SLUČAJNA VARIJABLA

Diskretna slučajna varijabla

SLUČAJNA VARIJABLA

razlikujemo: numeričke podatke diskretnog tipa

numeričke podatke neprekidnog tipa

razlika pri opisivanju vjerojatnosnih svojstava slučajnih varijabli kojima modeliramo varijable u
istraživanju

1) diskretne slučajne varijable - za opis diskretnih numeričkih podataka u istraživanju

2) neprekidne slučajne varijable - za opis neprekidnih numeričkih podataka u istraživanju

DISKRETNA SLUČAJNA VARIJABLA

Ukoliko je R(X) konačan ili prebrojiv skup kažemo da je slučajna varijabla X diskretna.

skup svih mogućih realizacija diskretne slučajne varijable:

konačan skup: R(X) = {x1 , x2 , x3 , . . . , xn }

beskonačan skup: R(X) = {x1 , x2 , x3 , . . .}

Vjerojatnost događaja vezanog uz realizaciju diskretne slučajne varijable računamo pomoću vjerojatnosti
pojedinačnih realizacija.

Skupu svih mogućih realizacija diskretne slučajne varijable treba pridružiti skup vjerojatnosti da se dogodi
svaka pojedinačna realizacija => DISTRIBUCIJA (razdioba)

Vjerojatnost da se dogodi realizacija xi označavamo sa pi

PRIKAZ DISTRIBUCIJE DISKRETNE SLUČAJNE VARIJABLE

klasični tablični oblik

grafički prikaz:histogram- jedan stupac histograma odgovara jednoj realizaciji, a visina toga stupca
odgovara vjerojatnosti pojavljivanja te pojedinačne realizacije

tablica distribucije

DISKRETNA SLUČAJNA VARIJABLA X JE U POTPUNOSTI ZADANA:

1) skupom R(X)

2) pripadnim nizom vjerojatnosti svih pojedinačnih realizacija

I. Vjerojatnost pojedinačne realizacije je veća od ili jednaka nula.

II. Suma vjerojatnosti svih pojedinačnih realizacija jednaka je jedan.

TABLICA DISTRIBUCIJE DISKRETNE SLUČAJNE VARIJABLE

Diskretna slučajna varijabla je u potpunosti zadana svojom tablicom distribucije.

Ako je poznata tablica distribucije diskretne slučajne varijable, kažemo da je poznata razdioba ili
distribucija.

VJEROJATNOST DOGAĐAJA Vjerojatnost događaja A vezanog uz realizaciju diskretne slučajne varijable

računamo na sljedeći način

Vjerojatnost događaja A vezanog uz realizaciju diskretne slučajne varijable jednaka je sumi vjerojatnosti
odgovarajućih ishoda.

SLUČAJNA VARIJABLA

Empirijska distribucija diskretne slučajne varijable

Određivanje tablice distribucije diskretne slučajne varijable:

1. Odrediti sve moguće ishode te slučajne varijable.

2. Odrediti vjerojatnost pojavljivanja svakog od ishoda

Problem: Ne znamo pripadni niz vjerojatnosti pi , i =1,..., n

Rješenje: Odrediti pripadni niz vjerojatnosti pi , i =1,..., n na temelju prikupljenih podataka primjenom
pretpostavke da se relativna frekvencija pojavljivanja realizacije xi u prikupljenim podacima može dovesti
u vezu s vjerojatnosti pi ukoliko je broj mjerenja dovoljno velik (statistička metoda određivanja
vjerojatnosti).

Prikupljanje podataka

realizacije jedne diskretne slučajne varijable u M promatranja

nezavisne realizacije iste diskretne slučajne varijable X

Pretpostavka: diskretna slučajna varijabla X može primiti samo konačno mnogo vrijednosti, tj.
R(X) = {x1 , x2 , x3 , . . . , xn }

EMPIRIJSKA DISTRIBUCIJA DISKRETNE SLUČAJNE VARIJABLE Vjerojatnost pi je relativna frekvencija

pojavljivanja realizacije xi u M mjerenja.

f i := frekvencija pojavljivanja realizacije xi u podacima

Empirijska distribucija diskretne slučajne varijable zadana je tablicom distribucije:

 SLUČAJNA VARIJABLA

Neprekidna slučajna varijabla

NEPREKIDNA SLUČAJNA VARIJABLA

Skup svih mogućih realizacija R(X)

interval ili segment iz skupa realnih brojeva

skup realnih brojeva

Niz vjerojatnosti pojedinačnih realizacija?

vjerojatnosna svojstva neprekidne slučajne varijable ne mogu se opisati korištenjem niza vjerojatnosti
pojedinačnih realizacija

naglasak pri njihovom opisivanju je na intervalu vrijednosti koje takva varijabla prima, a ne na
pojedinačnim realizacijama

Za slučajnu varijablu X kažemo da je neprekidna (kontinuirana) slučajna varijabla ako postoji

nenegativna realna funkcija f, definirana na skupu realnih brojeva, takva da vjerojatnost

predstavlja površinu između osi x i grafa funkcije f na intervalu [a, b]. Takvu funkciju f zovemo funkcija
gustoće neprekidne slučajne varijable X.

SLUČAJNA VARIJABLA

Mjere centralne tendencije i raspršenosti slučajne varijable

NUMERIČKE VARIJABLE numeričke podatke smo opisivali mjerama centralne tendencije i mjerema
raspršenosti

SLUČAJNE VARIJABLE (u statističkom zaključivanju)

koristimo analogne mjere za lakši opis svojstava slučajnih varijabli i to posebno za:

diskretne slučajne varijable- na temelju tablice distribucije

neprekidne slučajne varijable - na temelju funkcije gustoće

OČEKIVANJE (EX) mjera centralne tendencije

VARIJANCA (VarX) mjera raspršenja oko očekivanja

STANDARDNA DEVIJACIJA (StDevX) mjera raspršenja oko očekivanja

ČEBIŠEVLJEVA NEJEDNAKOST

Za sve slučajne varijable koje imaju varijancu:

ocjena raspršenosti realizacija slučajne varijable oko očekivanja

1. Barem 75% realizacija slučajne varijable padne u interval (μ − 2σ, μ + 2σ).

2. Barem 88% (približno 90%) realizacija slučajne varijable padne u interval (μ − 3σ, μ + 3σ).

EMPIRIJSKA DISTRIBUCIJA SLUČAJNE VARIJABLE

u statističkim istraživanjima varijable o kojima prikupljamo podatke modeliramo kao slučajne varijable.
koristiti prikupljene podatke za aproksimativno računanje vjerojatnosti

Varijable o kojima želimo zaključivati ne moraju biti uvijek diskretnog tipa s konačnim skupom vrijednosti

SLUČAJNA VARIJABLA

Normalna slučajna varijabla

Parametri distribucije:

1. Maksimum funkcije gustoće

2. Simetrija grafa funkcije gustoće

3. „Širina” grafa funkcije gustoće

Normalna slučajna varijabla je neprekidna slučajna varijabla za koju je a funkcija gustoće

definirana je izrazom

Gdje je bilo koji realan broj, a . Oznaka:

Značenje parametara μ i σ 2 normalne distribucije slučajne varijable X:

OČEKIVANJE μ = EX

VARIJANCA σ 2 = VarX, σ > 0

Ako je μ = 0 i σ 2 = 1, normalnu slučajnu varijablu zovemo STANDARDNA NORMALNA SLUČAJNA

VARIJABLA. X~N(0, 1)

Odstupanje od očekivanja 12 Vjerojatnost da realizacija slučajne varijable X~N (µ, σ 2 ) padne u interval:
a) [µ−σ, µ+σ] iznosi 0.68

b) [µ−2σ, µ+2σ] iznosi 0.95

c) [µ−3σ, µ+3σ] iznosi 0.9972

STATISTIČKO ZAKLJUČIVANJE – JEDNA VARIJABLA

 Intervalna procjena očekivanja

INTERVALNA PROCJENA

Procjene očekivanja daju različite rezultate za različite realizacije slučajne varijable.

PROCJENU OČEKIVANJA vršimo INTERVALOM

INTERVAL POUZDANOSTI je interval koji sadrži stvarnu vrijednost veličine koju procijenjujemo s
vjerojatnošću barem γ.

U 100γ % slučajeva će interval pouzdanosti (interval realnih brojeva) sadržavati stvarnu vrijednost
veličine koju procijenjujemo.

PROCJENA OČEKIVANJA POUZDANIM INTERVALOM ZA VELIKE UZORKE

Za uzorak kažemo da je velik ako je njegova dimenzija veća od 30, tj. ako sadrži više od 30 izmjerenih
vrijednosti.

INTERVAL POUZDANOSTI γ ZA PROCJENU OČEKIVANJA ZA VELIKE UZORKE

STATISTIČKO ZAKLJUČIVANJE – JEDNA VARIJABLA

Intervalna procjena proporcije

INTERVAL POUZDANOSTI γ ZA PROCJENU PROPORCIJE

INTERVAL POUZDANOSTI γ ZA PROCJENU PROPORCIJE

Broj elemenata u uzorku (n) je dovoljno velik za primjenu ovakvog zaključivanja ako interval

ne sadrži ni 0 ni 1.

STATISTIČKO ZAKLJUČIVANJE – JEDNA VARIJABLA

Testiranje hipoteza

Statistička hipoteza je hipoteza formulirana u terminima distribucije slučajne varijable.

tvrdnja o karakteristici populacije čiju vjerodostojnost ispitujemo pomoću podataka prikupljenih iz

slučajnog uzorka

oznaka: H

Testirati hipotezu znači donijeti odluku o tome hoćemo li H odbaciti ili prihvatiti.

POSTUPAK TESTIRANJA STATISTIČKE HIPOTEZE

1. Kreirati statistički model, tj. prevesti problem u statističku hipotezu H

2. Postaviti nultu hipotezu H0 i alternativnu hipotezu H1

Alternativna hipoteza je ona koju prihvaćamo u slučaju odbacivanja nulte hipoteze.

3. Odabrati prikladan statistički test i njegovu razinu značajnosti α

a) test statistika

b) kritično područje

4. ODLUKA:

1. odbacujemo nultu hipotezu i prihvaćamo alternativnu hipotezu

2. ne odbacujemo nultu hipotezu

TESTIRANJE HIPOTEZA

1) hipoteze: dvostrani/jednostrani test

2) test statistika

3) kritično područje/p-vrijednost

4) odluka
STATISTIČKO ZAKLJUČIVANJE – JEDNA VARIJABLA

Testiranje hipoteza o očekivanju

STATISTIČKO ZAKLJUČIVANJE – JEDNA VARIJABLA

Testiranje hipoteza o vjerojatnosti događaja