Marginalna distribucija

i matematičko
očekivanje
VJEROVATNOĆA I STATISTIKA:PREDAVANJE 4
Marginalne distribucije

Pretpostavimo da su X i Y slučajne promjenljive sa zajedničkom funkcijom

distribucije f(x,y). Kako pronaći distribuciju g(x) slučajne promjenljive X?
Pošto ona ne zavisi od Y, ova distribucija se pronalazi sumiranjem f(x,y) po svim
vrijednostima od y.
Slično, distribuciju h(y) od slučajne promjenljive Y dobivamo iz f(x,y) sumiranjem po
svim vrijednostima od x.
Ovakve distribucije g(x) i h(y) nazivaju se marginalne distribucije.
Sumiranje se vrši kod diskretnih slučajnih promjenljivih, a integracija kod
neprekidnih.
Definicija:

Marginalne distribucije od slučajnih promjenljivih X i Y su zadane sa

𝑔 𝑥 = 𝑦𝑓 𝑥, 𝑦 ℎ 𝑦 = 𝑥𝑓 𝑥, 𝑦

u diskretnom slučaju i sa

𝑔 𝑥 = 𝑦
𝑓 𝑥, 𝑦 𝑑𝑦 ℎ 𝑦 = 𝑥
𝑓 𝑥, 𝑦 𝑑𝑥
u neprekidnim slučaju.
Marginalne distribucije nastavak

Riječ marginalna je proizašla iz diskretnog slučaja. Ako je f(x,y) predstavljena

tabelarno tada su marginalne distribucije sume po redovima odnosno po kolonama.
Primjer od ranije
F(ff(x,y) x Ukupno po
0 1 2 redu

0 3/28 9/28 3/28 15/28

y 1 3/14 3/14 0 3/7
2 1/28 0 0 1/28
Ukupno po koloni 5/14 15/28 3/28 1

xx 0 1 2 y 0 1 2
g(x) 5/14 15/28 3/28 h(y) 15/28 3/7 1/28
Primjer od ranije za neprekidne slučajne promjenljive

2
2𝑥 + 3𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
𝑓 𝑥, 𝑦 = 5
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚

∞ 12 2 3 4𝑥+3
𝑔 𝑥 = −∞
𝑓 𝑥, 𝑦 𝑑𝑦 = 0 5
2𝑥 + 3𝑦 𝑑𝑦 = [2𝑥𝑦 + 𝑦 2 ]|10 =
5 2 5

Za 0 ≤ 𝑥 ≤ 1, i g(x)=0 u suprotnom.
∞ 1
2 2 2 + 6𝑦
ℎ 𝑦 = 𝑓 𝑥, 𝑦 𝑑𝑥 = 2𝑥 + 3𝑦 𝑑𝑥 = [𝑥 2 + 3𝑥𝑦]|10 =
5 5 5
−∞ 0
Za 0 ≤ 𝑦 ≤ 1, i h(y)=0 u suprotnom.
Marginalne distribucije su distribucije slučajnih promjenljivih X i Y.

Zaista, funkcija g(x) zadovoljava definiciju distribucije slučajne promjenljive X.

Imamo
∞
1. 𝑔 𝑥 = −∞
𝑓 𝑥, 𝑦 𝑑𝑦 ≥ 0 za sve x
∞ ∞ ∞
2. −∞
𝑔 𝑥 𝑑𝑥 = −∞ −∞
𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥 = 1
𝑏 ∞ 𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑎 −∞ 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥 = 𝑎 𝑔 𝑥 𝑑𝑥.
Slično i za diskretni slučaj.
f(x,y)/g(x)

Neka je x fiksno. Posmatrajmo f(x,y)/g(x).

Ova funkcija po y zadovoljava sve uslove iz definicije vjerovatnoće.

Dakle f(x,y) je zajednička, a g(x) je marginalna distribucija. Pošto je x fiksirano znamo

da je X=x, pa tako dolazimo do pojma uslovne vjerovatnosne distribucije.
Definicija

Neka su X i Y dvije slučajne promjenljive ( diskretne ili neprekidne).

Uslovna distribucija slučajne promjenljive Y uz zadano X=x je
𝑓(𝑥,𝑦)
𝑓 𝑦𝑥 = , pri čemu je g(x)>0
𝑔(𝑥)

Uslovna distribucija od X uz zadano Y=y je

𝑓(𝑥,𝑦)
𝑓 𝑥𝑦 = , pri čemu je h(y)>0.
ℎ(𝑦)
Upotreba

Ako sad želimo naći vjerovatnoću da je slučajna promjenljiva X između a i b i pri

čemu je poznato da je Y=y tada je
𝑃 𝑎<𝑋<𝑏 = 𝑓(𝑥|𝑦)
𝑎<𝑥<𝑏
U diskretnom slučaju i
𝑏

𝑃 𝑎<𝑋<𝑏 = 𝑓 𝑥 𝑦 𝑑𝑥
𝑎
slučaju neprekidnih slučajnih promjenljivih.
 Primjer u diskretnom slučaju:
f(x,y) x Ukupno xx 0 1
0 1 2 po redu g(x) 5/14 15/28
0 3/28 9/28 3/28 15/28
y y 0 1
1 3/14 3/14 0 3/7
h(y) 15/28 3/7
2 1/28 0 0 1/28
Ukupno po koloni 5/14 15/28 3/28 1

Ako je Y=1, tada je f(x|1) predstavljeno u tabeli

x 0 1 2
f(x|1) (3/14)/(3/7)=1/2 1/2 0

Sada je uslovna vjerovatnoća da je X=0 ako je poznato da je Y=1,

P(X=0|Y=1)=1/2
 Primjer za neprekidne slučajne promjenljive

Neka je X promjena temperature a Y proporcija pomjeranja spektruma koji proizvede neka čestica i
neka je
10𝑥𝑦 2 , 0 < 𝑥 < 𝑦 < 1
𝑓 𝑥, 𝑦 = .
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚
a) Naći marginalne gustoće g(x) i h(y) i uslovnu gustoću f(x|y).
b) Ako je temperatura povećana za 0.25, naći vjerovatnoću da je spektrum pomjerena za više od
pola mogućih vrijednosti.
a) g(x)=0 za x<0 ili x>1i x=0 i x=1. Za 0<x<y imamo
1
∞
10 3 1 10(𝑥 − 𝑥 4 )
𝑔 𝑥 = 𝑓 𝑥, 𝑦 𝑑𝑦 = 10𝑥𝑦 2 𝑑𝑦 = [ 𝑥𝑦 ]𝑥 =
−∞ 3 3
𝑥
-
 10𝑥𝑦2 , 0 < 𝑥 < 𝑦 < 1
Primjer-nastavak 𝑓 𝑥, 𝑦 = .
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚

∞ 𝑦 2 𝑦
ℎ 𝑦 = −∞
𝑓 𝑥, 𝑦 𝑑𝑥 = 0
10𝑥𝑦 𝑑𝑥 = [5𝑥 2 𝑦 2 ]0 = 5𝑦 4 za 0(<x)<y<1 i h(y)=0 u suprotnom.
Dalje je
𝑓(𝑥,𝑦) 10𝑥𝑦 2 3𝑦 2
𝑓 𝑦𝑥 = = 10 = , 0<x<y<1 i f(y|x)=0 u suprotnom.
𝑔(𝑥) 𝑥(1−𝑥 3 ) 1−𝑥 3
3

b) Sada je
1 1
3𝑦 2 8
𝑃(𝑌 > 1/2|𝑋 = 0.25) = 𝑓 𝑦 0.25 𝑑𝑦 = 3
𝑑𝑦 =
1 − 0.25 9
1/2 1/2
Primjer

𝑥(1+3𝑦 2 )
,0 < 𝑥 < 2,0 < 𝑦 < 1
Neka je zadana zajednička gustoća 𝑓 𝑥, 𝑦 = 4
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚

g(x)=f(x|y)=x/2 za 0<x<2
1+3𝑦 2
ℎ 𝑦 = za 0<y<1
2

U ovom primjeru g(x) tj. vjerovatnoća f(x|y) ne ovisi od y. Imamo g(x)=f(x|y).

f(x,y)=g(x)h(y)
Statistička nezavisnost

Neka su X i Y dvije slučajne ( diskretne ili neprekidne) promjenljive sa zajedničkom

funkcijom distribucije f(x,y) i marginalnim distribucijama g(x) i h(y). Za X i Y kažemo
da su statistički nezavisne ako vrijedi
f(x,y)=g(x)h(y) za sve vrijednosti (x,y) unutar ranga.

Napomena: Ako postoji bar jedan par (x,y) takav da je f(x,y)≠g(x)h(y) tada slučajne
promjenljive X i Y nisu statistički nezavisne.
Diskretni primjer od ranije

f(0,1)=3/14
g(0)=5/14
h(1)=3/7

Upoređivanjem
3 5 3
𝑓 0,1 = ≠𝑔 0 ℎ 1 = ∙
14 14 7
Dakle slučajne promjenjljive X i Y nisu statistički neovisne.
Generalizacija :Kada imamo više slučajnih promjenljivih

Posmatramo slučajne promjenljive 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 . Neka je 𝑓(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 )

zajednička vjerovatnosna distribucija. Tada možemo definisati marginalnu funkciju
distribucije sa
𝑔 𝑥1 = 𝑥2 𝑥3 ⋯ 𝑥𝑛 𝑓(𝑥1 , ⋯ , 𝑥𝑛 )

u slučaju diskretnih i

𝑔 𝑥1 = ⋯ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑑𝑥2 ⋯ 𝑑𝑥𝑛

𝑥2 𝑥3 𝑥𝑛
u slučaju neprekidnih slučajnih promjenljivih.
Zajednička marginalna distribucija

𝑥3 ⋯ 𝑥𝑛 𝑓 𝑥1 , ⋯ , 𝑥𝑛 , 𝑢 𝑑𝑖𝑠𝑘𝑟𝑒𝑡𝑛𝑜𝑚 𝑠𝑙𝑢č𝑎𝑗𝑢
𝑔 𝑥1 , 𝑥2 =
𝑥3
⋯ 𝑥𝑛
𝑓 𝑥1 , ⋯ , 𝑥𝑛 , 𝑢 𝑛𝑒𝑝𝑟𝑒𝑘𝑖𝑑𝑛𝑜𝑚 𝑠𝑙𝑢č𝑎𝑗𝑢

Slično se definišu i ostale zajedničke marginalne distribucije.

Možemo posmatrati i uslovne distribucije. Tako je npr. zajednička uslovna distribucija
slučajnih promjenljivih 𝑋1 , 𝑋2 , 𝑋3 uz uslov da je
𝑋4 = 𝑥4 , ⋯ , 𝑋𝑛 = 𝑥𝑛 definisana sa
𝑓(𝑥1 ,𝑥2,⋯, 𝑥𝑛 )
𝑓 𝑥1 , 𝑥2 , 𝑥3 |𝑥4 , ⋯ , 𝑥𝑛 =
𝑔(𝑥4 ,𝑥5 ,⋯,𝑥𝑛 )

Pri čemu je 𝑔(𝑥4 , ⋯ , 𝑥𝑛 ) zajednička marginalna distribucija od 𝑋4 , ⋯ , 𝑋𝑛 .

Statistička nezavisnost

Neka su 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 slučajne promjenljive ( diskretne ili neprekidne) sa

zajedničkom vjerovatnosnom distribucijom 𝑓(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) i neka su marginalne
distribucije od ovih slučajnih promjenljivih 𝑓1 𝑥1 , 𝑓2 𝑥2 , ⋯ , 𝑓𝑛 𝑥𝑛 redom.
Kažemo da su slučajne promjenljive 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 uzajamno statistički nezavisne ako
vrijedi

𝑓 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 = 𝑓1 (𝑥1 ) ∙ 𝑓2 (𝑥2 ) ⋯ 𝑓𝑛 (𝑥𝑛 )

za sve uređene n-torke (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) unutar ranga.

 Primjer:

Neka je rok trajanja nekog prehranbenog proizvoda u pakovanju slučajna promjenljiva čija je
distribucija zadana sa
𝑒 −𝑥 , 𝑥 > 0
𝑓 𝑥 = . Neka su tri pakovanja hrane izabrana proizvoljno i neka su njihovi rokovi
0, 𝑥≤0
trajanja slučajne promjenljive 𝑋1 , 𝑋2 , 𝑋3 . Naći 𝑃 𝑋1 < 2,1 < 𝑋2 < 3, 𝑋3 > 2 .
Kako su tri kutije izabrane proizvoljno pretpostavljamo da su slučajne varijable 𝑋1 , 𝑋2 , 𝑋3 nezavisne
pa je 𝑓 𝑥1 , 𝑥2 , 𝑥3 = 𝑓 𝑥1 𝑓 𝑥2 𝑓 𝑥3
= 𝑒 −𝑥1 𝑒 −𝑥2 𝑒 −𝑥3 = 𝑒 −𝑥1 −𝑥2 −𝑥3 ako su promjenljive pozitivne i 0 u suprotnom.
∞ 3 2

𝑃 𝑋1 < 2,1 < 𝑋2 < 3, 𝑋3 > 2 = 𝑒 −𝑥1 −𝑥2 −𝑥3 𝑑𝑥1 𝑑𝑥2 𝑑𝑥3 = 0.0372
2 1 0
Matematičko očekivanje
Neka se dva novčića bacaju 16 puta i neka je X slučajna promjenljiva koja je
jednaka broj glava koji se pojavio pri bacanju. Moguće vrijednosti od X su 0,1 i 2.
Neka su u eksperimentu vrijednost X=0 pojavila 4 puta, vrijednost X=1 pojavila 7
puta i vrijednost X=2 pojavila 5 puta. Srednja vrijednost je tada
4 0 +7 1 +5(2) 4 7 5
= 0 + 1 + 2 = 1.06
16 16 16 16
Primijetimo da vrijednost 1.06 se ne može pojaviti kao rezultat.
Vrijednosti 4/16, 7/16, 5/16 odgovaraju relativnim frekvencijama koje
odgovaraju vjerovatnoćama.
Primjer:

Ako jedan novčić bacamo dva puta skup ishoda je S={GG,GP,PG,PP}.

Sada je P(X=0)=1/4 , P(X=1)=2/4=1/2, P(X=2)=1/4.
Srednja vrijednost pri bacanju novčića upotrebom relativne frekvencije je
1 1 1
0+ 1+ 2=1
4 2 4
Dakle očekujemo da će se pri ovakvom bacanju pojaviti broj 1.
Ova srednja vrijednost se naziva ili srednja vrijednost slučajne promjenljive ili
matematičko očekivanje slučajne veličine X i označava se sa 𝜇𝑋 𝑖𝑙𝑖 𝐸 𝑋 .
Matematičko očekivanje

Neka je X slučajna promjenljiva sa distribucijom f(x). Očekivana vrijednost od X je

𝜇=𝐸 𝑋 = 𝑥 𝑥𝑓(𝑥)
kada je X diskretna i

∞
𝜇=𝐸 𝑋 = −∞
𝑥𝑓 𝑥 𝑑𝑥
kada je X neprekidna.

Znači sada uzimamo u obzir i vjerovatnoće da će se neka vrijednost od X pojaviti što

je različito od aritmetičke sredine uzorka.
Primjer:

Neka imamo 7 komponenti od kojih su 4 ispravne i 3 neispravne. Inspektor za

kvalitet proizvoljno izabire 3 komponente i ispituje ispravnost. Naći očekivanu
vrijednost broja ispravnih komponenti u uzorku.
Neka je X broj ispravnih komponenti od izabrane 3. Tada je vjerovatnosna
4 3
𝑥 3−𝑥
distribucija 𝑓 𝑥 = 7 odakle je f(0)=1/35, f(1)=12/35, f(2)=18/35 i f(3)=4/35.
3
Matematičko očekivanje je
E(X)=1/35(0)+12/35(1)+18/35(2)+4/35(2)=1.7
Matematičko očekivanje

Neka je X slučajna promjenljiva sa distribucijom f(x). Očekivana vrijednost od X je

𝜇=𝐸 𝑋 = 𝑥 𝑥𝑓(𝑥)
kada je X diskretna i

∞
𝜇=𝐸 𝑋 = −∞
𝑥𝑓 𝑥 𝑑𝑥
kada je X neprekidna.
Primjer: Trgovac procjenjuje da ima 70% šansu da na prvom sastanku dogovori
prodaju sa $1000 zarade, a na drugom 40% šansu da dogovori prodaju sa $1500
zarade. Sastanci su nezavisni jedan od drugog. Kolika je očekivana zarada?
Rješenje: Moguće zarade trgovca su $0, $1000, $1500 i $2500. Odgovarajuće
vjerovatnoće su
P($0)=(1-0.7)(1-0.4)=0.18 P($1000)=0.7(1-0.4)=0.42
P($1500)=(1-0.7)0.4=0.12 P($2500)=0.7 ·0.4=0.28

Sada je očekivana zarada

E($)=0.18 ·$0+0.42 ·$1000+0.12 ·$1500+0.28 ·$2500=$1300
Primjer. Neka je X slučajna promjenljiva koja označava dužinu života u satima nekog
elektroničkog uređaja sa funkcijom distribucije
20 000
,
𝑥 > 100
𝑓 𝑥 = 𝑥2 . Koliki je očekivani vijek trajanja uređaja?
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚

Očekivani vijek trajanja tj. matematičko očekivanje je

∞ ∞ 20 000
𝐸 𝑋 = −∞
𝑥𝑓 𝑥 𝑑𝑥 = 100
𝑥 2 𝑑𝑥 = 200
𝑥
Dakle, očekivani vijek trajanja je 200 sati.
Neka je X slučajna promjenljiva sa distribucijom f(x), a g(X) druga slučajna promjenljiva
koja zavisi od X. Želimo pronaći matematičko očekivanje od g(X).
Matematičko očekivanje od g(X) je
𝜇𝑔(𝑋) = 𝐸 𝑔 𝑋 = 𝑥𝑔 𝑥 𝑓(𝑥) u diskretnom slučaju i
∞
𝜇𝑔(𝑋) = 𝐸 𝑋 = −∞
𝑔 𝑥 𝑓 𝑥 𝑑𝑥 u neprekidnom slučaju.

g(x) može biti npr. 𝑥 2 i slično.

Primjer. U praonici automobila vlasnik radniku daje zaradu od $2X-1 gdje je X slučajna
promjenljiva koja predstavlja broj opranih automobila između 16 i 17 sati petkom.
Kolika je očekivana zarada radnika ako je distribucija data sa

Broj automobila X 4 5 6 7 8 9
f(X) 1/12 1/12 1/4 1/4 1/6 1/6

Očekivana zarada radnika je

7 9 11 13 15 17
𝐸 2𝑋 − 1 = 𝑥 2𝑥 − 1 𝑓 𝑥 = + + + + + =$12.67
12 12 4 4 6 6
 𝑥2
, −1 < 𝑥 < 2
Primjer. Ako je X slučajna promjenljiva sa distribucijom 𝑓 𝑥 = 3 .
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚
Naći očekivanje od 4X+3.
Sada je
∞ 2 𝑥2
𝐸 4𝑋 + 3 = −∞
4𝑥 + 3 𝑓 𝑥 𝑑𝑥 = −1
4𝑥 + 2 𝑑𝑥 = 8.
3
Matematičko očekivanje dvije slučajne varijable X i Y.
Neka su X i Y dvije slučajne promjenljive sa zajedničkom funkcijom distribucije
f(x,y). Očekivana vrijednost funkcije g(X,Y) je definisana sa
𝜇𝑔(𝑥,𝑦) = 𝐸 𝑔 𝑋, 𝑌 = (𝑥,𝑦) 𝑔 𝑥, 𝑦 𝑓(𝑥, 𝑦) u diskretnom slučaju i

∞ ∞
𝜇𝑔(𝑋,𝑌) = 𝐸 𝑔 𝑋, 𝑌 = −∞ −∞ 𝑔 𝑥, 𝑦 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦 ako su obje X i Y
neprekidne slučajne promjenljive.
Primjer. Naći očekivanje od XY za slučajne veličine sa
distribucijom zadanom u tabeli

f(x,y) x
0 1 2
0 3/28 9/28 3/28
y 1 3/14 3/14 0
2 1/28 0 0

E(XY)=(0)(0)3/28+(1)(0)9/28+(2)(0)3/28+(0)(1)3/14+(1)(1)3/14+(2)(1)0
+(0)(2)1/28+(1)(2)0+(2)(2)0=f(1,1)=3/14
 𝑥(1+3𝑦2)
, 0 < 𝑥 < 2, 0 < 𝑦 < 1
Naći E(Y/X) za distribuciju 𝑓 𝑥, 𝑦 = 4
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚
𝑌 ∞ ∞ 𝑦 1 2 𝑦(1+3𝑦 2 ) 1 𝑦+3𝑦 3 5
𝐸 = −∞ −∞ 𝑥
f x, y dxdy = 0 0
𝑑𝑥𝑑𝑦 = 0
𝑑𝑦 =
𝑋 4 2 8

Ako je g(X,Y)=X tada je E X = 𝐸 𝑔 𝑋, 𝑌 = (𝑥,𝑦) 𝑥𝑓 𝑥, 𝑦 = 𝑥 𝑥𝑔(𝑥)

u diskretnom i
∞ ∞ ∞
E X = 𝐸 𝑔 𝑋, 𝑌 = −∞ −∞
𝑥𝑓
𝑥, 𝑦 𝑑𝑥𝑑𝑦 = −∞
𝑥𝑔
𝑥 𝑑𝑥 u
neprekidnom slučaju, pri čemu je g(x) marginalna distribucija.