31.10.

2019

Sadržaj

Teorijske raspodjele — Normalna raspodjela

vjerovatnoća — Osobine i funkcija normalne raspodjele

— Jedinična normalna raspodjela
— Primjeri primjene
— Studentova raspodjela

Teorijske raspodjele vjerovatnoća – podjela Normalna (Gaussova) raspodjela

 Najznačajnija kontinuirana raspodjela

Diskontinuirane Kontinuirane
 Zakon distribucije vjerovatnoća normalne krive je granični
Binomna Normalna (Gaussova) zakon, (zakon kome se približavaju zakoni drugih distribucija
Poissonova Studentova u tipičnim uslovima)
... Trougaona
Pravougaona  Ako slučajna promjenjiva nema normalnu raspodjelu,
... relativno jednostavnim transformacijama se može svesti na
normalnu raspodjelu

1  x 
2
N ( x , 2 )
Osnovne pretpostavke 1   
f ( x)  e 2   4  3
 2
Mo = Me = μ
Slučajno promjenjiva se ponaša po zakonu normalne raspodjele ako:
Ka = 0
 se realizuje u uslovima djelovanja mnogobrojnih ravnopravnih i
uglavnom nezavisnih i neznatno međusobno uslovljenih faktora f(x)
 među faktorima se ne ističu faktori izuzetnog značenja, tj. nema
dominantnih faktora 1
 uticaj svakog od pojedinačnih faktora na konačnu realizaciju varijable  2
x, uglavnom se nadoknađuje učešćem ostalih faktora

   
 x

1
 31.10.2019

Različite srednje vrijednosti, jednake Različite standardne devijacije, jednaka

standardne devijacije srednja vrijednost

f(x)
0,6
A − σ = 1,5
B−σ=1 C
C − σ = 0,75
0,4
B
0,2 A

0
-3 -2 -1 0 1 2 3
x

Jedinična normalna raspodjela

x 0  1
Jedinična normalna raspodjela
1  x 
2
   x
f ( x) 
1
e 2   z
 2 
z2
1  1
f ( z)  e 2   ( z)
 2 
z2
1 2
f ( z)   ( z)  e
2

Jedinična normalna raspodjela Kumulativna funkcija vjerovatnoće

z2
1 2
f ( z)   ( z)  e
2
1,00
p

Kumulativna
vjerovatnoća

 1
0,75
f(x)

f(z) Funkcija gustine

0,4 vjerovatnoće

0,3
x 0 0,50

0,2 0,25

0,1
0,00
0 -3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3
xz
xz

2
 31.10.2019

Transformacija na jediničnu normalnu raspodjelu

Integralni zakon distribucije vjerovatnoća
2
1  x x 
1
x   
( x)   e 2   dx
 2 

f(x)

0,00

x

Transformacija na jediničnu normalnu raspodjelu Integralni zakon distribucije vjerovatnoća

N{ ,2} x2  1  x  x 
1  
P( x1  x  x2 )   e 2   dx   ( z2 )   ( z1 )
 2 x1

x1 x2
 f(x)
x

N{ 0,1} P( x1  x  x2 )  P( z1  z  z2 )
P ( x1 < x < x2 ) = P ( z1 < z < z 2 )

Integral predstavlja površinu nad intervalom (z1, z2) ispod krivulje

vjerovatnoće jedinične normalne raspodjele N{0,1}
0 z

Integralni zakon distribucije vjerovatnoća

x1  x f(z)
Primjeri primjene normalne raspodjele
z1  0
P(z2)
x2  
z2 
 z2 z
.

z2 1
1  z2
P( z2 )  P(   x  x2 ) 
2
e 2 dz   ( z2 )
0

3
 31.10.2019

0,50
Primjer br. 1 f(z)
0,40

Za slučajnu promjenjivu z koja ima normalnu raspodjelu 0,30

N{0,1} odrediti vjerovatnoću:
0,20

0,10
P(0 < z < 1,42)
0,00
-4 -3 -2 -1 0 1 2 3 4
z

P(0 < z < 1,42) = Φ(1,42) = 0,4222 = 42,22 %

Tablična vrijednost!

Površine ispod krive jedinične normalne raspodjele

Primjer br. 2
f(x)
z  1 x2
1
P(z)
P( z ) 
2
e 2 dx
0 Za slučajnu promjenjivu z koja ima normalnu raspodjelu
z x
N{0,1} odrediti vjerovatnoću:
z 0 1 2 3 4 5 6 7 8 9
0,0 00000 00399 00798 01197 01595 01994 02392 02790 03188 03586 P( – 1,79 < z < – 0,54)
0,1 03983 04308 04776 05172 05567 05962 06356 06749 07142 07535
0,2 07926 08317 08706 09095 09483 09871 10257 10642 11026 11409
...
1,4 41924 42073 42220 42364 42507 42647 42786 42922 43056 43189

1,7 45543 45637 45728 45818 45907 45994 46080 46164 46246 46327
1,8 46407 46485 46562 46638 46712 46784 46856 46926 46995 47062

P(–1,79 < z < –0,54) = ? Primjer br. 3

P(–1,79 < z < –0,54) = Za slučajnu promjenjivu z koja ima normalnu raspodjelu
N{0,1} odrediti vjerovatnoću:
= P(0,54 < z <1,79) =
P(–1,37 < z < 2,01)
= Φ(1,79) – Φ(0,54) =

= 0,4633 – 0,2054 = 0,2597

P= 25,97 %

4
 31.10.2019

P(–1,37 < z < 2,01) = ?

P(–1,37 < z < 2,01) = Karakteristične vjerovatnoće kod

normalne raspodjele
= P(–1,37 < z <0) + P(0 < z < 2,01)

=Φ(1,37) + Φ(2,01) =

= 0,4147 + 0,4778 = 0,8925 = 89,25 %

Karakteristične vjerovatnoće 1   68 %

f(x)
0.4

0.3

0.2

0.1

  x
2 2
3 3

2  – 95,4 % 3  – 99,7 %

5
 31.10.2019

Studentova raspodjela

Slučajna varijabla t je distribuirana po Studentovoj t-razdiobi ako

Studentova raspodjela je područje njenih vrijednosti (-h,+h) i funkcija vjerovatnoće:

 1
 t2  2
f (t )  C ( ) 1  
  
 

 – broj stepeni slobode

Distribucija varijable t je simetrična i jednoznačno određena
parametrom 

Studentova raspodjela Odnos Studentove i normalne raspodjele

 =1  =2  =3
 Studentova distribucija je uvijek nešto spljoštenija od normalne
 Kada  teži beskonačnosti t-distribucija teži normalnoj

f(x)
 – broj stepeni slobode 0.4 Normalna raspodjela
 =5  =10
0.3 =5  =30
=3
0.2

0.1

-3 -2 -1 1 2 3
x

Primjena Studentove raspodjele Broj stepeni slobode

t-raspodjela igra ulogu u velikom broju široko korištenih
statističkih analiza:
 Studentov t-test , za procjenu statističke važnosti razlike
između dvije srednje vrijednosti uzorka,
 Izgradnju intervala pouzdanosti za razliku između dvije
populacijske sredine,
 U linearnoj regresionoj analizi
 Broj stepeni slobode je broj vrijednosti koji je slobodan da
varira
 Procjene statističkih parametara se mogu bazirati na različitim
količinama informacija ili podataka
 Broj nezavisnih jedinica informacija koji ulaze u procjenu
parametra se naziva brojem stepeni slobode
 Stepeni slobode su jednaki broju nezavisnih vrijednosti koji
ulaze u procjenu minus broj parametara koji se koriste kao
međukoraci u procjeni samog parametra (npr. u varijansi uzorka
je 1, jer je sredina uzorka jedini međuparametar kojeg treba
izračunati)

6
 31.10.2019

Tablica studentove raspodjele

 – broj stepeni slobode Vjerovatnoća p
ν 0,9 0,7 0,5 0,4 0,20 0,1 0,05 0,02 0,01 0,001
1 0,158 0,510 1,000 1,376 3,087 6,314 12,706 31,821 63,657 636,619
2 0,142 0,445 0,816 1,061 1,886 2,920 4,303 6,965 9,925 31,598
3 0,137 0,424 0,765 0,978 1,638 2,353 3,182 4,541 5,841 12,941
4 0,134 0,414 0,741 0,941 1,533 2,132 2,776 3,747 4,604 8,610
5 0,132 0,408 0,727 0,920 1,476 2,015 2,571 3,365 4,032 6,859
6 0,131 0,404 0,718 0,906 1,440 1,943 2,447 3,143 3,707 5,959
7 0,130 0,402 0,711 0,896 1,415 1,895 2,365 2,998 3,499 5,405
8 0,130 0,399 0,706 0,889 1,397 1,860 2,306 2,896 3,355 5,041
9 0,129 0,398 0,703 0,883 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,397 0.700 0,879 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,396 0,697 0,876 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,395 0,695 0,873 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,394 0,694 0,870 1,350 1,771 1,160 2,650 3,012 4,221
14 0,128 0,393 0,692 0,868 1,345 1,761 2,145 2,624 2,977 4,140
15 0,128 0,393 0,691 0,866 1,341 1,753 2,131 2,602 2,947 4,073