Pouzdanost i

dijagnostika raunalnih
sustava
Auditorna vjeba 2
Teorija vjerojatnosti alat za analizu
pouzdanosti
Zavod za raunalno i programsko inenjerstvo

1
1
Teorija vjerojatnosti
Osnovni izrazi
Vjerojatnost je omjer dva broja. Brojnik predstavlja broj ishoda
dogaaja ija se vjerojatnost rauna, a nazivnik ukupni broj ishoda
svih dogaaja
Vjerojatnost dogaaja A: P(A)
Vjerojatnost nepojavljivanja dogaaja A: P() = 1 - P(A)
Zdruena vjerojatnost pojavljivanja dva neovisna dogaaja
(vjerojatnost presjeka dogaaja): P(AB) = P(A) P(B)
Vjerojatnost pojavljivanja dogaaja A ili dogaaja B (vjerojatnost
unije neovisnih dogaaja): P(AUB) = P(A) + P(B) - P(AB)
Ako su dogaaji A i B meusobno iskljuivi, tj. ne mogu se pojaviti
istodobno: P(AB) = 0,
P(AUB) = P(A) + P(B)

2
2
Osnovni izrazi nastavak
Vjerojatnost dogaaja A ako je nastupio dogaaj B (uvjetna
vjerojatnost)
P(A B)
P(AIB)
P(B)

Totalna vjerojatnost vjerojatnost dogaaja A uz poznate

vjerojatnosti dogaaja Bi i uvjetne vjerojatnosti dogaaja A u
odnosu na dogaaje Bi:
n
P(A) P(B ) P(AIB )
i1
i i

Bayesova formula:
P(Bk ) P(AIBk )
P(BkI A) n
, k 1, 2, ...,n
P(B ) P(AIB )
i1
i i

Vjerojatnost dogaaja Bk iz skupine od n dogaaja B ovisno o

vjerojatnosti dogaaja A
3
3
Primjer 1
Satelitje lansiran u svemir (dogaaj A) otkuda snima Zemlju i
snimke alje zemaljskoj stanici (dogaaj B). Ako je vjerojatnost
uspjenog lansiranja 0.98, a vjerojatnost da svi sustavi ispravno
rade nakon lansiranja je 0.92, kolika je vjerojatnost da zemaljska
stanica primi snimke od satelita?

P(A) = 0.98
P(BIA) = 0.92

P(AB) = P(A) P(BIA)

= 0.98 0.92
= 0.9016

4
4
Primjer 2
Letjelicaje opremljena radarom za oborine. Ako je unutar 250 km
ispred aviona prisutna oborina, radar je detektira sa vjerojatnou
od 0.95, a ako nije prisutna radar je lano detektira sa
vjerojatnou od 0.10. Uz pretpostavku vjerojatnosti prisutnosti
oborine od 0.45 odredite vjerojatnost lanog alarma ili proputene
detekcije oborine.
Neka je prisutnost oborine dogaaj A, a detekcija oborine dogaaj B
Vjerojatnost lane detekcije je presjek komplementarnog dogaaja od A,
odnosno oborina nije prisutna i dogaaja B, odnosno oborina je detektirana

P A B P A P B/ A 1 0.450.1 0.055

Vjerojatnost proputene detekcije je presjek dogaaja A, odnosno oborina je

prisutna i komplementarnog dogaaja B, odnosno oborina nije detektirana

P A B PA P B/A 0.451 0.95 0.0225

5
5
Primjer 3
Koja je vjerojatnost izvlaenja karte koja je kralj ili tref iz pila od
52 karte?
U pilu postoji 4 kralja i 13 tref-ova, a jedna karta je istodobno i kralj i
tref. Neka izvlaenje kralja bude dogaaj A, a trefa dogaaj B.
Vjerojatnost izvlaenja karte koja je kralj ili tref je unija ova dva
dogaaja
4 13 1 16
P A B P A PB P( A B) 0.3077
52 52 52 52

6
6
Primjer 4
Kino se napaja generatorom pokretanim diesel-motorom. Za
zadani dan, vjerojatnost da generator ispadne iz rada (dogaaj A)
je 0.025, a vjerojatnost da ispadne diesel-motor (dogaaj B) je
0.04. Kolika je vjerojatnost da kino ima struju? Pretpostavljamo da
su dogaaji A i B meusobno neovisni.
P(A) = 0.025
P(B) = 0.04

Zbroj vjerojatnosti da kino ima struju i nema struju jednak je 1.

Vjerojatnost da kino ostane bez struje dano je vjerojatnou
dogaaja da ispadne motor ili generator, to znai:
Q = P(AUB) = P(A) + P(B) - P(A) P(B) = 0.064
Tada je vjerojatnost da kino ima struju jednaka:
R = 1 - Q = 0.936

7
7
Primjer 4 - nastavak
Prethodno se moe pokazati i sljedeim mogunostima
Motor je ispravan, generator je ispravan (dogaaj D1)
Motor je u kvaru, generator je u kvaru (dogaaj D2)
Motor je u kvaru, generator je ispravan (dogaaj D3)
Motor je ispravan, generator je u kvaru (dogaaj D4)
D1 A B P(D1) = (1 - P(A)) (1 - P(B)) = (1 - 0.025) (1 - 0.04) = 0.936
D2 A B P(D2)= P(A) P(B) = 0.025 0.04 = 0.001
D3 A B P(D3)= P(A) (1 - P(B)) = 0.025 0.96 = 0.024
D4 A B P(D4)= (1 - P(A)) P(B) = 0.975 0.04 = 0.039

Vrijedi:
P(D1) + P(D2) + P(D3) + P(D4) = 1

Na kraju dobivamo:
R = P(D1) = 0.936
Q = P(D2) + P(D3) + P(D4) = 0.064

8
8
Primjer 5
U uzorku od 60 avala, 10 ima neispravnu glavu, 5 ima neispravan
vrh, a 5 ima oba nedostatka. Kolika je vjerojatnost da sluajno
izabran avao sadri samo neispravnu glavu ili samo neispravan
vrh?
Neka A predstavlja dogaaj kada je avlu neispravna glava, a B
dogaaj kada je avlu neispravan vrh. Tada vrijedi:
10 5
P(A) 0.25
60
55
P(B) 0.1666
60

Vjerojatnost da avao sadri oba nedostatka je: 5

P(A B) 0.0833
60
Vjerojatnost da avao sadri neki od nedostataka, tj. da je neispravan:
Q P(A B) P(A) P(B) P(A B)
0.25 0.1666 0.0833
0.3333
Qsamo Q - P(A B) 0,25

Vjerojatnost da je avao ispravan: P = 1 - Q = 0,6667

9
9
Primjer 6
Razmotrimo slijedea dva dogaaja; windowsi na raunalu ne
rade (dogaaj A) i raunalo je zaraeno virusom (dogaaj B).
Odredite vjerojatnost da je raunalo zaraeno virusom ako znamo
da windowsi ne rade. Poznate su vjerojatnosti:
P(B) 0.01 vjerojatnost da je raunalo zaraeno virusom
P(A | B) 0.94 vjerojatnost da windowsi ne rade ako je raunalo zaraeno
virusom
P(A | B) 1 0.94 vjerojatnost da windowsi ne rade ako raunalo nije zaraeno
virusom

Vjerojatnost da windowsi ne rade, odnosno vjerojatnost dogaaja A uz

uvjet skupine od 2 dogaaja B1 B i B2 B
n
P(A) P(B ) P(A | B ) P(B) P(A | B) P(B) P(A | B)
i1
i i

P(A) 0.01 0.94 (1- 0.01) (1 0.94) 0.0688

Vjerojatnost da je raunalo zaraeno virusom ako windowsi ne rade
P(B) P(A | B) 0.01 0.94
P(B | A) 0.1366
P(A) 0.0688
10
10
Pouzdanost (estimirana)
Pouzdanost je vjerojatnost dana omjerom broja uspjenih
misija trajanja t u odnosu na ukupni broj misija trajanja t
(estimirana pouzdanost).
N (t ) N (t ) N F (t ) N (t ) R (t 0) 1
R (t ) S T 1 F 1 F (t )
NT (t ) NT (t ) NT (t )
N S (t ) Broj uspjenih misija trajanja t
NT (t ) Ukupni broj misija trajanja t
N F (t ) Broj neuspjenih misija trajanja t
lim R (t ) R(t ) Stvarna pouzdanost
N
T

N AC
SE OR RM DA Uinkovitost sustava
NT

11
11
Pouzdanost (estimirana)
N AC
SE OR RM DA Uinkovitost sustava
NT
OR Operacijska spremnost vjerojatnost da e sustav biti ispravan
(raspoloiv) na poetku misije.
RM Pouzdanost misije
DA Ispravnost dizajna vjerojatnost da je sustav dao zadovoljavajue
rezultate nakon to je uspjeno izvrio misiju.
N AC Ukupan broj sustava koji su uspjeno izvrili zadane ciljeve misije

Npr. Zadani broj raketa treba pogoditi metu:

OR Vjerojatnost da je zadani broj raketa ispaljen.
RM Vjerojatnost da je zadani raketa broj stigao do mete i eksplodirao.
DA Vjerojatnost da je zadani broj raketa unitio metu kako je oekivano.

12
12
Primjer 7
Tijekom testiranja 200 identinih jedinica u periodu od 50 sati
jedna jedinica se pokvari u 12 satu, dvije jedinice se pokvare u 20
satu i dvije u 50 satu.
a) Odrediti estimiranu pouzdanost jedinica u periodu od 50
sati.
b) Odrediti estimiranu pouzdanost jedinica za kraj svakog
perioda (ako se jedinica pokvari zamjeni se sa ispravnom).
a)
N (t ) 1 2 2 5
R (t ) 1 F 1 1 0,975 97,5%
NT (t ) 200 200
b)
Za period od 0 do 12 sati

N (t ) 1
R (t 12) 1 F 1 0,995 99,5%
NT (t ) 200

13
13
Primjer 7 - nastavak

Za period od 0 do 20 sati

N (t ) 1 2
R (t 20) 1 F 1 0,985 98,5%
NT (t ) 200

Za period od 0 do 50 sati

N (t ) 1 2 2
R (t 50) 1 F 1 0,975 97,5%
NT (t ) 200

14
14
Primjer 8
Koliko je ukupno raketa potrebno ako 100 raketa treba uspjeno
zavriti sve zadane ciljeve misije i vrijedi:
OR 0,98 RM 0,95 DA 0,90

N AC
SE OR RM DA
NT
N AC N AC
NT
SE OR RM DA
100
NT 119
0,98 0,95 0,90

15
15
Sluajna varijabla X
Funkcijakoja svakoj toci s u prostoru S pridjeljuje realan broj X(s)
Npr. bacanje novia, broj glava u nizu od 3 bacanja
g glava
p pismo

s ggg ggp gpg gpp pgg pgp ppg ppp

X(s) 3 2 2 1 2 1 1 0

X je sluajna varijabla koja poprima vrijednosti iz skupa

Sx = {0,1,2,3}

Sluajna varijabla X moe predstavljati vrijeme do kvara sustava

16
16
Kumulativna funkcija razdiobe (cdf Cumulative
Distribution Function)
Kumulativna funkcija razdiobe sluajne varijable X definirana je
kao vjerojatnost da sluajna varijabla poprimi vrijednost manju ili
jednaku od t {X t}.
F(t)
1
F(t) = Pr {X t} F(b)
F(0) = 0
lim F(t) =1
t
F(a)
0 a b t
F(t) je vjerojatnost da je sustav ve ispao iz rada do vremena t
(nepouzdanost)
F(t) je monotona ne-padajua funkcija
Ekvivalentna terminologija za F(t)
Kumulativna funkcija razdiobe
Funkcija razdiobe vjerojatnosti
Funkcija razdiobe 17
17
Diskretna razdioba
Funkcija razdiobe vjerojatnosti diskretne sluajne varijable X
F(t) P(X t) p(t )
ti t
i

Vrijednost funkcije u toki t pokazuje kolika je vjerojatnost da sluajna

varijabla X primi vrijednost manju ili jednaku t
Matematiko oekivanje (sredina) sluajne varijable X

EX t p
i1
i i

Varijanca (disperzija) sluajne varijable X

V[X] = E[(X - E[X])2]

Standardna devijacija (srednje kvadratno odstupanje sluajne

varijable X od matematikog oekivanja E[X]

VX

18
18
Diskretna razdioba nastavak
Binomna razdioba
Funkcija razdiobe vjerojatnosti za sluajnu varijablu X s parametrima n
ip
n
x
n k n k n
pk pk (1 p)nk
k
F(x)
kx
pk p q
k 0
k

n!
k k! (n k)!

Vjerojatnost da dogaaj A u n pokusa nastupi k puta

n = broj pokusa
k = broj nastupa dogaaja A
p = vjerojatnost nastupa dogaaja A
Matematiko oekivanje: E[X] = np
Varijanca: V[X] = npq
Poissonova razdioba
Funkcija razdiobe vjerojatnosti za diskretnu sluajnu varijablu X s
parametrom x
k
p k! e
k
F(x)
pk e k
k! kx k 0

Matematiko oekivanje: E[X] =

Varijanca: V[X] =
19
19
Primjer 9
U prijenosu velikog broja elektronikih komponenata vjerojatnost
kvara komponente na putu je 0.2. Uzme li se sluajan uzorak od
10 komponenata, odrediti vjerojatnost da e se:
a) Pronai u uzorku 2 neispravne komponente
b) Pronai u uzorku 6 ispravnih komponenata
c) Pronai 5 ili vie ispravnih komponenata
Uzmimo da je sluajni dogaaj A komponenta je neispravna pa je P(A) = p = 0.2

Vjerojatnost za nalaenje tono k nastupa dogaaja u n pokusa dana je binomnom

formulom.

a) Vjerojatnost nalaenja 2 neispravne komponente u uzorku od 10 sluajno

odabranih 10
p 2 0.22 (1 0.2)8 45 0.04 0.88 0.302
2
b) Vjerojatnost 6 ispravnih komponenata; u binomnu formulu umjesto p
uvrtavamo q = 1 p = 0.8

10
p 6 0.82 (1 0.8)8 210 0.86 0.24 0.0881
6
20
20
Primjer 9 nastavak
Uoimo da je nalaenje 6 ispravnih komponenata jednako nalaenju 4 neispravne
komponente u uzorku
10
p 4 0.24 (1 0.2)6 210 0.24 0.86 0.0881
4

c) vjerojatnost da je 5 ili vie komponenata ispravno

10 10
10 x
P(x 5)
x 5
px 0.8 (1 0.8)10 x 0.9936
x 5
x

To je jednako vjerojatnosti da je manje od 6 komponenata neispravno

5 5
10 x
P(x 6)
x 0
px 0.2 (1 0.2)10 x 0.9936
x 0
x

21
21
Primjer 10
Vjerojatnost da je neki proizvod neispravan je p = 0.2. Iz nekog
skladita uzima se 8 proizvoda. Odrediti
a) Vjerojatnost da je meu njima 5 neispravnih proizvoda
b) Vjerojatnost da meu njima ne bude vie od 3 neispravna proizvoda
c) Matematiko oekivanje
d) Srednje kvadratno odstupanje

Uzmimo da je sluajni dogaaj A uzeti proizvod je neispravan pa je P(A) = p = 0.2

a) Vjerojatnost da izmeu 8 sluajno izabranih proizvoda bude 5 neispravnih

izraunat emo primjenom formule za binomnu razdiobu
8 8 7 6 5!
p5 0.25 0.83 0.000164 0.009175
5 5!3!
b) Izraunamo vjerojatnosti p0,p1,p2,p3:
Dobivamo p0 = 0.168, p1 = 0.336, p2 = 0.294, p3 =0.147

Vjerojatnost da meu 8 sluajno izabranih proizvoda ne bude vie od 3 neispravna

P(x 3) = p0 + p1 + p2 + p3 = 0.943
22
22
Primjer 10 nastavak
c) Matematiko oekivanje:

E[X] = np = 80.2 = 1.6

d) Srednje kvadratno odstupanje raunamo prema formuli VX

V[X] = npq = 80.20.8 = 1.28

odakle dobivamo srednje kvadratno odstupanje:

= 1.13

23
23
Primjer 11
Sustav za gaenje vatre u strojarnici sastoji se od 10
rasprskavajuih boca sa ugljinim dioksidom. Vjerojatnost
ispravnosti svake boce je 0.99. Kako bi se ugasila vatra u cijeloj
strojarnici potrebno je da se detonira najmanje 9 boca s ugljinim
dioksidom. Hoe li upotreba ovih boca zadovoljiti zahtjev
vjerojatnosti da e sustav ugasiti vatru u iznosu 0.995

Za izraunavanje vjerojatnosti detoniranja 9 od 10 boca moemo

se sluiti binomnom raspodjelom x
n k n k
F(x) p k p
kx
k
k 0
q

10
10
R P(9 k 10) 0.99 1 0.99
k 10 k

k 9 k

10 0.99 0.01 1 0.99 1 0.99573

9 10

Dakle upotreba ovih boca zadovoljava zahtjeve na sustav

24
24
Primjer 12
Instalirana je baza od 15 servera, a vjerojatnost da server ispadne
iz rada tijekom prve godine je 0.07. Odredite uz pomo binomnog i
Poissonovog modela
a) Koliko servera e ispasti iz rada kroz taj period.
b) Kolika je vjerojatnost da e u tom periodu ispasti iz rada od 2 do
4 servera
a)Ako modeliramo ovaj problem binomnom razdiobom matematiko
oekivanje, odnosno srednja vrijednost je jednaka
EX np 1.05
Dakle iz rada e ispasti malo vie od jednog servera, ali kako se trai cijeli broj
kaemo da e iz rada ispasti 2 servera

b)Vjerojatnost ispada 2, 3 ili 4 servera odreuje se sumiranjem

pridruenih vjerojatnosti 4
15
P(2 k 4) 0.07 1 0.07
k 15 k

k 2 k

105 0.072 0.9313 455 0.073 0.9312 1365 0.074 0.9311

0.280372 25
25
Primjer 12 nastavak
a) Ako koristimo Poissonov model kao aproksimaciju. Matematiko
oekivanje koristimo iz binomne razdiobe.
EX np 1.05
Dakle iz rada e ispasti 2 servera

b)Vjerojatnost ispada 2, 3 ili 4 servera odreuje se sumiranjem

pridruenih vjerojatnosti
4
k
P(2 k 4) e
k 2 k!
0.35 0.551 0.193 0.046
0.276495

26
26
Primjer 13
Zadan je sustav sa Poissonovom raspodjelom kvarova i
intenzitetom od 310-3 kvarova/satu. Neispravne komponente se
ne popravljaju ve zamjenjuju rezervnima. Kolika je vjerojatnost da
e 4 rezervne komponente biti dovoljne za predvieno vrijeme
misije od 1500 h?
x
k
Poissonova razdioba F(x)
kx
pk
k 0
k!
e

Oekivani broj kvarova u intervalu misije 3 103 1500 4.5

Vjerojatnost da e 4 rezervne komponente biti dovoljne

P(k 4)
4
4.5k e 4.5
k 0 k!
4.52 4.53 4.54 4.5
1 4.5 e 0.53
2 6 24

27
27
Primjer 14
Koliko je potrebno rezervnih serverskih modula da se osigura
zatitni nivo od PL=0.98, ako je raspodjela kvarova Piossonova sa
intenzitetom od =0.001 kvarova/satu a modul se stavlja u
industrijski rad kroz 2000h.
Zatitni nivo je minimalna eljena vjerojatnost da e biti dovoljno
rezervnih dijelova
Oekivani broj kvarova kroz period od 2000h 1 = *2000 = 2
Ovaj problem se mora rjeavati iterativno
Pretpostavka: 4 dijela
4
1 k 2 4 8 16
P(k 4) e 1

k 0
k!
e 2 1 e 2 7 0.947
1 2 6 24
P<PL 4 nije dovoljno
Pretpostavaka: 5 dijelova
5
2k 32
P(k 5) e 2

k 0
k!
e 2 7
120
e 2 7.267 0.983
PPL 5 je dovoljno

28
28
Kontinuirana razdioba
Funkcija razdiobe vjerojatnosti kontinuirane sluajne varijable X
t

F(t)
F(t) P(X t) f(t)dt

f(t) funkcija gustoe vjerojatnosti

1
dF t
f (t)
f t
F(b)
dt

F(a)
0 a b 0
t a b t
b

f t dt P a X b F b F a
a
r

Ekvivalentna terminologija za f(t):

Funkcija gustoe vjerojatnosti
Funkcija gustoe

Gustoa

29
29
Kontinuirana razdioba nastavak
Matematiko oekivanje kontinuirane sluajne varijable X

E X t f t dt

Srednje vrijeme do kvara (MTTF Mean Time To Failure)

MTTF E X t f t dt

0
Varijanca kontinuirane sluajne varijable X
2


V X E X EX 2
t f(t)dt- tf(t)dt
2


Standardna devijacija (najmanje kvadratno odstupanje)
kontinuirane sluajne varijable X

V X t E X 2
f(t)dt

30
30
Normalna (Gaussova) razdioba
Funkcija gustoe normalne razdiobe kontinuirane sluajne
varijable X s parametrima i . f(t)
1

t 2
1 2
f(t) e 2 2
2
- + t
Funkcijarazdiobe kontinuirane sluajne varijable X koja ima
normalnu razdiobu
t

t 2
F t f t dt
1 2 2
e dt

2

Vrijednost funkcije razdiobe vjerojatnosti F jednaka je povrini ispod

krivulje gustoe na intervalu (- ,t]

Matematiko oekivanje sluajne varijable koja ima normalnu

razdiobu E[X] =

Varijanca sluajne varijable X koja ima normalnu razdiobu

V[X] = 2

31
31
Standardna normalna razdioba
Funkcija gustoe, uglavnom se koriste parametri =0 i =1
(t)

t2
1 (t) (t)
1 2
(t) e 2
2

=0 t

Funkcijarazdiobe kontinuirane sluajne varijable X koja ima

standardnu normalnu razdiobu (Laplaceova funkcija)
t t t2

t t dt t 1 t
2
1
e 2 dt

Veza izmeu funkcija razdiobe normalne razdiobe F(x) i F(t) (z)
standardne normalne razdiobe (z) t
z

f t z
1
Veza Izmeu funkcija gustoe f i

t
z

32
32
Eksponencijalna razdioba
Funkcija gustoe eksponencijalne razdiobe kontinuirane sluajne
varijable X s parametrom f(t)

f(t) e t , 0

t
Funkcija
razdiobe kontinuirane sluajne varijable X koja ima
eksponencijalnu funkciju gustoe F(t)

F(t) 1 e t , t 0

Matematiko oekivanje sluajne varijable X koja ima

eksponencijalnu razdiobu
E X
1

Varijanca sluajne varijable X koja ima eksponencijalnu razidiobu
V X
1
2 33
33
Primjer 15
ivotni vijek odreene vrste arulje slijedi normalnu razdiobu sa
standardnom devijacijom =50 i parametrom = 500 h. Ako neko
poduzee koristi 1000 arulja odrediti oekivani broj arulja koje
e biti potrebno zamijeniti u 400 sati rada.
Funkcija gustoe koja predstavlja ivotni vijek arulje

t 5002
1
f(t) e 5000
50 2
t
Funkcija razdiobe F(X) P(X t) f(t)dt

400
Za t=400 P(X 400 ) f(t)dt

z
Raunamo standardnu normalnu razdiobu (z) P(Z z)
(z)dz

t 500 400 500
Supstitucija z z 2
50 50

34
34
Primjer 15 nastavak
Slijedi -2
P X 400 P(Z -2 ) ( Z ) (z)dz

Funkcija gustoe standardne normalne razdiobe
z2
1
(z) e 2
2
Nakon uvrtavanja dobivamo slijedei integral
-2 z2
-
e
1
P(Z -2) 2 dz
2

Vrijednost integrala pronaemo u tablici vrijednosti funkcije

standardne normalne razdiobe. Vrijednost se moe nai za z=2 je
0.97725, a mi trebamo za z=-2, izrauna se:

z 1-z 1 0.97725 0.0228

Moe se nai i direktna vrijednost za z=-2
Kako se u poduzeu koristi 1000 arulja
N 1000 0.0228 22.8 23
u poduzeu e u 400 sati rada biti potrebno zamijeniti 23 arulje
35
35
Primjer 16
Raunalni sustav sa intenzitetom kvarova od 150 kvarova/106 h
treba ispravno raditi u vremenu od 100 h. Odredite vjerojatnosti:

Da se nee dogoditi niti jedan kvar tijekom rada

Da e se dogoditi 2 kvara tijekom rada
Da e se dogoditi dva ili manje kvara tijekom rada

36
36
Primjer 17
Operacijska spremnost sustava je 90%, pouzdanost 95% i
ispravnost dizajna 98%.
Kolika je uinkovitost sustava?
Ako imamo 200 takvih sustava u raznim stadijima koritenja
koliko e njih zapoeti misiju?
Koliko e takvih sustava zavriti misiju uspjeno?

37
37