Теорија саобраћајног тока

Саобраћајни ток представља истовремено кретање више “возила” на

посматраном функционалном делу мреже друмских саобраћајница.

Капацитет саобраћаја представља максимални саобраћајни ток кога у

јединици времена може пропустити посматрани функционални део
мреже друмских саобраћајница у постојећим путним, саобраћајним,
регулативним и амбијенталним условима.

Ниво услуге у општем значењу преставља квалитативну меру услова

одвијања саобраћаја на посматраном функционалном делу мреже
друмских саобраћајница.

Мрежа друмских саобраћајница у општем значењу представља повезан

систем друмских саобраћајница на посматраном подручју

У следећем делу биће изложени елементи дискретне математике јер су

они знатно заступњени у теорији саобраћајног тока

1
Комбинаторика
По једној дефиницији комбинаторика проучава распоређивање
елемената у скуповима. У највећем броју случајева ови скупови су
коначни што се тиче броја елемената, али се проучавају и скупови са
бесконачно много елемената.Две основне области комбинаторике су
комбинације и варијације.

КОМБИНАТОРИКА

КОМБИНАЦИЈЕ ВАРИЈАЦИЈЕ

ВАРИЈАЦИЈЕ БЕЗ
КОМБИНАЦИЈЕ БЕЗ
ПОНАВЉАЊА ВАРИЈАЦИЈЕ СА ПОНАВЉАЊА
КОМБИНАЦИЈЕ ПОНАВЊЉАЊЕМ
СА ПОНАВЉАЊЕМ

Разлика између комбинација и варијација је у томе што код комбинација

није важан распоред елемената, док је код варијација битан распоред.
За пример варијација са понављањем од шест елемената, друге класе,
може да послужи број могућности при бацању две коцкице.
Зашто су то варијације са понављањем?
То је зато јер елементи могу да се понове 1,1 2,2 3,3… 6,6.

Z Ако бацамо две коцкице имамо 6∙6 =36 могућности:

1,1 2,1 3,1 4,1 5,1 6,1

1,2 2,2 3,2 4,2 5,2 6,2
1,3 2,3 3,3 4,3 5,3 6,3
1,4 2,4 3,4 4,4 5,4 6,4
1,5 2,5 3,5 4,5 5,5 6,5
1,6 2,6 3,6 4,6 5,6 6,6

2
Z Ако бацамо три коцкице имамо 6∙6∙6 = 216 могућности.
Када је на првом месту један, тада имамо тридесет и шест могућности...
1,1,1 1,2,1 1,3,1 1,4,1 1,5,1 1,6,1
1,1,2 1,2,2 1,3,2 1,4,2 1,5,2 1,6,2
1,1,,3 1,2,3 1,3,3 1,4,3 1,5,3 1,6,3
1,1,4 1,2,4 1,3,4 1,4,4 1,5,4 1,6,4
1,1,5 1,2,5 1,3,5 1,4,5 1,5,5 1,6,5
1,1,6 1,2,6 1,3,6 1,4,6 1,5,6 1,6,6
Када је на првом месту два (три, четири...), тада опет имамо по тридесет
и шест могућности...

Z Ако бацамо четири коцкице имамо 6∙6∙6 ∙6 = 1296 могућности.

Када је на првом месту један, имамо 216 могућности, када је на првом
месту 2, имамо исто 216 могућности...

Формула за варијације са понављањем од n елемената, дужине k:

V kn =n k
V kn је:
Z Aко бирамо у колективу од пет чланова, једног управника и једног
послужитеља (једно лице једна функција), на колико начина можемо да
извршимо избор?

Ово су варијације од пет елемената друге класе без понављања. Нека су

то чланови колектива са иницијалима А,Б,В,Г,Д. Имамо двадесет
могућих избора:
А,Б Б,А В,А Г,А Д,А
А,В Б,В В,Б Г,Б Д,Б
А,Г Б,Г В,Г Г,В Д,В
А,Д Б,Д В,Д Г,Д Д,Г

На првом месту може да буде пет кандидата .Ако је кандидат са

иницијалом А на првом месту онда на другом месту могу да буду четири
кандидата за место послужитеља. Исто, ако је кандидат са иницијалом Б
на првом месту онда на другом месту могу да буду четири кандидата за
место послужитеља....

Z Aко бирамо у колективу од пет чланова, управника благајника и

послужитеља (једно лице једна функција), на колико начина можемо да
извршимо избор?

Ово су варијације од пет елемената треће класе, без понављања. Нека

су то чланови колектива са иницијалима А,Б,В,Г,Д

3
На првом месту може да буде лице А или Б или В или Г или Д. Значи,
имамо пет могићности. На другом месту имамо четири могућности, а на
трећем месту три могућности. Дакле, укупно: 5∙4∙3=60

Формула за варијације без понављањаод n елемената дужине k,

V kn је:
k −1
V kn =n(n−1)( n−2). .. .(n−k +1)= ∏ ( n−i)
i=0 (K је број узастопних чланова
у производу)

Z Колико има двоцифрених бројева чије се цифре не понављају, а који

су састављени од следћих цифара 1,2,3,4,5,6,7
----------------------------------------------------
На првом месту може да буде једна од седам цифара. На другом месту
могу да буду шест цифара – не може да се налази цифра која је на
првом месту. Дакле, укупно четрдесет и два двоцифрена броја:
V 27 =7⋅6

Z Колико има троцифрених бројева чије се цифре не понављају,

састављених од цифара 1,2,3,4,5,6,7
На првом месту може да буде једна од седам цифара. На другом
месту могу да буду шест цифара - не може да се налази цифра која је не
првом месту. На трећем месту може да буде једна од цифара која се не
налази на првом или на другом месту – дакле, укупно 210 троцифрених
бројева: V 37 =7⋅6⋅5

Z Колико има четвороцифрених бројева чије се цифре не понављају,

састављених од цифара 1,2,3,4,5,6,7
---------------------------------------------------------
V 47 =7⋅6⋅5⋅4
V 47 =840

Пермутације
Варијације у којима учествују сви елементи (n=k) су пермутације:
V nn =P(n )

4
 P(1)=1
P(2)=1⋅2=2
P(3)=1⋅2⋅3=6
P(4 )=1⋅2⋅3⋅4=24
P(5)=1⋅2⋅3⋅4⋅5=120
V nn =P(n )=n(n−1)(n−2)⋅. . .⋅3⋅2⋅1
n
P(n )=n(n−1)(n−2)⋅. . .⋅3⋅2⋅1=∏ i
i=1

За скраћено записивање броја пермутација користи се назив

„факторијел“ - тако се нпр. „три факторијел“ означава са 3! и значи:
3 !=3⋅2⋅1
3 !=6
„четири факторијел“ означава се са 4! и значи:

4 !=4⋅3⋅2⋅1
4 !=24

Уопште n !=n⋅(n−1 )⋅(n−2)⋅. ..⋅3⋅2⋅1

n
n !=∏ i
i=1
Z Сноп од три жице је пресечен. На колико начина се може реализовати
спајање (једна жица се спаја са једном жицом).

(a1 b c
2 3 ) (a1 b c
3 2 ) ( a2 b
1
c
3 ) ( a2 b c
3 1 ) (a3 b c
1 2 ) (a3 b c
2 1 )
a 1
b
c 2
3

Решење: 3!
=6

Z Сноп од пет жица је пресечен. На колико начина може да се реализује

поновно спајање (једна жица се спаја са једном жицом).
----------

5
 a 1
b
c 2
d
е
3
4
5

Број различитих спајања жица: 5!=120

Z Дат је скуп Е = {1, 2, 3, . . . , 7}. У колико су пермутација (које се могу

образовати од елемената скупа Е) елементи 2, 4, 5, 6 један поред
другог, и то:
а) У датом поретку;
б) У произвољном поретку?

а) Ако су елементи 2, 4, 5, 6 један поред другог у датом поретку, ми

можемо да посматрамо скуп од четири елемента {1,3, (2,4,5,6), 7}.
Број пермутација је: 4!=24
б) У произвољном поретку, у свакој пермутацији у претходном задтку
бројеви (2,4,5,6) могу да се пермутују .Решење је: 4!∙ 4!=24∙24=576

Z Образовати све могуће анаграме од речи ПАС.

АПС АСП ПАС ПСА САП СПА

Разлика између комбинација и варијација је што код комбинација није
важан распоред док је код варијација битан распоред. На пример, ако
бирамо три члана која ће да представља групу од пет ученика, тада за
избор ученика није битан распоред: нека су то ученици са иницијалима
А,Б,В,Г,Д онда имамо десет могућих избора

Z Комбинације без понављања од пет елемената А,Б,В,Г,Д треће класе

су
А,Б,В; А,Б,Г; А,Б,Д; А,В,Г; А,В,Д; А,Г,Д; Б,В,Г; Б,В,Д; Б,Г,Д; В,Г,Д

Комбинација А,Б,В иста је као комбинација А,В,Б, иста је као

комбинација, Б,А,В, иста је као комбинација Б,В,А, иста је као
комбинација В,А,Б, иста је као комбинација В,Б,А

6
Комбинације са понављањем
Имамо скуп од n различитих елемената и неки број k. Свака неуређена
k-торка елемената из скупа, у којој се елементи могу и понављати
(редослед елемената у k-торци није битан) зове се комбинација с
понављањем k-тог разреда од n елемената. Број свих комбинација с
понављањем k-тог разреда од n елемената је
( n+k −1)!
K̄ kn = n+k −1 =
( )
k k !(n−1 )!

Имамо скуп од n различитих елемената. Број подскупова од k

( n+k −1)!
K̄ kn = n+k −1 =
( )
елемената: k k !(n−1 )!

З15 На колико начина се пет истих куглица може распоредити у три

кутије, а да у свакој кутији буде бар једна куглица?
Ово су могући распореди лоптица у кутијама (“|” је преграда, а “”
је лоптица):
1)  |  |     у првој кутији је једна, у другој једна и у
трећој кутији су три лоптице…
2)  |   |  
3)  |    | 
4)   |  |  
5)   |   | 
6)    |  | 

Позиција на које се могу поставити преграде су унутрашњи

простори између лоптица. Тих позиција има за један мање од броја
лоптица, дакле 5-1=4. А број ових преграда је за један мањи од броја
кутија, значи 3-1=2, тј. те две преграде одређиваће 3 кутије.

На четири места две преграде могу да се поставе на

(42 ) начина, тј
4 =6
решење је
()
2

7
1.1 Математичка логика

Исказни рачун
Исказ је реченица која је или тачна или нетачна. Искази се
обележавају малим словима латинице. Ако је вредност исказа
p тачна, обележава се: τ ( p )=Τ или τ ( p)=1 . Ако је
вредност исказа p нетачна обележава се: τ ( p )=¿ или
τ ( p )=0 .

Конјункција два исказа p Λ q

Конјункција је нова реченица која настаје када се два исказа
повежу везником „и” (Λ) . Таблица истинитости за коњукцију
исказа p Λ q је:

p q pΛ p q p·
q q
0 0 0 или исто са ознаком „∙”: 0 0 0
0 1 0 0 1 0
1 0 0 1 0 0
1 1 1 1 1 1

Помоћу конјункције у теорији скупова дефинише се пресек два

скупа:
A  B  {x | x  A  x  B}

A A B B

Eлемент припада пресеку само ако припада и једном и другом

скупу.

8
Нпр. код електричних стујних кола, ако имамо два прекидача
повезана редно и сијалицу, тада рад овог кола може да се
интерпретира помоћу конјункције.

p q pΛq

Само ако су оба прекидача затворена („укључена“), затворено

је и струјно коло, па сијалица светли.

Дисјункција два исказа p V q

Дисјункција је нова реченица која настаје када се два исказа
повежу везником “или” (V). Таблица истинитости за
дисјункцију:

p q pV p q p+
q q
0 0 0 0 0 0
или исто са ознаком “+” :
0 1 1 0 1 1
1 0 1 1 0 1
1 1 1 1 1 1
Помоћу дисјункције у теорији скупова дефинише се унија два
скупа:
AUB ={x|x ∈ A∨x ∈ B}
A B

A B

9
Ако опет ово посматрамо кроз струјно коло, онда овде
добијамо да сијалица неће светлети само када су оба
прекидача отворена („искључена“)

p pVq

Импликација
Импликација два исказа: p  q означава погодбену реченицу
„ако је р тада је и q “. Таблица истинитости за импликацију:

p q p
q
0 0 1
0 1 1
1 0 0
1 1 1

Импликацијом се дефинишу подскупови.

A ⊂B={x|x ∈ A ⇒ x ∈ B}

А x4 x2
x1

10
 p q pq
0 0 1 Ако x1 не припада А, постоји
могућност да не припада и B
0 1 1 Ако x2 не припада А, постоји
могућност да припада B
1 0 0 Ако x3 припада А, немогуће је
да не припада и B
1 1 1 Ако x4 припада А, следи да
припада и B

Еквиваленција два исказа p  q означава конјункцију две

импликације
p  q и q  p . Ово се чита као: „важи p ако и само ако
важи q“.
Таблица истинитости за еквиваленцију је

p q p
q
0 0 1
0 1 0
1 0 0
1 1 1

Једнакост скупова дефинише се помоћу еквиваленције

A=B={x|x ∈ A ⇔ x ∈ B}

Негација је унарна функција. Таблица истинитости за негацију

p (или ¬ p ) је:
p ┐p
0 1
1 0

Помоћу негације се у теорији скупова дефинише комплемент

скупа:

11
 CA ={x|¬( x ∈ A )}

CА
А

Све бинарне логичке функције могу да се представе помоћу

конјункције дисјункције и негације. Скуп ове три функције је
преопширан али са становишта нпр. струјних мрежа може
бити користан.
Исказни рачун не продире у суштину елементарних мисаоних
конструкција, тако да су анализе сложених мисаоних процеса
овим путем ограничене. Јаче могућности има следећи ниво
математичке логике (тзв. рачун преgиката првог степена) где
су уведена два оперативна симбола:

∃ - квантификатор егзистенције, који се чита као “неки“,

“постоји“, “егзистира“.

Други квантификатор који има значајну улогу у предикатском

рачуну је унверзални квантификатор и означава се симболом:
∀ - чита се као заменица „сваки“.

Постоје ове везе на пребројивом скупу исказа {x 1 , x 2 ,.....,x n }

(∀ x ) F( x )⇔ F (x 1 )∧F ( x 2 )∧F ( x 3 )∧. .. .. . .∧F( x n )
(∃x ) F (x )⇔ F ( x1 )∨F ( x 2 )∨F( x 3 )∨. .. . .. .∨F ( xn )

Boole-ова алгебра
Формална логика изучава основне форме мишљења. Њени
закони до којих се дошло многовековним искуством,
изражавају извесна битна својства реалности. На темељу

12
формалне логике развила се математичка логика као научна
дисциплина са измењеним предметом изучавања и са другим
математичким апаратом и математичким методама.
Специјална алгебарска структура, тзв. Boole-ова алгебра
дефинише се у литератури на више начина који су међусобно
еквивалентни.

Дефиниција Boolе-ove алгебре

Скуп B садржи најмање два елемента 0 и 1. На скупу су
одређене две бинарне операције + и  следећим
аксиомама:
1 (I) a+b=b+a (II) ab=ba
2 (I) (a+b)c=ac+bc (II) (ab)c=a(bc)
3 (I) a+(bc)= (a+b)(a+c) (II) a(b+c)=ab+ac
4 (I) a+0=a (II) a∙ 1=a
5 (I) a+a=1 (II) a⋅a=0
где су a, b, c  B

Уређена четворка (0, 1, +, ) је Boole-ова алгебра. Бинарне

функције конјункција, дисјункција и унарна функција негација
на скупу L2={0,1} испуњавају дате аксиоме тј. представљају
модел Boole-ове алгебре.

Ако је скуп P произвољан скуп логичких функција од n

променљивих и Q∈ P и ако се свака функција f ∈P може
представити суперпозицијом променљивих xi (i=1, 2,…, n) и
функција из подскупа Q, тада Q представља функционално
потпуни систем скупа P. Скуп функција Q се назива база.
База је преопширна ако у њој постоји бар једна функција чије
одстрањивање не доводи до нарушавања функционалне
потпуности Q.

Макстерми, минтерми

13
Практична примена конјункције дисјункције и негације у
пројектовању струјних система је значајна. Преко ове три
функције, свака функција у Буловој алгебри може да се
представи. Ако се запише колона функције коју хоћемо да
реализујемо, битне су јединице у тој колони и у тим редовима
комбинаторне таблице записујемо конјункцију променљивих
тако да ако је вредност променљиве нула онда се записује
њена негација. Те конјункције се „сабирају“.
Конјункције које су конституенте израза називају се минтерми
и оне се „сабирају“. Ако се примени негација форме и
¿ ¿

искористи Деморганово правило: (( p∧q ) ⇔ p∨q , добија се

дуална форма где је негација од минтерма макстерм. Тако је
¿ ¿
p макстерм, а други макстерм је q .

З1 Помоћу негације конјункције и дисјункције представити

логичком функцијом рад струјне мреже дате таблицом.
Ако су два прекидача укључена успостављен је струјни
ток.
p q r f ( p,q,r )
0 0 0 0
0 0 1 0
0 1 0 0
0 1 1 1 ¿¿
1 0 0 0
1 0 1 1 ¿
1 1 0 1 ¿
1 1 1 0 ¿
□ (Битни су редови где је вредност функције 1)
− − −
f ( p , q , r )= p⋅q⋅r + p⋅q⋅r + p⋅q⋅r

З2 Помоћу негације конјункције и дисјункције представити

логичком функцијом рад струјне мреже дате таблицом.

14
 p q r f ( p ,q,r )
0 0 0 1 ¿
0 0 1 0
0 1 0 0
0 1 1 0
1 0 0 1 ¿
1 0 1 0
1 1 0 1 ¿
1 1 1 1 ¿
□ (Битни су редови где је вредност функције 1)
− − − − − − −
f ( p , q , r )= p⋅q⋅r + p q⋅r + p q⋅r + pq r + pqr

З3. Помоћу негације конјункције и дисјункције представити

импликацију:
p q p⇒q
0 0 1 ¿
0 1 1 ¿
1 0 0 − − −
1 1 1 ¿ □ p⇒ q ⇔ p⋅q⋅+ p⋅q+ pq

Један једноставан начин претварања целих декадних бројева

у бинарне бројеве (чија је основа два), је да се декадни
0
бројеви представе преко збира „степенованих двојки“: 2 =1 ,
1 2 3 4 5 6
2 =2 , 2 =4 , 2 =8 , 2 =16 , 2 =32 , 2 =64 ,...
На пример, ако записујемо број 21 у бинарном бројном
систему, прво налазимо који број међу степенима броја два је
најближи броју 21, уз услов да је мањи или једнак са 21 –
овде је то број 16. Сада имамо „остатак“ 5 (=21-16), за који
опет треба да нађемо најближи број међу степенима броја 2,
уз исти поменути услов – сада је то број 4. Коначно, добијамо
„остатак“ 1 (=5-4), а њега можемо само представити као
0
2 =1 . Дакле:
21=16+ 4+ 1
4 3 2 1 0
21=1⋅2 + 0⋅2 +1⋅2 +0⋅2 +1⋅2

15
Сада је потребно још редом записати множиоце ових
„степенованих двојки“ и добија се бинарна представу броја 21:
21↔ 10101
Нпр. броју 7 у бинарном бројном систему одговара број 111:
7=4+ 2+ 1
2 1 0
7=1⋅2 +1⋅2 +1⋅2
7 ↔111
Нпр. броју 90 у бинарном бројном систему одговара број
1011010:
90=64+16+ 8+2
6 5 4 3 2 1 0
90=1⋅2 + 0⋅2 +1⋅2 + 1⋅2 +0⋅2 +1⋅2 + 0⋅2
90 ↔1011010
Основне рачунске операције раде се помоћу логичких
функција (минтерма и макстерма).

1))Tеорија вероватноће

Класична или Лапласова дефиниција вероватноћу одређује као количник

броја повољних догађаја и свих могућих догађаја
m
P( D)=
n

Вероватноћа
У књизи Италијанског математичара Кардана: Liber de luda alea, дата је
класична дефиниција вероватноће као количник броја повољних и броја
могићих догађаја. Постанак и развој теорије вероватноће повезан је са
играма на срећу и варањем у коцкању. Темељ комбинаторне теорије
вероватноће дат је у радовима Паскала, Ферме, Хајгенса, Јакоба
Бернулија...
Z Ако се на случајан начин бира пут дужине 12 од тачке О(0,0) до тачке
А (5,7) и ако је дозвољено кретање само дуж одсечака који спајаjу тачке
са целобројним координатама и паралелни су координатним осама,
одредити вероватноћу да ће пут проћи кроз тачку V(3,2)

16
 А

↑ ↑ ↑↑↑ ↑↑
∘∘∘∘∘∘∘∘∘∘∘∘

Број путева од тачке О(0,0) до тачке А(5,7) дужине 12 (другим речима,

12 = 12
монотоно-растуће функције) има
( )( )
7 5 број путева кроз тачку Б

(53)⋅(72 )
5 ⋅7
p=
( )( )
3 2
=0 , 26515
12
( )
7

Z Три авиона независно у једном налету бомбардују складиште. Ако се

узме у обзир квалитет авиона, вероватноћа да први авион погоди
складиште је 0.2 , вероватноћа да други авион погоди складиште је 0.3 и
вероватноћа да трећи авион погоди складиште је 0.4. Одредити
вероватноћу да је складиште погођено (бар једном).

P( A 1 ∪A 2 ∪A 3 )=P( A1 )+P( A2 )+P( A3 )−P( A 1 A 2 )−P( A1 A3 )−P ( A 2 A 3 )+P( A 1 A2 A 3 )

P( A 1 A2 )=0. 2⋅0 . 3=0 . 06
P( A 1 A3 )=0. 2⋅0 . 4=0 . 08
P( A 2 A3 )=0. 3⋅0. 4=0. 12
P( A 1 A2 A3 )=0 .024

P( A 1 ∪A 2 ∪A 3 )=0 . 2+0 .3+0 . 4−0 .06−0 . 08−0. 12+0 . 024=0. 664

Поузданост неког уређаја,дефинише се као вероватноћа да уређај ради

исправно у неком временском интервалу. Поузданост сложеног система

17
може се одредити ако су познате поузданости његових компоненти.
Основни начин повезаности две компоненте је редна веза или
паралелна веза.

Ако су две компоненте повезане редно, систем тада ради само ако обе
компоненте раде. Код независних компоненти поузданост или
вероватноћа рада овог система: P= p1⋅p 2
Ако су две компоненте повезане паралелно, систем тада ради ако бар је
једна компонента исправна. Код независних компоненти поузданост или
вероватноћа рада овог система је: P= p1 + p 2− p1⋅p2

Z Ако имамо два система од истих компоненти, један са редном везом а

други са паралелном везом, који је поузданији ?

Разлика поузданости паралелно повезаних компоненти и редно

повезаних компоненти је:

P=( p 1 + p2 −p 1⋅p2 )− p1⋅p2 =p 1 ( 1− p 2 )+ p2 ( 1− p1 )> 0

Поузданији је систем са паралелном везом

Z Ако имамо систем од три исте компоненте, и ако рекомбинујемо

различите повезаности можемо да одређујемо поузданост таквих
система:

18
 P( A 1 ∪A 2 ∪A 3 )=P( A1 )+P( A2 )+P( A3 )−P( A 1 A 2 )−P( A1 A3 )−P ( A 2 A 3 )+P( A 1 A2 A 3 )

Или на други начин ако се рачуна у комплементу

P( A 1 ∪A 2 ∪A 3 )=1−(1−P( A1 ))(1−P( A 2 ))(1−P( A 3 ))

P( A 1 ∪A 2 ∪A 3 )=1−[ 1−P( A 3 )][1+P( A 1 ) P( A 2 )−P( A1 )−P ( A 2 )]
P( A 1 ∪A 2 ∪A 3 )=1−1−P( A 1 )P( A 2 )+P( A 1 )+P( A2 )+ P( A3 )+P( A1 )P ( A 2 )P( A3 )−
−P( A 2 )P( A 3 )−P( A 1 )P( A3 )
P( A 1 ∪A 2 ∪A 3 )=P( A1 )+P( A2 )+P( A3 )−P( A 1 ) P( A 2 )−P( A 2 ) P( A 3 )−P( A1 ) P( A 3 )+P( A 1 )P( A 2 ) P( A 3 )
На пример ако се посматра повезаност на следећој слици

овде је поузданост система кога чине три компоненте

P=( p 1 + p2 −p 1⋅p2 )⋅p3

Или:

P= p1⋅p 2⋅p3

Условна вероватноћа
Вероватноћа догађаја А, под условом да се реализово догађај В
означава се: P( A|B ) . Догађај В се сигурно догодио.
Условна вероватноћа на основу ове дефиниције рачуна се
P( AB )
P( A|B )=
P( B)

Потпуна (тотална) вероватноћа

Можда је најбоље овај вид вероватноће објаснити на примеру:

Z Одредити вероватноћу догађаја да је вук погођен, ако га гађају четири

ловца независно са вероватноћама погађања:
P( V / L1 )=0 .3 P(V /L2 )=0. 7 P( V / L3 )=0 . 2 P(V / L4 )=0 . 8

19
 L1  V
L2  V

L4  V L3  V

P(V )=P (L1 ∩V )+ P (L2 ∩V )+P (L3 ∩V )+P ( L4 ∩V )

P(V )=P (V /L1 )⋅P( L1 )+P(V / L2 )⋅P (L2 )+P(V / L3 )⋅P( L3 )+P (V /L 4 )⋅P( L4 )

где је P(V / L1 )
условна вероватноћа (гађао је вука први ловац),
вероватноћа погађања вука је тада 0.3. Вероватноћа P( L1 ) - да је први
ловац гађао вука. По тексту задтка узима се да је једнако вероватно:
1
P( L1 )=P( L2 )=P( L3 )=P( L4 )=
4
P(V )=P (V /L1 )⋅P( L1 )+P(V / L2 )⋅P (L2 )+P(V / L3 )⋅P( L3 )+P (V /L 4 )⋅P( L4 )
P(V )=0 .3⋅0. 25+0 . 7⋅0. 25+0 . 2⋅0 . 25+0 .8⋅0 .25
P(V )=(0 .3+0 .7+0. 2+0 . 8)⋅0 .25
P(V )=0 .5
У општем случају ове формуле, имамо n-ловаца, па је формула потпуне
вероватноће:

P(V )=P (V /L1 )⋅P( L1 )+P(V / L2 )⋅P (L2 )+P(V / L3 )⋅P( L3 )+P (V /L 4 )⋅P( L4 )+......+P(V / Ln )⋅P( Ln )
или у запису помoћу оператора “сигма“
n
P(V )=∑ P(V / Li )⋅P( Li )
i=1

Бајесова формула
Изузетно значајна формула. Ако се базира објашњење на претходном
примеру, онда ова формула даје вероватноћу догађаја: „Вук је погођен,
колика је вероватноћа да га је погодио трећи ловац“

20
 P( L3∩V )
P( L3 /V )=
P(V )
P(V / L3 )⋅P( L3 )
P( L3 /V )=
P(V )
1
0 .2⋅
4 0. 05
P( L3 /V )= = =0 .1
0 .5 0. 5
У општем случају: Вук је погођен,колика је вероватноћа да га је погодио
“i-ти“ ловац

P (V /Li )⋅P( Li )
P( Li /V )= =
P (V )
P(V / Li )⋅P( Li )
¿
P(V / L1 )⋅P( L1 )+P(V / L2 )⋅P ( L2 )+P(V / L3 )⋅P( L3 )+P(V / L4 )⋅P( L4 )+. .. . ..+P(V / Ln )⋅P( Ln )

Z У првој кутији налази се 10 белих и пет црвених куглица, а у другој

кутији 6 белих и 4 црвене куглице. Случајно је изабрана кутија и из ње
извучена црвена куглица. Одредити вероватноћу да је куглица извучена
из друге кутије.
Вероватноћа да је изабрана прва кутија једнака је P( I )=0 . 5
Вероватноћа да је изабрана друга кутија једнака је P( II )=0.5

Могућности (хипотезе):
- Вероватноћа да ако је изабрана прва кутија, да је извучена црвена
5
P(C|I )=
куглица: 15
- Вероватноћа да ако је изабрана прва кутија , да је извучена бела
10
P(B|I )=
куглица: 15
- Вероватноћа да ако је изабрана друга кутија, да је извучена црвена
4
P(C|II )=
куглица: 10
- Вероватноћа да ако је изабрана друга кутија, да је извучена бела
6
P(B|II )=
куглица: 10

P( II|C )=?
На основу Бајесове формуле
P( II∩C ) P(C|II )⋅P (II ) P(C|II )⋅P (II ) P (C|II )⋅P( II )
P( II|C )= = = =
P(C ) P(C ) P( I ∩C )+P( II∩C ) P(C|I )⋅P( I )+ P(C|II )⋅P (II )
P(C|II )⋅P( II )
P( II|C )=
P(C|I )⋅P (I )+P(C|II )⋅P( II )

21
 4 4 4
⋅0 . 5

2))
P( II|C )=
5
15
10
4
⋅0 .5+ ⋅0 .5
10
=
10 12
27 27
30
( 10 12
= =0. 444 . .= = =0 .545
22 22
30
)
Z У првој кутији налази се исправни машински делови, а у другој кутији
је двадесет пет процената неисправних машинских делова. На случајан
начин узет је машински део, констатовано је да је он исправан. Колика је
вероватноћа да је узет из друге кутије
- Вероватноћа да је изабрана прва кутија једнака је P( I )=0 . 5
- Вероватноћа да је изабрана друга кутија једнака је P( II )=0.5
P( II|M )=?

P( M|I )=1
P( M|II )=0 .75

P( M|II )⋅P(II )
P( II|M )=
P( M|I )⋅P( I )+P( M|II )⋅P( II )

0 .75⋅0 .5 0 .75 3
P( II|M )= = =
1⋅0 . 5+0 .75⋅0 .5 1. 75 7

Биномна формула има значајну примену у теорији вероватноће. Сваки

члан биномне формуле код које је a+b=1 има своје значење. На

пример: (a+b ) =a + 5 5 (51) a b+(52 ) a b +(53 ) a b +(54 ) a b+b

4 3 2 2 3 4 5

1 5
a= , b=
за 6 6

5 4 3 2 2 3 4 5
1 5 1 5 1 5 5 1 5 5 1 5 5 1 5 5
( + )5 =
6 6 6
+ ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )
1 6
+
6 2 6 6
+
3 6 6
+
4 6 6
+
6
Z Одредити вероватноћу догађаја да у пет бацања коцке три пута падне
3 2
5 1 5
четворка.
P( D)=
2 6 6 ( )( ) ( )
Z Одредити вероватноћу догађаја P( D1 ) да у пет бацања коцке три
или више пута падне четворка
2 3 4 5
5 1 5 5 1 5 5
P( D 1 )=( )( ) ( ) ( )( ) ( ) ( )
3 6 6
+
4 6
+
6 6
Z Одредити вероватноћу поузданости сваке компоненте система, који се
састоји од 6 истих редно везаних компоненти и поузданост система мора
бити бар 95 процената.

22
 p6 >0. 95
6
p> √ 0.95
p>0.99149

Z Одредити вероватноћу поузданости система који се састоји од три

паралелне везане компоненте чије су поузданости 0,8 0,7 и 0,6

Систем не ради ако не ради ни једна од три компоненте. Вероватноћа да

систем не ради:
−
P(S )=(1−0 . 8 )⋅(1−0. 7 )⋅(1−0. 6 )
−
P(S )=0 .2⋅0. 3⋅0 . 4
−
P(S )=0 .024
Вероватноћа да систем ради је:
−
1−P( S )=1−0 . 024
P(S )=0 .976

Z Одредити вероватноћу поузданости система који се састоји од

елемената чија је поузданост ( p i >0 , i=1,2,3,4,5 )

P P
2 3
P
1 P
4
P
5

P= p1 [ 1−( 1− p 2 p 3 )( 1−p 4 )( 1− p5 ) ]

Z У партији од n производа k је неисправно. Одредити вероватноћу да

од m случајно изабраних, тачно r њих буде неисправно.

23
 Од n-производа њих m можемо да бирамо на
(mn ) различитих

начина. Повољних случајева има:

(kr )(m−r
n−k
) . Тражена вероватноћа је:
k n−k
p=
( r )( m−r )

(mn )
Z Одредити вероватноћу да су од 10 особа, бар две рођене истог дана у
години.

Вероватноћа да су особе рођене у различите дане:

365⋅364⋅363⋅362⋅361⋅360⋅359⋅358⋅357⋅356
p= =0 . 88305
36510

Вероватноћа P( D) да су бар две особе рођене истог дана у години:

P( D)=1− p
365⋅364⋅363⋅362⋅361⋅360⋅359⋅358⋅357⋅356
=1− 10
365
¿ 1−0 . 88305182≈0 . 1169

Случајна променљива
Функција Х која пресликава скуп елементарних догађаја S y R, назива
се случајна променљива
Закон расподеле вероватноћа дискретне случајне променљиве
Скуп свих уређених парова случајне променљиве и њене вероватноће
( x k , p (x k )) , представља расподелу вероватноћа дискретне случајне
n
∑ p( x k )=1
променљиве под условом да је k=1 .

Често, закон расподеле представља се у облику таблице:

x1 x2 . . xn n
X:
(
p (x 1 ) p( x 2 ) p( x n ) ) ∑ p( x k )=1
, при услову k =1

Ако случајна променљива узима вредности из бесконачног пребројивог

скупа тада се закон расподеле прдставља у облику таблице:
∞
x1 x2 . .
X:
(p ( x 1 ) p( x 2 )
, k=1
) ∑
p( x k )=1

24
Математичко очекивање
Математичко очекивање дискретне случајне величине назива се збир
производа свих могућих њених вредности и одговарајућих вероватноћа.
Ако случајна величина узима вредности
x 1 ,x 2 , x 3 ,..... x n са
вероватноћама
p1 , p 2 , p 2 ,. .. pn тада је по дефиницији математичко очекивање E( X ) :
n
E( X )=x 1 p1 + x 2 p2 + x 3 p2 + .. .+ x n p n =∑ x i pi
i=1
Математичко очекивање има приближно једнаку вредност аритметичкој
средини посматраних вредности случајне величине.

Математичко очекивање има следеће особине:

1. Математичко очекивање константне величине једнако је самој тој

константи
E(C )=C
(Ако неко има све исте оцене на пример седмице, тада му је и средња
оцена седам)

2. Нека је С било која константа и Х случајна променљива, тада је

E(CX )=CE( X )

3. Математичко очекивање збира две случајне променљиве једнако је

збиру математичких очекивања тих случајних променљивих

E( X +Y )=E ( X )+ E(Y )

4. Математичко очекивање производа две независне случајне

променљиве, једнако је производу математичких очекивања тих
случајних променљивих

E( XY )=E( X )⋅E(Y )

Дисперзија дискретне случајне величине

Дисперзија дискретне случајне величине назива се математичко
очекивање квадрата одступања случајне величине од њеног математичког
очекивања.

2
D( x)=E [ X −E( X )]
Особине дисперзије

25
 2 2 2 2
1. D( X )=E( X )−[ E( X )] =E ( X )−E ( X )
2. Дисперзија константе С једнака је нули
D(C )=0

3. Дисперзија случајне величине СХ где је С константа, једнака је

производу квадрата те константе и дисперзије случајне величине Х

2
D(CX )=C D( X )

4 Ако су Х и У независне случајне променљиве тада је:

D( X +Y )=D( X )+D(Y )

Доказ:

D( X +Y )=E [( X +Y )2 ]−[ E( X +Y )]2 =E( X 2 +2 XY +Y 2 )−([ E( X )+E(Y )] 2

¿ E( X 2 )+2 EXY +E (Y 2 )−[ E2 ( X )]−2 E( X ) E(Y )−[ E(Y )]2
¿ E( X 2 )−[ E 2 ( X )]+E(Y 2 )−[ E(Y )]2 +2 EXY −2 E ( X ) E(Y )=
D( X )+D (Y )+2 EXY−2 E( X ) E(Y )
2 EXY =2 E( X ) E(Y )
D( X +Y )=D( X )+D(Y )

5.Ако су Х и У независне случајне променљиве, тада је

D( X −Y )=D ( X )+D(Y )

Доказ:

D( X −Y )=D ( X +(−Y ))=D( X )+D(−Y )=D ( X )+(−1 )2 D(Y )=D( X )+D(Y )

Коваријанса

За две независне случајне променљиве, дисперзија њиховог збира

једнака је збиру њихових дисперзија.

D( X +Y )=D( X )+D(Y )

Ако су Х и У зависне случајне променљиве, тада је

D( X +Y )=D( X )+D(Y )+2[ E( XY )−E( X )E (Y )]

-Коваријанса случајних променљивих Х и У, које имају коначне

дисперзије (варијансе) у ознаци Cov( X , Y ) , дефинише се:

Cov( X , Y )=E( XY )−E( X ) E(Y )

26
Ако су Х и У независне случајне променљиве, тада је коваријанса
једнака нули
Cov( X , Y )=E( XY )−E( X ) E(Y )=0
Обрнуто не мора да важи: ако је коваријанса једнака нули, да су тада
случајне променљиве независне

Z. Дата је случајна променљива X

X : −1 0 2
( )
1/2 1/4 1/4

a) Одредити математичко очекивање и дисперзију

X : −1 0 2
( )
1/2 1/4 1/4
1 1 1
m=E( X )=∑ x k p k =−1⋅ +0⋅ +2⋅ =0
k 2 4 4
1 1 1 3
m2=E ( X 2 )=∑ ( x k )2⋅pk =(−1)2⋅ +0 2⋅ +2 2⋅ =
k 2 4 4 2

3 3
σ 2 =m2 −m 2= −0 2=
2 2

Z. Нека су х и у два случајно изабрана броја из интрвала [−1,1]

2
Наћи вероватноћу да је y>4 x

3 )) proveriti podelu sa 4

27
 1 1
1
2 3 8⋅2
4x 8
P( D)=(1− ∫ 4⋅x 2 dx ):4=(1− | ): 4=(1− ):4
1
3 −1 3
− 2
2
2
3 1
P( D)= =
4 6
− − ____

Z Одредити вероватноћу догађаја: P( A ¿), P( A B ) P( AB ) .

Ако је P( A )=0 .6 P( B )=0 .3 P( AB)=0. 2
P( A ¿)=P( A )−P ( AB )
P( A ¿)=0 . 4
−− ________
P( A B )=P( A∪B )=1−P( A∪B )
−−
P( A B )=1−P ( A∪B)=1−[ P( A )+P (B )−P( A ¿ ) ]
−−
P( A B )=1−(0 . 6+0 .3−0 . 2)=0. 3
____
P( AB )=1−P( AB)=0 .8

Биномни закон расподеле

Биномни закон расподеле случајне променљиве
Sn .

P(S n =k )= n pk ( 1− p )n−k
()
k

Z. Аутоматска машина прави 6% шкарта. Одредити вероватноћу да у

узорку од 5 производа обрађених на тој машини су :
а) два производа шкарт,
б) сви производи исправни,
в) не више од три производа шкарт
......
P(S 5 =2)= 5 0 . 062 ( 1−0. 06 )5−2≈0 . 0299
()
а) 2

P(S =0 )=( 5 )(1−0 . 06 ) =(5 )(0. 94 ) ≈0 . 734

5
5 5

б) 0 0
в) P(S 5 ≤3)=1−P( S5 >3)=1−((P (S 5=4 )+P(S 5 =5)=0 . 9994

Z Случајна променљива Х представља број победа једне екипе у 4

утакмице. Вероватноћа победе те екипе у једној утакмици је 0.6,
одредити:
1. Закон расподеле вероватноћа случајне променљиве Х
2. Математичко очекивање броја победа у 4 сусрета

Х- има биномну расподелу В(4, 0.6)

28
 Pk =P { X=k }= (4k ) 0 .6 ( 1−0 . 6)
k 4−k
, k=1,2,3,4

2 4 16
P0 =0 . 4 4 =
5 ()
= =0 .0256
625
P1=4⋅0 .6⋅0 . 4 3=0. 1536
P2 =6⋅0 . 62⋅0 . 42 =0 . 3456
P3 =4⋅0 . 63⋅0. 4=0 .3456
P4 =0 . 6 4 =0 .1296
Закон расподеле вероватноћа случајне променљиве Х:

0 1 2 3 4
( 0 .0256 0 .1536 0 .3456 0 .3456 0.1296 )
2.Математичко очекивање броја победа у 4 сусрета је
4
E ( X )=∑ xi pi =0⋅0 . 0256+1⋅0. 1536+2⋅0. 3456+3⋅0 .3456+4⋅0 .1296=
i=0
E ( X )=2 . 4

Z Три играча случајно са стола облика квадрата, ширине један метар,

наизменично извлаче по пет пута сваки, лозове који су хомогено
распоређени на столу. Сви лозови који доносе награду (само они
искључиво) налазе се у кругу чији је полупречник петина дужине стола.
1.) Колика је вероватноћа да није извучен ни један лоз који доноси
награду, у ових петнаест покушаја?
2.) Колика је вероватноћа да је извучено шест лозова који доносе
награду, у ових петнаест покушаја?

0 . 22⋅π
p=
1
q=1− p=1−0 . 04 π
15
1. P( D0 )=(1−0 . 04 π ) =0 . 1334

P( D6 )= 15 ⋅(0 .04 π )6 (1−0.04 π )9

( )
2. 6

Z Три играча X,Y,Z бацају тим редом коцку све док не падне број три.
Победио је онај играч коме је пала тројка. Наћи вероватноћу за свако
лице X,Y,Z да буде победник.

29
 − − − − − − − − − − − − − − − − − −
P( X )=P( X ∪X 1 Y 1 Z1 X∪X 1 Y 1 Z 1 X 2 Y 2 Z 2 X ∪.. ..∪X 1 Y 1 Z1 X 2 Y 2 Z2 . . X k −1 Y k−1 Z k−1 X k )
− − − − − − − − − − − − − − − − − −
P( X )=P( X )∪P( X 1 Y 1 Z 1 X )∪P( X 1 Y 1 Z1 X 2 Y 2 Z2 X )∪. . ..∪P ( X 1 Y 1 Z1 X 2 Y 2 Z 2 . . X k −1 Y k−1 Z k−1 X k )
− − − − − − − − − − − − − − − − − −
P( X )=P( X )+ P ( X 1 Y 1 Z 1 X )+ P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 X )+. . ..+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X k )
1 55551 5555551 555555 55551
P( X )= + + +. . ..+ ⋅. .. .⋅
6 66666 6666666 666666 66666
1 555 555 2 555 k −1
P( X )= 1 +
6
−
+
666 666 [
+.. . .+
666
− − − −
( )
− − − −
( )
− − −
] − − −
P(Y )=P ( X 1 Y ∪ X 1 Y 1 Z 1 X 2 Y 2∪. .. .∪ X 1 Y 1 Z 1 X 2 Y 2 Z 2 . . X k −1 Y k−1 Z k−1 X k Y k )
− − − − − − − − − − − − − − −
P(Y )=P ( X 1 Y )∪P( X 1 Y 1 Z1 X 2 Y 2 )∪. .. .∪P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X 1 Y k )
− − − − − − − − − − − − − − −
P(Y )=P ( X 1 Y )+ P( X 1 Y 1 Z 1 X 2 Y 2 )+. .. .+ P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k −1 Y k −1 Z k −1 X 1 Y k )
51 55551 55555551 555555 55551
P(Y )= + + + .. ..+ ⋅. .. .⋅
66 66666 66666666 666666 66666
2 k−1
P(Y )=
51
66
1+ [
− −
555 555
+
666 666
−
(
+.. ..+
− − −
) 555
666
−
(
−
)
− − −
] − − − − − −
P(Z )=P( X 1 Y 1 Z 1∪ X 1 Y 1 Z 1 X 2 Y 2 Z 2 . .. .∪X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X k Y k )
− − − − − − − − − − − − − − − − − −
P(Z )=P( X 1 Y 1 Z 1 )+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 )+.. ..+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 . . X k−1 Y k −1 Z k −1 X k Y k Z k )
551 555551 555555551 555555 555551
P(Z )= + + +. . ..+ ⋅.. . .⋅
666 666666 666666666 666666 666666
2 k −1
551 555 555 555
P(Z )=
666
1+
[ +
666 666 ( )
+. .. .+
666 ( ) ]
Вероватноћа у k-том покушају да је победио први играч је
1 555 555 2 555 k −1
P( X )= 1 +
6 [
+
666 666
+.. . .+
666 ( )
Вероватноћа у k-том покушају да је победио други играч је
( ) ]
51 555 555 2 555 k−1
P(Y )=
66
1+ +
666 666 [
+.. ..+
666 ( ) ( ) ]
5
P(Y )= P( X )
6

Вероватноћа у k-том покушају да је победио трећи играч је

551 555 555 2 555 k −1
P(Z )=
666
1+ +
666 666 [
+. .. .+
666 ( ) ( ) ]
55
P(Z )= P( X )
66

У једном од покушаја победиће први или други или трећи играч:

30
 P( X )+ P (Y )+ P( Z )=1
5 55
P( X )+ P( X )+ P( X )=1
6 66
5 55
[
P( X ) 1+ +
6 66 ]=1
36 30 25
P( X )= P( Y )= P( Z )=
91 91 91

Z.Дата је случајна променљива X

−1 0 2
X: (
1/2 1/4 1/4 )
одредити:
1.) E(2 X+3); σ 2(3 X+2);
2.) P( X <1 )
1.
Y  2X  3
 1 3 7 
Y : 
 1 / 2 1 / 4 1 / 4
1 1 1
E( X )=∑ x k p k=−1⋅ +0⋅ +2⋅ =0
k 2 4 4
E(2 X +3 )=2⋅E( X )+3=3
27
σ 2 (3 X +2)=32⋅σ 2 ( X )=
2
3 3
σ 2 =m2 −m2= −0 2=
2 2

2.

P ( X  1)  P ( X  1)  P ( X  0)  1 / 2  1 / 4  3 / 4
−|x|
Z Случајна величина Х има густину расподеле f (x )=λ⋅e
Одредити: 1.) константу λ 2.) Функцију расподеле вероватноће
3.)Математичко очекивање 4.) Дисперзију.

31
 +∞
∫ f (x )dx=1
−∞
−|x|
f ( x)= λ⋅e
+∞ +∞ 0 +∞
−|x| −|x| −|x|
∫ λ⋅e dx=λ⋅∫ e dx=λ⋅( ∫ e dx+ ∫ e−|x| dx)=1
−∞ −∞ −∞ 0
+∞
−|x|
2⋅λ⋅∫ e dx=1
0
+∞
2⋅λ⋅∫ e− x dx=1
0
2⋅λ=1
1
λ=
1. 2

ex, x ≤0
{
x
1 −|x|
F( x )=P( X < x )= ⋅∫ e dx = 1 −x
2 −∞ 1− ⋅e , x >0
2. 2

+∞
1 +∞ −|x|
E( x)= ∫ x⋅f (x )dx= ⋅∫ xe dx=0
3. −∞ 2 −∞

2 1 +∞ 2 −|x| 2 2
DX=E( X −EX ) =E( X −0) =E ( X ) = ⋅∫ x e dx=2
4. 2 −∞

Z Случајна величина Х има има закон расподеле

X: 0
( 1 2
)
1 /6 1/2 1/3

Наћи функцију расподеле F x ( x)

0 x <0

{
F x ( x )= 1/6 0≤x <1
2 /3 1≤x <2
1 2≤x

Z Густина случајне променљиве Х дата је са

32
 f (x )=¿ ¿
Наћи константу С и функцију расподеле F x ( x)

1
∫ C⋅x 2 dx=1
0
x3 1
C | =1
3 0
0 x<0
1
C⋅ =1
3
C=3
{ 3
F x ( X )= x 0≤x <1
1 1≤x

Z Кошаркаш са просеком погодка 60% изводи три слободна бацања.

Наћи закон расподеле случајне променљиве Х која представља број
погодака.
P( X=0)=(1−0. 6)3=0.064
P( X=1)=3(1−0 .6)2⋅0.6=0 .288
P( X=2)=3(0. 6)2⋅0.4=0. 432
P( X=3)=0. 216

0 1 2 3
X: ( 0. 064 0.288 0. 432 0. 216 )
Z Вероватноћа да је једна компонента неисправна износи 0.02. Ако је
на располагању 100 истих компоненти, колики је очекивани број
неисправних?

EX=n⋅p
EX=100⋅0 . 02
EX=2
Eрлангова расподела
Функција густине Ерлангове расподеле је

0, x <0
f ( x )=
{ λ⋅e− λx
i −1
( λx )
( i−1 )!
x≥ 0

Функција расподеле добија се сумирањем:

33
 0, x <0
F( x )=
{
1−λ⋅e−λx ∑
k
( λx )i−1
j =1 (i−1)!
x ≥0

Математичко очекивање и дисперзија код Ерлангове расподеле су:

k
E( X )=
λ

k
D( X )=
λ2

Униформни закон расподеле

Случајна променљива Х има униформни закон расподеле на итервалу
(a,b) , ако је функција густине вероватноће дата:
1

{
f ( x )= b−a
0
, x ∈( a ,b )
x ∉( a , b )

Z Случајна променљива Х има униформни закон расподеле на

итервалу (1,3) . Израчунати вероватноћу P(2. 5<X <3. 5 )

 1 1
  ; x  1,3
f  x   3  1 2
 0 ; x  1,3
x
F ( x )=P { X <x }= ∫ f ( x ) dx
−∞
3 3,5
1 1
P {2,5< X <3,5 } =∫ dx + ∫ 0 dx=
2,5 2 3 4
Закон расподеле непрекидне случајне променљиве

Примери непрекидне случајне променљиве су брзина кретања

аутомобила, пређени пут, температура у једној тачки...
+∞

Ако за не негативну функцију g( x)

∫ g(x)dx=1
је испуњено −∞ , тада је
g( x) густина расподеле случајне променљиве х. Вероватноћа :
b
P(a≤X≤b)=∫ g ( x )dx
a

34
Нормални закон расподеле
ДеМоавр је 1733 године открио Нормалну расподелу као гранични случај
биномне расподеле - то је остало доста незапажено све до почетка 19.
века, када су у својим радовима Гаус и Лаплас користили ову расподелу.
Непрекидна случајна променљива Х има нормалан закон расподеле
вероватноћа ако је њена густина расподеле дата формулом:

( x −m) 2
−
1 2⋅σ 2
g( x )= ⋅e , −∞< x <+ ∞
σ⋅√ 2 π

Овакву расподелу обележавамо са N (m ,σ )

Ако је m=0 , σ =1 , кажемо да случајна променљива Х има
стандардну нормалану расподелу.

( x −m) 2
−
1 2⋅σ 2
g( x )= ⋅e , −∞< x <+ ∞
σ⋅√2 π

a b

Z Нека случајна променљива Х има расподелу X ~ N (−1,4) . Наћи

вероватноћу P(−1. 5< X <0 )

P(−1. 5<X <0 )=P(−1 .5+1< X +1<0+1 )=

−1. 5+1 X +1 1
=P
2 ( <
2
<
2 )
−0 . 5 X + 1 1 X +1
P (
2
<
2
< =P −0 , 25<
2 ) (
2 )
<0 .5 =0 .19146−(−0 . 09871)=0 . 29017

2
Z Нека случајна променљива Х има расподелу X ~ N (0 , σ ) и нека
је P( X < √ 3 )=0 .1587 . Одрдити VarX

35
 P( X < √ 3 )=0 .1587
X−0 √ 3−0
P( X < √ 3 )=P( X −0< √ 3−0)=P ( < )=0. 1587
σ σ
√ 3 =0. 41
σ
σ=
√3
0 . 41
=4 . 2245146
σ =3
σ =3
σ =3

Z Нека случајна променљива Х има расподелу X ~ N (m, 2 ) и нека је

P( X <5 )=0 . 9207 . Одрдити EX
Z Случајна променљива Х има нормалан закон расподеле N (8,4 ) . У
2
овом примеру је математичко очекивање m=8 , а дисперзија σ =4
.
Израчунати вероватноћу да случајна променљива Х буде између 8 и 9.

Да бисмо израчунали ову вероватноћу, потребно је да извршимо

стандардизацију случајне променљиве Х .

¿ X−m
X=
Случајна променљива σ , има расподелу N (0,1)
¿
P(a< X <b )=F (b )−F (a)
0 X−8 9−8
P(8<X <10)=P( 8−8< X−8<9−8)=P( < < )=
√4 √4 √4
X −8 1
P(0< < )=Ф (0 .5 )−Ф( 0)
2 2
P(8<X <10)=Ф (0 .5 )−Ф( 0)=0. 6915−0 .5=0 .1915

Пуасонов закон расподеле

lim p=0 lim np=λ>0 N 0 важи
Ако је n→∞ n→∞ , тада за свако к из
k
n k λ
једнакост:
P(S n =k )=lim
n→∞
()
k
n−k
p ( 1−p ) = e−λ
k!
ово је
Пуасонов закон расподеле
Oву расподелу Пуасон је открио 1837 године. Она је гранични случај
биномне расподеле, исто као што је и нормална расподела гранични
случај биномне расподеле. Разлика је у томе што код нормалне

36
расподеле при рачунању лимеса (граничне вредности) биномне
расподеле, вероватноћа p не мења се , константна је, има одређену
вредност. У биномној расподели вероватноћа неког догађаја да се

оствари к пута у n експеримената је:.

P(S n =k )=( nk ) p ( 1− p )
k n−k

Пуасонов закон расподеле примењује се у случају догађаја који се ретко

дешавају.

Pn (t)

t
1 0.1
2 0.5
3 1.0
4 5.0

4
3
2
1

Код граничног случаја у Пуасоновој расподели, битно се разликује

m
p=
концепција посматрања n . Када се број n
увећава, конвергира
према бесконачности, број m далеко спорије се увећава конвергира
m
lim p=lim =0
према бесконачности. Узимамо да је n→∞ n→∞ n . Ако је
lim p=0 lim np=λ>0
n→∞ n→∞

P(S n =k )=lim
n→ ∞
(nk ) p (1− p)
k n−k
=

n(n−1)(n−2). .. .(n−k +1) k

¿ lim p ( 1−p )n−k =
n→∞ k !
n(n−1)(n−2). .. .(n−k +1) k n
¿ lim p ( 1−p ) ⋅(1− p)−k=
n→∞ k !
−1 −np
1 n(n−1)(n−2).. . .(n−k+1)
¿ lim ⋅(1− p )−k⋅ k
n→∞ k ! n
⋅(np )k⋅ (1− p) p [ ]
Пошто је :
−1 −np
lim
1
n→∞ k !
⋅(1− p )−k =
1
lim (1− p )
k ! n→∞
[ p] =e− λ

37
 −1 −np −1 −np
[
lim ( 1−p )
n→∞
p] 1
=e− λ lim ⋅(1− p )−k⋅
n→∞ k !
n( n−1)( n−2 )....(n−k +1)
nk
[
⋅( np)k⋅ (1−p ) p ]
n(n−1)(n−2). .. .(n−k +1) n(n−1)(n−2 ). .. .(n−k +1)
lim k
=lim =
n→∞ n n→∞ n⋅n⋅n .⋅. .. . .. .⋅n
n n−1 n−2 n−3 n−k +2 n−k +1
¿ lim ⋅ ⋅ ⋅ .. .. . ..⋅ ⋅ =
n→∞ n n n n n n
n 1 2 3 2 k−1
¿ lim ⋅(1− )⋅(1− )⋅(1− ). .. . .. .⋅(1− )⋅(1− )=1
n→∞ n n n n n n

n k n−k 1
P(S n =k )=lim
n→ ∞
()
k
p (1− p ) = λk⋅e− λ
k!

Приликом апроксимације биномне расподеле, користимо једно практично

правило: за n⋅p<10 узимамо Пуасонову расподелу

k
P S n  k   e  

k!
m
λk
P {S n ≤m }≈ ∑ e− λ⋅
k =0 k!

λ=n⋅p
Ако је n⋅p≥10 , тада се користи Гаусова расподела
1 k −np
P {S n =k }≈ φ( X ), X=
√ npq √ npq
 a  np b  np 
P a  S n  b  P   S n*  
 npq npq 

За време другог светског рата Немци су бомбардовали Лондон

навођеним бомбама V −1 . Прецизност погађања била је непозната
енглеској обавештајној служби. Експерти за статистику, подручје града
Лондона поделили су на 576 сектора. Од укупно 537 бомби, 7 бомби пало
је у једном сектору, по четири бомбе у седам сектора, по три у 35
сектора, 2 бомбе у 93, једна бомба у 211 сектора и ниједна бомба у 229
сектора. Ови подаци приказани графички имају облик Пуасонове
расподеле. Да су Немци овом бомбама могли да гађају војне циљеве,
бомбе би биле расејане по закону нормалне расподеле.

38
Експоненцијални закон расподеле

Случајна променљива Х има експоненцијалну расподелу ако је њена

густина расподеле:

f (x )=λ⋅e−λx , 0≤x <+∞ , λ>0

Математичко очекивање E( X ) код експоненцијалне расподеле:

+∞
E( X )= ∫ x⋅λ⋅e−λx dx , λ>0
0
u=x dv=e− λx dx −λx=t

( )
+∞
−λx
E( X )=λ⋅∫ x⋅e dx =| −1 −λx dt |=
0
du=dx v=∫ e− λx dx= e dx=
λ −λ
−λx=t
−x −λx ∞ +∞ −λx
( )
+∞
−λx −1 −λx ∞ 1
¿λ e I 0 + ∫ e dx= ∫ e dx= dt = e I0 =
λ 0 0
dx= λ λ
−λ
1
E( X )=
λ

4))Дисперзија (само име означава “расипање“ око математичког

очекивања)

DX=σ 2 X
DX=E( X −EX )=EX 2 −E2 X
за експоненцијалну расоделу
DX=σ 2 X=EX 2 −E 2 X
1 2 2 1 1
+∞
σ X= ∫ x 2⋅λ⋅e− λx dx −
2

0
()
λ
= 2− 2= 2
λ λ λ
x
F( x )=P( 0< X < x )=∫ λ⋅e−λx dx=1−e−λx
Функција расподеле 0
−λx 1
P( x1 < X < x 2 ) e −e
−λx 2
− λ(x − x )
P( X < x 2|X > x 1 )= = =1−e 2 1

P( X > x1 ) e
−λx
1

39
 −λx
f (x )=λ⋅e , 0≤x <+∞ , λ>0
функција густине експоненцијалне расподеле

Функција расподеле F( x) добија се интеграцијом функције густине

x x
F( x )=P(0< X < x )= ∫ f (t ) dt=∫ λ⋅e− λt dt =1−e−λx
−∞ 0

Експоненцијална расподела случајне променљиве Х са параметром

λ
означава се X ~ Exp( λ )
Експоненцијална расподела користи се као модел трајања уређаја.
Параметар λ одређује реципрочну вредност просечног трајања
уређаја.
Ако јеX ~ Exp( λ ) тада за свака два позитивна реална броја u и t
важи P( X >u+t |X >u )=P( X >t )
При доказу ове једнакости користићемо:

x x
F( x )=P(−∞< X < x )= ∫ f (t )dt = ∫ λ⋅e−λt dt=1−e− λx
−∞ 0
−λx
P( X > x )=1−P( X ≤x )=e
P ( X >u+t , X >u) P( X >u+ t ) e− λ( u+t ) −λt
P( X >u+t|X >u )= = = −λu =e =P( X > t )
P ( X >u) P( X > u) e
Једнакост P( X >u+t |X >u )=P( X >t ) позната је као особина
“одсуства меморије“. Ако P( X >u+t |X >u ) интерпретирамо као
вероватноћу рада уређаја после u+t сати и ако је тај уређај био
(100%) исправан у претходних u сати. Исправност, при овој расподели
зависи искључиво од времена t .
Експоненцијална расподела је једина непрекидна расподела са
одсуством меморије.

Вејбулова расподела (Waloddi Weibull,1887-1979))

Вејбулова расподела има сличности са експоненцијалном расподелом,

користи се кад одсуство меморије није задовољено.
Функција густине дефинисана је изразом

40
 c
x−ξ
c x−ξ c−1 −( )
f ( x )= ( )
a a
⋅e
a
a> 0 , c> 0 , ξ ∈ R

Ова расподела зависи од три параметра a,c ,ξ , па се назива још

тропараметарска Вејбулова расподела.
1
a= , c=1 , ξ=0
Ако је λ у Вејбуловој расподели добијамо као
специјалан случај експоненцијалну расподелу. Комбинујући разне
вредности параметара a, c и ξ може да се добије боља сагласност
експерименталних података у теорији поузданости, него ако се користи
експоненцијална расподела.
Специјалан случај Вејбулове расподеле је Рејлијева расподела која се
користи код радарских прорачуна при праћењу објекта.

Гама расподелa
∞
=∫ t x−1⋅e−t dt
Гама функција (Ојлеров интеграл друге врсте) Г(x) 0 има
особину да може да интепретира n!
Г(x+1)=x Г(x)

Г (n+1)=n !
Случајна променљива Х има гама расподелу, ако је њена густина
расподеле :

n
Y =∑ X i
Случајна променљива i=1 има Гама расподелу са
параметрима

41
 .

n l
λ= , a=
Специјално, Гама расподела с параметрима 2 2 , биће
функција:

позната kao Hi- квадрат расподела

+∞ +∞
+∞
−t −t −t −t +∞
Γ(1)=∫ e dt=−e | =1 Γ (2)=∫ te dt=−e (t +1)| =1
0 0 0 0
T: Гама функција је једно решење функционалне једначине (x+1)=x
(x)
+∞ +∞
+∞ −t x −t x −t x
−t
Γ( x+1)= ∫ e t dt=e t | + x ∫ e t dt e =xΓ( x )
Д: 0 0 0
π
Γ ( x) Γ(1−x )=
T: За 0<x<1 важи sin πx
Бета функција ( Ојлеров интеграл прве врсте)
1
B ( p , q )=∫ x p−1 (1−x )q−1 dx, p ,q >0
0
Веза између Гама и Бета функције:
+∞ +∞
−x p−1 − y q−1
Γ( p)=∫ e x dx, Γ( q)=∫ e y dy ,
0 0
+∞ +∞
∫ ∫ e−(x+ y) x p−1 yq−1 dxdy
Γ( p)Γ( q)= 0 0 .
Сменом x=u(1-v), y=uv,( Јакобијан је:J=u) нове границе променљивих су:
+∞ 1
−u p+q−1
Γ( p)Γ( q)=∫ e u du∫ v q−1 (1−v)p−1 dv= Γ( p+q) B( p ,q)
0u<+, 0v1, 0 0 .
Γ ( p )Γ (q )
B ( p , q )=
Т: Веза између Гама и Бета функције Γ ( p+q) .

Hi- квадрат расподела

Расподела дефинисана густином:

42
 n x
1 2
−1 −
2
f ( x )= n
x e x >0 , n∈N
2 n
2 Γ( )
2
2
позната је као као Hi- квадрат расподела χ ( n) са n степени
слободе, где је n природан број - теоријски n може да буде
произвољан позитиван број
2
χ ( n)

Густина Hi- квадрат расподеле за n=2, n=6 , n=10

Нека је свака од n независних случајних променљивих са нормалном

расподелом N (0,1) . Може да се покаже да случајна променљива
n
χ 2 ( n)= ∑ X 2n
k=1 има густину расподеле Hi- квадрат
n x
1 2
−1 −
2
f ( x )= n
x e x >0 , n∈N
2 n
2 Γ( )
2 n степени слободе - зато
n
χ 2 ( n)= ∑ X 2n
што је ранг квадратне форме k=1 једнак n

Математичко очекивање Hi- квадрат расподеле је:

n
E[ χ (n )]=E [ ∑ X 2n ]=n
2

k =1
Дисперзија Hi- квадрат расподеле је :
n
D[ χ 2 (n )]=D[ ∑ X 2n ]=2 n
k =1

За Hi- квадрат расподелу две независне случајне променљиве важи

адициона теорема

χ 2 ( n1 +n2 )= χ 2 ( n1 )+ χ 2 ( n2 )

43
 2
За велике вредности n , случајна променљива χ ( n) има
асимптотски нормалну расподелу N (n ,2n ) . Практично се нормална
расподела користи у замени Hi- квадрат расподеле за n>30 .

Студентова t - расподела

За случајну променљиву Х кажемо да има Студентову t расподелу са

n -степени слободе у ознаци t( n) , где n
може да буде произвољан
позитиван број, ако је њена густина расподеле вероватноће дата
следећим изразом

n+1
Γ ( 2 ) 2 − n+1
x
f ( x )=
n
n
√ πn⋅Γ ( )
( 1+ )
n
2 −∞< x <+∞ n>0

Пивара из Даблина, крајем деветнаестог века почела је да инвестира у

науку.1899 године власник пиваре запослио је младога William Sealy
Gosseta, који је дипломирао хемију и математику. У свом раду 1904
године Gosset даје математичко решење ферментације пива. Требло је
да се одреди најбоља концентрација квасца у посуди. Пошто су у питању
ћелије које се стално размножавају, тачна мерна вредност није могла да
се одреди. Мало квасца није изазивало ферментацију, а превише ћелија
квасца давало је горко пиво. Испитујући податке, Gosset је закључио да
се број ћелија квасца може моделирати помоћу Пуасонове расподеле.
Могао је сада на основу узорака да добија добре податке о
концентрацији ћелија квасца, а пивара квалитетно пиво. Gosset-је свој
рад објавио под псеудонимом Студент.

Густине вероватноћа Студентове расподеле за n=2, n=5, n=15 -

(Испрекидана линија је Гаусова расподела N (0,1) )

44
 π /2
I( p , q )= ∫ sin p x cos q xdx p , q>−1
Z 0 . Сменом sinx= √t ,добија се
1 p+1 q+1
1 2
−1
2
−1
I( p , q )= ∫t (1−t ) dt
20
π /2
1 p+1 q +1
I ( p , q )= ∫ sin p x cos q xdx= B( , )
0 2 2 2

Z Случајна променљива Х има функцију густине

2 2x
f ( x )= − 2
d d 0< x <d
1. Одредити функцију расподеле F( x)
d
<X <3d
2. Одредити вероватноћу: 3
+∞
∫ f ( x )dx= 1
−∞ ¿
f ( x )=¿
¿
x x
2 x 2 2 x2
F( x )= ∫ f ( x ) dx=∫ 1− dx= x− 2
−∞ 0 d d d d 2 ( )
0 x <0
2 x
{
2
F( x )= x − 2 0<x <d
d
1
d
x>d

2.

45
 d d d
P {
3 } { }
< X <3 d =P { X <3 d }−P X < =F ( 3 d ) −F
3 3 ()
F ( 3 a ) =1
d 2
d 2 d 3 () 2 1 5
F () = ⋅ − 2 = − =
3 d 3 d 3 9 9
d 5 4
{ }
P < X <3 d =1− =
3 9 9

Статистика
Математичка статистика јесте примењена теорија вероватноће.
Статистика се може дефинисати као метода квантитативног
истраживања појава. Статистика истражује појаве на мноштву случаја.
Основни поступак статистике је да испитивање неке масовне појаве на
целој популацији замени испитивањем те појаве на узорку.
Нпр. крвна слика се испитује на узорку од пар капи крви. Иначе права
слика би захтевала „извлачење“ све крви...
Колико има риба у језеру? Из целокупне популације риба у језеру
мрежом се добија један узорак. Ако се рибе овог узорка обележе и
поново пусте у језеро на пример њих хиљаду и ако се поново пусти
мрежа и нпр. у новом улову риба је 1500 риба од којих је 6 обележених...
тада се прва апроксимативна процена риба у језеру добија из
пропорције: Х-риба језера према 1000 обележених односи се исто као
1500 према 6 маркираних риба.
X :1000=1500 :6
1000⋅1500
X=
6
X =250000

Посматрајмо неки скуп S . Ако сваком елементу скупа S доделимо

један реалан број, урадили смо једно обележавање скупа S . Функција
која пресликава скуп S у скуп реалних бројева назива се обележје
.Обележја могу бити дискретна или непрекидна. Ако је број елемената
пребројив онда је дискретног типа .
Метода закључивања зависи од начина добијања података тј. како се
узорак узима из основног скупа. Разликујемо:
1. Прост случајни узорак
2. Систематски узорак
3. Стратификовани узорак
4. Узорак скупина

1. Прост случајни узорак

46
Код простог случајног узорка избор било ког елемента популације не
зависи од избора других елемената. Вероватноћа избора једног
елемента у узорку не зависи од избора других елемената узорка. У
теорији статистичког закључивања прост случајни узорак има
фундаменталан значај.

2. Систематски узорак
При избору елемената у систематском узорку, на случајан начин одабере
се први елемент и затим се из популације узима сваки к-ти елемент.

3. Стратификовани узорак
Скупови из којих су бирани прости случајни узорци сматра се да су
хомогени и третирају се као једна неподељена целина. Стратификовани
узорак се добија када се (хетероген) основни скуп предходно подели у
више хомогених група - стратума, па се затим из сваког стратума
случајно изабере одређен број јединица за нови узорак. На основу
стратификованог узорка можемо добити оцене не само за основни скуп
него и за његове делове. Приликом поделе основног скупа на хомогене
целине-стратуме јављају се следећи основни проблеми: Колико стратума
треба оформити? Колико елмената стратум треба да садржи? Које
критеријуме хомогености треба узети за основ стратификације?
Ако се популација дели на стратуме, основно питање је колико стратума
узети. Пораст стратума у принципу доводи до мање стандардне грешке,
постоји граница обично после које је то смањење незнатно.

Узорак скупина
За разлику од стратификованог узорка код којег су сви стратуми у
одређеној мери заступљени у узорку, узорком скупина репрезентовани су
само неки случајно одабрани стратуми.

Било који подскуп скупа S је узорак. Колико су предвиђање на основу

узорака поуздано у многоме зависи од теоријског и практичног знања
онога ко ради ту анализу.

МЕТОД МОНТЕ КАРЛО

Следећи класичан пример који поједностављује ову методу говори о
могућности мерења неке површине. На микроскопској слици оболелог
ткива имамо здраве и малигне ћелије. Колико је оболелих ћелија
показује површина коју заузимају болесне ћелије.
Слику ткива “бомбардујемо са тачкама“.Однос броја тачака N које су
пале на микроскопску слику ткива и броја тачака M које су погодиле
болесно ткиво даје мерну вредност површине болесног ткива.

Пз N
=
Пб M
Пз
Пб= ×N
N

47
( Пз -Површина микроскопског ткива, Пб -Површина болесног ткива

Координате тачака су случајни бројеви.

¿ ¿ ¿ ¿ ¿
¿ 
¿ ¿
¿    ¿ ¿
¿ ¿ ¿ 
¿
¿
¿ ¿ ¿ ¿ ¿ ¿ ¿
¿  ¿
¿ ¿  ¿
¿ ¿  ¿
¿
¿
¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿
¿ ¿
 ¿
¿ ¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿ ¿ ¿
¿

Моделирање неке појаве користи се кад је директно испитивање саме

појаве повезано са тешкоћама.

Развој метода симулације (моделирања) везан је са развојем статистике

као научне области. Метода Монте Карло која је нумеричко статистичка
метода.
5))Код методе Монте Карло често се (се) основна популација замењује
“теоријски формираним скупом“ и из тог скупа се узима узорак применом
случајних бројева. Бројеви из интервала (0,1) који се добијају по неким
правилима називају се псеудо-случајни бројеви. Псеудо-случајни бројеви
нису у потпуности случајни иако морају да задовољавају већи број
услова случајности који се проверавају статистичким методама. Код
многих електронских калкулатора псеудо случајни бројеви се добијају
функционалном наредбом RND или RAND.
Једну од првих примењених формула метода средина квадрата за
генерисање псеудо случајних бројева дао је Фон Нојман (Johan fon
Nojman 1903-1957)
6)) (Он је описао једну од својих саобраћајних незгода: “Возио сам се
путем. Дрвеће са десне стране пролазило ме је у савршеном реду
брзином од 60 миља на час. Изненада једно од њих ми је стало на пут.“)

48
Метода средина квадрата
На случајан начин (на пример цифре се извлаче помоћу цедуља) имамо
7))четвотоцфирен број између нуле и један 0.8704..
2
његов квадрат је 0 . 8704 =0 .75759616 . Средина овог броја је
следећи случајан број 0 .7596 . Квадрат овог броја је
0 .7596 2=0. 57699216 . Средина овог квадрата је следећи случајан број.
Надаље се по истом поступку добијају псеудослучајни бројеви.

0 .69922 =0 . 48888064 0 . 88802 =0 .78854400 0 . 85442 =0 . 72999936

0 . 99992 →0 , 9800→0 . 0400→0.0064

Метода најмањих квадрата

Ако је дат скуп тачака M i ( xi , y i ) i=1,2 , .. . .. . ,n у координатном систему

и желимо да кроз тај скуп тачака поставимо неку линију, тако да
одступања буду минимална, то можемо да урадимо методом најмањих
квадрата која је још позната и као Гаусова метода најмањих квадрата.. .

. .... . .
. . .. ..
. ...

Ако кроз „облак“ тачака постављамо праву y=a⋅x+b , алгебарски та

права је одређена ако су познате вредности a и b

49
 . .... . .
. . .. ..
. ...

Гаусовом методом најмањих квадрата праву y=a⋅x+b одређујемо

тако да збир квадрата одстојања тачака до праве по вертикали буде
минималан

У овом примеру имамо пет задатих тачака. Повучене су дужи које

илуструју пет вертикалних растојања до нацртане праве.

Нека је дат скуп тачака M i ( xi , y i ) i=1,2 , .. . .. . ,n у координатном

систему и желимо да кроз тај скуп тачака поставимо праву линију
y=a⋅x+b тако да збир квадрата одстојања тачака до праве (по
вертикали) буде минималан:

M 1 ( x 1 , y1 ), M 2 ( x 2 , y 2 ), M 3 ( x 3 , y 3 ), .. . .. .. . .. . , M n ( xn , y n )

50
 d 1 =a⋅x 1 + b− y 1 , d 2=a⋅x 2 +b− y 2 , d 3 =a⋅x 3 + b− y 3 ,. . .. d n =a⋅xn +b− y n
f ( a , b)=S ( d 2 )=( a⋅x 1 +b− y 1 )2 +( a⋅x 2 +b− y 2 )2 +( a⋅x 3 +b− y 3 )2 +. . .. ..+( a⋅x n + b− y n )2
n
f ( a , b)=S ( d )=∑ ( a⋅x i +b− y i )2
2

i =1
За изналажење оптималног решења користи се техника парцијалних
извода: Потребан услов да функција има минимум или максимум је
∂f (a , b) ∂ f (a , b)
=0∧ =0
∂a ∂b

f (a , b )=(a⋅x 1 +b− y 1 )2 +(a⋅x 2 +b− y 2 )2 +(a⋅x 3 +b− y 3 )2 + .. .. . .+(a⋅x n +b− y n )2

∂ f (a , b)
=0 ⇔2(a⋅x 1 + b− y 1 ) x1 +2(a⋅x 2 + b− y 2 ) x 2 +2(a⋅x 3 +b− y 3 ) x 3 +. ..+2( a⋅x n +b− y n ) x n=0
∂a
(a⋅x 1 + b− y 1 ) x1 +(a⋅x2 +b− y 2 ) x 2 +(a⋅x 3 +b− y 3 ) x3 +.. .+( a⋅x n +b− y n ) x n=0
∂ f (a , b)
=0 ⇔2(a⋅x 1 + b− y 1 )+2(a⋅x2 +b− y 2 )+2( a⋅x 3 +b− y 3 )+. ..+2(a⋅x n +b− y n )=0
∂b
(a⋅x 1 + b− y 1 )+( a⋅x 2 +b− y 2 )+(a⋅x3 +b− y 3 )+ .. .+(a⋅x n +b− y n )=0

Две добијене релације из којих се одређују коефицијенти a и b су

∂ f (a , b )
1) =0 ⇔
∂a
( a⋅x 1 +b− y 1 )x 1 +(a⋅x 2 + b− y 2 ) x 2 +(a⋅x 3 +b− y 3 )x 3 + .. .+(a⋅x n +b− y n ) x n =0
∂ f (a , b )
2) =0 ⇔
∂b
( a⋅x 1 +b− y 1 )+( a⋅x2 +b− y 2 )+( a⋅x 3 + b− y 3 )+. ..+(a⋅x n +b− y n )=0

Ове једначине могу се још боље прилагодити за практичан рад

тј.

a( x 21 +x 22 +x 23 +.. .+ x 2n )+b( x 1 + x 2 + x 3 +. .. .+ x n )−( y1⋅x 1 + y 2⋅x2 + y 3⋅x 3 + ..+. y n⋅x n )=0

a( x 1 +x 2 +x 3 +.. ..+ x n )−( y 1 + y 2 + y 3⋅+. .+. y n )+ nb=0

За израчунате вредности a и b добија се права линија која се често
назива линијом регресије у од х.

Кроз скуп тачака M i ( xi , y i ) i=1,2 , .. . .. . ,n у координатном систему

можемо да постављамо разне криве линије, тако да одступања методом
најмањих квадрата буду минимална .

Најчешће апроксимиране криве су:

n n−1
y=an⋅x +an−1⋅x +.. .+. a1⋅x+ a0 -полиномна крива
1
y=
a1 x +a 0 -хипербола

51
 x
y=ab -експоненцијална крива

x
y=ab +c -модификована експоненцијална крива
1
y= x
ab + c - логистичка крива

Метод којим се одређују непознати коефицијенти код ових

апроксимативних кривих, исти је као код одређивања линије регресије
Гаусовом методом.

Z Нека је дато шест тачака M i ( xi , y i ) i=1,2 , .. . .. . ,6 у координатној

равни. Одредити праву y=a⋅x+b која је најбоља апроксимација
линеарне функције са аспекта методе најмањих квадрата.

x 1 2 4 5 6 9
M i:
y 5 8 14 17 20 29
a( x 21 +x 22 +x 23 +.. .+ x 2n )+b( x 1 + x 2 + x 3 +. .. .+ x n )−( y1⋅x 1 + y 2⋅x2 + y 3⋅x 3 + ..+. y n⋅x n )=0

a( x 1 +x 2 +x 3 +.. ..+ x n )−( y 1 + y 2 + y 3⋅+. .+. y n )+ nb=0

{a(1+4+16+25+36+81)+b(1+2+4+5+6+9)−(5+16+56+85+120+261)=0¿¿¿¿¿
¿
Ако хоћемо да добијемо праву линију регресије х од у, користимо:
x 1 2 4 5 6 9
M i:
y 5 8 14 17 20 29
A ( y 21 + y 22 + y 23 +. ..+ y 2n )+ B( y 1 + y 2 + y 3 +. . ..+ y n )−( y 1⋅x 1 + y 2⋅x 2 + y 3⋅x 3 +. .+ . y n⋅x n )=0

A ( y 1 + y 2 + y 3 +. .. .+ y n )−( x1 + x 2 + x 3 +. .. .+ x n )+ nB=0

{ A(25+64+196+289+400+841)+B(5+8+14+17+20+29)=543¿¿¿¿¿
¿
52
Z Нека је дато осам тачака M i ( xi , y i ) i=1,2 , .. . .. . ,6 у координатној
равни. Одредити праву y=a⋅x+b која је најбоља апроксимација у
смислу да је збир растојања задатих тачака до праве минималан
x 1 3 4 6 8 9 11 14
y 1 2 4 4 5 7 8 9 .

8 b+56 a=40
56 b+54 a=364
7

{a= =0 . 636
11
6
b= =0 . 545
11
y=0 . 636 x+0. 545

Коришћењем матричног рачуна олакшава се рад код методе најмањих

квадрата

На пример ако имамо низ тачака M i ( xi , y i ) i=1,2 , .. ... . ,n у координатној

равни, и треба одредити праву y=a⋅x+b која је најбоља
апроксимација
у смислу да је збир растојања задатих тачака до праве минималан.
За тачке M i ( xi , y i ) i=1,2 , .. . .. . ,n кад би припадале правој y=a⋅x+b
важило би:

a⋅x 1 +b= y 1
a⋅x 2 +b= y 2
⋮
a⋅x n +b= y n

или ако су матрице А, Х и В:

x1 1 y1

[ ]
A= x 2
⋮
xn
1 , X= a , B= y 2
⋮
1
b []⋮
yn
[]
Тада овај систем једначина може матрично да се запише А Х = В

( A T⋅A )−1⋅A T⋅A⋅X−( A T⋅A )−1⋅AT⋅B=0

X =( AT⋅A )−1⋅A T⋅B

Нека је

53
 A⋅X−B=0 i (ε )
min‖0i ( ε)‖L=min‖A⋅X −B‖L , A ∈ R n×m , B ∈ R n
x x

min‖0i ( ε)‖L
Т Скуп свих решења проблема x нека је описан са
S =¿ ¿ , тада је х из скупа решења „тада и само
T
тада“ ако вреди следећа релација ортогоналности A ( B− Ax )=0 .
Доказ
¿ ¿
T
Претпоставимо да x задовољава једначину A ( B− A x )=0 где је
¿ ¿
r=B−Ax r =B− A x
¿ ¿
x ∈ R m r=B− Ax , r =B− A x ,
¿ ¿ ¿ ¿

за r=B−Ax= r + A x − Ax=r − A ( x−x )

¿ ¿
Ако означимо e=( x−x ) тада је r=r − Ae и
¿ ¿
T T
‖r‖=r r=(r −Ae) (r − Ae)=
¿ ¿ ¿ ¿
¿r r −r Ae−( Ae) r +( Ae)T Ae=
T T T
¿ ¿ ¿
‖r‖ −( A r ) e−e ( A r )+‖Ae‖2
2 T T T T
¿ ¿

Израз је најмањи када је e=0 e=(x −x )=0 x=x . Претпоставимо да

¿ ¿ ¿
T T
је x минимум ‖r‖=r r=(r − Ae ) (r − Ae ) али да не задовољава
¿ ¿
једначину A T ( B− A x )=0 тј. z= AT r ≠0 . Нека је
¿
¿
x= x + εz , ε >0 r = r − ε Az
¿ ¿ ¿ ¿ ¿
‖r‖=r r=r r −2εz z+ε (Az) ( Az)<r r =‖r‖2
T T T 2 T T
што противуречи
претпоставци.

Z Нека је дато шест тачака M i ( xi , y i ) i=1,2 , .. . .. . ,6 у координатној

равни. Одредити праву y=a⋅x+b која је најбоља апроксимација
линеарне функције са аспекта методе најмањих квадрата.

x 1 2 4 5 6 9 x 1 2 4 5 6 8
M i:
а) y 5 8 14 17 20 29 б) y 5 8 14 17 20 29

а) B=[5;8;14;17;20;29];
A=[1 1;2 1;4 1;5 1;6 1;9 1];

54
 X=(inv(A'*A))*A'*B

X=
3.0000
2.0000

б) A=[1 1;2 1;4 1;5 1;6 1;8 1];

B=[5;8;14;17;20;29];
X=(inv(A'*A))*A'*B

X=
3.3300
1.0700
>> A=[1 1;2 1;4 1;5 1;7 1;8 1];
>> B=[5;8;14;17;20;29];
>> X=(inv(A'*A))*A'*B

X=
3.0800
1.6400

Основни параметри описивања кретања појединачног возила и

описивања законитости овог кретања

(1) - време (t)

(2) - пут (s)

(3) - брзина (v)

(4) - убрзање (a)

(5) - импулс (K)

Теорија саобраћајног тока има основни циљ и улогу да на

математички прецизан начин објасни међусобни утицај између возила и
возача (тзв. покретне компоненте) и инфраструктуре (тзв. непокретне
компоненте) које постоје у систему путева са свим својим оперативним
деловима: сигнализација, командни уређаји, итд.

Теорија саобраћајног тока се састоји из низа модела и метода које служе

као основ за стварање алата помоћу којег се пројектују улице и путеви.
Теоријом саобраћајног тока, као научном дисциплином, у својим

55
пионирским радовима 30-тих година прошлог века су почели да се баве
мнoги на западу, упућени у нарастајућу проблематику друмског
саобраћаја. Дефинишу се основни елементи саобраћајног тока и
теоријски „оперативни алат“ помоћу кога може да се врши
идентификација и естимација саобраћајног тока. Снажно оруђе-оружје
диференцијалног и и нтегралног рачуна нарочито теорије вероватноће и
статистике почиње да се користи у првој половини двадесетог века.
Истраживања у разним областима Теорије саобраћајног тока данас су
прилично раширена, јер представљају виталне интересе друштва.

Основни параметри кретања појединачног возила могу да се изразе у

зависности од времена:

1 Време t – јединица s-секунда

2 Пут s=s(t) –јединица m-метар
3 Брзина v=s’(t) –јединица m/s
4 Убрзање a=s’’(t) –јединица m/s2
5 Импулс k=s’’’(t) –јединица m/s3

Зависност пређеног пута од времена s(t) у координатном систему

представља се графички и то монотоно растућим функцијама. При
сталној брзини пређени пут у функцији времена представља праву
линију.

56
 s(t)

t
v(t)
v(t)

t
a(t)

Облик трајекторије,пређеног пута у функцији времена када је убрзање

константно a(t )=konst .≠0

s(t)

v(t)

a(t)

ОСНОВНИ ПАРАМЕТРИ САОБРАЋАЈНОГ ТОКА

ПРОТОК, ГУСТИНА И БРЗИНА

Под појмом саобраћајног тока подразумева се истовремено

кретање више возила на путу у одређеном поретку. За описивање

57
саобраћајних токова и законитости кретања моторних возила у овим
токовима на друмским саобраћајницама неопходно је дефинисати
адекватне показатеље. Ти се показатељи, у теорији саобраћајног тока,
називају основни параметри саобраћајног тока или основне величине
саобраћајног тока. Основна разлика у условима кретања возила у
саобраћајним токовима у односу на услове кретања појединачног возила
је што у саобраћајном току на кретање возила делује и међусобна
интеракција возила.

Параметри саобраћајног тока су:

1) Проток возила
2) Густина саобраћајног тока
3) Брзина саобраћајног тока
4) Време путовања возила у току
5) Јединично време путовања возила у току
6) Временски интервал слеђења возила у току
7) Растојање слеђења возила у току

Поред набројаних параметара у стручној литератури се спомињу

још: растојање, структура тока, сложеност тока, меродавни проток,
карактер тока и др. Овде је прихваћена логика да се у ред основних
параметара уврсте показатељи који омогућавају успостављање
фундаменталних релација у условима идеалног тока, а да се остали
параметри укључе као карактеристични показатељи основних
особености саобраћајног тока чији је значај изузетан у описивању
одговарајућих релација у реалним токовима. У фокусу ће бити три
основна параметра саобраћајног тока: проток возила, густина и брзина
саобраћајног тока.

Проток возила

Под појмом проток возила подразумева се број возила који

прође посматрани пресек саобраћајнице у јединици времена у
једном смеру за једносмерне саобраћајнице или у оба смера за

58
 двосмерне саобраћајнице. Са гледишта реалних токова, у зависности
од начина посматрања у односу на простор разликујемо:
- проток возила на пресеку пута, и
- проток возила на деоници пута.
Проток возила на пресеку (одсека или деонице) пута
представља проток који се остварује на посматраном пресеку (одсека
или деонице) пута у јединици времена.
Проток возила на одсеку или деоници пута представља
аритметичку средину протока на n –пресека распоређених на
саобраћајној деоници, где n→∞ (условно).
Сва теоријска уопштавања фундаменталних релација у теорији
саобраћајног тока, када је реч о протоку, односе се на проток на одсеку
у једном правцу у једном низу и у једном смеру. Основна јединица за
исказивање протока возила је број возила на један час (воз/h).

Густина саобраћајног тока

Под појмом густина саобраћајног тока подразумева се број возила на

јединици дужине саобраћајнице, по саобраћајној траци, по
смеровима за једносмерне саобраћајнице, односно у оба смера за
двосмерне саобраћајнице. Значи, појам густине везан је просторно за
одсек или саобраћајну деоницу, а временски за тренутно стање

У пракси, с обзиром на временски период у коме се посматра,

густина саобраћајног тока се може представити:

а) Број возила по јединици дужине посматраног одсека (деонице) у

тренутку посматрања... g(voz/km),
N
g=
S
где је N – број возила у саобраћајном току на посматраном одсеку
пута у одређеном тренутку, S – дужина одсека у километрима.

59
 б) Број возила по јединици дужине посматраног одсека (деонице)
као аритметичка средина м-тренутних посматрања у неком временском
периоду
Т=m•t
где је: t – временски интервал између узастопних
посматрања густине... g(voz/km),
m – број тренутних посматрања.
Сва теоретска уопштавања фундаменталних релација у теорији
саобраћајног тока, када је реч о густини, односе се на густину на одсеку
у једном правцу у једном низу у једном смеру.
Основна јединица за исказивање густине је број возила по
једном километру.

Брзина саобраћајног тока

С обзиром да се ради о брзини саобраћајног тока, то се, за

разлику од општег појма брзине или брзине кретања појединачног
возила, под појмом брзине тока експлицитно мисли на одређену
СРЕДЊУ ВРЕДНОСТ брзина свих возила која учествују у
посматраном саобраћајном току.
Зависно од начина посматрања протока у односу на простор и
време, а с обзиром и на значење појма протока возила и густине тока, у
теорији саобраћајног тока су успостављена два појма за дефинисање
брзине саобраћајног тока као одговарајуће средње вредности брзина
свих возила која сачињавају посматрани саобраћајни ток.

Ти појмови су:
• СРЕДЊА ПРОСТОРНА БРЗИНА ТОКА, која је аналогно густини
просторно везана за одсек пута (S), а временски за тренутак.

60
 • СРЕДЊА ВРЕМЕНСКА БРЗИНА ТОКА, која је аналогно протоку
возила просторно везана за пресек пута, а временски за период
осматрања (Т).

Тренутно посматрање на одсеку S које доводи до средње

просторне брзине изгледа овако:
n
1
V S = ∑ tg β i
n i=1
Локално посматрање у времену Т које доводи до средње
временске брзине је:
m
1
V t = ∑ tg α j
8))
m i=1 (симбол збира шта је β ...)
Брзине се исказују у километрима на час (km/h).

Релације између базних параметара саобраћајног тока

Аналитички изрази релација између базних параметара

саобраћајног тока:
q=g•V; g=q/V i V=q/g.

Графичка интерпретација међузависности базних параметара

саобраћајног тока у теоријски идеалним условима по паровима V-g, V-q и
q-g је приказана на наредним сликама:

Брзина саобраћајног тока

61
 β3
Средња просторна брзина саобраћајног тока представља
аритметичку средину тренутних брзина свих возила у саобраћајном
току на посматраном одсеку пута
Ова брзина се зове и средња тренутна брзина тока.
Интервал слеђења возила са аспекта теорије саобраћајног тока
претставља време проласка чела две узастопне једнаке возне јединице
у једном низу једносмерног тока кроз попречни пресек пута.

Базна једначина модела о слеђењу возила гласи:

ОДГОВОР (t + tp) = ОСЕТЉИВОСТ (tp) х ПОДСТИЦАЈ (t)

Детерминистички математички модели који се користе у

описивању законитости кретања возила у саобраћајним токовима на
путевима деле се на:
1) микроскопске и

62
 2) макроскопске.
Ова подела је у функцији приступа у посматрању. Тако се приступ
који полази од посматрања законитости кретања појединих елемената
тока (појединих возила) назива микроскопски. Насупрот поменутом
прилазу, макроскопским приступом се назива онај који у изучавању
саобраћајног тока полази од укупног тока као континуалне целине.
Базирајући се на растојању слеђења возила у теорији саобраћајног тока
познати су следећи модели:
• модел константног растојања слеђења,
• модели растојања слеђења у функцији брзине,
• модели променљивог растојања слеђења, тзв.
модели „следи вођу“,
• психофизичи модел растојања слеђења.

За практично мерење средње просторне брзине може се доћи

мерењима са земље и из ваздуха, уз помоћ фототехника и
савремене електронске опреме.
Утврђивање средње просторне брзине саобраћајног тока на
бази локалних мерења

−
N
vs= N
1
∑v
i=1 i

9))N-број возила чија је брзина измерена на пресеку

посматраног одсека у неком периоду посматрања

63
 −
s
v s =−
t

− t 1 +t 2 +.. ..+t N
t=
N

s s s s
+ + +. ... ..+
− V 1( I −1) V 2( I−1) V 3( I −1) V N ( I −1 ) s N 1
t= = ∑
N N i=1 V i( I −1)

−
s s N
v s =− = N =N
t s ∑1 ∑
1
N i=1 V i( I −1) i=1 V i( I−1)

Израчунати
− −

ако је дато vt , vs

V 1(I −1 )=55 (km/h ) V 2( I−1)=57( km/h ) V 3( I −1)=58(km/h )

V 4 (I−1)=60( km/h ) V 1(I −1)=56(km/h )

−
v t =57,20( km/h )
−
v s =57,15( km/h )

Утврђивање средње просторне брзине саобраћајног тока на бази

квази-локалног мерења

На посматраном одсеку одреди се одсек дужине S Δ , а на

крајевима тог интервала уређај мери време проласка возила

64
 −
ΔS
v s =−
t

− t 1 +t 2 +.. . .+ t N
t=
N

Утврђивање средње просторне брзине саобраћајног тока на бази

квази-тренутног мерења
• У времену Δt одређује се пут па је средња просторна брзина
саобраћајног тока:

− m
1
ΔS = ⋅∑ ΔS i
m i=1
−
−
ΔS
vs=
Δt

Време путовања
• Време путовања као параметар саобраћајног тока представља
средњу вредност времена путовања свих возила посматраног
саобраћајног тока преко посматраног одсека пута
− q
1
t = ⋅∑ t i
q i=1
Интервал слеђења возила
• Интервал слеђења возила у саобраћајном току представља време
између проласка чела два узастопна возила кроз замишњени
пресек посматраног одсека пута.
10))Значајне особености саoбраћајног тока
 Сложеност саобраћајног тока
• Општи услови одвијања саобраћаја
• Састав или структура саобраћајног тока
• Временска неравномерност саобраћајног тока
Сложеност саобраћајног тока
Прост саобраћајни ток (елементарни или јединични ток) се састоји од
једног низа возила која се крећу у једном правцу и у једном смеру

65
Сложен саобраћајни ток се састоји од два или више простих
саобраћајних токова

⃗ ⃗
11))1.Међусобно су паралелни( паралелних) ( ⃗ ⃗
)
2.Међусобно се преплићу
3.Међусобно се секу

Услови одвијања саобраћајног тока

Непрекинути токови
To су токови при којима на њихово кретање возила једино делује њихова
међусобна интеракција која првенствено зависи од густине тока
Непрекинути саобраћајни ток представља основу за дефинисање
фундаменталних –теоријских релација између основних параметара
саобраћајног тока

Непрекинути токови али делимично ометани токови

Услове за Непрекинуте али делимично ометане токове пружају одсеци
путева на којима се врши преплитање, уливање или изливање токова у
зонама саобраћајних чворишта
Повремено прекинути токови
(Укрштаји праваца решени у истом нивоу)

Састав или структура саобраћајног тока

С обзиром на састав или структуру саобраћајни ток може да буде
• 12))Хомоген ток (Потребно )
• Нехомоген ток
• Условно хомоген ток

Хомоген ток

66
 • 13))Потребно је да је у његовом саставу искључиво једна врста
моторних возила Представља основу за дефинисање
фундаменталних –теоријских релација
• између основних параметара саобраћајног тока
Нехомоген или мешовити ток
• Реалан ток је у принципу нехомоген (или мешовити) ток . Ток
састављен од два или више моторна возила која су различите
врсте јесте нехомоген ток
• Степен нехомогености саобраћајног тока изражава се учешћем
осталих возила у односу на аутомобиле

q−q pA
Pkv = 100 %
q
Условно хомоген ток
• Овде се уводи количничко разматрање: Е-Однос произвољног
возила и аутомобила
• За мотоцикле Е<1
• За путничке аутомобиле Е=1
• За сва остала возила Е>1

Временска неравномерност протока возила

• 1.Цикличности које настју из потребе превоза људи и добара у
току временских периода.
• 2.Изналажење математичких модела за тумачење временске
неравномерности протока возила
Временска неравномерност протока возила с обзиром на цикличност
настајања захтева за превоз људи и добара
• 1. Часовна неравномерност у току 24 h
• 2. Часовна неравномерност у току 1г.
• 3. Дневна неравномерност у току 7д.
• 4. Дневна неравномерност у току 1м.
• 5. Дневна неравномерност у току 1г.

67
 • 6. Месечна неравномерност у току 1г.
• 7.Неравномерност по мањим временским интервалима од једног
часа у оквиру вршног часа
1. Часовна неравномерност протока возила у периоду једног дана
• Ова неравномерност се исказје односом између протока у
одређеном сату и средњег сатног протока у току целог дана
24

qi − ∑ qi 24 qi
i=1
F ai= q= F ai= 24
q
¿
24
∑ qi
i =1

Часовна неравномерност протока возила у току целе године

Представља варирање протока возила по појединим часовима у току
целе године тј. У периоду 8760 часова
Дневна неравномерност протока возила у периоду седам дана
• 14))Представља варирање протока возила по појединим данима у
периоду од седам дана – то је однос између протока возила у
појединим данима и средњег дневног протока посматраног
недељног периода.
7

DS i ∑ DSi 7 DS i
i =1
F ci= PDS 7 = F ci= 7
PDS 7 7
∑ DSi
i=1

Дневна неравномерност протока возила у периоду једне године

Представља варирање протока возила по појединим данима у току
целе године тј. даје се количником између протока возила у
појединим данима и просечног годишњег дневног саобраћаја
N

DS i ∑ DSi NDS i
i=1
F ei= PGDS= F ci= N
PGDS N
∑ DS i
i =1

Месечна неравномерност протока возила у периоду једне године

68
 • Представља варирање протока возила по месецима у току године.
– Даје се односом просечног дневног саобраћајног тока по
месецима и просечног годишњег дневног саобраћаја
• Неравномерност протока по мањим временским јединицама
од једног сата

12

PDS i ∑ PDS i 12 DS i
i =1
F fi= PGDS= F ci= 12
PGDS 12
∑ PDS i
i =1

• Неравномерност протока у периоду мањем од једног часа

изражава се преко следећих параметара:
n

xi − ∑ xi n⋅x i
i =1
f ( h) i= x= f ( h) i= n
¿
x n
∑ xi
i=1

Фактор вршног саобраћаја (FVS)

У случајевима релативно малих часовних протока у периоду од једног
часа, неопходно је познавање како је тај мали проток возила распоређен
по краћим временским интервалима у меродавном вршном часу (FVS)

∑ x i (voz /15¿ )
FVS( 15 )=
¿
¿
4 x max (voz/15 )

∑ x i ( voz /15 ¿)
0 .25≤FVS (15 )= ¿
¿ ¿1
4 x max (voz /15 )

У часовном протоку Градски путеви имају преко 2/3 саобрћаја на само

једном смеру за време шпица. Ова чињеница је довела до идеје о
наизменичној употреби трака по смеровима

Теоријске релације између основних параметара саобраћајног тока

69
 1. Теоријске релације између протока, густине и средње просторне
брзине тока
2. Растојања слеђења, интервала слеђења, дужина одсека,време
путовања и јединично време путовања
Под појмом идеалан саобраћајни ток подразумева се непрекинути ток
једног низа возила на једном правцу, који се креће у једном смеру. Осим
тога, сва возила су путнички аутомобили, исте марке, истог типа,
15))идентичних карактеристика, којима управљјају возачи истих
психофизичких особина, који на идентичан начин реагују у току вожње.
Уз примену рачунара и аутоматског управљања тежи се идеализацији
тока

Теоријске релације између протока, густине и средње просторне брзине

тока
q− Проток
g −густина
Vs
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h

Емпиријски модели међузависности основних параметара

саобраћајног тока

Основни резултати емпиријских исраживања изложени су кроз

• 1. Емпиријске моделе зависности средње просторне брзине тока

од густине тока
• 2. Емпиријске моделе зависности протока возила од густине тока
• 3. Емпиријске моделе зависности средње просторне брзине тока
од протока возила
1. Емпиријски модели зависности средње просторне брзине тока од
густине тока

70
 • густина тока
• средња просторна брзина тока
• брзина слободног тока
Теоријске релације између протока, густине и средње просторне брзине
тока
N
q=
16)) q− Проток саобраћајног тока t (број возила у јединици
времена)
N
g =
17)) g − Густина саобраћајног тока s ( број возила на деоници
пута)
s
Vs V=
- Брзина саобраћајног тока t
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h

Vs
Када је највећа густина брзина је најмања. Ако је q=g⋅V и
V =a⋅g+b ,
тада је q=g(ag+b)

g
71
 Vs
q q 1
V= = → (V −b )⋅V =q
g 1 a
(V −b )
Из релација q=g⋅V a добија се
парабола.

• - теоријски максимална густина тока при којој престаје кретање

V SL⋅g g
V s =V SL− =V SL⋅(1− )
gmax g max
Линеарни модел “брзина-густина”

Vs
Линеарни модел “брзина-густина”

V SL⋅g g
V s=V SL− =V SL⋅(1− )
gmax gmax
72
Логаритамски модел “брзина-густина”

V ZT
Емпиријски модели зависности средње просторне брзине тока од
густине тока
• Крива ток-густина позната је под називом “основни дијаграм
18))саобраћаја“

q− Проток
g −густина

g(voz/km)
73
 Параболички модел “ток-густина
• Из линеарног модела “брзина-густина”
g
V s =V SL⋅(1− )
g max
• И релације
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h
следи
g
q=g⋅V SL⋅(1− )
g max

−
N
vs= N
1
∑ vi
i=1
74
 Саобраћајни ток може да буде прост или сложен.
Прост или елементаран саобраћајни ток састоји се од једног низа
возила (најмање два возила) који се крећу у једном правцу и у једном
смеру.
Сложен саобраћајни ток – састоји се од два или више простих
саобраћајних токова који су: међусобно паралелни у истом или
супротном смеру, међусобно се уливају, међусобно се раздвајају-
одливају, међусобно преплићу, међусобно секу.

Модел “ток –густина”на путу на коме постоји „уско грло“

Уско грло на путу представља део пута са релативно неповољним
техничко експлоататорским карактеристикама
Сужење, успон, кривина, лоше стање коловоза.....

Дијаграм модела “ток –густина” на путу на коме постоји уско грло

• На основу дијаграма “брзина-густина”и “ток-густина”

75
 2
g
q=g⋅V SL− V SL
gmax
Математички модели у описивању законитости кретања возила у
саобраћајним токовима на путевима
19))Законитости кретања моторних возила у саобраћајним
токовима на путевима зависе од бројних фактора
1. Услови пута
2. Величина протока
3. Карактеристике протока
4. Возно динамичке карактеристике возила
5. Психофизичке особине возача
6. Мотивисаности возача
7. Стање и карактеристике система за регулисање и управљање
саобраћајем
8. Амбијентални услови(видљивост,клима рељеф..)

76
 Услови слободног тока који се у стручној литератури називају и
“слободан саобраћај”

• На посматраној деоници сва возила се крећу слободно, што значи

да на брзину сваког појединачног возила немају утицаја остала
возила на путу
• Возила могу мењати саобраћајне траке на сваком месту и тренутку
• То је ток по правилу мале густине и велике средње просторне
брзине
• Расподела протока на пресеку или одсеку пута може се доста
добро интерпретирати Пуасоновом расподелом, а расподела
интервала слеђења возила експоненцијалном расподелом
вероватноћа

Услови нормалног тока (делимично повезан саобраћај)

• То су такви услови када се возила крећу под делимичним утицајем
осталих возила. Возила нису у могућности да на било ком месту
изврше претицање
• -Математичко описивање претицања у нормалном току је знатно
сложеније него у слободном току.
• Стохастичке методе
• Расподела протока на пресеку или одсеку пута може се доста
добро интерпретирати Пуасоновом расподелом или биномном а
расподела интервала слеђења возила експоненцијалном
расподелом вероватноћа или помереном експоненцијалном
расподелом вероватноћа.
•
Услови засићеног тока који се у стучној литератури називају и
колонски саобраћај

77
 • Возила нису у могућности да у било ком тренутку или на било ком
месту изврше претицање
• Услови засићеног тока који се у стучној литератури назива и
колонски саобраћај, најбоље се описују детерминистичким
моделима(прости динамички модели слеђења,модели слеђења
вође и хидродинамичким моделом)
• детерминистички модели представљају основ за изучавање
20))капацитета и пропусне моћи пута у условима засићеног тока

Услови форсираног тока (принудни ток)

Као код засићеног тока и код форсираног тока ради се о условима
колонског саобраћаја са разликом што се код форсираног тока ради о
већим густинама и мањим брзинама уз честе застоје

Брзина у условима засићеног тока- сва возила се крећу приближно

истом брзином

− −
v zt ≃v t ≃v s

•
v f Брзина форсираниг тока(принудног тока), за сва возила је
приближно иста и мања је од брзине засићеног тока

Детерминистички математички модели

• Детерминистички математички модели деле се на
• Микроскопске (кретање појединачног возила)
• Макроскопске( кретање тока)

Микроскопски математички модели

• Модел константног растојања-растојање између посматраних
возила не зависи од брзине кретања возила

78
 21))Sh ‡ F(V) –ови модели имају смисла код потпуно
аутоматизованог управљања саобраћајним токовима
-Модел растојања слеђења у функцији брзине
- Модел променљивог растојања слеђења (следи вођу)
-Психофизички модели растојања слеђења.

Психофизички модел растојања слеђења

• Реакција убрзања или успорења возила (n+1) које следи возило (n)
не јавља се при било ком растојању и било којој брзини,већ при
достизању:
• граничног растојања слеђења возила Sh(G)
• и при достизању граничне вредности релативне разлике у

брзинама возила која се следе: ΔV (G )=V n −V n+1

• За сваког возача при слободној вожњи постоји оптимална

(психофизичка брзина) то је такозвана –жељена брзина.
• Макроскопска посматрања у описивању саобраћајног тока
• Свако возила у посматраном саобраћајном току креће се
искључиво по законитостима укупног тока
• Теорије које се користе за описивање оваквог кретања познате су
као теорије КОНТИНУМА у које спадају
• ХИДРОДИНАМИЧКА и
• ГАСНА теорија
• ХИДРОДИНАМИЧКЕ теорије
• Полазне претпоставке и извођење основних једначине
континуитета
• 1. Саобраћајни токови морају да буду једносмерни
• 2. Саобраћајни токови морају да буду континуални
• 3. Занемарује се чињеница да је свако возило контролисано од
возача
• 4. Саобраћајни токови морају да буду хомогене структуре
• 5. Сва возила се крећу по законитостима целог тока

79
• 6. ХИДРОДИНАМИЧКА аналогија више одговара токовима великих
густина.
• Базне релације у хидродинамици
• Маса делића флуида се не мења за време кретања
•
•
• Из ове релације следи
•
dm=ρ⋅dV =const .
d (dm) d ( ρ⋅dV )
=
dt dt
d ( ρ⋅dV ) dρ d (dV )
= ⋅dV + ρ⋅ =0
• dt dt dt
• Пошто је густина у функцији од времена и од положаја тј.
ρ= ρ(x , y , z , t )
∂ρ ∂ρ ∂ρ ∂ρ
dρ= ⋅dt+ ⋅dx+ ⋅dy + ⋅dz
∂t ∂x ∂y ∂z
∂ρ ∂ρ ∂ρ ∂ρ
⋅dt+ ⋅dx+ ⋅dy+ ⋅dz
dρ ∂t ∂x ∂y ∂z
=
dt dt
dρ ∂ ρ ∂ ρ dx ∂ ρ dy ∂ ρ dz
= + ⋅ + ⋅ + ⋅
dt ∂t ∂ x dt ∂ y dt ∂ z dt
dρ ∂ ρ ∂ ρ ∂ρ ∂ρ
= + ⋅Vx + ⋅Vy+ ⋅Vz
• dt ∂t ∂ x ∂y ∂z
• Ако посматрамо кретање у једном правцу
dρ ∂ ρ ∂ ρ dx ∂ ρ dy ∂ ρ dz
= + ⋅ + ⋅ + ⋅
dt ∂t ∂ x dt ∂ y dt ∂ z dt
dρ ∂ ρ ∂ ρ dx
= + ⋅
dt ∂t ∂ x dt
dρ ∂ ρ ∂ ρ
= + ⋅Vx
• dt ∂t ∂ x
• Једначина континуитета масе флуида која се креће у смеру х-осе
∂ρ ∂
+ ( ρV x )=0
• ∂t ∂t
•

• dm=ρ⋅dV =const .

80
• dm−elem . masa

• ρ−gustina

• dV −elem . zapre min a

• Vx−brzina− proticanja−smer−x−ose
• Једначина континуитета саобраћајног тока
ΔS -дужина одсека

g-густина-саоб.тока

V S− средње просторна брзина

∂ρ ∂
+ ( ρV x )=0
∂t ∂t

∂g ∂
+ ( gV S )=0
∂t ∂S
Узрочноци промена основних параметара дуж саобраћајнице

• 1.повећање прилива возила на одређеној деоници пута

• 2. Појава уског грла на путу

• повећање прилива возила на одређеној деоници пута ако је

стално, оно је праћено појавом “таласа”
• а ако је скоковито онда је праћено појавом “шок таласа”
• Код флуида то су турбулентна кретања
Једначина континуитета
• Ако се мења пресек цеви кроз коју флуид стационарно струји,тада
се мења и брзина флуида.

81
 Према закону о одржању масе
Δm= Δm1 =Δm2 =const

и како је вода нестишљива, не мења своју запремину:

ΔV 1= ΔV 2

Δm= ρ⋅ΔV =ρ⋅S⋅Δl

Δm= Δm1 =Δm2
Δm1 ρ⋅ΔV 1 ρ⋅S 1⋅Δl 1 Δl
= = = ρ⋅S 1⋅ 1
Δt Δt Δt Δt
Δm2 ρ⋅ΔV 2 ρ⋅S 2 Δl2 Δl2
= = =ρ⋅S 2
Δt Δt Δt Δt

Δl Δl
ρ⋅S1⋅ 1 =ρ⋅S 2 2
Δt Δt
ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2

S 1⋅v 1 =S 2⋅v 2
Овај израз назива се једначина континуитета
Δl Δl
ρ⋅S1⋅ 1 =ρ⋅S 2 2
Δt Δt
ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2

Једначина континуитета показује да је производ брзине течности у

неком пресеку цеви и површине пресека цеви сталан
S 1⋅v 1 =S 2⋅v 2=S 3⋅v 3 =.. ..=Sv =const
Масени проток
Δm ρΔV ρ⋅S⋅Δl
Qm= = = =ρ⋅S⋅v
Δt Δt Δt

[ Δm ] kg
[Qm ]= =
[ Δt ] s

82
 ΔV
Q=
Величина Δt је проток
• Јединица:
[ ΔV ] m3
[ Q ]= =
[ Δt ] s

Бернулијева једначина

83
 ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2
ΔV =S1⋅v 1⋅Δt=S2⋅v 2⋅Δt
m=ρ⋅ΔV =ρ⋅S1⋅v 1⋅Δt=ρ⋅S 2⋅v 2⋅Δt
ΔE= A
E1 =Ek 1 +E p1
E2 =Ek 2 +E p2
ΔE=E 2−E 1
ΔE=(E k 2 +E p 2 )−(E k 2 +E p 2 )
1
ΔE k = ⋅Δm⋅v 2
2
ΔE p =Δm⋅g⋅h
F 1 =p 1⋅S1
F 2 =p 2⋅S 2
A= A1 − A2 =F 1⋅Δl 1−F 2⋅Δl2 = p1⋅S 1⋅Δl 1− p 2⋅S2⋅Δl2
1 1
( ⋅Δm2⋅v 22 + Δm2⋅g⋅h )−( ⋅Δm1⋅v 21 + Δm1⋅g⋅h)=p 1⋅S1⋅Δl1 − p2⋅S 2⋅Δl2
2 2
1 1
⋅Δm2⋅v 22 + Δm2⋅g⋅h+ p2⋅S 2⋅Δl2 = ⋅Δm1⋅v 21 + Δm1⋅g⋅h+ p1⋅S 1⋅Δl1
2 2

F 1 =p 1⋅S1
F 2 =p 2⋅S 2
A= A1 − A2 =F 1⋅Δl 1−F 2⋅Δl2 = p1⋅S 1⋅Δl 1− p 2⋅S2⋅Δl2
1 1
( ⋅Δm2⋅v 22 + Δm2⋅g⋅h )−( ⋅Δm1⋅v 21 + Δm1⋅g⋅h)=p 1⋅S1⋅Δl1 − p2⋅S 2⋅Δl2
2 2
1 1
⋅Δm2⋅v 22 + Δm2⋅g⋅h+ p2⋅S 2⋅Δl2 = ⋅Δm1⋅v 21 + Δm1⋅g⋅h+ p1⋅S 1⋅Δl1
2 2

Једначина континуитета масе флуида која се креће у смеру х-

осе
dm=ρ⋅dV =const .
dm−elem.masa
ρ−gustina
dV −elem.zapre min a
Vx−brzina− proticanja−smer−x−ose

84
 ∂ρ ∂
+ ( ρV x )=0
∂t ∂t
∂ρ ∂
+ ( ρV x )=0
∂t ∂t
Једначина континуитета саобраћајног тока
ΔS -дужина одсека
V S− средње просторна брзина
∂ρ ∂
+ ( ρV x )=0
∂t ∂t
∂g ∂
+ ( gV S )=0
∂t ∂S
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h
• 22))Густина саобраћајног тока-g
• Средњи проток на одсеку- q

• Средња просторна брзина на одсеку-

VS
∂g ∂
+ ( gV S )=0
• ∂t ∂S
∂ρ ∂
+ ( ρV x )=0
• ∂t ∂t
• Појмови таласа и шок таласа
• ХИДРОДИНАМИЧКЕ теорије
• Полазне претпоставке и извођење основних једначине
континуитета
• 1. Саобраћајни токови морају да буду једносмерни
• 2. Саобраћајни токови морају да буду континуални
• 3. Занемарује се чињеница да је свако возило контролисано од
возача
• 4. Саобраћајни токови морају да буду хомогене структуре
• 5. Сва возила се крећу по законитостима целог тока
• 6. ХИДРОДИНАМИЧКА аналогија више одговара токовима великих
густина.
• Појмови таласа и шок таласа

85
 • Дуж пута, могу се појавити скоковите промене основних
параметара саобраћајног тока (1.-повећање прилива возила на
одређеној деоници пута ако је континуална онда је то појава
таласа а ако је скоковита онда је то појава шок таласа 2.појаве
уског грла на путу)
• Слични поремећаји код протицања флуида изазивају турбулентна
кретања.
• Брзина таласа
• По аналогији са протицањем флуида дефинисана је брзина таласа
као први извод функције тока по променљивој-густини

dq d (V S ) d(V S)
V W= q=V S g V W = =V S + g
• dg dg dg

g(voz/km)
dq d (V S ) d(V S)
V W= q=V S g V W = =V S + g
dg dg dg
Таласи се крећу уназад у односу на саобраћајни ток

g  0, VW  VS
g  gC VW  VS
g=gC V W =0
g>gC V W <V S

86
 g=gC V W=0
g>gC V W <V S
Дефиниција брзине ударног-шок таласа
V UT
g 2⋅V 2 −g1⋅V 1 q2 −q1
V UT = =
g2 −g1 g2 −g1
dq
V T=
Брзина таласа је dg
Стохастички математички модели
• 23))Основни параметри саобраћајног тока имају обележја
случајних променљивих
• Закони расподеле вероватноћа којима подлежу основни
параметри саобраћајног тока су: Пуасонова расподела, биномна
расподела, нормална расподела,експоненцијална
расподела,померена експоненцијална расподела,..
Биномни закон расподеле случајне променљиве

87
  n
P ( S n  k )    p k 1  p 
n k

k 
Могућност описивања протока биномном расподелом (код
појаве стварања колоне на одређеним одсецима)
T  960( s )
t  15( s )
m  64
voz
  0.498( )
s

x  7.47(voz)
voz
xmax  12( )
15s
n p  x
p  0.6225
q  1  p  0.3775

ПРИКАЗ НЕКИХ ИСТРАЖИВАЊА СА (НАДС) СИМУЛАТОРОМ

Напредни симулатор вожње (National Advanced Driving Simulator –

NADS) је модеран уређај који се користи у истраживањима везаним за
карактеристике возача и услова вожње. Он је развијен под
покровитељством Националне администрације безбедности саобраћаја
на аутопутевима у SAD (National Highway Traffic Safety Administration).
Пружа могућност најверније симулације у реалном времену. Састоји се
од велике куполе у којој могу бити смештене читаве шкољке возила
(аутомобили, теретна возила, аутобуси...). Кабине возила су опремљене
са електронским и механичким инструментима прилагођеним самом
моделу. Читав систем је могуће покретати, како попречно, тако и уздужно
по хоризонталној подлози, а могуће је и ротирати куполу у опсегу нешто
мањем од 360 степени, и то све у хали која има површину од 400 m 2. Све
ово ствара утисак код возача о правој вожњи,

Подаци који се очитавају, како са возила, тако и са возача, се

скупљају и обрађују, а у случају када је потребно поновити експеримент,
то је могуће извести у потпуно идентичним условима.

88
 NADS се налази у Универзитету у Ајови у Сједињеним Америчким
Државама. Овај Универзитет је изабран зато што је обезбедио најбоље
услове за смештај овако компликованог система који је коштао око 11,5
милиона америчких долара.
Помоћу NADS-а се истражује утицај алкохола, дроге, старења и
осталих карактеристика возача значајних за саобраћај. Овај уређај
омогућава и анализу примене најновијих решења попут Интелигентних
Транспортних Система (ITS) у областима телекомуникација, управљања
и техника контроле. Одговори на питања утицаја различитих лекова и
медикамената на вожњу су један део истраживања која се спроводе уз
помоћ NADS-а на Универзитету у Ајови. Аутомобилска индустрија
користи овај систем за тестирање и развој најновијих уређаја који
повећавају безбедност у саобраћају. Питање утицаја карактеристика
возача, за које се сматра да су узрочник око 90 одсто незгода са
моторним возилима, се коначно испитују у пуној безбедности
NADS се састоји из неколико подсистема који обезбеђују да возач
има осећај истинског окружења.
Визуелни подсистем омогућава возачу реално видно поље,
укључујући ту и поглед иза аутомобила помоћу огледала. Сцена вожње у
потпуности је повезана са сензорима. Помоћу овог подсистема могу се
симулирати сви маневри у вожњи преласци преко раскрсница, укрштања
са железницом, услови вожње у различито доба дана или пак под
различитим временским условима.

Подсистем покретања пружа могућност комбинације

транслаторног и угаоног кретања који симулира кинетичко и динамичко
кретање возила. Овај систем је усаглашен са подсистемом променљиве
"шкољке" и конфигурисан је тако да репрезентује специфичне силе и
угаоне промене које се појављују при извођењу различитих потрба
вожње.

Подсистем променљиве "шкољке" се састоји од четири модела

који се лако могу демонтирати и поново монтирати у зависности од

89
потреба експеримента. Све кабине задовољавају важеће стандарде и у
њих је могуће накнадно уградити нека нова технолошка решења.

Управљачки подсистем је састављен од управљача, кочница,

мењача, квачила и свих неопходних делова који су потребни за
управљање возилом. Сви они су конструисани тако да одговарају на
реакције возача, на различите начине мењања брзина (аутоматско или
мануелно), да преносе осећај трења између пнеуматика и подлоге, итд.
Наравно, тако су направљени да нема кашњења реакције самог
подсистема или промене команде, од оне која је задана.

Аудио подсистем омогућава извор правих звукова кретања који

су повезани са овом радњом. Постоји комплетна база података свих
звукова у којој се налазе и звуци преласка преко неравнина, звуци
кретања у колони, загушеног саобраћаја, преласка возила преко лошег
или пак потпуно новог коловозног застора, итд. Сви звуци имају и своје
варијанте у зависности од временских услова и промене истих, нпр.
кишовито време...

Подсистем софтвера динамике возила је део који репрезентује

све потребне акције нужне за кретње возила и усаглашава их са осталим
подсистемима: визуелним, покретачким, управљачким, аудио, итд. Овај
софтвер покрива варијанте путничких возила, теретних возила, тешких
теретних возила и аутобуса.

Констатовано је да се погледи возача при слеђењу возила,

нарочито при нижим брзинама и честим успорењима и заустављањима,
усмеравају на поље задњег прозора возила које се следи. То се
објашњава потребом возача да кроз задње стакло добије што више
информација о догађајима у току испред. Истраживања су показала да
треће СТОП светло које се налази на месту где се концентрише возачев
поглед, уочава се за краћи период што за последицу има његове бољуе
реакције у току вожње.

90
Допуна

1.тернарна логика
Карактеристике поливаленте логике зависе од броја стања те логике.
После бинарне логике, следедећа логика је тернарна логика са три
стања. У информационим машинама (рачунари, биолошки молекули)
рационално је применити такав бројни систем у коме се за
представљање броја користи што мање симбола и разреда. Величина
информационе апаратуре K пропорционалана је следећим величинама:
K = anR, где је n број разреда, R број симбола у датом бројном
систему и a је коефицијент пропорционалности. Број симбола
примењених у датом бројном систему једнак је основи система R.
Максималан број Nmax који се може записати у n разреда система је:
Nmax=Rn-1. При довољно великом n: Nmax  Rn и dobija se:
ln N max
n=
ln R
Ако уврстимо n у једначину K=anR добијамо:
a ln N max
K= ⋅R
ln R
∂K
=0 ⇒ ln R=1
∂R
R=e

a ln N max
K= R
Из једначине ln R за кодове, констатује се да са аспекта
бројног система и броја места за регистровање информације,
најекономичније би било радити у систему са основом “е”, а
најприближније у тернарном бројном систему
У пракси се користе основе које су блиске броју е. Најближа је основа
“три”. Одавде произилази значај тернарног система. У оквиру тернарног
бројног система аутор је изложио један његов D систем тровалентних

91
функција. Овај систем је подесан за претстављање и анализу
ротирајућих елемената као што су микротубуле у саставу центриола
(биологија), или кретање зупчаника у оквиру неког механизма или у
пројектовању светлосне сигнализације код саобраћајних токова(три
стања семафора:цревено,жуто и зелено светло).

Логика са четири стања у којој је уведена коњункција и дисјункција је

еквивалентна логици са два стања. Петовалентна логика је следећа
карактеристична логика

4. Тернарна логика и D-систем

Карактеристику поливалентне логике одређује број стања независне

променљиве. Тај број стања повезан је са теоријом прим-бројева,
теоријом бројних основа и све више са декодирањем разних
информационих функција у биосистемима.

4.0.1 Boole-ова алгебра

Формална логика изучава основне форме мишљења. Њени закони до

којих се дошло многовековним искуством, изражавају извесна битна
својства реалности. На темељу формалне логике развила се
математичка логика као научна дисциплина са измењеним предметом
изучавања и са другим математичким апаратом и математичким
методама. Специјална алгебарска структура, тзв. Бооле-ова алгебра
дефинише се у литератури на више начина који су међусобно
еквивалентни.

Дефиниција [1] Boolе-ove алгебре

Скуп B садржи најмање два елемента 0 и 1. На скупу су одређене две
бинарне операције + и  следећим аксиомама:

92
 1 (I) a+b=b+a (II) ab=ba
2 (I) (a+b)c=ac+bc (II) (ab)c=a(bc)
3 (I) a+(bc)= (a+b)(a+c) (II) a(b+c)=ab+ac
4 (I) a+0=a (II) a∙ 1=a

5 (I) a+a=1 (II) a⋅a=0

где су a, b, c  B

Уређена четворка (0, 1, +, ) је Бооле-ова алгебра. Бинарне функције

коњункција, дисјункција и унарна функција негација на скупу L2={0,1}

испуњавају дате аксиоме тј. представљају модел Бооле-ове алгебре.

Дефиниција [1]: Елементи скупа L2 : 0 и 1 зову се Boole-ове константе

1. Boole-ове константе и Boole-ове променљиве су Boole-ови
изрази

2. Ако су A i B Boole-ови изрази тада су (A+B), (AB), A ,B

Boole-ови изрази.
3. Boole-ови изрази су само они симболи који се добијају коначном
применом тачака 1 и 2.

Релација xα на скупу L2 одређена је са :

xα = 0 ako je x≠α
{ x , α ∈ L2
1 ako je x=α
Променљиве које узимају само две вредности зову се бинарне или Boole-
ове променљиве. Функције коначног броја бинарних променљивих које
такође могу узимати само две вредности зову се прекидачке или Boole-
ове функције.

93
Boole-ови изрази који не садрже дисјункцију зову се елементарне
коњункције, а Boole-ови изрази који не садрже коњункцију зову се
елементарне дисјункције.

Дефиниција [10]: Елементарна коњункција C у односу на променљиве

x 1 ,x 2 ,... x n зове се канонска елементарна коњункција ако свака

променљива
xk (или њена негација) k=1,…,n узета једном, учествује
у изградњи коњункције C. Аналогно се дефинише канонска
елементарна дисјункција

Дефиниције:
n
∑ Ci
1. Дисјунктивна форма i=1 зове се Канонска дисјунктивна
нормална форма (краће КДНФ) у односу на променљиве

x 1 ,x 2 ,... x n , ако су C1 ,C 2 ,....C m канонска елементарна коњункција

у односу на променљиве
x 1 ,x 2 ,... x n

m
∏ Di
2. Коњуктивна форма i=1 зове се Канонска коњунктивна
нормална форма (краће ККНФ) у односу на променљиве

x 1 ,x 2 ,... x n ако су D 1 , D2 ,.... Dm канонска елементарна дисјункција

у односу на променљиве
x 1 ,x 2 ,... x n

Теорема 4 [10]: Сваки Boole-ов израз који садржи неке од

променљивих
x 1 ,x 2 ,... x n може се трансформисати у КДНФ (ККНФ) у

односу на променљиве
x 1 ,x 2 ,... x n

94
Свака Boole-ова функција може да се интерпретира:

α α2 α
f ( x 1 , x 2 , .. .. x n ) = ∑ f ( α 1 , α 2 , . .. . α n )⋅x 1 1 x 1 1 ¿ .. ..⋅x 1 n
α ∈ L2
у КДНФ или

α α2 α
f ( x 1 , x 2 , .. .. x n ) = ∏ f ( α 1 , α 2 , . .. . α n ) + x1 1 + x 1 1 +. .. .+ x 1 n
α ∈ L2
у ККНФ.

Ако је скуп P произвољан скуп логичких функција од n променљивих и

Q∈ P и ако се свака функција f ∈P може представити

суперпозицијом променљивих xi (=1, 2,…, n) и функција из подскупа Q,
тада Q представља функционално потпуни систем скупа P. Скуп
функција Q се назива база. База је преопширна ако у њој постоји бар
једна функција чије одстрањивање не доводи до нарушавања
функционалне потпуности Q.

4.0.2 Проширење Boole-ових операција са скупа L2

на скуп L2k

На скупу L2 операције дисјункције, коњункције и негације дефинисане су

уобичајеним таблицама. За њих је L2 регуларна Boole-ова алгебра.
Дефиниција регуларности узима се према [11].

Ако је пресликавање Lk  L2k одређено на следећи начин:

k−1 k−2 0
ϕ( x 1 , x 2 ,. . . x k )=2 ⋅x 1 + 2 ⋅x 2 +.. .+2 ⋅x k , x{0,1} где је L={0,1,2…,2k-1}

може се дефинисати бинарна операција  и унарна операција  тако

да се на L2k добија регуларна алгебра.

x=ϕ ( α 1 , α 2 ,. . .. α n ) , y=ϕ ( b1 , b 2 ,. . .. bn )
Дефиниција [11]: Нека је где су

ai , bi ∈ L 2 и  је једна од операција , 

95
 ϕ ( α 1∗, b1 , α 2∗b2 , .. . , α n∗bn )
xy=
¬x=ϕ ( ¬α 1 , ¬α 2 , . .. . ,¬α n )

Непосредно се показује да за ове операције L2k је регуларна Boole-ова

алгебра. Улогу истакнутих елемената имају 0 i 2k-1. На L2 важе
релације:
x=1-x, xy = x+y - x∙y, x  y = 1 - (x+y) + 2xy

На основу ових веза и природе и функције, у L2k важе једнакости

x = (2k-1)-x
xy = x+y - xy = x +  (xy)
x  y=x + xy = (2k-1)-x + xy
X  y=x y + xy = (2k-1) - (x+y) + 2∙(xy) =  (x+y)+ 2∙(xy)

За извршавање ових операција довољно је имати таблицу коњункције на

скупу L2m. Вредности за коњункцију у 2м+1-значној Бооле-овој алгебри
добијају се преко рекурентне формуле описане на следећи начин: нека је
матрица T2m одређена садржајем таблице коњункције на скупу L2м и
нека је K2m квадратна матрица реда 2m чији су елементи константе 2m,
тада је:

m m
m+1 T2 T2
T 2 =‖ m ‖
T2 T m2 +K m2

Лако се може написати програм за израчунавање ове матрице према

датој рекурентној формули. Ова генерисања се раде на скупу од четири,
осам, шеснаест,…, 2k знакова. Значи тернарна алгебра и њена
проучавања не припадају овој методологији. За коначно n=2m постоји
једна Boole-ова алгебра, а за коначно n2m, не постоји Boole-ова
алгебра са н елемената. Изучавање Boole-ове алгебре уско је повезано
са топологијом и то са оним делом топологије који изучава Stone-ове
просторе [42].

96
За поливалентне логике са k-стања где је k облика 2n (n је природан
број већи од један) значајна је теорема Stone-ова (Стоун) [42].

Теорема 5: Свака коначна Boole-ова алгебра је изоморфна партитивном

скупу неког (коначног) скупа снабдевеног операцијама уније и пресека
[42].
На основу ове теореме ставови из Boole-ове логике преносе се у логике
са k=2n стања.

97
4.1 D-систем у тернарној алгебри

Идеја о логици у којој осим о реченицама које су истините или лажне

можемо говорити још и о реченицама других врста није нова. Антички
мислиоци су расправљали о реченицама које се односе на будуће
догађаје и за које у тренутку када се изричу не може да се каже да ли су
истините или лажне. Ипак идеја о логици као формалном систему који би
имао поливалентну интерпретацију тековина је тек двадесетог века.
Почетком друге деценије двадесетог века један од првих, Н.А.Васиљев
(1880-1940), професор универзитета у Казану, изложио је своје идеје о
тровалентној логици. У логици Васиљева исказне реченице могу да буду:
афирмативне, негативне и индиферентне. Иако је Васиљев врло јасно
изложио своје идеје у периоду од 1910-1913 године, за осниваче теорије
поливалентних логика се сматрају Jan Lukassiewicz i Емил Пост, који су
своје системе развили независно један од другог. Лукассиеwицз је 1920
године конструисао свој први систем тровалентне логике. Његов скуп
исказа подељен је на три класе : истинити (1), лажни (0) и неутрални
(1/2). У његовој логици формулисан је принцип о искључењу четвртог.

Дефиниција 1 [15]: Проста тернана променљива је назив за

величину која може да прима само три вредности. Ове вредности се
уобичајно обележавају са 0, 1, 2 или -1, 0, 1. У случају
обележавања вредности са -1, 0, 1 каже се да је променљива
алгебарска.

Дефиниција 2 [15]: Тернарна функција f(X) је комплетна ако свакој

вредности X(x1,x2,...,xn) одговара одређена ведност од f(X). Ако
постоји једна или више вредности X за које функција f није
одређена, тада је она некомплетна.

98
 Дефиниција 3 [15]: Нека је f(x1, x2, ..., xn) тернарна функција. За
функцију f каже се да је независна од једне променљиве xi, ако је
f(x1,x2,..,xi- 1,0,xi+1,...,xn) = f(x1,x2,..,xi-1,1,xi+1,...,xn) =
f(x1,x2,...,xi- 1,2,xi+1,...,xn).
Ако је испуњена само једна од ове две једнакости (три могућности),
функција f је тада парцијално независна.

4.1.1 Представљање тернарних функција таблицом

истинитости

Тернарна функција f(X) може да се представи помоћу три скупа. У

првом су бројеви редова у којима је вредност функције 2, у другом
бројеви редова у којима је вредност функције 1, у трећем скупу су
бројеви редова у којима је вредност функције 0.
Овакав начин представљања тернарне функције једноставнији је од
записа истинитосних таблица са варијацијом свих ведности
променљивих и колоне за вредност функције.

Представљање тернарне функције помоћу матрица увео је E.W.Veitch:

Нека је f(x1, x2, ..., xn) тернарна функција. Ако се са X обележи тернарна
p-торка x1,x2,….xp, а са Y обележи тернарна (n-p)-торка xp+1,xp+2,…xn ,
матрица која садржи 3n-p колона и 3p редова може да интерпретира ову
функцију. У пољима матрице записују се вредности функције. Празном
пољу одговара неодређеност функције. Оваква матрица се назива
матрица партиција и обележава се са (Y/X).

Постоји 27 тернарних функција једне променљиве. Неке од њих се

дефинишу као:
fabc(0)=a, fabc(1)=b, fabc(2)=c где су (a,b,c, fabc)  {0,1,2}

99
 Функције константе су: f000=0, f111=1, f222=2
Функција f210(x)=x’ је дуална променљива променљиве x
Функција f201(x)=x је циклична функција променљиве x
Функција f200(x)=x0 је функција J0
Функција f020(x)=x1 је функција J1
Функција f002(x)=x2 је функција која се још обележава са J2
Функција xab за axb има вредност 2, у другим случајевима
xab=0

Постоји 19683 функција од две променљиве. Неке од њих се дефинишу

као:
Функција минимума од две променљиве f(x1,x2)= x1∙x2
Функција максимума од две променљиве f(x1,x2)= x1+x2
Функција збира по модулу три, од две променљиве f(x1,x2)= x1x2
Функција производа по модулу три, од две променљиве f(x1,x2)=
x1x2

Таблица истинитости функција минимума од две променљиве f(x1,x2)=

x1∙x2:

min(x1,x2) 0 1 2

0 0 0 0

1 0 1 1

2 0 1 2

Таблица истинитости функција максимума од две променљиве f(x1,x2)=

x1+x2:

100
 x1+x2 0 1 2
0 0 1 2
1 1 1 2
2 2 2 2

Функција збира по модулу три, од две променљиве f(x1,x2)= x1x2:

x1x2 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1

Функција производа по модулу три од две променљиве f(x1,x2)= x1x2:

x1x2 0 1 2
0 0 0 0
1 0 1 2
2 0 2 1

Функција мајоризације од три променљиве S(x1,x2,x3) je:

x2 x3
0 0 0 0 0 0 0 1 2
x1 0 0 1 0 1 2 1 2 2
0 1 2 1 2 2 2 2 2

101
Функција Т од четири променљиве одређена је са:
T(x0, x1, x2, ) = xi за =i

4.1.2 Lukassiewicz-ев тровалентни систем

Један исказ је или истинит или лажан или неутралан. Класе исказа у
овом систему се искључују, то јест непротивуречност је сачувана. Један
исказ не може истовремено имати две вредности. У овој тровалентној
логици исказне променљиве узимају вредности из скупа {0,1/2,1}.
Исказне променљиве означене су у складу са ранијим разматрањима.
Основне везе у Lukassiewicz-евој тровалентној логици су  и .
Формуле су:
I. Променљиве које стоје саме
II. Ако је А формула онда је и А формула.
III. Ако су A i B формуле онда је и AB формула.

Основне логичке формуле из тровалентне логике могу се дефинисати

аналогно двовалентној логици:
w(A) = 1-w(A)
w(AB) = min(1,1- w(A)+ w(B))
w(AB) = max(w(A), w(B))
w(AB) = min(w(A), w(B))

Многе таутологије двовалентне логике нису прихватљиве формуле у

тровалентној логици Lukassiewicz-a (L3). На пример, АА је таутологија
у двовалентној логици, а пошто не важи закон непротивуречности и закон
“искљуцења трећег” из класичне двовалентне логике (а што не значи да
важе негације ових закона), ни оне нису прихватљиве формуле у L3.
Двовалентна логика добија се из L3 када се ½ искључи као могућа

102
вредност. Lukassiewicz-еву логику (L3) су аксиоматизовали Тарски (1930)
и Wajsberg (1931).

Wajsberg-ови аксиоми су:

1. A  (BA)
2. (AB)  ((BC)  (AC))
3. (((AA)A)A)
4. (BA)  (AB)

Једино правило закључивања је модус поненс (MP).

Рачун (L3) је функционално непотпун. На пример, помоћу  и  не
можемо у L3 дефинисати функцију која би за све вредности аргумената
имала вредност ½

4.1.3 Slupecki-ев тровалентни систем S3

L3 је функционално непотпун систем. Слупецки је систему L3 додао

функцију Т која за све вредности аргумената има вредност ½. Овако
добијен систем је функционално потпун. У овом тровалентном систему
аксиоме су:
S1-S4 као у L3 Wajsberg-ови аксиоми
S1. A(BA)
S2. (AB) ((BC) (AC))
S3. ((( AA)A)A)
S4. (BA) (AB)
S5. TA  TA
S6 . TA  TA

Једино правило закључивања је модус поненс(MP).

103
4.1.4 Slupecki-ев тровалентни систем SL3

У овом систему Слупецки је узео две унарне операције N и R и једну

бинарну операцију коју је обележио са  . Овај тровалентни систем
заснован је на аксиомама:
1. ((AB)((BC)(AC)))
2. ((AA)A)
3. (A(AB))
4. (RAA)
5. (R(AB)RB)
6. (A(RBR(AB))
7. (RRAA)
8. (ARRA)
9. (NRNA)

Једино правило закључивања је модус поненс (MP).

Овим логичким функцијама одговара таблица истиности (N и R су
унарне операције и једина бинарна операција обележена је са ):

 0 ½ 1 N R
0 1 1 1 1 0
½ 1 1 1 1 1
1 0 ½ 1 0 ½

Систем који генерише матрица истинитосних вредности је дедуктивно

потпун.

104
4.1.5 Kleene-ова тровалентна логика

Овај систем је оргинално конципиран на чврстим математичким

основама. У тој логици трећа вредност интуитивно репрезентује
неутралну (u) вредност. Намера је да се са (u) означи стање
делимичног незнања. Стратегија Kleene-ове тровалентне логике састоји
се у одређивању праве вредности истина-(t) или лаж-(f) из различитих
комбинација истинитосних вредности (u), (t), (f). Kleen је увео низ слабих
функција у којима фигуришу неутралне компоненте а помоћу ових
функција ствара нове релације. У овој интерпретацији тровалентне
логике уводи се предикатски рачун првог реда преко дефинисања
егзистенцијалног квантификатора, универзалног квантификатора и
основних операција са тим квантификаторима. Овакво дефинисање је
често у математичкој логици, да се егзистенцијалном квантификатору да
облик бесконачне дисјункције, а универзалном квантификатору облик
бесконачне коњункције, за бесконачне пребројиве скупове. Или код
коначних скупова егзистенцијални квантификатор има облик коначне
дисјункције, а универзални квантификатор има облик коначне
коњункције.

t за свако i α i =t
i∈ I i

{
¿ α = f ako je зa неко i α i =f
m за остале случајеве
f за свако i α i =f
i∈ I i

{
¿ α = t ako je зa неко i α i =t
m за остале случајеве

Kleen-ове везе код тровалентног система су :

105
 t f u

t t f u

f f f f

u u f u

 t f u

t t t t

f t f u

u t u u

 t f u

t t f u

f t t t

u t u u

 t f u

t t f u

f f t u

u u u u

106
 A A
t f
f t
u u

Ако се изврши замена t1, u½, f0, тада је испуњено:

w(A)=1-w(A)
w(AB)=min(1,1- w(A)+ w(B))
w(AB)=max(w(A), w(B))
w(AB)=min(w(A), w(B))

4.1.6 Bochvar-ова тровалентна логика

Ова логика је директна последица изучавања семантичких парадокса.

Основне Боцхварове операције задате су следећим таблицама:

 t f m

t t f m

f f f m

m m m m

107
  t f m

t t t m

f t f m

m m m m

 t f m

t t f m

f t t m

m m m m

A A
t f
f t
m m

A TA
t t
f f
m f

108
У систему је укључен додатни оператор (Heack, 1978) који је међу датим
везама означен са Т. Овом унарном функцијом олакшава се увођење
“спољашњих веза” које су дате следећим релацијама:

A = TA
AB = TATB
AB = TATB
AB = TATB

Универзални и егзистенцијални квантификатор у Bochvar-овој логици

уводи се помоћу израза:

f за свако i α i =f
i∈ Ii

{
¿ α = t ако je за неко i α i =t , за свако i α i ¿ m
m зa остале случајеве
t за свако i α i =f
i∈ Ii

{
¿ α = f ако je за неко i α i =t , за свако i α i ¿ m
m зa остале случајеве

У таблицама истиности спољашњих веза за функције су заступљене

само две вредности t или f.

4.1.7. Алгебра Поста

Скуп формиран од функције минимума две независне променљиве и

већ поменуте функције f201(x) је потпун систем Поста

109
4.1.8 Вишезначна функција две променљиве

Функција f(x1, x2, ..., xn) је функција к-значне логике, ако њени аргументи
узимају вредност из скупа {0, 1, ..., k-1}, а и ако сама функција прима
вредности из тог скупа.
Скуп свих функција k-значне логике обележава се са Pk
У литератури најчешће сусрећемо ове функције вишезначне логике:
1. k-значна дисјункција xVy = max(x,y)
2. k-значна коњункција xy=min(x,y)
3. k-значна функција Seffer-a Vebb-a x/y = xVy +1 (mod k)
4. Функција сабирања по модулу k x+y (mod k)
5. Функција производа по модулу k xy (modk)

За k=2 функције коњункције и дисјункције подударају се са

одговарајућим функцијама двозначне логике са аналогним зависностима:

x∨y=x∧ y
x∧y=x∨ y

У k-значној логици за коњункцију и дисјункцију важи асоцијативни,

комутативни и (један и други) дистрибутивни закон. Коњункција у к-
значној логици дефинише се изразом:
x 1∧x 2 ∧.. .∧x k =min( x 1 , x 2 , . .. , x k )

Коњунктивни елеменат има облик

x 1∧x 2 ∧.. .∧x k .

Дисјункција у k-значној логици дефинише се изразом:

x 1∨x 2 ∨.. .∨x k =max( x1 , x 2 , .. . , x k )

Дисјунктивни елемент има облик

x 1∨x 2 ∨.. .∨x k

110
У вишезначној логици уводи се СДНФ (савршена дисјунктивна нормална
форма)
σ σ σ
f (x 1 , x 2 , .. .. , x n )=¿ f ( σ 1 , σ 2 , . .. . , σ n )∧( x 1 1 ∧x 22 ¿ .. . .∧x nn 1 )

σ
где је:
σ ∈ N 0 ∧0≤σ ≤k −1 , a x =¿ ¿
и СКНФ (савршена коњунктивна нормална форма) која се аналогно
дефинише
σ σ σ
f (x 1 , x 2 , .. .. , x n )=¿ f ( σ 1 , σ 2 , . .. . , σ n )∨( x 1 1 ∨x 22 ¿ .. . .∨x nn 1 )

σ
где је:
σ ∈ N 0 ∧0≤σ ≤k −1 a x =¿ ¿

За поливалентне логике са k стања, где је k облика 2n (n природан

број већи од један), значајна је Stone-ова (Стоун) теорема: Свака
коначна Boole-ова алгебра је изоморфна партитивном скупу неког
(коначног) скупа снабдевеног операцијама уније и пресека [42]. На
основу ове теореме ставови из Булове алгебре преносе се у логике са
k=2n стања.

Теорема 6 (Теорема Слупецког): (пошто има конструктивни карасктер,

из ње следи критеријум Слупецког): Нека систем (U) функција из Pk ,
где је k3, садржи све функције једне променљиве. За потпуност
система (U), потребно је и довољно да (U) садржи и функцију f(x1,
x2, ..., xn), која завси не мање од две променљиве и прима све вредности
од 0 до k-1 . (Доказ: [3], [57])

4.1.9 Критеријум Слупецког

Ако систем (U) функција из Pk , где је k3, садржи све функције једне
променљиве, за потпуност система (U), потребно је и довољно да (U)

111
садржи и функцију f(x1, x2, ..., xn), (коју оформљујемо) која зависи не
мање од две променљиве и прима све вредности од 0 до k-1.

112
4.2 D – систем

У овом поглављу заснива се један рачун тернарне алгебре који је

инспирисан импликативним изразима у рачуну исказа и предикативном
рачуну, као и у раду механизама зупчаника.

Теорема 7: Функције N, N' i D1 чине потпун систем тернарних

функција.

За реализацију овог система узима се скуп стања S {-1, 0, 1} функција

N= −1 0 1
( )
D1 од две променљиве, функција 1 0 −1 од једне
променљиве, која испуњава x D1 y = (N y) D1 (N x) и ради потпуности

N '= −1 0 1
( )
система још једна унарна функција −1 1 1 .. Фунција D1
дата је следећом таблицом:

x y x D1 y
−1 −1 0
−1 0 −1
−1 1 −1
0 −1 1
0 0 0
0 1 −1
1 −1 1
1 0 1
1 1 0

Доказ:
Комбинаторном таблицом (табела 4.1) дат је начин добијања 27 унарних
функција из система две унарне функције N, N' и бинарне функције
D1.

113
 1 −1 −1 −1 N ( N '( xDx ))
2 −1 −1 0 13 D 25
3 −1 −1 1 N 25
4 −1 0 −1 8 D 27
5 −1 0 0 1 D19
6 −1 0 1 N ( N ( x ))
7 −1 1 −1 N'4
8 −1 1 0 6 D 21
9 −1 1 1 N' 6
10 0 −1 −1 1 D6
11 0 −1 0 6D9
12 0 −1 1 11 D13
13 0 0 −1 10 D 11
14 0 0 0 xDx
15 0 0 1 N 13
16 0 1 −1 N 12
17 0 1 0 N 11
18 0 1 1 N 10
19 1 −1 −1 N9
20 1 −1 0 N8
21 1 −1 1 N ' 11
22 1 0 −1 N6
23 1 0 0 N5
24 1 0 1 N4
25 1 1 −1 N ' 22
26 1 1 0 N2
27 1 1 1 N '( xDx )

Путем ове три функције можемо изразити сваку унарну функцију.

0 0 −1
1 1 −1
Ознака x D1 x = D(x,x) , нпр. 13 D1 25 = −1 −1 0 ,
јер је (0,1)  - 1, (-1, -1)  0.

Унарне функције добијале су се овим редом:

114
 1, 6, 9, 10, 11, 13, 12, 14, 15, 16, 17, 18, 19, 21, 8, 20, 22, 5, 23, 27, 4,
7, 25, 3, 2, 26, 24

Функција N једне променљиве бира се из услова да је x D1 y = Ny D1 Nx.

Такође се од ове унарне функције захтева да прима све вредности из S.
Анализом шест унарних функција које испуњавају други захтев:

(−1−1 00 11 )
N1 = (−1−1 01 10 )
N2 =

−1 0 1 −1 0 1
N =(
0 −1 1 )
N =(
3 4
0 1 −1 )

N = (−1 0 1 )
5 N = (−1 0 1 )
6
1 −1 0 1 0 −1

долазимо до функције N6 , која испуњава и први услов. Захтев да

бинарна функија узима све вредности у скупу С испуњен је. На основу
теореме Слупецког N, N' i D1 чине потпун систем тернарних функција.


Због потпуности логичког система, уведена је и функција N' :

N ' = −1 0 1
( )
−1 1 1

Функција D1 показује "законитост" у односу на вредност у петој (средњој)

врсти, што сугерира другу релацију D2 .
x y x D2 y
−1 −1 0
−1 0 1
−1 1 1
0 −1 −1
0 0 0
0 1 1
1 −1 −1
1 0 −1
1 1 0

115
Неке особине функција D1 , D2 i N :
1. x D1 x = 0
2. x D2 x = 0
3. D1 (D2 (x, y), D1 (x, y)) = D2 (x, y)
4. D1 (D1 (x, y), D2 (x, y)) = D1 (x, y)
5. D2 (D1 (x, y), D2 (x, y)) = D1 (x, y)
6. D2 (D2 (x, y), D1 (x, y)) = D2 (x, y)
7. D1 (x, y) = D1 (Ny, Nx)
8. (def): D3 (x, y) = D1 (Nx, y)
9. D3 (x, y) = D3 (y, x)
10. D3 (x, y) = ND1 (x, y)
11. D1 (x, y) = ND1 (Nx, Ny)
12. ND1 (x, y) = D1 (Nx, Ny)

Доказ неких од ових особина преко комбинаторних таблица [57]

1. xD1x=0
2. xD2x=0

x xD1x xD2x
-1 0 0
0 0 0
1 0 0

3. D1 (D2 (x, y), D1 (x, y)) = D2 (x, y)

116
 x y x D2 y x D1 y D1 (D2 (x, y), D1 (x, y))
-1 -1 0 0 0
-1 0 1 -1 1
-1 1 1 -1 1
0 -1 -1 1 -1
0 0 0 0 0
0 1 1 -1 1
1 -1 -1 1 -1
1 0 -1 1 -1
1 1 0 0 0

6. D2 (D2 (x, y), D1 (x, y))=D2 (x, y)

x y x D2 y x D1 y D2 (D2 (x, y), D1 (x, y))

-1 -1 0 0 0

-1 0 1 -1 1

-1 1 1 -1 1

0 -1 -1 1 -1

0 0 0 0 0

0 1 1 -1 1

1 -1 -1 1 -1

1 0 -1 1 -1

1 1 0 0 0

7. D1 (x, y) = D1 (Ny, Nx)

117
 x y x D1 y Ny Nx D1 (Ny, Nx)
-1 -1 0 1 1 0
-1 0 -1 0 1 -1

-1 1 -1 -1 1 -1

0 -1 1 1 0 1

0 0 0 0 0 0
0 1 -1 -1 0 -1

1 -1 1 1 -1 1

1 0 1 0 -1 1

1 1 0 -1 -1 0

12. D1(x,y)=N D1 (Nx,Ny)

x y Nx Ny D1(x,y) D1 (Nx,Ny) N D1 (x,y)

-1 -1 1 1 0 0 0

-1 0 1 0 -1 1 -1

-1 1 1 -1 -1 1 -1

0 -1 0 1 1 -1 1

0 0 0 0 0 0 0

0 1 0 -1 -1 1 -1

1 -1 -1 1 1 -1 1

1 0 -1 0 1 -1 1

1 1 -1 -1 0 0 0

118
У каматном рачуну, који одређује односе који се успостављају између
дужника и повериоца, математичке прогресије имају базну примену-
нарочито геометријска прогресија.
Код простог каматног рачуна камата се увек рачуна на исту основицу-
почетну суму. Код сложеног каматног рачуна у сваком обрачунском
периоду камата се рачуна на све већу суму –главницу. Односно камата
се рачуна на суму из претходног периода увећану за камату из тог
периода.
Израчунавање камате и њено сабирање са капиталом које се врши на
крају године назива се декурзивни каматни рачун.
Када је капиталисање годишње,у периоду од n− година
n
K n =K 0 (1+ p )

где је:
K n − крајња вредност капитала
K 0 - почетна вредност капитала
p - декурзивна интересна(каматна) годишња стопа

Реалан низ
{an }={a1 , a2 , .. .. . ,an ,. .. ..} назива се геометријски низ ако је

количник било која два суседна члана константан (q)

a2 =a1⋅q
a3 =a2⋅q=a 1⋅q 2
a4 =a3⋅q=a1⋅q3
a5 =a1⋅q 4
⋮
a9 =a 1⋅q 8
⋮
an =a 1⋅q n−1

n−1
Општи члан је an =a1⋅q што одговара изразу за крајњу вредност капитала
n
K n =K 0 (1+ p )на почетку n− те године.
Ако се крајем сваке године улаже капитал К уз годишњу каматну стопу p
S
Онда ће укупно стање капитала за n− година бити n

119
 n
r −1
S n =K
r −1
где је r=1+ p а то је формула за збир првих првих n чланова геометријског
реда.
Геометријски низ је потпуно одређен ако је познат први члан и количник

1−qn
S n =a1
тог низа. Формула за збир првих првих n чланова 1−q
S n =a1 +a2 +a3 +.. .. .. .+a n
S n =a1 +a1 q +a1 q 2 +. .+a1 q n−1 /¿ q

qS n=a1 q+a1 q 2 +a 1 q3 . . +a1 q n /¿(−1)

S n =a1 + a1 q+ a1 q 2 +..+ a1 q n−1

{−qSn = −a1 q−a1 q 2−a1 q3 . . −a1 q n

S n −qS n =a1 −a1 q

n

a1 −a1 q n
S n=
1−q
1−qn
S n =a1
1−q
1−qn
S n =a1
Формула за збир n чланова 1−q ,кад је |q|<1 и кад се n увећава
тј. n→ ∞
n 0
1−q ↑ a1
S n =a1 S=
1−q постаје 1−q
Амортизација кредита подразумева враћање кредита (зајма) који је дужник узео
од повериоца под одређеним условима. Укупну суму коју дужник дугује
повериоцу- позајмљена сума са припадајућом каматом
дужник враћа у одређеном року кроз одређени број рата. Износи тих рата се
називају ануитети. Ануитети могу, али и не морају бити исти у свим отплатним
периодима. Основа тог рачуна су прогресије - посебно геометријска прогресија.

ОПРЕМА И УРБАНИ МОБИЛИЈАР

Урбани мобилијар представља важно обележје сваког града. Клупе,
корпе, киосци, расвета, огласни панои, аутобуска стајалишта, итд. често
представљају симболе неког дела или читавог града. Управо преко њих
становници или посетиоци долазе у директан контакт са градом или
неким објектом, без обзира да ли се говори о парку, јавној површини,
улици или пешачкој зони, или зеленој површини око јавних и пословних
објеката

120
Ни један део уличне мреже и насеља и града не може постићи
оптималан учинак у екплоатацији без одговарајуће опреме односно
урбаног мобилијара.

Ова чињеница је на известан начин аксиом за професионалце који се

баве есклоатацијом саобраћајних система али, на жалост, та чињеница
није увек са истим значењем и за оне који се старају о граду или
инвеститори реализације пројекта.Чињеница је да се у овом сегменту
уређења животне средине највише заостаје у односу на развијен свет
али је и чињеница да се тај заостатак управо и највише види на основу
онога што користимо као опрему улица и путева (урбани мобилијар). Код
нас многа примењена саобраћајна решења изгледају као недовршена
или привремена.

Задаци
ПОДЕЛА РАСКРСНИЦА Раскрснице су саставни делови уличне
мреже и настају укрштањем две или више саобраћајница. Више блиских
раскрсница или укрштање више саобраћајница чине површине које се
називају тргови. Укрштања саобраћајница изводе се у једном или више
нивоа. Због прекидања саобраћаја оне представљају критичне тачке на
мрежи саобраћаја. Основна кретања која се јављају на раскрсницама
деле се на: изливања, уливања и укрштања. У ужој зони раскрснице
долази до преплитања токова.
Раскрснице у нивоу Раскрснице у нивоу се деле у зависности од
потребе на више начина, Једна од подела која је честа је подела према
броју припадајућих крака. Крак раскрснице чине прилаз и излаз из
раскрснице. Уобичајно је да се раскрснице добијене укрштањем две
саобраћајнице (трокраке и четворокраке) под правим или приближно
правим углом са геометријског аспекта сматрају простим, а остале
вишекраке раскрснице сложеним, развијеним. Подела раскрсница може
бити :
1. Према локацији у односу на мрежу саобраћајница
• градске
• ванградске
2. Према начину регулисања динамичког саобраћаја
• нерегулисане код којих важи правило десне руке
• регулисане
Раскрснице у више нивоаРаскрснице у више нивоа кретања су
просторно организоване тако да се обављају са минималним бројем
конфликата међу токовима. Овде је врло значајна организација левих
скретања у зони укрштања .
. Приказивање података о броју возила на раскрсници на потезу
неке саобраћајнице, односно на широј градској територији па и на
територији целог града представља заокружење процеса прикупљања
података. На основу ових података се врши пројектовање раскрснице.
Можемо закључити да изглед раскрснице треба да задовољи потребе
саобраћаја.

121
 Кружни ток-као раскрсница. Зависност протока у улици Српских
Владара и Маршала Толбухина у временским периодима од 10 минута.
Регресионе криве при овим испитивањима.
Аутокоманда као кружна раскрсница. – Корелациони протоци.
Раскрсница улица Јужни булевара и Максима Горког –Приоритет
Јужног Булевара.
Задатак По моделу примера методе Монте Карла анализирати
бочне “ударе“ на Газели.

122