Elektrotehnički fakultet

Slučajni
eksperiment X(S)

PREZENTACIJA

POUZDANOST ELEKTRIČNIH ELEMENATA I SISTEMA

Višestruke slučajne varijable

ODGOVORNI NASTAVNIK:
doc.dr.sci. Mirza BATALOVIĆ, dipl.el.ing.

Šifra predmeta: ETF EEO PEES I-2360

Bachelor studij (ETF-B-BOE) / Elektroenergetika / 3. Semestar
Akademska: 2019/2020

1
 Sadržaj

• Uvod;
• Koncept dvostruke slučajne varijable;
• Vjerovatnost događaja dvostruke SV;
• Marginalna funkcija distribucije;
• Diskretna dvostruka slučajna varijabla;
• Kontinuirana dvostruka slučajna varijabla;
• Kovarijansa i koeficijent korelacije;
• Linearne transformacije;
• Teorem o centralnom limitu.

Uvod

• U mnogim aplikacijama, važno je proučavati dvije ili više slučajnih varijabli

definiranih na istom prostoru uzoraka;
• Ova vrsta slučajnih varijabli ima veliki značaj u konstrukciji probabilističkih modela
više mjerenja koja se odigravaju simultano, mjerenja u ponovljenim eksperimentima
itd;
• Često je od koristi tretirati slučajne varijable koje predstavljaju preslikavanje iz
skupa slučajnih događaja S u kartezijanski produkt skupa realnih brojeva;
• Onda se ovaj koncept može poopštiti za više slučajnih varijabli definiranih na istom
prostoru uzoraka.
• Mi ćemo u ovom poglavlju razmatrati slučaj s dvije slučajne varijable, njima srodne
distribucije i neke osobine kao što su nezavisnost slučajnih varijabli;
4

2
 Koncept dvostruke slučajne varijable
• Dvostruke slučajne varijable

• Neka je S prostor uzoraka slučajnog

eksperimenta. Neka su X i Y dvije
slučajne varijable. Onda par (X,Y)
nazivamo dvostrukom slučajnom
varijablom (ili dvodimenzionalnim
slučajnim vektorom);

• Dakle, dvostruku slučajnu varijablu

možemo smatrati kao funkciju koja
svakoj tački u S pridružuje tačku (x,y)
kao što je to prikazano na slici
5

Koncept dvostruke slučajne varijable

• Dvostruke slučajne varijable

• Rang dvostruke slučajne varijable (X, Y) je označen sa i definiran kao:
RXY = {( x, y ); ζ ∈ S i X (ζ ) = x, Y (ζ ) = y}
• Ako su X i Y svaka za sebe diskretne slučajne varijable onda (X, Y) nazivamo
diskretna dvostruka slučajna varijabla, a ako su X i Y svaka za sebe kontinuirane
slučajne varijable onda (X, Y) nazivamo kontinuiranom dvostrukom slučajnom
varijablom;
• U slučaju da je X ili Y diskretna a druga kontinuirana, onda (X, Y) nazivamo
mješovitom dvostrukom slučajnom varijablom.

3
 Koncept dvostruke slučajne varijable

• Događaji dvostruke slučajne varijable

• Događaji: ne razmatraju se samo pojedinačne tačke ravni nego kartezijanski
proizvodi podskupova mjerljivih linijom realnih brojeva.
• Primjer: Događaj SV x ⇒
Događaj SV y ⇒
• Događaj dvostruke SV: predstavlja kartezijanski proizvod:
· ,

Događaj SV x Događaj SV y

Koncept dvostruke slučajne varijable

• Događaji dvostruke slučajne varijable

Događaji jedne dvostruke Također i beskonačne poluravni, kao D, mogu

slučajne varijable biti događaji dvostruke slučajne varijable

4
 Koncept dvostruke slučajne varijable
• Funkcija distribucije za dvostruku slučajnu varijablu
• Kumulativna funkcija raspodjele za X i Y, označena sa , je funkcija definirana
kao:
FXY ( x, y ) = Pr ( X ≤ x, Y ≤ y ) (∗)
• Događaj u jednakosti (*) je ekvivalentan s događajem ∩ , gdje su A i B događaji
iz S definirani kao:
A = {ζ ∈ S ; X (ζ ) ≤ x} B = {ζ ∈ S ; Y (ζ ) ≤ y}
Pr ( A) = FX ( x ) Pr ( B ) = FY ( y )  FXY ( x, y ) = Pr ( A ∩ B )
• Ako su za određene vrijednosti x i y, A i B nezavisni događaji prostora uzoraka S,
onda vrijedi:
FXY ( x, y ) = Pr ( A ∩ B ) = Pr ( A) ⋅ Pr ( B) = FX ( x) ⋅ FY ( y )
9

Koncept dvostruke slučajne varijable

• Osobine funkcije distribucije dvostruke slučajne varijable
• Kumulativna funkcija raspodjele dvostruke SV ima mnogo osobina koje su analogne
jednostruku SV:

10

5
 Vjerovatnost događaja dvostruke SV

• a

• a

• a

11

Vjerovatnost događaja dvostruke SV

• a

• a

• a

12

6
 Marginalna funkcija distribucije

• Ukoliko nam je poznata vjerovatnost distribucije dvostruke slučajne varijable (X,Y)

moguće je odrediti individualne (pojedinačne) vjerovatnosti distribucije za varijable X
i Y. Te distribucije se nazivaju Marginalne distribucije vjerovatnosti;

• Budući da vrijedi: lim , , ∞ , jer je uvjet ∞

→
uvijek zadovoljen, onda je:
lim , ,∞
→
lim , ∞,
→

• i dobivene prethodnim jednakostima predstavljaju marginalne

kumulativne funkcije distribucije slučajnih varijabli X i Y respektivno.

13

Diskretna dvostruka slučajna varijabla

• Funkcija vjerovatnosti dvostruke SV

• Neka je , diskretna dvostruka SV i neka , prima vrijednosti ", # iz skupa

cijelih brojeva i neka vrijedi:
$ ", # Pr ", #

• Funkciju $ ", # nazivamo združenom funkcijom vjerovatnosti diskretne dvostruke

SV , .

14

7
 Diskretna dvostruka slučajna varijabla
• Osobine funkcije vjerovatnosti dvostruke SV:
0 $ ", # 1
* *

))$ ", # 1
, +
* *

-. , ∈ ) )$ ", #
,, + ∈01 *

gdje sumiranje po tačkama ", # u domenu opsega 2 odgovara događaju A.

• Funkcija distribucije diskretne dvostruke SV dana je sljedećim izrazom:
* *

, ) )$ ", # .
,4 +4
15

Diskretna dvostruka slučajna varijabla

Marginalna funkcija vjerovatnosti diskretne dvostruke SV

• Ako pretpostavimo da za fiksnu vrijednost ", SV Y može primati sve moguće

vrijednosti " 5 1,2, … , 8 , onda vrijedi: *

Pr " $ " )$ ", #

+
gdje se sumiranje vrši po svim mogućim parovima ", # za fiksnu vrijednost ".
• Analogno, *

-. # $ # )$ ", #
,
gdje se sumiranje vrši po svim mogućim parovima ", # za fiksnu vrijednost ".

16

8
 Diskretna dvostruka slučajna varijabla

• Funkcije vjerovatnosti $ " i $ # s prethodnog slajda nazivaju se marginalne

funkcije vjerovatnosti diskretnih varijabli X i Y respektivno.
Nezavisne diskretne dvostruke SV
• Ukoliko vrijedi:
$ ", # $ " $ #

onda za X i Y kažemo da su nezavisne SV.

17

Diskretna dvostruka slučajna varijabla

• Primjer 1.
• Združena kumulativna funkcija distribucije diskretne dvostruke SV zadana je izrazom:
0 9 0 ;<; 90
$ 0 9= 0 9>
, $ ?= 0 9>
$@ 0 9= ?>
1 ?= ?>
a) Odrediti marginalne kumulativne funkcije distribucije SV X i Y;
b) Odrediti uvjete za $ , $ i $@ za koje su X i Y nezavisne SV.

18

9
 Kontinuirana dvostruka slučajna varijabla
Združena funkcija gustoće vjerovatnosti dvostruke SV
• Neka je , kontinuirana dvostruka SV s kumulativnom funkcijom distribucije
, i neka vrijedi jednakost:
B ,
A , .
B B
• Funkcija A , naziva se združenom funkcijom gustoće vjerovatnosti dvostruke SV
, . Integriranjem posljednje jednakosti dobiva se kumulativna funkcija
distribucije:

, C CA D, E FDFE
G G

19

Kontinuirana dvostruka slučajna varijabla

• Osobine funkcije gustoće vjerovatnosti dvostruke SV:
A , ?0

C CA , F F 1
G G
A , neprekidna za sve vrijednosti x i y

Pr , ∈ HA , F F
01
L J

Pr = 9 >, I 9 F CCA , F F
M K

20

10
 Kontinuirana dvostruka slučajna varijabla
Marginalna funkcija gustoće vjerovatnosti kontinuirane dvostruke SV
• Primjenom prethodno definirane jednakosti: lim , ,∞ može
→
se pisati:
N

,∞ C C A D, E FDFE
G G
• Slijedi da je
F
A CA , E FE
F
G
ili

A CA , F ;A CA , F
G G 21

Kontinuirana dvostruka slučajna varijabla

• Funkcije vjerovatnosti A iA s prethodnog slajda nazivaju se marginalne funkcije
gustoće vjerovatnosti kontinuiranih slučajnih varijabli X i Y respektivno.
Nezavisne kontinuirane dvostruke SV
• Ukoliko su X i Y nezavisne kontinuirane dvostruke SV onda vrijedi:
,
Tada je:
B , B B
B B B B
ili
A , A A
22

11
 Kontinuirana dvostruka slučajna varijabla
• Primjer 2.
• Zadana je funkcija gustoće dvostruke SV kao:

PQ ? 0, ? 0 .
G N
A ,
0 ;8=čQ
a) Ispitati uvjet normiranosti;
b) Izračunati -. 1 9 9 2,0 9 92 ;
c) Izračunati -. S ;
d) Odrediti funkciju distribucije;
e) Odrediti marginalne funkcije gustoće vjerovatnosti.

23

Kovarijansa i koeficijent korelacije

• (k, n) – ti moment dvostruke SV (X, Y) definiran je kao:
* *

)) "
U
#
V
$ ", # Diskretna SV

+ ,
TUV W U V

C C U V
A , F F Kontinuirana SV
G G

• Ukoliko je 8 0, imamo k – ti moment varijable X, a ako je X 0 slijedi n – ti moment

varijable Y. Dakle,
T Y W Z
TY W Z

24

12
 Kovarijansa i koeficijent korelacije
• Ako (X, Y) predstavlja diskretnu dvostruku SV onda vrijedi:
* * * * *

Z W )) "$ ", # ) " )$ ", # ) "$ "

+ , , + ,
* * * * *

Z W )) "$ ", # ) # )$ ", # ) #$ #

+ , + , +

• Na sličan način se dobiva:

* * *

W )) " $ ", # ) " $ "

*+ * , *,

W )) # $ ", # ) # $ #
+ , +
25

Kovarijansa i koeficijent korelacije

• Ako (X, Y) predstavlja kontinuiranu dvostruku SV onda vrijedi:

Z W C C A , F F C CA , F F C A F
G G G G G

Z W C C A , F F C CA , F F C A F
G G G G G
• Analogno:

W C C A , F F C A F
G G G

W C C A , F F C A F
G G G
26

13
 Kovarijansa i koeficijent korelacije

• Varijanse varijabli X i Y se jednostavno računaju korištenjem već poznate relacije:

[=. W \ ]W ^ , odnosno [=. W \ ]W ^ ;
Centralni moment reda (s, t) dvostruke SV je očekivanje varijable
] \W ^_ · ] \ W ^` , T_` W \W _
· \W `
;
• (1, 1) združeni moment varijabli (X, Y), T W , naziva se korelacija varijabli X i Y
u oznaci abc , ili d . Ako je W 0 onda kažemo da su varijable X i Y
ortogonalne;
• Korelacija se definira na sljedeći način:
abc , d W] \Z \ Z ^,
odnosno:
abc , d W \W W 27

Kovarijansa i koeficijent korelacije

• Ako je abc , 0, X i Y predstavljaju nekorelirane SV;
• Iz posljednje jednakosti može se zaključiti da X i Y predstavljaju nekorelirane SV ako su
nezavisne tj. ako vrijedi:
W W W
• Obratno ne mora da vrijedi, tj. nekorelirane SV ne moraju biti nezavisne;
• Koeficijent korelacije u oznaci e , ili e definira se na sljedeći način:
abc , d
e , e
d d d d

e 1
• Treba naglasiti da koeficijent korelacije varijabli X i Y predstavlja mjeru linearne
zavisnosti tih varijabli.
28

14
 Linearne transformacije
• Iz

• Iz

• Iz

• Iz 29

Linearne transformacije

Zaključak

30

15
 Teorem o centralnom limitu

• Može se kazati da teorem o centralnom limitu predstavlja jedan od najznačajnijih

rezultata u teoriji vjerovatnosti. U najjednostavnijoj formi može se definirati na
sljedeći način:

• Neka je , , … , V niz nezavisnih, identično distribuiranih SV gdje svaka ima

srednju vrijednost Z i varijansu d .
• Neka je
g N h N⋯N j GVk m Gk
fV * n
l V * j

Onda distribucija teži ka standardiziranoj normalnoj distribuciji kako 8 → ∞ , tj.

lim fV o 0; 1
V→

31

Teorem o centralnom limitu

• Također može se na sljedeći način definirati:

lim pj q lim Pr fV q Φ q
V→ V→

gdje Φ q predstavlja kumulativnu funkciju distribucije standardizirane normalne SV.

Dakle teorem o centralnom limitu nam govori da za dovoljno veliko n, distribucija

sume sV t t ⋯ t V je aproksimativno normalna bez obzira na formu
distribucije individulanih varijabli " .

32

16
 Teorem o centralnom limitu

• Svugdje je moguće naći primjere u kojima se izmjerena veličina može razmatrati kao
suma mnogih između sebe neovisnih efekata.
o Snaga (struja) u čvoru električne mreže predstavlja sumu snaga (struja)
zahtijevanih neovisno od pojedinačnih korisnika;
o Odstupanja od nominalnih vrijednosti u jednom procesu industrijske proizvodnje
(kumulativni efekt mnogih malih grešaka u proizvodnom lancu).

• Opaska: veoma je bitno ne zloupotrijebiti ovaj teorem, što se često događa u praksi
zbog:
o broj slučajnih varijabli nije dovoljno veliki;
o jedna od SV je dominantna;
o SV nisu neovisne;
o Proces generiranja SV nije suma.
33

ZAHVALJUJEM NA
POZORNOSTI!

34

17