VJEROJATNOST I STATISTIKA

1.DESKRIPTIVNA STATISTIKA
1. Što je statistički (opći) skup? Navedite primjer statističkog skupa I nekog njegovog obilježja.

Statistički skup čine jedinice, koje predstavljaju stvari, osobe, kockice betona i tome slično čija su
svojstva predmetom istraživanja statističkom metodom.Prema opsegu razlikuje se konačni statistički
skup od beskonačnog. Statistički skup može biti realan i hipotetičan. Statistički skup o kojem se
informacije dobivaju promatranjem treba definirati.

2. Što je statističko obilježje?

Svojstvo po kojem se jedinice skupa razlikuju ili jedna drugoj nalikuju nazivaju se obilježja (varijable).

3. Što je (apsolutna) frekvencija, a što relativna frekvencija neke vrijednosti obilježja?

Apsolutna frekvencija (hrvatski – učestalost) je broj nastupa (pojavljivanja) jednog modaliteta

varijable. Označava se sa f i , za i = 1,2,...,k.

Relativna frekvencija je omjer apsolutne frekvencije i sume svih apsolutnih frekvencija

4. Čemu je jednak zbroj svih apsolutnih frekvencija?

Zbroj apsolutnih frekvencija pokazuje učestalost pojave jednog modaliteta ili jednake vrijednosti
promatrane varijable. Dakle jednak je veličini populacije N.

5. Što je populacija, a što uzorak? Navedite dva primjera za populaciju I njen uzorak.

Skup podataka o promatranom svojstvu promotren za svaku jedinicu predstavlja osnovni skup ili
populaciju.

Promatra li se neko svojstvo na podskupu jedinica, podaci iz tog podskupa predstavljaju uzorak.

Primjer: kućanstvo-financije, stanovništvo-žene, životinje-mačke

6. Što je opseg populacije/uzorka?

Opseg uzorka (podskupa) je broj podataka u jednoj grupi. Naziva se i apsolutna frekvencija.

Opseg populacije (osnovnog skupa) je jednak zbroju apsolutnih frekvencija

8. Navedite neke tipove dijagrama (vrsta grafikona) koji se koriste za prikazivanje frekvencija.

Frekvencije se prikazuju linijskim dijagramom i površinskim grafikonom

9. Koje dvije vrste grafikona su najprimjerenije za prikaz podataka razvrstanih u razrede?

Vrste grafikona su: linijski grafikon (poligon frekvencija) i površinski grafikon (histogram).

10. Kako se računaju kumulativne frekvencije grupa(razreda) podataka? Čemu je jednaka

kumulativna frekvencija posljednje grupe(razreda)?

Kumulativne frekvencije grupa (razreda) se računaju zbrajanjem (kumuliranjem) frekvencija od

najmanje do najveće vrijednosti obilježja.

Kumulativna frekvencija posljednje (n) grupe (razreda) jednaka je zbroju pretposljednje

kumulativne frekvencije (n-1) i apsolutne frekvencije posljednje grupe (razreda)

fcum(n) = fcum(n-1) + fi (n)

11. Nabrojite mjere srednje vrijednosti. Koje od njih su položajne, a koje potpune?

- Srednje vrijednosti se dijele na: potpune i položajne.

Potpune srednje vrijednosti su: aritmetička, geometrijska i harmonijska sredina.

Položajne srednje vrijednosti su: mod i medijan

12. Nabrojite svojstva aritmetičke sredine.

1. Aritmetička sredina se uvijek nalazi između najmanje i najveće vrijednosti u nizu

2.Zbroj odstupanja vrijednosti numeričke varijable od aritmetičke sredine jednak je nuli

3.Zbroj kvadrata odstupanja vrijednosti numeričke varijable od aritmetičke sredine je minimalan u

odnosu na zbroj kvadrata odstupanja vrijednosti numeričke varijable od bilo koje vrijednosti a∈R
različite od aritmetičke sredine.

13. Geometrijska i harmonijska sredina se mogu izračunati samo za POZITIVNE VRIJEDNOSTI

podatka.

15. Ako je 𝑋̅aritmetička sredina podataka 𝑥1,𝑥2,…,𝑥𝑁, čemu je jednak zbroj svih odstupanja
podataka od aritmetičke sredine podataka:

Zbroj je jednak nuli.

16. Kad aritmetička sredina ne opisuje dobro niz numeričkih podataka?

Aritmetička sredina ne opisuje dobro niz numeričkih podataka kada imamo veliku heterogenost
podataka odnosno veliku disperziju. Tada koeficijent varijacije ima vrijednost veću od 100% i
preferiraju se položajne srednje vrijednosti (mod i medijan)

17. Za niz pozitivnih podataka izračunate su vrijednosti: minimum podataka 𝑚, maksimum

podataka 𝑀, aritmetička sredina 𝑋̅, , harmonijska sredina 𝐻 i geometrijska sredina 𝐺. Poredajte ih
po veličini (od najmanje do najveće).

m < H  G  𝑋̅ < M
18. Što je medijan?

Medijan je vrijednost numeričke varijable X, koja niz uređen po veličini dijeli na dva jednakobrojna
dijela.

19. Što je mod?

Mod je najčešći modalitet kvalitativne ili kvantitativne varijable, odnosno modalitet s najvećom
frekvencijom.

20. Čime se brojčano opisuje varijabilnost podataka?

Varijabilnost podataka se brojčano opisuje disperzijom ili rasipanjem.

21. Nabrojite mjere disperzije (raspršenosti) podataka? Što je raspon? Koliki je raspon niza
1,34,65,12,4,7,62,11,22?

Mjere disperzije jesu: raspon varijacije, srednje odstupanje, (interkvartil i koeficijent kvartilne
devijacije - položajne mjere disperzije) i varijanca.

Raspon je razlika između najvećeg i najmanjeg rezultata.

R=Xmax-Xmin
Raspon niza je: 65-1=64

22. Zapišite formulom i opišite riječima značenje varijance podataka N x ,..., x 1 . Kako se definira
standardna devijacija tih podataka?

Formula:

To je omjer zbroja kvadrata razlike vrijednosti i aritmetičke sredine i zbroja ukupnog broja vrijednosti
umanjene za jedan.

Standardna devijacija je prosječno apsolutno odstupanje vrijednosti numeričke varijable od njezine

aritmetičke sredine.

23. Što su varijanca i standardna devijacija manje , SREDNJA ILI ARITMETIČKA SREDINA bolje
aproksimira podatke.

24. Kako se definira koeficijent varijacije?

Koeficijent varijacije je omjer standardne devijacije i aritmetičke sredine pomnoženo sa sto.

Koeficijent varijacije je relativna mjera disperzije.

25. Kako se za podatke x (i 1,2,..., N) i = definiraju standardizirane vrijednosti i z ? Kako ih se

interpretira? Kada se koristi prijelaz na standardizirano obilježje? Kolika je a) aritmetička sredina b)
standardno odstupanje standardiziranih podataka?

Standardizirano obilježje neke vrijednosti statističkog skupa je njegovo odstupanje od aritmetičke

sredine izraženo u jedinicama standardne devijacije.

ZI=(XI- 𝑋̅)/s’2

Aritmetička sredina je nula, a standardno odstupanje(varijanca) je 1

2.KOMBINATORIKA
1. Nabrojati pravila prebrojavanja.

Pravila prebrojavanja su: permutacije, varijacije i kombinacije

2. Definirati permutacije i navesti primjer.

Permutirati znači zadane elemente na sve moguće načine spajati u skupine tako da svaka skupina
sadrži sve zadane elemente.

Imamo skup od n elemenata od kojih je r1 jednakih jedne vrste, r2 jednakih druge vrste, rk jednakih
k-te vrste. Sastavljamo uređene ntorke. Svaka takva n-torka zove se permutacija s ponavljanjem.

Primjer: Koliko se troznamenkastih brojeva (s različitim znamenkama) može napisati od znamenki 1,

2, 3? (permutacije bez ponavljanja, rj: 3!)

3. Definirati varijacije i navesti primjer.

Iz skupa od n različitih elemenata sastavljamo uređene r-torke (r<=n). Svaka uređena r-torka zove se
varijacija r-tog razreda od n elemenata.

Kod varijacija s ponavljanjem r može biti i veći od n.

Primjer: Koliko se troznamenkastih brojeva (s različitim znamenkama) može napisati pomoću

znamenaka 1, 3, 5, 7, 9? (varijacija bez ponavljanja, rj:60)

4. Definirati kombinacije i navesti primjer

Iz skupa od n različitih elemenata biramo k-člane podskupove (k<=n) (redosljed elemenata u skupu
nije bitan). Svaki k-člani podskup zove se kombinacija k-tog razreda od n elemenata.

Imamo skup od n različitih elemenata i neki broj r. Svaka neuređena r-torka elemenata iz skupa u
kojoj se elementi mogu i ponavljati (redoslijed elemenata u r-torci nije bitan) zove se kombinacija s
ponavljanjem r-tog razreda od n elemenata.

Primjer: Na koliko se načina može izvući 7 brojeva i jedan dopunski broj u igri LOTO 7 od 39?

(kombinacije bez ponavljanja, rj: 15 380 937)

5. Po čemu se razlikuju kombinacije od varijacija?

Razlikuju se po tome što je kod varijacija poredak bitan

6. Što je pokus? Navedite primjer.

Pokus je bilo koji postupak ili proces koji rezultira opažanjem.

Pokus je svaka realizacija definiranog skupa uvjeta. Ova definicija dopušta ponavljanje pokusa
proizvoljno mnogo puta.

Primjer: bacanje dvije kocke – moguće ponavljanje pokusa

7. Što je slučajni pokus? Navedite primjer.

Slučajni pokus je pokus čiji ishod nije jednoznačno određen uvjetima u kojima se pokus izvodi.

Primjer: izvučena je crvena kuglica

8. Što je prostor elementarnih događaja?

Prostor elementarnih događaja Ω je skup svih ishoda nekog pokusa.

9. Zapišite prostor elementarnih događaja za pokus bacanja novčića i igraće kocke.

 = (P,P),(P,G),(G,P),(G,G) bacanje novčića

 = 1,2,3,4,5,6 igraće kocke

10. Što je događaj?. Što je elementarni događaj? Navedite primjer.

Događaj, općenito, je svaki podskup od Ω. ({P,G})

Elementarni događaj je jednočlani podskup skupa Ω. (Primjer: P)

11. Definirajte vjerojatnost a priori.

Klasična definicija vjerojatnosti a priori:

Neka imamo slučajni pokus s konačno mnogo elementarnih događaja 1 ,2 ,...n , dakle je  = 1
,2 ,...n  i neka iz prirode uvjeta pokusa slijedi da su svi ti elementarni događaji jednako mogući.

12. Definirajte vjerojatnost a posteriori. Na čemu se ona temelji?

Vjerojatnost a posteriori proizvoljnog događaja A definira se kao granična vrijednost njegove

relativne frekvencije kada broj ponavljanja slučajnog pokusa neomeđeno raste.

Temelji se na pokusu

13. Koja tri svojstva treba ispunjavati funkcija  : P() → R da bi mogla biti vjerojatnost?

14. Kako glasi pravilo (adicijska formula) za vjerojatnost zbroja/unije događaja?

15. Kako glasi pravilo (multiplikacijska formula) za vjerojatnost umnoška događaja?

𝑃 (𝐴 ∩ 𝐵) = 𝑃(𝐴𝐵) = 𝑃(𝐵)𝑃(𝐴⎹ 𝐵)

16. Kako se definira uvjetna vjerojatnost?

Neka su na nekom slučajnom pokusu definirani događaji A i B, čije su vjerojatnosti P(A) i P(B). U
slučaju da smo već saznali da se dogodio događaj B, onda vjerojatnost događaja A ne mora biti ista
kao da ne znamo tu informaciju. Tu novu vjerojatnost događaja A nazivamo uvjetna vjerojatnost.

17. Što je nužan i dovoljan uvjet za nezavisnost dvaju događaja?

Neka su A i B proizvoljni događaji na istom vjerojatnosnom prostoru. Kažemo da događaj A ne zavisi

od događaja B ili da su događaji A i B nezavisni, ako vrijedi 𝑃 (A⎹ 𝐵) = 𝑃(𝐴) ili 𝑃(B⎹ 𝐴) = 𝑃(𝐵)

U suprotnom slučaju kažemo da događaj A zavisi od događaja B.

18. Što je potpun sustav događaja?

19. Kako glasi formula potpune vjerojatnosti?

20. Kako glasi Bayesova formula? Što se s njom može izračunati?

Bayesova formula služi za aposteriorno izračunavanje vjerojatnosti pojedinih hipoteza Hi , ako je
poznato da se dogodio događaj A.

21. Izreći i dokazati Bayesov teorem.

22. Izreći i dokazati teorem potpune vjerojatnosti

3.SLUČAJNA VARIJABLA I POISSONOVA RAZDIOBA
1. Opišite Bernoullijev pokus.

Pretpostavimo da u nekom pokusu vjerojatnost nekog događaja A iznosi p, odnosno vjerojatnost da

ne nastupi taj događaj, tj. vjerojatnost suprotnog događaja je q = (1-p) Nadalje, pretpostavimo da se
vjerojatnost toga događaja ne mijenja pri ponavljanju pokusa. Takav događaj i pokus nazivamo
Bernoullijevim. Bernoullijev pokus je npr. bacanje novčića

2. Što je slučajna varijabla? Čime je ona zadana?

Slučajna varijabla je bilo koje pravilo kojim svakom ishodu pokusa pridružujemo neki broj.

3. Kada je slučajna varijabla diskretna? A kada kontinuirana (neprekidna)?

Diskretna slučajna varijabla je ona slučajna varijabla za koju je skup mogućih vrijednosti konačan ili
prebrojiv.

Kontinuirana slučajna varijabla je ona slučajna varijabla za koju je skup mogućih vrijednosti cijeli
interval na brojevnom pravcu.

4.Ako diskretna slučajna varijabla X ima skup vrijednosti K = x1 , x2 ,..., xn  , kako se definira njeno
očekivanje i varijanca?

7. Opišite binomnu raspodjelu vjerojatnosti diskretne slučajne varijable X.

9. Svojstva očekivanja diskretne slučajne varijable.

Teorem (Svojstva očekivanja) Neka je X i Y slučajne varijable definirane na istom vjerojatnosnom

prostoru. Očekivanje ima svojstvo linearnosti, za sve realne brojeve s i t vrijedi 𝐸(𝑠𝑋 + 𝑡𝑌)=𝑠E(𝑋)+
𝑡𝐸(𝑌) . Ako su varijable X i Y nezavisne, tada vrijedi 𝐸(𝑋𝑌) = 𝐸(𝑋)𝐸(𝑌).

10. Disperzija i svojstva disperzije diskretne slučajne varijable.

Neka je X diskretna slučajna varijabla i neka je p(x) njezina raspodjela vjerojatnosti. Tada je varijanca
od X dana s očekivanjem kvadrata odstupanja od µ.

Važno svojstvo disperzije (varijance) koje često olakšava račun je:

11. Opisati Geometrijsku razdiobu i svojstvo „Odsustvo pamćenja“.

Teorem (Odsustvo pamćenja – temeljno svojstvo geometrijske razdiobe) Slučajna varijabla X koja
poprima vrijednosti u skupu {1,2,3, ⋯} ima geometrijsku razdiobu onda i samo onda ako vrijedi za sve
𝑘, 𝑚 ≥ 1 𝑃(𝑋 = 𝑘 + 𝑚 𝑋 > 𝑘) = 𝑃(𝑋 = m)

12. Koji slučajni pokus prepoznajemo kao binomni slučajni pokus?

Naziva se Bernullijev pokus.

13. Funkcija binomne raspodjele vjerojatnosti.

14. Aproksimacija binomne Poissonovom raspodjelom.

15. Očekivanje i disperzija binomne i Poissonove raspodjele

𝐸(𝑋) = 𝜆 -očekivanje

D(X) = V(X) = λ -varijanca