Predmet statistikog istraivanja su masovne pojave

Da bi se sagledalo ponaanje jedne masovne pojave,

potrebno je obuhvatiti sve njene manifestacije

posmatrati sluajeve na kojima se ona ispoljava.

Skup svih elemenata na kojima se izvjesna p ojava posmatra zove se statistiki skup ili populacija. Statistiki skup masa stvari ili bia (preduzea, stanovi, poljoprivredne povrine, zaposleni radnici ... ) ije se osobine posmatraju u datom momentu da bi se utvrdila struktura skupa po tim osobinama. Skup moe sainjavati masa dogaaja ije se karakteristike posmatraju tokom vremena kako se oni zbivaju.Formiranje statistikog skupa zavisi od prirode pojave, cilja istraivanja i r aspoloivih mogunosti posmatranja. Kod formiranja statistikog skupa mora se voditi rauna da statistiki skup zadovolji svojstvo da bude relativno homogen.

Da bi mnotvo jedinica sainjavalo statistiki

skup, one moraju imati barem jednu zaj

niku osobinu. Ukoliko jedinice imaju vie

zajednikih osobina, utoliko je skup homogeniji. Kad jedinice nemaju ni jednu zajedniku osobinu, one ne mogu sainjavati statistiki skup. Statistiki skup je homogen kada su jedinice koje ga s ainjavaju istovrsne, a pokazuju samo razlike u pogledu ispitivanih odlika. Statistiki skupovi su relativno homogeni npr. penzioneri i aci se meusobom razlikuju, ali i jedni i drugi sainjavaju radno neaktivno stanovnitvo.Jedinice koje sainjavaju statistiki skup moraju biti istovrsne ali ne i istovjetne. Jedinice statistikog skupa iako istovrsne, r azlikuju se meusobno po izvjesnim osobinama. Karakteristika statistikog skupa je da j e relativno homogen, ali takoe i diferenciran u pogledu nekih osobina. Statistiki skup treba definisati PROSTORNO, VREMENSKI I POJMOVNO. Prostorno odrediti statistiku skup z nai odrediti prostor (teritoriju) na koji se odnose ili kojem pripadaju odreene statistike jedinice. Vremenski odrediti statistiki skup znai odrediti momenat ili razdoblje vremena u kojem e se obuhvatiti sve jedinice koje ulaze u statistiki skup. U zavisnosti od prirode pojave koju ispitujemo, jedinice skupa i njihove karakteristike odreujemo ili u pojedinim momentima (tzv kritinim momentima) ili u intervalima vremena. Kod druge grupe pojava treba odrediti vremensko razdoblje,tzv i zvjetajni interval unutar kojeg se vri kumuliranje

podataka; dobijeni kumulativni rezultat se smatra u toku odabranog procesa kao karakteristika date jedinice skupa (npr. pojedinana mjesena proizvodnja svih proizvoda jedne tvornice koja proizvodi sredstva za zatitu bilja). Sadrinsko stvarno odreenje statistikog skupa iziskuje odreivanje osobine koju mora da ima svaka jedinica da bi bila ukljuena u skup

Osobine po kojima se jedinice odreenog statistikog s

kupa razlikuju meusobno ili se mogu razlikovati

nazivaju se statistikim obiljejima. Razliiti vidovi u

kojima se obiljeje moe javljati nazivaju se

modalitetima tog obiljeja.

Obiljeja se mogu djeliti prema vie kriterija, ali je najvanija podjela n a atributivna (opisna) i numerika. Atributivna obiljeja se izraavaju opisno- rijeima. Osnovna odlika atri butivnog obiljeja je da njegovi modaliteti ne odraavaju intenzitet posmatrane osobine ve samo njene razliite pojavne oblike Obiljeja koja se izraavaju brojano nazivaju s e numerikim. U skupu stanovnitva jedinice se meusobno razlikuju po sljijedeim numerikim obiljejima:visini, tjelesnoj masi, godinama starosti,

Numerika obiljeja mogu biti prekidna i neprekidna. Prekidna obiljeja uzimaju samo izolovane diskontinuirane vrijednosti (najee cijele brojeve); do ovih numerikih vrijednosti najee dolazimo prebrojavanjem.

Ako meutim numeriko obiljeje moe

imati ma koju vrijednost unutar jednog

intervala nazivamo ga neprekidnim ili

kontinuiranim.Do potpune i tane informacije

skupa dolazimo samo ako obuhvatimo

sve jedinice na kojima se opisana pojav

a ispoljava, tj ako naparvimo POPIS. Zahvaljujui primjeni teorije vjerovatnoe, potpunu obuhvatnost skupa zamjenjujemo STATISTIKIM ZAKLJUIVANJEM. Pod statistikim zakljuivanjem podrazumijevamo postupak donoenja zakljuaka o karaktreistikama statistikog skupa na osnovu posmatranja samo jednog dijela tog skupa UZORKA.

Informacije koje dobijamo uoptavanjem razultata

ovakvog posmatranja mogu sadravati vee ili manje GREKE.

Dvije osnovne oblasti statistikog zakljuivanja ine:

-ocjenjivanje nepoznatih parametara skupa i

testiranje statistikih hipoteza

DESKRIPTIVNA ANALIZA

Statistiki metodi istraivanja masovnih pojava se

mogu podijeliti u dvije osnovne grupe.

Jedna grupa obuhvata metode prikupljanja,

sreivanja i prikazivanja podataka i metode odreiv

a parametara skupa. Ona spada u domen DESKRIPTIVNE

STATISTIKE.Drugu grupu sainjavaju metodi statistike an

alize, iji je osnovni zadatak objanjenje varijabiliteta pomou

klasifikacionih, korelacionih i drugih statistikih pokazatelja kao i

statistiko zakljuivanje na osnovu uzorka. Ovim metodama se bavi

ANALITIKA STATISTIKA koja se ne moe strogo razgraniiti

od deskriptivna statistike.

Ciojeli proces statistikog istraivanja se moe svesti

u tri osnovne etape:

-Statistiko posmatranje,

Sreivanje, grupisnje i obrada podataka

-Statistika analiza. 2.1.2. Mjerne skale Svaki nivo mjerenja ima posebnu skalu sa odreenim jedinicama mjere. Postoje etiri nivoa mjerenja i etiri mjerne skale: nominalna, ordinalna, intervalna i skala odnosa. Nominalna skala je najnepreciznija. U ovoj skali se brojevi koriste kod pojava koje se mogu klasifikovati samo na odreen broj i tip modaliteta. Tako se klasifikuje npr pol, brano stanje. Ordinalna skala svodi mjerenje modaliteta n a njihovo rangiranje po znaaju s obzirom n a usvojene kriterijume i to brojevima koji oznaav aju rang ali ne pokazuju veliinu njihovog razlikovanja. Intervalna i skala odnosa pokazuju ne samo redoslijed modaliteta nego i mjeru njihovog r azlikovanja. Pri tome obavjetenje o apsolutnim razlikama omoguuje intervalna a o relativnim r azlikama odnosna skala. Intervalnu skalu karakterie odreena jedinica mjere, kao npr za kalendarsko vrijeme,

potencijalnu energiju, temperaturu.Najvii nivo mjerenja se postie primjenom skale odnosa koja obezbjeuje znaenje bilo kog odnosa m jerenih objekata kao to su: visina u centimetrima, masa u kilogramima. 2.1.3. Metodi prikupljanja podataka Nastoji se izabrati metod prikupljanja podataka koji e sa najmanje trokova da obezbijedi traene rezultate.

Pojava koja se posmatra moe se obuhvatiti na

svim jedinicama statistikog skupa (potpuno posmatranje)

ili na samo jednom njegovom dijelu (djelimino posmatranje).

Statistiki popis

Statistiki popis je takav oblik

statistikog posmatranja pri kojem

se obuhvataju sve jedinice posmatranja jednog

statistikog skupa u odreenom momentu

koji se zove kritini momenat.Kritini momenat

vrijeme kada je posmatrani skup u najmanjem kretanju.

Statistiki izvjetaj

Statistikim izvjetajem se obavlja snimanje

promjena statistikog skupa u sukcesivnim

vremenskim intervalima.

Statistiki uzorak Uzorci se primjenjuju kao zamjena ili dopuna popisnog metoda, a u novije vrijeme i kao zamjena izvjetajnog metoda. U toku prikupljanja kao i u toku obrade i analize podataka mogu se javiti statistike greke, jer idealni uslovi statistikog istraivanja parktino ne postoje. Greke mogu biti sluajne i sistematske. Sluajne greke se uglavnom meusobno potiru i nemaju naroitog znaaja za rezulate istraivanja, sistematske greke uvijek utiu na rezultat, pa se moraju otkloniti ili barem sagledati i o njima voditi rauna. 2.1.4. Sreivanje i obrada podataka Potrebno je napraviti plan sreivanja statistikog materijala kojim se predvia tehnika sreivanja, rokovi u kojima pojedini zadaci treba da budu izvreni. U zavisnosti od toga gdje se vri sreivanje statistike grae, razlikujemo:Centralizovano, Decentralizovano,

Kombinovano sreivanje. Decentralizac

ija omoguuje bre objavljivanje rezultata posmatranj

a za pojedina podruja, centralizovano sreivanje

se esto primjenjuje jer omoguuje bolju organizaciju sreivanja,

upotrebu jedinstvenog metoda, strunost obrade kao

i efikasnije koritenje tehnike za obradu podataka. Kombinovanje sreivanje se koristi kod potpunih statistikih akcija u cilju dobijanja brzih prethodnih rezultata, pa se jedan dio sreivanja vri dec entralizovano, a drugi se obavlja centralizovano. 2.2. PRIKUPLJANJE PODATAKA 2.2.1. Statistike serije Kao rezultat sreivanja statistikog materijala dobijemo statistike serije. Prema nainu formiranja i analitikom sadraju moemo ih podijeliti na:Serije strukture Vremenske serije

Serije strukture

Serije strukture pokazuju raspored statistikog

skupa po modalitetima,odnosno vrijednostima

obiljeje. Sastoje se iz dva reda obavijetenja.

U jednom su modaliteti, a u drugom broj jedinica,

odnosno frekvencije (uestalost) koje pokazuju

koliko se puta pojedini modaliteti javljaju unutar

posmatranog statistikog skupa. Postoje serije

strukture sa atributnim i serije strukture sa

numerikim obiljejem. Modaliteti atributivnih

obiljeja se iskazuju opisno i za njihovo grupisanje

je potrebno imati jasnu shemu klasifikacije.

Za atributivna obiljeja se postavlja problem klasifikacije

atributa, za numerika obiljeja se postavlja

problem gradiranja vrijednosti. Gradiranje brojanih

vrijednosti obiljeja se razlikuje u zavisnosti da li je obiljeje

PREKIDNO (diskontinuirano) ili NEPREKIDNO (kontinuirano).

Vremenske serije

Vremenske (hronoloke serije) su nizovi statistikih

podataka koji pokazuju varijacije tokom vremena.

One se prikazuju u dva niza, prvi niz se odnosi na

vrijeme (godina, kvartal, mjesec), a drugi na veliinu

(nivo) pojave u posmatranom periodu.Prema prirodi

podataka dijele se na momentne i intervalne.

Vremenske serije koje prikazuju veliinu ili nivo pojave

u tano odreenim sukcesivnim momentima nazivaju

se momentnim serijama, a dobijemo ih kao rezultate

vie uzastopnih popisa.

Intervalne vremenske serije pokazuju tok (kretanje)

pojave u sukcesivnim vremenskim intervalima ove

serije dobijamo kao rezultate izvjetajnog metoda

i podaci se mogu sabirati (kumulirati).

DESKRIPTIVNE MJERE

Pokazatelje rasporeda frekvencija koji pokazuju cijeli

osnovni skup nazivamo parameterima skupa i svrstavamo

ih u tri grupe: srednje vrijednosti kao mjere centralne tendencije rasporeda mjere disperzije rasprenosti mjere oblika rasporeda.

Mjere centralne tendencije

Srednja vrijednost treba da bude pokazatelj centralne tendencije. Ona predstavlja mjeru centralne tendencije i pokazuje lokaciju skupa. To je najznaajniji pokazatelj numerikih karakteristika serije, po datim mjerilima reperezentatuje cijeli skup i omoguuje poreenje izmeu razliitih skupova.

Srednje vrijednosti se dijele na: IZRAUNATE (ARITMETIKA, GEOMETRIJSKA, HARMONIJSKA, KVADRATNA, KUBNA) izraunavaju se na osnovu vrijednosti obiljeja

POZICIONE (MODUS I MEDIJANA) odreuju se

poloajem u seriji.

Aritmetika sredina

Aritmetika sredina ili prosjek se dobije kada se zbir svih vrijednosti obiljeja podijeli sa njihovim brojem. Ako je posmatrano obiljeje X, njegove vrijednosti x1, x2,... xi, ..... Xn njihov broj N, aritmetika sredina skupa koju emo obiljeiti sa , dobie se kao:

Za uzorak veliine n, aritmetika sredina negrupisanih podataka uzorka, koju oznaimo sa

Ako oznaimo razliite vrijednosti obiljeja sa x1, x2, x3, ... xi, ... Xn, a njihove odgovarajue frekvencije sa f1, f2, ..., fi, ...fk, aritmetika sredina skupa e biti:

to jest Ponderisana aritmetika sredina:

Aritmetika sredina ima osobine koje je karakteriu kao srednju vrijednost i izvjesne osobine: 1)Aritmetika sredina vea je od najmanje i manja

od najvee vrijednosti posmatranog obiljeja:

x1 < < xk

2)Aritmetika sredina se izjednauje sa vrijednos tima obiljeja, kada su one meu sobom jednake: x1 = x2 = ... = xi= ... = xk = a =

Za primjenu aritmetike sredine, najvei znaaj imaju njene slijedee osobine: 3)Zbir odstupanja aritmetike sredine od pojedinih

3.

vrijednosti obiljeja jednak je nuli:

4)Zbir kvadrata odstupanja aritmetike sredine od pojedinih vrijednosti obiljeja manji je od zbira kvadrata odstupanja bilo koje vrijednosti obiljeja xo (pa i drugih srednjih vrijednosti ako nisu jednake aritmetikoj sredini) od ostalih vrijednosti obiljeja:

5)Ako su dva obiljeja vezana linearnom funkcijom, tada su i njihove aritmertike sredine vezane tom istom linearnom funkcijom:

Y= b0 + b1x y = b0 + b1 x

Gdje je x aritmetika sredina serije x, a y aritmetika sredina serije y. Geometrijska sredina

Geometrijska sredina je srednja vrijednost koja izravnava relativne ili proporcionalne promjene izmeu vrijednosti podataka, za razliku od aritmetike sredine koja izravnava apsolutne razlike izmeu vrijednosti podataka posmatrane serije. Ona se dobija iz PROIZVODA vrijednosti podataka, s tim to se iz ovog uzima pozitivna vrijednost korijena iji je izloitelj jednak njihovom broju. Ako posmatrano obiljeje oznaimo sa X, a njegove vrijednosti sa x1, x2, ..., xN, onda e geometrijska sredina tih vrijednosti biti definisana formulom:

Obrazac za ponderisanu geometrijsku srednju vrijednost glasi:

Harmonijska sredina Harmonijska sredina je reciprona vrijednost aritmetike sredine recipronih vrijednosti obiljeja. Kao kod aritmetike i geometrijske sredine imamo prostu harmonijsku sredinu:

i ponderisanu harmonijsku sredinu:

Harmonijsku sredinu ima traiti smisla za ona obiljeja ije su vrijednosti razliite od nule. Ona ima osobine srednje vrijednosti i primjenjuje se u sluajevima kada su obiljeja statistikih jedinica izraena u obliku recipronih pokazatelja. Modus Pored izraunatih srednjih vrijednosti; aritmetike, geometrijske, harmonijske sredine, kao pokazatelji lokacije se javljaju pozicione srednje vrijednosti. Najpoznatiji meu njima su MODUS i MEDIJANA. Kada se govori o srednjoj vrijednosti kao tipinoj v rijednosti onda se misli na modus. Modus je vrijednost obiljeja koja u posmatranoj seriji ima najveu frekvenciju najee se javlja i zato je najtipinija vrijednost u seriji. Kada je u jednoj seriji samo jedna vrijednost obiljeja sa najveom frekvencijom, (kao u prethodnom primjeru), kaemo

da je unimodalna, a ako postoje dvije ili vie takvih vrijednosti, serija je bimodalna, odnosno multimodalna. Za serije grupisanih podataka, odnosno neprekidnih vrijednosti obiljeja, modus nije tako uoljiv. Odreuje se pomou obrasca:

Medijana

Medijana je ona vrijednost obiljeja koja se nalazi u sredini serije ureene po veliini obiljeja, odnosno, to je vrijednost obiljeja koja dijeli sumu svih frekvencija na dva jednaka dijela, tako da jedna polovina bude obuhvaena sluajevima- ima manju, a druga polovina sluajevima ima veu vrijednost od medijane.Za serije grupisanih podataka, medijana se dobija interpolacijom izmeu donje i gornje granice intervala grupe u kojoj se medijana nalazi:

Medijana se ponekad naziva drugim kvartilom s obzirom na mogunost podjele jedne serije na 4 jednaka dijela. Ako se serija podataka rangiranih po veliini podijeli u 4 jednaka dijela, vrijednosti obiljeja koja ih dijele nazivaju se kvartilima: prvi kvartil Q1, drugi kvartil Q2 (ili medijana), trei Q3. Ako seriju podijelimo u 10 ili 100 jednakih dijelova, dobiemo decile, odnosno percentile.Za grupisane podatke se prvi i trei kvartil odreuju prema obrascima:

Mjere disperzije

Apsolutne mjere disperzije

Apsolutne mjere disperzije iskazuju varijabilitet u apsolutnim iznosima onih mjernih jedinica u kojima su dati modaliteti posmatranog obiljeja (u milionima konvertibilnih maraka, hiljadama tona, kilometrima, komadima). Ove mjere, kao i mjere lokacije mogu biti pozicione i izraunate u odnosu na srednju vrijednost (najee aritemtiku sredinu skupa ili uzorka). Od pozicionih mjera varijacije, najee se koristi razmak ili interval varijacije, koji predstavlja razliku izmeu najvie i najnie vrijednosti obiljeja u seriji: Interval varijacije i= Xmax Xmin Poto je prosjek odstupanja pojedinih vrijednosti obiljeja od aritmetike sredine jednak nuli, moemo uzeti kao mjeru disperzije prosjek kvadrata odstupanja, koja se naziva varijansom, Za serije negrupisanih podataka, izraunava se po obrascu:

Za grupisane podatke je varijansa skupa:

Poto je varijansa iskazana u mjernim jedinicama na kvadrat, uzima se njen pozitivan kvadratni korijen i dobiva najee koritena apsolutna mjera disperzije, standardna devijacija . Formula za standardnu devijaciju za negrupisane podatke bie:

Za grupisane podatke je standardna devijacija skupa:

Relativne mjere disperzije

U relativne mjere disperzije ubrajaju se:

koeficijent varijacije, koeficijent interkvartilne varijacije, i

standardizovano (ili normalizovano) odstupanje.

Odnos standardne devijacije i aritmetike sredine se

naziva koeficijent varijacije. Ako taj koeficijent oznaimo

sa V, formula za njegovo izraunavanje bie:

Koeficijent varijacijeV= --------

Za uporeenje disperzije vie skupova ili uzoraka upotrebljava

se koeficijent interkvartilne varijacije:

Kad se odstupanje aritmetike sredine od bilo koje vrijednosti

obiljja izraava u jedinicama standardne devijacije, dobija se

tzv normalizovano ili standardizovano odstupanje:

X- Standardizovano odstupanje Z = ------- Standardizovano odstupanje predstavlja optu mjeru odstupanja individualnih podataka od aritmetike sredine. OSNOVNI POJMOVI TEORIJE VJEROVATNOE

Statistiki eksperiment i prostor uzorka

Pod statistikim ili sluajnim eksperimentom podrazumijevamo svaki potpunoodreen proces posmatranja koji moemo neogranieno da ponavljamo u identinim uslovima (npr bacanje novia ili kocke). Dogaaj

U svakom statistikom eksperimentu postoji karakteristika koju posmatramo, to je neka osobina koju svaki ishod eksperimenta moe ali ne mora da ima. Na primjer. U bacanju novia to moe biti pismo u bacanju kocke paran broj, broj vei od 4 ili samo broj 6.

Nemogu i siguran dogaaj

Kao podskup od S, dogaaj E moe da bude prazan skup, pravi podskup skupa S ili jednak prostoru uzorka skupa S. Nemogu dogaaj ako meu ishodima datog sluajnog eksperimenta nema povoljnih sluajeva dogaaja E, onda se dogaaj ne moe realizovati u tom eksperimentu. Dogaaj nazivamo nemoguim dogaajem i obiljeavamo E = 0

Unija dogaaja Unija i presjek predstavljaju operacije koje su definisane na skupovima. Unija dogaaja E1 i E2 koji su definisani u prostoru uzorka S

VJEROVATNOA DOGAAJA

Neka je dogaaj E definisan u prostoru uzorka S; dogaaju E pripisujemo jedan realan broj koji se obiljeava sa P(E) i nazivamo vjerovatnoom dogaaja E. Broj P(E) ima slijedee osobine: 1.Vjerovatnoa dogaaja E je nenegativan broj, P(E)0 2.Vjerovatnoa cjelokupnog prostora uzorka jednaka je 1, P(S)=1 3.Ako je

Koncepcija vjerovatnoe o kojoj smo do sada govorili naziva se

KLASINOM MATEMATIKOM ili A PRIORI vjerovatnoom. Njena primjena se zasniva na preetpostavci jednako vjerovatnih elementarnih dogaaja, koje esto ne moemo da prihvatimo. Klasina definicija vjerovatnoe vai samo u sluaju kada je prostor uzorka n(S) konaan.

Pored klasine vjerovatnoe, u statistikoj literaturi su prisutne

jo dvije koncepcije tzv statistika vjerovatnoa (vjerovatnoa kao

granina vrijednost relativne frekvencije) i subjektivna vjerovatnoa.

Klasina i statistika vjerovatnoa za razliku od subjektivne

vjerovatnoe se nazivaju i objektivnim vjerovatnoama.

Vjerovatnoa kao granina vrijednost relativne frekvencije

Prema ovoj koncepciji, vjerovatnoa je definisana kao granina vrijednost relativne frekvencije i naziva se statistikom vjerovatnoom ili vjerovatnoom a posteriori. Statistika vjerovatnoa se odreuje poslije izvrenog eksperimenta na osnovu prikupljenih empirijskih podataka (a posteriori).

Subjektivna vjerovatnoa

U praksi esto susreemo dagaaje koji se javljaju samo jedanput ili su okolnosti u kojima se oni ponavljaju meu sobom toliko razliite da dogaaje moramo posmatrati kao jedinstvene (npr plasman novog proizvoda). U ovakvim situacijama, vjerovatnoe

neizvjesnih dogaaja ne moemo da odredimo empirijskim putem, a esto ne moemo ni da prohvatimo pretpostavku klasine koncepcije o jednakim vjerovatnoama svih elementarnih dogaaja. Tada koristimo tzv subjektivnu vjerovatnou.

Pravilo sabiranja vjerovatnoa (aditivno pravilo)

Do sada smo vjerovatnou izraunavali kao kolinik broja povoljnih i ukupnog broja moguih ishoda sluajnog eksperimenta. Vjerovatnou dogaaja moemo da izraunamo i preko vjerovatnoa nekih drugih dogaaja sa kojima je posmatrani dogaaj u nekom odnosu.

Vjerovatnou unije dva dogaaja izraunavamo primjenom slijedeeg opeg pravila za sabiranje:

Vjerovatnoa unije dva dogaaja jednaka je zbiru vjerovatnoa

tih dogaaja, umanjenom za vjerovatnou njihovog zajednikog javljanja

a to je:

Dva dogaaja su meu sobom nezavisna ako javljanje ili nejavljanje je

dnog dogaaja nema uticaja na vjerovatnou javljanja drugog dogaaja,

odnosno, vae jednakosti:

P(E1/E2) =P(E1) P(E2/E1) =P(E2)

Pravilo mnoenja vjerovatno

Ako znamo pojam uslovne vjerovatnoe, moe se izraunati vjerovatnoa

zajedikog (istovremenog) javljanja dva dogaaja u jednom eksperimentu.

To je vjerovatnoa presjeka dva dogaja koju na osnovu formule 3

izraunavamo na osnovu formula:

Vjerovatnoa presjeka dva dogaaja jednaka je proizvodu vjerovatnoa jednog od dogaaja i uslovne vjerovatnoe drugog kada se prvi dogaaj ostvario. Pravilo za izraunavanje ove vjerovatnoe zove se pravilom mnoenja vjerovatnoa.

Vjerovatnoa presjeka dva dogaaja se zove i sloenom

vjerovatnoom jer predstavlja vjerovatnou sloenog dogaaja,

tj dogaaja koji ini istovremeno javljanje dva dogaaja.

Sluajna promjenljiva je neprekidna (ili kontinuirana9 ako moe

da uzme bilo koju vrijednost u nekom intervalu. Izmeu bilo koje

dvije vrijednosti x1 i x2 sluajne promjenljive postoji slijedea

mogua vrijednost x3 koja je razliita od x1 i x2. Broj vrijednosti

koje moe uzeti neprekidna sluajna promjenljiva je beskonaan.

Primjeri neprekidnih sluajnih promjenljivih: visina i obim drveta,

vrijeme potrebno da se obavi neka proizvodna operacija, Funkcija rasporeda prekidne sluajne promjenljive

Raspored vjerovatnoe prekidne sluajne promjenljive koja ima konaan

broj vrijednosti se moe predstaviti kao lista pojedinih vrijednosti sluajne

promjenljive sa odgovarajuim vjerovatnoama Funkcija rasporeda (naziva se i kumulativna funkcija rasporeda) prekidne sluajne promjenljive pokazuje VJEROVATNOU da sluajna promjenljiva X uzme vrijednost koja je manja ili jednaka bilo kojoj vrijednosti x. Funkcija rasporeda sluajne promjenljive X oznaava se sa F(x) i data je vjerovatnoom: