US_-_Statisticke_metode_-_praktikum_2010_0

UNIVERZITET SINGIDUNUM

STATISTIČKE
METODE
- PRAKTIKUM -

B

d 2010

SADRŽAJ

I - DEO
STATISTIKA
1. PRIKAZIVANJE STATISTIČKIH PODATAKA . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. STATISTIČKE SERIJE I TABELE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. GRAFIČKO PRIKAZIVANJE STATISTIČKIH SERIJA . . . . . . . . . . . . . 6
2. SREDNJE VREDNOSTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11
2.1. IZRAČUNATE SREDNJE VREDNOSTI . . . . . . . . . . . . . . . . . . . . . . . . .11
2.1.1. Aritmetička sredina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11
2.1.2. Geometrijska sredina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14
2.1.3. Harmonijska sredina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2. POZICIONE SREDNJE VREDNOSTI . . . . . . . . . . . . . . . . . . . . . . . . . . .21
2.2.1. Modus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21
2.2.2. Medijana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23
2.2.3. Kvartili. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27
2.3. MERE VARIJACIJE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32
cijent varijacije . . . . . . . . .32
2.4. POKAZATELJI OBLIKA RASPOREDA . . . . . . . . . . . . . . . . . . . . . . . . . .36
2.4.1. Mera asimetrije i spljoštenosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36
3. DINAMIČKA ANALIZA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.1. VREMENSKI INDEKSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.1.1. Bazni indeksi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.1.2. Verižni (lančani) indeksi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .44
3.2. GRUPNI (AGREGATNI INDEKSI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
3.2.1. Indeksi količine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
3.2.2. Indeks cena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .54
3.2.3. Indeks vrednosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .60
3.2.4. Indeks troškova života . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .62
3.2.5. Indeks plata (zarada) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63
3.2.6. Indeks produktivnosti rada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69

Testovi na osnovu „T“ raspodela 5.9.1. Korelacija ranga 174 174 179 186 7.1. Linearni trend 3.3. VEORVATNOĆA “A POSTERIORI” 4.7.3. SEZONSKE VARIJACIJE 3.8. ZAKON VELIKIH BROJEVA 4.1. Testovi na osnovu „F“ raspodele 5.1. BAJERSOVA VEROVATNOĆA 4.4. VEROVATNOĆA “A PRIORI” 4.3.3.9. Parcijalna korelacija 6.3.2. ZBIRNA VEROVATNOĆA 4.3.1. CENTRALNA GRANIČNA TEOREMA 4. Teorema Čebišova 4. VELIČINA UZORKA 5. JEDNODIMENZIONALNA PREKIDNA SLUČAJNA PROMENLJIVA 135 5. LINEARNA I KORELACIONA ANALIZA 6. Testovi na osnovu χ2 rasporeda 140 140 142 150 150 157 169 6.9.3. PUASONOVA VEROVATNOĆA 4. USLOVNA VEROVATNOĆA 4.DEO ELEMENTI TEORIJE VEROVATNOĆE 4.3 Eksponencijalni trend 3.3. METOD UZORKA 5.3.11. Parabolični trend 3.1.2. REGRESIJA I KORELACIONA ANALIZA 6. CIKLIČNE VARIJACIJE 77 77 80 84 90 112 II .1.2.1. OCENE NA OSNOVU UZORAKA 5.3.3.3.4.2.5. Teorema Bernulija 4. STATISTIČKI TESTOVI NA OSNOVU UZORAKA 5.2.10. TREND 3. STATISTČKE TABLICE 189 Literatura 119 119 119 120 121 122 123 125 127 129 129 131 132 133 215 . BINOMNA VEROVATNOĆA 4.9.6.1.2. Nejednačina Čebiševa 4. ELEMENTI TEORIJE VEROVATNOĆE 4. SLOŽENA VEROVATNOĆA 4.5.

DEO Statistika .I .

.

3 log N 1 . a zatim se vrednosti ređaju po rastućem nizu u tabeli. STATISTIČKE SERIJE I TABELE ZADATAK 1.1. – Grupisanje studenata prema broju bodova Broj bodova (x) 36 41 45 47 50 51 57 61 65 70 UKUPNO: b) Broj studenata (f) 1 2 1 1 1 1 1 2 3 3 Broj bodova (x) 71 77 79 80 81 84 87 91 95 100 Broj studenata (f) 1 1 1 1 2 1 1 2 2 2 30 Za grupisanje podataka u obliku intervalne numeričke serije potrebno je odrediti broj grupnih intervala (K) i širinu tih intervala (i). Zatim se prebrojavaju koliko se puta pojavljuju pojedinačne vrednosti obeležija pa se te brojke upisuju u tabelu. PRIKAZIVANJE STATISTIČKIH PODATAKA 1. Broj grupnih intervala određuje se Stuges-ovim pravilom pomoću formule: K 1 3. Na pismenom ispitu iz statistike 30 studenata dobilo je sledeće bodove: 41 70 45 36 65 41 47 70 50 51 77 57 61 84 61 65 87 65 71 91 70 a) Grupisati podatke u obliku numeričke serije b) Grupisati podatke u obliku intervalne numeričke serije 79 95 81 80 100 95 81 91 100 Rešenje: a) Za grupisanje podataka u obliku numeričke serije uoči se najmanja vrednost obeležija. Tabela 1.1.

47712 1  4. 66 6 i | 11 (širina intervala) Tabela 2.8745 5. – Grupisanje domaćinstava prema broju stabala Broj stabala (x) Broj domaćinstava (f) 10 11 13 15 16 17 20 25 3 4 2 4 5 4 5 3 UKUPNO: 30 2 . Broj stabala jabuka po domaćinstvima u jednom naseljenom mestu bio je: 11 15 17 11 10 20 25 10 13 20 16 17 20 25 17 20 11 16 11 25 16 16 20 15 13 a) Grupisati podatke u obliku numeričke serije b) Grupisati podatke u obliku intervalne numeričke serije 15 10 15 16 17 Rešenje: a) Tabela 3.a širina intervala pomoću izraza: i K K K K X max  X min K 1  3.3 ˜1. – Grupisanje studenata prema broju bodova Broj bodova (x) Broj studenata (f) 35-46 4 47-57 4 58-68 5 69-79 6 80-90 5 91-101 6 UKUPNO: 30 ZADATAK 2.3 ˜ log 30 1  3.8745 i i K | 6 (intervala) 100  36 6 64 10.

3 ˜1.3 ˜ log 28 1  3. 77562 5.b) K 1  3. – Grupisanje domaćinstava prema broju stabala Broj stabala (x) 10-12 12-15 15-18 18-21 21-24 24-27 UKUPNO: Broj domaćinstava (f) 7 6 9 5 0 3 30 ZADATAK 3. 4471 1  4.8745 K 5. 47712 K 1  4.3 ˜1.5 6 K | 6 (intervala) i | 3 (širina intervala) Tabela 4.8745 i i 25  10 6 15 2.3 ˜ log 30 K 1  3.3 ˜ log N 1  3. Na 28 parcela zasejano je suncokreta u t/ha: 17 11 7 13 19 11 7 13 19 12 11 17 21 12 11 19 24 14 14 19 24 14 15 24 a) Grupisati podatke u obliku intervalne numeričke serije b) Izračunati kumulativ „ispod“ i kumulativ „iznad“ 29 15 15 29 Rešenje: a) K K K K K 1  3. – Grupisanje parcela prema zasejanim površinama Zasejane površine (x) 7-10 11-14 15-18 19-22 23-26 27-30 UKUPNO: Broj parcela (f) 2 11 5 5 3 2 28 3 . 6 X max min i|4 Tabela 5. 77562 K |6 i i i X K 29  7 6 3.

3<log N 1  3.b) Kumulativ „iznad“ izračunava se tako što krećemo od n-zbirne frekvencije i oduzimamo frekvencije najpre prvog. – Grupisanje parcela prema zasejanim površinama Zasejane površine (x) 7-10 11-14 15-18 19-22 23-26 27-30 UKUPNO: Broj parcela (f) 2 11 5 5 3 2 28 Kumulativ „ispod“ 2 13 18 23 26 28 / Kumulativ „iznad“ 28 26 15 10 5 2 / ZADATAK 4. U jednom plasteniku 27 radnika ubralo je povrća u kilogramima za 8 časova rada. 34 41 41 41 47 61 47 34 47 51 75 79 61 78 81 65 91 65 a) Grupisati podatke u obliku intervalne numeričke serije b) Izračunati kumulativnu frekvenciju u procentima Rešenje: a) K K K K K 1  3.3<1. Tabela 6. pa zatim svakog narednog intervala do početne frekvencije: 28. 28-2-11. 7235 5. itd. 28-2. 66 X max min i | 10 4 71 92 75 79 65 91 81 47 51 .3<log 27 1  3. 2+11+5. 43136 1  4. 2+11. itd Kumulativ „ispod“ izračunava se tako što se kreće od frekvencije početnog intervala pa se redom sabiraju frekvencije 2. 2+11+5+5. 7235 K |6 i i i X K 92  34 6 9. 28-2-11-5.

72% .3<log 24 K 1  3. 27 Tabela 8.52% .Tabela 7. – Grupisanje radnika prema količini ubranog povrća Ubrano povrće (x) 34-43 44-53 54-63 64-73 74-83 84-93 UKUPNO: b) Broj radnika (f) 5 6 2 4 7 3 27 Kumulativna frekvencija u procentima izračunava se po obrascu: Kumulativna frekvencija u % Za prvi interval: kumulativna frekvencija < 100 ¦f 5 < 100 18.3<log N K 1  3. – Grupisanje radnika prema količini ubranog povrća Ubrano povrće (x) 34-43 44-53 54-63 64-73 74-83 84-93 UKUPNO: Broj radnika (f) 5 6 2 4 7 3 27 Kumulativna frekvencija 5 11 13 17 24 27 / Kumulativna frekvencija u % 19 41 48 63 89 100 / ZADATAK 5.3802 K 1  4.55469 K 5.83 X max min i|4 5 13 13 17 . Potrošnja mleka u 24 domaćinstva u litrima iznosila je: 17 9 7 9 9 7 9 10 9 20 12 9 24 12 14 30 14 15 30 15 15 a) Grupisati podatke u obliku intervalne numeričke serije b) Izračunati relativnu i kumulativnu frekvenciju u procentima Rešenje: a) K 1  3.3<1.55469 K |6 i i i X K 30  7 6 3. 27 Za drugi interval: 11 < 100 40. itd.

U jednom trgovinskom preduzeću u toku jednog dana ostvaren je promet po prodavnicama: Promet (Xi) 40-50 50-60 60-70 70-80 80-90 90-100 100-110 110-120 Broj prodavnica (fi) 6 12 15 10 8 9 7 4 Seriju prikazati u obliku: a) Histograma frekvencija b) Poligona frekvencija c) Poligona kumulativnih frekvencija Rešenje: Tabela 10.2.b) Tabela 9. Promet (Xi) 40-50 50-60 60-70 70-80 80-90 90-100 100-110 110-120 UKUPNO: Kumulanta Broj prodavnica (fi) 6 12 15 10 8 9 7 4 71 6 Rastuća Opadajuća 6 18 33 43 51 60 67 71 / 71 65 53 38 28 20 11 4 / . – Promet po prodavnicama u 103 din. GRAFIČKO PRIKAZIVANJE STATISTIČKIH SERIJA ZADATAK 6. – Domaćinstva prema potrošnji mleka Potrošnja mleka (x) 7-10 11-14 15-18 19-22 23-26 27-30 UKUPNO: Broj domaćinstava (f) 7 6 5 3 1 2 24 Kumulativna frekvencija 7 13 18 21 22 24 / Relativna frekvencija u % 29 25 21 13 4 8 / Kumulativna frekvencija u % 29 54 75 87 92 100 / 1.

– Promet po prodavnicama (poligon frekvencija) c) Slika 3. – Poligon kumulativnih frekvencija 7 .a) Slika 1. – Ostvaren promet po prodavnicama (histogram frekvencija) b) Slika 2.

47712 a) Slika 4.30103 4 0.60205 3 0. – Utrošeno radnih časova po pogonu POGONI Proizvod „A“ Proizvod „B“ Proizvod „C“ Časovi (Xi) Log Xi Časovi (Xi) Log Xi Časovi (Xi) Log Xi I 3 0.30103 IV 3 0. Utrošeno radnih časova po pogonima za izradu tri proizvoda je: POGONI I II III IV V VI Proizvod „A“ 3 2 4 3 4 2 Proizvod „B“ 6 3 5 2 3 4 Proizvod „C“ 4 5 2 4 3 3 Seriju grafički prikazati u obliku: a) Histograma frekvencija b) Poligona frekvencija c) Polulogaritamskog dijagrama Rešenje: Tabela 11.ZADATAK 7.77815 4 0. – Utrošeno radnih časova po pogonu (histogram) 8 .69897 III 4 0.47712 2 0.47712 5 0.60205 V 4 0.47712 VI 2 0.69897 2 0.30103 4 0.30103 3 0.47712 3 0.60205 5 0.60205 3 0.60205 II 2 0.47712 6 0.

– Utrošeno radnih časova po pogonu (poligon) c) Slika 6. U jednom plasteniku proizvedeno je povrće: Vrsta povrća Količina Krompir Grašak Luk 850 610 Seriju prikazati: a) Histogramom frekvencija b) Strukturom kruga 9 530 Kupus Boranija 730 680 .b) Slika 5. – Utrošeno radnih časova po pogonu (polulogaritamski dijagram) ZADATAK 8.

– Količina proizvedenog povrća b) Grafički prikaz u obliku strukture kruga 850 850 <100 25% Ÿ D1 <360q | 90q 3400 3400 610 610 <100 17.94% Ÿ D 2 <360q | 65q Grašak: 3400 3400 530 530 Luk: <100 15. – Količina proizvedenog povrća 10 . 48% Ÿ D 4 <360q | 77q 3400 3400 680 680 Boranija: <100 20% Ÿ D 5 <360q | 72q 3400 3400 Krompir: Slika 8.Rešenje: Grafički prikaz u obliku histograma Slika 7.58% Ÿ D 3 <360q | 56q 3400 3400 730 730 Kupus: <100 21.

8. 12. Za osmočasovno radno vreme 10 radnika spakovalo je kutije sa kafom: 52.9. 630. 780.8. 5. Aritmetička sredina a) Prosta aritmetička sredina ZADATAK 9.2. 74. 10. 25 Odgovor: Prosečan prinos povrća na 8 parcela je 726. Izračunati prosečan prinos povrća na osam parcela. kutija ZADATAK 11. 750. Rešenje: X 60.25 kilograma ZADATAK 10. 59. 76. IZRAČUNATE SREDNJE VREDNOSTI 2. 60. Prinos povrća na 8 parcela iznosio je u kilogramima 820. 6. 720. Izračunati prosečan radni staž u uzorku od 10 radnika. 16. 11 . 680.1. 9. 65. 11.2. 48. 53. 590. 58. 8.2. 10.4. 25 5810 8 726. Izračunati prosečan broj spakovanih kutija sa kafom u uzorku od 10 radnika. 840. 64.6. STATISTIČKA ANALIZA 2.2.1.3.1.1. X x1 x 2 x 3 x 4 x 5 x 6 x 7 x8 8 820 750 840 780 720 630 680 590 8 726.5. Rešenje: n X X X xi i 1 n . U jednom industrijskom pogonu 10 radnika imalo je radni staž: 15.

U jednoj štampariji 8 radnika primilo je plate u jednom mesecu u dinarima: 850.6. 1800. 3650. 12 . Ip 111.5.45 kg. U uzorku od 130 domaćinstava mesečna potrošnja mlečnih proizvoda iznosila je: Potrošnja u kg. 2340. 2100. (X): 6 12 18 10 11 8 13 Broj domaćinstava (f): 10 20 32 15 21 11 21 Izračunati prosečnu mesečnu potrošnju po domaćinstvu. Rešenje: X 2300 > dinara @ b) Ponderisana aritmetička sredina ZADATAK 13. 45 Prosečna mesečina potrošnja mlečnih proizvoda po domaćinstvu je 12. 1100.19% Rešenje: Tabela 12. 3100. 3460. – Potrošnja mlečnih proizvoda Potrošnja u Kg (Xi) 6 12 18 10 11 8 13 Broj domaćinstava (fi) 10 20 32 15 21 11 21 7 ¦ f i i 1 UKUPNO: X n ¦ Xi˜ fi i 1 n ¦ fi i 1 1618 130 130 Xi < fi 60 240 576 150 231 88 273 7 ¦ Xi ˜ f i i 1 1618 12. 6 > godina @ ZADATAK 12. Izračunati prosečnu platu u uzorku od 8 radnika.Rešenje: X 10.4.

75 236. – Ispitivanje čvrstoće čelika Opterećenje u kg / cm 2 ( X ) : Broj proba (fi): Razredna sredina (Xi) Xi fi 4.8 [ gr. Rešenje: X 98. Ispitivanje čvrstoće čelika u uzorku proizvedenog u jednoj čeličani dalo je sledeće rezultate: Opterećenje u kg / cm 2 ( X ) : 4. 75 79 / Xi fi 710.5-12 8 15 35 21 5.99 i 1 Prosečna čvrstoća čelika u uzorku od 79 proba iznosi 8.5-6 6.ZADATAK 14. ZADATAK 16.99 kg / cm 2 .5-10 10. Raspored 60 radnika u uzorku prema učinku o montaži monitora za kompjutere je: Učinak (kom.5-12 8 15 35 21 Broj proba (fi): Izračunati prosečnu čvrstoću čelika. 75 8.5-8 8.5-8 8.25 42 108. 13 .25 11. Merenjem mase 150 komada kifli u uzorku od 100 grama dobijene su vrednosti: Masa u gr.5-10 10.75 323.25 fi 79 UKUPNO: 4 X Xi fi i 1 n fi 710.5-6 6.25 7.) (X): 115-120 121-126 127-132 133-138 139-144 Broj radnika (f): 8 14 15 13 10 Izračunati prosečan učinak montaže. Rešenje: Tabela 13. (Xi): 98 99 97 100 Komada (fi): 25 80 15 30 Izračunati prosečnu masu kifle.25 9.] ZADATAK 15.

je: Mesečna potrošnja brašna (Xi): Broj domaćinstava (fi): 15-19 19-23 23-27 27-31 31-35 35-39 39-43 43-47 40 28 30 98 51 29 16 8 Izračunati prosečnu mesečnu potrošnju brašna. Raspored 300 domaćinstava u uzorku prema mesečnoj potrošnji brašna u kg. Rešenje: X 28.1.Rešenje: X 129.19185 2.37291 2.34295 n log G log G G log Xi Godine: i 1 log X i n 15.13033 2.543 Prosečna proizvodnja toaletnog sapuna u toku 7 godina iznosi 155. 2002 2003 2004 2005 2006 2007 2008 75 98 135 161 205 236 285 1.45484 UKUPNO: / 15. – Radna tabela za izračunavanje geometrijske sredine (Xi) Proizvodnja u 000 kom.87506 1.8 [ komada] ZADATAK 17.2. Proizvodnja toaletnog sapuna u jednoj fabrici po godinama bila je: Godine: 2002 2003 2004 2005 2006 2007 2008 Proizvodnja u 000 kom. 75 98 135 161 205 236 285 Izračunati geometrijsku sredinu.19185 G 155. Geometrijska sredina a) Prosta geometrijska sredina ZADATAK 18. 773 [kg ] 2.31175 2.543 komada.20683 2.34295 7 2.99123 2. Rešenje: Tabela 14. 14 .

47425 16. b) Ponderisana geometrijska sredina ZADATAK 16. U 100 na slučajan način izabranih domaćinstava dobijen je raspored prema mesečnoj potrošnji mesa u kg: Potrošnja (Xi): Broj domaćinstava (fi): 5 25 8 18 12 10 15 19 18 15 20 8 25 5 Izračunati geometrijsku sredinu.07918 1. ZADATAK 15.09442 . 051 [komada].69897 0.25527 1.30103 1. Produktivnost kod 8 radnika u komadima po radniku iznosila je: Radnik: 1 2 3 4 5 6 7 8 Proizvodnja u komadima (Xi): 35 47 21 28 16 39 41 45 Izračunati geometrijsku sredinu Rešenje: 32.ZADATAK 14.40824 6.34573 18.90309 1.25562 10. (Xi) 5 8 12 15 18 20 25 UKUPNO: Broj domaćinstava (fi) 25 18 10 19 15 8 5 fi 100 15 log Xi fi log Xi 0.98970 / 103. Na 6 radnih mesta u jednoj čeličani ostvarena je vrednost proizvodnje u 105 dinara.82908 10. Radno mesto: Vrednost proizvodnje (Xi): 1 45 2 58 3 69 4 64 5 83 6 91 Izračunati geometrijsku sredinu Rešenje: 5 G dinara]. Rešenje: Tabela 15.39794 17.17609 1. – Radna tabela za izračunavanje ponderisane geometrijske sredine Potrošnja mesa u kg.79180 22.

98346 0.5 / 150 log Xi fi < log Xi 0. ZADATAK 17.5 11.89970 7. Kontrolom 120 paketa od po 100 komada crepova broj oštećenih crepova bio je: Broj oštećenih crepova (Xi): Broj paketa (fi): 0 15 Izračunati geometrijsku sredinu.5-5.5 26 20 58 35 11 Broj domaćinstava (fi): Izračunati geometrijsku sredinu. Rešenje: Tabela 16.5 11.90629 1.n ¦ f <log Xi i log G i 1 n ¦f i i 1 log G G 103.5 6.5-13.5-11.02118 35. 16 1 10 2 32 3 26 4 14 5 11 6 8 7 4 . 738 Prosečna potrošnja mesa u 100 domaćinstava tokom jednog meseca je 10. 03094 G 10.09691 12.5 12.5 UKUPNO: Broj domaćinstava (fi) Razredna sredina Xi 26 20 58 35 11 ¦ fi 4. 09442 1.5-9.738 kg.95564 150 0. ZADATAK 18. 03094 100 1.65321 16.92942 53.5-11.938 Prosečan prinos raži po jednom domaćinstvu je 7.5-5.25826 0.06601 / 134.5 9.5 9.95564 n ¦ f <log Xi i log G i 1 n ¦ fi 134.74162 1.5 5.938 t/ha.5 8.5 7.5-9.89970 i 1 G G 0.5 7.5 10. Na slučajan način izabrano je 150 seoskih domaćinstava u kojima je prinos raži u t/ha bio: Prinos raži u t/ha (Xi): 3.5-7.5-7.5 5. – Radna tabela za izračunavanje ponderisane geometrijske sredine Prinos raži u t/ha (Xi) 3.5-13.81291 16.

Vrednost investicija (Xi): 325-355 355-385 385-415 415-445 445-475 475-505 7 12 6 8 4 3 Broj pogona ( ): Izračunati prosečnu vrednost investicija po pogonu metodom geometrijske sredine. U fabrici za proizvodnju automobila za 8 časova radnog vremena 100 radnika ugradilo je sledeći broj motora: Broj motora (Xi): 6 8 7 9 11 15 Broj radnika ( ): 25 12 15 28 11 9 Izračunati prosečan broj ugrađenih motora po jednom radniku metodom geometrijske sredine.3. 2. Harmonijska sredina a) Prosta harmonijska sredina ZADATAK 21. Rešenje: G=8.Rešenje: 2. Vrednost investicija u 106 dinara u 40 pogona za proizvodnju nameštaja bio je. Rešenje: H n n i 1 H 1 x1 1 X1 1 x2 4 1 x3 1 x4 1 45 4 1 1 25 38 1 43 17 III 38 IV 43 . 5 [crepova] ZADATAK 19. Rešenje: 397[106 dinara] ZADATAK 20.26 [komada motora]. U 4 preduzeća utrošeno je časova za proizvodnju jedinice proizvoda: Preduzeća: Utrošeno časova (Xi): I 45 II 25 Izračunati prosečnu produktivnost rada u ova 4 preduzeća.1.

Sela: Broj traktora (Xi): I 10 II 8 III 9 IV 11 V 13 Izračunati prosečan broj traktora u ovih 5 sela. 04 0. 0263 0. Rešenje: 9. 20 minuta II radnik 8 60 32 15 minuta III radnik 8 60 38 12. 0222 0. u četvrtom 11 a u petom 13.93[103 dinara] ZADATAK 23.H 4 0.92 [Traktora] ZADATAK 24. Rešenje: 32. 77 4 0.77 časova. 63 minuta IV radnik 8 60 46 10.1118 35. U 6 meseci prodajna cena šporeta bila je u 103 Meseci: Cena (Xi): I 25 II 28 III 31 IV 36 V 41 VI 45 Izračunati prosečnu cenu šporeta za 6 meseci. Rešenje: Za 8 časova rada radnici su pojedinačno utrošili minuta: I radnik 8 60 25 19. 6 minuta 18 III 38 IV 46 V 50 . Pet radnika u proizvodnji košulja su za 8 časova rada proizveli: Radnik: Broj košulja (Xi): I 25 II 32 Izračunati prosečan utrošak vremena za izradu košulja. u drugom 8. 0233 H 35. U jednom selu na 500 stanovnika dolazi 10 traktora. 77 Prosečna produktivnost rada u ova 4 preduzeća je 35. ZADATAK 22. 43 minuta V radnik 8 60 50 9. u trećem 9.

57 minuta. 428  0. Na jednom prodajnom mestu prodato je meda u Kg po ceni: Med u kg (fi): 50 150 120 80 Cena u din.524 262. b) Ponderisana harmonijska sredina ZADATAK 25.467 dinara po jednom kilogramu. 6 5 H 12. 63 10. 63 9. 2 15 12. 238  0. 258 400 1. 6  0. 052  0. 467 Prosečna cena meda je 267. Rešenje: Radna tabela za izračunavanje: 19 . primenom harmonijske sredine.3976 5 0. 0791  0. U jednom voćnjaku 60 radnika je za 8 časova ubralo šljiva u kilogramima: Šljive u kg (Xi): Broj radnika (fi): 120-130 130-140 140-150 150-160 160-170 170-180 180-190 5 6 3 12 15 7 12 Izračunati prosečnu količinu ubranih šljiva u kilogramima za 8 časova rada.H 5 1 1 1 1 1     19. 0666  0.57 0. (Xi): 210 250 280 310 Izračunati srednju kupovnu moć dinara izraženu cenom 1 kg meda. ZADATAK 26. 0958  0.104 Prosečno vreme izrade jedne košulje iznosi 12. Rešenje: n H ¦ fi i 1 n fi ¦ Xi i 1 H H 50  150  120  80 50 150 120 80    210 250 280 310 400 0.

ZADATAK 27. 77 [minuta/t] 20 . a četvrta od 50 rudara utroši 21 minut.091 170-180 7 175 0. – Ponderisane harmonijske sredine Ubrane šljive u kg (Xi) Broj radnika (fi) Razredna sredina (Xi) fi Xi 120-130 5 125 0.378 fi 60 / H 60 158. Rešenje: H 30. Potrošnja električne energije u KWh u toku jednog meseca kod 50 domaćinstava iznosila je: Utrošak struje (Xi): Broj domaćinstava (fi): 100-250 250-400 400-550 550-700 700-850 850-1000 6 8 15 10 7 4 Izračunati prosečnu potrošnju električne energije po domaćinstvu metodom harmonijske sredine.065 / 0. treća od 45 rudara utroši 31 minut.Tabela 17.021 150-160 12 155 0.04 180-190 12 185 0. 014[ KWh] ZADATAK 28.077 160-170 15 165 0. U jednom rudniku olova prva brigada od 25 rudara za jednu tonu iskopane rude utroši 51 minut. Rešenje: H 417. 730 0.044 140-150 3 145 0.730 kilograma šljiva.04 130-140 6 135 0. druga od 35 rudara 49 minuta.378 Za 8 časova rada 60 radnika prosečno je ubralo 158. Koliko je prosečno utrošeno vreme po jednoj toni iskopanog olova.

Rešenje: Mo 175[cm] Najčešća visina studenata je 175 cm. Promet (Xi): Broj prodavnica (fi): 15-25 5 25-35 6 Utvrditi najčešći promet ( Mo ) po prodavnici. Na jednom fakultetu visina studenata i broj studenata bio je: Visina studenata (Xi): Broj studenata (fi): 165 85 170 160 175 210 180 190 185 36 190 12 Izračunati (očitati) modus. Modus ZADATAK 29. Proverom pakovanja čokolade mase 100 grama na slučajan način izabranih 150 čokolada dobijen je raspored: Masa u gr (Xi): Broj čokolada (fi): 96 15 97 7 98 42 99 58 100 25 101 3 Rešenje: 99 [grama] ZADATAK 32.2.2. POZICIONE SREDNJE VREDNOSTI 2. Rešenje: 1100 [dinara] ZADATAK 31. U fabrici za proizvodnju soli 160 radnika primilo je plate u dinarima: Plate u dinarima (Xi): Broj radnika (fi): 750 20 800 38 980 35 1100 42 1150 15 1200 10 Izračunati (Mo) najčešću platu. U 50 prodavnica mešovite robe ostvaren je dnevni promet u 103 dinara. ZADATAK 30.1. 21 35-45 28 45-55 8 55-65 3 .2.

ZADATAK 33. 22 . Rešenje: 5734.7000 Broj domaćinstava (fi) 16 20 35 18 11 Utvrditi najčešći mesečni prihod po domaćinstvu.6500 6500 .Rešenje: 1 x1 Tabela 18.6000 6000 . 248 40.5248*10 35 5. U jednoj fabrici duvana 160 radnika spakovalo je za 8 časova rada sledeći broj boksova cigareta. 375 [dinara] ZADATAK 34. Raspored 100 domaćinstava prema visini mesečnih prihoda u dinarima je: Mesečni prihodi u dinarima (Xi) 4500 .5500 5500 . – Radna tabela za izračunavanje modusa: ( f2 ( f 2 f1 ) f1 ) ( f 2 Promet u 103 (Xi) Broj prodavnica (fi) 15-25 25-35 35-45 45-55 55-65 5 6 28 8 3 f3 ) 35 (28 6) 10 (28 6) (28 8) 35 22 22 10 35 *10 22 20 42 35 f2 28 f1 6 f3 8 i 10 35 0. 248 Najčešći promet po prodavnici je 40.5000 5000 . 248*103 dinara.

2. 35 [boksova] 2. 2100. 995.2. Rešenje: 1000 [grama] 23 . Merenjem 9 kutija laka za parket dobijeni su rezultati: 990. 1000. 1009. 2800. 3400. Utvrditi medijanu ( Me ).Broj boksova (Xi) Broj radnika (fi) 50-100 100-150 150-200 200-250 250-300 300-350 40 35 25 42 10 8 Utvrditi najčešći broj spakovanih boksova cigareta Rešenje: 217. 996. 998. Rešenje: 2100 2500 2800 3100 3200 3400 3600 X1 X2 X3 X4 X5 X6 X7 Mesto medijane ( Me ): Me xn 1 x7 2 1 x8 2 x4 2 Me 3100 Polovina studenata primilo je stipendije manje od 3100 dinara a polovina veće. ZADATAK 36. 1000. 3200. 1005. U jednom mesecu 7 studenata primilo je stipendije u dinarima: 2500. 3600. 1006. 3100 Odredi medijanu. Medijana a) Negrupisani broj podataka (prosta serija) ZADATAK 35.

8. 34. 7. 32. Na zelenoj pijaci prodano je 895kg krompira po cenama i to: Cena din/kg (Xi): Prodano (fi): 25 65 31 160 32 310 35 230 38 90 Izračunati medijanu.ZADATAK 37. Rešenje: 33 [kilograma] Grupisani podaci (složena serija) . Rešenje: Me 7 [litara] ZADATAK 38. 5. 9. 30. 28. Rešenje: Radna tabela za određivanje medijane: Tabela 19. 7. Cena din/kg (Xi) prodato (fi) kumulanta 25 31 32 35 38 40 Ukupno 65 160 310 230 90 40 895 65 225 535 765 855 895 / 24 40 40 . 40 Odredi medijanu. 8.Neintervalna numerička serija ZADATAK 39. 8. 37. 39. 31. U 10 domaćinstava mesečna potrošnja hleba u kilogramima iznosila je: 29. 4. Odredi medijanu. Na jednoj farmi 11 ovaca u toku jednog dana dalo je mleko u litrima: 5. 6. 6. 35.

n Mesto medijane fi i 1 2 895 2 447. U šest uzastopnih dana 140 prodavnica bele tehnike prodato je frižidera: Prodato frižidera (Xi): Broj prodavnica (fi): 3 4 4 21 5 42 7 30 8 25 9 18 Izračunati medijanu. ZADATAK 40.Intervalna numerička serijaZADATAK 42.5 32 [dinara] Polovina prodatih jabuka je po ceni nižoj od 32 dinara. Na slučajan način izabrano je 160 domaćinstava koji su imala mesečnu potrošnju mleka u litrima: Potrošnja mleka (Xi): Broj domaćinstava (fi): 15 10 18 15 25 21 28 51 31 30 35 33 Izračunati medijanu. a druga polovina je prodata po ceni višoj od 32 dinara. 25 7-9 10 9-11 11 11-13 3 13-15 2 . Rešenje: 7 [frižidera] . Prinos ječma na 39 parcela u t/ha iznosio je: Prinos (Xi): Broj parcela (fi): 3-5 6 5-7 7 Odrediti medijanu. Rešenje: Me 28 [litara] ZADATAK 41.

5 8. ZADATAK 43. Rešenje: 2. a polovina parcela prinos veći od 8. 45 [dece] 26 .3 t/ha.Rešenje: Tabela 20. 27 [godina] ZADATAK 44.3 10 Me 8. U jednom preduzeću 50 radnika imalo je godine starosti: Godine (Xi): Broj radnika ( ): 18-23 23-28 28-33 33-38 38-43 43-48 48-53 8 7 10 9 5 7 4 Izračunati medijanu.3 t/ha.3 Polovina parcela ima prinos ječma manji od 8.5 2 2 9 7 19. Rešenje: 33.5 13 23 13 7 2 *6. Na slučajan način izabrano je 30 domaćinstava prema broju dece: Broj dece (Xi): 0-1 1-2 2-3 3-4 4-5 5-6 Broj domaćinstava ( ): 2 8 12 4 1 3 Izračunati medijanu. – Radna tabela za izračunavanje medijane: x2 w2 1 Broj parcela ( ) Kumulanta rastuća 3-5 5-7 7-9 9-11 11-13 13-15 Ukupno 6 7 10 11 3 2 39 6 13 23 34 37 39 / fi x1 w1 1 2 fi Mesto Me Me 7 Prinos t/ha (Xi) 39 19.

37. 31. ZADATAK 47.negrupisani podaci – ZADATAK 46. Rešenje: Rastući niz podataka je: (neparan broj podataka) 26 30 31 37 40 42 45 x1 x2 x3 x4 x5 x6 x7 Mesto prvog kvartila Q1 : Q1 xn 1 x7 4 Q1 1 x2 4 30 Jedna četvrtina (25%) stabala ima prinos 30 kilograma i manje. 31 i 30. 26. Na sedam stabala oraha ostvaren je prinos u kilogramima: 30. 28. 12. U jednoj banji izabrano je na slučajan način 100 turista i popisan broj dana boravka: Broj dana (Xi): Broj turista (fi): 5-8 18 8-11 9 11-14 10 14-17 40 17-20 15 20-23 8 Izračunati medijanu. 45.3. 40. 15. Mesto trećeg kvartila Q3 Q3 x3( n 1) x3(7 4 1) 4 x6 42 Tri četvrtine stabala (75%) oraha ima prinos 42 kilograma i više. 23. 21. 24. Rešenje: 15. Izračunati kvartile: prvi ( Q1 ) i treći ( Q3 ). 01[dan] 2. 27 .2. U jednom preduzeću 9 radnika primilo je platu u hiljadama dinara: 10.ZADATAK 45. Kvartili . 42 Izračunati kvartile Q1 i Q3 .

Rešenje:
Q1 13,5 [hiljada dinara]
Q3

29 [hiljada dinara]

ZADATAK 48.
Na deset parcela ostvaren je prinos ječma u t/ha:
56, 41, 50, 45, 75, 59, 60, 83, 78, 80.
Izračunati prvi ( Q1 ) i treći kvartil ( Q3 ). (paran broj podataka)
Rešenje:
Rastući niz podataka je:
41
45
x1

x2

50

56

59

60

75

78

80

83

x3

x4

x5

x6

x7

x8

x9

x10

x3,5

45 50
2

Mesto prvog kvartila ( Q1 ):
Q1
Q1

xn

xn

4

4

2

1

x10

x10

4

4

2

x2,5

1

2

2

50 56
2

47,5 53
2

50, 25

Jedna četvrtina (25%) parcela imala je prinos ječma 50,25 t/ha i manje.
Mesto trećeg kvartila ( Q3 ):
Q3
Q3

x3 n

x3 n

4

4

2

1

x3*10
4

x3*10
2

4

1

x7,5

x8,5
2

75 78
2

2

78 80
2

76,5 79
2

77, 75

Tri četvrtine (75%) parcela imalo je prinos 77,75 t/ha i više.
ZADATAK 49.
U deset prodavnica u toku jednog dana prodato je integralnog hleba u kg:
300, 275, 410, 310, 170, 251, 401, 320, 260, 250
Izračunati prvi kvartil ( Q1 ) i treći kvartil ( Q3 ).
Rešenje:
Q1

253[kg ]

Q3

337, 75[kg ]

28

- Numerička serija sa grupisanim podacima –
a) Neintervalna
Zadatak 50.
Prodajna cena jednog artikla u 25 prodavnica iznosila je:
Cena u dinarima (Xi):
Broj prodavnica (fi):

1250
7

2610
5

3400
4

4100
3

4600
4

Izračunati:
a)

kvartile Q1 i Q3

b)

interkvartilnu razliku

Rešenje:
Tabela 21. Radna tabela za izračunavanje kvartila:
Cena (Xi) Broj prodavnica (fi) Kumulanta rastuća
1250
2610
3400
4100
4600
5100
Ukupno
a)

7
5
4
3
4
2
25

7
12
16
19
23
25
/

Mesto Q1 i Q3 naćićemo u koloni kumulante po formuli:

fi 1

Mesto prvog kvartila: Q1
Q1
1

4

25 1
6,50
4
1250 [dinara]

Jedna četvrtina proizvoda prodata je po ceni od 1250 dinara.
Mesto trećeg kvartila: Q3
Q3
3

3*

n

fi 1

i 1

4

3* 25 1
19
4
4100 [dinara]

Tri četvrtine artikala prodato je po ceni od 4100 dinara.
29

5100
2

b)

IQ

Q3 Q1

IQ

4100 1250

IQ

2850

Interkvartalna razlike iznosi 2850 dinara.
ZADATAK 51.
Za proizvodnju jednog proizvoda 35 radnika utrošili su časova:
Broj časova (Xi):

2

4

6

8

9

Broj radnika (fi):

5

9

12

4

5

Izračunati:
a)

kvartile Q1 i Q3

b)

interkvartilnu razliku

Rešenje:
a)

1

4 [časa] ,

b)

Q

4 [časa]

8 [časova]

3

ZADATAK 52.
Prinos šećerne repe na 180 parcela u t/ha ostvaren je:
Prinos (Xi):

3,5

3,9

4,2

4,5

5,6

5,9

Broj parcela (fi):

11

9

92

20

38

10

Izračunati:
a)

kvartile Q1 i Q3

b)

interkvartilnu razliku

Rešenje:
a)

Q1

4, 2[t / ha ] , Q3

b)

IQ

1, 4[t / ha ]

5, 6[t / ha ]

b) Intervalna numerička serija
ZADATAK 53.
Raspored 100 kesica kafe prema izmerenoj masi je:
Masa u gramima (Xi): 95,1-97 97,1-99 99,1-101 101,1-103 103,1-105
Broj kutija (fi):

23

21
30

32

18

6

9 = 100.1-105 Ukupno fi fQ1 *i 97. 25 4 4 fi 1 i 1 Q1 95.1 + ⋅1.9 fQ3 32 Tri četvrtine kesica kafe ima 100.9 grama i više. U fabrici za proizvodnju piva mesečna zarada 80 radnika iznosila je: Zarada (Xi): 500-550 550-600 Broj radnika (fi): 4 10 600-650 650-700 700-750 750-800 18 28 17 3 31 . – Radna tabela: Masa u gramima (Xi) Broj kesa (fi) Kumulanta rastuća n a) Mesto Q1 i 1 n x1 Q1 97. 3 IQ 3. b) IQ Q3 Q1 IQ 100.1-97 97. Mesto Q3 fi 1 3* 4 3*(100 1) 4 75.9 97.9 21 Jedna četvrtina kesica kafe ima 97.1 25. 25 23 *1.3 grama i manje.1-99 99. ZADATAK 54.3 fi 1 4 23 21 32 18 6 100 23 44 76 94 100 / 100 1 25.1-103 103. 75 − 44 4 Q3 = x1 + ⋅ i = 99. 75 3 ⋅ ∑ fi + 1 − ∑ f1 75. 6 Interkvartilna razlika iznosi 3.1-101 101.6 grama.Izračunati: a) kvartile Q1 i Q3 b) interkvartilnu razliku Rešenje: Tabela 22.

U 10 prodavnica u toku jednog dana prodata je sledeća količina testenina: 8. 15. 21 [dinara] 2.negrupisani podaci – ZADATAK 55. 28. MERE VARIJABILITETA 2. Q3 b) IQ 84. standardna devijacija i koeficijent varijacije .3. 85 [dinara ] 702.Izračunati: a) kvartile Q1 i Q3 b) interkvartilnu razliku Rešenje: a) Q1 617. 13.36 [dinara] . Varijansa. 30.1. 21. Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije Rešenje: a) I X max X min I 30 8 22 Razlika između prodavnice koja je prodala najviše testenina (30 kg) i prodavnice koja je prodala najmanje testenina (8 kg) iznosi 22 kg. n b) 2 i 1 n i 1 xi x 2 varijansa n xi n x 2 standardna devijacija 32 . 22. 11.3. 25. 18.

1kg.1 1.81 488.21 65. 2100.1 10 i 1 n Prosečno prodata testenina u 10 prodavnica je 19.992 100 36.90 191 19.890kg.89 6. c) Kv Kv X 100 6. 1860.90 10 48.2210 i 3210. Radna tabela: Količina (Xi) 8 11 13 15 18 21 22 25 28 30 191 n X Xi ( xi x) -11. Na slučajan način izabrano je 8 radnika u fabrici tekstila koji su u jednom mesecu primili plate:1750.9 8.61 37.1 -6.41 34.21 16.81 79.1 -8. 2090 . 2200.992 kg.9 10. 2350. ZADATAK 56.9 2. 2 488.9 5.61% od aritmetičke sredine.21 3.890 Prosek kvadrata odstupanja pojedinačne prodaje testenine po jednoj prodavnici i prosečne prodaje testenina je 48.1 Standardna devijacija iznosi 36. Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije 33 .992 Srednja mera pojedinačne prodaje testenina od prosečne prodaje testenina iznosi 6. 2 48.9 / ( xi x) 2 123.21 118.Tabela 23.61 8.1 -1.81 1.1 -4.61% 19.

8. 5.09 2630.86 / 34 fi *( Xi x) 2 3511.79 5. sred. 44[ kg ] 4.14 174.66% c) ZADATAK 57.79 -10. 687[kg ]. 22 30 38 46 54 62 / 2 Xi * fi Xi x Xi x 220 540 1216 920 810 496 4202 -18.30[dinara].12 12641.78 27. X a) 2 b) 8.65% c) . X a) b) 2108.Rešenje: 600[ dinara ]. 2.85 2084. σ 14.77 3620.01[dinara] 2 0.50 449.97 .21 21. 9. 11. U jednom preduzeću raspored radnika prema starosti bio je: Godine starosti (Xi): Broj radnika (fi): 18-26 10 26-34 18 34-42 32 42-50 20 50-58 15 58-66 8 Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije Rešenje: Radna tabela: Tabela 24.42 7.30 548. 7.165[kg ] 25. Godine (Xi) Broj radnika (fi) 18-26 26-34 34-42 42-50 50-58 58-66 / 10 18 32 20 15 8 103 Razred.21 / 353.numerička serija sa grupisanim podacima ZADATAK 58. Na 9 čokota vinove loze ostvaren je prinos grožđa u kg. 8 i 12 Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije Rešenje: 7[ kg ].06 116. 10.21 13. 6.84 246.79 -2. 7[ dinara ] 196.

V2 ¦ fi Xi  x . 79 i 1 Prosečna starost radnika je 40.97 122. n b) V ¦ fi( Xi  x) 2 2 i 1 n ¦ fi i 1 n x ¦ Xi * fi i 1 n ¦ fi 4202 103 40.a) xmax  xmin I I 66  18 48 Razlika između najstarijeg radnika (66) i najmlađeg radnika (18 god. 73 103 Prosek kvadranta odstupanja pojedinačnih godina starosti radnika od prosečne starosti iznosi 122.79 godina. 12641.) je 48 godina.73.

na slučaj izabranih. 07 i 1 Srednja mera odstupanja pojedinačnih godina starosti radnika od prosečne starosti iznosi 11. 60% 35 .14 . 79 *100 x Standardna devijacija iznosi 27.14% od aritmetičke sredine. 9[ kg ] 2 19.1-8 8.1-17 17. 73 11. iznosila je: Mesečna potrošnja (Xi): 5.14% 40. ZADATAK 59.1-11 11.1-23 Broj domaćinstava (fi): 12 8 17 30 23 10 Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije Rešenje: a) I b) x 14. V 4. 07 *100 27.1-14 14. n V 2 i 1 n ¦ fi 122.37 29. c) V KV 11.07. V c) KV 17.1-20 20. Mesečna potrošnja mlečnih proizvoda kod 100 domaćinstava. 78 .

Radna tabela: Xi  x . Mera asimetrije i spljoštenosti .2. 9.4. 17 Izračunati meru asimetrije i spljoštenosti. 12. U toku jednog meseca osam porodica u uzorku potrošilo je mleka u litrima: 10. 28.negrupisani podaci ZADATAK 60. Rešenje: Tabela 25.4. POKAZATELJI OBLIKA RASPOREDA 2. 20.1. 25. 15.

Xi  x .

Xi  x .

Xi  x .

2 Potrošnja (Xi) 49 3 10 -7 -343 12 -5 25 -120 625 9 -8 64 -512 4096 15 -2 4 -8 16 25 8 64 512 4096 20 3 9 27 81 28 11 121 1331 14641 17 0 0 0 0 136 / 336 887 25956 4 2401 n x ¦ Xi i 1 n 136 17 8 Prosečna potrošnja mleka kod 8 porodica u uzorku je 17 litara. V ¦ Xi  x .

D3 M3 V3 Koeficijent asimetrije ¦ Xi  x .92 Srednja mera odstupanja pojedinačne potrošnje mleka od prosečne potrošnje mleka je 6.92. 2 n 1 336 8 1 6.

923 3 887 110.37 0.334 D 3 ! 0 Serija ima desnu pozitivnu asimetriju 36 .875 8 110.875 331. n M3 D3 i 1 n 110.875 6.

.Koeficijent spljoštenosti D4 M4 V4 ¦ Xi  x .

6 Izračunati meru asimetrije i spljoštenosti. U 10 prodavnica u toku jednog dana prodato je 30. V 7.5 1. Mesečna potrošnja mleka u 30 domaćinstava iznosila je: Potrošnja u l (Xi): 5-10 10-15 15-20 20-25 25-30 Broj domaćinstava (fi): 3 7 10 6 4 Izračunati meru asimetrije i spljoštenosti. 415 2293. 37 . D 4 2. 16. 9. 35.11 D4  3 Serija ima spljošten oblik. V 1. D 4 0. 39.39 M3 223.585 . 44 . Rešenje: x 31.924 3244. 2 .5[ kg ] . 41.553 M4 7710. 7. Rešenje: x 7. 32 kg jednog proizvoda.125 ZADATAK 62. 342 M3 1.5 6. 8.5423 2. 40. 46 .Numerička serija sa grupisanim podacima ZADATAK 63. 25. 31. D 3 M4 6. U jednom ispitnom roku 9 studenata su dobili ocenu iz matematike: 8.3107 . 10.8936 . Izračunati koeficijent asimetrije i spljoštenosti. 7. ZADATAK 61. D 3 0. 6. 6. 26.5 3244. n M4 D4 4 25956 8 i 1 n 3244.

5 17. ( xi ) 5-10 10-15 15-20 20-25 25-30 / Tabela 26.2 530 17.84 9.5 175 135 110 530 -10.14 1023.841 i 1 Srednja mera odstupanja pojedinačne potrošnje mleka od prosečne potrošnje mleka je 5.5 22. 6024 12.122 5. 786 30 fi i 1 n M4 i 1 fi * Xi x n fi 4 77716.8413 12. 38 4 .686 2 fi ⋅ ( X i − x ) -3146. ( fi ) 3 7 10 6 4 30 Xi X i ⋅ fi Xi − x ( Xi − x ) 7. Radna tabela: Br.62 0.032 383.37 0.14 -961.262 3811.6024 3 fi ⋅ ( X i − x ) 31963.16 4.0416 680.16 -0.54 i 1 3 M3 3 12.66 litara n i 1 fi Xi x n 2 1023.51 -0. 786 199. 279 0. 2 30 2590. 06416 pokazuje da je raspored frekvencija o potrošnji mleka u litrima asimetričan u desno.841 litar.825 / Xi * fi x i 1 n 2 fi ⋅ ( X i − x ) 299.5 87. 686 30 fi 34.096 140. 66 30 fi i 1 Prosečna potrošnja mleka kod 30 domaćinstava je 17.84 / 103.10 4960. dom.22 26.5 27.5 / 22.16 -5.55 397.38 0.52 186. 786 5. 06416 Koeficijent asimetrije 3 0.38 37500.Rešenje: Potr.323 77716.0067 3292. n M3 i 1 fi * Xi x n 3 383.425 96.026 23.5 12.

38 -1.4 M4 2590. n M3 i 1 fi Xi x n 3 28.79 -39. 2.62 11.33 54.2516 Ukupno 63 1284 / / 264.104 Xi * fi n 1284 63 fi Xi * fi Xi x Xi x 2 fi * Xi x 2 fi * Xi x 3 fi * Xi 20. 048 i 1 Srednja mera odstupanja pojedinačnih prodajnih cena od prosečne cene iznosi 204.54 1163.33 -1.8. 4493 i 1 n M4 i 1 fi Xi x n fi 4 2086.3636 146.3366 63 fi 4.15 0.4372 1043.3064 63 fi 0.38 i 4 Prosečna cena kod prodatih 63 pari dečijih cipela iznosi 2038 dinara. n i 1 fi Xi x n 2 264.86 88.104 63 33. 225 2.1958 2.0108 377. 225 pokazuje da je ovaj raspored niži u odnosu na normalni 4 ZADATAK 64. Radna tabela: Cena Prodato Xi fi 17 19 20 23 8 15 19 21 136 285 380 483 -3.38 -0.3064 2086. Rešenje: n x i 4 Tabela 27.54 5.015 27.8414 4 2590.772 -308.3366 28.112 i 1 39 x 4 .186 2.14 6.3724 988.90 0. U jednoj prodavnici dečijih cipela u toku jednog dana prodao je cipela po cenama: Cena u 102 dinara (Xi): 17 19 20 23 Prodato pari (fi): 8 15 19 21 Izračunati meru asimetrije i spljoštenosti.38 2.988 Koeficijent spljoštenosti raspored.42 1.

D4 M4 V4 33.1-14 5 14.112 1.845 M4 218.589 0. 0523 Koeficijent asimetrije D 3 0.1-16 2 .8822 17.85[  ] .112 2. V 3.1-8 4 Izračunati meru asimetrije i spljoštenosti. 4493 2. 0467 . 4493 8. 9537 .D3 M3 V3 0. 795 40 8. 0484 33. D 3 0. Rešenje: x 8.5921 Koeficijent spljoštenosti D 4 spored. 0523 pokazuje da je raspored frekvencija o prodaji dečijih cipela po različitim cenama asimetričan u desno.8822 pokazuje da je raspored niži u odnosu na normalan ra- ZADATAK 65. Na 30 merenja mase nekog proizvoda utvrđena su odstupanja u gramima: Odstupanja (Xi): Broj proizvoda (fi): 4.1-10 7 10.1-6 9 6. 0483 0.32 3 30. D 4 1.1-12 3 12. 1.

Radna tabela: Bazni indeksi sa bazom u 1999. do 2008. Godine Proizvodnja Yi 1999 720 I1 Y1 : Y2 (720 : 720) 100 100. 27 n 10 Bazni indeksi u % (baza 1999=100% ( Ii )) 41 2008 830 . preračunati na bazu 2003.11 2002 650 I1 Y4 : Y1 (650 : 720) 100 90.39 I1 Y8 : Y1 (790 : 720) 100 109. Bazni indeksi ZADATAK 66.88 2005 2006 730 790 I1 Y7 : Y1 (730 : 720) 100 101.. c) Izračunati indekse na bazi prosečne proizvodnje u posmatranom periodu.88 2008 830 7132 I1 Y10 : Y1 (830 : 720) 100 115.50 2001 620 I1 Y3 : Y1 (620 : 720) 100 86. Rešenje: a) Izračunavanje baznih indeksa vrši se na osnovu formule: Ii Yi *100 (i 1.. b) Dobijene indekse sa bazom u 1999. 00 2000 702 I1 Y2 : Y1 (702 : 720) 100 97. U jednom rudniku uglja proizvedeno je uglja u tonama u periodu od 1999.50 2004 640 I1 Y6 : Y1 (640 : 720) 100 88. 2.1. godine: Godina (Xi): Proizvodnja (Yi): 1999 720 2000 702 2001 620 2002 650 2003 630 2004 640 2005 730 2006 790 2007 820 a) Izračunati indekse sa bazom u 1999. god.3... VREMENSKI INDEKSI 3. 72 2007 820 I1 Y9 : Y1 (820 : 720) 100 113. god.1. god. 27 2003 630 I1 Y5 : Y1 (630 : 720) 100 87.1. DINAMIČKA ANALIZA 3. n) Y0 Tabela 28.

bila je za 14. 72 : 87. god. 42 86. 27 : 87. .. (i 1. god. 6 I6 : I5 (88. 00 2004 88.15% veća i u 2008. n) 42 na . na bazu 2003. I1 : I 5 (100 : 87. bila je za 1. već izračunatih baznih indeksa. u odnosu na 1999. za 12. u 2003. god. god.. u odnosu na 2003. 9 I9 : I5 (113. u odnosu na 1999. u 2002. 73 I .16% veća.16 2003 87.50) 100 131.57 2005 101. u 2005 god.27% veća.5% manja.89% manja. u 2001. god. 2. god. za 9. god. 2. god. u 2004. za 1.42% veća.11: 87.00 2000 2001 Preračunati indeksi sa bazom u 1999. god. 2 I 2 : I5 (97. god. b) Izračunavanje. I i. bila za 1.87% veća. god. za 13.88 : 87. u odnosu na 1999. za 13.72% veća. god. god. u odnosu na 2003.27 I .39% veća. god.88% veća i u 2008.50 I .87 2006 109. u odnosu na 2003. 39 : 87. bila za 3. 4 I 4 : I5 (90. I0 Tabela 29. u 2001. u odnosu na 1999. 5 I5 : I5 (87. god. u 2007. god. 50) 100 115.59% manja. I8 : I5 (109. 27 : 87. do 2008. u 2006. u 2002. u 2004. bila za 25. Godine Bazni indeksi Ii(%) 1999 100. na indekse sa novom bazom vrši se na osnovu izraza: . u odnosu na 1999.50) 100 98. za 9. god. u odnosu na 2003. godini u odnosu na 1999. u odnosu na 2003. god.28% veća.50) 100 111. iznosi 713. god.. 41 2002 90. god. 28 97. bila je za 11. u odnosu na 2003.39 I 7. god. n) .57% veća. bila za 30. u 2005. (%) I1. . god.72 I 8. 39 2007 113. god. god. god. bila za 31. godini u odnosu na 2003. I3 : I5 (86.50) 100 103. 10 I Proizvodnja uglja u 1999.50 : 87.88 . u 2007.50 I . u 2000. bila za 15. bila je za 2. I7 : I5 (101.27 I10 : I 5 (115. god. u 2006. (i 1. . god. god. god. 50) 100 114. u odnosu na 2003. god.Proizvodnja uglja u 2000. u odnosu na 1999.73% manja. god.2 tone. u odnosu na 1999.50) 100 100.50) 100 101.11 I 3. Indeksi na bazi prosečne proizvodnje izračunavaju se na osnovu izraza: Ii Yi Y 100. Za 11. Ii 100 . god. Ii .12% manja.88 : 87. u odnosu na 2003.73% veća.88 I .5% manja.39% veća. . c) Prosečna proizvodnja osnovu izraza: n Y i 1 Yi n 7132 10 u posmatranom periodu izračunava se 713. u odnosu na 1999. 2 Prosečna proizvodnja uglja u periodu 1999. god.15 2008 115. za 15.. 50) 100 125. Preračunati indeksi sa bazom u 1999. god.50) 100 130.50 : 87.

bila za 13.69 % . u 2003. god.07% manja u 2002. 252. 84.2 tone Ii.97 2008 830 I10 Y10 : Y Indeksi na bazi prosečne proizvodnje od 713.00 % . preračunati na bazu 2007. 2) 100 89. u 2004.05 % . god. bila je za 8. u 2001. 2) 100 100.38 Proizvodnja uglja u odnosu na prosečnu u 1999. Indeksi na bazi prosečne proizvodnje Godine Proizvodnja u t Yi 1999 720 I1 Y1 : Y 2000 702 I2 Y2 : Y (702 : 713. 2) 100 114. 2) 100 110. 161. god. proizvedeno je mesa u tonama: Godine Proizvodnja mesa (Yi) 2001 210 2002 208 2003 230 43 2004 190 2005 203 2006 185 2007 240 2008 260 . god.38% veća. 112.Tabela 30. ZADATAK 67.50 % . 100. u 2005. 105.95 % . 71. 2) 100 102. 119. bila za 10. do 2008. 120. 74 2005 730 I7 Y7 : Y (730 : 713. 2) 100 116.97% veća i u 2008.00 % .90 % . bila je za 0. U jednoj fabrici štofa proizvedeno je štofa u hiljadama metara u periodu od 2001.00 % [ Y = 40 ⋅ 103 metara] ZADATAK 68. u 2007. 266. god. 62.62 % . 2) 100 98.33 2004 640 I6 Y6 : Y (640 : 713. bila za 10.95% veća. u 2000. 85.57% manja. b) Indekse sa bozom u 2001.50 %. 2) 100 88.35 2006 790 I8 Y8 : Y (790 : 713. god.57 % .13 2003 630 I5 Y5 : Y (630 : 713.6 % b) 39. god. 180.67% manja. 47.93 2002 650 I4 Y4 : Y (650 : 713. u 2006. 43 2001 620 I3 Y3 : Y (620 : 713.87% manja. 64. god. 77 2007 820 I9 Y9 : Y (820 : 713. (%) (720 : 713.50 % .26% manja.15 % . Godine Proizvodnja 2001 21 2002 25 2003 34 2004 38 2005 45 2006 48 2007 53 2008 56 a) Izračunati indekse sa bozom u 2001.35% veća.50 % . bila za 16.66 % c) 52. god.38 % .17 % . 228. god. 2) 100 91.77% veća. god. god.56 % . 95. god. 90. 214.00 % . do 2008. bila za 14.00 % . c) Izračunati indekse na bazi prosečnog prometa u posmatranom periodu. bila za 11.28 % . za 1. Rešenje: a) 100. god.90 % . god. god. bila za 2. 132. Na farmi za tov pilića u periodu od 2001.95 (830 : 713. 140. 2) 100 86.00 % .

2. 113.06 % . 2. b) Indekse sa bazom u 2001.08 % c) Y 215.47 % . 97. 88. 75[ 120. 99. 88.23 % .09 .04 % . 96..00 % . god. god. 106.28 % . preračunati na verižne. c) Izračunati indekse na bazi prosečnog prometa u posmatranom periodu. do 2008. 96. iznosila je: Godine Potrošnja (Yi) 2000 210 2001 250 2002 286 2003 310 2004 350 2005 290 a) Izračunati verižne (lančane) indekse b) Verižne indekse preračunati na indekse sa bazom u 2000.85.39 V5 Y5 : Y4 (350 : 310) 100 112. 90. preračunati na verižne.1. 118. 40 V4 Y4 : Y3 (310 : 286) 100 108. preračunati na bazu 2005. 3. . god. 05 V3 Y3 : Y2 (286 : 250) 100 114. c) Verižne indekse preračunati na indekse sa bazom u 2004.41 % . 111.90 V6 Y6 : Y5 V7 Y7 : Y6 (270 : 290) 100 93. Verižni indeksi potrošnje brašna Godine Potrošnja Yi 2000 210 2001 2002 2003 2004 2005 2006 2007 2008 250 286 310 350 290 270 276 306 Verižni indeksi Vi (%) 1 V2 Y2 : Y1 (250 : 210) 100 119. 100. 123. god. god. god.52 % .60 % . d) Indekse sa bazom u 2000. 91.74 % .09 % .81 % b) 103.30 % . 94.13 % . god. 2006 270 2007 276 Rešenje: a) Verižni (lančani) indeksi izračunavaju se na osnovu formule. Verižni (lančani) indeksi ZADATAK 69.a) Izračunati indekse sa bazom u 2001. Vi Yi 100. 128. god. u tonama u periodu od 2000. Rešenje: a) 100.86 V9 44 (290 : 350) 100 82. (i 1.. 109. Potrošnja brašna u jednom regionu.33 % .85 2008 306 . . 114.46 % .6 % . n).10 V8 Y8 : Y7 (276 : 270) 100 102. 102.00 % . 22 Y9 : Y8 (306 : 276) 100 110.51 % ] . e) Indekse sa bazom u 2004. Yi 1 Tabela 31. 93. god.45 % .23 % .59 % .

god. god.90 I5 I 4 V5 147.66% veća. god. 0222 78. u 2007. za 38. Godine Varežni indeksi (Vi) Preračunati verižni indeksi u bazne indekse sa bazom u 1991. za 36. b) Verižni indeksi se na bazne indekse preračunavaju za godine koje slede na osnovu formule: Ii ( I i 1 Vi ) :100.9310 128. god. 62 138. u 2005. god. 07 2006 V7 93. za 10. 62 1. god. god. u 2008. 40 I3 I 4 V4 (88. Ii (%) I1 I 2 V2 (71. za 45. 00 2001 V2 I2 2002 V3 114. u 2004. za 8. za 47. 2. u 2003. u odnosu na 2005.39%.54 Potrošnja brašna u odnosu na 2000. u 2004. 71 2003 V4 2004 V5 112.39) 100 81. 22 I8 I 7 V8 128.85 I6 I 5 V6 166. god.39 2008 V9 I9 I8 V9 131.84 1.9310 77. god. n) Vi Tabela 33. u odnosu na 2001. . za 31. . 66 0.1905 119. 40 108. za 2. Ii (%) 2000 V1 / I1 100.. 0222 131.54 1. u 2007. god. u 2001. 42 :119. 2. za 14.57 I5 100. u odnosu na 2007.1440 136.1086 87. god. 08285 82. u odnosu na 2004.15% manja. . za 6. u odnosu na 2003. god. bila je za 19. u odnosu na 2002. god. Preračunati verižni indeksi na bazne indekse sa bazom u 2004. u 2006. u 2002. Preračunati verižni indeksi na bazne indekse sa bazom u 2000. 66 2005 V6 82. (i 1.54% veća.8285 138.13 2007 V8 102. 40 I3 I 2 V3 119.66% veća.86 I4 I 5 V5 (100 :112.1086 145. 42 2002 V3 114. za 17. god.40% veća.86 I1 V2 100 1. 66 119.. u 2003. god. c) Za godine koje prethode verižni indeksi se na bazne indekse preračunavaju na osnovu relacije: Ii 1 Ii 100.07% veća.9% manja. god. 00 45 .. god. 22 I8 I 7 V8 77.99 2001 V2 119.05% veća. god. 0839 147.Potrošnja brašna u 2001.90% veća. god.39 110.39% veća.. (i 1.19 1. 71:114.90 2005 V6 82.85 0. u odnosu na 2006.86% veća. u 2006.62% veća. god. 07 0.84 2008 V9 I9 I8 V9 78. 05 136. u odnosu na 2000.39 1. god.39 I4 I 3 V4 2004 V5 112. god. god.90) 100 88. god. 40) 100 71.85 I6 I 5 V6 100 0.22% veća. u 2008. za 12. 05) 100 59. god. Godine Varežni indeksi (Vi) 2000 V1 / Preračunati verižni indeksi u bazne indekse sa bazom u 1995. god.19% veća.10 I7 I 6 V7 82.05% veća. 05 I2 I 3 V3 (81. .10 I7 I 6 V7 2007 V8 102. god. bila je za 19.13 1. n) Tabela 32. u 2005.1290 166. 05 1. 05 110.85 2006 V7 93. u 2002. god. za 28.19 2003 V4 108. za 66. god.57 :108.

43% manja. god.. 71 V3 I3 : I 2 (81.13) 100 102.85 V6 I 6 : I5 (82.85 2006 I7 77.86 1 Tabela 35. 09 2007 I8 78.54) 100 102.85 1 ZADATAK 70. god. 2. god.57) 100 112. 62 :136. god. 62 V4 I 4 : I3 (147.01% manja. 05 V2 I 2 : I1 (119.84 2006 I 7 128.85% manja.16% manja. u 2001. do 2008. 71: 71.19 :119. 40 V9 I9 : I8 (87. u 2000. 23 2008 I9 87. 00) 100 119. Proizvodnja dečijih čarapa u periodu od 2001.99 2001 I2 71. 00) 100 82.Potrošnja brašna u odnosu na 2004. bila je za 40. 42 : 59. god.39 2004 I5 100. . 66 :131. 05 2002 I 3 136. god. 07) 100 93.54 V7 I7 : I6 (128. Preračunati bazni indeksi sa bazom u 2004. 07 :166. u 2003.99) 100 119. 62) 100 112. god. (i 1. na verižne indekse Vi (%) 2000 I1 100. 05 2002 I3 81.84 : 77.13 : 82. 05) 100 114. 09 2007 I8 131.54 :138.13 V7 I7 : I6 (77. god. na verižne indekse Godine Bazni indeksi (Ii) Preračunati bazni indeksi sa bazom u 1995. na verižne indekse e) Godine Bazni indeksi (Ii) Preračunati bazni indeksi sa bazom u 2000.. za 28. 42) 100 114.39) 100 110.15% manja. 66) 100 82. god. za 12. na verižne indekse Vi (%) 2000 I1 59.39 V8 I8 : I 7 (131. 05 :100. za 21.85 :100.90 2005 I6 82. god.29% manja. 66 :147. . u 2007. u hiljadama pari iznosila je: Godine 2001 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (Yi) 580 520 610 750 738 780 765 810 46 .84) 100 110.85) 100 93. 71) 100 108. za 11. 00 : 88.. 66 V9 I9 : I8 (145.87% manja.6% manja.57 : 81.84 V8 I8 : I 7 (78. za 17. 41 2003 I4 88. god.57 V4 I 4 : I3 (88. za 18. 00 2001 I 2 119. d) Indeksi sa bazom preračunavaju se na verižne indekse na osnovu formule: Vi Ii 100. god. god. i u 2008. 07 V6 I 6 : I5 (138.19 V3 I3 : I 2 (136. u 2005.50 2004 I5 166.19) 100 108. god. 66 V5 I5 : I 4 (166.89 2005 I 6 138.39 2003 I4 147. u 2006. 22 2008 I9 145. u 2002. god. 42 V2 I 2 : I1 (71. 00 V5 I5 : I 4 (100. Preračunati bazni indeksi sa bazom u 2000.39 :128. 40 : 78. za 22. n) Ii 1 Tabela 34.

U jednom regionu potrošnja mleka po godinama u 103 litara iznosila je: Godine Potrošnja (Yi) 2001 2600 2002 2850 2003 3010 2004 2900 2005 3200 2006 3360 2007 4100 a) Izračunati verižne indekse b) Dobijene verižne indekse preračunati na indekse sa bazom u 2005. 69%. 62%.83%. i 2002.V4 122.: I1 100%. god. Proizvodnja jedne vrste vina u hektolitrima iznosila je u periodu od 2000. 102.38%.58%. 22%. 175. 103. god.85%. 79%. 65%. god.31%. I 2 I 6 136. I8 171. 4 91. 48%. 40%. god.38%. I 7 131. god. V2 V6 b) 89. 97. 65%. I 4 101. 65%. I 5 167. I 2 103. I 8 109. I 3 105.16%. i 2005. 47% Za 2002. I 3 118. 23% ZADATAK 72.88% Za 2001. I 4 91.a) Izračunati verižne (lančane) indekse b) Dobijene verižne indekse preračunati na indekse sa bazom u 2001. god.39%.: I1 84. 48%. I 9 165. I 8 144. god. V8 102. V8 105.: I1 78. I 5 100%. god. god. I 4 I6 161.33%. V3 117.: I1 100%.53%. I 8 129. I 3 100%. do 2008. I 5 127. I 3 I6 105. 141. V9 5 152. god. I 7 87. I 4 134.38% Za 2000. 24%. 65%. 98. 69%. I 2 I6 89. V5 105. 20%. I 2 70. V7 3 114. I 7 82. 139. 2 103. 63% Za 2005. 07%. 06%. 43%. Rešenje: a) 1 V6 b) nema. I 5 139. I 9 148. 45%. I 7 108. god. 103.17%.88%.30%. 06%. 47 2008 4600 . Rešenje: a) V1 / . 74% ZADATAK 71.95%. 79%.31%.36%. V7 98. 07%.36%. 65%. Godine Proizvodnja (Yi) 2000 490 2001 505 2002 580 2003 530 2004 810 2005 790 2006 820 2007 840 2008 860 a) Izračunati verižne indekse b) Dobijene verižne indekse preračunati na indekse sa bazom u 2000.

34%..2. 00%.2. I 8 143. god. god. god.) b) Grupne indekse prodaje za 2006. (baza je 2007. 61%. V8 112. I 5 100%. i 2008. 128.57% q0 7000 Ovas: I q Raž: q1 5200 100 100 0. 77% q0 12600 48 .8125 ili 81. i 2008. u odnosu na 2007.34%. . god. . god. Indeksi količine ZADATAK 73. 122. = 100).90%.. 28%. V7 b) I1 84. 1 2 109. god. god. 3 96. I 3 98. I 2 I 6 105%. 79%.12%.1.19% 93. 73% 3. god. 4 5 110. 7777 ili 77. 25% 6400 q0 q Ječam: q q1 9800 100 100 0. Prosečne cene i prodane količine žitarica bile su: Ovas količina (q) cena (p) 4800 (q ) 24 ( P ) Godine 2006 1 2007 7000 2008 10000 1 (q0 ) 28 ( q2 ) 26 Raž količina (q) cena (p) 5200 (q ) 18 ( P ) 1 ( P0 ) 6400 ( P2 ) 8000 1 (q0 ) 15 ( q2 ) 16 Ječam količina (q) cena (p) 9800 (q ) 8 (P ) 1 1 ( P0 ) 12600 (q0 ) 10 ( P2 ) 14200 ( q2 ) 9 ( P0 ) ( P2 ) Na osnovu ovih podataka izračunati: a) individualne indekse količina prodaje za 2006. metodom agregata Laspaerov i Pašeov indeks c) Grupni indeks prodaje za 2006. I 4 103. god. u odnosu na 2007. (baza 2007: god. GRUPNI (AGREGATNI) INDEKSI 3. n) q0 Za 2006. god. god. I 7 105. 2.Rešenje: a) . 61%. = 100) metodom prosečnih vrednosti Laspaerov i Pašeov indeks Rešenje: Individualni indeksi prodaje izračunavaju se na osnovu formule: Iq qi 100 (i 1. 02%. (baza 2007. u odnosu na 2007. V6 105. 06%. q1 4800 100 100 68. i 2008. god.

prodane količine ovsa. bile su veće za 42. 69% q0 12600 Prodane količine ovsa u 2008. u odnosu na 2007.86%. b) Grupni indeks po formuli: Iq qi P0 q0 P0 količine metodom agregata Laspaerov izračunava se 100 . god. god.75% i ječma manje za 22. god. . . prodane količine ovsa. raži i ječma bile su u proseku za 25. god. god. 2. god.86% 7000 q0 q q2 8000 100 100 1. 25% 310400 100 418000 U 2006. (i 1. 49 . u odnosu na 2007. bile su manje za 31. raži veće za 25% i ječma za 12.23% Za 2008. god.75% manje. god. 7425 100 Iq 74. raži i ječma bile su u proseku za 25. n) Za 2006. 4286 ili 142. 7479 100 384000 Iq 74. god. Grupni indeks količine metodom agregata Pašeov izračunava se po formuli: Iq qi P1 q0 P1 100 Iq 4800 24 5200 18 9800 8 115200 93600 78400 100 100 7000 24 6400 18 12600 8 168000 115200 100800 Iq 287200 100 0.1269 ili 112. Iq qi P0 q0 P0 100 Iq 4800 28 5200 15 9800 10 100 7000 28 6400 15 12600 10 Iq 134400 78600 98000 100 196000 96000 126000 Iq 0. u odnosu na 2007.. u odnosu na 2007. u odnosu na 2007. 25 ili 125% q0 6400 q Ječam: q q2 14200 100 100 1. raži manje za 18. Ovas: Raž: q2 10000 100 100 1.Prodane količine ovsa u 2006. u odnosu na 2007. god. god. u odnosu na 2007. 79% U 2006.21% manje.43%. god.. Za 2008. god.69% veće. god.

665% veće. u odnosu na 2007. 665% 280000 120000 142000 196000 96000 126000 U 2008. 25% 310387. 4 100 418000 Rezultat je isti kao i odgovor. 2 100 418000 Iq 0. god. 7425 100 Iq 74. 663% 260000 128000 127800 182000 102400 113400 U 2008. prodane količine ovsa. u odnosu na 2007. raži i ječma bile su u proseku za 29. god. 29663 100 397800 Iq 129. 29665 100 418000 Iq 129. raži i ječma bile su u proseku za 29. 50 .663% veće. god.8125 96000 0. 6857 196000 0. Iq Iq q1 P0 q0 q0 100 P0 q0 4800 5200 9800 7000 28 6400 15 12600 10 7000 6400 12600 100 28 7000 15 6400 10 12600 Iq 0. 7777 126000 100 196000 96000 126000 Iq 134397. prodane količine ovsa. u odnosu na 2007. c) Grupni indeks količine metodom prosečnih odnosa Laspaerov izračunava se po formuli: Za 2006. Pašeov Iq q2 P2 q0 P2 100 Iq 10000 26 8000 16 14200 9 100 7000 26 6400 16 12600 9 Iq 515800 100 1. god. god. 2 78000 97990. god.Laspaerov Iq q2 P0 q0 P0 100 Iq 10000 28 8000 15 14200 10 100 7000 28 6400 15 12600 10 Iq 542000 100 1.

Za 2008. Pašeov Iq Iq q2 P2 100 q0 P2 q2 q2 26 10000 16 8000 9 14200 100 7000 6400 12600 26 10000 16 8000 9 14200 10000 8000 14200 51 . 2857 17840 Iq 287200 100 167996. 666% Rezultat je isti kao i odgovor. 7479 100 383995. 4583 115200 1. 25 96000 1. Laspaerov Iq Iq q2 P0 q0 q0 100 P0 q0 10000 8000 14200 7000 28 6400 15 12600 10 7000 6400 12600 100 28 7000 15 6400 10 12600 Iq 1.11 Iq 74. god. 07 100798. 4286 196000 1.12698 126000 100 196000 96000 126000 Iq 280005. 48 100 418000 Iq 542005. god. u odnosu na 2007. 6 120000 141999. 23077 93600 1.Grupni indeks količine metodom prosečnih odnosa Pašeov izračunava se po formuli: Iq Iq q1 P1 100 q0 q1 P1 q1 4800 24 5200 18 9800 8 100 7000 6400 12600 4800 24 5200 18 9800 8 4800 5200 9800 Iq 115200 93600 78400 100 1. 29666 100 418000 Iq 129.16 115200. 79% Rezultat je isti kao i odgovor. 08 100 1.88 Iq 287200 100 0.

5 43. proizvela je riba u tonama po cenama: Tabela 38. god. 2007. godina Rešenje: a) b) Dečije cipele: I q 87.80% Ženske cipele: I q 123. baza 2003. 63% Rezultat je isti kao i odgovor. Proizvedene količine i cene obuće u jednoj fabrici obuće bile su: Tabela 37. = 100) b) Izračunati grupne indekse količine metodom agregata Laspaerov i Pašeov. 7 260000 0. 45% 111. god. ZADATAK 74.5 3400 4200 29. Proizvodnja i cene obuće Godine 2007 2008 Dečije cipele Ženske cipele Muške cipele količina cena količina cena količina cena 4100 3600 28. 01% ZADATAK 75. 53% Laspaerov: I q Pešov: I q 109.6 a) Izračunati individualne indekse količine za 2008.. Proizvodnja i cene ribe Proizvodi Skuša Sardela Oslić Murine Količine Cene 2006 2007 2008 2006 2007 2008 950 1100 1500 119 138 145 630 760 700 85 95 105 520 800 1200 140 155 160 210 310 450 240 280 310 52 . god. 07% Muške cipele: I q 123.8 128000 0.8873 127800 Iq 515800 100 182000 102400 113400 Iq 515800 100 397800 Iq 1.6 2600 3200 31. god.5 31. Jedna ribarnica u 2006.5 38.Iq 260000 128000 127800 100 0. i 2008. 2963 100 Iq 129. baza (2007.

I q b) 65% 67. god. 66% . god. 36% 136.97% . 46% za 2006. I q za 2008. Tabela 39. I q 131. za 2008. 24% . I q za 2008. 53 106.89% 92. i 2008.36% Sardela: za 2006. god. Rešenje: a) Za mleko: I q Iq b) 146. god. god. god. god. godina. i 2008. god. Jedno trgovinsko preduzeće imalo je promet mlečnih proizvoda u 2007. baza 2007. za 2008. god.16% Laspaerov: za 2006. I q za 2008. b) Izračunati grupne indekse količine metodom agregata Laspaerov i Pašeov.a) Izračunati individualne indekse količine za 2006. godina. I q 75. god. god. baza 2007 god.. kefir: . I q 150% Murine: za 2006. Rešenje: a) Skuša: za 2006. 06% . god. god. god. god. god. I q 134. pavlaka: I q 147. godina. Pašeov: I q 131. 74% 129.33% Pašeov: ZADATAK 76. god. god.95% Laspaerov: I q 130. baza 2007. I q 86.88% . baza 2007. Promet mlečnih proizvoda Proizvodi 2007 2008 Količina Cena Količina Cena Mleko 820 50 1200 55 Pavlaka 340 110 500 150 Jogurt 750 52 800 58 Kefir 610 80 750 83 a) Izračunati individualne indekse količine za 2008. I q 75. god. I q Oslić: 82. i 2008. jogurt: I q 122. I q za 2008.34% .32% . b) Izračunati grupne indekse količine metodom prosečnih odnosa Laspaerov i Pašeov za 2006.11% za 2006.

n) Za januar u odnosu na februar: I p Svinjsko meso: Teleće meso: p 450 100 1.55% 580 Cene u januaru u odnosu na februar kod svinjskog mesa su bile veće za 4.36% niže i kod jagnjećeg mesa niže za 5. 64% 560 Cene svinjskog mesa u martu u odnosu na februar za 4.. Pašeov i Laspaerov indeks (baza februar) c) Grupni indeks cena metodom prosečnih odnosa.3.36% 54 . Indeks cena ZADATAK 77.9464 ili 94.9655 ili 96. 07% 510 p Jagnjeće meso: P1 100 P0 p 560 100 0.34% 430 480 100 0. Laspaerov i Pašeov indeks (baza februar) Rešenje: a) Individualni indeksi cena izračunavaju se na osnovu izraza: Ip Pi 100 P0 i (1.2. 65% 430 490 100 0.9534 ili 95. kod telećeg mesa za 5. U jednoj fabrici za preradu mesa proizvedeno je mesa u kg.65%..66% niže. . Za mart u odnosu na februar: Svinjsko meso: Teleće meso: Jagnjeće meso: p P2 100 P0 410 100 0.9607 ili 96.11% 510 p p 530 100 0. 0465 ili 104.9411 ili 94. kod telećeg mesa za 3.45% manje.93% i kod jagnjećeg mesa za 3.2. . Proizvodnja i cene mesa Svinjsko meso Količina Cena Mesec Teleće meso Količina Cena Jagnjeće meso Količina Cena 2000 ( q1 ) 450 ( P1 ) 2500 ( q1 ) 490 ( P1 ) 1200 ( q1 ) 580 ( P1 ) Februar 1800 ( q0 ) 430 ( P0 ) 2800 ( q0 ) 510 ( P0 ) 1600 ( q0 ) 560 ( P0 ) 1900 ( q2 ) 410 ( P2 ) 2600 ( q2 ) 480 ( P2 ) 1100 ( q2 ) 530 ( P2 ) Januar Mart a) Izračunati individualne indekse cena (baza februar) b) Grupni indeks cena metodom agregata. po cenama: Tabela 40. 2.

telećeg i jagnjećeg mesa u martu u odnosu na februar smanjene su za 5. 2.Pašeov indeks cena - Ip qi pi qi p0 100 i (1. .38% Za mart u odnosu na februar: Ip p2 q0 p0 q0 100 Ip 410 1800 480 2800 530 1600 100 430 1800 510 2800 560 1600 Ip 738000 1344000 848000 2930000 100 100 774000 1428000 896000 3098000 Ip 0. .b) Grupni indeks cena metodom agregata Laspaerov: Ip P1 q0 P0 q0 100 i 1.43% . 0038 100 Ip 100. n) Za januar u odnosu na februar: Ip Ip q1 p1 q1 p0 100 450 2000 490 2500 580 1200 100 2000 430 2500 510 1200 560 55 ...38% 3110000 100 3098000 Cene svinjskog.57% Cene svinjskog.. 2.. . . n Za januar u odnosu na februar: Ip P1 q0 P0 q0 100 Ip 450 1800 490 2800 580 1600 100 430 1800 510 2800 560 1600 Ip 810000 1372000 928000 100 774000 1428000 896000 Ip 1.9457 100 Ip 94. telećeg i jagnjećeg mesa u januaru u odnosu na februar su porasle za 0.

2.59% 2610000 <100 2759000 Cene svinjskog. 0038<100 Ip 100.. . n) 0 Za januar u odnosu na februar: P1 ¦ P < p <q ¦ p <q 0 Ip 0 Ip 0 0 <100 0 450 490 580 <430<1800  <510<2800  <560<1600 430 510 560 <100 430<1800  510<2800  560<1600 Ip 1.9459<100 Ip 94. . 0465116<774000  0. 0357143<896000 <100 774000  1428000  896000 Ip 810000  1372000  928000 774000  1428000  896000 Ip 1.41% c) Grupni indeks cena metodom srednjih vrednosti: Laspaerov – Pi ¦ P < p <q ¦ p <q 0 Ip 0 <100 0 0 i (1. 49% 2821000 <100 2807000 Cene svinjskog. telećeg i jagnjećeg mesa u januaru u odnosu na februar porasle su za 0. telećeg i jagnjećeg mesa u martu u odnosu na januar su opale za 5.9607843<1428000  1.Ip 900000  1225000  696000 <100 860000  1275000  672000 Ip 1.49% Za mart u odnosu na februar: Ip ¦q <p ¦q <p 2 2 2 0 <100 Ip 1900<410  2600<480  1100<530 <100 1900<430  2600<510  1100<560 Ip 779000  1248000  583000 <100 817000  1326000  616000 Ip 0.. 0049<100 Ip 100.38% 3110000 <100 3098000 56 .

9655172<696000 Ip 900000  1225000  696000 <100 860000  1275000  672000 Ip 2821000 <100 2807000 Ip 1. 2.9457<100 Ip 94.38% Za mart u odnosu na februar: P2 ¦ P < p <q ¦ p <q 0 Ip 0 Ip 0 0 <100 0 410 480 530 <430<1800  <510<2800  <560<1600 430 510 560 <100 430<1800  510<2800  560<1600 Ip 0.9411765<510< 2800  0.. n) 0 i i i Ip ¦ P <q <100 P ¦ P < P <q 1 1 0 1 1 1 Ip 2000<450  2500<490  1200<580 <100 430 510 560 <2000<450  <2500<490  <1200<580 450 490 580 Ip 900000  1225000  696000 <100 0.. telećeg i jagnjećeg mesa u januaru u odnosu na februar u proseku su bile veće za 0.Pašeov indeks cena Za januar u odnosu na februar: Ip ¦ P <q <100 P ¦ P < P <q i i i (1.9534884<774000  0. telećeg i jagnjećeg mesa u martu u odnosu na februar u proseku su bile niže za 5. 0049<100 Ip 100. 0408163<1225000  0.9464286<560<1600 <100 430<1800  510<2800  560<1600 Ip 738000  1344000  848000 774000  1428000  896000 Ip 0.57% 2930000 <100 3098000 Cene svinjskog.Cene svinjskog.9555556<900000  1..43% . 49% 57 ..

baza prvi dan. 52% kivi: Ip 104. ZADATAK 78.Cene svinjskog. cena metodom agregata. b) Izračunati grupne indekse.9459<100 Ip 94. 0566038<583000 Ip 779000  1248000  583000 <100 817000  1326000  616000 Ip 2610000 <100 2759000 Ip 0. Rešenje: a) Drugi dan u odnosu na prvi dan: I p banane: I p 90.16% ananas: I p 114. 28% P1 <100 P0 58 . telećeg i jagnjećeg mesa u martu u odnosu na februar u proseku su niže za 5.49% Za mart u odnosu na februar Ip ¦ p <q p ¦ p < p <q 2 2 <100 0 2 2 2 Ip 1900<410  2600<480  1100<530 <100 430 510 560 <1900<410  <2600<480  <1100<530 410 480 530 Ip 779000  1248000  583000 <100 1.41%. telećeg i jagnjećeg mesa u januaru u odnosu na februar u proseku su porasle za 0. 59% Cene svinjskog mesa. 0625<1248000  1. Prodato južnog voća po cenama Južno voće Banane Kivi Ananas Prvi dan Količina Cena 200 95 150 120 50 210 Drugi dan Količina Cena 180 86 80 125 30 240 Treći dan Količina Cena 130 90 40 100 20 190 a) Izračunati individualne indekse cena. baza prvi dan. U jednoj trgovini u toku 3 dana prodato je južnog voća u kilogramima po cenama: Tabela 41. 0487805<779000  1. Laspaerov i Pašeov indeks.

48% Laspaerov indeks p1 q0 Drugi dan u odnosu na prvi dan: I p Ip p0 q0 100.33% ananas: I p b) P2 100 P0 90. 03% p2 q2 Treći dan u odnosu na prvi dan: I p Ip 100 p0 q2 100 107. 74% 83.94% p2 q0 Treći dan u odnosu na prvi dan: I p Ip 100 p0 q0 100 89. 44% ZADATAK 79. 24% Laspaerov: I p 93.Treći dan u odnosu na prvi dan: I p banane: I p kivi: I p 94. Pašeov: I p 94. 5% “don kafa” I p b) 95. Prodato kafe po cenama Vrsta kafe “grand” “c kafa” “don kafa” I kvartal Količina 20 15 35 Cena 42 40 45 II kvartal Količina Cena 43 40 21 39 40 42 a) Izračunati individualne indekse cena. U jednom marketu prodato je 3 vrste kafe: Tabela 42. 47% Pašeov indeks p1 q1 Drugi dan u odnosu na prvi dan: I p Ip p0 q1 99. baza I kvartil b) Grupni indeks cena.3% 94. 69% . baza I kvartil.89% 59 . Rešenje: a) “grand” kafa: I p “c kafa”: I p 97. metodom prosečnih odnosa Laspaerov i Pašeov.

39% 3. baza 2007. Na jednom poljoprivrednom dobru proizvedeno je povrće u kg. Fabrika za proizvodnju keksa proizvodi tri vrste keksa u kilogramima i uz prosečnu cenu: Tabela 44.3.. godina. 2. po cenama: Tabela 43.2.ZADATAK 80.83% . godina. Rešenje: a) krompir: I p kupus: I p 89. Proizvodnja keksa po cenama Vrsta keksa Sa čokoladom Sa kokosom Mlečni Proizvodnja u 1000kg 2007 2008 85 120 30 80 150 210 Izračunati indeks vrednosti.3. i 1. n 100 110 120 130 80 75 210 100 95 85 105 30 65 150 60 Prosečna cena 2007 2008 95 110 105 130 65 75 . baza 2007.Proizvodnja i cene povrća Vrsta povrća krompir kupus Crni luk 2007 Količina 1500 1000 800 Cena 28 8 15 2008 Količina 1800 1200 1100 Cena 25 10 18 a) Izračunati individualni indeks cena. 28% 125% crni luk: I p b) 120% Laspaerov: I p 99. b) Grupni indeks cena metodom agregata. Rešenje: Indeks vrednosti izračunava se na osnovu izraza: IW IW IW pi qi p0 q0 p1 q1 p0 q0 100 . Laspaerov i Pašeov. Pašeov: I p 100... Indeks vrednosti ZADATAK 81. god. baza 2007..

ZADATAK 82. 23% ZADATAK 83. 46% ZADATAK 84.3 10. u odnosu na 2006.32% Indeks vrednosti za 2008.5 31800 21. god. Cena 42300 28. god. Rešenje: IW 160.4 34. Proizvedene pločice po cenama Januar Količ. u odnosu na 2006.2 31.6 8. god.8760 100 IW 187. u odnosu na 2007.60% veća.6 39600 24. god.5 8. Cena 25400 26. Fabrika za proizvodnju papira proizvedeno je tri vrste papira po prosečnim cenama: Vrsta papira Foto papir Flis papir Pak papir April 104300 85200 15400 Količina Maj 120100 84100 16200 61 Juni 150200 75400 10600 Prosečne cene April Maj Juni 10.4 Vrsta pločica Podne Zidne a) Februar Količ. god. god.8 11 32. baza 2006. keksom i mlečni u 2008.60% 39350 100 20975 Vrednost proizvodnje keksa sa čokoladom. Fabrika za proizvodnju keramičkih pločica proizvela je pločica po prosečnim cenama: Tabela 46.3 Izračunati indeks vrednosti baza januar. IW 121. Proizvodnja štofa po cenama Vrsta štofa Od vune Od sintetike Od pamuka Proizvedeno u 1000 m 2006 2007 2008 10200 18400 17300 15600 12800 14100 9800 10400 13500 Prosečne cene 2006 2007 2008 82 79 91 54 63 58 101 94 100 Izračunati indeks vrednosti. U fabrici za proizvodnju štofa proizvedeno je štofa u 1000 m po prosečnim cenama: Tabela 45. bila je za 87. IW 140.IW 13200 10400 15750 100 8075 3150 9750 IW 1. godina Rešenje: Indeks vrednosti za 2007.5 .3 8.

za četvoročlanu porodicu. god. godini u odnosu na 2007. 3 kg.5 270 48 28 Cena u novembru (P1) 22 75 310 51 30 Količine u tipskom budžetu (q) 55 kg. 29% Indeks vrednosti za juni u odnosu na maj IW 95.19% Troškovi života u novembru u odnosu na oktobar 2008. za četvoročlanu porodicu su iznosili: Količina ( q ) po Cene 2007. U oktobru 2005.4. godinu. Rešenje: n I p = ∑P ⋅q i =1 n 1 ∑P ⋅q i =1 0 22 ⋅ 55 + 75 ⋅ 6 + 310 ⋅ 9 + 51 ⋅ 3 + 30 ⋅ 15 20.Izračunati indeks vrednosti. 47% 3.1119 p 1127.5 ⋅ 55 + 70.5 + 423 + 2430 + 144 + 420 4544. 6l 9 kg.5 70.5 ⋅ 6 + 270 ⋅ 9 + 48 ⋅ 3 + 28 ⋅ 15 1210 + 450 + 2790 + 153 + 450 5053 I = = = 1.2. g ( p0 ) Cene 2008. god. Prosečne cene za nekoliko artikala u 2007. god. 15 l Izračunati indeks troškova života u novembru u odnosu na oktobar 2008. bili su za 11. Rešenje: Indeks vrednosti za april u odnosu na maj IW 91. 63% 62 . godine. prosečne cene za nekoliko artikala ishrane za četvoročlanu porodicu iznosile su: Artikal Hleb Ulje Meso Šećer Mleko Prosečne cene oktob. g ( p1 ) Artikal tipskom budžetu Pasulj 145 kg 150 155 195 Sir 4 kg 180 Jaja 25 kom. Indeks troškova života ZADATAK 85. baza maj mesec. 5 6 Brašno 3 kg 35 40 Izračunati indeks troškova života u 2008. Rešenje: I p 103. god. godini i 2008. i novembru 2005.19% veći ZADATAK 86.5 I p = I p = 111. 2008 (P0) 20.

Indeks plata (zarada) ZADATAK 90. Rešenje: Ip 112. koliko četvoročlana porodica mora u septembru da ima novca za život? Rešenje: Ip 29500 1. U martu 2008.2. Ako troškovi za ishranu četvoročlane porodice u 2007.25 10 Ukupno 91 110 3700 4660 / / 63 X0 L0 . Prosečne cene za nekoliko artikala četvoročlane porodice u januaru 2008. 07% ZADATAK 89. god. i septembru 2008.ZADATAK 87. u dinarima iznosile su: Artikal Cene januar Cene septembar Mast Krompir Hleb Mleko 40 30 20 25 45 28 23 32 Količine po tipskom budžetu 5 kg 17 kg 60 kg 15 l Izračunati indeks troškova života u septembru u odnosu na januar 2008. 43% ZADATAK 88. U fabrici za proizvodnju bele tehnike plate u 103 dinara i broj zaposlenih bili su: Stručna sprema Broj radnika Ukupan iznos isplaćenih plata Prosečna mesečna zarada po kategorijama 2007( L0 ) 2008( L1 ) 2007( X 0 ) 2008( X 1 ) 2007 X 0 X0 L0 2008 X 0 Visoka 5 4 1900 2400 380 600 Viša 8 10 1000 1300 125 130 Kvalif. godini 29800 din. godini iznose 28000 dinara. 78 96 800 960 10.18 Ip 34810[dinara] 3. a u 2008. godine. izračunati indeks troškova života. Procena je da će indeks troškova života u septembru biti 118%.5. Rešenje: Ip 106. godine troškovi života za četvoročlanu porodicu su iznosili 29500 dinara. godine.

god. 6593 1.n j=1. X0 -za visoku stručnu spremu: I pl(1) -za višu stručnu spremu: I pl(2) -za kvalifikovanog radnika: I pl(3) 600 1. Na ovaj indeks uticale su ne samo promene u visini plate. 64 . godinu bio je veći za 4.3.19% Opšti prosek plata po zaposlenom u celoj fabrici u 2008.9756 ili 97. b) Grupni indeks nominalnih plata promenjenog sastava zaposlenih izračunava se na osnovu izraza: n I pl i 1 n i 1 I pl Xi Li n : i 1 n i 1 X0 L0 4660 3700 : 110 91 42. god.3636 : 40. god. kod radnika više stručne spreme bila je za 4% veća. Rešenje: a) Individualni indeksi nominalnih plata izračunavaju se na osnovu formule: I pl( j ) Xi (i=1...5789 ili 157.. god. u odnosu na 2007.3.Na osnovu podataka izračunati (baza 2007.89% 380 130 1.. iznosi 170%. 0419 ili 104. već i promene u kvalifikacionoj strukturi.) a) individualne indekse nominalnih plata za pojedine kategorije radnika b) grupni indeks nominalnih plata promenjenog sastava zaposlenih c) grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz baznog perioda d) grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz tekućeg perioda e) indeks uticaja promena u kvalifikacionom sastavu zaposlenih na promene opšteg proseka plata f) indeks dinamike zaposlenih g) indeks mase ukupno isplaćenih plata h) objasni koji su faktori i koliko uticali na promene mase ukupno isplaćenih plata i) koliko iznosi indeks nominalnih plata. 04 ili 104% 125 10 10..44% manja.. a koliko indeks realnih plata radnika sa visokom stručnom spremom. 25 0.2.56% Nominalna plata u 2008. godini u odnosu na 2007. u odnosu na 2007.n).19%.2.89% veća... god. i kod kvalifikovanog radnika bila je za 2. kod radnika visoke stručne spreme bila je za 57. ako indeks troškova života za 2008.

c) Grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz baznog perioda izračunava se na osnovu formule: n 0 I pl X i L0 i 1 n X 0 L0 i 1 0 I pl 600 5 130 8 10 78 380 5 125 8 10. god.94% 3700 Masa ukupno isplaćenih plata u 2008.5 Plate zaposlenih u 2008. 65 . 2087 ili 120. bile su u proseku veće za 24. 2594 ili 125.28% 3699.94%. 28 0.87%.3028 ili 130. 2413 ili 124. bila je veća za 25.28% veće.03%.97% Promene u kvalifikacionoj strukturi zaposlenih uticale su na smanjenje opšteg nivoa plata u 2008. u odnosu na 2007. d) Grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz tekućeg perioda izračunava se po obrascu: n ' 1 pl I i 1 n i 1 ' 1 pl I X i Li X 0 Li 600 4 130 10 10 96 380 4 125 10 10. u odnosu na 2007. za 20.13%. Na njih nisu uticale promene u kvalifikacionoj strukturi zaposlenih. 7997 ili 79.5 4820 1. g) Indeks mase ukupno isplaćenih plata izračunava se po formuli: n Ix i 1 n i 1 Xi X0 4660 1. u odnosu na 2007.13% 3754 Plate zaposlenih u 2008. već samo promene u visini plate. e) Indeks uticaja promena u kvalifikacionom sastavu zaposlenih na promene opšteg proseka plata. god. god. god. god. god. god. god. izračunava se na osnovu izraza: I sp I pl 0 I pl 104. Na njih nisu uticale promene u kvalifikacionoj strukturi zaposlenih. f) Indeks dinamike zaposlenih izračunava se na osnovu formule: n Ir i 1 n i 1 Li L0 110 1. god. u odnosu na 2007. veći je za 20. u odnosu na 2007. 25 78 3000 1040 780 1900 1000 799. su u proseku bile za 30. već samo promene u visini plata. god.19 130.87% 91 Broj zaposlenih u 2008. 25 96 2400 1300 960 1520 1250 984 4660 1.

U jednom preduzeću u 2003.93%. ali za taj novac može da kupi za 13. god. 62 170.93%. god. II promene u kvalifikacionoj strukturi radnika uticale su na smanjenje opšteg proseka plata za 20.3028 0. i 2004. godini broj zaposlenih i isplaćene ukupne mesečne plate u 103 din iznosili su: Stručna sprema Broj radnika 2007( L0 ) Ukupan iznos isplaćenih plata 2008( L1 ) 2007( X 0 ) 2008( X 1 ) Srednja 380 410 3900 4100 VK 250 280 3200 3800 NKV 140 120 2600 2100 Na osnovu podataka izračunati (baza 2007.17% manje roba i usluga.87% uticalo je tako da je ukupna suma isplaćenih plata za 20. god. ZADATAK 91. 7997 1.89% Indeks realne plate izračunava se na osnovu izraza: I pl Ip IR pl 147. Znači da se masa ukupno isplaćenih plata u 2008. Na ovo povećanje uticali su faktori: I prosečno povećanje visine plata po kategorijama radnika za 30. 66 . u odnosu na 2007. god.28% bila veća nego što bi bila da povećanja nije bilo. iznosi 120%.83% Radnik visoke stručne spreme je u 2008. u odnosu na 2007. 2087 1. god.03% a samim tim i na smanjenje ukupne sume isplaćenih plata za 20. relativno najveći uticaj na povećanje mase ukupno isplaćenih plata imalo je povećanje visine plata. 00 0.) a) individualne indekse nominalnih plata za pojedine kategorije radnika b) grupni indeks nominalnih plata promenjenog sastava zaposlenih c) grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz baznog perioda d) indeks uticaja promena u kvalifikacionom sastavu zaposlenih na promene opšteg proseka plata e) indeks dinamike zaposlenih f) indeks mase ukupno isplaćenih plata g) objasni koji su faktori i koliko uticali na promenu mase ukupno isplaćenih plata h) koliko iznosi indeks nominalne plate radnika sa srednjom stručnom spremom.h) Indeks mase ukupno isplaćenih plata može se izračunati i na osnovu relacije: Ix 0 I pl I sp I 1. a koliko indeks realne.03%. i) Indeks nominalne plate radnika sa visokom stručnom spremom iznosi I pl(1) 157.89%. Prema tome.87% veća nego što bi bila da nije bilo povećanja broja zaposlenih. povećala za 25.28% uticalo je da je suma ukupno isplaćenih plata za 30. ako indeks troškova života za 2008.8683 ili 86. godini primio nominalno više novca za 57. 2593 ili 125. III povećanje broja zaposlenih za 20.

ako indeks troškova života u oktobru u odnosu na januar iznosi 165%. 01% I ' pl 106. 2997 ili 129.9801 ili 98. 43% .) a) individualne indekse plata za pojedine kategorije radnika b) grupni indeks nominalnih plata promenjenog sastava zaposlenih c) grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz baznog perioda d) indeks uticaja promena u strukturi zaposlenih na promene opšteg proseka plata e) indeks dinamike zaposlenog osoblja f) indeks mase ukupno isplaćenih plata i objasniti koji su faktori i koliko uticali na promenu mase ukupno isplaćenih plata g) koliko iznosi indeks nominalne plate radnika sa srednjom stručnom spremom. 41% f) Ix 132. 67% c) 0 d) I sp 99. 43% IR pl 81.32% I ' pl 116. I pl(2) b) I pl 98.93% IR pl 70. 67% ZADATAK 92. god. 41% c) 0 d) I sp 98. Rešenje: a) I pl(1) 1. a koliko indeks realne.19% f) Ix 103. I pl(3) 94. 45% g) I pl(2) 116. 72% e) Ir 107. 23% 99.93% . I pl(2) b) I pl 123.59% e) Ir 105. broj zaposlenih i ukupno isplaćene mesečne plate u 103 dinara iznosile su: Broj radnika Ukupan iznos isplaćenih plata Stručna sprema Januar ( L0 ) Oktobar ( L1 ) Januar ( X 0 ) Oktobar ( X 1 ) Viša Srednja Kvalifikovani 90 130 185 95 142 198 3820 3210 2400 5240 4100 3150 Na osnovu podataka izračunati (baza januar 2008.87% 67 122.9941 0. god. U fabrici za proizvodnju cementa u januaru i oktobru 2008. 09% g) Ix 0.9857 0. 01% .Rešenje: a) I pl(1) 97.01% h) I pl 97. I pl(3) 123.97%. 67% .

39% .23% g) I pl(2) I 197. I pl(3) 107.5523 ili 155. godine iznosili su: Broj radnika Ukupan iznos isplaćenih plata Kvalifikacija radnika Mart ( L0 ) April ( L1 ) VKV 105 110 8500 14300 KV 98 80 12300 19820 NKV 120 140 6200 7800 Mart ( X 0 ) April ( X 1 ) Na osnovu podataka izračunati (baza mart=100%) a) individualne indekse plata za pojedine kategorije radnika b) grupni indeks nominalnih plata promenjenog sastava zaposlenih c) grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz tekućeg perioda d) indeks uticaja promena u strukturi zaposlenih na promene opšteg proseka plata e) indeks dinamike zaposlenih f) indeks mase ukupno isplaćenih plata i objasniti koji su faktori i koliko uticali na promenu mase ukupno isplaćenih plata g) koliko iznosi indeks nominalne plate i indeks realne plate kvalifikovanog (KV) radnika. ako indeks troškova života u aprilu u odnosu na mart iznosi 190%. I pl(2) b) I pl 151.96% c) ' 1 pl d) I sp 94.ZADATAK 93. Rešenje: a) I pl(1) 160. Na jednom poljoprivrednom dobru broj zaposlenih i ukupno isplaćene mesečne plate u 103 dinara u martu i aprilu 2004. god. 0216 1. broj zaposlenih i ukupno isplaćen iznos mesečnih plata u 103 dinara iznosile su: Stručna sprema Broj radnika Maj ( L0 ) Ukupno isplaćene plate Decembar ( L1 ) Maj ( X 0 ) Decembar ( X 1 ) Visoka 90 118 15800 17200 Viša 100 103 9300 9800 VKV 230 250 5250 5860 68 .13% 197. 6013 0.16% f) Ix 1.83% 160.89% ZADATAK 94.89% e) Ir 102.39% IR pl 103.59% . U fabrici automobila u maju i decembru 2008.9489 1.

Na osnovu podataka izračunati (baza maj=100%)
a)

individualne indekse nominalnih plata za pojedine kategorije radnika

b)

grupni indeks nominalnih plata nepromenjenog sastava zaposlenih sa ponderima iz
baznog perioda

c)

grupni indeks nominalnih plata promenjenog sastava

d)

indeks uticaja promena u strukturi zaposlenih na promene opšteg proseka plata

e)

indeks dinamike zaposlenog osoblja

f)

indeks mase ukupno isplaćenih plata

g)

koliko iznosi indeks realne plate radnika sa višom stručnom spremom, ako indeks troškova života u decembru u odnosu na maj iznosi 153,5%.

Rešenje:
a)

I pl(1)

b)

0

c)

I pl

96,54%

d)

I sp

104,53%

e)

Ir

112,14%

f)

Ix

0,9235 1, 0453 1,1214 1, 0825 ili 108,25%

g)

IR pl

I pl

83, 05% ; I pl(2)

102,30% ; I pl(3)

102, 72%

92,35%

62,89%

3.2.6. Indeks produktivnosti rada
ZADATAK 95.
Utrošeni rad i iskop uglja u jednom rudniku tokom 2007. god. i 2008. god. bili su:
Proizvod (j)

Utrošeno radnih časova
u 103

Proizvodnja u 103 t
2007. ( Q0 ) 2008. ( Q1 )

2007. ( T0 )

2008. ( T1 )

Stalna cena (p)

Mrki ugalj
Kameni ugalj
Lignit

105
90
120

110
95
145

75
86
45

69
91
48

86
102
94

Ukupno

315

350

206

208

282

Na osnovu ovih podataka (baza 2007. god. =100%) izračunati:
a)

individualne indekse produktivnosti rada, ako je produktivnost rada izražena sa prosečnim vremenom za izradu jedinice proizvoda,

b)

individualne indekse produktivnosti rada, ako je produktivnost rada izražena preko
proizvedenih količina u jedinici vremena,
69

c)

grupni indeks produkivnosti rada promenljivog sastava proizvodnje, ako je produktivnost rada izražena sa prosečnom proizvodnjom za jedinicu vremena,

d)

grupni indeks produktivnosti rada promenljivog sastava proizvodnje, ako je produktivnost rada izražena sa prosečnim vremenom za izradu jedinice proizvoda,

e)

grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima
iz baznog perioda,

f)

grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima
iz tekućeg perioda,

g)

indeks uticaja stranih promena,

h)

indeks dinamike ukupno utrošenog rada,

i)

Grupni indeks fizičkog obima proizvodnje.

Rešenje:
a)

Individualni indeksi produktivnosti rada, ako je produktivnost rada izražena sa prosečnim vremenom za izradu jedinice proizvoda, izračunavaju se na osnovu formule:

IPt ( j )

Ti T0
:
Qi Q0

ti : t0 (i=1,2,...,n; j=1,2,...,m),

za mrki ugalj: IPt (1)

69 75
:
110 105

0, 6272
0, 7143

0,8781 ili 87,81%

Produktivnost rada u iskopu mrkog uglja u 2008. godini u odnosu na 2007. god. je porasla jer je za 12,19% utrošeno manje časova u iskopu mrkog uglja.
za kameni ugalj: IPt (2)

91 86
:
95 90

0,9579
1, 0025 ili 100,25%
0,9555

Produktivnost rada u iskopu kamenog uglja u 2008. godini u odnosu na 2007. god. je
opala za 0,25%.
za lignit: IPt (3)

48 45
:
145 120

0,3310
0,375

0,8827 ili 88,27%

Produktivnost rada u iskopu lignita u 2008. godini u odnosu na 2007. god. je porasla
jer je za 11,73% utrošeno manje časova u iskopu lignita.
b)

Individualni indeksi produktivnosti rada, ako je produktivnost rada izražena preko
proizvedenih količina u jedinici vremena, izračunavaju se na osnovu formule:

IPq( j )

Qi Q0
:
Ti T0

qi : q0 (i=1,2,...,n; j=1,2,...,m),

ili na osnovu izraza IPq( j )
za mrki ugalj: IPq(1)

1
; j=1,2,...,m
IPt ( j )

1
1,1388 ili 113,88%
0,8781

Produktivnost rada u iskopu mrkog uglja u 2008. godini u odnosu na 2007. god. je porasla za 13,88%.
70

1
1, 0025

za kameni ugalj: IPq(2)

0,9975 ili 99,75%

Produktivnost rada u iskopu kamenog uglja u 2008. godini u odnosu na 2007. god. je
opala za 0,25%.

1
1,1328 ili 113,28%
0,8827

za lignit: IPq(3)

Produktivnost rada u iskopu lignita u 2008. godini u odnosu na 2007. god. je porasla za
13,28%.
c)

Grupni indeks produkivnosti rada promenljivog sastava proizvodnje, ako je produktivnost rada izražena sa prosečnom proizvodnjom za jedinicu vremena, izračunava se na
osnovu izraza:
n

IP q

i 1

Qi p
n

i 1

Ti

n

:

i 1

Q0 p
n

i 1

T0

IP q

(110 86 95 102 145 94) (105 86 90 102 120 94)
:
208
206

IP q

(9460 9690 13630) (9030 9180 11280)
:
208
206

IP q
IP q

32780 29490
:
157,5961:143,1553
208
206
1,1008 ili 110,08%

Ukupna produktivnost rada u 2008. god. u odnosu na 2007. god. u iskopu mrkog, kamenog i lignit uglja porasla je u proseku za 10,08%. Na ove promene uticale su i promene u produktivnosti rada i promene u strukturi (sastavu) proizvodnje.
d)

Grupni indeks produktivnosti rada promenljivog sastava proizvodnje, ako je produktivnost rada izražena sa prosečnim vremenom za izradu jedinice proizvoda, izračunava
se na osnovu formule:
n

IP t

n

i 1

i 1

IP t

n

Ti

Qi p

:

n

i 1

i 1

T0

Q0 p

208
206
:
32780 29490

0, 00634 : 0, 00698

0,9083 ili 90,83%

ili na osnovu izraza:

IP t

1
IP q

1
1,1008

0,9083 ili 90,83%

Ukupna produktivnost rada u 2008. god. u odnosu na 2007. god. u iskopu mrkog,
kamenog i lignit uglja porasla je za 9,17% jer je utrošeno manje ukupnog vremena,
u proseku.
71

41%. 0 IPt ' Pravi grupni indeks produktivnosti rada izračunava se na osnovu izraza: 0 IPq' 1 ' 0 IPt 1 1.97% 223. 21 39. 0. odnosno da je bila kao u baznom periodu (2007. odnosno da je bila stalna kao u tekućem periodu (2008.86 86. Pravi grupni indeks produktivnosti rada izračunava se na osnovu izraza: 1 g) 1 ' IP 1 t IPq' 1 1. izračunava se na osnovu formule: n 1 IPt ' i 1 n i 1 1 ti Qi t0 Qi 69 91 48 110 95 145 110 95 145 75 86 45 110 95 145 105 90 120 69 91 48 78. 79 0.57 90.41%. 71 IPt ' Pod pretpostavkom da se struktura proizvodnje nije promenila.37 208 0.e) Grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz baznog perioda. utrošeni rad se povećao za 0.97% 206 U 2008. 0.10% 75 86 45 206 Pod pretpostavkom da se struktura proizvodnje nije promenila. god. god.) ukupna produktivnost rada je porasla jer se ukupan utrošak rada u proseku smanjio za 7. 07411 ili 107. 72 191. 72 .9310 ili 93.9297 Indeks uticaja strukturnih promena izračunava se na osnovu formule: IP q IPq' I sp 110.9297 ili 92. u odnosu na 2007. 0756 ili 107.9%. 0248 ili 102.) ukupna produktivnost rada je porasla jer se ukupan utrošak rada u proseku smanjio za 6.97%.03%.9310 Ukupna produktivnost rada u proseku je porasla za 7. 77 54.48% 107. god. f) Grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz tekućeg perioda. izračunava se na osnovu izraza: n 0 IPt ' i 1 n i 1 ti Q0 t0 Q0 69 91 48 105 90 120 110 95 145 75 86 45 105 90 120 105 90 120 65. god. 0097 ili 100.56%. h) Indeks dinamike ukupno utrošenog rada se izračunava na osnovu relacije: n Ir i 1 n i 1 Ti T0 208 1. 41 To znači da su promene u produktivnosti uticale na promenu produktivnosti rada. Na ovaj indeks nisu uticale promene u strukturi proizvodnje. 08 1.

0097 1. 2) promene u strukturi proizvodnje uticale su na promenu fizičkog obima proizvodnje. godini proizvedeno je čarapa u 103 pari.14% 29490 Na promenu ukupnog fizičkog obima proizvodnje uticali su sledeći faktori: 1) povećanje ukupne produktivnosti rada za 7. 3) povećanje broja zaposlenih za 0.( Ti ) Muške 320 450 180 195 Ženske 750 970 140 160 Dečije 980 1100 210 230 Ukupno: 2050 2520 530 585 a) izračunati individualne indekse produktivnosti rada u 2008.97% uticalo je da je fizički obim proizvodnje za 0.( Qi ) 2007. g) indeks uticaja strukturnih promena u proizvodnji čarapa na promene ukupne produktivnosti u celoj fabrici. godinu. ZADATAK 96.41% veći nego što bi bio da nije došlo do prosečnog povećanja produktivnosti rada u iskopu uglja kamenog. mrkog i lignita. e) grupni indeks fizičkog obima proizvodnje. uticalo je na fizički obim proizvodnje tako da je on za 7.14% ili na osnovu formule: n Iq i 1 n i 1 Iq Qi P Q0 P 110 86 95 102 145 94 105 86 90 102 120 94 9460 9690 13630 9030 9180 11280 32780 1.( Q0 ) 2008. f) grupni indeks dinamike ukupno utrošenog rada.i) Grupni indeks fizičkog obima proizvodnje se izračunava na osnovu izraza: Iq IPq' I sp I r 1. h) Objasniti koji su faktori i koliko uticali na promene fizičkog obima proizvodnje čarapa u celoj fabrici. 73 .1114 ili 111. a broj zaposlenih je bio: Proizvodnja Prosečan broj zaposlenih Vrsta čarapa (j) 2007. godini u odnosu na 2007.41%. U fabrici za proizvodnju čarapa u 2007. 0248 1.( T0 ) 2008. i 2008.97% veći nego što bi bio da nije bilo povećanja zaposlenosti. c) grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz baznog perioda. d) grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz tekućeg perioda. b) grupni indeks produkivnosti rada promenljivog sastava proizvodnje.1114 ili 111. 0741 1.

52% 0.43% 0.8816 IPt ' Ti Qi i 1 Qi n T0 Qi Q i 1 0 87.17% IPq' I sp I r 122. U fabrici za proizvodnju opeke u martu i septembru 2008.25 0.8732 n c) 0 n d) 1 n e) Iq i 1 n i 1 n f) I i 1 r n i 1 g) I sp h) Iq Qi Q0 Ti T0 IP q ' 0 IPq 0 122. 49% 111. IPq(3) 102.16% . 74 .1343 ili 113. 0 IPq' 1 ' IP t 0 1 1.28 Ukupno 122 170 353 402 / Na osnovu ovih podataka (baza mart=100%) izračunati: a) individualne indekse produktivnosti rada za pojedine vrste opeke.92% 110.81% .36% T0 IPt ' Ti Q0 i 1 Qi n T0 Q0 Q i 1 0 88. 1 IPq' 1 ' IP t 1 1 1.38% 98. godine proizvedeno je u 103 komada.17% .32% .91% ZADATAK 97. b) grupni indeks produkivnosti rada promenljivog sastava proizvodnje. IPq(2) n b) IP q i 1 n i 1 Qi Ti n : i 1 n Q0 i 1 113.1452 ili 114. pri čemu je kod proizvodnje utrošeno časova rada: Vrsta opeke (j) Proizvodnja Utrošeno časova Mart ( Q0 ) Septembar ( Qi ) Mart ( T0 ) Septembar ( Ti ) Stalna cena u dinarima (p) Puna Šuplja 55 67 78 92 158 195 192 210 0.Rešenje: a) IPq(1) 129.

c) grupni indeks produktivnosti rada promenjenog sastava proizvodnje ako je produktivnost rada izražena sa prosečnom proizvodnjom za jedinicu vremena. 28) (55 0.44% 0. 2235 ili 122.35% 122 353 c) IPq (78 0. 2244 0.92% f) Iq 0.9992 1.34% 122 d) Ir 402 1. 25 92 0. 28) : 1. 2235 :1.8167 c) Iq 170 1.1388 1.32% ZADATAK 98.9992 ili 99.1669 ili 116. 25 67 0.1388 ili 113. 2216 ili 122.69% 192 158 IPq(2) 92 67 : 1. 2244 1.54% 210 195 b) IP q 170 402 : 1. h) Objasniti koji su faktori i koliko uticali na promene fizičkog obima proizvodnje opeke u celoj fabrici.3934 ili 139. 3310 105 405 2008. 2754 ili 127.88% 353 e) I sp 1. 0 IPq' 1 1. e) grupni indeks dinamike ukupno utrošenog rada. 4805 151 430 ukupno 10865 / 1155 75 . d) grupni indeks fizičkog obima proizvodnje. 2750 98 320 2007. Rešenje: a) IPq(1) 78 55 : 1. U jednom trgovinskom preduzeću promet po godinama u 105 i prosečan broj zaposlenih bio je: Godine (x) Promet ( pQ ) Grupni indeks cena ( Ip ) Prosečni broj zaposlenih (T) 2006.16% 402 353 0 IPt 192 210 55 67 78 92 158 195 55 67 55 67 ' 0.8167 . 2244 ili 122. f) indeks uticaja strukturnih promena u proizvodnji opeke na promene ukupne produktivnosti u celoj fabrici.3932 ili 139.

8438 ZADATAK 99. d) Grupni indeks dinamike ukupno utrošenog rada. 2036. I q 1. Rešenje: a) Iw 3310 : 2750 1. b) 3310 2750 1. u odnosu na 2006.(Qo) 2008. I q Ir 430 : 320 1.3437 0. IPq (2) 122. I q ^ 1.1234.(To) 2008.(Q1) I II 2800 3200 2980 3540 Stalna cena(p) 5600 4200 Utrošeno časova u hiljadama 2007. u odnosu na 2006.51%. po pogonima b) Grupni indeks produktivnosti rada promenjenog sastava proizvodnje. d) Ir 1.1339. I r 98 4805 2750 : 151 1. IP ' q c) Iq 1.Na osnovu ovih podataka izračunati: a) Grupni indeks produktivnosti rada promenjenog sastava prometa za 2007. 2656.) a) Individualne indekse produktivnosti rada.2656 IP q : 105 1. i 2008. Rešenje: a) IPq (1) b) IP q ^ 73.1234 1. c) Grupni indeks fizičkog obima prometa. Proizvodnja i utrošeni rad u dva pogona jedne čeličane u 2007. god. b) Grupni indeks produktivnosti rada promenjenog sastava prometa za 2008. 98 405 320 1. 88. 01%. godinu.(T1) 2250 1650 3280 1490 Na osnovu ovih podataka izračunati (baza 2007. god. 60% 76 . 2656 0. god.1339 :1.1339. I r 1.3437. godini iznosili su: POGONI Proizvodnja u 103 t 2007.3437. godinu.8876 Iw 4805 : 2750 1. 7472.1234.

20 2.5225 2004 26 -1 -26 1 27.57 2. 21(0) 29. 21 yˆ2002 29.80 7..3.36 29.57 2..15 4.99 2.. n Parametri a i b izračunavaju se metodom najmanjih kvadrata: Yi b) n 2 2003 a bxi a yˆ 2002 Jednačina linearnog trenda u opštem obliku yˆ Yi .3291 i 1.84 n=7 207 0 67 28 / 112.94 8.36 1.b Yi Xi a 207 7 yˆ 29. Godišnji promet u jednom trgovinskom preduzeću u 108 dinara iznosio je: Godina: 2002 2003 2004 2005 2006 2007 2008 Promet ( Yi ): 20 30 26 32 24 36 39 a) Izračunati jednačinu linearnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju za 2012.0401 2008 39 3 117 9 36.8496 2005 32 0 0 0 29. Linearni trend ZADATAK 100.85 23.9049 2006 24 1 24 1 31. 21xi Xi 2 62 28 2.78 -7.57 .3.6436 30 -2 -60 4 25.57 2.57 2.57 2.78 60. TREND 3.3.94 yˆ 2003 29. b 27. 2.01 4.43 5. 21( 1) yˆ 2005 29.57 2. 21( 3) 22. Radna tabela za izračunavanje linearnog trenda Godine Promet Yi a) Xi Xi Yi Xi 2 yˆ yˆ Yi 20 -3 -60 9 22.57 77 .94 -2. 21( 2) 25.15 yˆ 2004 29..36 -1.5284 2007 36 2 72 4 33. godinu e) Prikazati na grafiku originalne podatke i izvršiti interpolaciju trenda Rešenje: Tabela 48.1.

04 Očekivani promet u 2012. 0558 4. godini biće 45.57 2.57 2.57 2.04 108 dinara.99 yˆ 2008 29. Ekstrapolacija trenda za 2012. 21(2) 33. 21(1) 31. e) Grafički prikaz originalnih podataka i trenda 02 20 03 20 04 20 05 20 06 20 07 20 08 20 ZADATAK 101. 78 yˆ 2007 29. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 78 .391 7 16. 20 Standardna greška: yi S yˆ S yˆ S yˆ yˆ 2 n 112.yˆ 2006 29.57 2. 21(3) 36. 006 108 dinara prometa. 006 Prosečno apsolutno odstupanje originalnih podataka od linije trenda iznosi 4. 21(7) yˆ 2012 45. U jednom institutu proizvedeno je semenskog kukuruza po godinama: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 61 65 102 110 95 105 120 a) Izračunati jednačinu linearnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju za 2014. iznosi: yˆ 2012 29. god.

802 174. b 8. yˆ 2007 111. b yˆ 28.95 x 0. U jednoj banci devizna štednja u 105 evra bila je po godinama: Godine (x): 2000 2001 2002 2003 2004 2005 2006 Štednja (yi): 31 33 32 30 27 26 2007 2008 25 24 a) Izračunati jednačinu linearnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju za 2014. 29. yˆ 2006 102. yˆ2005 94. yˆ2003 yˆ2005 27. 24. yˆ 2004 28. yˆ2008 c) S yˆ d) yˆ 2014 = 18. yˆ 2003 76. 767 ZADATAK 103. yˆ2001 31.39. 44 0. 24.34. 44 . 95 yˆ2000 32. yˆ2006 26. 93 yˆ b) 94 8.93. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 28 Rešenje: a) b) a 28. 49. 44. 07. yˆ 2004 85.92. yˆ2007 25.Rešenje: a) a 94 .37 ZADATAK 102.94 ⋅ 105 evra 29. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 79 . 79 c) S yˆ d) yˆ 2014 10.93.93 x yˆ2002 67.14.59. 64 1. yˆ 2008 120.54. yˆ2002 30. U jednom ugljenokopu iskopano je uglja u 105 tona po godinama: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Iskop uglja (yi): 60 81 75 87 103 87 94 a) Izračunati jednačinu linearnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju trenda za 2013.

07 x 5. 3.86 5. yˆ 2006 88.93.. 789 3. 42 ⋅ 105 tona yˆ2004 yˆ2008 78.1. 79.. Proizvodnja tapeta u 103 m 2 po godinama iznosila je: Godine (x): 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 106 112 120 125 131 135 a) Izračunati jednačinu paraboličnog trenda (kvadratnog).Rešenje: a) b) a 83. 2. e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda Rešenje: a) Jednačina paraboličnog (kvadratnog) trenda u opštem obliku glasi: yˆ cxi 2 (i 1. 07 yˆ2002 68. Parabolični trend ZADATAK 104. 72. 07 7.86. yˆ2003 73.3. b yˆ 83. b . d) Izvršiti ekstrapolaciju za 2014. yˆ2007 94. 65. c) Izračunati standardnu grešku trenda. c) S yˆ d) yˆ 2013 = 124.86 99. yˆ2005 83.. godinu.. n) a bxi Parametri a . b) Izračunati trend za svaku godinu. c izračunavaju se metodom najmanjih kvadrata iz sistema jednačina: n i 1 n i 1 n i 1 yi xi yi xi 2 yi na c n i 1 n b i 1 a xi 2 xi 2 n i 1 xi 2 c n i 1 xi 4 80 .

375c / (6) 105a 306.0609 30 117.0625 -168 0.5 0. 25 17. 25c 72 224c c 72 224 c 0.9284 252 110.25 5.5 17.25 123.3825 6 a 120.Tabela 49.5b 103.5 6.78 2.321) 6a 729 5.321 729 6a 6 a 17.5 2.48 6.1504 31.25 0. 5(0. 25 17.50c 729 103.75 128.25 112 -1.375 103.4649 294.91x 0.97 1.3 5.50b 2114.5 17.22 4.6835 xi 39. 6175 6a 723.0625 196.5c / 17.75 729 0 17.5 2114.5 5. Proizv 2003 2004 2 xi xi 106 -2.03 1.5 2.25 xi yi 6a 17. 5a 88.5 105a 530.5c 729 17.5 2006 125 2007 131 2008 n 6 y 4 2 y yˆ y yˆ 662.57 2.25 2005 120 -0.0625 -60 0.70 2.25 39.5 135 2.56 yˆ 120.56 5. Radna tabela za izračunavanje paraboličnog trenda God. 91 729 6a 17.25 0. 3825 a 723.7889 / 22. 25c 12757.5 103.5 843.5 2104.33 1.67 2. 5 12685.5 1.29 133.321x 2 81 2 yˆ xi y i i i i .50 88.43 1.0625 62.52 2.375c 17.0625 337.50a 88.5 b b 103.0625 -265 5.5 6.

56 5. Proizvodnja vina u 106 hektolitara po godinama iznosila je: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 140 161 149 172 193 180 175 a) Izračunati jednačinu paraboličnog (kvadratnog) trenda. S yˆ d) yˆ 2014 120.91( 0.5) 0. 25) 103.56 5. 25) 123. c) Izračunati standardnu grešku kod trenda. 6835 3.5) 0.91(7.56 5. 25) yˆ 2014 146.5) 0.321x 2 yˆ 2014 120. godinu. 25) 110.91(2.56 5.321(2.321(0.91(0.321(2. 43 yˆ 2007 120.321(0.94 103 m 2 .91( 2.b) yˆ2003 120. 70 yˆ 2008 120.91( 1.56 5. 25) 117.321(6.56 5. b) Izračunati trend za svaku godinu.91x 0. 78 yˆ2004 120.5) (0. 25) 128. d) Izvršiti ekstrapolaciju trenda za 2015.97 yˆ 2005 120.52 yˆ 2006 120.5) 0.91(1.56 5. 7805 6 Prosečno apsolutno odstupanje originalnih podataka od linije trenda iznosi 1.829 Očekivana proizvodnja u 2014.5) 0. e) Gra čki prikazati originalne podatke i izvršiti interpolaciju trenda.56 5.5) 0.321(56.829 e) 03 20 04 20 05 20 07 06 20 20 08 20 ZADATAK 105. godini biće 146.321)(6. 25) 133.33 Standardna greška paraboličnog trenda izračunava se po formuli: n S yˆ i 1 yi yˆ 2 n 22. 82 .

44 ⋅ 106 ZADATAK 106. 76. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda Rešenje: a 81.82 4. b b) yˆ2001 86. 25) yˆ 2012 = 4.823. 65 xi 2 a) a 173.823(56.815 yˆ 2015 = 75. U jednoj šećerani prerađeno je šećerne repe u 105 kilograma po godinama: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 6 8 11 15 120 24 30 a) Izračunati parabolični (kvadratni trend) b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju trenda za 2013.82.823x 2 a) 83. yˆ2005 173. 67(10) 1.8.5) 0. 74 6. yˆ 2007 180. yˆ2003 153. 79. yˆ 173. c b) yˆ2002 138. 42.12 x 0. Potrošnja električne energije u jednoj fabrici u 107 KWh iznosila je: Godine (x): 2001 2002 2003 Proizvodnja (yi): 85 90 81 2004 2005 88 2006 2007 2008 68 66 59 83 a) Izračunati jednačinu paraboličnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju trenda za 2012. yˆ 81. 69 .12.16. 65(100) 8.88.98. yˆ2008 57. yˆ2002 86. 3.63 ⋅ 107 KWh ZADATAK 107. 74 . 74. 603 81. 65. 74 6. yˆ2004 yˆ2006 79.82 4.12(7. yˆ2003 86. 67 xi 1. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 83 .55. yˆ2006 178.15. yˆ2004 165. c 0. 48.32 c) S yˆ d) yˆ 2012 4. yˆ2008 178.90 c) S yˆ d) yˆ 2015 173.Rešenje: 1. 67. b 6. yˆ2007 73.

321(64) 29. b 3. 78. 2.3.. n Vrednost log a i log b izračunavaju se na osnovu formula. yˆ2004 11.5 ⋅ 105 3. 07. 3. 78.Rešenje: a) a 15. Proizvodnja celuloza u jednoj fabrici po godinama u vagonima iznosila je: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 470 455 450 440 430 410 390 a) Izračunati jednačinu eksponencijalnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku kod trenda d) Izvrši ekstrapolaciju trenda 2013.3. 64. i 1.321x 2 8.57. 654 yˆ 2013 = 65.. yˆ 2005 15. yˆ2003 yˆ2006 19. Eksponencijalni trend ZADATAK 108. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda Rešenje: a) Jednačina eksponencijalnog trenda u opštem obliku glasi: yˆ a ⋅b xi U logaritamskom obliku glasi: log yˆ log a xi log b .14 0.321. yˆ2007 0. yˆ 15 3. c b) yˆ2002 6. 23. 75 x 0. metodom najmanjih kvadratnih: n log a i 1 n log b i 1 log yi n xi log yi n i 1 xi 2 84 . 75. yˆ2008 c) S yˆ d) yˆ 2013 15 3... 75(8) 0.

23 5. 01262 3 2. 61248 log yˆ 2008 2. 46406 7 log yˆ 2. Radna tabela za izračunavanje eksponencijalnog trenda b) God.63772 434.59986 397. 63772 0. 65034 447. 23 Yˆ2006 2.97 8.01629 2. 63772 434.79 8.21 -5. 6251 log yˆ 2007 2. 63772 0. 63772 0.21 67. 6696 Yˆ2004 2. 63772 0. 01262 X i 2. 63772 0. 61248 409. 01262 2 2.5209 n 3045 0 28 18. 01262 0 2.4041 2007 410 2 4 2.71 0.78 -3. 63772 0.2929 2006 430 1 1 2.59986 397.35331 28 / 0.77319 2. 65034 log yˆ 2005 2.77 33.59986 / yi 2 470 log yˆ xi log y yˆ xi 7 log y log yˆ xi i Eksponencijalni trend u logaritamskom obliku antilogaritmujemo: Yˆ2002 2. 21 421.59106 7.78 14.03 2. 63772 0. 01262 3 2.65321 2. 23 0971Xi log yˆ2002 2.65321 -2.63346 2.46406 -0. 63772 0.97 473.5554 log a xi log b log a 18.65801 -5. 71 Yˆ2008 2. 67558 log yˆ2003 2. 63772 log b i i 0 0. 78 460.8209 2005 440 0 0 2.35331 / 214.63346 2.67558 473. 01262 1 2.Tabela 50.0841 2008 390 3 9 2.61248 409. 01262 2 2. 67558 Yˆ2003 2. 6251 Yˆ2007 2.66296 460.22556 2.97 -7.21 27.31602 2. 01262 1 2. 03 Yˆ2005 2. 79 85 yi yˆ .61278 5.2884 2003 455 -2 4 2. 63772 log yˆ 2006 2.62510 421. 01262 Yˆ 434. 66296 log yˆ2004 2.67209 -8.64345 2.65034 447.97 63.1441 2004 450 -1 1 2.29 0. Proizv y 2002 2 yˆ -3 9 2.

god.53676 2. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 86 .53 vagona celuloze d) log yˆ 2013 yˆ 2013 yˆ 2013 2. e) Grafički prikaz: 02 20 03 20 04 20 05 20 06 20 07 20 08 20 ZADATAK 109. Proizvodnja povrća na jednoj plantaži u tonama po godinama iznosila je: Godine (x): 2001 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 40 50 62 80 99 120 151 190 a) Izračunati jednačinu eksponencijalnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izračunati ekstrapolaciju za 2013. 6507 5.16 vagona. 53 Prosečno apsolutno odstupanje originalnih podataka od linije trenda je 5.c) Standardna greška trenda: Yi Yˆ S yˆ 2 n 214.16 Vagona celuloze Očekivana proizvodnja celuloze u 2008. 63772 0.5554 7 S yˆ S yˆ 30.53676 344. 01262(8) 2. biće 344.

18 log yˆ2002 1. 60404 Yˆ2001 1. 70035 50.9631 X i yˆ = 87.94113 0. 02 log yˆ2008 2.89297 78.5 ˆ 2008 574. Potrošnja brašna u jednom gradu u tonama iznosila je: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 120 151 182 230 290 352 360 a) Izračunati jednačinu eksponencijalnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju za 2014.94113 log b 0. a 1.98923 Yˆ2005 1. 70035 Yˆ2002 1.18191 Yˆ2007 2.32 ⋅ 1. 79668 62. 2488.32 log yˆ 1. 79 yˆ 1. 03 [tona povrća] ZADATAK 110.89297 Yˆ2004 1. 60404 40. 27821 189. 27821 Yˆ2008 2.56 log yˆ2006 2.16 log yˆ2003 1. 08559 121. b 0. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 87 .9631.9631 1.32 ⋅ 1. 61 log yˆ2004 1. 78 log yˆ2007 2. 79668 Yˆ2003 1.Rešenje: a) log a 1. 248 87.16 log yˆ2005 1.126 [tona povrća] Yˆ2013 = 87.18191 152. 248 X i b) c) d) log yˆ2001 1.98923 97. 08559 Yˆ2006 2.94113.

215 X i b) log yˆ 2002 2. 43391 Yˆ2006 2.Rešenje: a) log a 2. 34931.34931 223.99 log yˆ2008 2.52 log yˆ2006 2. 51 log yˆ log b 0. Proizvodnja videorekordera u 103 komada iznosila je: Godine (x): 2002 2003 2004 2005 2006 2007 2008 Proizvodnja (yi): 99 102 109 112 121 125 131 a) Izračunati jednačinu eksponencijalnog trenda b) Izračunati trend za svaku godinu c) Izračunati standardnu grešku trenda d) Izvršiti ekstrapolaciju za 2015.59 log yˆ2003 2.18011 Yˆ2003 2. 09551 124.51 ⋅ 1.39 log yˆ 2004 2. 2159 Yˆ2014 719. 60311 Yˆ2008 2. 08460 b 0.96 c) S yˆ 19.18 tona brašna d) Yˆ2014 = 223. 0846 X i Yˆ = 223.51 ⋅ 1. 08460 b 1.34931 223. 09551 Yˆ2002 2.18011 151.34931 Yˆ2005 2.34931 0.58 log yˆ2007 2. 215 2.04 tona brašna ZADATAK 111.51851 329. a a 2. godinu e) Gra čki prikazati originalne podatke i izvršiti interpolaciju trenda 88 . 43391 271.51851 Yˆ2007 2. 26471 Yˆ2004 2.95 log yˆ2005 2. 26471 183. 60311 400.

05540. 02096. 60 b 0. 02096 1. 05540 0.04910 Yˆ2015 183. a log b 0.049 X i b) log yˆ2002 1. 60 log yˆ 2006 2.08 103 komada d) Yˆ2015 = 113.60 ⋅ 1.11828 Yˆ2007 2. 03444 108.11828 131. 07636 113. 09732 Yˆ2006 2.99252 Yˆ2002 1.15 log yˆ 2004 2.60 ⋅ 1. 25 log yˆ 2005 2.30 c) S yˆ 1.99252 98. 22 log yˆ 2007 2. 29 log yˆ 2003 2. log yˆ 2. 28 103 komada 89 . 03444 Yˆ2004 2. 01348 103. 05540 113. 09732 119. 02096 X i yˆ = 113. 01348 Yˆ2003 2. 049 2.Rešenje: a) log a 2. 07636 Yˆ2005 2.

m   i = 1.2.. h + 2..  Izračunavaju se sezonski indeksi na osnovu izraza:  Y Iij = ij   j = 1. Primeniće se metod odnosa prema  pokretnim sredinama.4 SEZONSKE VARIJACIJE      ZADATAK 112.....2. n   Yij   • Izračunavaju se sezonski kvartalni indeksi na osnovu formule:  n Ij = ∑I i =1 ij n −1   i = 1.    Rešenje:    a) Potrebno je izračunati sezonske indekse.. n − h     4h za paran broj podataka h=2d  Izvrši se centriranje proseka tako što se vrši sabiranje dva susedna pokretna  proseka i podeli sa dva.  3.  b) Izvršite desezoniranje podataka o proizvodnji putera.2.  Proizvodnja putera u tonama po godinama i po kvaralima iznosila je (paran broj)  kvartal  2005  2006  2007  2008  I  10  11  9  12  II  12  13  10  15  III  15  16  14  16  IV  18  19  17  19    a) Pokažite koliko i kako utiče sezona na obim proizvodnje putera... m     • Ako  zbir  indeksa  I j   nije  400%  ili  1200%  izvrši  se  korigovanje  na  osnovu  relacije:  m C= n   ∑ Ik j =1 90 ....... Postupak se sastoji u nekoliko koraka:  • Izračunaju se pokretni procesi (sredine) na osnovu izraza:  yj ⋅ h + yˆ j = • • h −1 ∑ k =− h +1 2y j + k + y j + k j = h + 1..

3 = y3.00  15.813  0.75 + 14 = 13..12 2 = itd.75  12.62  14.25  14..87  13.87  14.i na osnovu formule:  j = 1..5 2 13.75  14.87   18 I14 = = 1.274  0.75 4 4   y + y + y + y 12 + 15 + 18 + 11 = 2 3 4 5= = 14 4 4 y2.37  14.25 = = 14.274 14.3 + y3.369  0.  15 = 1.081  1.103  1.087  1.4 itd.      Tabela 3‐1: Izračunavanje pokretnih proseka (paran broj) i sezonskih indeksa  godine  (i)  2005  (1)  2006  (2)  2007  (3)  2008  (4)  kvartal  (j)  proizvodnja  robe ( Yij )  I  II  III  IV  I  II  III  IV  I  II  III  IV  I  II  III  IV  10  12  15  18  11  13  16  19  9  10  14  17  12  15  16  19  pokretni  centralni pokretni  proseci ( Yij )  proseci ( Yij' )  13.889  1.75  15.25  13.765  0.679  0.12 itd. m   I 'j = I j ⋅ C   gde je m broj kvartala (4) ili meseca (12).2.75  14.50  15.983  /  /    .50  14.25  14.00  14..25  /  /  Iij = Yij Yij' /  /  1.87 2   14 + 14.  y3 = y4 = y2.50  13.87  14.  I13 = 91 /  /  13.4 + y4.50    y1 + y2 + y3 + y4 10 + 12 + 15 + 18 = = 13.225  0.00  12.50  13.784  1.081 13.25  12.4 2 y3.12  14.87  13.50  13.

9957679 = 1.750 Y 15 Y13' = 13' = = 13.2.885 ⋅ 0.9957679 = 0.103  1.765  0.087  1.289  4.. To znači da je u prvim kvartalima usled uticaja sezone proizvodnja maslaca u  proseku bila za 25% manja nego što bi bila kada nema uticaja sezone itd.983  ‐  ‐  n n ∑ Iij   i =1 2.889  1.000 ili 400%  Proizvodnja  maslaca  u  prvim  kvartalima  bila  je  u  proseku  25%  ispod  normale. n   Ij   Y11 10 = = 13.283 Y11' = Y12' =         92 ..  Tabela 3‐2: Izračunavanje sezonskih indeksa  kvartal  (j)  I (1)  II (2)  III (3)  IV (4)  ukupno  godina (i) indeksi  Iij   2005  (1)  ‐  ‐  1.225  2008  (4)  0.753 ⋅ 0.2.813  0..679  0.  u  drugim kvartalima bila je u proseku za 11.085   I4' = 1...274  2006  (2)  0.753  0.Da bi se izdvojila čista sezonska komponenta izračunavanje se vrši na osnovu tabele 3‐1.784  1.885  1.5%  iznad  proseka  i  u  četvrtim  kvartalima  bila  je  za  28.017 I1' = 0.8% ispod normale..090 ⋅ 0.  mora  se  izvršiti  korigovanje  indeksa:  C= 4 = 0.017 > 4 .9957679 = 0..9957679 = 1.369  2007  (3)  0.085 Y12 12 = = 13. m   i = 1.60   ' I2 0.882   I3' = 1.82   I3 1.271  3.    b) Desezoniranje podataka vrši se na osnovu formule:  Y Yij' = ij'   j = 1.090  1.257  2.882 Y 18 Y14' = 14' = = 14.3%  iznad  proseka.868  ukupno Ij = ∑I i =1 ij n −1 0.02   I4 1.565  3.283   Ukupno: 4.017      Kako  je  zbor  indeksa  Iij = 4.750   I2' = 0.33   ' I1 0. u trećim kvartalima bila  je  u  proseku  za  8.289 ⋅ 0. Normalu u  ovom slučaju predstavljaju pokretni procesi.081  1..9957679   4.

  b) Izračunati desezonske podatke o prodaji kaputa    Rešenje:  a)   y + y + y 18 + 12 + 5 = 11.81  58.                93 .  Prodaja  kaputa  u  jednoj  robnoj  kući  po  godinama  i  kvartalima  iznosila  je  (neparan  broj):  godine  kvartali  2006  2007  2008  I  18  15  12  II  12  9  10  III  5  7  4  IV  9  18  11    a) Izračunati sezonske indekse.66 y1 = 1 2 3 = 3 3 y + y + y 12 + 5 + 9 = 8.02  54.03  21.82  14.77  godina (i)  2006  2007  14. u prvom kvartalu 2005.66  12.00  13. a da nije bilo uticaja sezone ona bi iznosila 13330 kilograma. godine proizvodnja maslaca iznosila je 10  tona.82  14.96    Podaci u tabeli 3‐3 pokazuju kakva bi bila proizvodnja maslaca kada ne bi bilo uticaja  sezone.33  13.74  15.23  17.66 y3 = 3 4 5 = 3 3 itd.37  63.Tabela 3‐3: Desezonirani podaci o proizvodnji maslaca  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  ukupno  2005  13.73  8.00  14.16  57.19  14.66   y2 = 2 3 4 = 3 3 y + y + y 5 + 9 + 15 = 9. Na primer.82  2008  9.60  13.36  24.    ZADATAK 113.

714.363  0.8528785 = 1.931  2007  (2)  1.674  0.900  1.459  2008  (3)  0.931  1.871  0. I4' = 1.302.  I12 = Tabela 3‐5: Izračunavanje sezonskih indeksa  kvartal  (j)  I (1)  II (2)  III (3)  IV (4)  Kako  je  zbor  C= godina (i) indeksi  Iij   2006  (1)  ‐  1.33  12.66  8.8528785 = 1.029  0.66  11.577  0.154  0.714   I = 1. I2' = 1.617  1.Tabela 3‐4: Izračunavanje pokretnih proseka (neparan broj) i sezonskih indeksa  godine  (i)  2006  (1)  2007  (2)  2008  (3)  kvartal  (j)  prodaja robe  ( Yij )  pokretna  sredina ( Yij )  I  II  III  IV  I  II  III  IV  I  II  III  IV  18  12  5  9  15  9  7  18  12  10  4  11  ‐  11.690 I1' = 1.459  0. I3' = 0.577 8.66   5 I13 = = 0.029  0.33  ‐  Iij = Yij Yij'   ‐  1.871  0.527 ⋅ 0.900  1.8528785   4.66 itd.690 > 4 .154  0.302 I3' = 0.480  ‐  12 = 1.33  13.019 ' 4 I1' = 0.66  9.965 I2' = 1.131 ⋅ 0.00  10.  mora  se  izvršiti  korigovanje  indeksa:  4 = 0.480  ‐  ukupno  n n ∑ Iij   Ij = ∑I i =1 ij   n −1 2.527  1.33  11.66  8.195 ⋅ 0.577  0.131  3.837 ⋅ 0.390  1.019     94 i =1 .363  0.837  2.965.617  1.054  1.690  indeksa  Iij = 4.029 11.263  1.195  ukupno 4.33  8.8528785 = 0.8528785 = 0.

y14 = 9.019 Y12' =   Tabela 3‐6: Desezonirani podaci o prodaji odela  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  2006  18. I '4 = 0.43   I1 0.91   I2 1.68   I2 1.79    ZADATAK 114.714 Y 12 Y31' = 31' = = 12.714 Y11' = Y12 12 = = 9.66   I4 1.13. I 3' = 2.22  7.561.714 Y 15 Y21' = 21' = = 15.  Potrošnja povrća u jednom gradu u tonama po godinama i kvartalima iznosila je:  godina  kvartal 2004 2005 2006 2007 2008 I  4  5  3  6  2  II  6  7  5  4  3  III  15  12  16  17  15  IV  7  4  6  5  4    a) Izračunati sezonske indekse  b) Izračunati desezoniranje podataka o potrošnji povrća  Rešenje:    a) I 1' = 0.66  2008  12.48   95 .65   I3 0.65  9. I 2' = 0.68  5.b)   Y11 18 = = 18.75.302 Y 18 Y24' = 24' = = 17.43  7.83  godina (i)  2007  15.302 Y 9 Y14' = 14' = = 8.91  9.15. y12 = 11.54   I1 0.019 Y 10 Y32' = 32' = = 7.965 Y 4 Y33' = 33' = = 5.965 Y 5 Y13' = 13' = = 18.302 Y 11 Y34' = 34' = = 10.965 Y 7 Y23' = 23' = = 9.80  17.019 Y 9 Y22' = 22' = = 6.538.22   ' I2 1.222. y13 = 6.80   I3 0.65   ' I1 0.738   b) y11 = 7.60  10.60   I3 0.00  8.83   I4 1.79   I4 1.54  6.

y22 = 44. y24 = 72.43.77 y51 = 3. Godinu.05   ' ' ' ' y21 = 58.56.01.  c) Prognozirati potrošnju sladoleda.221.  po  kvartalima.56   ' ' ' ' y31 = 116. y33 = 40. y53 = 6. y33 = 7. godini  96 .72.36. y32 = 9.378   ' ' ' ' b) y11 = 93.20.40. y23 = 5.20.46.112.42   ZADATAK 115.09.57. y13 = 45.  do  2008.29.24. I3' = 0. y34 = 8.y21 = 8. y42 = 7. y43 = 7. y23 = 36.  u  periodu  od  2004.289. y24 = 5.91. I2' = 1. y14 = 58. po kvartalima.33.96. y12 = 53.  b) Izvršiti  desezoniranje podataka za 2004. I4' = 1. y22 = 13.34   ZADATAK 116. y34 = 94. y44 = 6.  U  jednom  gradu  potrošnja  sladoleda.69.  godine bila je:  kvartal(j)  I II III IV ukupno 2004 186 220 241 190 837 2005 192 234 251 198 875 godine(i) 2006 2007 183  184 415  202 209  230 179  196 986  812 2008 207 241 233 197 878 ukupno  952 1312 1164 960 4388   Na osnovu ovih podataka:  a) Izračunati  sezonske  indekse  po  metodu  odnosa  prema  opštem  kvartalnom  proseku.10   y41 = 10.42 y31 = 5.  Prodaja  džempera  u  jednoj  prodavnici  u  komadima  po  godinama  i  kvartalia  iznosila  je:  godine  kvartal 2006 2007 2008 I  120  110  150  II  60  50  45  III  10  8  9  IV  80  100  130    a) Izračunati sezonske indekse  b) Izračunati desezoniranje podataka o potrošnji povrća    Rešenje:    a) I1' = 1.75. u 2009. y52 = 5. y32 = 40.65.34. y54 = 5.95.

Rešenje: 
 
a)     
4

xj =

 
 

∑ xi
j =1

;
 
n
952
1312
1165
960
x1 =
= 191,5; x2 =
= 262,4; x3 =
= 233; x4 =
= 192;
5
5
5
5
∑∑ xij 4388
i =1 j =1
xij =
=
= 219,4 [ ki log rama ] ;  
4n
4⋅5
x
Ij = j ;  
xij

191,5
262,4
= 0,8728; I2 =
= 1,1959;
219,4
219,4
 
 
233
192
I3 =
= 1,0619; I4 =
= 0,8751;
219,4
219,4
Odgovor:  Potrošnja  sladoleda  u  prvim  kvartalima  bila  je  u  proseku  za  12,72%  ispod 
normale,  u  drugim  kvartalima  bila  je  u  proseku  za  19,59%  iznad  normale,  u  trećim 
kvartalima bila je u proseku za6,19% iznad normale i u četvrtim intervalima bila je u 
proseku za 12,499% ispod normale. Normala u ovom slučaju prdstavlja opšti kvartalni 
prosek xij = 219,4 [ ki log rama ]   
I1 =

 
b)    
Y 'ij =

Yij
Ij

,  za 2004.godinu  desezoniranje podataka vrši se na sledeći način: 

186
220
'
= 213,10; y12
=
= 183,96;
0,8728
1,1959
 
 
241
190
'
'
y13
=
= 226,95; y14
=
= 217,11[ kg ]
1,0619
0,8751
Odgovor:  Desezonisani  podaci  u  2004.godini  pokazuju  kakva  bi  potršnja  sladoleda 
bila kada ne bi bilo uticaja sezone. 
 
c)    
Jednačina linearnog trenda 
 
'
y11
=

Godine
2004
2005 
2006 

Yi
837
875 
986 

Xi
‐2
‐1 

97

Xi2
4

XiYi
‐1674
‐875 

2007
2008 
Ukupno

 
y = a + bx ; a =

∑y
n

i

812
878 
4388

; b=

∑x y
∑x

1

0

i i
2
i

1

10

812
1756 
19

 

 

KVARTALI 

y 2009(I ) = 220,884 + 0,1187 ( −2 ) = 220,6466   I(‐2) 
y 2009(II ) = 220,884 + 0,1187 ( −1) = 220,7653

II(‐1) 

y 2009( III ) = 220,884 + 0,1187 ( 0 ) = 220,884  

III(0) 

y 2009(IV ) = 220,884 + 0,1187 (1 ) = 221,0027  

IV(1) 

4

∑y
j =1

2009

= 883,2986

 

 
Prognozirana potrošnja sladoleda po kvartalima, u 2009.godini izračunava se 
na osnovu izraza: 
'

y ij = Y ij ⋅ I ' j ;
'

y 2009,I = 220,6466 ⋅ 0,8728 = 192,58;
'

y 2009,II = 220,7653 ⋅ 1,1959 = 264,01;  
'

y 2009,III = 220,884 ⋅ 1,0619 = 234,55;
'

y 2009,IV = 220,0027 ⋅ 0,8751 = 192,52;
 
Odgovor:  Očekivana  potrošnja  sladoleda  pod  uticajem  sezone  u  prvom  kvartalu 
2009.godine bila bi 192,58 kilograma, u drugom kvartalu 264,01 kilograma, u trećem 
kvartalu 234,55 kilograma i u četvrtom 192,52 kilograma. 
4388
19
 
a=
= 877,6; b = = 1,9; ⇒ y = 877,6 + 1,9 xi ;  
5
10
 
 
Jednačina linearnog trenda potrošnje sladoleda, na godišnjem nivou glasi: 
y 2009 = 877,6 + 1,9 ( 3 ) = 877,6 + 5,7 = 883,3;
 
 
y 2009 = 883,3 + 1,9 xi
 
 
Ishodište:  
30.03.2006.god. 
 
jedinica za X:   jedna godina 
 
jedinica za Y:   kilogram sladoleda 
98

 
 
 

 

Jednačina  linearnog  trenda  potrošnje  sladoleda,  na  kvartalnom  nivou,  za 
2009.godinu  glasi: 
a
b
a b
yi = +
xi = + xi
4 4⋅4
4 16
883,3 1,9
yi =
+
xi
4
16
y i = 220,825 + 0,1187 xi

 

0,1187 ⎞

y i = ⎜ 220,825 +
⎟ ⋅ 0,1187 xi
2 ⎠

y i = 220,884 + 0,1187 xi
 
 
Ishodište:  
15.08.2009.god. 
 
jedinica za X:   jedan kvartil 
 
jedinica za Y:   kilogram sladoleda 
 
 
ZADATAK 117. 
Poseta turista, u stotinama, u jednom turističkom mestu na moru u periodu 2005 do 
2009.godine je: 
kvartal(j) 
I
II
III
IV
ukupno

2005
80 
110 
150 
65 
405

2006
98 
118 
162 
68 
446

godine(i)
2007 2008
105  112
125  131 
171  175 
75 
72 
473  493

2009
120
142 
181 
81 
524

ukupno 
515
626 
839 
361 
2341

Na osnovu ovih podataka: 
a) Izračunati  sezonske  indekse  po  metodu  odnosa  prema  opštem 
kvartalnom proseku. 
b) Izračunati  sezonske  indekse  po  korigovanom  metodu  odnosa  prema 
opštem kvartalnom proseku. 
c) Izračunati  sezonske  indekse  po  metodu  odnosa  prema  pokretim 
sredinama. 
d) Izvršiti  desezoniranje  podataka,  na  osnovu  indeksa  pod  c),  za 
2009.godinu. 
e) Prognozirati  posetu  turista  po  kvartalima,  u  2010.godini,  na  osnovu 
indeksa pod b). 
 
 
 
 
99

  4n 4⋅5 x I j = j .0721 ili 107.21%  iznad  normale.6168 ili 61.35%. j = 1.2..2.05 Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12.2. 117.4.2 I4 = = 0.2.01%  ispod  normale. x j =     ∑ xi .8799 ili 87. x2 = = 125.99%.3.05 ⎡⎣102 turista ⎤⎦ . C = 4 I' j = I j ⋅ C   Yj ∑ Ij I1 = j =1   Godine 2005 2006  2007  2008  2009  Ukupno Poseta  turista 405 446  473  493  524  2341 Xi  XiYi Xi2  ‐2 ‐1  0  1  2  0  ‐810 ‐446  0  493  1048  285 4 1  0  1  4  10   100 . x4 = = 72. i = 1.68%.5.4.2.05 72.4.5 I2 = = 1.. n   515 626 839 361 x1 = = 103. 117.   xij 103 = 0.8 I3 = = 1.05 125.3.05 ⎡⎣102 turista ⎤⎦    b)     x 4 I j = j .05     167.8. 5 5 5 5 ∑∑ xij 2341 i =1 j =1 xij = = = 117. 117. j = 4.3. n j = 1.35% iznad normale i u četvrtim intervalima bila je u  proseku za 38.  u  drugim  kvartalima  bila  je  u  proseku  za  7..32% ispod normale.21%. x3 = = 167.4335 ili 143.. j = 1. 117.Rešenje:    a)      n = 5. Normala u ovom slučaju predstavlja opšti kvartalni  prosek xij = 117.  u  trećim  kvartalima bila je u proseku za 43.

  y II = 121.god.2 28.5   yi = + xi   4 16           y i = 121.78 ( −2 ) = 117.77 = 167.55 + 1.55 + 1.2.55 Y 4 123.8866.8729 .5.2 + 28.  jedinica za X:   jedan kvartal (tromesečje)  jedinica za Y:   stotine turista  Pojedinačne kvartalne vrednosti trenda u 2007.33 4 ∑ I j = 3.y = a + bx .78 xi i = 1.78 = 119.god.55.55 + 1.     Ishodište:   30.godine  glasi:    yi = 486.99.55 − 1.33.78 ( −1) = 121. od 2005 do  2009.77.2 X4 = 13805. y III = 121.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista    Odgovor: jednačina linearnog trenda posete turista.78 = 123.   y IV = 121. I2 = = = 1. na kvartalnom nivou. od 2005 do    2009.2007.0478.99 Y 2 119.3.06.   ∑y 2431 = 486.2007. I4 = = = 0.5 = 0. 117.55 + 0 = 121.2. n 5 ∑ xi yi = 285 = 28.5x i = 1.55 + 1.2 + 28.78 (1) = 121.5x   Odgovor: jednačina linearnog trenda posete turista.godini su:  y I = 121.78 ( 0 ) = 121. Ishodište:   15. j =1 101 .55 + 1.8 72.08.4.5 b= ∑ xi 2 10 a= i =   y = 486.4.3. I1 =   I3 = X1 Y1 X3 Y3 = 103 X 2 125.2.55 + 1.godine  glasi:    a b a b yi = + xi = + xi 4 4⋅4 4 16 486.5854   121.

75 + 107.25 + 105. 103.75                   102 itd   .05% iznad normale i u četvrtim intervalima bila je za 41... m I j = ∑I i =1 ij . n j = 1.5 106.      Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12.Kako je  ∑ I j manja od četiri.75..2. 4 4 110 + 150 + 65 + 98 423 Y 12 = = = 105..46% ispod normale.78% iznad normale.   4 4 150 + 65 + 98 + 118 431 = = 107.4492.. Y 13 = 4 4 Y 11 =     Centralne pokretne sredine se izračunavaju na sledeći način:  ' 101..25.75. u trećim kvartalima bila  je za 38.5. I14 = = 0. i = 1..     c)       n Iij = Yij .6088.   Y 14 = 2   itd Specifični sezonski indeksi se izračunavaju na sledeći način:        I13 = 150 65 = 1.2.75.. nije potreban korektivni factor C.75 = 103.71%  ispod  normale. u drugim kvartalima bila je za 4. I' j = C ⋅ I j   n −1 Y ij Pokretne sredine se izračunavaju na sledeći način:      ' 80 + 110 + 150 + 65 405 = = 101.  Normala u ovom slučaju predstavljaju  kvartalne vrednosti trenda.75 = 106. Y 13 = 2 ' 105.

9041  1.0661 1.25  125.5  123.9180  1.125  117.9320  1.5923 2009(5)  1.7346  2.0661  1.25  126.75  111.75  107.9041 1.0484  0.25  11.25  120.8970  1.5  122.6088 2006(2)  0.75  109.0  129.75  119.3931  Iij 5 Tipični indeksi  I j = ∑ Iij i =1 5−1   0.4354 0.75  110.0  121.0902  ‐  ‐    Tabela 3‐8: Izračunavanje tipičnih sezonskih indeksa  Godina  Kvartal (j)/ specifični indeksi (Iij)  (i)  I (1) II(2) III(3) IV(4) 2005(1) ‐ ‐ 1.75  130.125  116.8970 1.375  114.0  ‐  Specifični   sezonski   indeksi  Y ij Iij = '   Y ij ‐  ‐  1.5  131.2784  5.4492  0.25  ‐  ‐    ‐  101.75  122.5962  0.0  117.25  115.5923  0.0606  1.0606 1.0902  ‐  ‐  Ukupno 3.4354  0.Tabela 3‐7: Izračunavanje specifičnih sezonskih indeksa  Godina  Kvartal   (i)   (j)  2005  (1)  2006  (2)  2007  (3)  2008  (4)  2009  (5)  I  II  III  IV  I  II  III  IV  I  II  III  IV  I  II  III  IV  I  II  III  IV  Pokretne   sredine  Y ij Poseta   turista   (Yij)  Centralne   pokretne  '  sredine  Y ij   80  110  150  65  98  118  162  68  105  125  171  72  112  131  175  75  120  142  181  81  ‐  ‐  103.0615  1.5958  0.0  122.625  128.25  128.4492 0.9277  1.9320  1.7111  4.5  106.0696  1.25  105.9180 1.25  112.4416  0.5  113.0615 1.4416 0.125  120.25  118.4084 0.4336  0.875  124.5962 2008(4)  0.5958 2007(3)  0.6088  0.5982    103 .

9927   4.  u  trećim  kvartalima  bila  je  za  44. ' I1 0.9927 Odgovor: Poseta turista u prvim kvartalima bila je u proseku za 7.9927     1.23% ispod normale. I4' = = 0.   d)      Za 2009.75%  ispod  normale.4   ∑ I j = ( 0.3375.7     y 2010 = 571.godinu desezoniranje podataka se vrši na sledeći način:  Y ij Yij' = '   Ij I1' = Y51 120 = = 128. 0.6025.9927 0.4336 0.9345.0696 = 0.9345 Y 142 Y52' = 52 = = 131.9277 1.0696 + 1.4398. I2' = = 1.5 ( 3 ) = 571.4336 + 0.0291 0.7865.4441.god.7 + 28. ' I4 0.6025   Odgovor:  Desenzonirani  podaci  u  2009.  pokazuju  kakva  bi  poseta  bila  turista  kada ne bi bilo uticaja sezone.41%  iznad  normale  i  u  četvrtim  intervalima  bila  je  za  39.godini. 0.5982 I3' = = 1.2010.4441 Y51' = Y54' = Y54 81 = = 134.  u  drugim  kvartalima  bila  je  u  proseku  za  7.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista  104 .06.75%  iznad  normale.5982) = 4.0775.godinu  glasi:    y 2010 = 486.  e)     Jednačina  linearnog  trenda  posete  turista.  na  godišnjem  nivou  za  2010. I3 1.5xi   Ishodište:   30.4109. ' I2 1.0291     Kako je  I j = 4.9277 + 1.9927 0.2 + 28.0291 > 4  radi se korektivni factor C    C= j =1 4 ∑Ij = 4 = 0.0775   Y53 181 ' Y53 = ' = = 125.

8156 + 1.925 +   ⎟ + 1.god.2532.8156 + 1.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina turista          y I = 143.7812 ( 0 ) = 143.I = 140.7812 xi 4 16 1.0775 = 153.8156 + 1.042.IV = 145.III = 143. ' y 2010.5 yi = + xi = 142.   y III = 143.7812 ( −1 ) = 142.5968 ⋅ 0. ' y 2010.  u  prvom  kvartalu  2010.  na  kvartalnom  nivou  za  2010.2.5968.8156 ⋅ 1.0344 ⋅ 1.722.godinu  glasi:    571.4.2532 ⋅ 0.7812 xi i = 1.8156 + 1.   ' y 2010.7 28.8156.7812 (1) = 145.2010.II = 142.9345 = 131.7 = y 2010 = 57.Jednačina  linearnog  trenda  posete  turista.0344.godini  izračunava  se  na  osnovu  izraza:  ' y ij = Y ij ⋅ I ' j .7812 xi 2 ⎠ ⎝ y i = 143.7 Prognozirana  poseta  turista  po  kvartalim  au  2010.   ' y 2010.  godine  bila  bi  13106  turista. 4 ∑y j =1 j = 571.   Odgovor:  Očekivana  poseta  turista  pod  uticajem  sezone.08. Ishodište:   15.7812 ⎞ ⎛   y i = ⎜ 142.7812 ( −2 ) = 140.  u  drugom  kvartalu  15304. y II = 143.   y IV = 143.4441 = 207.925 + 1.066.6025 = 87.684.3.8156 + 1.  u  trećem  kvartalu  20768  turista i u četvrtom kvartalu 8772 turista.                105 .

625).5737.50. 1.7017.5).  1. 65. 62.5238.6296 : 4 = 1.5.25. 77.  0.4328. 80.6274).  62.25.5.  ‐.375.    Rešenje:  a)    Pokretne sredine su  Y ij   (‐.III = 5. 80.5.5107   i =1 5 ∑ Ii .0).75).I = 2.4693. su:  (‐. 77. 83.  (61.5). 85.0365  106 . 80.75.  77.5.  0.  0. (0. 63.5161).7162: 4 = 1.  (71.75.  Proizvodnja zimske obuće u hiljadama para u jednoj fabrici.5079. 0.  1.5.  76.  78.5. 62.5.7162   I2 = 5.  57.25.‐)    Specifični sezonski indeksi   Iij .  ‐.‐)    ' Centralne pokretne sredine  Y ij .godini.  51. po kvartalima za2010.5.0.5.4848. su:  (‐.2902   I4 = 2.25.godinu.5609.  b) Prognozirati proizvodnju zimske obuće. 75.12.25. 62.6276   ∑ Ii .2903. 1.  (78.II = 5. 77. 82.5217).  (0. 80. (0.  1.5. ‐)    5 I1 = 2.5107: 4 = 0. 52.5.  1.5725   i =1 5 i =1 5 i =1   Ukupno: 4. 80.  c) Izvršiti desezoniranje podataka u 2007.  77. 80.  1.4074   ∑ Ii .2902: 4 = 0. ‐.  (0. po kvartalima i godinama  bila je:    Kvartal (j)  I  II  III  IV  Ukupno  2005 40 50 80 30 200 2006 50 90 70 40 250 Godine(i) 2007 50 100 120 40 310 2008 40 120 110 50 320 2009 40 120 130 40 330 Ukupno  220  480  510  200  1410      Na osnovu ovih podataka:  a) Izračunati sezonske indekse po metodu odnosa prema pokretnim sredinama. 60.IV = 2.6296   I3 = 5. ‐.4290   ∑ Ii .  61.8169.ZADATAK 118.75. (82.  1.

188%.9909 = 1.41599 ili 141.4.06. ∑ x2i = 10.5 a= Ishodište:   30.2.god.2.599%.                 1410 330 = 282.9909 = 0.  jedinica za X:   jedna godina  jedinica za Y:   hiljadu pari obuće  y i = 282 + 33 ( 3) = 282 + 99 y i = 381 + 33xi .28 + 2.6. I3' I4' = 0. i = 1. b = 33 5 10   y i = 282 + 33xi .5.  Kako je  I j = 4.3.5725 ⋅ 0.    godine (x) proizvodnja (yi) oznaka 2005 200 ‐2 2006 250 ‐1  2007 310 0     5 5 5 i =1 i =1 i =1 ∑Yi = 1410.06 xi 4 16 2.06 ⎞ ⎛     y i = ⎜ 95.25 + 2.39459 ili 139.2010.2007.9909 = 1.       Ishodište:   30.729%.4. I2' = 1.06 xi i = 1. ∑ xiYi = 330. i = 1.06 xi 2 ⎠ ⎝ y i = 95.56729 b)       ili 56.3.459%.4074 ⋅ 0.0365 > 4  radi se korektivni factor C    C=   4 ∑Ij = 4 = 0.2.06.6275 ⋅ 0.4.god.0365 I1' = 0.3. 107   2008 320 1 2009 330 2 .4290 ⋅ 0.62188 ili 62.25 + ⎟ + 2.9909   4. = 1.9909 = 0.    jedinica za X:   jedna godina    jedinica za Y:   hiljadu pari obuće    Po kvatalima:    381 33 yi = + xi = 95.

41599 = 133.40.   [hiljadu pari zimske obuće]  c)     Desezoniranje podataka u 2007.06 (1 ) = 98.39459 = 134.62188 1.  Prodaja muške letnje konfekcije.62188 = 57.08. za 2004.   ' y 2010.787.I = 92.godinu. Y 34 = = 70.06 ( 0 ) = 96.56729 Y 31 =     ZADATAK 119.41599   120 40 Y 33 = = 86.16 ⋅ 0.34 ⋅ 0.IV = 96. Y 32 = = 70. ' y 2010. 0.        Ishodište:   15.05.  108 .godini  Yij' = Yij Ii'   50 100 = 80. u stotinama komada.28 ⋅ 1.     ' y 2010.III = 96.28 + 2.II = 94.22 ⋅ 1. ' Prognozirana proizvodnja po kvartalima:  Y i = Y i ⋅ Ii'   ' y 2010.IV = 98.22. po kvartalima i po godini bila  je:  Kvaril (j)  I  II  III  IV  Ukupno  2004  152  210  184  75  621  2005 176 220 190 78 664 Godine(i) 2006 2007 185 190 231 235 205 210 80 91 701 726 2008 198 242 215 110 765 2009 196 240 211 109 756 Ukupno  1097  1378  1215  543  4233    Na osnovu ovih podataka izračunati:  a) Izračunati  sezonske  indekse  po  korigovanom  metodu  odnosa  prema  opštem kvartalnom proseku.56729 = 55.271.414.34. ' y 2010.51.06 ( −2 ) = 92.2010.II = 96. 1.III = 96.312.I = 96.28 + 2.   ' y 2010. ' y 2010.06 ( −1) = 94.39459 0.28.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   hiljadu pari obuće  ' y 2010.god.28 + 2.16.62.28 + 2.

65xi   i = 1.   ∑ y = n ⋅ a + b∑ x ∑ x y = a ∑ x + b∑ x i i i       i i 2 i 4233 = 6a + 15b a = 633.b) Izvršiti desezoniranje podataka u 2004.5.2004.65 yi = + xi = 158.3.god.    jedinica za X:   jedna godina    jedinica za Y:   stotine komada letnje konfekcije    Trend po kvatalima:    633.2004.god.79 ⎞ ⎛   y i = ⎜ 158.87 11084 = 15a55b b = 28.79 xi 2 ⎠ ⎝       y i = 159.65 y i = 633.godini  c) Prognozirati prodaju muške letnje konfekcije po kvartalima u 2010.6.godini    Rešenje:  a)        Godine  2004  2005  2006  2007  2008  2009  Ukupno  Yi 621  664  701  726  765  756  4233  Xi2 0  1  4  9  16  25  55  Xi 0  1  2  3  4  5  15    y i = a + bxi .79 xi 4 16 1.06.46 +   ⎟ + 1.2.355 + 1.08.(treći kvartal)  jedinica za X:   jedan kvartil (tromesečje)  jedinica za Y:   stotina komada  109 XiYi  0  664  1402  2178  3060  3780  11084  .4.87a + 28.79 xi Ishodište:   15.87 28.       Ishodište:   30.46 + 1.

4 Yi 182.13867   I4' = 0.30606 I3' = 1.79 (1) = 161.145.775 157.66 I1 = = 1. X 4 = = 90.5.7 110 .2707. Y 14 = = 149.0461.355 + 1. I4 = = 0.godini:  152 210 Y '11 = = 144.5616 ⋅ 0.8961 = 1.4. 1.355.13867 0. X 2 = = 229.7889.66. 159.4634 > 4  radi se korektivni factor C      C= 4 ∑Ij = 4 = 0.2707 ⋅ 0.145   Kako je  I j = 4.4575 ⋅ 0.565 202. Y '12 = = 160.79 ( 0 ) = 159.5334.355 + 1.79 ( −2 ) = 155.355 + 1.8961 = 1. 6 6     1215 543 X3 = = 202.5.5032     b) Desezonirani podaciu 2004.5616.III = 159.30606   184 75 ' ' Y 13 = = 161.8961 = 0.355 + 1.83 229.83.1736 ⋅ 0. '   y 2004. 1.4575. ' y 2004.' y 2004.3.1736.     155.565.775.8961 = 1.8961   4.5 90.2.6.5.05166 I2' = 1.79 ( −1 ) = 157.87 + 28.II = 159.   ' y 2004.   Aritmetičke sredine kvartila:  1097 1378 X1 = = 182.IV = 159.I = 159.3.65xi i = 1. I2 = = 1.65 ( 6 ) = 805.05166 1.2.77 + 28.5032     [stotine komada]  c)    y 2010 = 633.5 I3 = = 1.5920.355 161. 6 6 Sezonski indeksi po kvartilu:  Xi I 'j = j = 1.77   y i = 805.4634 I1' = 1.

7906 ( −1 ) = 200.(treći kvartil)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina komada  ' y 2010.7488.7906 (1) = 204.I = 202.2010.7906 ( −2 ) = 198.77 28.33 + 1.100.33 + 1.33 ⋅ 1.   ' y 2010.7906 ⎞ ⎛ y i = ⎜ 201.7906 xi             Ishodište:   15. ' y 2010.33. ' y 2010.44 + 1.  jedinica za X:   jedna godina  jedinica za Y:   stotina komada  805.44 +   ⎟ + 1.33 + 1.IV = 202. Prognozirana prodaja muške konfekcije  ' y 2010.7906 ( 0 ) = 202.god.        Ishodište:   30.6314.I = 198.god.7906 xi 2 ⎠ ⎝ yi =   y i = 202.                     111   [ stotine komada] .65 + xi = 201.06.1206 ⋅ 0.2551.2707 = 257.2010.II = 202.4575 = 292. ' y 2010.5394 ⋅ 1.33 + 1.II = 200.33 + 1.1206.5394.IV = 204.2861.7488 ⋅ 1.III = 202.   ' y 2010.08.III = 202.1736 = 233.7906 xi 4 16 1.5616 = 114. ' y 2010.

1 Verovatnoća "a priori"    ZADATAK 124.  Kolika je verovatnoća da će bacanjem novčića pasti glava?    Rešenje:    m=1.1666  ili 16.66%  n 6   ZADATAK 126.5  ili 50%  P(A) =   2 n   Verovatnoća da će bavanjem novčića pasti glava iznosi 50%. n=30  P(A) = 0.  Kolika je verovatnoća položenih ispita iz statistike?    119 .2 Veorvatnoća "a posteriori"    ZADATAK 127. n=2  1 m P(A) = = 0.4 ELEMENTI TEORIJE VEROVATNOĆE  4.  Na  slučajan  način  od  300  studenata  izabrano  je  40  od  kojih  su  8  položili  statistiku.    ZADATAK 125.33%    4. n=6  m 1 P(A) = = = 0.  Kolika je verovatnoća da će se na gornjoj strani bačene kocke pojaviti broj 3?    Rešenje:    m=1.03333  ili 3.  Kolika je verovatnoća da će se na slučajan način od 30 slova na pisaćoj mašini pojaviti  slovo M?    Rešenje:    m=1.

 Kolika je verovatnoća neispravnih proizvoda?    Rešenje:    m=3.44%    ZADATAK 131. n=36  m m 2 5 7 P(A) = 1 + 2 = + =   36 36 36 36 36 P(A) = 0.Rešenje:    m=8.19444  ili 19. m2=5.  Kolika je verovatnoća da će bacanjem dve kocke istovremeno pasti broj 3 ili 5?  120 .  Kolika  je  verovatnoća radnika koji su prebacili normu?     Rešenje:    m=5.04  ili 4%  n 70   ZADATAK 129. Kolika je verovatnoća da će pasti ili zbir 3 ili zbir 8?     Rešenje:    m1=2. U jednom mesecu od  100  radnika  na  slučajan  način  5  radnika  je  imalo  prebačaj  norme. n=70  m 3 f (A) = = = 0.  Na  slučajan  način  izabrano  je  70  akumulatora  i  ustanovljeno je da su 3 neispravna. n=100  m 5 f (A) = = = 0. n=40  m 8 f (A) = = = 0.05  ili 5%  n 100   4.  Proizvedeno  je  800  akumulatora.  Bacaju se dve kocke istovremeno.3 Zbirna verovatnoća    ZADATAK 130.  U preduzeću je zaposleno 1000 radnika u procesu proizvodnje.2  ili 20%  n 40   ZADATAK 128.

 m2=10.01234  ili 1.30%  18 11   ZADATAK 135.7  ili 70%    4. Kolika je verovatnoća da će se iz prve ili iz druge kutije izvući crna kuglica?     Rešenje:    10 6 P(A) = ⋅ = 0. n=100  60 10 70 P(A) = + =   100 100 100 P(A) = 0.333  ili 33. n=6  1 1 2 P(A) = + =   6 6 6 P(A) = 0.  40  matematiku  i  10  modele.4 Složena verovatnoća    ZADATAK 133. m2=1.   Rešenje:    m1=1.  U jednoj kutiji nalazi se 10 crnih i 8 crvenih kuglica a u drugoj se nalazi 6 crnh i 5 žutih  kuglica.  Kolika  je  verovatnoća da će na slučajan način izvući ime studenta koji je položio metode ili ime  studenta koji je položio modele?     Rešenje:    m1=60.  Kolika  je  verovatnoća  da  će  u  dva  istovremena  bacanja  dve  kocke  i  na  jednoj  i  na  drugoj kocki pasti zbir 5?     Rešenje:    4 4 P(A) = ⋅ = 0.3%    ZADATAK 132.30300  ili 30.  121 .234%  36 36   ZADATAK 134.  Od  100  studenata  60  je  položilo  metode.

571%  50 49   122 .2222  ili 22.  Na  drugoj  tezgi  nalazi  se  60  vekna  težine  600  grama  i  40  vekni  težine  590  grama. Kolika  je verovatnoća da u uzorku od 3 proizvoda budu svi ispravni?     Rešenje:    864 865 866 P( A ⋅ B ⋅ C ) = ⋅ ⋅ = 0.  U kutiji se nalazi 50 proizvoda.5 Uslovna verovatnoća    ZADATAK 136.08571  ili 8.375  ili 37.  U jednoj pošiljci ima 900 proizvoda a sadrži više od 4% neispravnih proizvoda. Kolika je verovatnoća da će se u drugom  izvlačenju izvući crvena kuglica.5%  80 100   4.  Kolika  je  verovatnoća  da  će  kupac  istovremenim  uzimanjem  i  sa  jedne  i  sa  druge  police uzeti veknu tešku 600 grama?     Rešenje:    50 60 P(A) = ⋅ = 0.  U kutiji se nalazi 5 crvenih i 5 zelenih kuglica.46%  900 899 898   ZADATAK 138.Na jednoj polici nalazi se 50 vekni hleba od 600 grama i 30 vekni hleba od 590 grama.88461  ili 88. pri  čemu se kuglice ne vraćaju u kutiju?     Rešenje:    5 4 P(A ⋅ B) = ⋅ = 0. Kolika je verovatnoća da  će  kontrolor  na  slučajan  način  iz  dva  puta  jedan  za  drugim  izvući  nestandardan  proizvod?     Rešenje:    15 14 P(A ⋅ B) = ⋅ = 0. kod kojih su 15 nestandardni.22%  10 9   ZADATAK 137. ako je u prvom izvlačenju izvučena crvena kuglica.

 drugoj.  30%  na  drugoj.  28%  na  trećoj  i  17%  na  četvrtoj.95 + 0.015 p(D1 / A) = = 0.  a  margarin  "Dijamant" 90%.5%.95   p(D2 ) = 0.  1.95 p(D1 / A) = 0.  Kolika  je  verovatnoća  da  će  izabrane čarape biti škart i da je proizveden na prvoj.68 ⋅ 0.934 p(D1 ) ⋅ p(A / D1 ) p(D1 / A) = p(A)   0.2279  ili 22.  Na  mašinama  se  pojavljuje  škart  i  to:  1.01645 123   .8%.  2%  i  1%  respektivno.25 ⋅ 0.17 ⋅ 0.6916  ili 69.32 ⋅ 0. u fabrici za proizvodnju čarapa.68 p(A / D1 ) = 0.68 ⋅ 0.    ZADATAK 140. Kolika je verovatnoća da će kupac kupiti margarin "Dobro jutro"?     Rešenje:    p(D1 ) = 0.28 ⋅ 0.018 + 0.  U  jednom  marketu  se  prodaje  margarin.01 p(A) = 0.25 ⋅ 0.  Margarin  "Dobro  jutro"  ispunjava  95%  standarda.90 p(A) = p(D1 ) ⋅ p(A / D1 ) + p(D2 ) ⋅ p(A / D2 ) p(A) = 0.02 + 0.4.02 p(D4 ) = 0.  i  to  dve  vrste:  "Dobro  jutro"  68%  i  "Dijamant"  32%.934 p(D1 / A) = 0.79%  0.30 ⋅ 0.30 p(A / D2 ) = 0.015 p(D2 ) = 0.16%    Odgovor:  Verovatnoća  da  će  kupac  kupiti  margarin  "Dobro  jutro"  koji  odgovara  standardu je 69.32 p(A / D2 ) = 0.01645 0.01 p(A) = 0.16%. trećoj ili četvrtoj mašini?     Rešenje:    p(D1 ) = 0.018   p(D3 ) = 0. proizvode se ženske čarape i to: 25%  na  prvoj  mašini.17 p(A / D3 ) = 0.015 + 0.90   p(A) = 0.25 p(A / D1 ) = 0.6 Bajersova verovatnoća    ZADATAK 139.28 p(A / D3 ) = 0.  Na četiri mašine.

0.38 ⋅ 0.42 p(A / D3 ) = 0.3282  ili 32. 0.35 p(A / D2 ) = 0.008           p(A) = 0.06%  0.0231 0.2306  ili 23.45%  0.25 ⋅ 0.17%  0.08% i od  D3  1. Uslovne verovatnoće su: 0.  Ako  su  usisivači sa  greškom.008 + 0. Od  kupava stižu reklamacije da usisivača od  proizvođača  D1  sa  greškom  ima  1.82%  0.30 ⋅ 0.3404  ili 34.01645 0.17 ⋅ 0.02 respektivno.02 p(D3 / A) = = 0.03   p(D3 ) = 0.04%  0.  U jednom supermarketu rade tri kase.01318 p(D3 ) = 0.0231   ZADATAK 142.4 ⋅ 0.017 p(D3 / A) = = 0.019 p(D2 / A) = p(D2 ) = 0.018 = 0.42 ⋅ 0.01645 0.03 p(D2 / A) = = 0.019.38 p(A / D2 ) = 0.30 ⋅ 0.35 ⋅ 0. D2 ili D3?     Rešenje:    p(D1 ) = 0.015 p(D1 / A) = = 0.28 ⋅ 0.35 ⋅ 0.01318 0.03 + 0.  Tri fabrike proizvode usisivače iste snage i istih karakteristika. kolika je verovatnoća da će to biti proizvodi iz fabrike D1. Prilikom naplate prave greške i to: 40% prva.33%  0.25 p(A / D3 ) = 0.017   p(D2 ) = 0.20 ⋅ 0.20 p(A / D1 ) = 0.01 p(D4 / A) = = 0.015 p(A) = 0.2276  ili 22.4 p(A / D1 ) = 0. od  D2  0.5417  ili 54.1033  ili 10.008 p(D2 / A) = = 0.015 + 0.5%.76%  0.02   p(A) = 0.4545  ili 45.03 i 0. Fabrika D1 isporučuje  tržištu 20% usisivača. D2 38% i D3 42%.017 0.42 ⋅ 0.01318 124 .  35% druga i 25% treća.01318 0.019 + 0.20 ⋅ 0.7%.02 p(A) = 0.01645   ZADATAK 141. Ako je  pri naplati učinjena greška. kolika je verovatnoća da je to počinjeno na drugoj kasi?     Rešenje:    p(D1 ) = 0.

00885% i pet neispravnih 0.0778%.0000125%.0000885 = 0.934 5 − 3 0.710778  ili 71.33   Očekivana vrednost slučajne promenljive iznosu 0.934   Odgovor: Verovatnoća da će od 5 izabranih proizvoda biti svi ispravni iznosi 0.066 ⋅ ⋅ 0.4589%.0025076 p(3) = 2 + 1 0.25076%.  b) Izračunati varijansu.000000125 ili 0.066 p(5) = ⋅ ⋅ 0.  tri  neispravna  0.035489 ili  3. da će biti 1 neispravan 0.0025076  ili  0. 5  300 p(x) = Cn x ⋅ p x ⋅ q n − x   p(0) = 1 ⋅ 0. 1.0000885  ili  0.    a) Očekivana vrednost izračunava se na osnovu formule:  E (x) = n ⋅ p = 5 ⋅ 0.934   5 − 2 0.113%. 4 i 5 neispravnih?    a) Izračunati očekivanu vrednost.25113 = 0.000000125 4 + 1 0.035489 p(2) = 1 + 1 0. dva neispravna 0. 1.  d) Prikazati binomski raspored u obliku histograma i poligona verovatnoća. 2.934 5 − 4 0.    b) Varijansa se izračunava iz relacije  σ x2 = n ⋅ q ⋅ p   125 .     Rešenje:    n=5  20 p= = 0.33. 2.066   q=0.066 ⋅ ⋅ 0.0000885 p(4) = 3 + 1 0.710778 5 − 0 0. Kolika je verovatnoća  da od 5 slučajno izabranih proizvoda bude 0.934 5 − 1 0. 3.066 ⋅ ⋅ 0.0025076 = 0.25113 ili 25.  c) Izračunati standardnu devijaciju.0660 ⋅ 0.  Od 300 proizvedenih sijalica utvrđeno je da ima 20 neispravnih. 4.934 5 = 0.4.7 Binomna verovatnoća    ZADATAK 143.71778 = 0.25113 p(1) = 0 + 1 0.934  x=0. 3.066 = 0.035489 = 0.066 ⋅ ⋅ 0.  četiri  neispravna  0.

6 = 4.    a) Izračunati verovatnoću da će događaj B ponovi 3 puta.4 5   ⎝3⎠ p(3) = 56 ⋅ 0.555.066 ⋅ 0.934 = 0.  c) Izračunati varijansu i standardnu devijaciju.6   ponovi  n=8  puta.  d) Grafički prikaz binomnog rasporeda  Slika 2: Histogram i poligon verovatnoća      ZADATAK 144.066 ⋅ 0.  b) Izračunati očekivanu vrednost.8   c) σ x2 = 8 ⋅ 0.σ x2 = 5 ⋅ 0.934 σ x2 = 0.6 ⋅ 0.555   Standardna devijacija slučajne promenljive iznosi 0.4 = 1.216 ⋅ 0.92   σ = 1.63 ⋅ 0.  Ako  se  eksperiment  koji  realizuje  događaj  B  s  verovatnoćom  p(B) = 0.01024 = 0.     Rešenje:  ⎛8⎞ a) p(3) = ⎜ ⎟ ⋅ 0.123863  ili 12.3856   126 .30822  c) Standardna devijacija se izračunava iz izraza:  σ = n ⋅ p ⋅ q = 5 ⋅ 0.3863%  b) E (x) = 8 ⋅ 0.30822   Varijansa slučajne promenljive iznosi 0.

 4 i 5  sati zastoja mašine.00706965 = 0.02937%  c) p(3 < x < 5) = p(3) + p(4) + p(5)   p(3 < x < 5) = 0.    Rešenje:  a)   Tabela 4‐1: Radna tabela za izračunavanje Pusonovih verovatnoća  zastoji (χi)  0  1  2  3  4  5  ukupno  broj dana (fi)  15  8  6  4  2  1  36    127 χ i ⋅ fi   0  8  12  12  8  5  45  .α 4 .α 3 .8 Puasonova verovatnoća    ZADATAK 146.  b) Izračunati parametre Pusonovog rasporeda  μ .11 ⋅ 0. 1.  Proizvedene  sijalice  od  40W  pakuju  se  u  kutiji  od  50  komada. 3. 2.ZADATAK 145.8565%  b) p(x ≤ 3) = p(0) + p(1) + p(2) + p(3)   p(x ≤ 3) = 0.001 ⋅ 0.  Poznato  je  da  se  u  proizvodnji proizvodi 5% neispravnih sijalica.  U jednoj fabrici mašine sa automatskom obradom u toku rada od 36 dana imale su  zastoje u satima:  0  1  2  3  4  5  zastoji (χi)  broj dana (fi)  15  8  6  4  2  1    a) Izračunati verovatnoće da će se u toku 36 radnih dana dogoditi 0.2502937  ili 25.947   p(3) = 19600 ⋅ 0.43941%    4.    a) Kolika je verovatnoća da će se u jednoj kutiji naći 3 neispravne sijalice?  b) Kolika je verovatnoća da će se u kutiji naći najviše 3 neispravne sijalice?  c) Kolika je verovatnoća da će se u kutiji naći najmanje 3 i najviše 5 neispravnih  sijalica?     Rešenje:  ⎛ 50 ⎞ a) p(3) = ⎜ ⎟ ⋅ 0.138565  ili  ⎝3⎠ 13.5043941  ili 50.σ x2 .σ .

2238312 2!   1. 5  5 mx −m ⋅e   p(x) = x! 1.029144 4! x= n p(5) = 1 − ∑ p(x) = 1 − 0. da će imati  jedan  čas  zastoja  iznosi  0. 4.3255208 ⋅ 0.25 p(1) = ⋅e = 1.45 = 1.25 p(4) = ⋅e = 0.89445   n⋅ p m 1.25 = 1.25 = 1.25 p(3) = ⋅e = 0.6504%.25 1 1 α4 = 3 + = 3+ = 3.25 ⋅ 0.12 = 1.286504 = 0.286504 = 0.286504 0! 1.  b) μ = E (x) = n ⋅ p = m = 5 ⋅ 0.286504 = 0.25 n⋅ p α3 =   ZADATAK 147.00912799 ili 0.03827179  ili 3.254 −1.326301%. 3.358130  ili  35.38312%.25 m = x = 1.00912779 x =0 Verovatnoća da će mašina raditi bez zastoja iznosi 0.286504 ili 28.286504 = 0. tri časa zastoja 0.358130 1! 1.  dva  časa  zastoja  iznosi  0.827179% i pet časova zastoja 0.25   36 Prosečan zastoj automatske mašine u toku 36 dana iznosu 1.253 −1.250 −1.252 −1.99087221 = 0.78125 ⋅ 0.  Raspored domaćinstava u jednom selu prema broju dece bio je:  broj dece (χi)  0  1  2  3  5  30  16  10  broj domaćinstava (fi)    a) Izračunati Pausonove verovatnoće.    128 .10172526 ⋅ 0.912779%.09326301 3! 1.25 p(0) = ⋅e = 1 ⋅ 0.25 σ x = n ⋅ p = m = 1.  1.25 p(2) = ⋅e = 0.25 p= = 0.09326301 ili 9.286504 = 0.  b) Izračunati parametre ovog rasporeda.8130%.2238312  ili  22.25   σ x2 = n ⋅ p = m = 5 ⋅ 0. 2.251 −1.25   n=5  x = 1. četiri časa zastoja 0.8 1.25 časova.118 1 1 1 = = = 0.25   x=1.

762%  c) p(3 < x < 5) = p(3) + p(4) + p(5) = 0.  Pakuje se kafa u kesicama od 100 grama.228. n = 3   p(0) = 0.1 Nejednačina Čebiševa    ZADATAK 149.6622     ZADATAK 148.51.7448%    4.  b) Izračunati verovatnoću da više od 3 kesice imaju masu manju od 100 grama.  a) Izračunati verovatnoće da sve kesice imaju masu 100 grama.    Rešenje:    a) x = m = 8.03354%  0! b) p(x > 3) = 1 − [ p(0) + p(1) + p(2) + p(3)]   p(x > 3) = 0. x = 0   80 p(0) = ⋅ e −8 = 0.51.95762  ili 95.  od prosečne  mase svih kesica kafe. p(3) = 0.  Oceniti  verovatnoću  da  odstupanje  prosečne  mase  izabranih  kesica kafe. α 4 = 3. α 3 = 0.Rešenje:    a) x = m = 1.43%  100 ⋅ 82   129 . ako standardna  devijacija mase kod svih kesica kafe ne prelazi 10 grama.  Na  slučajan  način  izabrana  je  jedna  kesica  iz  svakog  isporučenog  paketa.9.1936697   b) μ = E (x) = 1.2518473.  Trgovini  se  isporučuje  kafa  u  kesicama  mase  200  grama  u  paketima  u  kojima  se  isporučuju  po  100  kesica. σ x2 = 1.8143.    Rešenje:    n=100  δ = 10   ε = 8 p ( x − E (x ) < ε ) ≥ 1 − δ2   n ⋅ε 2 p ( x − E (x ) < 8 ) ≥ 1 − 102 = 0. σ x = 1. p(1) = 0.9843  ili 98.220909.51. Kontrolom je ustanovljeno da se u proseku  mronađe 8 kesica manje mase od 100 grama.333574.0003354  ili 0.177448  ili 17.  c) Izračunati verovatnoću da kesica manje od 100 grama bude između 3 i 5. ne  prelazi 8 grama. p(2) = 0.9 Zakon velikih brojeva  4.

52   ZADATAK 151.  kod  izabranih  kesica kafe.182 = 0.Odgovor:  Verovatnoća  da  prosečno  odstupanje  mase  kesice  kafe.18   p ( x − E (x) < ε ) ≥ 1 − p ( x − 3 < 0.    Rešenje:    ε = 2. prema zapremini.5. od prosečne mase svih isporučenih kesica kafe.04%   0.6%   30 ⋅ 2.  Oceniti  verovatnoću  da  će  se  vrednost  slučajne  promenljive  x  naći  u  intervalu 2. ne prelazi 8 grama iznosi  98.5 ) ≥ 1 − δ x2   ε2 0.  i  standardnu  devijaciju  δ x = 0. kod svih pasta za zube.  od  aritmetičke  sredine  njihovih  matematičkih  očekivanja.  Oceniti  verovatnoću  da  odstupanje  aritmetičke  sredine  zapremine  boca  vina.8704  ili 87.  Odstupanje svake od 2000 nezavisno.  ne  prelazi 0.22   130 .18 . za više od 2.    ZADATAK 150.  u  uzorku.    Rešenje:    ε = E (x) − 2.5 = 3 − 2. Kolika je verovatnoća da prosečna masa 30 tuba  ne odstupa od prosečne mase.  iznosi  δ 2 = 4 .5   n = 30   δ 2 = 4.52 n ⋅ε   ZADATAK 152.5   ili  ε = 3.43%. iz iskustva se zna da je varijansa  δ 2 = 4. boca vina.5   δ2 4.5 − 3 = 0.5   δ x = 0. slučajno izabranih.  U fabrici za proizvodnju paste za zube.976  ili 97.    Rešenje:    ε = 0.5 grama.95  ili 95%   ε 2000 ⋅ 0.5 .  Slučajna  promenljiva  x  ima  matematičko  očekivanje  E(x)=3.5 = 0.5<x<3.5 − E (x) = 3.2   n = 2000   δ 2 = 4   δ2 4 p ( x − E (x) < ε ) ≥ 1 − x2 = 1 − = 0. Ha  slučajan način je izabrano 30 tuba.2 dl.5 p ( x − E (x ) < ε ) ≥ 1 − x 2 = 1 − = 0.

  Na  slučajan  način  izabrano  je  200  tovljenika  na  jednoj  farmi  za  tov. ako  je  131 . pri čemu je  odstupanje  od  prosečne  mase  dve  jedinice. izračunati koliko proizvoda treba uzeti u uzorak. + E (x300 ) ⎞ 52 p⎜ 1 2 3 − < 2⎟ ≥1 − = 97..4.    ZADATAK 155.92%   300 300 300 ⋅ 22 ⎝ ⎠   Odgovor:  Verovatnoća  da  prosečna  dužina  kvara  kod  izabranih  300  miksera  ne  odstupa  više  od  2  časa  od  prosečne  dužine  rada  svih  proizvedenih  miksera  iznosi  97.  Na slučajan način izabrano je 300 miksera.  kod  svih  proizvedenih miksera nije veća od 5 časova.. u uzorak treba uzeti 400 komada proizvoda.92%.  ako  je  poznato  da  standardna  devijacija. odstupa od prosečne dužine rada svih proizvedenih  miksera.2 Teorema Čebišova    ZADATAK 153.    ZADATAK 154.01 4⋅n 1600 n=   n = 400     4   Odgovor: U cilju posmatranja mase. + xn E (x1 ) + E (x2 ) + E (x3 ) + . u cilju posmatrane mase?    Rešenje:    p = 0...  Ako je ocenjena verovatnoća da je prosečna masa nekog proizvoda 0.    Rešenje:    ε = 2   n = 300 δ =5 ⎛ x + x + x + ..99 ε =2   δ =4  2 2 16 δ 4 = 0.. Oceniti verovatnoću. + E (xn ) ⎞ δ2 p⎜ 1 2 3 − <ε ⎟ ≥1−   n n n ⋅ε 2 ⎝ ⎠ ⎛ x + x + x + .  Oceniti  verovatnoću da prosečna telesna masa tovljenika kod svih 200 tovljenika odstupa od  prosečne  telesne  mase  kod  svih  tovljenika  na  farmi  ne  više  od  15  kilograma. + x300 E (x1 ) + E (x2 ) + E (x3 ) + .  sa  standardnom  devijacijom  od  4  jedinice.99 − 1   4 ⋅ n = 1600   0..99 1 − 2 2 n⋅4 n ⋅ε n ⋅2 16 16   4⋅n = − = 0.  ne  više  od  2  časa..9.99. da prosečna dužina  rada bez kvara svih 300 miksera.99   1− ≥p  1− = 0.

4 .9.01 ⋅ 0. pri čemu  n je  p = 0.99 n = 20000   p = 0.3 Teorema Bernulija    ZADATAK 156.  x Ako je verovatnoća nejednakosti  − p ≤ 0.99.003.01 < 0.12   0.945  ili 94.01.  oceniti  verovatnoću  da  je  apsolutna  vrednost  razlike  frekvencija  neispravnih  auto  guma  manja od 0.003 iznosi 94.poznato  da  standardna  devijacija  kod  svih  tovljenika  na  farmi  nije  veća  od  9  kilograma.82%  p ≥1− n ⋅ε 2 200 ⋅ 152   4.01 ⎛ x ⎞ p⋅q p⎜ − p < ε ⎟ > 1 −   n ⋅ε 2 ⎝n ⎠ ⎛ x ⎞ 0.4   q = 0.5%  20000 ⋅ 0.    Rešenje:    p = 0.6 0.12 n ⋅ε n = 200  (jedinica)    132 .    Rešenje:    ε = 15   n = 200 δ =9 δ2 92 ≥1− = 0. ako je u jednom danu proizvedeno 20000 auto guma.12 i da ne bude manja od 0.  Ako  je  verovatnoća  pojavljivanja  neispravnih  auto  guma  jednaka  0.    Rešenje:    ε = 0.5%.0032 ⎝ 20000 ⎠   Odgovor: Verovatnoća da je apsolutna vrednost razlike frekvencija neispravnih auto  guma manja od 0.9989  ili 99.99   ≥ 0.4⋅.99 p⎜ − 0.06 p⋅q ≥ 0. koliko se mora izabrati nezavisnih jedinica u uzorak.99   1 − 1− 2 n ⋅ 0.003   q = 0.12 n ⋅ 0.    ZADATAK 157.4 ⋅ 0.003 ⎟ > 1 − = 0.6 ε = 0.99   1 − = 0.

  Slučajna  promenljiva  yn  je  aritmetička  sredina  4900.6 − 11.2   q = 0.95   1 − > 0.4 ⎟ = F (1.  Verovatnoća  broja  ponavljanja  kifli  mase  manje  od  100  grama  je  20%.2 ⋅ 0.012     4.8 ∑ [ xi − E (xi )] 11.10 Centralna granična teorema    ZADATAK 159.16 1− > 0.ZADATAK 158.  Izračunati  granicu  apsolutne  vrednosti  odstupanja  broja  kifli  od  njegove  verovatnoće.    Rešenje:    p = 0.  izabranih  radnika  kod  čijih  je  zarada  matematičko  očekivanje  11.95   1 − 2 2 20000 ⋅ ε 20000 ⋅ ε 2 n ⋅ε ε = 0.6 < i =1 < 11.9 − 11.9 ⋅ 103 ?    Rešenje:    μ1 = 11.8 ⎟ ⎟  < i =1 < p ⎜ 11.6 ⋅ 103  do  11.8 0.8 n = 20000   p⋅q 0.8 ⋅ 103   dinara  i  varijansa  25 ⋅ 105 .8   n = 4900   δi 25 5 1 = =   n 4900 70 14 n n ⎛ ⎞ ⎜ ⎟ − x E (xi ) ∑ ∑ i i =1 i =1 ⎜ p a< < b ⎟ = F (b) − F (a)   n ⎜ ⎟ 2 ⎜⎜ ⎟⎟ x ⋅ δ ∑ x i i =1 ⎝ ⎠ 4900 4900 ⎛ ⎞ ⎛ ⎞ x ∑ i ⎜ ⎟ ⎜ 11.  koja  se  može očekivati sa verovatnoćom od 0. ako je proizvedeno 20000 kifli.6   μ1 = 11.95.  Kolika  je  verovatnoća  da  će  prosečna  zarada  radnika  biti  u  intervalu  11.9 ⎟ = p ⎜ 1 1 1 4900 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 14 14 14 ⎝ ⎠ ⎝ ⎠ 4900 ⎛ ⎞ [ xi − E(xi )] ∑ ⎜ ⎟ p ⎜ −2.95   > 0.8)   1 ⎜ ⎟ ⎜ ⎟ 14 ⎝ ⎠ δx = = 133 .  na  slučajan  način.9   δ 2 = 25   E (xi ) = 11.4) − F (−2.8 < i =1 < 1.

6 ⋅ 103   do  11.  sa varijansom 25.    Rešenje:    μ1 = 6   μ1 = 9   E (xi ) = 8   n = 225   δ 2 = 25   δx = 25 5 1 = =   225 15 3 225 225 ⎛ ⎞ ⎛ ⎞ x ∑ i ⎜ ⎟ ⎜ 6 − 8 ∑ [ x i − E ( x i )] 9 − 8 ⎟ ⎟  p ⎜ 6 < i =1 < 9 ⎟ = p ⎜ < i =1 < 1 1 ⎟ 225 ⎜ ⎟ ⎜ 1 ⎜ ⎟ ⎜ 3 3 3 ⎟⎠ ⎝ ⎠ ⎝ p = F (3) − F (−6) = 0.9166  ili 91.7 t/ha.7   δ 2 = 0.9974 ] = 0. sa  varijansom  144  kilograma.  kolika  je  verovatnoća da prinos suncokreta na 324 hektara ne bude manji od 5.  sa  varijansom  0.5) = 0.36   E (xi ) = 5.9987   ili 99.6 1 = =   324 18 30 ⎛ ⎞ ⎜ 5.65 ⎟ p⎜ ⎟ = F (1.    δx = 134 .66%.  Ako  je  prosečan  prinos  suncokreta  5.36.p = 0.32%  1 ⎜ ⎟ 30 ⎝ ⎠   ZADATAK 161.  Na slučajan način izabrano je 225 turista koji su imali očekivan broj dana boravka 8. Kolika je verovatnoća da će prosečan boravak turista biti u intervalu  od 6 do 9 dana.7 − 5.65  t/ha.36 0.    Rešenje:    μ1 > 5.65   n = 324   0.9 ⋅ 103 iznosi 91.    ZADATAK 160.87%    ZADATAK 162.  U jednom tovilištu bilo je 64 teladi sa očekivanom telesnom masom 52 kilograma.9332  ili 93.9192 − [1 − 0.66%    Odgovor:  Verovatnoća  da  će  prosečna  plata  biti  u  intervalu  11.  Kolika  je  verovatnoća  da  će  se  prosečna  masa  teladi  nalaziti u intervali od 49 do 587 kilograma.

Rešenje: 
 
μ1 = 49  

δx =

μ1 = 58  

δ 2 = 144  

E (xi ) = 52  

n = 64  

144 12 3
= =  
8 2
64

64


⎜ 49 − 52 ∑ [ xi − E (xi )] 58 − 52 ⎟
⎟ 
< i =1
<
p⎜
3
3 ⎟
⎜ 3
⎜ 2
2
2 ⎟⎠

p = F (4) − F (−2) = 1 − [1 − 0,9772] = 0,9772   ili 97,72% 
 

4.11 Jednodimenzionalna prekidna slučajna promenljiva 
 
ZADATAK 163. 
Na slučajan način izabrano je 200 radnika u jednoj fabrici, koji su u toku jedne godine 
imali povrede na radu: 
broj povreda (xi)  1  2  3  4  5 
broj radnika (fi) 
70  50  40  30  10 
 
Na osnovu ovih podataka: 
a) Odrediti zakon rasporeda verovatnoća. 
b) Odrediti  nove  prekidne  slučajne  promenljive  Y = 2 ⋅ X ;  Z = X 2 ;  E = X + 4 ; 
K = X − 3 ;  H = 2 ⋅ X + 2 ;  G = 2 ⋅ X 2 + 2 . 
c) Izračunati očekivanu vrednost  E (x) . 
d) Izračunati  E (3 ⋅ x) ;  E (x + 2) . 
e) Izračunati  δ x2 ;  δ x ;  Vx  i  Ux  za x=2. 
f) Izračunati  δ x2 (3 ⋅ x) . 
g) Izračunati  M3 ;  M4 ;  (α 3 )x  i  (α 4 )x . 
 
Rešenje: 
 
a)

pi =

fi
K

∑ fi

K

;

∑ f = 200  
i =1

i

i =1

70
= 0,35  
200
30
p4 =
= 0,15  
200

p1 =

50
= 0,25  
200
10
p5 =
= 0,05  
200
p2 =

135

p3 =

 

40
= 0,2  
200

2
3
4
5 ⎫
⎧ 1
X =⎨
⎬;
⎩0,35 0,25 0,2 0,15 0,05⎭
b)  

5

∑p =1  
i =1

i

5
4
6
8
10 ⎫
⎧ 2 ⋅1 2 ⋅2 2 ⋅ 3 2 ⋅ 4 2 ⋅ 5 ⎫ ⎧ 2
Y = 2⋅ X = ⎨
⎬=⎨
⎬ ; ∑ pi = 1
i =1
⎩0,35 0,25 0,2 0,15 0,05⎭ ⎩0,35 0,25 0,2 0,15 0,05⎭
2
2
2
2
2
5
1
4
9
16
25


1
2
3
4
5




Z = X2 = ⎨
⎬=⎨
⎬ ; ∑ pi = 1
i =1
⎩⎪0,35 0,25 0,2 0,15 0,05⎭⎪ ⎩0,35 0,25 0,2 0,15 0,05⎭
 
5
6
7
8
9 ⎫
⎧1 + 4 2 + 4 3 + 4 4 + 4 5 + 4 ⎫ ⎧ 5
E = X +4=⎨
⎬=⎨
⎬ ; ∑ pi = 1
i =1
⎩0,35 0,25 0,2 0,15 0,05⎭ ⎩0,35 0,25 0,2 0,15 0,05⎭
5
−1
0
1
2 ⎫
⎧1 − 3 2 − 3 3 − 3 4 − 3 5 − 3 ⎫ ⎧ −2
K = X −3 = ⎨
⎬=⎨
⎬ ; ∑ pi = 1
i =1
⎩0,35 0,25 0,2 0,15 0,05⎭ ⎩0,35 0,25 0,2 0,15 0,05⎭
5
6
8
10
12 ⎫
⎧2 ⋅ 1 + 2 2 ⋅ 2 + 2 2 ⋅ 3 + 2 2 ⋅ 4 + 2 2 ⋅ 5 + 2⎫ ⎧ 4
H = 2⋅ X + 2 = ⎨
⎬=⎨
⎬ ; ∑ pi = 1
0,35
0,25
0,2
0,15
0,05
0,35
0,25
0,2
0,15
0,05
i =1

⎭ ⎩

2
2
2
2
2
5
4
10
20
34
52



+

+

+

+

+
2
1
2
2
2
2
2
3
2
2
4
2
2
5
2




G = 2⋅ X2 + 2 = ⎨
⎬=⎨
⎬ ; ∑ pi = 1
0,25
0,2
0,15
0,05 ⎭⎪ ⎩0,35 0,25 0,2 0,15 0,05⎭
i =1
⎩⎪ 0,35

n

c)

E (x) = ∑ xi ⋅ pi = 1 ⋅ 0,35 + 2 ⋅ 0,25 + 3 ⋅ 0,2 + 4 ⋅ 0,15 + 5 ⋅ 0,05 = 2,3  
i =1

Odgovor: Prosečan broj povreda na radu kod svih zaposlenih u jednoj fabrici 
je 2,3 dana. 
d) E (K ⋅ x) = E (x) ⋅ K ; E (3 ⋅ x) = 3 ⋅ 2,3 = 6,9  [povreda na radu] 
E (x + C ) = E (x) + C ; E (x + 2) = E (x) + 2 = 2,3 + 2 = 4,3  [povreda na radu] 
n

e) δ x2 = ∑ xi2 ⋅ pi − E (x 2 ) = 12 ⋅ 0,35 + 22 ⋅ 0,25 + 32 ⋅ 0,2 + 42 ⋅ 0,15 + 52 ⋅ 0,05 − 2,32 = 1,51
i =1

Odgovor:  Prosek  kvadrata  odstupanja  pojedinačnog  broja  povreda  od 
očekivanog prosečnog broja povreda u osnovnom skupu je 1,51. 

δ x = δ x2 = 1,51 = 1,228  

f)

Odgovor:  Srednja  mera  odstupanja  pojedinačnog  broja  povreda  od 
očekivanog prosečnog broja povreda u osnovnom skupu je 1,228. 
δ
1,228
Vx = x ⋅ 100 =
⋅ 100 = 53,39%  
E (x)
2,3
Odgovor: Standardna greška iznosi 53,39% od očekivane vrednosti. 
X − E (x) 2 − 2,3
Ux =
=
= −0,2442  
δx
1,228
Odgovor: Broj od dve povrede na radu odstupaju od očekivane vrednosti za 
0,2442 standardnih grešaka ispod očekivane vrednosti. 
δ x2 (K ⋅ x) = K 2 ⋅ δ x2 (x); δ x2 (3 ⋅ x) = 32 ⋅ 1,228 = 11,052  

g)

mr = ∑ xir ⋅ pi  

n

i =1

136

m1 = 1 ⋅ 0,35 + 2 ⋅ 0,25 + 3 ⋅ 0,2 + 4 ⋅ 0,15 + 5 ⋅ 0,05 = 2,3
m2 = 12 ⋅ 0,35 + 22 ⋅ 0,25 + 32 ⋅ 0,2 + 42 ⋅ 0,15 + 52 ⋅ 0,05 = 6,8
m3 = 13 ⋅ 0,35 + 23 ⋅ 0,25 + 33 ⋅ 0,2 + 43 ⋅ 0,15 + 53 ⋅ 0,05 = 23,6

 

m4 = 14 ⋅ 0,35 + 24 ⋅ 0,25 + 34 ⋅ 0,2 + 4 4 ⋅ 0,15 + 54 ⋅ 0,05 = 90,2
M3 = m3 − 3 ⋅ m1 ⋅ m2 + 2 ⋅ m13 = 23,6 − 3 ⋅ 2,3 ⋅ 6,8 + 2 ⋅ 2,33 = 1,014
M4 = m4 − 4 ⋅ m1 ⋅ m3 + 6 ⋅ m12 ⋅ m2 − 3 ⋅ m14 =

 

= 90,2 − 4 ⋅ 2,3 ⋅ 23,6 + 6 ⋅ 2,3 ⋅ 6,8 − 3 ⋅ 2,3 = 4,9597
M
1,014
(α 3 )x = 33 =
= 0,5475  
δ x 1,2283
Odgovor:  Raspored  verovatnoća  broja  povreda  na  radu  ima  pozitivnu 
asimetriju. 
M 4,9597
(α 4 )x = 44 =
= 2,18  
δ x 1,2284
Odgovor:  Raspored  verovatnoća  broja  povreda  na  radu  je  više  spljošten  u 
odnosu na normalni raspored. 
2

4

 
ZADATAK 164. 
U fabrici za preradu voća 100 radnika preradi voće u kilogramima u jednoj smeni: 
prerada voća u kg (xi)  30  50  70 40  60 
broj radnika (fi) 
40  15  5  30  10 
 
Na osnovu ovih podataka: 
a) Odrediti zakon rasporeda verovatnoća. 
b) Odrediti nove prekidne slučajne promenljive  Y = 2 ⋅ X ;  Z = X 2 ;  K = 2 ⋅ X 2 + 1 . 
c) Izračunati očekivanu vrednosti  E (x) ;  E (4 ⋅ x)  i  E (x − 2) . 
d) Izračunati  δ x2 ;  δ x2 (3 ⋅ x) . 
e) Izračunati  (α 4 )x . 
 
Rešenje: 
 
5
50
70
40 60 ⎫
⎧ 30
a) X = ⎨
⎬ ; ∑ pi = 1  
i =1
⎩0,4 0,15 0,05 0,3 0,1⎭
⎧ 60 100 140 80 120 ⎫
b) Y = 2 ⋅ X = ⎨
⎬;
⎩0,4 0,15 0,05 0,3 0,1 ⎭

137

5

∑p =1 
i =1

i

1 ⎭ i =1 ⎩ 0.3 0.  b) Odrediti nove prekidne slučajne promenljive  Y = 4 ⋅ X .  Z = X 4 .1 = 41   m2 = 302 ⋅ 0.05 0.15 0.05 0.3 + 602 ⋅ 0.1 = 4526000 M4 = 4526000 − 4 ⋅ 87500 ⋅ 41 + 6 ⋅ 1820 ⋅ 412 − 3 ⋅ 414 = 55237   M 55237 (α 4 )x = 44 = = 2.1 = 1820 m3 = 303 ⋅ 0.4 0.  c) Izračunati očekivanu vrednosti  E (x) .15 + 703 ⋅ 0.3 + 602 ⋅ 0.05 0.3 + 604 ⋅ 0.1⎭ 32 36 40 ⎫ ⎧ 24 28 b) Y = 4 ⋅ X = ⎨ ⎬.784   ZADATAK 165.  U  junskom  ispitnom  roku  100  studenata  je  položilo  ispit  iz  Statistike.4 + 502 ⋅ 0.05 0.15 + 702 ⋅ 0.3 + 60 ⋅ 0.868   δ x 11.    Rešenje:    5 7 8 9 10 ⎫ ⎧ 6 a) X = ⎨ ⎬ .05 + 402 ⋅ 0.37  [kilograma]  e) m1 = 30 ⋅ 0.15 0.15 + 702 ⋅ 0.15 + 70 ⋅ 0.1⎭ 138 5 ∑p =1   i =1 i .4 0.05 + 404 ⋅ 0.  E (5 ⋅ x)  i  E (x − 3) .4 + 504 ⋅ 0.15 + 70 ⋅ 0. ∑ pi = 1   i =1 ⎩0.3 + 603 ⋅ 0.1 − 412 = 139   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 139 = 1251   δ x = δ x2 = 1251 = 35.3   5 ⎧1801 5001 9801 3201 7201⎫ 2 K = 2⋅ X +1 = ⎨ ⎬ .05 + 40 ⋅ 0.4 + 502 ⋅ 0. ⎩0. ∑ pi = 1 0.  δ x2 (3 ⋅ x) .4 0.15 0.  d) Izračunati  δ x2 .5 ⎧900 2500 4900 1600 3600 ⎫ .4 + 503 ⋅ 0.05 + 40 ⋅ 0.15 + 704 ⋅ 0.3 + 60 ⋅ 0.1 = 41  [kilogram]  E (4 ⋅ x) = 4 ⋅ E (x) = 4 ⋅ 41 = 164  [kilograma]  E (x − 2) = E (x) − 2 = 41 − 2 = 39  [kilograma]  d) δ x2 = 302 ⋅ 0.4 + 50 ⋅ 0.1 = 87500   m4 = 304 ⋅ 0.3 0.05 + 402 ⋅ 0.4 + 50 ⋅ 0.3 c) E (x) = 30 ⋅ 0.  e) Izračunati  (α 3 )x  i  (α 4 )x .  Raaspored  studenata prema dobijenim ocenama na ispitu je:  6  7  8  9  10 ocene (xi)  broj studenata (fi)  30  40 15  5  10   Na osnovu ovih podataka:  a) Odrediti zakon rasporeda verovatnoća.  K = 3 ⋅ X 3 + 2 .05 + 403 ⋅ 0. Z = X2 = ⎨ ⎬ ∑ pi = 1 0.1 ⎭ i =1 ⎩ 0.15 0.4 0.

25 − 3 = 4.3 + 72 ⋅ 0.05 ⋅ 7.253 = 1.383   δ x = δ x2 = 1.3 + 72 ⋅ 0.3 0.3 + 74 ⋅ 0.05 m3 = 63 ⋅ 0.25 d) δ x2 = 62 ⋅ 0.9698 (α 4 )x = = 3. ∑ pi = 1 0.15 + 94 ⋅ 0.25   E (5 ⋅ x) = 5 ⋅ E (x) = 5 ⋅ 7.05 + 104 ⋅ 0.15 + 9 ⋅ 0.1 ⎭ E (x) = 6 ⋅ 0.25 ⋅ 54.1 = 7.003 1.3 + 7 ⋅ 0.05 + 102 ⋅ 0.4 0.21963   6.25   E (x − 3) = E (x) − 3 = 7.9698 1.1 = 7.25 ⋅ 415.4 0.4875 = 1.15 + 92 ⋅ 0.82 M4 = 3291.2196   e) m1 = 6 ⋅ 0.82 (α 3 )x = = 1.05 + 10 ⋅ 0. ∑ pi = 1 i =1 ⎩ 0.252 − 3 ⋅ 7.15 0.4 + 82 ⋅ 0.252 = 1.4 + 8 ⋅ 0.254 = 6.65 − 4 ⋅ 7.15 + 93 ⋅ 0.25   m4 = 64 ⋅ 0.3 + 73 ⋅ 0.05 0.1 ⎭ i =1 ⎩ 0.15 + 92 ⋅ 0.21964 139   .05 + 2 ⋅ 7.4 + 83 ⋅ 0.3 + 7 ⋅ 0.25   m2 = 62 ⋅ 0.1 = 3291.4875   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 1.05 + 10 ⋅ 0.c) 5 ⎧1296 2401 4096 6561 10000 ⎫ Z = X4 = ⎨ ⎬ .4 + 8 ⋅ 0.15 0.05 + 103 ⋅ 0.1 − 7.25 + 6 ⋅ 54.15 1.1 = 54.4 + 82 ⋅ 0.05 + 102 ⋅ 0.05 0.25 − 3 ⋅ 7.25 = 36.3   5 ⎧650 1031 1538 2189 3002⎫ 2 K = 3⋅ X + 2 = ⎨ ⎬ .65 M3 = 415.1 = 415.4 + 84 ⋅ 0.4875 = 13.15 + 9 ⋅ 0.

  ako  se  zna  da  je  standardna devijacija osnovnog skupa 4 litrara uz interval poverenja od 2 litre?    Rešenje:    σ 2 ⋅ N ⋅ u2 42 ⋅ 200 ⋅ 1. Koliko domaćinstava treba uzeti za uzorak sa  verovatnoćom  od  95%.  Na  jednoj  farmi  ovaca  ima  200  ovaca.98 n = 48.5 N = 200   u = 99.7 ≈ 16  [stabala šljiva]    ZADATAK 168. ako se zna da je varijansa  osnovnog skupa 4 kg uz interval poverenja od 2 kg?    Rešenje:    σ =4  N = 800   u = 95.5 litara?    Rešenje:    σ = 2   E = 1.  U jednom mestu ima 200 domaćinstava.45% = 2 E =1 2⋅E = 2 n = 15.73%  u  cilju  ocene  prosečne  mlečnosti  ako  se  zna  da  je  standardna devijacija osnovnog skupa 2 litre uz interval poverenja od 1.45% u cilju ocene prosečnog prinosa.  u  cilju  provere  mesečne  potrošnje  ulja.21 ≈ 48  [ovaca]            140 .1 Veličina uzorka    ZADATAK 166.  U jednom šljiviku ima 800 stabala šljiva.19 ≈ 47   (N − 1) ⋅ E 2 + u2 ⋅σ 2 (200 − 1) ⋅ 12 + 1.962 n= = = 47.    ZADATAK 167.  Koliko  ovaca  treba  uzeti  za  uzorak  sa  verovatnoćom  od  99.73% = 2.5 METOD UZORKA  5.962 ⋅ 42   Odgovor: U uzorak treba uzeti približno 47 domaćinstava. Koliko stabala šljiva treba uzeti za uzorak sa  verovatnoćom od 95.

5 litara? Veličinu uzorka odrediti za verovatnoću od 99% uz  pretpostavku da je uzorak sa ponavljanjem.58   n = 106. E = 0.5    500 500 ⎝ ⎠ ⎝ ⎠ n ≈ 24  [radnika]    ZADATAK 170.5 kg i  ako je standardna devijacija osnovnog skupa 3 kg.6 ⎞ ⎛ 2475 ⎞ 2 n=⎜ ⎟ =⎜ ⎟ = 4.50 ≈ 107  [domaćinstava]    ZADATAK 171.  Koliko  treba  uzeti  u  uzorak  domaćinstva  radi  ocene  prosečne  potrošnje  mleka  u  litrima u celom gradu ako se zna da je standardna devijacija osnovnog skupa 2.58   n = 563. ako se želi da interval poverenja ne bude šira od 1.ZADATAK 169.3.96   n = 64.397 ≈ 563  [domaćinstava]      141 .95 = 24.  U jednom preduzeću zaposleno je 400 radnika. Koliko radnika treba uzeti za uzorak  uz verovatnoću 90% sa ciljem izračunavanja prosečne plate u dinarima.  b) Izračunati veličinu uzorka sa verovatnoćom od 99%.3 litra  uz interval poverenja od 0.75. u = 99% = 2. u = 99% = 2. E = 0.5.    Rešenje:    a) σ = 3.6 σ = 1500 E = 500 ⎛ σ ⋅u ⎞ n=⎜ ⎟    ⎝ E ⎠ 2 2 2 ⎛ 1500 ⋅ 1. E = 0. Uzorak je sa ponavljanjem.    Rešenje:    N = 400   u = 1.  a) Izračunati veličinu uzorka sa verovatnoćom od 95%.  Koliko  treba  uzeti  u  uzorak  domaćinstava  radi  ocene  prosečne  potrošnje  mesa  po  domaćinstvu u celom gradu.75.    Rešenje:    σ = 2.46 ≈ 64  [domaćinstava]  b) σ = 3. u = 95% = 1. ako se zna da  je  standardna  devijacija  osnovnog  skupa  1500  dinara  uz  interval  poverenja  100  dinara? Uzorak je sa ponavljanjem.

    Rešenje:    P = 0.05 n = 554.    Rešenje:    N = 50000   u = 2.4 N = 10000   u = 99. Uzorak je bez ponavljanja.98 2 N ⋅u ⋅Q n= 2   u ⋅ Q + E 2 ⋅ ( N − 1) ⋅ P n= 10000 ⋅ 2.58 P = 0.36 ≈ 554  [paketića kafe]    5.025 Q = 0.6 E = 0.73% = 2.4 = 7234. Koliko treba uzeti za uzorak pakovanja radi kontrole tačnosti ase.  koliko  treba  uzeti  porodica  za  uzorak  uz  interval  poverenja  od  3%? Uzorak je bez ponavljanja.1 Ocena aritmetičke sredine osnovnog skupa na osnovu uzorka    ZADATAK 174.  Iz  iskustva  se  zna  da  je  proporcija  tih  domaćinstava  60%.  U  jednom  mestu  od  10000  porodica  treba  oceniti  udeo  domaćinstva  koja  idu  u  bioskop  uz  verovatnoću  od  99.2 Ocene na osnovu uzoraka  5.6 n ≈ 7234  [porodica]    ZADATAK 173.4 + 0.  U  jednoj  fabrici  za  proizvodnju  kafe  proizvodi  se  50000  pakovanja  jedne  fake  mase  200 g.2.  U fabrici čarapa 30 radnika proizvelo je čarapa (uzorak sa ponavljanjem):  18  10  15  15  10  18  10  16  18  18  13  10  12  21  19  19  10  11  12  16  10  15  15  19  20  11  19  12  12  14    a) Odrediti  interval  poverenja  uz  verovatnoću  95%  u  kome  se  nalazi  prosečan  broj proizvedenih čarapa u celom preduzeću. ako se zna da  mašina puni 95% ovih pakovanja tačne mase od 200 g? Veličinu uzorka treba odrediti  uz verovatnoću od 99% sa intervalom poverenja 5%.  142 .73%.ZADATAK 172.1.0152 ⋅ (10000 − 1) ⋅ 0.015 Q = 0.95 E = 0.5   2.982 ⋅ 0.982 ⋅ 0.

6 − 1.66193 komada.6   n 30 Odgovor:  Prosečan  broj  proizvedenih  čarapa  u  uzorku  od  30  radnika  iznosi  14.  Na slučaj izabranih 35 studenata Ekonomskog fakulteta dobili su ocenu iz matematike  (uzorak sa ponavljanjem):  6  7  9  8  10  6  7  8  6  10  8  7  6  9  6  7  8  6  9  10  8  8  10  6  7  6  7  8  7  6  8  7  9  6  9    Odrediti interval poverenja uz verovatnoću 99% u kome se može očekivati prosečna  ocena iz matematike na celom fakultetu.3027 ≤ N ⋅ μ ≤ 100 ⋅ 15.66193 ≤ μ ≤ 14.  ako  u  proizvodnji  radi  100  radnika.    Rešenje:    n ∑x i 438 = 14.3027 ≤ μ ≤ 15.8973.66193   30 ⋅ ( 30 − 1) Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 0.  a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   14.66193   13.96 ⋅ 0.b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  nalazi  ukupan  broj  proizvedenih  čarapa  u  celom  preduzeću.62 = 0.8973 Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  da  se  prosečan  broj  proizvedenih čarapa u celom preduzeću nalazi negde u intervalu od 13.  b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   100 ⋅ 13.8973   1330 ≤ N ⋅ μ ≤ 1589 Odgovor: Uz rizik greške 5% može se očekivati da će u celom preduzeću biti  proizvedeno čarapa u intervalu od 1330 do 1589 komada.6 + 1.  x= i =1 n Sx = = ∑x i =1 2 i − n⋅ x2 n ⋅ ( n − 1) = 6776 − 30 ⋅ 14.3027  do 15.    ZADATAK 175.    143 .96 ⋅ 0.6  čarapa.

  b) Kolika  se  ukupna  mesečna  potrošnja  ulja  može  naći  u  celom  gradu  koji  ima  400 domaćinstava uz istu verovatnoću?    Rešenje:    n x= ∑x i =1 n i = 68 = 2.08735 ≤ μ ≤ 8.  Na  slučajan  način  izabrano  je  20  prodavnica  koje  su  u  toku  jednog  dana  prodale  majce (uzorak sa ponavljanjem):  5  8  6  4  9  10  9  5  7  11  5  8  6  6  9  7  12  4  5  6            a) Izračunati  interval  poverenja  u  kome  se  može  naći  prosečan  broj  prodatih  majci u celom trgovinskom preduzeću uz verovatnoću od 99%.  Radi ocene mesečne potrošnje ulja na slučajan način je izabrano 25 porodica koje su  imale potrošnju (uzorak ponavljanja):  5  1  2  2  3  4  5  5  2  2  3  1  4  1  3  3  4  1  3  2  2  2  3  3  2    a) Izračunati  interval  poverenja  u  kome  se  može  naći  prosečna  mesečna  potrošnja ulja po domaćinstvu uz verovatnoću od 99%.Rešenje:    x = 7.  Sx = 0.75   25   144 .49 ≤ N ⋅ μ ≤ 1687.11264     ZADATAK 176.1  [komada].  b) Kolika se ukupna prodaja može očekivati uz datu verovatnoću ako preduzeće  ima 200 prodavnica?    Rešenje:    a) x = 7.51809  [komada].407 ≤ μ ≤ 8.  6.436  [komada]  b) 1281.6   Sx = 0.20  [komada]    ZADATAK 177.1987   7.

752 400 − 25 N −n = ⋅ = 0.1  5.5  4.2  7.3  5.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna količina suncokreta uz istu verovatnoću ako je zasejano 900 parcela.  ostvaren  je  prinos  suncokreta  u  t/ha  (uzorak bez ponavljanja):  4.  n 25 = 0.6 litara  do 1432.1    a) Odrediti  interval  poverenja  uz  verovatnoću  95%  u  kome  se  može  naći  prosečan prinos suncokreta po hektaru.58 ⋅ 0.4  8.1  2.4  6.6  5.75 litara.6  7.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   400 ⋅ ( 2.2  5. uz rizik greške od 1%.1  5.6 Odgovor: Potrošnja ulja u celom gradu kretaće se u intervalu od 767.5  5.75 − 2.  Na  30  parcela.6.9185 ≤ μ ≤ 3.6  6.3223 ≤ μ ≤ 2.4 ≤ N ⋅ μ ≤ 1432.2  3.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   2.0625 = 6.            145 .6  3.58 ⋅ 0.9185 do 3.75 − 2.58 ⋅ 0.    ZADATAK 178.1  6.75 + 2.8  8.58 ⋅ 0.3  4.8  5.4  7.23 litara.3223) ≤ N ⋅ μ ≤ 400 ⋅ ( 2.5815 Odgovor: Uz verovatnoću 99% može se očekivati da će se prosečna mesečna  potrošnja ulja nalaziti negde u intervalu od 1.  izabranih  na  slučajan  način.6  4.2  6.4  5.5815 litara.2  4.3223)   767.3  5.75 + 2.3223   1.3223   25 ⋅ ( 25 − 1) 400 − 1 N −1 Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 32.25% > 4%   za  izračunavanje  ocene  standardne  Kako  je  odnos  = N 400 greške aritmetičke sredine koristi se formula:  n Sx = ∑x i =1 2 i − n⋅ x2 n ⋅ ( n − 1) ⋅ 262 − 25 ⋅ 2.1  3.Odgovor: Prosečan mesečna potrošnja ulja u uzorku od 25 porodica iznosi 2.5  3.1  7.7  5.

6833  [dana].28242  [t/ha].2.  Sx = 0.85 ≤ N ⋅ μ ≤ 5361.4  [t/ha].8465 ≤ μ ≤ 5.1.95709  [t/ha].33% < 4%   900 b) 4361.  Sx = 0.2 Grupisani podaci (uzorak sa ponavljanjem)    ZADATAK 180.  4.666% < 4%   1500 b) 5794.  146 .4  [dana].Rešenje:    a) x = 5.936  [dana].  3.5 ≤ N ⋅ μ ≤ 13404  [dana]  5.  U jednom preduzeću  za proizvodnju lepka.38  [t/ha]      ZADATAK 179.  25 = 1. na slučajan način izabranih 45 radnika  u  toku jedne smene spakovano je kutija sa po 50 lepka (uzorak sa ponavljanjem):    spakovano kutija (xi)  25  32 45  48  51 55  broj radnika (fi)  6  15 10  4  7  3    a) Odrediti  interval  poverenja  uz  verovatnoću  95%  u  kome  se  može  naći  prosečan broj spakovanih kutija na celoj liniji.  U jednoj fabrici za proizvodnju patika 25 radnika u toku godine bilo je na bolovanju  (uzorak be ponavljanja):  3  2  1  6  10  12  11  9  8  10  9  8  5  10  0  4  2  3  5  9  3  8  7  4  11    a) Izračunati  interval  poverenja  u  kome  se  može  naći  prosečan  broj  dana  bolovanja u celoj fabrici uz verovatnoću od 99%.  30 = 3.863 ≤ μ ≤ 8.  b) Koliki  je  ukupan  broj  dana  bolovanja  uz  istu  verovatnoću  ako  fabrika  zapošljava 1500 radnika?    Rešenje:    a) x = 6.

4 Odgovor:  Uz  rizik greške 5% može se očekivati  da se ukupan broj spakovanih kutija  nađe negde u intervalu od 11085.4841 kutija.768 Odgovor: Uz verovatnoću 95% može se očekivati da će se prosečan broj spakovanih  kutija lepka na celoj liniji nalaziti negde u intervalu od 36.4 komada.3 ≤ N ⋅ μ ≤ 12830.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 75858 − 45 ⋅ 39.768   11085.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   300 ⋅ 36.862 = 1.86 + 1.86 − 1.4841 ≤ μ ≤ 39.    147 .68   45 i Odgovor: Prosečan broj spakovanih kutija lepka u uzorku iznosi 39.94 ⋅ 1.86 komada.4841   36.b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  očekivati  da se nađe ukupan broj spakovanih kutija ako na liniji za pakovanje radi 300  radnika.4841   45 ⋅ ( 45 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   39.951 do 42.951 ≤ μ ≤ 42.768 litara.    Rešenje:    Tabela 5‐1: Radna tabela za izračunavanje standardne greške  spakovano kutija  25  32  45  48  51  55  ukupno  broj radnika  6  15  10  4  7  3  45  xi ⋅ fi   150  480  450  192  357  165  1794  xi2 ⋅ fi   3750  15360  20250  9216  18207  9075  75858    n x= ∑x ⋅ f i i =1 i n ∑f i =1 = 1794 = 39.3 do 12830.951 ≤ N ⋅ μ ≤ 300 ⋅ 42.94 ⋅ 1.

1‐40  15  40.  u = 2.5  broj tabli (fi)  4  9  25  31  48  3    a) Odrediti  interval  poverenja  uz  verovatnoću  99%  u  kome  se  može  naći  prosečna masa table čokolade u celom osnovnom skupu.  ako  u  posmatranom  regionu ima 200 prodavnica.5  37.1‐30  5  30.9054 ≤ μ ≤ 101.    Rešenje:    a) x = 100.25  21093.1‐15  15.5  3781.5  102.5  100.5  ‐  25  70  135  137.5  .48  [grama]. prosečan dnevni promet u  celom osnovnom skupu.1‐45  8    a) Izračunati.  b) Izračunati  total  osnovnog  skupa  uz  istu  verovatnoću.5  340  1595  312.5  1225  3037.5  96.1‐15  2  15.1‐20  4  20.1‐25  6  25. uz verovatnoću 95% da se može naći.5  27.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna proizvedena količina čokolade ako je proizvedeno 500 tabli.58 .5  22.2227  [grama].25  1056.  U 50 prodavnica ostvaren je dnevni promet u 103 dinara (uzorak sa ponavljanjem):    promet ( χ i )  broj prodavnica (fi)  10.ZADATAK 181.5  17.  Kontrolom.    Rešenje:    Tabela 5‐2: Radna tabela za izračunavanje standardne greške  promet ( χ i )  10.1‐35  35.  Sx = 0. dobijen je raspored tabli  prema masi (uzorak sa ponavljanjem):    masa u gramima (xi)  94.5  42.5  [tabli]    ZADATAK 182.1‐40  40. na slučaj izabranih 120 tabli čokolada od 100 g.1‐20  20.5  325  562.5  98.1‐45  ukupno  broj  prodavnica ( fi ) 2  4  6  5  10  15  8  50  148 xi   xi ⋅ fi   xi2 ⋅ fi   12.5 104.75  14450  54462.0545   [grama]  b) 499527 ≤ N ⋅ μ ≤ 505272.1‐35  10  35.1‐30  30.  99.1‐25  25.5  32.

 uz istu verovatnoću.01‐2.5  15  3.530 ≤ μ ≤ 34.    b)   ( ) N x − u ⋅ Sx ≤ N ⋅ μ ≤ N ( x + u ⋅ Sx )   5906 ≤ N ⋅ μ ≤ 6856.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 54462.  Na  površini  od  51  hektar  ostvaren  je  prinos  suncokreta    u  t/ha  (uzorak  sa  ponavljanjem)    Prinos ( χ i )  Površina(fi)  2.5  8    a) Izračunati  prosečan  prinos  suncokreta  na  ukupnoj  zasejanoj  površini  uz  verovatnoću 99%.9   50 i i =1 Odgovor: Prosečan promet u 50 prodavnica iznosi 31900 dinara.5  9  2.01‐4.    ZADATAK 183.92 = 1.      149 .8   Odgovor: Može se očekivati uz rizik greške 5% da se ukupan promet u celom regionu  nađe  negde  u intervalu od 5906000 do 6853800 dinara.51‐4  12  4.96 ⋅ 1.20914   29.20914   50 ⋅ ( 50 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1209 dinara.20914 ≤ μ ≤ 313.01‐3.n x= ∑x ⋅ f i i =1 i n ∑f = 1595 = 31.    a)   x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx 31.96 ⋅ 1.  b) U kom intervalu se može naći ukupna proizvedena količina suncokreta ako je  zasejano 500 hektara.9 − 1.269   Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  prosečan  dnevni  promet  u  celom  regionu u intervalu od 29530 do 34269 dinara.9 + 1.5 − 50 ⋅ 31.51‐3  7  3.

 38.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije veći od  33.3 Statistički testovi na osnovu uzoraka  5.58.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica bude 36. 42.0927 ( t / ha ) 3.28 [t / ha ] .5.103 dinara.23% 4%   N 130 150 . 40. uz verovatnoću 90%.  Od  130  prodavnica  nameštaja  na  slučajan  način  izabrano  je  12  i  popisan  je  dnevni  promet u 103 dinara: 25. 30.0408 ≤ μ ≤ 3.5 t / ha . 39.4 ≤ N ⋅ μ ≤ 1759.  b) Da  li  se  može  prihvatiti  hipoteza.09231 = 9. u = 2.16   n 12 Odgovor: Prosečni dnevni promet u uzorku od 12 prodavnica iznosi 35160 dinara.  c) Da  li  se  može  prihvatiti  hipoteza.      5.5191[t / ha ] b)     1520.103 dinara.1.    x= i =1 = n 12 = = 0. 41.103 dinara.34. 45. 29.    a) Da  li  se  može  prihvatiti  hipoteza.31 . uz verovatnoću 97.3.1 Testovi na osnovu „T“ raspodela    5.    Rešenje:  n ∑x i 422 = 35. 28 .1 Testiranje razlike između aritmetičke sredine uzoraka i hipotetične vrednosti  aritmetičke sredine osnovnog skupa (negrupisai podaci)    ZADATAK 184. Sx = 0.3.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije manji od  38. uz verovatnoću 95%.Rešenje:    a)         x = 3.5%.

    b)     x − μ0 35.n Sx = ∑x 2 i − nx i =1 n ( n − 1) 2 ⋅ 15302 − 12 ⋅ 35.79948313   151 . 75% t t0 = 0.685 < t0 ≈ −0. 466 t = 2.46680. 75% t = 2. 25% 2 48.   Odgovor:  Ocena  prosečnog  odstupanja  aritmetičke  sredine  uzoraka  od  aritmetičke  sredine osnovnog skupa iznosi 1799 dinara.   Sx 1.16 − 36 = 0.84 ⋅ 103  slučajna. 685 α = 1. 685 Slika 3: Područje prihvatljivih odbacivanja  H0 : μ = μ0     Odgovor:  Kako  je  ispunjena  relacija  −2.5% = 1.16 − 33 t0 = = = 1.200344.466 < 2. da je prosečan dnevni promet u svih  130 prodavnica 35160 dinara.16 − 36 t0 = = = −0. 25% 48.5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 35. To znači.   1.79948313.685   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  od  97.162 130 − 12 N −n = =   12 (12 − 1 ) 130 − 1 N −1 Sx = 1.    a)     x − μ0 35.79948313 Sx   f (t ) α 2 97.

833   . da prosečan dnevni promet u svih 130 prodavnica nije veći od 33000 dinara.383 .uz  verovatnoću  95%  hipoteza  H0  se  prihvata  a  razlika  x − m0 = 35. 75% a = 5% t t0 = 1.833 Slika 4: Oblasti prihvatanja i odbacivanja  H0 : m ≥ m0     Odgovor:  Kako  je  t0 ≈ 1. 20034 t = 1.89059.  To  znači.82 − 31 t0 = = = −1.383 Slika 5: Granice prihvatanja i odbacivanja  H0 : μ ≤ μ0     Odgovor:  Pošto  je t0 ≈ 1.856 t = −1.5 = −3.16 − 33 = 2.210948 Sx   f (t ) 90% 2a = 20% a = 10% t = 1.f (t ) 2a = 10% 90% 50% 48.16 − 38.34 ⋅ 103   dinara  može  se  smatrati  152 .   2. 2003 t = 1.16 ⋅103   može  se  smatrati  slučajnom.  hipoteza  H0  se  uz  rizik  greške  10%  odbacuje  a  razlika  x − m0 = 35.  c)   x − μ0 26.856 40% 50% t t0 = 1.

  To  znači.3.78.01.    a)  Da li uz verovatnoću 99% može prihvatiti hipoteza H0 .  U fabrici za proizvodnju tapeta zaposleno je 200 radnika. H0 se prihvata.    ZADATAK 185.1.5[ pari ] . H0 se prihvata. uz verovatnoču 95% da prosečan škart  kod svih 20 mašina nije veći od 6 pari?    Rešenje:  x = 5.    5. da je prosečna mesečna plata kod  svih 200 radnika 3100 dinara. 6 ÷ 20 = 30% 4%. Sx = 0. r = n − 1 = 6 − 1 = 5. 7. 4. 6 i 8 pari. 5.020.statistički  značajnom.892 a)       −4.005?  b) Da  li  se  može  uz  verovatnoću  95%  prihvatiti  hipoteza  H0  .  U  liniji  za  proizvodnju  čarapa  postoje  20  mašina.  b)   t0 ≈ 0.76308 t = −2.    Zarade ( χ i )  broj radnika (fi)  10‐20  6  20‐30  10  30‐40  3  40‐50  2  50‐60  1    a) Da li se može prihvatiti nulta hipoteza H0 . da je prosečan škart  kod svih 20 mašina 7 pari?  b) Da li uz verovatnoću 90% može prihvatiti hipoteza H0 .  c)   t0 ≈ 0.  da  je  prosečna  mesečna plata kod svih 200 radnika nije veća od  3200 dinara?  153 .030   t0 = −2. H0 se prihvata.2 Grupisani podaci      ZADATAK 186. da prosečan škart kod  svih 20 mašina nije veći od 5 pari?  c) Da li se moze prihvatiti hipoteza H0 . Na slučajan način izabrano  je 22 radnika koji su imali sledće plate u 102 dinara. uz rizik greške 0.  da  prosečan  dnevni  promet  u  svih  130  prodavnica  manji od 38500 dinara.655235 α = 0.892 4.0310 t0 ≈ −2.030.7631 t = 2. t = 4.  Na  slučajan  način  izabrano  je  6  mašina i popisan škart u toku 8 sati rada: 3.

822 200 − 22 = ⋅ = 2.c) Da li se može prihvatiti hipoteza H0.11  ili  11% 4%   N 200 n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x n ( n − 1) 2 ⋅ N −n 18350 − 22 ⋅ 26.    a)     x − μ0 26. uz verovatnoću 97.210948   154 .   Sx 2.82.  n 22 = = 0.1 dinara. da prosečna mesečn plata kod svih 200  radnika nije manja od 3400 dinara.210948   N −1 22 ( 22 − 1 ) 200 − 1 Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  aritmetičke  sredine osnovnog skupa iznosi 221.   22 i i =1   Odgovor: Prosečna mesečna plata kod 22 radnika u uzorku iznosi 2682 dinara.89059.82 − 31 t0 = = = −1.5%?    Rešenje:    Tabela 5‐3: Radna tabela za izračunavanje standardne greške  Mesečna plata u  broj radnika ( fi )  xi   xi ⋅ fi   xi2 ⋅ fi   102dinara  10‐10  20‐30  30‐40  40‐50  50‐60  ukupno  6  10  3  2  1  22  15  25  35  45  55  ‐  90  250  105  90  55  590  1350  6250  3675  4050  3025  18350  n ∑x ⋅ f i x= i i =1 = n ∑f 590 = 26.

f (t ) 99. 721 Slika 7: Granice prihvatanja i odbacivanja  H0 : μ = μ0     155 . 75% 49.34228.  b)   x − μ0 26. 09 t0 = 0.  H0  se  prihvata  uz  verovatnoću  od  99. To znači. 09 t Slika 6:Granice prihvatanja i odbacivanja  H0 : μ = μ0     Odgovor: Kako se izračunato  t0 ≈ −1.1890 t = 3.82 − 32 t0 = = = −2. 25% α 2 = 0.82 − 31 = −418 ⋅ 102  slučajna. da je prosečan plata  svih 200 radnika 3100 dinara.890  nalazi u području prihvatanja nulte  hipoteze.   2.5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 26.5% α 2 = 0.343 t = 1.210948 Sx f (t ) 2a = 10% 95% 45% 50% a = 5% t t0 = 2. 75% t = 3. 25% 49.

5% t = 3.24747.   2. da prosečna ocena  nije veća od  7.5%?  da  prosečna  ocena kod svih 150 studenata nije manja od 8.721  .Odgovor: Kako je  t0 ≈ −2.uz verovatnoću 95% hipoteza H0 se  prihvata  a  razlika  x − μ0 = 26. 247 50% t t0 = 2.  da  je  prosečna  ocena  kod  svih  150  studenata 9.5% 2a = 5% 47.    c)   x − μ0 26.  To  znači.  a  razlika  x − μ0 = 26.210948 Sx f (t ) 97.5?    156 .5%. da je prosečna  plata manja od 3400  dinara.82 − 34 = −7.18 ⋅ 102   dinara  može  se  smatrati statistički značajnom. da je prosečan plata svih 200 radnika nije veća od 3200 dinara. uz verovatnoću 95%?  b) Da li se uz verovatnoću 90% može prihvatiti hipoteza H0 .82 − 32 = −5.5% a = 2. 080 Slika 8: Granice prihvatanja i odbacivanja  H0 : μ ≥ μ0     Odgovor:  Pošto  je t0 ≈ 3. To znači.  hipoteza  H0  se  odbacuje  uz  rizik  greške  2.82 − 34 t0 = = = −3.247 t = −2.  uz  verovatnoću  97.  Od  150studenta  Ekonomskog  fakulteta  na  slučajan  način  izabrano  je  10  i  potpisane  ocene iz Statistike:    Ocene ( χ i )  broj studenata (fi)  6  2  7  1  8  3  9  3  10  1    a) Da  li  se  može  prihvatiti  hipoteza  H0.    ZADATAK 187.182 ⋅ 102   dinara  je  slučajna.343 t = 1.080 .5?  c) Da  li  se  može  prihvatiti  hipoteza  H0.

H0 se odbacuje.   n2=4. H0 se prihvata.2 Testovi na osnovu „F“ raspodele  5.1 Analiza jednog faktora varijabiliteta    ZADATAK 188.833.2.8  3.   n3=3.2  3.7 4.3.408683     a)   t0 ≈ −2.7  3.223 t = 1.1  3. 10 ÷ 1500 = 6.    Rešenje:    a)   Potrebni podaci su:     m=3.7  ‐  3.447 t = −2.4 3.1 3.685. Sx = 0.2 ‐  ‐    a) Uz  verovatnoću  95%  proveriti  da  li  su  razlike  u  prinosu  s  obzirom  na  sortu  slučajne ili statistički značajne?  b) Izvršiti testiranje najmanje zajedničke razlike.Rešenje:    x = 8.223 t = −2.  Na dvanaest parcela zemljišta istog kvalieta zasejane su c3 sorte pšenice.6% 4%.7  2.2  2.  c)   t0 ≈ −1.5 3.  b)   t0 ≈ 1.   n=12  Proizvoljna aritmetička sredina  x = 3t / ha     157 . Ostvaren je  prinos u  t/ha:  Sorta  Prinos u  t/ha  B1 B2   B3   2. H0 se prihvata.                    5.262.   n1=5.3.

204   = 4. obzirom na različitost sorte.3  Si   j=4 0.    158 .1  j=3 0.3 )2 ⎥ 12 ⎣ ⎦       SB = Disperzija  po  faktoru  B  (između  sorti  pšenica.7 1.2.8 )2 + 0.  n i =1 ni ∑ 0.842 .6 0.72 + 1.Tabela 5‐4: Odstupanje  xij = x 0   Sorte pšenice (i=1.  α = 0.9 2.05   i  može  se  smatrati  da  su  razlike  u  prinosu  pšenice  statistički  značajne.3)    B1(i=1)  B2(i=2)  B3(i=3)        St = xij − 3   j=1 ‐0.842 VR = = 0.52 + 0.944   5 4 3 12     Rezidualna disperzija (unutar sorte pšenice).12 + 0.2.1 0.6 )2 + 0.9  ‐1.22 + 0.5 0.  odnosno  između  redova  m Si 2 S 2 izračunava se na osnovu formule:  SB = − .764 F( 0.786   St = ⎢ ⎢( −0.9 ) = 4.842   ST = 3.82 ⎥− = 3.  nulta  hipoteza  se  odbacuje  uz  rizik  greške.944 = 0.    Tabela 5‐5: Analiza varijanse  Suma  kvadratnih  odstupanja  SB = 1.8  Totalna disperzija St izračunava se na osnovu izraza:  ni m ∑∑ i =1 j =1 ( xij ) − 2 S2 .02 2.92 + 0.8  j=2 0.72 + 0.82 + + − = 1.  n ⎡( −0. izračunava se na osnovu relacije:  SR = ST − SB = 3.972 2 1.204   9 3.786 VT = = 0.92 1.786 − 1.9  0.7  ‐0.1  ‐  j=5 0.972 = 0.26 .0  S=2.26   VB = F0 =   Odgovor:  Kako  je  F0 = 4.2.12 + ( −0.05.944 = 1.9 ) = 4.944 SR = 1.2  ‐0.786 Broj stepeni   slobode  m‐1=3‐1=2    n‐m=12‐3=9    n‐1=12‐1=11  Ocena varijanse  1.05.764 F( 0.9  2.22 + 0.12 + ⎤ 2.2 ‐  ‐    0.344 11 Odnos varijanse  Tablična vrednost F  0.

5 + 3.225   12 i i =1 Odgovor: Prosečan prinos pšenice na svih 12 parcela iznosi 3.1 + 3.  ni xi = ∑x ij j =1 .2 + 3. ni   n1 ∑x 1j 15.4 + 3.7   4 n2 Odgovor: Prosečni prinos pšenice B2 na 4 parcela iznosi 3.66   3 n3 Odgovor: Prosečni prinos pšenice B3 na 3 parcela iznosi 2.8 = 3.9 = 3.7 + 3.1 + 2.2 + 3.7 t/ha.18 5 n1 Odgovor: Prosečni prinos pšenice B1 na 5 parcela iznosi 3.  x1 = j =1 = n2 ∑x 2j 14.66 t/ha  Razlike između aritmetičkih sredina  x1 .f (F ) α = 1% 99% F F0( A) = 0. 0360 F = 10.7 = 3.92 Slika 9: Oblasti prihvatanja i odbacivanja  H0 : μ1 = μ2 = μ3   Aritmitička sredina uzoraka  xi  i opšti proseka  xi  izračunavaju se na osnovu izraza:  ∑∑ x ij = 2.    x3 = j =1 = 159 .7 + 4.7     ni m x= ∑∑ x ij i =1 j =1 m = ∑n 38.1 + 2.18 t/ha.  x2 = j =1 = n3 ∑x 3j 8 = 2. x3  i uzoraka (raznih sorti psenice)  su toliko velike da se uz rizik greške od 5% mogu smatrati značajnim.7 = 38. x2 .8 + 3.225 t/ha.

18 − 2.66 = 1.204 ⋅ ⎜⎝ 4 + 3 ⎟⎠ = 0.345 = 0.262 ⋅ 0.b)    Pošto  je  nulta  hipoteza  H0  odbačena  može  se  vršiti  testiranje  najmanje  značajne razlike.329 = 0.04 NZR3 = 0. r2 ) ⋅ S x − x +1   ( i ) i Kako je  n ≠ n2 ≠ n  vrednosti  S x − x +1  računa se na osnovu formule:  ( i i ) ⎛1 1 ⎞ S x − x +1 = VR ⋅ ⎜ + ⎟ (i i ) ⎝ ni ni + 1 ⎠ ⎛1 1⎞ ⎛1 1⎞ Sx ) = 0. na osnovu izraza:  NZR = t (α .780   Odgovor: Postoji samo jedna značajna razlika između sorte B2 i  B3.6744   NZR1 = t (α .262 ⋅ 0.18 − 3.          160 .7 − 2.66 = 0.7 = 0. najmanje značajne razlike iznose:  NZR1 = t (α .685 ( 1 2 ) NZR2 = t (α . r2 ) ⋅ S x 2 − x3 ) = 2.303 = 0.744   x 2 − x 3 = 3. To znači  da  se  sorta  B3  ne  treba  uopšte  sejati  jer  je  najmanji  prosečan  prinos  po  hektaru.685 x 1 − x 3 = 3.9 ) = 2.780 ( (   Aposlutne razlike između aritmetičkih sredina x i − x i +1 iznose:  x 1 − x 2 = 3.262  čita se iz tablice.262 ⋅ 0.345 ( ( 1 − x2 2 − x3 Vrednost  t( 0.329   Sx ) = 0. r2 ) ⋅ S x 1 − x3 ) = 2. r2 ) ⋅ S x − x = 2.    Prema tome.    Za  izvođenje  testa  najmanje  značajne  razlike  najčešće  se  formira  tabela  aritmetičkih sredina.204 ⋅ ⎜⎝ 5 + 3 ⎟⎠ = 0.520 NZR2 = 0.520 NZR1 = 0.05.

2. x 2 = 24 [ kom] .471.     H0 se prihvata.  F0 = 0. x 3 = 27.12) = 2.2. NZR = 6.01.7  3.2 6.6 [ kom] .12) = 3.2.     H0 se prihvata.6 6.06 = = 2.970   5 ni t( 0. VR = 22.18  2.18   0.05.471. S x − x +1 = ( i i )   2VR 2 ⋅ 22.471   x 1 − x 3 = 4.163   F0 = 0.06. x 1 = 23.6 6.16 F( 0. SA = 7.471             161 .4 [ kom] .  b)    x = 25[ kom] . s  obzirom na različite regione.2. VA = 3.6.12) = 6.  b)  Testirati najmanje značajne razlike.  Fabrika za proizvodnji električnih šporeta plasira u 3 regiona preko robnih kuća. slučajne ili statistički značajne. x 2 − x 3 = 3.      Rešenje:  a)    ST = 287.88. x 1 − x 2 = 0.04  0.03.66  x i − 3.163 F( 0.66   1.52  ‐    B1  B2  B3  3.05. F0 = 0. Kod  5.179. na slučajan način izabranih robnih kuća mesečn aprodaja bila je:    Region  A1 A2  A3 21  18  20  22  20  27  Prodato šporeta  25  23  23  28  29  30  36  31  32    a)  Uz verovatnoću 955 i 99% proveriti da li su razlike u broju prodatih šporeta.52  ‐  ‐    ZADATAK 189.Tabela 5‐6: Analiza varijanse  Aritmetička sredina  Razlike između aritmetičkih sredina  xi   Grupe  (sorte pšenice)  ( )   x i − 2.

      Rešenje:  Za ovo testiranje potrevno je:   m = 3.  koje  se  proizvode  od  četiri  vrste  lima. n = m ⋅ S . x 0 = 30 komada . na uzorcima od 500 komada.4)  Si   xij − 30     B2(j=2)  10  ‐10  ‐10  ‐10  B3(j=3)  0  10  0  10    Totalna disperzija se izračunava na osnovu formule:  m S 2 2 ST = ( xij ) − Sn   i =1 j =1 ∑∑ 162 B4(j=4)  10  20  10  40    20  10  0  S=30  .  U  cilju  donošenja  odluke  od  koga  kupiti  kutije  i  od  koje  vrste  lima.3.2. n = 3 ⋅ 4 = 12.2.    Tabela 5‐7: Analiza varijanse  Proizvođač kutija Ai(i=1.2 Analiza dva faktora varijabiliteta    ZADATAK 190. od svake vrste lima i od svakog proizvođača.  izvršena  je  proba  na  savijanje.3)      A1(i=1)  A2(i=2)  A3(i=3)  Sj   B1(j=1)  0  ‐1  0  ‐10  Vrste kutija Bj (j=1.2. slučajne ili statistički  značajne?  c) Izvršiti testiranje najmanje značajnih razlika.5.  Rezultati ispitivanja su:    Proizvođač A1 A2  A3 B1 30  20  30  Vrsta lima  B2  B3 40  30  20  40  20  30  B4 40  50  40    Uz verovatnoću 99% i 95% proveriti:  a) Da  li  su  razlike  u  kvalitetu  kutija  s  obzirom  na  proizvođača  slučajne  ili  statistički značajne?  b) Da li su razlike u kvalitetu kutija u odnosu na vrstu lima.  Fabrika za proizvodnji konzerviranog povrća nabavila je od tri proizvođača kutije od  lima  zapremine  od  1‐og  kilograma.  d) Izračunati relevantan uticaj pojedinih faktora na kvalitet kutija. S = 4.3.

2.67 VR = 6 = 69.11   416.680 ‐  Tablična vrednost F  F( 0.05.14  i  F0( A) = 0.360 F( 0. tj. da na kvalitet  kutija ne utiče izbor proizvođača.05.302 = 1025   12 Disperzija u odnosu na grupu faktora A(između redova.14   F( 0.01.6 ) = 10. To znači.    163 .44 = 2.6 ) = 9.92 .2. odnosno Između vrsta lima)  izračunava se na osnovu izraza:  S SB = ∑S 2 j i =1 m   Rezidualna disperzija izračunava se na osnovu izraza:  SR = ST − SA − SB = 1025 − 50 − 558.05 i  α = 0.67 (3‐1)(4‐1)=6  St = 1025   n − 1 = 11   Ocena varijanse  50 = 25 2 558.6 ) = 4.67         Tabela 5‐8: Analiza varijanse  Suma  kvadratnih  odstupanja  Broj stepeni   slobode  SA = 50 m‐1=3‐1=2    S‐1=4‐1=3  SB = 558.44 = 0.01  i može se smatrati da  su razlike u kvalitetu kutija.360 F0( A ) = 186.32   n 3 12 S   Disperzija u odnosu na grupu faktora B (između kolona. Između proizvođača kutija)  izračunava se na osnovu izraza:  ST = 102 + 102 + 102 + 102 + 102 + 202 + 102 + 102 − m SA = ∑S 2 i i =1 − S 2 202 + 102 302 = − = 50   n 4 12 − S 2 102 + 102 + 102 + 402 302 = − = 558.44 VA = ‐  Odnos varijanse  25 69.3.360 F( 0.6 ) = 10.6 ) = 5. nulta  hipoteza se prihvata uz rizik greške  α = 0.11 F0( B ) = 69.32 = 416.05.2.6 ) = 5.76   F( 0.2.01.33     (m‐1)(S‐1)=  SR = 416.92 F( 0.33 VB = 3 = 186. s obzirom na proizvođača.01.3.78 ‐    a)    Kako je  F0( A) = 0.

01  i može se smatrati da  su razlike u kvalitetu kutija.6 ) = 4.f (F ) α = 5% 95% F F0( A) = 0. s obzirom na vrstu lima slučajne.68 F( 0.92 Slika 11: Područja prihvatanja i odbacivanja H0 za  α = 1%         b)    Kako  je  F0( B ) = 2.6 ) = 9.  nulta  hipoteza se prihvaza uz rizik greške  α = 0. 0360 F = 10.78 .68 F( 0.14 Slika 10: Područja prihvatanja i odbacivanja za  α = 5 %       f (F ) α = 1% 99% F F0( A) = 0.01.05.05 i  α = 0.    f (F ) α = 5% 95% F F0( B ) = 2.3.3. 68 F = 4. To znači. da na  kvalitet kutija ne utiče vrsta lima od kog su pravljene.16 Slika 12: Područja prihvatanja i odbacivanja H0 za  α = 5 %   164   . 0360 F = 5.16   i  F0( B ) = 2.

  x 2( A2 ) = j =1 = n ∑x 13 30 + 20 + 30 + 40 120 = = 30   4 4 4 Prosečno savijanje kutija proizvođača A3 iznosi 30 komada na 500 komada. 68 F = 9.5 komada na 500 komada.    Standarnde  greške  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu izraza:  x 3( A3 ) = j =1 = 165 .  x 1( A1 ) = i =1 = 4 ∑x 12 20 + 20 + 40 + 50 130 = = 32.5 x= 12 Opšti prosek savijanja kutija iznosi 32.  Aritmetičke sredine redova x i  izračunavaju se na osnovu izraza:  S xi = ∑x ij i =1   9 n ∑x 1 i 30 + 40 + 30 + 40 140 = = 35   4 4 4 Prosečno savijanje kutija proizvođača A1 iznosi 35 komada na 500 komada. 78 Slika 13: Područja prihvatanja i odbacivanja H0 za  α = 1%       c)    Opšti prosek izračunava se na osnovu izraza:   m x= S ∑∑ x ij i =1 j =1 = 30 + 40 + 30 + 40 + 20 + 20 + 40 + 50 + 30 + 20 + 30 + 40   12 n 390 = 32.  f (F ) α = 1% 99% F F0( A) = 2.5 komada na 500 komada.5   4 4 4 Prosečno savijanje kutija proizvođača A2 iznosi 32.

05) = 2. t( 0.841   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x 1( A1 ) − x 2( A2 ) = 35 − 32.417   NZR (α = 0.841 Vidi  se  da  su  dve  visoko  značajne  i  jedna  značajna  a  da  fabrika  treba  da  se  orijentiše  za  proizvođača  A3  jer  u  proseku  ima  najmanje  škarta  ( x ( ) ) = 30 komada  3 A3   Aritmetičke sredine kolone  x j  izračunava es na osnovu formula:  m xj = ∑x ij i =1   m 3 ∑x ij 30 + 20 + 30 80 = = 26.33   3 3 3 Prosečno savijanje kutija proizvođača B3 iznosi 33.66 komada na 500 komada.33   3 3 166 .892 = 14.05.447.01) = 3.417 i 21.707.66   3 3 3 Prosečno savijanje kutija proizvođača B2 iznosi 26.5 14.66 komada na 500 komada.01.66   3 3 3 Prosečno savijanje kutija proizvođača B1 iznosi 26.892 = 21.  x ( B3 )3 = i =1 = 3 x ( B4 )4 = ∑x i =1 3 i4 = 40 + 50 + 40 130 = = 43.6 ) = 3.r ) ⋅ S x − x +1 ( i i ) NZR (α = 0.   NZR = t(α .  x ( B1 )1 = i =1 = 3 ∑x i2 40 + 20 + 20 80 = = 26.6 ) = 2.5 14.841   x 2( A2 ) − x 3( A3 ) = 32.  x ( B2 )2 = i =1 = 3 ∑x i3 30 + 40 + 30 100 = = 33.44 = = 5.417 i 21.707 ⋅ 5.33 komada na 500 komada.5 − 30 = 2.417 i 21.841 x 1( A1 ) − x 3( A3 ) = 35 − 30 = 2.447 ⋅ 5.2VR 2 ⋅ 69.5 14.5 = 2.892   ni 4 S x − x +1 = ( i ) i t( 0.

639 i 25.05) = 2.707.6 ) = 2.3663 ili 36.33 − 43.66 − 43.076 x ( B2 )2 − x ( B4 )4 = 26.01) = 3. Dobijeni su prinosi u t/ha:    Vrsta đubriva Sorte  167 .67 16.639   NZR (α = 0.33 komada na 500 komada.   NZR = t(α .80 = 16.66 − 43.  Zasejane  su  4  sorte  kukuruza  na  istom  kvalitetu  zemljišta  pri  čemu  su  upotrebljene  iste količine 3 vrste mineralnih đubriva.31% ST − VR 1025 ⋅ 69.639   i 25.66 = 0 x ( B1 )1 − x ( B3 )3 = 26.63% ST − VR 1025 ⋅ 69.r ) ⋅ S x − x +1 ( i i ) NZR (α = 0.33 = 16.    ZADATAK 191.44 RB = = = 0.639 i 25.639 i 25.44 Odgovor: To znači da faktor B (vrsta lima) ima veći relativni uticaj na kvalitet kutija jer  je RB=36.05.33 − ( 4 − 1 ) ⋅ 69.80 = 25.639 i 25.67 16.33 = 16.076   d)     Da  bi  se  ocenio  relativan  značaj  uticaja  pojedinih  faktora  (proizvođači  vrste  lima) na kvalitet lima koriste se formule:  S − ( m − 1) ⋅VR 50 − ( 3 − 1 ) ⋅ 69.67 16.67 16.44   SB − ( S − 1) ⋅ VR 558.076   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x ( B1 )1 − x ( B2 )2 = 26.66 − 33.447 ⋅ 6.44 = = 6.707 ⋅ 6.33 = 10 16. t( 0.01.076 x ( B3 )3 − x ( B4 )4 = 33.6 ) = 3.Prosečno savijanje kutija proizvođača B4 iznosi 43.447.0931 ili 9.63%.076 x ( B1 )1 − x ( B4 )4 = 26.33 = 6.076 x ( B2 )2 − x ( B3 )3 = 26.33 = 6.66 − 33.80   S x − x +1 = (i i ) ni 3 t( 0.    Standarnde  greške  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu izraza:  2VR 2 ⋅ 69.66 − 26. nego faktor A (Proizvođač) koji nema značaj.44 RA = A = = 0.

93[t / ha ] .4  4.05. x ( B2 )2 = 4.33.3  A1 A2  A3 kukuruza  B2 B3 3.77.2  4.66 [t / ha ] .16 [t / ha ] .707. SR = 0. x ( B1 )1 − x ( B3 )3 = 0.2.3    Uz verovatnoću 95% i 99% proveriti:  a) Da  li  su  razlike  u  prinosu  kukruza  s  obzirom  na  vrstu  đubriva  slučajne  ili  statistički značajne?  b) Da  li  su  razlike  u  prinosu  kukuruza  obzirom  na  sortu  kukuruza  slučajne  ili  statistički značajne?  c) Testiratati najmanje značajne razlike.787 F( 0.3  5.589.01.   ST = 4.5  4. x ( B3 )3 − x ( B4 )4 = 0.801 F( 0.8  B4 5.2  3.2.8  4.   x ( B2 )2 − x ( B3 )3 = 0.6 ) = 3. x ( B1 )1 = 3.92  H0 se prihvata  b)    F0( B ) = 7. VR = 0.289.903.241[t / ha ]   t( 0.441. x ( B2 )2 − x ( B4 )4 = 0.01.2  4.    Rešenje:  m = 3.787 F( 0.   NZR(α =0.2.01.5.27. x ( B1 )1 − x ( B4 )4 = 1. x ( B1 )1 − x ( B2 )2 = 0.   VA = 0. t( 0.116.94.05.447.14  H0 se odbacuje  F0( B ) = 7. SA = 0.B1 3.6 ) = 5.6 [t / ha ] . n = 12.01) = 0. a)    F0( A) = 3.05. SB = 2. x ( B4 ) 4 = 4. S = 4.882. NZR(α =0.5  4. VB = 0.2.697.92   H0 se prihvata  c)      x ( xi − xi +1) = 0.14 F( 0.6 ) = 5.6  4.6 ) = 10.893.05) = 0. x ( B3 )3 = 4.6 ) = 10.44.           168   .6 ) = 2.71.

768 χ 0 2 = 6.1) = 6.692  120  0.1 Testiranje jednakosti originalnih i teorijskih frekvencija    ZADATAK  192.01  iz tablice  χ 2( 0.3. 635 χ2 Slika 14: Područja prihvatanja i odbacivanja H0       Odgovor:  Kako  je  χ 02 = 0.635     f (χ 2 ) 99% α = 1% χ 0 2 = 0.3 Testovi na osnovu χ  rasporeda  5.1 ⋅ 130 = 13   ‐3  9  0.635   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  99%  i  moće  se  smatrati  da  su  razlike  između  empirijskih  i  teorijskih  frekvencija  slučajne.  U  fabrici  za  proizvodnju  roto  papira  na  slučajan  način  izabrano  je  130  radnika.1) = 6.01.3.  od  kojih 10 prebacuje normu 30%.01.2 5.9 ⋅ 130 = 117   3  9  0.786    Za  r = m − 1 = 2 − 1 = 1  i  α = 0.    169 .  To  znači.076  130  130 0 ‐ 0.786 χ 2( 0.  da  u  celoj  fabrici  ima  10%  radnika  koji  prebacuju  normu za 30%.   Da li se uz verovatnoću 99% može prihvatiti hipoteza da 10% radnika u celoj fabrici  prebacuje normu za 30%?    Rešenje:    Tabela 5‐9: Radna tabela za izračunavanje  χ 02   Prebačaj  norme  Veći od  30%  Manji od  30%  Ukupno  ( fi )   2 Očekivani   rezultati  ( fi )   f ( fi ) − ( fi ) t   ⎡( f ) − ( f ) ⎤   i ⎣ i ⎦ ⎡( f ) − ( f )t ⎤ i i ⎦   2 χ0 = ⎣ f f t 2 10  0.3.

  Anketiranjem  1065  četvoročlanih  porodica  o  mesečnoj  potrošnji  mesa  u  kilogramima  dobijeni  su  rezultati:    Grad  A  B V  10‐15  71  63  41  Mesečna potrošnja mesa  15‐20  20‐25  25‐30  110  85  100  175  71  95  129  45  80    Uz verovatnoću 99% proveriti da li se potrošnja mesa statistički značajno razlikuje s  obzirom na grad u kome porodica živi?    Rešenje:  U  ovom  primeru  govori  se  o  testu  homogenosti.38 χ 2( 0.05.841.    5.  Proizvođač  mesa  isporučuje  meso  u  tri  različita  grada.  jer  se  testira  nulta  hipoteza  o  jednakosti različitih skupova različiti gradovi.3.  Da li se može prihvatiti hipoteza da je u celoj proizvodnji zastupljen odnos 90%:10%   (ispravan prema neispravan) uz verovatnoću 95%?    Rešenje:  χ 02 = 1.  t Potrebni podaci za izračunavanje teorijskih frekvencija fij ( )  nalaze se u tabeli:    Tabela 5‐10: Mesečna potrošnja mesa u odnosu na gradove  Grad  A  B V  Ukupno  Mesečna potrošnja mesa  10‐15  15‐20  20‐25  25‐30  71  110  85  100  63  175  71  95  41  129  45  80  175  414  201  275    Teorijske frekvencije se izračunavaju na osnovu formule:  170 Ukupno  366  404  295  1065  .  Kod proizvodnje jedne vrste proizvoda.ZADATAK  193.1) = 3.  H0 se prihvata. od 200 na slučajan način izabranih proizvoda.3.  175 su bila ispravna.2 Test homogenosti skupa    ZADATAK 194.

m fij (t ) = n ∑ ∑f fj ⋅ i =1 m i j =1 n ∑∑ f .67 1065 275 ⋅ 295 f34 = = 76.07 1065 275 ⋅ 366 f14 = = 94.27 1065   201 ⋅ 366 f13 = = 69.38 1065 414 ⋅ 404 f22 = = 157.47 1065 414 ⋅ 295 f32 = = 114.51 1065 175 ⋅ 404 f21 = = 66.04 1065   201 ⋅ 404 f23 = = 76.14 1065 414 ⋅ 366 f12 = = 142.25 1065 275 ⋅ 404 f24 = = 104.17 1065                   f11 = 171 .67 1065   201 ⋅ 295 f33 = = 55.  ij i =1 j =1 175 ⋅ 366 = 60.32 1065 175 ⋅ 295 f31 = = 48.

01  iz  tablice.3529  253.25  104.054  0.5616  27.3489  113.33  ‐10.6689  1.27  15.871      Za broj stepeni slobode  r = ( m − 1)( n − 1) = ( 3 − 1 )( 4 − 1) = 6   i rizik greske  α = 0.7649  30.14 142.172  2.961  7.    ZADATAK 195.192  21. To  znači da skupovi iz kojih su izvučeni uzorci nisu homogeni.67  55.  U  cilju  utvrđivanja  zavisnost  produktivnost  rada  u  odnosu  na  pogone  na  slučajan način popisan je časovni učinak 225 radnika.812  nulta hipoteza H0 se odbacuje  i može  se smatrati da između gradova postoji statistički značajna razlika u potrošnji mesa.871 χ 2 = 16.361  0.8624  55.4244 322.151  1.04  76.17  ‐ ij ⎣ ij 10.812 χ 0 2 = 21.07  94.812     f (χ 2 ) 99% α = 1% χ 0 2 = 16.  Fabrika  za  proizvodnju  metalnih  delova  u  tri  svoja  pogona  proizvodi  jednu  vrstu  proizvoda.38 17.6 ) = 16.83  ‐ ij ij 2 ⎡ fij − fij (t ) ⎤ ⎦   2 χ0 = ⎣ (t ) fij ⎦ 117.25  ‐9.319  0.  172 .871 χ2 Slika 15: Područja prihvatanja i odbacivanja H0       Odgovor: Kako je  χ 02 = 21.51  66.32  48.045  0.47 14.49  ‐3.5616  86.319  3. očitava se  χ 2( 0.86 ‐32.67  3.1401  11.27  69.791  2.47 114.93  8.9396 1041.Orginalne  frekvencije  fij   71  110  85  100  63  175  71  95  41  129  45  80  1065  Tabela 5‐11: Orginalne i teorijske frekvencije  Teorijske  2 t frekvencije  ⎡ f − f (t ) ⎤   f − f ( )  f fij ( )   60.32  ‐7.832  1.674  0.96  ‐5.01.8009 205.67  76.38 157.8489  14.

  173 .01. da produktivnost ne zavisi od vrste pogona.  Pogon  A1 A2 A3 55‐60  21  18  20  Učinak u komadima  60‐65  65‐70  15  11  17  19  21  15  70‐75  22  21  25    Uz verovatnoću 99% testirati hipotezu.    Rešenje:  χ 02 = 2.9139 χ 2( 0.6 ) = 16.   H0 se prihvata.812 .

1 Linearna i korelaciona analiza    ZADATAK 196.3881  .07 4.  Prodaja jednog proizvoda u  103 komada i troškovi za reklamu u iznosila je:    Proizvodnja ( yi ):  Troškovi za reklamu ( x ) :  10  5  8  12  19  13  20  15  7  10  17  21  18  25    a) Prikazati ove podatke u dijagramu rasturanja.0816  20  25  400  625 500 20.44 ‐2.46 0.07 0.38 5.7569  12  17  144  289 204 13.  b) Izačunati jednačinu linearne regresije  c) Izačunati standardnu grešku  d) Odrediti očekivanu proizvodnju za  30i10 dinara reklame  e) Izračunati koeficijent korelacije  f) U dijagramu rasturanja ucrtaj liniju regresije    Rešenje:  5 Tabela 6‐1: Radna tabela za izračunavanje linearne regresije    Prodaja  ( Yi )  Troškovi za reklamu ( X i )  Yi 2   X i2   Yi i X i   Yc   10  15  100  225 150 14.2998  5  7  25  49 35 4.0049  87  113  1263  2053 1602   a)   174 (Yi − Yc )   (Yi − Yc )   2 13. utvrdi da li postoji korelaciona  veza i kakva je po jačini i smeru.3689  19  21  361  441 399 16.62 2.17 ‐1.6644  13  18  169  324 234 14.04 ‐1.17 1. pri čemu za promenljivu ( Yi ) uzeti prodaju.54 ‐0.13 0.6 REGRESIJA I KORELACIONA ANALIZA  6. a  za nezavisno promenljivu ( X i ) troškove za reklamu.04 1.2116  8  10  64  100 80 7.87 0.07 ‐0.

54                     Yc3 = −1.863 X i                     Yc1 = −1.Slika 16: Dijagram rasuranja      Iz dijagrama rasturanja uočavamo da između prodaje jednog proizvoda i troškova za  njegovu reklamu postoji pozitivna korelaciona veza (tačke se grupišu od donjeg levog  ugla  ka  gornjem  desnom  uglu).503                          1383 = 1602b                       b = 0.863 (15 ) = 11.  što  znači  da  sa  porastom  troškova  za  reklamu  povećava se i prodaja proizvoda. Što se tiče jačine korelacione veze može se reći da je  ona jaka jer se tačke grupišu oko zamišljene prave linije interpolirane između tačaka  u dijagramu rasturanja.863 ( 7 ) = 4.863                        Yc = −1. 44                     Yc2 = −1.863)   −9831 = −791a − 12769b               7 a = −10.863 (10 ) = 7.503 + 0.503 + 0.503 + 0.13   175 .519   11214 = 791a + 14371b                  a = −1.    b) Jednačina linearne regresije:  Yc = a + bx           Parametri a i b izračunavaju se iz sistema jednačina:  Yi = na + b X i                     ∑ ∑ ∑ X iYi = a∑ X i+b∑ X i 2   87 = 7 a + 113b / ( −113)                7a + 113b = 87   1602 = 113a + 2053b / (7)             7 a = 87 − 113(0.503 + 0.

07   c) Standardna greška regresije je:    n           SYc = ∑ (Y − Y ) i =1 i 2 c = 13.383i103  komada.3698  19  21  6.43  5.57  57.86 23.6249 ‐6.863 (17 ) = 13.6196 31.3249 1.503 + 0.6996 27.7702  5  7  ‐7.14 37.9049 ‐1.0602  20  25  7.863 X i       Yc = −1.863 ( 21) = 16.43  55.86 3.57  43.  d) Yc = −1.503 + 0.    e) Koeficijent korelacije:    Tabela 6‐2: Radna tabela  ( X i − X )   ( Xi − X ) ( X i − X )(Yi − Y )   Yi   Xi   (Yi − Y )   (Yi − Y ) 10  15  ‐2.43  19.2049 ‐9.                  Yc4 = −1.1649 4.7396 ‐0.7143 ‐ 229.14 1.4596 1.17                     Yc5 = −1.863 ( 30 )       Yc = 24.503 + 0.5396 67.503 + 0.4996 67. 04                     Yc7 = −1.57  0.1849 0.863 (18) = 14.3881 = 1.86 0.43  0.9125   7 SYc = 1.14 83.503 + 0.503 + 0.9102  8  10  ‐4.9302  13  18  0.387     Očekivana  prodaja  za  troškove  reklame  od  30i105   dinara  je  24.383   Srednja mera odstupanja prodaje od linije regresije iznosi  1.8572 197.3049 8.0702  ‐  181.387i103   komada.86 79.2996 2.2002  12  17  ‐0.5714  87  113  2     176 2   . 62                     Yc6 = −1.863 ( 25 ) = 20.

9667   204.5714 197.    ZADATAK 197.9667i100   r 2 = 96. 7143 41768.6  7  7.8  Vodeni talog u cm:  7  15  9  10  13  11    a) Prikazati  ove  podatke  u  dijagramu  rasturanja  i  utvrditi  da  li  postoji  korelaciona veza i ako postoji kakvog je smera i jačine  b) Odrediti jednačinu linearne regresije i ucrtaj u dijagramu rasturanja   c) Izračunati standardnu trešku regresije  d) Izračunati koeficijent korelacije        177 . 43i103  komada  7 n X= ∑X i =1 i = n     113 = 16.5714 =   229.  Prinos suncokreta u t/ha i količina vodenog taloga na jednom poljoprivrednom dobru  po godinama iznosili su:    Godine:  1998  1999  2000  2001  2002  2003  Prinos:  6  8  5. 67%   r2 =             Korelaciona  veza  između  prodaje  jednog  proizvoda  i  troškova  za  reklamu  je    96.14i105  dinara  7 n r =± ∑( X i =1 2 n ∑( X i =1   i − X )(Yi − Y ) i n − X ) i ∑ (Yi − Y ) 2   2 i =1 197.5714 r2 = = 0. 43     Prosečna prodaja je  12.67% (pozitivna i jaka).8572i181.3730 r 2 = 0.14  Prosečna ulaganja u reklamu je  16.5  7.n   Y2 = ∑ Yi = i =1 n 87 = 12.34 197.

 izabranih na slučajan način. broj zaposlednih u hiljadama i društveni  proizvod u  108  dinara su:    Broj zaposlenih: 16  4  58  27  19  125  130  141  Društveni proizvod: 8  2  25  11  3  55  56  58    a) Prikazati  ove  podatke  u  obliku  dijagrama  pasturanja  i  utvrditi  da  li  postoji  korelaciona veza i kakva je po jačini i smeru  b) Odrediti jednačinu linearne regresije i ucrtati je u dijagram rasturanja  c) Izračunati standardnu grešku regresije  d) Oceniti društveni proizvod za  110i10  zaposlenih  e) Izračunati koeficijent korelacije  3   Rešenje:  a) Samostalno uraditi    b) a=0. 490 [t / ha ] r 2 = 83.  b=0.   b=0.  U osam opština.635 .51%       ZADATAK 198.86. 421X i     c)  SYc = 1.    Yc = 0.Rešenje:  a=3. 945 ⎡⎣108 динара ⎤⎦     e)  X i = 65. 421(110)        Yc = 46. 635 + 0.89%             178 . 635 + 0. 063 ⎡⎣108 динара ⎤⎦     d)  Yc = 0. Yi = 28.   2                      r = 0. 288 X i   SYc = 0.9989i100                        r 2 = 99.86 + 0.421 .288  Yc = 3.

 ako se isključi utrošeno mineralno đubrivo.  Prinos  šećerne  repe.8 t  179 .8 [t ] = 34 5   Prosečan prinos šećerne repe na 5 parcela je 6.  d) Izračunati  parcijalni  koeficijent  korelacije  i  koeficijent  determinacije  za  vezu  između  dubine  oranja  i  utorešenog  mineralnog  đubriva  ako  se  isključi  prinos  šećerne repe.  b) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između prinosa  šećerne repe i dubine oranja.1 Parcijalna korelacija    ZADATAK 199.  pa  vezu  između  prinosa šećerne repe i mineralnog đubriva.  dubina  oranja  i  utrošeni  je  minimalno  đubrivo  na  5  parcela  zemljišta istog kvaliteta:  Prinos šećerne repe Yt ( x1 )  :  5  3  6  9  11  Dubina oranja u cm (x2)  25  21  20  38  39  mineralno đubrivo u kg (x3)  610  280  710  860  910    a) Izračunati koeficijente proste linearne korelacije.1. ako se isključi dubina oranja.6.    Rešenje:    Tabela 6‐3: Radna tabela  Prinos  Dubina  đubrivo       (x1) (x2) (x3) ( x1 ⋅ x2 )   ( x1 ⋅ x 3)   ( x2 ⋅ x 3)   ( x1)2   ( x2 )2 ( x3)2     5  25  610  125  3500  15250  25  625  372100  3  21  280  63  840  5880  9  441  78400  6  20  710  120  4260  14200  36  400  504100  9  38  860  342  7740  32680  81  1444  739600  11  39  910  429  10010  35490  121  1521  82810  34  143  3370  1079 25900  103500 272 4431  2522300    a)       x1 = ∑x 1 n x 1 = 6.  c) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije.

26 23.8 ⋅ 28.128 180   .6cm.8 − 194.8   n 5 x2 x3 103500 C23 = − x2 ⋅ x3 = − 28.24 = 8.32 = = = 0.96 = 68.48 = 21.32 5 n x1 x3 25900 C13 = − x1 ⋅ x 3 = − 6.4 − 46.16 n σ 1 = 8.∑x 2 x2 = = 143 5   n x 2 = 28.9218   σ 1 ⋅σ 2 2.6 = 215.2 − 817.62 = 886.01   Koeficijenti proste linearne korelacije:        ∑ x22 − x22 = 4431 − 28.4 = 1423.6 n 5   Varijanse i standarnde devijacije:    ∑ ∑ ∑ σ 12 x12 2 272 ∑ = − x1 = − 6.6 ⋅ 674 = 20700 − 19276.24 n σ 2 = 68.24 = 8.32 21.6cm Prosečna dubina oranja je 28.  x3 3370 x3 = = n 5   ∑ x 3 = 674kg   Prosečna količina utrošenog mineralnog đubriva je 674kg.26   5 r12 = C12 21.8   σ 22 = σ 32 5   x32 2 2522300 ∑ = − x3 = − 6742 = 504160 − 454276 = 50184 n 5 σ 3 = 50184 = 224.8 ⋅ 8.    Kovarijacije    x1 x2 1079 C12 = − x1 ⋅ x 2 = − 6.2 = 596.8 ⋅ 674 = 5180 − 4583.16 = 2.82 = 54.

7693) (   r12⋅3 = )( )( ) ( 0.9514 ⋅ 0.8   = = 0.    r23 = C23 1423.32     Odgovor:  Korelaciona  veza  između  dubine  oranja  i  količine  utrošenog    mineralnog  đubriva je pozitivna jaka.    C 596.7319 (1 − 0.01 1850.8 596.9318 2   r 2123 = 0.1899 0.9218 − 0.6 = = = 0.      181 .4082 0.  izračunava  se  na  osnovu obrasca:    r12 − r13 ⋅ r23 0. pozitivna i veoma jaka    Koeficijent determinacije    r 2123 = ( 0.228         Odgovor: Korelaciona veza između prinosa šećerne repe i količine đubriva  je  pozitivna i veoma jaka.9653 ) = 0.  Odgovor:  Korelaciona  veza  između  prinosa  šećerne  repe  i  dubine  oranja  je    pozitivna i veoma jaka.  ako  se  iključi  uticaj  utrošeog  mineralnog  đubriva.18% Odgovor:  To  znači  .9653   pokazuje  da  je  veza  između    prinosa šećerne repe i dubine oranja.5918 ) = ) 0.19671 r12⋅3 = 0. ako se isključi uticaj količine utrošenog    mineralnog đubriva.90516 )(1 − 0.6 1423.82% je uticaj ostalih faktora i slučajnosti.9514   r13 = 13 = σ 1 ⋅σ 3 2.26 ⋅ 224.9514 ) 1 − ( 0.7693 r12⋅3 = = 2 2 1 − r132 ⋅ 1 − r232 1 − ( 0.9218 − 0.9318 ⋅ 100 = 93. 6.8 ⋅ 224.01 627.1899   = 0.  da  na  prinos  šećerne repe 93.7693   σ 2 ⋅σ 3 8.    Parcijalni koeficijent korelacije i koeficijent determinacije    b)  Parcijalni  koeficijent  korelacije  za  vezu  između  prinosa  šećerne  repe  i  dubine  oranja  ako  se  isključi  uticaj  utrošenog  mineralnog  đubriva.0948 ⋅ 0.9653     Parcijalni  koeficijent  korelacije  r123 = 0.18% utiču dubina oranja.

2423 0.68% utiču utrošeno mineralno đubrivo. izračunava se na osnovu  obrasca.32%   je  uticaj ostalih faktora i slučajnosti.9568 ⋅ 100 = 95.9218 ) 1 − ( 0.  ako  se  isključi  dubina  oranja  pozitivna i veoma jaka    Koeficijent determinacije    r 213⋅2 = ( 0.9218 ) 1 − ( 0.  ako  se  usključi  dubina  oranja  izračunava  se  na  osnovu  obrasca:    r13 − r12 ⋅ r23 0.1503 ⋅ 0.5918 ) = ) 0.9568 2   r 213⋅2 = 0.  182 .0949 0.9514 ) (   r23⋅1 = )( )( ) ( 0.2477 r12⋅3 = 0.7091 (1 − 0.8497 )(1 − 0.9514 r23⋅1 = = 2 2 1 − r122 ⋅ 1 − r132 1 − ( 0.9020           Odgovor:  Ovaj  koeficijent  pokazuje  da  je  veza  između  dubine  oranja  i  utrošenog mineralnog đubriva. negativna  i jaka.1077   = 0.c)  Parcijalni koeficijent korelacije za vezu između prinosa šećerne repe i utrošenog  mineralnog  đubriva.9514 − 0.1503 ⋅ 0.7693 r13⋅2 = = 2 2 1 − r122 ⋅ 1 − r232 1 − ( 0.2423   = 0.9051) = ) −0. ako se isključi prinos šećerne repe.9782  pokazuje da je veza  između  prinosa  šećerne  repe  i  utrošenog  mineralnog  đubriva.    d)  Parcijalni  koeficijent  korelacije  za  vezu  između  dubinu  oranja  i  utrošenog  mineralnog đubriva.    r23 − r12 ⋅ r13 0.   da  na prinos šećerne repe 95. ako se isključi prinos šećerne repe.7693 − 0.9218 ⋅ 0.7693 − 0.1194 r23⋅1 = 0.9782   Odgovor:  Parcijalni koeficijent korelacije  r13⋅2 = 0.9218 ⋅ 0.4082 0.8497 )(1 − 0.8770 (1 − 0.9782 ) = 0.1077 −0. ako se iključi uticaj dubine oranja na prinos sećerne repe. a 4.9514 − 0.68%     Odgovor: To znači .7693) (   r12⋅3 = )( )( ) ( 0.

 utrošena sredstva u 105 dinara za  zaštitu životne sredine i broj obolelih od disajnih puteva u 5 opština bio je:  Emisija SO2 :  11  8  4  6  3  Utrošena sredstva  6  4  2  3  1  broj obolelih  15  9  5  7  4  a) Izračunati koeficijente proste linearne korelacije. x3 = 8 [ broj obolelih]   ⎣ ⎦ ⎣ ⎦   C12 = 4.87.     ZADATAK 200. r 223⋅1 = 7.36%     Odgovor: To znači .  Zagađenost vazduha ugljen dioksidom SO2  μg / m3 .6.9277.1132. σ 3 = 3. r13 = 0. C13 = 11.       r12 = 0.72. σ 2 = 1.36%  utiče  količina  utrošenog  mineralnog  đubriva  a  18.8136 2   r 213⋅2 = 0.2 ⎡105 din ⎤ .89.Koeficijent determinacije    r 223⋅1 = ( −0. ako se iključi uticaj prinosa sećerne repe.  b) Izračunati parcijalni koeficijent i koeficijent determinacije  za vezu između emisije  SO2 i utrošenih sredstava ako se isključi uticj obolelih.9865   b)      c)   r12⋅3 = 0.57%.9856.92.64%  je  usticaj  ostalih  faktora slučajnosti. na dubinu  oranja  81. x2 = 3.  c) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između emisije  SO2 i broja obolelih.2752.06%     d)   r13⋅2 = 0.ako se isključi uticaj utrošenih sredstava  d) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  utrošenih sredstava i broja obolelih ako se iskljuci uticaj emisije SO2    Rešenje:    a) x1 = 6. r 212⋅3 = 86.8136 ⋅ 100 = 81.   σ 1 = 2. r 213⋅2 = 1.4 ⎡ SO2 μg / m3 ⎤ .   183 . r23 = 0.9020 ) = 0.9979. C23 = 6.28%         r23⋅1 = 0.

  b) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  vredosti opreme i broja radnika ako se isključuje zarada. C23 = −202.8687.27%   r23⋅1 = 0.82%.ZADATAK 201. x2 = 8 [ komada ] .4098.  Vrednost opreme po radniku u mil. r 213⋅2 = 89.72%   r13⋅2 = 0.72.   σ 1 = 4.9448.19.  b) Izračunati parcijalni koeficijent . x3 = 274.  c) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  vrednosti  opreme i zarade ako se isključi broj radnika  d) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  broja  radnika i zarade ako se isključi vrednost opreme        184 .    Rešenje:  a) x1 = 7 [godina ] . dinara. r23 = −0. r 223⋅1 = 1.1349. σ 2 = 5.099.       r12 = −0. σ 3 = 47.  Posmatrano  je  sedam  radnika  u  jednom  proizvodnom  pogonu  i  dobijeni  su  sledeći  podaci:  dužina radnog staža (god) :  1  3  5  7  9  11  13  broj škarta proizvoda (kom)  12  18  9  6  5  4  2  2 zarada radnika (10  din)  210  230  250  270  290  310  360  a) Izračunati koeficijente proste linearne korelacije. r13 = 0. broj radnika i zaradi u m. r 212⋅3 = 16.       ZADATAK 202.8429       b)         r12⋅3 = −0.82.9840. C13 = 185.28 ⎡102 dinara ⎤ ⎣ ⎦   C12 = −17.75.dinara u jednoj  kompaniji bili su:     vrednost opreme  3  4  6  8  9  11  broj radnika  4  5  7  9  11  13  zarade  2  3  5  10  14  17  a) Izračunati koeficijente proste linearne korelacije.

din]       b)      C12 = 8.14%.93.  b) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između tražnje i  cene ako se isključi ponuda  c) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između tražnje i  ponude ako se isključi cena  d) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između cene i  ponude ako se isključi tražnja    Rešenje:  a) x1 = 12.     σ 1 = 5.62.9694. r 213⋅2 = 54.2.  U jednom preduzeću tražnja cena i ponuda jednog proizvoda bila je:    tražnja  17  16  15  11  2  cena  14  17  19  22  24  ponuda  19  26  31  34  39  a) Izračunati koeficijente proste linearne korelacije.96%. r 223⋅1 = 22.16 [ br radnika ] .54. σ 3 = 6.5074.9822. σ 3 = 5.20.83[ mil. C13 = −32.74%     d)   r13⋅2 = 0.76%     d)   r13⋅2 = 0.8.36.8872. r13 = 0.24. C13 = 15.29%   r23⋅1 = −0. r 223⋅1 = 93. C23 = −24. r 212⋅3 = 25.2. r 212⋅3 = 90.       r12 = 0.04.4705.3092.   r12 = 0.45.9913   b)      c)   r12⋅3 = −0. r23 = 0. x3 = 29.       ZADATAK 203. x2 = 19. r23 = 0.8606.din] . x3 = 8.85.47. r 213⋅2 = 9.7638.9966. r13 = 0.8   C12 = −17.9527.   σ 1 = 2. σ 2 = 3. x2 = 8.   185 . C23 = 17.56%     r23⋅1 = 0. σ 2 = 3.49.Rešenje:  a) x1 = 6.9716     c)   r12⋅3 = 0.5[ mi.

1   5 ⋅ 24 5 ( 5 − 1) n ( n − 1) 2 6 r '12 i =1 2 2 r '12 = 0.6.  Rešenje:    Tabela 6‐4: Radna tabela za određivanje koeficijenta korelacije ranga  vrednost rang  obeležja  pogoni  di   di 2   X1 X2 X1 X2 I 32 18 5 5 0 0 II  41  25  3  4  ‐1  1  III  58  32  2  3  0  0  IV  63  36  1  1  0  0  V  39  28  4  2  1  1  ukupno ‐ ‐ 15 15 0 2   Kontrola da li je dobro izvršeno rangiranje vrši se na osnovu izraza:  n ( n + 1) 5 ⋅ ( 5 + 1) ZR ' = = = 15   2 2 Koeficijent korelacije ranga izračunava se na osnovu izraza  n ∑ di 6 ⋅2 12 =1− =1− =1− = 1 − 0.90.            186 ..  Vrednosti  proizvedene  opreme  po  radniku  i  broju  izrađenih  komada  na  čas  u  5  pogona bio je:    pogoni:  I  II  II  IV  V  vrednost proizvodnje:  32  41  58  63  39  broj komada  18  25  32  36  28  Izračunati koeficijent korelacije ranga.2 Korelacija ranga    A) Spermanov koeficijent korelacije ranga    ZADATAK 204.1. Odgovor:  Korelaciona  veza  između  ranga  vrednosti  proizvodnje  i  ranga  izrađenih  broja komada je pozitivna i jaka.

9642   8 ( 8 − 1) n ( n − 1) 2 6 r '12 i =1 2 2   B) Kendallov koeficijenat korelacije ranga    ZADATAK 206.25  6  8  3  5.  U  jednom  preduzeću  za  proizvodnju  jedne  vrste  proizvoda  (izraženo  u  godinama)  i  napravljenog škarta iskazano je u komadima:    radni staž škart 1 20 2 18 3 18 4 10 5 8 6 8 7 5 8 4 Izračunati koeficijent korelacije ranga.5  6.  U sedam preduzeća za proizvodnju šampona z akosu u litrima.5  3.ZADATAK 205.25 3  18  6  2.5  20.    Rešenje:    Tabela 6‐5: Radna tabela za određivanje koeficijenta korelacije ranga  vrednost rang  obeležja  di   di 2   X1 X2 X1 X2 1 20 8 1 7 49 2  18  7  2.25  7  5  2  7  ‐5  25  8  4  1  8  ‐7  49  ‐ ‐ 36 36 0 165   n ∑ di 6 ⋅ 165 =1− =1− = 0.5  2.5  ‐1.5  ‐2.          187 152 145 41 175 160 46 164 189 44 190  191  42  . vrednost proizvodne  opreme u 105 dinara i udeo kvalifikovanih radnika iznosili su:    proizvodnja: vrednost opreme: udeo KV radnika: 152 150 28 164 138 31 180 189 41   Izračunati koeficijenat korelacije ranga.5  12.5  4.25 4  10  5  4  1  1  5  8  4  5.

5    Izračunati koeficijenat korelacije ranga.  broj hektara i prinos kukuruza iznosili su :  n ∑ 2 ∑   broj mašina: broj zaposlenih broj hektara: prinos kukuruza t/ha: 31 116 1200 4.1 50  145  2300  7.5  306.5 342.5 − 8.5  2  9  81  190  191  42  1  1  3  5  25  ‐  ‐ ‐ 28 28 28 84 1188.5  9  81  152  145  41  6.  broj  zaposlenih. vrednost opreme i udeo Kv radnika pozitivna i značajna.  Kod  šest  poljoprivrednih  preduzeća.6 42 120  1500 3.    Rešenje:    r ''12 = 0.7144.    ZADATAK 207.5  2.5 5 7 18.5  6  4.  broj  poljoprivrednih  mašina. Odgovor:  Kandall‐ov  koeficijenat  korelacije  ranga  pokazuje  da  je  korelaciona  veza  između rangova proizvodnje.5  .7571.     188 29 131 2100 5.5    Koeficijent korelacije se izračunava na osnovu formule:  2 ⎛ n ⎞ n Si − ⎜ Si ⎟ 12 12 7 ⋅ 1188.5  7  6  17.25  164  138  31  4.5  4.0 47 140 2500 7.5 45 110 1800 6.Rešenje:  Tabela 6‐6: Radna tabela za određivanje Kendalovog koeficijenta  rang proizvodnja  vrednost  udeo KV  Si   Si 2   X1  opreme X2 radnika X3  X1 X2 X3 152  150 28 6.5  17  289  175  160  46  3  4  1  8  64  164  189  44  4.42   r ''12 = 2 ⋅ i =1 3 ⎝ i =1 ⎠ = 2 ⋅ m ⋅n n −n 3 ⋅7 73 − 7 r ''12 = 0.25  180  189  41  2  2.

Sign up to vote on this title
UsefulNot useful