Eksponencijalna, gama,

hi-kvadrat i Studentova razdioba

 Eksponencijalna razdioba
Eksponencijalna razdioba se javlja u problemima vezanim za vrijeme
ispravnog rada uređaja čije se karakteristike ne mijenjaju u vremenu:
vrijeme ispravnog rada žarulje, vrijeme do prvog poziv u telefonskoj
centrali, do pojave neke nesreće i općenito vrijeme do pojave nekog
događaja čija je vjerojatnost pojavljivanja u svakom kratkom intervalu
jednake duljine jednaka.
Definicija (Eksponencijalna razdioba)
Kažemo da slučajna varijabla X ima eksponencijalnu razdiobu s
parametrom 𝜆 > 0 ako ona poprima pozitivne vrijednosti s gustoćom
𝑓 𝑥 = 𝜆𝑒 −𝜆𝑥 , 𝑥 >0.
Pišemo 𝑋 ~ Ε 𝜆 .
Njezina je funkcija razdiobe
𝐹 𝑥 = 1 − 𝑒 −𝜆𝑥 , 𝑥 >0.
Graf funkcije gustoće eksponencijalne razdiobe

Dakle, ima beskonačno mnogo eksponencijalnih razdioba (čak

neprebrojivo mnogo), ali sve su slične i parametrizirane su pozitivnim
parametrom 𝜆 .
Nabrojili smo više različitih (ali sličnih) pojava koje se približno ponašaju
prema eksponencijalnom zakonu. Parametar 𝜆 razlikuje međusobno te pojave
(žarulje različitih kvaliteta, vrijeme do prvog poziv u telefonskoj centrali,web
stranice različitih posjećenosti, različite radioaktivne materije i sl.).
Očekivanje i disperzija eksponencijalne razdiobe
1
Ako je 𝑋 ~ Ε 𝜆 , tada vrijedi 𝐸 𝑋 = .
𝜆
Kako se odredi očekivanje eksponencijalne razdiobe?

+∞
𝐸 𝑋 =න 𝑥𝑓 𝑥 𝑑𝑥 =
∞ −∞
−𝜆𝑥 −𝜆𝑥
1 −𝜆𝑥 ∞ 1
= න 𝑥𝜆𝑒 𝑑𝑥 = 𝑝𝑎𝑟𝑐𝑖𝑗𝑎𝑙𝑛𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑐𝑖𝑗𝑎 = −𝑥𝑒 − 𝑒 =⋯= .
0 𝜆 0 𝜆
Slično se dobije disperzija ili varijanca eksponencijalne razdiobe

+∞ ∞
2
𝐸 𝑋2 =න 𝑥 2𝑓 𝑥 𝑑𝑥 = න 𝑥 2 𝜆𝑒 −𝜆𝑥 𝑑𝑥 = 𝑝𝑎𝑟𝑐. 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑐𝑖𝑗𝑎 = 2
−∞ 0 𝜆

2 1 1
𝐷 𝑋 =𝐸 𝑋2 2
−𝐸 𝑋 = 2− 2 = 2.
𝜆 𝜆 𝜆
Interesantno je da vjerojatnost realizacije varijable prije očekivanja ne ovisi o
parametru razdiobe.
Vrijedi:
1 1 −𝜆∙
1
𝑃 𝑋<𝐸 𝑋 =𝑃 𝑋< =𝐹 =1−𝑒 𝜆 = 1 − 𝑒 −1
𝜆 𝜆
Primjer : Prosječno vrijeme između dvaju poziva nekog telefonskog broja je 80
sekundi. Odredimo vjerojatnost:
a) da to vrijeme bude najmanje 80 s,
b) da do sljedeceg poziva dođe za manje od 60 s,
c) da poziv stigne između 50-te i 100-te s.
Rješenje:
Da bismo riješili ovaj problem prihvatit ćemo pretpostavku da je vrijeme
između dviju poziva eksponencijalno razdijeljeno. Dakle, ako slučajna varijabla
X registrira to vrijeme onda je 𝑋~𝐸(1/80).
λ = 1/80 jer je prosječno vrijeme između poruka 80 s, a taj broj odgovara
očekivanju slučajne varijable X, a ono je 1/𝜆 .
a) 𝑃 𝑋 ≥ 80 = 𝑃 80 < 𝑋 < ∞ = 1 − 𝐹 80 = 1 − 1 − 𝑒 −1 = 0,3679
60
−80
b) 𝑃 𝑋 < 60 = 𝑃 −∞ < 𝑋 < 60 = 𝐹 60 = 1 − 𝑒 = 0,5276
100 50
− 80 −80
c) 𝑃 50 < 𝑋 < 100 = 𝐹 100 − 𝐹 50 = 1 − 𝑒 − 1−𝑒 =
0,2488
 Gama razdioba
Gama razdioba je generalizacija eksponencijalne razdiobe.
Neka je slučajni pokus ponavljanje događaja u vremenu s zadanim
konstantnim intenzitetom 𝜆 .
Slučajna varijabla koja daje vrijeme potrebno da se događaj dogodi određeni
broj puta 𝛼 ima gama razdiobu s parametrima 𝛼 𝑖 𝜆 .

Za kontinuiranu slučajnu varijablu 𝑋: Ω → 𝑅 kažemo da ima gama razdiobu s

parametrima 𝛼 𝑖 𝜆 , 𝛼, 𝜆 > 0 , ako je njezina funkcija gustoće definirana sa
𝜆𝛼 𝛼−1 −𝜆𝑥
𝑓 𝑥 = 𝑥 𝑒 , 𝑥 > 0, 𝛼, 𝜆 > 0 .
Γ(𝛼)
Pišemo 𝑋 ~ 𝐺(𝛼, 𝜆).
∞ 𝛼−1 −𝑡
Pri čemu je Γ(𝛼) = ‫׬‬0 𝑡 𝑒 𝑑𝑡.
 ∞ 𝑥−1 −𝑡
Svojstva gama funkcije Γ(𝑥) = ‫׬‬0 𝑡 𝑒 𝑑𝑡:
∞ −𝑡
a) Γ 1 = ‫׬‬0 𝑒
𝑑𝑡
b) Γ 𝑛 + 1 = 𝑛Γ 𝑛 = 𝑛 𝑛 − 1 Γ 𝑛 − 2 = ⋯ = 𝑛! , 𝑛 ∈ 𝑁 .

Eksponencijalna razdioba je ujedno i gama razdioba s parametrom 𝛼 = 1 .

Funkcija razdiobe je dana sa

𝑥
𝐹 𝑥 = 𝐶 න 𝑡 𝛼−1 𝑒 −𝜆𝑡 𝑑𝑡, 𝑥≥0
0
Očekivanje i varijanca je:

𝛼 𝛼
𝐸 𝑋 = , 𝐷 𝑋 =𝑉 𝑋 = 2 .
𝜆 𝜆
Primjer: Potrošnja materijala u nekom proizvodnom procesu je slučajni pokus. U prosjeku
svaki dan se potroši 20 komada materijala. Svaki mjesec se nabavlja 640 komada
potrošnog materijala. Neka je X slučajna varijabla vrijeme potrebno da se potroši zaliha
(dogodi događaj 𝛼 puta).
a) Kolika je vjerojatnost da ponestane potrošnog materijala?
b) Kolika mora biti mjesečna nabavka da vjerojatnost nestašice bude 0,01?
Rješenje:
𝜆 = 20, 𝛼 = 640, 𝑋~Γ 𝛼, 𝜆 = Γ(640, 20)
a) 𝑃 𝑋 < 30 = 𝐹 30 = 𝐹(30,640,20),
𝐹 𝑋; 𝛼, 𝜆 = 𝛾(𝜆𝑥, 𝛼)
𝐹 30,640,20 = 𝛾 20 ∙ 30,640 = 𝛾 600,640 = 0,055
Vjerojatnost da bude nestašica je 0,055.
b) 𝑃 𝑋 < 30 = 0,01
𝐹 30; 𝛼, 20 = 0,01
𝐹 30; 𝛼, 20 = 𝛾 20 ∙ 30, 𝛼 = 𝛾 600, 𝛼 = 0,01 ⇒ 𝛼 = 660 .
Potrebne mjesečne zalihe potrošnog materijala su 660 komada da bi vjerojatnost
nestašice bila 0,01 (mala)
 Hi – kvadrat razdioba
𝑛 1
Za 𝛼 = 𝑖 𝜆 = gama razdioba je 𝜒 2 (𝑛) hi-kvadrat razdioba s parametrom
2 2
n.
Hi-kvadrat razdioba zadana je funkcijom gustoće

1 1 1
𝑓 𝑥 = 𝑛 𝑥 2 𝑒 2𝑥 , x > 0 .
𝑛−1 −
1
2 Γ( 𝑛)
2
2
𝑛 1
Pišemo 𝑋 ~ Γ , = 𝜒 2 (𝑛).
2 2

Očekivanje i varijanca su:

𝐸 𝑋 =𝑛, 𝐷 𝑋 = 2𝑛 .
Hi-kvadrata razdioba
Hi-kvadrat razdioba je tabelirana za 𝑛 = 1,2, … , 30 .

Za 𝑋 ~ 𝜒 2 𝑛 i zadanu vjerojatanost 𝑝 = 𝑃 𝑋 > 𝑥𝑝 u tablici možemo

očitati vrijednosti 𝑥𝑝 .
Najčešće su tražene vjerojatnosti za xp , ako su zadane vjerojatnosti p =
0,99 ili p = 0,95 ili p = 0,5 ili p = 0,1 ili p = 0 , 05.

Primjer: Neka je 𝑋 ~ 𝜒 2 20 i 𝑃 𝑋 > 𝑥𝑝 = 0,1 . Od koje će vrijednosti

slučajna varijabla poprimiti veću vrijednost s vjerojatnošću 0,1?
Rješenje: U tablici očitamo za 𝑛 = 20 𝑖 𝑝 = 0,1 , 𝑥𝑝 = 28,41 .
 Studentova razdioba
U matematičkoj statistici važna je Studentova razdioba koju je 1908. godine
definirao S. Gosset pod pseudonimom Student.
Za kontinuiranu slučajnu varijablu 𝑋: Ω → 𝑅 kažemo da ima Studentovu
razdiobu ili t-razdiobu s parametrom n (stupanj slobode) i označavamo
𝑋~𝑡 𝑛 ako ima funkciju gustoće vjerojatnosti

𝑛+1 𝑛+1
−
1 Γ 2 𝑥 2 2
𝑓 𝑥 = ∙ 𝑛 ∙ 1+ ,𝑥 ∈ 𝑅 .
𝑛𝜋 Γ 𝑛
2
Funkcija je pozitivna, simetrična u odnosu na os y, parna, ima maksimum za
x = 0, os x joj je horizontalna asimptota. Kada n postaje velik graf se
približava (postaje) Gaussovoj krivulji (Gaussova krivulja).
Očekivanje i disperzija (varijanca) su:

𝑛
𝐸 𝑋 = 0, 𝐷 𝑋 = , 𝑛 >2.
𝑛−2

Tabelirane su joj vrijednosti za n = 1,2, … , 30 ali u obliku:

za 𝑋~𝑡 𝑛 i zadanu vjerojatnost 𝑝 = 𝑃 𝑋 > 𝑥𝑝 u tablici možemo očitati
vrijednost 𝑥𝑝 .
Najčešće su tražene vrijednosti za 𝑥𝑝 , ako su zadane vjerojatnosti 𝑝 =
0,9 𝑖𝑙𝑖 𝑝 = 0,8 𝑖𝑙𝑖 𝑝 = 0,7 𝑖𝑙𝑖 … 𝑖𝑙𝑖 𝑝 = 0,1 .

Za X~t n i n > 30 , dobra aproksimacija je X~N 0,1 .

Primjer: Neka je 𝑋~𝑡 20 i 𝑝 = 𝑃 𝑋 > 𝑥𝑝 = 0,1 . Izvan kojih granica
slučajna varijabla poprima vrijednost s vjerojatnošću 0,1?
Rješenje: U tablici očitamo za 𝑛 = 20 𝑖 𝑝 = 0,1 , 𝑥𝑝 = 1,725 .