Elektrotehnički fakultet

Slučajni
eksperiment X(S)

PREZENTACIJA
1

POUZDANOST ELEKTRIČNIH ELEMENATA I SISTEMA

Višestruke slučajne varijable

ODGOVORNI NASTAVNIK:
V.prof.dr. Mirza BATALOVIĆ, dipl.el.ing.

Šifra predmeta: ETF EEO PEES I-2360

Bachelor studij (ETF-B-BOE) / Elektroenergetika / 3. Semestar
Akademska: 2022/2023

1
2
 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
4
 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

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
6
 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
8
 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
10
 Vjerovatnost događaja dvostruke SV

• a

• a

• a

11

11

Vjerovatnost događaja dvostruke SV

• a

• a

• a

12

6
12
 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

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
14
 Diskretna dvostruka slučajna varijabla
• Osobine funkcije vjerovatnosti dvostruke SV:
0 $ ", # 1

))$ ", # 1
+ *

,- , ∈ ) )$ ", #
+, * ∈/0

gdje sumiranje po tačkama ", # u domenu opsega 1 odgovara događaju A.

• Funkcija distribucije diskretne dvostruke SV dana je sljedećim izrazom:

, ) )$ ", # .
+3 *3
15

15

Diskretna dvostruka slučajna varijabla

Marginalna funkcija vjerovatnosti diskretne dvostruke SV

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

vrijednosti " 4 1,2, … , 7 , 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
16
 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

17

Diskretna dvostruka slučajna varijabla

• Primjer 1.
• Združena kumulativna funkcija distribucije diskretne dvostruke SV zadana je izrazom:
0 8 0 :;: 80
$ 0 8< 0 8=
, $ >< 0 8=
$? 0 8< >=
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
18
 Kontinuirana dvostruka slučajna varijabla
Združena funkcija gustoće vjerovatnosti dvostruke SV
• Neka je , kontinuirana dvostruka SV s kumulativnom funkcijom distribucije
, i neka vrijedi jednakost:
A ,
@ , .
A A
• Funkcija @ , naziva se združenom funkcijom gustoće vjerovatnosti dvostruke SV
, . Integriranjem posljednje jednakosti dobiva se kumulativna funkcija
distribucije:

, B B@ C, D ECED
F F

19

19

Kontinuirana dvostruka slučajna varijabla

• Osobine funkcije gustoće vjerovatnosti dvostruke SV:
@ , >0

B B@ , E E 1
F F
@ , neprekidna za sve vrijednosti x i y

Pr , ∈ G@ , E E
/0
K I

Pr < 8 =, H 8 E BB@ , E E
L J

20

10
20
 Kontinuirana dvostruka slučajna varijabla
Marginalna funkcija gustoće vjerovatnosti kontinuirane dvostruke SV
• Primjenom prethodno definirane jednakosti: lim , ,∞ može
→
se pisati:
M

,∞ B B @ C, D ECED
F F
• Slijedi da je
E
@ B@ , D ED
E
F
ili

@ B@ , E ;@ B@ , E
F F 21

21

Kontinuirana dvostruka slučajna varijabla

• Funkcije vjerovatnosti @ i@ 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:
A , A A
A A A A
ili
@ , @ @
22

11
22
 Kontinuirana dvostruka slučajna varijabla
• Primjer 2.
• Zadana je funkcija gustoće dvostruke SV kao:

OP > 0, > 0 .
F M
@ ,
0 :7<čP
a) Ispitati uvjet normiranosti;
b) Izračunati ,- 1 8 8 2,0 8 82 ;
c) Izračunati ,- R ;
d) Odrediti funkciju distribucije;
e) Odrediti marginalne funkcije gustoće vjerovatnosti.

23

23

Kovarijansa i koeficijent korelacije

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

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

* +
STU V T U

B B T U
@ , E E Kontinuirana SV
F F

• Ukoliko je 7 0, imamo k – ti moment varijable X, a ako je W 0 slijedi n – ti moment

varijable Y. Dakle,
S X V Y
SX V Y

24

12
24
 Kovarijansa i koeficijent korelacije
• Ako (X, Y) predstavlja diskretnu dvostruku SV onda vrijedi:

Y V )) "$ ", # ) " )$ ", # ) "$ "

* + + * +

Y V )) "$ ", # ) # )$ ", # ) #$ #

* + * + *

• Na sličan način se dobiva:

V )) " $ ", # ) " $ "

* + +

V )) # $ ", # ) # $ #
* + *
25

25

Kovarijansa i koeficijent korelacije

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

Y V B B @ , E E B B@ , E E B @ E
F F F F F

Y V B B @ , E E B B@ , E E B @ E
F F F F F
• Analogno:

V B B @ , E E B @ E
F F F

V B B @ , E E B @ E
F F F
26

13
26
 Kovarijansa i koeficijent korelacije

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

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

27

Kovarijansa i koeficijent korelacije

• Ako je `ab , 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:
V V V
• Obratno ne mora da vrijedi, tj. nekorelirane SV ne moraju biti nezavisne;
• Koeficijent korelacije u oznaci d , ili d definira se na sljedeći način:
`ab , c
d , d
c c c c

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

14
28
 Linearne transformacije
• Iz

• Iz

• Iz

• Iz 29

29

Linearne transformacije

Zaključak

30

15
30
 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 , , … , U niz nezavisnih, identično distribuiranih SV gdje svaka ima

srednju vrijednost Y i varijansu c .
• Neka je
f M g M⋯M i FUj l Fj
eU m
k U
i
Onda distribucija teži ka standardiziranoj normalnoj distribuciji kako 7 → ∞ , tj.

lim eU n 0; 1
U→

31

31

Teorem o centralnom limitu

• Također može se na sljedeći način definirati:

lim oi p lim Pr eU p Φ p
U→ U→

gdje Φ p predstavlja kumulativnu funkciju distribucije standardizirane normalne SV.

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

sume rU s s ⋯ s U je aproksimativno normalna bez obzira na formu
distribucije individulanih varijabli " .

32

16
32
 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

33

ZAHVALJUJEM NA
POZORNOSTI!

34

17
34