ZAJEDNIČKA, MARGINALNA I USLOVNA

RASPODJELA VJEROVATNOĆE

 Funkcija raspodjele vjerovatnoće definisana nad parom

slučajnih promjenljivih X i Y, poznata je kao zajednička ili
dvodimenzionalna raspodjela vjerovatnoće:
f xy  X , Y 
f xyz  X , Y , Z  za trodimenzionalni raspored
 Ako se radi o diskretnim slučajnim promjenljivim

f xy  X , Y   P X  x, Y  y 
f xyz  X , Y , Z   P X  x, Y  y, Z  z 
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Primjer:
Pretpostavimo da imamo spiner na kome su četiri broja 1, 2, 3, 4.
Ukoliko bismo dva puta zavrtjeli spiner, koja je vjerovatnoća da
ćemo dobiti jednu jedinicu i jednu četvorku P X  1, Y  4 ?

X - broj jedinica prilikom dva zavrtaja

Y – broj četvorki prilikom dva zavrtaja

Zajednička raspodjela vjerovatnoće:

f xy  X , Y 

Marginalne vjerovatnoće:

f x  X    f xy  X , Y  - marginalna vjerovatnoća od X
Y

f y Y    f xy  X , Y  - marginalna vjerovatnoća od Y
X
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Zajednička raspodjela vjerovatnoće

Y  y1 Y  y2 .... Y  yn

X  x1 p11 p12 ... p1n

X  x2 p21 p22 ... p2 n


    
X  xm pm1 pm 2 ... pmn

Uslovi:
1. pij  0 i  1, 2,, m; j  1, 2,, n
m n
2.  p
i 1 j 1
ij 1
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Pojedinačne raspodjele vjerovatnoće:

P X  x1   p11  p12    p1n  g1

P X  x2   p21  p22    p2 n  g 2

P X  xm   pm1  pm 2    pmn  g m

 x1 x2  xn 
X :  
 g1 g2  gm 
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Pojedinačne raspodjele vjerovatnoće:

PY  y1   p11  p21    pm1  f1

PY  y2   p12  p22    pm 2  f 2


PY  ym   p1n  p2n    pmn  f m

 y1 y2  yn 
Y :  
 f1 f2  fm 
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Očekivana vrijednost i varijansa slučajnih promjenljivih X i Y:

m
E  X   x1 g1  x2 g 2    xm g m   xi g i
i 1
m
var  X   E x  E  X    xi  E  X  g i
2 2

i 1
n
E Y   y1 f1  y2 f 2    yn f n   y j f j
j 1

 
var Y   EY  E Y    y j  E  X  f j
n
2 2

j 1
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

 KOVARIJANSA I KOEFICIJENT KORELACIJE

m n
cov X , Y   x
i 1 j 1
i  E  X  yi  E Y  pij

 Kovarijansa predstavlja mjeru međusobne povezanosti slučajnih

promjenljivih.

 Koeficijent korelacije je pokazatelj linearne korelisanosti između

varijabli X i Y.
cov X , Y 

v X vY 
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Primjer 1:
Novčić za igru se baca dva puta. Neka je X slučajna promjenljiva
definisana kao broj palih pisama, a Y kao broj palih grbova.
Odrediti koeficijent korelacije između X i Y.

 NEZAVISNOST SLUČAJNIH PROMJENLJIVIH

P A | B  P A
P AB
P A | B  
P B 
P AB  P APB
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Primjer 1:
Dvodimenzionalna slučajna promjenljiva (X,Y) zadata je svojim
zakonom raspodjele

X|Y 2 4 6
0 0.02 0.06 0.12
1 0.03 0.12 0.18
3 0.07 0.18 a

a) Naći konstantu a
b) Naći marginalne zakone raspodjele slučajnim promjenljivih X i Y
c) Ispitati nezavisnost slučajnih promjenljivih X i Y
d) Izračunati vjerovatnoću P(X=1| Y=4)
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Primjer 2:
Ispravan novčić bačen je tri puta. Neka je X slučajna promjenljiva
koja uzima vrijednost 0 ako pri prvom bacanju padne pismo, a
vrijednost 1 ako pri prvom bacanju padne glava. Neka je Y slučajna
promjenljiva koja označava broj glava koje se pojavljuju u tri
bacanja.
a) Naći marginalne zakone raspodjele slučajnih promjenljivih X i Y
b) Naći zakon raspodjele dvodimenzionalne slučajne promjenljive
(X,Y)
c) Ispitati nezavisnost slučajnih promjenljivih X i Y
d) Izračunati vjerovatnoću P(X=1| Y=2)
 ZAJEDNIČKA, MARGINALNA I USLOVNA
RASPODJELA VJEROVATNOĆE

Primjer 3:
Broj X je izabran na slučajan način iz skupa {1,2,3,4}. Drugi broj Y
je izabran iz istog skupa, ali tako da nije manji od X. Naći zakon
raspodjele slučajnog vektora (X,Y), te marginalne zakone raspodjele
slučajnih promjenljivih X i Y. Da li su slučajne promjenljive X i Y
nezavisne?
 STATISTIČKO ZAKLJUČIVANJE
Osnovni skup i uzorak
Osnovni skup:
1. Konačan i beskonačan

2. Hipotetičan i realan

3. Fizički i statistički

 Slučajan uzorak – svaki od n elemenata iz osnovnog skupa ima

jednaku vjerovatnoću da bude izvučen kao dio uzorka
 STATISTIČKO ZAKLJUČIVANJE
 Kako odrediti srednju vrijednost i varijansu osnovnog skupa na bazi
uzorka?

X1  X 2    X n 1 n
X    Xi
n n i 1

 Ukoliko bi se uzabralo j uzoraka iz osnovnog skupa, mogli bismo

iztačunati j aritmetičkih sredina koje će u prosjeku biti bliske
parametru 

 Nepristrasna ili centrirana ocjena – ocjena čija je očekivana

vrijednost jednaka parametru koji se ocjenjuje
 STATISTIČKO ZAKLJUČIVANJE
 Varijansa ocjene aritmetičke sredine – pokazuje stepen prosječnog
odstupanja ocjene Xod srednje vrijednosti osnovnog skupa.

 Varijansa je manja ako je:

1. Varijansa osnovnog skupa manja
2. Veći obim uzorka

 Nepristrasna ocjena koja sa rastom uzorka teži parametru koji se

ocjenjuje je konzistentna.

 Centralna granična teorema – aritmetička sredina izračunata na bazi

dovoljno velikog uzorka, koja pripada osnovnom skupu sa
parametrima  i  2 , posjeduje normalnu rasporedu sa
parametrima  i 
2

n
 STATISTIČKO ZAKLJUČIVANJE
 Varijansa osnovnog skupa  2 ocjenjuje se na sljedeći način:

 X  X
n
2
i
v  2 i 1

n
 Ocjena varijanse ne zadovoljava uslov nepristrasnosti

 
E v2   2

 Nepristrasna ocjena varijanse:

 X  X
n
2
i
s 
2 i 1

n 1

 X 
 X     X i     X      
n n
Dokaz: 2 2
i
i 1 i 1
 STATISTIČKO ZAKLJUČIVANJE
 INTERVALNA OCJENA ARITMETIČKE SREDINE

   
P   2  X  2   0.95
 n n

   
P   2  X  2   0.95
 n n

 Interval povjerenja u opštem slučaju

  
X  k 
 n 
 STATISTIČKO ZAKLJUČIVANJE
Primjer 1:
Za podatke iz uzorka: 15, 16, 22, 20, 23, 19 i 18, izračunati
aritmetičku sredinu i ocijeniti varijansu.

Primjer 2:
Slučajan uzorak od 25 elemenata sa sredinom 120 uzet je iz
normalne raspodjeljene populacije od 1500 elemenata sa
standardnom devijacijom 40. Odrediti granice intervala povjerenja
za nepoznatu sredinu sa vjerovatnoćom a) 0.90; b) 0.95 i c) 0.99.
Šta razlika u dobijenom rezultatu pokazuje?