑝= .
36
̅̅̅̅}, što je
Rješenje: Prostor elementarnih događaja je Ω = {(𝑖, 𝑗, 𝑘): 𝑖, 𝑗, 𝑘 = 1,6
3
ukupno 6 = 216 ishoda. Povoljni ishodi su {(1,1,1), (1,1,2), (1,2,1), (2,1,1)}, što
je ukupno 4 ishoda, pa je tražena vjerovatnoća:
4 1
𝑝= =
216 54
19
9. U jednom razredu od 𝟑𝟎 učenika njih 𝟐𝟎 zna engleski, 𝟖 ih zna njemački, a
𝟓 zna oba jezika. Slučajno je izabran jedan učenik. Kolika je vjerovatnoća
da:
a) zna samo engleski jezik?
b) zna samo njemački jezik?
c) ne zna ni jedan jezik?
d) zna bar jedan jezik?
15 1
𝑝= = .
30 2
3 1
𝑝= = .
30 10
7
𝑝= .
30
20
Uvod u teoriju vjerovatnoće sa riješenim zadacima
23
𝑝= .
30
10. U jednoj firmi od 𝟓𝟎 zaposlenih, njih 𝟐𝟓 zna engleski, njih 𝟏𝟎 zna njemački,
𝟖 francuski, 𝟕 zna engleski i njemački, 𝟓 zna engleski i francuski, 𝟒 zna
njemački i francuski, a 𝟐 zna sva tri jezika. Slučajno se biraju 𝟑 zaposlena.
Kolika je vjerovatnoća da:
a) sva trojica znaju engleski?
b) sva trojica znaju engleski i njemački?
c) sva trojica znaju bar dva strana jezika?
d) sva trojica znaju bar jedan strani jezik?
e) dvojica znaju dva strana jezika, a jedan ne zna ni jedan jezik?
f) ni jedan ne zna njemački i francuski, ali svi znaju engleski jezik?
g) najmanje jedan od njih zna sva tri jezika?
Rješenje: Neka je 𝐸 događaj da zna engleski jezik, 𝐷 da zna njemački jezik, a 𝐹 da zna
francuski jezik.
25
( ) 25 ∙ 24 ∙ 23 23
𝑝= 3 = = .
50
( ) 50 ∙ 49 ∙ 48 196
3
21
b) Tražena vjerovatnoća je:
7
( ) 7∙6∙5 1
𝑝= 3 = = .
50
( ) 50 ∙ 49 ∙ 48 560
3
12
( ) 12 ∙ 11 ∙ 10 11
𝑝= 3 = = .
50
( ) 50 ∙ 49 ∙ 48 980
3
29
( ) 29 ∙ 28 ∙ 27 261
𝑝= 3 = = .
50 50 ∙ 49 ∙ 48 1400
( )
3
10 21 10 ∙ 9
( )∙( ) ∙ 21 27
𝑝= 2 1 = 2∙1 = .
50 50 ∙ 49 ∙ 48 560
( )
3 3∙2∙1
15
( ) 15 ∙ 14 ∙ 13 13
𝑝= 3 = = .
50
( ) 50 ∙ 49 ∙ 48 560
3
2 48 2 48
( ) ∙ ( ) ( ) ∙ ( ) 2 ∙ 48 ∙ 47 + 48 144
𝑝= 1 2 + 2 1 = 2∙1 = .
50 50 50 ∙ 49 ∙ 48 1225
( ) ( )
3 3 3∙2∙1
11. Kolika je vjerovatnoća da slučajno izabran prirodan broj, koji nije veći od
𝟏𝟎𝟎, bude kvadrat nekog prirodnog broja većeg od 𝟏?
22
Uvod u teoriju vjerovatnoće sa riješenim zadacima
9
𝑝= .
100
0
𝑝= =0.
100
4 1
𝑝= = .
100 25
𝑛3 = (𝑎 + 10 ∙ 𝑏)3 + 3 ∙ (𝑎 + 10 ∙ 𝑏)2 ∙ 𝑐 + 3 ∙ (𝑎 + 10 ∙ 𝑏) ∙ 𝑐 2 + 𝑐 3
Pošto su zadnja 3 člana djeljiva sa 100, to samo prvi član utiče na zadnje dvije cifre
broja 𝑛3 . Kako je:
23
to na zadnje dvije cifre broja 𝑛 utiču prva dva sabirka gornje jednakosti. Tim se 𝑎3
mora završavati sa 1, a to je moguće samo za 𝑎 = 1. Također, 3 ∙ 𝑏 se mora
završavati sa 1, a to je moguće samo za 𝑏 = 7. Samim tim, ako posmatramo prvih
100 prirodnih brojeva, imamo samo 1 povoljan, kao i u svakih narednih 100
prirodnih brojeva, pa je tražena vjerovatnoća:
1
𝑝= .
100
{257, 258, 259, 278, 279, 289, 578, 579, 589, 789},
dakle ukupno 6. Koristili smo teorem da je zbir dvije stranice u trouglu veći od treće
stranice. Tražena vjerovatnoća je:
6 3
𝑝= = .
10 5
52
( ) = 1326 .
2
4 4
( ) ∙ ( ) = 16 .
1 1
4 4
( )∙( )
𝑝= 1 1 = 16 = 8 .
52 1326 663
( )
2
24
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
51 51 ∙ 50 ∙ 49 ∙ 48 ∙ 47
( )= = 2349100
5 5∙4∙3∙2∙1
52 52 ∙ 51 ∙ 50 ∙ 49 ∙ 48 ∙ 47
( )= = 20359000 .
6 6∙5∙4∙3∙2∙1
51
( ) 2349100
𝑝= 5 = ≈ 0.115 .
52
( ) 20359000
6
4 13 13 13 13 4 13 13 13 13
( )∙( )∙( )∙( )∙( )+( )∙( )∙( )∙( )∙( )
1 1 1 1 3 2 1 1 2 2
tj. tri znaka uzimamo po jedanput i četvrti znak tri puta ili dva znaka po jedanput a
druga dva po dva puta. Samim tim, tražena vjerovatnoća je:
4 13 3 13 4 13 2 13 2
( )∙( ) ∙( )+( )∙( ) ∙( )
𝑝= 1 1 3 2 1 2 =
52
( )
6
83486
= ≈ 0.426 .
195755
c) Svaki broj ima 4 znaka, a brojeva ima 13. Izvlačimo 𝑛 karata sa različitim
brojevima. Broj načina na koji se to postiže je:
25
13
4𝑛 ∙ ( ) .
𝑛
Treba da vrijedi:
13 13
4𝑛 ∙ ( ) 1 4𝑛 ∙ ( ) 1
1− 𝑛 > ⇒ 𝑛 <
52 2 52 2
( ) ( )
𝑛 𝑛
a to je ispunjeno za 𝑛 = 6.
17. Da li je vjerovatnije pri jednom bacanju četiri kocke dobiti bar jednu
jedinicu ili pri 𝟐𝟒 bacanja dvije kocke dobiti bar jednom dvije jedinice?
Rješenje: Vjerovatnoća da pri jednom bacanju četiri kocke padne bar jedna jedinica
je:
5 4 671
𝑝 =1−( ) = ≈ 0.518 .
6 1296
Vjerovatnoća da pri 24 bacanja dvije kocke, padnu bar jednom dvije jedinice je:
1 24 35 24
𝑝 = 1 − (1 − ) = 1 − ( ) ≈ 0.49 .
6∙6 36
Dakle, odgovor je da je vjerovatnije da pri jednom bacanju četiri kocke dobijemo bar
jednu jedinicu.
26
Uvod u teoriju vjerovatnoće sa riješenim zadacima
12 − 𝑥 𝑥
12 − 𝑥
(12 − 𝑥) ∙ 𝑥 ≥ 25 ⇒ 𝑥 2 − 12𝑥 + 25 ≤ 0 .
Tim je:
12 − √44 12 + √44
𝑥1 = = 6 − √11 𝑖 𝑥2 = = 6 + √11
2 2
27
Kolika je vjerovatnoća da slučajno izabrana tačka iz ∆𝑨𝑩𝑪 bude u
upisanim pravougaonicima?
𝑀3 𝑁3
𝑀2 𝑁2
𝑀1 𝑁1
𝐴 𝐵
+∞
𝑎2 √3 1 𝑛
= ∙ ∑( ) =
2 4
𝑛=1
+∞
𝑎2 √3 1 𝑛 𝑎2 √3 1 𝑎2 √3
= ∙ (∑ ( ) − 1) = ∙( − 1) = .
2 4 2 1 6
𝑛=0 1 − 4
28
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑎2 √3
𝑃= .
4
𝑎2 √3
2
𝑝= 6 = .
𝑎 √3 3
2
4
20. Neka je duž dužine 𝟏 prelomljena na dva mjesta. Tačke preloma su jednako
moguće. Kolika je vjerovatnoća da od 𝟑 prelomljena dijela možemo
sastaviti trougao?
29
2𝑦 − 2𝑥 = 1
1
𝑥=
1 2
1
1 𝑦=
2
2
1
2
1
Slika 9: Geometrijska
interpretacija zadatka 20.
1 1
∙
2 2
1
𝑝= 2 = .
1∙1 8
𝟏
21. Bacamo novčić prečnika 𝟐
na šahovsku ploču dimenzije 𝟖 × 𝟖. Kolika je
vjerovatnoća da novčić pokrije neki od vrhova šahovske ploče?
Rješenje: Novčić će pokriti neki od 49 vrhova na šahovskoj ploči ako centar novčića
1
padne u krugove poluprečnika 4
sa centrima u vrhovima. Tada, tražena vjerovatnoća
iznosi:
1 2
49 ∙ (4) ∙ 𝜋 𝜋
𝑝= = ≈ 0.196 .
7∙7 16
30
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Iz pretpostavke da je:
𝑥𝑦 1 1
≤ ⇒ 𝑦≤ ,
2 8 4𝑥
povoljne tačke su sve tačke oblasi S (slika 11). Površina označene oblasti 𝑆 je:
31
1
1 1
𝑃𝑆 = ∙ 1 + ∫ 𝑑𝑥 =
4 4𝑥
1
4
1 1 1 1 1
= + ∙ (ln 1 − ln ) = + ∙ ln 2 .
4 4 4 4 2
1 1
+ ∙ ln 2 1 1
𝑝 = 4 22 = + ∙ ln 2 ≈ 0.596 .
1 4 2
32
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑥 + 𝑦 ≤ 1, 𝑥𝑦 ≤ .
7
1
𝑥 + 𝑦 = 1, 𝑥𝑦 = ⇒
7
1
𝑥(1 − 𝑥) = ⇒
7
−7𝑥 2 + 7𝑥 − 1 = 0 ⇒
7𝑥 2 − 7𝑥 + 1 = 0 ⇒
7 − √49 − 28 7 − √21
𝑥1 = = ,
14 14
7 + √21
𝑥2 = .
14
Povoljne tačke su sve tačke u oblasti 𝑆 (slika 12). Površina oblasti 𝑆 je:
7−√21 7+√21
14 14 1
1
𝑃𝑆 = ∫ (1 − 𝑥)𝑑𝑥 + ∫ 𝑑𝑥 + ∫ (1 − 𝑥)𝑑𝑥 =
7𝑥
0 7−√21 7+√21
14 14
2
7 − √21
( 14 )
7 − √21 1 7 + √21 7 − √21
= − + ∙ (ln − ln )+
14 2 7 14 14
2
7 + √21
( 14 )
7 − √21 1
+ + − ≈ 0.396
14 2 2
0.396
𝑝≈ ≈ 0.396 .
1
33
24. Neka je prostor elementarnih događaja 𝛀 = {𝒂, 𝒃, 𝒄}. Koja funkcija definiše
vjerovatnoću?
𝟏 𝟏 𝟓
a) 𝑷({𝒂}) = 𝟑 , 𝑷({𝒃}) = 𝟒 , 𝑷({𝒄}) = 𝟏𝟐
𝟐 𝟏
b) 𝑷({𝒂}) = 𝟑 , 𝑷({𝒃, 𝒄}) = 𝟑
𝟏 𝟏 𝟏
c) 𝑷({𝒂}) = 𝟐 , 𝑷({𝒃}) = 𝟐 , 𝑷({𝒄}) = 𝟐
Rješenje:
a) Pošto je:
1 1 5
𝑃({𝑎}) + 𝑃({𝑏}) + 𝑃({𝑐}) = + + = 1,
3 4 12
2 1
𝑃({𝑎}) + 𝑃({𝑏, 𝑐}) = + =1.
3 3
𝜎-algebra.
c) Imamo da je:
3
𝑃({𝑎}) + 𝑃({𝑏}) + 𝑃({𝑐}) = ,
2
pa 𝑃 nije vjerovatnoća.
34
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝟏
𝑷({𝒄}) = 𝑷({𝒅}) = , 𝑷({𝒂}) = 𝟐 ∙ 𝑷({𝒃})
𝟑
𝟐 𝟏 𝟏
𝑷({𝒃, 𝒄}) = , 𝑷({𝒃, 𝒅}) = , 𝑷({𝒃}) =
𝟑 𝟐 𝟑
Rješenje:
a) Neka je
𝑃({𝑎}) = 𝑥 i 𝑃({𝑏}) = 𝑦.
Tada:
1 1 2 1
=1− − =1− = ⇒
3 3 3 3
1 2 1
𝑥 = 2𝑦 𝑖 𝑥 + 𝑦 = ⇒ 𝑥= 𝑖 𝑦=
3 9 9
b) Imamo da je:
2 1 1
𝑃({𝑐}) = 𝑃({𝑏, 𝑐} ∖ {𝑏}) = 𝑃({𝑏, 𝑐}) − 𝑃({𝑏}) = − =
3 3 3
1 1 1
𝑃({𝑑}) = 𝑃({𝑏, 𝑑} ∖ {𝑏}) = 𝑃({𝑏, 𝑑}) − 𝑃({𝑏}) = − = .
2 3 6
Iz
1 1 1
1 = 𝑃({𝑎}) + 𝑃({𝑏}) + 𝑃({𝑐}) + 𝑃({𝑑}) = 𝑃({𝑎}) + + +
3 3 6
slijedi
1
𝑃({𝑎}) =
6
Rješenje:
Tim je:
1 = 𝑃(Ω) = 𝑘 + 2𝑘 + 3𝑘 + 4𝑘 = 10𝑘
1
⇒ 𝑘= .
10
Slijedi da je:
1 2 3 4
𝑃({1}) = , 𝑃({2}) = , 𝑃({3}) = , 𝑃({4}) = .
10 10 10 10
b) Imamo da je:
2 4 6 3
𝑃({2,4}) = 𝑃({2}) + 𝑃({4}) = + = = .
10 10 10 5
𝟏 𝟏 𝟏
𝑷(𝑨) = , 𝑷(𝑩) = , 𝑷(𝑨 ∩ 𝑩) = .
𝟖 𝟐 𝟏𝟎
Izračunati:
a) 𝑷(𝑨𝑪 )
b) 𝑷(𝑨𝑪 ∪ 𝑩𝑪 )
c) 𝑷(𝑨 ∩ 𝑩𝑪 )
36
Uvod u teoriju vjerovatnoće sa riješenim zadacima
d) 𝑷(𝑨𝑪 ∩ 𝑩)
Rješenje:
a) Imamo da je:
1 7
𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴) = 1 − = .
8 8
b) Imamo da je:
1 9
𝑃(𝐴𝐶 ∪ 𝐵𝐶 ) = 𝑃((𝐴 ∩ 𝐵)𝐶 ) = 1 − 𝑃(𝐴 ∩ 𝐵) = 1 − = .
10 10
c) Imamo da je:
1 1 1
𝑃(𝐴 ∩ 𝐵𝐶 ) = 𝑃(𝐴 ∖ 𝐴 ∩ 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵) = − = .
8 10 40
d) Imamo da je:
1 1 2
𝑃(𝐴𝐶 ∩ 𝐵) = 𝑃(𝐵 ∖ 𝐴 ∩ 𝐵) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = − = .
2 10 5
Rješenje:
a) 𝐴 ∪ 𝐵 ∪ 𝐶 ∖ [(𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐵) ∪ (𝐵 ∩ 𝐶)]
b) (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶) ∪ (𝐵 ∩ 𝐶)
c) (𝐴 ∪ 𝐵) ∖ 𝐶
37
30. Dva strijelca gađaju u metu. Neka je događaj 𝑨 da je prvi strijelac pogodio,
a događaj 𝑩 da je drugi strijelac pogodio. Naći izraz za događaj da:
a) su oba strijelca pogodila.
b) su oba strijelca promašila.
c) je bar jedan strijelac pogodio.
d) je bar jedan strijelac promašio.
Rješenje:
a) 𝐴∩𝐵
b) 𝐴𝐶 ∩ 𝐵𝐶
c) 𝐴∪𝐵
d) 𝐴𝐶 ∪ 𝐵𝐶
= ∑ 𝑃(𝐴𝑖 ) − ∑ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) +
𝑖=1 0≤1<𝑗≤𝑛
1
𝑃(𝐴𝑖 ) = , 𝑖 = ̅̅̅̅̅
1, 𝑛
𝑛
1 1
𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) = ∙ , 0≤𝑖<𝑗≤𝑛
𝑛 𝑛−1
1 1 1
𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) = ∙ ∙ , 0≤𝑖<𝑗<𝑘≤𝑛
𝑛 𝑛−1 𝑛−2
38
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 1 1 1
𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛 ) = ∙ … ∙
𝑛 𝑛−1 2 1
𝑛 1 𝑛 1 1 𝑛 1 1 1
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = ( ) ∙ − ( ) ∙ ∙ +( )∙ ∙ ∙ −
1 𝑛 2 𝑛 𝑛−1 3 𝑛 𝑛−1 𝑛−2
1 1 1 1 1 1 1
− ⋯ + (−1)𝑛+1 ∙ ∙ … ∙ = 1 − + − ⋯ + (−1)𝑛+1 ∙ =
𝑛 𝑛−1 2 1 2! 3! 𝑛!
𝑛 𝑛 𝑛
(−1)𝑘+1 (−1)𝑘 (−1)𝑘
=∑ = −1 − ∑ +1 = 1−∑ .
𝑘! 𝑘! 𝑘!
𝑘=1 𝑘=1 𝑘=0
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) ≈ 1 − 𝑒 −1 ≈ 0.63212 .
̅̅̅̅̅
Rješenje: Neka je događaj 𝐴𝑖 , 𝑖 = 1, 𝑘 , da u 𝑖-ti vagon nije ušao ni jedan putnik.
Tada je vjerovatnoća da bar u jedan vagon ne uđe ni jedan putnik:
= ∑ 𝑃(𝐴𝑖 ) − ∑ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) +
𝑖=1 0≤1<𝑗≤𝑘
𝑘−1 𝑛
𝑃(𝐴𝑖 ) = ( ) , 𝑖 = ̅̅̅̅̅
1, 𝑘
𝑘
𝑘−2 𝑛
𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) = ( ) , 0≤𝑖<𝑗≤𝑘
𝑘
𝑘−2 𝑛
𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑙 ) = ( ) , 0≤𝑖<𝑗<𝑙≤𝑘
𝑘
𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 ) = 0 .
39
Tim je:
𝑘 1 𝑛 𝑘 2 𝑛 𝑘 3 𝑛
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑘 ) = ( ) (1 − ) − ( ) (1 − ) + ( ) (1 − ) −
1 𝑘 2 𝑘 3 𝑘
𝑛
𝑘 𝑘−1 𝑘
− ⋯ + (−1)𝑘 ( ) (1 − ) + (−1)𝑘+1 ( ) ∙ 𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 ) =
𝑘−1 𝑘 𝑘
𝑘−1
𝑖+1 𝑘 𝑖 𝑛
= ∑(−1) ( ) (1 − ) .
𝑖 𝑘
𝑖=1
40
Uvod u teoriju vjerovatnoće sa riješenim zadacima
2. Uvjetna vjerovatnoća
Primjer 2.1. Iz špila od 52 karte izvlačimo jednu kartu. Ako je izvučena karta crvene
boje, kolika je vjerovatnoća da je izvučena desetka?
2
2 𝑃(𝐴 ∩ 𝐵)
𝑃= = 52 = .
26 26 𝑃(𝐵)
52
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵)
Dokaz: Za ∀𝐴 ∈ ℱ vrijedi:
Dakle, 𝑃𝐵 je vjerovatnoća. ∎
41
Vjerovatnoću 𝑃𝐵 (𝐴) nazivamo uvjetna vjerovatnoća događaja 𝐴, odnosno
vjerovatnoća događaja 𝐴 pod uvjetom događaja 𝐵. Ako je 𝑃(𝐵) = 0, uzimamo da je
𝑃𝐵 (𝐴) = 𝑃(𝐴).
𝑃 (⋂ 𝐴𝑖𝑘 ) = ∏ 𝑃(𝐴𝑖𝑘 ) .
𝑘=1 𝑘=1
Tada je:
1 1 1
𝑃(𝐴 ∩ 𝐶) = ≠ ∙ = 𝑃(𝐴) ∙ 𝑃(𝐶) .
36 6 12
Dakle, 𝐴 i 𝐶 su zavisni.
1 1 1
𝑃(𝐴 ∩ 𝐵) = = ∙ = 𝑃(𝐴) ∙ 𝑃(𝐵) .
36 6 6
Dakle, 𝐴 i 𝐵 su nezavisni.
Dakle, 𝐴𝐶 i 𝐵𝐶 su nezavisni. ∎
42
Uvod u teoriju vjerovatnoće sa riješenim zadacima
a)
𝐻𝑖 ≠ ∅, 𝑖 = 1,2, …
b)
⋃ 𝐻𝑖 = 𝛺,
𝑖
C)
𝐻𝑖 ∩ 𝐻𝑗 = ∅, ∀𝑖 ≠ 𝑗
Dokaz:
43
𝑃(𝐴|𝐵) = 𝑃𝐵 (𝐴) = ∑ 𝑃𝐵 (𝐻𝑖 )𝑃𝐵 (𝐴|𝐻𝑖 ) = ∑ 𝑃(𝐻𝑖 |𝐵) ∙ 𝑃𝐵 (𝐴|𝐻𝑖 ) .
𝑖 𝑖
𝑃𝐵 (𝐴 ∩ 𝐻𝑖 ) 𝑃(𝐴 ∩ 𝐻𝑖 ∩ 𝐵)
𝑃𝐵 (𝐴|𝐻𝑖 ) = = = 𝑃(𝐴|(𝐻𝑖 ∩ 𝐵)) .
𝑃𝐵 (𝐻𝑖 ) 𝑃(𝐻𝑖 ∩ 𝐵)
𝑃(𝐻𝑖 )𝑃(𝐴|𝐻𝑖 )
𝑃(𝐻𝑖 |𝐴) =
∑𝑗 𝑃(𝐻𝑗 )𝑃(𝐴|𝐻𝑗 )
Dokaz:
2.2. Zadaci
44
Uvod u teoriju vjerovatnoće sa riješenim zadacima
{(𝑥, 𝑦, 𝑧) ∶ 𝑥, 𝑦, 𝑧 = 1, … ,6},
Ishodi za 𝐵 su:
(3, 6, 6)
(4, 5, 6), (4, 6, 5), (4, 6, 6)
(5, 4, 6), (5, 6, 4), (5, 5, 5), (5, 6, 6), (5, 6, 5), (5, 5, 6)
(6, 3, 6), (6, 6, 3), (6, 4, 5), (6, 5, 4), (6, 4, 6), (6, 6, 4), (6, 5, 5), (6, 5, 6), (6, 6, 5), (6, 6, 6),
Ishodi za 𝐴 su:
Otuda je:
7
𝑃(𝐴 ∩ 𝐵) 216 7
𝑃(𝐴|𝐵) = = = .
𝑃(𝐵) 20 20
216
45
Ukupno ishoda za 𝐵 je 18 ∙ 6 = 108. Ukupno ishoda za 𝐴 je 3 ∙ 36 = 108. Ukupan
broj mogućih ishoda je 63 = 216. Tim je:
3 ∙ 18
𝑃(𝐴 ∩ 𝐵) 1
𝑃(𝐴|𝐵) = = 216 =
𝑃(𝐵) 18 ∙ 6 2
216
3 ∙ 36 1
𝑃(𝐴) = = .
63 2
Dakle,
𝑃(𝐴|𝐵) = 𝑃(𝐴).
To znači da su 𝐴 i 𝐵 nezavisni.
Rješenje:
6 3
𝑃(𝐴) = = .
8 4
Za događaj 𝐵 imamo:
46
Uvod u teoriju vjerovatnoće sa riješenim zadacima
4 2
𝑃(𝐵) = = .
8 4
3 3 4
𝑃(𝐴 ∩ 𝐵) = = ∙ = 𝑃(𝐴) ∙ 𝑃(𝐵) .
8 4 8
Dakle, 𝐴 i 𝐵 su nezavisni.
b) Imamo da je:
1 1 3
𝑃(𝐴 ∩ 𝐵) = ≠ ∙ = 𝑃(𝐴) ∙ 𝑃(𝐵) ,
2 2 4
Otuda je:
47
𝑃(𝐴) = 0.25, 𝑃(𝐵) = 0,15 i 𝑃(𝐴 ∩ 𝐵) = 0.1.
a) Imamo da je:
𝑃(𝐴 ∩ 𝐵) 0.1 10 2
𝑃(𝐴|𝐵) = = = = .
𝑃(𝐵) 0.15 15 3
b) Analogno:
2
𝑃(𝐵|𝐴) = .
5
𝟏 𝟏 𝟏
𝑷(𝑨) = , 𝑷(𝑩) = , 𝑷(𝑨 ∩ 𝑩) = .
𝟑 𝟔 𝟏𝟎
Naći:
a) 𝑷(𝑨|𝑩) .
b) 𝑷(𝑩|𝑨) .
c) 𝑷(𝑨 ∪ 𝑩) .
d) 𝑷(𝑨𝑪 |𝑩𝑪 ) .
e) 𝑷(𝑩𝑪 |𝑨𝑪 ) .
Rješenje:
a) Imamo da je:
1
𝑃(𝐴 ∩ 𝐵) 10 6 3
𝑃(𝐴|𝐵) = = = = .
𝑃(𝐵) 1 10 5
6
b) Imamo da je:
48
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
10 3
𝑃(𝐵|𝐴) = = .
1 10
3
c) Imamo da je:
1 1 1 24 2
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = + − = = .
3 6 10 60 5
d) Imamo da je:
1 1 1 3
1− − +
= 3 6 10 = 5 = 18 .
1 5 25
1−6
6
e) Imamo da je:
3
9
𝑃(𝐵 𝐶 |𝐴𝐶 )
=5= .
2 10
3
6. Neka je:
𝟏 𝟓 𝟕
𝑷(𝑨) = , 𝑷(𝑩) = , 𝑷(𝑨 ∪ 𝑩) = .
𝟐 𝟔 𝟖
Rješenje:
1 5 7 11
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∪ 𝐵) = + − = ,
2 6 8 24
11
𝑃(𝐴 ∩ 𝐵) 24 11
𝑃(𝐴|𝐵) = = = ,
𝑃(𝐵) 5 20
6
49
11
𝑃(𝐵 ∩ 𝐴) 24 11
𝑃(𝐵|𝐴) = = = .
𝑃(𝐴) 1 12
2
Rješenje:
a) Imamo da je:
𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵)
𝑃(𝐴|𝐵) = = =1.
𝑃(𝐵) 𝑃(𝐵)
b) Imamo da je:
𝑃(𝐴 ∩ 𝐵) 𝑃(∅) 0
𝑃(𝐴|𝐵) = = = =0.
𝑃(𝐵) 𝑃(𝐵) 𝑃(𝐵)
𝟑
8. Strijelci 𝑨 i 𝑩 gađaju cilj. Vjerovatnoća da 𝑨 pogodi cilj je 𝟓
,
𝟏
dok je vjerovatnoća da 𝑩 pogodi 𝟑
.
a) Ako svaki gađa jedanput i cilj je pogođen samo jedanput, kolika je
vjerovatnoća da je 𝑨 pogodio cilj?
b) Ako svaki gađa jedanput i cilj je pogođen, kolika je vjerovatnoća da je
𝑨 pogodio cilj?
c) Ako 𝑨 gađa samo jedanput, koliko puta treba gađati 𝑩, pa da sa
vjerovatnoćom većom od 𝟎. 𝟗𝟓 tvrdimo da će cilj biti pogođen?
Rješenje:
a) Neka je:
𝑋 = {𝐴 𝑗𝑒 𝑝𝑜𝑔𝑜𝑑𝑖𝑜 𝑐𝑖𝑙𝑗} i 𝑌 = {𝑐𝑖𝑙𝑗 𝑗𝑒 𝑝𝑜𝑔𝑜đ𝑒𝑛 𝑠𝑎𝑚𝑜 𝑗𝑒𝑑𝑛𝑜𝑚}.
Tada je:
3 1 3 1 2 2 8
𝑃(𝑌) = ∙ (1 − ) + (1 − ) ∙ = + = .
5 3 5 3 5 15 15
50
Uvod u teoriju vjerovatnoće sa riješenim zadacima
3 1 2
𝑃(𝑋 ∩ 𝑌) 5 ∙ (1 − 3) 3
𝑃(𝑋|𝑌) = = = 5 = .
𝑃(𝑌) 8 8 4
15 15
b) Neka je:
𝑍 = {𝑐𝑖𝑙𝑗 𝑗𝑒 𝑝𝑜𝑔𝑜đ𝑒𝑛}.
Tada je:
3 1 4 11
𝑃(𝑍) = 1 − (1 − ) (1 − ) = 1 − = ,
5 3 15 15
3
𝑃(𝑋 ∩ 𝑍) 𝑃(𝑋) 9
𝑃(𝑋|𝑍) = = = 5 = .
𝑃(𝑍) 𝑃(𝑍) 11 11
15
c) Imamo da je:
3 3 1 𝑛
+ (1 − ) [1 − (1 − ) ] > 0.95 ⇒
5 5 3
2 2 𝑛
[1 − ( ) ] > 0.35 ⇒
5 3
2 𝑛 7
1−( ) > ⇒
3 8
2 𝑛 1
( ) < ⇒
3 8
2 1
𝑛 ∙ ln < ln ⇒
3 8
ln 8
𝑛> ≈5.
ln 3 − ln 2
51
Tada je:
𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ 𝐴4 )
= 𝑃(𝐴1 ) ∙ 𝑃(𝐴2 |𝐴1 ) ∙ 𝑃(𝐴3 |(𝐴1 ∩ 𝐴2 )) ∙ 𝑃(𝐴4 |(𝐴1 ∩ 𝐴2 ∩ 𝐴3 )) =
70 69 68 67
= ∙ ∙ ∙ = 0.23 .
100 99 98 97
𝐴𝐶 = {(𝑖, 𝑗, 𝑘) | 𝑖, 𝑗, 𝑘 = 1,2,3,4,5}
𝐵 = {(𝑖, 𝑗, 𝑘) | 𝑖 ≠ 𝑗 ≠ 𝑘},
5∙4∙3
𝑃(𝐴 ∩ 𝐵) 216 = 3 = 1 .
𝑃(𝐴|𝐵) = =
𝑃(𝐵) 120 6 2
216
11. Poznato je da se prilikom bacanja 𝟏𝟎 kocki pojavi bar jedna šestica. Kolika
je vjerovatoća da se pojave barem dvije šestice?
Tim je:
52
Uvod u teoriju vjerovatnoće sa riješenim zadacima
5 10 1 5 9
𝑃(𝐴 ∩ 𝐵) 1 − (6) − 10 ∙ 6 ∙ (6)
𝑃(𝐴|𝐵) = = ≈ 0.614772 .
𝑃(𝐵) 5 10
1 − (6)
Rješenje:
a) Imamo događaje:
Tada je:
𝐴 = {(1,3), (3,1), (2,4), (4,2), (3,5), (5,3), (4,6), (6,4), (1,4), (4,1),
(2,5), (5,2), (3,6), (6,3), (1,5), (5,1), (2,6), (6,2), (1,6), (6,1)},
4
𝑃(𝐴 ∩ 𝐵) 36 2
𝑃(𝐴|𝐵) = = = .
𝑃(𝐵) 6 3
36
b) Neka je:
𝐶 = {𝑏𝑎𝑟 𝑛𝑎 𝑗𝑒𝑑𝑛𝑜𝑗 𝑘𝑜𝑐𝑘𝑖 𝑗𝑒 𝑝𝑎𝑜 𝑏𝑟𝑜𝑗 1}.
Tim je:
53
𝐶 = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (3,1), (4,1), (5,1), (6,1)}
8
36 8
𝑃(𝐴|𝐶) = = .
11 11
36
13. Bacamo tri simetrična novčića. Kolika je vjerovatnoća da su pala sva tri grba
ako je na prvom pao grb?
Ω
= {(𝑃, 𝑃, 𝑃), (𝑃, 𝑃, 𝐺), (𝑃, 𝐺, 𝑃), (𝑃, 𝐺, 𝐺), (𝐺, 𝑃, 𝑃), (𝐺, 𝑃, 𝐺), (𝐺, 𝐺, 𝑃), (𝐺, 𝐺, 𝐺)} .
Tada je:
𝐴 = {(𝐺, 𝐺, 𝐺)} i 𝐵 = {(𝐺, 𝑃, 𝑃), (𝐺, 𝐺, 𝑃), (𝐺, 𝑃, 𝐺), (𝐺, 𝐺, 𝐺)},
pa je:
1
36 1
𝑃(𝐴|𝐵) = = .
4 4
36
14. Iz špila od 𝟓𝟐 karte igrač uzme 𝟑 karte od kojih su sve tri sa znakom herc.
Kolika je vjerovatnoća da opet uzme 𝟑 karte od kojih je jedna sa znakom
herc?
13 10 39 10 39 10
Ukupan broj ishoda za 𝐵 je ( ), a za 𝐴 je ( ) ∙ ( ) + ( ) ∙ ( ) + ( ). Tada
3 1 2 2 1 3
je:
54
Uvod u teoriju vjerovatnoće sa riješenim zadacima
13 10 39 10 39 10
( ) ∙ (( ) ∙ ( ) + ( ) ∙ ( ) + ( ))
3 1 2 2 1 3
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) ∙ 𝑃(𝐴|𝐵) =
52 49
( )∙( )
3 3
≈ 0.0065 .
Rješenje:
a) Imamo događaje:
Tada je:
pa je:
𝑃(𝐷) = 𝑃(𝐴) ∙ 𝑃(𝐵𝐶 ) ∙ 𝑃(𝐶 𝐶 ) + 𝑃(𝐴𝐶 ) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶 𝐶 ) + 𝑃(𝐴𝐶 ) ∙ 𝑃(𝐵𝐶 ) ∙ 𝑃(𝐶) =
1 2 7 1 1 7 1 2 1
= ∙ ∙ + ∙ ∙ + ∙ ∙ ≈ 0.479 .
2 3 8 2 3 8 2 3 8
𝐴 𝑖 𝐵 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑖 ⇒ 𝐴 𝑖 𝐵𝐶 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑖.
Naime, vrijedi:
b) Neka je:
55
𝑆 = {𝑑𝑣𝑎 𝑠𝑡𝑟𝑖𝑗𝑒𝑙𝑐𝑎 𝑝𝑜𝑔𝑜𝑑𝑒 𝑐𝑖𝑙𝑗}.
Tim je:
𝑆 = (𝐴 ∩ 𝐵 ∩ 𝐶 𝐶 ) ∪ (𝐴 ∩ 𝐵𝐶 ∩ 𝐶) ∪ (𝐴𝐶 ∩ 𝐵 ∩ 𝐶)
⇒ 𝑃(𝑆) = 𝑃(𝐴) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶 𝐶 ) + 𝑃(𝐴) ∙ 𝑃(𝐵𝐶 ) ∙ 𝑃(𝐶) + 𝑃(𝐴𝐶 ) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶) =
1 1 7 1 2 1 1 1 1
= ∙ ∙ + ∙ ∙ + ∙ ∙ ≈ 0.2
2 3 8 2 3 8 2 3 8
𝑃(𝐴 ∩ 𝐵 ∩ 𝑆) 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶 𝐶 )
⇒ 𝑃(𝐴 ∩ 𝐵|𝑆) = = =
𝑃(𝑆) 𝑃(𝑆)
1 1 7
𝑃(𝐴) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶 𝐶 ) 2 ∙ 3 ∙ 8
= = ≈ 0.73 .
𝑃(𝑆) 0.2
1. Kutija sadrži tri kocke. Jedna kocka ima 𝟐 crvene i 𝟒 plave strane, druga ima
𝟑 crvene i 𝟑 plave strane, a treća kocka ima 𝟏 crvenu i 𝟓 plavih strana. Iz
kutije slučajno izvlačimo po jednu kocku. Bacamo kocke na ravnu ploču i
konstantujemo boju gornje strane. Kolika je vjerovatnoća da je pala plava
strana kocke?
1
𝑃(𝐻1 ) = 𝑃(𝐻2 ) = 𝑃(𝐻3 ) = .
3
1 4 1 3 1 5 2 1 5 12 2
= ∙ + ∙ + ∙ = + + = = .
3 6 3 6 3 6 9 6 18 18 3
56
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑃(𝐻1 ) = 𝑃(𝐻2 ) = .
2
1 5 1 3 5 3
𝑃(𝐴) = 𝑃(𝐻1 ) ∙ 𝑃(𝐴|𝐻1 ) + 𝑃(𝐻2 ) ∙ 𝑃(𝐴|𝐻2 ) = ∙ + ∙ = + ≈ 0.61 .
2 8 2 5 16 10
Tada je:
5 3
1 (2) 1 (2) 1 5 ∙ 4 1 3 ∙ 2
= ∙ + ∙ = ∙ + ∙ ≈ 0.33 .
2 (8) 2 (5) 2 8 ∙ 7 2 5 ∙ 4
2 2
1 3
𝑃(𝐻2 ) ∙ 𝑃(𝐴|𝐻2 ) 2 ∙ 5
𝑃(𝐻2 |𝐴) = ≈ ≈ 0.49 .
𝑃(𝐴) 0.61
57
Rješenje: Neka je 𝐻𝑖 , 𝑖 = 0,1,2,3 događaj da u skladištu ima 𝑖 neispravnih žarulja,
a 𝐴 događaj da od 5 izabranih žarulja budu sve ispravne. Tada je:
3 3 100 − 𝑖
1 ( 5 )
𝑃(𝐴) = ∑ 𝑃(𝐻𝑖 ) ∙ 𝑃(𝐴|𝐻𝑖 ) = ∑ ∙ ≈ 0.927 .
4 (100)
𝑖=0 𝑖=0
5
𝟏
6. Označena kuglica se može naći u prvoj kutiji sa vjerovatnoćom , a u drugoj
𝟒
𝟑
kutiji sa vjerovatnoćom . Vjerovatnoća da se ta kuglica izvuče iz kutije u
𝟒
𝟏
kojoj se nalazi je 𝟑 . Koliko puta treba izvlačiti iz prve kutije od ukupno 𝟏𝟎
izvlačenja iz obje kutije, pa da vjerovatnoća izvlačenja označene kuglice
bude maksimalna, ako se zna da se nakon izvlačenja kuglica vraća u kutiju?
Neka se 𝑛 puta izvlači iz prve i 10 − 𝑛 iz druge kutije. 𝐻𝑖 , 𝑖 = 1,2 čine potpun sistem
događaja. Vrijedi:
1 3
𝑃(𝐻1 ) = , 𝑃(𝐻2 ) = ⇒
4 4
𝑑𝑃(𝐴) 1 2 2 3 2 (10−𝑛)∙ln2
= − ∙ ln ∙ 𝑒 𝑛∙ln3 + ∙ ln ∙ 𝑒 3
𝑑𝑛 4 3 4 3
1 2 2 𝑛 3 2 2 10−𝑛
= − ∙ ln ∙ ( ) + ∙ ln ∙ ( ) =0
4 3 3 4 3 3
2 𝑛 2 10−𝑛
⇒ −( ) + 3 ∙ ( ) =0
3 3
2 2𝑛−10
⇒ ( ) =3
3
⇒ (2𝑛 − 10)(ln 2 − ln 3) = ln 3
58
Uvod u teoriju vjerovatnoće sa riješenim zadacima
ln 3
⇒𝑛= + 5 ≈ 3.645 .
2(ln 2 − ln 3)
𝑑𝑃(𝐴) ln 3
>0 ⇐ 𝑛< +5,
𝑑𝑛 2(ln 2 − ln 3)
𝑑𝑃(𝐴) ln 3
<0 ⇐ 𝑛> +5.
𝑑𝑛 2(ln 2 − ln 3)
To znači da je:
ln 3
𝑛= +5
2(ln 2 − ln 3)
za 𝑛 = 4, to je 𝑃(𝐴) maksimalno za 𝑛 = 4.
59
8. Žarulja može pripadati trima raznim tipovima žarulja sa vjerovatnoćama
𝟎. 𝟑, 𝟎. 𝟏, 𝟎. 𝟔 redom. Vjerovatnoća da će žarulja prvog tipa doživjeti 𝒏 sati
je 𝟎. 𝟐, drugog tipa 𝟎. 𝟑 i trećeg tipa 𝟎. 𝟒.
a) Kolika je vjerovatnoća da slučajno izabrana žarulja doživi 𝒏 sati?
b) Ako je žarulja doživjela 𝒏 sati, kolika je vjerovatnoća da je drugog tipa?
𝑖 = 1,2,3.
a) Imamo da je:
b) Imamo da je:
a) Imamo da je:
b) Imamo da je:
60
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑃(𝐴) = ∑ 𝑃(𝐻𝑖 ) ∙ 𝑃(𝐴|𝐻𝑖 ) = 0.2 ∙ 0.5 + 0.35 ∙ 0.6 + 0.3 ∙ 0.65 + 0.15 ∙ 0.3
𝑖=1
= 0.55 .
11. Prva kutija sadrži 𝟒 bijele i 𝟗 crnih kuglica, a druga kutija sadrži 𝟏𝟎 bijelih i
𝟏𝟖 crnih kuglica. Iz prve kutije su slučajno uzete 𝟐 kuglice i prebačene u
drugu kutiju. Iz druge je slučajno uzeta 𝟏 kuglica i prebačena u prvu kutiju.
Zatim iz prve kutije uzimamo jednu kuglicu. Kolika je vjerovatnoća da je
uzeta crna kuglica?
Tada je:
𝑃(𝐻𝑖 ) = 𝑃(𝐵0 ) ∙ 𝑃(𝐻𝑖 |𝐵0 ) + 𝑃(𝐵1 ) ∙ 𝑃(𝐻𝑖 |𝐵1 ) + 𝑃(𝐵2 ) ∙ 𝑃(𝐻𝑖 |𝐵2 ), 𝑖 = 1,2
4 9
( )∙( ) 12 − 𝑗
𝑃(𝐵𝑖 ) = 2 − 𝑖 𝑖 , 𝑃(𝐻1 |𝐵𝑗 ) = ,
13 30
( )
2
18 + 𝑗
𝑃(𝐻2|𝐵𝑗 ) = , 𝑗 = 0,1,2
30
2 4 9
( ) ( ) 12 − 𝑖
𝑃(𝐻1 ) = ∑ 2 − 𝑖 𝑖 ∙ ≈ 0.354 ,
13 30
𝑖=0 ( )
2
2 4 9
( ) ( ) 18 + 𝑖
𝑃(𝐻2 ) = ∑ 2 − 𝑖 𝑖 ∙ ≈ 0.646 ,
13 30
𝑖=0 ( )
2
24 9
( )( ) 9 − 𝑖
𝑃(𝐴|𝐻1 ) = ∑ 2 − 𝑖 𝑖 ∙ ≈ 0.635 ,
13 12
𝑖=0 ( )
2
24 9
( ) ( ) 10 − 𝑖
𝑃(𝐴|𝐻2 ) = ∑ 2 − 𝑖 𝑖 ∙ ≈ 0.718 .
13 12
𝑖=0 ( )
2
62
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Pa je:
12. Jedna serija od 𝟑𝟎𝟎 proizvoda ima 𝟓 defektnih proizvoda, a druga serija od
𝟐𝟎𝟎 proizvoda ima 𝟑 defektna proizvoda. Iz prve serije se slučajno bira 𝟕𝟎
proizvoda, a iz druge 𝟑𝟎 proizvoda koji se prebacuju u skladište. Iz skladišta
se slučajno uzima jedan proizvod. Kolika je vjerovatnoća da je uzet ispravan
proizvod?
70 295 30 197
= ∙ + ∙ ≈ 0.9838 .
100 300 100 200
𝐻𝑖 , 𝑖 = ̅̅̅̅
1, 𝑠 događaj da je u skladištu 𝑖 defektnih proizvoda.
Tada je:
𝑠
63
𝑠 𝑠 𝑛−𝑠 𝑠 𝑠−1 𝑛−𝑠
( )( ) 𝑖 𝑠 ( )( )
=∑ 𝑖 𝑚 −𝑖 ∙ = ∙∑ 𝑖−1 𝑚−𝑖 =
𝑛 𝑚 𝑛 𝑛−1
𝑖=0 ( ) 𝑖=1 ( )
𝑚 𝑚−1
𝑚−1
𝑠 1 𝑠−1 𝑛−𝑠
= ∙ ∙∑( )∙( )
𝑛 (𝑛 − 1) 𝑖 𝑚−1−𝑖
𝑚 − 1 𝑖=0
jer je:
𝑠−1
( ) = 0, ∀𝑖 = ̅̅̅̅̅̅̅̅̅̅̅
𝑠, 𝑚 − 1
𝑖
Pošto je:
𝑝
𝑎 𝑏 𝑎+𝑏
∑ (𝑗) ( )=( ), ∀𝑎, 𝑏 ∈ ℝ ,
𝑝−𝑗 𝑝
𝑗=0
tim je:
𝑠 1 𝑛−1 𝑠
𝑃(𝐴) = ∙ ∙( )= ∎
𝑛 ( 𝑛 − 1 𝑚 − 1 𝑛
)
𝑚−1
64
Uvod u teoriju vjerovatnoće sa riješenim zadacima
3.1. Uvod
Radi boljeg razumjevanja prostora događaja, kao i računanja vjerovatnoće,
događajima pridružujemo realne brojeve. Tako dolazimo do pojma slučajnih
varijabli. U ovoj glavi definišemo matematički pojam slučajnih varijabli i detaljno
obrađujemo slučajne varijable sa diskretnim skupom vrijednosti, tj. diskretne
slučajne varijable.
Tada je:
𝑎 𝑎2 … 𝑎𝑛 …
𝑋: ( 1 … 𝑝𝑛 …) ,
𝑝1 𝑝2
65
što nazivamo distribucija vjerovatnoće slučajne varijable 𝑋.
𝑔1 : ℝ → ℝ , 𝑔2 : ℝ → ℝ , … , 𝑔𝑘 : ℝ → ℝ
𝑔1 ∘ 𝑋1 : 𝛺 → ℝ , 𝑔2 ∘ 𝑋2 : 𝛺 → ℝ , … , 𝑔𝑘 ∘ 𝑋𝑘 : 𝛺 → ℝ
66
Uvod u teoriju vjerovatnoće sa riješenim zadacima
to su 𝑔𝑖 ∘ 𝑋𝑖 slučajne varijable.
Neka su 𝐴𝑖 ∈ Ɓ, 𝑖 = ̅̅̅̅̅
1, 𝑘 proizvoljni. Tada je:
𝑘 𝑘
𝑍𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖 𝑋𝑖
= 𝑃 (⋂[𝑋𝑖 ∈ 𝑔𝑖−1 (𝐴𝑖 )]) = ∏ 𝑃([𝑋𝑖 ∈ 𝑔𝑖−1 (𝐴𝑖 )]) = | |
𝑖 𝑔𝑖−1 (𝐴𝑖 ) ∈ Ɓ
𝑖=1 𝑖=1
𝑘
= ∏ 𝑃([𝑔𝑖 ∘ 𝑥𝑖 ∈ 𝐴𝑖 ]),
𝑖=1
jer je:
𝑥 ∈ [𝑔1 ∘ 𝑥1 ∈ 𝐴1 , 𝑔2 ∘ 𝑥2 ∈ 𝐴2 , … , 𝑔𝑘 ∘ 𝑥𝑘 ∈ 𝐴𝑘 ]
𝑘
⇔ 𝑥 ∈ ⋂[𝑔𝑖 ∘ 𝑥𝑖 ∈ 𝐴𝑖 ]
𝑖=1
Definicija 3.1.5. (Bernoullijeva šema) Ako neki slučajni pokus, čiji su ishodi „uspjeh“-𝑎1
i „neuspjeh“-𝑎2 , ponavljamo 𝑛 puta, tako da vrijedi:
67
b) Ishodi u 𝑛 izvođenja pokusa su nezavisni događaji.
Tada je (Ω, 𝒫(Ω), 𝑃) diskretan prostor vjerovatnoće, kojeg nazivamo Bernoullijeva šema.
𝑃({𝜔1 , ω2 , … , 𝜔𝑛 }) = 𝑝𝑘 ∙ 𝑞 𝑛−𝑘 .
𝑋((𝜔1 , 𝜔2 , … , 𝜔𝑛 )) = 𝑘, 𝑘 = ̅̅̅̅̅
0, 𝑛 ,
0 1 … 𝑛
𝑋: ( … 𝑝𝑛 ) ,
𝑝0 𝑝1
gdje je:
𝑛
𝑝𝑘 = 𝑃([𝑋 = 𝑘]) = ( ) ∙ 𝑝𝑘 ∙ 𝑞 𝑛−𝑘 , 𝑘 = ̅̅̅̅̅
0, 𝑛 .
𝑘
𝑋 ∼ 𝐵(𝑛, 𝑝) .
68
Uvod u teoriju vjerovatnoće sa riješenim zadacima
0 1
𝑌: ( ), 0 < 𝑝 < 1, 𝑞 =1−𝑝,
𝑞 𝑝
Neka su 𝑋𝑖 , 𝑖 = 1, ̅̅̅̅̅
𝑛 diskretne slučajne varijable koje u 𝑖-tom izvođenju pokusa
„uspjeh“ preslikavaju u 1 a „neuspjeh“ u 0, tj. 𝑋𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑛 su Bernoullijeve slučajne
varijable sa distribucijama vjerovatnoće:
0 1
𝑋𝑖 : ( ), 𝑖 = ̅̅̅̅̅
1, 𝑛, 0 < 𝑝 < 1, 𝑞 =1−𝑝.
𝑞 𝑝
̅̅̅̅̅
Očigledno, 𝑋𝑖 , 𝑖 = 1, 𝑛 su nezavisne slučajne varijable. Neka je 𝑋 binomna slučajna
varijabla, tj. 𝑋~𝐵(𝑛, 𝑝). Tada vrijedi:
𝑛
𝑋 = ∑ 𝑋𝑖 .
𝑖=1
Primjer 3.1.1. Bacamo dvije kocke 6 puta. Kolika je vjerovatnoća da na obje padne
paran broj:
a) bar jedanput?
b) najviše dva puta?
c) tačno tri puta?
d) ne manje od dva i ne više od četiri puta?
Rješenje: Zadatak ćemo riješiti pomoću Bernoullieve šeme. Neka je uspjeh da na obje
kocke padne paran broj. Tada je vjerovatnoća uspjeha
9 1
𝑝= = .
36 4
1
𝑋~𝐵 (6, ) .
4
a) Imamo da je:
0
6 1 3 6 3 6
1 − 𝑃([𝑋 = 0]) = 1 − ( ) ( ) ( ) = 1 − ( ) ≈ 0.822 .
0 4 4 4
b) Imamo da je:
69
𝑖 2
6−𝑖
6 1 3
𝑃([𝑋 ≤ 2]) = 𝑃([𝑋 = 0]) + 𝑃([𝑋 = 1]) + 𝑃([𝑋 = 2]) = ∑ ( ) ( ) ( )
𝑖 4 4
𝑖=0
≈ 0.83057 .
c) Imamo da je:
3
6 1 3 3
𝑃([𝑋 = 3]) = ( ) ( ) ( ) = 0.13184 .
3 4 4
d) Imamo da je:
4 𝑖 6−𝑖
6 1 3
𝑃([2 ≤ 𝑋 ≤ 4]) = ∑ ( ) ( ) ( ) = 0.46143 .
𝑖 4 4
𝑖=2
𝑛 𝑛 𝑛
𝑃({(𝜔1 , 𝜔2 , … , 𝜔𝑛 )}) = 𝑝1 1 ∙ 𝑝2 2 … 𝑝𝑘 𝑘 .
𝐴(𝑛1 , 𝑛2 , … , 𝑛𝑘 ) =
Tada je:
𝑛 𝑛 𝑛 𝑛
𝑃(𝐴(𝑛1 , 𝑛2 , … , 𝑛𝑘 )) = (𝑛 , 𝑛 , … , 𝑛 ) 𝑝1 1 ∙ 𝑝2 2 … 𝑝𝑘 𝑘 =
1 2 𝑘
𝑛! 𝑛 𝑛 𝑛
= 𝑝1 1 ∙ 𝑝2 2 … 𝑝𝑘 𝑘 .
𝑛1 ! 𝑛2 ! … 𝑛𝑘 !
Primjer 3.1.2. U kutiji imamo 3 bijele, 4 crne, 8 plavih i 5 crvenih kuglica. Izvlačimo 4
kuglice jednu po jednu sa vraćanjem. Kolika je vjerovatnoća da izvučemo 2 bijele i 1
plavu?
4!
𝑃= ∙ 𝑝2 ∙ 𝑝1 ∙ 𝑝1 .
2! ∙ 1! ∙ 1! 1 2 3
Gdje je:
3 8 9
𝑝1 = , 𝑝2 = , 𝑝3 = .
20 20 20
Otuda je:
4! 3 2 2 1 9 1
𝑃= ∙ ( ) ( ) ( ) ≈ 0.0486 .
2! ∙ 1! ∙ 1! 20 5 20
71
Neka je prostor Ω sastavljen od 𝑛 jednako vjerovatnih ishoda i neka je slučajna
varijabla 𝑋 na Ω definisana tako da ishodima iz Ω pridružuje prirodne brojeve od 1
od 𝑛. Tada je distribucija vjerovatnoće od 𝑋 data sa:
1 2 … 𝑛
𝑋: (1 1 1) .
…
𝑛 𝑛 𝑛
0 1 … 𝑚
𝑋: ( … 𝑝𝑚 ) ,
𝑝0 𝑝1
gdje je:
𝑟 𝑛−𝑟
( )( )
𝑝𝑖 = 𝑃([𝑋 = 𝑖]) = 𝑖 𝑚 𝑛
−𝑖 , 𝑖 = ̅̅̅̅̅̅
1, 𝑚,
( )
𝑚
𝜆𝑖 −𝜆
𝑃𝑖 = 𝑃([𝑋 = 𝑖]) = ∙𝑒 , 𝑖 = 0,1, …
𝑖!
72
Uvod u teoriju vjerovatnoće sa riješenim zadacima
U primjenama broj 𝑛 je najčešće velik broj, pa je vrlo teško računati gornje relacije.
Zato ćemo navesti, bez dokaza, neke klasične teoreme za približno računanje
𝑃([𝑋 = 𝑖]) i 𝑃([𝛼 ≤ 𝑋 ≤ 𝛽]).
𝜆𝑖𝑛 −𝜆
𝑃([𝑋𝑛 = 𝑖]) ≈ 𝑒 𝑛,
𝑖!
gdje je:
𝜆𝑛 = 𝑛𝑝𝑛 , 𝑖 = ̅̅̅̅̅
0, 𝑛 .
Primjer 3.2.1. U jednoj seriji proizvoda ima 0.1% defektnih. Kolika je vjerovatnoća
da među 1000 slučajno uzetih proizvoda bude:
a) tačno 5 defektnih?
b) barem 3 defektna?
𝑋~(1000, 0.001) .
Pošto je 𝜆 = 1000 ∙ 0.001 = 1 < 10, dakle možemo koristiti teorem 3.2.1.
a) Imamo da je:
1000 15
𝑃([𝑋 = 5]) = ( ) ∙ (0.001)5 ∙ (0.999)995 ≈ 𝑒 −1 ≈ 0.003 .
5 5!
b) Imamo da je:
73
1000 (0.001)0 (0.999)1000
1 − 𝑃([𝑋 < 3]) = 1 − ( )∙ ∙ −
0
1000 1000
−( ) ∙ (0.001)1 ∙ (0.999)999 − ( ) ∙ (0.001)2 ∙ (0.999)998 ≈
1 2
10 −1 11 −1 12 −1
≈1− 𝑒 − 𝑒 − 𝑒 =
0! 1! 2!
1
= 1 − (1 + 1 + ) ∙ 𝑒 −1 = 1 − 2.5 ∙ 𝑒 −1 ≈ 0.08 .
2
𝑖 − 𝑛𝑝
0 < 𝑝 < 1, 𝑋𝑛 ~𝐵(𝑛, 𝑝), 𝑥𝑖 = , 𝑖 = ̅̅̅̅̅
0, 𝑛 , 𝑛 ∈ℕ.
√𝑛𝑝𝑞
Tada je:
√2𝜋𝑛𝑝𝑞 ∙ 𝑃([𝑋𝑛 = 𝑖])
𝑙𝑖𝑚 =1
𝑛→∞ 𝑥𝑖2
𝑒− 2
Relacija (1) primjenjuje se za 𝑛𝑝 ≥ 10. Daje dobre rezultate ako 𝑖 nije suviše
malo.
Označimo sa:
1 𝑥2
𝜑(𝑥) = 𝑒− 2 , 𝑥 ∈ℝ.
√2𝜋
Funkcija 𝜑 nazivamo se Gaussova ili Normalna funkcija. Njen grafik je dat na slici 13.
74
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 1 𝑖 − 𝑛𝑝
𝑃([𝑋𝑛 = 𝑖]) ≈ ∙ 𝜑(𝑥𝑖 ) = ∙𝜑( )
√𝑛𝑝𝑞 √𝑛𝑝𝑞 √𝑛𝑝𝑞
Primjer 3.2.2. Grupa od 300 strijelaca gađa u metu tako da svaki strijelac gađa
jedanput i svaki od njih pogađa s vjerovatnoćom 0.7. Kolika je vjerovatnoća da bude
tačno 200 pogodaka?
𝑏
𝑥𝑛 − 𝑛𝑝 1 𝑥2
𝑙𝑖𝑚 𝑃 ([𝑎 ≤ ≤ 𝑏]) = ∫ 𝑒 − 2 𝑑𝑥 , 𝑎, 𝑏 ∈ ℝ .
𝑛→∞ √𝑛𝑝𝑞 √2𝜋
𝑎
75
Teorem 3.2.3. primjenjujemo tako što za dovoljno velike 𝑛 i proizvoljne 𝑎, 𝑏 ∈ ℝ
vrijedi:
(2) 𝑏 𝑏
𝑥𝑛 − 𝑛𝑝 1 𝑥2
−
𝑃 ([𝑎 ≤ ≤ 𝑏]) ≈ ∫ 𝑒 2 𝑑𝑥 = ∫ 𝜑(𝑥)𝑑𝑥 .
√𝑛𝑝𝑞 √2𝜋
𝑎 𝑎
Uvedimo oznaku:
𝑥
Za funkciju Φ vrijedi:
b) Φ(0) = 0.
2
1 +∞ −𝑥 1 √2𝜋 1
c) lim Φ(𝑥) = ∫ 𝑒 2 𝑑𝑥 = ∙ 2 =2.
𝑥→+∞ √2𝜋 0 √2𝜋
1
d) lim Φ(𝑥) = − lim Φ(−𝑥) = − lim Φ(𝑥) = − .
𝑥→−∞ 𝑥→−∞ 𝑥→+∞ 2
76
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑥𝑛 − 𝑛𝑝
(3) 𝑃 ([𝑎 ≤ ≤ 𝑏]) ≈ Φ(𝑏) − Φ(𝑎) .
√𝑛𝑝𝑞
𝑃([𝑎 ≤ 𝑋𝑛 ≤ 𝑏]) =
𝑎 − 𝑛𝑝 𝑋𝑛 − 𝑛𝑝 𝑏 − 𝑛𝑝 𝑏 − 𝑛𝑝 𝑎 − 𝑛𝑝
𝑃 ([ ≤ ≤ ]) ≈ Φ ( ) − Φ( ).
√𝑛𝑝𝑞 √𝑛𝑝𝑞 √𝑛𝑝𝑞 √𝑛𝑝𝑞 √𝑛𝑝𝑞
77
𝑋
𝑃 ([| − 𝑝| ≤ 𝜖]) = 𝑃([𝑛𝑝 − 𝑛𝜖 ≤ 𝑋 ≤ 𝑛𝑝 + 𝑛𝜖]) ≈
𝑛
𝑛𝜖 −𝑛𝜖 𝜖 √𝑛
Φ( )− Φ( ) = 2Φ ( ).
√𝑛𝑝𝑞 √𝑛𝑝𝑞 √𝑝𝑞
𝑋 𝜖 √𝑛
(4) lim 𝑃 ([| − 𝑝| ≤ 𝜖]) ≈ lim 2Φ ( )=1.
𝑛→∞ 𝑛 𝑛→∞ √𝑝𝑞
Primjer 3.2.3. Bacamo simetričan novčić 1000 puta. Kolika je vjerovatnoća da grb
padne više puta od pisma?
Primjer 3.2.4. Koliko puta treba bacati kocku tako da apsolutna vrijednost razlike
relativne frekvencije pojavljivanja 1 ili 2 i vjerovatnoće pojavljivanja 1 ili 2 u svakom
bacanju, s vjerovatnoćom 0.9 bude manja ili jednaka 0.01?
1
Rješenje: Vjerovatnoća pojavljivanja 1 ili 2 u svakom bacanju je 𝑝 = 3 . Neka je 𝑋
broj pojavljivanja 1 ili 2 u 𝑛 bacanja. Tada iz pretpostavke slijedi:
78
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑥 1
𝑃 ([| − | ≤ 0.01]) = 0.9 .
𝑛 3
𝑥 1 0.01 ∙ √𝑛
0.9 = 𝑃 ([| − | ≤ 0.01]) ≈ 2Φ .
𝑛 3 1 2
√
( 3∙3 )
Iz tablica slijedi:
0.01 ∙ √𝑛
≈ 1.65 ,
√1 ∙ 2
3 3
odnosno, 𝑛 = 6050.
𝑋 𝜖 ∙ √2000
0.05 = 𝑃 ([| − 0.3| ≤ 𝜖]) ≈ 2Φ ( ).
2000 √0.3 ∙ 0.7
𝜖 ∙ √2000
≈ 1.96 ⇒ 𝜖 ≈ 0.02 ,
√0.3 ∙ 0.7
tj. granice relativne frekvencije su 0.3 − 0.02 = 0.28 i 0.3 + 0.02 = 0.32.
79
3.3. Funkcija gustoće i funkcija distribucije
𝑎 𝑎2 … 𝑎𝑛 …
𝑋: ( 1 … 𝑝𝑛 …) .
𝑝1 𝑝2
Vrijedi:
b) 𝐹𝑋 je neprekidna s desna.
80
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Dokaz:
a)
𝑥1 < 𝑥2
⇒ [𝑋 ≤ 𝑥1 ] ∈ [𝑋 ≤ 𝑥2 ]
⇒ 𝑃([𝑋 ≤ 𝑥1 ]) ≤ 𝑃([𝑋 ≤ 𝑥2 ])
⇒ 𝐹𝑋 (𝑥1 ) ≤ 𝐹𝑋 (𝑥2 ) .
b) Neka je 𝑥 ∈ ℝ proizvoljna tačka i neka je niz (𝑥𝑛 )𝑛∈ℕ takav da s desna
konvergira ka 𝑥. Bez gubljenja opštosti možemo pretpostaviti da je niz
(𝑥𝑛 )𝑛∈ℕ strogo opadajući,
tj. 𝑥𝑛 > 𝑥𝑛+1 , 𝑛 ∈ ℕ i lim 𝑥𝑛 = 𝑥.
𝑛→∞
Tada je:
[𝑋 ≤ 𝑥𝑛 ] ⊇ [𝑋 ≤ 𝑥𝑛+1 ], 𝑛 ∈ ℕ,
+∞
⋂[𝑋 ≤ 𝑥𝑛 ] = [𝑋 ≤ 𝑥] ,
𝑛=1
jer vrijedi:
𝑦 ∈ [𝑋 ≤ 𝑥𝑛+1 ] ⇒
⇒ 𝑦 ∈ [𝑋 ≤ 𝑥𝑛 ].
+∞
𝑦 ∈ ⋂[𝑋 ≤ 𝑥𝑛 ] ⇔ 𝑦 ∈ [𝑋 ≤ 𝑥𝑛 ], 𝑛 ∈ ℕ ⇔ 𝑋(𝑦) ≤ 𝑥 ⇔ 𝑦 ∈ [𝑋 ≤ 𝑥] .
𝑛=1
No, pošto je niz (𝑥𝑛 )𝑛∈ℕ proizvoljan za kojeg vrijedi lim 𝑥𝑛 = 𝑥 s desna,
𝑛→∞
to je
81
Odnosno, 𝐹𝑋 je neprekidna s desna.
c) Neka je (𝑥𝑛 )𝑛∈ℕ proizvoljan niz takav da je lim 𝑥𝑛 = +∞. Bez gubitka
𝑛→+∞
opštosti možemo pretpostaviti da je niz (𝑥𝑛 )𝑛∈ℕ strogo rastući. Tada je
[𝑋 ≤ 𝑥𝑛 ], 𝑛 ∈ ℕ uzlazni niz događaja, tj. vrijedi da je:
[𝑋 ≤ 𝑥𝑛 ] ⊆ [𝑋 ≤ 𝑥𝑛+1 ], 𝑛 ∈ ℕ.
+∞
a)
jer je [𝑋 ≤ 𝑥1 ] ⊆ [𝑋 ≤ 𝑥2 ] .
b)
1
𝑃([𝑥1 < 𝑋 ≤ 𝑥2 ]) = lim 𝑃 ([𝑥1 − < 𝑋 ≤ 𝑥2 ]) =
𝑥→∞ 𝑛
1
= lim (𝑃([𝑋 ≤ 𝑥2 ]) − 𝑃 ([𝑋 ≤ 𝑥1 − ])) =
𝑛→∞ 𝑛
1
= 𝑃([𝑋 ≤ 𝑥2 ]) − lim 𝑃 ([𝑋 ≤ 𝑥2 − ]) =
𝑛→∞ 𝑛
82
Uvod u teoriju vjerovatnoće sa riješenim zadacima
c)
1 1
𝑃([𝑥1 ≤ 𝑋 < 𝑥2 ]) = lim 𝑃 ([𝑥1 − < 𝑋 ≤ 𝑥2 − ]) =
𝑥→∞ 𝑛 𝑛
1 1
= lim (𝑃 ([𝑋 ≤ 𝑥2 − ]) − 𝑃 ([𝑋 ≤ 𝑥1 − ])) =
𝑛→∞ 𝑛 𝑛
1 1
= lim (𝐹𝑋 (𝑥2 − ) − 𝐹𝑋 (𝑥1 − )) = 𝐹𝑋 (𝑥2 − 0) − 𝐹𝑋 (𝑥1 − 0) .
𝑛→∞ 𝑛 𝑛
d)
1
𝑃([𝑥1 < 𝑋 < 𝑥2 ]) = lim 𝑃 ([𝑥1 < 𝑋 ≤ 𝑥2 − ]) =
𝑥→∞ 𝑛
1
= lim (𝑃 ([𝑋 ≤ 𝑥2 − ]) − 𝑃([𝑋 ≤ 𝑥1 ])) = 𝐹𝑋 (𝑥2 − 0) − 𝐹𝑋 (𝑥1 ) .
𝑛→∞ 𝑛
1 1
lim 𝑃 ([𝑥 − < 𝑋 ≤ 𝑥]) = lim (𝐹𝑋 (𝑥) − 𝐹𝑋 (𝑥 − ) = 𝐹𝑋 (𝑥) − 𝐹𝑋 (𝑥 − 0)
𝑛→+∞ 𝑛 𝑛→∞ 𝑛
Primjer 3.3.1. Kutija sadrži 3 bijele, 2 crne i 5 plavih kuglica. Slučajno izvlačimo jednu
kuglicu. Neka je 𝑋 slučajna varijabla koja bijele preslikava u 1, crne u 2 i plave u 3.
Naći funkciju gustoće i funkciju distribucije od 𝑋. Nacrtati grafik funkcije distribucije
od 𝑋.
1 2 3
𝑋: ( 3 2 5 ).
10 10 10
83
3
, 𝑥=1
10
2
𝑓𝑋 (𝑥) = 𝑃([𝑋 = 𝑥]) = 10 , 𝑥=2
5
, 𝑥=3
10
{ 0, 𝑥 ≠ 1,2,3
0, 𝑥<1
3
, 1≤𝑥<2
𝐹𝑋 (𝑥) = 𝑃([𝑋 ≤ 𝑥]) = 10
5
, 2≤𝑥<3
10
{ 1, 𝑥≥3
1 2 3
84
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Ω = {(i, j) | 𝑖, 𝑗 = ̅̅̅̅
1,4},
ukupno 42 = 16.
Ishodi za [𝑋 = 0] su:
4 1
𝑃([𝑋 = 0]) = = .
16 4
Ishodi za [𝑋 = 1] su:
6 3
𝑃([𝑋 = 1]) = = .
16 8
Ishodi za [𝑋 = 2] su:
4 1
𝑃([𝑋 = 2]) = = .
16 4
Ishodi za [𝑋 = 3] su:
{(1,4), (4,1)},
2 1
𝑃([𝑋 = 3]) = = .
16 8
85
1
7
8
5
8
1
4
1 2 3
0 1 2 3
𝑋: (1 3 1 1) .
4 8 4 8
1
, 𝑥=0
4
3
, 𝑥=1
8
𝑓𝑋 (𝑥) = 1
, 𝑥=2
4
1
, 𝑥=3
8
{ 0, 𝑥 ≠ 0,1,2,3
86
Uvod u teoriju vjerovatnoće sa riješenim zadacima
0, 𝑥<0
1
, 0≤𝑥<1
4
5
𝐹𝑋 (𝑥) = , 1≤𝑥<2
8
7
, 2≤𝑥<3
8
{ 1, 𝑥≥3
0, 𝑥<1
1
, 1≤𝑥<2
2
3
𝐹𝑋 (𝑥) = , 2≤𝑥<3
4
7
, 3≤𝑥<4
8
{ 1, 𝑥≥4
Izračunati:
1 7
a) 𝑃 ([4 < 𝑋 < 2]) .
5
b) 𝑃 ([2 ≤ 𝑋 < 4]) .
c) 𝑃([𝑋 > 3]) .
d) 𝑓𝑋 (𝑥) .
Rješenje:
a) Imamo da je:
1 7 7 1 7 7
𝑃 ([ < 𝑋 < ]) = 𝐹𝑋 ( − 0) − 𝐹𝑋 ( ) = − 0 = .
4 2 2 4 8 8
b) Imamo da je:
87
5 5 7 3 1
𝑃 ([ ≤ 𝑋 < 4]) = 𝐹𝑋 (4 − 0) − 𝐹𝑋 ( − 0) = − = .
2 2 8 4 8
c) Imamo da je:
7 1
𝑃([𝑋 > 3]) = 1 − 𝑃([𝑋 ≤ 3]) = 1 − 𝐹𝑋 (3) = 1 − = .
8 8
d) Imamo da je:
1 1
𝑃([𝑋 = 1]) = 𝐹𝑋 (1) − 𝐹𝑋 (1 − 0) = −0= ,
2 2
3 1 1
𝑃([𝑋 = 2]) = 𝐹𝑋 (2) − 𝐹𝑋 (2 − 0) = − = ,
4 2 4
7 3 1
𝑃([𝑋 = 3]) = 𝐹𝑋 (3) − 𝐹𝑋 (3 − 0) = − = ,
8 4 8
7 1
𝑃([𝑋 = 4]) = 𝐹𝑋 (4) − 𝐹𝑋 (4 − 0) = 1 − = ,
8 8
1
, 𝑥=1
2
1
, 𝑥=2
4
𝑓𝑋 (𝑥) = 1
, 𝑥=3
8
1
, 𝑥=4
8
{ 0, 𝑥 ≠ 1,2,3,4
88
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Neka su:
𝑎 𝑎2 … 𝑎𝑛 … 𝑏 𝑏2 … 𝑏𝑛 …
𝑋: ( 1 𝑝2 … 𝑝𝑛 …) , 𝑌=( 1 𝑞2 … 𝑞𝑛 …),
𝑝1 𝑞1
𝑝𝑖,𝑗 , 𝑥 = 𝑎𝑖 , 𝑦 = 𝑏𝑗 , 𝑖, 𝑗 ∈ ℕ
𝑓𝑍 (𝑧) = 𝑃([𝑍 = 𝑧]) = 𝑃([𝑋 = 𝑥, 𝑌 = 𝑦]) = {
0, 𝑥 ≠ 𝑎𝑖 ∨ 𝑦 ≠ 𝑏𝑗 , 𝑖, 𝑗 ∈ ℕ
89
Definicija 3.3.5. Funkcija distribucije slučajnog vektora 𝑋 = (𝑋1 , … , 𝑋𝑛 ) je
funkcija:
𝐹𝑋 = 𝐹𝑋1 ,…,𝑋𝑛 : ℝ𝑛 → ℝ
definisana sa:
𝐹𝑋 (𝑥) = 𝑃([𝑋 ≤ 𝑥]) = 𝑃([(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ≤ (𝑥1 , 𝑥2 , … , 𝑦𝑛 )]) =
Dokaz: a) ⇒ b) :
Neka su 𝑋1 , 𝑖 = ̅̅̅̅̅
1, 𝑛, nezavisne diskretne slučajne varijable. Tada, za proizvoljne
̅̅̅̅̅
𝑥𝑖 ∈ ℝ, 𝑖 = 1, 𝑛, vrijedi:
𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑃([𝑋1 ≤ 𝑥1 , 𝑋2 ≤ 𝑥2 , … , 𝑋𝑛 ≤ 𝑥𝑛 ]) =
b) ⇒ c):
90
Uvod u teoriju vjerovatnoće sa riješenim zadacima
∑ 𝑓𝑋1 ,𝑋2 ,…,𝑋𝑛 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝐹𝑋1 (𝑥1 ) ∙ 𝐹𝑋2 (𝑥2 ) … 𝐹𝑋𝑛 (𝑥𝑛 ) =
𝑦1 ≤𝑥1
𝑦2 ≤𝑥2
⋮
𝑦𝑛 ≤𝑥𝑛
Otuda je:
𝑓𝑋1 ,𝑋2 ,…,𝑋𝑛 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = 𝑓𝑋1 (𝑥1 ) ∙ 𝑓𝑋2 (𝑥2 ) … 𝑓𝑋𝑛 (𝑥𝑛 ), (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝑛 ,
Očigledno vrijedi:
lim 𝐹𝑋 (𝑥1 , … , 𝑥𝑖 , … 𝑥𝑛 ) = 0 ,
𝑥𝑖 →−∞
lim 𝐹 (𝑥 , … , 𝑥𝑖 , … 𝑥𝑛 )
𝑥1 →+∞ 𝑋 1
=1.
⋮
𝑥𝑛 →+∞
91
Vrijedi:
𝑗 𝑗
𝑝𝑖 = 𝑃([𝑋𝑗 = 𝑎𝑖 ]) = ∑ 𝑝𝑖1 ,…,𝑖𝑗−1 ,𝑖,𝑖𝑗+1 ,…,𝑖𝑛 , 𝑗 = ̅̅̅̅̅
1, 𝑛 .
𝑖1
⋮
𝑖𝑗−1
𝑖𝑗+1
⋮
𝑖𝑛
lim 𝐹𝑈 (𝑥, 𝑦, 𝑧) = 0 , 𝑦, 𝑧 ∈ ℝ,
𝑥→−∞
lim 𝐹𝑈 (𝑥, 𝑦, 𝑧) = 0 , 𝑥, 𝑧 ∈ ℝ,
𝑦→−∞
lim 𝐹𝑈 (𝑥, 𝑦, 𝑧) = 0 , 𝑥, 𝑦 ∈ ℝ,
𝑧→−∞
lim 𝐹 (𝑥, 𝑦, 𝑧)
𝑥→+∞ 𝑈
=1.
𝑦→+∞
𝑧→+∞
Neka su:
𝑎 … 𝑎𝑛 … 𝑏 … 𝑏𝑛 … 𝑐 … 𝑐𝑛 …
𝑋: ( 1 …) , 𝑌=( 1 …) , 𝑍=( 1 ),
𝑝1 … 𝑝𝑛 𝑞1 … 𝑞𝑛 𝑟1 … 𝑟𝑛 …
𝑝𝑖,𝑗,𝑘 , 𝑥 = 𝑎𝑖 , 𝑦 = 𝑏𝑗 , 𝑧 = 𝑐𝑘 , 𝑖, 𝑗, 𝑘 ∈ ℕ
𝑓𝑈 (𝑥, 𝑦, 𝑧) = {
0, 𝑖𝑛𝑎č𝑒
Tada je:
odnosno,
92
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑎 … 𝑎𝑛 … 𝑏 … 𝑏𝑛 …
𝑋=( 1 …) , 𝑌=( 1 …) .
𝑝1 … 𝑝𝑛 𝑞1 … 𝑞𝑛
Y
𝒃𝟏 𝒃𝟐 … 𝒃𝒏 …
𝑿
𝒂𝟏 𝑝11 𝑝12 … 𝑝1𝑛 …
𝒂𝟐 𝑝21 𝑝22 … 𝑝2𝑛 …
⋮ ⋮ ⋮ ⋱ ⋮ ⋱
𝒂𝒎 𝑝𝑚1 𝑝𝑚2 … 𝑝𝑚𝑛 …
⋮ ⋮ ⋮ ⋱ ⋮ ⋱
Analogno i za ostalo 𝑝𝑖 i 𝑞𝑗 :
𝑝𝑖 = ∑ 𝑝𝑖𝑗 𝑖 ∑ 𝑝𝑖𝑗 , 𝑖, 𝑗 ∈ ℕ .
𝑗 𝑖
Rješenje:
a) Imamo da je:
1
𝑃([𝑌 = 0|𝑋 = 1]) =
2
1 1 1
⇒ 𝑝10 = 𝑃([𝑋 = 1, 𝑌 = 0]) = 𝑃([𝑋 = 1]) ∙ 𝑃([𝑌 = 0|𝑋 = 1]) = ∙ = ,
4 2 8
1
𝑃([𝑌 = 1|𝑋 = 1]) =
2
1 1 1
⇒ 𝑝11 = 𝑃([𝑋 = 1, 𝑌 = 1]) = 𝑃([𝑋 = 1]) ∙ 𝑃([𝑌 = 1|𝑋 = 1]) = ∙ = ,
4 2 8
1 1 1 1
𝑃([𝑌 = 0|𝑋 = 2]) = ⇒ 𝑝20 = ∙ = ,
4 4 4 16
1
2 1 1 1 1 1 1 1
𝑃([𝑌 = 1|𝑋 = 2]) = ( ) ( ) ( ) = ⇒ 𝑝21 = ∙ = ,
1 2 2 2 4 2 8
2
2 1 1 0 1 1 1 1
𝑃([𝑌 = 2|𝑋 = 2]) = ( ) ( ) ( ) = ⇒ 𝑝22 = ∙ = ,
2 2 2 4 4 4 16
0
3 1 1 3 1 1 1 1
𝑃([𝑌 = 0|𝑋 = 3]) = ( ) ( ) ( ) = ⇒ 𝑝30 = ∙ = ,
0 2 2 8 4 8 32
94
Uvod u teoriju vjerovatnoće sa riješenim zadacima
3 3
𝑃([𝑌 = 1|𝑋 = 3]) = ⇒ 𝑝31 = ,
8 32
3 3
𝑃([𝑌 = 2|𝑋 = 3]) = ⇒ 𝑝32 = ,
8 32
1 1
𝑃([𝑌 = 3|𝑋 = 3]) = ⇒ 𝑝33 = ,
8 32
1 1
𝑃([𝑌 = 0|𝑋 = 4]) = ⇒ 𝑝40 = ,
16 64
1 1
𝑃([𝑌 = 1|𝑋 = 4]) = ⇒ 𝑝41 = ,
4 16
3 3
𝑃([𝑌 = 2|𝑋 = 4]) = ⇒ 𝑝42 = ,
8 32
1 1
𝑃([𝑌 = 3|𝑋 = 4]) = ⇒ 𝑝43 = ,
4 16
1 1
𝑃([𝑌 = 4|𝑋 = 4]) = ⇒ 𝑝44 = ,
16 64
𝑝𝑖𝑗 = 0, 𝑗 > 𝑖 .
95
Tim imamo tabelu:
Y
𝟎 𝟏 𝟐 𝟑 𝟒
X
1 1
𝟏 0 0 0
8 8
1 1 1
𝟐 0 0
16 8 16
1 3 3 1
𝟑 0
32 32 32 32
1 1 3 1 1
𝟒
64 16 32 16 64
1 1 1
𝑝1 = 𝑃([𝑋 = 1]) = + = ,
8 8 4
1 1 1 1
𝑝2 = 𝑃([𝑋 = 2]) = + + = ,
16 8 16 4
1 3 3 1 1
𝑝3 = 𝑃([𝑋 = 3]) = + + + = ,
32 32 32 32 4
1 1 3 1 1 1
𝑝1 = 𝑃([𝑋 = 3]) = + + + + = .
64 16 32 16 64 4
96
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 2 3 4
𝑋: (1 1 1 1) ,
4 4 4 4
1
, 𝑥 = ̅̅̅̅
1,4
𝑓𝑋 (𝑥) = {4
0, 𝑢 𝑜𝑠𝑡𝑎𝑙𝑖𝑚 𝑠𝑙𝑢č𝑎𝑗𝑒𝑣𝑖𝑚𝑎
1 1 1 1 15
𝑞𝑜 = 𝑃([𝑌 = 0]) = + + + = ,
8 16 32 64 64
1 1 3 1 13
𝑞1 = 𝑃([𝑌 = 1]) = + + + = ,
8 8 32 16 32
1 3 3 1
𝑞2 = 𝑃([𝑌 = 2]) = + + = ,
16 32 32 4
1 1 3
𝑞3 = 𝑃([𝑌 = 3]) = + = ,
32 16 32
1
𝑞4 = 𝑃([𝑌 = 4]) = .
64
97
Tim je distribucija vjerovatnoće po 𝑌:
0 1 2 3 4
𝑌: (15 13 1 3 1 ),
64 32 4 32 64
𝑞𝑖 , 𝑥 = 𝑖, 𝑖 = ̅̅̅̅
1,4
𝑓𝑌 (𝑦) = { , 𝑥 ∈ℝ.
0, 𝑢 𝑜𝑠𝑡𝑎𝑙𝑖𝑚 𝑠𝑙𝑢č𝑎𝑗𝑒𝑣𝑖𝑚𝑎
c) Imamo da je:
1 1 13
𝑓𝑍 (2,1) = 𝑝21 = ≠ ∙ =
8 4 32
= 𝑝2 ∙ 𝑞1 = 𝑓𝑋 (2) ∙ 𝑓𝑌 (1) ,
d) Imamo da je:
1
= 𝑝12 + 𝑝13 + 𝑝14 + 𝑝22 + 𝑝23 + 𝑝24 = .
16
Rješenje: Neka je 𝐴 događaj da se pojavi paran broj na obje kocke. Time je:
3 3 1 3
𝑝 = 𝑃(𝐴) = ∙ = , 𝑞 =1−𝑝 = .
6 6 4 4
98
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑝 = 𝑃(𝐴) = .
6
𝑛 1
0
5 𝑛
𝑃([𝑋 ≥ 1]) = 1 − 𝑃([𝑋 = 0]) = 1 − ( ) ( ) ( ) .
0 6 6
𝑛 1
0
5 𝑛
⇒ 1 − ( ) ( ) ( ) ≥ 0.9
0 6 6
5 𝑛
⇒ ( ) ≤ 0.1
6
ln 0.1
⇒ 𝑛≥ ≈ 13 .
5
ln 6
Rješenje: Neka je 𝐴 događaj da je zbir brojeva koji su pali 10. Sljedeće kombinacije su
sa zbirom 10:
3! + 3! + 3! + 3 + 3 + 3 = 27 .
99
Samim tim je :
27 1
𝑃(𝐴) = = .
216 8
1
Neka je 𝑋~𝐵 (𝑛, 8). Tada, iz pretpostavke, imamo da je:
𝑋~𝐵(𝑛, 0.03),
100
Uvod u teoriju vjerovatnoće sa riješenim zadacima
2
4 1 1 2 1 3
( )( ) ( ) = 6 ∙ =
2 2 2 16 8
6 6
= 1 − ( ) (0.2)0 (0.8)6 − ( ) (0.2)1 (0.8)5 ≈ 0.34 .
0 1
5
𝑃([𝑋 = 2]) = ( ) (0.8)2 (0.2)3 ≈ 0.05 .
2
4
⇒ ( ) 𝑝0 (1 − 𝑝)4 ≤ 0.1
0
4
⇒ 1 − 𝑝 ≤ √0.1 ≈ 0.56
⇒ 𝑝 ≥ 0.44 .
101
9. U kutiji imamo 𝟑 bijele i 𝟕 crvenih kuglica, a izvlačimo šest puta po jednu
kuglicu sa vraćanjem. Koji je najvjerovatniji broj izvučenih kuglica?
3
𝑋~𝐵 (6, ).
10
6
𝑃([𝑋 = 0]) = ( ) (0.3)0 (0.7)6 ≈ 0.1176 ,
0
6
𝑃([𝑋 = 1]) = ( ) (0.3)1 (0.7)5 ≈ 0.3025 ,
1
6
𝑃([𝑋 = 2]) = ( ) (0.3)2 (0.7)4 ≈ 0.3241 ,
2
6
𝑃([𝑋 = 3]) = ( ) (0.3)3 (0.7)3 ≈ 0.1852 ,
3
6
𝑃([𝑋 = 4]) = ( ) (0.3)4 (0.7)2 ≈ 0.0595 ,
4
6
𝑃([𝑋 = 5]) = ( ) (0.3)5 (0.7)1 ≈ 0.0102 ,
5
6
𝑃([𝑋 = 6]) = ( ) (0.3)6 (0.7)0 ≈ 0.0007 .
6
10. Jedan pogon proizvodi tri puta više od drugog pogona iste fabrike. U prvom
pogonu je 𝟓%, a u drugom 𝟑% defektnih proizvoda. Dnevna proizvodnja
se pakuje u zajedničko skladište. Ako se iz skladišta slučajno uzme 𝟏𝟓
proizvoda, kolika je vjerovatnoća da su među njima 𝟐 defektna?
102
Uvod u teoriju vjerovatnoće sa riješenim zadacima
3𝑛 3
= ,
4𝑛 4
3 1
1− = .
4 4
3 1
∙ 0.05 + ∙ 0.03 = 0.045 .
4 4
𝑋~𝐵(15,0.045).
Tim je:
15
𝑃([𝑋 = 2]) = ( ) (0.045)2 (0.955)13 ≈ 0.1168 .
2
𝟐
11. Student je izašao na ispit znajući 𝟑
gradiva. Vjerovatnoća da položi ispit je
proporcionalna dijelu gradiva kojeg je naučio. Ako padne, uči isti dio
gradiva. Koliko puta treba izaći na ispit, pa da sa vjerovatnoćom ne manjom
od 𝟎. 𝟖, položi ispit?
2
Rješenje: Vjerovatnoća da student položi ispit je 𝑝 = 3. Neka je 𝑋 broj izlazaka na
ispit. Tada je:
2
𝑋~𝐵 (𝑛, ).
3
Rješenje:
𝑋~𝐵(4, 𝑝).
4
⇒ ( ) 𝑝0 (1 − 𝑝)4 ≤ 0.1
0
4
⇒ 1 − 𝑝 ≤ √0.1
4
⇒ 𝑝 ≥ 1 − √0.1 ≈ 0.438 .
Rješenje:
104
Uvod u teoriju vjerovatnoće sa riješenim zadacima
10
𝑃([𝑋 = 2]) = ( ) (0.05)2 (0.95)8 ≈ 0.075 .
2
b) Imamo da je:
10 10
= ( ) (0.05)0 (0.95)10 + ( ) (0.05)1 (0.95)9 ≈ 0.91 .
0 1
c) Imamo da je:
10 10
𝑃([2 < 𝑋 < 5]) = ( ) (0.05)3 (0.95)7 + ( ) (0.05)4 (0.95)6 ≈ 0.01 .
3 4
d) Imamo da je:
10
1 − 𝑃([𝑋 = 10]) = 1 − ( ) (0.05)10 (0.95)0 ≈ 1 .
10
10!
𝑃(𝐴7,2,1 ) = ∙ (0.9)7 (0.05)2 (0.05)1 ≈ 0.02 .
7! ∙ 2! ∙ 1!
2 1
𝑝1 = = .
4 2
1
𝑝2 = .
4
1
𝑝3 = .
4
Tim je:
10! 1 5 1 3 1 2 10! ∙ 32 1 10
𝑃(𝐴5,3,2 ) = ∙( ) ( ) ( ) = ∙ ( ) ≈ 0.0769 .
5! ∙ 3! ∙ 2! 2 4 4 5! ∙ 3! ∙ 2! 4
1
𝑛 = 12, 𝑝1 = 𝑝2 = 𝑝3 = 𝑝4 = 𝑝5 = 𝑝6 = .
6
Tim je:
12! 1 2 1 2 1 2 1 2 1 2 1 2
𝑃(𝐴2,2,2,2,2,2 ) = ∙ ( ) ( ) ( ) ( ) ( ) ( ) ≈ 0.0034 .
2! ∙ 2! ∙ 2! ∙ 2! ∙ 2! ∙ 2! 6 6 6 6 6 6
106
Uvod u teoriju vjerovatnoće sa riješenim zadacima
10! 10!
= ∙ (0.2)0 (0.5)7 (0.3)3 + ∙ (0.2)0 (0.5)8 (0.3)2 +
0! ∙ 7! ∙ 3! 0! ∙ 8! ∙ 2!
10! 10!
+ ∙ (0.2)0 (0.5)9 (0.3)1 + ∙ (0.2)0 (0.5)10 (0.3)0 +
0! ∙ 9! ∙ 1! 0! ∙ 10! ∙ 0!
10! 10!
+ ∙ (0.2)1 (0.5)7 (0.3)2 + ∙ (0.2)1 (0.5)8 (0.3)1 +
1! ∙ 7! ∙ 2! 1! ∙ 8! ∙ 1!
10!
+ ∙ (0.2)1 (0.5)9 (0.3)0 ≈ 0.1236 .
1! ∙ 9! ∙ 0!
𝑋~𝐵(100,0.1).
Pošto je:
a) Imamo da je:
1 10 − 100 ∙ 0.1 1
𝑃([𝑋 = 10]) ≈ ∙𝜑( )= ∙ 𝜑(0) ≈
√100 ∙ 0.1 ∙ 0.9 √100 ∙ 0.1 ∙ 0.9 3
1
∙ 0.3989 ≈ 0.133 .
3
107
b) Imamo da je:
c) Imamo da je:
d) Imamo da je:
e) Imamo da je:
10
= Φ(30) − Φ ( ) ≈ | 𝑡𝑎𝑏𝑙𝑖𝑐𝑒 𝑧𝑎 Φ| ≈ 0.5 − 0.5 ≈ 0
3
108
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑋~𝐵(100,0.02).
Pošto je:
a) Imamo da je:
20 −2
𝑃([𝑋 = 0]) ≈ ∙ 𝑒 ≈ 0.135 .
0!
b) Imamo da je:
20 −2 21 −2 22 −2 23 −2
𝑃([𝑋 < 4]) ≈ ∙ 𝑒 + ∙ 𝑒 + ∙ 𝑒 + ∙ 𝑒 ≈ 0.857 .
0! 1! 2! 3!
c) Imamo da je:
20 21 22 23 24 25
𝑃([𝑋 ≤ 5]) ≈ ( + + + + + ) ∙ 𝑒 −2 ≈ 0.98 .
0! 1! 2! 3! 4! 5!
20. Odrediti broj izvedenih pokusa, ako se zna da se u svakom pokusu događaj
𝑨 realizuje sa vjerovatnoćom 𝟎. 𝟑 i da sa vjerovatnoćom ne manjom od
𝟎. 𝟗𝟓 apsolutna vrijednost razlike relativne frekvencije događaja 𝑨 i
vjerovatnoće događaja 𝑨 u svakom pokusu ne prelazi 𝟎. 𝟎𝟏.
𝑋~𝐵(𝑛, 0.3),
pa je:
𝑋
𝑃 ([| − 0.3| ≤ 0.01]) ≥ 0.95
𝑛
0.31 ∙ 𝑛 − 𝑛 ∙ 0.3 0.29 ∙ 𝑛 − 𝑛 ∙ 0.3
𝑃([0.29 ∙ 𝑛 ≤ 𝑋 ≤ 0.31 ∙ 𝑛]) ≈ Φ ( )− Φ( )=
√𝑛 ∙ 0.3 ∙ 0.7 √𝑛 ∙ 0.3 ∙ 0.7
Tim je:
0.002 ∙ √𝑛 ≈ 1.96.
1.96 2
𝑛≥( ) ⇒
0.002
𝑛 ≥ 960400 .
𝑋~𝐵(100,0.2),
pa je:
𝑋
𝑃 ([0.15 ≤ ≤ 0.25]) = 𝑃([0.15 ∙ 100 ≤ 𝑋 ≤ 0.25 ∙ 100]) =
100
5
= 2 ∙ Φ ( ) ≈ | 𝑡𝑎𝑏𝑙𝑖𝑐𝑒 𝑧𝑎 Φ | ≈ 0.788 .
4
𝑋~𝐵(10000,0.55).
110
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Pošto je:
a) Imamo da je:
b) Imamo da je:
Tada je:
1
𝑋~𝐵 (90, ).
60
Pošto je:
1 3
𝜆 = 90 ∙ = < 10 ,
60 2
111
4. Numeričke karakteristike slučajnih varijabli –
Zakon velikih brojeva
𝐸𝑋 = ∑ 𝑎𝑘 𝑝𝑘 .
𝑘=1
Ako je red ∑𝑘 𝑎𝑘 𝑝𝑘 apsolutno divergentan, onda kažemo da slučajna varijabla 𝑋
nema matematičko očekivanje.
Primjer 4.1.1. Bacamo kocku kod koje je jedna strana obojena crvenom, dvije
strane obojene plavom i tri strane obojene bijelom bojom. Gledamo koja je
boja pala na gornju stranu. Neka je slučajna varijabla 𝑋 takva da crvenoj,
plavoj i bijeloj strani pridružuje brojeve 1, 2 i 3 respektivno. Izračunati
matematičko očekivanje od 𝑋.
Rješenje: Prostor elementarnih događaja je:
Ω = {𝐶, 𝑃, 𝐵},
sa vjerovatnoćama:
1 1 1
𝑃(𝐶) = , 𝑃(𝑃) = , 𝑃(𝐵) = .
6 3 2
Slučajna varijabla 𝑋: Ω → ℝ definisana je sa:
𝑋(𝐶) = 1, 𝑋(𝑃) = 2, 𝑋(𝐵) = 3 .
Tim je distribucija vjerovatnoće slučajne varijable 𝑋 data sa:
1 2 3
𝑋: (1 1 1) .
6 3 2
112
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Tim je:
1 1 1 14 7
𝐸𝑋 = 1 ∙ +2∙ +3∙ = = .
6 3 2 6 3
Primjer 4.1.2. Bacamo simetričan novčić sve dok se ne pojavi pismo. Neka je 𝑋 broj
bacanja. Izračunati očekivani broj bacanja ili matematičko očekivanje od slučajne
varijable 𝑋.
Rješenje:
1
𝑝1 = 𝑃([𝑋 = 1]) = ,
2
1 1 1
𝑝2 = 𝑃([𝑋 = 2]) = ∙ = ,
2 2 4
1 𝑘−1 1
𝑝𝑘 = 𝑃([𝑋 = 𝑘]) = ( ) ∙ ,
2 2
12 3 … 𝑛 …
𝑋: (1 1
2
1 3
1 𝑛 ) .
( ) ( ) … ( ) …
2 2 2 2
Imamo da je:
+∞ +∞ +∞ ′
1 𝑛 1 1 𝑛−1 1 1 1 1
𝐸𝑋 = ∑ 𝑛 ∙ ( ) = ∙ ∑ 𝑛 ∙ ( ) = |𝑢 = | = ∙ (∑ 𝑢𝑛 ) = ∙
2 2 2 2 2 2 1 2
𝑛=1 𝑛=1 𝑛=0 (1 − 2)
1
= ∙4=2.
2
113
Primjer 4.1.3. Neka je:
1
Ω = ℕ 𝑖 𝑃({𝑛}) = , 𝑛 ∈ℕ.
𝑛(𝑛 + 1)
Pošto je :
+∞ +∞
1 1 1
∑ = ∑( − )=1,
𝑛(𝑛 + 1) 𝑛 𝑛+1
𝑛=1 𝑛
Kako je:
+∞ +∞
𝑛
1 1
∑ |(−1) ∙ 𝑛 ∙ |=∑
𝑛(𝑛 + 1) 𝑛+1
𝑛=1 𝑛=1
Vrijedi da je:
= ∑ 𝑋(𝑥)𝑃({𝑥}) .
𝑥∈Ω
114
Uvod u teoriju vjerovatnoće sa riješenim zadacima
∑(𝛼𝑋(𝑥) + 𝛽𝑌(𝑥))𝑃({𝑥})
𝑥∈Ω
apsolutno konvergentan. ∎
𝑋≥0
⇒ 𝑋(𝑥) ≥ 0, 𝑥∈Ω
⇒ 𝑎𝑘 ≥ 0, 𝑘∈ℕ
⇒ 𝐸 𝑋 = ∑𝑘 𝑎𝑘 𝑝𝑘 ≥ 0.
Osobinu:
𝑋 ≥ 0 ⇒ 𝐸𝑋 ≥ 0,
𝑋≥𝑌
⇒ 𝑋 − 𝑌 ≥ 0 𝑖 | 𝑧𝑏𝑜𝑔 𝑝𝑜𝑧𝑖𝑡𝑖𝑣𝑛𝑜𝑠𝑡𝑖 | ⇒
𝐸(𝑋 − 𝑌) ≥ 0.
⇒ 𝐸𝑋 ≥ 𝐸𝑌 .
Osobinu:
𝑋 ≥ 𝑌 ⇒ 𝐸𝑋 ≥ 𝐸𝑌,
Primjer 4.1.4.
0 1
𝑋: ( ) ∧ 𝑞 =1−𝑝 ⇒
𝑞 𝑝
𝐸𝑋 = 0 ∙ 𝑞 + 1 ∙ 𝑝 = 𝑝 .
b) Neka je:
𝑋~𝐵(𝑛, 𝑝).
Tada je:
𝑛
0 1
𝑋 = ∑ 𝑋𝑘 ∧ 𝑋𝑘 : ( ), 𝑘 = ̅̅̅̅̅
1, 𝑛 ,
𝑞 𝑝
𝑘=1
𝑛 𝑛
1 2 … 𝑛
𝑋: (1 1 1) ,
…
𝑛 𝑛 𝑛
116
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑛
1 𝑛(𝑛 + 1) 1 𝑛 + 1
𝐸𝑋 = ∑ 𝑘 ∙ = ∙ = .
𝑛 2 𝑛 2
𝑘=1
Tada je:
𝑚−1 𝑟 − 1 𝑛−𝑟
𝑚 ( )( ) 𝑚
𝑖 𝑚−1−𝑖
=𝑟∙ ∙ ∑ =𝑟∙ ,
𝑛 𝑛−1 𝑛
𝑖=0 ( )
𝑚−1
jer vrijedi:
𝑧
𝑥 𝑦 𝑥+𝑦
∑( )( )=( ).
𝑖 𝑧−𝑖 𝑧
𝑖=0
e) Neka je:
𝑋~𝑃(𝜆).
𝑇ada je:
+∞ +∞
𝜆𝑘 𝜆𝑘−1
𝐸𝑋 = ∑ 𝑘 ∙ ∙ 𝑒 −𝜆 = 𝜆 ∙ 𝑒 −𝜆 ∙ ∑ = |𝑘 − 1 = 𝑖| =
𝑘! (𝑘 − 1)!
𝑘=0 𝑘=1
+∞
−𝜆
𝜆𝑖
=𝜆∙𝑒 ∙∑ = 𝜆 ∙ 𝑒 −𝜆 ∙ 𝑒 𝜆 = 𝜆 .
𝑖!
𝑘=1
𝑎1 𝑎2 … 𝑎𝑛 …
𝑋: ( 𝑝 𝑝2 … 𝑝𝑛 )
1 …
117
i neka jen 𝑓𝑋 funkcija gustoće slučajne varijable 𝑋.
𝐸𝑋 = ∑ 𝑎𝑖 𝑝𝑖 = ∑ 𝑥𝑓𝑋 (𝑥) .
𝑖 𝑥∈ℝ
𝑏𝑖 = 𝑔(𝑎𝑗 ), ∀𝑗 ∈ 𝐴𝑖 .
Očigledno je:
⋃ 𝐴𝑖 = ℕ .
𝑖
Tada je:
𝐸𝑔(𝑋) = ∑ 𝑏𝑖 ∙ ∑ 𝑝𝑗 = ∑ ∑ 𝑏𝑖 𝑝𝑗 =
𝑖 𝑗 𝑖 𝑗
Rješenje:
118
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 1 1 1 7 17
𝐸𝑔(𝑋) = (2 ∙ 12 − 1) ∙ + (2 ∙ 22 − 1) ∙ + (2 ∙ 32 − 1) ∙ = + + = 11
6 3 2 6 3 2
𝑎1 𝑎2 … 𝑎𝑛 … 𝑏 𝑏2 … 𝑏𝑛 …
𝑋: ( 𝑝 𝑝2 … 𝑝𝑛 ) ∧ 𝑌: (𝑞1 𝑞2 … 𝑞𝑛 )
1 … 1 …
Neka je:
𝑝𝑖,𝑗 , 𝑥 = 𝑎𝑖 , 𝑦 = 𝑏𝑗 , 𝑖, 𝑗 ∈ ℕ
𝑓𝑋,𝑌 (𝑥, 𝑦) = {
0, 𝑥 ≠ 𝑎𝑖 ˅ 𝑦 ≠ 𝑏𝑗 , 𝑖, 𝑗 ∈ ℕ
Dokaz:
=∑ ∑ 𝑔(𝑎𝑘 , 𝑏𝑙 )𝑃([𝑋 = 𝑎𝑘 , 𝑌 = 𝑏𝑙 ]) =
𝑙,𝑗 𝑘,𝑙
𝑔(𝑎𝑘 ,𝑏𝑙 )=𝑐𝑖,𝑗
119
Rješenje:
𝑔(𝑥, 𝑦) = √𝑥 2 + 𝑦 2
4 4
1 1 1 1
= √12 + 02 ∙ + √12 + 12 ∙ + √22 + 02 ∙ + √22 + 12 ∙ +
8 8 16 8
1 1 3 3
+√22 + 22 ∙ + √32 + 02 ∙ + √32 + 12 ∙ + √32 + 22 ∙ +
16 32 32 32
1 1 1 3
+√32 + 32 ∙ + √42 + 02 ∙ + √42 + 12 ∙ + √42 + 22 ∙ +
32 64 16 32
1 1 1 √2 1 √5
+√42 + 32 ∙ + √42 + 42 ∙ = + + + +
16 64 8 8 8 8
1 √15 3√20 5 √2
+ + + + + ≈ 2.865 .
16 16 32 16 16
𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑥1 ∙ 𝑥2 … 𝑥𝑛 , (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝑛 .
120
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝐸(𝑋1 . 𝑋2 … 𝑋𝑛 ) = 𝐸𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) =
= | 𝑧𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖 𝑋𝑖 |
= ∑ 𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∙ 𝑓𝑋1 (𝑥1 ) ∙ 𝑓𝑋2 (𝑥2 ) … 𝑓𝑋𝑛 (𝑥𝑛 ) =
𝑥1 ,𝑥2 ,…,𝑥𝑛 ∈ℝ
Vrijedi:
= 𝐸(𝑋 2 − 2 ∙ 𝑋 ∙ 𝐸𝑋 + (𝐸𝑋)2 ) =
𝑉𝑎𝑟 (∑ 𝑋𝑖 ) = ∑ 𝑉𝑎𝑟𝑋𝑖
𝑖=1 𝑖=1
121
Dokaz:
𝑛 𝑛 𝑛 2 𝑛 𝑛 2
𝑉𝑎𝑟 (∑ 𝑋𝑖 ) = 𝐸 (∑ 𝑋𝑖 − 𝐸 ∑ 𝑋𝑖 ) = 𝐸 (∑ 𝑋𝑖 − ∑ 𝐸𝑋𝑖 )
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 2
= 𝐸 (∑(𝑋𝑖 − 𝐸𝑋𝑖 )) =
𝑖=1
𝑛 𝑛
= ∑ 𝑉𝑎𝑟𝑋𝑖 ∎
𝑖=1
Dokaz:
2
𝐸(𝑋 − 𝑡)2 = 𝐸((𝑋 − 𝐸𝑋) + (𝐸𝑋 − 𝑡)) =
= 𝐸(𝑋 − 𝐸𝑋)2 + 2 ∙ (𝐸𝑋 − 𝐸𝑋) ∙ (𝐸𝑋 − 𝑡) + (𝐸𝑋 − 𝑡)2 = 𝑉𝑎𝑟𝑋 + (𝐸𝑋 − 𝑡)2 .
122
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Dokaz:
Primjer 4.1.7.
tj.
0 1
𝑋: ( ), 𝑞 =1−𝑝.
𝑞 𝑝
Tada je:
b) Neka je:
𝑋~𝐵(𝑛, 𝑝).
∑ 𝑝𝑞 = 𝑛𝑝𝑞 .
𝑘=1
c) Neka je:
1 2 … 𝑛
𝑋: (1 1 1) .
…
𝑛 𝑛 𝑛
123
Tada je:
𝑛
2
1 𝑛+1 2
𝑉𝑎𝑟𝑋 = 𝐸𝑋 − (𝐸𝑋)2 = ∑ 𝑘2 ∙ −( ) =
𝑛 2
𝑘=1
𝑛(𝑛 + 1)(2𝑛 + 1) 1 𝑛 + 1 2 𝑛2 − 1
= ∙ −( ) = .
6 𝑛 2 12
𝑚 𝑟 𝑛−𝑟
( )( )
𝐸(𝑋(𝑋 − 1)) = ∑ 𝑘(𝑘 − 1) 𝑘 𝑚 𝑛
−𝑘 =
𝑘=0 ( )
𝑚
𝑚 𝑟−2 𝑛−𝑟
𝑟(𝑟 − 1) ( )( )
𝑚 −𝑘
= 𝑚(𝑚 − 1) ∙∑ 𝑘−2 = |𝑘 − 2 = 𝑖| =
𝑛(𝑛 − 1) 𝑛−2
𝑘=0 ( )
𝑚−2
𝑚−2 𝑟 − 2 𝑛−𝑟
𝑟(𝑟 − 1) ( )( ) 𝑟(𝑟 − 1)
𝑖 𝑚−2−𝑖
= 𝑚(𝑚 − 1) ∙∑ = 𝑚(𝑚 − 1) ,
𝑛(𝑛 − 1) 𝑛 − 2 𝑚(𝑚 − 1)
𝑖=0 ( )
𝑚−2
jer vrijedi:
𝑝
𝑥 𝑦 𝑥+𝑦
∑ ( ) (𝑝 − 𝑖 ) = ( 𝑝 ) .
𝑖
𝑖=0
𝐸(𝑋(𝑋 − 1)) = 𝐸𝑋 2 − 𝐸𝑋 ⇒
𝐸𝑋 2 = 𝐸(𝑋(𝑋 − 1)) + 𝐸𝑋
𝑟(𝑟 − 1) 𝑟 𝑟 2
= 𝑚(𝑚 − 1) + 𝑚 − (𝑚 ) =
𝑛(𝑛 − 1) 𝑛 𝑛
124
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑚𝑟(𝑛 − 𝑚)(𝑛 − 𝑟)
= .
𝑛2 (𝑛 − 1)
e) Neka je:
𝑋~𝑃(𝜆).
Tada je:
+∞ +∞
𝜆𝑘 𝜆𝑘
𝐸(𝑋(𝑋 − 1)) = ∑ 𝑘(𝑘 − 1) 𝑒 −𝜆 = ∑ 𝑘(𝑘 − 1) 𝑒 −𝜆 =
𝑘! 𝑘!
𝑘=0 𝑘=2
+∞
2 −𝜆
𝜆𝑘−2
=𝜆 𝑒 ∙∑ = |𝑘 − 2 = 𝑖| =
(𝑘 − 2)!
𝑘=2
+∞
2 −𝜆
𝜆𝑖
=𝜆 𝑒 ∙∑ = 𝜆2 𝑒 −𝜆 𝑒 𝜆 = 𝜆2 .
𝑖!
𝑖=0
Tim je:
Primjer 4.1.8. U kutiji su 4 bijele i 6 crnih kuglica. Igrač koji ima 10 poena, izvlači 10
puta kuglicu sa vraćanjem. Ako izvuče bijelu dobije 2 poena, a ako izvuče crnu, gubi
1 peon. Neka je 𝑋 broj poena igrača nakon 10 izvlačenja. Naći 𝐸𝑋 i 𝑉𝑎𝑟𝑋.
Tada je:
2
𝑌~ (10, ),
5
𝑋 = 10 + 2 ∙ 𝑌 − (10 − 𝑌) = 3𝑌 .
Time je:
2
𝐸𝑋 = 𝐸(3𝑌) = 3𝐸𝑌 = 3 ∙ 10 ∙ = 12 ,
5
125
2 3 108
𝑉𝑎𝑟𝑋 = 𝑉𝑎𝑟(3𝑌) = 32 𝑉𝑎𝑟𝑌 = 9 ∙ 10 ∙ ∙ = .
5 5 5
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸𝑋 ∙ 𝐸𝑌 .
𝐶𝑜𝑣(𝑋, 𝑌)
𝜚= .
√𝑊𝑎𝑟𝑋 ∙ 𝑊𝑎𝑟𝑌
Vrijedi, |𝜚| ≤ 1.
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸𝑋 ∙ 𝐸𝑌 = 𝐸𝑋 ∙ 𝐸𝑌 − 𝐸𝑋 ∙ 𝐸𝑌 = 0.
Obrnuto ne vrijedi.
Primjer 4.1.9. Neka slučajne varijable 𝑋 i 𝑌 imaju zajedničku gustoću datu u tabeli:
Y
−𝟏 𝟎 𝟏
X
1 1
𝟎 0
3 3
1
𝟏 0 0
3
0 1 −1 0 1
𝑋: (2 1 ) 𝑖 𝑌: ( 1 1 1) .
3 3 3 3 3
𝑋 i 𝑌 su zavisne, jer:
1 2 1
𝑃([𝑋 = 0, 𝑌 = 1]) = ≠ ∙ = 𝑃([𝑋 = 0]) ∙ 𝑃([𝑌 = 1]) ,
3 3 3
126
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 1
𝐸(𝑋𝑌) = ∑ 𝑖 ∙ 𝑗 ∙ 𝑝𝑖,𝑗 = 0 ∙ (−1) ∙ + 0 ∙ 0 ∙ 0 + 0 ∙ 1 ∙ +
3 3
𝑖,𝑗
1
+1 ∙ (−1) ∙ 0 + 1 ∙ 0 ∙ + 1 ∙ 1 ∙ 0 = 0 .
3
Tim je:
1
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸𝑋 ∙ 𝐸𝑌 = 0 − ∙ 0 = 0 ,
3
Y
𝟎 𝟏 𝟐 𝟑 𝟒
X
1 1
𝟏 0 0 0
8 8
1 1 1
𝟐 0 0
16 8 16
1 3 3 1
𝟑 0
32 32 32 32
1 1 3 1 1
𝟒
64 16 32 16 64
Rješenje:
1 2 3 4 0 1 2 3 4
𝑋: (1 1 1 1) , 𝑌: (15 13 1 3 1 ).
4 4 4 4 64 32 4 32 64
Tim je:
5
𝐸𝑋 =
2
127
15 13 1 3 1 20
𝐸𝑌 = 0 ∙ +1∙ +2∙ +3∙ +4∙ = ,
64 32 4 32 64 16
𝐸(𝑋𝑌) = ∑ 𝑖 ∙ 𝑗 ∙ 𝑝𝑖,𝑗 =
𝑖,𝑗
1 1 1 3 3
= 1∙1∙ +2∙1∙ +2∙2∙ +3∙1∙ +3∙2∙ +
8 8 8 32 32
1 1 3 1 1
=3∙3∙ +4∙1∙ +4∙2∙ +4∙3∙ +4∙4∙ =4⇒
32 16 32 16 64
5 20 7
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸𝑋 ∙ 𝐸𝑌 = 4 − ∙ = ,
2 16 8
𝐶𝑜𝑣(𝑋, 𝑌)
𝜚= =
√𝑊𝑎𝑟𝑋 ∙ 𝑊𝑎𝑟𝑌
7
= 8 ≈ 0.8 .
2
15 15 2 13 2 1 2 3 2 1 20
√ ∙ (02 ∙
12 64 + 1 ∙ 32 + 2 ∙ 4 + 3 ∙ 32 + 4 ∙ 64 − (16) )
128
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑋 𝑌
𝑍1 = + ,
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
𝑋 𝑌
𝑍2 = − .
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
Tim je:
2 2
𝑋 𝑌 𝑋 𝑌
𝑉𝑎𝑟𝑍1 = 𝐸 ( + ) − (𝐸 ( + )) =
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌 √𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
= 1 + 1 + 2𝜚 = 2(1 + 𝜚) ,
2 2
𝑋 𝑌 𝑋 𝑌
𝑉𝑎𝑟𝑍2 = 𝐸 ( − ) − (𝐸 ( − )) =
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌 √𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
= 1 + 1 − 2𝜚 = 2(1 − 𝜚) .
𝑋 𝑌
− =𝑐,
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
s vjerovatnoćom 1, pa je:
√𝑉𝑎𝑟𝑌
𝑌= ∙ 𝑋 − 𝑐 ∙ √𝑉𝑎𝑟𝑌 .
√𝑉𝑎𝑟𝑋
𝑋 𝑌
− =𝑐,
√𝑉𝑎𝑟𝑋 √𝑉𝑎𝑟𝑌
pa je:
129
√𝑉𝑎𝑟𝑌
𝑌=− ∙ 𝑋 + 𝑐 ′ ∙ √𝑉𝑎𝑟𝑌 ∎
√𝑉𝑎𝑟𝑋
Tada je:
≥ 𝜖2 ∙ ∑ 𝑝𝑖 = 𝜖 2 𝑃([𝑋 − 𝐸𝑋] ≥ 𝜖) ⇒
𝑖
|𝑎𝑖 −𝐸𝑋|≥𝜖
𝑉𝑎𝑟𝑋
𝑃([𝑋 − 𝐸𝑋] ≥ 𝜖) ≤ ∎
𝜖2
Dokaz:
1, 𝑥 ∈ 𝐴
𝐸(𝑔(𝑋)) = |𝜅𝐴 (𝑥) = { |=
0, 𝑥 ∉ 𝐴
130
Uvod u teoriju vjerovatnoće sa riješenim zadacima
= 𝐸(𝑔(𝑋)𝜅[𝑔(𝑋)≥𝜖] ) + 𝐸(𝑔(𝑋)𝜅[𝑔(𝑋)<𝜖] ) ≥
≥ 𝐸(𝑔(𝑋)𝜅[𝑔(𝑋)≥𝜖] ) ≥ 𝜖 ∙ 𝐸(𝜅[𝑔(𝑋)≥𝜖] ) =
= 𝜖 ∙ 𝑃([𝑔(𝑋) ≥ 𝜖])
𝐸(𝑔(𝑋))
⇒ 𝑃([𝑔(𝑋) ≥ 𝜖]) ≤ ∎
𝜖
𝐸((𝑋 − 𝐸𝑋)2 )
𝑃([(𝑋 − 𝐸𝑋)2 ≥ 𝜖 2 ]) ≤ .
𝜖2
Odnosno,
𝑉𝑎𝑟𝑋
𝑃([𝑋 − 𝐸𝑋] ≥ 𝜖) ≤ .
𝜖2
Rješenje:
𝑃([3.5 < 𝑋 < 4.5]) = 𝑃([|𝑋 − 𝐸𝑋| < 0.5]) = 1 − 𝑃([|𝑋 − 𝐸𝑋| ≥ 0.5]) ≥
𝑉𝑎𝑟𝑋
≥1− ≈ 0.6 .
(0.5)2
131
Lema 4.2.1. Neka je 𝑋𝑛 , 𝑛 ∈ ℕ niz slučajnih varijabli koje imaju varijance i neka
je:
𝑙𝑖𝑚 𝑉𝑎𝑟𝑋𝑛 = 0.
𝑛→∞
Tada:
𝑃
𝑋𝑁 − 𝐸𝑋𝑛 → 0 (𝑛 → ∞) .
𝑉𝑎𝑟𝑋𝑛
𝑃([|𝑋𝑛 − 𝐸𝑋𝑛 | ≥ 𝜖]) ≤ .
𝜖2
Tada je:
𝑉𝑎𝑟𝑋𝑛
lim 𝑃([|𝑋𝑛 − 𝐸𝑋𝑛 | ≥ 𝜖]) ≤ lim =0
𝑛→∞ 𝑛→∞ 𝜖 2
𝑃
⇒ 𝑋𝑛 − 𝐸𝑋𝑛 → 0(𝑛 → ∞) ∎
Aritmetička sredina:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
𝑛
132
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
𝑃 ([| −𝐸( )| ≥ 𝜖])
𝑛 𝑛
𝑋 + 𝑋2 + ⋯ + 𝑋𝑛
𝑉𝑎𝑟 ( 1 𝑛 )
≤ =
𝜖2
𝑛
1 1
= | 𝑧𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖 𝑋𝑖 | = 2 2 ∑ 𝑉𝑎𝑟𝑋𝑖 ≤ | 𝑧𝑏𝑜𝑔 𝑝𝑟𝑒𝑡𝑝𝑜𝑠𝑡𝑎𝑣𝑘𝑒 | ≤
𝜖 𝑛
𝑖=1
1
2∙𝑛∙𝑀 𝑀
≤𝑛 2 = .
𝜖 𝑛 ∙ 𝜖2
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃
−𝐸( )→0 (𝑛 → ∞) ∎
𝑛 𝑛
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
−𝐸( )=
𝑛 𝑛
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝐸𝑋1 + 𝐸𝑋2 + ⋯ + 𝐸𝑋𝑛
= − =
𝑛 𝑛
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃
= − 𝑎 → 0 (𝑛 → ∞)
𝑛
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃
⇒ → 𝑎 (𝑛 → ∞) .
𝑛
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃
− 𝐸𝑋 → 0 (𝑛 → +∞) .
𝑛
133
Odnosno, za velike 𝑛, razlika aritmetičke sredine uzorka i očekivanja 𝐸𝑋 je manja
od proizvoljno malog 𝜖, s vjerovatnoćom koja teži 1.
0 1
𝑋𝑛 : ( ), 𝑞 =1−𝑝, 𝑛 ∈ ℕ.
𝑞 𝑝
Otuda:
𝐸𝑋𝑛 = 𝑝, 𝑛 ∈ℕ.
Tada je:
𝑋1 + 𝑋2 + ⋯ 𝑋𝑛 ~𝐵(𝑛, 𝑝)
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃
→𝑝 (𝑛 → ∞) .
𝑛
Neka je:
𝑋𝑛 ~𝐵(𝑛, 𝑝), 𝑛 ∈ ℕ.
𝑋𝑛 𝑋𝑛 𝑋𝑛
𝑃 ([| − 𝐸 ( )| ≥ 𝜖]) = 𝑃 ([| − 𝑝| ≥ 𝜖]) ≤
𝑛 𝑛 𝑛
𝑋 1
𝑉𝑎𝑟 ( 𝑛𝑛 ) 2 ∙ 𝑉𝑎𝑟𝑋𝑛 𝑝𝑞
≤ = 𝑛 = 2≤
𝜖2 𝜖 2 𝑛𝜖
1 1
≤ |𝑝𝑞 = 𝑝(1 − 𝑝) ≤ | ≤
4 4𝑛𝜖 2
134
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑋𝑛 𝑋𝑛 1
(1) ⇒ 𝑃 ([| − 𝐸 ( )| ≥ 𝜖]) ≤ .
𝑛 𝑛 4𝑛𝜖 2
𝑋𝑛 𝑋𝑛 𝑛
𝑃 ([| − 𝐸 ( )| ≥ 𝜖]) = ∑ ( ) 𝑝𝑖 𝑞 𝑛−𝑖 .
𝑛 𝑛 𝑖
𝑖
𝑖
| −𝑃|≥𝜖
𝑛
𝑛 1
∑ ( ) 𝑝𝑖 𝑞 𝑛−𝑖 ≤ .
𝑖 4𝑛𝜖 2
𝑖
𝑖
| −𝑝|≥𝜖
𝑛
Otuda:
𝑛
(2) lim ∑ ( ) 𝑝𝑖 𝑞 𝑛−𝑖 = 0 .
𝑛→∞ 𝑖
𝑖
𝑖
| −𝑝|≥𝜖
𝑛
Često se postavlja pitanje, koliko puta treba izvoditi pokus, tj. koliko je 𝑛, pa da
vrijedi:
𝑋𝑛
𝑃 ([| − 𝑝| < 𝜖]) ≥ 1 − 𝛼 ,
𝑛
𝑋𝑛 1
𝑃 ([| − 𝑝| < 𝜖]) ≥ 1 − ,
𝑛 4𝑛𝜖 2
pa za:
1
1− ≥ 1−𝛼
4𝑛𝜖 2
135
1
𝑛≥ .
4𝜖 2 𝛼
Ovdje ćemo ispitivati slučajne varijable koje primaju nenegativne cijele vrijednosti.
0 1 … 𝑛 …
𝑋: (𝑝 𝑝 … 𝑝𝑛 ).
0 1 …
Vrijedi da je:
+∞
𝑋)
𝐺𝑋 (𝑡) = 𝐸(𝑡 = ∑ 𝑡 𝑘 ∙ 𝑝𝑘 , |𝑡| ≤ 1 .
𝑘=0
Pošto je ∑+∞
𝑘=0 𝑝𝑘 = 1, to je:
+∞
∑ 𝑡 𝑘 ∙ 𝑝𝑘 ,
𝑘=0
136
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞ +∞
∑ 𝑡 ∙ 𝑝𝑘 = ∑ 𝑡 𝑘 ∙ 𝑞𝑘 , |𝑡| ≤ 1
𝑘
𝑘=0 𝑘=0
gdje je:
0 1 … 𝑛 …
𝑌: (𝑞 𝑞 … 𝑞𝑛 ).
0 1 …
Teorem 4.3.1. Ako slučajna varijabla 𝑋 ima varijancu, tada je njena funkcija
izvodnica dva puta diferencijabilna u tački 𝑡 = 1 i vrijedi:
𝐺𝑋′ (1) = 𝑙𝑖𝑚 𝐺𝑋′ (𝑡) 𝑖 𝐺𝑋′′ (1) = 𝑙𝑖𝑚 𝐺𝑋′′ (𝑡) .
𝑡→1−0 𝑡→1−0
Dokaz:
+∞ ′ +∞
𝑘=0 𝑘=1
+∞
Za 𝑡 = 1 vrijedi:
∞
∑ 𝑘𝑝𝑘 = 𝐸𝑋 ,
𝑘=1
+∞
137
gdje su oba reda konvergentna, jer postoji varijanca od 𝑋. Sada, zbog Abelove
teoreme, vrijedi:
∞
𝑉𝑎𝑟𝑋 = 𝐸(𝑋(𝑋 − 1)) + 𝐸𝑋 − (𝐸𝑋)2 = 𝐺𝑋′′ (1) + 𝐺𝑋′ (1) − [𝐺𝑋′ (1)]2 ∎
Dokaz:
𝑛
𝐺∑𝑛𝑘=1 𝑋𝑘 (𝑡) = 𝐸(𝑡 ∑𝑘=1 𝑋𝑘 ) = | 𝑧𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖 𝑡 𝑋𝑘 | =
𝑛 𝑛 𝑛
𝑋𝑘 𝑋𝑘 )
= 𝐸 (∏ 𝑡 ) = ∏ 𝐸(𝑡 = ∏ 𝐺𝑋𝑘 (𝑡) ∎
𝑘=1 𝑘=1 𝑘=1
Dokaz:
138
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Primjer 4.3.1.
𝐺𝑋 (𝑡) = 𝑡 0 ∙ 𝑞 + 𝑡1 ∙ 𝑝 = 𝑞 + 𝑝 ∙ 𝑡 .
b) Neka je:
𝑋~𝐵(𝑛, 𝑝).
Tada je:
𝑛
𝑋 = ∑ 𝑋𝑘 ,
𝑘=1
gdje su:
0 1
𝑋𝑘 ∶ ( ), 𝑘 = ̅̅̅̅̅
1, 𝑛
𝑞 𝑝
c) Neka su 𝑋𝑘 , 𝑘 = ̅̅̅̅̅
1, 𝑛 nezavisne slučajne varijable i
𝑋𝑘 ~𝑃(𝜆𝑘 ), 𝑘 = ̅̅̅̅̅
1, 𝑛.
Tada je:
𝑛
+∞
𝑋𝑘 )
𝜆𝑛𝑘 −𝜆
𝐺𝑋𝑘 (𝑡) = 𝐸(𝑡 = ∑ 𝑡𝑛 ∙ ∙𝑒 𝑘 =
𝑛!
𝑛=0
+∞
−𝜆𝑘
(𝑡𝜆𝑘 )𝑛
=𝑒 ∑ = 𝑒 −𝜆𝑘 ∙ 𝑒 𝑡𝜆𝑘 = 𝑒 𝑡𝜆𝑘 −𝜆𝑘 .
𝑛!
𝑛=0
139
Tim je:
𝑛
𝐺𝑋1 +𝑋2 +⋯+𝑋𝑛 (𝑡) = ∏ 𝑒 𝑡𝜆𝑘 −𝜆𝑘 = 𝑒 𝑡(𝜆1 +𝜆2 +⋯+𝜆𝑛 )−(𝜆1 +𝜆2 +...+𝜆𝑛 ) .
𝑘=1
Tim je:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ~𝑃(𝜆1 + 𝜆2 + ⋯ + 𝜆𝑛 ) .
0 1 … 𝑛 …
𝑋: (𝑝 𝑝 … 𝑝𝑛 ),
0 1 …
gdje je:
Rješenje:
+∞ +∞
1
𝐺𝑋 (𝑡) = ∑ 𝑡 ∙ 𝑝 ∙ 𝑞 = 𝑝 ∙ ∑(𝑡 ∙ 𝑞)𝑘 = 𝑝 ∙
𝑘 𝑘
.
1 − 𝑞𝑡
𝑘=0 𝑘=0
2𝑝𝑞 2 𝑞 𝑞 2 𝑞2 𝑞 𝑞
= lim 3
+ − ( ) = 2+ = 2.
𝑡→1−0 (1 − 𝑞𝑡) 𝑝 𝑝 𝑝 𝑝 𝑝
140
Uvod u teoriju vjerovatnoće sa riješenim zadacima
̅̅̅̅,
|𝑖 − 𝑗|, 𝑖, 𝑗 = 1,4
0, 1, 2, 3.
Tim je:
1 1
𝑃([𝑋 = 0]) = 𝑃({(𝑖, 𝑗): 𝑖 = 𝑗}) = 4 ∙ = ,
4∙4 4
6 3
𝑃([𝑋 = 1]) = 𝑃({(1,2), (2,1), (2,3), (3,2), (3,4), (4,3)}) = = ,
16 8
4 1
𝑃([𝑋 = 2]) = 𝑃({(1,3), (3,1), (2,4), (4,2)}) = = ,
16 4
2 1
𝑃([𝑋 = 3]) = 𝑃({(1,4), (4,1)}) = = .
16 8
0 1 2 3
𝑋: (1 3 1 1) .
4 8 4 8
141
1
, 𝑥=0 0, 𝑥 < 0
4
1
3 , 0 ≤𝑥<1
8
, 𝑥 =1 4
5
1 , 1≤𝑥 <2
𝑓𝑋 (𝑥) = 4
, 𝑥 =2 𝐹𝑋 (𝑥) = 8
1 7
, 𝑥 =3 8
, 2≤𝑥<3
8
0, 𝑥 ≠ 0,1,2,3 1, 3 ≤ 𝑥
{ {
𝟏
2. Neka je 𝑿~𝑩 (𝟒, 𝟑). Naći funkciju distribucije slučajnih varijabli
𝒀 = 𝟐𝑿 − 𝟏 i 𝒁 = 𝑿𝟐 .
0, 1, 2, 3 i 4,
to 𝑌 prima vrijednosti:
−1, 1, 3, 5 i 7,
a 𝑍 prima vrijednosti:
0, 1, 4, 9 i 16.
142
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Tim je:
Otuda je:
16
, 𝑦 = −1 0, 𝑦 < −1
81 16
32 , −1 ≤ 𝑦 < 1
, 𝑦 =1 81
81 48
24 , 1≤𝑦< 3
, 𝑦 =3 81
𝑓𝑌 (𝑦) = 81 𝐹𝑌 (𝑦) = 72
8 , 3≤𝑦<5
, 𝑦 =5 81
81 80
1 , 5≤𝑦<7
, 𝑦 =7 81
81 1, 7≤𝑦
0, 𝑦 ≠ −1,1,3,5,7 {
{
3. Neka je:
𝝅 𝝅 𝝅 𝟑𝝅 𝟓𝝅
𝟎 𝝅 ).
𝑿: ( 𝟔 𝟒 𝟐 𝟒 𝟔
𝟎. 𝟏 𝟎. 𝟐 𝟎. 𝟑 𝟎. 𝟏 𝟎. 𝟎𝟓 𝟎. 𝟎𝟓 𝟎. 𝟐
𝒀 = 𝐬𝐢𝐧 𝑿.
144
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
1 𝜋 5𝜋
𝑃 ([𝑌 = ]) = 𝑃 ([𝑋 = ]) + 𝑃 ([𝑋 = ]) = 0.2 + 0.05 = 0.25 ,
2 6 6
√2 𝜋 3𝜋
𝑃 ([𝑌 = ]) = 𝑃 ([𝑋 = ]) + 𝑃 ([𝑋 = ]) = 0.3 + 0.05 = 0.35 ,
2 4 4
𝜋
𝑃([𝑌 = 1]) = 𝑃 ([𝑋 = ]) = 0.1 .
2
Tim je:
1 √2
0 1 ),
𝑌: ( 2 2
0.3 0.25 0.35 0.1
0, 𝑦<0
1
0.3, 0 ≤𝑦<
2
1 √2
𝐹𝑌 (𝑦) = 0.55, 2
≤𝑦 <
2
√2
0.9, ≤𝑦<1
2
1, 1≤𝑦
{
−𝟏, 𝑿 < 𝟎
e) 𝒀 = { 𝟎, 𝑿 = 𝟎
𝟏, 𝑿 > 𝟎
𝟏
f) 𝒀= .
𝟏+𝑿𝟐
145
Rješenje:
a) Imamo da je:
Tim je:
0, 𝑦≤0
𝑓𝑌 (𝑦) = 𝑃([𝑌 = 𝑦]) = { .
𝑓𝑋 (ln 𝑦), 𝑦>0
b) Imamo da je:
1 1 1
𝑃([𝑌 = 𝑦]) = 𝑃 ([ = 𝑦]) = 𝑃 ([𝑋 = ]) = 𝑓𝑋 ( ) , 𝑦≠0
𝑋 𝑦 𝑦
1
𝑃([𝑌 = 0]) = 𝑃 ([ = 0]) = 0 .
𝑋
Tim je:
0, 𝑦=0
𝑓𝑌 (𝑦) = { 1 .
𝑓𝑋 ( ) , 𝑦≠0
𝑦
c) Imamo da je:
Time je:
0, 𝑦<0
𝑓𝑌 (𝑦) = { .
𝑓𝑋 (−√𝑦) + 𝑓𝑋 (√𝑦), 𝑦 ≥ 0
d) Imamo da je:
146
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Tim je:
0, 𝑦>1
𝑓𝑌 (𝑦) ={1 − 𝐹𝑋 (1 − 0), 𝑦 = 1, 𝑦 ∈ℝ.
𝑓𝑋 (𝑦), 𝑦<1
e) Imamo da je:
f) Imamo da je:
1 1−𝑦
𝑃([𝑌 = 𝑦]) = 𝑃 ([ 2
= 𝑦]) = 𝑃 ([𝑋 = ±√ ]) =
1+𝑋 𝑦
1−𝑦 1−𝑦
𝑃 ([𝑋 = −√ ]) + 𝑃 ([𝑋 = √ ]) =
𝑦 𝑦
1−𝑦 1−𝑦
= 𝑓𝑋 (−√ ) + 𝑓𝑋 (√ ), 0<𝑦 ≤1,
𝑦 𝑦
1
𝑃([𝑌 = 𝑦]) = 𝑃 ([ = 𝑦]) = 0, 𝑦 ≤ 0, 𝑦 > 1,
1 + 𝑋2
147
0, 𝑦 ≤ 0, 𝑦>1
4 6
( )( ) 4∙3∙2∙1 1
𝑃([𝑋 = 4]) = 4 0 = = ,
10 10 ∙ 9 ∙ 8 ∙ 7 210
( )
4
4 6
( )( ) 1 4 ∙ 6 ∙ 4 ∙ 3 ∙ 2 ∙ 1 1 2
𝑃([𝑋 = 5]) = 3 1 ∙ = ∙ = ,
10
( ) 6 10 ∙ 9 ∙ 8 ∙ 7 6 105
4
4 6
( )( ) 1 4 ∙ 6 ∙ 5 ∙ 5 ∙ 4 ∙ 3 ∙ 2 ∙ 1 1 1
𝑃([𝑋 = 6]) = 3 2 ∙ = ∙ = ,
10
( ) 5 2 ∙ 1 ∙ 10 ∙ 9 ∙ 8 ∙ 7 ∙ 6 5 21
5
4 6
( )( ) 1 2
𝑃([𝑋 = 7]) = 3 3 ∙ = ,
10
( ) 4 21
6
4 6
( )( ) 1 1
𝑃([𝑋 = 8]) = 3 4 ∙ = ,
10
( ) 3 6
7
4 6
( )( ) 1 4
𝑃([𝑋 = 9]) = 3 5 ∙ = ,
10
( ) 2 15
8
4 6
( )( ) 1 2
𝑃([𝑋 = 10]) = 3 6 ∙ = .
10
( ) 1 5
9
148
Uvod u teoriju vjerovatnoće sa riješenim zadacima
4 5 6 7 8 9 10
𝑋: ( 1 2 1 2 1 4 2).
210 105 21 21 6 15 5
1
, 𝑥=4 0, 𝑥<4
210 1
2 , 4≤𝑥<5
, 𝑥=5 201
105 1
1 , 5≤𝑥<6
, 𝑥=6 42
21 3
2 , 6≤𝑥<7
𝑓𝑋 (𝑥) = 21 , 𝑥=7 𝐹𝑋 (𝑥) = 42
1
1 , 7≤𝑥<8
, 𝑥=8 6
6 1
4 , 8≤𝑥<9
, 𝑥=9 3
15 3
2 , 9 ≤ 𝑥 < 10
, 𝑥 = 10 5
5 { 1, 10 ≤ 𝑥
{ 0, 𝑥 ≠ 4,5,6,7,8,9,10
𝑘−1 2 3 3 𝑘−4 2
𝑃([𝑋 = 𝑘]) = ( )∙( ) ∙( ) ∙ , 𝑘 = 4,5, …
3 5 5 5
4 5 … 𝑛 … 𝑘−1 2 3 3 𝑘−4 2
𝑋: (𝑝 𝑝 … 𝑝𝑛 ), 𝑝𝑘 = ( )∙( ) ∙( ) ∙ , 𝑘 = 4,5, …
4 5 … 3 5 5 5
+∞
𝑘(𝑘 − 1)(𝑘 − 2)(𝑘 − 3) 2 4 3 𝑘−4
=∑ ∙( ) ∙( ) =
6 5 5
𝑘=4
+∞
1 2 4 3 𝑘−4
= ∙ ( ) ∙ ∑ 𝑘(𝑘 − 1)(𝑘 − 2)(𝑘 − 3) ( ) =
6 5 5
𝑘=4
+∞ (4)
3 1 2 4
= |𝑢 = | = ∙ ( ) ∙ (∑ 𝑢𝑘 ) =
5 6 5
𝑘=0
1 2 4 24 1 2 4 24
= ∙( ) ∙ = ∙( ) ∙ = 10 .
6 5 (1 − 𝑢)5 6 5 2 5
( )
5
𝑃([𝑋 = 3]) = 𝑃(𝐴𝐶 𝐵𝐶 𝐴) = 𝑃(𝐴𝐶 )𝑃(𝐵𝐶 )𝑃(𝐴) = 0.6 ∙ 0.4 ∙ 0.4 = 0.6 ∙ (0.4)2 ,
150
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 2 … 2𝑘 2𝑘 + 1 …
𝑋: ( ),
0.4 0.36 … (0.24)𝑘 ∙ 1.5 (0.24)𝑘 ∙ 0.4 …
+∞ +∞ +∞
+∞ +∞ +∞
𝑘−1 𝑘−1
= 3 ∙ 0.24 ∙ ∑ 𝑘(0.24) + 2 ∙ 0.4 ∙ 0.24 ∙ ∑ 𝑘(0.24) + 0.4 ∙ ∑(0.24)𝑘 =
𝑘=1 𝑘=1 𝑘=0
+∞
1
= 0.912 ∙ ∑ 𝑘(0.24)𝑘−1 + 0.4 ∙ = |𝑢 = 0.24|
1 − 0.24
𝑘=1
1 ′
≈ 0.912 ∙ ( ) + 0.526 ≈
1−𝑢
1
≈ 0.912 ∙ + 0.526 ≈ 2.1 .
(1 − 0.24)2
𝟏
8. Opterećen novčić, tako da je vjerovatnoća grba , a vjerovatnoća pisma
𝟑
𝟐
, bacamo 𝟒 puta. Neka je slučajna varijabla 𝑿 najduža serija grbova.
𝟑
Odrediti funkciju gustoće, funkciju distribucije, matematičko očekivanje i
varijancu od 𝑿.
2 4 16
𝑃([𝑋 = 0]) = 𝑃(𝑃𝑃𝑃𝑃) = ( ) = ,
3 81
1 2 3 1 2 2 2 44
=4∙ ∙( ) +3∙( ) ∙( ) = ,
3 3 3 3 81
151
𝑃([𝑋 = 2]) = 𝑃(𝐺𝐺𝑃𝑃, 𝐺𝐺𝑃𝐺, 𝑃𝐺𝐺𝑃, 𝑃𝑃𝐺𝐺, 𝐺𝑃𝐺𝐺) =
1 2 2 2 1 3 2 16
=3∙( ) ∙( ) +2∙( ) ∙ = ,
3 3 3 3 81
1 3 2 4
𝑃([𝑋 = 3]) = 𝑃(𝐺𝐺𝐺𝑃, 𝑃𝐺𝐺𝐺) = 2 ∙ ( ) ∙ = ,
3 3 81
1 4 1
𝑃([𝑋 = 4]) = 𝑃(𝐺𝐺𝐺𝐺) = ( ) = .
3 81
16
, 𝑥=0 0, 𝑥<0
81 16
44 , 0≤𝑥<1
, 𝑥=1 81
81 60
16 , 1≤𝑥<2
𝑓𝑋 (𝑥) = 81 , 𝑥=2 𝐹𝑋 (𝑥) = 81
76
4 , 2≤𝑥<3
, 𝑥=3 81
81 80
1 , 3≤𝑥<4
, 𝑥=4 81
81 {1, 4≤𝑥
{ 0, 𝑥 ≠ 0,1,2,3,4
16 44 16 4 1 92
𝐸𝑋 = 0 ∙ +1∙ +2∙ +3∙ +4∙ = ≈ 1.13 ,
81 81 81 81 81 81
16 44 16 4 1 160
𝐸𝑋 2 = 02 ∙ + 12 ∙ + 22 ∙ + 32 ∙ + 42 ∙ = .
81 81 81 81 81 81
Tim je:
2
160 92 2
𝑉𝑎𝑟𝑋 = 𝐸𝑋 − (𝐸𝑋)2 = − ( ) ≈ 0.698 .
81 81
Rješenje:
152
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑃([𝑋 = 1]) = 𝑃(𝐺) = ,
3
2
𝑃([𝑋 = 2]) = 𝑃(𝑃𝐺) = ,
9
2 𝑘−1 1
𝑃([𝑋 = 𝑘]) = 𝑃(𝑃 … 𝑃𝐺) = ( ) ∙ , 𝑘 = 1,2, …
3 3
Tim je:
1 2 … 𝑛 …
𝑘−1
𝑋: (1 2 2 1
…) ,
… ( ) ∙
3 9 3 3
2 𝑘−1 1
𝑓𝑋 (𝑥) = {(3) ∙ , 𝑥=𝑛
3
0, 𝑥≠𝑛
+∞ +∞ ′
2 𝑛−1 1 2 1 1 1 ′ 1 1
𝐸𝑋 = ∑ 𝑛 ∙ ( ) ∙ = |𝑢 = | = ∙ (∑ 𝑢𝑛 ) = ∙ ( ) = ∙
3 3 3 3 3 1−𝑢 3 2 2
𝑛=1 𝑛=0 (1 − )
3
=3,
+∞ +∞
2 𝑛−1 1 2 1 2 𝑛−2
𝐸𝑋(𝑋 − 1) = ∑ 𝑛 ∙ (𝑛 − 1) ∙ ( ) ∙ = ∙ ∙ ∑ 𝑛 ∙ (𝑛 − 1) ( ) =
3 3 3 3 3
𝑛=1 𝑛=2
+∞ ′′
2 2 2 2 2 2
= |𝑢 = | = ∙ (∑ 𝑢𝑛 ) = ∙ = ∙ = 12 ,
3 9 9 (1 − 𝑢)3 9 1 3
𝑛=0 ( )
3
10. Simetričan novčić bacamo sve dok ne padne po drugi puta grb. Neka je
slučajna varijabla 𝑿 broj bacanja. Izračunati očekivani broj bacanja i
varijancu.
153
1 1 1
𝑃([𝑋 = 2]) = 𝑃(𝐺𝐺) = ∙ = ,
2 2 4
𝑛−1 1 1 1 𝑛−2 1 1 𝑛
𝑃([𝑋 = 𝑛]) = ( )∙( ) ∙( ) ∙ = (𝑛 − 1) ∙ ( ) , 𝑛 ∈ ℕ,
1 2 2 2 2
𝑛 ≥ 2,
+∞ +∞
1 𝑛 1 2 1 𝑛−2
𝐸𝑋 = ∑ 𝑛(𝑛 − 1) ( ) = ( ) ∙ ∑ 𝑛(𝑛 − 1) ( ) =
2 2 2
𝑛=2 𝑛=2
+∞ ′′
1 1 1 2
|𝑢 = | = ∙ (∑ 𝑢𝑛 ) = ∙ =4.
2 4 4 (1 − 𝑢)3
𝑛=0
+∞ ′′′ +∞ ′′′
1 1 1 1 6
= |𝑢 = | = ∙ (∑ 𝑢𝑛+1 ) = ∙ (∑ 𝑢𝑛 − 1) = ∙ = 24 ,
2 4 4 4 (1 − 𝑢)4
𝑛=0 𝑛=0
11. Bacamo simetričan novčić sve dok ne padne grb ili 6 pisama. Neka je
slučajna varijabla 𝑿 broj bacanja. Izračunati 𝑬𝑿 i 𝑽𝒂𝒓𝑿.
Rješenje: Ako ne padne grb u 6 bacanja, onda padne pismo 6 puta. To znači da 𝑋
prima vrijednosti: 1,2,3,4,5 i 6.
1 𝑛−1 1 1 𝑛
𝑃([𝑋 = 𝑛]) = 𝑃(𝑃 … 𝑃𝐺) = ( ) ∙ =( ) , 𝑛 = ̅̅̅̅
1,5 ,
2 2 2
1 5 1 1 6 1 5
𝑃([𝑋 = 6]) = 𝑃(𝑃𝑃𝑃𝑃𝑃𝐺, 𝑃𝑃𝑃𝑃𝑃𝑃𝑃) = ( ) ∙ + ( ) = ( ) .
2 2 2 2
Tim je:
154
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 2 3 4 5 6
𝑋: (1 1 1 1 1 1 ),
2 4 8 16 32 32
1 1 1 1 1 1 63
𝐸𝑋 = 1 ∙ + 2 ∙ + 3 ∙ + 4 ∙ +5∙ +6∙ = = 1.96875 ,
2 4 8 16 32 32 32
1 1 1 1 1 1 63 2
𝑉𝑎𝑟𝑋 = 12 ∙ + 22 ∙ + 32 ∙ + 42 ∙ + 52 ∙ + 62 ∙ − ( ) ≈ 1.655 .
2 4 8 16 32 32 32
2 3 3 2 12
𝑃([𝑋 = 2]) = 𝑃(𝐵𝐶, 𝐶𝐵) = ∙ + ∙ = ,
5 5 5 5 25
2 2 3 3 2 2 30 6
𝑃([𝑋 = 3]) = 𝑃(𝐵𝐵𝐶, 𝐶𝐶𝐵) = ( ) ∙ + ( ) ∙ = = ,
5 5 5 5 125 25
2 3 3 3 3 2 78
𝑃([𝑋 = 4]) = 𝑃(𝐵𝐵𝐵𝐶, 𝐶𝐶𝐶𝐵) = ( ) ∙ + ( ) ∙ = ,
5 5 5 5 625
2 𝑛−1 3 3 𝑛−1 2
𝑃([𝑋 = 𝑛]) = 𝑃(𝐵𝐵𝐵𝐶, 𝐶𝐶𝐶𝐵) = ( ) ∙ +( ) ∙ , 𝑛 ≥2,
5 5 5 5
2 3 4 … 𝑛 …
𝑛−1 𝑛−1
𝑋: (12 6 78 2 3 3 2 ),
… ( ) ∙ +( ) ∙ …
25 25 625 5 5 5 5
+∞ +∞ +∞
2 𝑛−1 3 3 𝑛−1 2 3 2 𝑛−1 2 3 𝑛−1
𝐸𝑋 = ∑ 𝑛 ∙ [( ) ∙ +( ) ∙ ]= ∙∑𝑛∙( ) + ∙∑𝑛∙( ) =
5 5 5 5 5 5 5 5
𝑛=2 𝑛=2 𝑛=2
+∞ ′ +∞ ′
2 3 3 2
= |𝑢 = , 𝑣 = | = ∙ (∑ 𝑢𝑛 ) + ∙ (∑ 𝑣 𝑛 ) =
5 5 5 5
𝑛=2 𝑛=2
155
+∞ ′ +∞ ′
3 2
= ∙ (∑ 𝑢𝑛 − 𝑢 − 1) + ∙ (∑ 𝑣 𝑛 − 𝑣 − 1) =
5 5
𝑛=0 𝑛=0
′ ′
3 1 2 1
= ∙( − 𝑢 − 1) + ∙ ( − 𝑣 − 1) =
5 1−𝑢 5 1−𝑣
3 1 2 1
= ∙( 2 − 1) + ∙ ( − 1) =
5 2 5 3 2
(1 − ) (1 − )
5 5
5 3 5 2 19
= − + − = ≈ 3.16 ,
3 5 2 5 6
+∞
2 𝑛−1 3 3 𝑛−1 2
𝐸𝑋(𝑋 − 1) = ∑ 𝑛(𝑛 − 1) [( ) ∙ +( ) ∙ ]=
5 5 5 5
𝑛=1
+∞ +∞
3 2 𝑛−1 2 3 𝑛−1
= ∙ ∑ 𝑛(𝑛 − 1) ( ) + ∙ ∑ 𝑛(𝑛 − 1) ( ) =
5 5 5 5
𝑛=2 𝑛=2
+∞ +∞
3 2 2 𝑛−2 3 2 3 𝑛−2
= ∙ ∙ ∑ 𝑛(𝑛 − 1) ( ) + ∙ ∙ ∑ 𝑛(𝑛 − 1) ( ) =
5 5 5 5 5 5
𝑛=2 𝑛=2
+∞ ′′ +∞ ′′
2 3 6 6
|𝑢 = , 𝑣 = | = ∙ (∑ 𝑢𝑛 ) + ∙ (∑ 𝑣 𝑛 ) =
5 5 25 25
𝑛=0 𝑛=0
6 1 ′′ 6 1 ′′
= ∙( ) + ∙( ) =
25 1 − 𝑢 25 1 − 𝑣
6 2 6 2 20 15 175
= ∙ 3 + ∙ 3 = + = ,
25 2 25 3 9 2 18
(1 − ) (1 − )
5 5
175 19 19 2
𝑉𝑎𝑟𝑋 = 𝐸𝑋(𝑋 − 1) + 𝐸𝑋 − (𝐸𝑋)2 = + − ( ) ≈ 2.86 .
18 6 6
13. Dva strijelca gađaju metu sve do pogotka. Pobjednik je onaj strijelac koji
prvi pogodi metu. Oba strijelca gađaju sa vjerovatnoćom 0.6. U slučaju da
oba pogode u istom krugu, gađanje se nastavlja. Neka je 𝑿 slučajna
156
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑃([𝑋 = 1]) = 𝑃(𝐴1 𝐵1𝐶 , 𝐴1𝐶 𝐵1 ) = 0.6 ∙ 0.4 + 0.4 ∙ 0.6 = 2 ∙ 0.24 = 0.48 ,
𝑃([𝑋 = 2]) = 𝑃(𝐴1𝐶 𝐵1𝐶 𝐴2 𝐵2𝐶 , 𝐴1𝐶 𝐵1𝐶 𝐴𝐶2 𝐵2 ) = 2 ∙ (0.4)3 ∙ 0.6 ≈ 0.08 ,
𝑃([𝑋 = 𝑛]) = 𝑃(𝐴1𝐶 𝐵1𝐶 … 𝐴𝑛 𝐵𝑛𝐶 , 𝐴1𝐶 𝐵1𝐶 … 𝐴𝐶𝑛 𝐵𝑛 ) = 2 ∙ (0.4)2𝑛−1 ∙ 0.6, 𝑛 ∈ ℕ.
2 ∙ (0.4)2𝑛−1 ∙ 0.6, 𝑥 = 𝑛
𝑓𝑋 (𝑥) = {
0, 𝑥≠𝑛
+∞ +∞
2 ∙ 0.6
𝐸𝑋 = ∑ 𝑛 ∙ 2 ∙ (0.4)2𝑛−1 ∙ 0.6 = ∙ ∑((0.4)2 )𝑛 =
0.4
𝑛=1 𝑛=1
1
3∙( − 1) = 0.57 ,
1 − 0.16
+∞
+∞ +∞
2 ∙ 0.6
∙ ∑ 𝑛(𝑛 − 1)(0.16)𝑛 = 3 ∙ (0.16)2 ∙ ∑ 𝑛(𝑛 − 1)(0.16)𝑛−2 =
0.4
𝑛=1 𝑛=1
+∞
+∞ ′′
2 2
= 0.0768 ∙ (∑ 𝑢𝑛 ) = 0.0768 ∙ 3
= 0.0768 ∙ ≈ 0.26 ,
(1 − 𝑢) (1 − 0.16)3
𝑛=0
𝟏 𝟐 𝟑 … 𝒏 …
𝑿: (𝟏 𝟏 𝟐 𝟏 𝟑 𝟏 𝒏 ).
( ) ( ) … ( ) …
𝟐 𝟐 𝟐 𝟐
𝑿∙𝝅
Neka je 𝒀 = 𝐜𝐨𝐬 𝟐
. Odrediti distribuciju vjerovatnoće slučajne varijable
𝒀. Izračunati:
𝑬𝒀 i 𝑽𝒂𝒓𝒀.
−1 0 1
𝑌: ( 4 2 1 ),
15 3 15
4 2 1 3 1
𝐸𝑌 = (−1) ∙ +0∙ +1∙ =− =− ,
15 3 15 15 5
4 2 1 1 2 1 1 22
𝑉𝑎𝑟𝑌 = 𝐸𝑌 2 − (𝐸𝑌)2 = (−1)2 ∙ + 02 ∙ + 12 ∙ − (− ) = − = .
15 3 15 5 3 25 75
158
Uvod u teoriju vjerovatnoće sa riješenim zadacima
15. Igrač 𝑨 baca dva, a igrač 𝑩 tri novčića. Pobjednik je onaj igrač kod kojeg
se pojavi više grbova. Igra se izvodi sve dok igrač 𝑨 ne pobjedi. Naći
očekivani broj igara.
Rješenje: Neka je 𝑋 slučajna varijabla broj igre u kojoj pobjedi igrač 𝐴. Neka su 𝑢𝑛 i
𝑣𝑛 broj grbova igrača 𝐴 i 𝐵 u 𝑛-toj igri. Tada je:
1 2 1 5 1 5 1 5 1 5 1 5
= ( ) +6∙( ) +6∙( ) +2∙( ) +3∙( ) +( ) =
2 2 2 2 2 2
1 13
= ∙ (8 + 6 + 6 + 2 + 3 + 1) = .
32 16
13 𝑛−1 3
𝑃([𝑋 = 𝑛]) = ( ) ∙ , 𝑛 ∈ℕ,
16 16
+∞ +∞ ′
13 𝑛−1 3 13 3
𝐸𝑋 = ∑ 𝑛 ∙ ( ) ∙ = |𝑢 = | = ∙ (∑ 𝑢𝑛 ) =
16 16 16 16
𝑛=1 𝑛=0
3 1 16
= ∙ 2
= .
16 (1 − 𝑢) 3
1 2 3 … 𝑛 …
𝑋: (𝑝 𝑝 𝑝3 … 𝑝𝑛 …).
1 2
159
1
(∃𝑘 ∈ ℝ)(∀𝑛 ∈ ℕ) 𝑝𝑛 = 𝑘 ∙
4𝑛
+∞ +∞
1
⇒ 1 = ∑ 𝑝𝑛 = ∑ 𝑘 ∙ =
4𝑛
𝑛=1 𝑛=1
+∞ +∞
1 𝑛 1 𝑛 4 𝑘
= 𝑘 ∙ ∑ ( ) = 𝑘 (∑ ( ) − 1) = 𝑘 ( − 1) =
4 4 3 3
𝑛=1 𝑛=0
⇒𝑘 =3.
Tim je:
1 2 3 … 𝑛 …
𝑋: (3 3 3 3 ),
… …
4 42 4 3 4𝑛
+∞ +∞ +∞ ′
3 3 1 𝑛−1 1 3
𝐸𝑋 = ∑ 𝑛 ∙ 𝑛 = ∙ ∑ 𝑛 ∙ ( ) = |𝑢 = | = ∙ (∑ 𝑢𝑛 ) =
4 4 4 4 4
𝑛=1 𝑛=1 𝑛=0
3 1 3 1 4
= ∙ 2
= ∙ 2 = .
4 (1 − 𝑢) 4 3 3
(4)
𝟑
17. Izvodimo neki slučajni pokus. Pokus je uspješan sa vjerovatnoćom 𝟒
,a
𝟏
neuspješan sa vjerovatnoćom 𝟒
. Vjerovatnoća da dobijemo neki rezultat
nakon 𝒎 uspješnih pokusa je:
𝟏 𝒎
𝟏−( ) .
𝟑
160
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑛 𝑚 𝑛
𝑛 3 1 𝑛−𝑚 𝑛 1
𝑚
1 𝑛−𝑚
= ∑ ( )( ) ( ) − ∑ ( )( ) ( ) =
𝑚 4 4 𝑚 4 4
𝑚=0 𝑚=0
𝑛 𝑛
𝑛 𝑛 𝑚 𝑛−𝑚 3 1 𝑛 1 𝑛 𝑛
= |(𝑎 + 𝑏) = ∑ ( ) 𝑎 𝑏 |=( + ) −( ) ∑ ( )=
𝑚 4 4 4 𝑚
𝑚=0 𝑚=0
1 𝑛 1
= 1 − ( ) ∙ (1 + 1)𝑛 = 1 − 𝑛 .
4 2
Dakle, vjerovatnoća da se dobije naznačeni rezultat u broju pokusa koji su manji ili
jednaki 𝑛 je:
1
1− .
2𝑛
1 1 1 1 1
𝑃(𝐴𝑛 \𝐴𝑛−1 ) = 𝑃(𝐴𝑛 ) − 𝑃(𝐴𝑛−1 ) = (1 − 𝑛
) − (1 − 𝑛−1 ) = 𝑛−1 − 𝑛 = 𝑛 .
2 2 2 2 2
+∞ +∞ ′
1 1 1 1 1
𝐸𝑋 = ∑ 𝑛 ∙ 𝑛 = |𝑢 = | = ∙ (∑ 𝑢𝑛 ) = ∙ =2.
2 2 2 2 (1 − 𝑢)2
𝑛=1 𝑛=0
18. Bacamo kocku kod koje su dvije strane obojene plavom bojom, dvije strane
crvenom bojom i dvije strane bijelom bojom, sve dok se na gornjim
stranama ne pojave sve tri boje. Neka je 𝑿 broj bacanja. Odrediti
distribuciju vjerovatnoće i matematičko očekivanje.
𝐴𝐶 = 𝐵𝑝 ∪ 𝐵𝑐 ∪ 𝐵𝑏 ,
2 𝑛 2 𝑛
𝑃(𝐵𝑝 ) = 𝑃(𝐵𝑐 ) = 𝑃(𝐵𝑏 ) = (1 − ) = ( ) ,
6 3
161
2 𝑛 1 𝑛
𝑃(𝐵𝑝 ∩ 𝐵𝑐 ) = 𝑃(𝐵𝑝 ∩ 𝐵𝑏 ) = 𝑃(𝐵𝑐 ∩ 𝐵𝑏 ) = ( ) = ( ) ,
6 3
𝑃(𝐵𝑝 ∩ 𝐵𝑐 ∩ 𝐵𝑏 ) = 0 .
2 𝑛 1 𝑛
−𝑃(𝐵𝑐 ∩ 𝐵𝑏 ) + 𝑃(𝐵𝑝 ∩ 𝐵𝑐 ∩ 𝐵𝑏 ) = 3 ∙ ( ) − 3 ∙ ( ) ,
3 3
2 𝑛 1 𝑛
𝑃(𝐴) = 1 − 𝑃(𝐴𝐶 ) = 1 − 3 ∙ ( ) + 3 ∙ ( ) .
3 3
Tim je:
2 𝑛 1 𝑛
𝑃([𝑋 ≤ 𝑛]) = 1 − 3 ∙ ( ) + 3 ∙ ( ) ,
3 3
2 𝑛 1 𝑛 2 𝑛−1 1 𝑛−1
= 1 − 3 ∙ ( ) + 3 ∙ ( ) − [1 − 3 ∙ ( ) +3∙( ) ]
3 3 3 3
2 𝑛−1 1 𝑛−1
=( ) −2∙( ) .
3 3
Otuda:
3 4 … 𝑛 …
𝑛−1
𝑋: (2 2 2 1 𝑛−1
… ( ) −2∙( ) …) ,
9 9 3 3
+∞ +∞ +∞
2 𝑛−1 1 𝑛−1 2 𝑛−1 1 𝑛−1
𝐸𝑋 = ∑ 𝑛 [( ) −2∙( ) ]= ∑𝑛∙( ) −2∙∑𝑛∙( ) =
3 3 3 3
𝑛=3 𝑛=3 𝑛=3
′ ′
+∞ +∞
2 1
= |𝑢 = , 𝑣 = | = ( ∑ 𝑢𝑛 − 1 − 𝑢 − 𝑢2 ) − 2 ∙ ( ∑ 𝑣 𝑛 − 1 − 𝑣 − 𝑣 2 ) =
3 3
𝑛=0 𝑛=0
1 1 33
=( 2
− 1 − 2𝑢) − 2 ∙ ( 2
− 1 − 2𝑣) = .
(1 − 𝑢) (1 − 𝑣) 6
162
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
a) Imamo da je:
b) Imamo da je:
0 1 0 1 2
𝑋: ( ), 𝑌: ( ).
0.6 0.4 0.3 0.3 0.4
163
𝐸𝑋 = 0 ∙ 0.6 + 1 ∙ 0.4 = 0.4 , 𝐸𝑌 = 0 ∙ 0.3 + 1 ∙ 0.3 + 2 ∙ 0.4 = 1.1 .
20. Bacamo dva simetrična tetreadra. Neka je 𝑿 broj koji je pao na donjoj
strani prvog tetraedra, a 𝒀 manji od brojeva koji su pali na donjim
stranama.
a) Naći zajedničku distribuciju vjerovatnoće za 𝑿 i 𝒀 i funkciju gustoće
slučajnog vektora (𝑿, 𝒀).
b) Naći distribuciju vjerovatnoće za 𝑿 𝒊 𝒀.
c) Izračunati: 𝑭𝑿,𝒀 (𝟐, 𝟑), 𝑷([𝟏 < 𝑋 ≤ 3, 𝑌 ≥ 2]).
Rješenje:
a) Imamo da je:
4 1
𝑃([𝑋 = 1, 𝑌 = 1]) = 𝑃({(1,1), (1,2), (1,3), (1,4)}) = = ,
16 4
1
𝑃([𝑋 = 2, 𝑌 = 1]) = 𝑃({(2,1)}) = ,
16
3
𝑃([𝑋 = 2, 𝑌 = 2]) = 𝑃({(2,2), (2,3), (2,4)}) = ,
16
1
𝑃([𝑋 = 3, 𝑌 = 1]) = 𝑃({(3,1)}) = ,
16
1
𝑃([𝑋 = 3, 𝑌 = 2]) = 𝑃({(3,2)}) = ,
16
2 1
𝑃([𝑋 = 3, 𝑌 = 3]) = 𝑃({(3,3), (3,4)}) = = ,
16 8
𝑃([𝑋 = 3, 𝑌 = 4]) = 0,
1
𝑃([𝑋 = 4, 𝑌 = 1]) = 𝑃({(4,1)}) = ,
16
1
𝑃([𝑋 = 4, 𝑌 = 2]) = 𝑃({(4,2)}) = ,
16
1
𝑃([𝑋 = 4, 𝑌 = 3]) = 𝑃({(4,3)}) = ,
16
164
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑃([𝑋 = 4, 𝑌 = 4]) = 𝑃({(4,4)}) = .
16
𝑌
𝑋
Y
𝟏 𝟐 𝟑 𝟒
X
1
𝟏 0 0 0
4
1 3
𝟐 0 0
16 16
1 1 1
𝟑 0
16 16 8
1 1 1 1
𝟒
16 16 16 16
1 1
𝑓𝑋,𝑌 (1,1) = , 𝑓𝑋,𝑌 (3,2) = ,
4 16
1 2 3 4
𝑋: (1 1 1 1) ,
4 4 4 4
1 2 3 4
𝑌: ( 7 5 3 1 ).
16 16 16 16
165
c) Iz tabele zajedničke distribucije vjerovatnoće, imamo da je:
1 1 3 1
𝐹𝑋,𝑌 (2,3) = 𝑃([𝑋 ≤ 2, 𝑌 ≤ 3]) = + +0+ +0+0= ,
4 16 16 2
3 1 1 3
𝑃([1 < 𝑋 ≤ 3, 𝑌 ≥ 2]) = + +0+ +0+0= .
16 16 8 8
Rješenje:
a) Imamo da je:
1
𝑃([𝑋 = 1, 𝑌 = 1]) = 𝑃({1,1,1}) = ,
27
6
𝑃([𝑋 = 1, 𝑌 = 2]) = 𝑃({(1,1,2), (1,2,1), (2,1,1), (1,2,2), (2,1,2), (2,2,1)}) =
27
2
= ,
9
12 4
(1,3,2), (2,1,3), (2,3,1), (3,1,2), (3,2,1)}) = = ,
27 9
𝑃([𝑋 = 2, 𝑌 = 1]) = 0 ,
1
𝑃([𝑋 = 2, 𝑌 = 2]) = 𝑃({(2,2,2)}) = ,
27
6
𝑃([𝑋 = 2, 𝑌 = 3]) = 𝑃({(2,2,3), (2,3,2), (3,2,2), (3,3,2), (3,2,3), (2,3,3)}) =
27
2
= ,
9
166
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝑃([𝑋 = 3, 𝑌 = 3]) = 𝑃({(3,3,3)}) = .
27
𝑌 𝟏 𝟐 𝟑
𝑋
1 2 4
𝟏
27 9 9
1 2
𝟐 0
27 9
1
𝟑 0 0
27
b) Imamo da je:
1 2 4 19
𝑃([𝑋 = 1]) = + + = ,
27 9 9 27
1 2 7
𝑃([𝑋 = 2]) = 0 + + = ,
27 9 27
1 1
𝑃([𝑋 = 3]) = 0 + 0 + = ,
27 27
1 1
𝑃([𝑌 = 1]) = +0+0= ,
27 27
2 1 7
𝑃([𝑌 = 2]) = + +0= ,
9 27 27
4 2 1 19
𝑃([𝑌 = 3]) = + + = .
9 9 27 27
167
Tim je:
1 2 3 1 2 3
𝑋: (19 7 1 ), 𝑌: ( 1 7 19) .
27 27 27 27 27 27
c) Imamo da je:
7 1
𝑓𝑋,𝑌 (2,1) = 0 ≠ ∙ = 𝑓𝑋 (2) ∙ 𝑓𝑌 (1) ,
27 27
dakle, 𝑋 i 𝑌 su zavisne.
d) Imamo da je:
𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸𝑋 ∙ 𝐸𝑌 =
1 2 4 1
1∙1∙ +1∙2∙ +1∙3∙ +2∙1∙0+2∙2∙ +
27 9 9 27
2 1
+2 ∙ 3 ∙ + 3 ∙ 1 ∙ 0 + 3 ∙ 2 ∙ 0 + 3 ∙ 3 ∙
9 27
19 7 1 1 7 19
− (1 ∙ +2∙ + 3 ∙ ) (1 ∙ +2∙ +3∙ )=
27 27 27 27 27 27
98 36 72
= − ∙ ≈ 0.07 .
27 27 27
e) Imamo da je:
1 2 7
𝑃([𝑋 = 1, 𝑌 ≤ 2]) = + = ,
27 9 27
7
𝑃([𝑋 = 2]) = ,
27
2 4 6 2
𝑃([𝑋 = 1, 𝑌 ≥ 2]) = + = = .
9 9 9 3
22. Prva kutija sadrži 3 bijele i 4 crne kuglice, a druga kutija sadrži 5 bijelih
kuglica. Iz prve kutije slučajno izvlačimo 3 kuglice koje prebacimo u drugu
kutiju. Zatim iz druge kutije slučajno izvlačimo 4 kuglice koje prebacimo u
prvu kutiju. Neka je slučajna varijabla 𝒀𝟏 broj bijelih kuglica prebačenih u
168
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
5+𝑚 3−𝑚
( )( )
𝑃([𝑌2 = 𝑛 | 𝑌1 = 𝑚]) = 𝑛 4−𝑛 ,
8
( )
4
3 4
( )( )
𝑃([𝑌1 = 𝑚]) = 𝑚 3 − 𝑚 , ̅̅̅̅,
𝑚 = 0,3 ̅̅̅̅ .
𝑛 = 1,4
7
( )
3
Tim je:
5+𝑚 3−𝑚 3 4
( )( ) ( )( )
= 𝑛 4 − 𝑛 ∙ 𝑚 3 − 𝑚 , 𝑚 = ̅̅̅̅
0,3, 𝑛 = ̅̅̅̅
1,4 .
8 7
( ) ( )
4 3
𝑌2 𝟏 𝟐 𝟑 𝟒
𝑌1
𝟎 0.0081633 0.04898 0.04898 0.0081633
𝟏 0 0.1102 0.29388 0.1102
𝟐 0 0 0.17143 0.17143
𝟑 0 0 0 0.028571
b) Imamo da je:
169
𝑃([𝑌1 = 0]) = 0.0081633 + 0.04898 + 0.04898 + 0.0081633 = 0.11429 ,
0 1 2 3
𝑌1 : ( ),
0.11429 0.51428 0.34286 0.028571
1 2 3 4
𝑌2 : ( ).
0.0081633 0.15918 0.51429 0.31836
c) Imamo da je:
odnosno:
Dakle, 𝑌1 i 𝑌2 su zavisne.
d) Imamo da je:
+2 ∙ 2 ∙ 0 + 2 ∙ 3 ∙ 0.17143 + 2 ∙ 4 ∙ 0.17143 + 3 ∙ 1 ∙ 0 + 3 ∙ 2 ∙ 0 +
170
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑐𝑜𝑣(𝑌1 , 𝑌2 ) 0.244930369
𝜚(𝑌1 , 𝑌2 ) = = = 0.5 .
√𝑉𝑎𝑟𝑌1 ∙ 𝑉𝑎𝑟𝑌2 √0.489801081 ∙ 0.489852148
e) Imamo da je:
𝑋1 = 3 − 𝑌1 + 𝑌2 𝑋 =4
∧ 1 ⇒
𝑋2 = 5 + 𝑌1 − 𝑌2 𝑋2 = 4
4 = 3 − 𝑌1 + 𝑌2
⇒
4 = 5 + 𝑌1 − 𝑌2
𝑌1 − 𝑌2 = −1 ⇒
Tim je:
𝑃([𝑋1 = 4, 𝑋2 = 4]) =
171
23. Bacamo 𝟏𝟎 opterećenih novčića. Vjerovatnoća da na 𝒊-tom novčiću padne
pismo je:
𝒊
𝒑𝒊 = , 𝒊 = ̅̅̅̅̅̅̅
𝟏, 𝟏𝟎 .
𝟏𝟎
a) distribuciju vjerovatnoće.
b) funkciju gustoće.
c) 𝑬𝑿.
d) 𝑽𝒂𝒓𝑿 i 𝝈𝑿 .
Rješenje: Neka je događaj 𝐴 da je palo pismo, a 𝐻𝑖 odabrani 𝑖-ti novčić. Tada je:
10 10
1 𝑖 1 10 ∙ 11
𝑃(𝐴) = ∑ 𝑃(𝐻𝑖 ) ∙ 𝑃(𝐴|𝐻𝑖 ) = ∑ ∙ = ∙ = 0.55 .
10 10 100 2
𝑖=1 𝑖=1
a) Imamo da je:
1 𝑖
𝑃(𝐻𝑖 ) ∙ 𝑃(𝐴|𝐻𝑖 ) 10 ∙ 10 𝑖
𝑃([𝑋 = 𝑖]) = = = , ̅̅̅̅̅̅ .
𝑖 = 1,10
𝑃(𝐴) 0.55 55
1 2 3 4 5 6 7 8 9 10
𝑋: ( 1 2 3 4 5 6 7 8 9 10 ) .
55 55 55 55 55 55 55 55 55 55
𝑖
̅̅̅̅̅̅
𝑓𝑋 (𝑥) = {55 , 𝑥 = 1,10
0, 𝑖𝑛𝑎č𝑒
c) Imamo da je:
10
𝑖 2 10 ∙ 11 ∙ 21
𝐸𝑋 = ∑ = =7.
55 55 ∙ 6
𝑖=1
d) Imamo da je:
172
Uvod u teoriju vjerovatnoće sa riješenim zadacima
10
2
𝑖3
𝑉𝑎𝑟𝑋 = 𝐸𝑋 − (𝐸𝑋)2 =∑ − 72 = 6 ,
55
𝑖=1
𝜎𝑋 = √𝑉𝑎𝑟𝑋 = √6 ≈ 2.449 .
Rješenje:
𝑋 + 𝑋2 + ⋯ + 𝑋2500
𝑉𝑎𝑟 ( 1 )
≥ |Č𝑒𝑏𝑖š𝑒𝑣𝑙𝑗𝑒𝑣𝑎 𝑛𝑒𝑗𝑒𝑑𝑛𝑎𝑘𝑜𝑠𝑡 | ≥ 1 − 2500 =
(0.2)2
Rješenje:
𝑋1 + 𝑋2 + ⋯ + 𝑋2000
𝑃 ([| − 𝐸𝑋| ≤ 0.1]) ≥
2000
𝑋 + 𝑋2 + ⋯ + 𝑋2000
𝑉𝑎𝑟 ( 1 2000 )
≥ |Č𝑒𝑏𝑖š𝑒𝑣𝑙𝑗𝑒𝑣𝑎 𝑛𝑒𝑗𝑒𝑑𝑛𝑎𝑘𝑜𝑠𝑡 | ≥ 1 − =
(0.1)2
173
𝑉𝑎𝑟𝑋1 + 𝑉𝑎𝑟𝑋2 + ⋯ + 𝑉𝑎𝑟𝑋2000 2000 ∙ 1
(2000)2 (2000)2 1
=1− 2
=1− =1− = 0.95 .
(0.1) 0.01 20
26. Tehnička kontrola provjerava jednu seriju proizvoda. Proizvod ima defekt
𝑨 sa vjerovatnoćom od 𝟎. 𝟎𝟏, a nezavisno od toga, ima defekt 𝑩 sa
vjerovatnoćom od 𝟎. 𝟎𝟐. U kojim granicama će biti broj defektnih
proizvoda u seriji od 𝟏𝟎𝟎𝟎 proizvoda sa vjerovatnoćom barem 𝟎. 𝟗𝟓?
Rješenje: Proizvod je defektan ako ima defekt 𝐴 ili 𝐵. Dakle, vjerovatnoća da proizvod
ima defekt je:
⇒ 𝜖 ≈ 25 .
174
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Sljedeći teorem daje osobine funkcije distribucije slučajne varijable. Njen dokaz je
potpuno analogan kao u diskretnom slučaju.
175
Neka funkcija distribucije 𝐹𝑋 slučajne varijable ima prekide u tačkama 𝑎𝑖 , 𝑖 ∈ ℕ.
Označimo ih sa:
Označimo sa:
Tada je:
𝑥
(∗)
𝐹𝑋 (𝑥) = ∫ 𝐹𝑋′ (𝑡)𝑑𝑡 + ∑ 𝑝𝑖 .
−∞ 𝑎𝑖 ≤𝑥
a) 𝑓𝑋 (𝑥) ≥ 0, 𝑥 ∈ ℝ ,
+∞
b) ∫−∞ 𝑓𝑋 (𝑥)𝑑𝑥 + ∑𝑖 𝑝𝑖 = 1 .
176
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Ako je slučajna varijabla 𝑋 sa funkcijom distribucije kao u relaciji (∗), onda je 𝐹𝑋 zbir
funkcije distribucije neprekidne slučajne varijable i funkcije distribucije diskretne
slučajne varijable. Takve slučajne varijable nazivamo mješovite slučajne varijable.
𝑓(𝑥) = 𝑐 ∙ 𝑒 −|𝑥| , 𝑥 ∈ ℝ.
1 = ∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑐 ∙ 𝑒 −|𝑥| 𝑑𝑥 = 2𝑐 ∙ ∫ 𝑒 −𝑥 𝑑𝑥 = 2𝑐 ∙ (𝑒 0 − 𝑒 −∞ ) = 2𝑐 ⇒
−∞ −∞ 0
1
𝑐= .
2
Funkcija:
1 −|𝑥|
𝑓𝑋 (𝑥) = ∙𝑒 , 𝑥∈ℝ
2
1 1
+ ∙ (1 − 𝑒 −𝑥 ), 𝑥 ≥ 0
={ 2 2 , 𝑥 ∈ℝ.
1 𝑥
∙𝑒 , 𝑥<0
2
177
1
1
2
Primjer 5.1.2. Neka slučajna varijabla 𝑋 predstavlja stanja računa klijenata neke
banke na kraju mjeseca, a koja mogu biti negativna i nenegativna. Neka je funkcija
distribucije vjerovatnoće od 𝑋 data sa:
1
1 − ∙ 𝑒 −𝑥 , 𝑥 ≥ 0
𝐹𝑋 (𝑥) = { 3
1 𝑥
∙𝑒 , 𝑥<0
3
Rješenje:
Pošto je:
2 1
lim 𝐹𝑋 (𝑥) = 𝑖 lim 𝐹𝑋 (𝑥) = ,
𝑥→0+0 3 𝑥→0−0 3
2 1 1
𝑃([𝑋 = 0]) = 𝐹𝑋 (0) − 𝐹𝑋 (0 − 0) = − = ,
3 3 3
1 −𝑥
∙𝑒 , 𝑥 >0
𝐹𝑋′ (𝑥) = {3 ⇒
1 𝑥
∙𝑒 , 𝑥 <0
3
1 −|𝑥|
𝐹𝑋′ (𝑥) = ∙𝑒 , 𝑥 ≠0.
3
178
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 −|𝑥|
∙𝑒 , 𝑥≠0
𝑓𝑋 (𝑥) = {3 .
1
, 𝑥=0
3
179
𝑎1 𝑎2 … 𝑎𝑛 …
𝑋: ( 𝑝 𝑝2 … 𝑝𝑛 ) .
1 …
𝐹 ′ (𝑥), 𝑥 ≠ 𝑎𝑖 , 𝑖 ∈ ℕ 0, 𝑥 ≠ 𝑎𝑖 , 𝑖 ∈ ℕ
𝑓𝑋 (𝑥) = { 𝑋 ={ .
𝑝𝑖 , 𝑥 = 𝑎𝑖 , 𝑖 ∈ ℕ 𝑝𝑖 , 𝑥 = 𝑎𝑖 , 𝑖 ∈ ℕ
Primjer 5.1.3.
1
, 𝑎≤𝑥≤𝑏
𝑓𝑋 (𝑥) = {𝑏 − 𝑎 .
0, 𝑥 ≠ [𝑎, 𝑏]
0, 𝑥<𝑎
𝑥−𝑎
𝐹𝑋 (𝑥) = { , 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑥 ∈ℝ.
𝑏−𝑎
1, 𝑥>𝑏
180
Uvod u teoriju vjerovatnoće sa riješenim zadacima
−𝜆∙𝑥
𝑓𝑋 (𝑥) = {𝜆 ∙ 𝑒 , 𝑥 >0.
0, 𝑥≤0
0, 𝑥≤0
𝑥 0, 𝑥≤0
𝐹𝑋 (𝑥) = { −𝜆∙𝑡 = { −𝜆∙𝑥 .
∫𝜆 ∙𝑒 𝑑𝑡, 𝑥 > 0 1−𝑒 , 𝑥>0
0
181
Slika 21: Funkcija distribucije Slika 22: Funkcija gustoće od
od 𝑋 𝑋
1
𝑓𝑋 (𝑥) = ∙ 𝜆 ∙ 𝑒 −𝜆∙|𝑥| , 𝑥 ∈ℝ.
2
182
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 𝑥−𝑏 1
𝐹𝑋 (𝑥) = arctg + , 𝑥 ∈ℝ.
𝜋 𝑎 2
1
𝑓𝑋 (𝑥) = , 𝑥∈ℝ
𝜋(1 + 𝑥 2 )
183
1
𝑀 (𝑏, )
𝜋𝑎
1 (𝑥−𝜇)2
−
𝑓𝑋 (𝑥) = ∙𝑒 2∙𝜎 2 , 𝑥∈ℝ
𝜎√2𝜋
1 𝑥2
−
𝑓𝑋 (𝑥) = ∙𝑒 2, 𝑥∈ℝ
√2𝜋
184
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1
𝜎√2𝜋
1
2
1 𝑥
𝛼−1 −
∙ 𝑥 ∙ 𝑒 𝛽, 𝑥 > 0
𝑓𝑋 (𝑥) = {Γ(𝛼)𝛽 𝛼 ,
0, 𝑥≤0
gdje je:
+∞
gama funkcija.
Ako je:
𝑛
𝛼= , 𝑛 ∈ ℕ, 𝛽 =2,
2
imamo da je:
1 𝑛 𝑥
𝑛 ∙ 𝑥 2 −1 ∙ 𝑒 −2 , 𝑥>0
𝑓𝑋 (𝑥) = { 22 𝑛
∙Γ( )
2
0, 𝑥≤0
185
Slika 29: Funkcija gustoće od X
i kažemo da 𝑋 ima 𝜒 2 distribuciju i pišemo 𝑋~𝜒 2 (𝑛), pri čemu je 𝑛 broj stupnjeva
slobode od 𝑋.
𝑛+1 𝑛+1
Γ( ) 2 − 2
2 𝑥
𝑓𝑋 (𝑥) = 𝑛 ∙ (1 + 𝑛 ) , 𝑥 ∈ℝ.
√𝑛 ∙ 𝜋 ∙ Γ (2 )
186
Uvod u teoriju vjerovatnoće sa riješenim zadacima
gdje su:
𝑡 = (𝑡1 , 𝑡2 , … , 𝑡𝑛 ) 𝑖 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ),
Vrijedi:
𝜕𝑛
𝑓𝑋 (𝑥1 , … , 𝑥𝑛 ) = 𝐹 (𝑥 , … , 𝑥𝑛 ) .
𝜕𝑥1 … 𝜕𝑥𝑛 𝑋 1
187
Neka je 𝐺 ⊆ ℝ𝑛 oblast. Tada, za slučajni vektor 𝑋 = (𝑋1 , … , 𝑋𝑛 ) sa funkcijom
gustoće 𝑓𝑋 : ℝ𝑛 → ℝ, vrijedi:
𝑡𝑖 +∞ +∞ +∞ +∞
𝑑
𝑓𝑋𝑖 (𝑡𝑖 ) = 𝐹 (𝑡 ) =
𝑑𝑡𝑖 𝑋𝑖 𝑖
tj. a) ⇒ b).
𝜕𝑛
𝑓𝑋 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝐹 (𝑥 , 𝑥 , … , 𝑥𝑛 ) =
𝜕𝑥1 𝜕𝑥2 … 𝜕𝑥𝑛 𝑋 1 2
188
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑛 𝑛
𝑑
=∏ 𝐹 (𝑥 ) = ∏ 𝑓𝑋𝑖 (𝑥𝑖 ) ,
𝑑𝑥𝑖 𝑋𝑖 𝑖
𝑖=1 𝑖=1
tj. b) ⇒ c).
𝑛 𝑥𝑖 𝑛
Otuda:
𝑛
𝑝([𝑋1 ≤ 𝑥1 , 𝑋2 ≤ 𝑥2 , … , 𝑋𝑛 ≤ 𝑥𝑛 ]) = ∏ 𝑃([𝑋𝑖 ≤ 𝑥𝑖 ]) ,
𝑖=1
Odnosno 𝑋1 , 𝑋2 , … , 𝑋𝑛 su nezavisne. ∎
−(𝑥 2 +𝑦 2 )
𝑓(𝑥, 𝑦) = {𝑎𝑥𝑦𝑒 , 𝑥 ≥ 0, 𝑦 ≥ 0 .
0, 𝑖𝑛𝑎č𝑒
Rješenje:
a) Imamo da je:
+∞ +∞
189
+∞ +∞ +∞ 2
2
= 𝑎 ∫ 𝑥𝑒 −𝑥 2
𝑑𝑥 ∫ 𝑦𝑒 −𝑦 2
𝑑𝑦 = 𝑎 (∫ 𝑥𝑒 −𝑥 2
𝑑𝑥 ) = | 𝑥 = 𝑡 | =
𝑑𝑡 = 2𝑥𝑑𝑥
0 0 0
+∞ 2
𝑎 𝑎 𝑎
= ∙ (∫ 𝑒 −𝑡 𝑑𝑥 ) = ∙ (0 + 1)2 =
4 4 4
0
⇒ 𝑎 =4.
b) Za 𝑥 ≥ 0 je:
+∞ +∞
−(𝑥 2 +𝑦 2 ) −𝑥 2 2 2
𝑓𝑋 (𝑥) = ∫ 4𝑥𝑦𝑒 𝑑𝑦 = 4𝑥𝑒 ∫ 𝑦𝑒 −𝑦 𝑑𝑦 = 2𝑥𝑒 −𝑥
0 0
Za 𝑥 < 0:
+∞ +∞
Tim je:
−𝑥 2
𝑓𝑋 (𝑥) = {2𝑥𝑒 , 𝑥≥0 .
0, 𝑥<0
Analogno:
2
2𝑦𝑒 −𝑦 , 𝑦 ≥ 0
𝑓𝑌 (𝑦) = { .
0, 𝑦<0
c) Imamo da je:
1 1
2 +𝑦 2 )
𝑃([0 ≤ 𝑋 ≤ 1, 0 ≤ 𝑌 ≤ 1]) = ∫ 𝑑𝑥 ∫ 4𝑥𝑦𝑒 −(𝑥 𝑑𝑦 =
0 0
1 1 1 2
2
= 4 ∙ ∫ 𝑥𝑒 −𝑥 2
𝑑𝑥 ∫ 𝑦𝑒 −𝑦 2
𝑑𝑦 = 4 ∙ (∫ 𝑥𝑒 −𝑥 2
𝑑𝑥 ) = | 𝑡 = 𝑥 | =
𝑑𝑡 = 2𝑥𝑑𝑥
0 0 0
190
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 2
1
= 4 ∙ (∫ 𝑒 −𝑡 𝑑𝑡) = (1 − 𝑒 −1 )2 .
2
0
d) Za 𝑥 ≥ 0, 𝑦 ≤ 0 je:
2 +𝑦 2 ) 2 2
𝑓(𝑥, 𝑦) = 4𝑥𝑦𝑒 −(𝑥 = 2𝑥𝑒 −𝑥 ∙ 2𝑦𝑒 −𝑦 = 𝑓𝑋 (𝑥) ∙ 𝑓𝑌 (𝑦) .
𝑔−1 (𝑦) 𝑦
𝑑𝑧
∫ 𝑓𝑋 (𝑥)𝑑𝑥 = |𝑥 = 𝑔−1 (𝑧)| = ∫ 𝑓𝑋 (𝑔−1 (𝑧)) .
𝑔′ (𝑔−1 (𝑧))
𝑎 𝑐
1
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ , 𝑦 ∈ (𝑐, 𝑑) .
𝑔′ (𝑔−1 (𝑦))
Tim je:
1
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ ∙ 𝜅(𝑐,𝑑) ,
𝑔′ (𝑔−1 (𝑦))
gdje je:
191
1, 𝑥 ∈ (𝑐, 𝑑)
𝜅(𝑐,𝑑) (𝑥) = { .
0, 𝑥 ∉ (𝑐, 𝑑)
Tada je:
𝑏
−1 (𝑦)])
𝐹𝑌 (𝑦) = 𝑃([𝑔(𝑋) ≤ 𝑦]) = 𝑃([𝑋 ≥ 𝑔 = ∫ 𝑓𝑋 (𝑥)𝑑𝑥 = |𝑥 = 𝑔−1 (𝑧)| =
𝑔−1 (𝑦)
𝑦
𝑑𝑧
= ∫ 𝑓𝑋 (𝑔−1 (𝑧)) .
−𝑔′ (𝑔−1 (𝑧))
𝑑
1
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ , 𝑐<𝑦<𝑑.
−𝑔′ (𝑔−1 (𝑦))
1
(1) 𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ ∙ 𝜅(𝑐,𝑑) .
|𝑔′ (𝑔−1 (𝑦))|
𝐿 = ⋃ 𝐿𝑖 .
𝑖
−1
= ∑ 𝑃([𝑌 ∈ 𝑇𝑖 ]) + 𝑃 ([𝑋 ≤ (𝑔|𝐿𝑗 ) (𝑦)]) =
𝑖
𝑠𝑢𝑝𝑇𝑖 <𝑦
192
Uvod u teoriju vjerovatnoće sa riješenim zadacima
−1
(𝑔|𝐿𝑗 ) (𝑦)
−1
= ∑ 𝑃([𝑌 ∈ 𝑇𝑖 ]) + ∫ 𝑓𝑋 (𝑥)𝑑𝑥 = |(𝑔|𝐿𝑗 ) (𝑧) = 𝑥| =
𝑖 𝑎𝑗
𝑠𝑢𝑝𝑇𝑖 <𝑦
𝑦
−1 𝑑𝑧
= ∑ 𝑃([𝑌 ∈ 𝑇𝑖 ]) + ∫ 𝑓𝑋 ((𝑔|𝐿𝑗 ) (𝑧)) .
−1
𝑖
𝑠𝑢𝑝𝑇𝑖 <𝑦
𝑐𝑗 |𝑔′ ((𝑔|𝐿𝑗 ) (𝑧))|
−1 1
(2) 𝑓𝑌 (𝑦) = ∑ 𝑓𝑋 ((𝑔|𝐿𝑗 ) (𝑦)) ∙ ∙ 𝜅 𝑇𝑗 .
−1
𝑗 |𝑔′ ((𝑔|𝐿𝑗 ) (𝑦))|
𝑦−𝑏
𝑔−1 (𝑦) = .
𝑎
1 1 𝑦−𝑏
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ = ∙ 𝑓𝑋 ( ).
|𝑔′ (𝑔−1 (𝑦))| |𝑎| 𝑎
193
𝑋−𝜇
𝑋~𝑁(𝜇, 𝜎 2 ) 𝑖 𝑌 = ,
𝜎
tada je 𝑌~𝑁(0,1).
a) 𝑔(𝑥) = arctg 𝑥 .
1
b) 𝑔(𝑥) = 1+𝑥2 .
c) 𝑔(𝑥) = tg 𝑥 .
Rješenje:
a) Neka je:
𝐿=ℝ
Tada je:
𝜋 𝜋
𝑇 = 𝑔(𝐿) = (− , ) .
2 2
1
𝑓𝑌 (𝑦) = 𝑓𝑋 (tg 𝑦) ∙ ∙ 𝜅 𝜋 𝜋 (𝑦) .
cos2 𝑦 (− 2 , 2 )
𝐿1 = {𝑥: 𝑥 ≥ 0}
𝐿2 = {𝑥: 𝑥 < 0}
Tada je 𝐿 = 𝐿1 ∪ 𝐿2 .
194
Uvod u teoriju vjerovatnoće sa riješenim zadacima
−1 1−𝑦
(𝑔|𝐿1 ) (𝑦) = √ , 𝑦 ∈ (0,1) ,
𝑦
−1 1−𝑦
(𝑔|𝐿1 ) (𝑦) = −√ , 𝑦 ∈ (0,1) .
𝑦
Tada je:
1−𝑦 1 1−𝑦
𝑓𝑌 (𝑦) = 𝑓𝑋 (√ )∙ ∙ 𝜅(0,1) (𝑦) + 𝑓𝑋 (−√ )
𝑦 1−𝑦 𝑦
|𝑔′ (√ 𝑦 )|
1
∙ ∙ 𝜅(0,1) (𝑦) =
′ 1−𝑦
|𝑔 (√ 𝑦 )|
1−𝑦
1 − 𝑦 −2 ∙ √ 𝑦
= ||𝑔′ (√ )= = −2𝑦√𝑦 − 𝑦 2 || =
𝑦 1−𝑦 2
(1 + 𝑦 )
1 1−𝑦 1−𝑦
= ∙ [𝑓𝑋 (√ ) + 𝑓𝑋 (−√ )] ∙ 𝜅(0,1) (𝑦) .
2𝑦√𝑦 − 𝑦 2 𝑦 𝑦
c) Imamo da je:
𝐿 = ℝ,
𝜋 𝜋
𝐿𝑖 = (− + 𝑖𝜋, + 𝑖𝜋) , 𝑖 ∈ ℤ,
2 2
𝑇𝑖 = 𝑔(𝐿𝑖 ) = ℝ .
195
−1
(𝑔|𝐿𝑖 ) = arctg 𝑦 + 𝑖𝜋, 𝑖 ∈ℤ,
1 1 1
|𝑔′ (arctg 𝑦 + 𝑖𝜋)| = = = .
cos2(arctg 𝑦) 1 + tg 2 (arctg 𝑦) 1 + 𝑦2
1
𝑓𝑌 (𝑦) = ∑ 𝑓𝑋 (arctg 𝑦 + 𝑖𝜋) ∙ , 𝑦 ∈ℝ.
1 + 𝑦2
𝑖∈ℤ
𝑒 −𝑥 , 𝑥>0
𝑓𝑋 (𝑥) = {
0, 𝑥≤0
−1
(𝑔|𝐿2 ) (𝑦) = 1 + √𝑦, 𝑦 ∈ (0, +∞),
𝑔′ (1 − √𝑦) = −2√𝑦 ,
𝑔′ (1 + √𝑦) = 2√𝑦 .
Otuda je:
1 1
𝑓𝑌 (𝑦) = 𝑒 √𝑦−1 ∙ ∙ 𝜅(0,1) (𝑦) + 𝑒 −1−√𝑦 ∙ ∙ 𝜅(0,+∞) (𝑦)
2√𝑦 2√𝑦
ili:
196
Uvod u teoriju vjerovatnoće sa riješenim zadacima
0, 𝑦≤0
𝑒 √𝑦 + 𝑒 −√𝑦
, 0<𝑦<1
𝑓𝑌 (𝑦) = 2 ∙ 𝑒 ∙ √𝑦 .
−√𝑦
𝑒
, 1 ≤ 𝑦 < +∞
{ 2 ∙ 𝑒 ∙ √𝑦
Drugi način:
1+√𝑦 −𝑥
= 𝑃([0 ≤ 𝑋 ≤ 1 + √𝑦]) = ∫0 𝑒 𝑑𝑥 = 1 − 𝑒 −√𝑦−1 , 𝑦 ≥ 1 ,
1+ 𝑦
= ∫1− √𝑦 𝑒 −𝑥 𝑑𝑥 = 𝑒 √𝑦−1 − 𝑒 −√𝑦−1, 0 < 𝑦 < 1 ,
√
0, 𝑦≤0
𝑒 √𝑦 + 𝑒 −√𝑦
, 0<𝑦<1
𝑓𝑌 (𝑦) = 2 ∙ 𝑒 ∙ √𝑦 .
𝑒 −√𝑦
, 1 ≤ 𝑦 < +∞
{ 2 ∙ 𝑒 ∙ √𝑦
a) 𝑔: 𝐿 → 𝑇 = 𝑔(𝐿) je bijekcija.
b) 𝑔−1 je neprekidno diferencijabilna na 𝑇 i 𝐷𝑔−1 (𝑦) ≠ 0, 𝑦 ∈ 𝑇.
Tada slučajni vektor 𝑌 = 𝑔(𝑋) ima funkciju gustoće:
(3) 𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) ∙ |𝐷𝑔−1 (𝑦)| ∙ 𝜅 𝑇 (𝑦), 𝑦 ∈ ℝ𝑛 .
𝑔1 (𝑥, 𝑦) = Ψ(𝑥, 𝑦) ,
𝑔2 (𝑥, 𝑦) = 𝑥 ,
𝑧 = Ψ(𝑥, 𝑦) .
Tada je:
Tim je:
𝜕𝑥 𝜕𝑥
0 1 𝜕𝜑
𝐷𝑔−1 (𝑧, 𝑥) = | 𝜕𝑧 𝜕𝑥 | = |𝜕𝜑 𝜕𝜑| = − (𝑧, 𝑥) .
𝜕𝑦 𝜕𝑦 𝜕𝑧
𝜕𝑧 𝜕𝑥
𝜕𝑧 𝜕𝑥
𝜕𝜑
𝑓𝑍,𝑋 (𝑧, 𝑥) = 𝑓𝑋,𝑌 (𝑥, 𝜑(𝑧, 𝑥)) ∙ | (𝑧, 𝑥)| .
𝜕𝑧
198
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Primjer 5.1.8. Neka je 𝑓𝑋,𝑌 funkcija gustoće slučajnog vektora (𝑋, 𝑌). Naći funkciju
gustoće od:
a) 𝑍 = 𝑋 + 𝑌 .
b) 𝑍 = 𝑌 − 𝑋 .
Rješenje:
a) 𝑧 = Ψ(𝑥, 𝑦) = 𝑥 + 𝑦, pa je:
b) 𝑧 = Ψ(𝑥, 𝑦) = 𝑦 − 𝑥, pa je:
𝐸𝑋 = ∫ 𝑥𝑓𝑋 (𝑥)𝑑𝑥,
−∞
ako je integral apsolutno konvergentan. Ako integral nije apsolutno konvergentan,
kažemo da 𝑋 nema matematičko očekivanje.
𝐸𝑋 = ∫ 𝑥 ∙ 𝐹𝑋′ (𝑥)𝑑𝑥 + ∑ 𝑎𝑖 ∙ 𝑝𝑖 .
−∞ 𝑖
𝑒 −𝑥 , 𝑥>0
𝑓𝑋 (𝑥) = {
0, 𝑥≤0
Rješenje:
+∞ +∞
𝐸𝑋 = ∫ 𝑥 ∙ 𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥𝑒 −𝑥 𝑑𝑥 =
−∞ 0
= 0 + (1 − 0) = 1
0, 𝑥<0
1
𝑥, 0≤𝑥<
𝐹𝑋 (𝑥) = 3
3 1 1
𝑥+ , ≤𝑥<1
4 4 3
{1, 𝑥≥1
1 1 1 1 1 1
𝑃 ([𝑋 = ]) = 𝐹𝑋 ( ) − 𝐹𝑋 ( − 0) = − = ,
3 3 3 2 3 6
200
Uvod u teoriju vjerovatnoće sa riješenim zadacima
0, 𝑥<0 ∨ 𝑥≥1
1
1, 0≤𝑥<
𝐹𝑋′ (𝑥) = 3 ,
3 1
{4 , 3
<𝑥<1
1
1 2
3
1 1
3
1
+∞ 3 1
1 1 3 1
𝐸𝑋 = ∫ 𝑥 ∙ 𝐹𝑋′ (𝑥)𝑑𝑥 + ∙ = ∫ 𝑥𝑑𝑥 + ∫ ∙ 𝑥𝑑𝑥 + =
3 6 4 18
−∞ 0 1
3
1
1 3 1−9 1 1 1 4
= + ∙ + = + = .
18 4 2 18 9 3 9
Primjer 5.2.3.
201
1
𝑓𝑋 (𝑥) = {𝑏 − 𝑎 , 𝑎≤𝑥≤𝑏.
0, 𝑖𝑛𝑎č𝑒
Tada je:
𝑏
1 1 𝑏 2 − 𝑎2 𝑎 + 𝑏
𝐸𝑋 = ∫ 𝑥 ∙ 𝑑𝑥 = ∙ = .
𝑏−𝑎 𝑏−𝑎 2 2
𝑎
b) Neka je:
−𝜆𝑥
𝑓𝑋 (𝑥) = {𝜆𝑒 , 𝑥 >0.
0, 𝑥≤0
Tada je:
+∞ +∞
𝑥 +∞ 1
−𝜆𝑥
𝐸𝑋 = ∫ 𝑥𝜆𝑒 𝑑𝑥 = 𝜆 ∙ [(− ∙ 𝑒 −𝜆𝑥 )| + ∙ ∫ 𝑒 −𝜆𝑥 𝑑𝑥] =
𝜆 0 𝜆
0 0
+∞
1 1 1 1 1
= 𝜆 ∙ [0 + ∙ (− ∙ 𝑒 −𝜆𝑥 )| ] = 𝜆 ∙ [0 + ∙ ( − 0)] = .
𝜆 𝜆 0 𝜆 𝜆 𝜆
c) Neka je:
1
𝑓𝑋 (𝑥) = , 𝑥 ∈ℝ.
𝜋(1 + 𝑥 2 )
Tada je:
+∞ +∞
+∞
|𝑥| 𝑥𝑑𝑥 1 2 )|
∫ 𝑑𝑥 = 2 ∙ ∫ = ∙ ln(1 + 𝑥 = +∞ .
𝜋 ∙ (1 + 𝑥 2 ) 𝜋(1 + 𝑥 2 ) 𝜋 0
−∞ 0
ne postoji 𝐸𝑋.
d) Neka je:
202
Uvod u teoriju vjerovatnoće sa riješenim zadacima
1 𝑥
𝛼−1 −
∙ 𝑥 ∙ 𝑒 𝛽, 𝑥 > 0
𝑓𝑋 (𝑥) = {Γ(𝛼)𝛽 𝛼 , 𝛼, 𝛽 > 0 .
0, 𝑥≤0
Tada je:
+∞
1 𝑥 𝑥
𝛼 −𝛽
𝐸𝑋 = 𝛼
∙ ∫ 𝑥 𝑒 𝑑𝑥 = | = 𝑦| =
Γ(𝛼)𝛽 𝛽
0
+∞ +∞
𝛽 𝛽
= ∙ ∫ 𝑦 𝛼 𝑒 −𝑦 𝑑𝑦 = ∙ ∫ 𝑦 𝛼+1−1 ∙ 𝑒 −𝑦 𝑑𝑦 =
Γ(𝛼) Γ(𝛼)
0 0
+∞
𝛽
= |Γ(𝑣) = ∫ 𝑧 𝑣−1 𝑒 −𝑧 𝑑𝑧| = ∙ Γ(𝛼 + 1) =
Γ(𝛼)
0
𝛽
= ∙ 𝛼 ∙ Γ(𝛼) = 𝛼𝛽 .
Γ(𝛼)
e) Ako je:
𝑛
𝛼= ,𝛽 = 2 ,
2
𝑛+2 +∞ 𝑛+1
−
1 Γ( 2 ) 𝑥2 2
𝐸𝑋 = ∙ 𝑛 ∙ ∫ 𝑥 (1 + ) 𝑑𝑥 = | 𝑧𝑏𝑜𝑔 𝑛𝑒𝑝𝑎𝑟𝑛𝑜𝑠𝑡𝑖 | = 0,
√𝑛 ∙ 𝜋 Γ (2 ) 𝑛
−∞
𝑛 >1.
𝑛+1
𝑟= .
2
+∞ 𝑛+1
−
𝑥2 2
∫ |𝑥| (1 + ) 𝑑𝑥 =
𝑛
−∞
+∞ −𝑟+1 +∞
𝑥𝑑𝑥 𝑛 𝑥2
2∙∫ 𝑟 = ∙ (1 + ) | < +∞ .
𝑥2 −𝑟 + 1 𝑛
0 (1 + 𝑛 ) 0
g) Neka je 𝑋~(𝜇, 𝜎 2 ).
Tada je:
+∞ +∞
1 (𝑥−𝜇)2 1 (𝑥−𝜇)2
− −
𝐸𝑋 = ∙ ∫ 𝑥𝑒 2𝜎2 𝑑𝑥 = ∙ ∫ (𝑥 − 𝜇) ∙ 𝑒 2𝜎2 𝑑𝑥 +
𝜎√2𝜋 𝜎√2𝜋
−∞ −∞
+∞ +∞
1 (𝑥−𝜇)2 𝑥−𝜇 𝜇 𝑡2
−
+𝜇 ∙ ∙ ∫ 𝑒 2𝜎 2 𝑑𝑥 = |𝑡 = |= ∙ ∫ 𝑡𝑒 − 2 𝑑𝑡 + 𝜇 =
𝜎√2𝜋 𝜎 √2𝜋
−∞ −∞
𝑡2
=| 𝑡𝑒 − 2 𝑗𝑒 𝑛𝑒𝑝𝑎𝑟𝑛𝑎 𝑓𝑢𝑛𝑘𝑐𝑖𝑗𝑎 | = 0 + 𝜇 = 𝜇 .
Specijalno, za 𝑋~(0,1) je 𝐸𝑋 = 0.
𝐸𝑌 = ∫ 𝑔(𝑥)𝑓𝑋 (𝑥)𝑑𝑥,
−∞
ukoliko je integral apsolutno konvergentan.
204
Uvod u teoriju vjerovatnoće sa riješenim zadacima
−1 1
𝑓𝑌 (𝑦) = ∑ 𝑓𝑋 ((𝑔|𝐿𝑖 ) (𝑦)) ∙ −1
∙ 𝜅 𝑇𝑖 (𝑦) .
𝑖 |𝑔′ ((𝑔|𝐿𝑖 ) (𝑦))|
Tim je:
+∞ +∞
−1 1
𝐸𝑋 = ∫ 𝑦𝑓𝑌 (𝑦)𝑑𝑦 = ∑ ∫ 𝑓𝑋 ((𝑔|𝐿𝑖 ) (𝑦)) ∙ −1
∙ 𝜅 𝑇𝑖 (𝑦) =
−∞ 𝑖 −∞ |𝑔′ ((𝑔|𝐿𝑖 ) (𝑦))|
+∞
′ −1 |𝑔′ (𝑥)|
= |𝑥 = 𝑔 (𝑔|𝐿𝑖 ) (𝑦)| = ∑ ∫ 𝑔(𝑥)𝑓𝑋 (𝑥) ∙ ∙ 𝜅 (𝑥)𝑑𝑥 =
|𝑔′ (𝑥)| 𝐿𝑖
𝑖 −∞
+∞ +∞
205
𝜕𝜑 𝑥=𝑥
= ∫ 𝑧 ∙ 𝑓𝑋,𝑌 (𝑥, 𝜑(𝑧, 𝑥)) ∙ | (𝑧, 𝑥)| 𝑑𝑥𝑑𝑧 = |𝑦 = 𝜑(𝑧, 𝑥)| =
𝜕𝑧
ℝ2
2
(𝑥
𝑓𝑋,𝑌 (𝑥, 𝑦) = {3 ∙ + 2𝑦), 𝑥, 𝑦 ∈ [0, 1]
0, 𝑖𝑛𝑎č𝑒
Rješenje:
1 1
2
𝐸(𝑋 + 𝑌) = ∫ 𝑑𝑥 ∫(𝑥 + 𝑦) ∙ ∙ (𝑥 + 2𝑦)𝑑𝑦 =
3
0 0
1 1 1
2 2 3 2
= ∙ ∫ 𝑑𝑥 ∫(𝑥 2 + 3𝑥𝑦 + 2𝑦 2 )𝑑𝑦 = ∙ ∫ (𝑥 2 + 𝑥 + ) 𝑑𝑥 =
3 3 2 3
0 0 0
2 1 3 2 7
= ∙( + + )= .
3 3 4 3 6
6𝑥(1 − 𝑥), 0 ≤ 𝑥 ≤ 1
𝑓𝑋 (𝑥) = {
0, 𝑖𝑛𝑎č𝑒
206
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
1 1
1 1 3
𝐸𝑋 2 = ∫ 𝑥 2 ∙ 6 ∙ 𝑥(1 − 𝑥)𝑑𝑥 = 6 ∫(𝑥 3 − 𝑥 4 )𝑑𝑥 = 6 ( − ) = .
4 5 10
0 0
+∞ +∞ +∞ +∞
+∞ +∞
207
𝐸(𝑋 ∙ 𝑌) = ∫ 𝑥 ∙ 𝑦 ∙ 𝑓𝑋,𝑌 (𝑥, 𝑦)𝑑𝑥𝑑𝑦 =
ℝ2
+∞ +∞
Vrijedi:
𝑥𝑒 −𝑥 , 𝑥 ≥ 0
𝑓𝑋 (𝑥) = { .
0, 𝑥<0
Naći 𝑉𝑎𝑟𝑋.
Rješenje:
𝑉𝑎𝑟𝑋 = 𝐸𝑋 2 − (𝐸𝑋)2 ,
+∞ +∞
𝐸𝑋 = ∫ 𝑥 𝑒 2 −𝑥
𝑑𝑥 = (−𝑥 2 𝑒 −𝑥 )|+∞
0 + 2 ∙ ∫ 𝑥𝑒 −𝑥 𝑑𝑥 =
0 0
+∞
= 2 [(−𝑥𝑒 −𝑥 )|+∞
0 + ∫ 𝑒 −𝑥 𝑑𝑥] = 2 ,
0
+∞ +∞
2
𝐸𝑋 = ∫ 𝑥 𝑒 3 −𝑥
𝑑𝑥 = (−𝑥 3 𝑒 −𝑥 )|+∞
0 + 3 ∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 6
0 0
𝑉𝑎𝑟𝑋 = 6 − 22 = 2 .
208
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Dokaz:
2
𝑉𝑎𝑟(𝑎𝑋 + 𝑏) = 𝐸((𝑎𝑋 + 𝑏) − 𝐸(𝑎𝑋 + 𝑏)) =
Dokaz:
2
𝑉𝑎𝑟(𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ) = 𝐸((𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ) − 𝐸(𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ) =
2
= 𝐸((𝑋1 − 𝐸𝑋1 ) + (𝑋2 − 𝐸𝑋2 ) + ⋯ + (𝑋𝑛 + 𝐸𝑋𝑛 )) =
𝑛 𝑛
Primjer 5.2.7.
2
𝑏 2 + 𝑎𝑏 + 𝑎2 𝑎 + 𝑏 2 (𝑎 − 𝑏)2
𝑉𝑎𝑟𝑋 = 𝐸𝑋 − (𝐸𝑋)2 = −( ) = .
3 2 12
2 1 1
𝑉𝑎𝑟𝑋 = 𝐸𝑋 2 − (𝐸𝑋)2 = 2
− 2= 2.
𝜆 𝜆 𝜆
2 2
𝑉𝑎𝑟𝑋 = 𝐸𝑋 2 − (𝐸𝑋)2 = − 0 2
= .
𝜆2 𝜆2
+∞ +∞
𝑥−𝜇 𝜎2 𝑦2 2𝜎 2 𝑦2
=| = 𝑦| = ∙ ∫ 𝑦 2 𝑒 − 2 𝑑𝑦 = ∙ ∫ 𝑦 2 𝑒 − 2 𝑑𝑦 =
𝜎 √2𝜋 √2𝜋
−∞ 0
+∞ +∞
2𝜎 2 −
𝑦2 𝑦2 2𝜎 2 √2𝜋
= ∙ [(−𝑦𝑒 2 )| + ∫ 𝑒 − 2 𝑑𝑦] = [0 + ] = 𝜎2 .
√2𝜋 0 √2𝜋 2
0
+∞ +∞
𝛽2 𝛽2
= ∙ ∫ 𝑦 𝛼+1 ∙ 𝑒 −𝑦 𝑑𝑦 = ∙ ∫ 𝑦 (𝛼+2)−1 ∙ 𝑒 −𝑦 𝑑𝑦 =
Γ(𝛼) Γ(𝛼)
0 0
𝛽2 𝛽2
= ∙ Γ(𝛼 + 2) = |Γ(𝑥 + 1) = 𝑥 ∙ Γ(𝑥)| = ∙ (𝛼 + 1) ∙ Γ(𝛼 + 1) =
Γ(𝛼) Γ(𝛼)
210
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝛽2
= ∙ (𝛼 + 1) ∙ 𝛼 ∙ Γ(𝛼) = 𝛼 ∙ 𝛽 2 ∙ (𝛼 + 1) .
Γ(𝛼)
211
Dokaz:
+∞ +∞
𝑡(𝑎𝑋+𝑏) 𝑡𝑏
𝑀𝑎𝑋+𝑏 (𝑡) = ∫ 𝑒 𝑓(𝑥)𝑑𝑥 = 𝑒 ∙ ∫ 𝑒 𝑡𝑎𝑥 ∙ 𝑓(𝑥)𝑑𝑥 = 𝑒 𝑡𝑏 ∙ 𝑀𝑋 (𝑡𝑎) ∎
−∞ −∞
Dokaz: 𝑀𝑋1 +𝑋2 +⋯+𝑋𝑛 (𝑡) = 𝐸(𝑒 𝑡(𝑋1 +𝑋2 +⋯+𝑋𝑛 ) ) = 𝐸(𝑒 𝑡𝑋1 +𝑡𝑋2 +⋯+𝑡𝑋𝑛 ) =
𝐸(𝑒 𝑡𝑋1 𝑒 𝑡𝑋2 ⋯ 𝑒 𝑡𝑋𝑛 ) =
= |𝑧𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖| = 𝐸(𝑒 𝑡𝑋1 )𝐸(𝑒 𝑡𝑋2 ) ⋯ 𝐸(𝑒 𝑡𝑋𝑛 ) = 𝑀𝑋1 (𝑡) ∙ 𝑀𝑋2 (𝑡) ∙ … ∙
𝑀𝑋𝑛 (𝑡) ∎
Primjer 5.3.1.
𝑀𝑋 (𝑡) = ∫ 𝑒 𝑡𝑥
∙𝜆∙𝑒 −𝜆𝑥
𝑑𝑥 = 𝜆 ∙ ∫ 𝑒 (𝑡−𝜆)𝑥 𝑑𝑥 =
0 0
𝜆 +∞ 𝜆
= (𝑒 (𝑡−𝜆)𝑥 )|0 = , 𝑡<𝜆.
𝑡−𝜆 𝜆−𝑡
𝜆 1 0 𝜆 1 +∞
= ∙ (𝑒 (𝑡+𝜆)𝑥 )|−∞ + ∙ (𝑒 (𝑡−𝜆)𝑥 )|0 =
2 𝑡+𝜆 2 𝑡−𝜆
212
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝜆 1 𝜆 −1 𝜆 −2𝜆 −𝜆2
= ∙ + ∙ = ∙ 2 = , −𝜆 < 𝑡 < 𝜆 .
2 𝑡 + 𝜆 2 𝑡 − 𝜆 2 𝑡 − 𝜆2 𝑡 2 − 𝜆2
+∞
1 1−𝑡∙𝛽 1−𝑡∙𝛽
𝛼−1 − ∙𝑥
= ∙ ∫ 𝑥 ∙ 𝑒 𝛽 𝑑𝑥 = | ∙ 𝑥 = 𝑢| =
Γ(𝛼) ∙ 𝛽 𝛼 𝛽
0
+∞
𝛼−1
1 𝛽 𝛽
= 𝛼
∙∫ ( ) ∙ 𝑢𝛼−1 ∙ 𝑒 −𝑢 ∙ 𝑑𝑢 =
Γ(𝛼) ∙ 𝛽 1−𝑡∙𝛽 1−𝑡∙𝛽
0
+∞
1 𝛽𝛼
= ∙ ∙ ∫ 𝑢𝛼−1 ∙ 𝑒 −𝑢 𝑑𝑢 =
Γ(𝛼) ∙ 𝛽 𝛼 (1 − 𝑡 ∙ 𝛽)𝛼
0
1 1 1 1
= ∙ 𝛼
∙ Γ(𝛼) = , 𝑡< ,
Γ(𝛼) (1 − 𝑡 ∙ 𝛽) (1 − 𝑡 ∙ 𝛽)𝛼 𝛽
1−𝑡∙𝛽
>0.
𝛽
Zbog d) je:
1 1
𝑀𝑋 (𝑡) = 𝑛, 𝑡< .
(1 − 2𝑡)2 2
213
+∞ +∞
1 1 1
(𝑥−𝑡)2 + 𝑡 2 1 1 2 1
(𝑥−𝑡)2
= ∙ ∫ 𝑒 −2 2 𝑑𝑥 = ∙ 𝑒 2𝑡 ∙ ∫ 𝑒 −2 𝑑𝑥 =
√2𝜋 √2𝜋
−∞ −∞
+∞
𝑥−𝑡 =𝑢 1 1 2 1 2
(𝑢)
1 2
=| |= ∙ 𝑒 2𝑡 ∙ ∫ 𝑒 −2 𝑑𝑢 = 𝑒 2𝑡 .
𝑑𝑥 = 𝑑𝑢 √2𝜋
−∞
𝑀𝑋1 +𝑋2 +⋯+𝑋𝑛 (𝑡) = 𝑀𝑋1 (𝑡) ∙ 𝑀𝑋2 (𝑡) … 𝑀𝑋𝑛 (𝑡) =
1 2 2 1 2 2 1 2 2
= 𝑒 𝜇1 𝑡+2𝜎1 𝑡 ∙ 𝑒 𝜇2 𝑡+2𝜎2 𝑡 … 𝑒 𝜇𝑛 𝑡+2𝜎𝑛 𝑡 =
1
(𝜇1 +𝜇2 +⋯+𝜇𝑛 )+ (𝜎12 +𝜎22 +⋯+𝜎22 )𝑡 2
=𝑒 2 .
tj.:
214
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ~𝑁(𝜇, 𝜎 2 ) .
gdje je:
𝑃 [ lim 𝑋𝑛 = 𝑋] = 1.
𝑛→∞
𝑔.𝑠.
Pišemo 𝑋𝑛 → 𝑋, ili 𝑋𝑛 → 𝑋 𝑔. 𝑠.
je opadajući.
215
Pošto je
𝑃({𝜔: |𝑋𝑛 (𝜔) − 𝑋(𝜔)| > 𝜀}) ≤ 𝑃 (⋃{𝜔: |𝑋𝑘 (𝜔) − 𝑋(𝜔)| > 𝜀}),
𝑘≥𝑛
tada vrijedi:
Prethodni teorem zovemo jaki zakon velikih brojeva, i navodimo ga bez dokaza.
𝒟
u svakoj tački 𝑥 gdje je 𝐹𝑋 neprekidna. Pišemo 𝑋𝑛 → 𝑋.
216
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Slično vrijedi:
𝐹𝑋 (𝑥 − 𝜀) = 𝑃([𝑋 ≤ 𝑥 − 𝜀])
= 𝑃([𝑋 ≤ 𝑥 − 𝜀, 𝑋𝑛 ≤ 𝑥 ]) + 𝑃([𝑋 ≤ 𝑥 − 𝜀, 𝑋𝑛 > 𝑥 ]) ≤
Odnosno,
𝐹𝑋 (𝑥 − 𝜀) ≤ 𝐿𝑖𝑚𝑖𝑛𝑓𝐹𝑋𝑛 (𝑥).
Otuda je:
Otuda je:
217
Definicija 5.4.3. Neka je 𝑋 slučajna varijabla sa funkcijom gustoće 𝑓. Funkciju 𝜑𝑋 ≡
𝜑: ℝ → ℂ definisanu sa:
+∞
𝑖𝑡𝑋
𝜑𝑋 (𝑡) ≡ 𝜑(𝑡) = 𝐸(𝑒 ) = ∫ 𝑒 𝑖𝑡𝑥 𝑓(𝑥)𝑑𝑥
−∞
+∞ +∞
′ (𝑡) 𝑛−1
𝑥𝑛
𝜑 = ∑ 𝑖𝑛(𝑖𝑡) ∫ 𝑓(𝑥)𝑑𝑥 ,
𝑛!
𝑛=1 −∞
+∞
+∞ +∞
′ 𝑛−2
𝑥𝑛
𝜑 ′(𝑡) = ∑ −𝑛(𝑛 − 1)(𝑖𝑡) ∫ 𝑓(𝑥)𝑑𝑥 ,
𝑛!
𝑛=2 −∞
218
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞
′
𝑥2
𝜑 ′(0) = −2! ∫ 𝑓(𝑥)𝑑𝑥 = −𝐸(𝑋 2 ),
2!
−∞
2 2
𝑉𝑎𝑟𝑋 = 𝐸(𝑋 2 ) − (𝐸(𝑋)) = −𝜑′ ′(0) + (𝜑′ (0)) .
Primjer 5.4.1.
𝑋 = ∑ 𝑋𝑘
𝑘=1
gdje su 𝑋𝑘 , 𝑘 = ̅̅̅̅̅
1, 𝑛 nezavisne Bernoullieve slučajne varijable. Iz osobina
karakteristične funkcije vrijedi:
𝑛
𝑛
𝜑𝑋 (𝑡) = ∏ 𝜑𝑋𝑘 (𝑡) = (𝑞 + 𝑝𝑒 𝑖𝑡 ) .
𝑘=1
𝑏
𝑑𝑥 𝑒 𝑖𝑡𝑏 − 𝑒 𝑖𝑡𝑎
𝜑(𝑡) = ∫ 𝑒 𝑖𝑡𝑥 = .
𝑏−𝑎 𝑖𝑡(𝑏 − 𝑎)
𝑎
+∞
1 𝑥2
𝑖𝑡𝑥 −
𝜑(𝑡) = ∫ 𝑒 𝑒 2 𝑑𝑥,
√2𝜋
−∞
219
+∞
1 𝑥2
𝜑′(𝑡) = ∫ 𝑖𝑥𝑒 𝑖𝑡𝑥 𝑒 − 2 𝑑𝑥
√2𝜋
−∞
+∞ +∞
1 𝑥2 1 𝑥2
= 𝑖 [(− ∙ 𝑒 𝑖𝑡𝑥 𝑒 − 2 )| + ∫ 𝑖𝑡𝑒 𝑖𝑡𝑥 𝑒 − 2 𝑑𝑥] =
√2𝜋 −∞ √2𝜋
−∞
+∞
1 𝑥2
−𝑡 ∫ 𝑒 𝑖𝑡𝑥 𝑒 − 2 𝑑𝑥 = −𝑡𝜑(𝑡),
√2𝜋
−∞
Otuda:
𝑑𝜑
= −𝑡,
𝜑
𝑡2
ln 𝜑 = − ,
2
𝑡2
𝜑(𝑡) = 𝑒 − 2 + 𝐶,
𝑡2
𝜑(𝑡) = 𝑒 − 2 .
𝑋−𝜇
~𝑁(0,1).
𝜎
𝑡2 𝑖𝜇𝑡 𝑡
𝑒 − 2 = 𝜑𝑋−𝜇 (𝑡) = 𝑒 − 𝜎 𝜑𝑋 ( ),
𝜎 𝜎
220
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑡 𝑖𝜇𝑡 𝑡 2
𝜑𝑋 ( ) = 𝑒 𝜎 − 2 ,
𝜎
𝜎2𝑡 2
𝑖𝜇𝑡−
𝜑𝑋 (𝑡) = 𝑒 2 .
∞ ∞ 𝑘
𝑖𝑡𝑘
𝜆𝑘 −𝜆 (𝜆𝑒 𝑖𝑡 ) 𝑖𝑡
𝜑𝑋 (𝑡) = ∑ 𝑒 𝑒 = 𝑒 −𝜆 ∑ = 𝑒 −𝜆 𝑒 𝜆𝑒 .
𝑘! 𝑘!
𝑘=1 𝑘=0
Neka je:
a) 𝑋𝑛 ~𝐵(𝑛, 𝑝𝑛 ), 𝑛 ∈ ℕ,
b) lim 𝑝𝑛 = 0,
𝑛→∞
c) lim 𝑛 𝑝𝑛 = 𝜆, 0 < 𝜆 < +∞.
𝑛→∞
Tada vrijedi:
1 𝑖𝑡 −1)
𝑛 𝑖𝑡 −1)𝑛𝑝𝑛 (𝑒
𝜑𝑋𝑛 = (𝑞𝑛 + 𝑝𝑛 𝑒 𝑖𝑡 ) = (1 + 𝑝𝑛 (𝑒 𝑖𝑡 − 1))𝑝𝑛 (𝑒 ,
𝑖𝑡 −1)
lim 𝜑𝑋𝑛 = 𝑒 𝜆(𝑒 .
𝑛→∞
𝑛 𝑘 𝑛−𝑘 𝜆𝑘 −𝜆
lim ( ) 𝑝𝑛 𝑞𝑛 = 𝑒 , 𝑧𝑎 ∀𝑘 ∈ ℕ0 .
𝑛→∞ 𝑘 𝑘!
𝑖𝑡
𝑒𝑥𝑝 {𝜆 (𝑒 √𝜆 − 1) − 𝑖𝑡√𝜆} =
𝑖𝑡(𝑖𝑡)2 (𝑖𝑡)3
𝑒𝑥𝑝 {𝜆 ( + + + ⋯ +) − 𝑖𝑡√𝜆}.
√𝜆 2𝜆 6𝜆√𝜆
Otuda:
𝑡2
lim 𝜑𝑋−𝜆 (𝑡) = 𝑒 − 2 .
𝜆→∞
√𝜆
𝑋−𝜆
Zbog Levyjevog teorema, se ravna po približno Normalnoj distribuciji za velike
√𝜆
𝜆.
1 𝑛
∑
𝑛 𝑘=1 𝑋𝑘 − 𝜇 →
𝒟
𝑁(0,1).
𝜎
√𝑛
222
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝜑(𝑡) = 𝑐0 + 𝑐1 𝑡 + 𝑐2 𝑡 2 + 𝑅𝑛 ,
1 = 𝜑(0) = 𝑐0 ,
0 = 𝑖 𝜇 = 𝜑′(0) = 𝑐1 ,
1 1
−𝜎 2 = 𝜑′′(0) = 𝑐2 .
2 2
Vrijedi:
𝑛 𝑛
𝑡 𝑡2
(𝜑 ( )) = (1 − + 𝑅𝑛 ) =
𝜎√𝑛 2𝑛
𝑡2
− +𝑅
2𝑛 𝑛 𝑛
𝑡2 𝑡2 𝑡2
(1 − + 𝑅𝑛 )−2𝑛+𝑅𝑛 → 𝑒− 2 .
2𝑛
Otuda:
1 𝑛
∑
𝑛 𝑘=1 𝑋𝑘 →
𝒟
𝑁(0,1)∎
𝜎
√𝑛
5.5. Zadaci
funkcijom gustoće:
𝒙
−
𝒇(𝒙) = {𝝀𝒆 𝟏𝟎𝟎 , 𝒙 ≥ 𝟎 , 𝒙∈ℝ
𝟎, 𝒙<0
Izračunati:
a) 𝝀.
b) vjerovatnoću da je vrijeme između 𝟓𝟎 i 𝟏𝟓𝟎 sati.
c) vjerovatnoću da je vrijeme manje od 𝟏𝟎𝟎 sati.
Rješenje:
a) Imamo da je:
+∞
𝑥 1
1 = ∫ 𝜆𝑒 −100 𝑑𝑥 = −100 ∙ 𝜆 ∙ (𝑒 −∞ − 𝑒 0 ) = 100𝜆 ⇒ 𝜆 = .
100
0
b) Imamo da je:
224
Uvod u teoriju vjerovatnoće sa riješenim zadacima
150
1 𝑥 150 50 1 3
𝑃([50 ≤ 𝑋 ≤ 150]) = ∫ ∙ 𝑒 −100 𝑑𝑥 = − (𝑒 −100 − 𝑒 −100 ) = 𝑒 −2 − 𝑒 −2
100
50
≈ 0.383 .
c) Imamo da je:
100
1 𝑥 100
𝑃([𝑋 ≤ 100]) = ∫ ∙ 𝑒 −100 𝑑𝑥 = − (𝑒 −100 − 𝑒 0 ) = 1 − 𝑒 −1 ≈ 0.63 .
100
0
2. Neka je:
𝟐𝒙, 𝟎≤𝒙≤𝟏
𝒇(𝒙) = {
𝟎, 𝒊𝒏𝒂č𝒆
Rješenje:
1
2 2
𝐸𝑋 = ∫ 2𝑥 2 𝑑𝑥 = (13 − 03 ) = ,
3 3
0
1
4 1 4 4 1
𝑉𝑎𝑟𝑋 = 𝐸𝑋 2 − (𝐸𝑋)2 = ∫ 2𝑥 3 𝑑𝑥 − = (1 − 04 ) − = .
9 2 9 18
0
3. Neka je:
𝟏, 𝟎≤𝒙≤𝟏
𝒇(𝒙) = {
𝟎, 𝒊𝒏𝒂č𝒆
Rješenje: 1. način:
1
𝐸(𝑒 𝑋 ) = ∫ 𝑒 𝑥 𝑑𝑥 = 𝑒 1 − 𝑒 0 = 𝑒 − 1 .
0
225
2. način:
1
𝑓𝑌 (𝑦) = , 1≤𝑦≤𝑒,
𝑦
𝐹𝑌 (𝑦) = 0, 𝑦 <1.
𝐹𝑌 (𝑦) = 1, 𝑦>𝑒.
1
, 1≤𝑦≤𝑒
𝑓𝑌 (𝑦) = {𝑦 .
0, 𝑖𝑛𝑎č𝑒
Tim je:
𝑒
1
𝐸𝑒 𝑋 = 𝐸𝑌 = ∫ 𝑦 ∙ 𝑑𝑦 = 𝑒 − 1 .
𝑦
1
+∞
Rješenje:
+∞ +∞ +∞
226
Uvod u teoriju vjerovatnoće sa riješenim zadacima
= ∬ 𝑓𝑋 (𝑦)𝑑𝑥𝑑𝑦 ,
𝐷
gdje je:
Time je:
+∞ 𝑦
∬ 𝑓𝑋 (𝑦)𝑑𝑥𝑑𝑦 = ∫ 𝑑𝑦 ∫ 𝑓𝑋 (𝑦)𝑑𝑥 =
𝐷 0 0
+∞ 𝑦 +∞
Rješenje:
227
a) Imamo da je:
3
1 3
𝑃([𝑋 < 3]) = ∫ 𝑑𝑥 = .
10 10
0
b) Imamo da je:
10
1 4 2
𝑃([𝑋 > 6]) = ∫ 𝑑𝑥 = = .
10 10 5
6
c) Imamo da je:
8
1 8−3 5 1
𝑃([3 < 𝑋 < 8]) = ∫ 𝑑𝑥 = = = .
10 10 10 2
3
Rješenje:
𝑋−3
𝑍= ~𝑁(0,1) .
3
a) Imamo da je:
2−3 5−3 1 2
𝑃([2 < 𝑋 < 5]) = 𝑃 ([ <𝑍< ]) = 𝑃 ([− < 𝑍 < ]) =
3 3 3 3
2 1 2 1
= 𝐹𝑍 ( ) − 𝐹𝑧 (− ) = Φ ( ) + Φ ( ) ≈ | 𝑡𝑎𝑏𝑙𝑖𝑐𝑒 𝑧𝑎 Φ | = 0.2454 + 0.1293
3 3 3 3
= 0.3747 .
b) Imamo da je:
0−3 3
𝑃([𝑋 > 0]) = 𝑃 ([𝑍 > ]) = 𝑃 ([𝑍 > − ]) = 𝑃([𝑍 > −1]) =
3 3
c) Imamo da je:
228
Uvod u teoriju vjerovatnoće sa riješenim zadacima
−3 − 3 9−3
= 𝑃 ([𝑍 < ]) + 𝑃 ([𝑍 > ]) =
3 3
= 𝑃([𝑍 < −2]) + 𝑃([𝑍 > 2]) = Φ(−2) + 0.5 + 0.5 − Φ(2) =
Rješenje: Neka je 𝑋 slučajna varijabla, čija je funkcija gustoće data na slici 33. Tada
je:
0.025, 10 ≤ 𝑥 ≤ 20 ˅ 30 ≤ 𝑥 ≤ 40
𝑓𝑋 (𝑥) = {0.05, 20 < 𝑥 < 30 .
0, 𝑥 < 10 ˅ 𝑥 > 40
Imamo da je:
40 20 30 40
229
= 5 ∙ 0.025 + 10 ∙ 0.05 + 10 ∙ 0.025 = 0.875 .
a) Imamo da je:
35 30 35
b) Imamo da je:
30 20 30
𝒄 ∙ 𝒙𝒏 , 𝟎≤𝒙≤𝟏
𝒇𝑿 (𝒙) = { .
𝟎, 𝒊𝒏𝒂č𝒆
a) Odrediti konstantu 𝒄 .
b) Izračunati 𝑷([𝑿 > 𝑥]), 𝟎 ≤ 𝒙 ≤ 𝟏 .
Rješenje:
a) Imamo da je:
1
1
1 = ∫ 𝑐𝑥 𝑛 𝑑𝑥 = 𝑐 ∙ ⇒ 𝑐 =𝑛+1.
𝑛+1
0
b) Imamo da je:
1 1
𝑛
𝑡 𝑛+1
𝑃([𝑋 > 𝑥]) = ∫(𝑛 + 1)𝑡 𝑑𝑡 = (𝑛 + 1) ∙ | = 1 − 𝑥 𝑛+1 .
𝑛+1 𝑥
𝑥
230
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝒂𝒙 + 𝒃𝒙𝟐 , 𝟎 ≤ 𝒙 ≤ 𝟏
𝒇𝑿 (𝒙) = { , 𝒙∈ℝ.
𝟎, 𝒊𝒏𝒂č𝒆
Ako je 𝑬𝑿 = 𝟎. 𝟔, izračunati:
a) 𝑷([𝑿 ≤ 𝟎. 𝟓]) .
b) 𝑽𝒂𝒓𝑿 .
Rješenje:
1
𝑎 𝑏 3𝑎 + 2𝑏
1 = ∫(𝑎𝑥 + 𝑏𝑥 2 )𝑑𝑥 = + = ,
2 3 6
0
1
𝑎 𝑏 4𝑎 + 3𝑏
0.6 = 𝐸𝑋 = ∫ 𝑥(𝑎𝑥 + 𝑏𝑥 2 )𝑑𝑥 = + = .
3 4 12
0
3𝑎 + 2𝑏 = 6
} ⇒ 𝑎 = 3.6 𝑖 𝑏 = −2.4 .
4𝑎 + 3𝑏 = 7.2
a) Imamo da je:
1
2
1 3.6 ∙ (0.5)2 2.4 ∙ (0.5)3
𝑃 ([𝑋 ≤ ]) = ∫(3.6𝑥 − 2.4𝑥 2 )𝑑𝑥 = − = 0.35 .
2 2 3
0
b) Imamo da je:
1
3.6 2.4
= − − (0.6)2 = 0.06 .
4 5
−𝒙 𝟐
𝑭𝑿 (𝒙) = {𝟏 − 𝒆 , 𝒙 > 0 , 𝒙∈ℝ.
𝟎, 𝒙≤𝟎
a) Imamo da je:
b) Imamo da je:
= 𝑒 −1 − 𝑒 −9 ≈ 0.3677 .
−𝑥 2
𝑓𝑋 (𝑥) = {2𝑥𝑒 , 𝑥 > 0 , 𝑥 ∈ℝ.
0, 𝑥≤0
Tim je:
+∞ +∞ +∞
+∞
−𝑥 2 −𝑥 2 −𝑥 2 2
𝐸𝑋 = ∫ 𝑥 ∙ 2𝑥𝑒 𝑑𝑥 = (−𝑥 ∙ 𝑒 )|0 +∫ 𝑒 𝑑𝑥 = ∫ 𝑒 −𝑥 𝑑𝑥
0 0 0
+∞ 2 +∞ +∞
−𝑥 2 −𝑥 2 2
(∫ 𝑒 𝑑𝑥 ) = ∫ 𝑒 𝑑𝑥 ∙ ∫ 𝑒 𝑦 𝑑𝑦 =
0 0 0
𝜋
+∞ +∞ +∞ 2
2 +𝑦 2 ) 𝑥 = 𝜌 cos 𝜑 2
= ∫ ∫ 𝑒 −(𝑥 𝑑𝑥 𝑑𝑦 = | 𝑦 = 𝜌 sin 𝜑 | = ∫ 𝜌𝑒 −𝜌 𝑑𝜌 ∫ 𝑑𝜑 =
0 0 0 0
+∞ +∞
𝜋 2 𝜋 2
= ∫ 𝜌𝑒 −𝜌 𝑑𝜌 = ∫ 2𝜌𝑒 −𝜌 𝑑𝜌 = |𝜌2 = 𝑡| =
2 4
0 0
+∞
𝜋 𝜋 𝜋
= ∫ 𝑒 −𝑡 𝑑𝑡 = ∙ (−𝑒 −∞ + 𝑒 0 ) = .
4 4 4
0
Tim je:
232
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞
2 √𝜋 √𝜋
∫ 𝑒 −𝑥 𝑑𝑥 = ⇒ 𝐸𝑋 = ,
2 2
0
+∞
2 2 𝜋
𝑉𝑎𝑟𝑋 = 𝐸𝑋 − (𝐸𝑋)2 = ∫ 𝑥 2 ∙ 2𝑥 ∙ 𝑒 −𝑥 𝑑𝑥 − =
4
0
+∞
𝑥2
+∞ 2 𝜋
= 𝑥 2 ∙ (−𝑒 )|0 + ∫ 2𝑥𝑒 −𝑥 𝑑𝑥 − =
4
0
𝜋 𝜋
= (−𝑒 −∞ + 𝑒 0 ) − =1− .
4 4
Rješenje:
a) Imamo da je:
+∞ 1
+∞ 1
1
= ∫ 2𝑒 −𝑥 𝑑𝑥 ∫ 𝑒 −2𝑦 𝑑𝑦 = −2 ∙ (𝑒 −∞ − 𝑒 −1 ) ∙ (− ) ∙ (𝑒 −2 − 𝑒 0 ) =
2
1 0
1 1
= 2 ∙ 𝑒 −1 ∙ ( − 𝑒 −2 ) = 𝑒 −1 − 𝑒 −3 ≈ 0.318 .
2 2
b) Imamo da je:
233
𝑃([𝑋 ≤ 𝑌]) = ∬ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = ∬ 2𝑒 −𝑥 𝑒 −2𝑦 𝑑𝑥𝑑𝑦 =
𝑥≤𝑦 𝑥≤𝑦
𝑥≥0
𝑦≥0
+∞ +∞ +∞
1 1
= ∫ 2𝑒 −𝑥 𝑑𝑥 ∫ 𝑒 −2𝑦 𝑑𝑦 = ∫ 2𝑒 −𝑥 ∙ (− 𝑒 −∞ + 𝑒 −2𝑥 ) 𝑑𝑥 =
2 2
0 𝑥 0
+∞ +∞
−𝑥 −2𝑥 )𝑑𝑥
1 1
=∫ 𝑒 ∙ (0 + 𝑒 = ∫ 𝑒 −3𝑥 𝑑𝑥 = − ∙ (𝑒 −∞ − 𝑒 0 ) = .
3 3
0 0
c) Imamo da je:
𝑎 +∞
𝒄, 𝒙𝟐 + 𝒚𝟐 ≤ 𝒓𝟐
𝒇(𝒙, 𝒚) = { , (𝒙, 𝒚) ∈ ℝ𝟐 .
𝟎, 𝒙𝟐 + 𝒚𝟐 > 𝒓𝟐
Rješenje:
a) Imamo da je:
1
1 = ∬ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = ∬ 𝑐𝑑𝑥𝑑𝑦 = 𝑐 ∙ 𝑟 2 𝜋 ⇒ 𝑐 = .
𝑟2𝜋
ℝ2 𝑥 2 +𝑦 2 ≤𝑟 2
b) Imamo da je:
234
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞
+∞ √𝑟 2 −𝑥 2
1 2√𝑟 2 − 𝑥 2
𝑓𝑋 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 𝑑𝑦 = , −𝑟 < 𝑥 < 𝑟 .
𝑟2𝜋 𝑟2𝜋
−∞ −√𝑟 2 −𝑥 2
Tim je:
2√𝑟 2 − 𝑥 2
𝑓𝑋 (𝑥) = { , −𝑟 < 𝑥 < 𝑟 , 𝑥∈ℝ
𝑟2𝜋
0, 𝑖𝑛𝑎č𝑒
2√𝑟 2 − 𝑦 2
𝑓𝑌 (𝑦) = { , −𝑟 < 𝑦 < 𝑟 , 𝑦∈ℝ
𝑟2𝜋
0, 𝑖𝑛𝑎č𝑒
c) Imamo da je:
1 𝑎2 𝜋 𝑎2
= ∬ 𝑑𝑥𝑑𝑦 = = , 0≤𝑎≤𝑟,
𝑟2𝜋 𝑟2𝜋 𝑟2
𝑥 2 +𝑦2 ≤𝑎2
235
Rješenje:
𝑋
𝐹𝑍 (𝑧) = 𝑃([𝑍 ≤ 𝑧]) = 𝑃 ([ ≤ 𝑧]) = ∬ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 =
𝑌
𝑥≤𝑧𝑦
+∞ +∞ +∞
𝑥
∬𝑒 −(𝑥+𝑦)
𝑑𝑥𝑑𝑦 = ∫ 𝑒 −𝑥
𝑑𝑥 ∫ 𝑒 −𝑦
𝑑𝑦 = ∫ 𝑒 −𝑥 ∙ (−𝑒 −∞ + 𝑒 −𝑧 ) 𝑑𝑥 =
𝑥≤𝑧𝑦 0 𝑥 0
𝑥>0 𝑧
𝑦>0
+∞ +∞
−
𝑥 𝑧+1 𝑧 𝑧
= ∫ 𝑒 −𝑥 ∙ 𝑒 𝑧 𝑑𝑥 = ∫ 𝑒− 𝑧
∙𝑥
𝑑𝑥 =− ∙ (𝑒 −∞ − 𝑒 0 ) = , 𝑧 >0,
𝑧+1 𝑧+1
0 0
𝐹𝑍 (𝑧) = 0, 𝑧 ≤0.
1
𝑓𝑍 (𝑧) = 𝐹𝑍′ (𝑧) = , 𝑧 > 0,
(𝑧 + 1)2
𝑓𝑍 (𝑧) = 0, 𝑧 ≤0.
14. Na rastojanju 𝑳, između dva mjesta, autobus prevozi putnike i staje, prema
potrebi, u proizvoljnim tačkama između ta dva mjesta. Za to vrijeme,
putnici ulaze i izlaze. Neka je funkcija gustoće tačke 𝑿, ulaska putnika
proporcionalna sa 𝒙(𝑳 − 𝒙)𝟐 , 𝟎 ≤ 𝒙 ≤ 𝑳, a funkcija gustoće tačke 𝒀,
izlaska putnika proporcionalna sa (𝒚 − 𝒙)𝒌 , gdje je 𝒙 tačka ulaska, a 𝒚
tačka izlaska, te je 𝒙 < 𝑦. Izračunati vjerovatnoću:
a) da putnik uđe u autobus prije tačke 𝒛,
b) da putnik koji je ušao u autobus u tački 𝒙, izađe iz autobusa poslije
tačke 𝒛.
Rješenje:
𝑎𝑥(𝐿 − 𝑥)2 , 0 ≤ 𝑥 ≤ 𝐿
𝑓𝑋 (𝑥) = { , 𝑥 ∈ℝ.
0, 𝑖𝑛𝑎č𝑒
Tim je:
236
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝐿
𝐿4 2𝑎𝐿4 𝑎𝐿4 𝑎𝐿4 12
1 = ∫ 𝑎𝑥(𝐿 − 𝑥)2 𝑑𝑥 = 𝑎 − + = ⇒ 𝑎= 4,
2 3 4 12 𝐿
0
𝑧
12 2
𝑧2
𝑃([𝑋 ≤ 𝑧]) = ∫ 𝑥(𝐿 − 𝑥) 𝑑𝑥 = ∙ (6𝐿2 − 8𝐿𝑧 + 3𝑧 2 ) .
𝐿4 𝐿4
0
Tim je:
𝐿
(𝐿 − 𝑥)𝑘+1 𝑘+1
1 = ∫ 𝑏(𝑦 − 𝑥)𝑘 𝑑𝑦 = 𝑏 ⇒ 𝑏= ,
𝑘+1 (𝐿 − 𝑥)𝑘+1
𝑥
𝐿
𝑘+1
𝑃([𝑌 > 𝑧]) = ∫ 𝑑𝑦 =
(𝐿 − 𝑥)𝑘+1
𝑧
𝐿
𝑘+1 (𝑦 − 𝑥)𝑘+1 𝑧 − 𝑥 𝑘+1
= ∙ ( )| = 1 − ( )
(𝐿 − 𝑥)𝑘+1 𝑘+1 𝐿−𝑥
𝑍
𝐿 𝜋
𝑋 i Θ su nezavisne uniformne slučajne varijable na [0, 2] i [0, 2 ] redom. Igla siječe
pravu ako je:
𝑙
𝑋 ≤ cos Θ .
2
Tim je:
237
𝑙
𝑃 ([𝑋 ≤ cos Θ]) = ∬ 𝑓𝑋,Θ (𝑥, 𝑦)𝑑𝑥𝑑𝑦 = |𝑧𝑏𝑜𝑔 𝑛𝑒𝑧𝑎𝑣𝑖𝑠𝑛𝑜𝑠𝑡𝑖 𝑋 𝑖 Θ| =
2
𝑙
𝑥≤ cos 𝑦
2
𝜋 𝑙
cos 𝑦
2 2
2 2
= ∬ 𝑓𝑋 (𝑥) ∙ 𝑓Θ (𝑦)𝑑𝑥𝑑𝑦 = ∫ 𝑑𝑦 ∫ ∙ 𝑑𝑥 =
𝐿 𝜋
𝑙 0 0
𝑥≤ cos 𝑦
2
𝜋
2
4 𝑙 2𝑙 𝜋 2𝑙
=∫ ∙ cos 𝑦 𝑑𝑦 = (sin − sin 0) = .
𝐿𝜋 2 𝐿𝜋 2 𝐿𝜋
0
𝑛 2𝐿 𝑛 2𝑙
≈ ⇒ 𝜋≈ ∙ .
𝑚 𝐿𝜋 𝑚 𝐿
Dakle, za veliki broj bacanja igle možemo približno izračunati broj 𝜋. Izveden je pokus
sa 5000 bacanja igle i dobijena je približna vrijednost 𝜋 ≈ 3.1596.
𝟐𝟒𝒙𝒚, 𝟎 ≤ 𝒙 ≤ 𝟏, 𝟎 ≤ 𝒚 ≤ 𝟏, 𝟎 ≤ 𝒙 + 𝒚 ≤ 𝟏
𝒇(𝒙, 𝒚) = { ,
𝟎, 𝒊𝒏𝒂č𝒆
(𝒙, 𝒚) ∈ ℝ𝟐
238
Uvod u teoriju vjerovatnoće sa riješenim zadacima
Rješenje:
a) Imamo da je:
+∞ 1−𝑥
(1 − 𝑥)2
𝑓𝑋 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 24𝑥𝑦𝑑𝑦 = 24𝑥 , 0≤𝑥 ≤1,
2
−∞ 0
Tim je:
12𝑥(1 − 𝑥)2 , 0 ≤ 𝑥 ≤ 1
𝑓𝑋 (𝑥) = { , 𝑥 ∈ℝ.
0, 𝑥>0 ∨ 𝑥>1
12𝑦(1 − 𝑦)2 , 0 ≤ 𝑦 ≤ 1
𝑓𝑌 (𝑦) = { , 𝑦∈ℝ.
0, 𝑦>0 ∨ 𝑦>1
Rješenje:
a) Imamo da je:
239
+∞
+∞
𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧) = 𝑓𝑋 (𝑥) ∙ 𝑓𝑌 (𝑦) ∙ 𝑓𝑍 (𝑧) = 1, 0 < 𝑥 < 1, 0 < 𝑦 < 1, 0 < 𝑧 < 1 .
Tada je:
1 1 1
1 1 1
𝑧 1 3
= ∫ ∫(1 − 𝑦𝑧)𝑑𝑦 𝑑𝑧 = ∫ (1 − ) 𝑑𝑧 = 1 − = .
2 4 4
0 0 0
1, 0 ≤ 𝑎 ≤ 1
𝑓𝑋 (𝑎) = 𝑓𝑌 (𝑎) = { , 𝑎 ∈ℝ,
0, 𝑖𝑛𝑎č𝑒
240
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑎 𝑎−𝑥 𝑎 𝑎−𝑥
𝑎 𝑎−𝑥 𝑎
𝑎2 𝑎2 2
= ∫ 1 ∙ ∫ 𝑑𝑦 𝑑𝑥 = ∫(𝑎 − 𝑥)𝑑𝑥 = 𝑎 − = , 0≤𝑎 ≤1,
2 2
0 0 0
𝑎−1 1 1 𝑎−𝑥 1
= ∫ 𝑑𝑥 ∫ 𝑑𝑦 + ∫ 𝑑𝑥 ∫ 𝑑𝑦 = 𝑎 − 1 + ∫ (𝑎 − 𝑥)𝑑𝑥 =
0 0 𝑎−1 0 𝑎−1
1 − (𝑎 − 1)2 4𝑎 − 𝑎2 − 2
= 𝑎 − 1 + 𝑎(2 − 𝑎) − = , 1<𝑎 ≤ 2,
2 2
𝑎, 0≤𝑎≤1
′
𝑓𝑋+𝑌 (𝑎) = 𝐹𝑋+𝑌 (𝑎) = {2 − 𝑎, 1<𝑎≤2 .
0, 𝑎<0 ∨ 𝑎>2
𝑧 𝑧
−
𝑒 𝛽 ∙ 𝑧 𝛼1 −1 ∙ 𝑧 𝛼2 −1 𝑥 𝛼1 −1 𝑥 𝛼2 −1
= ∫ ( ) (1 − ) 𝑑𝑥 =
Γ(𝛼1 )Γ(𝛼2 )𝛽 𝛼1 +𝛼2 𝑧 𝑧
0
𝑧 1
−
𝑥 𝑒 𝛽 ∙ 𝑧 𝛼1 +𝛼2 −1
= | = 𝑢| = ∫ 𝑢𝛼1 −1 (1 − 𝑢)𝛼2 −1 𝑑𝑢 =
𝑧 Γ(𝛼1 )Γ(𝛼2 )𝛽 𝛼1 +𝛼2
0
𝑧
−
𝑒 𝛽 ∙ 𝑧 𝛼1 +𝛼2 −1 Γ(𝛼1 )Γ(𝛼2 ) 1 𝛼1 +𝛼2 −1 −
𝑧
𝛽,
= ∙ = ∙ 𝑧 ∙ 𝑒
Γ(𝛼1 )Γ(𝛼2 )𝛽𝛼1 +𝛼2 Γ(𝛼1 + 𝛼2 ) Γ(𝛼1 + 𝛼2 )𝛽 𝛼1 +𝛼2
𝑧 >0.
Rješenje:
𝑧 𝑧
−1
1
𝑓𝑋1 +𝑋2 (𝑧) = ∫ 𝜆𝑒 −𝜆𝑥 ∙ 𝜆𝑒 −𝜆(𝑧−𝑥) 𝑑𝑥 = 𝜆2 𝑧𝑒 −𝜆𝑧 = ∙ 𝑧 2−1 ∙ 𝑒 𝜆,
1 2
0 Γ(2) ( )
𝜆
𝑧 >0.
1
Dakle 𝑋1 + 𝑋2 ima gama distribuciju sa parametrima 2, 𝜆. Koristili smo formule:
242
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞
𝑧
−1
1
= ∙ 𝑧 3−1 ∙ 𝑒 𝜆, 𝑧 >0.
1 3
Γ(3) ( )
𝜆
1
Dakle, 𝑋1 + 𝑋2 + 𝑋3 ima gama distribuciju sa parametrima 3, 𝜆. Pretpostavimo
da:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑘
1
ima gama distribuciju sa parametrima 𝑘, . Tada je:
𝜆
𝑧 𝑥
−1
1
𝑓𝑋1 +𝑋2 +⋯+𝑋𝑘+𝑋𝑘+1 (𝑧) = ∫ ∙ 𝑥 𝑘−1 ∙ 𝑒 𝜆 ∙ 𝜆𝑒 −𝜆(𝑧−𝑥) 𝑑𝑥 =
1 𝑘
0 Γ(𝑘) ( )
𝜆
𝑧 𝑧
−1
𝜆 1
= 𝑒 −𝜆𝑧 ∫ 𝑥 𝑘−1 𝑑𝑥 = ∙ 𝑧 𝑘+1−1 ∙ 𝑒 𝜆 =
1 𝑘 1 𝑘+1
Γ(𝑘) ( ) 0 kΓ(𝑘) ( )
𝜆 𝜆
𝑧
−1
1 𝑘+1−1
= ∙𝑧 ∙𝑒 𝜆, 𝑧 >0,
1 𝑘+1
Γ(𝑘 + 1) ( )
𝜆
1
odnosno, 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑘 + 𝑋𝑘+1 ima gama distribuciju sa parametrima 𝑘 + 1, 𝜆.
Iz principa matematičke indukcije vrijedi da:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 , 𝑛 ∈ ℕ
1
ima gama distribuciju sa parametrima 𝑛, 𝜆.
243
23. Neka su 𝑿𝟏 , 𝑿𝟐 , … , 𝑿𝒏 nezavisne jedinične normalne slučajne varijable.
Naći funkciju gustoće od 𝒀 = 𝑿𝟐𝟏 + 𝑿𝟐𝟐 + ⋯ + 𝑿𝟐𝒏 .
Rješenje:
1 1 2 𝑧
𝑓𝑋12 (𝑧) = [𝑓𝑋1 (√𝑧) + 𝑓𝑋1 (−√𝑧)] = ∙ ∙ 𝑒 −2 =
2√𝑧 2√𝑧 √2𝜋
1 1 𝑧 1 1 𝑧
= 1 ∙ 𝑧 2−1 ∙ 𝑒 −2 = 1 ∙ 𝑧 2−1 ∙ 𝑒 −2 , 𝑧 >0.
1
√𝜋 ∙ 22 Γ (2) ∙ 22
1
tj. 𝑋12 ima gama distribuciju sa parametrima 2
, 2.
Rješenje:
𝑢 =𝑥+𝑦 𝑖 𝑣 =𝑥−𝑦 ⇒
𝑢+𝑣 𝑢−𝑣
𝑥= 𝑖 𝑦= ⇒
2 2
𝜕𝑥 𝜕𝑥 1 1
𝐷(𝑥, 𝑦) 𝜕𝑣 || = ||2 2 || = 1 .
| | = |||𝜕𝑢
𝐷(𝑢, 𝑣) 𝜕𝑦 𝜕𝑦 | | 1 1| 2
−
𝜕𝑢 𝜕𝑣 2 2
Otuda je:
𝑢+𝑣 𝑢−𝑣 1
𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑓𝑋,𝑌 ( , )∙ .
2 2 2
244
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑌
𝑅 = √𝑋 2 + 𝑌 2 𝑖 Θ = arctg .
𝑋
Tim je:
𝑦
𝑟 = √𝑥 2 + 𝑦 2 𝑖 𝜃 = arctg ⇒
𝑥
𝜕𝑟 𝜕𝑟
𝐷(𝑟, 𝜃) | 𝜕𝑥 𝜕𝑦 |
| | = || | =
𝐷(𝑥, 𝑦) | 𝜕𝜃 𝜕𝜃 ||
𝜕𝑥 𝜕𝑦
𝑥 𝑦
|| √𝑥 2 + 𝑦2 √𝑥 2 + 𝑦2 |
| 𝑥2 𝑦2
= 𝑦 1 1 1 = +
||− ∙ ∙ || (𝑥 2 + 𝑦 2 )√𝑥 2 + 𝑦 2 (𝑥 2 + 𝑦 2 )√𝑥 2 + 𝑦 2
𝑥2 𝑦 2 𝑥 𝑦 2
1 + (𝑥 ) 1 + (𝑥 )
=
1 1
= =
√𝑥 2 + 𝑦 2 𝑟
𝐷(𝑥, 𝑦)
⇒| | = 𝑟,
𝐷(𝑟, 𝜃)
1 𝑥2 1 𝑦2 1 𝑥 2 +𝑦 2
− − −
𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑓𝑋 (𝑥) ∙ 𝑓𝑌 (𝑦) = ∙𝑒 2 ∙ ∙ 𝑒 2 = ∙𝑒 2 .
√2𝜋 √2𝜋 2𝜋
Time je:
1 𝑟2
𝑓𝑅,Θ (𝑟, 𝜃) = 𝑓𝑋,𝑌 (𝑥(𝑟, 𝜃), 𝑦(𝑟, 𝜃)) ∙ 𝑟 = ∙ 𝑒 − 2 ∙ 𝑟,
2𝜋
𝑜 < 𝑟 < +∞, 0 < 𝜃 < 2𝜋 .
245
26. Neka su 𝑿, 𝒀 nezavisne slučajne varijable koje imaju gama distribuciju sa
parametrima 𝜶𝟏 , 𝜷 i 𝜶𝟐 , 𝜷 redom. Izračunati zajedničku funkciju gustoće
od:
𝑿
𝑼=𝑿+𝒀 𝒊 𝑽= .
𝑿+𝒀
Rješenje:
1 𝑥 1 𝑦
𝛼1 −1 − 𝛼2 −1 −
𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑥 ∙ 𝑒 𝛽∙ 𝑦 ∙ 𝑒 𝛽 =
Γ(𝛼1 )𝛽 𝛼1 Γ(𝛼2 )𝛽 𝛼2
1 𝑥+𝑦
𝛼1 −1 𝛼2 −1 −
= ∙ 𝑥 ∙ 𝑦 ∙ 𝑒 𝛽
Γ(𝛼1 )Γ(𝛼2 )𝛽 𝛼1 +𝛼2
𝑥 = 𝑢𝑣 𝑖 𝑦 = 𝑢(1 − 𝑣) ,
Otuda je:
𝐷(𝑥, 𝑦) 𝑣 𝑢
‖ ‖ = || || = |−𝑢| = 𝑢 ,
𝐷(𝑢, 𝑣) 1 − 𝑣 −𝑢
1 𝑢
𝛼1 +𝛼2 −1 𝛼1 −1 (1 𝛼2 −1 −
= ∙ 𝑢 ∙ 𝑣 ∙ − 𝑣) ∙ 𝑒 𝛽, 𝑢, 𝑣 > 0.
Γ(𝛼1 )Γ(𝛼2 )𝛽 𝛼1 +𝛼2
246
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝑥1 + 𝑥2 + 𝑥3 = 𝑦1
𝑥1 − 𝑥2 = 𝑦2 } ⇒
𝑥1 − 𝑥3 = 𝑦3
𝑦1 + 𝑦2 + 𝑦3 𝑦1 − 2𝑦2 + 𝑦3 𝑦1 + 𝑦2 − 2𝑦3
𝑥1 = , 𝑥2 = , 𝑥3 = ,
3 3 3
Otuda je:
1 1 1
||3 3 3 |
𝐷(𝑥1 , 𝑥2 , 𝑥3 ) 1 2 1 | 1
| |= − = ,
𝐷(𝑦1 , 𝑦2 , 𝑦3 ) 3 3 3 | 3
||1 1 2|
−
3 3 3
𝑦1 + 𝑦2 + 𝑦3 𝑦1 − 2𝑦2 + 𝑦3 𝑦1 + 𝑦2 − 2𝑦3 1
𝑓𝑌1 ,𝑌2 ,𝑌3 (𝑦1 , 𝑦2 , 𝑦3 ) = 𝑓𝑋1 ,𝑋2 ,𝑋3 ( , , )∙ =
3 3 3 3
Rješenje:
a) Imamo da je:
247
+∞ 𝑦
1 = ∫ 𝑑𝑦 ∫ 𝑐(𝑦 2 − 𝑥 2 )𝑒 −𝑦 𝑑𝑥 =
0 −𝑦
+∞ +∞
3
2𝑦 3 −𝑦 4
= 𝑐 ∫ (2𝑦 − ) 𝑒 𝑑𝑦 = 𝑐 ∫ 𝑦 3 𝑒 −𝑦 𝑑𝑦 =
3 3
0 0
+∞ +∞
4
= 𝑐 [(−𝑦 3 𝑒 −𝑦 )|+∞ 2 −𝑦
0 +3∫ 𝑦 𝑒 𝑑𝑦] = 4𝑐 ∫ 𝑦 2 𝑒 −𝑦 𝑑𝑦 =
3
0 0
+∞ +∞
= 4𝑐 [(−𝑦 2 𝑒 −𝑦 )|+∞
0 + 2 ∫ 𝑦𝑒 −𝑦
𝑑𝑦] = 8𝑐 ∫ 𝑦𝑒 −𝑦 𝑑𝑦 =
0 0
+∞
= 8𝑐 [(−𝑦𝑒 −𝑦 )|+∞
0 +∫ 𝑒
−𝑦
𝑑𝑦] = 8𝑐 .
0
To znači da je:
1
𝑐= .
8
b) Imamo da je:
+∞
1 2 1
𝑓𝑋 (𝑥) = ∫ (𝑦 − 𝑥 2 )𝑒 −𝑦 𝑑𝑦 = [(𝑥 2 + 2|𝑥| + 2)𝑒 −|𝑥| − 𝑥 2 𝑒 −|𝑥| ] =
8 8
|𝑥|
1
= (|𝑥| + 1)𝑒 −|𝑥| , 𝑥 ∈ℝ,
4
𝑦
1 1 2𝑦 3 −𝑦 1 3 −𝑦
𝑓𝑌 (𝑦) = ∫ (𝑦 2 − 𝑥 2 )𝑒 −𝑦 𝑑𝑥 = (2𝑦 3 − )𝑒 = 𝑦 𝑒 , 𝑦 >0,
8 8 3 6
−𝑦
𝑓𝑌 (𝑦) = 0, 𝑦 ≤0.
c) Imamo da je:
248
Uvod u teoriju vjerovatnoće sa riješenim zadacima
+∞
1
𝐸𝑋 = ∫ 𝑥 ∙ ∙ (|𝑥| + 1)𝑒 −|𝑥| 𝑑𝑥 = 0 ,
4
−∞
𝟔 𝟐 𝒙𝒚
𝒇(𝒙, 𝒚) = (𝒙 + ) , 𝟎 < 𝑥 < 1, 0<𝑦 <2.
𝟕 𝟐
Rješenje:
a) Imamo da je:
1 2 1
6 𝑥𝑦 6 4𝑥 6 2 1
∫ 𝑑𝑥 ∫ (𝑥 2 + ) 𝑑𝑦 = ∫ (2𝑥 2 + ) 𝑑𝑥 = ( + ) = 1 .
7 2 7 4 7 3 2
0 0 0
b) Imamo da je:
2
6 𝑥𝑦 6
𝑓𝑋 (𝑥) = ∫ (𝑥 2 + ) 𝑑𝑦 = (2𝑥 2 + 𝑥), 0<𝑥 <1,
7 2 7
0
𝑓𝑥 (𝑥) = 0, 𝑥 ≤0 ∨ 𝑥 ≥1.
c) Imamo da je:
1 𝑥
6 𝑥𝑦 6 𝑥𝑦
𝑃([𝑋 ≥ 𝑌]) = ∬ (𝑥 2 + ) 𝑑𝑥𝑑𝑦 = ∫ 𝑑𝑥 ∫ (𝑥 2 + ) 𝑑𝑦 =
7 2 7 2
𝑥≥𝑦 0 0
0<𝑥<1
0<𝑦<2
249
1
6 𝑥3 6 5 1 15
= ∫ (𝑥 3 + ) 𝑑𝑥 = ∙ ∙ = .
7 4 7 4 4 56
0
d) Vrijedi,
1 1
1 1 𝑃([𝑋≤ ,𝑌≥ ])
2 2
𝑃 ([𝑌 ≥ 2
| 𝑋≤ 2
]) = 1 .
𝑃([𝑋≤ ])
2
1
2 2
1 1 6 𝑥𝑦 6 𝑥𝑦
𝑃 ([𝑋 ≤ , 𝑌 ≥ ]) = ∬ (𝑥 2 + ) 𝑑𝑥𝑑𝑦 = ∫ 𝑑𝑥 ∫ ∙ (𝑥 2 + ) 𝑑𝑦
2 2 7 2 7 2
1 0 1
0≤𝑥≤
2 2
1
≤𝑦≤2
2
=
1
2 1
6 3 2 4−4 33
=∫ ( 𝑥 + 𝑥) 𝑑𝑥 =
7 2 4 448
0
1 2
1 6 𝑥𝑦 2 6 𝑥𝑦
𝑃 ([𝑋 ≤ ]) = ∬ ∙ (𝑥 2 + ) 𝑑𝑥𝑑𝑦 = ∫ 𝑑𝑥 ∫ ∙ (𝑥 2 + ) 𝑑𝑦 =
2 7 2 0 7 2
1 0
0≤𝑥≤
2
0≤𝑦≤2
1
26 5
=∫ ∙ (2𝑥 2 + 𝑥)𝑑𝑥 =
0 7 28
Otuda,
1 1 33
1 1 𝑃 ([𝑋 ≤ 2 , 𝑌 ≥ 2])
𝑃 ([𝑌 ≥ | 𝑋 ≤ ]) = = 448 = 33
2 2 1 5 80
𝑃 ([𝑋 ≤ 2])
28
250
Uvod u teoriju vjerovatnoće sa riješenim zadacima
e) Imamo da je:
1
6 6 1 1 5
𝐸𝑋 = ∫ 𝑥 ∙ (2𝑥 2 + 𝑥)𝑑𝑥 = ( + ) = ,
7 7 2 3 7
0
1
6 𝑥𝑦 6 1 𝑦
𝑓𝑌 (𝑦) = ∫ (𝑥 2 + ) 𝑑𝑥 = ( + ) , 0<𝑦 <2,
7 2 7 3 4
0
𝑓𝑌 (𝑦) = 0, 𝑦 ≤0 ∨ 𝑦 ≥2,
2
6 1 𝑦 6 2 8 8
𝐸𝑌 = ∫ 𝑦 ∙ ( + ) 𝑑𝑦 = ( + ) = .
7 3 4 7 3 12 7
0
𝒙
+ 𝒄𝒚, 𝟎 < 𝑥 < 1,1 < 𝑦 < 5
𝒇(𝒙, 𝒚) = {𝟓 , (𝒙, 𝒚) ∈ ℝ𝟐 .
𝟎, 𝒊𝒏𝒂č𝒆
a) Izračunati konstantu 𝒄.
b) Da li su 𝑿 i 𝒀 nezavisne?
c) Izračunati 𝑷([𝑿 + 𝒀 > 3]).
Rješenje:
a) Imamo da je:
1 5 1
𝑥 4 24 2 1
1 = ∫ 𝑑𝑥 ∫ ( + 𝑐𝑦) 𝑑𝑦 = ∫ ( 𝑥 + 𝑐) 𝑑𝑥 = + 12𝑐 ⇒ 𝑐 = .
5 5 2 5 20
0 1 0
b) Imamo da je:
5
𝑥 𝑦 4 3
𝑓𝑋 (𝑥) = ∫ ( + ) 𝑑𝑦 = 𝑥 + , 0<𝑥 < 1,
5 20 5 5
1
𝑓𝑥 (𝑥) = 0, 𝑥 ≤0 ∨ 𝑥 ≥1,
1
𝑥 𝑦 1 𝑦
𝑓𝑌 (𝑦) = ∫ ( + ) 𝑑𝑥 = + , 1 <𝑦 <5,
5 20 10 20
0
251
𝑓𝑌 (𝑦) = 0, 𝑦 ≤1 ∨ 𝑦 ≥5,
4 3 𝑦 1 𝑥 𝑦
𝑓𝑋 (𝑥) ∙ 𝑓𝑌 (𝑦) = ( 𝑥 + ) ∙ ( + ) ≠ + , 0 < 𝑥 < 1, 1 < 𝑦 < 5 .
5 5 20 10 5 20
c) Imamo da je:
𝑥 𝑦
𝑃([𝑋 + 𝑌 > 3]) = ∬𝑥+𝑦>3 (5 + 20) 𝑑𝑥𝑑𝑦 =
0<𝑥<1
1<𝑦<5
1 5 1
𝑥 𝑦 𝑥(2 + 𝑥) 25 − (3 − 𝑥)2
= ∫ 𝑑𝑥 ∫ ( + ) 𝑑𝑦 = ∫ [ + ] 𝑑𝑦 =
5 20 5 40
0 3−𝑥 0
1
1
= ∫(8𝑥 2 + 16𝑥 + 16 + 6𝑥 − 𝑥 2 )𝑑𝑥 =
40
0
1
1 1 7 11
= ∫(7𝑥 2 + 22𝑥 + 16)𝑑𝑥 = ( + 11 + 16) = .
40 40 3 15
0
252
Uvod u teoriju vjerovatnoće sa riješenim zadacima
𝒙𝟐
𝟏 −
6. Tablice za funkciju 𝝋(𝒙) = ∙𝒆 𝟐
√𝟐𝝅
x 0 1 2 3 4 5 6 7 8 9
0.0 0.3989 0.3989 0.3989 0.3988 0.3986 0.3984 0.3982 0.3980 0.3977 0.3973
0.1 0.3970 0.3965 0.3961 0.3956 0.3951 0.3945 0.3939 0.3932 0.3925 0.3918
0.2 0.3910 0.3902 0.3894 0.3885 0.3876 0.3867 0.3857 0.3847 0.3836 0.3825
0.3 0.3814 0.3802 0.3790 0.3778 0.3765 0.3752 0.3739 0.3725 0.3712 0.3697
0.4 0.3683 0.3668 0.3653 0.3637 0.3605 0.3589 0.3572 0.3555 0.3572 0.3538
0.5 0.3521 0.3503 0.3485 0.3467 0.3448 0.3429 0.3410 0.3391 0.3372 0.3352
0.6 0.3332 0.3312 0.3292 0.3271 0.3251 0.3230 0.3209 0.3187 0.3166 0.3144
0.7 0.3123 0.3101 0.3079 0.3056 0.3034 0.3011 0.2989 0.2966 0.2943 0.2920
0.8 0.2897 0.2874 0.2850 0.2827 0.2803 0.2780 0.2756 0.2732 0.2709 0.2685
0.9 0.2661 0.2637 0.2613 0.2589 0.2565 0.2541 0.2516 0.2492 0.2468 0.2444
1.0 0.2396 0.2396 0.2371 0.2347 0.2323 0.2299 0.2275 0.2251 0.2227 0.2203
1.1 0.2179 0.2155 0.2131 0.2107 0.2083 0.2059 0.2036 0.2012 0.1989 0.1965
1.2 0.1942 0.1919 0.1895 0.1872 0.1849 0.1826 0.1804 0.1781 0.1758 0.1736
1.3 0.1714 0.1691 0.1669 0.1647 0.1626 0.1604 0.1582 0.1561 0.1539 0.1518
1.4 0.1497 0.1476 0.1456 0.1435 0.1415 0.1394 0.1374 0.1334 0.1315 0.1295
1.5 0.1295 0.1276 0.1257 0.1238 0.1219 0.1200 0.1182 0.1163 0.1145 0.1127
1.6 0.1109 0.1092 0.1074 0.1057 0.1040 0.1023 0.1006 0.0989 0.0973 0.0957
1.7 0.0940 0.0925 0.0909 0.0893 0.0878 0.0863 0.0848 0.0833 0.0818 0.0804
1.8 0.0790 0.0775 0.0761 0.0748 0.0734 0.0721 0.0707 0.0694 0.0681 0.0669
1.9 0.0656 0.0644 0.0632 0.0620 0.0608 0.0596 0.0584 0.0573 0.0562 0.0551
2.0 0.0540 0.0529 0.0519 0.0508 0.0498 0.0488 0.0478 0.0468 0.0459 0.0449
2.1 0.0440 0.0431 0.0422 0.0413 0.0404 0.0396 0.0387 0.0379 0.0371 0.0363
2.2 0.0355 0.0347 0.0339 0.0332 0.0325 0.0317 0.0310 0.0303 0.0297 0.0290
2.3 0.0283 0.0277 0.0270 0.0264 0.0258 0.0252 0.0246 0.0241 0.0235 0.0229
2.4 0.0224 0.0219 0.0213 0.0208 0.0203 0.0198 0.0194 0.0189 0.0184 0.0180
2.5 0.0175 0.0171 0.0167 0.0163 0.0158 0.0154 0.0151 0.0147 0.0143 0.0139
2.6 0.0136 0.0132 0.0129 0.0126 0.0122 0.0119 0.0116 0.0113 0.0110 0.0107
2.7 0.0104 0.0101 0.0099 0.0096 0.0093 0.0091 0.0088 0.0086 0.0084 0.0081
2.8 0.0079 0.0077 0.0075 0.0073 0.0071 0.0069 0.0067 0.0065 0.0063 0.0061
2.9 0.0060 0.0058 0.0056 0.0055 0.0053 0.0051 0.0050 0.0048 0.0047 0.0046
3.0 0.0044 0.0043 0.0042 0.0040 0.0039 0.0038 0.0037 0.0036 0.0035 0.0034
253
𝒙 𝟐
𝟏 𝒙
7. Tablice za funkciju 𝚽(𝒙) = ∙ ∫𝟎 𝒆− 𝟐 𝒅𝒙
√𝟐𝝅
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 02939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 03830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4182 0.4207 0.4222 0.4236 0.4251 0.5265 0.5279 0.4292 0.4306 0.4319
1.5 0.4332 0.4245 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4722 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
254
Uvod u teoriju vjerovatnoće sa riješenim zadacima
8. Bibliografija
[2] Mcclave, T. James; Benson, P. George; Sincich Terry: A first course in business
statistics. Prentice Hall, [s,a]
[4] Ash, B. Robert: Basic Probability Theory. Dover Publications Inc. Mineola. New
York, 2008.
[6] Stone, J. Charles: A course in probability and statistics. China machine press, 1996.
[7] Krishnan, Venkatarama: Probability and random processes. Wiley Sons Inc, [s,a]
[9] Spiegel, R. Murray: Theory and problems of probability and statistics. Megraw-
Hill, 1975.
255
[16] Čistjakov, V. P: Kurs teorii vjerovatnostej. Nauka, 1978.
[18] Feller, W: An introduction to probability theory and its applications. Wiley, 1971.
[31] Stipanić, Ernest: Putevima razvitka matematike. Vuk Karadžić, Beograd, 1987.
256