Professional Documents
Culture Documents
Bernoullijev proces:
Goran Trajković 1. Ponavljanje jednog ogleda sa dva ishoda
2. Ogledi su nezavisni
februar, 2009. godine 3. Verovatnoća ishoda u pojedinačnim ogledima je jednaka
Očekivanje μ = n⋅ p
1
U istom primeru, verovatnoće za svih 8 mogućih rezultata,
da u uzorku neće biti nijedne, pa sve do toga će svih 7
Poissonova raspodela
osoba imati krvnu grupu A (x= 0, ... 7) iznose (tabelarno i
grafički): Poissonova raspodela definiše verovatnoće broja
retkih slučajnih događaja u konstatnoj jednici
Broj osoba sa p
krvnom grupom A prostora ili vremena.
0 0.022
Za ove događaje važi:
1 0.112 0.4
1. Događaji su nezavisni. Pojava jednog događaja ne
2 0.243 0.3 utiče na verovatnoću drugog događaja (slučajnost
Verovatnoća
3 0.294
0.2 događaja)
4 0.213 2. U teorijskom smilsu, moguć je beskonačan broj
0.1
5 0.092 događaja u konstantnoj jedinici prostora ili vremena
6 0.022 0
3. U bilo kom malom intervalu ili prostoru verovatnoća
0 1 2 3 4 5 6 7
7 0.002 Broj osoba sa krvnom grupom A pojave događaja proporcionalna je veličini intervala
Σ 1.000
μ =σ 2 = λ σ= λ
P(1) = P(0)λ
λ Kolika je verovatnoća da u jednom danu budu dva porođaja?
P(2) = P(1) Kolika je verovatnoća da u jednom danu bude manje od 3
2 porođaja? Kolika je verovatnoća da u jednom danu bude više
λ
P(3) = P(2) od 2 porođaj?
3
2
Prosečan broj porođaja po jednom danu iznosio je: Normalna raspodela
λ=412/110=3.75
Kontinuirana raspodela verovatnoća. Definisana formulom:
Verovatnoća da u jednom danu ne bude porođaja iznosi: ( x− μ )2
P(0) = 0.024 1 −
f (x) =
2
2σ
e
σ 2π
Verovatnoća da u jednom danu budu dva porođaja oznosi:
P(2) = 0.166 μ – sredina, σ2 – varijansa, π – 3.14, e – 2.72
Osobine normalne
ormalne raspodele
raspodele Standardna
Standardna normalna
normalna raspodela
Sve normalne raspodele mogu biti konvertovane u
standardnu normalnu raspodelu oduzimanjem aritmetičke
• U intervalu od μ-σ do sredine od svake vrednosti i deljenjem sa standardnom
μ+σ nalazi se 68% devijacijom čime se dobijaju standardni skorovi ili z-skorovi:
vrednosti
• U intervalu od μ-2σ do
X −μ
Z=
μ+2σ nalazi se 95% σ
vrednosti Standardna normalna raspodela ima μ=0 i σ=1.
• U intervalu od μ-3σ do 0.4
μ+3σ nalazi se 99.7%
vrednosti 0.3
0.2
0.1
-2 -1 0 1 2 3
Tabele površ
površine ispod krive Tabele površ
površine ispod krive
standardne
tandardne normalne
normalne raspodele standardne
tandardne normalne
normalne raspodele
Primer:
Telesna masa određene populacije dece je normalno
Tabele pokazuje površine odnosno verovatnoće da neka raspoređena sa aritmetičkom sredinom 15kg i SD 3kg.
vrednost bude veća ili manja od specifikovane standardne Kolika je verovatnoća da će slučajno izabrano dete imati
vrednosti. Ako tabela pokazuje površine od -∞ do z0 onda telesnu masu između 11kg i 17kg?
vrednosti u toj tabeli pokazuju verovatnoće: P(z≤z0).
Uz pomoć tabela se može izračunati verovatnoća da se
neka vrednost nađe između dve specifikovane standardne 11 − 15 17 − 15
z1 = = −1.33 z2 = = 0.66
vrednosti. 3 3
3
Provera normalnosti raspodele Provera normalnosti raspodele
1. CV>50% ukazuje na odstupanje od normalne Grafičke metode:
raspodele 4. Histogram – vizuelna procena da li je empirijska
2. Vrednosti skjunisa i kurtosisa od -1 do 1 ukazuju na raspodela slična zvonastoj simetričnoj raspodeli
normalnu raspodelu. Vrednosti skjunisa i kurtosisa
veće od 3 i manje od -3 ukazuju na odstupanje od 5. Normalni Q–Q grafikon. Ako je raspodela normalna
normalne raspodele. Kod pozitivno iskošene tačke će biti na pravoj liniji. Odstupanje tačaka od
raspodele aritmetička sredina je veća od medijane. prave linije ukazuje na odstupanje raspodele od
Kod negativno iskošene raspodele aritmetička normalne.
sredina je manja od medijane 6. Detrendovani normalni Q–Q grafikon. Ako je
3. Statističko testiranje normalnosti: Kolmogorov- raspodela normalna tačke će biti ravnomerno
Smirnov test i Shapiro-Wilk test. Ako je p<0.05 u raspoređene iznad i ispod horizontalne linije. Ako
ovim testovima, empirijska raspodela statistički raspodela nije normalna raspored tačaka će imati
značajno odstupa od normalne.
neki oblik kao npr. slovo J
4
Binomna, Poissonova i
normalna raspodela
Goran Trajković
Bernoullijev proces:
1. Ponavljanje jednog ogleda sa dva ishoda
2. Ogledi su nezavisni
3. Verovatnoća ishoda u pojedinačnim ogledima je jednaka
Binomna raspodela
Očekivanje μ = n⋅ p
7!
P(x ) = ⋅ 0.42 ⋅ 0.58
2 (7 − 2 )
= 0.243
2!(7 − 2 )!
U istom primeru, verovatnoće za svih 8 mogućih rezultata,
da u uzorku neće biti nijedne, pa sve do toga će svih 7
osoba imati krvnu grupu A (x= 0, ... 7) iznose (tabelarno i
grafički):
Broj osoba sa p
krvnom grupom A
0 0.022
1 0.112 0.4
2 0.243 0.3
3 0.294 Verovatnoća
0.2
4 0.213
0.1
5 0.092
6 0.022 0
0 1 2 3 4 5 6 7
7 0.002 Broj osoba sa krvnom grupom A
Σ 1.000
Poissonova raspodela
Poissonova raspodela definiše verovatnoće broja
retkih slučajnih događaja u konstatnoj jednici
prostora ili vremena.
x!
x - broj ostvarenih događaja u konstatnoj jednici prostora
ili vremena,
λ- parametar Puasonove raspodele i predstavlja
prosečan broj događaja u jednici prostora ili vremena,
e ≈ 2.72 (osnova prirodnih logaritama)
Očekivana vrednost, varijansa i standardna devijacija:
μ =σ = λ
2
σ= λ
Verovatnoća za nula događaja (x=0) dobija se iz tablice ili
pomoću formule:
λ0
P(0 ) = e −λ
0!
Verovatnoće za jedan, dva ili više (x=1, 2, ...) događaja
mogu se dobiti rekurzivnim formulama:
P(1) = P(0 )λ
λ
P(2 ) = P(1)
2
λ
P(3) = P(2 )
3
Primer:
Broj porođaja po danima u jednoj opštini u vremesnkom
periodu od 110 dana iznosio je:
broj porođaja 0 1 2 3 4 5 6 7 8 9 10
u jednom danu
broj dana 2 10 18 23 22 16 10 5 3 0 1
σ 2π
μ – sredina, σ2 – varijansa, π – 3.14, e – 2.72
f(X)
•Kompletno opisana
parametrima μ i σ.
•Dobra aproksimacija za mnoge
biološke varijable. σ
•Osnova u procesu statističkog
zaključivanja μ X
Osobine normalne raspodele
U intervalu od μ-σ do
μ+σ nalazi se 68%
vrednosti
U intervalu od μ-2σ do
μ+2σ nalazi se 95%
vrednosti
U intervalu od μ-3σ do
μ+3σ nalazi se 99.7%
vrednosti
Standardna normalna raspodela
Sve normalne raspodele mogu biti konvertovane u
standardnu normalnu raspodelu oduzimanjem aritmetičke
sredine od svake vrednosti i deljenjem sa standardnom
devijacijom čime se dobijaju standardni skorovi ili z-skorovi:
X −μ
Z=
σ
Standardna normalna raspodela ima μ=0 i σ=1.
0.4
0.3
0.2
0.1
-2 -1 0 1 2 3
Tabele površine ispod krive
standardne normalne raspodele
11 − 15 17 − 15
z1 = = −1.33 z2 = = 0.66
3 3