prezime i ime:

Informacioni inženjering
predmet: Verovatnoća i slučajni procesi
broj indeksa:

Predispitne obaveze 2
10 poena

1. [1 poen] Definisati proces sa stacionarnim nezavisnim priraštajima. Navesti jedan primer procesa sa stacionarnim
nezavisnim priraštajima.
Ako za svaki izbor 0 < t1 < t2 , · · · < tn iz [0, ∞) su slučajne promenljive X0 , Xt1 − X0 , Xt2 − Xt1 , . . . , Xtn − Xtn−1
nezavisne i ako za svako t, s, a ∈ [0, ∞), s < t, važi da slučajne promenljive Xt −Xs i Xt+a −Xs+a imaju istu raspodelu,
tada kažemo da je Xt proces sa stacionarnim nezavisnim priraštajima.
Poasonov proces je proces sa stacionarnim nezavisnim priraštajima.

 
a 2a
2. [4 poena] Dat je lanac Markova čiji je skup stanja S = {s1 , s2 } i čija je matrica prelaza P = 1 .
4 b

1 3
a) a = i b=
3 4
Dobijene vrednosti za a i b su dobijene jer je P verovatnosna matrica, pa je suma elemenata po vrstama jednaka
1 i svi elementi su nenegativni.

b) Ako je sistem u početnom momentu bio u stanju s2 naći vrednost početnog vektora p(0) = [0, 1]

13 35 35
c) Naći vektor verovatnoća p(2) = [ , ] i verovatnoću p2 (2) =
 1 2   1 2   5 13  48 48 48
13 35
P2 = 13 33 · 31 33 = 13 18 18
35 i p(2) = p(0)P2 = [ 48 , 48 ]
4 4 4 4 48 48
d) Izračunati P (X2 = s1 , X4 = s1 , X5 = s2 ) = P (X2 = s1 )P (X4 = s1 |X2 = s1 )P (X5 = s2 |X2 = s1 , X4 = s1 )
13 5 2
= P (X2 = s1 )P (X4 = s1 |X2 = s1 )P (X5 = s2 |X4 = s1 ) = p1 (2)p11 (2)p12 (1) = 48 ·8·3

2
e) Izračunati P (X4 = s2 |X1 = s1 , X2 = s2 , X3 = s1 ) = P (X4 = s2 |X3 = s1 ) = p12 (1) =
3

f) Da li postoje finalne verovatnoće? Odgovor objasniti! Ako postoje, naći ih.

Iz P > 0 sledi da postoji vektor finalnih verovatnoća. Neka je p∗ = [x, y] vektor finalnih verovatnoća, pri čemu je
0 ≤ x ≤ 1, 0 ≤ y ≤ 1 i x + y = 1. Vektor finalnih verovatnoća se dobija rešavanjem sistema jednačina koji je dat
u matričnom obliku p∗ P = p∗ pri čemu je x + y = 1. Iz
1 2
 
3 3
1 1 2 3
[x, y] 1 3 = [x, y] ∧ x+y =1↔ x+ y =x ∧ x+ y =y ∧ x+y =1
4 4 3 4 3 4
dobija se x = 3
11 iy= 8
11 , tako da je p∗ = [ 11
3 8
, 11 ]

g) Odrediti, ako je to moguće početni vektor verovatnoća p(0) tako da dati lanac Markova bude stacionaran.
Ukoliko postoji vektor finalnih verovatnoća lanac Markova je stacionaran za p(0) = p∗ , tako da je p(0) = [ 11
3 8
, 11 ]
3. [1 poen] Neka je Xt , t ∈ [0, ∞) homogeni proces Markova čiji je skup stanja S konačan. Neka su verovatnoće prelaza
pij (t) neprekidne funkcije.

pij (0 + ∆t) − pij (0) pij (∆t)

Za i 6= j je λij = lim = lim
∆t→0+ ∆t ∆t→0+ ∆t
pii (0 + ∆t) − pii (0) pii (∆t) − 1
λii = lim + = lim +
∆t→0 ∆t ∆t→0 ∆t

4. [2 poena] Za proces radanja i umiranja čiji je skup stanja S = {0, 1, 2, . . .} napisati verovatnoće prelaza pij (∆t),
∆t → 0+ .

pn,n+1 (∆t) ≈ λn ∆t, n ∈ {0, 1, . . . }

pn,n−1 (∆t) ≈ µn ∆t, n ∈ {1, 2, . . . }
pn,k (∆t) ≈ 0, n, k ∈ {1, 2, . . . } ∧ |n − k| > 1
pnn (∆t) ≈ 1 − (λn + µn )∆t, n ∈ {1, 2, . . . }
p00 (∆t) ≈ 1 − λ0 ∆t

5. [1 poen] Slučajni proces Xt , t ∈ [0, ∞) je ergodičan po matematičkom očekivanju

Za slučajni proces Xt , t ∈ [0, ∞), kažemo da je ergodičan po matematičkom očekivanju ako je

ZA
1
mX (t) = m = lim xt dt .
A→∞ A
0

6. [1 poen] Objasniti razliku izmedu homogenog i stacionarnog procesa Markova.

Proces Markova je stacionaran ako su sve konačnodimenzionalne raspodele invarijanten uodnosu na translaciju vre-
mena.
Proces Markova je homogen ako su verovatnoće prelaza invarijanten uodnosu na translaciju vremena.

Ako je proces stacionaran, onda je i homogen.

 prezime i ime:
Informacioni inženjering
predmet: Verovatnoća i slučajni procesi
broj indeksa:
Deo završnog ispita 2
30 poena

Zadaci – Raditi u svesci!

1. [6 poena] Dat je slučajni proces Xt = A cos (t + B), t ∈ [0, ∞), gde je A slučajna√promenljiva sa uniformnom U(0, 2)
raspodelom i B slučajna promenljiva čija je funkcija gustine ϕB (b) = b, b ∈ (0, 2). Slučajne promenljive A i B su
nezavisne. Izračunati matematičko očekivanje i korelacionu funkciju slučajnog procesa Xt . Da li je slučajni procesa Xt
slabo stacionaran ?
(
1
2 , a ∈ (0, 2)
A : U(0, 2) → E(A) = 1 i ϕA (a) =
0, a ∈/ (0, 2)
( √
b, b ∈ (0, 2)
ϕB (b) = √
0, b ∈ / (0, 2)
Matematičko očekivanje nalazimo na sledeći način:
[1]
mX (t) = E(Xt ) = E(A cos (t + B)) = E(A)E(cos (t + B)) = E(cos (t + B)) =
Z ∞ Z √2
= cos (t + b)ϕB (b) db = b cos (t + b) db =
−∞ 0
√
 √2 Z 2 √ √ √2
= b sin (t + b) − sin (t + b) db = 2 sin (t + 2) + cos (t + b) =
 
0 0 0
√ √ √
= 2 sin (t + 2) + cos (t + 2) − cos t

Korelacionu funkciju nalazimo na sledeći način:

[2] [3]
RX (t, s) = E(Xt Xs ) = E(A cos (t + B)A cos (s + B)) = E(A2 )E(cos (t + B) cos (s + B)) =
Z 2  [4] 1 2 h
1 1  i [5]
= a2 da · E cos (t + s + 2B) + cos (t − s) = a3  E(cos (t + s + 2B)) + E(cos (t − s)) =

0 2 2 12 0
√
2h 2 √ 1 √ 1 i
= sin (t + s + 2 2) + cos (t + s + 2 2) − cos (t + s) + cos (t − s)
3 2 4 4
Kako mX (t) 6≡ const zaključujemo da dati proces nije slabo stacionaran.
[1] - Iz nezavisnosti slučajnih promenljivih A i B sledi nezavisnost slučajni promenljivih A i cos (t + B).
[2] - Iz nezavisnosti slučajnih 
promenljivih A i B sledi nezavisnost
 slučajni promenljivih A2 i cos (t + B) cos (s + B).
[3] - Koristimo cos x cos y = 21 cos (x + y) + cos (x − y) .
[4] - E(X + Y ) = E(X) + E(Y ) za bilo koje dve slučajne promenljive X i Y .
Z √2 √
√2 1 Z 2 √
1 2 √
[5] - E(cos (t + s + 2B)) = b cos (t + s + 2b) db = b sin (t + s + 2b) − sin (t + s + 2b) db = sin (t + s + 2 2)+

√ 0 2 0 2 0 2
1  √2 2 √ 1 √ 1
cos (t + s + 2b) = sin (t + s + 2 2) + cos (t + s + 2 2) − cos (t + s)

4 0 2 4 4
2. [7 poena] Hrčak se nalazi u jednom odeljku kutije prikazane na slici. Svako veče hrčak menja odeljak u kome se nalazi
na slučajan način birajući otvor izmedu odeljaka. Vreme prolaska kroz otvor je zanemarljivo malo. Stanje sistema je
definisano brojem odeljka u kome se nalazi hrčak.

a) Naći matricu prelaza za jedan prelazak iz odeljka u odeljak.

 b) Da li postoje finalne verovatnoće opisanog sistema? Odgovor obrazložiti i ako postoje naći ih.
c) Ako je danas hrčak u odeljku 1, izračunati verovatnoću da sutra bude u odeljku 2, prekosutra u odeljku 3, četvrtog
dana u odeljku 1, itd. (n-tog dana se nalazi u odeljku i, i = 1, 2, gde je i ostatak pri deljenju broja n sa 3 i ako je
n deljivo sa 3, onda se nalazi u odeljku 3).
d) Kutija ima najslabiju strukturu u ćoškovima označenim znakom } i na tim mestima hrčak može da je progrize.
Verovatnoća da hrčak progrize bilo koji ćošak za svaki ćošak je ista i iznosi 14 . Ako hrčak pobegne iz kutije u
kutiju se više neće vratiti. Ako je danas hrčak stavljen u bilo koji od odeljaka u kutiji, izračunati verovatnoću da
će prekosutra pobeći iz kutije. Da li ovako opisan lanac Markova ima apsorbujuće stanje? Ako ima naći ga.

1 1
 
0 2 2
1 2
a) P =  0
 
3 3 
1 2
3 3 0
1 1 1
 
3 3 3
2 11 1
b) P2 = 
 
9 18 6 
2 1 11
9 6 18
2
Kako su svi elementi matrice  P strogo pozitivni,
 zaključujemo da finalne verovatnoće postoje i nalazimo ih
∗
rešavajući sistem jednačina: p1 p∗2 p∗3 · P = p∗1 p∗2 p∗3 ∧ p∗1 + p∗2 + p∗3 = 1, odnosno


1 ∗ 1 ∗
= p∗1
3 p2 + 3 p3
1 ∗ 2 ∗
2 p1 = p∗2 + 3 p3
1 ∗ 2 ∗
2 p1 + 3 p2 = p∗3
∗ ∗ ∗
p1 + p2 + p3 = 1
odakle dobijamo p1 p∗2 p∗3 =
 ∗   1 3 3

4 8 8 .
P (X0 =1,X1 =2,X2 =3,X3 =1,X4 =2,··· )
c) P (X1 = 2, X2 = 3, X3 = 1, X4 = 2, · · · |X0 = 1) = P (X0 =1) =
P (X0 =1)P (X1 =2|X0 =1)P (X2 =3|X1 =2)P (X3 =1|X2 =3)P (X4 =2|X3 =1)···
= P (X0 =1) =
 n
= 121 121 1 1
p12 (1)p23 (1)p31 (1)p12 (1)p23 (1) · · · = 2 3 3 · 2 3 3 · · · = 9 · 9 · · · = lim 19 = 0.
n→∞
d) Uvodimo četvrto stanje ”hrčak je na slobodi”i formiramo novu matricu prelaza za jedan korak(iz koje vidimo da
je bašto stanje apsorbujuće stanje):
0 41 14 12
   1 1 1 5 
8 8 8 8
 1 0 2 1  h i  1 5 1 1 
P =  41 2 4 41  Kako je početna raspodela p(0) = 13 31 31 0 , a P2 =  81 16 16 2 
  
 4 4 0 4   8 16 1 5 1 
16 2

0 0 0 1 h i 0 0 0 1
2 1 1 1 13 13
raspodela nakon dva dana je p(0) · P = 8 6 6 24 , a verovatnoća da će hrčak prekosutra biti na slobodi 24 .

3. [7 poena] U magacin hipermarketa roba pristiže kamionima koji formiraju red koji nema ograničenje. Proveru pristigle
robe obavljaju dva magacionera. Na svakih sat vremena stiže novi kamion sa robom, a provera jednog traje pola sata.

a) Opisati dati sistem i naći λ, µ i Λ.

b) Da li postoje finalne verovatnoće opisanog sistema? Odgovor obrazložiti i ako postoje naći ih.
c) Izračunati očekivani broj kamiona?
d) Ukoliko se u redu za čekanje nalazi više od dva kamiona, vozači tih kamiona postaju nezadovoljni i zahtevaju
naknadu od 1000 dinara. Ako se dostava vrši od 6 ujutru do 17 časova, koliko novca je potrebno izdvojiti za
nezadovoljne vozače?

Prema postavci zadatka, posmatrani sistem masovnog usluživanja je tipa M |M |2|∞.

a) Neka je vremenska jedinica 1 sat. Tada je λ = 1 i µ = 2. Stanja sistema su 0, 1, 2, 3, . . . . Matrica Λ koja odreduje
opisani sistem opsluživanja je data sa:
 
-λ λ 0 0 0 0 0 ···  
 µ -λ-µ λ 0 0 0 0 ···  -1 1 0 0 0 0 ...
2 -3 1 0 0 0 ...
  
 0 2µ -λ-2µ λ 0 0 0 ···   

0 4 -5 1 0 0 ...
  
 0 0 2µ -λ-2µ λ 0 0 ···   
Λ= = .

 .. .. .. .. .. .. .. ..   0 0 4 -5 1 0 ...

 . . . . . . . .  
  0 0 0 4 -5 1 ...


 0 0 0 ··· 2µ -λ-2µ λ ···  .. .. .. .. .. .. ..


.. .. .. .. .. .. .. ..

. . . . . . .
. . . . . . . .
 λ 1
b) Finalne verovatnoće p∗ = [p∗0 p∗1 p∗2 · · · ] postoje jer je = < 1, i dobijamo ih standardnim rešavanjem
∞
X kµ 4
sistema jednačina p∗ · Λ = 0, p∗k = 1.
k=0
  

 -λ λ 0 0 0 ···
  µ -λ-µ λ 0 0 ···

 

  

 0 2µ -λ-2µ λ 0 ···
[p∗
 ∗ ∗ ∗
 
0 p1 p 2 p 3 · · · ] 
 = [0
 0 0 0 ···]

  0
 0 2µ -λ-2µ λ ··· 


 .. .. .. .. .. ..



 . . . . . .
 ∗
 ∗ ∗ ∗
p0 + p1 + p2 + p3 + · · · = 1,

Odakle dobijamo:
2 3 !
λ2 λ3 λ4
 
λ λ λ λ λ 2µ + λ
A = 1 + + 2 + 2 3 + 3 4 + ··· = 1 + 1+ + + + ··· = ,
µ 2µ 2 µ 2 µ µ 2µ 2µ 2µ 2µ − λ
1 2µ − λ 3
p∗0 = = = ,
A 2µ + λ 5
1  λ n 3 1  1 n
p∗n = p∗0 · n−1 · = · n−1 · , n ∈ N.
k µ 5 2 2
c) Očekivani broj kamiona je:
∞  1 n ∞ ∞ ∞
X 3 1 3X 1 6 X 1 6 X  1 n
E(X∞ ) = n · n−1 · = n 2n−1 = · n 2n = · n
n=1
5 2 2 5 n=1 2 5 n=1 2 5 n=1 4
∞ ∞
6 1 X  1 n−1 3 X  1 n−1 3 1 8
= · · n = · n = · 2 = .
5 4 n=1 4 10 n=0 4 10 1 15
1− 4

d) Za nezadovoljne vozače je potrebno izdvojiti 11 · 1 · pn · 1000din, gde je 1 očekivani broj pristiglih kamiona tokom
1h, a pn verovatnoća da u redu za čekanje ima više od 2 automobila, odnosno:
∞
X
pn = p∗n = 1 − (p∗0 + p∗1 + p∗2 + p∗3 )
n=5
3 3 1 3 1 3 1
=1− +· + · + · = 0.00625.
5 5 2 5 8 5 32
Konačno rešenje je 11 · 1 · 0.00625 · 1000din = 68.75din.

Teorijska pitanja – Raditi na ovom papiru!

1. [5 poena] Izračunati očekivanje, disperziju i korelacionu funkciju Poasonovog procesa.

Za s = 0 imamo da je Xt = Xt − X0 i Xt − X0 ima Poasonovu P(λt) raspodelu, pa je

mX (t) = E(Xt ) = E(Xt − X0 ) = λt

D(Xt ) = D(Xt − X0 ) = λt.

Neka je s > t > 0.

RX (t, s)
Slično, za t > s > 0 je RX (t, s) = λs + λ2 ts. Dakle,
= E(Xt Xs ) = E(Xt (Xt + (Xs − Xt )))
= E(Xt2 + Xt (Xs − Xt ))
= E(Xt2 ) + E((Xt − X0 )(Xs − Xt ))
= E(Xt2 ) + E(Xt − X0 )E(Xs − Xt )
= λ2 t2 + λt + λt λ(s − t) = λt + λ2 ts

RX (t, s) = λ min{s, t} + λ2 ts.

Iz D(Xt ) = E(Xt2 ) − E(Xt )2 sledi

E(Xt2 ) = E(Xt )2 + D(Xt ) = λt + λ2 t2 .
2. [2 poena] Da li je Poasonov proces proces radanja i umiranja? Ako jeste napisati matricu Λ. Ako nije, objasniti zašto
nije.
Poasonov proces je proces čistog radanja (µn = 0) kod kojeg je λn = λ > 0, za svako n ∈ {0, 1, 2, . . . }, i matrica Λ je
 
−λ λ 0 0 ...
 0 −λ λ 0 ... 
Λ= 0 .
 
0 −λ λ . . . 
.. .. .. ..
 
. . . .

3. [3 poena] Definisati dostižno i apsorbujuće stanje lanca Markova. Dati primer lanca Markova koji ima apsorbujuće
stanje.
Dostižno stanje Stanje sj je dostižno iz stanja si ako za neko n ∈ N0 , pij (n) > 0,pišemo si → sj .
Ako je si → sj i sj → si , kažemo da su si i sj medusobno dostižna stanja i to zapisujemo sa si ↔ sj .
Apsorbujuće stanje. Stanje si je apsorbujuće ako je pii = 1. Ako sistem ude u apsorbujuće stanje, nikad ne izlazi
iz njega.
Primer: Dete za doručak pije mleko, čaj ili čokoladno mleko. Ako jednog dana pije čokoladno mleko, onda svako naredno
jutro za doručak pije čokoladno mleko...