Càlcul de probabilitats

Probabilitat (axiomes) 0 ≤ P(A) P(Ω) = 1 P(A ∪ B) = P(A) + P(B) si A i B disjunts

_
Propietats P( A) = 1 − P(A) P(φ ) = 0 P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

Probabilitat condicionada P(A ∩ B)

P(A | B) = si P(B) > 0 P(A ∩ B) = P(B | A) ⋅ P(A) = P(A | B) ⋅ P(B)
i d’una intersecció P(B)
Fórmula de Bayes P(B | A) ⋅ P(A)
P(A | B) =
P(B)
J
P( B | Ai) ⋅ P( Ai)
Fórmula probabilitats totals P(B) = ∑ P( B | A j) ⋅ P( A j) P( Ai | B ) = J
(A1,A2,...,Ai...,AJ és una partició del
conjunt de resultats)
j=1
∑ P(B | A ) ⋅ P(A )
j=1
j j

Independència P(A ∩ B) = P(A) P(B) P(B | A) = P(B) P(A | B) = P(A)

Indicadors numèrics de variables aleatòries

Definicions Propietats
E ( X ) = µ X = ∑ kp X (k ) (V.A.D.) • E(X+Y) = E(X)+E(Y)
∀k
Esperança +∞
•
E( X ) = µ X = ∫ x·f X ( x)dx (V.A.C.)
E(a+b·X) = a+b·E(X)
−∞

V( X ) = σ 2X = ∑ (k − E ( X )) 2 p X (k ) (V.A.D.)
∀k
• V(X) = E [ X – E(X) ] 2 = E(X2) – (E(X))2
Variància +∞
•
V( X ) = σ 2X = ∫ ( x − E ( X )) V(a+b·X) = b2·V(X)
2

−∞
f X ( x)dx (V.A.C.)

• Cov (X,Y) = E (X-E(X)) (Y-E(Y)) = E(XY) - E(X)E(Y)

Cov( X , Y ) = ∑∑ ( x − E ( X ))( y − E (Y )) p XY ( x, y ) (V.A.D.) • Cov(a·X,b·Y) = a·b·Cov(X,Y)
∀x ∀y
• Cov(X,X) = V(X)
Covariància Cov( X , Y ) = ∞ ( x − E ( X )( y − E (Y ) ( x, y )dxdy
i ∫∫−∞ f X ,Y (V.A.C.) • E(X·Y) = E(X)·E(Y) + Cov(X,Y)
• E(X·Y) = E(X)·E(Y) (si X i Y són independents)
correlació
Cov( X , Y ) • V(X+Y) = V(X) + V(Y) + 2·Cov(X,Y)
ρ X ,Y =
σ XσY • V(X–Y) = V(X) + V(Y) – 2·Cov(X,Y)
• V(X±Y) = V(X) + V(Y) (si X i Y són independents)
 Distribucions de variables discretes i contínues
Funció distribució
Distribució Declaració
Funció de probabilitat FX (k ) = ∑P
i <=k
X (i ) o Esperança Variància
o de densitat k
E( X ) V( X )
∫ −∞
f X ( x)dx

q k = 0
Bernoulli X~Bern(p) PX (k ) =  FX (k ) = ∑P X (i ) p p⋅q
p k =1 i <=k

Binomial X~B(n,p)
n
PX (k ) =  ·p k ·q n − k k = 0,1,..., n FX (k ) = ∑P
i <=k
X (i ) p⋅n p⋅q⋅n
R:*binom(k,n,p) k  ( taules )

Poisson λk ·e − λ
R:*pois(k,λ)
X~P(λ) PX (k ) =
k!
k = 0,1,2,... FX (k ) = ∑P
i <=k
X (i )
( taules )
λ λ

Geomètrica X~Geom(p) 𝑃𝑃𝑋𝑋 (𝑘𝑘 ) = 𝑝𝑝 · 𝑞𝑞𝑘𝑘−1 , 𝑘𝑘 = 1,2, … 𝐹𝐹𝑋𝑋 (𝑘𝑘) = 1 − 𝑞𝑞 𝑘𝑘 1/p q/p2
R: *geom(k,p) 𝑃𝑃𝑋𝑋2 (𝑘𝑘) = 𝑝𝑝 · 𝑞𝑞 𝑘𝑘 , 𝑘𝑘 = 0,1,2, … (R) 𝐹𝐹𝑋𝑋2 (𝑘𝑘) = 1 − 𝑞𝑞 𝑘𝑘+1 (R) E(X2)=q/p
 k − 1 r k − r
Binomial Negativa § X~BN(r, p) PX (k ) =  · p ·q , k ≥ r FX (k ) = ∑P X (i )
r/p q r/p2
 r − 1 i <=k

Exponencial X~Exp(λ) f X ( x) = λ ·e − λ ·x x > 0 F X ( x ) = 1 − e − λ ·x

1 1
R:*exp(x,λ) λ λ2

Uniforme 1 x−a ( a + b)
X~U(a,b) f X ( x) = a< x<b FX ( x ) = (b − a) 2 / 12
R:*unif(k,a,b) b−a b−a 2
1  x−µ 
2

Normal 1 − ·  FX ( x ) = ?
X~N(μ,σ) f X ( x) = ·e 2 σ  μ σ2
R:*norm(k,µ, σ) σ 2·π ( taules N(0,1) )
* = d, p, q, r; 0 < p < 1; q = 1 - p; n, r enter > 0; a, b, μ real; λ, σ real > 0; “~” segueix exactament; “≈” aproxima

X1 ~ N(µ1, σ21) X2 ~ N(µ2, σ22) a, b escalars X=aX1 + bX2 ~ N (µX = aµ1+bµ2 , σ2X = a2σ21+b2σ22+2ab ρXYσ1σ2 )
X1,X2 independents
∑
n
Xi
TCL: X1,…, Xn i.i.d. (n→∞), amb E(Xi )=µ i V(Xi )=σ , llavors i =1
= X n ≈ N ( µ , σ 2 / n) ( i també ∑i =1 X i ≈ N (nµ , σ 2 n) )
2 n

n
§ Igual que per el model Geomètric, R implementa la Binomial Negativa com a “nombre de fracassos fins al r-èssim èxit”, enlloc del nombre d’intents: és a dir, X2 = X−r.