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 3.3. TREND 3.3.1. Linearni trend 3.3.2. Parabolični trend 3.3.3 Eksponencijalni trend 3.4. SEZONSKE VARIJACIJE 3.5. CIKLIČNE VARIJACIJE 77 77 80 84 90 112 II - DEO ELEMENTI TEORIJE VEROVATNOĆE 4. ELEMENTI TEORIJE VEROVATNOĆE 4.1. VEROVATNOĆA “A PRIORI” 4.2. VEORVATNOĆA “A POSTERIORI” 4.3. ZBIRNA VEROVATNOĆA 4.4. SLOŽENA VEROVATNOĆA 4.5. USLOVNA VEROVATNOĆA 4.6. BAJERSOVA VEROVATNOĆA 4.7. BINOMNA VEROVATNOĆA 4.8. PUASONOVA VEROVATNOĆA 4.9. ZAKON VELIKIH BROJEVA 4.9.1. Nejednačina Čebiševa 4.9.2. Teorema Čebišova 4.9.3. Teorema Bernulija 4.10. CENTRALNA GRANIČNA TEOREMA 4.11. JEDNODIMENZIONALNA PREKIDNA SLUČAJNA PROMENLJIVA 135 5. METOD UZORKA 5.1. VELIČINA UZORKA 5.2. OCENE NA OSNOVU UZORAKA 5.3. STATISTIČKI TESTOVI NA OSNOVU UZORAKA 5.3.1. Testovi na osnovu „T“ raspodela 5.3.2. Testovi na osnovu „F“ raspodele 5.3.3. Testovi na osnovu χ2 rasporeda 140 140 142 150 150 157 169 6. REGRESIJA I KORELACIONA ANALIZA 6.1. LINEARNA I KORELACIONA ANALIZA 6.1.1. Parcijalna korelacija 6.1.2. Korelacija ranga 174 174 179 186 7. STATISTČKE TABLICE 189 Literatura 119 119 119 120 121 122 123 125 127 129 129 131 132 133 215 I - DEO Statistika 1. PRIKAZIVANJE STATISTIČKIH PODATAKA 1.1. STATISTIČKE SERIJE I TABELE ZADATAK 1. 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, a zatim se vrednosti ređaju po rastućem nizu u tabeli. 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, 3 log N 1 a širina intervala pomoću izraza: i K K K K X max  X min K 1  3,3 ˜ log 30 1  3,3 ˜1, 47712 1  4,8745 5,8745 i i K | 6 (intervala) 100  36 6 64 10, 66 6 i | 11 (širina intervala) Tabela 2. – 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. 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. – 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 b) K 1  3,3 ˜ log 30 K 1  3,3 ˜1, 47712 K 1  4,8745 K 5,8745 i i 25  10 6 15 2,5 6 K | 6 (intervala) i | 3 (širina intervala) Tabela 4. – 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. 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  3,3 ˜ log N 1  3,3 ˜ log 28 1  3,3 ˜1, 4471 1  4, 77562 5, 77562 K |6 i i i X K 29  7 6 3, 6 X max min i|4 Tabela 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 b) Kumulativ „iznad“ izračunava se tako što krećemo od n-zbirne frekvencije i oduzimamo frekvencije najpre prvog, pa zatim svakog narednog intervala do početne frekvencije: 28, 28-2, 28-2-11, 28-2-11-5, itd Kumulativ „ispod“ izračunava se tako što se kreće od frekvencije početnog intervala pa se redom sabiraju frekvencije 2, 2+11, 2+11+5, 2+11+5+5, itd. Tabela 6. – Grupisanje parcela prema zasejanim površinama Zasejane površine (x) 7-10 11-14 15-18 19-22 23-26 27-30 UKUPNO: Broj parcela (f) 2 11 5 5 3 2 28 Kumulativ „ispod“ 2 13 18 23 26 28 / Kumulativ „iznad“ 28 26 15 10 5 2 / ZADATAK 4. U jednom plasteniku 27 radnika ubralo je povrća u kilogramima za 8 časova rada. 34 41 41 41 47 61 47 34 47 51 75 79 61 78 81 65 91 65 a) Grupisati podatke u obliku intervalne numeričke serije b) Izračunati kumulativnu frekvenciju u procentima Rešenje: a) K K K K K 1  3,3 godina @ ZADATAK 12. U jednoj štampariji 8 radnika primilo je plate u jednom mesecu u dinarima: 850,6; 1100; 2340,5; 1800,4; 2100; 3650; 3460; 3100. Izračunati prosečnu platu u uzorku od 8 radnika. Rešenje: X 2300 > dinara @ b) Ponderisana aritmetička sredina ZADATAK 13. U uzorku od 130 domaćinstava mesečna potrošnja mlečnih proizvoda iznosila je: Potrošnja u kg. (X): 6 12 18 10 11 8 13 Broj domaćinstava (f): 10 20 32 15 21 11 21 Izračunati prosečnu mesečnu potrošnju po domaćinstvu. Ip 111,19% Rešenje: Tabela 12. – 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, 45 Prosečna mesečina potrošnja mlečnih proizvoda po domaćinstvu je 12,45 kg. 12 ZADATAK 14. Merenjem mase 150 komada kifli u uzorku od 100 grama dobijene su vrednosti: Masa u gr. (Xi): 98 99 97 100 Komada (fi): 25 80 15 30 Izračunati prosečnu masu kifle. Rešenje: X 98,8 [ gr.] ZADATAK 15. Ispitivanje čvrstoće čelika u uzorku proizvedenog u jednoj čeličani dalo je sledeće rezultate: Opterećenje u kg / cm 2 ( X ) : 4,5-6 6,5-8 8,5-10 10,5-12 8 15 35 21 Broj proba (fi): Izračunati prosečnu čvrstoću čelika. Rešenje: Tabela 13. – Ispitivanje čvrstoće čelika Opterećenje u kg / cm 2 ( X ) : Broj proba (fi): Razredna sredina (Xi) Xi fi 4,5-6 6,5-8 8,5-10 10,5-12 8 15 35 21 5,25 7,25 9,25 11,25 42 108,75 323,75 236,25 fi 79 UKUPNO: 4 X Xi fi i 1 n fi 710, 75 79 / Xi fi 710, 75 8,99 i 1 Prosečna čvrstoća čelika u uzorku od 79 proba iznosi 8,99 kg / cm 2 . ZADATAK 16. Raspored 60 radnika u uzorku prema učinku o montaži monitora za kompjutere je: Učinak (kom.) (X): 115-120 121-126 127-132 133-138 139-144 Broj radnika (f): 8 14 15 13 10 Izračunati prosečan učinak montaže. 13 Rešenje: X 129,8 [ komada] ZADATAK 17. Raspored 300 domaćinstava u uzorku prema mesečnoj potrošnji brašna u kg. 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. Rešenje: X 28, 773 [kg ] 2.1.2. Geometrijska sredina a) Prosta geometrijska sredina ZADATAK 18. Proizvodnja toaletnog sapuna u jednoj fabrici po godinama bila je: Godine: 2002 2003 2004 2005 2006 2007 2008 Proizvodnja u 000 kom. 75 98 135 161 205 236 285 Izračunati geometrijsku sredinu. Rešenje: Tabela 14. – Radna tabela za izračunavanje geometrijske sredine (Xi) Proizvodnja u 000 kom. 2002 2003 2004 2005 2006 2007 2008 75 98 135 161 205 236 285 1,87506 1,99123 2,13033 2,20683 2,31175 2,37291 2,45484 UKUPNO: / 15,34295 n log G log G G log Xi Godine: i 1 log X i n 15,34295 7 2,19185 2,19185 G 155,543 Prosečna proizvodnja toaletnog sapuna u toku 7 godina iznosi 155,543 komada. 14 ZADATAK 14. Na 6 radnih mesta u jednoj čeličani ostvarena je vrednost proizvodnje u 105 dinara. Radno mesto: Vrednost proizvodnje (Xi): 1 45 2 58 3 69 4 64 5 83 6 91 Izračunati geometrijsku sredinu Rešenje: 5 G dinara]. ZADATAK 15. 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, 051 [komada]. b) Ponderisana geometrijska sredina ZADATAK 16. U 100 na slučajan način izabranih domaćinstava dobijen je raspored prema mesečnoj potrošnji mesa u kg: Potrošnja (Xi): Broj domaćinstava (fi): 5 25 8 18 12 10 15 19 18 15 20 8 25 5 Izračunati geometrijsku sredinu. Rešenje: Tabela 15. – Radna tabela za izračunavanje ponderisane geometrijske sredine Potrošnja mesa u kg. (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 0,69897 0,90309 1,07918 1,17609 1,25527 1,30103 1,39794 17,47425 16,25562 10,79180 22,34573 18,82908 10,40824 6,98970 / 103,09442 n ¦ f 4 ,  mora  se  izvršiti  korigovanje  indeksa:  C= 4 = 0,9957679   4,017 I1' = 0,753 ⋅ 0,9957679 = 0,750   I2' = 0,885 ⋅ 0,9957679 = 0,882   I3' = 1,090 ⋅ 0,9957679 = 1,085   I4' = 1,289 ⋅ 0,9957679 = 1,283   Ukupno: 4,000 ili 400%  Proizvodnja  maslaca  u  prvim  kvartalima  bila  je  u  proseku  25%  ispod  normale,  u  drugim kvartalima bila je u proseku za 11,8% ispod normale, u trećim kvartalima bila  je  u  proseku  za  8,5%  iznad  proseka  i  u  četvrtim  kvartalima  bila  je  za  28,3%  iznad  proseka. 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. Normalu u  ovom slučaju predstavljaju pokretni procesi.    b) Desezoniranje podataka vrši se na osnovu formule:  Y Yij' = ij'   j = 1,2,..., m   i = 1,2,..., n   Ij   Y11 10 = = 13,33   ' I1 0,750 Y 15 Y13' = 13' = = 13,82   I3 1,085 Y12 12 = = 13,60   ' I2 0,882 Y 18 Y14' = 14' = = 14,02   I4 1,283 Y11' = Y12' =         92 Tabela 3‐3: Desezonirani podaci o proizvodnji maslaca  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  ukupno  2005  13,33  13,60  13,82  14,02  54,77  godina (i)  2006  2007  14,66  12,00  14,73  8,82  14,74  15,19  14,03  21,81  58,16  57,82  2008  9,00  13,23  17,36  24,37  63,96    Podaci u tabeli 3‐3 pokazuju kakva bi bila proizvodnja maslaca kada ne bi bilo uticaja  sezone. Na primer, u prvom kvartalu 2005. godine proizvodnja maslaca iznosila je 10  tona, a da nije bilo uticaja sezone ona bi iznosila 13330 kilograma.    ZADATAK 113.  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.  b) Izračunati desezonske podatke o prodaji kaputa    Rešenje:  a)   y + y + y 18 + 12 + 5 = 11,66 y1 = 1 2 3 = 3 3 y + y + y 12 + 5 + 9 = 8,66   y2 = 2 3 4 = 3 3 y + y + y 5 + 9 + 15 = 9,66 y3 = 3 4 5 = 3 3 itd.                93 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  8,66  9,66  11,00  10,33  11,33  12,33  13,33  8,66  8,33  ‐  Iij = Yij Yij'   ‐  1,029  0,577  0,931  1,363  0,871  0,617  1,459  0,900  1,154  0,480  ‐  12 = 1,029 11,66   5 I13 = = 0,577 8,66 itd.  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)  ‐  1,029  0,577  0,931  2007  (2)  1,363  0,871  0,617  1,459  2008  (3)  0,900  1,154  0,480  ‐  ukupno  n n ∑ Iij   Ij = ∑I i =1 ij   n −1 2,263  1,131  3,054  1,527  1,674  0,837  2,390  1,195  ukupno 4,690  indeksa  Iij = 4,690 > 4 ,  mora  se  izvršiti  korigovanje  indeksa:  4 = 0,8528785   4,690 I1' = 1,131 ⋅ 0,8528785 = 0,965 I2' = 1,527 ⋅ 0,8528785 = 1,302 I3' = 0,837 ⋅ 0,8528785 = 0,714   I = 1,195 ⋅ 0,8528785 = 1,019 ' 4 I1' = 0,965; I2' = 1,302; I3' = 0,714; I4' = 1,019     94 i =1 b)   Y11 18 = = 18,65   ' I1 0,965 Y 5 Y13' = 13' = = 18,65   I3 0,714 Y 15 Y21' = 21' = = 15,54   I1 0,965 Y 7 Y23' = 23' = = 9,80   I3 0,714 Y 12 Y31' = 31' = = 12,43   I1 0,965 Y 4 Y33' = 33' = = 5,60   I3 0,714 Y11' = Y12 12 = = 9,22   ' I2 1,302 Y 9 Y14' = 14' = = 8,83   I4 1,019 Y 9 Y22' = 22' = = 6,91   I2 1,302 Y 18 Y24' = 24' = = 17,66   I4 1,019 Y 10 Y32' = 32' = = 7,68   I2 1,302 Y 11 Y34' = 34' = = 10,79   I4 1,019 Y12' =   Tabela 3‐6: Desezonirani podaci o prodaji odela  kvartal (j)  I (1)  II (2)  III (3)  IV (4)  2006  18,65  9,22  7,00  8,83  godina (i)  2007  15,54  6,91  9,80  17,66  2008  12,43  7,68  5,60  10,79    ZADATAK 114.  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' = 0,561; I 2' = 0,538; I 3' = 2,222; I '4 = 0,738   b) y11 = 7,13; y12 = 11,15; y13 = 6,75; y14 = 9,48   95 y21 = 8,91; y22 = 13,01; y23 = 5,40; y24 = 5,42 y31 = 5,34; y32 = 9,29; y33 = 7,20; y34 = 8,10   y41 = 10,69; y42 = 7,43; y43 = 7,65; y44 = 6,77 y51 = 3,56; y52 = 5,57; y53 = 6,75; y54 = 5,42   ZADATAK 115.  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' = 1,289; I2' = 1,112; I3' = 0,221; I4' = 1,378   ' ' ' ' b) y11 = 93,09; y12 = 53,95; y13 = 45,24; y14 = 58,05   ' ' ' ' y21 = 58,33; y22 = 44,96; y23 = 36,20; y24 = 72,56   ' ' ' ' y31 = 116,36; y32 = 40,46; y33 = 40,72; y34 = 94,34   ZADATAK 116.  U  jednom  gradu  potrošnja  sladoleda,  po  kvartalima,  u  periodu  od  2004.  do  2008.  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.  b) Izvršiti  desezoniranje podataka za 2004. Godinu.  c) Prognozirati potrošnju sladoleda, po kvartalima, u 2009. godini  96 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  0  97 Xi2 4 1  0  XiYi ‐1674 ‐875  0  2007 2008  Ukupno   y = a + bx ; a = ∑y n i 812 878  4388 ; b= ∑x y ∑x 1 2  0 i i 2 i 1 4  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 Rešenje:    a)      n = 5; j = 4; x j =     ∑ xi ; j = 1,2,3,4. n   515 626 839 361 x1 = = 103; x2 = = 125,5; x3 = = 167,8; x4 = = 72,2; 5 5 5 5 ∑∑ xij 2341 i =1 j =1 xij = = = 117,05 ⎡⎣102 turista ⎤⎦ ;   4n 4⋅5 x I j = j ; i = 1,2,..., n j = 1,2,3,4.   xij 103 = 0,8799 ili 87,99%; 117,05 125,5 I2 = = 1,0721 ili 107,21%; 117,05     167,8 I3 = = 1,4335 ili 143,35%; 117,05 72,2 I4 = = 0,6168 ili 61,68%. 117,05 Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12,01%  ispod  normale,  u  drugim  kvartalima  bila  je  u  proseku  za  7,21%  iznad  normale,  u  trećim  kvartalima bila je u proseku za 43,35% iznad normale i u četvrtim intervalima bila je u  proseku za 38,32% ispod normale. Normala u ovom slučaju predstavlja opšti kvartalni  prosek xij = 117,05 ⎡⎣102 turista ⎤⎦    b)     x 4 I j = j ; j = 1,2,3,4. 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 y = a + bx ;   ∑y 2431 = 486,2; n 5 ∑ xi yi = 285 = 28,5 b= ∑ xi 2 10 a= i =   y = 486,2 + 28,5x   Odgovor: jednačina linearnog trenda posete turista, od 2005 do  2009.godine  glasi:    yi = 486,2 + 28,5x i = 1,2,3,4,5.     Ishodište:   30.06.2007.god.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista    Odgovor: jednačina linearnog trenda posete turista, na kvartalnom nivou, od 2005 do    2009.godine  glasi:    a b a b yi = + xi = + xi 4 4⋅4 4 16 486,2 28,5   yi = + xi   4 16           y i = 121,55 + 1,78 xi i = 1,2,3,4. Ishodište:   15.08.2007.god.  jedinica za X:   jedan kvartal (tromesečje)  jedinica za Y:   stotine turista  Pojedinačne kvartalne vrednosti trenda u 2007.godini su:  y I = 121,55 + 1,78 ( −2 ) = 117,99;   y II = 121,55 + 1,78 ( −1) = 121,55 − 1,78 = 119,77; y III = 121,55 + 1,78 ( 0 ) = 121,55 + 0 = 121,55;   y IV = 121,55 + 1,78 (1) = 121,55 + 1,78 = 123,33. I1 =   I3 = X1 Y1 X3 Y3 = 103 X 2 125,5 = 0,8729 ; I2 = = = 1,0478; 117,99 Y 2 119,77 = 167,8 72,2 X4 = 13805; I4 = = = 0,5854   121,55 Y 4 123,33 4 ∑ I j = 3,8866. j =1 101 Kako je  ∑ I j manja od četiri, nije potreban korektivni factor C.      Odgovor:  Poseta  turista  u  prvim  kvartalima  bila  je  u  proseku  za  12,71%  ispod  normale, u drugim kvartalima bila je za 4,78% iznad normale, u trećim kvartalima bila  je za 38,05% iznad normale i u četvrtim intervalima bila je za 41,46% ispod normale.  Normala u ovom slučaju predstavljaju  kvartalne vrednosti trenda.     c)       n Iij = Yij ; i = 1,2,..., n j = 1,2,..., m I j = ∑I i =1 ij ; I' j = C ⋅ I j   n −1 Y ij Pokretne sredine se izračunavaju na sledeći način:      ' 80 + 110 + 150 + 65 405 = = 101,25; 4 4 110 + 150 + 65 + 98 423 Y 12 = = = 105,75;   4 4 150 + 65 + 98 + 118 431 = = 107,75; Y 13 = 4 4 Y 11 =     Centralne pokretne sredine se izračunavaju na sledeći način:  ' 101,25 + 105,75 = 103,5; Y 13 = 2 ' 105,75 + 107,75 = 106,75;   Y 14 = 2   itd Specifični sezonski indeksi se izračunavaju na sledeći način:        I13 = 150 65 = 1,4492; I14 = = 0,6088; 103,5 106,75                   102 itd   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  ‐  ‐  103,5  106,75  109,25  11,25  112,375  114,125  116,125  117,75  119,125  120,75  122,0  122,875  124,25  126,625  128,75  130,25  ‐  ‐    ‐  101,25  105,75  107,75  110,75  111,5  113,25  115,0  117,25  118,25  120,0  121,5  122,5  123,25  125,25  128,0  129,5  131,0  ‐  Specifični   sezonski   indeksi  Y ij Iij = '   Y ij ‐  ‐  1,4492  0,6088  0,8970  1,0606  1,4416  0,5958  0,9041  1,0615  1,4354  0,5962  0,9180  1,0661  1,0484  0,5923  0,9320  1,0902  ‐  ‐    Tabela 3‐8: Izračunavanje tipičnih sezonskih indeksa  Godina  Kvartal (j)/ specifični indeksi (Iij)  (i)  I (1) II(2) III(3) IV(4) 2005(1) ‐ ‐ 1,4492 0,6088 2006(2)  0,8970 1,0606 1,4416 0,5958 2007(3)  0,9041 1,0615 1,4354 0,5962 2008(4)  0,9180 1,0661 1,4084 0,5923 2009(5)  1,9320  1,0902  ‐  ‐  Ukupno 3,7111  4,2784  5,7346  2,3931  Iij 5 Tipični indeksi  I j = ∑ Iij i =1 5−1   0,9277  1,0696  1,4336  0,5982    103 4   ∑ I j = ( 0,9277 + 1,0696 + 1,4336 + 0,5982) = 4,0291     Kako je  I j = 4,0291 > 4  radi se korektivni factor C    C= j =1 4 ∑Ij = 4 = 0,9927   4,0291 0,9277 1,0696 = 0,9345; I2' = = 1,0775; 0,9927 0,9927     1,4336 0,5982 I3' = = 1,4441; I4' = = 0,6025. 0,9927 0,9927 Odgovor: Poseta turista u prvim kvartalima bila je u proseku za 7,23% ispod normale,  u  drugim  kvartalima  bila  je  u  proseku  za  7,75%  iznad  normale,  u  trećim  kvartalima  bila  je  za  44,41%  iznad  normale  i  u  četvrtim  intervalima  bila  je  za  39,75%  ispod  normale.   d)      Za 2009.godinu desezoniranje podataka se vrši na sledeći način:  Y ij Yij' = '   Ij I1' = Y51 120 = = 128,4109; ' I1 0,9345 Y 142 Y52' = 52 = = 131,7865; ' I2 1,0775   Y53 181 ' Y53 = ' = = 125,3375; I3 1,4441 Y51' = Y54' = Y54 81 = = 134,4398. ' I4 0,6025   Odgovor:  Desenzonirani  podaci  u  2009.godini,  pokazuju  kakva  bi  poseta  bila  turista  kada ne bi bilo uticaja sezone.  e)     Jednačina  linearnog  trenda  posete  turista,  na  godišnjem  nivou  za  2010.godinu  glasi:    y 2010 = 486,2 + 28,5 ( 3 ) = 571,7     y 2010 = 571,7 + 28,5xi   Ishodište:   30.06.2010.god.    jedinica za X:   jedna godina    jedinica za Y:   stotine turista  104 Jednačina  linearnog  trenda  posete  turista,  na  kvartalnom  nivou  za  2010.godinu  glasi:    571,7 28,5 yi = + xi = 142,925 + 1,7812 xi 4 16 1,7812 ⎞ ⎛   y i = ⎜ 142,925 +   ⎟ + 1,7812 xi 2 ⎠ ⎝ y i = 143,8156 + 1,7812 xi i = 1,2,3,4. Ishodište:   15.08.2010.god.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina turista          y I = 143,8156 + 1,7812 ( −2 ) = 140,2532; y II = 143,8156 + 1,7812 ( −1 ) = 142,0344;   y III = 143,8156 + 1,7812 ( 0 ) = 143,8156;   y IV = 143,8156 + 1,7812 (1) = 145,5968. 4 ∑y j =1 j = 571,7 = y 2010 = 57,7 Prognozirana  poseta  turista  po  kvartalim  au  2010.godini  izračunava  se  na  osnovu  izraza:  ' y ij = Y ij ⋅ I ' j ; ' y 2010,I = 140,2532 ⋅ 0,9345 = 131,066;   ' y 2010,II = 142,0344 ⋅ 1,0775 = 153,042;   ' y 2010,III = 143,8156 ⋅ 1,4441 = 207,684; ' y 2010,IV = 145,5968 ⋅ 0,6025 = 87,722.   Odgovor:  Očekivana  poseta  turista  pod  uticajem  sezone,  u  prvom  kvartalu  2010.  godine  bila  bi  13106  turista,  u  drugom  kvartalu  15304,  u  trećem  kvartalu  20768  turista i u četvrtom kvartalu 8772 turista.                105 ZADATAK 118.  Proizvodnja zimske obuće u hiljadama para u jednoj fabrici, 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.  b) Prognozirati proizvodnju zimske obuće, po kvartalima za2010.godinu.  c) Izvršiti desezoniranje podataka u 2007.godini.    Rešenje:  a)    Pokretne sredine su  Y ij   (‐;50; 52,5; 62,5; 60; 62,5; 62,5; 65; 77,5; 77,5; 75; 80; 77,5; 80; 80; 80; 85; 82,5;‐)    ' Centralne pokretne sredine  Y ij , su:  (‐;  ‐;  51,25;  57,5);  (61,25;  61,25;  62,5; 63,75);  (71,25;  77,5;  76,25;  77,5);  (78,75;  78,75; 80,0; 80,0); (82,5; 83,75; ‐;‐)    Specifični sezonski indeksi   Iij , su:  (‐;  ‐;  1,5609;  0,5217);  (0,8169;  1,4693;  1,12;  0,6274);  (0,7017;  1,2903;  1,5737;  0,5161); (0,5079; 1,5238; 1,375; 0,625); (0,4848;  1,4328; ‐; ‐)    5 I1 = 2,5107: 4 = 0,6276   ∑ Ii ,I = 2,5107   i =1 5 ∑ Ii ,II = 5,7162   I2 = 5,7162: 4 = 1,4290   ∑ Ii ,III = 5,6296   I3 = 5,6296 : 4 = 1,4074   ∑ Ii ,IV = 2,2902   I4 = 2,2902: 4 = 0,5725   i =1 5 i =1 5 i =1   Ukupno: 4,0365  106   Kako je  I j = 4,0365 > 4  radi se korektivni factor C    C=   4 ∑Ij = 4 = 0,9909   4,0365 I1' = 0,6275 ⋅ 0,9909 = 0,62188 ili 62,188%; I2' = 1,4290 ⋅ 0,9909 = 1,41599 ili 141,599%; = 1,4074 ⋅ 0,9909 = 1,39459 ili 139,459%; I3' I4' = 0,5725 ⋅ 0,9909 = 0,56729 b)       ili 56,729%.    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; ∑ x2i = 10; ∑ xiYi = 330;                 1410 330 = 282; b = 33 5 10   y i = 282 + 33xi ; i = 1,2,3,4,5 a= Ishodište:   30.06.2007.god.  jedinica za X:   jedna godina  jedinica za Y:   hiljadu pari obuće  y i = 282 + 33 ( 3) = 282 + 99 y i = 381 + 33xi ; i = 1,2,3,4,5,6.       Ishodište:   30.06.2010.god.    jedinica za X:   jedna godina    jedinica za Y:   hiljadu pari obuće    Po kvatalima:    381 33 yi = + xi = 95,25 + 2,06 xi 4 16 2,06 ⎞ ⎛     y i = ⎜ 95,25 + ⎟ + 2,06 xi 2 ⎠ ⎝ y i = 95,28 + 2,06 xi i = 1,2,3,4. 107   2008 320 1 2009 330 2         Ishodište:   15.08.2010.god.(treći kvartal)  jedinica za X:   jedan kvartil  jedinica za Y:   hiljadu pari obuće  ' y 2010,I = 96,28 + 2,06 ( −2 ) = 92,16; ' y 2010,II = 96,28 + 2,06 ( −1) = 94,22;   ' y 2010,III = 96,28 + 2,06 ( 0 ) = 96,28;   ' y 2010,IV = 96,28 + 2,06 (1 ) = 98,34. ' Prognozirana proizvodnja po kvartalima:  Y i = Y i ⋅ Ii'   ' y 2010,I = 92,16 ⋅ 0,62188 = 57,312; ' y 2010,II = 94,22 ⋅ 1,41599 = 133,414;     ' y 2010,III = 96,28 ⋅ 1,39459 = 134,271; ' y 2010,IV = 98,34 ⋅ 0,56729 = 55,787.   [hiljadu pari zimske obuće]  c)     Desezoniranje podataka u 2007.godini  Yij' = Yij Ii'   50 100 = 80,40; Y 32 = = 70,62; 0,62188 1,41599   120 40 Y 33 = = 86,05; Y 34 = = 70,51. 1,39459 0,56729 Y 31 =     ZADATAK 119.  Prodaja muške letnje konfekcije, u stotinama komada, 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, za 2004.godinu.  108 b) Izvršiti desezoniranje podataka u 2004.godini  c) Prognozirati prodaju muške letnje konfekcije po kvartalima u 2010.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 ;   ∑ y = n ⋅ a + b∑ x ∑ x y = a ∑ x + b∑ x i i i       i i 2 i 4233 = 6a + 15b a = 633,87 11084 = 15a55b b = 28,65 y i = 633,87a + 28,65xi   i = 1,2,3,4,5,6.       Ishodište:   30.06.2004.god.    jedinica za X:   jedna godina    jedinica za Y:   stotine komada letnje konfekcije    Trend po kvatalima:    633,87 28,65 yi = + xi = 158,46 + 1,79 xi 4 16 1,79 ⎞ ⎛   y i = ⎜ 158,46 +   ⎟ + 1,79 xi 2 ⎠ ⎝       y i = 159,355 + 1,79 xi Ishodište:   15.08.2004.god.(treći kvartal)  jedinica za X:   jedan kvartil (tromesečje)  jedinica za Y:   stotina komada  109 XiYi  0  664  1402  2178  3060  3780  11084  ' y 2004,I = 159,355 + 1,79 ( −2 ) = 155,775; '   y 2004,II = 159,355 + 1,79 ( −1 ) = 157,565; ' y 2004,III = 159,355 + 1,79 ( 0 ) = 159,355;   ' y 2004,IV = 159,355 + 1,79 (1) = 161,145.   Aritmetičke sredine kvartila:  1097 1378 X1 = = 182,83; X 2 = = 229,66; 6 6     1215 543 X3 = = 202,5; X 4 = = 90,5. 6 6 Sezonski indeksi po kvartilu:  Xi I 'j = j = 1,2,3,4 Yi 182,83 229,66 I1 = = 1,1736; I2 = = 1,4575;     155,775 157,565 202,5 90,5 I3 = = 1,2707; I4 = = 0,5616. 159,355 161,145   Kako je  I j = 4,4634 > 4  radi se korektivni factor C      C= 4 ∑Ij = 4 = 0,8961   4,4634 I1' = 1,1736 ⋅ 0,8961 = 1,05166 I2' = 1,4575 ⋅ 0,8961 = 1,30606 I3' = 1,2707 ⋅ 0,8961 = 1,13867   I4' = 0,5616 ⋅ 0,8961 = 0,5032     b) Desezonirani podaciu 2004.godini:  152 210 Y '11 = = 144,5334; Y '12 = = 160,7889; 1,05166 1,30606   184 75 ' ' Y 13 = = 161,5920; Y 14 = = 149,0461; 1,13867 0,5032     [stotine komada]  c)    y 2010 = 633,87 + 28,65 ( 6 ) = 805,77   y i = 805,77 + 28,65xi i = 1,2,3,4,5,6,7 110         Ishodište:   30.06.2010.god.  jedinica za X:   jedna godina  jedinica za Y:   stotina komada  805,77 28,65 + xi = 201,44 + 1,7906 xi 4 16 1,7906 ⎞ ⎛ y i = ⎜ 201,44 +   ⎟ + 1,7906 xi 2 ⎠ ⎝ yi =   y i = 202,33 + 1,7906 xi             Ishodište:   15.08.2010.god.(treći kvartil)  jedinica za X:   jedan kvartil  jedinica za Y:   stotina komada  ' y 2010,I = 202,33 + 1,7906 ( −2 ) = 198,7488; ' y 2010,II = 202,33 + 1,7906 ( −1 ) = 200,5394;   ' y 2010,III = 202,33 + 1,7906 ( 0 ) = 202,33;   ' y 2010,IV = 202,33 + 1,7906 (1) = 204,1206. Prognozirana prodaja muške konfekcije  ' y 2010,I = 198,7488 ⋅ 1,1736 = 233,2551; ' y 2010,II = 200,5394 ⋅ 1,4575 = 292,2861; ' y 2010,III = 202,33 ⋅ 1,2707 = 257,100; ' y 2010,IV = 204,1206 ⋅ 0,5616 = 114,6314.                     111   [ stotine komada] 4 ELEMENTI TEORIJE VEROVATNOĆE  4.1 Verovatnoća "a priori"    ZADATAK 124.  Kolika je verovatnoća da će bacanjem novčića pasti glava?    Rešenje:    m=1; n=2  1 m P(A) = = 0,5  ili 50%  P(A) =   2 n   Verovatnoća da će bavanjem novčića pasti glava iznosi 50%.    ZADATAK 125.  Kolika je verovatnoća da će se na gornjoj strani bačene kocke pojaviti broj 3?    Rešenje:    m=1; n=6  m 1 P(A) = = = 0,1666  ili 16,66%  n 6   ZADATAK 126.  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) = 0,03333  ili 3,33%    4.2 Veorvatnoća "a posteriori"    ZADATAK 127.  Na  slučajan  način  od  300  studenata  izabrano  je  40  od  kojih  su  8  položili  statistiku.  Kolika je verovatnoća položenih ispita iz statistike?    119 Rešenje:    m=8; n=40  m 8 f (A) = = = 0,2  ili 20%  n 40   ZADATAK 128.  Proizvedeno  je  800  akumulatora.  Na  slučajan  način  izabrano  je  70  akumulatora  i  ustanovljeno je da su 3 neispravna. Kolika je verovatnoća neispravnih proizvoda?    Rešenje:    m=3; n=70  m 3 f (A) = = = 0,04  ili 4%  n 70   ZADATAK 129.  U preduzeću je zaposleno 1000 radnika u procesu proizvodnje. U jednom mesecu od  100  radnika  na  slučajan  način  5  radnika  je  imalo  prebačaj  norme.  Kolika  je  verovatnoća radnika koji su prebacili normu?     Rešenje:    m=5; n=100  m 5 f (A) = = = 0,05  ili 5%  n 100   4.3 Zbirna verovatnoća    ZADATAK 130.  Bacaju se dve kocke istovremeno. Kolika je verovatnoća da će pasti ili zbir 3 ili zbir 8?     Rešenje:    m1=2; m2=5; n=36  m m 2 5 7 P(A) = 1 + 2 = + =   36 36 36 36 36 P(A) = 0,19444  ili 19,44%    ZADATAK 131.  Kolika je verovatnoća da će bacanjem dve kocke istovremeno pasti broj 3 ili 5?  120    Rešenje:    m1=1; m2=1; n=6  1 1 2 P(A) = + =   6 6 6 P(A) = 0,333  ili 33,3%    ZADATAK 132.  Od  100  studenata  60  je  položilo  metode,  40  matematiku  i  10  modele.  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; m2=10; n=100  60 10 70 P(A) = + =   100 100 100 P(A) = 0,7  ili 70%    4.4 Složena verovatnoća    ZADATAK 133.  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) = ⋅ = 0,01234  ili 1,234%  36 36   ZADATAK 134.  U jednoj kutiji nalazi se 10 crnih i 8 crvenih kuglica a u drugoj se nalazi 6 crnh i 5 žutih  kuglica. Kolika je verovatnoća da će se iz prve ili iz druge kutije izvući crna kuglica?     Rešenje:    10 6 P(A) = ⋅ = 0,30300  ili 30,30%  18 11   ZADATAK 135.  121 Na jednoj polici nalazi se 50 vekni hleba od 600 grama i 30 vekni hleba od 590 grama.  Na  drugoj  tezgi  nalazi  se  60  vekna  težine  600  grama  i  40  vekni  težine  590  grama.  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) = ⋅ = 0,375  ili 37,5%  80 100   4.5 Uslovna verovatnoća    ZADATAK 136.  U kutiji se nalazi 5 crvenih i 5 zelenih kuglica. Kolika je verovatnoća da će se u drugom  izvlačenju izvući crvena kuglica, ako je u prvom izvlačenju izvučena crvena kuglica, pri  čemu se kuglice ne vraćaju u kutiju?     Rešenje:    5 4 P(A ⋅ B) = ⋅ = 0,2222  ili 22,22%  10 9   ZADATAK 137.  U jednoj pošiljci ima 900 proizvoda a sadrži više od 4% neispravnih proizvoda. Kolika  je verovatnoća da u uzorku od 3 proizvoda budu svi ispravni?     Rešenje:    864 865 866 P( A ⋅ B ⋅ C ) = ⋅ ⋅ = 0,88461  ili 88,46%  900 899 898   ZADATAK 138.  U kutiji se nalazi 50 proizvoda, kod kojih su 15 nestandardni. Kolika je verovatnoća da  će  kontrolor  na  slučajan  način  iz  dva  puta  jedan  za  drugim  izvući  nestandardan  proizvod?     Rešenje:    15 14 P(A ⋅ B) = ⋅ = 0,08571  ili 8,571%  50 49   122 4.6 Bajersova verovatnoća    ZADATAK 139.  U  jednom  marketu  se  prodaje  margarin,  i  to  dve  vrste:  "Dobro  jutro"  68%  i  "Dijamant"  32%.  Margarin  "Dobro  jutro"  ispunjava  95%  standarda,  a  margarin  "Dijamant" 90%. Kolika je verovatnoća da će kupac kupiti margarin "Dobro jutro"?     Rešenje:    p(D1 ) = 0,68 p(A / D1 ) = 0,95   p(D2 ) = 0,32 p(A / D2 ) = 0,90 p(A) = p(D1 ) ⋅ p(A / D1 ) + p(D2 ) ⋅ p(A / D2 ) p(A) = 0,68 ⋅ 0,95 + 0,32 ⋅ 0,90   p(A) = 0,934 p(D1 ) ⋅ p(A / D1 ) p(D1 / A) = p(A)   0,68 ⋅ 0,95 p(D1 / A) = 0,934 p(D1 / A) = 0,6916  ili 69,16%    Odgovor:  Verovatnoća  da  će  kupac  kupiti  margarin  "Dobro  jutro"  koji  odgovara  standardu je 69,16%.    ZADATAK 140.  Na četiri mašine, u fabrici za proizvodnju čarapa, proizvode se ženske čarape i to: 25%  na  prvoj  mašini,  30%  na  drugoj,  28%  na  trećoj  i  17%  na  četvrtoj.  Na  mašinama  se  pojavljuje  škart  i  to:  1,5%,  1,8%,  2%  i  1%  respektivno.  Kolika  je  verovatnoća  da  će  izabrane čarape biti škart i da je proizveden na prvoj, drugoj, trećoj ili četvrtoj mašini?     Rešenje:    p(D1 ) = 0,25 p(A / D1 ) = 0,015 p(D2 ) = 0,30 p(A / D2 ) = 0,018   p(D3 ) = 0,28 p(A / D3 ) = 0,02 p(D4 ) = 0,17 p(A / D3 ) = 0,01 p(A) = 0,25 ⋅ 0,015 + 0,30 ⋅ 0,018 + 0,28 ⋅ 0,02 + 0,17 ⋅ 0,01 p(A) = 0,01645 0,25 ⋅ 0,015 p(D1 / A) = = 0,2279  ili 22,79%  0,01645 123   0,30 ⋅ 0,018 = 0,3282  ili 32,82%  0,01645 0,28 ⋅ 0,02 p(D3 / A) = = 0,3404  ili 34,04%  0,01645 0,17 ⋅ 0,01 p(D4 / A) = = 0,1033  ili 10,33%  0,01645   ZADATAK 141.  U jednom supermarketu rade tri kase. Prilikom naplate prave greške i to: 40% prva,  35% druga i 25% treća. Uslovne verovatnoće su: 0,019, 0,03 i 0,02 respektivno. Ako je  pri naplati učinjena greška, kolika je verovatnoća da je to počinjeno na drugoj kasi?     Rešenje:    p(D1 ) = 0,4 p(A / D1 ) = 0,019 p(D2 / A) = p(D2 ) = 0,35 p(A / D2 ) = 0,03   p(D3 ) = 0,25 p(A / D3 ) = 0,02 p(A) = 0,4 ⋅ 0,019 + 0,35 ⋅ 0,03 + 0,25 ⋅ 0,02   p(A) = 0,0231 0,35 ⋅ 0,03 p(D2 / A) = = 0,4545  ili 45,45%  0,0231   ZADATAK 142.  Tri fabrike proizvode usisivače iste snage i istih karakteristika. Fabrika D1 isporučuje  tržištu 20% usisivača, D2 38% i D3 42%. Od  kupava stižu reklamacije da usisivača od  proizvođača  D1  sa  greškom  ima  1,5%, od  D2  0,08% i od  D3  1,7%.  Ako  su  usisivači sa  greškom, kolika je verovatnoća da će to biti proizvodi iz fabrike D1, D2 ili D3?     Rešenje:    p(D1 ) = 0,20 p(A / D1 ) = 0,015 p(A) = 0,20 ⋅ 0,015 + 0,30 ⋅ 0,008 + 0,42 ⋅ 0,017   p(D2 ) = 0,38 p(A / D2 ) = 0,008           p(A) = 0,01318 p(D3 ) = 0,42 p(A / D3 ) = 0,017 0,20 ⋅ 0,015 p(D1 / A) = = 0,2276  ili 22,76%  0,01318 0,38 ⋅ 0,008 p(D2 / A) = = 0,2306  ili 23,06%  0,01318 0,42 ⋅ 0,017 p(D3 / A) = = 0,5417  ili 54,17%  0,01318 124 4.7 Binomna verovatnoća    ZADATAK 143.  Od 300 proizvedenih sijalica utvrđeno je da ima 20 neispravnih. Kolika je verovatnoća  da od 5 slučajno izabranih proizvoda bude 0, 1, 2, 3, 4 i 5 neispravnih?    a) Izračunati očekivanu vrednost.  b) Izračunati varijansu.  c) Izračunati standardnu devijaciju.  d) Prikazati binomski raspored u obliku histograma i poligona verovatnoća.     Rešenje:    n=5  20 p= = 0,066   q=0,934  x=0, 1, 2, 3, 4, 5  300 p(x) = Cn x ⋅ p x ⋅ q n − x   p(0) = 1 ⋅ 0,0660 ⋅ 0,934 5 = 0,710778 5 − 0 0,066 ⋅ ⋅ 0,71778 = 0,25113 p(1) = 0 + 1 0,934 5 − 1 0,066 ⋅ ⋅ 0,25113 = 0,035489 p(2) = 1 + 1 0,934   5 − 2 0,066 ⋅ ⋅ 0,035489 = 0,0025076 p(3) = 2 + 1 0,934 5 − 3 0,066 ⋅ ⋅ 0,0025076 = 0,0000885 p(4) = 3 + 1 0,934 5 − 4 0,066 p(5) = ⋅ ⋅ 0,0000885 = 0,000000125 4 + 1 0,934   Odgovor: Verovatnoća da će od 5 izabranih proizvoda biti svi ispravni iznosi 0,710778  ili 71,0778%, da će biti 1 neispravan 0,25113 ili 25,113%, dva neispravna 0,035489 ili  3,4589%,  tri  neispravna  0,0025076  ili  0,25076%,  četiri  neispravna  0,0000885  ili  0,00885% i pet neispravnih 0,000000125 ili 0,0000125%.    a) Očekivana vrednost izračunava se na osnovu formule:  E (x) = n ⋅ p = 5 ⋅ 0,066 = 0,33   Očekivana vrednost slučajne promenljive iznosu 0,33.    b) Varijansa se izračunava iz relacije  σ x2 = n ⋅ q ⋅ p   125 σ x2 = 5 ⋅ 0,066 ⋅ 0,934 σ x2 = 0,30822   Varijansa slučajne promenljive iznosi 0,30822  c) Standardna devijacija se izračunava iz izraza:  σ = n ⋅ p ⋅ q = 5 ⋅ 0,066 ⋅ 0,934 = 0,555   Standardna devijacija slučajne promenljive iznosi 0,555.  d) Grafički prikaz binomnog rasporeda  Slika 2: Histogram i poligon verovatnoća      ZADATAK 144.  Ako  se  eksperiment  koji  realizuje  događaj  B  s  verovatnoćom  p(B) = 0,6   ponovi  n=8  puta.    a) Izračunati verovatnoću da će događaj B ponovi 3 puta.  b) Izračunati očekivanu vrednost.  c) Izračunati varijansu i standardnu devijaciju.     Rešenje:  ⎛8⎞ a) p(3) = ⎜ ⎟ ⋅ 0,63 ⋅ 0,4 5   ⎝3⎠ p(3) = 56 ⋅ 0,216 ⋅ 0,01024 = 0,123863  ili 12,3863%  b) E (x) = 8 ⋅ 0,6 = 4,8   c) σ x2 = 8 ⋅ 0,6 ⋅ 0,4 = 1,92   σ = 1,3856   126 ZADATAK 145.  Proizvedene  sijalice  od  40W  pakuju  se  u  kutiji  od  50  komada.  Poznato  je  da  se  u  proizvodnji proizvodi 5% neispravnih sijalica.    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) = ⎜ ⎟ ⋅ 0,11 ⋅ 0,947   p(3) = 19600 ⋅ 0,001 ⋅ 0,00706965 = 0,138565  ili  ⎝3⎠ 13,8565%  b) p(x ≤ 3) = p(0) + p(1) + p(2) + p(3)   p(x ≤ 3) = 0,2502937  ili 25,02937%  c) p(3 < x < 5) = p(3) + p(4) + p(5)   p(3 < x < 5) = 0,5043941  ili 50,43941%    4.8 Puasonova verovatnoća    ZADATAK 146.  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, 2, 3, 4 i 5  sati zastoja mašine.  b) Izračunati parametre Pusonovog rasporeda  μ ,σ x2 ,σ ,α 3 ,α 4 .    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  45 = 1,25   36 Prosečan zastoj automatske mašine u toku 36 dana iznosu 1,25 časova.  1,25 p= = 0,25 m = x = 1,25   n=5  x = 1,25   x=1, 2, 3, 4, 5  5 mx −m ⋅e   p(x) = x! 1,250 −1,25 p(0) = ⋅e = 1 ⋅ 0,286504 = 0,286504 0! 1,251 −1,25 p(1) = ⋅e = 1,25 ⋅ 0,286504 = 0,358130 1! 1,252 −1,25 p(2) = ⋅e = 0,78125 ⋅ 0,286504 = 0,2238312 2!   1,253 −1,25 p(3) = ⋅e = 0,3255208 ⋅ 0,286504 = 0,09326301 3! 1,254 −1,25 p(4) = ⋅e = 0,10172526 ⋅ 0,286504 = 0,029144 4! x= n p(5) = 1 − ∑ p(x) = 1 − 0,99087221 = 0,00912779 x =0 Verovatnoća da će mašina raditi bez zastoja iznosi 0,286504 ili 28,6504%, da će imati  jedan  čas  zastoja  iznosi  0,358130  ili  35,8130%,  dva  časa  zastoja  iznosi  0,2238312  ili  22,38312%, tri časa zastoja 0,09326301 ili 9,326301%, četiri časa zastoja 0,03827179  ili 3,827179% i pet časova zastoja 0,00912799 ili 0,912779%.  b) μ = E (x) = n ⋅ p = m = 5 ⋅ 0,12 = 1,25   σ x2 = n ⋅ p = m = 5 ⋅ 0,25 = 1,25 σ x = n ⋅ p = m = 1,25 = 1,118 1 1 1 = = = 0,89445   n⋅ p m 1,25 1 1 α4 = 3 + = 3+ = 3,8 1,25 n⋅ p α3 =   ZADATAK 147.  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.  b) Izračunati parametre ovog rasporeda.    128 Rešenje:    a) x = m = 1,51; n = 3   p(0) = 0,220909; p(1) = 0,333574; p(2) = 0,2518473; p(3) = 0,1936697   b) μ = E (x) = 1,51; σ x2 = 1,51; σ x = 1,228; α 3 = 0,8143; α 4 = 3,6622     ZADATAK 148.  Pakuje se kafa u kesicama od 100 grama. Kontrolom je ustanovljeno da se u proseku  mronađe 8 kesica manje mase od 100 grama.  a) Izračunati verovatnoće da sve kesice imaju masu 100 grama.  b) Izračunati verovatnoću da više od 3 kesice imaju masu manju od 100 grama.  c) Izračunati verovatnoću da kesica manje od 100 grama bude između 3 i 5.    Rešenje:    a) x = m = 8; x = 0   80 p(0) = ⋅ e −8 = 0,0003354  ili 0,03354%  0! b) p(x > 3) = 1 − [ p(0) + p(1) + p(2) + p(3)]   p(x > 3) = 0,95762  ili 95,762%  c) p(3 < x < 5) = p(3) + p(4) + p(5) = 0,177448  ili 17,7448%    4.9 Zakon velikih brojeva  4.9.1 Nejednačina Čebiševa    ZADATAK 149.  Trgovini  se  isporučuje  kafa  u  kesicama  mase  200  grama  u  paketima  u  kojima  se  isporučuju  po  100  kesica.  Na  slučajan  način  izabrana  je  jedna  kesica  iz  svakog  isporučenog  paketa.  Oceniti  verovatnoću  da  odstupanje  prosečne  mase  izabranih  kesica kafe,  od prosečne  mase svih kesica kafe, ne  prelazi 8 grama, ako standardna  devijacija mase kod svih kesica kafe ne prelazi 10 grama.    Rešenje:    n=100  δ = 10   ε = 8 p ( x − E (x ) < ε ) ≥ 1 − δ2   n ⋅ε 2 p ( x − E (x ) < 8 ) ≥ 1 − 102 = 0,9843  ili 98,43%  100 ⋅ 82   129 Odgovor:  Verovatnoća  da  prosečno  odstupanje  mase  kesice  kafe,  kod  izabranih  kesica kafe, od prosečne mase svih isporučenih kesica kafe, ne prelazi 8 grama iznosi  98,43%.    ZADATAK 150.  Slučajna  promenljiva  x  ima  matematičko  očekivanje  E(x)=3,  i  standardnu  devijaciju  δ x = 0,18 .  Oceniti  verovatnoću  da  će  se  vrednost  slučajne  promenljive  x  naći  u  intervalu 2,5 1 −   n ⋅ε 2 ⎝n ⎠ ⎛ x ⎞ 0,01 ⋅ 0,99 p⎜ − 0,01 < 0,003 ⎟ > 1 − = 0,945  ili 94,5%  20000 ⋅ 0,0032 ⎝ 20000 ⎠   Odgovor: Verovatnoća da je apsolutna vrednost razlike frekvencija neispravnih auto  guma manja od 0,003 iznosi 94,5%.    ZADATAK 157.  x Ako je verovatnoća nejednakosti  − p ≤ 0,12 i da ne bude manja od 0,99, pri čemu  n je  p = 0,4 , koliko se mora izabrati nezavisnih jedinica u uzorak.    Rešenje:    p = 0,4   q = 0,6 ε = 0,12   0,4 ⋅ 0,6 0,4⋅,06 p⋅q ≥ 0,99   1 − = 0,99   ≥ 0,99   1 − 1− 2 n ⋅ 0,12 n ⋅ 0,12 n ⋅ε n = 200  (jedinica)    132 ZADATAK 158.  Verovatnoća  broja  ponavljanja  kifli  mase  manje  od  100  grama  je  20%.  Izračunati  granicu  apsolutne  vrednosti  odstupanja  broja  kifli  od  njegove  verovatnoće,  koja  se  može očekivati sa verovatnoćom od 0,95, ako je proizvedeno 20000 kifli.    Rešenje:    p = 0,2   q = 0,8 n = 20000   p⋅q 0,2 ⋅ 0,8 0,16 1− > 0,95   > 0,95   1 − > 0,95   1 − 2 2 20000 ⋅ ε 20000 ⋅ ε 2 n ⋅ε ε = 0,012     4.10 Centralna granična teorema    ZADATAK 159.  Slučajna  promenljiva  yn  je  aritmetička  sredina  4900,  na  slučajan  način,  izabranih  radnika  kod  čijih  je  zarada  matematičko  očekivanje  11,8 ⋅ 103   dinara  i  varijansa  25 ⋅ 105 .  Kolika  je  verovatnoća  da  će  prosečna  zarada  radnika  biti  u  intervalu  11,6 ⋅ 103  do  11,9 ⋅ 103 ?    Rešenje:    μ1 = 11,6   μ1 = 11,9   δ 2 = 25   E (xi ) = 11,8   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 ⎜ ⎟ ⎜ 11,6 − 11,8 ∑ [ xi − E (xi )] 11,9 − 11,8 ⎟ ⎟  < i =1 < p ⎜ 11,6 < i =1 < 11,9 ⎟ = p ⎜ 1 1 1 4900 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 14 14 14 ⎝ ⎠ ⎝ ⎠ 4900 ⎛ ⎞ [ xi − E(xi )] ∑ ⎜ ⎟ p ⎜ −2,8 < i =1 < 1,4 ⎟ = F (1,4) − F (−2,8)   1 ⎜ ⎟ ⎜ ⎟ 14 ⎝ ⎠ δx = = 133 p = 0,9192 − [1 − 0,9974 ] = 0,9166  ili 91,66%    Odgovor:  Verovatnoća  da  će  prosečna  plata  biti  u  intervalu  11,6 ⋅ 103   do  11,9 ⋅ 103 iznosi 91,66%.    ZADATAK 160.  Ako  je  prosečan  prinos  suncokreta  5,65  t/ha,  sa  varijansom  0,36,  kolika  je  verovatnoća da prinos suncokreta na 324 hektara ne bude manji od 5,7 t/ha.    Rešenje:    μ1 > 5,7   δ 2 = 0,36   E (xi ) = 5,65   n = 324   0,36 0,6 1 = =   324 18 30 ⎛ ⎞ ⎜ 5,7 − 5,65 ⎟ p⎜ ⎟ = F (1,5) = 0,9332  ili 93,32%  1 ⎜ ⎟ 30 ⎝ ⎠   ZADATAK 161.  Na slučajan način izabrano je 225 turista koji su imali očekivan broj dana boravka 8,  sa varijansom 25. Kolika je verovatnoća da će prosečan boravak turista biti u intervalu  od 6 do 9 dana.    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) = 0,9987   ili 99,87%    ZADATAK 162.  U jednom tovilištu bilo je 64 teladi sa očekivanom telesnom masom 52 kilograma, sa  varijansom  144  kilograma.  Kolika  je  verovatnoća  da  će  se  prosečna  masa  teladi  nalaziti u intervali od 49 do 587 kilograma.    δx = 134 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 5 ⎧900 2500 4900 1600 3600 ⎫ ; Z = X2 = ⎨ ⎬ ∑ pi = 1 0,1 ⎭ i =1 ⎩ 0,4 0,15 0,05 0,3   5 ⎧1801 5001 9801 3201 7201⎫ 2 K = 2⋅ X +1 = ⎨ ⎬ ; ∑ pi = 1 0,1 ⎭ i =1 ⎩ 0,4 0,15 0,05 0,3 c) E (x) = 30 ⋅ 0,4 + 50 ⋅ 0,15 + 70 ⋅ 0,05 + 40 ⋅ 0,3 + 60 ⋅ 0,1 = 41  [kilogram]  E (4 ⋅ x) = 4 ⋅ E (x) = 4 ⋅ 41 = 164  [kilograma]  E (x − 2) = E (x) − 2 = 41 − 2 = 39  [kilograma]  d) δ x2 = 302 ⋅ 0,4 + 502 ⋅ 0,15 + 702 ⋅ 0,05 + 402 ⋅ 0,3 + 602 ⋅ 0,1 − 412 = 139   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 139 = 1251   δ x = δ x2 = 1251 = 35,37  [kilograma]  e) m1 = 30 ⋅ 0,4 + 50 ⋅ 0,15 + 70 ⋅ 0,05 + 40 ⋅ 0,3 + 60 ⋅ 0,1 = 41   m2 = 302 ⋅ 0,4 + 502 ⋅ 0,15 + 702 ⋅ 0,05 + 402 ⋅ 0,3 + 602 ⋅ 0,1 = 1820 m3 = 303 ⋅ 0,4 + 503 ⋅ 0,15 + 703 ⋅ 0,05 + 403 ⋅ 0,3 + 603 ⋅ 0,1 = 87500   m4 = 304 ⋅ 0,4 + 504 ⋅ 0,15 + 704 ⋅ 0,05 + 404 ⋅ 0,3 + 604 ⋅ 0,1 = 4526000 M4 = 4526000 − 4 ⋅ 87500 ⋅ 41 + 6 ⋅ 1820 ⋅ 412 − 3 ⋅ 414 = 55237   M 55237 (α 4 )x = 44 = = 2,868   δ x 11,784   ZADATAK 165.  U  junskom  ispitnom  roku  100  studenata  je  položilo  ispit  iz  Statistike.  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.  b) Odrediti nove prekidne slučajne promenljive  Y = 4 ⋅ X ;  Z = X 4 ;  K = 3 ⋅ X 3 + 2 .  c) Izračunati očekivanu vrednosti  E (x) ;  E (5 ⋅ x)  i  E (x − 3) .  d) Izračunati  δ x2 ;  δ x2 (3 ⋅ x) .  e) Izračunati  (α 3 )x  i  (α 4 )x .    Rešenje:    5 7 8 9 10 ⎫ ⎧ 6 a) X = ⎨ ⎬ ; ∑ pi = 1   i =1 ⎩0,3 0,4 0,15 0,05 0,1⎭ 32 36 40 ⎫ ⎧ 24 28 b) Y = 4 ⋅ X = ⎨ ⎬; ⎩0,3 0,4 0,15 0,05 0,1⎭ 138 5 ∑p =1   i =1 i c) 5 ⎧1296 2401 4096 6561 10000 ⎫ Z = X4 = ⎨ ⎬ ; ∑ pi = 1 0,4 0,15 0,05 0,1 ⎭ i =1 ⎩ 0,3   5 ⎧650 1031 1538 2189 3002⎫ 2 K = 3⋅ X + 2 = ⎨ ⎬ ; ∑ pi = 1 i =1 ⎩ 0,3 0,4 0,15 0,05 0,1 ⎭ E (x) = 6 ⋅ 0,3 + 7 ⋅ 0,4 + 8 ⋅ 0,15 + 9 ⋅ 0,05 + 10 ⋅ 0,1 = 7,25   E (5 ⋅ x) = 5 ⋅ E (x) = 5 ⋅ 7,25 = 36,25   E (x − 3) = E (x) − 3 = 7,25 − 3 = 4,25 d) δ x2 = 62 ⋅ 0,3 + 72 ⋅ 0,4 + 82 ⋅ 0,15 + 92 ⋅ 0,05 + 102 ⋅ 0,1 − 7,252 = 1,4875   δ x2 (3 ⋅ x) = 32 ⋅ δ x2 = 32 ⋅ 1,4875 = 13,383   δ x = δ x2 = 1,4875 = 1,2196   e) m1 = 6 ⋅ 0,3 + 7 ⋅ 0,4 + 8 ⋅ 0,15 + 9 ⋅ 0,05 + 10 ⋅ 0,1 = 7,25   m2 = 62 ⋅ 0,3 + 72 ⋅ 0,4 + 82 ⋅ 0,15 + 92 ⋅ 0,05 + 102 ⋅ 0,1 = 54,05 m3 = 63 ⋅ 0,3 + 73 ⋅ 0,4 + 83 ⋅ 0,15 + 93 ⋅ 0,05 + 103 ⋅ 0,1 = 415,25   m4 = 64 ⋅ 0,3 + 74 ⋅ 0,4 + 84 ⋅ 0,15 + 94 ⋅ 0,05 + 104 ⋅ 0,1 = 3291,65 M3 = 415,25 − 3 ⋅ 7,25 ⋅ 54,05 + 2 ⋅ 7,253 = 1,82 M4 = 3291,65 − 4 ⋅ 7,25 ⋅ 415,25 + 6 ⋅ 54,05 ⋅ 7,252 − 3 ⋅ 7,254 = 6,9698 1,82 (α 3 )x = = 1,003 1,21963   6,9698 (α 4 )x = = 3,15 1,21964 139   5 METOD UZORKA  5.1 Veličina uzorka    ZADATAK 166.  U jednom mestu ima 200 domaćinstava. Koliko domaćinstava treba uzeti za uzorak sa  verovatnoćom  od  95%,  u  cilju  provere  mesečne  potrošnje  ulja,  ako  se  zna  da  je  standardna devijacija osnovnog skupa 4 litrara uz interval poverenja od 2 litre?    Rešenje:    σ 2 ⋅ N ⋅ u2 42 ⋅ 200 ⋅ 1,962 n= = = 47,19 ≈ 47   (N − 1) ⋅ E 2 + u2 ⋅σ 2 (200 − 1) ⋅ 12 + 1,962 ⋅ 42   Odgovor: U uzorak treba uzeti približno 47 domaćinstava.    ZADATAK 167.  U jednom šljiviku ima 800 stabala šljiva. Koliko stabala šljiva treba uzeti za uzorak sa  verovatnoćom od 95,45% u cilju ocene prosečnog prinosa, ako se zna da je varijansa  osnovnog skupa 4 kg uz interval poverenja od 2 kg?    Rešenje:    σ =4  N = 800   u = 95,45% = 2 E =1 2⋅E = 2 n = 15,7 ≈ 16  [stabala šljiva]    ZADATAK 168.  Na  jednoj  farmi  ovaca  ima  200  ovaca.  Koliko  ovaca  treba  uzeti  za  uzorak  sa  verovatnoćom  od  99,73%  u  cilju  ocene  prosečne  mlečnosti  ako  se  zna  da  je  standardna devijacija osnovnog skupa 2 litre uz interval poverenja od 1,5 litara?    Rešenje:    σ = 2   E = 1,5 N = 200   u = 99,73% = 2,98 n = 48,21 ≈ 48  [ovaca]            140 ZADATAK 169.  U jednom preduzeću zaposleno je 400 radnika. Koliko radnika treba uzeti za uzorak  uz verovatnoću 90% sa ciljem izračunavanja prosečne plate u dinarima, ako se zna da  je  standardna  devijacija  osnovnog  skupa  1500  dinara  uz  interval  poverenja  100  dinara? Uzorak je sa ponavljanjem.    Rešenje:    N = 400   u = 1,6 σ = 1500 E = 500 ⎛ σ ⋅u ⎞ n=⎜ ⎟    ⎝ E ⎠ 2 2 2 ⎛ 1500 ⋅ 1,6 ⎞ ⎛ 2475 ⎞ 2 n=⎜ ⎟ =⎜ ⎟ = 4,95 = 24,5    500 500 ⎝ ⎠ ⎝ ⎠ n ≈ 24  [radnika]    ZADATAK 170.  Koliko  treba  uzeti  u  uzorak  domaćinstava  radi  ocene  prosečne  potrošnje  mesa  po  domaćinstvu u celom gradu, ako se želi da interval poverenja ne bude šira od 1,5 kg i  ako je standardna devijacija osnovnog skupa 3 kg. Uzorak je sa ponavljanjem.  a) Izračunati veličinu uzorka sa verovatnoćom od 95%.  b) Izračunati veličinu uzorka sa verovatnoćom od 99%.    Rešenje:    a) σ = 3; E = 0,75; u = 95% = 1,96   n = 64,46 ≈ 64  [domaćinstava]  b) σ = 3; E = 0,75; u = 99% = 2,58   n = 106,50 ≈ 107  [domaćinstava]    ZADATAK 171.  Koliko  treba  uzeti  u  uzorak  domaćinstva  radi  ocene  prosečne  potrošnje  mleka  u  litrima u celom gradu ako se zna da je standardna devijacija osnovnog skupa 2,3 litra  uz interval poverenja od 0,5 litara? Veličinu uzorka odrediti za verovatnoću od 99% uz  pretpostavku da je uzorak sa ponavljanjem.    Rešenje:    σ = 2,3; E = 0,5; u = 99% = 2,58   n = 563,397 ≈ 563  [domaćinstava]      141 ZADATAK 172.  U  jednom  mestu  od  10000  porodica  treba  oceniti  udeo  domaćinstva  koja  idu  u  bioskop  uz  verovatnoću  od  99,73%.  Iz  iskustva  se  zna  da  je  proporcija  tih  domaćinstava  60%,  koliko  treba  uzeti  porodica  za  uzorak  uz  interval  poverenja  od  3%? Uzorak je bez ponavljanja.    Rešenje:    P = 0,6 E = 0,015 Q = 0,4 N = 10000   u = 99,73% = 2,98 2 N ⋅u ⋅Q n= 2   u ⋅ Q + E 2 ⋅ ( N − 1) ⋅ P n= 10000 ⋅ 2,982 ⋅ 0,4 = 7234,5   2,982 ⋅ 0,4 + 0,0152 ⋅ (10000 − 1) ⋅ 0,6 n ≈ 7234  [porodica]    ZADATAK 173.  U  jednoj  fabrici  za  proizvodnju  kafe  proizvodi  se  50000  pakovanja  jedne  fake  mase  200 g. Koliko treba uzeti za uzorak pakovanja radi kontrole tačnosti ase, 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%. Uzorak je bez ponavljanja.    Rešenje:    N = 50000   u = 2,58 P = 0,95 E = 0,025 Q = 0,05 n = 554,36 ≈ 554  [paketića kafe]    5.2 Ocene na osnovu uzoraka  5.2.1.1 Ocena aritmetičke sredine osnovnog skupa na osnovu uzorka    ZADATAK 174.  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.  142 b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  nalazi  ukupan  broj  proizvedenih  čarapa  u  celom  preduzeću,  ako  u  proizvodnji  radi  100  radnika.    Rešenje:    n ∑x i 438 = 14,6   n 30 Odgovor:  Prosečan  broj  proizvedenih  čarapa  u  uzorku  od  30  radnika  iznosi  14,6  čarapa.  x= i =1 n Sx = = ∑x i =1 2 i − n⋅ x2 n ⋅ ( n − 1) = 6776 − 30 ⋅ 14,62 = 0,66193   30 ⋅ ( 30 − 1) Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 0,66193 komada.  a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   14,6 − 1,96 ⋅ 0,66193 ≤ μ ≤ 14,6 + 1,96 ⋅ 0,66193   13,3027 ≤ μ ≤ 15,8973 Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  da  se  prosečan  broj  proizvedenih čarapa u celom preduzeću nalazi negde u intervalu od 13,3027  do 15,8973.  b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   100 ⋅ 13,3027 ≤ N ⋅ μ ≤ 100 ⋅ 15,8973   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.    ZADATAK 175.  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.    143 Rešenje:    x = 7,6   Sx = 0,1987   7,08735 ≤ μ ≤ 8,11264     ZADATAK 176.  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%.  b) Kolika se ukupna prodaja može očekivati uz datu verovatnoću ako preduzeće  ima 200 prodavnica?    Rešenje:    a) x = 7,1  [komada];  Sx = 0,51809  [komada];  6,407 ≤ μ ≤ 8,436  [komada]  b) 1281,49 ≤ N ⋅ μ ≤ 1687,20  [komada]    ZADATAK 177.  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%.  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 = 2,75   25   144 Odgovor: Prosečan mesečna potrošnja ulja u uzorku od 25 porodica iznosi 2,75 litara.  n 25 = 0,0625 = 6,25% > 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 ⋅ 2,752 400 − 25 N −n = ⋅ = 0,3223   25 ⋅ ( 25 − 1) 400 − 1 N −1 Odgovor: Ocena srednje mere odstupanja aritmetičkih sredina uzorka od aritmetičke  sredine osnovnog skupa iznosi 32,23 litara.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   2,75 − 2,58 ⋅ 0,3223 ≤ μ ≤ 2,75 + 2,58 ⋅ 0,3223   1,9185 ≤ μ ≤ 3,5815 Odgovor: Uz verovatnoću 99% može se očekivati da će se prosečna mesečna  potrošnja ulja nalaziti negde u intervalu od 1,9185 do 3,5815 litara.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   400 ⋅ ( 2,75 − 2,58 ⋅ 0,3223) ≤ N ⋅ μ ≤ 400 ⋅ ( 2,75 + 2,58 ⋅ 0,3223)   767,4 ≤ N ⋅ μ ≤ 1432,6 Odgovor: Potrošnja ulja u celom gradu kretaće se u intervalu od 767,6 litara  do 1432,6, uz rizik greške od 1%.    ZADATAK 178.  Na  30  parcela,  izabranih  na  slučajan  način,  ostvaren  je  prinos  suncokreta  u  t/ha  (uzorak bez ponavljanja):  4,6  3,1  2,8  8,5  5,2  4,6  6,2  5,4  5,6  7,2  3,1  3,2  7,4  7,5  4,5  3,6  5,4  8,1  5,3  5,2  6,1  6,3  4,7  5,6  4,8  5,1  7,4  6,1  5,3  5,1    a) Odrediti  interval  poverenja  uz  verovatnoću  95%  u  kome  se  može  naći  prosečan prinos suncokreta po hektaru.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna količina suncokreta uz istu verovatnoću ako je zasejano 900 parcela.            145 Rešenje:    a) x = 5,4  [t/ha];  Sx = 0,28242  [t/ha];  4,8465 ≤ μ ≤ 5,95709  [t/ha];  30 = 3,33% < 4%   900 b) 4361,85 ≤ N ⋅ μ ≤ 5361,38  [t/ha]      ZADATAK 179.  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%.  b) Koliki  je  ukupan  broj  dana  bolovanja  uz  istu  verovatnoću  ako  fabrika  zapošljava 1500 radnika?    Rešenje:    a) x = 6,4  [dana];  Sx = 0,6833  [dana];  3,863 ≤ μ ≤ 8,936  [dana];  25 = 1,666% < 4%   1500 b) 5794,5 ≤ N ⋅ μ ≤ 13404  [dana]  5.2.1.2 Grupisani podaci (uzorak sa ponavljanjem)    ZADATAK 180.  U jednom preduzeću  za proizvodnju lepka, 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.  146 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.    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 = 39,68   45 i Odgovor: Prosečan broj spakovanih kutija lepka u uzorku iznosi 39,86 komada.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 75858 − 45 ⋅ 39,862 = 1,4841   45 ⋅ ( 45 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1,4841 kutija.    a) x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx   39,86 − 1,94 ⋅ 1,4841 ≤ μ ≤ 39,86 + 1,94 ⋅ 1,4841   36,951 ≤ μ ≤ 42,768 Odgovor: Uz verovatnoću 95% može se očekivati da će se prosečan broj spakovanih  kutija lepka na celoj liniji nalaziti negde u intervalu od 36,951 do 42,768 litara.    b) N ⋅ ( x − u ⋅ Sx ) ≤ N ⋅ μ ≤ N ⋅ ( x + u ⋅ Sx )   300 ⋅ 36,951 ≤ N ⋅ μ ≤ 300 ⋅ 42,768   11085,3 ≤ N ⋅ μ ≤ 12830,4 Odgovor:  Uz  rizik greške 5% može se očekivati  da se ukupan broj spakovanih kutija  nađe negde u intervalu od 11085,3 do 12830,4 komada.    147 ZADATAK 181.  Kontrolom, na slučaj izabranih 120 tabli čokolada od 100 g, dobijen je raspored tabli  prema masi (uzorak sa ponavljanjem):    masa u gramima (xi)  94,5  96,5  98,5  100,5  102,5 104,5  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.  b) Izračunati  uz  istu  verovatnoću  interval  poverenja  u  kome  se  može  naći  ukupna proizvedena količina čokolade ako je proizvedeno 500 tabli.    Rešenje:    a) x = 100,48  [grama];  Sx = 0,2227  [grama];  u = 2,58 ;  99,9054 ≤ μ ≤ 101,0545   [grama]  b) 499527 ≤ N ⋅ μ ≤ 505272,5  [tabli]    ZADATAK 182.  U 50 prodavnica ostvaren je dnevni promet u 103 dinara (uzorak sa ponavljanjem):    promet ( χ i )  broj prodavnica (fi)  10,1‐15  2  15,1‐20  4  20,1‐25  6  25,1‐30  5  30,1‐35  10  35,1‐40  15  40,1‐45  8    a) Izračunati, uz verovatnoću 95% da se može naći, prosečan dnevni promet u  celom osnovnom skupu.  b) Izračunati  total  osnovnog  skupa  uz  istu  verovatnoću,  ako  u  posmatranom  regionu ima 200 prodavnica.    Rešenje:    Tabela 5‐2: Radna tabela za izračunavanje standardne greške  promet ( χ i )  10,1‐15  15,1‐20  20,1‐25  25,1‐30  30,1‐35  35,1‐40  40,1‐45  ukupno  broj  prodavnica ( fi ) 2  4  6  5  10  15  8  50  148 xi   xi ⋅ fi   xi2 ⋅ fi   12,5  17,5  22,5  27,5  32,5  37,5  42,5  ‐  25  70  135  137,5  325  562,5  340  1595  312,5  1225  3037,5  3781,25  1056,25  21093,75  14450  54462,5  n x= ∑x ⋅ f i i =1 i n ∑f = 1595 = 31,9   50 i i =1 Odgovor: Prosečan promet u 50 prodavnica iznosi 31900 dinara.    n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x 2 n ⋅ ( n − 1) = 54462,5 − 50 ⋅ 31,92 = 1,20914   50 ⋅ ( 50 − 1) Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  od  aritmetičke sredine osnovnog skupa iznosi 1209 dinara.    a)   x − u ⋅ Sx ≤ μ ≤ x + u ⋅ Sx 31,9 − 1,96 ⋅ 1,20914 ≤ μ ≤ 313,9 + 1,96 ⋅ 1,20914   29,530 ≤ μ ≤ 34,269   Odgovor:  Uz  verovatnoću  95%  može  se  očekivati  prosečan  dnevni  promet  u  celom  regionu u intervalu od 29530 do 34269 dinara.    b)   ( ) N x − u ⋅ Sx ≤ N ⋅ μ ≤ N ( x + u ⋅ Sx )   5906 ≤ N ⋅ μ ≤ 6856,8   Odgovor: Može se očekivati uz rizik greške 5% da se ukupan promet u celom regionu  nađe  negde  u intervalu od 5906000 do 6853800 dinara.    ZADATAK 183.  Na  površini  od  51  hektar  ostvaren  je  prinos  suncokreta    u  t/ha  (uzorak  sa  ponavljanjem)    Prinos ( χ i )  Površina(fi)  2,01‐2,5  9  2,51‐3  7  3,01‐3,5  15  3,51‐4  12  4,01‐4,5  8    a) Izračunati  prosečan  prinos  suncokreta  na  ukupnoj  zasejanoj  površini  uz  verovatnoću 99%.  b) U kom intervalu se može naći ukupna proizvedena količina suncokreta ako je  zasejano 500 hektara, uz istu verovatnoću.      149 Rešenje:    a)         x = 3,28 [t / ha ] ; u = 2,58; Sx = 0,0927 ( t / ha ) 3,0408 ≤ μ ≤ 3,5191[t / ha ] b)     1520,4 ≤ N ⋅ μ ≤ 1759,5 t / ha .      5.3 Statistički testovi na osnovu uzoraka  5.3.1 Testovi na osnovu „T“ raspodela    5.3.1.1 Testiranje razlike između aritmetičke sredine uzoraka i hipotetične vrednosti  aritmetičke sredine osnovnog skupa (negrupisai podaci)    ZADATAK 184.  Od  130  prodavnica  nameštaja  na  slučajan  način  izabrano  je  12  i  popisan  je  dnevni  promet u 103 dinara: 25, 28 ,31 ,34, 41, 29, 38, 42, 30, 39, 45, 40.    a) Da  li  se  može  prihvatiti  hipoteza,  da  prosečan  dnevni  promet  kod  svih  130  prodavnica bude 36.103 dinara, uz verovatnoću 97,5%.  b) Da  li  se  može  prihvatiti  hipoteza,  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije veći od  33.103 dinara, uz verovatnoću 95%.  c) Da  li  se  može  prihvatiti  hipoteza,  da  prosečan  dnevni  promet  kod  svih  130  prodavnica nije manji od  38,5.103 dinara, uz verovatnoću 90%.    Rešenje:  n ∑x i 422 = 35,16   n 12 Odgovor: Prosečni dnevni promet u uzorku od 12 prodavnica iznosi 35160 dinara.    x= i =1 = n 12 = = 0,09231 = 9,23% 4%   N 130 150 n Sx = ∑x 2 i − nx i =1 n ( n − 1) 2 ⋅ 15302 − 12 ⋅ 35,162 130 − 12 N −n = =   12 (12 − 1 ) 130 − 1 N −1 Sx = 1,79948313.   Odgovor:  Ocena  prosečnog  odstupanja  aritmetičke  sredine  uzoraka  od  aritmetičke  sredine osnovnog skupa iznosi 1799 dinara.    a)     x − μ0 35,16 − 36 t0 = = = −0,46680.   1,79948313 Sx   f (t ) α 2 97,5% = 1, 25% 2 48, 75% t = 2, 685 α = 1, 25% 48, 75% t t0 = 0, 466 t = 2, 685 Slika 3: Područje prihvatljivih odbacivanja  H0 : μ = μ0     Odgovor:  Kako  je  ispunjena  relacija  −2,685 < t0 ≈ −0,466 < 2,685   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  od  97,5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 35,16 − 36 = 0,84 ⋅ 103  slučajna. To znači, da je prosečan dnevni promet u svih  130 prodavnica 35160 dinara.    b)     x − μ0 35,16 − 33 t0 = = = 1,200344.   Sx 1,79948313   151 f (t ) 2a = 10% 90% 50% 48, 75% a = 5% t t0 = 1, 2003 t = 1,833 Slika 4: Oblasti prihvatanja i odbacivanja  H0 : m ≥ m0     Odgovor:  Kako  je  t0 ≈ 1, 20034 t = 1,833   ,uz  verovatnoću  95%  hipoteza  H0  se  prihvata  a  razlika  x − m0 = 35,16 − 33 = 2,16 ⋅103   može  se  smatrati  slučajnom.  To  znači, da prosečan dnevni promet u svih 130 prodavnica nije veći od 33000 dinara.  c)   x − μ0 26,82 − 31 t0 = = = −1,89059.   2,210948 Sx   f (t ) 90% 2a = 20% a = 10% t = 1,856 40% 50% t t0 = 1,383 Slika 5: Granice prihvatanja i odbacivanja  H0 : μ ≤ μ0     Odgovor:  Pošto  je t0 ≈ 1,856 t = −1,383 ,  hipoteza  H0  se  uz  rizik  greške  10%  odbacuje  a  razlika  x − m0 = 35,16 − 38,5 = −3,34 ⋅ 103   dinara  može  se  smatrati  152 statistički  značajnom.  To  znači,  da  prosečan  dnevni  promet  u  svih  130  prodavnica  manji od 38500 dinara.    ZADATAK 185.  U  liniji  za  proizvodnju  čarapa  postoje  20  mašina.  Na  slučajan  način  izabrano  je  6  mašina i popisan škart u toku 8 sati rada: 3, 5, 7, 4, 6 i 8 pari.    a)  Da li uz verovatnoću 99% može prihvatiti hipoteza H0 , da je prosečan škart  kod svih 20 mašina 7 pari?  b) Da li uz verovatnoću 90% može prihvatiti hipoteza H0 , da prosečan škart kod  svih 20 mašina nije veći od 5 pari?  c) Da li se moze prihvatiti hipoteza H0 , uz verovatnoču 95% da prosečan škart  kod svih 20 mašina nije veći od 6 pari?    Rešenje:  x = 5,5[ pari ] , 6 ÷ 20 = 30% 4%; Sx = 0,655235 α = 0,01; r = n − 1 = 6 − 1 = 5; t = 4,030   t0 = −2,892 a)       −4,0310 t0 ≈ −2,892 4,030; H0 se prihvata.  b)   t0 ≈ 0,7631 t = 2,020; H0 se prihvata.  c)   t0 ≈ 0,76308 t = −2,78; H0 se prihvata.    5.3.1.2 Grupisani podaci      ZADATAK 186.  U fabrici za proizvodnju tapeta zaposleno je 200 radnika. Na slučajan način izabrano  je 22 radnika koji su imali sledće plate u 102 dinara.    Zarade ( χ i )  broj radnika (fi)  10‐20  6  20‐30  10  30‐40  3  40‐50  2  50‐60  1    a) Da li se može prihvatiti nulta hipoteza H0 , da je prosečna mesečna plata kod  svih 200 radnika 3100 dinara, uz rizik greške 0,005?  b) Da  li  se  može  uz  verovatnoću  95%  prihvatiti  hipoteza  H0  ,  da  je  prosečna  mesečna plata kod svih 200 radnika nije veća od  3200 dinara?  153 c) Da li se može prihvatiti hipoteza H0, da prosečna mesečn plata kod svih 200  radnika nije manja od 3400 dinara, uz verovatnoću 97,5%?    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 = 26,82.   22 i i =1   Odgovor: Prosečna mesečna plata kod 22 radnika u uzorku iznosi 2682 dinara.  n 22 = = 0,11  ili  11% 4%   N 200 n Sx = ∑x i =1 2 i ⋅ fi − n ⋅ x n ( n − 1) 2 ⋅ N −n 18350 − 22 ⋅ 26,822 200 − 22 = ⋅ = 2,210948   N −1 22 ( 22 − 1 ) 200 − 1 Odgovor:  Ocena  srednje  mere  odstupanja  aritmetičkih  sredina  uzoraka  aritmetičke  sredine osnovnog skupa iznosi 221,1 dinara.    a)     x − μ0 26,82 − 31 t0 = = = −1,89059.   Sx 2,210948   154 f (t ) 99,5% α 2 = 0, 25% α 2 = 0, 25% 49, 75% 49, 75% t = 3, 09 t0 = 0,1890 t = 3, 09 t Slika 6:Granice prihvatanja i odbacivanja  H0 : μ = μ0     Odgovor: Kako se izračunato  t0 ≈ −1,890  nalazi u području prihvatanja nulte  hipoteze,  H0  se  prihvata  uz  verovatnoću  od  99,5%  i  može  se  smatrati  da  je  razlika  x − μ0 = 26,82 − 31 = −418 ⋅ 102  slučajna. To znači, da je prosečan plata  svih 200 radnika 3100 dinara.  b)   x − μ0 26,82 − 32 t0 = = = −2,34228.   2,210948 Sx f (t ) 2a = 10% 95% 45% 50% a = 5% t t0 = 2,343 t = 1, 721 Slika 7: Granice prihvatanja i odbacivanja  H0 : μ = μ0     155 Odgovor: Kako je  t0 ≈ −2,343 t = 1,721  ,uz verovatnoću 95% hipoteza H0 se  prihvata  a  razlika  x − μ0 = 26,82 − 32 = −5,182 ⋅ 102   dinara  je  slučajna.  To  znači, da je prosečan plata svih 200 radnika nije veća od 3200 dinara.    c)   x − μ0 26,82 − 34 t0 = = = −3,24747.   2,210948 Sx f (t ) 97,5% 2a = 5% 47,5% a = 2,5% t = 3, 247 50% t t0 = 2, 080 Slika 8: Granice prihvatanja i odbacivanja  H0 : μ ≥ μ0     Odgovor:  Pošto  je t0 ≈ 3,247 t = −2,080 ,  hipoteza  H0  se  odbacuje  uz  rizik  greške  2,5%,  a  razlika  x − μ0 = 26,82 − 34 = −7,18 ⋅ 102   dinara  može  se  smatrati statistički značajnom. To znači, da je prosečna  plata manja od 3400  dinara.    ZADATAK 187.  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,  da  je  prosečna  ocena  kod  svih  150  studenata 9, uz verovatnoću 95%?  b) Da li se uz verovatnoću 90% može prihvatiti hipoteza H0 , da prosečna ocena  nije veća od  7,5?  c) Da  li  se  može  prihvatiti  hipoteza  H0,  uz  verovatnoću  97,5%?  da  prosečna  ocena kod svih 150 studenata nije manja od 8,5?    156 Rešenje:    x = 8, 10 ÷ 1500 = 6,6% 4%; Sx = 0,408683     a)   t0 ≈ −2,447 t = −2,262; H0 se odbacuje.  b)   t0 ≈ 1,223 t = 1,833; H0 se prihvata.  c)   t0 ≈ −1,223 t = −2,685; H0 se prihvata.                    5.3.2 Testovi na osnovu „F“ raspodele  5.3.2.1 Analiza jednog faktora varijabiliteta    ZADATAK 188.  Na dvanaest parcela zemljišta istog kvalieta zasejane su c3 sorte pšenice. Ostvaren je  prinos u  t/ha:  Sorta  Prinos u  t/ha  B1 B2   B3   2,4 3,2  2,2  3,1 3,8  3,1  3,5 3,7  2,7  3,7 4,7  ‐  3,2 ‐  ‐    a) Uz  verovatnoću  95%  proveriti  da  li  su  razlike  u  prinosu  s  obzirom  na  sortu  slučajne ili statistički značajne?  b) Izvršiti testiranje najmanje zajedničke razlike.    Rešenje:    a)   Potrebni podaci su:     m=3;   n1=5;   n2=4;   n3=3;   n=12  Proizvoljna aritmetička sredina  x = 3t / ha     157 Tabela 5‐4: Odstupanje  xij = x 0   Sorte pšenice (i=1,2,3)    B1(i=1)  B2(i=2)  B3(i=3)        St = xij − 3   j=1 ‐0,6 0,2  ‐0,8  j=2 0,1 0,9  0,1  j=3 0,5 0,7  ‐0,3  Si   j=4 0,7 1,1  ‐  j=5 0,2 ‐  ‐    0,9  2,9  ‐1,0  S=2,8  Totalna disperzija St izračunava se na osnovu izraza:  ni m ∑∑ i =1 j =1 ( xij ) − 2 S2 ,  n ⎡( −0,6 )2 + 0,12 + 0,52 + 0,72 + 0,22 + 0,22 + 0,92 + 0,72 + 1,12 + ⎤ 2,82 ⎥− = 3,786   St = ⎢ ⎢( −0,8 )2 + 0,12 + ( −0,3 )2 ⎥ 12 ⎣ ⎦       SB = Disperzija  po  faktoru  B  (između  sorti  pšenica,  odnosno  između  redova  m Si 2 S 2 izračunava se na osnovu formule:  SB = − ,  n i =1 ni ∑ 0,9 2,92 1,02 2,82 + + − = 1,944   5 4 3 12     Rezidualna disperzija (unutar sorte pšenice), izračunava se na osnovu relacije:  SR = ST − SB = 3,786 − 1,944 = 1,842 .    Tabela 5‐5: Analiza varijanse  Suma  kvadratnih  odstupanja  SB = 1,944 SR = 1,842   ST = 3,786 Broj stepeni   slobode  m‐1=3‐1=2    n‐m=12‐3=9    n‐1=12‐1=11  Ocena varijanse  1,944 = 0,972 2 1,842 VR = = 0,204   9 3,786 VT = = 0,344 11 Odnos varijanse  Tablična vrednost F  0,972 = 0,204   = 4,764 F( 0,05;2;9 ) = 4,26   VB = F0 =   Odgovor:  Kako  je  F0 = 4,764 F( 0,05;2;9 ) = 4,26 ,  nulta  hipoteza  se  odbacuje  uz  rizik  greške,  α = 0,05   i  može  se  smatrati  da  su  razlike  u  prinosu  pšenice  statistički  značajne, obzirom na različitost sorte.    158 f (F ) α = 1% 99% F F0( A) = 0, 0360 F = 10,92 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 = 2,4 + 3,1 + 3,5 + 3,7 + 3,2 + 3,8 + 3,7 + 4,1 + 2,2 + 3,1 + 2,7 = 38,7     ni m x= ∑∑ x ij i =1 j =1 m = ∑n 38,7 = 3,225   12 i i =1 Odgovor: Prosečan prinos pšenice na svih 12 parcela iznosi 3,225 t/ha.  ni xi = ∑x ij j =1 , ni   n1 ∑x 1j 15,9 = 3,18 5 n1 Odgovor: Prosečni prinos pšenice B1 na 5 parcela iznosi 3,18 t/ha.  x1 = j =1 = n2 ∑x 2j 14,8 = 3,7   4 n2 Odgovor: Prosečni prinos pšenice B2 na 4 parcela iznosi 3,7 t/ha.  x2 = j =1 = n3 ∑x 3j 8 = 2,66   3 n3 Odgovor: Prosečni prinos pšenice B3 na 3 parcela iznosi 2,66 t/ha  Razlike između aritmetičkih sredina  x1 , x2 , x3  i uzoraka (raznih sorti psenice)  su toliko velike da se uz rizik greške od 5% mogu smatrati značajnim.    x3 = j =1 = 159 b)    Pošto  je  nulta  hipoteza  H0  odbačena  može  se  vršiti  testiranje  najmanje  značajne razlike, na osnovu izraza:  NZR = t (α , 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 ) = 0,204 ⋅ ⎜⎝ 5 + 3 ⎟⎠ = 0,329   Sx ) = 0,204 ⋅ ⎜⎝ 4 + 3 ⎟⎠ = 0,345 ( ( 1 − x2 2 − x3 Vrednost  t( 0,05;9 ) = 2,262  čita se iz tablice.    Prema tome, najmanje značajne razlike iznose:  NZR1 = t (α ; r2 ) ⋅ S x − x = 2,262 ⋅ 0,303 = 0,685 ( 1 2 ) NZR2 = t (α ; r2 ) ⋅ S x 1 − x3 ) = 2,262 ⋅ 0,329 = 0,6744   NZR1 = t (α ; r2 ) ⋅ S x 2 − x3 ) = 2,262 ⋅ 0,345 = 0,780 ( (   Aposlutne razlike između aritmetičkih sredina x i − x i +1 iznose:  x 1 − x 2 = 3,18 − 3,7 = 0,520 NZR1 = 0,685 x 1 − x 3 = 3,18 − 2,66 = 0,520 NZR2 = 0,744   x 2 − x 3 = 3,7 − 2,66 = 1,04 NZR3 = 0,780   Odgovor: Postoji samo jedna značajna razlika između sorte B2 i  B3. To znači  da  se  sorta  B3  ne  treba  uopšte  sejati  jer  je  najmanji  prosečan  prinos  po  hektaru.    Za  izvođenje  testa  najmanje  značajne  razlike  najčešće  se  formira  tabela  aritmetičkih sredina.          160 Tabela 5‐6: Analiza varijanse  Aritmetička sredina  Razlike između aritmetičkih sredina  xi   Grupe  (sorte pšenice)  ( )   x i − 2,66   1,04  0,52  ‐    B1  B2  B3  3,7  3,18  2,66  x i − 3,18   0,52  ‐  ‐    ZADATAK 189.  Fabrika za proizvodnji električnih šporeta plasira u 3 regiona preko robnih kuća. Kod  5, 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, s  obzirom na različite regione, slučajne ili statistički značajne.  b)  Testirati najmanje značajne razlike.      Rešenje:  a)    ST = 287; SA = 7,2; VA = 3,6; VR = 22,06; F0 = 0,163   F0 = 0,163 F( 0,05;2;12) = 3,88;     H0 se prihvata,  F0 = 0,16 F( 0,01;2;12) = 6,03;     H0 se prihvata,  b)    x = 25[ kom] ; x 1 = 23,4 [ kom] ; x 2 = 24 [ kom] ; x 3 = 27,6 [ kom] ; S x − x +1 = ( i i )   2VR 2 ⋅ 22,06 = = 2,970   5 ni t( 0,05;2;12) = 2,179; NZR = 6,471   x 1 − x 3 = 4,2 6,471; x 1 − x 2 = 0,6 6,471; x 2 − x 3 = 3,6 6,471             161 5.3.2.2 Analiza dva faktora varijabiliteta    ZADATAK 190.  Fabrika za proizvodnji konzerviranog povrća nabavila je od tri proizvođača kutije od  lima  zapremine  od  1‐og  kilograma,  koje  se  proizvode  od  četiri  vrste  lima.  U  cilju  donošenja  odluke  od  koga  kupiti  kutije  i  od  koje  vrste  lima,  izvršena  je  proba  na  savijanje, na uzorcima od 500 komada, od svake vrste lima i od svakog proizvođača.  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, slučajne ili statistički  značajne?  c) Izvršiti testiranje najmanje značajnih razlika.  d) Izračunati relevantan uticaj pojedinih faktora na kvalitet kutija.      Rešenje:  Za ovo testiranje potrevno je:   m = 3; S = 4; n = m ⋅ S ; n = 3 ⋅ 4 = 12; x 0 = 30 komada .    Tabela 5‐7: Analiza varijanse  Proizvođač kutija Ai(i=1,2,3)      A1(i=1)  A2(i=2)  A3(i=3)  Sj   B1(j=1)  0  ‐1  0  ‐10  Vrste kutija Bj (j=1,2,3,4)  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  302 = 1025   12 Disperzija u odnosu na grupu faktora A(između redova, tj. 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 = − = 558,32   n 3 12 S   Disperzija u odnosu na grupu faktora B (između kolona, 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 − 558,32 = 416,67         Tabela 5‐8: Analiza varijanse  Suma  kvadratnih  odstupanja  Broj stepeni   slobode  SA = 50 m‐1=3‐1=2    S‐1=4‐1=3  SB = 558,33     (m‐1)(S‐1)=  SR = 416,67 (3‐1)(4‐1)=6  St = 1025   n − 1 = 11   Ocena varijanse  50 = 25 2 558,33 VB = 3 = 186,11   416,67 VR = 6 = 69,44 VA = ‐  Odnos varijanse  25 69,44 = 0,360 F0( A ) = 186,11 F0( B ) = 69,44 = 2,680 ‐  Tablična vrednost F  F( 0,05;2;6 ) = 5,14   F( 0,01;2;6 ) = 10,92 F( 0,05;3;6 ) = 4,76   F( 0,01;3;6 ) = 9,78 ‐    a)    Kako je  F0( A) = 0,360 F( 0,05;2;6 ) = 5,14  i  F0( A) = 0,360 F( 0,01;2;6 ) = 10,92 , nulta  hipoteza se prihvata uz rizik greške  α = 0,05 i  α = 0,01  i može se smatrati da  su razlike u kvalitetu kutija, s obzirom na proizvođača. To znači, da na kvalitet  kutija ne utiče izbor proizvođača.    163 f (F ) α = 5% 95% F F0( A) = 0, 0360 F = 5,14 Slika 10: Područja prihvatanja i odbacivanja za  α = 5 %       f (F ) α = 1% 99% F F0( A) = 0, 0360 F = 10,92 Slika 11: Područja prihvatanja i odbacivanja H0 za  α = 1%         b)    Kako  je  F0( B ) = 2,68 F( 0,05;3;6 ) = 4,16   i  F0( B ) = 2,68 F( 0,01;3;6 ) = 9,78 ,  nulta  hipoteza se prihvaza uz rizik greške  α = 0,05 i  α = 0,01  i može se smatrati da  su razlike u kvalitetu kutija, s obzirom na vrstu lima slučajne. To znači, da na  kvalitet kutija ne utiče vrsta lima od kog su pravljene.    f (F ) α = 5% 95% F F0( B ) = 2, 68 F = 4,16 Slika 12: Područja prihvatanja i odbacivanja H0 za  α = 5 %   164     f (F ) α = 1% 99% F F0( A) = 2, 68 F = 9, 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 x= 12 Opšti prosek savijanja kutija iznosi 32,5 komada na 500 komada.  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.  x 1( A1 ) = i =1 = 4 ∑x 12 20 + 20 + 40 + 50 130 = = 32,5   4 4 4 Prosečno savijanje kutija proizvođača A2 iznosi 32,5 komada na 500 komada.  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 2VR 2 ⋅ 69,44 = = 5,892   ni 4 S x − x +1 = ( i ) i t( 0,05;6 ) = 2,447; t( 0,01;6 ) = 3,707;   NZR = t(α ,r ) ⋅ S x − x +1 ( i i ) NZR (α = 0,05) = 2,447 ⋅ 5,892 = 14,417   NZR (α = 0,01) = 3,707 ⋅ 5,892 = 21,841   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x 1( A1 ) − x 2( A2 ) = 35 − 32,5 = 2,5 14,417 i 21,841 x 1( A1 ) − x 3( A3 ) = 35 − 30 = 2,5 14,417 i 21,841   x 2( A2 ) − x 3( A3 ) = 32,5 − 30 = 2,5 14,417 i 21,841 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 = = 26,66   3 3 3 Prosečno savijanje kutija proizvođača B1 iznosi 26,66 komada na 500 komada.  x ( B1 )1 = i =1 = 3 ∑x i2 40 + 20 + 20 80 = = 26,66   3 3 3 Prosečno savijanje kutija proizvođača B2 iznosi 26,66 komada na 500 komada.  x ( B2 )2 = i =1 = 3 ∑x i3 30 + 40 + 30 100 = = 33,33   3 3 3 Prosečno savijanje kutija proizvođača B3 iznosi 33,33 komada na 500 komada.  x ( B3 )3 = i =1 = 3 x ( B4 )4 = ∑x i =1 3 i4 = 40 + 50 + 40 130 = = 43,33   3 3 166 Prosečno savijanje kutija proizvođača B4 iznosi 43,33 komada na 500 komada.    Standarnde  greške  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu izraza:  2VR 2 ⋅ 69,44 = = 6,80   S x − x +1 = (i i ) ni 3 t( 0,05;6 ) = 2,447; t( 0,01;6 ) = 3,707;   NZR = t(α ,r ) ⋅ S x − x +1 ( i i ) NZR (α = 0,05) = 2,447 ⋅ 6,80 = 16,639   NZR (α = 0,01) = 3,707 ⋅ 6,80 = 25,076   Apsolutne  razlike  između  aritmetičkih  sredina  izračunavaju  se  na  osnovu  izraza:  x ( B1 )1 − x ( B2 )2 = 26,66 − 26,66 = 0 x ( B1 )1 − x ( B3 )3 = 26,66 − 33,33 = 6,67 16,639 i 25,076 x ( B1 )1 − x ( B4 )4 = 26,66 − 43,33 = 16,67 16,639 i 25,076 x ( B2 )2 − x ( B3 )3 = 26,66 − 33,33 = 6,67 16,639 i 25,076 x ( B2 )2 − x ( B4 )4 = 26,66 − 43,33 = 16,67 16,639 i 25,076 x ( B3 )3 − x ( B4 )4 = 33,33 − 43,33 = 10 16,639   i 25,076   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 ) ⋅ 69,44 RA = A = = 0,0931 ili 9,31% ST − VR 1025 ⋅ 69,44   SB − ( S − 1) ⋅ VR 558,33 − ( 4 − 1 ) ⋅ 69,44 RB = = = 0,3663 ili 36,63% ST − VR 1025 ⋅ 69,44 Odgovor: To znači da faktor B (vrsta lima) ima veći relativni uticaj na kvalitet kutija jer  je RB=36,63%, nego faktor A (Proizvođač) koji nema značaj.    ZADATAK 191.  Zasejane  su  4  sorte  kukuruza  na  istom  kvalitetu  zemljišta  pri  čemu  su  upotrebljene  iste količine 3 vrste mineralnih đubriva. Dobijeni su prinosi u t/ha:    Vrsta đubriva Sorte  167 B1 3,2  3,5  4,3  A1 A2  A3 kukuruza  B2 B3 3,8  4,4  4,2  4,6  4,5  4,8  B4 5,2  4,3  5,3    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.    Rešenje:  m = 3; S = 4; n = 12;   ST = 4,289; SA = 0,882; SB = 2,71; SR = 0,697;   VA = 0,441; VB = 0,903; VR = 0,116; a)    F0( A) = 3,801 F( 0,05;2;6 ) = 5,14 F( 0,01;2;6 ) = 10,92  H0 se prihvata  b)    F0( B ) = 7,787 F( 0,05;2;6 ) = 5,14  H0 se odbacuje  F0( B ) = 7,787 F( 0,01;2;6 ) = 10,92   H0 se prihvata  c)      x ( xi − xi +1) = 0,241[t / ha ]   t( 0,05;6 ) = 2,447; t( 0,01;6 ) = 3,707;   NZR(α =0,05) = 0,589; NZR(α =0,01) = 0,893; x ( B1 )1 = 3,66 [t / ha ] ; x ( B2 )2 = 4,16 [t / ha ] ; x ( B3 )3 = 4,6 [t / ha ] ; x ( B4 ) 4 = 4,93[t / ha ] ; x ( B1 )1 − x ( B2 )2 = 0,5;   x ( B2 )2 − x ( B3 )3 = 0,44; x ( B1 )1 − x ( B3 )3 = 0,94; x ( B1 )1 − x ( B4 )4 = 1,27; x ( B2 )2 − x ( B4 )4 = 0,77; x ( B3 )3 − x ( B4 )4 = 0,33.           168   2 5.3.3 Testovi na osnovu χ  rasporeda  5.3.3.1 Testiranje jednakosti originalnih i teorijskih frekvencija    ZADATAK  192.  U  fabrici  za  proizvodnju  roto  papira  na  slučajan  način  izabrano  je  130  radnika,  od  kojih 10 prebacuje normu 30%.   Da li se uz verovatnoću 99% može prihvatiti hipoteza da 10% radnika u celoj fabrici  prebacuje normu za 30%?    Rešenje:    Tabela 5‐9: Radna tabela za izračunavanje  χ 02   Prebačaj  norme  Veći od  30%  Manji od  30%  Ukupno  ( fi )   2 Očekivani   rezultati  ( fi )   f ( fi ) − ( fi ) t   ⎡( f ) − ( f ) ⎤   i ⎣ i ⎦ ⎡( f ) − ( f )t ⎤ i i ⎦   2 χ0 = ⎣ f f t 2 10  0,1 ⋅ 130 = 13   ‐3  9  0,692  120  0,9 ⋅ 130 = 117   3  9  0,076  130  130 0 ‐ 0,786    Za  r = m − 1 = 2 − 1 = 1  i  α = 0,01  iz tablice  χ 2( 0,01;1) = 6,635     f (χ 2 ) 99% α = 1% χ 0 2 = 0, 768 χ 0 2 = 6, 635 χ2 Slika 14: Područja prihvatanja i odbacivanja H0       Odgovor:  Kako  je  χ 02 = 0,786 χ 2( 0,01;1) = 6,635   nulta  hipoteza  H0  se  prihvata  uz  verovatnoću  99%  i  moće  se  smatrati  da  su  razlike  između  empirijskih  i  teorijskih  frekvencija  slučajne.  To  znači,  da  u  celoj  fabrici  ima  10%  radnika  koji  prebacuju  normu za 30%.    169 ZADATAK  193.  Kod proizvodnje jedne vrste proizvoda, od 200 na slučajan način izabranih proizvoda,  175 su bila ispravna.  Da li se može prihvatiti hipoteza da je u celoj proizvodnji zastupljen odnos 90%:10%   (ispravan prema neispravan) uz verovatnoću 95%?    Rešenje:  χ 02 = 1,38 χ 2( 0,05;1) = 3,841;  H0 se prihvata.    5.3.3.2 Test homogenosti skupa    ZADATAK 194.  Proizvođač  mesa  isporučuje  meso  u  tri  različita  grada.  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,  jer  se  testira  nulta  hipoteza  o  jednakosti različitih skupova različiti gradovi.  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  m fij (t ) = n ∑ ∑f fj ⋅ i =1 m i j =1 n ∑∑ f ,  ij i =1 j =1 175 ⋅ 366 = 60,14 1065 414 ⋅ 366 f12 = = 142,27 1065   201 ⋅ 366 f13 = = 69,07 1065 275 ⋅ 366 f14 = = 94,51 1065 175 ⋅ 404 f21 = = 66,38 1065 414 ⋅ 404 f22 = = 157,04 1065   201 ⋅ 404 f23 = = 76,25 1065 275 ⋅ 404 f24 = = 104,32 1065 175 ⋅ 295 f31 = = 48,47 1065 414 ⋅ 295 f32 = = 114,67 1065   201 ⋅ 295 f33 = = 55,67 1065 275 ⋅ 295 f34 = = 76,17 1065                   f11 = 171 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 ( )   60,14 142,27  69,07  94,51  66,38 157,04  76,25  104,32  48,47 114,67  55,67  76,17  ‐ ij ⎣ ij 10,86 ‐32,27  15,93  8,49  ‐3,38 17,96  ‐5,25  ‐9,32  ‐7,47 14,33  ‐10,67  3,83  ‐ ij ij 2 ⎡ fij − fij (t ) ⎤ ⎦   2 χ0 = ⎣ (t ) fij ⎦ 117,9396 1041,3529  253,7649  30,1401  11,4244 322,5616  27,5616  86,8624  55,8009 205,3489  113,8489  14,6689  1,961  7,319  3,674  0,319  0,172  2,054  0,361  0,832  1,151  1,791  2,045  0,192  21,871      Za broj stepeni slobode  r = ( m − 1)( n − 1) = ( 3 − 1 )( 4 − 1) = 6   i rizik greske  α = 0,01  iz  tablice, očitava se  χ 2( 0,01;6 ) = 16,812     f (χ 2 ) 99% α = 1% χ 0 2 = 16,812 χ 0 2 = 21,871 χ2 Slika 15: Područja prihvatanja i odbacivanja H0       Odgovor: Kako je  χ 02 = 21,871 χ 2 = 16,812  nulta hipoteza H0 se odbacuje  i može  se smatrati da između gradova postoji statistički značajna razlika u potrošnji mesa. To  znači da skupovi iz kojih su izvučeni uzorci nisu homogeni.    ZADATAK 195.  Fabrika  za  proizvodnju  metalnih  delova  u  tri  svoja  pogona  proizvodi  jednu  vrstu  proizvoda.  U  cilju  utvrđivanja  zavisnost  produktivnost  rada  u  odnosu  na  pogone  na  slučajan način popisan je časovni učinak 225 radnika.  172   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, da produktivnost ne zavisi od vrste pogona.    Rešenje:  χ 02 = 2,9139 χ 2( 0,01;6 ) = 16,812 ;   H0 se prihvata.  173 6 REGRESIJA I KORELACIONA ANALIZA  6.1 Linearna i korelaciona analiza    ZADATAK 196.  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, utvrdi da li postoji korelaciona  veza i kakva je po jačini i smeru, pri čemu za promenljivu ( Yi ) uzeti prodaju, a  za nezavisno promenljivu ( X i ) troškove za reklamu.  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 14,44 ‐2,07 4,2998  5  7  25  49 35 4,54 ‐0,46 0,2116  8  10  64  100 80 7,13 0,87 0,7569  12  17  144  289 204 13,17 ‐1,17 1,3689  19  21  361  441 399 16,62 2,38 5,6644  13  18  169  324 234 14,04 ‐1,04 1,0816  20  25  400  625 500 20,07 ‐0,07 0,0049  87  113  1263  2053 1602   a)   174 (Yi − Yc )   (Yi − Yc )   2 13,3881  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),  što  znači  da  sa  porastom  troškova  za  reklamu  povećava se i prodaja proizvoda. Što se tiče jačine korelacione veze može se reći da je  ona jaka jer se tačke grupišu oko zamišljene prave linije interpolirane između tačaka  u dijagramu rasturanja.    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(0,863)   −9831 = −791a − 12769b               7 a = −10,519   11214 = 791a + 14371b                  a = −1,503                          1383 = 1602b                       b = 0,863                        Yc = −1,503 + 0,863 X i                     Yc1 = −1,503 + 0,863 (15 ) = 11, 44                     Yc2 = −1,503 + 0,863 ( 7 ) = 4,54                     Yc3 = −1,503 + 0,863 (10 ) = 7,13   175                   Yc4 = −1,503 + 0,863 (17 ) = 13,17                     Yc5 = −1,503 + 0,863 ( 21) = 16, 62                     Yc6 = −1,503 + 0,863 (18) = 14, 04                     Yc7 = −1,503 + 0,863 ( 25 ) = 20, 07   c) Standardna greška regresije je:    n           SYc = ∑ (Y − Y ) i =1 i 2 c = 13,3881 = 1,9125   7 SYc = 1,383   Srednja mera odstupanja prodaje od linije regresije iznosi  1,383i103  komada.  d) Yc = −1,503 + 0,863 X i       Yc = −1,503 + 0,863 ( 30 )       Yc = 24,387     Očekivana  prodaja  za  troškove  reklame  od  30i105   dinara  je  24,387i103   komada.    e) Koeficijent korelacije:    Tabela 6‐2: Radna tabela  ( X i − X )   ( Xi − X ) ( X i − X )(Yi − Y )   Yi   Xi   (Yi − Y )   (Yi − Y ) 10  15  ‐2,43  5,9049 ‐1,14 1,2996 2,7702  5  7  ‐7,43  55,2049 ‐9,14 83,5396 67,9102  8  10  ‐4,43  19,6249 ‐6,14 37,6996 27,2002  12  17  ‐0,43  0,1849 0,86 0,7396 ‐0,3698  19  21  6,57  43,1649 4,86 23,6196 31,9302  13  18  0,57  0,3249 1,86 3,4596 1,0602  20  25  7,57  57,3049 8,86 79,4996 67,0702  ‐  181,7143 ‐ 229,8572 197,5714  87  113  2     176 2   n   Y2 = ∑ Yi = i =1 n 87 = 12, 43     Prosečna prodaja je  12, 43i103  komada  7 n X= ∑X i =1 i = n     113 = 16,14  Prosečna ulaganja u reklamu je  16,14i105  dinara  7 n r =± ∑( X i =1 2 n ∑( X i =1   i − X )(Yi − Y ) i n − X ) i ∑ (Yi − Y ) 2   2 i =1 197,5714 197,5714 =   229,8572i181, 7143 41768,34 197,5714 r2 = = 0,9667   204,3730 r 2 = 0,9667i100   r 2 = 96, 67%   r2 =             Korelaciona  veza  između  prodaje  jednog  proizvoda  i  troškova  za  reklamu  je    96,67% (pozitivna i jaka).    ZADATAK 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  5,6  7  7,5  7,8  Vodeni talog u cm:  7  15  9  10  13  11    a) Prikazati  ove  podatke  u  dijagramu  rasturanja  i  utvrditi  da  li  postoji  korelaciona veza i ako postoji kakvog je smera i jačine  b) Odrediti jednačinu linearne regresije i ucrtaj u dijagramu rasturanja   c) Izračunati standardnu trešku regresije  d) Izračunati koeficijent korelacije        177 Rešenje:  a=3,86;  b=0,288  Yc = 3,86 + 0, 288 X i   SYc = 0, 490 [t / ha ] r 2 = 83,51%       ZADATAK 198.  U osam opština, izabranih na slučajan način, broj zaposlednih u hiljadama i društveni  proizvod u  108  dinara su:    Broj zaposlenih: 16  4  58  27  19  125  130  141  Društveni proizvod: 8  2  25  11  3  55  56  58    a) Prikazati  ove  podatke  u  obliku  dijagrama  pasturanja  i  utvrditi  da  li  postoji  korelaciona veza i kakva je po jačini i smeru  b) Odrediti jednačinu linearne regresije i ucrtati je u dijagram rasturanja  c) Izračunati standardnu grešku regresije  d) Oceniti društveni proizvod za  110i10  zaposlenih  e) Izračunati koeficijent korelacije  3   Rešenje:  a) Samostalno uraditi    b) a=0,635 ;   b=0,421 ;    Yc = 0, 635 + 0, 421X i     c)  SYc = 1, 063 ⎡⎣108 динара ⎤⎦     d)  Yc = 0, 635 + 0, 421(110)        Yc = 46, 945 ⎡⎣108 динара ⎤⎦     e)  X i = 65; Yi = 28;   2                      r = 0,9989i100                        r 2 = 99,89%             178 6.1.1 Parcijalna korelacija    ZADATAK 199.  Prinos  šećerne  repe,  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.  b) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između prinosa  šećerne repe i dubine oranja, ako se isključi utrošeno mineralno đubrivo.  c) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije,  pa  vezu  između  prinosa šećerne repe i mineralnog đubriva, ako se isključi dubina oranja.  d) Izračunati  parcijalni  koeficijent  korelacije  i  koeficijent  determinacije  za  vezu  između  dubine  oranja  i  utorešenog  mineralnog  đubriva  ako  se  isključi  prinos  šećerne repe.    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 ] = 34 5   Prosečan prinos šećerne repe na 5 parcela je 6,8 t  179 ∑x 2 x2 = = 143 5   n x 2 = 28,6cm Prosečna dubina oranja je 28,6cm.  x3 3370 x3 = = n 5   ∑ x 3 = 674kg   Prosečna količina utrošenog mineralnog đubriva je 674kg.    Kovarijacije    x1 x2 1079 C12 = − x1 ⋅ x 2 = − 6,8 ⋅ 28,6 = 215,8 − 194,48 = 21,32 5 n x1 x3 25900 C13 = − x1 ⋅ x 3 = − 6,8 ⋅ 674 = 5180 − 4583,2 = 596,8   n 5 x2 x3 103500 C23 = − x2 ⋅ x3 = − 28,6 ⋅ 674 = 20700 − 19276,4 = 1423,6 n 5   Varijanse i standarnde devijacije:    ∑ ∑ ∑ σ 12 x12 2 272 ∑ = − x1 = − 6,82 = 54,4 − 46,24 = 8,16 n σ 1 = 8,16 = 2,8   σ 22 = σ 32 5   x32 2 2522300 ∑ = − x3 = − 6742 = 504160 − 454276 = 50184 n 5 σ 3 = 50184 = 224,01   Koeficijenti proste linearne korelacije:        ∑ x22 − x22 = 4431 − 28,62 = 886,2 − 817,96 = 68,24 n σ 2 = 68,24 = 8,26   5 r12 = C12 21,32 21,32 = = = 0,9218   σ 1 ⋅σ 2 2,8 ⋅ 8,26 23,128 180     Odgovor:  Korelaciona  veza  između  prinosa  šećerne  repe  i  dubine  oranja  je    pozitivna i veoma jaka.    C 596,8 596,8   = = 0,9514   r13 = 13 = σ 1 ⋅σ 3 2,8 ⋅ 224,01 627,228         Odgovor: Korelaciona veza između prinosa šećerne repe i količine đubriva  je  pozitivna i veoma jaka.    r23 = C23 1423,6 1423,6 = = = 0,7693   σ 2 ⋅σ 3 8,26 ⋅ 224,01 1850,32     Odgovor:  Korelaciona  veza  između  dubine  oranja  i  količine  utrošenog    mineralnog  đubriva je pozitivna jaka.    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,  izračunava  se  na  osnovu obrasca:    r12 − r13 ⋅ r23 0,9218 − 0,9514 ⋅ 0,7693 r12⋅3 = = 2 2 1 − r132 ⋅ 1 − r232 1 − ( 0,9514 ) 1 − ( 0,7693) (   r12⋅3 = )( )( ) ( 0,9218 − 0,7319 (1 − 0,90516 )(1 − 0,5918 ) = ) 0,1899 0,1899   = 0,0948 ⋅ 0,4082 0,19671 r12⋅3 = 0,9653     Parcijalni  koeficijent  korelacije  r123 = 0,9653   pokazuje  da  je  veza  između    prinosa šećerne repe i dubine oranja, ako se isključi uticaj količine utrošenog    mineralnog đubriva, pozitivna i veoma jaka    Koeficijent determinacije    r 2123 = ( 0,9653 ) = 0,9318 2   r 2123 = 0,9318 ⋅ 100 = 93,18% Odgovor:  To  znači  ,  ako  se  iključi  uticaj  utrošeog  mineralnog  đubriva,  da  na  prinos  šećerne repe 93,18% utiču dubina oranja, 6,82% je uticaj ostalih faktora i slučajnosti.      181 c)  Parcijalni koeficijent korelacije za vezu između prinosa šećerne repe i utrošenog  mineralnog  đubriva,  ako  se  usključi  dubina  oranja  izračunava  se  na  osnovu  obrasca:    r13 − r12 ⋅ r23 0,9514 − 0,9218 ⋅ 0,7693 r13⋅2 = = 2 2 1 − r122 ⋅ 1 − r232 1 − ( 0,9218 ) 1 − ( 0,7693) (   r12⋅3 = )( )( ) ( 0,9514 − 0,7091 (1 − 0,8497 )(1 − 0,5918 ) = ) 0,2423 0,2423   = 0,1503 ⋅ 0,4082 0,2477 r12⋅3 = 0,9782   Odgovor:  Parcijalni koeficijent korelacije  r13⋅2 = 0,9782  pokazuje da je veza  između  prinosa  šećerne  repe  i  utrošenog  mineralnog  đubriva,  ako  se  isključi  dubina  oranja  pozitivna i veoma jaka    Koeficijent determinacije    r 213⋅2 = ( 0,9782 ) = 0,9568 2   r 213⋅2 = 0,9568 ⋅ 100 = 95,68%     Odgovor: To znači , ako se iključi uticaj dubine oranja na prinos sećerne repe,   da  na prinos šećerne repe 95,68% utiču utrošeno mineralno đubrivo, a 4,32%   je  uticaj ostalih faktora i slučajnosti.    d)  Parcijalni  koeficijent  korelacije  za  vezu  između  dubinu  oranja  i  utrošenog  mineralnog đubriva, ako se isključi prinos šećerne repe, izračunava se na osnovu  obrasca.    r23 − r12 ⋅ r13 0,7693 − 0,9218 ⋅ 0,9514 r23⋅1 = = 2 2 1 − r122 ⋅ 1 − r132 1 − ( 0,9218 ) 1 − ( 0,9514 ) (   r23⋅1 = )( )( ) ( 0,7693 − 0,8770 (1 − 0,8497 )(1 − 0,9051) = ) −0,1077 −0,1077   = 0,1503 ⋅ 0,0949 0,1194 r23⋅1 = 0,9020           Odgovor:  Ovaj  koeficijent  pokazuje  da  je  veza  između  dubine  oranja  i  utrošenog mineralnog đubriva, ako se isključi prinos šećerne repe, negativna  i jaka.  182 Koeficijent determinacije    r 223⋅1 = ( −0,9020 ) = 0,8136 2   r 213⋅2 = 0,8136 ⋅ 100 = 81,36%     Odgovor: To znači , ako se iključi uticaj prinosa sećerne repe, na dubinu  oranja  81,36%  utiče  količina  utrošenog  mineralnog  đubriva  a  18,64%  je  usticaj  ostalih  faktora slučajnosti.     ZADATAK 200.  Zagađenost vazduha ugljen dioksidom SO2  μg / m3 , 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.  b) Izračunati parcijalni koeficijent i koeficijent determinacije  za vezu između emisije  SO2 i utrošenih sredstava ako se isključi uticj obolelih.  c) Izračunati parcijalni koeficijent i koeficijent determinacije za vezu između emisije  SO2 i broja obolelih,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 = 6,4 ⎡ SO2 μg / m3 ⎤ ; x2 = 3,2 ⎡105 din ⎤ ; x3 = 8 [ broj obolelih]   ⎣ ⎦ ⎣ ⎦   C12 = 4,92; C13 = 11; C23 = 6,6;   σ 1 = 2,87; σ 2 = 1,72; σ 3 = 3,89;       r12 = 0,9979; r13 = 0,9856; r23 = 0,9865   b)      c)   r12⋅3 = 0,9277; r 212⋅3 = 86,06%     d)   r13⋅2 = 0,1132; r 213⋅2 = 1,28%         r23⋅1 = 0,2752; r 223⋅1 = 7,57%.   183 ZADATAK 201.  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.  b) Izračunati parcijalni koeficijent .    Rešenje:  a) x1 = 7 [godina ] ; x2 = 8 [ komada ] ; x3 = 274,28 ⎡102 dinara ⎤ ⎣ ⎦   C12 = −17,72; C13 = 185,75; C23 = −202,82;   σ 1 = 4; σ 2 = 5,099; σ 3 = 47,19;       r12 = −0,8687; r13 = 0,9840; r23 = −0,8429       b)         r12⋅3 = −0,4098; r 212⋅3 = 16,72%   r13⋅2 = 0,9448; r 213⋅2 = 89,27%   r23⋅1 = 0,1349; r 223⋅1 = 1,82%.       ZADATAK 202.  Vrednost opreme po radniku u mil. dinara, broj radnika i zaradi u m.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.  b) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  vredosti opreme i broja radnika ako se isključuje zarada.  c) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  vrednosti  opreme i zarade ako se isključi broj radnika  d) Izračunati  parcijalni  koeficijent  i  koeficijent  determinacije  za  vezu  između  broja  radnika i zarade ako se isključi vrednost opreme        184 Rešenje:  a) x1 = 6,83[ mil.din] ; x2 = 8,16 [ br radnika ] ; x3 = 8,5[ mi.din]       b)      C12 = 8,93; C13 = 15,45; C23 = 17,47;   σ 1 = 2,8; σ 2 = 3,20; σ 3 = 5,62;   r12 = 0,9966; r13 = 0,9822; r23 = 0,9716     c)   r12⋅3 = 0,9527; r 212⋅3 = 90,76%     d)   r13⋅2 = 0,7638; r 213⋅2 = 54,29%   r23⋅1 = −0,4705; r 223⋅1 = 22,14%.       ZADATAK 203.  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.  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 = 12,2; x2 = 19,2; x3 = 29,8   C12 = −17,24; C13 = −32,36; C23 = −24,04;     σ 1 = 5,49; σ 2 = 3,54; σ 3 = 6,85;       r12 = 0,8872; r13 = 0,8606; r23 = 0,9913   b)      c)   r12⋅3 = −0,5074; r 212⋅3 = 25,74%     d)   r13⋅2 = 0,3092; r 213⋅2 = 9,56%     r23⋅1 = 0,9694; r 223⋅1 = 93,96%.   185 6.1.2 Korelacija ranga    A) Spermanov koeficijent korelacije ranga    ZADATAK 204,.  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.  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 − 0,1   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.            186 ZADATAK 205.  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.    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  4,5  20,25 3  18  6  2,5  3,5  12,25 4  10  5  4  1  1  5  8  4  5,5  ‐1,5  2,25  6  8  3  5,5  ‐2,5  6,25  7  5  2  7  ‐5  25  8  4  1  8  ‐7  49  ‐ ‐ 36 36 0 165   n ∑ di 6 ⋅ 165 =1− =1− = 0,9642   8 ( 8 − 1) n ( n − 1) 2 6 r '12 i =1 2 2   B) Kendallov koeficijenat korelacije ranga    ZADATAK 206.  U sedam preduzeća za proizvodnju šampona z akosu u litrima, 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.          187 152 145 41 175 160 46 164 189 44 190  191  42  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 5 7 18,5 342,25  164  138  31  4,5  7  6  17,5  306,25  180  189  41  2  2,5  4,5  9  81  152  145  41  6,5  6  4,5  17  289  175  160  46  3  4  1  8  64  164  189  44  4,5  2,5  2  9  81  190  191  42  1  1  3  5  25  ‐  ‐ ‐ 28 28 28 84 1188,5    Koeficijent korelacije se izračunava na osnovu formule:  2 ⎛ n ⎞ n Si − ⎜ Si ⎟ 12 12 7 ⋅ 1188,5 − 8,42   r ''12 = 2 ⋅ i =1 3 ⎝ i =1 ⎠ = 2 ⋅ m ⋅n n −n 3 ⋅7 73 − 7 r ''12 = 0,7144. Odgovor:  Kandall‐ov  koeficijenat  korelacije  ranga  pokazuje  da  je  korelaciona  veza  između rangova proizvodnje, vrednost opreme i udeo Kv radnika pozitivna i značajna.    ZADATAK 207.  Kod  šest  poljoprivrednih  preduzeća,  broj  poljoprivrednih  mašina,  broj  zaposlenih,  broj hektara i prinos kukuruza iznosili su :  n ∑ 2 ∑   broj mašina: broj zaposlenih broj hektara: prinos kukuruza t/ha: 31 116 1200 4,6 42 120  1500 3,5    Izračunati koeficijenat korelacije ranga.    Rešenje:    r ''12 = 0,7571.     188 29 131 2100 5,5 45 110 1800 6,0 47 140 2500 7,1 50  145  2300  7,5 
Sign up to vote on this title
UsefulNot useful