TEMA 7.

Ús de la
probabilitat en la
investigació
psicològica
CONTINGUTS
 Introducció
PROBABILITAT

La probabilitat d’un succés és una mesura numèrica que

quantifica la possibilitat de que aqueix succés ocòrrega.

Els valors de probabilitat es troben compresos entre 0 i 1 en

funció de la probabilitat d’ocurrència.
 Introducció
PROBABILITAT
La probabilitat de que ocòrrega un succés (S) és el quocient
entre el nombre de cassos favorables de que ocòrrega eixe
succés i el nombre de cassos possibles en el suposat de que
tots els cassos tinguen la mateixa oportunitat d’ocórrer
(siguen equiprobables).
Nombre de casos
𝑛𝑆 favorables del
P(S) = succés
𝑛
Nombre de casos
Probabilitat
possibles
de S (Succés)
 Introducció
PROBABILITAT
EXEMPLE 1. Si en una bolsa tenim 10 boles, 6 són verdes i 4
rojes. Probabilitat de treure al atzar una bola verda:

𝑛𝑆 6
P(S) = P(verda) = = 0.6
𝑛 10
 Introducció
PROBABILITAT
EXEMPLE 2. Probabilitat de que un estudiant seleccionat a
l’atzar de entre 500 obtinga “Notable” a fi de curs. Esta
probabilitat és el nombre d’estudiants que obtenen notable
(100 estudiants) dividit pel total d’estudiants del curs:

𝑛𝑆 100
P(S) = P(Notable) = = 0.2
𝑛 500
 Introducció
PROBABILITAT
La probabilitat d’un succés segur és 1.
P(S) = 1

La probabilitat de qualsevol succés és no negativa.

P(S) ≥ 0

La probabilitat de que no ocòrrega un succés és 1 menys la

probabilitat de que ocòrrega.
P(Q) = 1 – P(S)
 Introducció
PROBABILITAT
UNIÓ. Anomenem unió de dos successos A i B (A U B) al
subconjunt d’E format pels successos elementals que
pertanyen a A, a B, o a ambdós alhora.
 Introducció
PROBABILITAT
UNIÓ. Exemple: Tirar un dau de 6 cares
A= treure un 5
B= treure un 6
A U B= 5 o 6
 Introducció
PROBABILITAT
INTERSECCIÓ. Anomenem intersecció de dos successos A i B
(A ∩ B) al subconjunt d’E format només pels successos
elementals que pertanyen a A i a B, simultàniament.
 Introducció
PROBABILITAT
INTERSECCIÓ. Exemple: Tirar un dau de 6 cares
A= treure nombre par (2,4,6)
B= treure un múltiple de 3 (3,6)
A ∩ B= 6
 Introducció
PROBABILITAT
COMPLEMENTARI. Anomenem complementari d’un succés A
(𝐴)ҧ al subconjunt d’E format pels successos elementals que no
pertanyen a A.
 Introducció
PROBABILITAT
COMPLEMENTARI. Exemple: Tirar una moneda
Si A= treure cara
𝐴ҧ =treure creu
 Introducció
PROBABILITAT

SUCCESSOS INDEPENDENTS
si el fet que haja ocorregut un no afecta a la probabilitat que
ocórrega l’altre.

SUCCESSOS DEPENDENTS
si el fet que haja ocorregut un afecta a la probabilitat que
ocórrega l’altre.
 Introducció
PROBABILITAT: UN de dos successos INDEPENDENTS

La probabilitat de que ocorren UN de dos successos

INDEPENDENTS (succés S1 o succés S2) és la suma de la
probabilitat de cadascun d’aquests. U = unió, que ocòrrega S1
O S2.
P(S1 U S2) = P(S1) + P(S2)
 Introducció
PROBABILITAT: UN de dos successos INDEPENDENTS
Ex: Estudis sobre la depressió mostren que l'aplicació d'un
determinat tractament millora l'estat del 46% de les persones
sobre les quals s'aplica, no produeix cap efecte en un 20% i
empitjora l'estat de la resta.

Si es tracta un pacient que pateix de depressió, quina serà la

probabilitat que el tractament no empitjore el seu estat?
U = unió, que ocòrrega S1 O S2.

P(S1 U S2) = P(S1) + P(S2)

P (millorar U cap efecte) = P(0,46) + P(0,20) = 0,66
 Introducció
PROBABILITAT: DOS successos INDEPENDENTS
La probabilitat de que ocorren DOS successos INDEPENDENTS
és la multiplicació de la probabilitat de cadascun d’aquests.
P(S1 ∩ S2) = P(S1) · P(S2)

Ex: Llançar una moneda dues vegades, la probabilitat de

treure cara dues vegades:

S1=treure cara
S2=treure cara
P(S1 ∩ S2) = P(1/2) · P(1/2)= 0.25
 Introducció
PROBABILITAT: DOS successos INDEPENDENTS
Segon Resultat
llançament
Primer Resultat CC
llançament
C

CX

XC

X
XX
 Introducció
PROBABILITAT: UN de dos successos NO INDEPENDENTS
La probabilitat de que ocorren UN de dos successos NO
INDEPENDENTS és:
P(S1 U S2) = P(S1) + P(S2) - P(S1∩S2)

∩ = intersecció, que ocòrrega S1 I S2

 Introducció
PROBABILITAT: DOS successos NO INDEPENDENTS
La probabilitat de que ocorren DOS successos NO
INDEPENDENTS és:
P(S1 ∩ S2) = P(S1) · P(S2|S1)
| = indica que el succés de l’esquerra està condicionat al de la
dreta

Ex: Probabilitat d'obtindre dos asos d'una baralla (té 52 cartes

i 4 asos), sense reemplaçar cartes:

P(S1 ∩ S2) = P(4/52) · P(3/51)=0.004

 Introducció
TEOREMA DE LA PROBABILITAT TOTAL
Pot ser el cas que tinguem successos independents i altres
depenents...

Si A1, A2, ..., An són successos independents, la probabilitat

de qualsevol altre succés B és:

P(B) = P(A1)·P(B|A1) + P(A2)·P(B|A2) + ... + P(An)·P(B|An)

El teorema proporciona el valor de la probabilitat de B en

funció de la probabilitat dels successos A (A1, A2, ...) i de les
probabilitats de B condicionades als successos A.
 Introducció
Exemple 1
Se sap que el 65% dels accidents de trànsit que es produeixen
durant la nit dels dissabtes es deuen a la ingesta excessiva
d'alcohol, el 25% es deuen a la imprudència del conductor
(sobri) i la resta a altres causes, (fallada mecànica...etc.). En
aquests accidents, el resultat és nefast el 30% de les vegades
en el primer cas, el 20% en el segon i el 5% en el tercer.
Calcular la probabilitat que un d'aquests accidents tinga
resultat nefast.
 Introducció
Exemple 1
Se sap que el 65% dels accidents de trànsit que es produeixen
durant la nit dels dissabtes es deuen a la ingesta excessiva
d'alcohol (A1), el 25% es deuen a la imprudència del
conductor (sobri) (A2) i la resta a altres causes, (fallada
mecànica...etc.) (A3). En aquests accidents, el resultat és
nefast (B) el 30% de les vegades en el primer cas(B|A1), el
20% en el segon (B|A2) i el 5% en el tercer (B|A3).

P(A1) = 0,65 P(B|A1) = 0,30

P(A2) = 0,25 P(B|A2) = 0,20
P(A3) = 0,15 P(B|A3) = 0,05
 Introducció
Exemple 1
Calcular la probabilitat que un d'aquests accidents tinga
resultat nefast (B).
P(A1) = 0,65 P(B|A1) = 0,30
P(A2) = 0,25 P(B|A2) = 0,20
P(A3) = 0,15 P(B|A3) = 0,05

P(B) = P(A1)·P(B|A1) + P(A2)·P(B|A2) + P(A3)·P(B|A3) =

= 0,65·0,30 + 0,25·0,20 + 0,15·0,05 =
= 0,2525
 Introducció
Exemple 2
En una mostra de 100 cuidadores de persones majors es vol avaluar
si sofreixen estrès (E+) o no (E-) en funció de si la persona que
major que cuiden és greument dependent (X+) o presenta
dependència lleu (X-) per a les activitats de la vida diària. Després
de l’avaluació, s’obtenen les següents dades: X+ X- Total
E+ 33 10 43
E- 17 40 57

a) Quin és el risc de sofrir estrès? Total 50 50 100

b) Quin és el risc de sofrir estrès quan es cuiden persones majors greument
dependents?
c) Quin és el risc de sofrir estrès quan es cuiden persones majors lleument
dependents?
d) Probabilitat de NO sofrir estrès quan es cuiden persones majors lleument
dependents?
 Introducció
Exemple 2
a) Quin és el risc de sofrir estrès?

X+ X- Total
E+ 33 10 43
E- 17 40 57
Total 50 50 100
𝑛𝐸+ 43
P(E+)= = = 0,43
𝑛 100

El risc de sofrir estrès quan es cuiden persones majors és del 43%.

 Introducció
Exemple 2
b) Quin és el risc de sofrir estrès quan es cuiden persones majors
greument dependents?
X+ X- Total
E+ 33 10 43
E- 17 40 57
Total 50 50 100

𝑛𝐸+∩𝑋+ 33
P(E+|X+)= = = 0,66
𝑛𝑋+ 50

El risc de sofrir estrès quan es cuiden persones majors greument

dependents és del 66%.
 Introducció
Exemple 2
c) Quin és el risc de sofrir estrès quan es cuiden persones majors
lleument dependents?
X+ X- Total
E+ 33 10 43
E- 17 40 57
Total 50 50 100

𝑛𝐸+∩𝑋− 10
P(E+|X-)= = = 0,20
𝑛𝑋− 50

El risc de sofrir estrès quan es cuiden persones majors lleument

dependents és del 20%.
 Introducció
Exemple 2
d) Probabilitat de NO sofrir estrès quan es cuiden persones majors
lleument dependents?
X+ X- Total
E+ 33 10 43
E- 17 40 57
Total 50 50 100

𝑛𝐸−∩𝑋− 40
P(E-|X-)= = = 0,80
𝑛𝑋− 50

Probabilitat de NO sofrir estrès quan es cuiden persones majors

lleument dependents és del 80%.
Variables aleatòries
VARIABLE ALEATÒRIA: Quan a cada succés elemental o resultat
possible de l’espai mostral li assignem un valor numèric s’obté una
variable aleatòria denominada X.

Exemple:
Llancem una moneda a l’aire en 3 ocasions i definim una variable
aleatòria com el nombre de cares obtingudes.
Llancem una moneda a l’aire en 3 ocasions i definim una variable
aleatòria com el número de creus obtingues.
Variables aleatòries
Exemple: Llancem una moneda a l’aire en 3 ocasions i definim una
variable aleatòria com el nombre de cares obtingudes. Quins valors
pot prendre la variable aleatòria X?

0 si no ix cap cara
1 si ix una cara
X=
2 si ixen dues cares
3 si ixen tres cares
Variables aleatòries
TIPUS DE VARIABLES ALEATÒRIES

Variable aleatòria discreta: Variable aleatòria definida sobre espais

mostrals finits o infinits numerables. Únicament pot prendre un
nombre finit o infinit numerable de valors.
Exemple: Quantitat de vegades que es matriculen els alumnes
en una assignatura.
Variable aleatòria contínua: Variable aleatòria definida sobre espais
mostrals infinits no numerables. Pot prendre un nombre infinit no
numerable de valors. No coneguem amb certesa quin valor prendrà
la variable aleatòria però existeix una distribució de probabilitat
associada al conjunt de valors possibles.
Exemple: Intel·ligència, sociabilitat...
Funcions de PROBABILITAT
i de distribució
VARIABLES ALEATÒRIES DISCRETES
Funció de probabilitat: Funció que associa a cada valor de la variable la
probabilitat que esta tinga eixe valor. Es correspon moltes vegades amb
la freqüència relativa d‘aparició (probabilitat empírica).

𝒇 𝒙𝒊 = 𝑷(𝑿 = 𝒙𝒊 )

La funció de probabilitat d’una variable aleatòria discreta dóna la

probabilitat que aquesta variable siga exactament igual a un valor. Valor
màxim: 1.
Per exemple, la funció de probabilitat donaria f(x=6)=1/6 per a la
probabilitat que isca un 6 si tirem un dau una vegada.
f(x=6)=P(X=6) = 1/6
Funcions de PROBABILITAT
i de distribució
VARIABLES ALEATÒRIES DISCRETES
X= Quantitat de fills de les famílies valencianes.
f(2)= Funció de probabilitat del valor 2, és a dir, probabilitat que al
seleccionar a l'atzar una família valenciana tinga 2 fills.

X ni Calcula el valor per a f(2)

0 23000
1 34000 f(2) = P(X=2) = 24200/94000 = 0,257

2 24200
3o+ 12800
94000
Funcions de probabilitat i
de DISTRIBUCIÓ
VARIABLES ALEATÒRIES DISCRETES
Funció de distribució: Funció que associa a cada valor de la variable la
probabilitat que esta tinga eixe valor o un inferior. Dóna la probabilitat
que aquesta variable siga menor o igual a un valor. Es correspon moltes
vegades amb la freqüència relativa acumulada.

𝑭 𝒙𝒊 = 𝑷(𝑿 ≤ 𝒙𝒊 )

Per exemple, la funció de distribució donaria F(x=3)=0,5 per a la

probabilitat que isca un valor igual o inferior a 3 si tirem el dau una
vegada.
F(x=3) = P(X≤3) = P(X=1) + P(X=2) + P(X=3) = 1/6 + 1/6 + 1/6 = 3/6 = 0,5
Funcions de probabilitat i
de DISTRIBUCIÓ
VARIABLES ALEATÒRIES DISCRETES
X= Quantitat de fills de les famílies valencianes.
F(2)= Funció de distribució del valor 2, és a dir, probabilitat de que al
seleccionar a l'atzar una família valenciana tinga 2 fills o menys de 2.
X ni Calcula el valor per a F(2)
0 23000
1 34000 F(2) = P(X≤2) = P(X=0) + P(X=1) + P(X=2)
= 23000/94000 + 34000/94000 +
2 24200 24200/94000 = 0,86
3o+ 12800
94000
 Funcions de DENSITAT i
de distribució
VARIABLES ALEATÒRIES CONTÍNUES
Funció de densitat de probabilitat:

Funció que associa a cada valor de la variable la probabilitat que esta

tinga un valor comprés entre dos valors donats.
Probabilitat que aquesta variable tinga un valor dins d’un determinat
interval.
X: f(x1,x2)
Exemple:
X= Intel·ligència
f(90,110)= Probabilitat de que al seleccionar a l’atzar una persona tinga
una intel·ligència entre 90 i 110.
 Funcions de densitat i
de DISTRIBUCIÓ
VARIABLES ALEATÒRIES CONTÍNUES
Funció de distribució: Funció que associa a cada valor de la variable la
probabilitat que esta tinga eixe valor o un inferior.
La funció de distribució d’una variable aleatòria contínua dóna la
probabilitat que aquesta variable siga menor o igual a un valor.

X: F(x)
Exemple:
X= Intel·ligència

F(110)= Probabilitat de que al seleccionar a l’atzar una persona tinga

una intel·ligència igual o inferior a 110.
 Funcions de densitat i
de DISTRIBUCIÓ
VARIABLES ALEATÒRIES CONTÍNUES

El càlcul de la funció de probabilitat i de distribució en variables

aleatòries discretes és relativament senzill, però per a les variables
aleatòries contínues és molt més complex i ens anem a cenyir a algunes
funcions de distribució que a causa del gran ús que tenen es troben
tabulades (normal, χ2, t i F).