Непрекината случајна

променлива,
непрекинати распределби
ПРЕДАВАЊА
Непрекинати случајни променливи
Имаме многу случајни променливи кои не земаат вредности само од конечно множество,
туку можат да примаат било која вредност од некој броен интервал
Пример
- време на работа на некој апарат додека не се расипе или покаже некоја гешка
- време на пристигање на возови
- време на пристигање на клиенти на некој шалтер
- принос по хектар
- висина, тежина и сл
Вредноста на ваквата случајна променлива во еден експериментмногу тешко може да се
определи прецизно, па често се служиме со заокружување до некоја точност
Што претставува законот на распределба
кај дискретна случајна променлива?
Што претставува законот на распределба
кај дискретна случајна променлива?
Плоштина под кривата е функцијата на распределба

Целата плоштина изнесува 1

Плоштината под кривата е интеграл од кривата

Треба да најдеме функција чиј интеграл е функцијата на распределба - извод

Густина на распределба
Ако случајната променлива X која прима вредости од интервалот (а, b), e зададена
со нејзината функција на распределба F(x), тогаш густината на X може да се изрази
со:
𝐹 𝑥 + Δ𝑥 − 𝐹(𝑥ሻ
𝑝 𝑥 = 𝐹′ 𝑥 = lim
Δ𝑥→0 Δ𝑥

Ако p(x) e интеграбилна функција, тогаш од горното равенство следува дека

𝑥

𝐹 𝑥 = න 𝑝 𝑡 𝑑𝑡
−∞

При што p(x) = 0, за x ≤ a или x ≥ b.

Случајна променлива од апсолутно
непрекинат тип
Својствана густина
Доказ на теорема 1
i) p(x)0 за секој xR
Од p(x) = F’(x) и F(x) e неопаѓачка функција, следува дека F’(x) ≥ 0, за секој x ∈ R, т.е. p(x) ≥ 0,
за секој
∞
x ∈ R.
ii) න 𝑝 𝑥 𝑑𝑥 = 1 𝑥 ∞
−∞
1 = lim 𝐹 𝑥 = lim න 𝑝 𝑡 𝑑𝑡 = න 𝑝 𝑥 𝑑𝑥
𝑥→∞ 𝑥→∞
−∞ −∞
𝑏

iii) 𝑃{𝑎 < 𝑋 < 𝑏} = න 𝑝 𝑥 𝑑𝑥

𝑎
Случајната променлива X e од апсолутно непрекинат тип, па P {X = a} = 0.
𝑏 𝑎 𝑏

𝑃 𝑎 < 𝑋 < 𝑏 = 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝐹 𝑏 − 𝐹 𝑎 = න 𝑝 𝑥 𝑑𝑥 − න 𝑝 𝑥 𝑑𝑥 = න 𝑝 𝑥 𝑑𝑥

−∞ −∞ 𝑎
Пример
Времето (во минути) потребно да се стартува еден систем е случајна
променлива од апсолутно-непрекинат тип зададена со густина:

𝐶 10 − 𝑥 2 , 0 < 𝑥 < 10
𝑝 𝑥 =ቊ
0 , инаку

а) Да се определи константата C;
б) Да се определи веројатноста времето за стартувње да е помеѓу 1 и 2
минути.
Пример
Случајната променлива X од апсолутно-непрекинат тип е зададена со
нејзината функција на распределба
0, 𝑥 ≤ 1
𝐹 𝑥 = ቐ𝑘 𝑥 − 1 2 , 1 < 𝑥 ≤ 3
1 ,𝑥 > 3

а) Да се опредли константата к и густината на распределба на случајната

променлива X.
б) Колкава е веројатноста дека случајната променлива X во резултатите од
експериментот ќе прими вредности од интервалот (1,2).
Рамномерна распределба
Пример. Знаеме дека кога се мери тежина на човек, таа се изразува во килограми. Така ако
некој има 59.7 или 60.12 килорами, велиме дека има 60.
Нека Х е случајната променлива „вистинската тежина на човек на кој му измериле 60 кг“
•Х може да ја земе било која вредост од интервалот [59.5, 60.5]
•Секоја вредност има еднаква веројатност да се појави веројатноста
•Велиме дека Х има рамномерна распределба на интервалот [59.5, 60.5]
•Јасно дека F(x)=0 ако х<59.5 и 1 ако х>60.5. За вредности во интервалот [59.5, 60.5] F(x) е
пропорционална со должината на интервалот кој го имаме, односно бидејќи овој интервал
има должина 1 ќе имаме дека F(x)=x-59.5.
•Изводот на оваа функција е 1, па р(х)=1
Рамномерна распределба
За случајната променлива X велиме дека има рамномерна распеделба на интервал (а, b) (и
ознаqуваме X ∼ U(а, b)), ако нејзината густина е константна на овој интервал, а е еднаква
на 0, надвор од него, т.е.
𝐶, 𝑥 ∈ (𝑎, 𝑏ሻ
p 𝑥 =ቊ
0, 𝑥 ∉ (𝑎, 𝑏ሻ
•Колкава е константата?
𝑏 𝑏
1
1 = න 𝑝 𝑥 𝑑𝑥 = න 𝐶𝑑𝑥 = 𝐶 𝑏 − 𝑎 ⟹ 𝐶 =
𝑏−𝑎
𝑎 𝑎

Константатата е реципрочна вредност на должината на интервалот. Imame

1
,𝑥 ∈ (𝑎, 𝑏ቁ
p 𝑥 = ቐ𝑏−𝑎
0, 𝑥 ∉ (𝑎, 𝑏ሻ
График на густина и функција на
распределба на X ∼ U(a, b)
Поасонов процес
Пример. Да ги разгледаме времињата на пристигање на мејлови во текот на
работното време. Ако се претпостави дека две пораки не пристигаат во
точно исто време и во секој веројатноста да пристигне порака во некој
многу мал интервал не зависи од другите дисјунктни интервали,
Можеме да разгледуваме две работи
Х - бројот на пристигнати мејлови?
Т-време помеѓу две мејлови?
Поасонова распределба
- Поасонови експерименти
Експерименти кои даваат нумерички вредности на случајната променлива
X: бројот на исходи кои се случуваат во текот на одреден временски
период или во одреден регион, се нарекуваат Поасонови експерименти.
◦ Ако експериментот е поврзан со временски интервал, тој може да биде со било која
должина, како што е минута, еден ден, една недела, еден месец, па дури и една година.
Примери: Бројот на телефонски повици во еден час во канцеларија, бројот на денови во
кои училиштето е затворено поради снегот во текот на зимата, бројот на одложени
натпревари поради дожд за време на фудбалската сезона.

◦ Ако експериментот е поврзан со регион, тој може да биде отсечка, област, волумен, или
можеби парче материјал.
Приемери: Во вакви случаи, X може да претставува бројот на глувци на ар ополе, бројот
на бактерии во одредена култура, или бројот на печатните грешки на една страница.
Поасонова распределба
Поаснов процес
Поасоновиот процес ги има следниве својства:
1. Бројот на исходи кои се случуваат во еден временски интервал или одреден просторен
регион не зависи од бројот што се случил во било кој друг дисјунктен временски
интервал или регион. Во оваа смисла, велиме дека Поасоновиот процес нема
меморија.
2. Веројатноста дека еден исход ќе се појави во текот на многу краток временски
интервал или или мал регион е пропорционална на должината на временскиот
интервал или големината на регионот и не зависи од бројот на исходикои се случиле
надвор од овој временски интервал или регион.
3. Веројатност дека ќе се случи повеќе од еден исход во многу краток временски интервал
или на многу мал простор е занемарлива. Поточно се смета дека два исходи не се
случуваат истовремено или на сосема исто место.
Поасонова распределба
Да претпоставиме дека во некој временски интервал со должина 1 во просек се јавуваат по
5 настани.

Ако го поделиме интервалот на n многу ситни делови, бидејки сметаме дека во секое мало
делче се јавува најмногу еден настан, веројатноста настан да се падне во тој дел е p=5/n.
Поасонова распределба
Која е веројатноста во целиот интервал да не се јави настанот?
𝑛
𝑛 5
𝑃 𝑋=0 = 1−
0 𝑛
Ако интервалите се мали, бројот на интервали тежи кон бескрај па имаме
𝑛
𝑛 − ∙(−5ቁ
5
𝑛 5 5
𝑃 𝑋 = 0 = lim 1− = lim 1 ⋅ 1 + (− ቇ = 𝑒 −5
𝑛→∞ 0 𝑛 𝑛→∞ 𝑛

Која е веројатноста во целиот интервал да се јави настанот точно еднаш?

𝑛−1 1
𝑛 5 5
𝑃 𝑋 = 1 = lim 1−
𝑛→∞ 1 𝑛 𝑛
𝑛
− ∙(−5ቁ
5
5 −5
𝑛! 5 𝑛 =𝑒 ⋅5
= lim 1 + (− ቇ
𝑛→∞ 1! 𝑛 − 1 ! 𝑛 𝑛−5 1!
𝑛
Поасонова распределба
Која е веројатноста во целиот интервал да се јави настанот точно k пати?

𝑛 𝑘
𝑛−𝑘 𝑘 − ∙(−5ቁ
5
5
𝑛 5 5 𝑛! 5 𝑛
𝑃 𝑋 = 𝑘 = lim 1− = lim 1 + (− ቇ
𝑛→∞ 𝑘 𝑛 𝑛 𝑛→∞ 𝑘! 𝑛 − 𝑘 ! 𝑛 𝑛−5
𝑛
𝑒 −5 ⋅ 5𝑘 𝑛! 𝑒 −5 ⋅ 5𝑘
= lim 𝑘 =
𝑘! 𝑛→∞ 𝑛 − 𝑘 ! 𝑛 − 5 𝑘!

Ако наместо 5 ставиме некоја вредност , добиваме

𝑒 −𝜆 ⋅ 𝜆𝑘
𝑃 𝑋=𝑘 =
𝑘!
Експоненцијална распределба
Пример. Да ги разгледаме времињата на пристигање на мејлови во текот на
работното време. Ако се претпостави дека две пораки не пристигаат во
точно исто време и во секој веројатноста да пристигне порака во некој
многу мал интервал не зависи од другите дисјунктни интервали, тогаш
видовме дека случајната променлива Х - бројот на пристигнати пораки има
поасонова распределба.
Каква распределба има случајната променлива Т-време помеѓу две
пораки?
Ова е исто со времето до првото појавување на некој настан

? Како да го пресметаме ова време

Експоненцијална распределба
Лесно од поасоновата распределба може да се пресмета која е веројатноста во
единечниот интервал да не се појави настанот
𝑃 𝑋 = 0 = 𝑃 𝑇 > 1 = 𝑒 −𝜆
Но нас ни треба да пресметаме P{T>t}, што би значело да земеме интервал со должина t
Од барањето бројот на настани да биде пропорционален со должината на интервалот,
имаме дека ако во интервалот со големина 1 на почеток претпоставуваме дека просечно
би имале  настани, во интервал со должина t ќе имаме t настани, па ако сакаме да ја
најдеме распределбата на с.п. Y- бројот на настани во интервал со должина t всушност
имаме поасонова распределба со параметар t. Оттука

𝑃 𝑌 = 0 = 𝑃 𝑇 > 𝑡 = 𝑒 −𝜆𝑡
Нам ни треба функцијата на распределба, т.е.
𝐹(𝑡ሻ=𝑃 𝑇 < 𝑡 = 1 − 𝑒 −𝜆𝑡
Експоненцијална распределба
Јасно е дека функцијата на распределба и густината на распределба имаат строго
позитивни вредност само ако t е позитивно затоа што не е можно негативен временски
интервал, па X ∼ (λ) кога

0, 𝑡 < 0
𝐹 𝑡 =ቊ
1 − 𝑒 −𝜆𝑡 , 𝑡 ≥ 0

0, 𝑡 < 0
𝑝 𝑡 =ቊ
𝜆𝑒 −𝜆𝑡 , 𝑡 ≥ 0
Својство на немање меморија на
експоненцијалната распределба
Голема примена експоненцијалната распределба има во надежност на компоненти или
машини, време на живот, затоа што тие често имаат својство на недостаток на меморија.
Тоа значи дека, на пример времето на живот на некоја електорнска компонента не зависи
од тоа колку работела до сега. Еднставно, ако работи во моментот кога ја гледаме,
веројатноста таа ќе работи барем време t е иста како и веројатноста да работи време t од
моментт кога е направена.
Односно
P (T ≥ t0 + t | T ≥ t0)=exp{-(t0 + t )}/ exp{-(t0)}= exp{- t }.
Гама распределба
Експоненцијалната рапределба го наоѓање времето до првото појавување на настан во
поасонов процес
Да ја разгледаме сега случајната променлива Тк-времето до к-тото појавување на настанот
во поасонов процес. Пак ќе ја земеме случајната променлива Y- бројот на настани во
интервал со должина t. Јасно
𝑘−1
𝜆𝑡 𝑖
𝑃 𝑌 ≤ 𝑘 − 1 = 𝑃 𝑇𝑘 > 𝑡 = 𝑒 −𝜆𝑡 ෍
𝑖!
𝑖=0

оттука 𝑘−1
𝜆𝑡 𝑖
𝐹 𝑡 = 𝑃 𝑇𝑘 < 𝑡 = 1 − 𝑒 −𝜆𝑡 ෍
𝑖!
𝑖=0
Гама распределба
Да ја пресметаме густината на распределба

′ ′
𝑘−1 𝑘−1 𝑘−1
𝜆𝑡 𝑖 𝜆𝑡 𝑖 𝜆𝑡 𝑖
𝑝 𝑡 = 𝐹′ 𝑡 = 1 − 𝑒 −𝜆𝑡 ෍ =− 𝑒 −𝜆𝑡 ′ ෍ + 𝑒 −𝜆𝑡 ෍
𝑖! 𝑖! 𝑖!
𝑖=0 𝑖=0 𝑖=0

𝑘−1 𝑘−1 𝑘−1 𝑘−1

𝜆𝑡 𝑖 𝑖𝜆 𝜆𝑡 𝑖−1 𝜆𝑡 𝑖 𝜆𝑡 𝑖−1
=− −𝜆𝑒 −𝜆𝑡 ෍ + 𝑒 −𝜆𝑡 ෍ = 𝜆𝑒 −𝜆𝑡 ෍ − 𝜆𝑒 −𝜆𝑡 ෍
𝑖! 𝑖! 𝑖! (𝑖 − 1ሻ!
𝑖=0 𝑖=0 𝑖=0 𝑖=1
𝑘−1 𝑘−2
𝜆𝑡 𝑖 𝜆𝑡 𝑖 𝜆𝑡 𝑘−1 𝜆𝑘 𝑡 𝑘−1
= 𝜆𝑒 −𝜆𝑡 ෍ − 𝜆𝑒 −𝜆𝑡 ෍ = 𝜆𝑒 −𝜆𝑡 = 𝑒 −𝜆𝑡
𝑖! 𝑖! (𝑘 − 1ሻ! (𝑘 − 1ሻ!
𝑖=0 𝑖=0
Gamma(,)
𝜆𝑘 𝑡 𝑘−1
𝑝(𝑡ሻ = 𝑒 −𝜆𝑡
(𝑘 − 1ሻ!
Една позната функција која се користи во математиката е гама функцијата која се дефинира
∞
како
Г 𝛼 = න 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥
0

Со карактеристика дека Г(k)=(k-1)!, па сега ако замениме  на местото на к и 1/ на местото

на  ќе добиеме
𝑡 𝛼−1 −𝛽𝑡
𝑝(𝑡ሻ = 𝛼 𝑒
𝛽 Γ(𝛼ሻ
Gamma(,)-дефиниција
За случајната променлива X велиме дека има гама распределба со параметри α и β и
пишуваме X ∼ Γ(α, β), ако нејзината густина е зададена со:

0, 𝑡<0
𝑝(𝑡ሻ = ൞ 𝑡 𝛼−1 −𝛽𝑡
𝑒 ,𝑡 ≥ 0
𝛽𝛼 Γ(𝛼ሻ

каде е гама функција ∞

Г 𝛼 = න 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥
0

и за природен број α, Γ(α) = (α − 1)!.

Нормална распределба
Нормална распределба, игра клучна улога во Веројатност и статистика, најмногу поради
Централната гранична теорема, според која сумите и просеците често имаат приближно
Нормална распределба.
Поради овој факт, разни артефакти и мерење грешки кои се состојат од акумулираниот
број на мали вредности се јавуваат како нормално распределени.
Француски математичар Жил Анри Poincare рекол "Секој верува во законот за Нормална
распределба на грешките, експериментаторите бидејќи сметаат дека тоа е
математичка теорема, а математичарите бидејќи сметаат дека тоа е
експериментален факт. "
Покрај во суми, во просек, и грешки, нормалнате распределба често знае да биде добар
пример за физички променливи како тежина, висина, температура, напон, ниво на
загадување, и на пример, примањата во домаќинството или оцените студентите.
Нормална распределба
Случајната променлива X има нормална (или Гаусова) распределба со параметри  и σ2,
ознаqуваме X ∼ N(, σ2), ако нејзината густина е зададена со:

1 𝑥−𝜇 2
−
𝑝 𝑥 = 𝑒 2𝜎 2
2𝜋𝜎

каде  и σ се дадени константи.

Стандардна нормална распределба
Ако =0, а =1 тогаш станува збор за стандардна
нормална распределба.
Ако Х е нормална распределба со параметри  и ,
тогаш
Z= (X- )/ N(0,1)
Поасонова вежба
Задача 5 (вежби за дискретни
распределби)
Клиентите на еден интернет провајдер создаваат нови кориснички сметки со просечна
рата од 10 кориснички сметки на ден.
а) Која е веројатноста дека денес ќе се отворат повеќе од 8 нови сметки?
б) Која е веројатноста дека ќе се отворат повеќе од 16 сметки во рок од 2 дена?
Непрекинати случајни
променливи и
распределби
ВЕЖБИ
Задача 2 (од вежби)
Нека случајната променлива X има густина на распределба
2 x,0  x  1
p ( x)  
 0, инаку
Да се определат следните веројатности:
а) P{ X  1/2}
б) Р { X  1/2 | 1/3  X  2/3}
Задача 4 (од вежби)
Во една канцеларија се испраќаат документи за печатење до принтерот просечнo по 3 на
час. Сметаме дека два документи не можат да се испратат во сосема исто време, и бројот
на испратени документи во мал временски интервал, не зависи од некој друг мал
временски интервал дисјунктен на него
a) Која е веројатноста дека следниот документ ќе се испрати во наредните 5 минути?
б) Која е веројатноста во наредниот час да се испратат 7 документи?
в) Која е распределбата на времето за испраќање на следните 3 документи?
Решение:
времето помеѓу два последователни документи има експоненцијална распределба
Бројот на испратени документи има поасонова распределба
Задача (слична како на испит)
За да се намалат изборните нерегуларности, во една земја било воведена процедурата
податоците од секое изборно место да го внесуваат тројца независни внесувачи. Затоа фирмата
iVote која го правела софтверот за гласање требала да направи модул кој што бргу ќе ги најде
податоците и истите бргу ќе ги спореди. Тие пресметале дека средното потребно време да се
најде еден податок е 1s.
Гоце сфатил дека времињата за пребарување на различните извештаи се независни, податоците
се обработуваат еден по друг, односно додека не сe заврши со податоците со од еден извештај,
не се почнува со друг.
Која е веројатноста случајно избран податок да се бара повеќе од t секунди?
Која е густината на распределба на случајната променлива време на наоѓање на 10
последователни податоци?
Која е веројатноста за една секунда да не се најде ниту еден податок?
Која е веројатноста за една секунда да не се најдат два податоци?