10

DISTRIBUCI DE PROBABILITAT
Molts fenmens naturals i socials, com ara el conjunt de les notes dun examen dels alumnes duna classe, el pes dels nadons nascuts en un determinat hospital o el coecient dintelligncia duna poblaci, segueixen una distribuci de probabilitat molt caracterstica: la distribuci normal.

238

10

BLOC 4. ESTADSTICA

j 10.1 Funci de probabilitat duna variable aleatria

Un experiment aleatori es pot considerar de dues maneres:
j

Desprs de realitzar-lo. En aquest cas els resultats obtinguts constitueixen els valors duna variable estadstica. El nombre de vegades que es repeteix cadascun dels valors sn les freqncies. Abans de realitzar-lo. Els possibles resultats sn els diferents successos que depenen de latzar i que originen una variable, els valors de la qual tindran una certa probabilitat de repetir-se. Aquestes noves variables sn les que sanomenen variables aleatries.

Considerem lespai mostral , associat a un experiment aleatori E. Una variable aleatria X associada a aquest experiment s una aplicaci de lespai mostral en el conjunt dels nombres reals. X: R El conjunt imatge daquesta aplicaci s el recorregut de la variable. Aix, els elements del recorregut, que constitueixen un subconjunt dels nombres reals, sn els valors que pren la variable. El concepte de variable aleatria sorgeix davant la necessitat de quanticar els possibles resultats dels experiments aleatoris per poder fer-hi operacions. Els conceptes de variable estadstica i de freqncia van lligats al de mostra, ja que lexperiment es considera desprs de realitzar-lo. En canvi, els conceptes de variable aleatria i de probabilitat sn terics i resulten duna abstracci dels anteriors. Les variables aleatries, com les estadstiques, poden ser discretes o contnues, i donen lloc a les respectives distribucions de probabilitat. Les representacions, en el cas de les variables aleatries discretes, sn semblants a les descrites per a les variables estadstiques discretes, i condueixen als diagrames de barres. Per aquest motiu, noms cal que substitum les freqncies per les probabilitats. En el cas de variables aleatries contnues, el tractament s ms complex. Comenarem per les variables aleatries discretes. Una variable aleatria s discreta si el conjunt de valors que pren s nit. Aquest conjunt es representar per {x1, x2, x3 xn}, on els valors xi habitualment sn nombres enters. Denim la funci de probabilitat o llei de probabilitat de la variable aleatria discreta X com la funci que assigna a cadascun dels valors xi que pren la variable la corresponent probabilitat pi. En general, escrivim: p[X = xi] = pi , i = 1, 2, 3, , n. Aquesta funci verica les propietats segents: 1. pi 0, i = 1, 2, 3, , n.
n

2. opi = 1
i=1

Representat de manera esquemtica: X p R X(Ai) = xi Ai

[0, 1] p[X = xi] = pi

en qu X s la variable aleatria discreta; p, la funci de probabilitat; Ai, un succs elemental de lexperiment aleatori; xi, el valor que pren la variable X per al succs Ai, i pi, la probabilitat associada al succs X = xi.

DISTRIBUCI DE PROBABILITAT

10

239

De vegades no interessa tant conixer la probabilitat que una variable discreta X prengui un determinat valor xi, com la probabilitat que prengui un valor ms petit o igual que xi. s el concepte acumulatiu de la probabilitat. Per aquest motiu, denim la funci de distribuci com la funci:
i

F(xi) = p[X xi] = op[X = xj],

j=1

xi R

Tamb se lanomena funci de distribuci de probabilitats acumulades. No hem doblidar que, mentre la funci de probabilitat es deneix nicament per als possibles valors de la variable X, el domini de denici de la funci de distribuci sn tots els nombres reals. En una variable aleatria discreta es poden calcular els parmetres de la distribuci de probabilitat:
j

La mitjana de la variable o esperana matemtica es calcula mitjanant lexpressi: =

i

oxp
i i=1

en qu xi sn els diferents valors de la variable X i pi , les respectives probabilitats.

j

La varincia duna variable aleatria X s:

n i=1 n i=1

2 2 = o (xi )2 pi = o xi p2 i
j

Sanomena desviaci tpica de la variable larrel quadrada de la varincia: =

n i=1

o(xi )2 pi =

o
n

i=1

2 xi p2 i

Els parmetres duna distribuci de probabilitat sn semblants als duna distribuci estadstica. Noms cal que canviem les freqncies relatives per les probabilitats.

EX EMP L E 1
En lexperiment aleatori de llanar dues monedes, lespai mostral s: = {(c, c), (c, x), (x, c), (x, x)} Resoluci Si denim la variable X: nombre de cares, tindrem una funci que a cada element de lespai mostral, s a dir, a cada resultat de lexperiment, li assigna el nombre de cares. X(c, c) = 2, X(c, x), X(x, c) = 1 i X(x, x) = 0 Suposant que les monedes estiguin perfectament equilibrades i, per tant, que els successos elementals siguin equiprobables, sobt la taula 10.1:
(c, x), (x, c) (c, c)
Taula 10.1

Resultats possibles Valors de de lexperiment la variable (x, x) 0 1 2

Funci de probabilitat p[X = 0] = 1 4 p[X = 1] = 1 2 p[X = 2] = 1 4

240

10

BLOC 4. ESTADSTICA

La representaci grca de la funci de probabilitat la podem observar en la gura 10.1.

La representaci grca de la funci de distribuci la podem observar en la gura 10.2.

Fig. 10.1

Fig. 10.2

Per determinar-ne la funci de distribuci corresponent, hem de calcular la imatge F(x) per a qualsevol valor x [ R. Per a qualsevol valor x < 0 tindrem que: F(x) = p[X < 0] = 0 F(0) = p[X 0] = p[X = 0] = 1 4 F(1) = p[X 1] = p[X = 0] + p[X = 1] = F(0) + p[X = 1] = = 1 + 1 = 3 2 4 4 F(2) = p[X 2] = p[X = 0] + p[X = 1] + p[X = 2] = = F(1) + p[X = 2] = 3 + 1 = 1 4 4 Don obtenim la funci de distribuci de la variable X: 0 1 4 3 4 1 si x < 0 si 0 x < 1 si 1 x < 2 si x 2

A partir de la grca podem observar les propietats que verica la funci de distribuci: 1. 0 F(x) 1 2. La grca de la funci F(x) s esglaonada. 3. F(x) = 0 per a qualsevol valor anterior al valor ms petit de la variable aleatria discreta. 4. F(x) = 1 per a qualsevol valor igual o posterior al valor ms gran de la variable aleatria discreta. 5. F(x) s una funci creixent. Finalment, calcularem lesperana matemtica i la desviaci tipus. = oxi pi = 0 1 + 1 1 + 2 1 = 1 4 2 4 i=1 A partir de la taula 10.1 es dedueix que, efectivament, el valor ms esperat de la variable s x = 1 s2 =
3

/x
3 i=1

2 i

F(x) =

1 1 2 2 2 pi -m2 = 02 $ 1 4 +1 $ 2 +2 $ 4 -1 = 3 -1 = 1 =2 2

don sobt la desviaci tpica: s=

/x p -m =
3 i=1 2 i 2 i

1 2

= 0, 7071

DISTRIBUCI DE PROBABILITAT

10
ACTIVITATS

241

1> Llancem tres monedes. Denim la variable aleatria X com el nombre de creus que surtin. a) Determina la funci de probabilitat i la funci de distribuci de la variable X. b) Representa grcament la funci de probabilitat i la funci de distribuci. c) Calcula lesperana matemtica i la desviaci tpica. 3; s = 3 R: c) m = 2 2

3> La funci de probabilitat duna variable aleatria

discreta est expressada en aquesta taula:

xi pi

2 1 8

1 1 6

0 1 8

2 1 4

4 1 3

Taula 10.2

2> En lexperiment aleatori de llanar dos daus

enlaire denim la variable aleatria X com X(a, b) = mx(a, b), on (a, b) sn els resultats que mostren els dos daus. Determina la funci de probabilitat i calcula lesperana matemtica. X R: = 4,472

a) Determina la funci de distribuci i representala grcament. b) Troba lesperana, la varincia i la desviaci tpica. X; = 2,2345 X; 2 = 4,99305 R: b) = 1,416

4> La variable aleatria discreta uniforme s aquella

que pren valors 1, 2, 3... n, amb probabilitats: pi =
1 n

;i = 1, 2, 3, n

Calcula la funci de distribuci, lesperana i la desviaci tpica daquesta variable.

j 10.2 La distribuci binomial

], als quals Considerem un experiment aleatori qualsevol, amb dos nics successos A i A anomenarem xit i fracs, respectivament. La probabilitat de cadascun daquests successos s: ]) = 1 p(A) = 1 p = q p(A) = p i p(A Es diu que un experiment amb aquestes caracterstiques segueix una distribuci de Bernouilli. Si denim la variable aleatria discreta X: nombre dxits, en una distribuci de Bernouilli la funci de probabilitat s: P [X = 1] = p i p[X = 0] = q Les caracterstiques de qualsevol variable aleatria discreta que segueixi una llei de Bernouilli sn: j Lesperana de la variable s = 0 q + 1 p = p. 2 2 2 2 2 j La varincia = 0 q + 1 p p = p p = p(1 p) = p q i, per tant, la desviaci tpica s = p q . Quan un experiment de Bernouilli es realitza un determinat nombre n de vegades, que constitueix un nombre n de proves independents, es diu que s un experiment que segueix el model de la distribuci binomial B(n, p), on n i p sn els parmetres de la distribuci, en qu n s el nombre de vegades que es realitza lexperiment i p, la probabilitat dxit per a n = 1. En una distribuci binomial B(n, p) es donen les caracterstiques segents: j El resultat de cada prova pertany a una daquestes dues categories: xit o fracs. j La probabilitat p dxit s la mateixa en cada prova. j Lexperiment dna lloc a un nombre n de proves, que sn independents entre elles. j Lesperana s = n p. 2 j La varincia i la desviaci tpica sn, respectivament, = n p q i = n p q .

Una distribuci de Bernouilli s una distribuci binomial B(1, p).

242

10

BLOC 4. ESTADSTICA

La funci de probabilitat duna variable aleatria discreta X: nombre dxits que segueix una distribuci binomial B(n, p) s: p [X = k] = n pk (1 p)n k = n pk qn k k k en qu k = 0, 1, 2, 3... n indica el nombre dxits.

( )

( )

Aquesta funci de probabilitat verica que: 1. p[X = k] 0, ja que n > 0, p 0 i q 0 k n

( )

2. o p[X = i ] = p[X = 0] + p[X = 1] + p[X = 2] + ... + p[X = n 1] + p[X = n] =

i=0

= n qn + n p qn1 + n p2 qn2 + + n pn1 q + n pn = (p + q)n = 1n = 1 0 1 2 k k Observa que en aquesta ltima demostraci sha utilitzat el desenvolupament del binomi de Newton. La funci de distribuci duna variable aleatria binomial X s: F(x) = p[X x] = p[X = 0] + p[X = 1] + p[X = 2] + + p[X = k] =
k

( ) ( )

( )

( )

( )

= n qn + n p qn1 + n p2 qn2 + + n pk qnk = o n pi qni 0 1 2 k i i=0 k s el nombre enter ms gran que s ms petit o igual que x. Aquesta funci assigna a cada valor real x la probabilitat que la variable X prengui valors ms petits o iguals que x.

( ) ( )

( )

( )

( )

EX EMP L E 2
La probabilitat de guanyar en una competici s p = 1 . Si se celebren sis proves, quina 5 s la probabilitat de guanyar, com a mnim, quatre vegades? I la de guanyar menys de cinc vegades?

Resoluci Denim el succs A: guanyar en una competici: ]) = 4 p = p(A) = 1 i q = p(A 5 5 La variable X: nombre de competicions guanyades segueix una distribuci binomial B 6, 1 . Per tant, la 5 probabilitat de guanyar, com a mnim, quatre de les sis vegades ser:

I la probabilitat de guanyar menys de cinc vegades: p[X < 5] = 1 p[X 5] = 1 ( p[X = 5] + p[X = 6]) = = 624 + 1 = 1 25 = 1 14 = 624 = 1 24 54 625 56 5 5 6 56

La funci de probabilitat daquest exemple s: p[X = 0] = 6 0 p[X = 1] = 6 1 =4 ( )( 4 5) 5

6
6 6

= 4 096 15 625
5 6

p[X 4] = p[X = 4] + p[X = 5] + p[X = 6] = = 6 4 4 + 6 1 4 + ( 6 )( 1 ) = ( )( 1 6 5 5 ) ( 5 ) ( 5 )( 5 ) 5

4 2 5 6

4 =64 ( )1 5 5 (5)
2 4

= 6 144 15 625
4 6 4 = 3 45 = 768 5 3 125 4 = 45 = 256 5 3 125

p[X = 2] = 6 2 p[X = 3] = 6 3

4 = 15 4 ( )( 1 5) (5) 5
3 3

53 = 53 = 240 + 24 + 1 = 265 = 56 56 56 55 3 125 56

4 = 20 4 ( )( 1 5) (5) 5

3 6

DISTRIBUCI DE PROBABILITAT

10

243

p[X = 4] = 6 4 p[X = 5] = 6 5

4 = 15 4 ( )( 1 5) (5) 5
5 6

2 6

2 = 3 45 = 48 5 3 125 3 6

Els parmetres de la distribuci de probabilitat de la variable X denida en lexemple sn: Lesperana: = n p = 6 1 = 6 5 5 La varincia: 2 = n p q = 6 1 4 = 24 5 5 25 La desviaci tpica: = n p q = 24 = 2 6 25 5

4 =6 4 =32 ( )( 1 5 5) 5 5 = 1 ( )( 1 5) 5
6 6

24 15 625

p[X = 6] = 6 6

1 15 625

- 0,98

ACTIVITATS

5> A partir de la variable aleatria de lexemple 2:

a) Comprova la segona propietat de la funci de probabilitat de la distribuci binomial. b) Deneix la funci de distribuci.

10> Determina el nombre esperat de nenes en una famlia de vuit lls, si suposem igualment probable la distribuci de sexes. Quina s la probabilitat que la famlia tingui el nombre esperat de nenes? R: 4 nenes; p = 35 128

6> Calcula:
a) p[X = 5], en B 7, 1 ; b) p[X 2], en B 5, 1 3 2 2 2 c) p[X > 3], en B 8, ; d ) , i , en B 10, 3 3 5 R: a) 28 ; b) 1 ; c) 5 984 ; 729 2 6 561 12 d) = 6; 2 = ; = 2 3 5 5

( ) ( )

( ) ( )

11> Tenim un dau en forma de tetredre, s a dir, amb

quatre cares que sn triangles equilters. Numerem les cares de l1 al 4 i considerem la variable aleatria X: nombre d1 per a n = 5. a) Estudia la distribuci binomial corresponent. b) Deneix les funcions de probabilitat i de distribuci. c) Calculan lesperana i la desviaci tpica.

7>

Llancem una moneda enlaire 100 vegades. Estableix la probabilitat dobtenir: a) 47 cares. b) 35 creus. c) Almenys 2 cares. d ) Cap creu. Una famlia de Tarragona t cinc lls. Suposant que la probabilitat que un dels lls sigui nen s 0,45, calcula la probabilitat que siguin: a) Tres nens i dues nenes. b) Menys nens que nenes. c) Una sola nena. d ) Cap nen. R: a) 0,27565; b) 0,59313; c) 0,11277; d ) 0,05033

12> El 3 % de les peces elaborades per una mquina

s defectus. Les peces es venen en caixes de 25 unitats cadascuna. Quina s la probabilitat que una caixa contingui com a mxim una pea defectuosa? R: p = 0,82804

8>

13> Una determinada malaltia t un ndex de mortalitat del 20 %. Si en un hospital hi ha sis persones afectades, calcula la probabilitat que almenys la meitat dels pacients sobrevisqui. R: p = 0,98304

14> El 55 % dels treballadors dun organisme ocial 9>

El 2 % dels articles produts en una fbrica s defectus. Calcula el nombre esperat i tamb la desviaci tipus darticles defectuosos en una comanda de 10 000 unitats. R: = 200; = 14 sn dones. Per llei, el 25 % dels alts crrecs han de ser dones. Si es trien 5 funcionaris a latzar, quina s la probabilitat que 3 siguin dones? I si lelecci noms es fa entre els alts crrecs? R: p = 0,33691; p = 0,08789

244

10

BLOC 4. ESTADSTICA

j 10.3 Variable aleatria contnua

Alguns experiments poden arribar a prendre tots els valors dun interval real. En aquest cas, la variable aleatria associada s una variable aleatria contnua. Quan es fa abstracci daquesta situaci, de la mateixa manera que en el cas de les variables discretes, sarriba al concepte de distribucions de probabilitat contnua. En la taula 10.3 sindiquen les notes de 100 alumnes distribudes en freqncies relatives:

X fi

(0, 1] 0,04

(1, 2] 0,05

(2, 3] 0,12

(3, 4] 0,14

(4, 5] 0,25

(5, 6] 0,15

(6, 7] 0,08

(7, 8] (8, 9] (9, 10] 0,08 0,05 0,04

Taula 10.3

Lhistograma associat s (g. 10.3):

Fig. 10.3

Si realitzssim el mateix estudi per a totes les notes dels 100 alumnes i les aproximssim ns a les dcimes, centsimes, millsimes, etc., obtindrem un polgon de freqncies semblant al de la gura 10.4.

Fig. 10.4

En les variables aleatries discretes es defineix la funci de probabilitat, mentre que en les variables aleatries contnues es defineix la funci de densitat.

Aquest diagrama ens pot proporcionar una idea intutiva duna distribuci de probabilitat contnua. Per a una variable aleatria contnua X, es deneix la funci de densitat f(x) de la variable, de manera que: 1. f(x) 0, ;x [ R. 2. Lrea del recinte que determina la grca de f(x) amb leix OX s 1. La funci de distribuci, igual que en el cas de les variables discretes, es deneix: F(x) = p[X x], ;x [ R Per tant, aquesta funci acumula la funci de densitat corresponent a tots els valors reals ms petits o iguals que x. La funci de distribuci s la que sutilitza per al clcul de probabilitats duna variable aleatria contnua, de manera que:

DISTRIBUCI DE PROBABILITAT

10

245

F(x1) = p[X x1] s lrea del recinte que determina la grca de la funci de densitat amb leix OX en linterval (, x1]. p[X x1] s lrea del recinte que determina la grca de la funci de densitat amb leix dabscisses en linterval [x1, +). Com que lrea total s 1, tenim que: p[X x1] = 1 p[X x1] = 1 F(x1)

p[x1 X x2] s lrea del recinte que determina la grca de la funci de densitat amb leix OX en [x1, x2]. s a dir, p[x1 X x2] = p[X x2] p[X x1] = F(x2) F(x1)

En una distribuci contnua de probabilitat sutilitza la nomenclatura p[X x1], tot i que shagi de calcular p[X < x1], ja que: p[X x1] = p[X < x1] + p[X = x1] i p[X = x1] = p[x1 X x1] = F(x1) F(x1) = 0

EX EMP L E 3
b) p[X 0] = 1 ja que lrea del recinte deter2 1 minat per f (x) en linterval [0, +) s . 2 Al mateix temps, es verica que

1 si 1 x 1 2 2 Esbrina si f (x) = 0 per als altres valors de x [ R s una funci de densitat. Resoluci Nhi ha prou a comprovar que verica les dues condicions de la denici de funci de densitat. 1. A partir de la denici de la funci f (x) tenim que f (x) 0, ;x [ R. 2. Lrea del recinte que determina la grca de la funci f (x) amb leix OX s: A = 1 1 1 = 1 1 = 1 (vegeu g. 10.5) 2 2 Per tant, f (x) s una funci de densitat. Calculem algunes probabilitats a partir de la funci de distribuci corresponent. a) F = p[X 1 ] s lrea del recinte determinat (1 5) 5 per la funci f (x) en linterval (, 1 ], per tant: 5 F ( 1 ) = p[X 1 ] = [ 1 ( 1 )] 1 = 7 5 5 5 10 2

p[X 0] = 1 p[X 0] = 1 F(0).

c) p 1 X 1 = 1 1 6 4 6 4 deix amb:

] [

5 , que coinci( )] 1 = 12

( )]

pX 1 pX1 = 1 1 1 1 6 4 6 2 4 2 = 2 1 = 5 3 4 12

] [

( ) [

( )] =

(vegeu g. 10.5)

Fig. 10.5

246

10
ACTIV ITATS

BLOC 4. ESTADSTICA

15> Si X representa una variable aleatria contnua:

a) Demostra que f (x) s una funci de densitat: 1 si 0 x 2 f (x) = 2 0 si x [0, 2] b) Representa-la grcament.

17> En una variable aleatria contnua X es deneix la

funci: f (x) = k x si x [0, 5] 0 si x [0, 5]

a) Calcula el valor de k per tal que la funci f (x) sigui una funci de densitat. b) Troba p[2 X 3,5] per al valor de k calculat en lapartat anterior. R: a) k = 2 ; b) 33 100 25

16> Per a la funci de densitat de lexercici anterior,

calcula: b) p X 1 2 R: a) 1 ; b) 3 ; c ) 5 2 4 8 a) p[X 1]

c) p 1 X 3 4 2

j 10.4 La distribuci normal

Una de les distribucions de probabilitat contnua ms important s la distribuci normal, ja que molts fenmens naturals i socials shi ajusten. Es diu que una variable aleatria contnua X segueix una distribuci normal de mitjana i desviaci tpica , es designa per N(, ), si es veriquen les condicions segents:
j j

Els valors de la variable sn tots nombres reals. La funci de densitat s: f(x) =

x 1 1 2 ( ) e 2
2

que s lexpressi algbrica de la corba normal o campana de Gauss (g. 10.6). Els valors de i sanomenen parmetres de la distribuci normal.

Fig. 10.6

Propietats de la funci de densitat de la distribuci normal N (, )

1. El seu domini de denici s tota la recta real R. 2. La seva grca s simtrica respecte de la recta x = . 3. No talla leix dabscisses, ja que les funcions exponencials sn estrictament positives. Talla leix dordenades en el punt dordenada: 1() 1 e 2 y= 2
2

DISTRIBUCI DE PROBABILITAT

10

247

4. Per a x > 0, els valors de la funci sapropen a zero a mesura que augmenta x. Per a x < 0, els valors de la funci tamb sapropen a zero a mesura que disminueix x. 5. Lrea del recinte que determina la corba amb leix OX s 1, ja que es tracta duna funci de densitat. 6. En els intervals ( , + ); ( 2, + 2) i ( 3, + 3), shi troba el 68,26 %; 95,44 % i 99,74 %, respectivament, del total de lrea (g. 10.7).
Els valors de la variable, tals que x n 3v o x n + 3v, es troben en una zona en qu lrea s el 0,26 % del total, s a dir, prcticament zero.

Fig. 10.7

La forma de la grca de la funci de densitat dependr dels valors de i . Tot seguit, mostrem les grques per a diferents valors dels parmetres i (g. 10.8).

Fig. 10.8

La representaci grca de la funci de distribuci corresponent s (g. 10.9):

Fig. 10.9

248

10

BLOC 4. ESTADSTICA

La relaci que existeix entre la funci de densitat i la funci de distribuci duna variable contnua amb distribuci normal N(, ) es representa en la gura 10.10.

Fig. 10.10

El valor de lrea assenyalada coincideix amb el valor de F(x1). La distribuci N(0, 1) es coneix amb el nom de distribuci normal reduda, la funci de densitat de la qual s: x 1 e 2 f(x) = 2
2

La seva grca s la que pots observar en la gura 10.11:

Fig. 10.11

Tipicaci duna variable X que segueix una distribuci N(, )

Per poder treballar amb la funci de distribuci duna variable contnua amb distribuci normal, s a dir, per calcular F(x1) = p[X x1], on X s una variable contnua que segueix una distribuci normal N(, ), sha de tipicar prviament la variable. Representem per X una variable que segueix una distribuci normal N(, ). Si considerem la variable Z = X , obtenim una nova variable que segueix una distribuci normal N(0, 1). La variable Z denida daquesta manera es coneix amb el nom de variable tipicada.
Si la variable contnua X segueix una distribuci normal N(, ), la variable Y = Z seguir una distribuci normal N(0, ) i la variable Z = X seguir una distri buci normal N(0, 1).

s a dir, si la variable aleatria contnua X segueix una distribuci normal N(, ), aleshores la variable Z = X segueix una distribuci normal N(0, 1). Per facilitar el clcul de F(z1) = p[Z z1] en una distribuci normal N(0, 1), sha elaborat la taula 10.4, que pots trobar al nal de la unitat, dutilitzaci molt senzilla. Els valors que hi apareixen sn els de la probabilitat que coincideixen amb lrea del recinte que determina la funci de densitat en linterval (, z1] per a z1 0. s a dir, ens dna lrea que hi ha ns al valor Z = z1 0.

DISTRIBUCI DE PROBABILITAT

10

249

En la taula noms apareixen probabilitats per a valors positius de la variable Z, atesa la simetria respecte de la recta x = 0 de la grca de la funci de densitat de la distribuci normal N(0,1). La variable contnua no seguir sempre una distribuci normal reduda. En aquests casos, cal transformar la variable X en la variable tipicada Z.

EX EMP LE 4
Vegem com sutilitza la taula 10.3 de distribuci normal reduda. a) p[Z 0,56] s lrea assenyalada en la gura 10.12. Aquesta probabilitat es troba directament en la taula. Nhi ha prou a buscar el valor que tenen en com la la 0,5 i la columna 0,06. Obtenim p[Z 0,56] = 0,7123. b) p[Z 1,43] s lrea marcada en la gura 10.13. p[Z 1,43] = 1 p[Z 1,43] = = 1 0,9263 = 0,0737 c) p[Z 1,43] s lrea que assenyalem en la gura 10.14. Aquest valor no es troba en la taula, per tenint en compte que la corba s simtrica respecte de la recta x = 0, es dedueix que: p[Z 1,43] = p[Z 1,43] = 0,0737 d) p[Z 2,42] s lrea que sindica en la gura 10.15. p[Z 2,42] = p[Z 2,42] = 0,9922 e) p[0,94 Z 1,46] s lrea assenyalada en la gura 10.16. p[0,94 Z 1,46] = = p[Z 1,46] p[Z 0,94] = = p[Z 1,46] p[Z 0,94] = = p[Z 1,46] (1 p[Z 0,94] = = 0,9279 (1 0,8264) = = 0,9279 0,1736 = 0,7543 f) p[Z = 1,43] = 0 (gura 10.17). En les distribucions de probabilitat contnua la probabilitat que Z prengui un nic valor s sempre 0.
Fig. 10.14 Fig. 10.13 Fig. 10.12

Fig. 10.15

Fig. 10.16

250

10
EX EMP L E 5

BLOC 4. ESTADSTICA

Es tracta ara de fer el procs invers, s a dir, determinar el valor de la variable Z si es coneix el valor de la probabilitat. a) Si p[Z z1] = 0,9099, quin s el valor de z1? A partir de la grca (g. 10.17) podem deduir que ser un valor positiu, per tant, el trobarem directament en la taula. Com que el valor 0,9099 s com a la la 1,3 i a la columna 0,04, tenim que z1 = 1,34. b) p[Z z2] = 0,4562 (g. 10.18).
Fig. 10.17

El valor de z2 no es troba en la taula, ja que s un valor negatiu. Aleshores: p[Z z2] = p[Z z2] = = 1 p[Z z2] p[Z z2] = = 1 p[Z z2] = 1 0,4562 = 0,5438 Aquest ltim valor de la probabilitat s que apareix en la taula. En conseqncia, tenim que: z2 = 0,11 z2 = 0,11 c) p[Z z3] = 0,8461 (g. 10.19). p[Z z3] = p[Z z3] = 0,8461
Fig. 10.19

Fig. 10.18

z3 = 1,02

z3 = 1,02

EX EMP LE 6
Resoldrem exercicis semblants, per ara amb una variable contnua X que segueix una distribuci normal no reduda. Si X s una variable amb una distribuci normal N 64, 5 , quan la tipiquem 2 obtenim una variable Z = X 64 2,5 amb distribuci N(0, 1), de manera que: 70 64 6 = = 2,4. a) p[X 70] = p[Z 2,4] = 0,9918, ja que z = 2,5 2,5

b) p[X 61,3] = p[Z 1,08] = p[Z 1,08] = 0,8599. c) p[59 X 68] = p[2 Z 1,6] = p[Z 1,6] p[Z 2] = = p[Z 1,6] p[Z 2] = p[Z 1,6] (1 p[Z 2]) = = 0,9542 (1 0,9772) = 0,9542 0,0228 = 0,9314 d ) Si p[X x1] = 0,2358, quin s el valor de x1? Considerem: p[Z z1] = 0,2358 z1 = x1 64 2,5 p[Z z1] = 1 p[Z z1] = 1 0,2358 = 0,7642 z1 = 0,72. Tenim que p[Z z1] = 0,7642

x1 = 2,5 z1 + 64 = 2,5 0,72 + 64 = 1,8 + 64 = 65,8

DISTRIBUCI DE PROBABILITAT

10
EX EMP L E 7

251

El pes dels nadons en una poblaci segueix una distribuci normal amb mitjana = 3,5 kg i desviaci tpica = 0,2 kg. a) Quina s la probabilitat que un nad pesi ms de 4 kg? I menys de 3,8 kg? b) Quin s el pes que s superat pel 45 % dels nadons? Resoluci La variable X: pes dels nadons segueix una distribuci normal N(3,5, 0,2). Cal tipicar la variable X mitjanant lexpressi Z = X 3,5 . 0,2 z1 = 4 3,5 = 0,5 = 2,5 a) x1 = 4 0,2 0,2 p[X 4] = p[Z 2,5] = 1 p[Z 2,5] = 1 0,9938 = = 0,0062 z2 = 3,8 3,5 = 0,3 = 1,5 x2 = 3,8 0,2 0,2 p[X 3,8] = p[Z 1,5] = 0,9332

b) Si el 45 % dels nadons supera un determinat pes, signica que p[X x3] = 0,45, en qu x3 s el valor que hem de determinar. Considerem la mateixa probabilitat per a la variable tipicada p[Z z3] = 0,45. De p[Z z3] = 0,45, obtenim que p[Z z3] = 1 0,45 = 0,55 z3 = 0,13.

El valor de probabilitat 0,55 no surt en la taula. El que ms shi aproxima s 0,5517, que correspon a z3 = 0,13. x3 = z3 + Si z3 = 0,13, aleshores x3 = 0,2 0,13 + 3,5 = 0,026 + 3,5 = 3,526. Podem armar que un 45 % dels nadons pesa ms de 3,526 kg.

ACTIVITATS

18> Contesta raonadament cadascuna daquestes qestions

a partir de la taula de la distribuci normal reduda: a) Per qu el primer valor de probabilitat que es troba en la taula s 0,5? b) Quin s el valor de p[Z 4,5]? I el valor de p[Z 5]?

22> Tenint en compte que lrea que es dna fa referncia a una distribuci normal N(0, 1), determina el valor o els valors de la variable Z en cadascun dels casos segents: a) Lrea entre 0 i z s 0,3770. b) Lrea a lesquerra de z s 0,8621. c) Lrea entre 1,5 i z s 0,0217.

19> Si Z s una variable N(0, 1), calcula:

a) p[Z 2,38] b) p[Z 1,64] c) p[Z 1,03] d ) p[Z 0,82] e) p[1,5 Z 3] f ) p[ 0,79 Z 0,79] R: a) p = 0,0087; b) p = 0,9495; c) p = 0,8485; d ) p = 0,2061; e) p = 0,06545; f ) p = 0,5704

23> En una poblaci sestableixen dos grups A i B. Els

quocients intellectuals dambds grups es distribueixen segons N(100, 30) i N(120, 35), respectivament. Sescull un individu de cada grup de manera aleatria i independent. Calcula: a) La probabilitat que lindividu del grup A tingui un quocient intellectual superior a 90. b) La probabilitat que lindividu del grup B tingui un quocient intellectual superior a 90. c) La probabilitat que ambds tinguin un quocient intellectual superior a 90. R: a) p = 0,6293; b) p = 0,8051; c) p = 0,50665 24> Suposem que el pes dels atletes de marat segueix una distribuci normal N(62, 3,4). a) Calcula la probabilitat que un atleta pesi ms de 65 kg. b) El 70 % dels atletes no supera un determinat pes. Quin s aquest pes? R: a) p = 0,1894; b) 63,768 kg

20> A partir de la taula, comprova a la distribuci

N(0, 1) que: a) A linterval (1, 1) es troba el 68,26 % del total de la probabilitat. b) A linterval (2, 2) es troba el 95,44 % del total de la probabilitat. c) Linterval (3, 3) inclou el 99,74 % del total de la probabilitat.

21> Considerem X una variable N(8, 3). Calcula:

a) p[X 9] b) p[X 7] c) p[6 X 7,5] d ) p[7,2 X 8,7] R: a) p = 0,6293; b) p = 0,6293; c) p = 0,1811; d ) p = 0,9863

252

10

BLOC 4. ESTADSTICA

j 10.5 Aproximaci duna distribuci binomial per una normal

En aquesta mateixa unitat hem vist que una distribuci binomial B(n, p) t una funci de probabilitat: p[X = k] = n pk qn k, per a p + q = 1 k

()

Per el clcul daquesta expressi s complicat quan el valor de n s gran, per la qual cosa la distribuci binomial B(n, p) s prcticament inaplicable per a valors grans de n. De Moivre va demostrar que una distribuci binomial B(n, p) saproxima a una distribuci normal de parmetres = n p i = n p q quan el valor de n s molt gran. Aquesta aproximaci es considera correcta si es veriquen les condicions segents: a) n 30. b) Com ms gran sigui n i ms saproximi a 0,5 el valor de p, millor resultar laproximaci.
Per aproximar una distribuci B(n, p) per una distribuci N(, ), primer cal comprovar que es verifiquen les condicions esmentades, i desprs calcular la mitjana i la desviaci tpica de la distribuci binomial.

En una distribuci binomial t sentit parlar de p[X = x1], en qu x1 s un nombre enter ms gran o igual que zero, mentre que en les distribucions contnues succeix que p[X = x1] = 0. Per tal que aix no succeeixi, quan aproximem una distribuci binomial per una normal establim el criteri segent: si volem trobar p[X = x1], quan fem laproximaci calcularem p[x1 0,5 X x1 + 0,5]. Per exemple, per determinar p[X = 2] calcularem: p[1,5 X 2,5] = p[X 2,5] p[X 1,5]

EX EMP L E 8
En un estudi realitzat a 2 000 persones sha comprovat que la probabilitat que un individu tingui un nivell alt de colesterol s p = 0,6. Considera la variable X: nombre dindividus que tenen un nivell alt de colesterol i calcula: a) p[1 180 X 1 220] b) p[X 1 225] c) p[X = 1 195] Resoluci X s una variable aleatria que segueix una distribuci binomial B(2 000, 0,6), la mitjana de la qual s = 2 000 0,6 = 1 200 i la desviaci tpica: = 2 000 0,6 0,4 = 480 = 21,9 Com que n > 30 i p . 0,5, podem aproximar aquesta distribuci binomial per una normal N(1 200, 21,9). a) Per calcular p[1 180 X 1 220] hem de calcular p[ 0,91 Z 0,91], ja que: z1 = 1 180 1 220 = 0,91 i z2 = 1 220 1 200 = 0,91, 21,9 21,9 don obtenim que: p[1 180 X 1 220] = p[ 0,91 Z 0,91] = = p[Z 0,91] p[Z 0,91] = 2( p[Z 0,91] 0,5) = = 2(0,8186 0,5) = 2 0,3186 = 0,6372 b) En ser z = 1 225 1 200 = 1,14, tenim: 21,9 p[X 1 225] = p[Z 1,14] = 1 p[Z 1,14] = = 1 0,8729 = 0,1271 c) Tenint en compte el criteri enunciat anteriorment, en aquest cas hem de trobar p[1 194,5 X 1 195,5] en la distribuci normal. Primer calculem els valors de la variable tipicada: z1 = 1 194,5 1 200 = 0,25 21,9 z2 = 1 195,5 1 200 = 0,21 21,9 p[1 194,5 X 1 195,5] = p[ 0,25 Z 0,21] = = p[Z 0,21] p[Z 0,25] = = p[Z 0,21] p[Z 0,25] = p[Z 0,25] p[Z 0,21] = = 0,5987 0,5832 = 0,0155

DISTRIBUCI DE PROBABILITAT

10
ACTIVITATS

253

25> Calcula la probabilitat dobtenir entre 4 i 7 creus,

ambdues incloses, en fer 12 llanaments duna moneda utilitzant: a) La distribuci binomial. b) Laproximaci normal de la distribuci binomial. R: a) p = 0,73315; b) p = 0,7329

29> Troba la probabilitat dobtenir ms de 36 vegades

el nmero 6 en 50 tirades dun parell de daus no trucats. R: p

-0

30> Es llana 2 500 vegades el dau de lexercici 11.

Calcula la probabilitat dobtenir el nmero 3: a) 400 vegades. b) La meitat de les vegades que es llana. c) Ms de 1 000 vegades. R: a) p

26> Es llana un dau 180 vegades. Troba la probabilitat dobtenir el nmero 6 entre 29 i 32 vegades (ambdues incloses). R: p = 0,3094

- 0; b) p - 0; c) p - 0

27> Tirem enlaire 500 vegades una moneda que ha estat trucada, de manera que la probabilitat dobte2 nir creu s . Calcula la probabilitat que el nom5 bre de cares no difereixi de 300: a) En ms de 10 tirades. b) En ms de 20 tirades. R: a) p = 0,663; b) p = 0,9386

31> Calcula p[X = 8] per a una variable que segueix una

distribuci binomial B 40, 1 . Compara-ho amb el 5 resultat que sobt fent s de laproximaci normal. s bona aquesta aproximaci? Per qu? R: p = 0,15231

32> La probabilitat que un vaporitzador dinsecticida

28> Quan llancem 120 vegades un dau normal, quina

s la probabilitat que la cara 4 surti exactament 24 vegades? I que surti 14 vegades com a mxim? R: p = 0,0592; p = 0,0885

mati un mosquit s 0,75. Si dirigim el vaporitzador contra 100 mosquits, quina s la probabilitat de matar-ne almenys 75? I de matar-ne menys de 50? R: p = 0,5438; p

-0

254

10
Punt nal

BLOC 4. ESTADSTICA

Risc i interval de conana

Es tracta de determinar un interval (a, b), de manera que el parmetre poblacional X desconegut es trobi en aquest interval amb una determinada probabilitat o nivell de conana. Per aix, considerarem que ens trobem davant una poblaci que segueix una distribuci normal N(, ). Per trobar linterval de conana prendrem la mitjana com a valor central. A partir del valor es construir linterval damplitud 2, de manera que linterval de conana ser ( , + ), amb la condici que la probabilitat que el parmetre poblacional X es trobi en aquest interval sigui 1 , on s el risc corresponent. s a dir: p[ X + ] = 1 Daquesta igualtat, sen dedueix que p[X + ] = , don 2 p[X + ] = 1 . 2 Aquesta ltima expressi ens permet trobar el valor de + , i, per tant, el valor de de linterval de conana, a partir del valor del risc . Vegem-ne un exemple: Llancem una moneda p = q = 1 100 vegades (n = 100) i 2 denim la variable X: nombre de cares. a) Quin ser el risc per a un interval de conana damplitud 2 = 20? b) Si fem una predicci amb un risc del 5 %, quin ser linterval de conana? c) Calcula el valor de de linterval de conana per a = 2,5 %. La variable X segueix una distribuci binomial B 100, 1 , 2 que podem aproximar mitjanant una normal N(50, 5), ja que = n p = 100 1 = 50 i = n p q = 100 1 2 2

a) Si = 10, linterval de conana ser (40, 60), perqu = 40 i + = 60. Hem de calcular p[40 X 60]. Si tipiquem prviament la variable, obtenim: p[40 X 60] = p[2 Z 2] = 2 (p[Z 2] 0,5) = = 2 (0,9772 0,5) = 0,9544 Si la probabilitat s 0,9544, el risc ser = 1 0,9544 = = 4,56 %. = 0,0456 b) Si = 5 %, signica que la probabilitat de linterval de conana ser 0,95, s a dir, p[50 X 50 + ] = = 0,95, amb = z. Com que p[X 50 + ] = 0,5 = 0,025, tenim que 2 p[X 50 + ] = 1 p[X 50 + ] = 1 0,025 = 0,975. z1 = 1,96 Considerem p[Z z1] = 0,975 = z1 = 5 1,96 = 9,8; don obtenim linterval de conana (40,2, 59,8). c) = 2,5 % p[X 50 + ] = 0,025 = 0,0125 2 p[X 50 + ] = 1 0,0125 = 0,9875 p[Z z2] = 0,9875 z2 = 2,24 = z2 =

= 5 2,24 = 11,2 En aquest exemple hem vist com es calcula el risc a partir de linterval de conana i, a linrevs, com es determina linterval de conana a partir del risc. Ara intenta-ho tu. Repeteix el mateix problema de lexemple, amb els mateixos apartats, per considerant n = 200 vegades.

( ) = 25 = 5.
2

DISTRIBUCI DE PROBABILITAT

10
0,07
0,5279 0,5675 0,6064 0,6443 0,6808 0,7157 0,7486 0,7794 0,8078 0,8340 0,8577 0,8790 0,8980 0,9147 0,9292 0,9418 0,9525 0,9616 0,9693 0,9756 0,9808 0,9850 0,9884 0,9911 0,9932 0,9948 0,9962 0,9972 0,9979 0,9985 0,99893 0,99924 0,99946 0,99962 0,99974 0,99982 0,99988 0,99992 0,99995 0,99996 0,99998

255

z
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0

0,00
0,5000 0,5398 0,5793 0,6179 0,6554 0,6915 0,7257 0,7580 0,7881 0,8159 0,8413 0,8643 0,8849 0,9032 0,9192 0,9332 0,9452 0,9554 0,9641 0,9713 0,9772 0,9821 0,9861 0,9893 0,9918 0,9938 0,9953 0,9965 0,9974 0,9981 0,99865 0,99903 0,99931 0,99952 0,99966 0,99977 0,99984 0,99989 0,99993 0,99995 0,99997

0,01
0,0540 0,5438 0,5871 0,6217 0,6591 0,6950 0,7291 0,7611 0,7910 0,8186 0,8438 0,8665 0,8869 0,9049 0,9207 0,9345 0,9463 0,9564 0,9649 0,9719 0,9778 0,9826 0,9864 0,9896 0,9920 0,9940 0,9955 0,9966 0,9975 0,9982 0,99869 0,99906 0,99934 0,99953 0,99968 0,99978 0,99985 0,99990 0,99993 0,99995 0,99997

0,02
0,5080 0,5478 0,5871 0,6255 0,6628 0,6985 0,7324 0,7642 0,7939 0,8212 0,8461 0,8686 0,8888 0,9066 0,9222 0,9357 0,9474 0,9573 0,9656 0,9726 0,9783 0,9830 0,9868 0,9898 0,9922 0,9941 0,9956 0,9967 0,9976 0,9982 0,99874 0,99909 0,99936 0,99955 0,99969 0,99978 0,99985 0,99990 0,99993 0,99996 0,99997

0,03
0,5120 0,5517 0,5910 0,6293 0,6664 0,7019 0,7357 0,7673 0,7967 0,8238 0,8485 0,8708 0,8907 0,9082 0,9236 0,9370 0,9484 0,9582 0,9664 0,9737 0,9788 0,9834 0,9871 0,9901 0,9925 0,9943 0,9957 0,9968 0,9977 0,9983 0,99878 0,99913 0,99938 0,99957 0,99970 0,99979 0,99986 0,99990 0,99994 0,99996 0,99997

0,04
0,5160 0,5557 0,5948 0,6331 0,6700 0,7054 0,7389 0,7704 0,7995 0,8264 0,8508 0,8729 0,8925 0,9099 0,9251 0,9382 0,9495 0,9591 0,9671 0,9738 0,9793 0,9838 0,9875 0,9904 0,9927 0,9945 0,9959 0,9969 0,9977 0,9984 0,99882 0,99916 0,99940 0,99958 0,99971 0,99980 0,99986 0,99991 0,99994 0,99996 0,99997

0,05
0,5199 0,5596 0,5987 0,6368 0,6736 0,7088 0,7422 0,7734 0,8023 0,8289 0,8531 0,8749 0,8944 0,9115 0,9265 0,9394 0,9505 0,9599 0,9678 0,9744 0,9798 0,9842 0,9878 0,9906 0,9929 0,9946 0,9960 0,9970 0,9978 0,9984 0,99886 0,99918 0,99942 0,99959 0,99972 0,99981 0,99987 0,99991 0,99994 0,99996 0,99997

0,06
0,5239 0,5636 0,6026 0,6406 0,6772 0,7123 0,7454 0,7764 0,8051 0,8315 0,8554 0,8770 0,8962 0,9131 0,9279 0,9406 0,9515 0,9608 0,9686 0,9750 0,9803 0,9846 0,9881 0,9909 0,9931 0,9948 0,9961 0,9971 0,9979 0,9985 0,99889 0,99921 0,99944 0,99961 0,99973 0,99981 0,99987 0,99991 0,99994 0,99996 0,99998

0,08
0,5319 0,5714 0,6103 0,6480 0,6844 0,7190 0,7517 0,7823 0,8106 0,8365 0,8599 0,8810 0,8997 0,9162 0,9306 0,9429 0,9535 0,9625 0,9699 0,9761 0,9812 0,9854 0,9887 0,9913 0,9934 0,9951 0,9963 0,9973 0,9980 0,9986 0,99897 0,99926 0,99948 0,99964 0,99975 0,99983 0,99988 0,99992 0,99995 0,99997 0,99998

0,09
0,5359 0,5753 0,6141 0,6517 0,6879 0,7224 0,7549 0,7852 0,8133 0,8389 0,8621 0,8830 0,9015 0,9177 0,9319 0,9441 0,9545 0,9633 0,9706 0,9767 0,9817 0,9857 0,9890 0,9916 0,9936 0,9952 0,9964 0,9974 0,9981 0,9986 0,99900 0,99929 0,99950 0,99965 0,99976 0,99983 0,99989 0,99992 0,99995 0,99997 0,99998

Taula 10.4 Funci de distribuci N (0,1)

256

10

BLOC 4. ESTADSTICA

Activitats nals
1> Troba la probabilitat dobtenir:
a) Dos xits mitjanant la distribuci B 4, 1 . 3 b) Ms de tres xits mitjanant la distribuci B 6, 1 . 2 c) Menys de dos fracassos mitjanant la distribuci B 4, 1 . 4 R: a) p = 8 ; b) p = 11 ; c) p = 13 27 32 256

7> Se sap que noms el 5 % de les persones que visi-

( )

( ) ( )

ten un logopeda sn de classe social baixa. Si a la consulta dun logopeda hi ha cinc persones, troba la probabilitat que: a) Cap sigui de classe social baixa. b) Almenys dues no siguin de classe social baixa. R: a) p = 0,773781; b) p = 99997

8> Sigui X una variable aleatria contnua que segueix

una distribuci normal N(, ). Determina: p 3 X + 2 2 R: p = 0,9104

2> Un equip A t una probabilitat p = 2 de guanyar

3 un partit. Si lequip juga 6 partits, calcula la probabilitat que: a) Guanyi dos partits. b) Perdi ms de la meitat dels partits. R: a) p = 20 ; b) p = 73 243 729

9> Demostra que el 99,74 % del total de lrea de recinte que determina la funci de densitat amb leix OX en una distribuci normal N(, ) es troba a linterval ( 3, + 3).

10> Troba la probabilitat que una variable contnua

prengui valors compresos entre 32 i 40 en una distribuci N(50, 5). R: p = 0,02264

3> Llancem 10 daus alhora. Definim la variable aleatria X: nombre de daus en qu sobt la cara 1. Calcula: a) p[X = 3] b) p[X 7] c) p[X < 5] R: a) p = 0,15505; b) p = 0,0002674; c) p = 0,98454

11> La durada de lembars de les dones segueix una distribuci normal, amb una mitjana de 266 dies i una desviaci tpica de 16 dies. Calcula el percentatge dembarassos amb una durada mxima de 244 dies. R: p = 8,38 %

4> Determina el nombre esperat de respostes correctes en un examen tipus test de 10 preguntes. Cada pregunta consta de 4 possibles respostes, de les quals noms una s correcta i se suposa que cada pregunta es contesta a latzar. R: = 2,5 respostes correctes

12> La mitjana de pes de 500 persones s 70 kg i la

desviaci tpica, 3 kg. Suposant que el pes es distribueix normalment, determina el nombre de persones que pesa: a) Entre 60 i 75 kg. b) Ms de 90 kg. c) Menys de 64 kg. R: a) 476; b) 0; c) 11 persones

5> Se sap que un determinat medicament millora els

smptomes duna malaltia en dos de cada tres pacients. Si administrem aquest medicament a set malalts, calcula la probabilitat que: a) Millorin quatre persones. b) Millorin tres persones com a mnim. c) Millorin les set persones. R: a) p = 0,25606; b) p = 0,95474; c) p = 0,05853

13> La nota mitjana de les proves daccs a una facultat

va ser de 5,8 amb una desviaci tpica d1,75. Si van ser admesos tots els estudiants amb una nota superior a 6 i considerant que la distribuci s normal: a) Quin va ser el percentatge destudiants admesos? b) Quina s la probabilitat que exactament quatre de cada deu estudiants fossin admesos? c) Si haguessin adms el 55 % dels estudiants, quina hauria estat la nota de tall en aquesta facultat? R: a) 45,62 %; b) p = 0,23522; c) 5,57

6>

Estudis recents han confirmat que el 70 % dels portadors del virus de la SIDA ha consumit algun tipus de droga. A la sala despera duna consulta especialitzada en aquesta malaltia shi troben, en un cert moment, sis persones portadores del virus. Determina la probabilitat que cap de les sis persones hagi consumit drogues. R: p = 0,000729

DISTRIBUCI DE PROBABILITAT

10

257

14> La data de caducitat dun medicament s el 31 de

desembre dun any determinat. Sabem que, desprs daquesta data, lefectivitat del medicament segueix una distribuci normal la mitjana de la qual s de 300 dies i la desviaci tpica, de 100 dies. a) Calcula la probabilitat que no sigui efectiu el 31 de desembre de lany segent. b) Quin dia shaur de consumir si volem tenir un 80 % de probabilitat que sigui efectiu? R: a) p = 0,7422; b) 216 dies desprs de la data de caducitat 15> En un estadi esportiu es volen installar focus per illuminar el terreny de joc. El temps de funcionament dels focus segueix una distribuci normal, amb una mitjana de 40 hores i una desviaci tpica de 4 hores. a) Si escollim un focus a latzar, quina s la probabilitat que illumini un mnim de 30 hores? b) Si es compren 1 500 focus, quants podem esperar que funcionin 30 hores com a mnim? R: a) p = 0,9938; b) 1 491 focus 16> Per aprovar unes oposicions es necessita obtenir en una prova 100 punts com a mnim. Sabem que la distribuci dels punts obtinguts s normal, amb una mitjana de 110 punts i una desviaci tpica de 15 punts. a) Quina s la probabilitat que aprovi un opositor? b) Si es presenten 1 000 opositors i noms es disposa de 300 places, quants punts shauran daconseguir per guanyar una daquestes places? R: a) p = 0,7486; b) p = 117,8 punts 17> El percentatge despanyols amb estudis mitjans s del 35 %. Si triem vuit persones a latzar, calcula la probabilitat que entre 3 i 5 (ambds inclosos) tinguin estudis mitjans, aplicant: a) La distribuci binomial. b) Laproximaci normal a la binomial.

19> Es llana 100 vegades un dau. Calcula la probabilitat dobtenir el nmero 5: a) Menys de 18 vegades. b) Ms de 14 vegades. c) Exactament 20 vegades. R: a) p = 0,6879; b) p = 0,8023; c) p = 0,0721

20> El temps que es necessita perqu una ambulncia

arribi a lhora a un hospital es distribueix normalment amb una mitjana de 12 minuts i una desviaci tpica de 3 minuts. a) Determina la probabilitat que el temps que trigui a arribar es trobi entre 10 i 19 minuts. b) Calcula el temps en minuts per al qual la probabilitat que lambulncia es retardi sigui del 15 %. R: a) p = 0,7387; b) 8,88 minuts

21> La mitjana del pes dels habitants duna ciutat s

de 65 kg, amb una desviaci tpica de 5 kg. Suposant una distribuci normal dels pesos, s zero la probabilitat que en escollir una persona a latzar pesi ms de 100 kg? Justifican la resposta.

22> Se sap que les notes dun determinat examen segueixen una distribuci normal. El 17,5 % dels alumnes que shan examinat ha obtingut una nota que supera els 7 punts, mentre que la nota del 15,7 % no arriba als 5 punts. Calcula: a) La nota mitjana de lexamen. b) El percentatge dalumnes que van obtenir una nota compresa entre 5 i 7 punts. R: a) = 6; b) p = 0,668

23> Llancem una moneda 50 vegades. Troba la probabilitat que el nombre de cares que obtinguem es trobi entre 12 i 16 (ambdues incloses). Utilitza: a) La distribuci binomial corresponent. b) Laproximaci normal a la binomial.

18> El nombre de fulls que empaqueta una mquina

segueix una distribuci normal, amb una mitjana de 1 000 fulls i una desviaci tpica de 10 fulls. Un paquet de fulls saccepta si en t entre 995 i 1 005. Es demana: a) La probabilitat que un paquet sigui acceptat. b) La probabilitat que exactament dos paquets de cada deu siguin acceptats. c) Si el 65 % dels paquets t ms dun determinat nombre de fulls, quants fulls t cadascun daquests paquets? R: a) p = 0,383; b) p = 0,13864; c) 996 fulls

24> Suposem una distribuci normal N(50, ) en qu

R: a) = 10; b) p = 0,3085

p[X 70] = 0,0228. Determina el valor de i calcula p[X 45].

25> Dues variables aleatries contnues X i Y segueixen

una distribuci normal la mitjana de la qual s zero. A ms, p[X 2] = p[Y 3] = 0,1587. Calculan les varincies corresponents.
2 2 = 4; b) 2 =9 R: a) 1

258

10
Avaluaci

BLOC 4. ESTADSTICA

1> Quina diferncia hi ha entre variable estadstica i variable aleatria?

Quines condicions ha de complir una distribuci perqu segueixi el model binomial?

2> Tenim una moneda trucada de manera que la probabilitat de treure cara
s quatre vegades la de treure creu. Tirem 6 vegades la moneda. Calcula la probabilitat de: a) Treure dues vegades creu. b) Treure com a mxim dues vegades creu.

3> De 1 000 mesures de talles sen va obtenir una mitjana de 165 cm i una
desviaci tpica de 8 cm. Se suposa que la distribuci s normal i es demana: a) Quantes mesures sn ms petites de 157 cm? b) Quantes estan entre 167 i 181 cm?

4> Si lalada mitjana de les persones adultes dun pas s de 167 cm i

les alades es distribueixen normalment, amb una desviaci tipus de 5 cm: a) Quin percentatge de la poblaci adulta t una alada compresa entre 160 i 180 cm? b) Quin percentatge t una alada no superior a 175 cm?