SEMINARSKI RAD

PREDMET: Poslovna statistika

TEMA: “Teorija verovatnoće”

Mentor: Student:

B E O G R A D 2023
 SADRŽAJ

UVOD........................................................................................................................................1
1 NASTANAK I RAYVOJ VEROVATNOĆE........................................................................2
2 VEROVATNOĆA U SVAKODNEVNOM ŽIVOTU...........................................................3
2.1. Nasleđivanje krvnih grupa.............................................................................................3
3 VEROVATNOĆA..................................................................................................................4
3.1. Verovatnoća u statistici.................................................................................................4
3.2. Slučajni eksperimenti i događaji...................................................................................4
3.3. Aksiomatika teorije verovatnoće...................................................................................5
3.4. Klasična definicija verovatnoće....................................................................................5
3.5. Metode izračunavanja verovatnoće...............................................................................6
4 OSNOVNE TEOREME U VEROVATNOĆI.......................................................................6
4.1. Teoreme o komplementu...............................................................................................6
4.2. Aditivna teorema...........................................................................................................7
4.3. Multiplikativna teorema................................................................................................7
4.4. Bajes-Laplasova teorema..............................................................................................8
5 USLOVNA VEROVATNOĆA.............................................................................................9
6 TOTALNA VEROVATNOĆA............................................................................................10
ZAKLJUČAK..........................................................................................................................11
LITERATURA.........................................................................................................................12
UVOD

Predmet ovog seminarskog rada je “Teorija verovatnoće”.

U svakodnevnom životu često čujemo iskaze i pitanja koja u sebi sadrže reč verovatnoća,
šansa, mogućnost ili učestalost:
- Meteorolog kaže da je verovatnoća da će sutra padati kiša 80%
- Student se pita da li postoji mogućnost da dobije ocenu 10, iako nije marljivo učio;
- Lekari kažu da se povećava učestalost pušača koji oboljevaju od raka pluća
- Političar se pita ima li šanse da će na izborima da pobedi njegova stranka

Teorija verovatnoće je grana matematike koja se bavi analizom slučajnih fenomena. Ključni
objekti koji se razmatraju u teoriji verovatnoće su slučajne promenljive, stohastički procesi, i
događaji: matematičke apstrakcije nedeterminističkih događaja ili merljivih količina. Iako je
bacanje novčića ili numerisane kocke slučajan događaj, ako se ponovi mnogo puta, niz ovih
slučajnih događaja će ispoljiti određene statističke pravilnosti, koje se mogu proučavati i
predviđati. Dve ključne matematičke teoreme koje opisuju ovakvo ponašanje su zakon
velikih brojeva i centralna granična teorema.

Kao matematička osnova statistike, teorija verovatnoće je od velike važnosti za mnoge

ljudske aktivnosti koje uključuju kvantitativnu analizu velikih skupova podataka. Metode
teorije verovatnoće se takođe primenjuju i na opisivanje kompleksnih sistema na osnovu
samo delimičnog poznavanja njihovog stanja, kao u statističkoj mehanici. Veliko otkriće u
oblasti fizike u 20. veku je bila probabilistička priroda fizičkih fenomena na atomskom nivou,
koju opisuje kvantna mehanika.

Seminarski rad, pored uvoda i zaključka ima šest naslova. U prvom naslovu gorovi se o
nastanku verovatnoće i njenom razvoju. Drugi naslov govori o verovatnoći u svakodnevnom
životu. U trećem naslovu opisana je verovatnoća u statistici, njena klasična teorija kao i
različite metode za izračunavanje verovatnoće. Četvrti naslov govori o teoremama u
verovatnoći, a peti i šesti naslov objašnjavaju uslovnu i totalnu verovatnoću.

1
 1. NASTANAK I RAZVOJ VEROVATNOĆE

Verovatnoća je grana matematike koja se bavi analizom slučajnih događaja. Kao takva,
razvila se u 17. veku, a njeni začetnici su francuski matematičari Fermat i Pascal, koji su, na
molbu jednog zajedničkog prijatelja kockara, 1654. godine dali rešenje jednog problema
vezanog za igru kartama.

Prvi put se pojavljuje u vezi sa kockanjem i osiguranjem u 17. veku. Dobro definisana teorija
verovatnoće se zatim primenjuje na razne probleme kao što su vakcijancija od velikih
boginja, religija i sl. da bi danas bila nezamenljiva alatka u društvenim i prirodnim naukama.

U nekim oblastima (kvantna mehanika), verovatnoća je osnovni koncept putem kojeg se

shvata stvarnost.

Može se reći da je verovatnoća značajno promenila pogled čoveka na prirodu i društvo. U 18.
i 19. veku u Engleskoj i Francuskoj, koncept verovatnoće postaje filozofski odgovor na
skepticizam. Shvata se da čovek ne može da stekne savršeno znanje, ali može da spozna
dovoljno da bi odgovorio svakodnevnim potrebama. Laplas je tvrdio da je čovekovo
oslanjanje na verovatnoću posledica nesavršenog znanja. Osoba koja zna svaku česticu
univerzuma uz neograničenu moć računanja može znati celokupnu prošlost i predvideti
celokupnu budućnost.

Verovatnoća u 18. veku se bavila posledicama i uzrocima. Jakob Bernuli je formulisao i

dokazao zakon velikih brojeva koji je dao formalnu strukturu razmišljanjima o uzroku i
posledici. Ovim zakonom je dokazao da će empirijska proporcija nekih događaja težiti
stvarnoj verovatnoći p, kako se broj eksperimenata povećava, pod uslovom da je uniformna.
Čak i ukoliko verovatnoća p nije unapred poznata, neko sa dovoljno iskustva može da je
zaključi.

U vreme prosvetiteljstva postojali su pokušaji da se verovatnoća ugradi u temelje nove

teorije morala, u vidu sudske i izborne verovatnoće (sudstvo i izbori su za francuske
matematičare bili formalno slični). Ključno pitanje je bilo kako biti siguran da će porota
doneti ispravnu presudu. Jedna od klasičnih tema je bilo pitanje verodostojnosti svedočenja.
Verovatnoća je korišćena za opovrgavanje svedočenja o čudima.

Slika 1: Francuski matematičari Pascal i Fermat

Izvor: Protagonistas de la Estadística en la Historia

2
 2. VEROVATNOĆA U SVAKODNEVNOM ŽIVOTU

Verovatnoća se najčešće povezuje sa igrama na sreću: loto, lutrija, karte. Karakteristike

igara na sreću su da se ishod pojedinačnog događaja ne može predvideti sa sigurnošću, ali
zajednički rezultat nastao iz velikog broja pokušaja pokazuje neku regularnost. Na primer,
ako kažemo da je verovatnoća dobijanja glave u bacanju novčića 50%, mi i dalje ne možemo
da predvidimo ishod pojedinačnog bacanja, ali znamo rezultat velikog broja bacanja.

Veoma često se verovatnoća pominje u neformalnom razgovoru, kada se želi ukazati na

stepen u kojem je moguće da se neki događaj desio ili desi, pri čemu se ne misli striktno na
matematičku kvantifikaciju verovatnoće, već više na koncept nesigurnosti i nesvršenosti
znanja o prošlosti i budućnosti čoveka.

Primer: Po atletskoj stazi trči šest podjednako uspešnih atletičara čiji su dresovi označeni
brojevima 3, 5, 7, 11, 13 i 17. Odredimo verovatnoću:
1) Događaja A – da će do cilja prvi stići atletičar čiji je dres označen prostim brojem
2) Događaja B – da će do cilja prvi stići atletičar čiji je dres označen parnim brojem

Rešenje: Kako su atletičari podjednako uspešni sledi da je veorovatnoća da svaki od njih prvi
1
stigne do cilja jednaka .
6
1) Kako su svi dresovi označeni prostim brojevima uvek na cilj prvi stiže atletičar koji
ima dres označen prostim brojem, odnosno to je siguran događaj i zato je tražena
verovatnoća jednaka P(A) = 1.
2) Kako su svi dresovi označeni neparnim brojevima te je nemoguće da na cilj prvi
stigne atletičar koji ima dres označen parnim brojem, odnosno to je nemoguć događaj
i zato je tražena verovatnoća jednaka P(B) = 0.

2.1. Nasleđivanje krvnih grupa

Jedan od primera verovatnoće u svakodnevnom životu je nasleđivanje krvnih grupa.

AVO sistem krvnih grupa otkriven je početkom dvadesetog veka. Tada je utvrđeno da svaka
osoba ima jednu od četiri krvne grupe A, B, AB ili 0.
Sistem je pod kontrolom jednog gena – nasledne jedinice koja ima dva do tri moguća oblika
A, B i 0. To znači da postoji šest različitih tipova gena: AA, A0, BB, B0, AB i 00. Geni AA i
A’ određuju A krvnu grupu, BB i B0 određuju B krvnu grupu, AB određuje AB krvnu grupu,
a 00 određuje nultu krvnu grupu 0. Praćenjem ovih krvnih grupa smanjuje se rizik da
organizam pacijenta odbaci doniranu krv.

3
 3. VEROVATNOĆA

3.1. Verovatnoća u statistici

Neke od pojava koje se događaju oko nas možemo da predvidimo, objasnimo i kontrolišemo
pošto poznajemo zakonitosti njihovog nastanka. Tako na primer, možemo da predvidimo
pomračenje sunca i meseca, pojavu plime i oseke, elektriciteta i sl.
Nasuprot tome postoje pojave čije uzroke nismo u stanju da odredimo, pa takve pojave ne
možemo u potpunosti da predvidimo i objasnimo. Tu spadaju na primer, meterološke pojave,
pojava zemljotresa, ali i dobitak na lutriji, sportskoj prognozi i sl. To su pojave, događaji, koji
se ne moraju nužno dogoditi, ali nisu ni nemogući. Takve i slične događaje proučava teorija
verovatnoće.

Verovatnoća je veza između dve ideje: opisa podataka i zaključivanja o karakteristikama

populacije na osnovu osobina uzorka. Pošto izučava slučajnosti, verovatnoća je osnova
statističkog zaključivanja, jer je ključno proceniti verovatnoću slučajnog događaja kako bi
mogli da poredimo prikupljene podatke sa podacima koje očekujemo da dobijemo od
slučajnih događaja.

Statističko zaključivanje, kao induktivni metod, je sklono grešci. Stoga bi takvo zaključivanje
bilo praktično neupotrebljivo u nauci, kada ne bi postojao način da se proceni u kom stepenu
je moguće da se pojavi greška. Upravo je verovatnoća alat koji omogućava da se utvrdi
koliko je pouzdan zaključak koji se donese na osnovu podataka koji se testiraju.

Ako je n broj ponavljanja eksperimenta a m broj uspešnih realizacija događaja A, tada

relativna frekvencija m/n predstavlja statističku verovatnoću događaja A, tj

P(A) = m/n

Primer: Kockica se baca 1200 puta. Rezultat eksperimenata prikazan je u tabeli

xi 1 2 3 4 5 6
fi 205 196 193 195 207 204

Ako događaj A predstavlja „kockica pokazuje paran broj“, onda je

196+195+204 595 1
P( A)= = ≈
1200 1200 2

3.2. Slučajni eksperimenti i događaji

Eksperimentima se u nauci prikupljaju podaci koji se zatim obrađuju i dobijeni rezultati

koriste u praksi ili za dokazivanje novih teorija. Međutim, kod nekih eksperimenata nismo u
mogućnosti da tačno odredimo i kontrolišemo vrednosti dobijenih rezultata, odnosno ti
rezultati ne mogu pouzdano da se predvide.
Takvi eksperimenti su predmet izučavanja verovatnoće i nazivaju se slučajni
eksperimenti.

4
Primer:
Bacamo novčić. Ovaj eksperiment možemo ponavljati proizvoljno mnogo puta, a mogući
ishodi ovog su ’grb’ i ’pismo’.

Primer:
Rezultat eksperimenta koji se sastoji u bacanju kocke su brojne vrednosti koje pripadaju
sledećem skupu {1, 2, 3, 4, 5, 6} .

Teorija verovatnoće za svoja istraživanja koristi idealni eksperiment koji može da se

• ponavlja proizvoljan broj puta pod istim uslovima,
• svi njegovi ishodi su unapred definisani,
• ishod pojedinog eksperimenta nije unapred poznat

Slučajni eksperimenti nazivaju se još i statistički ili stohastički eksperimeni.

Ishod slučajnog eksperimenta je slučajan događaj.

Primer:
Pol deteta ili pojava grba pri bacanju novčića su slučajni događaji.

Slučajni događaji mogu da budu elementarni, koji ne mogu da se redukuju na jednostavnije i

složeni koji mogu da se dalje redukuju na elementarne događaje.

3.3. Aksiomatika teorije verovatnoće

Osnovni zadatak teorije verovatnoće jeste određivanje metoda i pravila za izračunavanje

verovatnoća slučajnih događaja. Teorija verovatnoće je strogo matematički formalizovana i
zasniva se na aksiomama i teoremama koje proističu iz njih.
Polazi se od osnovnih stavova, tzv. aksioma, na osnovu kojih se sve ostale osobine mogu
dokazati.
Za posmatrani prostor el. ishoda aksiomatizacija daje odgovore na pitanja:
– Koje podskupove prostora el. ishoda možemo posmatrati?
– Kako računati verovatnoće pojavljivanja događaja pri jednom izvođenju eksperimenta?
Sistem aksioma je dao A. N. Kolmogorov 1933. godine.
Treba uvesti strukturu na PEI da bismo formulisali formule

3.4. Klasična definicija verovatnoće

Klasičnu definiciju verovatnoće dao je markiz P. Laplas ( 1749-1827 ), francuski matematičar

i astronom.

Definicija se odnosi samo na one slučajne eksperimente kod kojih je skup elementarnih
događaja konačan, a događaji su jednako verovatni.

Tipičan ovakav eksperiment je bacanje novčića. Skup elementarnih događaja je dvočlani

skup {glava, pismo}, a oba događaja su jednako verovatna, jer kada bacamo novčić obe
opcije su ravnopravne.

5
Neka skup Ω sadrži n elementarnih događaja koji su disjunktni i jednako mogući. Ako je
m( m ≤ m ≤ n) , broj svih povoljnih ishoda događaja A, onda je verovatnoća P(A) jednaka

m
P( A)=
n

Klasična definicija verovatnoće se naziva i definicija apriori. Primenljiva je kao što smo već
naglasili samo u slučaju kada je Ω konačan skup, a svi ishodi imaju jednaku verovatnoću.
Jednakost verovatnoća pojavljuje se samo u malom broju slučajeva, kao što su primeri
bacanja novčića ili kocke. To najčešće nije slučaj u primenama, statistici, biologiji, ekonomiji
i sl. Nema smisla očekivati jednakost verovatnoća. Čak ni rađenje dečaka i devojčice nisu dva
jednako verovatna događaja. Ipak i pored svojih nedostataka ova definicija je imala izuzetan
značaj jer je dovela do nastanka drugih, preciznijih definicija verovatnoće.

3.5. Metode izračunavanja verovatnoće

U domenu verovatnoće i statistike postoje 3 metode za izračunavanje verovatnoće:

1) Klasična metoda – izračunava se tako što se broj povoljnih slučajeva deli brojem
mogućih slučajeva, a svi su podjednako mogući.
2) Frekvent ili metoda relativne frekvencije – izračunato deljenjem posmatrane
učestalosti događaja ukupnim brojem posmatranja. Ova metoda uključuje izvođenje
nekoliko puta i odlikuje se ponavljanjem.
3) Bajesova ili subjektivna metoda – odnosi se na stepen uverenja ili lične prosudbe o
mogućnosti da se nešto dogodi. Ova premisa zahteva koherentnost između datih
informacija i verodostojnosti rezultata.

4. OSNOVNE TEOREME U VEROVATNOĆI

4.1. Teorema o komplementu

Komplement događaja A, u oznaci Ac, jeste događaj koji obuhvata sve ishode u skupu
mogućih ishoda S koji nisu obuhvaćeni događajem A. Uočimo, dakle, da se komplement
uvek definiše u odnosu na određeni skup mogućih ishoda S. Na primer, ako pri jednom
bacanju novčića događaj A predstavlja događaj pala je “glava“ (G), onda bi komplement tog
događaja bio događaj palo je „pismo“ (P). Naime, skup mogućih ishoda u tom slučaju je S =
{G, P} pa pošto je ishod G obuhvaćen
događajem A, događaj Ac obuhvata preostali mogući ishod P.
Ako je verovatnoća događaja A jednaka P(A), tada je verovatnoća
komplementa događaja A (u odnosu na S), u oznaci P(Ac ):

P(Ac) = 1 – P(A)

Prema definiciji komplementa događaja A, očigledno je da su A i Ac uzajamno isključivi

događaji i da njihova unija predstavlja zapravo skup svih ishoda S u odnosu na koji se
određuje komplement. Prema tome, P(A) + P(Ac) = P(S) = 1.
Na primer, ako je verovatnoća da padne “glava” u jednom bacanju novčića jednaka 0.5, tada
je verovatnoća da padne “pismo” jednaka 0.5. Isto tako, ako je verovatnoća oboljevanja od

6
depresije u nekoj populaciji jednaka 0.10 onda je verovatnoća neoboljevanja od depresije u
toj populaciji jednaka 1 – 0.10, tj. 0.90.

4.2. Aditivna teorema

Aditivna teorema tiče se verovatnoće unije dva događaja, tj. verovatnoće da se od dva
događaja desi jedan ili drugi, ili oba.
Verovatnoća da se desi događaj A ili događaj B jednaka je zbiru verovatnoća individualnih
događaja umanjenom za verovatnoću zajedničkog dešavanja oba događaja:

P(A  B) = P(A) + P(B) - P(A  B)

Uočimo da pri razmatranju verovatnoće unije dva događaja logičko “ili” uključuje i
mogućnost da se dese oba događaja istovremeno što je nešto drugačije od svakodnevne
upotrebe ovog termina gde se uobičajeno podrazumeva da se dešava samo jedan od dva
događaja ali ne i oba istovremeno. Budući da se pri računanju zbira verovatnoća P(A) i P(B)
verovatnoća istovremenog dešavanja oba događaja uključuje dva puta /i u P(A) i u P(B)/,
potrebno je od tog zbira oduzeti P(A  B). Ako su događaji međusobno isključivi, tj. ako se
ne mogu desiti oba istovremeno (tačnije ako je presek dva događaja nemoguć događaj)
teorema dobija sledeći oblik:

P(A  B) = P(A) + P(B)

Naime, u tom slučaju je P(A  B) jednako nuli, budući da je verovatnoća nemogućeg

događaja jednaka nuli.
Uopštenje ovog oblika aditivne teoreme na veći broj međusobno isključivih događaja
dat je pri aksiomatskom definisanju verovatnoće u obliku aksioma prebrojive
aditivnosti:
k
P(A1  A2 ... Ak) = ∑ A i
i=1
Dakle, verovatnoća unije uzajamno isključivih događaja jednaka je zbiru pojedinačnih
verovatnoća ovih događaja.

4.3. Multiplikativna teorema

Prema ovoj teoremi verovatnoća zajedničkog dešavanja dva događaja (A i B) jednaka

je proizvodu verovatnoće događaja A i uslovne verovatnoće događaja B (ili proizvodu
verovatnoće događaja B i uslovne verovatnoće događaja A):

P(A  B) = P(A)P(BA) = P(B)P(AB)

Ako su događaji A i B statistički nezavisni teorema dobija sledeći oblik:

P(A  B) = P(A)P(B)

7
jer je u tom slučaju uslovna verovatnoća P(BA) jednaka P(B) a uslovna verovatnoća P(AB)
jednaka P(A). Dakle, verovatnoća zajedničkog dešavanja dva nezavisna događaja jednaka je
proizvodu verovatnoća svakog od dva događaja.
U statistici se ova generalizacija koristi pri konstrukciji tzv. funkcije verodostojnosti.

Uzajamnu statističku nezavisnost k događaja (pri čemu je k  2) treba razlikovati od

statističke nezavisnosti ovih k događaja po parovima. Naime, kada imamo više od dva
događaja oni mogu biti nezavisni po parovima ali ne moraju biti uzajamno statistički
nezavisni. Ilustrovaćemo to na vrlo jednostavnom primeru (prema Mukhopadhyay, 2000, str.
11). Ako razmatramo bacanje pravilnog novčića dva puta tada skup svih mogućih ishoda
predstavlja skup S, S = {GG, GP, PG, PP}. Definišimo sledeća tri događaja:
A 1 – pala je „glava“ u prvom bacanju, tj. {GG, GP};
A 2 – pala je „glava“ u drugom bacanju, tj. {GG, PG};
A 3 – isti ishod je u oba bacanja, tj. {GG, PP}.
Budući da svaki od ova tri događaja obuhvata po 2 od ukupno 4 moguća ishoda, verovatnoća
svakog od njih je 2/4, tj. 1/2. Događaji A1 i A2 su statistčki nezavisni jer je
P(A 1  A 2 ) = P(GG) = 1/4 = P(A1) * P(A 2 ).
Takođe, događaji A1 i A3 su statistički nezavisni jer je
P(A 1  A 3 ) = P(GG) = 1/4 = P(A1 ) * P(A 3 ). Na kraju, događaji A2 i A 3 su statistički
nezavisni jer je P(A2  A3 ) = P(GG) = 1/4 = P(A 2 ) * P(A3 ).
Ali, P(A1  A2  A3 ) = P (GG) = 1/4 što nije jednako P(A1 ) * P(A 2 ) * P(A3 ), budući da
je potonja verovatnoća jednaka 1/8. Dakle, iako su statistički nezavisni po parovima, događaji
A 1 , A2 i A3 nisu uzajamno statistički nezavisni.

Treba uočiti i razliku između uzajamno isključivih događaja i statistički nezavisnih događaja:
uzajamno isključivi događaji nisu statistički nezavisni jer dešavanje jednog od uzajamno
isključivih događaja menja verovatnoću drugog događaja, tj. svodi verovatnoću drugog
događaja na nulu. Naime, tada je uslovna verovatnoća ovog drugog događaja ako znamo da
se desio prvi događaj jednaka 0.
Teorema o komplementu, aditivna i multiplikativna teorema veoma su korisne kao
osnova za računanje verovatnoća u mnogim primenama teorije verovatnoće, pa i u
statistici

4.4. Bajes – Laplasova teorema

Bajes-Laplasova teorema zapravo je samo na drugačiji način iskazana uslovna verovatnoća

događaja B pod uslovom dešavanja događaja A. Na osnovu multiplikativne teoreme uslovnu
verovatnoću događaja B pod uslovom dešavanja događaja A možemo iskazati na nešto
drugačiji način od onoga koji smo dali u formuli P(BA) = P(A  B) / P(A). Budući da je po
multiplikativnom pravilu P(A  B) = P(B)P(AB), zamenom izraza P(A  B) u formuli za
uslovnu verovatnoću sa P(B)P(AB) dobijamo:

P (B) P( A∨B)
P (B|A) =
P( A)

Na taj način dobijamo tzv. Bajes-Laplasovu teoremu ili pravilo koje je navodno formulisao
engleski sveštenik Tomas Bajes (Thomas Bayes) u 18. veku. 9 Na osnovu ovog pravila može
se jasno uočiti da, u opštem slučaju, P(BA)  P(AB).

8
Naravno, u nekim posebnim situacijama ove dve verovatnoće mogu biti jednake. Na primer,
jednakost ovih verovatnoća dobija se onda kada su verovatnoće događaja A i B jednake, tj.
kada je P(A) = P(B). Bajesovo pravilo je veoma važno u primeni statistike, a predstavljalo je
osnovu za razvoj jednog pristupa u statistici, tzv. Bajesovskog pristupa.

Slika 2: Engleski matematičar Tomas Bajes

5. USLOVNA VEROVATNOĆA

Uslovna verovatnoća je mera mogućnosti ili izvesnosti dešavanja događaja B pošto se

prethodno desio događaj A. Dešavanje događaja A je uslov koji treba da bude ispunjen i pod
kojim ispitujemo dešavanje događaja B. (Budući da je teorija verovatnoće matematička
disciplina i da se ne mora nužno primenjivati na dešavanja u realnom svetu ovo „prethodno
dešavanje“ pri razmatranju uslovne verovatnoće treba shvatiti u najširem smislu jer se ono
može odvijatisamo u našim mislima, tj. umisaonom eksperimentu).

Uslovna verovatnoća P(A|B) je verovatnoća događaja A pod uslovom da se realizovao

događaj B koji ima pozitivnu vjerovatnoću P(B).

- Ako je P(B)>0, onda je uslovna vjerovatnoća događaja A, pod uslovom da se

realizovao događaj B, jednaka
P ( AB)
P(A|B) = P(B)

- Vjerovatnoća proizvoda dva događaja jednaka je proizvodu vjerovatnoće jednog od njih i

uslovne vjerovatnoće drugog, pod uslovom da se prvi događaj realizovao

Često smo u prilici da tražimo verovatnoću nekog događaja A, posedujući informaciju o tome
da se događaj B realizovao ili pretpostavljajući da će se realizovati.

Primer:
U kesi se nalazi 5 belih i 9 crnih kuglica. Izvlačimo nasumice 2 kuglice, jednu po jednu, bez
vraćanja.
Kolika je verovatnoća da ćemo iz drugog puta izvući crnu, ako je u prvom izvlačenju
izvučena bela kuglca?

9
 6. TOTALNA VEROVATNOĆA

Neka je S skup elementarnih događaja nekog eksperimenta i neka su H1, H2,...,Hn slučajni
događaji (hipoteze) koji čine potpun sistem događaja tog eksperimenta, S=H1UH2... Hn i
važi da je Hi ∩Hj =Φ , za i j, i,j=1,2,...,n. Neka je A neki događaj takav da je A ⊂ S, tada je
A=S∩A, odnosno A= (H1UH2UH3 ... Hn)∩ A.

Koristeći distributivnost presjeka prema uniji imamo:

A=(H1∩ A) U(H2∩A)U ... (Hn∩ A)

Kako su događaji H1, H2,...,Hn po pretpostavci međusobno isključivi, to su i događaji

H1∩ A, H2∩ A,..., Hn∩ A međusobno isključivi, pa je vjerovatnoća ove unije jednaka zbiru
vjerovatnoća
P(A)=P(H1A)+P(H2A)+...+P(HnA)

Međutim, za svako k (1≤ k ≤n) važi da je P(HkA)=P(Hk)P(A|Hk) –na osnovu uslovne

vjerovatnoće za realizaciju događaja A, ako se realizovao događaj Hk

Potpuna ili totalna vjerovatnoća je:

n
P( A)=∑ P ( H ¿k )∙ P( A∨Hk)¿
k=1

vjerovatnoće P(Hk) su obično poznate unaprijed (a priori)

10
ZAKLJUČAK

U predhodnom delu rada je pokazano kako je nastala verovatnoća, kako se ona razvijala i
kako se ona ponaša u statistici i u svakodnevnom životu.

Još u od XVII veka, kada su postavljane osnovne Teorije verovatnoće, pa do današnjih dana,
teorija verovatnoće je predmet interesovanja mnogih naučnih disciplina. Razlog njene velike
aktuelnosti u savremenom društvu je u tome što je ona od značaja i od praktične primene u
prilazu i u potpunom sagledavanju različitih problema u nauci.

Neprekidno se vode diskusije oko proširivanja, preispitivanja i teorijskih osnova

verovatnoće. U tim naučnim diskusijama uključeni su filozofi, matematičari, statističari i
drugi.

Teorija verovatnoće je posebno značajna u statističkoj inferenciji, koja počiva na njenim

osnovama. U mnogim statističkim delima ističe se razvoj i upotreba teorije verovatnoće u
statistici od XIX veka. Danas se statistička teorija inferencije primenjuje u skoro svim
naučnim disciplinama, postala je sastavni deo teorijske fizike, a preko kvantne teorije nalazi
svoje mesto i u atomistici. Primena računa verovatnoće u statističkim istraživanjima
interpretacija modela i rezultata ne sme da se posmatra odvojeno. Subjektivni prilaz računa
verovatnoće i na njegovoj osnovi Bajesova statistika, kako se često naziva, je savremeni trend
u statistici.

Kao što se može zaključiti, teorija verovatnoće je svojom neizmerno širokom upotrebom
zaslužila mesto među vodećim disciplinama današnjice. Samo izučavanje ove oblasti kao
zasebne discipline zehteva mnogo vremena i rada delom zbog njenih mnogobrojnih primena,
a delom zbog teškog pronalaženja odgovarajuće literature.

Rad ukazuje na velike mogućnosti daljeg istraživačkog rada na ovom području, jer je ovo
grana matematike koja će se u budućnosti sa razvitkom tehnologije sve više razvijati i imati
sve veću praktičnu primenu i u drugim disciplinama.

11
LITERATURA

Web sajtovi:
 Tomič, V., Elementi verovatnoće u srednjoj školi, (master rad)
 file:///C:/Users/R/Downloads/US%20-%20Verovatnoca%20i%20statistika-%202019.pdf
 file:///C:/Users/R/Downloads/US%20-%20Verovatno%C4%87a%20i%20statistika.pdf
 http://moodle.f.bg.ac.rs/file.php/29/Teor_verovatnoce_bez_grafika_tekst_za_studente.pd
 https://www.ef.uns.ac.rs/predmeti/oas/statistika/2020-01-10-ver-verovatnoce-i-
rasporedi.pdf
 https://sr.wikipedia.org/sr

12