Professional Documents
Culture Documents
Distribucions discretes:
Distribució de Bernouilli:
Aquesta distribució pren aquest nom quan la v.a. pot prendre dos valors, 0 i 1. Ω serà l'espai mostral (és a dir, creu o
cara...). Tenint en compte que p és la probabilitat 1 i q de 0, l'esperança equivaldrà a p i la variància a q.
Distribució binomial:
És la repetició de n vegades d'una experiència Bernouilli. La X equivaldrà al nombre de vegades que apareix el valor 1.
És a dir, X estarà ente 0 i n.
Depenent de dos paràmetres (n=nombre de vegades que s'ha repetit l'experiment Bernouilli i p=és la probabilitat
d'obtenir el valor 1),la distribució Binomial la denotarem B(n,p) i amb la següent fórmula:
𝑛!
𝑝 𝑘 = 𝑘! 𝑛−𝑘 ! 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 (la k=al número pel qual busquem la probabilitat)
L'esperança serà igual a np i la variància npq .
*Si ens pregunten un número exacte apliquem la fórmula substituint k pel nombre que ens hagin donat i, si ens
pregunten de x a y, sumem les probabilitats incloent-hi les de x i y o sumar les restant i restar-les de 1. Si ens
pregunten la probabilitat de 0, haurem de substituir únicament el valor de p per (1-p).
Distribució de Poisson:
𝜆𝑘
Aquesta distribució amb el paràmetre λ ve donada per: 𝑝 𝑘 = 𝑃 𝑋 = 𝑘 = 𝑒 −𝜆 𝑘! Aquí E(x) = Var(x) = 𝜆
*Si ens demanen la probabilitat de que passi tantes vegades una determinada cosa per n vegades el període de temps
que se'ns ha determinat la 𝜆, només s'haurà de multiplicar 𝜆 per n vegades. Els criteris descrits en l'anterior distribució
(menys el de la probabilitat de 0) també son vàlids per aquesta.
Ex: Ous trencats de mitjana cada x temps
Distribucions contínues:
Distribució exponencial:
Segueix aquest distribució si la seva funció densitat és 𝜆𝑒 −𝜆𝑥 𝑠𝑖 𝑥 > 0
𝟏 1 𝑏
Mitjana=E(x)= 𝝀 i Var(x)= . Fem 𝜆𝑒 −𝜆𝑥 Sent b > 𝑎.
𝜆2 𝑎
*Teorema de l'addicció (teorema 1 del límit central): Si existeix un X variable que es la suma de n variables normals
independents (amb Var(x) i E(x) diferents) la variable Xtotal seguirà els següents paràmetres 𝑋~𝑁( 𝜇 , 𝜎 2 ). Exemple
dels elefants.
2n Khi Quadrat:
No és simètrica i té graus de llibertat. S'ha de tenir en compte que, en la taula, la fila cabdal són probabilitats i els
números restant són punts. (OJU als signes)
3r Fischer:
No és simètrica i té els graus de llibertats en la columna i la fila, i n'hi ha tres , una per a cada probabilitat que deixa a la
dreta.
*Quan ens demanen la probabilitat d'un cert punt només és necessari buscar a les tres taules el valor donat amb els
graus de llibertat (precaució amb el signe < o >. En el cas contrari, és a dir, quan ens donin la probabilitat hi haurà dos
casos: El primer cas, quan el valor de la probabilitat sigui 0.05, 0.025 o 0.01 quan P(X>x) o 0.95, 0.975 o 0.99 quan
P(X<x), es tracta solament de buscar el punt en la taula corresponent amb el graus de llibertat tal qual. El segon cas,
quan el valor de la probabilitat sigui 0.05, 0.025 o 0.01 quan P(X<x) o 0.95, 0.975 o 0.99 quan P(X>x) haurem de buscar
a la taula de la probabilitat corresponent el punt amb el graus de llibertat girats i ho divideixes a 1.
4rt T de student:
Et dona els graus de llibertat i és simètrica.
*Treballarem amb ella com ho faríem amb la normal estàndard, tot i que al mig tenim punts, a d'alt probabilitats i a
l'esquerra els graus de llibertat
1.-LLEGIR BÉ!!!
2.-Determinar la hipòtesi nul·la i l'alternativa. L'alternativa sempre serà el que es vol provar, no portant el signe igual, i
la nul·la sempre serà "conservadora". Després és important determinar si és bilateral, unilateral dreta i unilateral
esquerra (que sempre fa referència a H1).
4.-Quan ens demanen l'interval de la taula estadística haurem de buscar els punts que deixen 𝛼 a l'esquerra o a la
dreta o bé, 𝛼 2 a costat i costat. i posar, coherentment els infinits a H1 o a H0. El valor de l'estadístic de prova s'utilitza
per determinar quina hipòtesis ens quedem emprant l'interval que surt del valors de les taules.
5.-Quan ens demanen l'interval de la magnitud que s'està estudiant, hem d'igualar la fórmula de l'estadístic de prova a
el valor de les taules i aïllar la magnitud a analitzar. A diferència d'abans, la magnitud mostral que ens donin la
emprarem per determinar la hipòtesis a partir de l'interval "mostral". 6.-𝛼 c o nivell de significació crític és
la probabilitat que l'estadístic de prova té dins les taules (dreta o esquerra i OJU amb les bilaterals que s'ha de
multiplicar per dos). El significat d'aquest mesura és la probabilitat que sigui certa la H0. I que en servirà per
determinar, comparant-ho amb el nivell d'error, si ens quedem amb H1 o H0
Tema 6: Anova
1.-Primer determinar H0 i H1.
2.-Consultar sempre la F de fischer amb el graus de llibertat (k-1, n-k), sent k la varietat de mostres i n el nombre de
mostres, per obtenir el valor crític de F (Fc)que és el punt que deixa a la seva dreta l'àrea igual a 𝛼. Tenint en compte
això l'interval per H0 serà (0, Fc) i H1 (Fc, +∞).
3.- La determinació de la hipòtesi vàlida es realitzarà a partir de l'estadístic de prova, comprant-ho amb els intervals
donats pel "valor crític de F" o Fc
Anova dues variàncies amb una mostra.
2.-Consultar sempre la F de fischer amb el graus de llibertat, que pel factor fila/columna serà (nombre de
files/columnes-1,(nombres de files-1)*(nombre columnes -1)), per obtenir els respectius valor crític de F (Fc)que és el
punt que deixa a la seva dreta l'àrea igual a 𝛼. Tenint en compte això l'interval per H0 serà (0, Fc) i H1 (Fc, +∞).
3.- La determinació de la hipòtesi vàlida es realitzarà a partir de l'estadístic de prova, comprant-ho amb els intervals
donats pel "valor crític de F" o Fc
3.- La determinació de la hipòtesi vàlida es realitzarà a partir de l'estadístic de prova, comprant-ho amb els intervals
donats pel "valor crític de F" o Fc.
2.- 𝑌 = 𝛼 + 𝛽𝑥
4.- Tan Y i X amb barret són les mitjanes dels valors que es donen de X i de Y (suma de (X o Y)/n)
1.-Coeficient de relació 𝒓:
És la relació lineal que hi ha entre dues variables i es
calcula mitjançant la fórmula següent:
· −1 ≤ 𝑟 ≤ 1 El signe positiu d'aquest valor significa que presenten una correlació positiva, és a dir, indica la relació
proporcional entre la variable X i la variable Y. En el cas contrari, quan aquest valor es negatiu, la correlació serà
negativa. Indicant, així, que, entre la variable X i la Y, existeix una relació inversament proporcional.
·En el cas de ser 𝑟 ± 1 ens trobaríem en els dos casos de correlació total. I, en el cas de 𝑟 = 0, que les variables estan
incorrelacionades.
2.-Coeficient de determinació 𝒓𝟐 :
·Com més proper sigui aquest coeficient a 1 més significativa serà la relació lineal entre X i Y, és a dir, la Y queda molt
ben explicada per X. Sent 1 el valor de màxima perfecció i el 0 el de màxim desastre lineal...
3.-Error estàndard 𝒔𝒖 :
Determinació de si el coeficient de correlació és significatiu. Contrast d'hipòtesis
*Aquesta determinació vindrà donada per un contrast d'hipòtesis sobre el coeficient de correlació poblacional 𝝆:
1.-Determinar les hipòtesis nul·la i alternativa sent H0 𝜌 = 0 i H1 𝜌 ≠ 0.
2.-Determinar, consultant la taula t de Student amb 𝑛-2 graus de llibertat, el punt que deixa a la seva dreta 𝛼 2, sent 𝛼
5.-Segons els valor de 𝒓 i 𝒕 decidirem quin és la hipòtesis vàlida. I, a més calcularem 𝜶 𝒄𝒓𝒊𝒕𝒊𝒄
Al realitzar una predicció hem d'aplicar-la amb l'equació linealitzada, sent 𝛽 el valor estimat de la
pendent, 𝛼 l'ordenada a l'origen estimada i 𝑋𝑖 el valor determinat que ens donin.
Regressió no lineal
1r Cas 1 e^y=a*x^b
1.-Primer pas apliquem logaritmes a les dues bandes (Y=lna+b*lnx)
2.-Ara linealitzem la funció (Y=α+b*X’)
3.-Un cop tenim la funció linealitzada es treballa igual que si fos una regressió lineal tenint en compte que el sumatori
de x serà aquell al que se li hagin aplicat el LN i la Y serà la inicial. (Per calcular ALPHA s'utilitza les mitjanes de Y i de
LN(X)!!!) Tenir en compte que, si ens demanen els valors de a i b inicials, el valor de b no varia o sigui es el mateix que
quan teníem la funció sense linealitzar però el valor de a s'hauran de desfer els logaritmes mitjançant els logaritmes, és
a dir, a=e^α.
Cas 2 y=a*x^b
1.-Primer pas apliquem logaritmes a les dues bandes
lnY=lna+b*lnx
2.-Ara linealitzem la funció
Y’=α+b*X’
3.-Un cop tenim la funció linealitzada es treballa igual que si fos una regressió lineal tenint en compte que la y i la x que
hem d’agafar són aquells sumatoris als quals se’ls hi hagi aplicat els logaritmes Tenir en compte que si ens demanen els
valors de a i b inicials el valor de b no varia o sigui es el mateix que quan teníem la funció sense linealitzar però el valor
de a serà desfer els logaritmes es a dir a=e^α
Cas 3 y=a+b*lnx
1.-Linealitzem la funció
Y=α+b*X’
2.-Un cop tenim la funció linealitzada es treballa igual que si fos una regressió lineal tenint en compte que el sumatori
de x será aquell al que se li hagin aplicat ln i la Y la inicial.
3.-Els valors de a i de b seran els mateixos un cop linealitzada la funció