TEMA 5

ESTADÍSTICA I PROBABILITAT
COMBINATÒRIA
6.1. ESTADÍSTICA UNIDIMENSIONAL
L’anàlisi estadística de dades sol requerir de recolzament tecnològic. Podrem
comprovar com la ClassWiz és un bon suport per l’estadística, ja que compta amb
ferramentes per desenvolupar diversos càlculs estadístics de variables
estadístiques unidimensional i bidimensionals.

ABANS DE COMENÇAR
Utilitzarem el model fx-82SP X II, si bé, més endavant, en la mateixa sessió
introduirem el model fx-570/991 SP XII, el qual ens proporcionarà la possibilitat de
generar el codi QR, d’aquesta manera, amb l’ajuda d’una tauleta o d’un telèfon
intel·ligent, podem visualitzar en línia l’anàlisi gràfica de les dades estadístiques.
Per aquest motiu recomanem la descàrrega de l’emulador fx-570/991 SP XII, per
a quan siga necessari l’ús de la funcionalitat gràfica.

L’estadística unidimensional implica informació sobre una única variable. Per a començar,
introdueix el mode Estadística w2 i seleccionem estadística unidimensional amb 1
(1-Variable). Les altres opcions impliquen dades bidimensionals (amb dues variables).

Les dades unidimensionals a vegades tenen freqüències associades, de manera que

cada valor pot repetir-se vàries vegades. Per ara, anem a suposar que les freqüències no
estan involucrades. Per activar la informació sobre les freqüències, s’usa CONFIG
qw, s’accedeix a la segona pantalla R i després polsa 3 Estadística.

Selecciona 2(OFF) i a continuació apareixerà una pantalla de dades en blanc, per

introduir les dades.

1
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

Al pressionar la tecla Cla calculadora mostra que està preparada per fer front a
l’estadística unidimensional.

Introducció, edició i comprovació de dades

La calculadora permet introduir fins 160 registres per a cada variable, o un màxim de 80,
si s’inclouen les freqüències. Si disposem més de 160 registres, hauràs d’utilitzar
freqüències (com es descriurà més endavant en aquesta sessió)

EXEMPLE 1
Considera les següents dades, que es van obtenir d’un experiments basat en el
creixement de diverses plantes de fesols a partir de la seues llavors. Es mesuren
les altures d’una sèrie de plantes sis setmanes després que foren sembrades, i es
van obtindre els següents resultats (expressat en centímetres):

24,6 21,4 27,1 30,2 20,4 20,7 21,8 29,1 22,5 21,6 31,8 21,0 17,1
27,7 28,1 24,9 24,7 24,0 23,6 19,1 20,8 24,8 22,3 29,6 24,4

Si no apareix la taula de dades en pantalla, tecleja T3(Dades). Introdueix les dades

en la columna x i polsa = després de cada registre. Observa que, després de
pressionar =, el cursor es mou a sota, fins la següent fila de la taula:

Sempre és possible introduir errades d’escriptura, pel que convé comprovar les entrades.
Si comets una errada a l’introduir un valor abans de polsar la tecla =, pots corregir-lo
utilitzant la tecla o, introdueix el valor correcte i pressiona =. Si detectes una errada
en un registre, utilitzant el cursor per ressaltar-lo i introdueix el valor correcte. A mesura
que s’introdueixen les dades, pots desplaçar-te cap a dalt i cap a sota usant E i R.
Pots desplaçar-te en qualsevol direcció i, en particular, pots desplaçar-te des del darrer
valor al primer, i viceversa (com si les dades estigueren en un bucle). A mesura que et
desplaces, veuràs que els valors ressaltats es mostren a la part inferior de la pantalla amb
més precisió i major grandària del que es mostra a la taula.
Observa també que la calculadora ha introduït 21 en lloc de 21,0 i 24 en lloc de 24,0,
malgrat que els valors s’han introduït amb punt decimal:

2
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

Una vegada s’han introduït totes les dades, una senzilla comprovació proporciona el
nombre de registres. En aquest cas, el darrer registre ocupa la fila 25, que coincideix amb
el nombre d’entrades de la llista. Si s’ha introduït el nombre correcte de registres, polsa
C per eixir de l’edició de dades i després polsa T per veure les opcions del mode
Estadística. Seguidament polsa R per veure la segona pantalla, com es mostra a
continuació.

C T R

És una bona idea comprovar les entrades màxima i mínima, ja que poden manifestar
l’existència d’errades d’escriptura. Per accedir a aquestes entrades des del menú OPTN,
pressiona 3 Mínim/Màxim i selecciona els valors mínims o màxims:

Hem introduït incorrectament aquests dos valors, com es pot comprovar fent una ullada a
les dades originals, on tots els valors són nombres de 2 dígits amb una sola xifra decimal.
En aquest cas, s’han introduït errades d’escriptura (encara que és poc probable que
hages fet les mateixes errades en la teua calculadora).

Per a corregir qualsevol errada, tecleja T3, per a tornar a la llista de dades. En el
nostre cas, un desplaçament ràpid indica que el registre vuité (29,1) s’ha entrat
incorrectament, així com el quinzé (28,1), Aquests registres poden corregir-se introduint el
valor correcte en lloc de l’incorrecte:

3
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Una vegada introduïdes les dades, pots afegir nous registres utilitzant el comandament
T3(Dades).
ATENCIÓ
Si canviem de mode en la calculadora, al tornar al mode Estadística, les dades
introduïdes prèviament s’hauran eliminat.

Hem de tenir cura i evitar abandonar el mode Estadística, ja que si ho fem s’eliminaran les
dades que s’hagen introduït en la taula, ja que la calculadora esperarà un nou conjunt de
dades (inclús encara que tornem a entrar d’immediat den el mode Estadística w2).

Tanmateix, en apagar i encendre la calculadora, no perdem les dades estadístiques, ja

que si la calculadora s’ha apagat en el mode Estadística a l’engegar-la seguirà en el
mateix mode i amb les dades introduïdes.

Càlcul dels paràmetres estadístics

Una vegada introduïdes les dades correctament, pots obtenir els corresponents
paràmetres estadístics mitjançant el menú OPTN. Polsa C per abandonar la taula de
dades i tecleja T2. Es requereixen tres pantalles successives per mostrar el
paràmetres, com es mostra a continuació. (El símbol del cursor en la part superior de la
pantalla, indica que es possible tornar al menú anterior, si ho desitges, pressionant !.

OBSERVACIÓ 1
També és possible accedir als paràmetres des de Dades. Has de teclejar T3:

Aquests paràmetres estadístics es poden obtenir individualment mitjançant el procediment

pel qual es van obtenir els valors màxim i mínim de la llista de Dades. Polsa C per eixir
de la taula de dades, pressiona T i, seguidament R, per a veure la segona pantalla.
En les següents pantalles s’analitzen les opcions 1: Sumatoris i opció 2: Paràmetres.
(Observa el símbol del cursos que apareix en la part superior de la pantalla. Indica que es
pot accedir, de nou al menú OPTN pressionant !).

∑𝑥
Per exemple la mitjana de la llista de dades es calcula com 𝑥̅ = i està disponible en el
𝑛
menú Paràmetres teclejant 1 i després =. En aquest cas, la mitjana de 24,132 cm.
La mediana de les dades els el valor central ordenades totes les dades que pot obtenir-se
en el menú Mínim/Màxim, com es mostra en les següents pantalles:

4
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

La mitjana i la mediana descriuen en quina mesura les dades estan agrupades

(centralitzades) al voltant d’un determinat valor, però també és important conèixer quina
és la dispersió de les dades. Una mesura de dispersió és el rang, que es defineix con la
diferència entre els valors màxim i mínim d’una llista de dades. En l’exemple del
creixement de les plantes de fesols, el mínim i el màxim son 17,1 i 31,8, respectivament.
En conseqüència, el rang es pot calcular mentalment com 14,7.
De la mateixa manera, el rang interquartílic s’obté de restar els quartils superior i inferior,
obtenint un valor de 6,2:

El rang és una mesura bastant dolenta de la dispersió de les dades, ja que només usa
dos valors en el seu càlcul. La desviació estàndard de la població, representada per 𝜎𝑥 ,
mesura amb més precisió la dispersió de les dades:

2 (∑ 𝑥)2
√∑ 𝑥 − 𝑛
𝜎𝑥 =
𝑛
La desviació estàndard es basa en totes les dades, no només amb els valors extrems. En
aquest cas si disposàrem de totes les plantes de fesols, obtindríem una desviació
estàndard aproximadament, 3,67 cm, com es mostra a continuació. La variància, de
aproximadament 13,45 cm, podria obtenir-se pressionant la tecla d després d’obtenir la
desviació estàndard, o podria obtenir-se directament des del menú Paràmetres.

No és freqüent tenir accés a tota la població, sinó a una mostra aleatòria d’aquesta. En
aquest cas, la mesura més apropiada per a la dispersió de les dades és l’estimació no
esbiaixada de la desviació estàndard, representada per:

2 (∑ 𝑥)2
√∑ 𝑥 − 𝑛
𝑠𝑥 =
𝑛−1
En general, com es dedueix de l’estudi de les dues fórmules s𝑥 és un poc major que 𝜎𝑥 ,
pel fet que el denominador és menor. Es apropiat usar la desviació estàndard de la mostra
si considerem les plantes, com una mostra de la població. En aquest cas, la mostra de 25
plantes té una desviació estàndard de la mostra de 3,74 i una variància de 14,01.

5
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

A més a més d’aquest paràmetres estadístics, de vegades resulta útil obtenir les sumes
dels registres originals i les sumes dels seus quadrats, ja que aquests són els valors que
utilitza internament la calculadora per realitzar els càlculs de la desviació estàndard.
Aquests valors s’obtenen a partir del menú Sumatoris:

Els paràmetres estadístics que proporciona la calculadora suggereixen que les altures de
les plantes s’estenen de forma aproximadament simètrica, amb la majoria de les altures
compreses entre dues desviacions estàndard de la mitjana. El diagrama de caixes i bigots
que es mostra a continuació, usant cinc dels paràmetres que s’ha estudiat, confirma
l’afirmació anterior:

OBSERVACIÓ 2
L’ús del model fx570/991SP XII ens permetrà la visualització en línia del diagrama de
caixes i bigots, gràcies al codi QR.

Freqüència de dades
De vegades, un conjunt unidimensional de dades compren més de 160 observacions, el
límit per a la calculadora, pel que es requereix agrupar les dades en freqüències. En altres

6
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
ocasions, les dades unidimensionals venen recollides de forma rutinària amb les seues
freqüències respectives, pel que es treballen millor en la calculadora utilitzant freqüències.

Quan s’utilitzen freqüències existeix un límit de 80 registres (cadascun amb la seua

freqüència associada). En efecte, açò significa que la calculadora por treballar conjunts de
dades numèriques més grans, en què es puguen organitzar en no més de 80 valors
distints.

Per activar les freqüències, s’utilitza la segona pantalla del menú CONFIG (qwR),
com és mostra a continuació: seleccionar 1 per accedir a la configuració d’Estadística.
Seguidament, polsa novament 1 per a activar les freqüències.

A continuació, s’utilitza T per seleccionar l’estadística en 1-variable, necessària

després de canviar el nombre de columnes de la taula de dades. Observeu que aquest
canvi esborrarà totes les dades que es troben en la taula.

Quan accedisques a les dades utilitzant el menú Estadística, veuràs que les dades
s’esborren i que ara apareixen dues columnes, una per a les dades i l’altra per a les
freqüències associades:

EXEMPLE 1
La següent taula, mostra les dades relatives a les altures d’un grup de 455 xiquetes
d’una escola. Les altures van ser reportades per les pròpies xiquetes, amb una
precisió de centímetres. Com hi ha més de 160 xiquetes i més de 80 altures
diferents, ha esta necessari agrupar les dades per permetre l’anàlisi.
Les dades es registraren en intervals com s’indica:

Altura (cm) Marca de classe Freqüència

120 – 129 124,5 1
130 – 139 134,5 9
140 – 149 144,5 60
150 – 159 154,5 152
160 – 169 164,5 161
170 – 179 174,5 57
180 – 189 184,5 13
190 – 199 194,5 2

7
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Per introduir les dades en la calculadors, es representa cada interval pel seu punt mitjà
(marca de classe), com un valor independent de la variable altura, x. Després que s’haja
introduït un valor i s’haja pressionar la tecla =, el cursor es mou a sota en la columna en
qüestió. Per aquesta raó, és més fàcil introduir les dades en columnes (primer totes les
marques de classe i després totes les freqüències). Has d’assegurar-te però, que els
valors de x i les freqüències coincideixen.

Podem obtenir els paràmetres estadístics amb T3:

S’observa que el nombre total de registres (població) és 𝑛 = 455, encara que hi ha vuit
valors, el que demostra que les freqüències s’han introduït correctament
Agrupar les dades d’aquesta manera suposa, per descomptat, la pèrdua d’informació
individual, fent que els resultat d’alguns paràmetres estadístics són menys útils del que
podrien ser. Observa, per exemple, que en aquest cas la mediana (Med) i el tercer quartil
(Q3) coincideixen en el mateix interval, per la qual cosa, no es distingeixen l’un de l’altre.

Les freqüències no només son rellevants quan s’han agrupat les dades. De vegades,
s’utilitza pel fet que les dades ja s’han recollit amb freqüències de forma natural.

EXEMPLE 2
En un experiment probabilístic, cadascun dels 25 estudiants d’una classe va tirar
deu vegades tres daus de sis cares, amb el que es va generar la següent
distribució:

Total 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Freqüència 1 5 5 11 15 29 21 22 39 31 28 16 13 9 3 2

Aquestes dades poden introduir-se en la calculadora, teclejant w2 i 1, cosa que

esborrarà les dades prèvies. L’ajust de la freqüència es mantindrà sense canvis, i ens
permetrà introduir les dades i les freqüències respectives.

8
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
És una bona idea comprovar l’entrada de les dades. Una forma de fer-ho és recuperar el
nombre de registres a partir de Manu Càlcul 1-variable, com es mostra en les pantalles de
dalt. En aquest cas 𝑛 = 250.

Novament, l’interés principal resideix a calcular la mitjana i la desviació estàndard de la

mostra:

El resultat que s’obté per a la mitjana no és inesperat, ja que el resulta mig de llançar un
únic dau és 3,5, pel que es podria esperar que el resultat mitja per tirar tres daus de forma
independent i sumar el resultat fora aproximadament tres vegades 3,5, es a dir, al voltant
de 10.

6.2. ESTADÍSTICA BIDIMENSIONAL

Per a l’estudi de l’Estadística bidimensional, moltes de les operacions que ofereix la
calculadora són similars a les que s’ha utilitzar per a l’estudi de l’Estadística
unidimensional.

Tot el tractament estadístic realitzat en aquesta secció pot ser realitzat amb la calculadora
fx-82SP X II, ara bé, aprofitarem les capacitats del codi QR, general amb la calculadora fx-
570/991SP X II, per a observar amb major detall els resultats obtinguts. Ens centrarem
doncs en el model superior, la qual cosa significarà algun petit canvi en alguna de les
captures de pantalla en referència al model fx-82SP X II, així com la no possibilitat del
model bàsic de les prestacions derivades de la generació del codi QR.

L’Estadística bidimensional implica dades amb dues variables, per la qual cosa l’interés se
centra en la relació entre les dues variables. La calculadora assumeix que les variables
s’anomenen x i y, respectivament. Per a començar, entra en el mode Estadística amb
w6. Totes les opcions (excepte la primera) impliquen càlculs estadístiques amb dues
variables. Es mostren set models diferents per a representar la relació entre dues
variables. Per a començar, seleccionarem 2, el que ens permetrà una relació lineal de
la forma 𝑦 = 𝑎 + 𝑏𝑥.

Encara que és rar, les dades bidimensionals de vegades tenen freqüències associades,
de manera que cada parell de dades podria repetir-se vàries vegades. Suposarem per ara
que les freqüències no estan implicades. Per a desactivar les freqüències en la taula,
utilitzarem CONFIG (qwR32)

9
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Veurem que apareix una taula amb x i y:

La calculadora permet introduir un màxim de 80 registres per a cada variable. Si disposes

de més de 80 parells de dades, cal utilitzar freqüències.

EXEMPLE 3
Unes infermeres estaven revisant les pulsacions dels xiquets d’una escola i volien
saber si podien obtenir bones lectures durant només 15 segons, ja que creien que
això els estalviaria molt de temps. Les infermeres mesuraren el nombre de batecs
del cor d’un grups de 14 xiques durant 15 segons i després repetiren les mesures
durant 60 segons.

Van obtenir els següents resultats:

x (pulsacions en 15 s) 14 16 12 15 13 19 14 25 22 23 24 17 20 18

y (pulsacions en 60 s) 57 65 43 59 41 75 51 92 84 87 86 58 70 68

Introduïm les dades procurant no cometre errades.

Abans d’emprendre qualsevol anàlisi estadística es important comprovar l’exactitud de les

dades que s’han introduït.

Una vegada estigues segur que has introduït les dades correctament, pots obtenir els
corresponents paràmetres estadístics a través del menú OPTN. Polsa C per a eixir de la
taula de dades i per a mostrar el menú.
En polsar T2 (Cal 2-variables, es mostren quatre pantalles amb els paràmetres
estadístics:

La segona pantalla del menú OPTN et permet examinar i utilitzar paràmetres estadístics
individualment. La mitjana de les pulsacions més curtes (15 segons) polsant
TR21 =. La mitjana de les pulsacions més llargues (60 segons) polsant

10
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

TR27=:

OBSERVACIÓ 3
Pots utilitzar la calculadora en el mode Estadística per a realitzar càlculs amb els
paràmetres estadístics. Per exemple, per a calcular una quarta part de la mitjana de
les pulsacions més llargues (una vegada has obtingut els resultats mostrats en les
anteriors pantalles) utilitza la tecla de repetició ! i edita l’expressió com es
mostra a continuació:

Regressió lineal
La principal raó per a estudiar dues variables alhora és entendre la relació que existeix
entre elles. La calculadora et permet explorar diversos tipus de relacions. La més
important implica un model lineal de la forma 𝑦 = 𝑎 + 𝑏𝑥 (on 𝑏 és el pendent de la recta i 𝑎
és l’ordenada a l’origen). A l’inici d’aquest apartat escollirem aquest model en la pantalla
inicial del mode Estadística

EXEMPLE 4
Reprenem l’exemple anterior, per accedir al càlcul del model de regressió lineal,
tecleja T per mostrar el menú OPTN i després 3, perquè es mostren els càlculs
de regressió:

En conseqüència, el millor model d’ajust lineal per a aquestes dades (arrodonint a dues
xifres decimals) és:
𝑦 = −0,15 + 3,72𝑥 o 𝑦 = 3,72𝑥 − 0,15

La relació entre les dues variables s’aproxima bastant a la relació 𝑦 = 4𝑥, que és la que
s’espera entre el nombre de pulsacions mesurats en un interval de 60 segons i el nombre
de pulsacions en un interval de 15 segons, basant-se en el suposat que el nombre de
pulsacions en 60 segons és quatre vegades el nombre de pulsacions en 15.

La segona pantalla del menú OPTN et permet accedir als paràmetres de regressió de
forma individual a través de TR4(Regressió).

11
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

La calculadora et permet usar el model lineal de forma automàtica per a predir el valor y
que correspon a un valor concret de x.

EXEMPLE 5
Seguint amb l’exemple anterior, per a predir el nombre de pulsacions (y) en 60
segons sabent que el nombre de pulsacions (x) en 15 segons és de 𝒙 = 𝟑𝟎.
̂ del menú de Regressió (TR45=)
Introdueix 30, després 𝒚

(La marca d’accent circumflex sobre y indica que es tracta d’un valor estimat). Per això, el
model lineal prediu unes 112 pulsacions en 60 segons.

També és possible utilitzar automàticament el model lineal per predir un valor de x

associat amb un valor concret de y.

Per exemple, per a 𝑦 = 100, el comandament 𝑥̂ prediu que 𝑥 = 27 pulsacions:

La calculadora també proporciona una mesura de cóm s’apropen les dades al model
estudiat. El paràmetre estadístic que s’utilitza és el coeficient de correlació, representat
pel símbol 𝑟 i accessible des del menú Regressió. El coeficient de correlació sempre es
troba entre −1 i 1 (els dos valors extrems representen un ajust perfecte del model).

EXEMPLE 6
En el nostre exemple, el model lineal és un bon ajust de dades, ja que 𝒓 està molt a
prop d’1:

OBSERVACIÓ 4
Mitjançant el codi QR que ens proporciona la calculadora podem visualitza en línia
les dades bidimensionals mitjançant gràfics de dispersió.

12
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

Per a fer-ho generarem el codi QR a partir de la pantalla d’edició de dades

mitjançant la seqüencia de tecles qT:

Una simple captura del codi amb qualsevol App de lectura de codis QR d’una tauleta o
d’un telèfon intel·ligent, ens direccionarà a la web de CASIO habilitada per a la
visualització en línia.

Si es desitja accedir a aquest servei web a través de l’emulador, un simple clic damunt del
codi ens dirigirà a la url corresponent:

Podem apreciar a simple vista que les dades es distribueixen al voltant d’una recta.
Polsant la icona podem comprovar gràficament si l’ajust lineal és adequat.

13
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

Altres models de regressió

Encara que les relacions lineals són les més àmpliament utilitzades, la ClassWiz permet
explorar altres relacions entre variables. Els models possibles es mostren en el mode
Estadística, després de polsar T1 Selecciona tipus:

Els models disponibles són els següents:

2 Lineal 𝑦 = 𝑎 + 𝑏𝑥

3 Quadràtic 𝑦 = 𝑎 + 𝑏𝑐 + 𝑐𝑥 2

4 Logarítmic 𝑦 = 𝑎 + 𝑏 · ln 𝑥

1 Exponencial 𝑦 = 𝑎 · 𝑒 𝑏·𝑥

2 Exponencial 𝑦 = 𝑎 · 𝑏 𝑥

3 Potencial 𝑦 = 𝑎 · 𝑥 𝑏
𝑏
4 Proporcionalitat inversa 𝑦 = 𝑎 + 𝑥

ATENCIÓ
Quan s’escull un altre model de dues variables en aquest menú, les dades romanen
en la calculadora. Però si s’escull un model d’1 variable o un altre model de dues
variables entrant en el mode Estadística amb w6 s’esborraran les dades i les
hauràs d’introduir de nou.

14
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
EXEMPLE 7
Jordi va plantar un arbust de mirtils en el seu aniversari i va mesurar la seua altura,
que va resultar de 16 cm. Va tornar a mesurar l’altura el mateix dia de cada mes
durant 15 mesos, excepte el mes que la família estava de vacances. En la taula es
mostren els resultats que va obtindre:

Mes 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Altura (cm) 16 18 19 19 24 28 31 34 35 44 64 74 77 101 105

El model lineal, molt sovint, és una bona elecció per a representar les dades, almenys
com a primer intent.
Tecleja w62 per a introduir un nou conjunt de dades, esborrant les anteriors.
Introdueix els mesos en la columna x i les altures en la columna y, i deixa buida la dada
que s’ignora, com es mostra a continuació:

Una bona mesura d’ajust del model lineal a les dades es pot obtenir a partir del coeficient
de correlació r, que en aquest cas sembla bastant alt, com es mostra en les següents
pantalles del menú Regressió (al que s’accedeix mitjançant CTR43):

Per a veure els detalls d’aquest model lineal, es poden obtenir estimacions, separadament
per als coeficients 𝑎 i 𝑏 (𝑦 = 𝑎 + 𝑏𝑥) a partir del menú Regressió o des de l’opció Càlcul de
Regressió que es mostra a continuació:

El model lineal més adequat per a les dades que s’han introduït és 𝑦 = 5,935𝑥 + 2,41
Aquest model suggereix que l’arbust de mirtils creix uns 5,9 cm de mitjana cada més a
partir d’una grandària de partida de poc més de 2 cm.

Jordi va utilitzar aquest model per a predir el valor que manca (per a 𝑥 = 10). Una forma
és utilitzar els paràmetres a i b que s’han obtingut a partir del menú de regressió per a un
valor concret de x (emmagatzemant en la memòria x) com es mostra a continuació:

15
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

No obstant això, aquest càlcul pot realitzar-se automàticament, utilitzant la capacitat de

predicció, des del menú Regressió. Introdueix primer el valor 𝑥 = 10 i després el
comandament 𝑦̂.

El model quadràtic
Jordi estava preocupar perquè el model lineal no semblava descriure massa bé el
creixement, malgrat que havia obtingut un coeficient de correlació molt alt. Es va adonar
que el creixement real semblava ser major al final del període que a l’inici, pel que no
semblava ser tan regular com suggeria el model lineal. A més a més, també la grandària
inicial era molt més gran que 2,4 cm i el valor predit de la dada que faltava semblava
massa gran. Així que va decidir representar un diagrama de dispersió.

Després d’observar el gràfic de dispersió, Jordi va pensar que podria ser més apropiada
una relació no lineal, i va decidir investigar un model quadràtic.

ATENCIÓ
Per a canviar de model NO s’ha de teclejar w6 i escollir el nou model, ja que
açò esborrarà totes les dades i s’haurien de tornar a introduir-se. En el seu lloc,
s’ha d’utilitzar T1: Seleccionar tipus.

Polsa 3 per a seleccionar el model quadràtic i observa que les dades no s’ha esborrat o

16
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

modificat. Quan polses C la ClassWiz et recordarà que s’està utilitzant el model

quadràtic. Els càlculs de regressió mostren el millor model quadràtic per a les dades de
Jordi. De la mateixa forma que el model lineal, el menú Regressió permet obtenir
estimacions individuals i fer-ne prediccions.

Un model quadràtic per a aquestes dades és 𝑦 = 18,31 − 0,96𝑥 + 0,46𝑥 2 . La forma

habitual d’escriure és en ordre decreixent: 𝑦 = 0,46𝑥 2 − 0,96𝑥 + 18,31

Aquest model sembla ajustar-se a totes les dades millor que el model lineal i pot utilitzar-
se per a predir el valor que manca per a 𝑥 = 10:

Una vegada més, per a entendre el que està fent la Classwiz, pots fer aquest tipus de
prediccions utilitzant els coeficients de regressió a, b, c, com es mostra a continuació.
Com era d’esperar el resultat és el mateix:

La predicció està a mig camí entre l’altura després de 9 mesos i abans de 11, i sembla ser
major que la predicció que es va obtindre a partir del model lineal. A més a més, el valor
de la grandària inicial té una predicció de 𝑎 = 18,31 que és més propera al valor real.

Per examinar en quina mesura s’ajusten bé els models i les dades, es poden representar
les gràfiques corresponents. Aprofitarem les avantatges que ens ofereix el codi QR. Una
vegada dibuixat el gràfic de dispersió, les icones ens dibuixaran el model de
regressió corresponent, d’aquesta manera es pot observar l’ajust del model als punts
experimentals.

17
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
En les gràfiques s’observa clarament que el model quadràtic encaixa millor amb les dades
que el model lineal, ja que la paràbola a diferència de la recta, s’apropa més a la majoria
de punts.

El model exponencial
Un amic de Jordi li va suggerir que utilitzara un model exponencial d’algun tipus per a
modelitzar dates.

Jordi va decidir explorar aquesta relació i, una vegada més, va utilitzar T1R2
per a seleccionar, sense perdre les dades introduïdes, el models exponencial 𝑦 = 𝑎 · 𝑏 𝑥 .
Utilitzant el nou model els resultats obtinguts són:

Així que el model exponencial que millor s’ajusta a les dades és 𝑦 = 14,36 · 1,14𝑥 .
Utilitzant aquest model, la predicció per al valor que manca per a 𝑥 = 10 és molt similar al
suggerit pel model quadràtic:

Açò suggereix, en aquest cas, que els dos models són bastants similars.
La ClassWiz proporciona un coeficient de correlació per al model exponencial, a diferència
del model quadràtic. El coeficient, com es mostra en una de les pantalles superiors és
𝑟 = 0,993.

Aquest valors està mol pròxim a 1 i és major que el que correspon al model lineal (𝑟 =
0,93), el que suggereix que el model exponencial s’ajusta millor a les dades que el model
lineal.

La següent pantalla, que correspon a una calculadora gràfica CASIO fx-CG50, mostra que
els dos models curvilinis que s’han utilitzat són molt semblants en el rang de les dades
recollides.

18
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Es requereix molta precaució a l’hora de fer prediccions utilitzant models derivats de les
dades experimentals, especialment quan les prediccions estan fora del rang de les dades.
És a dir, en aquest cas, és més apropiat fer una predicció per a 𝑥 = 10 (interpolació) que
fer-ho per a 𝑥 = 20 (extrapolació). Per a il·lustrar els perills de les prediccions, considera
aquests tres models per a l’altura dels arbustos després de 20 mesos.
Els models lineal, quadràtic i l’exponencial donen els següents resultats:

En general, les extrapolacions són millors quan més dades es tinguen. S’han d’extremar
les precaucions quan el nombre de dades és xicotet.

Per a veure com i perquè són tan diferents les extrapolacions de les pantalles anteriors,
convé analitzar la següent pantalla de la calculadora CASIO fx-CG50, on es mostra a la
vegada les representacions gràfiques dels tres models

Aquesta pantalla mostra que, mentre que els dos models curvilinis són molt similars en el
rang de les dades, divergeixen ràpidament després i produiran grans diferències en les
estimacions després de dos anys fora del rang (𝑥 = 24). De la mateixa forma, s’observa
que el model lineals no reflecteix la naturalesa curvilínia del creixement de les plantes de
mirtils malgrat de mostrar un bon ajust en el rang comprés entre 𝑥 = 0 i 𝑥 = 15.

En la pràctica, els models lineals són molt importants perquè descriuen suficientment bé
moltes relacions al voltant de períodes curts. Inclús quan es pensa que és poc probable
que la relació entre dues variables siga lineal, s’utilitzen models lineals, ja que són menys
complicats i més fàcils d’usar que els altres models. En general, hauries de tenir en
compte el context de les dades, sobretot per a entendre bé la natura de la relació que
existeix entre dues variables.

6.3. SIMULACIÓ DE SUCCESSOS ALEATORIS

Moltes situacions quotidianes impliquen aleatorietat, donant rellevància a la
probabilitat dins de la matemàtica i la vida moderna. La ClassWiz és útil per
calcular probabilitats, especialment aquelles que es basen en la combinatòria o
aquelles la distribució de les quals és coneix. També és útil per a simular
esdeveniments amb probabilitats conegudes.

19
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA

ABANS DE COMENÇAR
Per a l’estudi de la probabilitat és interessant configurar la calculadora per utilitzar-la
en línia. Per fer-ho, selecciona l’opció 1 Entrada/Sortida del menú CONFIG i, a
continuació, escull l’opció 3E Línia/S Línia, com és mostra a continuació:

Probabilitat d’un succés

Existeixen dues formes d’entendre la probabilitat d’un succés. Quan els resultats d’un
espai mostral són (teòricament) igualment probables, pot considerar-se la probabilitat d’un
succés A com:
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) =
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠

Per exemple, utilitzant aquesta definició la probabilitat d’obtenir un quatre en llaçar un dau
estàndard de sis cares és 1/6.

Quan els resultats no es coneixen amb suficient detall com per a contar-los o com per a
decidir si són o no igualment probables, la probabilitat d’un succés, molt sovint s’estima
segons la seua freqüència relativa a llarg termini. Per exemple, suposem que es posen a
prova 10000 bateries per a veure si duren més de 30 dies, i es troben que 7 200 si que ho
fan. Aleshores, la probabilitat que un bateria escollida a l’atzar dure almenys 30 dies
7200
s’estima en 10000 o 72%.

Es pot utilitzar la calculadora per a simular successos aleatoris, usant els comandament
Ran# i RanInt.

El comandament Ran# simula, cada vegada que és polsa, un nombre aleatori major que
zero i menor que 1. Els nombres es distribueixen uniformement en l’interval (0,1). Així, per
exemple, s’hauria d’esperar, a llarg termini, obtenir un nombre entre 0 i 0,4 en el 40% de
les ocasions.

Després d’utilitzar el comandament una vegada, polsant q., polsa = vàries

vegades per a produir un nombre aleatori distint cada vegada. Les següents pantalles en
mostren alguns exemples:

20
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Els nombres aleatoris s’expressen generalment amb tres xifres decimals, però si el darrer
dígit és zero (com en la segona pantalla), la calculadora només ofereix dues xifres
decimals.

Excepcionalment (teòricament com a una probabilitat d’aproximadament el 1%), els dos

darrers dígits poden ser zero, per la qual cosa la calculadora reportarà un sol decimal,
com es mostra en la tercera pantalla.

OBSERVACIÓ 5
Pot resultar també interessant, sempre que la nostra agudesa visual ho permeta, escollir
una grandària de la font més menuda, per fer-ho, selecciona la funció Font multilínia i a
continuació escull l’opció 2 Font petita, com es mostra a continuació:

La pantalla mostrarà major nombre de línies podent visualitzar major nombre de resultats
obtinguts.

A més de simular resultats individuals (amb cada pulsació de la tecla =) es poden

simular fins a 30 resultats en una taula (o 45 si configurem mostrant només una funció
f(x)).

Per fer-ho, obrim el menú Taula w9 i definiu la funció com es mostra a continuació:

Considera de nou el cas descrit anteriorment amb una probabilitat de 0,4. En aquest cas
particular, només tres dels deu nombres aleatoris són inferior a 0,4, en lloc dels quatres
que s’esperen per a una probabilitat de 0,4, però aquesta és la natura de l’aleatorietat (els
teus valors seran diferents als que es mostren ací, per descomptat).

21
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Recorda que només a llarg termini els resultats en la pràctica coincidiran amb els resultats
teòrics.

OBSERVACIÓ 6
És tediós desplaçar-se per la taula per a llegir i interpretar els valors individuals simulats,
pel que de vegades és més fàcil generar nombres que són més fàcils d’identificar.
Pensem en un succés amb probabilitat de 0,4 o 40%. Considera el següent diagrama, que
mostra els efectes de generació de nombres aleatoris amb el comandament Ran# + 0,4:

El diagrama suggereix que el 40% dels nombres estaran entre 1 i 1,4, és a dir, que
s’iniciaran amb el dígit 1, mentre que el 60% restant s’iniciarà amb el dígit 0. És més fàcil
reconèixer aquests nombres, de forma que els que comencen per 1 representen una
“victòria” i els que comencen per 0 una “derrota”.

El propòsit d’usar la transformació Ran#+0,4 és facilitar el reconeixement dels nombres,

per a comptar-los sense errades, açò no altera la probabilitat que es complesca
l’esdeveniment.

Una altra possibilitat seria Ran# − 0,4 i comptar els nombres negatius.

Simulació de nombres enters

En moltes aplicacions pràctiques convé simular nombres enters a l’atzar, en lloc de
nombres decimals el comandament RanInt (Q.) és molt útil per a fer-ho. La
calculadora generarà enteres a l’atzar en l’interval de l’elecció.

Per veure més d’un resultat en cada pantalla, com ja s’ha comentat anteriorment, es pot
configurar la calculadora (CONFIG) per canviar temporalment, la font multilínia a font
petita.

EXEMPLE 8
Simulem un llançament d’un dau de sis cares.

Cadascun dels nombres enters del conjunt {1, 2, 3, 4, 5, 6} és igualment probable.

El comandament RanInt requereix usar una coma per separar el primer i el darrer nombre
enter (Q.1q)6))

22
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Cada vegada que es polsa la tecla, es produirà una nova simulació per al llançament del
dau:

En aquest cas, la simulació de cinc llançaments produeix un dos, dos tresos i dos sisos.

Aquest comandament és útil per simular processos de Bernoulli, en que hi ha dos

resultats possibles que són igualment probables.

EXEMPLE 9
Simulem el llançament d’una moneda i comptem les cares (0 o 1):

OBSERVACIÓ 7
Hem de posar atenció en el tipus de successos que volem simular, per exemple,
simular el llançament de dos daus i sumar el resultat. Per fer-ho hem de simular el
llançament de cadascun per separat:

RanInt (1, 6) + RanInt (1, 6) i no RanInt (2, 12)

Les dues simulacions proporcionen uns resultats entre 2 i 12, però el segon comandament
fa que qualsevol dels dotze valors possibles siguen igualment probables, cosa que no
s’ajusta al que succeeix en la realitat.

Per comprovar aquest fet ens fixarem en els següents diagrames, El diagrama de
l’esquerra detalla l’espai mostral, format per 36 possibles resultats de llançar dos daus.
Alguns resultats són molt pocs probables, com obtenir una puntuació de 11 (només si els
resultats (5, 6) i (6,5) produeix aquesta puntuació, mentre que altres resultats tenen major
freqüència. Per exemple, hi ha sis formes diferents (que es mostren en la diagonal)
d’obtenir una puntuació total de 7.

23
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
En el gràfic de la dreta s’aprecia l’espai mostral teòric disposat com una distribució. Com
s’observa, els possibles valors per al total {2, 3, 4, … ,12} no tenen la mateixa probabilitat.
Els resultats pràctics no sempre coincideixen amb els resultats teòrics a llarg termini. Per
veure-ho generarem algunes dades aleatòries en una taula:

Les següents pantalles mostren alguns resultats corresponents a simular el llançament de

dos daus (sumant el resultat) 30 vegades:

En aquest cas després de fer el recompte dels 30 resultats, s’obté la següent distribució:

Resultat 2 3 4 5 6 7 8 9 10 11 12
Freqüència 0 0 3 2 3 5 9 4 3 0 1

Com era d’esperar, la distribució pràctica no coincideix exactament amb la distribució

teòrica, la qual descriu el que succeiria teòricament a llarg termini. Cada vegada que es
simule un conjunt de llançaments, s’obtindrà un resultat diferent. Simula 30 llançaments
amb ClassWiz i tabula els resultats per veure’ls.

Per descomptat, aquests resultats poden analitzar-se en el mode Estadística.

6.4. COMBINATÒRIA
La combinatòria s’ocupa del recompte sistemàtic d’objectes i de situacions amb la finalitat
de determinar probabilitats teòriques en moltes situacions pràctiques. Els nombres
implicats en aquestes situacions, molt sovint són molt grans, per la quals cosa cal utilitzar
la calculadora.

Per exemple, el nombre de formes distintes en què es poden ordenar un conjunt

d’objectes (es coneix com a nombre de permutacions) molt sovint implica factorials de
nombres.

El nombre d’ordenacions o permutacions de n objectes distints ve donat pel factorial de n

que es defineix com:
𝑛! = 𝑛 · (𝑛 − 1) · (𝑛 − 2) · … · 3 · 2 · 1

Els factorials són sovint nombres molt grans, massa grans per a calcular-los a mà. La
calculadora disposa del comandament % al qual s’accedeix per qu per a aquest

24
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
propòsit.

EXEMPLE 10
Tres xiquets fan una carrera a peu. Si no hi ha empats (posicions iguals).
De quantes maneres diferents poden acabar?

En aquest cas, es poden enumerar les diferents possibilitats. Si els tres xiquets es
representen per A, B i C, el conjunt comprat de les sis possibilitats es:

ABC ACB BAC BCA CAB CBA

Aquest problema podria analitzar-se assenyalant que hi ha tres possibilitats diferents per
al primer lloc, una vegada s’ha determinat el primer lloc, hi ha dues possibilitats per al
segon, una vegada determina els dos primers llocs, només queda una possibilitat per al
tercer. D’aquesta forma el nombre total de possibilitats és:

3 · 2 · 1 = 3!

En el cas d’una carrera amb 10 estudiants o una carrera amb 40 estudiants:

Hi ha més de 3,6 milions de formes diferents en les que podrien acabar una carrera 10
estudiants i quasi 1048 formes diferents per a 40 estudiants.

OBSERVACIÓ 8
La calculadora no pot calcular factorial majors que 69!, ja que són massa grans per
a cabre a la calculadora, que es limita a nombres menors que 𝟏𝟎𝟏𝟎𝟎 .

En algunes situacions estem interessats en un nombre d’ordenacions possibles, però a

partir d’un conjunt restringit.

EXEMPLE 11
Si 10 xiquets participen en una carrera, quants resultats possibles hi ha per al
primer, segon i tercer lloc (una vegada més, suposant que no hi ha empats)?

Usant la mateixa lògica que en el cas anterior, hi ha deu opcions per al primer lloc, nou
opcions que queden per al segon i, finalment vuit opcions per al tercer. En total el nombre
total és:
10 · 9 · 8

25
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
El resultat pot expressar-se com:

10 · 9 · 8 · 7 · 6 · 5 · 4 · 3 · 2 · 1 10!
=
7·6·5·4·3·2·1 7!

La notació matemàtica per a les variacions sense repetició de 10 objectes agafats de tres
en tres és:
10𝑃3

En general, el nombre de variacions sense repetició de n elements agafats de r en r és:

En la pràctica, els càlculs es poden realitzar en la seua totalitat, però és més fàcil i ràpid
utilitzar el comandament 𝑛𝑃𝑟 de la calculadora, al que s’accedeix amb qO.

Es pot observar que s’introdueix primer el valor de n, segon el comandament i després el

valor de r:

Hi ha 720 variacions o ordenacions diferents en què 10 estudiants poden ocupar tres

llocs.

Un tercer tipus de problemes de combinatòria, o recompte, consisteix en comptar el

nombre de combinacions sense importar l’ordre.

EXEMPLE 12
Estem interessats en comptar quants grups de tres estudiants es poden fer amb un
conjunt de 10 estudiants, sense importar quin és el primer, el segon, o el tercer.

És el que es defineix com combinacions de 10 estudiants agafats de tres en tres i

s’expressa com:

Aquesta expressió es justifica pel fet que una vegada escollit el conjunt de tres no es
desitja comptar les permutacions.

En general, el nombre de combinacions sense repetició de n elements agafats de r en r

és:

26
ESTADÍSTICA I PROBABILITAT. COMBINATÒRIA
Les següents pantalles mostren com es determina directament aquest valor utilitzant el
comandament nCr al que es pot accedir amb qP:

OBSERVACIÓ 9
Un avantatge d’usar els comandament nCr, i nPr és que permet l’ús de nombres
majors en els càlculs.

Per exemple, si 100 persones es troben en una habitació i totes es donen la mà uns amb
altres el nombre d’encaixaments és C100,2 . Com és mostra en les següents pantalles, els
nombres implicats són 100!, 2! I 98! Són massa grans per a la calculadora de forma que
dona un missatge d’error:

El càlcul, tanmateix, no resulta problemàtic si es realitza amb el comandament per a les

combinacions, com es mostra en la següent pantalla:

27