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

1. CIKLIČNE VARIJACIJE 77 77 80 84 90 112 II . Linearni trend 3.DEO ELEMENTI TEORIJE VEROVATNOĆE 4.3. STATISTIČKI TESTOVI NA OSNOVU UZORAKA 5.3 Eksponencijalni trend 3. JEDNODIMENZIONALNA PREKIDNA SLUČAJNA PROMENLJIVA 135 5.1.1. ELEMENTI TEORIJE VEROVATNOĆE 4.3. Parabolični trend 3.2.3.3.1.9. METOD UZORKA 5. Teorema Bernulija 4. Testovi na osnovu „T“ raspodela 5.3.9.3.8.4. ZBIRNA VEROVATNOĆA 4. STATISTČKE TABLICE 189 Literatura 119 119 119 120 121 122 123 125 127 129 129 131 132 133 215 .1. Testovi na osnovu „F“ raspodele 5.2. BAJERSOVA VEROVATNOĆA 4. BINOMNA VEROVATNOĆA 4. VEROVATNOĆA “A PRIORI” 4.1.2.3.3.10. OCENE NA OSNOVU UZORAKA 5.1.9. Parcijalna korelacija 6.6. CENTRALNA GRANIČNA TEOREMA 4. ZAKON VELIKIH BROJEVA 4. VEORVATNOĆA “A POSTERIORI” 4. TREND 3.7.3. Teorema Čebišova 4.11.2.4. Nejednačina Čebiševa 4. SLOŽENA VEROVATNOĆA 4. LINEARNA I KORELACIONA ANALIZA 6. VELIČINA UZORKA 5.3.2. REGRESIJA I KORELACIONA ANALIZA 6.5.1.5. PUASONOVA VEROVATNOĆA 4.3.9. Korelacija ranga 174 174 179 186 7.1. USLOVNA VEROVATNOĆA 4.2.3. Testovi na osnovu χ2 rasporeda 140 140 142 150 150 157 169 6. SEZONSKE VARIJACIJE 3.

I .DEO Statistika .

.

1. Zatim se prebrojavaju koliko se puta pojavljuju pojedinačne vrednosti obeležija pa se te brojke upisuju u tabelu. Tabela 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). 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.1. PRIKAZIVANJE STATISTIČKIH PODATAKA 1. a zatim se vrednosti ređaju po rastućem nizu u tabeli. STATISTIČKE SERIJE I TABELE ZADATAK 1. 3 log N 1 .

66 6 i | 11 (širina intervala) Tabela 2.8745 i i K | 6 (intervala) 100  36 6 64 10. 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 3.8745 5. 47712 1  4.3 ˜ log 30 1  3. – 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 ˜1.a širina intervala pomoću izraza: i K K K K X max  X min K 1  3. – 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 .

8745 i i 25  10 6 15 2. 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.b) K 1  3. 6 X max min i|4 Tabela 5. 4471 1  4. 47712 K 1  4. 77562 5. – 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 .3 ˜ log 30 K 1  3.3 ˜1.3 ˜1. 77562 K |6 i i i X K 29  7 6 3.5 6 K | 6 (intervala) i | 3 (širina intervala) Tabela 4.3 ˜ log N 1  3.3 ˜ log 28 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 3.8745 K 5.

2+11+5+5. 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<log N 1  3. 43136 1  4. 28-2-11. pa zatim svakog narednog intervala do početne frekvencije: 28. 7235 5. Tabela 6. 28-2-11-5. 28-2.b) Kumulativ „iznad“ izračunava se tako što krećemo od n-zbirne frekvencije i oduzimamo frekvencije najpre prvog. itd Kumulativ „ispod“ izračunava se tako što se kreće od frekvencije početnog intervala pa se redom sabiraju frekvencije 2.3<1. 66 X max min i | 10 4 71 92 75 79 65 91 81 47 51 . – 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. 2+11. itd.3<log 27 1  3. 2+11+5. U jednom plasteniku 27 radnika ubralo je povrća u kilogramima za 8 časova rada. 7235 K |6 i i i X K 92  34 6 9.

83 X max min i|4 5 13 13 17 .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. 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<log 24 K 1  3. 27 Za drugi interval: 11 < 100 40.55469 K 5. 27 Tabela 8.52% .55469 K |6 i i i X K 30  7 6 3.3<1. 72% .3802 K 1  4. itd.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.

– 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. GRAFIČKO PRIKAZIVANJE STATISTIČKIH SERIJA ZADATAK 6. – Promet po prodavnicama u 103 din.2. 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.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 / .

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

60205 3 0.77815 4 0.30103 IV 3 0.69897 III 4 0.47712 6 0.ZADATAK 7.47712 5 0.30103 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. 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 11.60205 II 2 0.47712 2 0.47712 a) Slika 4.30103 4 0. – Utrošeno radnih časova po pogonu (histogram) 8 .60205 5 0.69897 2 0.47712 3 0.60205 V 4 0.47712 VI 2 0.30103 4 0.60205 3 0.

b) Slika 5. 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 . – Utrošeno radnih časova po pogonu (polulogaritamski dijagram) ZADATAK 8. – Utrošeno radnih časova po pogonu (poligon) c) Slika 6.

58% Ÿ D 3 <360q | 56q 3400 3400 730 730 Kupus: <100 21. 48% Ÿ D 4 <360q | 77q 3400 3400 680 680 Boranija: <100 20% Ÿ D 5 <360q | 72q 3400 3400 Krompir: Slika 8.94% Ÿ D 2 <360q | 65q Grašak: 3400 3400 530 530 Luk: <100 15.Rešenje: Grafički prikaz u obliku histograma Slika 7. – Količina proizvedenog povrća 10 . – Količina proizvedenog povrća b) Grafički prikaz u obliku strukture kruga 850 850 <100 25% Ÿ D1 <360q | 90q 3400 3400 610 610 <100 17.

58. 590.8. 25 Odgovor: Prosečan prinos povrća na 8 parcela je 726. 48.6. 60.1. Izračunati prosečan broj spakovanih kutija sa kafom u uzorku od 10 radnika.1.2.2. 840. 74.9. IZRAČUNATE SREDNJE VREDNOSTI 2. 12. 65. Rešenje: n X X X xi i 1 n . 750. Izračunati prosečan radni staž u uzorku od 10 radnika. 720. 11. kutija ZADATAK 11. 5. 59. 11 . Aritmetička sredina a) Prosta aritmetička sredina ZADATAK 9.8. 76. 10. 10. 53.1. STATISTIČKA ANALIZA 2.4.3. Za osmočasovno radno vreme 10 radnika spakovalo je kutije sa kafom: 52. 630. 25 5810 8 726. 8. Rešenje: X 60. 680.1.5. 6. U jednom industrijskom pogonu 10 radnika imalo je radni staž: 15.2. 9. 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. 780. 64.25 kilograma ZADATAK 10. 16.2. Prinos povrća na 8 parcela iznosio je u kilogramima 820. Izračunati prosečan prinos povrća na osam parcela.

– 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. 3650. 12 . Rešenje: X 2300 > dinara @ b) Ponderisana aritmetička sredina ZADATAK 13. 6 > godina @ ZADATAK 12.6. 2340. Ip 111.5.4. Izračunati prosečnu platu u uzorku od 8 radnika. (X): 6 12 18 10 11 8 13 Broj domaćinstava (f): 10 20 32 15 21 11 21 Izračunati prosečnu mesečnu potrošnju po domaćinstvu. 1800. U jednoj štampariji 8 radnika primilo je plate u jednom mesecu u dinarima: 850.Rešenje: X 10. 2100. U uzorku od 130 domaćinstava mesečna potrošnja mlečnih proizvoda iznosila je: Potrošnja u kg. 3460. 45 Prosečna mesečina potrošnja mlečnih proizvoda po domaćinstvu je 12.45 kg. 3100. 1100.19% Rešenje: Tabela 12.

8 [ gr.75 236. Raspored 60 radnika u uzorku prema učinku o montaži monitora za kompjutere je: Učinak (kom. Rešenje: X 98.25 7. – Ispitivanje čvrstoće čelika Opterećenje u kg / cm 2 ( X ) : Broj proba (fi): Razredna sredina (Xi) Xi fi 4. 13 . 75 8.25 9. Ispitivanje čvrstoće čelika u uzorku proizvedenog u jednoj čeličani dalo je sledeće rezultate: Opterećenje u kg / cm 2 ( X ) : 4.5-12 8 15 35 21 Broj proba (fi): Izračunati prosečnu čvrstoću čelika.5-8 8.ZADATAK 14.99 kg / cm 2 .5-10 10. Merenjem mase 150 komada kifli u uzorku od 100 grama dobijene su vrednosti: Masa u gr. 75 79 / Xi fi 710.25 42 108.25 fi 79 UKUPNO: 4 X Xi fi i 1 n fi 710. ZADATAK 16.99 i 1 Prosečna čvrstoća čelika u uzorku od 79 proba iznosi 8.5-10 10. (Xi): 98 99 97 100 Komada (fi): 25 80 15 30 Izračunati prosečnu masu kifle.] ZADATAK 15.5-8 8.5-6 6.5-12 8 15 35 21 5.5-6 6.75 323.) (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 13.25 11.

2. Raspored 300 domaćinstava u uzorku prema mesečnoj potrošnji brašna u kg. Rešenje: X 28.8 [ komada] ZADATAK 17.543 komada.19185 G 155.37291 2. – Radna tabela za izračunavanje geometrijske sredine (Xi) Proizvodnja u 000 kom. 75 98 135 161 205 236 285 Izračunati geometrijsku sredinu.19185 2. Rešenje: Tabela 14. 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. 2002 2003 2004 2005 2006 2007 2008 75 98 135 161 205 236 285 1.34295 n log G log G G log Xi Godine: i 1 log X i n 15.45484 UKUPNO: / 15.99123 2.1.31175 2.87506 1. Geometrijska sredina a) Prosta geometrijska sredina ZADATAK 18. 773 [kg ] 2. Proizvodnja toaletnog sapuna u jednoj fabrici po godinama bila je: Godine: 2002 2003 2004 2005 2006 2007 2008 Proizvodnja u 000 kom.13033 2.Rešenje: X 129. 14 .20683 2.543 Prosečna proizvodnja toaletnog sapuna u toku 7 godina iznosi 155.34295 7 2.

30103 1.25527 1.47425 16.25562 10. ZADATAK 15.ZADATAK 14.09442 .69897 0.34573 18. 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. – Radna tabela za izračunavanje ponderisane geometrijske sredine Potrošnja mesa u kg.39794 17.79180 22.98970 / 103.07918 1. Na 6 radnih mesta u jednoj čeličani ostvarena je vrednost proizvodnje u 105 dinara.82908 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. Rešenje: Tabela 15. b) Ponderisana geometrijska sredina ZADATAK 16. 051 [komada].17609 1. 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. Radno mesto: Vrednost proizvodnje (Xi): 1 45 2 58 3 69 4 64 5 83 6 91 Izračunati geometrijsku sredinu Rešenje: 5 G dinara].40824 6.90309 1.

Rešenje: Tabela 16.89970 i 1 G G 0.n ¦ f <log Xi i log G i 1 n ¦f i i 1 log G G 103.5 5.90629 1. 03094 G 10.5 7.25826 0.5 7.74162 1. ZADATAK 17.5 12.5 11.938 t/ha.5 9.5 8.5-9.5-7.5 UKUPNO: Broj domaćinstava (fi) Razredna sredina Xi 26 20 58 35 11 ¦ fi 4.06601 / 134. ZADATAK 18.5-11.5-5.65321 16.95564 150 0.89970 7.5-7.5-13.5 11.5 6.5 5. 09442 1.5 10.5-5.98346 0. 03094 100 1. 16 1 10 2 32 3 26 4 14 5 11 6 8 7 4 .5 9.738 kg.5 26 20 58 35 11 Broj domaćinstava (fi): Izračunati geometrijsku sredinu.09691 12.92942 53. 738 Prosečna potrošnja mesa u 100 domaćinstava tokom jednog meseca je 10.938 Prosečan prinos raži po jednom domaćinstvu je 7. – Radna tabela za izračunavanje ponderisane geometrijske sredine Prinos raži u t/ha (Xi) 3.95564 n ¦ f <log Xi i log G i 1 n ¦ fi 134.5-9. 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.5-13.5-11.02118 35.81291 16. 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 / 150 log Xi fi < log Xi 0.

Harmonijska sredina a) Prosta harmonijska sredina ZADATAK 21. Vrednost investicija u 106 dinara u 40 pogona za proizvodnju nameštaja bio je.3. 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. 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 .1. Rešenje: G=8. 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.26 [komada motora]. 2.Rešenje: 2. Rešenje: 397[106 dinara] ZADATAK 20. 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. 5 [crepova] ZADATAK 19.

63 minuta IV radnik 8 60 46 10. U jednom selu na 500 stanovnika dolazi 10 traktora. Rešenje: 32. 77 Prosečna produktivnost rada u ova 4 preduzeća je 35. u drugom 8.1118 35. 20 minuta II radnik 8 60 32 15 minuta III radnik 8 60 38 12. Rešenje: 9. 43 minuta V radnik 8 60 50 9.77 časova. 0263 0.H 4 0. 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. ZADATAK 22. 6 minuta 18 III 38 IV 46 V 50 .92 [Traktora] ZADATAK 24. u četvrtom 11 a u petom 13. Rešenje: Za 8 časova rada radnici su pojedinačno utrošili minuta: I radnik 8 60 25 19. 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. 77 4 0. u trećem 9. 0222 0. 0233 H 35. 04 0.93[103 dinara] ZADATAK 23. Sela: Broj traktora (Xi): I 10 II 8 III 9 IV 11 V 13 Izračunati prosečan broj traktora u ovih 5 sela.

Na jednom prodajnom mestu prodato je meda u Kg po ceni: Med u kg (fi): 50 150 120 80 Cena u din. 2 15 12.57 minuta. 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. 0791  0. 238  0. 6 5 H 12. ZADATAK 26. 052  0. 0958  0. 467 Prosečna cena meda je 267. 428  0. Rešenje: Radna tabela za izračunavanje: 19 . 258 400 1. 6  0. 0666  0.3976 5 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. b) Ponderisana harmonijska sredina ZADATAK 25. primenom harmonijske sredine.57 0.524 262.H 5 1 1 1 1 1     19. 63 9. (Xi): 210 250 280 310 Izračunati srednju kupovnu moć dinara izraženu cenom 1 kg meda. 63 10.467 dinara po jednom kilogramu.

ZADATAK 27. Koliko je prosečno utrošeno vreme po jednoj toni iskopanog olova.Tabela 17. druga od 35 rudara 49 minuta.378 Za 8 časova rada 60 radnika prosečno je ubralo 158.077 160-170 15 165 0.091 170-180 7 175 0. 014[ KWh] ZADATAK 28. 730 0. Rešenje: H 30.04 130-140 6 135 0. U jednom rudniku olova prva brigada od 25 rudara za jednu tonu iskopane rude utroši 51 minut. – Ponderisane harmonijske sredine Ubrane šljive u kg (Xi) Broj radnika (fi) Razredna sredina (Xi) fi Xi 120-130 5 125 0.065 / 0.04 180-190 12 185 0. a četvrta od 50 rudara utroši 21 minut.021 150-160 12 155 0. Rešenje: H 417.730 kilograma šljiva.378 fi 60 / H 60 158. 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. 77 [minuta/t] 20 .044 140-150 3 145 0. treća od 45 rudara utroši 31 minut.

Promet (Xi): Broj prodavnica (fi): 15-25 5 25-35 6 Utvrditi najčešći promet ( Mo ) po prodavnici. ZADATAK 30. U 50 prodavnica mešovite robe ostvaren je dnevni promet u 103 dinara. 21 35-45 28 45-55 8 55-65 3 . Rešenje: 1100 [dinara] ZADATAK 31. 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 29.2. POZICIONE SREDNJE VREDNOSTI 2.2.1. 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.2. 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. Rešenje: Mo 175[cm] Najčešća visina studenata je 175 cm.

22 . Rešenje: 5734. U jednoj fabrici duvana 160 radnika spakovalo je za 8 časova rada sledeći broj boksova cigareta.5500 5500 . 248*103 dinara. Raspored 100 domaćinstava prema visini mesečnih prihoda u dinarima je: Mesečni prihodi u dinarima (Xi) 4500 .Rešenje: 1 x1 Tabela 18. – 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 0.5248*10 35 5. ZADATAK 33.6500 6500 .7000 Broj domaćinstava (fi) 16 20 35 18 11 Utvrditi najčešći mesečni prihod po domaćinstvu. 375 [dinara] ZADATAK 34. 248 40.6000 6000 .5000 5000 . 248 Najčešći promet po prodavnici je 40.

3100 Odredi medijanu. 1005. 3400. Medijana a) Negrupisani broj podataka (prosta serija) ZADATAK 35. 2800.2. ZADATAK 36. 35 [boksova] 2. Utvrditi medijanu ( Me ). 3200. 2100. Rešenje: 1000 [grama] 23 .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. Merenjem 9 kutija laka za parket dobijeni su rezultati: 990. 1006.2. 995. 3600. 998. 1000. 996. 1009. 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. 1000. U jednom mesecu 7 studenata primilo je stipendije u dinarima: 2500.

U 10 domaćinstava mesečna potrošnja hleba u kilogramima iznosila je: 29. 6. 6. 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 . 9. Rešenje: Me 7 [litara] ZADATAK 38. 32.Neintervalna numerička serija ZADATAK 39. Rešenje: 33 [kilograma] Grupisani podaci (složena serija) . 8. 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. 5. 28. 30. 31. 37. 35. 7. 4.ZADATAK 37. Rešenje: Radna tabela za određivanje medijane: Tabela 19. 34. 8. 40 Odredi medijanu. 39. 7. Odredi medijanu. 8. Na jednoj farmi 11 ovaca u toku jednog dana dalo je mleko u litrima: 5.

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. 25 7-9 10 9-11 11 11-13 3 13-15 2 . ZADATAK 40. 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. a druga polovina je prodata po ceni višoj od 32 dinara.Intervalna numerička serijaZADATAK 42. 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.n Mesto medijane fi i 1 2 895 2 447.

ZADATAK 43. 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. 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.5 2 2 9 7 19.3 Polovina parcela ima prinos ječma manji od 8. – 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. Rešenje: 2. a polovina parcela prinos veći od 8.3 10 Me 8. 27 [godina] ZADATAK 44.5 13 23 13 7 2 *6.3 t/ha.3 t/ha. Rešenje: 33.Rešenje: Tabela 20. 45 [dece] 26 .5 8.

Kvartili . 27 . 28. 12.ZADATAK 45. Rešenje: 15. 01[dan] 2. 26. 31 i 30. 40. 23. ZADATAK 47. 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. 37. 45. 21. 42 Izračunati kvartile Q1 i Q3 . U jednom preduzeću 9 radnika primilo je platu u hiljadama dinara: 10. 24. 15. Na sedam stabala oraha ostvaren je prinos u kilogramima: 30.2. 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.3. 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. 31. Izračunati kvartile: prvi ( Q1 ) i treći ( Q3 ).negrupisani podaci – ZADATAK 46.

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

1-101 101. 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 .1-105 Ukupno fi fQ1 *i 97.9 = 100.9 21 Jedna četvrtina kesica kafe ima 97. 75 3 ⋅ ∑ fi + 1 − ∑ f1 75.9 fQ3 32 Tri četvrtine kesica kafe ima 100. 75 − 44 4 Q3 = x1 + ⋅ i = 99. 25 4 4 fi 1 i 1 Q1 95. 3 IQ 3. 6 Interkvartilna razlika iznosi 3.1 25. Mesto Q3 fi 1 3* 4 3*(100 1) 4 75. – Radna tabela: Masa u gramima (Xi) Broj kesa (fi) Kumulanta rastuća n a) Mesto Q1 i 1 n x1 Q1 97. b) IQ Q3 Q1 IQ 100.6 grama.1-103 103.1-97 97.1 + ⋅1.9 grama i više.3 grama i manje. 25 23 *1. ZADATAK 54.3 fi 1 4 23 21 32 18 6 100 23 44 76 94 100 / 100 1 25.1-99 99.Izračunati: a) kvartile Q1 i Q3 b) interkvartilnu razliku Rešenje: Tabela 22.9 97.

15. 18. 21. n b) 2 i 1 n i 1 xi x 2 varijansa n xi n x 2 standardna devijacija 32 . 22.1. 85 [dinara ] 702. MERE VARIJABILITETA 2.3. 21 [dinara] 2. 25. 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.36 [dinara] . 13. 11. Q3 b) IQ 84. 28.Izračunati: a) kvartile Q1 i Q3 b) interkvartilnu razliku Rešenje: a) Q1 617.negrupisani podaci – ZADATAK 55. Varijansa. standardna devijacija i koeficijent varijacije . U 10 prodavnica u toku jednog dana prodata je sledeća količina testenina: 8.3. 30.

890kg. 2 488. 2 48. ZADATAK 56.9 / ( xi x) 2 123. Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije 33 .21 16.992 Srednja mera pojedinačne prodaje testenina od prosečne prodaje testenina iznosi 6. c) Kv Kv X 100 6.81 79. 2090 .21 118.90 191 19.992 100 36.90 10 48.2210 i 3210. Na slučajan način izabrano je 8 radnika u fabrici tekstila koji su u jednom mesecu primili plate:1750.890 Prosek kvadrata odstupanja pojedinačne prodaje testenine po jednoj prodavnici i prosečne prodaje testenina je 48.1 1.9 8.61 8.9 5. Radna tabela: Količina (Xi) 8 11 13 15 18 21 22 25 28 30 191 n X Xi ( xi x) -11.81 488.61% od aritmetičke sredine.992 kg.1 -4.21 3.41 34.1 -6.1 Standardna devijacija iznosi 36.Tabela 23. 2200.9 2.1 -1.89 6.61% 19.1 10 i 1 n Prosečno prodata testenina u 10 prodavnica je 19.21 65.61 37.9 10.81 1.1 -8. 2350.1kg. 2100. 1860.

84 246.numerička serija sa grupisanim podacima ZADATAK 58. X a) 2 b) 8.85 2084. 9.165[kg ] 25.78 27. X a) b) 2108.21 21. 2. σ 14. 8 i 12 Izračunati: a) Interval varijacije b) Varijansu i standardnu devijaciju c) Koeficijent varijacije Rešenje: 7[ kg ].06 116.Rešenje: 600[ dinara ].21 / 353.09 2630.30[dinara].14 174.86 / 34 fi *( Xi x) 2 3511. 687[kg ]. 7. 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 13. 7[ dinara ] 196. 44[ kg ] 4.65% c) . 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 24.01[dinara] 2 0. 6. 22 30 38 46 54 62 / 2 Xi * fi Xi x Xi x 220 540 1216 920 810 496 4202 -18.79 -2.30 548.42 7. Na 9 čokota vinove loze ostvaren je prinos grožđa u kg. 11.12 12641.50 449.79 5.79 -10. 5. 8.77 3620.97 .66% c) ZADATAK 57. 10. sred.

97 122.73. 12641. 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.) je 48 godina. 79 i 1 Prosečna starost radnika je 40. V2 ¦ fi Xi  x .79 godina. 73 103 Prosek kvadranta odstupanja pojedinačnih godina starosti radnika od prosečne starosti iznosi 122.a) xmax  xmin I I 66  18 48 Razlika između najstarijeg radnika (66) i najmlađeg radnika (18 god.

n V 2 i 1 n ¦ fi 122.14% od aritmetičke sredine.1-20 20. V 4.14 .1-14 14. Mesečna potrošnja mlečnih proizvoda kod 100 domaćinstava. c) V KV 11.37 29.1-8 8. 07 *100 27. iznosila je: Mesečna potrošnja (Xi): 5. 9[ kg ] 2 19.1-11 11. ZADATAK 59. 07 i 1 Srednja mera odstupanja pojedinačnih godina starosti radnika od prosečne starosti iznosi 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. na slučaj izabranih.07.14% 40. 73 11.1-17 17. 78 . 60% 35 . 79 *100 x Standardna devijacija iznosi 27. V c) KV 17.

28. U toku jednog meseca osam porodica u uzorku potrošilo je mleka u litrima: 10. 15. 20. 25. POKAZATELJI OBLIKA RASPOREDA 2. 17 Izračunati meru asimetrije i spljoštenosti.negrupisani podaci ZADATAK 60. 9. Radna tabela: Xi  x . 12.4. Mera asimetrije i spljoštenosti .2.4.1. Rešenje: Tabela 25.

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 .

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

923 3 887 110.37 0.334 D 3 ! 0 Serija ima desnu pozitivnu asimetriju 36 .875 6. n M3 D3 i 1 n 110.875 331.875 8 110.

.Koeficijent spljoštenosti D4 M4 V4 ¦ Xi  x .

D 4 2.5[ kg ] . Izračunati koeficijent asimetrije i spljoštenosti. U jednom ispitnom roku 9 studenata su dobili ocenu iz matematike: 8.5 1. 44 . 32 kg jednog proizvoda. Rešenje: x 7. D 4 0. 31. ZADATAK 61. 25.Numerička serija sa grupisanim podacima ZADATAK 63. 26.39 M3 223. 6 Izračunati meru asimetrije i spljoštenosti.8936 . D 3 M4 6. 342 M3 1. 6.11 D4  3 Serija ima spljošten oblik.553 M4 7710.924 3244. 8. V 1.5423 2. U 10 prodavnica u toku jednog dana prodato je 30.125 ZADATAK 62.3107 . 40.585 . 415 2293. 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. 16.5 6. Rešenje: x 31. D 3 0.5 3244. 7. 41. 9. 39. 10. n M4 D4 4 25956 8 i 1 n 3244. 37 . 35. 2 . 46 . 7. 6. V 7.

032 383.5 22.52 186.38 37500. 06416 Koeficijent asimetrije 3 0.841 litar.84 / 103.54 i 1 3 M3 3 12. 786 199. 6024 12. dom.122 5.16 -5.14 -961.55 397. 279 0.0416 680.425 96. 686 30 fi 34.8413 12.825 / Xi * fi x i 1 n 2 fi ⋅ ( X i − x ) 299. 38 4 .62 0.14 1023.686 2 fi ⋅ ( X i − x ) -3146.84 9. 66 30 fi i 1 Prosečna potrošnja mleka kod 30 domaćinstava je 17.6024 3 fi ⋅ ( X i − x ) 31963.Rešenje: Potr.66 litara n i 1 fi Xi x n 2 1023.026 23.5 27.262 3811. ( xi ) 5-10 10-15 15-20 20-25 25-30 / Tabela 26.16 4.5 12.51 -0.096 140.5 87.37 0.16 -0.5 17.841 i 1 Srednja mera odstupanja pojedinačne potrošnje mleka od prosečne potrošnje mleka je 5.10 4960.38 0.5 175 135 110 530 -10. n M3 i 1 fi * Xi x n 3 383.5 / 22.2 530 17.323 77716. 06416 pokazuje da je raspored frekvencija o potrošnji mleka u litrima asimetričan u desno. Radna tabela: Br. 2 30 2590.22 26. 786 30 fi i 1 n M4 i 1 fi * Xi x n fi 4 77716. ( fi ) 3 7 10 6 4 30 Xi X i ⋅ fi Xi − x ( Xi − x ) 7.0067 3292. 786 5.

38 i 4 Prosečna cena kod prodatih 63 pari dečijih cipela iznosi 2038 dinara.2516 Ukupno 63 1284 / / 264.772 -308.186 2. 225 2.38 -1.38 2.3724 988.988 Koeficijent spljoštenosti raspored.38 -0.8. n M3 i 1 fi Xi x n 3 28. n i 1 fi Xi x n 2 264.15 0.14 6.112 i 1 39 x 4 .42 1. Radna tabela: Cena Prodato Xi fi 17 19 20 23 8 15 19 21 136 285 380 483 -3.54 1163.90 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.1958 2. Rešenje: n x i 4 Tabela 27.3366 63 fi 4.62 11. 4493 i 1 n M4 i 1 fi Xi x n fi 4 2086.3064 2086.33 54.0108 377.3064 63 fi 0.79 -39. 048 i 1 Srednja mera odstupanja pojedinačnih prodajnih cena od prosečne cene iznosi 204.4372 1043. 225 pokazuje da je ovaj raspored niži u odnosu na normalni 4 ZADATAK 64.54 5.015 27.8414 4 2590.3366 28.86 88.33 -1.4 M4 2590. 2.104 63 33.3636 146.104 Xi * fi n 1284 63 fi Xi * fi Xi x Xi x 2 fi * Xi x 2 fi * Xi x 3 fi * Xi 20.

D 3 0. Rešenje: x 8. D 4 1.D3 M3 V3 0.845 M4 218.1-10 7 10. 0467 . 0523 pokazuje da je raspored frekvencija o prodaji dečijih cipela po različitim cenama asimetričan u desno.1-16 2 .112 2. 1. 4493 2.8822 pokazuje da je raspored niži u odnosu na normalan ra- ZADATAK 65. V 3.32 3 30.1-6 9 6. 795 40 8.1-8 4 Izračunati meru asimetrije i spljoštenosti. 0523 Koeficijent asimetrije D 3 0.589 0. 0483 0. 9537 .8822 17.1-14 5 14. D4 M4 V4 33. 0484 33. 4493 8.85[  ] .5921 Koeficijent spljoštenosti D 4 spored.1-12 3 12.112 1. Na 30 merenja mase nekog proizvoda utvrđena su odstupanja u gramima: Odstupanja (Xi): Broj proizvoda (fi): 4.

27 2003 630 I1 Y5 : Y1 (630 : 720) 100 87. god. b) Dobijene indekse sa bazom u 1999. Radna tabela: Bazni indeksi sa bazom u 1999. VREMENSKI INDEKSI 3. n) Y0 Tabela 28. 00 2000 702 I1 Y2 : Y1 (702 : 720) 100 97. 27 n 10 Bazni indeksi u % (baza 1999=100% ( Ii )) 41 2008 830 .. god. 72 2007 820 I1 Y9 : Y1 (820 : 720) 100 113.1. preračunati na bazu 2003. DINAMIČKA ANALIZA 3. Godine Proizvodnja Yi 1999 720 I1 Y1 : Y2 (720 : 720) 100 100.1. 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 1999.3.1.. c) Izračunati indekse na bazi prosečne proizvodnje u posmatranom periodu. god. Rešenje: a) Izračunavanje baznih indeksa vrši se na osnovu formule: Ii Yi *100 (i 1.. 2.39 I1 Y8 : Y1 (790 : 720) 100 109.50 2004 640 I1 Y6 : Y1 (640 : 720) 100 88.88 2005 2006 730 790 I1 Y7 : Y1 (730 : 720) 100 101.11 2002 650 I1 Y4 : Y1 (650 : 720) 100 90.50 2001 620 I1 Y3 : Y1 (620 : 720) 100 86. U jednom rudniku uglja proizvedeno je uglja u tonama u periodu od 1999.88 2008 830 7132 I1 Y10 : Y1 (830 : 720) 100 115.. Bazni indeksi ZADATAK 66. do 2008.

28% veća. 27 : 87. za 13. c) Prosečna proizvodnja osnovu izraza: n Y i 1 Yi n 7132 10 u posmatranom periodu izračunava se 713.27 I10 : I 5 (115.. Godine Bazni indeksi Ii(%) 1999 100. god. u odnosu na 1999. za 9. bila za 15.15% veća i u 2008.15 2008 115. 41 2002 90. Ii 100 . 73 I . 9 I9 : I5 (113. god. god. god. u 2004. god. u 2005 god. na indekse sa novom bazom vrši se na osnovu izraza: . 10 I Proizvodnja uglja u 1999. do 2008. . bila je za 14. u odnosu na 2003. u odnosu na 2003. u 2002.50 : 87. I8 : I5 (109. god. god.. bila je za 1. Za 11. I0 Tabela 29. u 2004. god. god.50) 100 101. godini u odnosu na 2003. god. u 2001. u odnosu na 2003. god.50) 100 131.88 : 87.50) 100 100. god.73% manja. god. u odnosu na 1999..27 I .87 2006 109. u odnosu na 2003. 2 I 2 : I5 (97. 4 I 4 : I5 (90. Ii .50) 100 103. u odnosu na 1999. god.87% veća. godini u odnosu na 1999. u odnosu na 1999. .50) 100 111. bila za 25.39% veća. (i 1. god.88 I .50 I .50 I . u 2007. god. I3 : I5 (86. . na bazu 2003. 39 2007 113. u 2006.39% veća.50 : 87. god. (%) I1. I7 : I5 (101. za 13. u 2005. 50) 100 114. god. god. bila za 1.57 2005 101.50) 100 130. n) . u 2007. 2. god. u odnosu na 2003. god. u odnosu na 1999. za 15. u odnosu na 1999. 27 : 87. u odnosu na 2003.16% veća. u odnosu na 2003. god. b) Izračunavanje.11 I 3..5% manja. Indeksi na bazi prosečne proizvodnje izračunavaju se na osnovu izraza: Ii Yi Y 100. u 2006. 39 : 87.11: 87.73% veća.5% manja. I i. u 2002.00 2000 2001 Preračunati indeksi sa bazom u 1999. god. god. 00 2004 88. god. 72 : 87.42% veća.89% manja. god. bila za 31. u odnosu na 1999.88 . u 2003. god. god. god. god.72 I 8. god. u odnosu na 1999. u 2001. . bila je za 11.Proizvodnja uglja u 2000. za 1.57% veća. bila za 30.16 2003 87. god.12% manja. 6 I6 : I5 (88. iznosi 713. I1 : I 5 (100 : 87.88 : 87. već izračunatih baznih indeksa. Preračunati indeksi sa bazom u 1999.39 I 7.88% veća i u 2008. (i 1. u odnosu na 2003.59% manja. 28 97. 2 Prosečna proizvodnja uglja u periodu 1999. bila je za 2. god. u 2000.50) 100 98. za 12.27% veća. god. 5 I5 : I5 (87. 2.72% veća. 50) 100 125. n) 42 na . bila za 3.2 tone. 42 86. za 9. 50) 100 115.

100.00 % . u 2006. u 2001.93 2002 650 I4 Y4 : Y (650 : 713.50 % . ZADATAK 67. za 1. 47.97% veća i u 2008.50 %.97 2008 830 I10 Y10 : Y Indeksi na bazi prosečne proizvodnje od 713.77% veća.38 % . bila za 10.6 % b) 39. 2) 100 91. 64. god. 120. 74 2005 730 I7 Y7 : Y (730 : 713.50 % .50 % . Na farmi za tov pilića u periodu od 2001.15 % .90 % . 161. do 2008. 2) 100 116. 228. bila za 14.67% manja. bila za 13. 84. 62. 2) 100 114.66 % c) 52.00 % [ Y = 40 ⋅ 103 metara] ZADATAK 68. u 2005. bila za 10.00 % . U jednoj fabrici štofa proizvedeno je štofa u hiljadama metara u periodu od 2001.62 % .95% veća. 105. god. god.00 % . u 2003.26% manja. god. bila za 2.17 % . god. 85. god. preračunati na bazu 2007. 252. bila za 11. 112. bila za 16.05 % . 214.57% manja. b) Indekse sa bozom u 2001. 2) 100 88.57 % . u 2007. 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. god. c) Izračunati indekse na bazi prosečnog prometa u posmatranom periodu. god.38 Proizvodnja uglja u odnosu na prosečnu u 1999.07% manja u 2002.00 % . 140. 180.35 2006 790 I8 Y8 : Y (790 : 713. 2) 100 89.Tabela 30. u 2000.2 tone Ii. god.95 % .69 % .00 % .38% veća. god. 132. 119. god. god. god. 2) 100 110. (%) (720 : 713.87% manja. u 2004. 2) 100 100. 71. 2) 100 102. bila je za 0. 77 2007 820 I9 Y9 : Y (820 : 713. god. do 2008. 2) 100 98.28 % .90 % . 43 2001 620 I3 Y3 : Y (620 : 713.56 % . 2) 100 86. Rešenje: a) 100. Indeksi na bazi prosečne proizvodnje Godine Proizvodnja u t Yi 1999 720 I1 Y1 : Y 2000 702 I2 Y2 : Y (702 : 713. 90.13 2003 630 I5 Y5 : Y (630 : 713. 266. bila je za 8. 95.33 2004 640 I6 Y6 : Y (640 : 713. 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 .95 (830 : 713.35% veća. god. god.

114. 91.81 % b) 103. . god.2. 88. god.47 % .51 % ] .09 .10 V8 Y8 : Y7 (276 : 270) 100 102. god. 128.90 V6 Y6 : Y5 V7 Y7 : Y6 (270 : 290) 100 93. 109. 118. u tonama u periodu od 2000.00 % .39 V5 Y5 : Y4 (350 : 310) 100 112.45 % . god.23 % . c) Izračunati indekse na bazi prosečnog prometa u posmatranom periodu. god.52 % .06 % . god.30 % . 88. 111.85 2008 306 . Vi Yi 100. e) Indekse sa bazom u 2004. 97. .86 V9 44 (290 : 350) 100 82. 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. 96. c) Verižne indekse preračunati na indekse sa bazom u 2004. do 2008. (i 1. 106. 2006 270 2007 276 Rešenje: a) Verižni (lančani) indeksi izračunavaju se na osnovu formule.28 % . 96. 93. 99.60 % .. god.04 % . Rešenje: a) 100. 22 Y9 : Y8 (306 : 276) 100 110. 102.00 % .08 % c) Y 215. 113.85. 90.59 % .13 % . 123. Yi 1 Tabela 31. god.1.41 % .6 % . 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. 40 V4 Y4 : Y3 (310 : 286) 100 108.33 % . preračunati na bazu 2005.09 % . 75[ 120. Potrošnja brašna u jednom regionu. preračunati na verižne. 100.23 % . d) Indekse sa bazom u 2000. 3.46 % .. n). b) Indekse sa bazom u 2001. preračunati na verižne. 2. 94. 05 V3 Y3 : Y2 (286 : 250) 100 114. Verižni (lančani) indeksi ZADATAK 69. god.a) Izračunati indekse sa bazom u 2001.74 % .

(i 1.85 I6 I 5 V6 166. u 2008. 05 136. 22 I8 I 7 V8 128.90) 100 88.90% veća. za 45. god. Preračunati verižni indeksi na bazne indekse sa bazom u 2004.19% veća.. god. 40 I3 I 2 V3 119.39% veća.Potrošnja brašna u 2001. u odnosu na 2000.9310 128. za 66. god. 05 I2 I 3 V3 (81. u odnosu na 2007.. god.10 I7 I 6 V7 82. bila je za 19. 22 I8 I 7 V8 77. god. n) Tabela 32. god. u odnosu na 2003.39 110. za 36.39 2008 V9 I9 I8 V9 131.13 1. u 2003. 07 0. 05 1. god. 40 108.62% veća.39) 100 81. 2.40% veća. u 2006. god. za 14.84 1. 0222 131.39 I4 I 3 V4 2004 V5 112. 08285 82.84 2008 V9 I9 I8 V9 78.1086 87. u odnosu na 2001. god. (i 1. za 6. u odnosu na 2002.22% veća. 00 45 .1290 166. god.1440 136. za 10. u 2002. 05 110. .57 :108. 0222 78. Ii (%) I1 I 2 V2 (71. za 17.39 1. u 2004.15% manja. u odnosu na 2004.05% veća. za 28.07% veća. za 38. . 66 0.19 1. za 2. b) Verižni indeksi se na bazne indekse preračunavaju za godine koje slede na osnovu formule: Ii ( I i 1 Vi ) :100. u 2005.90 I5 I 4 V5 147. 00 2001 V2 I2 2002 V3 114. 71 2003 V4 2004 V5 112. god. u 2001. 40) 100 71. 07 2006 V7 93. za 12. 40 I3 I 4 V4 (88. 66 2005 V6 82. god. . 62 1. u odnosu na 2005.86 I4 I 5 V5 (100 :112.66% veća. u odnosu na 2006.85 2006 V7 93.86% veća.85 I6 I 5 V6 100 0.1905 119. za 47. god. god. god.54 1. n) Vi Tabela 33.9% manja.39%. god.13 2007 V8 102.54 Potrošnja brašna u odnosu na 2000. god. god.9310 77. 42 2002 V3 114. za 8. 05) 100 59. u 2007. u 2005. u 2002. god. god. za 31. god. . bila je za 19.90 2005 V6 82.. god. 62 138.8285 138. 2.19 2003 V4 108. 0839 147. 66 119. u 2008. 42 :119. god. 71:114. Preračunati verižni indeksi na bazne indekse sa bazom u 2000. u 2007.05% veća. god. u 2003. Godine Varežni indeksi (Vi) Preračunati verižni indeksi u bazne indekse sa bazom u 1991. c) Za godine koje prethode verižni indeksi se na bazne indekse preračunavaju na osnovu relacije: Ii 1 Ii 100. god..1086 145.66% veća. god.10 I7 I 6 V7 2007 V8 102.54% veća. god.99 2001 V2 119. u 2006. u 2004.85 0. Ii (%) 2000 V1 / I1 100. god.86 I1 V2 100 1. god.57 I5 100. Godine Varežni indeksi (Vi) 2000 V1 / Preračunati verižni indeksi u bazne indekse sa bazom u 1995.

42) 100 114. god. 09 2007 I8 131.Potrošnja brašna u odnosu na 2004. 41 2003 I4 88. . . 00) 100 82. 07 V6 I 6 : I5 (138. za 18.15% manja.87% manja.54 :138.50 2004 I5 166. 62) 100 112. u 2000. god. na verižne indekse e) Godine Bazni indeksi (Ii) Preračunati bazni indeksi sa bazom u 2000. god. do 2008.6% manja. u 2007. za 11. d) Indeksi sa bazom preračunavaju se na verižne indekse na osnovu formule: Vi Ii 100.19 V3 I3 : I 2 (136.99 2001 I2 71. god. 42 V2 I 2 : I1 (71. 00 V5 I5 : I 4 (100.90 2005 I6 82. 62 V4 I 4 : I3 (147. 66 :131. 66 :147. 23 2008 I9 87. god. god. i u 2008.39 2003 I4 147. 05 :100. 00 2001 I 2 119. u 2006.85) 100 93. god. 42 : 59.84 2006 I 7 128.01% manja. 71 V3 I3 : I 2 (81.84) 100 110.39) 100 110.57) 100 112. god. 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 . Preračunati bazni indeksi sa bazom u 2000. god. 71) 100 108. za 12.13 : 82.85 V6 I 6 : I5 (82.16% manja. 00) 100 119. 07) 100 93. god. god. god. 62 :136.99) 100 119.57 : 81.29% manja. u 2002. god. za 28. u 2005. Proizvodnja dečijih čarapa u periodu od 2001.85 2006 I7 77..39 2004 I5 100.43% manja. 05 2002 I 3 136.85 1 ZADATAK 70. 2. za 21. bila je za 40.84 V8 I8 : I 7 (78. na verižne indekse Vi (%) 2000 I1 59.13 V7 I7 : I6 (77. 09 2007 I8 78. za 17. 66 V5 I5 : I 4 (166.19 :119.89 2005 I 6 138.85% manja. Preračunati bazni indeksi sa bazom u 2004. 71: 71. 00 : 88.85 :100. 40 : 78.13) 100 102. god.54) 100 102. 07 :166.19) 100 108. u 2001. god. 66) 100 82. 66 V9 I9 : I8 (145. 05 V2 I 2 : I1 (119. na verižne indekse Vi (%) 2000 I1 100. 05) 100 114.57 V4 I 4 : I3 (88. na verižne indekse Godine Bazni indeksi (Ii) Preračunati bazni indeksi sa bazom u 1995.. n) Ii 1 Tabela 34. 05 2002 I3 81. (i 1. 40 V9 I9 : I8 (87. 22 2008 I9 145.. za 22.54 V7 I7 : I6 (128. u 2003.86 1 Tabela 35.39 V8 I8 : I 7 (131.39 :128.84 : 77.

I 5 167. 43%. 79%.38% Za 2000. 47% Za 2002.: I1 100%. I 4 134.a) Izračunati verižne (lančane) indekse b) Dobijene verižne indekse preračunati na indekse sa bazom u 2001. 74% ZADATAK 71. 47 2008 4600 . 79%. 97.36%.38%. god.: I1 78. 65%. V8 105. 69%. 48%. 69%.88%.88% Za 2001. V7 3 114. I 5 139. I 2 I 6 136. god.31%.38%. I 7 82. I 3 105. I8 171.53%. 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. 102. 65%. I 5 100%. 24%. I 4 91. I 9 148. 22%. V7 98. I 3 100%.85%. 06%. 40%. 07%.V4 122. god. I 8 144. god. god. I 4 I6 161.39%. god. god. I 2 I6 89. 65%. I 7 87. V9 5 152. god. 65%. 07%.: I1 100%. 06%. I 7 108. 4 91. do 2008.: I1 84. 103. i 2005. I 9 165. god. I 5 127. 20%. 45%. I 2 103.36%.16%. I 4 101.31%. I 8 129. 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. 48%. Proizvodnja jedne vrste vina u hektolitrima iznosila je u periodu od 2000.33%. 141. 98.95%.58%.83%. I 8 109.17%. I 7 131. 139. 103. I 2 70. V5 105. V3 117. 2 103.30%. I 3 I6 105. god. V8 102. Rešenje: a) V1 / . 65%. V2 V6 b) 89. 175. i 2002. 62%. I 3 118. 23% ZADATAK 72. Rešenje: a) 1 V6 b) nema. 63% Za 2005. god.

00%. 7777 ili 77.19% 93. 1 2 109. 128. god. I 5 100%. 77% q0 12600 48 . god. 4 5 110. Indeksi količine ZADATAK 73. i 2008. 61%. . = 100) metodom prosečnih vrednosti Laspaerov i Pašeov indeks Rešenje: Individualni indeksi prodaje izračunavaju se na osnovu formule: Iq qi 100 (i 1. I 2 I 6 105%. god. V8 112. (baza 2007.2.Rešenje: a) . 2. u odnosu na 2007. metodom agregata Laspaerov i Pašeov indeks c) Grupni indeks prodaje za 2006. god. 28%.90%. god. 25% 6400 q0 q Ječam: q q1 9800 100 100 0.. I 4 103..1. 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. 06%. GRUPNI (AGREGATNI) INDEKSI 3. i 2008. god. 79%. . n) q0 Za 2006. 02%.) b) Grupne indekse prodaje za 2006. u odnosu na 2007.34%. 3 96. god. V7 b) I1 84. q1 4800 100 100 68. (baza je 2007. god. V6 105.34%. I 3 98. god. 73% 3. 61%. I 7 105.12%.8125 ili 81.57% q0 7000 Ovas: I q Raž: q1 5200 100 100 0. (baza 2007: god. i 2008. I 8 143. = 100). u odnosu na 2007. god. god.2. god. 122.

21% manje. god. prodane količine ovsa. u odnosu na 2007. god. Ovas: Raž: q2 10000 100 100 1. god. 25 ili 125% q0 6400 q Ječam: q q2 14200 100 100 1. 25% 310400 100 418000 U 2006.86% 7000 q0 q q2 8000 100 100 1. u odnosu na 2007. god. 4286 ili 142. u odnosu na 2007. god. 2.86%. 79% U 2006. god. god. bile su veće za 42. b) Grupni indeks po formuli: Iq qi P0 q0 P0 količine metodom agregata Laspaerov izračunava se 100 . u odnosu na 2007. prodane količine ovsa. raži i ječma bile su u proseku za 25. raži veće za 25% i ječma za 12. 49 . god. u odnosu na 2007. Za 2008. god. 69% q0 12600 Prodane količine ovsa u 2008.75% i ječma manje za 22. 7425 100 Iq 74. bile su manje za 31.43%. 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. raži manje za 18. 7479 100 384000 Iq 74.69% veće. god. . god. .1269 ili 112. god. u odnosu na 2007.Prodane količine ovsa u 2006.23% Za 2008. 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. god. u odnosu na 2007. god.75% manje. (i 1.. n) Za 2006.. raži i ječma bile su u proseku za 25.

god. 7777 126000 100 196000 96000 126000 Iq 134397. 6857 196000 0. god. prodane količine ovsa.663% veće. u odnosu na 2007. 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.8125 96000 0. prodane količine ovsa. 663% 260000 128000 127800 182000 102400 113400 U 2008. god. 29665 100 418000 Iq 129. raži i ječma bile su u proseku za 29. raži i ječma bile su u proseku za 29. 665% 280000 120000 142000 196000 96000 126000 U 2008. 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.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. 4 100 418000 Rezultat je isti kao i odgovor. 2 100 418000 Iq 0. 2 78000 97990. 50 . 7425 100 Iq 74. 25% 310387. 29663 100 397800 Iq 129. u odnosu na 2007. god.665% veće. god. u odnosu na 2007. c) Grupni indeks količine metodom prosečnih odnosa Laspaerov izračunava se po formuli: Za 2006.

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. 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. 666% Rezultat je isti kao i odgovor. 4583 115200 1.88 Iq 287200 100 0. 08 100 1. u odnosu na 2007. god.16 115200. 4286 196000 1.11 Iq 74. 6 120000 141999. 29666 100 418000 Iq 129. 2857 17840 Iq 287200 100 167996. 7479 100 383995. 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 . god. 07 100798.12698 126000 100 196000 96000 126000 Iq 280005. Za 2008. 48 100 418000 Iq 542005. 79% Rezultat je isti kao i odgovor. 23077 93600 1.

2963 100 Iq 129. 2007.80% Ženske cipele: I q 123. baza (2007. god. baza 2003.5 43. godina Rešenje: a) b) Dečije cipele: I q 87. Jedna ribarnica u 2006. proizvela je riba u tonama po cenama: Tabela 38.6 a) Izračunati individualne indekse količine za 2008. i 2008. god. god. Proizvedene količine i cene obuće u jednoj fabrici obuće bile su: Tabela 37..5 38. 45% 111. god.8 128000 0.6 2600 3200 31. 7 260000 0. 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 . = 100) b) Izračunati grupne indekse količine metodom agregata Laspaerov i Pašeov. ZADATAK 74.5 31.8873 127800 Iq 515800 100 182000 102400 113400 Iq 515800 100 397800 Iq 1. 01% ZADATAK 75. 07% Muške cipele: I q 123. 63% Rezultat je isti kao i odgovor. 53% Laspaerov: I q Pešov: I q 109.5 3400 4200 29.Iq 260000 128000 127800 100 0. Proizvodnja i cene obuće Godine 2007 2008 Dečije cipele Ženske cipele Muške cipele količina cena količina cena količina cena 4100 3600 28.

I q 75. 36% 136. I q za 2008. god.88% . Pašeov: I q 131. god. 24% . god. baza 2007. god. god. Jedno trgovinsko preduzeće imalo je promet mlečnih proizvoda u 2007. god.34% . god. godina. godina.a) Izračunati individualne indekse količine za 2006. god. I q b) 65% 67. i 2008. i 2008. god. god. 46% za 2006. I q za 2008. b) Izračunati grupne indekse količine metodom prosečnih odnosa Laspaerov i Pašeov za 2006. 53 106. kefir: . god. 74% 129. god. god.33% Pašeov: ZADATAK 76.11% za 2006. I q za 2008. 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 131.95% Laspaerov: I q 130. god. I q 75. god.32% . baza 2007 god. I q 150% Murine: za 2006. i 2008.. jogurt: I q 122. za 2008. god. baza 2007. I q Oslić: 82.36% Sardela: za 2006. god.97% . za 2008. I q za 2008. Rešenje: a) Skuša: za 2006. Rešenje: a) Za mleko: I q Iq b) 146. pavlaka: I q 147. b) Izračunati grupne indekse količine metodom agregata Laspaerov i Pašeov. baza 2007. 66% . 06% . I q 86. god. god. godina.16% Laspaerov: za 2006. Tabela 39. I q 134.89% 92.

. 07% 510 p Jagnjeće meso: P1 100 P0 p 560 100 0. po cenama: Tabela 40.2. 65% 430 490 100 0.36% niže i kod jagnjećeg mesa niže za 5.36% 54 .45% manje.11% 510 p p 530 100 0. Pašeov i Laspaerov indeks (baza februar) c) Grupni indeks cena metodom prosečnih odnosa.2. Laspaerov i Pašeov indeks (baza februar) Rešenje: a) Individualni indeksi cena izračunavaju se na osnovu izraza: Ip Pi 100 P0 i (1.9607 ili 96. 0465 ili 104.9464 ili 94. n) Za januar u odnosu na februar: I p Svinjsko meso: Teleće meso: p 450 100 1. kod telećeg mesa za 5.65%.93% i kod jagnjećeg mesa za 3.9534 ili 95.. U jednoj fabrici za preradu mesa proizvedeno je mesa u kg.3. 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. 64% 560 Cene svinjskog mesa u martu u odnosu na februar za 4.66% niže.55% 580 Cene u januaru u odnosu na februar kod svinjskog mesa su bile veće za 4. .9655 ili 96.9411 ili 94. . Za mart u odnosu na februar: Svinjsko meso: Teleće meso: Jagnjeće meso: p P2 100 P0 410 100 0. 2.34% 430 480 100 0. kod telećeg mesa za 3. Indeks cena ZADATAK 77.

.57% Cene svinjskog..9457 100 Ip 94. 2. .. telećeg i jagnjećeg mesa u januaru u odnosu na februar su porasle za 0.38% 3110000 100 3098000 Cene svinjskog.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. 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 .43% .Pašeov indeks cena - Ip qi pi qi p0 100 i (1. 0038 100 Ip 100.. telećeg i jagnjećeg mesa u martu u odnosu na februar smanjene su za 5. . 2.b) Grupni indeks cena metodom agregata Laspaerov: Ip P1 q0 P0 q0 100 i 1. 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. ..

38% 3110000 <100 3098000 56 ... 0357143<896000 <100 774000  1428000  896000 Ip 810000  1372000  928000 774000  1428000  896000 Ip 1. .9459<100 Ip 94.41% c) Grupni indeks cena metodom srednjih vrednosti: Laspaerov – Pi ¦ P < p <q ¦ p <q 0 Ip 0 <100 0 0 i (1. 2.9607843<1428000  1. telećeg i jagnjećeg mesa u januaru u odnosu na februar porasle su za 0.49% 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. telećeg i jagnjećeg mesa u martu u odnosu na januar su opale za 5. 0038<100 Ip 100.59% 2610000 <100 2759000 Cene svinjskog. 49% 2821000 <100 2807000 Cene svinjskog. 0465116<774000  0. 0049<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.Ip 900000  1225000  696000 <100 860000  1275000  672000 Ip 1. .

..Cene svinjskog.9411765<510< 2800  0..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. 0408163<1225000  0.Pašeov indeks cena Za januar u odnosu na februar: Ip ¦ P <q <100 P ¦ P < P <q i i i (1.9655172<696000 Ip 900000  1225000  696000 <100 860000  1275000  672000 Ip 2821000 <100 2807000 Ip 1.9464286<560<1600 <100 430<1800  510<2800  560<1600 Ip 738000  1344000  848000 774000  1428000  896000 Ip 0.57% 2930000 <100 3098000 Cene svinjskog.9555556<900000  1.9534884<774000  0. 2.9457<100 Ip 94.43% . 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. 0049<100 Ip 100.. telećeg i jagnjećeg mesa u januaru u odnosu na februar u proseku su bile veće za 0. 49% 57 . telećeg i jagnjećeg mesa u martu u odnosu na februar u proseku su bile niže za 5.

0566038<583000 Ip 779000  1248000  583000 <100 817000  1326000  616000 Ip 2610000 <100 2759000 Ip 0. b) Izračunati grupne indekse. ZADATAK 78. Rešenje: a) Drugi dan u odnosu na prvi dan: I p banane: I p 90. telećeg i jagnjećeg mesa u martu u odnosu na februar u proseku su niže za 5. 0487805<779000  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.9459<100 Ip 94.16% ananas: I p 114. 28% P1 <100 P0 58 .41%. U jednoj trgovini u toku 3 dana prodato je južnog voća u kilogramima po cenama: Tabela 41.49% 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. 52% kivi: Ip 104. Laspaerov i Pašeov indeks. 59% Cene svinjskog mesa. 0625<1248000  1. baza prvi dan.Cene svinjskog. telećeg i jagnjećeg mesa u januaru u odnosu na februar u proseku su porasle za 0. cena metodom agregata. baza prvi dan.

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. Rešenje: a) “grand” kafa: I p “c kafa”: I p 97. baza I kvartil. 74% 83.Treći dan u odnosu na prvi dan: I p banane: I p kivi: I p 94.89% 59 . 5% “don kafa” I p b) 95. 69% . 44% ZADATAK 79.3% 94. Pašeov: I p 94.33% ananas: I p b) P2 100 P0 90. 24% Laspaerov: I p 93. metodom prosečnih odnosa Laspaerov i Pašeov. baza I kvartil b) Grupni indeks cena. 03% p2 q2 Treći dan u odnosu na prvi dan: I p Ip 100 p0 q2 100 107.94% p2 q0 Treći dan u odnosu na prvi dan: I p Ip 100 p0 q0 100 89. 47% Pašeov indeks p1 q1 Drugi dan u odnosu na prvi dan: I p Ip p0 q1 99. 48% Laspaerov indeks p1 q0 Drugi dan u odnosu na prvi dan: I p Ip p0 q0 100. U jednom marketu prodato je 3 vrste kafe: Tabela 42.

2. Pašeov: I p 100..3. Laspaerov i Pašeov. Rešenje: Indeks vrednosti izračunava se na osnovu izraza: IW IW IW pi qi p0 q0 p1 q1 p0 q0 100 . baza 2007. Na jednom poljoprivrednom dobru proizvedeno je povrće u kg. i 1. Fabrika za proizvodnju keksa proizvodi tri vrste keksa u kilogramima i uz prosečnu cenu: Tabela 44..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. b) Grupni indeks cena metodom agregata. 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 .2.ZADATAK 80. god. godina. po cenama: Tabela 43. baza 2007.39% 3.. godina. 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.. baza 2007. Rešenje: a) krompir: I p kupus: I p 89. Indeks vrednosti ZADATAK 81.83% . 28% 125% crni luk: I p b) 120% Laspaerov: I p 99.3.

IW 121. Rešenje: IW 160. IW 140. god. bila je za 87. Cena 25400 26.6 8. u odnosu na 2006. ZADATAK 82.8 11 32. baza 2006.6 39600 24. god. god. god. keksom i mlečni u 2008.3 8.3 Izračunati indeks vrednosti baza januar.2 31. Cena 42300 28. u odnosu na 2006.5 8. U fabrici za proizvodnju štofa proizvedeno je štofa u 1000 m po prosečnim cenama: Tabela 45.5 .60% 39350 100 20975 Vrednost proizvodnje keksa sa čokoladom.32% Indeks vrednosti za 2008. godina Rešenje: Indeks vrednosti za 2007. 46% ZADATAK 84.8760 100 IW 187. Proizvedene pločice po cenama Januar Količ.5 31800 21. god.4 Vrsta pločica Podne Zidne a) Februar Količ.3 10.60% veća. 23% ZADATAK 83.4 34. 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. u odnosu na 2007. 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. god.IW 13200 10400 15750 100 8075 3150 9750 IW 1. Fabrika za proizvodnju keramičkih pločica proizvela je pločica po prosečnim cenama: Tabela 46.

19% veći ZADATAK 86. za četvoročlanu porodicu su iznosili: Količina ( q ) po Cene 2007. 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. g ( p1 ) Artikal tipskom budžetu Pasulj 145 kg 150 155 195 Sir 4 kg 180 Jaja 25 kom. 63% 62 . godini u odnosu na 2007. baza maj mesec.5 ⋅ 55 + 70. god. 15 l Izračunati indeks troškova života u novembru u odnosu na oktobar 2008. 3 kg. 2008 (P0) 20.4.5 I p = I p = 111. god. Rešenje: I p 103.5 ⋅ 6 + 270 ⋅ 9 + 48 ⋅ 3 + 28 ⋅ 15 1210 + 450 + 2790 + 153 + 450 5053 I = = = 1. godine.5 + 423 + 2430 + 144 + 420 4544.za četvoročlanu porodicu. bili su za 11.5 70. god. 5 6 Brašno 3 kg 35 40 Izračunati indeks troškova života u 2008. 6l 9 kg.19% Troškovi života u novembru u odnosu na oktobar 2008.5 270 48 28 Cena u novembru (P1) 22 75 310 51 30 Količine u tipskom budžetu (q) 55 kg. 47% 3. prosečne cene za nekoliko artikala ishrane za četvoročlanu porodicu iznosile su: Artikal Hleb Ulje Meso Šećer Mleko Prosečne cene oktob. Prosečne cene za nekoliko artikala u 2007. godinu.1119 p 1127. i novembru 2005. Indeks troškova života ZADATAK 85.2. 29% Indeks vrednosti za juni u odnosu na maj IW 95. godini i 2008. g ( p0 ) Cene 2008. U oktobru 2005.Izračunati indeks vrednosti. Rešenje: Indeks vrednosti za april u odnosu na maj IW 91. god.

5. 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. koliko četvoročlana porodica mora u septembru da ima novca za život? Rešenje: Ip 29500 1. a u 2008. Rešenje: Ip 112.ZADATAK 87.2. U martu 2008. 07% ZADATAK 89. 43% ZADATAK 88. Ako troškovi za ishranu četvoročlane porodice u 2007. godine. Prosečne cene za nekoliko artikala četvoročlane porodice u januaru 2008. godini iznose 28000 dinara. godine troškovi života za četvoročlanu porodicu su iznosili 29500 dinara. Indeks plata (zarada) ZADATAK 90. 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. i septembru 2008. izračunati indeks troškova života.25 10 Ukupno 91 110 3700 4660 / / 63 X0 L0 . Procena je da će indeks troškova života u septembru biti 118%. godini 29800 din. Rešenje: Ip 106. god.18 Ip 34810[dinara] 3. 78 96 800 960 10. godine.

5789 ili 157. kod radnika više stručne spreme bila je za 4% veća. Na ovaj indeks uticale su ne samo promene u visini plate. u odnosu na 2007.. 04 ili 104% 125 10 10. 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...n).2. godini u odnosu na 2007..44% manja.89% 380 130 1. a koliko indeks realnih plata radnika sa visokom stručnom spremom. god.) 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. iznosi 170%.9756 ili 97. X0 -za visoku stručnu spremu: I pl(1) -za višu stručnu spremu: I pl(2) -za kvalifikovanog radnika: I pl(3) 600 1.2.n j=1. već i promene u kvalifikacionoj strukturi.3636 : 40. kod radnika visoke stručne spreme bila je za 57. i kod kvalifikovanog radnika bila je za 2. god. god..Na osnovu podataka izračunati (baza 2007. u odnosu na 2007. 64 .56% Nominalna plata u 2008. ako indeks troškova života za 2008. godinu bio je veći za 4. 25 0.3.3.89% veća. god..19%..19% Opšti prosek plata po zaposlenom u celoj fabrici u 2008.. god. 6593 1. 0419 ili 104. Rešenje: a) Individualni indeksi nominalnih plata izračunavaju se na osnovu formule: I pl( j ) Xi (i=1.

u odnosu na 2007. god. god. god. u odnosu na 2007. 28 0. već samo promene u visini plate. bila je veća za 25. 7997 ili 79.94%. god. Na njih nisu uticale promene u kvalifikacionoj strukturi zaposlenih.97% Promene u kvalifikacionoj strukturi zaposlenih uticale su na smanjenje opšteg nivoa plata u 2008. god.28% veće. god. u odnosu na 2007. god.87% 91 Broj zaposlenih u 2008. izračunava se na osnovu izraza: I sp I pl 0 I pl 104. f) Indeks dinamike zaposlenih izračunava se na osnovu formule: n Ir i 1 n i 1 Li L0 110 1.28% 3699.13%. 2594 ili 125.5 Plate zaposlenih u 2008.3028 ili 130. veći je za 20. 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. 2087 ili 120. e) Indeks uticaja promena u kvalifikacionom sastavu zaposlenih na promene opšteg proseka plata. g) Indeks mase ukupno isplaćenih plata izračunava se po formuli: n Ix i 1 n i 1 Xi X0 4660 1.94% 3700 Masa ukupno isplaćenih plata u 2008. u odnosu na 2007. 25 78 3000 1040 780 1900 1000 799. su u proseku bile za 30.03%.19 130. bile su u proseku veće za 24.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. 2413 ili 124. za 20.5 4820 1. god. 25 96 2400 1300 960 1520 1250 984 4660 1.13% 3754 Plate zaposlenih u 2008. god. Na njih nisu uticale promene u kvalifikacionoj strukturi zaposlenih. u odnosu na 2007. god. već samo promene u visini plata. 65 .87%.

godini primio nominalno više novca za 57. a koliko indeks realne.28% bila veća nego što bi bila da povećanja nije bilo. 7997 1.03% 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. god.) 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.93%.8683 ili 86.87% uticalo je tako da je ukupna suma isplaćenih plata za 20. 00 0.h) Indeks mase ukupno isplaćenih plata može se izračunati i na osnovu relacije: Ix 0 I pl I sp I 1. povećala za 25. u odnosu na 2007. III povećanje broja zaposlenih za 20.28% uticalo je da je suma ukupno isplaćenih plata za 30. 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. ako indeks troškova života za 2008. i 2004.87% veća nego što bi bila da nije bilo povećanja broja zaposlenih.03%. II promene u kvalifikacionoj strukturi radnika uticale su na smanjenje opšteg proseka plata za 20. ZADATAK 91. god. i) Indeks nominalne plate radnika sa visokom stručnom spremom iznosi I pl(1) 157. 66 . 2087 1. 2593 ili 125. ali za taj novac može da kupi za 13. Na ovo povećanje uticali su faktori: I prosečno povećanje visine plata po kategorijama radnika za 30. U jednom preduzeću u 2003.17% manje roba i usluga.93%.89% Indeks realne plate izračunava se na osnovu izraza: I pl Ip IR pl 147. 62 170. god. Znači da se masa ukupno isplaćenih plata u 2008. Prema tome.89%. god.83% Radnik visoke stručne spreme je u 2008. god. iznosi 120%.3028 0. u odnosu na 2007.

9857 0. I pl(3) 94. 01% . god.) 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.Rešenje: a) I pl(1) 97. god. 23% 99.97%.9801 ili 98. 41% f) Ix 132. 41% c) 0 d) I sp 98. 67% c) 0 d) I sp 99.93% IR pl 70. I pl(3) 123. 43% IR pl 81. I pl(2) b) I pl 123. Rešenje: a) I pl(1) 1. 45% g) I pl(2) 116.93% .9941 0. 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. 72% e) Ir 107. 01% I ' pl 106.59% e) Ir 105. U fabrici za proizvodnju cementa u januaru i oktobru 2008. I pl(2) b) I pl 98.32% I ' pl 116. 43% . 67% . ako indeks troškova života u oktobru u odnosu na januar iznosi 165%. 2997 ili 129.19% f) Ix 103.01% h) I pl 97.87% 67 122. a koliko indeks realne. 67% ZADATAK 92. 09% g) Ix 0.

59% .ZADATAK 93. I pl(2) b) I pl 151.89% ZADATAK 94.83% 160.9489 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 . ako indeks troškova života u aprilu u odnosu na mart iznosi 190%.89% e) Ir 102. U fabrici automobila u maju i decembru 2008. Rešenje: a) I pl(1) 160.39% IR pl 103. I pl(3) 107. 0216 1.16% f) Ix 1. 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.13% 197. 6013 0. Na jednom poljoprivrednom dobru broj zaposlenih i ukupno isplaćene mesečne plate u 103 dinara u martu i aprilu 2004.23% g) I pl(2) I 197.5523 ili 155.96% c) ' 1 pl d) I sp 94. god.39% .

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

0.41%. god. 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. 41 To znači da su promene u produktivnosti uticale na promenu produktivnosti rada. 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 78.48% 107. god.57 90.56%.9297 Indeks uticaja strukturnih promena izračunava se na osnovu formule: IP q IPq' I sp 110. 07411 ili 107. 08 1.86 86.97% 223.9310 Ukupna produktivnost rada u proseku je porasla za 7. u odnosu na 2007. 72 . 72 191. 77 54. 0 IPt ' Pravi grupni indeks produktivnosti rada izračunava se na osnovu izraza: 0 IPq' 1 ' 0 IPt 1 1.9297 ili 92. 0097 ili 100.e) Grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz baznog perioda. odnosno da je bila stalna kao u tekućem periodu (2008.10% 75 86 45 206 Pod pretpostavkom da se struktura proizvodnje nije promenila.9%. f) Grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz tekućeg perioda.41%. 0248 ili 102. god. 71 IPt ' Pod pretpostavkom da se struktura proizvodnje nije promenila.03%. 0.) ukupna produktivnost rada je porasla jer se ukupan utrošak rada u proseku smanjio za 7. odnosno da je bila kao u baznom periodu (2007. 79 0. h) Indeks dinamike ukupno utrošenog rada se izračunava na osnovu relacije: n Ir i 1 n i 1 Ti T0 208 1. Pravi grupni indeks produktivnosti rada izračunava se na osnovu izraza: 1 g) 1 ' IP 1 t IPq' 1 1. 21 39. utrošeni rad se povećao za 0. Na ovaj indeks nisu uticale promene u strukturi proizvodnje.97% 206 U 2008.97%.37 208 0. 0756 ili 107. god.9310 ili 93.) ukupna produktivnost rada je porasla jer se ukupan utrošak rada u proseku smanjio za 6.

b) grupni indeks produkivnosti rada promenljivog sastava proizvodnje. godini u odnosu na 2007.( Q0 ) 2008. h) Objasniti koji su faktori i koliko uticali na promene fizičkog obima proizvodnje čarapa u celoj fabrici.41% veći nego što bi bio da nije došlo do prosečnog povećanja produktivnosti rada u iskopu uglja kamenog.14% 29490 Na promenu ukupnog fizičkog obima proizvodnje uticali su sledeći faktori: 1) povećanje ukupne produktivnosti rada za 7. c) grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz baznog perioda.( T0 ) 2008. f) grupni indeks dinamike ukupno utrošenog rada. U fabrici za proizvodnju čarapa u 2007. godini proizvedeno je čarapa u 103 pari.( Qi ) 2007. uticalo je na fizički obim proizvodnje tako da je on za 7.41%. 2) promene u strukturi proizvodnje uticale su na promenu fizičkog obima proizvodnje. d) grupni indeks produktivnosti rada nepromenjenog sastava proizvodnje sa ponderima iz tekućeg perioda.i) Grupni indeks fizičkog obima proizvodnje se izračunava na osnovu izraza: Iq IPq' I sp I r 1.14% 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. g) indeks uticaja strukturnih promena u proizvodnji čarapa na promene ukupne produktivnosti u celoj fabrici.97% veći nego što bi bio da nije bilo povećanja zaposlenosti.( 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. godinu. 0741 1. 0097 1. 0248 1.1114 ili 111. ZADATAK 96. 3) povećanje broja zaposlenih za 0. e) grupni indeks fizičkog obima proizvodnje.1114 ili 111.97% uticalo je da je fizički obim proizvodnje za 0. i 2008. a broj zaposlenih je bio: Proizvodnja Prosečan broj zaposlenih Vrsta čarapa (j) 2007. 73 . mrkog i lignita.

16% .1452 ili 114. b) grupni indeks produkivnosti rada promenljivog sastava proizvodnje. IPq(3) 102.91% ZADATAK 97. 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 0.38% 98.1343 ili 113.43% 0.8816 IPt ' Ti Qi i 1 Qi n T0 Qi Q i 1 0 87.92% 110.81% .52% 0.Rešenje: a) IPq(1) 129. IPq(2) n b) IP q i 1 n i 1 Qi Ti n : i 1 n Q0 i 1 113.8732 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% 111.17% IPq' I sp I r 122. godine proizvedeno je u 103 komada.36% T0 IPt ' Ti Q0 i 1 Qi n T0 Q0 Q i 1 0 88. U fabrici za proizvodnju opeke u martu i septembru 2008. 1 IPq' 1 ' IP t 1 1 1. 0 IPq' 1 ' IP t 0 1 1. 74 .32% .17% .25 0.28 Ukupno 122 170 353 402 / Na osnovu ovih podataka (baza mart=100%) izračunati: a) individualne indekse produktivnosti rada za pojedine vrste opeke.

54% 210 195 b) IP q 170 402 : 1. 28) : 1.1669 ili 116.1388 ili 113. d) grupni indeks fizičkog obima proizvodnje. f) indeks uticaja strukturnih promena u proizvodnji opeke na promene ukupne produktivnosti u celoj fabrici.34% 122 d) Ir 402 1. 25 67 0. 2244 1. 2216 ili 122. 0 IPq' 1 1.92% f) Iq 0. 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) 2006.32% ZADATAK 98.1388 1. 2235 :1.8167 . h) Objasniti koji su faktori i koliko uticali na promene fizičkog obima proizvodnje opeke u celoj fabrici.69% 192 158 IPq(2) 92 67 : 1. e) grupni indeks dinamike ukupno utrošenog rada. 2235 ili 122. 3310 105 405 2008. 2750 98 320 2007.3934 ili 139.16% 402 353 0 IPt 192 210 55 67 78 92 158 195 55 67 55 67 ' 0.88% 353 e) I sp 1.9992 ili 99.8167 c) Iq 170 1. 25 92 0. 2754 ili 127.44% 0. 2244 0.9992 1. 4805 151 430 ukupno 10865 / 1155 75 .3932 ili 139.35% 122 353 c) IPq (78 0. Rešenje: a) IPq(1) 78 55 : 1. 28) (55 0.c) grupni indeks produktivnosti rada promenjenog sastava proizvodnje ako je produktivnost rada izražena sa prosečnom proizvodnjom za jedinicu vremena. 2244 ili 122.

u odnosu na 2006.8876 Iw 4805 : 2750 1. c) Grupni indeks fizičkog obima prometa.1234.1234 1. Proizvodnja i utrošeni rad u dva pogona jedne čeličane u 2007.(Qo) 2008. I q ^ 1. god. godini iznosili su: POGONI Proizvodnja u 103 t 2007.3437. Rešenje: a) Iw 3310 : 2750 1. IP ' q c) Iq 1. 60% 76 .51%.Na osnovu ovih podataka izračunati: a) Grupni indeks produktivnosti rada promenjenog sastava prometa za 2007. 7472. I r 98 4805 2750 : 151 1. b) 3310 2750 1. d) Grupni indeks dinamike ukupno utrošenog rada.(T1) 2250 1650 3280 1490 Na osnovu ovih podataka izračunati (baza 2007. i 2008.3437. IPq (2) 122. b) Grupni indeks produktivnosti rada promenjenog sastava prometa za 2008. Rešenje: a) IPq (1) b) IP q ^ 73. 98 405 320 1. I q Ir 430 : 320 1. 88.8438 ZADATAK 99.1339.) a) Individualne indekse produktivnosti rada.3437 0. 01%. god. godinu.(Q1) I II 2800 3200 2980 3540 Stalna cena(p) 5600 4200 Utrošeno časova u hiljadama 2007. 2656.2656 IP q : 105 1. 2656 0. po pogonima b) Grupni indeks produktivnosti rada promenjenog sastava proizvodnje. god. I r 1. u odnosu na 2006. d) Ir 1. 2036.1339.(To) 2008. godinu. I q 1.1339 :1.1234.

b Yi Xi a 207 7 yˆ 29.94 8. 21( 3) 22.1.5284 2007 36 2 72 4 33.57 77 .3. 21(0) 29..80 7. 21 yˆ2002 29. Linearni trend ZADATAK 100.36 1.94 -2. 21( 1) yˆ 2005 29.3.15 yˆ 2004 29.01 4.57 2. 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 2012.85 23. 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 .78 -7. 2.94 yˆ 2003 29.36 29.9049 2006 24 1 24 1 31.0401 2008 39 3 117 9 36.15 4.57 2.43 5.. TREND 3. 21xi Xi 2 62 28 2.57 2.57 2.57 2.57 2. godinu e) Prikazati na grafiku originalne podatke i izvršiti interpolaciju trenda Rešenje: Tabela 48. b 27.5225 2004 26 -1 -26 1 27.3.8496 2005 32 0 0 0 29.3291 i 1.99 2..20 2.84 n=7 207 0 67 28 / 112.57 . Radna tabela za izračunavanje linearnog trenda Godine Promet Yi a) Xi Xi Yi Xi 2 yˆ yˆ Yi 20 -3 -60 9 22.36 -1..78 60. 21( 2) 25.6436 30 -2 -60 4 25.

04 Očekivani promet u 2012. 006 108 dinara prometa.57 2. e) Grafički prikaz originalnih podataka i trenda 02 20 03 20 04 20 05 20 06 20 07 20 08 20 ZADATAK 101. godini biće 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 2014.57 2.391 7 16.57 2. 21(2) 33.yˆ 2006 29.57 2. iznosi: yˆ 2012 29. 20 Standardna greška: yi S yˆ S yˆ S yˆ yˆ 2 n 112. 21(3) 36. 78 yˆ 2007 29.04 108 dinara. 0558 4.99 yˆ 2008 29. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 78 . Ekstrapolacija trenda za 2012. 21(1) 31. god. 006 Prosečno apsolutno odstupanje originalnih podataka od linije trenda iznosi 4. 21(7) yˆ 2012 45.

767 ZADATAK 103.94 ⋅ 105 evra 29. 44. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 79 . 79 c) S yˆ d) yˆ 2014 10. yˆ2003 yˆ2005 27. yˆ2006 26.Rešenje: a) a 94 . yˆ2007 25. 64 1. yˆ2008 c) S yˆ d) yˆ 2014 = 18. 93 yˆ b) 94 8. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 28 Rešenje: a) b) a 28.92. 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. yˆ 2004 85. 07.802 174.93. yˆ 2008 120. yˆ 2003 76. yˆ2002 30.93. yˆ 2007 111.39. 95 yˆ2000 32.14. 29.37 ZADATAK 102. yˆ 2004 28. yˆ2001 31.93 x yˆ2002 67. 49.54. 24. 44 . 44 0. yˆ2005 94. b 8. 24. b yˆ 28.95 x 0. yˆ 2006 102.59. 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 2013.34.

3. godinu. 07 yˆ2002 68.1. b . yˆ2005 83.. b yˆ 83. 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 . e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda Rešenje: a) Jednačina paraboličnog (kvadratnog) trenda u opštem obliku glasi: yˆ cxi 2 (i 1. 72. c) S yˆ d) yˆ 2013 = 124. 07 7.86.. 42 ⋅ 105 tona yˆ2004 yˆ2008 78. yˆ 2006 88. 65.86 99. 79. yˆ2003 73. d) Izvršiti ekstrapolaciju za 2014. n) a bxi Parametri a .93. yˆ2007 94. Parabolični trend ZADATAK 104. c) Izračunati standardnu grešku trenda..86 5..3. 07 x 5. 789 3. 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.

25 0. 3825 a 723.0625 196. 25c 12757.25 0.5 1.5 103.29 133. 5a 88.75 729 0 17.0625 -265 5.0625 337.5 b b 103.321 729 6a 6 a 17.5 0.25 112 -1.5 2.3825 6 a 120. 25 17.6835 xi 39.5 105a 530.7889 / 22.5 2.25 xi yi 6a 17.75 128.0625 -60 0.5 2006 125 2007 131 2008 n 6 y 4 2 y yˆ y yˆ 662. 375c / (6) 105a 306.5 843.5 17. 91 729 6a 17.25 123.50a 88.48 6.0609 30 117. 25c 72 224c c 72 224 c 0.78 2.52 2.5c 729 17.321) 6a 729 5. 5(0. 25 17.0625 62.43 1.67 2. 6175 6a 723.321x 2 81 2 yˆ xi y i i i i .375c 17.5b 103.0625 -168 0. Radna tabela za izračunavanje paraboličnog trenda God.56 5.3 5.5 6.33 1.375 103.25 5.50c 729 103.9284 252 110. Proizv 2003 2004 2 xi xi 106 -2.70 2.5 2114.5 17.97 1. 5 12685.5 5.50 88.5 6.03 1.4649 294.25 39.91x 0.5 2104.25 2005 120 -0.50b 2114.22 4.57 2.Tabela 49.5 135 2.1504 31.5c / 17.56 yˆ 120.

c) Izračunati standardnu grešku kod trenda.5) 0. 43 yˆ 2007 120.91( 0. b) Izračunati trend za svaku godinu.94 103 m 2 .91x 0.5) 0.56 5. 25) yˆ 2014 146.321(2.321(0.56 5.321(2.56 5.5) (0. 78 yˆ2004 120.91( 2.5) 0.52 yˆ 2006 120.56 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.56 5.97 yˆ 2005 120.321x 2 yˆ 2014 120. 25) 128. 25) 110.321(6.91(2. e) Gra čki prikazati originalne podatke i izvršiti interpolaciju trenda.5) 0.56 5.91(0.5) 0.321(56.56 5. 6835 3.321(0.33 Standardna greška paraboličnog trenda izračunava se po formuli: n S yˆ i 1 yi yˆ 2 n 22.b) yˆ2003 120.829 Očekivana proizvodnja u 2014. 25) 123.321)(6.91( 1. 25) 133.56 5. 7805 6 Prosečno apsolutno odstupanje originalnih podataka od linije trenda iznosi 1.829 e) 03 20 04 20 05 20 07 06 20 20 08 20 ZADATAK 105. d) Izvršiti ekstrapolaciju trenda za 2015.91(1.91(7. S yˆ d) yˆ 2014 120. godini biće 146.5) 0. godinu. 25) 117. 70 yˆ 2008 120. 82 . 25) 103.

65 xi 2 a) a 173. yˆ2003 153.82. yˆ2002 86. b 6.8. 67. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 83 . godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda Rešenje: a 81.823x 2 a) 83.63 ⋅ 107 KWh ZADATAK 107. yˆ2008 57. 74 6. 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. yˆ2006 178.88. 79. yˆ 81. 74 6. yˆ2004 yˆ2006 79.55.5) 0. yˆ2005 173. 69 .90 c) S yˆ d) yˆ 2015 173.15. 44 ⋅ 106 ZADATAK 106.12(7. yˆ 173. yˆ 2007 180.12 x 0. c b) yˆ2002 138. 74.82 4. 48. 74 .98. 67 xi 1. yˆ2004 165. yˆ2003 86.32 c) S yˆ d) yˆ 2012 4.12.Rešenje: 1. 603 81. 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 2013.815 yˆ 2015 = 75. 3.823(56. c 0. 65.823.16.82 4. b b) yˆ2001 86. 42. 67(10) 1. 25) yˆ 2012 = 4. 76. yˆ2007 73. yˆ2008 178. 65(100) 8.

yˆ 15 3.321x 2 8. 23. 78. 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 . Eksponencijalni trend ZADATAK 108.5 ⋅ 105 3. i 1.. yˆ2008 c) S yˆ d) yˆ 2013 15 3.. n Vrednost log a i log b izračunavaju se na osnovu formula.321(64) 29. 2.. 654 yˆ 2013 = 65. 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.Rešenje: a) a 15. 64.14 0. b 3. 07.. 75.57.3. yˆ 2005 15. c b) yˆ2002 6. 75(8) 0. yˆ2007 0. 3. 75 x 0. 78.3. yˆ2004 11. yˆ2003 yˆ2006 19.321. 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 .

31602 2. 01262 3 2. 63772 434.65321 -2.4041 2007 410 2 4 2.21 -5. 01262 0 2.62510 421. Proizv y 2002 2 yˆ -3 9 2.22556 2.64345 2.03 2. 63772 0. 03 Yˆ2005 2.59986 / 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. 63772 0.2929 2006 430 1 1 2. 61248 409. 6696 Yˆ2004 2. 21 421. 66296 log yˆ2004 2. 01262 3 2.65321 2. 71 Yˆ2008 2.01629 2. 6251 log yˆ 2007 2. 01262 X i 2.5209 n 3045 0 28 18. 01262 2 2.63346 2.59106 7. 63772 log yˆ 2006 2.78 14. 63772 0. 6251 Yˆ2007 2.63346 2. 78 460.65034 447. 01262 2 2.97 473.63772 434. 63772 0.Tabela 50.77 33.61248 409. 65034 log yˆ 2005 2. 63772 0. 01262 1 2.65801 -5.2884 2003 455 -2 4 2.59986 397.35331 28 / 0. 63772 0.29 0. 63772 0. 01262 1 2. 23 0971Xi log yˆ2002 2. 67558 log yˆ2003 2.66296 460.21 67. 67558 Yˆ2003 2.71 0. 46406 7 log yˆ 2.61278 5. 61248 log yˆ 2008 2. 63772 log b i i 0 0. 01262 Yˆ 434.79 8.35331 / 214.23 5.8209 2005 440 0 0 2. 63772 0.59986 397. Radna tabela za izračunavanje eksponencijalnog trenda b) God.77319 2. 23 Yˆ2006 2.67558 473.67209 -8.46406 -0.1441 2004 450 -1 1 2.97 -7. 65034 447.97 8.0841 2008 390 3 9 2. 79 85 yi yˆ .21 27.78 -3.5554 log a xi log b log a 18.97 63.

e) Grafički prikaz: 02 20 03 20 04 20 05 20 06 20 07 20 08 20 ZADATAK 109. biće 344.53676 2.16 vagona. 6507 5.16 Vagona celuloze Očekivana proizvodnja celuloze u 2008.5554 7 S yˆ S yˆ 30.53 vagona celuloze d) log yˆ 2013 yˆ 2013 yˆ 2013 2. 53 Prosečno apsolutno odstupanje originalnih podataka od linije trenda je 5. 63772 0. 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.c) Standardna greška trenda: Yi Yˆ S yˆ 2 n 214. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 86 . god. 01262(8) 2.53676 344.

89297 78. 78 log yˆ2007 2. 08559 Yˆ2006 2. 03 [tona povrća] ZADATAK 110.5 ˆ 2008 574.94113. 60404 40.9631.Rešenje: a) log a 1.98923 97. 79 yˆ 1. 2488.32 ⋅ 1. 08559 121.18191 Yˆ2007 2.18 log yˆ2002 1.9631 1. 70035 Yˆ2002 1. godinu e) Grafički prikazati originalne podatke i izvršiti interpolaciju trenda 87 .9631 X i yˆ = 87. 70035 50.98923 Yˆ2005 1. a 1. 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 2014.16 log yˆ2005 1.126 [tona povrća] Yˆ2013 = 87. 79668 62. 02 log yˆ2008 2. 27821 Yˆ2008 2. 61 log yˆ2004 1.16 log yˆ2003 1.32 ⋅ 1. 79668 Yˆ2003 1. b 0.32 log yˆ 1. 248 X i b) c) d) log yˆ2001 1. 60404 Yˆ2001 1.18191 152.94113 0.89297 Yˆ2004 1. 27821 189. 248 87.94113 log b 0.56 log yˆ2006 2.

34931 223. 60311 Yˆ2008 2. godinu e) Gra čki prikazati originalne podatke i izvršiti interpolaciju trenda 88 . 26471 Yˆ2004 2.34931 Yˆ2005 2.59 log yˆ2003 2.18011 151.39 log yˆ 2004 2. 2159 Yˆ2014 719. a a 2. 34931.Rešenje: a) log a 2. 08460 b 1.96 c) S yˆ 19.52 log yˆ2006 2.04 tona brašna ZADATAK 111. 08460 b 0.95 log yˆ2005 2. 26471 183.51 ⋅ 1.18 tona brašna d) Yˆ2014 = 223. 43391 271. 09551 Yˆ2002 2.34931 223. 0846 X i Yˆ = 223.51851 329.51 ⋅ 1. 09551 124.34931 0. 215 X i b) log yˆ 2002 2. 43391 Yˆ2006 2.51851 Yˆ2007 2.58 log yˆ2007 2.99 log yˆ2008 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. 60311 400.18011 Yˆ2003 2. 215 2.

28 103 komada 89 .04910 Yˆ2015 183. 03444 Yˆ2004 2. 01348 103.99252 98.049 X i b) log yˆ2002 1. 05540.60 ⋅ 1.30 c) S yˆ 1.60 ⋅ 1.99252 Yˆ2002 1. 09732 Yˆ2006 2. 22 log yˆ 2007 2. 60 b 0. log yˆ 2.11828 131. 01348 Yˆ2003 2. 03444 108.08 103 komada d) Yˆ2015 = 113. 29 log yˆ 2003 2. 049 2. a log b 0. 07636 Yˆ2005 2. 60 log yˆ 2006 2. 02096 X i yˆ = 113. 02096 1. 09732 119. 07636 113.15 log yˆ 2004 2. 05540 113. 02096. 05540 0.Rešenje: a) log a 2. 25 log yˆ 2005 2.11828 Yˆ2007 2.

..2. m   i = 1. 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. Primeniće se metod odnosa prema  pokretnim sredinama... 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..  Izračunavaju se sezonski indeksi na osnovu izraza:  Y Iij = ij   j = 1.2.. m     • Ako  zbir  indeksa  I j   nije  400%  ili  1200%  izvrši  se  korigovanje  na  osnovu  relacije:  m C= n   ∑ Ik j =1 90 ...  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. n   Yij   • Izračunavaju se sezonski kvartalni indeksi na osnovu formule:  n Ij = ∑I i =1 ij n −1   i = 1....4 SEZONSKE VARIJACIJE      ZADATAK 112.2..  b) Izvršite desezoniranje podataka o proizvodnji putera....    Rešenje:    a) Potrebno je izračunati sezonske indekse.. h + 2.  3.

25  14.  I13 = 91 /  /  13.75  12.983  /  /    .081 13.4 + y4..679  0.87  13.75  15.25  /  /  Iij = Yij Yij' /  /  1.081  1.      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' )  13.4 2 y3.784  1.25  14.225  0.87  14.3 = y3.369  0.12 itd.75 4 4   y + y + y + y 12 + 15 + 18 + 11 = 2 3 4 5= = 14 4 4 y2.75  14.12 2 = itd.3 + y3.813  0.889  1.75  14.87  14.50  13.62  14.87 2   14 + 14.12  14.  15 = 1.25 = = 14.5 2 13.00  12.765  0.37  14.50  13.087  1.2.103  1.50  15.274 14.87   18 I14 = = 1.25  13.50  13.4 itd..274  0.87  13..i na osnovu formule:  j = 1. m   I 'j = I j ⋅ C   gde je m broj kvartala (4) ili meseca (12)..50    y1 + y2 + y3 + y4 10 + 12 + 15 + 18 = = 13.50  14.75 + 14 = 13.00  14.00  15.25  12.  y3 = y4 = y2.

 u trećim kvartalima bila  je  u  proseku  za  8.868  ukupno Ij = ∑I i =1 ij n −1 0.82   I3 1. m   i = 1.283   Ukupno: 4.750 Y 15 Y13' = 13' = = 13.103  1.2.5%  iznad  proseka  i  u  četvrtim  kvartalima  bila  je  za  28.081  1.679  0...02   I4 1.765  0.085   I4' = 1.753  0. Normalu u  ovom slučaju predstavljaju pokretni procesi.017      Kako  je  zbor  indeksa  Iij = 4.882   I3' = 1.885  1.9957679 = 1...  Tabela 3‐2: Izračunavanje sezonskih indeksa  kvartal  (j)  I (1)  II (2)  III (3)  IV (4)  ukupno  godina (i) indeksi  Iij   2005  (1)  ‐  ‐  1.085 Y12 12 = = 13.. 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.257  2.  u  drugim kvartalima bila je u proseku za 11.289  4.017 > 4 .9957679   4.369  2007  (3)  0.565  3.784  1.9957679 = 0.9957679 = 1.274  2006  (2)  0.  mora  se  izvršiti  korigovanje  indeksa:  C= 4 = 0.8% ispod normale.889  1..9957679 = 0.753 ⋅ 0.017 I1' = 0.3%  iznad  proseka.813  0.090  1.000 ili 400%  Proizvodnja  maslaca  u  prvim  kvartalima  bila  je  u  proseku  25%  ispod  normale...750   I2' = 0.283 Y11' = Y12' =         92 .Da bi se izdvojila čista sezonska komponenta izračunavanje se vrši na osnovu tabele 3‐1.983  ‐  ‐  n n ∑ Iij   i =1 2.2.289 ⋅ 0.271  3.087  1.225  2008  (4)  0.60   ' I2 0.33   ' I1 0.885 ⋅ 0. n   Ij   Y11 10 = = 13.090 ⋅ 0.    b) Desezoniranje podataka vrši se na osnovu formule:  Y Yij' = ij'   j = 1.882 Y 18 Y14' = 14' = = 14.

16  57.                93 .73  8.33  13.81  58.77  godina (i)  2006  2007  14. Na primer.66 y3 = 3 4 5 = 3 3 itd. a da nije bilo uticaja sezone ona bi iznosila 13330 kilograma.37  63.00  13.  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 = 8.03  21.00  14.82  14.66  12.60  13.82  2008  9.23  17.66   y2 = 2 3 4 = 3 3 y + y + y 5 + 9 + 15 = 9.  b) Izračunati desezonske podatke o prodaji kaputa    Rešenje:  a)   y + y + y 18 + 12 + 5 = 11.74  15.96    Podaci u tabeli 3‐3 pokazuju kakva bi bila proizvodnja maslaca kada ne bi bilo uticaja  sezone. u prvom kvartalu 2005.36  24.Tabela 3‐3: Desezonirani podaci o proizvodnji maslaca  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  ukupno  2005  13. godine proizvodnja maslaca iznosila je 10  tona.    ZADATAK 113.02  54.19  14.82  14.

8528785 = 0.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  ‐  11.66  9.690 I1' = 1.195  ukupno 4.019     94 i =1 .029 11.263  1.302.480  ‐  ukupno  n n ∑ Iij   Ij = ∑I i =1 ij   n −1 2.459  2008  (3)  0.965 I2' = 1.019 ' 4 I1' = 0.195 ⋅ 0.8528785   4.965.577  0. I4' = 1.690 > 4 .837  2.931  1.66  8.363  0.8528785 = 0.8528785 = 1.33  ‐  Iij = Yij Yij'   ‐  1.33  11.66  11.900  1.690  indeksa  Iij = 4.714   I = 1.029  0.900  1.617  1.480  ‐  12 = 1.527 ⋅ 0.33  12.871  0.00  10.363  0.577  0.8528785 = 1.577 8.131  3.131 ⋅ 0.029  0.054  1.154  0.674  0.617  1.527  1. I3' = 0.302 I3' = 0.  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)  ‐  1.931  2007  (2)  1. I2' = 1.871  0.837 ⋅ 0.  mora  se  izvršiti  korigovanje  indeksa:  4 = 0.33  13.66   5 I13 = = 0.154  0.459  0.66 itd.33  8.714.390  1.66  8.

b)   Y11 18 = = 18.79    ZADATAK 114.75.54   I1 0.965 Y 7 Y23' = 23' = = 9.54  6.302 Y 11 Y34' = 34' = = 10.66  2008  12.43   I1 0.22  7.302 Y 9 Y14' = 14' = = 8.65  9.48   95 .65   I3 0.83   I4 1.91   I2 1.302 Y 18 Y24' = 24' = = 17.019 Y12' =   Tabela 3‐6: Desezonirani podaci o prodaji odela  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  2006  18. y14 = 9.80   I3 0.22   ' I2 1.222.43  7. I 2' = 0.714 Y 15 Y21' = 21' = = 15.538.91  9.60  10.965 Y 5 Y13' = 13' = = 18.561.68  5. y13 = 6.79   I4 1. I '4 = 0.738   b) y11 = 7. y12 = 11.66   I4 1.80  17. I 3' = 2.019 Y 9 Y22' = 22' = = 6.714 Y11' = Y12 12 = = 9.15.714 Y 12 Y31' = 31' = = 12.65   ' I1 0.83  godina (i)  2007  15.68   I2 1.019 Y 10 Y32' = 32' = = 7.60   I3 0.13.  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' = 0.965 Y 4 Y33' = 33' = = 5.00  8.

20.221.56.91.  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. y22 = 13.05   ' ' ' ' y21 = 58.y21 = 8.36.56   ' ' ' ' y31 = 116.  do  2008.  c) Prognozirati potrošnju sladoleda. y32 = 40.95. y24 = 72.46.01. I4' = 1.  u  periodu  od  2004. y52 = 5. y22 = 44. y33 = 7.34.40. y34 = 8. y13 = 45. po kvartalima. I3' = 0. godini  96 .289. y44 = 6. y33 = 40.77 y51 = 3. y34 = 94.33.96. y54 = 5. y12 = 53.42   ZADATAK 115.  U  jednom  gradu  potrošnja  sladoleda. I2' = 1.  b) Izvršiti  desezoniranje podataka za 2004. y53 = 6.43.112.378   ' ' ' ' b) y11 = 93.42 y31 = 5. y23 = 36. Godinu.24. y24 = 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' = 1.57. y42 = 7. u 2009.69.72.10   y41 = 10. y14 = 58.75.20. y23 = 5. y43 = 7.65.34   ZADATAK 116. y32 = 9.29.09.  po  kvartalima.

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

.. x4 = = 72.05 125. n j = 1.   xij 103 = 0.3.8 I3 = = 1..21%.2. j = 1.3. j = 4.32% ispod normale. i = 1. 117.05     167.2 I4 = = 0.   4n 4⋅5 x I j = j . n   515 626 839 361 x1 = = 103.4335 ili 143.68%.5.35%. 117.2.5 I2 = = 1.21%  iznad  normale.8. 5 5 5 5 ∑∑ xij 2341 i =1 j =1 xij = = = 117.6168 ili 61. x3 = = 167.  u  drugim  kvartalima  bila  je  u  proseku  za  7.05 ⎡⎣102 turista ⎤⎦ .05 72. x2 = = 125.4.8799 ili 87.35% iznad normale i u četvrtim intervalima bila je u  proseku za 38.3.2.99%.  u  trećim  kvartalima bila je u proseku za 43..Rešenje:    a)      n = 5. j = 1. x j =     ∑ xi .4. Normala u ovom slučaju predstavlja opšti kvartalni  prosek xij = 117.2.01%  ispod  normale.05 ⎡⎣102 turista ⎤⎦    b)     x 4 I j = j .4. 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 .0721 ili 107.2. 117.05 Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12. 117.

99. 117.33.8729 .3. od 2005 do  2009.33 4 ∑ I j = 3.5854   121.55 + 1.5 = 0.55 + 1. I4 = = = 0.77 = 167.77.4.3.   y IV = 121.godini su:  y I = 121.2 + 28.55 + 1.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista    Odgovor: jednačina linearnog trenda posete turista. I2 = = = 1.78 (1) = 121.55 − 1.5x   Odgovor: jednačina linearnog trenda posete turista.2.55.2007. n 5 ∑ xi yi = 285 = 28.god.99 Y 2 119.godine  glasi:    yi = 486.2 + 28.55 Y 4 123.4.8866.   y II = 121.06.2.08. I1 =   I3 = X1 Y1 X3 Y3 = 103 X 2 125.god.5   yi = + xi   4 16           y i = 121.78 ( −1) = 121.0478.78 = 123.78 ( 0 ) = 121.5 b= ∑ xi 2 10 a= i =   y = 486. na kvartalnom nivou.5x i = 1.55 + 0 = 121.2 28.78 = 119.     Ishodište:   30. y III = 121.78 ( −2 ) = 117.55 + 1.2.y = a + bx . j =1 101 .5. od 2005 do    2009.  jedinica za X:   jedan kvartal (tromesečje)  jedinica za Y:   stotine turista  Pojedinačne kvartalne vrednosti trenda u 2007.78 xi i = 1.2007.8 72. Ishodište:   15.55 + 1.godine  glasi:    a b a b yi = + xi = + xi 4 4⋅4 4 16 486.2 X4 = 13805.55 + 1.   ∑y 2431 = 486.

n j = 1. Y 13 = 4 4 Y 11 =     Centralne pokretne sredine se izračunavaju na sledeći način:  ' 101.2.75.71%  ispod  normale.25 + 105.05% iznad normale i u četvrtim intervalima bila je za 41.78% iznad normale. i = 1..75                   102 itd   ..75.  Normala u ovom slučaju predstavljaju  kvartalne vrednosti trenda.75 + 107.     c)       n Iij = Yij . m I j = ∑I i =1 ij ..4492.75 = 103. u trećim kvartalima bila  je za 38..      Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12.. u drugim kvartalima bila je za 4. Y 13 = 2 ' 105..Kako je  ∑ I j manja od četiri.75.2.75 = 106.   Y 14 = 2   itd Specifični sezonski indeksi se izračunavaju na sledeći način:        I13 = 150 65 = 1. I' j = C ⋅ I j   n −1 Y ij Pokretne sredine se izračunavaju na sledeći način:      ' 80 + 110 + 150 + 65 405 = = 101. I14 = = 0.   4 4 150 + 65 + 98 + 118 431 = = 107...5.25. 4 4 110 + 150 + 65 + 98 423 Y 12 = = = 105. 103.46% ispod normale. nije potreban korektivni factor C.5 106.6088.

4416 0.9180 1.125  116.9041 1.5982    103 .0615  1.4492 0.9320  1.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  ‐  ‐  103.0  122.2784  5.75  107.5  122.75  119.6088 2006(2)  0.25  115.5  131.0902  ‐  ‐    Tabela 3‐8: Izračunavanje tipičnih sezonskih indeksa  Godina  Kvartal (j)/ specifični indeksi (Iij)  (i)  I (1) II(2) III(3) IV(4) 2005(1) ‐ ‐ 1.0696  1.0484  0.8970  1.25  128.625  128.4354  0.7111  4.25  126.5  113.4416  0.5923  0.75  110.9180  1.0  121.25  112.75  130.3931  Iij 5 Tipični indeksi  I j = ∑ Iij i =1 5−1   0.75  109.75  111.9041  1.6088  0.4084 0.0  ‐  Specifični   sezonski   indeksi  Y ij Iij = '   Y ij ‐  ‐  1.5962  0.5  106.9277  1.9320  1.75  122.5958  0.25  11.25  105.5962 2008(4)  0.0606 1.4492  0.8970 1.25  118.5  123.0606  1.875  124.0661  1.7346  2.0615 1.25  125.375  114.125  120.25  ‐  ‐    ‐  101.0902  ‐  ‐  Ukupno 3.5958 2007(3)  0.4336  0.5923 2009(5)  1.0661 1.4354 0.25  120.125  117.0  117.0  129.

4441 Y51' = Y54' = Y54 81 = = 134.4441.3375.9345 Y 142 Y52' = 52 = = 131. I2' = = 1. ' I2 1.godinu  glasi:    y 2010 = 486.6025   Odgovor:  Desenzonirani  podaci  u  2009.0291     Kako je  I j = 4.7 + 28. 0.75%  ispod  normale.4398.4   ∑ I j = ( 0.7     y 2010 = 571. ' I1 0.0775   Y53 181 ' Y53 = ' = = 125.5982 I3' = = 1.godinu desezoniranje podataka se vrši na sledeći način:  Y ij Yij' = '   Ij I1' = Y51 120 = = 128.2010.9277 + 1. I4' = = 0.  u  drugim  kvartalima  bila  je  u  proseku  za  7.godini.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista  104 .9927 0.  pokazuju  kakva  bi  poseta  bila  turista  kada ne bi bilo uticaja sezone.6025.9927     1.4336 + 0.2 + 28.5xi   Ishodište:   30.75%  iznad  normale.0696 = 0.   d)      Za 2009.god.7865.5 ( 3 ) = 571.41%  iznad  normale  i  u  četvrtim  intervalima  bila  je  za  39.9927   4.9345. ' I4 0.4336 0.5982) = 4.0291 0.06.23% ispod normale.0775.  u  trećim  kvartalima  bila  je  za  44.9927 Odgovor: Poseta turista u prvim kvartalima bila je u proseku za 7.4109.  na  godišnjem  nivou  za  2010. 0.0696 + 1.0291 > 4  radi se korektivni factor C    C= j =1 4 ∑Ij = 4 = 0.9277 1.9927 0.  e)     Jednačina  linearnog  trenda  posete  turista. I3 1.

7812 ⎞ ⎛   y i = ⎜ 142.3.0344 ⋅ 1.925 + 1. ' y 2010.                105 .8156.9345 = 131.I = 140.  godine  bila  bi  13106  turista.8156 + 1.4441 = 207.042.  u  drugom  kvartalu  15304.5 yi = + xi = 142.066.08. y II = 143.2532.7812 ( 0 ) = 143. Ishodište:   15.7812 ( −1 ) = 142.IV = 145.II = 142.2532 ⋅ 0.2.godinu  glasi:    571.0775 = 153.5968 ⋅ 0.   Odgovor:  Očekivana  poseta  turista  pod  uticajem  sezone.   ' y 2010.7 28. ' y 2010.7 Prognozirana  poseta  turista  po  kvartalim  au  2010. 4 ∑y j =1 j = 571.7812 xi 4 16 1.III = 143.6025 = 87.4.8156 + 1.2010.godini  izračunava  se  na  osnovu  izraza:  ' y ij = Y ij ⋅ I ' j .7812 xi 2 ⎠ ⎝ y i = 143.  u  trećem  kvartalu  20768  turista i u četvrtom kvartalu 8772 turista.8156 + 1.722.   ' y 2010.8156 ⋅ 1.   y IV = 143.7812 ( −2 ) = 140.7812 (1) = 145.7 = y 2010 = 57.  u  prvom  kvartalu  2010.684.   y III = 143.god.0344.925 +   ⎟ + 1.7812 xi i = 1.5968.  na  kvartalnom  nivou  za  2010.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina turista          y I = 143.8156 + 1.Jednačina  linearnog  trenda  posete  turista.8156 + 1.

  (0. (0. su:  (‐. 80.7162   I2 = 5. ‐.5. 62.  61.  1.5737.  77. ‐.  0.IV = 2.5.50.5).5. 0.5.4074   ∑ Ii .5079. 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.6276   ∑ Ii .  78. su:  (‐.ZADATAK 118.5. 80. 77.  76.  Proizvodnja zimske obuće u hiljadama para u jednoj fabrici.5161). 80.  1.75).  ‐. 83. (82. 77.75.  (78.5107   i =1 5 ∑ Ii .75.III = 5.  0. 77. 80. 62. (0.375.5238.0.5609.  (61.godini. 85.    Rešenje:  a)    Pokretne sredine su  Y ij   (‐. 62. 80.7162: 4 = 1.  77.I = 2. po kvartalima za2010.  ‐. 75.0).‐)    ' Centralne pokretne sredine  Y ij . 1.625).5107: 4 = 0.  0.5. 82.2903. 52.II = 5.  51. 65.4848.  (71.  c) Izvršiti desezoniranje podataka u 2007.godinu.7017.5).5.5725   i =1 5 i =1 5 i =1   Ukupno: 4.4693.6296 : 4 = 1.  1. 60.  62.2902   I4 = 2.25.12.  b) Prognozirati proizvodnju zimske obuće.25. 80.5217).  1.5.  (0.  1.6274).5.75.5. ‐)    5 I1 = 2.5.25.4328.25.25. 63.0365  106 .‐)    Specifični sezonski indeksi   Iij .8169.6296   I3 = 5.  57.  1.4290   ∑ Ii . 1.2902: 4 = 0.

599%.25 + ⎟ + 2. I2' = 1.06.9909 = 1.25 + 2.4.0365 I1' = 0.6275 ⋅ 0. 107   2008 320 1 2009 330 2 .4.06.3.2.06 xi i = 1.9909 = 1.41599 ili 141. i = 1.    jedinica za X:   jedna godina    jedinica za Y:   hiljadu pari obuće    Po kvatalima:    381 33 yi = + xi = 95. b = 33 5 10   y i = 282 + 33xi .2.god.188%.3.5725 ⋅ 0.06 xi 4 16 2.06 xi 2 ⎠ ⎝ y i = 95.  jedinica za X:   jedna godina  jedinica za Y:   hiljadu pari obuće  y i = 282 + 33 ( 3) = 282 + 99 y i = 381 + 33xi .459%.9909 = 0. ∑ xiYi = 330.5 a= Ishodište:   30.2010.729%.6. i = 1.2. = 1.9909   4.4290 ⋅ 0.56729 b)       ili 56.       Ishodište:   30.  Kako je  I j = 4.    godine (x) proizvodnja (yi) oznaka 2005 200 ‐2 2006 250 ‐1  2007 310 0     5 5 5 i =1 i =1 i =1 ∑Yi = 1410.0365 > 4  radi se korektivni factor C    C=   4 ∑Ij = 4 = 0. ∑ x2i = 10. I3' I4' = 0.4.28 + 2.5.62188 ili 62.god.4074 ⋅ 0.9909 = 0.3.                 1410 330 = 282.06 ⎞ ⎛     y i = ⎜ 95.2007.39459 ili 139.

god.28 + 2. 0.III = 96.41599 = 133.28.51.  Prodaja muške letnje konfekcije.28 + 2.16 ⋅ 0.40.39459 = 134. ' y 2010.56729 = 55.05.08.41599   120 40 Y 33 = = 86. ' y 2010.62188 = 57.   ' y 2010.godini  Yij' = Yij Ii'   50 100 = 80.62188 1.06 ( −1) = 94. za 2004.22 ⋅ 1.28 + 2. 1.  108 .271. ' y 2010. Y 34 = = 70.06 ( 0 ) = 96. u stotinama komada.22. ' Prognozirana proizvodnja po kvartalima:  Y i = Y i ⋅ Ii'   ' y 2010.39459 0.62.28 + 2.        Ishodište:   15. Y 32 = = 70.34. 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.   ' y 2010.     ' y 2010.34 ⋅ 0.28 ⋅ 1.06 (1 ) = 98.2010.787.IV = 98.   [hiljadu pari zimske obuće]  c)     Desezoniranje podataka u 2007.16.56729 Y 31 =     ZADATAK 119.III = 96.414.I = 92.I = 96.IV = 96.godinu.II = 96.06 ( −2 ) = 92.312.II = 94.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   hiljadu pari obuće  ' y 2010.

3.2004.79 ⎞ ⎛   y i = ⎜ 158.6.46 +   ⎟ + 1.god.46 + 1.79 xi 4 16 1.4.b) Izvršiti desezoniranje podataka u 2004.    jedinica za X:   jedna godina    jedinica za Y:   stotine komada letnje konfekcije    Trend po kvatalima:    633.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 .2.87 11084 = 15a55b b = 28.65 yi = + xi = 158.65xi   i = 1.god.08.79 xi 2 ⎠ ⎝       y i = 159.79 xi Ishodište:   15.87a + 28.65 y i = 633.87 28.5.       Ishodište:   30.   ∑ y = n ⋅ a + b∑ x ∑ x y = a ∑ x + b∑ x i i i       i i 2 i 4233 = 6a + 15b a = 633.2004.355 + 1.(treći kvartal)  jedinica za X:   jedan kvartil (tromesečje)  jedinica za Y:   stotina komada  109 XiYi  0  664  1402  2178  3060  3780  11084  .godini  c) Prognozirati prodaju muške letnje konfekcije po kvartalima u 2010.06.

159.I = 159. ' y 2004.8961 = 1.30606   184 75 ' ' Y 13 = = 161.77 + 28.5.     155.355 + 1.5032     [stotine komada]  c)    y 2010 = 633. I4 = = 0.   Aritmetičke sredine kvartila:  1097 1378 X1 = = 182.IV = 159.83.565 202. X 4 = = 90.3. 6 6 Sezonski indeksi po kvartilu:  Xi I 'j = j = 1.355 161.30606 I3' = 1.' y 2004.05166 1.7 110 .8961 = 1.13867 0.775.79 ( −2 ) = 155. 1.1736.355 + 1.5 90. I2 = = 1.5.2.7889.8961 = 1.8961 = 0.II = 159.355.0461. 1.65xi i = 1.4.8961   4.   ' y 2004.775 157.III = 159.4575 ⋅ 0. '   y 2004.87 + 28.5616 ⋅ 0.355 + 1. 6 6     1215 543 X3 = = 202.5032     b) Desezonirani podaciu 2004.5920.66 I1 = = 1.66.2707.79 (1) = 161.6. X 2 = = 229.godini:  152 210 Y '11 = = 144.83 229.05166 I2' = 1.5.4575. Y '12 = = 160.79 ( 0 ) = 159.145.2707 ⋅ 0.5616. Y 14 = = 149.565.3.65 ( 6 ) = 805.79 ( −1 ) = 157.1736 ⋅ 0.5334.355 + 1.5 I3 = = 1.4634 I1' = 1.4 Yi 182.2.145   Kako je  I j = 4.13867   I4' = 0.4634 > 4  radi se korektivni factor C      C= 4 ∑Ij = 4 = 0.77   y i = 805.

7906 xi             Ishodište:   15.08.5394.2010.2551.100.06.6314. Prognozirana prodaja muške konfekcije  ' y 2010.7488 ⋅ 1.33.1206.7906 (1) = 204.44 +   ⎟ + 1.33 + 1.7906 xi 4 16 1.44 + 1.   ' y 2010.7906 xi 2 ⎠ ⎝ yi =   y i = 202.5394 ⋅ 1.33 + 1.7906 ( 0 ) = 202.2861.god.II = 202. ' y 2010.1736 = 233.        Ishodište:   30.III = 202.2707 = 257.IV = 204.5616 = 114.7906 ⎞ ⎛ y i = ⎜ 201. ' y 2010.                     111   [ stotine komada] .god.33 + 1.65 + xi = 201.II = 200.1206 ⋅ 0.(treći kvartil)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina komada  ' y 2010.33 + 1.2010.4575 = 292.7906 ( −2 ) = 198.77 28.7906 ( −1 ) = 200.  jedinica za X:   jedna godina  jedinica za Y:   stotina komada  805.III = 202.I = 198.33 ⋅ 1.   ' y 2010.IV = 202.33 + 1. ' y 2010.I = 202. ' y 2010.7488.

1666  ili 16.5  ili 50%  P(A) =   2 n   Verovatnoća da će bavanjem novčića pasti glava iznosi 50%.  Na  slučajan  način  od  300  studenata  izabrano  je  40  od  kojih  su  8  položili  statistiku.  Kolika je verovatnoća da će se na gornjoj strani bačene kocke pojaviti broj 3?    Rešenje:    m=1.33%    4.4 ELEMENTI TEORIJE VEROVATNOĆE  4.03333  ili 3.  Kolika je verovatnoća da će se na slučajan način od 30 slova na pisaćoj mašini pojaviti  slovo M?    Rešenje:    m=1. n=30  P(A) = 0.1 Verovatnoća "a priori"    ZADATAK 124. n=6  m 1 P(A) = = = 0.  Kolika je verovatnoća položenih ispita iz statistike?    119 .  Kolika je verovatnoća da će bacanjem novčića pasti glava?    Rešenje:    m=1.2 Veorvatnoća "a posteriori"    ZADATAK 127.    ZADATAK 125.66%  n 6   ZADATAK 126. n=2  1 m P(A) = = 0.

 n=100  m 5 f (A) = = = 0. Kolika je verovatnoća neispravnih proizvoda?    Rešenje:    m=3.44%    ZADATAK 131. n=40  m 8 f (A) = = = 0.Rešenje:    m=8.2  ili 20%  n 40   ZADATAK 128.19444  ili 19. U jednom mesecu od  100  radnika  na  slučajan  način  5  radnika  je  imalo  prebačaj  norme.  Proizvedeno  je  800  akumulatora. n=36  m m 2 5 7 P(A) = 1 + 2 = + =   36 36 36 36 36 P(A) = 0.05  ili 5%  n 100   4.3 Zbirna verovatnoća    ZADATAK 130.  Kolika  je  verovatnoća radnika koji su prebacili normu?     Rešenje:    m=5.  U preduzeću je zaposleno 1000 radnika u procesu proizvodnje. Kolika je verovatnoća da će pasti ili zbir 3 ili zbir 8?     Rešenje:    m1=2.  Kolika je verovatnoća da će bacanjem dve kocke istovremeno pasti broj 3 ili 5?  120 . n=70  m 3 f (A) = = = 0.  Na  slučajan  način  izabrano  je  70  akumulatora  i  ustanovljeno je da su 3 neispravna. m2=5.  Bacaju se dve kocke istovremeno.04  ili 4%  n 70   ZADATAK 129.

  121 .234%  36 36   ZADATAK 134. n=100  60 10 70 P(A) = + =   100 100 100 P(A) = 0.  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) = ⋅ = 0.4 Složena verovatnoća    ZADATAK 133.  U jednoj kutiji nalazi se 10 crnih i 8 crvenih kuglica a u drugoj se nalazi 6 crnh i 5 žutih  kuglica.333  ili 33.3%    ZADATAK 132.  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.   Rešenje:    m1=1. Kolika je verovatnoća da će se iz prve ili iz druge kutije izvući crna kuglica?     Rešenje:    10 6 P(A) = ⋅ = 0. m2=1.7  ili 70%    4. m2=10.30%  18 11   ZADATAK 135.30300  ili 30.01234  ili 1. n=6  1 1 2 P(A) = + =   6 6 6 P(A) = 0.  40  matematiku  i  10  modele.  Od  100  studenata  60  je  položilo  metode.

 pri  čemu se kuglice ne vraćaju u kutiju?     Rešenje:    5 4 P(A ⋅ B) = ⋅ = 0.375  ili 37.5%  80 100   4.2222  ili 22.  U kutiji se nalazi 50 proizvoda.22%  10 9   ZADATAK 137.08571  ili 8.  U jednoj pošiljci ima 900 proizvoda a sadrži više od 4% neispravnih proizvoda.  U kutiji se nalazi 5 crvenih i 5 zelenih kuglica.5 Uslovna verovatnoća    ZADATAK 136.  Na  drugoj  tezgi  nalazi  se  60  vekna  težine  600  grama  i  40  vekni  težine  590  grama.88461  ili 88. kod kojih su 15 nestandardni.571%  50 49   122 . Kolika je verovatnoća da će se u drugom  izvlačenju izvući crvena kuglica. 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.  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. ako je u prvom izvlačenju izvučena crvena kuglica.46%  900 899 898   ZADATAK 138. Kolika  je verovatnoća da u uzorku od 3 proizvoda budu svi ispravni?     Rešenje:    864 865 866 P( A ⋅ B ⋅ C ) = ⋅ ⋅ = 0.Na jednoj polici nalazi se 50 vekni hleba od 600 grama i 30 vekni hleba od 590 grama.

  2%  i  1%  respektivno.01 p(A) = 0.02 p(D4 ) = 0.  a  margarin  "Dijamant" 90%.  30%  na  drugoj.16%    Odgovor:  Verovatnoća  da  će  kupac  kupiti  margarin  "Dobro  jutro"  koji  odgovara  standardu je 69.95 + 0.30 p(A / D2 ) = 0.68 ⋅ 0.  Na  mašinama  se  pojavljuje  škart  i  to:  1.79%  0.015 p(D1 / A) = = 0.28 p(A / D3 ) = 0.95   p(D2 ) = 0. proizvode se ženske čarape i to: 25%  na  prvoj  mašini.  Na četiri mašine.01645 0.6 Bajersova verovatnoća    ZADATAK 139.  28%  na  trećoj  i  17%  na  četvrtoj.2279  ili 22.95 p(D1 / A) = 0.01645 123   .30 ⋅ 0.32 ⋅ 0.934 p(D1 / A) = 0.25 p(A / D1 ) = 0.  1.018   p(D3 ) = 0.  i  to  dve  vrste:  "Dobro  jutro"  68%  i  "Dijamant"  32%.17 p(A / D3 ) = 0.934 p(D1 ) ⋅ p(A / D1 ) p(D1 / A) = p(A)   0. drugoj.90 p(A) = p(D1 ) ⋅ p(A / D1 ) + p(D2 ) ⋅ p(A / D2 ) p(A) = 0.25 ⋅ 0.  Margarin  "Dobro  jutro"  ispunjava  95%  standarda.25 ⋅ 0.17 ⋅ 0.02 + 0. u fabrici za proizvodnju čarapa.16%.018 + 0. trećoj ili četvrtoj mašini?     Rešenje:    p(D1 ) = 0.6916  ili 69.68 p(A / D1 ) = 0.  Kolika  je  verovatnoća  da  će  izabrane čarape biti škart i da je proizveden na prvoj.  U  jednom  marketu  se  prodaje  margarin.5%.    ZADATAK 140. Kolika je verovatnoća da će kupac kupiti margarin "Dobro jutro"?     Rešenje:    p(D1 ) = 0.015 + 0.28 ⋅ 0.4.01 p(A) = 0.015 p(D2 ) = 0.90   p(A) = 0.8%.32 p(A / D2 ) = 0.68 ⋅ 0.

02   p(A) = 0.01645 0.02 p(D3 / A) = = 0.019.015 p(D1 / A) = = 0.06%  0.03 i 0.01318 0.35 ⋅ 0.30 ⋅ 0. Od  kupava stižu reklamacije da usisivača od  proizvođača  D1  sa  greškom  ima  1.3282  ili 32.17%  0.  U jednom supermarketu rade tri kase.3404  ili 34.35 ⋅ 0. Uslovne verovatnoće su: 0. Fabrika D1 isporučuje  tržištu 20% usisivača.03 + 0.4 p(A / D1 ) = 0. D2 ili D3?     Rešenje:    p(D1 ) = 0.019 + 0.42 ⋅ 0.01645 0. kolika je verovatnoća da će to biti proizvodi iz fabrike D1.01 p(D4 / A) = = 0.01318 0.20 p(A / D1 ) = 0.01318 p(D3 ) = 0.0.04%  0.008           p(A) = 0.33%  0.42 p(A / D3 ) = 0.03   p(D3 ) = 0.38 p(A / D2 ) = 0.20 ⋅ 0.82%  0.45%  0.76%  0.30 ⋅ 0.4 ⋅ 0.017   p(D2 ) = 0.5417  ili 54. od  D2  0.015 + 0.1033  ili 10.2276  ili 22.38 ⋅ 0.02 p(A) = 0.017 0.0231 0.015 p(A) = 0.08% i od  D3  1.  35% druga i 25% treća.25 p(A / D3 ) = 0.5%.019 p(D2 / A) = p(D2 ) = 0.008 p(D2 / A) = = 0.28 ⋅ 0.  Tri fabrike proizvode usisivače iste snage i istih karakteristika.  Ako  su  usisivači sa  greškom.02 respektivno.008 + 0.25 ⋅ 0. kolika je verovatnoća da je to počinjeno na drugoj kasi?     Rešenje:    p(D1 ) = 0. D2 38% i D3 42%.01318 124 . 0.03 p(D2 / A) = = 0.7%. Ako je  pri naplati učinjena greška.017 p(D3 / A) = = 0.35 p(A / D2 ) = 0.4545  ili 45.01645   ZADATAK 141.0231   ZADATAK 142. Prilikom naplate prave greške i to: 40% prva.018 = 0.20 ⋅ 0.42 ⋅ 0.17 ⋅ 0.2306  ili 23.

934 5 − 4 0.  c) Izračunati standardnu devijaciju.710778  ili 71.934 5 − 1 0.0000885  ili  0.934 5 = 0.33   Očekivana vrednost slučajne promenljive iznosu 0.066   q=0.25113 p(1) = 0 + 1 0. 2.0025076 = 0.035489 = 0.000000125 4 + 1 0.934 5 − 3 0.934   5 − 2 0. 1.0000125%.0025076  ili  0.33.  četiri  neispravna  0.066 ⋅ ⋅ 0.066 = 0. 4 i 5 neispravnih?    a) Izračunati očekivanu vrednost.  tri  neispravna  0.25113 ili 25.035489 p(2) = 1 + 1 0.    a) Očekivana vrednost izračunava se na osnovu formule:  E (x) = n ⋅ p = 5 ⋅ 0. 5  300 p(x) = Cn x ⋅ p x ⋅ q n − x   p(0) = 1 ⋅ 0.066 ⋅ ⋅ 0.035489 ili  3. 3.    b) Varijansa se izračunava iz relacije  σ x2 = n ⋅ q ⋅ p   125 . Kolika je verovatnoća  da od 5 slučajno izabranih proizvoda bude 0.0000885 p(4) = 3 + 1 0. da će biti 1 neispravan 0. dva neispravna 0.25113 = 0.25076%.113%.     Rešenje:    n=5  20 p= = 0.00885% i pet neispravnih 0.4589%.066 ⋅ ⋅ 0. 3.0000885 = 0.71778 = 0.  Od 300 proizvedenih sijalica utvrđeno je da ima 20 neispravnih. 1.710778 5 − 0 0.066 ⋅ ⋅ 0.066 p(5) = ⋅ ⋅ 0.0660 ⋅ 0.  d) Prikazati binomski raspored u obliku histograma i poligona verovatnoća.934   Odgovor: Verovatnoća da će od 5 izabranih proizvoda biti svi ispravni iznosi 0.0778%.934  x=0.0025076 p(3) = 2 + 1 0.000000125 ili 0.4. 4. 2.  b) Izračunati varijansu.7 Binomna verovatnoća    ZADATAK 143.

σ x2 = 5 ⋅ 0.     Rešenje:  ⎛8⎞ a) p(3) = ⎜ ⎟ ⋅ 0.066 ⋅ 0.123863  ili 12.  d) Grafički prikaz binomnog rasporeda  Slika 2: Histogram i poligon verovatnoća      ZADATAK 144.3856   126 .555   Standardna devijacija slučajne promenljive iznosi 0.216 ⋅ 0.4 5   ⎝3⎠ p(3) = 56 ⋅ 0.01024 = 0.63 ⋅ 0.  b) Izračunati očekivanu vrednost.555.6 = 4.6   ponovi  n=8  puta.30822  c) Standardna devijacija se izračunava iz izraza:  σ = n ⋅ p ⋅ q = 5 ⋅ 0.8   c) σ x2 = 8 ⋅ 0.934 σ x2 = 0.30822   Varijansa slučajne promenljive iznosi 0.934 = 0.6 ⋅ 0.  Ako  se  eksperiment  koji  realizuje  događaj  B  s  verovatnoćom  p(B) = 0.92   σ = 1.    a) Izračunati verovatnoću da će događaj B ponovi 3 puta.4 = 1.  c) Izračunati varijansu i standardnu devijaciju.066 ⋅ 0.3863%  b) E (x) = 8 ⋅ 0.

11 ⋅ 0. 4 i 5  sati zastoja mašine.    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 .ZADATAK 145. 3. 2.    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.  Poznato  je  da  se  u  proizvodnji proizvodi 5% neispravnih sijalica.  Proizvedene  sijalice  od  40W  pakuju  se  u  kutiji  od  50  komada.5043941  ili 50.σ .8 Puasonova verovatnoća    ZADATAK 146.00706965 = 0.2502937  ili 25.  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. 1.02937%  c) p(3 < x < 5) = p(3) + p(4) + p(5)   p(3 < x < 5) = 0.947   p(3) = 19600 ⋅ 0.  b) Izračunati parametre Pusonovog rasporeda  μ .138565  ili  ⎝3⎠ 13.σ x2 .8565%  b) p(x ≤ 3) = p(0) + p(1) + p(2) + p(3)   p(x ≤ 3) = 0.43941%    4.001 ⋅ 0.

286504 = 0.358130 1! 1.89445   n⋅ p m 1. tri časa zastoja 0.25 = 1.252 −1.6504%.358130  ili  35.251 −1.25 σ x = n ⋅ p = m = 1.286504 = 0.25 1 1 α4 = 3 + = 3+ = 3.45 = 1.12 = 1.25 n⋅ p α3 =   ZADATAK 147.827179% i pet časova zastoja 0.00912799 ili 0.118 1 1 1 = = = 0.03827179  ili 3.286504 = 0.029144 4! x= n p(5) = 1 − ∑ p(x) = 1 − 0. 2. da će imati  jedan  čas  zastoja  iznosi  0.286504 = 0.286504 0! 1.2238312 2!   1.25 p(0) = ⋅e = 1 ⋅ 0.  b) Izračunati parametre ovog rasporeda.25 p(1) = ⋅e = 1. 5  5 mx −m ⋅e   p(x) = x! 1.250 −1.00912779 x =0 Verovatnoća da će mašina raditi bez zastoja iznosi 0.  1.09326301 3! 1.  b) μ = E (x) = n ⋅ p = m = 5 ⋅ 0.25 p(2) = ⋅e = 0.25 p(3) = ⋅e = 0.10172526 ⋅ 0.912779%.8130%.2238312  ili  22.3255208 ⋅ 0.25 = 1.38312%. četiri časa zastoja 0.25   σ x2 = n ⋅ p = m = 5 ⋅ 0.286504 ili 28.286504 = 0.25 ⋅ 0.25 m = x = 1.    128 .25 p= = 0.99087221 = 0.253 −1.  dva  časa  zastoja  iznosi  0.09326301 ili 9.78125 ⋅ 0. 3.254 −1.25 p(4) = ⋅e = 0.326301%. 4.25   x=1.25   36 Prosečan zastoj automatske mašine u toku 36 dana iznosu 1.25 časova.8 1.  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.25   n=5  x = 1.

 ne  prelazi 8 grama.177448  ili 17.Rešenje:    a) x = m = 1.762%  c) p(3 < x < 5) = p(3) + p(4) + p(5) = 0.9 Zakon velikih brojeva  4.1 Nejednačina Čebiševa    ZADATAK 149. σ x = 1.333574.  c) Izračunati verovatnoću da kesica manje od 100 grama bude između 3 i 5.220909.  a) Izračunati verovatnoće da sve kesice imaju masu 100 grama. p(1) = 0. α 4 = 3.03354%  0! b) p(x > 3) = 1 − [ p(0) + p(1) + p(2) + p(3)]   p(x > 3) = 0.    Rešenje:    n=100  δ = 10   ε = 8 p ( x − E (x ) < ε ) ≥ 1 − δ2   n ⋅ε 2 p ( x − E (x ) < 8 ) ≥ 1 − 102 = 0.2518473. p(2) = 0. n = 3   p(0) = 0.9843  ili 98.  Oceniti  verovatnoću  da  odstupanje  prosečne  mase  izabranih  kesica kafe.    Rešenje:    a) x = m = 8. σ x2 = 1.7448%    4. x = 0   80 p(0) = ⋅ e −8 = 0.51.9.0003354  ili 0.  Pakuje se kafa u kesicama od 100 grama.51.51.43%  100 ⋅ 82   129 .  Na  slučajan  način  izabrana  je  jedna  kesica  iz  svakog  isporučenog  paketa.  od prosečne  mase svih kesica kafe.95762  ili 95. α 3 = 0.8143.1936697   b) μ = E (x) = 1.  Trgovini  se  isporučuje  kafa  u  kesicama  mase  200  grama  u  paketima  u  kojima  se  isporučuju  po  100  kesica. p(3) = 0.  b) Izračunati verovatnoću da više od 3 kesice imaju masu manju od 100 grama.228. ako standardna  devijacija mase kod svih kesica kafe ne prelazi 10 grama. Kontrolom je ustanovljeno da se u proseku  mronađe 8 kesica manje mase od 100 grama.6622     ZADATAK 148.

  u  uzorku.43%. kod svih pasta za zube. za više od 2.  Oceniti  verovatnoću  da  odstupanje  aritmetičke  sredine  zapremine  boca  vina.18 .5   ili  ε = 3.5 − E (x) = 3. prema zapremini.5 grama.5   n = 30   δ 2 = 4.2 dl.52 n ⋅ε   ZADATAK 152. slučajno izabranih.  Odstupanje svake od 2000 nezavisno.5 .22   130 .  Oceniti  verovatnoću  da  će  se  vrednost  slučajne  promenljive  x  naći  u  intervalu 2.  Slučajna  promenljiva  x  ima  matematičko  očekivanje  E(x)=3.976  ili 97.04%   0.5   δ2 4. Kolika je verovatnoća da prosečna masa 30 tuba  ne odstupa od prosečne mase. Ha  slučajan način je izabrano 30 tuba.5 = 0. iz iskustva se zna da je varijansa  δ 2 = 4.    Rešenje:    ε = E (x) − 2.5 p ( x − E (x ) < ε ) ≥ 1 − x 2 = 1 − = 0.  iznosi  δ 2 = 4 . boca vina.  U fabrici za proizvodnju paste za zube.95  ili 95%   ε 2000 ⋅ 0.  kod  izabranih  kesica kafe.    Rešenje:    ε = 0.    Rešenje:    ε = 2.Odgovor:  Verovatnoća  da  prosečno  odstupanje  mase  kesice  kafe.5.8704  ili 87. ne prelazi 8 grama iznosi  98.  i  standardnu  devijaciju  δ x = 0.6%   30 ⋅ 2.    ZADATAK 150.5 ) ≥ 1 − δ x2   ε2 0. od prosečne mase svih isporučenih kesica kafe.2   n = 2000   δ 2 = 4   δ2 4 p ( x − E (x) < ε ) ≥ 1 − x2 = 1 − = 0.18   p ( x − E (x) < ε ) ≥ 1 − p ( x − 3 < 0.5 − 3 = 0.52   ZADATAK 151.5   δ x = 0.  od  aritmetičke  sredine  njihovih  matematičkih  očekivanja.  ne  prelazi 0.5 = 3 − 2.182 = 0.5<x<3.

 ako  je  131 ..  ne  više  od  2  časa.    Rešenje:    ε = 2   n = 300 δ =5 ⎛ x + x + x + ...  kod  svih  proizvedenih miksera nije veća od 5 časova. u cilju posmatrane mase?    Rešenje:    p = 0.92%   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  97.99 1 − 2 2 n⋅4 n ⋅ε n ⋅2 16 16   4⋅n = − = 0.99 − 1   4 ⋅ n = 1600   0.99   1− ≥p  1− = 0.9. + x300 E (x1 ) + E (x2 ) + E (x3 ) + . odstupa od prosečne dužine rada svih proizvedenih  miksera.4. Oceniti verovatnoću. + xn E (x1 ) + E (x2 ) + E (x3 ) + .. pri čemu je  odstupanje  od  prosečne  mase  dve  jedinice.99 ε =2   δ =4  2 2 16 δ 4 = 0.    ZADATAK 154.99.  Ako je ocenjena verovatnoća da je prosečna masa nekog proizvoda 0.92%. u uzorak treba uzeti 400 komada proizvoda. da prosečna dužina  rada bez kvara svih 300 miksera. + E (xn ) ⎞ δ2 p⎜ 1 2 3 − <ε ⎟ ≥1−   n n n ⋅ε 2 ⎝ ⎠ ⎛ x + x + x + . + E (x300 ) ⎞ 52 p⎜ 1 2 3 − < 2⎟ ≥1 − = 97.    ZADATAK 155.  Na slučajan način izabrano je 300 miksera..  ako  je  poznato  da  standardna  devijacija.2 Teorema Čebišova    ZADATAK 153.  sa  standardnom  devijacijom  od  4  jedinice.. izračunati koliko proizvoda treba uzeti u uzorak..01 4⋅n 1600 n=   n = 400     4   Odgovor: U cilju posmatranja mase.  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..  Na  slučajan  način  izabrano  je  200  tovljenika  na  jednoj  farmi  za  tov.

6 ε = 0. ako je u jednom danu proizvedeno 20000 auto guma.99 n = 20000   p = 0.99   ≥ 0.003.82%  p ≥1− n ⋅ε 2 200 ⋅ 152   4.12   0.99.01.12 i da ne bude manja od 0.    Rešenje:    ε = 15   n = 200 δ =9 δ2 92 ≥1− = 0.9989  ili 99.01 ⋅ 0.06 p⋅q ≥ 0.poznato  da  standardna  devijacija  kod  svih  tovljenika  na  farmi  nije  veća  od  9  kilograma.3 Teorema Bernulija    ZADATAK 156. koliko se mora izabrati nezavisnih jedinica u uzorak.5%.4 ⋅ 0.  Ako  je  verovatnoća  pojavljivanja  neispravnih  auto  guma  jednaka  0.99 p⎜ − 0.4 .    Rešenje:    ε = 0.99   1 − 1− 2 n ⋅ 0.    Rešenje:    p = 0.01 ⎛ x ⎞ p⋅q p⎜ − p < ε ⎟ > 1 −   n ⋅ε 2 ⎝n ⎠ ⎛ x ⎞ 0.12 n ⋅ 0.003 iznosi 94.6 0.003 ⎟ > 1 − = 0.12 n ⋅ε n = 200  (jedinica)    132 .9.945  ili 94.4⋅.  oceniti  verovatnoću  da  je  apsolutna  vrednost  razlike  frekvencija  neispravnih  auto  guma  manja od 0.4   q = 0.  x Ako je verovatnoća nejednakosti  − p ≤ 0.0032 ⎝ 20000 ⎠   Odgovor: Verovatnoća da je apsolutna vrednost razlike frekvencija neispravnih auto  guma manja od 0. pri čemu  n je  p = 0.    ZADATAK 157.5%  20000 ⋅ 0.99   1 − = 0.01 < 0.003   q = 0.

  Kolika  je  verovatnoća  da  će  prosečna  zarada  radnika  biti  u  intervalu  11.2   q = 0.9 ⋅ 103 ?    Rešenje:    μ1 = 11.9   δ 2 = 25   E (xi ) = 11.95   1 − 2 2 20000 ⋅ ε 20000 ⋅ ε 2 n ⋅ε ε = 0.6 < i =1 < 11.  izabranih  radnika  kod  čijih  je  zarada  matematičko  očekivanje  11.6 − 11.2 ⋅ 0.ZADATAK 158. ako je proizvedeno 20000 kifli.95.8 0.  koja  se  može očekivati sa verovatnoćom od 0.6   μ1 = 11.6 ⋅ 103  do  11.  na  slučajan  način.8 ⎟ ⎟  < i =1 < p ⎜ 11.95   > 0.16 1− > 0.  Verovatnoća  broja  ponavljanja  kifli  mase  manje  od  100  grama  je  20%.9 ⎟ = p ⎜ 1 1 1 4900 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 14 14 14 ⎝ ⎠ ⎝ ⎠ 4900 ⎛ ⎞ [ xi − E(xi )] ∑ ⎜ ⎟ p ⎜ −2.8   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 ⎜ ⎟ ⎜ 11.10 Centralna granična teorema    ZADATAK 159.  Izračunati  granicu  apsolutne  vrednosti  odstupanja  broja  kifli  od  njegove  verovatnoće.95   1 − > 0.9 − 11.8 ∑ [ xi − E (xi )] 11.012     4.8 ⋅ 103   dinara  i  varijansa  25 ⋅ 105 .8 < i =1 < 1.8)   1 ⎜ ⎟ ⎜ ⎟ 14 ⎝ ⎠ δx = = 133 .  Slučajna  promenljiva  yn  je  aritmetička  sredina  4900.4) − F (−2.    Rešenje:    p = 0.8 n = 20000   p⋅q 0.4 ⎟ = F (1.

36   E (xi ) = 5.  sa  varijansom  0.87%    ZADATAK 162.6 1 = =   324 18 30 ⎛ ⎞ ⎜ 5.    Rešenje:    μ1 > 5.  Kolika  je  verovatnoća  da  će  se  prosečna  masa  teladi  nalaziti u intervali od 49 do 587 kilograma.6 ⋅ 103   do  11.p = 0.7 t/ha.7 − 5.    δx = 134 .9 ⋅ 103 iznosi 91.66%    Odgovor:  Verovatnoća  da  će  prosečna  plata  biti  u  intervalu  11.5) = 0. Kolika je verovatnoća da će prosečan boravak turista biti u intervalu  od 6 do 9 dana.    ZADATAK 160.  kolika  je  verovatnoća da prinos suncokreta na 324 hektara ne bude manji od 5. sa  varijansom  144  kilograma.    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.  Ako  je  prosečan  prinos  suncokreta  5.65   n = 324   0.9987   ili 99.9974 ] = 0.36.9332  ili 93.  U jednom tovilištu bilo je 64 teladi sa očekivanom telesnom masom 52 kilograma.66%.  Na slučajan način izabrano je 225 turista koji su imali očekivan broj dana boravka 8.9192 − [1 − 0.65  t/ha.65 ⎟ p⎜ ⎟ = F (1.  sa varijansom 25.7   δ 2 = 0.9166  ili 91.32%  1 ⎜ ⎟ 30 ⎝ ⎠   ZADATAK 161.36 0.

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.  δ x2 (3 ⋅ x) .4 + 502 ⋅ 0.05 + 40 ⋅ 0.3 + 602 ⋅ 0. ⎩0.15 + 702 ⋅ 0.4 0.15 + 70 ⋅ 0.3 + 60 ⋅ 0.3 + 603 ⋅ 0.15 + 703 ⋅ 0.4 0.15 + 70 ⋅ 0.3 0.1 = 1820 m3 = 303 ⋅ 0.05 0.15 0.05 0.3 0.3 + 60 ⋅ 0.1 ⎭ i =1 ⎩ 0.  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.3 + 602 ⋅ 0.3 + 604 ⋅ 0.05 + 402 ⋅ 0.1⎭ 138 5 ∑p =1   i =1 i .  Z = X 4 .4 0.  b) Odrediti nove prekidne slučajne promenljive  Y = 4 ⋅ X . ∑ pi = 1   i =1 ⎩0.4 + 50 ⋅ 0. ∑ pi = 1 0.1 = 87500   m4 = 304 ⋅ 0.05 + 402 ⋅ 0.4 + 504 ⋅ 0.  d) Izračunati  δ x2 .5 ⎧900 2500 4900 1600 3600 ⎫ . Z = X2 = ⎨ ⎬ ∑ pi = 1 0.15 + 702 ⋅ 0.3   5 ⎧1801 5001 9801 3201 7201⎫ 2 K = 2⋅ X +1 = ⎨ ⎬ .4 + 50 ⋅ 0.4 + 503 ⋅ 0.4 + 502 ⋅ 0.4 0.  c) Izračunati očekivanu vrednosti  E (x) .15 + 704 ⋅ 0.    Rešenje:    5 7 8 9 10 ⎫ ⎧ 6 a) X = ⎨ ⎬ .1⎭ 32 36 40 ⎫ ⎧ 24 28 b) Y = 4 ⋅ X = ⎨ ⎬.868   δ x 11.3 c) E (x) = 30 ⋅ 0.05 + 404 ⋅ 0.05 0.  E (5 ⋅ x)  i  E (x − 3) .1 = 4526000 M4 = 4526000 − 4 ⋅ 87500 ⋅ 41 + 6 ⋅ 1820 ⋅ 412 − 3 ⋅ 414 = 55237   M 55237 (α 4 )x = 44 = = 2.05 + 403 ⋅ 0.1 − 412 = 139   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 139 = 1251   δ x = δ x2 = 1251 = 35.15 0.  e) Izračunati  (α 3 )x  i  (α 4 )x .  U  junskom  ispitnom  roku  100  studenata  je  položilo  ispit  iz  Statistike.1 = 41   m2 = 302 ⋅ 0.15 0.05 + 40 ⋅ 0.  K = 3 ⋅ X 3 + 2 .37  [kilograma]  e) m1 = 30 ⋅ 0.15 0.05 0.784   ZADATAK 165.1 = 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.

15 + 92 ⋅ 0.15 + 93 ⋅ 0.21963   6.1 = 415.4 + 83 ⋅ 0.25   m4 = 64 ⋅ 0.4 0.252 = 1.65 M3 = 415.4875 = 13.4875 = 1.25   m2 = 62 ⋅ 0.254 = 6.3   5 ⎧650 1031 1538 2189 3002⎫ 2 K = 3⋅ X + 2 = ⎨ ⎬ .3 + 72 ⋅ 0.15 1.1 = 7.3 + 74 ⋅ 0.c) 5 ⎧1296 2401 4096 6561 10000 ⎫ Z = X4 = ⎨ ⎬ .05 + 102 ⋅ 0.253 = 1.25   E (5 ⋅ x) = 5 ⋅ E (x) = 5 ⋅ 7.1 = 3291.1 = 54.9698 (α 4 )x = = 3.15 0.15 + 92 ⋅ 0.25 = 36.15 + 9 ⋅ 0.05 ⋅ 7.003 1.25   E (x − 3) = E (x) − 3 = 7.3 0. ∑ pi = 1 0.15 + 9 ⋅ 0.252 − 3 ⋅ 7.1 ⎭ i =1 ⎩ 0.3 + 72 ⋅ 0.3 + 7 ⋅ 0.1 = 7.82 (α 3 )x = = 1.25 ⋅ 54.05 0.82 M4 = 3291. ∑ pi = 1 i =1 ⎩ 0.05 + 104 ⋅ 0.65 − 4 ⋅ 7.25 ⋅ 415.25 + 6 ⋅ 54.05 + 2 ⋅ 7.4 + 84 ⋅ 0.25 d) δ x2 = 62 ⋅ 0.25 − 3 ⋅ 7.21964 139   .3 + 73 ⋅ 0.4 + 82 ⋅ 0.4 + 8 ⋅ 0.3 + 7 ⋅ 0.05 + 10 ⋅ 0.05 + 102 ⋅ 0.05 + 103 ⋅ 0.25 − 3 = 4.15 0.4875   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 1.9698 1.4 + 82 ⋅ 0.4 0.15 + 94 ⋅ 0.05 0.1 − 7.05 + 10 ⋅ 0.383   δ x = δ x2 = 1.05 m3 = 63 ⋅ 0.2196   e) m1 = 6 ⋅ 0.1 ⎭ E (x) = 6 ⋅ 0.4 + 8 ⋅ 0.

  U jednom mestu ima 200 domaćinstava. Koliko stabala šljiva treba uzeti za uzorak sa  verovatnoćom od 95.7 ≈ 16  [stabala šljiva]    ZADATAK 168.  Koliko  ovaca  treba  uzeti  za  uzorak  sa  verovatnoćom  od  99.  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.  u  cilju  provere  mesečne  potrošnje  ulja.    ZADATAK 167.962 n= = = 47. Koliko domaćinstava treba uzeti za uzorak sa  verovatnoćom  od  95%.21 ≈ 48  [ovaca]            140 .5 METOD UZORKA  5.73%  u  cilju  ocene  prosečne  mlečnosti  ako  se  zna  da  je  standardna devijacija osnovnog skupa 2 litre uz interval poverenja od 1.  U jednom šljiviku ima 800 stabala šljiva.45% = 2 E =1 2⋅E = 2 n = 15.19 ≈ 47   (N − 1) ⋅ E 2 + u2 ⋅σ 2 (200 − 1) ⋅ 12 + 1.962 ⋅ 42   Odgovor: U uzorak treba uzeti približno 47 domaćinstava.73% = 2.45% u cilju ocene prosečnog prinosa.5 litara?    Rešenje:    σ = 2   E = 1.5 N = 200   u = 99.  Na  jednoj  farmi  ovaca  ima  200  ovaca.98 n = 48.1 Veličina uzorka    ZADATAK 166. ako se zna da je varijansa  osnovnog skupa 4 kg uz interval poverenja od 2 kg?    Rešenje:    σ =4  N = 800   u = 95.

5    500 500 ⎝ ⎠ ⎝ ⎠ n ≈ 24  [radnika]    ZADATAK 170. u = 95% = 1. Koliko radnika treba uzeti za uzorak  uz verovatnoću 90% sa ciljem izračunavanja prosečne plate u dinarima.5 kg i  ako je standardna devijacija osnovnog skupa 3 kg.5. ako se želi da interval poverenja ne bude šira od 1.    Rešenje:    a) σ = 3.  b) Izračunati veličinu uzorka sa verovatnoćom od 99%.58   n = 106.95 = 24.    Rešenje:    N = 400   u = 1.75.    Rešenje:    σ = 2.5 litara? Veličinu uzorka odrediti za verovatnoću od 99% uz  pretpostavku da je uzorak sa ponavljanjem.75. Uzorak je sa ponavljanjem.  U jednom preduzeću zaposleno je 400 radnika.46 ≈ 64  [domaćinstava]  b) σ = 3.ZADATAK 169.  Koliko  treba  uzeti  u  uzorak  domaćinstava  radi  ocene  prosečne  potrošnje  mesa  po  domaćinstvu u celom gradu.  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 = 563.397 ≈ 563  [domaćinstava]      141 . E = 0. ako se zna da  je  standardna  devijacija  osnovnog  skupa  1500  dinara  uz  interval  poverenja  100  dinara? Uzorak je sa ponavljanjem. E = 0. E = 0.6 ⎞ ⎛ 2475 ⎞ 2 n=⎜ ⎟ =⎜ ⎟ = 4.3.3 litra  uz interval poverenja od 0.  a) Izračunati veličinu uzorka sa verovatnoćom od 95%. u = 99% = 2.96   n = 64.6 σ = 1500 E = 500 ⎛ σ ⋅u ⎞ n=⎜ ⎟    ⎝ E ⎠ 2 2 2 ⎛ 1500 ⋅ 1.50 ≈ 107  [domaćinstava]    ZADATAK 171. u = 99% = 2.

982 ⋅ 0.5   2.6 n ≈ 7234  [porodica]    ZADATAK 173.95 E = 0.58 P = 0.  Iz  iskustva  se  zna  da  je  proporcija  tih  domaćinstava  60%.73% = 2.015 Q = 0.4 N = 10000   u = 99.982 ⋅ 0.2.4 = 7234. Koliko treba uzeti za uzorak pakovanja radi kontrole tačnosti ase.  U  jednom  mestu  od  10000  porodica  treba  oceniti  udeo  domaćinstva  koja  idu  u  bioskop  uz  verovatnoću  od  99.    Rešenje:    P = 0.36 ≈ 554  [paketića kafe]    5.73%. Uzorak je bez ponavljanja.  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.  koliko  treba  uzeti  porodica  za  uzorak  uz  interval  poverenja  od  3%? Uzorak je bez ponavljanja.2 Ocene na osnovu uzoraka  5.05 n = 554.1.98 2 N ⋅u ⋅Q n= 2   u ⋅ Q + E 2 ⋅ ( N − 1) ⋅ P n= 10000 ⋅ 2.0152 ⋅ (10000 − 1) ⋅ 0.1 Ocena aritmetičke sredine osnovnog skupa na osnovu uzorka    ZADATAK 174.4 + 0.    Rešenje:    N = 50000   u = 2. 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%.ZADATAK 172.  142 .025 Q = 0.6 E = 0.  U  jednoj  fabrici  za  proizvodnju  kafe  proizvodi  se  50000  pakovanja  jedne  fake  mase  200 g.

66193   30 ⋅ ( 30 − 1) Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 0.96 ⋅ 0.  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.6  čarapa.6 + 1.  b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   100 ⋅ 13.b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  nalazi  ukupan  broj  proizvedenih  čarapa  u  celom  preduzeću.  x= i =1 n Sx = = ∑x i =1 2 i − n⋅ x2 n ⋅ ( n − 1) = 6776 − 30 ⋅ 14.    Rešenje:    n ∑x i 438 = 14.    143 .6 − 1.66193   13.3027  do 15.  ako  u  proizvodnji  radi  100  radnika.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.3027 ≤ N ⋅ μ ≤ 100 ⋅ 15.3027 ≤ μ ≤ 15.8973 Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  da  se  prosečan  broj  proizvedenih čarapa u celom preduzeću nalazi negde u intervalu od 13.6   n 30 Odgovor:  Prosečan  broj  proizvedenih  čarapa  u  uzorku  od  30  radnika  iznosi  14.8973.62 = 0.96 ⋅ 0.    ZADATAK 175.66193 ≤ μ ≤ 14.  a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   14.66193 komada.

436  [komada]  b) 1281.  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%.1  [komada].20  [komada]    ZADATAK 177.75   25   144 .  Sx = 0.  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.  6.11264     ZADATAK 176.  b) Kolika se ukupna prodaja može očekivati uz datu verovatnoću ako preduzeće  ima 200 prodavnica?    Rešenje:    a) x = 7.407 ≤ μ ≤ 8.08735 ≤ μ ≤ 8.51809  [komada].6   Sx = 0.Rešenje:    x = 7.49 ≤ N ⋅ μ ≤ 1687.1987   7.  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%.

 uz rizik greške od 1%.58 ⋅ 0.4  8.75 − 2.2  5.  izabranih  na  slučajan  način.1  2.4 ≤ N ⋅ μ ≤ 1432.9185 ≤ μ ≤ 3.  n 25 = 0.1  7.7  5.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   2.6 Odgovor: Potrošnja ulja u celom gradu kretaće se u intervalu od 767.4  6.58 ⋅ 0.            145 .2  4.3223   1.2  6.3223 ≤ μ ≤ 2.4  7.Odgovor: Prosečan mesečna potrošnja ulja u uzorku od 25 porodica iznosi 2.3  5.2  3.3  5.75 + 2.    ZADATAK 178.8  8.6  4.8  5.6  7.9185 do 3.  ostvaren  je  prinos  suncokreta  u  t/ha  (uzorak bez ponavljanja):  4.6.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   400 ⋅ ( 2.5  4.752 400 − 25 N −n = ⋅ = 0.6 litara  do 1432.1    a) Odrediti  interval  poverenja  uz  verovatnoću  95%  u  kome  se  može  naći  prosečan prinos suncokreta po hektaru.5  3.4  5.6  3.3  4.58 ⋅ 0.3223)   767.3223) ≤ N ⋅ μ ≤ 400 ⋅ ( 2.1  5.0625 = 6.2  7.5815 Odgovor: Uz verovatnoću 99% može se očekivati da će se prosečna mesečna  potrošnja ulja nalaziti negde u intervalu od 1.3223   25 ⋅ ( 25 − 1) 400 − 1 N −1 Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 32.6  6.75 − 2.1  3.6  5.1  5.5815 litara.1  6.75 + 2.  Na  30  parcela.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 ⋅ 2.5  5.75 litara.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna količina suncokreta uz istu verovatnoću ako je zasejano 900 parcela.23 litara.58 ⋅ 0.

Rešenje:    a) x = 5.  4.  Sx = 0.6833  [dana].1.2 Grupisani podaci (uzorak sa ponavljanjem)    ZADATAK 180.85 ≤ N ⋅ μ ≤ 5361.  25 = 1.666% < 4%   1500 b) 5794.  146 .8465 ≤ μ ≤ 5.936  [dana].28242  [t/ha].95709  [t/ha].4  [t/ha].863 ≤ μ ≤ 8.2.  Sx = 0.4  [dana].38  [t/ha]      ZADATAK 179.  3.33% < 4%   900 b) 4361.  b) Koliki  je  ukupan  broj  dana  bolovanja  uz  istu  verovatnoću  ako  fabrika  zapošljava 1500 radnika?    Rešenje:    a) x = 6.  U jednom preduzeću  za proizvodnju lepka.5 ≤ N ⋅ μ ≤ 13404  [dana]  5.  30 = 3.  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%. 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.

4841   45 ⋅ ( 45 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1.3 ≤ N ⋅ μ ≤ 12830.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.768   11085.4841 ≤ μ ≤ 39.4 komada.951 do 42.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   39.768 Odgovor: Uz verovatnoću 95% može se očekivati da će se prosečan broj spakovanih  kutija lepka na celoj liniji nalaziti negde u intervalu od 36.4841   36.4 Odgovor:  Uz  rizik greške 5% može se očekivati  da se ukupan broj spakovanih kutija  nađe negde u intervalu od 11085.94 ⋅ 1.3 do 12830.    147 .68   45 i Odgovor: Prosečan broj spakovanih kutija lepka u uzorku iznosi 39.951 ≤ N ⋅ μ ≤ 300 ⋅ 42.86 − 1.86 + 1.862 = 1.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 75858 − 45 ⋅ 39.    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 = 39.4841 kutija.94 ⋅ 1.86 komada.951 ≤ μ ≤ 42.768 litara.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   300 ⋅ 36.

1‐15  2  15.1‐15  15.    Rešenje:    Tabela 5‐2: Radna tabela za izračunavanje standardne greške  promet ( χ i )  10.5  .1‐25  25. dobijen je raspored tabli  prema masi (uzorak sa ponavljanjem):    masa u gramima (xi)  94.25  21093.1‐45  8    a) Izračunati.5  17.1‐30  30.48  [grama].1‐35  35.1‐20  4  20.  b) Izračunati  total  osnovnog  skupa  uz  istu  verovatnoću.5  102.1‐20  20.1‐25  6  25.5  42.ZADATAK 181.5 104.75  14450  54462.5  27.5  325  562.58 .5  3781.  u = 2.5  22. prosečan dnevni promet u  celom osnovnom skupu.9054 ≤ μ ≤ 101.5  [tabli]    ZADATAK 182.1‐40  15  40.  U 50 prodavnica ostvaren je dnevni promet u 103 dinara (uzorak sa ponavljanjem):    promet ( χ i )  broj prodavnica (fi)  10.5  37. na slučaj izabranih 120 tabli čokolada od 100 g.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.1‐40  40.1‐45  ukupno  broj  prodavnica ( fi ) 2  4  6  5  10  15  8  50  148 xi   xi ⋅ fi   xi2 ⋅ fi   12.0545   [grama]  b) 499527 ≤ N ⋅ μ ≤ 505272.1‐30  5  30.5  340  1595  312.  99.5  1225  3037.  Kontrolom.5  32.5  96.  Sx = 0.1‐35  10  35.    Rešenje:    a) x = 100.  ako  u  posmatranom  regionu ima 200 prodavnica. uz verovatnoću 95% da se može naći.5  98.2227  [grama].25  1056.5  100.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna proizvedena količina čokolade ako je proizvedeno 500 tabli.5  ‐  25  70  135  137.

96 ⋅ 1.5  15  3.530 ≤ μ ≤ 34.    b)   ( ) N x − u ⋅ Sx ≤ N ⋅ μ ≤ N ( x + u ⋅ Sx )   5906 ≤ N ⋅ μ ≤ 6856.    ZADATAK 183.9 + 1.51‐4  12  4.01‐4.01‐3.9 − 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.269   Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  prosečan  dnevni  promet  u  celom  regionu u intervalu od 29530 do 34269 dinara.5  9  2. uz istu verovatnoću.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 54462.20914 ≤ μ ≤ 313.9   50 i i =1 Odgovor: Prosečan promet u 50 prodavnica iznosi 31900 dinara.n x= ∑x ⋅ f i i =1 i n ∑f = 1595 = 31.  Na  površini  od  51  hektar  ostvaren  je  prinos  suncokreta    u  t/ha  (uzorak  sa  ponavljanjem)    Prinos ( χ i )  Površina(fi)  2.01‐2.96 ⋅ 1.  b) U kom intervalu se može naći ukupna proizvedena količina suncokreta ako je  zasejano 500 hektara.20914   50 ⋅ ( 50 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1209 dinara.92 = 1.51‐3  7  3.    a)   x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx 31.5 − 50 ⋅ 31.5  8    a) Izračunati  prosečan  prinos  suncokreta  na  ukupnoj  zasejanoj  površini  uz  verovatnoću 99%.20914   29.

 39. 41. 38.5%. Sx = 0.09231 = 9. u = 2.3.103 dinara. uz verovatnoću 95%.  Od  130  prodavnica  nameštaja  na  slučajan  način  izabrano  je  12  i  popisan  je  dnevni  promet u 103 dinara: 25.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije manji od  38.0927 ( t / ha ) 3.23% 4%   N 130 150 . 45.3.34.5. uz verovatnoću 90%.1 Testiranje razlike između aritmetičke sredine uzoraka i hipotetične vrednosti  aritmetičke sredine osnovnog skupa (negrupisai podaci)    ZADATAK 184.  c) Da  li  se  može  prihvatiti  hipoteza.5 t / ha .    Rešenje:  n ∑x i 422 = 35.1.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije veći od  33.    x= i =1 = n 12 = = 0.5191[t / ha ] b)     1520. 40.4 ≤ N ⋅ μ ≤ 1759.Rešenje:    a)         x = 3. 42.103 dinara. 28 .31 .3 Statistički testovi na osnovu uzoraka  5.58.  da  prosečan  dnevni  promet  kod  svih  130  prodavnica bude 36.1 Testovi na osnovu „T“ raspodela    5.  b) Da  li  se  može  prihvatiti  hipoteza.28 [t / ha ] .16   n 12 Odgovor: Prosečni dnevni promet u uzorku od 12 prodavnica iznosi 35160 dinara.    a) Da  li  se  može  prihvatiti  hipoteza. 30.103 dinara.      5. 29. uz verovatnoću 97.0408 ≤ μ ≤ 3.

79948313.84 ⋅ 103  slučajna. da je prosečan dnevni promet u svih  130 prodavnica 35160 dinara.685   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  od  97. 75% t = 2.162 130 − 12 N −n = =   12 (12 − 1 ) 130 − 1 N −1 Sx = 1.466 < 2.46680.685 < t0 ≈ −0.16 − 36 t0 = = = −0. 685 Slika 3: Područje prihvatljivih odbacivanja  H0 : μ = μ0     Odgovor:  Kako  je  ispunjena  relacija  −2.   Odgovor:  Ocena  prosečnog  odstupanja  aritmetičke  sredine  uzoraka  od  aritmetičke  sredine osnovnog skupa iznosi 1799 dinara.200344.   Sx 1.5% = 1. 75% t t0 = 0.79948313   151 .5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 35.    b)     x − μ0 35.    a)     x − μ0 35.79948313 Sx   f (t ) α 2 97. 25% 2 48.n Sx = ∑x 2 i − nx i =1 n ( n − 1) 2 ⋅ 15302 − 12 ⋅ 35. 466 t = 2.16 − 33 t0 = = = 1. 25% 48.   1. To znači.16 − 36 = 0. 685 α = 1.

34 ⋅ 103   dinara  može  se  smatrati  152 .16 ⋅103   može  se  smatrati  slučajnom.  To  znači.833 Slika 4: Oblasti prihvatanja i odbacivanja  H0 : m ≥ m0     Odgovor:  Kako  je  t0 ≈ 1.   2. 2003 t = 1.16 − 38.  c)   x − μ0 26.856 t = −1.383 Slika 5: Granice prihvatanja i odbacivanja  H0 : μ ≤ μ0     Odgovor:  Pošto  je t0 ≈ 1. da prosečan dnevni promet u svih 130 prodavnica nije veći od 33000 dinara.16 − 33 = 2.210948 Sx   f (t ) 90% 2a = 20% a = 10% t = 1.383 .89059.82 − 31 t0 = = = −1.uz  verovatnoću  95%  hipoteza  H0  se  prihvata  a  razlika  x − m0 = 35.  hipoteza  H0  se  uz  rizik  greške  10%  odbacuje  a  razlika  x − m0 = 35. 75% a = 5% t t0 = 1.f (t ) 2a = 10% 90% 50% 48.856 40% 50% t t0 = 1. 20034 t = 1.5 = −3.833   .

  b)   t0 ≈ 0.0310 t0 ≈ −2.  U  liniji  za  proizvodnju  čarapa  postoje  20  mašina.030. Sx = 0. da je prosečna mesečna plata kod  svih 200 radnika 3100 dinara. Na slučajan način izabrano  je 22 radnika koji su imali sledće plate u 102 dinara. 5.statistički  značajnom. t = 4.78. da je prosečan škart  kod svih 20 mašina 7 pari?  b) Da li uz verovatnoću 90% može prihvatiti hipoteza H0 .    ZADATAK 185.  U fabrici za proizvodnju tapeta zaposleno je 200 radnika.020.  To  znači. 6 i 8 pari.  c)   t0 ≈ 0. r = n − 1 = 6 − 1 = 5. da prosečan škart kod  svih 20 mašina nije veći od 5 pari?  c) Da li se moze prihvatiti hipoteza H0 .5[ pari ] .  da  prosečan  dnevni  promet  u  svih  130  prodavnica  manji od 38500 dinara.005?  b) Da  li  se  može  uz  verovatnoću  95%  prihvatiti  hipoteza  H0  . H0 se prihvata.    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 . 6 ÷ 20 = 30% 4%.    5.01. uz verovatnoču 95% da prosečan škart  kod svih 20 mašina nije veći od 6 pari?    Rešenje:  x = 5.  da  je  prosečna  mesečna plata kod svih 200 radnika nije veća od  3200 dinara?  153 .892 4.1.892 a)       −4. H0 se prihvata. 4.3.7631 t = 2.76308 t = −2. 7.  Na  slučajan  način  izabrano  je  6  mašina i popisan škart u toku 8 sati rada: 3.030   t0 = −2. uz rizik greške 0.655235 α = 0. H0 se prihvata.    a)  Da li uz verovatnoću 99% može prihvatiti hipoteza H0 .2 Grupisani podaci      ZADATAK 186.

11  ili  11% 4%   N 200 n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x n ( n − 1) 2 ⋅ N −n 18350 − 22 ⋅ 26.82.c) Da li se može prihvatiti hipoteza H0.5%?    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.    a)     x − μ0 26.822 200 − 22 = ⋅ = 2.   Sx 2.82 − 31 t0 = = = −1.   22 i i =1   Odgovor: Prosečna mesečna plata kod 22 radnika u uzorku iznosi 2682 dinara. da prosečna mesečn plata kod svih 200  radnika nije manja od 3400 dinara. uz verovatnoću 97.89059.210948   N −1 22 ( 22 − 1 ) 200 − 1 Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  aritmetičke  sredine osnovnog skupa iznosi 221.  n 22 = = 0.1 dinara.210948   154 .

75% t = 3. 09 t Slika 6:Granice prihvatanja i odbacivanja  H0 : μ = μ0     Odgovor: Kako se izračunato  t0 ≈ −1.   2. da je prosečan plata  svih 200 radnika 3100 dinara. 75% 49. To znači.f (t ) 99.  H0  se  prihvata  uz  verovatnoću  od  99.1890 t = 3.5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 26. 721 Slika 7: Granice prihvatanja i odbacivanja  H0 : μ = μ0     155 .890  nalazi u području prihvatanja nulte  hipoteze.82 − 31 = −418 ⋅ 102  slučajna.  b)   x − μ0 26.210948 Sx f (t ) 2a = 10% 95% 45% 50% a = 5% t t0 = 2.82 − 32 t0 = = = −2. 25% 49. 09 t0 = 0.343 t = 1.34228.5% α 2 = 0. 25% α 2 = 0.

5%?  da  prosečna  ocena kod svih 150 studenata nije manja od 8. da je prosečan plata svih 200 radnika nije veća od 3200 dinara. To znači. 080 Slika 8: Granice prihvatanja i odbacivanja  H0 : μ ≥ μ0     Odgovor:  Pošto  je t0 ≈ 3.   2.  da  je  prosečna  ocena  kod  svih  150  studenata 9.5?  c) Da  li  se  može  prihvatiti  hipoteza  H0.182 ⋅ 102   dinara  je  slučajna.Odgovor: Kako je  t0 ≈ −2.  a  razlika  x − μ0 = 26.82 − 34 = −7.  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.  uz  verovatnoću  97. 247 50% t t0 = 2.5?    156 .247 t = −2.    ZADATAK 187.721  .uz verovatnoću 95% hipoteza H0 se  prihvata  a  razlika  x − μ0 = 26.82 − 34 t0 = = = −3.    c)   x − μ0 26.5% t = 3. da je prosečna  plata manja od 3400  dinara.18 ⋅ 102   dinara  može  se  smatrati statistički značajnom.5% 2a = 5% 47.080 .24747. uz verovatnoću 95%?  b) Da li se uz verovatnoću 90% može prihvatiti hipoteza H0 .5% a = 2.  hipoteza  H0  se  odbacuje  uz  rizik  greške  2.343 t = 1.5%.82 − 32 = −5.  To  znači. da prosečna ocena  nije veća od  7.210948 Sx f (t ) 97.

   n=12  Proizvoljna aritmetička sredina  x = 3t / ha     157 .262. Sx = 0.833.2 ‐  ‐    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.223 t = 1.  b)   t0 ≈ 1. 10 ÷ 1500 = 6.1 Analiza jednog faktora varijabiliteta    ZADATAK 188.685.                    5.    Rešenje:    a)   Potrebni podaci su:     m=3.6% 4%.   n2=4.223 t = −2.   n1=5.408683     a)   t0 ≈ −2.2 Testovi na osnovu „F“ raspodele  5.5 3.7 4.7  ‐  3.3.Rešenje:    x = 8.8  3. H0 se prihvata.  c)   t0 ≈ −1.   n3=3.7  2. H0 se odbacuje. H0 se prihvata.7  3.2  2. Ostvaren je  prinos u  t/ha:  Sorta  Prinos u  t/ha  B1 B2   B3   2.1  3.4 3.447 t = −2.3.2.2  3.1 3.  Na dvanaest parcela zemljišta istog kvalieta zasejane su c3 sorte pšenice.

12 + ( −0.12 + 0. izračunava se na osnovu relacije:  SR = ST − SB = 3.2.9  ‐1.02 2.9 ) = 4.2.05.72 + 0.6 )2 + 0.786 VT = = 0.05.92 1.764 F( 0.1  ‐  j=5 0.3 )2 ⎥ 12 ⎣ ⎦       SB = Disperzija  po  faktoru  B  (između  sorti  pšenica.7  ‐0.5 0.972 2 1.12 + ⎤ 2.786 − 1.0  S=2.842   ST = 3.  odnosno  između  redova  m Si 2 S 2 izračunava se na osnovu formule:  SB = − .944 = 1.842 .944 = 0. obzirom na različitost sorte.204   = 4.786   St = ⎢ ⎢( −0.    158 .2 ‐  ‐    0.Tabela 5‐4: Odstupanje  xij = x 0   Sorte pšenice (i=1.8  j=2 0.9  0.3)    B1(i=1)  B2(i=2)  B3(i=3)        St = xij − 3   j=1 ‐0.3  Si   j=4 0.82 ⎥− = 3.05   i  može  se  smatrati  da  su  razlike  u  prinosu  pšenice  statistički  značajne.82 + + − = 1.344 11 Odnos varijanse  Tablična vrednost F  0.22 + 0.1 0.26   VB = F0 =   Odgovor:  Kako  je  F0 = 4.22 + 0.52 + 0.842 VR = = 0.26 .944   5 4 3 12     Rezidualna disperzija (unutar sorte pšenice).9 ) = 4.  n ⎡( −0.  nulta  hipoteza  se  odbacuje  uz  rizik  greške.944 SR = 1.9 2.1  j=3 0.9  2.  α = 0.2.764 F( 0.786 Broj stepeni   slobode  m‐1=3‐1=2    n‐m=12‐3=9    n‐1=12‐1=11  Ocena varijanse  1.972 = 0.2  ‐0.204   9 3.    Tabela 5‐5: Analiza varijanse  Suma  kvadratnih  odstupanja  SB = 1.92 + 0.7 1.6 0.  n i =1 ni ∑ 0.72 + 1.8 )2 + 0.8  Totalna disperzija St izračunava se na osnovu izraza:  ni m ∑∑ i =1 j =1 ( xij ) − 2 S2 .

1 + 2.92 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 = 2.8 = 3.4 + 3.  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. ni   n1 ∑x 1j 15.5 + 3.2 + 3. 0360 F = 10.    x3 = j =1 = 159 .7 = 38.9 = 3.18 t/ha.7 t/ha.66   3 n3 Odgovor: Prosečni prinos pšenice B3 na 3 parcela iznosi 2.66 t/ha  Razlike između aritmetičkih sredina  x1 .7   4 n2 Odgovor: Prosečni prinos pšenice B2 na 4 parcela iznosi 3.7 + 3.225   12 i i =1 Odgovor: Prosečan prinos pšenice na svih 12 parcela iznosi 3.f (F ) α = 1% 99% F F0( A) = 0.1 + 2.7 + 4.  ni xi = ∑x ij j =1 .8 + 3.1 + 3.18 5 n1 Odgovor: Prosečni prinos pšenice B1 na 5 parcela iznosi 3.2 + 3.  x1 = j =1 = n2 ∑x 2j 14.225 t/ha.7     ni m x= ∑∑ x ij i =1 j =1 m = ∑n 38. x2 .7 = 3.

66 = 1.329 = 0.9 ) = 2.    Prema tome.b)    Pošto  je  nulta  hipoteza  H0  odbačena  može  se  vršiti  testiranje  najmanje  značajne razlike.262 ⋅ 0. To znači  da  se  sorta  B3  ne  treba  uopšte  sejati  jer  je  najmanji  prosečan  prinos  po  hektaru. najmanje značajne razlike iznose:  NZR1 = t (α .262 ⋅ 0.204 ⋅ ⎜⎝ 5 + 3 ⎟⎠ = 0.04 NZR3 = 0.          160 .6744   NZR1 = t (α .262 ⋅ 0.66 = 0.329   Sx ) = 0. r2 ) ⋅ S x 1 − x3 ) = 2. r2 ) ⋅ S x 2 − x3 ) = 2. r2 ) ⋅ S x − x = 2.05. 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 ) = 0.744   x 2 − x 3 = 3.780   Odgovor: Postoji samo jedna značajna razlika između sorte B2 i  B3.685 x 1 − x 3 = 3.262  čita se iz tablice.345 = 0.18 − 2.345 ( ( 1 − x2 2 − x3 Vrednost  t( 0.204 ⋅ ⎜⎝ 4 + 3 ⎟⎠ = 0.7 = 0.303 = 0.    Za  izvođenje  testa  najmanje  značajne  razlike  najčešće  se  formira  tabela  aritmetičkih sredina. na osnovu izraza:  NZR = t (α .520 NZR1 = 0.520 NZR2 = 0.685 ( 1 2 ) NZR2 = t (α .780 ( (   Aposlutne razlike između aritmetičkih sredina x i − x i +1 iznose:  x 1 − x 2 = 3.18 − 3.7 − 2.

471.2 6.2.7  3.179.2. x 1 = 23.163   F0 = 0.18  2.06.6 [ kom] .471             161 .  b)    x = 25[ kom] .52  ‐  ‐    ZADATAK 189. x 2 − x 3 = 3.     H0 se prihvata.12) = 3. NZR = 6.      Rešenje:  a)    ST = 287. s  obzirom na različite regione.05.6.2. F0 = 0. x 3 = 27.12) = 2.4 [ kom] . VA = 3.6 6.52  ‐    B1  B2  B3  3.18   0.03. S x − x +1 = ( i i )   2VR 2 ⋅ 22.471.  b)  Testirati najmanje značajne razlike.05. x 1 − x 2 = 0.  F0 = 0.66  x i − 3. SA = 7.88.16 F( 0.12) = 6.66   1.01.2. slučajne ili statistički značajne.06 = = 2.6 6.970   5 ni t( 0. 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.  Fabrika za proizvodnji električnih šporeta plasira u 3 regiona preko robnih kuća.163 F( 0. VR = 22.04  0. Kod  5. x 2 = 24 [ kom] .471   x 1 − x 3 = 4.     H0 se prihvata.Tabela 5‐6: Analiza varijanse  Aritmetička sredina  Razlike između aritmetičkih sredina  xi   Grupe  (sorte pšenice)  ( )   x i − 2.

2.2 Analiza dva faktora varijabiliteta    ZADATAK 190. od svake vrste lima i od svakog proizvođača.      Rešenje:  Za ovo testiranje potrevno je:   m = 3.  Fabrika za proizvodnji konzerviranog povrća nabavila je od tri proizvođača kutije od  lima  zapremine  od  1‐og  kilograma.  izvršena  je  proba  na  savijanje.  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.  U  cilju  donošenja  odluke  od  koga  kupiti  kutije  i  od  koje  vrste  lima.2. x 0 = 30 komada . n = m ⋅ S . slučajne ili statistički  značajne?  c) Izvršiti testiranje najmanje značajnih razlika.    Tabela 5‐7: Analiza varijanse  Proizvođač kutija Ai(i=1.  d) Izračunati relevantan uticaj pojedinih faktora na kvalitet kutija.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  . n = 3 ⋅ 4 = 12. na uzorcima od 500 komada. S = 4.2.  koje  se  proizvode  od  četiri  vrste  lima.5.3.3)      A1(i=1)  A2(i=2)  A3(i=3)  Sj   B1(j=1)  0  ‐1  0  ‐10  Vrste kutija Bj (j=1.3.

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 = 558.92 F( 0. tj.2.6 ) = 9.6 ) = 5.6 ) = 4.14  i  F0( A) = 0.92 . s obzirom na proizvođača.360 F( 0.6 ) = 10.33     (m‐1)(S‐1)=  SR = 416.01.11   416.302 = 1025   12 Disperzija u odnosu na grupu faktora A(između redova.01  i može se smatrati da  su razlike u kvalitetu kutija.32 = 416.05.01.6 ) = 10.2. nulta  hipoteza se prihvata uz rizik greške  α = 0.67 VR = 6 = 69.3.44 = 2.2. 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 − 558.67 (3‐1)(4‐1)=6  St = 1025   n − 1 = 11   Ocena varijanse  50 = 25 2 558.76   F( 0.32   n 3 12 S   Disperzija u odnosu na grupu faktora B (između kolona.05. 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 = − = 558.05.14   F( 0.11 F0( B ) = 69.44 = 0.2.6 ) = 5.3.    163 . da na kvalitet  kutija ne utiče izbor proizvođača.33 VB = 3 = 186.78 ‐    a)    Kako je  F0( A) = 0.360 F0( A ) = 186.01.680 ‐  Tablična vrednost F  F( 0. To znači.44 VA = ‐  Odnos varijanse  25 69.360 F( 0.05 i  α = 0.

68 F( 0.05 i  α = 0. da na  kvalitet kutija ne utiče vrsta lima od kog su pravljene.01. 0360 F = 10.3.78 .16 Slika 12: Područja prihvatanja i odbacivanja H0 za  α = 5 %   164   .05. s obzirom na vrstu lima slučajne.6 ) = 4. 68 F = 4.    f (F ) α = 5% 95% F F0( B ) = 2.01  i može se smatrati da  su razlike u kvalitetu kutija. 0360 F = 5.92 Slika 11: Područja prihvatanja i odbacivanja H0 za  α = 1%         b)    Kako  je  F0( B ) = 2.6 ) = 9.68 F( 0.14 Slika 10: Područja prihvatanja i odbacivanja za  α = 5 %       f (F ) α = 1% 99% F F0( A) = 0.  nulta  hipoteza se prihvaza uz rizik greške  α = 0.f (F ) α = 5% 95% F F0( A) = 0. To znači.3.16   i  F0( B ) = 2.

68 F = 9.  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.    Standarnde  greške  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu izraza:  x 3( A3 ) = j =1 = 165 . 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 = 32.5   4 4 4 Prosečno savijanje kutija proizvođača A2 iznosi 32.5 x= 12 Opšti prosek savijanja kutija iznosi 32.  x 1( A1 ) = i =1 = 4 ∑x 12 20 + 20 + 40 + 50 130 = = 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.  f (F ) α = 1% 99% F F0( A) = 2.5 komada na 500 komada.5 komada na 500 komada.

66   3 3 3 Prosečno savijanje kutija proizvođača B2 iznosi 26.417 i 21.33   3 3 3 Prosečno savijanje kutija proizvođača B3 iznosi 33.66 komada na 500 komada.05.6 ) = 3.5 = 2.417   NZR (α = 0.2VR 2 ⋅ 69.707.417 i 21.01.05) = 2.892 = 14.33 komada na 500 komada.841   x 2( A2 ) − x 3( A3 ) = 32.6 ) = 2.892   ni 4 S x − x +1 = ( i ) i t( 0.  x ( B3 )3 = i =1 = 3 x ( B4 )4 = ∑x i =1 3 i4 = 40 + 50 + 40 130 = = 43.  x ( B1 )1 = i =1 = 3 ∑x i2 40 + 20 + 20 80 = = 26.66   3 3 3 Prosečno savijanje kutija proizvođača B1 iznosi 26.5 14.01) = 3.417 i 21.5 − 30 = 2.5 14.33   3 3 166 .44 = = 5. t( 0.841   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x 1( A1 ) − x 2( A2 ) = 35 − 32.447 ⋅ 5.   NZR = t(α .r ) ⋅ S x − x +1 ( i i ) 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 = = 26.892 = 21.5 14.841 x 1( A1 ) − x 3( A3 ) = 35 − 30 = 2.447.  x ( B2 )2 = i =1 = 3 ∑x i3 30 + 40 + 30 100 = = 33.707 ⋅ 5.66 komada na 500 komada.

Prosečno savijanje kutija proizvođača B4 iznosi 43.33 komada na 500 komada.05) = 2.33 = 6.63% ST − VR 1025 ⋅ 69.639   i 25.6 ) = 3.67 16.076 x ( B3 )3 − x ( B4 )4 = 33.076 x ( B2 )2 − x ( B3 )3 = 26.707 ⋅ 6.66 − 43.44 RA = A = = 0.05.076 x ( B1 )1 − x ( B4 )4 = 26. nego faktor A (Proizvođač) koji nema značaj.66 − 26.   NZR = t(α .33 = 16.44 RB = = = 0.44 = = 6.80 = 25.66 = 0 x ( B1 )1 − x ( B3 )3 = 26.67 16.0931 ili 9.639 i 25.01.33 = 16.639 i 25.3663 ili 36.66 − 43.r ) ⋅ S x − x +1 ( i i ) NZR (α = 0.076 x ( B2 )2 − x ( B4 )4 = 26.01) = 3.80 = 16.  Zasejane  su  4  sorte  kukuruza  na  istom  kvalitetu  zemljišta  pri  čemu  su  upotrebljene  iste količine 3 vrste mineralnih đubriva.639   NZR (α = 0.33 = 6.63%.076   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x ( B1 )1 − x ( B2 )2 = 26.66 − 33.33 = 10 16.639 i 25.6 ) = 2.33 − 43.67 16.31% ST − VR 1025 ⋅ 69.639 i 25.66 − 33.44 Odgovor: To znači da faktor B (vrsta lima) ima veći relativni uticaj na kvalitet kutija jer  je RB=36.    ZADATAK 191.707.33 − ( 4 − 1 ) ⋅ 69.    Standarnde  greške  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu izraza:  2VR 2 ⋅ 69.447 ⋅ 6.447.67 16.80   S x − x +1 = (i i ) ni 3 t( 0. t( 0.44   SB − ( S − 1) ⋅ VR 558.076   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. Dobijeni su prinosi u t/ha:    Vrsta đubriva Sorte  167 .

92   H0 se prihvata  c)      x ( xi − xi +1) = 0.2.77.66 [t / ha ] .05.801 F( 0.94. x ( B1 )1 − x ( B2 )2 = 0. x ( B3 )3 = 4.05. x ( B3 )3 − x ( B4 )4 = 0.   ST = 4.05) = 0.4  4.05.92  H0 se prihvata  b)    F0( B ) = 7.589. NZR(α =0.93[t / ha ] .2  4.903.6 ) = 10.441.5  4. VR = 0. x ( B4 ) 4 = 4.2. SA = 0. t( 0. x ( B1 )1 − x ( B4 )4 = 1.8  B4 5. x ( B2 )2 − x ( B4 )4 = 0.2  3.01.697.B1 3.6 ) = 10.6 ) = 5.           168   .447.27. x ( B1 )1 − x ( B3 )3 = 0.    Rešenje:  m = 3. SB = 2.01.01.6 ) = 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.707. VB = 0.3  5. SR = 0.8  4.14  H0 se odbacuje  F0( B ) = 7. S = 4.33.6 [t / ha ] .882.6 ) = 5.14 F( 0.   x ( B2 )2 − x ( B3 )3 = 0. x ( B1 )1 = 3.2.3  A1 A2  A3 kukuruza  B2 B3 3.241[t / ha ]   t( 0.44.787 F( 0.71.   NZR(α =0. n = 12.01) = 0.6  4.116.289. x ( B2 )2 = 4.5  4.2  4.5.16 [t / ha ] .787 F( 0.893.2. a)    F0( A) = 3.6 ) = 3.   VA = 0.

9 ⋅ 130 = 117   3  9  0.076  130  130 0 ‐ 0.   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  0.1 Testiranje jednakosti originalnih i teorijskih frekvencija    ZADATAK  192.01.635   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  99%  i  moće  se  smatrati  da  su  razlike  između  empirijskih  i  teorijskih  frekvencija  slučajne.786 χ 2( 0.01  iz tablice  χ 2( 0.1 ⋅ 130 = 13   ‐3  9  0.    169 . 635 χ2 Slika 14: Područja prihvatanja i odbacivanja H0       Odgovor:  Kako  je  χ 02 = 0.01.635     f (χ 2 ) 99% α = 1% χ 0 2 = 0.786    Za  r = m − 1 = 2 − 1 = 1  i  α = 0.3 Testovi na osnovu χ  rasporeda  5.3.  U  fabrici  za  proizvodnju  roto  papira  na  slučajan  način  izabrano  je  130  radnika.  od  kojih 10 prebacuje normu 30%.3.692  120  0.  da  u  celoj  fabrici  ima  10%  radnika  koji  prebacuju  normu za 30%. 768 χ 0 2 = 6.2 5.1) = 6.  To  znači.3.1) = 6.

  Proizvođač  mesa  isporučuje  meso  u  tri  različita  grada.ZADATAK  193.  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  .  175 su bila ispravna.841.38 χ 2( 0.    5. od 200 na slučajan način izabranih proizvoda.2 Test homogenosti skupa    ZADATAK 194.  Kod proizvodnje jedne vrste proizvoda.  jer  se  testira  nulta  hipoteza  o  jednakosti različitih skupova različiti gradovi.05.  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.3.1) = 3.  H0 se prihvata.3.

m fij (t ) = n ∑ ∑f fj ⋅ i =1 m i j =1 n ∑∑ f .67 1065 275 ⋅ 295 f34 = = 76.14 1065 414 ⋅ 366 f12 = = 142.04 1065   201 ⋅ 404 f23 = = 76.67 1065   201 ⋅ 295 f33 = = 55.07 1065 275 ⋅ 366 f14 = = 94.47 1065 414 ⋅ 295 f32 = = 114.25 1065 275 ⋅ 404 f24 = = 104.51 1065 175 ⋅ 404 f21 = = 66.38 1065 414 ⋅ 404 f22 = = 157.27 1065   201 ⋅ 366 f13 = = 69.32 1065 175 ⋅ 295 f31 = = 48.  ij i =1 j =1 175 ⋅ 366 = 60.17 1065                   f11 = 171 .

8624  55.32  ‐7.812  nulta hipoteza H0 se odbacuje  i može  se smatrati da između gradova postoji statistički značajna razlika u potrošnji mesa.67  3.47 14.5616  86.192  21.93  8.01  iz  tablice.871 χ 2 = 16.172  2.045  0.25  ‐9.01.33  ‐10.83  ‐ ij ij 2 ⎡ fij − fij (t ) ⎤ ⎦   2 χ0 = ⎣ (t ) fij ⎦ 117.961  7.6 ) = 16.04  76.9396 1041.07  94.25  104. očitava se  χ 2( 0.054  0.319  0.67  55.27  15.49  ‐3.  172 .  U  cilju  utvrđivanja  zavisnost  produktivnost  rada  u  odnosu  na  pogone  na  slučajan način popisan je časovni učinak 225 radnika.6689  1.96  ‐5.3529  253.51  66.871 χ2 Slika 15: Područja prihvatanja i odbacivanja H0       Odgovor: Kako je  χ 02 = 21.871      Za broj stepeni slobode  r = ( m − 1)( n − 1) = ( 3 − 1 )( 4 − 1) = 6   i rizik greske  α = 0.38 17.319  3.674  0.8009 205.8489  14.812     f (χ 2 ) 99% α = 1% χ 0 2 = 16.151  1. To  znači da skupovi iz kojih su izvučeni uzorci nisu homogeni.361  0.67  76.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 ( )   60.14 142.3489  113.832  1.86 ‐32.812 χ 0 2 = 21.  Fabrika  za  proizvodnju  metalnih  delova  u  tri  svoja  pogona  proizvodi  jednu  vrstu  proizvoda.    ZADATAK 195.4244 322.17  ‐ ij ⎣ ij 10.7649  30.47 114.27  69.1401  11.791  2.32  48.38 157.5616  27.

 da produktivnost ne zavisi od vrste pogona.9139 χ 2( 0.  173 .    Rešenje:  χ 02 = 2.812 .6 ) = 16.01.   H0 se prihvata.  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.

0049  87  113  1263  2053 1602   a)   174 (Yi − Yc )   (Yi − Yc )   2 13.62 2.54 ‐0.6 REGRESIJA I KORELACIONA ANALIZA  6.17 ‐1.44 ‐2.38 5.07 0.2998  5  7  25  49 35 4.46 0. utvrdi da li postoji korelaciona  veza i kakva je po jačini i smeru.1 Linearna i korelaciona analiza    ZADATAK 196.2116  8  10  64  100 80 7.07 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.7569  12  17  144  289 204 13.13 0. a  za nezavisno promenljivu ( X i ) troškove za reklamu. pri čemu za promenljivu ( Yi ) uzeti prodaju.3881  .04 1.07 ‐0.6644  13  18  169  324 234 14.17 1.04 ‐1.0816  20  25  400  625 500 20.87 0.  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 14.3689  19  21  361  441 399 16.

13   175 .863 X i                     Yc1 = −1.863 (10 ) = 7.503 + 0.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 + 0.503                          1383 = 1602b                       b = 0.863)   −9831 = −791a − 12769b               7 a = −10.503 + 0.54                     Yc3 = −1.863 ( 7 ) = 4.    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. 44                     Yc2 = −1.863 (15 ) = 11. 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                        Yc = −1.519   11214 = 791a + 14371b                  a = −1.  što  znači  da  sa  porastom  troškova  za  reklamu  povećava se i prodaja proizvoda.503 + 0.

387i103   komada.383   Srednja mera odstupanja prodaje od linije regresije iznosi  1.503 + 0.9302  13  18  0.43  5.863 ( 25 ) = 20.1649 4.86 0.                  Yc4 = −1.6996 27.2002  12  17  ‐0.43  55.14 37.0602  20  25  7.86 3.57  57.7396 ‐0.3049 8.5396 67.503 + 0.6196 31.6249 ‐6.5714  87  113  2     176 2   .3881 = 1.57  0.43  0.9125   7 SYc = 1.863 ( 30 )       Yc = 24.3698  19  21  6.387     Očekivana  prodaja  za  troškove  reklame  od  30i105   dinara  je  24.1849 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  ‐2.9102  8  10  ‐4.503 + 0.863 (18) = 14.14 1.4996 67.2049 ‐9.503 + 0.86 79.17                     Yc5 = −1.383i103  komada.503 + 0.86 23.7702  5  7  ‐7.3249 1.43  19. 07   c) Standardna greška regresije je:    n           SYc = ∑ (Y − Y ) i =1 i 2 c = 13.863 (17 ) = 13.2996 2. 62                     Yc6 = −1.863 ( 21) = 16.14 83.7143 ‐ 229. 04                     Yc7 = −1.4596 1.8572 197.0702  ‐  181.863 X i       Yc = −1.9049 ‐1.503 + 0.  d) Yc = −1.57  43.

9667   204.67% (pozitivna i jaka).5714 r2 = = 0.8572i181. 43i103  komada  7 n X= ∑X i =1 i = n     113 = 16. 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 =1 197.14  Prosečna ulaganja u reklamu je  16.6  7  7.34 197.  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.n   Y2 = ∑ Yi = i =1 n 87 = 12.5714 =   229.9667i100   r 2 = 96. 43     Prosečna prodaja je  12. 7143 41768.8  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 .5  7.5714 197.3730 r 2 = 0.    ZADATAK 197.

51%       ZADATAK 198. 635 + 0.   b=0.Rešenje:  a=3.635 .  U osam opština. 490 [t / ha ] r 2 = 83. 063 ⎡⎣108 динара ⎤⎦     d)  Yc = 0. 421X i     c)  SYc = 1. 945 ⎡⎣108 динара ⎤⎦     e)  X i = 65. Yi = 28.9989i100                        r 2 = 99.    Yc = 0.  b=0.   2                      r = 0.288  Yc = 3. 635 + 0. 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. izabranih na slučajan način. 288 X i   SYc = 0.86.421 .89%             178 .86 + 0. 421(110)        Yc = 46.

  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. ako se isključi utrošeno mineralno đubrivo.6.1 Parcijalna korelacija    ZADATAK 199. ako se isključi dubina oranja.  pa  vezu  između  prinosa šećerne repe i mineralnog đubriva.1.  Prinos  šećerne  repe.8 [t ] = 34 5   Prosečan prinos šećerne repe na 5 parcela je 6.  b) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između prinosa  šećerne repe i dubine oranja.  d) Izračunati  parcijalni  koeficijent  korelacije  i  koeficijent  determinacije  za  vezu  između  dubine  oranja  i  utorešenog  mineralnog  đubriva  ako  se  isključi  prinos  šećerne repe.  c) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije.    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 = 6.8 t  179 .

96 = 68.∑x 2 x2 = = 143 5   n x 2 = 28.16 n σ 1 = 8.2 − 817.32 = = = 0.128 180   .6cm Prosečna dubina oranja je 28.48 = 21.26   5 r12 = C12 21.82 = 54.4 = 1423.6 n 5   Varijanse i standarnde devijacije:    ∑ ∑ ∑ σ 12 x12 2 272 ∑ = − x1 = − 6.62 = 886.6 ⋅ 674 = 20700 − 19276.  x3 3370 x3 = = n 5   ∑ x 3 = 674kg   Prosečna količina utrošenog mineralnog đubriva je 674kg.2 = 596.26 23.24 = 8.4 − 46.8 ⋅ 674 = 5180 − 4583.16 = 2.6cm.24 n σ 2 = 68.32 21.    Kovarijacije    x1 x2 1079 C12 = − x1 ⋅ x 2 = − 6.32 5 n x1 x3 25900 C13 = − x1 ⋅ x 3 = − 6.6 = 215.8   σ 22 = σ 32 5   x32 2 2522300 ∑ = − x3 = − 6742 = 504160 − 454276 = 50184 n 5 σ 3 = 50184 = 224.8 ⋅ 28.24 = 8.01   Koeficijenti proste linearne korelacije:        ∑ x22 − x22 = 4431 − 28.8   n 5 x2 x3 103500 C23 = − x2 ⋅ x3 = − 28.8 ⋅ 8.9218   σ 1 ⋅σ 2 2.8 − 194.

    r23 = C23 1423.9514 ) 1 − ( 0.7693) (   r12⋅3 = )( )( ) ( 0.      181 .9218 − 0.8   = = 0.9218 − 0.01 627.19671 r12⋅3 = 0.  izračunava  se  na  osnovu obrasca:    r12 − r13 ⋅ r23 0.  da  na  prinos  šećerne repe 93.4082 0.228         Odgovor: Korelaciona veza između prinosa šećerne repe i količine đubriva  je  pozitivna i veoma jaka.    C 596. pozitivna i veoma jaka    Koeficijent determinacije    r 2123 = ( 0.  ako  se  iključi  uticaj  utrošeog  mineralnog  đubriva.82% je uticaj ostalih faktora i slučajnosti.7693 r12⋅3 = = 2 2 1 − r132 ⋅ 1 − r232 1 − ( 0.90516 )(1 − 0.8 596.1899 0.    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.1899   = 0.32     Odgovor:  Korelaciona  veza  između  dubine  oranja  i  količine  utrošenog    mineralnog  đubriva je pozitivna jaka.5918 ) = ) 0.  Odgovor:  Korelaciona  veza  između  prinosa  šećerne  repe  i  dubine  oranja  je    pozitivna i veoma jaka.9514   r13 = 13 = σ 1 ⋅σ 3 2.6 = = = 0. 6.9318 2   r 2123 = 0.9318 ⋅ 100 = 93.9653 ) = 0.9653     Parcijalni  koeficijent  korelacije  r123 = 0.7319 (1 − 0.6 1423. ako se isključi uticaj količine utrošenog    mineralnog đubriva.18% utiču dubina oranja.9653   pokazuje  da  je  veza  između    prinosa šećerne repe i dubine oranja.8 ⋅ 224.26 ⋅ 224.0948 ⋅ 0.9514 ⋅ 0.01 1850.18% Odgovor:  To  znači  .7693   σ 2 ⋅σ 3 8.

32%   je  uticaj ostalih faktora i slučajnosti.7693 − 0.7693 r13⋅2 = = 2 2 1 − r122 ⋅ 1 − r232 1 − ( 0.  ako  se  isključi  dubina  oranja  pozitivna i veoma jaka    Koeficijent determinacije    r 213⋅2 = ( 0.1194 r23⋅1 = 0.68% utiču utrošeno mineralno đubrivo.9568 2   r 213⋅2 = 0.9568 ⋅ 100 = 95.4082 0. negativna  i jaka.8497 )(1 − 0. izračunava se na osnovu  obrasca.8770 (1 − 0.c)  Parcijalni koeficijent korelacije za vezu između prinosa šećerne repe i utrošenog  mineralnog  đubriva.9020           Odgovor:  Ovaj  koeficijent  pokazuje  da  je  veza  između  dubine  oranja  i  utrošenog mineralnog đubriva.9218 ) 1 − ( 0.9782   Odgovor:  Parcijalni koeficijent korelacije  r13⋅2 = 0.5918 ) = ) 0.9514 − 0.1077   = 0.9218 ) 1 − ( 0.1503 ⋅ 0.2423 0. ako se iključi uticaj dubine oranja na prinos sećerne repe.    d)  Parcijalni  koeficijent  korelacije  za  vezu  između  dubinu  oranja  i  utrošenog  mineralnog đubriva. a 4.9514 ) (   r23⋅1 = )( )( ) ( 0.  ako  se  usključi  dubina  oranja  izračunava  se  na  osnovu  obrasca:    r13 − r12 ⋅ r23 0.9218 ⋅ 0.68%     Odgovor: To znači .9514 r23⋅1 = = 2 2 1 − r122 ⋅ 1 − r132 1 − ( 0.    r23 − r12 ⋅ r13 0.8497 )(1 − 0.7091 (1 − 0.9218 ⋅ 0.9782  pokazuje da je veza  između  prinosa  šećerne  repe  i  utrošenog  mineralnog  đubriva.1077 −0. ako se isključi prinos šećerne repe.  182 .7693) (   r12⋅3 = )( )( ) ( 0.2477 r12⋅3 = 0.9514 − 0.   da  na prinos šećerne repe 95. ako se isključi prinos šećerne repe.7693 − 0.9782 ) = 0.9051) = ) −0.2423   = 0.1503 ⋅ 0.0949 0.

06%     d)   r13⋅2 = 0.64%  je  usticaj  ostalih  faktora slučajnosti.9277.  Zagađenost vazduha ugljen dioksidom SO2  μg / m3 .  c) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između emisije  SO2 i broja obolelih. na dubinu  oranja  81. ako se iključi uticaj prinosa sećerne repe.9979.36%     Odgovor: To znači .4 ⎡ SO2 μg / m3 ⎤ .28%         r23⋅1 = 0.92. r 213⋅2 = 1.   183 .9865   b)      c)   r12⋅3 = 0.57%.  b) Izračunati parcijalni koeficijent i koeficijent determinacije  za vezu između emisije  SO2 i utrošenih sredstava ako se isključi uticj obolelih.1132.87.9856. r13 = 0.72. r23 = 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 = 6.9020 ) = 0. σ 3 = 3.2 ⎡105 din ⎤ . r 212⋅3 = 86.89. 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.     ZADATAK 200.2752.6. C23 = 6.       r12 = 0. x3 = 8 [ broj obolelih]   ⎣ ⎦ ⎣ ⎦   C12 = 4.   σ 1 = 2. σ 2 = 1. r 223⋅1 = 7. C13 = 11.8136 ⋅ 100 = 81.36%  utiče  količina  utrošenog  mineralnog  đubriva  a  18. x2 = 3.8136 2   r 213⋅2 = 0.Koeficijent determinacije    r 223⋅1 = ( −0.

72.  b) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  vredosti opreme i broja radnika ako se isključuje zarada. r 212⋅3 = 16. x2 = 8 [ komada ] . r23 = −0.099.       r12 = −0.9448. r 223⋅1 = 1.9840.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. C13 = 185.    Rešenje:  a) x1 = 7 [godina ] .28 ⎡102 dinara ⎤ ⎣ ⎦   C12 = −17.   σ 1 = 4.27%   r23⋅1 = 0.  b) Izračunati parcijalni koeficijent .8429       b)         r12⋅3 = −0.19. r 213⋅2 = 89.72%   r13⋅2 = 0. broj radnika i zaradi u m.75.82%.4098. C23 = −202.ZADATAK 201.  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 . σ 3 = 47. σ 2 = 5.  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. dinara.  Vrednost opreme po radniku u mil.       ZADATAK 202.82.1349.8687. x3 = 274. r13 = 0.

62.5[ mi.04. σ 3 = 5.47. r23 = 0. r 223⋅1 = 93.14%.din]       b)      C12 = 8.8606. σ 2 = 3.5074.     σ 1 = 5.74%     d)   r13⋅2 = 0.24.36.54. r 212⋅3 = 25. r 212⋅3 = 90. r13 = 0. x3 = 8.   185 . C13 = 15. C13 = −32. r13 = 0. x2 = 19.85.49. r 213⋅2 = 9.9822. x3 = 29. r 213⋅2 = 54.3092.45.9913   b)      c)   r12⋅3 = −0. σ 2 = 3.7638. x2 = 8.29%   r23⋅1 = −0. C23 = −24. r 223⋅1 = 22.76%     d)   r13⋅2 = 0.2.  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 = 12.16 [ br radnika ] .       r12 = 0. r23 = 0.  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.2.9966.83[ mil.   σ 1 = 2.56%     r23⋅1 = 0.   r12 = 0. σ 3 = 6.20.       ZADATAK 203. C23 = 17.9716     c)   r12⋅3 = 0.din] .93.8.Rešenje:  a) x1 = 6.96%.8   C12 = −17.9527.8872.9694.4705.

2 Korelacija ranga    A) Spermanov koeficijent korelacije ranga    ZADATAK 204.            186 .6.1.  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.  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.1   5 ⋅ 24 5 ( 5 − 1) n ( n − 1) 2 6 r '12 i =1 2 2 r '12 = 0..90. Odgovor:  Korelaciona  veza  između  ranga  vrednosti  proizvodnje  i  ranga  izrađenih  broja komada je pozitivna i jaka.

5  6.  U sedam preduzeća za proizvodnju šampona z akosu u litrima.    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  2.5  20.5  3.5  12.5  ‐1.9642   8 ( 8 − 1) n ( n − 1) 2 6 r '12 i =1 2 2   B) Kendallov koeficijenat korelacije ranga    ZADATAK 206.5  4.25  7  5  2  7  ‐5  25  8  4  1  8  ‐7  49  ‐ ‐ 36 36 0 165   n ∑ di 6 ⋅ 165 =1− =1− = 0.25 4  10  5  4  1  1  5  8  4  5.25  6  8  3  5. 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  ‐2.25 3  18  6  2.          187 152 145 41 175 160 46 164 189 44 190  191  42  .ZADATAK 205.5  2.  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.

25  180  189  41  2  2.5  306.  Kod  šest  poljoprivrednih  preduzeća.  broj  poljoprivrednih  mašina.5 − 8.42   r ''12 = 2 ⋅ i =1 3 ⎝ i =1 ⎠ = 2 ⋅ m ⋅n n −n 3 ⋅7 73 − 7 r ''12 = 0.7571.5 342.6 42 120  1500 3. Odgovor:  Kandall‐ov  koeficijenat  korelacije  ranga  pokazuje  da  je  korelaciona  veza  između rangova proizvodnje.1 50  145  2300  7.5  4.5  2.     188 29 131 2100 5.5    Izračunati koeficijenat korelacije ranga.5  6  4.    Rešenje:    r ''12 = 0.7144.5  17  289  175  160  46  3  4  1  8  64  164  189  44  4.5 5 7 18.5  7  6  17.    ZADATAK 207.5    Koeficijent korelacije se izračunava na osnovu formule:  2 ⎛ n ⎞ n Si − ⎜ Si ⎟ 12 12 7 ⋅ 1188. vrednost opreme i udeo Kv radnika pozitivna i značajna.5  9  81  152  145  41  6.  broj  zaposlenih.5 45 110 1800 6.5  2  9  81  190  191  42  1  1  3  5  25  ‐  ‐ ‐ 28 28 28 84 1188.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  .  broj hektara i prinos kukuruza iznosili su :  n ∑ 2 ∑   broj mašina: broj zaposlenih broj hektara: prinos kukuruza t/ha: 31 116 1200 4.0 47 140 2500 7.25  164  138  31  4.