Professional Documents
Culture Documents
INŽENJERSKA STATISTIKA - 1) Osnove Statistike
INŽENJERSKA STATISTIKA - 1) Osnove Statistike
INŽENJERSKA STATISTIKA - 1) Osnove Statistike
• Kombinatorika i vjerojatnost
• Obrada empirijskih podataka
• Mjere položaja i rasipanja
Kombinatorika
• Kombinatorika – problem svrstavanja, raspoređivanja i
prebrojavanja elemenata skupova
• Slučajni događaj – događaj koji se pod nekim okolnostima
može ali i ne mora dogoditi. Služe pri određivanju
vjerojatnosti slučajnih događaja
• Modeli u kombinatorici:
– Permutacije (bez ponavljanja i s ponavljanjem)
– Varijacije (bez ponavljanja i s ponavljanjem)
– Kombinacije
– Složene kombinacije
Permutacije
• permutacije bez ponavljanja:
– niz n istovrsnih elemenata kojima se određuje broj mogućih
redoslijeda (poređaja)
P(n) n! n (n 1) ... (n k) ... 1
Primjer: Na koliko se načina može poredati niz od 4 kuglice različite boje?
P (4) 4! 4 3 2 1 24
• permutacije s ponavljanjem:
– niz n istovrsnih elemenata među kojima postoje određene
podgrupe - određuje se broj mogućih redoslijeda (poređaja)
(n)
P A1 ,A2 ...AK A1! A 2n!!...AK !
Primjer: Na koliko se načina može poredati niz od 6 kuglica (2 crvene, 2 plave
te zelena i žuta)?
6!
P (6)
2 , 2 ,1,1 180
2!2!
Varijacije
• varijacije bez ponavljanja:
– niz n istovrsnih elemenata iz kojeg se uzima uzorak r te se određuje
broj različitih (mogućih) ishoda
n n!
Vr
(
)
n r !
)
Primjer: Koliko različitih uzoraka od po 3 kuglice možemo složiti iz skupa od 5 kuglica?
(5) 5!
V3 60
(5 3)!
• varijacije s ponavljanjem:
– niz n istovrsnih elemenata iz kojeg se uzima uzorak r te se određuje broj
različitih (mogućih) ishoda s mogućnošću ponavljanja elemenata iz
skupa n do maksimalno r-puta
n
Vr nr
(
)
Primjer: Igranje sportske prognoze. Na koliko se načina može ispuniti listić sportske
prognoze ako se na listiću nalazi 12 parova, a mogući ishodi su 1,0 i 2?
(3)
V12 312 531 441
Kombinacije
• kombinacije bez ponavljanja:
– niz n istovrsnih elemenata iz kojeg se uzima uzorak od r elemenata
te se određuje broj različitih (mogućih) sastava uzorka gdje nije bitan
redoslijed već sadržaj (sastav)
(n) Vr(n)! n n!
Kr
r! r (n r)! r!
Primjer: Koliko treba ispuniti nizova da bi se u LOTU 7/39 sigurno dobila ‘sedmica’?
NAPOMENA: budući da nije bitan redoslijed odabiranja (izvlačenja) kuglica
radi se o kombinacijama.
(39) 39 39!
K7 15 380 937
7 (39 7)!7!
• kombinacije s ponavljanjem:
– n broj elemenata, r uzorak
n +r - 1
K'r (n)
r
Složene kombinacije
• složene kombinacije – skup od N elemenata sadrži podskup elemenata
sa svojstvom A i podskup elemenata sa svojstvom Ā (non A)
SKUP
N
• Protivna vjerojatnost
P(A) 1 P(A)
• Teoremi vjerojatnosti (slučaj složenih događaja):
• zbrajanje vjerojatnosti - P(A1) ili P(A2)
• zanima nas vjerojatnost da se dogodi A1 ili A2
• uz uvjet da su događaji A1 i A2 disjunktni (međusobno se
isključuju)
Primjer 1: U dvije kutije su raspoređene crvene i plave kuglice. U prvoj kutiji je 7 crvenih i 3
plave kuglice, dok su u drugoj kutiji 5 crvenih i 5 plavih. Potrebno je pronaći
vjerojatnost da ako je odabrana plava kuglica da je izvučena iz prve kutije.
K1 K2
10
P(K1)=P(K2)= =0,5
20
3
P(K1) P(p/K1) P(p/K1)= 0, 3
P(K1/p)= 10
P(K1) P(p/K1)+P(K2) P(p/K2)
5
0,15 P(p/K2)= 0, 5
P(K1/p)= 0, 375 10
0,15 0, 25
Primjer 2: Tri posude sadrže crvene i plave novčiće. Posuda B1 sadrži 2 crvena i 4 plava
novčića, posuda B2 sadrži 1 crveni i 2 plava novčića te posuda B3 sadrži 5
crvenih i 4 plava novčića. Vjerojatnosti odabira posuda su redom: P(B1)=1/3,
P(B2)=1/6, P(B3)=1/2. Izračunati:
a) Vjerojatnost izvlačenja crvenog novčića.
b) Vjerojatnost da je izvučeni crveni novčić iz posude B1.
a) P(c)=P(B1) P(c/B1)+P(B2) P(c/B2)+P(B3) P(c/B3)
2 1 5
P(c/B1)= ; P(c/B2)= ; P(c/B3)=
6 3 9
1 2 1 1 1 5 4
P(c)=
3 6 6 3 2 9 9
b)
P(B1) P(c/B1)
P(B1/c)=
P(c)
1 2
P(K1/p)= 3 6 1
4 4
9
Primjer 3: 1% od ukupne populacije osoba starijih od 40 godina obolijeva od jedne vrste
karcinoma. Osoba oboljela od karcinoma u 90% slučajeva ima pozitivan rezultat
testa, dok osoba koja nije oboljela od karcinoma u 10% slučajeva također
dobiva pozitivan rezultat. Kolika je vjerojatnost da testirana osoba uistinu
oboljela ako se rezultat testa pokaže kao pozitivan?
Događaji:
A - rezultat testa pozitivan
B - osoba uistinu oboljela
Vjerojatnosti:
P(B) P(A/B)
P(B/A)=
P(A)
P(B)=0,01; P(A/B)=0,90; P(A/ B)=0,10;
P(A)=P(B) P(A/B)+P(B) P(A/ B)=0,01 0,90+0,99 0,1=0,108;
0, 01 0, 90
P(B/A)= 0, 08333 8, 33%
0,108
• Upotreba teorije vjerojatnosti na primjerima iz prakse
• Slučaj serijskog spoja – problem vezan za pouzdanost sustava
x
a b x
• Grafička obrada empirijskih podataka
• vrste grafičkih prikaza:
1. Histogram (‘bar chart’) – prikazivanje učestalosti podataka
stupićima te povezivanje vrhova u poligon frekvencija
Primjer:Histogram
12 - histogramski prikaz za diskretnu varijablu
- direktno očitavanje vjerojatnosti pojave pojedine
10
vrijednosti varijable
8
Frequency
6 Histogram
- histogramski prikaz
4
7
za kontinuiranu
6
varijablu
2
5 - prikaz preko
razreda podataka po
Frequency
0 4
0 1 2 3 4 5
C1
3 kojima klasificiramo
2
podatke
- u tehnici se radi sa
1
razredima jednake
0
22 24 26
x
28 30 veličine (širine)
Histogram of x1
0
22 24 26 28 30 32 34
x1
2. ‘Box- whisker’ prikaz (prikaz ‘kutija – brkovi’) – jedno od najčešćih prikaza podataka
Primjer:
Boxplot of x1; x2
40
- ‘box-whisker’ prikaz za kontinuiranu varijablu
- prikaz je moguće kreirati u različitim verzijama
35
(središnja točka medijan/aritmetička sredina,
podjela po percentilima/intervalima povjerenja...)
Data
30
- jednostavna dijagnostika problematičnih podataka
(ekstrema, ‘outliera’)
25
- mogućnost prikazivanja dva ili više uzoraka
paralelno te brzo dijagnosticiranja njihovih relacija i
20
x1 x2
karakteristika
3. ‘Stem-leaf’ prikaz (prikaz ‘stabljika - list’)
Primjer: fi Stem Leaf
- prikaz ‘stabljika-list’ se najčešće koristi na
2 21 02
podacima koji su u decimalnom obliku gdje
4 22 3349
se znamenka cijelog broja prikazuju kao
5 23 12589
stabljika a decimalni dio kao ‘list’
4 24 5678
2 25 48
1 26 4
4. Ostali prikazi:
• ‘Individual plot’,
• ‘Scatter plot’,
• ‘Line plot’,
• ‘Dot plot’ ,
• ‘Marginal plot’ ,
• ‘Area plot’,
• ‘Pie chart’
• ‘Normal probability plot’,
• ...
Primjer grafičke analize podataka: Na jednom uzorku izmjerene su vrijednosti vlačne
čvrstoće šarže čeličnog lima (u N/mm2). Nakon mjerenja dobiveni su sljedeći
podaci: 430, 440, 450, 460, 440, 430, 410, 410
Histogram
440, 440, 430, 440, 420, 450, 430, 450
7
420, 440, 420, 450, 410, 440, 460, 430
6
5
Frekvencija
1 20
Kumulativne frekvencija
10
450
0
410 420 430 440 450 460
Vlačne čvrstoće, N/mm2 430
420
410
• Numerička obrada empirijskih podataka
• MJERE POLOŽAJA
• aritmetička sredina – suma svih elemenata u populaciji podijeljena sa brojem
elemenata populacije (težište – paralela sa mehaničkim modelom)
N n
ix xi
E ( x) μ ocekivanje i 1 x aritm. sredina uzorka i 1
N n
n
najvažnije svojstvo aritmetičke sredine: ( xi x ) 0
i 1
Medijan
Kvartili
Decili
Percentili
• MJERE RASIPANJA
• standardna devijacija σ – prosječno odstupanje svakog podatka od arit. sredine
• varijanca σ2 – prosječno kvadratno odstupanje svakog podatka od arit. sredine
n
( xi x )
2
2 i 1
2
n n
• nepristrana procjena varijance osnovnog skupa (σo2) : i
( x x ) 2
s2 i 1
n 1
• koeficijent varijacije, V – međusobno uspoređivanje varijabilnosti pojava
ili svojstava
- pokazuje koliki odnos vrijednosti aritm. sredine iznosi
vrijednost standardne devijacije (u %)
koeficijent varijacije
(relativna mjera rasipanja)
V 100%
x
• raspon, Rx – razlika najveće i najmanje vrijednosti u nekom nizu podataka
Rx xmax xmin
• MOMENTI STATISTIČKIH SKUPOVA
• mehanički model - greda, oslonac i opterećenje ( x1,x2, ... – jedinične sile)
x1 x2 x3 x4 x5 x6 x7
n
• MJERE OBLIKA STATISTIČKOG SKUPA
• koeficijent asimetrije (Skewness) – mjera nagnutosti distribucije na lijevu
ili desnu stranu
M n
1 (x x)3
3
n i
3 i1
3 3 3 svaki |α3| : 0 - 0,25 zanemariva asimetrija
0,25 – 0,50 slaba asimetrija
0,50 – 0,75 srednja asimetrija
0,75 - + jaka asimetrija
M n
1 (x x)4 M4
4 '
4 n i
-3 -normiranje na nulu
i1
4
(jednostavnije očitavanje)
4 4 4
0,9
0,8
0,7
0,6
spljoštenost α4<3 (α’4<0)
0,5
normalna spljoštenost α4=3 (α’4=0)
f(x)
0,2
0,1
0,0
0 2 4 6 8 10 12
X
Primjer dva skupa:
a) sa istim očekivanjem a različitom varijancom
30
10
25
8
Frekvencija
20
Frekvencija
15
4
10
2
5
0 0
405 415 425 435 445 455 465 405 415 425 435 445 455
Vlačne čvrstoće [N/mm2] Vlačne čvrstoće [N/mm2]
Primjer 2: Rad jednog automata kontrolira se uzorcima od 15 proizvoda. U svakom uzorku
se ustanovljuje broj defektnih proizvoda. Budući da je uzeto 200 uzoraka, dobiveni podaci su
u sljedećoj tablici. Potrebno je izračunati osnovne statističke parametre te grafički prikazati
podatke u odgovarajućim prikazima.
x 0 1 2 3 4 5 6
fi 77 81 31 7 2 1 1
80 180
160
70
140
60
120
Frekvencija
Frekvencija
50
100
40
80
30
60
20
40
10 20
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
broj defektnih broj defektnih
Primjer 3: Sljedeći podaci prezentiraju temperature ‘O-ring’ brtvi raketnog motora prilikom
testiranja sustava paljenja: 84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73,
70, 57, 63, 70, 78, 52, 67, 53, 67, 75, 61, 70, 81, 76, 79, 75, 76, 58, 31. Potrebno je odrediti
sve osnovne statističke parametre i grafički prikazati podatke.
Histogram of °F Boxplot of °F
14 90
12
80
10
70
Frequency
60
°F
4 50
2
40
0
30 40 50 60 70 80
30
°F
SLUČAJNA VARIJABLA
• Definicija – pojam slučajne varijable je definirano kao veličina čije se
brojčane vrijednosti pridružuju pripadajućim događajima slučajnog pokusa
• Slučaj bacanja novčića:
Elementarni događaj – P ili G
Slučajna varijabla opisuje ishod: x(P)=1, x(G)=0
{x=1}={P}, {x=0}={G}
2 ( x) E x E ( x)
2
varijanca
i 1 i
učestalost
vjerojatnost
– funkcija distribucije F(x) diskretne varijable (kumulanta):
k
F ( xk ) p( xi ) F ( xk ) P ( x xk )
i 1
Vjerojatnosti Kumulativni prikaz
50
100
40
30
P*100%
60
20 40
10 20
0 0
0 1 2 3 4 x 5 0 1 2 3 4 5
x
( x) x f ( x)dx x f ( x)dx
varijanca 2 2
1. f ( x) 0
2. f ( x)dx 1
x2
3. f ( x)dx P( x1 x x2 )
x1
– funkcija distribucije vjerojatnosti (kontinuirana varijabla):
povezanost f.g.v. i funkcije distribucije
x1
F ( x1 ) f ( x)dx
Primjer: Sljedeći podaci prezentiraju temperature ‘O-ring’ brtvi raketnog motora prilikom
testiranja sustava paljenja: 84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73,
70, 57, 63, 70, 78, 52, 67, 53, 67, 75, 61, 70, 81, 76, 79, 75, 76, 58, 31. Potrebno je odrediti
sve osnovne statističke parametre i grafički prikazati podatke.
Histogram of °F Boxplot of °F
14 90
12
80
10
70
Frequency
60
°F
4 50
2
40
0
30 40 50 60 70 80
°F 30
- Veza histograma frekvencija s funkcijom gustoće vjerojatnosti:
Primjer 1.
Na nekom stroju mogu se izrađivati dijelovi za neki sklop sastavljen iz tri dijela, na način da se prvi dio
izrađuje u 4 različite varijante, drugi dio u 7 varijanti, a treći dio sklopa u 5 varijanti. Koliko različitih
varijanti sklopova se može montirati iz tih dijelova?
Prvi dio izrađuje se u 4 varijante, te se poistovjećuje s komponentom a 1 koja se može izraditi na
p1 4 različita načina. Slično tome, drugi dio izrađuje se u 7 varijanti, te komponenta a 2 može biti na p 2 7
načina, a treći dio a 3 bira se na p 3 5 načina. Dakle, skup T A1 A2 A3 je skup uređenih trojki a1 , a 2 , a 3
koje poprimaju vrijednosti, odnosno koje se biraju na 4, 7, i 5 načina, te se, prema (1.1), od njih može montirati
sklop na p p1 p 2 p 3 4 7 5 140 načina.
Primjer 2.
Ako se u nekom pogonu kojeg opslužuje određena grupa radnika želi izabrati poslovođa i njegov zamjenik,
pri čemu je poznato da 6 radnika posjeduje kvalifikaciju za poslovođu, a nakon njegovog izbora preostaje 7
radnika kvalificiranih za zamjenika, potrebno je ustanoviti na koliko načina se ovakav izbor može napraviti?
Radnici kvalificirani za poslovođu predstavljaju skup A1 s elementima a1 kojih ima p1 6 . Preostali
radnici kvalificirani za zamjenika članovi su skupa A2 i poistovjećujemo ih s elementima a2 kojih je p2 7 .
Dakle, skup T A1 A2 uređenih parova a1 , a2 ima p p1 p2 6 7 42 elemenata, tj. poslovođa i zamjenik
poslovođe mogu se birati na 42 različita načina.
Primjer 3.
Na koliko načina se od 5 radnika može izabrati grupa od troje ljudi, a iz koje bi jedan od radnika radio u
prvoj, drugi u drugoj, a treći u trećoj smjeni? Isti radnik ne smije raditi više od jedne smjene.
Skup A a1 , a 2 , a 3 , a 4 , a 5 čini n 5 različitih radnika a1 , a 2 , a 3 , a 4 , a 5 od kojih treba formirati grupu
veličine r 3 , iz koje će svaki radnik dobiti svoju smjenu. Broj elemenata a , a
i j , ak skupa svih mogućih
uređenih trojki T a , a
i j , a k : i , j , k 1, 2, ..., 5; i j k je broj varijacija bez ponavljanja koji prema (1.11)
iznosi
V 3 5 5 4 3 60 . (a)
Drugim riječima, u prvu smjenu može se izabrati jedan od 5 radnika, u drugu jedan od preostalih 4, a u treću
jedan od preostala 3, što zbog teorema o uzastopnom prebrojavanju daje (a).
Primjer 4.
Na koliko načina se od 5 radnika može napraviti raspored takav da u svakoj od 3 smjene uvijek bude
jedan radnik? Isti radnik može biti u jednoj ili u više smjena.
Primjer 5.
Na koliko načina se od 5 radnika može formirati grupa u kojoj zbog prirode posla u isto vrijeme
trebaju raditi 3 čovjeka?
Skup A a1 , a2 , a3 , a4 , a5 čini n 5 različitih radnika a1 , a2 , a3 , a4 , a5 od kojih treba formirati grupu
veličine r 3. Broj tih grupa, tj. skupova a , a , a
i j k skupa svih mogućih skupova
T a , a , a : i, j, k 1, 2,..., 5; i j k
i j k
(koji nisu uređeni jer njihov poredak nije bitan) je broj kombinacija
3. razreda bez ponavljanja od 5 elemenata koji iznosi
5
K 3 5 , (a)
3
odnosno,
5! 1 2 3 4 5
K3 5 10 . (b)
5 3!3! 1 2 1 2 3
Primjer 6.
U nekom dijelu skladišta pohranjuje se 3 različite vrste robe. Na koliko načina se može odabrati roba za
skladištenje ako u taj dio skladišta treba pohraniti točno 5 komada?
Skup A a1 , a 2 , a3 sadrži n 3 različite vrste robe a1 , a2 , a3 , od kojih treba formirati grupu veličine
r 5. Broj skupova a , a , a , a , a
i j k l m iz skupa svih mogućih skupova
T a , a , a , a , a : i, j , k , l , m 1, 2, 3; i j k l m
i j k l m (koji nisu uređeni jer njihov poredak nije
bitan) je broj kombinacija 5. razreda s ponavljanjem od 3 elementa koji iznosi
3 5 1 7 7!
K 5 3 21 .
5 5 2!5!
Primjer 7.
U nekom pogonu potrebno je u jednom redu postaviti 4 različita stroja. Na koliko je načina to
moguće učiniti?
Ako strojeve označimo sa a1 , a2 , a3 , a4 , tada je iz skupa međusobno različitih strojeva
A a1 , a2 , a3 , a4 moguće formirati njihove uređene četvorke a , a , a , a .
i j k l Brojnost skupa
T a , a , a , a : i, j, k , l 1, 2, 3, 4; i j k l , a
i j k l 1 a2 a3 a4 svih mogućih četvorki je broj permutacija
bez ponavljanja koji je jednak
P 4 4! 24 . (a)
To znači da se prvi stroj može postaviti na 4 različita mjesta, drugi stroj na preostala 3, treći na 2 i četvrti na
preostalo 1 mjesto, iz čega prema teoremu o uzastopnom prebrojavanju slijedi (a).
Primjer 8.
U nekom pogonu potrebno je u jednom redu postaviti 10 strojeva, od kojih su njih 2, 3 i 5 međusobno
identični. Na koliko je načina to moguće učiniti?
n n1 n2 ... nk 2 3 5 10
Ako strojeve označimo sa a1 , a2 , a3 , a4 , a5 , a6 , a7 , a8 , a9 , a10 a1, a1 , a2 , a2 , a2 , a3 , a3 , a3 , a3 , a3 , tada je iz
n1 2 n2 3 n3 5
skupa strojeva A a1 , a1 , a 2 , a 2 , a 2 , a3 , a3 , a3 , a3 , a3 moguće formirati njihove uređene desetorke
a , a , a
i j k , al , a m , a n , a o , a p , a q , a r . Brojnost skupa T a , a , a , a , a
i j k l m , a n , a o , a p , a q , a r : i , j , k , l , m , n, o ,
p , q, r 1, 2, 3, 4, 5, 6, 7,8, 9,10; i j k l m n o p q r svih mogućih desetorki je broj permutacija od
10 članova s ponavljanjem 2, 3 i 5 članova što iznosi
10!
P2,3,5 10 2520 .
2! 3! 5!
Primjer 9.
Nakon bacanja kocka se može zaustaviti na brojevima 1, 2, 3, 4, 5 ili 6. Koja je vjerojatnost da se
kocka zaustavi na parnom broju ili na broju koji je veći od 3?
Povoljan događaj je da se od 6 brojeva kocka zaustavi na parnom broju ili na broju koji je veći od 3, te
je skup povoljnih događaja A 2, 4, 5, 6 . Očito je broj elemenata skupa A jednak
k A 4 . (a)
Skup elementarnih događaja je skup svih brojeva na kojima se može zaustaviti kocka, tj. 1, 2, 3, 4,5, 6
i njegov kardinalni broj iznosi
k 6 . (b)
Vjerojatnost da se kocka zaustavi na parnom broju ili na broju koji je veći od 3 prema izrazu (2.10)
jednaka je kvocijentu kardinalnih brojeva (a) i (b) i iznosi
4
P A 0, 667 , (c)
6
ili 66, 7% .
Primjer 10.
Poznato je da se u nekoj kutiji nalazi ukupno 50 proizvoda od kojih su 4 neispravna. Kolika je vjerojatnost
da se, pri slučajnom uzimanju 5 proizvoda iz kutije, nađu 3 neispravna?
Povoljan događaj A je da se od 50 proizvoda među 5 slučajno odabranih nađu 2 ispravna i 3
neispravna proizvoda. Broj elementarnih događaja koji čine događaj A jednak je broju načina na koje je moguće
odabrati 2 ispravna i 3 neispravna proizvoda. To je, prema teoremu o uzastopnom prebrojavanju, jednako
umnošku broja načina na koje je moguće odabrati 2 ispravna od 46 ispravnih proizvoda i broja načina na koje je
moguće odabrati 3 neispravna od 4 neispravna proizvoda. Broj načina na koje je moguće odabrati 2 ispravna od
46 ispravnih proizvoda odgovara broju kombinacija 2. razreda bez ponavljanja iz skupa od 46 elemenata što
iznosi
46 46! 46 45
K 2 46 1035 . (a)
2 46 2 !2! 1 2
Broj načina na koje je moguće odabrati 3 neispravna od 4 neispravna proizvoda odgovara broju kombinacija 3.
razreda bez ponavljanja iz skupa od 4 elementa što je jednako
4 4! 1 2 3 4
K3 4 4. (b)
3 4 3!3! 1 2 3
Ukupan broj elemenata skupa povoljnih događaja A jednak je umnošku
k A K 2 46 K 3 4 1035 4 4140 . (c)
Vjerojatnost da se, pri slučajnom uzimanju 5 proizvoda iz kutije, nađu 3 neispravna jednaka je
kvocijentu broja članova skupa povoljnih elementarnih događaja (c) i skupa svih elementarnih događaja (e), tj.
4140
P A 0, 002 , (f)
2118760
što znači da će se događaj A ostvariti u 0, 2% slučajeva.
Primjer 11.
Dva radnika svaki na svom stroju proizvode istu seriju proizvoda. Nakon svakog završenog proizvoda
radnici ga ubacuju u zajedničku kutiju. Prvi radnik proizveo je 8 ispravnih i 2 neispravna proizvoda, a
drugi radnik 5 ispravnih i 1 neispravan proizvod. Kontrolor iz kutije izvlači jedan proizvod. Kolika je
vjerojatnost izvlačenja proizvoda kojega je proizveo prvi radnik? Kolika je vjerojatnost da je izvučen
proizvod prvog radnika ako je poznato da je izvučen neispravan proizvod?
BROJNOST SKUPOVA A, B, I, N
I N IUN
A 8 2 10
B 5 1 6
AUB 13 3 16
Događaj pojave kvara u periodu od jedne godine označimo sa A . Vjerojatnost događaja A bit će
jednaka 1% ako se nasumce odabere proizvod koji odgovara 1. klasi, tj. ako je nastupio događaj H 1 . Na isti
način, vjerojatnost događaja A bit će jednaka 2%, 4% ili 7% ovisno o tome koji je od događaja H 2 , H 3 ili H 4
nastupio. Sada se može pisati da vjerojatnosti nastupa događaja A uvjetovane vjerojatnošću nastupa događaja
H1 , H 2 , H 3 i H 4 iznose:
P A / H 1 0, 01 ; P A / H 2 0, 02 ; P A / H 3 0, 04 ; P A / H 4 0, 07 . (b)
Rješenje:
P ( A) 17 2
P 0, 7225
P (ukupno ) 20 2
Primjer 15.
Pouzdanost elemenata elektroničkih sklopova prikazanih na skicama je jednaka i međusobno nezavisna te iznosi Pi=0,95
(i=1, 2,...5). Potrebno je odrediti vjerojatnost ispravnog rada elektroničkih sklopova za skicirane slučajeve.
Rješenje:
a) P =P (1-Q
5 Q
I )=P
II [1-(1-P
5 P 1)(1-P
3 P )]=0,940969
2 3
sklopa