Vera Čuljak
VJEROJATNOST I STATISTIKA
Gradevinski fakultet
Sveučilište u Zagrebu
Predgovor

Poštovani čitatelji,

nadam se da ćete naći korisne informacije u ovom nastavnom tekstu.

Ruski matematičar P.L. Čebišev (1821-1894) koji je unio nove ideje u teoriju vjerojatnosti izrekao je tezu da je povijest matematike moguće podijeliti na tri perioda:
* prvi: kada su zadatke zadavali grčki bogovi npr. delski problemi: nerješivi antički geometrijski zadatak da se pomoću šestara i ravnala konstruira kocka s obujmom dvostruko većim od zadanog; problem kvadrature kruga, problem trisekcije kuta;
* drugi: kada su zadatke zadavali polubogovi npr. B. Pacal (1623-1662) i P. Fermat (1601-1665);
* treći: kada zadatke zadaje praksa.

Veliki interes za teoriju vjerojatnosti i matematičku statistiku počeo u drugoj polovici 20. stoljeća potaknut eksperimentalnim istraživanjima u industriji, ekonomiji, psihologiji, biologiji, fizici.

Nova oblast teorije vjerojatnosti je teorija stohastičkih procesa koju je zasnovao A. Kolmogorov (1903 -1987). Stohastički procesi su terorijski modeli za npr. dinamičke sisteme u slučajevima kad se stanja sistema odreduju s vjerojatnostima. Zahvaljujući razvoju teorije vjerojatnosti razvile su se i znanstvene discipline: teorija masovnog opsluživanja, teorija informacija, teorija pouzdanosti tehničkih sistema, teorija zaliha.

Matematička statistika se razvija na temeljima teorije vjerojatnosti u smjeru teorije procjena, teorije provjera statističkih hipoteza i teorije planiranja eksperimenata.

Možda u ovim uvodnim rečenicama čitatelj nade motiv za pregled ovog matematičkog sadržaja.

Ovaj nastavni materijal (skripta) je nastao kao radni materijal za predavanja iz kolegija Vjerojatnost i statistika koji predajem od 2005. godine na preddiplomskom studiju Gradvinskog fakulteta Sveučilišta u Zagrebu.

Cilj kolegija je da se studenti upoznaju s osnovnim elmentima matematičke statistike kako bi u praksi mogli obraditi i interpertirati statističke podatke koje su dobili mjerenjem, testom ili anketom i kako bi uspješno primijenili elemente statističkog zaključivanja u stručnim kolegijima npr. Poznavanje materijala, Hidrologija, Pouzdanost konstrukcija i dr.

Teorijski temelj matematičke statistike je teorija vjerojatnosti. To znanje je podloga i za kolegij Stohastički procesi koji se predaje na diplomskom studiju Gradevinskog fakulteta.

Metodički razlozi uvjetovali su organizaciju skripte u tri cjeline: Vjerojatnost, Slučajne varijable i Matematička statistika. Skripta, preko 15 poglavlja, prati 15 predavanja (po 2 sata tjedno).
Strogi matematički sadržaj ublažen je izborom tema tko želi znati više i shematiziranom organizacijom svakog poglavlja:

motivirajući primjer + definicija + primjer + teorem + primjer + napomene + ”šalabahter ” za ponavljanje gradiva.

Zbog opsežnosti gradiva broj primjera i njihova težina primjereni su predavanjima.

Pokušala sam pripremiti skriptu u kojoj će studenti naći :
* osnovne informacije i tehnike rješavanja pojedinih tipova zadataka -”kuharice”;
* svoju bilježnicu, tako da dopisuju komentare na isprintani primjerak poglavlja;
* materijal u kojem će, ako žele znati više, naći odgovore na pitanje ZAŠTO:
* zašto je lozinka varijacija bez ili s ponavljanjem;
* zašto kontolor kvalitete proizvoda u skladištu mora znati hipergeometrijsku razdiobu;
* zašto je važan Gaussov šešir za odredjivanje očekivane mase opeke ili odredivanje maksimalnog opterećenja da je bi očekivani broj slomljenih ploča bio najviše 5%;
* zašto su deformacija i Brinellova tvrdoća za neku vrstu čelika jako korelirane;
* zašto učimo o slučajnim varijablama da bi odredili interval unutar kojeg će se kretati postotak glasova za nekog kandidata na izborima ili testirali hipotezu da dva tipa betona imaju jednake tlačne čvrstoće uz razinu značajnosti 1%.

Ovo je radni materijal i bit ću zahvalna ako sve uočene greške i prijedloge kolegice i kolege studenti i čitatelji pošalju na e-mail adresu vera@grad.hr.

Dodatni nastavni materijali na web stranici predmeta koji prate ovu web skriptu odnose se na primjenu programskog paketa Mathematika u statistici. Baza primjera kolokvija s teorijskim pitanjima obogaćuje se svake godine. Kolgice dr. sc. Tajana Slijepčević-Manger, Martina Benković i kolege Boško Kojundžić i Nikola Sandrić pripremali su zadatke za kolokvije i auditorne vježbe.

Zahvaljujem se kolegici Martini Benković na pomoći pri grafičkoj obradi teksta i izradi slika.
Zahvaljujem se kolegi Vladimiru Beniću koji je napravio web format skripte.

Zagreb, 1.7.2011. Vera Čuljak

Sadržaj
I  Vjerojatnost
1 ELEMENTI KOMBINATORIKE
 1.1 UVOD
 1.2 PRINCIPI PREBROJAVANJA
 1.3 PERMUTACIJE BEZ PONAVLJANJA
 1.4 VARIJACIJE BEZ PONAVLJANJA
 1.5 KOMBINACIJE BEZ PONAVLJANJA
 1.6 Ponovimo
2 KLASIČNA DEFINICIJA VJEROJATNOSTI
 2.1 PROSTOR ELEMNTARNIH DOGAĐAJA
 2.2 KLASIČNA DEFINICIJA
VJEROJATNOSTI (A PRIORI)

 2.3 KLASIČNA DEFINICIJA
VJEROJATNOSTI A POSTERIORI

 2.4 GEOMETRIJSKA VJEROJATNOST
 2.5 Ponovimo
3 AKSIOMATSKA DEFINICIJA
VJEROJATNOSTI

 3.1 Ponovimo
4 UVJETNA VJEROJATNOST
 4.1 Ponovimo
II  Slučajne varijable
5 SLUČAJNA VARIJABLA
 5.1 DISKRETNA SLUČAJNA VARIJABLA
 5.2 Ponovimo
6 PRIMJERI DISKRETNIH SLUČAJNIH VARIJABLI
 6.1 Bernoullijeva shema. Binomna
distribucija (razdioba)

 6.2 POISSONOVA DISTRIBUCIJA
 6.3 HIPERGEOMETRIJSKA DISTRIBUCIJA
 6.4 GEOMETRIJSKA DISTRIBUCIJA
 6.5 Ponovimo
7 KONTINUIRANA SLUČAJNA VARIJABLA
 7.1 FUNKCIJA SLUČAJNE VARIJABLE
 7.2 Ponovimo
8 PRIMJERI KONTINUIRANIH SLUČAJNIH VARIJABLI
 8.1 NORMALNA DISTRIBUCIJA
 8.2 UNIFORMNA DISTRIBUCIJA
 8.3 EKSPONENCIJALNA DISTRIBUCIJA
 8.4 GAMA DISTRIBUCIJA
 8.5 HI KVADRAT DISTRIBUCIJA
 8.6 STUDENTOVA DISTRIBUCIJA
 8.7 Ponovimo
9 DVODIMENZIONALNI SLUČAJNI VEKTOR
 9.1 DISKRETNI DVODIMENZIONALNI
SLUČAJNI VEKTOR

 9.2 KONTINUIRANI 2-dim SLUČAJNI VEKTOR
 9.3 KOVARIJANCA, KORELACIJA; PRAVCI REGRESIJE
 9.4 Ponovimo
10 ZVB i CGT tko želi znati više
 10.1 ČEBIŠEVLJEVA NEJEDNAKOST
 10.2 ZAKON VELIKIH BROJEVA
 10.3 CENTRALNI GRANIČNI TEOREM
 10.4 Ponovimo
III  Matematička statistika
11 MATEMATIČKA STATISTIKA
 11.1 DESKRIPTIVNA STATISTIKA
12 TEORIJA PROCJENA
 12.1 TOČKASTE PROCJENE
 12.2 REGRESIJSKA ANALIZA
 12.3 ML-PROCJENITELJI
 12.4 Ponovimo
13 INTERVAL POVJERENJA ZA OČEKIVANJE
 13.1 n →∞
 13.2 NORMALNA σ2 POZNATO
 13.3 NORMALNA σ2 NEPOZNATO
 13.4 VJEROJATNOST BINOMNE
 13.5 Ponovimo
14 INTERVAL POVJERENJA ZA VARIJANCU
 14.1 μ POZNATO
 14.2 μ NEPOZNATO
 14.3 Ponovimo
15 TESTIRANJE HIPOTEZA
 15.1 ZA VJEROJATNOST
 15.2 ZA OČEKIVANJE n > 30
 15.3 ZA OČEKIVANJE normalne
 15.4 ZA VARIJANCU
 15.5 Ponovimo
Bibliografija