Professional Documents
Culture Documents
STATISTIKA
Prirodoslovno-matematiµcki fakultet
De…nicija
Ako je µ oµcekivanje sluµcajne varijable X , onda oµcekivanje sluµcajne
varijable (X µ)2 nazivamo varijancom sluµcajne varijable X i
oznaµcavamo jup sa Var [X ] = σ2 , a standardnom devijacijom D [X ] = σ
nazivamo broj σ2 .
De…nicija
Ako je µ oµcekivanje sluµcajne varijable X , onda oµcekivanje sluµcajne
varijable (X µ)2 nazivamo varijancom sluµcajne varijable X i
oznaµcavamo jup sa Var [X ] = σ2 , a standardnom devijacijom D [X ] = σ
nazivamo broj σ2 .
h i
Vrijedi σ2 = E (X µ)2 = (x1 µ)2 p1 + (x2 µ)2 p2 +
De…nicija
Ako Bernoullijev pokus ponavljamo n puta, a sluµcajna varijabla Xn svakoj
seriji od n pokusa (svakoj ure†enoj n-torki ishoda jednog pokusa)
pridruµzuje ukupan broj ishoda dogo†aja A, onda varijablu Xn nazivamo
binomnom sluµcajnom varijablom ili da ima binomnu B fn, p g razdiobu.
De…nicija
Ako Bernoullijev pokus ponavljamo n puta, a sluµcajna varijabla Xn svakoj
seriji od n pokusa (svakoj ure†enoj n-torki ishoda jednog pokusa)
pridruµzuje ukupan broj ishoda dogo†aja A, onda varijablu Xn nazivamo
binomnom sluµcajnom varijablom ili da ima binomnu B fn, p g razdiobu.
Teorem
Distribucija binomne sluµcajne varijable B fn, p g ( binomna distribucija) je
zadana sa
p (Xn = k ) = k !(nn! k )! p k (1 p )n k , k = 0, ..., n
Teorem
Oµcekivanje binomne sluµcajne varijable s B fn, p g razdiobom
p je
E [Xn ] = np, a standardna devijacija je D [Xn ] = σ = np (1 p ).
De…nicija
Kaµzemo da diskretna sluµcajna varijabla X koja poprima vrijednosti u N0
ima Poissanovu distribuciju ako postoji λ > 0 takav da je njezina
λ k
distribucija zadana sa p (X = k ) = e k !λ , k = 0, 1, ...
De…nicija
Kaµzemo da diskretna sluµcajna varijabla X koja poprima vrijednosti u N0
ima Poissanovu distribuciju ako postoji λ > 0 takav da je njezina
λ k
distribucija zadana sa p (X = k ) = e k !λ , k = 0, 1, ...
Teorem
Oµcekivanje varijable X s Poissonovom
p distribucijom je µ = E [X ] = λ, a
st. devijacija je σ = D [X ] = λ.
De…nicija
Diskretnu sluµcajnu varijablu X koja poprima konaµcno mnogo vrijednosti
x1 , ..., xn tako da je p (x1 ) = = p (xn ) = n1 nazivamo jednoliko
( uniformno) distribuiranom varijablom.
De…nicija
Neka je (Ω, F , p ) vjerojatnosni prostor. Funkciju X : Ω ! R nazivamo
sluµcajnom varijablom ako je X 1 (ha, b i) 2 F za svaki a, b 2 R.
De…nicija
Neka je (Ω, F , p ) vjerojatnosni prostor. Funkciju X : Ω ! R nazivamo
sluµcajnom varijablom ako je X 1 (ha, b i) 2 F za svaki a, b 2 R.
De…nicija
Neka je (Ω, F , p ) vjerojatnosni prostor. Funkciju X : Ω ! R nazivamo
sluµcajnom varijablom ako je X 1 (ha, b i) 2 F za svaki a, b 2 R.
De…nicija
Funkcijom distribucije od X nazivamo funkciju FX : R ! [0, 1]
FX ( a ) = p ( X < a ) .
De…nicija
Za sluµcajnu varijablu X kaµzemo da je neprekidna (kontinuirana) ako
postoji nenegativna funkcija f : R ! R takva da je
Rb
p (a < X < b ) = f (x ) dx, za svaki a, b 2 R, a < b. Funkciju f
a
nazivamo gustoćom sluµcajne varijable a njezin graf krivuljom
distribucije.
De…nicija
Za sluµcajnu varijablu X kaµzemo da je neprekidna (kontinuirana) ako
postoji nenegativna funkcija f : R ! R takva da je
Rb
p (a < X < b ) = f (x ) dx, za svaki a, b 2 R, a < b. Funkciju f
a
nazivamo gustoćom sluµcajne varijable a njezin graf krivuljom
distribucije.
De…nicija
Oµcekivanjem neprekidne sluµcajne varijable gusto´ce f nazivamo broj (ako
R∞
postoji) µ = E [X ] = xf (x ) dx, a odgovaraju´com standardnom
∞ s
R∞
devijacijom nazivamo broj σ = D [X ] = (x µ)2 f (x ) dx, odnosno
∞
varijancom broj σ2 = Var [X ] .
De…nicija
Oµcekivanjem neprekidne sluµcajne varijable gusto´ce f nazivamo broj (ako
R∞
postoji) µ = E [X ] = xf (x ) dx, a odgovaraju´com standardnom
∞ s
R∞
devijacijom nazivamo broj σ = D [X ] = (x µ)2 f (x ) dx, odnosno
∞
varijancom broj σ2 = Var [X ] .
Teorem
Ako su X i Y sluµcajne varijable s oµcekivanjima E [X ] i E [Y ] , tada
varijable c = const, cX i X + Y imaju sljede´ca oµcekivanja E [c ] = c,
E [cX ] = cE [X ] i E [X + Y ] = E [X ] + E [Y ].
Primjer
Vrijeme posluµzivanja neke stranke na jednom šalteru banke u prosjeku
iznosi 10 minuta. Ako je utrošak vremena po stranci na tom šalteru
eksponencijalno distribuirana sluµcajna varijabla, tada, stavljaju´ci
λ = µ1 = 101
je vjerojatnost da usluµzivanje sluµcajno prispijele stranke bude
do 6 minuta jednaka
R6 1 1 1
p (X < 6) = 10 e 10 x dx = e 10 x j60 = e 0.6 + 1 = 0.451
0
STATISTIKA (PMF) doc.dr.sc. Nikola Koceić Bilan 41 / 52
Primjer
Sluµcajna varijabla koja je χ2 -distribuirana s 20p
stupnjeva slobode ima
oµcekivanje µ = 20, a devijaciju jednaku σ = 2 10. Vjerojatnost da je
vrijednost sluµcajne varijable manja od 39.9968 je
p (X < 39.9968) = 1 p (X > 39.9968) = 1 0.005 = 0.995, a
vjerojatnost da je izme†u 34.1696 i 39.9968 je
p (X 2 h34.1696, 39.9968i) = p (X > 34.1696) p (X > 39.9968) =
0.025 0.005 = 0.02
1 x µ 2
Ako je gustoća sluµcajne varijable funkcija f (x ) = σp12π e 2 ( σ ) ,
x 2 R, µ 2 R, σ > 0, tada za nju kaµzemo da je normalno
distribuirana (ili samo normalna) i to N (µ, σ) distribuirana (time
naglašavamo µcinjenicu, da gustoća normalno distribuirane varijable
ovisi o 2 prametra)
1 x µ 2
Ako je gustoća sluµcajne varijable funkcija f (x ) = σp12π e 2 ( σ ) ,
x 2 R, µ 2 R, σ > 0, tada za nju kaµzemo da je normalno
distribuirana (ili samo normalna) i to N (µ, σ) distribuirana (time
naglašavamo µcinjenicu, da gustoća normalno distribuirane varijable
ovisi o 2 prametra)
Teorem
Oµcekivanje normalno N (µ, σ) distribuirane varijable X je E [X ] = µ a st.
devijacija je D [X ] = σ.
1 x µ 2
Ako je gustoća sluµcajne varijable funkcija f (x ) = σp12π e 2 ( σ ) ,
x 2 R, µ 2 R, σ > 0, tada za nju kaµzemo da je normalno
distribuirana (ili samo normalna) i to N (µ, σ) distribuirana (time
naglašavamo µcinjenicu, da gustoća normalno distribuirane varijable
ovisi o 2 prametra)
Teorem
Oµcekivanje normalno N (µ, σ) distribuirane varijable X je E [X ] = µ a st.
devijacija je D [X ] = σ.
X µ
Standardizirana varijabla Z = σ od normalno distribuirane
varijable je normalno N (0, 1) distribuirana varijabla µcija gustoća je
1 2
f (z ) = p12π e 2 z .