Professional Documents
Culture Documents
DISTRIBUCIÓ DE PROBABILITAT
Molts fenòmens naturals i socials, com ara el conjunt de les notes d’un examen dels alum-
nes d’una classe, el pes dels nadons nascuts en un determinat hospital o el coeficient
d’intel·ligència d’una població, segueixen una distribució de probabilitat molt característica:
la distribució normal.
2. opi = 1
i=1
De vegades no interessa tant conèixer la probabilitat que una variable discreta X pren-
gui un determinat valor xi, com la probabilitat que prengui un valor més petit o igual
que xi. És el concepte acumulatiu de la probabilitat.
Per aquest motiu, definim la funció de distribució com la funció:
i
√ √o
n n
bilitats.
σ= o(xi − μ)2 pi =
i=1 i=1
xi p2i – μ2
EX EM P L E 1
En l’experiment aleatori de llançar dues monedes, l’espai Resultats possibles Valors de Funció
mostral és: de l’experiment la variable de probabilitat
Ω = {(c, c), (c, x), (x, c), (x, x)}
(x, x) 0 p[X = 0] = 1
4
Resolució
Si definim la variable X: «nombre de cares», tindrem una (c, x), (x, c) 1 p[X = 1] = 1
2
funció que a cada element de l’espai mostral, és a dir,
a cada resultat de l’experiment, li assigna el nombre de (c, c) 2 p[X = 2] = 1
cares. 4
X(c, c) = 2, X(c, x), X(x, c) = 1 i X(x, x) = 0 Taula 10.1
Suposant que les monedes estiguin perfectament equi-
librades i, per tant, que els successos elementals siguin
equiprobables, s’obté la taula 10.1:
Per determinar-ne la funció de distribució corresponent, A partir de la gràfica podem observar les propietats
hem de calcular la imatge F(x) per a qualsevol valor que verifica la funció de distribució:
x [ R.
1. 0 ≤ F(x) ≤ 1
Per a qualsevol valor x < 0 tindrem que: 2. La gràfica de la funció F(x) és esglaonada.
F(x) = p[X < 0] = 0 3. F(x) = 0 per a qualsevol valor anterior al valor més
petit de la variable aleatòria discreta.
F(0) = p[X ≤ 0] = p[X = 0] = 1
4 4. F(x) = 1 per a qualsevol valor igual o posterior al
valor més gran de la variable aleatòria discreta.
F(1) = p[X ≤ 1] = p[X = 0] + p[X = 1] = F(0) + p[X = 1] =
5. F(x) és una funció creixent.
= 1 + 1 = 3 Finalment, calcularem l’esperança matemàtica i la des-
4 2 4
viació tipus.
F(2) = p[X ≤ 2] = p[X = 0] + p[X = 1] + p[X = 2] = 3
μ = oxi pi = 0 · 1 + 1 · 1 + 2 · 1 = 1
= F(1) + p[X = 2] = 3 + 1 = 1 i=1 4 2 4
4 4
A partir de la taula 10.1 es dedueix que, efectivament,
D’on obtenim la funció de distribució de la variable X: el valor més esperat de la variable és x = 1
3
A C T I V I TAT S
1> Llancem tres monedes. Definim la variable aleatò- 3> La funció de probabilitat d’una variable aleatòria
ria X com el nombre de creus que surtin. discreta està expressada en aquesta taula:
a) Determina la funció de probabilitat i la funció
de distribució de la variable X. xi −2 −1 0 2 4
b) Representa gràficament la funció de probabili- 1 1 1 1 1
tat i la funció de distribució. pi
8 6 8 4 3 Taula 10.2
c) Calcula l’esperança matemàtica i la desviació
típica. a) Determina la funció de distribució i representa-
3 la gràficament.
R: c) m = 23; s = 2
b) Troba l’esperança, la variància i la desviació típica.
R: b) μ = 1,416 X; σ2 = 4,99305X; σ = 2,2345
2> En l’experiment aleatori de llançar dos daus
enlaire definim la variable aleatòria X com 4> La variable aleatòria discreta uniforme és aquella
X(a, b) = màx(a, b), on (a, b) són els resultats que que pren valors 1, 2, 3... n, amb probabilitats:
mostren els dos daus. Determina la funció de pro- 1
babilitat i calcula l’esperança matemàtica. pi = ;i = 1, 2, 3…, n
R: μ = 4,472X n
Calcula la funció de distribució, l’esperança i la
desviació típica d’aquesta variable.
típica és σ = √ 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 és un experiment que se-
gueix el model de la distribució binomial B(n, p), on n i p són els paràmetres de la
distribució, en què n és el nombre de vegades que es realitza l’experiment i p, la pro- Una distribució de Bernouilli és
babilitat d’èxit per a n = 1. una distribució binomial B(1, p).
j L’experiment dóna lloc a un nombre n de proves, que són independents entre elles.
j L’esperança és μ = n p.
La funció de probabilitat d’una variable aleatòria discreta X: «nombre d’èxits» que se-
gueix una distribució binomial B(n, p) és:
p [X = k] = n pk (1 − p)n – k = n pk qn – k
( ) ( )
k k
en què k = 0, 1, 2, 3... n indica el nombre d’èxits.
Aquesta funció de probabilitat verifica que:
n k ( )
1. p[X = k] ≥ 0, ja que n > 0, p ≥ 0 i q ≥ 0
0 ( ) ( )
1 2 ( ) k k ( ) ( )
= n qn + n p qn−1 + n p2 qn−2 + … + n pn−1 q + n pn = (p + q)n = 1n = 1
Observa que en aquesta última demostració s’ha utilitzat el desenvolupament del bino-
mi de Newton.
La funció de distribució d’una variable aleatòria binomial X és:
F(x) = p[X ≤ x] = p[X = 0] + p[X = 1] + p[X = 2] + … + p[X = k] =
k
k és el nombre enter més gran que és més petit o igual que x. Aquesta funció assigna a cada
valor real x la probabilitat que la variable X prengui valors més petits o iguals que x.
EXEM P LE 2
3 125
+ 246 + 16 = 265
53
= 240 = 535 = 3 3
= 45 = 256
5 6 5 5 56
5 3 125 ( )( 15 ) · ( 45 ) = 20 · 45
p[X = 3] = 6
3
3
6
5
4
3 125
4 2
= 3 · 45 = 48 Els paràmetres de la distribució de probabilitat de la
p[X = 4] = 6
4 ( )( 15 ) · ( 45 ) = 15 · 54 2
6
5
2
3 125
j
variable X definida en l’exemple són:
5 24 L’esperança: μ = n p = 6 · 1 = 6
p[X = 5] = 6
5 ( )( 15 ) · 45 = 6 · 54 = 3 · 52
6
3
6
=
15 625
j
5 5
6 1 j La variància: σ2 = n p q = 6 · 1 · 4 = 24
p[X = 6] = 6
6 ( )( 15 ) = 516
=
15 625
5 5 25
j
√
La desviació típica: σ = √ n p q = 24 = 2√ 6 - 0,98
25 5
A C T I V I TAT S
5> A partir de la variable aleatòria de l’exemple 2: 10> Determina el nombre esperat de nenes en una fa-
a) Comprova la segona propietat de la funció de mília de vuit fills, si suposem igualment probable
probabilitat de la distribució binomial. la distribució de sexes. Quina és la probabilitat
que la família tingui el nombre esperat de nenes?
b) Defineix la funció de distribució.
R: 4 nenes; p = 35
128
6> Calcula:
11> Tenim un dau en forma de tetràedre, és a dir, amb
( )
a) p[X = 5], en B 7, 1 ; b) p[X ≤ 2], en B 5, 1
3 2 ( ) quatre cares que són triangles equilàters. Nume-
( )
c) p[X > 3], en B 8, 2
3
; d) μ, σ i σ, en B 10, 3
2
5 ( ) rem les cares de l’1 al 4 i considerem la variable
aleatòria X: «nombre d’1» per a n = 5.
R: a) 28 ; b) 1 ; c) 5 984 ; a) Estudia la distribució binomial corresponent.
729 2 6 561 b) Defineix les funcions de probabilitat i de distri-
bució.
√
12
d) μ = 6; σ2 = ; σ = 2 3
5 5 c) Calcula’n l’esperança i la desviació típica.
7> Llancem una moneda enlaire 100 vegades. Esta- 12> El 3 % de les peces elaborades per una màquina
bleix la probabilitat d’obtenir: és defectuós. Les peces es venen en caixes de
a) 47 cares. b) 35 creus. 25 unitats cadascuna. Quina és la probabilitat
que una caixa contingui com a màxim una peça
c) Almenys 2 cares. d) Cap creu.
defectuosa?
R: p = 0,82804
8> Una família de Tarragona té cinc fills. Suposant
que la probabilitat que un dels fills sigui nen és 13> Una determinada malaltia té un índex de mortali-
0,45, calcula la probabilitat que siguin: tat del 20 %. Si en un hospital hi ha sis persones
a) Tres nens i dues nenes. b) Menys nens que nenes. afectades, calcula la probabilitat que almenys la
c) Una sola nena. d) Cap nen. meitat dels pacients sobrevisqui.
R: p = 0,98304
R: a) 0,27565; b) 0,59313; c) 0,11277; d) 0,05033
14> El 55 % dels treballadors d’un organisme oficial
9> El 2 % dels articles produïts en una fàbrica és són dones. Per llei, el 25 % dels alts càrrecs han de
defectuós. Calcula el nombre esperat i també la ser dones. Si es trien 5 funcionaris a l’atzar, quina
desviació tipus d’articles defectuosos en una co- és la probabilitat que 3 siguin dones? I si l’elecció
manda de 10 000 unitats. només es fa entre els alts càrrecs?
R: μ = 200; σ = 14 R: p = 0,33691; p = 0,08789
X (0, 1] (1, 2] (2, 3] (3, 4] (4, 5] (5, 6] (6, 7] (7, 8] (8, 9] (9, 10]
fi 0,04 0,05 0,12 0,14 0,25 0,15 0,08 0,08 0,05 0,04
Taula 10.3
Fig. 10.3
Si realitzéssim el mateix estudi per a totes les notes dels 100 alumnes i les aproximés-
sim fins a les dècimes, centèsimes, mil·lèsimes, etc., obtindríem un polígon de freqüèn-
cies semblant al de la figura 10.4.
Fig. 10.4
Aquest diagrama ens pot proporcionar una idea intuïtiva d’una distribució de probabi-
litat contínua.
Per a una variable aleatòria contínua X, es defineix la funció de densitat f(x) de la
variable, de manera que:
1. f(x) ≥ 0, ;x [ R.
2. L’àrea del recinte que determina la gràfica de f(x) amb l’eix OX és 1.
La funció de distribució, igual que en el cas de les variables discretes, es defineix:
En les variables aleatòries dis- F(x) = p[X ≤ x], ;x [ R
cretes es defineix la funció de Per tant, aquesta funció acumula la funció de densitat corresponent a tots els valors
probabilitat, mentre que en les reals més petits o iguals que x.
variables aleatòries contínues es
defineix la funció de densitat. La funció de distribució és la que s’utilitza per al càlcul de probabilitats d’una variable
aleatòria contínua, de manera que:
j F(x1) = p[X ≤ x1] és l’àrea del recinte que determina la gràfica de la funció de densitat
amb l’eix OX en l’interval (−∞, x1].
j p[X ≥ x1] és l’àrea del recinte que determina la gràfica de la funció de densitat amb
l’eix d’abscisses en l’interval [x1, +∞). Com que l’àrea total és 1, tenim que:
p[X ≥ x1] = 1 − p[X ≤ x1] = 1 − F(x1)
j p[x1 ≤ X ≤ x2] és l’àrea del recinte que determina la gràfica de la funció de densitat
amb l’eix OX en [x1, x2]. És a dir,
p[x1 ≤ X ≤ x2] = p[X ≤ x2] − p[X ≤ x1] = F(x2) − F(x1)
En una distribució contínua de probabilitat s’utilitza la nomenclatura p[X ≤ x1], tot i que
s’hagi 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 EM P L E 3
1
b) p[X ≥ 0] = ja que l’àrea del recinte deter-
1 si − 1 ≤ x ≤ 1 2
Esbrina si f(x) = 2 2 1
minat per f(x) en l’interval [0, +∞) és .
0 per als altres valors de x [ R 2
és una funció de densitat. Al mateix temps, es verifica que
F ( 1 ) = p[X ≤ 1 ] = [ 1 − (− 1 )] · 1 = 7
5 5 5 2 10
(vegeu fig. 10.5) Fig. 10.5
A C TIVITATS
15> Si X representa una variable aleatòria contínua: 17> En una variable aleatòria contínua X es defineix la
a) Demostra que f(x) és una funció de densitat: funció:
1 si 0 ≤ x ≤ 2 k x si x ∈ [0, 5]
f(x) =
f(x) = 2 0 si x ∉ [0, 5]
0 si x ∉ [0, 2]
a) Calcula el valor de k per tal que la funció f(x)
b) Representa-la gràficament. sigui una funció de densitat.
16> Per a la funció de densitat de l’exercici anterior, b) Troba p[2 ≤ X ≤ 3,5] per al valor de k calculat en
calcula: l’apartat anterior.
a) p[X ≤ 1] [
b) p X ≥ 1 ] [
c) p 1 ≤ X ≤ 3 ] R: a) k = 2 ; b) 33
2 4 2 25 100
R: a) 1 ; b) 3 ; c ) 5
2 4 8
Fig. 10.6
y= e 2
σ √ 2π
4. Per a x > 0, els valors de la funció s’apropen a zero a mesura que augmenta x. Per a
x < 0, els valors de la funció també s’apropen a zero a mesura que disminueix x.
5. L’àrea del recinte que determina la corba amb l’eix OX és 1, ja que es tracta d’una
funció de densitat.
Fig. 10.7
Fig. 10.8
Fig. 10.9
La relació que existeix entre la funció de densitat i la funció de distribució d’una varia-
ble contínua amb distribució normal N(μ, σ) es representa en la figura 10.10.
Fig. 10.10
f(x) = e 2
√ 2π
Fig. 10.11
E X EM P L E 4
EXEM P LE 5
E X E M P LE 6
Resoldrem exercicis semblants, però ara amb una variable contínua X que
segueix una distribució normal no reduïda.
( )
Si X és una variable amb una distribució normal N 64, 5 , quan la tipifiquem
2
obtenim una variable Z = X − 64
2,5
amb distribució N(0, 1), de manera que:
70 − 64 6
a) p[X ≤ 70] = p[Z ≤ 2,4] = 0,9918, ja que z = = = 2,4.
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 és el valor de x1?
Considerem:
p[Z ≥ z1] = 0,2358 p[Z ≤ z1] = 1 − p[Z ≥ z1] = 1 − 0,2358 = 0,7642
Tenim que p[Z ≤ z1] = 0,7642 z1 = 0,72.
z1 = x1 − 64 x1 = 2,5 z1 + 64 = 2,5 · 0,72 + 64 = 1,8 + 64 = 65,8
2,5
EX EM P L E 7
El pes dels nadons en una població segueix una distri- b) Si el 45 % dels nadons supera un determinat pes, sig-
bució normal amb mitjana μ = 3,5 kg i desviació típica nifica que p[X ≥ x3] = 0,45, en què x3 és el valor que
σ = 0,2 kg. hem de determinar.
a) Quina és la probabilitat que un nadó pesi més de
Considerem la mateixa probabilitat per a la variable
4 kg? I menys de 3,8 kg?
tipificada p[Z ≥ z3] = 0,45.
b) Quin és el pes que és superat pel 45 % dels nadons?
De p[Z ≥ z3] = 0,45, obtenim que
Resolució
La variable X: «pes dels nadons» segueix una distribució p[Z ≤ z3] = 1 − 0,45 = 0,55 z3 = 0,13.
normal N(3,5, 0,2).
El valor de probabilitat 0,55 no surt en la taula. El
Cal tipificar la variable X mitjançant l’expressió Z = X − 3,5 . que més s’hi aproxima és 0,5517, que correspon a
0,2
z3 = 0,13.
a) x1 = 4 z1 = 4 − 3,5 = 0,5 = 2,5
0,2 0,2 x3 = σ z3 + μ
p[X ≥ 4] = p[Z ≥ 2,5] = 1 − p[Z ≤ 2,5] = 1 − 0,9938 =
Si z3 = 0,13, aleshores
= 0,0062
x3 = 0,2 · 0,13 + 3,5 = 0,026 + 3,5 = 3,526.
x2 = 3,8 z2 = 3,8 − 3,5 = 0,3 = 1,5
0,2 0,2 Podem afirmar que un 45 % dels nadons pesa més de
p[X ≤ 3,8] = p[Z ≤ 1,5] = 0,9332 3,526 kg.
A C T I V I TAT S
18> Contesta raonadament cadascuna d’aquestes qüestions 22> Tenint en compte que l’àrea que es dóna fa refe-
a partir de la taula de la distribució normal reduïda: rència a una distribució normal N(0, 1), determina
a) Per què el primer valor de probabilitat que es el valor o els valors de la variable Z en cadascun
troba en la taula és 0,5? dels casos següents:
b) Quin és el valor de p[Z ≤ 4,5]? I el valor de a) L’àrea entre 0 i z és 0,3770.
p[Z ≤ −5]? b) L’àrea a l’esquerra de z és 0,8621.
c) L’àrea entre −1,5 i z és 0,0217.
19> Si Z és una variable N(0, 1), calcula:
a) p[Z ≤ − 2,38] b) p[Z ≤ 1,64] 23> En una població s’estableixen dos grups A i B. Els
c) p[Z ≥ − 1,03] d) p[Z ≥ 0,82] quocients intel·lectuals d’ambdós grups es distri-
e) p[1,5 ≤ Z ≤ 3] f) p[−0,79 ≤ Z ≤ 0,79] bueixen segons N(100, 30) i N(120, 35), respecti-
vament. S’escull un individu de cada grup de ma-
R: a) p = 0,0087; b) p = 0,9495; c) p = 0,8485; nera aleatòria i independent. Calcula:
d) p = 0,2061; e) p = 0,06545; f) p = 0,5704
a) La probabilitat que l’individu del grup A tingui
20> A partir de la taula, comprova a la distribució un quocient intel·lectual superior a 90.
N(0, 1) que: b) La probabilitat que l’individu del grup B tingui
a) A l’interval (−1, 1) es troba el 68,26 % del total un quocient intel·lectual superior a 90.
de la probabilitat. c) La probabilitat que ambdós tinguin un quocient
b) A l’interval (−2, 2) es troba el 95,44 % del total intel·lectual superior a 90.
de la probabilitat. R: a) p = 0,6293; b) p = 0,8051; c) p = 0,50665
c) L’interval (−3, 3) inclou el 99,74 % del total de
la probabilitat.
24> Suposem que el pes dels atletes de marató segueix
una distribució normal N(62, 3,4).
21> Considerem X una variable N(8, 3). Calcula: a) Calcula la probabilitat que un atleta pesi més
a) p[X ≤ 9] b) p[X ≥ 7] de 65 kg.
c) p[6 ≤ X ≤ 7,5] d) p[7,2 ≤ X ≤ 8,7] b) El 70 % dels atletes no supera un determinat
R: a) p = 0,6293; b) p = 0,6293; c) p = 0,1811; pes. Quin és aquest pes?
d) p = 0,9863 R: a) p = 0,1894; b) 63,768 kg
En un estudi realitzat a 2 000 persones s’ha comprovat p[1 180 ≤ X ≤ 1 220] = p[−0,91 ≤ Z ≤ 0,91] =
que la probabilitat que un individu tingui un nivell alt
= p[Z ≤ 0,91] − p[Z ≤ −0,91] = 2(p[Z ≤ 0,91] − 0,5) =
de colesterol és p = 0,6. Considera la variable X: «nom-
bre d’individus que tenen un nivell alt de colesterol» i = 2(0,8186 − 0,5) = 2 · 0,3186 = 0,6372
calcula:
a) p[1 180 ≤ X ≤ 1 220] b) En ser z = 1 225 − 1 200 = 1,14, tenim:
21,9
b) p[X ≥ 1 225] p[X ≥ 1 225] = p[Z ≥ 1,14] = 1 − p[Z ≤ 1,14] =
c) p[X = 1 195]
= 1 − 0,8729 = 0,1271
Resolució
c) Tenint en compte el criteri enunciat anteriorment, en
X és una variable aleatòria que segueix una distribu- aquest cas hem de trobar p[1 194,5 ≤ X ≤ 1 195,5]
ció binomial B(2 000, 0,6), la mitjana de la qual és en la distribució normal. Primer calculem els valors
μ = 2 000 · 0,6 = 1 200 i la desviació típica: de la variable tipificada:
σ = √ 2 000 · 0,6 · 0,4 = √ 480 = 21,9
z1 = 1 194,5 − 1 200 = −0,25
Com que n > 30 i p . 0,5, podem aproximar aquesta dis- 21,9
tribució binomial per una normal N(1 200, 21,9).
z2 = 1 195,5 − 1 200 = −0,21
a) Per calcular p[1 180 ≤ X ≤ 1 220] hem de calcular 21,9
p[−0,91 ≤ Z ≤ 0,91], ja que: p[1 194,5 ≤ X ≤ 1 195,5] = p[−0,25 ≤ Z ≤ −0,21] =
= p[Z ≤ −0,21] − p[Z ≤ −0,25] =
z1 = 1 180 − 1 220 = −0,91 i z2 = 1 220 − 1 200 = 0,91,
21,9 21,9 = p[Z ≥ 0,21] − p[Z ≥ 0,25] = p[Z ≤ 0,25] − p[Z ≤ 0,21] =
d’on obtenim que: = 0,5987 − 0,5832 = 0,0155
A C T I V I TAT S
25> Calcula la probabilitat d’obtenir entre 4 i 7 creus, 29> Troba la probabilitat d’obtenir més de 36 vegades
ambdues incloses, en fer 12 llançaments d’una el número 6 en 50 tirades d’un parell de daus no
moneda utilitzant: trucats.
a) La distribució binomial. R: p - 0
b) L’aproximació normal de la distribució bino-
mial. 30> Es llança 2 500 vegades el dau de l’exercici 11.
R: a) p = 0,73315; b) p = 0,7329 Calcula la probabilitat d’obtenir el número 3:
a) 400 vegades.
26> Es llança un dau 180 vegades. Troba la probabi-
b) La meitat de les vegades que es llança.
litat d’obtenir el número 6 entre 29 i 32 vegades
(ambdues incloses). c) Més de 1 000 vegades.
R: p = 0,3094 R: a) p - 0; b) p - 0; c) p - 0
27> Tirem enlaire 500 vegades una moneda que ha es- 31> Calcula p[X = 8] per a una variable que segueix una
tat trucada, de manera que la probabilitat d’obte-
2
nir creu és . Calcula la probabilitat que el nom-
( 5 )
distribució binomial B 40, 1 . Compara-ho amb el
5 resultat que s’obté fent ús de l’aproximació nor-
bre de cares no difereixi de 300: mal. És bona aquesta aproximació? Per què?
a) En més de 10 tirades.
R: p = 0,15231
b) En més de 20 tirades.
R: a) p = 0,663; b) p = 0,9386 32> La probabilitat que un vaporitzador d’insecticida
mati un mosquit és 0,75. Si dirigim el vaporitza-
28> Quan llancem 120 vegades un dau normal, quina dor contra 100 mosquits, quina és la probabili-
és la probabilitat que la cara 4 surti exactament tat de matar-ne almenys 75? I de matar-ne menys
24 vegades? I que surti 14 vegades com a màxim? de 50?
R: p = 0,0592; p = 0,0885 R: p = 0,5438; p - 0
Punt final
Risc i interval de confiança a) Si λ = 10, l’interval de confiança serà (40, 60), perquè
μ − λ = 40 i μ + λ = 60.
Es tracta de determinar un interval (a, b), de manera que el Hem de calcular p[40 ≤ X ≤ 60]. Si tipifiquem prèviament
paràmetre poblacional X desconegut es trobi en aquest inter- la variable, obtenim:
val amb una determinada probabilitat o nivell de confiança.
Per això, considerarem que ens trobem davant una població p[40 ≤ X ≤ 60] = p[−2 ≤ Z ≤ 2] = 2 (p[Z ≤ 2] − 0,5) =
que segueix una distribució normal N(μ, σ). = 2 (0,9772 − 0,5) = 0,9544
Per trobar l’interval de confiança prendrem la mitjana μ com Si la probabilitat és 0,9544, el risc serà α = 1 − 0,9544 =
a valor central. A partir del valor μ es construirà l’interval = 0,0456 α = 4,56 %.
d’amplitud 2λ, de manera que l’interval de confiança serà
(μ − λ, μ + λ), amb la condició que la probabilitat que el b) Si α = 5 %, significa que la probabilitat de l’interval de
paràmetre poblacional X es trobi en aquest interval sigui confiança serà 0,95, és a dir, p[50 − λ ≤ X ≤ 50 + λ] =
1 − α, on α és el risc corresponent. És a dir: = 0,95, amb λ = σ · z.
p[μ − λ ≤ X ≤ μ + λ] = 1 − α
Com que p[X ≥ 50 + λ] = 0,5 = 0,025, tenim que
2
D’aquesta igualtat, se’n dedueix que p[X ≥ μ + λ] = α , d’on
2 p[X ≤ 50 + λ] = 1 − p[X ≥ 50 + λ] = 1 − 0,025 = 0,975.
p[X ≤ μ + λ] = 1 − α .
2 Considerem p[Z ≤ z1] = 0,975 z1 = 1,96
Aquesta última expressió ens permet trobar el valor de μ + λ, λ = σ z1 = 5 · 1,96 = 9,8; d’on obtenim l’interval de
i, per tant, el valor de λ de l’interval de confiança, a partir confiança (40,2, 59,8).
del valor del risc α.
Vegem-ne un exemple: c) α = 2,5 % p[X ≥ 50 + λ] = 0,025 = 0,0125
2
( )
Llancem una moneda p = q = 1 100 vegades (n = 100) i
2 p[X ≤ 50 + λ] = 1 − 0,0125 = 0,9875
definim la variable X: «nombre de cares».
p[Z ≤ z2] = 0,9875 z2 = 2,24 λ = σ z2 =
a) Quin serà el risc per a un interval de confiança d’amplitud
2λ = 20? = 5 · 2,24 = 11,2
b) Si fem una predicció amb un risc del 5 %, quin serà l’inter- En aquest exemple hem vist com es calcula el risc a partir de
val de confiança? l’interval de confiança i, a l’inrevés, com es determina l’inter-
val de confiança a partir del risc.
c) Calcula el valor de λ de l’interval de confiança per a
α = 2,5 %. Ara intenta-ho tu. Repeteix el mateix problema de l’exem-
ple, amb els mateixos apartats, però considerant n = 200 ve-
(
La variable X segueix una distribució binomial B 100, 1 ,
2 ) gades.
que podem aproximar mitjançant una normal N(50, 5), ja que
√
2
μ = n p = 100 · 1 = 50 i σ = √ n p q = 100 1 ( ) = √ 25 = 5.
2 2
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,0540 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5871 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9737 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9948 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99897 0,99900
3,1 0,99903 0,99906 0,99909 0,99913 0,99916 0,99918 0,99921 0,99924 0,99926 0,99929
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942 0,99944 0,99946 0,99948 0,99950
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99959 0,99961 0,99962 0,99964 0,99965
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972 0,99973 0,99974 0,99975 0,99976
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981 0,99981 0,99982 0,99983 0,99983
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987 0,99987 0,99988 0,99988 0,99989
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991 0,99991 0,99992 0,99992 0,99992
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994 0,99994 0,99995 0,99995 0,99995
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998
Activitats finals
1> Troba la probabilitat d’obtenir: 7> Se sap que només el 5 % de les persones que visi-
ten un logopeda són de classe social baixa. Si a la
( )
a) Dos èxits mitjançant la distribució B 4, 1 .
3 consulta d’un logopeda hi ha cinc persones, troba
b) Més de tres èxits mitjançant la distribució la probabilitat que:
( )
B 6, 1 .
2
a) Cap sigui de classe social baixa.
b) Almenys dues no siguin de classe social baixa.
c) Menys de dos fracassos mitjançant la distribució
R: a) p = 0,773781; b) p = 99997
( )
B 4, 1 .
4 8> Sigui X una variable aleatòria contínua que segueix
R: a) p = 8 ; b) p = 11 ; c) p = 13 una distribució normal N(μ, σ). Determina:
27 32 256
14> La data de caducitat d’un medicament és el 31 de 19> Es llança 100 vegades un dau. Calcula la probabili-
desembre d’un any determinat. Sabem que, després tat d’obtenir el número 5:
d’aquesta data, l’efectivitat del medicament se- a) Menys de 18 vegades.
gueix una distribució normal la mitjana de la qual
és de 300 dies i la desviació típica, de 100 dies. b) Més de 14 vegades.
a) Calcula la probabilitat que no sigui efectiu el 31 c) Exactament 20 vegades.
de desembre de l’any següent. R: a) p = 0,6879; b) p = 0,8023; c) p = 0,0721
b) Quin dia s’haurà de consumir si volem tenir un
80 % de probabilitat que sigui efectiu? 20> El temps que es necessita perquè una ambulància
arribi a l’hora a un hospital es distribueix normal-
R: a) p = 0,7422; b) 216 dies després de la data de
ment amb una mitjana de 12 minuts i una desvia-
caducitat
ció típica de 3 minuts.
15> En un estadi esportiu es volen instal·lar focus per
a) Determina la probabilitat que el temps que tri-
il·luminar el terreny de joc. El temps de funcio-
gui a arribar es trobi entre 10 i 19 minuts.
nament dels focus segueix una distribució normal,
amb una mitjana de 40 hores i una desviació típica b) Calcula el temps en minuts per al qual la pro-
de 4 hores. babilitat que l’ambulància es retardi sigui del
a) Si escollim un focus a l’atzar, quina és la proba- 15 %.
bilitat que il·lumini un mínim de 30 hores? R: a) p = 0,7387; b) 8,88 minuts
b) Si es compren 1 500 focus, quants podem espe-
rar que funcionin 30 hores com a mínim? 21> La mitjana del pes dels habitants d’una ciutat és
de 65 kg, amb una desviació típica de 5 kg. Su-
R: a) p = 0,9938; b) 1 491 focus posant una distribució normal dels pesos, és zero
16> Per aprovar unes oposicions es necessita obtenir la probabilitat que en escollir una persona a l’at-
en una prova 100 punts com a mínim. Sabem que zar pesi més de 100 kg? Justifica’n la resposta.
la distribució dels punts obtinguts és normal, amb
una mitjana de 110 punts i una desviació típica de 22> Se sap que les notes d’un determinat examen se-
15 punts. gueixen una distribució normal. El 17,5 % dels
alumnes que s’han examinat ha obtingut una no-
a) Quina és la probabilitat que aprovi un opositor?
ta que supera els 7 punts, mentre que la nota del
b) Si es presenten 1 000 opositors i només es dispo- 15,7 % no arriba als 5 punts. Calcula:
sa de 300 places, quants punts s’hauran d’acon-
seguir per guanyar una d’aquestes places? a) La nota mitjana de l’examen.
R: a) p = 0,7486; b) p = 117,8 punts b) El percentatge d’alumnes que van obtenir una
nota compresa entre 5 i 7 punts.
17> El percentatge d’espanyols amb estudis mitjans és
del 35 %. Si triem vuit persones a l’atzar, calcula R: a) μ = 6; b) p = 0,668
la probabilitat que entre 3 i 5 (ambdós inclosos)
tinguin estudis mitjans, aplicant: 23> Llancem una moneda 50 vegades. Troba la proba-
bilitat que el nombre de cares que obtinguem es
a) La distribució binomial.
trobi entre 12 i 16 (ambdues incloses). Utilitza:
b) L’aproximació normal a la binomial.
a) La distribució binomial corresponent.
18> El nombre de fulls que empaqueta una màquina
b) L’aproximació normal a la binomial.
segueix una distribució normal, amb una mitjana
de 1 000 fulls i una desviació típica de 10 fulls. Un 24> Suposem una distribució normal N(50, σ) en què
paquet de fulls s’accepta si en té entre 995 i 1 005. p[X ≥ 70] = 0,0228. Determina el valor de σ i cal-
Es demana: cula p[X ≤ 45].
a) La probabilitat que un paquet sigui acceptat.
R: a) σ = 10; b) p = 0,3085
b) La probabilitat que exactament dos paquets de
cada deu siguin acceptats. 25> Dues variables aleatòries contínues X i Y segueixen
c) Si el 65 % dels paquets té més d’un determi- una distribució normal la mitjana de la qual és ze-
nat nombre de fulls, quants fulls té cadascun ro. A més, p[X ≥ 2] = p[Y ≥ 3] = 0,1587. Calcula’n
d’aquests paquets? les variàncies corresponents.
R: a) p = 0,383; b) p = 0,13864; c) 996 fulls R: a) σ 12 = 4; b) σ 22 = 9
Avaluació
1> Quina diferència hi ha entre variable estadística i variable aleatòria?
Quines condicions ha de complir una distribució perquè segueixi el mo-
del binomial?
2> Tenim una moneda trucada de manera que la probabilitat de treure cara
és quatre vegades la de treure creu. Tirem 6 vegades la moneda. Calcula
la probabilitat de:
a) Treure dues vegades creu.
b) Treure com a màxim dues vegades creu.
3> De 1 000 mesures de talles se’n va obtenir una mitjana de 165 cm i una
desviació típica de 8 cm. Se suposa que la distribució és normal i es
demana:
a) Quantes mesures són més petites de 157 cm?
b) Quantes estan entre 167 i 181 cm?