bio met rika
TRANSCRIPT
Predmet statističkog istraživanja su masovne pojave
Da bi se sagledalo ponašanje jedne masovne pojave,
potrebno je obuhvatiti sve njene manifestacije –
posmatrati slučajeve na kojima se ona ispoljava.
Skup svih elemenata na kojima se izvjesna p
ojava posmatra zove se statistički skup ili populacija.
Statistički skup – masa stvari ili bića (preduzeća,
stanovi, poljoprivredne površine, zaposleni radnici ...
) čije se osobine posmatraju u datom momentu da bi se
utvrdila struktura skupa po tim osobinama.
Skup može sačinjavati masa događaja čije
se karakteristike posmatraju tokom vremena kako
se oni zbivaju.Formiranje statističkog skupa
zavisi od prirode pojave, cilja istraživanja i r
aspoloživih mogućnosti posmatranja.
Kod formiranja statističkog skupa mora se voditi
računa da statistički skup zadovolji svojstvo da
bude relativno homogen.
Da bi mnoštvo jedinica sačinjavalo statistički
skup, one moraju imati barem jednu zaj
ničku osobinu. Ukoliko jedinice imaju više
zajedničkih osobina, utoliko je skup homogeniji.
Kad jedinice nemaju ni jednu zajedničku osobinu,
one ne mogu sačinjavati statistički skup.
Statistički skup je homogen kada su jedinice koje ga s
ačinjavaju istovrsne, a pokazuju samo razlike u
pogledu ispitivanih odlika.
Statistički skupovi su relativno homogeni –
npr. penzioneri i đaci se međusobom razlikuju,
ali i jedni i drugi sačinjavaju radno neaktivno
stanovništvo.Jedinice koje sačinjavaju
statistički skup moraju biti istovrsne ali
ne i istovjetne.
Jedinice statističkog skupa iako istovrsne, r
azlikuju se međusobno po izvjesnim osobinama.
Karakteristika statističkog skupa je da j
e relativno homogen, ali takođe i diferenciran
u pogledu nekih osobina.
Statistički skup treba definisati PROSTORNO,
VREMENSKI I POJMOVNO.
Prostorno odrediti statističku skup z
nači odrediti prostor (teritoriju) na koji se
odnose ili kojem pripadaju određene statističke jedinice.
Vremenski odrediti statistički skup znači odrediti
momenat ili razdoblje vremena u kojem će se
obuhvatiti sve jedinice koje ulaze u statistički skup.
U zavisnosti od prirode pojave koju ispitujemo,
jedinice skupa i njihove karakteristike određujemo
ili u pojedinim momentima (tzv kritičnim momentima)
ili u intervalima vremena. Kod druge grupe pojava treba odrediti vremensko razdoblje,tzv i
zvještajni interval unutar kojeg se vrši kumuliranje
podataka; dobijeni kumulativni rezultat se
smatra u toku odabranog procesa kao
karakteristika date jedinice skupa (npr.
pojedinačna mjesečna proizvodnja svih proizvoda
jedne tvornice koja proizvodi sredstva za zaštitu bilja).
Sadržinsko – stvarno određenje statističkog skupa
iziskuje određivanje osobine koju mora da ima
svaka jedinica da bi bila uključena u skup
Osobine po kojima se jedinice određenog statističkog s
kupa razlikuju međusobno ili se mogu razlikovati
nazivaju se statističkim obilježjima. Različiti vidovi u
kojima se obilježje može javljati nazivaju se
modalitetima tog obilježja.
Obilježja se mogu djeliti prema više kriterija, ali
je najvažnija podjela n
a atributivna (opisna) i numerička.
Atributivna obilježja se izražavaju
opisno- riječima. Osnovna odlika atri
butivnog obilježja je da njegovi modaliteti ne
odražavaju intenzitet posmatrane osobine već
samo njene različite pojavne oblike
Obilježja koja se izražavaju brojčano nazivaju s
e numeričkim. U skupu stanovništva jedinice se
međusobno razlikuju po sljijedećim
numeričkim obilježjima:visini, tjelesnoj
masi, godinama starosti,
Numerička obilježja mogu biti prekidna i neprekidna.
Prekidna obilježja uzimaju samo izolovane –
diskontinuirane vrijednosti (najčešće
cijele brojeve); do ovih numeričkih vrijednosti
najčešće dolazimo prebrojavanjem.
Ako međutim numeričko obilježje može
imati ma koju vrijednost unutar jednog
intervala nazivamo ga neprekidnim ili
kontinuiranim.Do potpune i tačne informacije
skupa dolazimo samo ako obuhvatimo
sve jedinice na kojima se opisana pojav
a ispoljava, tj ako naparvimo POPIS.
Zahvaljujući primjeni teorije vjerovatnoće,
potpunu obuhvatnost skupa zamjenjujemo
STATISTIČKIM ZAKLJUČIVANJEM.
Pod statističkim zaključivanjem podrazumijevamo
postupak donošenja zaključaka o karaktreistikama
statističkog skupa na osnovu posmatranja samo jednog
dijela tog skupa – UZORKA.
Informacije koje dobijamo uopštavanjem razultata
ovakvog posmatranja mogu sadržavati veće ili manje GREŠKE.
Dvije osnovne oblasti statističkog zaključivanja čine:
-ocjenjivanje nepoznatih parametara skupa i
testiranje statističkih hipoteza
DESKRIPTIVNA ANALIZA
Statistički metodi istraživanja masovnih pojava se
mogu podijeliti u dvije osnovne grupe.
Jedna grupa obuhvata metode prikupljanja,
sređivanja i prikazivanja podataka i metode određiv
a parametara skupa. Ona spada u domen DESKRIPTIVNE
STATISTIKE.Drugu grupu sačinjavaju metodi statističke an
alize, čiji je osnovni zadatak objašnjenje varijabiliteta pomoću
klasifikacionih, korelacionih i drugih statističkih pokazatelja kao i
statističko zaključivanje na osnovu uzorka. Ovim metodama se bavi
ANALITIČKA STATISTIKA koja se ne može strogo razgraničiti
od deskriptivna statistike.
Ciojeli proces statističkog istraćivanja se može svesti
u tri osnovne etape:
-Statističko posmatranje,
Sređivanje, grupisnje i obrada podataka
-Statistička analiza.
2.1.2. Mjerne skale
Svaki nivo mjerenja ima posebnu skalu
sa određenim jedinicama mjere.
Postoje četiri nivoa mjerenja i četiri mjerne skale:
nominalna, ordinalna, intervalna i skala odnosa.
Nominalna skala je najnepreciznija. U ovoj skali se
brojevi koriste kod pojava koje se mogu klasifikovati
samo na određen broj i tip modaliteta. Tako se
klasifikuje npr pol, bračno stanje.
Ordinalna skala svodi mjerenje modaliteta n
a njihovo rangiranje po značaju s obzirom n
a usvojene kriterijume i to brojevima koji označav
aju rang ali ne pokazuju veličinu njihovog razlikovanja.
Intervalna i skala odnosa pokazuju ne samo
redoslijed modaliteta nego i mjeru njihovog r
azlikovanja. Pri tome obavještenje o apsolutnim
razlikama omogućuje intervalna a o relativnim r
azlikama odnosna skala.
Intervalnu skalu karakteriše određena jedinica
mjere, kao npr za kalendarsko vrijeme,
potencijalnu energiju, temperaturu.Najviši
nivo mjerenja se postiže primjenom skale odnosa
koja obezbjeđuje značenje bilo kog odnosa m
jerenih objekata kao što su: visina u centimetrima,
masa u kilogramima.
2.1.3. Metodi prikupljanja podataka
Nastoji se izabrati metod prikupljanja podataka koji će
sa najmanje troškova da obezbijedi tražene rezultate.
Pojava koja se posmatra može se obuhvatiti na
svim jedinicama statističkog skupa (potpuno posmatranje)
ili na samo jednom njegovom dijelu (djelimično posmatranje).
Statistički popis
Statistički popis je takav oblik
statističkog posmatranja pri kojem
se obuhvataju sve jedinice posmatranja jednog
statističkog skupa u određenom momentu
koji se zove ‘’kritični momenat’’.Kritični momenat
– vrijeme kada je posmatrani skup u najmanjem kretanju.
Statistički izvještaj
Statističkim izvještajem se obavlja snimanje
promjena statističkog skupa u sukcesivnim
vremenskim intervalima.
Statistički uzorak
Uzorci se primjenjuju kao zamjena ili dopuna
popisnog metoda, a u novije vrijeme i
kao zamjena izvještajnog metoda.
U toku prikupljanja kao i u toku obrade i analize
podataka mogu se javiti statističke greške,
jer idealni uslovi statističkog istraživanja parktično ne postoje.
Greške mogu biti slučajne i sistematske. Slučajne greške
se uglavnom međusobno potiru i nemaju naročitog značaja za
rezulate istraživanja, sistematske greške uvijek utiču na
rezultat, pa se moraju otkloniti ili barem sagledati i
o njima voditi računa.
2.1.4. Sređivanje i obrada podataka
Potrebno je napraviti plan sređivanja statističkog
materijala kojim se predviđa tehnika sređivanja,
rokovi u kojima pojedini zadaci treba da budu izvršeni.
U zavisnosti od toga gdje se vrši sređivanje
statističke građe, razlikujemo:Centralizovano,
Decentralizovano,
Kombinovano sređivanje. Decentralizac
ija omogućuje brže objavljivanje rezultata posmatranj
a za pojedina područja, centralizovano sređivanje
se često primjenjuje jer omogućuje bolju organizaciju sređivanja,
upotrebu jedinstvenog metoda, stručnost obrade kao
i efikasnije korištenje tehnike za obradu podataka.
Kombinovanje sređivanje se koristi kod potpunih
statističkih akcija u cilju dobijanja brzih prethodnih
rezultata, pa se jedan dio sređivanja vrši dec
entralizovano, a drugi se obavlja centralizovano.
2.2. PRIKUPLJANJE PODATAKA
2.2.1. Statističke serije
Kao rezultat sređivanja statističkog materijala
dobijemo statističke serije. Prema načinu formiranja i
analitičkom sadržaju možemo ih podijeliti na:Serije strukture
Vremenske serije
Serije strukture
Serije strukture pokazuju raspored statističkog
skupa po modalitetima,odnosno vrijednostima
obilježje. Sastoje se iz dva reda obaviještenja.
U jednom su modaliteti, a u drugom broj jedinica,
odnosno frekvencije (učestalost) koje pokazuju
koliko se puta pojedini modaliteti javljaju unutar
posmatranog statističkog skupa. Postoje serije
strukture sa atributnim i serije strukture sa
numeričkim obilježjem. Modaliteti atributivnih
obilježja se iskazuju opisno i za njihovo grupisanje
je potrebno imati jasnu shemu klasifikacije.
Za atributivna obilježja se postavlja problem klasifikacije
atributa, za numerička obilježja se postavlja
problem gradiranja vrijednosti. Gradiranje brojčanih
vrijednosti obilježja se razlikuje u zavisnosti da li je obilježje
PREKIDNO (diskontinuirano) ili NEPREKIDNO (kontinuirano).
Vremenske serije
Vremenske (hronološke serije) su nizovi statističkih
podataka koji pokazuju varijacije tokom vremena.
One se prikazuju u dva niza, prvi niz se odnosi na
vrijeme (godina, kvartal, mjesec), a drugi na veličinu
(nivo) pojave u posmatranom periodu.Prema prirodi
podataka dijele se na momentne i intervalne.
Vremenske serije koje prikazuju veličinu ili nivo pojave
u tačno određenim sukcesivnim momentima nazivaju
se momentnim serijama, a dobijemo ih kao rezultate
više uzastopnih popisa.
Intervalne vremenske serije pokazuju tok (kretanje)
pojave u sukcesivnim vremenskim intervalima ove
serije dobijamo kao rezultate izvještajnog metoda
i podaci se mogu sabirati (kumulirati).
DESKRIPTIVNE MJERE
Pokazatelje rasporeda frekvencija koji pokazuju cijeli
osnovni skup nazivamo parameterima skupa i svrstavamo
ih u tri grupe:
srednje vrijednosti – kao mjere centralne
tendencije rasporeda
mjere disperzije – raspršenosti
mjere oblika rasporeda.
Mjere centralne tendencije
Srednja vrijednost treba da bude pokazatelj centralne
tendencije. Ona predstavlja mjeru centralne tendencije
i pokazuje lokaciju skupa. To je najznačajniji pokazatelj
numeričkih karakteristika serije, po datim mjerilima
reperezentatuje cijeli skup i omogućuje poređenje
između različitih skupova.
Srednje vrijednosti se dijele na:
IZRAČUNATE (ARITMETIČKA, GEOMETRIJSKA,
HARMONIJSKA, KVADRATNA, KUBNA) – izračunavaju
se na osnovu vrijednosti obilježja
POZICIONE (MODUS I MEDIJANA) – određuju se
položajem u seriji.
Aritmetička sredina
Aritmetička sredina ili prosjek se dobije kada se zbir
svih vrijednosti obilježja podijeli sa njihovim brojem.
Ako je posmatrano obilježje X, njegove vrijednosti
x1, x2,... xi, ..... Xn njihov broj N, aritmetička sredina
skupa koju ćemo obilježiti sa μ, dobiće se kao:
Za uzorak veličine n, aritmetička sredina negrupisanih
podataka uzorka, koju označimo sa
Ako označimo različite vrijednosti obilježja sa
x1, x2, x3, ... xi, ... Xn, a njihove odgovarajuće frekvencije
sa f1, f2, ..., fi, ...fk, aritmetička sredina skupa će biti:
to jest Ponderisana aritmetička sredina:
Aritmetička sredina ima osobine koje je karakterišu
kao srednju vrijednost i izvjesne osobine:
1)Aritmetička sredina veća je od najmanje i manja
od najveće vrijednosti posmatranog obilježja:
x1 < μ < xk
2)Aritmetička sredina se izjednačuje sa vrijednos
tima obilježja, kada su one među sobom jednake:
x1 = x2 = ... = xi= ... = xk = a = μ
Za primjenu aritmetičke sredine, najveći značaj
imaju njene slijedeće osobine:
3)Zbir odstupanja aritmetičke sredine od pojedinih
3. vrijednosti obilježja jednak je nuli:
4)Zbir kvadrata odstupanja aritmetičke sredine
od pojedinih vrijednosti obilježja manji
je od zbira kvadrata odstupanja bilo koje
vrijednosti obilježja xo (pa i drugih
srednjih vrijednosti ako nisu jednake
aritmetičkoj sredini) od ostalih vrijednosti
obilježja:
5)Ako su dva obilježja vezana linearnom funkcijom,
tada su i njihove aritmertičke sredine vezane
tom istom linearnom funkcijom:
Y= b0 + b1x
μy = b0 + b1 μx
Gdje je μx aritmetička sredina serije x,
a μy aritmetička sredina serije y.
Geometrijska sredina
Geometrijska sredina je srednja vrijednost koja
izravnava relativne ili proporcionalne promjene
između vrijednosti podataka, za razliku od
aritmetičke sredine koja izravnava apsolutne
razlike između vrijednosti podataka posmatrane
serije.
Ona se dobija iz PROIZVODA vrijednosti
podataka, s tim što se iz ovog uzima pozitivna
vrijednost korijena čiji je izložitelj jednak
njihovom broju.
Ako posmatrano obilježje označimo sa X, a njegove
vrijednosti sa x1, x2, ..., xN, onda će geometrijska
sredina tih vrijednosti biti definisana formulom:
Obrazac za ponderisanu geometrijsku srednju
vrijednost glasi:
Harmonijska sredina
Harmonijska sredina je recipročna vrijednost
aritmetičke sredine recipročnih vrijednosti
obilježja. Kao kod aritmetičke i geometrijske
sredine imamo prostu harmonijsku sredinu:
i ponderisanu harmonijsku sredinu:
Harmonijsku sredinu ima tražiti smisla za ona
obilježja čije su vrijednosti različite od nule.
Ona ima osobine srednje vrijednosti i
primjenjuje se u slučajevima kada su obilježja
statističkih jedinica izražena u obliku recipročnih
pokazatelja.
Modus
Pored izračunatih srednjih vrijednosti; aritmetičke,
geometrijske, harmonijske sredine, kao pokazatelji
lokacije se javljaju pozicione srednje vrijednosti.
Najpoznatiji među njima su MODUS i MEDIJANA.
Kada se govori o srednjoj vrijednosti kao tipičnoj v
rijednosti onda se misli na modus.
Modus je vrijednost obilježja koja u posmatranoj seriji
ima najveću frekvenciju – najčešće se javlja i zato
je najtipičnija vrijednost u seriji. Kada je u jednoj
seriji samo jedna vrijednost obilježja sa najvećom
frekvencijom, (kao u prethodnom primjeru), kažemo
da je unimodalna, a ako postoje dvije ili više takvih
vrijednosti, serija je bimodalna, odnosno multimodalna.
Za serije grupisanih podataka, odnosno neprekidnih
vrijednosti obilježja, modus nije tako uočljiv. Određuje
se pomoću obrasca:
Medijana
Medijana je ona vrijednost obilježja koja se nalazi u
sredini serije uređene po veličini obilježja, odnosno,
to je vrijednost obilježja koja dijeli sumu svih frekvencija
na dva jednaka dijela, tako da jedna polovina bude
obuhvaćena slučajevima- ima manju, a druga polovina
slučajevima – ima veću vrijednost od medijane.Za serije
grupisanih podataka, medijana se dobija interpolacijom
između donje i gornje granice intervala grupe u kojoj se
medijana nalazi:
Medijana se ponekad naziva drugim kvartilom s obzirom na
mogućnost podjele jedne serije na 4 jednaka dijela. Ako se
serija podataka rangiranih po veličini podijeli u 4 jednaka
dijela, vrijednosti obilježja koja ih dijele nazivaju se kvartilima:
prvi kvartil Q1, drugi kvartil Q2 (ili medijana), treći Q3.
Ako seriju podijelimo u 10 ili 100 jednakih dijelova, dobićemo
decile, odnosno percentile.Za grupisane podatke se prvi i
treći kvartil određuju prema obrascima:
Mjere disperzije
Apsolutne mjere disperzije
Apsolutne mjere disperzije iskazuju varijabilitet u apsolutnim
iznosima onih mjernih jedinica u kojima su dati modaliteti
posmatranog obilježja (u milionima konvertibilnih maraka,
hiljadama tona, kilometrima, komadima). Ove mjere, kao i
mjere lokacije mogu biti pozicione i izračunate u odnosu na
srednju vrijednost (najčešće aritemtičku sredinu skupa ili uzorka).
Od pozicionih mjera varijacije, najčešće se koristi razmak ili
interval varijacije, koji predstavlja razliku između najviše i
najniže vrijednosti obilježja u seriji:
Interval varijacije i= Xmax – Xmin
Pošto je prosjek odstupanja pojedinih vrijednosti obilježja
od aritmetičke sredine jednak nuli, možemo uzeti kao mjeru
disperzije prosjek kvadrata odstupanja, koja se naziva varijansom,
Za serije negrupisanih podataka, izračunava se po obrascu:
Za grupisane podatke je varijansa skupa:
Pošto je varijansa iskazana u mjernim jedinicama na kvadrat,
uzima se njen pozitivan kvadratni korijen i dobiva najčešće
korištena apsolutna mjera disperzije, standardna devijacija σ.
Formula za standardnu devijaciju za negrupisane podatke biće:
Za grupisane podatke je standardna devijacija skupa:
Relativne mjere disperzije
U relativne mjere disperzije ubrajaju se:
koeficijent varijacije, koeficijent interkvartilne varijacije, i
standardizovano (ili normalizovano) odstupanje.
Odnos standardne devijacije i aritmetičke sredine se
naziva koeficijent varijacije. Ako taj koeficijent označimo
sa V, formula za njegovo izračunavanje biće:
σ
Koeficijent varijacijeV= --------
μ
Za upoređenje disperzije više skupova ili uzoraka upotrebljava
se koeficijent interkvartilne varijacije:
Kad se odstupanje aritmetičke sredine od bilo koje vrijednosti
obiljžja izražava u jedinicama standardne devijacije, dobija se
tzv normalizovano ili standardizovano odstupanje:
X - μ
Standardizovano odstupanje Z = --------
σ
Standardizovano odstupanje predstavlja opštu mjeru odstupanja
individualnih podataka od aritmetičke sredine.
OSNOVNI POJMOVI TEORIJE VJEROVATNOĆE
Statistički eksperiment i prostor uzorka
Pod statističkim ili slučajnim eksperimentom
podrazumijevamo svaki potpunoodređen proces
posmatranja koji možemo neograničeno da ponavljamo
u identičnim uslovima (npr bacanje novčića ili kocke).
Događaj
U svakom statističkom eksperimentu postoji karakteristika
koju posmatramo, to je neka osobina koju svaki ishod
eksperimenta može ali ne mora da ima. Na primjer.
U bacanju novčića to može biti pismo u bacanju kocke
paran broj, broj veći od 4 ili samo broj 6.
Nemoguć i siguran događaj
Kao podskup od S, događaj E može da bude prazan skup,
pravi podskup skupa S ili jednak prostoru uzorka skupa S.
Nemoguć događaj – ako među ishodima datog slučajnog
eksperimenta nema povoljnih slučajeva događaja E, onda
se događaj ne može realizovati u tom eksperimentu.
Događaj nazivamo nemogućim događajem i obilježavamo E = 0
Unija događaja
Unija i presjek predstavljaju operacije koje su definisane na
skupovima. Unija događaja E1 i E2 koji su definisani
u prostoru uzorka S
VJEROVATNOĆA DOGAĐAJA
Neka je događaj E definisan u prostoru uzorka S;
događaju E pripisujemo jedan realan broj koji se obilježava
sa P(E) i nazivamo vjerovatnoćom događaja E. Broj P(E)
ima slijedeće osobine:
1.Vjerovatnoća događaja E je nenegativan broj, P(E)≥0
2.Vjerovatnoća cjelokupnog prostora uzorka jednaka je 1, P(S)=1
3.Ako je
Koncepcija vjerovatnoće o kojoj smo do sada govorili naziva se
KLASIČNOM MATEMATIČKOM ili A PRIORI vjerovatnoćom.
Njena primjena se zasniva na preetpostavci jednako vjerovatnih
elementarnih događaja, koje često ne možemo da prihvatimo.
Klasična definicija vjerovatnoće važi samo u slučaju kada je
prostor uzorka n(S) konačan.
Pored klasične vjerovatnoće, u statističkoj literaturi su prisutne
još dvije koncepcije – tzv statistička vjerovatnoća (vjerovatnoća kao
granična vrijednost relativne frekvencije) i subjektivna vjerovatnoća.
Klasična i statistička vjerovatnoća za razliku od subjektivne
vjerovatnoće se nazivaju i objektivnim vjerovatnoćama.
Vjerovatnoća kao granična vrijednost relativne frekvencije
Prema ovoj koncepciji, vjerovatnoća je definisana kao granična
vrijednost relativne frekvencije i naziva se statističkom
vjerovatnoćom ili vjerovatnoćom a posteriori. Statistička vjerovatnoća
se određuje poslije izvršenog eksperimenta na osnovu prikupljenih
empirijskih podataka (a posteriori).
Subjektivna vjerovatnoća
U praksi često susrećemo dagađaje koji se javljaju samo jedanput
ili su okolnosti u kojima se oni ponavljaju među sobom toliko
različite da događaje moramo posmatrati kao jedinstvene (npr
plasman novog proizvoda). U ovakvim situacijama, vjerovatnoće
neizvjesnih događaja ne možemo da odredimo empirijskim putem,
a često ne možemo ni da prohvatimo pretpostavku klasične
koncepcije o jednakim vjerovatnoćama svih elementarnih događaja.
Tada koristimo tzv subjektivnu vjerovatnoću.
Pravilo sabiranja vjerovatnoća (aditivno pravilo)
Do sada smo vjerovatnoću izračunavali kao količnik broja
povoljnih i ukupnog broja mogućih ishoda slučajnog eksperimenta.
Vjerovatnoću događaja možemo da izračunamo i preko vjerovatnoća
nekih drugih događaja sa kojima je posmatrani događaj u nekom odnosu.
Vjerovatnoću unije dva događaja izračunavamo primjenom slijedećeg
općeg pravila za sabiranje:
Vjerovatnoća unije dva događaja jednaka je zbiru vjerovatnoća
tih događaja, umanjenom za vjerovatnoću njihovog zajedničkog javljanja
a to je:
Dva događaja su među sobom nezavisna ako javljanje ili nejavljanje je
dnog događaja nema uticaja na vjerovatnoću javljanja drugog događaja,
odnosno, važe jednakosti:
P(E1/E2) =P(E1)
P(E2/E1) =P(E2)
Pravilo množenja vjerovatnoć
Ako znamo pojam uslovne vjerovatnoće, može se izračunati vjerovatnoća
zajedičkog (istovremenog) javljanja dva događaja u jednom eksperimentu.
To je vjerovatnoća presjeka dva događja koju na osnovu formule 3
izračunavamo na osnovu formula:
Vjerovatnoća presjeka dva događaja jednaka je proizvodu vjerovatnoća
jednog od događaja i uslovne vjerovatnoće drugog kada se prvi događaj
ostvario. Pravilo za izračunavanje ove vjerovatnoće zove se pravilom
množenja vjerovatnoća.
Vjerovatnoća presjeka dva događaja se zove i složenom
vjerovatnoćom jer predstavlja vjerovatnoću složenog događaja,
tj događaja koji čini istovremeno javljanje dva događaja.
Slučajna promjenljiva je neprekidna (ili kontinuirana9 ako može
da uzme bilo koju vrijednost u nekom intervalu. Između bilo koje
dvije vrijednosti x1 i x2 slučajne promjenljive postoji slijedeća
moguća vrijednost x3 koja je različita od x1 i x2. Broj vrijednosti
koje može uzeti neprekidna slučajna promjenljiva je beskonačan.
Primjeri neprekidnih slučajnih promjenljivih: visina i obim drveta,
vrijeme potrebno da se obavi neka proizvodna operacija,
Funkcija rasporeda prekidne slučajne promjenljive
Raspored vjerovatnoće prekidne slučajne promjenljive koja ima konačan
broj vrijednosti se može predstaviti kao lista pojedinih vrijednosti slučajne
promjenljive sa odgovarajućim vjerovatnoćama
Funkcija rasporeda (naziva se i kumulativna funkcija rasporeda)
prekidne slučajne promjenljive pokazuje VJEROVATNOĆU da slučajna
promjenljiva X uzme vrijednost koja je manja ili jednaka bilo kojoj
vrijednosti x. Funkcija rasporeda slučajne promjenljive X označava se sa
F(x) i data je vjerovatnoćom: